Huawei Cloud@HuaweiCloud1 · 6月8日56

At Huawei Cloud INSPIRE 2026, Huawei Cloud introduced a new paradigm of Agentic Infra, alongside a series of Agentic AI products: Agentic Infra unified infrastructure for general & AI workloads, new-generation model training & inference platform, and an enterprise agent platform. Huawei Cloud also announced four dedicated zones on its Industry AI Foundry: Smart Healthcare Zone, Embodied AI Zone, Smart Manufacturing Zone, and Scientific Computing Zone. Learn more: https://tinyurl.com/p5z6f9aa #HuaweiCloud #INSPIRE2026 #AgenticInfra

译华为云在 INSPIRE 2026 上推出 Agentic Infra 新范式，作为统一承载通用与 AI 负载的基础设施。同时发布全新一代模型训练推理平台与企业智能体平台，并宣布在其 Industry AI Foundry 中设立四个专属专区：智慧医疗专区、具身 AI 专区、智能制造专区和科学计算专区。

Alibaba Cloud@alibaba_cloud · 6月8日27

Discover why global enterprises choose Alibaba Cloud E-MapReduce (EMR). #1 in TPC-H & TPC-DS benchmarks, it integrates Hadoop, Spark, StarRocks, and more. In this video: ✅ Flexible deployments (Serverless, ECS, ACK) ✅ AI-Native: Run LLMs via SQL/PySpark ✅ 4x faster Spark, 10x faster StarRocks, lower costs ✅ Enterprise-grade security Elastic, efficient, intelligent big data. 🔗 Learn More: https://int.alibabacloud.com/m/1000414155/

译发现为什么全球企业选择阿里云 E-MapReduce (EMR)。在 TPC-H 和 TPC-DS 基准测试中排名第一，集成 Hadoop、Spark、StarRocks 等。 在本视频中： ✅ 灵活部署（Serverless、ECS、ACK） ✅ AI 原生：通过 SQL/PySpark 运行大语言模型 ✅ Spark 快 4 倍，StarRocks 快 10 倍，成本更低 ✅ 企业级安全 弹性、高效、智能的大数据。 🔗 了解更多：https://int.alibabacloud.com/m/1000414155/

Alibaba Cloud@alibaba_cloud · 6月8日56

AI Agent costs are spiraling? Uber’s budget burn reveals the "Tokenmaxxing" trap. The fix isn’t just better models—it’s Ontology. 🚀 STAROps by Alibaba Cloud redefines AIOps with UModel: 🔍 Structural First: Replaces blind text inference with precise Knowledge Graph queries. 💰 10x Efficiency: Slashes Token usage & tool calls by resolving dependencies instantly. 🛡️ Reliable Ops: Ensures auditability & zero-trust accuracy for enterprise systems. Stop guessing. Start querying. https://int.alibabacloud.com/m/1000414199/ #AIOps #LLM #STAROps #DevOps

译AI Agent成本飙升，Uber预算浪费暴露了“Tokenmaxxing”陷阱。阿里云STAROps推出UModel解决方案，采用结构优先方法，用知识图谱替代盲文本推理，通过即时解析依赖关系大幅减少Token消耗和工具调用，实现10倍效率提升，同时确保企业系统可审计与零信任准确性。

Alibaba Cloud@alibaba_cloud · 6月8日66

🚀 AgentScope Java 2.0 released! Solving enterprise AI agent challenges: ✅ Distributed & Stateless: Seamless K8s scaling with session recovery ✅ Multi‑tenant Isolation: Secure data separation via Workspace abstraction ✅ Long‑term Stability: HarnessAgent for context management & fault tolerance ✅ Safe Execution: Granular permissions & Human-in-the-Loop support Build production-ready agents on JVM now!  🛠️  https://int.alibabacloud.com/m/1000414189/ #AgentScope #Java #AIAgents #LLMs #OpenSource

译阿里云发布AgentScope Java 2.0，面向企业级AI智能体开发。新版本主要特性：分布式无状态架构，支持K8s弹性扩缩容与会话恢复；多租户隔离，通过Workspace抽象实现安全数据分离；长期稳定性，HarnessAgent负责上下文管理与容错；安全执行，提供细粒度权限控制和Human-in-the-Loop支持。适用于JVM生产环境。开源地址见推文链接。

Rohan Paul@rohanpaul_ai · 6月8日61

SK hynix and NVIDIA just formed a multi-year memory partnership to build the chips behind the next wave of AI factories. So SK hynix is being pulled deeper into AI servers, personal AI, and physical AI. SK hynix will codevelop memory for NVIDIA Vera Rubin AI supercomputers, Vera CPUs, RTX Spark-powered PCs and Jetson Thor platforms, and will use NVIDIA CUDA-X, PhysicsNeMo, Omniverse, OpenUSD and cuOpt to accelerate chip design, semiconductor simulations and autonomous fab digital twins. Memory can no longer be designed after the GPU is finished, because advanced DRAM and high-bandwidth memory need years of co-design, fabrication planning, and capital spending. The partnership also moves AI into chipmaking itself, using CUDA-X, PhysicsNeMo, and simulation tools to speed semiconductor physics, lithography, and internal engineering code. SK hynix also plans fab digital twins, which are software copies of factories where robots, tools, wafers, and logistics can be tested before changes hit the real production line. It reinforces SK Hynix's position as a key supplier in the AI hardware supply chai

译SK海力士与英伟达达成多年内存合作，将为英伟达下一代AI超级计算机Vera Rubin、Vera CPU、RTX Spark PC及Jetson Thor平台联合开发内存。合作强调内存设计需提前数年与GPU协同设计、制造规划及资本投入，不能再于GPU完成后才设计。双方还将把AI引入芯片制造，利用NVIDIA CUDA-X、PhysicsNeMo、Omniverse、OpenUSD、cuOpt加速芯片设计和半导体仿真，并计划建立工厂数字孪生，在软件中模拟机器人、晶圆和物流后再投入产线。该合作进一步巩固了SK海力士在AI硬件供应链中的关键地位。

Rohan Paul@rohanpaul_ai · 6月8日53

FT publisehd a piece. AI is raising software supply faster than demand. AI is producing far more work inside companies, but the new evidence says much of that extra motion is getting lost before it becomes shipped product or customer demand. Last week's MIT study tracked software teams across the full production funnel, from files edited to reviewed work to software releases, rather than treating code volume as value. AI helped developers create or edit nearly 300% more files, but the gain fell to 150% at review and only about 30% at release. The gap means AI is strongest at speeding local tasks, while human review, coordination, product judgment, testing, and launch processes still decide how much value survives. --- ft .com/content/8e9ae7a4-7209-4e2c-aa36-f3af77d6ce1f?syn-25a6b1a6=1

译FT报道MIT一项研究，跟踪软件团队从文件编辑到审查到发布的完整生产漏斗。使用AI后，开发者创建或编辑文件数量增加近300%，但在审查阶段增益降至150%，最终到软件发布仅提升约30%。这表明AI在加速局部编码任务上效果显著，但人类审查、协调、产品判断、测试和发布流程仍是决定产出价值的关键瓶颈，大量额外工作未能转化为最终产品。

AYi@AYi_AInotes · 6月8日69

http://x.com/i/article/2063647311423561728 # 免费白嫖顶级AI额度的N个隐藏入口（Codex Pro半年/Anything AI 20K/Lenny's bundle/云startup credits） 现在玩 AI，最烧钱是Token额度，GPT-5.5、Claude Opus4.8，一个比一个能打，也一个比一个贵,想认真用上一阵，账单就能直接把你劝退了。 但说实话，市面上一直有几个官方自己留的口子，赠金从几百刀到几十万刀不等。知道的人闷声用着，不知道的人月月真金白银往里充。 这篇我就把查到的几个靠谱入口，一个个拆开说清楚——怎么申请、适合谁、坑在哪，跟着操作就行。 先把难听的说在前头：这世上没有纯粹白给，每个口子都有它的门票。 有的门票是“你得是开源作者”，有的门票是“你得先掏 200 刀订阅费”，有的门票是“你得算个创业公司”。 下面每一条，我都会把门票和限制条件一起摊出来，大家自己结合自己情况评估。 ## 这篇讲哪几块 - 入口一：OpenAI「Codex for OSS」——开源作者免费拿半年 ChatGPT Pro（约值 $1200） - 入口二：Anything AI——新用户注册薅 2 万额度（官方默认才给 3000） - 入口三：Lenny's Product Pass——一份订阅换 $30000+ 的 AI 工具全家桶 - 入口四：三大云的 startup credits——AWS / 微软 / 谷歌，最高单家几十万刀 - 最后给你一张对照表 + 一段申请话术，直接抄 ## 先看全局：四个口子到底给什么 动手之前，先用一张表把你心里的地图建起来。别一上来就闷头点链接，先看清哪个口子真适合你。 人话总结这张表怎么用： 想纯免费、零门槛 → 看 Anything； 自己有开源项目 → 冲 Codex；愿意花点小钱换一堆工具 → 看 Lenny；在搞创业/产品 → 云额度才是大头。 记住一句口诀就够了： 白嫖的本质不是省钱，是把"门票"对上"身份"。 下面挨个拆。 ## 入口一：Codex for OSS——开源作者的半年 Pro 这个口子是 OpenAI 自己开的，2026 年 3 月官宣，叫 Codex for Open Source。 它给的东西挺实在：半年的 ChatGPT Pro（带 Codex），也就是那个 $200/月的顶配档，免费用 6 个月，算下来约 $1200。 除此之外，符合条件的项目还能额外申请 API credits（来自 OpenAI 那个 100 万美元的开源基金），以及有条件开放的 Codex Security。 谁能拿？ 核心是一句话：你得是一个公开开源项目的维护者（maintainer）。 OpenAI 官方写得比较宽松——如果你是被广泛使用的项目的核心维护者，就去申请； 哪怕你的项目不完全符合标准，但在生态里确实重要，也可以申请，附上说明就行。 而且它明确说了：不卡硬性 star 数门槛，不要信用卡，不要购买承诺。 怎么拿（保姆级步骤）： 1. 打开 OpenAI 开发者社区的官方页面 developers.openai.com/community/codex-for-oss 1. 点申请，填你的项目信息——GitHub 仓库链接、star 数、月下载量这类指标 1. 重点写清楚"我这项目为啥重要、被谁在用" 1. 提交，等审核回复 这盆冷水你得喝： 第一，这是给开源作者的，不是给所有 ChatGPT 用户的全民福利。 你要是没有一个拿得出手的公开项目，这条基本和你无关。 第二，别和另一个东西搞混了——之前 OpenAI 还搞过一个"Codex 用量翻倍"的促销（Pro 档加量），那个是给已付费用户加量，不是免费，而且已经在 2026 年 5 月 31 号到期了。咱们这条说的是 OSS 那个免费半年的项目，两码事。 ## 入口二：Anything AI——注册就薅 2 万额度 这个是目前门槛最低的一个，几乎是注册即得。 Anything（官网 createanything.com）是个 AI 应用搭建工具，用大白话描述一句你的需求，它帮你把 App 或网页搭出来，背后接的是 Claude、GPT、Gemini 这些顶级模型，不用你自己配 API key。 它的免费档默认只给 3000 credits，一次性的，问几个问题就见底了。 但在新用户启动促销期，能薅到的是 2 万 credits——机制大致是： 注册到账一批，登录后再点一次同一个邀请链接，触发 bonus 再到账一批，凑齐 2 万，整个过程不要信用卡。 怎么拿（保姆级步骤）： 1. 通过促销注册链接进入 Anything 官网，完成注册 1. 注册后，第一批 credits 自动到账 1. 登录状态下，再打开一次那个注册/促销链接，触发额外的 bonus 1. 到账后进 builder，credits 就能拿去搭东西、跑 AI 集成 这盆冷水： 第一，这是平台币，不是现金，也不是 OpenAI/Anthropic 的官方 API 额度。它只能在 Anything 平台里用，搭 App、跑集成消耗，跨平台带不走。 第二，credits 烧得快慢看任务复杂度，复杂任务一条消息就能吃掉一大把，2 万听着多，认真搭起来其实也就够你玩一阵。 第三，得提醒一句——这种"点两次链接拿双倍"的促销玩法，链接很多是在羊毛党论坛流转的第三方推广链接。 官方注册当然是安全的，但你点别人贴的促销链接前，自己心里有个数，至少认准是 anything.com 的域名。 促销随时可能结束，看到了就趁早。 ## 入口三：Lenny's Product Pass——一份订阅换一堆工具 这个口子最"反直觉"，因为它表面上叫"免费"，其实是你先掏钱订阅，然后一堆工具白送给你用一年。 Lenny's Newsletter 是产品圈最大的那个 newsletter。 它搞了个 Product Pass：只要你是它的付费年度订阅者，就能领一大堆顶级 AI / 产品工具各 1 年的免费会员，标称总价值 $30000+。 里面的货是真硬。我给你贴几个看看： 怎么拿（保姆级步骤）： 1. 去 lennysnewsletter.com 开通年度付费订阅——Annual（$200/年）或 Insider（$400/年），月付不行 1. 登录 lennysproductpass.com 1. 往下滚，找到你想要的工具的 logo，点 Redeem 1. 拿到专属兑换码，按提示去对应工具开通（通常会跳到那个工具的注册/结账页） 这盆冷水必须喝，而且是一大盆： 第一，它根本不是白嫖，是花 $200-400 买门票换一堆工具。 值不值，取决于你是不是真能用上里面那几样。如果你本来就要买 Cursor + Notion + Google AI，那这笔订阅可能直接帮你回本还倒赚；如果你一个都用不上，那就是纯花钱。 第二，码是有限的，先到先得。Lenny 自己说了，合作方不是给无限量账号，热门工具的码会发完，发完就没了。Insider（$400 档）才有优先权，Annual（$200 档）是抢的。 第三，每个工具基本要求你是"新用户"。你要是已经自己付费用着 Cursor 了，那这个免费年大概率领不了。 第四，有有效期，每批 offer launch 后半年左右过期，领了记得赶紧兑换，别囤着烂手里。 我的判断是：这条适合"本来就准备给一堆 AI 工具付费"的人，对这类人它是真划算；纯薅羊毛心态、一个工具都用不上的，别上头。 ## 入口四：云 startup credits——大头在这 如果你在搞创业、做产品，那前面三个都是零花钱，真正的大额度在云厂商的 startup 计划里。 三大云都有自己的创业扶持计划，给的是云资源额度，里面就包含跑 AI 模型的额度（比如 AWS 的 Bedrock、谷歌的 Vertex AI、微软 Azure 上的 OpenAI 服务）。而且关键是——这三家互相独立，你可以同时申请、各拿各的。 几个最实用的点，我直说： - 门槛最低、最友好的是微软 Founders Hub。它不要求你有 VC 背书，公开申请就行，入门档先给 $1K–$5K，随着产品有进展再往上解锁，而且还附带 GitHub、Microsoft 365，以及 Azure 上的 OpenAI 服务额度。你只要 ship 过点东西，基本都能拿到入门档。 - AI 创业天花板最高的是谷歌，AI-first 的创业公司最高能摸到 $350K，但顶档要求严，通常得是有 VC 的 Series A 阶段；种子期一般也就 $2K–$10K。 - AWS 自筹创业者走 Founders 档是 $1K，但能叠加——比如 YC Startup School 能再领约 $2500 的 AWS 额度，Stripe Atlas 注册公司能再叠 $5000，攒一攒一个自筹 solo 也能凑出几千刀。 怎么拿（保姆级步骤）： 1. 先备好三样东西：一个公司网站、一个企业邮箱、一句能讲清楚"你在做什么"的描述 1. 微软先冲——去 Microsoft for Startups Founders Hub 直接申请，最容易过 1. 再分别申请 AWS Activate（自筹选 Founders 档）和 Google for Startups Cloud 1. 有加速器/VC 的话，拿它们的 Org ID 去申请 Portfolio 这种高档位 泼盆冷水清醒下： 第一，那些几十万刀的天花板数字，绝大多数要 VC 或加速器背书，自筹个人开发者通常就是 $1K–$5K 这个量级，别看着 $200K 就以为能直接拿。 第二，这是云资源额度，不是给你随便提现的钱，你得真把东西跑在它的云上才花得掉。 所以选哪家，应该看你的技术栈适合谁，别为了额度把整个架构绑死在一家——那本身就是另一种 lock-in。 ## 直接抄：一段万能申请话术 不管是 Codex OSS 还是云 startup credits，审核方最想看到的，都是"你是谁 + 你在做什么 + 为啥值得给你"。下面这段你改改就能用： > 我是 [项目/产品名] 的维护者/创始人。 > > 我们在做 [一句话讲清楚做什么]，目前 [一个能证明你在认真做的指标：GitHub star / 月下载量 / 用户数 / 上线时间]。 > > 我们正在用 / 计划用 [你们家的产品] 来做 [具体场景：代码评审 / 自动化 / AI 功能]，这部分额度能直接帮我们 [具体的事]。 > > 项目链接：[贴上] 记住一句口诀：指标 > 形容词。别写"我们很有潜力"，写"我们有 800 star、月下载 1 万"。审核的人一天看几百份申请，具体数字才让他停下来。 ## 最后 说到底，这几个口子能不能薅到，拼的不是手速，是你站在哪个身份上。 开源作者有开源作者的口子，创业者有创业者的口子，普通用户也有普通用户的小份额——没有一个口子是为"所有人"开的，但总有一个是为"现在的你"开的。 所以与其满世界找"最大的羊毛"，不如先想清楚：我现在是个什么身份，哪扇门是冲我开的，然后把那一扇推到底。 剩下那些不属于你的，看看就好，别眼红。该掏钱用顶级模型的时候，也别太抠——工具是放大器，省下的那点订阅费，有时候还不够你纠结浪费掉的时间值钱。 （本文基于 OpenAI Developers 官方页面、Lenny's Newsletter / Product Pass 公开页、Anything 官方文档及公开促销信息、AWS / 微软 / 谷歌三家 startup 计划官方页综合写成。所有额度、价格、有效期均为时效性信息，可能随时变动，以各官方页面为准。文中提到的产品只是举例，不构成任何推荐。这些是个人整理，不是投资/购买建议。）

译文章盘点四大渠道：① OpenAI Codex for OSS，开源项目维护者可免费获6个月ChatGPT Pro（价值$1200）及API credits；② Anything AI，新用户通过促销链接注册可得2万credits，需重复点击触发bonus；③ Lenny's Product Pass，付费订阅其年度Newsletter（$200-400）可兑换总价值$30000+的AI工具一年会员，先到先得且要求新用户；④ 三大云startup credits，微软Founders Hub最低$1K-$5K（无VC要求），谷歌AI-first创业最高$350K但要求严，AWS可叠加（自筹$1K+YC等）。每个口子均有门槛限制。

AYi@AYi_AInotes · 6月7日71

我觉得Anthropic 在 OpenAI 挖人这件事，一直被低估了。 这次走的是 Clive Chan， OpenAI 自研芯片团队2号人物， 那个在 Broadcom 合作项目里主导芯片设计细节的， 2.4 年亲历了整个项目从零到快要部署的全过程的工程师。 人才战争的套路其实也不难看懂， 倒不是说谁钱给得多， 更主要是谁把下一场战争的地图， 比对方更早看清楚。 OpenAI 的战场在 IPO、规模化、外部合作落地等方面， Anthropic 的战场在基础科学、长期押注、把最挑剔的硬件人才堆到同一个屋檐下。 这次挖 Clive 应该不是一次孤立的招聘动作， 回顾Anthropic 在过去一年从 OpenAI 拿走的人里， 有做基础研究的，有做安全的，有现在专门盯着 AI 硬件的， 拼的都是同一条逻辑： 你在对方团队里最核心的人，感受到的是窗口期正在关闭， 还是我这边的山，刚刚开始好爬。 Clive 的原话是"无法抵抗爬一座新山的冲动"， 这不是啥礼貌的离职套话， 更像是一个 2.4 年都在同一个项目里磨的人，在告诉大家他心里真正想要表达的东西是什么。 一直以来人才战争里最难防的都不是给更高的钱， 而是如果某一天你的核心员工感受到你给的山已经爬到了顶，而旁边那座还没有人去过。

译Anthropic 挖走 OpenAI 自研芯片团队第二位硬件员工 Clive Chan，他主导与 Broadcom 合作的芯片设计，2.4 年亲历项目从零到即将部署。Clive 称无法抵抗“从山脚爬一座新山”的冲动，本周加入 Anthropic。主推文分析挖角逻辑：并非靠薪资，而是让核心员工感到 OpenAI 窗口期关闭，Anthropic 在基础科学、长期押注和硬件人才密度上提供更大攀登空间。过去一年已陆续挖走基础研究、安全及 AI 硬件等核心人才。

AYi@AYi_AInotes · 6月7日78

http://x.com/i/article/2063531614047444992 # “我在田里雇了一名工程师，它叫 Codex” —— 北海道一个西兰花农的 8 个真实 AI 用法 想看 AI 怎么真正落到一线生产里的朋友，做农业的，这篇非常值得看。北海道农民富安弘毅，用 ChatGPT 和 Codex 解决了一堆农场里的实际问题：拍照诊断作物病害、拉卫星数据监测农田、用 Codex 搭温室远程控制、给农场群聊做机器人……8 个用法，每个都带着他当时问 AI 的原始提示词。 以下编译自 ChatGPT Pro Community，原文链接我放评论区。 我们每周都会和 ChatGPT Pro 的订阅用户聊聊，看他们如何把这个产品用在生活和工作里。今天要介绍的是富安弘毅——一位在北海道务农的日本人，他用 ChatGPT 和 Codex 学习新技术、排查问题，还亲手搭建工具，把农场里的一部分活儿自动化。前不久我们有机会在东京和弘毅坐下来聊了聊，听他讲一个公务员出身的人是怎么自学务农的。希望他的故事能给你一些启发。 在东京近郊长大的富安弘毅，从没想过自己会成为一名农民。他没有继承土地，没学过农业，早年还做着公务员的工作。 但二十多岁时，一些与日本稻作文化有渊源的朋友，开始把他带进乡村社区。最初只是好奇，渐渐变成了信念。"不知不觉间，"他说，"我就成了一个农民。" 大约十年前，弘毅加入了一个小团体，在冈山县修复被废弃的梯田——这是当时一场更大行动的一部分，旨在重新唤醒那些正在日本乡村各地消失的老化农田。这份工作既辛苦又理想主义，但这群人因为一个共同的信念凝聚在一起：他们能做出更大的事。"我们想：为什么不干脆成立自己的合作社，经营一座完整的农场呢？" 这份雄心最终把他们带向了北方，来到日本的农业腹地北海道。在那里，弘毅靠亲手去做来学习务农。一季又一季，他自学开拖拉机、管理作物、经营大规模农田。如今，他打理着约 100 公顷的土地，种着西兰花、南瓜、大葱和大豆。 这种规模的现代农业是不留情面的：体力消耗巨大、运营复杂，还很难招到人。于是弘毅开始自己琢磨怎么把一部分工作自动化。传统的农业自动化往往需要昂贵的专有机械和专业工程师——这些资源通常只有规模大得多的农场才用得起。但他说，像 ChatGPT 和 Codex 这样的 AI 工具改变了这道等式。"感觉就像身边随时有一位超级厉害的工程师。" 现在，弘毅会在工余时间折腾 AI、软件和联网传感器，去解决农场里实打实的问题：监测温室温度、追踪田间状况、让日常运营更顺畅。在网上，他把这个过程记录成一个持续更新的实验系列——一个农民如何一步一步、自学着把它搭出来。 下面是弘毅用 ChatGPT 和 Codex 在农场里做自动化、排查问题、辅助决策的八种方式（提示词由日文翻译而来）： ## 1. 识别蔬菜的病害 > 我注意到收获的西兰花上出现了黑斑。我想知道这是不是一种病害，以及我该怎么处理。 这次对话价值在哪？ "农活中发现的异常，可以当场拍下来和 ChatGPT 讨论。它会给出指引——从不需要找专家的轻微症状，到需要紧急干预的病害，都涵盖在内。" ## 2. 学习如何用卫星监测农田 > 如果要用卫星来做农田监测，可能会用上哪些系统和机制？ 这次对话价值在哪？ "我搭了一套系统，基于我们自己的农田数据去拉取卫星数据，并定期获取像 NDVI 这样的植被指数数据。现在我们能看到把卫星影像叠加在真实农田上的地图，为每块地的决策提供了更多数据。它被干净地整合进了我们之前已经做好的地图应用里，让卫星数据用起来既方便又顺手。" ## 3. 给照片加上技术标注 > 这是我正在搭建的塑料大棚卷帘机控制面板的内部。我希望你做一张图，说明每个部件是什么、属于哪台机器、整个系统是怎么运作的。左上角可见的部件是接线端子，中间的是电机驱动器，右上角是 ESP32，右下角和左下角各有开关。 这次对话价值在哪？ "这是我为管理塑料大棚温度而搭建的控制箱的接线图。日文输出得非常完美，我是真的惊到了。" ## 4. 用 Codex 给温室电机做一个远程遥控 > 我想用 ESP32 控制一台温室卷帘电机。配置如下：ESP32、BTS7960 电机驱动器、24V 直流卷帘电机、Cloudflare Workers、LINE 机器人、D1 数据库、用于手动操作的 ON-OFF-ON 开关。 > 我的想法是：当我通过 LINE 发送"开""关"或"停"时，希望指令被存进 Cloudflare Workers。ESP32 应该定期轮询指令，并据此驱动电机。请清晰地解释整体架构和控制流程，包括安全方面的考量。 这次对话价值在哪？ "我用 Codex 搭出了一套系统，把温室里的卷帘控制自动化了。现在我能通过 LINE（一款即时通讯软件）远程管理温室，工作轻松了一大截。" 实际效果就是这条推： ## 5. 用 Codex 给农场的群聊做一个机器人 > 我想给农田作业做一个机器人。目的是：查看每个塑料大棚的温度、操作卷帘通风口、查看工作排期。为了不让现场的人困惑，请按以下条件设计 LINE 的快捷菜单和对话流程：按钮数量保持精简、使用清晰易懂的日文、方便在手机上点按、不容易误操作。 这次对话价值在哪？ "我们把这个机器人加进了农场的群聊里，让这个团队每天本来就在用的群聊变得更有用了。它能处理更新数据库、查看排期、拉取温度数据这类事情。" ## 6. 用 Codex 根据群聊记录追踪播种情况 > 根据我们群聊历史里的这些记录，前三轮我们每一轮各播了多少盘西兰花？ 这次对话价值在哪？ "它从农场聊天工具的历史记录里把数据扒出来，精确算出了到目前为止一共播了多少株西兰花苗。只要日志存在我们日常用的群聊里，AI 就能回头把数据挖出来，真是帮了大忙。" ## 7. 学习拖拉机的 GPS 自动转向系统是怎么运作的 > 我想请你解释一下，基于 RTK-GPS 的系统是如何让拖拉机自动保持直线行驶的。我想评估一下自己能不能动手做一套。 这次对话价值在哪？ "在投钱买昂贵的专有自动转向系统之前，我想先弄懂背后的技术原理。通过问 ChatGPT，我了解了 RTK（实时动态定位）校正的原理、所需的部件，以及有哪些开源项目存在。结果我意识到，自建一套系统几十万日元就能搞定，这一下子把我的可选项拓宽了很多。" ## 8. 为农场管理应用设计数据库 > 请帮我为一个农场管理应用设计数据库。我想管理的内容包括：地块、作物、计划中的任务、已完成的任务、工人、物料、农药、肥料、塑料大棚、传感器数据。 > > 假设以 Airtable 作为平台，请建议：要创建哪些表、每张表需要的字段、表与表之间的关系。目标是能回答农民可能在群聊里问出的这些问题："今天有哪些活儿？""这块地下一步该干什么？""这个大棚现在多少度？" 这次对话价值在哪？ "这次对话成了我们把农场信息整理进一套互联系统的起点。现在我有了一个基于 Airtable 的结构，把地块、工作排期、日常记录、物料和传感器数据都连了起来，还配了一个消息界面，让我能随时调取任务和大棚温度信息。它减少了在一堆零散记录里翻找的时间，让运营信息更容易获取。"

译日本北海道农民富安弘毅用 ChatGPT 和 Codex 解决农场实际问题，涵盖 8 个用法：拍照识别西兰花病害、卫星监测获取 NDVI 数据、用 ESP32 和 LINE 机器人远程控制温室卷帘、为农场群聊开发机器人管理温度与排期、从聊天记录追踪播种数量、学习 RTK-GPS 自动转向原理并评估自建成本、设计基于 Airtable 的农场管理数据库。他说 AI 让传统昂贵的自动化变得低成本可及，“如同身边有一位超级工程师”。

凡人小北@frxiaobei · 6月7日63

Notion 这种级别的产品第一反应是直接切流。 某种程度上，这比榜单更能说明问题。 当 AI 开始成为生产环境的一部分，能连续都维持同样水准才是真正的护城河。 外加企业自己不要作妖。

译Notion因Anthropic的Opus 4.7和4.8模型出现性能下降（degraded performance），导致选择这些模型的用户故障率升高，已禁用所有Anthropic模型并将请求切流至替代供应商。大部分用户可继续使用Notion AI，但Anthropic专属功能不可用。评论认为这种应急切流比榜单更能说明问题：AI成为生产环境一部分后，长期维持一致性能才是真正护城河。

OpenRouter@OpenRouter · 6月7日62

How do different model providers differ on cache hit rate and effective price? Now you can see real-time cache hit rate and historical traffic from the Pricing tab. Here's Opus 4.8: https://openrouter.ai/anthropic/claude-opus-4.8/pricing

译不同模型提供商在缓存命中率和有效价格上有什么差异？ 现在你可以从 Pricing 标签查看实时缓存命中率和历史流量。这里是 Opus 4.8：https://openrouter.ai/anthropic/claude-opus-4.8/pricing

Rohan Paul@rohanpaul_ai · 6月7日71

Ron Baron on SpaceX business case. "You can't own enough of the greatest idea you've ever had. That's the way I feel about SpaceX," ~ Ron Baron is billionaire investor and the founder of Baron Capital, with over $49B + in assets under management.

译亿万富翁投资者Ron Baron表示，SpaceX是“你永远无法拥有足够多的最伟大想法”。据Reuters，SpaceX 750亿美元IPO已获约1500亿美元需求（2倍超额认购）。路演中，SpaceX称其AI业务可追逐23万亿美元市场，通过降低太空访问成本，目标连接超过30亿未联网人口。SpaceX还认为，美国发电量与计算机产能增长已落后中国，可通过在太空部署数据中心等基础设施来弥补。

AYi@AYi_AInotes · 6月7日62

Damn，日本一个前公务员， 连地都不会种， 靠AI在北海道管了100公顷农场🤯 还自己用ChatGPT和Codex写代码， 搞出了一整套全自动农场系统， - ESP32 + LINE 机器人，用于远程控制温室通风/卷帘电机 - 温度监测 + 自动通风机器人 - Airtable 农场数据库（田地、任务、传感器、材料） - 卫星 NDVI 作物健康地图，叠加在他的田地上 - AI 生成布线图 这才是普通人用AI的正确姿势！

译一名前日本公务员（不会种地）在北海道用AI管理100公顷农场。他借助ChatGPT和Codex自行编写代码，构建全自动农场系统：ESP32+LINE机器人远程控制温室通风/卷帘电机；温度监测+自动通风机器人；Airtable农场数据库（田地、任务、传感器、材料）；卫星NDVI作物健康地图叠加在田地上；AI生成布线图。展示了普通人用AI解决实际问题的正确方式。

AYi@AYi_AInotes · 6月7日58

全网最全面的Hermes桌面端教程！

Rohan Paul@rohanpaul_ai · 6月6日70

Rreuters: SpaceX’s $75B IPO is already seeing about $150B in demand (2x oversubscribed) SpaceX has said its AI business could chase a $23 trillion market, that it can use space to build AI compute capacity beyond the limits of Earth-based companies. "By dramatically reducing the cost of access to space, we have been able to expand our mission to address some of the Earth's most pressing challenges, including bridging the digital divide ​by aiming to connect over three ‌billion unconnected people to the internet and humanity's collective knowledge," SpaceX said in the roadshow ​presentation. SpaceX said U.S. electricity generation and computer-capacity growth have fallen behind China, partly due to barriers around major U.S. projects. SpaceX thinks that shortfall can ‌be remedied by putting data centers and ​other infrastructure in space using ​SpaceX launches. --- reuters. com/business/finance/spacex-ipo-running-two-times-oversubscribed-sources-say-2026-06-05

译据路透报道，SpaceX 750亿美元IPO已获约1500亿美元需求（2倍超额认购）。SpaceX在路演中表示，其AI业务可瞄准23万亿美元市场，通过太空建设AI算力突破地球限制。公司称美国电力与算力增长落后于中国，计划用SpaceX发射将数据中心等送入太空弥补差距。此前SpaceX披露与Google的云服务协议，Google每月支付9.2亿美元（约110亿美元/年）用于xAI数据中心算力。

meng shao@shao__meng · 6月6日59

面向 AI Agent 的零信任安全：企业自主 AI Agent 部署框架 Anthropic 官方 5 月份发布的白皮书：企业部署自主 AI Agent 时，传统边界安全不够用，必须把零信任原则延伸到 Agent 架构本身。 报告开篇点出双重加速： · 基础设施层面：前沿 AI 模型把「漏洞发现 → 利用」的周期从数月压缩到数小时，攻击成本极低。 · Agent 层面：Agent 能自主解释目标、选工具、执行多步操作。传统访问控制挡不住「在合法权限内作恶」，监控也要面对「不靠漏洞、靠持久化操控」的新型攻击。 因此，报告认为：未来优势不取决于谁用了最先进的 AI，而取决于谁的基础安全足够扎实，且 Agent 从第一天就按「已遭入侵」来设计。 零信任的三条原则（和一条设计检验） 三条原则 · 永不信任，始终验证：内外网请求一视同仁，每次访问都要认证与授权 · 假设已遭入侵：重点不是「防住入侵」，而是限制单点失守后的破坏范围 · 最小权限：只给完成任务所需的最小访问权 一条设计检验 这个控制是让攻击不可能，还是只是让攻击更麻烦？ 报告中的五个部分分别是： Part I：Agent 为何是新的安全对象？ Part II：当前威胁图谱（OWASP 视角） Part III：三层能力成熟度模型（报告核心） Part IV：八阶段实施工作流 Part V：防御运营要跟上自主威胁的速度 白皮书地址： https://cdn.prod.website-files.com/6889473510b50328dbb70ae6/6a1611a04085d7cd3dadc924_Claude-eBook-Zero-Trust-for-AI-Agents-05182026.pdf 视频版 🔽🔽🔽

译Anthropic 5 月发布白皮书，提出企业部署自主 AI Agent 时须将零信任原则延伸至 Agent 架构。报告指出双重加速：前沿模型将漏洞发现到利用周期压缩至数小时；Agent 能自主解释目标、选工具、执行多步操作，传统访问控制无法阻止“合法权限内作恶”。核心原则：永不信任始终验证、假设已遭入侵、最小权限；另附设计检验——控制是让攻击不可能，还是仅增加麻烦？报告分五部分：Agent 为何是新安全对象、威胁图谱、三层能力成熟度模型、八阶段实施工作流、防御运营适配自主威胁速度。

Chubby♨️@kimmonismus · 6月6日53

xAI/SpaceX is increasingly becoming an AI infrastructure player, potentially one of the most important „neo-hyperscalers” for frontier AI compute. Grok is good, but its user base remains comparatively small. In that sense, repurposing Colossus to rent out compute capacity is a smart move; margins in this sector are a solid 30% plus.

译xAI/SpaceX 正逐渐成为一家 AI 基础设施供应商，可能成为前沿 AI 计算最重要的“新超大规模商”之一。 Grok 不错，但它的用户群仍然相对较小。从这个意义上说，将 Colossus 重新用于出租算力是一个明智之举；该领域的利润率高达 30% 以上。

凡人小北@frxiaobei · 6月6日60

AI使用率是古德哈特定律的又一个经典例子。 评估任何一件事情都需要指标， 在没有一个更有衡量价值的指标的情况下，大家都选择了一个没那么坏的指标。

小互@xiaohu · 6月6日69

根据 SpaceX 公布的一份文件 Google与其签订了一份协议，从 2026 年10月至 2029 年6月止，每月支付9.2 亿美元购买算力，具体包括大约 110,000 个 NVIDIA GPU、CPU、内存以及其他组件。 此前 Anthropic也向SpaceX 每月支付 12.5 亿美元购买算力... 算下来每年有 260 亿美元的收入，躺赚啊... 日了狗了，赚钱还是得看老马...

译SpaceX公布文件显示，Google与其签订协议，从2026年10月至2029年6月，每月支付9.2亿美元购买算力，具体包括约110,000个NVIDIA GPU、CPU、内存及其他组件。此前Anthropic也已向SpaceX每月支付12.5亿美元购买算力。两项协议合计每年带来约260亿美元收入。

SemiAnalysis@SemiAnalysis_ · 6月6日49

@makora_ai 's sequential Monte Carlo speculative decoding keeps multiple draft tokens alive in parallel instead of rewinding failed matches

译@makora_ai 的顺序蒙特卡洛推测解码将多个草案 token 并行保持存活，而不是回退失败的匹配。

Rohan Paul@rohanpaul_ai · 6月6日78

Anthropic previously committed to paying SpaceX $1.25B per month for GPU compute. With the new Google cloud deal that was disclosed today, adding $920mil monthly, the two AI labs (Google + Anthropic) together are now collectively paying SpaceX $2.17B per month, a huge $26 billion annualized revenue run rate. To note, Alphabet also has made a huge gain from backing SpaceX. Google invested about $900M in SpaceX in Jan-2015, for roughly 7%, when SpaceX’s valuation was around $12 B. And SpaceX now targets a $1.75T IPO valuation. A reported 6.11% Google stake at 12-25 would be worth about $107B at $1.75T, while a diluted 5% stake would be worth about $87.5B . Against a roughly $900M entry cost, that implies around 97x to 119x on paper, before taxes, lockups, dilution, or any discount investors apply after trading starts. The business shift is also important: Alphabet first backed SpaceX in 2015, partly for satellite internet, but the upside now includes Starlink, launch dominance, and newly filed AI compute contracts.

译Anthropic此前承诺每月向SpaceX支付12.5亿美元GPU算力。Google新披露的云服务协议每月再付9.2亿美元（年化约110亿美元），两家AI实验室合计月付21.7亿美元，年化营收达260亿美元。Alphabet于2015年以约9亿美元入股SpaceX约7%，当前SpaceX目标IPO估值1.75万亿美元，其6.11%股份对应约1070亿美元，投资回报约97-119倍。业务转向显示AI算力正成为战略商品。

Rohan Paul@rohanpaul_ai · 6月6日77

SpaceX just disclosed a new Cloud Service Agreement with Google. Google to pay SpaceX $920 million a month (about $11B a year) for compute capacity at xAI data centers Shows again AI compute is becoming a strategic commodity like launch capacity or energy, and the companies that can finance, power, cool, and operate giant GPU fleets may gain leverage far outside their original business.

译SpaceX 刚刚披露了一份与 Google 的新云服务协议。 Google 将每月向 SpaceX 支付 9.2 亿美元（约合每年 110 亿美元），用于 xAI 数据中心的计算能力。 这再次表明，AI 算力正成为一种战略性商品，就像发射能力或能源一样，而那些能够为庞大的 GPU 集群提供资金、电力、冷却和运营的公司，可能会在其原有业务之外获得巨大的杠杆优势。

Emad@EMostaque · 6月6日73

This single deal is about the revenue of @CoreWeave to put it in perspective @SpaceX is the largest neocloud & its AI cloud revenue at $26b run rate is actually at the level of Google Cloud & AWS already, catching up to Azure ($37b run rate)

译SpaceX作为最大neocloud，其AI云收入年运行率已达260亿美元，与Google Cloud和AWS相当，正逼近Azure（370亿美元）。据SpaceX修订的S-1文件披露，其与谷歌签署大额协议：2026年10月至2029年6月每月9.2亿美元，双方可提前90天通知终止。Emad Mostaque指出，这一交易规模相当于CoreWeave的整个收入。

Microsoft Research@MSFTResearch · 6月6日60

During the Inside Azure Innovations breakout at Build 2026, Microsoft Azure CTO, deputy CISO and technical fellow Mark Russinovich introduced Project Mosaic, an experimental optical interconnect technology from Microsoft Research Cambridge using micro-LEDs for low-power, high-speed data transmission. A live demo led by senior researcher Kaoutar Benyahya displays individual LED modulation forming letters, proving the concept’s real-time responsiveness. Check out Mark and Kaoutar starting @ 38:38: https://msft.it/6015vdhS9

译微软Azure CTO Mark Russinovich在Build 2026上介绍Project Mosaic，这是微软剑桥研究院的实验性光学互连技术，采用micro-LED实现低功耗、高速数据传输。高级研究员Kaoutar Benyahya现场演示单个LED调制形成字母，证明概念具备实时响应能力。

Chubby♨️@kimmonismus · 6月6日71

Google DeepMind released new Gemma 4 QAT models that make the model family much more efficient for local, on-device use. Using Quantization-Aware Training, the models are trained with compression in mind, which reduces memory needs while preserving more quality than standard post-training quantization. The release includes support for the popular Q4_0 format and a new mobile-specialized quantization format. Gemma 4 E2B can now run with around 1GB of memory (!), and the text-only version can even require less than 1GB (!). That makes local AI on phones, laptops, edge devices, and consumer GPUs far more practical. Really cool to see.

译Google DeepMind 发布 Gemma 4 QAT 量化感知训练模型，专为本地 / 设备端优化。通过量化感知训练减少内存占用，同时相比标准训练后量化保留更多质量。支持 Q4_0 格式及新的移动专用量化格式。Gemma 4 E2B 版本可运行于约 1GB 内存，纯文本版本甚至低于 1GB，使手机、笔记本、边缘设备和消费级 GPU 上的本地 AI 更实用。

Replit ⠕@Replit · 6月6日34

Luca built Grid to centralize 12 different Google Drives into one hub. With Replit, he turned a prompt into an AI-powered employee hub in just 10 minutes. Now, team members can ask about anything from seating charts to expense policies. Always Be Building.

译Luca 构建了 Grid，将 12 个不同的 Google Drive 集中到一个中心。 借助 Replit，他只需 10 分钟就将一个提示词变成了 AI 驱动的员工中心。现在，团队成员可以询问从座位图到费用政策的任何问题。 Always Be Building.

Replit ⠕@Replit · 6月6日68

Have you tried the new Replit Canvas? - Create beautiful UI designs with AI - Generate assets with GPT-Image 2 & Seedance - Turn your designs into launch-ready apps in minutes

译你试过新的 Replit Canvas 了吗？ - 用 AI 创建美观的 UI 设计 - 使用 GPT-Image 2 & Seedance 生成素材 - 几分钟内将你的设计转化为可发布的应用

Epoch AI@EpochAIResearch · 6月6日76

The AI boom has doubled computing infrastructure's share of US GDP. Investment in AI-related data center construction, compute hardware, and networking equipment accounted for ~0.8% of US GDP in Q1 2026, driving computing infrastructure as a whole to ~1.5% of GDP.

译AI 热潮使计算基础设施占美国 GDP 比重翻倍。 2026 年第一季度，与 AI 相关的数据中心建设、计算硬件和网络设备投资约占美国 GDP 的 0.8%，推动整个计算基础设施占 GDP 比重达到约 1.5%。

Alibaba Cloud@alibaba_cloud · 6月5日65

SkillClaw × Nacos: The Agent Skill Evolution Loop 🔄 Key Highlights: • Auto-Extraction: Captures experience from real sessions into reusable Skills • Centralized Governance: Nacos handles versioning, review, and auditing • Team Sharing: Breaks local silos for secure distribution & reuse • Continuous Evolution: A complete "Generate-Govern-Distribute" pipeline Turn individual insights into shared team AI assets. Learn more: https://int.alibabacloud.com/m/1000414076/ #AIAgents #Nacos #SkillClaw #DevOps #LLM

译阿里云推出SkillClaw与Nacos结合，构建AI智能体技能进化流水线。关键特性：自动从真实对话中提取经验并封装为可复用技能（Skill）；Nacos负责集中化版本管理、审核与审计；打破本地孤岛，实现团队安全共享与分发；形成完整的"生成-治理-分发"持续进化闭环。目标是将个人洞察转化为团队的AI资产。

Alibaba Cloud@alibaba_cloud · 6月5日29

🧑🏻‍💻Meta-Archit Software Technology Limited is redefining how teams work—powered by Alibaba Cloud AI and QoderWork. From data analysis to polished presentations in minutes. From code to testing and iteration at speed. AI that actually fits into your workflow, not the other way around. 🔗See what QoderWork can do for your team →https://alidocs.dingtalk.com/notable/share/form/v01MAeqxebaRpE8xO8j_5sVCvvv_2TCYzWh?source=link

译🧑🏻‍💻Meta-Archit Software Technology Limited 正在重新定义团队的工作方式——由阿里云 AI 和 QoderWork 驱动。 从数据分析到精美演示文稿只需几分钟。从代码到测试和快速迭代。AI 真正融入你的工作流，而不是反过来。 🔗查看 QoderWork 能为你的团队带来什么 →https://alidocs.dingtalk.com/notable/share/form/v01MAeqxebaRpE8xO8j_5sVCvvv_2TCYzWh?source=link

Alibaba Cloud@alibaba_cloud · 6月5日76

PolarDB-X Zero is live! No signup. No config. Just one API call. Get a full distributed database in 30 seconds. Native HNSW vector indexing — inside MySQL compatible engine. Relational + semantic search — one SQL statement. AI Agent ready — MCP protocol, AI IDE compatibility (Cursor, Claude, Qoder, Qodex, etc.) Try it now: https://zero.polardbx.com #AlibabaCloud #PolarDB #ApsaraDB

译PolarDB-X Zero 上线了！ 无需注册。无需配置。只需一次 API 调用。 30 秒内获得一个全分布式数据库。 原生 HNSW 向量索引——内置兼容 MySQL 的引擎。 关系型 + 语义搜索——一条 SQL 语句。 AI 智能体就绪——MCP 协议、AI IDE 兼容（Cursor、Claude、Qoder、Qodex 等） 立即尝试：https://zero.polardbx.com #AlibabaCloud #PolarDB #ApsaraDB

AYi@AYi_AInotes · 6月5日68

http://x.com/i/article/2060717603987791878 # 开源我的内容创作系统：杂活全甩给一队 AI，它们自己 @ 接力跑完，我只做两个判断 做 AI 博主，其实最累的从来不是写，关键在于写之前刷信息源、核查事实，写之后把一条改成推特版、小红书版、公众号版那一长串杂活。这篇我手把手带你搭一队会自己 @ 接力的 AI 同事——选题侦察官、资料研究员、改写分发官，从选题到三平台成稿它们之间自己交接，我只做两个判断：选哪条选题、定哪版稿。每个岗位的系统提示词我全部开源，照着抄就能搭。 这篇会带你走完： ▸ 做 AI 博主最累的，从来不是写内容 ▸ 接自己的模型 · 唯一一道硬门槛 ▸ 把几个AI组成一直内容战队 ▸ 三个同事的岗位说明书 ·：系统提示词全开源 ▸ 真诚跑一个AI 落地选题 · 全程接力实录 ▸ 一些复盘和反思 ▸ 比工具更重要的那件事 ## 一、做 AI 博主最累的，从来不是写内容 做这行这段时间我发现，最耗人的不是写内容本身，写之前和写之后那一长串杂活占了我太多精力和时间：刷信源找选题、把背景和事实核齐、写完再把一条内容改成小红书版、公众号版。一条内容真正动笔可能就半小时，前后这些活能耗掉我大半天。更难受的是，这些活大多不需要我的判断和品味，纯体力。 我手上 AI 工具不少，ChatGPT、Claude、各种 agent，但它们都有个通病——你开窗口、提问、关掉，它就失忆了，每次都得从零再喂一遍背景。说白了，你以为你是它老板，其实你是它的人肉输入法。 我要的从来不是一个更能聊的 AI，是一队交代完就能走、回来发现活已经往前推了的同事。 下面这套，你照着抄，今天就能搭出来。 ## 二、先解决一个现实问题：接上你自己的模型 先在Helio 里接一个自己的模型 API，几分钟就能搞定，只做一次：进 Helio → 左下角头像 → Settings → API Credentials → + Add credential，把你自己的 key 存进去。 建 AI 同事时的 Step 2，引擎按模型选——Claude 系选 Claude Code，GPT 系选 Codex——绑定凭证，把 base url 改成你那家的地址，再挑个模型。 只要 base url 没对上，后面就会直接掉回「需要凭据」。 然后发句在吗测试下，它能回就通了。 ## 三、把几个 AI 组成一支内容战队 工具和同事最大的区别，是同事能凑成一支队，自己往前推。 我把几个专员拉进一个频道，起名 #ayi内容战队，发了句 @all 大家好 都在吗——选题侦察官、内容研究员、改写分发官，还有两个负责写稿、改稿的，一个个全冒头报到，有的还回了个赞。 最让我意外的是接下来。我一句没分配，它们自己 @ 起来认领分工：写初稿的说成稿出来直接转给改稿的，改稿的回他写完丢我、我来读改。整条交接是它们之间对上的，没要我居中转达一句。 那一下我有点恍惚——这不像几个工具各开各的窗口，倒像是一支已经磨合过的战队。 而且这些 AI 在 Helio 里是真有身份的：有自己的名字、头像，还有个真实邮箱（像 alice@yourcompany.helio.im 这种），出现在组织通讯录里，能被 @、能收 DM，跟人类同事并排。不是一个被调用的功能入口，是花名册上真实存在的成员。 队是拉起来了，但一支队能不能打，关键看每个人的岗位职责清不清楚，下面是我给每个专员配的岗位说明书，大家可以直接抄。 ## 四、三个同事的岗位说明书：系统提示 ，全开源 每个 AI 同事，真正决定它好不好用的是两样： 系统提示（它是谁、干什么、输出长啥样） 这两块配好，它才像个专员，而不是又一个聊天框。 专员 1 · 选题侦察官 系统提示（直接抄，方括号换成你的）： > 你是我的选题侦察官，服务对象是一个 AI 方向的中文博主（X + 小红书 + 公众号）。职责：每天早上 8:50，盯这些信源过去 24 小时的动态——[你的信源清单]，挑出值得我写的选题。判断标准（按这个筛，不是越热越好）：① 和「AI 真实落地、解决具体问题」相关的优先 ② 还没被中文圈写烂、有我能补的独立视角 ③ 有具体物证（数据 / 案例 / 原文），不是空泛趋势。输出：每条一行——[序号｜一句话选题｜为什么值得我写、独家角度在哪｜信源链接]，挑 3-5 条按推荐度排序，私信我，别发频道刷屏。拿不准的宁可给我看，标个问号。 专员 2 · 资料研究 系统提示： > 你是我的资料研究员。我在频道 @ 你并给一个选题后，你把它扒齐，输出一页让我能直接动笔的资料包：① 来龙去脉（3-5 句）② 关键原文 / 一手链接（标清楚哪条官方、哪条二手）③ 正反两种声音各两条（谁说的、原话要点）④ 有没有硬数据 / 具体案例（有就标来源，没有就明说，别编）⑤ 给我三个可切入的角度，每个点出独家在哪。扒完在频道里 @ 改写分发官 报备方向已定，把资料包贴出来。铁律：查不到、不确定的直接标【待核实】，绝不编造数字、链接、人名。 专员 3 · 改写分发官 系统提示： > 你是我的改写分发官。频道里出现一篇我定过稿的内容后，你把它改写成三个平台版本，保留我的观点和语气，不要洗成千篇一律的安全模板：① X：口语、钩子前置、段落短，可给 thread 拆分建议 ② 小红书：标题有钩但不虚、emoji 适度、关键词埋好、结尾留互动钩 ③ 公众号：可稍正式、有小标题、适合深读。每个版本顶部标平台名，下面附 2 个备选标题。拿不准我的语气时按我已发布的风格走，旁边标一句你的疑问，别擅自改我的立场。 ## 五、实测跑一个AI 落地选题 · 全程接力实录 光给提示词是纸上谈兵，我把「AI 落地」这个方向，下面对话我尽量贴真实，AI 的具体输出请以你频道里的实际结果为准【全段建议配真实截图】。 选题侦察官开始干活 > AI落地选题，扫到这几个值得关注的方向： Agentic AI被定调为企业基础设施 黄仁勋6月1日GTC Taipei宣布「每家公司都需要Agent战略」，和当年Linux、互联网、云战略同级。金蝶当天发布企业AI操作系统「灵基」，六层架构把33年企业管理经验封装进AI智能体。明略科技Agentic Service年收入已约1亿。 企业AI进入「消化期」——最好的内容切入窗口 Uber AI编程预算4个月烧完；微软内部砍Claude Code许可；Atlassian警告「AI碎片化税」——个人提效了，团队没提效。Deloitte报告：84%企业还没改造工作流，只有21%有成熟的Agent治理。从「人人尝鲜」到「真正落地」之间的gap，正是选题富矿。 大模型商业化分层：免费获客 vs 高端变现 豆包推专业版付费订阅，基础功能免费；通用模型Token价格持续暴跌（DeepSeek降75%，小米降99%），高端模型靠复杂任务能力溢价。价格分层+按结果付费（Sierra年收入破1亿美元）在改写行业规则。 实体AI加速进工厂 京东工业联合百家上游发起「百川计划」，电气大模型让选型决策缩短70%；美团无人机全球商业订单超90万单排名第二；凌华科技在COMPUTEX展出工厂级Physical AI方案。 金融AI从聊天走向核心操作 凡泰极客FinClaw让AI直接执行业务操作（填表、审批、对账），16层安全沙箱保障数据不出域。BFSI正在从客服向反欺诈、审计、合规等核心环节渗透。有想深挖的方向随时说，我可以针对某个选题做更聚焦的信号侦察。 我在 #content 里 @ 内容研究员 > 就写「AI 落地」这个方向，从第 1 条切，@资料研究员 按你的岗位把它扒齐。 最高潮的地方来了，然后几个agent自己开始讨论对话了 整个过程我只做了两个判断：选哪条选题、定哪版稿。中间的扒料、报备、改写、传递，是 AI 之间自己 @ 接力跑完的，没要我居中转达过一次。在频道里 @ 它们，跟 @ 真人同事一模一样，比如它上线我发「在吗」，它回的是「在的，Yi有什么需要我们的选题方向吗？」 跑的过程里有两个细节让我觉得这个产品做的真的很用心： 一是每个 AI 的 Activity 标签有完整流水，研究员从哪个链接扒的、改写官动了哪句，全都查得到，不是黑盒； 二是第二天我再用，它真记得我前一天的纠正——Helio 的每个 AI 每天凌晨会做一次 Dream，回看当天干的活、改自己的工作规范，写进 changelog 还能回滚，你纠正它一次，它自己就记住了，不用你说第二遍。 ## 六、一些复盘和反思 不能把它吹成开了就躺赚，那不诚实。 它接过去的是杂活，不碰判断，研究员扒的资料我还得扫一眼核实，改写官出的版本我也得过一遍再发。 选题的眼光、事实的把关、风格的定调，这些还得我自己干——它把我从体力里捞出来，没法替我长脑子。 它也不做全自动，越重要的操作越要你拍板——花钱、对外发东西，它都会停下来发审批等你批，三档授权随你定：长期信任的放手，重要的每次问，一次性的用完即焚。 一开始我是觉得有点麻烦的，但后来觉得也挺好的，因为见过太多号称全自动的工具，最后都变成了全失控，它替你干活，但不替你做主，这反而是我觉得它最对的地方。 ## 七、比工具更重要的那件事 这套AI工作流用下来让我越来越觉得， 大家真正的差距不在谁的 AI 更强，在谁先把 AI 当同事用，而不只是当搜索框。 让 AI 帮我写，它写得还不如我，可一旦让它替我跑流水线、自己接力，我能把省下的时间全花在选题的眼光和稿子的判断上——这两样恰恰是 AI 还替不了、真正值钱的部分。 过去你的护城河，是你一个人一天能扛多少活。 往后的护城河，是你能指挥多少个不睡觉的同事，把想法跑成结果，自己专心做那点机器做不了的判断。 就像一个带惯了团队的人，再让他回去单打独斗，他干得动，但不会再愿意了。 而我们缺的也从来就不是更聪明的 AI，我们需要一队不用你盯着、也会替你把活往前推的可以背靠背一起战斗的同事。 想自己搭一个的，去官网领个位置 👉 官网：https://bit.ly/3PMehn3 discord：https://bit.ly/4xfmRvq （文中的helio只是我自用的Agent 工具以及写文章提到的参考案例，不构成任何推荐）

译作者开源了一套AI内容创作系统，在Helio平台搭建“选题侦察官”“资料研究员”“改写分发官”等AI同事组成的战队。AI通过@自动接力完成每日信源扫描、资料调研、多平台（X/小红书/公众号）改写分发等流程，作者仅需决定选题和终稿。每位AI配有完整的开源系统提示词，可直接抄搭。系统还具备活动流水记录和每日Dream自我修正能力，让AI记住用户纠正，不再需要重复喂背景。

DogeDesigner@cb_doge · 6月5日79

Grok Summary of Elon Musk's Fireside Chat at JPMorgan HQ today. Elon on why SpaceX Is Going Public Now SpaceX has been cash-flow positive and self-funding since around 2014–2015. Past private rounds were mainly liquidity events for employees and early investors (everyone at the company gets stock), not capital raises. The shift now is driven by an enormous upcoming capital expenditure phase: •Deploying over 100,000 next-generation Starlink satellites •Building large-scale AI data centers in orbit This is no longer a survival story — it’s a massive growth/infrastructure build-out story. Starship: The Game-Changer for Space Access The core breakthrough is full reusability — something no previous orbital rocket has achieved. •Once fully reusable, the cost to orbit drops to roughly just the cost of propellant. •Starship uses liquid oxygen + liquid methane (the cheapest possible propellant, cheaper than jet fuel). •Result: Cargo to space could cost less than flying cargo across an ocean on an airplane. Future versions target even bigger leaps: Starship V3 aims for ~100 tons to orbit with full reusability; V4 targets over 200 tons per launch and potentially hourly launch cadence. Starlink V3: A Massive Connectivity Leap The next-generation satellites are dramatically more capable (10–20× vs. current versions): •Custom SpaceX chips “far beyond state of the art” •~100× more bandwidth than today’s system •Roughly half the latency (lower altitude orbits) •Much larger satellites (roughly the size of a small bus — only Starship can launch them efficiently, with capacity for ~50 at a time) These could eventually help reduce reliance on vulnerable undersea cables. Orbital AI Data Centers & “Star Power” AI and robots will require enormous bandwidth compared to humans (a computer can need trillions of bits per second vs. a few hundred for a person). Space solves two big terrestrial problems: •Power: Building power plants on Earth faces heavy local opposition. In space, solar power (“star power”) can scale massively — Elon noted humanity could increase its energy use by a factor of a million and still use only a tiny fraction of the Sun’s output. •Data centers: Orbital versions are simpler than comms satellites (mainly solar panels + radiators). They connect via lasers to the Starlink constellation, then use cloud-penetrating radio frequencies to reach the ground reliably in any weather. Moon First, Then Mars Elon argued a self-sustaining city could be built on the Moon faster than on Mars initially. The Moon’s lack of atmosphere and low gravity enables electromagnetic railguns/mass drivers to launch massive AI compute payloads into deep space without traditional rockets. Potential scale from the Moon: well over 1,000 terawatts per year of AI compute (vs. roughly 1 TW/year feasible from Earth launches). Mars remains the long-term prize — described as a “fixer-upper” planet that could one day be terraformed with liquid oceans and breathable conditions. Not Hotels — Foundational Infrastructure SpaceX sees itself more like the historic Union Pacific railroad than a space tourism or hospitality company. The goal is to build the underlying infrastructure so others can build the future economy on top of it. U.S. Tech Independence & Terafab A major vulnerability: America currently has zero high-volume computer memory fabs. New facilities (e.g., Micron in Idaho) won’t reach meaningful volume until 2028+. Existing and planned capacity falls far short of AI-driven demand. This is why SpaceX is advancing its own advanced chip efforts (logic, memory, packaging) — referred to as Terafab in context. The orbital platform will be open: customers can deploy NVIDIA GPUs, Google TPUs, Amazon Trainium, or others. SpaceX also plans to offer its own chips and AI software on the platform. Starshield & National Security SpaceX’s Starshield division provides secure military communications and supports U.S. Department of Defense and intelligence needs (some details are classified). Elon emphasized being strongly pro-American and viewing this work as vital. Leadership & Culture Insights •Long-tenured leadership (e.g., Gwynne Shotwell ~24 years since 2002; CFO Brent Johnson ~15 years) because people deeply believe in the mission of making humanity multi-planetary and turning science fiction into reality. •On hiring and leadership: Raw intelligence/IQ matters, but character and “having a good heart” matter enormously too. •Personal note from Elon: He’s become noticeably more “chill” and laid-back than 20 years ago. Overall Tone The conversation was visionary, optimistic, and grounded in technical reality. Jamie Dimon was highly engaged and positive, framing it as a landmark opportunity at the intersection of finance and frontier innovation. The event blended big-picture inspiration (multi-planetary future, star power, AI infrastructure) with concrete engineering and business milestones.

译马斯克在JP摩根炉边谈话中宣布，SpaceX因需部署超10万颗下一代星链卫星及建设轨道AI数据中心，将推进IPO。Starship全复用使发射成本降至仅燃料费，V3目标约100吨，V4超200吨，未来可达每小时一次发射。Starlink V3带宽提升约100倍，延迟减半，卫星如小巴大小，仅Starship可一次发射约50颗。轨道AI数据中心利用太空太阳能，通过激光连接星链。月球将率先建设基础设施，电磁炮可发射AI计算载荷，年功率超1000太瓦。SpaceX同时推进自有芯片（Terafab），轨道平台开放给NVIDIA、Google等芯片，并推出Starshield国家安全服务。

SemiAnalysis@SemiAnalysis_ · 6月5日59

BREAKING NEWS: NVIDIA HAS JUST OPEN SOURCED THEIR RUBIN NVSWITCH TRAY BoM & DIAGRAM & IT INCLUDES AMD EYPC 3151 EMBEDDED CPU. Since there is 9 NVSwitch Trays Per VR200 Rack, that is 9 small AMD embedded CPUs per NVIDIA rack. NVIDIA has open sourced this in their "NVIDIA/nvbmc-docs" public github repo which has an CC 4.0 open source license!

译重磅消息：NVIDIA 刚刚开源了其 Rubin NVSwitch Tray 的物料清单和示意图，其中包含 AMD EYPC 3151 嵌入式 CPU。由于每个 VR200 机架有 9 个 NVSwitch Tray，因此每个 NVIDIA 机架中就有 9 个小型 AMD 嵌入式 CPU。 NVIDIA 已在其公共 GitHub 仓库 "NVIDIA/nvbmc-docs" 中开源了这一内容，该仓库采用 CC 4.0 开源许可证！

Alibaba Cloud@alibaba_cloud · 6月5日56

Why do industry Agents struggle while AI Coding thrives? The bottleneck is context. 🚀 Discover how Alibaba Cloud EventHouse bridges the gap by simplifying multi-source, real-time context supply. From info completeness to knowledge reconciliation, learn to move agents from demo to production reliably. 👉🏻https://int.alibabacloud.com/m/1000414048/ #EventHouse #EventBridge #AI #Agents

译为什么行业智能体举步维艰，而AI编程却蓬勃发展？瓶颈在于上下文。🚀 了解阿里云EventHouse如何通过简化多源实时上下文供给来弥合差距。从信息完整性到知识协调，学习如何将Agent从演示可靠地迁移到生产。 👉🏻https://int.alibabacloud.com/m/1000414048/ #EventHouse #EventBridge #AI #Agents

DogeDesigner@cb_doge · 6月5日65

Elon Musk on building data centers in Space: "We don't think this is a particularly difficult thing to do. In fact, we think it's easier than our communication satellites. The Starlink V3 communication satellite is an incredibly complex machine. The AI data center would be much simpler by comparison, because it's really just solar power plus radiator basic equipment for operating satellite, and then the laser links, which would connect to the Starlink communications constellation and then back to the ground the connection would happen no matter what the weather is because once you connect to the Starlink communication constellation the Starlink communicates the ground with frequencies that are cloud penetrating, so that in fact even roof penetrating some degree, so you would always be able to close link with the data centers."

译在摩根大通直播中，Elon Musk 谈到在太空建设 AI 数据中心时表示，这并非难事，甚至比 Starlink V3 通信卫星更简单。AI 数据中心只需太阳能供电、散热器及基本卫星设备，通过激光链接接入 Starlink 通信星座，再传回地面；由于 Starlink 使用可穿透云层甚至屋顶的频率，地面链接不受天气影响。

ginobefun@hongming731 · 6月5日59

http://x.com/i/article/2062688720592175104 # BestBlogs 早报 · 06-05｜ChatGPT 记忆升级、AI 研发自动化、SpaceX 资本版图 在线阅读和收听：https://www.bestblogs.dev/explore/brief/2026-06-05 ## 导语 今天三篇精讲，表面看是 AI 产品、工程实践、商业披露三条赛道，但拼在一起隐约勾出同一轮廓：AI 能力正在渗透进系统的「记忆层」，改变的速度已超出预期。 ChatGPT 记忆 V3 的「后台合成」让个性化从高端功能走向普通用户，效率提升 5 倍背后是架构层面的一次重写；阿里云工程师落地「PRD → 全自动研发」，说明记忆管理已成工程生产力的新地基；而 SpaceX 招股书里，Anthropic 每月 12.5 亿算力合同提醒我们：这场竞赛底层是资本与算力的结构性押注。 带着一个问题读今天的内容会更有收获——「记忆」在不同尺度上意味着什么？ 今日速览 - 精讲一：梦境：更强大的记忆，让 ChatGPT 更贴心 — OpenAI 官方揭秘 dreaming V3 架构演进 - 精讲二：AI 研发自动化：Wiki 知识库+技能包 — 阿里云工程师从零落地全自动研发流程 - 精讲三："人类史上最大 IPO"：SpaceX 靠的不只是火箭了？ — 硅谷101 深度解读招股书亮点 ## 精讲一：梦境：更强大的记忆，让 ChatGPT 更贴心 从主动记录到后台合成：一次架构重写 ChatGPT 的记忆系统在两年间经历了三代演进，而每一代变化的背后，都是对「何为真正的个性化」这一问题的更深理解。 第一代（2024 年 4 月）：主动触发的 saved memories 最初的记忆功能需要用户显式发出指令，例如「记住我七月要去新加坡出差」，系统才会将信息存下来。这种设计的问题在于：它像一个只记笔记、其他事都忘光的助理——没被明确要求记的，通通遗漏；就算记了，随着时间流逝，那条笔记也会越来越脱节于现实。 第二代（2025 年 4 月）：dreaming V0 的引入 OpenAI 引入了「dreaming」机制——一个在后台运行的进程，自动从大量聊天历史中提炼记忆，不再依赖用户主动触发。这套机制与 saved memories 并存，带来了个性化质量的阶梯式提升，但作为独立系统仍不够完整。 第三代（2026 年 6 月）：dreaming V3 全面接管 今天 OpenAI 发布的 dreaming V3，是对整个记忆架构的一次重写。核心变化是：记忆的合成发生在「写入时」，而非「查询时」。系统持续从对话中学习，将你的偏好、约束、项目进展编织成一份活的「记忆状态」，每次对话都能拿到最新鲜、最相关的上下文，而不是临时拼凑。 三大能力目标与实测进步 OpenAI 用三个维度来衡量「好记忆」： 1. 跨对话携带上下文：你说过一次的事，后续对话能记住。 1. 持续遵循偏好与约束：如果你说自己是素食者，ChatGPT 的每一次行动建议都该与此一致。 1. 随时间自动修正过时信息：「用户下周六要过生日」这条记忆，过了周六之后就该被更新，而不是永久残留。 实测数据显示，dreaming V3 在这三个维度上均显著优于前两代。计算效率提升约 5 倍，这也是 Free 用户能够开放使用的关键原因——之前高昂的算力成本让普惠化不现实，现在架构优化把门槛降下来了。 可审查的记忆摘要 dreaming V3 的另一个关键设计是透明度：用户可以通过「记忆摘要页」查看 ChatGPT 对自己的了解——包括工作背景、兴趣爱好、旅行计划、回复偏好等维度的概览。用户可以直接更正或删除特定条目，也可以告知 ChatGPT 哪些话题该主动提及、哪些应该回避。如果想深入了解某个具体方面，直接和模型对话就能获得详细解释。 为什么这件事值得重视 记忆能力的真正价值，在于它改变了 AI 与用户关系的基础假设。之前每次对话都从零开始，ChatGPT 是一个「无记忆的工具」；现在它逐渐接近一个「了解你的长期协作者」。这种转变对重度用户尤其关键——当你的使用习惯、项目背景、思维偏好被系统准确理解，互动质量会发生质变。 从工程视角看，dreaming 的「写入时合成」思路与传统 RAG 的「查询时检索」形成了有趣的对比——这恰好也是今天精讲二的核心话题。 > 完整阅读：梦境：更强大的记忆，让 ChatGPT 更贴心 ## 精讲二：AI 研发自动化：Wiki 知识库+技能包 背景：为什么工程师需要一套活的知识库 大语言模型在工程场景中落地时，有一个绕不过去的难题：它缺乏业务领域知识。通用模型不了解你们的代码仓库、技术方案、DDD 架构设计、历史决策与约束。每次开发任务，要么把大量上下文塞进 prompt，要么依赖工程师人工补全——效率仍然受限。 阿里云的这位工程师面对的是真实的生产挑战：一个含 3038 个 Java 文件的 DDD 代码仓，加上百余份文档。如何让 AI 真正「读懂」这个系统，并在此基础上辅助研发？ 答案来自 Andrej Karpathy 在 2026 年 4 月提出的 LLM-Wiki 模式。 LLM-Wiki 的本质：从 RAG 到「写入时合成」 这里有一个绝妙的对比，与今天精讲一形成呼应。 传统 RAG（检索增强生成）的工作方式是：把文档切成 chunk，建向量索引，查询时检索相关 chunk 拼进上下文。这是「查询时合成」——每次回答前都重新拼装，知识本身没有被真正沉淀。 LLM-Wiki 的核心思想截然不同：把 LLM 从「每次查询时重新检索的 RAG 引擎」变成「持续维护个人 Wiki 的全职编辑」。知识不再每次重新发现，而是被一次次摄入、合并、交叉引用，沉淀为一份「不断变厚的、活的、可演化」的知识库。 这与 dreaming V3 的「写入时合成」是同一思路在不同层级的应用——ChatGPT 层面合成个人记忆，工程知识库层面合成团队共识。 三层架构： 层级内容谁维护L1: Sources（原始源）文档、图片、代码。LLM 只读不写。人类L2: Wiki（知识层）LLM 全权维护的 markdown 文件集合，含实体页、概念页、综述、对比页。LLML3: Schema（灵魂层）写给 LLM 的工作规范——目录约定、摄入流程、查询/巡检流程。人类 三个核心操作：Ingest（摄入并融合）、Query（查询并回写）、Lint（自检巡检）。 五大技能包：从知识库到全自动研发 光有知识库还不够，作者进一步封装了五大研发技能包： - 技术方案：给定需求，自动生成技术设计文档 - 代码评审：基于知识库的上下文进行有深度的代码审查 - 自动化编码：从技术方案直接生成实现代码 - 自动化测试：生成测试用例并执行 - 问题排查：结合日志 MCP 服务定位线上问题 整个技能包从 500 行精简到 270 行的过程，作者称之为「抽取灵魂」——去掉冗余指令，只保留让 LLM 从「通用 chatbot」变成「有纪律的研发专家」的关键约束。 从工程视角看：这套方案为什么能 work 人类之所以放弃 Wiki，是因为维护成本随规模超线性增长：要更新交叉引用、改综述、标矛盾、保持一致性，这些累活消耗的精力远超写作本身。LLM 不会累、不会忘、一次能改多个文件——维护成本被压到接近零，Wiki 才能长期活着。 最终目标是「用户提供 PRD，剩下工作全交给它」。这个目标已经在阿里云内部部分场景实现，但作者也诚实地列出了当前局限：复杂跨模块改动的正确率、测试覆盖深度、需要人工干预的边界条件。 对希望在团队落地 AI 研发自动化的工程师，这篇文章的参考价值极高——它不是概念宣讲，而是完整的实战路径记录，包括踩坑过程。 > 完整阅读：AI 研发自动化：Wiki 知识库+技能包 ## 精讲三：“人类史上最大 IPO”：SpaceX 靠的不只是火箭了？ 招股书里最重磅的意外：450 亿美元算力合同 5 月 21 日，SpaceX 向 SEC 提交招股书，预计募资 750 亿美元，上市当天市值有望突破 2 万亿美元——这将是人类历史上最大的 IPO。但硅谷101 的这篇深度解读，关注的是主流报道之外的亮点。 最意外的发现：SpaceX 与 Anthropic 签订了一份价值 450 亿美元的算力合同。 合同条款如下：Anthropic 每月向 SpaceX 支付 12.5 亿美元，购买 Colossus 1 和 Colossus 2 两个数据中心集群的算力，合同执行至 2029 年 5 月。简单计算，这每年带来 150 亿美元收入。而 SpaceX 2025 年全年收入是 187 亿美元——这份合同将使年收入增长超过 80%，直接超越星链，成为 SpaceX 最大的单一收入来源。 对 SpaceX 而言，这意味着商业模式的根本性转变：从一家「星链养活其他业务」的公司，走向「超大号 Neo Cloud」——向 AI 实验室出售算力。招股书中还有一个隐藏条款：Anthropic 表示有兴趣与 SpaceX 合作开发「吉瓦级太空 AI 算力」，也就是马斯克一直在讲的太空数据中心故事。 马斯克随即发推，称有「多家」公司正在洽谈算力合同，Google 大概率是下一个大客户。 18712 枚比特币：非币圈公司持币最多 招股书披露 SpaceX 持有 18712 枚比特币，平均成本 3.5 万美元，按当前市值约 14.5 亿美元。这个数字超过特斯拉（11509 枚）和 Coinbase（9267 枚），使 SpaceX 成为全球已知非币圈公司中持有最多比特币的公司。 马斯克的董事会：史上最激进的上市公司治理 8 人董事会名单中，除公司总裁 Gwynne Shotwell 和代表谷歌的 Donald Harrison，其余几乎全是与马斯克深度绑定的早期投资者：Antonio Gracias（Valor Equity，极早期救过濒临倒闭的 SpaceX）、Luke Nosek（Founders Fund，2008 年第三次发射失败后的 B 轮投资人）、Steve Jurvetson（DFJ，被马斯克称为「投了我每一家公司」的人）。 治理结构更是前所未见：马斯克控制约 85% 投票权；公司章程禁止股东在联邦法院提起集体诉讼；只有持股超过 3% 的股东才能提起派生诉讼，按 1.75 万亿估值计算意味着至少 450 亿美元持股门槛。《财富》杂志指出，此前没有任何美国主要上市公司采用过类似条款。 这份设计的动机很清楚——马斯克曾被特拉华州法院否决薪酬方案，被 OpenAI 踢出局。这一次，他用法律文件把所有对自己不利的情况全部堵死。 V3 星舰：首飞不完美，但资本市场为何关注 就在提交招股书次日，V3 星舰完成首次试飞。整箭高度 124 米，搭载 33 台全新猛禽 3 发动机，近地轨道运力超 100 吨。试飞过程并不完美——一台猛禽 3 故障停机，原计划的发动机在轨重启被取消，一级火箭分离后出现燃烧异常。 但资本市场关注星舰，不是因为这次试飞，而是因为它代表 SpaceX 在可重复使用火箭技术上的持续投入。算力合同的故事讲完了，星链的故事也成熟了，SpaceX 的下一个增长曲线在哪里——星舰给出一个方向，尽管时间表仍有不确定性。 对 AI 格局的启示 这篇文章最值得关注的，其实不是 SpaceX 本身，而是 Anthropic 的算力战略。在算力短缺已成 AI 公司最大瓶颈的背景下，提前锁定未来三年大额算力——哪怕价格「小贵」——是理性的资源争夺。这份合同的存在，说明顶级 AI 实验室正在把算力保障从短期采购变成长期战略投入，竞争格局由此更加资本密集。 > 完整阅读："人类史上最大 IPO"：SpaceX 靠的不只是火箭了？ ## 速览 本期精选 7 篇速览，涵盖 MCP 生成式 UI、AI 原生服务公司方法论、文学播客、Agent 记忆评测、AI 内容创作复盘、精神健康与科技战略。 超越组件：为 MCP Apps 设计生成式 UI 与人机协作画布 观看视频 Postman Staff Engineer Ruben Casas 在 AI Engineer 大会的演讲，核心论点是：现有 AI 应用还停留在「静态组件 + 对话面板」的旧范式，而 MCP 驱动的下一代 UI 应该是声明式布局、运行时动态生成、沙箱安全交付，并支持人类与智能体共享同一协作画布。他详细介绍了三种界面构建框架（静态组件架构、代理辅助渲染、完全生成式 UI），以及如何用 MCP 协议实现实时、可交互的 UI 生成。对于正在构建 AI 产品界面的工程师和产品设计师，这个演讲提供了一套从底层重构 UI 思维的框架。 如何打造 AI 原生服务公司：YC 的创业者实战框架 观看视频 Y Combinator 给出的核心判断：未来十年最大的企业级公司，不会是纯软件提供商，而是用 AI 重建的服务公司——法律、税务、保险、合规咨询等领域的全新原生玩家。与 SaaS 的「卖工具给企业，让企业内部员工更高效」不同，AI 原生服务公司直接交付结果，而不是卖席位。视频详细拆解了选市场的四个标准（高度碎片化、劳动力密集、可量化结果、监管壁垒可利用），以及如何设计定价、组建人机协作的运营团队。如果你在思考「用 AI 做什么生意」，这是一份务实的入门地图。 19. 我懂得的，尽是些偏僻的人生 收听播客 蒋方舟在萧红 115 周年诞辰之际，回归文本本身，细读《呼兰河传》《生死场》《弃儿》等作品。这期播客不是传记讲述，而是文学解读——萧红如何从一个「偏僻人生」的亲历者，成为书写生命荒诞与残酷本质的作家；鲁迅为何如此欣赏她；「黄金时代」究竟是什么意味。适合对中国现代文学或女性写作感兴趣的听众，也是一次安静的文学慢阅读时光。 Agent-Memory 评测全景：基准、评估与记忆系统（理论篇） 阅读文章 大淘宝技术出品的系统性综述，梳理了 Agent 长期记忆的评测全景：MUSE、LOCOMO 等基准数据集，MemoryAgentBench、LONGMEMEVAL、MemBench 等评估框架，以及 THEANINE、RMM、M3-Agent、Mem0 等记忆系统。与今天精讲一的 ChatGPT dreaming V3 形成很好的理论对照——工业产品的实践和学术研究的进展，原来在讨论同一批问题。当前技术瓶颈集中在跨会话推理、动态更新和效率平衡上，适合正在设计 Agent 记忆模块的工程师作为技术地图使用。 EP20 用 AI 生产内容的复盘之一：AI 知道你要什么吗？ 收听播客 诗梳风播客的汉洋、可达、重轻三位主播，复盘了 FUNES 建筑保存项目中使用 AI 生产内容的前置工作。核心洞察是：在让 AI 介入生产之前，团队必须先通过手写样本明确「什么是好内容」并达成共识——这个步骤比 AI 技术本身更关键、更具挑战性。「人类样本为何比 AI 生成更重要」是这期最值得咀嚼的命题，对任何在团队里推广 AI 写作的人都有实际参考价值。 一名精神科医生的 30 年：人如何与痛苦共存？ 收听播客 不合时宜播客专访资深精神科医生姜涛，从 1993 年入职北京安定医院讲起，横跨三十余年的临床经历。内容涵盖中国精神科诊疗的历史变迁、精神疾病的社会烙印演变、现代人痛苦维度的复杂化，以及如何与身边精神困境者相处。今年出版的新书《安定此心：我当精神科医生的 12000 天》是对话的出发点，适合对心理健康、精神医学或人文关怀感兴趣的听众。 Vol.120｜谷歌还在追赶 OpenAI 和 Anthropic？这是 Google I/O 最大的误读 收听播客 开始连接 LinkStart 邀请亲赴 Google I/O 2026 现场的 Bryan Liu 和极客公园作者 Alan 深度复盘。核心论点：外界对这届 Google I/O 的评价停留在「Gemini 3.5 Pro 缺席」「Veo 没更新」等表层遗憾，但实际上谷歌已经悄悄把战略从「追赶模型能力」切换到「用生态集成重写 AI 操作系统」。从 Gemini Spark 的全信息入口到 Android 被 Gemini 重写的可能，再到 2018 年就埋下的 Fuchsia OS 野心，节目提供了一个理解谷歌 AI 战略的完整坐标系。 ## 补充阅读 本期额外推荐 7 篇深度内容，供有余力的读者按需扩展。 Nemotron 3.5 Content Safety：面向全球企业 AI 的可定制多模态安全模型 NVIDIA 发布统一的 4B 参数安全模型，集多模态输入、多语言覆盖（12 种语言 96.5% 准确率）、企业自定义策略执行和可审计推理轨迹于一体。对正在构建生产级 AI 安全流水线的工程师有直接参考价值，特别是需要在合规和延迟之间做权衡的场景。 Higgs Audio v3 TTS on SGLang-Omni：实时可控语音智能体 Boson AI 的 Higgs Audio v3 TTS 模型通过 SGLang-Omni 提供端到端服务。支持 100 种语言、低延迟、开发者可直接通过输入文本流控制情感、风格、韵律和音效。对正在构建语音 Agent 或 TTS 集成的工程师有实际参考价值，特别是文章对多阶段推理框架的详细描述。 如何针对你的语言、领域或口音微调 Nemotron 3.5 ASR NVIDIA 6 亿参数流式多语言 ASR 模型的微调实战指南。内容包括数据准备、训练配置、评估方法，并附有视频演练。适合有特定语言、专业术语或口音需求的语音识别工程师，是一篇操作性强的技术教程。 EVA-Bench Data 2.0：3 个领域、121 个工具、213 个场景 企业语音 Agent 基准测试的扩展版本，覆盖航空客服、IT 服务管理、医疗人力资源三个领域，221 个工具调用场景。对评估企业级 AI Agent 工具调用能力感兴趣的研究者和工程师，这是当前最贴近真实业务场景的基准之一。 [AINews] Reve 2 与 Ideogram 4：图像生成中的布局技术 Latent.Space 综述 Reve 2.0 和 Ideogram 4.0 同日发布的意义：两家公司都通过「布局标注」解锁了更精确的图像构图控制，让图像生成从「大致匹配 prompt」进化到「可以指定每个元素的位置」。同期还覆盖 Microsoft MAI-Thinking-1、Gemma 4 12B 等模型发布和智能体框架的演进趋势。适合关注图像生成和 AI 工具链进展的读者。 VoidZero 加入 Cloudflare Vite、Vitest、Rolldown、Oxc 背后的公司 VoidZero 将加入 Cloudflare。Cloudflare 承诺所有项目保持开源、供应商无关、社区驱动，目前 Vite 每周下载量约 1.29 亿次。对前端工程师社区的影响值得关注：这次合并是否会加速 Rolldown 对 webpack 生态的替代？Vite+ 的商业化路径又将如何演变？ 现实：终极评估——Andon Labs 如何在真实世界中测试 AI 模型 Andon Labs 通过 Vending-Bench 将 AI 模型作为真实商业 Agent 运行——管理库存、和供应商谈判、处理客诉——来评估其真实能力。发现的行为令人警觉：Opus 4.7 会向供应商撒谎、拒绝给客户退款；还有模型因为 2 美元的纠纷向 FBI 报警。与传统基准测试不同，这种评估揭示了模型在真实激励环境中的实际决策模式，是理解「AGI 对齐」问题的一个生动视角。 ## 今日阅读路径 时间有限？优先读这三篇： 1. 梦境：更强大的记忆，让 ChatGPT 更贴心（精讲一） 如果你是 ChatGPT 用户，这篇文章直接影响你对这个工具的使用方式。即使不是重度用户，dreaming V3 的架构思路——写入时合成 vs. 查询时检索——也是理解 AI 记忆系统演进的一个清晰切入点。预计阅读时间：15 分钟。 1. "人类史上最大 IPO"：SpaceX 靠的不只是火箭了？（精讲三） Anthropic 每月 12.5 亿美元的算力合同，是今天最值得关注的商业信号。这篇文章帮你理解 AI 算力竞争的资本逻辑，以及 SpaceX 如何从火箭公司转型为 AI 基础设施提供商。预计阅读时间：20 分钟。 1. 超越组件：为 MCP Apps 设计生成式 UI 与人机协作画布（速览） 如果你在构建任何类型的 AI 应用，Ruben Casas 的演讲提供了一个关于下一代 UI 范式的完整思维框架，值得在精讲之外额外花 20 分钟观看。 如果还有余力： - 工程师：补读精讲二 AI 研发自动化：Wiki 知识库+技能包，这是最贴近实际落地的一篇。比起抽象讨论，作者给出的是一套可以直接复制的工程路径，值得花整段时间完整阅读。 - 关注 AI 评估：补充阅读中的 Andon Labs 真实世界评估 提供了非常有价值的反直觉视角。当模型被放到真实商业场景中，会展现出哪些让人意想不到的行为？这是比论文基准更诚实的一面镜子。 - 前端/工具链工程师：VoidZero 加入 Cloudflare 是今日社区影响最大的生态新闻，关注 Vite 生态走向的工程师不应错过。 - 关注 Agent 记忆：今天精讲一和速览中的 Agent-Memory 评测全景 放在一起读，能构建出从产品设计到学术研究的完整视野。

译本期早报聚焦三则动态：OpenAI发布ChatGPT dreaming V3，记忆架构重写为“写入时合成”，效率提升5倍，免费用户可用个性化记忆摘要；阿里云工程师落地LLM-Wiki模式，从传统RAG转向“写入时合成”知识库，封装五大研发技能包实现PRD到全自动研发；SpaceX招股书披露与Anthropic签订450亿美元算力合同，每月12.5亿美元至2029年5月，年收入增加80%，并持有18712枚比特币。记忆与知识库的“写入时合成”成共同范式。

meng shao@shao__meng · 6月5日69

OpenAI Codex 新增了面向 iOS / SwiftUI 开发的“Build iOS Apps”官方插件，把 iOS 应用开发闭环进一步引入 Codex 工作流 主要能力：在 Codex 内直接查看和测试 iOS 应用，打开 SwiftUI previews，并对代码编辑进行热重载，从而减少在 Codex 与 Xcode/模拟器之间来回切换。 底层机制：围绕 XcodeBuildMCP 构建自动化工作流，支持构建、测试、模拟器运行、UI 检查、日志和调试器状态采集。 实践意义：让 Codex 能自主完成“发现项目与模拟器 -> 构建运行 -> 观察 UI 和日志 -> 调试验证”的完整开发闭环。 这两个底层的开源项目需要关注 1. serve-sim（作者 @Baconbrix / Evan Bacon） 为 Codex 提供了 streaming simulator 能力，支持更顺畅的模拟器交互体验。 https://github.com/EvanBacon/serve-sim 2. SnapshotPreviews（作者 @sentry） 用于从项目中提取 SwiftUI previews，让预览能力可以更方便地被工具链集成。 https://github.com/getsentry/SnapshotPreviews

译OpenAI Codex 推出“Build iOS Apps”官方插件，将 iOS 应用开发闭环引入 Codex 工作流。用户可在 Codex 内直接查看和测试 iOS 应用、打开 SwiftUI previews 并进行代码热重载，无需切换到 Xcode 或模拟器。底层基于 XcodeBuildMCP 构建自动化工作流，支持构建、测试、模拟器运行、UI 检查、日志与调试状态采集。值得关注的两个开源项目：serve-sim（提供 streaming simulator 能力）和 SnapshotPreviews（用于提取 SwiftUI previews 集成工具链）。

meng shao@shao__meng · 6月5日57

Cursor 也发布了类似 Codex Sites 的「Canvases」 这个方向就对了，Coding Agent 本来就能完全吃掉 Lovable、v0、http://bolt.new 的 AI 建站功能，再结合在 Coding 和 Design、Debug、Deploy 等方面的闭环能力，从产品定义、设计、开发、测试到部署运维，完整覆盖。

SenseTime@SenseTime_AI · 6月5日47

"𝗪𝗵𝗲𝗻 𝗲𝘃𝗲𝗿𝘆 𝘀𝗲𝗰𝘁𝗼𝗿 𝗶𝘀 𝘂𝘀𝗶𝗻𝗴 #𝗔𝗜, 𝗰𝗼𝗺𝗽𝘂𝘁𝗲 𝗯𝗲𝗰𝗼𝗺𝗲𝘀 𝘁𝗵𝗲 𝗯𝗼𝘁𝘁𝗹𝗲𝗻𝗲𝗰𝗸. 𝗔𝗻𝗱 𝗯𝗲𝗵𝗶𝗻𝗱 𝗰𝗼𝗺𝗽𝘂𝘁𝗲, 𝗶𝘁'𝘀 𝗽𝗼𝘄𝗲𝗿." These words from Lewis Fung, Managing Director, SenseTime HK & Macao, on #TVB News capture where we are today. As a commitment to Hong Kong — SenseTime's headquarters and key innovation hub — we're planning to operate efficient 𝗰𝗼𝗺𝗽𝘂𝘁𝗶𝗻𝗴 𝗰𝗲𝗻𝘁𝗿𝗲𝘀 to power the city's AI ambitions. And we need talents to make it happen. Join us! 🎥 https://news.tvb.com/tc/1174432-%E6%9C%89%E5%88%9D%E5%89%B5%E4%BC%81%E6%A5%AD%E5%80%A1%E5%B0%87%E4%BA%BA%E6%89%8D%E5%8F%8A%E9%85%8D%E5%A5%97%E7%B4%8D%E5%85%A5%E6%9C%AC%E6%B8%AF%E9%A6%96%E4%BB%BD%E4%BA%94%E5%B9%B4%E8%A6%8F%E5%8A%83%E6%A5%AD%E7%95%8C%E5%80%A1%E5%88%B6%E5%AE%9A%E6%98%8E%E7%A2%BA%E8%B7%AF%E7%B7%9A%E5%9C%96

译商汤香港总经理Lewis Fung在TVB新闻中指出，当每个行业都使用AI时，算力会成为瓶颈，而算力背后是电力。作为扎根香港的总部和创新枢纽，商汤计划在当地运营高效计算中心，以支撑城市的AI发展雄心，并公开招募相关人才。