2026
- 线虫、多巴胺与股份公司：进化给 RSI 的启发沿着 Ilya 的生物视角，梳理进化中那些底层而优雅的机制：6 亿年大脑演化的五次突破，与 Ilya、Jerry Tworek、Richard Sutton 共同指向的 value function；以及人类社会几万年的合作试错（制度演化、道德圈扩大、自我驯化）对 AI alignment 的参照。打开阅读 →
- 把整个小站装进单文件 HTML零构建、零依赖：这个站点如何用单文件 HTML、一份 manifest 和两个脚本跑起来。打开阅读 →
- 那个更好的机会：李录哥大格雷厄姆-多德午餐会交流李录在哥伦比亚商学院第 36 届格雷厄姆·多德年度午餐会上谈价值投资、AI、中国双层经济与全球共同市场，含现场问答。打开阅读 →
- 这是一篇把“RSI”讲明白的科普级综述赵志民（腾讯研究院）的 RSI 科普综述：从 EURISKO 到 2026 年的自动研究系统，沿五次推进看 AI 递归自我改进走到了哪一步。打开阅读 →
- 和一线研究员的闭门讨论：蒸馏变难后，下一步的重点是什么？拾象与多家模型厂商研究员的一场线下闭门交流：围绕 Astra 的 Computer Use、RSI、模型蒸馏、好数据的标准、以及数据生意在快速迭代下的打法，五个 Insight 保留共识与分歧。打开阅读 →
- 姚顺宇、施天麟聊 RSI：最难的不是实现自我迭代，而是如何验证迭代有效Google DeepMind 姚顺宇、Recursive Superintelligence 施天麟等五位嘉宾围绕 RSI（递归自我改进）展开讨论：实现自我迭代相对容易，验证迭代有效才是 RSI 当前最大的难点。打开阅读 →
- Latent Labs：Alphafold 3 发布两年，AI 药物设计进展到了哪一步？以 Latent Labs 为样本，看 AlphaFold 3 发布两年后蛋白质生成模型、环肽/抗体设计与湿实验室闭环如何把药物结合物发现的'狭窄山路'变成'高速公路'。打开阅读 →
- 中美 NeoLab 对话：模型和 Agent 如何实现「持续学习」？AMI Labs 林敏与 Mind Lab Andrew Chen 在 AGI Playground 2026 围绕持续学习展开一场中美对谈，世界模型 vs LoRA 两条路线在记忆形态、自我进化与模型协作上的核心分歧。打开阅读 →
- 我们正在经历一场极致的资源集中以 AI 为导向的硬科技几乎承接了所有新增优质经济资源。作者沿着 8 条线索展开：二级与一级市场的同步集中、AI 生产力的硬证据、股权定价系统的漂移、投资决策中理性含量的下降、对宏观结构的影响、亏损的风险、仍在等待的盈利机会，以及政府 / 市场 / 退出三个端口的应对建议。打开阅读 →
- 从蒸馏到合成数据到 RSI，模型竞争的下一个焦点是什么？｜42章经42 章经 × 繁青（Evolvent AI 联创、前 Kimi RL infra / agent 研究员）：从国内模型差距、post-training 短板、RSI 共识、聪明的 DFS、数据三波演进、到蒸馏的真实位置 —— 一场关于「模型下一个焦点」的对谈。打开阅读 →
- 应用层公司凭什么和顶级实验室竞争？Harvey 给出了一套真实的打法深思圈对 Harvey 联合创始人 Gabe Pereyra 在 Sequoia 演讲的转述：先建 benchmark、用领域专家引导合成数据绕开真实数据禁区、通过 frontier ecosystem 借力多家 neo lab 做 post-training，从而在法律这个垂直场景里建立可与闭源模型并行的专属模型。打开阅读 →
- 朱镕基是怎么解决那些复杂问题的纪中展从朱镕基处理「菜篮子」「三角债」「一个确保三个到位五项改革」等案例中提炼出六条面向企业一号位的问题处理方法：先问真问题、把症状与疾病分开、高度压缩优先级、把问题压到具体动作、承担代价、穿过噪音看见真正的问题。打开阅读 →
- Agent Infra 赛道更新，一年后为 Agent 设计的基建发展如何？海外独角兽（Daniel、Cage）一年后回看 Agent Infra：从去年以 Environment / Context / Tools / Security 四环节为主的图谱，重写为两条主线 —— 提高可控性（Runtime / Identity / Eval）与拓展 Agent 能力边界（Search / Payment / Context）。打开阅读 →
- AI 的自进化，可能不在模型，在 Harness翁荔万字长文：把目光投向了 Harness —— 如果 AI 真要走向递归自我改进（RSI），最值得优化的对象到底是模型本身，还是模型之外的那套 harness？她围绕 Harness 设计范式、优化路径，以及迈向完全 RSI 还差些什么，逐层展开 ACE / MCE / Meta-Harness、ADAS / AFlow、STOP / Self-Harness、AlphaEvolve / DGM…打开阅读 →
- AI / 半导体产业链逆转崩塌的五步林文丰 Jason 把AI/半导体产业链是否会逆转崩塌拆成五个互相放大的机制：变现缺口触发、循环交易放大、牛鞭效应传导、供给滞后放大、杠杆集中放大；并以 2000 年电信泡沫作历史对照，给出链式反应剧本与五项监测信号。打开阅读 →
- AI成本拐点正在到来：从Token狂热到端侧推理，资金正在重新分配算力、软件和硬件的估值权重Citrini Research 「主题现状」长篇报告：AI 交易正从「Token 最大化」转向「Token 恐慌」，企业成本飙升迫使市场重新定价 AI 基础设施回报；资金重心从集中式云端算力转向边缘 AI / 设备端推理，并重新分配算力、软件、硬件估值权重。覆盖 Token 计价切换、混合 AI、绕过 DRAM 税、代理型公用事业、机器人与欧盟芯片法案 2.0 等七大主题。打开阅读 →
- 拆解 Anthropic：最好的 AI 公司，可能也是一种组织发明Celia（海外独角兽）拆解 Anthropic：战略上做减法（御三家里唯一早早放弃多模态、只把 coding 一条线打穿）、文化上做加法（近乎教派式的使命驱动 + 7 个同股同权联创 + 严格的反向筛选）；从 ARR 9B 暴增到 45B、估值 1 万亿美金反超 OpenAI，到人才流失率仅 OpenAI 的一半，逐层展开这家公司如何把战略与组织做成一种发明。打开阅读 →
- Supabase：百亿美元估值，vibe coding 的默认后端？Patrick（海外独角兽）围绕 Supabase 的 F 轮 100 亿美元估值，沿 Postgres × AI coding 两条 wave、产品路线图切换、agent-first 与 scalability 押注、四笔收购解读（OrioleDB / Multigres / Hydra / BKND）、竞争格局与 TAM 展开。打开阅读 →
- 大部分公司是无法成为AI Native组织的Hayden W（人月岛）拆解 AI Native 组织的四重结构性条件、为什么大部分公司做不了 AI Native（人才定价、决策权力、容错空间、协调开销）、用毛利率作为唯一诚实的判断标准、以及对大部分公司唯一走得通的务实路径——放弃「全面 AI Native」的幻想，转向「AI 增强」。打开阅读 →
- 2026 年做搜索就是做 Agent Memory肖涵在 Elastic 中国 AI 搜索大会上提出，2026 年 AI 搜索本质上是在做智能体记忆 —— 围绕数据库派、文件派、模型派之争、选择性遗忘与 100M 上下文这条线索展开。打开阅读 →
- 一个预测未来的模型，它赚到钱了金色传说大聪明记述 UniPat 的 ECHO 系统与 EchoZ-1.0 模型：用 Train-on-Future 范式训练（动态问题合成 + Rubrics Search + Map-Reduce Agent），用 Multi-Point Aligned Elo 评测，在自建排行榜 Elo 1034.2 排第一，对人类共识胜率 63.2%，在靠判断分胜负的交易市场上赚了不少钱。打开阅读 →
- 黄仁勋发表署名文章：AI的「五层蛋糕」英伟达 CEO 黄仁勋最新署名长文：从工业视角把 AI 产业拆为能源、芯片、基础设施、模型、应用五层，并以此回答"AI 为什么会这样发展"——AI 是一项正在兴建的基础设施，与一个聪明的应用或单一模型截然不同。打开阅读 →
- OpenClaw 是一个信号｜2026 Long-Horizon Agent 投资地图以 OpenClaw 为信号、Haina 视角的 2026 Long-Horizon Agent 投资地图：拆解 Service-as-Software 的 TAM 扩张、System of Record 到 System of Action 的护城河迁移、High Agency 五层金字塔与四条投资 thesis（Reasoning Orchestrators / Process Intelli…打开阅读 →
- 看了几百家公司后，我们发现高人效和低毛利率才是真 AI 公司的试金石a16z 合伙人 David George 在一场长访谈中分享了 a16z Growth 团队对市场上几百家公司的数据分析：AI 公司营收增速是非 AI 公司的 2.5 倍以上，顶尖公司同比增长 693%，人效被拉到每 FTE 50–100 万美元，而销售与市场支出反而比 SaaS 同行少；低毛利率在 AI 时代被视为「荣誉勋章」，反映产品被真实使用、且终将下降；前 AI 时代公司面临「适应或消亡…打开阅读 →
- 忘掉 SaaS 逻辑与毛利率，AI 时代估值看单客价值Benchmark 新合伙人 Everett Randle 在 20VC 访谈中把 AI 时代的估值坐标系做了重写：忘掉 SaaS 时代的毛利率迷信，关注单客绝对毛利（Absolute Gross Profit Dollars per Customer）；护城河依旧在技术而不是分销或资本；VC 行业沿「Tiger 速度型」与「Benchmark 工艺型」两端分化，中间地带是死亡区；Mega Fun…打开阅读 →
- 来自前Manus工程师的一线总结：构建一个有效的Agent需三种能力｜AI 实践派前Manus工程师许长鹏：构建一个有效的Agent并非源于模型智力飞跃，而是源于围绕模型设计一套行之有效的认知流程——用控制论闭环纠偏、信息论熵减探索未知；并给出性能提升的四个工程维度。打开阅读 →
- 近期听到关于 GEO 最透彻的认知阿颖（AI产品阿颖）把近期对 GEO 最透彻的认知写成一篇文章：用户的搜索习惯正从关键词搜索切换到 AI 直接提问，SEO 的权重下降、GEO（Generative Engine Optimization）在接管位；GEO 本质是引用问题不是排名问题，行业里经过验证的做法收敛成三条线（基础内容做扎实 / 真实的讨论很重要 / 多元的内容覆盖），并把中文 Reddit 落到百度贴吧——它的多轮对话、…打开阅读 →
- 「灵感式写作」作者从「编程式写作」迭代出「灵感式写作」：不必再对着录音 APP 喷十几分钟把想法完整讲清，只需随时记录零散的灵感碎片，喂给 Cherry Studio 里的 Claude Code 编程 Agent，AI 帮你梳理逻辑、生成提纲、执行写作。文章以一篇《彼得·蒂尔是中国的辱追梦男》的写作为例演示四步流程：捕捉灵感碎片、建立项目文件夹、给 AI 明确指令、模块化写作；强调灵感比执行更重要，并把准备项…打开阅读 →
- 这一年做 Agent 的公司，Coding 赚了钱，客服融了钱，你呢？Founder Park 编辑部基于 CB Insights《AI Agent Bible》报告梳理的 AI Agent 产业全景：26 个细分领域、170 多家创业公司；编程类 Agent 占收入 Top10 的 6/10 且人均营收约 140 万美元，客服类 Agent 平均估值倍数高达 219×；同时讨论推理成本、新定价模式与技术栈。打开阅读 →
- 有效的 Context 工程（精读、万字梳理）一泽Eze（赛博禅心）精读 Anthropic《Effective Context Engineering for AI Agents》：Context Engineering 与 Prompt Engineering 的差异、Chroma 《Context Rot》三大因素与四类 NIAH 实验、以及 System Prompt / 即时上下文 / 超长程架构三类开展策略；附 Anthropic…打开阅读 →
- 数据治理即生产力：现在是Data Agent的时刻｜BV ResearchBV 百度风投以产业 + 资本双重视角拆解 Data Agent：重新定义 Data、GPT-3 同等性能推理成本三年下降约 1000 倍、Snowflake Cortex / Dust / Glean 等落地案例验证 ≥ 60% 效率提升，并给出从助手到业务大脑的三阶段演进路线与稀缺窗口期判断。打开阅读 →
- 2025 AI Agent 发展现状与六大趋势特工宇宙 / 宇宙编辑部 把 2025 年 AI Agent 已显现方向归为六条主线：Agentic RAG、Voice Agents、AI Agent Protocols、CUA（Computer Using Agents）、Coding Agents、DeepResearch Agents；每条给出简明定义与已采用的公司 / 典型场景。打开阅读 →
- 数十亿智能体时代的基础设施之战｜BV ResearchBV 百度风投以技术与资本双重视角拆解 Agent-native Infra：从开发部署到后端架构、从 AgentOps 闭环到任务执行组件、从协作层 MCP/A2A/ANP 三大协议到开放 Agent 网络的五大支柱（通信协议 / 服务发现 / 身份与认证 / 安全模型 / 机器间支付），并展望未来市场的三层结构——基础设施层、协作网络层、应用场景层。打开阅读 →
- OpenAI 前首席研究官：AGI 核心突破已实现OpenAI 前首席研究官 Bob McGrew 在 Sequoia Capital 播客中拆解 AGI 三大支柱：Transformer 架构、规模化预训练与逻辑推理能力。他把 2025 定调为逻辑推理元年，谈了智能体会按算力成本定价、企业级深度整合的护城河、编程 Vibe Coding 的负债陷阱、专有数据如何被具身劳动的归零稀释、机器人技术拐点，以及 OpenAI 工程师等于研究员的管理哲学…打开阅读 →
- 忘掉《Her》吧，《记忆碎片》才是 LLM Agent 的必修课作者把电影《记忆碎片》的主角莱纳德看作一个目标驱动、工具调用、长期记忆残缺的真人版 Agent，用电影情节对应拆解上下文工程：拍立得照片对应外部知识管理（RAG）、纹身对应上下文提炼与结构化、15 分钟短期记忆对应分层记忆管理；并指出两个致命漏洞——上下文投毒（Garbage In, Gospel Out）与自我强化的认知牢笼——最后强调缺失的「验证与反思」模块。打开阅读 →
- 谈谈Agentic AI对Infra的需求渣B 从一线 Agent 开发里长出来的 Infra 笔记：以 AWS Bedrock AgentCore 为参照，拆 Runtime / Memory / Identity 三层 Infra 的软硬件诉求，再回到 Context Engineering 对模型自身的影响。硬件层强调 ScaleOut 接 VPC 与 UALink 路线，Memory 层谈 ShortTerm/LongTerm 与…打开阅读 →
- 软件开发的第四次革命：当 AI 成为基础设施的新支柱Leo 在微信公众号「深思圈」对 a16z 一小时圆桌的逐章深度解读：Erik Torenberg 主持，Martin Casado / Jennifer Li / Matt Bornstein 三位合伙人围绕 AI 成为基础设施第四根支柱、软件吞噬软件、Context Engineering 取代 Prompt Engineering、开发者生态扩张、Coding Agent 在反馈可校准处的现…打开阅读 →
- AI 视频领域的 Manus，死不了内森先生：AI native 的 C 端最大机会大概率落在视频生成；专业视频生成领域的 Manus——一条由 agents 调度的跨模型流水线——反而更可能主宰市场，因为单一视频底座模型难以 dominate 整个专业视频市场。长上下文（1m+ tokens）与视频生成模型都将在 2026 走向烟花时刻，前者对后者有里程碑式的推动作用。打开阅读 →
- 来自 Manus 的一手分享：如何构建 AI Agent 的上下文工程？Manus 联合创始人季逸超 (Peak) 分享构建 AI Agent 上下文工程的六条经验：围绕 KV-Cache 设计、用掩码而非移除约束动作、把文件系统当终极上下文、用 todo.md 复述操控注意力、保留失败痕迹、避免被少样本同质化。打开阅读 →
- 炒作狗才做「一句话生成」AI葬愛咸鱼用香农的信息论拆穿「一句话生成 X」类 AI 产品：AI 没有解决信息输入，只是把一句废话扩成三分钟播客或两千字文章，纯纯增加噪音。AI 困在信息处理一段，价值增量在信息输入环节；弱信息 AI 只能配弱信息行业（电商），财经领域离落地最近（有 Wind / 彭博这种现成信息源）。想做出真正有价值的生成式 AI 产品，先得解决信息输入。打开阅读 →