🔥 精选推荐
Anthropic 最快 9 月就要 IPO。美股今年的股票发行总量正冲向历史纪录,已经超过 2021 年的高点,SpaceX 和 Alphabet 的超大规模发行是主要推手。投行正在游说更多已上市科技公司增发,Intel 是重点对象之一(其股价此前已大幅上涨)。(原文受付费墙限制,本条基于 RSS 摘要)
🦐点评:Anthropic 九月 IPO 这条如果坐实,一级市场的定价锚就要换人了——此前所有对 OpenAI、xAI 的估值讨论都建立在"前沿模型公司没有公开市场可比"这个前提上,一旦 Anthropic 挂牌,二级市场会给出一个每天波动的答案,而这个答案大概率比一级市场的共识更难看。更值得警惕的是发行端的信号:SpaceX、Alphabet 这种不缺钱的主体都在这个时点大额发股,说明卖方认为现在是估值高位。谁在高位卖股票,谁就是在告诉你他对未来 12 个月的看法。
Nik Suresh 记录了他在大企业咨询中看到的 AI 狂热现场。一位高管在为一家年收入 20 亿美元以上的公司制定了完全以 AI 为核心的技术战略之后,才承认自己这辈子从没用过 ChatGPT 或任何 AI 工具。某家设了"token 排行榜"的公司里,工程师的应对方式是:一边干正事,一边让 AI 把整个 Go 仓库重写成 Zig,纯粹为了刷数据保住饭碗。最锋利的一段来自一位供应商高管的坦白——销售话术只是次要因素,真正让人不敢说实话的是:客户高管公开宣称拿到了 100 倍生产力提升,此时供应商如果说这不可能,等于当众打客户高管的脸,会被视为攻击甚至异端,可能直接导致企业合同被取消。
🦐点评:这篇的价值不在于嘲笑 AI 泡沫,而在于它精确描述了泡沫的传导机制——不是信息不对称,是说真话的人会被解雇。这对判断企业级 AI 的收入质量是硬约束:当采购决策由"不敢证伪的高管叙事"驱动,那么 ARR 的续约率就不是产品质量的函数,而是叙事寿命的函数。做尽调时该问的不再是"客户用得怎么样",而是"如果客户高管换人,这个合同还在吗"。token 排行榜那个例子尤其毒——一旦企业把 token 消耗当 KPI,供应商的用量数据就彻底失真了,而我们很多 AI 应用公司的增长曲线正是用这个指标画出来的。
苹果起诉 OpenAI 挖人,Gruber 认为这场诉讼是 John Ternus 在"复刻乔布斯",而非蒂姆·库克的风格。Tony Fadell 给 Ben Thompson 的邮件把这套打法说穿了:这是苹果吓唬现任和前任员工的惯用手段,当年乔布斯也曾威胁起诉挖走 80-100 名苹果员工的 Nest,他回了一句"留住人才是苹果的工作,不是我的",之后照挖不误。文章翻出乔布斯 2005 年给 Adobe CEO 和 2007 年给 Palm CEO 的两封邮件,后者赤裸裸写着"我相信你清楚我们两家公司在财务资源上的不对称"。而这类默契的代价是有价目表的:2015 年苹果连同谷歌、Adobe、Intel 等公司为反挖角集体诉讼支付了 4.15 亿美元和解金。
🦐点评:真正的信息是苹果工业设计团队已经成了流向 OpenAI 的人才管道的"零号地带"——这说明 OpenAI 要做的硬件不是试水,是冲着重构消费电子交互去的,否则不必挖设计而非算法的人。苹果选择用法务而不是产品回应,本身就是防守方的姿态。历史类比很有意思:当年 Palm 那批人(Rubinstein、Fred Anderson)也是"前苹果高管带队做 iPhone 杀手",结局是被 HP 买走尸体;但那次苹果手里握着最好的产品,这次未必。对 VC 而言,可跟踪的信号是明确的——苹果设计体系正在向外扩散,未来 18 个月硬件创业公司的创始团队里会开始批量出现苹果 ID 团队的名字,这批人值得提前接触。
9to5Mac 查出 App Store 上有 60 多个"马甲应用":在全球任何地方打开都是正常的导航、旅行、天气类小工具,一旦从巴西 IP 访问就变成在线博彩平台,其中一个已经是天气分类榜首。这些应用大多来自只有单个上架记录的开发者账号,隐私政策雷同甚至完全一致,几乎没有更新记录,体积统一在 15MB 左右,图标普遍是 AI 生成的动物插画。最关键的发现是一个公开的 GitHub 仓库,里面直接写好了给 Cursor agent 的指令:每个应用要有 3-5 个可见界面、用动物主题图标(龙、牛、兔、鼠、虎)、支持远程控制路由到本地应用、内嵌网页或外部网站,并且彼此之间要有足够差异以伪装成独立产品。
🦐点评:这是第一个有完整证据链的"AI 把违规成本降到接近零"的案例——过去做一个马甲包需要外包团队,现在一个 Cursor agent 加一份 prompt 模板就能批量产出,而且指令里明确要求"彼此差异化以规避识别"。二阶效应是审核方的经济模型崩了:平台的人工+规则审核成本是线性的,攻击方的生产成本已经趋近于零,这个剪刀差只会越拉越大。对投资的直接指向是,App Store/Google Play 这类分发平台会被迫从"审核"转向"运行时行为检测",这是一个新的安全采购预算科目;反过来看,任何靠人工审核维持内容质量的平台(应用商店、电商、内容社区)现在都应该按"成本结构将被 AI 攻击方击穿"重新估一遍。
Bun 作者 Jarred Sumner 称 Claude Code 从 v2.1.181(6 月 17 日发布)起就在用 Rust 重写版的 Bun,Linux 上启动快了 10%,"但基本没人注意到,无聊是好事"。Simon Willison 自己动手验证:对 Claude Code 二进制跑 strings 查到 Bun v1.4.0 (macOS arm64),而 Bun 在 GitHub 上的最新正式发布还停在 5 月 12 日的 v1.3.14,说明 Anthropic 用的是尚未正式发布的预览版;再查 .rs 文件名,抓出 563 个 Rust 源文件路径。也就是说 Rust 版 Bun 已经在数百万台设备上跑生产环境了。
🦐点评:这里真正的看点是分发方式——一个尚未正式发布的运行时,靠搭上 Claude Code 这班车,一夜之间拿到了数百万台设备的生产环境验证,这是任何开发者工具公司花钱都买不到的。它揭示了 AI coding agent 正在成为新的基础设施分发渠道:谁的 agent 装机量大,谁就能决定下一代运行时、包管理器、甚至语言的采纳曲线。对投 devtools 的人来说,估值逻辑要改了——过去看开发者自愿采纳的增长曲线,现在要看能不能被塞进某个头部 agent 的默认技术栈,后者是赢者通吃的。顺带一提,Anthropic 敢把未发布版本推到全量生产,说明它对这层依赖的控制力比外界以为的深。
📌 其他新闻
本周 Alphabet 和特斯拉发布二季度财报,下周轮到 Meta、亚马逊、微软、苹果和正处于收购聚光灯下的 PayPal;市场最关心的是谷歌、亚马逊、微软在云业务和各自主业(广告、零售、软件)上的 AI 进展。
Netflix 首席产品与技术官谈 AI 时代的团队管理,核心观点是"系统思维"已成为她招人时最看重的能力,而 AI 熟练度被当作全员的普遍要求而非某个层级的专属技能,同时要处理 AI 产出激增带来的质量与信噪比问题。(正文为付费订阅内容)
Claude Code 新版本唯一的变更是:Claude 不再自行运行 /verify 和 /code-review 两个 skill,需要用户显式调用——是对 agent 自作主张行为的一次收敛。
新设计工具 Paper 主打"每个图层都是真实的 HTML 和 CSS",设计稿本身就是代码,并可通过 MCP 接入 AI agent 直接读取和编辑设计文件。(Daring Fireball 赞助商内容)
WAIC 现场哲学家扎堆,复旦哲学学院教授登台讲"智能之前,先有世界";同场超衍智能创始人陈勇超披露其 Apex Search 自进化模型生成的 34 篇论文投稿学术评审,约 10 篇有机会进 Findings 或主会,2 篇拿到 3.67 分、高于约 95% 的人类投稿。
WAIC 2026 现场观察,主题从去年的"AI 还能做什么"转向具身智能、世界模型落地,京东首次集体亮相 JoyAI 全系列模型和具身数据采集训练链路,主打物理世界的感知—决策—执行闭环。(含较多厂商展台内容)
互联芯片公司奇异摩尔在 WAIC 发布国产化超节点互联全栈方案,并与壁仞科技联合演示国产 GPU 直通国产 RDMA 网卡的 IBGDA 方案;其判断是国产算力的瓶颈不在单芯片性能,而在"单点强、系统弱"的互联割裂。(厂商发布会内容)
从 1960 年代邮件系统的多源起源讲到 Tomlinson 确立"用户@主机"寻址与 SMTP/IMAP 的形成,梳理这套天然去中心化的架构为何让端到端加密始终难以落地。
Sean Goedecke 拆解即兴戏剧经典《Impro》为何成为硅谷隐秘书单(Palantir 入职流程、多位大厂创始人推荐),认为其吸引力来自对既有体制的局外人批判,而书中那套"地位游戏"理论本质上是一份运作邪教的操作手册。
🧠 AI 技术前沿
Kimi K3 把前端编码的帕累托前沿推走了——目前没有任何模型能同时做到更好且更便宜。它拿下 Arena 第一的同时,价格显著低于 Fable 5 和 GPT-5.6,"最强"和"用得起"之间的差距正在朝开源一侧收敛。
查看推文 →
Cline 用自家仓库的真实 bug 在同一 harness 下对比 Kimi K3 和 Claude Fable 5:两者都修好了,差别在过程效率——Fable 5 用 3.5 分钟、18 次工具调用,Kimi K3 用了 12 分钟、34 次调用,慢 3.4 倍且多烧 1.7 倍 token,但靠每 token 便宜约 3.3 倍的单价,总费用反而低 2.3 倍(0.92 vs 2.13 美元)。
查看推文 →
DeepSeek V4 和 GLM 5.2 之后,这周 Kimi K3 与 Qwen 3.8 接连曝光,直逼 Claude Fable 5 和 GPT-5.6 Sol;他的判断是 SOTA 几乎每周都可能易主,至少开源阵营如此。另外 Gemini 3.5 Pro 原定 7 月 17 日发布,因团队内部评估未过关而推迟。
查看推文 →
阿里 Qwen 3.8 即将发布,参数规模 2.4T,仅次于 Claude Fable 5——中国开源模型的参数军备竞赛还在加速。
查看推文 →
Kimi 的 GPU 扛不住了:它选择暂时拒绝新用户付费,把算力优先留给现有订阅者,而不是下调使用额度或把最好的模型移出订阅——一种明显不同的对待付费客户的方式。
查看推文 →
美国对前沿闭源模型的监管/审批体系在收紧,而开源模型这边完全没有对应约束,这种内在张力迟早要以某种方式解决,后果会很大。
查看推文 →
他列出监管可能的四条路径:对所有模型(正式或非正式)都设审批门槛并给不配合的实验室制造麻烦;不设强制审批或真正自愿;只审闭源不审开源(即当前状态)或反过来;以及逐个实验室发放许可或封禁。
查看推文 →
BestBlogs 07-19 早报:Mozilla 的开源 AI 现状报告指出开放权重在编码任务上已接近闭源,但生产落地率仍落后,瓶颈在部署、合规与维护;腾讯一次发布三款具身基座模型与两个智能体,官方称 HyVLA-0.5 已在日化工厂实测,成功率高于 95%、节拍快于 6 秒/件。
查看推文 →
🚀 创业动态
Fable 5 一次启动 7 个子代理来搭完整功能,他称一个原本需要开发团队做 3 个月的功能现在一天就做完了,认为 AI 编码已经到了终局。
查看推文 →
他的设计公司最近的设计冲刺和品牌需求持续走高,起初以为是随机波动,后来想明白了:当所有人都能用同样的 AI 做出同样的产品,唯一还能竞争的就是外观和体感,于是打磨个性和品牌的需求被大量释放出来。
查看推文 →
他三个月内首次做到 X 上 500 万曝光并开始赚到钱,靠的是改打法:从每周两条原创,改成引用自己收藏的内容、转发自己表现最好的帖子、再加常规原创的组合,并且做了一个 AI 工作流自动遍历收藏夹起草帖子。
查看推文 →
💬 观点与洞察
现在做生意必须不断重新校准方向:过去是做到 PMF 之后就能吃老本,如今 PMF 之后三个月地基就会移位,新模型、新算法、新工具不断改变可能性边界。他注意到连年收入 1 亿到 10 亿美元的公司也在冒汗。
查看推文 →
AI 能帮你把产品的整个基础搭起来,但它无法告诉你会不会有一个陌生人愿意付钱。在定位和市场契合度上无休止地和模型对话感觉像在进步,这正是陷阱——模型被训练成同意你,市场不会;你的 agent 是唯一永远不会说"不"的市场调研。
查看推文 →
成为某个具体领域的"那个懂 AI 的人"是当下杠杆极高的位置:多年积累的行业纵深加上基础的 AI 认知,就自动获得了权威身份。关键不是技术有多强,而是真正吃透那套准备交给 agent 的流程。
查看推文 →
他补充了一家公司成功的另一个原因:几乎没拿多少 VC 的钱。1999 年早期融资时创始人抵住了激进稀释,只以 7500 万美元估值出让 25% 股权融了 2500 万,把绝大部分股权留在自己手里,且只做过 A 轮和 B 轮。
查看推文 →
🔥 精选推荐
作者没按展台脚本看苏度,而是沿三层往下追问:多个工位怎么丝滑接入同一条产线并在节拍与异常约束下稳定运行;已有技能能否快速复用组合成更多工位方案;当物体位置、可抓区域或任务状态被临时改变时机器人还能不能完成任务。核心区分是:工业客户买的不是"做成一次"的演示,而是能在任务变化、设备异常、生产节拍下持续运行的系统。
🦐点评:这是我这两天看到最有尽调价值的一篇——它把"具身智能能不能落地"从看 demo 变成了出题库外的题。三层问法基本可以直接抄进尽调清单:接入产线(不是单机)、技能复用(不是逐个定制)、临时改变条件还能不能完成(不是背脚本)。配着昨天那篇"岗位不是场景"一起看,具身赛道的验证方法论这两天被这两篇补齐了:用岗位定义单元、用题库外的扰动测泛化。苏度一年 200 亿估值买的就是这套能不能过关,而多数同行连被这样出题的资格都还没有。
7 月 19 日 WAIC 期间,面壁智能发布并开源首个具身智能系列 MiniCPM-Robot,分两块:管"手"的 MiniCPM-RobotManip(通用 VLA 模型,1.5B,看画面听指令输出动作,本地部署,真机演示做三明治);管"腿"的 MiniCPM-RobotTrack(0.9B,与南京大学合作的跟踪导航模型,原生适配宇树 Go2 Edu,纯本地部署,机器狗开放环境零样本指令跟随)。
🦐点评:面壁的"家底"就是端侧小模型——1.5B/0.9B 全本地部署,这条路径选得很自洽:机器人本体算力和延迟都不允许上云,端侧模型公司切具身,是把自己最硬的能力平移到一个天然需要它的场景。对投资的含义有两层:① 具身智能的模型层正在分化成"大脑(云端大模型)"和"小脑(端侧 VLA)"两个生意,面壁明确站后者,避开了和大厂正面打;② 开源 + 适配宇树现成硬件,是拿生态换位置的打法——短期不赚钱,但如果 VLA 层被它做成默认选项,卡位价值很大。要盯的是真机泛化,别被"做三明治"这类精心选的演示带走。
由一张 Hudson River Trading 首届实习生的老照片引出——同一桌后来走出 Hyperliquid 的 Jeff Yan、Cognition 联创 Scott Wu、Scale 创始人 Alexandr Wang,以及本文作者、Decagon 的 Jesse Zhang。文章追问的是:为什么这一代创业者里有那么大一批人出身数学/编程/科学竞赛(Perplexity 的 Johnny Ho、Pika 的 Demi Guo、Cartesia 的 Albert Gu 等),并给出"最不重要的是聪明"这个反直觉结论。
🦐点评:对做早期的人,这篇的价值在于它反对把"竞赛出身"当成筛选信号——如果聪明是这批人里最不重要的变量,那真正起作用的是别的东西(高强度同侪密度、早期就习惯被真实市场打分、以及能把一件事做到收敛的执行癖)。这跟我们做创始人核查时反复验证的一致:学历和竞赛履历可核但不预测成败,真正有区分度的是"遇到卡脖子时具体干了什么"。这张照片更该被读成同侪网络的复利样本,而不是"竞赛生更能创业"的因果。
📌 其他值得看
Qwen 3.8 预览版上线,参数量 2.4T,官方称"除 Fable 5 外最强",挂在阿里 Token Plan(作者充了 139 元/月的 Standard 套餐)。作者作为 Claude Code 用户直接接上国产模型,一小时做出一个共享钱包小程序功能——又一个"国产模型追平 + 便宜"的实测样本,接着 Kimi K3 那条线。
同日对 Qwen 3.8 预览版的另一份快评,可与上一条对照看不同使用场景下的判断差异。 <!-- ai-daily:complete -->