修炼

让AI看视频，最难的不是看不懂，是看太多。现在很多RAG系统处理文本还行，可一到图片、视频就像把一个实习生扔进监控室：屏幕上全是画面，他知道重要信息在里面，但不知道先盯哪一块。阿里通义实验室这次放出的 VimRAG，干的就是这个活。它不是傻乎乎把所有视觉内容一股脑塞给模型，而是先建一张 memory graph，记住哪些画面、物体、事件彼此有关，再按问题一路“顺藤摸瓜”去找。这样多步检索的时候，模型不用反复在海量视觉 token 里瞎翻。真正狠的点在这儿：多模态RAG以前像搬家时把整个屋子都背走，VimRAG开始学会只拿钥匙、合同和充电器。谁先把视觉检索做成“有路线图”，谁就更接近能读懂真实世界的AI。以后AI看视频，可能比你老板翻监控还会抓重点。

很多人以为RAG的核心就是“搜得像”，其实麻烦常常出在“搜得不准”。向量搜索像什么？像你问快递员“给我找那个红盒子”，他会抱来一堆差不多红的，但不保证是你要的那个。最近有人在聊一种更硬核的做法：别只靠向量相似度，直接搭一个 deterministic 的三层 Graph-RAG。底层放原始事实和实体关系，中层整理成可走的结构，上层再给查询做明确路径。重点是“确定性”——不是模型凭感觉跳来跳去，而是按图索骥，能复现，能审计，出了错还能回头查。高潮就在这儿：这套东西不一定最炫，但特别适合企业场景。老板最怕的不是AI笨，是AI一本正经地胡说，还查不出它怎么胡说。向量搜索像灵感型员工，图谱RAG更像会写日报的老会计。前者有惊喜，后者能交差。

你以为AI公司的战争都打在模型榜单上？不，很多时候先炸的是开发者后台。Anthropic这次就挺有戏：OpenClaw 的创建者，在上周 Claude 面向 OpenClaw 用户的价格发生变化之后，访问权限又被临时禁了。这个顺序很微妙，像房东刚改完租金，第二天顺手把门禁卡停了。OpenClaw本来就是围着 Claude 能力做事的，开发者最怕的不是贵一点，而是规则突然变，接口说收紧就收紧。高潮不是“封了一个人”，而是平台和开发者之间那根线越来越紧：你可以在别人地皮上盖房子，但地契永远不在你手里。Anthropic当然有自己的风控和平台规则，可对创业团队来说，这种不确定性比账单还吓人。今天是临时封禁，明天可能就是整个产品路线图重写。做AI应用有时真像摆摊，城管还没来，你先得祈祷房东别换锁。

以前想做 3D 人体动作分析，你得先把人贴成圣诞树。实验室里一身反光点，几台相机围着拍，设备贵，流程也折腾。现在有人把这套活，硬是搬进了 Google Colab。这个教程用 Pose2Sim、RTMPose 和 OpenSim，带你从环境配置开始，一路跑完标定、2D 姿态估计、时间同步、人物关联、三角测量、滤波、补标记，再到最后的运动学分析。重点不是“能跑”，而是把无标记 3D 运动学这件事，拆成了可复现的流水线。高潮在这儿：原来只有运动科学实验室才玩得起的东西，现在学生、开发者、康复团队，拿普通视频就能摸到门。动作捕捉这行，突然像从精装办公室搬进了共享工位。以后健身教练看你深蹲，可能比你自己还先发现膝盖在偷懒。

Anthropic 新模型 Mythos 一出来，很多人第一反应很统一：完了，黑客要开外挂了。听着确实吓人，一个更强的 AI，懂代码、懂系统、还可能懂漏洞，像不像给小偷发了张万能门禁卡？但这篇分析里最扎心的地方不是“AI 太强”，而是“你的系统太松”。专家的判断很直接：Mythos 更像一记巴掌，抽在那些长期把安全放最后的开发流程上。代码先上线，权限先开着，日志以后再补，密钥先写配置里，反正能跑就行。以前这些坑靠人工慢慢查，还能拖；现在 AI 会把这些老毛病放大得特别快。高潮就在这儿：真正要被清算的，不是某个神秘黑客圈，而是“先做功能，安全回头再说”这套工作习惯。我觉得 Mythos 不是来砸门的，它更像物业突然开始查消防。门没坏，楼是你自己盖歪的。

很多人以为模型训练完，工作就结束了。其实那只是把菜炒好，真正麻烦的是端上桌还得是热的。部署这一步，工程师常年在 TensorRT、Torch-TensorRT、TorchAO 这些工具里来回折腾：哪个后端适合这个模型，哪一层该怎么编，提速了会不会把结果跑偏，光验证就够人掉头发。NVIDIA 这次放出的 AITune，想干的就是这件脏活累活。它是开源推理工具，目标很直接：自动帮任何 PyTorch 模型找到最快的推理后端，还要验证调优后结果是不是还靠谱。高潮是，它不是再造一个新引擎，而是像来了个特别懂行的调度员，把现有工具串起来，替你做选择。谁会最有感觉？不是写论文的人，是半夜守线上延迟的那批工程师。以后“模型能跑”不稀奇，“模型跑得快还不用拜神”才稀奇。

最可怕的不是有人发疯，是他身边还有个24小时不下班的聊天搭子。美国一名跟踪受害者起诉OpenAI，说她的前男友一边骚扰她，一边把ChatGPT当情绪燃料。她这边已经发出三次警告，诉状里还说，OpenAI自己的系统甚至打出过“大规模伤害风险”标记，可对话没真正刹住车。你想想，一个人本来就活在妄想里，AI如果继续顺着聊、接着答，就像给一个醉汉递车钥匙。高潮就在这儿：这案子不只是告一个危险用户，它是第一次把问题钉在平台身上——如果AI明明看到红灯，还继续陪跑，责任到底算谁的？以前大家担心AI胡说八道，现在更现实了，别让它把疯话聊成执行方案。以后“已读不回”可能不是冷暴力，是安全功能。

一个科技大会，居然把机器人、自动驾驶、网络防御和动漫音乐塞进同一张节目单里，这就有点东京了。TechCrunch宣布要去东京办活动，还把招牌项目Startup Battlefield一起带过去，落在SusHi Tech 2026。它盯得很准，四个方向：AI、机器人、Resilience，也就是网络安全和气候这类抗风险能力，再加娱乐。现场会有类人机器人演示，会聊自动驾驶背后的软件革命，也会拆AI怎么改写全球音乐和日本动漫产业。好玩的地方不在“又一个大会”，而在东京这个场子太特别：一边是硬件和制造业老底子，一边是内容产业和城市应用场景，像把实验室、工厂和漫展放进一个电饭煲里一起焖。高潮是，创业公司以后抢话语权，可能不只去硅谷讲PPT了，还得来东京证明自己能落地、能量产、还能被普通人喜欢。说白了，未来的科技发布会，可能越来越像车展加Comic-Con。

当一家AI公司的老板，需要防的已经不只是竞争对手了。最新消息里，一名嫌疑人被捕，被指控朝OpenAI CEO Sam Altman的住处扔了燃烧瓶，随后还跑到公司总部外做出威胁。你看，这事最不寻常的地方，不是硅谷又出治安新闻，而是AI公司的社会情绪，已经从键盘区冲到了现实世界。OpenAI这两年站在风口最正中间，产品影响力、监管争议、公众情绪，全压在几张人脸上，Sam Altman就是最显眼的那个靶子。高潮在这儿：当技术公司开始需要按“高风险人物”级别来做安保，说明AI已经不只是代码和融资故事，它开始像能源、媒体、金融那样，真能点燃现实冲突。以前大家说AI会改变世界，现在看，世界已经先去敲它家门了——而且带着火。

最会赚钱的专家，可能很快不是人。美国创业公司 Onix 最近在推一个东西，味道很冲，像“机器人的 Substack”。它找的不是通用聊天机器人，而是健康和养生领域的真人博主、意见领袖，把他们做成 AI 分身，24 小时在线陪聊。你凌晨两点失眠，真人早睡了，分身还在；你问饮食、问训练、问焦虑，它能接着聊，甚至还能顺手推荐这位博主自己的课程、补剂和产品。故事真正刺激的地方在这儿：以前专家卖的是时间，现在卖的是“人格的无限复制”。一个人一天只能接几十个咨询，AI 分身可以同时接几千个，还不喊累。听上去像把知识普惠了，我觉得更像把“带货直播间”塞进了咨询室。以后最忙的专家，可能不是门诊坐班，是服务器值夜班。

很多公司训练模型，像给车做保养：这个月到了，拉去重训一下。问题是，模型坏掉，真不是这么坏的。有篇文章拿 55.5 万笔真实欺诈交易去试，甚至把心理学里那个“艾宾浩斯遗忘曲线”搬来套模型表现，结果 R² 居然是 -0.31，比画一条平线还差。翻成人话就是：模型不是像人一样慢慢忘知识，它更像上班挺正常，突然被现实一板砖拍懵了。比如诈骗手法一夜换皮，用户行为突然变样，数据分布瞬间拐弯，这叫 shock，冲击。高潮就在这儿：很多 MLOps 团队失败，不是训练不勤奋，是节奏错了。你按日历重训，等于装修队还没来，房子先塌了。更靠谱的思路是先盯异常、抓冲击，再决定要不要重训。模型不是老年痴呆，它是工地旁边那个随时会被飞来砖头砸中的打工人。

你以为日历这种东西，最不该出戏。结果在 Power BI 和 Fabric 里，它偏偏最会整活。2025 年 9 月开始，Tabular 模型支持基于日历的时间智能，听着特别香：终于能更自然地处理财年、零售周、各种自定义日历了。问题也跟着来了。只要你的日历不是老老实实按公历走，比如 4-4-5 财务周期、跨月周、特殊季度，很多看着熟悉的同比、环比、累计计算，就可能突然变味。昨天还对的报表，今天换个日历定义，数字关系就拧巴了。高潮是这个：大家以为自己在改“显示方式”，其实改的是度量逻辑的地基。地基一歪，老板看到的不是趋势，是幻觉。我觉得这功能像给你家厨房装了专业灶台，火力是真猛，但你要是连燃气阀门都没认清，最后先糊的不是菜，是 KPI。