Understanding the AI Economy5 days agohttps://blog.google/innovation-and-ai/technology/research/understanding-the-ai-e...
Lawyers risk being sued for failing to use AI9 days agohttps://www.legalcheek.com/2026/07/lawyers-risk-being-sued-for-failing-to-use-ai...根据英国司法管辖工作小组的一份声明，如果处在相同位置的合理专业人士会使用人工智能工具，那么英国的律师若未使用此类工具，可能面临过失索赔。该声明强调了不正确使用人工智能可能带来的法律责任，例如未对工具进行审核、未向客户解释人工智能、未保护数据或未识别输出错误，以及对于代表公司的人工智能聊天机器人，公司也可能承担责任。声明列举了多个案例，包括一名律师未能就人工智能辅助的文件审查提供建议，一名放射科医生未使用人工智能进行肿瘤检测，以及一名审计师未利用人工智能进行大规模异常检测。批评者认为，强制使用人工智能会让律师陷入双重困境：既可能因不使用人工智能而承担责任，又可能因未发现人工智能的错误而负责，这削弱了人类判断力，且如果工具产生不准确结果，还会带来效率风险。该工作小组是一个政府支持的机构，旨在阐明英国法律如何适用于新技术；其之前关于加密资产和智能合约的声明已被法院采纳，而各公司也在投资人工智能工具，如合同审查平台。
Australia Tops Claude Usage15 days agohttps://www.forbes.com.au/news/innovation/australia-is-the-worlds-biggest-claude...Claude AI在澳大利亚的使用频率超出预期六倍，其中作业辅助以近10%的占比成为最主要用途。Anthropic公司正考虑在澳大利亚增设本地基础设施，以满足企业和政府机构的数据驻留要求。澳大利亚与Anthropic公司的'价值观交集'包括技术领导力和一个强大且富有创造力的开发者社区。Anthropic公司已与澳大利亚签署谅解备忘录，承诺满足数据中心建设预期并遵守严格的版权法。全球范围内Claude的使用情况各不相同：个人支持类使用在周末达到高峰，工作日则以商务任务为主，且各国对自动化功能的偏好存在差异。
Microsoft 365 Copilot adoption is under 4.5%, only 1% use it weekly21 days agohttps://www.windowslatest.com/2026/07/07/microsoft-365-copilot-adoption-is-under...微软 365 Copilot 采用率偏低，不到 5% 的商业客户愿意付费购买，且在这些付费用户中，只有 20-30% 每周会打开使用。付费的微软 365 Copilot 附加服务价格为每用户每月 21-30 美元，在现有订阅基础上提供优先 AI 访问权限、工作数据集成以及 Researcher 等智能代理功能。微软正在向 Copilot 付费层引入 Claude 等第三方模型，显示出对其自身 AI 模型信心不足，而将深度应用集成作为主要卖点。Copilot 因强制集成到记事本和文件资源管理器等应用而面临声誉问题，引发用户强烈不满，甚至被戏称为 'Microslop'（微软废物）。面对 Gemini 和 Claude 的竞争，微软正在重组 Copilot。目前其网络市场份额约为 1%，而 GitHub Copilot 也逐渐被 Cursor 等竞争对手夺走用户心智。
Companies hire more after AI adoption22 days agohttps://ramp.com/data/heavy-ai-adopters-hire-more高强度采用人工智能的公司，在两年内员工人数增长10%，这主要受人工智能支出排名前三分之一的公司推动。高强度采用人工智能的公司在入门级招聘上增加了12%，这表明它们更偏爱具备人工智能使用技能的求职者。人工智能的采用分布不均，更偏向于规模较大、获得风险投资、工程密集型以及快速增长的公司，其收益受网络效应和学习曲线影响。人工智能的采用需要达到最低门槛（初期约为每名员工每月30美元）以及6至12个月的学习期，之后才会对招聘产生影响。高强度采用人工智能的小型企业可能通过降低固定成本、开辟新的收入来源以及增加招聘，实现超常增长。实用建议：年轻求职者应优先考虑使用人工智能的公司；工程师应学习人工智能技术；企业主应在面临初始挑战时坚持采用人工智能。
Tokenmaxxing is dead, long live tokenmaxxinga month agohttps://12gramsofcarbon.com/p/agentics-tech-things-tokenmaxxingToken最大化最初被视为浪费行为，但可能曾是高管们为了克服组织内对AI采纳的阻力而采取的有意策略。‘复合正确性’的概念表明，增加令牌使用量可以带来更好的结果，可能会重新激活Token最大化的激励。在网络安全领域，像Anthropic的Mythos这样的模型表明，通过在漏洞发现上比攻击者花费更多令牌，可以增强安全性。代理式AI中‘循环’的兴起允许持续、无监督的操作，进一步推动了令牌消耗。像GLM 5.2这样的开放模型相比前沿模型提供了成本优势，使得令牌密集型流程在经济上更加可行。‘软件工厂’或‘黑暗工厂’的愿景设想完全自动化的编码流水线，这可能为高每日令牌支出提供合理性。政府监管，例如对Mythos等模型的受控访问，正在影响AI部署并创造不透明的择优机制。AI速度的提升，如OpenAI的Jalapeño芯片，可能会将工作流程从异步转变为更同步的实时操作。