跳到正文
10月29日周四
  1. OpenAI:官网动态65

    OpenAI 员工撰文探讨 AI 进入企业组织架构的三种方式

    OpenAI 员工 Hemanth Asirvatham 和 Elliott Mokski 发表下一篇经济系列文章,探讨 AI 进入企业组织架构的三种情形:在每位员工之下形成 AI 劳动力 basement、作为同事穿插在现有组织图中、以及夹在人类之间充当协调层。

    推荐理由:两位 OpenAI 年轻管理者以亲身经历提出 AI 进入组织架构的三种情形,并讨论其对层级、企业规模和薪酬差距的影响。

  2. Ed Zitron 长文 / Where’s Your Ed At80

    Ed Zitron 长文解析 Anthropic S-1:称其把散户当作退出流动性

    Ed Zitron 撰文批评 Anthropic 的 S-1 招股书,指其仅披露 Q2 盈利数据、省略 Q3 现金状况和付款明细,是在公司基本面变化前误导投资者。

    推荐理由:作者基于 Anthropic S-1 逐项拆解其逾 4300 亿美元不可撤销算力承诺与收入结构风险,可用于对照招股书原文核实。

  3. a16z:News60

    a16z 调研 100 位 CISO:AI 如何改写 2027 年安全议程

    a16z 发布对 100 名千人员以上企业 CISO 的调研,87% 预期 2027 年安全支出增长,主要受 AI 威胁和自身 AI 部署扩大攻击面驱动。2027 年最受关注的七项安全举措全部与 AI 相关,其中 SOC 自动化获最多首选票,内部 AI agent 安全、SOC 自动化和进攻性安全升幅最大,但 AI SOC 工具生产环境使用率仅 18%。

    推荐理由:a16z 基于 100 位 CISO 调研给出 2027 安全预算与采购优先级变化,并点明初创公司切入的缺口在哪。

10月28日周三
  1. Simon Willison 博客46

    Terk Terkowitz:AI 工具帮不上你的工作,这是发现而非失败

    Amazon 工程领导层 Terk Terkowitz 在关于 AI 时代开发者角色的更新中表示,如果当前 AI 工具对你的工作没有帮助,那是一项发现,而不是失败。他建议记录原因、与同行社区分享、反馈给管理者并共同寻找解决方案,并称能说清 AI 在何处尚无法帮助工作的工程师,正展现了所期望的判断力。

  2. Tessl:产品与工程博客57

    Tessl 博客:AI 代码工厂的瓶颈不是 Review 而是风险

    Tessl 博客提出,AI 软件工厂能生成代码、跑测试并开 PR,Review 队列堆积只是表象,真正的问题是如何放心让变更在无人逐行阅读的情况下推进。文章给出四类控制:降低出错概率(测试、静态分析、架构约束、隔离执行)、验证结果(验收场景与关联意图的证据包)、定位风险(系统关键性、依赖中心性、事件历史、可回滚性)、降低影响(隔离单元、熔断、特性开关、自动回滚)。

  3. IT之家·人工智能45

    研究称过度依赖 AI 会导致专业技能退化,提出行业需设禁用 AI 训练环节

    理论哲学研究员凯萨 · 凯尔基在《人类事务》期刊发表论文,探讨从业者把工作交给 AI 后自身专业能力下滑的技能退化问题。她指出这种退化难以被日常察觉,源于人们对依赖 AI 的认知偏差,并建议医学教育等领域设置禁止使用 AI 的基础技能训练阶段、由行业社群划定必须由人类掌握的核心能力。

  4. Azeem Azhar:Exponential View77

    Azeem Azhar 图解 Anthropic S-1 财务数据

    Azeem Azhar 图解 Anthropic 的 S-1 文件,指出公司已从实验室变成有现金流和资金的业务,看起来能走向可靠盈利。增长仍高但放缓,超过 80% 的营收来自发布不到六个月的模型;Q3 因向基金会付款可能出现边际亏损,客户集中度问题不大。

    推荐理由:作者基于 S-1 图表数据拆解 Anthropic 从实验室转向盈利业务的路径,并指出增长放缓与新模式贡献 80% 营收等约束。

  5. Tomasz Tunguz 博客48

    AI 的第三个产品市场契合点:安全

    继编程与客户支持之后,安全被视为 AI 的第三个产品市场契合点。去年安全市场规模达 1750 亿美元、年增 13%,针对金融机构的勒索软件去年上升 30%、今年一季度再增 76%。对 75 名企业安全从业者的调查显示,预算分布在 SOC、SIEM、渗透测试、威胁情报与漏洞管理五类,且每类都消耗大量 token。

10月27日周二
  1. a16z:News64

    Ben Horowitz 长文解析 Databricks 与智能体时代的公司形态

    a16z 的 Ben Horowitz 发文解析 Databricks 如何成为智能体时代的公司基础设施,Databricks 已达到 70 亿美元收入运行率、同比增长 80%,估值 1900 亿美元。

    推荐理由:作者是 Databricks 投资方 a16z 的联合创始人,从一手视角把数据库技术演进与 Coase、Burnham 的公司理论串起来,解释智能体为何需要新的系统记录。

  2. 404 Media46

    Marissa Mayer 称"性别不重要"引争议,Dazzle 应用借 AI 代写女儿优点

    雅虎前 CEO Marissa Mayer 在《纽约时报》采访中称性别在科技行业"会淡入背景",并透露用其新推出的相册分析应用 Dazzle 生成对女儿的赞美。她同时否认 AI 模型存在偏见,并以李飞飞等女性高管为例。此番言论引发争议之际,女性科技大会 Grace Hopper Celebration 因注册与赞助不足取消,2025 年约 1.5 万人参会,为 2016 年以来最少。

  3. IT之家·人工智能56

    高盛:半导体板块对资产价格的影响力已超过油价

    据《商业内幕》报道,高盛研究显示,过去三周内半导体板块行情差异可解释各类资产约 54% 的表现分化,油价仅能解释 2%。Anthropic 提交 IPO 申请后 AI 股热情提升,纳指和标普 500 涨约 1%,英伟达涨 2%,费城半导体指数涨约 3%;KOSPI 盘中一度涨 5%,较 6 月高点已下跌约 40%。

  4. IT之家·人工智能50

    菲尔兹奖得主邓煜批评 AI 公司以反蒸馏为借口拒绝公布思维链

    菲尔兹奖得主、芝加哥大学教授邓煜在“知识分子”“赛先生”论坛演讲中称,AI 公司蒸馏了全人类知识,却以防蒸馏为借口拒绝公布思维链,不符合学术规范;他提议通过开源数学模型让数学界掌握自己的模型,并遵循数据使用、思维链公布和可追溯性等规范。

  5. IT之家·人工智能57

    微软 CEO 纳德拉:不再认为 AI 越强大就越安全,对齐是更棘手的问题

    微软 CEO 纳德拉在《20VC》播客中表示,他不再认为 AI 能力提升会让对齐问题自然解决,称对齐可能是更棘手、性质不同的问题。他此前曾于 10 月 10 日在 X 发文,主张企业将 AI 模型视为内部安全威胁,通过确定性系统设计、人工管控和行业标准建立防护机制。报道还提到 OpenAI CEO 奥尔特曼和 Anthropic CEO 阿莫代伊也曾就 AI 潜在威胁发出警告。

  6. Every:最新文章82

    Evan Armstrong 解析 Anthropic S-1:2 万亿美元估值是否成立

    The Leverage 创始人 Evan Armstrong 首次拆解 Anthropic 的 S-1 文件,评估其 2 万亿美元估值目标是否合理。核心数据包括累计融资 1411 亿美元、Q2 2026 收入 116 亿美元、约 900% 的净收入留存,以及 76% 的 2025 年收入来自约 1500 家年付费 10 万美元以上的企业客户。

    推荐理由:作者基于 Anthropic S-1 数据拆解收入结构、毛利率口径与算力承诺,给出理解这家 2 万亿美元估值公司需相信什么的分析框架。

  7. a16z:News47

    a16z:Replit for Business 发布,用 Agent Habitat 驯服智能体的“混乱”

    Replit for Business 正式发布,CEO Amjad Masad 提出以 Agent Habitat 让更多企业成为“自驱动公司”。他指出当前多数智能体散落在聊天窗口、个人账号和一次性脚本中,无人界定权限也无人可见其行为。文章借 PC、电子表格与电子邮件进入职场的历史说明:颠覆性技术往往以混乱方式入场,关键在于保留自下而上的热情并将其适度约束。

  8. Replit:Blog42

    Replit 提出“自驱动公司”:2030 年前财富 500 强都将成为自驱动公司

    Replit 提出“自驱动公司(Self-Driving Company)”概念,并预测到 2030 年底财富 500 强企业都将成为自驱动公司。其内部数据显示,2026 年上半年工程师代码产出接近三倍,而评审时间、回滚和产品事故持平。Replit 正通过 Replit for Business 打造让智能体在受控边界内使用企业知识与系统的“Agent Habitat”。

10月26日周一
  1. The Verge:AI56

    AI 能否解决 COBOL 遗留代码危机:OpenAI 展示迁移进展,专家称与实际现代化仍有巨大差距

    The Verge 分析 AI 能否解决 COBOL 遗留代码危机。OpenAI 于 10 月 19 日称其最新模型在老旧语言代码迁移上有重大改进,GPT-6.1 Sol 在高推理力度下实现 98% 的行为保持准确率,低推理力度下为 87%,对比 GPT-5.6 Sol 仅 5%;Anthropic 二月也发布代码现代化指南并推广 Claude Code。