人工智能

• Ginkgo 的 Jason Kelly 说，生物科技一直是“疾病产业”，但GLP-1 变成了卖的是“想瘦 15 磅”这种消费需求。平台从身体扩张到大脑和行为——“身体编程”正在向“欲望编程”扩展 （2026-09-29）
• Ben 以极度务实的视角撕开了大模型产业链的商业本质：从 OpenAI 为何正在百倍复刻当年 Dropbox 无法靠消费者赚钱的死局，到台积电如何用保守扩产把风险转嫁给巨头；从美国“赢下 AI”反而可能打破全球技术均衡的地缘博弈，到 1870 年代铁路狂潮的资本期限错配，再到算力大宗商品化后的能源终局 （2026-09-29）
• Bosworth强调，Muse的成功并非来自模型原始智能的最大化，而是来自对"如何让人类更好地使用工具"这一命题的深入思考。 与此同时，Bosworth描绘了Meta对下一代人机交互范式的判断：从"直接操控"走向"意图理解"，英语将成为新的编程语言 （2026-09-28）
• 扎克伯格称，Muse从预训练开始围绕个人Agent设计，通过云端虚拟机、记忆、凭据存储和逐项授权，让Agent持续替用户执行长期任务 （2026-09-28）
• 三年前，他一句“不投大模型”震动业界；如今，他的判断是，“今年可能是基础大模型的最后一年，明年需要讲新故事了。” （2026-09-24）
• 马斯克：预计两三年内，中国能依靠光刻技术与芯片制造，补齐算力缺口 （2026-09-24）
• 正如麦克卢汉所言，人类创造了工具，工具又反过来塑造了人。在消费智能的过程中，你也在创造智能。只不过，你创造的价值最终并不属于你，而是流向了那些提供模型的科技巨头 （2026-09-24）
• 回看过去三年的 AI 叙事，主线一直是「大模型越来越大、越来越聪明、越来越全能」。一个模型既能聊天，又能写代码，还能看图做表，什么都会。整个行业默认「智能」是一块铁板，不可拆分。 Jev 的出现，撕开了这块铁板。它证明了有些工作需要推理和表达，有些只需要快速判断。把两者绑在一起，是一种结构性的浪费 （2026-09-21）
• 路透9月18日信息，Anthropic已在旧金山湾区运营一间wet lab，而这间实验室并非专门用于药物发现，其作用是让Claude接触细胞、试剂和实验设备，并测试模型指挥机器人完成生物实验的能力 （2026-09-21）
• 企业将从人力容器变成目标、权限、资本和智能的配置系统。管理层不会消失，但职责会从过程监督转向目标设计、资源配置、例外判断和责任承担。部门边界会弱化，任务网络和 Agent 群将成为新的执行单元 （2026-09-20）