AI动态

分类：AI动态 标签：人工智能、制造业、国资央企、产业升级 近年来，随着大模型与生成式AI技术的爆发式增长，人工智能正加速向实体经济渗透。近日，国务院国资委党委召开专题会议，释放出强烈的政策信号：国资央企将锚定重点领域与关键环节，全力推动人工智能在制造业各领域的普及应用，全面赋能新型工业化。 从生产到管理：全流程的智能升级 在此次专题会议中，国资委明确提出了制造业发展的“五个先进”方向，其中在制造范式变革上，特别强调了智能化转型的重要性。 具体而言，央企将通过人工智能技术，对传统制造业的研发、生产、管理等全流程进行深度重构。这不仅意味着算法与工业场景的结合将更加紧密，更代表着生产力工具的一次质的飞跃。 研发环节 -> 加快产品创新设计与仿真测试。 生产环节 -> 实现柔性制造、精准控制与安全预警。 管理环节 -> 优化供应链调度与决策支持系统。 构筑产业新优势：技术、结构与生态协同 除了生产范式的革新，国资委还从技术攻关、产业结构、绿色低碳及业态融合等多维度进行了战略部署： 技术高端自主：成体系承担国家科技重大项目，推动中试实验平台建设。 产业结构优化：做大新兴产业增量，培育未来产业变量，做优传统产业存量。 绿色生产方式：坚持减污降碳与提质增效相互促进，打造低消耗、少污染的高端产业链。 业态深度融合：大力推动先进制造业与现代服务业融合，发展服务型制造。 强化政策与监管保障 为了确保各项战略部署落地见效，国资委强调将从组织、政策和监管三个层面保驾护航。通过打造行业龙头企业、支持资源整合，并完善考核激励与资金支持措施，为中央企业在智能转型与技术攻关道路上营造良好的政策环境。 博客编辑点评 人工智能与实体经济的深度融合，已经从早期的“概念探索”进入到如今的“规模化落地”深水区。国资央企作为国民经济的中坚力量，此次明确发力AI在制造业全领域的普及，不仅将加速国内智能制造的整体进程，也将为整个AI产业生态注入庞大的市场需求与真实的应用场景。未来的工厂，正朝着全面自主感知、智能决策与高效执行的未来形态大步迈进。

分类：科技 标签：人工智能、iPhone、大模型、开源项目 今天的科技圈依然热闹非凡。从苹果最新旗舰 iPhone 18 Pro 曝出的重启 Bug，到各大厂商在 AI 领域的持续发力——包括剪映推出一站式 AI 创作工作台、阿里开源 Qwen-Image-2.1 图像模型，以及 B 站上线的 AI 无限竞技场测评榜，多项重磅动态引人关注。 硬件风向与数码动态 iPhone 18 Pro 曝出死机重启问题：多位用户在社交平台及社区反映，新款 iPhone 18 Pro 系列在进行 Face ID 认证失败（如银行应用或相册回收站验证）后，容易触发「Panic Full」现象，导致设备停止响应并自动重启。对此，苹果官方表示正在对相关问题进行调查。 小米 18 Pro 定价引发热议：针对网友关于新一代数字旗舰涨价的担忧，小米集团总裁卢伟冰回应称，小米 18 Pro 系列确实会涨价，但升级幅度是历代数字旗舰最大的一次，相信大家会觉得物有所值。新机将搭载 2nm 移动平台及超大容量金沙江电池。 AI 与软件生态革新 剪映发布 Hub 及 AI 助手「小映」：在最新的「AI 新创作发布会」上，剪映推出了一站式创作工作台剪映 Hub、智能创作 Agent「剪映助手」以及移动端 AI 助手「小映」。新工具全面覆盖了从脚本构思、素材生成到多轨道视频剪辑的完整工作流。 阿里开源 Qwen-Image-2.1 模型：阿里千问正式开源 Qwen-Image-2.1 图像模型。该模型原生支持透明图像的生成与编辑，视觉生成部分仅有 7B 参数，且最多支持 10 张参考图，在生成质量与推理成本之间取得了良好平衡。 B 站上线 AI 无限竞技场测评榜：B 站推出了汇集各大领域 UP 主真实场景实测的 AI 大模型竞技广场。首轮榜单中，GPT-6 Astra 暂居榜首，前 5 名中有多款国产大模型上榜，打破了传统跑分的单一维度。 行业前沿与大厂动向 Anthropic 拟推迟 IPO 至 11 月：据报道，AI 独角兽 Anthropic 计划将上市时间推迟至 11 月，以便向市场展示更完整的第三季度财务数据。其上市估值预计将达到 2 万亿美元。 黄仁勋驳斥 AI 末日叙事：英伟达 CEO 黄仁勋在采访中公开驳斥了「AI 几年内灭绝人类」的观点，认为这类吓唬人的言论不负责任，并表示现有的网络安全和责任法律已足够完善，无需对 AI 开发商施加额外的过度监管。 总结：从消费级数码产品的偶发故障与价格变动，到大模型在各行各业的深度渗透与落地，人工智能正加速重构内容创作、开源生态以及底层硬件的逻辑。技术的边界在不断拓展，而安全性与实用性的平衡也将成为行业长期探讨的核心议题。

分类：AI动态 标签：具身智能、大模型、机器人、人工智能 在具身智能领域，“自进化”一直是一个备受争议的概念。当数字世界的 AI 已经开始频繁讨论自我迭代时，物理世界的机器人是否也能具备真正的成长性？ 最近，乐享科技（Enjoy Tech）带着其具身智能模型“以太”（Aether）引发了广泛关注。它宣称这是全球首个能够在部署和执行过程中持续更新、实现“自进化”的具身智能模型。在刚刚结束的一场户外烧烤直播挑战中，搭载该模型的机器人直面了随机点单、临时打断以及场景变化等种种现实考验，也为我们剖析机器人的自进化机制提供了一个绝佳的观察窗口。 01 从模仿动作到理解因果：打破传统 VLA 的局限 过去几年，具身智能最主流的路线是将视觉、语言和动作（VLA）连接起来：机器人看到环境，接收任务，然后输出动作。这种路线让机器人学会了模仿人的示范，但乐享科技团队认为，它存在一个根本限制：它擅长回答“下一步应该做什么”，却未必真正理解“为什么要这样做”，以及这个动作会给真实世界带来什么后果。 传统路线往往“不懂因果”，而传统世界模型（world model）则面临“可生成、不可执行”的困境。在真实的物理世界中，接触力、摩擦力、物体形变、液体重心移动等瞬息万变，画面上“看起来合理”与身体上“真的做得到”之间，还有很长的距离。 为此，乐享科技将以太大模型设计为一个由世界状态、内部状态和能量状态耦合而成的动力系统——由能量驱动的状态转移（energy-driven state transition）： 主动感知：感知本身成为了任务的一部分。机器人不再被动接受画面，而是带着问题寻找答案：“为了继续行动，我还需要看到什么？” 因果理解：系统需要建立动作、物理状态与结果之间的因果关系，并根据后果不断调节控制，确保动作在不断变化的物理世界中真正成立。 02 自进化不是口号，而是一套严密的闭环机制 乐享科技所说的“自进化”，究竟是如何在模型内部发生的？ 按照团队的阐述，系统在行动前形成预测，执行后观察结果，并实时比较真实结果与原有预测之间的偏差。如果世界超出了预期，系统便会更新内部状态并重新规划。整个进化闭环包含以下几个核心机制： 持续修正与长时序任务处理：预测 -> 执行 -> 反馈 -> 更新 -> 再次行动。系统在连续任务中不仅记住步骤的前后关系，还能在中途改变目标或中断后继续执行。 错题本机制与经验筛选：在线学习最大的风险在于把偶然扰动当成规律。以太大模型不会让所有新经验直接进入长期知识，而是会先评估其可靠性、新颖性与泛化能力——知道什么应该学，同样知道什么不该学。 分层记忆与参数调谐：具体且临时的场景状态生命周期短，用完即清；而经过反复验证的抽象规律，则会进入因果模型甚至进一步影响模型权重，实现真正的参数层更新。 一脑多形与软硬件解耦：目前以太大模型已在双臂、双足和轮式等约五家不同机器人本体上积累经验。接入新本体后，模型能够通过自主探索认知其性能差异和关节限位，生成适配的轨迹，从而完成对本体的自我认知。 03 具身智能真正的 Next Level 过去的机器人更像被训练好的执行机器，任务之外的经验很难沉淀，更换场景和身体往往意味着重新开始。 乐享科技提出的观点，不仅是让机器人完成更多工作，而是让“部署本身成为学习过程”。当机器人进入真实世界，不再只是消耗训练阶段获得的能力，而是在一次次行动中校准对世界的理解，把可验证的经验逐渐变成新能力，它便开始具备了某种生长性。 当然，“自进化”能否稳健前行，依然需要接受时间的检验：泛化能够跨越多大差异？长期运行后如何确保旧能力不退化？这些都是未来需要解答的问题。 但不可否认的是，衡量机器人的标准正在悄然发生改变。未来的核心问题将不再仅仅是“它现在会做什么”，而是：“它做完之后学会了什么？” 一旦机器人真正具备了在现实世界中积累、验证并迁移能力的能力，具身智能或许将迎来真正的 Next Level。

分类：AI动态 标签：人工智能、制造业、国资委、智能转型 近日，国务院国资委党委召开专题会议，对国资央企在重点领域和关键环节的发展做出重要部署。会议明确提出，要推动中央企业加速人工智能在制造业各领域的普及应用，全面赋能研发、生产、管理等全流程智能升级。 制造范式的深刻变革：AI 全面渗透 在当前的产业变革浪潮中，传统制造业正面临从自动化向智能化跃升的关键节点。国资委此次会议强调，要在制造范式上实现更先进的跨越，核心抓手之一就是感知 -> 决策 -> 执行的智能化全流程改造： 研发环节：利用大模型与仿真技术缩短产品设计周期，加速技术迭代。 生产环节：通过机器视觉与预测性维护，实现生产线的高效协同与资源优化。 管理环节：借助数据分析与智能决策系统，提升供应链韧性与企业运营效率。 多维发力：打造先进制造业集群 除了生产方式的数智化转型，会议还从多个维度为央企指明了高质量发展路径： 技术攻关：成体系承担国家科技重大项目，建设中试实验平台，保障产业链供应链高端自主。 产业结构优化：做大新兴产业增量，培育未来产业变量，同时做优传统产业存量，向价值链中高端迈进。 绿色低碳协同：坚持减污降碳与提质增效相互促进，构建低消耗、少污染的现代绿色产业结构。 业态深度融合：推动先进制造业与现代服务业深度融合，发展服务型制造，开辟全新增长点。 政策与监管护航 为确保各项部署落地见效，会议要求强化组织与政策双轮驱动。一方面，支持有条件的中央企业通过资源整合打造现代产业链链长与原创技术策源地；另一方面，优化考核激励与资金支持措施，并以科技思维和战略思维创新监管方式，为实体经济的高质量发展营造良好的政策与市场环境。 编辑点评 人工智能技术与实体经济的深度融合已进入深水区。国资央企作为国家科技创新和产业发展的顶梁柱，其在制造业全面普及 AI 的举措，不仅将加速自身的数智化转型，更将为整个科技生态和工业制造领域提供宝贵的落地范本与规模化应用场景。

分类：科技 标签：英伟达、RISC-V、硬件架构、开源指令集 在当今的人工智能与高性能计算浪潮中，英伟达（NVIDIA）的 GPU 无疑是站在聚光灯最中央的主角。然而，除了那些用于图形渲染和万亿参数模型训练的主力计算单元外，这些复杂的芯片内部还隐藏着一个庞大的“幕后军团”。 日前的数据揭示了一个惊人的事实：在 2024 年的出货量中，英伟达的 GPU 产品共使用了逾 10 亿个 RISC-V 核心。 从私有走向开源：Falcon 的退场与 RISC-V 的崛起 长期以来，英伟达在 GPU 内部的辅助控制领域一直使用其私有的微控制器架构——Falcon（Fast Logic Controller）。 Falcon 的辉煌历史：Falcon 最早于 2005 年随 G98 芯片引入。到了 2016 年，单个 GPU 芯片集成的 Falcon 引擎数量已经超过 15 个。在十多年的时间里，英伟达累计使用的 Falcon 核心总数达到了约 30 亿个。 技术瓶颈的出现：Falcon 作为一个 32 位核心且缺乏数据缓存的架构，逐渐无法满足英伟达日益复杂的现代芯片管理需求。 为了寻找更强大、更具扩展性的替代方案，英伟达在仔细评估了 Arm、MIPS 等主流架构后，最终将目光投向了开放且充满无限可能的开源指令集架构——RISC-V。 默默无闻的百亿级“管家”：这些核心在做什么？ 很多人会好奇，既然不是用来跑图形或AI大模型的，这些塞进 GPU 的 RISC-V 核心究竟有什么用？ 实际上，它们扮演着芯片内部“大管家”的角色。根据 GPU 型号的不同，每块芯片内部通常包含 10 到 40 个 RISC-V 核心。它们被广泛分派到各种关键的辅助任务中，包括但不限于： 视频编解码：处理高清视频流的输入与输出。 电源管理：动态监测并调配功耗，实现能效比最大化。 安全引擎：守护芯片级的数据安全与加密验证。 正是有了这数十个 RISC-V 微控制器的协同运转 -> 监控 -> 调节，庞大的 GPU 才能在极端高负载的情况下保持稳定和高效。 ...

分类：科技 标签：数据中心、人工智能、能源危机、云计算 随着全球数字化浪潮的加速，特别是人工智能技术的爆发式增长，数据中心正在从幕后的“数字基建”变为名副其实的“耗电巨兽”。近日，美国俄勒冈州公布的一份最新报告揭示了这一趋势的冰山一角。 现状：百余座数据中心，吃掉近四分之一电力 根据俄勒冈州的官方报告显示，目前该州共有 111 个正在运营的数据中心，总建筑面积达到 2210 万平方英尺。 令人咋舌的是，仅这些数据中心，就在 2025 年消耗了该州总用电量的 23%，接近全州总用电量的四分之一。这表明庞大的算力背后，是极其惊人的能源消耗支撑。 未来预测：能耗将进一步飙升 数字基础设施的扩张并未踩下刹车。报告指出，俄勒冈州目前还有 32 个数据中心正处于建设中或规划阶段，未来将额外新增 690 万平方英尺的建筑面积。 随着这些新项目的陆续投运，电网压力将进一步加剧： 能耗总量：预计到 2030 年，该州数据中心的总能耗将飙升至近 25TWh。 占比扩大：届时，数据中心将占到该州总电力需求的 31%至32%。 民生对比：这一数字的耗电量，相当于约 250 万户家庭的日常用电总和。 算力与民生的平衡难题 在大规模能源消耗与地方经济贡献之间，也显现出巨大的不对等。报告数据显示，这些庞大的数据中心直接提供的就业岗位仅有 2630 个，仅占该州总人口的 0.06%。 这意味着，数据中心作为资本与技术密集型产业，虽然驱动了数字经济的发展，但在创造直接就业方面相对有限，却对地方电网和能源供应造成了巨大的结构性压力。 博客编辑点评 俄勒冈州的案例并非孤例，而是全球 AI 与云计算发展的一个缩影。随着大模型训练、推理以及海量数据存储的需求持续井喷，数据中心与地方电网之间的能源博弈将变得更加激烈。如何在算力狂飙的同时推进绿色能源转型、避免电力挤兑，将是科技巨头与地方政府在未来几年必须共同面对的严峻考题。

分类：AI动态 标签：具身智能、大模型、机器人、人工智能 在当今的具身智能领域，“自进化”是一个常被提及却也饱受争议的概念。近日，乐享科技推出了一项大胆的尝试：其具身智能模型“以太（Aether）”大模型宣称能够在部署和执行过程中持续更新，成为全球首个具备自进化能力的具身智能模型。 这一概念引发了行业的广泛讨论：机器人的“进化”究竟是参数的根本改变，还是任务的临时调整？在机器人亟需解决基础稳定性的当下，自进化究竟意味着什么？ 从模仿动作，到理解物理世界的因果 过去几年，主流的具身智能路线多采用“视觉 - 语言 - 动作”（VLA）架构，即机器人观察环境、接收任务并直接输出动作。这种方式让机器人能够通过人类示范学习复杂指令，但在乐享科技看来，这种从输入到动作的黑盒映射存在根本限制：它擅长回答下一步做什么，却未必理解为什么要这样做。 真实世界充满了接触力、摩擦、滑动、遮挡和物体形变。画面上“看起来合理”的动作，与身体上“真的做得到”之间仍有巨大的鸿沟。 为此，乐享科技的“以太”大模型并没有将重点放在单纯的动作预测上，而是将其构建为一个由世界状态、内部状态和能量状态耦合而成的动力系统（由能量驱动的状态转移，Energy-driven state transition）。 主动感知：感知不再是被动接收画面，而是带着问题寻找答案。为了继续行动，系统会主动判断当前视角是否需要调整，从而消除不确定性。 因果理解：系统需要建立动作、物理状态与结果之间的因果关系，根据物理世界的反馈不断调节控制，使动作在不断变化的环境中真正成立。 自进化不是口号：一套完整的闭环机制 那么，以太大模型是如何实现自进化的？乐享科技给出的答案是一套贯穿预测、执行、反馈与更新的持续循环机制。 预测误差修正：机器人在行动前形成预测，执行后观察真实结果。一旦发现现实与预测存在偏差，系统便会更新内部状态，并进行局部或全局的重新规划。 错题本与分层记忆：在线学习最大的风险在于将偶然扰动当成规律。为此，系统会通过筛选机制评估经验的可靠性与新颖性，决定什么应该学、什么应该忘。分层记忆的设计确保了短期经验随任务消失，而经过反复验证的稳定规律则得以长期保留，甚至进一步影响模型权重。 跨本体迁移与软硬件解耦：泛化能力是检验自进化的关键。目前，以太模型已在双臂、双足和轮式等多种不同形态的机器人本体上积累经验。接入新本体后，模型能够通过自主探索认知硬件约束，生成适配的轨迹，从而实现“一脑多形”。 写在最后：具身智能的 Next Level 如果机器人只是被训练好的执行机器，它就很难沉淀任务之外的经验。而乐享科技所探讨的自进化路线，让部署本身变成了一个持续学习的过程。 衡量机器人的方式，或许正在从“它现在会做什么”转变为“它做完之后学会了什么”。一旦机器人能够把现实世界的经历转化为可积累、可迁移的能力，它就不再只是一台被部署的机器，而是一个能够在真实世界中不断生长的行动系统。这，或许正是具身智能真正的 Next Level。

分类：科技 标签：人工智能、数码硬件、大模型、开源项目 回顾近期科技数码圈，各大厂商与大模型领域迎来了密集的新品发布与战略调整。从小米数字旗舰的硬件升级与定价策略，到剪映推出全新一站式 AI 创作工作台；从大模型竞技场的最新排名，到人形机器人与开源图像模型的重大突破。以下为您梳理近期不容错过的核心科技动态。 一、 数码前沿：小米 18 Pro 定价引发热议，iPhone 18 Pro 遭遇死机 Bug 小米 18 Pro 确认将涨价，卢伟冰回应称合理：小米 18 Pro 系列手机官宣定于 9 月 23 日发布。针对网友关于价格的担忧，小米集团总裁卢伟冰回应称价格确实会上涨，但相信大家会觉得合理。据悉，该系列将迎来数字旗舰史上最大幅度升级，搭载 2nm 旗舰移动平台、徕卡双 2 亿超清影像、新一代超级像素屏幕以及高达 7000mAh 至 8500mAh 的金沙江电池。 iPhone 18 Pro 曝出 Panic Full 自动重启问题：部分用户在韩媒及社区反映，iPhone 18 Pro 系列在进行 Face ID 认证失败（如访问银行或相册应用时）后，容易触发设备停止响应并自动重启的「Panic Full」现象。苹果官方表示目前正在对该问题进行调查。 二、 AI 动态：B 站大模型竞技场上线，剪映重磅发布 Hub 与助手 B 站「AI 无限竞技场」上线，GPT-6 Astra 暂居榜首：B 站正式推出大模型测评榜，汇集各领域 UP 主通过真实工作流、专业应用和趣味脑洞进行的实测。在首轮盲测中，GPT-6 Astra 斩获榜首，前 5 名中国产大模型占据 3 席，展现了不设限场景下的真实模型实力。 剪映发布 Hub 及 AI 助手「小映」：在「AI 新创作发布会」上，剪映推出了一站式创作工作台剪映 Hub、智能创作 Agent 剪映助手及移动端 AI 助手「小映」。新工具全面覆盖从灵感脚本生成、多轨道编辑到多模态素材生成的完整创作链路，助力创作者和商家实现高效视频生产。 阿里千问开源 Qwen-Image-2.1 图像模型：阿里千问正式开源兼顾生成效果与推理效率的 Qwen-Image-2.1。该模型将文生图与图像编辑合一，参数量仅 7B，原生支持透明图像的生成与编辑，并支持最多 10 张参考图进行局部编辑与商品保真。 三、 行业风向：黄仁勋驳斥 AI 末日叙事，Anthropic 推进 IPO 进程 黄仁勋驳斥 AI 末日叙事：英伟达 CEO 黄仁勋在接受采访时公开表示，所谓「AI 将在几年内灭绝人类」的末日叙事被过度渲染，他认为 2030 年世界末日发生的可能性为 0%。他指出吓唬人不负责任，并强调现有网络安全和责任法律已足够完善，不应让末日叙事成为某些人摆脱现有法律约束的借口。 Anthropic 计划将 IPO 推迟至 11 月：据报道，Anthropic 计划将上市时间推迟至 11 月，以便向市场展示第三季度财务数据来证明其竞争地位。市场此前预计其上市估值约为 2 万亿美元，募资额最高可达 1000 亿美元。 四、 硬件与生态创新：稚晖君发布人形机器人，京东汽车布局摩托车送装一体 稚晖君发布启元 Q1 和 T1 人形机器人：在 2026 启元机器人全球产品发布会上，智元机器人联合创始人彭志辉（稚晖君）推出了主打自定义特性的启元 Q1 与 T1 人形机器人。其中 Q1 支持用户自定义外观、动作与语音，并首发接入腾讯 WorkBuddy，标志着团队正式切入个人机器人消费市场。 京东汽车发力摩托车送装一体服务：京东汽车与张雪机车达成战略合作，推出行业罕见的「送装一体，带一公升汽油上门」服务，通过京东物流与京东到家技师团队的协同，直接解决新车到户后无油、需手动推去加油站的行业痛点，全面提升摩托车线上消费的售后体验。

分类：AI动态 标签：算力网、大模型、人工智能、算力成本 当算力供给从单卡模式加速迈向万卡集群时代，算力网的调度也正从基础的联网互通走向深度跨域协同。在这一演进过程中，整个产业最为关注的核心痛点——成本问题，终于迎来了实质性的破解方案。 行业分析普遍认为，算力网一体化调度的终极产业红利，在于通过系统性盘活闲置算力、精准优化任务分配，并叠加绿电供应与异构技术优势，持续压低大模型在训练与推理环节的单位成本。这种变革最直观的体现，便是 AI Token（词元）的生产成本正在迎来大幅下行。 运营商引领，构筑成熟降本范式 在算力网的基建与调度实践中，各大运营商已经率先探索出了一套行之有效的成熟降本范式。通过全国一体化的算力网络布局，闲置资源得以高效整合，不仅缓解了算力供需不平衡的矛盾，也为上层大模型应用提供了更具性价比的基础设施支撑。 国产协同发力，打造高品质 Token 工厂 除了运营商层面的宏观调度，国产算力软硬件厂商之间的深度协同也在加速落地，为产业降本注入了新动能。 近期，趋境科技与摩尔线程正式达成战略合作，携手打造国产化高品质 AI Token 工厂，并且相关整体方案目前已宣告正式投产。趋境科技 Token 事业部总经理刘显赫指出，随着大模型应用全面驶入规模化商业落地的深水区，基础设施的竞争焦点已经发生了根本性转变，正从单纯的单卡性能比拼，转向全面较量系统级的 Token 生产效率。 科技编辑视点 算力网一体化调度周期的开启，标志着 AI 基础设施正在从“粗放式扩容”走向“精细化运营”。Token 生产成本的规模化下行，将直接降低中小企业和开发者接入大模型门槛，从而进一步加速 AI 技术在各行各业的深度渗透与商业化爆发。

分类：AI动态 标签：人工智能、微软、OpenAI、版权保护 在近期解封的一批《纽约时报》诉微软与 OpenAI 版权侵权案诉讼文件中，曝光了科技巨头内部对于 AI 数据抓取行为的激烈争议。 内部预警：AI 爬取被指“空前盗窃” 根据解封的诉讼文件显示，微软应用科学总监 Brent Hecht 曾多次在内部发出预警，直言为了训练 AI 大规模抓取新闻内容的做法是「空前规模的惊人盗窃」，甚至形容其为「人类历史上最大规模的劳动成果盗窃」，并认为此举直接让版权法中的「合理使用」原则沦为了笑柄。 文件进一步披露，两家被告公司内部早已意识到，聊天机器人可能会成为传统新闻媒介的直接替代品，进而引发破坏整个内容供应链的恶性循环。微软内部数据记录显示，AI 平台上线后，部分原告媒体在搜索等渠道的点击率骤降了 51% 至 94%。 绕过付费墙与技术滥用 通信记录还显示，当工程师向高层汇报已成功找到绕过《纽约时报》付费墙的技术手段时，OpenAI 联合创始人兼总裁 Greg Brockman 曾回复称“不错”（Ah, nice）。 原告媒体在诉讼中强调，ChatGPT 和 Copilot 在响应用户请求摘要或评测时，会大量逐字复现报道，实质上取代了读者对原网站的直接访问需求。此外，微软被指违规将 Bing 搜索引擎购买的数据集转售给 OpenAI 作模型训练，而 OpenAI 在明知违反非商业用途协议的情况下，依然滥用了包含 180 万篇报道的第三方数据集。 各方回应与行业反思 面对解封文件的指控，微软发言人回应称，旗下 AI 产品属于转化性使用而非替代品，Brent Hecht 的表态仅代表员工个人观点，并不代表公司的法律立场。微软 CEO Satya Nadella 在证词中则表示，新闻流量的分流只是反映了信息消费方式的正常变革。截至目前，OpenAI 尚未对此事作出公开置评。 这起诉讼的进展再次将前沿 AI 模型训练与版权保护之间的矛盾推向风口浪尖，也引发了行业对于数据采集合法性与内容生态可持续发展的新一轮思考。