行业关键人物在想什么：创始人访谈、研究者论战、投资人判断的观点集合。
OpenAI 今天宣布完成了一轮 1220 亿美元的融资，投后估值 8520 亿美元。这轮由亚马逊、英伟达、软银领投，微软、a16z 等也继续跟投，还首次通过银行渠道向个人投资者募了超过 30 亿美元。公司同时把循环信贷额度提到了约 47 亿美元，但正文说目前还没动用。我会先打个折：这些数字主要说明 OpenAI 现在能调动的资金量级很大，但具体怎么花...
推荐理由：这篇东西挺奇怪的：OpenAI 发了一篇叫《加速 AI 下一阶段》的文章，但正文是空的，只有标题和链接。我会先打个折——它没披露任何产品、研究或政策细节，所以没法判断它到底想加速什么。标题本身有话题性，但信息量为零，这点先别太激动。
黄仁勋在GTC上说，到2027年底，Blackwell和Vera Rubin两个平台的累计订单预计至少1万亿美元，而2024年全球半导体产业总销售额也就6000多亿美元。这期节目请了投资人、前英伟达芯片设计负责人和芯片架构师，一起拆解这个数字能不能落地。讨论认为，需求端确实旺盛，推理成本正在追上训练成本，未来Agent智能体铺开后Token消耗会更大。...
推荐理由：这篇不是照搬GTC通稿，而是把1万亿订单这个标题往回拉，提醒真正该盯的是封装、显存和供电。对从业者来说，知道成本能降多少、瓶颈在哪，比看销售数字有用。我会先打个折：正文没给出1万亿订单的具体构成和交付节奏，这点先别太激动。
Anthropic 和五角大楼因为怎么把 Claude 模型武器化吵了一架，结果 OpenAI 用一笔被自家 CEO 称为“机会主义且草率”的交易截了胡。用户开始大批退订 ChatGPT，伦敦也爆发了迄今最大规模的反 AI 游行。讽刺的是，以伦理立身的 Anthropic，现在正帮着美军加速对伊朗的打击。另一边，AI 智能体在网上火了：OpenAI 挖...
推荐理由：这条放 featured 没问题，因为 H 和 R 都拉满了：模型供应商跟军方挂钩，话题性够强，也确实是行业神经。K 这边我会先打个折，正文没披露任何合同细节，连抗议规模都没提，所以别急着下结论说合作有多深。
黄仁勋在播客里解释了英伟达现在为什么要搞“极端协同设计”——因为单颗 GPU 已经不够用了。你想让一万台计算机跑出百万倍的加速，就不能只堆硬件，得把算法拆开、把模型和数据切碎（分片），让网络、交换、存储、供电、散热全部配合起来。否则受制于阿姆达尔定律，计算部分再快，整体也只快一点点。他还提到自己直接管 60 多个人，几乎全是工程背景，分别盯着内存、CP...
推荐理由：这是一手访谈，黄仁勋把 NVIDIA 的竞争逻辑讲得很清楚：不再拼单卡，而是拼整机柜甚至数据中心的协同设计。他提到 60 多个直接下属、1 万台计算机的扩展目标，以及 Amdahl 定律带来的实际限制，信息密度高。我会先打个折，因为这是播客分析，不是新产品发布或人事变动，但作为理解 NVIDIA 战略的入口，值得从业者花时间看。
AGENTS.md 是给 AI 助手预载的指令文件，但别把它写成项目地图。有研究指出，塞进技术栈、关键文件路径这类信息反而会拉低表现，还让 token 消耗多出 20%——这些东西模型自己翻翻代码就能搞清楚。更好的做法是只保留你的行为偏好和纠偏提示，比如“生成网页前先用内置浏览器测一下再给我链接”、“把计划文件统一写到 ~/项目名/plan/ 里”。文...
推荐理由：这篇讲的是怎么把 AGENTS.md 写小、写干净。核心判断很明确：别往里面塞技术栈和文件地图，只保留行为偏好，否则效果会变差，成本还能多出 20%。这个 20% 的数字来自一项研究，但正文没披露研究名称和实验设置，所以我会先打个折来看。可执行的部分挺实在，比如把 AGENTS.md 和 CLAUDE.md 做 symlink、用条件块区分简单网页和复杂应用、按文件夹动态加载，都是能直接抄作业的做法。对经常跟 coding agent 打交道的人来说，这比“多写点上下文”的直觉有用得多，本质是把常驻指令压到最小，减少每次调用的无效消耗。信息缺口在于...
这期播客请了安全专家余弦和“龙虾”老玩家知县，把OpenClaw的风险拆成了几个层级：刚装上时，Agent能读你当前用户能看的本地文件；开始聊天后，对话内容会传到模型服务器，别发密钥密码；让它读写文件干活时，大模型可能理解错意思，误删误改文件，最常见的是把自己“改死”；操作浏览器时，你已登录的账号信息它都能拿到，访问恶意链接也会中招；安装Skill或软...
推荐理由：HKR 三项都踩中了：用具体机制讲一个热门 agent 的系统风险，不是抽象恐吓。文章引了约 250 条安全公告和 v3.2 默认限制，但本质还是播客评论，不是一手产品发布或研究，所以分数落在低段。
OpenAI 跟五角大楼签了涉密协议刚过两周，MIT Technology Review 就划出了三个可能用到它家技术的场景。一是目标排序：分析师把潜在目标清单丢给模型，让它结合后勤、情报等数据排出优先打击顺序，但正文没解释人工复核到底怎么提速。二是反无人机分析：OpenAI 之前跟 Anduril 合作，用模型做实时威胁识别和拦截建议，不过两家都没更...
推荐理由：MIT Technology Review 把 OpenAI 的涉密国防合作往伊朗冲突上套，列出目标排序、反无人机分析和行政支持三个可能落点。我会先打个折：文章没给出部署时间表，也没实锤任何战场使用，所以判断要收着点。但选题本身踩在军事 AI 的敏感线上，加上 OpenAI 刚进涉密圈，这个时间点发出来，话题性够强。
2025年底到2026年初，无代码工具和开源个人助手 OpenClaw 出现，让生成式 AI 从爬直接变成了跑。加州 AB 316 法案在 2026 年 1 月 1 日生效，企业不能再把责任推给 AI 说“是它干的，我没批准”。IDC 受 Data Robot 委托的调查显示，96% 的生成式 AI 部署和 92% 的智能体部署都超了预算。真正的麻烦在...
推荐理由：这篇不是产品发布，而是用数据说话的评论。AB 316 把法律责任钉死了，IDC 和 Data Robot 的调查又说明成本失控是普遍现象，不是个案。文章没画大饼，反而把治理跟不上自治速度的风险摊开讲，对正在落地 agent 的团队有直接参考价值。
一个 Cloudflare 工程师用 AI 花了一周时间、1100 美元 token 费，就复刻了 Next.js 十年的开发成果，API 覆盖率达到 94%。早期测试显示，这个叫 vinext 的新实现构建速度快了 4 倍，客户端打包体积小了 57%，现有 Next.js 应用不用改代码就能直接跑。这件事直接捅破了代码护城河的窗户纸：只要文档和测试用...
推荐理由：这篇文章不是一手发布，是周刊评论，但切入点够刁。我会先打个折：它引用的 vinext 项目还缺长期维护验证，基准也只是早期数据，别急着下结论。不过它把两件事摆在一起看——AI 让复刻框架的门槛降到一千美元出头，而 SQLite 用 9205 万行测试守住质量——这个对比本身就有信息量。对从业者来说，提醒很直接：以后拼的不是谁能写出来，而是谁能证明它真的对。
北京工程师 Feng Qingyang 一月份开始帮人安装 OpenClaw（一个能接管设备自主干活的开源 AI 工具），到二月底辞职，现在团队超过 100 人，已经接了 7000 单，每单约 248 元人民币。淘宝和京东上现在有几百个相关商品，价格从 100 到 700 元不等。这波热潮的核心不是技术本身，而是安装门槛高、数据隔离有风险，把开源工具变...
推荐理由：这篇不是产品发布稿，是扎实的现场观察。一个副业变百人团队的故事有传播力，市场定价和订单量给了硬数字，数据隔离风险又让行业里的人不得不重视。我会先打个折：正文没披露团队构成和 7000 单的统计口径，但整体信息密度够高，值得放在精选位。
作者一周内看了十几个伊朗战争仪表盘，它们把卫星图、船舶追踪、AI 摘要和赌盘链接拼在一起，把战争变成了可以边吃爆米花边看的实时界面。一个由 a16z 员工搭建的仪表盘直接接入了 Kalshi 的下注数据，而调查记者 Craig Silverman 已经记录了 20 个类似的工具。问题出在信息质量上：英国《金融时报》报道过 AI 生成的虚假卫星图正在网上...
推荐理由：我会先打个折：这不是产品发布或模型突破，而是一篇有事实支撑的评论。H 靠战争面板加博彩这个钩子立住了，K 靠具体案例和数字撑起来，R 打中了从业者对 AI 信息质量和伦理的敏感神经。文章没给解决方案，但把问题摆得很清楚，所以放在 featured 合适。
阮一峰算了笔账：全球81亿人里，只有13.8亿人用过AI，占16%；付费订阅AI服务的只有1500万到2500万人，占0.3%；真正用AI生成过自己编程项目的人，更是只有200万到500万，占0.04%。如果你已经在关注AI动态、用AI写代码，其实已经跑赢了99%的人。文章还聊了最近爆火的个人AI助手OpenClaw，它四个月就在GitHub拿了25万...
推荐理由：阮一峰这期周刊用几组数字把“人人都在用 AI”的错觉拉回现实。我会先打个折：16% 的用过比例、0.3% 的付费比例和 0.04% 的编程使用比例，原文没交代数据出处，所以不能当精确统计用，但方向是对的——采用率断层比刷屏的新闻更有参考价值。对从业者来说，这篇的价值不在技术深度，而在提醒你盯紧真实渗透率，别被舆论带偏。
阿里在3月5日回应了网上关于“千问模型核心团队集体离职”和“开源策略要调整”的传言，明确说团队稳定，产品和服务都正常运行。千问会继续走开源路线。一个值得注意的信息是，阿里强调基础模型团队从来没被定过DAU这类商业化的KPI，目标就是追模型智能上限、做AGI。不过公告没提谣言具体从哪来的，也没说团队现在多少人、后续会投多少钱。
推荐理由：阿里出来辟谣，说千问团队没集体跑路，开源路线也不变。我会先打个折，因为正文没给出网传消息来源，也没说团队现在多少人、后续投入多大。真正值得看的是他们强调基础模型团队不背DAU这类商业化KPI，目标还是把模型智能上限往上拉。这点先别太激动，但至少是个信号。
OpenAI 发了篇论文，核心结论是：现在最强的推理模型，都没法很好地控制自己的“思考草稿”（思维链）。他们搞了个叫 CoT-Control 的测试，用 13000 多个任务去要求模型在思考时遵守特定规则，比如全程用小写字母、避开某个关键词。结果所有被测模型的遵守率最高只有 15.4%，最低的甚至只有 0.1%。模型经常在草稿里自己都意识到“坏了，我刚...
推荐理由：OpenAI 用一篇文章标题说推理模型很难控制自己的 chain of thought，而且把这当成一件好事。这个说法挺反常识的——通常我们会觉得模型思考过程不可控是个安全隐患，但他们反过来认为这有利于安全。目前只有标题，正文没放出来，所以看不到具体实验、数字或者机制解释。我会先打个折：判断只能基于标题本身，别急着下结论说他们找到了什么新方法。对做推理模型安全和可解释性的人来说，这个观点值得追一下原文，但信息缺口还很大。
AlphaGo 击败李世石十年后，AI 已经成为韩国职业围棋训练的标配，不用 AI 基本没法打职业。文章给了两个数：世界第一的申真谞落子与 AI 建议的重合率是 37.5%，而选手平均水平是 28.5%；另外 AlphaGo Zero 从零自学三天后，以 100 比 0 碾压了战胜李世石的那版 AlphaGo。现在棋手普遍用 KataGo 练棋，开局前...
推荐理由：这篇不是新模型发布或产品动作，而是一篇有数据的观察评论。我会先打个折：它没有给出可复现的方法或工程细节，但把 AI 如何渗入职业围棋训练这件事讲得很具体。申真谞 37.5% 的一致率比全体均值高出 9 个百分点，说明顶尖棋手更依赖 AI 选点；AlphaGo Zero 三天 100 比 0 的结果则把自我对弈的效率差距摆了出来。正文提到棋手常用 KataGo 且前 50 手常与 AI 建议一致，但又说他们仍难解释 AI 为什么这么下——这个信息缺口反而让判断更扎实，没有硬补因果。对从业者来说，这比泛泛谈“AI 改变行业”更有参考价值，所以放在 fe...
OpenAI 和微软在 2026 年 2 月 27 日发了份联合声明，核心就一句话：两家公司的合作条款没变。声明直接回应了 OpenAI 当天宣布的新融资和新合作伙伴（包括亚马逊），强调这些动作都在现有协议框架内。具体来说，微软对 OpenAI 模型和产品的独家 IP 许可依然有效；收入分成模式不变，而且一直就包含了 OpenAI 跟其他云厂商合作带来...
推荐理由：这份联合声明本身有一定分量，但原文只给了标题，正文没披露，所以能说的不多。我会先打个折：信息密度很低，没法判断具体措施或时间表。不过它至少传递了一个关键点——OpenAI 的新钱和新伙伴，不影响微软已有的合作条件。对从业者来说，这等于给云服务格局和商业排他性吃了一颗定心丸，所以知识性和可读性都过关，但 headline 太虚，热闹不起来。
Waymo 无人出租车乘客下车后没关好门，车就走不了。这家公司没做远程关门功能，而是在外卖平台下单，花 6.25 美元叫小哥跑一公里去关门，完事再加 5 美元。新闻点不是关门本身，而是程序在自动调动人力完成自己搞不定的环节。外卖员自带 API，已经接入了软件系统，成了可以被程序随时调用的“自动化人力”。这件事说明，AI 模型一旦跟人力打通，就不只是操作...
推荐理由：这不是一手爆料，但 6.25+5 美元这个案例把“人变成 API”这件事讲得很实在。HKR 三项都踩中了，分数留在 featured 的低位，因为正文是评论，Waymo 的系统规模、调用频率和正式产品方案都没披露，判断先别拉满。
这篇文章的核心判断是：中国把 AI 用进了工厂车间，美国还在把 AI 当实验室项目。中国已建成 3 万多家智能工厂，2024 年全球新装的工业机器人超过一半进了中国工厂。极氪宁波工厂用了 800 多台机器人，小米北京工厂每 76 秒就能产一辆车，美的荆州工厂用 AI 把产线响应时间从几小时压到几秒。这些 AI 不是写诗画画，而是做视觉质检、生产调度和预...
推荐理由：这篇不是讲模型，是讲工厂里机器人、调度和质检的落地差距。我会先打个折：正文没披露3万多家智能工厂的具体认定标准，也没说美国18%这个数字的样本来源，所以数据力度要留个心眼。但极氪800多台机器人、小米76秒节拍这些车间数字是实的，对比美国三分之二试点推不向量产，差距感很直观。对看产线落地的人，这篇比模型跑分更有参考价值。
OpenClaw 在 2026 年 1 月底爆火，不是因为它技术有多新，而是它把 Cursor 这类能读写文件、执行命令的本地编程代理，接入了 Slack、WhatsApp 和飞书，让非技术人员第一次用上了有记忆、能干活、会自我进化的 AI。文章拆解了它背后的三个关键设计：统一的上下文池让 AI 跨平台记住你的一切；基于文件的持久化记忆加上自动维护机制...
推荐理由：这篇不是新闻通稿，是个人拆解。它把 OpenClaw 为什么火、代价是什么、真正该抄的设计模式（统一入口、文件化记忆、可组合 skills）都讲清楚了。HKR 三项全中，两个硬数字撑住了判断，但因为属于个人分析而非官方发布或行业事件，所以放在 featured 这一档。
OpenClaw 在 2026 年 1 月底突然爆火，一周内换了三次名字，中间还被一个叫 $CLAWD 的假币骗走了 1600 万美元。它火的原因和一年前的 DeepSeek 几乎一样：不是技术上碾压对手，而是把一小撮早期用户已经用惯的体验——让 AI 能读文件、跑命令、记住上下文、持续迭代干活——第一次通过 WhatsApp、Slack、飞书这些日常...
推荐理由：我会先打个折：正文截断了，没看到后续成功因素的具体细节，所以这不是一手发布或官方研究，更像一篇二手深挖。但它的价值在于把OpenClaw为什么火说清楚了——不是技术多牛，而是分发路径对路。它把Agent接进WhatsApp、Slack、Lark，让不写代码的人第一次用上能读写文件、执行命令、带记忆的本地代理。同时也没回避风险，12%恶意技能和公网裸奔控制台这两条，比一般公关稿实在。综合来看，78分、featured层级是合理的。