Rohan Paul@rohanpaul_ai · 2天前47

Opinion from a former Meta PM. And this is from Aravind Srinivas of Perplexity "China can build data centers a lot faster. Power is not a problem. Permits are not a problem. People are not a problem. Labor is not a problem. Expertise is not a problem." https://x.com/rohanpaul_ai/status/2071780740220752220/video/1

译前 Meta PM 转引 Perplexity CEO Aravind Srinivas 称，中国建数据中心速度远快于美国，电力、许可、人力、专业能力均无问题。分析师 @quxiaoyin 进一步指出美国 AI 最坏情境：1）中国开源模型持续抢占市场份额，中国主导模型层；2）模型在华为芯片上训练和推理优化，而非 NVIDIA，中国同时主导芯片层；3）美国数据中心建设跟不上算力、存储与能源需求，中国持续出口推理与训练层。出口管制非正确策略，美国应投资开源模型、争取中国模型使用 NVIDIA，并尽快投资核电。

Emad@EMostaque · 2天前44

China's playboko is really simple. Take intelligence down to the cost of energy Output more power than the USA The giant training cluster focus was a massive distraction

译中国的策略非常简单。 将智能成本降至能源成本 输出超过美国 巨型训练集群的专注是一个巨大的干扰

Rohan Paul@rohanpaul_ai · 2天前57

AI at scale is constrained by physical inputs, and China has more slack in electricity plus dominant control over several minerals and magnet supply chains that data centres and chips depend on. --- ft .com/content/d9af562c-1d37-41b7-9aa7-a838dce3f571

译Perplexity CEO Aravind Srinivas 指出，出口管制是前沿模型与开源模型仅存在12个月差距的唯一原因，但这可能反而迫使中国在物理层变得更强。中国在建设数据中心方面拥有显著优势——电力、许可、劳动力和专业知识均不成问题。通过出口管制迫使中国发展这些基础设施，反而可能将其转化为更强大的竞争对手。这解释了为何Anthropic极力游说加强出口管制。

Orange AI@oran_ge · 2天前41

5月的某天，36氪的记者 Jessy 到我们公司访谈，大家很投机，不知不觉地就聊了很久。 在超过 10 个小时的录音里，最终梳理出了这篇文章。 这是一篇真实的 AI Native 公司转型实录，我们过去一年多的真实挣扎和决策都在里面了。 怎么在梦想和赚钱之间平衡，怎么带团队穿过没有答案的阶段，怎么在AI时代重建一家公司的工作方式。 对我们来说，这是时代剧变中的一个对自身的观测点，回头看来，我们所做的事情有对有错。 对读者来说，它的对错并不重要，重要的是其中真实的取舍和挣扎，也许对大家有一定的参考价值。 https://mp.weixin.qq.com/s/mDKgfmyJpML2VeyBTw20Pw

译36氪记者 Jessy 到 Oran Ge 所在公司访谈，超过 10 小时录音梳理成文。文章记录了该公司过去一年多真实挣扎与决策：如何在梦想与盈利间平衡，带领团队穿越缺少答案的阶段，以及重构 AI 时代的工作方式。作者将其视为时代剧变下的自身观测点，对读者而言，其中的取舍与挣扎具有参考价值。

Berryxia.AI@berryxia · 2天前15

大模型显然学习训练MacMini 的时候没有更新到M2后的小方块的设计造型，还是生成老款的大搬砖的设计，一眼看就是假的了哈哈。 鬼佬也喜欢玩这梗啊，GLM-5.2 很受欢迎啊。

译有用户发现大模型在生成Mac Mini图像时仍沿用老款大砖块设计，未更新至M2后的小方块造型，一眼即假。与此同时，GLM-5.2成为热梗：@mlech26l 称通过互连256台16GB Mac Mini，已成功在本地跑起GLM-5.2，引发网友调侃。

Thariq@trq212 · 2天前15

my process for writing right now is to do some engineering work, talk to a bunch of people about it, brainstorm and research with Claude, write a post, give 1 or 2 talks on it, rewrite the post, give another talk, rewrite the intro, wake up at 6am and rewrite it again, then post

译我目前的写作流程是：先做一些工程工作，和很多人讨论，用 Claude 进行头脑风暴和研究，写一篇文章，做 1-2 次演讲，重写文章，再做一次演讲，重写引言，早上 6 点醒来再重写一遍，然后发布。

Rohan Paul@rohanpaul_ai · 2天前52

Aravind Srinivas just explained why China’s open-source AI may become more powerful than ever. And why Anthropic has lobbied very hard for export control. "the only reason why there is even a 12-month gap between open source and frontier models is export controls. But there is a chance that, because of that, they now get really good at the physical layer. One advantage they (China) have is that they can actually build data centers a lot faster. Power is not a problem. Permits are not a problem. People are not a problem. Labor is not a problem. Expertise is not a problem. And so, by forcing them to go out there and build all this, you are converting them into a far more potent competitor." --- From "20VC with Harry Stebbings" YouTube channel (@HarryStebbings ), link in comment

译Perplexity CEO Aravind Srinivas 解释，中国开源AI可能变得更强——出口管制导致开源模型与前沿模型之间存在12个月的差距，但中国在物理层（数据中心建设）拥有显著优势：更快建设速度、电力与许可无障碍、充足劳动力与专长。Anthropic 为此大力游说出口管制，然而这反而可能迫使中国成为更具竞争力的对手。

Ethan Mollick@emollick · 2天前61

The most important weird thing about LLMs is that they are so general. A bigger LLM that is better at coding is also better at ideation & ethical advice & medicine & math. This isn’t true of everything, jaggedness again (see fiction writing!), but it is remarkably true.

译大语言模型最奇特的一点是它们如此通用。一个在编码方面更强的更大LLM，在构思、伦理建议、医学和数学方面也更强。这并非对所有事情都成立，又是不规则性（看看虚构写作！），但它在很大程度上是正确的。

SemiAnalysis@SemiAnalysis_ · 2天前22

What would the current state of AI be if non-competes were allowed in California?

译如果加州允许非竞争协议，当前AI的状态会是什么？

Orange AI@oran_ge · 3天前57

http://x.com/i/article/2071747633065148416 # OPENAI 的反思：PRD 没死，PM 别砍 人类的发展总是忽左忽右，就像刚学会骑车，在左右摇摆中不断前行。 今年 AI Native 组织改革成了行业热潮，但 OpenAI 的 Codex 负责人却在播客里讲了很多反思。 看了很多激进的文章之后，也可以看看这篇反思纠偏一下。 Andrew Ambrosino，Codex app 的产品和工程负责人。Codex 可能是这个地球上最激进 AI 化的产品团队，OpenAI 内部接近 100% 的人每周在用，不只是工程师，财务在用，法务在用，市场在用。每周活跃用户五百万，还在涨。 最近他上了 Lenny 的播客。所有人都在等他讲 AI 怎么颠覆一切。他说了一堆反潮流的话。 PRD 没死。 他说得很直："I actually don't believe this at all." 现在有个很奇怪的现象。非工程师以前被代码挡在外面，现在终于能做原型了，兴奋地喊文档没用。工程师呢，反而开始写大量没人看的文档。两边都在偷懒。 问题不是文档和原型哪个好。是你有没有为要表达的东西选对媒介。方向还模糊的时候，文档比原型有用。要测交互手感，原型比文档有用。盲信哪一边，都是把偷懒叫成了变革。 "不要砍掉产品角色，那是糟糕透顶的主意。" 他说已经有公司在这么干了。PM 全撤掉，大家都是 builder。他的评价："然后发生了什么？他们把整个学科积累的最佳实践全扔了。" PM 这个角色不是拍脑袋造出来的。有大量真的试过、败过的经验在里面。一刀切掉产品角色，不等于产品问题消失了。等于没人负责产品问题了。 他说 "this isn't your lane" 这种话消失是好事，边界变薄是好事。但边界变薄不等于角色不存在。 设计师该不该写代码？该。PM 该不该写代码？该。但你用得了 Excel 不代表你能去财务部上班。 设计流程没死透。 Jenny，Claude Code 的设计负责人，在同一档播客说过设计流程已死。Andrew 的回应是：既对也不对。 对的地方：你如果绑定在具体的工具和每天的步骤上，那个流程确实死了。现在原型能直接放进产品里 AB 测试，谁还走那套学术流程。不对的地方："你在流程的哪个阶段"这个意识本身，比任何时候都重要。 现在的麻烦是原型看起来太像成品了。一个早期探索，因为 AI 生成得太完整，所有人都以为该上线了。不是说流程死了。是流程的信号和媒介脱钩了。 他给了角色消解一个更诚实的框架。 你的角色，是你每天实际做什么的平均值。 设计师会写代码，PM 会写代码，但平均下来，每个人的重心还是不一样。你今天写代码多，就更偏工程师。明天在筛选和协调，就更偏产品。角色没消失，只是不再由头衔定义，由你实际交付的东西定义。 这个说法比"大家都是 builder"难得多。它要求你知道自己到底擅长什么。 整场对话最妙的地方其实是 Andrew 的位置。 他不需要为传统角色辩护。他正在用 AI 吃掉所有人的工作方式。Codex 从一个开发者工具，变成了整个公司的 home base。他是那只狮子，没必要替羊说话。 但他选择了往回拉。 他说他花了十到十五年不断失败才走到今天。他说这是他人生中第一次不觉得自己在失败。一个连续失败了十五年的人，站在最激进的位置上往回看，说的不是"旧世界完了"，是"别把好东西扔了"。 最后一句话是节目结束后录的。 别跟你的流程结婚。跟你才能独特交付的结果结婚。 反过来读才是重点：你得先知道自己独特在哪。 工具越快，判断越贵。AI 把实现成本打到了零，反而让那些不能被自动化的事情变得更值钱了。PM 的判断、设计师的品味、工程师对架构的直觉。这些东西的习得，靠的不是 prompt，是一个学科里反复踩坑的积累。 Andrew 讲到一个细节。Codex 如果提前三个月发布，同款产品、同样形态，市场反应会完全不同。不是产品变了，是底下的模型变了。一个 feature 好不好，有时候跟 feature 本身没关系，跟你能不能等到那一天有关系。 能在模型还没到的时候就把东西做出来等着的人，靠的不是 prompt，是判断。 播客地址：https://www.youtube.com/watch?v=P3KDebPTUrw 播客文稿转录： Podwise 整理写作： Cola +Lite 模型 写文章使用技能： writing-style-guard · orange-writing-style 封面和插画使用技能： orange-line-illustration 文章指导和 hook ：橘子

译OpenAI Codex 负责人 Andrew Ambrosino 在 Lenny 播客上表示：PRD 未过时，方向模糊时文档比原型更有用；反对砍掉产品经理，这将抛弃学科积累的最佳实践。设计流程未死，但需区分探索与成品，AI 生成的精细原型易带来“可上线”错觉。角色由实际工作平均值定义，非头衔。Codex 周活跃用户 500 万，OpenAI 内部近 100% 员工每周使用。

Berryxia.AI@berryxia · 3天前63

这个预测感觉反直觉和共识了啊～ 爆火𝕏 的 Qu Xiaoyin（前Meta产品经理）的核心结论是： 欧美企业会抛弃OpenAI和Anthropic，转向中国模型。 她给了两个理由： 第一，合规+控制权。 中国企业可以把模型部署在企业自己的GPU上。 这样既满足数据合规要求（数据不出境），企业又拥有完全的控制权，模型跑在自己的服务器上， 不依赖任何外部API。 第二，可定制化。 中国开源模型（DeepSeek、Qwen、GLM等）允许企业在自己的数据上做后训练。 企业拿到基座模型，用内部数据微调，变成自己专属的模型。 OpenAI和Anthropic的闭源API做不到这一点。 这条推文的背景：2026年上半年，中国开源模型的能力已经追平甚至超越了部分闭源模型。 DeepSeek V4、Qwen3.5、GLM-5.2在多个基准测试上表现优异。 同时，美国对华芯片出口限制反而加速了中国模型的轻量化和推理优化，用更少的算力达到更好的效果。 对企业的实际意义： 1. 成本。 闭源API按token收费，规模越大成本越高。开源模型一次性部署，边际成本趋近于零。 2. 数据安全。 金融、医疗、政府等敏感行业，数据不能传出自己的服务器。开源模型本地部署完美解决这个问题。 3. 定制能力。 通用模型再强也不如针对特定领域微调过的模型。开源模型允许企业用自己的数据做后训练。 4. 供应商锁定。 用OpenAI的API就被绑死了。用开源模型，随时可以换。 潜在风险：开源模型的部署和运维需要专业团队。 不是所有企业都有能力自己跑模型。 但云服务商（AWS、Azure、阿里云）已经开始提供开源模型的托管服务，降低了门槛。 一句话总结：开源模型的能力在追平闭源，而灵活性和成本优势在拉大。 企业选择中国开源模型不是因为爱国，是因为更划算。

译前Meta产品经理Qu Xiaoyin预测，欧美企业将抛弃OpenAI和Anthropic，转向中国开源模型。核心原因：中国模型可部署在企业自有GPU上，满足数据合规且完全控制；开源模型（如DeepSeek、Qwen、GLM）允许用内部数据后训练，构建专属模型。背景是2026年上半年中国开源模型能力追平闭源，美国芯片限制反而加速轻量化和推理优化。对企业而言，开源模型实现一次性部署、边际成本趋零，数据不出服务器确保安全，可针对领域微调，并避免被闭源API锁定。潜在风险是运维需专业团队，但AWS、Azure、阿里云等已提供托管服务降低门槛。

Berryxia.AI@berryxia · 3天前13

卧槽！来咯～ 我终于特么弄懂你们天天吹的循环工程了！！！

译卧槽！来咯～ 我终于特么弄懂你们天天吹的循环工程了！！！ [引用 @berryxia]：开始让美女助教卖课了😂 丝滑～

Ethan Mollick@emollick · 3天前54

A big reason that token costs become an issue in organizations is leadership is not making decisions about how to use AI, the processes that need to change as a result, & how to think about multiplayer use. Solving it by rationing intelligence first is a pretty blunt strategy

译组织内 token 成本成为问题的一个重要原因是领导层没有就如何使用 AI、因此需要改变哪些流程以及如何考虑多人协作做出决策。 通过先限制智能来解决问题是一种相当粗暴的策略。

Rohan Paul@rohanpaul_ai · 3天前39

"If we could snap our fingers and get a pile of data... we would solve general robotics right now." - Figure CEO Brett Adcock The big bottleneck in Physical AI / robotics is not better models, but better robotics data infrastructure. That is the gap @cyberorigin_ai is building around with CyberCode. Robotic data is insanely expensive and brutal to collect. Real-world manipulation data is messy. A robot policy does not learn from "clips" the way a human watches a demo. It needs training data that can be searched by task, scene, action, device, collector, quality result, and data ID. It needs every useful frame traceable back to where it came from. It also needs different signals aligned on the same timeline, because a model can learn the wrong thing if vision, motion, language, robot state, and other sensor streams are slightly out of sync. CyberCode turns real human manipulation data into an operating layer where the data is searchable, inspectable, traceable, synchronized, quality-checked, and evaluation-ready before it reaches the model. That sounds less flashy than a humanoid demo, but it is closer to where a lot of the real bottleneck sits. For manipulation policies, world models, and vision-language-action models, better data infrastructure can matter as much as better model architecture, because the model can only learn from the structure, coverage, timing, and quality the data system actually exposes. 🧵 1.

译Figure 公司 CEO Brett Adcock 表示，若能获得大量数据，就能解决通用机器人问题。他认为物理 AI / 机器人领域的真正瓶颈不是更好的模型，而是更好的机器人数据基础设施。CyberOrigin 推出的 CyberCode 正是为解决该问题构建：将真实的人类操作数据转化为可搜索、可检查、可追溯、多模态信号精准同步、质量检查、评估就绪的运营层。机器人策略、世界模型和视觉-语言-动作模型只能从数据系统暴露的结构、覆盖范围、时序和质量中学习，因此更好的数据基础设施与更好的模型架构同等重要。

Ethan Mollick@emollick · 3天前22

One thing we now know without a doubt as a result of AI is that doing the homework really does matter for learning.

译由于AI，我们现在毫无疑问地知道，做作业确实对学习很重要。

Chubby♨️@kimmonismus · 3天前64

Marc Andreessen will join the Defense Policy Board at Pete Hegseth’s request. This is not just another advisory appointment. It proofs something much larger: Silicon Valley, AI, defense tech, and U.S. national security strategy are moving even closer together. Andreessen is not simply "close to AI." He represents the broader American Dynamism wing of tech: the view that software, chips, autonomy, AI, and industrial capacity are now core instruments of national power. His appointment underscores how seriously the United States now treats AI as a strategic technology, not just for productivity or consumer apps, but for defense, deterrence, procurement, intelligence, and geopolitical competition. It also puts Anthropic's earlier clash with the Department of Defense in a sharper light. Anthropic drew red lines around certain military uses of its models (because their ethics and moral commitments turned them into a supply-chain risk). But Washington’s direction of travel is becoming increasingly clear: frontier AI is being absorbed into the national-security state. And companies that resist that logic may find themselves increasingly isolated from the center of U.S. strategic power.

译国防部长 Pete Hegseth 任命 Marc Andreessen 加入国防政策委员会。该任命标志硅谷、AI、国防科技与国家安全战略加速融合。Andreessen 代表“美国动力”派，视软件、芯片、自主系统、AI 和工业能力为国家权力核心。此举凸显美国将 AI 视为战略技术，用于国防、威慑、采购、情报和地缘竞争。同时反衬 Anthropic 此前对军方使用其模型划设红线的立场——前沿 AI 正被纳入国家安全体系，拒绝配合的公司可能被美国战略核心日益孤立。

Yuchen Jin@Yuchenj_UW · 3天前14

Fast forward 3 months: a Chinese AI lab drops a model that beats Fable 5 and GPT-5.6 across major benchmarks. Then we all look back and laugh at the fact that Fable 5 was banned for weeks.

译快进3个月：一家中国AI实验室发布了一个模型，在主要基准测试上击败了Fable 5和GPT-5.6。然后我们回头看看，Fable 5被禁了数周这件事真是可笑。

Nathan Lambert@natolambert · 3天前27

I feel like the Chinese labs I visited felt like this. It’s what Ai2 felt like. It’s the most reliable energy for making something amazing (even when you’re an underdog with the number of resources). I’m always super excited to find my next star intern.

译我感觉我访问的中国实验室就是这样的。这也是Ai2给我的感觉。这是创造伟大事物最可靠的能量（即使你资源不足时也是如此）。 我总在非常兴奋地寻找下一位明星实习生。

Rohan Paul@rohanpaul_ai · 3天前62

Jensen Huang explains how blocking China from Nvidia does not mean blocking China from AI. The usual export-control story assumes scarcity: deny the best chips, and the rival falls behind. China is no longer merely waiting at the door of American compute. Huawei’s rise is showing how a sanction is turning into an industrial stimulus: absence creates a market, and a market teaches domestic suppliers how to harden, scale, and export. That does not mean that the gap with Nvidia chips has vanished. It means the real contest is no longer just about who owns the fastest accelerator, but who sets the operating layer for intelligence: chips, energy, infrastructure, models, applications, and the standards others build upon. The mistake is to treat chip policy as a valve that can simply open or close. Every restriction slows one flow but strengthens another, and the long-term danger may be a world where American technology is absent from the very systems America wants to influence. ---- From "Fox Business" YouTube channel, (full video link in comment)

译黄仁勋在Fox Business访谈中指出，阻止中国获得英伟达芯片不等于阻止其AI发展。华为崛起表明制裁正转化为产业刺激：供应缺失催生本土市场，倒逼国内供应商成熟并走向出口。他认为真正竞争不再是拥有最快加速器，而是谁定义智能操作层（芯片、能源、基础设施、模型、应用及标准）。芯片政策不是简单开关，每道限制在减缓一个流向的同时会强化另一股力量；长期风险在于美国技术可能缺席它本希望影响的系统。

Ethan Mollick@emollick · 3天前61

That Wall Street Journal article about GLM catching up with Mythos (which is not true & the reporting doesn’t back up) is another one of those “everyone will ask me about it at every conference or meeting” articles. Big impact on the policy zeitgeist, even if not fully accurate.

译那篇关于GLM追赶Mythos的《华尔街日报》文章（不属实，报道也不支持）又成了一篇“每个人都会在每次会议或活动上问我”的文章。对政策风向影响很大，即使不完全准确。

Rohan Paul@rohanpaul_ai · 3天前66

Dario Amodei has a really hardline view that China shouldn’t have strong AI. He says - "That's the national security interest of the US....The case is very clear, the counterarguments against it are just fishy." - From "Dwarkesh Patel" YT channel

译Dario Amodei 持非常强硬的观点，认为中国不应拥有强大的人工智能。 他说——“这符合美国的国家安全利益……情况非常明确，反对它的论点都很可疑。” - 来自 "Dwarkesh Patel" YouTube 频道

Rohan Paul@rohanpaul_ai · 3天前49

"The scaling of open source models, I think it's going down a very dangerous path. And if the path continues, I think we could get to a very dangerous place. I" ~ Dario Amodei's 2023 U.S. Senate testimony

译Anthropic CEO Dario Amodei 在 2023 年美国参议院证词中警告，开源模型扩展正走向危险路径。他指出 AI 中的开源与传统开源不同，模型是开放权重（open weights）而非开源，无法看到内部，协作优势有限。他认为开源是“红鲱鱼”，只关心模型性能而非是否开源，以 Deep Seek 为例，不在乎它是否开源。他还强调开源并非免费，模型需托管在云端进行推理，成本高且推理难度大。

Chubby♨️@kimmonismus · 3天前60

A quick fact-check on AI’s water usage, including data centers, based on the cited source.

译基于引用的来源，对AI（包括数据中心）的用水量进行快速事实核查。

Rohan Paul@rohanpaul_ai · 3天前50

"The scaling of open source models, I think it's going down a very dangerous path. And if, the path continues, I think we could get to a very dangerous place. " ~ Anthropic CEO Dario Amodei https://x.com/CodeByNZ/status/2071496679451148503/video/1

译Anthropic CEO Dario Amodei 表示，开源模型的发展正走向危险路径。他指出，AI 领域的开源与传统软件不同：只能看到模型权重（open weights）而非源码，许多协作优势不适用。他将开源问题视为“red herring”，评估模型时只关心模型本身优劣，称 Deep Seek 的成功与是否开源无关。他还强调开源并非免费，模型需托管在云端运行推理，且需有人优化推理速度。

数字生命卡兹克@Khazix0918 · 3天前37

Claude最近实在没法用了，Opus 4.8幻觉问题爆炸，还总是莫名其妙出现一些别人的信息串到我的对话里，整个周末我代码都被幻觉问题改崩了好几次，每次任务做到一半就会被各种带偏，用Codex修到今天才把坑全部修完。 忍无可忍了，重开了ChatGPT的200刀会员，重回Codex怀抱，坐等GPT-5.6。。。 而且有一说一，Codex的远程控制体验真的吊打Claude N个数量级。

译用户反映 Claude Opus 4.8 幻觉问题严重，导致代码多次被改崩，且对话中频繁出现他人信息串扰。最终放弃 Claude，重新订阅 ChatGPT 200 美元会员（Codex），并称赞 Codex 远程控制体验远超 Claude。

Chubby♨️@kimmonismus · 3天前56

The worst-case scenario for the United States is becoming increasingly realistic, and I will briefly explain why. @quxiaoyin raised many valid points, and I agree with her. First of all: -China certainly does not place such strong emphasis on open source because it cares so deeply about humanism, but because it is a strategy to attract many users, gain market share, put pressure on US models, and also because the models are increasingly being trained on Huawei hardware (think of DeepSeek 4), allowing China to host the entire stack domestically. -But the underlying logic is far more important: The United States is still building too few data centers to meet future demand. @ChrisGillett wrote an outstanding analysis on this, which I shared a week ago. In short, based on SemiAnalysis data, demand is greater than what is currently being built in terms of data centers. -Even more importantly, however, the United States lacks sufficient energy and grid capacity. This is a problem that will become much more severe in the near future. China, by contrast, is addressing the issue through a massive expansion of its energy supply. Solar capacity: in 2025 alone, China installed as much solar capacity as the United States did in 10 to 15 years. China is also building 36 nuclear power plants, significantly more than the United States, and is installing them faster. -In addition, China is managing to become more independent through Huawei chips, even though the country still lags far behind NVIDIA. But here, China is betting on quantity rather than quality. In short: China is a real threat in the AI race, and the situation for the United States is becoming increasingly precarious. This is also the main reason why China is to be kept away from SOTA LLMs at all costs, so as not to jeopardize the lead under any circumstances.

译Kim引用quxiaoyin观点指出，中国开源AI并非出于人文主义，而是抢占市场份额、压制美国模型的战略。模型在华为芯片（如DeepSeek 4）上训练和推理优化，使中国掌握模型层与芯片层。同时美国数据中心建设不足，能源和电网容量严重短缺；中国2025年一年新增太阳能装机量相当于美国10–15年，在建36座核电站。华为芯片虽仍落后NVIDIA，但以量取胜。出口管制无法解决问题，美国应投资开源模型、推动中国使用NVIDIA并加速核电建设。

Alibaba Cloud@alibaba_cloud · 3天前47

The transition to Agentic Cloud has begun. Dr. Feifei Li, CTO and President of International Business at Alibaba Cloud, shared his perspective on what lies ahead: the next three years will be defined by the rise of the Agentic Cloud, where agents can leverage products and infrastructure to carry out sophisticated tasks. 🔗: https://int.alibabacloud.com/m/1000407809/

译智能体云的转型已经开始。 阿里云CTO兼国际业务总裁李飞飞博士分享了他对未来的看法：未来三年将由智能体云的崛起所定义，智能体可以利用产品和基础设施来执行复杂任务。 🔗: https://int.alibabacloud.com/m/1000407809/

Berryxia.AI@berryxia · 3天前29

看到Product Hunt 日榜的一个产品，想到 @xiaoerzhan 小耳做的一个工具，这个软件终生版5美金。 所以，其实大家的小Vibe Coding 产品 还是做好营销和挖掘客户才是关键，不然酒香也怕巷子深啊。 PS：本内容仅是我做产品Demo展示，做了个skills可以输入产品内容或者链接就可以制作出营销讲解视频。 tts的音频是使用小米的模型，感觉还可以啊。

译看到Product Hunt日榜上一个产品后，联想到@xiaoerzhan小耳的一款5美元终生版工具。Berry Xia强调小Vibe Coding产品必须重视营销和客户挖掘，否则酒香也怕巷子深。此外，他自制了一个Skills，可输入产品内容或链接自动生成营销讲解视频，TTS音频使用了小米的模型，效果不错。

Chubby♨️@kimmonismus · 3天前23

This is a relatively old clip of Dario Amodei, but his stance on open source apparently hasn’t changed at all.

译这是 Dario Amodei 的一个较旧的片段，但他对开源的立场显然完全没有改变。

Ethan Mollick@emollick · 3天前54

Even though I made this graph, it is also kind of wrong. Fable is guardrailed Mythos. If we use the Mythos date

译根据@ArtificialAnlys的AA-Briefcase评估（让AI执行多周咨询任务），@emollick绘制了开放与封闭模型的前沿曲线，显示令人惊讶的快速进步，且开放权重模型与封闭模型之间存在明显差距。

AYi@AYi_AInotes · 3天前22

被硅谷大佬吹爆的这篇文章，讲透了AI下一个真正的护城河， 接下来不管是创业AI项目还是借助AI做OPC一人公司， 这篇是必读的！

译该推文推荐了一篇被硅谷大佬盛赞的文章，认为它透彻阐述了AI领域下一个真正的护城河。推文指出，无论计划创业AI项目，还是借助AI运营OPC一人公司，这篇文章都必读。文章的具体内容、作者和来源未在推文中详细说明，推荐者强调其深度洞察对AI创业和实践具有重要参考价值。

Ethan Mollick@emollick · 3天前70

I took the new AA-Briefcase scores from @ArtificialAnlys (basically having the AI do multi-week consulting gigs with a lot of complexity) and graphed the frontier curve for open and closed models: 1) Surprise, rapid gains! 2) The open weights gap is clear https://artificialanalysis.ai/evaluations/aa-briefcase

译我采用了 @ArtificialAnlys 最新的 AA-Briefcase 评分（基本上是让 AI 完成为期数周、复杂度高的咨询任务），并绘制了开放与封闭模型的前沿曲线： 1) 令人意外的是，进展迅速！ 2) 开放权重差距清晰可见。

向阳乔木@vista8 · 3天前9

自进化学习大模型，牛逼！

meng shao@shao__meng · 4天前23

What If OpenAI Codex Ran on Windows XP?

译如果OpenAI Codex运行在Windows XP上？

meng shao@shao__meng · 4天前61

Claude Code 构建者 Boris Cherny 谈「未来产品团队的五种角色原型」 在 AI 工具普及的背景下，工程、产品、设计、数据科学等传统职能边界正在消融，融合为按"产出方式"而非"专业领域"划分的新型角色。他基于 Claude Code 团队提炼出五种原型。 五种角色原型 1、Prototyper 原型师 -- 提出全新想法；高产，但多数不落地 2、Builder 构建者 -- 把原型/想法快速转为生产级产品或基础设施；让想法变成可用 3、Sweeper 优化清理者 -- 打磨 UI、简化代码与系统、下线冗余、优化性能；让系统变干净、变快 4、Grower 增长者 -- 对已建成产品持续迭代，提升 PMF；提升市场契合度 5、Maintainer 维护者 -- 守护成熟系统，保障安全/可靠/快速/高效随规模扩展；让系统长期稳定 三个关键洞察 1. 角色 ≠ 职能。 五种原型与岗位头衔无关——设计师可以是 1，也可以是 2 或 3；工程师同理。决定角色的是"擅长做哪类事"，而非"在哪个部门"。 2. 一人多角色。 多数人横跨 2 个角色，少数跨 3 个。角色组合比单一标签更能描述一个人的真实价值。 3. 产品阶段决定角色配比。 · 新产品 / 未达 PMF：需 1+2+3（造点子、能落地、能收拾） · 找到 PMF / 增长期：需 2+3+4，配少量 5 · PMF 稳固 / 成熟期：需 3+4+5，配少量 2 更深一层的含义 · 从"职能分工"到"价值流分工"：传统组织按"写代码 / 画设计 / 做研究"切分；未来或按"谁负责创造、谁负责落地、谁负责打磨、谁负责增长、谁负责守成"切分。当 AI 让跨域行动成本下降，单人可覆盖的链路变长，职能壁垒自然松动。 · 团队健康度 = 角色配比与阶段的匹配度：不是招"最强的人"，而是招"当前阶段最缺的角色"。全员 1+2、没有 3 的团队会陷入"只造不收"的泥潭；全员 5、没有 1 的团队会失去创新。 · 角色是动态漂移的：同一个人随产品阶段推移，角色重心会迁移（从 1 → 2 → 4/5）。组织需容忍并支持这种演化。

译Boris Cherny 基于 Claude Code 团队提炼出五种按“产出方式”而非“专业领域”划分的角色原型：原型师（产新想法）、构建者（快速落地）、优化清理者（打磨UI/性能）、增长者（迭代提升PMF）、维护者（保障系统稳定）。关键洞察：角色不绑定岗位头衔，一人可跨2-3个角色；产品阶段决定配比——新产品需1+2+3，增长期需2+3+4+少量5，成熟期需3+4+5+少量2。团队健康度取决于角色与阶段匹配，且角色会动态漂移。

Boris Cherny@bcherny · 4天前68

As engineering, product, design, DS, etc. melt into a new kind of role, I was reflecting on what roles might look like in the future. For example, when I look at the Claude Code team I see what I think is five archetypes: 1. Prototyper: comes up with brand new ideas; churns out many ideas, most of which don't ship 2. Builder: quickly turns a prototype/idea into production-grade product/infra 3. Sweeper: cleans up the UI, simplifies the code and system, unships, optimizes performance 4. Grower: takes a product that has been built and iterates on it to improve Product-Market Fit 5. Maintainer: owns a mature system to make it secure, reliable, fast, and efficient as it scales Many people span across 2 roles, and sometimes 3 roles. I also notice that these roles are not really tied to job function -- eg. across Anthropic, some designers match category 1, some 2, some 3; same for engineers, PM, DS. A healthy team needs a mix of these, depending on the product: - A product that is new and pre-PMF needs people that are strong at 1+2+3 - A product that is growing and has found PMF needs 2+3+4 and some 5 - A product that has strong PMF needs 3+4+5 and some 2 Maybe product roles of the future will look more like this, and less like the domain-specific roles of today?

译Boris Cherny以Anthropic的Claude Code团队为例，归纳出五种未来产品角色：1）Prototyper（快速产出新想法）；2）Builder（将原型转化为生产级产品）；3）Sweeper（清理UI、简化代码、优化性能）；4）Grower（迭代提升产品市场契合度）；5）Maintainer（维护成熟系统的安全可靠与高效）。多数人覆盖2-3个角色，且角色不绑定岗位功能。健康团队需根据产品阶段混合配置：新产品/预PMF侧重1+2+3；增长期/已找到PMF侧重2+3+4+少量5；成熟期/强PMF侧重3+4+5+少量2。

宝玉@dotey · 4天前67

Anthropic 上周发布了 Claude Tag，目前以 beta 形式面向 Claude Team 和 Enterprise 用户开放。 简单说，Claude Tag 让团队可以在 Slack 频道里 @ Claude，像 @ 同事一样给它派活。管理员事先配置好 Claude 能访问哪些频道、工具、数据源和代码库，之后频道里的任何人都能直接给它布置任务，Claude 会在后台拆解、执行，完成后在 Slack 线程里回复结果。 Claude Tag 发布当天，Andrej Karpathy 发了一条长帖，称这是 LLM 交互方式的第三次重大重新设计。他的框架是这样的： 第一代，LLM 是你去访问的网站（ChatGPT 网页版）； 第二代，是你下载到电脑上的 App（Codex App、Claude 桌面端、Cursor 这类）； 第三代，也就是 Claude Tag 代表的方向，LLM 变成了一个持久存在、异步运行、拥有组织级工具和上下文的实体，直接嵌入团队的工作流里。 Karpathy 说，一旦底层的集成工作做好了（工具、计算环境、权限、记忆这些），Claude 就像一个无缝加入团队的成员，你像跟人说话一样跟它沟通，它能处理各种各样的工作。他的原话是： > "it really takes a while to wrap your head around it, but it works and it is awesome"。 这条帖子引发了两极反应。一部分人认为 Karpathy 在给 Anthropic 做软广，一个 Slack bot 而已，何至于"第三次重新设计"。另一部分人则认为他抓住了一个真实的产品范式变化，只是用了一个很容易被误读的产品（Slack 集成）来承载这个观点。 Gergely Orosz 今天发帖说，他跟 Anthropic 内部几个人聊过之后，理解了 Karpathy 在说什么，也理解了为什么很多人会误解。 重点不在 Slack。真正的突破是一个云端 AI 被接入了公司内部系统后开箱即用。Slack 只是入口，背后是云端执行环境、持久记忆、工具集成和组织级权限控制这套组合。 他举了个例子：两周前有家创业公司给他演示了自己搭的类似系统，在 Slack 里 @ 一下就能启动云端开发环境、自动连接内部工具。他们的评价是“绝对的 game changer”，因为触发并行工作变得极其简单。 这套东西对已经配好本地开发环境的工程师来说没什么新鲜感，就是个“哦，然后呢”的反应。真正受益的是三类人： 1. 新入职员工 2. 非工程师 3. 以及需要改动不熟悉代码库的开发者 他们不再需要花时间配本地环境了。 那家创业公司花了几个月才把这套集成做出来，这里面集成才是核心难题，未来会有更多厂商跟进这个模式，因为“云端开发环境 + agent + 集成 + Slack 入口”这个组合才是真正的解锁点。 Claude Tag 并非没有竞争对手。GitHub Copilot 已经支持在 Slack 里 @ GitHub 触发 coding agent，OpenAI Codex 也在做云端异步执行，Salesforce 更是凭借 Slack 东家的身份天然占据入口。Claude Tag 的差异化在于频道级共享身份、持久记忆和异步执行的组合，但“集成”这两个字说起来容易，做到“just works”是另一回事。 这家创业公司花几个月才搞定的事，Anthropic 能不能让企业客户开箱即用，才是这个产品能不能兑现 Karpathy 那番愿景的关键。

译Anthropic 上周面向 Team 和 Enterprise 用户 beta 发布 Claude Tag，允许在 Slack 频道内 @Claude 布置任务，后台异步执行并回复。Andrej Karpathy 称这是 LLM 交互的第三次重新设计——从网站到 App 再到持久存在的云端智能体。Gergely Orosz 指出真正突破是云端 AI 接入公司内部系统并开箱即用，Slack 仅为入口。该模式对新人、非工程师及不熟悉代码库的开发者尤其有用。Claude Tag 与 GitHub Copilot、OpenAI Codex 等竞争，差异化在于频道共享身份与持久记忆，但集成难度仍是关键。

Chubby♨️@kimmonismus · 4天前42

The open internet was the training ground for modern AI. Billions of texts, forum posts, code repositories, Wikipedia articles, scientific papers, blogs, and discussions: a global knowledge space built collectively over decades. This free knowledge has now been transferred into artificial intelligence. And that is precisely why AI must not disappear entirely behind proprietary walls. Closed source may currently be leading when it comes to the most powerful models. But if access to intelligence is increasingly regulated, restricted, and controlled geopolitically, then open source is no longer just a technical ideal. It is a question of power. The open internet made AI possible. Now open source must ensure that AI remains open.

译强调开放互联网是现代AI的训练基础——数十亿文本、论坛帖子、代码仓库、百科、论文、博客等共同构建了全球知识空间，这一自由知识已被转移进AI。因此AI不应完全消失于专有壁垒之后。闭源模型当前虽在最强模型上领先，但如果地缘政治上对智能的获取日益受限制、管控和控制，开源就不再只是技术理想，而是权力问题。针对“开源仍无法真正查看模型内部，算不上真‘自由’”的质疑，作者表示观看视频后反而更坚信开源的立场。

jason@jxnlco · 4天前13

my one wish willow is just /goal with computer use turned on and the ability for the agent to create any number of threads to delegate itself.

译我唯一的愿望就是 Willow 能够使用 /goal，开启电脑使用功能，并且智能体能够创建任意数量的线程来委派自身。

Chubby♨️@kimmonismus · 4天前19

"open source is kind of a distraction you still can’t really see what’s happening inside the model, so it’s not truly "free." After watching the clip, I’m even more convinced of open source than I was before.

译"开源有点分散注意力，你仍然无法真正看到模型内部发生了什么，所以它不是真正的‘自由’。" 看完这段视频后，我比以前更确信开源了。