new-term-radar 开源:每日抓取 AI 新名词的早期信号雷达
new-term-radar 是一个开源工具,每天从 X 账号、Hugging Face trending、GitHub 爆发仓库、站点 sitemap 和新域名等信号中抓取刚出现的 AI 新名词,并用 Google Trends 在 14 天后回查命中率。
new-term-radar 是一个开源工具,每天从 X 账号、Hugging Face trending、GitHub 爆发仓库、站点 sitemap 和新域名等信号中抓取刚出现的 AI 新名词,并用 Google Trends 在 14 天后回查命中率。
一名工程师称,Anthropic 的 Fable 模型并非比他更强,而是更便宜,这让管理层有信心在 M&A 前维持现状,最终裁掉了他的岗位。他所在的 DevOps 兴趣小组中已有六到七人在上个月被裁或收到裁员通知。他认为前沿模型仍缺乏产品品味与预见后果的能力,不足以取代有经验的工程师,但已足以让企业改变对人的投入方式。
AI 让可运行演示的成本降到一周甚至一个周末,但产品化仍需数月集成、权限、真实数据与测试,作者称之为“演示折扣”。他以自身推荐系统为例:一周做出演示,三四个月才真正建成,随后一年维护却几乎无人使用。他建议用“距离到真实”倍数衡量——演示到生产上线的耗时比,如一周对十六周即 16x。
科技营销正经历一场"哥白尼式转变":重心从产品功能转向打造产品的人,因为构建成本降低后,产品本身不再是差异化优势,稀缺的是注意力和信任。文章以 OF 创作者的运营漏斗为参照,指出"公开构建"的路径是先用个人生活建立情感连接,再转化为订阅或注册。作者警告,真实性是一种会被耗尽的资源,当争论比构建更能带来互动时,被雇来兼顾受众的工程师最终会做更少的工程。
近几个月出现约十几个用 AI 克隆 Photoshop 等 Adobe 应用的项目,规模最大的一个已聚集 165 名开发者、用 Claude 每天提交数百个 PR,两周 token 花费超 5 万美元。
TikTok CEO 周受资在新加坡星展集团首届亚洲未来前瞻论坛上表示,市场可能高估 AI 短期能力、低估其长期影响,未来两至三年 AI 有望推动物理学、生物科技等领域出现重大突破。他主张在高风险工作中采用“人类参与其中(Human-in-the-loop)”模式,不应完全仰赖自动化,并鼓励各行业亲自使用最先进的 AI 模型以了解其优势与限制。
Ethan Mollick 指出 GPT-6 Pro 在学术论文中时常发现所谓的错误,这只是它其他工作的一部分。如今确认这些错误并了解其重要性仍需大量时间,但会越来越快。他认为我们还没有合适的机制来应对大量更正。
Ethan Mollick 指出,X 平台上的普通回复机器人已把回复垃圾的策略转向提出有趣问题,这种伪装成真实智识互动的方式比用"这才是人们忽略的部分"改写帖子更糟糕。
产业地图数据显示,硅谷拥有 67 家机器人公司,多于中国核心城市——深圳 36 家、北京 32 家、上海 25 家、杭州 25 家。数量差距背后是各区域迥异的产业结构与生态差异,反映出中美具身智能产业的不同梯队与结构特征。
硅谷 AI 的核心壁垒在于物理空间的超高密度聚集:Berkeley 周边 20 公里内有 21 家、Stanford 周边有 26 家核心 AI 企业,涵盖 OpenAI、Anthropic、xAI、Meta、Google DeepMind 和 NVIDIA 等。这种集聚使人才、资本、学术与产业得以紧密串联,构成难以复制的竞争优势。
一句格言式短评预测,未来人机协同社会可能演变为 AI 负责具体智力思考与业务产出,人类在流程中主要充当法律与伦理责任的兜底与承担者。该观点以反讽方式指出,人类的价值或被压缩为承担风险与追责。
一组关于全球 LLM 认知鸿沟的漏斗数据显示,约 60 亿人从未接触过大语言模型,而真正身处 frontier 核心、能接触最前沿未公开模型的仅约 5000 人。包括绝大部分从业者在内的人群均处于 frontier 外围,全球对 AI 能力的认知存在巨大断层。
Andrej Karpathy 在引用推文中提出,人们对 LLM 能力的认知正分裂成四个层级:约 60 亿人(75%)几乎未接触 LLM,约 10–20 亿人(20%)偶尔使用免费版 ChatGPT,约 2000 万人(0.2%)在数学与代码领域专业使用前沿模型,仅约 5000 人(0.00006%)能在内部接触最前沿系统。
indigo 引用并解读 Karpathy 的观点,称对 LLM 能力的认知正变成一个陡峭漏斗:约 75% 的人几乎没接触过 LLM,约 20% 只把免费层当聊天机器人,约 0.2% 用前沿模型做数学和代码的专业人士见证数周项目被一个提示词完成,约 5,000 人接触内部系统看到成千上万 Agent 协作数周。
Karpathy 引用自己 4 月的推文指出,全球约 80 亿人对大模型能力的接触程度已形成漏斗式分层,且这一认知差距仍在扩大。他估算约 60 亿人几乎没接触过大模型,10 到 20 亿人偶尔使用免费版 ChatGPT 类产品,约 2000 万人重度使用前沿模型和 Agent 改造工作,约 5000 人能接触 AI 实验室内部系统。
日本博主以丰田海外推行「改善(Kaizen)」时严格遵守的「工时减少绝不裁员」铁律为参照,指出企业若因 AI 提效就裁员,一线员工便会藏匿 AI 最佳实践。唯有将节省的时间转向业务创新与技能学习,才能真正汇聚一线智慧。
Ethan Mollick 转引 Andrej Karpathy 的推文,Karpathy 估算约 75% 的人几乎没接触过 LLM,约 20% 是免费档轻度用户,约 2000 万数学与代码专业者能亲眼看到智能体在数周内完成过去数月的项目,而约 5000 名实验室内部人员则在观察数千智能体协作数周的软件大型项目、漏洞挖掘、网络攻防、科学发现与前沿数学进展。
Google 广告产品现已支持设备指纹识别,用浏览器与硬件特征组合替代第三方 Cookies 追踪用户。指纹数据来自网络请求(IP、User-Agent、Accept-Language)与代码环境(GPU、CPU、内存、屏幕、音频处理、字体、扩展),组合后足以在样本中区分个体。Brave 用 farbling 注入噪声打乱指纹,Tor 与 Mullvad Browser 则让所有用户指纹保持一致。
The Verge 报道,特朗普宣布将 AI 重新命名为 super intelligence,并称继续使用 Artificial Intelligence 一词者为敌人,硅谷多位巨头相继跟进。
Karpathy 估算全球约 60 亿人(约 75%)几乎未接触过 LLM,约 1-2B 人偶尔使用免费层类 ChatGPT 产品,约 2000 万人在数学与编码领域直接使用前沿模型,仅约 5000 人能接触前沿级内部系统。
《柳叶刀》21 世纪全球健康威胁委员会在柏林世界健康峰会上发布报告,从数百种威胁中识别出 17 项对 2025 至 2100 年人类健康与生存威胁最大的灾难性风险,其中核冲突与 AI 恶意使用被列为具有灭绝潜力。
随着 AI 模型能够反编译、理解并重组软件,并生成药物试验方案、法律合同和产品设计,既有知识工作的价值正迅速趋近于零。OpenAI 刚在某个周二发布了 722 篇新数学论文,已有开发者重建了臃肿昂贵的 Adobe 套件并免费开放,还有人反编译经典主机游戏在浏览器中运行。文章认为,随着知识产权壁垒缓慢崩塌,所有人都将回到起点。
硅谷多家科技巨头正跟随特朗普将 AI 改称“超级智能”。马斯克承诺把 SpaceXAI 更名为 SpaceXSI,Marc Benioff 宣布将 Salesforce 的 AIForce 改名为 SIForce,Nvidia 则称将投入 10 亿美元用于“超级智能研究”。微软 Satya Nadella 在呼吁为 AI 建立“紧急刹车”的帖子中也多次使用“超级智能”一词。
AI 颠覆软件市场不需要全民都会写软件,只要 1% 的人能构建软件,就足以将供给端成本击穿至接近于零。作者驳斥了软件行业颠覆需普遍掌握 AI 工具的常见误解,认为激增的供给会击垮需求并使边际成本归零,定制化应用即时生成与智能体自动维护将成为新常态。
ChatGPT 第三季度网页端流量环比仅增长 3.4%,增长曲线更接近成熟平台而非高速扩张的初创公司。David Hendrickson 据此提出疑问:现有 AI 用户的渗透率是否已触及阶段性瓶颈,消费级 AI 普及是否正遭遇饱和。
AI 原生数据集成试图绕开传统本体论:持续把数据摄入"活文档",由智能体负责修剪,并构建深度图谱,把集成周期从数月压缩到 24 小时。文章讨论"公司大脑"为何难以实现,指出本体论构建慢、把客户锁死在自己的系统里、始终做不到真正的自助式。
文章提出,如今已可用数据经纪商掌握的消费者数据,配合 AI agent 批量生成 1 万个模拟消费者,在真实投放前反复测试营销方案。作者称这一 AI 营销“圣杯”既可行又“美妙地糟糕”:支撑它的是一个约 300B 的数据经济,数据经 AI 推断增强后被打上“可能患糖尿病”“新晋父母”等标签出售给营销方。
Agent swarms 把大部分新增 token 用量导向更便宜的模型,agent 的 token 消耗量将超过前沿模型的收入。父 agent 负责规划,子 agent 处理搜索文件、跑测试等易验证的窄任务,可路由给最便宜且能通过的模型。a16z 数据显示 agent 消耗的 token 接近人类的 5 倍、六个月内增长 14 倍,按用户或按席位收费将让位于按量计费。
作者指出自己推文评论区中有一半评论都是 AI 生成的,这些评论既不能变现又污染网络交流环境,属于完全损人不利己的行为。
作者因老板执念被迫高强度使用 Codex 和 Claude Code 进行 vibecoding 开发「企业微信」,频繁加班至深夜并出现严重眩晕。假期彻底断联休息后,作者反思盲目加班换不来效率,呼吁警惕缺乏组织改造的盲目 AI 实践并寻求可持续工作方式。
重度 AI 用户鸭哥在播客对谈中拆解 JEV 为何爆火,并分享如何把 AI 当秘书与团队管理、用 context infrastructure 运营「0 人自媒体」,半年做到 5700+ 粉丝。他判断 AI 时代最奖励「领域经验 × 会管理 AI」的人。
Booking.com 的 Staff SRE Emir Beganović 发布长文《Container Is Not a Sandbox》,梳理 2026 年 microVM 隔离生态,指出容器共享内核、2024-2025 年出现 8 个容器逃逸 CVE,而 microVM 由硬件虚拟化提供边界。
BBC 主持人 Ros Atkins 撰文分析生成式 AI 是否让人更看重人类创作的艺术。Deezer 数据显示其平台 44% 的上传曲目为 AI 生成,97% 的听众无法分辨,但超半数受访者表示在意作品是否由 AI 制作。学者与从业者认为,AI 写作趋于"平庸、谄媚",读者与设计师正转向更个人化、更"怪异"的表达,学界也在推动"人类制造"认证标识。
德州电网运营商ERCOT的大型新增用电申请从2024年底的63 GW升至今年6月的474 GW,其中约90%是数据中心,随后德州暂停了所有新许可。文章梳理了并网排队、成本分摊、自备电源与灵活性方案,指出大型数据中心完全并网可能需要5到10年,而ERCOT已暂停75 MW以上数据中心的通电审批,等待12月审计报告。
硅谷近期流行的复古风产品宣发视频可能借鉴了 Grimes 的审美风格。其新单曲「Accelerando」一词兼具音乐演奏加速、技术奇点与未来主义推进的含义,也指向同名科幻小说对人工智能与后人类主义的探讨。
随着大模型自身推理与 Coding 能力内化,围绕 Agent 的外部 Harness 正走向极简,以通用执行接口替代繁复的提示词约束。此前以 Superpowers 为代表的固定流程 SOP 插件,因模型长程工作与代码能力提升已被内化,强加约束反而干扰模型;以 Pi Agent 为代表的极简设计仅保留必要部分。
文章指出,企业把 AI 带来的 25% 生产力提升同时算作裁员节省和交付增量,等于同一份收益被重复计算。以 1000 名工程师为例,裁掉 20% 后仅剩 800 人,却要求交付相当于 1400 人的工作量,而重组磨合、协调开销和管理幅度收窄都未被计入。
针对社交平台热传的"接听陌生来电先沉默三秒"提醒,文章指出不法分子可能利用数秒通话语音进行 AI 声纹克隆实施诈骗。当前 AI 技术将人脸、虹膜、步态等生物特征转化为易被采集利用的数据,带来过度采集、深度伪造滋生犯罪及多源信息整合推断隐私等风险,并提出多维度隐私防护建议。
陶哲轩在 Caltech「Math 2.0」演讲中表示,仅追求解题的盲目优化现在对数学的长期健康主动有害。他把纯数学中的开放问题比作灯塔,是探索周边数学景观的指引而非终点,尝试求解过程中的经验往往比最终解答更有价值。他认为用自动化工具过早抵达灯塔会破坏未走路径的探索,不加区分地用 AI 解题还会损害向真实世界应用的迁移。
ChinaTalk 发布第三季度十大要点,其中《The DeepSeek Thesis》依据梁文锋与投资者四小时会议泄露纪要还原 DeepSeek 战略:梁文锋认为通用智能是唯一值得解决的问题,产品可以等待。另一要点指出部分中国 AI 研究者将美国 AI 安全话语解读为技术遏制,DeepSeek 研究员刘胜宇的文章主张前沿 AI 应广泛可及。