12月5日，豆包手机助手团队发布《关于调整AI操作手机能力的说明》，计划进一步限制AI对金融类应用的操作使用。具体包括银行、互联网支付等涉及资金安全的场景。尽管敏感操作需用户授权，但为确保安全，相关功能将暂时下线。团队表示，此举旨在平衡技术发展、行业接受度与用户体验，并将积极与厂商沟通，共同制定清晰、安全的AI操作行为准则。

12月5日，哈佛大学青年民调显示，59%的美国年轻人（18至29岁）认为AI会威胁其就业前景，其中26%认为威胁严重。调查覆盖2040名年轻人，误差幅度2.94%，于11月3日至7日完成。相较之下，仅48%担心外包影响就业，31%担忧移民冲击。尽管对AI态度谨慎，35%受访者常用ChatGPT等工具，52%愿意信任AI协助工作。此外，41%认为AI会让工作更无意义，仅14%觉得AI能提升工作价值；44%担心机会减少，仅14%认为AI能创造新机会。

11月29日，国家知识产权局宣布修改《专利审查指南》，新增人工智能伦理审查标准，新规定将于明年1月1日起施行。此次修改完善了人工智能领域专利申请的审查标准，强化对数据采集、规则设置等技术方案的法律和社会公德要求，明确应符合公共利益，引导人工智能“智能向善”。国家知识产权局专利局审查业务管理部部长蒋彤表示，此举旨在筑牢安全底线，适应人工智能技术发展需求，同时提供创造性审查示例和申请文件撰写指导，进一步规范专利审查流程。

谷歌CEO皮查伊近日在播客中透露，希望2027年前将TPU（张量处理单元）部署到太空，作为‘捕日者计划’的一部分，目标是规模化部署机器学习。这一计划旨在应对地面数据中心能源与散热瓶颈，满足AI算力需求的指数级增长。与此同时，马斯克提出利用星舰每年运送300-500吉瓦太阳能AI卫星的构想，认为太空可提供连续太阳能，降低数据中心成本。亚马逊创始人贝佐斯预测未来10-20年数据中心将进入太空，而OpenAI CEO奥尔特曼也提到可能在太阳系搭建戴森球实现算力外移。北京则规划在700-800公里晨昏轨道建设超千兆瓦功率的太空数据中心，预计2025-2027年突破关键技术并建设一期算力星座。

11月26日，前OpenAI研究员安德烈·卡帕西主张学校应停止监管AI生成的作业，认为识别AI文本的做法已失败，建议默认学生课外作业使用AI。他指出，当前检测工具效果有限且易被绕过，监管反而助长作弊文化。卡帕西提议将成绩评定转向课堂内任务，由教师监督完成，以培养独立解题能力。他认为学生需学习使用AI，同时掌握脱离AI工作的能力，并强调验证AI输出的重要性。他还提出‘面对面评估’模式，灵活调整测评形式。近期，卡帕西创立Eureka Labs，探索AI与教育融合，计划打造‘原生AI学校’，结合人类教师与AI助教优势，提供个性化指导。

11月26日，受谷歌Gemini 3.0、阿里千问等AI大模型应用爆发推动，全球投资者对AI信心回升，存储芯片需求激增。业内反映，存储芯片市场现涨价缺货潮，NAND、NOR及DDR5等产品价格持续攀升，预计高景气度将延续至明年年中。国际存储厂商不断调价，国内厂商亦跟进涨价，行业前景乐观。

财联社11月26日电，近期多地发布人工智能新产品、新技术和新场景清单，举办供需交流会并推动消费创新活动。通过培育新场景，加速技术向产业转化，提升供需适配性，促进新质生产力发展，畅通经济循环。这些举措彰显各地在人工智能领域积极探索，为未来技术落地和产业升级奠定基础。

11月25日，汽车座舱AI及数字化提供商极豆科技宣布完成近亿元融资，由国际芯片巨头领投、地方产业资本跟投。本轮融资将聚焦两大方向：深化自研沧海大模型技术迭代，强化智能座舱交互应用；加速海外市场拓展与本地化运营。极豆科技为车企提供智能座舱系统软件、车联AI云平台等全生命周期解决方案，并顺应‘超百TOPS算力成为标配’趋势，优化多模态融合与个性化场景功能。同时，公司将深化与高校科研合作，构建技术壁垒。业务出海方面，重点拓展欧洲、北美、亚洲市场，推动中国汽车智能化技术全球化落地。CEO汪奕菲表示，此次融资将巩固行业优势，助力国产座舱AI技术实现自主化与全球输出。

11月25日，谷歌与Accel宣布合作支持印度AI初创企业，这是美国科技巨头首次开展此类资助计划。根据协议，双方将共同投资至少10家早期阶段的印度人工智能企业，每家最多可获200万美元资金支持。投资领域涵盖娱乐、创意、工作和编码等广泛方向。Accel合伙人普拉扬克-斯瓦鲁普表示，谷歌的人工智能未来基金将参与此次合作。这一合作旨在推动印度AI技术发展，为初创企业提供关键资源和行业指导。（印度经济时报）

11月24日，微软发布开源小型语言模型Fara-7B，专为电脑操作设计，支持Win11端侧运行，性能达同级最强。该模型由70亿参数构成，可通过视觉解析网页截图执行点击、输入等任务，无需依赖额外工具或大模型协作。其训练数据包括14.5万条任务轨迹和100万步骤，基于Qwen2.5-VL-7B底座，支持最长128k上下文。测试显示，Fara-7B在多项基准中表现优异，部分任务领先同级模型，并可与更大规模系统竞争。微软强调，该模型仍为实验性发布，未来将持续改进。为确保安全，模型加入多项措施，如敏感操作需用户同意、沙盒运行等。目前，Fara-7B已在Microsoft Foundry与Hugging Face开源，并将推出面向Copilot+ PC的优化版本。