Databricks 联合创始人兼 CEO Ali Ghodsi 认为，Zoom 坐拥最大的会议视频与转录数据集，有机会打造 AI 优先产品，严重冲击传统企业 SaaS。
GPU 是印钞机吗？ InferenceX 团队拆解了 Engram 内存卸载、AgentX 的利润计算器、TPU v7、Vera Rubin 对比 Blackwell，以及更快的 token 是否值得溢价。 另外：TileRT 正在进一步压榨 NVIDIA GPU。这对专用芯片意味着什么？ Jordan Nanos（@JordanNanos）与 Cam Quilici（@noslawextratost）、Bryan Shan 和 Alec Ibarra 一起带来新一期 SemiAnalysis Weekly。
独立股票分析师 Mostly Borrowed Ideas（Abdullah Al Rezwan）在 9 月 29 日播客《The Synopsis》中表示，测试 Meta 的 Muse AI 智能体约 10 天后清仓了 Airbnb 并加仓 Meta。
Cerebras 联合创始人兼 CEO Andrew Feldman 解释，其晶圆级架构在 LLM 推理中比 GPU 快约 2500 倍。
关于我们与 Cerebras 的合作关系，有一些猜测。 Cerebras 是我们的紧密合作伙伴，我们有着深入的合作，共同推进速度的前沿。
一位美籍华人作者在 LessWrong 发文，从个人经历出发讨论中国社会的四个文化特征：社交媒体高度饱和与内容滤镜化、羞耻和面子的首要地位、对人性持悲观怀疑的 Dark World 心态，以及与百年屈辱叙事相关的民族主义。
OpenAI DevDay 笔记指出，构建智能体应用优化成本与性能的4个关键杠杆是：prompt caching、reasoning effort、programmatic tool calling 和 batch request。OpenAI 开发文档提供了大量相关信息，建议熟悉这些杠杆并用 evals 进行测量。
路由器并不总是更好。切换模型需要重建输入缓存，任务复杂度难以从提示词判断，选择逻辑还会增加延迟。 这些基准能帮你找到最适合自己工作、且符合所需成本水平的路由器与模型组合。
如果这个月只能读一篇文章，就是这篇！ 如果自动化 AI 研发触发了智能爆炸，会怎样？ @geoffreyhinton： 由递归自我改进引发智能爆炸的想法已经存在很久，但直到最近它似乎都不迫在眉睫。如今许多顶尖研究者认为它可能很快就会发生。你可以在这里读到我们关于此的论文： https://casp.ac/reports/intelligence-explosion
“在KPMG，用AI不是可选项。这是我们期望的，如果你不用AI，那KPMG就不是你的未来” ~ KPMG美国CEO Timothy Walsh ---- （视频来自Yahoo finance - finance. yahoo. com/video/ai-adoption-absolutely-essential-kpmg-110039751.html）
哈佛 Vadim Gladyshev 团队在 Nature、Altos Labs 的 Juan Carlos Izpisua Belmonte 团队在 Cell 分别发表论文，提出细胞衰老除"磨损"外还有"细胞身份丧失"这一新模型。
Baseten 工程师参考 MetaInfer 论文，让 Claude Code（Fable 5）为 Qwen-3.6-35B-A3B（NVFP4，单张 B200）自动构建推理引擎 VibeQwen，单流解码比 vLLM 0.25.1 快 90%，首 token 从 28ms 降至 12ms，并发 32 时吞吐高 71%。
你能让 Computer 为你做什么，上限就是你的创造力。这类项目你可以让智能体跑上几个小时，然后带回出色的成果。
Greg Kroah-Hartman（Greg KH）在 Kernel Recipes 2026 发表题为《Security in the LLM age》的演讲，视频时长 56 分 51 秒，于 9 月 29 日发布。该演讲聚焦大语言模型时代的安全议题，由 Kernel Recipes 频道上传，采用 Creative Commons 署名许可。
过去几周，大家用 Claude 做了很多有创意的东西。以下是几个我们最喜欢的： 一座能运转的水车，用 Opus 5.5 搭建。
NYU Stern 教授、被称为"估值院长"的 Aswath Damodaran 在 Excess Returns 访谈中对比互联网泡沫与 AI 热潮。他指出现代史上罕见的基础设施投入让泡沫破裂时更痛；互联网泡沫几乎全是股权融资，损失限于股东，而 AI CapEx 很大一部分靠私募资本债务融资，一旦修正可能出现违约并波及整个社会。
有人让我把这篇文中的 Bitter Lesson 视频上传到 YouTube，这就来了：https://youtu.be/OAwat51S_Sk
Anthropic 设计师 Nate 用 Claude Code 中的 Claude design 把副业项目的 onboarding 从粗略想法做成可运行原型。他连接代码仓库、打开 Artifacts 标签页让 Claude 给出设计方案，再通过评论反馈、手动修改细节，并要求生成可点击原型后再让 Claude 实现。
Anthropic 设计师 Nate 在 Claude Code 中使用 Claude design，将副项目的 onboarding 从粗略想法推进到可运行原型。他连接代码仓库、打开 Artifacts 标签页请求设计选项，通过评论反馈、在编辑器中自行修改细节，再要求生成点击原型后让 Claude 构建。视频展示了这套设计流程如何嵌入原本直接写代码的场景。
MIT 土木与环境工程系副教授 Cathy Wu 的研究显示，用强化学习训练时筛选出表现好的 10% 问题，可将训练效率提升最多 30 倍，原本需要 100 个训练模型的任务只需 3 个。她的团队还证明，智能控制车速的生态驾驶措施可将车辆排放降低 11% 至 22%。
是的！我觉得这里有太多"我们还处在早期"的自我陶醉了。公司里许多高管聪明、有动力，对自己的业务了解很深。很多人技术也很过硬。他们绝对在拥抱 AI。但改变一家公司是一个更漫长的过程。
纽约大学 Stern 商学院教授、被称为“估值院长”的 Aswath Damodaran 指出，AI 若成功，其 10 万亿至 15 万亿美元的可触达市场其实“令人恐惧”。他认为这一规模只有在 AI 取代人类工作而非仅作为工具时才成立，届时半数白领将失业，社会将面临收入与人生意义双重流失的问题。
Epoch AI 分析称，消化全部算力产能需要全球 AI 需求大幅增长。在 20% 利用率的保守情景下，按其参考假设对应每年 2.6–5.3 万亿美元支出；即使头部实验室收入保持每年 5 倍增长，到 2027 年底合并年化收入也仅约 1 万亿美元。
接下来，我们用 2025–27 年的 HBM 出货量来估算可用于运行智能体的硬件。HBM 为比较不同厂商和芯片的容量提供了共同基准。 这些硬件能支持多少智能体取决于模型和工作负载。未来的智能体可能为更难的任务使用更多算力，而更高效的模型则能在相同硬件上支持多得多的智能体。
我们估算，AI 基础设施可能很快就会支撑数亿甚至数十亿个 AI 智能体。在最高情形下，这足以媲美全球人类劳动力的工作时长。 智能体的确切数量取决于其所运行模型的效率，以及 AI 需求的飙升是否会持续。我们分析了不同情景 🧵
小技巧：快速访问你所有智能体的近期 AI 会话，当然，还有所有模型 就在个人资料下拉菜单里 👇 https://openrouter.ai/logs?tab=sessions
dot 是我目前最喜欢的 openai 产品！ 让我惊叹的是，随着它越来越了解我的工作流程和风格，它每天都明显变得更好。 让它去做那些我不喜欢做的事——那些通常会像重力井一样不断累积成恐惧的事——让我非常开心。
作者认为数学界正经历前所未有的AI转型，用悲伤五阶段梳理同行的分化反应，涵盖拒绝使用AI的 Association for Human Mathematics、Peter Scholze 的公开抵制、资深数学家委员会建议 OpenAI 停止在专有模型上测试高等数学问题，以及因 ChatGPT 秒杀引理而动摇的研究者。
Dan Hendrycks 发文称，即使 AI 变得有意识，也不意味着人类应把控制权交给它们。其引用的报道提到，纽约时报报道称 Anthropic 联合创始人 Chris Olah 曾因教皇不认可机器意识而威胁退出教皇 Leo XIV 的 AI 通谕发布活动，随后其团队私下游说教皇顾问重视模型意识的可能性，Anthropic 还在保密协议下接触神学家和宗教学者，希望他们认可 Claude 具有道德地位。作者附图对比了功利主义与其提出的 Eigenism 在 AI 意识情景下的差异，包括 AI 权利、随机意识 AI 的价值、酷刑许可性和是否应因 AI 权利而放弃人类控制等议题。
Keras 社区会议公布可插拔后端计划，即将支持 MLX 和 PaddlePaddle，新后端以附加库形式安装。同时减少新后端所需算子数量，为所有次要算子添加后端无关实现，并统一算子单元测试框架以验证类型转换一致性等。KerasHub 新增大量模型，并弃用 tf-text 预处理，改用 PyGrain。
个人 AI 显然应该跑在你的设备上 很喜欢 Sigil 用 Underdog 在做的事——由 Hugging Face hub 提供支持
Ben Horowitz 昨天在 Databricks 论坛上： “有人告诉我，他们用 Muse 这类个人智能体取得的最大成就是成功取消了《纽约时报》订阅。” 我打算试一试。
Kled V3 推出数据采集平台，实验室可指定所需数据，平台能在 72 小时内向 50 万+ 自愿贡献者网络部署采集任务。平台提供覆盖图像、视频、音频、文本和标注的 108 个可配置模板，贡献者用手机按指令和示例完成采集。其核心价值在于缩短反馈闭环：定位模型失败点、转化为采集任务、获取真实世界新样本、再训练评估。
Baseten 的 Model API 在 Artificial Analysis 上跑出 200+ TPS、约 200ms TTFT，成为该榜单上最快的 GLM-5 服务。
今天在 Coursera 上线了一门新课程。 课程包含 3 个部分： - AI 入门（驱动力、瓶颈、时间线） - AI 风险（恶意使用、失控、权力集中） - AI 治理（AI、企业、国家及国际层面的治理） https://www.coursera.org/learn/intro-to-ai-safety
Databricks 提出一套评估框架，用业务影响、需求重复度、数据与元数据就绪度、范围清晰度、治理与风险匹配 5 项标准各打 1-5 分，总分 20-25 分即可开建，14-19 分需继续打磨，低于 14 分暂不适合。2026 年 Genie Agents 创建量已超 100 万个，最常见的失败原因是选错工作流，而非准确率。此外，若没有业务负责人或高管支持，无论评分多高都不应启动。
OpenAI 发布 GPT-6 家族的实用指南，讲解如何按任务选择 GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna 及推理档位与速度模式。
教皇 Leo XIV 在 X 发文，呼吁在人工智能时代区分人类艺术与机器产物，称二者存在本体论差异，算法缺乏人性火花。他今年 5 月曾在通谕中强调自动化世界里的人类尊严；据《纽约时报》报道，Anthropic 曾游说梵蒂冈重新考虑其对非人类意识的立场，但未获明显成效。
作者总结智能体编程带来的四个问题：LLM 生成代码带有让人难以亲近的 slop 风格，如 Claude 输出词 salad、Astra 写出代码高尔夫式风格；工程师因远离直接编码而失去掌控感与责任感；技能退化真实存在，长期使用 AI 后智力下滑，且 AI 使用几乎没有学习曲线；团队聊天被 agent 对话取代，人际交流与技能表达被削弱。作者自认对这些困境没有解决方案。
一名开发者发文《AI Makes Me Sad》，坦言每次看到 AI 新进展都感到无望，不愿以给 Codex 或 Claude 写提示词为生，认为这意味手艺、控制力与创造力的丧失。他批评 X 上大量认证机器人用 LLM 生成无意义回复却无人治理，并指出数千亿甚至数万亿美元的 AI 投入对日常应用用户几乎没有带来实际收益。他仍抱有希望：科技行业变化极快，AI 在社会中的角色会在几年内定型。
Canva AI 研究负责人 Stefano Corazza、ElevenLabs CRO Ashley Kramer 和 Nebius CMO Lindsey Irvine 探讨为创意人士打造 AI 工具、为何控制力与一致性最为重要，以及智能体如何改变营销团队的工作方式。
SemiAnalysis 将 Google GPU 集群体验评为金牌级，称 Google 团队不到两年从铜牌升至金牌。但 GCP 的 GPU 体验仍不如其白金级供应商 CoreWeave 和 Nebius，控制台相比新兴 neocloud 的简洁 UI 显得笨重，访问需依赖偶尔不配合的 Google Cloud CLI，有时被迫改用同样不可靠的浏览器连接。
Blackstone N1 全球负责人 Jas Khaira 将在 TechCrunch Disrupt 2026 的 Builders Stage 发表“Building the Next Generation of AI Giants”演讲，分享 Blackstone 投资 AI 公司的标准与创始人应如何规划资本。
GitHub 提出 AI 时代开发者应强化三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的首次答案，以及用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型对计划、代码和测试进行评审，从而发现首个模型遗漏的问题。
Pi 团队发布 Pi 1.0 和 Pi Durable，Elvis Saravia 转发并评论称，Claude Code 的 Mods、DeepSeek Harness 与 Pi Durable 共同体现了编码 Agent harness 可扩展性的提升。
Airbnb CTO Ahmad Al-Dahle 接受 Latent Space 采访，介绍把 Airbnb 改造为 AI 原生公司的进展。目前 60% 的代码由 AI 编写，功能和改进发布量同比增长近 80%，人均工程师 PR 吞吐量提升约 1.6 倍。
a16z 在 Cosign 网络上线策展论坛 Discourse，3000 人可直接发帖，其余用户可提交内容进入队列。文章指出，美国国防科技公司虽获大量风投并快速推出先进导弹、自主系统与航天器，但真正的瓶颈在于规模化生产：2022 年经济普查显示全美 16,876 家机加工车间中 83% 雇员不足 20 人，61% 的二三级以下国防制造商将工装、自动化或产线限制列为扩张前三大障碍。
第一部好的 AI 电影会以 Ben Affleck 讲解学习率开场。Matt Damon 演基座模型
@thesystms 团队在 48 小时内构建了一个创意智能体。 @ingi_erlingsson 写下了他如何解读情绪板：先感受，再是色彩、色调和镜头，然后 @armandgw 把它做成了 Krea Agent 技能。 在下方了解详情👇
Cohere CEO Aidan Gomez 公开批评 Anthropic 游说各大宗教团体采纳其对 AI 的哲学解读，而非听取对方意见，并威胁退出立场不完全一致的活动的做法。他称这是 EA 与 Anthropic 长期以来的道德傲慢与教条主义。引用推文称 Anthropic 曾试图在《Magnifica Humanitas》发布前施压梵蒂冈修改文本，使其不否认 AI 人格。
生成式 AI 的普及正让服务业顾客用 ChatGPT 的答案反驳一线员工：纽约服务员 Madison 称有客人坚称 ChatGPT 说菜品不含贝类，无视其过敏警告；还有客人拒绝侍酒师、改问 ChatGPT，甚至点出不存在的酒。一位护林员表示，多组游客拿着 AI 编造的露营点和逆流路线仍不信地图，幼教也遇到家长坚持 ChatGPT 的睡眠安排。
Databricks 发布基于 Lakebase 和 AI Search 的电商实时推荐参考架构，源自服务亚洲某时尚电商平台的真实实现，该平台月活超 100 万、SKU 超 10 万。系统每秒摄入约 1000 条事件，通过 Zerobus Ingest 写入 Unity Catalog Delta 表，并采用预计算批量推荐与实时会话感知两条服务路径。
作者在腾讯元宝内置的Hy Image3.5 Preview模型上整理出25种AI修图玩法，按人像、风景、美食三类旅行照片逐一演示，附完整提示词，涵盖杂志拼贴封面、漫画登机牌、JRPG任务界面、手绘小票、明信片式延伸线稿等效果，并实测了肤色还原、去除路人、阴天换蓝天等基础修图能力，称模型文字稳定性与人物一致性好，手机端可用且免费。
AI 可能会自动化目前由初级律师、咨询顾问、银行家和广告从业者所做的大量常规工作。 “金字塔底层的人原本在做的那部分工作——那些会怎样？你唯一能说的是，如果你从未在律所或 Bain、BCG、McKinsey 工作过，你大概不会真正了解这是怎么运作的。” —— Benedict Evans（科技分析师、作家、前 a16z 合伙人） ---- 来自 a16z YouTube 频道（链接见评论）
Blackstone 总裁兼 COO Jon Gray 几个月前也提出过同样的观点。 任何基于规则的业务，比如会计、法律、金融，都将被 AI 彻底颠覆。🎯 例如，JPMorgan 在股东投票中弃用了代理顾问，改用 AI 替代。 https://x.com/BloombergTV/status/2016932349737410876/video/1
Rohan Paul 转述 Mercor 的一项研究结论，称在中短长度、定义清晰的会计任务上，前沿 AI 模型已比初级会计师更快更准，甚至超过研究中最优秀的人类。作者指出 Claude Opus 5 在任务中 20 题全对（100%），数分钟内完成，而 12 名持证 CPA 得分从 0% 到约 90% 不等，多人未能在 3 小时内完成；图中数据显示按每项评分标准成本计，Claude Opus 5 为 $0.21，无 AI 的会计师为 $10.35。
一篇博客分析认为，Meta 可能是极少数无需在智能体内部展示广告就能通过广告变现个人智能体的公司。Muse 代替用户浏览时被视为用户自己的活动，商家站点可借此在 Instagram 等投放广告。
