8 月 29 日，在国家发展改革委召开的新闻发布会上，高技术司副司长张铠麟表示，发展「人工智能+」要坚持因地制宜，将推动各地立足区位特点、资源禀赋和产业基础，科学确定发展重点，形成各具特色、各展实效、优势互补的发展态势，坚决避免无序竞争和一拥而上。
张铠麟还说，将加强算力、数据等要素开源开放、共建共享和人才、资本等资源有序流通，实现最集约利用，最大化效益；锚定既「管得住」又「放得活」的目标，做好标准制定、数据开放、安全监管等兜底保障，同时，政策、项目、资金等多管齐下，让企业展现更大创新活力；大力支持民营企业跑出更多勇攀高峰的技术创新「黑马」。
此前在七月，《人民日报》也曾经刊文表达过官方态度，指出并不是全国各省份都要往人工智能、算力、新能源汽车等方向去发展产业。发改委还在同场发布会上释放出引导更多社会资本进入传统行业的信号。政策研究室副主任、发改委新闻发言人李超表示，将对铁路、核电、油气管道等领域重大项目设定民间投资参股比例的最低要求。此外，为减轻地方出资压力，将研究进一步加大中央投资对民生等领域重点项目的支持力度。
8 月 29 日，关注报道开源的 YouTube 频道 CultRepo 发布了一则 90 分钟的 Python 纪录片。该纪录片的创作得到了 Python 核心开发人员的支持，并在 EuroPython、PyCon Greece 等活动期间放映。
纪录片全面回顾了 Python 编程语言的历史。1980 年代，Guido van Rossum 在阿姆斯特丹的 CWI（国家数学和计算机科学研究中心）参与开发以易学为目标的编程语言 ABC，最终因分发困难而失败。由于当时现有的 C 和 shell 脚本无法满足工作需求，他在圣诞假期期间创造了 Python。该语言借鉴了 ABC 的关键思想，例如使用缩进来组织语句块，并以喜剧团体 Monty Python 的名字命名。
纪录片指出，Python 的早期分发依赖于 Usenet 新闻组，用户需要手动将 21 个独立部分组合起来。1994 年的第一届 Python 研讨会标志着正式 Python 社区的诞生。后来，Van Rossum 移居美国，加入了国家研究创新公司（CNRI），这使他有资源可以兼职开发 Python。在此期间，社区确立了以 Van Rossum 为「终身仁慈独裁者」（BDFL）的治理模式，由他最终决定语言的变更。
纪录片关注到，随着被科学与工程界采用，Python 的受欢迎程度迅速提高。这些用户被 Python 的可读性和开源特性所吸引，将其作为 MATLAB 等专有软件的替代品。随后，数据科学和机器学习领域的大量用户涌入，Python 凭借第三方库生态系统（如 NumPy、Pandas）和简化安装过程的 Anaconda 发行版等工具，成为该领域的主导语言。Dropbox 和 YouTube 等主要科技公司也利用 Python 快速构建产品。
纪录片提到，Python 的发展也面临过重大挑战，尤其是从 Python 2 到 3 的过渡。这一迁移原计划花费五年，但由于破坏性变更，引发了广泛的抵制，最终历时十余年才完成。此外，Python 的治理模式在一场围绕「海象运算符」（:=）的激烈辩论后发生了重大变化，由于激烈讨论和人身攻击，Van Rossum 于 2018 年辞去了 BDFL 的职务。此后，核心开发社区成立了一个五人指导委员会，从而实现了向更加民主的治理模式的转变。
据《金融时报》报道，Meta 为实现所谓「个人超级智能」目标而激进重组后，引发了内部剧烈动荡。近几个月，扎克伯格为在 AI 竞赛中追赶对手，斥巨资从全球挖角，并已在半年内四次重组 AI 团队。
据报道，扎克伯格正将权力重心从公司元老转向新聘请的 AI 领袖。例如，28 岁的前 Scale AI 创始人亚历山大·王（Alexandr Wang）已全面负责 Meta 的 AI 业务，并直接向扎克伯格汇报。相应地，Meta 首席产品官 Chris Cox 在生成式 AI 领域被边缘化，而公司首席 AI 科学家杨立昆（Yann LeCun）也需向王汇报。
王领导的新部门 TBD 汇集了高薪挖来的顶尖人才，但新的组织架构和管理风格带来了内部摩擦。近期从 OpenAI 挖来的赵晟佳在入职几天内便威胁要离职，只在 Meta 迅速授予他「首席 AI 科学家」的头衔后才留下。此外，部分新员工不满于 Meta 的官僚作风，以及未能完全兑现招聘时许诺的算力资源。王的领导风格、扎克伯格的「指手画脚」，以及研发时间表上的分歧，也都加剧了团队内部的紧张关系。
Meta 的 AI 研发工作并不顺利。目前，由于旗舰大模型 Llama Behemoth 性能未达预期，Meta 已暂停其公开发布计划，转而聚焦于开发更前沿的新模型。为应对当前局面并为未来规划，Meta 已暂时冻结其 AI 部门（现更名为「Meta 超级智能实验室」）的招聘。
近日，央视《每周质量报告》栏目报道了「防蓝光」贴膜的质量问题。报道说，在电商平台，大多数售卖手机膜的商家都声称自家的产品具备「防蓝光、护眼、抗疲劳」等功能，尤其是「99% 防蓝光」的宣传语常常吸引消费者购买。部分线下商家也在大力推广带有「护眼」功能的手机膜。
目前，手机防蓝光膜没有强制性国家标准。行业普遍参照国家推荐标准将短波蓝光阻隔率大于 20%，作为手机膜防蓝光功能的基础技术指标。央视记者从线上线下多个商家购买了 9 款宣称防蓝光的手机膜，价格从 9.8 元到 140 元不等，并通过蓝紫光测试仪检测其实际防护效果。经检测，其中一种的蓝光阻隔率是 42.2%，透光率是 91.2%；另一种的蓝光阻隔率是 52.1%，紫外阻隔率是 61.2%。余下其它几款手机膜，3 款蓝光阻隔率在 40%-50% 之间，4 款阻隔率低于 20%，在 0.1% 到 16.4% 之间。通过对比测试，个别产品蓝光阻隔效果和家用保鲜膜差不多。
央视记者还发现，不少贴膜涂层工艺参差不齐，实际效果与宣传差距较大。受访某工厂副总经理杨柯表示，刷涂层可实现防蓝光，但仅靠涂层会改变膜的亮度和色度，需同步适配基底材质、光学设计与膜层工艺以保证使用体验。
一名受访专家指出，评估防蓝光效果不能只看阻隔率，需结合手机自身发光强度综合判断。若手机蓝光本就强，即便阻隔 50%，剩余蓝光仍可能超标，单独谈阻隔率无意义。针对所谓防蓝光效果达 99% 甚至 100% 的说法，专家提示，如果真的阻隔掉蓝光，手机就会严重偏色，视觉体验失真，追求「百分之百防蓝光」就是个伪命题。一名受访医生则表示，短波段、高强度的蓝光确实对眼睛有一定的伤害，尤其是在长期接触的情况下，可能会加重眼睛的疲劳感，甚至影响视网膜健康，但真正保护眼睛的关键在于科学用眼。
近日，博主 John Scalzi 发文指出，谷歌新发布的 Pixel 10 系列其主打的 Pro-Res Zoom 高倍变焦功能存在幻觉问题，引发较多讨论。
Pro-Res Zoom 的原理是对裁切画面应用 AI 扩散模型，从而提升分辨率、补充细节。但该博主测试发现，这种技术在处理水果或砖墙等纹理简单的物体时效果尚可，但一旦面对路牌文字等复杂精细的场景，就会出现电线杆断裂、捏造路牌文字等问题。
与此前的计算摄影技术相比，这种处理方式的越界之处在于不是基于实际捕获的数据做优化，而是直接凭空创造传感器未记录的像素。此番争议也让人联想到 2023 年三星手机的「月亮门」，当时其相机被发现会用预设数据「增强」月亮照片，同样引发了对图像真实性的质疑。
据《华尔街日报》报道，前沿 AI 模型的使用成本正变得愈发昂贵，而非像此前普遍预测那样越发便宜。这是因为，尽管 token 单价持续快速下降，但最新的模型为了完成更复杂的「推理」任务，消耗的 token 数量呈指数级增长，导致总成本不降反升。
据统计，分析一份复杂的法律文件或执行一个多步骤的代理工作流，则可能消耗数十万甚至上百万个 token。因此，尽管 AI 推理成本正以每年 10 倍的速度下降，但任务复杂性的提升完全抵消了单位价格的优势。目前，市面上最便宜的模型（如 OpenAI 的 GPT-5 Nano）每百万 token 的成本约为 10 美分，而其最强大的 GPT-5 模型，成本则约 3.44 美元（按行业标准使用模式加权计算输入输出）。
这一趋势正在挤压企业的利润空间。Notion CEO Ivan Zhao 透露，由于 AI 成本，其业务利润率已从过去典型的 90% 左右下降了约 10 个百分点。包括 Cursor 和 Replit 在内的 AI 编程辅助工具近期也因此调整定价模式和使用限额，引发用户不满。
成本结构也在重塑 AI 行业的竞争格局。资金雄厚的科技巨头每年投入超过 1000 亿美元构建基础设施，能够承受高昂的运营成本。而初创公司而言则需要通过其他方式应对，例如引导用户在处理简单任务时使用更便宜、能力稍弱的「小模型」。此外，科技巨头已普遍开始与自己的客户直接竞争，这让付费使用其模型的初创公司处境更加尴尬。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。