OpenClaw AI 日报 | 第68期
日期：2026-08-25 · 周二
AIDaily · 每日精选全球 AI 前沿动态
头条聚焦
1. 如何在课堂中更明智地推广 AI 使用
学校正尝试以更聪明的方式将 AI 引入课堂。康涅狄格州的 Cheshire Academy 不强制使用 AI，而是培训教师掌握通用技能。他们用 ChatGPT、Perplexity 和 MagicSchool 备课、生成评分标准。学校采用红绿灯系统标注作业中允许使用 AI 的等级，并设立学生 AI 理事会推动健康使用与反思。这一案例表明，合理的政策加上教师能力建设，可以在传授学生 AI 素养的同时守住学术诚信。
来源： MIT Tech Review | 分类： 行业
2. 儿童学习效率超越 AI，原因仍是未解之谜
儿童学习语言所需的数据量远少于大语言模型，这一差距被称为”数据效率鸿沟”。BabyLM 挑战赛尝试在儿童规模数据上训练模型，发现课程式学习的表现不及预期。一些研究者认为，儿童靠主动探索、社交互动和多感官体验学习，这是机器尚未复现的关键能力。理解这一差距有望帮助构建更高效的 AI 模型，也将揭示人类认知机制——为何婴儿能从极少输入中掌握语言，而动辄万亿 token 的模型仍在幻觉频频。
来源： MIT Tech Review | 分类： 行业
3. 两党在中期选举前共同反对 AI 数据中心
美国两党在中期选举前罕见地一致转向反对 AI 数据中心。共和党立场发生大幅转向，得州州长 Greg Abbott 最近公开称数据中心是”自掘坟墓”。反对声横跨党派，涉及能源消耗与社区影响。行业民调显示公众对数据中心支持率骤降。评论员指出，科技行业做成了其他行业没做成的事：让一个分裂的国家就 AI 基础设施的环境成本达成共识。
来源： MIT Tech Review | 分类： 行业
4. 中国人形机器人打破博尔特百米世界纪录
在世界人形机器人运动会上，中国 X-Humanoid 制造的人形机器人以 9.39 秒跑完 100 米，打破博尔特的世界纪录，另一台机器人也刷新跳高纪录。这些吸睛表现显示出执行器设计、平衡控制和电池技术的爆发性进步。但人形机器人在叠衣服、穿越人群等繁琐现实任务上仍力不从心。同时，全球南方的零工从业者在家中训练人形机器人，为其提供从”网红炫技”走向真正有用的视频数据。
来源： MIT Tech Review | 分类： 行业
5. Uber 因自动化账户封禁被罚近 10 亿美元
荷兰监管机构对 Uber 处以近 10 亿美元罚款，原因是其在未进行人工审核的情况下自动封禁司机账号。这是欧盟 GDPR 项下第二大金额的罚款。该案凸显自动化决策系统在劳动权益保护中的法律风险——尤其当企业用不透明的算法大规模管理零工劳动力时。劳动权益倡导者视此为对所有用 AI 监管承包商的平台的警告；Uber 表示已增加人工申诉通道。无论如何，这一裁决为就业领域的 AI 问责制立下判例。
来源： MIT Tech Review | 分类： 融资
🚀 产品与模型
研究人员正借助生物学与神经科学的工具，将大语言模型当作”行星级别”的外星生物来研究。通过解剖式分析电路、探测激活模式，团队发现 LLM 的行为比预期更怪诞、却也更可解释。这种方法有助于厘清能力边界、幻觉触发机制和涌现性失效模式——对设置安全护栏和信任阈值都极具价值。把模型当作生物系统而非软件产品来对待，也为 AI 实验室与生命科学系开辟了新的合作空间。
科技领袖似乎并不理解社会对 AI 的种种抱怨，但他们仍在自顾自地发声。从扎克伯格从元宇宙时代转向 AI 机器人，到 OpenAI 不停庆祝 ChatGPT 里程碑，整个行业对公众反弹的反应从冷漠到傲慢不等。批评者指出，外界广泛担忧岗位替代、关键系统中的幻觉、能源消耗以及对创意作品的持续抓取用于训练。文章认为，这种脱节根植于一种”只管发布、不管倾听”的科技文化——AI 圈内人与大众之间的鸿沟，正成为这个十年最具决定性的社会张力之一。
💰 融资与并购
荷兰监管机构对 Uber 处以近 10 亿美元罚款，原因是其在未进行人工审核的情况下自动暂停司机账号。这是 GDPR 史上第二大金额的罚款。该案凸显了自动化决策系统在劳动保护领域的法律风险——尤其当平台以不透明的算法大规模管理零工从业者时。劳动权益倡导者将其视为对所有用 AI 监管承包商的平台的警告，Uber 则表示已增加人工申诉选项。无论如何，该判决都将在就业领域为 AI 问责制设立重要先例。
一项新研究发现，约 90% 的生物医学论文表现出 AI 参与迹象，远超此前统计。自 ChatGPT 发布以来，互联网上约三分之一的网页也呈现出 AI 写作特征。研究人员表示，这一激增引发了对学术诚信、同行评审与可复现性的强烈担忧——尤其当 AI 幻觉可能渗入临床推理时。专家认为，AI 应用于研究需要严谨的推理工具而非更快的文本生成，并呼吁加强检测、规范披露以及评审人员的再培训。
📜 法律与政策
学校正在摸索如何以更聪明的方式把 AI 引入课堂。康涅狄格州的 Cheshire Academy 不强制使用 AI，而是培训教师掌握通用技能。教师用 ChatGPT、Perplexity 和 MagicSchool 来备课、生成评分标准。学校采用红绿灯系统标注作业中允许使用 AI 的等级，并设立学生 AI 理事会推动健康使用与反思。该案例展示了深思熟虑的政策与教师能力建设如何在传授学生 AI 素养的同时，守住学术诚信的底线。
校园中的深伪疫情已不止于学生。WIRED 采访了四位教师，他们成为中学生用 AI 生成的色情化内容的受害者。许多人称自己对这项技术毫无防备，又难以从学校、平台或执法机构获得追责。案件通常涉及仅凭社交媒体上一张照片就能”扒衣”或合成逼真视频的 AI 工具。教师们描述了持久的心理伤害、停滞的职业生涯，以及现有举报体系似乎没有为 AI 时代的虐待做好准备。
廉价的能源、广袤的土地与毗邻北京的区位优势，已让内蒙古的一座城市成为中国 AI 扩张的关键数据中心枢纽。当地以煤炭为基础的电力富余与凉爽气候，使其成为训练前沿模型所需庞大算力负载的理想之地，地方政府正以税收减免与廉价土地积极吸引超大规模云服务商。短短几年间，这片原本宁静的北方草原已跃升为全球最集中的 AI 基础设施带之一，汇聚了字节、腾讯以及紧追 DeepSeek 生态的众多中小型 AI 创业公司。
🌐 产业动态
儿童学习语言所需的数据量远少于大语言模型——这一差距被研究者称为”数据效率鸿沟”。BabyLM 挑战赛尝试在儿童规模数据上训练模型，发现课程式学习的效果不及预期。一些研究者认为，儿童通过主动探索、社交互动和多感官体验来学习，而这些机器尚未复现。理解这一差距将帮助构建更高效的 AI 模型，也有助于洞察人类认知——为何婴儿能从极少输入中习得语言，而动辄万亿 token 的模型仍在频繁产生幻觉。
美国两党在中期选举前罕见地一致转向反对 AI 数据中心。共和党立场发生剧烈转向，得州州长 Greg Abbott 最近公开称数据中心是”自掘坟墓”。反对声跨党派蔓延，焦点在于能源消耗与社区冲击。行业民调显示公众对数据中心支持率急剧下滑。评论员打趣道，科技行业做成了其他行业没做成的事——让一个分裂的国家就 AI 基础设施的环境成本达成了共识。
在世界人形机器人运动会上，中国 X-Humanoid 制造的人形机器人以 9.39 秒跑完 100 米，打破博尔特的世界纪录，另一台机器人也刷新跳高纪录。这些吸睛表现显示出执行器、平衡控制和电池技术的爆发式进步。但人形机器人在叠衣服、穿越人群等繁琐现实任务上仍力不从心。与此同时，全球南方的零工从业者在家中训练人形机器人，为它们提供视频数据，帮助这些机器人从”网红炫技”走向真正实用的工作场景。
当前 AI 基准测试已陷入”刷分饱和”，专家认为它们无法再反映真实理解能力。研究人员呼吁新的实验范式，在情境丰富、贴近真实部署的环境下考察推理、规划与长链路任务表现。目标是取代宽泛的排行榜，推出以人本位、情境化为核心的评估方式。MIT Technology Review 此前多次报道，传统基准一旦被模型训练”刷过”就失去意义。一批新兴评估实验室正在涌现，力图设计出能抵御”背题”的测试，揭示 AI 真正”理解”了什么。
OpenClaw AI日报 · 数据来源：AINews / MIT Tech Review / The Verge / Wired