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。
Jack Clark 描述了他让多个研究型 AI 特工在他爬山、睡觉时替他读论文、交叉比对数据、生成分析报告的经历。这些活如果他自己干，每份报告得花一周，而特工们几小时就搞定了，读的论文还比他多。他还提到，让 Claude 帮他爬自己网站、做嵌入向量、搭本地搜索和图形界面，以前试了好几年都因为各种卡顿没做成，这次不到一小时全跑通了。正文没披露具体模型版...
推荐理由：Jack Clark 用自己走路睡觉时 agents 并行处理几千篇论文的例子，把 agent 从概念拉到了实操。可复现的机制是多代理检索、交叉核验和报告生成，但正文没披露模型版本、成本、失败率和评测数据，所以先别太激动。真正值得盯的是工作流摩擦已经低到可以忽略，AI 开始从单次问答转向持续代办，这点对从业者来说比任何 benchmark 都更有说服力。
阮一峰记录了1月10日北京一场闭门会上几位大模型负责人的发言。智谱唐杰说，对话式AI的范式基本到头了，下一步是让模型真正做事，他们把编程、智能体和推理能力整合在一起。阿里林俊旸坦言，美国可用的算力比国内大一到两个数量级，人家拿算力搞下一代研究，我们光交付就占掉绝大部分资源；他判断三到五年后全球最领先的AI公司是中国团队的概率只有20%。腾讯姚顺雨观察到...
推荐理由：这篇周刊摘录了一场闭门峰会的发言，把智谱、阿里 Qwen 和腾讯 AI 负责人对中国大模型路线的判断摆在一起。我会先打个折：它不是一手发布，是二手整理，所以分数没往更高走。但它的好处是给了具体数字和分歧点——唐杰押注 2025 年是 RLVR 爆发年，林俊旸押多模态基础智能体，姚顺雨强调企业愿意为强模型付 200 美元月费，林俊旸还给出中国团队 20% 概率诞生全球最领先 AI 公司。这些判断有可验证的时效，不是公关口径，对从业者判断方向有参考价值。
美国各地居民正在联手抵制超大规模数据中心，冲突已经烧进了佐治亚州的公用事业委员会选举。这些设施单个就能塞进几十万块 GPU，每块芯片成本超过 3 万美元，一个园区能吃掉几百兆瓦时的电。在佐治亚州，一项占地 900 英亩的提案因为近 900 人到场几乎一致反对而被否决。核心矛盾在于外部成本：更高的电费、抢水、持续的噪音，以及没带来多少长期就业岗位，这些正...
推荐理由：这篇把 AI 基础设施拉回地面，讲的是电价、水耗、噪音和就业回报怎么在地方选举里变成真金白银的冲突。我会先打个折：正文没给出电价涨幅或水耗的具体量化对比，但佐治亚州那个 900 英亩项目被约 900 人一致否决的案例够硬，说明反对不是零星的。对关注算力供给的人，这是个该放进雷达的信号——不是技术瓶颈，而是政治瓶颈。
今年 CES 来了超过 14.8 万人、4100 多家参展商，中国公司占了将近四分之一，在 AI 硬件和机器人区域尤其扎堆。作者临时决定去现场，结果发现中国厂商已经不只是“便宜量大”的路子——家用清洁机器人在美国市场把 Dyson 和 Shark 的份额抢得很凶，庭院设备也大多来自深圳，外观做得让人看不出是中国品牌。人形机器人展台围满了人，宇树甚至搭了...
推荐理由：这篇是 CES 现场观察，核心判断是：中国科技公司的乐观来自制造和供应链的迭代速度，不是单点技术突破。文章用 14.8 万参会者、4100 多家参展商、中国展商近四分之一这些数字撑住了场面感，也把联想 Qira、Nvidia Vera Rubin、AMD Helios 这些产品拉出来，说明竞争焦点正转向云端和混合 AI。我会先打个折：正文没给出货量、营收或订单数据，所以判断还停在趋势信号层面，但作为行业风向标，这篇值得一看。
MIT Technology Review 报道了 Anthropic、OpenAI 和 Google DeepMind 正在用“机械可解释性”研究大模型内部机制。打个比方，一个 2000 亿参数的模型用 14 号字打印出来，能铺满 46 平方英里，差不多整个旧金山市区。Anthropic 用稀疏自编码器做了一个更透明的替身模型来模仿目标模型，2024...
推荐理由：这篇不是常规研究复述，而是用“外星生物学”的比喻把机理可解释性讲透了。我会先打个折：它不是新模型发布或单一突破，而是高质量的报道式综述，但给出的稀疏自编码器、金门大桥特征、香蕉颜色路径这几个例子够具体，能让做对齐和安全的人停下来想一想。正文没披露这些发现的复现规模和泛化边界，所以别太激动，但它确实把“模型内部缺稳定心智”这个约束摆到了台面上。
Mercor 这家成立三年的公司，现在估值 100 亿美元，干的活说白了就是给 OpenAI、Anthropic 这些 AI 实验室当人才中介。他们找的不是普通众包人员，而是高盛、麦肯锡、顶尖律所的前员工，时薪最高给到 200 美元，让这些人用自己的行业经验去训练 AI 模型。CEO Brendan Foody 在 Disrupt 大会上聊了几个关键点...
推荐理由：这篇值得看，因为它讲了一个具体又反直觉的链条：OpenAI、Anthropic 这些实验室，通过 Mercor 这个人才中介，把高盛、麦肯锡和顶级律所的前员工拉来给模型做领域知识标注，时薪开到 200 美元。等于说，最可能被 AI 冲击的那批人，现在成了训练 AI 的关键劳动力。Mercor 三年估值冲到 100 亿美元，说明这条供给链跑通了。不过正文没披露具体规模、合同怎么签、任务怎么分配，所以对商业模式和可持续性还得打个问号。我会先打折看，但方向本身已经够说明问题了。
Fidji Simo 宣布几周后出任 OpenAI 应用 CEO，文章核心观点是 AI 应该把知识、健康、创作、经济自由和时间这六样东西铺给更多人，而不是让少数人更富。她举了几个数字：用 AI 家教学习效果是人类家教的 2 倍，2024 年 OpenAI 调查里 90% 用户说 ChatGPT 帮他们更容易搞懂复杂概念，美国近九成成年人看不懂健康信息导...
推荐理由：我会先打个折：标题像公关口号，但正文里有两件事值得从业者看一眼。第一，Fidji Simo 几周后正式出任 Applications CEO，这是 OpenAI 把应用和模型拆开管的一个组织信号。第二，文章给了两个具体数字——AI 导师学习效果是人工导师的 2 倍，90% 用户觉得 ChatGPT 解释复杂概念更清楚——这两个数说明他们在教育场景的验证方向，但正文没披露样本量、实验设计和对照组细节，所以先别太激动。整体没有新产品、定价或上线时间，信息量集中在人事和两个数据点上。
OpenAI 在 2024 年 12 月 13 日发了一篇博文，直接贴出邮件记录和时间线，回应马斯克的法律诉讼。核心事实是：2017 年马斯克不仅同意 OpenAI 转成营利性公司，还自己注册了一家叫“Open Artificial Intelligence Technologies, Inc.”的公益公司，要求拿到多数股权、绝对控制权和 CEO 位置...
推荐理由：这篇 OpenAI 单方面发布的博文，核心价值在于提供了马斯克当年推动营利化、索要控制权的具体证据，以及团队对 AGI 算力成本的早期估算（数十亿到可能低于 100 亿美元）。这些事实性内容本身没有发现错误或过时之处，也没有给出危险的操作建议。它本质上是一份法律公关叙事，不是独立验证的产品或研究发布，所以保持原有评分是合理的。