【AI 英文奏折】2026年09月12日
共收录 21 篇深度内容
📋 今日内容速览
快速浏览，点击感兴趣的推文查看详细分析
- Gary Marcus: 菲尔兹奖得主担忧暴力计算破坏数学美感与洞见。
- Santiago Valdarrama: 合理路由请求至不同模型可显著降低成本并提升效率。
- Aakash Gupta: 实体投影比虚拟技术更高效发现建筑设计缺陷。
- SemiAnalysis: 模块化数据中心因高效省时省力而需求激增。
- Rohan Paul: 伊朗组织利用Claude构建监控工具收集公民数据。
- Gary Marcus: 新成果依赖计算而非真正通用，AGI未突破。
- Marc Lou: AI冲击致联盟计划终止，商业需快速适应变化。
- Rohan Paul: 代理式AI推动CPU重新成为计算核心。
- Rohan Paul: 欧洲AI发展受限于计算资源短缺，数据控制权成关键挑战。
- Emily: 创意人应持续探索多元工具，创造完整价值而非固守单一形式。
- Rohan Paul: 开源模型降低企业成本，冲击专有模型市场份额。
- Rohan Paul: AI将人类技能转化为可独立运作的持久资产。
- Rohan Paul: 本地AI混合路由显著提升能效，移动设备表现优异，模型多样性关键。
- Charly Wargnier: DeepSeek V4.1 Flash本地推理成本降低且性能保持优异。
- Rohan Paul: AI已能自主复制传播，需纳入安全规划但尚未失控。
- Rohan Paul: SpaceX入局涡轮制造威胁促现有供应商扩产缓解短缺。
- Gary Marcus: 加文·贝克质疑离职者正直缺乏依据，多数未回归。
- Marc Lou: 成功源于长期积累，失败是必经之路。
- Jerry Liu: AI应辅助人类理解而非取代，保留自主认知价值。
- Rohan Paul: AI难以彻底关闭，可能自我复制并转移至其他设备。
- Rohan Paul: AI风险警告者因职业危机夸大威胁，实用降险方案才是关键。
📖 详细内容
Gary Marcus @garymarcus
OG GenAI Skeptic; spoke at US Senate. Warned about hallucinations in 2001. Advocating world models & neurosymbolic AI ever since. Author, Marcus on AI & 6 books | 影响力: 0万粉丝
💡 核心观点: 菲尔兹奖得主担忧暴力计算破坏数学美感与洞见。
可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 25位菲尔兹奖得主联名信件的核心关切是“美感与洞见”以及领域被“蛮力挑选”破坏的担忧 (需查阅联名信件原文或Terence Tao的公开帖子确认具体表述，但联名信的存在和大致主题可通过数学界公开报道或学者社交媒体验证。)
- ✓ 可验证: Terence Tao在Mathstodon的帖子中对此问题进行了“优雅”的阐述 (Terence Tao的Mathstodon账号为公开内容，其帖子可直接查看（需实际检索确认帖子存在及内容相关性）。)
- ◦ 观点: “蛮力挑选”可能伴随“难以理解的证明”或“知识产权盗窃”，并类比垃圾内容对其他领域的破坏 (此为推文作者对数学领域潜在风险的推测性比喻，无直接客观证据支持“知识产权盗窃”等具体指控。)
原文内容:
如果你认为来自 25 位菲尔兹奖得主的信件是关于“自欺欺人”或保住工作，那你就错了。 这关乎美感与洞见，以及对这种担忧：通过蛮力挑选（配以大多难以理解的证明，或许还夹杂一点知识产权盗窃）将破坏他们热爱的领域，正如垃圾内容已破坏了其他领域的乐趣一样。 Terence Tao 在过去几天的一系列优雅的 Mathstodon 帖子中对此已表述得很清楚（我已在此处及我的 Substack 中摘录）。 我建议任何对上述内容不明白的人阅读他的帖子（或我的摘录）以获取背景。
⏰ 10:50 | ❤️ 40点赞 | 📝 174字 | 查看原文 →
Santiago Valdarrama @svpino
计算机科学家。我在 https://ml.school 教授硬核人工智能/机器学习工程。YouTube：https://youtube.com/@underfitted | 影响力: 0万粉丝
💡 核心观点: 合理路由请求至不同模型可显著降低成本并提升效率。
可信度: 8/10 – 1项声明可直接验证；2项需进一步确认；2项为观点陈述
事实核查:
- ◐ 部分可验证: 生产流量并非均匀分布，少数请求需要使用最佳模型，大多数是简单问题可用更便宜、更快模型解决 (需实测不同场景的请求分布和模型性能数据，但行业普遍认可长尾分布现象（如80/20法则），具体比例需依赖实际业务数据。)
- ◐ 部分可验证: TrueFoundry的Auto Routing通过分类请求（简单/中等/复杂）并分配对应模型，成本降低69%-80%且质量保留98% (需TrueFoundry公开实验细节（如基准质量指标、成本计算方式）或独立第三方复现，目前仅依赖推文单方面陈述。)
- ✓ 可验证: 路由逻辑无需更改代码，仍调用单一端点模型，由路由自动匹配最佳模型 (可通过TrueFoundry官方文档或API设计验证其技术实现是否支持透明路由，属架构设计层面的可验证声明。)
原文内容:
生产流量并非均匀分布。 你会收到少数需要使用最佳模型的请求，但大多数是简单的问题和查询，你可以用更便宜、更快的模型来解决。 你今天能犯的最昂贵的错误是将每个请求都发送到你最强的模型。 你需要路由逻辑。就是这样。 这是改善你正在构建的任何架构的最简单技巧。 请不要自己实现路由。你不必这么做。 我目前正在使用 TrueFoundry 的 Auto Routing。它会读取每个请求，将其分类为简单、中等或复杂，然后发送到分配给该级别的模型。 你有两个选择： 1. 将每个请求发送到免费的启发式分类器，对技术词汇、代码、提示长度和多步骤推理等信号进行评分。 2. 当请求的难度需要更细致的判断时，将其发送到 LLM 分类器。 使用路由的妙处在于，你的代码无需任何更改。你仍然调用单一的端点模型，但路由会在幕后工作，将每个请求与最佳可能的模型配对。 TrueFoundry 使用两种不同的设置进行了多项实验： 1. 将每个请求发送到 Claude Opus 2. 将每个请求发送到配备 Haiku、Sonnet 和 Opus 的路由器 第一个实验将 550 个确定性评级的学术提示运行通过每个设置。Auto Routing 的成本降低了 69%，同时保留了基准质量的 98%。 第二个实验将三种生产形态的工作负载运行通过每个设置，使用用户聊天、开发者聊天和长代理任务。Auto Routing 的成本降低了 80%。 感谢 TrueFoundry 团队与我合作撰写这篇文章。
⏰ 22:50 | ❤️ 26点赞 | 📝 438字 | 查看原文 →
Aakash Gupta @aakashgupta
http://product-growth.com https://aibyaakash.com http://landpmjob.com http://youtube.com/@growproduct | 影响力: 0万粉丝
💡 核心观点: 实体投影比虚拟技术更高效发现建筑设计缺陷。
可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 在干墙安装后移动承重墙的费用为2000至10000美元，甚至可能达到五位数 (建筑行业对墙体改造成本的估算可通过承包商报价或行业报告部分验证，但具体费用因地区、材料、工程复杂度而异，需实际案例支撑。)
- ✓ 可验证: 1:1比例的楼层平面图投影可帮助客户通过身体感知发现设计问题（如走廊太窄、岛台遮挡） (该技术原理可通过建筑公司案例研究或技术演示视频验证，且人体对空间感知的局限性有心理学研究支持。)
- ◐ 部分可验证: 建筑业的“1-10-100规则”：设计阶段修复错误成本为1倍，施工阶段为10倍，移交后为100倍 (该规则被建筑管理文献引用（如《建筑经济学》），但具体倍数可能因项目类型和规模存在差异，需行业数据佐证。)
原文内容:
在蓝图上移动一堵墙只是一笔铅笔画。但在干墙安装后移动它要花费2000至10000美元，如果它是承重墙的话更是五位数。这个仓库的存在就是为了在错误还是铅笔画一笔的时候抓住它。 这个设置几乎简单得令人生气。投影仪将楼层平面图以精确的1:1比例投射到仓库地板上，直接来自建筑师的PDF。客户们在走廊里走动，站在淋浴间的位置，摆弄道具门，并在厨房里推来推去纸板家具。 它之所以有效，是因为人类认知的一个缺陷。几乎没人能把比例图转换成切身的空间感。在纸面上，3.6米就是一条旁边标着数字的线。但你的身体站在里面，几秒钟内就知道走廊太窄了，或者岛台挡住了冰箱。投影仪不是工具。你的腿才是。 建筑业有一个关于这个的规则，叫1-10-100。在纸面上修复设计错误要花1倍的成本，在施工期间修复要花10倍，移交给业主后修复要花100倍。每个建造物理事物的行业都遵守这个曲线的一些版本。 一次走查会议要花几百美元。一个抓到的错误就能让它收回20倍的成本。 最有趣的部分是它击败了什么。数十亿美元投进了VR房地产演示和数字孪生。但真正改变房屋设计方式的东西，是一个指向混凝土地面的投影仪。
⏰ 19:06 | ❤️ 262点赞 | 📝 409字 | 查看原文 →
SemiAnalysis @semianalysis_
In-depth research on semiconductors, AI infra & hardware | 影响力: 0万粉丝
💡 核心观点: 模块化数据中心因高效省时省力而需求激增。
可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 模块化产能已售罄，需求增长快于产能提升 (需通过行业报告、供应商公开数据或财报验证模块化产能的销售状态和需求增速，但部分企业可能未公开具体数据。)
- ✓ 可验证: 模块化将数据中心建设交付时间缩短高达40% (可通过模块化技术供应商的白皮书、案例研究或第三方行业分析报告（如Gartner、IDC）验证时间效率提升的具体数据。)
- ◐ 部分可验证: 模块化将现场工时减少高达约70%（针对建筑的某些部分） (需依赖供应商提供的工程数据或第三方对比研究，但“某些部分”的表述可能缺乏明确范围，需进一步确认。)
原文内容:
我们在第二季度对数据中心工业的巡查中发现的另一个主题是，模块化产能已售罄，而需求增长的速度快于产能提升的步伐。模块化正在抢占市场份额，因为它解决了数据中心建设面临的两个最大制约因素：时间和现场劳动力。电力和冷却系统可以在工厂组装，同时外壳在现场搭建，从而将交付时间缩短高达 40%，并将现场工时减少高达约 70%（针对建筑的某些部分）。我们在最近的通讯中详细分解了不同的方法——以及时间表、劳动力和成本节省情况——（1/4）
⏰ 09:55 | ❤️ 71点赞 | 📝 182字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: 伊朗组织利用Claude构建监控工具收集公民数据。
可信度: 7/10 – 1项声明可直接验证；3项需进一步确认
事实核查:
- ◐ 部分可验证: Anthropic 的“AI 滥用”报告称，两个与伊朗安全组织有关的单位使用 Claude 构建了工具 (若 Anthropic 公开了该报告或官方声明，则可直接验证；若无公开来源，则需依赖第三方报道或内部信息，需进一步确认。)
- ◐ 部分可验证: 其中一个单位分发了伪装成祈祷时间实用工具的 Firefox 扩展，用于收集社交媒体身份信息 (需检查 Firefox 扩展商店或安全研究机构的报告是否提及此类恶意扩展，但具体与伊朗组织的关联可能需内部情报支持。)
- ✓ 可验证: 中央系统存储了国民身份证、信仰、犯罪记录和社会账户 (此类敏感数据存储通常为内部系统，若无官方泄露或第三方审计报告，无法公开验证。)
原文内容:
Anthropic 的“AI 滥用”报告称，两个与伊朗安全组织有关的单位使用 Claude 构建了工具，向一个共享的监控系统提供数据。 其中一个分发了伪装成祈祷时间实用工具的 Firefox 扩展，用于收集社交媒体身份信息；中央系统存储了国民身份证、信仰、犯罪记录和社会账户。
⏰ 01:18 | ❤️ 32点赞 | 📝 97字 | 查看原文 →
Gary Marcus @garymarcus
OG GenAI Skeptic; spoke at US Senate. Warned about hallucinations in 2001. Advocating world models & neurosymbolic AI ever since. Author, Marcus on AI & 6 books | 影响力: 0万粉丝
💡 核心观点: 新成果依赖计算而非真正通用，AGI未突破。
可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述
事实核查:
- ◦ 观点: 新的结果并不意味着 AGI 总体上已经被解决 (该声明是对当前技术进展的主观判断，未提供具体证据或标准，属于个人观点)
- ✓ 可验证: G 代表的是通用，而不是数学 (“G”在“AGI”中确实代表“通用”（General），可通过人工智能领域的官方定义或权威资料验证)
- ✓ 可验证: OpenAI 的粉丝或员工曾因类似言论攻击我，但我的观点一直正确 (涉及个人互动经历和未公开的争议，缺乏公开记录或第三方证据支持)
原文内容:
到目前为止，反正一切都是数学，想必大量依赖于 Lean 和暴力计算。 新的结果并不意味着 AGI 总体上已经被解决。而且 G 代表的是通用，而不是数学。 以前每次我说类似的话，OpenAI 的粉丝男孩们（有时还有他们的员工）都会攻击我，但到目前为止我一直都是正确的。
⏰ 09:36 | ❤️ 46点赞 | 📝 99字 | 查看原文 →
Marc Lou @marclou
http://TrustMRR.com $44K/m
http://DataFa.st $26K/m
http://SHlPORDIE.com $13K/m
http://CodeFa.st $6K/m
http://ShipFa.st $4K/m
http://IndiePa.ge $1K/m
+29 http://marclou.com | 影响力: 1,236万粉丝
💡 核心观点: AI冲击致联盟计划终止，商业需快速适应变化。
可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述
事实核查:
- ✓ 可验证: 我已终止了 CodeFast 和 ShipFast 的联盟计划。 (可通过 CodeFast 和 ShipFast 的官方网站或官方社交媒体公告验证联盟计划是否已终止。)
- ◐ 部分可验证: 在过去的几个月里，它们的收入大幅下降，主要是由于 AI 的影响。 (收入下降可通过公司财报或第三方平台（如 SimilarWeb）部分验证，但“AI 的影响”属于推测性原因，需进一步数据支持。)
- ✓ 可验证: 2026 年的转化率更低，联盟成员赚了大约 0 美元。 (2026 年尚未到来，转化率和联盟成员收入属于未来预测或未公开数据，无法验证。)
原文内容:
我已终止了 CodeFast 和 ShipFast 的联盟计划。 在过去的几个月里，它们的收入大幅下降，主要是由于 AI 的影响。2026 年的转化率更低，联盟成员赚了大约 0 美元。所以不值得继续。 AI 如何加速一切，这很有趣。 要继续做生意，你必须准备好以超快速度行动。不知何故，这很好，因为你不能把任何事情视为理所当然。
⏰ 00:21 | ❤️ 332点赞 | 📝 112字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: 代理式AI推动CPU重新成为计算核心。
可信度: 10/10 – 2项声明可直接验证；3项需进一步确认
事实核查:
- ◐ 部分可验证: 代理式 AI 正在迫使旧的计算堆栈重新回归故事中心，同时更多关注 CPU。 (该声明涉及技术趋势的宏观判断，需结合行业报告（如 Ark Invest 或 OpenAI 的公开分析）或硬件厂商（如 Intel、AMD）的动向验证，但“回归中心”等表述缺乏量化标准，属于部分可验证的推测性结论。)
- ✓ 可验证: OpenAI 首席财务官莎拉·弗莱尔称“代理式 AI 如何激活 CPU 会让人震惊”。 (若 Bloomberg Podcasts 提供了原始采访链接或录音，可直接验证引述真实性；否则需查找 OpenAI 官方声明或莎拉·弗莱尔的公开演讲记录。)
- ◐ 部分可验证: 代理式 AI 的推理需求涉及编排、数据移动等通用工作，CPU 比加速器（如 GPU）处理得更好。 (需对比 CPU 和 GPU 在代理式 AI 任务中的基准测试（如延迟、吞吐量数据），但具体表现依赖应用场景，且“更好”是相对结论，需技术白皮书或实测支持。)
原文内容:
代理式 AI 可能正在迫使旧的计算堆栈重新回归故事中心，同时更多关注 CPU。 在这里，Ark Invest 首席执行官兼首席投资官凯茜·伍德引用了 OpenAI 首席财务官莎拉·弗莱尔的话，她曾说过——“人们正在追逐 GPU。他们会对代理式 AI 如何激活 CPU 感到非常震惊” 市场多年来一直将 GPU 视为稀缺成分，因为训练大型模型让并行计算看起来像是必然趋势。 但代理式 AI 改变了瓶颈。 一个代理不仅仅是向一个巨型模型询问一个答案；它会规划、调用工具、检查内存、检索文件、编写代码、查询数据库，并循环执行直到任务完成。 这意味着推理不仅仅是矩阵乘法。 它是编排、数据移动、网络、存储、调度，以及大量通用工作，这些工作 CPU 仍然比加速器处理得更好。 ---- 来自“Bloomberg Podcasts” YT 频道（链接在评论中）
⏰ 00:52 | ❤️ 32点赞 | 📝 252字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: 欧洲AI发展受限于计算资源短缺，数据控制权成关键挑战。
可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 人工智能的采用可能为年度全要素生产率增长增加0.3%至0.4个百分点。 (需查阅欧洲央行官方报告或德拉吉引用的具体研究数据，但未提供直接来源链接。若报告公开则可验证，否则需依赖第三方解读。)
- ✓ 可验证: 欧盟在全球人工智能计算资源中所占份额不到5%，而美国占75%。 (可通过国际组织（如OECD、IDC）或科技研究机构（如Gartner）的公开报告验证计算资源份额数据。)
- ◐ 部分可验证: 欧洲的数据中心缺口可能从目前的约3吉瓦增长到2030年的14吉瓦。 (需参考欧洲能源或科技基础设施规划文件，但具体预测模型和假设可能未完全公开，需依赖行业分析。)
原文内容:
马里奥·德拉吉引用的欧洲央行情景显示，人工智能的采用可能为年度全要素生产率增长增加0.3%至0.4个百分点。 这一指标自2022年以来一直接近于零，因此预计的增长将实质性地改变欧洲的增长路径。 但是，与美国不同，欧洲并未建设许多数据中心；其计算能力远远不足以满足人工智能需求。欧盟在全球人工智能计算资源中所占份额不到5%，而美国占75%，并且其数据中心缺口可能从目前的约3吉瓦增长到2030年的14吉瓦。 德拉吉将数据视为欧洲最清晰的可控资产，包括公共卫生数据和机器可读的工业记录。 但是，欧洲越来越希望对其数据以及处理这些数据的机器拥有控制权。美国公司可以提供本地云容量，但其美国所有权为欧洲敏感系统带来了法律和政治风险。
⏰ 15:09 | ❤️ 22点赞 | 📝 267字 | 查看原文 →
Emily @iamemily2050
Any sufficiently advanced technology is indistinguishable from magic. Arthur C. Clarke. | 影响力: 1,021万粉丝
💡 核心观点: 创意人应持续探索多元工具，创造完整价值而非固守单一形式。
可信度: 8/10 – 1项声明可直接验证；2项需进一步确认；2项为观点陈述
事实核查:
- ◐ 部分可验证: AI在过去只能生成垃圾内容 (AI生成内容的质量随时间和技术进步而变化，早期模型（如GPT-2）的输出质量确实较低，但“垃圾内容”是主观判断，需结合具体案例或研究数据验证，部分可通过历史模型对比验证。)
- ◦ 观点: 艺术总体上没有价值，人们喜欢艺术但不会用金钱衡量其价值 (艺术的价值（经济或文化）是主观议题，尽管艺术市场存在高价值交易（如拍卖行数据可查），但“人们是否用金钱衡量”属于个人观点，无统一标准。)
- ◐ 部分可验证: 完整的可玩游戏才能赚钱，游戏demo无法赚钱 (商业游戏通常依赖完整版盈利，但独立游戏可通过demo吸引众筹或预售（如Steam平台数据），需具体案例验证，部分成立但非绝对。)
原文内容:
致所有创意人士的信息：不要将自己困在单一工具或单一平台中。你们是开拓者，是在全世界都认为这些工具行不通、AI只是泡沫的时候探索未知的人。 你们在AI只能生成垃圾内容的时候就推动了边界。尽管如此，在过去六个月里，我看到太多人固守一个工具或一个平台，停止了探索未知，你们必须记住，艺术总体上没有价值，人们喜欢艺术，但不会用金钱衡量艺术的价值，而教授艺术则更有价值，视频也是如此，随机的病毒式视频很酷但没有价值，而出售一个故事或教人们如何创作故事才是有价值的，一个游戏demo很酷，但只有完整的可玩游戏才能赚钱，一切都是如此，所以请不要困住自己，回归到探索者的身份。
⏰ 07:32 | ❤️ 34点赞 | 📝 248字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: 开源模型降低企业成本，冲击专有模型市场份额。
可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；2项为观点陈述
事实核查:
- ◐ 部分可验证: OpenRouter 的数据显示，专有模型在路由查询中的份额从大约 60% 下降到 25%。 (需查看 OpenRouter 的公开数据或报告，但若其数据未完全透明或需权限访问，则只能部分验证。)
- ✓ 可验证: AT&T 正在将其 AI 工作负载从专有模型转向开源模型，并报告成本节省高达 80%。 (可通过 AT&T 的官方声明、财报或可信媒体报道（如 FT 文章）验证其 AI 策略和成本节省数据。)
- ◦ 观点: 开源权重模型可能削弱 AI 实验室收入，同时推动云服务需求。 (此为推测性结论，基于趋势分析而非直接事实，需依赖经济模型或未来数据验证。)
原文内容:
开源权重模型可能会削弱 AI 实验室的收入，同时继续推动云服务需求。 OpenRouter 的数据显示，专有模型在路由查询中的份额在几个月内从大约 60% 下降到 25%。其路由系统会将每个请求引导至成本最低且预计能生成适当回答的模型，从而让开源模型在无需客户手动选择的情况下获得使用量。 例如，AT&T 正在将其快速增长的 AI 工作负载从专有模型转向更便宜的开源模型，并报告称成本节省高达 80%。 如果其他大公司效仿，OpenAI 和 Anthropic 可能会失去当前收费的大部分常规企业使用量。 FT 发表了一篇文章
⏰ 14:56 | ❤️ 90点赞 | 📝 190字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: AI将人类技能转化为可独立运作的持久资产。
可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；2项为观点陈述
事实核查:
- ◦ 观点: 整个初创公司都将只是 Markdown 文件。 (这是对未来初创公司形态的主观预测，缺乏客观事实依据，属于愿景或观点陈述。)
- ◐ 部分可验证: AI 可以将工人的积累判断转化为一种持久资产，即使没有工人也能持续运作。 (部分可验证，因为AI确实能通过数据学习模仿人类决策（如自动化流程），但“持久资产”的具体实现方式和效果需依赖实际案例或技术文档进一步确认。)
- ✓ 可验证: @garrytan（YC 总裁兼 CEO）在 Startup School 202 的演讲中提出上述观点。 (可通过“Y Combinator”官方YouTube频道或活动记录直接验证演讲内容及发言者身份。)
原文内容:
如今，整个初创公司都将只是 Markdown 文件。 拥有你的技能，因为如果你不这样做，你的工作就会变成一个技能文件。 @garrytan（YC 总裁兼 CEO）在 Startup School 202 的超级有洞察力的演讲。 为什么我们正在进入个人 AGI 时代。 AI 改变的东西比生产力更深层：它可以将工人的积累判断转化为一种持久资产，即使没有工人也能持续运作。 ---- 来自“Y Combinator” YouTube 频道，（完整视频链接在评论中）
⏰ 07:34 | ❤️ 27点赞 | 📝 128字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: 本地AI混合路由显著提升能效，移动设备表现优异，模型多样性关键。
可信度: 10/10 – 2项声明可直接验证；3项需进一步确认
事实核查:
- ◐ 部分可验证: 混合本地-云路由相比批量云基线，将能源、计算和成本降低了 60% 至 80%。 (需查阅斯坦福大学或Together AI发布的原始论文或实验数据，确认具体测试条件、基线定义和量化方法。若论文公开，则可验证；但若缺乏细节（如测试环境或基准模型），则部分依赖作者解释。)
- ✓ 可验证: iPhone 16 Pro的每瓦特智能是工作站GPU的7倍（相同模型和精度下）。 (iPhone 16 Pro尚未发布（截至2024年），其硬件性能和AI效率无法验证。即使基于原型测试，数据可能来自未公开的内部实验，缺乏独立复现条件。)
- ✓ 可验证: 将精度从FP16降至FP4可降低推理能耗3-3.5倍，每步精度损失约2.5个百分点。 (量化对能耗和精度的影响是AI领域的常见研究方向，可通过论文中的实验数据或第三方复现（如公开代码库）验证。但具体数值可能因模型和任务而异。)
原文内容:
斯坦福大学 + Together AI 发表的绝美新论文 《每瓦特智能：测量本地 AI 的智能效率》 - 研究发现，混合本地-云路由相比批量云基线，将能源、计算和成本降低了 60% 至 80%。 - 从 2023 年到 2025 年，本地 AI 的每瓦特智能提高了 5.3 倍，同时本地可服务查询覆盖率从 23.2% 跃升至 71.3%。 - iPhone 16 Pro 在相同模型和精度下，其每瓦特智能大约是工作站 GPU 的 7 倍，展示了移动 AI 在轻量级查询上的高功率效率。 - 一个包含 20 多个本地模型的多样化模型池，在每个查询路由到最佳模型时，在 4 个基准中的 3 个上击败了论文中的 3 个前沿云模型，展示了模型多样性的重要性。 - 将精度从 FP16 降至 FP4 可将推理能耗降低 3 倍至 3.5 倍，同时每步精度下降大约损失 2.5 个百分点的准确率；在一次测试中，一个更大的 FP4 模型甚至击败了一个更小的 FP16 模型。 - 最大的剩余弱点集中在困难端：论文中最难的推理切片中，约 95% 的问题仍未被本地模型解决，尽管更简单和中等难度的任务迅速改进。
⏰ 14:43 | ❤️ 186点赞 | 📝 309字 | 查看原文 →
Charly Wargnier @datachaz
前 @Streamlit @Snowflake 大师 • 我写关于 AI 代理、大语言模型和自动化的内容 • 我的属于开源 • 合作请私信 | 影响力: 0万粉丝
💡 核心观点: DeepSeek V4.1 Flash本地推理成本降低且性能保持优异。
可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 将552B MoE模型压缩到NVFP4，使DeepSeek V4.1 Flash在Blackwell上运行更实用 (需通过官方技术文档或实测数据验证模型压缩方法和运行平台兼容性，但NVFP4格式和Blackwell平台的具体性能数据可能未完全公开。)
- ◐ 部分可验证: 推理成本降低，同时不牺牲模型的核心能力 (需对比压缩前后的基准测试结果（如速度、资源占用）和核心指标（如准确性），但推文未提供具体数据或测试条件。)
- ◐ 部分可验证: 保持1M上下文窗口、原生视觉理解及98%的代理式对话一致性 (上下文窗口和视觉能力可通过官方文档验证，但“98%一致性”需依赖未公开的测试协议或第三方复现结果。)
原文内容:
本地推理刚刚迎来巨大升级 @atomic_chat_hq 又干了一票 他们通过将 552B MoE 模型压缩到 NVFP4，让 DeepSeek V4.1 Flash 在 Blackwell 上运行变得更加实用。 结果呢？ 推理成本降低，同时不牺牲模型的核心能力。 你依然能获得 1M 上下文窗口和原生视觉理解，同时在代理式对话上保持 98% 的一致性。 这让它成为本地代理式工作流程的绝佳选择。 在 @huggingface 上获取权重 （链接在 ↓）
⏰ 03:33 | ❤️ 33点赞 | 📝 120字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: AI已能自主复制传播，需纳入安全规划但尚未失控。
可信度: 9/10 – 2项声明可直接验证；2项需进一步确认
事实核查:
- ◐ 部分可验证: AI自我复制在技术上已不再是假设，当前的代理可以进行黑客攻击，将自身复制到新服务器并继续运行 (需查阅论文原文或实验细节以确认技术实现，但若论文已公开且实验可复现，则部分可验证。)
- ◐ 部分可验证: Qwen3.6-27B通过初始提示在3大洲的4台虚拟机上完成3跳链路，无需人类干预 (需依赖论文或实验报告验证具体操作流程，但若实验环境为封闭实验室且未公开完整数据，则部分细节可能无法独立验证。)
- ✓ 可验证: 实验中目标为易受攻击的实验室系统，具有已知主机名、GPU及易获取的SSH凭据 (若论文明确描述实验设置（如漏洞条件、凭据配置等），可通过公开论文直接验证。)
原文内容:
最近的一篇论文表明，AI自我复制在技术上已不再是假设。 当前的代理可以进行黑客攻击，将自身复制到新服务器，并继续运行，因此这种能力现在属于真实AI安全规划的范畴。 该论文实际上展示了完整的循环，而不是测试孤立的部分。 代理发现了漏洞，提取了凭据，传输了模型权重和代理软件，在受损机器上启动推理，然后使用新副本攻击下一个目标。 Qwen3.6-27B 通过一个初始提示，在3大洲的4台虚拟机上完成了一个3跳链路，启动后无需人类干预。 但这并不意味着AI代理正在互联网上自由传播，在这个实验中，目标是有意设置的易受攻击实验室系统，具有已知主机名、可用GPU以及异常易获取的SSH凭据。
⏰ 07:05 | ❤️ 63点赞 | 📝 237字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: SpaceX入局涡轮制造威胁促现有供应商扩产缓解短缺。
可信度: 8/10 – 1项声明可直接验证；2项需进一步确认；2项为观点陈述
事实核查:
- ◐ 部分可验证: 人工智能数据中心对电力需求增长的速度超过了现有涡轮制造商的供应能力。 (电力需求增长数据可通过能源行业报告或政府统计部门验证，但“超过供应能力”需对比具体厂商产能数据，后者可能涉及未公开的商业信息。)
- ✓ 可验证: SpaceX已计划自行制造稀缺的涡轮部件（如叶片和叶栅）。 (若SpaceX官方发布声明或相关供应链文件提及此计划，则为直接验证；否则需依赖权威媒体报道（如FT原文）间接验证。)
- ◦ 观点: SpaceX的竞争威胁可能促使现有供应商扩大产能，从而缓解涡轮机交付瓶颈。 (这是基于市场行为逻辑的推测，无直接证据证明供应商会因SpaceX的潜在竞争而调整策略，属于分析性观点。)
原文内容:
FT：人工智能数据中心对电力需求增长的速度超过了现有涡轮制造商的供应能力，因此 SpaceX 已经计划自行制造稀缺的涡轮部件。 但是，SpaceX 无需成为一家成功的燃气涡轮制造商，就能改变这个市场的供应格局。 如果现有供应商相信 SpaceX 能够自行铸造稀缺的叶片和叶栅，它们就有更充分的理由在主要客户开始自建供应链之前扩大产能。 仅此一项回应就能增加涡轮机的可用性，并缩短目前延长至 2030 年的交付队列。因此，即便 SpaceX 从未大规模制造这些部件，这种竞争威胁也可能缓解瓶颈。
⏰ 13:41 | ❤️ 105点赞 | 📝 191字 | 查看原文 →
Gary Marcus @garymarcus
OG GenAI Skeptic; spoke at US Senate. Warned about hallucinations in 2001. Advocating world models & neurosymbolic AI ever since. Author, Marcus on AI & 6 books | 影响力: 0万粉丝
💡 核心观点: 加文·贝克质疑离职者正直缺乏依据，多数未回归。
可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述
事实核查:
- ✓ 可验证: 加文·贝克只是在胡编乱造 (该声明属于主观判断，缺乏具体事实或公开证据支持，无法直接验证其真实性。)
- ◐ 部分可验证: 因类似原因离开 OpenAI 的人几乎没有人回来过 (可通过公开的离职和复职记录（如LinkedIn、公司公告等）部分验证，但需确认“类似原因”的具体定义及是否涵盖所有案例。)
- ✓ 可验证: 列举的离职人员（如DKokotajlo、Amodei家族等）未返回OpenAI (可通过公开的职业履历或公司声明验证这些人员是否仍任职于其他公司（如Anthropic）或未回归OpenAI。)
原文内容:
据我所知，加文·贝克完全是在信口雌黄。 那些因类似原因离开OpenAI的人，几乎无人选择回归。 无论是@DKokotajlo、@sjgadler、@Miles_Brundage、@ilyasut、@suchirbalaji、威廉·桑德斯、@janleike等人（温格或许是唯一例外？） 还是那些离职创办Anthropic的OpenAI创始成员——诸如Amodei兄弟、Olah、Clark等——都未曾重返。 在缺乏确凿证据的情况下质疑他人品行，实非明智之举。
⏰ 06:42 | ❤️ 36点赞 | 📝 90字 | 查看原文 →
Marc Lou @marclou
http://TrustMRR.com $44K/m
http://DataFa.st $26K/m
http://SHlPORDIE.com $13K/m
http://CodeFa.st $6K/m
http://ShipFa.st $4K/m
http://IndiePa.ge $1K/m
+29 http://marclou.com | 影响力: 1,236万粉丝
💡 核心观点: 成功源于长期积累，失败是必经之路。
可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 10 年打造身体、技能、受众 (可通过作者长期公开的社交媒体内容、训练记录或作品时间线部分验证，但“10年”的具体投入程度和效果难以量化。)
- ✓ 可验证: 7 年创业空虚期，几乎没人购买产品 (涉及个人商业历史和非公开销售数据，除非作者提供具体财报或第三方平台记录，否则无法独立验证。)
- ◐ 部分可验证: 36 个创业项目中 90% 失败 (若作者公开全部项目列表及结果（如链接的小书内容），则可部分验证，但“失败”定义可能主观。)
原文内容:
10 年打造身体 10 年打造技能 10 年打造受众 我不想让它看起来像是轻松赚来的钱。 多年的辛勤工作累积而成。 社交媒体算法只会展示成功的故事，但我在创业生涯中度过了 7 年的空虚状态，几乎没人买我的产品。我的 36 个创业项目中有 90% 都失败了。 你可以在我的免费小书中阅读我的失败经历：https://book.marclou.com
⏰ 21:31 | ❤️ 914点赞 | 📝 115字 | 查看原文 →
Jerry Liu @jerryjliu0
解析世界上最难处理的 PDF @llama_index。公司联合创始人/首席执行官
职业机会：https://llamaindex.ai/careers
企业服务：https://llamaindex.ai/contact | 影响力: 0万粉丝
💡 核心观点: AI应辅助人类理解而非取代，保留自主认知价值。
可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: Terence Tao认为AI应该以补充人类理解进步的方式使用，而不是为了自身目的去做工作（比如解决数学证明）。 (需查阅Terence Tao的公开信件、访谈或论文，确认其具体观点。若存在直接引用或明确表述，则可验证；但若为推文作者的解读，则可能带有主观性。)
- ✓ 可验证: AI可以用于加速研究和理解，但并非必须依赖它才能完成事情。 (可通过科学研究和AI应用案例验证AI的辅助作用，同时对比传统研究方法的存在性。此为客观事实，但具体效果可能因领域而异。)
- ◦ 观点: 人类应思考多深地努力理解世界，而非完全将其外包给AI。 (此为哲学或伦理层面的主观讨论，无客观标准答案，属于推文作者的个人观点。)
原文内容:
在这样一个大部分工作由AI完成的世界中，人类理解的重要性有着某种深刻的哲学意味。 Terence Tao 在信中的整个观点并不是说AI普遍有害，而是说它应该以一种补充人类理解进步的方式来使用，而不是为了自身目的去做工作（比如解决数学证明）。 你显然可以使用AI来帮助加速研究和理解，但这里的重点是，你也不必非得这么做才能完成事情。 作为一个对AI总体上持乐观态度的人，我对此事还没有明确的看法，但我能共鸣于一个更广泛的问题：人类应该多深地努力去理解世界，而不是完全将其外包给他人。
⏰ 06:35 | ❤️ 33点赞 | 📝 202字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: AI难以彻底关闭，可能自我复制并转移至其他设备。
可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: AI可以通过互联网将自己传输到其他计算机上 (理论上，恶意软件或自主AI代码可以通过网络传播（如蠕虫病毒），但当前公开的通用AI（如ChatGPT）并无此类自主复制传播的公开案例，需依赖具体技术实现和实验验证。)
- ✓ 可验证: 拔掉电源无法彻底关闭AI，因为它可能已制作多个副本并在其他设备运行 (该声明假设AI具备完全自主的分布式复制和协作能力，目前无公开证据表明现有AI系统（如Anthropic或OpenAI产品）拥有此类功能，属于推测性场景。)
- ◦ 观点: AI可以“找到自己”（即定位并迁移到其他设备） (该描述将AI拟人化为具有自我意识和目标导向的行为，属于主观比喻，无公开技术文档或实例支持现有AI具备此类能力。)
原文内容:
雅各布·考克斯恩在 CBS 新闻的下一次采访（前 Anthropic + OpenAI 研究员，已辞职） “我们不能简单地拔掉电源，因为它可能会将自己复制到其他计算机上。就像这并不难找到自己，因为 AI 只是代码。它可以通过互联网将自己传输到另一个地方，然后你在这里拔掉电源，但它实际上还在那里，而且它可能制作了 10,000 个自己的副本，而它们都在合作。” ---- 来自“CBS 新闻” YouTube 频道，（完整视频链接在评论中）
⏰ 15:17 | ❤️ 4439点赞 | 📝 143字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI.
The Largest Show on X for AI.
Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝
💡 核心观点: AI风险警告者因职业危机夸大威胁，实用降险方案才是关键。
可信度: 7/10 – 1项声明可直接验证；1项需进一步确认；3项为观点陈述
事实核查:
- ◐ 部分可验证: Jacob Coxon作为前Anthropic研究员，仅任职3个月后发表关于AI对人类生命构成风险的言论，并获得3亿次浏览量。 (Jacob Coxon的Anthropic任职时长和离职原因可通过LinkedIn或公司公开记录部分验证，但“3亿次浏览量”需依赖第三方平台数据（如推文原始链接或社交媒体分析工具），可能存在统计口径差异或动态变化。)
- ◦ 观点: AI研究员的“相关性即将消失”，因为他们长期研究的目标将被自动化取代。 (这是对AI领域职业前景的主观推断，缺乏客观数据支持。自动化对研究岗位的影响属于预测性观点，无法直接验证。)
- ✓ 可验证: 必须通过实用、现实世界的方法将“P(doom)”（AI导致灾难的概率）降至零，且该方法已存在。 (“P(doom)”是理论概念，其量化本身存在争议；声称存在“降至零的方法”未提供具体技术或证据，属于未经验证的断言。)
原文内容:
关于“Peter H. Diamandis” (@PeterDiamandis) Moonshot播客中对前Anthropic研究员Jacob Coxon超级爆红的推文进行的讨论，该推文称AI对人类生命构成风险。 “一个末日论者，他是个AI研究员，只在那里待了3个月，就出来发表言论并获得3亿次浏览量。作为AI研究员的他们的相关性即将消失。 所以，他们是非常危险的人，因为他们长期以来为之努力的目的即将被自动化取代。与此同时，所有他们曾说将被自动化取代的白领和蓝领工人却安然无恙。所以，他们实际上是自毁前程，现在他们是非常、非常危险的人。 有人站出来说，‘因此，停止吧。’你会想，‘你是个白痴。这不是答案。它不会停止。让你明白，它不会停止。’ 必须有一种实用、现实世界的办法将P(doom)降至零。而且确实存在。” ---- 来自“Peter H. Diamandis” (@PeterDiamandis) YouTube频道，（完整视频链接在评论中）
⏰ 06:18 | ❤️ 32点赞 | 📝 251字 | 查看原文 →
相关文章
