夜雨聆风在外界越来越担心 AI 会取代工作的背景下，Nvidia CEO 黄仁勋建议家长不要过度执着于孩子学习什么专业，并认为过去重要的技能，在 AI 时代依然重要。
独家专访 Demis Hassabis 谈 AGI
黄仁勋反驳“AI 不会取代”的学科说法
构建一个能够自动运行的每周营销报告
斯坦福研究发现 AI 招聘中的明显种族偏见
新的 AI 工具等更多内容
📖 黄仁勋反驳“AI 不会取代”的学科说法
图片来源：Images 2.0 / The Rundown
在外界越来越担心 AI 会取代工作的背景下，Nvidia CEO 黄仁勋建议家长不要过度执着于孩子学习什么专业，并认为过去重要的技能，在 AI 时代依然重要。
黄仁勋在接受 CNA 采访时表示，学生不应该追逐所谓“AI 不会取代”的学科，而应该思考：“AI 如何帮助提升我的学习、我的技能以及我的人生目标？”
他以新闻行业为例，表示最优秀的记者不仅仅会准备问题，他们还会倾听、思考受众需求，并动态地做出回应。
黄仁勋提到了“侘寂（wabi-sabi）”这一关于“不完美之美”的概念，并认为那些真正属于人类独有的特质，将在各个领域变得更加珍贵。
他还称，把 AI 与裁员直接挂钩的叙事方式“很懒惰”，并表示：“AI 才刚刚出现，怎么可能人们已经因此失业了？”
无论这种叙事是否“懒惰”，现实是 CEO 们正在因为 AI 而削减岗位。今年已经有超过 8 万个岗位被裁掉，而且未来可能还会更多。在这种环境下，黄仁勋的建议与许多专家一致：思考 AI 如何提升你的能力，并把重点放在创造力、判断力和品味上。
🎙 Demis Hassabis 谈 AGI 独家专访
图片来源：The Rundown
独家采访 Google DeepMind CEO Demis Hassabis，讨论了他预计 AGI 何时到来、AI 在药物发现中的角色、哪些疾病最有可能首先被治愈，以及他认为哪些重要问题仍然被忽视。
Hassabis 表示，AGI 预计将在 2030 年左右实现，前后误差一年，但仍有几个问题尚未解决：世界物理规律、记忆、一致性以及持续学习。
药物发现的时间线也逐渐明确，首先聚焦于肿瘤学和免疫学，最终目标是建立一个能够帮助治愈任何疾病的引擎。
Hassabis 表示，在 AGI 之后，他会转向利用 AI 理解现实本质，并研究更多哲学层面的问题，例如“成为人类意味着什么”。
他表示，他非常期待看到学生们利用先进 AI 创造出什么成果，并补充说，品味、原创思维以及情感连接将变得更加有价值。
这次对 Hassabis 的采访描绘出一个画面：只要我们解决现有缺口，AGI 很快就会到来。未来将是一个非常有意思的时代，孩子们会从小就在先进 AI 的陪伴下成长，而我们也很可能迎来一些重大科学发现。问题是：成年人是否能够同样快速地适应这个新现实？
AI 培训
💻 构建一个能够自动运行的每周营销报告
摘要：在这份指南中，你将学习如何把混乱的每周营销复盘流程，转换成一个可重复运行的 Claude Cowork 工作流。Claude 将负责准备数据、验证数字、起草、发布并打包所有内容。
步骤如下：
创建报告仓库文件夹：marketing-metrics-review/，其中包括用于收集数据的 inputs/、用于起草和验证的 working/、skills/，以及用于存放最终报告的 outputs/
提示词：
“创建一个 skill，用于准备每周营销复盘输入内容。它需要总结上周 Slack 消息、检查 Gmail 中的销售更新、查看 Google Analytics 中的收入数据、从 Google Drive 提取会议记录，并将总结保存到 inputs/ 文件夹中。”接着输入：
“创建一个 skill，用于查看 inputs 中的数据，并生成营销报告、领导层简报、Slack 更新以及行动项的初稿。”运行 input skill，然后运行 reporting skill，并在 Claude 扩展报告之前审核内容。最后，再创建一个 publishing skill，用于自动化报告发送。
专业建议：每次更新后，询问 Claude 哪些内容发生了变化、哪些地方出错了，以及哪些内容应该被长期保留。然后批准一个小规模的 skill 更新，这样下周开始时系统会更聪明。
AI 研究
‼️ 斯坦福研究发现 AI 招聘中的明显种族偏见
图片来源：Images 2.0 / The Rundown
斯坦福研究了 156 家雇主的 400 万份求职申请，发现 AI 招聘工具会造成“明显的种族差异”，黑人与亚洲求职者被筛掉的比例明显更高，甚至有些人会在所有公司中都遭到拒绝。
研究人员分析了 Pymetrics 的按职位数据，发现有 10.62% 的岗位对黑人求职者产生不利影响，而 5.32% 的岗位对亚洲求职者产生不利影响。
由于 42 个模型会在不同雇主之间共享，因此问题会进一步放大——在一家公司的拒绝，可能会导致在另一家使用同一模型的公司也被拒绝。
在申请 10 个职位的求职者中，有 4% 被所有职位全部拒绝，这一比例高于雇主独立做决策时的情况。
研究人员指出，这些结果未必适用于所有 AI 招聘工具，因为如今越来越多的招聘工具已经开始采用工作机制不同的现代 AI 模型。
虽然这项研究分析的是 2018 至 2022 年的数据，而如今的 AI 招聘浪潮主要由 LLM 驱动，工作方式已经不同，但它展示了偏见如何通过共享基础设施，在未知情况下逐渐渗透。如果某个大型供应商的 AI 系统存在偏见（不仅仅是招聘领域，也可能包括其它领域），那么许多公司都会在不知情的情况下受到影响。
🛠️ 热门 AI 工具
💻 Computer —— Perplexity 的云端 Agent，现在已经能够管理 Shopify 商店
🧠 Claude Code —— Anthropic 的编程 Agent，现已加入安全指导插件
📃 Parse 2.0 —— 为 Agent 构建的 AI 文档解析 API
📰 今日 AI 其它动态
Anthropic 技术团队成员 Sholto Douglas 表示，Mythos 也解决了 OpenAI 破解的 Erdős Problem #90，并且使用了更简单的证明方法。
小米将 MiMo-V2.5 系列 API 的价格永久下调最高 99%，并将 token 配额提升了 5–8 倍，使其 AI 模型的使用成本大幅下降。
ElevenLabs 发布了 Music v2，对其音乐生成模型进行了升级，增强了人声、配器、多语言支持以及基于轨道级别的修补能力。
OpenRouter——一个允许开发者通过单一 API 访问多种 AI 模型的平台——完成了 1.13 亿美元融资，目前已扩展到 800 万开发者，年化 token 运行量达到 1.5 千万亿。
