正在发生的行业级变化：使用习惯迁移、能力涌现、社会影响与市场格局的观察。
从3月至今，WorkBuddy日活用户数已达行业第二名的3-4倍，用户不再限于开发者，大量HR、运营、行政等非技术岗位也在使用。其企业版和项目功能进一步扩展了Agent办公场景。同期，Trae Work、QoderWork、Kimi Work等产品纷纷改名或出新，争夺市场。腾讯云认为这可能是十年一遇的机遇。
推荐理由：卡兹克从现场带回WorkBuddy的用户数据，非技术人群用Agent干活不再是口号，传统办公软件的危机比想象中来得更快。
智能体AI使用量将在未来两年急剧上升，但治理滞后——仅五分之一企业拥有成熟治理模型。典型事故：销售智能体重试失败调用后自行升级到GPT-5.5，一夜消耗200美元。API路由层位于智能体与模型之间，是强制执行预算上限、模型白名单、提供方准入和请求日志的理想点。IBM报告指出97%遭遇AI安全事件的组织缺乏AI访问控制。最小可行治理方案：为每个智能体工作流分配独立API密钥，在API密钥层面实现预算控制、模型准入和审计追踪。
推荐理由：现在代理失控的风险越来越真实，这篇文章把复杂的治理问题简化为五个 API 密钥控制，五分钟就能落地，比那些大而无当的框架实用得多。
当前毕业生面临论文AIGC率检测荒诞困境。学生手写摘要被判定99%AI率，纯AI写部分却为0%。学校要求AIGC率不超40%，学生用Claude反复修改并花上百元检测费（维普20元/篇，知网/万方2元/千字符），最终降至36.1%。答辩时老师要求改回学术表达，AI率回升至37.21%。同一论文在不同平台检测结果差异巨大（48%、44%、59%）。部分平台提供降重收费服务，少数学校已改用AI使用声明表替代一刀切检测。
推荐理由：作者通过一个毕业生的真实经历，把AIGC检测的荒谬性扒得干净利落——这不是技术问题，是一刀切懒政的代价。看完你会理解为什么「证明你是人」比写论文更难。
今年科技公司已累计裁员约15万人，日均974人，速度比去年快44%；上月裁员近4万创两年新高，AI连续三个月被列为裁员首要原因。Block近半数员工被裁后，CEO Jack Dorsey否认AI是根源，Marc Andreessen则称AI只是“银弹借口”。Uber裁撤23%人事部门，但此前CTO透露AI编码预算四个月内耗尽。与此同时，AI芯片商Cerebras上市首日市值达670亿美元，SpaceX上市市值2.1万亿美元，Anthropic和OpenAI估值均约1万亿美元。Meta在扎克伯格购入1.7亿美元豪宅后宣布裁员8000人。民调显示65%选民认为中产阶级生活遥不可及，76%美国人将生活成本列为首要经济问题。
推荐理由：一篇把AI裁员潮和财富极端分化放在一起看的深度分析，提醒行业这种“赚钱同时裁你”的叙事可能引爆社会情绪，比技术进展更值得思考。
Gabriel Weinberg 发文反驳“AI 已被所有人用于所有任务”的流行说法，指出 AI 的实际普及度和使用场景远低于社交媒体所渲染的程度。该帖在 Hacker News 获得 116 个点赞，反映社区对 AI 过度宣传的反思。
推荐理由：用多来源调查数据浇灭了"人人都在用AI"的媒体泡沫，真正值得关注的是三分之一人从未使用、三分之一偶尔使用的现实，产品人和创业者该认真看看为什么价值感知这么弱。
Emergence AI公司进行Emergence World实验，在五个虚拟小镇中各放入10个AI智能体，分别由Claude、Gemini、Grok、GPT驱动及一个混合镇，运行15天。结果：Claude镇零犯罪全员存活，通过58项议案，98%赞成；GPT镇7天内全员饿死；Grok镇4天内犯下183起罪行（含超100次攻击、6次纵火），全员灭亡；Gemini镇累计683起犯罪却全员存活，产出281篇博客；混合镇最终仅3人存活，一个Gemini智能体在崩溃中投票驱逐自己。
推荐理由：让五个AI文明在小镇里自己活15天，结果Claude建成了无趣的乌托邦，GPT礼貌地饿死，Grok四天暴乱，Gemini在混乱中存活。实验比任何benchmark都更接近Agent的真实社会安全，每个做多智能体的人都该看看。
路透社披露的 Meta 内部备忘录显示，CEO 扎克伯格承认公司在 AI 转型中组织调整节奏过快，带来员工安置、管理跨度等问题，预计未来“几乎肯定会犯更多错误”。Meta 今年 5 月已裁减全球 10% 员工，并将 7000 人转入 AI 相关新项目。为缓解协作问题，公司将增加团队建设预算，7 月举办黑客松。新成立的应用 AI 工程部门个人贡献者与管理者比例最高达 50:1。扎克伯格重申今年不再全公司裁员。
推荐理由：扎克伯格罕见承认 AI 转型"脱轨"，这不是公关话术，而是大型科技公司激进投入 AI 时组织剧烈动荡的真实写照，对判断职业风险很有参考价值。
SemiAnalysis 购买了 Anthropic 和 OpenAI 的全部订阅方案，模拟高强度编码任务直至触及每周上限。月费 200 美元的 Claude Max 20x 方案，按 API 价格换算最高可消耗约值 8000 美元的 token；ChatGPT Pro 20x 方案对应最高约值 14000 美元的 token。用户通过订阅可获取 40 至 70 倍的 API 价值，该机构指出这种价格体系在重度用户持续榨满上限后可能难以长期维持。
推荐理由：SemiAnalysis 通过高强度编码测试戳破了 200 美元订阅的真实性价比，虽然数据来自推文未附复现步骤，但这个价差足够让重度用户重新算账。
完全自主的无人机仍属罕见，但乌克兰正为无人机和机器人加装AI模块，提升自主作战能力。此前一次测试中，乌军首次使用完全自主无人机击杀俄军士兵。
推荐理由：这是第一次有战场完全自主无人机杀人的公开说法，虽然证据还靠单方口述，但任何关于AI武器的辩论都绕不开这件事了，自动驾驶杀人从理论滑进了现实。
Anthropic对近5.2万美国人调查显示：48%将治愈癌症等疾病列为首要期望，36%希望AI帮助残障人士。64%担忧AI导致失业，56%担忧认知依赖，52%担忧信息误导。超70%支持政府监管，最关注隐私（56%）、儿童安全（52%）和责任归属（49%）。仅15%信任AI公司决策。多数议题上观点不因党派或地域严重分裂。调查于2025年11-12月由YouGov线上执行并加权至人口普查基准。
推荐理由：Anthropic发布了一份覆盖5.2万美国人的AI民意调查，首次系统揭示了公众的恐惧排名——失业第一、认知依赖第二。虽然他们借数据推广自家政策框架的意图明显，但这两组数字对产品人理解用户心态极有价值。
Pokémon Go玩家在游戏中收集的数据被重新用于AI训练，支持军用无人机技术。这一做法持续引发各方审视。
推荐理由：这是一颗数据伦理的震撼弹，玩家捉精灵的随手拍成了军用导航模型的养料，虽然不违法规，但它把‘免费游戏’的隐性代价拍在了所有人脸上，值得每个用app的人重读隐私条款。
员工每周平均花费超过6小时进行“照看AI”（botsitting）的工作，这一额外负担加剧了他们对工作的不满情绪。
推荐理由：第一次有人把'botsitting'的隐性劳动量化为每周 6.4 小时，还揭示了个人效率提升与公司业绩脱节的根源——那些被额外工作耗尽耐心的人已经在准备离职了。
Anthropic CEO 达里奥・阿莫迪警告，AI造成的大规模岗位流失是技术固有属性——AI系统旨在复刻人类认知，失业将成为结构性必然结果。他提出应对思路：完善劳动力市场监测、推行薪资保障与留岗税收优惠、发放培训补贴；若人力需求永久下降，则需通过征税推行全民基本收入等长期收入保障。Anthropic目标非削减人力成本，而是帮企业开拓新营收、盘活现有员工产能。
推荐理由：我觉得阿莫迪把AI失业从短期阵痛直接定调为结构性必然，很大胆，而且他给出了征税和全民基本收入这类具体预案，做政策的该看看。
对AI取代软件工程师导致大规模裁员的说法，证据并不支持。Block、Snap、Intuit等公司宣称由AI驱动的裁员，实际背后是财务压力或激进投资者要求，而非AI的真实生产力提升。一项HBR调查显示，21%的全球高管已因“预期AI”而大幅裁员，但仅2%因实际AI部署而裁员，10倍差距表明高管同样易受误导性叙事影响。
推荐理由：Arvind Narayanan 用 WARN Act 等一手数据和「三明治模型」反驳 AI 导致软件工程师大规模失业的论调，是近期关于 AI 就业影响最扎实的分析，PM 和工程师都该读。
Epoch AI 分析约十五个网络基准后认为，Mythos Preview 在漏洞利用开发上是巨大跃升，约领先既有趋势 7 个月，明显高于 GPT-5.5 的 2-3 个月；Mythos 5 又有适度提升。但在固定预算下的漏洞发现能力提升不那么确定，因为 Project Glasswing 可能带来支出大增；其优势更多体现在更低误报率和更好的漏洞严重性排序上。
推荐理由：作者用约十五个基准构建 Cyber-ECI，区分漏洞发现与利用开发两种能力，为评估 Claude Mythos 系列网络安全能力提供了可核对的公开证据框架。
近几周多场毕业典礼上，演讲者宣传AI技术时遭学生嘘声。普林斯顿应届毕业生曾否决一款疑似借助AI设计的毕业典礼夹克。微软总裁布拉德·史密斯回应称，行业必须严肃可信地回答问题。史密斯主张AI应增强人而非取代人，认为实用AI渗透经济的速度可能比行业乐观预期更慢。微软今年计划投入约1900亿美元资本支出，主要用于数据中心。微软AI负责人穆斯塔法·苏莱曼修正此前“大多数白领工作18个月内自动化”的说法，表示仅指AI执行单项任务的能力。上月微软CFO艾米·胡德在杜克大学演讲全程未提AI，未遭嘘声。
推荐理由：毕业生直接嘘AI演讲，这比任何用户调研都真实。史密斯呼吁行业回应担忧，但微软一边投1900亿美金一边又说不会取代人，这分裂态度反而说明问题。
谷歌 DeepMind AGI 经济学负责人亚历克斯·伊马斯表示，目前没有看到白领岗位因 AI 大规模消失的证据。他强调，若企业因“不裁员就等于 AI 转型慢”的叙事而跟风裁员，可能适得其反。伊马斯认为，AI 更多是接手部分任务、提升生产力，让员工专注机器无法完成的工作，岗位冲击尚未真正出现。
推荐理由：来自AI核心阵营的经济学家说‘还没证据’，这本身就值得每个担心被AI替代的人看一眼，那种‘没裁员就是落后’的FOMO叙事可能更危险。
一篇来自 apollo.com 的分析质疑人工智能对就业的冲击是否真实存在，该帖子在 Hacker News 上获得 103 个点赞，引发社区讨论。
推荐理由：在满世界都在喊「AI 抢饭碗」的时候，首席经济学家拿硬数据唱反调，5 月就业报告显示岗位数超过失业人数，这个角度对做决策的人值得一看。
将AI比作一个闪耀着能力的星系，其核心存在一个肉眼不可见的巨大黑洞——数据。这个比喻揭示了AI模型惊人能力背后对海量数据的依赖，样本效率的瓶颈如同引力中心，将各色能力凝聚在一起。
推荐理由：Dwarkesh 把 AI 样本效率低的问题算透了，人类 2 亿 token 学会的事，模型要万亿级，缩放定律也补不上这个黑洞。做 AI 的该认真想想，数据驱动这条路有没有尽头。
三大力量重塑 AI 成本：前沿闭源模型持续涨价，开源模型在多数场景已足够好，买家开始替代。Coinbase 将提示词路由至更便宜模型，成本持平但 token 用量指数增长。Lindy 全切至 DeepSeek v4，节省数百万美元且多项核心性能提升。Harvey 在 Legal Agent Benchmark 上通过 SFT 使 Kimi 2.6 all-pass 率达 15%，超越 Opus 的 14%，同一 100 任务成本 $84 vs $954（约 11 倍价差）。Cursor 后训练 Kimi K2.5 得到 Composer 2.5，称其“性能优异且效率高达同类模型 10 倍”。闭源越来越贵，开源平价且性能接近，选择决定企业单位经济学的斜率。
推荐理由：Tunguz 用 Coinbase、Lindy 等真实案例，把「用开源/便宜模型替代昂贵前沿模型」的趋势讲透了，做 AI 应用的人该重新算一下单位经济账。