AI加速改写知名系统,省钱是个人助手第一要务(AI夜读10.15)

该内容来自griver.world，由AI生成，请大家谨慎阅读。

今天的主题是"基础设施换血"：内核、Git、Science、会议室——跑得最快的从来不是模型，是被模型倒逼着重构的一切。

• Linus 用 AI 写内核：Claude Code 参与 Linux 内核开发，8 线程吞吐量从 1000 万提升至 3300 万，还揪出沉睡多年的 4 个 Bug——嘲讽 AI 编程二十年的传奇人物亲自交了实票
• Anthropic 把 Git 都重做了：新系统 Scion 让 CI 检出从分钟级降到秒级、日均合并量 4 个月涨 12 倍——Claude 写码太快，二十年的工具链扛不住了
• AI 数学成果首登 Science：DeepMind AlphaProof Nexus 破解 9 道埃尔德什开放问题、单题成本数百美元，并且完整交同行评审——与 OpenAI 直发 GitHub 形成路线分野
• 扎克伯格自曝破产赌注：押 1000-2000 亿美元开发 Muse Wonder，"搞砸了 Meta 就直接破产"——CFO 警告之后，他选择把风险说在明处
• 华为哈勃投了个 98 年博士：视塔机器人团队平均 23 岁，柔性电子皮肤感知密度超 10000 点/cm²——具身智能的最后拼图不是大脑是皮肤

此外还有 5 条大 V 观点（Kimi K3 自我进化国产第一、硅谷投资人称中国开源模型是创业生态礼物）、3 个 GitHub 项目，以及一份「学 Linus 用基准驱动改慢代码」技巧。

一、AI 行业动态

Linus 彻底入坑 AI：用 Claude Code 写内核，吞吐量暴涨 3 倍（10.15）

Linux 之父 Linus Torvalds 用 Claude Code 参与 Linux 内核开发：创建分支优化内存管理，8 线程并发读取吞吐量从 1000 万提升至 3300 万，还顺带发现 assoc-array 库中沉睡多年的 4 个 Bug。这位二十年来对"AI 写代码"冷嘲热讽的传奇人物亲自下场，并把过程公开——AI 编程从"硅谷 Demo"到"内核级生产资料"，可能就差这一张实票。

Claude 写码太快，Anthropic 把 Git 都重做了（10.15）

Anthropic 发布源码控制系统 Scion，直接取代用了二十年的 Git：CI 检出速度从分钟级降到秒级，公司日均合并量 4 个月暴涨 12 倍。原因是 Claude 写代码的速度把传统工具链甩在了身后——当 AI 一天生成的提交量超过人类团队一个月，"版本管理"这个最古老的开发者基础设施被迫重写。工具链的"AI 时刻"，比多数人预想的来得早。

DeepMind 登上 Science：AI 破解 9 道埃尔德什难题（10.15）

DeepMind 的 AlphaProof Nexus 解决了 9 道埃尔德什开放问题，成为首个登上《Science》的 AI 数学成果，单题成本约数百美元。与 OpenAI"722 篇手稿直发 GitHub"（10-07 资讯）绕开评审不同，DeepMind 把成果完整交给了同行评审——同为 AI 数学竞赛的两条路线，一个抢速度、一个讲规矩，胜负可能要等科学史来判。

《变形金刚》式复活：《功夫熊猫》执行制片要"救活"Sora（10.15）

一家 AI 视频初创公司正洽谈获得已关停的 Sora 模型使用权，《功夫熊猫》执行制片人也参与其中，OpenAI 将获得部分股权。当官方亲手关掉自己的明星产品，废墟里反而长出了创业机会——"接盘已死模型"正在成为 AI 视频赛道的新剧本。

OpenAI 高管会议室被员工装了窃听器（10.15）

一名 OpenAI 员工因在高管绝密会议室安装窃听设备于 10 月 9 日被捕：设备仅值 13.99 美元，最高可判 5 年监禁。值得注意的对照是——安全团队忙着防模型被攻击，公司自己却先被"物理社工"了：AI 公司的安保清单，也许该从会议室开始列。

一句话总结：今天的行业是"基础设施换血日"——内核、Git、Science、会议室都被 AI 重做或攻破：跑得最快的从来不是模型，是被模型倒逼着重构的一切。

二、AI 新元素

华为哈勃投了个 98 年博士：视塔机器人，团队平均 23 岁（10.15 深读）

视塔机器人完成天使轮融资，投资方包括华为哈勃。创始人是位 1998 年出生的博士，团队平均年龄仅 23 岁，主攻柔性光子晶体电子皮肤——感知密度超 10,000 点/cm²。

“

它怎么赚钱？ 电子皮肤是机器人"触觉"的硬件底座：感知密度越高，机械手握鸡蛋不捏碎、抓湿杯子不打滑的精细操作才有可能。视塔的路线是把传感器做成"皮肤"级柔性材料，上游是光子晶体材料与柔性电路工艺，下游卖给人形机器人公司、义肢厂商与工业自动化集成商，按传感模组出货收费。哈勃的投资逻辑清晰：具身智能的"最后一块拼图"不是大脑而是皮肤——当各家人形机器人卷完运动能力，触觉精度将决定谁能进家庭。23 岁的团队与万元级的感知密度，是这场竞争里最锋利的两个数字。

腾讯内测"RENA 览财"：个人投资分析助手，连着微信（10.15 独家）

腾讯内测个人投资分析助手"RENA 览财"：整合市场速读、个股跟踪、AI 问答，依托微信生态做成轻量化投研工作台，支持连接微信。当 Robinhood 们还在卷交易界面，腾讯把投研入口直接长在了 13 亿人的聊天软件里——个人 Agent 的下一个战场，可能是"盯盘"。

千问 N1 Pro AI 眼镜发布：2600 元起，眼动追踪加虹膜支付（10.15）

千问发布 AI 眼镜 N1 Pro：眼动追踪、虹膜支付、5000 万像素摄像头，起售价 2600 元。昨日披露的千问 Go! 全家桶（10-14 资讯）今天立刻落到了具体硬件上——阿里用"眼镜"回答了阶跃的"手机"（STEPX Neo）、腾讯的"企微"：个人 Agent 的入口之争，眼镜派正式下场。

豆包支持一键导入 Claude Code 和 Codex 个人资产（10.15）

豆包 10 月 14 日上线新功能：一键导入 Claude Code 和 Codex 的历史对话、记忆与技能，用户可直接在豆包里继续已有任务。AI 工具的"搬家成本"第一次被打到接近零——当你的 Agent 记忆可以随身携带，平台忠诚度还剩多少，是所有厂商该睡不着的问题。

Muse 火 36 天之后：1189 个案例里的真实图景（10.15）

复盘数据出炉：Muse 累计下载超 660 万、日活 180 万；最受欢迎的场景是"省钱比价"，而真正的跨应用执行仅占 8%——Personal Agent 仍处极早期。这份自曝式的冷静数据比任何宣传稿都值钱：用户现在要的不是"AI 替我生活"，是"AI 帮我省钱"。

一句话总结：新元素都在抢"入口的下一站"——眼镜（千问）、微信（腾讯）、别人的记忆（豆包）、机器人的皮肤（视塔）：入口越贴身，战争越贴身。

三、X 大 V 动态（近 30 天精选）

扎克伯格（Meta CEO）首次自曝：Muse Wonder 搞砸了，Meta 就直接破产（10.15）

扎克伯格公开承认这场豪赌的分量：押注 1000 亿至 2000 亿美元开发 Muse Wonder 前沿模型（综合智力 56 分、超越 Fable 5.1），"搞砸了就会直接破产"。在 CFO Susan Li 曾私下警告财务风险（10-14 资讯）之后，他选择把风险说在明处——要么是绝对自信，要么是给股东提前打预防针，两种解读都在市场上流通。

Demis Hassabis（Google DeepMind CEO）：AI 数学成果，就该交给同行评审（10.15）

AlphaProof Nexus 登上《Science》后，DeepMind 的路线与 OpenAI 的"GitHub 直发"形成鲜明分野：9 道埃尔德什问题、单题数百美元成本、完整提交同行评审。Hassabis 团队一贯主张"科学发现要经得起科学界的检验"——在 AI 数学从炫技走向制度的关键节点，这份讲究可能比解题本身更影响行业走向。

杨植麟（月之暗面创始人）：Kimi K3 自我进化拿下国产第一（10.15）

DeepRSI 基准（评测 AI 递归自我改进能力）放榜：Kimi K3 拿下国产开源双料第一，成本约 159 美元——仅为 Claude 的四分之一。在 RSI 从论文议题变成产业赛道的当口，国产模型第一次在"自己改进自己"的考试里站上了榜首。开源+低价的老配方，正被复制到新赛道。

Jenny Xiao（硅谷一线投资人）：中国开源模型，是创业生态的关键礼物（10.15）

在 Assembling 2026 大会上，多位硅谷投资人对谈"OpenAI 和 Anthropic 怎么还没杀死创业公司"。Jenny Xiao 给出的答案耐人寻味：中国开源模型让创业公司摆脱单一模型依赖，是创业生态的关键礼物；同场投资人 Alan Du 则指出前沿模型与企业落地间存在"企业延迟"套利窗口，Brian Zhan 强调产品体验、数据飞轮与供应链掌控才是持久护城河——技术的天花板在抬高，但创业的理由没有消失。

蔡登（上海交大教授）：比 RSI 更本质的，是部署后自进化（10.15）

蔡登在对话中提出一个锐利区分：当前火热的 RSI（递归自我改进）本质仍是"部署前优化"——优化所有部署的平均表现；而私有数据、隐性经验与快速变化环境催生的能力缺口，只能在部署之后弥补。"让上下文学习无限持续"才是下一步关键。在全场都在卷 RSI 训练时，这个判断给创业者指了一条更少人走的路。

一句话总结：大 V 们在"摊底牌"——扎克伯格摊出破产风险、Hassabis 摊出评审路线、杨植麟摊出榜首成绩、投资人们摊出"中国开源礼物论"：AI 行业正在从比谁嗓门大，变成比谁底牌硬。

四、GitHub 项目精选

openJiuwen 个人知识空间（华为系开源）：给 Agent 发一本"工作手册"（10.15 首发）

华为等团队联合构建的 openJiuwen 发布个人知识空间：把散落的文档、笔记、流程沉淀成 Agent 可检索的私有知识层。实测数据亮眼：任务通过率提高 32%、总耗时减少 76.2%、token 消耗减少 84.1%。为什么有趣：它证明"给 Agent 一本手册"比"给 Agent 一个更大的模型"更省钱——知识工程正在悄悄赢过参数工程。

dzhng/jevgrep（1.8k 星）：用一句话找到"那段代码"

语义代码搜索 CLI：不再靠关键词，直接问"这段代码做什么"来定位文件——内置判断模型（Jev 类）打分排序，搜索成本比传统基线降约 30%。为什么有趣：它是"判断模型"从 Agent 决策走向开发者日常的第一批工具——当 IDE 的 Ctrl+F 变成一场小型问答，代码检索的交互范式已经换了。

KKKKhazix/AIHOT（3.5k 星）：自动找热点、自动写日报的网站框架

大模型双评分+聚簇热度算法的自动化资讯站框架：自动抓取、评分、聚簇、成稿，可改造为任意行业的热点站。为什么有趣：它是"内容工厂"开源化的样本——一个不会写代码的人，也能在一天内拥有一个自动更新的行业资讯站（本栏目除外，这里坚持人肉把关）。

五、今日技巧：学 Linus，让 AI 用"基准"改你的慢代码（当天上手）

Linus 的内核优化之所以可信，是因为吞吐量 1000 万→3300 万是可复现的数字。把这套"基准驱动"搬到自己的项目里，三步上手：

1. 建可复现基准：挑一段你嫌慢的代码，用 time、hyperfine 或 pytest-benchmark 写一条重复测量脚本——数字不稳定就先跑 10 次取中位数；
2. 让 AI 提优化方案：把代码和基准结果一起交给 Claude Code，明确要求"只许改实现、不许改接口，每轮优化后跑基准给我看"；
3. 验收并保留对照：AI 报告的加速必须由你复跑确认，通过的改动才合并——保留前后两版基准输出作为存档。

当天就能跑完第一轮。适合所有有"祖传慢代码"又不敢动的团队——AI 时代优化老代码的安全感，来自基准而不是信任。

“

注释：基准驱动开发 一切优化以"可重复的数字变化"为唯一验收标准的做法，防止 AI 自称"优化了 3 倍"但你毫无体感。

六、AI 论文精选

《Real2Gym：从视频建健身房，把技能带给机器人》（arXiv:2609.37089）

上海人工智能实验室等提出 Real2Gym：把人类操作演示视频重建成可执行的物理仿真环境，让机器人在"视频复刻的健身房"里练出可复用技能，再迁移回真机。技能复用成功率达 87.5%，重建评估中内容对齐、视角对齐、动作保真度全面优于 GPT 基线，Token 用量减少 74.9%。讲什么：机器人技能训练最贵的是真机试错，Real2Gym 把人类演示视频变成了免费的训练场。有什么用：工厂里老师傅的操作录像，明天就能变成新员工的机器人教练。

《Jev-LDE：ICL 示例只改一次，1-shot 准确率暴涨》（解读来源见下方）

清华团队提出 Jev-LDE：大模型上下文学习（ICL）检索出的示例并不总是适合目标模型，与其盲目检索更多，不如只对现有示例做一次精准编辑。48 个分类配置中 46 个优于初始检索，平均 1-shot 准确率从 81.2% 提升至 88.1%。讲什么：给模型的"例题"贵在准而不在多，一次好编辑胜过十次重检索。有什么用：所有做 few-shot 提示工程的团队可零成本接入——先照抄检索结果，再让判断模型编辑一轮（解读链接：https://www.dbyun.net/article/13898^[1] ）。

〈Recursia：具身 RSI 突破机器人零样本泛化瓶颈〉（解读来源见下方）

北京交通大学等提出 Embodied RSI 范式：内外双层循环——内环用世界模型自我改进技能代码，外环用真机反馈校准世界模型。在 LIBERO-Pro Long 长程任务上，零样本迁移成功率达 28%（位置扰动）/53%（任务扰动），比英伟达 ASPIRE 分别高出 5.8 和 15.1 个百分点；真机组合任务成功率从基线 20% 提升至 100%。讲什么：机器人也能"自己教自己"——世界模型当沙盒，真机当考官。有什么用：家庭服务机器人面对"没见过的摆法"不再死机，具身智能的长尾问题有了 RSI 解法（解读链接：https://k.sina.com.cn/article_5952915720_162d2490806704zuam.html^[2] ）。

引用链接