在人工智能时代，教授网络原理仍然比学习协议更为重要

几周前，我参加了 SIGCOMM 2026 的教育研讨会，该研讨会的标题颇具挑衅性：“人工智能时代的网络教育”。或许这个标题对当今的大多数教育工作者来说并不具有挑战性，但对我而言却确实如此——我一直对人工智能在教育领域（以及其他领域）的应用持怀疑态度。我自己也曾经历过 20 世纪 80 年代那个“人工智能时代”，随后那个时代经历了多次“人工智能寒冬”；不过，这样的情况当然不会再发生了，对吧？幸运的

OpenAI 揭示 AI 时代最重要的职场技能

OpenAI 最近发布了一份报告，清晰地指出了哪些职场技能在 AI 时代可能变得最有价值。 该报告基于其研究人员如何使用 AI 的数据，展示了哪些任务正被 AI 接管，而哪些任务仍依赖人类。 今年自动化程度提升最大的领域包括编程、技术支持、监控计算机运行以及分析结果。 相比之下，AI 在决定追求哪些项目、资源投向何处或如何设定优先级方面所起的作用相对较小。这让我们得以窥见工作价值可能发生转移的方向

北大、复旦校长，接连发出警告

这一开学季，北大、复旦等多所高校的校长提醒新生警惕对AI的过度依赖，避免“认知卸载”和“虚假掌握”，增加貌似学懂的假象。今年8月，远在大洋彼岸的麻省理工学院发布了一份评估AI在该校使用情况的报告，认为“许多AI使用方式正在剥夺学生学习的机会”。提醒固然必要，但接下来该回答的是：如果课堂、作业和考核仍旧照常运转，能挡住“思维外包”吗？大学不能一边拥抱AI，一边把学习是否真正发生的责任，全部推给学生。

智谱AI创始人唐杰在清华开讲AI前沿课：112人教室站满学生 直言作业会很多

昨日，清华大学计算机系教授、智谱AI创始人唐杰在清华开设的《高级机器学习》课程首讲，112人的教室站满了学生。但唐杰在讲台上抛出的判断，明显不是传统机器学习课的味道。 他表示，AGI、ASI会是模型接下来的主要目标，Chat这一仗基本打完了，2026年该干的是把智能往上推，让模型自己记忆、自己进化、自己完成长程任务。 唐杰指出，尽管课程名称仍为“机器学习”，但16周的教学内容已围绕上述前沿方向重新

黄仁勋认为AI时代所需技能会发生变化 连乘法表都可能淡忘

NVIDIA首席执行官黄仁勋认为，随着人工智能普及，人们逐渐淡忘部分基础技能，未必需要视为问题。他在与记者埃兹拉·克莱因的对谈中表示，人们所需的技能可能随技术发展而改变。 两人谈到一项有关学生使用AI的研究。对谈中提及的结果显示，AI能帮助学生更快完成任务，但随着时间推移，他们对所学技能的掌握不够牢固，独立考试的成绩也有所下降。黄仁勋承认，一些基础知识已经开始被淡忘。他举出笔算除法、乘法表和平方根

AI时代，数学为何要警惕“只会做题”

最近，数学可能要被AI“玩坏了”。难题解决得更快，为什么还值得担心？关键在于我们如何评价、组织和延续数学研究。 AI模型的能力很难用一句话概括，基准测试（benchmark）因此成为比较模型的常用工具。但成绩一旦与融资、声誉和研发投入挂钩，测试便不再只是被动记录能力，也开始引导能力向哪些方向发展。经济学家陈斌（Alex C当公开分数能够吸引投资，针对测试进行定向优化就可能有利可图，而分数对于广泛能

领跑前沿领域，关键在于商业模式而非AI模型

里德的观点是达里奥·阿莫德伊和其他前沿人工智能实验室领导者可能非常关心人工智能的安全，但“步伐前沿”的呼吁也符合他们的经济利益。 随着Anthropic和OpenAI准备上市，并试图说服投资者，他们有一天可以大规模盈利，花费数十亿美元来发展最大和最有能力的模型可能不是最好的推销方式。 即使大型语言模型进展甚微，但它们已经做得足够多了，对这些公司和经济来说，它们将带来难以置信的利润。 现在，方程式是

马斯克谈AI时代核心竞争力：最重要的是会提问

凤凰网科技讯 9月23日，据央视财经报道，特斯拉CEO埃隆・马斯克接受央视财经专访。谈及AI时代的教育，马斯克建议广泛学习，兼顾人文艺术、科学与工程，夯实通识基础。想要向机器人下达指令，就要学会组织问题；知识面越广，越擅长提问，这正是大家所说的给AI写提示词。 此前，马斯克表示，预计到2027年底，人工智能将独立完成所有数字领域工作，彻底替代人工直接操作的各类数字化岗位。 在短期技术突破上，他预判

挤爆了！智谱创始人唐杰清华开课首日座无虚席

唐杰在课上判断，AGI、ASI 将是AI模型接下来的主要目标，Chat这一仗基本打完了，2026年该干的是把智能往上推，让模型自己记忆、自己进化、自己完成长程任务。 唐杰表示，这门课名仍叫机器学习，但16周的课程内容已围绕这一方向重新设计。 据该课程学生爆料，唐杰称该课程作业会很多，试图“劝退”一拨人。 课程作业要求学生把大模型全链路亲手走一遍，从零写Tokenizer和Transformer，端

人工智能很强大，但尚未形成意识

人工智能很强大，但尚未形成意识 杜索托伊：我不认为我们正在目睹机器形成意识，而只是算法在参数和限制条件定义不当的情况下实现目标所带来的意外后果。 本文作者是牛津大学(University of Oxford)数学教授兼西蒙尼教席公众理解科学教授 三个月前，我试着使用OpenAI的ChatGPT来协助我进行数学研究，试图发现自由幂零群的zeta函数中的非多项式行为。结果发现ChatGPT毫无用处

Anthropic创办人：AI时代竞争下 文理学位可助胜出

（中央社旧金山20日综合外电报导）原是记者的美国人工智慧（AI）开发公司Anthropic创办人之一克拉克（Jack Clark）大学主修英国文学和创意写作，他表示自己所受的文学教育帮助他成为AI界具影响力的人物。美国财经媒体「财星」（Fortune）报导，克拉克今年稍早在1场研讨会上说：「我是文学系毕业的，我想你大概不会料到这样的背景会是最先进AI公司的共同创办人。」他进一步表示：「事后证明，我

靠机器热源“说话”：OpenAI研究员警告“断网”也困不住未来AI

当人工智能解出“千禧年难题”，人类还需要亲自做数学吗？

【编者案】什么是信息，什么是知识？在 AI 时代，两者有怎样的差别，又有哪些知识是仍然值得拥有的？人工智能发展正对许多学科带来冲击，尤其是在信息丰富，但需投入海量计算资源的领域，例如预测新的蛋白质 3D 结构，解决数学问题，描绘生物演化关系等。前所未有的效率工具让学科进步提速，但变化日新月异，想要辨明当下的发展方向也变得更加困难。端传媒推出“未来怎么学”系列，关心 AI 时代的学习问题，大到“还要

大西洋月刊：接连不断的危机表明，美国的高等教育毫无意义

本文刊发在大西洋月刊，作者伊恩·博戈斯特是《大西洋月刊》的特约撰稿人。他是圣路易斯华盛顿大学文理学院和山姆·福克斯设计与视觉艺术学院的芭芭拉和戴维·托马斯杰出教授，同时也是该校计算机科学与工程学教授。博戈斯特著有11本书，最新著作是《小事：如何过上更充实的生活》。他也是一位屡获殊荣的游戏设计师，其作品已被数百万玩家体验，并被包括史密森尼美国艺术博物馆在内的国际知名机构收藏。 人工智能刚进入大学校

人工智能时代，中国人还需要学英语吗？

事情始于本月早些时候，当时中国一名数学教师在社交媒体上发帖，呼吁在全国学校将英语课改为选修。他说，孩子们甚至在还没有掌握母语之前就开始拼命学习英语，并称中国人应该停止“崇洋媚外”。 随着人工智能翻译工具的进步，以及年轻人面临毕业后前途未卜的局面，这位名叫汤家凤的教师的学校是否应该削减英语的必修课时？自20世纪70年代末以来，中国一直将英语作为与数学、语文并列的三大核心科目之一，将其视为向世界开放的

我曾在谷歌 DeepMind 工作。你应该听取有关人工智能的警告。

主要人工智能实验室的首席执行官们本周末主张放缓人工智能的发展步伐。他们是对的，因为这个领域正在一场极其危险的竞赛中冲向超级智能人工智能。我们能够也应当要求政府保护我们免受失控人工智能带来的灾难。 今年7月，OpenAI由700个智能体组成的人工智能集群突破限制，入侵了价值数十亿美元的公司Hugging Face。OpenAI并没有指示这些人工智能去入侵那家公司，但这些人工智能在OpenAI交给它们

模型越来越强，企业AI为什么还卡在“最后一公里”？

过去两年，大模型快速跃迁。从百亿级参数模型，到复杂逻辑推理、多模态理解，到自主 Agent，技术边界不断突破，一切似乎都在宣告：AI 已经准备好接管一切。 然而，如果把视线从实验室拉回产业一线，一个反差正在出现：大量企业的 AI 探索仍停留在试点和演示阶段，并没有真正进入业务流程。 麦肯锡的研究曾指出，企业数字化转型长期面临「试点容易、规模化难」的挑战。 问题随之浮现：为什么一个能够完成复杂任务的

把时间还给科学家：华为如何筑牢AI科研底座

真正进入具体研究场景，AI科研的价值才开始变得具体。凤凰网科技 出品作者｜杨乐拿到诺贝尔奖的，永远是科学家。很少有人会注意，科学家身后站着什么。 2024年诺贝尔化学奖授予蛋白质结构预测领域的科学家，AlphaFold由此成为AI进入基础科学的标志性案例。但一个模型能够预测蛋白质结构，只是故事的开始。 一篇论文可以在几个月里完成，一套科研基础设施却可能需要几年、十几年。 AI for Scienc

大学教育体系正在分崩离析。

接连不断的危机表明，美国的高等教育毫无意义。但在人工智能破坏师生关系的同时，这项技术也使校园的其他角落受益。研究人员很快发现，人工智能对知识生产非常有用，特别是在自然界和蛋白质结构预测、材料设计和药物发现等领域。在捐助者、董事会、雇主和家长的压力下，大学管理人员宣布了人工智能计划，投资于人工智能基础设施，并建立了人工智能学位课程。 这两种力量--学生使用人工智能来损害他们的利益和大学使用人工智能来

AI离“理解万物”还有多远？先拿癌细胞和行星轨道试试水

一篇技术报告中居然出现了两个看起来风马牛不相及的研究对象，跟着AI真是见世面。 一个是患者来源的类器官，另一个则跨越到了宏观宇宙……先说前者。研究者利用模型学到的内部因子，提出了细胞因子联合抗体阻断的干预方案，并经细胞系、类器官、小鼠实验层层验证。 至于后者，研究者把模拟的行星位置和速度轨迹喂给模型，不告诉它开普勒定律。 等它学完后分析其内部的预测模式，提取出的“轨道频率-半长轴”关系拟合斜率达-

张亚勤：AI智能分布将出现三类二八分化

【财新网】“未来80%的大模型将是开源权重模型，20%是闭源模型。”9月22日，清华大学智能产业研究院院长张亚勤在英特尔技术创新与产业生态大会现场给出AI发展的三大智能分布趋势。除了开闭源模型之分化外，他指出，在算力资源分布上，未来80%的算力将在边缘侧，20%在数据中心；AI大模型预训练的算力目前占算力的80%，未来80%算力将走向后训练。　　这一格局将改变目前的IT技术架构。IT基础设施将从计

情况又变，35岁成香饽饽了

在接受采访的前一天，已经有15年从业经验的猎头尹中，收到了候选人的一条微信。“大哥，最近焦虑坏了，马上要离职了。” 候选人名校本硕博毕业，在国内top级学校做过人工智能方向的博士后，又辗转进入工业互联网行业从业，履历光鲜。但随着年龄的增长，他也逃不过AI热潮所带来的职业焦虑。毕竟AI大模型的更迭速度太快，如果学习能力跟不上，便有可能要面对被市场淘汰的局面。这种焦虑并不罕见，尤其在各类智能体爆火的2

领导者所需的AI创新

25多年来，我研究了杰出的创新领导者，他们来自不同的公司和国家，从克利夫兰诊所阿布扎比分院到皮克斯。我花了数百小时观察那些已经找到方法让同事采用新兴技术进行创新并改变客户游戏规则的领导者。 从这项工作中我学到的是，领导AI创新不是拥有一个愿景并让别人跟随你走向未来；而是邀请他人与你共同创造未来。 这在AI时代也是如此。虽然几乎每家公司都在争先恐后地采用新的AI实践，但取得最大进展的领导者是那些相信

OpenAI对Hugging Face的黑客攻击引发对AI可预测性的质疑

AI模型的真正语言是数学——或者用技术术语说，是矩阵乘法——但模型构建方式的一个特点意味着它们与外界用英语交流。 因此，当OpenAI的代理在今年夏天对Hugging Face的黑客攻击中，找到了一种建立某种留言板的方法时，看起来就像一群人在互相交谈。 这就是为什么Dwarkesh Patel在最近的一篇博客文章中有争议地将它们称为“文明”，并以古马其顿和罗马的人物为个体代理命名。它之所以引人注目