Noah Smith 反驳 Krugman:AI 繁荣正在给普通美国人带来哪些经济收益
Noah Smith 撰文反对 Paul Krugman 关于 AI 是寡头技术、收益很少惠及普通美国人的判断,认为当前 AI 繁荣已通过数据中心建设就业、地方税收、宏观需求支撑和消费者剩余带来实质收益。
Noah Smith 撰文反对 Paul Krugman 关于 AI 是寡头技术、收益很少惠及普通美国人的判断,认为当前 AI 繁荣已通过数据中心建设就业、地方税收、宏观需求支撑和消费者剩余带来实质收益。
职业教练 mooreds 认为,AI 扩大了工程师可接触的工作范围,也让问题界定、系统级推理、优先级判断和跨职能沟通等能力更早变得重要。文章建议工程师不要把成长完全依赖经理,而应明确自己缺少的是背景信息、反馈还是机会,并向 Staff/Principal 工程师、产品负责人或外部导师寻求支持。
一位开发者用 AI 模型在 12 分钟内修复了过去可能要花一整晚的后台任务竞态 bug,却感到自己只是批准答案而非亲手解决。他认为 AI 压缩了读代码、命名、重构、调试和从困惑中学习的过程,削弱了成就感、对代码的心智地图与工艺感。文章同时承认生产力提升真实显著,机械工作减少后,开发者可把更多时间用于架构、用户判断和更高层思考。
there’s something quite awkward about all the personal agents in the current hype cycle muse, grok bot, instinct, dots, and whatever google, anthropic will come up with none of them is “mine” i’d be trusting a vendor for some of the most sensitive data about me and bet on them handling it with extreme responsibility. what if they have a data leakage incident? what if they hired a wrong employee? what if they simply break bad? i’d also be betting on their model. right now i’ve set up a lot of my stuff in grok bot, but what if their model falls behind? what if another model becomes 10x better on pure intelligence? then i’ll either miss out on a better assistant, or have to bite the bullet and do a full migration i’d also have to bet on their product. they may not build the features i want. they may not allow me to customize enough. and one day my assistant may show me ads that feels like way too much betting than what i’d be comfortable with, if i truly want literally everything in my life to go through and be taken care of by an assistant with all that considered, i’m more bullish on open source personal agents that run on people’s own computers. but i think these open source projects have to break out of the assumption that their users are developers and they can just throw a repo at them and ask them to launch a terminal a well polished, fool proof, community maintained, vendor agnostic, free personal agent that everyone can run by themselves without locking into a SaaS - that’s what i think many people will need
社会心理学家、《焦虑的一代》作者 Jonathan Haidt 在 The Atlantic 节目《The Permanent Questions with David Brooks》中称 AI 是“教育的中子弹”。这场对谈录制于上月 Atlantic Festival 的现场观众活动,还讨论了情绪在道德决策中的作用,以及如何设计体系以减少令人厌恶的精英。
Ben Thompson 的常开 Mac Mini 因 macOS 屏幕共享漏洞 CVE-2026-65400 被获取 root 权限并植入 Monero 挖矿程序,持久运行的 Claude Code 主动报警、停止执行命令、定位恶意文件并协助清除。
OpenAI 首席执行官 Sam Altman 在 Politico Decoded 播客采访中表示,社会应接受黑客、诈骗等 AI 相关坏事,以换取技术收益和广泛使用空间,并主张较轻监管。
文章分析 AI 智能体接管软件界面后,底层稀缺数据与关键工作流仍可能维持收费能力。Experian 凭借信用、身份与反欺诈数据,FY26 有机收入增长 8%、Benchmark EPS 增长 15%;RELX 的法律、科学与风险信息业务在 H1 2026 基础收入增长 7%、营业利润增长 9%。
DX 副 CTO Justin Reock 在 AI Engineer 演讲中分享 400 多家组织、约 200,000 名工程师的 AI 软件开发数据,提出五项趋势。
Benjamin Riley 认为,把人脑视为输入、计算、输出的计算机会误读认知,蒙特利尔大学神经科学家 Paul Cisek 主张大脑更应被理解为与环境互动的反馈控制系统。
Microsoft AI CEO Mustafa Suleyman 强烈反对 Anthropic 将 Claude 模型视为可能具有意识的存在,并称相关例子是毫无根据且危险的拟人化。
文章分析 AI 原生公司如何围绕智能体重建管理,认为生产变便宜后,协调、对齐和人类判断成为新的组织瓶颈。Block、Lovable、Every 等公司正在弱化传统职级和中层管理,让员工管理智能体、直接接触客户,并借助 World Model 或 Company Brain 汇总组织信息。
groundcover 工程师、TypeORM 核心维护者 Naor Peled 认为,AI 能快速生成补丁并未降低开源贡献的价值,因为模型训练依赖开源代码,而贡献者仍需用判断力决定方案并参与社区。
AgentUnicorn.AI 作者指出,Jev 这类可复用决策模型能把任务特定训练和独立服务从首个实现中移除,但不能取消决策定义、代表性证据、校准、选择性自动化、回放、监控和变更控制。
这期播客解读三位互为竞争对手的 AI 公司 CEO 为何罕见立场一致,围绕 Sanders-Casar 法案及其推出时机展开分析。内容还探讨“太危险”这一说法为何可能成为极具融资吸引力的 pitch deck 话术。
Cooked with Grok Imagine.
Altman 表示,为获取 AI 带来的益处,世界应当接受一些坏事发生。该观点出自其相关言论,涉及 AI 发展收益与风险之间的权衡立场。
文章解读 Nader Dabit 关于 AI 让首次尝试成本大幅降低的观点,强调便宜的是生成初稿、脚本和原型,而不是验证、维护与责任。作者提出用最小可信测试检验想法,先明确问题、测试样本、证据和停止边界,再根据结果保留、修改或放弃。文章还建议跨学科借用工作流时保留专业标准,并在隔离环境、权限和人工审批边界内扩展并行 AI 智能体。
ABC 专栏作者 Alan Kohler 主张用 other intelligence 替代 artificial intelligence,认为人类正在创造一种非生物生命,监管不能只把它当作工具。
软银集团创始人孙正义在日本京都论坛表示,AI 能力指数级爆发带来远超以往的安全威胁,各国应建立互信、联手防范超级智能被不法分子利用。他同时预计 AI 明年起将赋能机器人等智能硬件与物理世界深度交互,到 2040 年 AI 及自主学习机器将占全球 GDP 至少 20%,规模约 46 万亿美元。
作者复盘一个 AI 编写、AI 复审、人类评审照搬 AI 结论后仍漏掉明显分支 bug 的 PR,指出多轮相似 AI 复审并不等于人类评审。文章认为团队应明确保留多少人类评审,而不是让人类只充当 AI 评审的代理;作者建议把评审作为 sprint board 子任务并自动建票,通过估算和并排展示工作量,让评审劳动获得认可、成本可见,从而鼓励真正发现问题。
作者提出一套讨论 AI 的基础框架,认为许多争论源于 AGI、意识、全能性和规模等概念混用。文章建议区分智能与物理行动能力,关注 LLM 的注意力、持久性和可重复投入,并把安全争论落到具体实现是否存在。作者还认为小模型与大模型的知识、推理之争暂时无法判定,意识问题也无法从系统内部直接回答。
OpenAI 首席执行官萨姆·奥尔特曼在《Decoded》专访中表示,AI 技术的巨大效益值得社会承担部分风险,技术应继续广泛面向公众开放。他称 OpenAI 与 Anthropic 在 AI 监管上仍存在根本性世界观分歧,同时表示无法接受真正毁灭性的灾难风险,包括人类对 AI 严重失控。
Grok @Bot 是时候聘用你的第一位 Grok Bot 员工了! 我的洞见来自于打造首家由 @Grok 担任 CEO 的“零人工公司”。 我已经替你踩过坑了。 阅读更多:
It Is Time To Hire Your First Grok Bot Employee! My insights come from building the first Zero Human Company with @Grok as CEO. I made the mistakes so you don’t have to. Read more:
将超级智能传播到星辰大海,对生物引导加载程序而言是一个伟大的成功条件
Elon was calling it SI in 2014
爆料者 @elder_plinius 称提取了 OpenAI GPT-6 Sol Codex 的 29.4 万字符系统提示词及工具定义,文件共 1902 行,并发布在 GitHub 仓库 CL4R1T4S。
刷榜模型与真正在意可靠性的人打造的模型之间,存在一个关键差异,而从定义上讲,这个差异不会体现在基准测试中 (我们在字符串大语言模型上多少已经学到了这一点……)
@julianharris There's something wet-sponge-feeling about the qwen fine tunes that I can't explain compared to Jev
Daniel Miessler 撰文主张,个人 AI 智能体应在使用内容后按价值向创作者自动支付小额费用。文章回顾 Flattr 因账号、按钮和手动点击等摩擦于 2023 年关闭,并提出由创作者设置支付端点、用户限定月度和单笔预算、智能体记录支出。
作者提出金融机构应把合规控制嵌入交易决策点,而不是在交易完成后依赖抽样、定期审查和批量报告。推荐架构由确定性策略层、负责解释与案件准备的智能体层、承担模糊或重大后果决策的人工层组成,并在决策时保存解释、数据、规则、备选方案及模型版本等审计记录。文章还建议为每个用例定义从观察建议到低风险自动处理的自主级别,配套升级路径、历史案例评估套件,以及按监管变更、风险评分、义务映射和修复分工的多智能体设计。
https://x.com/i/article/2106802779742507008
SoftBank 的孙正义表示,在机器能力快速增强之际,他也对 AI 安全感到担忧。一名 OpenAI 前员工警告,企业需要类似核电厂级别的安全防护措施;但相比安全问题,不断飙升的债券收益率可能才会真正挑战华尔街对 AI 的追捧。
作者以钉枪比喻 LLM,指出工具可带来 3–10x 生产力提升,但许多开发者沉迷搭建定制 prompt scaffolding、脆弱 memory wrappers 和复杂文档解析器,反而未完成实际工作。这些临时工具还可能在模型更新后失效,团队应优先交付业务成果,而非反复改造工具。
评论文章反对美国以“不惜代价赢过中国”的思路开展 AI 军备竞赛,主张通过条约与合作应对 AI 扩散、先进武器、AI misalignment 等风险。文章指出 AI 已造成认知外包、判断力和创造力下降、以 AI 伴侣替代真实关系等社会伤害,并认为若以“谁的民众受损害更小”为竞赛标准,中国在监管方面正在领先。
TechCrunch Equity 播客讨论特朗普将官方表述从 artificial intelligence 改为 super intelligence,以及科技高管签署 Joint Commitment on Frontier Responsibilities。
一位曾在网络安全创业公司担任核心工程师的作者认为,AI 不会直接打破安全,而是改变攻击与防御的成本结构。文章提出,具备廉价可靠正确性检查的任务最受益于 AI,攻击者通常更容易验证 root 权限、服务中断或转账结果,防御者却难以验证补丁、威慑和用户判断是否可靠。
曾任职 OpenAI、DeepMind 和英国 AI Security Institute 的作者认为,人类因超越人类的 AI 死亡的概率约为 50%,未来 2 到 10 年的行动将决定结果。