诺奖得主阿西莫格鲁：AI替代人工是糟糕商业决策，商机在垂直应用
2024年诺贝尔经济学奖得主阿西莫格鲁在专访中判断，单纯用AI替代人类员工往往是糟糕的商业决策，他重申10年内AI仅能为美国GDP贡献约1%增长、仅5%任务可完全自动化。他认为硅谷过度追逐基础模型，忽视赋能护士、教师、电工的实用应用，而现有模型已足够支撑落地，真正商机在高质量数据与垂直应用。
#数据/训练
最佳拍档AI 评分3636
最佳拍档AI 评分4545 本·阿弗莱克复盘 InterPositive 被 Netflix 收购：AI 不会取代电影
本·阿弗莱克在 GQ 播客《One More Question》中复盘其 AI 公司 InterPositive 被 Netflix 收购的经历。他认为硅谷研究者不懂电影制作，模型用网上抓取的 H.265 压缩视频训练，而片场原始素材自带高质量有序数据，因此自建不含同行作品的数据集，用多机位、激光雷达和虚拟摄影棚打造专用后期制作 AI 工具。
X · Justine MooreAI 评分2020 Justine Moore：单个 LLM 提示词即可完成大量研究，Gemini 4 擅长海量数据分析
Justine Moore 表示，如今单个 LLM 提示词就能完成大量研究工作，并称 Gemini 4 尤其擅长分析海量数据并综合成洞察。她表示会在下方附上演示链接。
The DecoderAI 评分5050 Anthropic 的 Andrej Karpathy：外界只看到 AI 能力的"预览版"
Anthropic 的 Andrej Karpathy 称"外部世界只看到了预览"，并将大语言模型用户分为四层：约 60 亿人几乎未接触 LLM，10 至 20 亿人把免费 ChatGPT 类产品当作更好的搜索引擎，约 2000 万数学与编程专业用户已用智能体完成过去需数周数月的项目，仅约 5000 人能接触内部前沿系统。
最佳拍档AI 评分2020 孙宇晨谈年轻人如何抓住AI时代机会：先全部AI化，再叠加薄肌与黄毛理论
孙宇晨在与邵艾伦的4.5小时长谈中提出，年轻人应先"全部AI化"，再叠加孙学、薄肌、黄毛三套理论，并用AI全流程管理饮食、训练和睡眠。他强调"先探图再下结论"，看好数学、天文、生物制药等数据密集型领域，主张商机在全球发现，并从货币翻译成机器语言的角度解读Crypto。
公众号 · 硅星人ProAI 评分2626 对话Mercor：我们仅为强大AI提供了所需的1%数据，半年后模型会再有一次大跨越
Mercor VP Chirag Mahapatra 在 Assembling 2026 上表示，前沿实验室在科学、材料、生物等复杂领域只收集到构建极高质量模型所需数据的 1% 到 2%，物理世界数据同样如此，整体仅到 2% 到 5%。他预计未来六到八个月内会出现强大得多的模型。Mercor 专注数据、evals 与基础设施，帮助企业训练自己的模型，而非自己做模型。
最佳拍档AI 评分2222 Google Research 负责人 Yossi Matias 谈 AI 下一次突破：超越 Scaling Law、环境智能与科学发现
Google Research 负责人 Yossi Matias 探讨 AI 下一次突破的方向，涵盖超越 Scaling Law 的架构创新（如投机解码提升效率）、环境智能与 Generative UI 交互范式、AI Co-Scientist 加速科学发现，以及洪水预测、Google Earth AI 行星级智能、医疗 AI 开放生态与量子计算进展。
公众号 · 数字生命卡兹克AI 评分3838 聊聊A16Z两份AI报告：付费率仅4.5%、1%重度用户月花903美元与杰文斯悖论
A16Z第七版《Top 100 消费级 AI 应用》与9月底更新的《市场状况 II》报告显示，截至2026年8月美国AI个人付费订阅率仅4.5%，仅2%的标普500公司长期追踪AI价值指标。付费用户中前1%贡献19.5%消费、月均花903美元，Claude付费用户有7.3%购买100美元起步的Max计划。报告还指出Agent已成Token消耗主力，8月日均达7.3万亿Token。
NVIDIA BlogAI 评分1212 NVIDIA AI 工厂如何实现高产出、长寿命与通用性以最大化投资回报
NVIDIA 提出 AI 工厂投资回报由产出能力、使用寿命和需求三要素决定，其平台以每兆瓦吞吐量、硬件持续收益和全类型 AI 负载通用性同时优化这三项。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
The DecoderAI 评分5757 Anthropic 工程师解释 Claude 为何更聪明却写得更差
Anthropic 负责 Claude 微调的员工 Jackson Kernion 解释，Claude 在数学、代码和推理上快速进步，写作质量却停滞甚至变差，Opus 4.6 是 Anthropic 最后一个好的写作模型。