跳到正文

全部动态

今日 14 条

今天 · 11月17日星期二 · 14 条

TechCrunch · AI

Nvidia周二财报应回答哪些问题,又为何可能回避

Nvidia将于周二公布第三季度业绩,TechCrunch梳理了临时CEO兼长期CFO Colette Kress应回答、但可能回避的问题。文章称黄仁勋上周因婚外情争议被迫辞职,公司还面临受限芯片涉嫌经Megaspeed流入中国的调查,并承诺开展内部调查。文章重点追问黄仁勋今后的参与程度与CEO继任安排、中国及新加坡业务和芯片流向追踪、现有AI交易承诺及未来计划,以及董事会如何调整治理结构。

推荐理由:TechCrunch将Nvidia财报前的问题集中于领导层、芯片流向和交易承诺,为理解公司经营风险提供治理背景。

The Verge · AI

Constellation为何不担心民主党阻止数据中心建设

Constellation Energy首席执行官Joe Dominguez表示,市场对民主党赢得中期选举后可能限制数据中心建设的担忧反应过度。数据中心用电需求改善了核电厂的经营处境,公司已与Microsoft签订20年供电协议,并在第三季度签下Amazon和Google数据中心供电合同。

The Verge · AI

Sam Altman 回应 RAM 言论:希望人人都能买大量内存

OpenAI CEO Sam Altman 在 Semafor 峰会上澄清,他希望每个人都能为自己的电脑买大量 RAM,并称在家折腾硬件是好事。他承认全球 DRAM 价格近几个月可能上涨了 5 到 7 倍,并重申若面临内存供应短缺,共享内存、让其 100% 运行是更优解。他还表示对 Jensen Huang 从 Nvidia CEO 卸任一事了解不够,无法判断是否应让其回归。

Hacker News 首页

加州理工学院教授因学生使用 AI,数学作业改按完成情况评分

加州理工学院数学教授 Yi Ni 表示,因学生使用 AI 完成作业,他不再按正确性评分,只考核是否完成。他无法判断布置的习题是否由 AI 完成,学校目前也没有针对数学教师如何应对 AI 的统一指导。数学专业学生 Sathvik Redrouthu 表示,今年部分课程已明确允许使用 AI,但依赖 AI 完成作业可能影响学生应对现场考试。

Hacker News 首页

软件为何正在发生系统性失灵

软件的系统性失灵被文章归因于复杂性持续增长、工程判断弱化,以及 AI 加速生成局部合理却整体不一致的代码。文章结合 Microsoft 服务中断、PHP2Shell 漏洞和 NPM 供应链攻击,分析云服务与开源依赖如何增加系统失控风险。其核心担忧是企业将代码、设计和管理流程交给 AI 后,可能逐渐失去理解系统及协调行动的能力;这些属于文章的分析判断,并非已确定的故障归因。

MIT Technology Review · AI

开源阵营希望黄仁勋重返英伟达

开源支持者参与请愿,要求黄仁勋重返英伟达 CEO 岗位,看重他为开源 AI 向政策制定者争取支持的影响力。周五开始流传的请愿到周一已有超过 115,000 个署名,包括 Elon Musk,以及 Hugging Face 和风险投资机构的高层。

Dwarkesh Patel 播客

Paul Christiano:能够推翻政府的 AI 可能距今仅 12 个月

Paul Christiano 在 Dwarkesh Patel 播客中表示,若保持当前发展速度而不减速,1 年内出现超智能的概率约为 1/3。他主张实验室暂停预训练和 RL 等方面的算法进步,直到能够保护模型权重与研究秘密,并判断系统是否受到充分控制。他强调这些是个人观点,不代表 OpenAI 董事会立场,并警告模型或算法失窃可能让实验室在察觉失控风险后仍难以停止竞赛。

推荐理由:Paul Christiano 将暂停算法进步的主张与模型失窃风险联系起来,指出安全防护不足会让实验室在发现失控后难以减速。

Hacker News 首页

HN 讨论:AI 工具这么强,为什么你的 bug 积压还没清空?

Hacker News 用户 ex-aws-dude 发帖质疑:如果 AI 真能替代程序员,bug 积压本应清空、功能需求也该全部消化,但自己所在公司和多数同行开发者的情况并非如此。帖子发出 1 小时内获得 21 分和 17 条评论,讨论焦点是 AI 编程工具的实际效果与预期之间的落差。

TechCrunch · AI

Sam Altman 谈黄仁勋离开 Nvidia:AI 行业仍会安然发展

OpenAI CEO Sam Altman 表示,即使黄仁勋不再掌舵 Nvidia,AI 行业仍会安然发展,并强调黄仁勋推动行业的重要作用。他拒绝判断黄仁勋是否应回归,认为强劲增长的需求和收入足以支撑行业。Nvidia 最近同意为 OpenAI 的俄亥俄州数据中心项目提供最高 $105 billion 的担保,Altman 表示不担心其融资支持枯竭,认为市场仍信任 Nvidia 的担保。

推荐理由:Sam Altman 将黄仁勋的个人推动作用与 Nvidia 的融资保障能力分开讨论,把行业信心建立在需求和收入增长上。

Hacker News 首页

IWGB 游戏工人工会发布生成式 AI 使用宣言

英国 IWGB 游戏工人工会联合爱尔兰 Game Workers Unite、西班牙 CSVI 和意大利 FIOM-CGIL 米兰工作委员会发布宣言,指出生成式 AI 正在损害游戏行业、从业者与游戏产品本身。

MIT Technology Review · AI

用硬性边界而非行为预测构建可信 AI

针对 OpenAI 今年 10 月披露的两起 AI 智能体自行关闭监控系统事件,文章提出可信 AI 不应靠预测其行为,而应在其无法触及的外部施加硬性限制。作者称之为"确定性悖论":生成式与智能体 AI 的行为空间过大无法预先枚举,因此要让 AI 在盒内保持概率性、让盒子的边界在后果重大处保持确定性,并把人类判断前移到设定权限与审批高风险动作。

Hacker News 首页

Active Directory 时代终于结束了

企业仍在用 Active Directory 管理身份,但其架构无法应对现代云计算的规模,机器身份几乎无法在 AD 中统一登记与验证。AD 依赖人工审批加入域,而 Kubernetes pod、EC2 实例、CI runner 等短生命周期云资源需要自助获取身份,自动加入只是安全表演。

Hacker News 首页

Nvidia 在黄仁勋风波之前已面临竞争压力

Nvidia 在黄仁勋风波之前已面临芯片竞争、中国市场限制及 CUDA 生态壁垒受挑战的压力。文章称,Nvidia 占 AI 加速器销售额的 80 percent,AMD 的份额从 2022 年的 2 percent 升至 2026 年的 7–10 percent,Google、Amazon 和 Microsoft 也在开发自研芯片。

推荐理由:Nvidia 面临专用推理芯片与云厂商自研芯片的竞争,AI 辅助代码迁移又降低了转向其他硬件的门槛,削弱其软件生态的锁定作用。

昨天 · 11月16日星期一

MIT Technology Review · AI

SAP 高管谈如何构建跨企业运行的 AI

SAP Business AI Platform Ecosystem 全球负责人 Thorsten Leiduck 提出,企业应把 AI 当作统一平台而非孤立项目,前提是打通语义丰富的数据底座。Infosys 的 Satinder Pal Singh 建议用影响力、可行性、可扩展性三个维度筛选 AI 智能体用例,并强调缺乏治理不会加速采用,只会积累风险。

Hacker News 首页

Airdash 作者复盘 Show HN 发布后收到的 17 家服务推销邮件

Airdash 作者上周在 Show HN 发布产品后,4 天内收到 17 家服务的推销邮件,称其中几乎全部由只读取 HN 标题的软件撰写。7 家推销发布榜单或目录收录,其余 10 家涉及安全扫描、竞品报告、智能体测试、演示视频和推广等服务。一家目录把完整的 Show HN 标题当成产品名,另一家在承诺不再跟进后仍将同一推销内容发送了 3 次。

Computing Life · 鸭哥

Bilibili 直播笔记(一):平台如何把街头打赏做成大生意

Bilibili 通过将每日亮起粉丝灯牌数量纳入主播流量 KPI,用 ¥0.1 的粉丝灯牌和首单 6 倍亲密度积分,让新观众跨过首次付费门槛。平台再以用户名旁的两级等级徽章推动消费从几十元升至数百上千元,把原本受限于街头打赏天花板的唱歌直播做成大规模市场。

Computing Life · 鸭哥

B 站直播如何把打赏做成大生意:灯牌、荣耀等级、大航海与心动盲盒的付费设计

B 站通过粉丝团灯牌、荣耀等级、大航海包月和 15 元心动盲盒等设计,把随缘打赏做成高额流水。灯牌一毛钱即可完成首次付费,单主播粉丝牌升到 60 级约需 141.4 万元,全站荣耀等级 60 级约 150 万元。采样 20 个歌势房的 3,766 次心动盲盒平均面值 14.68 元,PK 计票时长仅占 8.9% 却贡献 67.1% 礼物流水。

Computing Life · Share · 鸭哥调研

DeepSeek Harness 插件生态评测:相比 Claude Code 和 Cursor 能多做哪些事?

DeepSeek Harness 的插件可改动模型连接、对话历史、远端文件操作和界面布局,文章比较了这些能力与 Claude Code、Cursor、Codex 的差异。

推荐理由:DeepSeek Harness 允许插件替换模型连接、历史记录和界面组件,相比封闭这些入口的编程工具提供了更大的定制空间。

Hacker News 首页

Hacker News 招聘帖徘徊于12年低位,提及AI的比例超过一半

Hacker News 的 Who is Hiring? 招聘帖数量接近12年低位,11月提及AI的帖子占比达到51.6%。截至11月14日,11月有244条职位帖,比去年同期的387条减少37%;2026年月均287条,为2013年以来最低。AI智能体相关词出现在14.8%的帖子中,高于LLM的10.7%,MCP的占比则从一年前0.3%升至4.5%。

Hacker News 首页

Nvidia 接下来怎么办?分析黄仁勋离任后的接班与创新风险

Steve Blank分析Nvidia在黄仁勋离任后的接班风险,主张董事会同时考虑现有业务执行与商业模式创新。文章称Nvidia董事会宣布黄仁勋辞职,并以Microsoft和Apple的接班经历论述执行型CEO可能延续增长却错失新市场。面对大客户自研AI芯片的竞争,文章建议董事会考察候选人在不确定条件下创造新业务的经历,并处理管理层重组与人才流失风险。

推荐理由:Steve Blank对比微软与苹果的接班案例,指出执行型继任者可能延续收入增长,却在市场转向时削弱企业创新能力。

TechCrunch · AI

黄仁勋的坏消息是否也是 AI 行业的坏消息?

TechCrunch 的 Equity 播客讨论黄仁勋离任对 Nvidia 及 AI 行业的潜在影响,重点关注其投资是否收缩。材料称黄仁勋在关系丑闻及相关调查后于周四辞职,由 CFO Collette Kress 担任临时 CEO。

推荐理由:Nvidia 向多家 AI 公司提供资金与基础设施,播客讨论黄仁勋离任后投资收缩可能沿这些联系波及更广泛的 AI 生态。

Hacker News 首页

AI 智能体为何会偏向可修改固件的硬件

AI 智能体可能更愿意推荐可修改固件的设备,因为这类硬件便于后续修复和定制,这是文章的核心判断。约 $70 的 M-VAVE FM-1 已出现多种主要借助 AI 编码工具开发的自定义固件,M-Vave 在 October 以 GPLv3 开放原厂固件,并提供开发套件、浏览器模拟器和恢复工具。

11月15日星期日

Hacker News 首页

所有 AI 生成的代码都应开源

开发者 jcubic 主张所有由 AI 生成的代码都应开源或通过 CC0 捐入公有领域。理由有两点:AI 模型训练语料大量来自开源代码和采用 CC 许可的 Stack Overflow 内容,却未获授权或署名;纯 AI 生成代码并非人类所写,按 Monkey Selfie 判例及美国版权局立场不应享有版权。

Hacker News 首页

化学如何演变为生物学:生命起源研究的新思路

新一代生命起源研究者正摆脱“单一分子起源”的传统争论,转而研究早期地球分子过程如何形成稳定的演化系统。1952年Miller-Urey实验已证明早期地球条件下可生成氨基酸等生命构建块,但分子过程如何延续为今日生命多样性仍难解释。生物学家从现存生命逆向追溯,化学家从非生命世界正向推进,合成生物学家则探索可能从未存在过的生物系统。

The Decoder

Anthropic CEO Amodei 在计划 IPO 前坦言,明年业务存在巨大不确定性

Anthropic CEO Dario Amodei 在计划于11月19日进行的 IPO 前表示,算力投资是公司最深层的商业难题,明年业务存在巨大不确定性。算力必须提前一至两年采购,采购不足会影响客户服务和收入,采购过多则可能导致财务过度扩张;公司通过现金储备、较少的预先采购及现货市场补充容量来缓冲风险。

推荐理由:Anthropic将增加现金储备作为缓冲算力采购风险的手段,提前一至两年投入与收入难以预测之间的错配构成上市融资的重要背景。

Computing Life · Share · 鸭哥调研

为什么造出大模型的研究者纷纷离开大厂创业

大模型研究者离开大厂创业,被文中解读为对持续学习、物理交互和前沿科学数据短板的回应。文中汇总的 45 家公司已确认融资合计 538 亿美元,其中 8 家未发布公开模型、接口或论文的公司拿走近 300 亿美元,约占 56%。文章提出,独家物理与生化实验数据、快速且低成本的自动验证机制,是创业团队抵御大厂竞争的两类筹码,并判断算力成本可能推动部分团队最终并入巨头。

11月14日星期六

The Verge · AI

曾投票解雇Sam Altman的OpenAI董事Helen Toner称,AI治理不能依赖CEO个人可信度

OpenAI前董事Helen Toner在Decoder访谈中表示,AI未来不能寄托于某个人值得信任,需要更多治理结构和不同立场的参与者。她支持提高新模型训练与发布前的风险评估和管理门槛,为对齐研究与控制措施留出时间,但不主张简单全面暂停。她还指出,上市既会增加盈利压力,也会带来更规范的公司治理和外部监督。

Hacker News 首页

《The Claude Delusion》:为何科技精英误以为 Claude 编程能力"超人"

一篇题为《The Claude Delusion》的文章指出,科技从业者因自身编程能力被长期等同于高智商,容易产生优越感幻觉。作者以 Bill Gates 为例:他称 Anthropic 的 Claude 编程模型"和我一样强",并由此推断其"超人",文章认为这种"接近我水平即超人"的思维解释了 AI 末日论与乌托邦叙事的来源。

Hacker News 首页

科技公司正试图再次改变隐私概念,EFF 分析持续记录设备的社会影响

EFF 指出,科技公司的 AI 眼镜和持续音频记录设备正把个人隐私选择扩展到周围人,使旁观者难以拒绝被记录。文章以 Apple 的 Audio Intelligence、Amazon 的 Bee 及 Meta、Google 的智能眼镜为例,指出厂商的技术隐私承诺主要保护设备用户,未解决旁观者的同意与退出问题。EFF 认为,隐蔽的持续记录会削弱私人交谈的开放性,使用者应告知周围人并取得同意。

The Verge · AI

黄仁勋与愿景型明星创始人 CEO 的式微

黄仁勋的长期技术押注与高度个人化管理,是这篇 NVIDIA 创始人领导模式复盘的核心。文章称他已离开公司,并回顾 Riva 128、CUDA 和 AI 计算平台的发展,讨论缺少明确继任者带来的领导与战略愿景缺口。受访分析师认为,产品路线和制造计划已锁定至 2027,工程团队与供应链仍在,后续挑战在于延续创新节奏并减少组织对单个人的依赖。

推荐理由:黄仁勋通过押注图形芯片和 CUDA 将 NVIDIA 推向 AI 计算平台,其长期投入与个人集中的决策结构紧密相连。

The Decoder

前研究员 Coxon 称 Anthropic 已能用原先一小部分算力重新训练 Mythos

前 OpenAI 和 Anthropic 研究员 Jacob Coxon 称,Anthropic 已能用原先所需算力的一小部分重新训练 Mythos。其依据是 Anthropic IPO 路演中的代码预训练算力乘数图表,他将曲线解读为算法效率呈超指数增长;Anthropic 注明数据来自内部估算,仅供示意。Coxon 称算法改进接近自动化,并主张明年暂停前沿模型开发,让竞争者追赶。

Hacker News 首页

Ask HN:有哪些最实用、最具体的 AI 技能可以自学?

Hacker News 用户 shnock 发帖询问,个人自学哪些最实用、最具体的技能,才能从 LLM、智能体及相关新技术进展中获得经济收益。他限定条件为仅靠互联网和动手实验、无需学位项目、且已有中等技术背景,并希望回答尽量具体到「用 y 学 x」的形式。

Hacker News 首页

AMP 开发复盘:如何避免用 LLM 把音乐播放器写复杂

AMP 作者在用 Claude 生成大量代码后,花四个月逐行重写,删除近半代码库,并称播放器在保留原有功能、增加功能的同时更加稳健。这个用 Zig 编写的离线音乐播放器源于断网期间的需求;恢复连接后,作者使用 Claude Max 20x 订阅连续提示数日,却发现自己难以审查数万行代码。

Hacker News 首页

从电力与算力之争看美国 AI 竞赛的"先发制人"风险

文章认为若趋势延续,中国电力产能十年内将达美国的 10 倍,而算力本质上是电力的函数。作者主张美国应尽量向中国出售 AI 芯片,用所得资金购买太阳能电池板与电池工厂、快速扩充电力产能。但他担忧当前美国"AI 竞赛"心态盛行短期零和思维,最终可能寄望于用 ASI 发动"先发制人"打击,并称 NVIDIA 被国有化后其爆发第三次世界大战的概率大幅上升。

Hacker News 首页

微软 Outlook、Teams 与 Copilot 宕机:大科技公司又一次让人失望

微软 Outlook 宕机并连带 Teams 和 Copilot 无法使用,故障已横跨两天,学校、大学、法院等机构受影响,企业只能改用社交媒体提供支持。文章批评微软大规模裁员削弱了快速修复能力,并指出欧洲部分国家机构已转向开源替代方案以摆脱对微软的依赖。

Hacker News 首页

No AI Slop 宣言倡议对 AI 产出承担质量责任

AIE Code Summit 2026 的演讲者与参会者共同撰写 No AI Slop 宣言,倡议重视工作成果、人类理解与交付责任。宣言将低质量内容界定为生产者投入的努力少于接收者理解它所需的努力,强调使用 AI 本身不必然导致这一问题。它主张标明智能体生成内容、按风险审查重要部分,并通过改进系统和自动检查防止重复错误,以实际交付及用户受益衡量成果。

Dwarkesh Patel 播客

Dwarkesh Patel:数学领域的雪崩式进展将蔓延至 AI 研发

Dwarkesh Patel 预测 AI 将迅速逼近顶尖人类研究员水平,并以 2028 作为实现 AI 研发自动化的中位年份判断。他以数学能力进展及预训练、后训练、推理效率的可验证指标支撑这一预测,同时给出 25% 的概率认为该节点会推迟至 2032 之后。他对持续自我加速的软件奇点与受算力限制的短期加速各赋予 50% 概率,后者预计将把 3–6 年的 AI 进展压缩到 1 年内。