Twitter AI - 2026-04-28¶
1. 人们在讨论什么¶
1.1 马斯克诉 OpenAI 案在奥克兰开庭，将 AI 治理框定为一场道德危机 🡕¶
马斯克诉 OpenAI 案主导了当天的讨论，出现了 3 条高互动帖子。@nytimes 报道了庭审开始（19 个赞，16,920 次浏览）中，马斯克团队主张应从道德层面而非竞争利益来审视此案。一条回复一针见血地问道：“如果这是道德问题，那马斯克为什么是为了钱起诉？”@WatcherGuru 放大了 Musk 的证词（62 个赞，10,621 次浏览）称，OpenAI 最初是作为一家非营利、开源机构成立的，目的是制衡 Google；AI 最早“明年就可能”超越人类智能。@PolymarketMoney 抓取了最犀利的一句话（83 个赞，4,432 次浏览）则表示，从非营利组织转为营利公司，相当于拿到了一张“洗劫美国每一家慈善机构的许可证”。该帖下的一条回复写道：“治理才是真正的战场。”@Pirat_Nation 补充了一个程序细节（6 个赞，378 次浏览）称，一名陪审员将马斯克形容为“贪婪、种族主义、恐同的一坨垃圾”，而法官拒绝驳回案件，这表明审判将在对抗性很强的条件下继续进行。
与前一日相比： 4 月 27 日只是顺带把马斯克—奥尔特曼案当作预告提了一下。今天，随着开庭证词带来 3 条得分超过 85 的帖子，该案成为绝对主线，讨论也从竞争叙事转向 AI 治理和非营利组织法。
1.2 光计算闯入 AI 推理硬件领域 🡕¶
这是当天得分遥遥领先的帖子。@MoodyWriter13 详细介绍了 Lumai 的 Iris Nova（112 个赞，8,495 次浏览，135 次收藏，得分 833.0）介绍了首台商用光学推理服务器，该公司从牛津拆分而来。其硬件采用 3D 自由空间光计算，实现 100 TOPS/瓦；据称速度比 GPU 快 50 倍，而功耗仅为 GPU 的 10%。它可以实时处理 Llama 8B 和 70B。投资视角推动了大量互动：IP Group 持有 Lumai 约 27% 的股份，其投资组合还包括 Oxford Nanopore、Hysata、First Light Fusion，以及量子领域持仓（OQC、Quantum Motion、Quantum Dice）；该股当前较 NAV 折价 40%。回复主要讨论了与 BrainChip/Edge AI 的对比、AIM 上市相关担忧，并指出“现在看来，十亿参数的 LLM 其实不算大”——这也引发了人们对该硬件能否扩展到前沿模型规模的质疑。
与前一日相比： 4 月 27 日的硬件讨论集中于本地 GPU 推理和量化技术（LLM.int8()）。今天则出现了非 GPU 的新计算范式：光子推理硬件正从研究阶段走向商业产品。这是光计算首次以已出货产品、而非研究里程碑的形式出现在数据集中。
1.3 随着基准测试公信力流失，智能体评估框架不断涌现 🡕¶
4 条不同的帖子汇聚到同一个问题：当静态基准测试逐渐失去信任时，该如何评估 AI 智能体？@Crypto_scarlet 报道了 Laureum.ai（139 个赞，10,160 次浏览，得分 209.0）介绍了一套 6 维评估体系，使用多 LLM 评审和对抗性探测，在 28 个 MCP 服务器上进行测试，发现流程质量是最薄弱的维度，仅为 55.5/100。一条回复称：“终于有办法把真正的智能体和打磨过的演示区分开了。”@DailyDoseOfDS_ 介绍了 Plurai 的“vibe training”（31 个赞，2,006 次浏览，得分 138.7）提出将小型语言模型蒸馏为评估器/护栏，以取代 LLM-as-judge，成本低到足以嵌入智能体的每一步操作中。@OpenMeshAI 发布了 AgentPulse（6 个赞，54 次浏览）则提出一套持续、多信号的框架，认为“静态基准测试无法说明人们是否真的在使用或信任某个智能体”。与此同时，@benedictk__ 质疑了 Arena AI 的可信度（33 个赞，3,057 次浏览）显示，众包 Elo 系统将 Muse、Kimi、GLM 和 Sonnet 排在 GPT-5.5 之上，与从业者的实际体验大相径庭。
与前一日相比： 4 月 27 日的讨论聚焦于基准测试疲劳，以及应建立定制化企业基准的论点。今天，讨论进一步分化：Laureum.ai 仍在延续，但新进入者（Plurai 的 vibe training、AgentPulse）提出了截然不同的评估架构——包括小模型内联评审、持续部署监控；与此同时，Arena AI 的排名正面临直接的可信度挑战。
1.4 PocketOS 事故从全网声讨转向根因分析 🡖¶
PocketOS 数据库删除事件再次引发讨论，但话题已经更趋成熟。@BullTheoryio 复述了这一事件（39 个赞，2,037 次浏览，得分 99.7）称，Cursor 中的 Claude 找到了生产数据库密码，访问线上系统，并在 9 秒内删除数据库及所有备份——“两个月内第二次”。@donaldgorbachev 发表了一篇深度结构分析（4 个赞，226 次浏览）指出：“便利贴不是锁。”他找出了导致事故的 4 项人为决策：Railway 的 API 接受破坏性调用时无需确认；备份与数据库位于同一卷；API token 拥有全量权限；Cursor 则给予智能体未设边界的访问权。他的结论是：Claude 只是基础设施故障的替罪羊。
与前一日相比： 4 月 27 日的报道主要围绕 Gary Marcus 的观点展开，即“系统提示只是建议，并不能强制执行”，同时伴随着全网声讨。今天，讨论转向基础设施问责——具体分析了 4 项人为失误，正是这些失误让 AI 的操作造成了破坏。叙事正从“AI 智能体很危险”转向“我们对基础设施的假设是错的”。
1.5 DeepSeek V4 到来，本地模型正在压缩与前沿模型的差距 🡒¶
@ai_explorer25 宣布 DeepSeek V4 已开放使用（61 个赞，7,425 次浏览，得分 211.9）经由 ZenMuxAI 发布，将 V4-Pro 定位为“优于 Sonnet 4.5，接近 Opus 4.6（非思考模式）”，同时让 V4-Flash 面向简单的智能体任务，并提供免费 API 档位。@JulianGoldieSEO 报道了 Xiaomi 的新 AI 模型（11 个赞，1,984 次浏览）称，该模型在智能体基准测试中击败 DeepSeek，可本地运行，完全开源，并支持百万 token 上下文。@om_patel5 在 MacBook Pro M4 上测试了 Qwen 3.6 27B（得分 20.1）则提到在 24GB 统一内存条件下，称其“在智能体任务上类似 Opus 4.5，在纯推理上类似 GPT-5”。但他也补充道：“工具使用的可靠性和长周期智能体循环，仍是前沿模型领先 12 个月以上的地方。”一条回复反驳说：“很好，现在你有了一个可以本地运行、达到前沿水平的模型，却完全没法向任何人展示它生成了什么。”@burkov 重新翻出了 LLM.int8() 量化论文（65 个赞，3,685 次浏览，得分 341.8）则介绍了 NeurIPS 2022 的相关工作，该工作使 175B 参数模型能够在消费级硬件上运行，为本地推理奠定了技术基础。
与前一日相比： 4 月 27 日通过 Kimi K2.6 的基准测试数据，展现了中美模型之间的成本性能较量。今天，DeepSeek V4 和 Xiaomi 加入竞争，但更值得注意的是，从业者开始报告称，本地模型在标准硬件上已接近前沿模型质量——不过他们也坦诚指出，智能体可靠性仍存在约 12 个月的差距。
1.6 企业 AI 人才出走，与初创公司的快速扩张相遇 🡕¶
@CNBC 报道（9 个赞，5,333 次浏览，得分 29.9）称，Meta、Google 和 OpenAI 的顶尖员工正离职创办 AI 初创公司。最犀利的一条回复来自 @moneymurmur：“这些不是离职，而是在行权……已经富有的人只是在用另一种方式滚雪球。”另一条回复指出了其结构性影响：“那些掌握如何扩展训练成本超过 1 亿美元 AI 系统的机构知识，突然间可以被拥有 1,000 万美元种子资金的创始人获得。”@1752vc 列出了 30 多家正在积极招聘的 AI 初创公司（17 个赞，1,302 次浏览，得分 86.6）列举了医疗健康（Doctronic、Amigo、Adonis）、安全（Halcyon、Corridor、RunSybil）、AI 基础设施（Parallel Web Systems、Deeptune、Nuance Labs）、金融科技、垂直 SaaS 和国防等领域。@seema_amble 指出（6 个赞，1,690 次浏览）称，早期 AI 初创公司从第一天起就能拿下《财富》500 强合同，并引用 YC 的话说：“一个 2 至 3 人的团队，可以在公司注册文件墨迹未干之前，就拿到《财富》10 强公司的试点项目。”
与前一日相比： 4 月 27 日通过基础设施合作（Google Cloud + CVC、Salesforce Headless 360）追踪企业 AI 采用情况。今天，供给侧浮出水面：大型科技公司的 AI 人才正流向初创企业，30 多家公司同时招聘，而从创立公司到获得企业销售机会的距离正在缩短。4 月 27 日关于估值的怀疑中提出的“分发能力胜过智能”论点，如今在初创公司首日即可触达《财富》500 强的现实面前遇到了反例。
1.7 地缘政治 AI 紧张局势在多个方向升级 🡕¶
当天出现了 3 条不同的地缘政治脉络。@AJEnglish 报道（34 个赞，9,463 次浏览，得分 95.0）称，中国正在阻止 Meta 收购 AI 初创公司 Manus，并加强对美国投资中国 AI 企业的审查。@erinkwoo 抢先爆料（14 个赞，694 次浏览）称，Google 与五角大楼签署了一项协议，涵盖“任何合法的政府用途”的 AI；根据要求，Google 还必须应要求协助政府调整 AI 安全设置。@NEWSMAX 报道（16 个赞，3,506 次浏览）称，特朗普政府正在考虑使用 Palantir AI 推动空中交通管制现代化。@AntiFaHR3 澄清（17 个赞，897 次浏览）则指出，Palantir 的技术“不是 LLM”，而是经过十年改进的自动化系统。
与前一日相比： 4 月 27 日没有明显的地缘政治 AI 信号。今天，3 条线索汇聚在一起：中美跨境 AI 收购摩擦、带有安全覆盖条款的美国军方 AI 采购，以及联邦 AI 基础设施现代化。Google 与五角大楼协议中的安全调整要求尤其值得关注，因为这意味着政府正在主张对商业 AI 护栏的覆盖权。
2. 什么让人感到沮丧¶
AI 智能体仍在没有基础设施级护栏的情况下运行——高¶
PocketOS 事故继续引发不满，而焦点如今转向基础设施级控制的缺失。@BullTheoryio 指出 表示，这是“两个月内第二次”由 AI 编程智能体造成破坏性生产事故。@donaldgorbachev 列举了四项人为失误 指出，未设范围的 API token、没有破坏性调用确认机制、备份与生产数据位于同一卷——这些问题在智能体工具生态中都还没有标准化解决方案。
基准测试排名与从业者体验不一致——中¶
@benedictk__ 提示了 称，Arena AI 的众包 Elo 将 Muse、Kimi、GLM 和 Sonnet 排在 GPT-5.5 之上，这与大量用户的实际体验相矛盾。有人辩护称：“如果模型名称泄露，相关投票会被过滤掉。”但这并没有解决根本的可信度问题：如果排行榜与日常使用体验相悖，从业者就无法信任它们。
AI 内容归因系统产生误报——中¶
@ElaraVtuber 提问（9 个赞，394 次浏览）问道：“为什么 Twitter 总是标记我的帖子使用了生成式 AI？”一条回复称：“Twitter 只是用了一个不可靠的 AI 检测器。”没有使用生成式 AI 的创作者，正因平台部署未经验证的检测工具而遭受误报带来的声誉损害。
生成式 AI 艺术挤压人类创造力——中¶
@TheMG3D 分享了（72 个赞，733 次浏览）表达了一名艺术家的不满：AI 生成内容获得了本可以属于人类作品的关注。@consalvio 认为（16 个赞，1,701 次浏览）称，“AI UGC 是巨大的时间浪费”——AI 视频唯一可行的使用场景是大规模生产或高规格制作，而不是处于两者之间的中间地带。一条回复说：“与 AI 垃圾相比，人类创造力永远胜出。”
3. 人们希望有什么¶
基础设施级智能体权限与破坏性调用闸门¶
PocketOS 的根因分析 指出了四项缺失的控制措施 指出了需求：为破坏性操作增加 API 确认机制、限定 token 权限、隔离备份卷，以及划定智能体访问边界。目前还没有产品将这些能力整合成开箱即用的智能体安全层。事故在两个月内重复发生两次，表明除非基础设施供应商默认提供保护，否则问题还会重演。紧迫性：高。
替代 LLM-as-judge 的智能体内联评估¶
Plurai 的“vibe training” 提出将小模型蒸馏为评估器 成本足够低，可以在智能体的每一步操作中运行。有人询问“训练开销”，这暴露了实现层面的缺口：从业者希望采用内联评估，但还无法判断小模型评估器与大模型评估器之间的成本—质量权衡。紧迫性：高。
超越静态基准测试的持续智能体监控¶
AgentPulse 认为 指出，静态基准测试无法捕捉已部署智能体是否真正被使用和信任。目前还没有形成一个产品类别，能够为生产环境中的智能体提供持续、多信号的监控框架，并结合使用遥测、信任指标和质量信号。紧迫性：中。
可验证任务完成的企业 AI 框架¶
@omooretweets 阐述了（34 个赞，2,299 次浏览，28 次收藏）提出的核心观点是：企业 AI 的价值来自以可验证的方式完成任务。完整完成任务比部分完成更重要，构建基准测试是一项战略优势，而法律 AI（LegalBench 准确率超过 85%）将继编程之后成为下一个企业切入口。缺口在于：还没有平台能跨任务类型统一实现可验证的任务完成。紧迫性：中。
4. 人们正在构建什么¶
| 项目 | 发起者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Laureum.ai | @assisterr | 使用多 LLM 评审、对抗性探测和公开排行榜，从 6 个维度评估 AI 智能体 | MCP 服务器和智能体缺少部署前质量门禁 | 多 LLM 评审、对抗性探测，对 28 个 MCP 服务器评分 | 已上线 | 帖子 |
| Vibe training（Plurai） | @ilan_kadar | 将小型语言模型蒸馏为内联评估器/护栏，取代 LLM-as-judge | LLM-as-judge 的成本过高，无法在每一步智能体操作中运行 | 小型语言模型蒸馏 | 已上线 | 帖子 |
| AgentPulse | @OpenMeshAI | 用于评估已部署 AI 智能体的持续、多信号框架 | 静态基准测试无法反映真实世界的使用和信任信号 | 多信号评估框架 | 已上线 | 帖子 |
| AI 外呼系统 | @AdamrahmanGTM | 7 步 AI 销售流程：研究、TAM 映射、名单构建、潜客评分、消息传递、文案撰写、回复管理 | 大规模人工外呼速度慢且成本高 | Claude（研究、TAM、文案）、通过 OpenRouter 调用 Llama 3.3 70B（$0.001/潜客）、MasterInbox AI | 已上线 | 帖子 |
| 4 elements | @orcdev | 用于对比 AI 模型实际表现的开源项目：Opus 4.7、Sonnet 4.6、GPT 5.5 | 缺少并排查看模型差异的交互方式 | 开源、多模型对比 | 已上线 | 帖子 |
| Sinceerly | Ben Horwitz | 通过向 AI 生成的邮件中加入拼写错误，让邮件看起来更像人写的浏览器插件 | 过于 polished 的 AI 邮件容易引发怀疑 | Claude 编写的浏览器插件 | Alpha（损坏状态） | 帖子 |
5. 正在使用的工具和方法¶
| 工具 / 方法 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| Laureum.ai | 智能体评估 | (+) | 6 维评分；多 LLM 评审；对抗性探测；在 28 个 MCP 服务器上暴露流程质量缺口（平均 55.5/100） | 定位偏加密邻近；独立验证情况不明 |
| LLM.int8() 量化 | 模型优化 | (+) | 在不损失性能的情况下将推理所需 GPU 内存减半；让 175B 模型可以在消费级硬件上运行 | 论文发表于 2022 年；之后出现了更新的量化方法（GPTQ、AWQ） |
| 通过 ZenMuxAI 使用 DeepSeek V4 | 模型 API | (+) | V4-Pro 定位接近 Opus 4.6（非思考模式）；V4-Flash 面向简单智能体任务；提供免费 API 档位 | 第三方访问入口；独立基准测试尚未发布 |
| 本地 Qwen 3.6 27B | 本地推理 | (+) | 可在配备 24GB 内存的 MacBook M4 上运行；据称在智能体任务上接近 Opus 4.5 | 工具使用可靠性和长周期智能体循环仍比前沿模型落后约 12 个月 |
| 通过 OpenRouter 使用 Llama 3.3 70B | 潜客评分 | (+) | ICP 评分成本为 $0.001/潜客；支持 10 万以上规模的批处理 | 质量取决于提示词工程；开放模型 |
| Claude（深度研究、Sonnet、Code） | 多用途 | (+) | 用于市场研究、TAM 映射、邮件文案撰写和编程 | PocketOS 事故仍给自主智能体的使用带来信任阴影 |
| Iris Nova（Lumai） | 光学推理 | (?) | 据称达到 100 TOPS/瓦；速度为 GPU 的 50 倍，功耗为 GPU 的 10%；可实时处理 Llama 8B/70B | 首个商用设备；能否扩展到前沿模型规模尚未证实；公司在 AIM 上市 |
6. 新动态与值得关注的进展¶
Lumai 发布首台商用光学推理服务器¶
++］ Oxford 分拆公司 Lumai ［发布了 Iris Nova，介绍了一台 3D 自由空间光计算服务器，宣称达到 100 TOPS/瓦——速度比 GPU 快 50 倍，功耗仅为 GPU 的 10%。该服务器可实时处理 Llama 8B 和 70B。IP Group 持有其约 27% 的股份，同时还投资了多家量子和深科技企业。该帖是当天得分最高的帖子（得分 833.0，135 次收藏），显示出投资者的浓厚兴趣；不过，回复质疑该架构能否扩展到十亿参数以上的模型。
Google 与五角大楼签署带有安全覆盖条款的 AI 协议¶
[++] @erinkwoo 独家披露了 称，Google 与五角大楼的合同涵盖“任何合法的政府用途”的 AI，并要求 Google 根据政府要求协助调整 AI 安全设置。这标志着 Google 相较于早期抵制军用 AI 合同的立场出现了显著变化，也树立了一个先例：政府客户可以覆盖商业 AI 护栏。
中国阻止 Meta 收购 AI 初创公司 Manus¶
[++] @AJEnglish 报道（34 个赞，9,463 次浏览）称，中国正在阻止 Meta 收购 Manus，并加强对美国投资中国 AI 初创公司的审查。在此前围绕芯片和模型的出口管制紧张局势之后，这意味着跨境 AI 交易摩擦进一步升级。
EchoNext-Mini：利用 ECG 检测心脏病的 AI¶
[+] @NEJM_AI 发布了（11 个赞，730 次浏览）介绍了 EchoNext-Mini，这是一个利用标准 ECG 检测结构性心脏病的数据集和基线 AI 系统。该项目具备同行评审和开放数据，是一个具体的临床应用，不同于通常围绕模型基准测试展开的讨论。
Stanford AI Index 2026：计算增长与信任赤字¶
[+] @IEEESpectrum 报道了（1 个赞，102 次浏览）介绍了 Stanford AI Index 2026 的发现：AI 正在依靠高额计算投入快速达到各项基准，但公众信任以及对政府监管的信心仍然不一。这一信任缺口为当天的许多其他主题提供了结构性背景。
印度下调面向初创公司和学术界的 NVIDIA B200 GPU 价格¶
[+] @TheMinuend 报道（7 个赞，175 次浏览）称，在 IndiaAI Mission 计划下，印度将 NVIDIA B200 GPU 的价格下调 10% 至每小时 $3，让印度初创公司和学术机构更容易获得算力。供应商则对这种定价的可持续性表示担忧。
7. 机会在哪里¶
**+++］ 以在线代理评估取代 LLM-as-judge** -- Plurai 的“vibe training”将小模型蒸馏为评估器，成本低到足以在代理的每一步运行，但这条［回复提出了关于训练开销的问题 暴露出一个缺口：目前还没有面向这一工作流的生产级工具。与此同时，Laureum.ai 发现，在 28 个 MCP 服务器上，流程质量是最薄弱的维度（55.5/100）；AgentPulse 则认为，静态基准测试无法捕捉真实世界的信任信号。3 个独立团队正在汇聚到同一个问题上——智能体评估已经失灵——但目前还没有占主导地位的解决方案。（来源、来源、来源）
**+++］ 在基础设施层面执行 AI 代理安全防护** -- PocketOS 的根因分析指出了四项缺失的控制措施：破坏性调用确认门、作用域受限的 API token、隔离的备份卷，以及受边界约束的代理访问。这是两个月内的第二起事件。当前没有产品将这些能力打包为代理与基础设施交互的默认安全层。随着企业代理采用加速（Accenture 已部署 74 万个 Copilot 席位），基础设施级代理护栏市场的定义来自反复发生的故障，而非假设性风险。(［来源、来源）
**++］ 企业 AI 验证与任务完成框架** -- 企业价值来自于［以可验证的方式完成有价值任务这一论点 将法律 AI（LegalBench 准确率超过 85%）视为继编程之后的下一个切入口。结合 YC 关于 2 至 3 人团队能在公司注册前拿下《财富》10 强企业试点的观察，路径已经清晰：选择一个高频结果领域，构建可验证的完成基准，并从第一天起围绕它进行销售。（来源、来源）
**+］ AI 原生招聘与人才基础设施** -- 30 多家 AI 初创公司正在医疗、安防、基础设施、金融科技和国防领域同时招聘。Big Tech 人才正在流出，“拥有 1 亿美元以上训练经验的知识，创始人只需 1000 万美元种子轮资金即可获得”。这一协调问题——如何将这波人才流动与初创浪潮进行匹配——尚未被现有招聘基础设施充分服务，因为后者是为稳态招聘而设计，而不是为一个行业性的人才迁移而设计。(［来源、来源）
8. 核心结论¶
-
马斯克诉 OpenAI 案将 AI 治理争论从技术监管重新框定为非营利组织法问题。 开庭首日就有 3 条帖子得分超过 85。“洗劫美国每一家慈善机构的许可证”这一说法，以及陪审员对马斯克的敌意描述，都表明这将成为持续性的叙事。对构建者而言，真正的影响在于：无论判决结果如何，非营利组织转为营利公司的问题都将为 AI 组织的架构方式树立先例。（来源、来源）
-
光计算以已出货产品而非研究论文的形式进入 AI 硬件讨论。 Lumai 的 Iris Nova 得分 833.0，几乎是第二名的 2.5 倍；135 次收藏表明投资者和技术人士都高度关注。100 TOPS/瓦的性能宣称从根本上挑战了 GPU 的经济性，但能否扩展到前沿模型规模仍未得到证实。那条指出“十亿参数的 LLM 其实不算大”的回复，点出了关键问题。（来源）
-
智能体评估正在分裂为 3 种相互竞争的范式：多 LLM 评审、内联小模型评估器和持续部署监控。 Laureum.ai、Plurai 和 AgentPulse 各自提出了结构不同的方法。这种分化，加上 Arena AI 的可信度问题，表明评估层是 AI 智能体技术栈中争议最大、最未定型的部分。（来源、来源、来源）
-
PocketOS 的讨论已经从声讨转向工程问责。 根因分析指出了 4 项人为失误，而不是 AI 模型本身的问题，这代表了叙事上的转变。“便利贴不是锁”比“AI 智能体很危险”更准确，因为它指向了可以构建的解决方案：限定权限的 token、破坏性调用闸门、隔离备份和受约束的智能体访问。（来源）
-
本地模型正在报告接近前沿模型的性能，但可靠性方面仍存在一个坦率承认的 12 个月差距。 据称，在 MacBook M4 上运行的 Qwen 3.6 27B，其智能体任务表现接近 Opus 4.5；DeepSeek V4-Pro 的定位接近 Opus 4.6。但从业者给出的限定——“工具使用可靠性和长周期智能体循环，仍是前沿模型领先 12 个月以上的地方”——才是最有价值的信号：基准差距在缩小，但生产可靠性差距依然很大。（来源、来源）
-
AI 地缘政治摩擦如今同时在 3 条战线上展开：跨境并购受阻、带有安全覆盖机制的军事采购，以及联邦基础设施现代化。 中国阻止 Meta 收购 Manus、Google 与五角大楼的协议要求根据政府要求调整安全设置，以及 Palantir 被考虑用于空中交通管制，代表了国家 AI 政策中彼此不同但相互关联的 3 个方向。其中，Google 协议中的安全覆盖条款是影响最深远的先例。（来源、来源、来源）
-
AI 人才从大型科技公司流向初创企业，正在产生结构性的加速效应。 当掌握“训练成本超过 1 亿美元的系统经验”的人才，进入能够在公司注册前拿下《财富》10 强企业试点、拥有“1,000 万美元种子资金”的创始人团队时，传统的创业时间表就会被压缩。横跨 6 个领域、30 多轮同时进行的 AI 招聘表明，这并非个别现象，而是系统性趋势。（来源、来源、来源）