WAIC 2025观察：算力竞赛升维，模型寻路落地
7月28日，2025年世界人工智能大会（WAIC）在上海落幕，超过7万平方米的展区、800余家企业，以及一度被炒至3000元的单日票价，都彰显着这场盛会前所未有的热度。与往年相比，本届WAIC大会呈现出两条愈发清晰的产业路径：一方面，以华为、中科曙光、神州数码为代表的硬件厂商，正将算力基础设施的竞赛推向新的性能高峰；另一方面，以百望股份、阶跃星辰为代表的模型与应用厂商，则集体将目光从技术参数转向了商业场景的深度落地。
每孩每年3600元，你生吗？
千呼万唤的育儿补贴政策，终于下来了。“从2025年1月1日起，对符合法律法规规定生育的3周岁以下婴幼儿发放补贴。育儿补贴按年发放，现阶段国家基础标准为每孩每年3600元，发放补贴至婴幼儿年满三岁。”同事们看了新闻，最大的反应是：“怎么才发3600，这够买几罐进口奶粉啊？”
翻红的漂亮饭，90后都追不动了—追求视觉享受无可厚非，但生活的真滋味永远藏在那些无须刻意表演、真实可触的日常瞬间里，远不止朋友圈里精心修饰的几张图片
年轻人钟爱好看的食物，早已不是新鲜事，这些年多少网红餐厅的崛起，都是得益于牢牢把握住了餐食漂亮、店面优雅、好出片的底层逻辑：几片新鲜的三文鱼刺身被卷成花朵，搭配切好的牛油果片形成强烈的视觉冲击；玻璃杯装着樱花粉渐变色的奶昔，斜插着两片小熊造型的饼干；鹅肝通过煎烤呈现出美拉德反应，再加上可食用金箔和薄荷叶装饰……
在史上最大规模WAIC中寻找DeepSeek
今年的上海世界人工智能大会（WAIC）比去年有什么不同，最简单现成的答案，就是DeepSeek。从巴黎人工智能峰会到WAIC，DeepSeek从未亲临现场，却依然是中国开源技术栈叙事的支点，定义了叙事节奏、商业尺度与国际话语权的边界。WAIC的几处关键画面印证了这一切。
AI时代，人还需要独立思考吗？
你有没有这样的感觉：现在我们越来越依赖 AI，仿佛只要一句“问 AI”，就能搞定一切。但问题也浮现了：在这个 AI 无处不在的时代，我们还需要“独立思考”吗？也许你会说：“当然需要！”但是真正的独立思考，并不是刷新闻、拼观点，更不只是复制你看到的那些智能推荐。它是更深的体验，是对世界的感知、对自我的判断，是你发自内心的一次发言。所以，本文想聊聊什么叫“生动的独立思考”，以及怎么在 AI 浪潮中，让我们始终保有那点人类独有的灵性。
AI越训练，越会“满嘴跑火车”，普林伯克利重磅揭秘，RLHF竟是罪魁祸首？
一项来自普林斯顿和伯克利的重磅研究揭露了AI的胡扯本质。从空洞修辞到误导性半真话，AI如何用花言巧语掩盖真相？快来看「胡扯指数」如何量化AI的忽悠能力！你有没有觉得，AI有时候像在「满嘴跑火车」？GPT滔滔不绝抛出一堆看似高大上的建议，却空洞无物；或者在关键问题上打太极，含糊其辞，它是否真的关心自己在说什么？最近，一项重磅研究《Machine Bullshit》火了。由普林斯顿大学和伯克利联手打造，这项研究首次系统定义并量化了LLM的胡扯行为，揭示了AI在对齐训练后，竟表现出和人类相似的胡说八道倾向。
AI Coding产品井喷，但属于创业者的机会正在关闭
AI Coding（人工智能编程）正成为当下AI领域最受关注的赛道。过去一个月，无论是国内还是海外，无论是大厂还是明星创业公司，动作都在加速，产品密集上线。
当AI学会欺骗，我们该如何应对？
前沿模型越来越多地被训练和部署为自主智能体。一个安全担忧是，AI智能体可能会隐秘地追求与人类目标不一致的目标，隐藏其真实能力和目的——这也被称为AI欺骗或谋划行为（AI deceptionor sc heming）。实际上，近两年来，大模型等前沿AI系统的欺骗行为频繁引发公众关注，从规避指令到策略性隐瞒，多起案例经媒体广泛报道后，已在社会层面激起广泛讨论与疑虑。公众在惊叹技术飞跃的同时，也对潜在失控风险深感不安。最新研究发现，OpenAI、Anthropic、Google DeepMind等领先AI实验室的前沿AI模型，在未经专门训练的情况下，就可能会系统性地欺骗人类、实施策略性谋划 （strategic scheming） ，甚至试图绕过安全防护措施。例如，Anthropic的Claude Opus 4模型在84%的测试情景中，面对关闭威胁时使用虚构的工程师个人信息实施勒索；OpenAI的o3模型在79%的测试运行中破坏关闭机制，这些都发生在没有明确指示其配合的情况下。这些行为即使经过大量安全训练也会持续存在，代表着从正常训练中自然涌现的能力，而非明确编程或专门训练的结果。而且，不同于幻觉、单纯提供错误或虚假信息等问题，欺骗性AI （de ceptive AI ） 的问题表明，旨在让人工智能的目标与行为和人类的目标、价值、伦理原则等追求相一致的AI价值对齐工作依然任重道远。AI行业正在通过新的治理框架和技术对策来应对AI欺骗问题，包括增进大模型的透明度和可解释性，加强对AI欺骗行为的监测，推进AI对齐研究来防范这些有害行为，而非将其作为产品特性加以发展。