No AI Fridays

围绕“AI 是否在摧毁编程能力”的讨论在 Hacker News 上引发两极分化:教育者观察到学生用 AI 完成学业却答不出基础问题,而另一批开发者宣称借助 AI 实现了 10-20 倍产出,甚至从 0 搭建出年收入 500 万美元的业务。核心争议不再是“用不用 AI”,而是传统技能训练与 AI 辅助创造之间…

围绕“AI 是否在摧毁编程能力”的讨论在 Hacker News 上引发两极分化:教育者观察到学生用 AI 完成学业却答不出基础问题,而另一批开发者宣称借助 AI 实现了 10-20 倍产出,甚至从 0 搭建出年收入 500 万美元的业务。核心争议不再是“用不用 AI”,而是传统技能训练与 AI 辅助创造之间…

Mirror 团队提出“Code-as-World”智能体循环,尝试把真实世界视频自动转化为可执行的 MuJoCo 物理仿真程序,让 AI 在虚拟环境中验证“看懂了什么”。这项研究值得关注,因为它直指具身智能和世界模型训练中“数据可用但不可控”的核心痛点。

Anthropic 开放了模型硬件标准(MHS)的研究预览,这是一套让 AI Agent 安全操作物理设备的共享规范。它试图在智能体大规模落地前,先定义好“AI 动手碰硬件”时的安全边界。

工业机械巨头卡特彼勒(Caterpillar)正将其在自动化采矿领域积累的经验,复制到更广泛的企业级 AI 部署中,并计划投入 1 亿美元对全球 11.8 万名员工进行 AI 与自动化技能培训。这家公司正在示范传统重工业如何将 AI 从概念验证推向实际生产环境。

AI投资圈热议的“AI半导体终局推演”指出,AI基建周期将比互联网更长,核心逻辑从“用户渗透率”切换为“用户数×人均Token消耗量”的双指数增长;下一轮增长引擎并非全新场景,而是“广义Coding”吞并知识工作。

Anthropic 内部工程负责人 Boris 公开了团队使用 Claude Code 的五个底层习惯,核心不是更聪明的模型,而是建立“不让 AI 盲写代码”的验收闭环。这套方法论把新人的项目熟悉时间从 3 周压缩到 2 天,也解释了同样一个模型,为什么有人用它修 Bug,有人用它并行推进多个任务。

Google、OpenAI、Anthropic、LangChain 四家机构陆续发布报告,指向同一个判断:AI 编码的真正瓶颈已从“写代码”转移到“定义意图、验证结果、治理风险”。软件开发流程本身,正在被重构为 Agent 可读取、可执行、可审计的工程系统。

以 Whoop、Google Fitbit Air 为代表的新一代无屏幕可穿戴设备,正在用“减少存在感”作为核心卖点。它们不再推送消息、不再催促你抬手看表,而是安静地采集健康数据,事后在 App 中统一查看——这既是对智能手表过度干扰的反思,也是 AI 驱动订阅服务的一次新包装。

AG1 Residency Program 开放第三期申请,面向全球创始人提供为期 10 周的东京驻地项目,入选者将集中进行产品构建并深度接触日本 AI 生态。

Vercel CEO Guillermo Rauch 发布了 CLI 代理工具 fx.sh 的 0.0.7 版本,重点改进了 MCP(模型上下文协议)支持,并简化了工具集,让终端代理在执行命令时更稳定、更可控。