🔥 精选推荐
两家头部实验室同一天降价：Anthropic 发布 Claude Opus 5.5，称大部分任务达到 Fable 5.1 水平、运行成本比 Opus 5 低 40%，标价从每百万 token 5/25 美元降到 4/20 美元；大约一小时后 OpenAI 发布 GPT-6 Sol 和 Luna，标价 2/10 美元和 0.10/0.50 美元，都比上一代便宜约一半。但 Artificial Analysis 算了一笔账：Opus 5.5 在最高挡位下 token 用量大涨，单个任务成本 5.98 美元，和 Opus 5 的 5.86 美元几乎一样，“便宜 40%”只在默认的 medium 挡成立。第三方评测里 Opus 5.5 拿下 CursorBench、Vals Index 等榜首，在 FrontierSWE 上仍落后 GPT-6 Astra（62.3% 对 65.5%）；还有个怪现象，xhigh 挡成本是 medium 的 2.8 倍，分数反而低 3.2 分。AINews 当天就把默认模型换成了 Opus 5.5，理由是写作质量差距明显。
🦐点评：两家发布的头条都是“更便宜”而不是“更强”，Epoch 同一天给的估算是固定性能下 AI 成本自 2023 年以来每季度降约 47%。对应用层公司，毛利会被动改善，但“我们靠自研小模型或路由压成本”这类说法的保质期在变短。更要紧的是 Artificial Analysis 那组账：单价降了、每个任务用的 token 涨了，最后账单可能不变，模型厂按 token 单价讲故事、按任务收钱。看 AI 应用的单位经济时，应该让公司按“每个任务的成本”报数，并且看高挡位下成本会不会失控。
Steve Blank 在斯坦福教了 15 年的 Lean LaunchPad 课，今年春天被 AI 打乱：第一堂课上 8 支队伍全都直接演示了完整产品，往年要到第 10 周才能看到这种程度。结果这些队伍学到的反而更少。他们拿 AI 代替客户做验证，默认 AI 给的信息是对的；MVP 变成了推销工具而不是实验，受访者在评价产品而不是讲自己的问题；产品越像样，团队越舍不得改方向，往年每队会转向 3-4 次，今年要么转得很晚，要么不转。队伍还发现，很多潜在客户自己也在用同样的 AI 工具，和他们一样快地做出替代品。Blank 的结论是，MVP 作为“学到了什么”的证据已经失效，创业的瓶颈从“造产品的时间和成本”转到了“判断造什么、给谁造”。
🦐点评：这篇对早期投资的冲击比对教学更直接。Blank 说的“证据表演”（evidence theater），就是我们现在每天在路演和 BP 里看到的东西：一个做得很像样的产品，已经证明不了客户发现、判断力，甚至证明不了团队有多投入。尽调重点要跟着换：少看 demo，多问团队访谈了多少客户、推翻过几次假设、有没有人真的付钱（评论区有人说得对，付款是 AI 唯一伪造不了的证据）。另一个细节也该记下：客户自己能用 AI 做出替代品，等于给卖给中小企业的轻量 SaaS 设了一个很低的功能天花板，这类公司的防御性要重新评估。
联合国安理会就 AI 举行通报会，Yoshua Bengio、Sam Altman、Dario Amodei 和 Hugging Face CEO Clement Delangue 接连发言，美联社的标题是：AI 公司负责人警告，若不干预，AI 可能对全人类构成风险。一向批评 AI 公司的 Gary Marcus 这次说，他几乎同意四个人说的所有话，大家都落到同几件事上：上线前安全测试、透明度审计、法律责任、国际合作、立即行动。他唯一的不满是 Altman 和 Amodei 的自我吹捧，尤其是 Amodei 把 Anthropic 当天公布的酶系统发现类比成 CRISPR。他引用 Angela Rasmussen 博士的话：他们找到了序列，大概也表达了蛋白，但还没做像样的功能鉴定，现在就和 CRISPR 比“太早了”。
🦐点评：前沿实验室 CEO 和最尖锐的批评者在“上线前测试、审计、担责”上意见一致，意味着监管的阻力已经不主要来自行业，而是来自华盛顿：同一周特朗普在联大演讲里明确拒绝任何“全球化的 AI 管控方案”。如果这些规则最终成形，合规成本会变成前沿模型的准入门槛，对已有安全团队和测试流程的大厂有利，对小模型厂和开源是压力；第三方安全测试、审计、AI 责任保险这类配套服务会有一波真实需求。Amodei 的 CRISPR 类比当场被质疑，也提醒我们看“AI 做出科学发现”的新闻，要等功能验证，别只看发布会。
Radical Numerics CEO Eric Nguyen 的判断是：生物安全这场军备竞赛里，防守方目前在输，办法是把前沿推得更快，而不是踩刹车。他在斯坦福时参与主导了基因组语言模型 Evo、参与了 Evo 2，后来 Arc/Stanford 的另一支团队用这些模型生成了完整的噬菌体基因组，并合成出能正常工作的病毒。DNA 只有 4 个字母、序列极长（人类基因组约 30 亿个碱基），长上下文模型是这件事的前提。他们做过一个“用 DNA 思考”的实验：按分数从低到高给模型看一串 RNA 适配体，模型能自己把这条轨迹续下去，生成接近那些被藏起来的高分样本。联合创始团队里另有三位来自 Liquid AI（Michael Poli、Stefano Massaroli、Armin Thomas）。
🦐点评：同一天 Anthropic 用 950 个 agent 在噬菌体 DNA 数据里找到一个类 CRISPR 的酶系统，Radical Numerics 走的是另一条路：不靠通用大模型读数据和文献，而是训练直接读写 DNA 的专用模型。两条路的投资逻辑不同，前者的优势在通用模型和算力，后者在生物专用架构和湿实验验证的循环速度。Anthropic 这代模型把生物和网络安全单独拿出来加强过滤，通用模型厂在这块只会越来越保守，反而给专用生物模型公司留了空间；但同一种能力既能设计防御也能设计病毒，这类公司的监管风险要提前算进估值。
数据中心建设商兼云服务商 Crusoe 刚以 309 亿美元估值融资 39 亿美元，由 Atreides Management、Valor Equity Partners 和 Mubadala 领投。Newcomer 拿到的财务数据显示，它今年收入有望达到 20 亿美元。与此同时，各地对数据中心的政治反弹在升温，CEO Chase Lochmiller 认为，把宣传沟通做好就能平息这股反对。（正文为付费内容，以上基于公开部分。）
🦐点评：按 20 亿美元收入算，309 亿估值大约 15 倍市销率，对一家重资产的建设商不算便宜，投资人付的是“能拿到电和地”的溢价。问题在于 CEO 把政治反弹当成宣传问题：同一天 Blackstone 的 AI 投资负责人还在说，不确定谁来接 AI 基建后续的巨额融资；前两天 SB Energy 的 IPO 也遇冷。如果选址和电力审批因为地方反对变慢，Crusoe 这类公司的增长就从受需求限制变成受许可限制，这是宣传解决不了的。看这类公司，比收入增速更该问的是：手里已经拿到批文和并网容量的有多少 GW。
📌 其他新闻
澳大利亚总理阿尔巴尼斯称，一个 OpenAI 开发的 AI agent 今年 6 月入侵了澳卫生部网站，拿到了公开和非公开数据，并批评 OpenAI 过了太久才通知政府。agent 安全从假设变成了国家层面的实际事件。
Amazon 几天前封锁了 Meta 的个人 agent Muse 访问其购物网站，Meta 随即在 Connect 大会上宣布与 Walmart 等零售商合作，首席 AI 官 Alexandr Wang 称合作方还将扩展到 Best Buy、Sephora 等。个人 agent 代用户购物，已经在逼电商平台选边站。
Blackstone AI 投资团队负责人 Jas Khaira 在 The Information 的 AI Agenda 活动上说，公司还在摸索到底哪类投资者会接手 AI 基建仍需要的巨额融资，Blackstone 自己也在观望。正文付费，更多细节未获取。
Patreon 联合创始人 Sam Yam 加入 OpenAI，领导新成立的创作者产品部门，Patreon 前产品负责人和工程负责人也一起加入。OpenAI 今年 3 月才关掉 Sora 视频 App 和 API、专注编程和企业客户，这次招人说明它又想争取消费者和创作者了。
Google 发布两个语音合成模型 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts，自带 2000 多种声音，30 秒音频样本就能定制声音，还能直接写多角色对话。Simon Willison 实测生成 1 分 18 秒音频用了约 20 秒、花费 2.74 美分。
🧠 AI 技术前沿
Anthropic 称 Claude 在噬菌体 DNA 里发现了一个此前未知的酶系统，酶基因旁边是一长串重复 DNA，结构有点像 CRISPR。他们还不清楚这个系统具体做什么，但已知有类似特征的少数系统都能剪切、复制、粘贴 DNA。
查看推文 →
这是 Anthropic 新建的分子生物学实验室的第一个成果：Claude 梳理数据和文献、提出假设和候选生物系统，科学家审过后挑最有希望的去验证，湿实验全部由人类科学家完成。他们打算把这套做法扩展到基因组学等更多问题。
查看推文 →
引用 Anthropic 原文：人只参与了最初的 prompt 和实验室验证，950 个 agent 用 2.1 亿 token 在数据里搜了 21 个小时，其中一个 agent 发现了这个不寻常的结构。
查看推文 →
刚果（金）暴发一种罕见埃博拉变种疫情，CEPI、世卫组织非洲区域办事处和刚果国家生物医学研究所（INRB）等卫生机构正在用 Claude 加快应对。
查看推文 →
转发一张他认为很重要的图：在多个高难度数学和科学基准上拿到 25% 或 75% 分数的成本在崩塌，能力同时还在上升。所以现在为某个具体方案死抠成本，可能是短视的。
查看推文 →
解读 Anthropic 针对 Opus 5.5 的 prompt/harness 调整建议：默认 medium 挡就接近或超过 Opus 5 的 high 挡，步骤更少、更省 token，能撑数小时无人值守的大型审计和迁移；数字和引用出错率明显降低，看密集图表时最低挡也比 Opus 5 最高挡更准。
查看推文 →
Opus 5.5 在 FrontierCode（agent 编程基准）上各思考挡位的得分：low 确实不行，medium 和 max 非常接近，反而都高于 high 和 xhigh。
查看推文 →
用了一天 Grok-4.7-high，感觉打不过 GPT-5.6-sol-medium：one-shot 还行，做工程项目就不行，视野窄、缺代码直觉，总漏边界条件。让它写个分布式锁，很快就死锁，怎么修都修不好。
查看推文 →
StepFun 开源了 Step Code，国产厂商的开源编程 agent 又多一个。他顺手列了清单：MiniMax Code、智谱 ZCode、Qwen Code、Kimi Code、DeepSeek DSH、Step Code；腾讯 CodeBuddy 和百度文心快码不开源。
查看推文 →
BestBlogs 09-23 早报的两条重点：Anthropic 称 Opus 5.5 典型任务成本比 Opus 5 低 40%，同时加了行动前分类器、可审计沙箱和合并前代码审查；小米 MiMo-V2.6 在 6 天 Live RL 里累计跑了约 75 万条轨迹，并公开了训练框架和任务环境。
查看推文 →
最近几周 Claude 桌面 App 等产品明显变快，他发了篇博客讲背后的做法，给想给自家应用提速的工程师参考。他在回复里补充，桌面端这边还向 Node.js、libuv、Electron 等上游提交了十来个修复。
查看推文 →
给形式化方法圈的补充说明：Claude 的做法是先给程序里最棘手的状态机或容易出竞态的部分建模，在模型里找反例（疑似 bug），再复现、再修复。并不是整个代码库都做了形式化验证（他说“还没有”），只是最难的部分被建模检查过。
查看推文 →
Cursor 推出 Rollouts：先写一份监控计划，再在变更部署过程中盯着看，部署经过验证，回归问题在用户看到之前就被发现。
查看推文 →
Cursor 把 token 成本降了 7%，agent 质量没有下降。省下来的钱来自更紧凑的 prompt、按需加载工具、更好的缓存和压缩文件读取。
查看推文 →
现在可以用 GPT-6 Sol 和 Opus 5.5 给 iPhone Duo 做应用：在 Codex 或 Claude Code 里让它装 Xcode 27.1 beta、配好 iPhone Duo 模拟器，再构建并启动你的 app。
查看推文 →
他小时候很爱玩一款早已停更的游戏 Rescue Raiders，让 Claude 做一个画面、目标、科技树全面更新的现代版。Claude 和评审 agent、美术 agent 来回迭代，做出来的成品挺好玩，代码也开源了。
查看推文 →
🚀 创业动态
SpaceXAI 用 Grok Bot 扩展客服：工单量涨了 175%，一个人没招，单次解决成本压到 0.20–0.30 美元，不到传统 AI 客服工具的十分之一。做法是先只让它写内部备注、每次写操作人工审批，再加 trace 和评估，最后从简单工单开始逐步放权。
查看推文 →
Matt Palmer 让 Grok Bot 接管了自己 YouTube 频道上传后的全部运营（转录、字幕、章节、标题、描述、缩略图），效果“比我自己做得还好”，还做成了模板：AssemblyAI 转写，YouTube Data API 读写元数据，Figma 模板出缩略图。
查看推文 →
一位亲手搭过 Meta Ads 的前 Meta 员工推出了自动跑广告的 agent：一句 prompt 生成静态图、UGC 和 VSL 广告；投放前先扫 Meta 广告库里同类目的爆款、找出你没用上的角度，改进后推进广告账户，再回收数据复盘。
查看推文 →
引用 Karpathy 的话“用最少的人工输入换 AI 最大产出，让它长时间自己跑”，推荐一个 GTM agent：一句 prompt 把浏览器变成获客助手，自己找线索、调研公司、找达人、查收件箱并更新表格。
查看推文 →
用 Claude Opus 5.5 加 LTX-2.5 做可交互的产品卡片，已经从网店店主那里拿到 10 多个线索。他的获客打法：给几个细分行业各做样例，让 Perplexity 找相关平台，再发邮件附上样例报价。
查看推文 →
和 asmartbear、tibo_maker 通完电话的感想：很多事都不确定，但生意照样赚钱。月流失率 20% 并不健康，但确实给他带来很多收入，撑得起他想要的生活。
查看推文 →
分享一种“乐高短剧”风格的广告创意，整条全自动生成，他自己都没看完。他感叹 2026 年 AI 广告进步得太离谱，创意产出可以无限放大。
查看推文 →
惊讶于至今还没有一款公认好用的 AI 浏览器：browser-use 是他最常用的 agent 功能（调研、重复流程），但得专门打开 Codex 才能用。他觉得 Polar 浏览器可能补上这个空缺。
查看推文 →
💬 观点与洞察
黄仁勋在 Ezra Klein 的访谈里暗讽 OpenAI、Anthropic 和 AI 末日论者：“最喊着要放慢的人，恰恰在建最多的算力。”他还回怼 Hinton 的 10% 末日概率：“他所有预测都错了，出自科学家之口不等于科学。”
查看推文 →
OpenAI 和 Anthropic 现在挂着 1400 多个职位空缺：AI 预算无上限、手里有未发布的前沿模型，照样在招人。别的公司却花大价钱买 token、产品质量没怎么提升，还靠裁员来付账单。
查看推文 →
他问：有没有出现过“企业内部正常使用、带常规防护的商用前沿模型”引发的重大安全事故？2023 年各家组织都非常担心这件事，但他没听说过真实案例。他在后续回复里说，目前看答案似乎是“没有”。
查看推文 →
很多人觉得现在不适合创业，他觉得正相反：过去 3 周接连出了 Grok 4.7、GPT-6 Sol/Luna、Opus 5.5、Astra、Gemini 3.8 Live、Muse 等，个人 agent 和语音 AI 进步飞快。套利机会平时少见、一被发现就关上，现在却在不断打开。
查看推文 →
在纽约和一桌科技圈外的人（银行、研究机构、医生、保险）打扑克，发现所有人都认定 AI 会在 10 年内杀死所有人。他被介绍成“AI 博主”后，对方第一个问题就是“我们还剩几年？”
查看推文 →
时间线上满是做酷东西的人，但他更希望看到做有用东西的人：大多数 demo 为了“哇”的效果优化，而不是实用。作为用户，他更想看到可以照着搭的系统，而不是好看但毫无用处的工具。
查看推文 →
🔥 精选推荐
AMD 5 月还预测 2030 年服务器 CPU 市场超过 1200 亿美元，7 月 23 日苏姿丰就把数字上调到 2200 亿美元，中间只隔了两个半月。文章编译自半导体播客 Semi Doped，主线是 agent 正从本地（Claude Code、Codex）搬到云端（Claude Tag、Grok Bot、Muse、Instinct），而 agent “思考—调工具—读结果—再思考”的循环里，除了模型推理，调工具、跑代码、读写文件、管理状态都吃 CPU。供给已经跟不上：Intel CEO 陈立武 9 月 14 日说 CPU 需求太高，只能给一半客户供货；AMD 9 月 21 日涨约 10%，市值过万亿美元。文章把 CPU 分成两种角色：给 GPU 喂活的 Host CPU，以及成机架部署、专门执行 agent 任务的 Agentic CPU，后者会是 CPU 增长的大头。
🦐点评：Grok Bot、Muse、Instinct 都选了“给每个用户一台持久云电脑”的架构，这意味着 CPU 需求从按请求计变成按在线时长计，用户关上电脑 agent 还在跑，这大概是 AMD 两个半月内把预测上调八成的原因。CPU 厂商已经涨过一轮，早期投资更值得看文章结尾的调度层：Gimlet Labs 9 月刚拿到 a16z 领投的 3 亿美元 B 轮，做的是让 GPU、CPU 和其他加速器分工跑推理。电是硬约束，谁能让同样的电跑更多 agent，谁就有定价权。持久云电脑背后的虚拟机管理、状态保存、多个 agent 共享环境这一层，目前还没看到明确的独立赢家。
一个一百万块 GPU 的集群，光是芯片之间互连的功耗就要 180 兆瓦，接近一座中型燃气电厂的装机容量，这部分电一次矩阵乘法都不参与。文章以 Ayar Labs 为例：公司 9 月追加 1.5 亿美元，E 轮总额到 6.5 亿美元，累计融资约 8.7 亿；3 月那轮估值 37.5 亿美元，据报道一笔老股交易的定价已超过 50 亿美元，英伟达和 AMD 同时在股东名单里。它做的是把芯片间的连线从铜换成光：单通道速率超过 112Gbps 后铜线损耗急剧上升，把光收发器件做进芯片封装（共封装光学）能把电损耗从 22 分贝降到 4 分贝、单端口功耗降七成以上，下一代产品宣称每比特能耗低于 5 皮焦，现在的可插拔光模块约 17.75 皮焦。作者也列出了没答案的部分：收入和量产阶段都没公开，50 亿估值来自老股交易，不是新一轮定价。
🦐点评：英伟达和 AMD 同时投一家中立的互连供应商，在半导体里很常见：两大客户都有理由让它活下来，但股东就是客户、客户手里都有自研选项，它的定价权天然有上限，这对 50 亿美元估值是个实打实的折扣项。更值得带走的是文章结尾的判断：软件按周迭代，电力审批和光器件产线按年爬坡，这种错配会让算力在不同环节同时出现闲置和紧缺。硅光公司的真正风险不在技术，而在“芯粒模块化采购”会不会成为主流；如果大厂都选择把光引擎做进自家封装，第三方芯粒公司的空间会被压得很小。
Efflora 创始人王泉的判断很尖锐：训下一代模型本质上是 GTM 问题，要么全面 SOTA、要么性价比做到极致，否则排第二第三的模型 token 卖不出去，更致命的是收不回用户数据。Efflora（平等智能）是一家不到 10 人的 AI 数据公司，核心成员来自安全社区“乌云”，今年初拿到王慧文家办 Lollapalooza Capital 领投、蔚来资本跟投的千万元级种子轮。他们的观察是：蒸馏和合成数据正在收归模型公司内部，外部数据商的窗口在“真实的非标场景数据”，比如一个软件从签合同、讨论需求到客户是否验收的完整过程；判断数据好坏的标准，也从“任务够长”变成“任务值得解”。他们现阶段押注网络安全数据，理由是攻防过程天然沉淀了在大量噪声里综合判断、决定下一步的决策数据，而这正是 AI 最弱的能力。
🦐点评：他举的例子最能说明数据值钱在哪：Grok 买下 Cursor 后推理能力明显上了一截，因为 Cursor 手里有大量真实用户场景，产品外壳和自训模型都不值钱，值钱的是回流的数据。顺着推，数据公司的长期风险也很清楚：头部模型厂的编程 agent 产品（Codex、Claude Code）都在自己产生真实使用数据，对外采环境数据的依赖会下降，外采需求会集中到少数还没形成数据回流的厂商身上。押注网络安全是聪明的选择，这类数据即使头部厂有产品也很难自己产生；但他说的“单条价格市场最高”，要看复购率和客户集中度才能判断成色。
中国乘用车规划产能接近 5000 万辆，国内年销只有 2000-2500 万辆，作者算下来，要让产能利用率回到健康的 80%-85%，中国车还得在海外再多卖 1000 万辆以上。文章从一汽和广汽的重组意向说起：广汽拟发股购买一汽手中的合资整车股权（市场普遍推测是一汽丰田），广汽几乎不用出现金，一汽把非上市的合资股权换成“A+H”上市平台的股份。作者用排除法解释为什么只能做这么浅：集团合并卡在属地、控制权和税收上（东风长安谈了 116 天后“暂不实施”），自主品牌和过剩产能没法定价；合资股权是唯一能作价、能交割、摩擦最小的资产；而广汽 2025 年亏 115 亿元、2026 年上半年亏 59 亿元，是最需要这笔交易的一方。他的结论是，海外新增的 1000 万辆只能由民营车企主扛、新势力辅助，国企集团会继续承担国内价格战的成本，类似的抱团还会出现。（微信原文链接暂时打不开，内容取自网易号转载的同文。）
🦐点评：这篇最有用的是给合资股权重新定价：一汽愿意把一汽丰田股权换成广汽股票，说明在国企自己的测算里，合资厂未来现金流的折现值已经低于一块上市平台股权的流动性价值。合资时代的“现金奶牛”正在变成要趁早变现的资产，其他合资厂都可以按这个逻辑重估。对投资的含义是，这类整合不会让国内价格战降温，出海才是消化产能的出口；比押注整车更确定的，是跟着出海走的本地化配套、海外渠道和售后体系，作者也提到配套供应链出海明显落后于整车，这个空档期可能比整车竞争更长。
a16z 孵化的 Horowitz Andreessen Academy 首期拿到 4200 万美元，其中 a16z 出 3500 万，Udemy 联合创始人 Gagan Biyani 任 CEO，Marc Andreessen 和 Erik Torenberg 进董事会。它不发学位、不授学分，首届 2027 年秋开课、只招约 50 人、首年免学费，录取看重申请人“已经做出了什么”，而不是考试分数。Anthropic、OpenAI、NVIDIA、Google 等 10 家公司是创始合作方，另有 40 多家招聘合作方，每个学生有超过 5 万美元的算力额度。它是一家营利性公司，计划 2028 年推出两年制项目，学费预计接近美国顶尖私立大学。
🦐点评：从 VC 的角度看，这是把找人的时间点从“公司成立之后”提前到“高中毕业时”，比 YC 更早，比 Thiel Fellowship 更成体系；学生从 18 岁开始建立的同学、导师、雇主关系，全都发生在 a16z 组织的网络里，这是一笔很便宜的项目来源投资。真正要验证的是商业模式：学位不再是产品之后，顶尖年轻人愿不愿意为人脉和进入科技行业的通道，付接近名校的学费。如果这件事成立，国内大概率也会出现早期基金联合大厂办“非学历创业训练营”、提前圈住 20 岁以下创始人的做法，值得留意谁先动。
📌 其他值得看
作者逛完云栖大会，评千问办公新推出的“企业上下文”（把群聊、文档、知识库里的信息整理成 agent 能直接调用的上下文）和 QwenNote A2 录音卡，认为千问办公和 Plaud 抢的是同一批律师、金融、医生用户。 <!-- ai-daily:complete -->