汤森路透推出自有大模型Thomson

汤森路透（Thomson Reuters）24日正式发布首款自有大模型“Thomson”，这是该公司继持续使用OpenAI、Anthropic等外部模型后的重大转向。模型基于开源基础（Alibaba Qwen或Imperial College Snowdon），公司仅投入4000万美元用于人才与算力训练，远低于前沿实验室数十亿美元的投入规模。Thomson首先部署于CoCounsel Legal的Tabular Analysis功能，专注高量结构化文档审查，后续将扩展至法律、税务等领域。[[1]](https://www.prnewswire.com/news-releases/thomson-reuters-leverages-its-world-class-data-assets-to-launch-its-own-frontier-model-302857499.html)

这一动作发生在专业服务机构普遍面临AI推理成本激增的背景下。汤森路透CEO Steve Hasker表示，模型依托Westlaw、Practical Law等数十年专有内容与数百领域专家参与训练，早期评估显示其在法律硬任务上可与Claude Opus等前沿模型相当，同时实现完全可控与低成本运行。公司强调将继续维持多模型策略，Thomson并非取代外部合作，而是补充专属场景。[[2]](https://www.businessinsider.com/thomson-reuters-builds-ai-model-rely-less-on-anthropic-2026-8)

对比Anthropic、OpenAI等实验室依赖通用前沿模型的路径，汤森路透的做法凸显企业级AI正从“租用”转向“自建”+“ orchestration”。类似趋势已在金融、咨询等领域显现：自有模型能更好保护数据主权、降低长期成本，并利用垂直数据优势。汤森路透还计划将精简版模型以非商业许可形式开源至Hugging Face，进一步扩大影响力。

这一发布标志着专业信息服务商在AI落地中的主动权争夺。未来6-12个月，更多传统巨头或将跟进自建或混合路线，推理成本与数据控制将成为核心竞争力分水岭。[[3]](https://thenextweb.com/news/thomson-reuters-thomson-model-qwen-claude-cocounsel)

信源：https://www.prnewswire.com/news-releases/thomson-reuters-leverages-its-world-class-data-assets-to-launch-its-own-frontier-model-302857499.html
https://www.businessinsider.com/thomson-reuters-builds-ai-model-rely-less-on-anthropic-2026-8

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

Neura收购Adlatus Robotics扩展物理AI至专业清洁

Neura Mobile Robots GmbH以100%股权收购德国Ulm的ADLATUS Robotics GmbH，后者拥有数百台已部署的自主清洁机器人、专有导航软件及行业应用经验。Neura将为这些系统添加传感器与Physical AI能力，并逐步接入Neuraverse平台。此前Neura已收购Bosch Rexroth ACTIVE Shuttle，此次交易延续其整合多类机器人至统一物理AI基础设施的战略。清洁领域劳动力需求巨大，此举标志Physical AI从物料搬运向服务场景的实质扩展。

信源:https://neura-robotics.com/neura-acquires-adlatus-robotics/

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

马斯克预测AI“帕累托最优”平衡将现

马斯克23日在X上发文称，未来可能出现“帕累托最优”平衡：计算高效的人类、廉价开源token与前沿token共存。他同时透露，其旗下Atreidesmgmt内部AI支出从2026年3月到8月将增长约100倍，且每月仍在翻倍。[[1]](https://x.com/elonmusk?hubs_content=blog.hubspot.com/sales/sales-professionals-guide-to-social-selling&hubs_content-cta=x-profiles&hubs_post=blog.hubspot.de/service/customer-agent&hubs_post-cta=on-page-redirect&__hstc=45788219.42d8e9ea61c76068618c3c4a9b4fd313.1648823290623.1648823290623.1648823290623.1&__hssc=45788219.1.1648823290624&__hsfp=1614963237&category=663b57cf6ad9dab9159c9741&source=tag_recommended_stories_page——noticias————————————–)

这一表态正值AI算力与成本竞争白热化之际。多家实验室正通过可配置推理努力（effort）参数，在智能与价格间寻找新平衡：Anthropic Claude Opus 5支持多档努力设置，xAI Grok系列也强调token效率。马斯克的内部数据印证了这一趋势——企业级AI预算正以指数级扩张，而非线性增长。

对比OpenAI与Anthropic的定价策略，前者通过分层模型（Sol/Terra/Luna）压低日常使用成本，后者则以固定高单价换取深度推理。马斯克的观点暗示，混合生态或成常态：开源模型承接高频低价值任务，前沿模型专注复杂场景，人类则转向监督与创造。

下一步值得跟踪：Atreidesmgmt支出激增将如何转化为具体产品，或影响xAI与SpaceX的算力分配；同时，廉价开源token与前沿模型的价格战是否会加速行业分化。

信源：https://x.com/elonmusk

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

小鹏机器人业务完成首轮超9亿美元融资

【小鹏汽车宣布其机器人业务完成首轮超9亿美元融资】由IDG资本和高榕资本领投，腾讯和阿里巴巴为战略投资者，投后估值超63亿美元。该轮为中国具身AI领域单轮最大私募融资，加速物理AI落地。
信源:https://ir.xiaopeng.com/news-releases/news-release-details/xpeng-robotics-business-raises-over-us900-million-post-money

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

荣耀“闪电”机器人破百米人类纪录 马斯克转发点赞

荣耀自研人形机器人“闪电”在第二届世界人形机器人运动会百米预赛中跑出9.32秒，峰值速度14.5米/秒，超越博尔特9.58秒人类纪录。400米决赛以39.45秒再次破人类纪录，南非短跑名将范尼凯克点赞。马斯克转发百米视频。
人形机器人速度里程碑加速具身智能商业化落地。
信源:https://finance.sina.com.cn/tech/discovery/2026-08-24/doc-inipkzxw2939428.shtml

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

阿里达摩院发布DAMO LiON肝癌AI模型

阿里巴巴达摩院联合中国医科大学附属盛京医院等机构推出肝癌诊断AI模型DAMO LiON。该模型基于增强CT影像，可精准识别直径约1厘米的微小肝脏癌变病灶。在两个月真实世界前瞻临床试验中，模型发现15例此前漏诊的恶性肿瘤，多数为微小病灶，提升原发性肝癌及肝转移灶检出率。相关成果已登上《自然·医学》。该模型将作为临床辅助工具，助力早筛与精准诊疗，尤其对高危人群和基层机构有应用潜力。

信源:https://news.mydrivers.com/1/1145/1145885.htm

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

Anthropic 动态努力级别测试折射代理效率战

8月23日，有开发者报告称 Anthropic 正在 Claude Code 中 A/B 测试动态推理努力级别与 token 预算机制：简单任务自动降级为轻量响应，复杂重构则维持高深度链条。这一调整直接针对代理日常运行中的 token 消耗与延迟痛点。

代理经济正从“能跑”转向“能省”。此前前沿模型普遍追求最大推理深度，OpenAI 与 Google 的代理方案多依赖固定高努力配置，导致企业知识检索或长会话场景成本居高不下。Anthropic 此举通过服务器端配置动态映射努力值，早期反馈显示常规编码会话延迟显著降低，同时保留关键任务的推理强度。

对比 Pinecone 等检索层在企业基准上击败纯模型代理的案例可见，未来胜负手已不止模型参数，而是端到端资源调度能力。Anthropic 这一实验若规模化，将迫使 OpenAI 等对手加速类似自适应机制，否则在代理编排与成本敏感场景中将面临劣势。

悬念在于：动态努力级别能否成为新常态，还是仅限 CLI 工具的临时优化？若 Anthropic 后续将其推广至 API 层，代理经济的分水岭或将提前到来。

信源：https://blogs.techbytes.app/tech-pulse-daily/2026/august/23/
https://blogs.techbytes.app/posts/anthropic-claude-code-ab-tests-reduced-effort-levels-2026/

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

英伟达谈投Perplexity超300亿美元估值

英伟达正与Perplexity就新一轮股权融资展开讨论，估值有望超过300亿美元，较2025年约200亿美元的上一轮融资大幅提升50%以上。报道指出，Perplexity年化营收已突破7.5亿美元，较年初不足2.5亿美元实现翻倍增长，其中Perplexity Computer这款云端AI代理产品贡献显著。[[1]](https://www.reuters.com/technology/nvidia-discusses-perplexity-investment-30-billion-plus-valuation-information-2026-08-24/)

这一动作并非孤例。芯片巨头正从单纯卖硬件转向生态投资：此前英伟达已参与Perplexity早期轮次，如今进一步加码，与其在Poolside等项目的布局形成呼应。对比OpenAI与Anthropic动辄数百亿美元的模型融资，Perplexity的增长更依赖具体代理应用落地，而非单纯参数规模。这也反映出AI搜索与代理赛道正从demo验证转向真实商业变现。

与谷歌、微软在搜索领域的直接竞争不同，Perplexity通过代理自动化办公任务切入专业用户，营收曲线陡峭。英伟达此举既锁定下游需求，也强化自身在AI应用层的议价权。若交易落地，将进一步模糊硬件与软件的边界，加速“赢家通吃”格局向垂直场景延伸。

值得跟踪的是，此轮融资是否会加速Perplexity 2028年IPO计划，以及它如何在与大模型原生搜索产品的正面交锋中保持独立性。AI应用层的资本故事，才刚刚开始。

信源：https://www.reuters.com/technology/nvidia-discusses-perplexity-investment-30-billion-plus-valuation-information-2026-08-24/
https://www.theinformation.com/articles/nvidia-weighs-perplexity-stake-at-30b-as-arr-tops-750m (via recent reports)

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

马斯克父亲在FT专访中称俄罗斯女性大多7分以上

埃罗尔·马斯克在英国《金融时报》专访中表示，俄罗斯女性有“基因优势”，没有丑陋的俄罗斯女人，大多数评分超过7分，许多达到9分或10分。他同时称莫斯科是世界上最美丽的首都城市，并称赞普京是“非常谦逊的人”。该访谈聚焦其近期对俄罗斯的正面评价及家庭话题。
此番表态延续其近期亲俄言论，短期内或继续引发国际媒体关注。
信源:https://www.ft.com/content/ded0ef2a-fb61-4960-981d-5bcf5f0c6bf2

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

Pinecone知识引擎GA 揭示代理经济新瓶颈

8月23日，Pinecone Nexus正式进入通用可用阶段，在Sierra的τ-Knowledge企业知识基准上，以47.4%的任务解决率超越GPT-5.5的46.4%，同时将单任务成本降低74%。这一结果并非靠更大模型，而是通过将企业专有数据和流程预编译为可治理的知识层，一次查询即可交付结构化、带引用的答案。[[1]](https://aitoolsrecap.com/Blog/ai-news-august-23-2026)

这一事件折射出AI代理从“模型竞赛”向“运营实效”的转向。过去两年，前沿实验室持续堆叠参数和算力，但企业落地时，代理常因缺乏可靠内部知识而陷入低效循环：反复调用工具、消耗海量token、准确率不稳定。Nexus的KnowQL声明式查询语言和BYOC部署模式，直接把知识编译成本固定在一次，查询时大幅削减模型调用次数。Pinecone自身客服代理的自主解决率从24.6%跃升至55.1%，印证了知识层的杠杆效应。[[2]](https://www.pinecone.io/blog/pinecone-nexus-generally-available/)

对比OpenAI、Anthropic和Google的纯模型代理，Pinecone的案例显示：当任务涉及多文档跨域推理和严格策略遵守时，检索基础设施的边际回报已超过单纯提升模型规模。企业不再只买“智能”，更需要“可信的机构记忆”。这与当前算力军备赛形成鲜明反差——资本仍在追逐下一代芯片，而实际部署瓶颈已转向数据治理和知识结构化。

未来6-12个月，这一趋势可能加速垂直知识引擎的兴起：开源检索框架能否复制Nexus的预编译优势，还是闭源模型仍将通过API捆绑知识服务？悬念在于，企业是否愿意为内部知识层支付溢价，还是继续依赖通用模型的“世界知识”外加简单RAG。

信源：
https://aitoolsrecap.com/Blog/ai-news-august-23-2026 (2026-08-23)
https://www.pinecone.io/blog/pinecone-nexus-generally-available/ (2026-08-06)

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信