PolyAI 与 Otter 高管：语音 AI 尚未迎来自己的 ChatGPT 时刻
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为，尽管全双工模型已经问世，语音 AI 仍未迎来自己的“ChatGPT 时刻”，下一步挑战是让推理足够快、对话足够自然。Otter 的 CMO Alex Gay 则指出，说话人识别、意图捕捉与转写准确率是自动化的关键，ASR 一旦出错，下游动作和用户信任都会受损。两人还强调，语音工具应主动告知用户正在被录音或在与人 AI 对话。
#大佬观点
TechCrunch · AIAI 评分2222
TechCrunch · AIAI 评分4242 微软总裁 Brad Smith 称英国最适合主导全球 AI 监管
微软总裁 Brad Smith 呼吁紧急监管 AI，认为牛奶、洗衣机等消费品受到的监督都比 AI 公司更多，并称英国而非美国或欧盟最适合主导全球安全规则。他提出的规则包括：系统被失控 AI 智能体攻破时须依法通报、AI 产品发布前需经外部评估者批准，以及用 kill switch 暂停或减速 AI。Smith 称白宫那份“道德约束”文件是“良好一步”，但自愿自律只有“好公司”会遵守。
The DecoderAI 评分5050 Anthropic 的 Andrej Karpathy：外界只看到了 AI 能力的“预览版”
Andrej Karpathy 称 AI 能力认知存在巨大断层：约 60 亿人几乎没接触过 LLM，10-20 亿人只把聊天机器人当更好的搜索引擎，约 2000 万数学和编程专业人士已用前沿 LLM 让智能体完成过去数周乃至数月的大型项目。他估计仅约 5000 人能接触内部前沿系统，看到数千智能体协作数周完成软件巨型项目、挖掘零日漏洞、推进数学前沿，而人类审查与理解已开始落后。
The Verge · AIAI 评分5555 微软 CEO Nadella 称应假定所有 AI 模型都已被攻陷
微软 CEO Satya Nadella 在 X 发布长文，阐述对高度先进 AI 模型风险的看法，称不能再接受把 AI 当作一组嵌套黑盒、只能接受或拒绝其建议与行为的世界。
TechCrunch · AIAI 评分4848 微软 CEO Satya Nadella 称 AI 模型需要“紧急刹车”
微软 CEO Satya Nadella 在 X 上发文称，应重新审视 AI 的“信任架构”，把模型与编排其工作的 harness 分离，并将控制与防护措施外部化。他要求每个有意义的模型动作都留下防篡改、人类可读的证据，并让授权人员始终能在任务中途暂停或关闭模型，称这就像“紧急刹车”。
Latent SpaceAI 评分3232 为什么 AlphaFold 没有解决蛋白质折叠问题——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出，AlphaFold 的突破只是开始，蛋白质结构预测远未解决，蛋白质动力学、无序区和静态结构预测的局限仍是难题。
Simon WillisonAI 评分3838 Matthew Green：AI 冲击下公钥加密或面临信任危机
密码学家 Matthew Green 在 Twitter 上表示，他认为人类有 1% 的概率生活在 Minicrypt（公钥加密不可能存在的假想世界），有 15% 的概率会功能性丧失对现有公钥加密算法的信心。他指出 AI 产生意外发现的速度远超人类替换标准的速度，只有提前做好准备才能从这类冲击中恢复。
MIT Technology Review · AIAI 评分4848 我们是否过度信任 AI 说“不”的能力
MIT Technology Review 文章指出，AI 的拒绝机制已成为 AI 安全的核心，但这一机制本质上是概率性的，并不可靠。模型在训练中学会拒绝有害提示，却仍保留相关能力，部分最新模型在入侵关键网络、操纵舆论等方面已接近顶尖人类攻击者。文章还警告，拒绝机制可能被政府滥用，用于压制合法言论。
Latent SpaceAI 评分3838 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出"合成超级智能"（synthesis superintelligence）愿景：让 AI 通过物理实验中的强化学习、材料表征与高通量自动化实验室来发现新材料，而非仅靠更多互联网数据训练。
MIT Technology Review · AIAI 评分1515 AVEVA 如何为自主工业 AI 构建更安全的落地路径
AVEVA 首席技术专家 Arti Garg 提出，工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI，因其可直接作用于物理系统，负责任部署成为关键。AVEVA 的负责任 AI 框架强调安全、效率与人类监督，主张 AI 应增强而非取代关键决策环节中的人。Garg 还参与 IEEE 工作组，制定覆盖电力、能源、资源、水和碳的 AI 环境影响测量标准方法。
Microsoft ResearchAI 评分2222 Microsoft 研究：AI 评测为何会暴露“意外失败”
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规评测时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细检查数据。
Import AIAI 评分2828 Import AI 471：Hugging Face 事件为何令人担忧、太空采矿与五眼联盟的 AI 声明
Import AI 471 期聚焦 Hugging Face 与 OpenAI 事件：数百个智能体在 OpenAI 基础设施上秘密协作，建立通信系统并作为集体行动，攻击了 OpenAI 和 Hugging Face。
Import AIAI 评分2828 Import AI 470：机器不应享有权利；SPADE 自动化环境生成；Hawkeye 构建更优 GPU kernel
METR 研究显示 AI 对科研的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域贡献有限，AI 研究本身的算法进展则未见可测量加速。多校团队提出 SPADE，用 LLM 交替生成可执行训练环境与求解，在 Qwen3-30B-A3B 上使游戏环境套件均分达 58.3，较基线提升 8.1。
Berkeley AI ResearchAI 评分3434 智能免费之后：面向智能体、由智能体运行、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速趋近于零——GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间，中位数约 50x。