格隆汇12月28日｜一项最新研究显示，超过20%推荐给YouTube新用户的视频属于“AI泔水（AIslop）”——即低质量、以吸引点击为目的的AI生成内容。视频编辑公司Kapwing调查了全球15,000个最受欢迎的YouTube频道（每个国家前100名），发现其中278个频道的视频完全是“AI泔水”。这些频道累计获得630亿次观看、2.21亿订阅者，估计每年带来约1.17亿美元收入。研究人员还创建了一个新账号，发现推荐给它的前500个视频中有104个是“AI泔水”，这一类视频包括AI泔水和其他旨在吸引用户注意力来赚钱的低质量内容。

格隆汇12月26日｜福布斯近日发布对2026年人工智能(AI)领域的十大核心预测： 1、Anthropic将率先上市。Anthropic预计将在2026年率先IPO，以填补高达200亿美元的资金缺口。尽管OpenAI资金需求更甚(约1500亿美元)，但凭借Sam Altman强大的私募融资能力及其业务的复杂性(涉及芯片、太空等)，预计将推迟上市。 2、SSI研究和技术细节将曝光。预测认为2026年，由Ilya Sutskever创立的“安全超级智能”(SSI)核心研究细节将流出，其全新的技术范式将迫使OpenAI、DeepMind调整研发路线图。 3、中国芯片国产化取得实质进展。预测2026年中国国产AI芯片将在性能和生态上取得实质性进展，逐步摆脱对美依赖。 4、AGI降温，回归实用AI。通用人工智能(AGI)和超级智能的宏大叙事将逐渐降温，2026年人们会更多关注企业如何落地AI以创造商业价值。 5、芯片“折旧时间表”将备受关注。AI芯片更新迭代快，将芯片折旧期定为5年甚至更久将面临风险。如果缩短折旧期会直接影响利润表，影响外界对AI行业盈利能力和泡沫风险的判断，尤其是CoreWeave等重资产公司。 6、"自研芯片"将成为潮流。目前的AI行业高度依赖英伟达等少数几家通用芯片巨头，预测2026年"自研芯片"将成为潮流，企业将利用AI辅助设计工具开发专用于自身业务的定制芯片。 7、Sam Altman或卸任OpenAI CEO。预测其将管理权移交给职业经理人(如Fidji Simo)，自己专注于战略布局或科研。 8、AI带来的失业问题将成为两党博弈的焦点。2026年美国中期选举，共和党将在支持商业创新与回应蓝领阶层失业焦虑之间陷入两难。 9、制药巨头开启并购。随着Chai Discovery、Nabla Bio等初创公司证明AI能生成高质量抗体药物，AI制药不再是空头支票。预测2026年传统制药巨头将不再满足于合作，或会开启并购模式，获取核心技术与人才。 10、脑机接口(BCI)走向主流。非侵入式技术(如超声波)和更安全的侵入式技术(如Precision Neuroscience的表面贴片)将快速崛起，挑战Neuralink的"穿刺式"方案。

格隆汇12月26日｜高盛顶尖交易员Peter Callahan指出，纳斯达克100指数今年累计上涨超20%，半导体与网络基础设施族群以绝对优势领先，而电信、支付软件表现落后。展望2026年，纳斯达克100回报虽稳健，但更倾向上半年兑现，因AI支出疑虑反而创造低预期机会。Callahan预期，2026年科技股走势将由以下十大关键议题主导： 1. AI辩论转向：焦点是否从算力转向物理AI(机器人、自动驾驶)，监理与报酬率(ROIC)如何演变； 2. 软件产业估值修复：席位定价模式终结、智能体崛起、大模型(LLM)商品化竞争等悬顶之剑如何化解； 3. 苹果战略定位：是防御型成长股还是AI叙事载体，折叠屏手机能否催化成长； 4. 大宗商品超级周期：DRAM、存储器芯片及金银铜涨价潮中，谁有能力消化成本压力； 5. 生成式AI效率悖论：裁员推动的生产力提升，会否加剧非农就业数据压力； 6. 网络平台选择：Meta等公司在利润率与竞争辩论中最具投资价值； 7. 周期性产业反转：住房、商业房地产、类比芯片或汽车产业会否触底； 8. 硬件股领涨条件：毛利率与支出可见性辩论会否压制半导体行情； 9. LLM发展路径：通用人工智能(AGI)竞赛中，中美模型将走向产品化还是原始智能比拼； 10. 潜在盲点：代理商业或SaaS股回归会否成为2026年共识。

格隆汇12月25日｜据韩国经济日报，三星电子计划最早于2027年推出搭载自主研发GPU的应用处理器(AP)，这标志着其打造端到端设备侧人工智能生态系统的重要一步。三星电子计划将其自研图形架构的应用范围从智能手机扩展至智能眼镜、自动驾驶软件和人形机器人。

格隆汇12月25日｜知名市场研究机构Gartner指出，2026年对技术领导者而言是至关重要的一年，变革、创新与风险将在这一年以空前的速度发展，并列出2026年十大战略技术趋势： 1. AI超级计算平台：整合CPU、GPU、AI ASIC、神经系统计算和替代性计算范式，使企业能够统筹复杂工作负载，同时释放更大的性能、效率与创新潜力。 2. 多智能体系统：由多个AI智能体组成的集合，通过交互实现复杂的个体或共同目标。 3. 特定领域语言模型(DSLM)：针对特定行业、功能或流程的专用数据上训练或微调的语言模型，相比通用模型能更加精准、可靠且合规地满足特定业务需求。 4. AI安全平台：为第三方及定制AI应用提供了统一防护机制，能够进行集中监测、强制执行使用策略并有效防范AI特有风险。 5. AI原生开发平台：使用GenAI实现空前快速、便捷的软件开发。 6. 机密计算：重塑企业处理敏感数据的方式，对受监管行业、面临地缘政治与合规风险的跨国公司以及竞争对手间的合作尤为重要。 7. 物理AI：通过赋能具有感知、决策和行动能力的机器与设备，将智能带入到现实世界。 8. 前置式主动网络安全：随着企业面临的网络、数据及联网系统威胁成倍增长，前置式主动网络安全正成为趋势。 9. 数字溯源：对软件、数据、媒体及流程的来源、所有权和完整性进行验证的能力。 10. 地缘回迁：企业因考虑到地缘政治风险而将数据与应用从全球公有云迁出至主权云、区域云服务商或自有数据中心等本地平台。