在Code w/ Claude SF 2026活动上，Claude Code工程团队分享了将智能体编程设为默认工作方式后带来的流程与结构变革。核心变化包括：规划转向即时（JIT）模式，强调快速原型与反馈；上下文收集变为“先问Claude”；代码审查中Claude处理风格与测试，人工专注于法律、安全等专业判断。新范式下，工程瓶颈从编写代码转向验证、审查与安全维护。
关联讨论 2 条公众号：数字生命卡兹克X：邵猛 (@shao__meng)知名人工智能批评者Gary Marcus在其关于可信赖AI的专栏中，探讨了人工智能发展面临的根本性挑战。文章开篇即指向问题的核心，指出相关数学理论的局限性与人类心理的复杂性，是导致AI系统最终可能出现问题的根源。
迈克尔·伯里公开表示，SpaceX与Anthropic的估值均不应达到1万亿美元。他指出，即使Anthropic的年化收入达到当前水平，实现这一估值也面临巨大挑战。此言论引发市场对当前AI及科技公司高估值合理性的关注与讨论。
Nathan Lambert 离开 Allen Institute for AI (Ai2)，回顾了他在该机构最后一周的工作，特别是参与 Olmo 模型的开发，并强调了个人成长和产生广泛持久影响的机会。
OpenAI CEO 奥尔特曼回应了外界对 AI 领域巨额投入能否收回成本的质疑，称这是“目前对 AI 最公平的批评”。投资者正日益关注 AI 热潮能否创造足够收入。数据显示，许多公司购买的 AI 算力远超实际需求，GPU 平均利用率仅 5%，大量资源处于闲置状态。有学者批评，科技巨头每月合计投入的资金已超过曼哈顿计划的总成本，这可能是“历史上最大的资本错配”。
Ethan Mollick@emollick
Orange AI@oran_ge投资人Mike Vernal认为，AI让软件编写成本趋近于零，传统“找楔子→扩展套件→变平台”的三段式创业剧本已过时。他指出，Cursor等公司能在两年内从0做到一亿ARR，时间窗口被极大压缩。因此，他主张在创业初期就直接瞄准核心市场（即“深水区”），展现不可理喻、不可阻挡的野心。他以Cursor种子轮时就声称要替代VS Code为例，认为这个目标如今看来甚至还不够大胆。
http://x.com/i/article/2061520512174768128
歸藏(guizang.ai)@op7418
meng shao@shao__meng该推文核心观点是，2026年国内大厂已无绝对稳定，所有员工都应做好准备，要么创业，要么加入初创团队。其理由在于，大厂岗位随时可能面临“组织架构调整”，而AI发展迅猛，唯有投身实践才能真正学习。对于产品或研发人员，建立个人品牌和稀缺性价值更高。推文作者指出，许多大厂人和海归因AI快速发展而焦虑迷茫，建议他们立即重点学习AI智能体（AI Agent），通过解决实际问题来积累真正有用的能力。
AYi@AYi_AInotesNVIDIA发布RTX Spark芯片，这是一款3nm制程SoC，集成ARM CPU、Blackwell GPU与128GB统一内存，号称可本地运行120B大模型并满帧运行3A游戏。此举被视为NVIDIA从图形计算到AI时代持续押注并行计算与异构计算路线的成果，凭借积累二十年的CUDA生态，直接挑战Intel、AMD主导的传统PC架构，标志着PC行业竞争转向AI算力与软件生态。文章同时指出，该芯片的ARM版Windows兼容性、散热与最终定价等问题，是后续需要观察的现实挑战。
苹果、Intel、AMD、高通, 今晚大概率睡不好了。 统治了 PC 整整 30年的 Wintel 王朝,今天被一个卖显卡的,连桌子一起掀了。 NVIDIA 的 RTX Spark,一块 3nm 的 SoC, 把 ARM CPU、Black...
软银CEO孙正义称，AI革命的规模是互联网泡沫时期的50倍，是“人类有史以来规模最大的科技变革”。软银宣布在法国投资750亿欧元建设AI基建项目，规划总装机容量5吉瓦的数据中心，其中至2031年将在法国北部上法兰西大区落地3.1吉瓦。该项目是软银在欧洲单笔最大AI基建投入，资金主要依靠项目融资。孙正义同时表示，OpenAI仅占软银净资产两成多，Arm占比超50%。
OpenAI CEO 萨姆·奥尔特曼反驳了“企业采用AI后就会裁员”的观点。他指出，采用AI最多的公司实际上招聘也最多，而宣称因AI裁员的公司反而采用AI较少。奥尔特曼认为AI可能被用作裁员的“方便说法”，但在看到公司使用OpenAI编程工具后，他对就业前景的判断变得更加乐观。他同时承认，OpenAI过去发布的某些新闻稿可能加剧了公众焦虑，并澄清了GPT-5.2在44个职业中超过专业人士的说法。
OpenAI AI 研究员加布里埃尔·彼得森认为，年轻科技从业者在职业生涯早期不必害怕“跳槽”，应通过尝试不同团队来积累关于研究项目质量、团队文化及个人市场价值的信息。他直言“年轻人应长期留在一家公司”的传统建议是“愚蠢透顶”，并建议以实习、短期合作等方式快速探索职业道路。彼得森本人在 23 岁加入 OpenAI 前，就曾在 Dataland 和 Midjourney 等公司多次更换工作，每段经历不足两年。他指出，许多顶尖工程师曾将多年时间投入“事后看来并不值得的岗位”，而早早获得巨额财富的案例则极其罕见。
针对竞争对手Anthropic已秘密提交IPO文件，OpenAI CEO萨姆·奥尔特曼表示，AI行业最激烈的竞争并不在于谁先上市。他认为，竞争的核心是“谁能拿出最好的技术、打造最好的业务”。他同时指出，AI将成为许多领域的关键基础设施，世界应要求其拥有多个提供方以保证稳健性，不会由单一公司主导。目前，OpenAI也在冲刺IPO，目标是今年晚些时候，而Anthropic近期估值直冲1万亿美元。
英伟达CEO黄仁勋在台北电脑展表示，未来Vera CPU将比自家GPU更受欢迎。Vera CPU已内置在所有英伟达AI机器中，上市即具备软件生态优势。其能效相比现有CPU高3-6倍，速度比x86处理器快1.8倍，专为AI智能体打造。黄仁勋强调，Vera CPU并非为争夺传统CPU市场，而是旨在开辟一个此前规模为零的全新AI智能体市场。
黄仁勋在2026台北国际电脑展主题演讲中表示，智能体AI时代并非软件公司的末日，反而将带来“绝佳时代”。他指出，智能体AI会调用更多工具，软件需求不会消失。未来软件竞争将转向“智能体如何使用软件”，软件公司必须调整产品形态以适应这一变化。
面壁智能首席科学家刘知远提出“大模型密度定律”，该研究登上《自然·机器智能》封面，发现智能密度每3.5个月翻倍。他认为中国AI需“向外卷”，深入产业场景，而非重复OpenAI路径。刘知远指出中国模型与顶尖仍有差距，DeepSeek-V4尚未超越Claude Opus，原始创新是最大短板，但DeepSeek-R1在未公开路线下的创新值得肯定。他还强调智源研究院作为“中间地带”对原始创新的支持作用。
AYi@AYi_AInotes作者指出，当前许多人仍停留在用AI工具接单的“时间换钱”模式。真正的高价值路径是将个人验证过的方法论（如写作、选题、提示词等）封装成可被AI智能体（如Claude Code、Codex等）反复调用的“技能（Skill）”。这能实现边际成本近乎为零的被动收益，其本质是将自身技能转化为一个“分身”。作者强调，封装的前提是拥有真实、被验证过的方法论，而非空壳，并认为AI时代的核心竞争力在于能否将自己的核心技能封装成他人离不开的Skill。
http://x.com/i/article/2061406941541240838
jason@jxnlco阿波罗全球管理首席经济学家托尔斯滕·斯洛克撰文称，没有证据表明人工智能造成失业，OpenAI创始人山姆·奥尔特曼也承认此前的相关预言落空。然而，数据显示2026年至今科技行业裁员总数已近11.6万人，接近2025年全年12.4万的规模。Wix、Block、Meta、亚马逊等多家公司近期因AI替代或调整方向而进行大规模裁员。一项调研显示，99%的受访高管预计未来两年内将因AI减少员工数量。
图灵奖得主理查德·萨顿认为，普通生成式AI（如大语言模型）缺乏完成真正科学发现的关键能力。他指出，这类模型生成的内容中，“好的部分不新，新颖的部分不好”，且自身缺少测试与评估机制来筛选有效方案。真正的科学发现需要包含变异、评估和选择性保留的闭环，而生成式AI恰恰缺少评估环节。相比之下，萨顿列举了AlphaGo、AlphaProof、Claude Code等系统，认为这类具备评估反馈机制的AI智能体更有潜力实现突破。
meng shao@shao__meng吴恩达对比了AI Forward Deployed Engineer (FDE)和AI Engineer两种岗位。他指出，FDE由厂商派驻客户现场进行深度集成，但企业更倾向于培养大量自有AI工程师。他判断，AI Engineer岗位数量将远多于FDE，因为客户担心供应商锁定，在AI技术快速演进时更需要保持技术选型灵活性。当下最有价值的是能使用Claude Code、Codex等AI编程工具构建应用的通才型AI工程师。未来该角色可能像传统软件工程师一样，分化出LLMOps、Evals等专才，但现阶段综合型人才价值依然很大。
One of the new, buzzy jobs in Silicon Valley is the AI Forward Deployed Engineer (FDE), an engineer who is embedded with...
Rohan Paul@rohanpaul_aiSam Altman在采访中表示，AI不应被设计为追求脱离人类需求的目标，人类必须始终处于AI发展的中心。他批判了行业内“AI将摧毁大量工作”等言论，认为人们担忧的并非AI带来的好处，而是自身在未来的角色、经济前景与自主权。他指出，AI行业的失败在于未能清晰解释人类如何在每一步保持对未来的控制权，以及如何在AI时代继续拥有充实、有意义的生活。
同一事件，精选展示《OpenAI 奥尔特曼称 AI 对白领冲击不如预期般严重：我很高兴自己当时错了》这篇2016年的文章探讨了“超级智能”这一概念如何俘获并消耗了众多AI研究者、哲学家和程序员的心智。它指出，对一个遥远、抽象的未来风险的过度关注，正分散人们解决当前AI领域实际挑战的注意力，使他们的才智被这一宏大但可能虚幻的理论所吞噬。
宝玉@dotey推文建议，Codex、Cursor等AI智能体应提供API接口，允许右侧面板的网页视图直接向智能体发送包含文本和附件的提示词。例如，用户可构建类似Claude Design的网页，通过调用"window.codex.sendPrompt(text, attachments)"等API，将输入内容直接推送到左侧聊天界面。此举旨在实现智能体与网页间更深层的交互，从而解锁更多可能性。
Rohan Paul@rohanpaul_ai高通CEO Cristiano Amon预测，全球token需求到2026年每10秒将达317亿，到2030年将增至1.27万亿，实现40倍增长。他指出，这一增长主要源于AI正从人类节奏的交互转向智能体驱动的活动。智能体AI将消耗远超聊天机器人的token，因其执行自主任务时需调用工具、读取输出、协调系统并更新记忆，形成隐藏的微决策链。因此，软件使用模式可能从按点击或席位计量，转变为按其消耗的机器推理token量计量。
New video of Qualcomm CEO Cristiano Amon: AI will require "gazillions" of tokens. Because, Agentic AI will consume drama...
Ethan Mollick@emollick图灵奖得主理查德·萨顿指出，传统生成式AI存在核心缺陷：无法评估自身输出。若缺乏这一能力，真正的科学发现便难以实现，因为新想法只会短暂闪现随后消散。萨顿认为，AlphaGo和AlphaProof等系统表明，只有内置评估循环才能让AI具备真正的创造力。
swyx@swyx前xAI世界模型负责人Ethan He在播客中分享了对Grok Imagine及视频生成未来的看法。他指出，视频模型的智能主要来自LLM，而非单纯扩大视频数据规模，因此正从视频生成转向LLM领域。他认为，视频生成的下一个前沿是训练用于编排视频模型的视频Agent模型。AI视频的发展将类似编程Agent路径，当前文本到视频仅是“自动补全”阶段。未来，世界模型将变得实时交互，语言模型或成为视频的控制层。
🆕Grok Imagine's Video Agent Moment: Cosmos, xAI, World Models, Generative UI, & the Codex Phase for Video! https://www....
Emad@EMostaqueAI is built on humanity's collective knowledge. The wealth it generates must benefit humanity - not just Elon Musk, Sam ...
宝玉@dotey推文建议像“渣男”一样组合使用多个AI模型，发掘各自优势。具体指出 Opus 4.8 在UI设计与实现上优于 GPT-5.5，推荐用 Claude Design 后交由不同模型实现；其在系统设计和计划方面质量也高，但在写作上较弱。在 Claude Code、Cursor 等智能体中使用时，除写作外效果良好。引用内容提及 Opus 4.8 近期负面评价与退订增多，并有人预测 Anthropic 未来可能面临困境。
全网都在骂 Opus 4.8,退订的人越来越多。实在想不明白,一家所有产品都是二流甚至三流水平的公司,是怎么火起来的???????? 我赌三年内 Anthropic 就会消失或被收购。
录音学院 CEO Harvey Mason Jr. 指出，人工智能在音乐制作中已“无处不在”。流媒体平台 Deezer 报告，每天有超过 5 万首 AI 生成歌曲被上传，这类内容越来越难以识别和过滤。Suno 等工具已成为各类音乐家主流创作流程的一部分。尽管如此，录音学院的规则规定，AI 音乐不具备获得格莱美奖这一行业最高荣誉的资格。
Nathan Lambert@natolambertOpen and closed models are on different exponentials Where marginally higher intelligence drives value, and where it doe...
当模型智能的微小提升能直接转化为实际价值时，开源与闭源模型正沿着不同的增长路径发展。闭源模型通过在特定场景下提供更高的边际智能来创造价值，而开源模型则在其他维度寻找增长点，两者形成了差异化的竞争格局。
AYi@AYi_AInotesNVIDIA发布了基于ARM架构的RTX Spark处理器。其核心是一台搭载该芯片的笔记本，具备128GB统一内存，可直接本地运行200B参数的大语言模型。该芯片提供1 PetaFLOP的FP4算力，GPU性能与RTX 5070相当，旨在将数据中心级性能（Grace CPU + Blackwell GPU架构）集成到移动设备中。引用推文指出，该笔记本在拔掉电源后仍能保持性能不下降，并预计于2026年秋季推出。分析认为，NVIDIA此举的关键在于巩固其CUDA生态的护城河。
NVIDIA, ARM tabanlı yeni işlemcisi RTX Spark'ı duyurdu. - İşlemcide RTX 5070'e denk bir GPU bulunuyor. - Modern oyunlard...
