ARTICLE · 1112352
AI小道消息 · 10月1日 23:31
AI小道消息 · 10月1日 23:31
美光一个季度做出了 330 亿美元自由现金流，上一财季还只有 175 亿。这个数字越过了苹果七月当季的 320 亿，也高过英伟达最近一期。一家卖存储颗粒的公司做到这一步，我三年前肯定不信。
截至 9 月 3 日的季度，美光营收 542 亿美元，接近去年同期的五倍。毛利率 86.8%，差不多翻倍，这已经不是硬件厂商该有的数字。原因也没什么复杂的：涨价，而且客户没得挑，HBM 产能到明年都排满了。
代价有人在付。英伟达最新芯片系统价格涨了约 17%，存储成本是原因之一，它还在测试把 Rubin Ultra 的存储配置削减一些。Meta 和苹果都已经给消费硬件涨价打了预告。三家 HBM 供应商又一起进了 Anthropic 的新一轮融资，等于自己出钱托住自己的需求。
我觉得这是周期性的超额利润，不是结构性的。今年签的那批长协几年后陆续到期，那才是美光真正的考题。
彼得·李在微软待了十六年，离开时的头衔是今年二月才给他新设的"微软科学总裁"。二月之前，他管的是那个一千五百人的微软研究院；二月之后，研究院交给了执行副总裁伊戈尔·齐甘斯基，他去做了这个听起来很大、边界很模糊的新角色。周三他宣布走人。
今年从微软出去的高管已经排成一串：管 Office 和 Windows 的拉杰什·杰哈、Xbox 的菲尔·斯宾塞、首席传播官弗兰克·肖、安全负责人查理·贝尔。
我更在乎的是研究院这条线本身的轨迹。微软研究院最早是公司里做 AI 的主力，量子芯片、搜索、机器人、密码学都在里面，但生成式 AI 这一轮被 OpenAI 这些新实验室甩开了。纳德拉自己表达过遗憾，转头 2023 年砸了一百亿美元买技术复用权。李后来的工作变成了评估 OpenAI 的模型、把它蒸馏成小模型、往医疗场景里塞。
从定义前沿到给别人的模型做适配，这个转变本身就说明问题。设一个虚职再让人体面离开，是大公司处理这种落差的标准动作。
之前经常用 TUN 模式，由于劫持了所有域名的 DNS，有时会导致一些奇怪的应用出问题（例如直接用 IP 访问的），而且 ping 域名的时候看不到真实 IP 也不方便调试。
所以我做了个 tunless，在 socket 层面上拦截 TCP/UDP 连接，并做转发。这样 ping google 看到的就是真实的 IP，curl 也是通的。目前我自己用了快一个月了，也修了不少 bug，现在开源出来。
https://github.com/bojieli/tunless/
我去 ，阿里把内部用了两年的AI代码审查工具开源了，几万开发者验证过🔥
代码提交前想找人审，同事忙没空看，自己审又容易漏！用AI审吧，要么漏文件，要么报的问题位置对不上。😭
阿里自用的家伙 Open Code Review ，已内部服务了数万开发者、识别数百万缺陷，现在竟然免费开源啦！👇
✅ 阿里内部验证两年，数万开发者用过
✅ 读完整文件和代码库上下文，不只盯diff
✅ 同样模型下比通用Agent准，token只花1/9
✅ 行级定位精准，不偷懒不漏文件
🔗 https://github.com/alibaba/open-code-review
程序员、做开发的赶紧研究搞起，代码提交前自个跑一遍才放心！😄
#开源工具 #代码审查
DoorDash 说，用 AI 助手下单买杂货的人，平均客单价比普通下单方式高出近 50%。这个数字基本解释了它为什么非要自己做一个助手。
周三它宣布把已经内置在 App 里的 AI 助手接到了 iMessage，以后发条短信就能点餐、买菜。说实话，纯便利的部分有点虚，重复点同一家店的那份餐，App 本来就两下搞定。多出来的东西在推荐侧：你不知道今晚吃什么，它给建议；你要做一道菜，它把一整串食材列出来一次性下单。客单价涨五成，大概就是因为它会塞进一些你自己想不起来的东西。
DoorDash 同时已经接了 ChatGPT，据说还在谈 Meta 的 Muse。这两件事短期不矛盾，长期是互斥的：如果用户习惯对着 ChatGPT 说帮我订个晚饭，DoorDash 就退化成后台跑单的物流层，用户关系和推荐权都在别人手里。
我的判断是，自建助手对 DoorDash 不算产品创新，是防守。攒了十年的购买意图数据，只有握在自己的入口里才算资产。顺手把它那套糟糕的客服也修一下，说服力会更强。
2026 年了，让 Agent 访问微信聊天记录仍然是一件很麻烦的事情。我做了一个 CLI 小工具 greenbubbles（绿泡泡），可以让 Agent 随时连上微信桌面版的数据库，实时访问聊天记录。
我也开源了自己用来整理微信聊天记录的 skill，目前已经形成了一个庞大的个人知识库，涵盖个人生活、工作的方方面面，感觉 AI 已经掌握了我的所有经历和小心思（这些信息太敏感了，我都不敢截图）
不知道为什么现在大多数的工具都是把微信数据库拷贝出来，再导出成自己的格式，其实微信本身的数据库 schema 就挺好的，只要用 greenbubbles-acquire 获取到密码，然后直接连上就行了啊。
好像我还没宣传就有了 78 个 star……欢迎 star & 提 issue
https://github.com/bojieli/greenbubbles
AI for Math 的新思路
如果一个人根本不懂数学，只是靠AI碰巧解出一道难题，有价值吗？这有点像猴子拿到了AK47：武器很强，但它不知道为什么能打中，也不知道下一次该往哪里开枪。
数学研究的价值，不只是得到一个答案。更重要的是，有没有人能理解证明为什么成立，从中提炼出新的方法，再把这些方法推广到其他问题上。这也是陶哲轩一直强调的方向：AI可以参与数学研究，但人类必须始终参与到研究过程里。
最近，超衍智能 Apex Intelligence @apexin_ai 推出了一套名为“Apex Math”的自动化 AI 系统来做数学研究。不同于 OpenAI 的1万个Agent暴力并行求解，Apex Intelligence的路线是：先由专业数学家提出有价值、值得推进的研究课题，再让 AI 系统去尝试独立完成证明，最后交回给数学家做严谨的审核。有点类似Vibe Coding中Agent与程序员的合作模式。
这套数学家与AI的合作模式，人类始终在整个过程中，对于项目有充分的掌控和理解，很契合前几天陶哲轩等菲尔兹得主联名倡导的方向。
目前，Apex Intelligence的这套系统已经推进了 5 项前沿数学研究：
· 其中 2 项已经通过了专家的严格核验。
1）MVI优化算法，人类数学家使用这套系统接力跟进，持续提升最优算法
第一版论文：https://arxiv.org/abs/2608.08463
清华后续优化：https://arxiv.org/abs/2609.23557
北大后续优化：https://arxiv.org/abs/2609.13462
谷歌后续优化：https://arxiv.org/abs/2609.30212
2）Mockenhaupt三项Hardy-Littlewood极大化猜想
AI 系统给出了一个通用的解析证明，彻底证明了这个猜想在所有参数下都成立。
· 另外 3 份候选论证（包括悬而未决 29 年的 Nivat 猜想），已直接公在了 Apex 数学平台 上，并且设立了 10 万元奖金池，公开邀请全球的研究者来挑错、复核或者补齐推导。
参与方式 ：https://math.apexin.net/
他们还分享了一些与AI的对话记录：https://chatgpt.com/share/6aae8bce-dc34-83ee-807b-dec17139119a
Apex Math现在提供的方法，权衡了AI和数学家的职能，是比较实际能落地的方案，但还不一定是AI做数学研究的最终形态。不久的未来，随着AI能力的显著提升，数学家、科研工作者如何与AI协作，可能还会有大的变革。
本期速览
01 美光单季自由现金流超330亿美元
03 tunless socket 层拦截转发
04 Open Code Review 开源
05 DoorDash 助手客单价高 50%
06 greenbubbles 直连微信数据库
07 Apex Math 两项结果过专家核验
01｜美光单季自由现金流超330亿美元
来源（X） · @kafkaup · 2026-10-01 22:44
截至 9 月 3 日的季度，美光营收 542 亿美元，接近去年同期的五倍。毛利率 86.8%，差不多翻倍，这已经不是硬件厂商该有的数字。原因也没什么复杂的：涨价，而且客户没得挑，HBM 产能到明年都排满了。
代价有人在付。英伟达最新芯片系统价格涨了约 17%，存储成本是原因之一，它还在测试把 Rubin Ultra 的存储配置削减一些。Meta 和苹果都已经给消费硬件涨价打了预告。三家 HBM 供应商又一起进了 Anthropic 的新一轮融资，等于自己出钱托住自己的需求。
我觉得这是周期性的超额利润，不是结构性的。今年签的那批长协几年后陆续到期，那才是美光真正的考题。
02｜微软科学总裁彼得·李离职
来源（X） · @kafkaup · 2026-10-01 22:16
今年从微软出去的高管已经排成一串：管 Office 和 Windows 的拉杰什·杰哈、Xbox 的菲尔·斯宾塞、首席传播官弗兰克·肖、安全负责人查理·贝尔。
我更在乎的是研究院这条线本身的轨迹。微软研究院最早是公司里做 AI 的主力，量子芯片、搜索、机器人、密码学都在里面，但生成式 AI 这一轮被 OpenAI 这些新实验室甩开了。纳德拉自己表达过遗憾，转头 2023 年砸了一百亿美元买技术复用权。李后来的工作变成了评估 OpenAI 的模型、把它蒸馏成小模型、往医疗场景里塞。
从定义前沿到给别人的模型做适配，这个转变本身就说明问题。设一个虚职再让人体面离开，是大公司处理这种落差的标准动作。
03｜tunless socket 层拦截转发
来源（X） · @bojie_li · 2026-10-01 22:25
所以我做了个 tunless，在 socket 层面上拦截 TCP/UDP 连接，并做转发。这样 ping google 看到的就是真实的 IP，curl 也是通的。目前我自己用了快一个月了，也修了不少 bug，现在开源出来。
https://github.com/bojieli/tunless/
04｜Open Code Review 开源
来源（X） · @denziideng · 2026-10-01 10:33
代码提交前想找人审，同事忙没空看，自己审又容易漏！用AI审吧，要么漏文件，要么报的问题位置对不上。😭
阿里自用的家伙 Open Code Review ，已内部服务了数万开发者、识别数百万缺陷，现在竟然免费开源啦！👇
✅ 阿里内部验证两年，数万开发者用过
✅ 读完整文件和代码库上下文，不只盯diff
✅ 同样模型下比通用Agent准，token只花1/9
✅ 行级定位精准，不偷懒不漏文件
🔗 https://github.com/alibaba/open-code-review
程序员、做开发的赶紧研究搞起，代码提交前自个跑一遍才放心！😄
#开源工具 #代码审查
05｜DoorDash 助手客单价高 50%
来源（X） · @kafkaup · 2026-10-01 23:04
周三它宣布把已经内置在 App 里的 AI 助手接到了 iMessage，以后发条短信就能点餐、买菜。说实话，纯便利的部分有点虚，重复点同一家店的那份餐，App 本来就两下搞定。多出来的东西在推荐侧：你不知道今晚吃什么，它给建议；你要做一道菜，它把一整串食材列出来一次性下单。客单价涨五成，大概就是因为它会塞进一些你自己想不起来的东西。
DoorDash 同时已经接了 ChatGPT，据说还在谈 Meta 的 Muse。这两件事短期不矛盾，长期是互斥的：如果用户习惯对着 ChatGPT 说帮我订个晚饭，DoorDash 就退化成后台跑单的物流层，用户关系和推荐权都在别人手里。
我的判断是，自建助手对 DoorDash 不算产品创新，是防守。攒了十年的购买意图数据，只有握在自己的入口里才算资产。顺手把它那套糟糕的客服也修一下，说服力会更强。
06｜greenbubbles 直连微信数据库
来源（X） · @bojie_li · 2026-10-01 22:52
我也开源了自己用来整理微信聊天记录的 skill，目前已经形成了一个庞大的个人知识库，涵盖个人生活、工作的方方面面，感觉 AI 已经掌握了我的所有经历和小心思（这些信息太敏感了，我都不敢截图）
不知道为什么现在大多数的工具都是把微信数据库拷贝出来，再导出成自己的格式，其实微信本身的数据库 schema 就挺好的，只要用 greenbubbles-acquire 获取到密码，然后直接连上就行了啊。
好像我还没宣传就有了 78 个 star……欢迎 star & 提 issue
https://github.com/bojieli/greenbubbles
07｜Apex Math 两项结果过专家核验
来源（X） · @Gorden_Sun · 2026-09-30 23:54
如果一个人根本不懂数学，只是靠AI碰巧解出一道难题，有价值吗？这有点像猴子拿到了AK47：武器很强，但它不知道为什么能打中，也不知道下一次该往哪里开枪。
数学研究的价值，不只是得到一个答案。更重要的是，有没有人能理解证明为什么成立，从中提炼出新的方法，再把这些方法推广到其他问题上。这也是陶哲轩一直强调的方向：AI可以参与数学研究，但人类必须始终参与到研究过程里。
最近，超衍智能 Apex Intelligence @apexin_ai 推出了一套名为“Apex Math”的自动化 AI 系统来做数学研究。不同于 OpenAI 的1万个Agent暴力并行求解，Apex Intelligence的路线是：先由专业数学家提出有价值、值得推进的研究课题，再让 AI 系统去尝试独立完成证明，最后交回给数学家做严谨的审核。有点类似Vibe Coding中Agent与程序员的合作模式。
这套数学家与AI的合作模式，人类始终在整个过程中，对于项目有充分的掌控和理解，很契合前几天陶哲轩等菲尔兹得主联名倡导的方向。
目前，Apex Intelligence的这套系统已经推进了 5 项前沿数学研究：
· 其中 2 项已经通过了专家的严格核验。
1）MVI优化算法，人类数学家使用这套系统接力跟进，持续提升最优算法
第一版论文：https://arxiv.org/abs/2608.08463
清华后续优化：https://arxiv.org/abs/2609.23557
北大后续优化：https://arxiv.org/abs/2609.13462
谷歌后续优化：https://arxiv.org/abs/2609.30212
2）Mockenhaupt三项Hardy-Littlewood极大化猜想
AI 系统给出了一个通用的解析证明，彻底证明了这个猜想在所有参数下都成立。
· 另外 3 份候选论证（包括悬而未决 29 年的 Nivat 猜想），已直接公在了 Apex 数学平台 上，并且设立了 10 万元奖金池，公开邀请全球的研究者来挑错、复核或者补齐推导。
参与方式 ：https://math.apexin.net/
他们还分享了一些与AI的对话记录：https://chatgpt.com/share/6aae8bce-dc34-83ee-807b-dec17139119a
Apex Math现在提供的方法，权衡了AI和数学家的职能，是比较实际能落地的方案，但还不一定是AI做数学研究的最终形态。不久的未来，随着AI能力的显著提升，数学家、科研工作者如何与AI协作，可能还会有大的变革。
