AI Agent 距离真正替人「全自动办公」，还有多远？
AI Agent 距离真正替人「全自动办公」，还有多远？近日，Meta 曝光的一段内部录音显示： 公司为了训练大模型，正通过监控工具监视员工在电脑上的鼠标和键盘操作。
来自主题: AI技术研报
9775 点击 2026-05-25 10:13
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
近日，Meta 曝光的一段内部录音显示： 公司为了训练大模型，正通过监控工具监视员工在电脑上的鼠标和键盘操作。
“Claude 可能比你更擅长从你这里提取出你想要和需要的东西，而不是由你向 Claude 详细指定。”
智象未来正式发布基于新一代原生全模态模型架构 Unified Transformer（UiT）打造的图像大模型 HiDream-O1-Image-Pro。这一超2千亿参数的原生全模态图像大模型，不仅在多个基准测试中刷新 SOTA 纪录，也标志着智象未来正向图像、视频、文本、音频等多模态统一建模的“原生全模态”阶段迈进。
世界模型是个依然模糊和遥远的概念。
当前，测试时扩展范式普遍致力于增加推理长度。然而，已有研究表明，随着推理长度的持续增长，以垂直扩展为核心的计算范式容易陷入探索僵化等问题。因此，从另一维度拓展推理的宽度显得尤为重要。K2.5、Step3-VL 和 LongCat-Flash-Thinking 等模型已在推理宽度方面开展了有益的探索。
很多人以为，AI视频的终点是“生成一段让人惊艳的画面”。
前谷歌DeepMind研究员离职并发表长文指出AI行业当前最被低估的瓶颈。他认为，现有的基准测试和安全评估都隐含假设下一代模型只是当前模型的增强版，但如果模型跨入全新能力区间，整个评估基础设施将悄然崩溃。
2024 年 11 月，AI 生成的网络文章数量正式超过人类。Merriam-Webster 把「slop」选为 2025 年度词汇。当机器开始替人类说话，人类会不会忘记怎么思考？更麻烦的是，当人类停止书写，AI 用来学习的燃料也将一并耗尽。一场关于语言和思维的连环危机，正以多数人未曾警觉的速度展开。
机器人操作正在从结构化工业场景走向更开放的真实环境。相比完成单个预设动作，真实任务往往包含更长的执行链条、更复杂的物体交互，以及更多不可控的外部扰动。一次抓取没有完全夹稳、目标物体被轻微碰偏、双臂交接时姿态出现偏差，都可能让后续步骤偏离原本计划。
黄仁勋在最新财报电话会上说，AI 基础设施年度开支将冲到 4 万亿美元，是华尔街共识的四倍。这笔钱最终会以电费、订阅费、甚至工作岗位的形式，落到每一个普通人头上。