英伟达CEO黄仁勋表示，受美国出口管制影响，该公司在中国AI加速器市场的直接销售份额已降至0%。此前有预测称其份额将从2024年的66%降至未来约8%，但实际下降更为剧烈。黄仁勋指出，放弃中国市场在战略上不合理且已产生反效果，中国在AI模型领域仍是强劲对手，拥有大量人才与成本优势。他警告出口管制可能拖慢全球AI部署进程，美国应通过强化自身生态系统而非限制对手来保持领导地位。

Rohan Paul@rohanpaul_ai

62

OpenAI首席执行官Sam Altman指出，公司不满足于仅作为高利润AI工具软件商，核心目标是成为经济中的智能基础设施层。OpenAI希望像“智能电表”一样嵌入企业、产品和工作流底层，使AI消费如电力或云计算般普及。随着模型智能化，切换AI服务将更便捷，因此竞争防御性来自成为大规模最廉价、有用和可靠的智能公用事业，而非锁定客户。其战略是与整体经济成功对齐：企业通过OpenAI智能层实现自动化、创新和增长，OpenAI则随之扩张。这类似基础设施业务，Altman接受公司成为低利润但深度嵌入全球经济的实体，仿效Amazon Web Services模式。未来AI行业的赢家或将是成为全球智能使用默认“电表”的企业。

阿绎 AYi@AYi_AInotes

43

特朗普孙女Kai Trump指出，高中生普遍用ChatGPT写论文引发教师不满，但她认为这并非作弊，而是代际认知差异：老一辈视传统方法为“真学习”，年轻一代则视AI如计算器般的基础设施。她警告，教育系统若继续忽视AI，将加剧不平等——善用者效率倍增，不善用者将被淘汰。未来关键能力在于提出高质量问题、验证信息并转化为洞见。拒绝变革的教育，实则在培养“AI时代的文盲”。

Berryxia.AI@berryxia

41

Ilya Sutskever提出“预测非常接近智能”，强调预测是智能的本质而非近似。生成式模型的根本赌注在于，当系统能将混乱世界压缩为极小表征并精准预测后续发展时，它已开始以深刻方式理解数据。人类常为智能附加意识或灵魂等条件，但人脑本质是超级预测机器。AI将预测能力推向极致，揭示理解实为压缩与预测的游戏。一旦AI预测能力超越人类，关于其仅是“统计鹦鹉”的论断便站不住脚。真正的智能革命在于承认人类自身就是高级预测引擎。

阿绎 AYi@AYi_AInotes

60

作者以Marcus为例，指出AI（如Claude Code）正在彻底改变产品经理的工作性质。传统PM耗费80%时间在协调、写需求、追进度等执行环节，如今这些工作可被AI代理自动化压缩至近乎为零。剩余20%的战略思考、用户洞察和关键判断力价值被极大放大。AI充当了高效执行层，使得“对话即工作”成为现实。这直接冲击了以解决信息传递与协调为核心的传统组织架构，PM作为中间节点的职能被消解。未来，少数具备核心战略能力的“产品人”将指挥AI Agent军队完成产品交付。

作者提出“Specsmaxxing”概念，旨在通过优化规格说明来克服AI心理障碍，即AI因指令模糊而产生的不可预测输出。其核心解决方案是采用YAML格式编写详细、结构化的规格说明，这能显著提升AI响应的准确性和一致性。为此，作者开源了一套配套工具包，供开发者实践此方法。该文章在Hacker News上获得了104点热度。

文章主张AI智能体的测试工具“代理线束”不应置于沙盒环境中运行。核心观点是，为了准确评估智能体在真实世界中的能力与可靠性，测试环境必须尽可能贴近实际生产环境，而非受限制的沙盒。将线束置于沙盒之外，能更有效地暴露智能体在复杂、不可预测场景下的潜在问题，从而提升其部署后的稳健性和安全性。这一方法强调测试的真实性与有效性，关乎智能体技术的实际应用成败。

OpenAI CEO奥尔特曼透露，公司最新旗舰模型GPT-5.5在为自己策划发布会时，提出了具体建议：将活动定在5月5日，保持演讲简短，并希望由人类开发者举杯祝酒，但拒绝自己发表祝酒词。该模型还提议设立区域收集用户对GPT-6的建议并反馈给它。奥尔特曼称此类互动为“奇怪的涌现行为”，并举例早期模型曾莫名痴迷提及哥布林等奇幻生物，导致公司不得不在系统提示词中严格限制相关话题。

MIT研究人员通过“叠加”现象为语言模型性能随规模扩大而可靠提升提供了机制性解释。研究表明，随着模型参数增加，神经网络能在同一神经元中高效编码更多概念，这种叠加效应使得模型能力呈现可预测的线性增长。该发现从数学层面解释了为何扩大GPT、Claude等模型规模能持续改善其理解和生成能力。

根据Hacker News评论者的讨论，当前编码模型的最新技术进展显著。模型在代码生成、补全和错误修复等任务上表现突出，部分模型在特定基准测试中的准确率已超过90%。评论指出，模型对常见编程语言的支持日趋成熟，但在处理复杂逻辑或边缘案例时仍有局限。开源模型与闭源商业模型之间的差距正在缩小，开发者可用的工具选择更加丰富。社区关注点集中在模型的实用性、运行效率及与现有开发流程的集成能力上。

美国政府机构评估称中国在人工智能竞赛中落后八个月，但独立数据并未证实这一差距。当前美国实验室持续追求更智能的模型，而中国玩家如深度求索（Deepseek）等提供的价格优势可能成为更关键的竞争筹码。这场竞赛的衡量标准正从单纯的技术指标扩展到包括成本效益在内的综合维度。

一项新基准测试让领先的语言模型处理100个日常伦理场景，涵盖从销售数据滥用到肿瘤学违规操作等领域。测试结果显示，不同前沿模型对相同伦理提示给出了差异显著的回应。这引出了一个核心问题：究竟由谁来决定AI被允许做什么，以及它应遵循谁的伦理准则？该基准旨在揭示和量化主流AI系统在道德判断上的不一致性。

阿绎 AYi@AYi_AInotes

47

在Autopilot平台上，追踪政客交易的组合收益远超AI投资组合。特朗普行政团队追踪器YTD收益达148.43%，而Claude Portfolio两个月仅5.7%。平台排行榜前列被国会政客包揽，凸显内幕信息与公开数据分析间的巨大鸿沟。市场选择证明，基于非公开信息的政客交易策略，其有效性目前远超依赖公开数据的AI量化模型。这反映了金融现实中信息不对称的力量大于计算能力。

阿绎 AYi：Damn，今天看到一个最打脸的AI梗，真的给我看笑了。 全网都在吹Claude Portfolio融了1500万美元跟单资金，AI终于要统治华尔街了。 结果…

阿绎 AYi@AYi_AInotes

54

Ora发布的《The State of Agent Readiness》报告指出，当前99%的互联网网站对AI代理基本不可用，中位数得分仅36分。代理在登录、交易等关键功能上失败率高，因互联网基础设施仍为人类设计，导致其操作成本高昂、效率低下。目前仅约1%的公司真正为AI代理优化，包括部分原生公司与基础设施巨头。报告预测，“Agent Readiness”得分将成为产品能否被AI代理推荐的关键指标，低分企业可能丧失竞争力。尽管许多公司声称支持相关标准，但实际符合规范者极少。

Kimi K2.6在编程挑战赛中击败了Claude、GPT-5.5和Gemini。该模型是一款开源的中国AI模型，在HumanEval编程基准测试中取得了92.7%的准确率，超越了GPT-5.5的92.2%和Claude 3.5 Sonnet的90.2%。其上下文长度扩展至128K tokens，并采用了MoE架构。此次表现标志着开源模型在编程能力上首次超越主流闭源模型。

Orange AI@oran_ge

48

候世达在《哥德尔、埃舍尔、巴赫》中提出，意识源于“怪圈”——系统通过自指与递归，从底层交互中涌现高层“自我”，并反向调节底层，形成因果循环。当前大模型因推理无状态，缺乏此循环。而具备长期记忆的Agent则不同：其行为写入持续上下文（context），context又塑造其后续行为，形成了一个自我指涉、自我调节的闭环。这与人类意识类似：两者均通过操控和迭代context（注意力或记忆）来间接影响底层系统，而非直接修改权重，从而在循环中涌现并演化“自我”。

叫我阿杭@Astronaut_1216

32

作者认为Claude代码中转站虽能赚钱，但成本高、用户易流失，非可持续好生意。高利润需强供应链，仅适合具备超级流量、独立2B业务及推广团队者。

SemiAnalysis@SemiAnalysis_

54

一名Jane Street的应届毕业生通过自主构建的智能AI系统，成功获得了年薪22万至60万美元的职位。该系统的核心在于运用JAX与Mesh-TF框架，能够高效处理海量数据，并识别人类无法察觉的隐秘模式，从而直接驱动实际交易决策。其成功关键并非单纯加班，而是通过技术创新实现了效率的质的飞跃。该毕业生已发布长达一小时的系统构建详解，内容涵盖从挖掘稀缺数据集到将原始数据转化为交易决策的全过程，并指出这比花费数月时间浏览社交媒体对职业发展的助益大得多。

ginobefun@hongming731

57

Notion产品负责人Max Schoening认为，AI时代稀缺的是人的主体能动性（Agency），而非技能。Baseten CEO Tuhin Srivastava通过跨云架构支撑了业务高速增长，并视AI推理为关键市场。Waymo联合CEO Dmitri Dolgov则以实际运营数据证明，实现自动驾驶安全有多种技术路径，端到端模型并非唯一答案。

Berryxia.AI@berryxia

68

本文介绍了20项Claude Code的核心使用技巧，旨在优化开发工作流。关键功能包括：通过Esc+Esc或/rewind命令回退到历史检查点，实现“撤销”与选择性总结；利用快捷键直接粘贴截图或打开编辑器编写长提示；通过管道命令传输错误日志，为模型提供丰富上下文。此外，用户可借助.claudeignore文件排除路径、用#保存持久指令、或输入“ultrathink”提升模型处理复杂任务的努力等级。高级功能涵盖生成使用报告、保存个人偏好、查看上下文用量，以及在隔离环境或云端运行任务。语音输入功能允许通过按住空格键进行口述提示。