最近，Tyler Cowen，乔治梅森大学教授、硅谷最受欢迎的经济学家之一，在一次访谈中说：如果让 GPT-5 和我一起参加经济学考试，我会输。这句话暴露的，不是技术细节，而是 AI 和人类能力差距的真实处境：从“辅助工具”到“直接对手”的跨越。Cowen没有制造恐慌。他不关心“AI对齐”或“模型意识”这些热门话题。他关心更现实的问题：当 GPT-5 能考赢经济学教授，你的文凭还值钱吗？当 AI 能创作、写作、讲故事，你的创作还算人类专属吗？当大多数认知工作可被替代，什么才是真正的护城河？Cowen 的答案是：未来不会被替代的，不是有学历的人，而是“懂人”的人。这篇文章，我们跟随 Cowen 的视角，回答三个现实问题：人和 AI 差距有多大？会改变什么？我们怎么赢？
LongCat-Video是美团LongCat团队开源的13.6亿参数视频生成模型，采用MIT开源协议，支持文生视频、图生视频和视频续写三大任务。模型通过"粗到细"生成策略和块稀疏注意力机制，能在数分钟内生成720P高清长视频，保持色彩一致性且无质量衰减。技术亮点包括多奖励强化学习优化，性能接近商业级SOTA模型，在内部测试中多项指标超越同类开源模型。模型已在Hugging Face和GitHub开源，提供文本/图像输入、视频续写等一键式部署方案。
在美国发现大家聊得最多的不是大模型谁家最强，也不是哪家大模型炒股挣了多少钱，或者xxx融了多少钱，而是：GEO（生成式引擎优化）和GTM（Go to Market），都是流量，说明美国现在不缺AI产品点子，缺的是流量、曝光、声量、被看见的机会，以及，当然，增长。
上周，在 Dreamforce 2025 峰会，Anthropic 联合创始人兼 CEO Dario Amodei 说了一句引发广泛关注的话：我对短期内 AI 的互补性依然乐观，但我也必须坦白:两到五年内，真正的替代将开始出现。这不是科技行业第一次有人谈“AI 替代人类”。
DiaMoE-TTS 是清华大学和巨人网络联合开源的多方言语音合成框架，基于国际音标（IPA），解决方言数据稀缺、正字法不一致和音系变化复杂等问题。通过统一的 IPA 前端标准化音素表示，消除跨方言差异，采用方言感知的 Mixture-of-Experts（MoE）架构，让不同专家网络专注于学习不同方言的特征，保留每种方言的独特音色和韵律。框架基于 F5-TTS 构建，引入低秩适配器（LoRA）和条件适配器，实现参数高效的方言迁移，仅需微调少量参数即可完成方言扩展。完全基于开源数据训练，无需昂贵的人工标注语音，降低了技术门槛。实验表明，DiaMoE-TTS 能生成自然且富有表现力的语音，在仅使用几小时数据的情况下，对未见方言和专业领域（如京剧）实现了零样本性能。DiaMoE-TTS 支持 11 种方言和普通话，可扩展到欧洲语言。
UniPixel是香港理工大学、腾讯、中国科学院和vivo等机构联合提出的新型多模态模型，实现像素级视觉语言理解。通过统一对象指代和分割能力，支持多种细粒度任务，如图像分割、视频分割、区域理解以及PixelQA任务。UniPixel的核心优势在于其强大的像素级推理能力，能根据语言描述生成精确的像素级掩码，实现语言与视觉的深度融合。在多个基准测试中，UniPixel表现出色，例如在ReVOS推理分割基准上，UniPixel-3B达到了62.1 J&F的高分，超越了现有所有模型。UniPixel提供了丰富的模型权重和数据集，支持灵活的硬件设置和高效的训练技术，为研究和应用提供了极大的便利。在智能监控、内容创作、教育、医疗影像分析和自动驾驶等领域的广泛应用前景。
对抗潮流是愚蠢的，唯一的出路是顺应并利用它。