量子位

《量子位》官方网易号

AI究竟是摧毁教育还是改善教育？一篇最近发表在Nature上的文章对过去51项研究进行荟萃分析后得出结论：使用ChatGPT的学生具有更好的学习表现、学习感受和高阶思维能力～

行业密探

量子位

《量子位》官方网易号

“OpenAI希望开发AI操作系统，成为人们的核心AI订阅服务。” 这是奥特曼在红杉资本“AI Ascent 2025”中的谈话内容，他称其为OpenAI的柏拉图式理想，甚至“其余的任何东西都可以为之让路”。他认为未来的AI模型将涵盖用户一生的数据，实现个性化推理： “它将是一个非常微小的推理模型，拥有一万亿个上下文标记，你可以把自己的整个人生投入其中。” 听起来是不是很罗曼蒂克？但奥特曼本人也坦率承认，这个计划目前还处于“PPT”阶段，明年要构建的产品可能甚至都还没有开始考虑。不过他相当满意这种状态：“我们以灵活和随着世界变化调整策略为荣。” 在长达半小时的访谈中，除了核心AI订阅服务，奥特曼也畅聊了AI语音交互、代理与编码的价值、2025AI的发展前景等多方面见解。下面，让我们详细地了解一下。 - 核心AI订阅服务在奥特曼的初步构想中，ChatGPT将会转变成深度个性化的AI服务，模型不再需要重新训练，也不用定制权重，这将是一个庞大的记忆宫殿，你的一生都将包含其中。这个想法也并非空穴来风，奥特曼提到不同用户的AI操作习惯：老一辈人将其视作谷歌等搜索工具的替代品，而年轻人则将其视作人生顾问。尤其是大学生群体，他们使用ChatGPT的方式与使用操作系统类似，拥有复杂的设置方法，将其连接到文件，并记住或保存相当复杂的提示。这一点在早前OpenAI官方发布的美国大学生ChatGPT使用情况调查报告中也有所体现，大约有超过1/3的18岁至24岁年轻人正在使用ChatGPT，这个年龄段的用户对其接受度更高。【图2】借鉴年轻人的做法，奥特曼相信在未来开发高效的订阅制AI服务，对你的全部历史进行推演，从根本上改变日常生活中与技术的互动方式。与此同时他也透露，他们现在确实有相关的学术研究项目，有在合作开展一些定制工作，希望可以激励模型变得更智能、更便宜、更广泛的可访问。当然这需要大量的AI基础设施、构建大量的AI工厂容量，不断改进模型，以及构建一个优秀的顶层堆栈。奥特曼认为API或SDK将在这种订阅制操作系统界面起到重要作用，确保所有的东西都能被合成为一种，能够使用OpenAI登陆其他服务，而其他服务的SDK将会接管ChatGPT的UI，实现个性化定制。不过绝大多数人目前还是希望现有的通用模型可以整体优化，所以公司目前90%的精力都还集中在这上面。 - More Questions 在访谈的后半段问答环节，奥特曼也透露了更多有关OpenAI的信息以及他对2025年AI行业发展的理解。 OpenAI目前也有在语音交互上积极探索，他相信语音将催生全新类别的设备，让它更像真正的人类水平，不过可惜的是： “语音加图形用户界面交互我们还尚未破解。” 奥特曼提出价值将会继续体现在三件事上，比如构建更多基础设施、智能模型，以及将这些整合到社会层面。更详细地讲，他认为2025年将会是代理做主要工作的一年。 “未来互联网会有一种新的方式或协议，事物变得联邦化并分解成更小的组件，代理会不断暴露和使用不同的工具，认证、支付、数据传输都会内置到这个层面。每个人都信任它，一切都可以互相通信，但可能需要几次迭代才能最终实现。” 而其中编码更是预计成为主导类别，它将是模型如何运作的关键，是驱动世界和调用一系列API的核心，未来将会以API和平台来展示它。因此ChatGPT应该非常擅长编写代码。奥特曼同时也预计明年将会诞生更多AI新事物，人工智能也许会协助人类做出一些重大的科学发现。 “我猜测，明年将是一切从智力领域转移到物理世界的一年，机器人将从好奇心转变为严肃的经济价值创造者。” 主持人也是乘胜追击，在最后巧妙地打听起OpenAI的“终极”。 Q：你们将从助理世界转向代理，最终转向应用程序？ A：确实如此。 Q：你的野心有多大？ A：我们尝试制作优秀的模型，推出优质产品，除此之外没有更大的计划。 Q：那么初创公司如何才能不阻碍你们，不成为牺牲品呢？奥特曼则相当自信地回复道： “我们会成为核心AI订阅，如果你能提供比我们更好的核心AI订阅服务，那就去做吧。”

行业密探

量子位

《量子位》官方网易号

沉浸式体验的未来：不单能看到全景画面，耳朵也能听见方向！传统音频技术仅提供声音本身，缺乏方向感。而OmniAudio提出了一种新方法，只需输入360°全景视频，即可生成具有空间感的3D音频。该模型可显著增强VR影片和动作游戏中的真实感，让你在虚拟世界中“听见”声音从哪儿来。研究团队打造了首个大规模360V2SA数据集——Sphere360，内含超过10万段真实世界的视频与FOA空间音频。数据质量高，覆盖音频事件多，堪称该领域的“训练粮仓”。在模型设计上，OmniAudio采取“先粗后细”的训练思路： - 预训练阶段，先用普通立体声生成“伪空间音频”； - 然后结合掩码预测、以及真实FOA音频微调模型，逐步学会空间结构。此外，它采用双分支编码器，能同时提取视频的整体画面与局部动态，提升声音定位的准确性。评估显示，OmniAudio在自建和外部测试集上，效果均优于现有方法。但在复杂音频场景中仍有改进空间，未来团队计划扩大数据集，并优化对多目标场景的理解。相关项目和代码已开源： Github：

行业密探

量子位

《量子位》官方网易号

AI算力，卷到天上了！ 12时12分，12颗太空计算卫星，搭乘长征二号丁运载火箭，在酒泉卫星发射中心顺利升空。这12颗计算卫星，每一颗都具备太空计算和太空互联的能力，将组成全球首个太空计算星座。它们的背后，是商业航天企业国星宇航牵头发起的“星算”计划。 “星算”计划首发星座发射任务获得圆满成功，将开启全球“太空计算时代”新篇章。未来，他们还计划发射更多卫星，织起一张由2800颗卫星组成的太空计算大网。 “星算”计划是什么，为什么人们要在太空中部署算力设施？了解更多细节，欢迎点击文章数据中心不必建在地球！中国企业已经把算力设施送到了太空

行业密探

量子位

《量子位》官方网易号

苹果开源了FastVLM：无需联网，即可在iPhone和Mac上运行AI视觉模型，响应还超快。从苹果的App演示来看，FastVLM可以—— 1、手势识别：对准用户的手部，模型可实时识别举起的手指数量。【图2】 2、图像文字识别：摄像头对准一张便签，FastVLM可在791毫秒内识别出文字信息。【图3】 3、图像描述生成：当模型看到一组emoji表情时，能即时生成英文简述，整个过程控制在800毫秒以内。【图4】 FastVLM的主要技术优势包括： - 视觉token优化：通过减少输出token数量，最多可压缩至原来的1/16，降低了大模型在图像预处理环节的资源消耗。 - 推理速度提升：在关键指标Time-to-First-Token（首次输出延迟）上，FastVLM比LLaVA-OneVision快85倍，响应更即时。 - 模型体积精简：最小规格的FastVLM视觉编码器相比传统模型缩小了3.4倍，而且性能未缩水。 - 原生本地推理支持：模型专为Apple Silicon芯片（如M1、M2）优化，兼容苹果机器学习框架。架构方面，FastViTHD采用混合结构，结合了卷积和Transformer，配合多尺度下采样，既保留高分辨率信息，又压缩了冗余token。在多个主流多模态评测基准（如GQA、TextVQA、SeedBench）中，FastVLM全面超越了包括ConvLLaVA、Cambrian-1、MM1在内的多款大模型，且资源消耗更低，推理效率更高。目前，苹果在开源平台提供了三种模型规格（0.5B / 1.5B / 7B），同时发布了适配Apple Silicon的版本与iOS demo应用，方便开发者快速测试。代码：论文：

行业密探

量子位

《量子位》官方网易号

一公里开外看清毫米级字母？中国科学家做到了！潘建伟团队在《物理评论快报》上发表最新研究成果：团队开发的强度干涉仪采用多束激光照射目标，并用一对小型望远镜接收反射光，能在1.36公里外分辨毫米级字母，分辨率较单台望远镜提升14倍。这项技术的背后是天文学家观测遥远天体的绝活：强度干涉测量法。以往该技术仅适用于恒星等自发光天体或近距离照明物体，潘建伟团队成功将这项技术应用于地面远距离成像。这项研究的核心挑战在于：激光的相干特性会使得强度波动主要受激光器内部噪声影响。研究团队想了个妙招，将100毫瓦激光分成八束，让它们经过湍流大气后变得“参差不齐”。看似矛盾的“非相干照明”方案，反而使干涉效应清晰可辨。与传统干涉法不同，强度干涉法通过两处探测器接收到的光源强度波动，分析其时序相关性与探测器间距，从而获取目标空间信息。这种量子层面的神奇效应，最早被用于测量恒星直径。尽管比起信噪比更优的振幅干涉法，其应用仍较有限，但面对在面对大气湍流或生物组织等干扰严重的场景时，强度干涉法反而能大显身手。潘建伟团队计划下一步通过提升激光控制精度、引入深度学习图像重建算法来优化系统。

行业密探

量子位

《量子位》官方网易号

除了润色论文、编写代码，AI还能够为科研做些什么？《Nature》杂志就人工智能能否产出原创性科学成果、AGI的发展前景以及公司即将发布的开源模型等议题，对Jakub Pachocki进行了专访。 Jakub Pachocki自2024年以来一直担任该公司的首席科学家。他于2017年从学术界加入OpenAI，领导公司最先进的AI系统的开发，这些系统旨在处理科学、数学和编码方面的复杂任务。以下是专访内容： - 科学家们正日益广泛地采用推理模型。您认为这类模型在未来五年将发挥怎样的作用？目前，人类可以与模型交谈，但它仍然只是一个需要持续指导的助手。我认为这一现状将发生根本性改变。我们已经观察到，类似Deep Research这样的系统，已能在无人监督的情况下运行10-20分钟并产出有价值的内容。不过，现在用来处理这些问题的计算资源其实很少。如果是那些尚未解决的科研问题，那确实值得投入更多的计算资源去研究。我预计未来将出现真正具备创新研究能力的人工智能。 - 强化学习对于构建OpenAI的推理模型具有怎样的重要性？ ChatGPT最初版本包含无监督预训练阶段，在这个阶段，模型通过海量数据建立“世界模型”。随后我们通过强化学习结合人类反馈，从中提炼出实用助手。最新推理模型的进展实际上提升了强化学习阶段的重要性：我们不仅从中提取知识，更让模型形成了自主的思维方式现在的问题是，这些学习阶段是否仍应被割裂看待？推理模型的思考能力并非凭空产生，而是植根于预训练获得的基础。我的研究重点正是探索预训练与强化学习阶段的融合机制，以及二者之间的相互作用。 - 您提到模型具备"思考"能力。它们真的在进行推理吗？还是说只是在模拟类似推理的过程？可以说这是一种推理形式，但这并不意味着它与人类的推理相同。预训练模型虽然学习了世界知识，但它并没有真正意识到它是如何学到这些知识的，也没有任何关于何时学到了什么的时间顺序概念。但我确信有充分证据表明，模型能够发现新颖见解。 - OpenAI首席执行官Sam Altman表示公司将很快发布自2019年GPT-2以来的首个开源模型。您能透露相关计划吗？我对此非常期待，特别是能够为研究人员提供可下载并进一步训练的开源权重模型。随着模型能力提升，我们更需审慎考量不同部署方式的社会影响。出于安全考虑，我们很难开放最前沿模型的权重。我的目标是发布优于现有开源模型的产品。 - 您如何定义AGI？认为何时可能实现？我的时间预测和定义标准都已发生重大变化。读研时，我认为攻克围棋是AGI里程碑，预计需要数十年。但2016年AlphaGo获胜彻底改变了我的认知。 2017年加入OpenAI时，我还是公司最大的怀疑者之一，但技术突破速度远超预期。图灵测试取得重大进展后，人们质疑AI的数学和问题解决能力——如今这些领域也取得长足进步，最难基准测试可能很快被超越。现在我关注的重大里程碑是AI产生实际可衡量的经济影响，特别是开展创新研究的能力，这最接近我过去对AGI的想象。在这个十年结束前，我对这方面取得的重大进展充满期待。甚至在今年，我预计AI几乎可以自主生产有价值的软件，尽管可能不会解决重大科学问题。

行业密探

量子位

《量子位》官方网易号

Qwen3技术报告新鲜出炉，8款模型背后的关键技术被揭晓！ - 采用了双模式架构，一个模型同时支持推理和非推理任务，根据需要自动切换。 - 训练和微调过程采取分段式策略，逐步构建模型能力。 - 采取了“大带小”的模式，从大号模型中蒸馏数据训练小号模型。有已经读完报告的网友，还发现了其中的更多亮点：Qwen3在RL阶段的样本量，竟然不到4k！点击文章，查看Qwen3技术报告详细解读报告 Qwen3家族训练秘籍公开：思考/非思考融进一个模型，大模型蒸馏带动小

行业密探

量子位

《量子位》官方网易号

搜索业务疑似下滑，谷歌想出了个啥招应对？答案可能要来了：提供“AI模式”。近期有用户发现，谷歌搜索页面出现了一个新功能——“AI模式”。这个按钮目前出现在两个位置：一是搜索栏内的“以图搜图”按钮旁边【图1】，二是取代了经典的“手气不错”按钮【图2】。从用户反馈来看，这个新按钮的视觉设计也存在差异：部分版本在鼠标悬停时会显示动态彩虹边框，而取代“手气不错”的版本似乎默认带有彩虹边框效果【图3】。不过谷歌发言人向The Verge透露：“AI Mode”还正处于测试阶段，仅对部分用户开放，而测试中的产品并不一定会全面推向市场。尽管如此，这一改变仍然引起了广泛关注，毕竟谷歌极少改动搜索主页。此次测试恰逢谷歌I/O大会前一周，预计大会将宣布多项AI搜索重大更新。自ChatGPT推出以来，谷歌在搜索领域面临着前所未有的竞争压力。ChatGPT为用户提供了新的在线信息获取方式，这可能会影响谷歌在搜索市场的份额。尽管谷歌自身也拥有表现不俗的Gemini AI产品，但在用户规模上仍需追赶ChatGPT。

行业密探

量子位

《量子位》官方网易号

Qwen也上线了“Deep Research（深度研究）”功能，能自己选择所用模型的那种（左上角自行切换）！而且Qwen的深度研究，会先“反问”几句，确认好研究方向的侧重点，再生成一份结构清晰的研究报告。比如【视频】中，用户输入问题：「过去三年里，医疗健康行业是怎么适应远程医疗和数字健康工具的？」 Qwen先问了三个关键细化点： - 更关注采纳率、技术进步还是监管变化？ - 想对比哪个地区或人群？ - 表格里要突出哪类信息？用户逐一回复道：关注采纳率和技术创新、对比高收入国家与中低收入国家、突出对比数据。确认完这些信息后，Qwen进入“研究规划”阶段，生成一份系统性的研究报告。生成的报告包括：引言、分章节分析、引用链接、图表数据、总结和结论等内容，还可以导出为PDF文件，方便分享给他人。现在搞“深度研究”的不在少数，ChatGPT、Claude、Gemini都能一键生成长篇内容。虽然中间的等待时间比普通对话模式略久，但结果会更“对题”，适合做认真输出时用。

行业密探

量子位

《量子位》官方网易号

微软再次开启裁员模式，涉及约6000名员工，占总人数的近3%。虽然公司并未公布具体岗位，但裁员范围覆盖所有层级与地区，重点是精简管理层，以提高组织执行效率。据路透社报道，这次裁员的背景并非“公司没钱”。微软刚刚发布的2025财年Q3财报显示，公司实现了258亿美元净利润，Azure云服务继续高速增长，连续第四个季度超出华尔街预期。既然收入不减，为何微软选择裁员？原因在于，AI带来的投入，同样面临巨大压力。微软今年用于扩建数据中心的支出，高达800亿美元。这种重资产投入正拉低整体利润率，微软云业务的毛利率从一年前的72%降到69%。微软CFO Amy Hood 在4月财报电话会上明确提到，公司正在“通过减少管理层级来构建高效团队”，以应对日益动态的市场环境。分析机构D.A. Davidson也指出，微软每年持续维持目前的投资强度，理论上就需要削减1万人左右的员工，才能对冲资本支出带来的折旧压力。需要注意的是，这并非微软今年第一次裁员。今年1月曾有一轮小规模的绩效优化裁员，华盛顿州披露，仅在微软Redmond总部就有1985个职位被裁撤。这背后其实也能看出Big Tech的新方向：AI投入优先级很高，管理层压缩或成主流策略。

行业密探