https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
AI正式纳入教资考试与公共必修课:五部门联合部署，开启全民智能素养培育时代
近日，教育部、国家发展改革委、工信部、科技部及国家数据局五部门联合印发《“人工智能+教育”行动计划》（以下简称《行动计划》）。该计划旨在统筹人工智能人才培养与应用创新，目标到2030年基本形成人工智能与教育深度融合格局，构建起纵向贯通、横向联通的全学段及全社会通识教育体系，显著提升人才培养规模与质量。
《行动计划》明确了四大核心战略任务。在人才培养方面，要求基础教育开齐开足AI课程，高等教育将AI纳入公共基础课，职业教育则侧重产业转型需求;同时，将人工智能正式纳入教师资格考试与认证内容，全面升级教师队伍的数字素养。在深度融合方面，强调AI需全方位赋能学生学习、教师教学、学校治理及科研范式变革，实现课前、课中、课后的全环节智能化升级。
在基础设施建设上，国家将构筑智能教育基座，建设“教育智联网”以提供算力与模型支撑，并打造未来课堂、未来实训中心等新型教育空间。此外，计划强调打造开放生态，通过“政产学研金”协同机制培育高质量教育产品，并同步构建安全底线与教育政策制度体系，推动中国标准走向国际。
此次政策出台标志着我国“人工智能+教育”正式进入系统化落地阶段。通过将技术嵌入教育全过程，不仅能加速教育公平与个性化学习的实现，更将为国家人工智能产业的持续爆发储备关键的人才动能。
via AI新闻资讯 (author: AI Base)
近日，教育部、国家发展改革委、工信部、科技部及国家数据局五部门联合印发《“人工智能+教育”行动计划》（以下简称《行动计划》）。该计划旨在统筹人工智能人才培养与应用创新，目标到2030年基本形成人工智能与教育深度融合格局，构建起纵向贯通、横向联通的全学段及全社会通识教育体系，显著提升人才培养规模与质量。
《行动计划》明确了四大核心战略任务。在人才培养方面，要求基础教育开齐开足AI课程，高等教育将AI纳入公共基础课，职业教育则侧重产业转型需求;同时，将人工智能正式纳入教师资格考试与认证内容，全面升级教师队伍的数字素养。在深度融合方面，强调AI需全方位赋能学生学习、教师教学、学校治理及科研范式变革，实现课前、课中、课后的全环节智能化升级。
在基础设施建设上，国家将构筑智能教育基座，建设“教育智联网”以提供算力与模型支撑，并打造未来课堂、未来实训中心等新型教育空间。此外，计划强调打造开放生态，通过“政产学研金”协同机制培育高质量教育产品，并同步构建安全底线与教育政策制度体系，推动中国标准走向国际。
此次政策出台标志着我国“人工智能+教育”正式进入系统化落地阶段。通过将技术嵌入教育全过程，不仅能加速教育公平与个性化学习的实现，更将为国家人工智能产业的持续爆发储备关键的人才动能。
via AI新闻资讯 (author: AI Base)
AI医疗进入“深水区”:研究指生成式模型尚难独立承担临床推理重任
由美国麻省总医院MESH孵化器团队开展的一项针对生成式人工智能（AI）临床推理能力的最新研究显示，尽管AI在医疗领域的渗透日益加深，但在模拟真实诊疗的逻辑链条中仍存在显著短板。相关研究成果已发表于权威期刊《JAMA Network Open》，明确指出当前主流模型尚不具备独立承担临床诊疗任务的能力。
该研究选取了包括ChatGPT、DeepSeek、Claude、Gemini及Grok在内的21种大语言模型，通过29个已知临床病例进行多轮测试。实验通过逐步释放患者症状、实验室数据及影像结果，高度模拟了医生的动态诊疗过程。数据显示，在获得完整信息的前提下，所有模型给出正确最终诊断的准确率均超过90%。然而，在临床推理的核心环节——“鉴别诊断”中，超过80%的模型表现欠佳，无法对多种潜在疾病进行系统性分析与筛选。
为量化这一差异，研究团队引入了PrIME-LLM综合评价指标，覆盖从初期诊断、检查决策到治疗方案制定的全流程。评测结果显示，各模型综合得分在64%至78%之间，反映出AI更擅长在信息完备时“揭晓答案”，而非在信息不充分的情况下进行开放性逻辑推演。
尽管新一代模型在处理复杂数据资料方面较旧版本有明显进步，但研究团队强调，大语言模型目前仍定位为辅助工具，在缺乏专业监督的情况下直接用于临床实践仍具风险。这一发现为AI医疗的未来演进提供了理性坐标:从简单的“结果拟合”向复杂的“逻辑推理”跨越，将是医疗大模型迈向专业化应用的关键门槛。
via AI新闻资讯 (author: AI Base)
由美国麻省总医院MESH孵化器团队开展的一项针对生成式人工智能（AI）临床推理能力的最新研究显示，尽管AI在医疗领域的渗透日益加深，但在模拟真实诊疗的逻辑链条中仍存在显著短板。相关研究成果已发表于权威期刊《JAMA Network Open》，明确指出当前主流模型尚不具备独立承担临床诊疗任务的能力。
该研究选取了包括ChatGPT、DeepSeek、Claude、Gemini及Grok在内的21种大语言模型，通过29个已知临床病例进行多轮测试。实验通过逐步释放患者症状、实验室数据及影像结果，高度模拟了医生的动态诊疗过程。数据显示，在获得完整信息的前提下，所有模型给出正确最终诊断的准确率均超过90%。然而，在临床推理的核心环节——“鉴别诊断”中，超过80%的模型表现欠佳，无法对多种潜在疾病进行系统性分析与筛选。
为量化这一差异，研究团队引入了PrIME-LLM综合评价指标，覆盖从初期诊断、检查决策到治疗方案制定的全流程。评测结果显示，各模型综合得分在64%至78%之间，反映出AI更擅长在信息完备时“揭晓答案”，而非在信息不充分的情况下进行开放性逻辑推演。
尽管新一代模型在处理复杂数据资料方面较旧版本有明显进步，但研究团队强调，大语言模型目前仍定位为辅助工具，在缺乏专业监督的情况下直接用于临床实践仍具风险。这一发现为AI医疗的未来演进提供了理性坐标:从简单的“结果拟合”向复杂的“逻辑推理”跨越，将是医疗大模型迈向专业化应用的关键门槛。
via AI新闻资讯 (author: AI Base)
阿里千问正式上线“表格 Agent”功能。该功能支持用户通过自然语言对话，直接完成 Excel 文件的生成、信息检索及深度编辑，标志着大模型从“提供文本答案”向“交付直接成果”的进一步演进。
全场景表格处理能力
“表格 Agent”打破了传统表格处理的繁琐流程，核心能力涵盖以下三大维度:
● 零门槛信息转表格: 用户只需下达口令（如“整理最新的增值税优惠政策清单”），千问即可自动联网检索信息，并将其转化为标准的 Excel 文件供下载。
● 多轮对话内容提炼: 系统能理解多轮沟通的上下文。例如在聊完旅行攻略或学习计划后，一句话即可要求其将聊天细节汇总为包含日期、预算、备注等字段的结构化表格。
● 强大的多模态识别: 支持上传 PDF、Word、PPT 甚至手绘课表、纸质报表照片。千问能精准识别图文内容并还原为 Excel 格式，同时支持对已有表格进行“居中对齐”、“按销售额排名”等指令化操作。
技术原理:独立沙箱与智能规划
在技术实现上，千问将用户的复杂需求拆解为一条 Agent 执行链路。系统会在独立的沙箱环境中运行代码（Coding），从而生成带有真实公式、复杂排版和严密数据逻辑的专业文件。当判断现有信息不足以支撑表格生成时，Agent 还会自动触发在线检索以补充数据。
目前，千问表格 Agent 已在千问 App、网页版及 PC 客户端全面上线，所有用户均可免费体验这一生产力工具。
通过这一功能的迭代，阿里千问试图进一步降低办公门槛，让 Excel 处理不再依赖复杂的函数公式，而是成为“动动嘴”就能完成的简单任务。
via AI新闻资讯 (author: AI Base)
掘金大模型基建！开源中国完成数亿元 C+ 轮融资，加速打造 AI 开发者“模力方舟”
据报道，开源与 AI 基础设施服务商 开源中国（OSCHINA） 正式宣布完成 数亿元 C+ 轮融资。本轮融资由 苏创投（苏州创新投资集团有限公司） 作为联合跟投方之一，助力其进一步夯实 AI 时代的开源底座。
核心布局：从“代码托管”到“模型托管”
开源中国成立于 2008 年，目前已从单一的技术社区进化为覆盖全生命周期的研发基建平台：
● 模力方舟（Model Ark）： 2023 年起上线的重磅平台，首创全栈大模型托管服务体系。目前已汇聚 10000+ 优质模型，支持多任务形态，为行业 AI 落地提供了即插即用的基座。
● Gitee 系列平台： 作为国产代码托管的标杆，其研发运营一体化平台已深度服务于金融、军工、央企等对安全性要求极高的数字化转型领域。
● 开源生态基石： 依托 OSCHINA.NET 社区和 300 多人的专业团队，构建了强大的开发者黏性。
战略意图：人才与产业的双向奔赴
本轮融资的注入，将主要用于以下关键领域：
1. AI 基建升级： 持续优化模型托管与协作效率，降低开发者调用、训练大模型的门槛。
2. 人才培养： 打造一站式开源人才培养解决方案，覆盖全教育链条，为中国 AI 产业储备底层人才。
3. 行业渗透： 进一步强化其在郑州、深圳、广州等研发中心的辐射能力，助力更多政企客户实现自主可控的数字化转型。
行业视角：开源是 AI 进化的必经之路
在 中国互联网投资基金管理有限公司、君联资本 等一众明星机构的背书下，开源中国的成功融资反映了资本市场的共识：
● 自主可控： 在算力和算法竞争白热化的今天，拥有自主可控的代码与模型协作平台具有极高的战略价值。
● 生态护城河： 相比纯技术模型，拥有万千开发者活跃度的社区生态才是 AI 时代难以逾越的竞争壁垒。
结语：为国产 AI 铺设“高速公路”
当 开源中国 带着数亿元资金继续冲锋，国产大模型的开发将告别“单打独斗”。通过“模力方舟”，中国开发者正在构建属于自己的、更加开放且高效的 AI 未来。
via AI新闻资讯 (author: AI Base)
据报道，开源与 AI 基础设施服务商 开源中国（OSCHINA） 正式宣布完成 数亿元 C+ 轮融资。本轮融资由 苏创投（苏州创新投资集团有限公司） 作为联合跟投方之一，助力其进一步夯实 AI 时代的开源底座。
核心布局：从“代码托管”到“模型托管”
开源中国成立于 2008 年，目前已从单一的技术社区进化为覆盖全生命周期的研发基建平台：
● 模力方舟（Model Ark）： 2023 年起上线的重磅平台，首创全栈大模型托管服务体系。目前已汇聚 10000+ 优质模型，支持多任务形态，为行业 AI 落地提供了即插即用的基座。
● Gitee 系列平台： 作为国产代码托管的标杆，其研发运营一体化平台已深度服务于金融、军工、央企等对安全性要求极高的数字化转型领域。
● 开源生态基石： 依托 OSCHINA.NET 社区和 300 多人的专业团队，构建了强大的开发者黏性。
战略意图：人才与产业的双向奔赴
本轮融资的注入，将主要用于以下关键领域：
1. AI 基建升级： 持续优化模型托管与协作效率，降低开发者调用、训练大模型的门槛。
2. 人才培养： 打造一站式开源人才培养解决方案，覆盖全教育链条，为中国 AI 产业储备底层人才。
3. 行业渗透： 进一步强化其在郑州、深圳、广州等研发中心的辐射能力，助力更多政企客户实现自主可控的数字化转型。
行业视角：开源是 AI 进化的必经之路
在 中国互联网投资基金管理有限公司、君联资本 等一众明星机构的背书下，开源中国的成功融资反映了资本市场的共识：
● 自主可控： 在算力和算法竞争白热化的今天，拥有自主可控的代码与模型协作平台具有极高的战略价值。
● 生态护城河： 相比纯技术模型，拥有万千开发者活跃度的社区生态才是 AI 时代难以逾越的竞争壁垒。
结语：为国产 AI 铺设“高速公路”
当 开源中国 带着数亿元资金继续冲锋，国产大模型的开发将告别“单打独斗”。通过“模力方舟”，中国开发者正在构建属于自己的、更加开放且高效的 AI 未来。
via AI新闻资讯 (author: AI Base)
AI 赋能蓝领！谷歌投资千万美元资助美国制造业：惠及 4 万名从业者
科技巨头 谷歌 宣布提供 1000 万美元 的专项资助，用于支持美国制造业研究所推动劳动力创新。
核心亮点：精准扶持制造业“智变”
这笔资金将直接作用于美国本土工业体系的智能化升级，核心目标包括：
● 技能重塑： 助力 4 万名 现有及未来的制造业从业人员掌握核心 AI 技能。
● 规模扩张： 将相关的学徒培训机会扩展至全美 15 个 重点地区。
● 产研结合： 支持美国制造业研究所将工业创新与实际劳动力需求深度匹配。
战略意图：修补“AI 数字鸿沟”
谷歌的此次动作释放了明确的市场信号：
1. 人才护城河： 随着 AI 在工厂端的普及，具备算法理解和操作能力的蓝领工人已成为稀缺资源。
2. 社会责任与营销： 通过资助基础劳动力，谷歌旨在降低技术革新带来的失业焦虑，同时将其 AI 生态渗透进传统重工业领域。
3. 地缘竞争力： 强化美国制造业在工业 4.0 时代的本土人才储备。
行业背景：工业 AI 进入“深水区”
2026 年被视为 AI 规模化落地制造业的关键年。从机器视觉质检到预测性维护，AI 正在从“辅助工具”变为“核心引擎”。谷歌的投入反映出，单纯的技术输出已不足以维持领先，只有让一线工人真正“会用 AI”，技术红利才能转化为产能优势。
结语：当扳手遇上算法
谷歌的千万美元资助只是一个起点。当 4 万名 掌握 AI 技能的新型产业工人进入车间，制造业的竞争维度将从“制造效率”全面转向“智能进化速度”。
via AI新闻资讯 (author: AI Base)
科技巨头 谷歌 宣布提供 1000 万美元 的专项资助，用于支持美国制造业研究所推动劳动力创新。
核心亮点：精准扶持制造业“智变”
这笔资金将直接作用于美国本土工业体系的智能化升级，核心目标包括：
● 技能重塑： 助力 4 万名 现有及未来的制造业从业人员掌握核心 AI 技能。
● 规模扩张： 将相关的学徒培训机会扩展至全美 15 个 重点地区。
● 产研结合： 支持美国制造业研究所将工业创新与实际劳动力需求深度匹配。
战略意图：修补“AI 数字鸿沟”
谷歌的此次动作释放了明确的市场信号：
1. 人才护城河： 随着 AI 在工厂端的普及，具备算法理解和操作能力的蓝领工人已成为稀缺资源。
2. 社会责任与营销： 通过资助基础劳动力，谷歌旨在降低技术革新带来的失业焦虑，同时将其 AI 生态渗透进传统重工业领域。
3. 地缘竞争力： 强化美国制造业在工业 4.0 时代的本土人才储备。
行业背景：工业 AI 进入“深水区”
2026 年被视为 AI 规模化落地制造业的关键年。从机器视觉质检到预测性维护，AI 正在从“辅助工具”变为“核心引擎”。谷歌的投入反映出，单纯的技术输出已不足以维持领先，只有让一线工人真正“会用 AI”，技术红利才能转化为产能优势。
结语：当扳手遇上算法
谷歌的千万美元资助只是一个起点。当 4 万名 掌握 AI 技能的新型产业工人进入车间，制造业的竞争维度将从“制造效率”全面转向“智能进化速度”。
via AI新闻资讯 (author: AI Base)
AI 电影时代倒计时！爱奇艺龚宇：3 至 6 个月内或产出 AI 商业大片
据报道，爱奇艺 首席执行官龚宇在《人民日报》撰文，深度剖析了 AI 技术对影视全链条的重塑。他大胆预测，随着视频生成大模型的爆发，真正意义上的 AI 商业大片将在半年内问世。
核心预判:AI 制作进入“商业化”前夜
龚宇指出，以 Seedance2.0 为代表的视频生成大模型，正推动 AI 影视制作跨越实验阶段:
量质齐升: 行业将遵循“一一二定律”实现增长，即生产力迭代带来模式创新。
爆发节点: 预计未来 3至6个月，即可产出符合商业标准的大体量影视作品。
角色转换: 媒体平台将从中心化转型为非中心化的“公共服务提供者”，催生全新的内容生态。
跨界探索:从数字荧幕到线下乐园
在拥抱技术的同时，爱奇艺 正在尝试将数字 IP 实体化:
乐园落地: 首家 爱奇艺乐园 已在江苏扬州正式开业。
融合模式: 通过跨媒介 IP 融合文旅模式，探索 AI 时代下 IP 资产的多维价值转化。
创作底线:技术是工具，艺术是灵魂
尽管 AI 深度介入了从剧本创作到后期合成的全链条，龚宇依然强调了人文价值的核心地位:
资产核心: 无论技术如何更迭，IP 仍是行业最宝贵的资产。
创作本质: 创意与艺术始终是影视创作的灵魂，AI 负责提升效率，人类负责注入情感。
愿景目标: 抓住 AI 机遇，旨在助力“新大众文艺”的繁荣发展。
结语:影视行业的“非中心化”未来
从 北京爱奇艺科技有限公司 的战略布局看，AI 不仅是提效的工具，更是改变行业分配机制的推手。当大模型能够独立支撑起一部大片的制作，影视工业的门槛将被重新定义。
via AI新闻资讯 (author: AI Base)
据报道，爱奇艺 首席执行官龚宇在《人民日报》撰文，深度剖析了 AI 技术对影视全链条的重塑。他大胆预测，随着视频生成大模型的爆发，真正意义上的 AI 商业大片将在半年内问世。
核心预判:AI 制作进入“商业化”前夜
龚宇指出，以 Seedance2.0 为代表的视频生成大模型，正推动 AI 影视制作跨越实验阶段:
量质齐升: 行业将遵循“一一二定律”实现增长，即生产力迭代带来模式创新。
爆发节点: 预计未来 3至6个月，即可产出符合商业标准的大体量影视作品。
角色转换: 媒体平台将从中心化转型为非中心化的“公共服务提供者”，催生全新的内容生态。
跨界探索:从数字荧幕到线下乐园
在拥抱技术的同时，爱奇艺 正在尝试将数字 IP 实体化:
乐园落地: 首家 爱奇艺乐园 已在江苏扬州正式开业。
融合模式: 通过跨媒介 IP 融合文旅模式，探索 AI 时代下 IP 资产的多维价值转化。
创作底线:技术是工具，艺术是灵魂
尽管 AI 深度介入了从剧本创作到后期合成的全链条，龚宇依然强调了人文价值的核心地位:
资产核心: 无论技术如何更迭，IP 仍是行业最宝贵的资产。
创作本质: 创意与艺术始终是影视创作的灵魂，AI 负责提升效率，人类负责注入情感。
愿景目标: 抓住 AI 机遇，旨在助力“新大众文艺”的繁荣发展。
结语:影视行业的“非中心化”未来
从 北京爱奇艺科技有限公司 的战略布局看，AI 不仅是提效的工具，更是改变行业分配机制的推手。当大模型能够独立支撑起一部大片的制作，影视工业的门槛将被重新定义。
via AI新闻资讯 (author: AI Base)
High Agent Error Rate
Apr 14, 02:04 UTC
Update - We are continuing to investigate this issue.
Apr 14, 02:03 UTC
Investigating - We are investigating this issue.
via Cursor Status - Incident History
Apr 14, 02:04 UTC
Update - We are continuing to investigate this issue.
Apr 14, 02:03 UTC
Investigating - We are investigating this issue.
via Cursor Status - Incident History
据报道，多名网友发帖吐槽在爱奇艺等平台观影暂停时，跳出来的 网易云音乐 广告画面极度诡异:画面中的女性人物身体朝前，脖子却以极不自然的角度旋转180度看向后方，被网友调侃为“脖子扭到后背去了”、“网易云投广告能不能严谨点”。
核心反馈:AI 绘画“翻车”引发的不适感
针对网友的集体吐槽，网易云音乐小客服 在评论区迅速做出回应:
● 致歉转达: 对影响用户体验表示抱歉，并承诺将网友的意见如实转达给相关部门。
● 加强审核: 此类典型“AI 创作瑕疵”未被过滤，反映出广告投放链路中人工审核的缺失。
品牌背景:激进拥抱 AI 的“排头兵”
这次视觉事故之所以引发关注，也与 网易云音乐 近年来高调的 AI 战略有关:
● 全面接入 OpenClaw: 今年3月，网易云音乐宣布全面接入 OpenClaw，成为行业内首个开放核心音乐服务能力的 AI Agent 平台。
● 交互革命: 官方宣称，用户未来可通过对话方式灵活调用音乐组件，让音乐不限终端、无处不在地陪伴生活。
行业启示:AI 生成内容仍需“最后一道防线”
尽管 AI 在创意生成和效率提升上具有巨大潜力，但此次“翻车”事件也为流媒体行业的 AI 应用敲响了警钟:
1. 恐怖谷效应: AI 在人体结构、精细细节上的处理若缺乏人工微调，极易产出令人产生生理不适的“怪异”画面。
2. 审核机制: AI 生产效率的提升，不应以牺牲品牌审美和用户体验为代价。
3. 技术落地双刃剑: 作为业内领先的 AI 音乐平台，视觉营销端的低级错误可能会对品牌的专业化形象造成负面冲击。
结语:AI 不是“免责声明”
从技术革新到审美在线，中间隔着的是严谨的审核体系。网易云音乐 这次“扭到后背”的广告，或许能让更多企业意识到:在完全信任 AI 之前，人类的“最后一眼”审核依然不可或缺。
via AI新闻资讯 (author: AI Base)
研究人员近日推出了一种新的训练技术，名为 HarmonyGNN，这一技术显著提高了图神经网络（GNN）的准确性。图神经网络是一种专门处理图形数据的人工智能系统，广泛应用于药物发现、天气预测等多个领域。图形数据由节点（数据点）和边（连接线）组成，边表示节点之间的关系。这些关系可以是相似的（同质性）或不同的（异质性）。
传统上，图神经网络的训练依赖于半监督学习，即在训练过程中使用标记的节点。这虽然有助于 GNN 识别节点之间的关系，但如果在实际应用中，输入图没有标记节点，GNN 的性能可能会受到影响。为了解决这一问题，研究人员转向无监督学习的方法，但这也带来了新的挑战，特别是在处理异质性关系时。
HarmonyGNN 框架的出现有效解决了这一挑战。研究人员表示，在没有标记节点的情况下，GNN 能够更好地区分同质性和异质性边，从而提高在异质图中的表现。通过这一框架，研究人员对 11 个广泛使用的基准图进行了测试，结果显示，经过 HarmonyGNN 训练的 GNN 在七个同质性图中达到了最先进的性能，而在四个异质性图中则建立了新的准确性记录，准确率提升幅度在 1.27% 到 9.6% 之间。
此外，HarmonyGNN 框架还提高了训练的计算效率，为 GNN 的应用打开了新的可能性。这项研究的论文将于 2026 年 4 月在巴西里约热内卢举行的国际学习表示会议上发表，论文的第一作者是北卡罗来纳州立大学的博士生徐锐。
划重点：
🌟 HarmonyGNN 框架显著提高了图神经网络的准确性，尤其是在处理异质性图时。
📈 经过该框架训练的 GNN 在四个异质性图上，准确率提升幅度达到 9.6%。
💻 该框架还提升了训练的计算效率，为 GNN 的实际应用奠定了基础。
via AI新闻资讯 (author: AI Base)
由于 AI 生成的虚假漏洞报告泛滥，知名开源项目 Node.js 官方宣布，将暂停通过 HackerOne 平台向漏洞报告者发放现金奖励。
漏洞赏金平台 HackerOne 表示，近年来大量用户利用 AI 工具大规模扫描并提交漏洞报告。这种行为导致开源社区的平衡被打破:发现漏洞（或疑似漏洞）的速度已远超开发者修复的速度。更严重的是，其中充斥着大量低质量、误报甚至伪造的报告。
为此，HackerOne 的“互联网漏洞赏金计划”（IBB）已停止接收新报告，这也直接切断了 Node.js 奖励金的外部来源。
作为一个由社区志愿者主导的项目，Node.js 并没有独立预算来支付赏金。安全公司 Socket 指出，Node.js 实际上早已在调整机制:
● 审核负担: 每份报告都需要开发者投入大量精力核实，而 AI 生成的低质量内容极大地浪费了志愿维护者的时间。
● 门槛提高: 为了抵御 AI 轰炸，项目组此前已大幅提高提交门槛，但仍难以抵挡自动化工具的冲击。
流程不变，仅停发奖金
Node.js 强调，虽然奖金暂停，但安全保障并未“打折”:
● 提交流程: 研究人员仍可通过 HackerOne 提交漏洞。
● 处理优先级: 团队将维持原有的响应速度和补丁发布流程，确保项目安全性。
Node.js 并非孤例。今年1月，知名网络工具 cURL 也因遭到 AI 生成的报告“狂轰乱炸”而被迫终止了赏金计划。这反映出在生成式 AI 普及后，传统的开源激励机制正面临系统性挑战:如何筛选出真正有价值的专业反馈，已成为开源社区急需解决的难题。
via AI新闻资讯 (author: AI Base)
近日，谷歌为其 AI 助手 Gemini 推出了一项革命性的交互式图像生成功能。得益于底层的 Nano Banana 技术，Gemini 的可视化能力实现从“静态图像”向“动态交互模拟”的跨越。当用户提出“向我展示”或“帮助我可视化”特定复杂主题时，系统将触发“向我展示可视化图表”按钮，生成可操作的数字模拟程序。
在实际测试中，该功能展现了极强的信息承载力。例如，在演示“月球绕地运行”时，用户可通过滑块实时调节轨道速度并变换观测视角;而在“汽车引擎工作原理”的可视化中，用户不仅能更改动画播放逻辑，还能手动拆解、调整视图以观察每一个机械步骤。相比传统单张图片，这种交互式模拟能更直观地解构复杂逻辑与物理过程。
尽管 Anthropic 在今年3月曾为 Claude 发布过类似功能，但 Gemini 的新尝试在动态交互深度上各具特色，不过目前 Gemini 尚不支持像 Claude 那样保存此类交互生成内容。针对这一功能是否会持续迭代，谷歌官方目前尚未给出明确回应。
目前，这项全新的交互式可视化功能正面向全球范围内的 Gemini 专业版（Pro）用户陆续推出。需要注意的是，现阶段教育版(Education)和工作区(Workspace)账户暂不在支持之列。随着这一技术的普及，AI 生成内容正从单纯的视觉呈现向具备功能性的交互工具演进，这在在线教育、工程模拟及科普领域具有重要应用价值。
via AI新闻资讯 (author: AI Base)
OpenAI 在伦敦设立首个永久办公室，加码英国人才布局
OpenAI 周一正式宣布，将在伦敦设立其在当地的首个永久性办公室。该办公场地位于伦敦著名的 AI 产业集聚区国王十字（King’s Cross），毗邻 Google DeepMind 和 Meta 等巨头。
此次新签署的办公场地面积约 8.85 万平方英尺，预计可容纳超过 500 名员工。这相比目前 OpenAI 在伦敦约 200 人的团队规模实现了翻倍增长。OpenAI 伦敦站点负责人 Phoebe Thacker 表示，英国拥有极其深厚的人才储备，新办公室将为公司在当地的持续扩张提供充足空间。
基础设施 Stargate 计划受挫后的“安抚”
值得注意的是，就在此次宣布办公扩张前不久，OpenAI 刚刚证实暂停了在英国推进的大型 AI 基础设施项目“Stargate”。
● 暂停原因： 主要受制于英国高昂的能源成本（位居全球最高梯队）以及接入国家电网的延迟。
● 市场信号： 尽管算力基建受阻，但设立永久办公室的举动释放了 OpenAI 依然看好英国科研环境并致力于长期扎根的信号。
在 Anthropic 等竞争对手与美国政府就安全监管发生博弈的背景下，英国正积极向 OpenAI 抛出橄榄枝。除了支持办公规模扩张，英国官员此前甚至提出过推动企业采取“双重上市”等诱人方案，以吸引顶尖 AI 企业留存。
目前，英国 AI 领域的融资热度持续攀升，今年截至目前的融资总额已达 67 亿美元。OpenAI 在伦敦的深耕，无疑将进一步巩固伦敦作为全球人工智能研究重镇的地位。
via AI新闻资讯 (author: AI Base)
OpenAI 周一正式宣布，将在伦敦设立其在当地的首个永久性办公室。该办公场地位于伦敦著名的 AI 产业集聚区国王十字（King’s Cross），毗邻 Google DeepMind 和 Meta 等巨头。
此次新签署的办公场地面积约 8.85 万平方英尺，预计可容纳超过 500 名员工。这相比目前 OpenAI 在伦敦约 200 人的团队规模实现了翻倍增长。OpenAI 伦敦站点负责人 Phoebe Thacker 表示，英国拥有极其深厚的人才储备，新办公室将为公司在当地的持续扩张提供充足空间。
基础设施 Stargate 计划受挫后的“安抚”
值得注意的是，就在此次宣布办公扩张前不久，OpenAI 刚刚证实暂停了在英国推进的大型 AI 基础设施项目“Stargate”。
● 暂停原因： 主要受制于英国高昂的能源成本（位居全球最高梯队）以及接入国家电网的延迟。
● 市场信号： 尽管算力基建受阻，但设立永久办公室的举动释放了 OpenAI 依然看好英国科研环境并致力于长期扎根的信号。
在 Anthropic 等竞争对手与美国政府就安全监管发生博弈的背景下，英国正积极向 OpenAI 抛出橄榄枝。除了支持办公规模扩张，英国官员此前甚至提出过推动企业采取“双重上市”等诱人方案，以吸引顶尖 AI 企业留存。
目前，英国 AI 领域的融资热度持续攀升，今年截至目前的融资总额已达 67 亿美元。OpenAI 在伦敦的深耕，无疑将进一步巩固伦敦作为全球人工智能研究重镇的地位。
via AI新闻资讯 (author: AI Base)
软银成立新公司研发日本国产 AI，力争 2030 年突破万亿参数
软银集团于东京正式成立“日本 AI 基础模型开发公司”，标志着日本在自主研发大模型领域迈出了关键一步。此次动作集结了本田、索尼、NEC 以及三大银行等 8 家核心企业参与出资，并有望获得日本政府的政策与资金支持。
剑指“物理 AI”：参数规模达 1 万亿
新公司计划招募约 100 名顶尖 AI 开发人员，设立了明确的技术演进目标：力争在 2030 年前，开发出参数规模达到 1 万亿的大型 AI 基础模型。与目前市面上主流的通用模型不同，该项目将重点放在“物理 AI”领域，强调 AI 与实体世界的感知与交互能力。
明确的分工与协作生态
在职能分配上，参与企业各司其职，形成了完整的产业链闭环：
● 研发核心： 软银与 NEC 将主导基础大模型的底层研发工作；
● 应用落地： 本田和索尼计划将研发成果深度整合至自动驾驶、机器人等核心业务领域；
● 技术支撑： 日本知名的 AI 独角兽 Preferred Networks 也将参与模型构建的合作。
值得注意的是，该模型在开发完成后，不仅服务于出资的 8 家巨头，还将开放给其他日本企业使用。这种政企合作的“抱团”模式，旨在缓解日本企业对海外 AI 技术的过度依赖，通过构建自主可控的 AI 底座，提升日本在未来空间智能与制造业智能化转型中的全球话语权。
via AI新闻资讯 (author: AI Base)
软银集团于东京正式成立“日本 AI 基础模型开发公司”，标志着日本在自主研发大模型领域迈出了关键一步。此次动作集结了本田、索尼、NEC 以及三大银行等 8 家核心企业参与出资，并有望获得日本政府的政策与资金支持。
剑指“物理 AI”：参数规模达 1 万亿
新公司计划招募约 100 名顶尖 AI 开发人员，设立了明确的技术演进目标：力争在 2030 年前，开发出参数规模达到 1 万亿的大型 AI 基础模型。与目前市面上主流的通用模型不同，该项目将重点放在“物理 AI”领域，强调 AI 与实体世界的感知与交互能力。
明确的分工与协作生态
在职能分配上，参与企业各司其职，形成了完整的产业链闭环：
● 研发核心： 软银与 NEC 将主导基础大模型的底层研发工作；
● 应用落地： 本田和索尼计划将研发成果深度整合至自动驾驶、机器人等核心业务领域；
● 技术支撑： 日本知名的 AI 独角兽 Preferred Networks 也将参与模型构建的合作。
值得注意的是，该模型在开发完成后，不仅服务于出资的 8 家巨头，还将开放给其他日本企业使用。这种政企合作的“抱团”模式，旨在缓解日本企业对海外 AI 技术的过度依赖，通过构建自主可控的 AI 底座，提升日本在未来空间智能与制造业智能化转型中的全球话语权。
via AI新闻资讯 (author: AI Base)
安全公司 Noma 近日发布研究报告，披露了开源监控与数据可视化平台 Grafana 的 AI 助手功能中存在的一项名为“GrafanaGhost”的安全漏洞。该漏洞允许黑客利用“间接提示注入”方式，诱导 AI 助手将企业的敏感数据泄露至外部服务器。
“间接提示注入”:静默的数据窃取
据研究人员介绍，Grafana 内置的 AI 助手允许用户通过自然语言查询和分析监控数据。然而，黑客可以在 Grafana 能够访问的外部网页中嵌入恶意指令。
当 AI 助手解析这些受污染的内容时，可能会被误导绕过现有的安全机制，触发对外请求。敏感信息会以 URL 参数的形式发送到黑客控制的服务器。由于整个过程不会产生明显的报错提示，普通用户往往难以察觉异常。
官方回应:非零点击漏洞，现已修复
针对这一漏洞，Grafana Labs 首席安全官 Joe McManus 表示，公司在收到通报后已迅速修复了相关问题。他同时强调了该漏洞的局限性:
● 非自动化攻击: 该漏洞不属于“零点击”或“自主攻击”类型。
● 权限入门: 黑客需要先获得用户端的访问权限，才能主动与 AI 助手交互。
● 多次触发: 实现恶意操作通常需要多次交互触发，而非一次性完成。
Grafana Labs 进一步表示，目前没有证据表明该漏洞已被实际利用，也未发现其云服务（Grafana Cloud）存在数据泄露的情况。官方呼吁用户无需过度紧张，并建议及时关注并更新至已修复的安全版本，以确保监控环境的安全性。
via AI新闻资讯 (author: AI Base)
Meta 创始人扎克伯格亲自编写代码，并训练 AI 数字分身替代本人与员工互动
据英国《金融时报》援引知情人士报道，Meta 创始人扎克伯格正在深度参与公司的技术底层建设，不仅每周坚持亲自编写5至10小时的代码，还正在训练一个以自身为原型的 AI 数字分身，旨在替代其本人与员工进行实时互动。
该 AI 分身基于扎克伯格的图像、声音、特定语调及核心战略思维进行深度训练。虽然项目目前仍处于早期阶段，但其战略意图明确:通过数字分身的交互，增强全球员工与创始人之间的连接感与共识度。与此同时，Meta 内部还在同步推进一个独立的“CEO 智能体”项目，主要用于协助扎克伯格处理日常的海量信息检索及管理事务。
自去年承诺打造“个人超级智能”以追赶 OpenAI 与谷歌以来，扎克伯格的一系列动作显示出 Meta 正在将 AI 战略从外部产品延伸至内部管理。这位掌舵者的亲身下场，标志着这家市值达1.6万亿美元的科技巨头正经历深刻的组织变革——AI 不再仅仅是 Meta 的产品标签，正逐渐成为其内部运营的核心驱动力。
这种从最高管理层发起的、以技术手段提升组织协同效率的尝试，不仅预示了未来企业管理的新范式，也体现了 Meta 在激烈的 AI 全球竞争中寻求效率突围的紧迫感。
via AI新闻资讯 (author: AI Base)
据英国《金融时报》援引知情人士报道，Meta 创始人扎克伯格正在深度参与公司的技术底层建设，不仅每周坚持亲自编写5至10小时的代码，还正在训练一个以自身为原型的 AI 数字分身，旨在替代其本人与员工进行实时互动。
该 AI 分身基于扎克伯格的图像、声音、特定语调及核心战略思维进行深度训练。虽然项目目前仍处于早期阶段，但其战略意图明确:通过数字分身的交互，增强全球员工与创始人之间的连接感与共识度。与此同时，Meta 内部还在同步推进一个独立的“CEO 智能体”项目，主要用于协助扎克伯格处理日常的海量信息检索及管理事务。
自去年承诺打造“个人超级智能”以追赶 OpenAI 与谷歌以来，扎克伯格的一系列动作显示出 Meta 正在将 AI 战略从外部产品延伸至内部管理。这位掌舵者的亲身下场，标志着这家市值达1.6万亿美元的科技巨头正经历深刻的组织变革——AI 不再仅仅是 Meta 的产品标签，正逐渐成为其内部运营的核心驱动力。
这种从最高管理层发起的、以技术手段提升组织协同效率的尝试，不仅预示了未来企业管理的新范式，也体现了 Meta 在激烈的 AI 全球竞争中寻求效率突围的紧迫感。
via AI新闻资讯 (author: AI Base)
OpenAI 结盟亚马逊：与微软“蜜月期”生变，算力竞赛升级
据环球市场播报消息，OpenAI 一份泄露的内部通知显示，该公司与长期盟友微软的裂痕正在加深。为了摆脱对微软算力的过度依赖，OpenAI 正迅速深化与亚马逊的战略结盟。
亚马逊 500 亿美元重金入场
在这场 AI 权力的重新洗牌中，亚马逊的表现极具侵略性：
● 巨额投资： 亚马逊在今年 2 月向 OpenAI 投资了 500 亿美元。
● 算力支持： 作为协议核心，亚马逊将为 OpenAI 提供 2 吉瓦 的 Trainium 自研芯片算力。
● 业务协同： 双方正在 AWS 的 Bedrock 平台上合作为企业客户创建专属的“AI 智能体”环境。
质疑微软“限制”能力，炮轰 Anthropic 战略
OpenAI 首席营收官丹尼斯·德雷瑟（Daniele Dre瑟）在内部通知中措辞严厉：
● 暗讽微软： 她指出，微软目前限制了 OpenAI 满足企业客户现有需求的能力，而亚马逊的 Bedrock 平台需求“惊人”，是开启商业化变现的关键。
● 抨击对手： 德雷瑟称 Anthropic 没能获得足够算力是一个“战略性失误”，并批评其战略建立在“恐惧、限制和精英控制”的理念之上。
OpenAI去年正式转型为公益性公司，这一举动客观上削弱了微软的控制权，使其能够合法地从其他云供应商（如亚马逊）处获取算力资源。
随着微软将更多算力投入自有的 Copilot 项目，双方关系已演变为复杂的竞合局面。目前，亚马逊与 OpenAI 的新联盟不仅让微软面临压力，也让本就胶着的 AI 算力与市场主导权之争进一步升级。
via AI新闻资讯 (author: AI Base)
据环球市场播报消息，OpenAI 一份泄露的内部通知显示，该公司与长期盟友微软的裂痕正在加深。为了摆脱对微软算力的过度依赖，OpenAI 正迅速深化与亚马逊的战略结盟。
亚马逊 500 亿美元重金入场
在这场 AI 权力的重新洗牌中，亚马逊的表现极具侵略性：
● 巨额投资： 亚马逊在今年 2 月向 OpenAI 投资了 500 亿美元。
● 算力支持： 作为协议核心，亚马逊将为 OpenAI 提供 2 吉瓦 的 Trainium 自研芯片算力。
● 业务协同： 双方正在 AWS 的 Bedrock 平台上合作为企业客户创建专属的“AI 智能体”环境。
质疑微软“限制”能力，炮轰 Anthropic 战略
OpenAI 首席营收官丹尼斯·德雷瑟（Daniele Dre瑟）在内部通知中措辞严厉：
● 暗讽微软： 她指出，微软目前限制了 OpenAI 满足企业客户现有需求的能力，而亚马逊的 Bedrock 平台需求“惊人”，是开启商业化变现的关键。
● 抨击对手： 德雷瑟称 Anthropic 没能获得足够算力是一个“战略性失误”，并批评其战略建立在“恐惧、限制和精英控制”的理念之上。
OpenAI去年正式转型为公益性公司，这一举动客观上削弱了微软的控制权，使其能够合法地从其他云供应商（如亚马逊）处获取算力资源。
随着微软将更多算力投入自有的 Copilot 项目，双方关系已演变为复杂的竞合局面。目前，亚马逊与 OpenAI 的新联盟不仅让微软面临压力，也让本就胶着的 AI 算力与市场主导权之争进一步升级。
via AI新闻资讯 (author: AI Base)
百万行代码零人编码！OpenAI 工程师揭秘：如何用 AI 蒸馏经验，让智能体成为“终极队友”
近日，OpenAI工程师 Ryan Lopopolo 通过长文 《Harness engineering》 揭开了内部团队使用Codex的重度玩法。这场实验不仅产出了名为 Symphony 的“幽灵库”，更定义了一种全新的工程工作方式。
核心实验:给自己戴上“零人工写码”的镣铐
Ryan 在实验之初给自己设下了一个夸张的限制:绝对不亲手写任何代码。
从痛苦到爆发: 实验初期，由于模型难以处理复杂逻辑，开发速度仅为人工的十分之一。
倒逼工具进化: 为了让 Agent 独立完工，团队被迫开发出一套极其精细的Harness（开发台）体系。
指数级增效: 随着GPT-5.4等推理模型的迭代，这套系统的产出效率最终远超任何单一工程师团队。
关键战术:把构建时间死守在“一分钟”
在OpenAI内部，Agent 的高效运行依赖于极致的反馈速度:
内部循环（Inner Loop）: 团队通过不断重做构建系统（从 Makefile 到 Bazel 再到 Nx），确保构建时间严格控制在 1分钟 以内。
逻辑拆解: 如果构建变慢，Agent 会自动将构建图谱拆解得更细，直到复杂度降至阈值以下，以维持 Agent 的“专注力”。
范式转移:人变成了 PR Review 的瓶颈
当代码可以被极其容易地并行化时，真正稀缺的是“人类注意力”。
合并后评审: 团队不再在合并前进行冗长的人工 Review，而是将其自动化，大部分人工 Review 发生在代码合并之后，用于抽查质量和沉淀经验。
可观测性赋能: 工程师的工作不再是修 Bug，而是为 Agent 提供Traces（追踪）和可观测性工具，让 Agent 具备“自愈”能力。
经验“蒸馏”: 将资深工程师脑子里的“隐性经验”写进 Skill 文档和测试中，将其固化为系统上下文。
行业未来:“幽灵库”与依赖内部化
Ryan 提出了一个极具冲击力的观点:随着 Token 成本趋近于零，软件依赖可能会逐渐消失。
Ghost Libraries（幽灵库）: 开发者只需定义一份高保真 Spec（规格），让 Agent 在本地重新组装实现。
依赖内部化: 对于中低复杂度的第三方库，Agent 可以直接重写并内联到仓库中，剥离无用代码，打造完全自控的技术栈。
结语:从“副驾驶”到“独立队友”
在 OpenAI Frontier 团队 的视野里，未来的软件开发不再是围绕人的习惯优化工作流，而是围绕 Agent 的可读性 重构整个代码库。当 Agent 能够自主处理从代码编写、CI 部署到生产监控的全链路任务，人类工程师的角色将彻底转向系统架构的“牧羊人”。
via AI新闻资讯 (author: AI Base)
近日，OpenAI工程师 Ryan Lopopolo 通过长文 《Harness engineering》 揭开了内部团队使用Codex的重度玩法。这场实验不仅产出了名为 Symphony 的“幽灵库”，更定义了一种全新的工程工作方式。
核心实验:给自己戴上“零人工写码”的镣铐
Ryan 在实验之初给自己设下了一个夸张的限制:绝对不亲手写任何代码。
从痛苦到爆发: 实验初期，由于模型难以处理复杂逻辑，开发速度仅为人工的十分之一。
倒逼工具进化: 为了让 Agent 独立完工，团队被迫开发出一套极其精细的Harness（开发台）体系。
指数级增效: 随着GPT-5.4等推理模型的迭代，这套系统的产出效率最终远超任何单一工程师团队。
关键战术:把构建时间死守在“一分钟”
在OpenAI内部，Agent 的高效运行依赖于极致的反馈速度:
内部循环（Inner Loop）: 团队通过不断重做构建系统（从 Makefile 到 Bazel 再到 Nx），确保构建时间严格控制在 1分钟 以内。
逻辑拆解: 如果构建变慢，Agent 会自动将构建图谱拆解得更细，直到复杂度降至阈值以下，以维持 Agent 的“专注力”。
范式转移:人变成了 PR Review 的瓶颈
当代码可以被极其容易地并行化时，真正稀缺的是“人类注意力”。
合并后评审: 团队不再在合并前进行冗长的人工 Review，而是将其自动化，大部分人工 Review 发生在代码合并之后，用于抽查质量和沉淀经验。
可观测性赋能: 工程师的工作不再是修 Bug，而是为 Agent 提供Traces（追踪）和可观测性工具，让 Agent 具备“自愈”能力。
经验“蒸馏”: 将资深工程师脑子里的“隐性经验”写进 Skill 文档和测试中，将其固化为系统上下文。
行业未来:“幽灵库”与依赖内部化
Ryan 提出了一个极具冲击力的观点:随着 Token 成本趋近于零，软件依赖可能会逐渐消失。
Ghost Libraries（幽灵库）: 开发者只需定义一份高保真 Spec（规格），让 Agent 在本地重新组装实现。
依赖内部化: 对于中低复杂度的第三方库，Agent 可以直接重写并内联到仓库中，剥离无用代码，打造完全自控的技术栈。
结语:从“副驾驶”到“独立队友”
在 OpenAI Frontier 团队 的视野里，未来的软件开发不再是围绕人的习惯优化工作流，而是围绕 Agent 的可读性 重构整个代码库。当 Agent 能够自主处理从代码编写、CI 部署到生产监控的全链路任务，人类工程师的角色将彻底转向系统架构的“牧羊人”。
via AI新闻资讯 (author: AI Base)
微软 Copilot 重大重塑:拟引入 OpenClaw 技术实现 AI 智能体自主运行
4月13日，据《The Information》报道，微软正计划对365Copilot 进行大规模战略重组。微软企业副总裁 Omar Shahine 领导的新团队正在探索引入开源 AI 智能体 OpenClaw 的核心技术，旨在将 Copilot 从被动响应的对话助手，转型为能够全天候自主运行、处理复杂任务的 AI 智能体（AI Agents）。
此次改造的核心在于将 OpenClaw 的底层逻辑引入企业级应用场景。OpenClaw 的运行模式侧重于对计算机系统的深度操控能力，通过获取特定应用的访问与控制权，AI 能够像人类用户一样独立执行操作。
微软希望新版 Copilot 能够在后台持续监测并主动介入工作流程，而非仅在用户下达逐次指令后才开始响应。具体应用场景包括:Copilot 将能实时监控 Outlook 邮件与日历，在每日开端自动构建待办事项;在 Excel 办公中，当用户操作某一标签页时，AI 可同步在后台完成其他关联数据的整理与处理。
首席执行官萨提亚·纳德拉已将 Copilot 的此次重塑列为公司最高优先级事项，并直接上收了多位相关高管的汇报线。这一组织架构调整反映出微软正加速推动 AI 从“辅助工具”向“自主员工”的范式转移。通过引入具备系统级控制权的 OpenClaw 方案，微软不仅意在提升办公套件的自动化深度，更在试图重新定义人机协作的边界，使其在与同类企业级 AI 产品的竞争中占据先发技术优势。
via AI新闻资讯 (author: AI Base)
4月13日，据《The Information》报道，微软正计划对365Copilot 进行大规模战略重组。微软企业副总裁 Omar Shahine 领导的新团队正在探索引入开源 AI 智能体 OpenClaw 的核心技术，旨在将 Copilot 从被动响应的对话助手，转型为能够全天候自主运行、处理复杂任务的 AI 智能体（AI Agents）。
此次改造的核心在于将 OpenClaw 的底层逻辑引入企业级应用场景。OpenClaw 的运行模式侧重于对计算机系统的深度操控能力，通过获取特定应用的访问与控制权，AI 能够像人类用户一样独立执行操作。
微软希望新版 Copilot 能够在后台持续监测并主动介入工作流程，而非仅在用户下达逐次指令后才开始响应。具体应用场景包括:Copilot 将能实时监控 Outlook 邮件与日历，在每日开端自动构建待办事项;在 Excel 办公中，当用户操作某一标签页时，AI 可同步在后台完成其他关联数据的整理与处理。
首席执行官萨提亚·纳德拉已将 Copilot 的此次重塑列为公司最高优先级事项，并直接上收了多位相关高管的汇报线。这一组织架构调整反映出微软正加速推动 AI 从“辅助工具”向“自主员工”的范式转移。通过引入具备系统级控制权的 OpenClaw 方案，微软不仅意在提升办公套件的自动化深度，更在试图重新定义人机协作的边界，使其在与同类企业级 AI 产品的竞争中占据先发技术优势。
via AI新闻资讯 (author: AI Base)
据 Wired 报道，包括《纽约时报》、Reddit 以及《USA Today》母公司在内的多家主流媒体和平台，近期已正式封禁互联网档案馆（Internet Archive）的“时光机（Wayback Machine）”工具。此举旨在防止 AI 公司通过该存档工具间接抓取受版权保护的内容用于模型训练。
“一边受益，一边封禁”的讽刺局面
讽刺的是，《USA Today》近期一篇揭露移民政策统计数据的深度报道，正是依靠“时光机”保存的历史数据才得以完成。然而，该媒体集团发言人表示，目前已全面封禁所有爬虫程序（包括 ia_archiverbot），以应对日益严峻的 AI 侵权风险。
媒体机构的多样化限制手段
目前已有至少 23 家主流新闻网站采取了限制措施：
● 完全屏蔽： 《纽约时报》和 Reddit 直接屏蔽了“时光机”的专用爬虫。
● 接口过滤： 《卫报》虽未完全屏蔽爬虫，但将其内容从互联网档案馆的 API 中排除，并对搜索界面进行了过滤，使用户极难查阅其历史存档。
针对出版商的封禁行为，包括蕾切尔·玛多在内的百余名在职记者联合电子前沿基金会（EFF）发表支持信。他们认为，“时光机”是事实核查、追踪权力机构言行变化以及保存数字历史记录的“不可或缺的工具”。
出版商认为，AI 公司利用互联网档案馆的海量数据进行训练违反了版权法，并与其构成了直接竞争。但互联网档案馆负责人马克·格雷厄姆指出，公共网络内容的持续闭锁，正在严重削弱社会了解历史真相和进行舆论监督的能力。若这一趋势持续，大量早期数字历史记录可能面临彻底遗失的风险。
via AI新闻资讯 (author: AI Base)
