📡 每日 AI 信号

OpenAI 于 8 月 6 日在官方博文中披露，ChatGPT 月活跃用户已突破 10 亿，并指出这一规模在 7 月的周活指标中已提前达到，显示出极高的用户粘性和使用频次。几乎同一时间，Google CEO 桑达尔·皮查伊宣布 Gemini 月活同样跨越 10 亿门槛，并将其称为 Google 历史上增长最快的产品——作为对比，今年 2 月 Gemini 的月活还只有 7.5 亿，半年内增长超过 33%，斜率明显高于行业此前预期。两款产品来自直接竞争的 AI 巨头，却在相近时间点抵达同一量级，意味着生成式 AI 助手已从早期尝鲜阶段进入大众主流市场，10 亿月活也成为衡量消费级 AI 影响力的新基准线。这一里程碑会进一步重塑广告、搜索、办公协作等场景的竞争格局，并加剧双方在模型能力、生态接入和商业化路径上的全面对垒。

英伟达宣布与阿波罗、黑石、贝莱德、Brookfield、高盛、KKR六家全球顶级资产管理与投行机构达成合作，共同建立独立融资平台，目标在未来数年内累计调动逾5000亿美元第三方资本，用于支持AI基础设施建设。这一规模相当于全球年度半导体产业营收的数倍，也远超以往任何单一科技公司的算力投资体量。从结构上看，英伟达本身并非出资主体，而是以芯片供应方、技术标准制定方和生态组织者身份参与，真正承担资金风险的是上述金融机构的资产负债表，其融资模式独立于英伟达运营之外。此举的核心意义在于AI算力首次被系统性打包为可投资、可证券化的基础设施资产类别，使此前由超大型科技企业以资本开支方式独自承担的重资产投入，转为由全球资本市场分散承担。短期内将加速全球数据中心、GPU集群与电力网络的扩张，长期则可能重塑AI产业链的价值分配格局：芯片厂商主导技术路线，金融机构掌握资本杠杆，而传统云厂商的算力定价权与项目优先级或将受到新的资金供给关系影响。

谷歌联合创始人谢尔盖·布林近期亲自接管旗下大模型项目Gemini的研发管理，介入原因在于内部算力分配存在严重内耗，资源在不同团队之间争夺与重复消耗，直接拖慢了整体研发节奏。在此背景下，原计划中的下一代模型Gemini 3.5 Pro已被正式取消，Gemini未来版本路线图随之面临重大调整，多个既定时间节点与功能规划可能需要重新排布。布林的回归反映出谷歌高层对当前AI竞争节奏的紧迫判断，也意味着这家科技巨头正在以更高层级的协调方式，集中算力与研发力量，避免内部组织摩擦持续消耗资源。这次调整发生在全球大模型竞争加剧的关键阶段，路线图的变动不仅影响Gemini自身的迭代速度，也关系到谷歌在AI产品生态、开发者预期以及与主要对手竞争中的下一步布局，同时凸显出大型科技公司在前沿AI项目中普遍面临的资源治理难题。

针对零基础用户半天上手AI的诉求，这套12步流程将学习路径拆解为硬件准备、工具订阅、任务沟通、需求澄清和经验沉淀五个阶段：先用一台不低于16G内存的电脑作为运行基础，订阅ChatGPT并安装Codex或使用WorkBuddy作为执行入口，再借助语音输入法按【背景、痛点、需求】三段式结构向AI交代任务，让模型在理解模糊意图前先主动发问澄清，必要时直接投喂文件由AI生成成品，最后把验证有效的流程固化为可复用的Skill。其中明确给出模型选型建议——Codex首选GPT-5.6 Sol最高档、WorkBuddy搭配Kimi K3。该流程的意义在于把零散提示词技巧整合为一条面向小白的标准化上手路径，强调以对话澄清替代一次性投喂、用Skill固化降低重复沟通成本，可帮助无技术背景的用户在半天内跨过工具门槛，但也提示读者注意高内存硬件和顶级模型的订阅成本门槛。

Brad Lightcap在OpenAI工作八年后正式宣布离职，此前他担任公司特别项目负责人，并曾长期出任首席运营官一职。他通过一篇发布在X平台上的内部备忘录向同事传达了这一决定，并透露自己将开启"新的事业"。Lightcap是OpenAI早期核心管理层成员之一，在公司从非营利研究实验室转型为全球估值最高的AI公司之一的过程中扮演了关键角色，曾深度参与运营、产品落地及战略合作等多项业务。他的离开延续了OpenAI近一年来管理层持续动荡的趋势，此前已有包括Mira Murati、Ilya Sutskever、Andrej Karpathy在内的多位高管和技术领军人物相继离职。在公司正大力推进企业级AI产品商业化、深化与微软等合作伙伴关系、并面临日益激烈的全球竞争之际，Lightcap的离开再次引发外界对这家头部AI实验室领导层稳定性、战略连续性以及核心人才保留能力的关注。

OpenAI 已开始在美国地区的 ChatGPT 免费版（Free）及 Go 订阅层级中测试广告展示，用以支撑免费用户继续使用产品，付费的 Plus 与 Pro 用户不受影响。广告将以独立信息流的形式呈现在回答底部及对话间隙，位置固定且明确标注为"赞助内容"或"推广"，不会嵌入回复正文，也不得干预模型生成结果，OpenAI 表示将持续监测以确保回答独立性与事实准确性不受影响。在隐私层面，OpenAI 强调不会向广告主分享用户的对话内容，仅使用上下文关键词、年龄、所在国家/地区等粗粒度信号进行匹配，并将对话明文存储期限延长至 30 天以支撑审核与衡量。账户设置中也将提供"不将我的数据用于广告"的开关供用户关闭。此举被普遍视为 OpenAI 在订阅之外探索规模化营收的关键一步，背景在于公司面临训练与推理的高昂算力开支，以及此前公布的庞大基础设施投资计划；同时也再度引发业界对 AI 助手内容中立性、用户信任以及广告与生成式 AI 结合边界的讨论。

阿里云宣布灵骏真武M890超节点实例正式上线，并在内蒙古乌兰察布地域首批开售，企业客户可在云端开通64卡高速互联算力单元，无需自建机房。该实例是国内首个成功运行超2万亿参数大模型的超节点算力形态，最高可承载十万亿参数级MoE大模型推理。技术上，M890支持FP8与FP4低精度计算，借助自研ICN Switch 1.0芯片，将Scale-up互联规模由16卡扩展至64卡，卡间互联带宽达800GB/s，在智能驾驶、具身智能等训练场景下，相比上一代真武810E性能提升约3倍。Kimi K3与Qwen3.8-Max两款模型已基于该实例对外提供服务。落地层面，乌兰察布作为阿里云五大超级数据中心之一，绿电占比约90%，同时采用全模块化设计，整体模块化率达90%，可显著缩短交付周期，并支持至少三代芯片迭代。阿里云计划未来将模块化数据中心的全球产能提升两倍以上，超节点实例也将逐步在其他地域上线。

Google 近日发布了其医疗 AI 系统 AMIE（Articulate Medical Intelligence Explorer）的最新研究进展，首次在模拟临床环境中展示实时视频问诊能力。AMIE 基于大语言模型构建，并经过医学推理、多模态理解以及医患沟通行为的专门优化，能够在视频问诊中同步解析患者的语音、面部表情与体态信息，生成结构化的问诊思路、鉴别诊断建议与检查方案。此次研究采用对照试验设计，由经过训练的患者演员扮演标准化病例，对比 AMIE 与真人医生在病史采集、诊断准确性、共情表达及沟通清晰度等维度的表现，结果显示 AMIE 在诊断准确性与信息完整性上与执业医生相当，并在共情沟通方面获得更高评价。需要指出的是，该研究全程在受控模拟环境下完成，并不等同于真实临床部署，AMIE 也尚未获得任何医疗监管机构的诊疗资质。Google 强调，这一工作旨在探索生成式 AI 在医疗可及性、医疗资源短缺地区的辅助应用，以及为未来的人机协同诊疗奠定基础，但距离真正进入临床仍有安全性、伦理与监管层面的多重挑战需要克服。

放射学视觉语言模型长期以"生成报告"为主要目标，但临床医生真正需要的是可直接辅助决策的可信结果。微软研究院此次发布的 CARE-X 正是在这一方向上的尝试：它把针对胸片的影像理解作为一个统一框架来处理，核心由三项机制构成——辅助监督用于在训练阶段补充与临床相关的监督信号，奖励对齐学习让模型输出更贴近真实诊断效用而非单纯的描述相似度，工具增强测量则把模型生成的判断与可量化的测量工具结合，使结果更接近可复核、可验证的临床推理。微软强调，研究目标并非追求更高的报告生成分数，而是让模型具备推理、校准预测和定量测量的能力，向"可被医生真正使用"的放射学 AI 靠拢。这一思路影响在于：把评估重点从语言层面拉回临床效用层面，并示范了如何把工具调用引入医学多模态模型，为后续相关系统的设计与评测提供了新的范式参考。

ACE（Agentic Context Engineering）旨在通过持续更新上下文让大模型在多轮任务中保持表现，但传统方案往往依赖长篇上下文与大量 tokens，推理成本高且扩展困难。Hugging Face 提出了一种更高效的实现路径，其核心思路是在上下文工程阶段对信息进行更精细的筛选与重组，使模型只需显著更少的 tokens 就能达到与原有 ACE 方法相当的效果。在具体做法上，团队关注如何在保留关键策略、成功经验和失败教训的同时压缩冗余内容，让上下文窗口的使用更紧凑；实验显示，在多个 agentic 任务上，减少 tokens 后的方案仍能稳定维持原有性能水平，甚至在某些场景下对计算开销的下降更为明显。这一改进的意义在于，token 用量直接关联推理时的显存占用与算力消耗，更短的上下文意味着更低的部署成本和更快的响应速度，对长程任务和多 agent 协作尤为关键，同时也有助于把上下文工程从研究演示推向可以大规模落地的工程方案。