夜雨聆风
行业动态
01
XAI 解散了，但别高兴太早
马斯克旗下 XAI 宣告解散，将数十万张 GPU 卡出租给 Anthropic，导致 Anthropic 推理额度暴增。但这并非 XAI 消亡——其算力主体 Columns 数据中心仍在马斯克手中，XAI 只是以独立法人形式不再存在，将以 Space XAI 的名义融入 SpaceX 继续运作，Groq 模型照常运行。
可能的判断：当前不需要这么多推理算力，先出租 Anthropic 变现；但自训练模型的算力（二代卡）仍留在手中。
02
OpenAI 与金融巨头的 JV：不是合作，是超级销售渠道
三天内连续出手：成立 JV、发布金融 Agent、让 JP 摩根站台。底层逻辑是：Blackstone、高盛、H&F 这类机构，在 AI 产品面前是甲方爸爸——把他们变成 JV 合伙人，等于拿到了一个面向所有企业客户的大分销渠道。
旁证：Cowork 的 plugin 列表近期悄悄上线了 Kensho（S&P Global）、Brightdata 等合作方插件。一级市场讲故事，二级市场赚利润，PE 内部套利——结构精辟。
Benchmark 危机
03
ARCAGI：顶级 AI 模型得分 0.203，7 岁小孩能轻松通关
ARCAGI 组织发布的 ARCAGI-3Benchmark：让 Agent 自己玩红白机游戏，但游戏不告诉你目标，靠自己探索找到通关定义。结果令人清醒——
得分对比（归一化）
这是对"AGI 将至"论的最好泼冷水。一个 7 岁小孩能玩得很好的游戏，主流最强模型只能得 0.203。大家不要对所谓的 AGI 这件事太乐观。
04
传统 Benchmark 已死，新一代评估怎么做
MMLU、GPQA 全部被刷爆，模型发布再也不引这些数据了。核心洞察：放松某一个维度的限制，就可以做出新的有效 Benchmark。
安全与隐私
05
Gay JailBreak：用政治正确绕过 AI 对齐
使用政治正确语法作为提示词注入载体，结合 LGBT 语境包装，绕过大模型的对齐机制。原理并不复杂：
LLM 的"拒绝回答"功能（Refusal）是一个需要与其他特征竞争的 feature，并非绝对优先级。当 LGBT 相关的 guard rail（模型对少数群体议题自动放宽审查）优先级更高时，Refusal feature 会被压制——对齐就此失效。
这一机制在 Anthropic《Tracing the Thought of Large Language Model》论文里早有记载。换言之，可以利用政治上的过度正确，来诱使大模型关闭其对齐机制。在国内外均适用。
06
同期曝光：浏览器已成厂商侵入设备的主战场
三条消息在同一时期相继曝光，每一条单独看都足够严重：
Google Chrome
静默安装 4GB 本地模型
无任何提示，直接下载至用户本地。类似于此前推送的 Gemma-4B 系列模型。后续还进一步支持了通过 JS 直接调用本地或云端模型的接口——来源无需区分。
Anthropic Cloud · 被底层安全研究员发现
在 Chromium 内注册隐藏组件
组件将网页 JS 代码直接桥接到 Cloud 本地应用，用于在浏览器中调用 Cloud 云端服务。完全未作任何提示，涉嫌违反 GDPR 等隐私规范。
Apple Support 官方 App
意外暴露 claude.md，揭示苹果多 Agent 客服架构
文件内容显示苹果客服系统正在用统一协议同时兼容 junior AI（Agent 客服）和 live agent（人工客服），并含 compliance heavy 的 multi-agent 接口描述。发布后很快被删除。
趋势本质：越来越多厂商开始把有执行能力的程序——无论是模型还是 Agent——悄悄部署进用户设备。相关法律框架严重滞后，而且这件事对于欧洲、美国是极其敏感的。
技术前沿
07
推理成本每年除以 40，但硬件仍是瓶颈
Epoch AI 发布的几组数据，是目前做产品规划时最值得参考的基础参数：
最新数据中心规模：70 万块 H100 等效（Anthropic × 亚马逊合作在建）。每美元算力增速 1.3 倍这个数字可能还低估了——硬件 GPU 光刻层面确实是 scaling 最大的瓶颈。
08
SUBQ 架构：注意力计算降低 1000 倍？（未验证）
5 月 5 日刚发布的论文，提出亚二次元架构（Sub-Quadratic），称可将 KV Cache 注意力机制的复杂度从 O(N²) 大幅压缩，理论上比 Flash Attention 快 50 倍，注意力计算量减少 1000 倍。Flash Attention 本身已经是 3 个数量级的优化。
目前没有看到太多验证信息。但如果属实，这将是推理方向短期内最大的一个进展。值得持续关注。
09
LLMOS：用 Transformer 造一台计算机
目前为止最神奇的项目。核心命题是：能不能训练一台计算机？
路径：找到图灵完备的最小指令集 Subtotal Equal（只需一条指令即可模拟所有程序）→ 用 Transformer 去拟合这个函数 → 训练出的模型直接吞代码吐结果，不需要任何编译器或运行时环境，只需让模型推理即可。
准确率约 99%，作者据说还是一个学生。这是 CS 理论边界被重新定义的标志性实验，也是至今看到最接近所谓 LLMOS 这一概念的项目。
组织与商业变革
10
Token 消耗成为 KPI，Uber 四个月烧光全年预算
越来越多企业开始把 Token 消耗量当核心 KPI。极端案例：有人同时运行 50 个并行 Codex 实例，一分钟消耗 4 亿 Token 直接超配额。
另一面是惊人的生产力上限：1 个人驱动 50 个 Agent 同时工作，效率可能不是"10 倍工程师"，而是"1000 倍工程师"量级。这件事的三角关系还没太看明白，所以暂不深说。
11
Scrum 已死：2026 年的机器，1995 年的流程
Scrum 宣言写于 2000 年，距今 26 年。一篇文章提供了一个简单的成本计算：8 名工程师团队，每两周一次 15 分钟站会，一年光站会成本就超过一个工程师年薪。代价是什么？让大家每天念自己的 Jira。
自检：你的团队中了几条？
□ 站会目的已变成让大家念自己的 Jira□ 团队加速度只在绩效 review 前才提升□ Sprint 演示的是工作成果而非真实部署□ 仍有纯粹只管人、不写代码的 Manager
替代方向：SPEC 先行，线性推进，以 Agent 优先方式开发，持续交付——取消迭代概念。
12
Coinbase 裁员 14%：Pure Manager 是最危险的职位
CEO Brain Armstrong 内部信披露：公司 CEO 之下最多保留 5 层管理结构，且没有纯粹的 Manager——每个人都必须是贡献者（IC）。未来的组织形态是 AI Native POD：一个小团队，由若干人加若干 Agent 混编，每人身兼多个角色。被裁员工获得 16 个月薪资补偿。
这对在座所有人的启示：如果你是一个 pure manager，这是最危险的定位。未来所有人都应该既是 manager，又是 IC，都应该是贡献者。
一人公司时代：在模型能力足够的当下，一个人设计、做产品、开发、交付、客服全部搞定，在经济上已经完全可行。
本期隐含预测
根据本期讨论中冯小平的判断与倾向整理，非官方，仅供参考。
| 90% | 传统 Benchmark 全面退场，自定义评估成主流 MMLU、GPQA 已饱和，放松维度的新型评估方式将成为行业标准。 |
| 85% | 端侧 AI 立法迎来监管收紧，尤以欧洲为先 浏览器厂商静默安装行为涉嫌违反 GDPR，相关立法会加速。 |
| 80% | AI Native POD 成主流，Pure Manager 职位大幅萎缩 Coinbase 信号 + 一人团队经济可行性，未来 3 年内大部分科技公司将向扁平 POD 结构转型。 |
| 70% | SUBQ 架构被验证，开启推理效率新纪元 若 1000 倍工程师属实，将直接改变所有长上下文应用的成本结构。 |
| 65% | 国内复刻 Anthropic/OpenAI JV 模式，短期不现实 PE 往下推的资本结构在国内走不通，可以调整后走通，但速度不会那么快。 |
本期金句
"咱们现在在 2026 年的机器上跑 1995 年的流程。"
论 Scrum 的时代错位
"你给所有人的浏览器里装了个 4B 的模型，全球二氧化碳排放的骤增……他直接说到这了。"
讽刺安全研究员对 Chrome 静默安装的"终极担忧"
"一个人可以同时是 PM、产品、开发、客服——都能做。一人公司，这是最值得做的 one person team。"
论 AI 使能的一人公司时代
本期关键词
XAI解散Space XAIRKGI BenchmarkGay Geo BreakOpenAI JVChrome静默安装Anthropic Chrome组件Apple Support泄露推理成本÷40x70万H100SUBQ架构LLMOSSubtotal EqualBenchmark已死Simple Bench万智牌BenchmarkCoinbase裁员AI Native PODScrum已死AI for MathToken KPIRentahumanNextJS被AI重构AppleOKIEPOKI
