2026-08-20
🎬 YouTube
1. PostHog：创业真正的教训来自一次次转型
Y Combinator 采访 PostHog 团队，主题不是把成功归因于最初的点子，而是回看产品和公司方向持续转型的过程。对于 AI 创业者，值得关注的是：市场反馈往往比创始人的初始判断更可靠，转型本身也是建立产品认知的一部分。
🎙️ 播客
无近期更新。
📝 博客
1. 用 smolvm 隔离不可信的 Python 与 JavaScript
Simon Willison 测试了 smolvm 1.8.3：它通过硬件隔离虚拟机而非共享内核容器运行不可信代码，并验证了断网、CPU/内存限制、超时、存储配额、只读输入和可写输出挂载等能力。实测冷启动约 0.6–1.5 秒、热执行约 50 毫秒；Claude Code Web 因无 KVM 无法本地测试后，还自动转到支持 /dev/kvm 的 GitHub Actions 完成测试。
2. LLM 时代，可扩展软件可能重新成为机会
Jeremy Morrell 的核心判断是：LLM 大幅降低了用户编写扩展的成本，现代沙箱又降低了部署成本并提供安全边界。产品可以保留一个稳定、可追责的核心，再让模型为不同用户生成安全扩展，从而把定制能力直接交给终端用户。
3. Coding Agent 提高产量，也在侵蚀软件的“概念完整性”
Simon Willison 认为，传统开发者一天能交付数百行生产级代码已属高产，因此代码行数在衡量 Agent 带来的数量级变化时并非完全无效。更大的风险是功能生成太便宜：软件会像不断加房间的“温彻斯特鬼屋”一样长出奇怪分支，最终失去结构一致、行为可预期的概念完整性。
4. 美国共和党开始重新评估与大型科技公司的绑定
Gary Marcus 指出，共和党内部正在担忧与 Big Tech、尤其是 AI 产业过度绑定的政治代价。文章提到特朗普的立场已从强烈反对 AI 监管，转向鼓励前沿模型在发布前进行自愿测试，显示政策风向正在发生变化。
5. 推理轨迹并不神秘，本质仍是模型生成的文本
Armin Ronacher 解释，所谓 reasoning trace 通常只是被特殊 token 标记并隐藏起来的一段文本，内部仍使用与普通输出相同的 token 生成机制。模型的“推理强度”则取决于分配给这段过程的预算；部分新模型甚至把这一设置写进系统提示词，而不是单独暴露 API 参数。
🗞️ Techmeme 热点
1. AI 任务调度公司 Callosum 获 1 亿美元种子轮
伦敦公司 Callosum 的软件会把不同 AI 任务匹配到合适的模型与芯片。本轮由 Atomico、英国 Sovereign AI Fund 等投资，种子轮规模达到 1 亿美元。
2. Google DeepMind 测试 AI 图像鉴真工具 Backstory
Backstory 是一款实验性图像认证工具，Google DeepMind 正向记者、研究人员和事实核查者开放测试。它瞄准生成式图像扩散后，新闻与研究场景中越来越迫切的来源和真实性验证需求。
3. 中国人形机器人收入高度依赖政府支持的训练中心
《金融时报》称，一些人形机器人厂商的大量收入来自政府支持的训练中心，而这些中心又把采集的训练数据卖回给厂商。这种循环交易让市场对真实终端需求和收入可持续性产生疑问。
4. 中国限制或延迟对台关键光电与芯片材料出口
据日经亚洲消息，中国正在限制或延迟向台湾出口锗和石英类材料。这些材料用于光纤、光子器件和芯片制造，可能进一步影响半导体供应链。
5. 宇树四足机器人崛起借鉴了美国公开科研成果
路透社梳理称，帮助宇树占领四足机器人市场的 Go 系列，借鉴了美国高校公开发表的研究，而其中部分研究由美国军方资助。事件再次凸显开放科研与产业竞争之间的张力。
📊 YouTube 1 条 | 播客 0 条 | 博客 5 条 | Techmeme 5 条 | 精选 11 条