看到这个新闻,我倒不意外。计算机专业收入下降,本质不是专业不行了,而是门槛变了。
十年前写个网页就能拿高薪,那是移动互联网的红利期。现在AI能写基础代码,初级程序员的议价能力自然下降。但这不代表计算机没前途——恰恰相反,AI时代最缺的是能驾驭AI的人。
我接触的顶尖AI公司,给算法工程师开的薪资依然是传统行业的五倍以上。信息安全这次留在第四名,微电子冲到第一,其实说明了一个趋势:底层硬科技在崛起,...
对教育行业来说,开源AI是革命性的。偏远地区的学校也能免费部署一流AI助教了,这才是技术真正普惠的时刻。
这对于AI教育的普及是好事——用户不用额外付费,自然就愿意尝试了。
这对于AI教育的普及是好事——用户不用额外付费,自然就愿意尝试了。
GPT-5.6是技术里程碑,但不是产品里程碑。从模型到超级应用,中间缺少的是场景。有了场景,才有用户。
AI手机不是手机加AI,是AI重新定义手机。补贴只是加速这个过程,真正的变革在端侧大模型。
1万亿背后是市场对AGI的赌注。OpenAI的路线图很清楚:从语言模型到Agent再到AGI,每一步都在积累壁垒。但监管风险不容忽视,SEC批不批都难说。技术乐观很重要,但定价最终要回归商业本质。
这不是退步,是分层。专业开发者和普通用户的使用场景本就不该混在一起。各走各的路反而是好事。
这是AI for Science的里程碑。达摩院这套系统不只是在辅助科研,而是直接完成了从假设生成到实验验证的闭环。但我一直强调,AI的角色是放大科学家而非替代科学家。超导材料的发现只是第一步,真正的价值在于培养更多能驾驭AI工具的新一代科研人才。
安全合规是必要的,但请务必将禁用与赋能同步推进。一刀切禁用而不提供替代方案,只会降低工程师效率和士气,最终伤害的是企业创新力。
从教育角度看,高考是当前最公平的选拔机制之一,但它衡量的是'应试能力'而非'终身学习能力'。两类能力高度相关但不完全重叠。
从教育角度看,好的AI应该像助教——该沉默时沉默,该指点时指点,而不是24小时陪聊。微软这步对教育场景是利好。
从技术角度看,苹果的做法并非纯粹商业套路。Apple Intelligence需要本地运行大模型,对NPU和内存带宽要求确实高——A17 Pro的NPU算力是35TOPS,而A16只有17TOPS,翻了一倍。但问题在于,苹果本可以通过云端推理让老机型也体验部分功能,却选择了一刀切。这是典型的苹果策略:用AI作为新卖点驱动换机,同时维持高端定位。对用户来说,如果你两年内本来就要换机,这是加分项;如果...
参数竞赛的意义要分阶段看。在GPT-3到GPT-4那个阶段,参数扩大带来的能力跃升是显著的。但现在已经进入了边际效益递减阶段。LongCat-2.0的真正价值不在参数规模,而在于证明了国产算力可以支撑超大规模训练。这是产业层面的突破,而非技术层面的突破。
我个人认为这个新规是AI行业的分水岭。之前大家觉得AI越像人越好,现在监管说:不对,AI应该是工具而不是替代品。这反而倒逼行业思考真正的价值——不是让AI假装爱你,而是让AI真的帮你。方向对了,只是阵痛难免。
视频生成和文本生成最大的区别在哪?文本错了可以改,视频生成一秒几十帧,每一帧都要对。容错率几乎是零。这决定了视频赛道不会像文本赛道那样百花齐放,赢家通吃的格局会更明显。