AI智识录

近期，谷歌云 AI 总监 Addy Osmani 提出"循环工程"（Loop Engineering）概念，引发AI圈的广泛关注。

传统的提示词工程要求用户精雕细琢指令来驱动 AI，而循环工程的核心主张是：人类不再直接编写提示词，转而设计一套能够自我运转的循环系统。系统自动分解任务、隔离工作环境、调用外部工具，并由独立的校验智能体交叉验证结果，形成"目标设定—自动执行—自我纠偏"的闭环。OpenClaw 作者 Peter Steinberger 与 Anthropic Claude Code的 Boris Cherny 等业界核心人物均已公开表示，自身工作重心已从写提示词转向设计循环流程。

从结构上看，循环工程由五大组件支撑：自动化负责定时触发与任务分拣；工作树确保并行作业互不干扰；技能沉淀可复用的知识与经验；插件与连接器赋予 AI 操作真实世界工具的能力；子智能体则实现"制造者—校验者"的角色分离。此外，外部化记忆机制贯穿始终，解决大模型上下文遗忘的固有问题。

然而 Osmani 也明确指出三大不可让渡的风险：最终验证责任始终归于人类；高速自动化将导致"理解债务"累积，使人逐渐丧失对系统底层的认知；更危险的是"认知缴械"——用户若长期被动接受输出，可能彻底放弃独立判断。

循环工程真正改变的是人与 AI 协作的杠杆支点：它放大了产出效率，却对使用者的工程素养与认知警觉提出了更高要求。这不是让工作变简单，而是让工作变深刻。

陆奇博士5 月底于清华大学讲述题为《Researcher Founder 研究型创业者：从 -1 到 1》 的公开课。以下为主要内容：

一、 时代呼唤“研究型创业者” 随着 AI、算力与数据深层次融入生产过程，全球迎来了生产力结构的重组。传统的“开发者”正向“研究者”演变，研究本身正在成为一种直接的生产力。在这个大背景下，研究型创业者（Researcher Founder）走向时代前台。新时代的创业不再仅仅是将成熟技术打包售卖，而是兼具科学家的研究力与企业家的行动力，把前沿探索中的“不可能（-1）”推进到“可能（0）”，并最终转化为解决真实需求的“商业价值（1）”。

二、 产业拐点与新兴巨头的涌现 技术到商业的跳跃距离被极度压缩，研究型驱动的公司正以前所未有的速度成为新巨头。例如，研究驱动的 Anthropic 在 2026 年实现了数十倍的收入倍增，估值冲击万亿美元；OpenAI 与 SpaceX 也都是该范式的典型代表。同时，被定义为 “NeoLab（新实验室）” 的前沿组织成批涌现，像 Thinking Machines Lab 等初创机构不仅聚焦最底层的核心难题，也能在短期内斩获数十上百亿的估值。在中国，智谱AI、月之暗面以及奇绩系的多家企业也正在这条新赛道上构建从技术端到业务端的闭环。

三、 跃迁必备的三大核心思维 为实现从研究到价值的跃迁，陆奇为创业者提炼了三种关键思维：

1. 研究思维： 拒绝追逐短期狂热现象，致力于寻找“高水位、影响空间长”的核心问题，追求技术突破带来的长期“影响力积分”。

2. 创新思维： 实现从“书斋（Book Smart）”走向“街头（Street Smart）”的转变。创新的本质是用更好的方法满足真实需求，做到研创一体。

3. 斜率思维： 面对呈指数级演进的AI时代，创业者个人的认知、执行力与判断品味需要保持极高增速的迭代，以确保自己始终走在曲线更陡峭的“高斜率”上。

四、 实践建议与未来机遇 陆奇给出了极具操作性行动指令：研究者要“到河对面去”，深入真实的场景中驻场开发；要“到墙外面去”，勇于在真实的商业博弈中实践检验。展望未来， 智能体（Agentic AI）、具身智能（Physical AI）、AI for Science以及由新技术推动的“新全球化”将是下一代爆发点。

这段分享来自 Anthropic Claude Code 团队的核心工程师 Thariq Shihipar。作为一直在大模型研发和应用一线的极客，他也是业界颇具影响力的“AI 原生工作流”（例如用 HTML 替代 Markdown 规划项目）的积极倡导者。

在这里，他结合 Anthropic 最新推出的 Claude Fable 5 模型，分享了自己工作模式的巨大改变：从过度“防备与监督” AI，转向设定目标并将其视作高度自主的“思考伙伴”。如果你正在探索如何更好地驾驭新一代 AI 编程 Agent，这份来自原厂工程师的第一手经验绝对值得一听。

原视频链接：https://x.com/rohanpaul_ai/status/2064419972827562072

Anthropic 在上市交表前夕扔出了一张重磅底牌——Claude Fable 5 和 Claude Mythos 5。时机选在资本市场即将对这家 AI 明星公司定价的关键节点，内容则是一手秀肌肉、一手亮底线。

先说肌肉。Fable 5 是 Anthropic 首次将 Mythos 级模型——比此前最强的 Opus 系列还高一档——装上安全防护后直接面向所有人开放。它在几乎所有的 AI 能力基准上达到顶尖：Stripe 测试中，一天完成了五千万行代码的全局迁移，相当于一整支团队两个多月的工作量；金融分析、图表解读、问题推理全面领先竞品；甚至纯靠看游戏截图，不加任何辅助工具，就把《宝可梦 火红》从头打到通关。Mythos 5 则在科研领域展现出令人咋舌的能力——自主完成药物设计关键环节，效率是人类的十倍；独创的分子生物学假说在盲测中八成胜出，其中一条还被独立实验室的研究所佐证。

再说明牌。能力越强，责任越重。Anthropic 给 Fable 5 装了一套“安检系统”，涉及网络安全、生物化学、模型蒸馏的敏感请求会自动切换到次强模型处理。这套防护经历了上千小时的红队攻击测试，至今未被破解。Mythos 5 则只开放给经过严格审核的网络安全防御者和部分生物医学研究人员。

这场发布的核心叙事很清晰：Anthropic 想告诉投资者和公众，他们不只是造了一把最锋利的刀，更知道什么时候该把刀交给谁。在 AI 公司普遍被追问“你到底是不是负责任的玩家”的当下，Fable 5 和 Mythos 5 的联合发布，既是一份技术答卷，也是一份安全承诺书。

信息源来自Anthropic官方技术说明：https://www.anthropic.com/news/claude-fable-5-mythos-5

即将上市交表之际，OpenAI 的 Sam Altman 和 Jakub Pachocki 撰写了名为：《Built to benefit everyone: our plan》（造福全人类的计划）一文，阐述了确保通用人工智能（AGI）造福全人类的宏伟蓝图。

文章将 AI 的崛起比作 20 世纪电力的普及，强调 AI 的核心价值不在于技术本身，而在于如何广泛赋能普通人并促进社会繁荣。重申了 OpenAI 权力分散、以人为本的信念，明确反对完全自动化，指出未来的关键仍在人类的价值判断与社会主导力，并呼吁成立国际组织进行安全协作。为此，OpenAI 提出了三个核心目标：打造能与人类协同的“自动化 AI 研究员”（预计 2028 年实现）；加速经济增长并确保红利共享；为每个人提供个人 AGI。

随着公司步入“第三阶段”，OpenAI 致力于攻克将前沿技术转化为充足、廉价、安全且普适工具的挑战，最终构建一个更具韧性、属于每个人的 AI 时代。

原文链接：https://openai.com/index/built-to-benefit-everyone-our-plan/

在无锡举办的第三届“太湖对话”，是一个高规格人工智能产学研交流平台。在本次大会上，清华大学智能产业研究院（AIR）创始院长张亚勤院士发表了前瞻演讲。

一、 范式跃迁：从“生成式 AI”走向“智能体互联网（Internet of Agents）”

张亚勤指出，AI 正经历从“模式识别”到“内容生成”、再到如今“智能体 AI（Agentic AI）”的重大技术跨越。

智能体（Agent）的本质属性：它正在学习人类大脑最高级的功能——设定目标、分解任务、规划试错、迭代执行，最终沉淀为记忆与知识。张亚勤将智能体AI归纳为三大核心特征：自主性（Autonomy）、进化能力（Evolution）和泛化能力（Generalization）。

智能体的指数级进化：以编程智能体（Coding Agent）为例，去年年底AI的自主编程时间还只能维持在30分钟，而到2026年当下已飙升至30小时以上，实现了百倍级的飞跃。“AI写AI、AI教AI”的链条已经彻底打通。

重构软件与互联网形态：张亚勤重塑了他早前的预测：未来的 SaaS 和 APP 都将被智能体替代，或者说 SaaS 本身必须自我颠覆为 Agent。互联网也将从“人机交互”演进为“智能体互联网（Agentic Network）”，未来99%以上的网络交互将发生在 Agent 与 Agent 之间，这必将带来网络协议、语言格式和整体架构的颠覆性重构。

张亚勤在演讲中连续第三年发表并“盖章”了个人对 AI 趋势的预判，提出了改变未来商业生态的五大判断：

1. 产业智能体（Industry Agent）兴起：AI 正在超越消费端，在医疗、制药、科学研究以及物理机器人等实体产业发挥深层作用。

2. “词元经济”与 TAP 框架：Token（词元）已成为智能的最基本单位。张亚勤提出，未来企业的三要素是“TAP”（Token 词源 + Agent 智能体 + People 人才）。他强调，现在的 Token 成本依然太高，每年必须降低1到2个数量级，AI 商业化投资（ROI）的回报路径才能真正跑通并持续。

3. 超级智能集群向边缘扩散：算力正从大型中心化数据中心向端侧设备（车、机器人、穿戴设备）转移。未来，高达 80% 的 Token 将在边缘端直接生成。

4. CPU + GPU 双中心架构回归：由于智能体需要执行复杂的长程逻辑和控制协调任务，CPU 重新成为“一等公民”，与负责高并发算力的 GPU 共同构成双中心，并搭配 HBM、DRAM、SSD 的多层存储和光连接网络。

5. Context UI（感知 UI）革命：人机交互正在告别图形界面（GUI）和触控界面，走向最自然、以语音和多模态环境感知为核心的 Context UI。汽车、机器人、智能眼镜等将成为全新的硬件入口。

“太湖对话”展示了清华 AIR 过去一年在无锡及各产业垂直领域的重大研究突破，体现了科学智能（AI for Science）和物理智能（Physical AI）的交融：

物理智能体（机器人）：展示了持续进化物理智能体（Zbrain/Z0），攻克“比特世界（虚拟仿真）”到“原子世界（真实物理）”的不易收敛、难以泛化等难题，建立“Real-to-Sim-to-Real（RSR）”数据的闭环。

国产生态腾飞：与字节跳动、地平线等企业合作，推出 CUDA Agent（实现95%以上CUDA编程自动化并适配国产芯片软件生态）和 XVLA 模型（轻量化高泛化视觉语言动作模型）。

生命化学与医疗突破：联合发布了世界首个多智能体 AI 医院（虚拟诊室）以及用于端到端新药研发的 OpenBioMed Agent 和 Farmer Agents。

在巨大的机遇背后，张亚勤发出了严肃警示：随着智能体所拥有的权限、自主性和长程执行能力的提高，其带来的失控风险正急剧上升。为此，他联合 Stuart Russell、姚期智、Yoshua Bengio 等全球顶尖科学家，持续推动“全球人工智能风险对话”机制（已历经牛津、北京、上海、威尼斯、伦敦五次对话），重点研究防范“前沿大模型 + 强智能体”结合带来的巨大地缘和安全风险。

总结而言，第三届“太湖对话”不仅是一场技术理念的探讨，更是一幅由清华 AIR 筑底、无锡滨湖区承载，原子、比特交织融合的主动进化生态图景。

刚刚进行的腾讯云AI产业应用大会上，腾讯高级执行副总裁（CSIG CEO）汤道生与姚顺雨（腾讯首席AI科学家、ReAct架构提出者）进行了一场深度对谈。核心探讨了腾讯在AI时代的破局思路、大模型演进方向以及产品组织的变革：

1. 重新定义“AI下半场”的核心壁垒 姚顺雨指出，大模型现在已成为通用的“万能锤子”，所以核心矛盾不再是单纯找寻技术方法，而是寻找值得解决的真实通用问题。随着模型能力普适化，企业未来的竞争壁垒将不再是模型本身，而是对原始输入数据、真实用户行为以及独家上下文（Context）的掌握。

2. 推崇“模型与产品协同”与务实评测 腾讯反对盲目迎合行业的“刷榜”风气，主张建立基于真实业务场景和反馈的评测体系。通过内部“元宝”、ima等产品矩阵的协同作战，让做预训练的最强骨干下沉去帮产品做后训练，建立模型与应用的双向互信，利用矩阵优势实现数据的泛化与反哺。

3. 关注代码智能体与高性价比中小模型 腾讯下一代模型（Hy3 Preview）的演进并不迷信大模型的算法“秘密”，而是聚焦重构基础设施和评测体系。重点将攻坚具备图灵完备性的代码智能体（Agent）。此外，腾讯认为在中国市场，打造鲁棒性强的高性价比中小模型，其商业变现价值远大于耗费巨大成本只为提升一两个百分点的极限跑分性能。

4. 产品形态与组织的重构 技术变革同样要求组织升级。产品从“预设菜单”转变为“开放式交互”后，开发团队也需要向“极其扁平（3-5人小分队）”和“高度容错”转型。工程师的精力将被AI从敲代码中解放，转而聚焦架构设计与测试对齐。

最后，面对外界对“腾讯AI慢了”的质疑，汤道生回应称，AI是一场没有尽头的马拉松，腾讯丰富的产品业态和真实场景，将在长跑中提供巨大的底气。对话同期官方也发布了“腾讯效率智能体工具集”，旨在将大模型更深地融入进微信、企微等真实工作流。

如果你最近关注 AI 圈，一定会频繁听到“世界模型（World Model）”这个词。从颠覆认知的视频生成，到具备复杂推理的大语言模型，再到在实验室里做各种家务的具身智能机器人，几乎所有前沿项目都在宣称自己在构建“世界模型”。

然而，当一个概念包揽了所有最酷的标签时，它也就开始失去本意。把一个画面超逼真但经常放火烧水、公然违背物理常识的视频生成模型，与一个严谨计算力学分布的仿真物理引擎混为一谈，只会模糊掉技术本来的边界和演进路径。世界模型究竟该如何定义？它又将走向何方？

在行业最需要厘清迷雾的时刻，World Labs 联合创始人李飞飞老师在 X上发布了一篇重磅长文。她回归到最经典的强化学习交互循环，为我们带来了清晰、具洞察性的解构路线。

在李飞飞的宏大视野中，世界模型是由追求视觉保真度的“渲染器”、驱动决策和行动的“规划器”，以及严格遵循物理法则的“模拟器”共同构成的三维支柱。而通往“空间智能（Spatial Intelligence）”的漫长征途，正是这三者打破壁垒、走向终极融合的过程。

原文连接：https://x.com/drfeifei/status/2062247238143996275

打造出公认最强模型 Claude 的明星公司 Anthropic，它的总裁兼联合创始人 Daniela Amodei，压根不是什么技术极客，而是一个地地道道的英文文学专业毕业生。

她毕业于英文文学专业，曾在国会山、政治竞选和早期 Stripe 工作，2018 年加入 OpenAI。2020 年 12 月，她与哥哥 Dario 及另外五位联合创始人共七人离开 OpenAI，并于 2021 年创立 Anthropic。在这个由算法和算力主导的世界里，她凭什么成为千亿估值AI巨头的核心掌舵人？在错综复杂的AI商业化进程中，如何同理他人、如何在混沌中跨界协同、如何建立组织内外部的信任，这些曾经被轻视的特质，正在被赋予前所未有的高溢价。今天这期节目，我们就借着 Daniela 的故事，好好聊聊‘通才’的绝地反击，看看在这场硬核的技术狂飙中，软技能到底是如何被重新定价的。

在这场斯坦福商学院的访谈里，Daniela 毫无保留地分享了她从文科生到千亿估值 AI 巨头掌舵人的非凡旅程。

首先，作为一名“通才”（Generalist），她用亲身经历说明，好奇心、跨界学习以及理解自身“比较优势”，才是智能时代最核心的竞争力。

接着，她澄清了 Anthropic 的核心标签——“AI 安全”的本质。这绝非空洞的公关辞令，而是对技术外部性承担起“彻底的责任”。在商业收益与技术安全的拉扯间，他们甚至做出了“因安全考量主动搁置最强模型发布”的艰难决定。

更启发人的是，面对 AI 替代人类的焦虑，Daniela 指出，AI 将极大地重塑工作形态。在这个过程中，人类独有的“社会性特质”——如医生抚慰患者的沟通技巧、管理者的同理心等“软技能”，非但不会贬值，反而会被重新赋予极高溢价。最后，她还结合日常生活，分享了自己如何把 Claude 当作管理教练与育儿助手的超实用经验，并警示我们要防止被 AI 剥夺了主动思考的能力。

访谈原视频：https://www.youtube.com/watch?v=FDjrDeIZAk4

本集播客由YouNavi （负责调研内容和输出文稿）和Listenhub （负责语音生成）制作。

陈德里（Deli Chen）， DeepSeek 的资深 AI 研究员。近日，他利用自己构建的 DeliAutoResearch 智能体skill，在极低个人精力消耗下，主导并自动生成了一篇长达 46 页的重磅学术综述论文。在这场耗时 6 天、历经 108 轮 AI 自主交互、消耗近 65 万 Token 的智力工程中，陈德里本人仅贡献了约 1% 的宏观把脉与纠偏，其余 99% 的文献验证、LaTeX 编写和画图改错全部由 AI 独立搞定。

作为 DeepSeek-V4-Pro 等前沿模型的深度研究者，陈德里用这场“自己写自己”向世界直观地宣告：AI 已经正式跨越“副驾驶”阶段，成为能与人类科研人员并肩作战、甚至独立交付复杂智力成果的真正“同事”。

这篇内容也是一篇非常好的关于自动化研究 Agents 的发展历程综述。

原文：

https://x.com/victor207755822/status/2059269472297623843?s=20

https://victorchen96.github.io/auto_research_survey.pdf