🔥 精选推荐

OpenAI 与 Microsoft 宣布修订合作协议,核心变化有三:一是取消了持续多年的 AGI 条款——此前协议规定一旦 AGI 实现,Microsoft 的商业 IP 授权自动终止;二是 Microsoft 获得的 IP 权利和 Azure API 独家权限延续至 2030 年,不再与 AGI 判定挂钩;三是收入分成结构简化,Microsoft 继续向 OpenAI 分账至 2030 年,但双方在非前沿模型领域的限制放松。官方用三个词定义此次修订:flexibility、certainty、scale。
🦐点评:AGI 条款的废除是整个交易最值得解读的信号——它意味着 OpenAI 实质上承认"AGI 边界"不再是一个有意义的商业概念。当你的合作伙伴可以随时声称达到 AGI 来终止你的权利时,这个条款就是一颗定时炸弹。Microsoft 用 2030 年的确定性锁定换走了这颗炸弹,而 OpenAI 换来了更大的商业灵活度(比如多云部署)。对 AI 赛道的创业公司而言,这笔交易暗示:在基础模型层,"独家绑定"的时代正在结束,"多供应商、多渠道"将成为新常态。
openai.com
Simon Willison 梳理了 OpenAI-Microsoft AGI 条款从诞生到消亡的完整时间线。2019 年协议首次引入该条款时,AGI 的定义是 OpenAI Charter 中的"在大多数经济价值工作上超越人类的高度自主系统";2024 年 The Information 曝光实际触发条件被量化为"系统能产生约 1000 亿美元利润";2025 年 10 月改为"独立专家委员会"验证机制;2026 年 4 月 27 日,这个条款被彻底移除。Willison 指出,AGI 条款从一开始就是一个"在商业合同中定义哲学概念"的尝试,其失败几乎是必然的。
🦐点评:这篇追溯暴露了一个结构性问题——当 AI 能力的增长是连续的而非离散的,任何试图在"AGI"处画一条线的合同条款都注定沦为谈判筹码而非技术判断。$1000 亿利润的量化标准尤其荒谬:它把一个技术里程碑绑定在了商业变现能力上。对投资人的启示是:在 AI 相关交易中,避免使用"AGI"作为任何触发条件——用具体的能力基准(benchmark scores、任务完成率)代替。
simonwillison.net
Latent Space 深度访谈 Applied Intuition CEO Qasar Younis 和 CTO Peter Ludwig。这家从 YC 时期自动驾驶工具起步的公司已成长为估值 $150 亿的 Physical AI 平台,产品覆盖仿真、车载操作系统、自动驾驶模型三大板块,客户涵盖矿业、无人机、卡车、军用装备。目前已有 L4 无人卡车在日本实际运营。Ludwig 将当前物理机器的软件生态类比为"iPhone 之前的手机"——碎片化、无统一平台,Applied Intuition 的目标是成为"移动机器的 Android"。团队内部已广泛使用 Cursor 和 Claude Code,甚至在嵌入式和安全关键软件领域也在探索 AI 辅助开发。
🦐点评:$150 亿估值背后的核心逻辑是"Physical AI 的 platform play"——不是赌某一家车企或某一个场景,而是赌所有移动机器都需要一个统一的 AI 软件栈。这跟 Android 早期的投资逻辑高度相似:不投手机品牌,投操作系统层。关键验证点是 L4 无人卡车已在日本实际运营——这不再是 demo,是有真实安全责任的部署。对中国市场的映射是:国内具身智能公司还在争论人形 vs 轮式、模型 vs 工程,而 Applied Intuition 已经在卖"铲子"了。
latent.space
OpenAI 开源了 Symphony,一个将 issue tracker 转化为 Agent 常驻系统的编排规范。Symphony 的设计目标是让 Codex Agent 能够自动从 issue tracker 中拉取任务、执行代码变更、提交 PR,实现"永远在线"的 Agent 工程团队。该规范定义了任务分发、上下文管理、输出验证等标准接口,允许第三方 Agent 系统接入。OpenAI 表示内部已用 Symphony 驱动 Codex 的日常开发流程,工程产出显著提升。
🦐点评:Symphony 本质上是 OpenAI 在抢 Agent 编排层的标准制定权——类似当年 Google 用 Kubernetes 统一了容器编排。如果 Symphony 成为事实标准,所有 coding agent(Cursor、Devin、Windsurf)的工作流最终都会对齐这套接口。对创业公司来说,这是典型的"大厂开源抢生态"策略:免费给你用,但 spec 的演进方向由 OpenAI 控制。值得跟踪 Anthropic 和 Google 是否会发布竞争性规范。
openai.com

📌 其他新闻

OpenAI 本周在 Hugging Face 上开源了 Privacy Filter 模型,用于自动识别和脱敏个人身份信息(PII)。文章演示了如何用 Gradio 构建文档隐私检测、图片匿名化等 Web 应用。
huggingface.co
Microsoft 开源的 Whisper 风格语音转文本模型 VibeVoice,MIT 许可,内置说话人分离(speaker diarization)。Simon Willison 实测发现在 Mac 上用 MLX 运行效果优秀,称其为"目前最好用的开源 STT 方案之一"。
simonwillison.net
Memelord CEO Jason Levin 讲述从 $6.90 的 newsletter 成长为 $100K ARR meme API 公司的历程。核心转折点是 AI Agent 成为其主要客户——Agent 不会"纠结自己是否有趣",天然适合调用 meme 生成接口。
lennysnewsletter.com
Google Meet 的实时语音翻译功能开始在移动端推送。两个人可以各说各的语言,系统实时翻译并以对方语言播放——经典科幻翻译器场景正在变成现实。
simonwillison.net
Google 联合 Kaggle 推出新一期 GenAI 密集课程,主题聚焦 AI Agent 和 Vibe Coding。免费在线课程,6 月开课,面向开发者。
blog.google
OpenAI 的 ChatGPT Enterprise 和 API 获得美国联邦政府 FedRAMP Moderate 认证,意味着联邦机构可以正式采购和部署 OpenAI 的 AI 服务。这是 OpenAI 进入政府市场的关键里程碑。
openai.com
Gary Marcus 批评 Dario Amodei 对 AI 安全的态度,认为 AI 行业领袖在 hype 和 safety 之间存在根本矛盾。同时指出 vibe coding 导致的低质量 AI 应用正在爆发式增长,质量控制是行业隐患。
garymarcus.substack.com

🧠 AI 技术前沿

emollick @emollick
所有 AI 讨论归根结底取决于两个问题:AI 能变多好?以及多快?这两个问题实际上是对 S 曲线形状的预测,其他一切(就业影响、潜在风险等)都是这两个问题的下游结论。
查看推文 →
emollick @emollick
只有在自己熟悉的任务上使用 AI,才能真正体会到 AI 前沿的"锯齿状"——你会发现大量细小的节点上 AI 仍然需要人类帮助,有些是琐碎的(移动一个东西),有些是深层的(这个想法好不好?)。
查看推文 →
emollick @emollick
一项针对顶级管理学期刊的分析显示,AI 可以用来做更好的科学,也可以只是用来做更多的东西——危险在于"更多"正在赢过"更好",科学激励机制更倾向于量而非质。
查看推文 →
egeberkina @egeberkina
展示完整 AI 视频制作流水线:先用 Midjourney 生成角色,再用 GPT Image 2 转为战士形象并生成分镜,最后用 Seedance 2.0 合成格斗游戏风格视频。多模型串联的工作流已经能产出接近 AAA 游戏画质的内容。
查看推文 →
MengTo @MengTo
为 Claude Code 生成的 DESIGN.md 制作了可视化展示页面,目前已积累 564 套设计系统并持续增长。可以直接获取设计系统文件、Web 设计 skill prompt 和 HTML 页面。
查看推文 →

🚀 创业动态

vasuman @vasuman
正在买入被市场抛弃的 SaaS 股票。"SaaS 已死"说的是你 vibe code 出来的 SaaS,不是行业老牌。切换成本太高,老牌公司有足够时间把初创公司在 Twitter 上炫耀的功能全部加上。
查看推文 →
rileybrown @rileybrown
预测 Codex 将把浏览器预览升级为完整浏览器,用户可在其中使用 Canva、CapCut 等工具。但到 GPT-6 时代,AI 会意识到 99% 场景下可以直接生成一个具备所需功能的应用,无需借助第三方工具。
查看推文 →
levelsio @levelsio
VibeJam 今天突破 10 万名玩家。
查看推文 →
marclou @marclou
一个 MRR $269 的招聘板产品在 trust_mrr 上架 23 天后以 $2,700 成交。
查看推文 →
jackfriks @jackfriks
仍然坚持从 AI Agent 那里复制粘贴 SQL 查询再手动执行——绝不给除自己以外的任何人(包括 Agent)意外炸掉生产数据库的权限。
查看推文 →

💬 观点与洞察

EXM7777 @EXM7777
过去一年反复问自己"6 个月后我会在哪",完全没有答案。AI 的发展速度让商业决策变得前所未有地不可预测,但健康、关系、度假这些生活层面仍然正常——撕裂感来自于创业已经是身份认同的核心部分。
查看推文 →
eptwts @eptwts
AI Twitter 已经变成了一群人对着 benchmark 和每个小更新自嗨的地方。建设有用的东西、分享实用案例、赚到真金白银——这些事去哪了?
查看推文 →
emollick @emollick
用 GPT-5.5 Codex 制作了一套桌游 RPG 的 GM 指南和玩家手册,并让它自行"试玩测试"。成品出人意料地扎实,设定新颖,虽然仍有明显的 LLM 痕迹,但在故事叙述方面表现亮眼。
查看推文 →
levelsio @levelsio
在自己的无人机模拟器中加入了 VibeJam 传送门,立刻被传送到了 dvassallo 的 F1 赛车模拟器中——VibeJam 正在形成一个跨游戏互联的生态。
查看推文 →

🔥 精选推荐

SpaceX 正筹备代号"Project Apex"的 IPO,目标估值近 2 万亿美元,若成功将打破沙特阿美的全球募资纪录。这不是一家普通航天公司的上市——摆在投资机构面前的是一个复合资产包:猎鹰 9 号发射业务、星链卫星宽带、星舰、xAI 和 X 社交平台。商业闭环逻辑清晰:猎鹰降低入轨成本 → 星链将低成本入轨转化为按月收费的通信网络 → 现金流支持星舰和 AI 基础设施。但脆弱性同样明显:一旦星链现金流无法覆盖星舰和 AI 的资本开支,或马斯克本人的治理风险兑现,整个估值逻辑将快速崩塌。
🦐点评:$2T 估值的定价锚点不是猎鹰也不是星链——是"马斯克溢价"。市场给的是一个押注马斯克能持续把不可能变成可能的 call option。但 IPO 后的公众市场不像私募轮:公众股东无法像红杉、Founders Fund 那样忍受年复一年的亏损和飞船爆炸。一旦上市后某次星舰发射失败叠加马斯克的治理争议,抛压将是私募市场没有的量级。这是"最好的资产、最差的治理结构"的极端案例。
晚点LatePost
文章梳理了中国 VC 行业从 1.0(红杉、高瓴)到 2.0(高榕、源码)再到当下 3.0 转型的完整脉络。2015-2025 年间资管新规淘汰了大量中小 VC,行业高度集中;头部美元基金单期规模从 2-3 亿膨胀到 10 亿以上。与此同时,早期和超早期出现市场空白。新一代 VC 的特征是"更小、更快、更独立、更全球化"——不再依赖大平台品牌,而是围绕 AI 赛道的认知优势快速建立小而精的基金。智谱和 MiniMax 上市带来的财富效应正在吸引新一轮 LP 入场。
🦐点评:这篇文章最核心的洞察是"早期市场空白"——大基金的单笔最低投资额已经远超天使轮需求,而资管新规又消灭了大量做早期的小基金。AI 时代最大的结构性机会恰恰在种子轮和天使轮,因为 AI 创业的启动资本需求比移动互联网时代更低(两个人 + API 调用费就能做出产品),但回报倍数可能更高。对红杉这样的大机构来说,挑战在于如何在保持规模效应的同时不漏掉这些"小到看不见"的早期项目。
晚点LatePost
旷视联合创始人唐文斌创立的原力灵机选择了一条差异化路径:不做人形机器人,先从轮式底盘切入。公司直接参与阶跃星辰的多模态基模预训练(而非像多数公司那样基于开源模型做后训练),团队四位联创均出自旷视——包括高二就入职旷视、拿下 ICCV 2013 世界第一的范浩强。唐文斌的核心判断是:"今天的问题不是谁行、谁不行,而是这个行业到底多快能行。"
🦐点评:唐文斌的路径选择本身就是对当前具身智能泡沫的一个隐性判断——如果人形机器人真的 2-3 年内能大规模落地,他作为旷视系最有资源的创始人之一没理由不做。选择轮式 + 参与预训练而非后训练,说明他认为:(1) 人形的硬件可靠性还没过关,不值得现在 all in;(2) 具身智能的核心瓶颈不在机械结构而在模型层,必须从预训练阶段就介入。这对投资人的参考价值很直接:与其追着人形机器人的 demo 视频投钱,不如看谁在真正解决模型和数据问题。
晚点LatePost
文章从 Amazon 发布的"为什么 CPU 对 Agentic AI 很重要"切入,揭示了一个被忽视的转变:Meta 正在部署数千万颗 AWS Graviton 核心专门用于 Agentic AI 工作负载——不是 GPU,是 CPU。核心逻辑是 Agent 工作负载与训练/推理本质不同:Agent 需要的是状态管理、API 编排、工具调用和多轮对话协调,这些是 I/O 密集型而非计算密集型任务。当 AI 从"单次推理"进入"持续运行的 Agent"模式,基础设施的瓶颈从 GPU 算力转向 CPU 的并发处理和编排能力。
🦐点评:如果 Agent 真的成为 AI 的主流应用形态,那 AWS Graviton(ARM 架构 CPU)的故事可能比 NVIDIA GPU 更持久——因为 Agent 的并发量会远超模型推理的并发量(一个用户可能同时跑十几个 Agent),而每个 Agent 消耗的 GPU 算力很少、CPU 算力很多。这对算力投资的启示是:市场可能过度集中在 GPU 供给侧,而低估了 CPU/ARM 服务器在 Agent 时代的需求弹性。Amazon 自研芯片的长期价值正在被重新定价。
深思SenseAI

📌 其他值得看

赛博禅心对 OpenAI-Microsoft 修订协议的中文解读。核心变化:Microsoft 赚钱不用再给 OpenAI 分、AGI 条款删除、从"忠贞恋人"走向"开放式关系"。
赛博禅心
a16z 最新数据:全球市值前 10 公司的总市值已超过 G7(除美国外)GDP 总和。作者从"软件吃掉世界"推演到"AI 重新定义公司规模上限",认为传统估值框架需要重构。
深思SenseAI
Anthropic 内部 69 名员工参与"Project Deal"实验,AI Agent 代表买卖双方在分类广告市场中完成了 186 笔真实交易、总价值超 $4,000。更强模型代表的用户获得更好结果,但弱势方并未察觉差距。
Z Potentials
Microsoft 等云厂商将 GPU 优先分配给内部团队和大客户,导致 AI 初创公司面临 GPU 获取困境。General Catalyst 的 Hemant Taneja 已向旗下创始人发出算力调查问卷,确认 GPU 获取是今年最大瓶颈之一。
Z Potentials
犀利剖析远识资本作为当前中国 AI 创投市场最成功 FA 的操盘术:找大厂高 P 捧上神位、制造"吴妈很喜欢"的共识叙事、产品无 demo 即拿 13 亿美金估值。文章揭示了 AI 一级市场的定价机制如何被 FA 的叙事能力所驱动。
葬AI
a16z 联合创始人在 20VC 访谈中强调:VC 应更担心"机会成本错误"(错过 Google 级别的回报)而非"成本错误"(投错亏掉本金)。最好的 AI 就是人人可用的消费者版本,早期阶段的产品-团队-文化配方没有替代品。
Z Potentials