围绕 GPT－4.5 的讨论显示，尽管其性能相比 GPT－4 有显著提升，但专家们对其规模扩展的程度存在分歧。 Gary Marcus 指出，GPT－4.5 原本是作为 GPT－5 设计的，其计算量和数据量远超 GPT－4，但实际扩展可能并未达到预期目标。 Shakeel 则强调，虽然模型规模有所扩大，但并非“迄今为止最大的模型”，且性能提升更多来自推理训练而非单纯的规模扩展。

双方争论的焦点在于扩展的“显著”程度——是 50 倍还是 100 倍？ Marcus 认为，即使 50 倍的扩展也足以证明其重要性，但 Shakeel 反驳称这并不支持“扩展已失去动力”的结论。

值得注意的是，GPT－5 的开发策略似乎转向了训练后优化（如

Anthropic 宣布完成 130 亿美元 F 轮融资，投后估值达到 1830 亿美元。这笔由 ICONIQ Capital 领投的融资使 Anthropic 成为历史上发展最快的科技公司之一，其年化收入已达 10 亿美元。 "仅用 8 个月就突破了 50 亿美元" 的业绩令人瞩目。

OpenAI 以 11 亿美元收购数据分析平台 Statsig，这是其史上最大收购之一。Statsig 创始人 Vijaye Raji 将加入 OpenAI 担任应用部门 CTO。与此同时，苹果机器人首席研究员 Jian Zhang 跳槽至 Meta，另有三位大语言模型专家离职加入 OpenAI 和 Anthropic。

智谱推出月费 20 元的 GLM 编码套餐，降低 AI 编码工具使用门槛。亚马逊发布 Lens Live 购物工具，通过实时视觉搜索增强购物体验。这些进展显示 AI 技术正加速渗透到各行业应用场景。 "Lens Live 不会取代亚马逊现有的视觉搜索工具，而是为其带来实时组件" ，体现了 AI 功能的叠加式发展。

从巨额融资到人才流动，再到产品创新，全球 AI 行业持续保持高速发展态势。头部企业的战略布局和市场竞争正在重塑行业格局，而应用层面的创新则让 AI 技术更广泛地触达普通用户。这些动态共同勾勒出 AI 领域蓬勃发展的现状。

谷歌近日发布了针对 nano banana（

其中的关键是，你要像讲故事一样写场景。 以写实摄影为例，模板要求用户像专业摄影师一样思考，详细描述机位、光线、镜头参数等要素。示例中展示了一张日本老陶艺家的特写肖像，通过精确描述皱纹、光线角度和背景虚化效果，最终生成极具质感的作品。

在商业应用方面，模板特别强调“商业感＝干净背景＋可控布光＋展示卖点的机位”。产品摄影示例演示了如何通过三点柔光箱布光来突出陶瓷咖啡杯的材质与线条，这种标准化方法能显著提升电商产品的展示效果。

对于设计类需求，教程提供了从 kawaii 风格贴纸到极简留白布局的具体方案。 “在这座城市，想守住秘密并不容易” 这样的叙事性旁白配合黑色电影风格的漫画分镜，展示了如何用 Prompt 构建完整的故事场景。

每个模板都附带示例代码，用户可以直接调用 API 实现批量生成。这套模板的价值在于将专业创作经验转化为可复制的标准化流程，即使没有设计背景的用户也能快速产出可用素材。从实际效果看，遵循模板指导生成的图片在细节表现和整体完成度上确实优于随意编写的 Prompt，特别适合需要稳定产出商业级内容的企业用户。

蒙特雷国际研究学院（MIIS）近日宣布将于 2027 年 6 月停止招收研究生。这所被誉为“翻译界的哈佛”的全球顶级学府，因招生人数持续下滑和财务困境被迫做出这一决定。学院目前仅有 440 名学生，不到最初目标的一半，每年亏损高达 2500 万美元。

“这纯粹是财务决定” ，明德学院校长 Ian Baucom 在公告中坦言。AI 翻译技术的快速发展是导致这一局面的重要因素。从谷歌翻译到 ChatGPT，AI 在翻译速度、准确度和成本上的优势日益明显。

微软研究报告显示，翻译岗位在 AI 可取代的职业中高居榜首。 “曾经，谷歌翻译的蹩脚译文让自动翻译的想法显得很可笑。如今，我再也笑不出来了” ，一位资深翻译从业者感叹道。

尽管 AI 翻译技术突飞猛进，专业人士指出其仍存在局限。MIIS 学生 Ismenia Miranda 表示，AI 在术语管理和特定场景下的翻译仍需人工干预。这提示我们，在 AI 时代，翻译教育可能需要转向培养更高阶的语言分析和跨文化沟通能力。

蒙特雷的困境不仅是一所学院的落幕，更是整个翻译行业转型的缩影。

语音分离技术旨在解决“鸡尾酒会问题”，即在复杂声学环境中分离目标语音。随着深度神经网络的发展，该领域取得显著进展。清华大学联合多所高校及企业团队，对 200 余篇代表性论文进行系统分析，形成全面综述。 “语音分离可以用于独立应用，在复杂的声学环境中提高语音清晰度” ，同时也可作为语音识别等任务的预处理方法。

研究团队从问题定义入手，区分已知与未知说话人数量的分离场景。对于固定人数场景，深度

模型架构演进是核心内容。从早期 RNN 模型到 CNN、Transformer 及混合架构，分离性能持续提升。Conv－TasNet 等时域

综述还指出当前挑战：长音频处理、移动端部署、实时性要求等实际问题仍需突破。生成式方法、预训练技术、目标说话人提取等新方向展现出潜力。该工作为研究者提供了领域发展全景图，对推动语音分离技术走向实用具有重要意义。

斑马智行近日向港交所递交招股书，这家由阿里和上汽共同成立的智能座舱企业估值达 220 亿元。作为国内少数具备自研车载操作系统的供应商，其搭载量三年增长 180％至 233.4 万台，市场份额达 7.8％。 “自研车载操作系统 ＋ AI 全栈方案” 的技术架构使其在竞争中脱颖而出。

然而，亮眼数据背后是持续恶化的财务表现。受汽车行业价格战影响，虽然搭载量上升，但单台软件价格从 964 元骤降至 353 元，降幅达 63％。过去三年收入始终徘徊在 8 亿元左右，净亏损每年均超 8 亿元。今年一季度更因资产减值计提 18.4 亿元，导致单季亏损突破 20 亿元。 “操作系统可能会越来越不值钱” 的判断反映了行业残酷现实。

智能座舱市场正从基础功能向 AI 驱动升级。目前主流产品处于 CL2 级（基础智能交互），而斑马智行重点布局的 CL3／CL4 级（情感化私人助理）需要持续投入。其研发费用从 2022 年 1.1 亿元激增至 2024 年 9.8 亿元，但客户集中度过高问题仍未解决，上汽集团贡献收入占比虽降至 38.8％，五大客户合计占比仍超 88％。

行业竞争格局加剧了盈利困境。传统 Tier1 供应商降价 30％抢占市场，科技公司推出 2000 元级低价方案。斑马智行系统级解决方案毛利率已从 54.4％下滑至 38.6％，在价格战与技术迭代的双重压力下，如何将技术优势转化为可持续的商业回报，成为其上市后亟待破解的核心命题。

宇树科技 9 月 2 日晚间发布声明，预计在 2025 年四季度向证券交易所提交 IPO 申请文件。这家成立于 2016 年的机器人企业目前四足机器人全球市场占有率超过 60％，人形机器人业务覆盖全球 50％以上国家和地区。 “宇树科技年度营收已超 10 亿元人民币，公司规模达到约 1000 人” ，创始人王兴兴在夏季达沃斯论坛上透露。

公司产品结构中，四足机器人、人形机器人及零部件分别占销售额的 65％、30％和 5％。其中 80％的四足机器人应用于科研、教育和消费领域，20％用于工业检测和消防。值得注意的是，宇树科技自 2020 年起连续保持盈利，这在机器人行业较为罕见。今年 6 月完成的 C 轮融资由腾讯、阿里等机构领投，估值超过 100 亿元。

在技术发展方面，王兴兴预测未来几年人形机器人行业出货量可能每年翻番。随着 IPO 文件提交，公司研发投入等关键数据将公开，这将为判断机器人行业实际发展水平提供重要参考。宇树科技近期还在世界人形机器人运动会上获得多项金牌，其格斗机器人 G1 也亮相 UFC 赛场。

针对此前曝出的 Go1 机器人安全漏洞，公司声明已更换第三方云服务密钥并关闭相关服务。 “如果想要机器人成为我们日常生活的一部分，安全和信任是基础” ，宇树科技在声明中强调。作为继优必选之后又一家冲刺上市的机器人企业，宇树科技的 IPO 进程备受行业关注。

Transformer 架构通过自注意力机制并行处理序列数据，成为 GPT、BERT 等大模型的基础。混合专家（MoE）系统通过动态激活子网络扩展模型规模，与 Transformer 结合实现计算效率与容量的平衡。 “MoE 常作为 Transformer 中 FFN 的替代，实现模型容量与计算效率的平衡” 展现了二者的互补关系。

在微调技术领域，LoRA 及其变种通过低秩矩阵适配大幅降低计算开销。VeRA 技术参数效率提升千倍，适合边缘设备；Delta－LoRA 则平衡参数更新与权重保护。这些技术推动了大模型在资源受限场景的应用，表格对比清晰呈现了各方案的优势与适用场景。

智能体系统从传统 RAG 升级为 Agentic RAG，实现动态检索与多跳推理。 “Agentic RAG 将 RAG 从「管道流程」升级为「自主决策系统」” 揭示了其本质突破。五种智能体模式覆盖从基础响应到自主规划的完整能力谱系，多智能体协作模式尤其适合复杂任务分解。

文本处理方面，五种分块策略针对不同场景优化信息提取。固定分块效率最高但可能割裂语义，LLM 动态分块最灵活但成本高昂。结构化分块精准匹配文档逻辑，递归分块平衡长度与语义完整性，为各类 NLP 任务提供基础支撑。

“觉察流”是一个由肆零柒运营的 AI 技术社区，致力于分享前沿技术动态和开源项目资源。 社群内容覆盖模型训练、RAG（检索增强生成）、AI Agent 等多个热门领域，并通过公众号和微信群提供交流平台。 “想看原文的朋友，可以在下面社群，找到我，已备好 PDF。” 社群成员可通过公众号菜单或私信回复“入群”加入讨论，获取技术文章 PDF 等资源。此外，公众号还提供多个专题订阅，如“模型训练”“AI 模型”“RAG 检索增强生成”等，方便读者按兴趣追踪内容。 社群定期发布技术综述和案例分析，例如《记忆即智能，无需微调 LLM》《从 3000 万到 1777.9 Token：LogicRAG 用动态逻辑图实现高效推理》等文章，探讨 AI 技术的最新进展。参考资料部分列出大量军事、经济领域的 AI 应用报告，扩展了技术讨论的边界。 这种模式既满足了技术爱好者的学习需求，也通过社群互动增强了信息的流动性与实践价值。对于关注 AI 发展的读者而言，“觉察流”提供了一个兼具深度与广度的交流空间。

Gary Marcus 在社交媒体上对 OpenAI 停止规模扩展的决定提出质疑，认为这暗示了规模扩展可能并未带来预期回报。他与网友 Pehdrew 就这一观点展开辩论，Marcus 坚持认为 OpenAI 的决策反映了规模扩展的收益递减，而 Pehdrew 则主张需要更多时间来验证扩展法则的有效性。

在另一条讨论中，Marcus 与 Alice＿comfy 等人就 OpenAI 的商业模式和推理效率问题进行了交流，双方一致认为 OpenAI 目前可能处于负利润率运营状态。Marcus 进一步指出，除非转向监控领域，否则 OpenAI 的商业模式难以持续。

在最新一轮融资中估值达 68 亿美元的 AI 公司 Cohere，其联合创始人 Nick Frosst 近日接受专访，清晰勾勒出企业级 AI 的差异化发展路径。这位曾在 Google Brain 任职的研究员直言不讳地表示：“不是 AGI，而是 ROI。不是神话，而是能不能干活。”这句话精准概括了 Cohere 的核心战略。

Cohere 的第一道护城河是可部署性。与追求消费级产品体验的同行不同，他们专注训练能直接接入企业系统的实用模型。 “我们不是在训练它成为令你惊叹的对话伙伴……我们是在训练它帮助你完成工作。” 这种定位使 Cohere 的模型能处理合同审批、报销流程等具体事务，且只需两个 GPU 即可运行，大幅降低企业部署门槛。

第二道护城河是创新的合成数据训练方法。Cohere 构建虚构公司环境，模拟真实业务流程训练 AI，而非依赖敏感的企业真实数据。 “合成数据的训练过程，起点仍是现实世界中的真实数据。” 这种方法既解决隐私问题，又确保模型掌握处理企业日常事务的核心能力。

第三道护城河是成本效益导向。Cohere 不参与模型性能排行榜竞争，而是聚焦企业实际需求。Nick 指出：“我们的客户没有一个人要求模型做数学推理。”这种务实态度使 Cohere 的模型在稳定性、数据安全和部署成本等企业真正关心的维度上建立优势。

68 亿美元的估值证明，解决实际问题比追求技术噱头更能获得市场认可。

当前 AI 生成软件面临的核心矛盾在于代码生成速度与测试效率的不匹配。AI 能在几分钟内生成完整电商网站，但开发者仍需花费数小时甚至数天手动测试每个功能。

你无法通过单一的代码审查或者静态评估，知道应用程序是否真正“能用”，直到你亲自去点击它、与它互动 ，这种低效模式严重制约了开发效率。

MetaGPT 推出的用户智能体采用“Agent－as－a－Judge”框架，包含 RealDevBench 数据集和 AppEvalPilot 评估系统。RealDevBench 包含 194 个开放式软件工程任务，覆盖显示、分析、游戏和数据四大领域。AppEvalPilot 则通过三阶段流程实现自动化测试：生成测试用例、执行交互操作、评估测试结果。该系统能模拟专业测试工程师的工作，完成表单填写、网页导航等复杂交互。

测试数据显示，AppEvalPilot 在测试用例级别准确性达到 0.92，与人工评分一致性为 0.81。相比传统静态评估方法，其评估

“我们要让测试验收像代码生成一样智能高效，彻底告别手动测试时代” ，项目负责人表示。这一突破意味着开发者可以将更多精力投入创新功能开发，而非重复性测试工作。

该技术由 DeepWisdom、复旦大学等顶尖机构联合研发，相关论文和开源代码已同步发布。这不仅是评测工具的改进，更代表了从人工测试向智能自治质控的范式转变，为 AI 生成软件的大规模应用提供了质量保障基础。

一场别开生面的 AI 技术推广活动在全国 30 个城市同步展开。参与者们以街头摆摊的形式，将人工智能技术转化为可触摸的互动体验。

上海陆家嘴数智港作为主会场，社区发起人 AJ 与众多技术爱好者共同探讨 AI 应用前景。 “社区是一个宝藏，这里既有大厂级别的大牛，也有像我这样的技术小白” ，武汉血友病患者阿蔡的感言道出了活动的包容性。

活动现场涌现出众多特色项目：上海开发者将 30 个智能体集成国学小程序，广州团队完成“AI 减脂营”商业闭环测试，长沙书法爱好者创造“智慧签语”互动游戏。

深圳的“神农 AI 识百草”项目通过与观众交流，意外拓展出药膳科普新方向。开源项目 AI 调香和 AI 手串在多个城市引发参与热潮，部分场地物料半小时内就被领取一空。

活动组织者特别提到，这种开放式交流形式能有效促进产品迭代。广州参与者刘鑫燕通过现场反馈快速优化方案，第二天即实现 5 单成交。技术传播不再局限于线上讨论或封闭开发，而是直接融入市井生活场景。

社区志愿者们在活动筹备中付出大量精力，确保各地会场顺利运转。作为系列活动的第 16 期，AI 切磋大会已形成每月末周日举办的惯例。从血友病患者到健身教练，从技术专家到普通爱好者，不同背景的参与者都在这个平台上找到了属于自己的技术表达方式。

活动组织方表示，这种接地气的技术推广模式将持续优化，让 AI 技术真正服务于日常生活需求。

大语言模型常因过度记忆训练数据而引发隐私和版权问题。马里兰大学、图宾根大学和马普所的研究团队提出“金鱼损失”方法，通过 “像金鱼一样，不去死记每一个细节” 的机制改善这一状况。该方法在损失函数计算时随机屏蔽部分 token，迫使模型学习语言规律而非具体内容。

金鱼损失采用基于哈希的掩码策略，确保相同文本段落每次训练时被屏蔽的 token 位置一致。这与传统 Dropout 有本质区别： “如果只是随机丢 token，模型累计几次就能拼凑出完整段落” 。实验中使用 LLaMA－2－7B 模型测试，在极端训练场景下，标准方法记忆了 100 篇文章中的 84 篇，而金鱼损失未记忆任何文章。

该方法的关键在于平衡遗忘与学习。研究人员发现，虽然模型需要更多数据补偿被屏蔽的 token，但 “金鱼损失模型、标准损失模型和对照模型之间的总体性能没有系统性差异” 。这意味着模型在减少记忆化的同时，仍能保持良好的语言理解和生成能力。这一成果为大模型训练提供了新的正则化思路，尤其适用于需要保护数据隐私的场景。

人工智能领域的专家们正在重新思考大语言模型（LLMs）的未来。Gary Marcus 指出，将 LLMs 视为更广泛人工智能架构中的一个组件，而非终极解决方案，这与他在 2018 年的观点一致。他强调，单纯依赖规模化（scaling）尚未实现通用人工智能（AGI）或超级智能，并呼吁基于认知科学的新思路来推动 AI 发展。

Jeff Jarvis 也分享了 Marcus 的文章，认为替代蛮力扩展的路径值得探索，尤其是考虑到当前扩展方式的成本、环境影响和局限性。Marcus 在《纽约时报》的文章中提出了三个源自认知科学的新想法，为 AI 的未来发展提供了方向。