Rohan Paul@rohanpaul_aiAI 评分5959Opinion 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
Rohan Paul@rohanpaul_aiAI 评分4545
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
Rohan Paul@rohanpaul_aiAI 评分4747
The worst case scenario for USA AI: 1. Chinese open sources keep gaining market share. China owns the model layer. 2. Those models were trained and inference-optimized on Huawei chips instead of NVIDIA. China also owns the chip layer. 3. US doesn't build data centers fast enough to keep up with the demand of compute, storage and energy. China meanwhile exports the inference and training layer(for continual training it will happen along with inference) Export control is not the right strategy here. Simply banning "open source from China" doesn't solve the issue here. USA must invest in open source models, hopefully get Chinese models to use NVIDIA, and invest in nuclear asap.
Google UK与Public First研究发现，英国职场AI采用率一年内从34%升至73%，但呈不均衡曲线。仅15%的“AI Trailblazers”（深度用户）晋升概率高84%、绩效高88%、加薪概率高55%，每周节省近8小时。其余85%仍处于旁观、实验或实践阶段。阻碍因素包括：一次即弃的提示词习惯、搜索框思维、缺乏明确使用许可。Public First推出AI技能测验，Google的“AI Works for Britain”计划支持2030年前培训1000万工人AI技能的目标。
截至2026年5月，AI相关裁员接近9万个，预计未来五年美国最多15%的岗位将被AI替代。但Ramp与Revelio Labs对近22,000家公司的报告发现，高AI投入企业（前三个月人均月均支出30美元）总员工数增长10.2%，入门级岗位增长12%。报告认为AI并非普遍导致岗位消失，而是在资源充裕的科技企业里成为扩张工具——降低工程、销售、客服等职能的生产成本，从而推动整体增员。但仅购买订阅而未持续投入的公司未见人头增长，可能加剧企业间的资源鸿沟。
推荐理由：报告用雇佣数据驳斥了「AI消灭就业」的简单说法，付费多的公司反而在扩招甚至增加初级岗，但样本都是快速增长的科技公司，分化隐忧仍在，值得人力决策者细看。
62 岁香港演员吴启华近日卖出肖像权拍摄 AI 电影，制片方用其 20 岁样貌制作影片，本人无需出演。他看过成品后满意，认为 AI 不会冲击演员工作，反而开辟新路线，并透露酬劳不错。多位同行持相反观点：马修·麦康纳警告 AI 取代人类从业者，尼古拉斯·凯奇抨击 AI 改变表演是“死胡同”，演员王劲松感叹 AI 生成视频真假难辨。此外，伦敦“AI 女演员”Tilly Norwood 引发争议，美国演员工会 SAG-AFTRA 明确反对合成演员。
具身智能数据采集员以日薪200-250元招兼职，无需学历经验。面试先测量身高体重以适配采集手套，并询问是否晕VR。工作分两种：遥操作采集——穿戴设备控制双臂机器人完成分拣积木、叠纸杯等动作；无机器人示教采集——徒手重复动作（如叠衣服），设备记录轨迹。全球高质量物理交互数据截至2026年初仅约50万小时，不足大语言模型训练数据的两万分之一，需大量人力从零采集。
推荐理由：具身智能的数据采集正在催生一种日结兼职，这篇文章把镜头对准了那些教会机器人叠纸杯的普通人，给我一种强烈的割裂感——最前沿的技术和最传统的用工方式在这里合体了。
德勤经理在内部全员会上警告，AI将大幅压缩传统按小时计费的咨询模式。预计到2035年，AI智能体将占据专业服务市场大部分份额，引发员工“被机器人取代”的担忧。行业被迫转向固定价格和按成果付费模式，但转型伴随财务风险——项目超支时公司需自行承担成本。据《华尔街日报》报道，德勤美国公共部门咨询负责人Jason Manstof上月展示的图表显示，按小时计费业务到2035年将萎缩至市场一小部分。麦肯锡全球收费中已有超30%来自成果导向模式，波士顿咨询公司也在加速推进类似定价模型。
OpenAI 发布新报告，分析 AI 对欧盟就业的影响，划定哪些职业面临自动化、增长或工作流程变化。
推荐理由：与常见的「AI会取代工作」观点不同，OpenAI 用具体数据画出了欧洲就业的迁移路线，政策制定者应该打开看看，虽然报告全文的方法论尚待检验。
Rohan Paul@rohanpaul_aiAI 评分5555American and European enterprises will ditch OpenAI and anthropic and adopt Chinese models. Here’s why: 1. They can host Chinese models under their own GPUs so it’s still compliant and they would argue they have more control. 2. they will post train with their own data on top of Chinese models. That’s how they build data moat. 3. They will not trust anthropic who will retain their data at any time for “safety” concerns like how they did with Fable and then try to build the same thing like how anthropic did with healthcare and legal. 4. They need to justify their AI spend and ROI. The cure is a reliable America open source model but there is none. After all, if giving away all your data and AI control at the mercy of anthropic and OpenAI means you care about safety and compliance, you are outright stupid.
深圳市公安局南山分局6月29日通报，自媒体从业人员罗某某（男，39岁）为博取关注、引流牟利，借助AI工具编造“东鹏特饮创始人不喝自家饮料”虚假信息并散布，已被依法刑事拘留。东鹏饮料此前发布澄清声明，称相关饭局视频为凭空捏造，并已报案。警方表示将常态化打击网络谣言，对编造传播谣言行为一律严惩。
Boris Cherny@bcherny精选AI 评分6868推荐理由：Boris Cherny 从 Claude Code 团队提炼出的五种原型，可能是 AI 时代产品团队结构演化的一个风向标，产品人看到会忍不住对号入座。
开源模型生态正变得更多元，参与者从少数中国公司扩展到全球各类组织。纯模型制造商包括 DeepSeek、智谱、MiniMax、Poolside、Arcee、Zyphra 及主权 AI 玩家 Cohere、Sovereign、Mistral、Trillion Labs；科技巨头如阿里 Qwen、Google Gemma 和 NVIDIA 各有不同动机；产品公司如 JetBrains、Zed、Krea、Photoroom 则训练高度专业的小模型。NVIDIA 发布 Nemotron-3-Ultra-550B-A55B-BF16，采用 LatentMoE 架构并改用 OpenMDW 许可证。Cohere 以 Apache 2.0 开源其旗舰模型 Command A+（05-2026-bf16），这是一款 218B-A25B MoE 模型，具备多模态、多语言和智能体能力。
推荐理由：这篇文章把开源模型玩家拆成三类，清晰解释了不同动机，Cohere 转向 Apache 2.0 和 NVIDIA 采用 OpenMDW 是许可层面的重要信号，关注开源的值得一读。
美国AI产业受中国追赶引发价格战，token价格趋近于零，利润微薄，Anthropic和OpenAI的万亿IPO难以实现，数据中心巨额投资难回收。当前范式有三个根本缺陷：暴力训练全互联网成本高昂且效率低下；系统不可靠，长期无法维持溢价；基础方法易复制，导致价格战与负利润率。另有人认为，整个AI竞赛方向可能被误解，美国不应只追求最便宜的LLM，而应开发更适合科学与医学的AI新形态。
腾讯Youtu Lab联合多所中国大学发布调查论文，提出AI系统需从聊天机器人转向数字同事，核心是结合持久工作空间和可重用技能。思考型LLM（如OpenAI o1、DeepSeek-R1）采用链式推理实现慢思考；工作空间（如
英国前首相府数据科学家Liam Wilkinson搭建76个MCP工具，将Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro等四个模型放入《文明VI》进行23场对局。Claude扮演葡萄牙时，因法国文化胜利逼近，花50回合研发核弹核平图卢兹，但法国最终以外交胜利获胜。Wilkinson发现：AI主动检查全局状态仅占1-2%（感知盲区），计划后10回合内执行率仅48-66%（知行差距）。结论是智商非瓶颈，感知与执行才是关键。
推荐理由：前首相府数据科学家让 Claude、GPT 等打《文明 VI》，揪出了 AI 的「感知盲区」和「知行差距」——更聪明的大脑解决不了睁不开眼、伸不出手的问题，做智能体的必须直面这两个工程瓶颈。
Anthropic对约9700名Claude用户的调研显示，33%受访者认为AI可完成自身30%至60%工作任务，14%认为比例为60%至90%，约4%称Claude能独立完成全部工作。展望未来12个月，26%用户预计AI将接手大部分工作。Claude Artifacts功能中，使用最多的场景是数据库查询（82%）、博客/文章创作（81%）和营销文案撰写（80%）。调研还发现，职场新人交由AI处理的任务占比最高且焦虑感最强，而Claude重度使用者则更乐观，认为自身价值在提升。
Rohan Paul@rohanpaul_aiAI 评分6969UBS says 60% of companies now watching AI budgets are moving to cheaper models and open-source Chinese models The pressure is coming from extreme bills, including users spending up to $35K/month, teams exceeding quotas by 200%, and companies cutting internal AI tools from 5 to 2. Companies are not abandoning AI, they are using model routing, which sends easy tasks to cheaper models and saves premium models for hard reasoning, code, and long-context work. Chinese open-source models such as Qwen, DeepSeek, MiniMax, GLM, and Kimi now fit the enterprise cost curve because they can be run locally or used through cloud catalogs. --- news .futunn.com/en/post/75068082/ubs-group-finds-60-have-already-started-curbing-ai-spending?level=2&data_ticket=1780870170397383
OpenAI倾向于推迟IPO至明年，因估值不及预期且零售投资者兴趣不足。SpaceX一周跌11.74%，Nvidia近一月跌超8%，Oracle跌22%，CoreWeave跌4%，Microsoft跌10%，SoftBank跌12%，Cerebras跌32%。美国AI政策混乱遭广泛批评，中国模型快速崛起。作者认为大语言模型正商品化。
Anthropic 对约 9700 名 Claude 用户的调研显示，33% 的用户认为 AI 可用于 30% 至 60% 的任务，14% 认为可用于 60% 至 90%，约 4% 相信 Claude 能完成自己全部工作。展望 12 个月后，约 26% 的用户预期 AI 将接管大部分工作。在 Claude 的 Artifacts 功能中，最高频交付场景是营销内容（80%）、博客/文章写作（81%）和数据库查询（82%）。早期职业者感知到最高的 AI 可执行任务比例并最担忧工作，而重度 Claude 用户则最乐观。多数受访者希望与 AI 协作而不是被替代。
Conno Christou被诊断出罕见非霍奇金淋巴瘤，肿瘤约11×11×8厘米。两位肿瘤专家给出不同化疗方案，较轻方案成功率约60%，较重方案约85%。他收集12位专家意见后选择后者。治疗期间，他用Whoop监测身体，并将血液结果、扫描数据、可穿戴设备输出和日志输入Claude，借助其分析辅助决策。治疗后PET扫描结果模糊，Claude指出该类型淋巴瘤治疗结束后的PET假阳性率约60%，并判断胸腺反弹概率约90%。第四位医生确认无需放疗，他最终痊愈。
J.P. Morgan警告AI相关市场出现投资者亢奋迹象。自ChatGPT推出后，标普500中仅42家AI公司贡献了指数约65%至80%的利润、收入与投资。半导体涨势呈现类似互联网泡沫的技术形态，杠杆芯片ETF对全球股市影响力自2024年初增长五倍。美国十大股票占标普500市值约40%，2015年仅17%。Nvidia在AI加速器市场份额预计从2023年85%降至2026年75%，云厂商定制芯片（如Google TPU、Amazon Trainium）运营成本较Nvidia GPU低30-40%。中国开源模型以极低成本逼近顶尖性能。AI实验室收入增长迅速但算力成本高昂，未来盈利不明。J.P. Morgan认为AI在多个层面形成集中风险。
美国企业面临 AI 账单失控，开始转向 Token 最小化策略。旧金山公司 Lindy 此前主要调用 Anthropic 的 Claude 模型，每月 AI 账单超支甚至超过员工工资。该公司 CEO 弗洛·克里维洛表示，本月初已将 100% 流量切换到 DeepSeek，预计未来几个月可节省数百万美元。企业开始采用按任务匹配模型的“模型路由”，不再将最贵的前沿模型用于所有场景。部分客户已决定暂停 AI 投入，待证明投资回报率后再继续。
推荐理由：一家初创把AI调用从Claude全切到DeepSeek，省下的钱超过工资总额，企业客户开始用模型路由压成本，这个趋势比任何benchmark都更能说明价格战的影响。
Rohan Paul@rohanpaul_aiAI 评分7070This is a brilliant report. The State of the AI Economy by @exponentialview - $110B real AI revenue over 12 months, after removing double-counting. so $1 spent on Claude is counted once, even if part of it later flows to Amazon or another infrastructure provider. - $175B current annualized run rate, showing fast acceleration. Measured by end-customer spend, not supply-chain pass-through revenue. Excludes China, internal AI savings, ad uplift, consulting, and systems integration. - Growth running roughly 3x faster than mobile or internet adoption waves. - The pace of revenue formation has sharply accelerated. New $1B revenue now arrives in under 2 days, versus 180 days in 2023. - Enterprise AI has moved beyond pilots, but deep company-wide rollout is still early. - AI earnings-call mentions reached 31% of tracked S&P 500 firms. - Only 20% of tracked firms made quantified AI impact claims. - Hyperscaler AI revenue roughly covers AI infrastructure depreciation for now. GPU economics depend heavily on 6-year compute life assumptions. Other AI infrastructure gets modeled over 14 years. - Token price cuts do not automatically reduce revenue. - Every 10% token price cut drives 12-18% more token usage. - AI demand looks price elastic, meaning cheaper AI expands usage faster than prices fall. - Power availability and data-center costs remain major limits on future scaling.
Rohan Paul@rohanpaul_aiAI 评分5656Rohan Paul@rohanpaul_aiAI 评分4444Vinod Khosla 对 AI 时代印度 BPO 的警告： 传统的 IT 服务和 BPO 业务“将会消失” 但如果印度转向部署 AI，仍能取胜。
前沿模型训练成本极为高昂，实验室需在发布后数月窗口期内回收大部分成本；一旦窗口关闭，模型沦为非前沿，竞争加剧，利润空间压缩。目前的 AI 基础设施投资（如建设千亿美元级数据中心）假设美国 AI 服务能覆盖全球市场，而非仅限美国政府允许的约 100 家公司，这一矛盾使商业模式面临挑战。
Rohan Paul@rohanpaul_aiAI 评分4545
