Episode
每日 AI 资讯 — 2026-09-05
Show notes
1. Sora 2
OpenAI发布Sora应用，集成Sora 2模型，支持快速创作、分享和观看视频，团队称其为"创意领域的ChatGPT时刻"。核心功能包括cameo客串特性，可保持角色一致性并将用户及朋友置入视频。
2. 充裕的智能
计划打造每周可新增1吉瓦算力的AI基础设施工厂，通过芯片、电力到机器人的全栈创新，支撑治愈癌症、全球个性化教育等宏大应用。项目将主要落地美国，未来数月公布合作伙伴，年底披露融资方案。
3. Jakub 与 Szymon
OpenAI 高层公开致谢首席科学家 Jakub Pachocki 与 Szymon Sidor，二人多次联手攻克被认为不可能的技术难题，主导 Dota RL 扩展、GPT-4 预训练及推理突破，被形容为"不知疲倦"的黄金搭档。
4. 温和的奇点
人类已越过AI发展的"事件视界"。2025年代理将承担真正认知工作，永久改变编程；2026年系统或能发现新见解，2027年机器人可能执行现实任务。
5. 三点观察
OpenAI 阐述关于 AI 经济学的三点观察：模型智能与训练资源的对数成正比，可预测扩展；AI 使用成本每 12 个月下降约 10 倍，远超摩尔定律速度；智能线性增长将产生超指数级社会经济价值。据此，AI 代理将如虚拟同事般渗透各领域，科学进步将大幅加速，虽然短期内生活照旧，但长期将深刻重塑社会经济结构，个人意志力和适应能力将成为关键价值。
6. 反思
Sam Altman在ChatGPT两周年之际回顾OpenAI九年历程：从坚信AGI可能实现，到2022年意外推出ChatGPT并引爆前所未有的增长曲线。他坦承过去两年从零构建公司的混乱压力，以及被董事会突然解雇的危机教训。
7. GPT-4o
OpenAI 将 GPT-4o 向所有 ChatGPT 用户免费开放，无广告。全新语音（及视频）模式响应速度接近人类，表现力极强，被 Sam Altman 称为「用过最好的计算机界面」，像电影里的 AI。
8. 真希望有人早告诉我这些
Sam Altman 分享17条创业与管理建议：以乐观、信念和人际网络启动项目，用凝聚团队和长期主义推动落地；集中资源押注高信念项目，设计好激励机制，保持快速迭代；警惕官僚作风，重视人才招聘与复利效应，与优秀的人共事。
9. 研究人员与创始人
曾与创始人合作、现与研究人员共事的作者发现，尽管两类人差异显著，但顶尖者都思考"领域内最重要的问题"、兼具短期专注与长期视野、极度坚持、偏向行动、创意丰富且重视自主，动机常源于好奇心。
10. 如何获得创业想法
YC 曾实验资助无想法的优秀创始人，结果全部失败，证明创始人必须自身擅长产生想法。要身处正确环境：周围需有对未来敏感、乐观、想法丰富的人，远离愤世嫉俗者。
11. 美方在伊朗导弹袭击美军舰船后打击伊朗油轮
美军对三艘伊朗油轮实施打击，以报复伊朗导弹袭击美国海军舰船。消息来自 NPR、CNN、《华尔街日报》和路透社的报道。
12. 在 macOS 上用编程代理驱动 Blender
Simon Willison 发布了一篇 TIL 博客，讲述他如何在 macOS 上用 ChatGPT Codex 通过 Blender 的 Python API 控制 Blender，渲染出一幅「鹈鹕骑自行车」的 3D 场景。具体做法是先从 blender.org 安装完整的 Blender Mac 应用，然后用类似这样的指令提示编程代理：「使用已经安装的 /Applications/Blender 渲染一幅鹈鹕骑自行车的场景」，随后通过迭代提示不断优化（「添加背景并加入更多风格化元素」，再「整体效果再提升一档」）。
13. Simon Willison 曝光 GPT-6 Astra 开发者视频
Simon Willison 在博客中贴出了一段 YouTube 视频链接，标题为《Introducing GPT-6 Astra for developers》，来源是一条 Hacker News 评论。视频中唯一被引用的段落声称，Astra 在细节关注、提示词理解、输出复杂程度上都有提升，尤其擅长生成 3D 模型，并给出了花园、船厂、动物、城市景观和戴森球等示例。
14. 可视化 Rust 的虚表与 dyn Trait 内存布局
一篇题为《Visualizing Rust's Vtables: How dyn Trait Works In Memory》的近期博客文章梳理了 Rust 运行时多态的底层机制，重点是胖指针（fat pointer）和虚表（vtable）。文章解释，dyn Trait 的值用一个宽指针表示：宽指针由「数据地址」和「指向方法实现虚表的指针」成对组成；文章用图示展示了这一内存布局，让这次间接寻址变得具象。
15. 声明式注意力机制让 LLM 自行跳过 KV 缓存读取
一篇研究论文提出「声明式注意力（Declarative Attention, DA）」——一种让语言模型在思维链生成过程中自行声明需要关注的上下文区域的协议。它把输出划分为三种模式：<global>（完整上下文）、<focus>（特定区域）和 <local>（仅最近输出）。
详情见本期完整文章： 每日 AI 资讯 — 2026-09-05