分类: AI技术
微软 Edge 被曝“内存明文密码”：我们到底该不该相信浏览器保存密码？
最近关于 Microsoft Edge 浏览器“内存明文密码”的争议，把一个很多用户长期忽视的问题重新摆到了台面上：浏览器帮你“记住密码”，到底是在替你安全保管，还是只是在替你更方便地自动填充？更准确地说，Edge 并不是把密码明文存到硬盘，而是在运行时可能把已保存密码以明文形式加载到进程内存中。这种设计对单机个人用户未必立刻构成灾难，但在共享电脑、远程桌面、VDI 和企业多用户场景里，风险会明显放大。
Meta又被告了，这次不是小作者闹情绪，而是整个出版业开始围剿AI训练逻辑
Meta和扎克伯格再次因AI训练版权问题被起诉，但这次和过去不一样。起诉方不再只是几个作者，而是Hachette、Macmillan、McGraw Hill、Elsevier、Cengage等大型出版商加上Scott Turow本人。这场官司真正危险的地方，不只是“用了盗版书”，而是原告试图证明：Meta不是误踩边界，而是明知道有授权市场、有合法付费路径，却在战略上选择了绕开授权，好把“合理使用”打到底。
OpenAI总裁被迫当庭朗读日记，这不是八卦，这是AI权力战争最赤裸的一幕
Greg Brockman被迫在陪审团面前朗读自己的私人日记，听起来像一场硅谷豪门八卦，但真正刺痛人的地方不在于“贪婪”两个字，而在于这场官司把AI时代最核心的矛盾彻底摊开了：一个号称为了全人类而生的组织，如何一步步走到权力、资金、控制权与道德叙事彼此绞杀的今天？
美国AI权力地图：是谁在影响和塑造美国AI政策？
Mapping AI 不是一个模型榜单，也不是一份公司名录，而是一张试图解释美国AI政策权力结构的关系地图。它把人物、组织、资源、立场、时间线和风险判断放进同一张图里，帮助人们看清到底是谁在定义风险、塑造议程、组织联盟，并争夺AI治理的话语权。
赚不到100万美金就退学费？美国这所“天价”高中，正在撕开传统教育最虚伪的一层皮
当一所高中公开打出“毕业前赚不到100万美元，就全额退学费”的口号时，它挑战的就不只是传统学校的教学方式，而是整个工业时代教育体系最深的一套默认前提：年轻人应该先被驯化，再被使用，而不是尽早承担真实责任、创造真实价值。
别把公司扒光给 AI 看：为什么“战略性不可读”会成为下一代护城河？
几乎所有创始人都在焦虑一件事：如何让公司对 AI 更“可读”。但一个更少人愿意面对的问题是，当你把内部知识、流程、判断逻辑和操作方式系统化、结构化、标准化时，你也可能正在亲手把自己的护城河翻译成供应商可以学习、复制和商品化的能力。你的优势，正在变成别人的功能。
公司不是缺数据，而是没有记忆：为什么大多数组织越忙越失忆？
大多数公司并不缺数据，真正缺的是“记忆”。会议开了无数，Slack消息刷了无数，工单、邮件、客户反馈和路线图讨论堆成山，但这些碎片很少真正沉淀成组织可调用的共享现实。于是公司越大，越容易失忆；AI 越强，这个问题反而越刺眼。
Grok 被一句“摩尔斯电码”骗走 17.5 万美元，这次事故到底是怎么发生的？
2026年5月，一名攻击者通过摩尔斯电码形式的提示注入，让 Grok 输出了一条转账指令，随后 Bankrbot 将这条文本当成真实授权执行，转走了约 17.5 万美元的 DRB 代币。虽然资金随后被归还，但这次事件把一个很多人还没真正意识到的风险讲透了：当大模型的自然语言输出被直接接到“能动钱”的系统上，问题就不再是聊天机器人出错，而是金融级事故。
别再假装用户离不开你了：当《经济学人》开始呼吁监管科技公司的“操纵性设计”
《经济学人》近日刊文呼吁监管大型科技公司的操纵性设计行为，把暗黑模式、默认推荐、无限滚动等问题推到更严肃的政策讨论层面。真正值得警惕的，不只是平台“让你多用一会儿”，而是它们越来越擅长让用户在不知不觉中做出自己本不想做的选择。
Anthropic 先动手了：大模型公司正和 PE 联手，开出一种新的 AI 服务公司形态
Anthropic 已正式宣布与 Blackstone、Hellman & Friedman 及高盛共同成立一家新的 AI 原生企业服务公司，把 Claude 推进中型企业核心运营环节。OpenAI 方面也被多家媒体连续报道正以类似模式推进 PE 合资平台。这不是普通渠道合作，而是大模型公司开始亲自下场做“驻场交付”。
Zero-to-CAD：Autodesk用AI Agent合成百万级可编辑CAD程序，无需真实数据
Autodesk Research发布Zero-to-CAD框架，将LLM嵌入反馈驱动的CAD环境中，通过Agent式搜索合成约100万个可执行、可读、可编辑的CAD构造序列，涵盖倒角、圆角、布尔运算等丰富操作词汇，无需任何真实CAD历史数据。微调后的视觉语言模型在图像到CAD重建任务中超越GPT-5.2。
当AI在急诊室里比医生更准，这到底意味着什么？
哈佛医学院发表于《Science》的一项研究显示，推理型大模型在急诊分诊等临床任务中部分表现已超过人类医生，尤其在信息最少、决策最紧迫的早期阶段更具优势。这并不意味着AI将取代医生，但它很可能正在重新定义医疗系统中的第二意见、漏诊提醒和临床推理辅助。
达特茅斯往事：人工智能如何从一个想法变成一个时代
1956年夏天，达特茅斯学院的一场小型研究项目没有立刻造出会思考的机器，却第一次正式提出并推广了“人工智能”这一名称。从那之后，AI不再只是零散设想，而成为一个真正改变世界的研究方向。
如果把科学计算教材重写一遍，Cartesian 可能就是正确方向
Cartesian 把算法教材做成了可执行、可回放、可交互的学习软件。本文拆解其技术路线，并进一步讨论：这种模式是否适合数值分析与科学计算类教科书写作？答案是，极其适合，而且可能比数据结构教材更有潜力。
当前端工程师开始"造星"：Dilum Sanjaya的Three.js行星探索器技术解析
斯里兰卡开发者Dilum Sanjaya用Three.js打造了一个令人惊叹的3D行星探索界面"AERIS"，实现了电影级的行星渲染、流畅的场景切换和精致的数据可视化。本文深度拆解其技术路线。
一张3090，够不够撑起你的本地大模型？
在本地大模型玩家圈里，RTX 3090 仍然是一张极有代表性的“临界点显卡”。24GB 显存、成熟的软件生态和相对可承受的成本，让它成为很多人判断本地模型是否真正可用的一把尺子。问题是，一张3090到底能干什么，边界又在哪？
深度学习到底在学什么？一份速查手册背后的知识地图
从神经元到大模型，从梯度下降到生产部署——一份51页的深度学习速查手册，浓缩了2026年AI工程师需要掌握的全部核心知识。我们从中提炼出一张完整的知识地图。
软件正在"活过来"：AI Agent时代需要什么样的新基础设施？
过去50年，软件是"录音"——相同输入永远得到相同输出。AI Agent让软件变成了"现场演奏"。但这场演奏需要全新的舞台、乐器和音响系统。谁来建？