Uber COO称未见AI投入产出成比例增长
Uber首席运营官Andrew Macdonald表示,公司并未看到在AI上投入更多成本后,生产力获得了相应的提升。
推荐理由:Gary Marcus借Uber、星巴克等最新案例,对AI的狂热投入发出清晰警告,他认为如果更多企业发现成本飙升却未见实效,那几万亿的估值泡沫可能破裂,这是近期最直白的风险提示。
行业关键人物在想什么:创始人访谈、研究者论战、投资人判断的观点集合。
Uber首席运营官Andrew Macdonald表示,公司并未看到在AI上投入更多成本后,生产力获得了相应的提升。
推荐理由:Gary Marcus借Uber、星巴克等最新案例,对AI的狂热投入发出清晰警告,他认为如果更多企业发现成本飙升却未见实效,那几万亿的估值泡沫可能破裂,这是近期最直白的风险提示。
Anthropic 联合创始人 Chris Olah 受邀在今日教皇利奥十四世通谕《Magnifica humanitas》的发布会上发言。 阅读他讲话的全文:https://www.anthropic.com/news/chris-olah-pope-leo-encyclical
推荐理由:Anthropic 的研究主管在教皇通谕发布会上说,他们在模型里发现了类似人类神经科学和内省的东西,这比任何 benchmark 都惊人,也意味 AI 安全讨论正走出技术圈进入文明公共讨论。
Anthropic联合创始人Chris Olah在梵蒂冈出席教皇Leo XIV关于AI的通谕发布会。他指出,所有前沿AI实验室都面临商业、研究及地缘政治等多重压力,这可能与做正确的事相冲突,因此外部监督至关重要。他强调,AI模型并非像飞机那样被工程化构建,而是基于人类语言和思想“生长”出来的,其内在性质可能复杂难解。他提出三个需审慎思考的问题:如何确保AI发展的全球收益公平分享、如何思考AI时代的人类繁荣,以及AI模型内在性质的本质。他呼吁社会各界,尤其是宗教与民间团体,严肃审视AI发展并引导其向善。
推荐理由:Olah 在教皇通谕发布会上罕见坦承 AI 实验室的激励扭曲,呼吁外界批评,还透露模型内部已出现类似情感的状态,对关注 AI 伦理的人值得细读。
OpenAI联合创始人兼总裁格雷格·布罗克曼在一期播客访谈中回顾了公司险些覆灭的72小时:从接到董事会解雇萨姆·奥尔特曼的电话、当日辞职,到次日在其家中设计“凤凰”备份公司,再到伊利亚·苏茨克维的推文改变一切。他还谈及OpenAI放弃纯非营利结构的原因、AI编写自身代码的比例,以及为何不再展示推理过程。
推荐理由:Brockman 首次完整回忆那场差点让 OpenAI 散伙的内部风暴,不只是八卦,是理解 AI 行业治理脆弱性的关键一课。
英伟达发布2027财年Q1财报,营收816亿美元,同比增长85%,净利润583亿美元,翻两倍多,市值达5.7万亿美元,已超德国2026年GDP预测。黄仁勋预测,超大规模云厂商的AI基建年度开支将从当前的1万亿美元,增长至3-4万亿美元,远超华尔街预期。财报同时显示,数据中心业务营收752亿美元,占比超九成。值得注意的是,AI基建的高能耗正推高居民电费,数据中心用电成本转嫁效应已初步显现。
推荐理由:黄仁勋的4万亿美元AI基建预测比华尔街共识高四倍,不是吹牛,是给AGI时代的入场券标价,所有云厂商已经用脚投票了。
国会当前推进的某项政策调整,可能导致美国养老基金遭受数十亿美元的巨额损失。该政策变更被指存在重大漏洞,将直接影响数百万退休人员的资产安全。有专家发出警告,呼吁民众立即联系所在选区的国会议员,要求其重新评估并阻止这一潜在损害养老金储备的决策。
推荐理由:Gary Marcus 把 S&P 500 规则变更和你的退休金直接挂钩,逻辑链清晰——这可能是普通人第一次切身感受 AI 泡沫的传导渠道,值得警惕。
Cloudflare首席执行官在《华尔街日报》撰文,分享其公司用AI替代部分员工的决策逻辑。该文于2026年5月21日发布,引发了技术社区的广泛讨论,在Hacker News上获得100个点赞。
推荐理由:Cloudflare CEO 亲自下场讲怎么选人让 AI 替,不是口号而是有具体方法论,做管理的可以对照看自己团队多少活儿能被自动化。对普通打工人也是一个明确的预警信号。
桑达尔·皮查伊(@sundarpichai),谷歌CEO,谈: 🔹AGI竞赛 🔹智能体 🔹AI与信息食谱 🔹开源 🔹网络安全 🔹美国 vs 中国 引言 AI智能体取代互联网的部分功能 AI智能体决定我们的信息食谱 智能体会杀死“原始互联网”吗? AI网络攻击与谷歌的防御策略 危险的网络AI模型应该被限制吗? 发布强大AI的门槛 为什么谷歌还没有开源一个大模型 开源AI的商业模式已经崩坏 美国公司使用中国AI 建立在中国AI生态之上的风险 为什么谷歌如此看重廉价、快速的AI模型 桑达尔谈自我改进的AI与AGI竞赛 谷歌的算力状况 谷歌的AI需求超过算力 谷歌最大的算力瓶颈
推荐理由:Sundar 罕见聊了不开源大模型、算力瓶颈和中美 AI 生态风险,不是 PR 套话,做基础设施和战略的人值得看。
OpenAI与Anthropic近期相继发布重要产品更新。Claude 3.5 Sonnet在多项基准测试中超越GPT-4o,同时宣布API价格下调50%。Anthropic披露其模型训练成本年均增长约3.2倍,而OpenAI被曝已通过企业服务实现单季度超10亿美元营收。两家公司在技术突破与商业化竞赛中,正通过精密的成本核算与性能权衡重塑行业格局。
推荐理由:Gary Marcus觉得OpenAI的数学奇迹更可能是模型营销,Anthropic的盈利全靠SpaceX折扣,提醒你别急着下结论,AI的现实没那么简单。
谷歌高级副总裁詹姆斯·曼尼卡近日表示,AI短期内不会摧毁就业市场,也不同意“大规模失业”的激进预测。他援引其2017年参与的麦肯锡报告指出,自动化将同时导致岗位减少、新岗位出现以及现有岗位被重新定义。他认为当前争议在于这三种情况的占比,而非是否发生。曼尼卡批评AI行业放大了公众焦虑,这种恐慌可能削弱技术价值。他强调,AI最大的影响是改变工作内容与方式,而非让职业消失。
推荐理由:曼尼卡直接跟阿莫代伊打赌两年内不会大规模失业,这个立场在‘AI抢饭碗’恐慌蔓延时很反直觉,但确实提醒我们关注工作内容变化而不是消失。
三大AI厂商定价策略出现显著分化:Google的AI价格年增两倍,但其旗舰模型Gemini 3.1 Pro(输入2美元、输出12美元)仍是市场最低价;OpenAI的GPT-5.5(5美元/30美元)经历短期补贴后再次涨价;Anthropic的Claude Opus 4.7(5美元/25美元)价格保持稳定,且对最强模型有所下调。这些变动标志着行业正从不惜成本的市场份额争夺,转向注重利润与现金流管理的商业理性,以应对持续高昂的资本支出压力。
推荐理由:Tunguz 把三家模型厂的定价画成曲线,涨价的真相一目了然——烧钱抢份额的阶段结束了,做 AI 产品的都该重新算算成本模型。
当前生成式AI的狂飙突进正引发深度审视,其潜在风险与社会反弹可能将该技术拖入类似“越南战争”的漫长泥潭。公众的担忧与抵制运动,正从数据隐私、内容真实性到伦理冲击等多方面施加压力,迫使行业进行根本性反思。这些反作用力虽可能延缓发展,却也可能成为校准方向的关键力量,推动技术在安全、透明和负责任的基础上重新定义进步。我们正身处一个充满挑战与不确定性的“有趣时代”。
推荐理由:Marcus 这篇短文抓住了两个信号,毕业典礼上嘘声和特朗普突然考虑预检,反冲已经从边缘走到中央,做 AI 的不能再假装一切安好。
微软前高管马特·韦洛索批评称,尽管微软与OpenAI合作在2023至2025年间获得约300亿美元营收,但相关成本高达1000亿美元,盈利前景不明。他指出,微软在AI布局上存在多项失误,包括押注必应搜索AI转型未增市场份额、Copilot付费用户实际使用率不足3%、人才任用不当等。虽然微软称Copilot企业付费用户已超2000万家,但市场对其AI巨额投入的盈利路径存在担忧。微软仍计划2026年在AI基础设施投入最高1460亿美元。
推荐理由:Copilot付费使用率不足3%的数据是AI泡沫的真实注脚,来自一个先后在微软、谷歌、Meta任职的高管,做产品和投资的人都该认真掂量一下。
一份题为《AI席卷全球(2026年春季)》的行业报告于2026年5月发布,并在Hacker News平台引发热议,获得100个点赞。报告聚焦于2026年春季人工智能技术与应用的全球性扩散与影响,暗示AI已从技术议题演变为全面重塑各领域的核心驱动力。
推荐理由:Evans 的年度报告是科技圈的风口风向标,今年 AI 渗透率的数据比去年翻了一倍,不看这 200 页 PPT 就不知道明年该押注哪里。
推荐理由:Dario 这段 WSJ 访谈把软件免费化说得明明白白,但真正值得警惕的是后半句——整个行业对即将到来的职业冲击几乎没有意识,这种认知差才是风险。
AI推理是当今规模最大、增长最快的技术市场,预计七年内将达到2500亿美元。直接销售或转售推理服务的公司增长迅猛,如Anthropic和谷歌云。在AI时代前的软件公司中,Datadog和Twilio作为“推理的一阶导数”脱颖而出:Datadog的LLM可观测产品数据量近一季增长近两倍,其约20%的AI客户贡献了约80%的年度经常性收入;Twilio则通过AI重构的语音服务吸引客户。当前周期呈现高度集中特点,少数客户能驱动巨大收益。对于非AI原生公司,核心战略在于如何转售推理服务或从其客户的大量采购中获益。
推荐理由:Tomer 用「推理的第一导数」这个框架讲透了一件事,Twilio 和 Datadog 的暴涨不是偶然,而是买推理的衍生需求,pre-AI 公司想活就得问自己怎么沾上推理的光。
文章以AlphaGo为例,阐述了智能的基本构成要素。AlphaGo至今仍是最清晰、最完整的范例,它融合了三大核心基础:搜索技术、从经验中学习以及自我对弈。这三大要素共同构成了其实现超越人类棋艺的关键路径。
推荐理由:Eric Jang 把 AlphaGo 的搜索、自对弈和价值网络拆解得非常通透,用现代工具复现让这个经典思路对今天的 RL 和自动研究都有直接启发,做 LLM 后训练的尤其该听听他对信用分配问题的解释。
知识工作者平均每天收到121封邮件,传统收件箱处理模式难以为继。未来邮件处理将转向高度个性化与自动化:用户能用自然语言定义处理规则,实现收据自动转发、销售线索自动录入CRM等流程。所有历史邮件将构成个人上下文层,为AI处理新邮件提供背景信息,敏感信息则由设备端模型进行私密处理。最终,收件箱本身将消失,真正重要的信息可能浓缩至仅6条。
推荐理由:Tunguz 描绘了一个让收件箱消失的未来,关键是那 6 条真正重要的消息如何被 AI 接管,做产品的人可以把这个当成工作流重构的思考起点。
不使用最智能的可用模型/设置会让我有些焦虑。 但有时如果速度真的很慢,我也不介意。 我在想,我们是否应该更关注价格/速度的权衡,而非价格/智能的权衡。
推荐理由:Altman 这个短暂的焦虑里藏着 OpenAI 产品哲学可能的转向,从一味求最强到开始认真掂量速度/价格的平衡,做 AI 工具的人值得反复看几眼。
中国AI生态呈现高参与度与开放优先特征,开源模型社区形成自我强化循环。开发者基于主流架构二次创新,国产开源模型下载量季度环比激增超200%。开放协作降低了技术门槛,推动应用层涌现大量行业解决方案,模型微调工具使用量同比大幅增长。生态参与者通过贡献代码、数据及优化方案,持续反哺核心模型迭代,构建了技术红利共享的复合增长网络。
推荐理由:Nathan Lambert这篇对中国开放模型生态的剖析,点出了‘参与人数×开源速度’的飞轮,做开源的人该认真看看。