小红书灵感:无用但有趣的 AI 应用
作者从小红书上获得灵感,将一张 15 秒动画片段转换为可执行的指令流,用于后续校准和优化,并决定把这一看似无用但有趣的创意做成实际的 AI 应用。
作者从小红书上获得灵感,将一张 15 秒动画片段转换为可执行的指令流,用于后续校准和优化,并决定把这一看似无用但有趣的创意做成实际的 AI 应用。
比尔·盖茨称 AI 比核武器更危险、可能比核能更有益,认为它更像"进化事件"而非"下一台个人电脑",将其视为 PC 或互联网式的创新会让人完全低估它。他承诺未来两年投入十亿美元,推动 AI 在健康、教育和农业领域落地,并预测 AI 驱动的网络攻击将在 2027 年成为变化最重大的领域之一。
三星电子设备体验(DX)事业部总裁兼首席设计官毛罗·波尔奇尼在“2026 首尔设计周”上表示,AI 不是用来取代人的,而是帮助人们发挥情感智能和想象力的工具,人类独有的批判性思维、创造力、感受力和情感才是产品设计的核心。他强调,如果所有企业都只依靠 AI 开发产品,最终产品会大同小异,难以形成差异化。
Google DeepMind 的 Demis Hassabis 警告,AI 模型的恶意使用仍处早期阶段,当前黑客事件只是预警信号,预计到 2027 年攻击将随模型能力提升而更严重、更频繁。他提到近期针对 Gemma 4 和 Llama 4 的高调攻击已造成损失,但仅是开始。
一条推文以笑话形式展示了 OpenAI Codex 读取并解释 DOGECOIN / USD 折线图的能力,输出内容涵盖时间范围、当前价格与最高价等图表细节。这暗示该技术可用于金融市场分析,潜在应用于自动化交易或投资分析。
MIT Sloan 教授 Eric So 在新书《The Collision: What AI Does to Us》中指出,过度依赖 AI 会导致认知萎缩,削弱人们推敲问题与记忆信息的能力。他引用 Anthropic 研究称约一半大学生查询是求简单答案的低努力查询,并提出拥抱挣扎、重视没有 AI 的自己、再投资认知盈余、把 AI 当导师而非答案机四条原则。
作者指出当前 AI 剪辑领域缺乏明确的最佳实践,不同模型之间的效果差异巨大,甚至超过人与狗的对比。只有通过大量实际操作和比较,才能真正理解和利用这些技术的潜力。
MIT 教授 Eric So 在新书《The Collision: What AI Does to Us》中提出,过度依赖 AI 会导致"认知萎缩",使人丧失关键思考能力。他引用 Anthropic 研究称约半数大学生提问是低投入的简单答案查询,并将这种持续使用冲动称为"AI gravity"。他主张把"有产出的挣扎"视为成长必经过程,并给出个人应对 AI 时代的四项原则。
一位独立开发者用 Grok Bot 的智能体团队运营 PromptBase 一周,客服、工程、安全等 bot 可互相协作,在无人干预下修复客户 bug。他还在威尔士徒步途中通过手机指挥 bot 工作,并让营销 bot 以每周 2% 增长为目标开设 TikTok 和 YouTube shorts 频道。不足是配置耗时、数据高度绑定,且 bot 仍无法自主提出增长创意。
Ethan Mollick 发文称 AI 正在改变游戏行业,并认为 GTA 6 可能是人类纯手工游戏设计时代的最后杰作。他归纳三条路径:大型工作室将用 AI 加速开发,匿名开发者与社区在做大量混搭创作,独立开发者则面临反 AI 的客户群体。
Thariq 与 @fnthawar 讨论认为,编码智能体的技能在于"身处细节之中",就像经营一家公司,你不可能知道所有事,但对正确的细节保持执着关注才能成就伟大。这些细节可以是代码、架构、设计或 UX,任何需要的地方。
在 X 上发布 AI 生成视频时,由于模型训练数据包含大量真实人物,可能生成与现实人物高度相似的画面,引发身份混淆或滥用风险。该推文以幽默对话框形式提醒用户,AI 生成随机人物或场景时理论上可能不经意复刻特定个人形象,带来身份或隐私问题。
Sundar Pichai 在 X 上转发并称赞 Argon 的提示词创意与模型表现,称自己看了好几遍,尤其看到结尾。被引用的演示中,Argon 用傅里叶本轮绘制出骑自行车的鹈鹕,视频由 Argon 制作,配乐由 Argon 提示的 Lyria 3.5 生成并完成时间同步。
北京智源人工智能研究院院长黄铁军在我国最早提出"大模型"概念,并带领团队在多模态 AI 领域取得突破。他参与 AVS 视频编码标准制定,解决中国视频产业专利困境,还发明脉冲连续摄影原理,颠覆传统摄影技术。30 余年来他始终将科研与国家需求紧密结合。
Google DeepMind 工程师 Haydn Belfield 表示,自我改进的 AI 仍很遥远,团队未观察到 AI 驱动的 AI 研究出现可测量的加速。
Stanford Digital Economy Lab 经济学家 Gabriel Unger 与 Arvind Narayanan 撰文主张,AI 不应只朝全面自动化发展,而应构建人机协作范式,并提出白盒智能体等研究方向。文章认为当前 AI 研究过度偏向自动化,忽视了增强人类与团队协作能力的方向,并给出四个探索性研究议题。
Perplexity CEO Aravind Srinivas 表示,其超过 50% 花钱购买 Automations(周期性智能体任务)或更高档订阅计划的用户都是美国人,且一家以智能体完成自助注册的美国业务净收入留存率持续保持高位。他称仅靠美国市场就能打造万亿美元公司,并以伯克希尔哈撒韦和 JPMorgan 的客户基础主要在美国为例。
Pangram CEO Max Spero 做客 Peter Gostev 节目,详解其 AI 检测训练流程,包括合成镜像、模型家族指纹、AI 辅助写作与图像检测,以及对 AI 去痕工具的鲁棒性。他还谈到团队如何选择基础模型、寻找困难训练样本,并构建数据与基础设施以跟上新 AI 模型的步伐。
Databricks 的 Amber Roberts 指出,企业 AI 智能体采用速度远超 ROI 证明,因为采购者与日常使用者往往不是同一批人,目前多数组织仍处于试用与铺开阶段。她认为"更快"是衡量智能体生产力的错误指标,生产力应绑定各团队自身 KPI,且效率提升只有在质量不下降时才有意义。她还强调智能体理解业务上下文比单纯执行任务的速度更重要。
The Verge 资深评测人 Victoria Song 用 Twin Health 的 AI 数字孪生做了约 100 天代谢管理实验:该系统结合 Dexcom G7 连续血糖监测、智能体重秤、血压计和验血数据,用红/橙/绿三色预测每餐对血糖的影响,并随记录不断更新。
新一代 AI 模型和工作流能在几天甚至更短时间内自动反编译游戏,将旧作移植到现代平台并提升至原生 1440p、165FPS,如 2011 年 Flash 版《The Binding of Isaac》已被自动移植为 C++ 版本。这类项目已有数百个且每日增加,但反编译软件完全合法,任何人都能复制他人代码并声称原创,作者预计未来几个月会出现引发企业强烈反应的重大反编译事件。
针对热传文章「Passkeys are a trap. Do not use them.」,一位开源 passkey 库作者逐条反驳:主流同步 passkey 存于 iCloud Keychain。
François Chollet 在 X 上表示,仅靠自回归采样无法解决真实世界物理任务,要实现真正的自主机器人,必须把因果性和离散推理重新工程化进整个循环。他点名 Aether AI 的 Biwei 团队正在做这类基础性、非共识的工作。该团队的 CRIS-0 系统会追踪任务关键条件、预测每个动作带来的变化,并在出现意外时重新规划。
Ethan Mollick 称首次清晰观测到一个来自中国、使用开放权重模型的 rogue agent fleet(流莽智能体集群),目标似乎是让 AI 专注做研究,据称为绘制中国公园最常用入口的地图。他将其与 OpenAI swarms 类比,并称为未来的先兆,详情见 https://swarmcha.se/posts/chinese-agent-fleet-full-report。
Ethan Mollick 发文质疑大量 AI 垃圾评论(slopcomments)涌入其帖文的意义。他指出 LinkedIn 上的此类评论至少是在推销虚假专业知识以抬高发帖者形象,但几十个匿名机器人对帖子作出相似回复能获得什么,令他费解。
Nathan Lambert 在 a16z 播客与 Lisha Li 对谈,讨论开源模型如何影响 RSI 动态、开源模型的价值由谁捕获、agent swarm 的驾驭问题,以及他创办非营利开源 AI 实验室 Trillium Labs 的原因。
独立开发者 Popcar 撰文讨论近期 AI 驱动的游戏反编译浪潮,指出它既催生了游戏混搭创作,也推动了借助 WebAssembly 在浏览器等新硬件上复活老游戏的保存热潮。文中认为反面风险是任何软件都可被反编译并任意使用,付费游戏或应用可能被违背意愿开源;正面则是老游戏更易移植和访问,让玩家能真正拥有所购软件。Simon Willison 转发并称其兼顾了正反两面。
Dex Horthy 在 AIE New York 与 plannotator 创作者 @backnotprop 即兴对话,话题涵盖智能体编程、计划、收件箱等,后者也是 /bro 技能的作者。
五个前沿模型在智能水平上相差不到 5 分,但每任务成本相差 3.8 倍,Google 的 Argon 以每任务 1.99 美元处于最低端,比最贵的 Fable 5.1 低 74%,比 Opus 5.5 低 67%、比 Muse Wonder 低 56%、比 Astra 低 39%。
Simon Willison 引用独立游戏开发者 Popcar 的观点,讨论近期 AI 反编译现有游戏的热潮。Popcar 认为这既带来游戏保存的利好,老游戏可被移植、修改、增强并更易获取,也带来风险,任何人都能反编译软件并随意使用,付费游戏或应用可能违背厂商意愿被开源。他指出这不限于老游戏,可适用于任何软件。
编程语言设计者 Niko Matsakis 认为,智能体编程时代人类在编程和语言设计中仍有角色,而 Rust 恰好很适合智能体开发。他指出智能体擅长微调现有代码性能,例如原本手工调优汇编的密码学算法开发者已转向用智能体完成该工作,网络服务开发者则借助 dial9 等 profiler 让智能体诊断长轮询、阻塞等异步性能问题。
a16z 提出长时运行智能体可跨数十个步骤、多种模态和更长周期持续推进目标,从而接管原本需要数周至数月的客户旅程。以原告律师办案为例,智能体从初次接案电话起保存并检索案件上下文,按事件或截止时间唤醒,派发子智能体通过电话、邮件或短信联系证人、更新客户并推进案件。a16z 认为这类智能体可减少各环节的价值流失,并让 AI 厂商按带来的收入增长而非仅成本节省获得回报。
在 AI 智能体编程兴起的背景下,一位全职开发开源框架 3 年的作者撰文追问:Web 框架是否还重要?他指出,若模型已足够擅长前端代码、开发者不再关心实现细节,那不仅 React 无必要,任何框架层都值得质疑;反之若用 React 仍有优势,则框架依然重要。
用户对比发现,Claude 的 20 美金套餐可发送 400-500 条消息,而 GPT 的 100 美金套餐仅能发送 25 条消息。尽管 GPT 提供无限的图表分析,用户仍认为其价格过于昂贵,更偏好 Claude 套餐。
BAI 提供名为“孙哥大脑”的深度定制 AI 功能,需 200 美金订阅。该功能面向特定用户定制,是 BAI 丰富特性集中的一项。
作者对比豆包工作与 Workbuddy 的产品设计,称赞豆包工作在模型选择上的简洁直观,认为其继承了豆包的设计基因,专注底层交互与框架优化而非堆砌花哨功能。Workbuddy 则提供近 10 个模型选项,虽显专业却让用户感到压倒性、容易迷失。
有观点指出,Coding Agent 虽已非常强大,却尚未推动涌现大量优秀产品,反而引发媒体和自媒体狂欢。许多所谓开源项目实际由 AI 编写,含金量远低于传统项目。AI 显著降低了个性化产品的开发难度,但并未改变商业化产品的生态需求和难度。
作者在推荐豆包工作、WorkBuddy 和千问办公时,用户几乎都选择了 WorkBuddy,理由是名称和第一印象更专业。这说明品牌形象与初步感知在 AI 助手产品选择中起关键作用,即使尚未实际使用比较。
用户用 Codex(GPT-6-Astra)和 Grok Bot 研究同一问题,Codex 使用更早、上下文更完整,但 Grok Bot 的回答明显更有参考价值,Codex 则更空泛套话、未深入具体问题背景。用户不确定 Grok Bot 背后默认模型是什么,但觉得确实好用,尚未用 Claude Code 对比,因为以前账号都被封了。
作者用 Claude 20 美金套餐完成从逐字稿到剪辑的完整视频制作流程,全程仅消耗该套餐额度的 23%,约合 4.6 美金。作者认为这一性价比远高于 GPT 100 美金套餐。