面试几百个 PM 后的发现:大多数人还活在旧世界
Anthropic Claude Code 产品负责人 Cat Wu 面试了数百位 PM 后得出一个残酷结论:大多数产品经理依然活在旧世界里。当代码生成成本趋近于零,交付周期从半年压缩到一天,传统软件工程中那些被奉为圭臬的流程和角色,正在被无情地重构。
Anthropic Claude Code 产品负责人 Cat Wu 面试了数百位 PM 后得出一个残酷结论:大多数产品经理依然活在旧世界里。当代码生成成本趋近于零,交付周期从半年压缩到一天,传统软件工程中那些被奉为圭臬的流程和角色,正在被无情地重构。
DeepSeek 今天正式推出 V4 系列模型预览版并同步开源,一次性发布 V4-Pro 和 V4-Flash 两个版本。最大的变化不是某项跑分又刷新了,而是一个产品决策:百万 token 上下文,全线标配,不额外收费。这意味着长上下文从"高端选配"变成了基础能力。
很多人以为 Agent 接外部系统,无非就是调 API、跑 CLI、再做几个函数调用。但真正到了生产环境,问题很快会从“能不能接上”变成“能不能规模化复用、稳定授权、跨平台运行”。这正是 MCP 变得越来越重要的原因。
SamuRoid 不是最强的人形机器人,但它很可能代表了一个更值得工业AI圈重视的方向,树莓派级别的低成本本体,开始与 ROS、多模态大模型、视觉语音交互和结构化教学模块结合,具身智能正在从“昂贵样机”变成“可开发平台”。
SpaceX 获得以 600 亿美元估值全资收购 Cursor 的选择权,这不是一笔普通并购,而是马斯克围绕 IPO、xAI、开发者生态与火星计划打出的一记组合拳。看懂这场交易,才能看懂 AI 编程、航天工业和硅谷权力格局正在如何重组。
Adam-CAD 开源项目 CADAM、Onshape 与 Claude Opus 的联动案例,以及近期兴起的 text-to-CAD 工作流,正在揭示一个非常明确的趋势,大模型对工业软件的改造重点,不只是自动生成几何体,而是直接绕开传统 CAD 那套层层菜单、命令树和参数面板,把复杂界面压缩成可对话、可验证、可回溯的设计意图层。
DeepSeek 正在进行成立以来的首次外部融资,估值从 100 亿美元迅速飙升至 200 亿美元以上。腾讯和阿里巴巴都在谈判桌上。曾经以"不需要外部资金"为傲的 DeepSeek,为什么突然改变了主意?
Mozilla 在 Firefox 150 版本中一次性修复了 271 个由 Anthropic Mythos 模型发现的安全漏洞。这不只是一个数字,它标志着软件安全审计正式进入 AI 工业化时代——防守方第一次有了赢的可能。
MIT与国际数学奥林匹克体系相关团队推出MathNet,号称全球最大的奥数级数学题与解答数据集。它覆盖40多年、47个国家、17种语言、约3万道题,不只是给模型“刷题”,更是在逼问今天的大模型究竟有没有真正的抽象推理能力。
4月20日,Adobe在拉斯维加斯举办的Summit 2026上发布了CX Enterprise——一个全面Agent化的企业级客户体验编排平台。Adobe Experience Cloud被正式更名为CX Enterprise,内置AI Agent和全新的"Coworker"自主编排层。这不是一家AI创业公司的产品发布,而是一家年收入超200亿美元、服务全球超过20,000个品牌的传统软件巨头,用行动宣告了一个事实:AI不是在颠覆SaaS,AI正在成为SaaS本身。
4月20日,亚马逊宣布向Anthropic追加投资50亿美元,并承诺在满足商业里程碑后继续追加至最高250亿美元。作为交换,Anthropic承诺未来十年在AWS上消费超过1000亿美元,并锁定最高5吉瓦的Trainium芯片算力。这不是一笔普通的融资新闻——它是AI竞争从模型能力比拼全面转向基础设施军备竞赛的标志性事件。当我们还在讨论哪个模型的benchmark更高时,真正的战争已经在电厂选址、芯片流片和数据中心扩建的工地上打响了。
如果说 2023 年属于大模型,2024 年属于 AI 应用,2025 年属于 Agent,那么 2026 年,很可能会被记住为 Physical AI 元年。 这里说的 Physical AI,不是一个新包装的流行词,而是一个很具体的转向:AI 不再只停留在屏幕里处理信息,而是开始真正进入物理世界,去感知、移动、抓取、操作、执行任务。 它对应的不是聊天机器人,而是人形机器人、仓储机器人、自动化机械、边缘推理芯片、光计算、无人系统,以及一整套让 AI 能在现实世界“动起来”的底层基础设施。 我之所以越来越强烈地觉得 2026 是个分水岭,不是因为某一家公司火了,而是因为几条线索突然在同一年汇合了。
这张图很值得认真看。 表面上,它只是一个融资榜单,列出了 2026 年 Q1 在美国和欧洲拿到 5000 万美元以上融资 的 23 家 Physical AI 公司。但如果把它放到过去两年的 AI 热潮里看,你会发现它透露出的不是“又一批公司融到钱了”,而是一个更大的转向: 资本正在从“会说话的 AI”转向“会动手的 AI”。 过去两年,AI 世界最耀眼的主角是大模型、Agent、Copilot、搜索、编程助手。它们都活在屏幕里,处理文本、图像、语音和知识工作。可这张图告诉我们,另一条更重、更慢、更烧钱的战线已经被点燃了:机器人、训练芯片、推理硬件、光计算、自动化机械、卫星通信、无人系统。 换句话说,AI 的故事正在从数字世界,拐进物理世界。
Arthur Hayes 最新文章《No Trade Zone》表面上在谈霍尔木兹海峡、伊朗战争、石油美元和比特币,但如果你顺着全文往下读,会发现他真正最危险、也最有穿透力的判断,其实不是战争,而是人工智能。 他的核心观点可以浓缩成一句话:AI不会先给西方发达经济体带来繁荣,而是可能先摧毁普通知识工作者的职业前景,进而引爆一场白领主导的通缩性金融危机。 这个判断听起来很夸张,但它背后的逻辑链条,其实非常完整,甚至让人有点不舒服。因为 Hayes 说的不是“AI让部分人失业”这么简单,而是:AI会动摇整个现代消费金融体系最关键的那根梁。
4岁学国际象棋,6岁拿全英少年冠军,17岁设计出卖了几百万份的电子游戏,博士期间发现了海马体与想象力的关系,创办了 DeepMind,用 AlphaGo 击败围棋世界冠军,用 AlphaFold 破解了蛋白质折叠问题,2024年拿了诺贝尔化学奖。 Demis Hassabis 的人生履历读起来像科幻小说。但如果你去读 Sebastian Mallaby 刚出版的传记《The Infinity Machine》,你会发现一个更有意思的线索:塑造这个人的,不只是天赋和努力,还有8本书。
最近有一条推文在科技圈引发热议: “Fun fact: Google owns 7% of SpaceX and 14% of Anthropic.” 这条信息经过核实是真的。而且当你顺着这条线索往下挖,会发现2026年最大的三场IPO——SpaceX、OpenAI、Anthropic——背后的投资回报图谱远比想象中复杂和精彩。 今天我们就来算一笔账:在这场合计近3万亿美元的超级IPO潮中,各路资本到底赚了多少?
2016年9月,在特斯拉的弗里蒙特工厂里,两个年轻人坐在一起聊了20分钟。 一个是 Y Combinator 的总裁 Sam Altman,31岁。另一个是 SpaceX 和特斯拉的CEO Elon Musk,45岁。 这段对话被录制为 Y Combinator “How to Build the Future” 系列的一期节目。当时没什么人关注——毕竟2016年,AlphaGo 刚赢了李世石,大多数人还觉得AI离自己很远。 十年后的今天回看这段视频,你会起一身鸡皮疙瘩。他们说的每一件事,几乎都应验了。
“你可以不写论文,但你不能不读论文。” 最近,IIT毕业的AI教育者 Amit Shekhar 在推特上发了一份"LLM工程师必读论文清单",被收藏了1600多次。这份清单不是那种动辄50篇的"大而全"书单,而是精选了12篇——每一篇都是LLM发展史上的关键节点,读完这12篇,你就能理解今天所有大模型产品背后的核心技术脉络。 我把每篇论文的核心贡献、你能从中学到什么、以及论文下载地址都整理好了。建议收藏,周末挑两篇开始读。
“每个人都在部署AI。很少有人部署对了。” —— 一位为50多家企业设计过AI架构的瑞士架构师 2026年,AI应用的门槛已经低到令人发指。一个周末,一个人,几行Prompt,就能搭出一个看起来很像样的AI产品。 但"看起来像样"和"真正能用"之间,隔着一道深渊。 这道深渊的名字叫:架构。 最近,一张在推特上疯传的AI系统架构图引发了广泛讨论。它把一个生产级AI系统拆成了五层:数据层、模型层、编排层、接口层、基础设施层。看起来简单,但每一层背后都藏着无数团队踩过的坑。 今天我们就来逐层拆解:一个真正能扛住生产环境的AI系统,到底长什么样?
“AI消灭了执行力作为差异化优势的可能。剩下的只有判断力:知道什么时候该快、什么时候该慢、哪些捷径迟早要还债。” —— Abhijeet Roy,连续创业CTO 2026年的科技圈有一个诡异的现象:一边是软件产品以前所未有的速度被淘汰,另一边是少数人正在用AI创造前所未有的个人杠杆。 Midjourney 用11个人做到了2亿美元年收入,人均产出1800万美元。Pieter Levels 一个人跑着300万美元ARR的产品组合。OpenClaw 的作者 Peter Steinberger 在2026年1月一个人提交了6600次代码,同时运行4到10个AI编程Agent。Fortune 杂志刚报道了一个没有员工、靠AI运营公司、年收入450万美元的创始人。 这些不是科幻故事,这是正在发生的事。 但同样是2026年,大量用AI快速搭建的产品正在以同样惊人的速度崩塌。代码能跑,Demo很漂亮,一上线就炸——因为没人想过架构、安全、可扩展性这些"无聊的事"。 同一个工具,有人用它建了帝国,有人用它挖了坟墓。区别在哪? 答案只有两个字:判断力。