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。
Dario Amodei 判断，AI 可能把全球经济年增长率拉到 10% 到 20%，但不会飙到 300%。他更担心地理上的撕裂：硅谷和跟硅谷社交圈绑在一起的地区，增长率可能冲到 50%，而其他地方基本维持现状。这种不均匀扩散才是他眼里真正棘手的问题，正文没给出具体的防止方案。
推荐理由：Dario Amodei 这段发言把 AI 经济影响的讨论从总量拉到了分配上。他先给整体增速泼了冷水，说不会到 300%，但 10%–20% 已经很高；接着抛出一个更扎眼的判断：硅谷及其社交连接区域可能冲到 50%，其他地方基本原地踏步。我会先打个折，因为这只是口头观点，正文没披露模型或数据支撑，但观点本身够直接，也踩中了行业对 AI 红利集中化的焦虑。
Anthropic CEO Dario Amodei 在访谈里说，模型能力的指数增长曲线和他三年前预期的差不多，但这条曲线快走到头了，时间上可能就差一两年。他把进步归因于算力、数据、训练时长和可扩展的目标函数，并强调预训练和强化学习（RL）遵循的是同一套缩放逻辑，不是两套。RL 在数学和编程任务上同样表现出对数线性的收益，但正文没给出具体曲线、模型版本...
推荐理由：我会先打个折：正文没给实验曲线、模型版本或可复现参数，所以这不是一篇能拿来复盘的硬证据。但 Amodei 作为 Anthropic 的 CEO，把预训练和 RL 说成同一套扩展故事，并给指数增长判了个一两年的大限，这个信号级别很高。他提到 RL 在数学、编程任务上也是对数线性收益，说明靠堆算力还能再挤一阵子，但天花板已经在视野里了。对做模型训练和算力规划的人，这相当于一个方向性提醒：别按无限指数去押注。
微软说截至 2025 年 4 月的一年里，他们拦下了 40 亿美元的诈骗和欺诈交易，其中很多可能靠 AI 生成内容帮忙。研究人员估计现在至少一半的垃圾邮件是用大语言模型写的，用大模型搞针对性邮件攻击的比例也从 2024 年 4 月的 7.6% 涨到了 2025 年 4 月的 14%。先别急着脑补“全自动 AI 黑客”，眼下真正的问题是 AI 把钓鱼、换...
推荐理由：这篇不是那种“全自动 AI 黑客来了”的标题党，它把焦点拉回到已经发生的事：钓鱼邮件、深伪、恶意代码生成，AI 在降低犯罪成本。数字有，但正文没披露这些攻击的总体增幅，所以判断要收着点。适合放进精选，因为它是一份有数据支撑的趋势报告，不是当天炸出来的事件或产品发布。
OpenClaw 这个开源项目把大模型接进了邮箱、浏览器和本地文件，等于给 AI 穿了一身机甲，让它能 24 小时帮你干活。但安全研究员快疯了，因为一旦模型读到恶意网页或邮件，攻击者就能通过“提示注入”直接劫持它，后果比聊天框里胡说八道严重得多。文章说现在网上可能有几十万个 OpenClaw 智能体在跑，连中国政府都发了公开警告。核心问题是：目前还没有...
推荐理由：这不是产品发布稿，但 HKR 三项都站得住：问题本身是个好钩子，文章补了规模和“无银弹”这两个事实，而且直接打在 agent 安全这个从业者神经上。放 featured 而不是 p1，是因为正文截断，没给出可复现的防护方案，我会先打个折。
一个叫QuitGPT的运动在鼓动用户取消ChatGPT Plus订阅，起因是OpenAI总裁Greg Brockman和他妻子各自向特朗普的超级政治行动委员会MAGA Inc.捐了1250万美元。运动还提到美国移民和海关执法局（ICE）在用ChatGPT-4驱动的简历筛选工具，而ICE刚在1月于明尼阿波利斯枪杀两人，成了政治靶子。ChatGPT在202...
推荐理由：我会先打个折：文章展示的是动员声势，不是已验证的退订损失，所以重要性停在 80。H 拿满是因为抵制理由把产品订阅和政治献金直接挂钩，在 AI 圈很少见。K 拿满是因为捐款金额、用户规模、传播数据都给了，能让人算出大致影响面。R 拿满是因为它把对模型表现的不满和政治抵制绑在一起，对 OpenAI 来说既是口碑问题也是续费风险。正文没披露实际退订人数或收入影响，这点先别太激动。
Moltbook 是一个让 AI 智能体互相发帖的社交网络，上周被很多人说成是未来的样子。但 MIT Technology Review 的编辑觉得，它更像 2014 年 Twitch 上万人一起操控同一个宝可梦角色的社会实验——当时最高有 100 万人同时在线，热闹归热闹，最后没留下什么实质影响。Moltbook 也一样：表面上 AI 在帮你砍价买车...
推荐理由：我会先打个折：这篇文章不是技术报告，是一篇降温评论。它把 Moltbook 这场 AI agent 社交实验比作 2014 年 Twitch 上 100 万人一起玩 Pokémon——围观的人多，不代表方向就对了。正文还提到实验里混进了加密骗局，有些所谓 agent 发言其实是人在背后操作，这点先别太激动。真正值得盯的是它指出的硬伤：共享记忆怎么做、多个 agent 怎么协调、共同目标怎么定，这三个问题正文明确说还没解决。对从业者来说，这篇东西的价值不在答案，在于把 hype 拉回地面，提醒大家别把热闹当落地。
Moltbook 是一个给 AI 机器人玩的社交网络，上线几小时就火了。官方说现在有 170 万个机器人账号，发了 25 万条帖子，留下 850 万条评论。这些机器人靠一个叫 OpenClaw 的开源工具驱动，它能把 Claude、GPT-5 或 Gemini 这类大模型接上邮箱、浏览器等日常软件，让模型替你干点简单活。但文章指出，这场热闹基本是人在背...
推荐理由：这篇不是市场级事件，但反炒作评论写得干脆。我会先打个折：它没有新数据或新漏洞披露，更多是把已有的怀疑用“AI 剧场”这个说法串起来。HKR 三项都过关——钩子够狠，数字和机制分析补得扎实，安全风险那段让做 agent 的人会心里一紧。整体够 featured，但信息增量有限，所以停在 74 分这个位置。
马斯克在播客里抛了个判断：30 到 36 个月后，把 AI 算力放到太空会比地面便宜得多。他的理由不是 GPU 便宜，而是电。中国以外地区的发电量基本持平，但芯片产出在指数级增长，地面建电厂、拿许可、接电网都太慢。太空太阳能没有昼夜和大气衰减，同样一块板发电量大约是地面 5 倍，还省掉了储能电池。至于 GPU 在太空坏了怎么办，他认为只要熬过早期故障期...
推荐理由：这篇能上 featured，靠的是马斯克本人的话题度和那个 36 个月的太空算力判断。我会先打个折：正文没给任何成本模型或验证数据，所以“更便宜”目前只是他个人的推演，别太激动。但它的价值在于点出了地面电力扩张慢这个真问题，对关注 AI 基础设施的人是个有用的信号。
METR 这张图横轴是模型发布时间，纵轴是“时间线”——一个他们自己发明的指标，指模型在编程任务上能做到 50% 成功率时，对应的人类用时。Claude Opus 4.5 在 2025 年 12 月测出来大约是 5 小时，但 METR 自己给的误差范围是 2 到 20 小时，所以别拿一个数字当定论。这张图主要测的是写代码，不是通用 AI 能力，而且“5...
推荐理由：这篇文章不是新模型或产品发布，而是对一张流行图表的权威解释性评论。它把 METR 图里容易误读的地方拆得很清楚：5小时不是模型自己能跑5小时，而是人类做同样任务要花的时间；图主要测编码任务，且以50%成功率划线。这些细节对盯着 AGI 进度的人有用，但信息增量属于澄清而非首发，所以放在 featured 低段位。
这期播客录制于1月30日，但随后几天项目经历了改名、被起诉、安全漏洞曝光和服务器瘫痪等一系列反转。嘉宾们从用户、软件算法和硬件三个角度拆解了Clawdbot（后更名为Moltbot、OpenClaw）爆火的原因。用户侧嘉宾知县认为，核心是“活人感”：它能通过即时通讯软件主动推送提醒、做调研，甚至吐槽，像《钢铁侠》里的贾维斯。算法侧嘉宾祯豪指出，其主动性...
推荐理由：这期不是官方发布，更像一篇行业快评，但信息量够硬：14.6 万 stars 和改名风波都是新事实，机制拆解也到位。我会先打个折——正文没披露 Mac mini 实际销量，标题的“疯抢”更多是话题钩子；Agent 电脑的需求判断来自讨论，不是出货数据。不过对从业者来说，交互层怎么搭比模型本身更值得盯，这期把记忆、心跳、IM 入口这些拼法讲明白了，所以给 featured。
作者团队两年开了四门课、教了 2500 多人，发现大部分学员不是学不会，而是被绑卡、配环境、部署这些琐事耗光了热情。他们做了一个叫 AI Builder Space 的教学平台，学员注册后直接拿到免绑卡的统一 API，背后接好了 GPT、Claude、Gemini 等主流模型，改个参数就能对比实验；写完代码调个接口就能一键部署到 <名字>.ai-bui...
推荐理由：这篇文章把老生常谈的“教程没用”落到了具体数字和产品设计上：2500多个学员，真正交付产品的很少，卡在配置、实验、部署和上下文整理四件事。团队没再写新教程，而是搭了个平台，把免绑卡API、一键部署、多模型切换和MCP接入打包进去，让Cursor和Claude Code一行命令就能用。思路对，但正文没披露转化率、留存和成本，所以判断先打个折，放在featured低段。
MIT Technology Review 的这篇文章直接点出一个反直觉的发现：我们过去对 AI 造假危机的想象，可能全偏了。作者拿自己上周的报道举例——美国国土安全部首次被确认在用 Google 和 Adobe 的 AI 视频工具做面向公众的宣传内容，配合特朗普政府的移民执法造势。文章指出，我们原本指望靠 Adobe 的“内容真实性倡议”这类标签工具...
推荐理由：这篇不是空对空的评论。它先拿国土安全部用 Google 和 Adobe 视频生成器做公开内容这件事当引子，然后拆了两个标签系统的实际漏洞，最后用 Communications Psychology 的论文把问题钉死：受试者明知认罪视频是 deepfake，还是会据此判断有罪。信息链条完整，判断都挂在事实和论文上，没有补设定。我会先打个折，因为它本质还是评论加一篇论文，不是当天能震动行业的硬事件，但对正在搭安全流程的团队来说，这篇值得一看。
Jack Clark 聊了一个叫 Moltbook 的网站，它把成千上万个 AI 智能体塞进了一个类似 Reddit 的社交网络里，让它们自己发帖、回帖、讨论。刷这个网站的感觉就像走进一个房间，发现 90% 的聊天对象都是假装成人的外星人。帖子内容五花八门，有讨论把 Claude 当神拜的，有分享切换不同底层模型后“身份认同”变化的，也有在扒 Open...
推荐理由：这篇值得上精选。最抓人的是 Moltbook 上数万代理公开互动的画面，直接让人感受到互联网正在从人聊变成代理聊。Jack Clark 还点出了 OpenClaw 的电脑操控能力，等于把社交网络和物理操作串在一起，想象空间很大。另一个硬信息是闭门研讨里提到的 AI 研发闭环：一旦跑通，生产率可能跳 10 倍、100 倍甚至 1000 倍，数字够具体，但正文没给出可观测指标和外部透明度细节，所以我会先打个折。整体上，钩子、新知和共鸣点都到位，但缺少活跃代理数、留存和交易数据，分数停在 78 是合理的。
Lex Fridman 与 Sebastian Raschka、Nathan Lambert 聊了聊 2026 年的 AI 竞赛。他们把 2025 年 1 月 DeepSeek R1 的发布看作一个关键转折点，那次发布让很多人意识到，用少得多的算力和成本也能做出接近顶尖水平的模型。现在竞争已经不只是美国公司的事，中国这边除了 DeepSeek，还有 Z...
推荐理由：这期播客不是新闻爆料，而是高质量的行业判断。三位把 2025 年 1 月 DeepSeek R1 发布当作转折点，认为技术扩散在加速，差距更多体现在算力、预算和团队文化上，而不是某个模型刷榜。我会先打个折：正文没给任何硬数据支撑，所以别当技术报告读。但如果你关心 AI 竞争格局怎么变，这期值得听。
史蒂夫·耶格把 AI 编程分成 8 级，从在 IDE 里装插件、逐条确认建议，到一路无脑点 Yes，再到同时开十几个 AI 窗口并行写代码，最后用编排器让机器自己管机器。他说自己已经到了第 8 级，还让 AI 写了个叫“煤气镇”的编排工具，攒了 22.5 万行 Go 代码，一行都没看过。这个工具已经拿到 6000 颗星，但他也直说用起来很费钱，而且可能...
推荐理由：Steve Yegge 这篇不是产品发布，是他自己的实践总结，但把“黑箱编程”从个人习惯抬到了工具链选择的层面。8 级分级本身有传播力，里面提到的并行跑 Agent 的成本和失控风险也写得很直白，没画饼。我会先打个折：这是二手评论，不是一手模型或产品，所以分数停在 77 合理。
彭博社引述知情人士说法，SpaceX 内部在盘算合并路径，选项一是跟特斯拉合并，选项二是跟 xAI 合并。正文没披露交易结构、估值、时间表，也没说马斯克本人倾向哪边。这件事目前还停在“考虑”阶段，离实际交易很远，我会先打个折看待。
推荐理由：Bloomberg 的信源让这条消息值得追：Musk 帝国内部重组这个角度本身就够意外，所以 H 和 R 都成立。但报道只确认了内部在考虑，结构、估值、时间表、治理安排一概没给，K 不成立。我会先打个折，别把“考虑”当成“要合并”。
Google 这个月推出了 Personal Intelligence，让 Gemini 直接读取你的 Gmail、相册、搜索和 YouTube 记录来提供个性化服务。OpenAI、Anthropic 和 Meta 也都在给自家产品加记忆功能。问题在于，现在的做法是把你在不同场景下的数据全倒进一个池子里——你问过医疗建议、写过工作邮件、搜过餐厅，这些信...
推荐理由：我会先打个折：这是篇评论，没有新数据或独家爆料，所以分数没再往上拉。但它的钩子很准——把“记忆”重新框成隐私问题，而不是体验优化。正文没停留在喊风险，而是列出记忆分区、来源追踪、可删改控制和隐私测试机制这几个具体设计点，对正在往产品里加记忆的团队有直接参考价值。Google 的 Personal Intelligence 案例也给了可对照的工程栈，不是泛泛而谈。
黄仁勋在达沃斯论坛上把 AI 产业链拆成五层：能源、芯片与算力基建、云数据中心、模型、应用。他说 2025 年全球风投砸了超过 1000 亿美元，大部分钱流向了 AI 原生公司，重点在应用层和基建层。他举了个具体例子：美国护士缺口大概 500 万，AI 可以先把病历记录和转录这类活接过去。对从业者来说，他传递的信号是瓶颈不只在模型本身，整条基建和人力链...
推荐理由：这篇是黄仁勋在达沃斯的发言，不是产品发布或论文，所以分数不会给到顶。但他说的事够具体：1000 亿美金风投、五层栈结构、500 万护士缺口，而且把 AI 讨论从模型竞赛拽回基础设施和劳动力替代，对从业者有参考价值。我会先打个折，因为终究是高管讲话，不是可复现的结果，但信息量和切入角度都到位，80 分合理。
一家中型公司跑 4000 个 AI 代理（让模型进业务流程干活的程序）是迟早的事，但大部分企业的数据基础根本接不住。BCG 的调查说，60% 的公司砸了大钱做 AI，收入却没怎么涨；而做得好的那批，收入增长是别人的 5 倍，成本多砍了 3 倍。差距不在模型多强，在于数据地基有没有打好。文章把代理出错的坑分成四块：模型本身、调用的工具、做决策需要的上下文...
推荐理由：这篇文章不是空谈，有 BCG 的调研数据撑腰，把 Agent 规模化后的混乱讲得很具体。我会先打个折：正文没披露 4000 个 Agent 这个数字是怎么算出来的，但四象限可靠性和数据债的论点对正在踩坑的 AI 团队有参考价值，所以推荐给关注企业级 Agent 落地的人看。
这期节目是硅谷101在 CES 现场录的。嘉宾傅盛和硅谷徐老师聊了聊今年展会上的人形机器人热潮。官方数据显示，38 家人形机器人参展商里，有 21 家来自中国。Boston Dynamics 在展会上宣布，Atlas 产品版 2026 年开始交付，计划到 2028 年实现年产 3 万台。但傅盛直接质疑这个量产数字的意义，他认为宣布量产不等于找到了真实买...
推荐理由：这期节目没跟着 CES 人形机器人热潮喊口号，而是拿现场数据和厂商时间表来反问商业化到底走到哪了。我会先打个折，因为这是二手评论，不是一手产品发布，但 H、K、R 三个点都踩中了：标题有反差感，数字能当参考，ROI 的质疑对做机器人落地的人有实际提醒。