内容形态
行业关键人物在想什么：创始人访谈、研究者论战、投资人判断的观点集合。
302 条精选近 30 天 28 条共收录 4,398 条
一项为期五周的实验发现，在总计约1400项日常工作任务中，约50%可由本地35B参数模型（如Qwen 3.6 35B）成功处理，涵盖邮件、日程、总结和行政事务等类别。性能对比显示，本地模型在常规代理任务上的平均响应时间为2.8秒，比云端Claude Opus 4.5快2.1倍，尽管后者在复杂推理上仍领先约20%。本地模型输出更简洁，云端模型则在结构和代码规范性上更优。随着本地模型性能提升，将计算负载转向本地以应对云端成本已成为必然趋势。
推荐理由：Tunguz用数据告诉你，本地35B模型延迟只有Opus的一半且能完成半数任务，对极致追求响应速度的产品思路冲击很大，本地优先可能会从边缘变成主流。
菲尔兹奖得主 Timothy Gowers 测试 ChatGPT 5.5 Pro，AI 在 17 分钟内独立解决了一个加法数论公开难题，产出了博士论文级别的成果。整个过程无需数学指导，仅通过简单提示完成。Gowers 警告，若 AI 数学能力按此速度发展，将很快对数学研究领域构成危机，尤其冲击博士生培养。他呼吁数学系紧急应对，帮助学生寻找新出路。另一位菲尔兹奖得主陶哲轩则指出，人类数学家在 AI 时代的核心价值在于“消化”和深入理解证明。
推荐理由：Gowers用GPT-5.5 Pro独立完成了够博士论文的数学成果，这不是AI辅助而是AI主导。两位菲尔兹奖得主同时拉响警报，对正在读博的你来说，这比任何论文都更有冲击力。
François Chollet@fchollet精选AI 评分8080主观能动性向来具有自我增强的特性，而AI正在放大这种效应。 低能动性的AI使用者进一步丧失能动性，高能动性的AI使用者则进一步增强能动性。
推荐理由：François Chollet 这条推文把 AI 对人的影响一针见血地拆成两类，低自主性的人会更依赖，高自主性的人会更强大，这比技术更新更能决定你未来怎么用 AI。
Elon Musk@elonmusk精选AI 评分7171这些点中的每一个都是车队中真实发生的碰撞。真实世界的速度、碰撞和人员。而不仅仅是法规测试用例。 正是这些数据的丰富性才促成了这一结果。通过仿真，我们可以回放碰撞，并测量人体模型上所受的力。 然后遍历约束装置的展开时间，发现更早展开能为气囊提供最佳充气时间，并在乘员移出位置之前完成安全带预紧。 但碰撞加速度计需要时间才能确定。降低这一时间阈值会带来误触发的风险。 使用视觉让车辆有信心缩短这一时间。摄像头看到即将发生的碰撞，并与传感器一起告诉约束控制器降低滤波并更早采取行动。 预测伤害严重程度中的 Y 轴偏移，是基于以更快的检测阈值重新运行碰撞仿真后，人体模型中的传感器得出的。 如此全面地降低伤害严重程度是闻所未闻的，更不用说通过空中升级来实现这一点了。 我为分析团队的工作和奉献感到无比自豪。他们超越职责，提出“我们拥有道路上最安全的汽车，但能否让它更安全？”然后与视觉团队合作，构建实现这一目标所需的预测。经过仿真和物理碰撞测试的严格验证。如今已部署并改善着人们的生活。 我循环观看这段视频，想象着每一个点，一个人。
推荐理由：below_threshold:T2 推文门槛 75,当前 finalScore=71
Anthropic公司Claude Code团队的Thariq Shihipar主张，在向Claude等大语言模型请求输出时，应优先选择HTML而非Markdown格式。HTML允许模型直接生成包含SVG图表、交互式组件和页面内导航等丰富元素的文档，显著提升信息呈现的交互性与清晰度。作者以GPT-5.5生成一个Linux安全漏洞的交互式HTML解释页面为例，展示了该方法的实际效果。这促使长期习惯使用Markdown的作者重新评估输出格式，并计划在提示工程中更多尝试富HTML输出。
推荐理由：Simon 拿自己实验打脸 Markdown 惯性，HTML 输出能自动带 SVG 图表和交互导航，所有还在用纯文本解释复杂代码的人都该换个思路。
Jim Fan@DrJimFan精选AI 评分7979
推荐理由：Jim Fan 这 20 分钟把机器人做成了 LLM 的平行故事，从 World Action Models 到 Dexterity Scaling Law，信息密度大到建议 0.5 倍速，做硬件的该换地图了。
作者实地走访中国多家头部AI实验室，观察到国内AI发展呈现三大特征：模型能力正快速逼近国际前沿，部分中文场景表现甚至超越GPT-4；企业普遍采用混合策略，同时开发千亿级大模型和百亿级垂直模型；算力紧张催生创新解决方案，如模型压缩技术和私有化部署方案。各大实验室正从技术追赶转向应用深耕，在医疗、制造等传统领域已形成规模化落地案例。
推荐理由：Nathan Lambert 走访了中国一线 AI 实验室，这份内部笔记不讲公关话，把几家大厂的真实进展和局限摊开聊，如果你关心中国 AI 的实质水位，这篇绕不开。
作者在访谈中反思，曾严格区分的两种AI编程模式——“感觉编码”（不审查代码）与“代理工程”（专业工程师构建高质量系统）——其界限在实践中正迅速模糊。随着Claude等编码代理可靠性提升，作者发现自己即使在生产级项目中也不再逐行审查AI生成的代码，转而将其视为可信的“半黑箱”。这带来了新的责任困境：AI缺乏职业声誉却持续产出正确代码，可能导致“偏差正常化”风险，即每一次成功都可能在不当时刻埋下隐患。同时，AI生成代码的便捷性也使得评估软件质量的传统指标（如提交次数、测试覆盖）不再可靠。
推荐理由：Simon 坦诚自己在生产级开发中也开始‘不看代码就信任 Claude Code’，这个伦理困境是每个 AI 编程工具使用者都绕不开的一课，他的思考比大多数评测都更能帮你定位自己的信任边界。
Satya Nadella@satyanadella精选AI 评分7070推荐理由：below_threshold:T2 推文门槛 75,当前 finalScore=70
软件工程团队中AI与人力比例的选择核心在于韧性而非吞吐量。在10/90比例下，约20名工程师使用Copilot等AI工具，保持传统层级结构；50/50比例时，12名工程师管理代理群，角色转向解决方案架构；90/10比例则仅需3名工程师核心操控自主代理，负责生成、测试和部署，无管理层级。高AI比例虽提升效率，但知识集中于少数人，团队利用率达100%，一旦人员离职将引发严重风险。借鉴制造业70-90%利用率原则，保持冗余可增强系统稳健性。因此，目前大多数初创公司不宜过度依赖AI。
推荐理由：Tomer Tunguz 把 AI 团队比作工厂，点出反直觉结论，AI Agent 不是越多越好，关键在于预留弹性，避免单点故障。做工程管理的读完会重新算一算配比。
Demis Hassabis@demishassabis精选AI 评分6565@demishassabis 先生善于综合。他最爱的书是关于万物的大统一理论。他偏爱的哲学家被一些人视为对立面。他毕生的工作范围从棋盘游戏到获得诺贝尔奖的科学。 我们很荣幸上周在 @sequoia AI Ascent 接待了 Demis 和他的 @GoogleDeepMind 团队，进行了一场炉边谈话。他慷慨地允许我们分享这段内容，你可以在这里观看完整视频： 00:00 开场 00:38 共同的主线 01:29 游戏作为 AI 训练 02:59 创业建议 1.0 04:39 创立 DeepMind 07:25 DeepMind 与 AGI 08:52 科学中的 AI 10:37 生物学突破与 Isomorphic 12:42 新科学 20:29 哲学
推荐理由：Demis难得坐下来聊哲学、科学和创业，一个把游戏智能做到诺贝尔奖的人怎么定义AGI，值得你花半小时看原片。
Demis Hassabis@demishassabis精选AI 评分6767Demis Hassabis（@demishassabis）拥有科技界最非凡的职业生涯之一。 他最初是一名国际象棋神童，17 岁时成为电子游戏设计师，之后获得神经科学博士学位，并创立了 DeepMind。他的实验室攻克了围棋，用 AlphaFold 解决了蛋白质结构预测，然后将其免费提供给地球上每一位科学家。这项工作为他赢得了 2024 年诺贝尔化学奖。如今他领导着 @GoogleDeepMind，朝着他十几岁时就设定的同一个目标推进：AGI。 在 How to Build the Future 这期特别直播节目中，他与 YC 的 @garrytan 坐下来交谈，讨论了要实现 AGI 还需要发生什么、他给创始人关于如何保持领先的建议，以及下一个重大科学突破可能是什么。 01:48 — 在实现 AGI 之前，还缺什么？ 03:36 — 为什么记忆问题仍未解决 06:14 — AlphaGo 如何塑造了 Gemini 08:06 — 为什么更小的模型变得如此强大 10:46 — 1000 倍工程师 12:40 — 持续学习与智能体的未来 13:32 — 为什么 AI 在基础推理上仍然失败 15:33 — 智能体是被过度炒作了，还是才刚刚开始？ 18:31 — AI 能变得真正有创造力吗？ 20:26 — 开放模型、Gemma 与本地 AI 22:26 — 为什么 Gemini 被构建为多模态 24:08 — 当推理变得廉价时会发生什么？ 25:24 — 从 AlphaFold 到虚拟细胞 28:24 — AI 作为科学的终极工具 30:43 — 给创始人的建议 33:30 — AlphaFold 突破的模式 35:20 — AI 能做出真正的科学发现吗？ 37:59 — 在 AGI 到来之前该构建什么
推荐理由：Demis 这次没聊虚的，直接把 AGI 的瓶颈摊开讲——记忆、推理、持续学习，每个点都是创业者的机会清单，做 Agents 的可以反复看。
François Chollet@fchollet精选AI 评分7070GPT-5.5 在 ARC AGI 3 上得分 0.43%！ - GPT-5.5：0.43% - Opus 4.7：0.18% - GPT-5.4：0.20% - Claude 4.6：0.45% - Gemini 3.1：0.4% GPT 5.5 报告的失败原因包括： - 真实的局部效果，错误的世界模型 - 来自训练数据的抽象层级错误 - 解决了关卡，但没有强化奖励 我认为完整的分析将帮助 OpenAI 全面理解模型在某些模态中失败的地方
推荐理由：Chollet 用 ARC AGI 3 冷冰冰的数字撕开了 RL 的局限，GPT-5.5 0.43% 的得分说明在未知领域模型会做完全不相干的事，比任何安全论文都来得更直击要害。
文章揭示了支撑大语言模型（如GPT、Claude、LLaMA）训练与服务的核心数学框架。通过剖析关键方程，可以逆向推导出顶尖AI实验室在模型规模扩展、计算资源分配及服务优化方面的核心策略与实践。这些数学原理不仅解释了模型性能随参数和数据量增长的规律，也量化了训练成本与推理效率之间的权衡，为理解当前大语言模型的发展路径提供了底层逻辑。
推荐理由：Reiner Pope 把训模型背后的数学摊开讲，听完能反推出大厂在做什么，做训练的人不可多得的一课。
AI推理市场正快速分化，各模态如文本、图像、视频和音频发展出独立推理技术栈。自ChatGPT发布后，NVIDIA数据中心收入三年内增长17倍，凸显市场爆发。分化根本原因在于工作负载差异：图像视频生成需高计算力，长上下文消耗更多内存，边缘设备则受功耗限制。市场按延迟分为实时、近实时和批量三层；按模态分为文本、图像视频音频；按部署分为云端和边缘。Hugging Face上已有超9万个图像生成模型，整个AI推理市场规模预计约1000亿美元，这种专业化趋势正为各细分领域创造领导者机会。
推荐理由：Tomer 把推理市场跟数据库市场做类比，碎片化的逻辑讲得很透，做 AI 基础设施的朋友能直接用来梳理自己的赛道，普通人知道这么回事就行。
AI销售策略正从询问软件预算转向三个核心问题：软件总预算、劳动力总预算，以及客户期望三年后两者的比例。这一转变将销售对话提升至战略层面。当前数据显示，销售、支持和工程部门的人力与软件成本比分别为10:1、4:1和最高25:1，高比率意味着巨大的AI替代潜力。新的销售流程分为两步：先切入现有软件预算，再拓展至AI所释放的劳动力预算，最终目标是重新定义企业对成本结构的认知。
推荐理由：Tunguz 用一张劳动力/软件支出比率表把 AI 销售的底层逻辑讲透了，做 ToB SaaS 或 Agent 产品的人看完会重新想自己的定价天花板在哪。
OpenAI宣布停止使用SWE-bench Verified基准评估前沿编码能力。该基准基于GitHub历史问题构建，其任务分布已无法准确反映当前AI编码助手需解决的实际问题类型。随着模型性能提升，基准测试集趋于饱和，区分度下降，现有模型表现已接近人类水平。因此，团队将转向更具挑战性和现实复杂度的新评估方法。
推荐理由：OpenAI 亲自给 SWE-bench Verified 判了死刑，这比任何第三方评测都有说服力。做 coding agent 选型的人该认真想想，你的 benchmark 体系是不是也该换了。
尽管GPT-5.5的官方API尚未发布，但作者利用OpenAI为OpenClaw等工具开放的订阅集成机制，通过反向工程开源Codex CLI，开发了一个LLM插件。该插件允许付费订阅用户通过Codex后端API调用GPT-5.5模型。文章以生成“骑自行车的鹈鹕”SVG图像为例，展示了其使用效果，并指出高推理强度设置能显著提升输出质量，但耗时更长。目前，OpenAI表示正与合作伙伴制定API大规模服务的安全要求。
推荐理由：Simon Willison 不只评测 GPT-5.5，还顺手逆向 Codex 做了个用订阅跑 API 的插件。定价翻倍、xhigh 模式四分钟出图这些细节，比官方通稿有用十倍，做选型的人该看这篇而不是 OpenAI 博客。
Cognition 基于两年 Devin 开发经验复盘构建云智能体的两大投入：基础设施与组织变革。文章指出容器共享内核存在逃逸风险、无法在异步间隙可靠保存状态，其方案是 microVM 隔离和 hypervisor 级整机状态快照；编排层花了超过三个季度才能管理数千并发 VM。
推荐理由：Cognition 以两年 Devin 建设经验拆解云智能体在隔离、状态快照和编排上的真实投入，并给出组织落地的具体路径。
Cognition 发布长文复盘，称自《Don't Build Multi-Agents》十个月后，其多智能体系统已在生产中可用，核心模式是写操作保持单线程、其他智能体只贡献智能。
推荐理由：作者基于自家生产环境实验总结多智能体落地模式，给出干净上下文评审、跨模型路由等可迁移的工程经验。