ai345 - 每天帮你看懂 AI 圈正在发生什么

AWS开源了专为AI智能体设计的安全沙盒Strands Box，目前已推出macOS开发者预览版。这套沙盒采用系统级隔离，并将各类凭据与智能体本身隔离开。它的核心机制之一是配合Dogwood策略实现动态权限约束，比如当智能体读取了客户敏感数据后，系统会自动拦截并禁止其发起外部HTTP出站请求，防止数据外泄。 此前AWS已经推出了Strands SDK，这次把底层的沙盒环境开源，相当于把智能体运行时的安全边界工具补齐了。对自建Agent的开发者来说，核心的安全隔离基础设施不用再自己从头造轮子。

财长贝森特又在采访里谈 Kimi 了。10 月 3 日他接受 Axios 采访。原话是这些开源模型搞工业蒸馏，就是从美国模型那里偷东西。 先解释下蒸馏。就是拿别人家模型的输出来当教材，训练自己的模型。省算力省时间，所以 Anthropic 咬定这是偷。 他还说 Kimi 有时会说自己的名字就叫 Claude。至于 Kimi 把一些解放军武器计划发给了 Anthropic，这句是据他的说法。国内多家转述，我没找到官方文本。 这事儿其实有一整条时间线。今年 2 月 Anthropic 先指控 DeepSeek、月之暗面、MiniMax 搞工业级蒸馏。 7 月 17 日 Kimi K3 发布，在 Vals AI 编程榜拿到 1679 分登顶。它成了第一个压过所有闭源模型的开源模型。 7 月 22 日白宫科学顾问克拉齐奥斯跟进表态，贝森特随即威胁要制裁。9 月 10 日中国商务部回应，说这事「于事无凭，于法无据」。结果 10 月 3 日，贝森特又把整件事翻出来讲了一遍，隔了一个多月啊。 Anthropic 今年 9 月还发过一份 154 页的滥用报告。这些话是财长在采访里讲的，不是…

字节 Seedance 2.5 出价了，720P 一秒一块五，1080P 一秒三块七。即梦会员 499 一个月，实测一条 30 秒的 1080P 要烧掉 156 块。 有人靠它涨粉接商单，也有人的片子被抖音号整个搬走，一天四万赞。 同行卷得更狠。Vidu Q4 前天发布，促销价一秒九分起。MiniMax H3 一秒八毛。 同样是生成一秒的画面，价格差出几十倍。差在哪，值得琢磨啊。

过去一个人想创业，门槛往往卡在专业能力的采购成本上：需要程序员写代码，需要分析师看市场，需要运营获客，每一种技能都有明确的市场定价。现在这套逻辑正在被 AI 改变。写代码、拆解财务报表、做市场调研，甚至调动多个 Agent 协作处理流程，一个人靠工具就能推进大半。这不是说 AI 已经能无缝替代专业岗位，而是完成同一件事所需的组织与资源结构彻底变了。 当单纯掌握技能的溢价随着获取门槛降低而回落，稀缺的东西开始转移到其他维度。首先是专业能力本身的权重变化，单纯的执行技能不再稀有，判断力、审美、承担责任的意愿以及抓住真实需求的能力变得更难替代。其次是个人与团队的边界，一支极小的团队如果把 AI 深度嵌入工作流，产出效率可能超过过去的传统组织；但效率不等于利润，能不能把产出转化为用户愿意付费的价值，决定了小团队能不能真正立足。 更深层的分化可能发生在财富的交付方式上。当生产力本身变得越来越容易获取，真正具备壁垒的反而是用户、渠道、自有数据、品牌、信任以及能持续跑通现金流的商业系统。这会让从业者分化成两种路径：一部分人继续借着 AI 出售自己的时间，另一部分人则用 AI 搭建可以反复交付价值的机…

GPT-6把聊天框升级成软件，免费用户也能上手。它边回答边生成可点的界面组件，问答结束，表格、图表、按钮就跟着铺好，能直接点开用。首答等待时间缩短了44%。

Claude Code 的遥测数据显示，用户大概批准了 93% 的权限弹窗。Anthropic 最近发了篇工程文章，聊了聊他们在几个产品里怎么限制 Agent 的权限，以及自己漏掉的几次情况。 其中有个案例很典型：哪怕沙箱本身运行一切正常，数据还是能顺着白名单里的域名给传出去。光靠弹窗和常规沙箱，想把 Agent 彻底看住确实不容易。

给 AI 充钱，就该在自己能承受的上限直接拉满。平时不管干什么，都逼自己先想想能不能交给 AI，因为只要不是瞎折腾，Token 的消耗量基本就代表了你的迭代速度。很多人平时用量很少，可能还是停留在把它当聊天框问答的阶段。 现在把 Codex、Claude、Cursor 都开到 200 刀档位，外加各种补充用量，其实都还觉得不够多。身边有些人一个月能拉满六七个 200 刀的账号，把不少业务做成自动化工作流，让 AI 全天 24 小时在后台跑。换个角度想，一个月花几千块钱就能让这么多顶尖工具替你拼命干活，放在以前要是没有 AI，不花个几十万招一整个团队，根本不可能做得到。 有了这些工具之后，最大的红利是试错成本几乎降到了零。以前很多事情犹豫要不要碰，做了怕搭进去大把时间，不做又怕错过机会；现在完全能通过说几句话交代清楚，让 AI 把活儿全探一遍。就算一晚上把一个 200 刀账号的周限额给烧光了，那也是极低成本的快速试错。如果真能把大几千甚至上万的订阅额度全用满，这些钱大概率能赚回来；哪怕做出来的东西暂时没能覆盖 Token 成本，高频的尝试和折腾本身也完全值得。

Prototir 现在支持直接让 AI 发布原型。在 Claude Code、Codex、Cursor 或任意 MCP 客户端里说一句“把这个发布到 Prototir”，它就会自动上传构建文件，你确认一次，就能拿到一个直接分享给真实玩家的链接。也可以直接跑命令行：npx @prototir/cli publish ./dist。

2024年因为“关掉其他实习生程序抢算力”被字节跳动以严重违纪辞退的前实习生田柯宇，新创办的世界模型初创公司拿到了近3000万美元融资，估值直接推到了2亿美元，资方里有五源资本和IDG资本。根据彭博社查阅的法院判决，他此前因违反合同被判赔偿50万元并扣除全部工资；田柯宇后来在采访里也承认，当时确实关了别人的任务来腾算力。 但他身上又有另一重标签：北京大学硕士，以第一作者拿过NeurIPS 2024最佳论文。现在这家连正式名字和商业模式都还没有的公司，团队大概10个人，包括其他前字节员工，正在做一套包含约20万个符号的视频理解语言，计划喂进1亿小时视频，号称能把视频生成成本降到十分之一以下，完整模型预计2027年发布。 职场上认合规与违规，投资机构看技术天花板和收益倍数。即使背着前东家的开除通报和法院判决，在大模型顶尖技术人才极度稀缺的节点，顶级资本依然愿意真金白银地买单。

Hinton和Bengio都是图灵奖得主。这周他们约上20位学者发了篇文章。主题一句话，AI要接手AI研发了。 文章挂在剑桥的CASP平台上，全文十五页出头。这算Hinton第一次公开聊递归自我改进这档子事。 Anthropic的代码库里，八成多是Claude这个AI自己写的。2025年初还只有个位数。 今年8月，Claude牵头了大约26%的AI研发任务。几个月前还只占一个多点。同月，大约3万个AI智能体在跑，光8月就攒了上亿次的决策。 谷歌那边，AI参与写的代码从2024年的25%涨到了75%。OpenAI的CEO在公开场合也提到，写代码占比从20%爬到了80%。 论文还给了一个换算，AI研究的进度一直被压缩，大概五周就能吃下人类一整年的进展。 按这个节奏往后推，作者估计到2028年年中。原先要花几个月才啃得下的复杂项目，可能就全面自动化了。 先别急着神化，这其实是一篇政策文。重点不在喊停，是请各国政府多盯数据。看看AI做的研究里，由AI自己完成的比例到底占多少。

这周删了两个 AI 工具。倒不是不能用，而是留着总会让人多走一步。 一个是自动写整篇文章的工具。它确实能交稿，但口气每次都得重改一遍。起草省下的那点时间，最后在改稿里全赔回去了。要是手上完全没材料还能拿来垫个底，但凡是写自己的记录，真不值得留。 另一个是把会议、写作、搜索、排期全串在一起的“全能工作流”。看着省事，实际每次用都要先琢磨它跑到哪一步了。最后直接给拆了，只留下整理记录那一段最稳的。 删的标准其实就一条：打开它之后，这事我还用不用重新做一遍。要重做的，就不是在省时间。

高盛最新的一项研究里有个反直觉的数据：全球主要发达经济体的 AI 采用率大概在 15% 到 20%，但目前对整体就业总量的冲击其实很有限，只有 0.1%。 真正的变化都压在少数具体行业里：客服、软件、广告、咨询，以及各类初级岗位。比如美国的呼叫中心，就业人数已经比长期趋势水平低了 39%。AI 对招聘市场的影响往往不是一下子大规模裁员，而是企业先悄悄冻结或缩减新增招聘。对刚毕业的年轻人来说，未来的第一道坎可能不是被替代，而是第一份工作越来越难找了。

Liquid AI 开源了 d1 决策模型家族，主打在边缘端做实时决策。比如 3B 的 d1-3B（LFM2.5-VL-3B）针对图文直接给判断，适合做 rerank、Agent 护栏和视觉质检；更小的 600M d1-omni 支持图文或语音加文本，能做端侧意图分类与语音路由。 对做硬件和端侧 Agent 来说，最实在的是延迟表现：单请求在 RTX 4090 上约 8ms，放到 Jetson Orin Nano 上约 50ms，且首日支持 llama.cpp，还放了 Isaac Sim Jetson 硬件在环与多摄像头 demo。决策如果不能塞进端侧毫秒级返回，全靠往返云端，很多实时闭环根本跑不起来。

创业里最贵的是沉没成本，最便宜的其实是承认“这版不行”。 前 Ramp 工程师团队做的 Melius，把第一个产品整套砍掉之后，拿到了 2000 万美金融资。注意这里的顺序：是先砍掉，然后再融到钱。很多团队容易死在“再改改就能用”的自我安慰里，硬拖两三个月，用户还是不买账。 敢在推倒重来之后继续给钱，VC 看中的其实是团队敢砍、敢认错的决断力。砍掉第一版不只是扔掉一个错误方向，也是在给团队自己做筛选。

AI把写文章、搭网站、写代码的门槛拉得极低，几秒钟一篇文章，十几分钟一个小工具，以前要耗上几周的事情现在喝杯咖啡就搞定了。但当所有人都能轻易生产东西的时候，单纯“把东西做出来”这件事本身就在迅速贬值。网上最不缺的就是看起来挑不出毛病的内容，AI能生成一万张风景照，写出很顺溜的故事，但它替不了人去真实地踩坑、亏钱、创业。 更直接的尴尬其实在做产品上。之前有人一个月憋出一个 App，没人用；后来用上 AI，开发效率直接起飞，一个月能做十几个，结果依然没人用。一天哪怕能搓出 100 个产品，要是没有真实用户，本质上就只是 100 个没人理的垃圾。AI 确实帮人解决了“怎么做出来”的效率问题，但它不会自动搞清楚用户到底要什么、这东西卖给谁、又该怎么卖出去。 现在不少人天天研究各种新工具，今天搭个站，明天做个小软件，看着产出一大堆，成就感拉满，折腾下来账上一分钱没多。工具让制造变得容易，但没让创造价值变容易。做业务最后拼的不是谁手里攒的工具多，而是能不能把工具落到真实的需求上，哪怕先用成熟工具老老实实跑通一条能分成的推广链路，也比纯卷开发数量管用得多。

从 2022 年底 ChatGPT 出现后，纽约一些 AI 暴露度较高的 entry-level（初级）岗位招聘降得很明显。设计、媒体和写作岗位降了大约 41%，客服类降了 34%，行政文职降了 31%，商业运营和金融岗位也分别下降了 27% 和 23% 左右。另一份更系统的纽约研究里，计算机和数学类初级岗位的降幅甚至到了 49%。 就业市场上这种结构性变化，很难单用传统的宏观周期去解释：越容易被 AI 替代或辅助的工种，初级岗位的萎缩就越严重。照这个趋势走下去，过几年可能真会出现一种尴尬的局面——行业里人人都想要拿来即用的 Senior，但已经没有地方愿意招 Junior 慢慢培养了。

Anthropic 这一代 Haiku 5.5 感觉就是冲着国内几家甜点级模型来的。把价格和测试跑分拉出来比了一下，定价上比 DeepSeek-V4.1 Flash 和智谱 GLM-5.3-Flash 都还要便宜一些。 跑分咬得也死。AA 智能指数给到了 43 分，Terminal-Bench 4.0 测出来是 33%，稍微压了 5.3 Flash 一头。这种高频轻量模型卷起性价比来，压力直接给到各家了。

2019年8月29号，上海世界人工智能大会。 马云和马斯克同台聊AI。 马云说，人类发明了计算机，可没见过计算机发明一个人。 马斯克当场不认同，他说机器很可能比人聪明得多。 这段六年前的对话，这两天又被网友翻出来聊。 六年过去，AI在写代码、看合同、自己排任务。 Hinton前几天也松口了，说当年坚持把模型做大的Ilya是对的。 那场对话聊了一个多小时，火星、教育、长寿全都聊了。

七万亿AI豪赌，其实是三笔账别混成一笔。 一个Stargate承诺4年投5000亿美元，二个是软银想借债5000亿，三个是大厂合计资本开支约7000亿。 空头抓着资本开支猛涨，多头捧着Azure破千亿、Meta营收+28%。 两边都站得住，结局谁先说都太早。

很多人习惯用 AARRR 聊增长，但从零开始做一款产品，这个颗粒度往往还是太粗了。代码写完其实只算走出第一步，后面真正要把产品变现，中间拆细了至少得过这 12 个关卡：用户定位（到底卖给谁）、价值定位（为什么需要它）、渠道选择（人在哪里）、内容传播（怎么被看到）、兴趣激发（怎么让人感兴趣）、信任建立（怎么让人敢信）、访问转化（怎么点进来）、注册激活（怎么真用起来）、价值体验（怎么感受到管用）、付费转化（怎么愿意掏钱）、留存复购（怎么一直用、一直付），以及最后的推荐传播（怎么带来新用户）。 每个环节拉齐到用户视角，其实都在对应一句很具体的内心活动：从一开始在常去的平台刷到内容、觉得有点意思，接着琢磨“这跟我有关系吗”“真能解决我的问题吗”；点进来准备用时会怀疑“这东西靠不靠谱”“我该怎么上手”；直到用顺手了感慨“原来真有用”，再到付款前反复对比“值不值这个价、有没有更便宜的渠道”，最后才是“后面还要不要续费、值不值得推荐给别人拿个奖励”。把功能做出来只是前提，真正卡住变现的，往往就是这些心理防线没被一步步接住。