🔥 精选推荐
Vercel 首席软件官 Andrew Qu 复盘其 agent 框架 eve 的由来：团队做 vibe-coding 产品 v0 时踩了一堆现成工具解决不了的坑——切换模型/供应商、加 fallback、让 agent 运行可恢复（resumable），于是把解法沉淀成可复用的 primitives，最终组装成 eve。他提出 agent 是一种"新软件形态"，filesystem agent、skills、compaction、subagent 这些一年前要自己摸索的最佳实践，正变成开箱即用的框架能力。Qu 还在推 skills.sh（让 agent skill 更易发现复用）和"agent 可读网站"的概念，认为 Vercel 自己也在"变成一个 agent"。
🦐点评：Vercel 的路径值得记——它不从模型往下打，而是从"部署网站"往上迁移到"部署 agent"，把 CDN/托管时代的分发能力平移到 agent 运行时。这跟今天微信频道那篇 USV"价值会漏到模型周围一圈"是同一赌注的两面：谁掌握 agent 的运行与分发基础设施，谁不训模型也能收税。对看 infra 的人，eve、skills.sh 这类"agent 中间件"比又一个套壳应用更该盯。
AI Engineer World's Fair 最后一天以一场"loops 之争"收尾，正好折射整场大会的核心分歧：自主软件工厂现在可行吗，还是工程纪律跟不上野心？挺 loops 的 Geoffrey Huntley（Ralph Loop 作者）和 Keycard CEO 说 loops 已成定局、"我不会再回去手写代码"，验证性才是关键；质疑方 HumanLayer 的 Dex Horthy 反驳"炒作跑在纪律前面"，认为该往下降一个抽象层而非往上升，Subroutine 的 Greg Pstrucha 则质疑 agentic loop 的经济可持续性——"你没法靠买更多 token 把问题编排掉"。Huntley 用了个金句：现在工程师像"火车司机，工作是让机车不脱轨"。
🦐点评：这场辩论的投资价值在于给"agent 编码"降温到可判断的粒度——挺方和反方其实都承认"loop 能跑"，真正的裂缝是单位经济。Pstrucha 那句"买更多 token 编排不掉问题"直接指向：靠烧 token 换自主性的 agent 产品，毛利模型可能不成立。可操作的筛子是——看一家 agentic 编码公司别只看 demo 能跑多久，要问它每完成一个可验证任务烧多少 token、这条曲线是往下还是往上。
前端名师 Josh W. Comeau 自述第三门课《Whimsical Animations》销量只有以往一次发布的三分之一，两门老课也同样惨淡、营收同比降 50%+，他把主因归给 AI：一是很多人怀疑开发者岗位还能不能存在几个月，不愿再花钱学新技能；二是就算想学，LLM 能提供个性化辅导，付费课程的动力被抽走。他还提到 LLM"未经同意也不付报酬地吞掉并反刍"创作者的作品。多位课程作者证实看到同样趋势。
🦐点评：这是"AI 吃软件"之外更早爆的一层——AI 正在吃"教人做软件"的生意。信号意义在于：在线教育/知识付费是最先被 LLM 直接替代的现金流，因为它卖的正是"个性化解释"，而这恰是 LLM 边际成本趋零的能力。反推到投资：任何护城河="专家把知识讲清楚"的内容型公司（课程、教程、部分咨询）估值逻辑要重估；但反过来，"帮创作者对抗白嫖、做数据授权/溯源"可能长出新赛道。
a16z 的 David Ulevitch 为 America Dynamism 峰会写的纲领性长文。核心数据触目：美国曾在 64 项最关键技术中领先 60 项，如今几乎全部丢掉——中国领先 57 项，美国只剩 7 项。他把 a16z 四年前设 American Dynamism 基金的背景描述为"华盛顿与硅谷长期交恶、离岸外包与监管惰性掏空工业基础、Magnificent Seven 垄断了几乎全部市场回报"，SpaceX、Palantir 当年连竞标政府合同的资格都要力争。文章强调 American Dynamism 不止于国防，而是覆盖电池、电机、化学、材料、采矿的整个"电力-工业栈"。
🦐点评：这本质是 a16z 的持仓叙事——把"投国防/能源/制造硬科技"包装成爱国叙事，用"美国 64 项技术只剩 7 项领先"制造紧迫感。对红杉这类同行，真正可操作的是那组技术竞争力数字：如果 a16z 用它做募资和 LP 沟通的锚，说明"硬科技/再工业化"主题的资本正在被政治化叙事加速，估值溢价会先到这些赛道；同时它也划出了中美科技脱钩下"哪些赛道会被政府订单托底"的地图。
John Gruber 追问一个反差：为什么 AI 编码最强的公司之一 Anthropic，自家 Claude Mac 客户端却是个又慢又臃肿的 Electron"废物"。他给出的答案是"内部人作祟"——负责的正是 Electron 的联合创始人兼共有者 Felix Rieseberg，"就像发现大楼里所有螺丝都被锤进墙里，然后查出监工是全球最大锤子厂的老板"。Gruber 引用 Drew Breunig 的诘问：如果 Claude Code 真能按 spec 把原生代码 ship 到各平台，为什么 Anthropic 自己还在用 Electron？
🦐点评：一条比段子更硬的信号——Anthropic 用不用自家 agent 造原生 app，是"agentic coding 到底能不能端到端交付生产级软件"的活体照妖镜；它至今不做，等于给"AI 写 90% 剩下 10% 最难"这个论点背书。对投资人：这解释了为什么"agent 生成原生跨平台 app"仍是空白——谁能真正跑通 spec→native code 的最后 10%，谁就吃掉 Electron 二十年的存量；而在那之前，别把大厂的 agentic 编码 demo 直接读成"软件工程已被自动化"。
📌 其他新闻
硅基流动（SiliconFlow）Q2 末以 18C 未商业化身份递交港交所招股书，注册用户破千万、估值两年半冲到 77 亿；但招股书露底——2025 年毛利率 −24%、每卖 1 元 token 成本 1.24 元、全年净亏 3.45 亿，是 token 价格战下"亏本卖水"的典型样本。
智能两轮出行公司 OMOWAY（目蔚科技）连续完成 A、A+ 轮各数千万美元融资，A+ 轮由宁德时代旗下 Lochpine Capital 领投，股东含红杉、真格、中金及小鹏系、比亚迪系产业基金；首款车 OMO-X 6 月首发落地印尼，上市首月即登顶当地电摩订单量第一。
谷歌靠大模型逆袭、市值一度被喊到 10 万亿，却在 AI 编程这一关键入口长期籍籍无名。文章指出中美互联网大厂在 AI coding 上集体"哑火"（Cursor/Claude Code/Codex/智谱/MiniMax 中鲜有大厂产品），而谁掌握开发者入口，谁就掌握下一代软件（含 Agent）的生产方式。
Agent 时代 AI 系统从训练转向高频推理，瓶颈正从算力转向网络与调度，DPU 从数据中心"可选项"变为关键角色。国产 DPU 第一股云豹智能冲刺深交所上市，把这个被低估六年、潜在千亿级的赛道推到台前（英伟达早在 2020 年收购 Mellanox 后就定下"GPU+CPU+DPU"三芯战略）。
阿里达摩院联合中国人民大学高瓴 AI 学院等发布首个专攻超导材料发现的 AI 智能体"ElementsClaw（元素虾）"，仅用 28 个 GPU 小时就把 240 万种稳定晶体海选一遍、预测其中 6.8 万种可能是超导体，并实验证实 4 种人类此前未知的全新超导体——对比人类百年发现两千余种的效率堪称"光速交卷"，全部预测数据已开放。
百曜科技发布全球首个基于 LLM-JEPA 架构的 AI 虚拟细胞世界模型 AURA CellOS，基于 3.9 亿个人类单细胞转录组训练，是目前公开报道中参数规模最大的单细胞基础模型；在预测精度、扰动建模等核心指标上达到 SOTA，试图用"虚拟细胞"改写"十年十亿美元、临床成功率不足 10%"的新药研发双十定律。
非营利组织 Current AI（2025 年巴黎 AI 行动峰会成立、已募集 4 亿美元，目标是打造 AI 的"公共选项"）发布开源 AI Gap Map v0.1，深度收录 228 家机构的 421 个开源产品（266 个工具/库、85 个模型、50 个数据集、20 个硬件项目），并以 MIT 协议开放底层 1184 个 YAML 数据文件，可用 Datasette Lite 直接探索。
🧠 AI 技术前沿
阿里巴巴官宣内部全面禁用 Claude Code，作者发问：国内其他大厂会不会跟进？
查看推文 →
据 Arena 数据，解禁后的 Fable 5 模型本身并未被削弱（NOT nerfed）；但在部分情况下请求仍可能被 rerouting 到 Opus 4.8，用户对此反馈不一。
查看推文 →
连用 Fable 多天后感觉它和几周前几乎是同一个模型，察觉不到明显差别——侧面反驳"被削弱"的说法。
查看推文 →
提醒：Fable 5 免费包含仅到 7 月 7 日，之后转按量付费（每百万 token 输入 10 美元/输出 50 美元），是 Anthropic 最贵的模型；且它消耗额度约为 Opus 的 2 倍、最多只能用到每周额度的 50%。
查看推文 →
分享论文《Program-as-Weights：一种面向模糊函数（fuzzy functions）的编程范式》。
查看推文 →
现在几乎每天通过 HF 在 Claude Code 里用 GLM 5.2，已经完全转向开源模型。
查看推文 →
一篇由 OpenAI、DeepMind、Stanford 研究者合写的必读文章：有了 AI，执行（execution）变便宜了，真正的优势在于选对问题、建立强连接、并投入真实时间。
查看推文 →
AI 推理工程（inference engineering）是各大 AI 实验室最抢手的技能之一，直接决定模型能否跑得更优化、更便宜；推荐一场相关技术演讲。
查看推文 →
发布了可能是全网第一个针对大模型"复杂工程能力"的测试。
查看推文 →
大家都在转 Karpathy 谈 vibe coding，却忽略了他更重要的一点：AI 真正的机会不是更快地写代码，而是给业务建一个"第二大脑"——过去没有代码能基于一堆事实自动搭出知识库，而 LLM 可以。
查看推文 →
BestBlogs 早报：智能体自主性双轴分级、OpenAI 亿级语音 AI 架构，以及让代码变便宜的 Harness 方法论。
查看推文 →
🚀 创业动态
一篇长文论述私募股权（PE）为何误判了 AI 的价值增量，以及 AI 未来十年将为美国企业创造 10 万亿美元价值。
查看推文 →
拆解 Every 团队使用 Codex 的深度实践：五个背景各异的成员、五种工作流；核心价值是把"系统搭建/架构"的认知负担外包给模型，让非技术用户也能低摩擦上手（如让 Codex 夜间自动 enrich 数百条 CRM 客户记录）。
查看推文 →
有意思：Thumio 是单人创始（solo founder），目前已有超过 5 万用户。
查看推文 →
正在和朋友们做多款可联机的游戏，全部并入一个共享邀请/多人后端的游戏 hub，当晚做完当晚就能一起玩，之后再公开。
查看推文 →
把一段和朋友聊做游戏的对话直接发给 Fable 5，趁朋友去 Costco 买热狗的功夫，Fable 5 就凭这段对话做出了一个用热狗当弹药的坦克游戏。
查看推文 →
作为做过大量 UI 控件的人，这个免费开源库能省下大量时间来做精细的滑块、取色器、下拉框和无限画布，感叹居然是免费开源的。
查看推文 →
感慨"剪辑搬运"（clipping）是如今最容易做到日入 100 美元的方式：本质是无需转化的自然流量营销，在 TikTok/IG 上一天拿 10 万播放很容易，学会稳定起量后再接联盟营销，路径就通了。
查看推文 →
seedance 2 是个绝佳的电商独立站/dropshipping 模型，生成的广告钩子（hooks）效果炸裂。
查看推文 →
Fable 5 + Obsidian 在 Claude Code 里搭知识库堪称疯狂：Fable 擅长长任务和 agent 编排、非常适合做研究，给出 5 个可立刻上手的工作流（如把竞品情报——内容点子、在跑的 offer、SEO/AEO——灌进 vault）。
查看推文 →
💬 观点与洞察
一位在腾讯元宝工作大半年、正迎来 last day 的匿名朋友讲了元宝的真实情况：像腾讯这种营收极稳的超大公司做 AI 需要自上而下的决心，否则容易为占位、为高管短期目标而"动作变形"；作者判断国内大厂里除了字节，其他基本都缺乏把新事物做成的决心和组织力。
查看推文 →
也许比"模型能力"更重要的是：大多数人根本不拿这些系统去尝试有野心的事——很多模型作为 Google 替代、作业"帮手"已很好用；真正有影响力的，是有人把前沿 AI 用在长周期真实问题上（agentic 用法）。
查看推文 →
虽然"缺少可验证领域"确实让模型在这些空间的训练更难，但模型在非可验证领域也在快速变好；能力前沿依然参差（jagged），但比"只看可验证性"所预期的要平整得多。
查看推文 →
反复让 Claude Fable 把一个游戏做得"更 AAA"，结果很有意思：在 Claude 眼里这意味着升级画面、加 boss 战和机制、加入自定义音效和配乐，一路做到 WebGL 的能力上限。
查看推文 →
CCTV（监控级）画质的视频已经能用 AI 复刻，而且真假难辨——这条信息该怎么用，自己掂量。
查看推文 →
对 vibecoding 与机器人/家居设备的交叉方向非常兴奋。
查看推文 →
在行驶的火车上用蜂窝网络配合 Fable 5 写代码——这感觉就像未来。
查看推文 →
🔥 精选推荐
对 Chamath Palihapitiya 新长文《大下沉》（The Great Descent）的解读。核心论点：继互联网把"信息/知识"的成本打到零之后，AI 正把"专业判断"也变成几乎免费——而后者量级大得多，过去需要执照、事务所、多年训练才能获得的专家判断，即将人人零成本随时召唤。作者用手机的下沉曲线类比，并指出智能比手机快一倍，是因为它同时吃两条下降曲线：硬件越来越便宜 + 模型本身越来越高效。最扎心的题眼是"如果所有人都从同一个供应商租来同一个智能，那就没有人有优势"——通用能力会白菜化，真正的护城河是那些被硬编码进日常运营、藏在老员工脑子里的隐性专属知识。
🦐点评：这篇给 VC 的判断框架是"别为通用能力付溢价"。当模型能力趋同、按 token 计价，投一个"用了最强模型"的应用毫无意义，差异化只可能来自专有数据、专有工作流和"谁为结果负责"这层。可操作的反推：稀缺的不再是"生产分析"，而是"决定这份分析该拿去干嘛"——能把行业隐性知识（物流手感、风控直觉、制造流程）编码进系统的公司，比又一个套壳 copilot 更值得下注。
解读 USV 合伙人 Nick Grossman 的长文《反抗军联盟》（The Rebel Alliance）。他把主流打法称为"肥模型"（Fat Models，模型/API/编排/agent/产品全自己做，OpenAI、Anthropic 各近万亿、谷歌破 4 万亿都在下这个注），但用 IBM 被 PC 拆、微软被 web 拆、苹果被安卓拆、AWS 上长出一批百亿公司的历史，赌 agentic 这一层会重演"一体化赢家最终被上层拆成零件"。他把"模型周围那一圈"拆成正在疯狂招人的几层：编排（Orchestration）、骨架（Harness，如 Claude Code 这类 CLI）、记忆（Memory）、给 agent 用的浏览器/入口、路由、身份与支付，并抛出一个数字：写作时 agent 产生的网络流量已首次历史性超过人类。
🦐点评：要先警惕作者的屁股——USV 手里没有前沿大模型，"反抗军会赢"对他们是唯一活路而非中立判断，这点解读者自己也点破了。但赌注本身有真信号：当商用场景里前沿模型的领先被压到个位数分差、企业开始按成本挑模型甚至混用，"可随时换掉供应商"就成了硬需求，价值确实会往编排/记忆/路由/身份支付这些"布线层"漏。对投资人，这层比模型层更早期、还没有赢家，但要认清很多"反 OpenAI 生态"叙事是持仓利益驱动的。
长安汽车首席智驾官陶吉透露，全行业真正量产"一段式端到端"（传感器直接到驾驶行为的一体化模型）的车企和供应商"不到一只手"，长安将在下半年量产，并已把端到端列为智能化未来战略、计划投入百亿研发。作为追赶者，陶吉三年前拒掉具身智能创业融资加入长安（因为自动驾驶仍是实现物理 AI 最快的领域），把团队从 500 人扩到 1500 人、发起"AI 基石计划"和"1:4:N"人才结构。他强调没有捷径：2025 年一季度并行测试一段式和两段式后，才选了基建要求更高、上限也更高的前者；对 VLA 也保持"没被验证超过端到端就不盲目投入"的克制。
🦐点评：这是一份难得的"传统主机厂追赶智驾"的一手样本——看点不在技术，而在国企体制下做前沿 AI 的组织约束：招人受薪资与内部公平限制、千人团队摩擦、要靠"小特区"授权才能推进。陶吉的取舍逻辑（先证明再投入、不追第一）对判断中国智驾格局有用：一段式端到端玩家会极度收敛（"不到一只手"），供应链和数据壁垒让后来者很难挤进——智驾供应商赛道的整合可能比想象中更快、更集中。
阿维塔（长安控股、华为与宁德时代深度参与）6 月 30 日更新递交港交所主板上市申请。三年多时间年销量从 0 冲到 12.3 万辆（2025 年增速 99.2%），2023-2025 营收从 56.5 亿增至 256.3 亿元、年复合增长 113%，毛利率从 −3% 转正至 9.4%，经营现金流转正至 23.2 亿元。其轻资产模式突出：不自建工厂、依托长安制造，3978 名员工（55% 做研发）撑起 256 亿收入，销售费用率三年从 40.8% 降到 12.8%；海外已进 43 国、当地业务已盈利。
🦐点评：阿维塔的看点是"轻资产 + 三方分工"能不能跑成可复制的造车范式——车企出品牌与产品定义、宁德时代出电池、华为引望出智能化，人效做到同规模车企数倍。但毛利率不足 10%、单车成交价下探、招股书自认 2026 年仍可能亏损，说明它还没穿越盈利拐点，IPO 更像在竞争烈度见顶前抢窗口。对看新能源的人，真正该盯的是"华为系"上市资产的估值锚：阿维塔定价会直接影响赛力斯、引望这条链上其他标的的重估。
开源 AI 云（neocloud）Together AI 完成 8 亿美元 C 轮、估值 83 亿美元，Aramco Ventures 领投，Vista、General Catalyst、NVIDIA 等参投；16 个月前 B 轮估值还是 33 亿。公司称截至上季度年度预订额已超 11.5 亿美元，付费客户含 Cursor、Cognition、Decagon。背景是企业越来越多用"能力够用但远比封闭前沿模型便宜"的开源模型，推动过去一年行业开源模型用量增长三倍；同类 neocloud（TensorWave、Upscale AI）近期也密集融资。
🦐点评：Together AI 接受了比传闻更低的融资额（10 亿→8 亿）却拿到更高估值（75 亿→83 亿），说明在泡沫焦虑升温时，一线 neocloud 仍握有议价权。但真正的信号是"开源模型用量一年增三倍 + 客户按成本挑模型"——这既是 Together 的顺风，也是隐忧：neocloud 是重资产生意，估值依赖"算力永远紧缺"叙事，一旦推理单价被开源模型和价格战继续打下去，它比轻资产的编排/网关层（如它自己点名的 OpenRouter）更脆弱。
📌 其他值得看
Meta 正制定云基础设施业务计划，拟对外出售 AI 算力与自研模型访问权限，与 AWS、Azure、Google Cloud 展开新竞争；据知情人士，方案包括把现有 AI 基础设施的闲置/富余算力卖给外部客户以创造收入。
一篇带调侃的原创评论，梳理"世界模型"概念的三个阶段——LeCun、李飞飞等从学术圈引入却没统一定义，视频模型厂借"实时生成"自称世界模型，最后沦为营销标签；作者认为不少所谓世界模型"不如直接做数字人"。
一篇 AI for Science 深度长文，探讨在 AlphaFold 掀起蛋白质结构革命之后，为 post-AGI 时代构建"生命科学引擎"的路径；强调生命科学不是纯软件系统，药物发现有实验、失败、监管和临床，AI 落地远比想象复杂。
复盘亿纬锂能 25 年"不跟风"的逆周期生长。2026 年电池行业主题仍是"活着"——全固态量产一再推迟至 2028-2030 年小批量、钠离子随碳酸锂跌破 10 万元吸引力下降，同时中国最严电池安全令把安全底线从"热失控前 5 分钟报警"进一步提升。
阿里把千问输入法做成独立客户端并上线 Mac 版，免登录、免费，按右 Option 键即可在微信/钉钉/Word/VS Code 等任意应用直接语音输入并 AI 自动润色，主打"说话即成稿"；本质是用输入法这个系统级入口卡位 AI 交互。 <!-- ai-daily:complete -->