夜雨聆风
今天有两件事同时发生，放在一起看格外刺眼。
早上，OpenAI宣布ChatGPT正式启用"Dreaming"记忆系统——AI第一次真正开始记住你，而不是每次对话都从零开始。
同一天，Anthropic发布了一篇题为《当AI开始构建自己》的万字长文，数据明白写着：Anthropic代码库里，超过80%的代码由Claude写的。
AI记住了你。AI还开始替你工作了。
这两件事叠在一块，值得认真说一说。
ChatGPT开始"做梦"：AI终于认识你了
在此之前，ChatGPT有一个根本性的缺陷，叫"失忆"。
每次打开新对话，你就得重新介绍一遍自己：你的工作、你的习惯、你的偏好、你上次聊到哪里。就像认识了一个人，每隔几天见面，他又不认识你了。
旧系统也尝试解决这个问题，叫"Saved Memories"——你可以手动告诉它"请记住，我是做市场的"，它就把这句话存下来。但问题是，你会说的事情才能被记住，那些你顺口带过的、藏在上下文里的细节，统统丢失。
现在不同了。
"Dreaming"这个词取得很有意思——AI在"睡眠"中整理记忆，就像人类的大脑在睡觉时处理白天发生的事情。系统会自动扫描你的历史对话，从中提炼出有价值的信息，并判断哪些已经过时、哪些仍然有效。
数据非常直观：
事实回忆成功率：从41.5%跳到82.8%
偏好遵循率：从31.4%跳到71.3%
信息时效性保持：从9.4%跳到75.1%
这不是小幅优化，是一次质变。
具体说，这个系统能做什么？你上周告诉ChatGPT你在准备一次融资路演，它会记住；你月初说最近想系统学一下Python，它会记住；你某次对话里提到你的孩子今年上小学了，它可能也会记住。下次你问它"帮我推荐一本书"，它不会给你推荐《Python编程》，而是会结合你最近的状态，给出真正符合你当下处境的建议。
还有一个细节：系统会自动判断信息是否"新鲜"。旅行结束了，它就不会再给你推送目的地信息；项目交付了，相关的任务细节就会从前台退到后台。
OpenAI官方博客把这个能力命名为"Dreaming V3"，说是内部研发了相当长时间的成果。目前率先向美国Plus和Pro用户开放，几周内会扩展到更多地区和免费用户。
还有一个功能值得单独说：记忆来源标注。每当ChatGPT给出个性化回答，界面下方会有一个书本图标，点开可以看到"这条建议来自你2025年11月某次对话"。这是一个隐私透明度设计，让用户知道AI在依据什么来认识你。
这个功能的意义，远不止"方便"两个字。
AI从工具变成"认识你的助手"，是一个根本性的关系变化。过去你打开ChatGPT，是在用一个功能；往后你打开ChatGPT，是在找一个了解你处境的人聊。这两种体验，差距巨大。
当然，隐私问题也随之而来。你在聊天中随口说的事，可能会被记录进去。OpenAI提供了关闭选项，也提供了"临时聊天"模式——进去聊完出来，什么都不留。但大多数人不会主动去关，这意味着ChatGPT会越来越"懂"你，代价是它掌握的关于你的信息也越来越多。
Anthropic的内部数据，让人看了有点沉默
同一天，Anthropic发布了一篇公司博客，题目叫《当AI开始构建自己》。
不是预测，是实际发生的数据报告。
核心数字：
截至2026年5月，Anthropic代码库中超过80%的代码由Claude编写
工程师每天合并的代码量，是2024年的8倍
研究团队使用AI后，产出是不使用时的约4倍
Claude编写代码的成功率，6个月内从不稳定跃升至76%
这些数字不是概念，是Anthropic自己的生产系统里真实发生的事。
一个具体案例更能说明问题：去年Anthropic的训练集群出了一次故障，数万个训练任务崩溃。工程师给Claude一段文字描述和集群访问权限，约2小时后，Claude独立找到了问题所在并确认了修复方案。这个任务，如果交给人类，通常需要2到3天。
另一个案例：2026年4月，Claude在人类监督下处理了一类API错误问题，交付了超过800个修复，将错误率降低了一千倍。人类工程师估算，这项工作若由人完成，需要4年。
文章里有一句话，读起来很平静，但含义很重：
人类角色正从"执行者"（写代码、跑实验）快速转变为"目标设定者"和"审查者"（决定方向、评估结果）。
这不是危言耸听，是Anthropic自己公司内部正在发生的事情的描述。
Anthropic强调，完全意义上的"递归自我改进"（AI完全自主设计和开发自己的下一代）还没有实现。但趋势明确。文章里提到，AI能可靠处理的任务时长翻倍的周期，从每7个月加速到每4个月。
程序员群体看到这篇文章，该做什么反应？
文章给出的建议是：不要急着恐慌，而是想清楚自己的核心价值在哪里。当AI能写代码，判断力、研究品味和系统设计能力反而变得更值钱，因为这些是无法轻易被替代的。
GitLab：增长期裁员14%，用钱换AI
ChatGPT在记住你，AI在替代工程师，这不只是在实验室里发生——市场里已经有公司在行动了。
代码托管平台GitLab今天宣布裁员约350人，占总员工的14%，同时退出22个国家和地区。
重点在于：GitLab今年Q1营收同比增长23%，大幅超出预期。不是经营困难，是主动选择。
CEO Bill Staples发了一封公开信，题为《GitLab Act 2》，还连发14条推文详述逻辑，核心只有一句话：
"软件将由机器构建，由人来指挥。"
他把省下来的人力成本，全部重新投入AI研发。与Anthropic深化Claude集成，与AWS、谷歌云的AI平台打通。
硅谷科技行业2026年Q1整体裁员量同比增长了40%，AI正在成为裁员的头号原因。GitLab是其中的典型样本——不是"活不下去了"，而是"为了活得更好，主动换人换AI"。
当一家为程序员提供基础设施的公司，开始裁减程序员，这个信号的清晰度不言而喻。
英伟达Cosmos 3：机器人AI的底座变了
前三条是"软件侧"的变化，第四条说"硬件侧"。
英伟达在GTC台北大会上正式发布了NVIDIA Cosmos 3，定义是"全球首款完全开放的全模态物理AI模型"。
这个名字信息量很大，拆开看：
"全模态"——不只是处理文本或图片，而是统一了视觉推理、世界生成、动作预测三大能力。它能原生理解并生成文本、图像、视频、环境音效和物理动作，五种模态在一个系统里。
"物理AI"——这是英伟达对下一代AI的定义：能理解并操作物理世界的AI。具体场景包括自动驾驶、工业机器人、人形机器人。不是在屏幕里生成内容，而是在真实世界里做事情。
"完全开放"——开源，可商用，这是与Meta的Llama、谷歌的Gemma同一个路线，用开放来构建生态主导权。
为什么说底座变了？
在Cosmos 3之前，机器人公司要训练自己的AI模型，需要花数月时间采集真实世界数据，然后再花数月训练。Cosmos 3把这个周期从数月压缩到数日——通过高质量的物理仿真，生成大量逼真的训练数据，直接替代昂贵的现实采集。
简单说：造机器人的门槛低了，且低的不是一点点。
英伟达还同步宣布牵头成立"全球物理AI开发者协作联盟"——黄仁勋的老路数，先把生态圈子建起来，让别人站在你的平台上发展。A股物理AI概念板块开盘集体大涨，逻辑顺畅。
腾讯混元Hy3：大厂AI的另一面
今天还有一个国内值得关注的动态：腾讯发布了混元Hy3 preview，同步在腾讯云AI产业应用大会上，腾讯高管汤道生和首席AI科学家姚顺雨做了一场对谈，主题叫《腾讯AI的下半场》。
几个关键点值得记住：
混元Hy3：总参数295B，激活参数21B的混合专家模型。上线OpenRouter后，曾拿下周调用量与市场份额双第一。在腾讯内部产品上，首token延迟降低54%，能稳定驱动最长495步的复杂Agent工作流。
姚顺雨对"下半场"的判断：AI发展到中场，上半场核心是模型突破，下半场重心从"解决问题"转向"定义问题"。未来，评估体系的重要性会超过训练本身。
汤道生说的一句话很值得记住：AI时代的产品，从过去的"预制菜"功能菜单，变成了应对开放式用户输入。工程师的角色，变成了"驱动多个Coding Agent的产品Leader"。
腾讯的逻辑，和Anthropic说的那个方向高度一致：不是人写代码，是人指挥AI写代码。
AI在记住你，同时也在替代你
今天的四条新闻，拼在一起是一张完整的图：
ChatGPT的Dreaming系统——AI开始真正认识你，从工具变成能记忆、能理解的长期助手。
Anthropic的内部数据——80%代码由AI写，人类工程师产出8倍，递归自我改进的门正在推开。
GitLab裁员14%——赚钱的公司主动裁程序员，把钱换成AI，这是一个产业信号，不是一家公司的个案。
英伟达Cosmos 3——物理世界的AI底座升级，机器人、自动驾驶的训练成本从数月压缩到数日。
这几条新闻有一个共同的方向：AI的角色，在悄然切换。
它不再只是被调用的工具，它开始作为参与者存在——记住你的状态，承担你的工作，替换你的团队成员，构建物理世界里的系统。
这个变化的速度，比大多数人预想的要快。
ChatGPT今天开始了解你。但了解你，是为了更好地帮你，还是最终用更少的人完成更多的事？
这两个方向，现在都在同时发生。
今日关键词：ChatGPT Dreaming / Anthropic AI写代码 / GitLab裁员 / 英伟达Cosmos 3 / 腾讯混元Hy3
微软今天开始切断OpenAI——那是一段价值700亿美元的关系
