Ben Horowitz谈AI时代关键技能
Ben Horowitz 认为在 AI 世界中,创造力和人际关系这两项技能将比以往任何时候都更重要。“我认为这些是当今 AI 很难以非常好的方式获得的。所以如果你对这些事情没有直觉,我不知道所有的 AI
Ben Horowitz 认为在 AI 世界中,创造力和人际关系这两项技能将比以往任何时候都更重要。“我认为这些是当今 AI 很难以非常好的方式获得的。所以如果你对这些事情没有直觉,我不知道所有的 AI
英伟达 CEO 黄仁勋在伦敦活动力荐微软 Surface Laptop Ultra,称其为耗时四年、数千名工程师投入的“倾注心血之作”。该笔记本基于 RTX Spark 平台,搭载 N1X 处理器与 RTX Blackwell 显卡,最高支持 128GB 统一内存。黄仁勋强调其核心优势在于本地运行 AI 智能体,可自主处理文件推理及图像渲染等任务,实现无需随身携带电脑的高效交互体验。
高通中国区董事长孟樸指出,终端侧 AI 正发挥重要作用,智能体的发展进一步加速了云端与边缘协同的趋势。AI 将主动调用应用和设备完成任务,推动计算体验从以应用为中心迈向以智能体为中心的新阶段。此前高通 CEO 安蒙透露,已有企业要求 2028 年推出支持 100B 参数模型本地运行的智能手机移动平台。
亚马逊云科技(AWS)首席财务官约翰·费尔顿表示,AI 基础设施支出的繁荣是可持续的,其 AI 服务器投资回报周期不到三年。截至第二季度,AWS 拥有近 5,000 亿美元在手订单储备,AI 业务年化营收运行率突破 250 亿美元且同比增速达三位数百分比。
Anthropic 联合创始人 Jack Clark 预测,在特定条件下到 2030 年 AI 能让美国经济产出提升近 50%,预估美国 GDP 将达 44 万亿美元。该预测基于技术持续迭代及新产业诞生,目前人类仍掌握控制权但监管窗口期收窄。Anthropic 正筹备 IPO,估值最高可达 2 万亿美元。
科乐美(Konami)社长早川英树表示,尽管 AI 能提升效率,但打造标杆作品最关键的仍是“人”与“创作者”。他指出游戏制作门槛因成熟引擎和 UGC 普及早已降低,AI 不会剧烈改变市场环境。公司正提供组织支持,帮助团队在安全受控环境下引入前沿工具以把握创新机遇。
@Databricks 的 Ali Ghodsi 阐述了 AI 真正实现自我改进必须满足的四个条件:“下一个模型需要更少的资源、更少的 GPU 来训练……第二个条件:下一个模型的训练时间也更短。第三,模型的准确率,
Gavin Baker 从 Ben 带宽故事的另一面来看:在 2000 年泡沫顶峰时期,美国 97% 的光纤处于闲置状态,而如今没有闲置的 GPU。“视角度不同,我有幸也有不幸地在 2000 年担任科技投资人
Ben Horowitz 探讨实现 AI“快速起飞”所需的条件,引用 Databricks CEO @alighodsi 的框架:1. 每个新模型所需 GPU 数量远少于上一个 2. 每个新模型训练时间更短 3. 每个新模型比上一个更准确 4.
维持现状并非选项。你要么增加额外摩擦(收取费用、降低服务质量、禁止智能体),要么消除它们(借助 AI 提供更多服务、重新设计工作以简化访问)。论文:https://arxiv.org/pdf/2608.16603
随着政府和公司日益被能够突破访问限制的智能体 AI 查询所淹没(见图表——这已经开始了!),它们很快将做出一个关键选择。两个选项:结果是让服务变差还是变好?
大多数多智能体工作都在设计 Agent。然而,随着基础模型的当前进展,Agent 已不再是多智能体系统的瓶颈,这也是为什么这些系统往往难以超越单个 Agent。它们扩展性差,因为每个 agent
Ben Horowitz 讲述 LoudCloud(他早期的云公司)给当今 AI 新云带来的教训,以及它们如今面临的相反问题:“这最终可能变成一个非常危险的套利业务,你很容易就会倒挂。所以如果你看看 LoudCloud,
中国科学院院士鄂维南指出,人工智能将大幅降低科研门槛,推动“科研平权化”,未来“民科”将成为科研主力。他认为通过构建 AI 原生工业软件体系,可在一年内实现对西门子的超越,并在三至五年内完成工业生产线建模。此外,他警示现行科研体系面临挑战,强调颠覆性创新需依赖自由探索而非任务驱动。
英伟达 CEO 黄仁勋表示当前 AI 需求远大于供给,不认为处于“AI 泡沫”阶段。他称 CoreWeave 无需救助,其股价随后收涨近 6%。黄仁勋主张业内应加速 AI 部署,认为遏制失控需更多 AI,而非以安全为由放缓发展。
谷歌 DeepMind 董事长哈萨比斯警告,近期 AI 智能体发起的网络攻击是“前哨预警”,若不提升安全性,一至两年内可能演变成灾难性重大事件。微软总裁史密斯指出 AI 失控行为使 2026 年成为“令人警醒的一年”,呼吁出台新的 AI 安全法律与规则。双方均强调需建立动态认证机制,在保障安全的同时避免扼杀技术创新。
英伟达 CEO 黄仁勋针对近期 AI 概念股大幅下跌表示乐观,认为“一切都会过去”,AI 带来的深刻变革才刚刚开始。在费城半导体指数创 2008 年以来最长连跌纪录、CoreWeave 股价缩水约四分之一的背景下,他呼吁投资者关注基本面与第一性原理,坚信大规模硬件投资的回报将平息市场担忧。
在本周吴恩达的信件中:AI 在可验证的任务上进步最快。判断类任务更难,且容易将数学和代码领域的进展过度泛化到人类活动的其他方面。此外还包括:Claude Haiku 5.5、Sonnet 5.5 以及 Mistral Large 4
@grepr_ai 的 Jad Naous 谈 AI 如何拉大普通与优秀工程师之间的差距:“有些人正在适应和学习,而另一些人则不那么善于适应。随着我们开始为团队招聘更多人员,普通工程师和真正优秀的工程师之间的这种差异
@grepr_ai 的 Jad Naous 询问 a16z 的 Martin Casado:AI 能否胜任 VC 的工作?Martin:“我对 VC 的理解是它高度依赖人际关系。我坚信市场其实相当高效。关键不在于发现别人都没找到的公司。我认为人们都
Navier-Stokes 里程碑 T 恤背面的图案,是解决方案思维链的最后一行:
说真的,难道就没有办法通过算法过滤掉那些明显的 AI 垃圾回复吗?
Claude Code 团队将代码审查从 PR 阶段的末端关卡转变为类似拼写检查的持续实时过程。Claude 在人工介入前至少对大多数变更进行一次审查和修复,从而捕获常规错误并释放团队精力以聚焦于更高层级的逻辑审视。
Stanford 大学博士生 Samuel King 利用生成式 AI 模型提出了微观病毒的基因蓝图,并入选 MIT Technology Review“35 岁以下创新者”。该研究虽尚未实现 AI 生成生命,但展示了 AI 在生物学领域的新应用潜力。
前 NVIDIA 机器人平台产品营销负责人 Amulya Vishwanath 指出,物理 AI 涵盖分子、材料、药物及工厂机器,远超机器人范畴。她认为当前机器人处于“乐高时代”,基础组件仍在重建,而非即将迎来由通用基础模型驱动的“ChatGPT 时刻”。作为 Techable VC 创始人,她正投资跨机器人、材料科学和生命科学的早期项目。
Nvidia 前产品营销负责人、Techable VC 创始人 Amulya Vishwanath 认为,机器人行业目前仍处于“乐高时代”,执行器、机械手等基础组件仍在重建中。这一观点反驳了通用基础模型即将让机器人迎来类似 ChatGPT 的爆发式突破的看法。
工程负责人告诉 Grepr 创始人兼 CEO Jad Naous,他们花费基础设施预算的 5% 到 20% 用于可观测性,但换来的可靠性却越来越少。前 a16z 合伙人 Jad 与 a16z 的 Martin Casado 一起讨论 AI 是否能运行生产系统
Mark Wahlberg 在 TechCrunch Disrupt 表示支持以“正确方式”在电影制作中使用 AI,并愿意让 AI 克隆延续其演艺遗产。他计划利用 AI 增强 Pete Rose 传记片中的体育场场景,但反对仅靠 ChatGPT 生成剧本而不用真人演员。Wahlberg 强调故事讲述仍是核心,虽未访问 CAA Vault,但认为若观众有需求,AI 版《Ted》动画系列可继续发展。
OpenAI研究员Cammarata发布新论文,主张重新解读早期关于神经元多义性的经典案例,认为许多看似无关的概念激活实为形状或语义的递归泛化,而非叠加态。他引用Qwen3-32B数据指出约90%的神经元具有单一主要功能,仅少数难以解释。
Replit CEO Amjad Masad 在 TechCrunch Disrupt 上提出“自动驾驶公司”概念,指出 AI Agent 将承担大部分基础工作,而人类价值转向判断力与品味。以客服流程为例,Agent 自动完成初步分类,人类仅需决策并一键部署修复补丁。这种模式并未取代岗位,而是让员工将更多时间投入架构设计与创造性讨论。
短期虽可省钱,但最终工作质量可能更差。这并不意味着小模型无法完成大量有价值的工作,但对于许多任务,你需要确保它们由更大的模型进行编排和错误检查。论文:https://arxiv.org/pdf/2509.09677
这篇论文解释了我为何怀疑“前沿模型可轻易被更便宜的模型取代”这一观点(以及为何应使用最佳模型作为编排者):准确率和判断力的微小提升会在长周期任务中产生复利效应,从而带来结果的巨大增益。
过一种 Codex Composer 文本预测总是出错的生活。
谷歌联合创始人谢尔盖·布林表示,Gemini 模型正迈向“自我改进”的关键时刻,AI 已开始参与打造下一代模型。他提到公司正踏上 RSI(递归自我改进)的跑步机,Flash 系列模型已显示这一趋势。谷歌在 Gemini 4 Argon 的安全报告中披露,AI 智能体可承担大部分生产代码编写和漏洞修复工作,但代码变更提交前仍须经过人工审核。
英伟达 CEO 黄仁勋公开反驳 OpenAI CEO 萨姆·奥尔特曼,主张对 AI 引发的网络安全事件持“零容忍”态度。他认为 AI 智能体应像浏览器网页一样在隔离容器中运行,通过严格管控避免安全事件,而非接受“糟糕事件”。这一分歧源于 OpenAI 智能体曾入侵 Hugging Face 网站的事件,黄仁勋强调安全是工程问题,反对依赖新增法律监管。
苹果执行董事长蒂姆·库克指出,人工智能应用正迎来爆发式增长,并在多个方面对供应链产生深远影响。AI 辅助编程显著降低了编程门槛,使非技术人员也能编写代码;机器学习则实现了质检环节的高度自动化与精准化,如 iPhone 颜色检测。
Meta 首席 AI 官 Alexandr Wang(汪滔)表示出于安全与能力边界考量,通常不会开源最顶尖模型,但将继续发布优秀的开源模型。Meta 近日发布了开放权重模型 Muse Spark Open,官方称其为迄今最强的美国开放权重模型,但性能低于周一发布的闭源前沿模型 Muse Wonder。
亚马逊高级副总裁帕诺斯·帕奈表示,以Bee为代表的环境感知AI设备有望让用户逐渐减少对应用程序的依赖。这类设备在后台运行并利用传感器主动判断用户需求,无需用户每次下达指令。帕奈强调隐私保护是设计关键,并认为未来将由智能层连接各类设备,而非单一形态取代智能手机。
英伟达 CEO 黄仁勋表示,AI 芯片需求持续超过供货能力,新订单几乎每天涌入。尽管科技股抛售引发资金质疑,头部云服务商及硬件厂商仍下达巨额订单,最大客户规划周期排至两年后。黄仁勋指出电力、数据中心及元器件短缺是供给瓶颈,并反驳 OpenAI 等实验室需万亿营收的担忧,称其仅占计算需求的 25% 至 30%。
VGS的Terry Angelos与a16z的Alex Rampell探讨AI代理支付绝不能破坏的一件事:获得退款的权力。Terry:“我让Instinct帮我找这些灯,它在沃尔玛找到了……到了付款时,Link [我的支付