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。
Arpit Bhayani 指出，让 AI 代理直接操作数据库，会同时打破我们过去四十年默认的四条规矩：查询是写死的、写入是有人审核过的、连接是短暂的、出问题有人盯着。他给 PostgreSQL 开了几剂具体药方：给代理用的数据库角色加上 5 秒语句超时和 10 秒事务空闲超时；全面改用软删除，并记录是谁删的、为什么删；对关键数据只追加不修改，靠事件日...
推荐理由：我会先打个折，这篇文章不是模型发布或产品更新，属于工程评论，所以分数放在 72–77 这个区间合理。但它的切入角度很刁，把数据库的老规矩和智能体的新行为直接对撞，而且给了能落地的 Postgres 防护参数，对正在让智能体进业务流程的团队来说，这些坑和补丁比泛泛而谈的安全建议有用得多。正文没给出大规模压测数据，所以别指望它能证明这些配置在生产环境扛不扛得住，但作为一份“把 agent_worker 当不可信调用方”的实操清单，价值够了。
Katrina Manson 的新书梳理了 Maven 项目从 2017 年用计算机视觉分析无人机视频起步，到后来演变成 Maven Smart System 的全过程。书里最抓眼球的一个数字是：在对伊朗行动的头 24 小时里，美军靠这套 AI 系统辅助打了一千多个目标，规模差不多是二十年前伊拉克“震慑”行动的两倍。不过这篇采访没提现在用的是哪家公司的...
推荐理由：这篇讲的是美军怎么从 2017 年用 Project Maven 看无人机画面，走到今天靠 AI 系统加速生成打击目标。我会先打个折：正文没披露当前用的模型、供应商换过没有、部署范围多大，所以分数停在 74。但 24 小时打 1000 多个目标这个数字很直观，差不多是 20 多年前伊拉克“震慑行动”的近两倍，能让人立刻感受到 AI 在实战里的介入程度。Katrina Manson 的新书追溯了这段历史，不过细节缺口明显，这点先别太激动。
Emily M. Bender 和 Decca Muldowney 给了 9 个理由，劝患者在诊室里拒绝 AI 自动记录系统。这类工具会录下你和医生的对话，自动生成病历草稿。她们的核心担忧不是技术出错，而是诊所会把省下的时间拿来塞更多病人，而不是让你多聊一会儿。具体风险包括：录音和文字稿交给第三方公司，隐私保护未必靠谱；患者很难在几分钟内真正搞懂数据会...
推荐理由：这篇文章不是技术评测，是一篇立场鲜明的评论。两位作者直接劝患者对诊室里的 AI 录音工具说不，理由集中在录音数据怎么用、谁有权限看、语音识别对带口音的人不公平，以及医生可能过度信任 AI 草稿而漏掉关键信息。我会先打个折：全文没有给出实证数据，更像一份风险清单，所以重要性不会拉太高。但它的传播价值在于把“省时”背后的代价摊开讲——机构可能把省下来的时间变成更多接诊量，而不是让医生更仔细看你。这点对从业者来说是个提醒，别只盯着效率数字。
2026 年 2 月，Affirm 停掉常规开发，让全公司 800 多名工程师花一周时间，用 AI 编程智能体（agent）把真实需求从想法一路做到提交 PR。到文章发布时，超过 60% 的 PR 都有智能体参与。文章说，2025 年底已经有 80% 以上的工程师每周用 AI 开发工具，但少数人用得很深、多数人还在观望，差距在拉大，所以他们决定用集中一...
推荐理由：这条消息的看点不是 Affirm 用了什么工具，而是组织层面的一次硬切换：800 多人的工程团队停摆一周，全员跑 agentic 开发流程，之后六成以上 PR 都有 agent 参与。数字够具体，动作够极端，对正在琢磨怎么推 AI 编码的团队来说，参考价值比普通客户案例高出一截。正文没给出长期质量和速度数据，这点先别太激动，但就冲这个规模和执行速度，值得放进 featured。
荣耀的人形机器人“闪电”在北京亦庄半马跑出50分26秒，比人类男子世界纪录57分20秒还快。宇树H1在1.9公里弯道赛段也跑出4分13秒。文章说2026年一季度具身智能融资近200笔、总额超300亿元，4月16日灵初智能又拿了4.55亿美元Pre-A轮。信号很直接：钱正从机器人本体流向模型和智能系统，硬件能卷的差不多到头了。
推荐理由：文章用一个直观的比赛成绩开场，然后落到融资数据和行业判断上，没有空谈概念。我会先打个折：正文没交代机器人是在什么规则、什么路况下跑的，和人类纪录的直接对比要谨慎看。但Q1融资规模和它石智航那笔大额Pre-A轮是实打实的新信息，加上“硬件护城河变浅、大脑才是下半场”这个判断，对关注具身智能方向的人有提醒作用。整体是评论性质，不是一手产品发布或论文，所以放在featured。
密歇根大学的 Jenna Wiens 和多伦多大学的 Anna Goldenberg 在《自然·医学》上发了篇文章，核心就一句话：医院里 AI 工具铺得很快，但没人认真评估它们对病人最终健康结果的影响。2025 年一项研究说，美国约 65% 的医院在用 AI 做预测，其中只有三分之二会检查模型准不准，至于用了之后临床决策有没有变好、病人有没有受益，基本...
推荐理由：我会先打个折，这篇文章没有新模型、新法规或临床试验结果，所以分数到不了顶。但它抓的时机很准：医院里AI预测工具铺开了，病人结局的证据却缺位。2025年那两个数字——65%的医院在用，三分之二只测了准确性——直接把信息缺口摆上台面。对从业者来说，这比又一个刷榜的模型更值得盯，因为部署后的临床决策影响才是真金白银的考验。
作者把 Andrej Karpathy 的技术讲座做成了一个可以点着看的网页教程，从爬互联网数据开始，一路讲到模型怎么生成文字。里面给了几个具体数字：训练用了 15 万亿个 token，模型参数 4050 亿，原始文本数据 44TB，词表大小 10 万个。网页把流程拆成了数据收集、分词、训练、推理和基础模型行为这几步，每一步都有动画或可交互的演示，比如...
推荐理由：我会先打个折：这不是新研究，是把 Karpathy 的公开课做成交互教材。但做得扎实——从 Common Crawl 抓数据、BPE 分词、Transformer 训练到温度采样，全流程可视化，还给了 15T tokens、405B 参数这些量级数字，让人对 LLM 的规模有体感。对想补基础的人很友好，正文没披露什么新 benchmark 或成本数据，所以别当行业信号看，就当一份高质量的学习材料。
作者认为 Anthropic 的 Skill 形态没法独立做成付费产品。直接卖文件会被零成本传播，PromptBase 跑了三年估算年收入才五百万美元；做成托管服务本质是卖服务器，不是卖 skill；做成 API 引流工具又只是免费营销物料。更深层的问题是，skill 把使用知识从隐性变显性，消灭了培训、咨询等原有价值链的盈利空间，自己却因为明文复制成...
推荐理由：我会先打个折：这不是 Anthropic 的新发布，是一篇评论，所以重要性停在 featured 档。但它的判断很锋利——作者不跟你绕弯子，上来就说 Skill 天生带“自杀基因”，然后一条条拆直售、托管、API 引流为什么都是死路。数字也留得有用，比如 Snyk 审计发现 13.4% 的 skill 有严重安全问题，这比空谈风险更有说服力。真正让我觉得值得推荐的是它把视线从 artifact 这种静态产出挪开，提醒你盯紧收费点正在往关系、此刻、物理责任和判断上转移。正文没给出 Skill 官方定价或分成政策，但靠公开数据和逻辑推演，已经把悲观结论...
阮一峰在周刊里聊了一个正在发生的趋势：大模型能干活了，逼着各种平台重新开放 API。15 年前那波 API 开放没跑通，因为平台发现数据给别人用了，自己插不上广告，最后都缩回围墙花园里。但 2025 年下半年大模型达到生产可用水平后，逻辑变了——AI 要自动化执行任务，就必须能调用外部平台，没 API 就进不了 AI 工作流，用户会直接转向有接口的竞品...
推荐理由：阮一峰这篇周刊判断，2025 年下半年大模型开始真正进业务干活，会触发第二次 API 开放浪潮。核心逻辑是 Agent 不能光说不练，得调用外部服务才能完成动作，所以微信这类消费级平台的接口开放比云服务 API 更值得盯。文章给了腾讯开放微信接口、MCP 和 Skill 成为常见接入机制这些具体信号，不是空谈趋势。不过正文没给出这次“浪潮”的量化数据或开发者采用率，更像一个基于现象的预判，所以重要性我打个折，放在 76 分。
旧金山 Cow Hollow 的 Andon Market 把选品和定价交给一个叫 Luna 的 AI agent 来管，标题直接说它蜡烛订多了。正文没披露具体多订了多少、是哪个环节出错、亏了多少钱、后来怎么补救。能确认的是，这家店真的把零售运营的决策闭环交给了 agent，而不只是拿 AI 做辅助分析。
推荐理由：Bloomberg 报道了旧金山一家便利店让 AI 代理 Luna 管选品和定价，标题说它蜡烛订多了。我会先打个折，因为正文没给具体数字——超采量、触发逻辑、亏了多少钱、怎么补救，这些全没写。但真正值得盯的不是店里卖什么，而是闭环经营权限已经交出去了，代理能直接下单，这比实验室跑分更说明风险。信息缺口让这件事停在 featured 低段，但话题性够强。
Anthropic 这个月大幅收紧了第三方工具 OpenClaw 调用 Claude 的权限，把那些把 AI 当“自动化流水线工人”用的重度用户往更贵的付费套餐里赶。公司给出的理由是系统压力太大、盈利压力也大，工程师 Boris Cherny 直说现有的订阅套餐根本不适合这种用法。不过正文没披露具体涨了多少、新限额是多少、以及这次调整波及多大范围。简单...
推荐理由：Anthropic 把 Claude 的代理用量变成定价和准入问题，直接影响工具开发者和重度用户。HKR 三项都踩中了，但正文没披露具体价格、配额和生效范围，所以分数只能给到 featured 的低段。我会先打个折，这点先别太激动——通用订阅被代理式高消耗用法挤出单独计费层，才是真正值得盯的趋势。
这个数字来自私募二级平台（比如 Forge Global）上的报价，不是新一轮融资估值。三个月前 Anthropic 的融资估值还是 3800 亿美元，现在二级市场直接翻了三倍左右。市场给出的理由是流通股少、Claude Code 和收入增长势头猛。但正文没披露实际成交量、具体收入数字，也没公司官方确认，所以这个万亿身价更像少数交易撑起来的价格，先别太当真。
推荐理由：我会先打个折：这不是官方融资估值，而是私募二级平台的报价，成交量、收入规模和公司确认都没披露，所以别太激动。但信息本身有嚼头——它把 Anthropic 从三个月前 3800 亿的融资估值直接拉到万亿级别，背后是流通股少、Claude 产品势头和投资者情绪在起作用。对从业者来说，这更像一个市场温度计，而不是一张成绩单。
波士顿咨询公司（BCG）透露，2025 年公司总收入的 25% 是靠帮客户做 AI 落地赚来的。这个比例说明咨询行业本身的收入结构已经被 AI 需求推着走了，不是某个模型发布，而是实打实的服务收入。不过正文没披露具体赚了多少钱、服务了多少客户，也没说这 25% 里哪些是纯策略咨询、哪些是技术实施。BCG 还提到正在招更多工程师和专家来帮客户把 AI 嵌...
推荐理由：Bloomberg 给了一个硬数字：BCG 自称 AI 工作带来 2025 年 25% 的营收。这比泛泛的趋势报告强，所以 H/K/R 都过了。但缺总营收、客户数和具体服务线细节，分数就卡在 featured 门槛附近。我会先打个折：25% 这个比例挺高，可没披露基数，不知道绝对值有多大，这点先别太激动。
彭博这篇报道的正文被付费墙挡住了，只拿到了标题和摘要片段。已知信息是：SpaceX 正在考虑收购 AI 编程助手 Cursor，报价高达 600 亿美元。如果交易成了，a16z 手里大概 10% 的股份能值 60 亿美元左右。Thrive Capital 的持股比例正文没披露，具体赚多少也算不出来。另外，这笔交易到底签没签、走到哪一步了，文章里也没说清...
推荐理由：这条消息不是纯财经边角料，它把 AI 开发工具推到了一个很怪的收购场景里。SpaceX 600 亿买 Cursor 的传闻本身够新、够具体，也够让人想讨论。我会先打个折：文章没写交易有没有落定，也没说 Cursor 产品路线和商业化会不会因此转向，所以停在 featured，不上 p1。
Swan AI 的 CEO 发帖说，他们 4 个人的团队一个月给 Claude 花了 11.3 万美元，他把这笔钱看作本该用来招人的预算，目标是不到 10 个人做到 1000 万美元年收入。Fundable AI 的联合创始人也在底下附和，说 AI 能顶一个 15 人的文档处理团队。文章点出一个风向：token 花费正在被当成一种新的虚荣指标，但花得多...
推荐理由：我会先打个折：这篇不是硬核技术进展，而是一篇评论性质的趋势观察。H 分给得高，是因为它把“AI 账单超过人力成本”这个反转直接摆到台面上，容易引发讨论。K 分靠的是 Swan AI 那个 11.3 万美元/月的 Claude 账单，数字够具体，能让人直观感受小团队在模型调用上的投入有多猛。R 分确实有，它踩中了“用 token 消耗替代人头”的焦虑，但正文自己也承认这更像一种增长指标而非已验证的 ROI，Fundable AI 说能替代 15 人团队的说法也没给出验证细节，所以不能当市场级事件来推。整体判断：值得从业者看一眼，但别急着把它当成行业拐点。
Adrian Krebs 用脚本扫了 500 个 Show HN 落地页，发现 67% 的页面至少命中 2 个 AI 设计特征，比如 Inter 字体、紫色渐变、卡片彩色左边框、图标功能网格这些模板化痕迹。检测方法是用 Playwright 跑无头浏览器，在页面里直接检查 DOM 和计算样式，靠 15 条硬规则判断，人工抽查下来误判率大概 5% 到 1...
推荐理由：这条值得推给做 AI 工具和产品的人看。Adrian Krebs 没在评模型能力，而是用一套土办法——Playwright 跑脚本检查 DOM 和样式——发现 Show HN 现在 67% 的页面都命中至少两个 AI 设计特征。我会先打个折：这是单人实验，不是严格审计，误报他自己也认了 5% 到 10%。但信号比数字本身重要：AI 默认生成的前端模板正在让产品页面快速趋同，这对靠差异化吃饭的早期项目不是好事。正文没披露具体是哪 15 个特征，也没给误报的详细拆解，所以别当行业报告用，当个警钟看刚好。
FT 这篇报道正文被付费墙挡住了，只能看到标题和摘要。已知信息是：TikTok 计划在巴西海岸建一个 95 亿美元的数据中心，但项目因为环境问题遇到了阻力。标题把这事跟中国 AI 的全球扩张挂上了钩。至于这个数据中心具体要用多少电、电从哪来、审批走到哪一步、反对者是谁，正文没披露，这些才是判断项目能不能落地的关键。
推荐理由：FT 把'全球 AI 推进'这个大词落到了一个具体的 95 亿美元巴西数据中心项目上，还带出了环境阻力。我会先打个折：正文只是 RSS 摘要，缺装机量、电力结构和审批状态，所以别急着下结论。真正值得盯的是，AI 扩张现在开始撞上电、地和许可这三堵墙，这点比地缘叙事更实在。
Matt Ström-Awn 把大模型生成内容里的毛病叫做“膨胀伪影”，而不是压缩伪影。他的逻辑是：模型从模糊的训练数据里往外“解压”时，会在信心不足的地方用训练分布里的高频模式硬填，于是就有了那些套话、过度注释的代码、六指手和穿模视频。这些痕迹能当法医线索用——斯坦福的研究人员靠追踪 ChatGPT 发布后词频飙升的词（比如 commendable、...
推荐理由：我会先打个折，这是个人博客评论，不是一手研究或产品发布，所以分数停在 73。但它的钩子很巧，把 LLM 的毛病重新包装成“扩展伪影”，一下就把审美收敛和生成路径暴露的问题串起来了。文章给的数字也实在，17.5% 的论文和 16.9% 的审稿有 AI 起草痕迹，说明这已经不是小范围现象。JPG 压缩 10000 次后 PSNR 掉到 14.59 的类比虽然不算严谨实验，但直观地让人感受到反复生成带来的退化。真正值得盯的是取证价值：这些伪影不光是风格问题，还可能成为追踪生成路径的线索，这对审稿信任和内容溯源都挺要命的。
Axios 的消息说，美国国家安全局（NSA）正在用 Anthropic 新出的 Mythos Preview 模型。这个模型本月初才公布，专做网络安全任务，但因为攻击性太强，Anthropic 没敢公开发布，只给了大约 40 家机构用，公开点名的只有十几家，NSA 不在公开名单里。据说 NSA 主要拿它扫描系统环境、找可被利用的漏洞。吊诡的是，NSA...
推荐理由：标题把 NSA、Anthropic 的受限模型 Mythos 和 Pentagon 分歧绑在一起，冲突钩子很足。新信息就两点：NSA 在用、模型是受限版，但正文没披露怎么接入、跑在什么环境、花了多少钱、Pentagon 那边到底在吵什么。我会先打个折，因为证据链现在很薄，全靠一篇报道撑着。不过国防情报场景用前沿模型这件事本身，对采购、合规和供应商关系都有直接冲击，从业者会关心后续怎么落地。分数定在 75，等有合同细节或部署范围再往上调。
Deezer 自己公布的数据：现在每天有将近 7.5 万首 AI 生成的歌上传到平台，占每日新增上传量的 44%，一个月下来超过 200 万首。不过这些歌基本没人听——AI 歌曲的播放量只占总播放量的 1% 到 3%，而且其中 85% 的播放被平台判定为刷量欺诈，直接不给钱。这个比例涨得很快：去年 9 月每天还只有 3 万首，11 月到 5 万首，今年...
推荐理由：标题里的44%占比是个抓人的钩子，能让人立刻意识到AI音乐已经不是边角料了。但我会先打个折：正文只有RSS片段，检测手段、统计口径全都没说，这个数字的硬度存疑。真正值得盯的是平台后续怎么识别和处置这些AI作品，现在信息还不够做更细的判断。HKR三项都踩中了，所以保留76分和featured级别。