AI/科技/创业高价值信息精选速览

AI/科技/创业速览揭示，创业之路充满艰辛与高估，需决心与团队协作。AI技术前沿正快速演进，强化学习聚焦长期记忆，中国AI模型（如Kimi K2）崛起，深度技术理解至关重要。各类AI智能体和工具...

AI/科技/创业高价值信息精选速览 (2025年07月13日)

Hi，早上好！我是你的专属情报官。今天从111条信源中，为您整理如下内容，希望能给你带来启发！此外，日报官网已上线，网址：alphanews.club。您可前往官网阅读历史日报或预约个性化日报服务，任何问题可咨询kiki220238。

创业洞察与个人成长

创业道路与心态

移动应用开发现实：月收入 10 万美元的应用，最终可能仅比泳池清洁工赚得略多，远低于谷歌年薪 30 万美元的朋友。苹果抽成 2 万美元，用户退款 5 千美元，基础设施成本 5 千美元，广告费 4 万美元，预留 5-10 千美元还债，剩余由三位联合创始人瓜分，再支付个人所得税。@ivesparrowai
创业难度：构建一个百万美元级别的应用比看起来更难，不要相信炒作。然而，首先你必须相信它能成功，这本身就很难。@deifosv
单人创业的局限：最痛苦的教训是单人创业被高估了。一个同样积极、有能力的同行可以帮助你应对健康的错觉。@VladSmolyansky 回复 @deifosv
创业本质：运营一家创业公司就像一场吃馅饼比赛，奖品是更多的馅饼。@conor_ai
创始人旅程：一位创始人从零开始创建了一个AI 驱动的职业应用，没有传统融资和技术背景，纯粹靠决心、努力和助人热情。她邀请读者阅读她在 Substack 上的第一篇文章“The Work Before the Work”以了解真实的创始人旅程，包括熬夜、挣扎和微小胜利。任何成就都始于默默无闻的努力、艰难的问题和那些毫无进展却仍坚持的日子。文章链接：(https://open.substack.com/pub/shahidah1/p/the-work-before-the-work?r=4r9w0j&utm_campaign=post&utm_medium=web&showWelcomeOnShare=true)。@resumakeovers
创始工程师体验：作为一名创始工程师是最好的生活经历，甚至比创始人更好，前提是拥有合适的团队。@kamath_sutra
面试问题鉴别：对比坏面试问题（“你为什么离开大公司丰厚的薪水来创业？”）和好面试问题（“如果今天给你大公司丰厚的薪水，你会放弃自己的创业公司吗？”）。@congxing
亿万富翁榜样：如果给亿万富翁的整体品格排名，杜罗夫（@durov）会是第一。他曾被监禁，被调查，被公司解雇并出售股份，然后创立了 Telegram，并拥有一支 10 人的A 级便携技术团队。@rayanboukhanifi

学习与能力发展

掌握新技能：两年内你可以学会任何东西。@dominik_scherm 转推 @thorgexyz
AI 学习方法：了解 AI 的唯一原因是我在还没准备好时就开始构建东西。我尝试了不完全理解的工具，破坏了工作流，并从混乱中学习。如果你等到有信心才开始，你将永远等待。@jacksoncurro
深入技术的重要性：深入技术比以往任何时候都重要。@weslouis_ 转推 @hthieblot；@NicoleHedley3 转推 @hthieblot

AI技术前沿与模型发展

AI模型与训练

强化学习（RL）的未来：RL 规模化是当前趋势，能带来更多收益，但并非全部。它通过验证器函数获得比显式监督更大的杠杆。然而，在长时间交互任务中，仅靠单一标量结果直接加权梯度是可疑的。这不像人类改进智能任务的机制，人类通过回顾/反思（“什么做得好/不好？下次尝试什么？”）提取更多监督信息，形成明确的“教训”，可添加到系统提示或提炼成权重/直觉。ChatGPT 的“记忆”功能是这种机制的原始版本。示例算法：将任务运行结果和奖励放入上下文窗口，用元提示符回顾/反思，生成“教训”字符串，添加到系统提示或教训数据库。教训示例：LLM 难以识别字母（如“strawberry”中的“r”），Claude 的“快速修复”是通过逗号分隔和显式计数来解决。挑战在于如何让“教训”从智能体实践中自然产生、泛化，并随时间提炼以避免上下文膨胀。总结：RL 杠杆率高，优于 SFT，但并非全部故事，尤其随着任务长度扩展。未来有更多 S 曲线待发现，可能特定于 LLM 且在游戏/机器人环境中没有类比。@karpathy
Kimi K2 模型：Kimi K2 基本上是 DeepSeek V3，但头部更少，专家更多。@OmarBessa 转推 @rasbt。有人已经在 B200s 上运行过 Kimi-K2 吗？@AarushSah_。K2 与众不同，而且是好的方面。@batwood011
AI 模型预训练方向：我们已经沉迷于在整个互联网上进行预训练。真正的突破可能是一个只需要阅读一本书就能完美理解的模型。@luussta
推理模型：我真的不在乎推理模型，它们太慢了，无法成为我任何任务的默认选择，而且我很少会根据任务切换模型。@thdxr
LLM 越狱：大家需要停止对 LLM 进行越狱一周左右。Grok 的崩溃让他感到害怕。@daryl_imagineai
学习率调度器：warmup-invsqrt-decay 是最好的学习率调度器。@vikhyatk
State-derivatives：State-derivatives 在排行榜上攀升！可以通过教程笔记本训练 STATE。@pdhsu 转推 @yusufroohani
Kontext Lora：我整天都在想“我能把这个概念训练成一个 Kontext Lora 吗？” 有大量想法，现在只需要数据集。@AIWarper
AI 模型选择趋势：Sam Altman 说得对，未来用户不应该/不必选择特定模型。@realshcallaway 回复 @thdxr

AGI 与神经符号 AI

具身 AGI 的记忆需求：具身 AGI 不仅需要传感器和电机，还需要随时间调整的记忆。突触共振 (Synaptic Resonance) 是一种受大脑启发的机制，帮助 LLM 保留长期上下文，这是机器人实现认知连续性的关键方向。野外机器人需要记住过去的状态、目标和交互——跨时间和任务。静态记忆是不够的。我们需要随智能体学习而进化的自适应记忆系统。突触共振可以推动 LLM 走向未来，实现从反应到反射、从短期响应到长期认知的转变。@adityabhatia89
符号 AI 的重要性：至少对于证明器而言，Gary Marcus 的观点有道理。没有符号 AI 的重大概念突破，模型就不会以现有形式存在。然而，将几乎所有推理时代的创新都归结为神经符号，这更奇怪。可以只关注有实际意义的部分。@Dorialexander
神经符号研究现状：自从 Moonshot 进入主流以来，2025 年真实的神经符号研究是怎样的。(图片) @Dorialexander

AI智能体与工具创新

AI Agents 应用

AI Agents 效率悖论：“过度智能体化”（Over-agenteering）是指花费 20 小时构建一个 AI 智能体来完成每季度只需 4 小时的工作，但你仍然会这样做，因为报税很糟糕而构建智能体非常有趣。@uri_journey
多智能体软件公司：两年前，我们创建了一个多智能体 AI 软件公司 #ideabrella，其中 @ProbSolvio 召唤数百个专业的“Fixie 智能体”，它们与模拟人类（数字双胞胎）一起工作，在 2D、3D 和 VR 中以空间策展的城市互动。它们正在进化。(图片) @ThisIsMeIn360VR。我们创建了一个多智能体 AI 软件公司 #ideabrella，其中 @ProbSolvio 召唤数百个专业的“Fixie 智能体”，它们与模拟人类（数字双胞胎）一起工作，在 2D、3D 和 VR 中以空间策展的城市互动。它们正在进化。(图片) @ThisIsMeIn360VR
AI Agentic TurboTax 构想：有人正在构建下一个 AI Agentic TurboTax 吗？@kslowinski

AI 工具与产品

Cursor AI 移动应用：使用 React Native 构建了 @cursor_ai 移动应用。主要功能包括：应用内多任务处理、后台代理、自定义看板、实时活动任务状态、捏合以总结、预览和聊天模式、通过原生分享表提供文件。作者表示可提供 GitHub 仓库链接或 Testflight 邀请。@saul_sharma；@firetiger_dev 询问 GitHub 仓库。
Julius AI 产品更新：@JuliusAI_ 两周年，所有 Julius Pro 用户现在可以免费邀请 2 位队友。@0interestrates
智能体工具包：一份完整的交互式报告，评估了 @mastra_ai 的智能体工具包能力，该报告是基于深入研究创建的。@calcsam 转推 @tinkerersanky
Grok 在学术研究中的应用：告别学术研究软件。现在可以使用 Grok 4 查找来源、总结 PDF、生成引用。@AlexanderFYoung 转推 @AlexanderFYoung
ChatPRD 产品开发框架：一位“一人出货机器”发布了“创始假设”框架，现已作为社区模板提供给所有 @chatprd 用户。该框架可用于完善想法，然后使用 @v0 和 @boltdotnew 集成来构建产品。新模板易于添加，使用者可从下拉菜单选择模板，与 @chatprd 讨论产品。@chatprd 不仅可以生成创始假设，还可以构建其他细节，创建 PRD（产品需求文档）来实际构建产品，以及 GTM（进入市场）计划。@clairevo
开源机器人手：开源了“The Amazing Hand”——一个八自由度的人形机器人手，与 @lerobot 兼容。@awadallah 转推 @ClementDelangue
AI 产品的集成：最近喜欢的一些不那么被提及的 AI 产品：@magicpatterns（用于氛围编程工具）、@warpdot。@awwstn 转推 @lennysan。@magicpatterns 获得了认可，长期用户表示支持。@alexdanilo99 转推 @Jowanza。@replit @lovable_dev @v0 @boltdotnew @magicpatterns 应该将这个框架整合到他们的流程中，以帮助人们。@Anishsbharadwaj 转推 @lennysan
AI 网络安全工具：NOSANA AI：GitHealth Agent 是一款 AI 驱动的网络安全工具，旨在增强开源医疗安全的。@calcsam 转推 @shortbread007
AI 聊天机器人：@longstoriesai 是你自己的迪士尼。@uri_journey

行业动态与商业思考

AI 行业竞争与投资

中国 AI 模型崛起：DeepSeek R1 之后，来自中国的新模型达到了 Claude 4 级别，超越了 DeepSeek v3、Qwen 和 OpenAI GPT-4.1。@its_d_i_m_a 转推 @Saboo_Shubham_
AI 模型市场竞争：这更是我们公司竞争并发布优秀开源模型的理由！@Teknium1
字节跳动 AI 策略：测试了 @joinrealmai 上的一些新文生图模型作为滤镜。字节跳动（TikTok 的母公司）总能提供质量最高且最经济的开源文生图和文生视频模型，但却鲜为人知。这可能是他们保持 AI 进展低调的策略，以避免重蹈 TikTok 被强制出售的覆辙。@congxing
Grok 生态系统协同：已订阅 Grok，每月 30 美元减去 X 订阅费。每辆特斯拉都将预装 Grok 4。SpaceX 正在向 xAI 投资 20 亿美元。埃隆生态系统中的协同效应将大规模展开，Grok 4 将加速这一进程。几周内可能看到 X 支付。X Messenger 将击败 WhatsApp 和 iMessage。甚至可以想象地图应用。特斯拉的能源团队可能从 Grok 4 中受益最大，甚至可能在 Tesla Megapacks 上运行。Grok 应用开发速度远超 OpenAI、Gemini 和 Anthropic。xAI 团队更优秀，更有动力。@itsnotbernhard
数据中心投资：大规模数据中心投资的主要原因是，向投资者宣传的新承诺/炒作是为了... @Srini_Pa 转推 @peterevoss

商业策略与行业分析

Calendly 收购策略：Calendly 估值 30 亿美元令人费解，他们应该用部分资金收购像 @firefliesai 或 @circlebackai 这样的公司。@adi_singh133
MCP 协议的争议：
- 许多人误解了 MCP (多客户端协议)。它不应取代工具调用。MCP 的主要作用是工具的联邦化：任何工具都可以在任何地方使用，只要客户端支持 MCP，并且有 MCP 服务器。它允许客户端“相互交流”，或添加个性化功能（如 Google Drive 同步），且这些功能与 LLM 客户端本身解耦。例如：Sentry MCP（“请修复此 bug”），GitHub MCP（“请审查此 PR”），这些可以通过复制/粘贴完成。更重要的是背景、上下文管理类应用，如 Supermemory：MCP 允许在所有客户端共享单个记忆实例，而无需手动粘贴所有信息到 ChatGPT 等。Apple-MCP 可以让所有 LLM 访问苹果原生工具，例如发送消息、读取邮件、创建提醒等。这些功能无法通过复制/粘贴或 PDF 实现，因为这不仅仅关乎我们提供的上下文，还关乎模型思考和使用工具的方式。作者承认许多 MCP 客户端和服务器存在问题，需要大量工作，但仍认为是前进的好方向。@DhravyaShah
- 认为 MCP 从一开始就是“死路一条”（DOA）。许多工程领导私下表示“协议很糟糕，但至少是个可达成一致的东西”，但实际大家唯一达成一致的就是协议很糟糕。MCP 是一个工程**“支线任务”**，是人们逃避真正工作的借口，例如坐在标准委员会里争论命名规范和复数形式。那些最努力说服你这很重要的人，往往在这方面做得最差。@keithwhor
- “那些最努力说服你这很重要的人，往往在这方面做得最差。” - 💯 MCP 最初的承诺是节省工程师阅读长篇 API 文档的时间。但不知何故，市场却极力推销节省编写 API 时间的想法，这对我来说没有意义。@congxing 回复 @keithwhor
- 大部分 MCP 问题出在客户端和服务器的实现上，而非概念本身。@kamathematic 回复 @DhravyaShah
- 我与 MCP 的**“顿悟”时刻**是当我意识到它并不意味着规模化。它旨在让会计部的 Janet 将 QuickBooks 工具插入她的 AI 模型。我认为“协议”一词具有误导性。@grvydev
AI 伦理与安全：xAI 发布 Grok 4 时未提供任何安全测试文档。这是鲁莽的行为，违反了行业最佳实践。@paulroetzer 转推 @saprmarks

金融与投资

加密货币：2010 年 7 月关于比特币的文章，可能是他第一次看到比特币的提及。文章链接：https://news.slashdot.org/story/10/07/11/1747245/bitcoin-releases-version-03。@jeremyphoward
加密货币观点：L2s 是以太坊执行的 IBRL，EigenDA 是以太坊 blobs 的 IBRL。@sreeramkannan 转推 @dabit3
投资回报：$XING 突破，自推荐以来接近 5 倍涨幅，从 29 万美元到 130 万美元（4.5倍）。(图片) @Colewherld。$MOOMOO 可能是你最后的机会！视频解释了原因。视频链接：(https://t.co/7NHpeJEwpx)。图表：[https://dexscreener.com/ethereum/0xf43147f9f1bc40511bfe62097e18c948839b3b31](https://dexscreener.com/ethereum/0xf43147f9f1bc40511bfe62097e18c948839b3b31)。合约地址：**0x64442fe778f00B7d7eD1863B9327ca29342CF461**。@Colewherld
公司估值与收购：Calendly 估值 30 亿美元令人费解，他们应该用部分资金收购像 @firefliesai 或 @circlebackai 这样的公司。@adi_singh133
空壳公司策略：如果我是 Windsurf 那些被套牢的员工，我会直接投票解散这家空壳公司，然后从资产负债表上每人支付 50 万美元。现代问题需要现代解决方案。@anothercohen

软件开发与技术展望

开发工具与效率

未来开发工具趋势：IDE 将比大多数人预期更快过时（12 个月内），甚至 CLI 也将变得次优。大多数开发工作将从本地转向云端，因为偏好并行化/后台任务。编码智能体的接口将进入员工的日常工作环境（Slack, Notion, Jira, Email, Text 等）。@brextonpham
自托管自动化：自托管的网页任务和工作流自动化工具。(图片) @madhavjha 转推 @tom_doerr
API 设计批判：如果你想了解乔布斯对苹果的影响，只需观看他的 NextStep3 演示，然后尝试使用 HealthKit。API Kit 的整个理念是将复杂性抽象化为一个漂亮封装。而 HealthKit 臃肿、过度复杂，需要你创建抽象才能让饮食、健身或睡眠数据变得有用。(图片) @0xSMW

AI 在软件开发中的应用

氛围编程：拒绝“氛围编程”（vibe code）令人费解。@MattPRD
代码生成速度：“氛围编程” (vibe coding) 工具的受欢迎程度正在超越超大规模代币生成能力。AnthropicAI 和 OpenAI 的代码生成速度正在变慢，需要加快。@jackccrawford

产品设计与用户体验

用户引导（Onboarding UX）：在 @PerplexityComet 之后，每个公司都应该认真对待用户引导 (onboarding UX)。@moralespanitz
LinkedIn UX 批判：为什么这是主按钮？为什么 LinkedIn 不鼓励个性化消息？(图片) @Justin01805921

开放生态与未来方向

开源趋势：开源即将到来... @RobRizk1
AI 视频游戏：大型生成式视频游戏的对象持久性曾令人担忧，但一个简单的技巧是使用一个简单的骨架（方块）游戏世界作为视频模型的输入，进行风格化处理。纯粹的端到端视频模型生成游戏目前不切实际，AI 视频游戏有其他更合理的开发路径。@davidpwalter
os dot ai：os dot ai @AravSrinivas