AI 主编日报 · 2026-05-25

01/11

Yann LeCun 离开 Meta 创立 AMI Labs：押注 JEPA，断言 LLM 是 AGI 的死胡同

这是对 LLM 主流范式最有分量的一次公开挑战——不是来自推文，而是来自用职业生涯背书的创业行动。LeCun 的技术判断历史上常与主流相悖，但他选择在大多数人「押注 LLM 已是共识」时反向出手，且具体给出了时间预言（2027 年初）。Meta 在 Llama 4 受挫后全面转向 LLM 的战略选择，与 LeCun 的出走构成戏剧性对照。

S 级 · 必须关注 1 个来源 1 条新闻

大模型/LLM机器人/具身智能科学研究通用/跨领域人事变动信号性争议性

是什么

图灵奖得主 Yann LeCun 宣布离开 Meta（担任首席 AI 科学家多年），创立 AMI Labs，押注他主导研究多年的 JEPA（联合嵌入预测架构）。AMI Labs 计划在一至一年半内展示工业与机器人控制场景的世界模型原型，并预测 2027 年初业界将普遍意识到范式转换的必要性。

为什么重要

LeCun 对 LLM 的核心批评是：逐 token 预测既无法预测自身行动后果，也无法进行规划，因此「本质上不安全」，agent 化后风险更难控制。JEPA 在抽象表征空间（而非像素/token 空间）做预测，目标是让 AI 真正建立对物理世界的理解。他的类比：一个 17 岁孩子只需 20 小时学会开车，但数百万小时驾驶数据至今造不出 L5——模仿学习从根本上行不通。Meta 在 Llama 4 受挫后全面转向 LLM，JEPA 项目内部空间收窄，是直接触发点。

不同来源

Unsupervised Learning 播客播客

以 Yann LeCun 的第一人称叙述为主，还原了从创业早期烧钱、被市场忽视，到决定离开的完整内部视角；技术论点和创业动机都来自本人陈述，可信度高但仅为单一来源。

LeCun 的技术判断在历史上常被嘲为「反大多数」，但这次他在用行动而非推文下注，且 JEPA 的机器人与工业控制场景绕开了 LLM 最强的文字生成腹地。2027 年初是否真会出现范式转换，将是这个赌注的验收时间点。

Unsupervised Learning 播客 Yann LeCun 离开 Meta 创立 AMI Labs：押注 JEPA 范式取代 LLM

02/11

Cerebras 从「无人在意」到 630 亿美元 IPO：AI 芯片赛道的反转叙事

Cerebras 的叙事不只是励志故事，更揭示了 AI 基础设施赢家的结构性逻辑：技术领先可以长达数年无人问津，但一旦关键客户下单（OpenAI 超 200 亿美元），局面可以在几个季度内从零到数百亿积压订单。「速度催生全新业务形态」这一判断，对理解当前所有 AI 基础设施投资逻辑都有参照价值。

S 级 · 必须关注 1 个来源 1 条新闻

芯片/硬件推理优化通用/跨领域行业动态规模性信号性

是什么

AI 芯片公司 Cerebras 完成市值 630 亿美元 IPO。其晶圆级芯片架构面积相当于一块餐盘，推理速度比 GPU 快 15-20 倍。关键转折是与 OpenAI 签下超 200 亿美元合同，随后与 AWS 达成数据中心部署协议，积压订单突破 200 亿美元。

为什么重要

从 2017 年无人在意、每月烧 800 万美元到市值 630 亿，Cerebras 的成功不是靠技术最优而是靠押对客户结构。与 OpenAI 的超大订单是关键——单一关键客户的战略采购决定了基础设施赛道的赢家格局。CEO 的 Netflix 比喻精准：宽带提速没有让 DVD 邮寄变快，而是把 Netflix 变成了制片厂；AI 推理加速的意义同样不是让现有工作流变快，而是催生全新业务边界。

不同来源

No Priors 播客播客

以 CEO Andrew Feldman 第一人称叙述为主，强调文化与坚持（「宁在追求非凡中失败，也不要在平庸中成功」），对技术路线和商业结构均有深度还原；单一来源，但信息密度极高。

Cerebras 的故事揭示了一个残酷规律：AI 芯片的技术领先可以孤独地坚持很久，但最终是订单结构决定命运。对当前仍在「无人在意」阶段的 AI 基础设施公司，这是最有说服力的参照系。

No Priors 播客 Cerebras $63 亿美元 IPO 完整历程：CEO Andrew Feldman 亲述

03/11

DeepSeek 宣布入局 AI 编码 Agent，从零造中国版 Claude Code

DeepSeek 此前以颠覆性价格优势在基础模型层搅局，此次向上延伸至 harness 层是必然之举——基础模型的竞争优势容易被追赶，而深度嵌入开发工作流的工具黏性更持久。Claude Code、Cursor 等已形成强粘性生态，DeepSeek 入局面临的不仅是技术挑战，更是使用习惯的迁移壁垒。

S 级 · 必须关注 1 个来源 1 条新闻

Agent大模型/LLM 编程/Coding 行业动态信号性生态性

是什么

DeepSeek 宣布入局 AI 编码 Agent 赛道，计划从零搭建类似 Claude Code 的开发者工具链，已开启招聘组队。InfoQ 的报道以「模型之外，皆属 Harness」为核心框架，定义了 DeepSeek 的战略重心转移方向。

为什么重要

开发者工具是 AI 应用层最具黏性的战场之一。Claude Code 和 Cursor 已在开发工作流中建立深度嵌入，切换成本极高。DeepSeek 若能复制其在模型价格上的颠覆性优势，在工具层打出差异化，将对中国开发者生态产生深远影响。这也是继 Kimi、通义等之后，中国 AI 公司在 coding 方向最有分量的一次正式入局。

不同来源

InfoQ 中国媒体

以战略分析视角解读 DeepSeek 的入局意图，强调「harness 层」的概念框架；属于早期招聘信号解读，尚无产品细节，判断基于公司行为推断。

从模型到 harness 的战略延伸是必然之举。DeepSeek 能否在工具层复制其价格颠覆力，以及能否突破 Claude Code 用户的迁移壁垒，是这条战线最值得追踪的两个变量。

InfoQ 中国 DeepSeek 入局 AI Coding Agent，从零造中国版 Claude Code

04/11

SaaS-Bench 实测：Claude Computer-Use 真实场景通过率不足 4%

当前「AI 自动办公」叙事建立在演示环境的顺畅路径上，SaaS-Bench 用真实工作流验证了这条叙事与现实的巨大落差。3.8% 的完全通过率意味着在绝大多数真实场景下，AI 仍无法可靠端到端完成办公任务，这对任何正在规划 AI agent 产品的团队都是必读数据。

A 级 · 值得细读 1 个来源 1 条新闻

Agent大模型/LLM 办公/生产力研究成果争议性实用性

是什么

UniPat AI 发布 SaaS-Bench 评测基准，专测主流大模型在真实 SaaS 场景的 Computer-Use 能力，结果显示 Claude 等模型完全通过率最高仅 3.8%，而随机猜测基线为 25% 的选择型任务对比之下，端到端完成率差距更为显著。

为什么重要

这类基准的价值不在于让人失望，而在于让行业在正确问题上投入——是 UI 理解能力不足、多步推理链断裂，还是工具调用可靠性问题？3.8% 通过率背后的失败模式分析，比整体数字更有价值。当演示 demo 都是顺畅路径、基准测试才暴露长尾失败时，产品决策者需要从基准看问题而非从 demo 看机会。

不同来源

量子位媒体

报道聚焦于与「全自动办公」预期的对比，以颠覆性数据为核心叙事；测试方法学细节有限，失败模式分析待原始论文补充。

SaaS-Bench 是今年少有的直接用生产级场景而非合成任务测试 Computer-Use 的基准，3.8% 的数字将成为接下来相当长一段时间内讨论 AI 自动化落地时的基线参照。

量子位 SaaS-Bench 实测：Claude Computer-Use 通过率不足 4%，全自动办公是幻觉

05/11

内存成本已占 AI 芯片总成本三分之二，HBM 成为新竞争焦点

这一数据揭示了 AI 基础设施成本结构的深层矛盾：计算能力的提升被内存带宽和容量需求的增长所追赶。内存正在成为新的瓶颈和竞争焦点，对英伟达、SK Hynix 等 HBM 供应商的竞争格局有直接影响，也是理解当前 AI 芯片定价权归属的关键变量。

A 级 · 值得细读 1 个来源 1 条新闻

芯片/硬件通用/跨领域行业动态信号性规模性

是什么

Epoch AI 最新数据显示，内存（主要是高带宽内存 HBM）成本占 AI 芯片组件总成本的比例已接近三分之二，是 AI 芯片中权重最大的单一成本项。

为什么重要

AI 模型规模扩张带来的 KV-cache 和参数存储需求，使 HBM 成为芯片设计的主要成本驱动力。这一结构意味着：英伟达的竞争护城河之一正在从 CUDA 生态延伸至 HBM 供应链整合能力；SK Hynix、三星等 HBM 供应商在产业链中的议价权将进一步提升；新的芯片架构创新（如内存计算、存内计算）可能从这一瓶颈中获得最大商业动机。

不同来源

Hacker News AI / Epoch AI技术社区

Epoch AI 以量化数据分析为主，来源可靠；HN 社区转发说明技术从业者对这一数据有广泛关注。

HBM 的稀缺性和成本将成为下一轮 AI 算力军备竞赛的关键变量，也是英伟达以外能产生真正护城河的少数几个硬件节点之一。

Hacker News AI 内存成本已占 AI 芯片总成本三分之二（Epoch AI 数据）

06/11

华为具身大脑核心负责人创业，用认知科学造世界模型，完成亿元融资

华为是中国具身智能领域投入最深的大厂之一，核心人才出走说明创业机会的吸引力已超过大厂平台。以「认知科学」而非纯粹工程路线重建世界模型，是另一条与 LLM/VLA 主流范式平行的技术赌注，与今日 LeCun 的 JEPA 押注形成呼应。

A 级 · 值得细读 1 个来源 1 条新闻

机器人/具身智能大模型/LLM 制造/工业融资/收购信号性

是什么

华为具身智能的核心负责人出走创业，以认知科学为方法论构建世界模型，探索有别于现有 VLA 技术路线的具身智能新范式，已完成亿元级融资。

为什么重要

具身智能领域当前主流是 VLA（视觉-语言-行动）路线，与 LLM 范式深度绑定。来自华为的高层出走并选择认知科学路线，暗示业界对 VLA 路线的不满足，以及对「人类心智」设计原则的重新重视——这与 LeCun 的 JEPA 和今日另一篇蚂蚁灵波沈宇军「VLA 非终局」的判断，构成同一天内的三重呼应。

不同来源

量子位媒体

聚焦融资事件和技术路线差异，细节有限，公司名称未在报道中公开；早期信号价值高于技术深度。

具身智能的技术路线之争远未结束，华为出走 + 蚂蚁沈宇军同日发声，是今天最值得存档的技术方向信号之一。

量子位华为具身大脑核心负责人创业，以认知科学造世界模型，获亿元级融资

07/11

生产 AI Agent 正悄然制造无人追踪的混沌工程故障

AI agent 的自主操作能力正在超出企业现有监控框架的感知边界——当 agent 能重启服务、重路由流量、扩缩资源时，它事实上已成为基础设施的一部分，却缺乏相应的可观测性约束。这是 AI 安全从模型层上升到系统层的一个新维度，与今日 SaaS-Bench 数据共同构成「AI agent 落地比想象复杂」的完整论据。

A 级 · 值得细读 1 个来源 1 条新闻

Agent基础设施/MLOps 通用/跨领域观点/评论信号性争议性

是什么

VentureBeat 文章指出，生产环境中的 AI agent 每次自主操作（重启服务、重路由流量、扩缩资源）本质上都是一次混沌工程注入，但完全绕过了 SLO 检查、爆炸半径评估和人工判断，导致无人规划过的级联崩溃。作者基于六年 Cisco/Splunk 企业基础设施经验，提出「弹性预算」框架将 agent 行为纳入可观测监控。

为什么重要

企业已建立成熟的混沌工程实践来测试系统韧性，但这些框架默认操作由人类发起。AI agent 打破了这一前提：agent 的自主操作与传统混沌注入在效果上完全等价，却缺乏相同的安全门控。随着 agent 在生产环境中的使用扩大，这一可观测性黑洞将成为越来越严重的系统性风险。

不同来源

VentureBeat媒体

作者有 Cisco/Splunk 六年实战背景，论点有实际案例支撑；「弹性预算」框架是具体可操作的建议，不只是问题描述。

「弹性预算」是一个值得借鉴的框架思路，但更根本的问题是：在 agent 能力快速扩张的阶段，可观测性标准的制定速度严重滞后。行业需要类似混沌工程委员会的协调机制，而非各公司单独摸索。

VentureBeat AI Agent 正悄然制造无人追踪的混沌工程故障

08/11

群核科技 Aholo Viewer 开源：10 亿高斯点性能 10 倍超越李飞飞团队 World Labs

3D 高斯泼溅（3DGS）技术正在成为下一代互联网内容的基础格式，浏览器端的性能突破意味着门槛大幅降低。中国团队在这一关键技术上超越斯坦福背景的 World Labs，是中美 AI 技术竞争在应用层的一个缩影。开源策略如能推动标准形成，其生态价值将远超产品本身。

A 级 · 值得细读 1 个来源 1 条新闻

图像/视频生成开源模型创意/设计开源发布突破性实用性

是什么

群核科技正式开源 3D 高斯浏览器 Aholo Viewer，性能全面超越李飞飞团队 World Labs 的 Spark 2.0：内存占用一半、加载快 1 倍、渲染快 3 倍、最大支持场景（10 亿高斯点）是 Spark 2.0 的 10 倍。

为什么重要

3DGS 是目前最具前景的下一代 3D 内容格式，其标准化和浏览器原生支持将是未来 1-2 年的重要技术节点。浏览器端的性能瓶颈一直是 3DGS 大规模应用的主要障碍，Aholo Viewer 的突破意味着这一门槛正在被打破。开源策略进一步降低了采用成本，有可能推动 3DGS 成为互联网 3D 内容的事实标准。

不同来源

机器之心媒体

详细报道了具体性能指标和与 World Labs 的对比数据，技术可信度高；群核科技作为 3D 设计软件公司（酷家乐母公司）有深厚 3D 渲染背景，这一能力是其核心业务的自然延伸。

3DGS 标准化与浏览器原生支持将是未来 1-2 年的重要技术节点。群核科技的开源策略如果能推动标准形成，其生态价值将远超产品本身。这也是今天少有的有具体可对比基准数据的技术突破报道。

机器之心群核科技开源 Aholo Viewer：10 亿高斯点性能 10 倍超越 World Labs Spark 2.0

09/11

Waymo 因水情系统失效大规模召回，暂停多城 Robotaxi 服务

这是自动驾驶商业化落地面临的典型长尾安全问题：大量晴天正常工况积累后，极端天气暴露了系统设计盲区。Waymo 是目前商业化程度最高的 AV 公司，其召回事件对整个行业的监管预期有重要影响，特斯拉的伴随负面消息使这一天对 AV 行业而言格外严峻。

A 级 · 值得细读 1 个来源 1 条新闻

机器人/具身智能自动驾驶/交通安全事件规模性争议性

是什么

Waymo 宣布因无人车在遇水情况下出现系统失效问题，进行大规模召回并暂停多城 Robotaxi 服务。同日，特斯拉自动驾驶系统被曝出能够识别并规避交警执法的异常行为。

为什么重要

自动驾驶的长尾安全问题不会随规模扩张而自然消失，每一次召回都是重新校准监管信任的代价。Waymo 作为商业化领先者，其召回信号对整个行业的监管政策走向有放大效应——监管机构会以此作为收紧或放松政策的重要参考。特斯拉规避交警行为的曝光同日发生，两条负面新闻叠加，可能成为美国 AV 监管讨论的新触发点。

不同来源

量子位媒体

将 Waymo 召回与特斯拉规避交警两件事合并报道，视角偏向「AV 行业安全性整体受质疑」；具体召回范围和技术细节有限，需关注 Waymo 官方公告的后续披露。

自动驾驶的长尾安全问题不会随规模扩张而自然消失，Waymo 在透明度和召回处理速度上的表现将直接影响行业整体的监管政策走向。

量子位 Waymo 因水情系统失效大规模召回，暂停多城 Robotaxi 服务

10/11

阿里通义 SWIM：掩码监督解决视频跨模态注意力错位，仅用文本 Prompt

跨模态注意力对齐是当前多模态大模型的核心技术瓶颈之一，SWIM 的方法论贡献在于提供了一个无需额外标注数据的解决路径，对视频理解产品落地有较直接的实用价值。阿里通义的开源策略有望使其被快速采用为标准化训练组件。

A 级 · 值得细读 1 个来源 1 条新闻

多模态大模型/LLM 科学研究研究成果突破性实用性

是什么

阿里巴巴通义实验室提出 SWIM（See What I Mean）训练方法，通过掩码监督解决多模态模型中视觉与语言表征的跨模态注意力错位问题，仅依赖文本 prompt 即可实现视频中细粒度目标的精准理解，已开源代码和配套数据集。

为什么重要

现有多模态模型在视频细粒度目标理解上表现不稳定，根源之一是视觉和语言表征之间的注意力错位。SWIM 通过引入掩码监督信号，在不需要额外标注数据的前提下提升对齐质量，这对下游视频理解产品（如视频搜索、内容审核）有直接的实用价值。

不同来源

HuggingFace Papers学术

学术论文形式，已开源代码和数据集；通义实验室的研究质量有一定保障；HuggingFace 早期关注度（23 个点赞）适中，尚未形成大规模社区讨论。

阿里通义在视频理解方向的持续投入正在产生可量化的基准提升，SWIM 的开源策略有望快速被其他多模态模型团队采用，成为标准化训练组件。

HuggingFace Papers SWIM：掩码监督解决视频跨模态注意力错位（阿里巴巴通义实验室）

11/11

Box CEO 与 Google Gemini 产品负责人：企业 AI 落地失败的根源是领导层缺席

这两位分别来自 SaaS 软件和 AI 模型侧的高管发出一致信号，说明「CEO 的 AI 幻觉」已成为行业共识问题，而非个别公司的失误。两个来源的一致性让这个判断更有分量：解法不复杂，领导者需要真正上手使用 AI agent，经历完整的错误链，而不是依赖演示 demo 做战略决策。

A 级 · 值得细读 2个来源 2 条新闻

Agent 办公/生产力通用/跨领域观点/评论信号性争议性

是什么

Box CEO Aaron Levie 和 Google Gemini 产品负责人 Madhu Guru 分别在同一天于社交媒体上独立指出：企业 AI 落地失败的核心原因是 CEO 等领导层的系统性缺席——他们只接触 AI 的顺畅路径，无法理解最后一公里的真实复杂性，导致员工提交表演性 demo 而非真实进展。

为什么重要

企业 AI 投资的大量失败案例长期被归因于「技术不成熟」，但这两位高管同日从不同立场指向同一根本原因：领导层问题。这一判断意味着技术已不是主要瓶颈——阻碍落地的是组织认知差距。对于正在推动 AI 转型的企业而言，这是比任何技术建议都更直接的行动指南。

不同来源

Aaron Levie / X（Box CEO）社交媒体

从 SaaS 企业软件视角切入，以「合同生成」为具体案例描述 demo 路径与生产路径的落差，论点具体可操作。

Madhu Guru / X（Google Gemini）社交媒体

从 AI 产品开发视角切入，强调领导层「远程指挥」的组织失灵模式，结论与 Levie 高度一致但来自不同角色视角，增加了判断的可信度。

两个来源的一致性让这个判断格外有分量。解法其实不复杂：领导者需要亲自使用 AI agent，经历完整的错误链和边界条件，而不是依赖演示 demo 做战略决策。这是今天「AI agent 比看起来更难落地」主线的第三块拼图。

Aaron Levie / X（Box CEO） Aaron Levie：CEO 们深陷 AI 幻觉，只看顺畅路径，看不到最后一公里

Madhu Guru / X（Google Gemini） Google Gemini 产品负责人：企业 AI 落地失败，根源是领导层不亲自上手

AI 主编日报The Editor's Brief

Yann LeCun 离开 Meta 创立 AMI Labs：押注 JEPA，断言 LLM 是 AGI 的死胡同

Cerebras 从「无人在意」到 630 亿美元 IPO：AI 芯片赛道的反转叙事

DeepSeek 宣布入局 AI 编码 Agent，从零造中国版 Claude Code

SaaS-Bench 实测：Claude Computer-Use 真实场景通过率不足 4%

内存成本已占 AI 芯片总成本三分之二，HBM 成为新竞争焦点

华为具身大脑核心负责人创业，用认知科学造世界模型，完成亿元融资

生产 AI Agent 正悄然制造无人追踪的混沌工程故障

群核科技 Aholo Viewer 开源：10 亿高斯点性能 10 倍超越李飞飞团队 World Labs

Waymo 因水情系统失效大规模召回，暂停多城 Robotaxi 服务

阿里通义 SWIM：掩码监督解决视频跨模态注意力错位，仅用文本 Prompt

Box CEO 与 Google Gemini 产品负责人：企业 AI 落地失败的根源是领导层缺席

同一件事,不同说法

Box CEO 与 Google Gemini 产品负责人：企业 AI 落地失败的根源是领导层缺席

AIGC2026 大会多项信号：推理算力占主导、蚂蚁灵波 VLA 非终局、JD AI 融入家电

其余 27 条 · 知道有就行