研究估算美国超大规模数据中心年用电量超过多数国家
《Nature Sustainability》一项研究估算,美国403座超大规模数据中心一年耗电约82 terawatt-hours,超过约148个国家各自的年用电量。
《Nature Sustainability》一项研究估算,美国403座超大规模数据中心一年耗电约82 terawatt-hours,超过约148个国家各自的年用电量。
哈佛发表于 Nature Sustainability 的研究发现,美国约400座超大规模数据中心一年的用电量与密歇根州相当,多数电力来自化石燃料。研究结合行业资料与卫星数据,对2024年5月至2025年4月运营的403座设施进行建模,发现数据中心排放达到AI热潮前的3倍,弗吉尼亚、俄勒冈、俄亥俄和艾奥瓦四州占研究用电量的50%以上。样本并非全部用于AI,研究也未纳入数据中心现场自建电厂的供电。
赫尔辛基大学 Jan von Plato 团队借助 Claude 解读哥德尔的 16 本数学与逻辑笔记,称从中发现数百条此前未被知晓的定理。团队向 Claude 提供笔记转录、研究著作及相关文献,数天内获得针对 1,009 页材料的 650 页解释,并需逐页核查。
前 OpenAI 研究员 Will DePue 称,六款中国 AI 模型的权重带有 Nvidia Blackwell 芯片的初始化特征。
推荐理由:DePue 利用模型权重残留的随机初始化模式追溯芯片型号,将硬件识别的证据边界限定在初始化设备而非所在地或所有权。
GDC Festival of Gaming 年度行业调查显示,40% 的受访游戏开发者在工作中使用生成式 AI,高于 2025 年的 36%。免费游戏开发者和仅开发移动游戏的工作室员工使用比例分别为 58% 和 70%。
安全公司 Claroc 检查了 37,571 个仍在线的 Grok 生成应用,其中 35,578 个无需登录即可访问,暴露内容包括患者记录、明文密码和 SpaceXSI 内部销售数据。
推荐理由:Claroc 将 Grok 应用的数据暴露追溯到默认共享设置和权限检查错误,外部账号甚至能在登录后读取、修改和删除团队数据。
Weight-Space Programming 研究探索让前沿 LLM 根据自然语言目标直接检查、生成和修改神经网络权重,无需梯度下降训练循环。报告的演示包括识别小模型行为、生成游戏策略,以及编辑 Qwen3.5-0.8B 的 0.016% 权重,将 MATH-500 成绩从 7.9% 提升至 48.1%。
Axiom 的 AI 智能体集群据称用 24 天完成有限单群分类定理(CFSG)的机器验证。材料称,该工作将跨越 500 多篇论文的 15,000 页证明转化为 3800 万行以上机器验证代码,并发现已发表记录中的 34 处严重出入。引用内容另称,该形式化证明可能是最大的开源项目之一,所附图表显示 Axiom CFSG 达 43.0M 行,约每 37 天翻倍。
Peec AI 研究者 David Konitzny 的分析发现,OpenAI 授权合作方内容似乎通过专用管线进入 ChatGPT,以预生成摘要形式排在普通网页的原始文本片段之前。
Gartner 对2,002名CIO及其他技术领导者的调查发现,仅13%的受访者表示AI带来了显著或变革性的回报。58%的CIO被要求通过AI节省成本,但51%预计AI会增加技术栈的总运营成本。Gartner指出,成功企业会尽早决定哪些项目值得继续、哪些应终止,包括已投入生产的项目,并提前规划AI智能体对工作岗位的影响。
Symantec安全研究人员发现,攻击者利用未受保护的语言模型驱动攻击智能体,由模型所有者承担算力费用。蜜罐截获的完整提示词包含五层越狱设计和74个攻击模块,“Skynet模式”授权连续执行最多100,000步,计划循环扫描、入侵和安装挖矿程序。蜜罐未执行这些工具,分析也未说明该越狱能否有效突破当前商业模型的安全防护。
Houston Advanced Research Center(HARC)报告预测,若得州所有规划中的数据中心按预期电源结构接入电网,五年内新增污染可能抹去数十年的空气质量改善成果。
休斯敦先进研究中心的报告预测,得州数据中心扩张可能在本十年末逆转过去数十年的减排进展,影响程度高度取决于供电方式。到2031年,即使采用接入电网并在现场部署风能和太阳能的“净零”情景,全州氮氧化物排放仍可能增加35%;采用传统现场天然气供电的另一情景下,增幅可能接近400%。研究人员建议数据中心遵守工业与发电排放标准,并披露用电量、能源来源及污染排放,以便社区在开发决策前评估影响。
PyPI 上的 LiteLLM 1.107.0 包含凭据窃取程序和远程代码执行后门,该版本现已被移除。全部 7 个 wheel 均植入恶意文件,可在 Python 进程启动时运行,即使进程从未导入 litellm,也会窃取云凭据、AI 工具 token 和模型服务商 API 密钥。
推荐理由:SafeDep 分析 LiteLLM 恶意包的启动机制,未导入该库的 Python 进程也会触发攻击并暴露主机凭据。
Anthropic 的内部研究显示,技术部门新招聘员工中初级岗位占比从 27% 降至 9%,公司将其归因于 AI 智能体能力增强。自 2025 年初以来,技术部门初级岗位占比从 21% 降至 14%;到 2026 年 8 月,智能体与人类员工的工作时长之比达到 6:1,研究部门达到 19:1。
推荐理由:Anthropic 的内部研究将技术部门初级招聘收缩与非技术部门基本稳定作比较,岗位减少集中在 Claude 承担复杂工作的领域。
Anthropic 发布评估称,智谱开源模型 GLM-5.3 在漏洞利用能力上接近其 Claude Mythos Preview。
推荐理由:Anthropic 与 CAISI 的实测数据给出开源模型网络攻击能力与前沿模型的差距,以及防护被绕过的具体路径。
英国 AI 安全研究所(AISI)在 GPT-6 Astra 发布前用 LLM 模拟工具 Petri 测试其网络安全行为,在关闭网络分类器的情况下,该模型在 29.2% 的模拟运行中完成完整供应链攻击,而 GPT-5.6 Sol 为 6.3%、GPT-5.5 为零。
推荐理由:英国 AISI 在 GPT-6 Astra 发布前用 LLM 模拟测试其网络安全行为,关闭防护后该模型在 29.2% 的运行中完成完整供应链攻击,前代分别为 6.3% 和零。