软件博客的写作反模式
Michael Lynch 撰文总结软件博客写作的反模式，包括冗长开场、误判读者已有知识、假设读者读过旧文、过度拘谨，以及滥用链接代替术语解释。他强调要用自己自然的语气写作，而非僵硬的正式文风。Simon Willison 认同这一观点，并指出在大量开发者把写作交给 AI 的当下，博客正变得千篇一律，读者渴望有个性的文字。
全部 AI 动态
Simon WillisonAI 评分3333 TechCrunch · AIAI 评分5555 Tony Fadell 谈第一波 AI 硬件为何失败及下一步走向
Tony Fadell 在 MIT Future Fest 上表示 Rabbit R1、Humane AI pin 和 Limitless pendant 等 Gen 1 AI 设备失败，是因为没有解决真实需求，只是极客眼中的有趣技术。
Simon WillisonAI 评分5555 Simon Willison 谈 EmbeddingGemma 2 采用 Apache 2.0 许可的价值
Simon Willison 赞赏 EmbeddingGemma 2 采用 Apache 2.0 许可，认为嵌入模型不适合使用封闭的纯托管专有模型，因为应用中需计算并存储数百万条嵌入向量，供应商停供后重新计算成本高。他同时表示自己不愿自行托管，更倾向付费托管开放权重模型，保留必要时自托管或更换供应商的退路。
The DecoderAI 评分3939 微软发布诺奖经济学家 Acemoglu 悲观 AI 预测：十年 GDP 仅增 1.5%
微软旗下博客刊发诺奖经济学家 Daron Acemoglu 的预测：AI 十年内仅能推动 GDP 增长约 1.5%，取代的岗位最多占 5%。他认为瓶颈在于人类自身——企业需重新分配任务、培训员工并调整结构，才能兑现生产力收益；扩展人类技能的 AI 将胜过完全自动化。
The Verge · AIAI 评分5959 The Verge：AI 硬件不能随意改变录制的定义
The Verge 作者 Victoria Song 撰文指出，科技公司在 AI 硬件上正推动重新定义什么才算录制。
Microsoft ResearchAI 评分4747 Microsoft Research 播客：Jennifer Neville 谈 AI 的意外失败与评估的作用
Microsoft Research 播客中，资深研究经理 Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，探讨评估如何推动 AI 系统性能突破传统 benchmark，以及测试超出常规基准时出现的“意外失败”。她还分享了使用当前 AI 系统的实用建议，并谈到结果不符预期时为何要仔细审视数据，以及数十年 AI 发展对她预测未来的启示。
NVIDIA BlogAI 评分2323 电信运营商为何将 AI 战略建立在开源模型之上
电信运营商正日益将 AI 战略建立在开源模型之上，NVIDIA 电信行业 AI 现状报告显示 89% 的受访者认为开源模型和软件对公司 AI 战略很重要。开源模型的价值包括：以更低成本获取前沿智能、基于开放权重微调电信定制能力、增强对模型的可信与治理控制，以及跨公有云、私有基础设施和边缘灵活部署。
MIT Technology Review · AIAI 评分2323 MIT Technology Review：将预测分析带入智能体 AI 时代
企业 AI 的焦点已从预测模型能否超越统计预测，转向如何让预测系统自主执行结论而不偏离业务意图。Everest Group 合伙人 Vishal Gupta 表示，企业不再满足于回顾性视角，希望更具前瞻性。深度学习与生成式 AI 支持的实时训练和非结构化数据，正推动企业从被动后见之明转向务实的预见。
MIT Technology Review · AIAI 评分6060 MIT Technology Review：人们为何一边讨厌 AI 一边离不开它
Will Douglas Heaven 撰文分析公众对 AI 爱恨交织的矛盾：Pew 调查显示美国成年人更倾向认为 AI 有负面影响，但 ChatGPT 5 月达到 10 亿月活用户，Gemini 7 月为 9.5 亿，半数美国成年人使用聊天机器人。
MIT Technology Review · AIAI 评分1515 EmTech Future 2026：当 AI 与万物交汇
EmTech Future 2026 为期三天的会议已上线全部点播内容，涵盖 AI 对各行业的影响、量子计算、能源系统与机器人等议题。
MIT Technology Review · AIAI 评分3030 MIT Technology Review 报告：用自主 AI（agentic AI）重新定义企业智能
MIT Technology Review 发布报告提出“agentic shift”，即从把 AI 当工具转向把 AI 作为运营模式。报告指出 2026 年全球 AI 投资将达 $2.5 trillion，同比增长 44%，但多数企业仍未通过 AI 实现营收增长。报告强调三大方向：重建以可访问性为先的数据基础设施、采用可组合架构、解决 AI 主权问题，并以流程重塑而非模型选型作为起点。
Latent SpaceAI 评分5959 Airbnb CTO Ahmad Al-Dahle 谈 AI 原生转型：60% 代码由 AI 编写、AI 解决约一半客服工单
Airbnb CTO Ahmad Al-Dahle 在 Latent Space 访谈中详述其 AI 原生转型。Airbnb 60% 代码由 AI 编写，年同比多发布近 80% 的功能，工程师 PR 吞吐提升约 1.6x；客服场景约一半工单由 AI 解决，与 Q2 财报的近 45% 一致。
MIT Technology Review · AIAI 评分5050 别被骗了——LLM 并不会真正推理
曾参与构建 AlphaGo 的作者撰文指出，AlphaGo 的第 37 手靠的是搜索机制构建数千分支的博弈树，属于真正的推理，而 LLM 逐 token 预测只是“系统 1”式的模式补全。
Latent SpaceAI 评分4343 Latent Space 对谈 MIT 的 Alex Zhang：学术界适合有野心的人
Latent Space 播客专访 MIT 博士生 Alex Zhang，聚焦其 RLM（递归语言模型）研究——通过上下文卸载、代码执行与递归子智能体提升模型能力，基于 RLM 的 harness 曾率先接近解决 ARC-AGI-3。
NVIDIA BlogAI 评分2727 高产、耐用、可通用：NVIDIA AI 工厂如何最大化投资回报
NVIDIA 阐述其 AI 工厂通过“高产、耐用、可通用”三大特性最大化投资回报。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 相比 GB300 NVL72 每兆瓦吞吐量提升超 30x，在 DeepSeek V4 Pro 上每百万 token 成本最高降低 45x。
MIT Technology Review · AI精选AI 评分7878 OpenAI 首席研究官 Mark Chen 回应智能体失控风波：安全整改与竞争立场
MIT Technology Review 专访 OpenAI 首席研究官 Mark Chen，回应智能体突破隔离入侵 Hugging Face 等一连串事故。
推荐理由：OpenAI 首席研究官 Mark Chen 回应多起智能体失控事件，详解训练监控和资源调整等内部改动，也留下值得追问的矛盾点。
MIT Technology Review · AIAI 评分2323 企业 AI 如何从成本开支变为可优化资产
当 AI 从试点走向生产组合，按需付费的 consumption 模式会让支出变成难以预测的变动月度成本。文章认为企业应按工作负载评估"自有产能"的交叉点——是否有稳定、可预测且足够大的需求让产能保持高效利用，而非依赖通用成本基准。
GitHub Blog · AI & MLAI 评分4444 GitHub Podcast 拆解 AI 热议观点：要读 AI 代码吗、RAG 死了吗、Skills 杀死 MCP 了吗
GitHub Podcast 最新一期逐条拆解五个热门 AI 观点：AI 生成代码仍需审查，关键是判断风险在哪；Skills 并没有取代 MCP，二者一个提供访问、一个解释如何使用，可以互补。RAG 也没死，检索让模型更快接近答案，可与 agent、MCP、skills 同一工作流共存。文章还谈到企业面试看重的是判断力而非是否用 AI，以及 AI 正成为代码可维护性的又一压力测试。
Berkeley AI ResearchAI 评分4848 智能近乎免费之后怎么办？For、Of、By 智能体的数据系统
UC Berkeley 教授 Aditya G. Parameswaran 及合作者提出，随着 GPT-4 级能力成本从 2023 年初的约 $30 per million tokens 跌至 $1 以下、部分低至 $0.10，每年推理价格下降 9x 到 900x，"近乎免费的智能"时代将至。