TC
AI代币最大化：我们是否正走向虚无？
AI行业的内部人士与普通大众之间的鸿沟正日益扩大，这种分歧体现在巨额支出、普遍怀疑以及新兴词汇上。OpenAI正大举收购从金融应用到脱口秀的一切，而一家鞋业公司竟摇身一变为AI基础设施玩家。Anthropic则推出了一款据称过于强大而无法公开发布的模型……但显然并非强大到无法用于内部测试。文章探讨了AI领域的狂热投资与现实脱节，揭示了技术泡沫的风险与机遇。
AI发展 (共4篇)
MIT
穆斯塔法·苏莱曼：AI发展不会很快触顶——原因在此
我们人类适应的是线性世界：走一小时，覆盖一定距离；走两小时，距离翻倍。这种直觉在草原上很有用，但在面对AI及其核心指数趋势时，却彻底失效。从我开始涉足AI领域以来，就见证了其爆炸式增长。穆斯塔法·苏莱曼认为，AI不会很快遇到瓶颈，因为计算能力、数据和算法的指数进步将持续推动创新。本文探讨了AI发展的指数本质，并分析其对未来的影响。尽管面临伦理和资源挑战，AI的潜力远未耗尽。
MIT
AI基准测试失效了，我们需要什么替代方案？
数十年来，人工智能评估一直围绕机器是否超越人类展开，从国际象棋到高级数学、编程和散文写作，AI模型的表现总被与个体人类在孤立任务上的成绩对比。这种框架虽诱人，却忽略了AI在复杂、真实世界中的局限。基准测试饱和、数据污染等问题频发，导致评估失真。文章呼吁转向系统级、多模态和长期规划的新基准，以真正衡量AI潜力。（128字）
ARS
美国参议员要求能源署强制监测数据中心用电量
美国多名参议员致信能源信息署（EIA），敦促其强制数据中心每年披露电力消耗数据。随着AI和云计算爆发，数据中心已成为能源大户，其用电量预计将占美国电力需求的8%以上。此举旨在提升透明度，推动可持续能源政策。信中强调，缺乏数据将阻碍政府评估环境影响和制定应对策略。行业专家认为，此要求将加速数据中心向可再生能源转型，但也可能增加运营成本。