Frontier Radar #5:AGI 临近之际,为何大批研究者离开大厂创办新实验室
The Decoder 的 Frontier Radar 第五期盘点了 27 家由大厂离职研究者创办的研究型 AI 公司,按持续学习、语言之外的世界模型、专有数据、算力效率、自动化科研和模型可控性六类技术押注分组。
The Decoder 的 Frontier Radar 第五期盘点了 27 家由大厂离职研究者创办的研究型 AI 公司,按持续学习、语言之外的世界模型、专有数据、算力效率、自动化科研和模型可控性六类技术押注分组。
作者 Ankit Maloo 分析 OpenAI、Anthropic 今年接连给出数学问题证明与反例的原因,认为关键在于模型能以深度优先方式把每条可行路径走完,再用自动验证器剪枝。
The Decoder 报道,OpenAI 的 Cammarata 提出对机械可解释性经典案例的重新解读,认为著名的猫脸与汽车神经元其实是 V 形检测器,并非叠加现象,并称在 Qwen3-32B 中约 90% 的神经元极点只有一个主要功能、仅 2% 到 4% 无法解释。
Anthropic 的 Andrej Karpathy 称,外界只看到了 AI 实际能力的“预览版”。他把大语言模型用户分为四层:约 60 亿人几乎没接触过 LLM,10 至 20 亿人只把免费 ChatGPT 类产品当作更好的搜索引擎,约 2000 万数学和编程领域的专业用户已用智能体完成过去需数周乃至数月的复杂项目,而仅约 5000 人能接触内部前沿系统。
Ornn、Silicon Data 与 Bloomberg 截至 2026 年 8 月的数据显示,AI token 价格持续下跌,但 H100 GPU 租赁价格保持稳定甚至上涨,a16z 称这是 AI 市场的教科书级杰文斯悖论。
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出,AlphaFold 的突破只是开始,蛋白质折叠远未解决。
MIT Technology Review 与 Aventine 合作的文章指出,尽管 Elon Musk 预测 Tesla 的 Optimus 人形机器人最早 2027 年底开售、单台成本低至 2 万美元,Jensen Huang 也称人形机器人今年将达到人类水平能力,但许多机器人研究者对此持怀疑态度。Yann LeCun 在达沃斯表示,没有任何一家人形机器人公司知道如何让机器人足够智能和实用。
神经科学家 Paul Cisek 提出,大脑并非图灵机式的信息处理器,而是进化而来的反馈控制系统,用棒球接高飞球的启发式而非复杂计算即可说明。作者 Benjamin Riley 据此认为,把大脑类比为计算机的模型既扭曲又有限,而 AI 产品正像"认知版热狗",迎合当下却损害人类数千年演化出的认知系统。
DeepMind 研究人员提出“人工共生智能”(Artificial Symbiotic Intelligence),主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络,而非打造单一自我进化的超级智能。
前 Google DeepMind 研究员指出,LLM 靠逐个预测 token 生成答案,其链式推理仍由同一套 next-token 过程产生,并非真正独立的推理机制。他认为这类模型缺乏可检视的持久认知状态、知识与推理的分离,且链式推理常是事后编造。他主张借鉴 AlphaGo 的游戏树搜索架构,为机器推理引入显式的认知状态。
MIT 的 Alex Zhang 在 Latent Space 播客中介绍了其递归语言模型(RLM)研究,基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统,早于 OpenAI 的 Astra。
TypeSafe AI 创始人兼 CEO Diogo Almeida 在 Latent Space 播客中介绍新模型 Jev,称其为面向软件消费的 System One 大模型。
Import AI 第 464 期汇总多项进展:Fable 在 KernelBench-Mega 上写出被维护者称为首个真正且最快的 megakernel,在 RTX PRO 6000 Blackwell 上以 CUDA 实现 18.71 倍加速,对比 Claude Opus 4.8 的 14.4 倍、GLM-5.2 的 11.14 倍和 GPT 5.5 的 4.34 倍。
本期 Import AI 汇总三项研究:伦敦国王学院、复旦大学与 Alan Turing Institute 构建 SocioHack 基准,用 72 个沙盒社会环境测试 RL 模型能否在合规前提下钻制度空子,模型在历史子集上以 61.25% 召回率和 90.85% 精确率重新发现已被修补的漏洞。
伯克利 AI 研究团队梳理了并行推理领域进展,重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 多由外部预设并行结构,未教会模型自适应行为。