分类： AI 资讯

Uber技术主管称AI“tokenmaxxing”时代正在终结

Uber 首席技术官 Praveen Neppalli Naga 表示，企业 AI 开支“tokenmaxxing”时代正在结束——即不再以 token 消耗量衡量 AI 价值。Uber 自身曾因 AI 预算失控而踩刹车，这轮转向可能影响整个行业的大模型定价和 To B 商业模式。

Meta 发布终端 AI 编程代理 Muse Code，靠每百万 token 仅 0.30 美元的低价换取开发者代码数据，直接冲击 Cursor、GitHub Copilot 等竞品。

据CNBC报道，部分Google研究人员对内部项目难以获得足够AI算力感到沮丧，而同期Google Cloud却将自家TPU芯片大批量出售给Anthropic等外部客户。这一反差暴露出AI巨头在“内外部算力分配”上的现实矛盾。

Perforce Software 发布的《2026 年平台工程报告》显示，企业的平台工程成熟度与其 AI 应用成功率显著相关——成熟平台团队中有 73% 认为平台成熟度是 AI 成功的关键因素，而低成熟度企业仅 44%。这说明 AI 并非取代工程基础，反而让底层平台质量变得更加重要。

Google Labs 的实验性 AI 应用 Dreambeans 正式向美国地区的 AI Pro 订阅用户开放，此前仅限 AI Ultra 用户使用。它每天基于用户 Google 应用数据生成个性化故事合集，是 Google 探索“个人智能”方向的最新动作。

Follow Builders 播客在《AI & I》节目中提出一个判断：下一轮爆款 AI 产品不会只是更强的对话工具或图像生成器，而是天然带社交属性的产品——它更可能依靠用户关系链和互动网络形成壁垒，而非单纯的模型能力。

AI普及缓慢的瓶颈不在模型能力，而在产品让用户先学会“实验室黑话”。Madhu Guru判断12个月内会出现靠“把事情办完”突破大众市场的AI产品。

Y Combinator 掌门人 Garry Tan 发文提出，当 AI 足够好之后，“检测 AI”这件事本身就失去意义，就像没人会抱怨餐叉是机器冲压的；《大西洋月刊》作者 Derek Thompson 用亲身遭遇佐证了这一观点——他手写的清晰文本被检测工具标记为 50% AI 生成。

Peter Yang 于 8 月 5 日发布开源 AI 技能 /human-review ，让用户在可视化编辑器中直接修改 HTML/Markdown 文档、给 AI 留评论式反馈，再让 agent 一键执行所有修改。它解决的正是“靠聊天描述修改意图”这一长期存在的低效问题。

OpenAI 正式要求美国联邦法官驳回苹果提起的商业机密窃取诉讼，称苹果的指控毫无事实依据，并反指苹果试图用诉讼掩盖其在 AI 人才竞争中的短板。这场官司的走向，将直接影响科技行业的人才流动与自研芯片竞赛节奏。