AI周报 2026-W46
2026-11-14
| 2026-11-14
字数 5843阅读时长≈ 15 分钟
11 月 8 日 Nvidia 董事会就 CEO 黄仁勋与一名疑似中国间谍的关系启动独立调查,黄仁勋卸任,国会已传唤他作证。这家公司同时卡着全球 AI 算力的供给和美国出口管制的执行,丑闻把两条线一起拖进了不确定性。
同期 METR 报告称 Anthropic 内部研发提速 2x,Dwarkesh 据此把 AGI 时间线从十年改成两三年。Amazon 的受控实验发现,多 agent 协调要多花几倍 token,增益却很少显著。GitHub 把重复判断固化成 SKILL.md,Stanford 的作业被一个 prompt 秒掉后改成给开源项目提 patch。Gemini 4 Hydrogen 主打速度与低价,Claude Fable 5.2 在双方都报的基准上仍领先。Google 另开 decision model 赛道,返回校准概率而不是生成文本。OpenClaw 等 agent 无法从经验中学习,训练小模型权重却可以。Thinking Machines 用 NVFP4 把 594B 模型全程 4-bit 训完。Together 用 agent 编译器持续重编译推理,吞吐超过最优开源引擎。具身这边,NVIDIA GR00T 2 靠人类视频学技能,Google Gemini Robotics 2.5 已进奔驰产线。World Labs 把 Atlas 开放给所有人,Genie 4 能实时生成整条马拉松赛道。资本市场上英伟达因 CEO 丑闻下跌,AMD 与博通逆势大涨。

产业与生态

AI 研发自动化与 RSI 判断

三份材料从三个不同位置指向同一件事:AI 正在加速 AI 研究,而且这个加速第一次变得可以量化。
Anthropic IPO 路演视频 由 Simon Willison 用 MacWhisper 补出非官方转录文本,其中联合创始人 Tom Brown 首次系统讲了算力策略——Claude 同时在 AWS Trainium、Google TPU、NVIDIA GPU、AMD GPU 四个芯片家族上训练和推理。今年首次接入 AMD GPU 时,Mythos 模型三天内几乎无人工干预完成移植,kernel 近 100% 由 Claude 编写。他提出 compute multiplier:物理算力乘以可被发现的效率倍数,倍数之间可叠加,并明确指向 Claude 未来自行发现这些倍数。
Dwarkesh 公开修正自己半年前的判断,从"至少还要十年"改成"两三年、甚至几个月内出现与顶尖人类 AI 研究员持平的 AI"。论据是可查的 uplift 数据:METR 在 Anthropic 驻场三个月得出整体研发提速 2x、大部分归因于用 AI 做 R&D;OpenAI 内部重度用户日均 coding agent 花费从 1000 美元涨到 7000 美元;Anthropic 自报 Claude 已主导 26% 的 AI R&D 工作,2 月还不到 1%。
Zvi 拆 METR 那份报告:置信区间 1.3x–3x,只看公开模型看不出加速,把 Anthropic 未公开的内部模型纳入后估计才从约 1.7x 拉到约 1.9x。据 Forecasting Research,METR 认为约 80% 的加速来自 AI。
三份材料的共同点不在结论,在证据类型:判断依据从外推曲线换成了内部实测。缺的那块也很明确——Zvi 指出最有信息量的瓶颈分析被 Anthropic 涂黑,而 Benjamin Todd 的外推显示 Claude 或在 2027 年中主导内部研究。

Nvidia CEO 变动与芯片出口管制政治风险

这不是一条公司治理新闻。Nvidia 同时卡着全球 AI 算力供给和美国出口管制的执行,CEO 出事把两条线一起拖进了不确定性。
Hard Fork 请来 NYT 记者 Ana Swanson、Ryan Mac 和传记作者 Stephen Witt,梳理黄仁勋与下属高管的关系、Megaspeed 公司与商务部芯片调查被叫停、以及 Nvidia 的政府游说。据 CNN,Megaspeed 从 Nvidia 买过 40 亿美元以上芯片,这类公司通过把算力租给中国企业,可以成为出口管制的漏洞。
Gary Marcus 追问谁知道什么、何时知道:特朗普一年前似已知情却继续亲近,Rubio 的春季备忘录无疾而终,Nvidia 一周前仍称不知情,国会即将调查。他把"出口管制内幕可能外泄 + 无接班计划 + 期货已跌"串成一条可能冲击整个 AI 投资市场的因果链。
Zvi 补时间线:Culper 的 5 月做空报告已点名 Alice Huang 与 Megaspeed 的密切关系,10 月已有公开质疑;Nvidia 曾介入叫停对 Megaspeed 的调查;股价相对纳指跑输 7%。他认为真正的问题不是私德——当 CEO 本人与客户存在未披露的私人关系时,他反对出口管制的论证可信度基础被动摇了。
三篇的共同判断是:技术面影响有限,政策面风险无法定价。

Agent 技术与应用

Agent 架构成本与效能评测

三个独立评测指向同一件事——agent 的性能瓶颈不在架构选型,在实现质量和成本结构。
Amazon 与华盛顿大学的论文 是最干净的一版:固定模型、任务、工具,只变架构,在 13 个企业 SOP 上比 8 个 arm。三条结论。没有普适最优架构,同一 SOP 上任务成功率从最难的不到 10% 到最简单的接近 100%,聚合层面没有哪个架构能统计显著地胜出。协调型架构的成本必须先被收益证明:每个多 agent 或 skill 增强的 arm 花 1.4–4.7 倍 token、2.6–5.8 倍延迟,增益通常很小且很少显著,单 agent 因此仍是效率默认值。实现质量压过单/多 agent 的选择——高质量 skill 把成功率从 67.4% 提到 73.1%,而一次针对性重设计让多 agent 成为唯一显著超过基线的 arm(75.6% 对 67.4%)。
EnvOpt 换了个变量:不改模型也不改 harness,只优化环境怎么把信息呈现给 agent——比如 Slack 走 MCP 远程服务,还是导出成纯文本让 agent grep。五个基准上对未见测试集平均降本 48%、通过率持平或更高;AutomationBench 上以 15% 的成本超过 Meta-Harness 9.67 个百分点。优化后的环境可迁移到其他 harness 和模型,与 Meta-Harness 叠加还能再提 16% pass rate。

本期为订阅内容

订阅 RecsysFrontier,在 Substack 阅读本期全文

  • 每天的 AI / 推荐系统前沿日报,第一时间读到
  • 每周周报,一周重点一次看完
  • 订阅期内所有日报周报全文

本期将于 11 月 21 日免费开放

  • AI
  • 周报
  • 技术趋势
  • AI 技术日报 - 2026-11-15推荐周报 2026-W46
    Loading...
    目录