停!欧洲上演人才大战,DeepMind快被薅秃了;全球AI人才追踪报告,中国进步好大;500万自由职业者,这4类最容易被AI取代 | ShowMeAI日报

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦!


👀 微软挖走了 Inflection AI 联合创始人和技术团队,还破天荒给出了 CEO 的高位

https://blogs.microsoft.com/blog/2024/03/19/mustafa-suleyman-deepmind-and-inflection-co-founder-joins-microsoft-to-lead-copilot

补充一份背景:Inflection AI 是一家美国人工智能独角兽公司,由行业知名大佬 Mustafa Suleyman、Karén Simonyan、Reid Hoffman于2022年创办并组建了一支顶尖的AI工程师团队,其核心产品是对话式个人助理 Pi,前段时间刚刚发布了最新的大模型 Inflection-2.5

Mustafa Suleyman 是 DeepMind 联合创始人之一,2014年 DeepMind 被 Google 斥巨资收购,他也随之进入 Google 工作并于 2022 年辞职创立 Inflection AI。

Karén Simonyan 在学术界声望很高,是 AlexNet 和 VGGNet 等深度卷积神经网络架构的开发者,发表在《Science》和《Nature》等顶刊上的多篇论文被引用超过了 18 万次,加入 Inflection AI 后担任首席科学家。

Reid Hoffman 是LinkedIn 联合创始人,也是一位著名的风险投资者,在科技界有着广泛的影响力,他投资并加入了 Inflection AI。


三位星光熠熠的联合创始人,使得 Inflection AI 备受投资人青睐,成立后不久就获得了 2.25 亿美元的融资。2023年6月,公司宣布融资13亿美元,一举成为仅次于 OpenAI 的大模型独角兽,这轮投资方有微软、英伟达、Bill Gates、Eric Schmidt (Google 董事长)、Reid Hoffman。

公司发展一路向好之时,两位联合创始人 Mustafa Suleyman 和 Karén Simonyan 突然宣布加入微软,并带走了一大批公司的算法工程师、模型架构师和研究员 😨


作为曾经的投资人,微软这次「大挖墙角」自然是开出了不错的条件:承诺组建一个新组织「Microsoft AI」统筹管理微软 Copilot、Bing、Edge、GenAI 团队,Mustafa Suleyman 担任 CEO 并直接向微软CEO 汇报,Karén Simonyan 作为首席科学家加入。

据悉,Inflection AI 的投资者将得到全额补偿。留下善后的联合创始人 Reid Hoffman 称已经为 Inflection AI 找到了新的 CEO,并准备转向 2B 企业服务赛道。 😮

去年11月 OpenAI 「宫斗」正酣之时,微软也曾承诺为 OpenAI 员工组建新部门。顶尖人才是重中之重,这拨人聚起来再做一个 OpenAI 并不难。

那时,大家算算帐就发现,微软单个「买」员工可比整体买 OpenAI 便宜多了!!看来,微软自己也算明白了。所以,这次只挖人,没收购。



🉑 867个职业,19,000个任务,我们列出了AI时代的「高危」行业清单

https://www.visualcapitalist.com/charted-the-jobs-most-impacted-by-ai

一年时间过去了,随着AI能力的进步和对各行各业的渗透,目前到底哪些职业更容易受到AI的影响呢?基于对 867 个职业的 19,000 多个任务的分析,整理绘制了上方的可视化图。

结果显示,容易被改造和替代的行业,从高到低分别是:IT(信息技术)、金融、客户销售、运营、人力资源(HR)、市场、法律、供应链。

  • 红色:影响较大,指工作中对于「语言」的依赖程度高,极大可能被AI显著改变或者完全自动化

  • 黄色:影响较小

  • 蓝色:完全不被影响



🉑 我分析了500万个自由职业者的工作,看看哪些工作正在被人工智能取代

https://bloomberry.com/i-analyzed-5m-freelancing-jobs-to-see-what-jobs-are-being-replaced-by-ai/

补充一份背景:Upwork 是一个为雇主和自由职业者提供的沟通交易平台。自由职业者的岗位数据,能够更加及时和真实地反映了AI产生的综合影响

这篇文章也是研究 AI 对岗位的影响,但是选取的切入视角非常巧妙:作者选取了 Upwork 网站上12类热门岗位,并研究了数量和时薪随时间的变化。

如上图右侧所示,作者选取的12个研究岗位是:

  1. 平面设计 / Graphic Design

  2. 网站设计 / Web Design

  3. 前端开发 / Frontend Development

  4. 写作 / Writing

  5. 社交媒体营销 / Social Media Marketing

  6. 视频编辑制作 / Video Editing/Production

  7. 客服 / Customer Service

  8. 翻译 / Translation

  9. 会计 / Accounting

  10. 销售 / Sales

  11. 后端开发 / Backend Development

  12. 市场研究 / Market Research

结论依据也比较直接:某岗位的需求数量变化明显,或者时薪有较大波动,说明其更容易被AI影响(已经证实科技公司裁员对 Upwork 的数据没有产生影响)。


岗位工作数量明显减少:写作 (-33%)、翻译 (-19%) 、客服 (-16%) → 也就是说些工作最容易受到 AI 的负面影响。

岗位工作数量不降反升:视频编辑制作(+39%)、网站设计(+10%)、平面设计(+8%)、后端开发(+6%)、前端开发(+4%) → 说明综合来看这些岗位是这轮AI浪潮的获益者。岗位数量增加可能是AI带动了需求增长,以及自由职业者们将AI融入工作流进而提升了效率。


时薪明显下降:翻译 (-22%)、视频编辑制作 (-16%)、市场研究 (-14%) → 这些岗位需要的人类技能的竞争力,已经被AI削弱了。


AI技能需求:聊天机器人开发 (+2000%) 增长最明显。其他 AI 岗位的显著增高则是从2023年下旬开始的,也符合人才市场滞后于商业需求半年时间的规律。



🉑 全球AI人才追踪报告:美国、中国、欧洲的顶尖AI人才流动趋势

https://macropolo.org/digital-projects/the-global-ai-talent-tracker

补充一份背景:NeurIPS(Neural Information Processing Systems)是全球知名的人工智能和机器学习领域的学术会议

时隔四年,《全球AI人才追踪》报告今年出了 2.0 版本,以 NeurIPS 2022 接受论文的作者数据为样本,研究分析全球顶尖AI研究人才流动&分布情况。整体如上图。


2022年全球排名前25的顶级AI研究机构:中国 6 所(清华大学、北京大学、中国科学院大学、上海交通大学、浙江大学、华为),美国 15 所,英国1所、欧洲1所,加拿大1 所,新加披 1 所。


顶级 (Top 2%) AI研究人员的原籍国,主要包括美国、中国、印度、德国、法国、加拿大;中国籍顶级AI研究员所占比例,最近几年明显增加。


如果将条件放宽到 Top 20%,可以看到中国籍AI研究员的比例有进一步增加,几乎占据了半壁江山 (47%)。


上图左:Top 20% AI研究员的工作地点分布,其中美国、中国和欧洲三者已经占据了全世界的82%,其中美国独占 42%。

上图右:而在美国工作的这些AI研究员们,仅有 37%来自美国本土,中欧印等国家占据了更大的比例。

报告仍在陆续发布,感兴趣可以继续关注。根据已经公布的信息,我们可以获得一些关键洞察:

  • 美国仍是顶尖AI人才的首选工作地:美国机构中的美国和中国研究人员占顶尖AI人才的75%

  • 英国、韩国和欧洲大陆,作为顶尖AI研究人员的工作地有所提升

  • 中国是世界顶尖AI研究人员的主要产出国

  • 印度是顶尖AI研究人员的重要出口国,不过其留住人才的能力在增强

  • 顶尖AI研究人员的整体流动性在减少



👀 欧洲上演AI人才大战:DeepMind 也经不起这么薅啊!!

https://www.reuters.com/technology/ai-talent-war-heats-up-europe-2024-03-11

让我们把目光转向欧洲。

随着这一轮 GenAI 科技浪潮的兴起,欧洲也开始进入「AI人才抢夺」的游戏节奏:大量投资款涌入,各方争夺有限的AI人才,薪酬待遇水涨船高。毕竟,当下的共识之一就是,顶尖AI人才乃重中之重。

而这就要提到欧洲的老牌AI重镇——DeepMind。

DeepMind 成立于2010年,总部位于伦敦,以其在人工智能领域的突破性研究而闻名。虽然 2014年被 Google 收购,但仍然保持着一定程度的独立运营,并且继续在欧洲设有办公室。

而现在,越来越多员工离职创办或加入AI创业公司,其中就包括我们熟悉的 Inflection AI 和 Mistral AI 大模型公司。两家公司短时间内都获得了高额的融资和估值,这又进一步加剧了 DeepMind 研究员的离职潮。

此外,美国的 OpenAI、Anthropic,加拿大的Cohere 等大模型公司开始在欧洲设立办公室,并且愿意支付高薪,快速瓜分着欧洲的本地技术人才。

顶尖的AI人才毕竟是有限的,几方争夺自然导致薪酬待遇一路攀升,也迫使 DeepMind 给一些高级研究员发放价值数百万美元的限制性股票。



🉑 AI浪潮奔涌,中国民众观点一览:极致的务实也是浪漫

ShowMeAI知识星球资源编码:R241

这是国内媒体澎湃进行的一次问卷调查,并根据3月1日至3月10日期间的 2500 份问卷进行了数据分析。整份报告具有非常浓厚的「中国气息」:务实、求真、多挣钱。


报告探讨了当下民众对于AI的使用场景、行业渗透现状、对AI焦虑的主要原因,以及为AI花过那些钱。图表绘制非常精致,解说也很清晰,感兴趣可以直接到星球下载报告原文。

感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们!

◉ 点击 👀日报&周刊合集,订阅话题 #ShowMeAI日报,一览AI领域发展前沿,抓住最新发展机会!

◉ 点击 🎡生产力工具与行业应用大全,一起在信息浪潮里扑腾起来吧!

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1210

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 354

【HCIE】FRR+BFD+OSPF与BGP联动

FRR+BFD+OSPF与BGP联动

Wenrs的博客 1997

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 281

【SAP PO】SAP PO 接口配置完整教程之二REST服务对接

SAP PO 接口配置完整教程之二REST服务对接

XLevon的博客 1万+

高通camera open代码流程(hal到kernel)

内容:简单介绍Camera open代码调用流程,从HAl到kernel。(api1+hal1) 前言 Android camera api和hal对应关系。安卓在版本更新过程中,camera相关代码也经历了几个版本的更新,表现为camera HAL版本更新(HAL1->HAL2->HAL3),camera API版本更新(camera API1->camera API2),接下...

oxoo123的专栏 4277

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 255

【k8s实战】 在离线项目混部 通过kubeflow(tf-operator)部署TensorFlow机器学习任务+prometheus/grafana监控资源使用全过程(最新 图文)

目录在离线混合部署概念最新版kubeflow部署TensorFlow部署二级目录三级目录 在离线混合部署概念 先举一个例子,众所周知的天猫双十一当天的流量非常之大,那么就需要成百上千台服务器构成一个超大集群来提供计算能力,但是双十一过去之后,集群资源就面临着浪费的局面。假设业务分为在线和离线两种模式:在线任务需要资源相对较少,但要求响应时间短;离线任务则不需要对任务进行迅速响应,但是计算量相对较大、占用资源多。那么我们应该怎么在K8S集群上完成这两种业务的部署、并且使得CPU利用率始终维持在一个比较高的水平

Eros1on的博客 1548

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 192

从华为杯建模到论文录用:我的Biomedical Signal Processing and Control投稿全记录(含Latex模板与审稿人推荐技巧)

本文详细记录了作者从华为杯数学建模竞赛到Biomedical Signal Processing and Control期刊投稿的全过程,分享了如何将竞赛成果转化为学术论文的实用技巧,包括LaTeX排版中的常见陷阱与解决方案,以及审稿人推荐策略。特别提供了针对Elsevier模板的优化建议和高效回复审稿意见的方法,适合生物医学信号处理领域的研究者参考。

weixin_42549037的博客 458

UG NX二次开发基础篇-外部模式与DLL内部模式(二 DLL内部模式)

通常情况下,我们希望我们的外挂,在UG启动的时候,就自动加载我们的外挂,并以菜单和工具条的方式,显示在UG上面。当然,这也是市面上所有外挂的操作,因为您不可能要求你的用户,以手工加载的方式,去调用你的外挂吧。在上一篇中,有粉丝留言说,启动 bat 文件,启动EXE外挂,会提示无法找到DLL的错误,这是因为UG的环境变量设置有问题,这里,我们把BAT文件作一个修改,直接改为实际目录。EXE外部模式,还有很多部分需要添加的,如参数的传递、输出消息的显示、UG操作的消息显示,等等。Dll执行结束后,会调用。

u014657217的博客 1655

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 564

Qt 调用YOLO模型(代码)

本文介绍了如何在 Qt C++ 环境中集成 YOLO 模型进行目标检测,包括模型封装、界面设计和实时处理等关键步骤。通过这种方法,你可以快速开发出具有目标检测功能的 Qt 应用程序,应用于监控系统、机器人视觉、图像分析等多个领域。

轩宇的博客 260

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 619

从 0 到 1 打造一个“超级 IP 智能体”

这篇文章介绍了一个"超级IP智能体"的技术架构和实现方案。该项目构建了一个多模态内容生成流水线,主要流程包括:1)视频下载和音频提取;2)语音识别转换为文字稿;3)使用大语言模型对文案进行仿写和润色;4)语音合成;5)数字人口型同步;6)视频后期处理。文章详细介绍了如何使用Python和Hugging Face开源模型搭建环境,并重点展示了视频下载、语音识别(采用Whisper模型)以及文案仿写(使用Qwen1.5-7B-Chat模型)等核心模块的代码实现。所有处理均针对M3芯片Mac优

AI天才研究院 1150

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 160

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 294

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 51

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 429

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 495

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 252

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

328

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 369

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5030

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 506

影视场景怎么用AI生成3D镜头预演?从概念图、场景白模到网页审片

概念图有氛围,不代表能直接用于镜头预演。本文围绕剧本拆镜、资料与尺度假设、场景白模、机位走位、动作节拍和网页审片,介绍 AI 生成 3D 场景的预演流程。通过稳定对象与相机编号、统一镜头表、意见关联版本和三轮审核,让讨论落到具体镜头,同时明确白模与网页预演不能替代真实场地勘景及现场安全判断。

Solange__的博客 591
上一篇: 那些用ChatGPT写书挣钱的歪脑筋… 给我的11个AIGC工作流打打分;[合辑]新闻+AI的妙用与滥用;大模型应用层创业的13个Tips | ShowMeAI日报
下一篇: 地表最强Suno音乐创作教程;回顾杨植麟5次专访,探寻月亮背面的秘密;RAG VS 长文本,谁才是大模型的未来?智谱GLM大模型入门指南 | ShowMeAI日报
ShowMeAI
博客等级 码龄5年 6514粉丝 672原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ShowMeAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值