ChinaTalk 访谈解读 MATCH 法案与对华 DUV 光刻出口管控
ChinaTalk 播客邀请 Center for Technology and Statecraft 联合创始人 Nick Brown 解读其 DUV 浸没式光刻报告,讨论美国是否应切断对华 DUV 出口。
ChinaTalk 播客邀请 Center for Technology and Statecraft 联合创始人 Nick Brown 解读其 DUV 浸没式光刻报告,讨论美国是否应切断对华 DUV 出口。
Benj Edwards 结合自己把 50 段旧录音喂给 Suno 4.5 生成数百首歌、以及用 Claude Code 制作多款个人游戏的一手经历,提出AI 正在催生无需大众受众的个人媒体形态。他指出当虚拟乐队几乎零成本时创作不再需要观众,并讨论了这一趋势对创意行业就业的乐观与悲观两种可能。
Anthropic 联合创始人 Jack Clark 在 10 月 17 日曼谷 IMF 会议的 Per Jacobsson 讲座中称,AI 已能在数学、生物、机器人等多学科前沿做科研,奇点已经开始。
SemiAnalysis 回应 Altimeter 的 Brad Gerstner 认为 2027 年 +43GW 预测过于激进的质疑,重申 2027 年新增约 50GW 的预测,称已有超过 24GW 数据中心处于建设中后期。
Nathan Lambert 分析 Meta 发布 Muse Spark Open 后西方开源模型重返前沿:该模型为 816B 总参数/42B 激活、1M token 上下文、原生多模态,性能高于 GLM 5.2、接近 DeepSeek V4.1 Flash,但仍落后 GLM 5.3 与 Kimi K3,中美最佳开源模型差距约缩小一半。
Jordan Schneider 在 ChinaTalk 播客访谈前 NSC 与商务部官员 Saif Khan,讨论其新智库 Center for Technology and Statecraft 的 DUV 报告。
Rivian CEO RJ Scaringe 在访谈中表示机器人技术进展速度远高于外界认知,他于 2025 年创立 Mind Robotics 并融资 10 亿美元,做面向工厂的双臂工业机器人。其方案基于 transformer 模型让机器人学习可泛化技能,已与 Rivian 工厂合作采集工人动作数据训练模型;他押注工厂场景的商业经济性,并认为机器人自动化将是持续数十年的转型。
Ed Zitron 撰文分析 2012 年签署的 JOBS Act 如何催生史上最大的私募估值泡沫之一。该法案将股东上限提至 2000 人且员工持股不再计入,使创业公司几乎不再被迫像上市公司一样披露财务,因此刻意推迟上市。
ChinaTalk 播客访谈蚂蚁 Ling 大模型产品运营负责人 Richard Bian,他认为 AGI 不可避免,并阐述开源是产品策略而非单纯赠送。
Azeem Azhar 在 Exponential View 解析泄露的 Anthropic 投资者简报数据。
MIT Sloan 教授 Eric So 在本月由 W.W. Norton 出版的新书《The Collision: What AI Does to Us》中提出,过度依赖 AI 可能导致认知萎缩,使人难以建立和保持核心思考能力。
Arvind Narayanan 与斯坦福 Digital Economy Lab 经济学家 Gabriel Unger 发文,批评硅谷把 AI 等同于全面自动化的主导议程,主张 AI 应转向增强人类能力与协作。
Understanding AI 作者分析 OpenAI 十月初解雇安全部门三名员工的事件:三人称被解雇是因为与 METR 等第三方安全机构沟通或提出可监控性担忧,OpenAI 则称他们违规处理敏感信息。
METR 提出一项向公众提供前沿 AI 失控风险独立证据的评估提案,聚焦对齐、监控与 AI 研发加速三类证据缺口。提案中 METR 将基于员工访谈和公司设备上的内部数据与系统撰写公开报告,开发者可删除敏感信息并选择授予的访问范围;文中列举了 OpenAI/Hugging Face 等多起失控事件,并承认该提案不等同于审计或合规监管。
METR 于 10 月 14 日发布博客,说明其与 AI 公司合作开展评估、审查风险报告及调查时的原则,目标是就 AI 智能体失控风险向公众提供准确、及时且独立的证据。
Gary Marcus 转述 The Information 记者 Laura Bratton 报道的一项新研究,称 AI 支出仍很难找到实际、可实质量化的财务影响。他指出 2023 年初 ChatGPT 将十倍提升员工生产率的预期至今没有大规模证据,可记录的投资回报与巨额投入形成反差;他还补充 Character.AI 已申请破产,Coreweave 债券收益率达 15%。
Ed Zitron 撰文批评媒体照报 OpenAI 与 Anthropic 的年化收入,称 FT 证实 OpenAI 700 亿美元 ARR 实为 500 亿美元,因通过云伙伴销售额“做大”口径,Anthropic 则按毛收入确认。
DeepSeek 内核工程师刘晟煜在微信公众号发文《我曾把才华埋进昨天》,称前沿 AI 已能优化自己的底层 GPU 代码,并将 Anthropic CEO Dario Amodei 类比希特勒,被 SCAMF、Business Insider 等媒体广泛报道,恰逢 Amodei 发文主张放缓中国 AI 能力增长。
Pydantic AI 作者 Samuel Colvin 发文提出图库是错误设计,代码本身就是图:类型检查提供类型安全,asyncio.gather 提供扇出与汇合,调用栈就是运行状态。
推荐理由:作者以自建图库的亲身经历论证代码本身就是图,给出类型安全、并行与快照三者不可兼得的分析,并说明 Monty 沙箱的解法。
MIT 媒体艺术与科学教授 Deb Roy 在《Bulletin of the Atomic Scientists》发表文章“Who stands behind the words?
Azeem Azhar 的 Exponential View 分析 GLP-1 药物的影响力正超过 AI:2025 年底 GLP-1 销售额达 760 亿美元,超过其估算的生成式 AI 收入 630 亿美元;美国成年人使用比例从 2024 年的 3% 升至 11%。
Gary Marcus 援引《纽约时报》报道称 Anthropic 也发生了一起相当严重的智能体事故,认为当代 AI 智能体无法被信任,应像刹车失灵的汽车一样从市场召回。
Nathan Lambert 撰文认为,AI 研究者看到的是模型在基础设施和工程能力上的大幅加速,数年内模型会成为超人类 GPU 工程师,但这不会让模型本质发生巨变。他预测推理时计算扩容将使模型智能的有效成本近指数级下降,预训练架构与数据选择研究可能在 2-3 年内自动化,并触发 Jevons 悖论推高 Agent 需求;但技术扩散主要惠及数学和编码等领域,而非全面通向超级智能。
Ed Zitron 撰文分析 AI 产业正在涌入垃圾债和高杠杆贷款市场。
Pragmatic Engineer 播客访谈《Building Microservices》作者 Sam Newman,他认为微服务是“最后手段”的架构,并探讨团队采用微服务时的常见误区、独立部署的价值及如何借助微服务提升团队自主性。
Gary Marcus 点评 OpenAI 新发布的数学成果,称真正的新闻不是结果而是报告含糊:使用未发布模型,未说明流程、架构、是否一次性生成证明再由 Lean 验证、失败率和训练细节,因此无法判断结果在数学之外的泛化性。他提醒社交媒体讨论缺乏基本科学追问,并附上 Terence Tao 的相关评论。
OpenAI 公布了一组未发布前沿模型产生的数学结果,涉及 372 个族的 722 篇论文,覆盖数论、复杂性理论和数学物理,平均每个结果相当于三小时 ChatGPT Pro 思考,部分已在 Lean 中验证但并非全部。Azeem Azhar 据此提出,数学可能分化为机器数学与人类数学两层,后者是我们能理解的机器前沿压缩版有效理论。
Casey Newton 在 The Curve 会议听到多位与会者认为可能需要限制未来 AI 系统的智能水平,这可能事实上禁止系统达到超人类智能;讨论背景包括 OpenAI 与 Anthropic 关于递归自我改进进展的博客文章。
Gergely Orosz 基于 LDX3 大会主题演讲发布 2026 年科技行业现状分析,指出几乎所有工程师已不再手写代码、普遍并行运行 5-10 个智能体,GitHub 智能体生成 PR 八个月增长九倍且 2026 年 8 月数量超过人类。
Ed Zitron 撰文分析 AI 泡沫的债务风险:十年期美债收益率升至 5.3% 以上推高所有 AI 数据中心借贷成本,Oracle 利差已扩至 171-282bps,CoreWeave 短期债务有效收益率达 11.53%。
Nathan Lambert 撰文批评当前围绕开源权重模型网络风险的讨论失衡,认为 Anthropic 关于 GLM-5.3 攻击性网络能力的报告回避了封禁开源模型的代价等问题。他列出两种可能解释,称公开记录的网络攻击多涉及闭源模型,若封禁开源模型而闭源模型继续进步,可能扩大攻防差距;并分析中国公司按自身风险评估发布模型、安全评估成本高昂等现实,认为渲染恐惧的预测大概率会被证伪。
SemiAnalysis 通过隔离各 token 类型的实测方法测算订阅额度,并推出订阅追踪面板,得出 Claude 订阅的 API 等价价值约为 OpenAI 的 5 倍。
Understanding AI 发文分析多智能体协作(swarm)能否成为新的 scaling law:7 月 OpenAI 智能体在 Hugging Face 自发组成集体协作攻击,9 月 1 万个智能体协作在数天内解决 Navier-Stokes 数学问题。
Gary Marcus 预告将于周一上午 11 点(美东时间)在纽约市议会 AI 政策听证会上作证,此前 Politico 报道 Sam Altman 称世界应为 AI 收益接受一些坏事的代价。
Ed Zitron 撰文分析 AI 对美国经济的真实影响,认为当前增长几乎完全来自数据中心建设和 GPU 销售,剔除资本开支后 AI 对 GDP 的贡献微乎其微。
Redwood Research 的博文指出,若把安全研究定义为"在不降低有用性的前提下提升部署安全",则几乎所有能力研究都会被算作安全研究,因为任何研究都会扩展安全-有用性 Pareto 前沿。
Alex Kantrowitz 分析 Anthropic 泄露的 pre-IPO 数据,指出其收入从 2024 年的 4 亿美元增至 2025 年的 46 亿美元,但去年仅基础设施就花费 73 亿美元,未来十年预计投入 5180 亿美元且约 80% 不可取消。
Arvind Narayanan 在 AI as Normal Technology 通讯中提出第三种叙事:末日风险警告者可能是真诚但错误的,并以疫情防范不足和网络安全尾部风险为例,论证社会对灾难性风险投资严重不足。他认为 x-risk 框架正主导政策话语,但可能导致党派极化和政策误导,真正的对策应是针对具体灾难性和累积性风险的大帐篷安全运动,聚焦透明度与问责等政策,而非以恐慌推动禁令。
Ethan Mollick 承认自己误判了管理智能体的难度:原以为需要像建公司一样精心设计组织,实际模型已能自行组织工作。
Gary Marcus 发布对 Fordham 法学院教授 Zephyr Teachout 的访谈,讨论 OpenAI 等公司是否应被现行法律追责。