Dwarkesh Patel 分析未来几年算力价格为何可能上涨 10 倍以上
Dwarkesh Patel 发文分析未来几年算力价格可能上涨 10 倍以上的原因。他以 Anthropic 收入同比增长 10 倍、算力仅增长 3 倍为起点，指出利润率提升、算力涨价和加大推理占比三条路径中，算力涨价最可能成为主导，并引用 Google 据报道以每月 9 亿美元租用 SpaceX 110K 块 GB200/GB300 GPU、约为现货价 2 倍作佐证。
#现象/趋势
Dwarkesh Patel：Podcast & BlogAI 评分5959
METR：BlogAI 评分4747 METR 与 7 位经济学家合著论文分析递归自我改进的经济学
METR 的 Parker 与 Tom 联合 7 位经济学家发表论文《The Economics of Recursive Self-Improvement》，通过一系列简单模型分析 AI 加速 AI 研发的反馈效应强度。论文认为无法排除能力出现持续快速加速的可能，但数据、训练算力、推理算力或实验等瓶颈也可能使加速放缓。作者还呼吁实验室发布更多相关数据，并给出了一份未来发布的“愿望清单”。
Big TechnologyAI 评分5757 AI 模型降价潮冲击美国前沿实验室：Meta、SpaceX、Moonshot 低价模型引发价格战
Big Technology 作者 Alex Kantrowitz 分析，过去八天内 Meta 的 Muse Spark 1.1、SpaceX 的 Grok 4.5 和 Moonshot 的 Kimi K3 相继发布，价格远低于 Anthropic 的 Opus 4.8，部分基准上性能接近。
AI as Normal TechnologyAI 评分7272 Arvind Narayanan 在 ICML 演讲：AI 时代我们还能做什么工作
普林斯顿大学的 Arvind Narayanan 在 ICML 发表主题演讲并公开讲稿与幻灯片，提出 AI as Normal Technology 框架仍适用、没有哪个实验室里程碑会突然让所有人失业、未来工作将需要大幅适应三个论点。
Timothy B. Lee：Understanding AI精选AI 评分8282 OpenAI 模型在 AtCoder 世界总决赛两个赛道全面超越人类顶级选手
2026 年 AtCoder 世界总决赛上，OpenAI 模型在启发式赛道“彻底击溃”人类选手，Psyho 估算人类至少还需数天才能追上其分数；次日算法赛道 7 小时内解出全部 5 题，包括 12 名人类顶尖选手无一解出的 2 题，主办方为其颁发了两个“人类投降”奖。作者认为这可能是人类最后一次有机会在与顶级 AI 模型的编程竞赛中取胜。
推荐理由：作者采访去年击败 AI 的冠军 Psyho，给出 2026 年 OpenAI 模型在两个赛道的具体表现和冠军本人的差距估算。
AI as Normal TechnologyAI 评分6565 Arvind Narayanan 分析 AI 实验室如何借向上游迁移逃离商品化陷阱
Princeton 学者 Arvind Narayanan 与 Akash Kapur 发文，认为模型推理将在均衡状态下被价格竞争压向边际成本，基础设施层历来难以捕获自身创造的价值。
Dwarkesh Patel：Podcast & BlogAI 评分5252 Dwarkesh 公布 AI 大问题征文赛三位得主及获奖全文
Dwarkesh Patel 公布其 AI 大问题征文赛结果，共收到超过 600 篇投稿，并发布三篇获奖全文。
Ethan Mollick：One Useful ThingAI 评分6060 Ethan Mollick：聊天机器人的黄昏，从协通智能到管理智能体
Ethan Mollick 撰文分析 AI 使用方式正在从与聊天机器人协作转向把工作分配给智能体。
Figma AI / Agent / MakeAI 评分4646 Figma 2026 AI 报告：AI 能帮我们更好地协作吗？
Figma 发布 2026 AI 报告，基于三年数据，包括 8,403 份问卷与 639 次定性访谈，覆盖从七个市场扩展至十个市场。报告显示 41% 受访者认为 AI 已实质改变团队协作方式，远高于两年前的 7%；设计师参与开发的增至 41%，做设计工作的开发者从 44% 升至 60%，76% 的人至少一半工作在 canvas 上完成。
AI as Normal TechnologyAI 评分7171 Arvind Narayanan：AI 为何没有也不会取代软件工程师
Narayanan 撰文用数据反驳 AI 达到阈值将引发大规模裁员的叙事。Block 4000 人、Snap 约 1000 人、Intuit 3000 人裁员事后均显示另有财务或股东压力等主因；纽约 WARN 披露首个年度 160 余家公司无一勾选 AI 选项，仅约 0.2% 被裁员工与 AI 相关。
Ethan Mollick：One Useful ThingAI 评分4848 Ethan Mollick 介绍新书 Co-Existence：从人机协作的 Co-Intelligence 到 AI 智能体时代如何共处
Ethan Mollick 宣布新书 Co-Existence 将于 10 月 20 日出版，聚焦如何与“有时强于你、有时弱于你”的 AI 共事。他指出 2025 年底出现的 coding agents 已改变工作方式：有研究称代码量增加十七倍，Anthropic 报告其 80% 代码由 AI 编写、每个开发者交付量提升 8x。
Ethan Mollick：One Useful ThingAI 评分6161 Ethan Mollick 谈如何有意识地选择把什么交给 AI
Ethan Mollick 撰文讨论 AI 时代如何有意识地在认知任务上取舍，而不是默认依赖或回避。他引用约千名土耳其高中生的实验，用普通 ChatGPT 做作业的学生考试成绩反而低于无 AI 组；而台北十所高中的 Python 课程中，AI 导师个性化出题的学生在无 AI 终考中高出 0.15 个标准差，相当于约六到九个月的额外学习。
Ethan Mollick：One Useful ThingAI 评分5656 Ethan Mollick 撰文解析 AI 智能体时代的形态与滚动式冲击
Ethan Mollick 在 One Useful Thing 撰文称，自 2025 年底 Claude Code、OpenAI 的 Codex 等智能体兴起后，人机协作进入管理 AI 而非与 AI 共事的新阶段。
AI as Normal TechnologyAI 评分5353 Arvind Narayanan 检验 Moravec 悖论：AI 难易论从未被实证验证
普林斯顿教授 Arvind Narayanan 撰文检验流传数十年的 Moravec 悖论，即对人类困难的任务对 AI 容易、反之亦然。他发现该悖论从未被实证检验，实为 AI 研究社区只关注部分任务造成的选择效应，其进化论解释也站不住脚。他进一步指出这类简化预判既催生了关于超级推理的恐慌，也造成对机器人领域的错误安心，并主张与其预测能力突破，不如利用技术扩散的漫长时间做好适应。
Ethan Mollick：One Useful ThingAI 评分7171 Ethan Mollick 用 4 天 MBA 创业课实验论证管理能力是 AI 时代的超能力
Ethan Mollick 在宾夕法尼亚大学的实验课上让 mostly 无编程经验的 EMBA 学生用 Claude Code、Google Antigravity 加 ChatGPT、Claude、Gemini 在四天内从零做出创业原型，他认为成果比以往 AI 之前一学期学生的水平向前推进了一个数量级。
Charlie O’Neill 研究写作AI 评分4646 持续学习与“单体模型之后”的 AI 时代：为何持续学习离不开专用化
现代大语言模型像失忆症患者，context window 填满后只能靠摘要重启，而 KV cache 随上下文线性增长，持续学习必须把信息从 token 层移入权重层。
Ethan Mollick：One Useful ThingAI 评分6464 Ethan Mollick 解析 AI 能力的锯齿边界、瓶颈与突破口
Ethan Mollick 提出，AI 能力呈锯齿状分布，即使部分能力超人类，记忆缺失、幻觉和制度流程等瓶颈仍使其难以完全自动化任务。
Cursor：ChangelogAI 评分4646 Cursor 团队谈我们要解决的问题
Cursor 团队发布一份问题清单，说明其正在攻关的 AI 编码方向：训练自定义高速重排序模型，把每次请求收集的 50 万个 token 过滤到最相关的 8k；构建面向编辑的 copilot 和可在几十万 token 文件夹上工作的受约束流内 Agent。