📡 每日 AI 信号

7月27日，月之暗面正式开源2.8万亿参数Kimi K3模型，涵盖权重、技术报告及MoonEP等关键基础设施。作为当前规模最大的开源模型，Kimi K3采用KDA混合线性注意力机制，原生支持视觉理解并拥有百万Token上下文窗口。其通过Stable LatentMoE框架将稀疏度扩展至896选16，结合训练优化使扩展效率较前代提升约2.5倍，显著增强算力转化能力。该模型在长程编码、大型代码库处理及视觉推理任务中表现强劲，具备极少人工监督下完成长时间工程任务的能力。此举不仅刷新了开源模型规模上限，更展示了通过架构创新高效提升模型智能的新路径，对推动开源大模型技术演进具有重要影响。

亚马逊正对其 AI 战略进行大规模重组，逐步停止开发 Nova Premier、Omni、Reel 视频生成及 Canvas 图像生成等多款自研模型，相关团队转入仅维护现有客户的 KTLO 状态，不再获得重点研发投入。公司将释放出的工程师与算力资源集中倾注到一项由研究员 Pieter Abbeel 负责的全新前沿模型项目，旨在缩小与顶级 AI 模型之间的差距。这是亚马逊在一周内连续出手的第二次重大调整，此前公司已对通用人工智能部门实施裁员，并解散了 2024 年由 AI 初创公司 Adept 核心团队组建的 AGI Lab。从多线并进转向单点聚焦，反映出亚马逊意识到在算力和人才高度稀缺的当下，资源分散已难以支撑其与 OpenAI、Anthropic、Google 等头部对手的竞争；放弃多个细分模型、把赌注压在统一的前沿大模型上，是其押注下一阶段生成式 AI 话语权的关键一步，但也将使其在图像、视频等垂直场景短期内失去自研产品支撑。

Meta与全球最大资管机构贝莱德宣布成立合资企业，共同开发并持有位于美国得克萨斯州埃尔帕索的一座超大规模数据中心园区，资金规模约140亿美元。该项目是Meta"Meta Compute"基础设施战略落地的关键一环，意在将其超过15年的数据中心自建与运营能力，与资本合作伙伴的资金和融资经验绑定，以满足长期AI战略对建设速度和规模灵活性的需求。贝莱德方面将由其全球基础设施合伙公司（GIP）和HPS Investment Partners提供大规模资金支持，贝莱德还将贡献基础设施投资与私募融资经验，帮助项目快速推进。Meta强调此次合作是在经过激烈竞争性遴选后才选定贝莱德，体现了其在扩大AI算力规模过程中对融资渠道多元化和建设节奏的审慎考量。扎克伯格表示，建设支撑超级智能的基础设施是确保该技术惠及所有人的关键，与贝莱德CEO拉里·芬克的合作将帮助Meta以更快速度和更大规模推进这一目标。该交易标志着Meta进一步打破完全自建数据中心的传统模式，借力外部资本加速AI算力扩张，同时凸显华尔街顶级资管机构正深度切入超大规模AI基础设施浪潮，未来此类AI算力资产或将成为私募与基建基金的重要配置方向。

Anthropic 仅用一名工程师，便让 Claude 模型在周末自动适配并跑通 AMD MI355X 机架，全程无需人工修改代码。这一高效跨平台适配大幅降低了技术门槛，对英伟达长达二十年的 CUDA 生态壁垒构成实质性挑战。AMD 首席执行官苏姿丰对此表示惊讶，并证实 Anthropic 团队已独立完成全部调试工作。随后双方宣布在 AMD Helios 系统中部署最高 2GW 的 Instinct GPU，首批 1GW 计划于 2027 年上半年启动，并直接使用 Claude 优化系统性能。此举不仅验证了 AI 模型在异构硬件适配中的自动化潜力，更标志着算力基础设施多元化趋势加速，有望打破英伟达在高端 AI 训练领域的长期垄断，重塑全球半导体与人工智能产业链的竞争格局。

英伟达宣布对OpenAI联合创始人伊尔亚·苏茨克维创立的安全超智能实验室SSI进行实质性投资，具体金额未披露。根据协议，SSI将获得大量英伟达旗舰级GPU，使其算力资源预计提升一个数量级，此前该实验室主要依赖谷歌TPU芯片。此举标志着英伟达持续扩展其算力生态版图，继今年3月投资前OpenAI CTO米拉·穆拉蒂创立的Thinking Machines Lab后，再次通过硬件支持绑定顶尖AI初创团队。SSI致力于研发不威胁人类的安全超智能，此次合作不仅强化了英伟达在高端AI算力市场的统治地位，也反映了科技巨头对前沿AI安全研究及生态控制的战略重视，进一步加剧了AI基础设施领域的竞争格局。

扩散模型长期受限于其逐步去噪的生成方式，难以胜任需要长程规划与多步决策的智能体任务，传统自回归语言模型一直是该领域的主流架构。近日，研究团队推出全球首个面向Agent场景的扩散模型，标志着扩散范式正式打通长程智能体任务。该模型支持长达128K token的上下文窗口，并具备"边执行、边纠错"的能力——即在行动序列生成过程中持续发现并修正错误，而非等到完整输出后再做后处理。关键性能数据显示，在多项Agent基准测试中，该扩散模型与同等规模的自回归模型效果持平，部分指标甚至略有领先，同时推理延迟更低。这项突破首次证明扩散模型在长序列决策任务中具备与自回归模型相当的竞争力，打破了后者在Agent系统中的垄断地位，为智能体技术路线提供了全新的架构选择，并有望降低长上下文场景下的推理成本与错误累积问题。

在 Y Combinator 创业学校演讲中，英伟达 CEO 黄仁勋反驳了外界关于"白领大屠杀"等 AI 导致大规模失业的悲观叙事，提出核心观点：AI 取代的是任务而非工作。他指出，每一份工作都由多项任务组成，例如客服人员接听电话、处理投诉并依据数据库回复，这类任务会被自动化替代，但工作本身仍然存在。以放射科医生为例，尽管 AI 阅片技术已相当成熟并被广泛采用，放射科岗位数量不降反增，原因在于 AI 提升了诊疗效率，使医院能接诊更多长期积压的患者。黄仁勋以软件工程行业进一步说明，许多程序员的工作已从亲自编写代码转向指导 Claude 等 AI 模型完成编码，本质上是工作内容的重新组合而非岗位消亡。事件背景上，Uber 此前以 AI 技术发展为依据裁减约 10% 客服员工，印证了客服等环节确实正在被替代。黄仁勋强调，这种叙事方向恰恰被说反了——AI 在消灭任务的同时，也在创造新的工作，并推动整个劳动力结构向更高价值方向迁移。

OpenAI发布最新研究揭示人工智能正在实质性地重塑职场工作边界。基于ChatGPT用户的实际使用数据分析显示，员工正跨越传统岗位职能限制，承担更多跨领域任务。这一现象表明AI并非简单替代特定工作，而是通过增强人类能力，推动职责范围向更广泛维度拓展。研究指出，这种跨职能工作模式的兴起，反映了人机协作正在改变劳动力市场的结构特征。该发现为理解AI对就业市场的深层影响提供了关键实证依据，提示企业和政策制定者需重新评估岗位设计、技能需求及职业发展路径。随着AI工具普及，传统职业界限日益模糊，未来职场将更强调复合型能力与灵活的任务分配机制，这对人力资源管理和教育体系提出了新的适应性要求。

菲尔兹奖颁奖现场，知名数学家陶哲轩公开警告数学正经历百年未有的新危机。该表态借助菲尔兹奖这一数学界最高荣誉的颁奖场合发出，引发学界广泛关注与讨论。陶哲轩本人在当代数学界具有极高声望，长期在调和分析、偏微分方程等多个核心领域作出奠基性贡献，并曾获菲尔兹奖，因此他对数学发展态势的判断在学术界具有风向标意义。此次他将当前所面临的问题描述为"百年未有"，暗示数学领域的基础研究范式、知识生产方式或人才教育体系，可能正处于一次深刻变革的临界点。值得注意的是，陶哲轩近年来深度参与人工智能辅助数学证明的实践，并公开肯定相关工具对数学研究的推动作用，这使得他的此次警告尤为值得关注——一方面他亲身经历着 AI 与数学融合所带来的研究效率提升，另一方面也看到这种变革背后可能潜藏的学科结构性挑战。该表态或许预示着数学界即将围绕研究方法、人才培养路径以及 AI 在数学中的角色定位展开新一轮反思与调整。

月之暗面发布视觉感知评测基准 PerceptionBench，针对当前多模态大模型普遍依赖语言推理弥补视觉短板、难以定位真实感知缺陷的问题，将视觉感知从既有评测体系中拆解为独立评估对象。该基准并未预先定义能力维度，而是系统梳理前沿模型在 42 个公开基准上的失败模式，从中归纳出 10 项原子级视觉感知能力，并据此构建了 3000 道经过人工验证的题目。题目设计强调单变量隔离：每题只考察一项能力，且答案可直接从图像中读取，无需外部知识或多步推理。与传统多模态基准不同，PerceptionBench 旨在把视觉感知能力从语言推理中剥离出来，使研究者能够精确识别模型在底层视觉任务上的具体薄弱环节，为模型改进和能力分析提供更细粒度的诊断依据，对推动多模态模型视觉能力的基础研究具有参考价值。