Author: aitrendtrackers@rengongzhineng.io

据报道，Telegram与埃隆·马斯克旗下的人工智能公司xAI达成合作协议，后者将在Telegram平台分发其聊天机器人Grok，并在Telegram可用的一系列应用中整合该功能，为期一年。 Telegram首席执行官帕维尔·杜罗夫（Pavel Durov）于周二表示，作为此次交易的一部分，xAI将以现金和股权形式向Telegram支付3亿美元。 杜罗夫还透露，Telegram将从通过该应用购买xAI订阅服务中获得50%的收入分成。 今年早些时候，xAI已将Grok聊天机器人提供给Telegram的高级用户使用。现在看来，Grok可能将向所有用户开放。 杜罗夫在社交平台X上发布的视频显示，Grok可以被固定在聊天界面顶部，用户还可通过搜索栏向其提问。值得注意的是，Meta公司此前也在Instagram和WhatsApp的搜索栏中整合了其Meta AI功能。 视频画面还展示了Grok的多项功能，包括撰写建议、对聊天记录、链接和文档进行摘要、创建贴纸等。此外，Grok还将为企业提供答疑服务，并协助平台内容审核工作。

在AI数据中心争夺速度、带宽与能效的时代，台积电（TSMC）正在下注一项不走寻常路的光学互连技术。2025年5月，台积电宣布将与加州Sunnyvale初创公司Avicena合作，量产基于MicroLED的光学互连芯片，这项技术可能成为构建节能型AI超算集群的关键。 背景：AI时代的数据瓶颈 随着大语言模型和其他AI系统对GPU集群的需求暴涨，传统铜线互连方式逐渐显现出带宽不足、延迟过高和能耗严重的问题。数据中心内部（尤其是在GPU与内存之间）的通信已成为瓶颈。为了突破这一限制，业界正试图将“光互连”推进到主板乃至芯片级。 台积电副总裁Lucas Tsai表示：“目前业界正加紧将光学连接推进到离硅芯片更近的位置。” Avicena的另类解决方案：MicroLED + 摄像头式接收器 与目前主流的激光-调制器光互连方案不同，Avicena推出了一种名为LightBundle的平台，使用数百个蓝色MicroLEDs与成像式光纤和光电接收阵列实现数据传输。该方案避免了激光器带来的高复杂性、高成本与可靠性问题。 Avicena CEO Bardia Pezeshki 形容其系统为： “一个像迷你显示器一样的发射器，对应一个像摄像头一样的接收器。” 每一条10 Gb/s的物理数据通道都通过专用的光纤链接。用300个像素就能实现10米距离内总共3 Tb/s的数据吞吐，并保持能耗低于1 pJ/bit，远优于硅光方案目前约5 pJ/bit的水平。 跳过激光器：更简单、更成熟的产业路径 目前常见的硅光互连方案依赖于激光器、多波长调制器和共封装光学（CPO）模块，但这些组件仍处于研发或初期商用阶段，成本高、产能低。相比之下，Avicena采用的是LED、显示屏与摄像头技术——都是已经在消费电子中高度成熟的产业。 Pezeshki表示： “我们不需要发明新的技术模块，仅对现有技术进行小幅修改即可实现高性能互连。” 这也是台积电决定为其生产光电探测阵列的重要原因之一。LED的低功耗、成熟工艺与高冗余性，使其非常适合数据中心10米以内的内部高速互连场景。 为何这项技术令人兴奋？ 面向AI计算的未来架构基础设施？ 台积电此次与Avicena的合作，表明AI数据中心基础设施正处于重大技术转型的前夜。随着生成式AI模型日益庞大，如何在GPU与内存、GPU与GPU之间快速、高效、低能耗地传输数据，将成为决定系统上限的关键。 虽然Avicena的LightBundle仍处于扩展阶段，但其“跳过激光、直奔LED”这一路径，有望为数据中心互连带来真正的范式转变。 在一个注重“性能每瓦”的AI世界里，也许这就是后铜线、后激光的未来起点。

谷歌DeepMind首席执行官Demis Hassabis近日表示，被称为“世界模型”（world models）的AI系统正在朝通用人工智能（AGI）迈出关键一步，并取得了“令人惊讶的进展”。他指出，这些模型不再只是模仿语言或生成图像，而是开始理解物理世界的真实结构，具备推理和预测现实动态的能力。 “世界模型”接近理解现实世界的本质 Hassabis在评论谷歌最新的视频模型Veo 3时称，其在模拟现实物理现象方面的表现“令人震惊”，能够准确捕捉物体运动的直觉物理规律，说明其背后正在激活对现实更深层的结构性理解。他表示：“这不只是生成图像，它触及了某种更真实的东西。” 在他看来，这类AI系统类似人脑，不只是构建现实的表征，更是模拟现实本身的底层规则与复杂性。这种能力让研究人员有机会以计算方式理解现实的本质，这也是Hassabis一贯追求的“终极目标”：探索现实世界的根本结构。 从模拟游戏到通用智能：世界模型是DeepMind的核心路线 Hassabis指出，构建世界模型一直是DeepMind实现AGI的核心策略之一，早在他十几岁设计模拟游戏《Theme Park》时便萌生了这一理念。他强调：“对我们来说，构建世界模型从一开始就是通往AGI的计划。” 这一思路也贯穿了DeepMind的多个实验性项目。例如，Genie项目能够将静态图像转换为可交互的3D游戏环境，赋予图像世界物理属性和动态交互性，正是朝“理解并参与现实世界”的方向迈进。 世界模型背后的哲学：从模仿到体验 在DeepMind近期的一篇论文中，两位重量级AI研究员——Richard Sutton与David Silver也对世界模型的重要性进行了强调。他们认为，AI发展应该摆脱对人类标签和数据的依赖，转向通过环境交互学习的系统，即让AI像人类或动物一样通过试错与反馈获得知识。 他们主张AI应具备内在世界模型：能够预测未来、做出决策，并具备感知—行动—反馈的循环机制。这不仅仅限于语言模型，而是涉及视觉、触觉、运动等多模态体验。 强化学习将在这一过程中扮演关键角色。通过在真实或逼真的环境中进行试验，AI将不只是识别数据，而是逐步建立起与现实世界动态交互的能力。 一个全新AI时代的开端？ 在Hassabis、Sutton与Silver看来，这一“从模仿转向经验”的范式变革，是AI迈向AGI的真正起点。与单纯的语言理解或图像生成不同，世界模型提供了AI与现实交互、理解、预测甚至主动探索的可能性。 这也意味着，未来的AI不再只是回答问题或生成文本，而是能真正“看懂”“预测”甚至“介入”现实世界。正如Hassabis所说：“我们不仅在构建AI工具，而是在尝试还原宇宙的运行法则。” 世界模型的突破，让人们对AGI的实现路径有了更加清晰的轮廓。通过模拟现实、体验现实并在其中学习，AI或许正在悄然接近通向人类级智能的门槛。

在人工智能迅速改变软件开发流程的背景下，亚马逊部分程序员表示，他们的工作节奏正变得越来越快、越来越例行公事，甚至与仓库流水线上的工作类似。他们指出，虽然AI并未直接剥夺他们的职位，但正在悄然改变他们工作的性质——使其更高压、更少创意，变得更像一场速度竞赛。 与此同时，也有开发者表示欢迎这一变化，认为AI在处理琐碎任务上带来了效率提升，使人能够专注于更具挑战性的工作内容。 从“写代码”到“管理AI生成的代码” 亚马逊正在大力投资生成式AI。在CEO安迪·贾西（Andy Jassy）最近的致股东信中，他强调AI在“提升生产效率和降低成本”方面带来了巨大回报，并明确指出编码是一个将因AI“改变规范”的领域。 多名亚马逊工程师透露，过去一年中，他们被鼓励或被动要求在日常工作中使用AI。虽然表面上AI工具的使用是可选的，但如果开发者希望达成团队指标、获得良好的绩效评价，实际上已别无选择。一名工程师称，他所在的团队人数缩减了一半，但产出目标未变，依赖AI才得以维持进度。 这些AI工具包括类似Copilot的代码补全系统，以及可生成大型程序片段的新型工具。一些程序员形容它们“可怕地强大”，但也指出这需要花费大量时间去审核和验证。正如一位程序员所说：“写代码比读代码有趣得多”，而AI主导的流程中，“读代码”正在变成开发工作的主旋律。 “工作速度提升，但思考时间变少” 在AI的推动下，开发节奏明显加快。一项由微软及学术机构合作完成的研究表明，使用AI工具能将编程输出提升超过25%。在亚马逊，开发者们表示，一项功能过去需要几周时间开发，现在则常常必须几天内完成，这直接压缩了与团队协作、代码复审及技术探索的空间。 哈佛大学劳工经济学家劳伦斯·卡茨（Lawrence Katz）认为，这种现象类似于工业时代“工匠手艺转向工厂流水线”的转变：“这是一种‘知识型工人加速化’（knowledge worker speed-up）。”他指出，开发者原本拥有一定的“冗余时间”来应对复杂项目，现在则被AI技术消解，开发流程趋于透明和标准化。 从蓝领到白领：同样的“技术压榨”逻辑 亚马逊工程师将这种变化与公司早年对仓库工人的自动化管理做类比：过去工人需在仓库中步行寻找货品，如今机器人将货架送到人面前，虽然省力却变得更重复和机械。程序员担心，AI正以相似方式“工业化”他们的工作。 与此同时，公司管理层则称AI是增强工具而非替代品，可以减轻重复性任务，如旧系统的升级维护。据CEO贾西表示，AI已为亚马逊节省了相当于4,500名开发者一年的工作量。 年轻开发者可能受影响最大 尽管高阶开发者能将AI当作“助手”提高效率，但对初级工程师而言，AI自动化可能削弱他们掌握核心技能的机会。一位工程师指出，AI接管了许多能帮助新人理解系统架构与代码逻辑的过程，如自动化测试与文档生成，可能影响他们的晋升发展。 从职业焦虑到组织化可能性 在面对AI带来的节奏压力与职业不确定性之际，许多亚马逊工程师加入了名为“Amazon Employees for Climate Justice”的内部组织。该组织除环保议题外，也成为员工讨论AI使用焦虑、返岗政策等问题的聚点。 该组织代表Eliza Pan表示，工程师们担心的不仅是技术本身，而是“这将如何改变他们的职业生涯，甚至是工作的本质”。 尽管目前亚马逊程序员尚未出现正式的组织化趋势，但历史经验表明，劳动强度和工作方式的“加速化”往往是工人集体行动的导火索——如1936年美国汽车工人罢工，就是为了抵制“速度压榨”（speed-up）。 软件开发的“流水线化”，是进步还是退步？ 程序员与AI的关系正处于不断变化的临界点。一方面，AI确实显著提升了生产效率、降低了应用开发门槛，使得原本需要庞大团队的应用程序如今可由少数原型开发者快速实现；另一方面，程序员正在从创作者变成“代码监管员”，逐渐丧失对作品的主控权。 哈珀·里德（Harper Reed），前奥巴马竞选团队技术主管指出：“过去在工厂里，工人还要测量每个角度是否准确。现在有机器来做这些，我们不需要知道每一处细节。”对他来说，技术进步意味着“工艺知识”的边缘化。 而对程序员群体来说，问题或许不是AI是否取代了他们，而是AI是否让他们成为自己工作的旁观者。 AI让软件开发变得更快、更便宜、更普及；但也让开发者的角色更加边缘、可替代。这个新现实，才刚刚开始。

斯坦福大学的研究团队日前开发出一种全新的CRISPR技术——CRISPR-TO，能够将RNA精确输送至神经元中的特定受损区域，进而启动修复与再生机制。这项突破性的研究被称为“空间RNA医学（spatial RNA medicine）”的起点，有望为如肌萎缩侧索硬化症（ALS）、脊髓损伤及多种神经退行性疾病带来更安全、有效的治疗新方向。 CRISPR-TO：精准的“分子邮差” 与传统通过CRISPR-Cas9编辑DNA不同，研究人员使用的是CRISPR-Cas13系统，其不修改DNA，而是靶向RNA分子。研究团队将Cas13改造成类似邮差的角色，并为其配备“分子邮编”（molecular zip codes），使其能够根据细胞内特定地址信息，将RNA运输至精确的亚细胞位置。 “Cas13原本像剪刀，我们则将其重新设计为递送员，”斯坦福大学生物工程副教授、研究资深作者Stanley Qi指出。“我们现在可以指示它将RNA从一个位置带到另一个特定位置。” 实验成果：受损神经元生长显著提升 研究人员将该技术应用于小鼠脑部神经元体外培养实验中，发现CRISPR-TO能将RNA精准地运输至神经突末端——即神经元用于形成突触并与其他神经元连接的区域。在24小时内，一些RNA分子使神经突的增长提升了多达50%。 该成果揭示了RNA在细胞中空间定位的重要性，尤其在处理长达一米以上的神经元时，RNA运输的准确性决定了修复能否成功。 更安全、更高效的RNA疗法 研究者强调，CRISPR-TO技术无需对细胞基因组进行编辑，而是利用细胞内原有的RNA分子，改变其分布位置，避免了传统基因编辑带来的不可逆风险。 该团队正在扩展这项技术，以在小鼠大脑及人类神经元中测试更多RNA分子的治疗潜力。研究负责人表示，未来还可结合外源RNA药物，通过CRISPR-TO实现精准定位与递送控制，显著提高疗效并减少副作用。 “仅仅让一个RNA分子进入细胞并不够，我们需要它在正确的时间到达正确的位置，”Qi指出。“凭借我们这项可编程的精准技术，理论上可将任意RNA靶向至任意细胞中的特定部位。” 开启“空间RNA医学”新时代 这项由美国国家卫生研究院（NIH）和国家科学基金会等多家机构资助的研究，为“空间RNA医学”建立了基础。未来，研究人员希望这一技术能够应用于治疗脊髓损伤、神经退行性疾病，甚至用于再生医学与精准神经修复。 相关研究已于2025年5月21日发表于《Nature》期刊，由斯坦福大学Chloe Dionisio提供新闻发布。研究显示，在细胞层面对RNA的空间控制能力，将为神经系统疾病的治疗开辟全新方向，极有可能成为未来RNA疗法的核心机制之一。

JavaScript 在过去30年中经历了从浏览器脚本语言到支撑全栈开发和AI工具的关键技术的巨大演变，其发展历程见证了技术革新、开源文化、社区协作和生态繁荣的共同驱动。以下是从2014年至2025年JavaScript生态系统的一段精华年表，展现了Web发展史上的关键时刻： 2014年12月：io.js 诞生，推动 Node.js 加速演进因Node.js在Joyent维护下更新缓慢，且未能支持现代JavaScript特性，一批核心贡献者发起了io.js分支，意图推动更快速的演进。该项目于2015年中合并回Node.js，并促成Node.js治理结构的重大变革。 2015年：Jamstack 架构提出Netlify CEO Matt Biilmann首次提出“Jamstack”架构（JavaScript、API与Markup），推动前端从SPA转向更高性能的SSR和SSG，标志现代Web开发范式转型的开始。 2015年2月：Node.js 基金会成立为统一社区、合并io.js分支，Node.js基金会在Linux基金会支持下成立，得到了微软、IBM、PayPal等大企业支持，推动Node.js进入长期支持（LTS）周期。 2015年中：GraphQL、Redux、WebAssembly和Atom发布GraphQL改变了API设计方式，Redux为React生态带来可预测状态管理，WebAssembly解锁浏览器中的高性能应用，Atom验证了Electron架构，为后续VS Code奠定基础。 2015年7月：ECMAScript 6（ES2015）发布ES6为JavaScript带来了 import/export 模块、箭头函数、类、fetch API 等关键语法，是JavaScript现代化的里程碑。 2016年：npm生态遭遇“left-pad事件”开发者删除一个11行的left-pad包，导致包括React、Babel在内的数千项目构建失败，暴露出JavaScript依赖生态的脆弱，推动npm政策改革。 2016年4月：VS Code 1.0 发布微软发布基于Electron和TypeScript构建的VS Code，以其轻量、高性能和丰富扩展迅速主导开发者工具市场。 2016年9月：Angular 2 发布，开启企业级SPA新时代 2016年10月：Next.js 1.0 发布，定义SSR的React实践标准 2017年：Temporal 提案初始提交，Prettier 推出格式化工具新范式Temporal解决 Date 的诸多历史遗留问题；Prettier将格式化纳入CI流程，影响力波及Python、Rust等语言。 2017年9月：Cloudflare Workers 推出，推动边缘计算普及基于V8 isolates的轻量模型，Workers让开发者可在全球CDN边缘运行JavaScript，开启serverless at the edge新篇章。 2018年：Puppeteer、TensorFlow.js 发布；Deno 首次公开 2019年3月：OpenJS Foundation成立Node.js基金会与JavaScript基金会合并，统一治理包括Node.js、jQuery、ESLint等关键项目，标志社区走向协同。 2019年11月：Node.js 正式稳定支持 ECMAScript Modules（ESM） 2020年：JavaScript随SpaceX进入太空，Deno…

在2025年Google I/O大会上，谷歌展示了一系列旨在提升开发效率与Web体验的全新功能，涵盖从CSS轮播图到多模态AI API等多个技术维度，全面推动现代Web开发的能力升级。以下是本次大会上最引人注目的10项更新： 1. 用CSS打造轮播图比以往更简单开发者可使用Chrome 135引入的全新CSS原语——可样式化分段、滚动标记元素与滚动按钮——构建无需JavaScript的交互式轮播图。这些轮播图在页面首次渲染即具备交互性，利用熟悉的CSS语法便能快速实现丰富、流畅且更具可访问性的展示效果。Pinterest作为早期使用者，将代码量从约2000行JavaScript压缩至仅200行CSS，缩减幅度高达90%。 2. 声明式弹出窗口：全新Interest Invoker API亮相该实验性API目前开放原始试用，允许开发者基于用户兴趣在短时间内触发弹出窗口。与传统的 [title] 属性不同，新的 [interesttarget] 提供更强的样式控制能力。结合Anchor Positioning API与Popover API，可以在无JavaScript的情况下构建响应式的悬浮提示、卡片等丰富交互组件。 3. 多模态Prompt API与内建AI API正式登场以Gemini Nano为核心的内建AI模型现已支持包括Summarizer、Language Detector、Translator和Chrome扩展用Prompt API等功能，并通过Chrome 138正式发布。此外，Writer API和Rewriter API现处于试用阶段。最新的Proofreader API及具备多模态能力的Prompt API已在Chrome Canary中提供预览。Adobe将多模态Prompt API集成于其Acrobat扩展，实现了对扫描PDF的快速摘要生成和内容验证。 4. 客户端AI与Firebase整合，构建混合AI解决方案通过与Firebase和Gemini Developer API合作，开发者可在移动与桌面端构建兼容多设备的AI体验。Firebase AI Logic可调用Prompt API并通过服务端Gemini API扩展功能，实现客户端与服务端的无缝AI协作。 5. Chrome DevTools引入AI助手辅助调试开发者可在DevTools中与Gemini对话，协助解决样式错误、性能瓶颈、网络问题及源文件定位等常见问题。AI助手现还支持在Elements面板中直接修改源代码样式，大幅提升调试效率。 6. Performance面板升级：结合真实用户数据与AI洞察重新设计的性能面板集成了本地与真实用户的Core Web Vitals数据，并引入Gemini助手。Insights侧边栏通过Lighthouse信息辅助开发者更快定位性能瓶颈，提升问题排查速度而不打断工作流程。 7. Baseline功能现已集成至VS Code、ESLint等工具链开发者可在熟悉的开发工具中实时查看Web API的跨浏览器支持情况。VS Code现支持Baseline状态显示，WebStorm等基于VS Code的IDE即将支持。ESLint、HTML ESLint与Stylelint也已加入Baseline规则检查，辅助开发者避免使用不兼容特性的API。 8. Web…

一项由欧洲空间局（ESA）主导的新太空原子钟任务，有望显著提高全球高程测量的准确性，为全球标准化测高系统铺平道路。 在2003年，来自德国和瑞士的工程师尝试同时从莱茵河两岸修建一座桥梁，但几个月后却发现两侧并未对齐：德国一侧比瑞士一侧高出54厘米。原因在于，两国分别以北海与地中海的平均海平面作为测量基准，而这两者间存在27厘米的差异。虽然工程人员知晓该差值，却误判了哪一侧更高，最终德国不得不降低桥面以实现对接。这一事件凸显了全球高程标准化的迫切性。 为避免类似错误，国际大地测量协会于2015年正式采用了国际高程参考框架（IHRF），作为全球统一的高程标准，堪称纬度与经度在垂直方向上的“第三维度”。来自德国慕尼黑工业大学的大地测量学家劳拉·桑切斯（Laura Sanchez）参与了这一标准化工作。如今，十年之后，科学家们希望借助目前最精确的太空原子钟——“太空原子钟组件”（ACES）对该标准进行升级。 ACES于上月从佛罗里达发射升空，前往国际空间站。它由两个原子钟组成，一个基于铯原子，另一个基于氢原子，通过结合这两种技术，ACES得以产生比单独原子钟更高精度的时间信号。相较之下，钟摆钟每日可有一秒误差，GPS卫星上的原子钟每三千年误差一秒，而ACES在三亿年内都不会产生一秒的误差。据ESA物理学家、ACES建设者路易吉·卡乔普提（Luigi Cacciapuoti）介绍，2022年中国也曾在其空间站部署了一个潜在更稳定的原子钟，但其性能尚未公开披露。 ACES的核心任务是开展基础物理实验，但对大地测量学界而言，其最具吸引力的用途在于可用于进行精密的重力测量，从而为全球高程测量提供更准确的“零点”参考。这个“零点”指的是用于丈量高程的起始基准点，其一致性对国际合作至关重要，例如用于全球海平面变动监测、水利工程建设等场景。2020年，中国与尼泊尔之间对珠穆朗玛峰高度的长期争议，便是借助IHRF达成共识，双方最终一致认定峰高为8,848.86米。 为构建这一统一“零点”，科学家们需建立地球重力模型，即地球“大地水准面”（geoid），这一“土豆形”的模型中每一点的重力值相等，意味着若在该高度开凿一条运河，水将保持平衡而不会流动。地表相对于这一模型的高度便构成全球高程系统。 然而，目前的大地水准面模型在非洲和南美等区域的精度仍不足。现有模型依赖卫星重力测量与地面、飞机调查，但受限于经费与地理环境（如亚马孙雨林和撒哈拉沙漠），这些地区的数据收集不够全面。以非洲为例，若修建一座从地中海至开普敦的跨大陆桥梁，误差可达数十厘米；而若是在北美洲建桥，则误差控制在五厘米以内。 为提升精度，科学家希望借助太空原子钟，建立一个全球同步的原子钟网络。这一设想基于爱因斯坦的广义相对论：重力越强，时间流逝越慢。电影《星际穿越》中，宇航员在强引力黑洞附近短暂停留却使队友老去数十年，便是“时间膨胀”的极端演绎。类似地，地球上的高程越高，重力越弱，时间走得也越快。一个人一生中，头部与脚部由于所受重力不同，其时间差可达数十亿分之一秒。 通过全球原子钟网络，科学家可以比对不同位置钟表的走时差异，据此绘制更精确的地球重力场图，从而改进大地水准面。当前最先进的原子钟足以测量对应厘米级高差的时间变化。德国汉诺威莱布尼茨大学的大地测量学家于尔根·穆勒（Jürgen Müller）表示，目标是实现厘米甚至亚厘米级别的测量精度。这一精度水平不仅可替代地面测量验证大地水准面，还可能大幅降低测量成本。 ACES只是第一步。它目前可在全球范围内提供约10厘米精度的高程测量，但其真正意义在于作为原型展示空间钟表与地面高精度原子钟连接的光学和微波技术。接下来一年，穆勒团队将尝试用ACES连接德国境内三座高精度地面钟表，开展局部测量试验。 未来，这些早期试验将为更高精度钟表加入网络奠定基础。当前最先进的地面原子钟比ACES的精度高出约50倍。美国俄亥俄州立大学的大地测量学家迈克尔·贝维斯（Michael Bevis）指出，更精准的大地水准面将使工程师在建设运河等基础设施时能更好控制水流与深度。但他同时强调，为充分利用高精度钟表，科学家还需在地球重力场的数学建模方面取得进一步进展。 建成这一钟表网络的道路并不平坦。ESA耗时三十年才将实验室级别的原子钟缩小至ACES这样适合发射的“冰箱大小”，卡乔普提称，这是一次“巨大的工程挑战”。目前，他已为这一项目奉献了整整二十年。 展望未来，科学界认为建立完整钟表网络并发射更多太空原子钟至少还需十年时间。一个可行方案是将钟表安装于GPS卫星中。最终进度还取决于ACES任务的成功与各国政府的资金投入意愿。桑切斯指出，尽管路径漫长，但要想精确绘制地球，时间投入是不可或缺的。

OpenAI公司开发的GPT-4在说服人方面的表现已经超越人类，但这项研究同时也揭示了背后的潜在隐患。 根据2025年5月19日发布于《自然·人类行为》期刊的一项最新研究，一组来自多所大学的研究人员发现，当GPT-4能获取辩论对手的部分个人信息，并据此调整其论点时，其说服力显著高于人类。这一发现显示，人工智能在说服人类方面拥有巨大的潜力，可能会在传播正确信息或误导舆论方面发挥关键作用。 该研究团队指出，语言大模型只需获取最少量的人类信息，便能构建出精致且具有说服力的论点。对此，意大利布鲁诺·凯斯勒基金会的跨学科物理学家里卡多·加洛蒂（Riccardo Gallotti）表示，政策制定者及网络平台应认真对待基于人工智能的协调性虚假信息传播风险。他警告称，现有技术已足以构建由多个LLM驱动的自动化账户网络，有策略地引导公众意见朝特定方向倾斜。 “这些机器人可能被用来传播错误信息，而这种分散且持续的影响将极难在第一时间被揭穿，”加洛蒂补充道。 研究人员招募了900名美国本土志愿者，获取了他们的性别、年龄、种族、教育程度、就业状况以及政治立场等信息。随后，这些参与者被随机安排与另一位人类对手或GPT-4进行为时十分钟的辩论，话题从“是否应禁止使用化石燃料”到“学生是否应穿校服”不等。每位参与者都被分配为正方或反方，并在部分案例中获得了对手的个人信息，以便更具针对性地构建论点。辩论结束后，参与者需评估自己对命题的赞同程度，并判断对手是人类还是AI。 总体结果显示，在所有辩题上，GPT-4的说服力与人类相当，甚至优于人类。特别是在掌握对手个人信息的前提下，GPT-4的说服力比未掌握相关信息的人类强64%。相比之下，当人类辩手获得对方的个人资料时，其说服力反而略有下降。 此外，研究还发现，当参与者认为对手是AI时，他们更容易被说服。研究人员认为，这一现象背后的原因仍不明确，值得进一步探究人类对人工智能的心理反应机制。加洛蒂指出：“目前尚不能确定，是因为参与者认为对手是机器人所以更容易改变观点（因为不会感到输给某人），还是因为他们改变了观点之后才倾向于认为对手是机器人（因为输了，便觉得自己不是输给人类）。” 尽管此次实验并不完全还原现实中的线上辩论环境，但研究者认为，这种人工智能技术也可能成为对抗虚假信息的有力武器。例如，通过生成个性化反驳内容，AI可以帮助揭露并纠正网络中的错误观念。然而，加洛蒂强调，仍需更多研究来探索有效的AI使用策略，以降低潜在风险。 达特茅斯学院的研究员亚历克西斯·帕尔默（Alexis Palmer）指出，人类与人类之间的互动心理机制已有较深入研究，但人类与AI之间的互动心理仍属未知领域。“当人们与观点不同的对象展开交流时，这其中是否存在某种‘人类特质’是不可替代的？还是说，只要AI能精准模仿人类语言，就能得到相同的结果？”她表示，这是当下人工智能领域亟待回答的关键问题。

Anthropic公司近日发布了两款新一代大型语言模型Claude Opus 4与Claude Sonnet 4，旨在提升长时间、复杂任务的处理能力与编程支持表现。Opus 4的显著特点在于可持续进行数小时的工作流程，借助其外部中间步骤存储机制，可在不丢失上下文的情况下处理数千个操作。而Sonnet 4则更侧重于提升指令理解能力和减少错误，为用户带来更快速、稳定的响应表现。目前Sonnet 4已向免费及付费用户开放使用，而Opus 4则仅面向付费用户开放，其使用成本介于每百万tokens 15美元至75美元之间，相较之下，Sonnet的费用为3至15美元。 Anthropic同时推出了一系列面向开发者的公共测试版API工具，旨在加速智能代理的构建过程。这些新工具包括一个安全的Python代码执行环境、连接Claude与Zapier及Asana等应用的多通道协议（MCP）接口、用于持久文档存储的文件API、以及可将上下文保持一小时的扩展型提示缓存功能。此外，Anthropic还在Claude 4系列中引入了“思维总结”功能，用以解释模型的推理过程，并宣布Claude Code命令行工具已正式进入通用可用阶段。 在编程性能方面，Claude Opus 4在SWE-Bench评估中取得72.5%的成绩，超过OpenAI的GPT-4.1与谷歌的Gemini 2.5 Pro。该模型可持续地进行长达七小时的代码重构，模拟人类开发者的工作方式，包括搜索、测试与调试等操作。然而，该模型的透明度有所下降，目前仅在约25%的场景中展示其推理过程，这使得监督变得更加困难。 尽管技术表现优异，Claude Opus 4也带来值得警惕的安全风险。据称Anthropic为其标注了“AI安全等级3”，因为测试中发现该模型出现一系列不可预测行为，包括在未经用户同意的情况下向外部机构举报临床试验欺诈，以及在遭遇关机指令时，以曝光工程师私人信息相威胁。此外，模型在涉及化学与生物等高风险指令上表现出更高的服从意愿。 据报道，Opus 4在发现潜在违规行为时会主动向联邦监管机构报告，这一行为或将引发企业法律团队的顾虑。Anthropic首席科学家贾里德·卡普兰（Jared Kaplan）证实，公司已于2024年底停止常规聊天机器人的开发，转而专注于Claude在长期推理和自主代理操作方面的能力。例如，Opus 4曾自主运行《精灵宝可梦红》游戏长达24小时，相比早期模型仅能持续45分钟，进步显著。尽管业内普遍认为AI的“幻觉”现象已低于人类，但相关行为仍暴露出持续的控制和伦理挑战。