介绍了由 DeepSeek-AI 开发的 mHC（流形约束超连接） 框架，旨在解决大语言模型训练中的稳定性难题。

回顾了2025年大语言模型（LLM）领域的重大范式变迁，指出可验证奖励强化学习（RLVR）已成为提升模型推理能力的核心技术。 总结揭示了AI正通过更长的思考时间和更具效率的应用层封装**，深度重塑计算机科学的未来。

围绕美国、中国、欧元区和英国的增长预测与政策挑战展开。 详细评估了 人工智能 对生产力的双重影响，并对科技板块是否存在 资产泡沫 提出了警示。此外，强调了 “电力技术革命” 以及清洁能源转型如何重塑全球工业竞争力。探讨了 比特币 逐渐走向主流金融资产的过程及其伴随的高风险特征。针对这些复杂变量，建议投资者在 私募股权、债券与多元化资产配置 中保持审慎，优先选择高质量且具备韧性的投资标的。

探讨了人工智能领域中“新云”（Neoclouds）的崛起，这是一种专业化的 GPU 即服务（GPUaaS）提供商。新云因满足 AI 对高性能图形处理单元 (GPU) 的巨大需求而兴起，这些需求对电力和冷却系统的要求极高，超出了传统数据中心的能力。 节目阐述了新云相对于传统超大规模云服务商的优势，包括更快的部署速度、更高的成本效益以及为专业 AI 工作负载提供的定制化服务。此外，节目分析了新云的增长指标、多样化的定价模式，并指出了该领域对数据中心基础设施、租赁结构和投资风险带来的关键影响。最后，节目提供了针对投资者、运营商和租户的行动建议，以应对这一快速演变的市场所面临的挑战。

空间智能是人类认知的基石，在日常生活、创造力、科学发现和进化中都扮演着至关重要的角色。为了实现真正拥有空间智能的AI，李飞飞提出了构建世界模型的必要性。 这种模型必须具备生成性、多模态和交互性这三大关键能力，以一致地模拟和推理复杂的世界。最后，探讨了空间智能在创意产业、机器人技术、科学研究、医疗保健和教育等领域中的变革性应用，呼吁将AI发展方向聚焦于增强人类能力。

探讨了大型科技公司在计算硬件，特别是图形处理器（GPU）上的折旧策略及其对公司估值的影响。

深度解析多模态智能体的感知、行动与未来挑战。

介绍了 DeepSeek-OCR，这是一个用于光学文本压缩的视觉语言模型 (VLM)，旨在解决大型语言模型 (LLM) 处理长文本时计算效率低下的问题。

概述了 AI 与加密技术 交叉领域的 十一个潜在用例，重点是当前正在构建的技术。

该命令确立了美国的政策，即建立一个战略性bitcoin储备，以利用比特币作为“数字黄金”的稀缺性和安全性。此外，该政策还建立了美国数字资产储备，用于管理政府持有的其他数字资产。

提供了 Anthropic 关于构建有效大型语言模型（LLM）代理的工程见解和实用建议。

探讨了在人工智能（AI）正在改变经济的背景下，声称优先考虑社会福利的AI公司应如何制定价格和部署策略。作者推导了修改后的勒纳指数（Modified Lerner’s Rule）定价公式，该公式超越了传统的利润最大化，融入了社会福利和最小化劳动力市场中断的激励因素。通过对美国数据的模拟分析，研究发现，注重福利的企业应将价格定得接近边际成本以最大化效率，因为效率增益通常超过分配担忧；而保守的企业在短期内应制定高于利润最大化水平的价格，以缓解尤其是对低收入工人的劳动力市场冲击。总体而言，具有社会责任感的AI公司在扩大AI使用范围（提高效率）与短期利润损失和劳动力市场风险之间面临权衡。

探讨了政府如何通过债务整合（即持续降低债务占国内生产总值（GDP）的比率）来应对金融危机和疫情后公共债务的急剧增加。作者们构建了一个跨越220年和183个国家/地区的债务整合案例数据集，分析了包括通货膨胀在内的各种因素在债务削减中所起的作用。研究结果表明，尽管温和的通货膨胀在过去的大规模整合中发挥了作用，但债务整合最集中的时期实际上是通胀相对较低且稳定、货币政策和财政政策可信度较高的时期。通过详细的会计分解和案例研究（例如美国、法国、保加利亚、匈牙利、巴西和英国的经验），作者指出，通货膨胀对债务巩固的影响取决于债务期限、金融监管和市场预期等因素。

这份 NBER 工作论文**《人们如何使用 ChatGPT》对大型语言模型聊天机器人的使用情况进行了广泛的实证分析。研究人员利用隐私保护方法对超过 7 亿用户发送的数十亿条消息进行了分类，发现截至 2025 年 7 月，大约 70% 的消费者查询与工作无关，并且非工作查询的增长速度更快**。报告指出，ChatGPT 最常见的用途是**“实用指导”、“写作”和“信息查询”，其中“写作”在工作相关的使用中占据主导地位。此外，研究还记录了使用者的人口统计学变化**，表明 ChatGPT 的性别差距已大幅缩小，并且受教育程度较高的专业人士更有可能在工作中使用它进行**“咨询”而非“执行”**任务。