Research Signal · 每日摘要

今日AI

2026年10月22日 星期四

摘要

1亮点：AI智能体现在是主要的攻击面。安全团队说：先验证，再信任。

2个人智能体越来越精致，并连接到你的应用，但仍然慢、单打独斗，而且容易被锁定。

3运行AI越来越便宜，AI性格成为新的基准，而亚洲正在跑道上和机器人学校里让AI投入工作。

今日焦点
AI security & trust
IBM
84%
of ransomware attacks had AI help
汇总自2个视频
★ 今日焦点

你的AI智能体现在是最容易被攻破的入口。安全团队说：先验证，再信任

本周的两场安全简报得出了相同的结论。攻击者现在在大多数勒索软件攻击中使用AI，而且越来越多地通过企业自己部署的AI智能体和身份系统下手。与此同时，新的AI决策工具给出难以审计的自信答案，而一个自信的错误答案比明显的错误更难发现。

我们了解到

  1. 一项针对1,200名IT专业人员的调查发现，84%的勒索软件攻击有AI的帮助，44%滥用了企业自己的智能体或身份系统。
  2. 老风险依然伤人：被入侵的超市冰柜运行的是旧固件，尽管修复程序早已存在。
  3. 自信不等于证据。一个说“97%确定”的模型，仍可能被喂了篡改过的日志或被投毒的数据。
  4. 解决办法很枯燥但有效：给智能体独立的身份，记录一切，使用紧急停止开关，把大决策拆成可检查的小步骤，并在高风险操作上保留人工把关。

为何重要： 我们为客户构建的每一个Notion智能体和AI工作流，从第一天起就需要访问规则、审计日志和关闭开关。这是项目中清晰且可以推销的一部分。

分享这篇报道

来源（2）
  • The patching gap: Hacked fridges, AI ransomware and Mythos finds · IBM TechnologyWatch ↗
  • The Problem with Jev: Can You Trust AI Decisions? · IBM TechnologyWatch ↗
当天更多报道
AI agents at work
Claude Duet
3 tiers
chatbot → DIY agent → personal agent
汇总自3个视频
AI agents at work

个人智能体越来越精致，也连上了你的应用，但它们仍然单打独斗

一篇Claude Duet的上手评测、一篇个人智能体的科普和一场Claude实时仪表板的演示都指向同一方向。智能体现在可以连接你的邮箱、日历和财务工具，并把记忆保存在纯文本文件中。差距在于速度、主动性以及团队协作。

主要收获

  • 共有三个层级：聊天机器人（没有记忆）、用纯文本规则和记忆文件自己打造的DIY智能体，以及全天在云端运行的现成个人智能体。
  • Claude Duet继承了你的插件和连接器，外观精致，但并行任务要花10分钟以上，而且不能与团队共享。
  • 实时仪表板通过连接器拉取最新数据，并可通过链接共享，所以一个简短的提示词就能取代静态的CSV报告。
  • 代价是锁定：智能体对你了解得越多，就越难更换。

为何重要： 客户会问“用个人智能体还是DIY方案？”基于Notion的记忆和规则文件是一条可迁移的中间道路，能避免被锁定。

分享这篇报道

来源（3）
  • I tested Claude Duet. Is it worth switching? · How I AIWatch ↗
  • Personal Agents, Clearly Explained · Jeff SuWatch ↗
  • Claude’s New Live Dashboards Are Amazing · Skill Leap AIWatch ↗
Open models & cost
DeepSeek
155T
tokens a day served by DeepSeek’s now-open engine
汇总自3个视频
Open models & cost

AI为何越来越便宜：瓶颈在内存，而解决方案正在开源

DeepSeek开源了其每天提供155万亿Token A small chunk of text, roughly part of a word, that AI models read and write. AI usage and pricing are counted in tokens.服务所用的引擎。IBM的一篇解读说明了这种设计为何有效：写出答案受限于内存速度，而不是纯算力。一个本地AI搭建案例则显示，经过调优的开放模型在笔记本电脑上就能处理大多数日常任务。

主要收获

  • 读取提示词需要大量计算，而写出答案则要等待内存。DeepSeek把这两部分放在不同的机器上运行。
  • DeepSeek把提示词缓存保存在SSD上数天，96%的输入token命中缓存。保持提示词前缀稳定就能受益。
  • 自2006年以来，芯片算力增长了约6,500倍，而内存带宽的增长要慢得多。把许多请求批量处理是主要的应对办法。
  • 本地模型对约95%的任务来说“够用”（一位创作者的说法）。一个1,800亿参数的开放模型在笔记本电脑上以约每秒72个token的速度运行。

为何重要： 对于重视隐私的客户，混合方案（日常工作用本地模型，难题用云端）现在已经可行。稳定的提示词模板还能降低API成本。

分享这篇报道

来源（3）
  • DeepSeek Just Open-Sourced How It Serves 155T Tokens a Day · Prompt EngineeringWatch ↗
  • The AI Memory Wall: Why LLMs & AI Accelerators Hit a Bottleneck · IBM TechnologyWatch ↗
  • Stop paying for AI, run everything locally (here’s how) · David OndrejWatch ↗
The model race
Gemini
900
questions in the new AI personality benchmark
汇总自2个视频
The model race

基准测试不是全部：AI“性格”现在决定人们使用哪个模型

Google新推出的Gemini 4 Argon在多个排行榜上名列第一，但在编程方面仍落后于对手。一项新的性格基准测试发现，它在“slop”（空话和套话）上得分最高。随着顶级模型变得同样聪明，语气和风格正成为真正的区别。

主要收获

  • Gemini 4 Argon在多个排行榜上排名第一，但在编程基准上输给了Opus 5.5和GPT-6 Astra。
  • AA Personality Bench使用涵盖30种特质的900个问题。Muse在温暖度上领先，Opus 5.5在想象力上领先，Argon则在空话套话上领先。
  • 在一次上手测试中，用代码生成的动态图形胜过了原生AI视频，而且更容易编辑。
  • 政策提示：一份美国联邦备忘录禁止在民用政府系统中使用DeepSeek模型。

为何重要： 按任务选择模型，而不是看排行榜。对于面向客户的助手，不仅要测试准确性，还要测试语气和空话。

分享这篇报道

来源（2）
  • Does Personality Matter More Than Intelligence in AI? · The AI Daily BriefWatch ↗
  • Did Google just dethrone OpenAI and Anthropic? · FireshipWatch ↗
AI in Asia
−90%
false alerts on Changi’s runways after the AI upgrade
汇总自2个视频
AI in Asia

从樟宜机场的跑道到中国的机器人学校，亚洲正在让AI在现实世界中工作

两份报告显示AI正在走出屏幕。新加坡樟宜机场使用AI摄像头发现小至4厘米的跑道异物。在中国，“机器人学校”训练人形机器人完成日常任务，规模之大无其他国家能及。

主要收获

  • 在樟宜，12座塔上的摄像头监视着每条4公里长的跑道。AI升级使误报减少了90%，检测能力提高了七倍。
  • 在团队出动之前，每条警报仍由人工核实，通常在1到5分钟内完成。
  • 2025年出货的人形机器人中约90%由中国制造（分析师数据）。培训中心教机器人做饭和操作机器。
  • 风险：经济放缓和更严格的管控可能会拖累研究。

为何重要： 这些是工作坊中很有说服力的本地案例：AI发出提示，人来核实，团队采取行动。这与我们在Notion工作流中设计的模式相同。

分享这篇报道

来源（2）
  • How Changi Airport Finds Tiny Objects On Its Runways With AI · CNA InsiderWatch ↗
  • Inside China’s Robot Schools: How Embodied AI Is Being Built · CNA InsiderWatch ↗