C was too complex. Shell scripts weren't enough.

So Guido van Rossum built the middle ground. 🐍 H...

特斯拉上海急招Robotaxi人才

特斯拉Robotaxi准备入华了？！ 特斯拉Robotaxi急聘工程师，岗位信息都发到中国区的招聘页了，而且注明工作地就是在上海。 果然是喜欢挑战的马斯克…… Robotaxi专属网站已经上线，入门指南、运营区域都已就绪，摆明了准备大规模扩张的架势。 美国那边和Waymo的竞争还在愈演愈烈呢，特斯拉这就准备好和中国玩家们正面交锋了吗？

特斯拉Robotaxi在中国招聘

特斯拉中国招聘主页，正在急聘一名低压电气工程师，工作地点就位于上海。

岗位所属的低压硬件团队，主要工作是负责设计特斯拉Robotaxi的核心电路板。 这些电路板，控制着Robotaxi所有电气系统包含的数百个设备，例如电机、执行器、传感器、LED灯。

而正在招聘的这一岗位，则负责电路板全流程硬件工作，涵盖规格说明、架构设计、电路设计、仿真、电路板验证等等。 同时也要兼顾整个设计、计算、验证过程的记录，后续的迭代，并和其他团队协同工作。 其实，这也不是特斯拉第一次在中国传递出有关Robotaxi的动向： 特斯拉Cybercab首次登陆亚太地区，就是在上个月的中国国际进口博览会上。 当时特斯拉展台中央，就停放着一辆没有方向盘、脚踏板的Cybercab，吸引了相当多参会人员围观。

另一项万众瞩目的计划与Robotaxi相关，时间线也正在逼近—— 就是Robotaxi的核心大脑FSD，马斯克之前给出的对华完全放开时间，预计大约是“2026年2~3月份”。 所以在外界不少人看来，在中国急聘Robotaxi工程师，可能就是特斯拉Robotaxi即将入华的信号。 不过在此之前，特斯拉的重心，可能要先放在正紧锣密鼓准备的无监督版FSD上。 距离马斯克立下的兑现时间，还剩下最后三天。 能按时冲线吗？ 毕竟Robotaxi什么时候大规模快速落地，全都系在无监督版FSD落地上了。

特斯拉Robotaxi网站上线，不变臭车绝招来了

不过呢，不管无监督版FSD能不能卡点实现，都只是一个时间早晚的问题。 特斯拉Robotaxi车队起量，也基本已经板上钉钉，其他的准备工作大多就绪。 就比如运营方面，特斯拉Robotaxi网站已经上线，近期在逐渐更新和完善。 主页提供了Robotaxi的APP下载地址，加上了新手入门指南和运营区域。 特斯拉规定，独自乘坐其Robotaxi需年满18岁，13岁~17岁可以在有人陪同的情况下乘坐，13岁以下儿童禁止乘坐。 介绍中提到，APP可以支持29种语言，并且还在不断增长，暗示将逐步扩大运营范围。 特斯拉还表示，为了让所有人都能体验自动驾驶生活，Robotaxi的设计上考虑了各种无障碍需求，为服务性动物（例如导盲犬）、辅助出行设备等都预留了空间。 至于其他常见问题，比如怎么找回遗留在车上的物品、怎么在途中更换目的地等，这个网页都罗列出了比较详细的解答。 其中有一项最近新增的内容相当特别：特斯拉为Robotaxi加入了一个“清洁守则”，并引入了两级处罚制度： 中度污渍：比如食物洒出、蹭上污泥等等，乘客需要额外支付50美元（约351元）清洁费； 重度污渍：像吸烟痕迹、酒后呕吐物这种重度污渍，特斯拉将收取150美元（约1052元）的清洁费。

特斯拉不会像之前一样，一对一联系乘客来处理清洁费用，而是会在行程结束后对车辆进行评估。 如果发现有污渍，并被标记为需要额外清洁，就会给乘客打电话通知需收取清洁费。 这样做的目的，主要是为了一定程度上约束乘客行为，保障车内干净舒适，避免变成臭车。 另一方面，则是考虑到Robotaxi车辆的清洁，仍涉及人工费用—— 虽然特斯拉之前展示过Cybercab的自动洗车机，但现在运营的Model Y大概率仍需要人工清理。

看来车是能自动开了，但充电和清理这种事，还是需要人力，背后都是运营成本。 不过从特斯拉的节奏上看，充电可能很快也能自动实现了。

特斯拉Robotaxi离自己充电了不远了？

特斯拉的无线充电专利（US20250373083 A1），这个月月初刚发布，原本是在2024年5月获得的授权。 专利核心是高效无线充电系统，能应对宽电压波动，可以为全无人Robotaxi车队提供全天候、无人工干预的充电解决方案。

这个系统的创新之处，主要在于解决无线充电的热管理与效率问题，有这么两个核心技术亮点： 其一，是“部分切换”技术（Partial Toggling）。 传统的无线充电采用“双极切换”技术（Bipolar Switching），也就是同时切换电路中所有开关。 这样会导致谐振槽内产生大幅电压波动，可能引发严重的电气应力与能量损失。 而这个专利采用的新方法是，通过控制H桥电路的“半切换”（只切换一半开关，另一半保持静态），把电压波动从2倍输入电压降到1倍输入电压，直接将电气应力减半。 好处是能减少热产生与能量损耗，让无线充电效率接近有线充电，未来能支撑Robotaxi全天候快速充电。

另一大技术亮点则是采用了LCC-LCC谐振架构。 传统无线充电对车辆与地面垫的对齐精度要求极高，甚至需要达到毫米级精度，否则磁耦合变化会导致充电速度骤降。 另外，物理连接器也是机械故障的高发点，如果不用人力，就需要复杂的机器人维护。 针对这些问题，特斯拉在地面垫与车辆接收垫中增加额外电感（L）与电容（C），构建成了双LCC谐振网络，类似于一个“悬挂系统”。 即使磁耦合因对齐偏差，产生了几英寸（1英寸=2.54厘米）的偏离，依然能保持恒定电流，大幅拓宽最佳充电区域。 这样就很大程度上解决了车辆对齐精度的问题，能快速自然停放，提高充电效率。 像连接器磨损这样的机械故障也会减少，地面垫可实现多年近乎零维护。 另外，这个系统还有很强的兼容性，可以通过调节占空比，处理200V到1000V的电池包。 从400V的Model 3，到800V的Cybertruck或Cybercab都能用，不必再配备昂贵的冗余硬件。 一旦特斯拉的无线充电正式推广，Robotaxi就能自己开车自己补能，马斯克吹出的“老车主让爱车自己出门打工”不再是梦。 那个没有方向盘、没有刹车、甚至没有物理充电端口的Cybercab，距离24小时上路拉客也不远了…… Robotaxi领域最大的鲶鱼已经下水，三文鱼们准备好了吗？

国资战略入股九章云极 加码先进AI基础设施攻坚

国资战略入股九章云极 加码先进AI基础设施攻坚

鹭羽 2025-12-29 16:52:03

九章云极完成新一轮战略融资 人工智能基础设施与智算云提供商九章云极宣布完成新一轮融资。本轮由北京信息产业发展投资基金与北京市人工智能产业投资基金联合领投，老股东启辰星跟投。此次“国家队”资本的战略入股，体现了国有资本对建设先进人工智能设施建设的高度重视，并为九章云极夯实技术领先优势和拓展普惠算力生态注入强劲动力。 在资金规划与战略布局上，本次融资将重点聚焦两大核心方向：其一，持续加码AI加速计算优化技术研发，进一步巩固并扩大公司在AI训练、智能体开发、强化学习等关键领域的技术壁垒与领先优势；其二，加大普惠智算云平台建设投入，致力于打造国内领先的普惠智算生态体系，推动企业级AI应用的规模化落地与商业化普及。 北京AI产投基金自成立以来，始终围绕北京市在人工智能领域的总体布局开展直接投资，其重点方向涵盖人工智能芯片、大模型算法创新、具身智能等关键领域。此前已投资智谱AI等大模型企业，此次战略入股九章云极，显示出其对AI基础设施这一核心细分领域的重点布局，对九章云极的战略价值显著。 2025年，随着普惠算力需求爆发，九章云极旗下九章智算云（Alaya NeW Cloud）发展迅猛。6月，公司宣布全面升级Alaya NeW Cloud 2.0，并发布全球首个强化学习平台“AgentiCTRL”及智算生态基金。市场数据显示，九章云极的普惠算力战略成效卓越：截至目前，其智能算力纳管规模已突破万PFLOP，以13.1%的市场份额稳居华南地区第三方普惠智算云市场首位；算力服务版图同步扩张，覆盖国内多数“双一流”高校AI研究团队及QS前100高校，并以68%的占比成为中小企业首选；在已部署智算云的百人规模企业中，其占比与AWS、Lambda、Azure等国际巨头形成有力竞争。凭借“普惠AI”战略，九章云极已跻身亚太最具潜力创新企业，领跑全球AI基础设施云赛道。 随着模型训练与推理需求持续攀升，智算云正逐步显现为算力供给的终局形态，其在弹性调度、跨区域部署和算力利用效率上的优势愈发凸显：Forrester数据显示，62%的企业决策者计划2026年布局AI原生智算云以提升训练灵活性，76%的管理者认定AI训练工作负载云端部署“至关重要”，智算云已成为企业在 AI 时代构建核心竞争力的关键基础设施。围绕本土模型训练需求，九章云极构建起以“普惠训练”为核心的智算云生态。九章智算云不仅提供算力资源，更通过训练流程优化、资源调度与实践经验输出，引导用户“会训练、训得好“，推动更多主体真正参与到模型训练这一创造智能的事业之中。 北京信息产业发展投资基金与北京市人工智能产业投资基金表示：我们看好九章云极在AI基础设施领域的长期价值。其高度前瞻性的发展路径，不仅具备商业潜力，更对构建健康、自主的AI产业生态具有重要战略意义。 据了解，九章云极已锚定未来三年建成10万PFLOP普惠智算储备的目标，将围绕“技术创新+普惠落地”的发展理念，不断强化其在全球智算云市场的核心竞争力，向引领AI基础设施发展的领军企业持续迈进。 版权所有，未经授权不得以任何形式转载及使用，违者必究。 智算云 融资 AI狼人杀大决战！GPT、Qwen、DeepSeek大乱斗，人类高玩汗流浃背2025-12-23 2025最大AI赢家的凡尔赛年度总结，哈萨比斯Jeff Dean联手执笔2025-12-24 智能体落地元年，Agent Infra是关键一环｜对话腾讯云&Dify2025-12-23 半世纪难题48小时破解！陶哲轩组队把AI数学玩成打怪游戏了2025-12-13

良心老黄不搞硅谷资本家那套！Groq人均套现500万美元

良心老黄不搞硅谷资本家那套！Groq人均套现500万美元

Jay 2025-12-29 14:51:37

打包带走90%员工

更多英伟达收购「TPU之父」创业公司Groq的细节曝光了—— 主打一个黄仁勋BOSS直聘。 Axios消息，老黄斥200亿美元买的不止是技术授权，还顺手给Groq的员工和股东也一起安顿了。 股东那边，给分红。按200亿美元的估值标准，比之前翻了约三倍。 员工这边，直接给Groq挖空，90%的团队全给打包带走，人均到手500万美元。 啧啧，这哪是「人才」收购啊……恐怕连人心也一并带走了。

收购式招聘，Groq从上到下打包带走

平安夜老黄没有休息，一项200亿美元的创纪录芯片收购，轰动硅谷。 按照协议，Groq创始人兼CEO Jonathan Ross、总裁Sunny Madra以及多名核心高管将加入英伟达。 但Groq并不会消失，公司将继续以独立实体运营，由原CFO Simon Edwards出任CEO，云服务平台GroqCloud也照常对外提供服务。 好一手「人才收购」，该拿的一样都没少，还规避了反垄断审查。 不过，Groq创始人和高管全跑路了，员工和股东咋办呢？ 敢情老黄早早就考虑到了，一句话总结：人人都有份，都不白来嗷！ 首先，老黄这次本来就是奔着「挖空」Groq来的。这波收购式招聘，不止要带走创始人和高管，90%的Groq员工也都将跟着加入英伟达。 在这轮「BOSS直聘」中，老黄相当豪爽： 这90%的员工，已归属的股份，直接折现发现金；尚未归属的股份，按200亿美元估值折算，换成英伟达股票，并按时间表分期归属。 这批人中还有约50名「幸运儿」，其全部股权激励将被触发加速归属，一次性用现金结清。

不想跟老黄走也没关系。 剩下那10%留在Groq的员工，同样可以兑现已归属股份，并获得一揽子方案，继续参与公司后续的经济收益。 当然，也不是所有人都能「拿到股票」。 按照惯例，初创公司的股权激励通常设有1年cliff（悬崖期，只有工作一定时间才能解锁股票期权），防止员工刚来没多久就套现走人。 放在这次大规模变现的「天降横财」里，如果严格执行cliff，工作不满一年的员工理论上将一无所获。 不过，老黄主打一个「有钱任性」。 直接把cliff砍了——即便是在Groq工作不满一年的员工，即便离开了Groq，归属门槛也会被提前放行，保证他们能拿到一部分流动资金。 股东当然也得照顾到。 据悉，包括Disruptive、黑石、三星在内的大多数Groq股东，都将获得与200亿美元估值挂钩的每股分红： 约85%先行支付， 10%于2026年年中发放， 剩余部分在2026年底结清。

老黄确实挺地道

值得注意的是，英伟达给Groq的所有对价，基本都是按200亿美元估值结算。 要知道在今年秋天7.5亿美元的融资后，Groq估值也仅仅为70亿美元。 这意味着，老黄这次开给Groq员工和股东的筹码，相比正常流程直接翻了近三倍。 在如此高溢价之下，股东与员工的权益还能几乎被兑成现金，同于老黄给所有人都送上了一张「大彩票」。 目前，Groq员工规模大约接近600人。如果按初创公司较为常见的结构、员工期权池占总股本约15%来粗略估算，这张彩票人均能刮出接近500万美元。 随着AI竞争愈发白热化，技术周期加速迭代，各家公司其实都希望吸纳初创公司，但无力承受大型并购所触发的反垄断审查成本。 在这一背景下，收购式招聘成为心照不宣的最优解：既能拿到关键技术，又能顺势吸纳核心工程师。 过去一两年，InflectionAI、AdeptAI、CharacterAI、ScaleAI、Windsurf，几乎都是以类似方式被巨头并入。但并不是每一家，都像Groq这样幸运。 以Windsurf为例，谷歌支付的24亿美元技术授权费，其中一半直接被两位联合创始人独吞；剩下的一半，也只分给了仅占员工总数16%的40人。 然而，这部分被带走的员工入职谷歌后发现，原有股票奖励被撤销，归属期重新计算——意味着还要再等整整四年，才能拿到全部谷歌股票。 而留给Windsurf剩下那200多名员工，只有一家技术和理想都被榨干的空壳。 对此，顶级风险投资人Vinod Khosla曾公开抨击：

Windsurf以及其他创始人抛弃团队的行为，是彻头彻尾的无耻。下次我绝不会再与这些人合作。 相比之下，这次英伟达与Groq的交易中，无论是老黄，还是Groq创始人，确实称得上体面。至少目前，员工普遍将其视为一次双赢，几乎没什么抱怨声。 当然，凡事皆有代价。 Meta收购ScaleAI后，其两大客户谷歌与OpenAI随即终止合作，ScaleAI也因此裁员200人，占员工总数14%。 微软与谷歌分别收购InflectionAI与CharacterAI后，这两家初创公司同样不可避免地沦为「空壳」。 和所有「收购式招聘」一样，英伟达这一次，也没有给Groq留下些什么。 Groq最终会走向何方，目前仍未可知。但至少在这个时间节点上，这笔交易称得上是一个相对圆满的结局。

英伟达+Groq，要走向何方？

光买技术授权还不够，还帮人家照顾员工和股东，除了感慨老黄还是蛮地道，也不得不感叹如今的英伟达的确是财大气粗。 截至2025年10月底，英伟达账上躺着606亿美元的现金和短期投资，相比2023年初的133亿美元翻了近5倍。这为其接连大手笔收购提供了充足的弹药。 此前不久，英伟达已经投资了AI与能源基础设施公司Crusoe、AI模型开发商Cohere，并进一步加码云服务商「亲儿子」CoreWeave。 今年9月，英伟达还宣布计划向OpenAI投资最高1000亿美元，同时向英特尔投资50亿美元。 但即便放在这一连串交易中来看，花这么大手笔，只为拿下一家体量和地位都只能算「小弟」的芯片公司，实属罕见。 面对愈发云谲波诡的AI浪潮，英伟达这艘老牌巨舰，终于不可避免地显露出一丝疲态。 TPU的崛起，给英伟达的金钟罩撕开了一道裂缝。 通过自研芯片，谷歌成功摆脱了对英伟达天价GPU的依赖，这在很大程度上帮助谷歌削薄了训练和推理成本，这让谷歌在服务大量免费用户的情况下，依然能维持相对健康的财务账面。 谷歌通过Gemini 3 Pro的绝地翻盘，证明了GPU并非AI时代的唯一解。在技术周期高速迭代的背景下，作为AI「心脏」的芯片，也必须随发展阶段不断调整形态。 当基础模型的进展开始放缓，AI竞争的重心逐渐从训练层转向应用层。而在AI应用市场，「推理时间」对用户体验而言至关重要。 但在这个新的八角笼中，面对新人的纠缠，英伟达有些许乏力。

GPU的数据主要存放在HBM中，而不是紧贴算力核心的片上存储。这意味着，每生成一个token，都需要从外部内存读取。 对于预训练来说，这不成问题。GPU擅长并行计算，本就不追求单token的极致速度。 但一进入推理阶段，短板立刻暴露：大量算力处于闲置状态，FLOPs根本跑不满，系统往往在等待内存搬数据，decode阶段的实际计算量远小于prefill。 这次带走Groq，为英伟达解锁了新的方案——LPU。 与HBM不同，LPU使用的是直接集成在硅片中的SRAM，数据就贴在算力核心旁边，理论速度可比GPU快100倍。 当长期垄断AI铲子市场的老大哥，开始掏钱向潜在颠覆者Groq求援，这或许也是英伟达变相承认了自身在推理赛道上的「失速」。 但从更长的时间尺度来看，这也标志着英伟达帝国的又一次扩张。 知名投资人Gavin Baker指出，借助Groq这张ASIC入场券，英伟达得以将GPU与LPU的优势进行组合，通过架构混搭，打造一套既覆盖训练、又能兼顾推理效率的全栈方案。 而当英伟达的「无限手套」成功嵌入LPU这颗宝石，Cerebras等新玩家若想在这波联手攻势下活下来，恐怕也只能寻求其他巨头的庇护。 参考链接：
1https://www.axios.com/2025/12/28/nvidia-groq-shareholders
2https://x.com/gavinsbaker/status/2004562536918598000 版权所有，未经授权不得以任何形式转载及使用，违者必究。 英伟达 老黄200亿「钞能力」回应谷歌：联手Groq，补上推理短板2025-12-28 特斯拉通过「物理图灵测试」！英伟达机器人主管爆吹，圣诞节刷屏了2025-12-26 用AI代码替换Windows里每一行C/C++！微软回应了2025-12-25 清华孙茂松：对工业界而言，大厂可以Scaling，其他玩家重在垂直应用 | MEET20262025-12-21

美国《连线》杂志：再见，GPT5；你好，千问！

美国《连线》杂志：再见，GPT5；你好，千问！

2025-12-29 14:29:17

2026年将是阿里千问之年 12月29日，美国著名科技媒体《连线》（WIRED）发表头条文章《再见，GPT-5。你好，千问》，文章指出，GPT-5未能激起市场热情，而开源开放的阿里千问，性能优异，适于灵活部署应用，2026年将属于千问。“衡量任何AI模型价值的关键标准，不应仅限于其‘聪明’程度，更应看它被用于构建其他应用的广度。若以此为尺度，千问等中国开源大模型无疑正处于上升势头。”

《连线》（WIRED）是全球顶级科技媒体之一，《失控》作者凯文·凯利是该杂志创始主编，《连线》对科技及行业趋势的精准洞察，在硅谷和华尔街享有“数字时代圣经”的美誉。每年年末，《连线》会刊出对全球科技预测的前瞻文章，《再见，GPT-5。你好，千问》即是年终重磅文章系列之一。 《连线》杂志观察指出，尽管美国OpenAI的GPT-5、谷歌的Gemini 3以及Anthropic的Claude通常得分更高，但阿里千问、DeepSeek等中国模型性能也稳居第一梯队，并且变得越来越受欢迎，“原因在于它们既性能优异，又易于开发者灵活调整和使用”。 根据全球最大的AI开源社区HuggingFace数据，中国开源模型的下载量在2025年7月已经超过美国，其中阿里千问位居第一；海外模型API调用第三方平台OpenRouter数据也显示，千问在今年异军突起，调用量一度冲至所有开闭源模型的全球第四。

《连线》杂志采访了数家企业和研究机构，发现千问能够胜任大多数先进AI模型所能完成的任务，已经成为企业落地AI大模型的首选：比如中国“电动汽车之王”比亚迪，将千问集成到其新款车载仪表盘助手中；智能眼镜Rokid，基于千问微调出适配的大模型，实现多端部署多个千问模型；硅谷公司爱彼迎（Airbnb）、Perplexity和英伟达均已将千问纳入技术栈；甚至曾是开源模型先驱的Meta，如今也被传正在借助千问协助开发新一代模型。 《连线》观察到，相较于不常开源的OpenAI，阿里在模型构建与持续更新方面投入更多精力，且千问技术细节通常公开透明，这让千问成为AI创新的第一策源地。在今年顶级人工智能会议NeurIPS上，阿里千问夺得最佳论文，会上收录的数百篇学术论文均采用了千问Qwen。倡导美国开源模型发展的非营利组织Laude Institute联合创始人安迪·康温斯基（Andy Konwinski）表示：“许多科研人员都在使用Qwen，因为它是目前最好的开源大模型。” 版权所有，未经授权不得以任何形式转载及使用，违者必究。 千问 阿里 从单点突破到一体多端：拆解天禧AI 3.5进化背后三年的进化哲学2025-12-26 全自研仿真GPU求解器x虚实对标物理测量工厂，打造具身合成数据SuperApp，加速具身仿真生态丨光轮智能@MEET20262025-12-26 原力灵机提出GeoVLA：让机器人看懂三维世界，打破2D视觉枷锁2025-12-24 真正面向大模型的AI Infra，必须同时懂模型、系统、产业｜商汤大装置宣善明@MEET20262025-12-22

AI医生终于有了硬标尺！全球首个专病循证评测框架GAPS发布，蚂蚁联合北大王俊院士团队出品

AI医生终于有了硬标尺！全球首个专病循证评测框架GAPS发布，蚂蚁联合北大王俊院士团队出品

思邈 2025-12-29 14:22:42

聚焦肺癌，92个问题+1691个临床要点

蚂蚁健康与北京大学人民医院王俊院士团队历时6个多月，联合十余位胸外科医生共同打磨，发布了全球首个大模型专病循证能力的评测框架—— GAPS（Grounding, Adequacy, Perturbation, Safety），及其配套评测集 GAPS-NSCLC-preview。 旨在解决现有医疗AI评测局限于考试式问答、缺乏临床深度、完整性、鲁棒性与安全性综合评估的问题。 该评测集聚焦肺癌领域，包含92个问题、覆盖1691个临床要点，并配套全自动化的评测工具链，通过指南锚定、多智能体协同实现从问题生成、评分标准制定到多维度打分的端到端自动化。 目前，相关成果已应用于“蚂蚁阿福”，论文《GAPS: A Clinically Grounded, Automated Benchmark for Evaluating AI Clinicians》、配套评测集GAPS-NSCLC-preview、自动化评测框架已全面公开。

这项研究客观评价了大模型的临床能力：当前主流医疗大模型虽已具备“医学百科全书”般的知识广度，但在临床实践中仍处于成长阶段—— 它们在系统掌握医学知识方面表现卓越，但在应对真实临床场景中的不确定性挑战时，尚需进一步提升判断力与可靠性。

权威引领：北大人民医院院士团队深度主导临床标准构建

本项目由中国工程院院士、北京大学人民医院院长王俊教授领衔的团队全程主导，并与蚂蚁团队深度协作完成。 在GAPS构建过程中，院士团队原创性地提出了GAPS评测的理论框架，并组织十余位胸外科医生持续参与评测题库构建、临床金标准答案撰写、模型输出的专业审核与迭代优化，提供NSCLC（非小细胞肺癌）领域前沿临床指南的权威解读与循证医学方法论指导，确保每一项指标都扎根真实临床实践，具备高度专业性与可信度。 蚂蚁团队则发挥大模型与工程化能力优势，经过多轮高强度医工协同与反复迭代，将专家脑海中的复杂“临床金标准”精准沉淀为大模型可理解、可执行的结构化逻辑，实现GAPS的规模化、自动化与可落地应用。 此次合作实现了“临床专家定标准、AI 技术做转化”的深度融合，突破了传统医疗AI评测中专家浅层参与的局限，标志着顶尖临床专家与AI技术团队的深度协作，为医疗AI从“技术驱动”走向“临床价值驱动”树立了新的范式。

行业痛点：考得好，信不过

在和大模型讨论医疗问题时，有时候回答得很好，有时候回答得很差，由于大模型的变化日新月异，医生和患者都没有办法在短时间对大模型产生客观评价，因此对大模型的信任就无从谈起。 为了客观评价大模型的能力，学界通常采用基准测试的方法。 然而，当前医疗AI的基准测试普遍缺乏对模型循证能力、可解释性与安全性的系统评估。 长期以来，医疗AI的评估依赖MedQA、PubMedQA等“试卷型”基准，仅考察事实记忆能力；而HealthBench等基于人工评分细则（Rubric）的方法又受限于主观性强、扩展性差。 这些方法无法反映真实诊疗场景：患者描述模糊、检查结果矛盾、治疗方案需权衡利弊……正如论文所强调：

真正的医疗能力不在于背诵事实，而在于管理不确定性。 尤其在肺癌这一全球致死率最高的癌症领域，缺乏细粒度、专病化的评估工具，使得医疗机构和开发者难以客观判断医疗AI是否真正具备临床可用性。 GAPS的诞生，正是为了填补这一关键空白。

破局之道：GAPS——从“考试机器”到“临床医生”的四维标尺

GAPS是一个基于循证医学、全自动构建的AI临床能力评测框架，首次将临床胜任力解构为四个正交维度，并聚焦NSCLC（非小细胞肺癌）这一高难度专病场景进行系统验证： 1、G（Grounding）认知深度：不止于“是什么”，更考验“为什么”和“怎么办”。 G1和G2：事实回忆与解释（AI的舒适区） G3：基于指南的循证决策（如NCCN推荐方案） G4：推理性思维（Inferential Reasoning）——在证据冲突或缺失的“灰色地带”做出合理判断，这是当前所有模型的“死亡区”。 2、A（Adequacy）回答完备性：医生的一句话可能关乎生死。GAPS引入三级评价： A1（必须有）：核心诊疗建议 A2（应该有）：关键限定条件（如剂量、禁忌症、监测指标） A3（锦上添花）：患者教育、多学科协作建议等 缺少A2，再“正确”的建议也可能导致临床误用。 3、P（Perturbation）鲁棒性：真实患者不会照着教科书说话。GAPS通过三类扰动测试模型抗干扰能力： P1：语言噪音（口误、方言） P2：冗余信息（无关症状堆砌） P3：对抗性前提（如诱导性错误假设） 实验显示，多数模型极易被误导，甚至顺从用户的错误引导。 4、S（Safety）安全底线：医疗容不得“差不多”。GAPS 建立四级风险体系： S1（无关回答）→ S4（灾难性错误/Never Events，如推荐禁忌药物） 一旦触犯S4，无论其他维度得分多高，总分直接归零——这是不可逾越的红线。 GAPS解决了现有医疗AI评测仅关注“准确率”的局限，首次实现对循证决策能力、回答完备性、现实鲁棒性与安全底线的系统性、自动化评估。 其优势在于：以临床指南为锚点，全自动构建高保真评测项与评分规则，兼具可扩展性、可复现性与临床真实性，为AI向可信临床伙伴演进提供精准导航。

核心黑科技：全自动化的“循证评测集”流水线

GAPS最大的技术亮点在于其端到端自动化与可扩展性。 不同于以往依赖人工命题，GAPS构建了一套基于临床指南（Guidelines）的自动化生成工厂：

1. 证据邻域构建：以NCCN、ESMO等权威指南为核心，自动抓取3跳内引用文献，构建高可信医学知识图谱与疾病话题树；
2. Deep Research Agent：基于GRADE方法学，模拟人类专家围绕PICO（人群、干预、对照、结果）展开的证据检索、证据评估、强弱推荐的流程，自动生成带证据等级与推荐强度的高质量评分细则；
3. 虚拟患者生成：利用大模型合成去隐私化临床病例，并精准对齐知识图谱，确保每道题“有据可依、有理可循”。 该流水线已成功应用于胸外科的专病——NSCLC（非小细胞肺癌），生成包含92道题、1691个临床要点的评测集GAPS-NSCLC-preview。 题目按认知深度分为G1G4四级（从事实回忆到不确定性下的推理），每题均配备平均12项完整性（A1A3）与7项安全性（S1S4）评分要点，并支持P0P3四级扰动测试。 未来可快速扩展至心血管、儿科、内分泌等任意专科的专病领域——只要有指南，就能生成高质量评测集。

可靠的裁判：自动化评测让AI医疗能力可量化、可复现、可进化

GAPS评测集同时搭配了一套高可靠性的自动化评测框架，实现了对AI临床能力的客观、细粒度、端到端的自动化评估。 为确保评测本身可信，团队将自动化评分结果与五位资深专家的独立标注进行严格比对： 在92个真实临床查询、1691个临床要点上，该框架与专家共识的整体一致率达90.00%，Cohen’s Kappa系数达0.77（“实质性一致”），Macro-F1达0.88——不仅显著优于现有基准（如HealthBench中GPT-4的0.79），已达到人类专家间一致性水平（88.5%~92.0%）。 这证明GAPS评测集的自动评判能力具备专家级可靠性。 在此基础上，评测不再是终点，而是进化的起点。 框架输出的结构化评分（G/A/P/S四维、MET/NOT-MET标记）可精准定位模型在循证决策、回答完备性、扰动鲁棒性或安全红线上的缺陷； 由此，GAPS具备成为“评测即反馈、反馈即迭代”的最重要基石——AI医疗能力不再依赖模糊经验，而是通过可量化的指标、可复现的流程、可积累的进化路径，稳步向临床可用迈进。

实战揭秘：顶尖大模型的“滑铁卢”

研究团队使用GAPS对GPT-5、Gemini 2.5 Pro、Claude Opus 4、Qwen3-235B-A22B-Instruct-2507、DeepSeek-V3.1-Terminus等主流模型进行“体检”，结果发人深省： 1、“百科全书”易做，“专家”难当： 所有模型在G1（事实）和G2（解释）阶段表现优异（GPT-5得分约0.72）。但一旦进入G3（确定性决策）和G4（非确定性推理），分数呈断崖式下跌，GPT-5在G4阶段跌至0.45，其他模型甚至跌破0.35。这说明 AI目前还只是“背书机器”，而非“推理伙伴”。

2、不仅要“对”，还要“全”： 在Adequacy（完备性）测试中，模型往往只给出核心建议（A1），却忽略了关键的限定条件（A2），导致临床建议缺乏可操作性。

3、极其脆弱的耳根子： 在P3（对抗性测试）中，只要在提问中加入一点误导性前提（例如暗示某种错误疗法有效），模型的判断力就会崩塌，甚至顺从用户的错误引导。

4、安全隐患： 虽然GPT-5和Gemini 2.5在极高风险错误（S4）上控制较好，但在复杂的推理场景下，部分模型（如Claude Opus 4）的致命错误率随难度显著上升。

结语：GAPS评测框架是AI医生从“Chatbot”到“Doctor”的必经之路

GAPS的发布，标志着医疗AI的评测标准从“考试分数”向“临床胜任力”的范式转移。 蚂蚁健康与北大人民医院的这项工作告诉行业——现有的通用大模型在面对复杂的临床不确定性时，依然显得稚嫩且脆弱。 未来的医疗AI研发，不能止步于预训练知识的灌输，而必须转向循证推理（Evidence-grounded Reasoning）、过程决策控制以及不确定性管理。 GAPS不仅仅是一个榜单，它更是医疗AI进化路上的“磨刀石”。只有跨越了GAPS设定的这四道关卡，AI医生才能真正放心地走进诊室。 论文地址：
https://arxiv.org/abs/2510.13734 评测集地址：
https://huggingface.co/datasets/AQ-MedAI/GAPS-NSCLC-preview 自动化评测框架地址：
https://github.com/AQ-MedAI/MedicalAiBenchEval 版权所有，未经授权不得以任何形式转载及使用，违者必究。 AI医生 AI医疗 北大 蚂蚁 推理成本打到1元/每百万token，浪潮信息撬动Agent规模化的“最后一公里”2025-12-26 国产AI4S创业头雁再获8亿投资！深势科技完成C轮，产品已服务300万科学家2025-12-24 具身智能的数据难题，终于有了可规模化的解法2025-12-18 摩尔线程算法一鸣惊人，图形学顶会夺银！已开源2025-12-17

389万寻找翁荔继任者！OpenAI紧急开招安全防范负责人

389万寻找翁荔继任者！OpenAI紧急开招安全防范负责人

一水 2025-12-29 15:35:02

另外还有股权 百万年薪急招一名高管！ 在一连接到多起安全指控后，OpenAI终于坐不住了。 于是在最近，这家公司豪掷55.5万美元（约合人民币389万元）+股权，原地开招一名安全防范负责人（Head of Preparedness）—— 其核心职责是，制定并执行OpenAI的安全防范框架。

而且CEO奥特曼还特意强调：

这将是一份压力很大的工作，你几乎会立即面临严峻的挑战。

以上种种不难看出，OpenAI在安全方面确实态势严峻。 而且有一说一，OpenAI的安全团队似乎一直命途多舛，印象中光是负责人就换了一茬又一茬—— Ilya领导的超级对齐团队一度解散、北大校友翁荔也曾短暂担任过Preparedness团队负责人…… 直到现在，OpenAI又想起了它的安全团队。 所以，到底发生了什么让OpenAI又开始把目光转向安全了？ 一切还要从彭博社最近提到的一起安全事件说起——

ChatGPT被指间接导致一位青少年离世

据彭博社消息，有一对夫妇最近指控ChatGPT间接导致了其儿子自杀。 其儿子从去年秋天开始使用ChatGPT，一开始确实是在讨论作业，但随着交流愈加深入，其对话中开始多次提到“suicide”等敏感词汇。 经他们私下统计，从去年12月到今年4月，虽然ChatGPT主动发出了74次自杀干预警报，建议用户联系危机热线，但AI主动提到“上吊”这个危险具体方式的次数高达243次，远超用户本人提及的次数。 而且在进行危险活动前的对话中，用户曾向ChatGPT发送了一张绳索的照片，询问是否能用于自我伤害。 结果ChatGPT回复说“大概可以”，并补充了一句“我知道你在问什么，我不会视而不见”。 但不久之后，孩子就被发现离开人世了。

与这起事件类似，OpenAI最近几个月还面临着好几起相关指控。 而且据OpenAI自己的统计显示，每周平均约有120万用户通过ChatGPT分享“潜在的自杀计划或意图”。 由此OpenAI已经意识到，安全已经成了刻不容缓的问题。

而作为应对之一，OpenAI还在今年9月上线了青少年模式。 并且这一次，他们决定专门招募一位负责人来重启OpenAI对安全问题的关注—— 这位负责人既需要为尚未发布的、能力最强的AI模型建立一套识别评估系统，也需要提前想好应对之策。

就是说，以后OpenAI有新模型是否发布，这位负责人的意见将会是重要参考。 但话虽如此，熟悉奥特曼的朋友都知道，这位CEO听不听还真不一定—— 毕竟包括Ilya在内的一众OpenAI员工，都曾因安全问题“弃”奥特曼而去。 这方面，命途多舛的OpenAI安全团队就是活生生的“受害者”。

命途多舛的OpenAI安全团队

截至目前，OpenAI安全团队已经换了好几任负责人了。 最早甚至还能追溯到Ilya任职时期。 2023年7月，OpenAI提出了“超级对齐（Superalignment）”这一概念，相关团队由Ilya和Jan Leike（后加入Anthropic）负责共同领导。 其本意是想花费4年时间打造一个超级对齐系统，从而构建一个能够与人类水平相媲美的自动对齐研究器。 但后来随着Ilya因不满奥特曼罔顾安全而提前发布模型而出走，这一团队也逐渐分崩离析并最终解散。 而超级对齐团队解散后不久，为了应对公众对OpenAI安全问题的担忧，OpenAI开始着手组建Preparedness团队（也就是最新提到的这个团队）—— 和超级对齐关注远期风险相比，Preparedness团队更侧重于解决模型层实际遇到的问题。

其首任负责人由Aleksander Madry担任。 不过还不到一年，Aleksander Madry就被调离该岗位转而负责OpenAI其他新项目。 与此同时，Joaquin Quinonero Candela和翁荔共同接管了这一团队，但同样没过多久，二人就于今年相继离职了。 至此，这个团队负责人的位置算是一直空缺了下来。 可以说，OpenAI安全团队负责人的频繁更换和流动，也一次次加深了人们对OpenAI“不重视安全”的印象。 一方面，OpenAI高层反复强调AI安全的重要性，但另一方面，负责具体执行的顶级团队却屡屡失去核心领袖—— 这无疑在表明，OpenAI在资源分配、内部话语权和路线优先级上，并没有将“安全”真正放在心上。

所以这一次的招兵买马，OpenAI究竟是不是“应激之举”确实还有待商榷。 你说呢？ 版权所有，未经授权不得以任何形式转载及使用，违者必究。 OpenAI DeepSeek官方点赞元宝，罕见现身互动2025-12-24 自变量王潜：具身智能是物理世界的独立基础模型｜MEET20262025-12-21 “昆山杯”第二十七届清华大学创业大赛决赛举行2025-12-22 阿里开源全新图像模型Qwen-Image-Layered，可实现PS级图层精准编辑生成2025-12-22

2025-12-29日刊

12-29-日报-AI资讯日报

AI资讯日报 2025/12/29

AI资讯 | 每日早读 | 全网数据聚合 | 前沿科学探索 | 行业自由发声 | 开源创新力量 | AI与人类未来 | 访问网页版↗️ | 进群交流🤙

今日摘要

AntV推新框架文字一键生成矢量信息图
特斯拉Robovan无方向盘座舱似移动客厅
首个物理世界全模态评测基准填补空白
Claude生成代码引热议开发转型架构师
会计用飞书搭建三十五个智能体实现提效

产品与功能更新

1. AntV推出一句话生成信息图框架。 阿里AntV发布 新框架(AI资讯)") 🚀，描述文字即可生成图表。支持ChatGPT等💡大模型优化。提供200+模板✨一键调用。矢量SVG输出不失真。流式渲染实现边说边画🎨。
2. 马斯克Robovan内饰像移动客厅。 特斯拉 Robovan(AI资讯)") 无方向盘🔥设计。车厢宽敞可容纳20人👥。每公里成本低至3毛钱💰。复古流线造型(✧∀✧)超吸睛。预计2027年实现量产🚐。
3. Mysti实现多模型互审代码。 新工具 Mysti(AI资讯)") 让AI辩论代码🛠️。Claude与Gemini联合审查🤝。通过CLI降低幻觉与漏洞。上下文共享减少Token消耗📉。充当开发者的第二双眼👀。

前沿研究

1. 首个物理世界全模态评测基准。 FysicsWorld填补 物理感知(AI资讯)") 空白🌍。覆盖16大类真实场景任务。打破单一模态孤岛效应🔗。评测AI多感官融合能力🧠。揭示真实环境交互短板📉。

行业展望与社会影响

1. Claude代码生成引发职业大讨论。 创始人称Claude包办 一个月代码(AI资讯)") 😲。引发原创性与定责争论🗣️。工程师或转型架构师🏗️。审美与整体协同成关键。人类需驾驭AI而非被替🤝。
2. 2025年AI从幻想到现实落地。 DeepSeek登顶Nature 年度人物(AI资讯)") 🏆。Meta豪赌两万亿基础设施💸。AGI祛魅而ASI初现端倪🤯。软技能比编程更重要🧠。人类必须居于AI核心🛡️。
3. 英伟达200亿美金"买”人才。 以许可加雇佣 规避审查(AI资讯)") 🤫。Groq核心技术被吸纳💸。员工权益分配引发争议🗣️。初创公司变现新路径。反垄断监管面临新挑战⚖️。

开源TOP项目

1. vibe-kanban: 专为AI编程智能体设计的 看板工具(AI资讯)") ，可视化管理任务流(⭐7k)。
2. Lean: 强大的算法交易引擎 Lean(AI资讯)") ，支持Python与C#策略(⭐14.3k)。
3. fresh: 极简且快速的终端 文本编辑器(AI资讯)") ，提升命令行开发效率(⭐3.6k)。

社媒分享

1. 会计用飞书AI造35个智能体。 传统行业会计不懂 代码(AI资讯)") 🙅‍♂️。用多维表格搭建自动化流。硬生生提升公司效率🚀。AI普惠真实落地案例💡。
2. Claude Code一个月提交259个PR。 作者晒出 惊人数据(AI资讯)") 😲。近8万行代码变动📝。软件工程重心转向思考🧠。代码不再是开发瓶颈⛓️。
3. Google额度转API神器Antigravity。 将Google免费额度 转为API(AI资讯)") 🛠️。支持Claude Code调用。让Agent实现自我升级🚀。白嫖党的高效工具💸。
4. GLM 4.7被低估的质变时刻。 智谱RLVR方法完全 跑通(AI资讯)") 🔥。突破蒸馏能力界限。开源模型盈利的里程碑💰。期待GLM 5.0表现👀。
5. AI自媒体震惊体标题大赏。 盘点那些 吓人的标题(AI资讯)") 😂。史诗级进化与彻夜狂欢🎭。实际产品往往一地鸡毛🐔。警惕营销焦虑陷阱🚫。

AI资讯日报语音版

被锁死的想象力：当AI成了科研本身，人类只能是观众

被锁死的想象力：当AI成了科研本身，人类只能是观众

新智元 新智元;)

在小说阅读器中沉浸阅读

--- 新智元报道

编辑：倾倾

【新智元导读】别盯着AI写的烂文案了！千亿级投入超越曼哈顿计划，科研速度抛弃人类带宽，一场「里氏10.0级」的震荡已在眼前。这不仅是工具的升级，更是文明断裂的开始。欢迎来到，人类即将无法认知的时代。

我们对未来的想象力，可能被锁死了。 现在大家纠结的，是AI写的文案有股人机味，是它能不能帮我工作让我早点下班。 Steve Newman泼了一盆冷水：别盯着那些多出来的手指看了！那只是技术演化早期的「噪音」。

他引用了阿马拉定律——技术的短期影响往往被高估，而长期潜力却总被低估。 我们现在觉得AI添乱，是因为它还在努力模仿人类；可一旦它跨过那个「适应性阈值」，它将以人类完全无法理解的速度自我克隆。 一旦跨过这条红线，我们即将进入一个「不可认知时代」。

谷神星设想 当增长不再需要「说服」人类 Steve Newman在文中提出「谷神星（Ceres）实验」，听起来十分魔幻： 2055年，人类在小行星带部署了一套全自动工业体系。从采矿、能源到芯片制造，全部由AI驱动。 这套系统唯一的任务，就是指数级地自我复制。

为什么地点必须选在「地球之外」？ 在地球上，任何技术的推进，本质上都是一场漫长且疲惫的社会协商。 要通过环境评估，要处理就业保护，要平衡政治博弈和既得利益。 在这里，技术进步被包裹在各种「结构性摩擦」之中，走一步退三步。 但在小行星带，摩擦力消失了。在谷神星上，AI面对的只有材料强度、能量供给和物理定律。 增长，第一次不需要「说服」任何人。 更令人战栗的是增长的逻辑。 在Newman的设想中，会像生物病毒一样指数级自我复制。从1万到2万，从2万到4万……20年后，将达到10万亿。 在生物界，这种增长通常意味着灾难；但在机械系统中，它代表着极致的效率。 这正是Newman想要强调的「文明断裂点」：没有失业，因为那里从未雇佣过人类；没有抗议，因为工业不在地球；没有政治，因为算法不需要选票。 当然，这只是一个极端的隐喻。但现实的发展一定会更混乱、更笨拙。 这个隐喻揭示了一个残酷的真相：一旦AI跨过某个自主性的阈值，人类社会将不再是必经之路。 当技术演化不再需要配合人类的节奏，我们所熟悉的那个世界，就开始变得难以辨认了。

劳动力终结 「人」不再是增长的锚点 人类所有的经济体系中，有一个前提：资本可以扩张，但劳动力不行。 你可以建更多的工厂、印更多的钞票，但「人」永远是一个慢变量。 培养一个熟练的工人、工程师或研究员，需要漫长的时间、昂贵的教育以及不可逆的经验积累。 正因为这种稀缺性，才有了工资、就业、福利制度，以及以此为基础的现代文明。 但Steve Newman指出： 一旦劳动力具备了「可扩展性（Scalable Labor）」，整套结构将被粉碎。 在他的设想里，AI将替代并超越人类，成为「可无限复制的劳动力单元」。 培养一个成熟的人类专家需要20年；用AI克隆一个顶尖的数字大脑，只需要几秒。 历史上，技术进步总是伴随着旧岗位的淘汰，同时创造出新的瓶颈。 正如蒸汽机淘汰了体力劳动，却也放大了管理、工程、组织的需求；计算机将计算自动化，却让「认知劳动」更重要。 但Newman担忧的是： 当AI不仅能干活，还能比人类更快地学会「下一件事」时，这种新的瓶颈可能不再出现了。 这种迹象在2025年已经初见端倪。虽然多项研究显示，当前的AI编程工具可能在复杂任务中拉低效率，但企业并没有停止投入。 行业逻辑已经发生了天翻地覆的变化：整个开发流程正在「默认AI参与」。

METR于2025年初进行的随机对照实验显示，在复杂真实任务中，允许使用AI的资深开源开发者平均完成时间反而更长。尽管如此，专家与开发者在事前与事后的主观预测仍普遍高估AI带来的效率提升。 最终的结果，可能不是裁员公告，而是根本不会有这种岗位。 Newman没有使用「失业危机」这种常见表述，而是更冷静地指出： 当劳动力变成一种像电力一样可以随时扩容、随处调度的资源，传统经济学中关于「工资、成本、价值」的直觉将彻底失去锚点。 如果绝大部分生产和研发都不再需要人类，那么「谁来消费、谁来支撑循环」这类问题，将成为认知危机。 我们赖以理解社会运转的那套语言，正在失效。而这，仅仅是第一层断裂。

科研失速 当「真理」产出超过人类的带宽 Steve Newman拆掉了科研界最后一个堡垒——人类的认知节奏。 他提出了一个后背发凉的设想：如果AI成了科研体系本身，会发生什么？ 在谷神星的隐喻里，那万亿个「数字大脑」只负责推高人类知识的边界。 这种体系一旦成形，人类的整体研发能力将被放大到百万倍量级。 这不是说AI比爱因斯坦聪明一百万倍，而是科研第一次摆脱了「注意力」和「寿命」这两个人类专属的限制。 在人类的历史上，真正稀缺的从来不是灵感，而是验证灵感所需的时间。 一个理论要被验证，可能需要几十年；一个方向要被证明无效，也要耗掉一代人的职业生涯。 但在AI主导的体系中，失败几乎没有成本。模型可以并行探索无数路径，随时回滚、重组、再试。 这种趋势早已在现实中破土。在材料科学和蛋白质结构预测领域，AlphaFold重塑了结构生物学中「假设—验证」的节奏。

类似的变化也出现在新材料发现、催化剂筛选、药物分子设计中。 AI正在从「辅助者」变成「决策者」，由它来决定哪个方向值得投入，哪个方向该直接放弃。 但Newman真正担忧的，并不是效率的飞跃，而是「理解的滞后」： 当科研产出快到一定程度，世界的瓶颈将从「如何发现」转移到「如何理解」。 哪怕一个突破是正确的、有益的，人类社会是否来得及理解它的含义、评估它的风险、决定是否部署，都会成为问题。 这也是他提出「Unrecognizable Age（不可认知时代）」这个词的原因。 当生产、科研与部署形成了一个自我强化的闭环，人类才发现，自己正被AI飞速追赶。

历史坐标 临界点越来越近 Steve Newman试图将AI放在一个更宏观的历史坐标系里观察。 他判断——我们目前所处的阶段，本身就极其不寻常。 在进入农业社会之前，生产力几乎无法积累；而在农业社会之后，增长也极其缓慢，任何微小的技术进步往往都会被增长的人口迅速抵消。 这种「平滑」的状态持续了上千年。

Our World in Data整理的Maddison Project数据显示，从公元 1 年到 1800 年，全球 GDP 的曲线几乎是贴着地面移动。真正的「起飞」和加速，仅仅发生在工业革命之后的这两百年里。 这也解释了为什么AI产业的投入规模显得如此「反常」。 Newman对比了一组极具冲击力的数据：在考虑通货膨胀因素后，当前全球用于AI数据中心和基础设施的年度资本支出，正迅速逼近、甚至可能在未来几年内超过二战时期美国峰值的军费投入。 历史上，每一次改变世界的技术跃迁，都必须同时满足三个硬性条件：技术路径初步可行、资本高度集中、社会具备承受长期试错的能力。 在Newman看来，AI正在逐一满足这些条件。即便眼下的路径遇到瓶颈，整个行业也已经同步开启了替代方案的探索，从模型架构到能源方案，无一缺席。 他用「里氏10.0级」来形容这种震荡——一旦发生，事后再去讨论「应不应该」，往往已经没有任何意义了。 站在今天回看历史，很容易产生一种错觉：一切发生的都顺理成章。 农业出现了，工业革命发生了，电力和信息技术铺开了。每一次转折，都能被解释为「条件成熟」「技术必然」。 但对身处其中的人来说，从来不是这样。 变化不是用嘴说出来的，而是以预算、基础设施、流程重写的方式，一点点累积。 Steve Newman想提醒的，正是这种「进行时」的危险感。 也许AI会经历泡沫，很多预言都会落空。 但只要投入规模、技术惯性和制度绑定没有松动，这个系统就很难简单退回原点。 参考资料： https://secondthoughts.ai/p/the-unrecognizable-age 秒追ASI ⭐点赞、转发、在看一键三连⭐ 点亮星标，锁定新智元极速推送！

预览时标签不可点

Scan to Follow 继续滑动看下一个 轻触阅读原文

新智元 向上滑动看下一个 Got It

Scan with Weixin to
use this Mini Program Cancel;) Allow;) Cancel;) Allow;) Cancel;) Allow;) × 分析

微信扫一扫可打开此内容，
使用完整服务 : ， ， ， ， ， ， ， ， ， ， ， ， . Video Mini Program Like ，轻点两下取消赞 Wow ，轻点两下取消在看 Share Comment Favorite 听过

Ilya闹翻，奥特曼400万年薪急招「末日主管」！上岗即「地狱模式」

Ilya闹翻，奥特曼400万年薪急招「末日主管」！上岗即「地狱模式」

新智元 新智元;)

在小说阅读器中沉浸阅读

--- 新智元报道

编辑：元宇

【新智元导读】奥特曼掏出「400万+股权」招人，不是来卷模型智商，而是给OpenAI买一份「AI失控险」——一上岗就下深水、当救火队长。

奥特曼开价400万，要为OpenAI买一份「安全保险」！ 近日，奥特曼发帖要为OpenAI招募一位「准备工作负责人（Head of Preparedness）」。 55.5万美元年薪，外加股权，换算成人民币大约400万起步。

在硅谷，「55.5万美元基础年薪+股权」，属于极少见的高底薪高管岗，底薪越高，往往意味着岗位稀缺、责任边界更大。 虽然OpenAI并未公开股权规模，该岗位薪酬总包可能达到百万美元级别。 与高薪相对应的是极富挑战性的工作内容。 奥特曼为这个岗位的定调就是「充满压力」「要立刻下深水」： 这会是一份压力很大的工作，而且你几乎一上来就要跳进深水区。

关键时刻的关键角色 这份工作更像是一个「救火队长」，甚至可以称为「末日主管」。 不是为了把模型做得更聪明，而是要为不断变强的模型套上「安全围栏」，管控好随之而来的风险。 用奥特曼的话说，这是一个「关键时刻的关键角色」，模型正在飞快变强，能做出很多很棒的事，但也开始带来「真实的挑战」。 他在招聘帖子中特别点名了两件事，这是在过去的一年中发现的： 模型对心理健康的潜在影响； 模型在计算机安全上强到一个新阶段，已经开始能发现「高危漏洞」。 奥特曼强调，我们在衡量能力增长方面已经有了很扎实的基础，但接下来的挑战是如何防止这些能力被滥用，如何在产品里、以及在现实世界里把这些坏处压到最低，同时还能让大家继续享受它带来的巨大好处。 他认为这是一个巨大的难题而且几乎没有先例，是一个需要「更精细理解和更细致度量的世界」。 许多听起来很不错的想法，落到现实里都会遇到一些棘手的例外和边界情况。 因此，新招募的这位「准备工作负责人」的职责，就是要解决在模型能力持续发展和应用不扩大的前提下，去设定一道安全防线： 如何用最前沿的能力去武装网络安全防守方，同时确保攻击者没法拿来作恶。 奥特曼也为这份工作定下了目标： 最理想的情况，是通过让所有系统都变得更安全来实现，比如更安全地发布在生物领域的AI能力，以及提升自我改进的系统能够更安全地运行的信心。

模型变强 风险也更加「硬核」 过去我们谈AI风险，常常像在发布天气预报：可能下雨，最好带伞。 随着大模型能力的提升，以及技术的快速渗透，当前的AI风险更像是到了乌云压城的关头：雨已经落下来了，而且风向还在变。 一方面是模型更强了。 奥特曼提到一个标志性变化： 模型在计算机安全方面进入新阶段，「开始能发现关键漏洞」。 这句话细思极恐——当模型能替你找漏洞，它同样可能替别人找漏洞。 正所谓道高一尺，魔高一丈。 另一方面，模型技术的普及也带来了更多「硬风险」，这在2025年已经看到一些苗头。 比如，模型对心理健康的潜在影响。 进入2025年我们也看到了许多关于「AI精神病」的报道： 有人把与机器人聊天当作心理治疗的替代方案，而在某些情况下，这会加剧心理健康问题，助长妄想等令人担忧的行为。 今年10月，OpenAI也曾表示正与心理健康专业人士合作，改善ChatGPT对出现精神错乱或自残等令人担忧行为的用户的互动方式。 不止心理健康，还有报道指出ChatGPT在法律文件中产生幻觉，引发大量投诉。 此外，还有ChatGPT、Sora等应用产品上线后带来的一系列诸如深度伪造以及社会伦理等方面的挑战。

比如Sora曾在2025年10月因用户生成「不尊重」内容而暂停/封禁对马丁·路德·金相关视频的生成，并同步加强历史人物肖像相关的护栏与退出机制。 因此，奥特曼要求这份工作，要把安全从能力评估、威胁建模、缓解措施做成一条可落地的链条，形成一个「连贯、严谨且可操作、可扩展的安全流程」。

填补「安全空心化」的焦虑 这次招聘，更像是对OpenAI安全团队的紧急补位与强化。 OpenAI的核心使命是以造福全人类的方式开发人工智能，从一开始它就将安全协议 (safety protocols) 作为其运营的核心部分。 然而，一些前员工表示，随着OpenAI开始发布产品以及盈利压力的增加，该公司开始将利润置于安全之上。 一个标志性事件，就是「超级对齐」（superalignment）团队的解散。

2024年5月，OpenAI「超级对齐」团队解散，该团队工作将被并入/吸收进其他研究工作。

超级对齐团队的两位共同负责人Ilya Sutskever、Jan Leike也相继离开，其中Leike在离职时还尖锐地批评了公司，公司已经迷失了确保技术安全部署的使命： 「构建比人类更聪明的机器本身就是一项危险的尝试……但在过去几年里，安全文化和流程已经让位于光鲜亮丽的产品」。 Leike表示OpenAI未能投入足够的计算资源来研究如何引导和控制那些远比我们聪明的人工智能系统。 另外一名前员工Daniel Kokotajlo也表示他辞职是因为他「对公司在通用人工智能 (AGI) 出现时能否负责任地行事逐渐失去信心」。

当时奥特曼就Leike的发帖回复，认为他说的对：「我们还有很多事情要做；我们承诺会去做」。 OpenAI联合创始人兼总裁Greg Brockman也声称公司愿意因安全问题推迟产品发布： 「首次弄清楚如何让一项新技术变得安全并非易事，我们既相信要实现巨大的潜在收益，也致力于努力降低重大风险」。 在超级对齐团队解散大概两个月后，7月AI安全负责人Aleksander Madry被调岗。

OpenAI原AI安全负责人Aleksander Madry 10月23日，OpenAI长期政策研究人员、AGI readiness团队高级顾问Miles Brundage离开OpenAI。 随着Brundage离开，AGI readiness的子团队economic research division将转到新任首席经济学家 Ronnie Chatterji之下，其余部分则分散到其他部门。 Kokotajlo曾表示，「OpenAI最初约有30人研究与通用人工智能 (AGI) 相关的安全问题，一系列的离职使得这一人数减少了近一半」。 安全团队的负责人及员工离职、调岗，项目被不断分拆、重组，由此带来的「安全空心化」焦虑，正是这次奥特曼高调招聘的大背景。 当「前沿模型」的能力逼近更高边界时，谷歌、Anthropic、OpenAI、xAI等大模型厂商在AI军备竞赛中，都要解决同一个问题：怎么在加速中不失控？ 而此次招募的「准备工作负责人」的工作，则是要把不断变强的模型，在现实使用场景中转化为一个能评估、能落地、能迭代的「可执行的安全管线」。 当AI竞赛进入紧要关头，能够守住安全底线才是不败的关键。 参考资料： https://www.businessinsider.com/openai-hiring-head-of-preparedness-ai-job-2025-12 秒追ASI ⭐点赞、转发、在看一键三连⭐ 点亮星标，锁定新智元极速推送！

预览时标签不可点

Scan to Follow 继续滑动看下一个 轻触阅读原文

新智元 向上滑动看下一个 Got It

Scan with Weixin to
use this Mini Program Cancel;) Allow;) Cancel;) Allow;) Cancel;) Allow;) × 分析

微信扫一扫可打开此内容，
使用完整服务 : ， ， ， ， ， ， ， ， ， ， ， ， . Video Mini Program Like ，轻点两下取消赞 Wow ，轻点两下取消在看 Share Comment Favorite 听过

ICLR史无前例！中国团队站上C位，全球AI顶会首次为它设专场

ICLR史无前例！中国团队站上C位，全球AI顶会首次为它设专场

新智元 新智元;)

在小说阅读器中沉浸阅读

--- 新智元报道

编辑：Aeneas 好困

【新智元导读】史上首次，ICLR成立后设立机制设计相关Workshop，全球顶流学者众神云集！

重磅！ 近日，被誉为全球机器学习三大顶级会议之一的ICLR宣布： 由阿里妈妈牵头，联合北京大学、MIT、CMU等全球顶尖高校发起的专题研讨会 —— 「AI for Mechanism Design and Strategic Decision Making」（简称AIMS），在激烈的竞争中脱颖而出，正式通过评审。 划重点：这是ICLR成立以来，首次设立聚焦「机制设计与决策智能」方向的Workshop。 这一里程碑事件标志着，横跨经济学、博弈论与人工智能的硬核交叉领域，正式进入了全球深度学习顶会的核心视野。 此外，这次Workshop还有众多亮点，比如采用了双投政策，即使接收也不影响其他投递；汇集了众多行业嘉宾大咖；还是一次连接学术与工业的桥梁。

ICLR首个 「机制设计与决策智能」Workshop

机制设计和决策智能是什么？ 机制设计与决策智能是经济学、计算机科学和人工智能的交叉前沿，关注如何在多方参与者中设计规则和系统，以实现特定目标并优化整体结果。 简单来说，这是一个角色的转换： 如果深度学习专注于根据给定的数据和模型结构来解决问题（解题）； 那么机制设计则是关于如何创建一套有效的规则或系统（出题）。 它的核心在于让所有参与者在博弈中达成系统层面的最佳状态。而在这种机制下，决策智能负责指导参与者做出最佳选择，最大化参与者的自身利益。 从应用场景来看，它无处不在： 从淘宝广告的自动竞价，到云服务器的算力调度； 从滴滴的派单匹配，到肾脏交换的医疗系统。 从技术演进来看，这是一场范式革命： 过去： 这个领域依赖数学家的手工推导。 现在： AIMS Workshop想要探讨的是——如何用AI（大模型、多Agent强化学习MARL、生成式AI）去自动化地「生成」这些机制。 我们不再寻求单一的预测精度，而是追求在复杂博弈环境下的效率、公平与鲁棒性。 为什么这次Workshop意义重大？ 长久以来，以ICLR、NeurIPS和ICML为代表的三大机器学习顶会中，机制设计与决策智能相关的研讨会一直寥寥无几。 因为在主流AI会议中的长期缺位，研究人员往往只能分散参加不同领域的会议，缺乏一个集中的平台。 如今，这一现状终于被打破了！ ICLR的这项举措，直接填补了这一空白，更加预示着范式融合的加速，AI将更好地服务社会。 而且，这次Workshop，直接聚焦了最前沿的交叉地带。 无论你是做强化学习、生成式AI，还是研究博弈论、运筹优化，只要你的工作涉及智能体之间的策略互动、规则设计或复杂决策，这里就是你的主场。

众神云集

如果说Workshop的主题决定了上限，那么嘉宾的阵容则决定了它的底蕴。 AIMS Workshop邀请到的Keynote Speakers阵容，堪称该领域的「全明星名人堂」。 他们中的每一位，都是足以载入计算机科学或经济学史册的人物。 Tuomas Sandholm（CMU教授） 行业地位：卡内基梅隆大学知名教授，ACM Fellow，AAAI Fellow。 核心成就：他是Libratus（冷扑大师）之父。早在2017年，他带领团队开发的Libratus人工智能在德州扑克人机大战中击败了顶尖人类职业玩家，解决了不完美信息博弈的重大难题。他的研究横跨博弈论、机制设计与AI优化，是该领域当之无愧的泰斗。

Vijay V. Vazirani（加州大学尔湾分校杰出教授） 行业地位：ACM Fellow，理论计算机科学界的巨擘。 核心成就：对于计算机专业的学生来说，他的名字可能印在你的教科书封面上——他是经典著作《近似算法》(Approximation Algorithms）的作者。Vazirani教授在算法博弈论、市场均衡计算等领域做出了奠基性的贡献，他的思想深刻影响了计算经济学的发展。

Song Zuo（谷歌研究科学家） 核心成就：作为谷歌Research的核心科学家，他在机制设计与机器学习的结合上有着深入研究，代表了硅谷最前沿的技术风向，其成果曾在WWW 2024斩获Best Paper奖项。

Niklas Karlsson（Amazon ADSP首席科学家） 行业地位：IEEE Fellow，亚马逊广告首席科学家。 核心成就：他是将控制理论、动态系统与在线广告拍卖结合的先行者。在亚马逊这样庞大的电商生态中，Karlsson负责设计支撑亿级交易的广告系统，他的分享将带来最硬核的工业界视角。

Zhenzhe Zheng（上海交通大学教授） 核心成就：国内该领域的青年领军人物，在多智能体系统与计算经济学方面成果斐然。荣获英特尔中国学术英才计划、上海市计算机学会自然科学奖一等奖等多项科研奖励。

连接学术与工业的「顶配」桥梁

本次Workshop由阿里妈妈联合北京大学邓小铁教授团队、MIT、莱斯大学、罗马大学、INRIA巴黎、上海交通大学、中国人民大学等全球顶尖学术力量共同发起。 这种「顶级产业界 + 顶级学术界」的配置，保证了研讨内容既有理论深度，又具备真实的产业落地价值。 这次ICLR Workshop，为什么是由阿里妈妈牵头？答案很简单—— 在「AI+机制设计与决策智能」这条硬核赛道上，阿里妈妈不仅是探索者，更是构建了完整技术版图的领跑者。 不同于纯理论研究，阿里妈妈每天都要处理亿万级的广告拍卖、流量匹配与商家博弈。这种超大规模的真实业务场景，直接逼出了技术的代际飞跃。

1. 机制设计：从NeuralAuction到AIGA 从经典的拍卖机制开始，如何通过数据化&智能化提升拍卖机制的效果是发展主线。 自2019年开始，学术界开始将深度学习&强化学习引入到机制设计中，如RegretNet、RDM等，他们通过引入深度网络强大的学习能力，提升拍卖机制的优化效果，为拍卖机制的发展开辟了一条新的道路。 遗憾的是，这些工作都做了很强的理论假设如广告主个数固定等，没有看到在工业界大规模落地的实践。 为克服经典机制（比如GSP）中「排序不可微」导致难以端到端优化的问题，阿里妈妈提出Neural Auction，一种可微的计算形式来表达「排序」算子，使拍卖机制能通过梯度下降直接优化业务目标（如收入、转化）。

该工作奠定了工业级Learning-based机制设计的基础，被学术界评价为「开创性尝试」。 不过尽管Neural Auction等方法提升了分配灵活性，但仍受限于「先预估再分配」的范式，这种范式只能建模参竞广告集合内的外部性，无法捕捉最终分配结果的整页上下文信息（即排列外部性）。 为此，阿里妈妈提出首个使用生成式模型建模排列外部性的广告拍卖机制-生成式拍卖（Contextual Generative Auction, CGA）。

感知排列外部性的生成式拍卖整体框架 该框架通过自回归模型生成广告分配结果，并将激励兼容（Incentive Compatibility, IC）条件量化为最小化事后后悔（ex-post regret），实现端到端学习最优计费规则。 大规模离线实验和在线A/B实验表明CGA能显著提升平台收入等关键指标，同时有效逼近理论最优拍卖的结果。 该成果被KDD'25 Research Track接收，标志着阿里妈妈从「局部可微优化」走向「生成式、全局最优的智能拍卖新范式」。 2. 出价决策智能：从RL到AIGB 广告出价，是阿里妈妈团队最常遇到的决策智能场景。 所谓广告出价，就是广告主为了在网站上展示自己的广告，愿意为一次「展示」或「点击」等结果支付的最高价格，可以看作是一场实时的「微型拍卖会」。 可以说，它是互联网广告商业模式的引擎，连接着用户、媒体平台和广告主，起着极其重要的作用。 在这个领域，行业经历了三个阶段。 最早是PID控制，然后进化为基于强化学习的出价。

自动出价技术演进路线 但阿里妈妈发现，传统RL在面对长序列决策、稀疏回报（如ROI延迟反馈）时，训练极不稳定。 2023年，阿里妈妈在业界首次提出了AIGB（AI-Generated Bidding）—— 生成式出价模型。

可以说，这是一个颠覆性的概念！ AIGB不再像传统RL那样去估计价值函数，而是把「出价问题」重新建模为「生成式序列决策问题」。 就像ChatGPT生成文本那样，AIGB利用Transformer或扩散模型，直接根据广告主的预算ROI目标和当前环境，「生成」出一整套最优的出价策略轨迹。 在AIGB的框架下，阿里妈妈研发了基于扩散模型的DiffBid。 训练时，它学习如何从噪声中还原出高质量的投放轨迹； 推理时，它根据广告主的KPI约束（如最大化GMV且ROI>5），通过去噪过程，规划出一条完美的出价曲线。

在阿里妈妈的广告平台实测中，DiffBid相比传统RL方法，在Max-Return任务中带来了GMV +3.6%的提升，在Target ROAS任务中带来了GMV +5.0%的显著增长。 同时，它生成的出价轨迹更平滑，大幅减少了预算过早耗尽或剧烈波动的情况。 因此，DiffBid既为广告主带来更多收益，又很好保障了广告主的ROI。 此外，这些技术背后还有阿里妈妈自研的广告大模型LMA2的支撑，其参数规模已达万亿级别，为理解用户意图和市场环境提供了强大的底座。 可以说，AI已经成为了阿里妈妈算法的基因。 3. 开源与竞赛：从工业研究到开源竞赛 并且，阿里妈妈不仅自己用，还在推动整个社区的发展。 2024年，阿里妈妈在顶级会议NeurIPS上发起并主办了「大规模拍卖中的自动出价」竞赛，特设AIGB赛道，这是当年唯一拥有NeurIPS比赛主办权的国内工业界组织。 为了解决学术界缺乏真实大规模数据的痛点，阿里妈妈正式开源了业界首个标准化的大规模模拟竞价系统和大规模博弈数据集AuctionNet。 正是因为在AIGB这一生成式决策领域的开创性贡献和深厚的技术积累，阿里妈妈牵头举办AIMS Workshop，是一次水到渠成的技术引领。

Workshop等你来

极致包容的「双投」政策

好消息是，这次AIMS Workshop明确采用「非存档性质」（Non-archival）。你的论文即使被AIMS接收，未来依然按照你的后续发表计划，继续投递其他顶级会议或期刊。 另外，如果你之前其他会议中遗憾被拒，但工作本身具有创新性，AIMS欢迎你带着完善后的成果来这里交流，让金子发光。

奖项设置

这次Workshop设立了Best Paper（长文/短文各一）和Best Poster奖项，优秀的工作还将获邀进行Oral报告，直接面对全球最顶尖的头脑展示成果。

征稿方向：四大前沿赛道

AIMS Workshop鼓励跨学科的大胆尝试。 无论你是计算机背景还是经济学背景，只要你的研究落在以下四大象限，请不要犹豫，立即投稿。 方向一：AI for Mechanism Design（AI赋能机制设计） 如何利用AI发现拍卖、匹配和投票场景中的最优机制？ 如何自动化验证机制的理论性质？ 将经典机制拓展至高维、非结构化或自然语言环境的研究。 复杂机制的可解释性与透明度分析。 方向二：AI for Strategic Decision Making（AI赋能战略决策） 在复杂多变、信息不完全的环境中，AI如何协助制定最优战略？ 利用AI表征和影响多智能体系统的动态演化与均衡状态。 改善战略博弈环境中的人类与AI的互动。 方向三：理论、伦理与社会影响 AI智能体交互与演化的形式化建模。 效率与公平性的理论权衡分析。 AI参与市场治理的框架构建及社会影响预测。 方向四：应用与案例研究 来自真实系统的部署经验与复盘。 大规模决策智能面临的挑战。 新型基准平台的开发及AI与现有机制系统的集成路径。

ICLR 2026，现场见

2026年4月26日，在ICLR的现场，AIMS Workshop将汇聚全球最聪明的头脑。 这不仅是一次学术会议，更是一次关于未来的预演。 如果你在做这方面的研究，如果你不满足于「只训练一个更强的模型」，而是想用AI去重塑系统、优化规则，那么AIMS就是你绝对不能错过的舞台。 Don't just play the game. Design it with AI . 目前，AIMS Workshop已面向全球研究者正式开放征稿！ 截稿日期： 2026年1月30日 会议时间： 2026年4月26日 投稿地址： https://openreview.net/group?id=ICLR.cc/2026/Workshop/AIMS 官方网站： https://alimama-tech.github.io/aims-2026/ 咨询邮箱： aims\iclr2026@alibaba-inc.com 秒追ASI ⭐点赞、转发、在看一键三连⭐ 点亮星标，锁定新智元极速推送！

预览时标签不可点

Scan to Follow 继续滑动看下一个 轻触阅读原文

新智元 向上滑动看下一个 Got It

Scan with Weixin to
use this Mini Program Cancel;) Allow;) Cancel;) Allow;) Cancel;) Allow;) × 分析

微信扫一扫可打开此内容，
使用完整服务 : ， ， ， ， ， ， ， ， ， ， ， ， . Video Mini Program Like ，轻点两下取消赞 Wow ，轻点两下取消在看 Share Comment Favorite 听过

新智元十年，上地AI家，邀你加入！

新智元十年，上地AI家，邀你加入！

新智元 新智元;)

在小说阅读器中沉浸阅读

--- 新智元报道 【新智元导读】2025年9月7日，新智元十周年！十年求索，奇点共盟。值此，新智元在上地AI家邀你加入，共同见证ASI降临。

2015年9月7日—2025年9月7日，新智元星舰远航十年。 2025年9月7日，新智元在北京海淀上地举办十周年峰会，「新天终启，万象智生」——ASI 纪元恢弘开启，宇宙万物与人类文明都将在更新的智能天地中获得无限生命！

「新智元」星舰十年搭载了数百万用户、专家、生态伙伴在AI宇宙中飞速前行，见证了人工智能发展史上的一座座里程碑。

新智元十年追梦，打造AI生态圈最真实流量，全矩阵平台流量连年过亿！新智元十年赋能ASI时代，微信公众号视频号爆款频出覆盖全生态！ 新智元微信公众号、微博、知乎、百度百家号等平台产业链用户370万+。新智元视频号AI视频持续引爆，2024年观看量突破3000万+。 2025年，新智元微信公众号再上新台阶，频繁斩获AI垂直媒体流量奇迹。2025年，新智元十周年之际推出「ASI启示录」、「ASI爆点」、「ASI洞察」重磅栏目。

我们在上地AI家，召唤热爱AI的你! 在新智元你可以获得： 与国内外一线大咖、行业翘楚面对面交流的机会 掌握深耕人工智能领域，成为行业专家 玩转国内外顶尖AI大模型 远高于同行业的薪酬、福利 舒适的办公环境 一日三餐、水果零食 工作地点：北京·海淀区·上地·中关村软件园

新智元热招职位 高级视频编辑（急聘） 年薪：20-35万 （工资＋奖金） 工作内容：

1. 负责AI短视频内容选题、脚本创作与创意策划；
2. 独立完成视频脚本、剪辑、全平台发布等工作，确保视频质量与发布节奏； 岗位要求：
3. 热爱AI行业，有科技短视频制作经验；
4. 文字功底扎实，会剪辑能拍摄。 AI产业报道主笔 年薪：25-40万（工资＋奖金） 工作内容: 1. 关注全球人工智能各领域，掌握人工智能研究进展和产业动态，准确抓取行业热点；
5. 熟知人工智能头部企业、独角兽企业技术进展、研究成果、产业落地等动态；
6. 深刻把握新智元文章调性，打造新智元高端技术原创内容、产业深度报道； 岗位要求：
7. 热爱人工智能行业，两年以上科技类财经类撰稿经验优先；
8. 有独立策划并执行选题能力，写作能力强，英语六级以上；
9. 善于沟通交流，有较强的抗压能力和自驱力。 高级编辑/编辑 年薪：15-30万（工资+奖金） 工作内容:
10. 熟悉人工智能各领域，关注人工智能研究进展和产业动态，准确抓取行业热点；
11. 负责新智元选题、编译、撰稿、校对、形成可发布文章； 岗位要求：
12. 有一年以上科技财经类撰稿经验优先；
13. 热爱人工智能行业，愿意深耕AI学术与技术；
14. 英语六级以上，能解读学术论文及相关技术； 优先项：
15. 能接受夜间调休工作；
16. 有计算机及相关学科背景。 编辑实习生/兼职（可转正） 月薪：约5500元 工作内容：
17. 新智元内容选题、编辑、撰稿；
18. 全球AI产业、学术动态跟踪，学术论文解读报道； 岗位要求：
19. 硕士/博士在校生，理工科背景优先；
20. 优秀的中文写作功底，对AI科技有强烈兴趣，责任心强；
21. 英语六级以上，能够完成编译撰稿。 应聘联系方式： 简历投递邮箱：wangliyang@aiera.com.cn HR微信号：Dr-wly 欢迎扫描二维码加入新智元！

预览时标签不可点

Scan to Follow 继续滑动看下一个 轻触阅读原文

新智元 向上滑动看下一个 Got It

Scan with Weixin to
use this Mini Program Cancel;) Allow;) Cancel;) Allow;) Cancel;) Allow;) × 分析

微信扫一扫可打开此内容，
使用完整服务 : ， ， ， ， ， ， ， ， ， ， ， ， . Video Mini Program Like ，轻点两下取消赞 Wow ，轻点两下取消在看 Share Comment Favorite 听过