AI快讯 - 实时AI新闻和趋势 | Blockchain.News

据路透社（@Reuters）与Yann LeCun（@ylecun）转发信息，LeCun创立的AMI完成10.3亿美元融资，目标是打造区别于主流Transformer大模型的替代性AI架构。根据路透社报道，这笔资金将用于推进高能效、具世界模型能力的系统与定制训练管线，力图在边缘推理、延迟与算力成本上取得优势。路透社称，此举释放出资本对后Transformer时代研究的强烈信号，带来机器人、端侧助手、自治系统与高性价比企业场景的商业机会。根据路透社分析，该战略或将促使现有厂商多元化技术路线，并在芯片、数据与企业AI采购环节形成新的合作与供应链机会。 (来源)

据小鹏汽车官方X账号XPengMotors发布的视频显示，VLA 2.0可在毫秒级完成“突然开门”场景识别并执行安全避让，强调在城市长尾场景中的可靠性。根据该官方演示，系统展现了高效传感器融合与实时规划的低时延闭环，有望降低“开门杀”事故与车队理赔风险，并为网约车合作、Robotaxi落地及高级辅助驾驶订阅带来差异化优势。 (来源)

据AI News在X平台报道，Figure 03展示了具备工具使用、投掷、姿态重定向等在内的8项自主清洁新技能，显示通用家务与设施运维机器人正加速落地，利好清洁服务外包与智慧物业场景（来源：AI News帖子）。据AI News称，Anthropic的Claude已进行多代理PR代码审查，可用于企业CI流程以降低缺陷率并缩短发布周期（来源：AI News帖子）。另据AI News报道，Nvidia发布开源企业代理平台NemoClaw，面向可治理、可观测的任务型智能体开发，有望降低集成成本并加速合规AI工作流部署（来源：AI News帖子）。 (来源)

据Mootion_AI在X平台发布的信息，Cluely从宿舍项目成长为面向销售的AI平台，当前估值约1.2亿美元，体现AI驱动的GTM自动化与内容工作流的快速增长（来源：Mootion，X，2026年3月10日）。同一来源指出，MootionAI将其AI视频工具用于可视化商业故事，为创始人和市场团队提供叙事资产，显示AI销售赋能与AI生成视频在获客与转化环节加速融合。基于该帖文语境，商业机会集中于整合线索研究、外呼触达与视频化提案，借助自动化视频生成缩短内容制作周期，提升销售效率。需注意，该帖未披露具体财务细节，所述估值与定位来自公开帖文表述。 (来源)

据 The Rundown AI 在 X 平台报道，Yann LeCun 参与创立的 Advanced Machine Intelligence（AMI Labs）已脱离隐身并完成10.3亿美元种子轮融资，属历史罕见大额种子轮。根据 The Rundown AI，AMI Labs重点研发“世界模型”，即从现实世界视频、交互与多模态信号中学习的模型，突破仅依赖语言的范式，面向具身智能与可预测决策。依据 The Rundown AI，这将强化长期规划、情景理解与自主决策，在机器人、汽车与边缘计算等领域释放商业机会，包括基于仿真的训练流水线、用于感知与规划的基础模型，以及向整机厂与供应链的许可与集成。按照 The Rundown AI 的信息，融资规模意味着显著算力与数据基础设施投入，预示与以LLM为主的现有玩家展开竞争，并满足企业在安全关键业务中对“落地、可验证”的AI需求。 (来源)

据Yann LeCun在X平台表示，Advanced Machine Intelligence（AMI Labs）已完成约10.3亿美元（约8.9亿欧元）种子轮融资，目标打造以世界模型为核心、具备持久记忆、推理与规划能力且可控可对齐的AI系统。据TechCrunch报道，本轮由Cathay Innovation、Greycroft、Hiro Capital、HV Capital与Bezos Expeditions共同领投，规模位居全球种子轮前列，亦被称为欧洲AI初创史上最大种子轮之一。根据AMI Labs官网信息，公司将从巴黎、纽约、蒙特利尔和新加坡同步运营，聚焦“理解真实世界”的通用智能路径。TechCrunch指出，此举将加速具身与代理型AI研发，带来面向企业的长时程规划助手、物流与机器人自治、以及多模态助手等商业场景机会。依照AMI Labs的表述，对“可控与安全规划”的强调，预示与大型企业在可解释、可管控的长上下文代理上的合作潜力，并已启动科研与工程岗位招聘。 (来源)

据 Ethan Mollick 在 X 表示，Google 的 NotebookLM 现可从深度研究报告自动生成顾问式讲解视频，其示例以“给索伦的战略建议”演示了将多来源资料整合为有结构的叙事、配旁白与画面的能力；Mollick 称这一视频生成功能“非常惊艳”。据 Google 对 NotebookLM 的官方介绍，该产品以用户提供的资料为依据生成内容，视频能力有望继承基于来源的综合与引用逻辑，降低幻觉风险，适用于商业培训、产品解说与高管汇报等场景。结合此前 Google I/O 及后续更新对 NotebookLM 的定位报道，其长处在于将多文档整理为清晰输出，企业可将研究文档快速转化为面向客户与内部的短视频内容，从而降低制作成本、加快市场迭代与学习交付。 (来源)

据 The Rundown AI 报道，a16z 最新《2026年AI现状》指出基础模型质量逐步趋同，推理成本与时延成为核心竞争维度；企业从试点走向规模化上线，更重视RAG、结构化输出与合规防护。据 a16z，开源模型在多类任务上逼近前沿模型，为受监管行业带来更低成本的专有环境部署选择；代理式工作流从演示迈向稳定编排，依托工具调用、规划与监控。据 a16z，尽管GPU仍紧张，但通过利用率提升、蒸馏与批处理，单位推理成本在下降；评测从通用榜单转向面向任务的基准与生产遥测。据 a16z，未来护城河来自行业数据、微调流水线及可观测性、成本与安全等运营卓越。 (来源)

根据 The Rundown AI 的报道，美国虽打造了大量全球领先的AI产品，但在实际使用率上仅排全球第20，显示“产能强、应用弱”的落差影响企业生产率与AI投资回报。依据 The Rundown AI 的信息，这一差距意味着美国在研究与商业化上领先，但终端用户在中小企业、公共部门与高监管行业的落地较慢，限制了生成式AI助手与自动化的规模化普及。The Rundown AI 指出，高使用率市场更快获得流程自动化与成本下降，这为美国厂商与集成商提供了机会：通过变更管理、员工培训与行业化助手方案，尽快提升采用率与商业价值。 (来源)

根据 Karpathy 在 X 上的说明，Autoresearch 是一套用于构建代理式研究工作流的公开“配方”，并非现成工具，需交由企业自有代理并按业务领域定制（来源：Karpathy on X；GitHub）。据 GitHub 仓库介绍，该方法指导 LLM 代理进行规划、检索与工具调用、证据整理与归纳、迭代记录与复盘，从而形成可复现的 AI 辅助研究流水线（来源：GitHub karpathy/autoresearch）。据 Karpathy 表示，其周末推文走红体现了对实用代理框架的强需求，尤其是能将检索、批判与综合循环结合以提速洞察生成（来源：Karpathy on X）。对企业而言，将该“配方”与检索工具和评估检查点结合，可加速竞品分析、市场图谱构建、技术尽调、合规材料收集与产品调研等关键场景（来源：GitHub karpathy/autoresearch）。 (来源)

据Andrej Karpathy在Twitter表示，通过代理驱动的autoresearch对nanochat进行约两天的自动化调参，先在depth=12上发现约20项可叠加的改动并成功迁移到depth=24，使排行榜“Time to GPT-2”由2.02小时降至1.80小时，约提升11%（来源：Karpathy）。据Karpathy称，代理共进行了约700次代码与配置变更并以验证集损失为准绳筛选最佳方案，关键改动包括：为无参QKnorm增加缩放因子以收紧注意力、为Value Embeddings施加正则、放宽带状注意力窗口、修正AdamW动量参数、并优化权重衰减日程与初始化（来源：Karpathy）。据其GitHub提交记录（commit 6ed7d1d82cee16c2e26f45d559ad3338447a6c1b）显示，这些改动已公开落地，他将启动第二轮并探索多代理并行（来源：Karpathy）。对行业的启示在于：可将代理群用于小模型的代理指标优化，再将优胜策略上推到大模型，形成训练编排与成本效率优势，催生自动化超参优化、代理化MLOps与预训练及微调提效工具等商业机会（来源：Karpathy）。 (来源)

据Stanford AI Lab称，VAGEN是一种强化学习框架，通过显式视觉状态推理让视觉语言模型智能体构建内部世界模型，从而提升规划稳定性与下游任务表现（来源：Stanford AI Lab在X与SAIL博客）。据SAIL博客报道，该方法以可解释的视觉状态来驱动状态估计与动作选择，而非仅依赖文本潜变量，带来更高的样本效率与跨环境泛化能力，适用于具身智能与交互场景。对企业而言，据SAIL博客分析，VAGEN在机器人感知、自主巡检与多模态助手中可降低训练成本并增强可解释性与鲁棒性，具有落地应用与商业化潜力。 (来源)

据 @bcherny 在 X 发文称，Anthropic 在 Claude Code 中上线 Code Review，新功能在每个 PR 打开时调度多智能体进行深度评审，最初用于内部场景，Anthropic 工程师人均代码产出今年提升约200%，评审曾是主要瓶颈（据 X 上 @claudeai 视频帖，2026年3月9日）。据 @claudeai 在 X 表示，该功能会自动搜寻缺陷并在代码合入前发现真实问题，显示出对 CI 流程质量与时效的提升潜力（来源：@claudeai 视频帖）。据 @bcherny 的实测反馈，该功能能捕捉到此前容易遗漏的实际 Bug，意味着在边界条件与回归风险方面具有覆盖能力；对企业而言，可降低评审时延、加速交付并减少缺陷修复成本，优化现代软件交付流水线（来源：X 帖文）。 (来源)

据 @claudeai 与 Anthropic 官方博客披露，Claude 的 Code Review 现已面向团队版与企业版以研究预览（Beta）开放。根据 Anthropic 的博客，该功能将 Claude 模型嵌入代码审查流程，可自动审阅PR、生成变更摘要、定位潜在缺陷并给出修复建议，并关注安全模式、依赖风险与测试覆盖缺口。据 Claude 博客报道，该方案可接入CI流水线、生成可审计日志，并与主流版本控制平台集成，帮助缩短评审时延、提升质量并满足合规场景。对企业而言，据 Anthropic 博客所述，可围绕评审平均时长、缺陷逃逸率、评审吞吐量等指标量化ROI，抓住LLM驱动SDLC工具落地与效能提升的市场机会。 (来源)

据 Claude 在 X 的官方发布，Anthropic 面向 Claude Code 上线 Code Review 功能：当PR打开时，多智能体协作自动分析差异、追踪执行路径并标注潜在缺陷，给出修复建议与依据（据 Claude 在 X）。据官方演示视频，该功能整合静态检查、测试影响分析与安全扫描，最终将结构化审查意见回写到PR，帮助团队降低人工审查负担并加快合并周期（据 Claude 在 X）。据 Claude 在 X 报道，此功能面向CI与开发者工具生态，带来业务机遇，包括降低缺陷发现时间、在大型代码库中标准化代码审查质量，以及在高频变更场景中规模化合规检查。 (来源)

据Google Gemini在X平台（@GeminiApp）发布的信息，Gemini应用已上线Nano Banana 2图像模型，带来更强的真实世界知识、高级多语种文本渲染、图像生成模板、纵横比控制与角色一致性等升级（来源：Google Gemini，2026年3月9日）。据Google Gemini称，新模型以“Pro级能力与Flash级速度”实现更快的生成，并在光照、纹理与细节上更逼真，这为企业在电商主图、社媒广告与品牌视觉自动化等场景带来可观效率提升。另据Google Gemini介绍，模板与纵横比控制将助力品牌资产标准化、A/B测试规模化，以及多市场本地化创意快速落地。 (来源)

据 Google Gemini 在 X（@GeminiApp）发布的信息，用户可前往 gemini.google.com/image-gen 或在应用内选择“Create Image”，输入文本提示词后即可生成图像。根据 Google Gemini 的说明，此流程适用于营销、产品与内容团队快速生成广告素材、社媒视觉与概念稿，减少对外部设计资源依赖并缩短上线周期。据 Google Gemini 报道，企业可通过迭代提示词实现品牌一致性，并直接导出用于电商主图、应用商店截图与路演材料，降低素材成本并支持 A/B 测试。依据 Google Gemini 的建议，团队应建立提示词模板与合规审查流程，确保版权、品牌与内容安全。 (来源)

据 pictory 官方推文称，Pictory 2.0 集成了 AI 头像、生成式 AI 工作室、Pictory Central 托管、品牌包、AI 摘要器，以及 PPT 与音频转视频功能，支持用户在同一平台完成视频创作、托管与管理；据其在推文中提供的注册链接（app.pictory.ai/signup）显示，该版本面向内容与营销团队，旨在减少多工具成本并加速制作上线节奏。 (来源)

据 DeepLearning.AI 在 X 表示，日常应用已深度使用AI，包括手机人脸解锁、邮箱垃圾与重要邮件分类、以及地图的实时路径规划。根据 DeepLearning.AI 的分享，这些能力通常依赖手机端神经网络进行人脸识别、服务端机器学习进行邮件分类、以及结合图算法与强化学习的交通路由预测，显示AI已在消费级产品中规模化落地。依照 DeepLearning.AI，总结的趋势为边缘推理（如移动NPU）、模型压缩优化（量化、剪枝）、与隐私保护机器学习的商业机遇，厂商可通过降低时延与云成本、推出分层AI功能获取增量收入。 (来源)

据Ethan Mollick在Twitter上指出，“写出更好的提示词”是提升大模型输出质量的关键；根据Mollick过往教学资料与线程总结，明确角色与目标、给出约束与示例、分步推理并加入自检标准等方法，可显著提升GPT4与Claude在营销文案、研究综述与代码生成等业务场景的准确性与可复用性，同时降低审阅与返工成本。 (来源)