AI構建者摘要

OpenAI 算力負責人：真正的風險是建得不夠，不是建過頭

負責 OpenAI 工業算力的 Sachin Katti 直接否掉了產能過剩這套說法：「今天的需求遠遠超過算力供給。所以我們能接進來多少，就立刻消耗掉多少。」每一次公司以為算力夠了、於是鬆一口氣，事後都後悔。他真正擔心的恰恰相反：燃氣輪機、變壓器和持證電工這些實體供應鏈，根本跟不上所需要的節奏。今年 OpenAI 的算力支出大約 500 億美元，整個行業則接近 7000 億美元。他確認收入幾乎和算力一一對應地增長，算力翻三倍，收入也翻三倍；即便是所謂的訓練負載，如今也以推理為主，因為合成資料生成和 post-training 本質上都是推理；OpenAI 自研的 Jalapeño 晶片從設計到流片只用了九個月，最佳化目標是每瓦 token 數，因為電力才是真正的硬約束。值得注意的是，OpenAI 在自己的這些資料中心裡是租戶而不是業主，融資壓力落在 Microsoft、Oracle、Google、Amazon 等公司身上。他最驚人的一句話是：「AI 來設計訓練和執行下一代 AI 所需要的系統，這樣的遞迴離我們並不遠」，晶片也在其中。

• #hardware
• #agents

Altman：在手機上發一條 prompt，行程、網站和預訂全辦完了

Altman 說他從手機上發了一條 prompt，讓 ChatGPT 翻自己的聊天記錄，找九個人一起過長週末的點子，把最好的三個方案做出規劃，再搭一個全棧網站讓這群人協調、決定，然後完成預訂，並在他的 Gmail 裡起草好通知郵件。他的結論是：「它……就這麼跑通了。」他認為「work」這個名字低估了這個功能實際能做的事。另外他還放話，想為此造一種新形態的電腦。

• #agents
• #products

Levie：模型越強，越需要應用層，而不是越不需要

純粹的智慧不會自動改造企業流程，因為價值只有在模型接上真實反饋閉環之後才出現：接通企業系統、拿到對的資料、讓人在每一步都能做判斷的 UX、能讓資料隨時間變好的工作流，以及合規。銀行的客戶開戶和法務團隊的合同審查完全是兩套東西，所以生命科學、金融服務、法律、製造業各自都需要通用大廠不會完全覆蓋的縱深。他的反共識判斷在趨勢方向上：模型越好，你敢自動化的工作流就越有野心，對應用層的需求因此是變多而不是變少。這裡的大部分機會，會落到那些在單一行業裡深扎的獨立公司手上。

• #agents
• #products

Rauch 用 scriptc 把 Vercel CLI 編譯成了 1.28mb 的原生二進位制

用 TypeScript 寫的 Vercel CLI 現在可以編譯成完全靜態的原生二進位制，裡面既沒有內嵌 V8 也沒有 QuickJS：體積 1.28mb，啟動開銷平均 1.5ms，編譯耗時平均 2.94s，用到了 node:https、node:fs、node:path、node:os 和 node:crypto，部署也完全正常。轉譯出來的程式碼仍然是可讀性很高的 TypeScript，而這次轉譯本身是 GLM 5.2 Fast 完成的。另外，Vercel 聯署了 Open Weights and American AI Leadership 公開信，Rauch 把 open weights 說成是繼開源、資料、協議和研究之後，合乎邏輯的下一個前沿。

• #open-source
• #products

Meta AI 總監：說 AI 沒做出實際產品成果，是拿第一階段當結論

「AI 還沒帶來真正產品影響」這種抱怨，誤判了我們所處的位置。眼下手握現成分發渠道的公司，正在用 AI 快速擴張到相鄰的問題上，做出以前需要堆一大坨定製軟體才能做的東西（他舉的例子是虛擬試衣），結果是這些收益被吸收進既有產品裡，在生態層面看不見。打法本身還在摸索中。第二階段會帶來全新的功能和創新，到那時 AI 對整個軟體生態形態的影響會變得無可否認。

• #products
• #agents

Masad 轉發觀點：攻擊者更愛用被補貼的大廠訂閱，而不是開源權重模型

Amjad Masad 轉出了一份來自 Anthropic 前員工的報告，觀點是：真正在跑攻擊的駭客，用的是被大幅補貼的前沿實驗室訂閱，而不是 open weight 模型。這個說法戳的是「開源模型才是主要濫用入口」這套常見敘事，把矛頭指向了成本更低的那塊攻擊面，也就是被補貼的前沿模型訪問權。

• #security
• #open-source

出了 AI 圈，大家最擔心的是資料信任，不是 token 額度

Peter Yang 跟一些沒有他所說的「AI psychosis」的加拿大人聊過之後發現，頭號顧慮根本不是 token 不夠用，而是自己到底信不信得過 ChatGPT，敢不敢把 Gmail、Calendar、Google Workspace 和 Microsoft Office 連上去。對任何想給大眾使用者做 agent 產品的人來說，這是一次有用的糾偏：卡住使用者的是許可權和信任，不是能力或額度。

• #agents
• #products

別再用燒掉多少 token 衡量 AI 採用度，要看從需求到上線的時間

Zara Zhang 認為，衡量採用度的正確指標，是從使用者需求出現到那件事真正上線之間的時間，而不是消耗量。她對「為什麼 AI 教程滿天飛」也有一個很準的判斷：chat 產品越通用就越難用，因為人面對一個空白輸入框、又不知道該要什麼的時候，會直接卡住。通用性是可用性問題，不是賣點。

• #products
• #evals

在 OpenAI 內部，ChatGPT work 已經每人每天處理 20 件事

跟運營商砍網費、清掉亂七八糟的訂閱、把想買的東西找到最划算的那個渠道，這些在手機上都只隔著一條 prompt。Sottiaux 說它每天替他處理至少 20 件事，而且還在不斷給他驚喜。他還提到，現在的 OpenAI 是他見過最專注、最有勁頭的狀態。

• #agents
• #products

Dan Shipper 正在寫 Codex 是怎麼誕生的權威內部史

他這周停下手頭的事專門去做這件事，透過深訪 OpenAI 內部人士把來龍去脈挖出來，幾周後發在 Every 上，過程中會陸續放出一些線索和心得。

• #products