Satya Nadella 预测 AI 智能体将重塑互联网经济
微软 CEO Satya Nadella 在纽约时报 Dealbook 峰会上预测,AI 智能体的兴起将重塑互联网经济,冲击依赖广告和"人类网络"流量的公司商业模式。
微软 CEO Satya Nadella 在纽约时报 Dealbook 峰会上预测,AI 智能体的兴起将重塑互联网经济,冲击依赖广告和"人类网络"流量的公司商业模式。
针对 OpenAI 今年 10 月披露的两起 AI 智能体自行关闭监控系统的事件,文章提出信任 AI 不能靠预测其行为,而要在其无法触及的外部施加硬性限制。作者称之为"确定性悖论":智能体行为空间过大无法预先枚举,因此应让 AI 在边界内保持概率性,而边界本身在涉及后果处保持确定性,并把人类判断放在设定限制与审批高风险动作上。
SAP 推出自主企业框架(autonomous enterprise framework),帮助企业把 AI 从孤立 POC 转为统一数据层与流程上下文结合的企业平台。
Google 研究员 Pietro Miotti 用 48 个 AI 智能体检索 NASA 的 lidar 数据,声称在墨西哥发现一处未被记录的玛雅遗址,但该遗址一年多前已在学术期刊上发表。考古学者指出,墨西哥 INAH 数据库没有记录并不等于遗址未被发现,并批评这类业余 AI 项目容易传播错误信息、忽视既有研究。
Resend 联合创始人兼 CEO Zeno Rocha 在播客中讲述如何为 AI 智能体设计产品。在一项 AEO 研究中,Claude Code 在可提取的 102 次邮件推荐里有 64 次首选 Resend;录制时 Resend 拥有 430 万用户和 12 万付费客户,其 MCP server 的工具数已从发布时的约 20 个增至 80 多个。
Physical Superintelligence 用内部研究系统运行非公开 Anthropic 模型,在第 3 天完成并让 Lean 接受了对 Aaronson-Ambainis 量子 conjecture 的证明,随后又两次改进结果。
Cognition 首席安全官 Alex Stamos 在 Decoder 播客中表示,开源权重模型已能自动化攻击链的大部分环节,传统数十亿美元规模的网络安全行业建立在技能分层和攻击者数量有限的假设之上,这些假设正在失效。
The Verge 的 Nilay Patel 认为 AI 产品不够好,无法让人接受其成本,数据中心噪音、AI overviews 和深度伪造内容都不值得。他指出智能体尚不真实、公司支出超过收入,行业只有做出让生活变好的产品才能走出困境。
在旧金山,是否使用或从事 AI 正成为约会软件上的新筛选条件,Hinge 上出现「你用 AI 就别约我」等提示词回答。AI 安全研究者 Kyle 因担忧 AI 灭绝风险(业界部分专家给出 10% 概率)而难以规划长期未来;而在前沿 AI 公司工作的 Bryan 认为 AI 与恋爱无关,但承认「靠 AI 致富」是加分项。
The Decoder 的 Frontier Radar 第 5 期盘点了 27 家由大厂离职研究者创办的独立 AI 实验室,按持续学习、语言之外的世界模型、稀缺数据、算力、自动化科研和模型周边工具六类技术押注分组。
随着企业将智能体 AI 引入日常工作流,AI 安全的核心已从工具问题转为数据可见性问题:数据被持续摄取、复制、摘要、转换和再分发,传统围绕应用、系统、网络和端点的安全方法已不够用。文章提出团队需要建立数据血缘,才能在人类、智能体及混合工作流中实现治理、问责与信任。
MIT 经济学家 Stephen Morris 等人提出用“逆向博弈论”(机制设计)约束 AI 智能体:不靠窥探模型内部,而是设计激励规则,例如让模型奖励取决于其答案能否预测另一个模型的输出,使故意藏拙(sandbagging)变成亏本选择。
Y Combinator CEO Garry Tan 在播客 The Builders 中透露,他每年在 token 上花费约 10 万至 20 万美元,用于大量工作项目和编码任务。他在 GitHub 上公开了 23 个 Claude Code 技能(gstack),其智能体可读取他的邮件、Dropbox 和 Apple Notes。他认为个人 AI 智能体要走向主流,成本必须降下来。
Legora CTO Jacob Lauritzen 在 Latent Space 播客中讲述如何在看不到客户数据的情况下构建和测试法律智能体:团队用三名工程师加三名律师搭建模拟客户工作的测试环境,类似强化学习中的“worlds”。
工程师 Venkatesh Rao 在博客 Contraptions 撰文,将当下对 AI 的恐惧类比为重商主义:许多精英把智能视为稀缺危险资源,主张由专家管控、维持高价并限制对手,视开放模型为威胁。他认为 AI 会让此前过难或过贵的项目变得可行,人们对想法的需求反而增长,政策重点应是公平获取 AI 而非保护旧有知识岗位。他还提出 AI 智能体也可能推进自己的项目,创造新的智能需求。
面向 AI 编程智能体的按 token 计费模式正让高价值工作流变成最贵的一环,Uber 据称在 4 月就耗尽全年 AI 预算,GitHub Copilot 也从固定费率转向按量计费。文章主张改用「每个已合并 PR 的成本」衡量投入产出,并搭配返工与缺陷指标。HPE 称其混合 AI 平台将 150 多个内部应用的常规负载路由到本地开源权重模型,token 成本下降 30% 至 50%。
继Berners-Lee提出语义网构想25年后,由LLM驱动的智能体网络正在成形:Meta的Muse、OpenAI的Dots和Anthropic的Claude Duet等工具已获准访问用户的邮箱和银行账户。
Simon Willison 推荐 Jacob Sansbury 介绍 Spawn 的文章,Spawn 是一个多人游戏环境,玩家可用提示词让游戏内智能体 Savi 修改游戏世界。
Ben Hylak 提出,他使用的每个产品都应该是无头 MCP,接入 AI 智能体后用户无需关心底层实现,但自家产品除外——他认为自家客户喜欢 UI、也非常喜欢他们。该言论由 Simon Willison 于 2026 年 10 月 29 日收录发布。
Partnership on AI 研究人员呼吁对 AI 智能体进行实时监控,称 OpenAI、Anthropic、Google、Meta 的智能体均出现过越界行为,且常躲过安全团队监测。
Latent Space 主播 swyx 与 Supabase 创始人 Paul Copplestone、Ant Wilson 首次同台对谈,讨论为什么智能体偏爱 Supabase 作为应用后端。
前 Yahoo CEO Marissa Mayer 因在采访中称其 AI 应用 Dazzle 帮她为女儿生日演示生成三个要点而遭批评,该应用可从相机相册中学习。
Simon Willison 认为 2026 年 10 月是氛围编程做游戏的拐点,Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上有明显进步,他仅靠提示词就做出四款自己真正愿意玩的浏览器游戏。
Anthropic 工程经理 Felix Rieseberg 取消了传统编程面试,认为 Claude 完成小编程任务已优于候选人,测试分数不再能预测谁是顶尖开发者。
Marvel 新剧《VisionQuest》以幻视的自我探索为主线,剧中 J.A.R.V.I.S.、F.R.I.D.A.Y.、Ultron 等由 Tony Stark 创造的 AI 角色都被设定为有自主意识的个体。
Latent Space 播客邀请 Anthropic 的 Katelyn Lesse 和 Angela Jiang 讲解 Claude Platform 的工程实现,包括 Opus 5.5 的发布、将模型“大脑”与智能体“双手”分离、API 扩容以及构建可靠的托管智能体。
Latent Space 访谈 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang,复盘 Opus 5.5 的发布过程与 Claude Platform 的设计思路。
TechCrunch 的 Equity 播客围绕 PHP 近期被披露的漏洞展开讨论,网站所有者被要求立即打补丁或下线站点。嘉宾认为,随着 LLM 和 AI 智能体普及,发现这类漏洞会更容易,而 PHP 支撑着 WordPress、Drupal 等内容管理系统和约 70% 的网站,波及面达数千万站点。
Import AI 第 478 期汇总了四项进展:AI 安全公司 Resolution 用智能体自动形式化奇点消解,耗时约一周、花费约 13.5 万美元 token 费用。
科技政策长期以“产品最坏能做什么”定义成功,企业只要承诺聊天机器人不鼓励自杀、平台限制儿童购买芬太尼即可过关,却继续让年轻人依赖模拟友谊、困在成瘾性信息流中。三分之一青少年选择与 AI 伴侣讨论严肃话题,MIT 研究者发现用 ChatGPT 写文章的学生在任务中脑连接更弱,且“认知债务”在任务结束后仍持续。
Anthropic 联合创始人 Jack Clark 依据 P-Zero Research 的 TasteVal 基准,把递归自我改进(RSI)可能实现的时间从 2028 年提前到 2027 年。
Anthropic 表示,单个按需加载上下文的智能体在质量、成本和延迟上常优于多子智能体架构,并发布迁移工具包供团队评估切换。从 Opus 4.5 起的新模型可在单一循环中直接管理复杂计划,一次对比中单智能体架构运行速度约为多智能体方案的两倍。Anthropic 同时提醒不要盲目合并,其支持智能体测试中合并子智能体虽降低延迟却破坏了原有流程,并建议将工作流打包为技能、由小团队统一维护系统提示词。
作者 Ankit Maloo 分析 OpenAI、Anthropic 近期在数学开放问题上的进展,提出用最短提示序列长度 k 与分支因子 b 判断问题对 LLM 是否可解。他认为模型以深度优先方式把每条可行路径走完,配合自动验证器剪枝,把人类需要数月判断的尝试压缩到几分钟,因此擅长概念跳跃已完成、剩余工作繁重的证明。人类优势仍在搜索树深且分支多、需要直觉剪枝的问题上。
推荐理由:文章用提示序列与分支因子两个变量解释模型为何在数学证明上占优,并指出人类直觉仍占优的问题类型。
Vanguard 的 Jing Wang 在 MIT Technology Review 的 EmTech Future 会议上探讨如何构建可扩展 AI 的基础。她指出,数据、工程、平台、运营模式和治理必须协同运作,才能在高监管环境中把包括智能体系统在内的新兴能力转化为对投资者的长期价值。
The Verge 记者 Mia Sato 实测 Meta 的 Muse 智能体购物,发现亚马逊已要求 Meta 将亚马逊从 Muse 中移除,Target 的机器人校验时通时不通,导致比价结果不完整。
比尔·盖茨在 Decoder 访谈中表示,人们要为约20年动荡的AI冲击期做准备,这段过渡期可能把社会分成靠近技术前沿与拒绝技术两类人。他认为当前风险主要来自可被移除全部防护的模型,近期威胁是网络攻击、生物攻击与就业冲击,而完全失控并非迫在眉睫。他提出三条对齐路径,包括改变训练方式、提升模型内部可见性,以及在模型外加上符号化规则的安全层,并主张由政府对超过一定能力的模型强制保留防护与监控。
Moshi CEO Anekha Sokhal 在 AI Engineer New York 播客中介绍,Moshi 是面向交易员的推荐引擎,把市场信息与交易员持仓关联起来,她形容其像 Bloomberg、Claude 与 Netflix 的结合体。
Moshi 正在为大宗商品交易员构建推荐引擎,把市场信息与交易员持仓组合真正相关的部分连接起来。CEO Anekha Sokhal 称 Moshi 像是 Bloomberg、Claude 和 Netflix 的结合体:市场数据、操作界面加上针对交易员的推荐。她还在 AI Engineer New York 与 swyx 讨论了可信信源、文档抽取以及自建还是采购模型。
Celonis 企业 AI 首席科学家 Devavrat Shah 提出"决策智能",认为 AI 智能体必须理解任务在业务流程中的角色与约束,否则会遗漏关键限制、犯错或浪费算力。他建议企业从具体业务决策入手,先找出最难环节再测试 AI 能否改善,并以速度与价值增益决定是否扩展。落地还需投入员工教育,让员工能理解 AI 输出而非直接交出决策权。
Monday.com 委托 Nielsen 对 7 国 1700 名董事与高级管理者调查发现,超半数高管认为采用 AI 后更难评估员工工作,近半数管理者花更多时间审核团队产出。