夜雨聆风三件大事
CVPR 2026 开幕：孙剑的时间检验奖，全场起立
CVPR 今年收到 16,092 篇投稿，比去年涨了 24%，中国作者 23,233 人，是美国的三倍。这些数字本身没什么惊喜，中国在 CV 领域的统治力已经是常识了。
真正让人破防的是时间检验奖。2016 年的 ResNet 获奖，而它的第一作者孙剑博士已经不在了。全场起立致敬的时候，很多人是红着眼的。ResNet 解决了深层网络训练的退化问题，直接奠定了今天所有大模型的底层基础——没有 skip connection，就没有后来的一切。
另一个让人振奋的故事：广东工业大学的本科生团队，用几张"古董级" Titan 显卡，做了一个 Training-free 的图像编辑方法，拿下了最佳学生论文荣誉提名。在算力军备竞赛的今天，这个故事像一盆冷水——有时候聪明比有钱重要。
苹果给 Siri 办"告别演出"
WWDC 2026 还没开，但爆料已经把底裤扒得差不多了。古尔曼的信息量一如既往地大：Siri 要从一个"听指令的语音助手"变成"全天候 AI 伴侣"。
变化不小：灵动岛变成了 Siri 的新入口，从屏幕顶部下滑会出现"搜索或询问"面板，Siri 终于有了自己的独立 App——界面长得像 ChatGPT，支持多轮对话、图片附件、iCloud 同步。底层跑的是 Gemini 模型，托管在谷歌云上。
更值得关注的是苹果悄悄搞了个自研搜索引擎，内置在 Siri 里，对标 Perplexity。iOS 27 的相机和照片也要做 AI 改造：视觉智能整合进相机、AI 扩展生成画外内容、空间照片重新构图。
但说实话，这些都是在"补课"。苹果智能发布两年了，跳票、集体诉讼、功能缩水……库克的最后一届 WWDC，与其说是开创新局面，不如说是把之前吹的牛尽量兑现一部分。
英伟达也缺算力？研究员"叛逃"xAI 的真实内幕
前英伟达研究员 Ethan He 的访谈很有意思。他在英伟达做 Cosmos 世界模型，做完发现——视频模型也有 scaling law，需要更多算力。但连英伟达都给不了他想要的资源。于是他去了 xAI。
三个月，几个人，从零搭出了 Grok Imagine 0.9。
他的几个判断值得关注：视频模型的真实成本远不止 GPU——数据标注、PB 级存储、云端带宽、音视频时间戳对齐，都是隐性吞金兽。另外，视频模型的关键进步越来越多来自语言模型而非视频模型本身。视觉智能，本质上是语言智能在驱动。
他还预测，视频生成的下一次跃迁不是更强的扩散模型，而是视频智能体——从一次性生成视频，走向能规划任务、调用工具、交付生产级内容的 Agent。
其他值得关注的事
Anthropic 呼吁暂停 AI 研发，顺便自曝 80% 代码是 AI 写的。 这两个信息放在一起有种微妙的荒诞感——一边说"AI 太危险了我们要暂停"，一边说"我们自己的代码 80% 靠 AI 写"。当然，Anthropic 的意思不是完全停止，而是呼吁前沿实验室建立协调暂停机制。但这个时机选择确实让人浮想联翩。
OpenAI 大量账号被封，系统 bug 搞的乌龙。 昨天很多用户发现 ChatGPT、Codex、API 账号突然被封，没有任何预警。OpenAI 花了几个小时排查，最后确认是系统问题导致的误封，目前已全部恢复。但这种"误封"对用户的信任伤害不小——你的工作流随时可能因为一个 bug 而中断。
Codex 新增代码审查功能。 现在可以在 Codex 界面里直接审查 AI 的代码修改，对特定代码段写评论，评论会自动作为上下文发给 Agent 处理。人机协作的代码编辑又往前走了一步。
开源模型微调可替代 Claude，成本降到 1/11。 Harvey 的实验显示，对 Kimi 2.6 做 SFT 后，法律任务通过率从 11% 提到 15%，超过 Opus 的 14%，成本只有 954。混合方案（GLM 5.1 主力 + Opus 4.7 顾问）在质量和成本上都赢了纯 Opus。开源替代 Claude 的路径越来越清晰。
Cursor 推出 Design Mode。 在浏览器里直接点击、绘制或语音指令就能修改 UI，不用手动定位代码。前端开发的门槛又降低了一点。
港股鞋王千百度收购 AI 数据公司。 千百度（一家鞋履公司）收购了本原智数，形成"鞋履+AI 数据"双主业。本原智数 2025 年收入 1.56 亿，已经盈利。核心观点：AI 的瓶颈正从模型规模转向高质量数据供给。算力可以买，算法可以复现，数据买不到也快不了。
港科大学霸做出百亿机器人独角兽。 普渡机器人估值突破百亿，全球商用服务机器人市占率第一（23%），累计出货 13 万台，覆盖 80 多个国家。清洁线营收占比已超 70%，海外营收超 80%。
Hermes Agent：会"记住昨天"的开源 AI Agent。 Nous Research 的 Hermes Agent 核心卖点是闭环学习——成功完成任务后，Agent 会自动把步骤编码成可复用的 Skill 文档，下次直接引用。四层记忆系统、Skills vs Tools 的架构区分、深度研究的并行子 Agent 设计都值得研究。GitHub 6.4 万星。
一个观察
今天最触动我的是 CVPR 上的故事。一方面，ResNet 获奖时全场缅怀孙剑，让人意识到我们今天用的所有大模型，底层都站着一个已经离开的人。另一方面，广工本科生用几张旧 Titan 显卡拿下顶会大奖——在一个越来越被资本和算力定义的行业里，纯粹的热爱和巧妙的构思依然有立足之地。
这两个故事放在一起，像是 CV 领域的某种精神传承：前辈打下了地基，后辈在有限的资源里继续创造。技术的进步不只是参数和规模，也是人。
