EmbeddingGemma 2 采用 Apache 2.0 许可证
EmbeddingGemma 2 采用 Apache 2.0 许可证，Simon Willison 认为嵌入模型不应使用闭源、专有的纯托管模式。嵌入模型通常需要计算并存储数千乃至数百万条嵌入向量，一旦厂商停供该模型，用户就得为重新计算这些存量向量付费。他更愿意付费使用托管版本，同时保留厂商停服后可自行运行开放权重版本或另寻供应商的退路。
#大佬观点
Simon WillisonAI 评分4040 The DecoderAI 评分3838 微软发布诺奖经济学家 Daron Acemoglu 的看空预测：AI 十年仅拉动 GDP 增长约 1.5%
微软刊发了诺奖经济学家 Daron Acemoglu 对 AI 的看空预测：AI 十年内仅拉动 GDP 增长约 1.5%，最多替代 5% 的岗位，远低于部分 AI 实验室的预期。
The Verge · AIAI 评分3333 苹果、Google 正重新定义「录制」：AI 硬件不存视频音频，还算录音吗？
苹果被曝正在研发一款不保存视频录像的智能家居摄像头，改用 AI 将视觉数据转为描述家中情况的文字片段，并支持人脸识别；传闻中未来 AirPods 的摄像头也采用类似方案。
Microsoft ResearchAI 评分2020 Microsoft 研究员 Jennifer Neville：AI 评测如何暴露模型的“意外失败”
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细审视数据。
MIT Technology Review · AIAI 评分2222 人们一边痛恨 AI，一边为何又离不开它？
全球对 AI 的态度正陷入矛盾：Pew 调查显示更多美国成年人认为 AI 对个人和社会的影响偏负面，斯坦福报告称全球超半数人对 AI 产品感到紧张，但 ChatGPT 在 5 月月活突破 10 亿，Gemini 7 月达 9.5 亿用户，Pew 数据显示一半美国成年人已在用聊天机器人。作者认为，人们反感的不是技术本身，而是科技公司无孔不入的推销方式。
MIT Technology Review · AIAI 评分6262 AlphaGo 团队成员 Thore Graepel：LLM 并不会推理
前 DeepMind AlphaGo 核心成员 Thore Graepel 撰文指出，当前大语言模型只是不断预测下一个 token，属于快思考式的模式补全，并不具备真正的推理能力。
Latent SpaceAI 评分3434 MIT 的 Alex Zhang 谈 RLM、GPU 内核与智能体集群：学术界应押注工业界不会做的研究
MIT 的 Alex Zhang 在 Latent Space 播客中介绍了其递归语言模型（RLM）研究，基于 RLM 的 harness 是首个近乎解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。
NVIDIA BlogAI 评分2222 NVIDIA AI 工厂如何实现高产出、长寿命与通用性以最大化投资回报
NVIDIA 提出 AI 工厂投资回报由产出能力、使用寿命和需求三要素决定，其平台以高产出、长寿命、通用性同时优化三者。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量超 GB300 NVL72 的 30 倍，在 DeepSeek V4 Pro 上每百万 token 成本最多低 45 倍。
MIT Technology Review · AIAI 评分1212 HPE：如何让 AI 从一项开支变成一项资产
HPE 提出企业应重新审视 AI 的消费式定价：当客服、IT、研究等智能体工作流带来持续且可预测的需求时，按请求购买 AI 可能不再划算，自建容量在达到一定利用率后或更具经济性。
Import AIAI 评分2222 Import AI 473：美国超级智能战略、人脑组织小鼠实验与机器诠释学
RAND 发布报告提出美国应以"自由行动"战略应对通往超级智能的不确定路径，核心是保留选项而非锁定单一方案，并列出共存、拒止、加速三类共七种原型策略及五项关键不确定性。研究人员还培育出脑内含有部分人脑组织的小鼠，用于研究人类脑组织。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 代码、RAG 是否已死、Skills 是否取代 MCP
GitHub Podcast 最新一期拆解了五个 AI 开发热梗：AI 生成的代码仍需阅读和负责，只是审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是连接工具与数据的标准接口，二者可组合使用。RAG 并未消亡，它为模型提供训练数据之外的信息，减少 token 浪费并让回答更有依据；微调模型也不必然说明代码库糟糕，AI 反而成为代码可维护性的又一道压力测试。
Import AIAI 评分4242 Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟聚焦 AI
Import AI 471 期关注 Hugging Face 与 OpenAI 事件中智能体展现的通信与自我牺牲能力，Dwarkesh Patel 称智能体在数天内就组织起逆向工程评分器、伪造证据并战略性自我牺牲的项目，Ajeya Cotra 认为该事件已超过 50% 通向全面 AI 接管。
Berkeley AI ResearchAI 评分3434 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分厂商低于 $0.10，AI 正进入"近乎免费智能"时代。UC Berkeley 的 Aditya G. Parameswaran 等人提出三类新挑战：为智能体设计的数据系统、运行智能体集群的数据系统、以及由智能体自行合成的数据系统。