🔥 精选推荐
Lovable 正从"用 AI 建 web 应用"转向让开发者构建 CTO Fabian Hedin 所说的"capabilities"——把已发布应用里选定的功能,通过托管的 MCP server 暴露成 agent 可直接调用的工具,于是一个应用同时拥有两套接口:给人用的传统 UI,和可被 ChatGPT、Claude 等 MCP 客户端调用的 agent 接口。Hedin 的判断是未来越来越少人会打开传统 app,"一个入口通向你所有的工作"。这是 Lovable 三年里的又一次跃迁:从原型工具,到用户拿它做出真实营收的产品,再到 CRM、admin 面板等公司内部运营软件。
🦐点评:如果应用价值从"人打开的界面"迁移到"agent 调用的能力",SaaS 的护城河就从 UI 和分发转向了"谁的功能被 agent 首选调用"——这对按订阅席位计费的传统 SaaS 是估值逻辑的釜底抽薪。Lovable 把每个 app 变成一个 MCP 端点,本质是抢"agent 时代的 API 网关"位置,真正要盯的信号是它能否沉淀出调用量数据、把自己从"建站工具"升级为"能力交易层"——那才是比 Cursor 更大的故事。
Caltech 的 Anima Anandkumar 用 AI 建了第一个开源天气模型 FourCastNet,用消费级 GPU 就能做出媲美传统物理仿真的短期天气预测,现在把方法推向核聚变、流体、热流等连续物理系统。她的核心判断是:物理这个领域抵抗"大力出奇迹"的 scaling——开源数据集往往只有几万到几十万样本,而物理所需的分辨率会把上下文长度推到千亿甚至万亿量级,靠堆 token 走不通,进步来自往模型里注入结构和归纳偏置。
🦐点评:语言模型这条路的红利正被"数据+算力"抹平差异,而物理基础模型恰恰是 scaling 律失效的地方——壁垒因此重新回到 domain 结构和归纳偏置的设计,先发的科研团队反而比算力最大的巨头更可能赢。对 VC 这是个尚未被 crowd 的赛道信号:天气、聚变、材料的"foundation model"客户是能源、气象、工业这些付费能力极强的行业,而数据稀缺本身就是护城河——谁攒到独家物理数据,谁就有了 OpenAI 也复制不了的东西。
Cursor 与 OpenRouter 的收购在四天内接连落地——Cursor 是史上最大的并购退出,OpenRouter 两年回报超 50 倍,两笔 a16z 基础设施团队都有份。带队的 Martin Casado 借此立论:个人 VC 抢单署名是"上个时代的遗物",现代风投不靠个人决策。他说自己做过近 200 笔交易,"想不出哪一笔是别人没起关键作用的"——从 sourcing、判断、尽调到 closing 都是团队协作,专业化分工才是 AI 应用投资的胜负手。
🦐点评:Casado 在为 a16z 的"平台化风投"背书,但真正的信号藏在两笔退出的性质里:Cursor 和 OpenRouter 都是 infra 和中间层,不是应用——所谓 bullish on apps,落到钱上仍是赌卡在模型与应用之间的收费站。对同行的启示更尖锐:当"史上最大并购退出"来自专业化团队而非明星单打,机构该重新算的是 carry 分配和团队激励——如果 alpha 来自协作,那把回报继续绑在个人 partner 身上的组织设计,本身就是在漏价值。
Gary Marcus 转述并附议 Bill Gates 的新文:当下的决策具有长久的决定性;AI 放大了生物恐怖、深伪、虚假信息、网络攻击的风险,"连技能有限的罪犯都能规模化地攻击各种目标",Gates 还担心 AI 会阻碍孩子发展、替代人际关系;社会缺一套系统性的应对计划,且制定计划必须让公民社会而非只有政府和科技公司参与;同时需要建立国内与国际的治理框架,并通过税制改革(重新平衡对劳动与资本的征税)来留住就业。
🦐点评:Gates 亲自下场喊"该驯服硅谷了",本身就是一级市场的风向标——当微软创始人开始谈重税资本、扶持劳动、政府托底就业,说明监管叙事正从边缘学者(Marcus)挪向建制中心。对投资人这不是道德议题而是定价议题:押注深伪检测、AI 安全、合规工具的赛道刚拿到最有分量的背书;而纯靠"替代人力"讲增长故事的公司,要开始把"劳动税/资本税再平衡"这类政策尾部风险,计入退出假设了。
品牌假冒是种奇怪的盗窃——你什么都没丢,但一个复制品(你的 logo、你的登录页)在互联网别处以你的名义收集密码和付款,而被冒充者往往最后一个才发现。它难打击,是因为假冒跑在别人的平台上、针对别人、用你的名义;单次下架也没用,像九头蛇砍一个长两个:新的仿冒域名、新广告、新克隆账号。文章主张唯一解法是"永远在线的社会工程防御"——同时监控所有触面,并把每个"断头"烧死以防再生。
🦐点评:a16z 亲自写这篇,等于给"反冒充/品牌保护"这个安全细分敲边鼓——AI 让批量克隆登录页、生成仿冒广告的成本趋近于零,冒充从零星事件变成产业化攻击,防御侧因此被逼着从"人工下架"升级成"always-on 平台",这正是能收订阅费的 SaaS 形态。要盯的信号是:谁能拿到跨平台(域名、广告、社交账号)的监控数据闭环,谁就有别人复制不了的护城河——这跟反欺诈、内容审核是同一类"猫鼠军备竞赛"生意,客户付费意愿随攻击的 AI 化而结构性抬升。
📌 其他新闻
新增 SendFeedback 工具(会话出错时 Claude 可自动起草反馈报告,供用户在 /feedback 审核后发送),并为状态栏 spinner 加入可配置提示(tipsFile、优先级、冷却轮次等);把"用户反馈回路"直接内建进 agent 编码工具。
Hugging Face 发布多向量(ColBERT 式)嵌入模型的完整训练/微调教程,覆盖组件、损失函数、数据格式、评估与索引优化,既可微调已有模型也可从基座 transformer 自建;多向量检索在 RAG、语义搜索里比单向量更精细,教程明显降低了自训检索模型的门槛。
(正文需付费订阅)Ben Thompson 的核心论点:Apple 更新 Mac mini/Studio 与 OpenAI 公布自研推理芯片 Jalapeño,是两种完全不同的硬件动作,但都对 Nvidia 构成压力——前者推进"AI 本地计算",后者用自研推理硅片绕开 GPU 采购。
(正文被 Cloudflare 拦截,以下基于官方摘要)OpenAI 复盘 Hugging Face 安全事件的调查发现,并说明将在模型安全、监控与对齐上采取的加固措施;该事件也被多位从业者引为"无需蓄意坏人,你也可能暴露于 AI 攻击"的警示案例。
Simon Willison 摘引 InfluxDB 创始人 Paul Dix:AI 写了 100 万行代码、再经数月打磨成可靠软件、如今已跑在数百万开发者机器上,"令人震撼";借此讨论 AI 生成代码在规模化生产软件中的真实可用性。
继 Generalist 上周发布能学 3-12 秒动作的具身大脑 Gen 1.5,北美具身初创 Skild AI 发布机器人基础模型 S1,主打"看一遍演示就学会、无需后训练",被称作具身智能的"GPT 时刻"。
🧠 AI 技术前沿
分享论文《Autonomous Mathematical Discovery in an Open-World Multi-Agent Environment》,探索让多个 agent 在开放世界环境里自主完成数学发现。
查看推文 →
GLM 5.3 Flash(代号 Ox Alpha)把智能/成本前沿又推一步:AA 智能分接近 Opus 4.8,却便宜约 45 倍,1M 上下文下注意力算力低 3 倍、KV cache 小 4.4 倍——"智能正在残酷地变便宜"。
查看推文 →
Qwen3.8-Flash 发布、Flash-Next 开源,并被官方定义为 Qwen4 架构的早期预览;相对上代旗舰以约 1/3 激活参数、1/3 训练 token、1/9 训练 FLOPs,在 14 个基准中 8 个领先,新配方(Muon + 门控残差)在 4 倍学习率下零 loss 尖峰。
查看推文 →
转述 OpenAI 首颗自研推理芯片 Jalapeño 首批实测:在 GPT-OSS 120B、DeepSeek R1、Kimi K2.5 三个公开模型上每瓦峰值算力提升 1.5-1.9 倍、端到端延迟降 1.7-3.6 倍,且芯片从设计到流片仅 9 个月、部分 AI 生成算子比人工快 1.5-1.8 倍。
查看推文 →
首次向外部研究者开放用"隐私保护后的真实 Claude 使用数据"研究 AI 社会影响的工具,此前这类研究只能在 AI 实验室内部进行。
查看推文 →
拆解 LangChain 的 OpenWiki 如何构建"自我纠正"记忆系统:把 wiki 拆成"主张 + 版本化证据",让文档能发现哪些知识因代码演进而过时并自动验证纠正——关键能力不是"记住",而是"知道何时不该再相信"。
查看推文 →
解读吴恩达 OpenWorker 新版:从通用转向内置网络安全智能体(漏洞扫描、供应链注入检测、云配置检查),强调 harness 完全开源可审计;核心是"模型 + harness"拆分——数据泄露风险主要在黑盒 harness,而非模型本身。
查看推文 →
指出 AI 可解释性本已脆弱,在多 agent 长期大规模协作、产生海量思考 token 时会更难,最终只能靠"用 AI 解释 AI",而这种手段本身也有限。
查看推文 →
推荐一套免费、MIT 许可的 AI 工程课程:511 节课、20 个阶段,要求先从原始数学手搓每个算法的"内脏"再跑生产版,每节课附可复用的 prompt、SKILL.md、agent 或 MCP server。
查看推文 →
🚀 创业动态
认为给中小企业落地 AI 是巨大机会——不是因为它们落后,而是问题太好解决:很多公司还在手动更新 CRM、纯人工跑内容管线,这些瓶颈用极简系统就能消灭。
查看推文 →
提出"给普通人做的 GitHub"机会:AI 让数百万非技术人都能造 app,却没地方存放、分享、展示;面向普通人、无需 git 命令的可视化"个人软件平台"(如 Wabi)会做大。
查看推文 →
随着豆包吃下飞书和 TRAE,中国办公智能体"御三家"(字节豆包工作、阿里千问办公、腾讯 WorkBuddy)成型;能力会快速趋同,最终按生态卡位——用飞书选豆包、用钉钉选千问、用企微选 WorkBuddy。
查看推文 →
调侃马斯克把 SuperGrok 从 300 美元/月一路降到 100、再到 20 美元/月,就是为了"恶心" Anthropic 和 OpenAI。
查看推文 →
感慨变化之快:OpenAI 2025 年 10 月还把某方案宣布为企业 AI agent 的未来,6 月就砍掉了 Agent Builder,但仍有不少企业产品在沿用这套模式。
查看推文 →
第一次觉得可以放心让 AI 当"项目经理":24/7 后台运行的 agent 接入了整个公司的上下文和插件,帮他跨 Slack、邮件、Notion、WhatsApp、ClickUp 等六家代理机构的渠道盯住全部事情。
查看推文 →
💬 观点与洞察
警告在开源权重的"Mythos 级"模型/harness 普及前的窗口期,组织对网络安全的投入远远不够;HuggingFace 事件说明"甚至不需要蓄意的坏人,你也会暴露在 AI 攻击之下"。
查看推文 →
认为 Moltbook 尽管怪异、被污染、满是人类角色扮演,却 100% 预示了 agent 在真实世界里相互通信时会发生什么。
查看推文 →
Ox Alpha 已是 OpenRouter 上 token 用量第一、几乎是第二名的两倍——把模型做得足够便宜(这次是免费),人们就会大规模用它,哪怕不知道是谁做的、官方 benchmark 如何。
查看推文 →
借 Hinton 观点:人类一句话约传 100 bit 知识,机器却能瞬间、完美地在每个副本间共享;每年上万篇 AI/机器人论文没人读得完,导致领域"无法和自己对话",一个在 CV 验证的方法要两年才传到机器人。
查看推文 →
分享回归"超专注深度工作"的 agent 用法:语音下指令对 80% 日常任务极好用(快速修 bug、起 workflow),复杂计划才打字;循环和定时任务包办杂务,于是一坐下就能在一个 session 里高效产出。
查看推文 →
一句"也许这(真)是个泡沫?",对当下 AI 的热度与估值发出泡沫质疑。
查看推文 →
暂无内容