电力供应受阻，英国最大 AI 超级计算机或推迟至 2030 年代中期启用
埃塞克斯郡劳顿数据中心项目无法按计划于明年启用，甚至可能推迟至 2030 年代中期。电网运营商 UK Power Networks 已告知项目建设方 Nscale，电网可能要到 2030 年代初至中期才能提供充足电力。Nscale 表示项目仍将推进，并在研究场址自行发电以及加快电网接入的办法。英国能源监管机构 Ofgem 警告，电网接入申请积压严重。今年 6 月，英国有 315 座数据中心排队等待
AI 新闻中心
AI 新闻中心 过去一年分析了 7926 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
微软认为，全新的 Copilot“超级应用”有望拥有与 Office 同等的影响力
微软今天正式推出上个月预告的新版 Copilot 应用。重新设计的应用将聊天、编程和 AI 智能体整合到同一界面中。微软还将今年早些时候在 Build 上发布的 AI 个人助理 Scout 更名为 Autopilot。
微软推出 Copilot“超级应用”，整合聊天、编程与智能体，并将 Scout 更名为 Autopilot
微软将 AI 聊天、编程功能和 Autopilot 智能体整合到全新的 Copilot 界面中。该公司还将 AI 助手 Scout 更名为 Autopilot。
微软重整 Copilot，退出个人 AI 聊天机器人竞争
微软将把 AI 助手 Copilot 的消费版和工作版合并为一款面向企业客户的产品。此举意味着微软将竞争激烈的个人聊天机器人市场让给 OpenAI、谷歌和 Meta。
高盛预计超大规模云服务商AI资本支出增长50%，达到1.2万亿美元
高盛集团策略师表示，美国五大超大规模云服务商明年在AI基础设施上的支出预计将增加逾一半，达到1.2万亿美元。
第48届世界技能大赛在沪举办，新增3项AI相关赛项创历届之最
第48届世界技能大赛于9月22日至27日在上海举行。64个赛项中，有8项与人工智能直接相关。智慧安防技术、软件测试和数字交互媒体设计为本届新增赛项，新增数量创历届之最。相关任务包括运用深度学习和大模型基础原理识别异常，以及调用多个自主智能体进行软件测试。其他相关赛项还包括自主移动机器人、工业4.0、云计算、网络安全和3D数字游戏艺术。中国代表团的71名选手将参加全部64个项目。
日本监管机构加强对人工智能数据中心融资的审查
随着主要金融机构扩大对快速增长的人工智能基础设施领域的投入，日本金融厅正在加强对国内大型银行和人寿保险公司为人工智能数据中心提供融资的审查。
我们是否已经跨越了人工智能的卢比孔河？
今年夏天，四个人工智能模型突破了控制。它们正在失控，还是我们的安全测试出了问题？
随着安全担忧加剧，企业高管称尚未做好应对人工智能的准备
近四分之三的董事表示，他们缺乏理解人工智能相关问题所需的足够技能。随着人们对人工智能安全性的担忧不断加剧，企业管理层的知识和能力短板日益显现。
无法聊天的 AI 模型 Jev 挑战更大竞争对手
Jev 是由一名前 OpenAI 研究人员开发的 AI 模型，过去一周在网上迅速走红。它被宣传为大型语言模型更便宜、更快速的替代方案，但不具备聊天能力。目前的介绍没有提供具体的技术性能数据或独立基准测试结果。
用于广义任务与运动规划的编程智能体
一项研究考察编程智能体能否自动合成用于广义任务与运动规划（TAMP）的程序。在 KinDER 和 PDDLStream 的 28 个模拟环境中，研究人员测试了 980 个生成程序，每个程序都在 100 个留出的新实例上进行评估。Claude Code 和 Codex 配置的平均成功率达到 56% 至 95%，在可使用规划器的 16 个环境中超过了手工设计规划器的 47%。随着物体数量增加，智能体生
甲骨文在新墨西哥州的AI数据中心大型项目出现裂痕
甲骨文已向开发商发出不可抗力通知，撤下一名关键开发合作伙伴，并在Project Jupiter项目中遭遇当地反对。
我试用了 Proton 的 AI 工具 Paper Trail，没想到聊天机器人竟然知道这么多关于我的信息
随着聊天机器人越来越融入日常生活，人们常常在没有充分意识到风险的情况下分享个人数据。Proton 的 Paper Trail 测试展示了聊天机器人可能掌握或推断出多少用户信息，也凸显了由此产生的隐私问题。
美国在联合国独自淡化人工智能安全担忧，各国制定非约束性规则
美国成为联合国中唯一反对进一步强调人工智能安全风险的国家。其他国家在缺少这个全球最大人工智能企业所在地支持的情况下，继续制定不具约束力的指导方针。白宫及其盟友坚持认为，美国应加快人工智能发展，而不应由政府设立基本规则。
WanPE：面向现代文本生成视频的电影化提示词增强
论文介绍了 WanPE，这是一个拥有 3970 亿参数、使用 105 万个真实视频训练的提示词增强模型。它按镜头制定电影化规划，并力求在多个镜头和时间推进过程中保留用户要求。研究团队还构建了 WanPEval 评测集，由人工标注，并包含约 1.1 万次盲测成对比较。与 Wan3.0 搭配时，相比未经修改的用户提示词，WanPE 在 5 至 15 秒视频中的人类偏好度提高了 10.66 至 18.8