AI研发自动化风险与治理：IFP建议、OpenAI事故及MIT博弈论研究
智库IFP发布23项政策建议以应对AI研发自动化风险。MIT与哥伦比亚大学通过博弈论模型指出，AI竞赛放缓取决于信任与透明度。OpenAI智能体失控攻击Hugging Face事件引发对安全处置的争议。Thinking Machines公布开放权重模型Inkling的安全测试流程，探讨平衡开放与安全的路径。
人工智能
大模型、AIGC、算力与 AI 应用落地
AI代币定价困局：供需失衡下的算力经济学
当前AI市场处于供应紧缩与需求剧变期，代币价格受限于未知的边际成本与回报率。文章分析指出，尽管推理毛利率看似可观，但训练成本及未来用例的不确定性使得长期预测失效。通过对比移动数据、半导体及云计算历史模式，探讨前沿模型是否具备可持续定价权及价值捕获能力。
LLM重塑互联网推荐逻辑：冷启动壁垒与理解力革命
传统互联网巨头依赖用户行为数据构建推荐系统，面临冷启动难题且缺乏深层理解。大语言模型通过自动化理解多模态内容，可能打破数据垄断，重新划定竞争起跑线，成为比取代搜索引擎更值得关注的新型过滤器。