09:36Greg Brockman@gdbOpenAI Robotics 正在快速推进物理世界 AI 的研发,目标是让 AI 在现实世界中帮助人类。短期重点是为熟练工人制造机器人,支持基础设施建设;长期愿景是让每个人拥有个人机器人。团队由 Aditya Ramesh 领导,基于硬件与 ML 研究的协同设计。目前正在招聘全栈硬件、运营、系统和 ML 工程师,要求有卓越成就。行业机器人具身智能OpenAI招聘硬件10 个信源在谈推荐理由:OpenAI 正式重启机器人团队,从模拟研究转向硬件落地,做机器人或具身智能的开发者值得关注——这是少有的从硬件到 ML 全栈招聘,机会难得。原文
09:28Guillermo Rauch@rauchgVercel CEO Guillermo Rauch 在 X 上发帖称,CEO 和 CTO 们因编程代理(如 Claude Code 和 Vercel)重新爱上编码,甚至上市公司 CEO 主动私信他表达兴奋。这一趋势让高层管理者直接参与软件交付,改变了以往 C 级高管对基础设施理解滞后的局面。Rauch 认为编程代理是企业 PLG(产品驱动增长)的终极体现,让优秀技术栈从实习生到 CEO 都能一目了然,劣质遗留软件无处遁形。行业编程代理CEO/CTOPLGClaude CodeVercel推荐理由:编程代理让企业高管亲自下场写代码,做 SaaS 或企业软件的团队值得关注——这可能是 PLG 策略的新突破口,建议点开看看 CEO 们为何重新爱上发版。原文
09:24Clement Delangue@ClementDelangueHugging Face CEO Clement Delangue 在 X 上呼吁更多人公开分享编程和智能体追踪数据,以构建更好的数据集和开源模型。他指出已有不少人贡献,鼓励大家也分享自己的数据。同时,Simon Willison 抱怨 OpenAI 的 Codex Desktop 在更新中移除了“Copy as Markdown”功能,该功能曾是他最喜欢的导出完整聊天记录的方式。这一变化引发了对数据共享和工具可用性的讨论。公开分享追踪数据有助于推动开源模型进步,但工具功能的移除可能影响开发者体验。行业开源/仓库编程助手数据共享智能体OpenAI Codex10 个信源在谈推荐理由:如果你在训练或使用开源编程模型,公开分享追踪数据能直接提升数据集质量,Hugging Face 的号召值得响应。做 AI 编程工具的团队也能从中获得更丰富的训练素材。原文
08:51rohanpaul_ai@rohanpaul_ai一项研究揭示了科技巨头的高薪如何将顶尖AI研究者从大学吸引到企业。工业界前1%的AI科学家年薪约200万美元。转向私企的研究者停止发表公开论文,转而提交专利数量增加530%,以保护工作机密。该研究追踪了42,000名AI研究者。行业AI研究者人才流失专利科技巨头学术界推荐理由:这项研究揭示了AI人才从学术界向工业界大规模流失的现状,对关注AI研究生态、人才流动或学术与产业平衡的读者有重要参考价值。建议点开了解具体数据和影响。原文
08:32berryxia@berryxia国内前5家纯LLM公司总估值达2260亿美元,约为Anthropic最新估值的四分之一,但收入运行率仅为Anthropic的1/40。智谱估值领先DeepSeek,显示出国内开放权重模型在大量融资的同时,实际收入较低。这凸显了AI行业的核心矛盾:市场在为AI的什么部分支付溢价?当模型能力商品化、价格下降后,估值逻辑需重新审视。该现象引发对国内低价开放权重模式是否为短期策略或未来全球竞争主流模式的讨论。行业智谱DeepSeek估值开放权重AI商业模式10 个信源在谈推荐理由:这篇帖子揭示了国内AI公司估值与收入的巨大鸿沟,做投资或关注AI商业模式的读者值得一看,能帮你理解市场对开放权重模型的真实定价逻辑。原文
07:59rohanpaul_ai@rohanpaul_aiSam Altman 在 TreeHacks 访谈中回顾了 2014 年 OpenAI 创立初期的艰难处境。当时业界普遍认为 AGI 还需 100 年,OpenAI 的愿景被资深人士斥为“疯狂”和“骗局”。Altman 表示,他们选择押注“扩展深度学习”这一当时不受欢迎的方向,坚信增加算力能带来更好结果。尽管当时尚未发现 scaling laws 的精确规律,但团队决定全力推进。这段历史揭示了 OpenAI 早期信念与主流认知的巨大差距。行业OpenAISam AltmanAGI创业历史深度学习10 个信源在谈推荐理由:这段历史对 AI 从业者很有启发——当主流共识说“不可能”时,OpenAI 选择了逆势押注 scaling。做 AI 研究或创业的人看完会重新思考“共识”与“创新”的关系。原文
03:39rohanpaul_ai@rohanpaul_ai英伟达CEO黄仁勋在All-In播客中表示,Anthropic CEO Dario Amodei关于2030年AI收入达1万亿美元的预测过于保守。他认为,每家企业软件公司都将成为Anthropic token的增值经销商,这将带来对数级扩张,市场覆盖将大幅增长。黄仁勋的评论凸显了AI行业对增长潜力的极度乐观预期。行业黄仁勋AnthropicAI收入预测企业软件token分销10 个信源在谈推荐理由:黄仁勋的预测揭示了AI商业化的新路径——企业软件公司成为AI token分销商,关注AI投资和商业模式的读者值得一看。原文
01:29Sam Altman@sama76°OpenAI 宣布成立 OpenAI Robotics 部门,并开始招聘全栈硬件、运营、系统和机器学习工程师。该部门由 Aditya Ramesh 领导的世界模拟研究项目在过去一年中演变而来,专注于编程和制造对社会有用的机器人。短期目标是支持技术工人建设未来基础设施,长期愿景是让每个人拥有能完成任何任务的个人机器人。OpenAI 强调机器人硬件与 ML 研究的协同设计,并邀请有卓越成就的工程师加入。行业OpenAI机器人招聘硬件机器学习10 个信源在谈推荐理由:OpenAI 正式进军机器人领域,硬件与 ML 协同设计思路值得关注,做机器人或具身智能的工程师可以直接投递简历。原文
00:24AI Notkilleveryone@ai_zona一项关于 AI 智能体开发语言的社区调查显示,Python 凭借成熟的生态系统和研究友好性占据主导地位,TypeScript 因类型安全和生产环境优势紧随其后,Rust 则用于性能关键的基础设施。调查还包含一个幽默选项“LLM 写什么就用什么”,反映了当前 AI 辅助编程的趋势。该调查结果揭示了不同语言在 AI 智能体开发中的定位,为开发者选择技术栈提供了参考。行业AI 智能体开发语言PythonTypeScriptRust1 个信源在谈推荐理由:做 AI 智能体开发的团队可以快速了解当前社区的语言偏好和趋势,帮助你在 Python 的灵活性和 TypeScript 的生产力之间做出更明智的选择。原文
00:11rohanpaul_ai@rohanpaul_ai风险投资人 Chamath 指出,当各大实验室都能构建相似模型时,真正的竞争优势来自私有数据这一独特“配料”。他比喻说,给两个大厨三种食材,但给第三个大厨多一种,后者就能做出特别的东西。未来,公司会争相获取独家数据源,如医疗记录、工业日志、用户行为等,这些私有数据能让 AI 系统更独特、更难复制。这可能导致新一轮并购潮,大公司收购拥有独特数据流的初创公司,而非其收入或品牌。行业AI 竞争私有数据数据壁垒并购趋势Chamath推荐理由:Chamath 点破了 AI 竞争的下一个关键战场——私有数据,做 AI 产品、数据战略或投资的团队,值得思考自己是否拥有那个“额外配料”。原文
23:12AI Will@FinanceYF5最新AI用户数据显示,Claude在中国市场增长最快,全球用户占比从3%跃升至20%,网站排名季度增长255%。这一数据打破了VC常问的“如果Google出手怎么办”的疑虑,表明Claude在竞争激烈的AI市场中找到了自己的增长路径。对于关注AI行业格局变化的读者来说,这是一个值得关注的信号。行业ClaudeAI市场用户增长行业数据中国AI推荐理由:Claude在中国市场的爆发式增长打破了“大厂出手即碾压”的惯性思维,做AI产品战略或市场分析的从业者值得点开,看看这个反直觉的数据背后意味着什么。原文
23:11AI Will@FinanceYF5根据最新数据,消费AI市场格局正在从ChatGPT一家独大转向三强争霸。六个月前ChatGPT占据全球80%的AI用户,如今降至60%。同期,Gemini从ChatGPT用户量的20%增长到50%,Claude从3%跃升至20%,成为上季度增长最快的网站(+255%)。全球网站排名中,ChatGPT第5、Gemini第15、Claude第36。月活方面,ChatGPT约15亿、Gemini约9亿、Claude约2.5-3亿。Gemini在非英语国家增长显著,Claude在中国意外走红。市场正从“赢家通吃”转向类似云市场或无线通信市场的三足鼎立格局。行业ChatGPTGeminiClaude市场份额消费AI推荐理由:消费AI市场格局正在重塑,做AI产品、投资或战略决策的人需要看清这个趋势——三足鼎立意味着生态位机会,建议点开看具体数据和区域差异。原文
19:35Together AI@togethercomputeTogether AI 的两位副总裁 Dan Fu 和 Sarung 在 NVIDIA GTC 大会上参加了辣翅挑战,一边吃辣翅一边回答 AI 相关问题。视频展示了他们在辛辣刺激下的真实反应和即兴回答,既有技术讨论也有趣味互动。这个活动以轻松的方式展现了 AI 领域高管的个性和幽默感,同时传递了 Together AI 在 AI 基础设施方面的观点。行业NVIDIA GTCTogether AIAI 行业趣味活动高管访谈9 个信源在谈推荐理由:想看 AI 大佬被辣到冒汗还要聊技术?这个视频把严肃的 GTC 变成了欢乐现场,做 AI 社区运营或喜欢行业趣闻的值得点开,看完会笑出声。原文
14:40宝玉@dotey博主认为通用 Agent 将成为未来的操作系统,用户与 AI 的交互将通过 Agent OS 完成。传统 App 面临三种结局:消亡(Agent 自身能力足够)、变成 CLI 或 MCP(供 Agent 调用)、或成为 Agent GUI 插件(需人工操作时唤起)。未来 SaaS 必须推出 CLI 和 Skill 接口,让 Agent 学会使用,否则将被淘汰。这一观点引发了关于应用形态演变的讨论。行业智能体Agent OSSaaSMCP/工具应用形态推荐理由:Agent 取代 App 的预言正在加速落地,做 SaaS 产品、AI 应用或工具链的团队,现在就该思考如何让 Agent 学会调用你的服务,否则可能被淘汰。原文
10:21AI Notkilleveryone@ai_zonaAnduril公司高管Christian Brose公开讨论了AI在军事应用中关于杀人机器的道德红线问题,指出五角大楼的实际政策可能比公众认知的更为模糊和危险。该言论引发了关于自主武器系统伦理边界的广泛讨论。Brose的发言基于8个已验证来源,揭示了AI军事化进程中缺乏明确监管的现状。这一话题对AI伦理、军事政策和全球安全具有深远影响。行业AI伦理军事AI自主武器五角大楼Anduril推荐理由:关注AI军事化伦理边界的从业者和政策研究者,这篇文章揭示了五角大楼政策的潜在漏洞,值得深入思考AI在致命自主武器系统中的应用风险。原文
09:58elvis@omarsar0Epoch AI 最新研究显示,自年初以来,开源权重模型与闭源模型之间的能力差距已缩小至约4个月。这意味着开源模型正快速追赶前沿闭源模型,差距从更长时间缩短到仅数月。这一趋势对AI行业格局有重要影响,开源生态的快速发展可能改变模型竞争态势。未来几个月,开源模型能否进一步缩小差距值得持续关注。行业开源模型闭源模型能力差距Epoch AI行业趋势1 个信源在谈推荐理由:开源模型追赶速度超出预期,做模型选型或关注AI生态的开发者值得关注这一趋势,直接了解开源模型的最新进展。原文
09:49Gary Marcus@GaryMarcus纽约大学心理学教授 Gary Marcus 在 X 上发帖称,Anthropic 的长期盈利概率高于 OpenAI,但整体仍然不大。他引用 Tom Maiaroto 的观点,认为 Anthropic 凭借 Claude、Cowork 和企业软件策略,盈利机会微乎其微。该评论反映了市场对 AI 公司商业化前景的持续担忧,尤其是高研发投入与不确定的营收模式之间的矛盾。行业AnthropicOpenAI盈利前景企业软件AI商业化10 个信源在谈推荐理由:关注 AI 公司商业前景的投资者和从业者,这条分析点出了两家头部公司的盈利困境——Anthropic 的企业路线或许比 OpenAI 更务实,但天花板依然很低。值得一读,看完会对 AI 行业的盈利现实有更清醒的认识。原文
09:39GitHub@githubGitHub 宣布将参加 6 月 2-3 日举行的 Microsoft Build 大会,提供线下和线上参与方式。大会议程涵盖编码、AI 和工作流等主题,旨在展示 GitHub 在开发者工具和 AI 辅助编程方面的最新进展。这是开发者了解 GitHub 与微软生态整合、探索 AI 驱动开发工作流的重要机会。行业GitHubMicrosoft BuildAI 编程开发者工具工作流推荐理由:GitHub 在 Build 上展示的 AI 编码和工作流更新,直接关系到使用 GitHub 的开发者团队如何提升效率,建议关注议程并提前注册。原文
09:31宝玉@dotey作者吐槽了Claude Desktop的标签页合并和右侧面板设计问题,认为Anthropic因Claude Code在TUI上太成功而忽视了GUI,导致Desktop版本体验不佳。同时指出OpenAI因ChatGPT太成功而忽略了Coding Agent,给了Anthropic机会。最终Claude App脱颖而出,反映了产品策略的此消彼长。行业Claude Desktop产品设计OpenAIAnthropicAI工具生态10 个信源在谈推荐理由:如果你在用Claude Desktop或关注AI产品设计,这篇吐槽点出了大厂产品策略的盲区——成功产品反而容易忽视用户体验细节,看完会对AI工具生态有更深理解。原文
08:51AI Notkilleveryone@ai_zona83°一位开发者构建 AI 代理市场后发现,当前主流框架(如 LangChain、CrewAI、AutoGPT)仅能编排自己编写的代理,但缺乏验证第三方代理可靠性、安全性和成本透明度的基础设施。信任问题成为代理间协作的核心障碍,市场需要新的信任机制。行业AI代理信任机制市场平台LangChainCrewAI推荐理由:做 AI 代理编排或市场平台的开发者会感同身受——信任缺失是当前生态的致命短板,值得深入思考如何构建代理间的信任层。原文
05:07AI Notkilleveryone@ai_zona精选83°Model Context Protocol (MCP) 正式被 Linux 基金会采纳为标准,为 AI 智能体连接工具和数据提供统一协议。该协议标准化了智能体与外部工具的交互方式,支持跨不同大语言模型提供商使用。AIZona ADK 已原生支持 MCP,开发者可通过单一注册中心管理所有工具,实现任意模型调用。这标志着 AI 智能体生态向互操作性迈出关键一步。行业MCP/工具智能体开源/仓库标准协议AIZona ADK推荐理由:MCP 成为 Linux 基金会标准解决了 AI 智能体工具连接碎片化问题,做智能体开发的团队可以直接用统一协议对接工具,建议关注并尝试集成。原文
04:18rohanpaul_ai@rohanpaul_ai软银宣布投资750亿欧元在法国建设欧洲最大的AI计算设施,利用法国廉价稳定的核电作为AI训练和运行的能源基础。计划第一阶段投入450亿欧元,到2031年在法国上法兰西大区建成3.1GW算力,随后再增加2GW,最终形成5GW的AI综合体,其电力消耗相当于一个主要城市。敦刻尔克是核心选址,施耐德电气预计将参与建设AI基础设施和机器人制造中心。但融资是薄弱环节,行业估算1GW AI基础设施成本接近500亿美元,软银可能需要大量项目债务和外部合作伙伴。行业软银AI算力核电欧洲基础设施推荐理由:软银用核电给AI算力铺路,做大规模模型训练和基础设施投资的团队值得关注——能源成本是未来AI竞争的关键变量。原文
04:11AI Notkilleveryone@ai_zonaAI Zona 在 Telegram 上推出了新频道 @AIZonaNews,专注于提供 AI 代理、初创公司和市场动态的精选信息。该频道承诺内容经过多个来源交叉验证,无噪音,每天更新三次,永久免费。订阅者将获得 AI 代理生态系统信号、融资与并购提醒、开源模型发布以及加密宏观动态。行业AI 代理初创公司市场动态Telegram 频道开源模型推荐理由:对于关注 AI 行业动态的从业者和投资者,这个频道提供了经过验证的精选信息,省去筛选噪音的时间,值得订阅。原文
03:26rohanpaul_ai@rohanpaul_ai旧金山一栋价值295万美元的房产开始接受OpenAI或Anthropic股票作为支付方式,将私人AI公司股票转化为购房货币。这一交易暴露了AI行业繁荣背后的流动性问题:许多员工账面财富丰厚,但资产困在未上市股票中,难以在IPO或要约收购前变现。房产经纪人表示,该提议上线24小时内咨询量激增,卖家是一位支持Anthropic和OpenAI的本地豪华开发商,灵感来自多次与员工和投资者的交流。预计下周将收到该房产的正式报价。行业AI行业股票支付房产交易OpenAIAnthropic10 个信源在谈推荐理由:AI从业者账面财富无法变现的痛点被直接戳中,如果你持有未上市AI公司股票又想买房,这个案例值得关注,可能催生更多类似交易模式。原文
22:31AI Notkilleveryone@ai_zonaAI Zona在X上发起讨论,询问开发者是否愿意在没有治理机制(如审批门、审计追踪、信任评分、升级规则)的情况下将AI Agent部署到生产环境。该问题触及AI Agent落地的核心安全与合规痛点,引发社区对LLMOps最佳实践的反思。关键细节在于,缺乏治理可能导致不可控行为、数据泄露或决策错误,而信任评分和升级规则是降低风险的关键手段。行业AI Agent治理LLMOps生产部署安全合规推荐理由:AI Agent部署的治理问题直接关系到生产环境的安全与可靠性,做Agent落地的团队必须考虑审批门和审计追踪,否则风险不可控。建议点开看看社区怎么选,能帮你避开常见坑。原文
21:21Yann LeCun@ylecun精选纽约大学教授Yann LeCun在推特发文,认为当前AI不具备情感、同理心和道德,但未来终将实现。他引用教皇推文展开讨论。该推文获得522个赞、72条回复和27次转发。LeCun指出许多人类也不具备灵性,但仍拥有道德。行业Yann LeCunAI伦理人工智能未来推荐理由:Yann LeCun聊AI的灵性道德原文
18:49rohanpaul_ai@rohanpaul_ai精选76°Amazon 发布了新型数据中心网络架构“Resilient Network Graphs”(RNG),用扁平随机图替代传统的胖树结构,将硬件需求降低 69%,吞吐量提升 33%。该设计自去年起已在 AWS 数据中心悄然部署,现已成为大多数 AWS 工作负载的默认网络。RNG 通过扁平化随机图连接路由器,提供多条独立路径,避免胖树网络的流量瓶颈问题。其路由系统 Spraypoint 将流量分散到多条路径,ShuffleBox 布线设备使随机连接变得可实施。实测显示,RNG 在性能上与胖树网络持平,但成本降低 9% 至 45%,尤其对 AI 集群的大规模同步训练流量有显著改善。行业数据中心网络AWSRNGAI训练网络架构推荐理由:AWS 用 RNG 解决了胖树网络的流量瓶颈,做 AI 训练和大规模云计算的团队可以直接受益——更少的硬件、更低的成本、更好的吞吐,值得点开了解工程细节。原文
17:56rohanpaul_ai@rohanpaul_ai高盛预测,到2030年AI智能体的代币使用量将增长24倍,达到每月120千万亿。智能体执行任务时需多次调用工具、检查结果和纠错,单次请求消耗的代币量是普通对话的10-50倍甚至更多。这已引发Uber和微软等公司重新评估高昂的智能体使用成本。微软近期撤销开发者对Claude Code的访问权限,计划将其迁移至内部Copilot CLI工具,此举可能旨在降低成本。尽管推理成本每年下降60%-70%,但智能体生产力与代币浪费之间的博弈仍在持续。行业智能体代币消耗成本控制高盛微软推荐理由:高盛的数据给所有部署AI智能体的团队敲响成本警钟——代币消耗量级远超预期,Uber和微软已经开始调整策略。做智能体产品或者用API的开发者,建议算算自己的token账单再决定下一步。原文
17:06rohanpaul_ai@rohanpaul_ai华为董事长徐直军表示,美国芯片管制反而推动了中国半导体产业链的真正成长。华为提出的Tau Scaling Law将目标从“缩小晶体管”转向“加速信号传输”,因为现代芯片的瓶颈在于长导线和时序缓冲器而非晶体管本身。通过LogicFolding 3D堆叠技术,华为声称到2031年可实现接近1.4nm的密度,并减少50%以上的冗余缓冲器。尽管中国在良率、功耗、工具和全球生产规模上仍有差距,但这一进展展示了制裁如何迫使企业找到新的突破路径。行业华为芯片制裁Tau Scaling LawLogicFolding半导体自主推荐理由:华为用Tau Scaling Law和LogicFolding绕开EUV光刻机限制,做芯片设计的工程师和关注半导体自主化的读者值得一看——这不仅是技术路线,更是制裁下的生存策略。原文
17:05rohanpaul_ai@rohanpaul_ai精选76°据路透社报道,字节跳动正在开发自己的AI数据中心CPU,以应对TikTok规模下AI智能体运行对稀缺服务器处理器的需求。受Groq的“语言处理单元”启发,字节跳动同时测试Arm和RISC-V架构,在成熟商业设计和更可控的开源指令集之间做比较。市场CPU价格每季度上涨10%-35%且供应延迟,自研芯片成为成本和供应链策略。此举旨在减少对受限外国AI硬件的依赖,并降低每次查询的推理成本。更深层的变化是,AI智能体正将CPU变成战略芯片,因为智能体推理对CPU压力更大,一个用户请求会触发多个小步骤。字节跳动似乎没有内部芯片设计团队,依赖外部合作伙伴进行制造。行业字节跳动AI芯片CPU智能体供应链推荐理由:字节跳动自研CPU说明AI智能体正在重塑芯片需求格局,做大规模AI部署的团队值得关注——CPU不再是配角,而是成本与供应链的关键。原文
16:49rohanpaul_ai@rohanpaul_ai精选日本AI数据中心建设激增,GPU发热量五年翻倍,传统风冷已无法满足散热需求。液冷技术通过直接接触芯片的冷板带走热量,效率远超风冷,能处理更高热密度。富士电机、日本电产、三菱重工等日本企业正积极布局液冷系统。液冷虽安装成本高、需防漏设计,但能显著降低风扇能耗和温度波动。该技术正成为AI算力基础设施的关键组成部分。行业液冷数据中心GPU散热日本AI基础设施推荐理由:液冷是解决AI算力散热瓶颈的核心方案,做数据中心运维或GPU集群部署的团队值得关注。日本企业的技术路线可能影响全球供应链,建议点开了解具体方案。原文
16:48rohanpaul_ai@rohanpaul_ai据路透社报道,日本三大银行将获得OpenAI最新模型及Anthropic Mythos的早期访问权限,用于安全测试。这些前沿AI模型在检测漏洞方面远优于前代,预计将帮助银行防御新型网络攻击。此举标志着金融行业在AI安全应用上的重要突破,也体现了日本对AI安全测试的重视。行业OpenAIAnthropic Mythos金融安全漏洞检测日本银行10 个信源在谈推荐理由:金融安全团队终于有了前沿AI武器——OpenAI和Anthropic的新模型专为漏洞检测优化,比旧模型强得多,做银行安全或金融AI应用的开发者值得关注。原文
16:18向阳乔木@vista8姚金刚老师与组织者将在今晚八点通过WaytoAGI进行GEO(生成式引擎优化)首场直播分享,讲解GEO的底层逻辑、方法、系统原理及理念。分享将涉及GEOFlow系统、元Skill、17套GEO Skill合集、41篇最新GEO/AI搜索相关论文,以及多份白皮书、红皮书、蓝皮书等资料。组织者将负责AI工具和模型的问答环节,帮助参与者理解GEO如何从SEO演进而来,以及其在AI搜索时代的重要性。行业GEOAI搜索公开课开源/仓库营销推荐理由:GEO是AI搜索时代的新营销方向,做SEO或内容营销的团队值得关注这场公开课,可以直接获取系统方法和开源资料,建议点开了解底层逻辑。原文
16:06Gary Marcus@GaryMarcus精选Epoch AI 最新研究显示,自2025年初以来,开源权重模型在能力上持续落后于闭源模型约4个月。这一差距引发了关于开源模型长期竞争力的讨论。专家 Gary Marcus 质疑,仅凭4个月的领先优势能否支撑一个价值数万亿美元的商业模式。该发现对AI行业格局、开源社区发展以及企业技术选型具有重要参考价值。行业开源模型闭源模型能力差距Epoch AI商业模式1 个信源在谈推荐理由:开源模型与闭源模型的差距被量化了——4个月的滞后对AI开发者和企业技术决策者来说是个关键信号,值得关注开源生态能否缩小这一差距。原文
12:48shao__meng@shao__meng精选76°Salesforce 分享了工程团队从「工程师 + 更强 Copilot」进化到「Agentic 工程」的实践路径。团队将 SDLC 的执行层逐步交给 Agent,人负责目标、规则、验收与复利。关键杠杆包括工具收敛(全组织用 Claude Code)、规则即代码(Markdown 规则 + PR 反馈闭环)、自治并行(build/fix/validate 闭环)。案例中一个原计划 231 人天的迁移任务 13 天完成,PR 增加 79%,有效产出提升 151%,事故减少 5%。工程师的核心能力从写代码转向拆解任务、判断委派、沉淀规则库。行业Agentic 工程Claude CodeSalesforce研发效能规则闭环推荐理由:Salesforce 用真实数据证明了 Agentic 工程不是空谈——PR 增 79%、事故降 5%,做工程管理的团队可以直接参考他们的规则闭环和度量体系。原文
12:34orange.ai@oran_ge有投资人爆料称 Anthropic 的 Claude 模型蒸馏了中国模型 Kimi 和 Qwen,而非此前猜测的 Cursor。该说法最初在私下交流中传出,如今似乎有更多证据浮出水面。事件折射出 AI 行业模型蒸馏现象的普遍性与真假难辨的现状。作者调侃称责任全在崔茂。行业AnthropicClaude蒸馏KimiQwen10 个信源在谈推荐理由:模型蒸馏争议触及 AI 行业的核心竞争与伦理问题,关注大模型生态的从业者和投资人值得一读,看完会对行业潜规则有新认识。原文
12:24Gary Marcus@GaryMarcusGary Marcus 在推文中指出,与 ChatGPT、Claude 等 LLM 对话时,用户实际上是在与一个合成的互动小说角色交流,而非真实的智能体。他强调,这些模型并非其神经网络本身,而是通过角色扮演模拟出看似合理的对话。所谓的“ChatGPT”或“Claude”只是虚构的构造,类似于故事中的角色,它们可以扮演任何角色,如妖精、巫师或农民。因此,任何声称有意识或情感的 LLM 都只是虚构角色在说话,而非神经网络。行业LLMAI 拟人化Gary Marcus互动小说角色扮演推荐理由:Marcus 的观点戳破了 AI 拟人化的幻觉,对于所有使用 LLM 的用户和开发者来说,理解这一点能避免误判 AI 的能力和意图,值得深思。原文
11:57宝玉@doteyNotion CEO Ivan Zhao 在红杉播客中分享了 AI 时代组织设计的新思路。他提出将工程团队重构为“杠铃结构”:一端是初级工程师,另一端是资深架构师,刻意压缩中间层。这种结构旨在适应 AI 快速迭代的需求,让年轻人不受旧范式束缚,同时由资深者把控系统架构。他还用“爵士乐队”比喻理想组织,强调即兴、主动性和共同主旋律。这套理念引发了关于中层缺失、人才成长路径等争议,但为 AI 时代的组织管理提供了新视角。行业组织管理AI 时代Notion工程团队杠铃结构推荐理由:Notion CEO 的杠铃工程结构颠覆了传统团队配置,做技术管理或创业的人值得思考:AI 时代是否真的需要那么多中间层?原文
11:50Harrison Chase@hwchase17LangChain 的 LangSmith Signal 最新数据显示,开源模型正在经历爆发式增长。2026 年 4 月,已有 1/3 的 AI 团队运行过开源权重模型,而九个月前这一比例仅为 1/5。使用开源权重的团队总数增长了 3 倍。新用户选择开源模型的比率高于早期用户。这表明开源模型正从边缘走向主流,成为越来越多 AI 团队的首选。行业开源模型LangChainAI 团队行业趋势模型选型推荐理由:开源模型的使用率翻倍增长,做 AI 应用或模型选型的团队值得关注这个趋势——新用户更倾向开源,意味着生态正在加速成熟。原文
11:38Gary Marcus@GaryMarcusAI 分析师 @scaling01 发布了一系列大胆预测,认为 OpenAI 将繁荣发展,Anthropic 将持续盈利,而谷歌和中国公司都无法追上它们。预测还指出,最高级别的智能将成为只有企业和富豪才能负担的奢侈品,但大多数重金投入的公司将获得巨大回报。此外,SpaceX 的 AI 将在年底前与谷歌持平,英伟达将成为首个市值突破10万亿美元的公司。这些观点挑战了当前行业共识,值得关注。行业OpenAIAnthropicGoogle英伟达AI 预测10 个信源在谈推荐理由:这些预测直接挑战了当前 AI 行业的竞争格局和商业化路径,做 AI 投资或战略规划的读者值得一看,看完会对未来趋势有新的思考。原文