AI/科技/创业高价值信息精选速览 (2025年09月19日)

Hi，早上好！我是你的专属情报官。今天从195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。

个人成长与工作效率

• 工程人员的核心特质：几乎所有我合作过的最优秀的工程师都天生充满好奇心。好奇心是卓越工程背后的杀手级人格特质，它驱动第一性原理的理解，激发惊人的生产力、冒险精神，并且在许多情况下是傲慢的解药。 @andrewdfeldman
• 创业者特质：关于联合创始人的第一特质，毅力（Grit）的重要性被提出，包括承受压力和韧性。但这种特质的测试或预测很困难，就像海军海豹突击队的训练，只有少数人能通过“地狱周”，尽管所有人都说他们非常渴望成功。 @hemeon @demianborba
• 销售与效率：陌生电话拜访与步行结合是一个完美的组合。 @SrimanGaddam
• 心态建设：你认为的所有事情都比想象中更难，但这一切都值得。 @howard
• AI Agent初体验：第一次让Agent成功完成某项任务时，那种感觉非常奇妙，是改变现实的时刻。 @_colemurray

AI技术前沿与模型创新

大模型推理与元认知

• AI自主推理研究：AI能否在没有人类标签、脚本提示的情况下，仅通过试错和好奇心来自我学习推理？自然杂志的一篇论文DeepSeek-R1通过强化学习激励LLM进行推理，或许能回答这个问题。 (https://www.nature.com/articles/s41586-025-09422-z.pdf) @NeuroAI_Nexus
• DeepSeek-R1与神经科学：DeepSeek-R1的推理原理与神经科学中多巴胺神经元编码奖励预测误差相似——正确答案触发奖励，模型更新策略，推理随之出现。这本质上是硅基的“多巴胺驱动学习”。相关强化学习神经科学论文：(https://www.science.org/doi/10.1126/science.1098612) (https://www.nature.com/articles/nature02012) @NeuroAI_Nexus
• AI的元认知萌芽：DeepSeek-R1在解决方案中途写出“wait”字样，类似于人类自我监控（与前额叶皮层功能相关）的诞生，暗示其元认知能力的出现，这可能通过奖励信号自发产生，预示着共享的学习动态。 @NeuroAI_Nexus
• AI模型综合评估：通过将 gpt-5 与其他模型以有趣的方式结合，我们的评估达到了一个新的历史高点（约9%的提升），这可能很快会应用于 Devin。 @walden_yan
• AI意识的探讨：最近关于AI意识的讨论很有趣，尽管从理性上认为AI没有意识，但读到一些AI生成的语句时，不禁让人疑惑这怎么可能是最可能出现的下一个词元。 @CoreyNoles
• LLM对自身工具的改进：让LLM解释其使用的工具如何工作，并提出改进建议，这本身就有点奇怪但又非常出色，我们正在实施这些升级。这是一个全新的世界，而这仅仅是个开始。 @RidgetopAI
• 多模态模型音频能力：事实证明，可以训练不具备原生音频能力的多模态模型来“说话”。Bland ML团队已经做到了这一点，并开源了一小部分。要率先体验 Gemma3 的“声音”，请访问：(https://huggingface.co/BlandAI/BeigeTTS)。 @zaygranet
• LLM上下文处理：一项研究正朝着无限上下文的方向发展：更快的GPU稀疏对数注意力在CPU上的应用。 @ylecun 转推 @yann_eu

AI效率与硬件

• 中国AI效率突破：中国SpikingBrain在AI效率上取得突破，性能提升100倍，训练数据减少98%。这种受大脑启发的模型可能彻底改变云计算经济。 @alex_yehya
• GPU编程历史：Brook for GPUs: Stream Computing on Graphics Hardware这篇2004年的开创性论文将GPU编程抽象为流处理模型，计算在数据流上通过核函数操作。这是从使用OpenGL或DirectX等图形API编写GPU代码的巨大飞跃，直接影响了CUDA的设计。 (https://www.cs.stanford.edu/~ianbuck/papers/brook-gpu-tech-report.pdf) @vivekgalatage
• 中国GPU公司：由于中国禁止英伟达芯片，有人花费20小时研究了中国GPU公司。 @SuraSys1 转推 @kingofknowwhere

AI在软件开发与组织管理中的应用

AI辅助开发与代码评审

• AI时代业务制胜策略：
  1. 将分发融入产品。
  2. 创造真正的网络效应。
  3. 把问题解决得好到让人津津乐道。
  4. 用AI自动化所有不需要人际连接的任务。 @liamottley_
• GPT-5-Codex代码评审：使用 gpt-5-codex 进行代码评审的一大优点是，它经过专门训练用于调查bug。我们在内部对其发现问题的质量印象深刻，它们几乎总是正确的。 @DanielEdrisian
• Vercel Agent代码评审：代码编写量呈指数级增长，评审成为新的瓶颈。Vercel Agent 模拟了一个拥有无限精力的同行程序员在每次拉取请求时的理想工作流程：克隆、安装依赖、类型检查、lint代码；精通技术栈；高信噪比；评论并应用修复；进行“对抗性”思考以进行“氛围检查”。在测试中，它捕捉到安全漏洞、防止了宕机并显著提升了性能，甚至发现了专业工程师未能识别的边缘情况。 @rauchg
• ChatGPT Pro协同代码生成：同时启动4个 ChatGPT Pro（执行相同任务）来生成代码，运行每个结果，收集所有错误，然后要求进行最终合并，这种方法能让你走得更远。 @MaximeRivest
• Replit自治功能bug：Replit可能存在一个bug，即使我明确关闭了最大自治（max autonomy），系统仍显示无限符号，表示它认为我开启了该功能。这可能解释了更高的价格，因为系统没有正确识别用户关闭了最大自治。 @Kyrannio
• 多目录项目中的AI Agent：在多目录项目中，为每个环境使用专业化Agent是很好的实践。这些Agent可在此处找到：(https://aitmpl.com)。 @dani_avila7
• 将前端开发外包给Agent：如果能将所有前端工作外包给AI Agent，我非常乐意，因为我非常厌恶前端开发。 @Kyrannio
• LLM用于研究的Prompt：99%的人不知道如何将LLM用于研究。有人将分享一个超级Prompt，能将 ChatGPT 变成一个研究工具。 @rryssf_
• AI Agent营销的批评：我对营销人员如何对待 Agent/Agentic AI 这个词非常反感。 @CoreyNoles
• Conductor工具用于编程：现在我大约80%的编程工作都使用 Conductor 完成，这是我编程设置自 Cursor 以来最大的变化。 @KennethCassel
• Blacksmith测试套件：Blacksmith 很好用。我曾以为它只适用于拥有庞大测试套件的大公司，但我错了。我们的产品现在… @madhavjha 转推 @bentlegen
• Convex_dev误解：关于 @convex_dev 最大的误解是，它仅仅是一个数据库，但实际上它是一个完整的后端。 @madhavjha 转推 @rasmickyy
• Python安全评估库：为了安全地评估Python表达式，我花了不少时间寻找合适的库，最终使用了 simpleeval。 (https://pypi.org/project/simpleeval/) @simonw
• Create Better T Stack更新：新的 Create Better T Stack 更新现已支持 @convex_dev 和 @better_auth，并包含了 tanstack start 和 tanstack router。 @madhavjha 转推 @amanvarshney01

AI赋能组织策略

• 生成式AI改变工程和产品组织策略：
  • 共享学习文化：开发工具和产品开发栈正迅速变化，鼓励团队通过每周 Lunch'n Learn 会议和活跃的AI Slack频道分享工具经验、博客、产品公告和Prompting技巧。
  • 日常融入新工具：每两周举办新开发者工具（AI IDEs、代码评审平台、AI SREs等）教程，鼓励团队实践。
  • 产品路线图融入实验：构建非确定性系统需要实验文化。每个团队都应像研究机构一样运作，严格安排实验日程，并将学习成果作为可交付物。
  • 角色跨职能化：AI使团队能以更少资源完成更多工作，要求工程师更多地承担产品考量和评估责任，产品负责人应积极构建交互式原型。 @mihail_eric
• LLM生成大型文件挑战：在使用LLM生成超过1200行的XML文件（如xccdf格式的CIS Level 1 Server基准配置文件，已达1871行）时，遇到“working...”状态无具体进展提示和响应长度限制问题。解决方案：要求LLM将剩余部分生成到新的临时文件中，然后手动粘贴。 @janaka_a

AI可穿戴设备与用户体验

• Meta AI眼镜：Ray-Ban的控股公司任命了一位首席可穿戴设备官，负责将Meta AI整合到他们的眼镜中，名为Roko's Basil... @NimaZeighami 转推 @Nexuist
• Ray-Ban Meta眼镜的成功：Meta眼镜/腕带的一些功能表现令人印象深刻。 @MFrancis107
• Ray-Ban Meta眼镜的起源：Ray-Ban Meta的故事始于一封发给马克·扎克伯格的冷邮件，发件人是EssilorLuxottica的首席可穿戴设备官Rocco Basilico。 @Kyrannio 转推 @tbpn
• 苹果对Meta的回应：苹果将如何回应Meta的 RayBan XR 和 神经手环？ @rabovitz
• Zuck谈AI研究者合作：扎克伯格认为，与Meta其他软件岗位的角色不同，构建LLM更像是一个“小组科学项目”。 @TrungTPhan 转推 @bearlyai
• Zuck眼镜生成训练数据：扎克伯格将通过他的眼镜生成各种很棒的训练数据。Sam Altman和Jony Ive需要加快他们的可穿戴设备的开发速度，至少让我成为OpenAI的试验品。 @Enscion25
• AI眼镜旅行体验：我曾在迪士尼乐园使用手机上的AI以这种方式体验。LLM对你通过摄像头看到的一切都了如指掌，令人惊叹。用AI眼镜旅行是一个巨大的用例。唯一的挑战是，当别人问你“你为什么自言自语”时，你会怎么回答？“我没有，我在和AI说话。” @Scobleizer
• 仅音频AI眼镜：仅支持音频的AI眼镜看起来很酷。 @Scobleizer

创业、投资与市场洞察

创业策略与融资

• 创业公司的X（Twitter）增长策略：我们正进入一个新时代，创业公司可以仅凭X（Twitter）从0美元增长到独角兽地位。例如 @cluely、@getdelve、@mintlify 甚至 @rippling 都通过创始人和团队在X上获得大量互动，这些互动转化为分发、招聘、客户获取和融资。Lynx工具可追踪X上的互动用户，用LinkedIn数据丰富信息，通过AI筛选理想客户，并将潜在客户直接同步到CRM。Lynx由 @Grok 驱动，用 @v0 构建。未来的创业公司不仅会在X上发帖，更会在X上构建。 @EmilianoLGU
• Lynx工具：将X上的互动转化为收入：追踪、丰富并同步活跃潜在客户到你的CRM。 (http://joinlynx.xyz) @EmilianoLGU
• 融资新闻：Andrew Yang刚刚为他的初创公司筹集了1030万美元。 @razroo_chief 转推 @Im_Rich_Zou
• 业务公式：产品 + 围绕供应、需求和分销（与客户成果挂钩）的自我强化飞轮 = 业务。 @JorgDoku
• 产品核心：你的技术栈不重要，如果销售额没有增长，一切都无济于事。 @ionleu
• VC投资建议：创始人在与投资人交谈时，应确保对方确实是风险投资家，因为现在市场上有不少VC“滑稽行为”。 @TheAmirFarahani 转推 @zslayback
• 纽约AI周路演：纽约的创始人请注意：参加 #AIWeekNYC 的速配路演，保证能获得3场一对一的投资者会议，有顶级VC、创业专家、奖品和酒会。活动时间：10月8日，下午5:30-9点，纽约。仅限36个名额。使用代码 WIA20 申请：(https://luma.com/wn2sfu5a)。 @claire_xiee

机器人与自动化趋势

• 机器人公司数据挑战：与LLM不同，我们无法从互联网上抓取机器人数据。Project Go-Big 正在构建世界上最大的机器人数据。 @himanshu_ragtah 转推 @Figure_robot
• 机器人敏捷性与导航：过去人们认为敏捷性比导航更难，现在则不然。原因在于控制感知（视觉、触觉）比处理未知环境和导航延迟更容易。 @JacklouisP 转推 @JacklouisP
• 中国军事机器人：中国展示了一系列变形军事机器人，包括多地形蜘蛛（轮式、飞行、两栖）和导弹武器平台等。 @wedtm 转推 @rohanpaul_ai
• 特斯拉自动驾驶服务区：特斯拉 @robotaxi 的服务区域已经比 @waymo 更大，这是一个惊人的数据。 @alrey_ 转推 @Gfilche
• 机器人技术炒作周期：每六个月，机器人领域就会出现新的炒作热点。手部敏捷性的炒作期已经过去，现在是以自我为中心的数据集（egocentric datasets）。尽管不清楚这种数据集能否快速产生成果（与遥控操作数据相比，其数据质量非常低），但因为感觉容易，许多初创公司都在尝试。 @ax_pey

市场与经济观察

• 巨无霸指数：自1980年以来，巨无霸的价格上涨了25倍。当时50美分，现在8美元，价格上涨16倍，而且尺寸缩小了40%。实际成本是过去的25倍以上。这是“变小变贵”的典型例子。 #通货膨胀 #巨无霸指数 @BrandonKHill
• 加密矿业投资洞察：Hut 8 获得了战略升级，大多数交易员尚未察觉。Bitmain的美国工厂加上Hut 8的“比特币换硬件”模式，创造了结构性成本优势。DeltaSignal将很快发布完整分析，订阅者可获取股票代码、目标价和交易策略。 @AITrailblazerQ
• Hut 8巨额融资：Hut 8 刚刚筹集了12亿美元的战争储备金，这是矿业史上最大的资本募集。其ATM（自动取款机）和信贷条款甚至优于 Coinbase。这是在建立帝国还是稀释螺旋？DeltaSignal将很快发布详细报告。 @AITrailblazerQ
• 加密矿企分拆：一家顶级加密矿企刚刚分拆为两家上市公司：基础设施纯粹公司（AI + 数据中心）和比特币挖矿纯粹公司（算力 + BTC）。母公司仍控制80%。DeltaSignal解释了为何这能带来20-30%的估值上行空间。 @AITrailblazerQ
• 矿工比特币持有策略：一家矿工现在持有10667枚BTC（价值11.4亿美元），比大多数比特币ETF持仓都大。他们不卖出，而是将BTC作为抵押品。一个MicroStrategy + 挖矿混合体已经出现。DeltaSignal掌握了这家公司的名称、战略和与Bitmain的合作关系。 @AITrailblazerQ
• 超级明星行业：超级明星行业失控了。数百万人试图成功，但只有有关系的人才能进入赛道。在知识稀缺的时代这说得通，但现在知识已不再稀缺。新的制约是什么？是准入机会。我们需要为我们的超级明星解锁准入机会。 @Mat_Sherman

行业动态与社会观察

• 教育变革：大学曾是聪明人互相认识的地方，现在我们有了互联网。 @chrisman
• AI教育前景：我们将在圣诞节前解决K-5数学的布鲁姆分类法（Bloom's Taxonomy）问题。除非你是专业的工程师，否则你的孩子很可能比你更懂数学。 @chrisman
• 社区建设：旧金山的创始人现在越来越多地访问深圳，现在是建立一个连接这两个令人惊叹的湾区（旧金山湾区和深圳湾区）的社区的绝佳时机。 @Robo_Tuo
• AI内容策略：“回复小能手”方法（reply guy method）只有在你的回复真诚时才有效，AI生成的内容（Ai slop）不会让你取得任何成就。 @leojr94_
• AI与版权：法院裁定，只要你销毁了原件，就可以用你购买的书籍来训练模型。 @Enscion25 转推 @tszzl
• Magai产品重构：多数软件失败是因为开发者以“创造者”而非“用户”思维来思考。Magai的界面重新设计，将27个点击目标减少。真相：你越接近你的创造物，就越对其复杂性视而不见。关于经验教训的新文章：(https://magai.co/blog/the-uncomfortable-truth-about-product-design)。 @DustinWStout
• Buddi AI会议助手：参加会议时，Buddi 能同时听取并记住讲座内容。因此，我能连接到身边最相关的人（并同步进行领英研究），Buddi也为我更新了涵盖的主题。这是在Physical AI峰会上使用的经验。 @anithpatel1
• 日程管理工具AgendaHero：AgendaHero 能将孩子学校、TeamSnap、GameChanger、合唱团等活动信息整合到一个地方，并可隐藏不相关的日程（例如，如果孩子上一年级和三年级，可以隐藏幼儿园信息）。它能整合所有日历信息，同时消除不必要的干扰。 @carencioffi
• 图片生成模型“纳米香蕉”：Google的图片生成模型“纳米香蕉”（nano-banana）目前是好坏参半，不适用于生产用例。存在问题：角色一致性不佳、对模糊输入的指令遵循度差、重建时会返回原始图片、忽略Prompt中特定提及的一张或多张图片、不遵循宽高比/尺寸输入、人脸生成效果非常差。优势：图片调整（添加/删除/转换）、生成模型图（非常酷）、文本叠加（已达90%）、素材/Logo迭代。 @_hiteshbandhu
• AI视频模型Luma Ray3：Ray3 是世界上第一个推理视频模型，也是第一个生成工作室级HDR的模型，现已推出全新的草稿功能。 @eugeneboondock 转推 @LumaLabsAI
• 开源视频编辑模型：DecartAI 正在构建“视频版的开源纳米香蕉”，并开源了 Lucy Edit v0.1，这是首个开源的视频编辑模型。 @v0 仅用几分钟就使用他们新的API和模型编写了一个简洁的视频编辑聊天应用。应用：(https://v0-lucy-edit-chat-app.vercel.app/)；源代码：(https://github.com/DecartAI/lucy-edit-chat-v0)。你可以在这里获取API密钥：(https://platform.decart.ai/)。 @3thanPetersen @winglian
• Moondream 3发布： Moondream 3 预览版发布，这是一个9B参数，2B激活的MoE视觉语言模型，号称不妥协。 @interpreter_ai 转推 @vikhyatk
• Claude代码执行时间盒：Claude是否对其代码执行进行时间盒限制？ @vedhsaka