AI 时代百万个小奇点将至
文章提出,世界大部分运作基于"未来与过去相似"的假设,而"奇点"的本义正是这种关系断裂的时刻。作者不确定是否会出现一个大奇点,但认为各个领域出现一百万个小的奇点似乎不可避免。
文章提出,世界大部分运作基于"未来与过去相似"的假设,而"奇点"的本义正是这种关系断裂的时刻。作者不确定是否会出现一个大奇点,但认为各个领域出现一百万个小的奇点似乎不可避免。
GitHub 发文指出,开发者并非变得更粗心,而是被软件增长速度甩在身后。能帮开发者更快产出软件的工具,也应承担更多保护这些软件的工作。
Sam Newman 在新书《Building Resilient Distributed Systems》中提出分布式系统三规则:信息传输需要时间、资源可能离线、资源终会耗尽,并指出多数故障源于资源池耗尽。
Gary Marcus 批评 OpenAI 新数学成果报告未说明验证流程、模型架构、失败率和训练细节,无法判断其通用性,可能只是适用于可验证领域的 Lean 与合成数据技巧。他还指出社交媒体讨论沦为不加追问的喝彩,并附上 Terence Tao 转发的恶搞新闻稿。
一家初创公司创始人的分享显示,1名工程师在6个月内用AI构建了网页、桌面、iOS和Android应用,且并非粗糙原型,而是精致、设计良好、可靠的应用程序。该案例被用来佐证AI正把10x工程师变成100x工程师,而这在去年还不可能。
OpenAI 首席研究官 Mark Chen 表示,这次运行代表了一周的数学进展,相当于十年的积累,Navier-Stokes 时刻的意义更多在于配图而非 Navier-Stokes 问题本身。他称迫不及待想把这些工具用于生命科学、构建下一代模型以及对齐研究。
Sam Altman 表示,公众把他误读为 AI 的反派,就像他当年误读 Mark Zuckerberg 一样:新技术带来快速变化时,人们会把恐惧投射到看似掌握最大权力的人身上。他承认在 Meta 早期也对 Zuckerberg 抱有类似看法,而当时并不认识对方本人。
作者观察到 AI Agent 客户端产品过剩,自己安装了近 10 款,但日常仍主要使用 iTerm2 + herdr + opencode 组合。这反映出 AI 工具市场碎片化、用户精力有限的现状,安装并不等于使用。
Hacker News 讨论指出,个人 AI 智能体被视为下一次重大平台迁移。文章围绕这一判断展开,但未给出具体模型、参数或可用性细节。
“iPod 之父”托尼·法德尔在首届麻省理工未来节上分析 Rabbit R1、Humane AI Pin 和 Limitless Pendant 三款初代 AI 设备失败的原因:它们没能真正满足任何实际需求,普通用户觉得酷但与生活无关。他指出大多数人从未拥有过助理,不知道如何使用“机器人助理”,与 AI 建立信任比真人更难,并认为目前唯一可能做到这一点的公司也许是苹果。
一位开发者表示,随着 2026 年越来越多代码由 AI 智能体代写,自己多年敲代码引发的重复性劳损(RSI)明显缓解。过去连续 4-5 小时写代码需频繁敲击尖括号、FN 键和各种修饰键,如今被提示词加约 30 分钟人工微调取代,他更多时间用于写设计文档和审查代码。尽管今年交付的代码量可能超过以往任何一年,严重的灼烧性手臂疼痛已很久未出现。
一位作者分享亲身经历:GPT 花两小时生成的代码,经人工快速审查后被立即回滚,凸显 AI 辅助开发中人类判断的必要性。该案例说明,即便 AI 能持续产出代码,人工监督仍是防止无效或错误结果的关键环节。
Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式,以及用链接代替术语解释。他建议文章即使读者不点任何链接也应读得通,并用自己的口吻写作。在开发者纷纷把写作交给 AI 的当下,软件博客正变得平淡同质,读者渴望有个人风格的文字。
Tony Fadell 在 MIT Future Fest 上指出,Rabbit R1、Humane Ai pin、Limitless 挂坠这批"Gen 1" AI 硬件失败的原因是没解决任何真实需求,只是极客觉得有趣的技术。
被称为"iPod 之父"的 Tony Fadell 认为,第一代 AI 硬件未能解决真实问题,因而遭遇失败。他表示,下一波 AI 硬件需要赢得消费者的信任。
德州电网运营商 ERCOT 已暂停 75 MW 以上数据中心并网审批,包括 17 个已完成其他所有步骤的项目,等待 12 月审计报告确定哪些项目合格。2024 年底德州电网排队的大型新增客户为 63 GW,到今年 6 月升至 474 GW,其中约 90% 是数据中心,超过历史峰值需求五倍。文章梳理了并网排队、社区沟通、成本分摊等症结,以及自备电源、灵活性负荷等绕开电网的路径。
Azeem Azhar 评述 OpenAI 前一日公布的一项数学成果:一个未发布的前沿模型产出 722 份稿件、涉及 372 个族,覆盖数论、复杂性理论和数学物理,平均每项成果相当于 ChatGPT Pro 三小时的思考。他由此讨论人类研究者还剩下什么可做。
Ben Affleck 将让团队"token max"比作烧掉收银机来给店铺取暖。相关完整视频发布在"You One More Question and GQ" YouTube 频道。
LLM 有多个可扩展维度,但 OpenAI 近期的表现说明 verifier scaling 是目前最无聊、最慢、用户体验最差的扩展方式。
开发者吐槽 Claude、GPT、DeepSeek 等模型在 Coding 场景下输出黑话,如"账本15/15全绿""单腿哑火",被指 CoT 为省 Token 调成"山顶洞语",Token 消耗量比白话文少 70%。Opus 5.5 语言能力回升,而 Gemini 因输出排版清晰、语言自然,被网友称为唯一还能沟通的 AI。
小北转发他人遭遇:一个项目的 Cloudflare Durable Object alarm 陷入死循环,读写达 6 万亿次,产生一万美元账单。他提醒,任何按调用量计费又能自动扩容的基础设施都应给成本加保险丝——以前死循环最坏只是机器挂掉,现在云厂商会自动扩容继续计费。
两届奥斯卡得主 Ben Affleck 解释了基于 Transformer 的 AI 与传统计算的区别:传统软件是确定性的,而这类模型通过"将信息跑过注意力层"并推断输出来生成答案。完整视频发布在"One More Question and GQ"YouTube 频道。
IMF 总裁 Kristalina Georgieva 表示,AI 投资占 GDP 的比重很可能超过铁路建设,并将 AI 建设列为使全球通胀高于目标的推动因素之一。
华为轮值董事长徐直军在全联接大会问答中回应美国领先 AI 模型供应商呼吁放缓开发,称中国模型多为开源、进展透明,市场对 AI 风险感受更弱。他表示中国模型提供商需要加快步伐达到能感受风险的水平,同时要在推动开发和管控风险之间取得平衡。
Elon Musk 就 Grok Bot 表态,称"确实如此",回应了 @theo 关于"Grok Bot 是真的强"的推文。
Bessemer Venture 合伙人 Sameer Dholakia 认为,AI 最重要的用途尚未被发明。他以 1870 年石油主要用于点煤油灯、汽车与塑料等用途数十年后才出现作类比,指出当前模型能力对应的智能应用场景还无法被完全预见。Bessemer Venture 管理约 200 亿美元资产。
Sam Altman 公开致谢无数默默付出的技术工作者,称正是一代又一代人一砖一瓦的努力,才让今天的奇迹成为可能。
Geoffrey Hinton 在《Smart Girl Dumb Questions》播客中建议,AI 公司在产品发布前须向监管机构证明安全性,类比新药需说服 FDA、投入约十亿美元级别。他指出 AI 递归式自我改进会放大风险,并推测距局面远比现在糟糕大概只剩一两年。背景之一是 OpenAI 因权限与行为日志方面的担忧搁置了最新模型 GPT-6.1 Astra。
Jacob Coxon 在纽约市议会听证会上表示,自动化 AI 研究员大约在 2027 或 2028 年出现,一旦 AI 研究实现自动化,人类将比今天远远更远离循环。相关证词完整视频见 Forbes Breaking News 的 YouTube 频道。
两年前 GPT-4o 连"9.9 > 9.11?"都答错,如今 AI 已能应对最难的数学题。文章以这一对比呈现 AI 数学能力在两年间的巨大变化。
swyx 分享了对 Devin 的使用体验,并回顾自己 2024 年发推时就像活在 2026 年一样。
AI 将给科学带来两场革命:一是所有已发表的科研成果都将被重新阅读和重新评判,方式是人类科学家从未预料到的;二是新发现将开始快速涌现。文章认为,在经历了一个短暂但侵蚀科研体制的"垃圾科学"时代之后,这一趋势已越来越明显。
2026年10月,一项讨论聚焦开发者当前的默认或主力编程智能体选择。原文仅提出该问题,未给出具体模型、版本或评测数据。
Lee Robinson 感叹 AI 进展全面加速,称每一款游戏都在被反编译、每一道数学题都在被解出,一切都在同时发生。他提醒人们回看过去一年的进展,并想象再过一年、再一年的变化。
Francois Chollet 提出,AI 能力的"锯齿状前沿"可能主要来自数学和代码——这两者可通过 RLVR 无限推进,而其他领域因受限于人类生成数据开始进入平台期。他指出非可验证领域的模型表现虽持续提升,但远慢于数学和代码,其提升究竟来自 RLVR 驱动的高 G,还是仅源于仍在海量注入的新人类数据,答案将决定很多事。
好莱坞明星 Ben Affleck 公开抨击声称 AI 将消灭一半白领工作的 AI 领袖,认为这种说法无助于激发人们采用其产品。他表示困惑于这类言论竟被当成新鲜事,相关完整视频发布在 YouTube 频道 "One More Question"。
在伯克利举行的 The Curve 大会上,多位发言者提出应考虑限制大语言模型的智能上限,若严格执行可能等同于禁止系统达到超人智能。Anthropic CEO Dario Amodei 此前已呼吁对递归自我改进设置"某种限速",而现有任何限制方案都缺乏可执行机制,单个实验室和国家都无法单独实施,当前美国政府也明确反对。
Tomasz Tunguz 提出 AI 模型可能已进入商品化阶段,并列举近期证据:OpenAI 将 Luna 价格下调超过 80%,前沿模型 token 份额从 8 月的 53% 降至 40% 多,开源需求从中等及小型档位转移,前 1% 采用者的支出在 8 月下降 9.7% 至每员工每月 7205 美元。
BestBlogs 早报精讲三篇内容,其中 Google AI 基础设施负责人 Amin Vahdat 谈前沿 AI 的物理与经济约束,主张用 Goodput 衡量系统有效产出,并指出 Google 约每六个月翻倍的是有效 token 服务能力而非芯片数量。
前OpenAI和Anthropic研究员Jacob Coxon在"PBD Podcast"节目中称,中国已在OpenAI和Anthropic安插间谍,有能力随时发起黑客攻击,即便美国领先也优势有限,对方可随时介入窃取进展。