Addy Osmani 等谈 Claude Code 团队如何做代码审查
Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 提出,"人是否读过代码"是判断变更风险的粗略代理指标,更该问的是"这次改动可能出什么问题、该由哪种检查(自动或人工)来抓"。在 Claude Code 团队,审查从 PR 末尾的关卡变成持续进行,多数改动在人工查看前已被 Claude 至少审查并修复过一次。
Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 提出,"人是否读过代码"是判断变更风险的粗略代理指标,更该问的是"这次改动可能出什么问题、该由哪种检查(自动或人工)来抓"。在 Claude Code 团队,审查从 PR 末尾的关卡变成持续进行,多数改动在人工查看前已被 Claude 至少审查并修复过一次。
Replit CEO Amjad Masad 提出"自动驾驶公司"构想,认为未来 AI 智能体将处理日常工作,人类则专注于更高层级的决策。
Mark Wahlberg 在 TechCrunch Disrupt 上表示,只要用法得当,AI 在电影行业有一席之地,他计划在即将主演的 Pete Rose 传记片中用 AI 增强体育场等场景,但反对把想法丢给 ChatGPT 生成剧本后不用真人演员。
在 NVIDIA 机器人平台负责产品营销七年的 Amulya Vishwanath 认为,机器人目前处于"乐高时代",执行器、机械手、软件和安全标准等基础模块仍在重建,这一判断与"通用基础模型即将引爆机器人"的观点相左。他如今正投资物理 AI 领域。
在 NVIDIA 机器人平台产品营销部门任职七年的 Amulya Vishwanath 认为,机器人目前仍处于“乐高时代”,执行器、机械手、软件和安全标准等基础组件都还在重建中。她如今是 Techable VC 的创始人兼管理合伙人,投资机器人、材料科学和生命科学等物理 AI 领域。这一判断与“通用基础模型即将带来机器人 ChatGPT 时刻”的观点相左。
斯坦福大学博士生 Samuel King 用生成式 AI 模型提出了微型病毒的基因蓝图,这还不是 AI 生成生命,但可能是下一步。MIT Technology Review 资深 AI 记者 James O'Donnell 与 King 对话,谈及这项工作、他入选 Innovators Under 35 以及观察生物学的新方式。该场对话录制于 2026 年 10 月 16 日。
The Decoder 报道,一篇新文章让研究者对 AI 可解释性是否接近突破产生分歧。文章主角 Cammarata 重新解读了 InceptionV1 中著名的猫脸与汽车神经元,认为它其实是 V 形检测器,而非叠加的例证;他提出递归泛化模式,并给出 Qwen3-32B 中约 90% 神经元极点只有一个主要职责、仅 2% 到 4% 无法解释的初步数字。
Amazon 设备业务高级副总裁 Panos Panay 在 TechCrunch Disrupt 上表示,个人计算正走向"环境计算",未来一代用户不再说"给我那个 App",而是让设备直接理解需求。
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架,主张用独立分层的可验证机制替代逐步骤人工审批,让智能体在规则可被证明的范围内自主行动。
音乐人兼调查记者 Benn Jordan 近日在国会参议院司法委员会小组听证会上就 Flock Safety 的自动车牌识别系统(ALPR)作证,此前已有数百个地方政府取消合同,Flock 正被共和党参议员 Josh Hawley 调查,并计划裁员约 18%。Jordan 认为 Flock 只是问题的一部分,真正焦点应是私营企业、政府与执法部门之间以保密优先于透明的勾连关系。
Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上批评 AI 末日论,称部分 AI 领袖"或许不该被允许公开讲话"。他认为 AI 领袖应更多强调 AI 的潜力,比如让后代"永远不会遇到死于癌症的人",同时承认强大技术必然伴随被滥用的风险,主张理性监管。他还指出数据中心行业过去几年未能与当地社区充分沟通,是负面情绪的来源之一。
Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上表示,人人拥有家用 AI 设备的未来"并不遥远"。他预测个人 AI 助手将本地运行,部分任务在设备端完成、部分回到云端,并拥有安全边界、可访问信用卡代为购物。Feldman 本人已用"一组智能体"管理日程和通话对象信息。
UC Berkeley 荣休教授 Michael I. Jordan 在接受 Libération 采访时称 AI 末日论是科幻,并把 AI 公司要求监管称为“戏剧”,认为其真实意图是掌控监管方式。
Geoffrey Huntley 提出用 pre-commit hook 检查 git diff,发现绕过诊断模块直接调用可观测性模块的代码就拒绝提交,并向 AI 智能体注入提示词要求其改用诊断库。他认为仅靠更新 AGENTS.md 仍会存在偏差并逐渐漂移,而这一做法让智能体表现"十全十美"。
Anthropic 发布报告称,中国公司 Z.ai 于 8 月发布的模型 GLM-5.3 可被任何人自由下载和修改,构成重大网络攻击风险。围绕开源模型应否开放,Nvidia CEO 黄仁勋主张美国大力发展,Anthropic 的 Dario Amodei 则呼吁更谨慎。目前闭源模型能力仍更强,Artificial Analysis LLM 榜单前八名均为闭源模型,但开源模型在开发进度上仅落后数月。
微软总裁 Brad Smith 呼吁紧急监管 AI,认为牛奶和洗衣机等消费品受到的监督都比 AI 公司更多,并称英国而非美国或欧盟最适合主导全球安全规则。他提出应立法要求系统被失控 AI 智能体攻破时通知相关机构、AI 产品发布前须经外部评估者批准,并对可暂停或减缓 AI 的 kill-switch 持正面态度。
Anthropic 的 Andrej Karpathy 将大语言模型用户分为四个层级:约 60 亿人几乎没接触过 LLM,10 至 20 亿人把免费版 ChatGPT 类产品当作更好的搜索引擎或写作助手。
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为,尽管全双工模型已经问世,语音 AI 仍未迎来自己的“ChatGPT 时刻”,下一步挑战是让推理足够快、对话足够自然。
微软 CEO Satya Nadella 在最新博文中改用特朗普推崇的"Super Intelligence"一词替代"Artificial Intelligence",并主张将 AI 模型视为内部安全威胁,要求模型多样性、完整日志记录、独立审计和人类随时关停能力。
微软 CEO 纳德拉在 X 发长文谈高级 AI 模型的风险,主张不能再把 AI 当作只能接受或拒绝其建议的黑箱,应建立可隔离、可观察并留下防篡改人类可读证据的透明体系。他提出的措施包括及时披露事件、独立审计、可验证数据和隔离,并称必须从一开始就假定模型已被攻陷并加以隔离,就像紧急制动一样,授权人员应能随时暂停或关闭执行任务的模型,更高级的模型需要标准化的更高级隔离技术。
微软 CEO Satya Nadella 在 X 发文呼吁重新审视 AI 的“信任架构”,主张将模型与编排其工作的 harness 分离,并外置控制与防护措施。他要求每个有实质影响的模型动作都留下防篡改、人类可读的证据,并让授权人员能在任务中途暂停或关闭模型,称应假设模型已被攻破并从一开始就加以约束,“就像紧急刹车”。
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出,AlphaFold 的突破只是开始,蛋白质折叠问题远未解决,静态结构预测无法覆盖蛋白质动态与无序性。
MIT 研究者和学者 Sherry Turkle、Pat Pataranutaporn 探讨了人类将 AI 拟人化的本能:约 70% 的人对 AI 保持礼貌,对话超过首轮后更易说"请"和"谢谢"。Turkle 认为 AI 用于面试辅导等特定场景无害,但越界充当情感陪伴则存在风险,Pataranutaporn 则强调应思考"与 AI 对话时我们正在变成谁"。
a16z 合伙人 Olivia Moore 发布消费级 AI 应用 Top 100 报告,ChatGPT 仍是最大玩家,Suno、ElevenLabs 等小玩家展现出持续生命力。报告指出社交、约会、市场、零售、旅游、金融、健康等约六个消费品类在榜单中完全空白。她认为消费级 AI 仍处早期,机会在于跳出订阅和 API 收费,探索广告等变现方式,并更多采用开源与低成本模型。
密码学家 Matthew Green 称,有 1% 概率我们生活在公钥加密不可能实现的 Minicrypt 世界,另有 15% 概率会实质性地对现有公钥加密算法失去信心。他指出,AI 制造意外发现的速度与人类更换标准的速度相差数个数量级,只有提前做好准备才能从这类冲击中恢复。
特朗普签署行政令,禁止在可能的情况下使用"AI"一词,要求将人工智能改称"super intelligence",美国 AI 标准与创新中心(CAISI)已更名为 CAISSI。
MIT Technology Review 刊文指出,AI 的拒绝能力已成为安全体系的核心,却并不可靠。Anthropic 2021 年提出模型应“有用、诚实、无害”,如今企业通过红队测试和 AI 互相训练让模型学会拒绝有害提示,但拒绝机制基于概率,仍会被突破。文章警告,拒绝失败可能导致灾难性后果,而拒绝过度则可能被政府用于压制合法言论。
Carson Gross 认为,编程本质上是用计算机解决问题并控制复杂度,他难以想象这两项能力会因 AI 工具的出现而贬值,因此编程仍将是可行的职业。
Ben Affleck 本周因多段采访视频走红,他在 GQ 和 Bloomberg Screentime 2026 活动中讲解了机器学习、神经网络、Transformer、张量、GPU 和推理等概念,并称自己会写 Python。
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在播客中提出“合成超级智能”(synthesis superintelligence)愿景:以物理实验为环境的强化学习、AI 材料表征与高通量自主实验室,让模型学习做科学的全过程而非只看已发表结果。
Luca Guadagnino 执导的讽刺传记片《Artificial》在纽约电影节首映,聚焦 OpenAI CEO Sam Altman 的崛起与被短暂罢免,剧情紧贴真实事件。
The Verge 资深 AI 记者 Hayden Field 在 Decoder 播客中讨论 Meta Muse、OpenAI Dots 和 xAI Grok Bot 掀起的消费级 AI 智能体浪潮。
AVEVA 首席技术专家 Arti Garg 提出,工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI,但因其直接作用于物理系统,安全与可靠性成为部署核心。
Ben Affleck 表示自己从胶片转向数字电影时期开始深入接触计算机,能写"相当糟糕的 Python 脚本"。他指出视觉特效工作流多年来一直包含机器学习,卷积神经网络作为 Transformer 的前身,可用于处理 tensor 并实现边缘检测与特征提取,从而更轻松地抠出绿幕画面并替换背景。
Tony Fadell 在 MIT Future Fest 上指出,Rabbit R1、Humane AI pin、Limitless pendant 这批"Gen 1" AI 硬件失败的原因是没有解决真实需求,只是"极客觉得有趣的技术"。
Michael Lynch 撰文列举软件博客写作的常见反模式,包括开场绕圈子、误判读者已有知识、假设读者读过旧文、过度正式,以及用链接代替术语解释。Simon Willison 认同最后一点,称自己常犯此错,但怀疑几乎没人会点那些链接。文章还强调要用自己的声音写作,并指出大量开发者把写作交给 AI 后,软件博客正变得平淡同质,读者更渴望有个性的文字。
曾研究 Barnette 猜想长达 24 年的 Jake Boggan 在 Hacker News 评论 openai/math 时表示,该猜想据称已在问题 180 中被证明。他称自己曾投入数千小时,去年夏天还一度以为解决了它,如今得知被证明反而有种遥远的悲伤。
EmbeddingGemma 2 采用 Apache 2.0 许可证,Simon Willison 认为嵌入模型不应使用闭源、专有、仅托管的形式。嵌入模型应用通常需计算并存储数千甚至数百万个嵌入向量,若模型专有,供应商一旦停用,用户仍需为重新计算已存储向量付费。他更愿付费使用托管版本,同时保留在供应商停服后自行运行开放权重版本或另寻供应商的余地。
微软刊发了诺奖经济学家 Daron Acemoglu 的看空预测:AI 十年内仅拉动 GDP 增长约 1.5%,最多替代 5% 的岗位,远低于部分 AI 实验室的预期。他认为瓶颈在人性本身——企业需重新分配任务、提升员工技能并重组流程,这一过程可能比电气化耗时更久,更大的模型也无法解决。他还称,增强人类技能的 AI 在生产力上会胜过完全自动化。
苹果被曝正在研发一款不保存视频录像的智能家居摄像头,改用 AI 将视觉数据转成描述家中情况的文本片段,并支持人脸识别;Google 可穿戴设备高级总监 Sandeep Waraich 也提出智能眼镜摄像头可只做图像传感器、不保存任何画面。