Anthropic 内部调查：多数员工预计到 2030 年 AI 能完成至少八成工作
Anthropic 对比 1334 名员工与美国成年人的调查显示，大多数员工预计到 2030 年自己至少 80% 的工作可交给 AI 完成，而美国劳动者中仅约 5% 持相同看法。以中位数计，Anthropic 员工预计到 2030 年底开发新 AI 模型所需工作中 95% 可由 AI 完成，并预计届时美国失业率超过 12%，美国成年人则预计 GDP 增速 5.4%、员工预期高达 17.1%。
#现象/趋势
RadarAIAI 评分4242 RadarAIAI 评分3030 Anthropic 发布 AI 经济影响研究
Anthropic 发布一项 AI 经济影响研究，称其在 AI 采用方面大约领先整体经济一年半，因此 Anthropic 内部发生的事可能是更广泛世界的先行指标。研究希望让政策制定者、研究人员和劳动者有提前量，为未来的经济影响做好准备，并现在就采取措施确保每个人都能从 AI 中受益。
RadarAIAI 评分2222 MIT《供应链可持续性状况》报告：企业承诺创新高，治理却掉队
MIT 可持续供应链实验室发布 2026 年《供应链可持续性状况》报告，调查 91 个国家 1810 名从业者，83% 认为可持续性对长期业务成功重要或非常重要，为七年最高。
MIT News · AIAI 评分2222 MIT 供应链可持续性报告：企业承诺创新高，治理却跟不上
MIT 可持续供应链实验室发布 2026 年供应链可持续性报告，调查 91 个国家 1810 名从业者，83% 认为可持续性对长期业务成功重要或非常重要，为七年最高。
Hacker NewsAI 评分3434 《柳叶刀》委员会：核战争与 AI 恶意使用构成灭绝级威胁，2100 年前危及人类
《柳叶刀》21 世纪全球健康威胁委员会在柏林世界健康峰会上发布报告，从数百种威胁中识别出 17 项对 2025 至 2100 年人类健康与生存威胁最大的灾难性风险，其中核冲突与 AI 恶意使用被列为具有灭绝潜力。
Hacker NewsAI 评分3434 美国牙科诊所差评现 AI 痕迹：2026 年每 15 条一星二星评论就有 1 条
toothlocal AI Review Index 基于 2021 年 1 月至 2026 年 9 月 20 日间 164,946 家美国牙科诊所的 2470 万条评论发现，2026 年一星和二星差评中带 AI 写作痕迹的比例达 6.8%，是 2023 年 0.57% 的 12 倍。
arXiv cs.CYAI 评分2828 恶意 AI 蜂群与自动化虚假信息：非洲民主与发展面临的风险
一篇 arXiv 前瞻性风险分析将"恶意 AI 蜂群"定义为面向影响力行动的协调、持续、自适应多智能体系统，与 AI 辅助内容生产和集中管理的合成人设相区分。研究以马里和埃塞俄比亚为例，指出非洲语言与训练数据的不对称可能既限制影响力能力、也削弱防御响应，混合人机操作或可结合自动化规模与本地可信度。
arXiv cs.CYAI 评分3939 德国创业公司 AI 洗白审计：营销宣称与认知的混合方法研究
一项针对德国创业公司市场的审计研究，用七维度标注手册分析了 100 家创业公司并访谈 63 位专家，发现 AI 能力夸大表现为三种形式：无可核查证据的宣称、无方法论的性能数字、不承认局限的宣称。38% 的样本被标记存在中度或严重伦理问题，涉及监控及受监管领域的自动化决策。研究建议将创业公司的 AI 宣称纳入披露要求，并向监管机构、投资者和消费者保护机构提供该标注手册用于常规审计。
arXiv cs.CYAI 评分2424 如何改进社交媒体以支持民主话语：一份模块化机制白皮书
一篇55页白皮书提出了一套可单独或组合实施的模块化机制，用于将社交媒体从以参与度和广告收入为核心转向支持民主话语与集体审议。机制包括用户可控的开放推荐系统、多元观点曝光工具、认知与认识论反馈、协作及AI辅助的事实核查、隐私与可见性控制、文明与证据完整性机制，以及奖励高质量参与的声誉系统。作者称这些提案既是设计选项的实用菜单，也是围绕民主价值而非单纯参与度设计数字公共空间的跨学科讨论起点。
RadarAIAI 评分3636 Epoch AI：已出货 AI 芯片到 2027 年最多可支撑近 20 亿个并发智能体，固定性能成本每季度降 47%
Epoch AI 估算，到 2027 年已出货的 AI 芯片最多可支撑近 20 亿个并发智能体（运行廉价模型时），若运行前沿模型则约为 3000 万至 1.7 亿个。其研究显示，固定 AI 性能水平的成本过去三年约每季度下降 47%，即每年约 13 倍，比 DNA 测序快 4 倍、比锂电池快 18 倍。此外，arXiv 数学预印本中 AI 使用致谢占比从 4 月的 4% 升至 8 月的 25%。
arXiv cs.CYAI 评分2727 当科学认知不再稀缺：AI 时代的"稀缺性倒置"
论文提出"稀缺性倒置"概念：当机器系统在文献综述、假设生成、软件开发、模拟和分析等可计算科学工作上比人更快更好更便宜时，实验、观测、可靠结论与可问责的机构权威反而成为稀缺资源。这一变化将最先出现在数学和编程/软件/算法设计领域，因为整个科学闭环可在计算内完成。对国立实验室而言，其独特作用是把充裕的机器推理转化为可信结果，需重新思考设施、验证、溯源、资源分配与科学治理。