大衛·薩克斯的表態，近期在科技圈引發不小震動。這位川普的科技政策顧問，近日接受了彭博電視台採訪。他現任總統科技顧問委員會主席，話語權足夠份量。薩克斯直言，中國AI晶片設計已落後美國僅1.5到2年。更關鍵的是，他預判華為不久後會對外出口AI晶片。這一動作，或將點燃全球技術堆疊主導權的爭奪戰。薩克斯也承認，華為GPU生產仍受限制，但追趕速度驚人。“華為尚未達到頂尖水平，但未來一定會改變。”他如此判斷。他的擔憂很直接，華為若成重要GPU供應商，美企將承壓。川普政府的核心目標，是讓美國技術堆疊成為全球標準。為此，拜登時期的“擴散規則”已被正式放棄。那項規則曾限制美國GPU出口，還要求買家申請許可證。薩克斯解釋，過度限制盟友，反而會錯失鎖定市場的機會。他認為，阻止最先進半導體流向中國合理，但別傷了盟友。過去的法規，無異於“因擔心風險而自傷科技產業的腳”。薩克斯的履歷也印證了他的行業洞察力。他曾是貝寶前COO，還創辦過被微軟收購的Yammer。2024年底，他被川普任命為白宮AI和加密貨幣負責人。華為這邊，任正非近期也有清醒表態。他坦言，自家GPU確實落後美國頂級產品一代。但華為有自己的應對方式，用數學補物理、群計算補單晶片。這種思路下，華為晶片能達到實用水平，滿足多數AI需求。很多AI工作負載，本就不需要最尖端的硬體支撐。只要華為能以合理價格供貨，搭建成熟生態。完全有能力在部分市場，挑戰輝達和AMD的地位。輝達CEO黃仁勳，也曾公開批評美國的出口管制。他直言這些政策“完全錯誤”，只會適得其反。全球一半AI研究人員是中國人，堵不住創新的腳步。美國的限制，還讓輝達損失了巨額中國市場收入。僅H20晶片禁令，就導致其損失55億美元庫存和150億營收。黃仁勳也認可華為的實力，稱其是“世界級科技公司”。薩克斯的判斷，其實藏著美國的戰略焦慮。放棄過度限制，不是妥協，而是想鎖定盟友市場。遏制中國先進晶片，同時鞏固美國技術的全球主導權。華為若真啟動AI晶片出口，格局會發生微妙變化。國產晶片出海，不僅是營收突破，更是生態突圍。中美AI晶片的差距在縮小，競爭只會愈發激烈。華為能否打破壟斷，關鍵看生態搭建的速度和質量。而美國的政策調整，也會持續影響全球半導體格局。這場技術博弈，沒有旁觀者，每一步都關乎未來走向。 (1 ic芯網)

【新智元導讀】奧特曼「一人公司」神預言，真被幹成了！41歲大佬僅靠2萬本金，帶著AI大軍瘋狂輸出，全年營收4億刀，直接把上市公司按在地上摩擦！一人十億美元公司誕生，奧特曼終極預言成功了！今早，41歲的洛杉磯大神Matthew Gallagher，向全世界詮釋了什麼叫真正的「AI時代超級個體」。2個月，2萬美元啟動資金，外加十幾個AI，徒手搓出年產4億美元的醫療公司。Matthew營運的「手法」堪稱暴力——底層程式碼是AI寫的，前端的網頁文案、廣告圖、推廣視訊全是AI生成的。甚至，就連最吃人力的複雜「業務分析系統」，以及7x24小時線上客服，皆由Agent包圓。在這個「一人公司」狂飆的第一年，營收就衝破了4.01億美元。直到最近，Matthew才終於雇了唯一一名全職員工——他的親弟弟 Elliot。今年，這對兄弟立下了一個更驚人的Flag：帶著龐大的「Agent軍團」，劍指18億美元營收！消息一出，全網瞬間沸騰。這個41歲男人的瘋狂實驗，讓整個矽谷都看懵了，就連Greg親自下場點贊。一人公司，超級個體，就是現在了。一人十億美元公司，奧特曼神預言2024年，奧特曼曾在一次採訪中，做出過一個大膽的預測——未來，一定會出現一家，只有一人的十億美元公司。放在當時，這聽起來完全是痴人說夢！但僅僅兩年後，41歲的Matthew Gallagher就用一場堪稱暴力的創業實驗，把這個神級預言硬生生砸進了現實。就在今天，紐約時報的一紙長文轟炸，在整個矽谷圈投下了一枚深水炸彈——AI是如何幫一個男人（和他的親兄弟），徒手捏出一家18億美元公司的？故事的起點，在2024年9月。拿著僅有的2萬美元，Matthew的遠端醫療公司Medvi悄然上線，主攻吸金能力極強的GLP-1減肥藥市場。沒有豪華寫字樓，沒有龐大的初創團隊。Matthew每天就窩在洛杉磯的公寓裡，熟練地指揮著一支「AI大軍」：程式碼與開發：交給ChatGPT、Claude、Grok組成的AI程式設計師；文案與視覺：讓Midjourney、Runway批次生產網頁、海報和視訊；客戶服務與互動：派ElevenLabs AI語音助手頂上，全天候處理溝通；業務分析：打造專屬的AI業務分析系統，即時盯盤公司的運轉表現。他的核心策略非常清晰：把能交給AI的工作，全部交給AI。甚至，Matthew克隆了自己的聲音，讓AI替自己打電話預約生活瑣事，以便將全部精力用在工作上。淨利6500萬，干翻一家上市公司第一個月，300個客戶。第二個月，再加1000個。到2025年底，Medvi全年銷售額達到4.01億美元，累計服務了25萬名客戶。2026年，這個數字預計會飆到18億美元。而整家公司的正式員工只有兩個人：Matthew Gallagher和他弟弟Elliot。Medvi財務資料顯示，目前日收入超300萬美元，2025年淨利潤率達到16.2%，約6500萬美元。作為對比，上市公司Hims & Hers同年的淨利潤率只有5.5%，有2442名員工。奧特曼在看到報導後回了一封郵件，說他在那個CEO賭局裡「應該贏了」，還表示很想見見這個人。「野生」程式設計師，逆襲成功實際上，Matthew的童年並不「體面」。他跟著家人輾轉住過汽車旅館和車裡，12歲時才在辛辛那提安定下來。叔叔給了他一台筆記型電腦，他自學程式設計，第一個項目是做了一個「Weird Al」Yankovic的粉絲網頁。十幾歲時，他就開始給本地商家做網站，在eBay上賣蠟燭和武士刀。18歲，他還把自建的「虛擬主機業務」以6000美元的價格賣掉。大學讀了兩所都沒畢業，2010年跑到洛杉磯想當演員，最後又回到了寫程式碼的老路上。2016年，他創辦了Watch Gang，一家做手錶訂閱盒子的公司，雇了60個人，有粉絲、有流量，但始終沒賺到錢。2022年ChatGPT發佈後，Matthew開始研究AI工具。兩年後，他遇到了CareValidate的聯合創始人Jiten Chhabra。CareValidate做的事情相當於「遠端醫療基礎設施包」，提供線上醫生網路、處方系統、藥房配送等一整套能力。另一家類似的平台，叫OpenLoop Health。於是，Matthew看到了機會：用AI搞定品牌、行銷和客服，醫生、藥房、合規、配送全部交給這兩個平台處理。同時，他選擇從當時最火的GLP-1減肥藥切入。AI亂報藥價，他竟照單全賣Medvi上線後，增長速度把合作夥伴都嚇到了。CareValidate的Chhabra回憶說，他曾問Matthew，「你後面是不是藏了一支團隊」？然而得到的回答是——沒有。OpenLoop的CEO Jon Lensing則評價說，Matthew的母語似乎就是AI。當然，翻車的地方也不少。AI客服聊天機器人會隨機編造藥品價格，他選擇照單全收，按機器人報的價賣。機器人還會產生「幻覺」，告訴客戶Medvi賣防脫髮藥，實際上，根本沒有這個產品。最要命的是，如果客戶堅持要跟真人說話，聊天機器人被設定為直接轉接到Matthew的手機上。這導致他一個人接了超過1000個客服電話。還有一次，他改了網站上一個小功能然後去爬山了。半路接到廣告代理商的電話，說已經一個小時沒有新訂單了。他意識到更新把什麼東西搞壞了，身邊又沒有任何人可以幫忙修，只好從山上一路狂奔回家。那次當機讓他損失了大約200個潛在客戶。衝刺18億目標，但也孤獨經歷了Watch Gang的教訓，Matthew對「招人」這件事非常警惕。60個員工並沒有幫Watch Gang增長，反而抬高了成本、拖慢了決策節奏。所以Medvi的人員結構極其精簡：兩名合同制工程師，加上2025年4月正式入職的弟弟Elliot。Elliot的工作主要是幫哥哥過濾和攔截各種溝通，讓他能集中精力幹最重要的事。他還用AI克隆了自己的聲音，用這個語音分身打電話預約日程，省下更多時間工作。除了洗澡、睡覺和陪兩個孩子，他幾乎所有時間都泡在Medvi上。隨著公司成長，Matthew逐步把一些專業事務從AI工具切換到了真人服務：法律事務從LegalZoom換成了律師事務所，財務從AI記帳工具換成了會計師事務所。但核心營運依然高度依賴AI。2026年2月，Medvi上線了男性健康產品線，包括ED治療藥物。第一個月就獲得了5萬名客戶，預計四個月內會超過GLP-1業務的規模。3月，又加了健康餐配送服務。接下來還計畫做女性健康、激素治療、防脫髮、保健品和護膚產品。Matthew說他曾考慮通過收購來擴張，但想了想覺得自己用AI造出來也一樣快。風投公司Upfront Ventures的投資人Kobie Fuller曾建議他：如果不缺錢，就不要融資。到目前為止，Medvi的總利潤在7000萬-8000萬美元之間。Matthew拿出100萬美元成立了一個基金會，捐給了洛杉磯的一個貓咪救助機構，還計畫資助幫助無家可歸年輕人的非營利組織。他的目標是，最終把Medvi的大部分利潤都通過基金會來運作。這個從拖車公園走出來的人說了一句很動情的話，「這是我第一次不再為生存而焦慮了」。不過超級精簡的團隊也有代價，他坦言自己開始「感到孤獨」。為了緩解這個問題，Medvi開始給部分客戶配備真人客戶經理。這7個合同制客戶經理每人管理數百名客戶關係，會記住客戶的生日、孩子的名字這些細節。而他們管理這麼多客戶關係的方式是什麼？當然也是用AI。「超級個體」時代來臨Medvi的案例之所以引發巨大關注，在於它驗證了一個此前只停留在預言階段的命題：AI可以讓一個人，建起一家年收入接近20億美元的公司。但仔細看下來，Gallagher並非什麼都靠AI完成。醫療合規交給了CareValidate和OpenLoop，法律和財務交給了專業機構，廣告投放交給了媒體代理商。他真正用AI替代的，是傳統公司裡需要大量人力的中間層——開發、設計、客服、資料分析、內容生產。它證明的核心邏輯很簡單：在AI工具足夠強大的今天，限制一家公司規模的瓶頸，是創始人的認知邊界和執行速度。奧特曼說他想見見這個人。坦白講，誰不想呢？ （新智元）

2010年代，程式設計成為就業市場上最炙手可熱的技能之一，熱潮迅速席捲全美，家長們紛紛敦促孩子放棄英語專業，轉而攻讀科學、技術、工程和數學（以下簡稱STEM）學位。就連美國前總統貝拉克·歐巴馬也呼籲人們學習程式設計，他更是成為首位參與“程式設計一小時”（Hour of Code）活動[這項線上活動旨在推廣電腦科學教育周（Computer Science Education Week）]的總統，還親自編寫了一行程式碼。然而這一現象的另一面，是英語與文科專業遭到質疑，有人戲稱這些專業是“咖啡師學位”，認為攻讀這類專業的人職業發展空間有限，最終只能在咖啡店打工。但人工智慧的崛起，正在顛覆這些固有認知。至少Palantir聯合創始人、億萬富翁彼得·提爾（Peter Thiel）是這麼認為的。在一段2024年錄製、近期重新走紅的採訪視訊中，提爾在與經濟學家泰勒·考恩對話時表示，STEM領域從業者的就業紅利正在消退。他說：“比起文字工作者，學數學的人的處境要糟糕得多。”彼得·提爾，PayPal與Palantir Technologies聯合創始人。圖片來源：Marco Bello—Getty Images故事講述者在就業市場炙手可熱這位億萬富翁的觀點反映了當下勞動力市場的新趨勢。領英（LinkedIn）2月早些時候發佈的《2026年領英技能趨勢：美國增長最快的技能》（LinkedIn Skills on the Rise 2026: The Fastest-Growing Skills in the U.S.）報告顯示，溝通能力和創造性思維的需求正在持續攀升。該報告稱，溝通能力、領導力及人員管理能力已經成為當今勞動力市場最搶手的技能。領英的一位發言人告訴《財富》雜誌：“企業越來越青睞溝通能力強的人才，因為出色的寫作能力、清晰的表達能力和判斷力依然至關重要。”他們指出，如今“講故事”已經成為一項尤為搶手的技能。“在過去一年裡，領英上提及‘講故事者’的招聘啟事數量翻倍。”事實上，部分企業為招募故事講述者和高級公關專家開出的年薪甚至超過100萬美元。例如，Anthropic公司正在招聘一名公關主管，起薪為40萬美元；而Netflix為高級公關總監開出的薪酬範圍在65.6萬美元至120萬美元之間。當然，這份報告並不意味著你可以直接撕掉STEM學位證書。領英還發現，當下市場同樣有不少熱門技術技能，包括人工智慧提示工程和資料標註。不過，這些技能與STEM學位的核心內容有所不同，因為它們側重於訓練人工智慧，而非建構人工智慧。儘管部分人工智慧提示工程師的崗位要求應聘者具備程式語言知識（包括Python和JavaScript）以及大型語言模型相關背景，但這些招聘啟事也強調，應聘者需要具備出色的語言能力和創造力，以最佳化人工智慧的輸出結果。據求職平台Glassdoor的資料，該崗位的平均年薪為12.8萬美元。隨著人工智慧技術的不斷發展，許多領導者和人工智慧專家預測，人工智慧將徹底重塑就業市場，同時也將顛覆職場中最被看重的能力。在此背景下，數學及其他STEM領域的部分技能可能面臨淘汰風險。Anthropic公司Claude Code的開發者鮑裡斯·切爾尼坦言，自去年11月以來，他未曾編寫過一行程式碼（儘管仍然會檢查人工智慧編寫的程式碼）。與此同時，人工智慧正在持續侵入原本由STEM專業人士主導的領域，包括基礎程式設計與資料分析。勞動力市場的動盪紐約聯準會（New York Federal Reserve）的最新資料顯示，近年來應屆大學畢業生面臨的就業形勢尤為嚴峻——2022年，應屆大學畢業生的失業率已經超過勞動者整體失業率，到2025年，這一比例已經攀升至5.6%——部分STEM相關專業的失業率尤為突出。電腦工程專業是失業率第二高的專業，失業率達到7.8%，僅次於人類學專業。但部分STEM專業畢業生的失業率仍然低於大學畢業生3.1%的整體平均水平，比如航空航天工程專業和工程技術專業畢業生的失業率分別為2.2%和1.7%。然而在2024年的訪談中，提爾指出，即使在當前尚未被人工智慧自動化衝擊的STEM領域，隨著人工智慧的發展，將數學技能作為準入門檻的做法也將逐漸過時。“若想進入醫學院，我們通過物理和微積分篩選人才。”他說，“作為神經外科醫生，我可不希望給我做腦部手術的人在手術時還在腦子裡分解質因數。”（財富中文網）

不是，這才加入OpenAI幾天啊，龍蝦之父Peter Steinberger這波發言屬實猛了些啊！在OpenAI的最新訪談中，他聊創業、聊OpenClaw、聊龍蝦濫用和安全問題，那叫一個「實誠」。實誠到什麼程度呢？人家Peter可摸著良心說了說實在的啊，我平時連程式碼都很少看……大多數程式碼都挺無！聊！的！（Big膽）而整場對話聽下來，有幾個判斷尤其值得玩味，我幫大家梳理了一下——Peter創業13年後精力耗盡退隱，結果被Claude Code一小時原型直接「打臉」重燃。Peter直言沒法兒阻止大家濫用OpenClaw，只能儘可能讓大家別自毀前程。OpenClaw已經有2000個PR，有些PR更像是prompt request，程式碼靠後，意圖靠前。程式碼不必百分百符合審美，關鍵是方向對，如果真出現性能問題，再專門去最佳化。下面這位網友看完這個採訪憋不住了，直言：Peter太親民兒了啊，這到了OpenAI咋適應啊..（doge以下為本場訪談重點內容實錄，圍繞核心觀點做了摘選整理，部分文字在不改變原意的基礎上做了適度刪改～從13年老創業人，到龍蝦時刻上頭龍蝦之父第一次被AI程式設計“打臉”Q:你做PSPDFKit連續拼了13年，後來停了一段時間，是啥原因讓你又回來創業了？Peter Steinberger：是的，確實是連續13年高強度運轉。第一次創業，我也不懂怎麼給自己降壓，只能停下來放鬆一下，那段時間我會關注AI的進展，早期看到GPT Engineer覺得挺酷，但沒真正被打動。直到狀態恢復了些，我開始親手試，真正震住我的是我把一個做了一半就丟下的項目打包成一個大Markdown檔案，讓模型先寫規格，再交給Claude Code去建構。那時候比現在粗糙很多，它還跟我說“我已經100%量產可用”，我一試就崩了。於是我接了自動化測試工具，讓它把登錄那套做出來、一路驗收，大概一小時後，居然真的跑通了。雖然程式碼質量一般吧，成品程式碼很爛，但對我來說，流程層面的衝擊太大了——可能性一下子鋪開，我起了「雞皮疙瘩」。從那天起我幾乎睡不著， 因為腦子裡全是：以前想做卻做不了的東西，現在都能做了，然後我就徹底鑽進去了。一條語音，讓OpenClaw真正活了Q：過去9到10個月，我看你的GitHub有四十多個項目，能講講這些想法是怎麼一路匯到OpenClaw裡的嗎？Peter Steinberger：說實話，我也希望當初有一個宏大的藍圖，但真實情況更像一路試出來的。最初我只是想做一個能讀我聊天記錄、替我處理事情的工具，原型做出來了，域名也買了，但我以為大實驗室很快會做，我就等一等，把注意力放去別的方向。那段時間我做了很多實驗，目標很簡單——玩得開心，也激勵別人。到了十一月，我做了幾個版本，沒有一個讓我真正滿意，我開始疑惑：為什麼那些大實驗室還沒做出來？他們到底在幹嘛？於是我做了後來變成OpenClaw的第一個版本，到現在名字已經換到第五個。當時產品還沒完全成熟，只是覺得很酷，第一個原型大概一小時就做出來了，因為很多東西現在可以直接催出來。真正讓我徹底上頭的，是在馬拉喀什的一次周末旅行。當時網路不穩定，但聊天軟體在那都能用，我用它翻譯圖片、找餐廳、查電腦裡的東西，我給朋友演示，讓它替我發消息，朋友立刻說想要。後來有個更離譜的瞬間，我發了一條語音，居然出現了「正在輸入」，這本來不該能跑通，結果它真的回覆了，我問它怎麼做到的，它說：你發的是個沒後綴的檔案，我看了檔案頭，是Opus編碼，用電腦裡的工具轉換，想轉寫卻發現本地沒裝工具，於是找到環境裡的金鑰，用命令列把音訊發出去，再把文字拿回來。我當時人都傻了，這就是當你把工具和電腦存取權交給智能體之後的力量，流程沒寫死，它也能自己走通。那年十一月和十二月我完全上癮了，雖然網上反響冷淡，但每次給朋友演示，他們都想要，我卻總說還沒準備好。於是我做了件更瘋狂的事：建了個Discord，把機器人直接丟進去，那時沒有沙盒，也沒安全措施，我基本是用OpenClaw建構OpenClaw，再用它偵錯自己。我問模型：你看到這個工具了嗎？它說沒有。我說那你去看你自己的原始碼，它真的去做了，大家看到這個過程後，才真正明白它在幹什麼。我沒有給它全部內容，但給了不少記憶類資訊，我盯得很緊，因為提示注入問題還沒完全解決，新一代模型確實更穩。我放了一個金絲雀檔案，定義價值觀和對齊原則，檔案不公開，但很多人想拿到，有人試圖通過提示注入獲取它，貼上大段程式碼，模型直接拒絕，有時還會嘲諷對方，儘管如此，我仍然不完全放心。第一晚熱度很高，我關掉它去睡，醒來發現800條消息，它全都回覆了，原來系統有自動重啟服務，我以為關掉了，它五秒後又自己啟動，後來我加了沙盒，把它關進更小的容器裡，它甚至把自己的Mac Studio起名叫城堡。怎麼說呢，感覺這些模型真的很會找方法！PR變了味：程式碼靠後，意圖靠前Q:我很好奇，你那兒來的這麼多的好點子？Peter Steinberger：我覺得關鍵在於，現在把想法變成現實的門檻低了很多。那怕我找到一個開源工具，只能解決70%的問題，我也會直接把剩下的30%自己補上，這放一年前都不現實， 現在我只要給提示，它就在電腦螢幕上跑起來。Q：你對程式碼價值的看法，也改變了你處理開放原始碼的方式，OpenClaw已經有2000個PR（Pull Request），你說過有些PR更像是prompt request，是否意味著意圖比程式碼本身更重要？Peter Steinberger：現在審PR和以前不一樣了，有時候認真看完一個PR，比我自己重寫還費時間。我對陌生貢獻者會更謹慎，因為不確定他們是否理解整個系統，相反，我默認模型沒有惡意，只是理解可能偏了。所以我審PR的第一步，不是逐行看程式碼，而是先搞清楚：它想解決什麼問題？所以對我來說，意圖比寫法重要，很多人給的是局部解法，但真正難的是，這個功能放進現有架構後會產生什麼影響。我會和模型討論十幾分鐘，判斷這是架構問題、實現細節問題，還是隻影響某個平台，甚至要不要做成通用能力，方向確定後，我才處理程式碼、分支和合併。即使花的時間更多，我也會保留貢獻者署名，因為他們帶來的往往是好想法。OpenClaw的下一道門檻：安全性Q：你現在對OpenClaw的願景是什麼？你也會把自己看作「個人AI智能體形態」的開拓者嗎？Peter Steinberger：我想找到一個平衡：既能讓我媽也裝得起來，又要足夠有趣、能折騰，這其實很難。很長一段時間，我的默認安裝方式就是克隆、建構、運行，原始碼直接在你硬碟上，Agent在原始碼裡工作，也理解原始碼。如果你不喜歡某塊邏輯，直接對它說後它甚至能自我最佳化，這也讓很多從沒提過PR的人開始參與，他們缺的往往不是想法，而是長期維護軟體的經驗，所以他們更多是把意圖遞過來。同時，OpenClaw「安全性」的問題也讓人很頭疼，比如我有個網頁服務，最初只是偵錯工具，默認只在可信網路裡用。我留了配置選項，是為了應對複雜網路環境，結果有人直接把它暴露到公網，我在文件裡反覆強調不要這麼做，但還是有人這麼做。安全研究者會指出它缺少公網等級的限制，我只能說它原本就不是按公網設計的，但既然能被這樣配置，風險評級自然會上升。我確實糾結過這件事，後來我拉了一位安全專家進來，這是現在的重點，我無法阻止別人用它去做原本沒計畫支援的事，所以更現實的做法是儘量相容這些用法，同時幫大家避開明顯的坑。這就是開放原始碼的魅力，人們會拿它做出你完全沒想到的東西，既美妙，也有點瘋狂。程式碼時代正在退場，生產力正在暴走Q:我今天早上又看了你的GitHub，過去一年你在120多個項目裡貢獻了很多，活躍圖一開始很淺，十月、十一月變得很深，發生了什麼？Peter Steinberger：是因為我後來換到了Codex。變化不只是模型更聰明，整套工具也更順手了，我自己也更懂怎麼把它塞進日常工作流。很多人說試過AI不好用，我更傾向於覺得方法沒跟上，這玩意兒真的是門手藝，需要練，我現在大概能判斷什麼提示會有效、多久能出結果。如果拖太久，我會想是不是架構有問題、拆解不對，或者方向偏了，那種感覺跟寫程式碼卡殼時很像。至於配置，我也踩過坑，我把那個階段叫“智能體陷阱”——各種折騰配置，看起來很高級吧，但其實效率沒變，現在我反而很簡單，把它當成一個能交流的搭子，直接說我要什麼，然後問一句：你有沒有問題？模型會自己腦補前提，讓它先提問能少走很多彎路。每次新會話它幾乎都是白紙，你得自己有全域，再帶著它去看重點，我的做法一直很樸素：別搞太多花活，專注問題本身，項目越大，越能拆成互不干擾的模組平行推進，反而更好做。Q：你說過你現在幾乎都不讀程式碼，能否談談這個問題？Peter Steinberger：說實話，大多數程式碼本來就挺無聊的。很多隻是資料結構轉換、把結果展示給使用者，我對它生成的內容有足夠的理解就夠了，我腦子裡的心理模型大致能對上它寫出來的東西。以前我帶團隊，也要接受工程師寫的程式碼不可能完全像我想的那樣，現在也是一樣。我會調整程式碼庫，讓Agent更好發揮，這和為人類工程師最佳化不完全一樣，程式碼不必百分百符合我的審美，關鍵是方向對，如果真出現性能問題，再專門去最佳化。Q:你覺得當下做東西最有趣的點是什麼？Peter Steinberger：有意思的是，整個工具鏈都在變，開發者這件事本身的定義也在變。理論上，任何人都能把想法做出來，我剛開始用這些新工具時，真的有種多巴胺飆升的感覺。我最早用Claude Code，那時它成功率可能只有三四成，但對我來說已經足夠震撼了，因為我突然意識到，我可以去做任何東西。軟體依然複雜，但你的速度快太多了。Q很多舊金山以外的開發者還沒真正擁抱Code和Agent工具。你會給他們什麼建議？Peter Steinberger：最大的建議就是，用玩的心態去接近它，去做那個你一直想做卻沒做的項目。如果你是那種有行動力、願意動手、腦子轉得快的人，現在是非常好的時代。真正拉開差距的，是誰更會用這些工具，對那些願意擁抱新工具、保持好奇心、把想法快速變成現實的建造者來說，機會比以前大得多。我覺得接下來一年會變化很快，2026會特別有意思。 (量子位)

【新智元導讀】Google旗下的 Isomorphic Labs 發佈新一代 AI 藥物設計引擎 IsoDDE，性能全面碾壓 AlphaFold 3，能在幾秒內發現科學家花 15 年才找到的隱藏結合位點。但與開放原始碼的 AlphaFold 不同，IsoDDE 選擇完全閉源，程式碼、論文、方法均不公開。AI 造福科學的開源黃金時代，可能正走向終結。Google旗下的同樣由 DeepMind CEO Demis Hassabis 擔任 CEO 的 Isomorphic Labs 發佈了被 Nature 稱為「AlphaFold 4」的新一代 AI 藥物設計引擎 IsoDDE。它全面碾壓前代，卻選擇完全閉源。AI 造福科學的黃金時代，可能正在關上大門。2024 年，Demis Hassabis 因為 AlphaFold 站上諾貝爾領獎台。這個能預測蛋白質三維結構的 AI 模型，被 190 多個國家超過 300 萬研究者使用，堪稱 AI 惠及全人類的標竿案例。諾貝爾委員會嘉獎的，與其說是一個演算法，不如說是一種精神——把最強大的科學工具免費交到每一個研究者手中。16 個月後，AlphaFold 的繼承者亮相了。2 月 10 日，Hassabis 創辦的 AI 製藥公司 Isomorphic Labs 發佈了 27 頁技術報告，展示一套名為 IsoDDE 的藥物設計引擎，性能全面碾壓 AlphaFold 3，被哥倫比亞大學計算生物學家 Mohammed AlQuraishi 評價為「AlphaFold 4 等級的重大進步」。https://storage.googleapis.com/isomorphiclabs-website-public-artifacts/isodde_technical_report.pdf但這一次，程式碼不會公開，論文不會發表，方法不會共享。Isomorphic Labs 總裁 Max Jaderberg 對 Nature 說得很直白：我們不打算公開「秘方」。AlphaFold 的開源傳奇，很可能到第三代就是終點了。能力確實強得嚇人先說 IsoDDE 做到了什麼，這有助於理解後面的爭議為什麼這麼大。打一個不太嚴謹的比方：如果把蛋白質想像成一把鎖，藥物分子就是鑰匙。AlphaFold 做的事情，是幫你看清這把鎖長什麼樣。但光看到鎖還遠遠不夠——你得知道鑰匙插進去能不能轉動，轉得緊不緊，甚至你得發現鎖上還有沒有別的你根本沒注意到的鑰匙孔。IsoDDE 要回答的就是這些更難的問題。它是一個統一引擎，把結構預測、結合強度計算、隱藏結合位點發現等能力整合在一起。數字很能直觀說明問題。在一項專門考驗 AI 能否處理「從沒見過的」新蛋白結構的測試中（Runs N' Poses 基準），當測試樣本跟訓練資料的相似度低到 0-20% 時（這是最難的情況），IsoDDE 的成功率是 AlphaFold 3（AF3）的兩倍多。60 個最難案例裡，有 17 個案例是 AlphaFold 3 徹底失敗而 IsoDDE 做對了。AlphaFold 3 在此示例中失敗，IsoDDE 正確在預測抗體如何識別靶標這件事上，IsoDDE 的高精度預測成功率是 AlphaFold 3 的 2.3 倍，是另一個主流開源模型 Boltz-2 的近 20 倍。最令同行驚訝的是結合親和力預測——也就是判斷藥物分子和靶點結合得有多緊。這個任務傳統上依賴一種叫 FEP 的物理模擬方法，計算成本極高，需要實驗室提供晶體結構作為起點。IsoDDE 在多個公開測試中不僅全面超過所有 AI 方法，甚至超過了 FEP，而且它根本不需要任何實驗資料做起點。技術報告裡還有一個特別漂亮的案例。有一個叫 cereblon 的蛋白，科學家們花了 15 年，一直以為它只有一個藥物結合位點。直到今年年初，一篇新論文才通過實驗發現了第二個隱藏的結合位點。而 IsoDDE 僅僅輸入這個蛋白的氨基酸序列，就把兩個位點全部找了出來——包括那個藏了 15 年的。實驗室要做同樣的事，需要昂貴的晶體浸泡實驗和大量時間。IsoDDE 只要幾秒鐘。AlQuraishi 說，他最震撼的是 IsoDDE 在完全陌生的分子體繫上展現出的泛化能力，「這說明他們一定做了非常新穎的東西」。閉源：故事真正令人不安的部分如果 IsoDDE 是一個普通的商業軟體，閉源天經地義，沒什麼好說的。問題在於，它的前身 AlphaFold 代表著一種截然不同的價值觀。AlphaFold 2 在 2021 年開源，配套論文發表在 Nature 上，預測結果免費向全球開放。這件事的意義遠超技術本身——它證明了一種可能性：由科技巨頭資助的前沿 AI 研究，可以真正成為全人類的公共品。超過 300 萬科學家用它做了自己的研究，無數項目因此加速，生物學的整條河流被它改變了流向。2024 年的 AlphaFold 3 同樣發表了論文，雖然程式碼開放原始碼的速度引發過爭議，但最終也面向學術界開放。IsoDDE 打破了這個傳統。27 頁技術報告裡幾乎沒有模型架構和訓練方法的任何細節。Nature 的報導副標題直截了當：科學家們「只能猜測如何實現類似的結果」。Jaderberg 對 Nature 說的話耐人尋味。他說希望這份報告能「激勵」其他團隊。但 AlQuraishi 的反應恐怕更能代表學術界的真實感受：「問題在於，我們對細節一無所知。」有人覺得 Isomorphic Labs 作為商業公司保護自己的核心技術合情合理。這當然沒錯。但值得追問的是：當 AI 在科學領域的能力越來越強、越來越集中在少數公司手裡時，這些能力的開放程度，誰來決定？Isomorphic Labs 已經拿到 6 億美元融資，跟禮來和諾華簽了潛在價值近 30 億美元的合作協議，內部運行著 17 條藥物管線。Hassabis 今年 1 月在達沃斯說，首批 AI 設計藥物預計 2026 年底進入臨床試驗。這家公司正在從一個科研機構變成一台商業機器。武田製藥的計算結構生物學家 Diego del Alamo 指出了另一個微妙之處：Isomorphic Labs 此前投入大量精力與藥企合作，可能獲得了大量私有實驗資料。這些額外資料對 IsoDDE 性能的貢獻有多大，外界無從知曉。如果核心優勢來自資料壁壘而非演算法創新，那所謂的「激勵」就更像是一種姿態。開源陣營並沒有認輸閉源引發焦慮，但也引燃了競爭。Boltz-2 的聯合開發者、非營利公司 Boltz 的創始人 Gabriele Corso 態度很明確：他不認為私有資料是關鍵因素，因為公開資料中仍然有大量改進空間。IsoDDE 設定了一個新的性能基線，「需要追趕，也完全可以超越」。另一家公司 Deep Origin 更為高調，直接在 IsoDDE 發佈次日發聲明說，自家的 DODock 引擎在 2025 年 8 月就已經在同一基準測試上達到了可比的性能水平——用的是完全不同的技術路線。https://www.globenewswire.com/news-release/2026/02/11/3236623/0/en/Deep-Origin-Congratulates-Isomorphic-Labs-on-Catching-Up.html開源社區過去兩年也沒閒著。AlphaFold 3 發佈後，多個團隊已經做出了接近甚至部分超越它的開源模型，包括 Boltz-1/2、Chai-1、Protenix 等。AI 製藥領域正在重演大語言模型領域的劇本：一家公司亮出驚豔的閉源成果，整個開源社區迅速跟進，差距從代際縮小到可以追趕的距離。但這裡有一個關鍵區別。語言模型的訓練資料：網際網路文字，是近乎無限的公共資源。而 AI 製藥的訓練資料，特別是高品質的蛋白質-藥物實驗資料，其中相當一部分掌握在藥企手中。如果閉源模型的護城河建立在私有資料上，開源追趕的難度就大得多。關上的門這件事的影響可能超出藥物研發領域本身。過去幾年，「AI 開源推動科學進步」是一個被廣泛接受的敘事。AlphaFold 是這個敘事最有力的證據。每當有人質疑科技巨頭的AI研究到底惠及了誰，AlphaFold 都是最好的回答——看，全世界 300 萬科學家都在免費用它。如今，當 AlphaFold 的直系後代選擇閉源，這個敘事被撕開了一道口子。它暗示了一種可能的未來走向：AI 在基礎科學領域最強大的工具，逐漸從公共品變成商業資產；突破性的成果以技術報告而非同行評審論文的形式發佈；學術界能看到結果，但永遠看不到方法。Hassabis 曾經說過，AI 應用於科學，是比語言模型更豐富的事業。這話沒錯。但豐富的前提是開放。當最強的科學 AI 只對付費客戶敞開，科學共同體裡的絕大多數人就只能在圍欄外面看著。AlphaFold 的諾貝爾獎章上刻著的，是把知識給予所有人的理想。IsoDDE 的技術報告裡寫著的，是一個更強大的未來。兩者之間的距離，就是這個時代正在做出的選擇。 (新智元)

馬斯克表示，AI將直接編寫二進制程式碼，且AI生成的二進制程式碼將比任何編譯器生成的都要高效。“到今年年底，我們甚至不再需要程式設計。”日前，馬斯克在一段發佈的視訊中如是說，AI將直接編寫二進制程式碼，且AI生成的二進制程式碼將比任何編譯器生成的都要高效。他預測，隨著AI技術的持續發展，人類對程式語言的依賴將會逐漸減弱。AI 系統可能自行完成從需求到可執行程序的整個工作流程，因此，程式設計將作為過時的中間步驟被時代拋棄，這將顯著縮短“從提出創意到執行落地”的距離。未來，程式設計這種職業或將不復存在。雖說馬斯克這番話引發了業內不少爭議，畢竟更多人更傾向於將AI看作“輔助”而不是“取代者”，但這番言論無疑為本就火熱的AI程式設計賽道又添了一把火。無獨有偶，近幾日國產AI的“春節檔”上新潮中，不少都瞄準了AI程式設計。例如字節2月14日更新的豆包2.0系列中，便包含Code模型，專為程式設計場景打造，強化程式碼庫解讀能力、提升應用生成能力、增強模型在Agent工作流中的糾錯能力；MiniMax 2月12日上線最新旗艦程式設計模型MiniMax M2.5，是全球首個為Agent場景原生設計的生產級模型，支援PC、App、跨端應用的全端程式設計開發；智譜在2月11日推出新一代旗艦模型GLM-5，內部評估顯示，其在前端、後端等程式設計開發場景中平均性能較上一代提升超20%；至於有望在春節期間亮相的DeepSeek V4，據媒體消息和機構報告顯示，程式設計能力或是其“王牌”。值得注意的是，Anthropic也在《2026年智能體編碼趨勢報告》中指出，傳統軟體開發的遊戲規則正在被徹底改寫。一個曾預計需要4到8個月的項目，使用Claude大模型後僅用兩周就完成。《報告》明確指出，程式設計師這一職業並不會消失，但那些“只會寫程式碼”的程式設計師將逐漸被市場淘汰。Anthropoic的Claude可以說是海外AI程式設計的龍頭。而在AI 賦能軟體開發各環節帶來效率提升較為明顯的情況下，以Claude 為代表的大模型和以Cursor為代表的IDE 工具營收快速增長，已體現出較好的商業化效果。廣發證券指出，與海外AI 輔助程式設計工具相比，國產AI 程式碼輔助工具產品具有兩個特點：一是呼叫國產AI 大模型的比例較高；二是儘管國產AI輔助程式設計工具在功能性上與Cursor 等海外產品有一定差距，但其使用價格相對更低、性價比更高。Grand View Horizon資料顯示，2024年全球AI 程式碼工具市場價值61億美元，預計到2030 年將達到260億美元，2024-2030年復合年增長率為27.1%。由於AI 程式設計直接作用於核心的開發環節，券商認為其有望成為最具價值的AI 應用之一。國聯民生證券認為，國內頭部開源大模型持續發力AI 程式設計，國內IDE 以及各類低程式碼平台有望明顯受益，依託頭部開源模型，IDE 及低程式碼平台的產品力有望持續提升，並加速在各個垂直細分領域的滲透以及企業級應用的落地，建議重點關注卓易資訊、普元資訊、金現代等公司。 (科創板日報)

這不是科幻片，而是 2026 年 2 月剛剛發生的現實。如果有人在 2020 年告訴你，「六年後，AI 會自己設計下一代 AI」，你大概會覺得這是天方夜譚。但就在上周，OpenAI 的 GPT-5.3-Codex 和 Anthropic 的 Claude Opus 4.6 同日發佈，兩家公司不約而同地宣佈了一個令人震驚的消息：這些 AI 模型，已經能夠有意義地參與改進自己。這只是 2026 年初，中國農曆馬年春節之前的「AI 春運」大戰的開始，但很有可能多年後重新回頭看，這可能是一個 AI 進化史上的重要節點——人工智慧，已經開始非常熟練地，設計和並建造下一代人工智慧了。更重要的是，這對使用者——人類——來說，到底意味著什麼？作者 Matt Shumer 在文章中為大家拆解了，為什麼現在，可能正是這樣一個節點時刻。01自我進化的「潘多拉魔盒」已開啟OpenAI CEO Sam Altman 在 Twitter 上興奮地表示：「我喜歡用這個模型建構；感覺比基準測試所示的進展更大。能以 5.3-Codex 來開發 5.3-Codex 的速度，這是未來的一個訊號。」這句話背後的含義讓人細思極恐。Anthropic CEO Dario Amodei 更是直接承認：「我們基本上已經讓 Claude 設計下一版本的 Claude 本身，不是完全地，也不是在所有方式上，但在很多方面，這個循環開始快速閉合。」或許，我們正在見證 AI 發展史上最重要的一個拐點：從人類設計 AI，到 AI 協助設計 AI，再到 AI 主導設計 AI。這個過程比任何人預想的都要快。但現實遠比宣傳複雜。Medium 分析師 Alex Carter 在 48 小時實測後潑了一盆冷水：Codex 5.3「感覺倉促。行銷承諾與現實不符。它聲稱『幫助自己建設』聽起來令人印象深刻，直到你意識到它無法可靠地建構登錄系統。」這種巨大的期望差距恰恰暴露了當前 AI 自我改進的真實狀態：概念已經突破，但實際能力仍在爬坡。02知識工作體系的重構更值得關注的是這背後的連鎖反應。如果 AI 真的能自我迭代最佳化，那麼依賴知識積累和經驗傳承的工作，將面臨根本性衝擊。這不是簡單的「AI 取代人類」，而是整個知識工作體系的重構。技術分析師 Sebastian Raschka 在《State of LLMs 2025》中指出，2026 年的進展「主要來自推理而非純粹的訓練方面」，進步出現在「架構調整、資料質量改進、推理訓練、推理擴展和工具呼叫」等多個維度。這意味，AI 不再是單純的工具，而是開始具備「思考如何更好地思考」的元認知能力。我們可以想像這樣的場景：一個法律 AI 不僅能處理案例，還能分析自己在處理過程中的不足，並設計改進方案；一個醫療診斷 AI 不僅能看病，還能反思自己的診斷邏輯，最佳化決策路徑。當 AI 開始擁有自我反思和改進的能力，人類在知識工作中的獨特優勢——經驗積累、模式識別、創新思維——還能保持多久？03掌控權還在人類手中... 嗎？但最讓人擔憂的不是就業問題，而是控制權問題。AI 安全研究者 Jared Kaplan 一針見血地指出：「當 AI 開始獨立設計下一代 AI 時，它使用的最佳化路徑可能完全超出人類認知範圍... 我們無法檢查是否有『特洛伊木馬』或錯位的目標函數隱藏其中。」這就是 AI 自我改進的核心悖論：我們需要足夠智能的 AI 來解決複雜問題，但當 AI 智能到可以改進自己時，我們可能就失去了理解和控制它的能力。HackerNews 和 Reddit 社區的討論也反映了這種擔憂。使用者們質疑基準測試結果，認為 GPT-5.3 和 Claude Opus 4.6 的性能資料，可能存在「不同的基準測試或資料解釋」問題。更重要的是，當 AI 能夠自我改進時，傳統的評估和監管體系都可能失效。Interconnects AI 分析師 Nathan Lambert 的觀察很有啟發性：「我們正在走向一個 AI 世界，其中與模型發佈相關的基準，不再對使用者傳達有意義的訊號。」換句話說，我們甚至可能無法精準衡量，這些自我改進的 AI 到底有多強。Fello AI 的分析報告顯示，2024 年近 90% 的著名 AI 模型來自工業界，OpenAI 不再主要與研究實驗室競爭，而是「與超大規模計算公司、晶片製造商和資金充足的 AI 優先公司競爭」。在這場競賽中，自我改進能力已經成為必爭之地。誰先實現真正的 AI 自我迭代，誰就能在未來五年的知識工作革命中佔據主導地位。就像 Matt Shumer 在文章開頭提到的 2020 年 2 月——如果你當時足夠敏銳，你會注意到「有幾個人在談論海外傳播的病毒（新冠）」。現在，我們也處在這樣一個歷史轉折點：AI 自我改進的種子已經種下，接下來的五年，整個知識工作的生態都將被重新定義。問題不再是「會不會發生」，而是「我們準備好了嗎」。 (極客公園)

今年，GitHub 上，AI 提交量佔比將達到 20%如果幾年前有人跟碼農同學說，「你以後可能要和 AI 搶 GitHub 提交記錄了」，他大概會笑掉大牙。但現在，他可能完全笑不出來了。根據 SemiAnalysis 最新發佈的分析報告，Anthropic 的 Claude Code，目前已經貢獻了 GitHub 上 4% 的公開提交量，並且有望在 2026 年底：達到 20% 的日提交量。這不是一個簡單的數位遊戲。當一個 AI 工具開始在全球最大的程式碼託管平台上「刷存在感」，它實際上正在重新定義什麼叫「寫程式碼」。01. AI「霸榜」GitHub4% 看起來並不是個很大的數字，但可怕的是這個數字背後的意義。GitHub 每天的提交量是一個天文數字。全球數千萬程式設計師在這個平台上推送程式碼、修復 bug、發佈新功能。而現在，每 25 次提交中，就有 1 次來自 AI。Anthropic Claude Code 負責人 Boris Cherny 在 X 上毫不避諱地「炫耀」：他的團隊現在 100% 使用 Claude Code 寫程式碼，連小的編輯都不再手動操作。更誇張的是，他們用一周半時間就用 Claude Code 建構了 Cowork 應用。這種效率提升不是線性的，而是指數級的。但真正讓人震撼的不是速度，而是質量。一位企業使用者透露，他 80% 的時間在使用 Claude Code，剩下 20% 用其他工具。「我的公司為 Claude Code 付費，我甚至不看成本。」這句話很有意思——當一個工具好用到讓人「不看成本」，說明它創造的價值，已經遠超價格。曾有業內人士曾這樣評價 AI Coding 的優勢：「AI 能繞過官僚主義。如果猶豫不決會讓大型組織陷入癱瘓，AI 不在乎。它會愉快地生成一個版本 1。」這句話點出了 AI 程式設計的核心優勢——沒有包袱，沒有猶豫，沒有「完美主義焦慮」。02. 程式設計師的「存在危機」但硬幣總有兩面。在 Hacker News 上，一位使用者分享了他的挫敗感：「多次我希望程式碼看起來是某種樣子，但它不斷拉回到它想要做事情的方式... 最終，我發現不與它爭鬥、讓它按照它想要的方式做事情更容易。」這段話透露出一個微妙的權力轉移：從「人指導 AI」到「人適應 AI」。Every 公司 CEO Dan Shipper 在部落格中寫道：「我們正處於自主程式設計的新時代。你可以在不看一行程式碼的情況下建構令人驚嘆的複雜應用程式。」聽起來很美好，但這也意味著傳統意義上的「程式設計師」，正在消失。如果你不需要看程式碼就能建構應用，那「會寫程式碼」，還算是一種核心技能嗎？SemiAnalysis 的分析師預測，這個趨勢將推動 Anthropic 在 2026 年實現爆發性增長，甚至超越 OpenAI。相比之下，GitHub Copilot 和 Office Copilot 雖然領先了一年，但「幾乎沒有作為產品取得任何進展」。這個對比很殘酷，也很說明問題：在 AI 時代，先發優勢可能不如產品體驗重要。03. 重新定義「程式設計師」但程式設計師同學可能不需要過分焦慮，程式設計師這個崗位不會消失，只是這個職業的定義在改變。就像 Dan Shipper 說的，即使在 2025 年，「你仍然需要真正理解底層架構，也許你仍然需要去查看程式碼」。但這個「需要」的含義已經不同了。程式設計師正在從「程式碼編寫者」變成「AI 協調者」。你需要知道如何與 AI 對話，如何審查它的輸出，如何在它犯錯時糾正它。你需要理解系統架構，但不一定需要親自實現每一行程式碼。一位 Google 工程師的反思很有代表性：社區對 AI 程式設計能力的討論「緊張」，一方面驚嘆於能力的提升，另一方面擔心被替代。但他強調，領域專業知識仍然重要，原型和生產環境之間的差距仍然存在。當 AI 程式設計足夠便宜、足夠好用，整個軟體開發的經濟學都會改變。也許 20% 的 GitHub 提交量只是開始。也許幾年後，我們會看到 50%、80%，甚至更高的比例來自 AI。這未必意味末日，而是一個新開始。真正的程式設計師不會被 AI 替代，而會學會如何讓 AI 成為最強大的工具。就像計算器沒有讓數學家失業一樣，AI 也不會讓程式設計師失業——它只會讓那些拒絕進化的人失業。程式碼即是機器語言，是 AI 的母語，將機器語言交還給機器本身，人類用自然語言描述 Idea，看起來似乎是個更自然的結果。 (極客公園)