1.Meta被曝光暂停招聘AI人才；

2.前员工曝猛料：Meta夸大广告指标近20% 绕过苹果跟踪用户；

3.快速思考：借助Ceva将AI推理带入现实世界；

4.科大讯飞拟定增募资40亿元 加码星火教育大模型研发

1.Meta被曝光暂停招聘AI人才

据报道，知情人士透露，  Meta花费数月时间招聘50多名人工智能研究人员和工程师后，已冻结其人工智能部门的招聘。

知情人士称，招聘冻结措施于上周生效，与该集团更广泛的重组计划同时实施，同时禁止现有员工在部门内部跨团队调动。不过冻结期的具体期限尚未在内部公布。

今年7月，有报道称Meta聘请了两名曾在苹果公司工作的关键人工智能研究人员，此前不久，该公司从苹果挖走了人工智能模型团队负责人Ruoming Pang。

这些举措是整个科技行业争夺人工智能人才的举措之一，Meta在招聘方面尤其积极。该公司首席执行官马克·扎克伯格已将人工智能作为公司的首要任务，在员工和数据中心方面投入巨资，试图跟上OpenAI和谷歌等竞争对手的步伐。

早些时候，扎克伯格在社交媒体上发帖称，Meta将“投入数千亿美元用于计算，打造超级智能”。超级智能指的是能够比人类更出色地完成任务的高级人工智能。该公司一些顶尖的人工智能员工已被安排在位于加州门洛帕克的公司总部，靠近扎克伯格的办公桌，以便于协作。

2.前员工曝猛料：Meta夸大广告指标近20% 绕过苹果跟踪用户

Meta被曝未经允许跟踪iPhone用户活动

北京时间8月21日，据《金融时报》报道，一名Meta前员工向劳动仲裁庭表示，Meta曾将一项关键广告指标夸大近20%，并故意绕过苹果iPhone的隐私规则，以提高收入。

这些指控来自Meta前产品经理萨穆贾尔·普尔卡亚斯塔(Samujjal Purkayastha)提交给伦敦中央劳动仲裁庭的一份申请。他要求保留员工身份，直到其关于不公平解雇的诉求得到裁决。普尔卡亚斯塔表示，自己在内部多次对相关做法提出质疑后，今年2月被裁员。

根据周三提交的法律文件，Meta被指在其 “商店广告”(Shops Ads)的财务表现上误导广告主，该公司使用了总销售额而非净销售额数据。 “商店广告”是Meta在2022年推出的广告产品，面向在脸书和Instagram上开设数字商店的品牌。

普尔卡亚斯塔称，这种做法与Meta计算非购物类广告表现的方式形成鲜明对比(非购物类广告通常不计入运费和税费)，而且也不同于谷歌等竞争对手通常采用的方法。

他表示，Meta知道这种计算方法的差异但未向品牌披露。内部调查显示，“店铺广告” 的财务表现被夸大了17%至19%。

另外，根据普尔卡亚斯塔提交的文件，Meta还秘密地将用户数据与其他信息联系起来，以在未经用户许可的情况下跟踪用户在其他网站上的活动，即便苹果在2021年已推出隐私措施明确要求征求用户同意。（文章来源：凤凰网）

3.快速思考：借助Ceva将AI推理带入现实世界

在真实的应用环境中，设备要做到实时响应、智能适应，关键在于推理能力的部署。而且，AI推理正越来越多地从云端转向边缘端。

一谈到人工智能（AI），人们通常关注模型的设计开发、训练过程，以及大语言模型和生成式AI的技术突破。然而在真实的应用环境中，设备要做到实时响应、智能适应，关键在于推理能力的部署。而且，AI推理正越来越多地从云端转向边缘端。

为何推理如今至关重要

推理是让AI落地为行动的关键。无论是语音识别、图像分类、异常检测，还是手势控制，推理能力都使设备能即时理解数据并快速决策。但随着越来越复杂的神经网络模型（尤其是卷积网络和基于Transformer的网络）不断出现，传统的CPU或MCU架构已难以胜任。性能瓶颈导致体验迟缓、功能不足，甚至被迫依赖云端处理，进而引发延迟、隐私和费用上的顾虑。

边缘设备需要“更快地思考”。

部署设备端智能的价值所在

在本地——即设备端——运行推理具有明显优势：

实时响应，延迟更低

数据无需上传，隐私更有保障

减少对云端的依赖，节约成本并提升稳定性

能效更高，即使在资源受限的环境中也可实现持续运行的应用

这正是专用神经处理单元（NPU）大显身手的地方，这类专用架构专为加速AI工作负载而设计，其效率远胜于传统的通用处理器。如今，为边缘AI量身定制的NPU已不再局限于执行简单的规则模型或轻量级推理任务，连强大的生成式 AI 模型也越来越多地直接部署在边缘设备上。

一些新兴应用场景正在展示设备端推理的变革性价值。首先，基于大型语言模型（LLM）的个性化语音助手，已广泛用于可穿戴、智能家居与车载系统中，实现具备情境感知的实时互动，且无需将敏感数据上传云端。其次，采用大型视觉模型（LVM）的生成式视觉应用，正在增强现实场景中发挥作用，图像可直接在智能眼镜或手机上生成，带来零延迟的沉浸式视觉体验。

市场动能：边缘AI正在迅猛发展

根据ABI Research数据，神经处理单元（NPU）是嵌入式AI中增长最快的细分领域，预计到2030年的年均复合增长率将达到111%。这一激增反映了多个行业对NPU的广泛需求——从消费级物联网、汽车，到工业监测和智慧医疗。

而且，这种增长并不仅限于高性能设备。它已广泛覆盖各种形态和价格层级的设备。正因如此，灵活性成为竞争的关键：每种设备所需的算力与功耗特性都各不相同。

Ceva的可扩展AI推理策略

针对这一多样化趋势，Ceva推出了独特的可扩展、节能AI处理架构。我们的NeuPro 系列 NPU可灵活应对从低算力到高算力的各类AI应用。

NeuPro Nano：非常适合用于电源受限、对能效要求极高的嵌入式机器学习（ML）与常驻运行感测应用。

NeuPro-M：这是一款高性能平台，可从不足1TOPS（万亿次操作每秒）扩展至数百TOPS，适用于车载系统、智能摄像设备和工业级AI模型。

Big/Little架构：Ceva提供独特的异构处理方案——在单一设计中结合高能效核心与高性能核心，实现动态平衡功耗与性能。

无论是手表中的语音唤醒词识别，还是车辆中的实时行人识别，Ceva的NPU都可精准匹配场景需求，实现最优AI部署。

不仅仅是硬件 - 更是赋能

在设备端部署AI不仅关乎功能实现，更关乎能否快速高效地将模型落地为产品。

Ceva提供的统一AI软件开发工具包（SDK），涵盖模型优化、仿真测试与部署工具，为开发者提供在Ceva NPU上构建、调试、优化和运行AI模型所需的一切。无论是使用TensorFlow、ONNX等主流框架，还是直接调用Ceva的模型库，我们的平台都能简化开发流程，同时最大化性能与可移植性。

正是这种开发支持，使客户能够加快产品上市步伐，降低风险，并将AI创新转化为实际竞争力。

无限可能

借助可扩展的推理框架与完善的开发工具，Ceva正在助力多个垂直领域的下一代智能边缘产品：

低功耗物联网设备中的语音控制

工业系统中的预测性维护

边缘摄像头与零售分析中的计算机视觉

汽车中的驾驶员监测与个性化体验

可穿戴与听戴设备中的手势与声音识别

这些应用场景都需要在数据生成的第一时间进行快速、可靠的决策。

真正可用的边缘AI，就在现在。

随着边缘设备数量不断增长，模型复杂性持续提升，本地推理早已不是可选项，而是设计中的硬性要求。

有了Ceva NeuPro系列NPU，开发者可以轻松应对这一设计挑战——在边缘侧实现面向真实应用的AI性能优化，而不仅限于数据中心运算，同时重塑用户体验。

智能边缘不仅会“思考”。它能“更快地思考”。有了Ceva的技术赋能，它已整装待发，应对未来挑战。

4.科大讯飞拟定增募资40亿元 加码星火教育大模型研发

8月21日，科大讯飞披露2025年度向特定对象发行A股股票预案。公司拟通过定向增发募集资金总额不超过40亿元，扣除发行费用后，其中8亿元将用于星火教育大模型及典型产品研发，32亿元用于补充流动资金。

作为中国人工智能领域的领军企业，科大讯飞始终坚持全栈自主可控的技术研发路径，面向国家战略需求和产业刚需开展通用人工智能技术攻关。公司于2023年10月发布全国产智算平台"飞星一号"，并于2024年1月成功训练出中国首个基于国产算力的千亿参数大模型——讯飞星火V3.5。2025年，公司相继推出具备深度思考和推理能力的讯飞星火X1系列大模型，在参数规模比业界同类模型小一个数量级的情况下，实现了与国际顶尖模型相媲美的性能表现。

科大讯飞表示，在当前复杂多变的国际环境下，基于自主可控的技术创新具有重要战略意义。科大讯飞已构建从硬件基础到软件支撑，贯穿模型训练与推理应用的全栈国产化技术体系，形成显著先发优势。

此次募资将重点投向教育大模型研发领域。尽管通用大模型展现出强大能力，但在教育场景应用中仍面临内容安全、知识幻觉控制以及教学规律适配等挑战。科大讯飞旨在打造真正具备强"教育属性"的专属大模型，融合通用知识、学科知识和教育教学理念，突破现有通用模型在个性化教学、错因分析、思维培养等核心教育场景中的局限性。

公司指出，教育大模型不是通用大模型的简单定制，而是以育人目标为引领、支持教育教学全场景的专属模型。通过融入教育专属知识与教学法，星火教育大模型将致力于解决精准教学、个性化学习和教育资源均衡等行业难题，巩固科大讯飞在教育市场的竞争优势。

通过此次融资，科大讯飞将加速全栈自主可控的人工智能技术研发，深化"大模型+教育"场景落地，推动通用人工智能时代的"根红利"构建。