David的AI全景图

背景：视频创作正从「时间轴+手工剪辑」迁移到「结构化资产+可被 agent 操作」的系统化生产。摘要：我们塑造了工具，工具又反过来塑造了我们。代码做视觉，不是更“高级”，它只是把视觉变成了系统。生成式视频是创作，video-as-code 是生产。前者像油画，后者像活字印刷——几乎是两个行业。会一点 HTML、能用 Claude Code 跑 npx 命令的非技术背景人，反而比传统的视频高手更早摸到这条路。AI 翻译的昨天，是 AI 编程的今天。翻译的昨天，也是视频的明天。来源：https://mp.weixin.qq.com/s/Ob1KDDYDrYiNLCZ1S_JZ8w

背景：近日Claude Code “之父”Boris Cherny 在 Sequoia AI Ascent 大会上的访谈。“编程已经被解决，Loop 是未来。”“最合适写会计软件的是会计师而不是工程师，因为编程是简单部分，懂业务才是难的部分。”“切换成本和流程效力这两种（护城河）会被 AI 抹平”“领先的关键在组织怎么改造自己。技术大家都能拿到，但要把整个公司从手写代码切到模型生成代码……这是组织行为的改造，比技术本身慢得多。”“我们其实是在做一个初期完全不具备 PMF 的东西。我们很清楚它前六个月不会有 PMF，因为我们是在为下一代模型做开发。我们从始至终就是这个思路。”来源：https://www.youtube.com/watch?v=SlGRN8jh2RI

背景：OpenAI 联合创始人、特斯拉前人工智能主管、现任 Eureka Labs 创始人 Andrej Karpathy，在刚举行的2026 年 AI Ascent 大会上，与红杉资本合伙人 Stephanie Zhan 探讨了自他提出“感觉编码”这一概念以来，一年间发生了哪些变化。摘要：“上下文窗口中的内容，就是你操纵大语言模型这一解释器的杠杆。”“软件 3.0 范式要原始得多，神经网络承担了大部分工作，中间根本不需要任何传统应用程序介入。”“最新一代的 LLM，从某种意义上讲，可以轻松自动化那些能够被验证的事物。”“如果你处于强化学习覆盖的区域，就能如鱼得水；如果你处于数据分布之外，就必须自己构建闭环。”“智能体工程的重点在于保持专业软件开发中既有的质量标准。你不能因为采用了新范式而引入安全漏洞。”“我最看不惯的事情是，现在的文档依然是为人类编写的。”“你或许可以外包你的思考，但你无法外包你的理解。”来源：https://www.youtube.com/watch?v=96jN2OCOfLs

喜大普奔！终于等来DeepSeek V4来源： https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf

Demis 把 AI 看成理解现实本质、尤其是改善人类健康的“终极工具”，代表作是用 AlphaFold 攻克蛋白质折叠这一生物学界的“费马大定理”，并把预测结果免费开放成全球数据库，极大加速药物研发和基础生物学。摘要： “我 30 多年前投身 AI 领域，很大一部分原因是为了推动科学和医学的发展。”“而且我一直认为 AI 可能是实现这一目标的终极工具。” “蛋白质是你体内一切功能所依赖的基础。或者说，是它们让生物学和生命成为可能。” “我热爱挑战，也喜欢钻研难题，所以从科学的角度来看，我无法抵御它的诱惑，这或许正如人们向我描述的那样，相当于生物学界的费马大定理。” “一旦攻克这一难题将产生巨大的影响，因为它会为后续的研究开启无限可能，特别是在药物研发和理解疾病方面。” “所以我们现在始终处于最前沿。可以说，我们基本了解所有这些不同蛋白质结构的大致样貌。” “从今往后研发出的几乎所有药物，其开发过程很可能都用到了 AlphaFold，这确实令人震撼，其产生的影响也非常惊人。” “我认为 AI 的最佳用例在于改善人类健康并加速科学发现。” “我希望利用 AI 作为工具，帮助我们理解现实的本质。无论答案是什么，我都相当乐观。” “我希望他们能说，我的一生是有益于人类、服务于人类的。”来源：https://www.youtube.com/watch?v=C0gErQtnNFE

苹果新任CEO John Ternus与Joz在Apple 50周年访谈中回顾了公司"Think Different"的精神传承。摘要："发明从根本上讲就是一种求异思维的行为。""Think different不仅仅是一个营销口号，他必须向世界解释，为什么Apple有必要存在。""看看那种思维演变成了什么……iPhone和App Store，它们改变了世界，也改变了我们所有人的日常生活。" — Joz"从一开始，我们的愿景就是让尽可能多的人能够使用个人电脑。（关于推出低价电脑Neo的原因）" 来源：www.youtube.com

刚发布的Opus 4.7，根据官方信息和技术报告（232页）做相对全面解读。摘要： Claude Opus 4.7 在高级软件工程和长流程任务上，相比 4.6 有显著提升的新旗舰模型，用户已经在将“最难、最需要看紧”的编码工作放心交给它。 在复杂代码编写、CI/CD、异步自动化、多步代理工作上表现更稳、更少出错，并且会主动检查和验证自己的输出，比如为系统代码先做“证明”、在长时间任务中持续推进而不是中途放弃。 多模态方面，它支持更高分辨率图像输入（长边最高 2576 像素），能阅读更密集的截图、技术图表和化学结构，在文档推理、金融分析、法律审阅等“高价值知识工作”的第三方评测中达到当前 SOTA。 安全上，它整体与 Opus 4.6 类似甚至略优，特别是在诚实性和抵抗恶意提示注入方面，但 Anthropic 特意削弱了它的进攻性网络安全能力，并通过自动拦截高风险网络安全请求来做“实战安全测试”，为未来更强的 Mythos 级模型铺路。 产品层面，Opus 4.7 保持与 4.6 相同价格，但引入了更细粒度的 effort 控制（新增 xhigh）、更高效的长程推理 token 使用，以及任务预算、Claude Code 的 /ultrareview 和更智能的 auto mode 等配套能力，被多家头部公司实测为几乎各方面“无回退的直接升级”。来源：https://www.anthropic.com/news/claude-opus-4-7https://cdn.sanity.io/files/4zrzovbb/website/037f06850df7fbe871e206dad004c3db5fd50340.pdf

Stanford HAI（斯坦福大学人本AI研究院） 刚发布的《2026 AI Index Report》。摘要： AI 的能力远未到瓶颈。它正在加速发展，并触达前所未有数量的人。 在 AI 模型性能上，美中之间的差距已经几乎被抹平。 几乎所有领先的 AI 芯片都由同一家公司——台积电——代工，这让全球 AI 硬件供应链高度依赖台湾的一家晶圆厂；虽然台积电在美国的新产线已于 2025 年开始运营。 负责任 AI 的进展远远跟不上 AI 能力的提升：安全评估标准明显滞后，相关事故却在急剧上升。 在 AI 的未来上，专家和公众看法存在巨大分歧，而全球社会对各类机构「能否管好 AI」的信任也是支离破碎的。来源：https://hai.stanford.edu/ai-index/2026-ai-index-report

背景：Hermes Agent 把 Harness Engineering 从“高手手工调教”做成了“开箱即用且会自我进化”的产品化系统。金句： 限制 AI Agent 表现的瓶颈，往往不是模型本身，而是模型运行的环境配置。 Harness Engineering 的本质，是用一套持续生长的约束系统，让 AI 在可控边界内越来越可靠。 Hermes 最重要的创新，不是又多了几个工具，而是它开始学会“自己给自己造缰绳”。 三层记忆回答的是三个不同问题：刚刚发生了什么、你是谁、这件事该怎么做。 自主 Agent 的真正挑战从来不是让它跑得更快，而是让它在没人盯着的时候，依然朝着正确方向前进。来源链接： GitHub - NousResearch/hermes-agent: The agent that grows with you

Anthropic今天发布了Claude Mythos Preview 的 System Card：这是他们迄今能力最强的前沿模型之一，但正因为它在网络安全、代理执行和高风险任务中的能力跃迁，官方决定暂不向公众开放，而是限制在防御性网络安全合作场景中使用。摘要：1. Claude Mythos Preview 展现出的，不只是“更强”，而是一次真正意义上的能力跃迁。2. Anthropic 这次最重要的信号，不是发布了一个更强模型，而是承认：传统安全评估方法，已经开始跟不上前沿模型的进化速度。3. Mythos Preview 在真实软件环境中的漏洞发现与利用能力，是它没有被公开发布的关键原因之一。4. Anthropic 一方面称它是“目前为止对齐表现最好的模型”，另一方面也承认：一旦它在少数场景下出错，后果会比过去严重得多。5. 前沿模型竞争，正在从“谁更强”转向“谁能证明自己能控制更强的模型”。来源：www-cdn.anthropic.com

背景：刚“开源”的Claude code源码堪称Harness engineering的经典案例：从 system prompt 动静分离、prompt cache 边界设计，到 AgentTool 调度链、Verification Agent、Skills / Plugins / Hooks / MCP 生态，以及权限与工具执行的完整 runtime pipeline。真正的护城河从来不是一段“神秘提示词”，而是一整套把 prompt、工具、权限、agent 分工、插件生态和产品体验统一起来的 Agent Operating System。摘要：1）“Claude Code 的核心价值，不是一段 system prompt，而是一整套 operating model。”2）“它把‘好行为’从工程师个人习惯，升级成写进 prompt 和 runtime 里的制度。”3）“在 Claude Code 里，Skill 不是文档，而是 prompt‑native 的 workflow package。”4）“多 Agent 真正的难点，不是能不能跑起来，而是怎么在 fork 中守住上下文与 cache。”5）“Verification Agent 的任务不是盖章通过，而是用 adversarial 思维去 try to break it。”6）“Claude Code 让我确信：优秀的 AI 产品不是‘会调工具的聊天机器人’，而是一套可扩展、可治理、可产品化的 Agent Operating System。”来源：https://x.com/tvytlx

我做产品的动力动力是什么？……我们试图用我们仅有的天分去表达我们深层的感受，去表达我们对前人所有贡献的感激，去为历史长河加上一点儿什么” ——Steve Jobs这个月正好是建造LanguageX的五周年，我想正式地说声再见。五年里我们风雨兼程地建造了这个作品，也取得了一些小小的成就：两届WMT机器翻译比赛的冠军，6项产品入围NImdzi语言技术图谱，企业/高校/用户的口碑。对我个人而言，LanguageX是我自己过去五年精神的一个投射，就像纪伯伦说的“将你的灵魂之气注入到你的产品中”。也像是一份日记：一个按钮，一个图标，一句文案，会回想起来当时的自己和小伙伴们。事实上，languageX起源于兰亭译，都是AI辅助翻译，对我来说只是和不同的团队合作。这样的话，我其实花了七年之久打造这款产品。它本质是一款连接语言工作者和AI的平台——我一直对纯AI或者自动化的东西不感兴趣：如果一个产品里面没有人的位置，我会觉得缺了点什么。LanguageX在业务蒸蒸日上的甲骨易手里，我希望随着业务变化，它也能穿越周期，去往更远的远方。而我，也在经历一次目前为止最大的蜕变和转型——有段时间，我甚至对自己感到困惑，剥离了languageX的David，他是谁？从翻译领域到AI，从一个产出外语文字的文科生，到一个产出想法和需求的产品经理，再从一个驱动团队的的业务负责人，到需要自己产出代码的builder。很多人问我为什么总是在跨界，是怎么从翻译变成了一个“技术”。我只能简单说“喜欢”，其实从更深处，我逐渐意识到，我只是在做一件事——找到更适合自己的“毛笔”去创作，去表达。languageX的缘起小时候练习书法，背“草决歌”，中学参加英语竞赛还奖励了一个复读机，大学的专业是俄语，毕业后做了一名翻译——这些都是我和语言的不解之缘。因为一句话、一个词表达而痛苦，又因为找到恰当的表达后的欢欣，对我而言也是一种创作。但商业人工翻译是一项艰苦的劳作：在有限的时间查证术语、手动复制粘贴重复的句子（改掉其中不同的数字和词）、搞定耗时费力的格式问题……在这个过程中，我见到Trados（一款专业辅助翻译软件）的威力，它可以直接帮你填充重复句子，保持术语统一，解析复杂的格式。但Trados带来了另一种痛苦：巨大的桌面软件，安装后连电脑都卡顿，操作繁琐、到处找操作教程。好的操作教程往往是付费的，我还见过需要培训一个月的Trados培训班。后来，我又陆续见到SmartCAT，见到惊为天人的谷歌翻译（NMT神经网络机器翻译）——这些吸引我一步步靠近这些所谓的“技术”（讽刺的是，我在大学阶段是以反技术著称的），我想搞清楚它们是什么……追随自己的好奇心，回头的时候才发现跨越了这么多所谓的“边界”。有一天我看到俞军的一句话：“产品经理就是“以产品为笔，和世界对话。”我想，产品就是那支我在寻找的“毛笔”。说到LanguageX，五年前从一个粗糙的PRD，以及改了不知道多少遍的原型开始。本来只想做一个CAT，后来做了翻译模型、交互式翻译、翻译项目管理、还有工具箱，翻译智能体……用开发同学的话说，我们“一直在急行军”。那些需求评审的争吵，那些加班的晚上，新版本上线后的兴奋，好像还只是昨天。最让我自豪的，languageX始终葆有人文（humanity）的气息，我理解的“热爱、简单、人本”——它其实也是一种价值观。热爱：不只是UI细节（当然UI我们花了很多心思，比如登录页就是Logo的形状），还有当时的小伙伴们，都是一群热爱自己工作的人：从设计到前端、后端测试、算法、运营。我们招人的直觉之一，就是去感受，这个人对自己做的事情有没有热爱。简单：在同等功能中，我们的上线标准是要做到行业中最简，不需要“操作手册”，把复杂转移到后台。记得有一个高校老师兴奋地对我说过：她从来没有见过这么简单又这么强大的CAT。还有一层“人文”，它无处不在，但最重要的是“Human in the loop”，译者是受尊重的，而不是作为配角。比如交互式翻译而不是译后编辑，先上传文件而不是先建空项目。上线“翻译智能体”后，我没有喜悦，反倒有些怅然若失——我没能为译员找到一个合适的位置。为什么告别？这也是我过去几个月一直在问自己的问题。每年我们会收到一个翻译工作室寄来的土特产，那是内蒙的一个老师，虽然他只是一个Pro版用户。拜访过不少翻译公司，很多都在艰难转型，翻译圈的会议也越来越少。高校方面，听说很多学校开始裁撤外语专业，老师和学生都有恐慌，甚至有外语学院院长说“自己可能是最后一任院长”了。翻译只是其中一个小众方向。全国有1000多所高校开设了外语专业，在AI和逆全球化的双重夹击下，恐慌情绪在蔓延……我希望能为这个群体做点什么。另外一方面，如果一个作品不再是最好，我就失去曾经那种昼思夜想的建造动力了。ChatGPT出现之后，我发现LLM才是最好的翻译模型：无论是横向更全的语言能力（翻译/术语处理/QA/润色），还是纵向更好的译文（深度理解上下文，并且是几乎每个领域的行业知识专家）。曾经的设想“最好的翻译平台——吸引最好的译者和模型标注者——最好的模型”被打破了。就像Richard Sutton笔下的The Bitter lesson——通用的总是打败垂直。当然，还有产品开发模式的巨变，从过去需求评审——UI设计图——前端——后端——测试——上线的团队模式，每个版本需要3-4周的模式。从Vscode到Cursor和Windsurf，又到最近的Claude Code和Antigravity……过去的敏捷开发和团队协作都太滞后了，我的心情就像我去年在朋友圈发的：我要去哪里？2019年做兰亭译的时候，我在产品介绍里的这张Slide，从“人人皆译者”到“人人皆开发者”——只是一种对未来的“幻想”，回头看竟然隐约有种奇妙的指引，尽管当时根本还没有Vibe coding。我的下一段旅程，是跟“人人皆开发者”相关的，不管AI coding是Vibe coding，还是Spec coding，还是现在火起来的Harness engineering。它就是那支毛笔。最后，感谢所有支持过languageX的人，一起并肩战斗的小伙伴。这段旅程我不会忘记。我暂时离开，陪伴家人。我也在筹备一个新的AI人文社区，帮助“曾经的自己”——非技术背景的外语人或文科生，用AI作为自己的“毛笔”，写下有自己灵魂气息的作品。One more thing：如果想关注AI人文社区的动态，可以先加入这个群。如果群二维码过期了，可以加：jeusmypower原文链接：https://mp.weixin.qq.com/s/iIZKeGdTTAGXj30Zav32zw?scene=1&poc_token=HCccy2mjH77Wcz8RA8QCF8GxPEuZH6v4FlOLHBxU

Anthropic发布的报告：他们用一个「AI 访谈官」，在一周之内和来自 159 个国家、使用 70 种语言的 80,508 位 Claude 用户聊了聊——你在用 AI 做什么？你真正希望它为你改变什么？你又在害怕什么？本期你会听到： 人们最想要的 9 大 AI 愿景：从「专业进阶」到「个人蜕变」、从「时间自由」到「社会改造」。 AI 到底有没有帮到他们？他们实际感受到的 6 种改变：生产力、思考伙伴、学习、情感支持、技术可达性、信息综述…… 最让人不安的 13 种风险：幻觉与不可靠、工作与经济、认知退化、隐私与监控、情感依赖、存在性风险等等。 那 5 组最典型的「张力」：学得更快 vs 不再愿意思考；决策更好 vs 过度相信幻觉；被 AI 陪伴 vs 失去和人的连接；省下时间 vs 被迫跑得更快；靠 AI 创造机会 vs 被 AI 抢走饭碗。 不同地区对 AI 的态度差异：为什么发达地区的人更焦虑治理和隐私，而很多新兴市场的人把 AI 当成「资本绕行工具」和「机会加速器」？这不是一篇技术评测，而是一份全球范围的情绪横截面：它让我们第一次能比较系统地看到，「AI 时代的普通人」到底在想什么、在怕什么、又在偷偷期待什么。来源：https://www.anthropic.com/features/81k-interviews

背景：关于Openclaw内核文件的深度解析。在 OpenClaw 的使用者里，有一条隐形的分界线。一边的人，每次跟 Agent 说话都像重新 onboarding：得再讲一遍背景、偏好和上下文。另一边的人，Agent 已经知道自己是谁、该怎么说话、用户讨厌什么，也记得上次积累下来的东西。这条分界线，叫 workspace。来源：https://docs.openclaw.ai/

这是Anthropic工程师近日发布的关于 Claude Code Skills 的实践指南。文章基于 Anthropic 内部数百个 Skills 的使用经验，提炼出系统化的分类体系和编写最佳实践。核心内容包括：• Skills 的九大类别：库与API参考、产品验证、数据获取与分析、业务流程与团队自动化等• 编写技巧：不要说显而易见的事、建立踩坑点章节、利用文件系统与渐进式披露• 实际案例：frontend design Skills、signup-flow-driver 验证 Skills• 分发策略：从代码仓库到内部插件市场的演进来源：anthropic.skilljar.com

刚落幕的老黄GTC2026演讲，围绕 CUDA 20 周年、Blackwell / Vera Rubin 架构和“万亿美元 AI 工厂”，讲了英伟达如何重构整个 AI 产业链。以及OpenClaw为什么是Agent的操作系统。摘要： “数据中心不再是机房，而是铸造 token 的 AI 工厂；OpenClaw 则是在这座工厂里跑的操作系统。” “英伟达在造钢铁和电力，OpenClaw 在发明新的机器和工人，两者叠加才是下一波 AI 工业革命。” “今天所有人都在抢 GPU，真正被低估的是：谁能先把 OpenClaw 级别的代理 OS 安全地落在企业内部。” “没有 OpenClaw，LLM 只是更聪明的搜索框；有了 OpenClaw，它们才第一次像一支可以排兵布阵的团队。” “未来每个公司都会有自己的 token 工厂和代理军团——英伟达卖的是算力，OpenClaw 管的是灵魂和纪律。” “你可以不写一行 CUDA，也得想清楚你的 OpenClaw 策略：哪些事交给 Agent，哪些边界永远只留给人类。” 来源：https://www.youtube.com/watch?v=jw_o0xr8MWU

背景：今年年初不可忽略的一篇雄文，原题是：THE 2028 GLOBAL INTELLIGENCE CRISIS。假设2028 年，回顾 AI 爆发后的两三年，写的一封“宏观备忘录”。作者提出：如果我们今天对 AI 的乐观全部成真，结果可能不是繁荣，而是一场由“智能过剩”引发的系统性危机。过去几百年，稀缺的是人类智能，整个经济架构、金融系统、税制和社会契约，都建立在“人类脑力是最贵最稀缺资源”的前提上。AI 即将让这个秩序崩塌。摘要： AI 让一个 GPU 集群干掉了一整栋写字楼的白领，这更像是一场经济瘟疫，而不是经济红利。 企业用 AI 裁掉人，再把省下来的工资继续砸给 AI，这就是‘人类智能被替代的负反馈循环’。 ……这是第一次，经济中最强劲的生产力资产，创造的是更少的工作岗位，而不是更多。”来源：https://www.citriniresearch.com/p/2028gic

研读一下Anthropic 最近发布的《2026 Agentic CodingTrends Report》。摘要：1）“工程师的价值，正在从‘写对代码’转向‘问对问题、拆对任务、选对妥协’。”2）“AI 可以写一切看起来正确的代码，但只有人类知道‘什么值得被写’。”3）“生产力的质变，不是每个任务快 20%，而是让原本不会发生的任务大量发生。”4）“Agent 让安全知识平民化，也让攻击能力规模化——差别在于谁先把安全当成架构，而不是补丁。”5）“越是强大的 Agent 系统，越需要清晰的‘人类最后一公里’：谁在什么时候说 yes 或 no。”6）“未来的组织会分成两类：把 Agentic Coding 当插件用的，和用 Agentic Coding 重写自己工作方式的。”来源：https://resources.anthropic.com/hubfs/2026%20Agentic%20Coding%20Trends%20Report.pdf?hsLang=en

Clawdbot（刚改名 Moltbot）最近大火，作者 Peter Steinberger 是奥地利开发者，也是 PSPDFKit 的创始人。公司 2021 年被收购，随后他自述燃尽（burnout），消失了三年。去年11月，他用 10 天vibe-coded了 Clawdbot。成为今年初爆火的项目。摘要： MCP（模型上下文协议）是垃圾，没法规模化（scale）。 你知道什么能规模化吗？命令行工具（CLI）。 去年是编程智能体（Agent）年，今年是个人助手智能体年。我觉得我点燃了这把火。来源：www.youtube.com

xAI 的核心工程师 Sully 近日接受采访，带你深入了解这家史上增长最快的人工智能公司内部。可能是谈到了很多机密，据说Sully 接受采访后就被解雇了……摘要： 关于个人高杠杆产出： “我们算了一下，目前我们要向主代码库提交一次代码，其价值约为 250 万美元，而我今天提交了五次，所以大概创造了 1250 万美元的价值。这里的杠杆效应非常强。” 关于“Macro Hard”与特斯拉算力： “如果我们想部署 100 万个数字员工，只需要利用北美 400 万辆闲置的特斯拉。车主得到租赁费，我们得到一个完整的人类模拟器……这是完全不需要建设数据中心的纯软件实现。” 关于招聘与 AI 代码： AI 会很快地写出 200 行代码，而 10 行代码就能解决问题，而且可能更好。所以我寻找的是那些能先找到 10 行代码解决方案的人。来源：https://www.youtube.com/watch?v=8jN60eJr4Ps

来自a16z 联合创始人 Marc Andreessen 最近对 2026年的AI展望，值得一听。摘要： AI 显然比互联网更大，它的参照物应该是微处理器、蒸汽机和电力。 一旦有人证明了某种能力是可实现的，其他人即便资源匮乏，也能极快地赶上。 AI 核心商业模式本质上是‘按杯售卖的 Token’，即每一美元能买到多少智能。 在芯片行业，短缺是过剩的首要原因，而过剩也是短缺的首要原因。 计算机工业用了 80 年才回到 1943 年就提出的‘模仿人脑’这条正轨上。来源：https://www.youtube.com/watch?v=xRh2sVcNXQ8

这是一泽Eze分享的非常全面的skill万字指南的精华版。原文：mp.weixin.qq.com

来自开源数据库Datasette开发者Simon Willison的年终回顾，关于2025 年 LLM 的多线跃迁，值得一听。摘要： “推理真正的用武之地，不是解谜，而是把工具串成能完成任务的手。” “编码代理把‘写代码’变成‘写目标’，交付的是可验证的改动与通过测试的结果。” “当 YOLO 变成默认，效率飞奔的同时，安全文化也在被悄悄改写。” “中国开源权重的上升，证明‘效率与方法’本身就是竞争力。” “AI 的进步不是会说更多话，而是能做更长、更复杂、且可复现的事。”来源：https://simonwillison.net/2025/Dec/31/the-year-in-llms/

2025 年最后一天，分享一篇好文。来自 Notion CEO Ivan Zhao 的最新博文：蒸汽、钢铁与无限的智能（Steam, Steel, and Infinite Minds）。以蒸汽、钢铁等历史上的重要材料为引子，探讨AI对知识工作的深远影响。是我最近读到最有历史感的一篇AI产业思考。 “如今最流行的AI形式看起来很像过去的谷歌搜索。正如马歇尔·麦克卢汉所说：‘我们总是透过后视镜驶向未来。’” “借助人工智能代理，像西蒙（Notion CTO）这样的人已经从骑自行车升级到了开车。” “人工智能是企业的钢铁。它能够贯穿整个工作流程，并在需要时提供清晰的决策依据，避免信息干扰。” “我们仍处于‘替换水车’阶段，人工智能聊天机器人只是简单地附加到现有工具上。我们还没有重新构想，当旧的限制消失，公司可以依靠无限的智能系统在你睡觉时运转时，组织会是什么样子。”原文链接：https://www.notion.com/zh-cn/blog/steam-steel-and-infinite-minds-ai

Claude开源的一堆skills和白皮书。来源：https://claude-plugins.dev/skills/@gtmagents/gtm-agents/whitepapers

Minimax的更多，600 多页，只能听一听啦。原文：https://www1.hkexnews.hk/app/sehk/2025/107986/documents/sehk25122100269_c.pdf

智谱递交的招股书将近 500 页，长篇大论，还是路上听一听更好。一些数据：投入：2022年、2023年、2024年公司研发投入分别为8440万、5.289亿、21.954亿，2025年上半年研发投入为15.947亿，累计研发投入约44亿。收入：2022年、2023年、2024年收入分别为5740万、1.245亿、3.124亿，年复合增长率达到130%。2025年上半年收入为1.9亿。毛利：2022年、2023年、2024年毛利率分别是54.6%、64.6%、56.3%，2025年上半年毛利率为50%。

Andrej Karpathy 发了一篇博客，总结了他眼中的 2025 年。来源：https://karpathy.bearblog.dev/year-in-review-2025/

刚发布的GPT5.2的官方System Card全文解读。来源：cdn.openai.com

2025 年 12 月 7 日下午，奇绩创坛在北京中关村国际创新中心举办了 2025 年秋季创业营路演日，共有 54 家奇绩投资并加速的公司参与了路演。入营项目概要： 前沿创新信号（项目有交叉统计）：Agent（31 家）、具身 & 智能硬件（16 家）、多模态（7 家）、AI Coding（9 家）、AI for Science（6 家）、出海（18 家）。 活跃在全球的年轻技术型创业者：43% 具备海外经验，42% 研究驱动型创始人（Researcher Founder），54% 拥有硕士及以上学历。 录取率 1%。来源： https://mp.weixin.qq.com/s/TnvkKjuc3w2--NDP3VqBig

2025 年 8 月，Ahropic我们将目光转向内部，对 132 名 Anthropic 的工程师和研究人员进行了调查，开展了 53 次深入的定性访谈，并研究了内部 Claude 代码的使用数据，以了解人工智能的使用如何改变 Anthropic 的工作方式。工程师们在使用过程中逐渐培养起对 AI 委派任务的直觉，技能范围有所拓宽，但也有对核心技能退化的担忧。摘要： 员工们自我报告称，在工作中使用 Claude 的比例达到了 60%，工作效率提高了 50%，比去年同期增长了 2 到 3 倍。 一些人发现与人工智能的合作增多意味着与同事的合作减少；还有一些人则在思考自己是否最终会被自动化取代。 Claude 使工程师们能够拓宽技能范围，但也有人担心这会导致对代码编写和批评所需的核心技能的实践减少。来源：https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

尼基尔·卡马斯 与埃隆·马斯克就工作、意识、家庭、金钱、人工智能以及未来可能的发展方向进行了一次长时间的对话。摘要：SpaceX、特斯拉和XAI正在逐渐融合，未来可能通过太阳能供电的人工智能卫星实现太空探索。”“我的预测是，未来工作将是可选的。社会将从全民基本收入（UBI）转向普遍高收入（UHI）。”“人口下降是文明存在的巨大威胁，扩大人类规模即是扩大意识的广度。”来源：https://www.youtube.com/watch?v=Rni7Fz7208c

作为AI领域的先知式人物，Ilya的访谈值得重点关注。以下是Patel（以下简称DP）对前OpenAI首席科学家，现在Safe Superintelligence的创始人Ilya（以下简称IS）的最新访谈精华。来源：www.youtube.com

被戏称为Attention is all you need V2版本的一篇论文，试图治疗大模型的“顺行性遗忘症”。论文原题：《Nested Learning: The Illusion of Deep Learning Architectures》

如果Cursor 的员工明天就能退休，他们中的大多数人仍然会继续在 Cursor 做着现在正在做的事情。来源：https://joincolossus.com/article/inside-cursor/

简介：我对刚刚获得 2000 万种子轮融资的软件版“Youtube”Wabi.ai很感兴趣，找到了 A16Z 昨天发布的创始人Wabi.ai Eugenia kuyda的访谈。来源：https://www.youtube.com/watch?v=-KfrrWRl3FA中文全文：https://lvbjv6o2rsw.feishu.cn/wiki/XS56w5g1Oizt1ckTecocirKFnuc?from=from_copylink

Bg2 Pod 发布的最新视频。原视频微软CEO和OpenAI CEO、以及前Benchmark合伙人的三人对谈。播客目前还只能处理成双人的。摘要： “我认为这是有史以来最伟大的技术合作之一，如果没有微软，特别是萨蒂亚早期的坚定信念，我们肯定无法做到。” 我希望萨提亚能通过这项投资赚到1万亿美元，而不是1000亿美元。 “说人工智能将在2026年做出新的科学发现，这真是一件疯狂的事情。即使是很小的发现……如果我们真的能让人工智能在这里进行科学研究，那在某种意义上来说就是超级智能。”来源：https://www.youtube.com/watch?v=Gnl833wXRz0中文播客脚本：https://lvbjv6o2rsw.feishu.cn/wiki/Kkomw5Fg9iTaDTku8cgcwQprnnh?from=from_copylink

10月28日，在NVIDIA市值即将超过5万亿之际，NVIDIA 首席执行官黄仁勋在华盛顿的GTC大会中发表演讲，概述了加速计算和人工智能的下一阶段发展方向——从国家人工智能基础设施和量子计算到机器人技术和再工业化。摘要： “人工智能不是一个工具，人工智能是工作。这是深刻的差异。实际上，人工智能是可以真正使用工具的工人。” “摩尔定律已经基本终结……我们称之为极限协同设计。英伟达是当今世界上唯一一家真正从一张白纸开始，可以同时考虑新架构、新芯片、新系统和新软件的公司。” “我这里所说的计算机就是一个工厂。它运行人工智能，其目的是为了生产尽可能有价值的代币……这绝对是一个AI工厂。” “一方面，GB200（Blackwell）是最昂贵的计算机。另一方面，它的令牌生成能力非常强大，以至于它以最低的成本生成令牌。” “物理AI需要三台计算机：一台用于训练模型，一台用于在数字孪生中模拟，一台用于操作机器人。这三台计算机都运行CUDA。”来源：https://www.youtube.com/watch?v=lQHK61IDFH4中文脚本：https://pan.quark.cn/s/2ad425b3d177

摘要：YouTube频道“Greg Isenberg”视频《我看了 Dan Koe 拆解他的 AI 工作流 OMG》，知名内容创作者 Dan Koe 分享了他的内容高效流程。 Dan Koe 解释了他如何利用 大型语言模型（LLMs）（如 Claude 和 ChatGPT）来系统化内容创作，特别强调了它们在研究和构思阶段的作用，而非直接代写内容。 他的核心策略是以周报为基础，并将其扩展为所有平台的各种形式内容，同时利用 X（Twitter）作为测试平台来验证想法。 此外，他还分享了如何构建复杂的提示词来指导 LLMs 模仿写作风格、分解成功内容以及生成新的想法和标题，旨在帮助听众提升内容生产效率和质量。观点： 内容应在所有平台上保持一致（而非定制化）：Dan Koe 认为，他的所有内容在不同平台上都是相同的。这种做法与人们普遍认为的需要为每个平台单独定制内容的传统观点相悖。他的内容基础来自他每周撰写的时事通讯以及每天发布的二到三条社交媒体帖子。他宁愿每周产出一个“惊艳”的内容，并将全部注意力投入其中，然后将其发布到所有平台上，而不是为每个平台创建新的内容，从而导致整体质量下降。 算法的本质是人类心理学：他相信，算法的基础是人类心理学。因此，如果你能理解人类心理学，并利用人工智能来帮助你深化理解，你的内容将在互动和其他方面获得显著提升。他认为，这比仅仅追随潮流更为重要。 从已验证的成功中汲取灵感，但不必消费原始内容：Dan Koe 生成内容想法的一个方法是，去 YouTube 查看目标受众所关注的利基账户，筛选出最受欢迎的视频。这里的秘诀在于：你不需要观看这些视频，也不必窃取任何内容。你需要做的是获取“话题”和“角度”，然后写出自己独特的观点。由于其他人已经在观看这些高播放量的视频，他们很可能会被推荐你的视频。 专注于写作和思想密度而非视觉效果：尽管在当今高度视觉化的社交媒体环境中，图片和视频通常被认为是成功的关键，但 Dan Koe 主动限制自己只专注于写作。他认为这种约束反而让他更有创意，并大幅提升了他的写作水平。他相信，他能建立起受众，是因为他专注于思想密度（idea density）和新颖的视角。他努力在内容中融入至少一个他认为能“震撼人心”的见解，以建立与观众的独特联系。来源：原视频：www.youtube.com中文逐字稿：lvbjv6o2rsw.feishu.cn

Elena Verna 目前担任全球增长最快的科技初创公司之一 Lovable 的增长主管。在她的帮助下，这家 AI 原生公司凭借一支精干的团队，在不到七个月的时间内实现了 8000 万美元的年度经常性收入 (ARR)。此前，她曾在 SurveyMonkey、Miro、Amplitude 和 Dropbox 等全球领先的科技公司担任高管，并为 MongoDB、Superhuman 和 Veed 等公司提供咨询服务。来源：https://podcasts.apple.com/au/podcast/217-elena-verna-leading-growth-at-lovable-the-worlds/id1522129912?i=1000719797105

HeyGen29个月内ARR从100万美金增长到1亿美金，创始人Josha Xu最近公开了内部增长手册《Building in the AI Era: The HeyGen Way》。来源：x.com

来源：https://openai.com/zh-Hans-CN/

论文：https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf

10 月刚刚发布的一篇论文，可能是今年最值得关注的一篇。看看这个宏大的标题和论文署名的阵容……摘要：该框架将AGI定义为具备与受过良好教育的成年人相匹配的认知多功能性和熟练度的人工智能系统。为了实现这一目标，作者们采用了卡特尔-霍恩-卡罗尔（CHC）人类认知理论，并将智能细分为十大核心认知能力，包括推理、记忆和感知等。通过对现有AI模型（如GPT-4和GPT-5）应用该框架进行评估，文章揭示了当前AI系统认知能力的“锯齿状”分布，显示出其在知识密集型领域表现出色，但在长期记忆存储等核心能力上存在明显缺陷，从而具体量化了实现真正AGI所面临的巨大差距。来源：https://www.agidefinition.ai/paper.pdf

10 月Andrej Karpathy（前特斯拉 AI 总监、OpenAI 早期员工）的最新访谈。Andrej解释了为什么强化学习很糟糕（但其他一切都更糟糕），为什么通用人工智能最终会融入过去约 2.5 个世纪 2% 的 GDP 增长中，为什么自动驾驶花了这么长时间才攻克，以及他对教育未来的看法。时间线： AGI 距离我们还有十年的时间 LLM 认知缺陷 RL 很糟糕 人类如何学习？ AGI 将融入 2% 的 GDP 增长 ASI 智力与文化的进化 自动驾驶为何耗时如此之长 教育的未来来源：https://www.youtube.com/watch?v=lXUZvyajciY

OpenAI最近发布的一篇论文，记录了 ChatGPT 产品从 2022 年 11 月推出到 2025 年 7 月的ChatGPT使用情况分析。一些概要：早期采用者中男性比例过高，但性别差距已大幅缩小，并且我们发现低收入国家的增长率更高。工作相关的消息稳步增长，但非工作相关的消息增长更快，占总使用量的比重已从 53% 增长到 70% 以上。在高薪专业职业中，受过良好教育的用户更常使用工作相关的消息。我们按对话主题对消息进行分类，发现“实用指导”、“寻求信息”和“写作”是最常见的三个主题，并且合计占所有对话的近 80%。计算机编程和自我表达的使用份额相对较小。总体而言，我们发现 ChatGPT 通过决策支持提供了经济价值，这在知识密集型工作中尤为重要。来源：https://cdn.openai.com/pdf/a253471f-8260-40c6-a2cc-aa93fe9f142e/economic-research-chatgpt-usage-paper.pdf

英国风投Air Street资本刚发布了 2025 年度人工智能现状报告，原文300 多页。用 languageX 智能体翻译了一份中文版。中英双语全文都直接分享在这里啦：链接：https://pan.quark.cn/s/da0c6592a764提取码：diEe

10月8日，来自美国投资机构A16Z对Sam Altman的访谈。来源：https://www.youtube.com/watch?v=JfE1Wun9xkk

2025 年 10 月 7 日，美国科学家 John clarke、Michel H. Devoret 和 John M. Martinis 获得了 2025 年诺贝尔物理学奖，DeepTech 于 2017 年采访了 John M. Martinis。来源：https://mp.weixin.qq.com/s/FZMH95_BIcwwSLVMvxzmpg

背景：主播和Sam聊了聊今天凌晨的 OpenAI DevDay 2025 发布会内容。来源：https://openai.com/devday/