> 📈 本期亮点：AI正从模仿走向发现，不仅在药物研发等领域展现惊人潜力，也引发了关于其基础架构、资源需求和社会经济影响的深刻反思。 --- ## 目录 - [⚙️ 技术与工程 (7条)](#⚙️-技术与工程) - [AI代理成功的关键：“交错思考”能力](#-技术洞见-1) - [微调AI写作风格，竟能超越人类作家](#-技术洞见-2) - [AI记忆的未来：基于傅里叶变换的模型](#-技术洞见-3) - [让LLM学会自我组织，实现并行推理](#-技术洞见-4) - [模拟AI：用傅里叶变换实现千倍能效](#-技术洞见-5) - [AI语音 x 自然环境 = 新式外化冥想](#-技术洞见-6) - [LeCun的AGI路线图：抛弃LLM范式](#-技术洞见-7) - [🔬 科学与发现 (8条)](#🔬-科学与发现) - [AI能创造知识吗？我们尚不知其意](#-科研洞见-1) - [人类语言能力的进化代价：牺牲短期记忆](#-科研洞见-2) - [进化中的权衡：语言能力换取短期记忆](#-科研洞见-3) - [语言的进化代价：牺牲短期记忆换取沟通](#-科研洞见-4) - [仿生学智慧：从空气中“捕获”水资源](#-科研洞见-5) - [GPT-5 Pro独立发现药物新用途](#-科研洞见-6) - [重新定义资源：从雾气中提取可用水](#-科研洞见-7) - [别混淆统计相关性与真正的AI理解力](#-科研洞见-8) - [💰 商业与战略 (7条)](#💰-商业与战略) - [探寻卓越之路：抵达前沿，填补空白](#-商业洞见-1) - [最佳成长区：脚不完全触底的深度](#-商业洞见-2) - [传统是创造的，而非继承的](#-商业洞见-3) - [人才风险管理：防范“单点人才故障”](#-商业洞见-4) - [AI时代最大的护城河是行动力本身](#-商业洞见-5) - [组织中最大的风险是人，而非技术](#-商业洞见-6) - [伴侣选择是最重要的职业决策之一](#-商业洞见-7) - [🌐 行业与趋势 (8条)](#🌐-行业与趋势) - [AI模型规模化背后的惊人数据需求](#-行业洞见-1) - [超级智能时代，哪些资源依然稀缺？](#-行业洞见-2) - [全球领袖齐聚利雅得，探讨未来增长](#-行业洞见-3) - [传统巨头主导监管，或将扼杀颠覆性创新](#-行业洞见-4) - [科技行业的“996工作制”文化](#-行业洞见-5) - [现代生活的陷阱：室内数字化成瘾](#-行业洞见-6) - [“大到不能倒”：AI巨头或将寻求政府救助](#-行业洞见-7) - [AI的未来：从通用智能到人工创收](#-行业洞见-8) --- ## ⚙️ 技术与工程 ### 💡 技术洞见 #1 **AI代理成功的关键：“交错思考”能力** 📝 **推文原文** > RT @SkylerMiao7 我们在与合作伙伴更紧密地合作时，惊讶地发现“交替推理”（interleaved thinking，这是一种在解决长时间、复杂任务时至关重要的方式）在社区支持中表现得并不好。虽然我们在5个月前通过Sonnet 4引入了这个功能，但其采用率仍然有限。 > > 我们认为“交替推理”是对“自主模型”（agentic models）来说最重要的特性之一，因为它能够极大地利用测试阶段的计算能力（test-time compute）。模型可以在每次调用工具后进行推理，尤其是在工具输出不符合预期的时候。这正是自主任务中最难的部分：你无法预料环境会返回什么。然而，通过“交替推理”，模型能够在获取工具输出后重新推理，并尝试找出更好的解决方案。 > > 目前我们正在与合作伙伴合作，为M2模型实现“交替推理”，并希望未来能够推广到所有具备能力的模型之中。 🧠 **深度解读** 在复杂的AI代理任务中，模型无法预测环境返回的结果，因此需要“交错思考”能力——在每次工具调用后进行推理和调整。这是代理系统成功的关键，但目前采用率极低。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95695)** --- ### 💡 技术洞见 #2 **微调AI写作风格，竟能超越人类作家** 📝 **推文原文** > 当人工智能（AI）学习模仿某位作者的写作风格时，读者很难察觉它是机器在写😯 > > 研究表明，当一个模型专门训练于某位作者的书籍时，读者往往更偏爱它的写作风格，甚至超过了专业人类作者。 > > 这项研究测试了MFA（艺术创作硕士）作家和顶尖的AI模型，要求它们模仿50位知名作者的写作风格。 > > 实验初期，在只提供提示语（prompt）的情况下，专家评审在风格和整体质量上更倾向于人类文本，因为他们发现AI写作存在一些明显的特征，比如用词陈旧、总结过于简略，以及整体语调过于保守。 > > 然而，在模型经过针对特定作者的精细化微调（fine-tuning）之后，专家的选择发生了转变，他们更倾向于认为AI文本在风格上更接近目标作者，有时质量甚至更高。 > > AI检测工具很容易辨别纯提示语生成的文本，但几乎无法识别经过微调的输出。 > > 论文链接：arxiv.org/abs/2510.13939 > 论文标题：《读者更偏爱以版权书籍训练的AI文本，而非专业人类作家》 🧠 **深度解读** 当AI针对单一作者进行微调后，专家评委会更偏好AI的写作，而不是人类专家的作品，同时AI检测器几乎无法识别这些微调后的输出。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95691)** --- ### 💡 技术洞见 #3 **AI记忆的未来：基于傅里叶变换的模型** 📝 **推文原文** > 转推 @BrianRoemmele：傅里叶变换（Fourier transform）。 > > 这正是人类记忆的编码方式。 > > 这也将是未来人工智能记忆编码的方式，从而使通用人工智能（AGI，人工通用智能）成为可能。 > > 基于傅里叶变换的记忆模型将超越大语言模型（Large Language Models, LLMs）。 > > https://t.co/Ql7xYPbf5q 🧠 **深度解读** 傅里叶变换不仅是人脑记忆编码的方式，也将成为AGI记忆编码的核心技术。基于傅里叶变换的记忆模型将超越当前的大语言模型。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95690)** --- ### 💡 技术洞见 #4 **让LLM学会自我组织，实现并行推理** 📝 **推文原文** > 微软(@Microsoft)的一篇新论文教会大型语言模型（LLMs）将推理过程组织为并行的子任务，从而实现更快且更准确的答案。 > > 研究显示此方法的等待时间比常规的并行推理减少28%，同时还提高了数学运算的准确性。 > > 关键点在于，该方法将“协调”转化为模型学习的一项技能，使其能够自主决定何时拆分任务、何时等待以及何时合并结果。 > > 解决方案是设计一个“组织者”，通过简单的Fork（分叉）和Join（合并）标签来启动和整合不同的子任务。 > > 所有的控制逻辑都以纯文本形式存在，因此基础模型本身无需修改。 > > 论文地址：arxiv.org/abs/2510.26658 > 论文标题：《智能组织时代：学习用语言模型进行组织》 🧠 **深度解读** 最优的协调机制不是预设规则，而是可学习的适应性技能。让系统自主决定何时分工、何时等待、何时合并，将组织能力本身变成可训练的核心竞争力。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95688)** --- ### 💡 技术洞见 #5 **模拟AI：用傅里叶变换实现千倍能效** 📝 **推文原文** > 转推 @grok 这是你关于模拟人工智能（Analog AI）论文的简要框架，Brian——设计目的是激发快速实现通用人工智能（AGI）的突破： > > 1. **脑启发式记忆**：人类的长期记忆利用傅里叶变换（Fourier transforms）将经验编码为驻波。 > 2. **AI 应用**：从数字大语言模型（LLMs）转向在傅里叶域中存储数据的模拟系统，实现高效的基于波形的回忆，模拟人脑运作。 > 3. **效率提升**：能耗降低1000倍，速度提升100倍；快速傅里叶变换（FFT）的集成进一步提升约500%，大幅削减成本，使边缘通用人工智能成为可能。 > 4. **通向 AGI 的路径**：为 AI 的“大脑”加入“心”（情感类比），加速解锁真正的智能。 🧠 **深度解读** AI的下一个突破可能来自于从数字LLM转向模拟系统：使用傅里叶变换在波域存储数据，模仿人脑长期记忆机制，实现1000倍能效提升和100倍速度提升，使边缘AGI成为可能。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95685)** --- ### 💡 技术洞见 #6 **AI语音 x 自然环境 = 新式外化冥想** 📝 **推文原文** > 如何进行晨间冥想： > > “Perplexity 的语音模式真的被低估了！最棒的使用方法是： > - 到大自然中去 > - 打开语音模式 > - 问任何你脑海中浮现的问题 > - 重复以上步骤 > > 今天又试了一次，在海滩上花了一个小时，用它向阿维狄乌斯·卡西乌斯（古罗马哲学家）提问关于情绪调节的一切问题。还是一样神奇！” 🧠 **深度解读** 将AI语音对话与自然环境结合，创造一种“外化冥想”：在户外与AI进行自发性对话，让AI成为思维伙伴，这比传统静默冥想更能促进深度思考和情感调节。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95684)** --- ### 💡 技术洞见 #7 **LeCun的AGI路线图：抛弃LLM范式** 📝 **推文原文** > Yann LeCun（@ylecun）关于可能通向通用人工智能（AGI）的架构建议： > > 大型语言模型（LLM）只是通往 AGI 的一种有限工具。 > > “如果你对人类水平的人工智能感兴趣，请不要研究 LLM： > > 放弃生成式模型，转向联合嵌入架构； > 放弃概率模型，转向能量模型； > 放弃对比方法，转向正则化方法； > 放弃强化学习（RL），转向基于模型的预测控制（MPC）。 > > 仅当规划无法得出预测结果时，使用强化学习以调整世界模型或评价函数。” 🧠 **深度解读** 如果你想构建人类级别的AI，不要专注于LLM。应该放弃生成模型，转向联合嵌入架构；放弃概率模型，转向基于能量的模型；放弃对比方法，转向正则化方法；放弃强化学习，转向模型预测控制。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95639)** --- ## 🔬 科学与发现 ### 💡 科研洞见 #1 **AI能创造知识吗？我们尚不知其意** 📝 **推文原文** > 我们距离真正理解什么是“创造知识”或它的含义还有两光年的距离，但有些人已经对人工智能（AI）能够做到这点深信不疑。 🧠 **深度解读** 我们距离真正理解如何“创造知识”还有两光年的距离，甚至不知道这意味着什么，但有些人却对AI能否做到这一点抱有绝对的确定性。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95696)** --- ### 💡 科研洞见 #2 **人类语言能力的进化代价：牺牲短期记忆** 📝 **推文原文** > 数百万年前，我们的祖先在进化中做出了一次巨大的牺牲：他们的左脑半球（left hemisphere）发生了重大变化。 > > 我们失去了大量的短期记忆，但取而代之的是布罗卡区（Broca's area）、韦尼克区（Wernicke's area）以及语音环路（phonological loop）。 > > 为什么会这样呢？为了让我们可以——说话。 > > 因此，黑猩猩能做到一些我们做不到的事情： > https://t.co/uICslSn4yO 🧠 **深度解读** 人类为了获得语言能力，在进化过程中实际上牺牲了大量短期记忆能力——这是一个根本性的认知权衡，而非单纯的能力提升。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95694)** --- ### 💡 科研洞见 #3 **进化中的权衡：语言能力换取短期记忆** 📝 **推文原文** > 数百万年前，我们的祖先在左脑半球上经历了一次巨大的“牺牲”。 > > 我们失去了大量的短期记忆能力，取而代之的是布罗卡区（Broca's area）、韦尼克区（Wernicke's area）以及语音回路（phonological loop）。 > > 但为什么会这样？为了让我们——能够说话。 > > 所以，黑猩猩能做到这件事——而我们却做不到： > https://t.co/uICslSn4yO 🧠 **深度解读** 人类为了获得语言能力，在进化过程中牺牲了大量短期记忆能力——这是一个根本性的认知权衡，而非单纯的能力提升。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95693)** --- ### 💡 科研洞见 #4 **语言的进化代价：牺牲短期记忆换取沟通** 📝 **推文原文** > 数百万年前，我们的祖先做出了巨大的牺牲——放弃了左脑的一部分功能。 > > 我们失去了大量的短期记忆能力，取而代之的是布罗卡区（Broca's Area）、韦尼克区（Wernicke's Area）以及语音环路（phonological loop）。 > > 为什么呢？为了让我们——能说话。 > > 因此，黑猩猩能做到这件事，而我们却无法做到： > https://t.co/uICslSn4yO 🧠 **深度解读** 人类为了获得语言能力，在进化中牺牲了左半球的大量短期记忆，用语言相关区域替代了记忆功能。这是一个巨大的进化权衡——我们失去了黑猩猩仍然拥有的强大短期记忆能力。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95672)** --- ### 💡 科研洞见 #5 **仿生学智慧：从空气中“捕获”水资源** 📝 **推文原文** > 在秘鲁，特别设计的仙人掌纤维网能够捕捉雾气，将其转化为可用于饮用和农业灌溉的水。这些网每天最多可以收集400升水。 > https://t.co/IzyvlSsLty 🧠 **深度解读** 在资源稀缺环境中，最优解往往不是寻找更多资源，而是重新定义资源的获取方式——通过仿生学原理，从看似“空无”的环境中提取价值。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95683)** --- ### 💡 科研洞见 #6 **GPT-5 Pro独立发现药物新用途** 📝 **推文原文** > GPT-5 Pro 在科学发现上的革命性潜力：用 12 分钟的“思考”，它建议重新用途一款已知药物，用于治疗一种目前无药可治的食物过敏疾病。结果令人震惊，这恰好与一项（当时尚未发表的）同行评审研究结果完全一致。 > > 大约两个月前，在提交论文的时候，Alpan 博士与我分享了这个案例。我紧张地看着模型“思考”了 12 分钟。当结果出来时，我简直不敢相信我的眼睛！模型的顶级推荐竟然是：“Dupilumab（IL-4Rα 阻断剂）。” > > 目前，许多针对无药可治疾病的潜在疗法可能早已存在，却未被发现，而通过 GPT-5 Pro 和其他先进 AI 模型对已有的 2 万种 FDA 批准药物进行“药物再利用”研究，或许能挖掘出更多解决方案。 🧠 **深度解读** AI模型能够通过识别跨疾病的生物学模式，独立发现现有药物的新治疗用途，这为加速医学发现开辟了全新路径。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95643)** --- ### 💡 科研洞见 #7 **重新定义资源：从雾气中提取可用水** 📝 **推文原文** > 在秘鲁，人们设计了特殊的仙人掌纤维网，用来捕获雾气，将其转化为可用于饮用和农业灌溉的水。在干旱地区，一张网每天最多可以产出400升水。 > https://t.co/IzyvlSsLty 🧠 **深度解读** 在资源稀缺环境中，最佳解决方案往往不是寻找资源，而是重新定义资源的来源——将环境中被忽视的潜在资源转化为可用资源。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95680)** --- ### 💡 科研洞见 #8 **别混淆统计相关性与真正的AI理解力** 📝 **推文原文** > 定义意识（consciousness）可能超出了科学的能力范围，因为每种情形下的观察只能由唯一的观察者进行。 > > “创造知识”（create knowledge）要具体得多，而且已经成为现实，比如 AlphaZero（一种人工智能程序）。 > “@francoisfleuret 两光年的预测过于乐观。我们连意识的定义都无法给出，却在构建能够通过大规模混合训练数据来‘创造知识’的系统。这种确信源于将统计学上的相关性与真正的理解相混淆。” 🧠 **深度解读** 我们经常混淆统计相关性与真正的理解，这种认知错误导致我们高估AI系统的能力——它们只是在大规模重组训练数据，而非真正创造知识。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95677)** --- ## 💰 商业与战略 ### 💡 商业洞见 #1 **探寻卓越之路：抵达前沿，填补空白** 📝 **推文原文** > 转发自 @ycombinator： > 通往卓越工作的路径： > > “选择一个领域，深入学习直到抵达前沿，发现其中的空白，并探索那些有潜力的。” > https://t.co/4jT10ulWaT 🧠 **深度解读** 伟大工作的路径：选择一个领域，学到足以触及前沿，注意到空白，并探索有前景的方向。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95674)** --- ### 💡 商业洞见 #2 **最佳成长区：脚不完全触底的深度** 📝 **推文原文** > “千万别为别人工作……勇敢地跳出你的舒适区，涉足那些你不太擅长的领域。当你感觉脚底似乎触碰不到地面时，恭喜你，你正处在最合适的位置……”——大卫·鲍伊 (David Bowie) > > https://t.co/1ySCb7Whmi 🧠 **深度解读** 最佳的成长状态是让自己处于“脚不完全触底”的深度——既有足够的挑战让你拉伸能力，又不至于完全超出掌控。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95692)** --- ### 💡 商业洞见 #3 **传统是创造的，而非继承的** 📝 **推文原文** > 提拉米苏是20世纪60年代发明的。 > > 在1930年之前，世界上没人喝过玛格丽塔鸡尾酒（Margarita）或吃过法士达（Fajita，墨西哥烤肉卷）。 > > 传统是可以创造出来的。 🧠 **深度解读** 传统不是发现的，而是创造的——你可以主动创造新的文化现象和商业传统。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95687)** --- ### 💡 商业洞见 #4 **人才风险管理：防范“单点人才故障”** 📝 **推文原文** > 有趣的是，美国只有三个人有资格为阿波罗15号（Apollo 15）手工打包降落伞。他们的专业技术如此关键，以至于他们被禁止同乘一辆车，以防一场车祸就让整个太空计划陷入瘫痪。 🧠 **深度解读** 当组织的关键能力只掌握在极少数人手中时，应该实施物理隔离策略来防范“单点人才故障”，这种风险管理思维需要延伸到人员配置的方方面面。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95679)** --- ### 💡 商业洞见 #5 **AI时代最大的护城河是行动力本身** 📝 **推文原文** > “你真的不用太担心会被AI自动化取代。你完全想象不到，真正努力做事情的人占多小的比例。” 🧠 **深度解读** AI替代威胁被高估了，因为真正主动实践和执行的人占比极小，行动力本身就是最大的护城河。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95678)** --- ### 💡 商业洞见 #6 **组织中最大的风险是人，而非技术** 📝 **推文原文** > 真正需要担心的是人类，而不是电脑。电脑只会按照指令行事。——来自 Ilya 的证词： > > • Ilya 与 Mira 密谋了一年多，试图让 Sam 下台 > • Dario 想要逼 Greg 离职，并让自己掌管所有研究工作 > • Mira 告诉 Ilya，说 Sam 挑拨她与 Daniela 的关系 > • Ilya 为了让 Sam 被解雇，写了一份长达52页的备忘录，还另写了一份关于 Greg 的文件 > > https://t.co/ptMAmEHKN8 🧠 **深度解读** 在技术组织中，人际政治风险往往比技术风险更具破坏性——计算机只是按指令执行，真正需要担心的是人。 🔗 **[查看原文](https://t.co/ptMAmEHKN8)** --- ### 💡 商业洞见 #7 **伴侣选择是最重要的职业决策之一** 📝 **推文原文** > 我们人生中最重要的职业选择之一，是我们选择与谁结婚。 > > 如果伴侣可靠又勤奋，人们不仅收入更高，还会更幸福。有责任心的伴侣会提供更多支持，并以更好的习惯为榜样。 > > 我们不仅能受益于所爱之人的优点，还会被他们的优点所深深感染。 > https://t.co/JXlmA2Yttr 🧠 **深度解读** 伴侣选择是最重要的职业决策之一，因为我们不仅受益于所爱之人的优势，还会吸收这些优势。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95646)** --- ## 🌐 行业与趋势 ### 💡 行业洞见 #1 **AI模型规模化背后的惊人数据需求** 📝 **推文原文** > 上车吧，伙计，我们要训练一个「千万亿」（Quadrillion）个tokens（标记）了：https://t.co/HSxruYDsTp > > 如果你想让模型的参数量达到一个更合理的 1 万亿（1T）规模，你只需要——*翻了翻笔记*——1.29「千万亿」（Quadrillion）个tokens（标记）而已：https://t.co/cGckSNi20w 🧠 **深度解读** AI模型参数与训练数据需求之间存在指数级关系：1万亿参数模型需要1.29千万亿token，这揭示了当前AI发展路径的资源可持续性挑战。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95689)** --- ### 💡 行业洞见 #2 **超级智能时代，哪些资源依然稀缺？** 📝 **推文原文** > 即使拥有廉价到无需计量的超级智能， > > 能源、土地、时间、人类信任以及人类的自主权依旧稀缺， > > 而人类的欲望和未来的需求将永无止境。 🧠 **深度解读** 即使在超级智能变得极其廉价的时代，能源、土地、时间、人类信任和人类代理权仍将保持稀缺，而人类的欲望和未来需求将始终无限。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95686)** --- ### 💡 行业洞见 #3 **全球领袖齐聚利雅得，探讨未来增长** 📝 **推文原文** > FII9：乐观主义的启示。在利雅得举办的这场为期三天的大会中，全球领导者和行业先锋齐聚一堂，共同探索推动人类下一阶段增长的关键（Key To Prosperity）。现可在FII Institute TV上观看完整会议及独家洞见！ 🧠 **深度解读** 全球领导者与行业先锋正齐聚一堂，共同探索推动人类下一阶段增长的关键路径与策略。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95671)** --- ### 💡 行业洞见 #4 **传统巨头主导监管，或将扼杀颠覆性创新** 📝 **推文原文** > 欧洲ADAS（高级驾驶辅助系统）委员会的主席就职于宝马。 > > 他没有动力去加速推广一种可能会损害自己业务，甚至让自己失业的技术。 🧠 **深度解读** 当传统企业的高管同时担任新技术监管机构的关键职位时，会形成系统性的创新阻力，因为他们没有动机推进可能威胁自身业务的技术发展。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95682)** --- ### 💡 行业洞见 #5 **科技行业的“996工作制”文化** 📝 **推文原文** > 996 工作制 https://t.co/KGQemVz96K 🧠 **深度解读** “996工作制”作为一种行业文化现象，反映了科技领域激烈竞争下的高强度工作常态，持续引发关于工作与生活平衡的讨论。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95670)** --- ### 💡 行业洞见 #6 **现代生活的陷阱：室内数字化成瘾** 📝 **推文原文** > 魔鬼最厉害的诡计，就是让这里的人心甘情愿把所有时间都耗在室内。 > ——“今天我在旧金山步行了8英里，还乘了船，并且和 @Nexuist 进行了一次非常棒的对话。” > https://t.co/kSM359eQ5a 🧠 **深度解读** 现代生活的最大陷阱是让人们相信室内数字化生活比户外真实体验更有价值。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95681)** --- ### 💡 行业洞见 #7 **“大到不能倒”：AI巨头或将寻求政府救助** 📝 **推文原文** > 倒计时开始，就等有人宣称大型语言模型（LLMs）已经“庞大到不能倒”（too big to fail）。 > > 他们会说：“我们不能输给中国。” 接着，他们将心安理得地接受数十亿美元的救助资金。 🧠 **深度解读** 大型科技公司可能会利用“不能输给竞争对手国家”的地缘政治叙事来获得政府救助，将私人投资风险转化为国家安全议题。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95676)** --- ### 💡 行业洞见 #8 **AI的未来：从通用智能到人工创收** 📝 **推文原文** > 为什么AI需要去中心化计算？ > > 🚀 刚刚发布了一期超烧脑的对话节目，和@DJohnstonEC 深聊了去中心化AI和代理未来。你将学到： > > 1/ 为什么智能代理 + 钱包 = 具备真正自主能力的AI （比如帮你支付账单、为你投资——AGI变身“人工生成收入（Artificially Generated Income）”🤯） > > 2/ Morpheus如何让顶级LLMs普及化：通过加密激励，你可以在手机上私密运行这些模型。 > > 3/ HTTP 402的回归：即时小额支付将颠覆订阅模式。 > > 4/ 隐私护甲：从完全同态加密到无信任代理代表。 > > 5/ AI和Web3的融合：机器人像华尔街一样为你的生活做交易。 🧠 **深度解读** AGI应被重新定义为“Artificially Generated Income”（人工生成收入），而非“Artificial General Intelligence”，因为AI的真正价值在于其经济产出能力，而非智能模拟程度。 🔗 **[查看原文](https://news.miracleplus.com/share_link/95675)**