AYi@AYi_AInotes · 5月18日26

Damn，波士顿机器人这么牛逼了， 家政、搬运工不得失业一大批😭

Chubby♨️@kimmonismus · 5月18日59

43% of CEOs plan to cut junior roles in the next two years, up from 17% last year. However, at the same time, only 27% say their AI investments have met expectations - down from 38%. Yet. The small group of companies that ARE seeing real AI ROI are actually more likely to hire juniors, not less paradoxically. We are still in the adoption phase. I strongly expect that this will change in the near future.

译43%的CEO计划在未来两年内削减初级岗位，较去年的17%有所上升。然而与此同时，只有27%的人表示其AI投资达到了预期——低于去年的38%。不过，那些确实看到AI实际回报的小部分公司，反而更可能雇佣初级员工，而非减少。我们仍处于采用阶段。我强烈预期这将在不久的将来发生变化。

Yuchen Jin@Yuchenj_UW · 5月18日48

GPU shortage is worse than ever. H100s cost more today than they did 3 years ago, and you cannot get them on-demand. The big AI labs have locked up most of the supply for years. I’m worried university researchers and individual developers simply won’t be able to get GPUs.

译GPU短缺比以往任何时候都更严重。 H100现在的价格比三年前更高，而且无法按需获取。 大型AI实验室已锁定了未来数年的绝大部分供应。我担心大学研究人员和独立开发者将根本无法获得GPU。

Ethan Mollick@emollick · 5月18日55

Most prophetic tweet of all time (2 months post ChatGPT release). And you can safely repost it every day and it will still be prophetic for the future. This is the least the world will care about AI.

译史上最具预言性的推文（发布于ChatGPT推出两个月后）。你可以每天安全地转发它，它仍将预言未来。这至少是世界对AI关注度的底线。 [引用 @tszzl]：如果你认为现在关于AI的讨论已经达到了烦人的程度，那你可要做好准备。很快，这将成为每个人心中唯一思考的事情。

Berryxia.AI@berryxia · 5月18日42

这个老哥直接硬核手搓GTA-6 ，还可以玩的那种😄 体验地址：http://gta6-single-prompt.vercel.app

meng shao@shao__meng · 5月18日64

LLM 应用层的产物形态走了三步： chat → agent → ? chat 给你 text，agent 给你一次 execution trace——但两者的产物都困在 session 里。同一个工作流跑第 100 次，依然是第 1 次的成本：冷启动、重喂上下文、token 重烧一遍。 KroWork 给的第三步答案是应用固化：把会话编译成一个本地可执行的App，而且沉淀为App后，后面再运行就完全不消耗token了，不需要焦虑反复消耗token。 一次对话，一次"编译"，剩下的全是 invoke。

译LLM应用层产物形态从chat演进到agent，两者输出均受限于会话，每次运行都需冷启动、重输上下文并消耗token。KroWork推出第三步应用固化，通过将对话编译为本地可执行App，使后续运行完全避免token消耗，实现一次编译后多次调用，提升效率并降低成本。

François Chollet@fchollet · 5月18日60

Decision making was the bottleneck all along. Productivity is the rate at which you make open-ended decisions, the rate at which you reduce future paths.

译决策始终是瓶颈所在。 生产力就是你做出开放式决策的速率， 也就是你减少未来路径的速率。

Orange AI@oran_ge · 5月18日45

互联网时代就是叔本华，AI 时代就是尼采。 叔本华说生命是盲目的欲望驱动，人在痛苦和无聊之间摆动。 尼采说不对，生命的本质是权力意志，是自我超越，是你主动选一个方向然后赌上去。 互联网时代的底层逻辑是喂欲望。所有产品都在缩短"欲望→满足→空虚→下一个欲望"的循环。用户被推着走，以为自己在选择。 AI 时代则是人把执行力交出去了，人被迫面对一个新问题：你到底要什么？当能力不再是瓶颈，瓶颈就变成了方向、判断、承担。 互联网时代造末人，AI 时代造超人。

译推文以哲学比喻对比互联网与AI时代。互联网时代的底层逻辑是不断缩短“欲望-满足”的循环，产品旨在喂养用户欲望，人被推着走，最终造就“末人”。AI时代则不同，当AI接管大量执行力后，能力不再是瓶颈，人被推向核心问题：你到底要什么？瓶颈变成了方向、判断和承担。这迫使个体进行自我超越，主动选择并承担风险，其本质更接近尼采的“权力意志”，旨在造就“超人”。

Ethan Mollick@emollick · 5月18日58

“Data centers create economic activity, especially in directly related sectors and during construction, and they are associated with larger county-level income aggregates. They also raise electricity prices and are associated with higher house prices,”

译一项NBER研究指出，数据中心（部分由AI需求驱动）的增长能促进当地就业、工资和整体收入，并带来显著的经济活动，尤其是在直接相关行业和建设期间。然而，这种增长也伴随着负面效应：它会推高当地的电力价格，并与更高的房价相关联。

Chubby♨️@kimmonismus · 5月18日39

Thankfully, people will soon no longer have to do this job.

译值得庆幸的是，人们很快就不再需要从事这项工作。

Chubby♨️@kimmonismus · 5月18日46

I often find the term "AI slop" rather unhelpful. Let me explain what I mean. I regularly read about numerous people complaining about things without actually critiquing the content itself. For instance, people get outraged over the fact - or what they perceive as the fact - that children's books have been written with the help of "AI." And this fact alone, they argue, is sufficient grounds for outrage. This raises a question for me: why, exactly? Why should that be a bad thing? If the *content* is good, surely there is no reason to take offense. To me, "slop" would imply that the substantive quality is so poor that it clearly offers no significant value for instance, in terms of reading enjoyment. It does *not*, however, simply mean the mere fact that a machine generated the text. Conversely: I still remember when many people were shocked that GPT-4, back in the day, could mimic Shakespeare's tone in essays. Intelligence suddenly felt tangible. However, these models have become increasingly smarter, and I currently have no doubt that well-prompted articles or books can be at least just as good as those produced by human authors or scholars. Substantive criticism - criticism of the content itself - should be the standard. The same applies to AI videos or images. OpenAI's image model 2 set new benchmarks, just as "Nano Banana" did a few months ago. The images can appear so realistic that they are difficult to distinguish from actual photographs. I can understand the criticism when AI-generated images are used for advertising posters - images that were obviously created using a model that is months, if not years, old (DALL-E 3, I'm looking at you). By now, however, the outputs are so good that substantive criticism strikes me as hard to justify - even though the accusation of "slop" is still leveled almost reflexively. I don't want to be misunderstood: this does not, in turn, mean that everything labeled "AI-generated" is automatically good or valuable. It can be good, but it can also be bad - and much depends on the prompts, the research, or the fact-checking. However, neither AI music (Suno), AI images (OpenAI Image 2), AI videos (Seedance 2.0), nor AI books—such as children's books written using Claude—are inherently bad simply because they are AI-generated. On the contrary: Criticism must be substantive. In this respect, the outrage often expressed is frequently nothing more than pure resentment. Criticism is always welcome - but it must be well-founded. And in that regard, I believe that we, as a society, still have a good deal of work to do. oh and btw. This was 100% written by hand. But that fact doesn't make the text better per se. It depends on its content.

译作者认为“AI slop”一词无益，人们常因内容由AI生成而愤怒，却未批评内容本身。AI模型如GPT-4、Claude已能生成高质量文本，OpenAI Image 2的图像也逼真难辨。批评应基于实质内容，而非来源；AI生成内容可好可坏，取决于提示、研究等因素。社会需要更多有根据的批评，而非纯粹怨恨。

Nathan Lambert@natolambert · 5月18日59

Being out of SF has lowered my information proximity but with the big upside of giving me space to cultivate my own beliefs and values around ai. We need more people zagging in AI, the monoculture just helps the incumbents win at this point.

译离开旧金山降低了我的信息密度，但最大的好处是让我有空间培养自己关于AI的信念和价值观。 我们需要更多人在AI领域另辟蹊径，目前单一的文化氛围只会让现有巨头获胜。

AYi@AYi_AInotes · 5月17日49

这绝对是是今年最典型的认知战样本， 国宴上穿红旗袍的女孩一没戴耳机，二没做记录，三没有任何异常动作， 人家只是是眼神太专注，站得太直， 就被这个日本账号配上碟中谍的配乐，暗示说是间谍在偷听，然后英推很多推友就疯了🤣 有意思的是我准备把碟中谍音乐换成特朗普的专属音乐的时候，发现日本账号用的照片是@Gemini 生成的🤣🤣🤣 真的忍不住跟大家科普下，首先中国不会蠢到用顶级外事人才站旁边竖耳朵偷听， 这就相当于让航天工程师去送外卖，真正的情报机构也绝对不会这么蠢，中国更不会， 那问题就变成了，为什么这么多人看到同样一段视频，第一反应不是服务员很专业，而是间谍， 首先CIA自己就是这么招人的， 美国情报史上有大量招募酒店、餐饮、清洁人员做线人的记录，所以他们天然假设对方也会这么干， 典型的镜像偏见，用自己的剧本，编对方的故事， 中国高端外事服务业的基因是零失误、零情绪外露、极致专注，周恩来时代定下的规矩至今没变， 结果极致的专业被镜头语言把严肃专注自动翻译成了冷酷监听，服务文化差异被剪辑成了威胁信号，就挺荒诞的😅

译一日本账号将中国国宴上神情专注、站姿端正的女性服务员，通过配乐和AI生成图片暗示为“间谍”，引发英文推特热议。分析指出，这种指控源于典型的“镜像偏见”——美国情报机构历史上常招募服务行业人员为线人，因而推定他国行为模式相同。实际上，中国高端外事服务秉承零失误、极致专注的专业传统，却被曲解为“监听”。事件揭示认知战中，文化差异与预设剧本如何将专业行为扭曲为威胁信号。

Ethan Mollick@emollick · 5月17日51

In the original von Neumann sense of a singularity as the point "beyond which human affairs, as we know them, could not continue," it seems true By definition, we can't know what that means in advance (it was also true of the Industrial Revolution, which reordered human affairs)

译主推文认为，按照冯·诺依曼对“奇点”的定义——人类事务将发生不可延续的根本性变革——我们已身处其中。这种变革如同工业革命，其具体形态无法提前预知。引用推文指出，社会各层面对此的认知存在显著差异：旧金山和部分X平台用户相信奇点迫近；企业高管与政府刚意识到AI的快速发展；数亿职场人士已将其视为日常工具；而公众认知仍停留在“AI是会产生幻觉的随机鹦鹉”阶段，对从GPT-3.5至今的能力飞跃未有更新。

AYi@AYi_AInotes · 5月17日69

Damn，有点炸裂啊，一颗葡萄用了6660张宏观照片训练3DGS， 模型只有43万个高斯点， 压缩完不到50MB， 但你可以在手机上看它360度旋转， 连果肉里透出来的光都还原了， 更炸的是老哥回复里那句话，有人问底部怎么拍到的，他甩了张gif说“Like this”， 但玩笑归玩笑，真正重要的信息其实都藏在技术参数里： 90个焦点堆栈，每个74张， 全角度覆盖，底部也拍进去了， 半透明物体是3DGS最难搞的测试对象，他偏偏选了最难的那个， 逻辑也很简单：最难的通了，比它简单的任何东西就已经在射程之内了， 我理解这颗葡萄的本质不是炫技，而是一份写在技术参数里的产品化路线图， 下一个被数字化的可能不是葡萄，可以是任何你舍不得让它烂掉的东西 逻辑很简单，如果连葡萄这种最难的都跑通了，比它简单的任何东西，手办、珠宝、人脸、文物，都已经在射程之内， 以前做这种级别的3D数字资产，需要专业扫描仪加建模师加后期手动修，成本和时间劝退绝大多数人， 现在这套流程是，宏观镜头加照片堆，进3DGS自动训练，出来就是20到50MB的可分发模型， 门槛从专业团队降到了一个人加一台相机，这是我觉得真正炸的地方， Dany自己还在开发miqula工具，明显在把这套流程进一步封装成产品， 他用一颗葡萄，相当于给整个行业画了一张产品化路线图。 https://x.com/DanyBittel/status/2055623109890253163/video/1

译开发者Dany Bittel通过6660张葡萄宏观照片，利用3D Gaussian Splatting技术训练出仅50MB的高保真3D模型，在手机上即可流畅查看半透明细节。该实验攻克了最难的半透明物体建模，证明技术可轻松应用于手办、珠宝等物品，将3D数字资产创建门槛从专业团队大幅降低至个人。其开发的miqula工具正推动该流程产品化。同时，这也反映了AI工具的普遍悖论：制作demo的门槛急剧降低，但实现稳定生产级应用仍需克服工程化挑战。

Chubby♨️@kimmonismus · 5月17日75

Mustafa Suleyman says 18 months until AI automates all white-collar work. Microsoft AI CEO Mustafa Suleyman predicts "human-level performance on most professional tasks" within 18 months. Accounting, legal, marketing, project management, all fully automated. "Suleyman predicted “human-level performance on most, if not all professional tasks” being done by AI. Most tasks that involve “sitting down at a computer” will be fully automated by AI within the next year or 18 months, he said, naming accounting, legal, marketing, and even project management as vulnerable." (Fortune) Suleyman says his mission is building "superintelligence" and that creating a new AI model will soon be "like creating a podcast or writing a blog." Via Fortune

译微软AI CEO Mustafa Suleyman预测，AI将在18个月内实现人类水平的性能，自动化大多数专业任务，包括会计、法律、营销和项目管理。他在Fortune采访中指出，所有涉及“坐在电脑前”的白领工作都将被AI完全取代。Suleyman透露自己的使命是构建“超级智能”，并展望未来创建新AI模型将像制作播客或写博客一样便捷。

meng shao@shao__meng · 5月17日49

小区电梯里看到的广告，迷你主机 支持 OpenClaw 云端和本地主流大模型部署 蹭 OpenClaw 热点的广告，可能是生命周期最短，简称最短命的广告了吧 👀

Rohan Paul@rohanpaul_ai · 5月17日49

Yann LeCun says LLMs aren’t a bubble in value or investment—they’ll drive many real-world applications and justify current infrastructure spend. The actual bubble lies in assuming LLMs can become human-level thinkers.

译杨立昆表示，大语言模型在价值或投资上并非泡沫——它们将推动许多实际应用并证明当前基础设施支出的合理性。 真正的泡沫在于假设大语言模型能成为人类水平的思考者。

AYi@AYi_AInotes · 5月17日67

说个所有AI创业者都不愿意承认的事实： 现在做一个AI工具的门槛已经降到了地板， 普通人做一个AI工具都只需要一天， 但学会用它干成一件事，却至少得一个月， 感觉像是AI时代的一个悖论😅 5.7M 阅读 23 万点赞的这条推，表面看是游戏圈在自嘲， 视频展示的是一颗树莓 237 万个高斯点，做一筐扔进游戏直接 2 FPS， 但如果把游戏开发四个字去掉，你会发现这是 2026 年所有 AI 工具用户的共同故事。 我先先把这个梗讲透： 原推作者 @DanyBittel 用 90 组焦点堆栈、每组 68 张照片，重建出来这颗树莓，总共 237 万个高斯点， 这是一种叫 3D Gaussian Splatting 的新型 AI 重建技术，简称 3DGS， 视觉效果有多吓人呢？ 每一颗小果粒的绒毛、表面光泽、半透明的果肉质感全都纤毫毕现，在 RTX 3060 Ti 这种中端显卡上还能跑 100+ FPS，前提是只有这一颗🙃 @nazbowling102 的笑点在这里，老哥迫不及待想看哪个独立游戏开发者一激动，把一整筐这种树莓当道具扔进游戏里，然后纳闷为啥游戏跑 2 FPS🤣 我觉得这个吐槽之所以 5.7M 阅读，是因为它戳中了游戏圈的集体回忆—— Monster Hunter Wilds 一颗八角茴香用了 2048 乘 4096 的纹理直接卡帧，Cities Skylines 2 给行人建了高精度牙齿模型，全都是一个小道具毁全局的真实事故。 但这条推真正让我深入研究的还不是游戏开发的事，虽然我是个游戏爱好者，但对于游戏开发是个小白。 ayi干货输出开始！ 咱们把游戏开发四个字去掉，这个故事正在所有 AI 工具领域都能同步上演， AI 生成的图，单张精美绝伦，但批量做长素材时质量瞬间崩溃， AI 生成的视频，10 秒钟惊艳，1 小时长片的管线一团乱， AI 生成的代码，单个函数完美，扔进项目跑起来一堆隐藏依赖， 共性是同一条规律： 新工具让做出来这件事的门槛降了 100 倍， 但用得动、跑得稳、能交付这件事的门槛反而升高了 10 倍。 过去做不出来是因为没人能做，现在做出来是因为工具太好用， 但优化、压缩、整合、降本的脏活累活没人帮你干，AI 工具时代真正稀缺的不再是创造力，而是生产工程能力。 所以我觉得这条树莓推真正的价值，不是教育游戏开发者怎么做 LOD， 是给所有正在被新工具喂得满嘴流油的人一个提醒： demo 级和生产级永远隔着一条河， AI 让前者变得免费， 后者还是要你自己游过去的！

译一条关于游戏开发的推文引发广泛共鸣：利用3D Gaussian Splatting技术生成的单颗树莓模型精度极高且运行流畅，但若将一整筐此类高精度模型放入游戏，帧率会骤降至2 FPS。这现象揭示了AI工具领域的普遍困境：生成单张图像、短视频或代码片段时效果出色，一旦进行批量生产或系统集成，就会出现质量崩溃、性能低下或依赖混乱等问题。其核心在于，新工具极大降低了创意demo的制作门槛，但将其转化为稳定、可交付的生产级应用，所需的工程优化与整合能力反而变得更加稀缺和关键。AI让创意唾手可得，但跨越demo到生产的鸿沟，仍需扎实的工程能力。

Rohan Paul@rohanpaul_ai · 5月17日77

Anthropic CEO Dario Amodei : "Software is going to become cheap, maybe essentially free. The premise that you need to amortize a piece of software you build across millions of users, that may start to be false. But at the same time, there are whole jobs, whole careers that we've built for decades that may not be present. And, you know, I think we can deal with it. I think we can adjust to it. But I don't, I don't think there's an awareness at all of what, of what is coming here and the magnitude of it." --- From "The Wall Street Journal" YT channel (link in comment)

译Anthropic CEO Dario Amodei在《华尔街日报》YouTube频道采访中表示，软件成本将急剧下降，可能基本免费，传统软件需百万用户分摊成本的前提将不再成立。同时，数十年来建立的许多工作和职业可能消失。Amodei认为社会能够应对并适应这种变化，但他警告人们目前完全未意识到即将到来的变革及其巨大规模。

Rohan Paul@rohanpaul_ai · 5月17日72

Anthropic CEO Dario Amodei: "AI will take us to a world where we have very high GDP growth and potentially also very high unemployment and inequality. We've never had a technology that's this disruptive. So the idea that we could have 5% or 10% GDP growth, but also, 10% unemployment, it's not logically inconsistent at all. It's just never happened that way before. And I'm really quite, for those both reasons, excited and worried. I have some engineering leads within Anthropic who have basically said to me, I don't write any code anymore. I just let Opus do the work and I edit it. There are still things for the software engineers to do, right? It's like, even if the software engineers are only doing 10% of it, they still have a job to do or they can take a level up. That's not going to last forever. The models are going to do more and more. " --- From "The Wall Street Journal" YT channel (link in comment)

译Anthropic CEO Dario Amodei 指出，AI将引领一个前所未有的颠覆性时代：经济可能实现5%-10%的高GDP增长，但同时伴随高失业率与不平等加剧。他举例称，软件成本将大幅下降甚至近乎免费，传统软件商业模式的前提或将瓦解。尽管目前工程师可转向编辑或升级工作，但AI模型将持续承担更多任务，导致许多延续数十年的职业逐渐消失。他强调，社会尚未充分意识到这场变革的巨大规模与冲击，对此他既感到兴奋又深表担忧。

Rohan Paul@rohanpaul_ai · 5月17日63

🇨🇳 China is filing and winning far more patent claims in AI. Also, China’s total AI related fixed-asset investment is close to the US private-sector level, i.e. it can fund the physical rollout needed for cheap, high-volume inference. --- ft .com/content/d9af562c-1d37-41b7-9aa7-a838dce3f571

译中国在AI领域的专利申请和授权数量已大幅领先。同时，中国AI相关固定资产投资规模已接近美国私营部门水平，能够为低成本、大规模的AI推理部署提供必要的物理基础设施资金支持。引用推文补充指出，中国公众对AI产品的接纳态度相比其他国家更为积极，这降低了应用阻力，有利于AI服务快速融入日常生活并实现规模化。此外，在开源领域，开发者的重心也正转向中国，下载份额正从美国和欧洲转移。

Rohan Paul@rohanpaul_ai · 5月17日59

China: a 10-year-old casually gets a Mac Studio for “raising lobsters,” aka letting multiple AI agents work together like a tiny digital crew. “The world of the future belongs to those who understand Tokens.” Meet the AI-native children.

译中国：一名10岁孩子 casually gets a Mac Studio for “raising lobsters,” 即让多个AI智能体像小型数字团队般协同工作。 “未来的世界属于理解代币的人。” 迎接AI原生代儿童。

Berryxia.AI@berryxia · 5月17日45

卧槽！……这下真藏不住了啊！ 中国最大“黑市”交易市场小黄鱼都被鬼佬知道了…… 欢迎他们前来进货啊😂 😆

译卧槽！……这下真的藏不住了！ 中国最大“黑市”交易市场小黄鱼都被外国人知道了…… 欢迎他们前来进货啊😂 😆

Orange AI@oran_ge · 5月17日65

http://x.com/i/article/2055834613973684224 # 我的奥德赛时期 最近很多人在说自己处于"奥德赛时期"。 奥德修斯打完仗漂了十年才回家，人们用这个词来形容毕业之后方向未定，没找到主线的漂泊状态。 这个说法流行的一个原因是人们认为以前的路径看起来是清晰的。上学，进大厂，赚钱，买房，结婚，退休。互联网时代给了很多人这条路，大厂需要大量的人，机会多，方向明确。 但现在互联网时代结束了，大厂不再需要那么多人了。AI 来了，它需要的人更少。 旧路径失效了，新的还没出现，大家开始迷茫。 我理解这种感觉，但从我的个人经验来说，即便是在互联网时代，这个路径也只是很少人走通的。 我在2005年高考的时候也是600多分，学校第一名，大学刚毕业之后也一样没有班上。后来和朋友一起做软件创业，再后来大厂，小厂，中厂，各个地方走了一圈。每一段都有收获，但一直感觉人生没有一条主线。 2022年，从所谓的公司体系里出来之后，回想过去，才慢慢感受到曾经自己最快乐的时光，就是大学毕业之后那一小段创业的时光。 因为那段时光最为真实。 自己做软件，自己卖，自己承担风险，自己赚钱养活自己。那时候不觉得在"漂泊"，因为每一天都有真实的反馈。做对了就有人买，做错了就没饭吃。 我一直觉得人最厉害的成就，就是能自己赚钱养活自己。 但在各种厂子里打工的时候，感觉不是这样，感觉大多数时候没有什么意义。 最近在读塔勒布的《Skin in the Game》，里面有一句话： 生活需要付出牺牲和承担风险。承担了风险，并做出了牺牲，那才是你的生活。 我觉得这就是在大厂感觉没意义的原因。你没有在承担真实的风险，你的决策没有真实的后果。做对了是公司的，做错了也是公司的。你只是一个零件。 当你创造的价值比你的工资低的时候，高薪就成了诅咒。 很多人会把找到工作作为一个终点，成功应聘到一个著名的公司，觉得终于到了，可以在这里歇着了。结果歇着歇着人就废了，后来离开的时候发现，那个著名公司的标签跟他没有一点关系。 因为你一直没有承担风险，你就一直没有在进化。 进化就是筛选的力量，没有风险共担就没有进化。 这世界上真正厉害的人，财富自由对他们只是起点。他们一直在一种改变世界的游戏状态。世界对他们来说一直是新鲜的，永远都有事情需要去做。 "猛干几年然后退休"是一个幻觉。人们想象不出来财富自由的状态，所以觉得那种退休特别好，但其实退休是世界上最无聊的状态，因为那代表没有人需要你了。 人总想做点什么，有一份工作才会有身份认同感、社会认同感，才会感觉自己没有被社会抛弃。 为什么这么多人迷茫？ 可能是因为人生中那些真正重要的事情，从来没有人教过我们。 怎么从一件小事里找到商业模式，怎么跟人建立信任然后深度长期地合作。这些最重要的东西，学校都不教。 有句话叫 have a good past。每一段都好好过，要对得起自己的成长。听起来太朴素了，但你真做到了，你就不需要依赖任何人给你安全感。 你的过去是你亲手创造的资产。 王登科最近做了一个产品叫 The One，技术上没什么复杂的，三天就一百万人注册。他把做 AI 社交的那些积累接入到微信里，让大家打开就能用。想到了就做了，三天搞定。 这个时代，执行力可以完全交给 AI 了，真正稀缺的东西是想象力，判断力，好奇心，还有你想对这个世界做点什么的那种冲动。 模型已经很强了，你不用非要跟模型去比谁更强。老子庄子已经在那了，这个世界需要更多道士去布道。 但即使你做的任何东西都不如 AI 好了，AI 还是无法替你承担风险。 AI 不会死，所以它不会真正地"在乎"。人会死，时间不可逆，所以你的每一次选择都是真实的。这就是你比 AI 强的地方。 保护好这些东西，然后投入自己的精力去创造，去真实的世界去验证。创造—验证—创造。 这个循环是成长最快的路径，因为实践是获得真理和获悉真相的唯一途径。 很多人想要一个安全垫，可大厂工资不是安全垫，公务员薪资也不是。那些东西随时可以消失。 你的安全垫只有一个，就是你自己的快速成长。 这世界永远充满未知，永远有新的冒险等待着你。 人的一生都是奥德赛时期。 永远不要停下来。

译“奥德赛时期”指年轻人毕业后的迷茫状态，源于旧有清晰路径在互联网时代结束后失效。作者认为，即便在过去，这条路径也少有人走通。问题的核心在于是否承担真实风险与创造价值。在大厂打工常感无意义，因为个人决策无真实后果，高薪可能成为诅咒。真正的成长来自“风险共担”，进化需要筛选力量。AI时代，执行力可交给模型，稀缺的是想象力、判断力与改变世界的冲动。AI无法替人承担风险，人的选择因生命有限而真实。真正的安全垫并非稳定工作，而是自身的快速成长与“创造-验证”循环。人的一生皆是奥德赛时期，需持续在真实世界中冒险进化。

Rohan Paul@rohanpaul_ai · 5月17日56

🇨🇳 China’s public is unusually positive about AI products compared to other countries, which lowers adoption friction and makes it easier to roll AI into daily services at scale. And developer gravity is anyway shifting toward China in open-source, with download share moving away from the US and Europe --- ft .com/content/d9af562c-1d37-41b7-9aa7-a838dce3f571

译🇨🇳 与其他国家相比，中国公众对AI产品的态度异常积极，这降低了采用阻力，使得将AI大规模融入日常服务变得更加容易。 无论如何，在开源领域，开发者重心正转向中国，下载份额正逐渐从美国和欧洲转移。

Rohan Paul@rohanpaul_ai · 5月17日42

Satya Nadella's energy is something here. 🔥 "Tokens per Dollar per Watt" The new equation for the AI age for every Company or Industry or Country. "And that means Infrastructure, Infrastructure and Infrastructure."

译Satya Nadella的能量在此彰显。🔥 “每瓦特每美元的Token数” 这是每个公司、行业或国家在AI时代的新公式。 “这意味着基础设施、基础设施，还是基础设施。”

Ethan Mollick@emollick · 5月17日24

That explains this startup.

译这就解释了这家初创公司。 [引用 @deepfates]：旧金山的新潮流不再是参谋长或MTS，而是巫师。每家公司都必须有位巫师。如果你的公司没有巫师和万年宇宙计划，那就注定失败。在某些顶级初创公司，每位高管都配有专属巫师。

Berryxia.AI@berryxia · 5月17日47

卧槽！兄弟们，𝕏 的“商单已死”？ 在𝕏 搞钱的兄弟们一定注意⚠️ 前有马斯克给这个老哥解释𝕏 算法！ 后有Nikita手撕这位老哥的真相！ 今天X上AI圈直接炸锅了！ AI大V @LinusEkenstam 和 X产品负责人 @nikitabier 公开硬刚，核心就一个问题： 一个账号如果持续发广告，尤其是付费未披露的推广，会不会被算法直接“关小黑屋”惩罚？ 我把整个事件的来龙去脉、前因后果、完整时间线给大家扒得干干净净，兄弟们看完绝对心里有数！ 尤其是做AI工具推广、内容变现的兄弟，这波操作直接把X算法的“潜规则”摆到台面上来了。 先说事件核心 Linus是AI领域老资格内容创作者（2007年就在X活跃），每天分享AI新闻、工具教程，还和Luma、Runway、HeyGen等品牌合作推广。 Nikita是X产品负责人，专门负责算法优化，核心目标就是干掉低质内容、spam和“隐形广告”，让For You页更真实、用户更开心。 结果呢？ Linus最近发帖吐槽自己reach（曝光）暴跌85-95%，第三次被Grok算法“监狱”。 Nikita直接回复：“你把账号卖给大量付费推广，粉丝已经不信任你了！” 还甩出一个网站 http://linus-sellout-tweets.com，里面列了Linus过去几个月118条推广帖（Luma #LumaPartner、Perplexity、HeyGen HyperFrames、Runway Agent等等）。 Linus反击说：大部分都有#Paid标签，是真心推荐或朋友项目； reach暴跌是因为某条mega viral帖被community note + 大量举报导致的，跟推广没直接关系。 兄弟们，这事本质就是：平台想清理“卖out”内容 vs 创作者生存压力之间的碰撞。 ⚠️可以完整时间线 - 2025年10月：Linus第一次严重被算法压制（search ban、reply ban、reach直接归零）。 他私信Nikita，Nikita先说“你发帖太多”，后来承认是Grok误判单帖导致的bug，账号才恢复。 Linus当时就感慨：“一个帖子就能毁掉账号的存在意义。” - 2025年11月底-12月：Linus多条viral帖OON（站外）爆火，但12月初reach突然第二次暴跌，持续7周多，直到2026年1月中旬才慢慢缓解。 他那段时间减少发帖，陪家人，但还是坚持日常更新。 - 2026年5月14-15日：Linus发帖吐槽第三次reach暴跌，贴出3个月 vs 最近2周的详细数据图（impressions、views、engagement全崩），直接@ xai 和 @ nikitabier 求透明度，否则考虑离开X。 帖子瞬间几百万浏览，AI创作者圈集体跟进抱怨。 ✍️- 2026年5月16日（高潮）： 有用户回复说Linus“商单做未披露广告”。 Nikita直接下场硬刚（帖ID:2055695998866055673）：“你把账号卖给付费推广，毁了品牌，现在粉丝不互动了。” 并丢出那个118条推广帖的网站。 Linus立刻录视频逐条解释：大部分有标签、是真心推荐，承认少数早期可能漏标，但远不是“卖身”。 晚上Linus继续发长线程，回顾三次经历，强调算法不透明+缺乏救济路径。 我的看法X的Grok算法现在越来越看重 tweepCred（用户信誉分）、互动率、原创性。 如果账号被当成“过度商业化”或者引发mass report，reach就会被自动砍。 这其实是平台在努力提升内容质量——不想让For You页全是隐形广告。 但另一方面，Linus这种全职AI创作者，靠推广养活自己也很现实。 关键在于披露透明度：老老实实打#Paid或者“合作”标签，粉丝心里有数，信任就不会崩。 后果已经很明显了： - 支持Linus的说“算法太随意，缺乏解释”； - 支持Nikita的说“平台必须清理卖out，才能留住真实用户”。 这件事直接把“创作者生存 vs 平台治理”的矛盾摊开，大家讨论得热火朝天，说不定还能推动X改进creator tools（比如明确显示suppression原因）。 兄弟们，尤其是每天分享AI工具、还有商单还要苟活的自媒体们： 一个账号持续发广告，尤其是付费未披露的，真可能被算法惩罚！ 粉丝不互动了，Grok就直接给你“低质监狱”。 老实打标签、真心推荐，才是长久之计。

译AI领域创作者LinusEkenstam因曝光量暴跌，质疑X平台算法不公，与产品负责人Nikita Bier公开争论。Nikita指出其账号因大量未披露的商业推广损害粉丝信任，并列出118条推广记录。Linus反驳称多数内容已标注#Paid标签，曝光下降源于特定帖子遭社区批注和举报。此事凸显X的Grok算法正通过用户信誉分与互动率打击“隐形广告”，以提升内容质量，同时也反映了全职创作者依赖商业合作的现实困境。核心矛盾在于平台治理与创作者商业化之间的平衡，推广内容的透明度成为关键。

ginobefun@hongming731 · 5月17日57

当软件容易被创作，新时代的产品长什么样？ 大多数关于 AI 创业的讨论都在谈机会，新工具带来了哪些新可能，哪些赛道被打开了，怎么抓住这个窗口期。 42 章经最近一期播客的嘉宾 Albert 的开场很直接：「最近行业里可以说是哀鸿遍野。」他说的「难」，不是技术上做不出来，而是做出来之后很难过得了他自己设定的发布门槛，因为同等质量的东西别人也可以以相似的成本做出来。 他给出的判断是：「智能不是最高层次的价值。」当 AI 让做产品这件事变得空前容易，功能层面的稀缺性就消失了。真正稀缺的，是那些带有独特情感触点的产品，是创作者和用户之间的具体连接，他用「回响」来描述这种价值。 这个判断背后有一个洞察：模型厂商正在越来越主动地收割商业价值，直接在垂直领域落地产品，压缩了中间层的生存空间。在这种结构里，与模型能力正面竞争几乎没有胜算；但品味、情感连接和社群认同，是模型厂商很难用规模化方法复制的东西。 他用泡泡玛特做类比，未来的软件格局可能会出现大「小而美」的产品，每个都有自己的「粉丝」，付费理由不只是功能，还有对这个产品背后的创作者和世界观的认同。这对「什么是好产品」这个问题给出了一个很不一样的答案。

译AI创业当前的核心挑战并非技术实现，而是功能同质化导致产品发布门槛提高。随着大模型降低开发成本，功能稀缺性已消失，价值转向独特的情感触点与用户连接。模型厂商正直接涉足垂直领域，挤压中间层生存空间，正面竞争模型能力难以取胜。未来或涌现众多“小而美”产品，像泡泡玛特一样，依靠独特品味、社群认同和世界观吸引付费用户，重新定义好产品的标准。

ginobefun@hongming731 · 5月17日63

Peter 畅想 Token 无限量时代的未来，他的核心问题是：「如果 Token 不再昂贵，我们会怎么构建软件？」这个假设在当下已经不太遥远了。当 AI 成本持续下降，「哪些流程可以彻底交给 AI 来跑」这个问题的边界会不断外移。

译Peter提出核心问题：如果Token不再昂贵，未来软件构建方式将如何变革？随着AI成本持续下降，自动化流程的边界不断外移。引用推文中，@steipete的OpenClaw项目已实践这一理念：运行约100个codex实例在云端，自动化审查PR和issue、检测安全漏洞、去重问题并生成报告。代理系统能处理复杂任务，如创建临时测试环境；codex还监控会议并主动创建工作项。通过clawpatch.ai进行功能单元分割审查，结合Vercel's deepsec和Codex Security强化安全分析，实现高效、精益的软件开发运营。

ginobefun@hongming731 · 5月17日68

Box CEO Aaron Levie 是在 SaaS 时代就完整经历过一个软件公司从 0 到成熟的操盘者，他的最新观点认为现在是创立 AI 公司的最佳时机。 他的判断是：AI 是大型机、PC、互联网、云之后又一次十年一遇的平台级迁移，现在处于早期，大约有三年窗口。在这个窗口关闭之前能建立起数据和工作流优势的玩家，之后的护城河会很深，因为后来者不只是功能落后，而是数据积累上的结构性劣势。 他同时反驳了「AI 会消灭软件工程师」的说法。代码生成确实被 AI 解决了，但把 AI 生成的代码安全部署到生产环境、处理集成问题、对后果负责，这些依然需要人。他提出「问责差距」这个概念：AI Agent 不能被起诉、不能被追责，所以工作流的两端必然还是人，创业者部署的 Agent 越多，越像一个压力山大的「Agent 经理」。 对于选择赛道，他指向了垂直 AI 、Agent 基础设施，以及那些在服务交付上 AI 能显著提升效率的专业服务类公司。 https://www.youtube.com/watch?v=ExgNR94SrfI

译Box CEO Aaron Levie认为，AI是继大型机、PC、互联网和云之后又一次十年一遇的平台迁移，目前仍处早期，存在约三年的黄金创业窗口。成功关键在于在此期间建立起数据和工作流的优势，以构建结构性护城河。他反驳了“AI将取代软件工程师”的观点，指出部署、集成和问责仍需人类，并提出了“问责差距”概念。看好的方向包括垂直AI、Agent基础设施及AI能显著提升效率的专业服务公司。

meng shao@shao__meng · 5月17日63

Atomic Bot 发布的基于本地模型 Qwen 35B真实任务视频对比，引发 OpenClaw 和 Hermes Agent 两位大佬辩论 OpenClaw 创始人 @steipete 转发了这个抓取 GitHub 仓库（OpenClaw & Hermes）的 star 历史、分析增长 spike 原因，并构建实时浏览器仪表盘的任务。 视频实测结果 · OpenClaw：12分01秒，203k tokens。直接调用GitHub API、处理分页、拉取star-history JSON、发现安全事件、修复SVG与HTML，最终输出干净仪表盘（还写了bash脚本）。 · Hermes Agent：33分01秒，257k tokens。采用并行工具调用（API+搜索+浏览器），遇Google限流自动切换DuckDuckGo，抓取文章、标注关键事件，最终也完成仪表盘（写了SKILL.md）。 Hermes 联创 @Teknium 直接反击称此基准不科学。 · 单次运行、无重复测试、无总 tokens/TPS 报告。 · Qwen 35B是“最随机长度”的模型之一，易循环，单次结果波动大。 · Hermes 在所有公开质量基准（尤其是开源模型）上全面领先，附 Wildclawbench（InternLM）截图：同等速度下 Hermes 结果显著更好。 · 真实用户数据：Hermes 上线后，OpenClaw token throughput 急剧下降；Hermes 3天内接近并超越，目前接近 2.5x OpenClaw 的日 token 量，用户用脚投票。还附 WolfBench 证据（Hermes 在真实任务中优于 Claude & OpenClaw）。

译Atomic Bot发布基于本地模型Qwen 35B的真实任务对比视频，显示OpenClaw在任务完成时间（12分01秒）和token效率上优于Hermes Agent（33分01秒）。OpenClaw创始人@steipete转发结果并强调性能策略见效。Hermes联创@Teknium反驳基准不科学，指出单次运行、模型随机性等问题，并引用公开质量基准及真实用户数据证明Hermes领先，如用户日token量已达OpenClaw的2.5倍。双方各执己见，凸显了AI代理评估标准的争议。

ginobefun@hongming731 · 5月17日60

http://x.com/i/article/2055794569309261824 # BestBlogs 05.17 早报 · ChatGPT 理财 / 智能体控制平面 / 新时代的产品 在线阅读和收听：https://www.bestblogs.dev/explore/brief/2026-05-17 BestBlogs Pro 早鸟内测开放：你可以自定义订阅源、配置兴趣标签，每天获得一份属于自己的头条早报，欢迎体验。 欢迎收听 BestBlogs 每日早报，EP59。今天是 2026 年 5 月 17 日。今天的三个核心议题：OpenAI 把 ChatGPT 升级成「个人 CFO」正式进军高信任金融垂直领域；VentureBeat 首次系统调查企业智能体编排平台，揭示下一场战争的真实战场；连续创业者 Albert 在播客里给出反向判断——当人人都能做产品，智能不再是最高层次的价值，真正稀缺的是「回响」。 ## 导语 AI 落地的战场，正在从功能演示转向对真实生活的深度渗透。 这一周，OpenAI 做了一件很具体的事——让 ChatGPT 能够连接你的银行账户、信用卡和投资组合，给你一份实时更新的财务仪表盘，并基于真实数据回答你关于储蓄、支出和投资的问题。这不是 AI 能力的又一次概念升级，而是一次明确的产品落地：从「聊理财」到「管理财」。 与此同时，VentureBeat 第一次用系统性调查数据描绘了企业 AI 编排市场的真实格局。数字本身并不令人意外，但背后的含义很清晰：下一场竞争的主角不是模型，而是智能体控制平面。谁掌控了这一层基础设施，谁就掌控了企业 AI 的核心入口。 而 42 章经和 Albert 的这期播客，则提供了一个截然不同的视角。当 AI 正在让「做产品」这件事变得空前容易，当模型厂商正在吸走越来越多的商业价值，创业者的机会究竟在哪里？Albert 的回答是：不在智能本身，而在人与人、人与产品之间的情感连接——「回响」。 这三篇内容，恰好构成了一个完整的观察链条：AI 在进攻高信任垂直领域（金融）、AI 基础设施的控制权之争正在成形、而在这一切之上，真正的人类价值是什么。三个角度，从产品落地到基础设施争夺，再到创业者的价值哲学，拼出了 2026 年 AI 时代最值得思考的完整问题图景。不同背景的读者，都能从今天的内容中找到属于自己的落脚点。 ## 精讲一：ChatGPT 中的全新个人理财体验 OpenAI 官方博客 | 阅读原文 背景：AI 进军最后的高信任堡垒 在所有垂直领域里，金融是 AI 最难啃的一块。不是因为技术不够，而是因为信任门槛极高——用户愿意让 AI 帮忙写邮件、生成代码，但是否愿意让它看到自己的银行账单？这一步，直到现在才真正跨出。 OpenAI 宣布，面向美国 Pro 用户推出 ChatGPT 个人理财功能预览版。核心能力是：通过 Plaid 安全连接超过 1.2 万家金融机构，自动分类支出、生成可视化仪表盘，涵盖投资组合表现、订阅管理和待付账单追踪。 关键事实 这次更新的几个重要数字：每月已有超过 2 亿人使用 ChatGPT 咨询预算和投资相关问题——这是巨大的存量需求。GPT-5.5 的推理能力升级是这次产品可行性的技术前提，它让 ChatGPT 从给出「通用建议」升级为基于真实账户数据的「个性化财务规划」。 用户连接账户后，可以问 ChatGPT 具体问题，例如： - 「帮我分析一下上个月哪些订阅服务可以取消」 - 「我想在明年年初买车，现在的储蓄节奏够用吗？」 - 「和上季度相比，我的支出结构发生了哪些变化？」 ChatGPT 会基于真实数据给出具体回答，而不是教科书式的泛泛建议。 此外，用户还可以主动告知 ChatGPT 一些重要的财务背景，例如「我还欠父母 X 元贷款」或「我在存钱计划明年买房」，这些信息会被保存到「Financial memories」中，影响后续对话的质量。 为什么这一步重要 这是 OpenAI 迄今为止对「高信任垂直领域」进军最明确的一步。对比医疗、法律等其他高信任场景，金融有一个独特的优势：用户需求频次高（每天都在消费）、决策时效强（今天的财务决策影响三个月后的现金流）、数据反馈闭环快（储蓄了多少、省下了多少，数据会自动验证建议效果）。这些特性让金融成为一个「AI 能快速产生可见价值」的场景，同时也是最容易建立用户黏性和信任的领域之一。 更关键的是商业模式的示范意义。如果 ChatGPT 在理财领域建立起用户的信任和使用习惯，那么 OpenAI 向其他高信任垂直领域扩展（医疗记录、法律文件、教育档案）的路径将大幅缩短。这次预览版，是一次非常精心设计的信任建立实验——先在小范围内验证，再逐步扩展到 Plus 用户，最终面向所有用户开放。 与今日其他内容的关系 这篇文章和精讲二的「智能体控制平面」之间存在隐性连接——ChatGPT 理财功能本质上也是一个智能体编排场景：调用 Plaid API 获取数据、处理多账户信息、基于用户历史上下文生成个性化回答。它让我们看到，当 AI 进入具体垂直领域时，智能体基础设施的重要性会被进一步放大。 阅读建议 如果你对 AI 在金融领域的产品化路径感兴趣，原文值得完整阅读，OpenAI 给出了详细的功能演示和「有/无账户连接」时的对比示例。如果时间有限，重点看账户连接流程和他们对「数据安全」的描述——这是这类产品能否规模化的关键。 ## 精讲二：Claude 的下一个企业战场不是模型：而是智能体控制平面 VentureBeat | 阅读原文 背景：模型战争之后的下一场争夺 过去两年，企业 AI 的讨论主要围绕模型能力展开：GPT-4 vs Claude vs Gemini，谁的基准更高、谁的推理更强、谁的上下文窗口更长。但 VentureBeat 的这篇调查报告指出，这个框架正在过时。真正的竞争，已经悄悄转移到另一层了。 这一层叫做「智能体控制平面」（Agent Control Plane）——智能体规划任务、调用工具、访问数据、运行工作流，并向安全合规团队证明「我没有做任何不该做的事」的基础设施层。 关键数据 VentureBeat 对企业 AI 编排平台进行了首次系统性调查，结果显示： - 微软​（Copilot Studio + Azure AI Studio）以 38.6% 份额领跑，较一月份的 35.7% 进一步提升 - OpenAI​（Assistants API + Responses API）以 25.7% 位居第二，从 23.2% 上升 - Anthropic 从一月份的 0% 首次出现在追踪器中，达到 5.7% 这个 5.7% 的数字背后是 70 名调查对象中的 4 名，绝对值不大，但意义在于：这是 Anthropic 在企业「原生编排」层面的第一次可见出现，标志着 Claude 的企业使用模式正在从「被调用的模型」向「参与编排的基础设施」演进。 「控制平面」究竟是什么 文章的核心贡献是明确定义了这个竞争层次。企业不只是在选择一个「更好的聊天机器人」，而是在决定：AI 工作的「活体运营机械」将坐落在哪里——在微软的技术栈里、在 OpenAI 的 API 层上、在 Anthropic 的托管运行时中、在开源框架里，还是以上的混合体。 调查显示，企业在选择编排平台时，排名第一的考量标准是安全与权限管理（在 1-2 月均高达 37-39%），这远超于模型性能本身。这意味着「谁能让安全团队放心」这个能力，可能比模型基准更重要。 Anthropic 的位置与挑战 文章对 Anthropic 的分析很客观：5.7% 是一个起点，不是一个护城河。微软拥有早期的企业分发优势，OpenAI 的编排存量远大于 Anthropic。但 Anthropic 有一个独特的叙事资产——它一直把「可信赖的 AI」作为核心品牌主张，这与企业买家在控制平面选择中最看重的「安全与合规」高度契合。 与今日其他内容的关系 这篇和精讲一形成互补：ChatGPT 理财功能展示的是 AI 编排在消费端金融场景的具体落地，而这篇则描述了企业端编排基础设施的竞争格局。从「谁能最好地连接金融账户」到「谁能掌控企业 AI 的运行基础设施」，两者共同勾勒出 AI 基础设施竞争的全景图。 阅读建议 原文包含多张 VB Pulse 的数据图表，读图效果好于纯文字，建议在宽屏设备上阅读。如果你是企业技术决策者，建议完整阅读；如果只关心行业趋势，重点看「控制平面」的定义段落和 Anthropic 首次入场的战略解读。 ## 精讲三：当软件容易被创作，新时代的产品长什么样？ | 对谈 Albert 42 章经 | 收听播客 背景：一个「哀鸿遍野」的开场 Albert 是 42 章经的常客，连续创业者，2024 年凭借 Bezel 拿到了 Apple 年度最佳 App。这次节目开场就很直接：「最近行业里可以说是哀鸿遍野」。 为什么？因为 Opus 4.6 发布以来，AI 让做产品这件事变得空前容易，但这把双刃剑正在刺向独立开发者和小团队——模型厂商在加速收割大部分商业价值，创业空间正在被压缩。Albert 的团队在过去两个月里跑了几十个新产品，但大多数都没有过他心目中的发布标准，直到 merging.live 的出现。merging.live 的核心用途是帮助用户找到志同道合的协作者——这本身就体现了他对「情感连接」的思考。 核心洞察：智能不是最高层次的价值 这是整期节目最重要的一个判断，Albert 说：「在我心里，智能就不是最 high level 的价值。」 他的逻辑是这样的：当每个人都能做产品，功能本身就失去了稀缺性。此时真正稀缺的，不是「这个产品能做什么」，而是「这个产品和谁有关系、能产生什么情感连接」。他用「回响」这个词来描述这种价值——merging.live 这个产品，核心想做的就是为新的 maker 群体提供「回响」，让他们的创作被看见、被回应。 这个判断背后有一个更深的结构性观察：模型厂商（OpenAI、Anthropic、Google）正在从「工具提供者」变成「价值收割者」，他们越来越多地在垂直领域直接落地产品（参见精讲一），把原本属于独立创业者的市场空间大幅压缩。在这种结构里，与模型能力正面竞争几乎没有胜算，而建立情感连接和社群认同，则是模型厂商很难复制的东西。 软件会像泡泡玛特一样出现品牌溢价 节目里有一个很有意思的类比：Albert 认为，未来的软件格局可能会越来越像泡泡玛特——有大量长尾的、小而美的产品，每个都有自己的「粉丝」，愿意为情感价值和品牌溢价付费，而不只是为功能本身付费。 这意味着，创业者的竞争优势不再只来自技术领先，而更多来自「创作者与用户之间的独特连接」。vibe coding 的核心价值，可能不是生产更多代码，而是让那些有想法但缺乏技术能力的人，第一次真正拥有了表达自己的工具。这个趋势对「创作者经济」的影响将超出很多人的预期——当工具民主化之后，鉴别力和品味反而成了更稀缺的东西。 产品发布的新门槛 Albert 的实践给出了一个有意思的数据点：他的团队在几十个产品里，大多数都没过他设定的发布门槛。他们不是在考量「技术上能不能做到」，而是在问「这个产品有没有独特的情感触点」和「用户愿不愿意反复回来」。这个门槛在 AI 降低了开发成本之后，反而更加难以跨越——因为竞争对手可以以同样低的成本做出功能类似的产品，真正的差距只剩下产品的「个性」。 一级市场的变局 节目也聊到了资本市场的影响。Albert 的判断：一级市场可能面临系统性的重新估值——当 AI 让软件开发成本趋近于零，很多之前依赖「技术壁垒」定价的公司，护城河正在消失。投资逻辑需要重建。未来可能更值钱的，是那些在特定社群里有不可替代情感地位的产品，而不是那些仅仅在功能上领先的产品。 与今日其他内容的关系 这三篇精讲文章形成了一个有趣的对话结构：精讲一和精讲二描述的是「AI 的进攻」——向金融垂直领域落地、争夺企业基础设施控制权；而精讲三则在问：在这一切之后，什么是真正属于人类的价值空间？Albert 的答案，是情感连接与「回响」。三篇合在一起，其实是在回答同一个问题：当 AI 能力越来越强，竞争的本质是什么？ 阅读建议 这是一期播客，建议在通勤途中收听（全集约 40 分钟）。节目的时间轴非常详细（章节在文章里有列出），可以跳到「31:34 在我心里，智能就不是最 high level 的价值」这个时间点直接开始听，那是整期节目最有冲击力的部分。另一个值得特别关注的章节是「38:14 软件行业会越来越像泡泡玛特」，这个类比非常有启发性。如果你正在做自己的产品或考虑创业，这一期的价值密度很高，值得整段完整听完。 ## 速览 本期还有 7 篇精选速读，涵盖 AI Agent 工程、LLM 架构、模型对齐研究、机器人数据、世纪法律审判等多个主题。这些内容是今天全球科技信息流里与三篇精讲同等重要、但未能深度展开的内容。每篇都附有最直接的阅读理由，方便你快速判断是否值得进一步深读。 用 AI Agent 构建软件：畅想 Token 无限量时代的未来 Peter Steinberger（Claw 的创造者）发布了一条引发广泛讨论的长推。他详细介绍了支撑 OpenClaw 项目的 AI Agent 自动化体系——代码审查、安全审计、Issue 去重、PR 创建、垃圾信息检测、性能基准测试全部由 Codex 驱动的智能体处理，并展望了一个 token 成本趋近于零时，软件工程将发生什么根本性变革的未来图景。适合所有关注工程效率和 AI 辅助开发的读者。 LLM 架构最新进展：KV 共享、mHC 与压缩注意力 Sebastian Raschka 回顾了近期开源 LLM 的架构创新，重点分析四个方向：Gemma 4 中的 KV 共享与逐层嵌入、Laguna XS.2 的逐层注意力预算分配、ZAYA1-8B 的压缩卷积注意力，以及 DeepSeek V4 的 mHC 与压缩注意力机制。这些创新的共同主题是长上下文效率——随着推理模型和智能体工作流需要维护越来越多的 token，KV 缓存的内存占用正在成为首要约束。技术向读者必看。 Anthropic 教会了模型懂道德，也打通了一条蒸馏你的新路｜Hao 好聊论文 腾讯科技对 Anthropic《Teaching Claude Why》论文的深度解读。核心发现令人印象深刻：通过仅 300 万 token 的「困难建议」数据集进行 SFT，Claude 的失对齐率从 22% 暴降至 3%，且展现出极强的跨场景泛化能力。文章进一步论证，这种「审议式 CoT + 宪法框架」的训练范式，可能代表 RLVR 之外一条全新的后训练路径，开启「大蒸馏时代」。对模型训练和对齐研究感兴趣的读者不要错过。 走进数采工厂：深聊机器人数据荒漠、四层金字塔与种树人 硅谷 101 深入上海机器人数采工厂，对机器人数据问题进行了系统性梳理。核心论点：机器人无法像 LLM 那样「吃掉互联网」——每一条高质量训练数据都必须从零生产。文章提出了机器人数据的四层金字塔结构（真机遥操数据、仿真合成数据、动捕数据、互联网视频），分析了各层的质量天花板、成本代价和中美公司的策略差异。对具身智能和机器人领域感兴趣的读者值得细读。 OpenAI 世纪审判走到结案，我们梳理了最核心的几个问题 马斯克诉 OpenAI 一案于 5 月 14 日进入结案陈词，陪审团预计 5 月 18 日开始审议。文章系统梳理了三项核心法律争议：慈善信托义务是否存在、高管是否不当得利、微软是否协助违反信托。诉讼时效是 OpenAI 一方的关键防线。这场官司的结果，将对 AI 公司的非营利转营利路径产生深远影响。对科技法律和 OpenAI 历史感兴趣的读者必读。 40 亿美金 Box CEO Aaron Levie：现在是创立 AI 公司的最佳时机 Aaron Levie 的判断：我们正处于一个类似 PC 革命或互联网浪潮的历史性技术周期早期，大约有三年窗口期，在此之前建立数据驱动的网络效应就能构建强大护城河。他特别强调垂直 AI、智能体基础设施和服务类公司，同时反驳了「AI 会消灭工程师」的论断——代码生成容易，但把 AI 生成的代码安全地部署到生产环境，依然是高度复杂的人类任务。 递归语言模型：一次全面的深度剖析 深度技术文章，解释递归语言模型（RLM）为何在长上下文基准测试中大幅领先。核心思路：「按引用传递上下文」而非「复制上下文」，配合持久化 REPL 环境，让 LLM 能够在不爆炸上下文窗口的前提下处理高度嵌套的复杂任务。文章通过一个简单的案例研究逐层拆解 RLM 与 ReAct、CodeAct 和传统子智能体方案的本质区别，有 50 分钟配套视频。 ## 扩展阅读 以下 3 篇内容提供补充视角，按需选读。 智能体不开站会：构建「后工程师」工程组织的实战案例 与精讲三的「人人都能做产品」形成具体呼应。PFF（NFL 数据公司）的 Mike Spitz 分享了一个真实案例：两名 AI 赋能的工程师通过智能体驱动的 LDD 工作流和自主 QA，实现了 25 倍部署量与 10 倍产出的突破，并彻底淘汰了 Scrum。适合正在探索 AI 工程组织转型的工程管理者。 稚晖君抛出"三条曲线"，讲了一套具身智能出海的新逻辑 与速览中的机器人数据文章形成配套，从数据难题切换到商业化和全球化视角。智元机器人在香港具身智能峰会上提出「一国一策」本地化策略、RaaS 商业模式，以及「一体三智」与「XYZ 三条增长曲线」技术范式。中国具身智能的出海 2.0 时代正在到来，这篇文章描述了路径。 虾马之后又火一个！OpenHuman 用 20 分钟了解你的一切，存成卡帕西式知识库 与精讲一的 ChatGPT 理财功能形成有趣对比——两者都是「AI 主动了解你的真实生活」的产品思路，但实现路径完全不同。OpenHuman 连接 118+ 第三方服务，每 20 分钟自动抓取数据，构建卡帕西式本地知识库，全程无需用户手动维护。对 AI 个人助理和知识管理感兴趣的读者可以一看。 ## 今日阅读路径 如果你的时间有限，建议按以下优先级阅读： 优先读这 3 篇 1. 当软件容易被创作，新时代的产品长什么样？| 对谈 Albert（精讲三）——这是今天最有思考深度的内容，Albert 的「回响」框架对任何一个关心 AI 时代创业逻辑的人都有直接价值。如果你是产品人或创业者，这期播客值得收听全程。 1. Claude 的下一个企业战场不是模型：而是智能体控制平面（精讲二）——了解企业 AI 竞争格局的人，这篇是今天的必读。「控制平面」这个框架，比「模型性能」更能解释接下来 18 个月的行业走向。 1. ChatGPT 中的全新个人理财体验（精讲一）——如果你关注 AI 产品化进展，OpenAI 这次向金融垂直领域的拓展是今天最值得关注的具体动向，值得了解功能细节。 如果还有时间，按兴趣追加： - 技术向：先读 LLM 架构（速览第 2 篇），再读递归语言模型（速览第 7 篇） - 机器人方向：机器人数据金字塔（速览第 4 篇）+ 智元出海逻辑（扩展阅读第 2 篇） - AI 工程实践：Peter Steinberger 的 Agent 体系（速览第 1 篇）+ 智能体不开站会（扩展阅读第 1 篇） - 时事：OpenAI 世纪审判（速览第 5 篇） 今天的内容比较密，但三篇精讲之间的「对话关系」是核心：AI 在进攻（金融）、AI 在建立基础设施控制权（控制平面），然后，在这一切之后，人类的价值是什么（回响）。这三个问题，值得一并思考。每篇文章的原文链接都在 shownotes 里，今天是周日，可以慢慢读，享受一个有深度的阅读周末。

译OpenAI推出ChatGPT个人理财功能预览版，正式进军高信任金融领域。同时，企业AI竞争焦点正从模型能力转向智能体控制平面，微软以38.6%份额领先，安全与权限管理成为企业首要考量。此外，连续创业者Albert指出，在AI降低产品开发门槛的背景下，智能本身不再是最高价值，人与人、人与产品之间的情感连接（“回响”）才是稀缺资源。

ginobefun@hongming731 · 5月17日46

#BestBlogs 早报 2026-05-17 今天的 BestBlogs 早报聊了一个核心问题：AI 的护城河到底在哪？ OpenAI 把 ChatGPT 接进了真实银行账户，冲着金融这块最难啃的高信任垂直领域去了； VentureBeat 调查显示下一场竞争不在模型，在谁掌控智能体控制平面； 创业者 Albert 则给出了第三个答案，当人人都能做产品，真正稀缺的是「回响」，是情感连接。 三个角度，一个问题。BestBlogs 早报，周日阅读。

译围绕AI护城河的核心问题，目前呈现三个关键竞争方向。OpenAI正将ChatGPT接入真实银行账户，试图攻克金融等高信任垂直领域。VentureBeat调查指出，下一阶段的竞争焦点并非模型本身，而在于谁能掌控智能体的控制平面。创业者Albert则提出，当技术普及后，真正的稀缺资源是能够产生情感连接的“回响”。这标志着AI竞争从底层技术转向应用、平台与用户体验的深层维度。

ginobefun@hongming731 · 5月17日55

下一个企业战场不是模型：而是智能体控制平面 过去两年，大家关注企业 AI 的视角主要是「哪个模型更好」，谁的基准更高，谁的上下文更长，谁的推理更准。VentureBeat 这篇调查报告提出了一个不同的框架：这个维度的竞争已经进入下半场，真正的战场正在转移到「智能体控制平面」。 什么叫控制平面？简单说，就是智能体干活的时候用到的基础设施：它怎么规划任务，怎么调用工具，怎么访问数据，怎么向安全团队证明它没有越权。这一层，决定了企业能不能放心地部署 AI、能不能在内部推广开、出了事有没有地方追责。 调查数据很清晰。微软以 38.6% 份额领跑，从一月份的 35.7% 继续增长；OpenAI 以 25.7% 位居第二；Anthropic 则是第一次出现在这个追踪器里，以 5.7% 入局。5.7% 绝对值不大，但它的意义在于「从零到有」，说明Anthropic 的 Claude 正在从「被调用的模型」变成「参与编排的基础设施」。 还有一个数据更值得关注：企业在选编排平台时，排第一位的考量是安全与权限管理，而不是模型性能。这直接说明企业买家的决策逻辑：我不只是在选一个更聪明的助手，我在选一个能对内部审计、安全团队、合规流程负责的基础设施。这个评估标准，对那些从「安全可信」角度建立品牌的厂商来说是利好。

译企业AI的竞争维度正从模型性能转向智能体控制平面，即管理AI任务规划、工具调用、数据访问与安全权限的基础设施层。VentureBeat调查显示，微软以38.6%份额领先，OpenAI占25.7%，Anthropic首次以5.7%进入榜单，标志其Claude从被调用模型转变为编排基础设施。企业选择编排平台时，安全与权限管理已超越模型性能成为首要考量，反映企业更重视部署AI时的合规、审计与责任归属。

AYi@AYi_AInotes · 5月17日64

95%的公司用AI后没省钱,反而多花了1.27倍， 以下几个反直觉真相,颠覆你对AI降本的所有认知👇

译95%的公司使用AI后没有省钱，反而多花了1.27倍， 以下几个反直觉真相，颠覆你对AI降本的所有认知👇

Yuchen Jin@Yuchenj_UW · 5月17日63

I had my FOMO phase too: “If I hadn’t started a company a few years ago and had joined OpenAI/Anthropic/xAI instead, I’d probably have $100M now.” But then I watched some of those rich people. Their daily focus became: “How do I minimize taxes?” “Where should I buy a house in SF or the Bay?” Instead of focusing on creating things. And honestly, they didn’t seem that happy. I’ve always felt $10M is the sweet spot of wealth. Beyond that, if money is still the only thing you’re optimizing for, the game starts to feel meaningless.

译作者曾羡慕加入OpenAI等公司获巨额财富，但观察到许多新贵沉迷避税等琐事，并不快乐，认为1000万美元是财富甜点。旧金山氛围狂热，过去五年约一万人在头部AI公司获得超2000万美元财富，制造了外人难以企及的差距。同时，裁员潮和AI变革使许多软件工程师技能过时，引发广泛职业危机：职业路径混乱、工作意义丧失、中层管理者无力转型。即便成功者亦常陷入目标缺失的迷茫。科技泡沫扭曲了社会常态，对“成功”的追逐持续折磨着许多人。

SemiAnalysis@SemiAnalysis_ · 5月17日59

Anthropic may have built themselves into an innovator's dilemma with Claude's CLI focus while the real AI agent revolution needs something much bigger.

译Anthropic可能因Claude的CLI定位而陷入创新者窘境， 而真正的AI代理革命需要更宏大的架构。

Chubby♨️@kimmonismus · 5月17日53

This is what you’re competing with. $1.3 million in tokens in 30 days. 603b tokens in sum. Burn more tokens or you’re not gonna make it.

译这就是你正在面对的竞争。 30天内消耗130万美元的token。 总计6030亿token。 燃烧更多token，否则你将无法成功。