跳到正文
#大佬观点
7月14日周二
  1. AI as Normal Technology76

    普林斯顿教授 Narayanan 提出“AI as Normal Technology”框架

    普林斯顿大学教授 Arvind Narayanan 在 ICML 上提出，除非出现递归自我改进等不连续性，否则 AI 应被视为一种变革性但可适应的正常技术。他呼吁 AI 社区不应接受工作将被完全取代的叙事，而应专注于培养与 AI 互补的技能，以实现人机“共超智能”。

    推荐理由：Narayanan 在 ICML 的主旨演讲里把 AGI 焦虑拆成了递归自我改进、经济转型、类人 AI、超级智能四个独立维度，又用能力-可靠性缺口等一手证据说明自动化远未到来，但人类角色必须从「划船」转向「掌舵」。对关心 AI 对工作影响的人，这是一份冷静的思维框架。

  2. Tomasz Tunguz 博客49

    AI 客户留存率介于手游与社交网络之间：前沿模型“王座”仅维持约 41 天，同等智能价格每年下降约 10 倍

    风险投资人 Tomer Tunguz 在其博客中分析称，AI 领域的客户留存率介于手机游戏与社交网络之间。前沿模型保持领先地位的平均时长约为 41 天，而同等智能水平的模型价格每年下降约 10 倍，这使得买家在每个技术周期中获得更强的议价能力。

  3. TechCrunch：AI51

    Comma AI 创始人 George Hotz 反对 AI 2040 放缓提议，主张用户对齐的本地控制 AI

    Comma AI 创始人 George Hotz 近日发文反对 AI 2040: Plan A 政策报告中放缓 AI 开发 14 年的提议。他主张 AI 对齐与安全的最佳路径是聚焦于与用户利益紧密对齐的本地控制模型。他将用户对齐的 AI 比作枪支，称其不应抱怨用户用于谋杀配偶，并称真正对齐的 AI 应能按用户要求从 Amazon Prime 订购制毒设备并指导使用。Hotz 表示愿为此原则赴死。

7月13日周一
  2. The Decoder：AI News51

    纳德拉批评OpenAI和Anthropi禁止知识蒸馏却用他人数据训练

    微软CEO萨提亚·纳德拉发文批评OpenAI和Anthropic等AI实验室，称其禁止知识蒸馏的做法具有讽刺意味。知识蒸馏是小模型从大模型输出中学习的过程，这些实验室在服务条款中禁止该行为，主要针对中国AI公司。纳德拉指出，这些实验室一方面以合理使用为由在公开数据上训练，另一方面禁止蒸馏并从用户交互中学习。他认为这导致经济价值集中在基础设施运营商手中，而非真正产生知识的公司。纳德拉将此称为“反向信息悖论”：企业为AI付费两次，先付金钱，再付“废气”——即与AI系统交互产生的修正、评分和使用数据，这些数据可能被AI提供商用于构建竞争产品。

  3. IT之家·人工智能47

    微软CEO纳德拉批评AI模型公司“双标”：一边主张“合理使用”数据，一边限制他人蒸馏

    微软CEO萨提亚·纳德拉在X平台发文，批评部分AI大模型公司存在自相矛盾的做法：它们主张拥有利用公开数据训练模型的“合理使用”权利，却反对其他公司通过模型蒸馏学习其模型能力。纳德拉指出，若知识学习只能单向流动，最终掌握AI基础设施的人将赚走所有钱，而真正创造知识的人无法受益。他还提醒企业用户，过度依赖领先大模型服务等于将专有数据交给模型提供商，建议企业建立自己的AI基础设施、评估体系及持续学习机制。

  4. X.PIN71

    中国高市值上市AI公司Z.ai创始人汤杰在估值突破1万亿港元后发表公开信。一年前，Z.ai面临两条路径：打造OpenAI式消费应用，或走Anthropic式编码与开发者工具路线。公司选择了后者。如今，Z.ai的MaaS平台年化经常性收入（ARR）达17亿元人民币，一年增长60倍，扣除研发成本后收入可覆盖日常运营。汤杰提出更高目标：“摸高”——聚焦长周期任务、自主智能体系统和自我进化AI。他强调前沿智能应开放、可构建，而非由少数公司或规则控制。Z.ai可能在未来两年不追逐短期AI应用利润。

  5. IT之家·人工智能57

    黄仁勋：AI 与吸尘器同样都是工具，不要过度拟人化

    英伟达 CEO 黄仁勋在与 LangChain 创始人 Harrison Chase 的对话中表示，AI 智能体没有意识，本质上是工具，不应过度拟人化。他预测未来大多数公司将建立在框架之上，而非业务流程。黄仁勋认为，AI 使用越多反而需要雇佣更多人，软件工程师正从编写 Python 转向构建智能体。他淡化 AI 大规模消灭白领工作的担忧，称 AI 会创造大量岗位，是美国再工业化的最佳机会。

  6. Simon Willison 博客40

    Simon Willison：AI 智能体不应成为项目的直接责任人（DRI）

    Simon Willison 在博客中探讨了源自苹果公司的“直接责任人（DRI）”概念，指对项目成败负最终责任的人。他认为，在 LLM 驱动的 AI 智能体融入人类组织的背景下，智能体不应被视为项目的 DRI，因为只有人类才能为自己的行为承担责任，而机器无法做到。他引用 IBM 1979 年的培训幻灯片作为佐证：“计算机永远不能被问责，因此计算机绝不能做出管理决策。”

  7. Rohan Paul62

    主推文指出，杰文斯悖论将以前所未有的力度冲击AI行业。正如更快的网速催生了视频流等新业态，AI智能成本下降后，模型将嵌入每一个涉及决策的流程。当前AI主要用于聊天、编程等，但最大的工作负载尚未出现，正等待智能成本降至足够低。引用推文补充：若市场份额从推理利润率超90%的前沿实验室转向更便宜的模型，将提升终端客户AI投资回报率，驱动增量token需求。利润率将从模型层流向基础设施层，赢家将是每token成本最低的基础设施提供商和token效率最高的模型层玩家。

    引用Gavin Baker@GavinSBaker

    The mega bull case for AI infrastructure would be *if* market share shifted away from certain frontier labs with 90%+ inference margins toward cheaper models, whether open-source or closed. It would increase the ROI on AI spend for end customers by increasing intelligence per dollar, which would drive incremental token demand. Margin dollars would effectively get redistributed from the frontier labs to AI infrastructure providers. The infra winners would be those with the lowest per token cost and the winners at the model layer would be those with the highest token efficiency. There are many reasons Jensen is so focused on open source, but this is likely the most important one as I think he is probably less worried about a monopsony these days. Lower margin % at the model layer = more margin $ at the infra layer all else equal. With SpaceX and Meta being vertically integrated and possessing the #3 and #4 models respectively it is more possible than ever. Note that Grok 4.5 is ahead of Fable for some useful tasks at a much lower cost, so ranking them #3 is conservative. This is not happening yet. Cheap, mostly open source tokens are likely the majority of volume today but the majority of economic value is still accruing to the most intelligent models. Might change though. We will see.

  8. Nathan Lambert：Interconnects

    Nathan Lambert：开源模型或只剩 6 个月窗口期

    Nathan Lambert 警告，针对开源权重模型的监管行动可能在未来 6 个月内落地，最可能被禁或无限期延迟的是能力明显超过 GPT 5.5、Claude Opus 4.8 或 GLM-5.2 区间的模型。他指出蒸馏议题已沦为监管俘获，Anthropic 主导的游说实质是推动全面禁用中国开源权重模型，这将摧毁美国正在成形的开源模型经济。

  9. Cognition 模型 / Devin 博客65

    Cognition 实测：Fable 5 领衔的 Devin 成本反而低于 Opus 4.8

    Cognition 用 FrontierCode 1.1 上的 3000 次评测对比 Fable 5 与 Opus 4.8，发现尽管 Fable 5 每 token 单价是 Opus 的 2 倍，在 Fusion 侧搭子架构下 Fable + Sidekick 每次运行成本 $1.86、得分 60.7，低于 Opus + Sidekick 的 $2.04 与 54.6。

    推荐理由：原文用 3000 次评测拆解了每轮成本去向，说明逐 token 单价为何不能预测智能体实际账单，方法对评估编码智能体成本有可迁移性。

7月12日周日
  1. Satya Nadella75

    微软CEO萨提亚·纳德拉提出“反向信息悖论”：AI时代，买家为使用AI支付金钱，同时必须暴露专有知识（提示词、工具使用、纠正反馈等），这些“智力废气”被模型学习，导致信息不对称向卖家倾斜。企业需要真正的信任边界，确保自身数据、痕迹、评估、适配权重和记忆在边界内积累，未经同意不得外泄。纳德拉呼吁企业拥有私有评估、保留组织记忆所有权，并主张企业应有权使用模型输出微调或训练自有模型，以控制自身学习循环。

    推荐理由：Satya 提出的「反向信息悖论」直指企业 AI 部署的核心顾虑，建议具体可操作，尤其是评估集控制和编排层解耦，做企业 AI 的产品人现在就该读。

  3. IT之家·人工智能54

    OpenAI 奥尔特曼：至少到目前为止，AI 创造了新的就业机会

    OpenAI CEO 奥尔特曼（Sam Altman）今日在 X 平台表示，至少到目前为止，他相当确定人工智能创造了新的就业机会。他承认，当 AI 发展到目前的能力水平时，曾预期会看到对就业市场的冲击，但实际趋势出乎意料。奥尔特曼指出，部分企业存在“AI 洗白”现象，即把本就会进行的裁员归因于 AI，但未来几年 AI 带来的真实岗位替代会更加明显，同时也会创造新的职业形态。

  4. IT之家·人工智能45

    宇树科技王兴兴：机器人一定会走向普通消费者，今天的机器人就像30年前的个人电脑

    宇树科技创始人王兴兴在2026王府井论坛上表示，机器人最终将走向普通消费者和真实生活。他将机器人当前价值拆解为三个方向：一是像30年前的个人电脑，成为开发者和科技爱好者的二次开发平台；二是快速进入家庭和亲子场景，成为孩子接触科学和工程的媒介；三是为商业演出和品牌宣传提供情绪价值。王兴兴认为，机器人能帮助人类完成复杂、危险、高强度的工作，将人类从重复性劳动中解放出来。

  5. The Decoder：AI News71

    OpenAI CEO Altman 改口称 AI 净创造就业，Anthropic CEO 也修正早期言论

    OpenAI CEO Sam Altman 表示，他“相当确信”AI 迄今为止净创造了就业，并承认“这并非我预期”。此前他曾警告 AI 影响可能快得“有点吓人”。Anthropic CEO Dario Amodei 也修正了早期言论，将自动化描述为生产力倍增器而非岗位杀手。然而，多项研究未发现 AI 对整体生产力或劳动力市场产生显著影响。一项多校联合研究指出，程序员和文案的就业危机始于 2022 年初，早于 ChatGPT 发布。耶鲁预算实验室也未发现与 AI 相关的就业市场变化。

    推荐理由：Altman和Amodei几乎同时调头，从“AI消灭工作”变成“AI净增就业”，这个转向本身比任何研究都更能说明行业叙事在怎么变。

  6. DogeDesigner44

    Scam Altman一直说自己不持有OpenAI股份，也不是为了钱。但这正是骗局的运作方式：他不需要OpenAI股份就能赚数十亿。 > Altman让OpenAI与他已重金投资的公司达成重大交易。 > 这些交易让他更富有。 > 这正是他行骗的方式。Elon Musk案中展示的法庭文件证明了这一点。 > 据报道，Altman在与OpenAI有业务往来的公司中持有超过20亿美元。

7月11日周六
  1. Rohan Paul46

    黑石集团总裁兼COO Jon Gray指出，任何基于规则的行业（如会计、法律、金融）都将被AI彻底颠覆。他举例摩根大通已弃用代理顾问，改用AI处理股东投票。技术分析师Benedict Evans补充，AI可能自动化初级律师、顾问、银行家和广告从业者的大量常规工作，并指出未在律所或麦肯锡等顶级咨询公司工作过的人，很难真正理解这一变革如何运作。

    引用Rohan Paul@rohanpaul_ai

    AI may automate much of the routine work currently done by junior lawyers, consultants, bankers, and advertisers. "A chunk of what the people at the bottom of the pyramid were doing—what happens to that? The only thing you can say is that, if you have never worked at a law firm or at Bain, BCG, or McKinsey, you are probably not going to have a good idea of how this works." Benedict Evans (technology analyst, writer, and former a16z partner). ---- From a16z YouTube channel, (full video link in comment)

  2. Rohan Paul40

    Rohan Paul 引用斯坦福报告指出，GPT-3.5 级别推理成本在不到两年内已下降 280 倍。他认为智能领域将出现杰文斯悖论：更便宜的推理会创造远超当前的需求。当 Opus 4.8 级别的开源模型价格再降 4 倍时，多智能体系统将无处不在。他还引用预测称，6 个月内将出现质量接近 fable 5 但价格便宜 3-4 倍的模型，12 个月内 Opus 4.8 级别模型可在本地设备运行，发生概率超 50%。

    引用Aravind Srinivas@AravSrinivas

    Imagine a fable 5 quality model that’s 3-4x less expensive in less than 6 months. And an Opus 4.8 grade model that can run on a local device in less than 12 months. Greater than 50% chance that these events will happen. Worth keeping in mind when you make predictions about the future.

  5. TechCrunch：AI65

    Hugging Face CEO：开源AI比以往任何时候都更重要

    Hugging Face CEO Clem Delangue表示，开源AI正在蓬勃发展。该公司已成长为AI领域的GitHub，约半数财富500强企业使用其平台。Delangue观察到，企业通常从前沿API起步，但随着规模扩大，成本压力会促使它们转向开源模型。他担忧少数大公司可能最终控制一切。他还指出，中国实验室正在生产美国下载的大部分开源模型，这应被视为一个值得解决的问题，而非不信任开源的理由。

  6. TechCrunch：AI46

    Hugging Face CEO：企业不再“租用”AI，开源模型正重塑行业格局

    Hugging Face CEO Clem Delangue 指出，开源 AI 正在蓬勃发展。Hugging Face 已成长为类似 AI 领域的 GitHub，供开发者共享和下载开源模型与数据集，目前约有一半的《财富》500 强企业使用其平台。Delangue 观察到，越来越多的公司正从租用闭源 API 转向采用开源模型，这一趋势正在重塑企业构建 AI 应用的方式。

  7. Noam Brown76

    Noam Brown 指出，更多测试时计算带来更强智能，但将计算时间从秒级推至周级时，延迟成为瓶颈。GPT-5.6 Sol Ultra 通过并行测试时计算，将解决一个 50 年难题的时间从一整天缩短至一小时。引用推文显示，该模型已正式可用，并成功使用 64 个子智能体在一小时内证明了存在 50 年的 Cycle Double Cover Conjecture，同时公开了提示词和证明过程。

    引用Ethan Knight@__eknight__

    昨天，我们让 GPT-5.6 Sol Ultra 正式全面可用。今天，我们分享它使用 64 个子代理，在不到一小时内就给出了已有 50 年历史的 Cycle Double Cover 猜想的证明。我们在下面分享提示词和证明。我们很期待看到大家用 Ultra 做出什么！

  8. Karina47

    Thinking Machines AI 发布其使命背后的世界观，认为人类价值观无法平均化，本地知识不可集中。公司设想对齐并非单一模型的功能，而是由在不同环境中成长、相互竞争与学习的AI生态系统来实现，主张通过自由市场和言论自由保持AI的“古怪性”与创造力。

    引用Mira Murati@miramurati

    Today we share the worldview behind our mission. Human values don't average out. Local knowledge can't be centralized. The good future has many AIs, raised in different places, shaped by the people they serve, disagreeing with each other the way we do. https://thinkingmachines.ai/blog/the-future-worth-building-is-human/

  9. Google DeepMind44

    Google DeepMind 最新播客中，主持人 @fryrsquared 与 @NeelNanda5 探讨了可解释性——逆向工程神经网络学习与思维的科学。核心话题包括：模型链式推理（chain of thought）如同草稿纸，可窥见其推理过程；机制可解释性（mechanistic interpretability）；链式推理监控；可解释性技术；模型安全审计；以及可解释性研究的未来方向。播客提供了完整时间戳。

  10. Thinking Machines Lab：官方博客50

    Thinking Machines Lab 阐述以人为本的 AI 路线：让人类意志与判断塑造前沿模型

    Thinking Machines Lab 发文阐述其使命：构建延续人类意志与判断的 AI，认为当前多数模型在少数地方训练后即被冻结，无法被服务对象持续塑造。公司提出四条技术方向：训练具备多模态交互与可定制能力的前沿模型、提供包括训练模型权重在内的定制工具、开发拓宽人机沟通渠道的交互界面、发布研究。

7月10日周五
  2. Greg Brockman40

    ChatGPT 语音是一项真正的进步。 我们过去总是不得不扭曲自己去适应电脑。现在感觉我们正在进入一个自然交互的新时代。 预计我们很快就会花更少的时间盯着屏幕，并认为今天的应用程序极其不友好。

    引用Ethan Mollick@emollick

    The new ChatGPT voice is quite impressive to use, really worth a minute to try it out on your phone. (while staying aware that the voice model is not going to be as smart as a full thinking model)

  3. The Verge：AI58

    Instagram 负责人 Adam Mosseri：不喜欢 AI 内容就不该让它出现在你的信息流里

    Instagram 负责人 Adam Mosseri 在 Lenny Rachitsky 的播客中表示，平台不应过滤 AI 内容，但应标注其来源。他认为不喜欢 AI 的用户“不该让它出现在你的信息流里”，而喜欢 AI 内容的用户“应该能拥有一个全是 AI 内容的信息流”。Mosseri 区分了基于内容的分类与全面禁止 AI，强调标注而非封禁。

  4. Rohan Paul42

    OpenAI’s GPT-Live 🤯 语音AI不再是“接近成功”。它现在已经足够好，可以移除人类电话工作的整个层级。 它不需要绝对完美就能颠覆5000亿美元的电话客服行业。它只需要更便宜、更快、足够好。 [引用 @hey_madni]：Duolingo 完蛋了 💀 GPT-Live 在你说话时修正语法

    引用Madni Aghadi@hey_madni

    Duolingo is cooked 💀 GPT-Live fixes grammar while you speak

  5. Rohan Paul75

    马斯克在X上发文承认自己此前对Anthropic的判断有误，称其“显然是当前AI领域的领导者”。他表示，没有公司发布过像Mythos/Fable这样优秀的模型，并相信Anthropic很快会推出Mythos 2。他还强调，即使作为竞争对手，也不会以伤害对方的方式切断合作，并列举了特斯拉开源专利、开放超级充电网络等先例。该推文被Rohan Paul转发，称这是Anthropic“最强有力的炫耀”。

    引用Elon Musk@elonmusk

    我显然错看了 Anthropic。他们目前显然是 AI 领域的领导者。没有任何公司发布过像 Mythos/Fable 这么好的模型，而且他们无疑很快就会准备好 Mythos 2。 而且我绝不会以严重伤害他们的方式切断他们，即使作为竞争对手也不会。那不是我的风格。 特斯拉开源了它的专利，我们还把 Supercharger 网络开放给所有竞争对手使用，尽管我们本可以把它建成一座围墙花园。 SpaceX 发射竞争性的卫星系统，既不涨价，也不使用不公平条款。 就连我最凶恶的敌人也能在这个平台上攻击我。 …

    推荐理由：马斯克难得公开认错，直接称 Anthropic 是当前 AI 领导者，这个表态可能重塑行业竞争叙事。不过更关键的是他提到 Mythos 2 快来了，这才是真正的信号。

  6. jason76

    OpenAI 发布 5.6 模型系列，包括旗舰 Sol、日常 Terra 和快速低价 Luna。研究团队使用 Sol 在数小时内自动完成 Luna 的配置创建、训练任务启动与监控，而人类仅需授权。所有模型新增 Ultra 模式，通过子智能体提升性能：在 SEC-Bench Pro 上多智能体设置以更低模拟延迟达到更强结果。Sol 在 DeepSWE v1.1 达 72.7%，估计 API 成本比 Fable 5 低 36.2%；在 Artificial Analysis Intelligence Index 上，Sol 以 61% 更少时间和约一半成本接近 Fable 5。计算机使用性能提升，3 倍速度、1/2 成本，OpenAI 财务团队将月末结算从数天缩短至数小时。插件支持 Slack、Google Drive、Microsoft 365 等，应用内浏览器新增认证登录、多标签页和桌面端浏览器操作。

  7. IT之家·人工智能57

    齐特龙锐评：AI 泡沫风险加剧，微软过去 1 年股价跌 22%

    科技评论家埃德·齐特龙（Ed Zitron）接受 CNBC 采访时指出，AI 泡沫风险加剧。微软过去 1 年股价下跌 22%，投资者对其长期 AI 战略可持续性产生质疑。齐特龙认为，生成式 AI 运营成本极高但投资回报率不清晰，部分企业已开始限制模型 token 支出。他援引 OpenAI 财务数据称，该公司 2025 年烧掉 209 亿美元，成本随收入近线性上升且利润率持续恶化。此外，微软 Copilot 市场渗透率估计低于 10%，远落后于 Claude、Gemini 和 ChatGPT，且其多处数据中心项目处于未完工状态。

  9. AI as Normal Technology62

    AI 公司如何通过“向上堆栈”逃离商品化陷阱，却可能引发企业锁定风险

    前沿 AI 公司正从模型层向垂直集成、企业部署和构建切换成本等更高堆栈迁移，以摆脱推理定价的商品化陷阱。这一策略借鉴企业软件经验，可能带来持久利润，但同时也引发客户锁定和竞争减少的担忧。历史表明，基础设施提供商（如铁路、电力）很少能捕获其创造的价值，而 AI 兼具基础设施的高资本需求与软件的高利润潜力，其成败取决于能否成功复制企业软件的锁定策略。