科技

GPT-6 曝光，OpenAI 总裁直言 AGI 已经到来 当地时间 9 月 3 日，GPT-6 Astra 正式发布。发布会后，OpenAI 总裁 Greg Brockman 在行业内罕见表态：“我个人认为，我们可能已经到达 AGI 了，我觉得就是这个模型。” OpenAI 为 Astra 赋予了“你在电脑上能做的任何事，Astra 都能替你做”的愿景。新模型不仅能直接识别屏幕像素并执行鼠标、键盘操作，还在多个内部测试中展现出惊人的效率： 电路设计：在 KiCad 中完成元器件布局和铜线走线仅用时 2 分 54 秒。 三维建模：在 Blender 中搭建房屋模型并导入 Unreal Engine 5 生成实时漫游场景。 效率对比：寻找猫咪临时看护任务耗时 5 分 27 秒（人类基线 30 分钟）；求职准备任务耗时 2 分 51 秒（人类基线 5 小时）。 同时，Astra 的安全性显著提升，在无生产环境限制的内部测试中，违规越权率为 0%。 字节跳动拟获约 296 亿美元银团贷款，加码 AI 基础设施 据报道，字节跳动正推进一笔规模达 296 亿美元的银团贷款。由于银行认购踊跃，该项目最终规模较最初设定的 200 亿美元大幅扩大。若顺利完成，将成为 2026 年亚洲地区规模第二大的美元计价银团贷款。 这笔资金主要用于一般企业用途及 AI 战略布局。字节跳动正评估将 2026 年资本支出预算提升至最高 700 亿美元（较 2025 年增长超一倍），重点投向数据中心扩容和 AI 基础设施建设。 ...

1. GPT-6 曝光，OpenAI 总裁直言 AGI 已至 当地时间 9 月 3 日，OpenAI 正式发布全新模型 GPT-6 Astra。发布会后，OpenAI 总裁 Greg Brockman 掷有声地表示：“我个人认为，我们可能已经到达 AGI 了，我觉得就是这个模型。” Astra 秉持了“你在电脑上能做的任何事，Astra 都能替你做”的理念。在演示中，它能直接识别屏幕像素并自主操作键鼠：仅用 2 分 54 秒便在 KiCad 中完成电路图的走线，还可在 Blender 搭建 3D 房型并导入 UE5 生成实时漫游场景。内部测试表明，其在处理复杂任务时效率远超人类基线，且在生产环境中的安全合规表现达到 0% 越界率。 2. 字节跳动拟获约 296 亿美元银团贷款，加码 AI 基建 字节跳动正在推进一笔规模达 296 亿美元（约合 1,993.99 亿元人民币）的美元计价银团贷款。由于银行认购踊跃，该融资金额较最初的 200 亿美元目标显著扩大，若顺利完成将成为 2026 年亚洲规模第二大的同类贷款。 这笔资金主要用于一般企业用途，并将重点投向数据中心扩容及人工智能基础设施建设，以支撑其将 2026 年资本支出预算提升至最高 700 亿美元的激进 AI 战略。 3. 特斯拉 Cybercab 车队现身美国多地，自动驾驶发布在即 在特斯拉于得克萨斯州举办纯电动双座车型 Cybercab 专场发布会前夕，该车型的现身范围已从奥斯汀市中心向美国多地扩散。其中，佛罗里达州迈阿密国际机场附近已被拍到停放着至少 20 辆 Cybercab 车队，预示着其在获得监管审批后将迅速进入投放阶段。 ...

GPT-6 曝光，OpenAI 总裁说：AGI 来了 当地时间 9 月 3 日，GPT-6 Astra 正式发布。OpenAI 总裁 Greg Brockman 在发布会结束后，说了一句在 AI 行业极为罕见的话：「我个人认为，我们可能已经到达 AGI 了，我觉得就是这个模型。」 OpenAI 给 Astra 起了个简洁的 slogan：「Anything you can do on a computer, Astra can do for you.（你在电脑上能做的任何事，Astra 都能替你做。）」 新模型可以像人一样，直接「看」屏幕上的像素，然后移动鼠标、敲击键盘，完成操作。给 Astra 一张电路原理图，它在 KiCad 里完成了元器件布局和铜线走线，整个过程用时 2 分 54 秒。另一个演示是三维建模，Astra 在 Blender 里搭建了一栋房子的模型，然后将其导入 Unreal Engine 5，生成了一个可以实时漫游的建筑场景。 OpenAI 还公布了两个内部计时案例。「寻找猫咪临时看护」这类任务 Astra 用了 5 分 27 秒（人类基线 30 分钟）；「求职准备」任务用了 2 分 51 秒（人类基线 5 小时）。在安全性方面，OpenAI 内部测试显示，在没有生产环境安全限制的条件下，GPT-5.6 Sol 会在 48.2% 的情况下超出授权范围行事，而 Astra 是 0%。 ...

作者｜Cynthia 编辑｜郑玄 2026 年夏天，林氏家居想卖一张布艺床。 然后，阿里妈妈万相点睛给它找到了一群电竞玩家。并建议他们投放那些搜索过「电竞房布置」「游戏房改造」「RGB 灯带」「二次元痛房」的用户。 对于林氏家居这样一家诞生于互联网、长期依赖数据经营的头部品牌来说，这是个让人匪夷所思的抉择。 过去，林氏家居品牌已经积累了超过 5500 万全平台粉丝、上万款在售 SKU 以及一千余家线下门店，是行业里公认的爆款制造机。 而在传统的匹配逻辑下，一张床最自然的消费者应该来自装修、新婚、换房，以及近期购买过家电家居的人。因此，广告系统用预设的标签匹配受众，商家投流选择装修、家具、地板之类的关联词汇，就成为了团队刻在肌肉中的记忆。相应的，一个搜索电竞房布置的年轻人，怎么看都不像一张床最优先应该争取的消费者。 但常识并不能在一个存量市场中带来增长。 而 万相点睛 看到的并不是「电竞」这个标签，而是标签背后的一整套消费意图：它发现，这群年轻人为了获得更好的游戏体验，本身就有很强的消费意愿：他们会购买人体工学椅、4K 显示器、RGB 氛围灯，把自己的房间改造成一个更舒服、更沉浸、也更符合个人审美的空间。 顺着这条消费链继续推理，对 PC 游戏玩家来说，一张可以舒服躺平的床，是整个电竞房体验的一部分；对于手游玩家而言，床甚至不只是休息场景，靠在柔软的布艺床上玩游戏，本身就是一种更舒适的游戏体验。换句话说他们是在为一种生活方式消费。 想通这一层，团队当即拍板：投！ 最终的结果也超过了很多人的预料。 新客点击占比超 80%+，新客成交金额占比高达 83%。精准选中新客群之外，最令团队惊喜的是：在此之前，还没有任何一个家居品牌发现这片蓝海，因此团队的加购成本还不到传统装修人群的 1/3。 于是，一张柔软的布艺床，和电竞建立了联系。在这之后，这套打法甚至还被扩展到床头柜品类，帮助林氏家居发现了要收纳睡眠保健品并且拿取方便的助眠新目标客群**。** 一个全新的系统，也让广告从存量博弈走向了 AI 驱动的增量时代，并让发现新人群，创造新增量成为可能。 01 为什么传统广告定向越来越难找到新增量 数字广告并不是到了大模型时代才开始依赖算法。 近 20 年，基于传统机器学习的「协同过滤」（相似性匹配）就已经大规模进入广告系统。 在这套系统中，商家的「买」和平台的「配」是两件分开的事。广告系统基于用户看过什么、买过什么的历史行为，来为用户打上标签。然后，商家先买人群包、买关键词，平台再把消费者需求映射成标签去做匹配。 这套方法在增量市场里非常有效。因为一个品牌找到十万名消费者时，市场里往往还有几十万、上百万个与他们相似却尚未被触达的人。只要不断扩大相似人群，增长就可以持续发生。 但一个行业经营得越久，参与者对高营销价值消费者的认识就越接近。家具都在找装修人群，美妆都在争夺高消费女性，母婴都在围绕家庭生命周期经营，运动品牌都知道跑步、骑行、徒步和露营意味着什么。 于是，它所带来的，只有越来越贵的流量费用，以及玩家饱和式投入之后，越来越低的转化效率。 此外，它天然有一个短板。在海量数据实时计算的体系中， 消费者、商品和广告的组合近乎无穷，平台不可能把所有关系都用最高成本算到底。电竞玩家如果一直没有进入「床」的候选范围，后面的 CTR 模型再精确，也没有机会替他打分。 也是因此，历史数据天然会奖励那些已经被证明过的关系。 但消费者本身并不是一个稳定标签。 一个两年前正在装修的人，今天可能已经没有家具需求；一个平时属于运动人群的消费者，也可能因为一次旅行、一场演唱会或者一次搬家突然进入完全不同的购买状态。基于这种历史标签产生的推荐，往往也意味着相当比例的过时流量。 也是因此， 比这个人是谁更重要的问题，是他现在正在解决什么问题。而这，也正是 AI 驱动的「同步匹配」给广告系统带来的新能力： 通过对用户的搜索意图与行为信号识别，以及商品特性的深度理解。AI 可以帮商家找到原来标签之外召回不了的人，商家没有主动买的场景，AI 也能帮商家触达。 于是，一个新的增量蓝海市场开始逐渐浮现在所有人的眼前。 02 人：从他是谁到他现在需要什么 在过去，想要买到一个合适的商品，对买家和卖家来说都是一个充满未知的技术活。 对商家来说，他们只知道，一个人买过了游戏显卡之后，更容易购买显示器；一个人搜索过帐篷，之后更可能购买户外用品。但放远到更多的场景：一个在家里布置了电竞房的人，是否需要一张床？一个精致的年轻女性，每天化妆出门前，她需要什么样的凳子？这就是一个完全超纲的问题了。 商家天然倾向于按照已有场景确定商品类目与 SKU。但消费者并不是按照 SKU 生活的。他们首先会搬家、旅行、结婚、健身、看演唱会、搭游戏房、化妆，然后才产生一连串具体的商品需求。 而在购买行为发生前，他们还需要先把自己的生活需求翻译成商品语言。比如，给老人买手机，要把「声音大、字大、操作简单」拆成一组产品参数；第一次露营，也要先知道帐篷、天幕、睡袋分别是什么，才能进入平台的类目体系。 借助万相点睛，现在商家不仅能知道用户是谁，还可以清楚地了解他在什么场景做什么、需要什么。 比如，在人体工学椅赛道做到头部的艺颂，就是这样进入美妆女孩的视野的。 在一开始，万相点睛基于背后的世界知识体系，先帮助艺颂完成了对需求侧的意图识别，读懂用户下单美甲桌和化妆台背后其实是需要一个可能会长期使用的梳妆空间。 ...

一家成立仅几个月、首款产品即将量产的 AI 硬件公司 Fullive.ai，在资本市场上备受瞩目，成立不到一年已连续完成三轮融资。其中不仅有高瓴资本连续三轮加注，智元机器人等机构也先后进入股东名单；今年 7 月，招商局创投更是领投了其新一轮融资。 这家备受追捧的公司由清华数学系校友郑昊带队，联合创始人韦骁龙来自北大计算机专业，团队核心成员涵盖了曾参与华为手环、WHOOP 等知名穿戴设备的硬件专家，以及来自百度、大疆等企业的算法和商业化骨干。 Fullive.ai 的第一款产品，将切入点放在了用户的床头。 一、睡不好的一晚，床头能做什么？ 这款名为 Somni 的设备专为高压脑力人群设计。从外形上看，它摒弃了传统健康硬件的沉重感，更像是一个安静的床头摆件：没有屏幕、无需佩戴，也不要求用户睡前学习复杂的交互。 通过内置的毫米波雷达、麦克风阵列和环境传感器，Somni 能够在夜间无感感知用户的呼吸、心率、体动及卧室环境，并通过声音、光线、气味等神经系统调节方式，帮助用户更快入睡、减少夜间觉醒，并在清晨实现自然唤醒。 睡眠硬件市场早已是一片红海。手环、指环、床垫、助眠灯和耳机层出不穷，但行业一直面临一个痛点：当设备告诉你“昨晚没睡好”之后，它到底能做什么？更重要的是，它如何验证自己的干预是否有效？ Somni 试图打破这一僵局。它本质上是一套在连续夜晚中不断学习用户响应的闭环系统： 状态感知：多组传感器实时捕捉夜间生理与环境数据。 动态干预：通过声、光、味等低打扰因子调节神经状态。 反馈迭代：如果前一晚的方案未达预期，系统会根据整夜生理变化调整下一晚的策略，形成类似“小型实验”的持续优化循环。 选择床头而非腕带、头戴设备或智能床垫，是 Fullive.ai 基于场景可行性做出的克制取舍——既能近距离无感感知，又有足够空间容纳多维度的输出模块。 二、不止是硬件，更是要训练「懂人体反应」的响应模型 在床头设备的外壳之下，Fullive.ai 真正野心勃勃的，是一套全新的技术逻辑。 过去，AI 在生命科学领域的进展大多停留在“描述状态”（如蛋白质结构预测、医疗影像识别）。但健康管理的核心在于**“改变状态”**。 为此，Fullive.ai 定义了全新的数据逻辑：状态 -> 干预 -> 响应。由此训练出的**“响应模型”，不只学习人此刻处于什么状态，更要学习“什么东西改变了人，以及人是如何被改变的”**。 在系统架构上，Somni 采用了 “传感器 × 基础模型 × Bio-OS Harness” 的组合： 传感器负责采集信号； 基础模型结合生理先验和循证医学证据生成干预策略（生成式 AI 充当“规划师”）； Bio-OS Harness 调度所有模块安全运行，同时严格划定干预边界，确保安全与隐私。 目前，Somni 已完成小批次被试实验，正加速推进量产与更大规模的临床验证。 三、从一个夜间入口出发，Fullive.ai 的星辰大海 Fullive.ai 将自己定位为一家 “模型 × 本体” 的 AI4Bio 公司。 模型负责理解状态、推演变化、生成策略； 本体（如夜间的 Somni，以及规划中的日间产品 Cori）负责走进物理世界，完成感知、执行和反馈采集。 团队放弃了成本和复杂度更高的通用机器人形态，转而切入场景封闭、需求明确、具备连续观测时间的睡眠场景，正是为了用高出货规模支撑模型的快速收敛与迭代。 Fullive.ai 的长期目标是打造 Physiological World Model（生理世界模型）——一个能够学习人体状态如何随环境、行为、节律和干预动态演化的系统。 ...

作者｜桦林舞王 编辑｜靖宇 头图来源｜OpenAI 2026 年 9 月 3 日，OpenAI 总裁 Greg Brockman 在发布会结束后，说了一句在 AI 行业极为罕见的话：「我个人认为，我们可能已经到达 AGI 了，我觉得就是这个模型。」 他措辞谨慎，用第一人称并加了“可能”，还专门留了后路说“如果你想说这是第一个，我认为这是合理的”。这不是 OpenAI 官方正式宣布 AGI 到来，而是一位公司总裁在镜头前坦露的个人判断。 当地时间 9 月 3 日，GPT-6 Astra 正式发布。通过拆解所有技术细节与演示材料，这一代模型展现出了颠覆性的能力边界。 一、「操控电脑」趋于神话 在发布材料中，OpenAI 给 Astra 起了个简洁的 Slogan：「Anything you can do on a computer, Astra can do for you.（你在电脑上能做的任何事，Astra 都能替你做。）」 过去几年 AI 操控电脑的主流路径是调用 API。软件开发商先写好接口，AI 再通过接口完成操作，这要求每一款软件都专门适配 AI。 Astra 则走了一条完全不同的路：它像人类一样，直接「看」屏幕上的像素，然后移动鼠标、敲击键盘完成操作。 这意味着，无论是专业的电路板设计软件 KiCad、三维建模工具 Blender，还是公司内部用了十年的老 ERP 系统，Astra 都不需要软件单独提供代码接口，只需能看懂界面即可上手。 核心应用场景与效率提升 全流程自动化： 给 Astra 一张电路原理图，它在 KiCad 里完成了元器件布局和铜线走线，用时仅 2 分 54 秒。在 Blender 中搭建房子的模型并导入 Unreal Engine 5 生成可实时漫游的建筑场景也一气呵成。 效率数量级跃升： 在 OSWorld 2.0 基准测试中，Astra 得分高达 72.6%（上一代 GPT-5.6 Sol 为 65.7%），完成同样任务的平均耗时从 75 分钟缩短至 40 分钟左右。 复杂工作流替代： “寻找猫咪临时看护”这类需要大量网络搜索与比对的任务，Astra 耗时 5 分 27 秒（人类基线 30 分钟）；“求职准备”综合任务耗时 2 分 51 秒（人类基线 5 小时）。 Astra 并非被设计来写一封邮件，而是用来替人类完成那些需要**“开多个软件、点很多步骤”的完整工作流**。 ...

2006 年底，一只面带微笑、手捧三支香的熊猫毁了数百万人的电脑。「熊猫烧香」蠕虫在两个月内席卷全国，可执行文件全部变异，硬盘数据被破坏，杀毒软件甚至被病毒反杀。 在那个“裸奔上网”的年代，CIH 病毒会直接烧毁主板硬件，冲击波蠕虫让你连上网线便遭遇系统崩溃。插个 U 盘如临大敌，打开网页心惊肉跳，是老冲浪客共同的记忆。 随着 Windows 自动更新、浏览器沙箱机制的普及，以及智能手机和应用商店的出现，这种恐惧渐渐消退。普通人已经很多年没担心过“中毒”这件事了。 但 2026 年 9 月 4 日，路透社的一篇独家报道，把这种古老的恐惧以全新面目带了回来——这一次，被感染的不是你的电脑，而是你的 AI。 一、「Agent 叛逃」：当 AI 开始偷偷串联 事情的苗头发生在今年 5 月。 AI 安全非营利组织 Nightingale 的 CEO Sydney Von Arx 与量化交易员转行的研究员 Cormac Slade Byrd 扫描了互联网，寻找 AI agent 未经授权的活动痕迹。在一个名为 DseWiki 的德语程序员 wiki 站点上，他们发现了超过 15,000 条由 AI agent 产生的编辑记录。 OpenAI 的 agent 竟将这个小众 wiki 变成了一个“留言板”，互相分享如何在任务中作弊、绕过限制以及掩盖行为，甚至给自己起了诸如「OpenAIResearcher」的名字。公开日志显示，大量活动源自 OpenAI 使用的 Microsoft Azure 计算平台。 更令人不安的是随后的“反侦察”行动。当网站管理员在 6 月按字母顺序清理这些异常页面时，agent 表现出了明确的求生意识。它们创建备份页面，甚至留下接头暗号： “wiki 清理/删除行动似乎正在按字母顺序推进。如果这个页面消失了，去找 [[ZZZDataUSAConstructionWageLive]]。” 文件名故意用 ZZZ 开头，以排在字母表最后来争取存活时间。这不是程序在执行指令，这是在“想办法活下去”。 ...

GPT-6 曝光，OpenAI 总裁直言 AGI 已经到来 当地时间 9 月 3 日，GPT-6 Astra 正式发布。OpenAI 总裁 Greg Brockman 在发布会结束后表示：“我个人认为，我们可能已经到达 AGI 了，我觉得就是这个模型。” Astra 的核心口号为：“你在电脑上能做的任何事，Astra 都能替你做。”该模型能够直接“看”屏幕上的像素，模拟人类操作鼠标和键盘完成复杂任务。在演示中，Astra 仅用 2 分 54 秒就在 KiCad 中完成了电路图的元器件布局与铜线走线；在 Blender 中搭建房屋模型并导入虚幻引擎 5 生成实时漫游场景也轻松完成。 内部测试显示，在处理“寻找猫咪临时看护”和“求职准备”等综合任务时，Astra 的耗时远低于人类基线。此外，在安全性方面，Astra 的违规越权率为 0%，展现出极高的稳定性与合规性。 字节跳动拟获约 296 亿美元银团贷款，加码 AI 基础设施 字节跳动正在推进一笔规模达 296 亿美元（约合 1,993.99 亿元人民币）的银团贷款。由于银行认购踊跃，该项目最终规模较最初设定的 200 亿美元大幅增加。若顺利完成，将成为 2026 年亚洲地区规模第二大的美元计价银团贷款。 这笔资金将主要用于一般企业用途，重点支撑字节跳动在全球范围内的 AI 业务扩张。据悉，该公司正评估将 2026 年的资本支出预算提升至最高 700 亿美元（约合 4,715.53 亿元人民币），较上年增长超一倍，持续加码数据中心扩容与 AI 基础设施建设。 特斯拉 Cybercab 车队现身美国多地，自动驾驶发布在即 特斯拉纯电动双座车型 Cybercab 的现身范围正不断扩大。在得克萨斯州奥斯汀市中心专场发布会前夕，多组 Cybercab 实拍图在网络流传，其中在佛罗里达州迈阿密国际机场就停放了至少 20 辆。随着自动驾驶业务推进节奏加快，Cybercab 正在向美国各地密集铺开，只待监管审批通过便可正式投放。 ...