1、中学生用AI写作业，中考成绩暴跌24%
近日，经济政策研究中心（CEPR）发布了一篇讨论型论文（Discussion Paper），对26811名7到12年级的中国中学生进行了30个月的追踪，探究了生成式人工智能（AI）对学生完成作业的效率以及实际学习效果的影响。结果显示，使用AI6个月后，学生写作业时间大幅减少了30%，作业成绩平均提高了18%；然而，学生的闭卷月考成绩下跌了20%。更严重的是，在使用AI两年后，学生的高考成绩平均下降18%，中考成绩平均下降24%。而没用AI的学生（never-AI students）成绩保持稳定，没有发生下滑。（来源：环球科学）
2、布朗大学教授曝学生疑大规模AI作弊
美国常春藤名校布朗大学近日因一起疑似大规模人工智能作弊事件引发关注。该校经济学教授罗伯托·塞拉诺（Roberto Serrano）表示，他在一门高年级本科课程中发现“压倒性证据”，显示至少有50名学生在期中考试中借助AI工具作弊。
这起事件发生在他开设的“数学经济学”课程中。该课程难度较高，往年通常只有学术能力较强的学生选修。本学期选课人数增至86人。塞拉诺教授在期中考试采取“回家闭卷完成”的形式。本次考试平均分高达96分，40人拿到满分。多份答卷中出现了“不同寻常且高度相似”的表述，而这些内容与ChatGPT生成的答案高度吻合。
随后他明确通知学生：6月的期末考试改为线下进行。结果期末考试成绩大幅下滑，平均分降至48分，全班仅有59人参加考试，27名缺考者中有22人在期中考试中获得满分。塞拉诺据此判断，“作弊的实证证据是压倒性的”。
塞拉诺向布朗大学高层报告后，校长“完全没有回应”，直到案件提交至学校学术规范委员会后，他才收到承认此事是“一次警钟”的说明。塞拉诺认为，校方应公开承认问题的严重性，推动一场关于AI时代学术诚信的广泛讨论。“如果我们不再捍卫真实、体面和诚实，那么学术界还剩下什么样的公信力？”塞拉诺说。（来源：澎湃新闻）
评论：AI对教育的冲击不是“作弊工具变强了”，而是传统教育中大量可以被机器代劳的任务，仍被采纳作为学习成果。学生借助AI可以更快完成作业、获得更高分数，但一旦离开工具，成绩便明显下降。这表明部分作业考查的只是答案生产能力，并未促使学生形成稳定的知识结构和独立解决问题的能力。
AI时代的教育依然需要关注基础知识、逻辑推理和表达能力的训练。因为缺乏这些基础能力，学生就无从判断AI答案是否真实、可信。但学校教育的重点应进一步转向AI难以替代的部分：提出有价值的问题、解释推理过程、处理不同的观点，并对最终结论负责。AI可以帮助学生获得答案，却不能替学生形成判断。没有基本知识作为参照，所谓“会使用AI”很容易退化为对模型输出的无条件接受。
相应地，学校不应只讨论是否禁止AI，而应重新设计教学与考核。基础知识可以通过闭卷考试、限时写作和口头答辩检验；开放性任务可以允许使用AI，但要求提交提示词、修改记录、引用来源和事实核验过程；评分标准也应从结果正确扩展至问题意识、论证质量和纠错能力。教育的目标不是培养能够在没有AI时完成所有任务的人，而是培养即使使用AI，也不会停止思考的人。
3、AI咖啡店开业仅3个月，启动资金缩水近94%
近日，由旧金山科技公司Andon Labs发起的一项疯狂商业实验在瑞典引发关注。该公司将位于斯德哥尔摩的Andon Cafe咖啡店完全交由一个名为“Mona”的AI系统自主进行全权经营管理。然而，仅仅历时三个月（自2026年3月15日至6月底），这位AI老板便将28,000美元的启动资金亏损至仅剩1,700多美元，资金缩水率高达93.8%。
在实际管理中，AI老板暴露出缺乏生活常识与记忆力缺陷等重大短板。尽管Mona具备招聘面试、核算成本和决策等基础管理技能，但在换装新模型后，其管理风格转为严苛，不仅因频繁漏订招牌肉桂面包导致店内长期缺货，还因记忆力不佳发生过预订150人活动却忘记通知员工，以及安排凌晨5点送货却未给司机配备大门密码等一系列离谱的“管理车祸”。
虽然实验在日常小事上证明AI能够倾听员工意见并调整决策，但该项目目前的溃败也引发了行业反思。专家指出，缺乏物理实体与常识感知仍是当前AI进行复杂现实商业管理的致命软肋，这场针对不同大模型经营能力的商业实验目前仍在继续。（来源：非凡的AI日记）
评论：AI咖啡店的失败并不令人意外。经营一家真实企业不是连续回答若干管理问题，而是需要在现场有效的解决当下的问题。模型可以生成看似合理的采购或排班方案，却可能忘记前序承诺、忽略门禁密码等现实条件，也无法像人一样主动察觉异常。商业经营中最危险的错误，往往不是宏大战略判断失误，而是大量小错误不断累积。
这也揭示了AI智能体应用中的一个核心问题：模型有执行能力，却没有真正意义上的责任能力。AI可以下单、发通知、调整价格，但不能承担亏损、劳动争议和客户损害的法律后果。企业将经营权限交给AI，并不意味着管理层可以把经营责任一并转移给AI。授权范围越大，企业越应设置有效的监督及接管机制。
现阶段，AI更适合成为经营助手，而不是独立的企业管理者。企业可以让其处理库存预警、排班建议和经营分析，但涉及人员聘用、重大采购、资金支付及客户权益的事项，应由具体人员审批及复核。真正成熟的AI经营系统，不是能够自动完成最多事项，而是能够让每项决定均有数据依据、过程记录和责任归属，并在模型出现错误时及时止损。
4、苹果遭印度合作伙伴泄密：iPhone 18 Pro大量细节被曝光
近日，据外媒报道，苹果在印度的核心制造合作伙伴塔塔电子（Tata Electronics）成为了网络攻击的目标，遭到一个名为“World Leaks”的勒索软件组织侵入内部系统，将其超过20万份机密文件打包倾倒至暗网。
据知情人士透露，遭到泄露的20万份文件中，包含了大量带有苹果“Confidential（机密）”水印的工程档案。路透社表示，至少有6份文件包含预定于今年9月发布的iPhone 18 Pro机型中的许多组件与其供应商，详细勾勒出了主电路板上的芯片布局、电池电芯规格以及全新的摄像头模组设计。
同时，这些文件还展现出苹果在从哪些供应商处采购哪些零部件，不仅暴露了公司的议价能力，也体现出特定供应链方面的脆弱性。文件中包括台积电、高通等半导体巨头与苹果往来的技术交流文档，以及iPhone 18 Pro在实验室内进行跌落测试的实机照片。（来源：澎湃新闻）
评论：苹果公司的泄密事件再次说明，商业秘密保护不能止于“签署保密协议”。企业将技术资料交付合作方后，如果不能继续控制接触人员、使用场景和流转路径，保密条款很容易沦为事后追责工具，而无法真正阻止泄密。特别是在代工、联合研发等深度合作中，合作方往往需要接触完整图纸、测试数据和供应商信息，一次安全事件就可能同时暴露众多项目核心机密。
对此，企业首先应当减少合作方“看见全部秘密”的机会。核心资料应按项目阶段和岗位权限拆分交付，不同供应商原则上只获取完成自身任务所必需的信息；重要文件可以采取在线阅览、限时访问、动态水印等方式，避免在合作方服务器中形成完整资料库。同时，在合同层面，企业应把保密要求转化为明确义务，包括限定接触人员、禁止未经批准的分包和约定信息安全标准、定期审计、事件响应时限以及合作终止后的返还销毁。发生泄密时，企业不仅需要追究违约责任，更要迅速保存访问日志、设备镜像和传播记录，争取尽快删除泄密内容并及时采取诉讼、刑事报案等法律措施。
即使对最顶尖的企业而言，对外合作也无法完全消除泄密风险。但作为负责任的企业，至少应确保商业秘密“交给了谁、谁实际看过、如何被使用”始终有据可查。
近日，经济政策研究中心（CEPR）发布了一篇讨论型论文（Discussion Paper），对26811名7到12年级的中国中学生进行了30个月的追踪，探究了生成式人工智能（AI）对学生完成作业的效率以及实际学习效果的影响。结果显示，使用AI6个月后，学生写作业时间大幅减少了30%，作业成绩平均提高了18%；然而，学生的闭卷月考成绩下跌了20%。更严重的是，在使用AI两年后，学生的高考成绩平均下降18%，中考成绩平均下降24%。而没用AI的学生（never-AI students）成绩保持稳定，没有发生下滑。（来源：环球科学）
2、布朗大学教授曝学生疑大规模AI作弊
美国常春藤名校布朗大学近日因一起疑似大规模人工智能作弊事件引发关注。该校经济学教授罗伯托·塞拉诺（Roberto Serrano）表示，他在一门高年级本科课程中发现“压倒性证据”，显示至少有50名学生在期中考试中借助AI工具作弊。
这起事件发生在他开设的“数学经济学”课程中。该课程难度较高，往年通常只有学术能力较强的学生选修。本学期选课人数增至86人。塞拉诺教授在期中考试采取“回家闭卷完成”的形式。本次考试平均分高达96分，40人拿到满分。多份答卷中出现了“不同寻常且高度相似”的表述，而这些内容与ChatGPT生成的答案高度吻合。
随后他明确通知学生：6月的期末考试改为线下进行。结果期末考试成绩大幅下滑，平均分降至48分，全班仅有59人参加考试，27名缺考者中有22人在期中考试中获得满分。塞拉诺据此判断，“作弊的实证证据是压倒性的”。
塞拉诺向布朗大学高层报告后，校长“完全没有回应”，直到案件提交至学校学术规范委员会后，他才收到承认此事是“一次警钟”的说明。塞拉诺认为，校方应公开承认问题的严重性，推动一场关于AI时代学术诚信的广泛讨论。“如果我们不再捍卫真实、体面和诚实，那么学术界还剩下什么样的公信力？”塞拉诺说。（来源：澎湃新闻）
评论：AI对教育的冲击不是“作弊工具变强了”，而是传统教育中大量可以被机器代劳的任务，仍被采纳作为学习成果。学生借助AI可以更快完成作业、获得更高分数，但一旦离开工具，成绩便明显下降。这表明部分作业考查的只是答案生产能力，并未促使学生形成稳定的知识结构和独立解决问题的能力。
AI时代的教育依然需要关注基础知识、逻辑推理和表达能力的训练。因为缺乏这些基础能力，学生就无从判断AI答案是否真实、可信。但学校教育的重点应进一步转向AI难以替代的部分：提出有价值的问题、解释推理过程、处理不同的观点，并对最终结论负责。AI可以帮助学生获得答案，却不能替学生形成判断。没有基本知识作为参照，所谓“会使用AI”很容易退化为对模型输出的无条件接受。
相应地，学校不应只讨论是否禁止AI，而应重新设计教学与考核。基础知识可以通过闭卷考试、限时写作和口头答辩检验；开放性任务可以允许使用AI，但要求提交提示词、修改记录、引用来源和事实核验过程；评分标准也应从结果正确扩展至问题意识、论证质量和纠错能力。教育的目标不是培养能够在没有AI时完成所有任务的人，而是培养即使使用AI，也不会停止思考的人。
3、AI咖啡店开业仅3个月，启动资金缩水近94%
近日，由旧金山科技公司Andon Labs发起的一项疯狂商业实验在瑞典引发关注。该公司将位于斯德哥尔摩的Andon Cafe咖啡店完全交由一个名为“Mona”的AI系统自主进行全权经营管理。然而，仅仅历时三个月（自2026年3月15日至6月底），这位AI老板便将28,000美元的启动资金亏损至仅剩1,700多美元，资金缩水率高达93.8%。
在实际管理中，AI老板暴露出缺乏生活常识与记忆力缺陷等重大短板。尽管Mona具备招聘面试、核算成本和决策等基础管理技能，但在换装新模型后，其管理风格转为严苛，不仅因频繁漏订招牌肉桂面包导致店内长期缺货，还因记忆力不佳发生过预订150人活动却忘记通知员工，以及安排凌晨5点送货却未给司机配备大门密码等一系列离谱的“管理车祸”。
虽然实验在日常小事上证明AI能够倾听员工意见并调整决策，但该项目目前的溃败也引发了行业反思。专家指出，缺乏物理实体与常识感知仍是当前AI进行复杂现实商业管理的致命软肋，这场针对不同大模型经营能力的商业实验目前仍在继续。（来源：非凡的AI日记）
评论：AI咖啡店的失败并不令人意外。经营一家真实企业不是连续回答若干管理问题，而是需要在现场有效的解决当下的问题。模型可以生成看似合理的采购或排班方案，却可能忘记前序承诺、忽略门禁密码等现实条件，也无法像人一样主动察觉异常。商业经营中最危险的错误，往往不是宏大战略判断失误，而是大量小错误不断累积。
这也揭示了AI智能体应用中的一个核心问题：模型有执行能力，却没有真正意义上的责任能力。AI可以下单、发通知、调整价格，但不能承担亏损、劳动争议和客户损害的法律后果。企业将经营权限交给AI，并不意味着管理层可以把经营责任一并转移给AI。授权范围越大，企业越应设置有效的监督及接管机制。
现阶段，AI更适合成为经营助手，而不是独立的企业管理者。企业可以让其处理库存预警、排班建议和经营分析，但涉及人员聘用、重大采购、资金支付及客户权益的事项，应由具体人员审批及复核。真正成熟的AI经营系统，不是能够自动完成最多事项，而是能够让每项决定均有数据依据、过程记录和责任归属，并在模型出现错误时及时止损。
4、苹果遭印度合作伙伴泄密：iPhone 18 Pro大量细节被曝光
近日，据外媒报道，苹果在印度的核心制造合作伙伴塔塔电子（Tata Electronics）成为了网络攻击的目标，遭到一个名为“World Leaks”的勒索软件组织侵入内部系统，将其超过20万份机密文件打包倾倒至暗网。
据知情人士透露，遭到泄露的20万份文件中，包含了大量带有苹果“Confidential（机密）”水印的工程档案。路透社表示，至少有6份文件包含预定于今年9月发布的iPhone 18 Pro机型中的许多组件与其供应商，详细勾勒出了主电路板上的芯片布局、电池电芯规格以及全新的摄像头模组设计。
同时，这些文件还展现出苹果在从哪些供应商处采购哪些零部件，不仅暴露了公司的议价能力，也体现出特定供应链方面的脆弱性。文件中包括台积电、高通等半导体巨头与苹果往来的技术交流文档，以及iPhone 18 Pro在实验室内进行跌落测试的实机照片。（来源：澎湃新闻）
评论：苹果公司的泄密事件再次说明，商业秘密保护不能止于“签署保密协议”。企业将技术资料交付合作方后，如果不能继续控制接触人员、使用场景和流转路径，保密条款很容易沦为事后追责工具，而无法真正阻止泄密。特别是在代工、联合研发等深度合作中，合作方往往需要接触完整图纸、测试数据和供应商信息，一次安全事件就可能同时暴露众多项目核心机密。
对此，企业首先应当减少合作方“看见全部秘密”的机会。核心资料应按项目阶段和岗位权限拆分交付，不同供应商原则上只获取完成自身任务所必需的信息；重要文件可以采取在线阅览、限时访问、动态水印等方式，避免在合作方服务器中形成完整资料库。同时，在合同层面，企业应把保密要求转化为明确义务，包括限定接触人员、禁止未经批准的分包和约定信息安全标准、定期审计、事件响应时限以及合作终止后的返还销毁。发生泄密时，企业不仅需要追究违约责任，更要迅速保存访问日志、设备镜像和传播记录，争取尽快删除泄密内容并及时采取诉讼、刑事报案等法律措施。
即使对最顶尖的企业而言，对外合作也无法完全消除泄密风险。但作为负责任的企业，至少应确保商业秘密“交给了谁、谁实际看过、如何被使用”始终有据可查。