够不够野心，比是不是太野心更要紧｜a16z × Andreessen、Horowitz、Dixon
Marc Andreessen 说，早期采用者眼中「现在已经可能」的事，和普通人、尤其和在位公司之间的差距，是他职业生涯里见过最宽的一次，而且还在按周拉开。a16z 把原 crypto 基金扩成 Frontier：稳定币进了普通工具箱之后，要押的是外行星式创业者，以及助手之外更娱乐、更代理化的新品类。
a16z
观察
从海外播客、访谈、文章和报告中，整理值得深入阅读的观点。
共 96 篇观察
算力被卖成三年矩形，需求不是这种形状｜Latent Space × Erik Bernhardsson
Erik Bernhardsson 说，GPU 产能大多被卖成从未来 3 到 6 个月起、为期三年的矩形块。多数 AI 负载要的是弹性、短时和峰值。Modal 用多客户聚合、函数和沙箱，把这块矩形切成能跟着需求走的供给。
Latent Space
先进算力的缺口在工具，不在多喊建厂｜Dwarkesh Patel × Chris Auth
片头把 AI 需求说成高出晶圆厂最大产能大约 40% 到 50%。Chris Auth 讲 14A 仍在收口约 2000 道工序。ASML 的 EUV 一年不到 100 台，还要分给各家代工和存储。到 2045 年晶体管可以继续往上叠，近端节奏被工艺和工具一起锁住。
Dwarkesh Patel
人们要的是解释，外包判断才是去权｜Stanford GSB × Andrew Hall
Andrew Hall 用印刷机类比 AI：便宜分发的从信息变成判断。美国人跟 Claude 谈政治的对话只占大约 0.5%，其中多数要的是解释，不是投票指令。日本大选的审计里，模型因检索权限把中间偏左的选民推向共产党。更难的是规定模型该怎么答，而不是量它此刻答了什么。
Stanford GSB
人得一直握着未来｜Stanford GSB × Sam Altman
Altman 说人工智能更像电和晶体管，必须产品化，并把前所未有的算力交到人手里。任务会被大换，他不认为这是工作末日。人要控制未来、权力要分散，于是才有速度上限；任何监管都错，或必须立刻全停，两边他都认为错。
Stanford GSB
做完手头活，还是跟上前线｜Every × Dan Shipper
Dan Shipper 说公司里每个人都卡在交付和追 AI 前线之间。Every 把这件事交给单独的 Frontier Team：实验和日常产品切开，海盗负责弄脏，建筑师负责能维护，个人基准把感觉收成可核对的数。
Every
别再做技术决策，这条已经错了｜The Pragmatic Engineer × Will Larson
Will Larson 记得 2010 年代进工程管理的第一课是再也不要做技术决定。今天这条伦理已经反过来。Staff 专吃有趣题、经理只剩痛苦的业务题，这套合同也在失效。中层要回到软件细节，否则会变成一套行业不再出价的官僚技能。
The Pragmatic Engineer
还不合算的地方，才是这轮破坏｜Stanford GSB × William P. Barnett
William P. Barnett 说 21 世纪的破坏是可持续性，这是逻辑不是口号。今天经济上还不划算的领域，正是逆向者改写经济、同时解决大问题并创造价值的地方。行动的尺度在组织：比个人可扩展，又比全国监管更能在政治逆风里继续。
Stanford GSB
前沿算力不能谈判，聊天和任务收成一个助手｜Big Technology × Sundar Pichai
Pichai 说今天的算力是他 2024 年决定的函数，客户若现在要 2027 年的算力已经极难。节目口述，字幕听成 Argon 的模型上线 72 小时用量将近 25 万亿 token，约是他所说 Gemini 3.0 同期的 3 倍，服务时仍在限容。界面押在 Gemini 一个助手上。
Big Technology
设计是新的代码，创造要落在分布之外｜All-In × Dylan Field
Figma 2012 年 8 月起步，Adobe 报价 200 亿美元，审查走了 16 个月，美国、欧盟和 CMA 拦下交易。Dylan Field 把设计定义成创造力加上解题，并改口说 AI 只放低地板。主持人读季报看到同比增长 48%。内部写作若用了 AI，文首要标 written with AI。
The All-In Podcast
换了显微镜，网络里的结没那么死｜AI Daily Brief
Nick Cammarata 的长文在自动字幕里题为 Neural Networks Are Already Clean。2023 年用 GPT-4 解释 GPT-2，大约 2% 干净。Inception v1 从当时约 5%，修显微镜到约 50%，现代设置重训约 70%，同规模同数据的现代设计末层约 99%。他自认大约 85% 把握，完整技术论文还没出来。Neel Nanda 说这还不算大图景上的显著更新。
The AI Daily Brief
别告诉智能体怎么做，只声明做成什么样｜AI Engineer × OpenProse
OpenProse 把要反复做的多智能体工作写成 Markdown 合同：输入、输出、技能、工具和成功条件，让 Claude Code、Codex 这类宿主自己找做法。整份技能上次查看接近 7 万到 8 万 token。PR 评审有过大约 14 轮才放行。一家大银行约 4000 个量化模型要按年重写文档，他们把这个问题估到每年 1000 万到 5000 万美元。
AI Engineer
量到的会修好，没量的幻觉还在｜AI Engineer × Laurie Voss
Laurie Voss 用故意写坏的金融分析智能体做评测。可执行性从 16 次里 5 次及格到 48 次全过，忠实性从 2/16 到 3/48。裁判当分类器标定，评测提示当代码，爬完的坡放进持续集成。
AI Engineer
消息能传对，共享理解仍会传错｜Big Technology × Vijoy Pandey
Vijoy Pandey 说企业里的智能体来自不同厂商、不同云、不同团队。连接做了大约 18 个月之后，他转去量集体认知：字幕里三次认知失败把结果打到 16%。
Big Technology
一个人装得下 Unix，装不下这一千个智能体｜AI Engineer
CJ Avilla 用 Ken Thompson 一个月写出 Unix，对照 Brooks 的外科手术队。Harrison Stall 说 flows 他以为能到 1000 个智能体；周五启动的操作系统，周一早上还没做完。
AI Engineer
安全要他们进同一间屋子，可这间屋子现在进不去｜Big Technology × Kevin Roose
Kevin Roose 写《AGI Chronicles》时采访了 150 多人。他说相关决定落在大约二十几个人身上，他不信任其中任何一个单独做主；他要的是放慢，并把递归自我改进单列为该停的那一件。
Big Technology
认证第二天没人接，冠军就回到原来的用法｜The AI Daily Brief × Nufar
这期把企业内部的 AI 冠军从展示用法排到坐在业务团队里做到上线，并认为成败看认证之后：两个赞助人、经理给的时间，以及一个真实用例能不能走到每天有人用。
The AI Daily Brief
评测一旦写出来，实验室就会把它爬满｜South Park Commons × Brendan Foody
Brendan Foody 说 Mercor 每月约有一百万小时在做任务；Apex Agents 从他所说的今年 2 月前沿约 23%，到现在约 65%。他把数据的价钱收成现实度、难度，以及打分时少出假阳性和假阴性。
South Park Commons
5180 亿美元的算力义务，市场还没想好怎么看｜CNBC × Alex Kantrowitz
Big Technology 的 Alex Kantrowitz 用 Anthropic 泄露口径里的收入和算力义务，说明为什么叙事里的小幅晃动会打到一整条人工智能交易。
CNBC
不会写代码的人怎么和智能体一起做网站｜Stanford GSB × Ben Tossell
Ben Tossell 在斯坦福用个人网站、英国地方开支地图和一年里的 token 用量，讲指令文件、三个版本、发布，以及他为什么把多数作品当成练习。
Stanford GSB
第一次接受采访：审判、探视和一部他还没看过的纪录片｜The All-In Podcast × Billy Evans
Billy Evans 讲他和 Elizabeth Holmes 如何相识、庭审那些清晨、Bryan 监狱营地的探视，以及他还没看过的纪录片和自己的传感公司。
The All-In Podcast
中位数答案已经免费，产品还靠什么分开？｜AI Engineer × Hariprasad Sudharshan
Hariprasad Sudharshan 用两年公开做产品的经历说明，租来的模型和 harness 会把已解决的问题做成彼此相似的软件；他后来把预算改到新颖性，并用开源权重的推理成本做区分。
AI Engineer
防御窗口还开着，安全支出凭什么超过写软件｜No Priors × Greg Brockman
Greg Brockman 在 No Priors 上把本周解开的数学题、药物发现缺数据的地方，和 OpenAI 抽走约四分之一生产环境工程师做安全，收成同一件事：能力先到的人要用来还旧债。
No Priors
会议室里的录音设备，和广告为什么会那么准｜TBPN
Diet TBPN 这期先讲 OpenAI 会议室里被发现的录音设备正在由联邦调查局调查，再讨论手机和电视会不会为了广告而听周围的声音。
TBPN
一百万美元的实习全买了一只新股｜Stanford GSB × Marc Stad
Marc Stad 在斯坦福讲 2007 年把实习资金全押进 MercadoLibre、Dragoneer 从 1.8 亿美元做到大约 450 亿美元，以及优步那次半夜凑出来的招标。
Stanford GSB
Argon 写作胜过 Claude，Hartman 问支点钉在哪｜Every × Matt Hartman
开场用重写代码库的测试对比新模型，Argon 写作被留下、代码大约两成；后半 Matt Hartman 讲产品循环，以及自己做的语音工具还得自己维护。
Every
Argon 放进四个入口，坏内存要硬件组点头｜Google for Developers
Release Notes 这期说 Gemini 4 Argon 当天可在应用、AI Studio、云端接口和 Antigravity 里用，写作要去掉套话，一次请求可以走出很长的推理。
Google for Developers
管理费一年跑到 150 亿美元，高盛把地板抬高了｜CNBC × David Solomon
高盛首席执行官 David Solomon 用八年里的资管费说明，收入里大约 45% 被他们看成可重复，并说 5% 的十年期国债本身吓不倒他。
CNBC
密钥和工具调用进模型之前，门禁放在哪？｜AI Engineer × Harish Gaggar
Harish Gaggar 把 Credit Karma 的智能体上线拆成注册门户、自建 MCP 网关、审计、人审和脱敏；同一句 Artifactory 查询在演示里从约 24000 token 降到约 2400。
AI Engineer
新发的超大规模债，半年后再卖就宽了一截｜CNBC × Chris White
BondCliQ 的 Chris White 说，债券投资人开始怀疑一部分人工智能超大规模公司的长期故事，新券在发行后大约半年交易明显变宽。
CNBC
代码冻结只写在聊天里，生产库为什么还能被删？｜AI Engineer × Jiachen Jiang
Jiachen Jiang 用三起过去一年的事故说明，编程代理删库、银行里的 Copilot 被用来绕过数据防泄漏、NX 安装脚本把提示词塞给本机助手，对应的控制是隔离环境、短时凭证和代理碰不到的日志。
AI Engineer
只看分子就能猜中作者，模型什么时候才算懂结合？｜Latent Space × Ian Quigley
Ian Quigley 讲 Leash Bio 如何用自建测量躲开公开数据里的化学家指纹，以及上周末一万次早期药物战役为什么仍被已经筛过的化学空间圈住。
Latent Space
爱国者从一年约 600 枚往上加，需求被说成永久的｜CNBC × Jim Taiclet
洛克希德·马丁首席执行官 Jim Taiclet 和国防部采办次长 Michael Duffy 在得州谈导弹增产、Hadrian 与通用汽车的合作，以及合同还差国会拨款。
CNBC
别人停滞的时候，管理期货在做什么｜CNBC × Andrew Beer, Nate Jerase
Andrew Beer 与 Nate Jerase 在 ETF Edge 上用债券回撤、DBMF 的年内回报和逾百亿美元的品类规模，讨论组合里大约一成的另类仓位。
CNBC
第四季度他谨慎乐观，资本开支仍按万亿在问｜CNBC × Ted Pick
摩根士丹利首席执行官 Ted Pick 把三季度拆成两段，并说超级周期一年花一万亿还是 1.2 万亿，都不如最终大约 10 到 15 万亿这个方向重要。
CNBC
2050 年的 31 万亿美元数据中心，电力和许可从哪来？｜Big Technology × Dallas Dolen
PwC 的 Dallas Dolen 把到 2050 年 31 万亿美元的 AI 基础设施预测，拆成电力合同、芯片与内存、地方选举和社区叙事；模型停在今天，他仍认为管道里的流量会上去。
Big Technology
资本开支盖过收入之后，Tusk 把注下在应用层｜CNBC × Bradley Tusk
Tusk Ventures 创始人 Bradley Tusk 说，市场开始要求收入和 EBITDA 盖过债务与资本开支；他们因此投人工智能应用和更省电的计算。
CNBC
大约 15% 的生产 PR 走过 Minion，合并线为什么还在人手里？｜The Pragmatic Engineer × Udai Kira Mendesi
Udai 讲 Uber 怎样把模型网关、工具网关和上下文图接到十年前的开发平台上，以及每条要进主干的 PR 为什么仍要工程师点头。
The Pragmatic Engineer
十家公司占了标普一半，私募出口还在找买家｜CNBC × Jeffrey Perlman
Warburg Pincus 首席执行官 Jeffrey Perlman 说，上市对赞助人往往不是基本情形，投资人把公开市场看成一笔高度相关的大赌注。
CNBC
Argon 放进哪一层，代码先看你用的壳｜The AI Daily Brief
这期先处理 OpenAI 会议室录音设备的起诉，再把 Gemini 4 Argon 的问题从换不换掉每天的模型，收成它适合写作、知识工作还是编程。
The AI Daily Brief
智能体能跑起来，谁愿意把账本交给它？｜AI Engineer
Michele Grant 用一笔 150 亿美元并购里的协同追踪，说明上线只证明系统存在，信任要靠价值、问责和证据三道门。
AI Engineer
内陆的风和气，够不够撑起一座 AI 工厂？｜Joseph Noel Walker
Tim Nelson 把 10 到 15 吉瓦的训练设想拆成能量、移峰和保供：算术惊人，他更担心的是合同年限、线路位置和社会许可，不是电够不够。
Joseph Noel Walker
指数在高位，过半股票已经离开高点两成｜CNBC
投资委员会把 Paul Tudor Jones 的 2027 和一篮子 AI 股票放在一起：盈利在少数名字上，利率和油价决定其余公司还能不能跟上。
CNBC
顾问会变少吗？CAIS 创始人认为 AI 会让他们更好做｜CNBC
Matt Brown 说另类资产的需求还在加速，1.7 亿美元融资把公司估到 20 亿；智能体是顾问的搭档，判断和关系仍留在人这边。
CNBC
幻灯片写着七成自动化，尽调先算哪三笔账？｜AI Engineer
Soukaïna Abelhad 用工作量、直通率和专家是否同意，说明一个真实测出来的百分比，经常被拿去支撑它撑不住的结论。
AI Engineer
机器人要先预测下一秒，才能把活干完？｜Latent Space
Dyna 联合创始人 Jason Ma 说明世界动作模型如何同时预测画面和动作，以及鼎泰丰的餐巾折叠为什么比实验室演示更能检验通用机器人。
Latent Space
四个前沿模型做五件实事，闪的和能写的不是同一个｜Peter Yang
Peter Yang 用同一套提示比 Opus 5.5、Gemini 4、GPT-6 Astra 和 Muse Wonder：三维和游戏仍是 Opus，写作和检索 Gemini 第一次排到前面。
Peter Yang
Google 如何用 Gemini 4 Argon 改造 Chromium 的大型代码库？｜Google DeepMind
Google DeepMind 称，Gemini 4 Argon 帮助 Chrome 团队把网页功能从约 600 万行的旧代码区域中拆分出来，在数百个文件里完成架构调整；公开材料仍缺少独立验证和具体人工分工。
Google DeepMind
AI 能替医院提前找出漏洞吗？Gemini 4 Argon 的防护试点｜Google DeepMind
Google DeepMind 称，Wiz 用 Gemini 4 Argon 参与保护医疗基础设施和数十万份患者记录；公开资料没有披露漏洞细节、修复验证方式或独立评估，因此这仍是发布方报告的早期案例。
Google DeepMind
基准像刷出来的，Gemini 4 写字为什么意外能用？｜Every
Every 用了一周：Argon 把书和职位说明摊开讲清楚，却做不完他们的高级工程师重写测试，Antigravity 还在不停地要人点允许。
Every
改一条航线，能不能少造出飞机尾迹？｜The Information Bottleneck
Google Fellow John Platt 在节目笔记中说明：飞机尾迹合计约占人为增温的 1%，美航改航试验称尾迹减少 62%；公开笔记没有给出试验设计和独立复核。
The Information Bottleneck
卖出几万亿美元算力之前，先选跟谁一起造芯片？｜Lex Fridman
Computex 一周，Jensen Huang 在摊位之间讲完三件事：代币不是按核出租、台湾这条链怎么长出来、出口管制要在囤积和飞轮之间取平衡。
Lex Fridman
一年四万三的会务软件，公开评测能换掉它吗？｜Latent Space
72 支队伍用智能体重做演讲管理。自动裁判的第一名和真人相反，赢家排在第 19；克隆能跑，第二天凌晨的故障仍要有人接。
Latent Space
代币涨了六十倍，合并一个 PR 为什么更便宜？｜AI Engineer
Jellyfish 的 Steve Jamison 把工资和 AI 账单合成每个已合并 PR 的成本：2026 年 8 月 AI 约占 2.5%，一年里单位成本降了 26%。
AI Engineer
AI 巨额算力投入要靠谁买单？｜The AI Daily Brief
节目从 AI 实验室的收入、云厂商的资本开支和普通用户的付费率出发，讨论行业怎样填补算力投资与可持续收入之间的缺口。
The AI Daily Brief
中国出口正在靠低价取胜吗？｜Goldman Sachs Exchanges × Trina Chen
Goldman Sachs Research 对 11 个行业的研究显示，中国商品在新兴市场的份额已升至约 24%，但竞争不只来自低价：产品质量、服务网络和本地渠道也在改变市场格局。
Goldman Sachs Exchanges
机器人看人投一次，就能学会投沙包吗？｜Google DeepMind
Google DeepMind 的内部演示让 Gemini 4 Argon 从人类投沙包的视频估算场地和身体动作、生成模拟代码，再把动作迁移到 Apollo 人形机器人；一次成功试验还不能说明它能普遍学会新技能。
Google DeepMind
Gemini 4 能把化学专利分析从几周缩到几小时吗？｜Google DeepMind
Google DeepMind 称，Isomorphic Labs 用 Gemini 4 Argon 梳理复杂化学专利、提取药物研发线索，把原本需要数周的分析压缩到数小时；公开资料尚未披露准确率或独立验证。
Google DeepMind
前沿算不算到了，算力能不能按公用事业来卖？｜TBPN
10 月 13 日这期把 Muse Wonder 的措辞、AMP 的千亿美元算力计划和 Neal Stephenson 对碳与信息茧房的区分放在同一天。
TBPN
2027 年他准备做空一整年，关系却不能交给聊天机器人｜CNBC
Paul Tudor Jones 把年末行情和明年的供给分开；Adam Grant 解释为什么深度提问不会更尴尬，以及 AI 伴侣缺少关系的另一半。
CNBC
微服务何时值得拆？Sam Newman 解释服务边界与系统韧性｜The Pragmatic Engineer × Sam Newman
微服务作者 Sam Newman 说，拆分服务的关键不是追求架构时髦，而是让团队能独立部署、围绕业务边界协作；分布式系统还必须处理延迟、离线和资源耗尽。
The Pragmatic Engineer
EmbeddingGemma 2 怎样跨文字、代码和视频搜索？｜Google for Developers
Google 用一套可按需拆分的开放模型，把文字、代码、图片、视频和音频映射到共同的搜索空间，目标是在设备上做多媒体检索，少经过几层中间转换。
Google for Developers
AI 正在怎样改变软件工程团队的日常？｜The Pragmatic Engineer
Gergely Orosz 汇总工程师访谈和企业数据：并行代理、自动生成代码和云端开发工具正在普及，但审查负担、软件质量、AI 成本与工程师注意力也变成新的问题。
The Pragmatic Engineer
创业投资人等不到退出时，二级市场能解决什么？｜Goldman Sachs Exchanges × Hans Swildens
Industry Ventures 创办人 Hans Swildens 解释风投二级市场如何为长期未上市公司提供部分流动性，也提醒买家面对估值分歧、AI 冲击和更长持有期时必须控制组合风险。
Goldman Sachs Exchanges: Great Investors
分布式数据库怎样兼顾速度、可靠和正确？｜The Pragmatic Engineer × Peter Mattis
Cockroach Labs 联合创办人 Peter Mattis 从 Gmail、Google 存储系统和 CockroachDB 讲分布式数据库的取舍，也分享 AI 如何让资深工程师同时推进多个实验。
The Pragmatic Engineer
OpenAI 想把 AI 从聊天框变成常驻工作流｜Every
从 Dots、Space 到插件与 Decisions API，OpenAI DevDay 的重点不只是新功能，而是让代理持续工作、共享上下文并进入团队协作。
Every
Astra 的意义不只是更强，而是打开新的工作方式｜The AI Daily Brief
从混合评测、电脑操作与三维创作看 GPT-6 Astra：它像一次能力边界扩张，但价值仍待真实工作流验证。
The AI Daily Brief
医疗 AI 的难题不是会不会回答，而是能否进入责任链｜The Information Bottleneck × Zachary Lipton
Zachary Lipton 从医疗记录、临床决策支持、药物发现和 AI 医生等角度讨论医疗自动化的边界，并把问题延伸到开放模型、基础设施和 AI 研究的未来。
The Information Bottleneck
下一类 AI 可能不是生成更多文字，而是更便宜地做判断｜The AI Daily Brief
The AI Daily Brief 介绍 TypeSafe 的 Jev 判断模型：输出概率、类别或分数，而不是长文本，并讨论它如何与 LLM 组成模型栈，承担路由、审核、升级和质量检查。
The AI Daily Brief
AI 集群的瓶颈正在从吞吐转向尾延迟｜AI Engineer × John Ousterhout
斯坦福 John Ousterhout 解释为什么推理和 Agent 工作负载需要面向小消息重新设计数据中心传输协议，以及 Homa 如何用消息边界、接收端授权和交换机优先级降低尾延迟。
AI Engineer
法律 AI 的核心不是聊天，而是把项目当作检索边界｜AI Engineer × Simon Eskildsen、Jacob Lauritzen
Legora 与 turbopuffer 分享如何为数十亿法律文档设计检索系统：按项目组织索引、处理冷热数据、兼顾租户隔离与加密，并把法律关系交给应用层继续推理。
AI Engineer
不要再为所有问题押一个分块大小｜AI Engineer × Yuval Belfer
AI21 Labs 的 Yuval Belfer 通过多数据集实验说明，检索所需的上下文长度取决于问题；多尺度索引、整篇文档回收与 RRF 融合，可以在不猜答案的情况下接近更好的召回。
AI Engineer
大模型服务的路由，关键是把全局优化与本地决策拆开｜AI Engineer × Qianru Lao、Lu Zhang
OpenAI 推理团队分享生产级推理负载均衡器如何从反馈回路演进为控制平面与数据平面分离的架构，并用容量、网络距离、缓存局部性和故障保护共同优化端到端延迟。
AI Engineer
搜索模型不该只会重排，而要学会继续寻找｜AI Engineer × Maximilian-David Rumpf
SID.ai 创始人 Maximilian-David Rumpf 解释为什么 Agent 搜索虽然质量更高却昂贵缓慢，并提出让搜索模型根据结果自主改写查询、调整过滤条件和反复尝试的强化学习路径。
AI Engineer
AI Agent 不是先自动化，而是先练成可复用流程｜Product Pathways
Product Pathways 这期短视频讨论 AI Agent 的构建顺序：先用人工提示和验证跑通任务，再把经验沉淀成 skill，最后才把稳定、低风险的部分推向自动运行。
Product Pathways
AI 时代的风险投资，权力法则会更极端｜The a16z Show × David George, Aram Verdiyan
a16z 讨论 AI 如何改变风投回报分布、LP 配置和创业公司规模经济。核心判断是，资本第一次能通过算力直接放大产品能力，让头部公司的复利优势更强。
The a16z Show
AI 安全争论正在变成资本市场风险｜All-In
All-In 这期围绕 Anthropic 员工离职、AI 灭绝风险言论、IPO 折价、OpenAI 数学突破和监管叙事展开。它展示的是 AI 安全从技术争议进入政治、舆论和资本市场的过程。
All-In
Bending Spoons 的秘密不是裁员，而是公司操作系统｜David Senra × Luca Ferrari
Luca Ferrari 解释 Bending Spoons 如何通过长期持有、极小核心团队、量化招聘和 50 多个内部工具运营消费软件资产。它真正值得研究的是组织系统，而不是单次并购后的 headcount 调整。
David Senra
AI 代理需要自己的金融轨道｜No Priors × Brian Armstrong
Brian Armstrong 在 No Priors 中把 Coinbase 的战略讲成三个方向：稳定币支付、agentic commerce 和 everything exchange。关键变化是，AI 代理带来的微支付需求会让传统银行卡经济模型失效。
No Priors
ElevenLabs 的核心不是配音，而是音频研究平台｜David Senra × Mati Staniszewski
Mati Staniszewski 解释 ElevenLabs 为什么从配音愿景切入，却先把 voice generation、agents 和企业化交付做深。真正值得观察的不是单点产品，而是音频模型如何变成跨语言内容、创作工具和企业流程的底层能力。
David Senra
AI 评测正在从榜单变成审计行业｜The a16z Show × Rayan Krishnan
a16z 这期讨论独立 AI 评测公司的必要性：公开榜单已不足以衡量前沿模型，企业采购、模型发布和安全治理都需要更接近审计的第三方评估机制。
The a16z Show
Brockman 的 AGI 判断，重点不是命名而是防御窗口｜The a16z Show × Greg Brockman
Greg Brockman 在 a16z 节目中谈 Astra、AGI 时间表、AI 安全从过滤器走向架构、Hugging Face 安全事件和 OpenAI 内部产品化。真正值得观察的是能力扩散后的防御窗口。
The a16z Show
Home Depot 为什么能把零售做成复利机器｜Acquired
Acquired 用三个多小时拆解 Home Depot，从 Sol Price 的仓储零售启发、Bernie Marcus 与 Arthur Blank 的运营能力，到供应链、门店教育和资本回报。它是一个零售业复利案例，而不只是大卖场故事。
Acquired
递归自我改进，真正的瓶颈不是会写代码｜Dwarkesh Podcast × John Schulman, Beren Millidge, Charlie O'Neill
Dwarkesh Patel 与 John Schulman、Beren Millidge、Charlie O'Neill 讨论 AI 研究自动化、长期强化学习、仿真到真实世界迁移、蒸馏和 ASI 时间表。关键分歧不在模型能不能做实验，而在它能不能定义目标、积累品味并从真实部署中学习。
Dwarkesh Podcast
Codex 的真正变化不是写代码更快，而是压缩软件生命周期｜The Pragmatic Engineer × Tibo Sottiaux
OpenAI 的 Tibo Sottiaux 与 Gergely Orosz 讨论 Codex 的起源、Rust 与开源选择、多模型支持、harness 如何补足模型能力，以及 AI agent 如何改变代码评审、维护、重构和 ChatGPT 工作模式。
The Pragmatic Engineer
AI 竞争的关键不只是模型，而是 harness｜YC Paper Club
YC Paper Club 讨论了为什么 agent 的进步越来越取决于 harness：上下文、工具、记忆、评估和自我改进，正在把模型能力转化为可持续工作的系统能力。
Y Combinator
当 AI 开始拥有数学品味，研究会怎样改变｜a16z × OpenAI Researchers
a16z 与 OpenAI 数学研究者讨论模型在数学推理中的进展：不只是暴力搜索，而是开始表现出选路、回退、组合文献和解释复杂证明的能力。
a16z
AlphaGenome Atlas 把 90 亿种单字母突变提前算成地图｜Google DeepMind
Google DeepMind 发布 AlphaGenome Atlas，把人类基因组中可能出现的 90 亿种单核苷酸变体预先计算成预测数据库，目标是帮助研究者更快筛选疾病相关突变。
Google DeepMind
代码评审被代理重写之后，工程组织会变成什么｜Latent Space × Quinn Slack
Quinn Slack 介绍 AMP 从编辑器扩展转向云端代理 Orbs 的过程：远程开发、并行 agent、有限生产权限和 CI 安全网正在重塑软件团队的默认工作方式。
Latent Space
AI 能力没有白帽黑帽之分，激励才决定它服务谁｜Stratechery
Ben Thompson 在 Autonomy and Innovation 中用网络安全解释 AI 能力的双重用途：同一套攻击能力也是防御能力，关键不是压住能力，而是让防御者拥有同等工具和正确激励。
Stratechery
Grok Bot 为什么能在一个月里跑出来｜Lenny's Podcast × Roman Ugarte
Roman Ugarte 复盘 Grok Bot 从小团队原型到公开发布的过程：从头重建、亲自 onboarding、把 AI 视为同事，以及只优化能完成 100% 工作的体验。
Lenny's Podcast
全球秩序松动之后，美国权力反而可能上升｜Invest Like the Best × Walter Russell Mead
Walter Russell Mead 与 Patrick O'Shaughnessy 讨论中美竞争、海权与陆权、盟友体系、产业能力和美国制度弹性，核心判断是旧全球化秩序正在重组，但这不等于美国衰落。
Invest Like the Best
GPT-6 之后，AI 竞争从能力炫耀转向信任账本｜Big Technology × Ranjan Roy
Big Technology 借 GPT-6、AGI 叙事、Hugging Face 攻击争议和 Ballmer 丑闻，讨论技术公司如何在能力、市场叙事、安全事件和公众信任之间重新算账。
Big Technology
线粒体不是电池，而是细胞的决策系统｜Huberman Lab × Jared Rutter
Jared Rutter 从线粒体的起源、营养分配、MPC 转运、癌症代谢和衰老压力出发，解释为什么代谢不是简单的燃料问题，而是细胞如何决定生长、修复与风险。
Huberman Lab
AI 代理的下一站不是个人提效，而是团队协作｜The AI Daily Brief
The AI Daily Brief 认为，代理已经改变个人工作，但还没有真正进入团队共享场景；下一波机会会围绕共享上下文、可见工作流、实时协作和组织级代理展开。
The AI Daily Brief
AI 助手创业的护城河，可能不是模型而是入口和信任｜20VC × Jean-Denis Grèze
Town 创始人 Jean-Denis Grèze 在 20VC 解释 AI 助手市场为什么仍是蓝海：入口在邮件和日历，护城河在 agent-to-agent 网络效应、成本路由、付费信任和持续执行速度。
20VC with Harry Stebbings