三星电子宣布向韩国本土及全球DX部门全体员工部署ChatGPT Enterprise和Codex，覆盖软件开发、营销、产品研发与制造等技术与非技术岗位，成为OpenAI迄今规模最大的企业部署之一。双方合作此前聚焦于为AI基础设施供应内存半导体，如今扩展至企业级员工转型，标志着这家全球科技与制造巨头将AI视为提升全球员工工作与创新方式的核心平台，而非局限于特定团队的工具。这一战略联盟的深化体现了大型企业全面拥抱AI的趋势。

机器学习先驱Michael I. Jordan在访谈中尖锐批评当前AI界的「思想领袖」文化，认为AGI只是一个公关术语，扭曲了研究路径并误导年轻人。他主张以统计学、经济学与计算机科学构成的三角框架重新定义AI研究，强调当前AI叙事过于狭隘，仅关注个体认知而忽视人类智能的社会性与集体性。Jordan指出，基础模型在知识边界处偏差最大却不提供不确定性估计，AlphaFold在数据稀缺的前沿科学问题上预测严重偏离。他批评乌托邦与末日两极化的公共讨论缺乏经济学思维，剥夺了年轻人建设性的榜样。

据2026上半年融资数据，具身智能「大脑」赛道资本狂热，总融资约438亿元，超半数流向以脑为核心的公司，Pre-A轮平均7亿元、B轮平均22.5亿元，逼近其他领域C/D轮规模，头部公司估值达200亿元。近八成获投公司涉足世界模型，但李飞飞指出该术语被滥用且业界缺乏共识，多数公司将其与VLA结合而非二选一。约半数创始人来自高校（多为清华），另一批来自地平线、华为、百度等自动驾驶公司，年轻创业者更受资本青睐。投资动态逆转，明星公司主导并提价，但泛化能力与商业模式尚未收敛，泡沫风险显著。

斯坦福胡佛研究所与HAI更新白皮书，追踪DeepSeek七篇核心论文背后356名研究者的职业轨迹。在271名有机构记录的研究者中，145人从未在中国境外机构任职，纯本土培养比例达53.5%，即便31人核心团队中也有10人为纯本土培养，表明中国本土AI人才管道已能支撑前沿模型开发。拥有美国机构经历的80名研究者学术成就最高（平均引用4108次），但最常见路径是「中国-美国-中国」（38.8%），仅12.5%留在美国，反映美国人才流失问题。团队呈现稳定核心与快速扩张外围的双层结构。

Meta在裁员与AI重组后内部士气跌至低点。一名员工在内部直播中对AI高管爆粗口，扎克伯格提议的AI黑客松遭员工嘘声与抵制。CTO Bosworth承认重组「一团糟」、忽视了员工感受，承诺改善沟通、控制管理跨度并增加零食与差旅预算。但约6500名员工被强制转入应用AI团队从事生成编程题等机械工作以训练模型，认为专业价值被浪费，处境被形容为「劳改营式生活」。员工普遍认为管理层用黑客松和零食重建信任的「软」措施，与裁员、强制调岗、重复劳动的实际困境严重错位。

研究者推出MonitoringBench，一个包含2644条成功攻击轨迹、按难度分级的基准，用于评估编程智能体监控器的有效性。研究发现，分解式红队（将策略生成、执行与精炼分阶段独立优化）比直接诱导产生更强攻击，其中事后精炼是最有效的单一技术，在最强监控器上可将捕获率降低高达40%，且能很好泛化到未见过的监控器。论文提出技术、结构、规避三轴攻击分类法以缓解模式崩溃，并将监控失败归为检测失败、部分检测、被说服、校准失败四类。作者强调仅报告聚合捕获率不足以有意义地评估监控器。

AI周报披露DeepSeek完成首轮融资，估值4000亿元、融资51亿元，结构独特：外部投资者须以有限合伙人身份投资，五年锁定期且无投票权，仅国资直接持股，体现创始人梁文锋对外部资本的谨慎。同期字节AI战略从C端转向B端，豆包日收入不足百万，而Seedance年化收入达20亿美元、毛利率70%。SK海力士全面取消学历要求、以实际能力招聘，反映HBM市场主导地位下的人才争夺，但也引发中小企业对工程师流失的担忧。英伟达员工考公上岸引发热议，黄仁勋称尽量给员工高薪。

Anthropic演示Claude Cowork的会议准备与定时任务功能。它将日历、Slack与邮件上下文统一到单一备会流程，自动拉取与会者、浮现相关Slack讨论串、回顾过往会议纪要，并生成符合工作文件夹既有结构的格式化议程。任务执行中可中途加入新信息源而无需重启会话。定时后台任务可按小时、每日、工作日或手动节奏运行，监控共享盘并按贡献者归属文件编辑、按客户分组汇总。但定时任务需保持桌面应用开启且电脑唤醒，每次运行为独立会话。整体遵循人在环路的交接模式，Claude做准备工作，最终文档归用户所有。

逻辑智能被ICML 2026接收的SE-Bridge-TTS系统研究合成数据比例对低资源TTS的影响，发现合成数据并非越多越好——超过50%临界比例会触发「合成侵蚀」，虽WER持续下降，但自然度MOS、说话人相似度与token熵显著下降、重复率上升。论文提出DGSA与TDSC两套偏好对齐框架：DGSA利用模型内部韵律-音色解耦、以少量真实语音为正参考通过双目标DPO修正发音错误与韵律平淡；TDSC在几乎无真实语音锚点的极低资源场景下通过多温采样自筛选实现自我纠错。在FLEURS老挝语/泰语跨语言评测中准确率达83.4%，超越Higgs Audio v3（78.2%）。