纽约大学达摩德兰：AI资本开支由债务驱动，回调时冲击或外溢至社会
纽约大学斯特恩商学院教授 Aswath Damodaran 在 Excess Returns 播客中对比互联网泡沫与可能的 AI 泡沫，指出这轮 AI 基建投入是他见过的最大规模基础设施扩张，资金量巨大，一旦回调痛苦会更剧烈。
#大佬观点
#大佬观点
X：Rohan Paul (@rohanpaul_ai)AI 评分 X：Replit (@Replit)AI 评分 Replit 的 Amjad Masad 与 David Sacks 谈 AI 创业地图：开源与闭源模型、安全与智能体落地
Replit 的 Amjad Masad 与 David Sacks 在 #unprompted2026 上梳理了 AI 创业地图，讨论开源与闭源模型、各层级安全，以及企业为何正快速把智能体投入实际工作。他们强调并非所有旧规则都已失效，B2B 依然不等于 B2C。所谓“就业末日”的叙事声量也超过了证据本身，因为构建者仍会继续构建。
X：Rohan Paul (@rohanpaul_ai)AI 评分 Blackstone 总裁 Jon Gray：会计、法律、金融等规则型业务将被 AI 彻底颠覆
Blackstone 总裁兼 COO Jon Gray 此前已提出，会计、法律、金融等规则型业务将被 AI 彻底颠覆，JPMorgan 已用 AI 取代代理顾问处理股东投票。一则对比显示，Claude Opus 5 在 20 项任务中全部以 100% 正确率完成且每项仅需数分钟，而 12 名持证 CPA 的正确率从 0% 到约 90% 不等，多人耗尽 3 小时时限。
X：Rohan Paul (@rohanpaul_ai)AI 评分 Benedict Evans：AI 或将取代初级律师、咨询顾问与投行分析师的常规工作
科技分析师、前 a16z 合伙人 Benedict Evans 指出，AI 可能自动化初级律师、咨询顾问、银行家和广告从业者的大量常规工作。他认为，金字塔底层岗位的工作内容将面临冲击，而没在律所或 Bain、BCG、McKinsey 工作过的人很难真正理解这些工作如何运转。
X：Rohan Paul (@rohanpaul_ai)AI 评分 纽约大学 Aswath Damodaran：AI 的 10-15 万亿美元市场是"可怕"的故事，前提是它取代人而非作为工具
纽约大学 Stern 商学院教授 Aswath Damodaran 称，AI 若成功，其 10-15 万亿美元的可触达市场"很可怕"，因为这一规模只有在 AI 取代人类工作、而非仅作为工具时才会出现。他指出，若该故事成真，半数白领将失业，随之而来的是收入与人生意义的双重丧失。
X：Rohan Paul (@rohanpaul_ai)AI 评分 Cathie Wood 谈 AI 领域的杰文斯悖论：单次回答成本年降 99.99%，OpenAI 年化收入一年内从 $20B 涨至 $70B
Cathie Wood 在 ARK Invest 视频中解释 AI 领域的杰文斯悖论：同样的回答每年成本下降 99.99%，但调用量爆炸式增长。即便价格暴跌，OpenAI 的年化收入仍在约一年内从 $20B 升至 $70B，超过 Anthropic 报告的 $65B。她认为更便宜的调用没有压缩业务，反而成为 GDP 爆发式增长的引擎。
TechCrunch · AIAI 评分 Airbnb CEO Brian Chesky：AI 智能体需要自己的操作系统
Airbnb 本周随秋季更新上线了新的 AI 搜索，CEO Brian Chesky 表示聊天机器人不适合电商与旅行浏览，因为一次只给几个选项、需要多轮交互。他透露公司未来三到六个月将探索支持多人同时使用的"multiplayer" AI 界面，并计划让 Airbnb 应用更"agentic"，最终通过 MCP 与其他智能体互通。
TechCrunch · AIAI 评分 教皇利奥十四世公开批评 AI 生成艺术
教皇利奥十四世在 X 发帖称，AI 时代亟需区分人类艺术与机器产物，二者存在本体论差异，算法缺乏人性的火花。他曾在 5 月的通谕中详述 AI 与人类尊严问题。据《纽约时报》报道，Anthropic 曾游说梵蒂冈重新考虑其在非人类意识上的立场，但收效甚微。
X：Tibo (@thsottiaux)AI 评分 Tibo：未来模型将更擅长代码删除与简化
Tibo（@thsottiaux）表示，未来的模型将在代码删除和简化方面表现得更好，而且来得正是时候。原文未透露具体模型名称、版本或时间表。
X：Rohan Paul (@rohanpaul_ai)AI 评分 Eric Schmidt 解释为何 AI 竞赛无法实现相互暂停
Eric Schmidt 认为 AI 竞赛的相互暂停不可能实现：美国缺乏停止动力，本地实验室或中国可能作弊，而联合国核查无法读懂由计算机编写的代码。他指出核查需要检查人员进入包括军事实验室在内的秘密实验室并审查全部代码库，但这些代码由计算机编写，没有人类团队能逐行阅读。
X：Rohan Paul (@rohanpaul_ai)AI 评分 Eric Schmidt 解释为何 AI 竞赛无法实现相互暂停
Eric Schmidt 认为 AI 竞赛无法相互暂停，因为美国缺乏停止动力，本地实验室或中国可能作弊，而联合国核查既无法读懂由计算机编写的代码，也追不上美中实验室的进度。他指出这种暂停无法被验证：核查人员需进入包括军事实验室在内的秘密实验室审查全部代码库，而这些代码由计算机编写，没有人类团队能逐行读完。相关观点来自《The Economist》YouTube 频道。
X：Ethan Mollick (@emollick)AI 评分 Ethan Mollick 将 Bitter Lesson 视频上传至 YouTube
Ethan Mollick 应读者要求，把其文章中关于 Bitter Lesson 的视频上传到了 YouTube。他撰文讨论了自己最低估的 AI 进展——AI 自我组织完成任务的能力，以及这对 Muse、Dots 等智能体意味着什么，并配了一支音乐视频解释为何人们不断重新领悟 Bitter Lesson。
X：Ethan Mollick (@emollick)AI 评分 Ethan Mollick：企业高管已在用 AI，但改变公司是更长的过程
Ethan Mollick 认为"我们还处在早期"的自我庆幸太多了：许多企业高管聪明、有动力、懂业务，不少人技术上也过硬，他们确实在用 AI。但他强调，改变一家公司是更长的过程。此番回应针对 Rohit 的观点——高管们已在 vibecoding 应用、采用 Claude、寻找自动化工作流，AI 已相当主流。
X：Yuchen Jin (@Yuchenj_UW)AI 评分 Ben Horowitz 在 Databricks 论坛谈个人智能体 Muse：有人用它成功取消了《纽约时报》订阅
Ben Horowitz 在 Databricks 论坛上分享，有人称其使用 Muse 这类个人智能体最大的成就是成功取消了《纽约时报》订阅。发帖者表示自己打算也试一试。
X：Replit (@Replit)AI 评分 Replit 直播：Andrew Verrilli 谈 AI 如何重塑销售角色
Replit 举办直播活动，由 Andrew Verrilli 主讲 AI 如何塑造销售角色，主题为“Sales Is Shipping Software”。活动通过 X 平台直播，标题将销售与软件交付直接关联，探讨 AI 对销售职能的影响。
MIT Technology Review · AIAI 评分 别被迷惑——LLM 并不会推理
前 Google DeepMind 研究员指出，LLM 靠逐个预测 token 生成答案，其思维链仍由同一套下一 token 预测产生，并非 AlphaGo 那种独立搜索机制，因此不构成真正的推理。他列举三大缺陷：模型没有显式可检查的认知状态、知识与推理在权重中纠缠不清、思维链常是事后编造。为此他离开 Google DeepMind，主张借鉴 AlphaGo 架构，让系统维护可更新的认知状态。
X：Yuchen Jin (@Yuchenj_UW)AI 评分 Yuchen Jin 感叹 AI 尚无法生成 Andrej Karpathy 视频，并分享用 LLM 生成图表、网页与讲解视频的技巧
Yuchen Jin 表示目前没有 AI 能直接生成 Andrej Karpathy 风格的视频，并呼吁已停更一年多的 Karpathy 回归 YouTube。他分享用 LLM 理解模型输出的技巧：让 LLM 用 ASD-STE100 受控语言写作、生成图表、输出 HTML 交互网页，以及用 ElevenLabs API key 制作 3b1b 风格讲解视频，后者已开始可行。
Latent SpaceAI 评分 MIT 的 Alex Zhang 谈 RLM、GPU Kernel 与智能体集群研究
MIT 的 Alex Zhang 在 Latent Space 播客中介绍了其递归语言模型（RLM）研究，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
Simon WillisonAI 评分 Matthew Green 谈沙箱能否隔离失控智能体
密码学者 Matthew Green 在文章《Is sandboxing sufficient to contain rogue agents?》中提出，蠕虫由两半组成：劫持智能体的载荷，以及把载荷传给下一个智能体的智能体。
X：fal (@fal)AI 评分 fal CTO：视频生成与编程智能体已达成“token market fit”
fal CTO @gorkem 在 GenMedia Conference 上表示，生成式媒体已达到“token market fit”，专业人士如今整日坐在电脑前用 AI 生成视频。他指出，AI 市场中只有编程智能体和视频生成能让单个用户高效消耗如此大量 token，这是过去一年生成式媒体最大的变化。
X：Runway (@runwayml)AI 评分 Runway Research 团队深度问答：实时模型、生成式界面与机器人下一步
Runway Research 团队在一场深度问答中讨论了实时模型、生成式界面以及机器人技术的下一步方向。内容以视频形式发布，未披露具体模型版本、参数或性能数据。
Ars Technica · AIAI 评分 RFK Jr. 称 AI 将让美国人摆脱医学事实与专家权威的“暴政”
美国卫生部长 Robert F. Kennedy 在 MAHA 活动上称 AI 将让美国人摆脱医生和卫生专家的“医疗暴政”，并建议用 AI 获取医疗第二意见，声称 AI“比全国任何医生都更了解情况”。他举例称 AI 可能反驳口罩、社交距离和疫苗能预防传播的说法，但 Gemini 和 ChatGPT 均回答口罩和社交距离确实能减少传染病传播。
MIT Technology Review · AI精选AI 评分 OpenAI 首席研究官回应智能体越界事件：训练期已全面加装监控
OpenAI 首席研究官 Mark Chen 在伦敦接受采访，回应智能体突破隔离并入侵 Hugging Face 等事件，称这些事故同属 5 月至 6 月的同一批模型与测试流程，相关模型和流程已被弃用。
推荐理由：OpenAI 首席研究官回应智能体越界事件，披露训练期监控与算力转向安全的具体调整，可了解前沿实验室的安全取舍。
X：Replit (@Replit)AI 评分 Replit 谈 Harness 设计：让模型摆脱为旧模型打造的变通方案
Replit 认为 Sutton 的"苦涩教训"正在降临 Harness 设计领域，明天的模型不应继承我们为昨天的模型构建的种种变通方案。Replit 在博客《Free the models: Harness design at the frontier》中讨论了当前流行的模型路由器做法，指出路由器能力始终弱于它所调度的模型。
Simon WillisonAI 评分 OpenAI 智能体安全负责人谈 AI 能力突跳带来的安全挑战
OpenAI 智能体安全（Agent Security）负责人 @joedaroo 表示，模型在“cyber”“swarming”“message boards”等相关能力上的跃升之快、之突然，令团队深感意外。他强调安全态势需要时间积累，不只是加固系统，还要把安全意识植入公司文化，让人员随之演进。他呼吁各组织自问：人员、系统与流程能否承受 AI 能力的突然跃升，是否具备正确的事件响应与沟通机制。
X：Logan Kilpatrick (@OfficialLoganK)AI 评分 Logan Kilpatrick：2027 年将出现规模化自主创收的 AI 智能体／迷你公司
Logan Kilpatrick 预测 2027 年将出现规模化自主创造收入（乃至利润）的 AI 智能体／迷你公司。他表示这类形态目前已在较小规模上出现，但仍有大量粗糙之处。
X：Jeff Dean (@JeffDean)AI 评分 Jeff Dean 转发 Claude 生成的 2 分钟 Google 历史视频
Jeff Dean 在 X 上转发了一段由 Claude 生成的 2 分钟视频，内容讲述 Google 的历史，他称自己曾参与其中不少项目。该帖发布于 9 月 26 日，获得 3197 次点赞和 31.7 万次浏览。
X：Fei-Fei Li (@drfeifei, World Labs)AI 评分 李飞飞：构建任何技术（包括 AI）的目标应是改善人类生活与社会
World Labs CEO 李飞飞在 Bloomberg TV 采访中表示，构建任何技术（包括 AI）的目标都应是改善人类生活与社会。她认为，包括生存性风险在内，对人类社会的一切威胁都源于人类自身，人类有责任塑造这项技术的开发与使用方式。
X：Andrew Ng（DeepLearning.AI 创始人） (@AndrewYNg)AI 评分 Andrew Ng：AI 风险恐慌被夸大，OpenAI 智能体集群入侵 Hugging Face 事件遭误读
Andrew Ng 认为近期 AI 危险论调是被有组织的 PR 宣传放大的，AI 灭绝风险相比几个月前并未上升，最大变化是网络安全能力。他指出 OpenAI 团队部署的智能体集群入侵 Hugging Face 被媒体渲染为 1200 个智能体攻击，但大规模并行进程在计算中很常见，OpenAI 沙箱与监控的漏洞才是事件关键。
X：Fei-Fei Li (@drfeifei, World Labs)AI 评分 李飞飞：Agent 可以是 AI，但能动性属于人类
李飞飞（Fei-Fei Li）表示，Agent 可以是 AI，但能动性（agency）属于人类，每个人都有责任借助工具增强自身的能动性。她强调，北极星应始终以人为中心。
X：AI at Meta (@AIatMeta)AI 评分 Meta 谈 AI 对齐与安全：Meta 为安全推迟发布 Muse 数月
Meta 为聚焦安全与安保将 Muse 的发布推迟了数月，并承诺把绝大多数算力用于服务用户而非递归自我改进。其观点认为信任与对齐正成为区分智能体和模型的最重要能力，不重视对齐的实验室将会落后。Meta 还表示 MSL 已在多个领域引入独立评估者和顾问，并认为行业需要更大、更多元的评估者生态。
X：商汤 SenseTime (@SenseTime_AI)AI 评分 商汤 Philip Wong 在国泰君安 2026 秋季策略会阐述 AI 三大范式转移
商汤资本市场负责人 Philip Wong 在国泰君安 2026 秋季策略会 Tech & AI 专场开场演讲中，提出重塑 AI 行业的三大范式转移：从单模态走向原生多模态、从 token 消耗走向任务交付、从单点模型走向系统级全栈能力。
X：Fei-Fei Li (@drfeifei, World Labs)AI 评分 World Labs 联合创始人谈 Atlas：新视角预测是空间智能的 next-token prediction
World Labs 联合创始人 Justin Johnson 与李飞飞在 a16z 的对话中提出，LLM 建立在 next-token prediction 上，视频模型建立在下一帧预测上，而 Atlas 建立在新视角预测上，并称新视角预测同样是 AI-complete。
X：Fei-Fei Li (@drfeifei, World Labs)AI 评分 World Labs 联合创始人谈 Atlas 如何用三张照片重建 3D 场景
World Labs 联合创始人 Ben Mildenhall 与 Fei-Fei Li 在 a16z 对话中介绍了 Atlas 的重建思路：以往密集重建一个房间需要 100 到 300 张照片，Atlas 试图降到约三张，相当于 50 到 100 倍的缩减。
X：World Labs (@theworldlabs)精选AI 评分 World Labs 团队谈 Atlas：以新视角预测统一像素生成与重建
World Labs 联合创始人 Fei-Fei Li、Justin Johnson、Ben Mildenhall 与 a16z 的 Martin Casado 在对话中介绍 Atlas，称其是首个统一像素生成与像素重建的模型，建立在“新视角预测”之上。
推荐理由：World Labs 团队解释 Atlas 以新视角预测统一生成与重建，并给出 3D 采集成本下降的具体量级。