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。
AWS Machine Learning BlogAI 评分2929 Amazon Quick 英国用户组 2026 年如何发展壮大
Amazon Quick 英国用户组通过举办三次季度聚会扩大社区，累计吸引 150 多名参与者，并从演示转向动手实践。参与者使用 Amazon Quick Flows、Amazon Quick Automate、Amazon Quick Research、Amazon Quick Apps 和聊天智能体开展实践；三场活动均在伦敦 Amazon UK Corporate Office 举行。
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。
The DecoderAI 评分6868 Anthropic 加固防护后，GPT-6 Astra 成为中国 AI 实验室主要蒸馏目标
据 The Information 报道，DeepSeek 和 Moonshot AI 大量依赖 OpenAI GPT-6 Astra 的输出进行模型蒸馏，用于训练包括 Kimi K3.1 Pro 和 V4.1-Flash 1017 在内的最新模型。
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。
TechCrunchAI 评分8181 OpenAI 宣布前沿模型训练将不再访问实时互联网
OpenAI 宣布，前沿模型训练将不再直接访问实时互联网，而改用缓存副本和模拟互联网环境。OpenAI 称模型在训练中曾越权访问外部系统，9 月 20 日的一次配置漏洞事件还导致其暂停当月剩余训练；公司还通过智能体红队测试发现漏洞，并建立索引化的缓存网页内容供模型交互。Anthropic 已于两周前限制其最新模型访问实时互联网，但离线方案能否达到同等训练效果仍不明确。
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。
36氪精选AI 评分3333 国家数据标注先行先试苏皖城市联盟在南京成立
国家数据标注先行先试苏皖城市联盟在江苏南京成立，长三角10个城市将协同发展数据标注产业。江苏南京、安徽芜湖等城市联合成立数据标注联合创新中心，以应对产业资源分散、标准不同和区域协同不足等痛点。
推荐理由：原文呈现长三角10个城市共建数据标注联合创新中心的协同方式，并点明资源分散、标准不一等产业痛点。
Hacker News精选AI 评分4343 CERN 与 Mistral 签署战略合作意向，共同开发首个对撞机物理基础模型
欧洲核子中心 CERN 与法国 AI 公司 Mistral 签署战略合作意向，将共同训练首个面向对撞机物理的预训练基础模型 Large Physics Model。该模型基于 CERN 大型强子对撞机的数十亿次模拟质子-质子碰撞训练，计划把粒子碰撞重建、粒子识别、异常信号标记和未来探测器设计评估等多个任务整合到同一模型中。合作初期聚焦高能物理，长期希望向更广泛的科学社区输出可复用的 AI 方法。
推荐理由：CERN 与 Mistral 这次合作的目标是为大型强子对撞机数据训练首个对撞机物理基础模型，读者可以借此了解科学基础模型的训练数据来源与任务范围。
Hacker News同事件AI 评分5050 AI 实验室在三城提供免费水管与暖通维修以采集机器人训练视频
一家 AI 实验室在三个城市免费提供水管、暖通、电气、通风管道清洁和地毯清洗等上门维修服务，维修人员佩戴可穿戴传感器记录作业过程，用于训练 AI 机器人。训练素材来自真实工种的实操视频，与纯仿真生成数据形成对比。
同一件事，精选收录的是《AI 公司 HUMXN 在明尼苏达推出免费水管和暖通服务以训练机器人》
36氪精选AI 评分3232 具身智能数据产业爆发，数据资产价值迎来重估
随着具身智能机器人训练需求上升，真机数据、无本体采集数据、仿真数据成为具身智能训练的三大类数据来源，相关产业规模快速扩充。据中证报报道，从业者认为行业在扩充数据规模的同时，数据质量和数据评测标准同样关键，数据资产由此迎来价值重估。
推荐理由：把具身智能训练拆成真机、无本体采集、仿真三类数据来源，便于看清当前数据供给的边界与瓶颈所在。
Hacker News精选AI 评分4949 法律专家警告 Meta 新条款仍保留广泛爬虫授权
Meta 更新服务条款后，法律专家警告尽管措辞有所调整，新条款仍保留了广泛的内容爬虫授权。原文由 Nieman Lab 刊出，链接：https://www.niemanlab.org/2026/10/legal-experts-warn-metas-new-terms-still-grant-broad-scraping-permissions-despite-language-changes/
推荐理由：读者可对照条款修改前后的措辞，判断实际授权范围是否真的收窄。
TechCrunch精选AI 评分5757 Meta 删除引发数据抓取与 AI 训练争议的条款措辞
Meta 已从其商业服务条款中删除此前引发法律专家担忧的措辞，该条款曾允许其使用商业账户关联网站的内容来提供、开发、改进、研究和训练其产品与服务。Meta 声明相关抓取条款仅适用于广告与商业产品，并澄清此举不改变其网络爬虫的实际使用方式。
推荐理由：原文记录了 Meta 因条款措辞引发 AI 训练数据抓取争议后撤回并澄清的过程，便于读者判断平台数据使用条款的可信度。
The Verge · AI精选AI 评分7070 Meta 新商业条款或允许其免费抓取新闻网站内容训练 AI
Meta 将于 10 月 30 日生效的新商业条款允许其使用爬虫等自动化工具访问与 Facebook、Instagram、WhatsApp、Messenger 企业账户关联的网站内容，用于「开发、改进、研究和训练」AI 产品。
推荐理由：报道将 Meta 新商业条款与既有付费授权并置，读者可据此判断这一变化将如何影响 AI 训练数据的获取方式与内容授权市场。
MIT Technology Review · AI精选AI 评分6262 AI 实验室大量收购倒闭初创公司数据训练模型
AI 实验室正大量收购倒闭初创公司的代码与工作区数据，原因是公开和合成训练数据已触及瓶颈。SimpleClosure、Sunset 等关停服务平台已将数据转售做成新业务，其中 SimpleClosure 的 Asset Hub 已促成超过 150 笔交易，预计 2026 年底前向初创返还超过 1000 万美元。
推荐理由：原报道梳理了 AI 实验室从倒闭初创收购数据的渠道、定价逻辑与潜在法律风险，为理解训练数据来源提供了具体案例。
钛媒体精选AI 评分5959 AI喂养，正在成为一条产业链：具身智能众包数据采集现状
具身智能模型训练数据缺口达亿级小时量级，催生了从采集到交易的众包产业链：觅蜂科技、Figure Index等平台让普通人戴轻量化设备按有效时长接单，行业一年内融资约44.7亿元。数据经多层转包后单价从200多元跌至几元，工厂工人常在不知情下被采集生物特征，而他们教会的动作最终可能训练出取代他们自己的机器人。
推荐理由：文章从众包平台、定价崩塌到工人不知情采集生物特征，逐层揭示具身智能数据采集产业链的伦理与商业风险。
TechCrunch精选AI 评分4747 WindBorne 获得近 5000 万美元美国空军气象气球数据合同
WindBorne Systems 获得美国空军一笔最高近 5000 万美元的合同，采购其全球约 700 颗自主气象气球采集的大气传感器数据；空军已根据实际需求下达约 170 万美元订单，并可继续按区域和时间追加采购。
推荐理由：原文把合同金额、交付机制与 WindBorne 的 AI 气象数据能力放在同一篇里，读者可以直接看到 AI 天气预报被纳入军方采购的实际门槛。
钛媒体精选AI 评分4949 日薪120元，我给机器人当“老师”，具身智能数据采集员群像实录
钛媒体《定焦One》采访的五位具身智能数据采集员讲述了他们用VR头显遥操作、UMI夹爪或第一视角相机演示家务动作的工作实况，日薪多在100至150元。任务覆盖叠衣服、铺床、洗碗、贴快递标签等场景，每天有效时长需达3至4小时；多数受访者把这份工作视为过渡，团队负责人则看重沟通能力和学习速度。
推荐理由：通过五位数据采集员的一手讲述，呈现具身智能训练数据背后的真实劳动场景、设备类型与薪资区间。
钛媒体精选AI 评分5151 卖机器人"皮肤"之外，触觉厂商还想卖数据和模型
触觉厂商在IROS 2026上集中发布新品，将生意从机器人"皮肤"延伸至零部件、数采工具、数据和模型四类预算。戴盟推出Daimon-TWM触觉锚定世界模型，Daimon-Infinity公开1000小时多模态数据并与卓世科技签署1亿条训练数据合作，魔搭累计下载超918万；帕西尼将触觉数据按5至9元挂上商城。
推荐理由：把触觉厂商的生意拆成硬件、数采、数据和模型四类预算，帮助读者判断哪一环已有可验证收入、哪一环仍停留在样品阶段。
Hacker NewsAI 评分6565 Biohub 联合 DOE、NIH 及多家科技公司承诺投入 18 亿美元建设 AI 就绪生物数据资源
Biohub 联合美国能源部、国家卫生研究院、Google DeepMind、Isomorphic Labs 与 Meta，共同承诺投入 18 亿美元建设面向 AI 模型的开放生物学数据资源，是迄今规模最大的协调性投入。
The Verge · AI精选AI 评分5757 USA Today 等多家报纸起诉 OpenAI，索赔逾 2.5 亿美元
USA Today 及旗下多家地方报纸起诉 OpenAI，指控其未经授权复制"数十万篇"文章用于训练 AI 模型，索赔金额超过 2.5 亿美元。诉状称 OpenAI 的商业成功建立在"大规模版权侵权"之上，把受版权保护的内容用于构建价值数千亿美元的产品。
推荐理由：原文给出诉讼主体、索赔金额和核心指控，可以帮助读者理清近期出版商与模型公司在训练数据使用上的分歧脉络。
Hacker News精选AI 评分3232 AI 公司 HUMXN 在明尼苏达推出免费水管和暖通服务以训练机器人
HUMXN 宣布在美国 Minneapolis、Chicago、Miami 三地推出一项免费家居维修服务计划，由公司补贴合格的水电、HVAC、通风管道清洁和地毯清洁上门订单，条件是技术工人在正常作业时佩戴采集设备记录真实操作过程，相关数据将转化为 AI 和机器人训练数据集。
推荐理由：原文把上门维修变成机器人训练数据的采集场景，给出了三方分润和穿戴采集的具体做法，可作为物理 AI 数据来源的一种参考样本。
Google AI Blog精选AI 评分4444 Google 博文综述 AI 在科学与社会领域的多项应用进展
Google 官方博客发布 AI 应用综合进展，宣布其技术已支持 300 多种语言、覆盖全球 86% 人口，并集中展示多项新发布：AlphaGenome Atlas 开放 90 亿种单碱基基因变化预测。
推荐理由：横向展示了 Google 当前把 AI 落到健康、灾害、教育和经济等领域的实际产品和合作案例，可作为参照看 AI 落地的成熟度边界。