阿里巴巴正式发布Qwen3.8基座大模型，Qwen3.8-Max现已上线QwenCloud等平台，编程与办公能力显著进化，推理速度更快且更稳定。整体性能位居全球第一梯队。Qwen3.8-Max预计下周开源，Qwen3.8-27B同步开放权重。
该发布标志中国大模型在企业级应用赛道持续加码，开放权重将加速生态落地。
信源:https://qwen.ai/blog?id=qwen3.8
阿里“千问办公”公测开启
阿里巴巴旗下企业级Agent产品“千问办公”（QwenWork）今日开启公测。个人和企业用户可通过官网qwenwork.cn体验网页版与独立PC客户端，钉钉端入口即将开放，支持桌面、云端及企业协同Agent，集成Qwen3.8旗舰模型，已初步打通钉钉工作流。
信源:https://qwenwork.cn
AMD开源MoE模型折射硬件商模型化新路径
8月1日，AMD正式发布Instella-MoE-16B-A3B模型，这是一款总参数160亿、每token激活仅28亿的混合专家架构大模型，完整开源权重、训练各阶段检查点、数据混合配比及推理代码，全部基于其Instinct MI300X和MI325X GPU从头训练。[[1]](https://www.marktechpost.com/2026/08/01/amd-instella-moe-16b-a3b-fully-open-mixture-of-experts-llm/)
这一举动并非孤立事件。正值大模型开源与闭源阵营拉锯之际，AMD以“全流程透明”姿态切入模型领域，意图将硬件优势转化为生态话语权。Meta、Mistral等此前已通过开源权重抢占开发者心智，而AMD此举更进一步——不仅放出模型，还公开训练全链路，类似于早期Llama系列的开放策略，却绑定自家加速卡。
对比之下，OpenAI、Anthropic仍坚持闭源前沿模型，靠API和企业合同锁定收入；谷歌、微软则通过自研硬件+模型捆绑强化护城河。AMD选择“展示硬件能力+开放训练细节”，短期内更像硬件营销，但长期可能降低开发者切换门槛，尤其在成本敏感的推理场景。
若AMD能持续迭代并吸引实际生产部署，其GPU市占率或在2027年进一步侵蚀英伟达份额；反之，这类“训练 artifact”模型若仅停留在研究阶段，则难撼动主流闭源路径。下一步，开发者是否大规模迁移至Instinct平台，将成为检验这一策略成败的关键。[[2]](https://highlearningrate.substack.com/p/frontiermath-gets-a-full-proof-amd)
信源：
https://www.marktechpost.com/2026/08/01/amd-instella-moe-16b-a3b-fully-open-mixture-of-experts-llm/
https://rocm.blogs.amd.com/artificial-intelligence/instella-moe/README.html
华为诺亚方舟实验室开源MindMemOS记忆操作层
华为诺亚方舟实验室在GitHub noah-research仓库正式开源MindMemOS。这是一个面向AI Agent的可迁移、自演进记忆操作层，支持将对话、文件、工具轨迹等转化为可搜索、可更新、项目隔离的长期记忆，并通过schema学习、dreaming和反馈实现记忆质量持续优化，同时建立记忆与Skill的闭环进化机制。系统已在LoCoMo和PersonaMem等基准上达到或超越当前SOTA，支持本地部署与多Agent框架集成。
该开源项目为Agent长期记忆与技能协同进化提供了标准化基础设施，值得关注其后续与主流Agent框架的集成进展。
信源:https://github.com/huawei-noah/noah-research/tree/master/MindMemOS
特朗普AI行政令截止在即 巨头游说加剧
8月1日前后，OpenAI首席执行官Sam Altman与NVIDIA CEO黄仁勋同时现身华盛顿，正值特朗普政府AI行政令关键截止期限逼近。该行政令于6月签署，要求联邦机构在60天内制定实施框架，涉及模型评估、数据中心选址与能源分配等核心条款。两位行业领军人物的会晤，标志着私营部门对政策走向的直接介入达到新高度。[[1]](https://www.cnbc.com/2026/07/31/trump-ai-executive-order-nears-key-deadline-regulation-debate-heats-up.html)
这一幕折射出AI监管博弈的深层格局：美国正试图通过“快速通道”许可维持全球领先，同时平衡安全与创新。OpenAI长期主张自愿提交模型评估，NVIDIA则侧重基础设施扩张，二者利益高度绑定，却与Anthropic等强调安全优先的路径形成对比。中国模型在性价比上的持续突破（如DeepSeek近期低价编码模型），进一步推高了美方政策紧迫感。
与欧盟AI Act于8月2日启动透明度规则执法相比，美国路径更依赖行业参与而非强制合规，这可能加速基础设施建设，却也放大权力集中风险。过去半年，AI资本已高度集中于少数巨头，此次游说或将固化这一态势。
未来6-12个月，行政令落地细节将决定开源权重模型的生存空间与出口管制强度，值得持续跟踪。
信源：https://www.cnbc.com/2026/07/31/trump-ai-executive-order-nears-key-deadline-regulation-debate-heats-up.html
https://support.trustwave.com/first-dry/Trump-AI-Executive-Order-Deadline-Approaches-as-Altman-Huang-Converge-on-Washington-54-1555
Show HN：OpenTalking开源实时AI数字人框架上线
datascale-ai在GitHub发布OpenTalking项目，支持实时对话、私有化部署及可插拔模型后端，整合LLM、TTS、WebRTC等全链路。项目定位工业级开源编排框架，适用于AI客服、商品讲解、企业私有数字人等场景。Show HN帖已现身Hacker News。
该工具为私有部署实时AI头像提供即用方案，降低落地门槛。
信源:https://github.com/datascale-ai/opentalking
腾讯张军发文称WorkBuddy“项目”功能悄然迭代
腾讯公司公关总监张军发文表示，WorkBuddy里的“项目”功能已完成迭代。用户组建项目并邀请成员后，可共享全部资料、协同处理事务、同步计划进度，形成多人与AI共同推进任务的工作流。该更新延续WorkBuddy此前高频迭代节奏，强化企业级人机协作能力。
信源:https://finance.sina.com.cn/7×24/2026-08-03/doc-inikytnr4747493.shtml
AI技能成就业分水岭 英国数据敲响警钟
8月2日，英国招聘平台Indeed发布最新数据显示，拥有AI技能的岗位需求持续上升，而其他岗位招聘却出现明显收缩，企业正加速用AI工具替代常规人力，形成清晰的“双速劳动力市场”。这一数据直指AI落地从概念转向真实劳动力重构的拐点。
与美国类似，英国企业正将AI优先用于成本控制与生产率提升。数据显示，AI相关职位增长抵消了部分传统岗位流失，但中低技能工人面临更严峻压力。这与Meta、谷歌等巨头持续高额AI资本开支形成镜像：一边是云与芯片投入推高自由现金流需求，另一边是下游就业结构快速分化。
对比之下，中国AI部署更侧重垂直场景（如物流、制造代理），但同样面临技能鸿沟。过去两年，AI采用领先的行业招聘回暖，而落后领域却未见明显复苏。根本驱动力是AI从辅助工具转向流程重写者——谁掌握集成与治理能力，谁就能在双速市场中占据上风。
未来6-12个月，若AI代理大规模接管中层运营，劳动力市场裂痕或将进一步扩大。政策是否能及时跟进技能再培训，将决定这一分化是短期阵痛还是长期结构性危机。
信源：https://www.bloomberg.com/news/articles/2026-08-02/ai-is-creating-a-two-speed-jobs-market-in-the-uk-indeed-says (2026-08-02)
https://www.bloomberg.com/news/newsletters/2026-08-02/free-cash-is-king-as-companies-pour-billions-into-ai-meta-goog-ups (2026-08-02)
欧盟AI透明规则今日落地 合规成本成新分水岭
2026年8月2日，欧盟AI Act第50条透明义务正式生效，要求生成式AI提供商和部署方在用户交互、合成内容、深度伪造及公众利益事项上进行明确披露和标记。这标志着AI监管从框架设计转向实际执行的第一波强制动作。
与美国同期推进的开放权重模型倡议形成鲜明对比。NVIDIA、Meta、Microsoft等逾150家企业近日联合致信华盛顿，强调开放模型对创新、安全和主权的重要性，而Anthropic则未加入。David Sacks公开表示，行业需警惕试图扼杀开源的势力。欧盟此举则直接针对生成内容可追溯性，罚款上限达1500万欧元或全球营业额3%。
实际影响已显现。多家生成式AI工具已开始集成机器可读水印或标签系统，但对已上线产品给予至12月2日的过渡期。相比之下，美国政策更侧重自愿预发布审查框架，凸显大西洋两岸在“可控”与“扩散”之间的路径分歧。
短期内，合规将成为企业AI部署的隐形门槛。那些早布局检测与标记技术的公司将获得竞争优势，而依赖封闭模型的垂直应用可能面临额外成本压力。未来6-12个月，观察重点在于欧盟执法案例是否倒逼全球平台统一标准，还是加速区域化模型生态的分化。
信源：
https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
Article 50: Transparency Obligations for Providers and Deployers of Certain AI Systems
https://ai-at.eu/en/news/article-50-of-the-eu-ai-act-transparency-obligations-become-applicable-on-2-august-2026/
小额基金押注AI非常规范式 暴露主流路径隐忧
7月31日，Unconventional AI宣布启动50万美元学术研究基金，向最多五项探索生成式AI新计算范式的项目各提供10万美元资助，重点支持硬件与AI交叉的“高风险”想法。这一小额举动虽不起眼，却在AI资本高度集中于大模型 scaling 的当下，释放出清晰信号：主流路径的边际回报可能已现疲态。
过去一年， hyperscaler 与顶级实验室将数百亿美元投入 transformer 架构与数据中心扩建，OpenAI、Anthropic、Google 等持续迭代参数规模。但与此同时，效率瓶颈、能耗压力与 diminishing returns 讨论日益增多。Unconventional Grant 明确指向“非传统计算范式”，与当前数千亿美金的债务融资与算力军备形成对比—— Goldman Sachs 估算今年 AI 相关债务发行已接近5000亿美元，而小基金却在为“可能颠覆现有假设”的研究兜底。
这与过去 NVIDIA、AMD 等硬件厂商主导的创新路径形成分化：前者依赖规模，后者试图从底层计算重构突破。类似早期对 neuromorphic 或 optical computing 的零星押注，如今被系统化到基金层面，显示行业对“下一代范式”已不再只靠巨头内部实验室。
未来6-12个月，若此类非常规研究产出初步验证，将迫使主流玩家重新评估资本配置；反之，则可能强化现有 scaling 路径的路径依赖。关键悬念在于：这些小额种子能否在18个月内吸引后续跟进资本，还是仅停留在边缘探索。
信源：https://unconv.ai/grant/
https://x.com/unconvAI/status/2041553331563511914
