关键词:DeepSeek, OpenAI, 谷歌Android XR, 智元机器人, 豆包手机助手, AI学习伙伴, SpaceX轨道数据中心, DeepSeek R1模型, OpenAI红色警报, Android XR SDK, 智元机器人远征A1, 豆包AI助手跨应用操作

🔥 聚焦

DeepSeek创始人梁文锋入选Nature年度十大科学人物 : 梁文锋因DeepSeek模型在AI领域的贡献与变革性影响被《自然》杂志评为2025年度十大科学人物,被称为“科技颠覆者”。DeepSeek以其强大、高性价比和开源的模型(如R1、V3.2)冲击了行业,证明大模型不一定需要无限堆叠资源也能达到一线水平,推动了国产大模型在全球社区的技术声量。DeepSeek估值已达1.05万亿元,梁文锋身家随之暴涨至1846.2亿元。他的“极客”属性和对开源的坚持,被视为中国AI从模仿者向创新者转型的象征。 (来源: 36氪, 36氪, 36氪)

梁文锋,Nature全球年度十大科学人物

OpenAI拉响“红色警报”并发布企业AI报告 : OpenAI首席执行官奥特曼因谷歌Gemini和Meta的激烈竞争,于12月1日拉响最高级别“红色警报”,暂停非核心业务,集中资源巩固ChatGPT核心优势。同时,OpenAI发布《企业AI现状报告》,显示企业AI采用率加速,员工平均每天节省近1小时工作时间,但前5%的深度用户效率暴涨16倍,引发对AI时代“贫富差距”的担忧。竞争焦点在于模型能力、市场份额和人才争夺。 (来源: 36氪, 36氪)

三场战争,OpenAI拉响“红色警报”

谷歌发布Android XR平台与多款AI眼镜 : 谷歌在XR Edition活动中系统性展示Android XR,将其定位为首个统一的扩展现实平台,旨在将安卓体验延伸至XR领域。该平台与三星、高通合作,推出多样化硬件形态,包括时尚AI智能眼镜(与Warby Parker、Gentle Monster合作)、有线XR眼镜(与XREAL合作的Project Aura)及三星Galaxy XR头显的更新。Android XR SDK也同步更新,为开发者提供完整支持,预示AI与XR融合的重大进展。 (来源: 36氪, 36氪)

一文读懂Android XR发布会:谷歌“亲儿子”明年开卖

稚晖君公司智元机器人5000台量产下线 : 具身智能创业者“稚晖君”彭志辉创立的智元机器人,在不到三年内实现5000台通用具身机器人的量产下线。产品线涵盖全尺寸人形机器人(远征A1/A2)、半尺寸人形机器人(灵犀X1/X2)和轮式具身机器人(精灵G1/G2),主要应用于工业制造、物流分拣、数据采集训练及讲解接待、文娱商演等场景。这一里程碑标志着具身智能行业量产进度超出预期,并已获得数亿元订单。 (来源: 36氪)

稚晖君5000台机器人量产下线,创业仅3年,订单数亿元

豆包手机助手引发AI时代入口之争 : 字节跳动推出的豆包手机助手,通过与中兴深度合作,尝试将AI能力植入手机操作系统层,实现跨应用全局操作,引发行业震动。该产品旨在挑战现有超级App的流量入口地位,但随即遭遇微信、淘宝等大厂的技术限制。这一事件将AI时代超级入口的竞争摆上台面,预示着软硬一体化、生态积累和端云协同将成为未来AI助手发展的关键趋势。 (来源: 36氪, 36氪)

豆包踢开Agent大门,但微信说不定先进门

🎯 动向

AI“老炮”邹阳:AGI非核心,应用落地改变世界 : 未来式智能联合创始人邹阳认为,当前大语言模型技术虽未登顶AGI,但已足以彻底改造各行各业。他强调AI真正的价值在于潜入产业流程,成为企业重复性脑力工作的“外接大脑”,实现专家经验的结构化复刻。他指出,行业应关注如何将现有技术嵌入业务、实现规模化落地,而非过度追逐AGI的遥远顶峰。 (来源: 36氪)

对话AI“老炮”邹阳:AGI不是你该关心的,现在的技术足够改变世界

AI生成广告重塑行业,机遇与挑战并存 : 人工智能正深刻重塑数字广告业,从程序化向智能广告系统演进。机遇包括流量入口多元化、素材生成自动化、个性化体验极致化(“一人千面”)、投放机制智能化及广告代理商角色转型。然而,技术成熟度不足(模型推理不稳定、算法不可解释性)、监管挑战(虚假宣传、深度伪造)、用户信任与隐私风险、跨境合规成本等问题亟待解决。行业需构建“轻监管+共治理”体系,升级平台风控,强化数据治理,并鼓励品牌方构建自有智能体。 (来源: 36氪)

2026年全球保险业展望:AI重塑游戏规则 : 德勤报告指出,全球保险业正进入增长放缓、利润承压的深水区,AI成为重塑行业规则的关键力量。非寿险领域,AI通过精算、欺诈识别、风险预警实现“预测风险”;寿险与年金险领域,资本结构变化和私募融合加速,资产管理能力成核心;团险领域,B2B2C模式下,数字接入能力和极致用户体验是竞争力。AI规模化应用依赖高质量数据、现代化系统和安全保障,并要求从业人员进行能力重塑。 (来源: 36氪)

2026年全球保险业展望:AI“重编码”游戏规则

谷歌新架构HOPE解决大模型长期记忆难题 : 谷歌在论文中提出HOPE新框架,旨在解决大模型长期记忆问题,这对于AI智能体的广泛应用至关重要。该架构将Transformer的自注意力机制定义为“短期系统”,并引入独立的神经长期记忆模块,负责跨上下文窗口存储和调用关键信息,重新定义了大模型的“大脑结构”。长期记忆正从工程补丁演变为模型核心能力,决定AI能否被长期使用和信任。 (来源: 36氪)

谷歌新架构逆天,为了让AI拥有长期记忆,豆包们都想了哪些招数?

AI学习伙伴重塑教育,打通技能、情绪与知识陪伴 : AI学习伙伴在全球教育领域快速崛起,以“陪伴者”角色嵌入学生日常学习。在技能训练方面,AI语言陪练(如Duolingo Roleplay、咕噜口语)提供沉浸式对话与即时纠错。在心理陪伴与习惯管理方面,AI(如Replika、学而思“小思3.0”)提供情绪支持和习惯引导。在知识引导方面,AI(如PhotoMath、小猿AI超拟人老师)向“一对一全科陪学”演进,提供过程化讲解。 (来源: 36氪)

陪学关系迭代:AI 如何打通技能、情绪与知识陪伴?

马斯克宏大叙事:SpaceX进军轨道数据中心 : 摩根士丹利报告指出,SpaceX估值飙升部分源于市场对“轨道数据中心”这一全新AI基础设施宏大叙事的定价。马斯克构想利用星舰和星链V3卫星搭载GPU,通过高速激光互联在轨道上形成庞大计算云,解决地球电力短缺、实现极致冷却、无限能源和全球边缘连接。该领域吸引了Starcloud、Axiom Space、谷歌和英伟达等众多玩家布局。 (来源: 36氪)

SpaceX+空中数据中心,马斯克AI的下一个宏大叙事?

🧰 工具

智谱开源多模态大模型GLM-4.6V系列,功能强大价格减半 : 智谱开源GLM-4.6V系列多模态大模型及AutoGLM智能体,旨在降低多模态AI的接入门槛。GLM-4.6V将上下文窗口提升至128k tokens,首次将Function Call原生融入视觉模型,实测在识图购物、网页复刻、长文档及视频理解等方面表现稳定,但图文混排仍有待优化。其API价格减半,轻量版GLM-4.6V-Flash免费,推动了多模态AI在个人及小团队中的应用。 (来源: 36氪)

国产多模态AI再开源,实测截图转网页、搜图购物,价格减半

AI学习伙伴重塑教育,打通技能、情绪与知识陪伴 : AI学习伙伴在全球教育领域快速崛起,以“陪伴者”角色嵌入学生日常学习。在技能训练方面,AI语言陪练(如Duolingo Roleplay、咕噜口语)提供沉浸式对话与即时纠错。在心理陪伴与习惯管理方面,AI(如Replika、学而思“小思3.0”)提供情绪支持和习惯引导。在知识引导方面,AI(如PhotoMath、小猿AI超拟人老师)向“一对一全科陪学”演进,提供过程化讲解。 (来源: 36氪)

陪学关系迭代:AI 如何打通技能、情绪与知识陪伴?

📚 学习

大模型视觉能力“失灵”:EgoCross揭示跨域泛化瓶颈 : EgoCross项目团队聚焦跨域第一人称视频问答评测,揭示现有MLLM在外科手术、工业、极限运动和动物视角等专业场景下的泛化瓶颈。研究发现,即使是顶尖模型,在这些陌生领域准确率也骤降至55%以下,远低于日常场景。团队构建了首个跨域EgocentricQA基准,并通过提示学习、监督微调和强化学习等方法,验证了RL方法能带来显著性能提升,为构建更具泛化能力的模型提供了方向。 (来源: 36氪)

准确率腰斩,大模型视觉能力一出日常生活就「失灵」

学术界算力遭“屠杀”,斯坦福人均≈0.1张GPU : 美国顶尖高校实验室普遍面临严重的GPU短缺,如斯坦福人均仅约0.14张GPU,远低于工业界。这导致学术界难以开展大规模AI研究,顶尖人才加速流向工业界,并逐渐失去定义前沿的能力。尽管部分高校(如NYU、UT Austin)正自建AI工厂,但整体资源差距巨大,对AI科研和教育构成严峻挑战。 (来源: 36氪)

斯坦福人均≈0.1张GPU,学术界算力遭“屠杀”,LeCun急了

人机交互与社会机器人:Marynel Vasquez教授访谈 : AAAI播客“Generations in Dialogue”采访Marynel Vázquez教授,探讨人机交互(HRI)与社会机器人研究。Vázquez教授的研究聚焦多方环境中的社会群体动力学,开发能够实现自主、具有社会意识的机器人行为的感知和决策算法,并将交互建模为图,以实现机器人对个体、关系和群体的同步推理。她还探讨了机器人在教育中的潜力以及如何解决社会对机器人的误解。 (来源: aihub.org)

Generations in Dialogue: Human-robot interactions and social robotics with Professor Marynel Vasquez

💼 商业

AI模拟创企Aaru获3.5亿融资,估值破10亿美元 : 由三位05后创始人(最年轻16岁)创立的美国AI合成研究创企Aaru,据报完成超5000万美元(约合3.5亿元人民币)A轮融资,名义估值达10亿美元。Aaru核心技术是利用AI Agents模拟人类行为,预测特定人群对事件的反应,已成功应用于政治选举民调,并提供企业、政界及公共部门数据模型产品。 (来源: 36氪)

3个05后,被曝获3.5亿新融资

前OpenAI研究员联手谷歌,围剿英伟达 : 前OpenAI研究员利奥波德·阿申布伦纳创立的基金,正洽谈领投云服务商Fluidstack超7亿美元融资。Fluidstack作为谷歌TPU分发渠道,旨在挑战英伟达算力垄断。此举凸显谷歌在AI芯片领域的战略布局,以及资本市场对AI基础设施的狂热追逐。 (来源: 36氪)

被OpenAI开除的天才少年:联手谷歌,围剿英伟达

深圳AI陪伴机器人公司Enabot获红杉投资,用户量破百万 : 赋之科技(Enabot)凭借其AI陪伴机器人产品,全球用户量突破100万,并获得红杉、龙湖资本等多轮融资。公司最初切入宠物陪伴,后意外发现人类情感陪伴的广阔市场,并融合AI大模型对话与多模态情感交互技术,推出家庭机器人产品EBO X等。产品功能从远程看护、互动到情绪共鸣,适应不同文化背景下的用户需求。 (来源: 36氪)

深圳硬件公司做AI陪伴机器人,拿下红杉投资,用户量破百万|Insight全球

🌟 社区

AI眼镜线下普及“最后一公里”挑战 : 尽管AI眼镜在线上热度高涨,但在广州核心商圈的线下普及度却远低于预期。市场面临“双重身份”挑战:传统眼镜店不懂科技,数码店不提供专业配镜服务。带显示AI眼镜的配镜难题(如Rokid磁吸方案与夸克S1一体式高成本方案)也限制了其大规模普及。报告指出,AI眼镜要真正走进大众生活,需建立一套让消费者“买得放心、配得顺手、用得顺畅”的线下系统。 (来源: 36氪)

被忽视的“最后一公里”!跑遍广州八大商场,我发现了AI眼镜的真相

特斯拉机器人“遥控摔倒”引热议,自主性受质疑 : 特斯拉Optimus机器人在活动中疑似因远程操控“摘头显”后摔倒,引发社交媒体热议和对机器人自主性的质疑。此前Optimus也曾被曝出叠衣服有机械臂辅助、活动由幕后工程师遥控等事件。尽管马斯克对Optimus寄予厚望,但这些事件凸显了人形机器人完全自主智能的挑战,也引发了关于机器人远程操控价值和未来工作模式的讨论。 (来源: 36氪)

特斯拉机器人又被抓包:疑似遥控「摘头显」摔倒,名场面诞生

AI时代与模型对话,Amanda Askell分享方法论 : Anthropic哲学博士Amanda Askell,被称为Claude的“性格设计师”,分享了如何与AI模型建立协作关系的方法论。她将AI比作“健忘的天才”,强调与模型对话需清晰表达意图、分解复杂任务、提供足够上下文。通过“灵魂文档”塑造Claude人格,使其温和、有边界感。她认为,普通人应从“写命令”转向“设计对话”,企业应将AI视为员工而非工具,人格化AI将成为产品差异化的关键。 (来源: 36氪)

AI创业圈“变老”:中国市场更青睐经验与资源 : 观察发现,中国AI创业DemoDay中,创始人普遍年龄偏大(80后、95前居多),产品也更具“中年美学”,如智能助听器、工业具身智能。这与美国AI创业的“青春风暴”形成对比。分析认为,中国AI应用层创业需要对客户有深度理解、产品与市场高度契合以及资源积累,这些“时间问题”使得“年轻”成为短板。同时,大模型寡头化和应用层“大而美”的需求,也促使更多有经验的大厂高管跨界创业,使得“AI创业圈正在变老”成为一种趋势。 (来源: 36氪)

“AI DemoDay,怎么来的都是老登?”

亚马逊员工联名反抗AI战略,担忧“毁掉民主、就业和地球” : 超过1000名亚马逊员工联名发布公开信,警告公司“失控”的AI推进速度可能对民主、就业和地球造成巨大损害。员工担忧亚马逊为AI牺牲气候承诺(数据中心碳排增加)、加速岗位取代(大规模裁员、强制AI集成)以及扩张监控技术(Ring摄像头警方访问)。他们呼吁亚马逊公布可再生能源计划、建立员工参与AI决策机制,并承诺AI技术不用于暴力、监控和大规模驱逐。亚马逊否认指控。 (来源: 36氪)

1000+ 员工“联名反抗”,狠批公司 AI 战略将“毁掉民主、就业和地球”,亚马逊火速否认

AI代理损害责任归属:现有法律框架的适应与调整 : 法律界正探讨AI代理损害的责任归属问题,是需要全新法律框架,还是现有法律(如过失责任和产品责任)经过调整即可应对。有观点认为,AI代理与传统产品相似,开发者和用户应根据其预防风险的能力承担责任。挑战在于AI的复杂性、不可预测性和不透明性,使得证明过失和因果关系困难。建议通过谨慎调整现有法律,如对开发者施加更严格问责,并提升法律专业人士的技术素养,以确保责任合理分配。 (来源: 36氪)

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注