2017 年，一篇《Attention Is All You Need》论文成为 AI 发展的一个重要分水岭，其中提出的 Transformer 依然是现今主流语言模型的基础范式。尤其是在基于 Transformer 的语言模型的 Scaling Law 得到实验验证后，AI 领域的发展更是进入了快车道。
三个前沿AI能融合成AGI吗？Sakana AI提出Multi-LLM AB-MCTS方法，整合o4-mini、Gemini-2.5-Pro与DeepSeek-R1-0528模型，在推理过程中动态协作，通过试错优化生成过程，有效融合群体AI智慧。
现在再讨论 AI 写作，多少有点没劲：prompt 真的越来越像咒语了，越来越像一些神秘不可洞察的玄学技巧。这导致使用 AI 写东西的过程，不管是写什么类型的文字，过程都跟做法似的：赌指令能不能触发出一些好的生成。同时还得用大量的指令，去掉「AI味」。
不要让AI成为「垃圾制造机」。 谁能想到，一个 AI 生成的视频竟然在 ins 上拿下 2.52 亿次浏览量，仅点赞就达到 325.7 万次。
再聪明的机器也不能代替我们生活 从今年年初开始，美国一些专注于报道 AI 的记者们，陆陆续续接到邮件。这些邮件来自不同的人，内容却如出一辙：都是各种惊天大秘密。
你可能没发觉，AI 在很多地方都已经开始「替你创作」了。你最近听的歌、刷到的直播、点开的短片，背后可能并没有真实的「人」。
Jack Clark 是最关注和熟悉中国在芯片、计算和模型上进展的 AI Lab 领导人之一。他毫不吝啬对中国 AI 进展的认可，将 DeepSeek R1 视作“推理模型大范围扩散”的起点，近期又把 HyperHetero 使用的异构集群叫做通过“超级智能进行持续自我训练”的垫脚石。
这篇文章，我会从几个真实的案例出发，深度拆解一下星流这款产品，以及聊聊：为什么我认为「可控」才是真正的生产力？星流到底如何做到「可控」？以及，「可控性」为什么会是下一阶段 AIGC 的竞争关键?
AI竞争加剧下，Meta面临人才外流和模型性能瓶颈。扎克伯格启动"超级智能单元"招募顶尖AI人才失败后，转向企业风险投资（CVC），通过收购Scale AI和入股NFDG基金，旨在提升竞争力，但优质标的稀缺加剧市场挑战。
这个AI让打工人「磕头」致谢。 前段时间，我们报道了 5 款大模型参加了今年山东高考的事儿，为了弄清楚各大模型在 9 个科目中的具体表现，我们对着测评明细表挨个儿分析，搞得狼狈又崩溃。要是哪个 AI 能一键分析表格，我当场就能给它磕一个。
