2026年09月26日AI 版

依据

慕尼黑 CESifo 的经济学研究者 Robert Fairlie 和 Jane Wu 在《The Early Impacts of AI on Employment Among Recent College Graduates》中写道，“there is no evidence of any significant, widespread displacement or reduction in hiring”。他们取美国人口普查局当前人口调查（CPS，即 Current Population Survey）的微观数据，锁定 22 到 25 岁、未继续攻读学位的学士学位持有者，按年同比和季节趋势回看到 2022 年——那年就业回到疫情前水平，也是 ChatGPT 发布那年。2026 年夏季这批人的失业率是 7.3 percent，落在 2022 年 6.3 percent 到 2024 年 7.8 percent 的区间内；把对照组换成同龄非本科毕业生和 30 到 49 岁的年长本科毕业生，2022 到 2026 年的趋势差异几乎都不具统计显著性。差别在口径：斯坦福那项研究用的是 HR 公司 ADP 的工资单数据，量的是各领域岗位的总供给；这里的失业率同时含了对岗位的总需求，需求可以在供给收缩时反向移动。

依据

微软 Surface 部门企业副总裁 Brett Ostrum 对 Windows Central 说，本周发布的新 Surface「are not called Copilot+ PCs」，尽管它们满足旧门槛。旧门槛是 16GB 内存、256GB 存储，加一颗算力 40 TOPS（trillion operations per second，每秒万亿次运算）以上的 NPU（neural processing unit，神经网络处理单元）。新机用骁龙 X2 Plus 与 Hexagon NPU，标注 80 TOPS，标签反而撤了。高通计算业务高级副总裁 Kedar Kondap 说得更直白：Copilot+ PC 本意是划出一类有门槛的设备，例如 45 TOPS 的 NPU，如今是提供同样的体验，只是不用这套术语了。对照数字来自 Nadella：2025 年 1 月他说 Copilot+ PC 占美国假日季高端笔记本销量的 15 percent。另一头是渠道现实，IDC 的 Jitesh Ubrani 说，云端方案随处可得、端侧用例有限，买家对 AI PC 的兴趣早就摇摆；Dell 今年也砍掉了 2025 年才推出的 AI 笔记本命名。标签一撤，OEM 省下的是说服成本，买家省下的则是为标签付的那部分溢价。

依据

华盛顿特区联邦上诉法院以 2-1 裁定，五角大楼有充分依据把 Claude（Anthropic 的 AI 模型产品名）继续整合进其信息系统视为受法律涵盖的国安风险，多数意见称部门「有充分支持」，并指出 Anthropic 自己承认在模型里写入限制，让它不做某些任务。法院据此把纠纷定性为标准合同谈判，驳回 Anthropic 关于正当程序与言论自由的主张。Anthropic 发言人 Danielle Cohen 说公司仍相信自身立场，正评估所有选项，包括向更大合议庭或最高法院上诉。机制上，供应链风险标签要在不同法院分别挑战：旧金山一名联邦法官先推翻其中一项，并在上月确认该裁决；周五的判决让另一项无限期保留，五角大楼的封禁得以继续。Anthropic 曾称客户担心与「政府弃儿」做生意而收入流失，之后未再更新财务影响，同时对外强调销售增长并推进年内可能的 IPO（首次公开募股，即公司股票首次公开发行）。

依据

Meta Superintelligence Labs 的 David Singleton 在 X 上说，Muse Secure VM（安全虚拟机）是用户自己在云里的电脑，可以装软件、编译代码、浏览网页，是一台按用户意愿操作的 Linux 机器；Meta 发言人 Daniel Roberts 对 The Verge 说，产品仍在更新，用户可能看到虚拟机可用信息量的变化。机制上，Muse 暴露的不是模型权重，而是这台虚拟机的文件系统（filesystem，操作系统用来组织文件和目录的层级）；当它提供可点击文件浏览器并访问 root（根目录，文件系统最上层），导出权限就取决于操作系统账户、密钥和日志脱敏，而不是聊天框的输出过滤。对照是：昨天它只给一个显示目录树的文本文件下载，并拒绝完整 / copy，今天则把 root 目录打成压缩包，称“all with secrets stripped out”。这使安全评审的边界从回答内容移到云主机权限。

依据

John Gruber 在 2026年9月25日 的短文《Muse Looks Cute, but Looks are Deceiving》里说，Muse 是第一个普通消费者够得着的 agentic AI 系统（能自己连续执行多步任务、而非只答一句话的 AI）：每个用户分到一台常驻在 Meta 云上的 Linux 虚拟机，安装和使用都被做得极简单，还配了个吉祥物。他的原话是「我不认为人们意识到 Muse 有多强大——因此有多危险——尤其是在你的 Mac 上运行的时候」。机制在于包装与权限的落差：他拿电锯作比，买一把能切掉手指的电锯的人，几乎都清楚自己买的是什么；Muse 的可爱外观让同一个判断失效，而 agent 拿到的是本机文件、账号和一台常驻云端的机器，不是一件工具的默认预期。Simon Willison 只做了摘录，没有给权限清单，也没有给任何实测数字。

依据

AWS Machine Learning Blog 用一句标题给出结论：MoE 强化学习跑在 Amazon EKS 上，配 EFA（Elastic Fabric Adapter，把 GPU 机器直连、绕开 TCP/IP 栈的弹性网络适配器）和 DeepEP（DeepSeek 开源的 MoE 专家并行通信库），吞吐提升 40%。MoE（Mixture-of-Experts，混合专家）RL 的瓶颈常常不在算力而在专家并行的 all-to-all 通信：EFA 提供 RDMA 通路、DeepEP 负责压缩通信量、EKS 负责调度，三者缺一，标题里的 40% 就复现不出来。这也解释了策展句为什么强调「才换来」——换的是两件基础设施，不是一次框架升级。材料给到的可核对数字只有这一个 40%，没有基线吞吐、没有对比组、没有卡数。

依据

这条材料是 OpenAI 自己发布的客户案例，主角是车队管理公司 Proaction：它用 Codex、GPT-Live-1 和 GPT-6 Astra 来做开发、运营和销售，标题给出的结果是销售提升 60%、省下 75+ 小时。Codex 是 OpenAI 的编程智能体，把写代码这一步自动化；另外两个名字在同一句里并列出现，材料没说各自负责哪一段。两条数字都缺对照对象——60% 是跟哪个季度、哪支团队比，75+ 小时是一个月攒的还是一年攒的，材料里都没有。所以能站住的只有「Proaction 自称在上了这套工具之后出现这两个数字」，推不出销售岗照做也能拿到同样幅度，更推不出增长是工具带来的还是业务本身在跑。