Dwarkesh Patel：下一个突破是 AI 在工作中学习
Dwarkesh Patel 撰文认为，实验室押注的 RLVR 训练未必能泛化到无法在数据中心内复现的现实领域，因为训练样本效率低且缺少可重放模拟器。
推荐理由：作者论证 RLVR 难以泛化到不可复现的现实领域，并梳理 OPSD 与模拟训练等让模型在工作中持续学习的可能路径。
#现象/趋势
#现象/趋势
今日 50 条Dwarkesh Patel精选AI 评分6565
Import AIAI 评分7171 Import AI 462：AI说服力超越人类专家、自维持AI时间线与DeepMind探讨通往ASI的路径
本期Import AI汇总：牛津、UK AISI、斯坦福等机构研究显示AI在4项实验、6923人、18978段对话中说服力稳定超过专家人类，对Save the Children的真实募款效果约为专业劝募员的近3倍。
Dwarkesh PatelAI 评分5959 Dwarkesh：AI 进步的核心是数据黑洞而非样本效率提升
Dwarkesh Patel 撰文认为，近几年 AI 进步主要来自更宽更好的数据分布和 RL 合成数据，而非样本效率提升。他估算人类从出生到成年只接触约 2 亿 token，前沿模型却训练于数十至数百万亿 token，差距近百万倍；按 Chinchilla 常数，即使无限增加参数也只能将所需数据降低约 10 倍，说明人类处于不同的 scaling 曲线。
Sierra BlogAI 评分3030 Sierra Blog：AI 如何重塑客户体验（CX）的早期实践
Vivid Seats 上线 AI 客服不到四周，问题解决率提升 40%、客户满意度提升 35%，CX 团队转向根因修复并将实时洞察反哺产品开发。Wilson 的 AI 智能体可追问身高与偏好来推荐具体商品，Minted 则用 AI 智能体打通各客户平台，识别趋势并分发洞察。
Linear NowAI 评分5454 Linear 工程师复盘如何让 Linear Agent 自动修复 bug
Linear 工程师分享用 Linear Agent 自动修复进入 triage 的 bug 的经验。通过 Datadog 监控发现死 feature flag（任务形状固定，几乎每次一次修复成功）和失败的后台任务（失败率超 0.2% 时建 issue，约三分之一修复命中），并加入门控让 agent 先证明理解问题以节省 token。
AI as Normal Technology精选AI 评分7373 Arvind Narayanan：AI 为何没有也不会取代软件工程师
作者论证 AI 达到某能力阈值将引发大规模裁员的叙事不成立。纽约州 WARN 披露首年超 160 家公司提交通知，仅 Nespresso 勾选 AI 项，约 25,000 名被裁者中仅 46 人与 AI 相关；Block、Snap、Intuit 等被广泛归因于 AI 的裁员实际各有财务或重组原因，HBR 调查显示 21% 高管为预期 AI 大幅裁员、仅 2% 因实际部署裁员。
推荐理由：作者用纽约 WARN 披露、美联储研究和 GitHub 开发者数据支撑论点，给出可用于检验裁员叙事的可迁移框架。
Import AIAI 评分5252 Import AI 460：社会性 reward hacking 基准 SocioHack、Anthropic 递归自我改进迹象与 RL 无人机竞速超人类水平
Import AI 460 期汇总多篇研究。KCL、复旦与 Alan Turing Institute 发布 SocioHack 基准，含 72 个沙盒社会环境，RL 训练的 LLM 能以 61.25% 召回率和 90.85% 精确率重新发现历史上已被修补的制度漏洞。
Dwarkesh PatelAI 评分6363 Dwarkesh 播客对话 Alex Imas 与 Phil Trammell：AGI 之后什么仍然稀缺
Dwarkesh Patel 邀请 Google DeepMind AGI 经济学负责人 Alex Imas 和 Epoch 经济学负责人 Phil Trammell 讨论 AGI 时代的经济学问题。
Sierra Blog精选AI 评分6161 Sierra 复盘按结果定价的实践：SaaS 危机与 AI 智能体的商业模型选择
Sierra 回顾 2024 年 12 月提出按结果（outcome-based）定价以来的经验：自那时起 S&P 500 上涨约 30%，而 SaaS 指标 WCLD 下跌约 15%。文章引用 Madhavan Ramanujam 的 2x2 框架（自主性与结果归因）定位定价模式，认为按结果定价只有在软件高度自主且结果可清晰归因时才可行，并判断最终能存续的是卖结果而非卖访问权的公司。
推荐理由：Sierra 作者基于自身按结果定价的实践复盘其得失，并用一个 2x2 框架解释为何席位制 SaaS 正承压。
Import AIAI 评分5353 Import AI 459：AI经济难以测量、自动化对齐更难、GPIC数据集与Biohub发布ESMFold2
Import AI 第459期：一篇论文估算美国AI经济2025年名义规模约2500亿美元、质量调整产出年增约2600%，但常规GDP统计难以体现；UK AI Security Institute论文说明自动化对齐研究的错误比人类基线更难识别，并给出测量与红队等干预建议。
Import AIAI 评分5757 Jack Clark 在牛津演讲：直面 AI 成功，探索未来而非退守当下
Anthropic 联合创始人 Jack Clark 在牛津大学人类中心 AI 实验室发表 2026 年 Cosmos 演讲，主张面对 AI 持续进步应选择探索未来而非回避现实。
Runway NewsAI 评分4646 Runway 发布 Project Luxo：AI 视频跨越恐怖谷
Runway 发布 Project Luxo，称 AI 生成视频已跨越恐怖谷，观众开始关注故事本身而非技术瑕疵。Runway 向制片人、演员、工会成员、制片厂和媒体等放映了三部全 AI 生成短片和一支 spec ad，反馈称作品成立。
AI as Normal Technology精选AI 评分6565 AI as Normal Technology 剖析 Google 智能体 916 美元造操作系统宣称的漏洞
Sayash Kapoor 等人分析 Google 在开发者大会上发布 Gemini 3.5 Flash 和 Antigravity 2.0 时宣称的智能体团队以单一提示词、约 916.92 美元 API 费用和 2.6B tokens 造出操作系统的实验。
推荐理由：文章逐条拆解 Google 智能体造操作系统的宣称，指出单一提示词等说法缺乏关键细节，并探讨开放世界评测需要的方法规范。
Import AIAI 评分4848 Import AI 457：AI 版 Stuxnet、有缺陷的 Muon 优化器与正向对齐
Import AI 457 聚焦三项研究：SentinelOne 拆解出约 20 年前的病毒 fast16.sys，它通过篡改 LS-DYNA 970、PKPM、MOHID 等高精度计算软件的内存结果来破坏科研与工程计算。
Import AIAI 评分4545 Import AI 456：RSI 与经济增长、AI 监管的“激进可选择性”与神经计算机
Institute for Law & AI 提出“激进可选择性”监管思路，主张政府短期避免过度监管，同时提前建设信息收集、举报人保护、评估与模型权重安全等能力。Meta 与 KAIST 的论文提出 Neural Computer，将计算、内存与 I/O 统一在学习到的运行时状态中。
Import AIAI 评分6767 Jack Clark 撰文判断 2028 年底前无人类参与 AI 研发概率超 60%
Jack Clark 在 Import AI 455 中判断，到 2028 年底出现无人类参与的 AI 研发（模型自主训练出后继版本）的概率超过 60%，2027 年约为 30%。
Linear NowAI 评分3434 Output isn't design：AI 生成界面不等于设计
针对 AI 工具宣称能快速生成界面、把文字直接变成产品甚至代码，文章指出设计的难点从来不是生成形式，而是理解问题本身。作者引用 Christopher Alexander《Notes on the Synthesis of Form》中"形式与语境良好契合"的定义，认为 AI 能快速产出看似精致的方案，却无助于理解底层问题，反而容易让人跳过对真实约束的梳理。
Microsoft AI NewsAI 评分5353 微软发布 Health Check 报告：分析 50 万条 Copilot 健康对话的使用模式
Microsoft AI 分析 2026 年 1 月超过 50 万条 Copilot 健康与 wellbeing 相关对话，发现近 1/5 对话涉及用户描述自身症状、解读检查结果或管理病情，约 40% 的问题聚焦症状、疾病和治疗信息。
AI as Normal TechnologyAI 评分4949 AI 不会自动让法律服务更便宜
一篇发表于 Lawfare 研究论文系列的文章指出，先进 AI 默认不会帮消费者以更低成本获得理想法律结果，因为监管壁垒、对抗性动态和人类参与这三重瓶颈仍待解决。文章以 GPT-4 通过律师资格考试为背景，指出即便生产力提升、单项法律任务成本下降，诉讼双方仍会陷入工作量军备竞赛，总成本居高不下。
AI as Normal TechnologyAI 评分6262 Arvind Narayanan 考证 Moravec 悖论：一个从未被实证检验的经验法则
Arvind Narayanan 在其新文章和视频中逐条考证 Moravec 悖论（对人类难的任务对 AI 容易、反之亦然），指出它从未被实证检验，本质是 AI 社区认为值得研究的问题造成的筛选效应，其演化解释也很可疑。
Linear NowAI 评分5151 Linear 提出“自动驾驶 SaaS”愿景，畅想软件自主运转
Linear 发布官方文章提出“自动驾驶 SaaS”愿景，认为真正变革在于 AI 主动推进工作，而非在旧系统上加聊天机器人。文章类比自动驾驶分级描述三种自主级别，从建议分配 issue 到规则自动执行，再到 coding agent 全程处理特定类别 issue，并称这已是 Linear 的产品方向。
AI as Normal TechnologyAI 评分6060 Arvind Narayanan 撰文澄清 AI as Normal Technology 论点并回应 AI 2027 争论
Arvind Narayanan 撰文澄清《AI as Normal Technology》的核心论点：AI 能力提升与社会影响之间存在长因果链，收益和风险在部署而非研发阶段实现，政策重点应是韧性和部署环节。
Mistral AIAI 评分5959 Mistral AI 发布 Mistral Large 2 全生命周期环境影响分析
Mistral AI 联合 Carbone 4 和法国生态转型署 ADEME 完成首个针对大模型的全生命周期环境评估。
AI as Normal TechnologyAI 评分6060 Sayash Kapoor 撰文分析 AI 为何可能拖慢而非加速科学进步
Sayash Kapoor 在 AI as Normal Technology 框架下撰文指出，科学论文产出指数级增长但实际进步停滞甚至放缓，AI 很可能加剧这一生产-进步悖论。
Linear NowAI 评分5454 Linear 创始人撰文探讨为何质量如此稀缺，并把质量作为经营策略
Linear 创始人发文分析为何质量稀缺，认为每次技术进步都会把行业拉离手艺，而 AI 正试图把制作者的判断和品味也从创作中分离出去。他主张质量本身就是商业策略：Linear 第二年实现盈利，第四年拥有超过 10000 个付费客户且几乎没有营销支出，并分享了以质量为北极星、3-5 人小团队、MVP 仅限内部使用、issue 7 天内修复等实践。
AI as Normal Technology精选AI 评分6767 Sayash Kapoor 撰文论证 AGI 不是里程碑
Sayash Kapoor 撰文提出 AGI 不是里程碑，公司宣布实现 AGI 不是可操作事件，对商业、政策或安全都没有直接含义。文章以核武器为反类比，认为 AI 的经济影响依赖以十年计的扩散过程，并批评基于影响、内部机制和基准行为的三类 AGI 定义各有缺陷，建议企业和政策制定者关注安全扩散而非 AGI 宣言。
推荐理由：作者区分能力与权力、以扩散视角解释 AGI 为何不是可操作事件，为评估各方 AGI 宣言提供了一个可用的分析框架。
AI as Normal Technology精选AI 评分6565 Arvind Narayanan 发布长文论文《AI as Normal Technology》，将 AI 视为常态技术
Arvind Narayanan 发布超过 1.5 万字的新论文，提出将 AI 视为“常态技术”的世界观，认为其影响类似电力和互联网等通用技术，变革性经济与社会影响将以数十年为时间尺度缓慢展开。
推荐理由：作者提出 AI 是像电力一样的常态技术，经济影响将以数十年计缓慢扩散，并给出风险与政策的替代框架。
AI as Normal Technology精选AI 评分7272 分析 78 个选举深度伪造案例后，Sayash Kapoor 认为政治误信息不是 AI 问题
Sayash Kapoor 分析 WIRED AI Elections Project 收录的 78 个 2024 年选举 AI 使用案例，发现其中 39 个无欺骗意图，而 39 个欺骗性内容不用 AI 也能以几百美元内的成本复制。文章提出误信息的关键在需求侧而非供给侧，治理信息环境依赖结构性、制度性改变，而非限制 AI 生成内容。
推荐理由：作者基于 WIRED 数据库 78 个案例给出一手分析，指出政治误信息更多是需求侧的结构性问题，值得从供需视角重新审视。
Microsoft AI NewsAI 评分3232 Mustafa Suleyman：AI 究竟是什么？
Microsoft AI CEO Mustafa Suleyman 在 TED 演讲中提出，即便最接近 AI 开发的人也难以准确描述其走向，他用"新数字物种"这一隐喻来聚焦当下这一非凡时刻。演讲后他与 TED 负责人 Chris Anderson 进行了问答。