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
数据：Anthropic 商业采纳率快速攀升，逼近 OpenAI
币圈新闻: 4月8日消息，Ramp最新AI指数显示，2 月有 47.6% 企业为 AI 付费使用，Anthropic 采纳率升至 24.4%，OpenAI 为 34.4%。Anthropic 当月采纳率环比增长 4.9 个百分点，为该指数建立以来最大单月增幅，而 OpenAI 下降 1.5 个百分点，为各大模型公司中最大单月跌幅。Ramp 数据还显示，在首次购买 AI 服务的企业中，约 70% 选择 Anthropic 而非 OpenAI。报告认为，在性能和价格相近的情况下，企业正基于品牌与使用偏好形成对 Anthropic 的明显倾向。
电影频道在线看 │ ChatGPT中文群🅥
币圈新闻: 4月8日消息，Ramp最新AI指数显示，2 月有 47.6% 企业为 AI 付费使用，Anthropic 采纳率升至 24.4%，OpenAI 为 34.4%。Anthropic 当月采纳率环比增长 4.9 个百分点，为该指数建立以来最大单月增幅，而 OpenAI 下降 1.5 个百分点，为各大模型公司中最大单月跌幅。Ramp 数据还显示，在首次购买 AI 服务的企业中，约 70% 选择 Anthropic 而非 OpenAI。报告认为，在性能和价格相近的情况下，企业正基于品牌与使用偏好形成对 Anthropic 的明显倾向。
电影频道在线看 │ ChatGPT中文群🅥
X正在推出由Grok驱动的自动翻译和照片编辑
社交媒体平台 X 目前正在推出一项自动翻译帖子的新功能。这家公司还推出了一款新的照片编辑器，能够通过自然语言帖子修改图像。这两项功能均由 xAI 的Grok人工智能模型驱动。该公司正通过这些更新努力提升用户的应用内体验。周二晚些时候，X 平台的产品负责人尼基塔·比耶宣布自动翻译正在全球范围内推出。你可以点击翻译后帖子上的齿轮图标，并关闭针对该特定语言的自动翻译。其他社交网络也尝试过这一策略，以使帖子覆盖更广泛的全球受众。Reddit论坛在过去几年中一直在试验机器翻译。
—— Techcrunch
via 风向旗参考快讯 - Telegram Channel
社交媒体平台 X 目前正在推出一项自动翻译帖子的新功能。这家公司还推出了一款新的照片编辑器，能够通过自然语言帖子修改图像。这两项功能均由 xAI 的Grok人工智能模型驱动。该公司正通过这些更新努力提升用户的应用内体验。周二晚些时候，X 平台的产品负责人尼基塔·比耶宣布自动翻译正在全球范围内推出。你可以点击翻译后帖子上的齿轮图标，并关闭针对该特定语言的自动翻译。其他社交网络也尝试过这一策略，以使帖子覆盖更广泛的全球受众。Reddit论坛在过去几年中一直在试验机器翻译。
—— Techcrunch
via 风向旗参考快讯 - Telegram Channel
从AI之前的五次创新浪潮里能学到什么？这是大摩最新的一份报告，英文原题是《Lessons from the Five Innovation Waves That Preceded AI》，由首席美国经济学家Michael Gapen领衔。这篇报告的核心问题只有一个：AI浪潮到底会怎样改变美国经济？摩根士丹利没有选择预测未来，而是选择了回看过去。他们系统梳理了美国过去250年经历的五次重大技术革命，试图从中提炼出适用于AI时代的共同规律。
1、五次创新浪潮
过去250年，美国经历了五次由突破性技术集群驱动的创新浪潮：
第一次是工业革命（约1790s-1840s），核心是工厂、蒸汽动力、运河和早期铁路，持续约60年；
第二次是蒸汽、铁路与钢铁时代（1830-1910），铁路里程从1860年的3万英里飙升到1900年的19.2万英里，持续约55年；
第三次是电气化与内燃机时代（1890s-1940s），1902年到1929年间美国发电量增长超过十倍，福特Model T在1908年面世，持续约50年；
第四次是电子与航空时代（1940s-1980s），晶体管发明、喷气式客机、州际公路系统，联邦研发开支占GDP的比重翻了四倍，持续约40年；
第五次是互联网与数字网络时代（1990s-2020），到2000年约一半美国家庭接入了互联网，持续约30年。
一个明显的趋势是：
每一波比上一波扩散得更快。 如果这个规律延续，AI的扩散速度可能超过互联网。
正好我在2月中也有聊过：
移动互联网花了10年时间走完了互联网需要20年的道路，而AI可能需要更短的时间就能走完移动互联网10年的发展之路。
2、六条反复出现的规律
跨越250年的五次浪潮，摩根士丹利提炼出六条高度一致的共同模式。
1）资本开支的巨大脉冲。
创新浪潮从来不是温和渐进的。运河建设在高峰期占GDP的1%（相当于今天的约3150亿美元），铁路投资在1872-1881年间平均占GDP的2.5%（约7900亿美元），且经常超过全国总资本形成的10%。报告直言，如果要给当前AI投资热潮找一个历史对标物，就是铁路投资。
2）劳动力被重新配置而非消灭。
每一次浪潮都引发了对大规模失业的恐惧，但历史上从未成真。农业就业占比从1800年的75%降到1910年的30%再到今天的不足2%，但总就业需求从未崩溃。工作的构成改变了——从手工匠人到工厂工人，从蓝领到白领，从制造业到服务业，从中等技能岗位到两极化分布——但工作本身一直延续。
3）生产率提升需要时间和组织变革。
早期扩散慢且不均匀，但一旦配套投资和管理模式到位，产出效率就会加速。工业革命年均约0.8-1%，铁路时代翻倍到约2%，电气化时代实现了"大飞跃"（1900-1929年非农每小时产出翻番），互联网时代在1990年代末从1.5%加速到3%。但每次加速都滞后于技术发明本身10-20年。
4）繁荣-衰退周期是标配。
1837年运河崩盘，1873年和1893年铁路恐慌，1929年股灾和大萧条，2000年互联网泡沫破裂。模式惊人地一致：狂热投资→投机融资→杠杆攀升→预期调整→痛苦出清。金融市场既加速了技术扩散，也放大了周期波动。
5）不平等走向取决于制度而非技术。
镀金时代的极度财富集中，到1940-1970年代的"大压缩"（工会、累进税、教育扩展推动收入差距缩小），再到1980年后的不平等持续扩大——技术本身不决定分配结果，制度和政策才是关键变量。
6）教育体系每次都被迫转型。
工业革命催生公立小学，铁路时代催生赠地大学，电气化时代推动高中运动，战后GI Bill扩展高等教育，互联网时代加强STEM需求。当教育扩展充分时，技术红利被广泛分享；当教育滞后时，不平等就加剧。
3、对AI时代的六大启示
基于历史规律，摩根士丹利对AI浪潮给出了六条判断：
1）生产率提升大概率发生， 但需要配合组织重新设计。
2）劳动力置换是过渡性的， 岗位构成会变化，但就业不会消失。
3）繁荣-衰退周期几乎必然， AI基础设施投资与铁路/电信建设高度相似。
4）不平等风险处于高位， 收入和财富不平等已达125年来最高，AI的可扩展性可能进一步加剧集中。
5）教育和再培训将是决定性因素， AI可能需要终身学习体系而非传统学位路径。
6）政策制度至关重要， 反垄断、社会保障、人力资本投资决定了红利是被广泛分享还是被少数人垄断。
4、如果这次不一样呢？
摩根士丹利也讨论了一个重要的风险场景。AI作为通用技术，跨行业覆盖面可能比以往任何技术都广，扩散速度也在加快。
在极端情况下，AI可能不是辅助劳动力而是替代劳动力。如果走到那一步，经济可能经历一次向高增长的体制转换，同时伴随劳动收入份额的急剧下降和不平等的大幅恶化。
报告并未排除这种可能性，但认为历史仍然是形成基准预期的最佳参照。
1、五次创新浪潮
过去250年，美国经历了五次由突破性技术集群驱动的创新浪潮：
第一次是工业革命（约1790s-1840s），核心是工厂、蒸汽动力、运河和早期铁路，持续约60年；
第二次是蒸汽、铁路与钢铁时代（1830-1910），铁路里程从1860年的3万英里飙升到1900年的19.2万英里，持续约55年；
第三次是电气化与内燃机时代（1890s-1940s），1902年到1929年间美国发电量增长超过十倍，福特Model T在1908年面世，持续约50年；
第四次是电子与航空时代（1940s-1980s），晶体管发明、喷气式客机、州际公路系统，联邦研发开支占GDP的比重翻了四倍，持续约40年；
第五次是互联网与数字网络时代（1990s-2020），到2000年约一半美国家庭接入了互联网，持续约30年。
一个明显的趋势是：
每一波比上一波扩散得更快。 如果这个规律延续，AI的扩散速度可能超过互联网。
正好我在2月中也有聊过：
移动互联网花了10年时间走完了互联网需要20年的道路，而AI可能需要更短的时间就能走完移动互联网10年的发展之路。
2、六条反复出现的规律
跨越250年的五次浪潮，摩根士丹利提炼出六条高度一致的共同模式。
1）资本开支的巨大脉冲。
创新浪潮从来不是温和渐进的。运河建设在高峰期占GDP的1%（相当于今天的约3150亿美元），铁路投资在1872-1881年间平均占GDP的2.5%（约7900亿美元），且经常超过全国总资本形成的10%。报告直言，如果要给当前AI投资热潮找一个历史对标物，就是铁路投资。
2）劳动力被重新配置而非消灭。
每一次浪潮都引发了对大规模失业的恐惧，但历史上从未成真。农业就业占比从1800年的75%降到1910年的30%再到今天的不足2%，但总就业需求从未崩溃。工作的构成改变了——从手工匠人到工厂工人，从蓝领到白领，从制造业到服务业，从中等技能岗位到两极化分布——但工作本身一直延续。
3）生产率提升需要时间和组织变革。
早期扩散慢且不均匀，但一旦配套投资和管理模式到位，产出效率就会加速。工业革命年均约0.8-1%，铁路时代翻倍到约2%，电气化时代实现了"大飞跃"（1900-1929年非农每小时产出翻番），互联网时代在1990年代末从1.5%加速到3%。但每次加速都滞后于技术发明本身10-20年。
4）繁荣-衰退周期是标配。
1837年运河崩盘，1873年和1893年铁路恐慌，1929年股灾和大萧条，2000年互联网泡沫破裂。模式惊人地一致：狂热投资→投机融资→杠杆攀升→预期调整→痛苦出清。金融市场既加速了技术扩散，也放大了周期波动。
5）不平等走向取决于制度而非技术。
镀金时代的极度财富集中，到1940-1970年代的"大压缩"（工会、累进税、教育扩展推动收入差距缩小），再到1980年后的不平等持续扩大——技术本身不决定分配结果，制度和政策才是关键变量。
6）教育体系每次都被迫转型。
工业革命催生公立小学，铁路时代催生赠地大学，电气化时代推动高中运动，战后GI Bill扩展高等教育，互联网时代加强STEM需求。当教育扩展充分时，技术红利被广泛分享；当教育滞后时，不平等就加剧。
3、对AI时代的六大启示
基于历史规律，摩根士丹利对AI浪潮给出了六条判断：
1）生产率提升大概率发生， 但需要配合组织重新设计。
2）劳动力置换是过渡性的， 岗位构成会变化，但就业不会消失。
3）繁荣-衰退周期几乎必然， AI基础设施投资与铁路/电信建设高度相似。
4）不平等风险处于高位， 收入和财富不平等已达125年来最高，AI的可扩展性可能进一步加剧集中。
5）教育和再培训将是决定性因素， AI可能需要终身学习体系而非传统学位路径。
6）政策制度至关重要， 反垄断、社会保障、人力资本投资决定了红利是被广泛分享还是被少数人垄断。
4、如果这次不一样呢？
摩根士丹利也讨论了一个重要的风险场景。AI作为通用技术，跨行业覆盖面可能比以往任何技术都广，扩散速度也在加快。
在极端情况下，AI可能不是辅助劳动力而是替代劳动力。如果走到那一步，经济可能经历一次向高增长的体制转换，同时伴随劳动收入份额的急剧下降和不平等的大幅恶化。
报告并未排除这种可能性，但认为历史仍然是形成基准预期的最佳参照。
京东美团加强内部大模型管控：京东拦截外部 AI 访问，美团限制阿里 Qwen 使用
京东于 3 月底正式限制员工访问外部 AI 网站，包括豆包、千问、DeepSeek 及 ChatGPT 等，并在拦截页面提供公司自研大模型及外部 AI 申请入口。此前，京东已宣布为快递员配备“AI 智慧员工助手”，通过作业数据优化揽收与派送等场景。
美团近期也对内部大模型使用做出调整，不再推荐业务部门使用阿里云提供的 Qwen 模型。若业务确需使用，须提交详细说明并上报至 X3 级别审批。目前，美团推荐业务使用其自研的 LongCat（龙猫）大模型，而豆包等其他外部模型暂无需审批。
消费日报 - 今朝 news
🌸 在花频道｜茶馆讨论｜投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
京东于 3 月底正式限制员工访问外部 AI 网站，包括豆包、千问、DeepSeek 及 ChatGPT 等，并在拦截页面提供公司自研大模型及外部 AI 申请入口。此前，京东已宣布为快递员配备“AI 智慧员工助手”，通过作业数据优化揽收与派送等场景。
美团近期也对内部大模型使用做出调整，不再推荐业务部门使用阿里云提供的 Qwen 模型。若业务确需使用，须提交详细说明并上报至 X3 级别审批。目前，美团推荐业务使用其自研的 LongCat（龙猫）大模型，而豆包等其他外部模型暂无需审批。
消费日报 - 今朝 news
🌸 在花频道｜茶馆讨论｜投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
DeepSeek悄悄上线“快速模式”和“专家模式”
4月8日凌晨，DeepSeek悄悄上线了一种新的分层模式界面：在网页版 /应用中出现了“快速模式”和“专家模式”两个入口，同时还有一个带图标的“视觉模式”(Vision)选项正在灰度测试。新的功能分工十分明确：快速模式面向日常对话和低延迟响应；专家模式针对复杂推理和深度任务，可能触发更长推理时间但响应慢；而视觉模式则开启了图像输入等多模态能力，不过被灰度到视觉模式的人非常之少。当前的分级制度或许值得关注，作为一种 “按需调用算力” 的调度机制，就是将简单任务交由低成本路径处理，仅在必要时启用高算力推理，从而减少无效Token消耗，实现整体成本的结构性下降。
—— 凤凰网科技
via 风向旗参考快讯 - Telegram Channel
4月8日凌晨，DeepSeek悄悄上线了一种新的分层模式界面：在网页版 /应用中出现了“快速模式”和“专家模式”两个入口，同时还有一个带图标的“视觉模式”(Vision)选项正在灰度测试。新的功能分工十分明确：快速模式面向日常对话和低延迟响应；专家模式针对复杂推理和深度任务，可能触发更长推理时间但响应慢；而视觉模式则开启了图像输入等多模态能力，不过被灰度到视觉模式的人非常之少。当前的分级制度或许值得关注，作为一种 “按需调用算力” 的调度机制，就是将简单任务交由低成本路径处理，仅在必要时启用高算力推理，从而减少无效Token消耗，实现整体成本的结构性下降。
—— 凤凰网科技
via 风向旗参考快讯 - Telegram Channel
微盟发布零售行业首个AI Skill并接入OpenClaw生态
4月8日，微盟正式发布首个面向零售行业的专属AI Skill——“Weimob Admin Skills”，并宣布接入OpenClaw（“龙虾”）生态。作为中国SaaS行业首个垂直领域专属AI Skill，该产品支持在微盟官网及各大厂商的“本地版龙虾”中运行，标志着零售SaaS经营正式进入从“对话式AI”向“执行式AI”跨越的新阶段。
Weimob Admin Skills的核心价值在于将复杂的零售行业Know-How转化为标准化、可复用的能力组件。商家通过自然语言交互，即可调取微盟底层API，实现商品库存分析、销售额溯源、会员管理及导购业绩评估等核心经营任务的自动化执行。
相较于传统SaaS后台繁琐的菜单操作，该Skill通过“基于Skill调度的Agent”架构，将原本多步的人工配置简化为即时指令，实现了“AI分析经营，人做关键决策”的人机协同新范式。
微盟此次战略布局旨在抢占AI Agent时代的新分发入口。通过将深厚的行业经验封装为轻量化Skill，微盟不仅降低了商家拥抱AI智能体的门槛，也拓展了自身“AI+SaaS”能力的触达边界。
via AI新闻资讯 (author: AI Base)
4月8日，微盟正式发布首个面向零售行业的专属AI Skill——“Weimob Admin Skills”，并宣布接入OpenClaw（“龙虾”）生态。作为中国SaaS行业首个垂直领域专属AI Skill，该产品支持在微盟官网及各大厂商的“本地版龙虾”中运行，标志着零售SaaS经营正式进入从“对话式AI”向“执行式AI”跨越的新阶段。
Weimob Admin Skills的核心价值在于将复杂的零售行业Know-How转化为标准化、可复用的能力组件。商家通过自然语言交互，即可调取微盟底层API，实现商品库存分析、销售额溯源、会员管理及导购业绩评估等核心经营任务的自动化执行。
相较于传统SaaS后台繁琐的菜单操作，该Skill通过“基于Skill调度的Agent”架构，将原本多步的人工配置简化为即时指令，实现了“AI分析经营，人做关键决策”的人机协同新范式。
微盟此次战略布局旨在抢占AI Agent时代的新分发入口。通过将深厚的行业经验封装为轻量化Skill，微盟不仅降低了商家拥抱AI智能体的门槛，也拓展了自身“AI+SaaS”能力的触达边界。
via AI新闻资讯 (author: AI Base)
全球首个！中国发布“磐石·禹衡”碳核算大模型：精准刻画全球“碳足迹”
据报道，由中国科学院上海高等研究院牵头打造的全球首个全景式碳排放核算系统 —— “磐石·禹衡碳核算大模型” 在上海正式发布。这标志着中国在碳排放核算领域实现了从“跟跑”到“重构范式”的重大技术突破。
核心突破：数据、算法、算力三位一体
“磐石·禹衡” 大模型旨在破解传统碳核算知识壁垒高、数据更新慢、分辨率低等瓶颈，构建了坚实的底层支撑体系：
数据层： 以 8 类自主数据集为核心，汇聚了 208 TB 的多格式碳数据，实现了数据的高频更新与深度融合。
算法层： 基于自主研发的多口径核算方法学，通过 320 亿参数 的垂直大模型，驱动 5 个专项智能体协作，确保核算的完整性。
算力层： 依托高性能服务器集群与外部算力中心协同，提供弹性的算力供给。
功能亮点：5 大智能体“各司其职”
该模型不仅是对话工具，更是具备实操能力的“数智专家”，其 5 个智能体分别针对不同复杂场景：
工业模拟： 实现体系流程的数字化模拟与优化。
贸易核算： 精准计算跨国贸易中的碳转移。
生命周期评价（LCA）： 自动完成产品从目标确定到清单分析、结果解析的全流程核算。
自然源核算： 针对森林、海洋等自然碳汇进行精准摸底。
不确定性分析： 为核算结果提供科学的置信度评估。
价值重估：还原真实的“中国减排贡献”
“磐石·禹衡” 大模型的初步运行结果，正显著提升中国在全球气候治理中的科技话语权：
核算纠偏： 以 2022 年数据为例，在新核算体系下，中国温室气体排放量相较传统生产端核算结果下调了 17.7%，而美、日则分别上调了 15.2% 和 7.2%。
外贸博弈： 发现欧盟 CBAM 默认排放因子系统性高估了中国产品，为中国企业应对国际碳关税提供了科学依据。
绿色贡献： 精准核算出 2024 年中国出口的风电与光伏产品，在运行阶段为全球贡献了约 3.5 亿吨 的碳减排收益。
命名寓意：科学、智慧与公正
“磐石”： 取自坚如磐石的科学研究基础。
“禹”： 溯源大禹治水的东方智慧，象征治理全球碳流动。
“衡”： 代表公平、公正的核算原则。
结语：碳核算的“中国答案”
碳核算是国际碳定价的基础。“磐石·禹衡” 的发布，不仅为中国实现“双碳”目标提供了技术支撑，更在推动全球建立更加公平、科学的碳排放责任分配新秩序中贡献了中国智慧。
via AI新闻资讯 (author: AI Base)
据报道，由中国科学院上海高等研究院牵头打造的全球首个全景式碳排放核算系统 —— “磐石·禹衡碳核算大模型” 在上海正式发布。这标志着中国在碳排放核算领域实现了从“跟跑”到“重构范式”的重大技术突破。
核心突破：数据、算法、算力三位一体
“磐石·禹衡” 大模型旨在破解传统碳核算知识壁垒高、数据更新慢、分辨率低等瓶颈，构建了坚实的底层支撑体系：
数据层： 以 8 类自主数据集为核心，汇聚了 208 TB 的多格式碳数据，实现了数据的高频更新与深度融合。
算法层： 基于自主研发的多口径核算方法学，通过 320 亿参数 的垂直大模型，驱动 5 个专项智能体协作，确保核算的完整性。
算力层： 依托高性能服务器集群与外部算力中心协同，提供弹性的算力供给。
功能亮点：5 大智能体“各司其职”
该模型不仅是对话工具，更是具备实操能力的“数智专家”，其 5 个智能体分别针对不同复杂场景：
工业模拟： 实现体系流程的数字化模拟与优化。
贸易核算： 精准计算跨国贸易中的碳转移。
生命周期评价（LCA）： 自动完成产品从目标确定到清单分析、结果解析的全流程核算。
自然源核算： 针对森林、海洋等自然碳汇进行精准摸底。
不确定性分析： 为核算结果提供科学的置信度评估。
价值重估：还原真实的“中国减排贡献”
“磐石·禹衡” 大模型的初步运行结果，正显著提升中国在全球气候治理中的科技话语权：
核算纠偏： 以 2022 年数据为例，在新核算体系下，中国温室气体排放量相较传统生产端核算结果下调了 17.7%，而美、日则分别上调了 15.2% 和 7.2%。
外贸博弈： 发现欧盟 CBAM 默认排放因子系统性高估了中国产品，为中国企业应对国际碳关税提供了科学依据。
绿色贡献： 精准核算出 2024 年中国出口的风电与光伏产品，在运行阶段为全球贡献了约 3.5 亿吨 的碳减排收益。
命名寓意：科学、智慧与公正
“磐石”： 取自坚如磐石的科学研究基础。
“禹”： 溯源大禹治水的东方智慧，象征治理全球碳流动。
“衡”： 代表公平、公正的核算原则。
结语：碳核算的“中国答案”
碳核算是国际碳定价的基础。“磐石·禹衡” 的发布，不仅为中国实现“双碳”目标提供了技术支撑，更在推动全球建立更加公平、科学的碳排放责任分配新秩序中贡献了中国智慧。
via AI新闻资讯 (author: AI Base)
阿里 AI 架构大调整！李飞飞出任阿里云 CTO，通义实验室晋升“大模型事业部”
据报道，4 月 8 日下午，阿里巴巴集团 CEO 吴泳铭发布内部信，宣布了一系列重磅组织架构调整。此次调整核心围绕“加速 AI 建设”，通过设立集团技术委员会和升级业务部门，正式开启 AI 全面加速期。
核心变动：全球顶尖科学家李飞飞加盟
本次调整中最受瞩目的莫过于李飞飞的全新头衔：
阿里云 CTO： 李飞飞将正式出任阿里云 CTO，全面负责阿里云技术以及 AI 云基础设施的建设。
集团技术委员会： 她还将与周靖人、吴泽明一同成为新设立的“集团技术委员会”成员，该委员会由吴泳铭亲自挂帅。
部门升级：通义实验室“自立门户”
为了进一步聚合优势力量，阿里对 AI 研发体系进行了级别提升：
通义大模型事业部： 原通义实验室正式升级为 通义大模型事业部，由周靖人负责。
职能明确： 周靖人出任技术委员会首席 AI 架构师；吴泽明则专注集团 CTO 工作，负责 AI 推理平台建设。
战略背景：从 ATH 事业群到 Qwen 3.6 Plus
2026 年被视为阿里 AI 加速发展的关键年，近期动作频频：
Token 为王： 此前阿里已成立以“创造、输送、应用 Token”为核心目标的 ATH 事业群（Alibaba Token Hub）。
战绩彪炳： 最新的Qwen 3.6 Plus模型近期问鼎 OpenRouter 全球大模型周调用量冠军，证明了其强大的市场渗透力。
管理层联动：人才梯队的重新对齐
配合 AI 战略，阿里内部相关业务负责人也进行了微调：
吴泽明 专注集团层面技术工作。
雷雁群 接任淘宝闪购 CEO 职务。
结语：投入最关键战场
此次调整意味着阿里巴巴已完成从底层基础设施到上层大模型应用的“全链路官宣”。当全球顶尖人才与核心事业部完成合体，阿里正试图在 AI 时代的下半场，通过更扁平、更专业的组织结构，抢夺 AGI 时代的定义权。
via AI新闻资讯 (author: AI Base)
据报道，4 月 8 日下午，阿里巴巴集团 CEO 吴泳铭发布内部信，宣布了一系列重磅组织架构调整。此次调整核心围绕“加速 AI 建设”，通过设立集团技术委员会和升级业务部门，正式开启 AI 全面加速期。
核心变动：全球顶尖科学家李飞飞加盟
本次调整中最受瞩目的莫过于李飞飞的全新头衔：
阿里云 CTO： 李飞飞将正式出任阿里云 CTO，全面负责阿里云技术以及 AI 云基础设施的建设。
集团技术委员会： 她还将与周靖人、吴泽明一同成为新设立的“集团技术委员会”成员，该委员会由吴泳铭亲自挂帅。
部门升级：通义实验室“自立门户”
为了进一步聚合优势力量，阿里对 AI 研发体系进行了级别提升：
通义大模型事业部： 原通义实验室正式升级为 通义大模型事业部，由周靖人负责。
职能明确： 周靖人出任技术委员会首席 AI 架构师；吴泽明则专注集团 CTO 工作，负责 AI 推理平台建设。
战略背景：从 ATH 事业群到 Qwen 3.6 Plus
2026 年被视为阿里 AI 加速发展的关键年，近期动作频频：
Token 为王： 此前阿里已成立以“创造、输送、应用 Token”为核心目标的 ATH 事业群（Alibaba Token Hub）。
战绩彪炳： 最新的Qwen 3.6 Plus模型近期问鼎 OpenRouter 全球大模型周调用量冠军，证明了其强大的市场渗透力。
管理层联动：人才梯队的重新对齐
配合 AI 战略，阿里内部相关业务负责人也进行了微调：
吴泽明 专注集团层面技术工作。
雷雁群 接任淘宝闪购 CEO 职务。
结语：投入最关键战场
此次调整意味着阿里巴巴已完成从底层基础设施到上层大模型应用的“全链路官宣”。当全球顶尖人才与核心事业部完成合体，阿里正试图在 AI 时代的下半场，通过更扁平、更专业的组织结构，抢夺 AGI 时代的定义权。
via AI新闻资讯 (author: AI Base)
英国国家数据图书馆计划面临挑战，数据可用性亟待改善
英国政府正致力于通过国家数据图书馆（NDL）推动人工智能的发展。然而，近日发布的研究表明，如果不能改善公共数据集的可用性，这一计划可能会面临严峻挑战。开放数据研究所（ODI）的一项研究指出，目前可用的数据在实际分析中存在误导性标题和缺乏元数据等问题，导致其难以有效使用。
在 2024 年秋季预算案中，政府确认了 NDL 的计划，并承诺将为研究人员和企业提供重要的数据洞察，促进经济增长和改善生活质量。政府还宣布，该项目将获得 1 亿英镑的投资，这笔资金是政府计划在 2028/29 财年之前向科学、创新和技术部（DSIT）提供的 19 亿英镑预算的一部分。
ODI 最近推出了一个名为 “NDL-Lite” 的原型系统，能够访问超过 10 万个公共数据集。研究发现，部分数据集存在标签不一致、数据过时以及人工智能工具无法有效获取等问题。ODI 警告称，缺乏权威数据时，人工智能系统会转向其他来源，比如新闻报道或商业数据，而这些信息的准确性并不总是有保障。
尽管 ODI 的研究表明构建 NDL 的成本相对较低，但也强调了将数据调整至适合人工智能处理的必要工作量。研究发现，即使是 “犯罪” 等广泛的术语，也难以进行有效分析。一些数据集由于缺乏共享标准，无法整合，导致分析困难。
开放数据研究所的教授 Elena Simperl 表示，公共数据的数量与其实际可用性之间存在日益扩大的差距。她指出，如果政府不能及时更新数据和改善元数据质量，人工智能系统可能会寻求其他更易获取的信息来源。
政府发言人表示，政府希望 “最大化公共部门数据的收益”，以提高服务效率并促进经济增长。为此，政府正在通过数字公共基础设施的现代化计划来改善数据共享和使用的便利性。
国家数据图书馆是帮助研究人员和数据科学家获取公共数据的最新项目，然而，ODI 的研究提醒人们，这一计划必须避免成为错失良机。
via AI新闻资讯 (author: AI Base)
英国政府正致力于通过国家数据图书馆（NDL）推动人工智能的发展。然而，近日发布的研究表明，如果不能改善公共数据集的可用性，这一计划可能会面临严峻挑战。开放数据研究所（ODI）的一项研究指出，目前可用的数据在实际分析中存在误导性标题和缺乏元数据等问题，导致其难以有效使用。
在 2024 年秋季预算案中，政府确认了 NDL 的计划，并承诺将为研究人员和企业提供重要的数据洞察，促进经济增长和改善生活质量。政府还宣布，该项目将获得 1 亿英镑的投资，这笔资金是政府计划在 2028/29 财年之前向科学、创新和技术部（DSIT）提供的 19 亿英镑预算的一部分。
ODI 最近推出了一个名为 “NDL-Lite” 的原型系统，能够访问超过 10 万个公共数据集。研究发现，部分数据集存在标签不一致、数据过时以及人工智能工具无法有效获取等问题。ODI 警告称，缺乏权威数据时，人工智能系统会转向其他来源，比如新闻报道或商业数据，而这些信息的准确性并不总是有保障。
尽管 ODI 的研究表明构建 NDL 的成本相对较低，但也强调了将数据调整至适合人工智能处理的必要工作量。研究发现，即使是 “犯罪” 等广泛的术语，也难以进行有效分析。一些数据集由于缺乏共享标准，无法整合，导致分析困难。
开放数据研究所的教授 Elena Simperl 表示，公共数据的数量与其实际可用性之间存在日益扩大的差距。她指出，如果政府不能及时更新数据和改善元数据质量，人工智能系统可能会寻求其他更易获取的信息来源。
政府发言人表示，政府希望 “最大化公共部门数据的收益”，以提高服务效率并促进经济增长。为此，政府正在通过数字公共基础设施的现代化计划来改善数据共享和使用的便利性。
国家数据图书馆是帮助研究人员和数据科学家获取公共数据的最新项目，然而，ODI 的研究提醒人们，这一计划必须避免成为错失良机。
划重点：
🔍 NDL 计划旨在通过提供公共数据推动 AI 发展，但面临数据可用性挑战。
💡 ODI 研究显示，现有公共数据集存在标签不规范和数据过时等问题。
📉 如果不改善数据质量，AI 系统可能转向其他不可靠的信息来源。
via AI新闻资讯 (author: AI Base)
马斯克对 OpenAI 提起诉讼，要求罢免 CEO 奥尔特曼职务
近日，埃隆・马斯克通过法律途径，向 OpenAI 的首席执行官萨姆・奥尔特曼及总裁格雷格・布罗克曼发起诉讼，试图罢免他们的高管职务。马斯克在提交的法律文件中指控 OpenAI 存在欺诈行为，要求法院将该公司恢复为真正的非营利组织。此案预计将于 4 月 27 日在加利福尼亚州的联邦法院开庭审理。
马斯克表示，OpenAI 是他在 2015 年与奥尔特曼等人共同创立的，最初承诺以非营利形式运营。但他声称，公司后来 “蓄意操纵” 这一承诺，导致他在未获知真实情况的情况下捐赠了 3800 万美元（约合 2.62 亿元人民币）。他希望法官能够裁定奥尔特曼和布罗克曼对其进行 “欺骗”，并罢免他们在 OpenAI 的职务。
在法律文件中，马斯克的律师指出，要求解除高管职务是维护慈善机构公共使命的一种常见救济措施。此外，马斯克还请求法院判令 OpenAI 重新回归非营利机构的运营模式，强调这一点对于保护公司初衷的重要性。
自马斯克 2018 年离开 OpenAI 后，他与该公司的关系逐渐恶化。2023 年，他成立了自己的人工智能公司 xAI，并与 SpaceX 进行收购交易，试图在人工智能领域与 OpenAI 展开竞争。而 OpenAI 则指控马斯克通过不当手段破坏其业务，包括与 Meta 首席执行官扎克伯格的合作。
此外，马斯克的律师团队在一份早期的文件中提出，要求 OpenAI 及其投资方微软赔偿高达 1340 亿美元（约合 9231.12 亿元人民币）的损失，称这是两家公司凭借马斯克早期对 OpenAI 的支持所获得的 “非法收益”。对此，OpenAI 在近期向加利福尼亚州和特拉华州的检察长发函，呼吁对马斯克及其相关方的不当行为展开调查。
via AI新闻资讯 (author: AI Base)
近日，埃隆・马斯克通过法律途径，向 OpenAI 的首席执行官萨姆・奥尔特曼及总裁格雷格・布罗克曼发起诉讼，试图罢免他们的高管职务。马斯克在提交的法律文件中指控 OpenAI 存在欺诈行为，要求法院将该公司恢复为真正的非营利组织。此案预计将于 4 月 27 日在加利福尼亚州的联邦法院开庭审理。
马斯克表示，OpenAI 是他在 2015 年与奥尔特曼等人共同创立的，最初承诺以非营利形式运营。但他声称，公司后来 “蓄意操纵” 这一承诺，导致他在未获知真实情况的情况下捐赠了 3800 万美元（约合 2.62 亿元人民币）。他希望法官能够裁定奥尔特曼和布罗克曼对其进行 “欺骗”，并罢免他们在 OpenAI 的职务。
在法律文件中，马斯克的律师指出，要求解除高管职务是维护慈善机构公共使命的一种常见救济措施。此外，马斯克还请求法院判令 OpenAI 重新回归非营利机构的运营模式，强调这一点对于保护公司初衷的重要性。
自马斯克 2018 年离开 OpenAI 后，他与该公司的关系逐渐恶化。2023 年，他成立了自己的人工智能公司 xAI，并与 SpaceX 进行收购交易，试图在人工智能领域与 OpenAI 展开竞争。而 OpenAI 则指控马斯克通过不当手段破坏其业务，包括与 Meta 首席执行官扎克伯格的合作。
此外，马斯克的律师团队在一份早期的文件中提出，要求 OpenAI 及其投资方微软赔偿高达 1340 亿美元（约合 9231.12 亿元人民币）的损失，称这是两家公司凭借马斯克早期对 OpenAI 的支持所获得的 “非法收益”。对此，OpenAI 在近期向加利福尼亚州和特拉华州的检察长发函，呼吁对马斯克及其相关方的不当行为展开调查。
划重点：
🌟 马斯克起诉 OpenAI，要求罢免 CEO 奥尔特曼及总裁布罗克曼职务。
💰 指控 OpenAI 存在欺诈行为，并希望法院判令其恢复为非营利机构。
⚖️ 此案定于 4 月 27 日在加利福尼亚州的联邦法院开庭审理。
via AI新闻资讯 (author: AI Base)
