人工智能数据中心债务为投资者带来高收益,也伴随新风险
软银此次发行债券的收益率接近10%。高收益反映了为人工智能数据中心融资所涉及的风险。
AI 新闻中心 过去30天分析了 4637 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。
软银此次发行债券的收益率接近10%。高收益反映了为人工智能数据中心融资所涉及的风险。
OpenAI 联合创始人兼 CEO 萨姆·奥尔特曼计划在联合国安理会发表讲话,支持制定全球通用的 AI 安全标准。他自称是务实的中间派,主张在不妨碍创新的同时,避免少数企业掌握过多权力。竞争对手 Anthropic CEO 达里奥·阿莫代伊将通过视频参会。会议在联合国大会年度一般性辩论期间举行,AI 失控风险也是重要议题之一。
这家由强生前首席执行官支持的初创公司计划推动其候选药物进入临床试验后期阶段。
支付宝推出“智能体涌现奖”,年度奖金池为1000万元,年度大奖100万元,不会编程的人也能参加。一名杭州开发者称,他借助AI在三天内制作并提交了100多个智能体,尝试解决日常生活中的具体问题。赛事官网目前已收到1000多个作品。支付宝表示,年度大奖将于明年评选;入围作品可获得奖励,并有机会接入支付宝平台,面向用户提供服务。
安装 macOS 27 后,Apple 会自动下载在设备上运行的 AI 模型;报道指出,用户无法阻止下载。Apple 表示,部分较新的 Mac 上,Apple Intelligence 最多需要 14GB 存储空间,其他兼容机型则最多需要 8GB。但部分设备的实测数据明显更高:Ars Technica 在 M3 MacBook Air 上测得约 22.42GB,另有用户报告超过 30GB。Appl
Anthropic称已挫败一项亲北京势力发起、针对宗教领袖和海外社群的行动。位于华盛顿特区的西藏倡议组织也在目标之列。理查德·基尔在《华尔街日报》撰文称,他所属的组织同样遭到针对。
蚂蚁百灵团队开源两款参数量均为 60 亿的模型。Ming-Image-0.1-Design 可根据文字需求生成 UI、信息图、海报等视觉设计;Layer 版本可将设计拆分为可独立编辑的透明图层。团队还开源了 Design Skill 和 PPT Skill。在 Artificial Analysis 的 UI/UX 设计专项评测中,该模型位列开源模型第一,Elo 得分为 1082。蚂蚁称,模型在复
据媒体报道,Anthropic正与一家由阿波罗全球管理控股的数据中心开发商进行早期谈判,拟租赁最高1吉瓦算力。若交易达成,Anthropic将能够直接获得大量算力,减少对云服务商的依赖。最终租赁规模、期限及开发商尚未确定。知情人士还称,双方正在讨论由谷歌为项目提供信贷担保,但具体担保范围仍不清楚。
微软正为 Windows 免费视频编辑器 Clipchamp 添加本地 AI 视频超分功能,可将低分辨率视频提升至最高 4K。支持的电脑可调用 CPU 处理,Copilot+ PC 则可使用 NPU。该功能支持 AMD、英特尔和高通的兼容硬件,仅适用于 Windows 桌面应用,浏览器版暂不支持。AI 会估算并生成额外细节,无法还原原始视频中未记录的信息,因此可能产生画面伪影或轻微失真。微软不建议
小马智行公布,2026 年上半年营收为 7,047 万美元,同比增长 98.9%;Robotaxi 服务收入同比增长 534%,达到 2,060 万美元。标题称归母净亏损为 1.1 亿美元,同比扩大 14.74%;但文章其他部分称净亏损为 9,890 万美元且同比收窄,相关数据存在矛盾。经营现金流为负 1.18 亿美元。公司目前拥有 1,975 辆 Robotaxi,目标在 2026 年底前将车队
泄露文件揭示了甲骨文最新一轮裁员对云基础设施部门的影响。在美国,该部门有 546 名员工列入名单,软件开发人员、经理和数据中心运营人员受影响较大。甲骨文在加大 AI 基础设施投资的同时,计划今年投入 900 亿至 950 亿美元建设数据中心。不过,文件并未证明裁员是由 AI 导致的。甲骨文此前表示,截至 5 月 31 日的财年员工人数减少了 2.1 万人。
Claude Code、Codex 和 Gemini CLI 等编程智能体可以分析代码库、修改文件、执行命令并辅助调试。文章称,国内开发者面临的实际障碍包括网络连接不稳定、支付流程复杂、配置门槛较高,以及团队用量管理和企业采购不便。随后,文章推广 AICodeMirror 中转服务,介绍其套餐、支持服务和用户数据;这些产品相关说法未经独立核实。
AI正在加速漏洞发现。组织需要加强验证、优先级排序和修复工作,以降低风险。
美国数据中心将大量电力转化为废热,导致周边社区气温升高。AI热潮带来的电力需求增长加剧了这一问题,但成本和有限的激励措施减缓了替代冷却方案的采用。
一项新基准测试发现,具身智能体遵循指令的能力远不如成功率所显示的那样。在场景熵较低、只有一项有效任务时,智能体可能几乎不依赖语言也能成功。RoboFollow让每个场景都包含多种可能任务,并通过分层诊断流程检验智能体能否一致地理解和执行指令。对九种VLA和WAM策略的评估显示,在简单测试中的良好表现无法可靠地迁移到更具挑战性的测试中。多种受测改进方法也未能弥合这一差距。代码和数据集现已公开。