搜索
近日，国际能源研究机构AixEnergy发布《Market Outlook》报告，提出一个值得关注的判断：AI基础设施首先是一项能源决策，其次才是一项技术决策。报告认为，决定未来全球AI版图的关键因素，正从芯片、模型和算法，转向稳定、低成本且能够快速接入的能源系统。海湾国家凭借廉价电力迅速崛起，美国受制于电网瓶颈，中国则依托新能源和产业链优势加速布局，东南亚正试图成为新的算力高地。
更聪明的计算远比更多的计算更有效。
当前，在狂热的 AI 浪潮下，大众对于头部 AI 大厂或明星初创公司往往有着一种带有光环的「刻板印象」：一定是由顶尖高校博士、各大优秀前沿研究论文的作者、算法天才等组成的团队。
拆分后，字节仍将控股新公司，AI 制药核心团队、核心算法、技术平台和已有管线资产将整体进入新主体。
大模型开始进入理论计算机科学最核心的问题之一：算法设计。
数学，这块人类心智的荣耀，正面临一场前所未有的「降维打击」。当算法的「非人化」优势把80年的接力变成32小时的副产品时，我们不得不问：人类到底想要一个又一个正确答案，还是想要理解这些答案的过程？
几天前，OpenAI 用 AI 模型解决了一个关于点与点之间距离的数学问题，此前 80 年来这道题目一直未被完全攻克，消息一出一度被媒体刷屏。不过，没隔几天 16 位数学家站了出来，他们在荷兰莱顿大学发布了一份名为《莱顿宣言》的文件 [1]。
清华大学经济管理学院的陈柯均博士生、张佳音教授、徐心教授与快手消费策略算法部合作探索完成了一项联合实验：从视频传递的价值观的角度，去理解观看视频后用户的行为和心理变化。
Google DeepMind研究院姚顺宇最近接受媒体人采访时说：做一个好的产品经理，是一个我现在想不明白该怎么训练AI去做的事。言外之意，AI时代产品经理很难被替代。招聘市场已经给出了答案。根据脉脉2026年1—4月的数据，热招岗位里大模型算法排第一，产品经理排第二，AI产品经理也排到了前五的位置。
从数学、代码、复杂推理，到多轮工具调用，大模型的很多能力的提升都离不开 RL 后训练。但当模型规模进入 MoE 万亿参数级别之后，RL 不再只是一个算法问题，同时更加是一个系统问题。