由前智源团队创立的智在无界公司获得联想之星和智谱Z基金等数千万元投资，旨在开发人形机器人通用大模型。该公司通过利用互联网人类行为视频进行预训练，解决具身智能领域数据稀缺和泛化能力不足的关键挑战，其Video Tokenizer和Retriever-Actor-Critic框架有望推动人形机器人实现自主学习和规模化应用。

由前智源研究院核心团队创立的北京智在无界科技有限公司获得联想之星和智谱Z基金等数千万元投资，旨在开发通用人形机器人大模型。该公司通过创新性地利用互联网人类视频进行预训练，并结合自学习框架，致力于解决具身智能领域长期存在的数据稀缺和泛化能力不足的难题，为人形机器人走向商业化应用铺平道路。

随着人工智能工具如ChatGPT被广泛测试能否用于个人财务管理，研究发现其在提供通用金融知识和辅助预算方面具有显著潜力，能够帮助用户优化支出。然而，AI在处理高度个性化、复杂的财务决策时，因缺乏实时情境感知和深入的人类洞察力，其局限性也暴露无遗，这强调了人机协作模式以及未来AI金融应用在伦理和监管方面的紧迫需求。

Meta正通过向AI数据标注公司Scale AI投入数十亿美元，试图克服其在人工智能领域的瓶颈并实现“超智能”愿景，此举不仅凸显了数据在AI发展中的基石作用和顶尖AI人才的稀缺价值，也折射出当前科技巨头在AI竞赛中的激烈程度。文章深入分析了Meta战略调整的背景、Scale AI在AI生态中的核心地位，并探讨了AI发展对科技巨头竞争格局及劳动力市场的深远影响。

OpenAI首席执行官Sam Altman声称每次ChatGPT查询仅消耗“十五分之一茶匙”的水，意图强调AI对环境影响甚微。然而，这篇文章深入分析指出，鉴于ChatGPT每天处理的数十亿次查询，其累积的日均水消耗量高达85,000加仑，远超表面印象，并探讨了AI训练、基础设施和硬件制造等更广阔的环境足迹。

在2025年WWDC大会上，尽管苹果大力推广“Apple Intelligence”，但其核心AI助手Siri却未获重大更新，暴露出苹果在生成式AI领域的滞后和内部技术瓶颈。Siri的长期困境源于 rushed development、复杂的代码整合以及与竞争对手的准确性差距，这不仅影响用户体验，也引发了投资者对其AI战略和未来创新能力的担忧。

微软最新推出的Copilot Vision赋予其AI助手“看见”并理解用户屏幕内容的能力，实现了AI从工具向主动协作者的角色转变，能够提供上下文感知的指导与分析。这项技术有望极大提升工作效率并降低软件使用门槛，但同时引发了对数据隐私、用户自主性及AI伦理的深层讨论，亟需在技术进步与隐私保护之间寻找平衡。

英国外包巨头Capita正与Salesforce合作，推出AI驱动的招聘系统，旨在将招聘时间从数周大幅缩短至数小时，自动化200多项任务，以提升效率。该举措虽带来显著运营优势，但也引发了对算法偏见、招聘透明度、以及AI对人类招聘角色和就业市场深层影响的伦理与社会考量。

瑞典金融科技公司Klarna推出由其CEO Sebastian Siemiatkowski的数字克隆驱动的AI热线，旨在革新客户互动和反馈机制。这项服务利用先进的语音合成和生成式AI技术，模仿CEO的声音和洞察力，提供高度逼真的互动体验。然而，此举也引发了关于AI在企业高层职能中的真实性、责任归属以及技术伦理的深层讨论，尤其考虑到CEO本人曾对AI大规模取代人类工作和引发经济衰退发出警告。

苹果公司最新研究《思考的幻象》揭示，耗资巨大的大型AI模型在复杂推理任务上表现脆弱，其智能多为模式识别而非真正理解。这份报告印证了AI批评家加里·马库斯长期以来对过度炒作的警示，强调了AI在处理新颖情境和深层逻辑时的根本性局限。这促使行业深刻反思，呼吁AI研究回归基础认知构建，并在社会和伦理层面审慎对待AI的部署与应用。

苹果公司近期研究揭示，大型语言模型在复杂推理任务上表现出明显局限，甚至在面对孩童都能解决的谜题时会“崩溃”，引发了对AI过度宣传的重新思考。文章深入探讨了当前AI在模式识别与真正推理之间的鸿沟，并分析了这种“思考的幻觉”可能带来的社会、伦理和经济风险，强调AI发展需从追求表面智能转向提升核心的可靠推理能力。

苹果公司最新研究揭示，先进的“大型推理模型”在处理高度复杂问题时遭遇“彻底的准确性崩溃”，对AI行业追求通用人工智能的路径提出质疑。该研究强调，AI的“推理”能力可能只是高级模式匹配，而非真正的泛化思考，呼吁业界重新审视AI发展的深层局限性。