DeepMind现场实录:真正能落地的AI Agent,不是更聪明而是更会“循环”
大多数人还在比模型参数,Google DeepMind 却在公开课上反复强调一件反直觉的事:Agent 成败不在模型,而在“循环、工具和缓存”。这场从 API Key 到语音 Agent 的现场演示,暴露了下一代应用的真实门槛。
大多数人还在比模型参数,Google DeepMind 却在公开课上反复强调一件反直觉的事:Agent 成败不在模型,而在“循环、工具和缓存”。这场从 API Key 到语音 Agent 的现场演示,暴露了下一代应用的真实门槛。
Nikesh Arora 抛出一个让安全圈不寒而栗的判断:AI 并没有制造新的漏洞,它只是把人类几十年写下的烂代码一次性“点亮”了。更糟的是,企业甚至不知道自己部署了多少模型、更不知道它们安不安全。这场 AI 网络安全危机,已经不是未来式。
当 AI 从“自动补全”进化到“自己写、自己跑、自己改代码”,我们交付速度飙升,但风险也被彻底低估。Cloudflare 的开发者布道师直言:你正在运行的,可能是来自互联网的、不可信代码。这场演讲讲清了一个所有 AI 工程师都绕不开的问题:为什么必须 sandbox AI 生成的代码,以及怎么做才不翻车。
一家做客服的软件公司,训练了一个“只会干一件事”的模型,却在真实指标上击败了GPT‑5.4和Opus 4.5。这不是个例,而是一个信号:在2026年,AI性能的主战场,正在从“更大的通用模型”转向“更狠的垂直模型”。
黄仁勋最近抛出一个炸裂判断:每一家公司都需要一个 OpenClaw 式的 agentic system。这不是更聪明的 ChatGPT,而是一种“新电脑”。Greg Isenberg 拉着 OpenClaw 重度用户 Moritz Kram,用 64 分钟拆解了一个残酷现实:90% 的人装对了 OpenClaw,却完全没用对。
当所有人都在谈模型、算力和Scaling Laws时,Surge AI创始人Edwin Chen却反复强调一件“看起来很老派”的事:人类数据。他不玩硅谷式增长游戏,却做出了接近十亿美元规模的AI数据公司。这场对话,几乎每一句都在反击行业共识。
这期 TBPN 看似杂乱、玩梗不断,但底层只有一个信号:AI 没有让世界线性变好,而是在同时制造超级赢家和大规模错配。从“IPO 在地平线”到“假工作激增”,从 SaaS 末日论到 Agent 全接管,真正值得 AI 从业者警惕的,不是技术进步,而是认知还停留在旧世界。
你有没有遇到过:明明是同一个模型,前一分钟还很聪明,聊着聊着却开始胡说八道?这不是幻觉突然发作,而是“上下文”在悄悄背刺你。这条视频把一个很多从业者都低估的问题讲透了:token、上下文窗口,以及它们如何直接决定模型的智商上限。
很多人以为 Skills 是来取代 MCP 的,但 Ras Mic 在这期视频里给了一个反直觉的答案:真正的问题从来不是工具不够,而是 Agent 根本不会用。这篇文章拆解 MCP 为什么曾经“翻车”,Skills 又是如何把幻觉、混乱和上下文灾难一并收拾干净的。
CEO在说“AI让效率飞起”,员工却在加班帮AI擦屁股。三份最新企业调研揭示了一个残酷事实:不是AI不行,而是大多数公司根本没真正用上AI。真正赚到钱的那12%,走的是一条完全不同的路。