Where're All The AI Chips?
Ed Zitron 在 Where's Your Ed At 撰文质疑 AI 芯片的真实装机进度，认为 NVIDIA 自 2023 年初以来售出的约 5615 亿美元 AI 芯片与硬件中，约有一半仍堆在仓库或未通电的数据中心里。
#现象/趋势
日期栏展示收录日期，历史补录归入原文日期。
Where’s Your Ed AtAI 评分6060 InterconnectsAI 评分3030 与 Epoch AI 的 JS Denain 辩论 RSI、中美差距与参差不齐
Epoch AI 洞察团队负责人 JS Denain 与 Nathan Lambert 在播客中辩论 AI 自我改进（RSI）、中美模型差距及能力参差不齐。Denain 认为 OpenAI 和 Anthropic 公开的博客证据不足以证明 AI 即将实现自我维持的加速，但 Codex 研究支出每月翻倍值得关注。他还讨论了蒸馏能否解释中美差距、开源与闭源模型的安全性，以及前沿后训练流程的样貌。
InterconnectsAI 评分6262 开源模型当前的力量格局
Nathan Lambert 发布其向美国国会议员及幕僚做简报的讲稿，梳理开源权重模型在中美竞争中的现状。
Air Street PressAI 评分1212 欢迎参加《2026 年 AI 现状报告》发布见面会
《2026 年 AI 现状报告》将于 10 月 8 日发布，内容覆盖过去 12 个月 AI 在产业、研究、安全与地缘政治领域的重要进展。为配合发布，主办方将在旧金山（10 月 8 日）、纽约（10 月 27 日）和巴黎（11 月 3 日）举办 State of AI 见面会，每场包含报告精简版演讲、围绕具身 AI、AI for science、扩展与开源的炉边对话及社交环节。
InterconnectsAI 评分2222 为什么我仍未认同真正的 RSI
Interconnects 作者对"真正的递归自我改进（RSI）"持保留态度，认为当前 AI 安全担忧更多来自规模化智能体已能实际干活，而非尚未公开的突破性进展。
Where’s Your Ed AtAI 评分6060 Premium：AI 债务仇恨者指南（第一部分）
Ed Zitron 在《AI 债务仇恨者指南》第一部分中梳理支撑 AI 基建的债务体系，指出 Oracle、Google、Amazon 已现金流为负，Meta 紧随其后。
Google Blog · AIAI 评分1212 AI 赋能社会影响
Google 与全球社区和研究者合作，将 AI 用于疾病检测、治疗与预防、自然灾害预测、教育扩展以及为更多人创造经济机会。文章称 AI 已从理论研究转向可衡量的现实影响，并汇集专家与地方领导者利用 AI 突破的案例。
Augment Code Blog精选AI 评分6060 Beyond AI Coding Agents: How We Built Augment's Software Factory
Augment 公开其软件工厂的搭建过程：2025 年 11 月至 2026 年 7 月，其工程团队按瓶颈而非软件生命周期顺序部署专用智能体，覆盖需求、工单、PR 与生产四个环节。
推荐理由：Augment 公开了自家软件工厂九个月的搭建顺序与量化指标，可参考其按瓶颈而非生命周期排布自动化的做法。
Understanding AI精选AI 评分7878 OpenAI 花数百万美元解决著名数学难题，数学家们怒了
OpenAI 宣布由 1 万个智能体组成的集群求解了千禧年难题 Navier-Stokes，但抢在纽约大学数学家 Tristan Buckmaster 与 Anthropic 员工 Levent Alpöge 之前完成，引发学界不满。
推荐理由：从学术社区规范角度复盘 OpenAI 抢先求解 Navier-Stokes 引发的争议，帮助读者理解 AI 竞赛对科研协作方式的冲击。
InterconnectsAI 评分6060 一次辞职如何把 AI 恐惧的火星变成野火
Nathan Lambert 认为，Jacob Coxon 的辞职之所以引发远超预期的传播，是因为今年 AI 风险议题的土壤已经变干，而恐惧是最容易被传播的叙事。
InterconnectsAI 评分2222 普通人何时才能感受到 AI 的影响？
Interconnects 文章指出，AI 目前对普通人日常生活的影响仍微乎其微，家庭、饮食、交通和娱乐等核心领域几乎没有直接改变。作者认为当前 AI 主要服务于精英阶层，知识工作约占美国经济的一半，这种只带动半个社会的失衡可能引发政治反弹，甚至让 AI 重蹈美国核电的覆辙。
Understanding AIAI 评分2222 19 家值得关注的机器人公司
2026 年上半年至少 621 家机器人公司获得融资，总额约 318 亿美元。Understanding AI 从数月调研和多家公司 CEO 访谈中选出 19 家值得关注的机器人公司，聚焦直接制造机器人或开发通用机器人 AI 模型的企业，名单中过半公司成立于过去四年内。
Understanding AIAI 评分4848 机器人初创公司为获取更多数据想尽办法
机器人训练数据严重短缺，目前最大的公开数据集 ABC-130K 仅有 3,500 小时任务演示。Shift 等初创公司通过给清洁工戴摄像头录制人类动作、雇人遥操作机器人、穿戴手套或外骨骼采集数据等方式获取训练数据，Scale AI 也在尝试这些策略。Skild 的 CEO Deepak Pathak 指出，机器人需先能完成有用工作才能从部署中产生数据，存在"先有鸡还是先有蛋"的问题。
Understanding AIAI 评分4848 Google 如何教 LLM 控制机器人，并掀起一场机器人热潮
Google 2023 年 7 月发布 RT-2，把多模态 LLM 训练成直接输出机器人动作的模型，参数量从 RT-1 的 3500 万跃升至数十亿，并展现出对物体、场景和指令的泛化能力。Google 将其命名为视觉-语言-动作（VLA）模型，这一架构与术语随后成为行业标准，推动中美大公司和机器人创业公司持续投入。
Air Street PressAI 评分2828 AI 能学会科学品味吗？
前沿 AI 实验室正把智能体推向科学发现，但训练科学直觉所需的"失败记录"长期缺失。Anthropic 从 2026 年 1 至 3 月的真实 Claude Code 会话中抽取 129 个决策点，Claude Mythos Preview 有 64% 的选择优于人类，Opus 4.5 为 51%；而在人类决策本已较强的 127 个场景中，模型仅约 20% 能改进。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队发布综述，系统梳理并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解任务、并行多少线程以及如何协调。文章对比了自一致性、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法，指出多数方案仍由外部预设并行结构，未让模型按问题难度自适应选择并行度。