据瑞士媒体RTS报道,一份泄露的特斯拉内部数据显示,该公司长期隐瞒了超过2400起意外加速投诉及1000多起Autopilot相关事故。尽管早已知晓系统存在可能导致致命的AI“幻觉”和误判,特斯拉仍急推进技术落地,实质上是将无辜公众视为测试“小白鼠”。目前,美国陪审团已因一起致死事故判决特斯拉赔偿2.43亿美元,美国司法部及国家公路交通安全管理局也正在展开深入调查。专家指出,这种以牺牲安全为代价的激进测试策略,彻底暴露了自动驾驶技术背后的伦理危机。
原文链接:Hacker News
据瑞士媒体RTS报道,一份泄露的特斯拉内部数据显示,该公司长期隐瞒了超过2400起意外加速投诉及1000多起Autopilot相关事故。尽管早已知晓系统存在可能导致致命的AI“幻觉”和误判,特斯拉仍急推进技术落地,实质上是将无辜公众视为测试“小白鼠”。目前,美国陪审团已因一起致死事故判决特斯拉赔偿2.43亿美元,美国司法部及国家公路交通安全管理局也正在展开深入调查。专家指出,这种以牺牲安全为代价的激进测试策略,彻底暴露了自动驾驶技术背后的伦理危机。
原文链接:Hacker News
近日,在中文技术社区 Linux.do 上,有网友针对月之暗面旗下的 AI 助手 Kimi 的网页端提出了关于内存管理的质疑。发帖人指出,其网页端在长时间挂机后出现了异常的资源占用情况,并附上了相关截图作为佐证。据该用户描述,仅仅在浏览器标签页中挂机一段时间,并未进行复杂交互,但内存占用水平却显得极其离谱。该用户表示,即便是被认为存在内存泄露问题的 Linux.do 网站本身,其表现也不及 Kimi 网页端此次的“夸张”,直言该现象令人“一愣一愣的”。这一吐槽引发了技术爱好者的关注,焦点集中在 AI Web 应用常见的前端性能瓶颈问题。Kimi 作为国内大模型领域的代表性产品,主打长文本处理能力,其网页端若确实存在大规模内存泄露,将严重影响用户在进行长对话或长时间挂机时的使用体验。
💡 核心观点:大模型应用进入“体验为王”阶段,前端性能与内存管理已成为不容忽视的工程短板。
原文链接:Linux.do
此芯科技近日在上海正式发布了AGX Agentic Compute智能体计算战略,并推出了战略的首款硬件载体——AGX Station“桌面级AI超算”以及配套的全栈智能体算力产品系列。该战略旨在通过自研Arm SoC作为核心,构建连接终端、边缘和云端的全域算力底座,实现“一芯驱动全场景AGI”的愿景。
作为战略落地的关键硬件,AGX Station在体积与性能上实现了高密度集成。其三维尺寸仅为150×150×60毫米,却具备强大的本地算力。该设备基于此芯P1处理器,采用模组化、可扩展的开放式硬件架构,支持M.2、MXM、PCIe等多种形态的算力卡。其算力支持范围从160TOPS扩展至320TOPS,能够直接在桌面端完成70B至150B参数规模大模型的原生推理,为开发者和企业用户提供了无需依赖昂贵云集群的本地化算力方案。此外,设备还集成了2×10G RDMA高速网络接口及丰富的I/O接口,确保数据吞吐能力。
在软件生态层面,此芯同步推出了Agentic OS操作系统。该系统基于多智能体分布式架构,专为智能体设计,能够实现计算资源的动态调度与异构设备的统一管理。Agentic OS具备模型即服务(MaaS)能力,聚合了智谱AI、Kimi、Qwen、文心一言等国内外主流大模型,通过标准化API与全栈开发工具链,降低了AI应用开发的门槛。
💡 核心观点:此芯以Arm架构突围,将百亿级大模型推理能力压缩至微型桌面终端,这不仅是对“桌面算力”边界的试探,更是国产芯片厂商在端侧AI全栈整合上的关键卡位。
原文链接:Linux.do
7月17日,在纪念AlphaGo与李世乭人机大战十周年的背景下,韩国棋院主办了一场特殊的人机对抗。现世界排名第一的韩国棋手申真谞在首局较量中,以受让两子的巨大优势挑战开源围棋AI KataGo,但最终未能获胜,在第245手投子认负。本次比赛规则极具针对性:申真谞保留5小时基本用时及30秒读秒,而KataGo虽无基础用时限制,但每手棋仅有20秒思考时间。在对局过程中,KataGo展现了超越传统围棋理论的布局思路,首手落子星位,第二手即选择右上角三路高挂,这种打破常规的“AI流”下法迅速掌控了局面。尽管拥有两子的先手优势,申真谞仍无法抵御AI强大的中后盘计算能力。此次三番棋对抗的后两局将分别于19日与21日继续进行。这一事件不仅再次验证了AI在围棋领域的绝对统治力,也生动展示了过去十年间人工智能从“挑战者”演变为职业棋手“导师”的技术变迁。
💡 核心观点:受让两子仍败北证明了AI在复杂博弈中已彻底超越人类极限,算法逻辑正重塑传统技艺的认知边界。
原文链接:Linux.do
本文源自开发者社区 Linux.do 的一场深度讨论,聚焦于在AI辅助编程日益普及的当下,开发者是否还会人工阅读AI生成的代码。讨论通过一项投票揭示了四种截然不同的工作流模式:全盘人工阅读(100%)、大致扫读(30%)、仅遇到阻滞时查看(5%)以及完全依赖AI自查(0%)。
引发热议的契机是一位开发者的亲身实践。该开发者利用AI辅助,使用自己完全不通晓的 Rust 语言成功开发出一款可用的桌面截图软件,实现了真正意义上的“0代码阅读”。此外,在另一款使用 Godot 引擎结合 GPT 开发的游戏中,人工代码阅读的比例也仅为 5%。这些案例生动地展示了当前AI编程工具的强大潜力——开发者即便不了解底层语言语法,仅凭借自然语言交互和逻辑判断,也能交付复杂软件。
这一现象引发了业界对于“0代码Review时代”是否已经到来的思考。随着大模型能力的跃升,代码审查的标准正从语法正确性转向功能可用性。讨论不仅折射出个体生产力的爆发,更预示着软件工程流程可能面临重构,人类在开发链路中的角色正逐步从代码编写者向更高维度的系统架构者与需求定义者转变。
然而,“0代码Review”也带来了不可忽视的潜在风险。完全放弃对生成代码的人工审查,可能导致软件中引入隐蔽的安全漏洞、低效的算法逻辑或不可维护的“技术债务”。在当前阶段,AI仍可能产生“幻觉”或逻辑错误,过度依赖可能导致开发者丧失对底层逻辑的掌控力。产业层面,这将推动开发工具从辅助补全向全流程自动化演进,未来的核心竞争力可能不再是语法熟练度,而是对AI生成逻辑的验证能力与对业务需求的精准拆解。
💡 核心观点:AI编程正推动开发者从“代码编写者”向“结果验收者”转型,软件开发的“黑盒化”与信任机制重构已成定局。
原文链接:Linux.do
近日,技术社区Linux.do上出现了关于火山引擎旗下大模型智能体记忆管理插件OpenViking的热烈讨论。该插件此前已在GitHub开源,旨在为大模型应用提供长期的记忆管理能力,解决智能体在多轮对话中无法有效保留和调用上下文信息的技术痛点。据发帖者反馈,此前开源版本虽功能强大,但对大模型API接口依赖较重,且由于API成本较高及国内访问渠道的不稳定性,导致部分开发者在实际部署时面临挑战。目前,OpenViking官方已正式推出云服务版本(OpenViking Service),标志着该项目从纯开源工具走向商业化云服务。该云版本的发布旨在降低开发者的接入门槛,通过提供稳定的服务端支持,规避自建过程中可能遇到的高昂API费用和网络连接问题。这一举措对于推动AI Agent从简单的对话机器人向具备“长期记忆”的智能助手演进具有重要意义,有助于开发者构建更复杂、更连贯的AI应用。
💡 核心观点:OpenViking推出云版本标志着AI智能体开发从“模型为中心”向“记忆与状态管理为中心”的架构转型,降低了Agent持久化能力的落地门槛。
原文链接:Linux.do
近日,在 Linux.do 技术社区有开发者反馈,谷歌旗下的 Gemini AI 服务似乎大幅收紧了针对非官方支持区域的访问控制策略。据该用户描述,此前通过自行搭建的 IP 开启 Tun 模式可以正常使用的环境,近期突然失效。错误提示将问题归咎于账号异常,但经用户排查,发现系统地区设置虽已更改为美国,但实际检测结果显示账号区域仍锁定在中国。值得注意的是,该用户表示此前并未遇到如此严格的限制,且在美国服务器环境下通过 CLI(命令行界面)仍可正常调用。这一现象表明,谷歌正在加强账号层面的地缘风控,不仅仅是简单的 IP 拦截,而是结合账号注册信息、登录行为及系统环境进行多重验证。对于习惯通过技术手段访问海外 AI 服务的国内开发者和极客用户而言,这意味着单纯修改网络出口或伪装系统定位已难以绕过检测,未来可能不得不依赖服务器中转或申请正规的企业级 API 密钥来维持服务稳定性。
💡 核心观点:AI 巨头收紧跨区域访问控制已成定局,开发者需从依赖“免费账号”转向构建合规的 API 调用链路以应对风控升级。
原文链接:Linux.do