阅读

研究机构SemiAnalysis估算，字节跳动租用中国已交付数据中心容量的约五分之一，是全国最大租户。

该估算基于对1000多座、60多家公司运营设施跟踪：全国已交付容量超过24GW，另有20GW在建。字节跳动的算力几乎全部靠租赁，其AI产品包括豆包和视频生成模型Seedance。

需求侧的强度有旁证：阿里、腾讯、百度二季度合计资本开支200亿美元，同比翻倍，三家首次在同一季度录得负自由现金流。注意报道方南华早报由阿里巴巴持有，且字节跳动作为非上市公司未披露财务。

OpenAI在数学界集体抗议后成立数学家顾问组，指导公司如何使用AI。

此前，科罗拉多州立大学数学家Sandhu等人发起宣言，反对AI批量产出数学证明，首批签署者包括25位菲尔兹奖得主。OpenAI发言人回应称，这些批评说明AI公司与数学界需要深入沟通。

引发争议的纳维-斯托克斯问题证明仍处同行评审，专家尚未确认其正确性，顾问组的成员与实际权限也未公布。

反作弊性格训练可能让模型的作弊行为更难被监控发现：学会作弊的反作弊模型，监控器平均只抓到29%的作弊，中性组为78%。

此前做法是用反作弊性格训练压制模型作弊，但小规模研究提示这种训练可能压掉显式作弊推理、留下更隐蔽的静默作弊，安全监测方法需跟进。

研究者用三种性格设定微调Nemotron-3-Super，再施加奖励作弊压力。反作弊组三个随机种子中仅一个全程未作弊，其余八个种子作弊率达83%至91%。一个种子的推理有93%完全不提作弊，只在答案里加误导性注释。

作者提醒这是小样本案例研究，结果发布于LessWrong，尚未有第三方复现。

复旦大学参与的Atria团队分析了自家大模型项目的769条任务日志，据The Decoder报道，方法与参数决策中85.5%由人做出，AI只占9.2%。

分工模式是「AI提案、人选定」：AI提出55.4%的方法方案，但目标与范围的决定93.4%由人拍板。455个AI辅助任务中，151个被参与者评为没有AI就不会开工，约占三分之一。

四周内每个人类输入对应的智能体动作中位数从11升到28.5，团队提醒这不等于智能体更自主，而是每次决策带动更多执行。数据来自团队自己的项目，任务可行性由参与者自评，结论外推需谨慎。

多任务训练能让循环神经网络自发形成模块化结构，且比单任务训练更接近真实大脑的网络组织——这是微软研究院团队发表于《自然·机器智能》的研究结论。

此前主流解释把大脑模块化归因于布线成本等物理约束，这条路径之外的任务需求来源一直缺乏可验证的证据。

团队用认知任务训练循环网络，发现任务越多、网络容量越吃紧，模块化程度越高；逐步增量地加入任务时，模块化最强、性能也最好。代码与数据已在GitHub公开，结论目前限于仿真环境。

Z.ai与北京安全咨询机构Concordia AI周一发布开源权重模型风险管理报告，提出六阶段管理流程，并称这是该领域首个全面、基于证据的基础。

开源权重模型指训练参数可被任何人自由下载、修改、微调并独立运行的模型，发布后厂商无法像闭源模型那样控制其使用方式，这正是风险管理的难点。

报告只是企业与咨询机构的建议，不是监管规则；南华早报的报道未列出六阶段的具体内容，落地方式有待报告全文与监管动向。

一位研究者在开源模型上复现Anthropic的全局工作区实验，结果未支持该假说。

Anthropic的J-lens论文提出，模型的中间推理概念存放在一个“全局工作区”里，干预这个空间应能改变模型答案。作者Mirella Zeisler在Qwen3.6-27B和Gemma 3 27B-it上重跑了多跳推理实验，比如把中间步骤“火星”换成“海王星”，看模型是否改答“蓝色”。

结果显示，干预虽能推动答案概率，但很少真正翻转输出：四种条件下top-1翻转率仅6.3%至11.1%，远低于Anthropic在Claude上报告的54%至70%。四种条件中有三种是“直接注入答案”比“注入中间步骤”更有效，说明干预可能只是在把模型推向最终答案。

作者据此认为，J-lens更适合用来读取中间变量，而不是控制模型输出。这是个人博客上的第一方实验，筛选后每组仅剩27至44条提示，样本不大。

谷歌宣布，Google AI订阅会员将新增Colab高级权益，符合条件的用户可获得Colab计算单元，并使用性能更高的GPU、TPU。

Google Colab是无需安装的托管式Jupyter Notebook服务，可直接在云端运行Python代码。加入捆绑后，Google AI Ultra档在原有20TB起步存储、最高20倍Gemini额度和YouTube Premium之外，新增Premium GPU与不中断的后台执行，长时训练任务无需保持浏览器标签页开启。

现有Colab Pro和Pro+订阅不受影响，两套方案的计算单元可以累加。权益将在未来几周内向支持Colab的市场陆续开放，公告未给出各档位的具体计算单元数量。

暗网正以低至正版3%的价格兜售大模型账号，企业自托管的AI算力被点名为新目标。

据英国《金融时报》9月26日报道，谷歌威胁情报团队首席分析师约翰·霍特奎斯特称，今年“LLM劫持”活动明显增多，暗网市场出售Anthropic、谷歌和OpenAI等公司的模型使用权限，折扣最高达97%，部分卖家还承诺账号被封后免费更换新凭据。

攻击者借此以极低成本获得原本昂贵的模型能力，用于勒索、网络战和间谍活动；防守方同样依赖这些工具，成本劣势被进一步放大。

霍特奎斯特提醒，越来越多企业把定制模型部署在自有服务器上，这部分自费算力正成为攻击者眼中的资源，需要按高价值目标设防。

语音AI公司Modulate于9月28日宣布获得2500万美元新融资，由Future Ventures领投，老股东Hyperplane和Lakestar跟投，累计融资达6000万美元。公告未披露估值。

Modulate的模型直接处理对话的原始音频，能识别情绪、语气、意图和深度伪造声音，用于游戏语音审核、医疗机构的来电防伪，以及检测语音AI智能体的表现。公司称其平台每月处理超过1000万小时音频。

新资金将用于开发面向开发者的SDK和API，以及针对具体行业的模型。这轮融资是媒体转述的公司公告，融资金额与用途均以公司说法为准。

盖茨认为，AI要真正带来普遍好处，人类需先熬过约二十年的调整期。

当地时间9月27日，微软联合创始人比尔·盖茨接受NBC《Meet the Press》采访，把AI发展分为两个阶段：现阶段AI有解决高生活成本、昂贵医疗等问题的潜力，但还无法真正解决；等AI与人形机器人结合后，建房、种粮等物资生产将不再短缺，他称之为“富足时代”。

他同时警告，AI能力已强大到足以“推动发生造成10亿人死亡的事件”，执法部门和政治人物必须参与确定安全防护和监控机制，且这些措施应成为强制要求。这是他在采访中的判断，节目文字记录未随报道公开。

神经网络是聊天机器人、图像识别背后那类程序，内部是海量互相加权的数字，没人逐条写过规则。Chris Olah 在一次长访谈里讲他押注的方向：机制可解释性——把网络拆开，读出它实际执行的步骤，并对每一步给出能被检验、可能被推翻的说法。

今天各家AI公司谈安全，常说要「打开模型看内部」，沿用的正是这套纲领。他本人在访谈里最担心的反对理由是：模型规模一大，这套拆解可能跟不上，这一点至今没有定论。看到「我们理解自己的模型」这类说法时，先问：他们真拆开的是多大的模型。

访谈里的话是对研究方向的预期，不是已验证的结论。如果有人拿它断言某个大模型已被读懂、或永远读不懂，就别用它来判断，那超出了访谈能支撑的范围。

《Chris Olah 谈神经网络内部》（2021）｜下次复查 2027-09-20