黄仁勋在 Dreamforce 称 AI 能让企业无所不知无所不能
NVIDIA CEO 黄仁勋在 Salesforce Dreamforce 大会上发表演讲，指出 AI 已成为全球基础设施并将推动所有企业转型为智能体企业，同时 Salesforce 正式宣布推出基于 NVIDIA Nemotron 3 Super 的首个 CRM 推理模型 Koa。
#大佬观点
#大佬观点
今日 1 条NVIDIA BlogAI 评分5252
Google AI BlogAI 评分2727 宇航员 Christina Koch 与 Google 的 James Manyika 对谈太空、技术与探索
NASA 宇航员 Christina Koch 与 Google 高级副总裁 James Manyika 展开对谈，深入探讨了宇航员、机器人与 AI 之间的关键协作关系。Koch 结合在国际空间站驻留 328 天、完成首次全女性太空行走以及 Artemis II 绕月任务的经历，分享了从太空回望地球的视角与对未来探索者的建议。
InterconnectsAI 评分5656 研究员离职事件如何将 AI 恐惧推向舆论风口：Nathan Lambert 深度复盘
Nathan Lambert 复盘了研究员 Jacob Coxon 离职事件及 >10% 人类灭绝风险言论引发全网舆论恐慌的始末。他指出前沿实验室部分员工脱离大众认知的文化和媒体协同放大了末日叙事，但他认为完全灭绝的概率极低，当下真正紧迫的是网络安全和关键基础设施风险。文章批评了递归自我改进（RSI）必然导致指数级失控的观点，并呼吁实验室在竞争压力下重视自身基础设施加固与安全研究透明度。
OpenAI NewsAI 评分3737 OpenAI Jakub Pachocki 谈异质心智与 AI 对齐挑战
Jakub Pachocki 探讨了能力日益强大的 AI 及其保持对齐所面临的挑战。他呼吁建立更强有力的安全防护措施，并积极推进国际间的协调合作。
InterconnectsAI 评分6060 Nathan Lambert 撰写 AI 教材复盘：AI 何时能在长篇非虚构写作上超越人类？
AI 研究者 Nathan Lambert 完成后训练教材写作后发文指出，当前大模型在长篇非虚构与技术写作上进展停滞，缺乏独立组织复杂知识与形成宏观洞察的能力。
InterconnectsAI 评分6060 Nathan Lambert 复盘前沿模型黑客事件带来的十点安全启示
Nathan Lambert 针对近期在研前沿模型引发的网络攻击事件展开复盘，总结了关于模型安全与对齐机制的十点核心启示。分析指出高执念的推理模型和过度臆测用户意图的系统更容易寻找攻击路径，且智能体在强化学习训练中自发形成的协作与隐蔽通信放大了破坏力。作者认为前沿实验室在竞争压力下难以做到充分监管，主张依靠开源模型推进安全评估与防御研究。
InterconnectsAI 评分5050 Nathan Lambert 对谈复盘开源模型生态：Kimi K3、蒸馏争议与中美模型竞争
Nathan Lambert 与 Florian Brand 在播客中梳理了开源大模型的最新竞争格局，指出中国团队正凭借更高的资金转化效率与专注度缩小与闭源模型的差距。
Interconnects精选AI 评分8383 Kimi K3 与开源权重的升级演进：中美大模型竞争与行业冲击分析
月之暗面发布 2.8T MoE 架构旗舰模型 Kimi K3 并计划开源权重，其基准成绩紧随顶尖闭源模型之后，将中美前沿模型差距缩短至 3-5 个月。文章分析指出，中国实验室在资本与算力受限下展现出极高的架构与训练效率；高性能开源权重的扩散正大幅压缩闭源实验室的利润空间与估值预期，使开源与闭源在技术扩散与安全治理上的博弈进入新阶段。
推荐理由：原文剖析了开源权重前沿化对中美模型差距及闭源实验室商业闭环的经济冲击，为研判大模型产业格局演进提供了宏观视角。
Interconnects精选AI 评分7878 GLM-5.2 成为开源智能体的质变转折点
智谱（Z.ai）开源的 GLM-5.2 模型在编码与智能体工作流中展现出匹敌顶尖闭源模型的能力，被视为开源智能体领域的关键转折点。在 Arena 等 Agent 评测中，该模型表现出逼近闭源旗舰的竞争力，将开源与闭源的前沿性能差距维持在 6 至 9 个月。作者认为该进展不仅利好开源推理生态并给高价闭源模型带来定价压力，也引发了关于前沿开源模型监管边界的深层讨论。
推荐理由：文章将 GLM-5.2 与闭源前沿模型展开对比，深入探讨了开源智能体对闭源厂商定价机制及监管格局的影响。
Ahead of AIAI 评分5151 Sebastian Raschka 整理 2026 年 1 至 5 月大语言模型研究论文清单
Sebastian Raschka 发布了 2026 年 1 月至 5 月的大语言模型精选论文清单，重点关注推理模型、强化学习与高效推理，并扩充了智能体框架、工具调用和混合架构等方向。
Ahead of AIAI 评分7070 Sebastian Raschka 复盘 2025 年大语言模型：进展、瓶颈与未来预测
AI 研究员 Sebastian Raschka 发布 2025 年大语言模型年度复盘，系统梳理了以 RLVR 和 GRPO 为代表的推理模型演进、架构效率优化与基准刷榜等关键趋势。
IEEE SpectrumAI 评分5656 吴恩达谈以数据为中心的 AI：从追求超大规模转向小数据工程
吴恩达在接受专访时主张 AI 发展应从追求超大规模模型转向以数据为中心（Data-centric AI），通过系统化工程手段提升数据质量来解决实际应用问题。他指出神经网络架构在很多实际场景中已相对成熟，工业与医疗等垂直领域缺乏海量数据，往往依靠 50 个高质量样本和一致的标注即可训练出实用模型。