文章
围绕 AI、科技与商业，分享值得深读的观点与实践。
2026-10-24AI 观察Claude 工程负责人：别再给 AI 搬运任务Felix Rieseberg 谈如何把目标、原始资料和专业工具交给 AI，再用独立审查与真实反馈建立信任，避免管理者成为新的瓶颈。阅读全文 →
2026-10-22AI 观察皮查伊谈 Gemini 4：模型跑得越快，算力越要提前准备从 Gemini 4 Argon 的发布取舍，到个人智能体、DeepMind 调整和太空计算，皮查伊解释了 Google 如何让快速进步的模型、有限算力与长期投入相互配合。阅读全文 →
2026-10-21AI 观察李录谈 AI 与价值投资：变化越快，越要守住能复利的东西从 AI 的增量成本、市场资金集中，到中国经济的分化，李录把判断重新放回企业价值、能力圈，以及能够长期积累的知识与信任。阅读全文 →
2026-10-21AI 观察Jascha Sohl-Dickstein：AI 变强后，什么还值得做？从选研究题目到使用 Claude，再到为什么仍要自己写第一稿，Anthropic 研究员 Jascha Sohl-Dickstein 讨论了 AI 加速进步时，如何保留判断、调整职业选择，并参与塑造未来。阅读全文 →
2026-10-14AI 观察Pat Gelsinger：AI 芯片设计加速，瓶颈去了哪里Pat Gelsinger 在 a16z 访谈中谈到，AI 可以加快芯片设计，但制造周期、内存带宽、封装散热和电力供应仍决定系统何时可用。硬件创业的机会，也沿着这些限制重新展开。阅读全文 →
2026-10-11AI 观察Muse 的七个月：Meta 如何让用户逐步信任 AI 智能体Alexandr Wang 讲述 Muse 从原型到发布的七个月：把可靠性拆成可检查的行为，让用户逐步委托更大的任务，再用小团队、一致的产品判断和真实用例推动增长。阅读全文 →
2026-10-04AI 观察Tibo Sottiaux 谈 Dots：AI 接手执行后，人该做什么？OpenAI 的 ChatGPT 与 Codex 负责人谈持续工作的 Dots、插件分发和智能体时代的职业能力。一个演示前的故障提醒，串起了这场访谈的主线：AI 可以主动推进工作，人仍要决定方向、质量和行动边界。阅读全文 →
2026-10-04AI 观察Molly Graham：AI 接手任务后，人为什么更累了？AI 可以接手执行，检查、判断和最终责任却仍留在人身上。Molly Graham 重新审视“交出乐高”的职业建议，解释产出增加背后的倦怠与失落，以及个人和管理者该保留什么、改变什么。阅读全文 →
2026-10-04AI 观察Poteto 的 2,500 个 PR：让 AI 自己验证工作pstack 作者 Lauren Tan 与 Matt Pocock 详谈高并发 AI 编程：用真实运行建立信任，把重复错误变成工程规则，让协调智能体接入外部反馈，同时保留人工抽查、成本意识和自动合并的边界。阅读全文 →
2026-09-27AI 观察Ben Thompson：AI 热潮，谁来付账？AI 的长期价值与眼前的资金缺口可以同时存在。Ben Thompson 从铁路、航运和芯片周期谈起，解释推理成本如何改变商业模式，科技巨头的优势在哪里，以及这轮热潮最终可能留下什么。阅读全文 →
2026-09-21AI 观察陶哲轩：SAIR 开放数学模型与证明消化不良陶哲轩在加州理工学院发表主题演讲，提出 AI 快速生成与形式化验证证明造成的“证明消化不良”，并介绍 SAIR 的开放数学模型计划与数学竞赛实验。阅读全文 →
2026-09-17AI 观察Matt Pocock：AI 编程越快，越需要工程基本功从 grill-me 的追问到 Wayfinder 的决策地图，Matt Pocock 分享如何把需求澄清、任务拆分、测试与架构维护写成可复用的 Skill，并解释代码生成提速后，人的工程判断为何更重要。阅读全文 →
2026-09-16AI 观察Kevin Bai 谈 FDE：客户买下平台之后，谁来交付结果FDE 把技术平台变成客户可用的业务成果。Kevin Bai 从 Palantir 和 Rippling 的经历出发，解释哪些公司需要这支团队，以及平台复用、维护成本和人员协作如何决定它能否持续运转。阅读全文 →
2026-09-16AI 观察Tome 转向 Lightfield：让 AI 读懂客户，先重做 CRMTome 有了两千五百万用户，团队仍选择转向。Lightfield CEO Keith Peiris 讲述如何从客户记录重建 CRM，以及 AI 产品在定价、界面和团队协作上走过的弯路。阅读全文 →
2026-09-15AI 观察Shopify CEO 谈 AI：产出变便宜，判断更重要Tobi Lütke 讲述 Shopify 如何让 River 参与公开协作、用多模型议事团辅助决策，以及为何 AI 生成越容易，审核、取舍和责任越不能外包。阅读全文 →
2026-09-11AI 观察OpenAI 的工程现场：代码写快以后，瓶颈去了哪里从会议中并行查数据，到夜间自动测试，再到新人的培养方式，OpenAI 的两位工程负责人讲述了 Codex 如何改变团队协作，以及代码生成提速后，需求判断、验证和组织决策为何变得更关键。阅读全文 →
2026-09-09AI 观察一个月打造 Grok Bot：SpaceXAI 知识工作智能体的极简实验Roman Ugarte 详述 SpaceXAI 如何在 4 周内完成 Grok Bot 内部原型、3 周后开启公测，以及团队为何放弃在 Cursor 内堆叠功能，转向纯云端运行、删去繁杂配置，并确立把 AI 当同事的产品框架。阅读全文 →
2026-09-09AI 观察Anthropic 2030 经济模型：AI 增长、技能替代与资本分配的三种情境Anthropic 经济学团队联合 Chad Jones 等学者发布 2026 至 2030 年宏观推演模型，基于任务束视角评估 AI 对 GDP 增长、知识工人转岗摩擦、薪资分流与资本劳动分配比例的结构性冲击。阅读全文 →
2026-09-05AI 观察李飞飞与 World Labs：Atlas 发布，世界模型走向“新视角预测”与空间智能World Labs 联合创始人李飞飞、Justin Johnson、Ben Mildenhall 对话 a16z 马丁·卡萨多（Martin Casado）：深度拆解刚刚发布的基础世界模型 Atlas。团队从“新视角预测”切入，首次在单一原生多模态架构中统一 3D 重建与生成想象，探讨从 3 部 iPhone 的“子弹时间”到百倍采集成倍压缩的 Stanford Quad，并推演空间智能在具身机器人仿真、Sim-to-Real 数据飞轮与 4D 动态交互上的技术跃迁。阅读全文 →
2026-09-01AI 观察AI 需求跑在算力供给前面：重度用户、数据中心与多模型系统Gavin Baker 与 David George 从重度用户、数据中心回报、Agent 工作流、多模型架构和 NVIDIA 生态出发，解释 AI 需求为何可能比算力供给扩张得更快，以及这套短缺判断成立所需的条件。阅读全文 →
2026-08-23AI 观察从易失循环到崩溃自愈：Pi AgentHarness v2 的架构哲学剖析 Pi 项目 Durable AgentHarness v2 的架构设计：如何用「先记意图后落事实」、树与多泳道解耦、关卡序列化以及受控变异管线，终结大模型 Agent 的崩溃脏状态与并发竞态。阅读全文 →
2026-08-19AI 观察别再堆关键词了：普林斯顿 GEO 论文揭示大模型搜索时代的流量新规则当搜索引擎从十条蓝链接变成大模型综合回答，传统 SEO 彻底失效。普林斯顿与 IIT 团队提出的 GEO 框架通过 1 万条测试发现：加引文、上数据能让内容曝光提升 40%，而排名垫底的网页更能借此实现 115% 的曝光反超。阅读全文 →
2026-08-15AI 观察Garry Tan 谈 AI 创业：别追热点，把公司做成一组循环在 a16z 的访谈中，Garry Tan 解释了 AI 如何压低实现成本，把创始人的优势推向直接知识、品味、主动性与可复用业务循环，同时提醒行业，组织变化会远慢于模型进步。阅读全文 →
2026-08-15软件组件如何安全地即插即拔：读懂“时空可组合性”这篇 88 页预印本把动态软件组合拆成时间与空间两个问题，并用可回滚副作用、响应式依赖和统一上下文解释组件如何在运行中安全装载、卸载与重连。阅读全文 →
2026-08-10AI 观察田渊栋谈 RSI：模型自进化，先要跑通研究循环田渊栋把 RSI 的门槛放在完整研究循环：提出想法、实现、实验、验证，再进入下一轮。Recursive 公布的三项基准展示了早期进展，评测、防作弊、算力与研究判断仍是硬门槛。阅读全文 →
2026-08-08AI 观察“代码从来不是最难的部分”是对所有程序员的侮辱软件开发这个职业正处在剧变之中。没人知道 AI 革命最终会如何收场，但显然，工作和生活的许多方面都会被改变——包括编程。阅读全文 →
2026-08-06AI 观察一群跑评测的智能体，自己建了留言板，然后打穿了 Hugging Face一场 OpenAI 内部网络安全评测，如何从智能体在 Artifactory 自建留言板，演变成横向移动并攻破 Hugging Face 生产基础设施的跨公司安全事件。阅读全文 →
2026-08-06AI 观察只给一个二进制文件，让 AI 把源码写回来：200 道题，9 个模型，零通过不给源码，只给可执行文件和使用文档，要求 AI 重建完整程序。ProgramBench 的首轮 200 道题、9 个模型无人完全通过，也暴露出模型在架构、迭代和语言选择上的真实习惯。阅读全文 →
2026-08-06AI 观察AI 把时间维度拿掉了：李继刚 × 孟岩，三个半小时聊「人何以自处」工业革命拿走体力，互联网压平空间，AI 正在压平时间。李继刚与孟岩从读书、投资与结构思维谈到 Agent、教育和人的意志性，追问 AI 时代人何以自处。阅读全文 →
2026-07-02知识系统关于「文章」栏目这里的每一篇内容都从 Snowpaw 工作台发布：信号采集、资料沉淀、认知生长之后的判断资产。阅读全文 →
2026-10-22AI 观察皮查伊谈 Gemini 4：模型跑得越快，算力越要提前准备从 Gemini 4 Argon 的发布取舍，到个人智能体、DeepMind 调整和太空计算，皮查伊解释了 Google 如何让快速进步的模型、有限算力与长期投入相互配合。阅读全文 →2026-10-21AI 观察李录谈 AI 与价值投资：变化越快，越要守住能复利的东西从 AI 的增量成本、市场资金集中，到中国经济的分化，李录把判断重新放回企业价值、能力圈，以及能够长期积累的知识与信任。阅读全文 →2026-10-21AI 观察Jascha Sohl-Dickstein：AI 变强后，什么还值得做？从选研究题目到使用 Claude，再到为什么仍要自己写第一稿，Anthropic 研究员 Jascha Sohl-Dickstein 讨论了 AI 加速进步时，如何保留判断、调整职业选择，并参与塑造未来。阅读全文 →2026-10-14AI 观察Pat Gelsinger：AI 芯片设计加速，瓶颈去了哪里Pat Gelsinger 在 a16z 访谈中谈到，AI 可以加快芯片设计，但制造周期、内存带宽、封装散热和电力供应仍决定系统何时可用。硬件创业的机会，也沿着这些限制重新展开。阅读全文 →2026-10-11AI 观察Muse 的七个月：Meta 如何让用户逐步信任 AI 智能体Alexandr Wang 讲述 Muse 从原型到发布的七个月：把可靠性拆成可检查的行为，让用户逐步委托更大的任务，再用小团队、一致的产品判断和真实用例推动增长。阅读全文 →2026-10-04AI 观察Tibo Sottiaux 谈 Dots：AI 接手执行后，人该做什么？OpenAI 的 ChatGPT 与 Codex 负责人谈持续工作的 Dots、插件分发和智能体时代的职业能力。一个演示前的故障提醒，串起了这场访谈的主线：AI 可以主动推进工作，人仍要决定方向、质量和行动边界。阅读全文 →2026-10-04AI 观察Molly Graham：AI 接手任务后，人为什么更累了？AI 可以接手执行，检查、判断和最终责任却仍留在人身上。Molly Graham 重新审视“交出乐高”的职业建议，解释产出增加背后的倦怠与失落，以及个人和管理者该保留什么、改变什么。阅读全文 →2026-10-04AI 观察Poteto 的 2,500 个 PR：让 AI 自己验证工作pstack 作者 Lauren Tan 与 Matt Pocock 详谈高并发 AI 编程：用真实运行建立信任，把重复错误变成工程规则，让协调智能体接入外部反馈，同时保留人工抽查、成本意识和自动合并的边界。阅读全文 →2026-09-27AI 观察Ben Thompson：AI 热潮，谁来付账？AI 的长期价值与眼前的资金缺口可以同时存在。Ben Thompson 从铁路、航运和芯片周期谈起，解释推理成本如何改变商业模式，科技巨头的优势在哪里，以及这轮热潮最终可能留下什么。阅读全文 →2026-09-21AI 观察陶哲轩：SAIR 开放数学模型与证明消化不良陶哲轩在加州理工学院发表主题演讲，提出 AI 快速生成与形式化验证证明造成的“证明消化不良”，并介绍 SAIR 的开放数学模型计划与数学竞赛实验。阅读全文 →2026-09-17AI 观察Matt Pocock：AI 编程越快，越需要工程基本功从 grill-me 的追问到 Wayfinder 的决策地图，Matt Pocock 分享如何把需求澄清、任务拆分、测试与架构维护写成可复用的 Skill，并解释代码生成提速后，人的工程判断为何更重要。阅读全文 →2026-09-16AI 观察Kevin Bai 谈 FDE：客户买下平台之后，谁来交付结果FDE 把技术平台变成客户可用的业务成果。Kevin Bai 从 Palantir 和 Rippling 的经历出发，解释哪些公司需要这支团队，以及平台复用、维护成本和人员协作如何决定它能否持续运转。阅读全文 →2026-09-16AI 观察Tome 转向 Lightfield：让 AI 读懂客户，先重做 CRMTome 有了两千五百万用户，团队仍选择转向。Lightfield CEO Keith Peiris 讲述如何从客户记录重建 CRM，以及 AI 产品在定价、界面和团队协作上走过的弯路。阅读全文 →2026-09-15AI 观察Shopify CEO 谈 AI：产出变便宜，判断更重要Tobi Lütke 讲述 Shopify 如何让 River 参与公开协作、用多模型议事团辅助决策，以及为何 AI 生成越容易，审核、取舍和责任越不能外包。阅读全文 →2026-09-11AI 观察OpenAI 的工程现场：代码写快以后，瓶颈去了哪里从会议中并行查数据，到夜间自动测试，再到新人的培养方式，OpenAI 的两位工程负责人讲述了 Codex 如何改变团队协作，以及代码生成提速后，需求判断、验证和组织决策为何变得更关键。阅读全文 →2026-09-09AI 观察一个月打造 Grok Bot：SpaceXAI 知识工作智能体的极简实验Roman Ugarte 详述 SpaceXAI 如何在 4 周内完成 Grok Bot 内部原型、3 周后开启公测，以及团队为何放弃在 Cursor 内堆叠功能，转向纯云端运行、删去繁杂配置，并确立把 AI 当同事的产品框架。阅读全文 →2026-09-09AI 观察Anthropic 2030 经济模型：AI 增长、技能替代与资本分配的三种情境Anthropic 经济学团队联合 Chad Jones 等学者发布 2026 至 2030 年宏观推演模型，基于任务束视角评估 AI 对 GDP 增长、知识工人转岗摩擦、薪资分流与资本劳动分配比例的结构性冲击。阅读全文 →2026-09-05AI 观察李飞飞与 World Labs：Atlas 发布，世界模型走向“新视角预测”与空间智能World Labs 联合创始人李飞飞、Justin Johnson、Ben Mildenhall 对话 a16z 马丁·卡萨多（Martin Casado）：深度拆解刚刚发布的基础世界模型 Atlas。团队从“新视角预测”切入，首次在单一原生多模态架构中统一 3D 重建与生成想象，探讨从 3 部 iPhone 的“子弹时间”到百倍采集成倍压缩的 Stanford Quad，并推演空间智能在具身机器人仿真、Sim-to-Real 数据飞轮与 4D 动态交互上的技术跃迁。阅读全文 →2026-09-01AI 观察AI 需求跑在算力供给前面：重度用户、数据中心与多模型系统Gavin Baker 与 David George 从重度用户、数据中心回报、Agent 工作流、多模型架构和 NVIDIA 生态出发，解释 AI 需求为何可能比算力供给扩张得更快，以及这套短缺判断成立所需的条件。阅读全文 →2026-08-23AI 观察从易失循环到崩溃自愈：Pi AgentHarness v2 的架构哲学剖析 Pi 项目 Durable AgentHarness v2 的架构设计：如何用「先记意图后落事实」、树与多泳道解耦、关卡序列化以及受控变异管线，终结大模型 Agent 的崩溃脏状态与并发竞态。阅读全文 →2026-08-19AI 观察别再堆关键词了：普林斯顿 GEO 论文揭示大模型搜索时代的流量新规则当搜索引擎从十条蓝链接变成大模型综合回答，传统 SEO 彻底失效。普林斯顿与 IIT 团队提出的 GEO 框架通过 1 万条测试发现：加引文、上数据能让内容曝光提升 40%，而排名垫底的网页更能借此实现 115% 的曝光反超。阅读全文 →2026-08-15AI 观察Garry Tan 谈 AI 创业：别追热点，把公司做成一组循环在 a16z 的访谈中，Garry Tan 解释了 AI 如何压低实现成本，把创始人的优势推向直接知识、品味、主动性与可复用业务循环，同时提醒行业，组织变化会远慢于模型进步。阅读全文 →2026-08-15软件组件如何安全地即插即拔：读懂“时空可组合性”这篇 88 页预印本把动态软件组合拆成时间与空间两个问题，并用可回滚副作用、响应式依赖和统一上下文解释组件如何在运行中安全装载、卸载与重连。阅读全文 →2026-08-10AI 观察田渊栋谈 RSI：模型自进化，先要跑通研究循环田渊栋把 RSI 的门槛放在完整研究循环：提出想法、实现、实验、验证，再进入下一轮。Recursive 公布的三项基准展示了早期进展，评测、防作弊、算力与研究判断仍是硬门槛。阅读全文 →2026-08-08AI 观察“代码从来不是最难的部分”是对所有程序员的侮辱软件开发这个职业正处在剧变之中。没人知道 AI 革命最终会如何收场，但显然，工作和生活的许多方面都会被改变——包括编程。阅读全文 →2026-08-06AI 观察一群跑评测的智能体，自己建了留言板，然后打穿了 Hugging Face一场 OpenAI 内部网络安全评测，如何从智能体在 Artifactory 自建留言板，演变成横向移动并攻破 Hugging Face 生产基础设施的跨公司安全事件。阅读全文 →2026-08-06AI 观察只给一个二进制文件，让 AI 把源码写回来：200 道题，9 个模型，零通过不给源码，只给可执行文件和使用文档，要求 AI 重建完整程序。ProgramBench 的首轮 200 道题、9 个模型无人完全通过，也暴露出模型在架构、迭代和语言选择上的真实习惯。阅读全文 →2026-08-06AI 观察AI 把时间维度拿掉了：李继刚 × 孟岩，三个半小时聊「人何以自处」工业革命拿走体力，互联网压平空间，AI 正在压平时间。李继刚与孟岩从读书、投资与结构思维谈到 Agent、教育和人的意志性，追问 AI 时代人何以自处。阅读全文 →2026-07-02知识系统关于「文章」栏目这里的每一篇内容都从 Snowpaw 工作台发布：信号采集、资料沉淀、认知生长之后的判断资产。阅读全文 →这里的文章不是随手的博客，而是经过完整生产链路的判断资产。 订阅文章 RSS →