韩国将投入21.3万亿韩元发展AI与数据中心，4.6万亿韩元用于自研顶尖大模型
韩国总统李在明表示，政府将投入21.3万亿韩元，推进半导体制造集群、数据中心、实体人工智能研发和AI产业布局。其中4.6万亿韩元将用于研发全球顶尖水平的自主大模型，13.8万亿韩元投向十大战略技术领域。他称，2027年总支出将达820.9万亿韩元，同比增长12.8%，用于提振潜在增长并落实“全民共享增长”目标。
推荐理由：韩国把财政投入同时投向芯片、数据中心、战略技术与自主大模型，呈现其AI产业扶持的预算结构。
#数据/训练
36氪精选AI 评分6161
量子位精选AI 评分5454 西湖大学成立世界模型研究中心
西湖大学于10月31日成立西湖世界模型研究中心，聚焦世界模型与物理智能研究。中心由于开丞教授担任主任、金耀初院士担任首席科学家，是面向物理智能的校级交叉科研平台。AutoLab三年前已开展世界模型研究，2024年底转向概念世界模型路线，并孵化西湖数智Awomo，聚焦物理世界的基础大模型。
推荐理由：文章梳理了AutoLab从生成极端场景转向概念世界模型的技术路线，并交代研究中心与孵化公司之间的研发衔接。
The Decoder精选AI 评分6666 OpenAI 计划使用此前排除在训练之外的 Daybreak Blue 网络安全会话数据训练模型
OpenAI 计划自 11 月 29 日起使用 Daybreak Blue 网络安全会话数据训练模型，结束这些数据此前被排除在训练之外的状态。邮件确认，用户即使关闭“improve the model for everyone”设置，数据仍会用于训练；引发反弹后，OpenAI 承诺提供单独的退出选项。被安全审查标记的交互仍可用于安全目的。
推荐理由：OpenAI 调整 Daybreak Blue 会话数据的训练用途并承诺提供单独退出选项，呈现数据使用边界变化引发的争议。
Hacker News精选AI 评分6262 Meta 前研究员庭询中承认分发 Books3，Llama 诉讼聚焦 Meta 的数据获取方式
Meta 前研究员 Stephen Roller 在庭询中承认，任职期间曾通过 BitTorrent 下载并有意分发包含近 200,000 本书的 Books3 数据集。
推荐理由：这份材料拆分了图书训练的合理使用问题与盗版数据来源问题，证词、命令日志和内部文件是后续争点的主要材料。
Ars Technica · AI精选AI 评分6161 Fujifilm 宣布投资约 10 billion yen，将 LTO 磁带产能提升至 5 倍
Fujifilm 宣布投资约 10 billion yen（约 $63 million），将 LTO 磁带产能较 2025 财年水平提升至 5 倍。投资将在 2026—2028 财年用于神奈川工厂和小田原场地的制造扩建与人员增加，主要生产 FUJIFILM LTO Ultrium10。
推荐理由：Fujifilm 以 5 倍扩产回应生成式 AI 带动的数据归档需求，呈现大型云服务商扩大低成本离线备份投入的动向。
The Verge · AI精选AI 评分6868 Wikimedia 就 AI 版权诉讼提交法庭之友意见，警告不当裁决威胁开放网络
Wikimedia Foundation 就 OpenAI、Microsoft 与出版商之间的 AI 版权诉讼提交法庭之友意见，主张区分 LLM 预训练与向用户复制受版权保护内容。其折中立场是，预训练应提供全新且不同的内容，而取代原作、减少读者接触的行为需要遵守许可条款。Wikimedia 警告，未谨慎适用公平使用原则可能损害自由知识的可持续性并抑制开源技术发展。
推荐理由：Wikimedia 在 AI 版权诉讼中区分模型训练与输出复制，呈现开放知识、授权要求与生成式 AI 之间的具体权衡。
TechCrunch精选AI 评分6767 Reddit 因搜索流量下滑转向以登录用户体验为主
Reddit 宣布将平台转向以登录用户体验为主，以应对搜索流量下滑、减少数据被 AI 抓取并拓展模型授权收入。Q3 全球日活环比持平于 130.3 million，美国日活从 Q2 的 53.2 million 降至 50.7 million，10 月搜索引荐量每周平均减少超过 1 million。
推荐理由：Reddit 的登录态转型把搜索流量下滑、AI 数据授权与广告变现放在同一框架中，适合对照开放互联网平台的应对路径。
TechCrunch精选AI 评分4848 前 Palantir 高管创办 Dream，获 a16z 领投 $17M 种子轮融资开发面向建筑设计与工程的 AI 世界模型
前 Palantir 高管创办的 Dream 走出隐身状态，获 a16z 领投的 $17M 种子轮融资，开发面向建筑设计与工程自动化的 AI 世界模型。该模型以美国各地建筑许可档案中超过 100 million square feet 的建筑数据训练，并依据真实物理规律和建筑标准生成结构精确、涵盖管道与 HVAC 的设计。
推荐理由：文章对比了标准 LLM 生成建筑图像与 Dream 按物理规律和施工标准生成结构精确设计的方法，呈现建筑世界模型的技术差异。
量子位精选AI 评分4444 文远知行子公司景烁科技获数千万美元 pre-A 轮融资
文远知行披露，旗下子公司景烁科技获得嘉御资本、HKSTP香港科技园、天狼星资本等共同投资的数千万美元 pre-A 轮融资。景烁科技围绕物理AI建设数据与模型基础设施，依托数据—模型一体化平台 WorldEngine 和自研世界模型 GENESIS-Robotics，覆盖数据采集、数据集与定制数据服务。
推荐理由：数千万美元 pre-A 轮融资将用于扩充团队和强化数据平台、世界模型与技能资产引擎协同，呈现物理AI基础设施扩张路径。
The Verge · AI精选AI 评分6565 Meta称可能再次推迟实施有争议的新商业条款
Meta 称，出版商因担忧新商业条款涉及用新闻网站内容训练 AI 模型而反对，实施时间可能推迟至 11月20日之后，甚至无限期延后。
推荐理由：条款实施时间仍不确定，出版商反对与两党议员发声让新闻网站内容用于 AI 训练的授权边界成为核心争议。
MIT Technology Review精选AI 评分4646 MIT Technology Review The Download：AI 实验室购买倒闭初创公司数据，评估跨物种通信进展
MIT Technology Review 的 The Download 汇总了 AI 实验室购买倒闭初创公司数据以训练智能体，以及 AI 辅助研究动物通信的两项内容。
推荐理由：文章呈现 AI 实验室从倒闭初创公司采购真实训练数据的路径，并指出相关交易带来的法律与伦理争议。
36氪精选AI 评分4747 豆包刘星否认横店项目将15万群演肖像和声音用于训练字节大模型
豆包公关负责人刘星表示，横店与字节合作将15万名群演肖像和声音用于训练字节大模型的传言严重失实。横店影视 AI 服务平台希望建设公共数字基础设施，把影视基地实景等资产做成高质量数据集，帮助剧组选景、筹备和拍摄，并降低中小影视企业使用 AI 的门槛，火山引擎担任技术支持方。数据资产归横店或授权方所有，涉及肖像和声音均需本人授权，项目数据不会用于训练字节大模型。
推荐理由：这段回应交代了横店影视 AI 服务平台的数据用途、资产归属与授权边界，为理解影视场景的数据基础设施提供具体背景。
Hacker News精选AI 评分8383 联邦法官裁定 Anthropic 使用逾10位斯坦福教授的盗版书籍训练 Claude，合法购书训练可构成合理使用
联邦法官裁定 Anthropic 使用逾10位斯坦福教授的盗版书籍训练 Claude，合法购书训练 LLM 可构成合理使用。
推荐理由：案件区分了盗版取书与合法购书训练的法律边界，并呈现 $1.5 billion 和解、作者另行起诉和强制许可三条路径。
Hacker News精选AI 评分7474 Open3DLab 指控 Roblox 关联爬虫未经许可下载 145.5 GB 3D 模型，含成人内容
Open3DLab 称，Roblox 关联爬虫未经许可下载其三个站点的 1,027 个文件，共 145.5 GB，涉及 712 个项目及成人内容。日志显示，该爬虫于 10 月 15 日至 16 日访问 18,926 个项目页面并发出 26,429 次请求，无视 robots.txt 和服务条款，仍抓取了 423 个仅限非商业使用的项目。
推荐理由：站点日志记录了 145.5 GB 模型被抓取的规模与许可冲突，也让 AI 训练数据中的成人内容筛选和创作者授权成为具体争议。
钛媒体精选AI 评分5555 中国企业在太空布局算力枢纽，从“天感地算”转向“天数天算”
国星宇航“星算”计划已随朱雀二号改进型遥四火箭将8颗卫星送入轨道，目标是让卫星在轨处理遥感数据，从“天感地算”转向“天数天算”。“星算”02组卫星搭载AI计算、高速激光通信和微光相机等载荷，入轨后整个星座在轨总算力达到50P，完整计划包括2400颗推理卫星和400颗训练卫星。文章还梳理三体计算星座、太空算力云和天基光计算路线，并分析散热、能源、星间通信、成本和应急救灾等落地条件。
推荐理由：文章用95%遥感数据未下传这一约束串联“天数天算”的技术路线、星座规模与商业化难点，便于理解太空算力为何强调分钟级响应。
The Verge · AI精选AI 评分6464 Meta 因出版商反对 AI 抓取而将新商业条款推迟至 11 月 20 日
Meta 因全球出版商反对其可能允许抓取新闻网站用于 AI 训练的新商业条款，将生效时间从 10 月 30 日推迟至 11 月 20 日。Meta 称延期是为了解释变化内容，并强调内容所有者仍可通过 robots.txt 表达抓取偏好。尽管 Meta 删除了涉及训练其产品的措辞，法律专家认为仍不能排除这种可能，欧盟和英国的广告商与出版商此前要求监管机构叫停新条款。
推荐理由：延期回应了出版商对 AI 训练抓取的担忧，也为 Meta 继续解释抓取规则及 robots.txt 偏好机制留出时间。
NVIDIA Blog精选AI 评分5555 NVIDIA开放模型支撑欧洲多国公共部门项目
NVIDIA正与欧洲多国政府及合作伙伴推进开放模型在公共服务中的本地化部署，覆盖医疗、就业、政务协作和主权云等场景。这些方案由公共部门控制数据和基础设施，并结合本地语言、合成人物数据与模型评估工具开展部署。
推荐理由：文章汇总欧洲多国政府采用开放模型和本地化数据建设公共服务的路径，涵盖医疗、就业、政务与主权云等场景，便于对照不同地区的部署方式。
量子位精选AI 评分3636 生数科技 Motubrain 团队启动 Motubrain 2.0 训练全流程公开直播
生数科技世界模型团队于 10 月 21 日正式开启 Motubrain 2.0 训练全流程公开直播，计划持续半个月。直播涵盖预训练、后训练、AI 智能体任务执行和 RSI（递归自我改进）探索，展示模型从训练、测试到能力迭代的过程。Motubrain 2.0 即将开源，相关研究仍处于探索阶段，直播入口为 www.motubrain.com/motubrain2.0-live。
推荐理由：此次直播覆盖预训练、后训练、任务执行和递归自我改进，为观察具身模型能力形成与训练迭代提供了具体窗口。
钛媒体精选AI 评分6060 农村大妈成为具身智能数据采集员，为机器人采集训练数据
在河南农村，妇女通过穿戴式数采设备开展无本体数据采集，每天工作8小时可拿80元日薪，月收入2000多元。英伟达今年年初发布EgoScale，将超过2万小时人类第一视角视频喂给大模型，发现增加真人示范数据可稳步提升机器人操作能力。文章还指出，徐阳入行时打包数据可卖33元/小时，目前普遍约3元/小时，层层分包也令从业者对未来订单感到焦虑。
推荐理由：文章通过农村采集员、劳务组织者和小商户的经历，拆解无本体数据采集的就业门槛、利润空间、订单变化及长期需求。
36氪精选AI 评分7171 国家数据集团在河北雄安新区成立
国家数据集团有限公司10月20日在河北雄安新区成立，是一家以数据资源开发利用为主责主业的中央企业，总部位于雄安新区。集团成立旨在推进数据资源开发利用、释放数据要素价值、服务人工智能发展和繁荣数据产业生态；后续将在有关部门指导下加强央地联动与产业协同，推动能力共用、经验共享和业务共拓。
推荐理由：国家数据集团承担数据资源开发利用主责，并提出服务 AI 发展，为观察数据要素如何进入产业协同提供了具体案例。