每日AI资讯 2026-08-23
AI 行业动态
Anthropic 组建自研芯片团队，挖角谷歌"TPU 之父"：Anthropic 请来谷歌 TPU 芯片的灵魂人物 Amir Salek，牵头自研 AI 芯片，并与三星联合设计下一代定制芯片，还向英国初创公司 Fractile 采购了 2.5 亿美元的推理芯片。这是它冲刺 2 万亿美元估值的 IPO 关键一步。大白话：TPU 是谷歌自己设计的 AI 加速芯片，"TPU 之父"就是这个项目的核心工程师——Anthropic 想复制谷歌的路径，不再完全依赖英伟达。
微软自研芯片 Maia 300 最早下月推出：微软的自研 AI 芯片 Maia 300 最快 9 月发布，台积电将于 2027 年交付约 30 万颗。微软 CEO 纳德拉近年来反复强调"自研芯片"战略，目的是降低对英伟达的依赖、控制训练成本。大白话：Maia 相当于微软版"TPU"，目标是用自家芯片跑自家模型，少向英伟达交"保护费"。
英伟达 70 亿美元买下 AI 初创公司 Poolside：英伟达宣布以约 70 亿美元收购 AI 模型开发商 Poolside，将其变成自己的"模型工厂"，为客户提供基于英伟达芯片的训练与微调服务。大白话：英伟达不只想"卖铲子"（芯片），还想自己下场"挖金矿"（训练模型），把芯片和模型打包卖。
欧盟裁定：AI 生成内容不享版权：欧盟法院近日裁决，完全由 AI 生成的内容不享有版权保护，关键看"创造性决定权"是否掌握在人手中——AI 只是执行工具时，作品版权归人类指令的发出者，纯 AI 自产出内容则无作者。大白话：AI 画的图、写的诗，目前没有版权，谁都能用；只有人主导的创作才受保护。
X 平台大V动态
Andrew Ng（AI 学者）谈"决定团队能否交付的四个 AI 技能"：吴恩达在 8 月 14 日的《The Batch》通讯里，基于 1 万多个岗位招聘数据总结出四个关键技能：①提示工程；②Agentic 框架（构建能自主执行多步任务的智能体）；③Evals 评估体系（系统化测试、监控 AI 输出的可靠性）；④有效使用 AI 编码 Agent。他特别强调：会写提示词只是入门，"纪律性评估"才是决定 AI 产出靠不靠谱的核心能力。大白话：能不能用 AI 产出好东西，关键不是会不会问，而是会不会"验收"。
苏姿丰回应马斯克"SpaceX 独家采用英伟达"：AMD CEO 苏姿丰在社交平台回应马斯克此前"SpaceX 全部采用英伟达"的言论，表示 AMD 的 MI 系列训练 GPU 已进入 Meta、微软、AWS 的供应链，本轮超大规模数据中心部署中 AMD 拿到约 40% 的份额。大白话：英伟达很强，但不是唯一选择——AMD 正在抢训练芯片的订单。
Ken Griffin 首次公开回应收购 AI 实验室资产：城堡投资创始人 Ken Griffin 公开回应此前收购 AI 研究实验室 Situational Awareness 部分资产一事：他以 40 亿美元大幅削减了该实验室的风险敞口，并称"AI 很重要，但不是所有风险都值得承担"。大白话：这位全球最赚钱对冲基金的掌门人，用真金白银表达了对"AI 军备竞赛"的谨慎态度。
唐杰：智能水平由算力决定，参数量不是唯一标尺：智谱 CEO 唐杰近期表示，模型智能水平本质上由"可获取的算力"决定，参数量不是衡量智能的唯一指标——同样是千亿级参数，训练算力和数据质量不同，智能差距巨大。大白话：参数大不等于聪明，喂进去的算力和数据才决定模型真正实力。
GitHub 项目：prime-agent（自改进 AI 代理）
是什么：PrimeIntellect-AI/prime-agent，近期爆火的 TypeScript 开源项目，星标已超 1.6 万（本周新增约 1.1 万），定位是"面向长时间运行任务的自改进编码与研究代理"。
核心设计：项目提出"递归语言模型（RLM）"概念——把上下文当成"变量"、把子代理当成"函数调用"，在持久化的环境中递归执行任务；同时通过 Persistent Harness 把补充提示、记忆、技能描述固化成持久状态，让代理在一次次任务中"自我改进"。
为什么有趣：大多数 Agent 跑长任务容易"忘事"或崩溃，prime-agent 让代理把经验沉淀下来、越用越强，是"AI 自己教自己"思路的开源范本。
AI 工具技巧：伪代码式提示词
今天的技巧：把要求写成"伪代码"，让 AI 按程序逻辑执行。
具体做法：写提示词时不要只给一句"帮我写封催款邮件"，而是把流程拆成条件分支，例如：
任务：你是邮件助手。
变量：客户未提供发票
流程：
1. 先检查：若缺少发票，则执行步骤 2；否则直接致谢
2. 若缺少发票：
- 先礼貌致歉
- 说明发票缺失会影响结算
- 给出两个补救选项（补发 / 延迟结算）
3. 输出一封 120 字以内的邮件草稿
为什么有效：AI 对"步骤+条件分支"的执行准确率，通常远高于一段含混的描述；它不会漏掉"道歉"这类容易忽略的细节，也方便你随时增删分支。和之前提过的"思维链（CoT）"不同——CoT 是让 AI 想清楚步骤，伪代码是你直接替它规划好分支。今天就能上手：挑一个你常让 AI 做的任务（写邮件、整理周报），把它改写成带 IF 判断的伪代码试试。
AI 论文：OmniScientist（全模态、全学科 AI 科学家）
论文内容：新加坡国立大学与牛津大学联合提出 OmniScientist，一个端到端的"AI 科学家"系统。它不再像以往那样只吃文本和表格，而是直接从原始证据出发——图像、音频、3D 结构、实验代码、仿真轨迹都直接"看"，用"感知优先"的方式做研究。系统由构想、实验、论文写作三个 Agent 协作，并内置三道代码级"红绿灯"：想法检查（防夸大结论）、严谨性检查（数字必须能追溯到真实程序输出，防数据造假）、论断检查（写作时逐条核对实验记录）。
实验结果：在物理、生命医学、农业生态、工程信息等 5 个学科、36 个真实数据案例上全部跑通"原始数据 → 完整论文"的流程。最关键的对比：和"只看预计算特征"的盲版相比，感知版在 7 个评测维度全面占优，两两对比胜率 85%，甚至能从地震波形、星系图像中发现盲版根本看不到的线索。
有什么用：AI 科研从此不限于"读文献写综述"，而是能端到端做实验、写论文，并且因为"眼见为实"，编造数据的概率大幅下降——这是自动化科研往可信方向迈出的一大步。
信息来源：
- 知乎《AI 前沿日报 2026-08-22》：https://zhuanlan.zhihu.com/p/2074395462048785952
- iaipie《2026年8月22日AI行业资讯速览》：https://iaipie.com/2026%E5%B9%B48%E6%9C%8822%E6%97%A5ai%E8%A1%8C%E4%B8%9A%E8%B5%84%E8%AE%AF%E9%80%9F%E8%A7%88/
- Andrew Ng《The Batch》四技能报道：https://startupfortune.com/andrew-ng-names-the-four-ai-skills-that-decide-which-teams-actually-ship/
- CSDN《GitHub 周榜复盘 2026-08-17》：https://blog.csdn.net/aidoudoulong/article/details/163819373
- CSDN《GitHub周刊2026W33 Prime Agent》：https://blog.csdn.net/xiaohui_hubei/article/details/163824768
- 智源社区《OmniScientist：一位全模态、全学科的人工智能科学家》：https://hub.baai.ac.cn/view/57159