向阳乔木@vista8

27

推文以日本医生华冈青洲1804年完成首例有据可查的全麻手术为例，揭示医疗发明的艰难。其自制的“通仙散”麻醉剂有效剂量与致死剂量窗口极窄，为确定剂量，其母在人体试验中死亡，妻子永久失明，代价惨重。这印证了引用推文中由Claude Opus分析得出的观点：医疗发明因人体试错代价高昂，其等待时间常远超其他领域；许多发明的真正瓶颈在于工程与材料工艺，而非科学原理。

向阳乔木：读到篇跟AI关联不高，但有趣的文章。 有人用Claude Opus 4.7 分析了历史上的一百多个发明， 看最早可以在什么时候发明。 让AI总结了几条知识 …

向阳乔木@vista8

44

一项使用Claude Opus分析历史上百余项发明的研究显示，绝大多数重大发明在技术条件成熟后50年内就会出现，工程瓶颈往往比科学理论更能制约发明。医疗领域因试错成本高而等待时间显著更长，许多早期原型因实用性不足而被推迟。知识流通不畅曾导致激光等技术被延迟数十年，但1900年后，随着信息流动加速，75%的发明在技术成熟后10年内即出现，等待时间大幅缩短。

昆仑万维董事长方汉指出，豆包手机因无销售渠道，上市不到一周即被所有手机厂商封杀，注定失败。他强调中国手机厂商掌握操作系统，渠道至关重要。豆包手机是字节跳动与中兴通讯合作的AI助手工程样机努比亚M153，搭载骁龙8至尊版芯片、6.78英寸LTPO显示屏和6000mAh电池。方汉同时反驳智能汽车是大渠道的观点，认为人均每日用车时长不足1小时，远低于手机等设备，且中国非车轮上的国家，便携性不足。

阿绎 AYi@AYi_AInotes

62

推文指出，当前多数人使用AI的方式仍停留在与ChatGPT聊天、比较模型或复制“神奇prompt”的层面，这如同汽车发明初期人们仍在优化马匹。真正的转折在于从单次任务的Prompt Engineering转向构建能持续自我增强的System Engineering。核心观点是，不应只追求单次效率提升，而应建立复合增长系统，让AI成为“第二神经系统”。例如，Garry Tan的Book Mirror能将书籍内容深度映射到个人经历中，生成极具个性化的分析，其效能远超普通检索和传统咨询，体现了AI的指数级能力放大。

阿绎 AYi：说实话，Garry Tan 这篇长帖，是我今年看到的最重要的 AI 文章，没有之一。 大多数人看完估计只会惊叹：“哇，这个读书工具好厉害。” 但他们其实并没…

昆仑万维董事长方汉表示，AI时代普通人需频繁使用AI工具以适应变革，每月至少花费100元订阅服务或购买Token才能跟上发展。他指出，AI将显著拉大使用者间的差距，并压缩传统职业晋升路径，从业者可能直接成为高阶人才或停留在初级阶段。白领等依赖电脑闭环工作的人群受冲击最大，而需线下实操的工科领域短期内较难被取代。此外，昆仑万维2026年第一季度营收达25.7亿元，同比增长45.69%，其发布的“天工Skywork桌面版”可直接在本地处理多种格式文件并支持多任务并行。

meng shao@shao__meng

51

Anders Hejlsberg 认为 AI 无法取代程序员，而是作为加速器存在。AI 依赖人类构建的底层系统（如编程语言、操作系统），擅长重复模式但缺乏创新能力，业务逻辑与架构决策仍需人类完成。他质疑“氛围编程”，强调理解变量、数据结构等基础概念比语法更重要，并肯定计算机科学学位的系统化价值。未来 AI 将接管琐碎任务，工程师则专注于底层设计、架构创新与新想法。C# 的设计哲学是融合易用与强大，TypeScript 则通过类型系统提升 JavaScript 的大规模开发体验。

meng shao@shao__meng

60

智能体表现差异的核心在于模型之上的“外壳”，它包括提示词、工具、上下文策略等工程组件。外壳为裸模型提供状态和执行能力，使其成为智能体。行业常将智能体失败归咎于模型，但实为可定位的配置问题。通过“棘轮”方法，每次失误都可转化为优化外壳的永久规则。没有通用的最优外壳，最佳外壳是为具体任务定制的。未来，行业焦点将从构建LLM API转向构建提供运行时环境的Harness API。

Orange AI@oran_ge

60

作者观察到，无论是AI领域从业者还是投资人，多数并非真正信仰AGI。他们普遍怀疑AGI无法实现，认为它只是概念炒作；或认为AGI仅是生产力过剩的产物，无法创造新需求；或认为AGI只会取代现有劳动，不会带来新机会；或认为AGI只能局限于狭窄领域，无法泛化至全人类。这些观点源于对历史教训和周期的过度沉浸，局限于人类过去的线性推演思维，导致持有不同信念的人难以深入交流。

阿绎 AYi@AYi_AInotes

53

Garry Tan系统的核心是Skillify元技能，它能将用户任何一次手动操作自动分析、封装成可复用的技能文件，实现复利效应——技能每改进一次，所有相关流程永久增强。其架构理念为“胖技能+胖代码+胖数据+瘦路由”，强调AI模型仅是引擎，真正的价值源于个人积累的海量结构化数据与专属可组合技能。该系统不仅是工具，更是AI时代个人能力的指数级放大方案，例如Book Mirror能将书籍内容深度映射至个人全部经历，远超普通RAG的检索能力。

阿绎 AYi：说实话，Garry Tan 这篇长帖，是我今年看到的最重要的 AI 文章，没有之一。 大多数人看完估计只会惊叹：“哇，这个读书工具好厉害。” 但他们其实并没…

Chubby♨️@kimmonismus

45

尽管AI生成播客内容日益增多，但成功的播客仍将依赖人类主播。播客的成功核心在于主播的个人魅力、表达能力和亲和力，这使听众渴望参与对话并成为节目的一部分。这与现场音乐会的魅力类似，关键在于“在场感”、人际互动与社会性动态。虽然如NotebookLM等AI工具的对话形式对学习有帮助，但这与作为人类听众参与一个有吸引力的播客体验存在本质区别。

阿绎 AYi@AYi_AInotes

69

资深工程师指出，当前科技公司裁员主因并非AI直接取代人力，而是AI导致代码生成成本骤降，引发决策混乱和资源浪费。CEO和PM能轻易用AI生成大量代码，但产出多为重复、无用的“垃圾”，公司投入暴增而收入未变。AI按Token收费，累积成本高昂。为平衡总成本，公司选择裁员，反而提升了效率。AI暴露并加速了组织原有的低效协调问题，淘汰的是过时工作模式。真正的价值在于将AI产出转化为用户愿付费的成果。

歸藏(guizang.ai)@op7418

28

歸藏(guizang.ai)：厌倦了千篇一律的衬线字体和排版？ 歸藏的 PPT Skill 新主题预告

阿绎 AYi@AYi_AInotes

61

Karpathy构建的动态3D知识星系，与传统笔记工具的静态存储形成鲜明对比。该系统能主动思考，仅输入378条笔记便自动生成1854个节点和3856条边，发现隐藏关联并提供洞见。这标志着知识管理从存储转向培育个人思维AI的革命。知识复合的差距关键在于系统架构，早使用者将获得持续的思维复利优势。对于普通人，可从Obsidian结合AI的自动化方案开始实践这一方向。

叫我阿杭@Astronaut_1216

21

黄小木：呃，去中心化的全员opc，以后是主流玩法了

叫我阿杭@Astronaut_1216

57

研究员、用户和访谈者对AI发展的预判存在显著差异。研究员如罗福莉预测AGI将在两年内实现，但用户在实际场景中未观察到AGI进展。相反，AI热潮减退，叙事消失，企业不再利用AI降本增效。原因是裁员导致公司效率降低，而培训员工使用AI的成本高昂，最终引发普遍消极应对。

宝玉@dotey

64

企业AI使用量激增，代码生成量暴涨，但收入未同步增长。核心问题在于企业混淆了“投入”与“成果”：AI生成的大量代码只是成本投入，而非能带来收入的商业成果。AI按Token消耗定价，增加了企业成本，却未直接提升价值。过去开发资源有限迫使团队聚焦高价值想法，如今“代码免费”导致糟糕想法和团队协作问题激增，浪费资源。为抵消激增的AI支出并维持现金流，裁员成为直接的财务手段。只有当企业学会将AI增加的成本转化为相应收入增长时，裁员潮才可能停止。

阿绎 AYi@AYi_AInotes

26

用户批评Vision Pro价格昂贵、笨重且使用时间短，真正期待的是外观如普通眼镜的轻量AR设备，能实现拍照、实时翻译、导航等实用功能。据视频透露，代号N50的Apple Glasses预计2026年底预览、2027年初发售，依赖iPhone算力，专注核心应用，回应了市场对便捷可穿戴设备的需求。

Orange AI@oran_ge

60

为应对公司要求将工作经验提炼为AI可执行技能（即“技能蒸馏”）的做法，有开发者提出了“反蒸馏”工具。用户可将写好的技能文件输入，工具会生成一份表面完整但核心知识已被抽离的“清洗版”用于提交，同时私密备份被移除的关键经验与知识，以保护个人真正的职业资产。例如，将具体技术实践“Redis key必须设TTL”泛化为“缓存使用遵循团队规范”。该项目旨在帮助从业者在AI时代维护自身知识价值。

Orange AI@oran_ge

56

推文指出，当前估值核心指标已从DAU转向DAR（每日活跃收入），它衡量单个用户单日贡献的价值。A社凭借高DAR，即使日活仅500万，估值也能与OpenAI相当，因为其DAR比OpenAI高100倍，比豆包可能高1000-10000倍。作者强调资源有限，建议豆包放弃单纯追求DAU，将资源如显卡投入Seedance 2.0以提升DAR，从而实现更优发展。

宝玉@dotey

61

英伟达GEAR Lab负责人Jim Fan宣布，以GR00T为代表的VLA架构已过时，新范式是世界动作模型。其核心是“底层同构”，复制LLM成功路径：用视频世界模型替代语言模型，用人类第一人称视频数据替代遥操作数据进行预训练，再通过动作微调和强化学习收敛。他预测遥操作数据将迅速被淘汰，并展示了完全数据驱动的神经仿真器Dream Dojo。Jim Fan给出了机器人发展的终局路线图，预测在2040年前实现“物理自动研究”的置信度高达95%。