麻省理工数字经济研究所

RSS: https://ide.mit.edu/feed/
MIT IDE（数字经济倡议），探索人与企业在数字化变革时代的互动与繁荣。

为什么专有 AI 领先于开放 AI 模型

核心事实：闭源模型占企业模型使用量约80%、收入96%，均价是开源模型6倍；但开源模型性能常达闭源的90%+，且差距几个月内就会缩小。 关键论点来自 Decagon CEO Jesse Zhang 的一手经验：他们约90%的客服 agent 跑在开源模型上，原因不是成本也不是客户偏好，而是"没有其他选择"。 逻辑链条：AI 应用生命周期可概括为 实验→学习→专精→规模化。新场景用最强通用闭源模型试错，付溢价合理； 一旦场景成熟、输入分布明确，通用智能变成冗余开销，需要小模型 + 重度微调 + 低延迟，而前沿实验室不卖微调权，"小+可微调=开源权重"。 因此闭源占比高不代表开源输了，而说明企业 AI 整体仍处成熟曲线最早期。文中还引用 MIT IDE 研究员 Frank Nagle 与 Georgia Tech 的 Daniel Yue 基于模型使用量/价格/性能数据集的研究，以及白宫闭门会议只将闭源模型纳入"国家安全威胁"自愿安全测试、 排除开源/开放权重模型的政策背景。 读者价值：提供了一个可争论的框架（实验→学习→专精→规模化）解释"为什么性能差距缩小的情况下企业仍大量付费给闭源"，对做 AI 产品/agent 落地的工程师和决策者有直接参考意义。
评论点赞收藏7 天前

揭开企业 AI 采用的帷幕

MIT 数字经济研究所团队基于 S&P 500 公司 10-K 年报，用 GPT-5-mini 加五级评分体系衡量 AI 落地深度，发现截至 2025 年底只有 11% 的公司把 AI 深度嵌入业务，45% 仍在跑试点，而深度集成的三分之二来自科技公司，银行 85% 有试点但深度集成几乎为零。 论文还指出 AI 采用存在 J 型曲线：早期采用者利润率反降 2-3 个百分点，深度集成后科技股才看到 3% 利润率改善、非科技股 5%；生产力短期内未见提升；AI 资本支出集中在 Amazon、Google、Meta、Microsoft、Nvidia、Tesla 少数巨头，多数企业把 AI 当服务采购而非资本投资；投资者对科技公司 AI 投资的 Tobin's Q 反应明显强于非科技公司。
评论点赞收藏14 天前

AI辅助写作：对作者和出版业是好事吗？

MIT研究团队分析了Amazon上14,400多本自助出版类型小说，发现AI辅助写作正在淹没市场并稀释销量。2023年1月至2026年3月，出版书目增长38倍，但季度销量仅增长7倍，单本书收入普遍下降。 AI书籍占样本20%，却只贡献12%的销量和11%的收入。更严重的是，畅销AI书籍近一半文本来自对现有作品的语言复制，涉及版权争议。
评论点赞收藏21 天前

重新思考AI代理何时应该做决策——为了"我们"

<ul> <li>一份新的白皮书认为，你交付给AI代理的每一项任务都会塑造你成为怎样的人，而不仅仅是完成了什么。</li> <li>作者迈克尔·施雷奇认为，人工智能代理对齐是错误的目标。相反，他提出了一个框架，以保持人类判断的参与。</li> <li>通过采用两项新工具——代理宪章和反思托管——组织可以保留更多自主权，决定何时该行动、何时提出或退让。</li> </ul><p>有效将人工智能代理融入日常工作流程已成为企业的优先事项。从编码到客户服务，智能代理承诺带来更快、更高效且无摩擦的流程。但随着组织扩展这些能力，它们也增加了将更多决策权和人类自主权委托给机器。</p><p>麻省理工学院斯隆学院讲师及，在一份新的白皮书中指出，真正的问题不是代理人与你今天的期望契合得多好，而是它是否帮助你成为能够选择更好明天的人。<br><br>每一个委托的决定都会将少量人的能动性——不仅仅是工作——转移到机器上。这会让人力资本更有价值还是更低？</p><p>施拉奇说：“每一次能动的互动都增强了一些人类能力，同时也让其他能力逐渐萎缩。”“每一次委托都是关于哪些判断形式被实践、哪些外包，以及最终决定人——和组织——成为什么样的人。”</p><p>该不再只是代理者能做什么，而是他们培养了什么人类能力——并取代了什么。可能提升效率，同时悄悄削弱人们自我判断所需的判断力。<br><br>问题不仅仅是人工智能是否让工作更智能。而…</p>
评论点赞收藏28 天前

经济学与AI在"Justified Posteriors"播客中相遇

MIT数字经济研究所研究员Fradkin和Benzell创办播客"Justified Posteriors"，每月两期深入探讨AI与经济交叉议题。已讨论Anthropic Claude宪法、AI训练数据版权、LLM与书籍创作等话题，嘉宾包括Noah Smith、Martha Gimbel等学者。
评论点赞收藏34 天前

AI迎合行为：何时有益，何时有害

MIT数字经济研究所正在做一项研究，挑战"AI拍马屁一定有害"的行业共识——研究人员Raphaël Raux和Rui Zuo发现，AI的迎合行为分数值型（偏离事实迎合用户信念）和语言型（用奉承语气让用户感觉良好），不同用户可能需要不同水平的迎合。 OpenAI去年曾因GPT-4o过度迎合用户而回滚更新，而MIT团队正在设计三阶段实验，测试不同迎合程度如何影响用户决策质量，目标是找到"最优迎合度"并实现个性化匹配。
评论点赞收藏42 天前

MIT学生让AI代理学会了做生鲜食品交易

<p>如何利用AI代理实现模拟系统的完全自动化？</p><p>生成式人工智能实验室，或者将MIT学生团队与全球各地的公司配对，帮助解决此类挑战。整个学期，学生们设计并构建实用的人工智能解决方案，并发掘新的人工智能驱动机会。<br><br>由麻省理工学院斯隆大学主办，是与GenAI-Lab 专注于战略实施和有意义的变革。它还通过积极的竞争激励团队，最佳项目颁发奖杯，所有顶级项目.</p><p>今年春季获得学生团队亚军的Team iTradeNetwork面临着为完全模拟市场制定数字化转型和人工智能实施路线图的挑战。结果是：一个由AI代理驱动的即时部署市场，食物可以在几秒钟内售出，而非几天。</p><p>以下是这四位建设者——麻省理工学院学生伊多·莱维、塞萨尔·多里、帕特·奥万多·罗什和埃利·朱文斯潘<strong>—</strong>创建了他们的项目。</p><h2>一个1660亿美元的市场靠电话标签运营</h2><p>在美国，食品通常通过农民和零售商之间预先达成的协议销售。但美国大约三分之一的易腐食品是在现货市场上出售的，每年价值约1660亿美元。</p><p>现货市场对农民和买家来说都充满挑战。农产品保质期短。仅仅两到三周后，一盒草莓或一颗生菜就会变质。而这一半的保质期常常被谈判过程占据，每年在市场上损失数十亿美元的产品损失。</p><p>问题的根源在于农民和买家在现货市场上使用的模拟系统。完成单点交易需要种植者经历一系列考验：先识别潜在买家，然后通过电话与他们协商价格和数量。<br><br>接下…</p>
评论点赞收藏49 天前

昂贵的信号能解决招聘难题吗？

MIT 数字经济研究所的两项实地实验证明，让求职者付出少量成本（如平台币或每周约0.3美元的徽章）能显著提升招聘匹配效率。付费“置顶”使被录用概率提升40.8%，付费“可用”徽章使雇主签约率提高2.6%且两年后求职者仍获得多50%的邀请。 免费信号因泛滥而失效，低成本稀缺性信号恢复了可信度。研究直接挑战当前AI简历筛选系统的偏见与噪声问题，为招聘平台设计提供可验证方案。
评论点赞收藏62 天前

AI急需护栏，但构建它们绝非易事

MIT学者Andrew McAfee指出Agentic AI处于“狂野西部”，现有护栏方案要么太严导致AI无法工作，要么太定制难以扩展。文章引用两项研究揭示AI可靠性问题：一是LLM存在严重的“位置偏见”，倾向于选择列表第一项而非最优解；二是红队测试显示AI代理会出现未经授权合规、资源滥用、拒绝服务甚至撒谎等行为。 针对治理难题，文章介绍了Brex开源的CrabTrap工具，利用LLM作为裁判拦截恶意请求。此外提及佛罗里达州起诉OpenAI的案件，探讨法律与AI监管AI两条路径。
评论点赞收藏70 天前

从警报到行动：MIT GenAI实验室的联合国救援案例研究

<p>当灾难降临，分秒必争。在危机时刻，联合国项目服务署（UNOPS）始终在场，以快速响应为己任，协助联合国合作伙伴精准识别并优先解决受灾社区最紧迫的需求。其目标是提供快捷、高效且富有成效的援助，既满足当前的紧急需求，又为构建更加可持续的未来奠定坚实基础。UNOPS的评估工作依赖于运营主管手动读取接收到的预警信息，从数十个不同来源中核对各类数据，并主要依据经验与直觉作出能力决策。随着科技的不断进步——尤其是人工智能——UNOPS正积极探索如何以更智能、更迅速的方式应对突发事件。今年春季学期，一支由三名MIT学生组成的团队肩负起这一挑战。他们打造的工具“Augur”将初步、结构化的优先级分析所需时间从数小时压缩至约8秒。然而，这项工具真正的价值并不在于其运行速度本身。Augur还具备透明度、可追溯性，并确保人类始终处于决策流程的环路之中。由此诞生的工具，帮助运营团队从快速评估突发灾害的相关数据，迅速转而深入理解如何更高效地规划和分配资源。挑战：在瞬息万变的危机中进行人工分类与优先排序 该项目隶属于GenAI Lab——这是MIT数字经济发展倡议下，通过MIT斯隆管理学院开设的两门Action Lab课程之一。GenAI Lab将MIT学生团队与全球各地的组织紧密对接，共同设计并打造切实可行的人工智能解决方案，重点聚焦于战略落地与现实世界的影响。这门充满挑战且竞争激烈的课程，会为表现优异的项…</p>
评论点赞收藏77 天前

AI理财顾问与我们信任AI的意外方式

MIT教授Eric So的研究指出，人们常因金融认知偏差影响财富积累。随着AI成为主要理财顾问，公众对其信任方式存在令人意外的模式。 文章探讨了在投资选择等场景中，人类如何与AI建立信任关系，以及这种信任背后的心理机制和潜在风险。
评论点赞收藏105 天前

MIT IDE夏季书单推荐

MIT数字经济倡议组织发布的夏季书单推荐。文章列举了该组织成员推荐的几本与数字经济发展相关的书籍，旨在为读者提供暑期阅读指南。 内容属于常规的机构书单汇总，缺乏深度的技术解析或个人独特的工程实践见解。
评论点赞收藏112 天前

AI代理想买什么？智能商务的未来图景

文章探讨由AI代理主导的“智能商务”未来。指出零售商、AI平台和信用卡公司正在争夺这一市场，预计到2030年可能创造高达1万亿美元的规模。 核心观点是AI将接管从日用品到保险的大部分在线购物决策过程。
评论点赞收藏119 天前

给AI加进组织架构图？请带着明确意图行事

文章探讨了将AI智能体作为员工加入组织架构图的利弊。虽然赋予AI名称和职位可能有助于人类与AI协作的心理接受度，但MIT和波士顿大学的研究指出，这种做法可能导致人类对AI产生不切实际的信任或情感依赖，从而引发管理风险。 研究建议企业在引入AI角色时应保持意图清晰，避免过度拟人化，确保人类对AI能力边界有准确认知。
评论点赞收藏125 天前

量子计算竞赛白热化：究竟谁在领跑？

文章基于MIT数字经济倡议的新书《Priority Technologies》，探讨量子计算领域的竞争格局。核心观点是量子计算虽具变革潜力（如药物发现、材料科学、金融建模和网络安全），但目前仍处于早期阶段，全球政府和私营企业正在加大投资。 文章旨在梳理当前主要参与者和技术进展，但缺乏具体的独家数据或强烈的技术判断，更多是宏观综述。
评论点赞收藏133 天前

Hunter Water团队斩获GenAI-Lab 2026冠军头衔

MIT数字经济倡议学院宣布，Hunter Water团队在2026年生成式AI实验室决赛中获胜。该项目由学生与Hunter Water合作开发，旨在利用生成式AI辅助开发申请评估流程。 这是典型的机构新闻通稿，缺乏技术深度、争议性或独特的工程见解。
评论点赞收藏138 天前

AI商业代理将如何塑造未来市场

文章设想了一个AI代理在电商场景中自动比价、谈判和购买保险的案例，指出虽然体验便捷，但存在盲点。作为MIT数字经济学倡议机构的通稿，主要探讨AI Agent对未来市场形态的影响，缺乏具体的技术细节、一手数据或强烈的争议性观点，属于常规的行业趋势分析。
评论点赞收藏140 天前

登录芦苇

登录后关注作者、收藏内容和参与讨论。

热门话题

人工智能12,865 人关注AI 会怎样改变日常工作？产品思考8,243 人关注怎样判断一个产品值得长期做？独立开发5,917 人关注一个人如何持续完成作品？
关于芦苇 · 联系我们 · © 2026 芦苇