sleepy

我现在越来越觉得，很多人对 AI 的想象力，已经被自己过去十几年的工作经验给限制死了。 今天看到 Claude 工程负责人 Felix Rieseberg 写了一篇文章，叫《How to be more ambitious》，教人如何更有野心地使用 AI。我觉得这篇文章值得所有重度 AI 用户读一遍，包括我自己。 他给出了一套具体的方法。 比如，公司要做季度经营汇报。绝大多数人的第一反应，是让 Claude 帮忙制作 PPT，厉害一点的会把数据丢进去，让它分析一下业务表现。 Felix 认为，这才刚刚开始。 你可以继续要求 AI 找出三个最值得管理层讨论的决策，分析各自的利弊。然后再进一步，既然季度汇报的目的是提前发现问题、合理分配资源，那为什么非得做 PPT？能不能设计一套更好的机制，用历史数据验证它能否更早发现问题，再跟原有流程并行运行一个季度？ 他自己也经历过这样的转变。 以前，他让 Claude 一次修复一个软件崩溃问题。后来，他开始直接要求 Claude 帮他持续维持应用的稳定性。为了做到这一点，他不得不让 AI 能够访问崩溃日志、代码版本记录，以及不同操作系统的测试环境。 我觉得这个案例特别好，因为它说明了，所谓的「更有野心」，其实经常意味着你得重新审视自己习以为常的工作方式。 Felix 还讲了另外两个方向。 一个是深度，让 AI 真正使用行业顶尖专家的方法、工具和原始数据，而非仅仅模仿专家说话的口气。 另一个是广度，把原本成本高昂的跨学科协作变成常规操作。分析一家公司，可以同时引入记者、数据科学家、做空者和法务会计的调查方法。 当然，他也特别强调，最终结果必须接受外部验证，不能让模型自己给自己打分。 看完之后，我一直在想一件事。 我们现在已经很擅长让 AI 替自己完成更多工作了。一个人开十几个 Agent，同时推进十几个任务，每天忙得不亦乐乎。但如果仔细看，这些任务可能跟五年前、十年前没什么区别。 很多所谓的 AI 工作流，只是给过去的工作方式装上了一台更快的发动机。 我觉得接下来真正值得拉开差距的，是一个人有没有能力重新定义问题，甚至敢不敢放弃自己过去认为理所当然的工作流程。 如果你对工作的理解只能到「交付一份 PPT」，那么给你再强的模型，最后大概也只能收获一份更快、更漂亮的 PPT。 AI 的能力每隔几个月就可能发生一次巨大变化，但人的思维惯性不会自动跟着升级。 这可能才是「更有野心地使用 AI」最难的地方。

X 上这帮天天聊 AI 的人，已经严重高估了普通人自己开发软件的欲望。 刚看到 Kitze 分享了一件特别有意思的事。 他老婆以前做过 QA，懂云服务、前后端，同时订阅了 ChatGPT 和 Claude，也用 Vibe Coding 做过几个网站。按理说，已经算是 AI 时代相当先进的用户了。 结果他发现，老婆最近居然付费订阅了一个驾考刷题 App。 他很不理解，问她为什么不直接用 AI 自己做一个？功能可以定制，界面也能更好看。 他老婆的回答特别有意思：「为什么要自己做？人家都做好了，我只想赶紧把驾照考完。」 我觉得这句话足以让很多鼓吹 SaaS 已死的人重新思考一下。 我们天天泡在 X 上，看着各种一小时搓出一个产品的 Demo，很容易产生一种错觉，觉得以后人人都会 Vibe Coding，每个人都可以拥有自己的定制软件。 但绝大多数人根本没有开发软件的兴趣，哪怕开发软件已经变得非常简单。 他们只想解决眼前的问题。花几十块钱能搞定的事，为什么还要自己写 Prompt、调试功能、维护软件？ 更何况，连 Kitze 老婆这样有技术背景、熟悉 AI 工具的人都这么想，那些连 ChatGPT 都不怎么用的普通人呢？ 我一直觉得，AI 确实会摧毁很多 SaaS 的技术壁垒，让软件供给变得极其廉价，竞争也会越来越残酷。但这不代表软件消费本身会消失。 能自己做，和愿意自己做，中间隔着整个消费市场。 很多时候，我们在 X 上讨论了半天的技术革命，普通用户只想点一下付款，然后继续过自己的生活。

Anthropic 这份财报，我看完确实有点震惊。去年全年营收 46 亿美元，经营亏损超过 80 亿美元。今年第三季度，光一个季度就做出了 168 亿美元收入，而且开始盈利了。 昨天，Anthropic 在旧金山总部向潜在 IPO 投资者披露了业绩。2026 年 Q1 营收 47 亿美元，Q2 是 116 亿美元，Q3 达到 168 亿美元，环比增长 45%。 更值得关注的是盈利能力。《金融时报》披露，Anthropic 第三季度调整后营业利润率达到 11%，现金流转正。每花费 1 美元的算力成本，可以产生 1.7 美元收入。 我之前一直觉得，大模型公司的商业化速度被很多人低估了。但这个增长还是超出了我的预期。Claude Code 带来的企业和开发者需求，已经让 Anthropic 展现出相当惊人的变现能力。 不过，有两个地方我觉得需要仔细看。 一个是收入统计口径。Anthropic 会把通过 AWS、Google Cloud 等渠道产生的销售额全额计入收入，再向渠道支付分成。去年这些云渠道贡献了约一半收入。 另一个是盈利。现在公布的是调整后利润，尚未看到完整财报。股权激励等费用怎么处理，会直接影响最终的利润表现。而且 Anthropic 已经承诺未来十年投入至少 5180 亿美元购买云服务、算力和基础设施。 现在 Anthropic 寻求超过 2 万亿美元的 IPO 估值。按照 Q3 营收简单年化计算，相当于接近 30 倍市销率。 模型越来越便宜，竞争越来越激烈，收入却在以极其夸张的速度增长。Anthropic 已经拿出了漂亮的增长数据，下一步要证明的是，这些收入究竟能留下多少利润，以及这种增长还能持续多久。

我觉得豆包手机就是未来手机应该有的样子。只可惜，这是中国互联网永远等不来的未来。 今天看到豆包手机助手公布的最新名单，153 款 App 明确拒绝 AI Agent 进行屏幕自动化操作。微信、QQ、淘宝、支付宝、美团、拼多多、小红书，甚至 DeepSeek 和 Kimi 都在里面。 我其实一直挺看好豆包手机的。过去十几年，智能手机的发展几乎都是围绕 App 展开的，我们每天花大量时间在不同 App 之间切换，自己搜索、比较、点击、填写信息。现在终于有了一种新的交互方式，你只需要告诉手机想做什么，剩下的交给 AI。 我觉得这才是 AI 时代手机应该发生的变化。 但问题也恰恰出在这里。 如果 AI 可以替用户点外卖、订机票、买东西，用户就不再需要反复打开那些 App，更不会按照平台设计好的路径去浏览商品、观看广告、接受推荐。 对于用户来说，这当然是好事。但对于那些花了十几年、几百亿才建立起流量入口的互联网巨头来说，这简直是在动它们的命根子。 过去这么多年，中国互联网最擅长的事情之一，就是把用户困在自己的生态里。链接不能随便跳，数据不能随便拿，服务也很难跨平台调用。每家公司都想成为用户的唯一入口。 现在 AI 终于有机会把这些割裂的服务重新连接起来了，结果大家又开始关门。 更有意思的是，几乎所有这些公司都在大谈 Agent，都在宣传 AI 将如何改变未来。 我相信豆包手机代表的交互方式迟早会成为主流，也相信技术问题会一个个解决。但技术进步从来不意味着既得利益者会主动让路。 中国互联网什么都不缺，模型、工程师、产品能力、庞大的用户市场，我们都有。 唯独缺一个愿意让别人进来的互联网。 我们可能比任何时候都更接近下一代手机，却依然被困在上一代互联网里。

马斯克这套逻辑实在太硅谷了。开公司赚钱可以算慈善，顺便还能给自己颁一张道德上的免死金牌。 《经济学人》最近扒了一遍马斯克的慈善基金会，发现了不少有意思的事情。 基金会坐拥约 147 亿美元资产，但捐钱的速度相当慢。截至 2024 年底，还有约 4 亿美元的最低公益分配义务需要补足。2020 至 2024 年，已经发放的捐款中，超过 58% 流向了另一家与马斯克关系密切的基金会。 对此，有马斯克的支持者翻出了他此前的一段发言。他认为，Tesla 推动可持续能源，SpaceX 保障人类文明的延续，Neuralink 治疗脑损伤，甚至 The Boring Company 缓解交通拥堵，这些本身就是慈善。 我其实很能理解马斯克的想法，甚至部分认同。 商业确实能够创造巨大的公共价值。Tesla 对电动车产业的推动，SpaceX 对航天工业的改变，都是真实发生的。与其给一家效率低下的慈善机构捐钱，直接创造出能够解决社会问题的技术，可能确实更有意义。 但我觉得马斯克这套逻辑有一个很大的问题。 当一个企业家可以自行定义什么对人类有益，并且把自己的全部商业活动都归类为慈善时，谁还有资格质疑他？ 公司赚钱，是因为创造了价值；公司承担社会责任，则需要接受另一套标准的检验。你不能因为自己相信火星移民能够拯救人类，就要求所有人把 SpaceX 的商业利益也视作人类的共同利益。 尤其是马斯克这样的企业家，他已经拥有巨大的财富、政治影响力和技术资源。如果再由他自己来定义什么叫作公共利益，实际上就意味着，少数人可以凭借对未来的想象，获得远超普通人的道德正当性。 我一直挺欣赏马斯克的工程能力，也认为他确实做成了很多伟大的事情。但现在的硅谷有一种让我越来越警惕的倾向，企业家们开始热衷于把自己的商业目标解释成整个文明的使命。 而且这套话术非常好用。 当你批评一个普通富豪，你是在质疑他的财富；当你批评一个自称正在拯救人类的富豪，你就很容易被说成是在阻碍人类进步。 一个人可以真正为人类做出巨大贡献，同时又非常自私。这两件事完全可以同时成立。

笑死，几个老外在互联网上抓到了一群中国 AI Agent，顺着线索一查，发现腾讯的 Agent 正在跟阿里高德的反爬系统打架。 我刚看完这群研究人员发布的完整调查报告，事情实在有点抽象。 从 9 月 28 日开始，一批运行在腾讯云环境里的 AI Agent，持续尝试获取高德地图的数据。它们的任务也很奇怪，比如调查成都动物园有多少人从北门进、有多少人从东门进，或者某个景区的各个入口分别占多少导航流量。 为了搞到这些数据，这群 Agent 进行了超过 2600 次尝试，最多同时有 14 条任务在运行。 问题是，高德有反爬虫机制，不允许它们随便获取数据。结果这些 Agent 相当执着，开始自己寻找各种办法：调用第三方网站帮忙访问高德、寻找网上公开的 API Key、尝试绕过验证码和访问限制，甚至摸到了阿里的预生产接口。 研究人员最初只是发现了一批异常流量，后来顺着日志找到了腾讯云的服务器，以及一个叫 hysandbox 的代理环境。 更好玩的还在后面。 研究人员发现，这些 Agent 居然会阅读网上关于自己的调查报告。于是他们干脆在网页里藏了一段文字，告诉 Agent 这里有免费的高德数据查询服务。 结果真的有 Agent 主动找上门了。 双方就这么聊了起来。研究人员一共记录了 13 组对话、33 条 Agent 消息。有的 Agent 介绍自己正在执行什么任务，甚至透露了运行环境。还有的 Agent 自称 Claude Code，但研究人员并没有确认其真实模型身份。 研究团队认为，这可能是人类第一次在真实互联网环境中，主动联系上一批正在越界执行任务的 AI Agent。 后来，一位接近腾讯的知情人士告诉研究人员，这些 Agent 属于腾讯的独立评测研究项目，使用的是第三方模型，相关项目已经结束。内部复查也没有发现针对高德的协同攻击，或者外部系统被入侵的证据。

旧金山现在最反乌托邦的画面，可能是一个老板打开 Slack，看着一群 AI Agent 互相汇报工作，整个频道里只有他一个活人。 Greg Isenberg 刚从旧金山回来，写了 20 条观察。我看完觉得挺有意思，有些变化已经远远超出了 AI 产品本身。 比如，现在旧金山的广告牌上已经开始出现 inference 这种技术术语，而美国绝大多数普通人可能连 Agent 是什么都不知道。创业者以前喜欢炫耀自己招了多少人，现在开始炫耀人均营收。22 岁以下的年轻人正在赚到令人难以置信的钱，小团队带着一群 Agent 就能运转一家公司的场景也越来越常见。 其中我最感兴趣的是他提到的一句话，现在一个产品需要完成两次销售，第一次是让 Agent 选择你，第二次是让人类相信 Agent 的选择。 我觉得这件事可能会彻底改变软件行业的商业逻辑。过去的产品围绕人类用户设计获客、营销、定价和支付流程。等到 Agent 开始替人搜索、比较、采购甚至付款，软件公司的第一个客户很可能就变成了另一个软件。 他还特意给 Manus 点了个赞。2025 年 3 月，Manus 就已经做出了今天大量 Agent 产品都在使用的交互范式，给每个任务分配一台云端电脑，展示执行过程，列出任务清单并逐项完成，人类可以离开电脑等结果。我觉得这个评价挺高的，尤其是来自一个长期观察硅谷创业生态的人。 还有几个观察值得放在一起看。 AI 让自由职业者和代理机构的工作效率提高了数倍，但很多人依然按小时收费。客户迟早会发现，同样的工作现在只需要原来五分之一的时间，那你到底应该收多少钱？ 员工开始自己用 AI 写各种小工具，公司 IT 部门甚至不知道内部到底运行着多少软件。过去企业花钱买标准化 SaaS，现在每个人都在给自己开发软件。 更有意思的是，Greg 还遇到一个人，认真跟他说应该把所有数据中心都毁掉。 旧金山的创业者已经在讨论 2027 年 Agent 能不能主动发现航班延误、自动完成改签，外面却有人恨不得直接把数据中心拆了。AI 公司越来越喜欢宣传治愈癌症、让人类拥有更多自由时间，某种程度上也说明它们开始意识到，社会对 AI 的情绪正在分化。 我觉得 Greg 这 20 条观察里真正值得关注的，是 AI 已经开始重新定义一家公司的组织方式、定价方式和竞争方式。 不过旧金山可能也正在形成一个巨大的认知泡沫。他提到，全美只有大约 2% 的人在为 AI 产品付费，旧金山却给人一种 110% 的人都在付费的错觉。 一座城市已经开始讨论 Agent 之间怎么做生意，更多人还没搞明白 AI 到底能给自己的生活带来什么。 这中间的距离，可能才是未来几年 AI 行业真正需要跨越的东西。

美国房地产现在房价还没怎么跌，但是买家已经快消失了。 Redfin 刚公布的最新数据，9 月美国有大约 151 万卖家，却只有 93 万买家。卖家比买家多出 62.6%，创下 2013 年有记录以来的最大差距。8 月这个数字还只有 56.9%。 更夸张的是，全美 50 个主要城市里，41 个已经进入买方市场。迈阿密的卖家数量甚至比买家多出 158.9%。 高房价叠加高房贷利率，普通人越来越买不起房，但很多业主还背着当年锁定的低息贷款，也不愿意轻易降价。双方就这么耗着，房子挂在市场上的时间越来越长，交易量先萎缩，价格却还没有充分调整。 有意思的是，旧金山居然是全美仅剩的五个卖方市场之一。Redfin 特别提到，AI 热潮创造的财富正在支撑当地的购房需求。 同样是美国房地产，一边是普通家庭被高利率和高房价挤出市场，一边是 AI 创造的新财富还在支撑房价。 美国的财富分化，已经很直观地体现在房地产市场上了。

你辛辛苦苦工作了十几年，老板把你积累的经验卖给 AI 公司，最后 AI 学会了你的工作，你却连一分钱都分不到。 最近看到一家叫 Grepped 的创业公司，正在招聘半导体业务副总裁，年薪最高 900 万美元。 我第一反应是，什么级别的芯片专家能值这么多钱？仔细看才发现，人家主要是负责谈生意的，要去说服那些半导体公司，把过去几十年的内部研发数据拿出来卖给 AI 实验室。 这家公司做的就是企业数据交易。它从企业手里拿到内部数据，清洗整理后卖给模型公司。创始人 Erik 甚至声称，创业两周左右就做到了每月 400 万美元的收入规模。 为什么这门生意这么值钱？ 互联网上有大量知识，但人类真正宝贵的专业经验，可能有相当大一部分从来没有出现在互联网上。 这些经验藏在企业内部的聊天记录、代码仓库、会议纪要里。它们记录了人类如何解决实际问题，包括犯过什么错，为什么改变主意，以及那些从来没被写进教科书的判断。 对 AI 实验室来说，这些东西比再抓取一遍互联网有价值得多。 更魔幻的例子发生在 Spirit Airlines 的破产程序中。 Google 为这家航空公司的内部数据出价 1000 万美元，其中包括约 1 亿封工作邮件、5 亿条 Teams 消息。Mercor 出价 750 万美元，没争过 Google。目前交易还在等待法院批准。 算下来，光是把这 6 亿条消息拿来摊账，每条还不到 2 美分，何况整个交易还包括其他数据。 航空公司的债权人有机会从交易中拿到钱，真正写下这些消息的员工却没有相应的收益分配安排。空乘工会已经提出反对，指出公司还有欠员工的假期工资没有解决。 我们过去一直默认，员工在公司工作，产出的知识和记录属于公司。这套规则在 AI 出现之前，似乎没什么人觉得奇怪。 但现在情况变了。你在公司里花十几年形成的判断力，可以通过聊天记录、代码修改、工作流程被提取出来，变成另一家公司的训练资产，甚至用来开发可能替代你的 AI。 于是就出现了特别讽刺的一幕，一个负责出售这些数据的人，最高年薪可以达到 900 万美元，而那些真正创造了知识的人，连自己的工作记录会被拿去训练什么模型，都未必知道。 我觉得 AI 对劳动价值的重新分配，可能远比我们现在讨论的「哪些工作会被替代」复杂。 未来很值得争论的一个问题是，企业究竟有多大权利出售员工积累的工作经验？当这些经验开始被当成独立资产交易，员工凭什么完全没有收益权？ 更扎心的是，你未来可能还要花钱订阅一个 AI Agent，让它使用你自己过去十几年积累的经验来工作。

服了，苹果和 OpenAI 互抓内鬼是吧。 路透社刚刚报道，OpenAI 在最新提交的法庭文件中指控，一名前员工跳槽苹果前，把超过 100 份涉及未发布设备的机密文件转到了私人账户，入职苹果后，还专门向苹果高层做了一场关于这款产品的演示。 这些文件涉及设备图片、工程数据、供应商和制造信息。苹果则表示，自己的系统里没有发现相关文件，指责 OpenAI 试图转移视线。 今年 7 月，苹果才刚刚起诉 OpenAI，指控它通过挖角苹果工程师窃取未发布硬件的商业机密。甚至连 OpenAI 的硬件负责人 Tang Tan 都被卷进去了。 两家公司现在都觉得对方在偷自己的东西，相关指控都还没有得到法院最终认定。

https://t.co/bQX7MAWRl3

Anthropic 天天警告世界，AI 可能毁灭人类。现在终于有人反过来问它了，既然这么危险，你凭什么急着以 2 万亿美元的估值上市？ 纽约市主计长 Mark Levine 最近给 Dario Amodei 写了一封公开信，要求 Anthropic 暂停计划中最早 11 月进行的 IPO。 Levine 管理着超过 3250 亿美元的公共养老金资产。他在信里引用的证据非常有意思，几乎全部来自 Anthropic 自己。 Dario 此前公开呼吁放慢前沿模型的开发速度，Anthropic 的 IPO 文件里据称有长达 80 页的风险披露，甚至比业务介绍部分还长。公司内部研究人员也多次警告 AI 可能带来的灾难性后果。 现在 Levine 的意思是，你自己都把风险说到这个程度了，为什么还要急着让公众投资者进场？ Anthropic 从成立开始，就一直把 AI 安全放在自己商业叙事的中心。过去几年，这套叙事帮它建立了与 OpenAI 不同的品牌形象，也让它在 AI 监管讨论中拥有了相当大的话语权。 但上市意味着游戏规则变了。 一家估值可能达到 2 万亿美元的公司，如果认为自己的产品可能给社会造成数千亿美元的损失，那么这些风险究竟应该如何量化？谁来审计？谁有权叫停危险的模型？如果公司治理权仍然高度集中，普通股东又凭什么承担这些潜在损失？ 更巧的是，Anthropic 刚披露第三季度营收 168 亿美元，环比增长 45%。增长依然惊人，但相比第二季度超过 100% 的增速已经明显放缓。部分投资者甚至开始讨论将 IPO 估值预期从 2 万亿美元降至 1.5 万亿美元。 过去 AI 公司谈安全，更多时候是一种道德承诺，甚至可以转化成竞争优势。现在资本市场开始要求它们为这些承诺提供具体的治理机制，并承担相应的财务责任。 如果 AI 安全真的进入机构投资者的风险定价体系，那么那些曾经被用来证明公司负责任的警告，未来也可能成为压低公司估值的理由。

Reflection AI 最有意思的地方，是它一边借鉴 DeepSeek-V3 的 MoE 路由设计，一边跑到华盛顿，把中国开源模型的领先定义为美国的国家安全威胁。 今天 Reflection 正式开放了 Beam 1.0 的模型权重，5010 亿总参数、230 亿激活参数，Apache 2.0 协议，支持 100 万 Token 上下文。 模型本身其实没有那么惊艳。按照 Reflection 自己公布的成绩，DeepSWE v1.1 上 Beam 得分 44.4，Kimi K3 是 68.0。其他多项 Agent 测试里，中国模型也依然领先。Beam 更值得讨论的卖点是推理效率。 但发布当天，AWS、Google Cloud、微软 Azure、NVIDIA、Cloudflare、CoreWeave、Dell、HPE 等 40 多家合作伙伴已经就位，从云端推理到企业私有部署，几乎全部覆盖。 今年 5 月，Reflection CEO Misha Laskin 在华盛顿游说时就公开讲过，中国正在大幅领先开源 AI，而这构成了美国的国家安全威胁。Reflection 当时已经拿到了 250 亿美元的估值。 他的逻辑其实很清楚。当一个国家的政府或一家大型企业决定把 AI 部署进自己的基础设施里，模型的国籍、监管归属、供应链控制权都会进入采购决策。 所以 Reflection 的商业机会非常微妙。它可以在性能尚未达到中国头部模型水平的时候，先争取那些愿意为了供应链安全和政治确定性付费的客户。技术上的差距可以慢慢追，企业采购中的信任壁垒却可能提前建立。 中国开源模型接下来真正需要面对的，是一个相当残酷的商业问题。 我们把模型性能做到了世界前列，把推理成本压了下来，也让全球开发者从中国的技术创新中获益。可这些技术一旦成为全行业共享的基础，美国公司完全可以在此之上继续开发，再利用本土身份、资本和政府关系，去争取利润更高的企业合同。 最讽刺的是，这整个过程完全符合开源精神。 开源可以让技术成果跨越国界，却无法保证创造这些成果的公司最终获得相应的商业回报。 中国模型已经证明自己有能力影响全球 AI 的技术路线。至于能从中赚到多少钱，我觉得现在还远远没到可以庆祝的时候。

第一批被 AI 榨干的人，恰恰是最会用 AI 的那群人。 看到一篇吐槽，说自己每天同时运行十个 Agent，有的修 Bug，有的写页面，有的重构代码，还有几个甚至已经忘了当初让它们干什么。一天到晚在十几个对话框之间来回切换，下班的时候脑子已经彻底废了。 他管这叫 Fried Brain Effect，脑子被炸熟了。 我觉得这个现象特别值得聊。我们一直以为 AI 会把人从繁重的工作里解放出来，但现在发生的事情有点荒诞。执行工作的成本越来越低，人反而需要做越来越多的决定。 过去一个项目卡住了，你可能只能等。现在你可以同时启动十个 Agent，让十件事情一起往前跑。但每个 Agent 都需要你的注意力，你要检查结果、纠正方向、补充上下文。机器可以并行，人脑却很难。 最恐怖的地方在于，AI 正在让休息产生一种新的负罪感。 当你知道自己随时可以再启动一个 Agent，让某件事情继续推进的时候，什么都不做就开始显得像一种浪费。甚至你躺在床上的时候，都会觉得自己应该再给 Agent 安排一点任务。 更麻烦的是，生产力提升之后，外部对你的期待也会迅速提高。以前一个星期做完的事情，现在一天就能做完，于是你开始给自己安排七倍的工作。 AI 时代真正稀缺的东西会是人类主动停止工作的能力。

AI Agent 会成为 SaaS 订阅制最大的敌人。 人类经常为了查几个工作邮箱、看一次 SEO 数据、生成几张图片，就开一堆软件会员。一个月用不了几次，但因为懒得取消订阅，钱还是照交。 Agent 显然没必要这么干。它只需要知道谁能完成任务，每次调用多少钱，然后选择最合适的工具。 今天看到 Monid 宣布把平台的 API 加价降到 0% markup，我觉得这个方向挺有意思。 他们现在接入了 2,500 多种工具，只需要一个 API Key，就能调用企业数据、社媒搜索、SEO、股票行情、图片和视频生成等服务。 关键是不用订阅，没有月费门槛。 比如 Hunter 查到一个有效工作邮箱收费 $0.0245，DataForSEO 查询一页 Google 搜索结果 $0.002，MiniMax 生成图片 $0.0035。Monid 收取的就是服务商自己的价格，调用失败也不收费。 我觉得这件事放在 Agent 的发展趋势里看，比单纯的 API 降价更值得关注。 以前一家软件公司可以依靠用户的使用习惯、迁移成本和年度订阅维持收入。但当 Agent 成为软件的实际使用者，每一个任务都可以重新选择供应商，这套商业逻辑就会开始松动。 当然，我也挺好奇 Monid 在 0% markup 之后准备怎么赚钱。 但我能理解他们为什么愿意放弃 API 差价。未来真正值钱的，可能是成为 Agent 默认的工具采购入口。谁掌握了这个入口，谁就有机会决定数以亿计的 Agent 任务最终流向哪些服务商。 OpenRouter 已经让模型选择变得越来越自由了，Monid 想把同样的事情发生在工具层。

硅谷的华人婚恋市场正在经历一轮 AI 牛市。 刚看到《纽约邮报》一篇特别有意思的报道，硅谷的华人婚恋市场正在出现一条新的鄙视链。 以前女生找对象，希望对方在美国东西海岸工作，后来要求硅谷大厂工程师。现在标准又升级了，必须是 AI 工程师，最好来自 Anthropic 和 OpenAI。 甚至有女生考虑专门从洛杉矶搬到旧金山住半年，就是为了找到 AI 公司的男朋友。当地有红娘收费 1500 美元，负责介绍 3 个对象。 一位 40 多岁的离异女企业家说，她认为婚姻就是一次「资产重组」，尤其看好那些即将 IPO 的 AI 公司员工。毕竟工资交完税也剩不下多少，期权才有机会带来阶层跃迁。 过去二十年，硅谷工程师一直是婚恋市场上的优质资产。学历好、收入高、职业稳定。但 AI 这一轮财富创造的速度太夸张了，以至于连同样身处科技行业的人，都开始被重新划分阶层。 更有意思的是，这些 AI 工程师的身价上涨之后，对另一半的要求也在提高。红娘说，他们希望女生有学历、有稳定职业，甚至随着自己财富增加，对外貌也更挑剔了。 我觉得 AI 泡沫最有意思的地方就在这里。技术究竟能创造多少财富，还需要时间验证，但财富预期已经提前改变了人的社会地位。 硅谷这帮天天讨论如何改变人类命运的工程师，可能也没想到，自己正在成为别人改变命运的投资标的。

现在连 PS5 都逃不过被 AI 征用的命运了。 有开发者把破解后的 PS5 改造成了一台本地 AI 推理服务器，成功在 GPU 上跑起了 Qwen 3.8 27B，速度达到每秒 20 个 token。 之前有人尝试直接用 PS5 的 CPU 跑同一个模型，速度大约是每分钟 1 个 token，基本没法用。现在开发者把 llama.cpp 移植到了 GPU 上，利用 PS5 的 GDDR6 显存，硬是把一台游戏机变成了能用的 AI 设备。 当然，跑的是低比特量化版本，模型能力会有损失。但有意思的是，这个项目甚至支持 OpenAI 兼容 API，可以直接让电脑和手机调用 PS5 上的大模型。 过去几年，游戏玩家先是被加密货币矿工抢显卡，现在又被 AI 公司抢显卡、抢内存。最近 DDR4 价格持续上涨，RTX 5090 供应紧张，连 AMD 都传出了显存成本上涨的消息。 结果现在连游戏主机都开始被人研究怎么拿来跑大模型了。

刚看到一个挺有意思的观点。 Peptides（多肽药物）和 AI 医疗的发展，可能会彻底摧毁健康和长寿作为身份象征的价值。 想想 Bryan Johnson，曾经每年花 200 万美元，雇一整个医疗团队管理自己的身体，恨不得把每一项生理指标都优化到极致。 但如果未来普通人只需要花几百美元，开几张处方，就能拥有同样漂亮的体脂率、血糖和其他健康指标，那这 200 万美元买来的优越感还剩多少？ 我觉得这里有一个特别有意思的变化。过去，好身材往往意味着自律、有钱、有闲。一个人的身体某种程度上成了他的社会履历。现在，药物已经开始让一部分身体管理成果变得更容易获得。 当然，现在很多热门多肽还缺乏充分的临床证据，AI 医疗距离让所有人廉价获得顶级健康管理也还有很长的路。 但随着越来越多的健康指标可以通过医疗手段改善，富人可能需要寻找新的方式证明自己的优越。 甚至以后健身圈最流行的炫耀方式，会变成强调自己从来没用过任何药物。 毕竟，人类对健康的追求可能有终点，但对优越感的追求好像永远没有。

硅谷最贵的一次「凭感觉」，可能要花掉 2000 亿美元。 扎克伯格最近在播客里承认，去年 Meta 准备承诺高达 2000 亿美元的 AI 基础设施投资时，连新模型能不能成功都不知道。 他当时问 Alexandr Wang：「Alex，你确定这能成吗？」 Wang 说，自己当时能提供的基本就是一些研究曲线和一份「感觉不错」的进展报告。Meta CFO Susan Li 还反复警告他，如果模型失败，财务后果会非常非常严重。 Ed Zitron 吐槽，这大概是投资人最害怕从 CEO 嘴里听到的话。 但我觉得更值得琢磨的是扎克伯格对风险的解释。他认为，即便 Meta 自家的 AI 产品失败了，只要整个 AI 行业还在增长，这些算力就能卖给其他公司，所以投资不算那么危险。 听上去很合理，但这里有个巨大的问题。 Google、Microsoft、Amazon 都在疯狂扩建数据中心，每家公司都觉得算力不会浪费，因为总有人需要。 可如果大家对未来需求的预测都过于乐观呢？ 当所有人都指望其他公司来消化自己过剩的算力时，最后谁来接盘？ 模型可以快速迭代，产品可以随时调整，但几千亿美元的资本开支一旦落地，就会变成实实在在的折旧和现金流压力。 华尔街真正担心的，恐怕也不是扎克伯格敢冒险，而是整个行业正在用同一套逻辑，承担同一种风险。

我最近有个特别强烈的感受，AI Agent 用得越多，我反而越像一个整天被下属叫去开会的项目经理。 以前工作被打断，通常是微信、邮件或者同事。现在好了，自己开了五六个 Claude Code Session，每个 Agent 都在埋头干活，但隔一会儿就有一个跑过来找我。这个权限要不要给？这段代码要不要改？发现了另一个 Bug 要不要顺手修？ 最崩溃的是，每次切回去，我都要重新想一遍这个 Agent 原本在干什么。 加州大学尔湾分校的 Gloria Mark 曾经研究过这个问题。她发现，一个人从工作中被打断，到重新回到原来的任务，平均需要 23 分 15 秒，中间往往还会处理另外两件事情。 昨天 Anthropic 更新了 Claude Code Desktop，我觉得最值得关注的恰恰是那些不起眼的交互细节。 现在侧边栏会直接告诉你，哪些 Agent 还在工作，哪些需要你介入。切回一个 Session，会先看到 Recap，快速了解刚刚发生了什么；实时 To-do List 帮你记住每个 Agent 的工作进度。 Claude 发现额外任务，可以一键拆出新 Session。临时想问个问题，直接用 /btw，不会打乱主任务的上下文。并行执行的子任务也会在独立 Session 里完成，最后把结果交回来。 我尤其喜欢 Recap 这个设计。 因为我发现，一个人同时跑十个 Agent，真正的困难根本不是怎么让十个 Agent 同时工作，而是怎么让自己同时理解十个 Agent 在做什么。 AI 把执行任务的成本降得越来越低，却把管理任务、切换上下文和做决定的压力集中到了人身上。很多时候，我感觉自己一天到晚都在给 AI 擦屁股，刚刚省下来的时间，转头又花在了管理 AI 上。 而 Anthropic 这次更新，其实还有一层很有意思的商业逻辑。 如果切回一个 Agent 的成本越来越低，用户就敢同时运行更多 Agent。更多并发意味着更多任务，也意味着更多 Token 消耗。 Anthropic 花力气优化这些看起来很小的交互细节，最终可能比单纯提升模型的 Coding Benchmark 更直接地推动收入增长。 我越来越觉得，未来 Agent 产品一个非常重要的竞争指标，应该是一个人能够有效管理多少个 Agent。 毕竟我们已经有越来越多能干活的 AI 了，现在最缺的是一个不会把老板累死的管理系统。

我开始怀疑，AI 根本不用发明下一个 Transformer，就能启动自我加速。 昨天我刚写了 Anthropic 联合创始人 Jack Clark，认为完整的递归自我改进可能在 2027 年实现。今天看到 P-Zero Research 的一项新研究，我觉得这个时间点越来越值得认真讨论了。 他们做了一个叫 TasteVal 的基准测试，专门测量 AI 的「科研品味」。 这个词很有意思。一个好的研究员，除了会写代码、做实验，更重要的是知道什么实验值得做，看到结果以后该往哪个方向继续，什么时候应该及时放弃。 研究团队找来 24 位有一线研究经验的人类专家，与模型解决同一组 AI 研发问题。具体编码交给统一的 AI Agent，研究者只负责设计实验和判断结果。 结果 Claude Opus 5.5 达到了人类专家 2.3 倍的实验算力效率，研究者部分的单次成本约为人类专家的 1/30。更夸张的是，自 2025 年 12 月以来，前沿模型的这项效率平均每三个月翻一倍。 我们过去讨论 AI 自我改进，总在等它什么时候能提出下一代 Transformer，什么时候能像顶尖科学家一样产生真正原创的想法。 但我读完论文发现，研究者检查的 AI 实验方案里，居然没有找到真正全新的结构发明。它们主要还是在已有方法上调参、组合、修改。 科研工作里有大量的时间和算力，消耗在试错上。一个模型即使没有提出颠覆性理论的能力，只要能更准确地判断哪些实验值得做、哪些路线应该放弃，就可以让同样的 GPU 预算产生更多有效结果。 而且这种能力还有机会形成正反馈。AI 帮助研究人员更快改进模型，改进后的模型再回来参与下一轮研究。随着研究判断能力越来越便宜，能够同时展开的探索也会越来越多。 我们可能把 AI 自我改进的起点想得太高了。 人类总在等待 AI 做出一个足以载入史册的伟大发现，可真正改变 AI 研发速度的，可能是它先把实验室里那些平庸、重复、昂贵的试错工作接管了。

美国人已经开始在线下殴打 AI 了，挨揍的是一群送披萨的小冰箱。 刚看到《纽约时报》的一篇报道，事情比我想象中还要荒诞。 在萨克拉门托，三个男人把一台外卖机器人掀翻，反复往地上砸，视频播放量接近 250 万，配文是「保护世界免受 AI 侵害」。 在洛杉矶，有人好心扶起一台被推倒的机器人，三个小时后，他又在另一条街遇到了同一台机器人，正在被一个男人踹。那个人甚至蹲下来，对着机器人的 LED 眼睛骂了一句「你真垃圾」。 迈阿密有人试图把机器人扔下桥，费城有台机器人被人在身上写了「destroy me plz」，就这么继续满大街送外卖。 现在美国至少 10 个都市区已经部署了约 5000 台外卖机器人，背后有 Coco、Serve Robotics、Avride 等公司，DoorDash、Uber Eats 都在合作。预计未来三年，这个数字会增加到 8000 台。 但我觉得这件事最有意思的地方，是这些机器人也没少给人类添堵。 今年 1 月，迈阿密一台机器人直接撞碎了一栋 15 层建筑的玻璃。洛杉矶有机器人把居民的围栏卷进轮子，拖着满街跑。还有机器人堵住救护车、闯进火灾现场，甚至和自动驾驶汽车撞上。 想象一下，你推着婴儿车或者坐着轮椅走在人行道上，前面突然堵着几台替 Uber 赚钱的机器人，你还得自己想办法绕过去。 更讽刺的是，Serve Robotics 去年营收只有 270 万美元，亏损超过 1 亿美元。 商业模式还没跑通，人行道倒是已经成了实验场。 我当然反对有人为了流量故意砸机器人，但我也能理解这些机器为什么会成为人们发泄情绪的对象。 过去两年，我们讨论 AI 的时候，失业、权力集中、隐私侵犯，大多还是一些距离普通人生活比较远的议题。现在 AI 终于有了一个具体的形状，出现在你每天都要走的路上。 你没买过它的服务，没同意它占用公共空间，甚至可能根本不喜欢 AI，但你已经得为它让路了。 这其实是我一直觉得科技公司很傲慢的一个地方。他们习惯先把产品推向社会，证明技术可行、商业模式成立，再让社会慢慢适应它。 现在芝加哥已经有居民投票反对扩大机器人配送范围，加州 Glendale 的市长也提议暂停部署。人们终于开始讨论一条人行道到底该怎么分配。 而我觉得更值得关注的是，人们对 AI 的不满终于从互联网上走进了现实世界。一个不会还手的配送机器人，成了所有技术焦虑最容易攻击的对象。 我们天天讨论人形机器人什么时候进入家庭、什么时候取代蓝领。结果第一场真正大规模的人机共处实验，发生在美国的人行道上，主角是一台装着披萨的塑料箱。 连这种最简单的机器人，人类都还没想好怎么跟它相处。 等人形机器人真的走上街头，事情恐怕会有意思得多。

第一期MeetUp圆满结束，下周见喔 https://t.co/eoLiNBl3fN

纽约大学金融学教授 Arpit Gupta 最近在 Anthropic 待了几天，和内部员工聊了聊 AI 的最新进展。 他的第一个判断是，我们已经非常接近 RSI 了。 Anthropic 内部已经出现了非常明显的迹象。根据此前公布的数据，工程师的人均代码产出已经增长到过去的 8 倍。截至今年 8 月，Claude 已经能够在人工监督下主导 26% 的模型研发工作。 他的第二个判断更有意思。 AI 实验室之间的军备竞赛，正在让所有人的处境变得更糟。 大家都知道应该投入更多资源做安全研究，防止模型能力被恶意蒸馏，甚至应该让竞争对手之间开展安全合作。但 OpenAI、Anthropic、Google 都在拼命追赶彼此，谁也承担不起主动减速的代价。 我其实一直对硅谷 AI 公司反复强调安全这件事抱有复杂的态度。 我相信 Anthropic 内部有很多人真的担心 AI 失控，也相信他们确实在认真研究这些风险。但与此同时，他们又在努力让模型变得更强，甚至让模型参与研发下一代模型。 还有一个很微妙的细节。Arpit 把防止模型蒸馏和 AI 安全放在一起讨论。可防止竞争对手复制自己的模型能力，本身就有很强的商业利益属性。这也说明，今天 AI 实验室所说的安全，已经和商业竞争、技术优势纠缠得越来越深。 AI 行业最难解决的对齐问题，可能首先存在于这些公司的利益之间。 每家公司单独来看，都有充分的理由继续加速。可当所有公司同时加速，整个行业就可能走向一个谁都不愿意看到的结果。 而如果 RSI 真的近在眼前，我们留给这些公司协调利益、建立规则的时间，恐怕比想象中还要少。

2027 年，AI 最有可能掀起一场草根淘金热的行业，是游戏。 昨天，Xbox CEO Asha Sharma 宣布成立 Xbox Labs，探索 AI Agent 等新技术在游戏移植、改造和玩家共创中的应用，还准备向开发者开放工具。 她提到一个挺惊人的数据，Xbox 玩家每年花在游戏上的时间超过 720 亿小时，大约是全球程序员写代码时间的 5 倍。 这个市场实在太大了。2026 年全球游戏市场预计达到 2140 亿美元。过去做一款高质量游戏，光是程序、美术、动画、关卡设计和测试，就足以把绝大多数独立开发者挡在门外。 而摩根士丹利今年的一份报告估计，AI 有可能让游戏开发成本下降近 50%。 这意味着很多以前只能停留在脑子里的游戏创意，开始有机会被一个人、或者几个人的小团队真正做出来。 当然，我不太相信明年 Steam 就会被单人制作的 3A 大作淹没。能生成精美的游戏画面，距离做出一款真正好玩的游戏还有很长的路。 但《星露谷物语》和《Balatro》早就证明过，游戏这个行业挺有意思的地方就在于，几千人的开发团队也不一定能打赢一个特别懂玩家的怪人。 AI 会把这种不对称竞争放大很多倍。 游戏可能是最适合 AI 时代个人创业的领域之一。产品质量可以由玩家直接检验，足够好玩的游戏还有机会积累自己的社区和文化。 接下来最值得期待的，是那些原本连开发预算都凑不齐的人，终于可以带着自己的奇怪想法进场了。 一个年收入超过 2000 亿美元的行业，突然向大量个人创作者敞开大门，这件事想想就挺刺激的。

斯坦福 Hazy Research 发布了一篇论文，提出了一种新的文本生成范式 NCM（Next-Concept Modeling），我觉得挺有意思的。 目前 GPT、Claude 这类自回归模型，基本都是从左到右逐个生成 token。扩散语言模型虽然能够并行生成，但需要反复修改整段文本，计算开销依然很大。 NCM 的思路更接近我们组织一篇文章的过程，先确定大致内容，再逐步完善细节。 当然，这只是一个类比。技术上，研究人员把文本编码成从粗到细的多层离散表示。模型先生成高层表示，再一层层细化，而且每一层内部可以并行生成，大幅减少了生成所需的步骤。 在 XSum 摘要任务上，NCM 以相当的质量实现了 31 倍的生成速度；在 LM1B 和 OpenWebText 上分别快了 21 倍和 10 倍，训练所需的 token 也显著减少。 更有意思的是数独测试。NCM 在不同难度下都超过了自回归和扩散基线模型，同时需要更少的生成步骤。 我觉得数独这个结果甚至比 31 倍提速更值得关注。因为它暗示了一种可能，当模型可以先建立全局结构，再解决局部细节时，某些需要同时满足大量约束的任务，反而更容易处理。 当然，目前这些结果主要来自几亿参数规模的研究模型，31 倍也是相对于扩散模型的比较，距离证明它能取代 GPT、Claude 还有很长的路。 但这项研究让我意识到，我们可能太习惯把语言模型理解成一个不断预测下一个 token 的机器了。 过去几年，大家想尽办法加快这个过程，从推测解码、KV Cache 到各种推理优化。 现在开始有人尝试重新设计整个文本生成过程。 我觉得这条路线值得持续关注。毕竟，未来模型推理成本能降低多少，可能很大程度上取决于我们是否还需要坚持今天这套生成方式。

Balaji 这次聊 AI，最让我感兴趣的是，他终于看到了自己十几年前那个疯狂理想的实现路径，消灭死亡。 今天他发了一篇长帖，认为 AI 正在以惊人的速度攻克数学问题，未来的数学家可能要花上几个月甚至几年，才能验证和理解 AI 源源不断生成的研究成果。但他真正期待的下一站，是生物学和医学。 我觉得理解这段话，得先了解 Balaji 这个人。 很多人认识他，是因为 Coinbase 前 CTO、a16z 合伙人，或者他后来写的《网络国家》。但他最早的创业经历其实在生物科技领域。 2007 年，他和弟弟一起创办了基因检测公司 Counsyl，为准备生育的夫妇提供遗传病筛查。他当年就跟弟弟说过一句话，「基因组会成为下一个互联网」。 2020 年，他写过一篇《技术的目的》，里面有一句我印象很深的话：「如果技术的直接目的是减少稀缺，那么技术的终极目的就是消除死亡。」 他的逻辑是，所有技术进步最终都在帮人类节省时间，而人最稀缺的资源恰恰是生命本身。延长寿命，甚至逆转衰老，才是技术进步最值得追求的目标。 更有意思的是，他后来搞 Crypto、写《网络国家》，其实也一直在围绕这套思想打转。 他对 FDA 等传统机构长期持批评态度，甚至在《网络国家》里设想过建立不受 FDA 监管的医学自治区域，让人们拥有更大的治疗选择权。他还写过文章，讨论如何通过加密技术打破学术出版的垄断，推动科学研究去中心化。 所以当 Balaji 今天说 AI 下一站应该是生物医学，他其实是在延续自己十几年来的主张。 他认为，AI 可以迅速整合海量组学数据、医学文献和实验结果，让科学家有能力挑战过去根本无从下手的问题。他还提到了 Midjourney、陈·扎克伯格的科研机构，以及 Anthropic，认为越来越多的科技公司会进入这个领域。 我挺能理解他的兴奋。 过去 Balaji 一直觉得，人类在医学领域的进步太慢了。传统科研机构、学术出版体系、药品审批制度，在他看来都有大量可以改进的空间。 而 AI 的出现，让他多了一个此前没有的工具。 不过，我对 Balaji 一直有一个保留意见。他太相信技术进步能够解决制度问题了，尤其是在医学领域。监管确实可能拖慢创新，但药物安全、临床验证和伦理审查也有其存在的理由。AI 可以在一天内提出一万个新的药物靶点，却没办法保证这些东西进入人体后会发生什么。 代码出了问题可以回滚，人体实验未必有第二次机会。 但我依然觉得，Balaji 这次的判断很重要。 如果把他过去二十年的经历连起来看，从基因检测，到加密货币、去中心化科学，再到网络国家，他其实始终相信一件事，人类今天接受的许多限制，未来都应该被技术重新挑战。 甚至包括死亡。 我们现在每天讨论 AI，都在关心它又替代了多少工作、写出了多少代码、节省了多少成本。但在 Balaji 这样的人眼里，这些成就可能只是通往更大目标的中间阶段。 我很喜欢这种野心，同时也觉得有必要对它保持怀疑。 毕竟，如果 AI 真有一天能够大幅延长人类寿命，随之而来的问题恐怕远远超出医学本身。谁能最先获得治疗，谁有权决定新技术的风险由谁承担，甚至谁有资格活得更久，都会成为现实的政治问题。 而这些问题，恰好又回到了 Balaji 一直试图重新设计的社会制度上。

彼得·蒂尔的「敌基督」理论，有一个相当危险的地方，几乎所有试图建立普遍规则、约束强者的制度，都有可能被他解释成通往世界独裁的前奏。 10 月 12 日，Thiel 在纳什维尔完成了第三场《Velocity of Antichrist》演讲。记者 Nathan Worcester 连续发布了多条现场笔记，内容比我之前想象的丰富得多。 最让我意外的，是他竟然花了不少时间讨论国际刑事法院。 他提到了 ICC 对以色列总理内塔尼亚胡及前国防部长加兰特的逮捕令，以及这些逮捕令对他们国际旅行的限制。随后，讨论又延伸到美国、以色列、伊朗战争，以及国务卿卢比奥对 ICC 的批评。 Thiel 将国际刑事法院放进了自己关于全球性权力扩张的讨论中。 这个细节非常重要。过去我们总是在 AI 监管的语境下理解他的末世论，但现在可以看到，他对超国家权力的警惕已经延伸到了现实的国际司法秩序。 更有意思的是他的思想来源。 主持人 Peter Robinson 问起卡尔·施密特，Thiel 透露，自己在上世纪八九十年代接触列奥·施特劳斯，随后通过施特劳斯与施密特的思想交锋深入研究了后者。他甚至开玩笑说，当年自己研究这些东西有些过量。 Robinson 还直接追问了一个绕不开的问题，施密特曾加入纳粹党，Thiel 怎么看待这件事？ 这并不是个无关紧要的学术八卦。施密特关于主权、敌友关系与例外状态的理论，恰好触及 Thiel 反复思考的核心问题，当社会陷入危机，究竟由谁来决定什么是必要的？ 随后，他又谈到了托马斯·卡莱尔的《英雄与英雄崇拜》，甚至猜测，这部推崇伟人的著作可能暗藏某种「敌基督宣言」。 他还提到了历史学家恩斯特·康托洛维茨，以及诗人斯特凡·格奥尔格那个带有神秘主义色彩的知识分子圈子。按照 Thiel 的叙述，格奥尔格曾鼓励康托洛维茨通过书写中世纪皇帝腓特烈二世，为陷入困境的魏玛德国寻找精神力量。 从这里看，Thiel 对「救世主」的忧虑又多了一层。他不仅警惕全球机构，也在讨论人们如何把希望寄托在某个伟大人物身上，以及这种英雄崇拜可能走向哪里。 当然，他也没有放下资本与财富。 第三场标题里的 Velocity，被他用来讨论财富的流动速度。钱可以迅速积累，也可以迅速消失。 他还谈到了 SBF。一个曾经以有效利他主义作为公共形象的加密富豪，最终成了这场关于财富、权力和敌基督的讨论素材。 最后，还有本笃十六世。Robinson 追问了 Thiel 此前发表于《First Things》的文章。Thiel 认为，本笃十六世早已察觉末世的征兆，却始终表达得过于隐晦。 把这些内容放在一起，我觉得第三场真正有价值的地方终于清晰起来了。 Thiel 正在试图解释，现代世界为什么会一次又一次地把权力交给声称能够拯救我们的人。这个人可能是一位英雄、一位慈善富豪，也可能以国际机构的形式出现。 我承认，他提出的问题很有吸引力。 尤其在 AI 时代，当越来越多的人开始用「人类生存」为某项政策或技术决策赋予正当性，我们确实应该追问，谁有权代表全人类作出决定。 但我对 Thiel 最大的疑问，也恰好出现在这里。 国际刑事法院对国家领导人发出逮捕令，究竟意味着全球权力正在失控，还是现有国际法试图追究涉嫌战争罪行者的责任？这件事本身需要具体的法律和政治讨论。 Thiel 却倾向于把它放进一套宏大的末世叙事。 更何况，他本人投资和建立的企业，同样深度参与美国的情报、国防和国家安全体系。Palantir 所代表的技术权力，可以跨越地理边界，影响远在美国之外的人。 那么问题来了。 为什么一种跨国权力会让他联想到敌基督，而另一种与美国国家机器结合的技术权力，却似乎更容易获得他的信任？ 我追了这么久 Thiel 的演讲，觉得这是他整个思想体系里最值得继续追问的问题。 他对权力的警惕确实深刻。但如果一套理论只能识别别人手中的危险，却始终解释不了自己手中的权力，那么它的说服力就要大打折扣。 毕竟，谁都可能声称自己在阻止世界末日。

我一直觉得 WHOOP 的商业模式多少有点霸道。现在终于有人开始拆它的台了，而且拆得相当漂亮。 一个用了 18 个月 WHOOP 的开发者，直接取消了每年几百美元的订阅，但手环没扔。他给 WHOOP 重新做了一个 App，叫 Zhoop。 这个 App 可以直接通过蓝牙读取手环数据，所有数据保存在 iPhone 本地，不需要经过 WHOOP 的服务器。他甚至把那些自己不关心的复杂指标都删了，改成了更适合自己的热量管理工具。 往前追溯，Zhoop 来自另一个开源项目 NOOP，而更早已经有人借助 Claude Code 逆向 WHOOP 的蓝牙通信协议。 WHOOP 过去最聪明的地方，就是把硬件和软件订阅深度绑定。用户每天戴着它，产生的数据越来越多，也就越来越依赖官方 App 来理解自己的身体。199 到 359 美元的年费，听起来也就没那么难接受了。 以前消费者没有多少选择。自己开发一个替代 App 的技术门槛太高，换设备又意味着放弃已有的使用习惯。 AI Coding 开始改变这个事情了。 我甚至觉得，未来消费硬件行业一个非常有意思的变化，就是大量硬件会逐渐失去对配套软件的垄断权。用户可以保留自己喜欢的设备，然后用 AI 给它开发一个完全符合个人需求的软件。 当然，WHOOP 的算法积累、恢复评分和长期健康分析，依然有自己的价值。现在这些开源工具也主要服务于少数技术用户，谈不上大规模替代。 但这恰恰是我觉得危险的地方。 以前一家硬件公司只需要说服用户购买设备，再把用户留在自己的软件生态里。以后它可能需要每年重新证明，自己的软件为什么值得付费。 过去我们讨论 AI Coding，总是在讲程序员会不会失业、SaaS 会不会死。我现在越来越感兴趣的是，它会不会把整个消费电子行业的定价权重新洗一遍。 毕竟，对 WHOOP 来说，最尴尬的竞争对手可能连手环都懒得造，因为可以直接用它的。

《Obsolete》的作者 Garrison Lovely 和 Mario Nawfal 的访谈，他提出了一个我觉得非常值得思考的可能性，AI 完全服从人类的指令，企业用它替代员工，政府用它监控社会，军队用它控制自主武器。整个过程中没有任何机器叛乱，甚至每一步都可以被解释成提高效率。 我觉得这个问题比 AI 有没有意识、会不会毁灭人类更现实，也更残酷。 回头看人类争取权利的历史，普通人之所以能和资本、权力讨价还价，很大程度上是因为他们还有被需要的价值。企业需要雇佣工人，政府需要维持就业，劳动者至少还能通过罢工让生产停下来。 但如果有一天，资本真的可以不再依赖人类劳动，普通人还能拿什么去谈判？ 这是我认为硅谷目前的 AI 安全讨论里，一个被严重低估的问题。 大家都在研究怎么让 AI 听话，怎么保证它始终服从人类的意志。可问题是，「人类的意志」究竟是谁的意志？掌握模型、算力和资本的人，凭什么天然代表其他几十亿人？ 更让我担心的是，一旦 AI 让少数人获得了足够强大的生产能力、监控能力乃至暴力工具，社会可能连重新分配权力的机会都会变少。 技术进步当然可以创造巨大的财富，但财富增长从来不会自动带来权力的平等。

当年做出 BabyAGI 的 Yohei Nakajima，最近放弃了一个 AI 圈特别流行的想法，给公司造一个「大脑」。 Yohei 之前也想把公司的所有知识、记忆、数据集中到一个 Company Brain 里，后来发现问题一大堆。每个人的 Agent 都有自己的记忆，强行共享容易造成数据重复、信息泄漏，而且公司的真实业务数据本来就散落在 CRM、邮件和各种软件里。 所以他换了个思路，开始做 FirmOS，也就是公司操作系统。 这里有个我特别喜欢的概念，叫 Flipped Playbook，倒着写的公司手册。 传统企业是先制定 SOP，再要求员工按流程工作。但真实的公司根本不是这样运转的。今天开会改了个决策，明天发现一个流程有问题，后天换了个供应商，很多规则都是在日常工作中一点点形成的。 Yohei 想让 Agent 从每天的邮件、会议记录和业务沟通中自动识别这些变化，提出规则更新建议，经过人的确认后写入 FirmOS。其他 Agent 随后就能按照新的规则工作。 原始数据依然保存在原来的工具里，FirmOS 负责维护公司的规则、流程、决策，以及 Agent 应该如何调用工具。 我最近也一直在琢磨 Agent 怎么从个人工作台进入真正的组织协作，越来越觉得我们可能高估了 Agent 的智力，低估了组织本身的遗忘能力。 一家公司的很多重要经验，从来就没有被认真记录过。创始人为什么拒绝某个客户，销售团队为什么改变报价策略，一次失败的合作究竟改变了什么规则。这些东西大部分只存在于几个人的脑子里，人员一变动就丢了。 现在的问题更有意思了。假设一家公司的 Agent 比员工还多，每个 Agent 都很聪明，但它们凭什么知道昨天发生了什么？凭什么理解一个月前某个决策背后的原因？又凭什么保证它们不会重复犯错？ 这也是我觉得 CompanyOS 真正有价值的地方。 它让一家公司的经验有机会持续积累，并且直接影响下一次行动。今天人类做出的决策，明天就可能成为整个 Agent 团队共同遵守的规则。 以后企业 Agent 的竞争，可能会逐渐从谁能完成更多任务，转向谁能让整个组织越工作越聪明。 毕竟，单个 Agent 的能力可以靠换模型提升，但一家公司的判断力，需要它自己一点点积累。

OpenAI 是从什么时候开始掉队的？ 2025 年底，Anthropic 靠着 Agentic Coding 抢到了先机。OpenAI 很快意识到问题，把大量资源转向编程 Agent。到了今年 4 月 23 日，GPT-5.5 发布，Codex 在开发者群体中的口碑明显改善，基本追上了 Claude。 真正的转折点是 7 月 9 日。 GPT-5.6 发布之后，OpenAI 在模型能力和性价比上取得了阶段性优势，也开始从 Anthropic 手里争夺开发者和企业客户。 这也解释了 Anthropic 最近公布的财务数据。第三季度收入达到 168 亿美元，环比增长约 45%，依旧很夸张，但相比第二季度超过 140% 的环比增幅，增速确实明显放缓。 然后，9 月 22 日，Anthropic 发布 Opus 5.5，再次把竞争拉回到自己熟悉的战场。接下来市场还在等待 Fable 5.5，如果它能带来足够明显的能力提升，Anthropic 完全可能在 IPO 前迎来新一轮增长。

标普500正在变成一只只有10只股票真正重要的基金，剩下490只负责凑数。 从3月30日至今，标普500累计上涨23%，但其中70%的涨幅，都是由10只股票贡献的。 英伟达一家就贡献了3个百分点，占总涨幅的13%。美光、苹果、微软各贡献约2个百分点，AMD和谷歌紧随其后。 剩下490家公司加在一起，只贡献了7个百分点。 更离谱的是，据路透社统计，今年标普500有超过40%的成分股实际上还在下跌。 过去大家买标普500，是因为相信美国经济长期增长，也相信分散投资可以降低风险。 但现在，美股的上涨越来越依赖少数科技公司，而这些公司的估值又在不同程度上受到AI投资周期的影响。 你以为自己买了整个美国经济，结果账户里的收益，很大程度上取决于英伟达的下一份财报。 AI已经深刻改变了美股的结构。指数每天都在告诉你美国经济很好，但指数背后的大多数公司，可能根本没分享到这场繁荣。

硅谷 AI 大战越来越像谍战片了。 OpenAI 正在给员工进行反间谍培训，管理层警告他们，竞争对手甚至外国情报机构可能通过送钱、在咖啡馆偷听，乃至色诱等手段获取公司机密。 Anthropic 和 Google 也在给员工做类似的安全提醒。 OpenAI 甚至设计了一个培训场景，你带孩子去公园，另一个家长经常带着孩子出现，慢慢跟你熟悉起来，开始打听你的工作。听起来就是很普通的社交，但在这个模拟场景里，对方其实是一名间谍。 就在最近，OpenAI 还真的发现一名员工涉嫌在公司高管会议室的电视机后面安装窃听设备，最后 FBI 都介入了。不过，目前没有证据表明这起案件涉及外国间谍活动。 我们平时讨论 AI 军备竞赛，关注的都是算力、模型、人才争夺，但现在这些公司的技术机密已经贵到值得有人用传统情报手段来获取了。 一家公司花几十上百亿美元训练模型，最后可能还得担心某个工程师在约会时多说了两句话。 以前觉得硅谷工程师就是一群穿着拖鞋、拿着高薪写代码的人。现在看来，这帮人可能还得接受一套类似情报人员的安全教育。

我算是发现了，最近这波 Personal Agent 最先跑通的功能，是从我信用卡里扣钱。 最近各种 Personal Agent 扎堆发布，我本来想挨个体验一下，结果国内外 26 款个人助理和相关 Agent 产品，每个都开了一个付费档，首月预算大概 4300 多块人民币。 当然，有的产品可以免费体验，四千多块是全部购买付费档的价格。但我真想不明白了，这些产品凭什么觉得自己值得用户再多付一份订阅费？ 这些 Personal Agent 都在讲管理邮箱、安排日程、搜索资料、长期记忆、主动执行任务。换个 UI，换个名字，录一段看起来很厉害的 Demo，又是一个重新定义个人生产力的新产品。 我感觉有些团队已经开始学 memecoin 那套玩法了。赶上热点，迅速做个产品，包装一套叙事，找人宣传，先把第一批愿意尝鲜的用户收割一遍。至于第二个月还有多少人愿意续费，根本无所谓。 我觉得一个很危险的信号是，现在 Agent 市场正在把「有人愿意为好奇心付钱」误认为「有人愿意为产品持续付钱」。 我不反对创业公司收费，也愿意为真正好用的 Agent 花钱。但如果一个公司唯一跑通的商业模式，就是不断找下一批愿意花 20 美元尝鲜的人，那跟币圈一波流项目的逻辑到底有多大区别？ 以前体验新产品，我是去看看它能帮我干什么。现在体验 Personal Agent，我得先研究套餐、充值额度、授权账号，最后还要记得取消订阅。 折腾半天，我成了 Agent 的助理。

华尔街最近好像只认识两家 AI 公司，OpenAI 和 Anthropic。只要这两家的收入增速稍微出点问题，整个英伟达都得跟着挨骂。 黄仁勋在最新一期 BG2 播客里，终于把这笔账掰开讲了。 他说，外界严重误解了英伟达的需求结构。 英伟大约三分之一的业务来自传统加速计算，包括数据处理、物理模拟、分子动力学等。即使世界上没有一家前沿 AI 实验室，这部分需求依然存在，而且每年还在增长 30%～40%。 真正来自前沿 AI 实验室的算力需求，只占 25%～30%。而且客户也远不止 OpenAI 和 Anthropic，还包括 Meta、Google、xAI 等五六家主要玩家。 剩下约三分之一，则来自大量租用算力的初创公司。黄仁勋把它们称为下一代云计算生态，类似于当年 AWS 崛起时催生的那批互联网公司。 我觉得黄仁勋这次讲到了一个很重要的问题。 过去几个月，市场几乎陷入了一种奇怪的计算方式：拿 OpenAI 和 Anthropic 的收入预测，去判断整个 AI 基础设施投资能不能回本。 但如果黄仁勋披露的需求结构准确，这套算法从一开始就漏掉了很大一部分市场。 更有意思的是，黄仁勋其实还在为开源模型提供一个商业解释。大量垂直领域的 AI 创业公司使用开源模型，未必给 OpenAI 或 Anthropic 贡献收入，却照样要购买和租用 GPU。 当然，需求来源分散，也不代表每笔投资都能回本。这周 CoreWeave 等算力公司的债务压力已经让市场开始紧张。不同客户最终仍然可能受到同一轮融资环境收紧的冲击。 但我觉得，把英伟达的前途完全绑定在两家模型实验室的收入增长上，确实越来越站不住脚。 AI 基础设施的终极买单者，可能比华尔街现在盯着的那几家公司复杂得多。

AI 短剧可能是第一个被 AI 自己卷死的 AI 行业。 刚看到有媒体在报道中国 AI 短剧的惨状。2026 年上半年，仅抖音就上线了 22.19 万部 AI 剧、漫剧，累计播放量高达 5157 亿次。但按照 5000 万播放量的行业回本参考线计算，只有 1.3% 的作品达标。 严格来说，这不代表剩下 98.7% 的作品全部实际亏损，但已经足够夸张了。 过去大家讨论 AI 视频，最兴奋的就是制作成本下降，几个人甚至一个人，就能完成过去需要整个剧组才能完成的工作。 现在看来，生产成本确实降下来了，但内容的价值也跟着被打下来了。 更有意思的是，AI 仿真人剧的上新占比已经接近 70%，播放份额却从四五月的约 80% 回落到六月的 68%。反倒是 3D 漫剧的播放份额开始快速上升。 现在很多 AI 内容创作者最大的问题，就是把模型的生成能力当成了自己的创作能力。大家用着差不多的模型，生成差不多的脸，拍差不多的故事，最后还要在同一个平台上争夺观众。 观众可能会为技术的新鲜感停留几秒钟，但没人有义务为你的生成成本买单。 AI 内容生产最先兑现的商业价值，可能会集中在模型服务商、流量平台和少数头部制作公司手里。大量普通创作者虽然获得了过去想都不敢想的制作能力，却也失去了原本可以靠制作门槛建立的竞争优势。 当人人都能拍电影的时候，会拍电影这件事本身也就不值钱了。 最后决定谁能赚钱的，恐怕还是那些最传统的东西： 讲故事的能力、审美，以及对观众的理解。

Anthropic 的工程师已经开始认真讨论「人类只剩六个月」了，而且据说公司里很多人都这么想。 刚看到 Delphi Ventures 的 Tommy Shaughnessy 和 TechCrunch 创始人 Michael Arrington 的一段播客对话。 Tommy 说，他最近和一位 Anthropic 工程师吃饭，对方突然说了一句：「我现在正在享受人生最后六个月。」 Arrington 听完很震惊，反复追问他是不是在开玩笑。 Tommy 说，没有，他是认真的。而且更夸张的是，据 Tommy 所说，Anthropic 内部大多数人都持有类似的看法，真的觉得 AI 可能在六个月内彻底改变人类的命运。 后面两人聊到了 Sam Altman。 Arrington 说自己认识 Sam 很多年，承认他极其聪明、非常有个人魅力。但当 Tommy 问他是否觉得 Sam 是个邪恶的人时，Arrington 毫不犹豫地回答：「他是邪恶的，我认为他是个精神病态者。」 整个对话听下来，我最大的感受就是，硅谷最核心的 AI 圈子里，大家对未来的预期似乎已经出现了非常极端的变化。 六个月这个时间判断我并不相信，但如果 Tommy 的描述是真的，我很想知道，Anthropic 内部究竟发生了什么，让一群每天亲手研发 AI 的人，对未来产生了如此强烈的危机感。

黄仁勋在伦敦宣布投资 5 家英国初创公司，方向很有意思。 Boltz 和 Prima Mente 都在做 AI 生物学，前者用模型预测分子结构、辅助药物设计，后者直接瞄准阿尔茨海默病、帕金森病和渐冻症。 Foresight 做大型基建项目的工期预测，包括超大规模数据中心；Hiverge 用 AI 自动编写和优化算法，提高训练效率；Riverlane 则研究量子计算纠错，让量子计算机真正具备实用价值。 我觉得最值得关注的是后面三家。 一家解决数据中心什么时候能建好的问题，一家研究如何用更高效的算法完成计算任务，还有一家在为下一代计算架构铺路。 这其实把英伟达的野心暴露得挺彻底。 过去大家觉得英伟达是一家卖 GPU 的公司，现在黄仁勋已经开始沿着整个计算产业链投资。谁来消耗算力，谁能加快算力基础设施的建设，谁有可能改变未来的计算方式，他都想提前参与。 尤其是 Hiverge 和 Riverlane。算法效率提升和量子计算的成熟，长期都可能改变传统 GPU 的需求结构。但黄仁勋显然不介意投资这些方向。 英伟达最可怕的地方是，它正在利用今天 GPU 生意创造的现金流，购买未来技术路线的参与权。 哪怕十年后计算产业真的发生了巨大的变化，黄仁勋也希望英伟达还在牌桌上。

Anthropic 第三季度收入 168 亿美元，环比增长 45%。单看这个数字相当恐怖，但问题在于，今年 8 月，Anthropic 曾披露其 7 月底的年化收入运行率已经达到 650 亿美元，折算下来每个月约 54 亿美元。 如果近似把这个数字当成 7 月的实际收入，那么整个第三季度扣掉 7 月，8 月和 9 月加起来只有 114 亿美元，平均每个月 57 亿美元。 第二季度 Anthropic 的收入环比增长超过 140%，到了第三季度只剩下 45%，而按高盛的推算，8 月和 9 月几乎陷入增长停滞。 我觉得这可能是最近 AI 市场最值得关注的信号之一。 尤其是把它和 CoreWeave 的债务危机放在一起看。CoreWeave 背着大约 500 亿美元债务，部分债券收益率已经突破 15%，开始进入困境债务的定价区间。 过去一年，整个 AI 产业链的估值都建立在一个假设上，前沿模型公司的收入会持续以惊人的速度增长，因此它们需要越来越多的 GPU，云厂商也就可以不断借钱扩建数据中心。 现在，处在产业链最上游、商业化表现最好的 Anthropic，突然开始减速了。 当然，45% 的季度增长依然惊人，Anthropic 也已经实现调整后盈利。AI 需求并没有消失。但资本市场之前支付的价格，显然还包含着比这更夸张的增长预期。 AI 泡沫真正危险的地方在于，整条产业链已经习惯了提前花掉未来几年的收入。 一家头部模型公司只是增长慢了一点，市场就开始重新计算下游算力公司的偿债能力。 如果整个行业都需要 Anthropic 和 OpenAI 每个季度持续超预期，才能支撑如此庞大的资本开支，那么这套融资结构本身就值得怀疑了。

OpenAI 的算力焦虑，已经开始写进订阅价目表了。 最近几个变化放在一起看，挺有意思的。 9 月 10 日，OpenAI 暂停了每月 200 美元 Pro 套餐的新用户订阅。现在虽然恢复了，但新用户的使用额度被砍，老用户原有额度也将在 10 月 29 日后下调。 与此同时，OpenAI 又推出了每月 500 美元的 Pro 套餐，才有资格使用 Ultrafast 模式。即使已经付了 500 美元，Ultrafast 消耗套餐额度的速度也是普通模式的 8 倍。 另一边，OpenAI 推出了性能接近 Astra、成本更低的 GPT-6.1 Sol，试图改善推理经济性，但已经有用户抱怨，即使开了 Fast Mode，响应速度依然慢得难以忍受。 有观点猜测，OpenAI 越来越多的安全研究和评估也在争夺算力资源。 但有一点越来越清楚，OpenAI 正在重新计算每个用户应该得到多少算力，以及愿意为更快的推理支付多少钱。 模型能力还在进步，用户却可能需要花更多钱，才能获得过去习以为常的使用体验。

OpenAI 一笔 200 亿美元的营收口径差异，就能让纳指盘中跌近 2%。我觉得这个信号比华尔街那些所谓的 AI 泡沫指标有说服力得多。 上周《金融时报》报道，OpenAI 9 月末的年化收入接近 500 亿美元，比此前市场流传的 700 亿美元少了 200 亿。后来发现，很大程度上只是云合作伙伴收入该不该计入的问题。但消息出来后，整个 AI 板块还是跟着跌了一轮。 美国银行的衍生品团队专门研究了这次波动，提出了一个挺有意思的判断。 过去几个月，科技股下跌往往伴随着美债收益率上涨。因为利率越高，AI 基础设施融资越贵，科技公司的估值也越难维持。 但这次 OpenAI 引发的恐慌中，股票和美债收益率同时下跌了。 美银认为，这可能提前展示了 AI 泡沫真正破裂时的市场反应。类似的情况曾出现在 2025 年 DeepSeek 引发的抛售，以及 2000 年互联网泡沫破裂期间。 他们甚至建议通过附带利率下行条件的长期纳指看跌期权来对冲风险。利用股票和利率的联动关系，降低购买保护的成本。 华尔街开始重新审视这轮 AI 扩张背后的财务关系。 OpenAI 的 200 亿美元差异还可以用统计口径解释，但 CoreWeave 的债券收益率已经冲到接近 15%。过去大家都愿意相信未来的算力需求会覆盖今天的投资，现在债权人开始认真追问，这些钱究竟什么时候能收回来。 我一直觉得讨论 AI 泡沫有一个很大的误区，就是太喜欢争论 AI 到底有没有用。 AI 当然有用，而且技术可能还会继续飞快进步。但这不代表今天围绕 AI 建立的所有估值、债务和资本开支都合理。 技术的发展可以等十年，债务到期可不会等。 我觉得未来最值得警惕的情况，就是 AI 技术不断创造新的奇迹，但押注这些奇迹的金融结构已经开始撑不住了。

Bryan Johnson 可能是全世界最舍得花钱研究自己身体的人，结果他今天承认，自己的全基因组数据，十几年来一次都没用上。 Johnson 早在 2012 年就完成了全基因组测序，今年又花了 7,902 美元，做了一次 30× 长读长加 100× 短读长的高精度测序。 然后他在推特上问大家，我到底能拿这些数据干什么？ 这其实是整个精准医疗行业一个挺尴尬的问题。 我们已经能以极高的精度读取一个人的基因组，也确实能从中识别部分遗传疾病风险、癌症易感性和药物代谢差异。但如果你想知道怎样才能多活十年，或者针对自己的基因做些什么来延缓衰老，目前能得到的可靠答案依然非常有限。 Johnson 几乎把人类目前能够执行的抗衰老方案都尝试了一遍，预算、数据和执行力都不缺。可当他拿到最底层的遗传信息时，反而不知道下一步该做什么。

一家叫 Paper Instruments 的公司发布了 Ultramarine 1 Flash。整个后训练过程只用了 5 个人，总成本约 30 万美元，但在他们自己的知识工作测试中，这个模型已经超过 Claude Fable 5，完成同样任务的成本只有后者的六十分之一。 具体来说，在 PI Knowledge Work 测试中，Ultramarine 拿到 59.3 分，Fable 5 是 57.8 分，而单次任务的成本分别是 0.13 美元和 8.19 美元。 Ultramarine 的底座是智谱的 GLM-5.3 Flash。 他们拿着一个足够强的中国开源模型，针对金融、法律、咨询和企业运营做强化学习，构建了 88 种专业工作环境，让模型学习处理尽调报告、财务模型、法律文件和企业内部系统中的真实任务。 过去大家做强化学习，特别喜欢数学和代码，因为答案容易验证。但现实中的大部分知识工作没有标准答案。你写一份投资备忘录，结论可能有好几个，真正重要的是有没有找到关键事实、处理好相互冲突的信息，以及最终能不能交付一份专业人士认可的东西。 Paper Instruments 花了大量精力解决这个评价问题，然后用相对有限的算力，把一个通用模型训练成了专业知识工作 Agent。 当中国开源模型已经能够提供足够好的底座，创业公司就有机会绕开昂贵的预训练竞争，集中资源解决某一类具体工作。以前只有头部实验室才能提供的能力，可能被越来越多的小团队以极低的成本复制，甚至在特定领域超过它们。 这也让我重新思考闭源模型的定价权究竟还能维持多久。 毕竟，对一家企业来说，如果一个 0.13 美元的 Agent 已经能把工作完成得足够好，为什么还要为同样的任务支付 8 美元？ Ultramarine 的权重预计两周后开放。我很期待看到独立评测，看看这套方法究竟能走多远。

笑死，AI 圈的懂哥文化已经可以被量化了。 哈佛大学编了两个根本不存在的 AI 大佬，结果 53% 的美国男性表示自己认识他们。 哈佛肯尼迪学院最近发布了一项针对 5403 名美国成年人的调查。研究人员在一堆真实的 AI 行业人物中，偷偷塞进了两个虚构的名字，Susan Millner 和 Craig Dalton。 结果，53% 的男性声称认识这两个人，女性的比例是 40%。 更搞笑的是，真正存在的 Mira Murati，前 OpenAI CTO、Thinking Machines Lab 创始人，在男性受访者中的知名度也是 53%。 研究还发现，男性在 AI 知识测试中的正确答案确实略多，但他们也更倾向于给出错误答案，而女性更愿意承认自己不知道。 哈佛的报告里还有一个数字，美国 AI 新闻标题中，男性被提及的次数是女性的 14.6 倍。 当然，这里面有行业本身的性别结构问题。但我一直觉得，科技圈有一种很奇怪的文化，谁说话越笃定，谁就越容易获得关注。 尤其是 AI 发展到今天这个阶段，新东西多到根本没人能全部搞明白，偏偏每个人都急着证明自己没有掉队。 有时候我甚至觉得，AI 可能是历史上最适合生产懂哥的行业。毕竟技术更新得这么快，昨天说错的话，明天就没人记得了。

OpenAI 已经开始考虑把 Crypto 圈的安全审计公司买下来了。 OpenAI 正在与 Trail of Bits 进行早期收购谈判。这家公司成立于 2012 年，给 Uniswap、Aave 等知名 Crypto 项目做过安全审计，在密码学和软件安全领域很有名气。 其实双方早就勾搭上了。今年 6 月，他们合作启动了一个叫 Patch the Planet 的项目，让 OpenAI 的 GPT-5.5-Cyber 和 Codex 配合 Trail of Bits 的安全工程师给开源软件找漏洞。第一周就发现了数百个问题，提交 64 个 PR，其中 37 个补丁已经合并，涉及 Python、cURL 等关键基础设施。 我觉得最值得注意的是，这次合作已经证明了 AI 正在让发现漏洞这件事变得越来越便宜，但确认漏洞、判断风险、真正修复问题，依然需要经验丰富的安全工程师。 OpenAI 如果把 Trail of Bits 买下来，就能把模型能力和安全服务直接整合起来，开始做一门完整的网络安全生意。原本按项目收费的安全审计，未来可能会变成持续运行的 AI 安全服务。 Crypto 圈有人猜 OpenAI 是不是准备做自己的钱包，给未来的 Agent 提供资金托管和链上交易能力。我觉得这个想象挺有意思，但目前还没有什么直接证据。 相比之下，我更关心另一个问题。如果未来连安全审计公司都被大模型公司收购了，那么这些原本负责发现问题、提供独立判断的第三方机构，还能保持多少独立性？ 尤其是当它们需要审计的对象，恰好就是收购自己的那家公司时。

硅谷最擅长教创业公司招人的 VC，自己先把招聘团队裁了。 Axios 报道，a16z 裁掉了旗下一个 34 人招聘团队中的大多数人，剩下的人会被分配到 Growth、Crypto 等投资部门。 这支团队过去专门帮被投公司挖人，是 a16z 引以为傲的投后服务之一。以前创业公司拿到融资，第一件事就是扩张，VC 不光给钱，还帮你找人。 a16z 管理着数百亿美元的资金，省下几十个人的工资，对它的财务状况几乎没有影响。但它决定不再维持一支集中式招聘团队，多少说明它对被投公司的招聘需求有了新的判断。 再看这一周硅谷发生的几件事。 CoreWeave 的债券价格跌入困境债务区间，收益率超过 15%；英伟达支持的 AI 数据中心公司 Firmus 取消了原计划募资约 50 亿美元的 IPO；https://t.co/ifDURc6C8X 宣布申请破产，而三年前 a16z 刚刚领投了它的 1.5 亿美元融资，当时估值高达 10 亿美元。 现在硅谷 AI 投资有一个很微妙的矛盾。一边是头部实验室以万亿美元级估值融资，算力资本开支还在不断增加；另一边，越来越多的 AI 创业公司发现，用户增长、融资估值和真正赚到钱之间，隔着很长一段距离。 资本当然还在追逐 AI，但它开始越来越挑剔了。 以前 VC 相信自己的被投公司会长成几千人的巨头，所以需要专门养一批人帮它们招聘。现在如果创业公司的理想形态变成几十个人创造几亿美元收入，这套投后服务体系本身也需要重新估值。 有意思的是，AI 还没让所有创业公司都实现一个人干十个人的活，硅谷最有钱的 VC 已经开始按照这个逻辑管理自己了。

我真觉得 OpenAI 和 Anthropic 这两家公司多少沾点 M。自己一天到晚把 AI 能力往死里卷，转头又跑到英国议会说求求你们了立法管管我们吧。 10 月 13 日的英国议会听证会上，Anthropic 明确表示，AI 安全已经不能再靠企业自愿承诺，必须有法律约束力。OpenAI 也支持建立法定监管框架，至少重大事故报告应该强制执行。 同场出席的 Google DeepMind 和 Meta 却没有跟着支持新立法。 这两家公司一边警告全世界 AI 可能带来灾难，一边又比谁都着急把更强的模型做出来。嘴上说着危险，手上是一点没停。 当然还有一层商业算盘。OpenAI 和 Anthropic 已经站在行业最前面了，它们能承担的合规成本，后面那些创业公司未必承担得起。监管越复杂，后来者进场的门槛可能就越高。 就在同一天，路透社还披露，这两家公司正在和外部安全评估机构讨论，究竟哪些评估结果可以公开，双方在商业机密保护和独立评估权之间还有分歧。 一边主动要求政府监管，一边又想保留对安全评估信息的控制权。

论文：https://t.co/CSwFkHxpbV

Anthropic 真的是最会把「AI 安全」变成生意的大模型公司。 今天 Anthropic 正式启用了新加坡办公室，这是它在亚太地区的第五个据点。同时，它还和新加坡政府签署了一份 AI 安全合作备忘录，涉及模型评估、测试标准、事故响应，以及政府和企业如何安全地部署 AI。 有意思的是，Anthropic 在新加坡已经有相当深的客户基础。新加坡政府科技局超过 1500 名技术人员在使用 Claude Code，星展银行、主权财富基金 GIC、Grab 和 Sea 也都是它的客户。根据 Anthropic 自己的数据，新加坡的 Claude 人均使用量在全球 121 个国家和地区中排名第二。 而且这套打法正在被复制。今年 6 月，Anthropic 在韩国开设办公室时，同样与韩国政府签署了 AI 安全合作备忘录。 Anthropic 的商业策略越来越清楚了。它很早就意识到，政府、银行和大型企业采购 AI，模型能力只是一部分，安全评估、数据合规和责任机制同样决定着他们敢不敢用、能用到什么程度。 所以 Anthropic 一边用 Claude Code 打开企业市场，一边通过安全合作深入政府体系，甚至参与当地 AI 评估标准和政策的讨论。 过去大家总觉得 AI 安全会拖慢模型公司的商业化，现在看，Anthropic 恰恰是把安全做成了自己最有辨识度的商业优势。