AI 数据中间商正在批量收购或授权关闭初创公司的内部数据集，再转售给 AI 实验室用于模型训练。这说明高质量训练数据的争夺已经从公开网络延伸到初创公司的“数据遗产”层面。
开发者 Srikanth C 结合自身经验，梳理了当前用大模型做软件开发的真实状态——写代码的时间没有消失，而是变成了写详细规格、准备上下文和调提示词的时间。这篇文章引发了关于“AI 编程到底省没省时间”的技术讨论。
摩根大通、高盛、花旗等华尔街大行正把AI从试验推向前台业务，投入规模已达数十亿美元，并开始用AI重构内部流程、开发工具和岗位设置。这不再是“要不要用”的问题，而是“谁先用出效率”的竞争。
欧美二手书商近期频繁收到批量大额订单，大量绝版书和冷门书籍被运往不明仓库。业界猜测这些书并非卖给普通读者，而是被AI公司买去用于大模型训练——2025年美国一起版权判决已为这类行为开了绿灯。
一位开发者使用 Codex 和 Claude 等大模型对 Jellyfin 的树莓派 FFmpeg 内核进行自动研究与性能调优，定位并修复了 C# 实现中缺失的关键优化，实现了约 232 倍的内核速度提升。相比“让 AI 写代码”，这更值得关注的是“让 AI 做研究”的工作流已经能产生实际项目贡献。
Hacker News 上围绕“与 AI 协作到底是编程还是领导”展开了一场辩论，核心观点是：用大模型干活，更像是在做任务分解和流程设计，而不是单纯的写代码或管理人。这个讨论揭示了 AI 工作流正在重塑开发者的核心技能。
Hacker News 上一条讨论指出，AI 公司的大规模图书扫描计划正在推高二手书销量，并引发关于版权、文化保存与训练语料获取方式的争论。这件事值得关注，因为它折射出 AI 训练数据从“免费爬取”转向“真金白银收购”后的新冲突。
一位约翰霍普金斯医院的内科住院医生撰文指出，AI 在医学中最无法替代的能力是“观察病人并定义问题”，而不是处理症状和检验数据。核心观点是：AI 能高效处理输入，却无法决定哪些信息值得被看见。
一位资深软件开发者结合自身经验提出，与大模型协作体验更接近“领导团队”而非“编写程序”——输出具有不确定性，关键是学会传达意图与边界，而不是追求指令的精确执行。
Product Hunt 上出现名为 AFK Pilot 的产品，目标是与 Grok 4.6 配合使用，主打的“离席自动操作”本质上把大模型从聊天窗口推向能独立执行任务的智能体方向。