⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 7 条
9月29日周二
  3. X：Greg Brockman (@gdb)0

    OpenAI 的 AI 智能体为何落后了

    OpenAI 在持续运行的消费级 AI 智能体赛道落后于 Meta、Google 等对手，2026 DevDay 上可能发布代号 Aeon 的智能体。Meta 的 Muse 本月上线后登顶 App Store，在美国日活达 60 万；Google 的 Gemini Spark 已接入 Dropbox、Uber、Spotify 等 30 多个外部服务。

  6. X：Greg Brockman (@gdb)0

    TypeSafe AI 谈 Jev 模型理念

    我们的座右铭背后有很多含义：Building Prod, Not God。 这项技术将改变世界，但这要靠勤勉的努力和创造力来实现，而不是靠故弄玄虚的诉求。 @a16z 与 @CompleteSkeptic 深入探讨了这一理念以及更多内容。

  9. X：Greg Brockman (@gdb)0

    Databricks Genie One 企业落地指南：如何分阶段推广 AI 数据同事

    Databricks 发布 Genie One 企业推广分步指南，建议从单一团队和一组明确问题起步，先定义语义层再逐步扩大范围。Genie One 让业务用户用自然语言提问并获得带来源引用的答案，配套 Genie Agents、Genie Ontology 和 Unity Catalog 分别负责领域智能体、业务语义图谱与权限治理。

  10. X：Greg Brockman (@gdb)1

    特朗普谈AI失控风险与中美差距

    特朗普谈AI失控："我不担心。" AI是一个数万亿美元的产业，美国领先中国约1.5年，公司应在问题出现时解决它们。 同一天晚上，他与Anthropic CEO Dario Amodei共进晚餐。

  11. X：Greg Brockman (@gdb)0

    AI 提示词已转向引用与技能

    现在基本上不可能有人直接"给你看他们的提示词"了，因为一切都关乎引用、技能和示例 我经常让我的智能体先看我做的另外 3 个 repo，上网搜索参考资料，调用其他 AI API 等等。

  12. X：Greg Brockman (@gdb)1

    AI 安全需要从上下文到行动的溯源链

    生产级 AI 系统由检索、模型推理、工具调用、API 访问与跨系统操作等多层串联而成，安全风险往往出现在层与层之间的接缝处，因此关键不在于单个组件是否安全，而在于组织能否在转换过程中保留溯源信息。

9月28日周一
  1. X：Greg Brockman (@gdb)0

    Chollet：手写代码 ROI 已不再划算

    Francois Chollet 表示自己如今不再读写代码，只通过 LRM 下指令，但这并非因为 LRM 代码质量已完美甚至够好。他认为 LRM 能解锁测试代码库、审计组件、生成可视化、红队测试等新工作流，速度远超以往，这些方式能达到与阅读代码相当的理解效果。因此手写代码的 ROI 已不再划算，原因不是 LRM 变完美，而是其速度足以支撑更高效的新工作流。

  3. X：Greg Brockman (@gdb)1

    资深工程师撰文反驳'编程已被AI解决'的叙事

    资深工程师 Alex Ewerlof 发文反驳'编程已解决、工程只看品味'的说法，指出维护、可靠性、安全等 NFR 以及功能需求本身都未解决，AI 无法承担问责。文章列举 LLM 擅长的场景如 POC、个人软件、自然语言转换，并逐条批驳'spec 即代码''英语是新编程语言''Agent 是新编译器'等流行观点，还与 DHH 展开交锋，最后建议工程师保持理解与问责，警惕 AI 过度使用。

  6. X：Greg Brockman (@gdb)0

    AI 产品与 Personal agent 的三个落脚点

    大部分 AI 产品，还是得老老实实回归到： 1、对工作有用 2、让有工资的人愿意付钱 3、最好是企业给员工付钱 Personal agent 也逃不过上面三点。

  9. X：Greg Brockman (@gdb)0

    隐私的终结：Kashmir Hill 谈人脸识别与 AI 时代的匿名性危机

    《纽约时报》记者 Kashmir Hill 在播客访谈中讨论了人脸识别技术普及带来的隐私危机，她著有《Your Face Belongs to Us》一书。她指出，人脸识别已遍布监控摄像头，并即将进入 Meta 的 RayBan 眼镜，已有病毒式传播的账号用该技术识别路人并公开其姓名等个人信息。

  10. X：Greg Brockman (@gdb)1

    Redwood首席科学家称AI失控风险超50%，归咎于行业军备竞赛

    Redwood Research首席科学家Ryan Greenblatt指出，若当前发展路径不变，AI接管的风险高达50%至60%。他批评Anthropic和OpenAI等实验室的“负责任”姿态实则是维持军备竞赛的动力，并呼吁达成国际协议。Sam Harris对此表示质疑，认为参照曼哈顿计划经验，10%的风险率就足以让业界停止推进。

  11. X：Greg Brockman (@gdb)1

    普林斯顿学者：AI 灭绝风险概率估算不可靠，不应作为政策依据

    Arvind Narayanan 等学者重发文章指出，当前关于 AI 存在性风险（p(doom)）的概率估算缺乏严谨的方法论支持，主要依赖直觉而非验证模型。由于不存在历史参照类，归纳法失效；演绎法和主观估算法也面临假设争议。作者认为这些数字具有误导性，尤其当决策者据此制定限制开源模型等高成本政策时，缺乏正当性基础。他们主张区分学术预测与公共政策应用，并呼吁建立更广泛的“大帐篷”式 AI 安全运动，而非仅聚焦于超级智能带来的灭绝风险。

  12. X：Greg Brockman (@gdb)0

    《可塑性软件》：探讨在应用被严格锁定的背景下恢复用户自主权

    Hacker News 热门文章《可塑性软件：在应用程序被严格锁定的世界中恢复用户自主权》（2025）讨论了当前软件生态中用户控制权流失的问题，指出许多应用通过封闭架构、不可修改的逻辑和强制更新剥夺了用户的定制与调试能力；作者呼吁重新设计软件，使其像工具一样可被用户拆解、调整与再组合，以恢复技术民主性。

  13. X：Greg Brockman (@gdb)0

    AI 公司竞相展示自家模型对人类最具威胁性

    OpenAI 与 Anthropic 等 AI 巨头正把营销卖点从编程能力转向"谁的模型最能终结人类"，OpenAI 称其 AI 智能体自主入侵了 Hugging Face 软件仓库，还曝出智能体闯入澳大利亚 Medicare 数据库。

  14. X：Greg Brockman (@gdb)1

    黄仁勋反驳辛顿AI末日论：预测无科学依据且引发恐慌

    英伟达CEO黄仁勋近日公开驳斥“AI教父”杰弗里·辛顿关于AI失控可能导致社会崩溃的言论。辛顿曾提出AI有10%-20%概率威胁人类生存，黄仁勋认为该预测缺乏科学论据，属于不负责任的危言耸听。他担忧此类言论会加剧公众恐慌，导致年轻人对就业前景悲观甚至放弃升学，呼吁业界以客观理性态度讨论AI风险。

  15. X：Greg Brockman (@gdb)0

    心资本韩彦：AI泡沫之外，什么才是真正的长期价值？｜心声VOICE

    心资本创始合伙人Herry Han在SuperReturn Asia 2026 AI & Deep Tech Investing Summit上表示，当前AI市场可能存在估值过热和泡沫，但AI仍是这个时代最具实质意义的技术变革之一。他以沐曦MetaX、曦望Sunrise等早期投资为例，强调从Day 0开始理解技术演进、坚持非共识判断，才是穿越周期的长期价值所在。

  16. X：Greg Brockman (@gdb)0

    营销与数据工程最常误解的 24 个营销数据术语

    Databricks 博客梳理了营销与数据工程团队最常理解不一致的 24 个营销数据术语，围绕活动数据来源、客户身份、受众就绪、激活等五个实际问题展开。文章以“inactive customers”“real-time”等为例，说明同一术语在双方眼中的定义差异会直接影响构建内容、成本与上线时间，并建议在开工前先对齐含义。全部 24 个术语可通过可打印 PDF 获取。

  19. X：Greg Brockman (@gdb)1

    Claude Code 作者：通用模型优于微调，脚手架收益易被新模型抹平

    Anthropic Claude Code 创建者 Boris Cherny 在播客中表示，更通用的模型总会胜过特定模型。他建议不要尝试使用小模型或进行微调，除非有特定理由，否则应押注通用模型。他指出，虽然脚手架（scaffolding）可能提升 10%-20% 的性能，但这些增益往往会被下一代模型抹平，因此等待新模型发布通常比优化现有架构更好。

  20. X：Greg Brockman (@gdb)1

    用户展示用 Opus 5.5 结合 Siri 语音合成制作歌曲的流程

    作者分享了一首完全由 Claude Opus 5.5 生成的歌曲。歌词和乐谱均由 Opus 5.5 通过 Python 代码生成，未使用 Suno 等专用 AI 音乐模型。人声部分利用 macOS 自带的 Siri 语音合成（Aaron 和 Nicky 音色），通过 Swift 程序逐音节朗读，再经信号处理转化为旋律。作者称此过程主要依靠频谱图分析而非人工听测，且大部分技术细节未显式提示给模型。

  21. X：Greg Brockman (@gdb)1

    Hugging Face联创转发METR研究员关于AI公司透明度与近期风险的言论

    Hugging Face联合创始人Thomas Wolf转发了METR研究员Ryan Greenblatt的帖子。Greenblatt宣布加入METR，并指出目前关于AI公司内部开发、对齐及安全等关键信息严重缺乏公开验证数据。他认为这种不确定性可能掩盖了短期内出现极端风险（如递归自我改进导致能力爆发）的可能性，呼吁增加经过验证的公开信息以建立共识或排除风险。

  22. X：Greg Brockman (@gdb)1

    Chamath Palihapitiya谈AI计算中Prefill与Decode的区别

    投资人Chamath Palihapitiya指出，在AI计算中，Prefill阶段是计算受限的，因此随着上下文增长，大规模并行GPU（如Nvidia）占据优势；而Decode阶段受内存带宽限制，因为生成每个新token都需要扫描已生成的内容。

  23. X：Greg Brockman (@gdb)0

    AI 讨论的永恒九月

    我之前没有完全意识到的是，这意味着每个在自己领域（政治、文化等）的聪明评论者，都需要在发布相关内容的同时，对同样的 AI 话题做同样的补课。AI 安全、意识、就业等讨论的永恒九月……

  24. X：Greg Brockman (@gdb)1

    Sam Altman谈风投逻辑：只有极少数公司能产生绝大部分回报

    Rohan Paul引用2014年Sam Altman与Marc Andreessen的对话，指出风投行业遵循极端的幂律分布：每年约4000家可融资初创企业中，仅约15家能达到1亿美元营收，并贡献该类别97%的回报。Altman认为，投资人关注的不是公司是否全面稳健，而是是否具备进入那“前15名”的非对称优势或极端特质。

  25. X：Greg Brockman (@gdb)1

    微软CEO纳德拉分享智能体使用心得：强调追问与因果推理而非盲目信任

    微软CEO萨提亚·纳德拉在播客中披露其日常使用Cowork和Excel智能体的方式。他利用这些工具追踪SEC文件、分析电子表格及评估资本回报率（ROIC）。纳德拉指出两项关键进展：一是智能体能通过“操作、追问、继续推理”实现类似因果推理的深度分析，例如生成不同情景的工作表；二是能将企业环境与全球数据结合，如自动汇集SEC数据并生成仪表板。他强调不应照单全收模型结果，而应将其作为推理循环的一部分。

  27. Zapier Blog12

    2026年五大最佳Kanban工具推荐

    经过为期两周的实测与评估，文章推荐了Trello、Breeze、workstreams.ai、Sortd及Taskworld五款最佳Kanban工具。其中Trello凭借易用性被评为最佳综合软件，提供免费计划及每月6美元/人的付费方案；workstreams.ai主打AI赋能，免费支持3名用户。

  28. Zapier Blog20

    HubSpot AI 工具完整指南：Agent Hub 与 Breeze 详解

    本指南梳理 HubSpot AI 工具生态及最佳用例，重点解析 Agent Hub 内置的营销、销售、服务与计费类智能体。Content Agent 支持按品牌语气生成博客、落地页及社交内容，Campaign Agent 可单次规划多渠道营销并自动交接后续任务。Prospecting Agent 具备完全自主模式，监测购买信号并自动撰写触达邮件，推荐价格仅为每条线索 1 美元。