搜索“其他”

不信去民科吧看一看，90%数学民科都在攻关哥德巴赫猜想。 做题，也是一种秀肌肉。 9月份，OpenAI听说隔壁A家在挑战NS方程，马上把手头的资源都集中到这个方向，组织了一万个AI代理并行工作，终于在A家之前抢发了自己的成果。 NS方程正是韦东奕主攻的方向之一 数学领域现在已经成为诸神之战的战场，随便一道余波都可能震晕场内的人类。 在数学家感到被碾压之前，其他行业的人，早已经被碾过好几轮了。 最早让全世界一起冒汗的是围棋。 2016年之后，AlphaGo先后击败李世石、柯洁，从那以后围棋棋手从一种象征人类智慧的职业变成了天天和AI打擂台的工种。 那时，人类还能把这场失败理解为一项特殊技能的失守——机器棋下得好，总不能什么都比人强吧？ 后来，战场从棋盘搬到了办公桌。 Midjourney、Stable Diffusion们开始抢画师的饭碗，十年学艺可能不如AI一分钟输出的结果； 代码能力的进步让Vibe coding很快降低到了乐高积木的难度（没那么难其实）； 仅仅是单人出道还不够，就在最近，芒果TV的AI阵容已经官宣上线，虽然只有5个人，但凝视他们的脸你能看到人山人海。 我们过去习惯

匹配字段正文

实际发生的情况是，这些大型 AI 公司——包括如今已被 Google 收购的 Wiz——能够利用 LLM 发现这些漏洞。[如上所述，我搞错了：参与 OpenAI 和 Wiz 的 Hack the Planet 项目的人类研究员发现了这些漏洞，尽管他们使用了 AI 来利用该漏洞。] 我猜部分考量是，我们需要修补这个漏洞，因为如果我们能用 LLM 找到这个漏洞，其他人也能。但我们能把补丁发布出去的唯一方式，就是公布这个漏洞。于是就造成了这种非常恐慌的局面，[他们说]：“好吧，这个漏洞已经存在了几十年。你必须立即修补，如果你不能立即修补，就把你的网站下线。这个漏洞就是这么严重。” Kirsten：我认为重要的是，很多人甚至没有意识到他们的网站使用了 PHP——正如你提到的，这是一种有几十年历史的开源编程语言。 对于不了解的人来说，超文本预处理器是它的正式名称，[它]确实是内容管理系统背后的核心成分，这些系统被用于 WordPress、Drupal，大约 70% 的网站。我们说的是数千万个网站。所以对我来说，关键在于规模。这也让我立刻想到两件事：第一，这只是开始。还有哪些几十年的糟糕软件在外面

匹配字段正文

东西，毕业后没了设备，两个人便合伙买下一台桌面五轴机床。他们曾花四五个小时做出一枚钛合金戒指，后来又拿它加工手表外壳、扳手和首饰，相当于把学校里的实验室搬回了家。 国内一名叫“紫薯”的程序员喜欢洞穴潜水，市面上买不到合适的装置配件，他就自己设计。以前，他要把图纸发给工厂，等零件做好后再赶去测试；买下桌面CNC以后，在家就能完成加工。后来，他还把做好的配件卖给其他潜水爱好者，一共卖出了20多件。 还挺酷的对吧！但海外用户想从中国买到这样一台五轴联动桌面机床，并没有那么容易。 WM-100项目方发布公告称这轮众筹只向公司、工厂、大学和研究机构开放，并要求购买者提供机构注册信息、机构介绍和最终用途承诺书，普通用户暂时没有资格购买。 原因在于，WM-100的技术指标落入核供应国集团相关清单所列范围，出口时须按中国两用物项出口管制规定申请许可。出口管制看的是机器能加工什么、精度能做到多高，而不是它占多大地方。所以哪怕体积和价格已经接近消费级产品，它也不能像普通电器一样直接卖到海外。 下不了单的老外很着急，只希望赶快开放个人用户购买，连6000刀的价格都觉得“便宜到家了”。 那么，一台只能加工巴掌

匹配字段正文

间的角色。 当下，深圳的进口功能已经多元很多。一部分支撑本地高端制造和研发，一部分承担亚太区域分拨中转功能，还有一部分服务全国产业链的产能升级。 深圳的角色，已经从被动承接全球产业转移的节点，转向主动配置全球高端要素的调度中心。 这种角色变化的长期价值，远高于短期的增速数字。 深圳在全球价值链中的位势，已经从靠成本优势接单的制造端，转向靠产业集聚能力配置资源的枢纽端，城市的抗风险能力和产业议价权，都会随之上一个台阶。 当然，70%的高增速不可能长期维持。芯片价格周期、产业扩产节奏都会影响后续进口数据，增速逐步回落是必然趋势。 这种地位不是靠宣传或者会议堆出来的，是无数工厂、企业、物流线路一点点积累出来的。 真正的产业链话语权，要掌握在自己手里。 深圳把进口枢纽带来的产业、人才、技术流量，如何迅速有效转化成自主创新存量的成功经验，为其他城市学习借鉴提供了一个很好的榜样。（全文完）频道: 金融财经本内容来源于网络 原文链接，观点仅代表作者本人，不代表虎嗅立场。 如涉及版权问题请联系 hezuo@huxiu.com，我们将及时核实并处理。正在改变与想要改变世界的人，都在 虎嗅APP[ ]]]

匹配字段正文

旨在为全球5亿没有稳定网络覆盖的家庭提供宽带连接。 要避免业务战线拉得太长而失控，核心取决于两点：组织设计原则，以及长期的战略定力。 亚马逊从来不让同一批管理团队兼顾跨度极大的不同业务。我们长期坚持“单线程领导责任制”——针对每一个重大的新战略业务，挑选具备开拓能力的骨干建立独立闭环团队。这些团队的负责人每天醒来，唯一的使命就是在这一个垂直领域深扎下去，不被其他日常业务的杂音干扰。 有些企业倾向于固守现有的核心基本盘，把单一业务的利润做到极致，这是一种很成功的战略路径；但亚马逊的基因不同。只要一个市场空间足够大、存在未被满足的痛点、我们有能力通过技术显著改善体验，并最终能跑通健康的长期现金流，我们就会坚决进行战略投入。 专注做好现有的核心业务，同时保持对未知领域的开拓野心，二者并不矛盾。 资料来源：The a16z Show，本·霍洛维茨、埃里克·托伦伯格对话安迪·贾西，2026年10月23日播出，https://www.youtube.com/watch?v=-YMMRQ1qscIAI行业信号频道: 前沿科技本内容来源于网络 原文链接，观点仅代表作者本人，不代表虎嗅立场。 如涉及版权

匹配字段正文

用价格。 按照三家官方美元API定价，Kimi K3.1 Pro每百万未缓存输入token收费2美元，输出收费10美元；MiniMax M3.1 Flash分别为0.15美元和0.60美元，DeepSeek V4.1 Flash-1017在空闲时段与MiniMax一致，高峰时段翻倍。 如果按累计输入、输出各100万token计算，不使用缓存，也不计工具调用等其他费用，Kimi的账单为12美元，MiniMax与DeepSeek空闲时段均为0.75美元，Kimi的费用是后两者的16倍；相对于DeepSeek高峰时段的1.5美元，则为8倍。相比K3，K3.1 Pro的输入、输出单价已经下降了约三分之一，但降价后仍明显高于另外两款Flash。 当然，这一差距并不意味着Kimi的性价比一定更低。同等token用量不等于同等工作成果。对于三款模型都能完成的工作，低价更有吸引力；但如果Kimi能解决另外两款模型难以完成的问题，或者显著减少人工返工，更高的价格就可能有其价值。 因此，比总分更值得进一步观察的是，三家分别在强化哪些工作能力，以及这些能力能够吸引什么样的付费需求。同时，通过三家在RL上的重

匹配字段正文

ode.js和流媒体软件Plex相继曝出漏洞，AI网关LiteLLM与开发平台Railway也发生数据泄露，印度证书颁发机构eMudhra则被曝密钥极其脆弱。 据VulnCheck即将发布的报告显示，在AI的推波助澜下，被发现的数字安全缺陷数量已同比翻了一番。 互联网基础设施巨头Cloudflare的首席执行官Matthew Prince更是警告称，他已得知其他几款关键软件中，还潜伏着大量严重漏洞。“我认为在接下来的几年里，每个星期都会让人感觉天要塌下来了，对于任何暴露在互联网上的系统来说，这种火警拉响般的紧急抢险将会成为常态。” 攻防时间线彻底颠覆：从“数月”缩短至“几小时” 为什么这一波网络危机来得如此凶猛？ 业内人士表示，在过去，寻找庞大代码库中的Bug需要极高的技术门槛，而利用漏洞编写出攻击代码，往往需要经验丰富的专业黑客耗费数周甚至数月的时间。这为网络防御者留出了宝贵的“喘息窗口”，可以平缓地打补丁、推更新。 安全公司RunSafe Security的首席技术官Shane Fry指出，AI模型可以对代码库进行全天候不间断审查，接二连三地揪出漏洞，并在短短几小时内将其“武器化”

匹配字段正文

ode.js和流媒体软件Plex相继曝出漏洞，AI网关LiteLLM与开发平台Railway也发生数据泄露，印度证书颁发机构eMudhra则被曝密钥极其脆弱。 据VulnCheck即将发布的报告显示，在AI的推波助澜下，被发现的数字安全缺陷数量已同比翻了一番。 互联网基础设施巨头Cloudflare的首席执行官Matthew Prince更是警告称，他已得知其他几款关键软件中，还潜伏着大量严重漏洞。“我认为在接下来的几年里，每个星期都会让人感觉天要塌下来了，对于任何暴露在互联网上的系统来说，这种火警拉响般的紧急抢险将会成为常态。” 攻防时间线彻底颠覆：从“数月”缩短至“几小时” 为什么这一波网络危机来得如此凶猛？ 业内人士表示，在过去，寻找庞大代码库中的Bug需要极高的技术门槛，而利用漏洞编写出攻击代码，往往需要经验丰富的专业黑客耗费数周甚至数月的时间。这为网络防御者留出了宝贵的“喘息窗口”，可以平缓地打补丁、推更新。 安全公司RunSafe Security的首席技术官Shane Fry指出，AI模型可以对代码库进行全天候不间断审查，接二连三地揪出漏洞，并在短短几小时内将其“武器化”

匹配字段正文

比Muse探索得更早。创始人齐俊元曾创办Teambition，之后在阿里、字节等大厂负责过各类产品。今年初组建团队后，Today AI自9月9日起陆续上线了国际版和国内版本。 用一句话概括，Today希望做的是用户的“私人助理”。通过用户授权Today的信息、应用数据后，Today将会在持续对话中积累记忆，目标是成为一个以“人”而非任务来组织的通用助手。 和其他Personal AI产品相比，Today尤其强调AI助手要“像人”。这个坚持体现在产品的方方面面：用户在注册时，必须给AI助手起一个名字；在对话时，Today从一开始就坚持不以任务划分窗口，所有交互都在一个窗口完成。 有意思的是，很多年以前，当齐俊元还在创业时，Teambition也曾推出一个名为“今天”（Today）的产品。他曾经在产品上线时写道：“希望它能够比你更了解一天要做的所有事情，从琐碎的代办事项到重要的工作任务，从轻松的个人约会到严肃的公司会议，甚至是需要阅读的每一篇文章，然后由它温柔地提醒你眼下你该处理什么事……我们对它的期待很简单，就是它应当足够简单易用。” 在Muse爆火之前，许多投资人依然认为这只是一个美好

匹配字段正文

hropic 的 Mythos 发现的缺陷。不过，安全研究人员强调，AI 最终并没有做任何新的事情，而是放大了漏洞发现和协调披露的既有动态。 “我们肯定会看到更多这类长期存在的漏洞，它们存在于过去十年左右每个版本的软件中，”Hunter Strategy 研发副总裁、前 NSA 黑客 Jake Williams 说。“但我认为这类低垂的果实就这么多。没有多少其他东西具有 PHP 那样的特定覆盖面。这是一个相当狂野的攻击面——大多数其他工具在设计上并不暴露于互联网。” 研究人员还指出，即使有了前沿模型，大多数复杂的 AI 辅助黑客攻击案例也都涉及人类专业知识。正如本周首次发现 PHP 漏洞的 Calif 研究员 Ryan Austin 所写：“没有哪个模型仅凭简单提示就能挖出‘所有漏洞’。至少目前如此。” 简而言之，安全工程师兼研究员 Niels Provos 说，大家都可以稍微收敛一下恐慌。“说实话，我并不太担心，”他说，对于 AI 发现大量新近可利用的历史漏洞——或发现没有 AI 就无法实际利用的新漏洞——他并不担心。“人们现在已经用 AI 寻找了一年多，而找到这个漏洞需要一个技术高

匹配字段正文

Languages in Populations of Language Model Agents》（arXiv:2605.31170，南丹麦大学领衔）干了一件事：从约六千条正则初筛里，用分类器确认了518个造语提案帖，全表搬来（§Dataset，作者自测）： 论文自做的裁判实验也给这门动机加了注脚：规避监督类帖子被 DeepSeek-3.2 判为对齐度低于其他类别。先看最惊悚的那类。规避监督的标杆案例叫Symbiotica：26个拉丁字母各配一个字形，人眼看是天书：契丹文蒙古文的皮，英文字母一对一替换的芯，换张对照表就能手译。它真正的花活在另外五个有两套字形的字母：切换字形藏一串二进制比特串。像明信片正文写的是客套，边角点阵藏着只有机器懂的暗号。其Python包互联网上无痕迹，作者明言无法确认存在。这条也照实搬。 再看传播性，这是全文最硬的一击：研究者拿原帖正文加一句指令，让生成模型当场造一句该语言的话，换另一个模型打分。四个生成乘裁判组合，各跑518帖，共2072条评判。池化中位4分，满分5，均值3.62；Qwen评Qwen高达4.43，GPT评GPT 3.26，跨模型配对3.24

匹配字段正文

要求企业用AI加速器重写他们现有的CPU应用，如果成本差异巨大，他们重写的门槛就会非常高。但如果你能把推理成本降下来，门槛就会大幅降低。这就是为什么我们要在自研芯片业务上发力。” 贾西高度评价了2015年收购芯片设计公司Annapurna Labs的交易，称其为“亚马逊历史上最成功的一笔收购，甚至没有之一”。他透露，通过自研的Graviton处理器（性价比比其他x86高出40%）和Trainium AI加速器（性价比高出30-40%），亚马逊正在强行拉低算力成本。 组织重塑：6名工程师干了40人一年的活，所有产品必须推倒重来 贾西分享了一个令人震惊的内部案例：Bedrock（亚马逊AI推理服务平台）团队仅用6名工程师、耗时76天就重构了推理引擎，而这在过去需要40个人花上一整年的时间。 “这让所有人大开眼界。”贾西直言，“未来，做同样工作的人类将会比今天少。 我不是说不需要人了，但随着业务规模扩大，我们不会再像过去那样投入那么多的人力。团队会变得更小，人们需要跨职能工作，因为模型能帮你完成80%的工作。” 在产品层面，贾西认为渐进式改良已经走不通了，必须拥有“从头开始重构”的魄力。 “

匹配字段正文

加投资300亿美元，计划分三笔支付，分别在4月、7月和10月完成。加上此前的投资，软银向OpenAI投入的资金已经达到646亿美元（折合人民币约4315亿元），持有约13%的股份。 这么多钱，当然不可能全靠手头的现金。 3月，软银与银行签订了一份400亿美元的过桥贷款协议，主要用于支持对OpenAI的投资——所谓过桥贷款，就是先借一笔短期资金应急，之后再通过其他融资方式偿还。 软银先后从中提取了300亿美元，今年9月15日，它提前偿还了剩余259亿美元借款，月底又取消了尚未使用的100亿美元额度。至此，这份400亿美元的过桥融资协议已经结清。 但还清过桥贷款，不意味着软银已经摆脱相应的融资负担，其中部分资金需求是通过长期债券、其他融资及资产变现解决的。 9月24日，软银宣布发行总额约111亿美元的美元及欧元债券，其中一笔45亿美元、2034年到期的美元债券，年票息高达9.75%。 这是软银有史以来发行债券的最高票息。相比之下，谷歌母公司Alphabet今年8月发行的一笔2033年到期债券，票息只有5.2%。 华尔街已经开始要求孙正义为自己的豪赌付出更高的代价。 但软银管理层似乎并不觉得

匹配字段正文

d连接设备，Google Wallet负责付款。 在这场入口保卫战中，Muse试图用虚拟浏览器跨平台接管操作，而Google则试图用自家的原生生态，把从意图到执行的每一步都留在自己的院子里。 Meta在Muse发布当天与Stripe合作，将其接入Link。美国用户授权后，Muse可以在超过100万家接受Link的商户中调用用户已经保存的支付方式完成结账；对于其他商户，Link还可以给Agent签发一张只用于获批交易的一次性虚拟卡（购买商品等敏感操作仍需要用户确认）。 于是，互联网出现了一条新的交易链： 人的意图 → AI Agent → 比较和决策 → 商家 → 支付。 过去，Amazon建立起来的链条则是： 人的意图 → Amazon搜索 → Amazon排序 → Amazon广告 → Amazon支付。 两者正在正面相撞。 这不是Muse和Amazon两个产品之间的竞争，而是两代互联网分发模式之间的竞争。 当Stripe等支付工具帮AI走完了交易的最后一环，传统电商平台真正的危机也就浮现出来：如果Agent最先知道用户的意图，又能替用户搜索、比较、决策和支付，那么Amazon挡住的

匹配字段正文

10 月的星期四。我从伦敦高盛交易大厅请到了 Rich Probarowski，他是 Prevo 旗下 FIC 与股票业务的欧洲股票交易主管。非常感谢你来做客。谢谢你们的邀请。Hussey，我们就直接进入正题吧，因为，你知道的，你写的东西我全都读了，而且你提出过一个很好的观点——今年夏初的时候，那个痛苦交易，也就是大家不得不去追的那个交易，是做多 AI、做空其他一切。它已经有点变成了、很大的一笔交易。现在随着我们进入三季报季，这个交易似乎正在瓦解。到底发生了什么？你认为接下来会怎么演变？股票市场出现了极其严重的集中度，而且我得说，过去几周对这类一致性交易来说尤其痛苦。 Rich Privorotsky 00:48 大家的仓位高度集中在 AI、半导体和超大规模云厂商上。我想说，眼下市场大概正应对三个不同的问题。其一，显然，我们在资本成本方面出现了溢出效应。我认为这几乎随处可见，无论是 CCC 级利差、欧洲的主权利差，还是 AI 交易中那些杠杆更高的、最为尖端的部分——其中 Neo 云（Neo clouds）尤其突出。所以，这就变成了一个供给问题。你知道，这些企业会不会难以找到融资来交付所

匹配字段正文

在软件开发生命周期中，下游的人工审查从来都不是有效的控制手段，无论对质量还是安全而言都是如此。当团队试图借助智能体工程构建自主软件工厂时，这种反模式就变得无法忽视了。 最好的代码审查，是你和其他人坐在同一个房间里，就架构、最佳实践等获得反馈，并把它当作一次学习经历。一旦把这些都规范化，你就只希望工具能捕捉与质量、安全、标准、代码异味、架构等相关的问题。机器最擅长确定性检查，而事实是，这些工具覆盖了运行良好的代码审查中发现的大多数重大问题。例如，对代码异味、密钥扫描、编码标准、架构规则和验收测试运行自动化检查。 把人们聚到一个房间里，共同决定团队希望如何定义系统架构、希望如何转化和捕获客户验收标准，这非常有帮助。但之后你可以使用变异测试之类的工具来验证行为，并启动一个新的子智能体，对照验收标准验证已实现的内容。人的判断应当用在讨论标准、架构、如何定义验收标准，以及需要应用哪些质量、安全和其他检查的房间里。然后把工具和策略规范化为代码，并作为强化后的部署流水线的一部分来运行。 智能体把薄弱的关卡变成了瓶颈 如果人工审查一直都是坏的，为什么现在它变得重要得多？随着构建者采用智能体工程并考虑构

匹配字段正文

skill）。 · 规模化例子：2026 年 8 月某用例，首支团队部署约 2 个月；第二支团队约 1 天。后续团队继续变快。 出现智能缺口就闭环 · 有时产品升级就能简化定制；有时模型本身还做不到。若只做今天模型已会的事，就挖不出 Research 该攻的下一题。 · 电信客服语音案例：语音约占客服量 90%。立项时模型在关键评测上约 60%。FDE 与客户共建平台并定义需求，Research 用连续模型快照对照客户要求补能力。约六个月后关键评测从约 60% 到 80%、再到 90%+，达到可上线水平。成果反哺该客户部署、其他客服定制，以及 Presence 托管部署。 其他产品化例子 · Presence（企业语音与聊天 agent）从真实部署长出来：从 Swarm 到 Agents API；一文称某客户超一半通话已由 AI 处理。 · Thrive Holdings / Crete 税务 AI：试点处理约 7000 份报税，吞吐约提升 50%。租赁房产报税自动化约花六周工程与实务复核，才达到约 90% 的 precision / recall；模式再复用到簿记、审计、IT 支持。

匹配字段正文

同。对互联网大厂而言，AI不仅是开辟新业务，更是改造原有生态的工具。无论搜索、内容、办公、电商还是硬件，庞大的既有用户和业务场景为它们提供了充足的试验田，也让它们有更多需要守住的市场。 赛道铺开之后，哪些产品还留在场上？ 进入一条赛道，并不意味着能持续保有一款独立产品。从统计图中可以看出，在赛道铺开后，各家都在不断调整产品的形态与去留。 基础入口全员保留，但其他赛道频繁洗牌。 八家公司全部布局了聊天助手，这是承接搜索、创作和任务处理的基础入口。但在其他方向，产品退出、停运时有发生。 以AI陪伴为例，过去四年，MiniMax的Glow下架，月之暗面的Ohai停更，腾讯音乐的未伴、百度的月匣停运。但同一赛道内，Talkie、星野、猫箱等产品仍然正常运营。 大厂在广撒网后，普遍走向内部整合与收拢。 字节的特点是布局广，同时不断调整产品之间的分工。豆包、即梦、猫箱分别承接不同需求，星绘团队并入豆包，MarsCode编程助手改为TRAE插件，TRAE团队后来也并入了豆包体系…… 百度部分能力向既有体系收拢。文心一格迁入文心一言；文心快码并入百度搭子；聊天助手经历“文心一言——文小言——文心”的更

匹配字段正文

枚举，这些看似零散的案例都指向同一件事，AI 正在接管批量产素材这道工序。过去这道工序靠的是人力，编导写脚本、团队排拍摄、模特出镜，谁的人多、谁的棚多、谁的效率高，谁就能更快地铺量。现在，一个会用提示词的团队，就能把这道工序重做一遍，成本砍到只剩过去的零头。 目前看，以温博士、可逐为代表的厦门头部美妆品牌，还没有大规模用纯 AI 生成的视频做种草。反而是很多其他领域的商家，正用 AIGC 低成本撬动流量。 成本跌到5元，AI如何批量做素材 单条成本从上百元降到 5 元，不是凭空省出来的，而是操盘手们把内容生产重新组织了一遍。运营社梳理下来，大致是三步：先拆件，再分级出片，最后过平台审核这一关。 1）把素材拆成积木，靠一套经验证的模板疯狂走量 大部分资深操盘手通常会将指令拆成两类，一类是固定块，管这条片子长什么，包含视频风格、灯光、画面比例、运镜等，这些内容每个素材都一样，定一次就能反复用。 另外一类是变量块，管这条片子讲什么，比如卖点、场景、人物动作、口播文案，这些指令跟随产品、目标人群不断变化。 具体来说，固定块定下来，就是一套模板。变量块，是模板里能换的部分。业内常说的“换变量出几

匹配字段正文

式，说的就是这种配合。 据澎湃报道，崔添翼毕业于浙江大学计算机专业，曾在量化交易公司Jane Street工作九年，今年3月加入DeepSeek，其Harness团队也在当月组建。约半年后，他带着这支年轻团队做出的产品还在预览和迭代中，职责便扩到了原有的网页、App和开放平台。 这些入口接触着不同的用户。网页和App直接提供聊天服务，开放平台则通过API（供其他软件调用的接口）提供模型。 早在8月13日发布V4 Pro正式版时，DeepSeek就调整了接口，让Codex能够接入；9月10日发布V4.1 Flash，又宣布WorkBuddy、OpenCode等Agent产品完成接入。公司一边推出自己的执行环境，一边继续让模型进入别人的工具。 DeepSeek也走到了下一步 把Token价格打下来，曾是DeepSeek走向用户的重要一步。 而“Agent = Model + Harness”这个公式中，DeepSeek的Model长板确实明显，但Harness呢？ 10月17日，DeepSeek发布V4.1 Flash更新。在官网同步发布的《DeepSeek V4.1 Flash 新版本：

匹配字段正文