2026-05-12
🎬 YouTube
无近期更新。
🎙️ 播客
No Priors — Amex Global Business Travel: The World’s First AI Take Private with Long Lake CEO Alexander Taubman
Long Lake Management 正在以约 63 亿美元全现金交易收购 American Express Global Business Travel，这被包装为“全球首个 AI take-private”案例。Long Lake 的核心叙事不是传统 PE 的短期降本，而是把自研 AI 平台 Nexus 接入服务业工作流，用自动化、AI 订票和中断处理来提升企业差旅体验。这个案例值得关注，因为它把“AI 改造传统服务业”从产品 demo 推到了资本结构和并购层面。 🔗 链接
📝 博客
Simon Willison — Thoughts on GitLab's workforce reduction and structural and strategic decisions
Simon 关注 GitLab 在组织调整中把研发团队拆成更多小型、端到端负责的独立团队，并把这和 agentic engineering 的趋势联系起来：当 AI 能提高单个团队的产能，小团队更可能独立交付。文章也注意到 GitLab 价值观从 CREDIT 切到“Speed with Quality / Ownership Mindset / Customer Outcomes”，其中 Diversity 不再作为显式一级价值出现，可能引发讨论。 🔗 链接
Simon Willison — Quoting James Shore
这条引用强调：AI coding agent 真正该降低的是维护成本，而不只是提高写代码速度。James Shore 的核心计算很扎实——如果 AI 让代码产出翻倍，但维护成本没有按比例下降，长期总维护负担反而会更重。对团队来说，衡量 AI 编程价值不能只看 PR 数量或行数，而要看后续维护、理解和演进成本。 🔗 链接
Simon Willison — Your AI Use Is Breaking My Brain
Simon 转引 Jason Koebler 对“Zombie Internet”的批评：问题不只是 bot 与 bot 互聊，而是人类、AI 代理、营销账号、AI 生成内容混在一起，让普通读者持续消耗精力去判断“这是不是人写的”。这个概念比“Dead Internet”更贴近当下，因为很多内容背后仍有人类目的，但表达和互动已被 AI 大规模污染。 🔗 链接
Simon Willison — Using LLM in the shebang line of a script
Simon 展示了把 llm 直接放进脚本 shebang 的玩法：一个英文文本文件可以像脚本一样执行，让 LLM 根据文件内容生成结果。更进一步还能接工具调用、YAML 模板和 Python 函数，比如直接在脚本里定义计算工具，再让模型调用它们回答问题。这个方向很 hacker，也提示了“自然语言脚本化”的接口可能会变得越来越轻。 🔗 链接
Simon Willison — Learning on the Shop floor
这篇讲 Shopify 内部 coding agent River 的协作方式：River 不接私信，而是鼓励用户开公开 Slack 频道协作，让所有对话、上下文、review 和学习过程都可搜索、可旁观。Tobi Lütke 把它称为大规模 Lehrwerkstatt（教学工坊）：工作现场本身就是课堂，大家通过看真实工作来学习。Simon 也把它类比为 Midjourney 早期公共 Discord prompt 文化带来的“渗透式学习”。 🔗 链接
Ibrahim Diallo — We Are Not Going to Agree on AI
Ibrahim Diallo 认为围绕 AI 是否“有用”的共识可能永远不会出现，因为不同人的证据都是真实的：有人用 AI 高速产出产品，也有人看到 AI 制造故障、债务和混乱。他把 AI 拉回“强大的工具”这个尺度，反对把它描述成救世主或末日机器。重点不是站队，而是持续问：在具体场景里，它到底解决了什么、代价是什么。 🔗 链接
🗞️ Techmeme 热点
好莱坞编剧讲述为 Mercor 等公司做“AI trainer”的经历
娱乐行业从业者把 AI 标注、训练、反馈工作当成新的“端盘子”零工：灵活、门槛相对低，但也强化了创意劳动被平台化拆分的趋势。这反映 AI 数据与评估供应链正在吸纳大量知识型/创意型临时劳动力。 🔗 链接
Amazon 员工据称用内部 MeshClaw 工具刷高 AI token 使用量
Financial Times 称，Amazon 设定每周 AI 使用目标后，部分员工开始把不必要任务交给内部 OpenClaw-like 工具 MeshClaw，以抬高 token 使用指标。这个案例提醒：AI adoption KPI 如果只看使用量，很容易诱导“为了用而用”，并不等于真实生产力提升。 🔗 链接
OpenAI 与 Microsoft 收入分成上限据称调至 380 亿美元
The Information 报道称，新的收入分成条款把 OpenAI 向 Microsoft 的付款上限设为 380 亿美元；此前如果长期目标达成，相关支付可能高达 1350 亿美元。这说明双方商业关系正在从早期深度绑定，逐步调整为更可控、更可谈判的长期结构。 🔗 链接
美国商务部移除与 Google、xAI、Microsoft AI 模型测试协议细节
Reuters 报道，美国商务部从网站上删除了 5 月 5 日与 Google、xAI、Microsoft 达成的 AI 模型测试协议细节。这个动作本身值得关注：政府与前沿模型公司的测试合作越来越敏感，透明度和国家安全/商业保密之间的拉扯会继续升温。 🔗 链接
Cognition CEO Scott Wu 谈 Devin 与公司高速增长
Colossus 访谈中提到 Cognition 前 18 个月收入 run rate 达到 4.45 亿美元，并围绕 Scott Wu 的数学竞赛背景、Devin coding agent 和公司增长展开。无论数字最终如何验证，Cognition 已成为“AI coding agent 能否形成独立大公司”的关键观察对象。 🔗 链接
📊 YouTube 0 条 | 播客 1 条 | 博客 6 条 | Techmeme 5 条 | 精选 12 条