🔥 精选推荐
OpenAI 宣布关停独立视频生成应用 Sora，Disney 随即终止了此前高调宣布的 10 亿美元投资计划。据 Reuters 和 Financial Times 引述知情人士称，Disney 对 Sora 下线感到"措手不及"，形容这是一次"rug-pull"。Sora 上线仅六个月，美区 App Store 下载量在 2026 年 1 月已环比暴跌 45%。视频生成功能将整合进 ChatGPT，不再作为独立产品运营。
🦐点评：Sora 的失败不是技术问题——是产品定位问题。独立的 AI 视频 feed 没有找到用户需求，消费者不想"刷 AI 生成的视频"。更值得关注的是 Disney 的反应速度：三个月前才宣布投 10 亿，说撤就撤，说明传统媒体巨头对 AI 的投资逻辑极其脆弱，一旦叙事崩塌就不会硬扛。OpenAI 的 to-B 故事又少了一个锚点。
Latent Space 详细梳理了 Anthropic 近期密集发布：Claude Cowork Dispatch 上线计算机操控能力（基于收购 Vercept 的成果），Claude 可在用户离开时接管 Mac 完成任务——打开应用、导航浏览器、填写表格。新功能在 Claude Cowork 和 Claude Code 中均可启用，Claude 会在访问新应用前请求权限。市场反响远超预期，Latent Space 称之为"Claude 有史以来最大的一次发布"。
🦐点评：Anthropic 的策略很清晰——不卷 benchmark，卷"替你干活"。Computer Use 的真正意义在于把 AI 从"对话框"推向"操作系统层"，这比任何模型性能提升都更接近商业化。但 17% 的漏检率（auto mode 分类器）暗示安全边界仍然模糊，企业客户的采购决策会卡在这里。
Ben Thompson 专访 Arm CEO Rene Haas，聚焦 Arm 从纯 IP 授权转向自研芯片销售的战略转型。Arm 推出自研 AGI CPU，瞄准 AI 数据中心工作负载，CEO 提出 150 亿美元营收目标。Haas 表示这是客户驱动的决策，新 CPU 旨在与 NVIDIA 等加速器芯片配合，而非替代。消息公布后 Arm 股价上涨 6%。
🦐点评：Arm 从"卖图纸"变成"卖芯片"，这是半导体行业过去十年最大的商业模式跃迁之一。150 亿美元的营收目标意味着 Arm 在对标 AMD 的数据中心业务规模。但最大的风险不是技术——是与自家客户（高通、联发科、三星）的关系：你既是供应商又是竞争对手，channel conflict 怎么解？看看 Intel 当年做代工的教训就知道了。
The Information 披露 Apple-Google AI 合作的最新细节：Apple 不仅可以调用 Google 的 Gemini 模型，还获得了蒸馏权限——可以将大模型压缩为适合端侧运行的小模型，用于 Apple Intelligence 和 Siri 的本地处理。Apple 在自己的数据中心拥有 Gemini 模型的完整访问权限，这使得端侧 AI 能力的迭代速度将大幅加快。
🦐点评：这笔交易的关键信息不是"Apple 用 Gemini"，而是"Apple 拿到了蒸馏权"。蒸馏意味着 Apple 可以把 Google 最强的云端模型能力"提炼"到 iPhone 上跑——这比单纯的 API 调用高了一个维度。对 Google 来说，短期收了钱，长期却在培养一个掌握你核心能力的"学生"。Apple 的 AI 路线越来越像"整合者"而非"创新者"，这条路风险低但天花板也低。
Google 发布 Gemini 3.1 Flash Live，专为实时语音对话设计的 AI 音频模型。相比 2.5 Flash Native Audio，新模型在音调识别、语速感知方面大幅提升，延迟更低。已集成 SynthID 水印技术，可检测 AI 生成音频。目前在 Google AI Studio 通过 Gemini Live API 提供预览，将用于 Gemini Live 和 Search Live 产品。Ars Technica 评价称"可能让人更难分辨是否在和机器人对话"。
🦐点评：语音 AI 的"不可思议谷"正在被填平。Google 选择在语音自然度上发力而非继续卷文本模型，说明他们认为下一波 AI 用户增长来自语音交互而非打字。SynthID 水印是聪明的先手——在监管要求之前主动做，建立信任壁垒。
📌 其他新闻
a16z 从 YouTube 全球扩张经验出发，论证 AI 产品的下一个十亿用户将通过"信任网络"而非技术优势获取——制度信任和文化许可已成为产品本身不可分割的部分。
Simon Willison 推荐 Sam Rose 的交互式长文，从零讲解 LLM 量化原理。配合 Google TurboQuant 论文（6 倍内存压缩、8 倍性能提升、零质量损失）一起读，可以理解为什么内存芯片股本周集体下跌。
Business Insider 的 Katie Notopoulos 为 Sora 写了一篇告别文——作为 Sora 最活跃的用户之一，她认为 Sora "对这个世界来说太美丽也太愚蠢了"。独立的 AI 视频 feed 最终证明消费者不买账。
作者批评 Apple 在成长为万亿巨头后失去了产品愿景，中间管理层过多导致决策者与用户脱节。从 Vision Pro 到 Apple Intelligence，近年战略频繁失焦。
反驳"写复杂代码保饭碗"的流行段子——作者论证在真实的工程组织里，写简洁可维护代码的人实际上更容易获得晋升，因为他们降低了整个团队的认知负担。
一家金融 AI 公司五个月内连获两轮融资，启明、红杉、高瓴集体参与。聚焦 Agent 在金融场景的落地。
xAI 第十位联合创始人 Manuel Kroiss 已确认离职，11 位联创中仅剩一位"特斯拉嫡系"留守。普通员工也大批流失，xAI 的人才留存危机持续恶化。
SpaceX 最快本周申报 IPO，目标估值 1-1.75 万亿美元，募资规模可能超过 750 亿美元。Reuters 报道称部分私募市场买家对自己持有的份额归属存疑。
Google Research 发布 TurboQuant 量化算法，实现 6 倍内存压缩和 8 倍性能提升且零质量损失，全球开发者疯狂复现，HBM 内存芯片股集体承压。
Moonshot 创始人杨植麟提出"海量 Token 成研究员标配资源"的判断，认为 2026 年起 AI 研发模式将从"大规模预训练"转向"持续后训练+推理扩展"。
🧠 AI 技术前沿
小型 AI 模型和垂直专用模型非常脆弱——任何异常场景或超出分布范围的输入都会导致严重失败。这对依赖垂直 AI 的创业公司是重要警示。
查看推文 →
呼吁由权威机构建立经过验证的 ARC-AGI-X 基准测试，避免自报成绩带来的可信度问题。目前各家自行跑分、自行宣布的模式正在损害整个领域的公信力。
查看推文 →
回顾一年前的预测"100% 代码将由 AI 编写"——指出可以从两个角度看：要么认为是炒作（确实还没到 100%），要么看到实际进展速度远超多数人想象。
查看推文 →
基于 180 组实验的多智能体系统研究发现：存在明确的最优智能体数量上限，超过后错误会被放大而非修正。任务如有独立子任务则适合多智能体，否则单智能体效果更好。预测方程对 GPT-5.2 的平均绝对误差仅 0.071。
查看推文 →
"Token 税"是真实存在的——行业多年来一直在悄悄征收。每次 prompt 的冗余开销、系统提示的重复计费、上下文窗口的无效填充，都在消耗用户预算。
查看推文 →
提出"AGI"一词的物理学家认为我们已经实现了他最初设想的 AGI。这一判断本身就值得玩味——定义者说到了，但大众体感还没到。
查看推文 →
🚀 创业动态
Karpathy 回顾一年前做 menugen 的经验：最难的部分不是代码本身，而是打通整个开发流程——部署、认证、支付、监控。AI 编程工具解决的是编码，但创业的复杂度在"代码之外"。
查看推文 →
Meta 花 20 亿美元收购 Manus AI，7 周内就将其整合进广告管理器——这是大厂有史以来最快的产品整合速度。
查看推文 →
总结近期所有重大 AI 发布的共同模式：从 Claude Computer Use 到 Gemini Agent，每一个都在让 AI 控制你的桌面、你的浏览器、你的工作流——"Agent 操控一切"已成为行业共识。
查看推文 →
Claude Desktop 正在变成一个完整的操作系统。Anthropic 每天都在发布新功能，使 Claude 从聊天工具演化为全栈工作环境。
查看推文 →
押注看板式（kanban）UI 不会在未来 6 个月内超越其他 Agent UX 形态——Agent 的交互方式还远未收敛。
查看推文 →
如果你是 50 人以下的创业公司，直接用 AI SaaS——你没有遗留系统的负担，也没有复杂的数据治理需求。小公司的优势就是轻装上阵。
查看推文 →
对创业者来说，多发布产品是反直觉的"作弊码"——发布频率本身就是竞争力，每次发布都是一次市场验证。
查看推文 →
💬 观点与洞察
多项实验证实开放式办公室的背景噪音会显著降低分析性工作的能力。而降噪耳机大多只是给人"安静的错觉"——实际上并不能恢复深度工作状态。
查看推文 →
推荐《Soul of a New Machine》——至今仍是描述科技行业"工程师精神"最好的书之一。在 AI 时代重读，会发现硅谷的内核从未真正改变。
查看推文 →
"AI 不是对我们工作的威胁，Anthropic 才是。OpenAI 永远做不出这种东西。"——对 Claude 最新能力的极端评价，暗示 Anthropic 在 Agent 方向已拉开身位。
查看推文 →
"Prompt 末日循环"是真实问题但没人坦诚讨论——每个图像生成工具的卖点都是"一句话出图"，但实际操作中用户不断重写 prompt、微调参数，陷入永无止境的循环。
查看推文 →
自我定位为"progressive right"（进步右派）——支持经济增长、亲商业、支持高技能移民。这个标签折射出科技圈正在形成一种新的政治身份认同。
查看推文 →
🔥 精选推荐
阿里千问大模型核心负责人林俊旸离职后首发万字长文，核心判断：AI 行业将从"推理式思考"（让模型想得更久）转向"智能体式思考"（让模型为行动而想，在环境交互中持续修正计划）。他梳理了 Qwen3 开发中"思考与指令模式融合"的技术难点——两种模式的数据分布和行为目标天然互斥，容易导致"两头平庸"。Anthropic 的 Claude 系列被认为提供了重要纠偏：思考应由目标任务塑造，反对无意义的冗长推理链。
🦐点评：林俊旸选择在离职后而非在职时发表这篇判断，信号值很高——说明这些观点在阿里内部可能未被采纳。他实质上在说"Reasoning 的天花板比大家想的低，Agentic 才是下一个扩展维度"，这和 Anthropic 的路线高度一致。如果这个判断对了，那些还在死磕长推理链（如 DeepSeek-R2 方向）的团队可能走了弯路。他的下一站值得密切关注。
Harvey 在 18 个月内完成四轮融资，估值从 30 亿一路飙升至 110 亿美元，累计融资超 10 亿。红杉资本三度押注。法律 AI 是目前垂直 AI 领域增长最快、商业化最扎实的赛道之一。
🦐点评：18 个月估值翻 3.6 倍、四轮融资——这不是正常的融资节奏，是抢跑。红杉三度加注说明他们认为法律 AI 的窗口期正在关闭：Harvey 一旦建立起律所客户网络，后来者几乎不可能追。对比 emollick 今天说的"小型垂直模型非常脆弱"，Harvey 的护城河显然不是模型本身，而是对法律工作流的深度嵌入。
当模型基础能力过线之后，决定 AI 产品好坏的不再是"模型多强"，而是"harness 多好"——即如何编排任务、如何设计 prompt、如何处理上下文。文章提出"Harness is the New Dataset"的判断，认为 AI 产品的核心竞争力正在从数据和模型层向编排层迁移。
🦐点评：这篇文章指向一个 VC 圈正在升温的共识——纯模型公司的护城河在消退，"中间层"（orchestration/harness）才是新的价值捕获点。对投资来说，这意味着要更关注"会用 AI"的团队而非"会造 AI"的团队。但问题是，harness 层的壁垒能有多深？Anthropic 自己做 Claude Code/Cowork，OpenAI 做 Codex/Operator——平台方亲自下场，中间层的生存空间正在被挤压。
📌 其他值得看
一位西方 VC 深入中国 AI 生态的第一手观察：中国创始人更务实、硬件壁垒被低估、软件泡沫明显，以及中美 AI 生态之间存在一个"被忽视的不对称性"。
文远知行 CEO 韩旭在专访中警告：认为自动驾驶有"终局技术路线"是一种妄想，新技术随时可能颠覆现有格局。"任何你觉得 That's it 的时候，很可能就会有新的技术出现。"
Index、KP 领投，Granola 从单纯的 AI 笔记工具转向构建开放的 AI 工作平台，面对 Notion AI、Mem 等同质化竞争寻求差异化突围。
90 后清华博士创办的公司在工业物理 AI 领域拿下 10 亿元订单，覆盖 1000+ 场站，8 年积累迎来规模化拐点。
解读 Google TurboQuant 算法的实际效果：3.5bit 量化零质量损失，内存省 6 倍、速度快 8 倍，意味着消费级硬件跑大模型的门槛大幅降低。
Anthropic 用运行在 Sonnet 4.6 上的 AI 分类器实现自动审批，三级过滤 + 两阶段分类将误报率压到 0.4%，但 17% 的漏检率暴露了自然语言授权边界的天然模糊。
美团最新财报改善的核心逻辑不是进攻而是防守——收缩非核心业务、严控成本，同时静待阿里在本地生活的战略失误。对手更有钱也更有决心，美团的策略是"不犯错"。