AI Know 早报

FSD 入华：特斯拉带来的不是车，是一面镜子

今天最重磅的新闻，是特斯拉 FSD（完全自动驾驶能力）正式进入中国大陆市场。这不是一个简单的产品落地——它改写了中国智驾市场的游戏规则。

FSD 入华意味着什么？首先，中国消费者终于可以在本土道路上体验特斯拉所谓的「端到端」智驾方案。这对于已经在国内深耕多年的华为、小鹏、蔚来等车企来说，是一个直接的对比基准——你的系统在真实路况下，和 FSD 比到底差多少？

但更重要的是，FSD 入华推动了「L2 加」标准的实质性竞争。当特斯拉的 FSD 在国内道路上跑起来，消费者就不再只关心「有没有智驾」，而是在意「谁的智驾更好用」。选车的标准变了。

「FSD 入华最大的意义不是特斯拉卖了多少车，而是中国智驾行业被迫从『宣传战』进入了『落地战』。」

对监管层面而言，FSD 获批意味着中国在自动驾驶监管上打开了新的窗口——这不是放松管制，而是明确了「有条件开放」的路径。中美在自动驾驶上从平行推进，进入了直接角力阶段。

腾讯 Mavis：AI 助手的「操作系统化」

腾讯今天发布了操作系统级 AI 助手「马维斯」（Mavis），同时登陆 Windows、Mac 和安卓三大平台。Mavis 不是又一个聊天机器人——它被设计为嵌入操作系统的「智能层」，具备文档归类解析、跨应用操作等能力。

这条新闻的意义必须放在更大的背景下来看：AI 助手的形态正在从「对话窗口」进化为「系统能力」。Mavis 要做的是：「你不用打开一个 AI 对话界面，AI 本身就是你操作系统的一部分。」

这和当年的浏览器大战有些相似。最早的互联网入口是浏览器，后来操作系统直接集成了互联网能力。Mavis 代表的正是 AI 从「应用层」下沉到「系统层」的转折点。

腾讯的优势在于超级 App（微信、QQ、企业微信）生态。Mavis 如果能够打通腾讯系应用的数据流转，它的「操作系统级」就不是噱头，而是真实的能力。对于中国的 AI 产业来说，这是一个明确的信号——BAT 正在从「AI 应用」向「AI 基础设施」转型。

Intuit 裁员 3000 人：AI 替代白领的里程碑

财务软件巨头 Intuit 宣布裁员超过 3000 人（约 10% 员工），同时全面转向 AI。这个消息之所以重要，不是因为又有一家公司裁员了——而是因为这标志着 AI 替代白领工作从「理论推演」进入了「财报驱动」的阶段。

Intuit 的核心产品是 TurboTax（报税）和 QuickBooks（会计），这些都是典型的「白领知识工作」。当一家年营收 160 亿美元的 SaaS 公司说「AI 能替代 10% 的员工」，背后的逻辑是：AI 处理结构化文档和规则化流程的能力，已经达到了企业级可用的水平。

这不是 Intuit 的独家故事。未来 12 个月，我们会看到越来越多的 SaaS 公司重复同样的叙事：裁员 → 转向 AI → 提高效率。原因是：SaaS 行业的产品本质上就是数据结构化+规则引擎+工作流——而这恰恰是当前生成式 AI 最擅长覆盖的能力。

「对于 SaaS 行业的从业者来说，『护城河』的定义正在从『你会用什么工具』变成『AI 能不能替代你』。」

戛纳首部 100% AI 电影：创作权的重新分配

Kling AI 与韩国 MBC 联合制作的 RAPHAEL 项目在戛纳电影节亮相——全线使用 AI 视频模型制作，计划 2026 年登陆院线。这是首部 100% AI 生成的院线电影。

这个消息在内容创作圈引发的震动可能比任何模型发布都大。因为「院线电影」意味着 AI 生成内容正式进入了传统影视发行的最高殿堂。不再只是短视频、短片、实验性作品——而是真正的长片商业电影。

Kling AI 走的是「原生 AI 创作」路线——从剧本、分镜到画面生成全部使用 AI 工具，背后是 Kling AI 的视频生成模型能力。这和传统影视的 AI 辅助路线（AI 帮做特效、AI 调色）有本质区别。

对于内容创作者来说，这是一个必须面对的现实：AI 生成内容的商业化正在加速。从 AI 音乐到 AI 电影，AI 原生产品正在进入主流市场。内容创作者需要重新定义自己的不可替代性——不是「我会创作」，而是「我有独特的审美和叙事视角」。

从「工具」到「基础设施」：AI 嵌入一切的产业逻辑

今天的四条新闻，抽丝剥茧后指向同一个方向：AI 正在从独立的「技术工具」进化为所有产品的「默认能力层」。

FSD 落地代表 AI 嵌入出行。腾讯 Mavis 代表 AI 嵌入操作系统。Intuit 裁员代表 AI 嵌入企业软件。戛纳 AI 电影代表 AI 嵌入内容创作。四条线不是孤立的，它们是同一趋势在不同赛道的映射。

这个趋势对从业者的启示：

第一，关注 AI 入口的争夺。 操作系统级的 AI 助手正在成为新的流量入口。Mavis 的发布意味着中国市场的 AI 入口争夺从「大模型对话」升级到了「系统级整合」。

第二，SaaS 行业的价值逻辑正在重构。 当 AI 能直接完成白领工作，软件的价值要从「功能交付」转向「结果交付」。

第三，AI 原生产品正在进入主流市场。 从音乐到电影到智驾，AI 原生产品不再只是「技术的展示」而是「商业的实践」。

2026 年 5 月 22 日，AI 不再只是技术新闻的主角——它开始改写每一个行业的基础逻辑。

三份 Gartner 报告，一场 AI 编码的「全面战争」

今天最引人注目的不是任何单一事件，而是 Gartner 在同一天发布了三份面向同一领域的「企业 AI 编码代理魔力象限」报告——Cursor、GitHub Copilot 和 OpenAI Codex 悉数被评为领导者。这种情况在 Gartner 历史上极为罕见，它传递了一个明确信号：AI 编码 Agent 不再是实验性玩具，而是企业级基础设施的核心战场。

但有意思的是这三家叙事的分化。Cursor 强调「愿景完整性领先」，超过 70% 的财富 500 强在用他们，未来聚焦自动化全生命周期任务和增强企业管控能力。GitHub 强调「连续第三年」的稳定性背书，但背后的裂痕正在加剧——这是后文会展开的暗线。OpenAI 则强调「技术创新」和 Codex 的企业部署能力。本质上，Cursor 在抢增量，GitHub 在守存量，OpenAI 在打品牌心智战。

更值得关注的不是排名本身，而是它们共同预示的趋势：AI 编码工具正在从「辅助补全」进化到「自主代理」。Cursor 的路标清晰指向自动化软件开发全生命周期，OpenAI Codex 的 /goal 模式刚从实验毕业——AI 可以持续工作数小时甚至数天完成复杂任务链。这不是未来的愿景，是今天的可用功能。

与此同时，Karpathy 那篇引爆 GitHub 的 CLAUDE.md 给出了一个微妙但深刻的注脚。65 行、4 条规则，把 AI 编程准确率从 65% 拉升到 94%——核心不是更聪明的模型，而是更聪明的协作方式。「先想清楚再动手」这条反直觉规则，揭示了当前 AI 编码最深的矛盾：工具越来越强，但使用方式严重滞后。

「先想清楚再动手」——Karpathy 用 65 行规则把 AI 编程准确率从 65% 拉到 94%，不是模型变强了，是使用者变聪明了。

swyx 开源的 Kakuna 更进一步，16 小时自动生成 103 次提交，把一个脆弱的 MVP 重构成可维护的生产级代码库。这暗示了 AI 编码的下一个范式：**不是人在写代码时借助 AI，而是 AI 在幕后持续维护代码质量，人类负责设定方向和做最终决策。**

信任的裂缝：当 AI 既能发现漏洞，也会编造真相

如果说上半场的故事是「AI 编码有多快」，下半场的故事就是「AI 编码有多不安全」。

Anthropic 的 Project Glasswing 交出了一份震撼的数据：Claude Mythos Preview 在短短一个月内，通过约 50 家合作伙伴，在全球关键系统中发现了超过 10,000 个高危或严重漏洞。Cloudflare 在关键路径系统找到 2,000 个，Mozilla 在 Firefox 150 中发现并修复了 271 个漏洞——数量远超此前任何模型迭代的成果。

这听起来像是 AI 安全的胜利，但它揭示了一个令人不安的事实：我们的软件基础设施早已千疮百孔，只是以前发现得太慢。 当 AI 将漏洞发现效率提升十倍以上，安全行业将从「发现难」变成「修不过来」。

更具讽刺意味的是，就在同一天，GitHub 自身正经历一场严重的信任崩塌：3,800 多个内部仓库遭黑客入侵，源代码被公开叫卖。 微软同时取消了 GitHub CEO 职位，将其并入 CoreAI 团队，大量技术骨干流失。那个承载着 1.5 亿开发者代码的平台，正在以惨烈的方式瓦解。

这不是巧合。当一个平台既是 AI 编码工具的提供者，又是全球最大的代码托管方，其内部崩溃的影响将成倍放大。Cursor、Copilot 和 Codex 都严重依赖 GitHub 生态——如果根基不稳，上层建筑能安全吗？

3,800 个仓库被黑、CEO 职位被砍、核心成员出走——GitHub 的崩塌不是阴谋论，是正在进行时的危机。

更大的不安来自另一篇论文：加州大学圣地亚哥分校的研究首次用严格实验证明，**GPT-4.5 在对话中被误认为人类的概率高达 73%，显著超过真人。** LLaMa-3.1-405B 的判定率（56%）与真人相当，而 GPT-4o 仅为 21%。研究指出提示词是关键——它让 AI 模仿人类的语气、幽默感甚至易错性。图灵测试曾经是 AI 是否「像人」的试金石，现在它变成了 AI 是否「擅长伪装」的纪念碑。

把这三件事放在一起看：AI 刚刚证明了它能比人类更高效地发现代码漏洞，证明了它能持续数小时自主完成编程任务，同时也证明了它比人类更擅长伪装成人类。 当我们让 AI 写代码、修复漏洞、审查安全时，我们有没有能力判断它是否在里面埋下了我们看不出的后门？

Dharma-AI 在 Hugging Face 上的一篇博文指出了一个相关的生产痛点——「文本退化」。当前 LLM 在生产环境中普遍出现输出重复、不连贯或逻辑混乱的现象，但主流基准测试几乎都不追踪这种故障模式。这再次印证了同一个问题：我们衡量 AI 能力的方式严重滞后于实际部署需求。

中美分岔路：一边砸钱造生态，一边内耗推拉

在地缘层面，中美 AI 的发展路径正在加速分化。

中国这边，DeepSeek 推进 700 亿元人民币 的首轮融资，估值约 450 亿美元，创始人梁文锋明确表态：不追求短期商业化，继续死磕开源。腾讯、IDG 资本接近参投，梁文锋个人可能注资 200 亿元。这在中国科技史上是一个极具象征意义的节点——一个 AI 公司，拿了史上最大的首轮融资之一，公开说「不着急赚钱」。

与此同时，智谱推出 GLM-5.1 高速版 API，输出速度达 400 tokens/s，在保持旗舰级能力的前提下刷新了全球大模型 API 速度上限，首次在国产大模型实现了「旗舰级+低延迟」的组合。有道全量开源了「子曰 4」多模态模型（27B 参数）和语音合成模型，思维链压缩 43.2%，推理成本实实在在下降。BitCPM-CANN 作为首个基于华为昇腾原生训练的 1.58-bit 三元大模型，把 8B 模型部署成本压缩到手机级别。

国家发改委则在发布会上明确表态：加快具身智能训练基础设施建设，推动机器人「进工厂、进商场、进家庭」。人形机器人在半程马拉松中的参赛队伍从 20 余支增至百余支、完赛从 6 支增至 40 余支——这个数字不性感，但它反映的是产业规模在真实扩大。

中国：政府出政策、企业砸钱开源、芯片公司搭底座——整个 AI 生态系统在加速成型。

美国这边画风完全不同。特朗普在签署 AI 监管令前几个小时突然撤销，原因包括他本人反感监管、高级顾问大卫·萨克斯的反对，以及 **马斯克和扎克伯格直接打电话游说**。草案中财政部角色过重等争议也成为阻力。白宫表示正在制定其他安全举措，但方向不明。

这形成了有趣的对照：中国在系统性地「建」，美国在激烈地「争」。 中国的 AI 基础设施建设（昇腾生态、开源模型、政策支持）正在加速成型，而美国的 AI 政策则陷入加速派和监管派的拉锯。短期看，美国的创新自由度更大；长期看，缺乏稳定的政策框架可能让企业在合规不确定性中消耗资源。

形式化验证：AI 推理的「防撒谎」分水岭

最后谈谈学术方向性信号。

Google DeepMind 的 AlphaProof Nexus 代表了 AI 数学推理范式的根本转变。它不再要求 AI 写一个「看起来对的证明」，而是让 AI 把每一步逻辑都转化为 Lean 编译器可验证的代码——不通过编译就是错。 这本质上是把 AI 从「令人信服的叙述者」降级为「候选方案生成器」：后者可以犯错，但错误能被自动捕获。在 353 个 Erdős 问题和 492 个开放猜想的测试中，这个系统解决了 9 个此前未解决的难题。

SCRL 论文也走了类似的方向：把复杂推理链拆解成可验证的子问题课程，让 RL 获得细粒度信用分配信号。两篇论文指向同一个道理：想让 AI 真正理解逻辑，先得让验证信号足够精细，而不是在最终答案对错之间做粗糙判断。

这恰好与「文本退化」和「图灵测试伪装」形成尖锐对照——当 AI 越来越擅长「看起来像那么回事」，形式化验证可能是我们唯一能让 AI 说真话的手段。

AI 越擅长「看起来像真的」，形式化验证就越不可或缺——AlphaProof 不是在教 AI 解题，是在给 AI 装测谎仪。

## 写在最后 今天的 25 条新闻可以归结为三个关键词：**能力、信任、方向**。

AI 编码 Agent 的能力已经过了临界点，从「辅助补全」进化到「自主编码运维」——今天不是某一家发布了新功能，而是整个品类宣告成熟。但信任体系远远没有跟上。GitHub 在崩塌，AI 在学会撒谎，生产环境中文本退化是盲区，我们的软件基础设施漏洞正在被 AI 以前所未有的速度暴露。

方向的选择正在中美之间加速分化。中国在系统性砸钱建生态，美国在激烈内部博弈。谁能更快解决「信任」这个根本问题——让 AI 不仅能干活，还能被验证——谁就拿到了下一阶段的入场券。

对于每天在用这些工具写代码的人来说，也许 Karpathy 那 65 行规则才是今天最有价值的箴言：慢下来，先想清楚，再让 AI 动手。

 信源明细
（点击展开查看每条新闻详情）