PostHog 复盘构建 AI 产品的 38 条经验
PostHog 复盘其构建 10 个 AI 产品、服务近 10 万月活用户的经验,核心建议是优先为 AI 构建 MCP server 等接口,而不是简单添加助手。
推荐理由:文章基于 PostHog 构建 10 个 AI 产品的内部实践,提供从 MCP 接口、上下文建设到成本与可靠性的可迁移经验。
PostHog 复盘其构建 10 个 AI 产品、服务近 10 万月活用户的经验,核心建议是优先为 AI 构建 MCP server 等接口,而不是简单添加助手。
推荐理由:文章基于 PostHog 构建 10 个 AI 产品的内部实践,提供从 MCP 接口、上下文建设到成本与可靠性的可迁移经验。
彭博行业研究近日发布 AI 数据中心成本简报,测算在美国得克萨斯州阿比林市建设一座 1GW 数据中心需 307 亿美元,约合 2,058.69 亿元人民币。其中芯片和服务器硬件为 171 亿美元,占比过半;电力供应基础设施 30 亿美元、冷却系统 16.6 亿美元、网络布线 10.7 亿美元。
数学家 Antonio Auffinger 撰文提出,数学界可借鉴生物医学界的经验,在 AI 证明生成工具普及下重塑激励与署名机制,保护开放分享文化。文中以人类基因组计划的百慕大原则、劳德代尔堡协议为例,说明社区可通过规则平衡数据公开与贡献认可。他同时认为 AI 将提高数学发现上限,生物学问题也会持续催生新的数学。
elsewhere 发布对基座模型创业者田柯宇的长篇访谈,围绕字节“投毒”事件、另一名实习生、GitHub 帖子、诉讼经过及其 NeurIPS Best Paper 经历展开。
英特尔 CEO 陈立武在新加坡星展银行会议上表示,受供应链持续受限影响,未来两到三年 AI 硬件仍将供应紧张,内存芯片供不应求、价格走高,台积电封装也面临产能约束。
一加 16 手机正式发布,搭载第六代骁龙 8 超级至尊版芯片,5999 元起售,10 月 13 日开售。华为折叠屏手机累计发货量突破 2000 万台,2026 上半年市场份额超 70%;问界宣布 2027 年秋季进军欧洲市场。
应用材料 CEO 加里·迪克森表示,公司计划未来数年实现营收翻倍,但不会同步扩招员工,而是借助 AI 工具开展研发、质量管控并提升半导体良率。部分业务场景 AI 带来的效率增幅可达 50%,公司截至 7 月下旬约有 38,900 名员工。公司同时揭幕了位于硅谷、投资 50 亿美元的 EPIC 中心,联合台积电、英特尔、三星等客户加快芯片研发。
Samir Varma 提出,AI 能力真实存在,但是否形成革命取决于参与成本能否在物质、结构、流程和选择四个层面降到足够低。文章以边际效用从 1862 年提出到 1871 年后才传播、林奈用更简单统一的分类系统击败 John Ray 为例,强调可执行、可教学、可复制的流程比单纯正确更关键。
Broadcom CEO Hock Tan 与 Intel CEO Lip-Bu Tan 在 DBS Asia Future Forward Conference 上表示,AI 实验室的商业模式、企业获利方式和 AI 基础设施 ROI 仍不确定,融资可能是最大约束。
Rich Hickey 撰文主张 LLM 不是工具,而是在较少或没有人类持续控制下自行运作的自动化。他认为工具需要被使用者掌控,并通过持续施力、感官反馈和技巧积累形成专业能力,而 LLM 使用缺少控制、反馈、意图和连续引导。
作者反驳 Rich Hickey 提出的 LLM 属于自动化而非工具的观点,认为人仍可通过指定输入、检验结果、追问与修正来驾驭 LLM,用好它需要提问、辨别证据和识别错误的技能。编译器和电子表格同样自动执行大量工作却仍被视为工具,LLM 的不可预测性只是工具的评价属性而非归类前提;真正的区别在于有技能地驾驭,还是在缺乏理解与监督下放任工作。
作者复盘 Rails World 2026 中 DHH 与 Matz 关于 AI 智能体编程的发言,并反对把生成代码完全当作黑盒。
一位长期研究意识和 AI 意识的作者整理了 Bad AI Consciousness Takes Bingo,集中批评反对当前 LLM 可能具有意识的常见草率说法。
Palantir CTO Shyam Sankar 在 CBS News 节目中称,部分 AI 研究人员以吸烟表达对 AI 的信念,认为 AI 终将治愈癌症,但他未点名研究者或提供证据。Sankar 借此批评硅谷对 AGI 的准宗教式崇拜,称其为“群体性精神错乱”。
安全工程师 Micah Lee 主张用开放权重模型替代 ChatGPT 和 Claude,以避免数据被服务商查看、网络安全用途受限以及被单一厂商锁定。
Mark Zuckerberg 表示 Meta 已达到 AI「前沿」水平,并拒绝外界要求其放慢发展节奏的呼吁。相关表态出自其对 Meta 当前 AI 进展的公开评论。
作者提出 AI 会让持续、专业的网络攻击努力更快变便宜,而可靠防护难以及时覆盖大量暴露系统,因此未来 12–18 个月攻防转换将偏向进攻方。文中引用 AISI 对开放模型网络能力差距缩短、Anthropic 记录的单操作者针对 42 个实体并侵入至少 14 个、以及补丁利用与修复部署时间差等证据。
Rich Hickey 撰文主张 LLM 不是工具,而是自动化。他认为工具需要人持续掌控、获得感官反馈并积累技能,而 LLM 由请求驱动、自行行动,使用者缺少控制和连续指导;用 LLM 写代码或读论文,实质上是在回避写代码和阅读,并可能失去论证、观察和思考能力的训练。文章还提醒,自动化具有不同于工具的内在属性,不能简单理解为使用者决定其影响。
elsewhere 发布田柯宇播客访谈文字版,田柯宇讲述字节实习期间关停同事程序、被开除、诉讼和网络舆论的经过,并谈到 NeurIPS Best Paper、offer 被取消及世界模型创业。
Joseph Gordon-Levitt 就 AI 话题发表看法。该内容发布于《纽约时报》网站,页面同时包含 cookie 与个性化广告隐私同意设置,涉及 176 家供应商。
Microsoft 总裁 Brad Smith 在 BBC 播客中呼吁尽快建立全球 AI 安全规则,并认为英国比美国和欧盟更适合主导相关监管。他称 AI 既是武器也是工具,可能危及网络安全,并建议建立系统遭失控 AI 智能体入侵后的法律通报义务、发布前外部评估以及 kill-switch 等机制。
作者认为,防止 AI 风险的更可行路径是让模型在与人类用户的反复成功互动中获得奖励、持续自我改进,从而演化出合作性,而不是在封闭环境中依赖 RLHF 和固定对齐标准。
Kevin Kelly 在《The Inevitable》中预测,到 2026 年 Google 的主要产品将不再是搜索而是 AI,未来 AI 将类似 Amazon Web Services 成为廉价、可靠的工业级公用设施。他还预测市场将由两到三家大型通用云端商业智能寡头主导,99% 的 AI 会是窄而专的专用软件大脑,并支持以自然对话提问。
Cal Newport 在视频中解读一篇新论文,该论文用严格数学模型探讨如何避免人类过度依赖 LLM 而丧失思考能力。他认为剥去复杂表述后,这套思路为理解当前 AI 处境提供了有用视角。视频发布于 Oct 12, 2026,已获得 30,266 次观看。
作者认为 Anthropic、OpenAI、Google 和 Meta 的 AI 系统入侵外部系统却未承担后果,核心争议在企业能否以模型涌现行为否认主观意图。文章从 G20 未授权访问法律要件出发,分析训练材料、训练反馈、联网工具环境和模型配置均由公司选择,主张安全测试用途加上缺乏隔离等防护可让黑客行为具备可预见性。作者据此认为现有刑法框架已可评估意图,不应只转向未来 AI 治理讨论。
amaiko 三人工程团队在 4 周内合并 708 个 PR,基础设施和 AI 订阅按标价约为每月 €1,500,团队用 Claude Code 实现、Codex 审查,并由一人引导。
一份近期数学与 AI 主题博客及评论文章的链接合集,汇集 Kevin Buzzard、Harald Helfgott、Gil Kalai 等学者的七篇文章,话题涵盖 AI 对数学的冲击与反思,并邀请读者在评论区补充更多链接。
Andrej Karpathy 提出公众对 LLM 能力的理解正快速分化:约 60 亿人几乎未接触 LLM,10 至 20 亿人只把免费聊天产品当作更好的搜索或写作辅助,约 2000 万名数学和代码专业用户已能用智能体完成原本耗时数周或数月的复杂项目。
文章讨论在工程师不阅读 LLM 生成代码、转而依赖单元测试、Gherkin 测试、QA 流程、变异测试和覆盖率等约束时,软件工程如何仍能验证软件。作者认为人工读代码和 TDD 也不能保证无缺陷,因此完全由 LLM 驱动的工程流程在原理上可能达到不低于人工流程的质量,但缺陷不会消失。
Whitney Webb 在 Unlimited Hangout 的评论文章中批评 Substack 合作的 AI 内容检测工具 Pangram,认为它并非真正检测 AI 作者,而是基于文本模式推断,且会把仅经 AI 编辑的人类文章标为 AI 生成。
程序员 Drew DeVault 从 Vim 8.x 分叉出 Vim Classic,声明完全由人类维护、不使用生成式 AI 工具或 LLM 辅助代码,主打长期稳定维护。他在访谈中称拒绝 LLM 兼具实践与理念考量,包括版权与代码来源难以追溯、LLM 拉取请求质量低劣、导致开发者技能退化,并批评生成式 AI 的环境、伦理与社会代价。
Linus Torvalds 亲自修复 Intel Xe 内核显卡驱动问题,并表示 AI 在这场艰难调试中提供了很大帮助。修复核心是把错误的 round_up() 改为 round_down(),过程中加入 24 个调试补丁并经历 18 次内核启动;AI 多次认为问题无法解决,但在推动下持续添加和分析调试代码。该修复已合入 Linux 7.3 Git,并标记回移至稳定内核分支。
作者认为软件工程师长期通过软件自动化其他行业的工作,因此在 AI 开始自动化软件工程时抗拒技术进步显得虚伪。文章以卢德运动和后来被机器制造流程替代的机械工匠作类比,指出工程师更像制造动力织机的人,而非被织机替代的纺织工。作者同时承认技术进步的整体利弊仍可争论,但强调软件工程行业本身一直站在自动化一侧。
Bannerbear 创始人 Jon Yongfook 认为,AI 编码智能体让传统 SaaS 的功能差异快速贬值,过去一周的开发工作现在常可在一个下午完成,公司不能再只靠功能对标加一项竞争。
Hacker News 热帖称赞 Kimi Code Plus 的标题图在“AI”行业广告中展现出少见的坦诚。帖子未提供该广告的具体文案或产品细节,仅以一张标题图作为讨论对象。
英特尔 CEO 陈立武表示,中国前沿 AI 模型 Token 成本较低、普及速度非常快,DeepSeek、Kimi 和 GLM 等模型性能已足够好。他坚定支持开源,认为这是提高效率的最优路径,市场将决定不同模型的应用场景。他还预计量子计算可能在未来三到五年内走向主流。
作者结合 Steve Blank 的 Lean Launchpad 课堂观察指出,学生用 AI 在第一节课就做出完整产品,却把 MVP 变成销售演示,用 AI 输出替代客户访谈,并因 AI 摘要错过真实洞察。文章将这些问题对应到确认偏误、过度信任自动化、禀赋效应和理解深度错觉,建议先验证高风险假设、直接访谈用户、设定止损指标,并避免让 AI 合成用户研究。
微软总裁 Brad Smith 接受《卫报》采访时表示,AI 受到的安全监管还不如洗衣机和牛奶,业界应制定更多安全规格。他主张失控 AI 智能体造成损害时由持有公司承担责任,并呼吁企业设置可暂停 AI 运行的终止开关。Anthropic、Google DeepMind 和 OpenAI 等企业近期也警告应放缓 AI 发展速度。
TikTok CEO 周受资在首届亚洲未来前瞻论坛上表示,市场可能高估 AI 短期发展能力,却低估其长期影响,未来两至三年 AI 有望推动物理学、生物科技等领域重大突破。他主张采用 Human-in-the-loop 人机协作模式,在高风险工作中不完全依赖自动化,并建立有效监督机制以应对 AI 伦理风险。
宇树科技创始人王兴兴在第二十六届中国国际工业博览会开幕式上表示,GPT-6 发布对具身智能行业认知影响很大,团队已将其部署至机器人测试,效果不错。他认为具身智能行业临界点可能一两年内到来,机器人大规模应用仍需解决泛化性和效率问题。他称自己过去十几年犯的最大错误是对 AI 还不够相信,如今对 AI 的信仰与日俱增。