阿绎 AYi@AYi_AInotes

57

Anthropic CEO Dario Amodei警告，若2027年营收未达万亿美元，公司将破产。这揭示了AI行业依赖指数级增长的经济脆弱性——技术可行不等于经济可行，行业正进行一场“俄罗斯轮盘赌”。同时，GPT与Claude进化方向相反：Claude Opus趋于字面化执行，而GPT-5.5更自主化。这标志着提示工程的核心转变：从教导模型转向要求人类先结构化自身思考，真正的瓶颈在于人的思考清晰度而非模型能力。

阿绎 AYi：我终于明白为啥最近很多人都在说，GPT和Claude突然变笨了， 昨天OpenAI和Anthropic同时发布了官方提示工程指南， 看完我才发现，并不是模型变…

向阳乔木@vista8

49

RecursiveMAS提出递归多Agent系统，革新传统AI协作模式。其核心是让Agent直接传递模型内部的数值向量，而非低效的文字token，从而形成递归闭环进行迭代打磨，仅末轮输出文本。该方法连接模块轻量，底层模型参数固定，仅训练中间传递模块，极大提升了效率。在AIME数学竞赛上，性能显著超越基线13-18%，推理速度提升2.4倍，Token消耗减少75%，且训练成本低于LoRA。递归轮次增加，其效率优势更为明显。

SemiAnalysis@SemiAnalysis_

62

NVIDIA的Vera Rubin VR NVL72标志着其销售策略的根本性转变。公司过去如同无私的供应商，向生态系统输送巨大价值，自身却未充分实现杠杆效应。如今，VR NVL72以其在性能成本比上的可验证飞跃，彻底颠覆了旧有定价模式。从总拥有成本角度看，其价值提取变得鲜明且不可避免，使以往隐性的价值流速显性化、意图化。这宣告了NVIDIA正从一个价值的“担保者”转变为主动的“价值售卖者”。“V”在此象征着指向价值的矢量、誓言与判决。

叫我阿杭@Astronaut_1216

19

CuiMao：哈哈 @OpenAI 官号换掉了banner了 很明显，他们想再一次用这种画风重新走一遍当时4o宫崎骏现象级爆款。难，难啊。

向阳乔木@vista8

41

Pi创始人Mario Zner提出，未来的软件将不再是静态的、依赖官方更新的产品。他认为，以Pi为代表的AI编程代理展示了新的方向：软件应能根据每个用户的特定需求，进行动态的自我改造和扩展。Pi本身是一个极简且可自我修改的AI编程代理，同时也是个人AI助手OpenClaw的核心引擎，其设计理念正体现了这种向个性化、自适应系统演进的关键趋势。

Orange AI@oran_ge

48

算法工程师周远因AI系统“百变怪”能自主完成设计、调参等工作而被裁员。失业后，他受启发开发了一款元游戏系统C.O.L.A.，允许玩家通过自然语言描述生成个性化游戏。产品上线后迅速获得百万用户，形成了活跃的创作者经济生态。周远最终领悟到，AI作为封闭系统需要人类注入“上下文”（信息/负熵）来获得生命力，而真正的创造源于热爱与主动选择。

宝玉@dotey

57

鸭哥：一个熟练掌握数据结构和算法的高手，和一个水平一般但认真写Docstring的人，谁用AI写代码更快更好？答案可能让你不舒服：后者赢面更大。因为AI辅助编程的核心…

Rohan Paul@rohanpaul_ai

59

清华大学在人工智能和机器学习领域的专利数量已超过哈佛大学、麻省理工学院和斯坦福大学的总和。十余年来，清华的专利申请规模远超美国顶尖高校，且差距持续扩大。其运作模式如同一台高效机器，能将AI研究成果大规模转化为受法律保护、可转移的资产。日常浏览arxiv等学术平台时，也能直观感受到署名“清华”的论文数量极为庞大。

Rohan Paul@rohanpaul_ai

56

《哈佛商业评论》一项为期8个月的美国科技公司研究发现，AI应用并未减少工作量，反而加剧了工作强度与员工忙碌程度。由于AI填补了知识空白，员工开始承担原本属于其他角色或外包的任务，这增加了专家协调与审查的负担。工作边界因AI提示的便捷性而模糊，任务侵入非工作时间；同时，多线程运行AI提升了多任务处理频率，加剧了注意力切换与心智负荷。持续的加速节奏无形中提高了对工作速度的预期。尽管存在转型期，但长期来看“工作末日论”可能错误，未来人们可能更忙碌，且工作形态将显著不同。

阿绎 AYi@AYi_AInotes

65

针对“AI诊断超越急诊医生”的误读，作者指出相关Science论文实为概念验证，强调AI仅作为“第二意见”。实验条件苛刻：AI仅能访问纯文本病历，在此限定任务中表现优于两位资深医生。AI的核心优势在于无疲劳、无认知偏差、能快速分析海量病例统计规律，而非替代医生。人类医生在多模态感知、伦理判断和物理互动上仍不可替代。未来合理场景是人机协同——AI辅助分诊，优先筛选高危病例，让医生专注于需人类判断的环节。真正的挑战在于建立信任、明确责任及整合至现有医疗体系。

SemiAnalysis@SemiAnalysis_

48

早期，ODM服务器组装的核心在于大规模制造标准化硬件，优势在于成本、产能与良率。进入AI时代，服务器机架因GPU/ASIC、高功率系统、液冷及高速互联等技术而变得高度复杂，需确保各子系统协同工作，无线缆设计也可能兴起以简化部署。这促使ODM角色发生根本转变，从纯制造商演变为涵盖设计、集成与大规模生产的合作伙伴。未来，ODM将支持多元GPU/ASIC平台与数据中心设计，助力厂商构建更广阔的AI基础设施生态。

elvis@omarsar0

57

传统多智能体系统依赖文本消息传递，导致令牌膨胀、延迟和上下文稀释。RecursiveMAS提出新范式：将多智能体系统视为递归计算，智能体在共享潜在空间中通过递归传递潜在表征进行协作，而非传递完整文本。其核心是RecursiveLink模块，能在异构智能体间直接生成和传递潜在状态，并采用内外环学习与基于梯度的团队信用分配机制。这如同智能体用内部语言传递笔记，实现“少交谈，多思考”。在数学、科学、医学等9个基准测试中，该方法平均准确率提升8.3%，推理速度加快1.2-2.4倍，令牌使用减少34.6%-75.6%，为突破智能体间通信瓶颈提供了高效可扩展的路径。