🔥 精选推荐
Nikhyl Singhal 预测未来两年将是产品经理职业历史上最动荡的时期，一半的 PM 岗位面临风险。他指出公司将裁掉 30,000 人再重新雇 8,000 人——全部是 AI-first 的。传统 PM 的"大厂 Logo"简历不再是护城河，核心区别在于能否跨过"重新发明自己"的门槛。Singhal 认为 PM 需要在 AI 中找到自己的"joy moments"，否则将被替代。
🦐点评：Singhal 说的"裁 3 万雇 8 千"不是修辞——这个比例暗示 PM 的人效比在 AI 工具加持下将跃升 4 倍。对 SaaS 投资人而言，这意味着 PM 协作工具（Jira、Linear、Notion）的座席数天花板正在被压缩，而能帮 PM 转型的 AI-native 工具（如自动化用户研究、自动 PRD 生成）则可能迎来结构性需求。这是 SaaS 估值逻辑从"seat expansion"到"value per seat"转变的又一个数据点。
Figma 的 S1 显示只有 33% 用户是设计师，30% 是开发者，37% 是其他非设计角色——而这部分非设计用户恰好是 AI 设计工具最先替代的群体。Figma Make 的 AI 产品相当初级，而 Claude Design 直接使用了能力远超 Sonnet 4.5 的 Opus 4.7，且价格更低。更尴尬的是 Figma 正在为竞争对手 Anthropic 付推理费用，用量越大，补贴对手越多。Canva 甚至为 Claude Design 提供了推荐语，这在作者看来是一个令人费解的决策。
🦐点评：Figma 的困境暴露了 AI 时代 SaaS 的一个结构性风险——你的 AI 推理供应商同时也是你的竞争对手。33% 设计师 vs 67% 非设计师的用户结构意味着 Figma 的 TAM 扩张策略恰好创造了最容易被 AI 颠覆的用户群。这不只是 Figma 的问题：任何依赖"把专业工具卖给非专业用户"来扩张的 SaaS，都在 AI agent 时代面临相同的降维打击。Adobe 当年收购 Figma 被阻止，现在看来可能是 Adobe 躲过的一颗子弹。
Matt Webb 提出 headless 服务即将爆发：个人 AI 助理直接通过 API 操作服务，比用户自己点击 GUI 更快更可靠。Marc Benioff 随即官宣 Salesforce Headless 360——整个 Salesforce、Agentforce 和 Slack 平台以 API/MCP/CLI 形式对外暴露。Brandur Leach 也预判这是 2010 年代 API-first 浪潮的第二波：在同质化产品竞争中，API 的可用性可能成为决定用户选择的关键因素。
🦐点评：Benioff 喊出"API is the UI"不只是口号——当 Salesforce 这个企业软件巨头主动把自己变成 headless 服务时，SaaS 的定价模型将被迫重构。Simon Willison 点出了要害：headless 模式将"搅乱现有的按人头收费的 SaaS 定价方案"。如果 AI agent 代替 10 个用户操作系统，你是按 1 个 agent 收费还是 10 个人头？这个定价悖论将是 2026-2027 年 SaaS 赛道最关键的战略问题。
📌 其他新闻
Meta 针对 AI 高速生成代码导致人工测试跟不上的问题，推出新的自动化测试方法，将 bug 检出率提升了 4 倍，探索 AI 编码时代的质量保障新范式。
AWS 推出 Agent 注册表方案来应对多云环境下 AI Agent 的治理挑战，试图在碎片化的 Agent 生态中建立统一的发现、监控和管控机制。
SK 海力士宣布量产专为 Nvidia Vera Rubin 芯片设计的 SOCAMM2 模块，将移动端低功耗内存技术引入 AI 服务器，有望成为下一代 AI 服务器的主要内存方案。
机器人正加速渗透仓储、车厂、药店等 ToB 场景，但大模型算力和算法趋于成熟后，制约机器人通用能力和场景泛化的核心瓶颈仍是训练数据不足。
Kimi 发布新论文，探索将 KV Cache 从单纯的推理加速技术转化为新的商业模式，为超长上下文应用场景提供更经济的解决方案。
针对"顶级 AI 厂商在去 CUDA 化"的质疑，黄仁勋在万字访谈中反驳称前提就是错误的。完整实录详解 NVIDIA 对 CUDA 生态护城河的信心和应对策略。
近百位参与者齐聚腾讯广州大厦，比拼将真实工作经验"蒸馏"为 AI Skill——外卖骑手、广告人、中专老师各显神通，现场产出近 50 个技能包，展示 AI 社区从开发者圈层向大众破圈的趋势。
🧠 AI 技术前沿
Mythos 级别的模型因自主能力不确定性较高，建议只在网页端提供（类似 Gemini Deep Think 或 ChatGPT Pro），既降低被用于自主黑客攻击的风险，又能让用户解决真正困难的问题。
查看推文 →
Gemini Pro 3.1 模型能力很强，但 Gemini 应用/网站的工具 harness 严重落后——没有文件创建、研究等工具，没有可审计的 CoT，手动 canvas。Google 有企业信任度和算力优势，补上 harness 就能追上竞争对手。
查看推文 →
不应该轻易认定"问题解决"或"判断力"是 AI 不可能做好的技能。和其他技能一样，有人类非常擅长，但这不意味着 AI 做不到。
查看推文 →
研究显示人们已在大量向 AI 提问医疗问题，但现有研究多用旧模型且与医生对比。更重要的问题是：新模型相比人们「不用 AI 时能获取的信息」表现如何？
查看推文 →
用 Swift 开发了 Codex 的远程控制 App，可以完全操控 Codex 应用——简单交互界面、自带浏览器、默认跳过权限确认，整合了所有个人 skills。
查看推文 →
🚀 创业动态
Vercel 遭遇数据泄露。2026 年的互联网就是这样——一个接一个的安全事件和供应链攻击。
查看推文 →
网络安全是当下最值得投入的创业赛道。2026 年每个主要平台都在被攻破（Vercel、Snowflake 等），AI 让构建攻击工具容易了 100 倍，但防御端远远没有跟上。
查看推文 →
有人开源了一个完全在浏览器中运行的 3D 建筑编辑器——不需要 AutoCAD、不需要 Revit、不需要 5000 美元年费、不需要安装。AEC 软件行业多年来一直被高价许可证锁定，这种模式正在被瓦解。
查看推文 →
Cursor AI #vibejam 大赛第 17 天，由 Cursor、Bolt、Glif、Tripo 等赞助，最高奖金 25,000 美元，提交截止日 5 月 1 日。Vibe coding 游戏开发社区持续壮大。
查看推文 →
💬 观点与洞察
AI 是把你的想法变为现实的工具，不是反过来。你可以用它做创意构思，但仍需要用自己的创造力引导它——AI 真正有用的前提是你先有一个明确的想法。
查看推文 →
OpenClaw 最强的使用场景是从多个数据源消化大量数据并提供洞察，是一台强力分析机器。
查看推文 →
更换数据库密钥后遭遇 Supabase 基础设施故障，导致产品 Postbridge 下线。正在认真考虑转向自托管，以减少对第三方平台的依赖。
查看推文 →
"突发新闻：Opus 4.7 收到提问后直接让用户自己去做。消息人士透露 Meta 已向其发出 Staff Engineer 的 offer。"——AI 模型能力增长引发的黑色幽默。
查看推文 →
🔥 精选推荐
Ramp 的 AI 工具采用率达到 99%，但大多数人卡在终端窗口、npm 安装和 MCP 配置上。于是团队自建了内部 AI 工具 Glass：一次 Okta 登录连通 16 个工具（Slack、Notion、Salesforce、Snowflake 等），配合内部 Skill 市场"Dojo"实现技能共享——上线 1 个月已有 700 日活用户、350+ 共享技能。Glass 还搭建了记忆系统，每 24 小时自动从 Slack、日历等数据源同步上下文，让 Agent 一开始就"认识你"。
🦐点评：Ramp 的案例戳破了一个行业幻觉——99% 的工具采用率不等于 99% 的生产力释放。Glass 的核心设计"一个人的突破成为所有人的起点"，本质上是把 AI 技能从个人资产变成组织资本。350 个共享 Skill + Git 版本控制的模式，可能就是企业 AI 基础设施的下一个标准品类。对 To-B AI 投资人来说，关键信号是 Ramp 选择了自建而非购买——说明市场上还没有一款产品能满足这种需求，这就是机会窗口。
Swarms 框架作者 Kye Gomez 发布 OpenMythos，用 PyTorch 从头实现了 Claude Mythos 的疑似架构——循环深度变换器（RDT）。核心思路不是堆更多层和参数，而是让同一批层反复运行多次：一个 770M 参数的循环模型达到了 1.3B 固定深度模型的同等质量，参数量少 40%。RDT 的"隐式链式思维"在连续潜在空间中并行探索多条推理路径，无需输出中间 token，这解释了 Mythos 不依赖显式 CoT 就能处理多步推理的能力。
🦐点评：如果 RDT 推断正确，Anthropic 实际上用架构创新换来了算力效率的质变——同等能力所需参数量降低 40% 意味着推理成本的结构性降低。这对 AI 投资的估值模型有直接影响：推理成本下降会压缩基础模型层的利润空间，但同时扩大应用层的可行商业模型。更关键的是"推理时间可变深度"的特性——模型可以对简单问题少循环、复杂问题多循环，这是 compute-optimal inference 的实际实现路径。
马斯克 3 月底发布 Terafab 计划：联合特斯拉、SpaceX 和 xAI 自建最大芯片厂，目标年耗电量 1TW（约为全球 AI 算力年耗电量的 20 倍），并将 80% 算力部署到太空。Fusion Fund 张璐分析认为太空数据中心短期面临宇宙辐射、延迟、运维成本三重挑战，真正动机可能是规避地面监管。她同时指出太空天然是 AI/机器人原生场景——维持人类生存成本极高，但机器人维护费用低得多。
🦐点评：1TW 的数字本身就是一道算术题——是当前全球 AI 算力的 20 倍。但张璐点出了关键：这个计划与 SpaceX 筹备上市（预期万亿美元估值）高度绑定，Terafab 的叙事价值可能大于工程价值。真正值得追踪的不是太空数据中心，而是马斯克"全栈垂直整合"的野心——从芯片设计到制造到部署，如果成功，将改变整个 AI 基础设施的供应链权力格局。对 AI infra 投资人来说，这是一个"要么改变一切、要么什么都不改变"的量子态。
AI 编程工具将编码速度提升 10 倍后，端到端交付时间仅缩短 30%。原因在于加工时间（编码）只占总交付时间的 5-15%，真正的大头是等待时间（审批、跨部门协调、反馈周期）。作者进一步指出 AI 正在消解产品、开发、设计之间的角色边界，但混乱而非效率是第一反应——代码重复造轮子、架构漂移、认知债务快速累积。新的角色分工需要从"谁会写代码"转向"谁负责判断和承担风险"。
🦐点评：30% vs 10x 的落差是 AI 提效叙事里最被低估的反直觉事实。对投资人而言这意味着：投 AI 编程工具（Cursor、Copilot）只是在优化 5-15% 的价值链，真正的 10x 杠杆在那 85% 的等待时间里——流程自动化、智能审批、跨团队协调工具才是更大的市场机会。洛小山提到的"角色边界消解后的混乱期"，也是一个值得关注的投资窗口：谁能率先定义 AI 时代的新型研发组织范式，谁就能吃到企业转型的红利。
📌 其他值得看
Anthropic 的 Claude for Word 公测向 Pro/Max 用户开放，加上此前的 Excel 和 PowerPoint 插件，Office 三件套已补齐。企业可通过 Bedrock/Vertex AI/Azure 走自有通路接入。
英伟达副总裁刘明宇在 GTC 2026 系统介绍 Cosmos 最新进展：用算力换数据、为机器人打造"黑客帝国"级别的模拟环境，Cosmos 3 将融合视频理解和生成为统一模型。
高德四足机器人"途途"首次公开上路完成导盲任务——过红绿灯、避障、穿人群。这可能是具身智能首次从封闭空间走向完全开放环境的真实检验，而非预设路线的展示表演。
设计师 Sam Henri Gold 体验 Claude Design 后认为，Figma 发明的设计系统基础构件（组件、样式、变量）正在成为负担，AI 正在让"代码即设计源"成为现实，设计师的价值将回归审美判断和创意方向。