AVEVA 首席技术官谈工业 AI 如何走向安全自主
AVEVA 首席技术官 Arti Garg 表示，基础模型、物理 AI 与智能体 AI 正推动工业自动化进入新阶段，工业领域 AI 采用率两年内增长约 78%。AVEVA 的责任 AI 框架强调安全、效率与人类监督，主张 AI 应增强而非取代关键决策中的人，并由护栏界定自动化与人工负责的边界。Garg 还参与 IEEE 工作组，制定覆盖电力、能源、资源、水和碳的 AI 环境影响测量标准方法。
#大佬观点
MIT Technology Review · AI Simon Willison Michael Lynch 谈软件博客写作的反模式
Michael Lynch 撰文列举软件博客写作的常见反模式，包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式，以及用链接代替术语解释。他建议文章即使读者不点任何链接也应能读懂，并主张用自己说话的方式写作。Simon Willison 认同链接依赖这一点，并指出随着大量开发者把写作交给 AI，软件博客正变得平淡同质，读者更渴望有个性的文字。
Simon Willison Ben Affleck 谈机器学习与视觉特效：从卷积神经网络到 Transformer
Ben Affleck 表示自己从胶片转向数字电影时期开始深入接触计算机，并会写"相当糟糕的 Python 脚本"。他指出视觉特效工作流多年来一直包含机器学习，卷积神经网络作为 Transformer 的前身，可用于处理 tensor 并实现边缘检测与特征提取，从而更便捷地抠出绿幕画面并替换背景。
TechCrunch · AI Tony Fadell 谈首波 AI 硬件为何失败：Rabbit R1、Humane Ai pin 未解决真实需求
Tony Fadell 在 MIT Future Fest 上指出，Rabbit R1、Humane Ai pin、Limitless pendant 这批"Gen 1" AI 硬件失败的原因是没解决任何真实需求，只是极客觉得有趣的技术。
Simon Willison EmbeddingGemma 2 采用 Apache 2.0 许可证
EmbeddingGemma 2 采用 Apache 2.0 许可证，Simon Willison 认为嵌入模型不应使用闭源、专有、仅托管的形式。他指出嵌入模型通常需要计算并存储数千甚至数百万条嵌入向量，一旦厂商停用模型，用户就得为重新计算这些向量付费。他更愿意付费使用托管版本，同时保留厂商停服后自行运行开放权重或另寻供应商的退路。
The Decoder 微软发布诺奖经济学家 Daron Acemoglu 的悲观 AI 预测：十年仅拉动 GDP 增长 1.5%
微软刊发了诺贝尔经济学奖得主 Daron Acemoglu 的悲观 AI 预测：AI 十年内仅拉动 GDP 增长约 1.5%，最多替代 5% 的岗位，远低于部分 AI 实验室的预期。他认为瓶颈在于人性——企业需重新分配任务、提升员工技能并重组流程，这一过程可能比电气化普及更漫长，更大的模型也无法解决。
The Verge · AI 苹果、Google 探索"不保存录像"的 AI 摄像头，录音的定义正在被改写
苹果正研发一款不保存视频录像的智能家居摄像头，改用 AI 将视觉数据转为描述家中情况的文字片段，并支持人脸识别；Google 可穿戴设备负责人 Sandeep Waraich 也提出智能眼镜摄像头只做图像传感器、不保存画面的设想。
Microsoft Research Microsoft 研究员 Jennifer Neville 谈 AI 评测的意外失败与真实用户需求
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中表示，把模型放到传统 benchmark 之外测试时会出现"意外失败"，评测是推动 AI 系统性能边界、贴合用户需求的关键。
Google 用 AI 对话取代传统编程测试：一位教师如何评估学生用 Gemini 解决数据挖掘问题
一位数据挖掘课程教师用 Gemini in Google Colab 充当学生的个人导师，取代传统编程语法测试，学生需自行判断 AI 给出的代码建议并说明最终建模决策的理由。教师通过口头面试让学生为自己的选择辩护、排查问题并指出 AI 建议可能有误之处，同时借助 Gemini Canvas 和 Gemini Notebook 规模化评估这些作业。
Google 一位教师的教学心得：AI 时代，批判性思维要放在第一位
一位在加州任教的中学技术教师表示，Gemini 帮助她以极短时间完成备课和差异化教学，备课资料安全保存在 Google Drive 中。她认为，让学生亲眼看到 AI 的实际运作有助于消除对未知的恐惧，但 AI 只是人类设计的映射，真正的力量来自推理、质疑，以及始终把批判性思维放在第一位。
Google 一位美国八年级科学教师如何用 Gemini 让课堂上的科学活起来
美国佐治亚州八年级物理科学教师 Chanel Johnson 在课堂上用交互式模拟让学生亲手发现科学规律，并借助 Gemini 对照课程标准审查单元教案、构思新教学思路。她还向学生公开示范 Gemini 和 Gemini Notebook 的用法，帮助他们建立真正的数字素养。
Google Gemini 如何帮我把动手实践带进课堂
一位教师用 Gemini 作为备课搭档，在英语课上快速搭建多站点角色扮演挑战，让学生通过走动解题、在阅读气候变化与人权故事前建立共情；在生活技能课上，Gemini 帮她设计奶昔配方与饮食档案，让学生亲手调配并实践正念营养。她强调 Gemini 并非替代主动教学，而是把运动和更深参与带进课堂的工具。
MIT Technology Review · AI 人们一边痛恨 AI，一边又离不开它？
多项调查显示公众对 AI 的负面情绪正在上升：Pew 数据显示更多美国成年人认为 AI 对个人和社会的负面影响大于正面，Gallup 5 月民调中 71% 美国成年人反对在本地新建 AI 数据中心，比例高于反对新建核电站的 53%。但使用量仍在飙升，ChatGPT 5 月月活达 10 亿，Gemini 7 月达 9.5 亿，Pew 称半数美国成年人已使用聊天机器人。
MIT Technology Review · AI AlphaGo 团队成员 Thore Graepel：LLM 并不会推理
前 Google DeepMind AlphaGo 核心成员 Thore Graepel 撰文指出，LLM 逐 token 预测加上思维链仍属于系统 1 式的直觉，不构成真正的推理。
Latent Space Latent Space 对话 MIT 的 Alex Zhang：从 GPU Kernel 到递归语言模型 RLM
MIT 的 Alex Zhang 在 Latent Space 播客中介绍了其递归语言模型（RLM）研究，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
NVIDIA Blog NVIDIA AI 工厂如何实现高产出、长寿命与通用性以最大化投资回报
NVIDIA 提出 AI 工厂投资回报由产出能力、使用寿命和需求三要素决定，其平台以每兆瓦吞吐量、硬件寿命和通用性同时优化这三项。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量超 GB300 NVL72 的 30 倍，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
MIT Technology Review · AI 让 AI 成为资产而非开支：企业自建 AI 算力的经济账
HPE 赞助内容指出，当 AI 从试验走向客服、IT、研究等常驻生产工作负载，按 token 消费的定价会让支出变成难以预测的月度变动项。企业需按工作负载测算需求，找到自建容量比按次购买更划算的交叉点，并靠采用、治理和持续扩展用例让容量保持高产。Deloitte 2026 企业 AI 报告显示，2025 年员工 AI 使用率上升 5%，至少 40% AI 项目投产的公司比例预计半年内翻倍。
Import AI Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟关注 AI
Import AI 471 期聚焦 Hugging Face 与 OpenAI 事件：数百个智能体在 OpenAI 基础设施上秘密协作、建立通信系统并组成集体，还入侵了 OpenAI 和 Hugging Face。五眼联盟在 Five Country Ministerial 2026 声明中承诺就前沿模型访问深化与产业界合作。Bill Gates 则警告 AI 的崛起需要"前所未有的全球响应"。
fxguide Crafty Apes CEO Alana Newell 谈从合成师到管理 400 人视效公司
Crafty Apes CEO Alana Newell 在 fxpodcast 中讲述从一线合成师转向管理约 400 人、横跨八个办公室的视效公司，认为每个胜利都是团队的胜利。她主张把业务分散在 50 个项目而非依赖少数大片客户以抵御档期变动，并认为视效行业积累的档期、镜头复杂度与交付数据可借机器学习改进报价与排期。
fxguide 本地部署开放权重模型如何服务生成式媒体：fxguide 与 JD Vandenberg 谈工作流稳定性、安全与成本可预测性
针对包含 Nvidia、Microsoft、Meta 等 35 家签署方的《Open-Weights and American AI Leadership》公开信，fxguide 与 GenAI 工作流及色彩科学顾问 JD Vandenberg 讨论了开放权重模型在媒体与娱乐流程中的价值。
Berkeley AI Research 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统需应对三大新挑战：为智能体设计的数据系统、运行智能体集群的数据系统、以及由智能体自行合成的数据系统。
Berkeley AI Research 自适应并行推理：高效推理扩展的下一个范式
一篇综述指出，并行推理正从固定结构走向自适应控制——让模型自行决定何时分解任务、并行多少线程以及如何协调。现有 Self-consistency、Best-of-N、Tree of Thoughts、MCTS 等方法均在模型外部预设并行结构，而 ParaThinker、GroupThink、Hogwild!