Claude Code一岁了:一年时间,AI把“写代码”这件事直接改写
如果你还把AI写代码当成“高级自动补全”,那你已经落后了一整年。Claude Code刚满一岁,却已经做到年化25亿美元收入、重塑Anthropic命运,甚至引发资本市场恐慌。这不是工具进化,而是软件工程的一次相变。
如果你还把AI写代码当成“高级自动补全”,那你已经落后了一整年。Claude Code刚满一岁,却已经做到年化25亿美元收入、重塑Anthropic命运,甚至引发资本市场恐慌。这不是工具进化,而是软件工程的一次相变。
一年前,很多人断言“谷歌在AI竞赛中已经出局”。但MatX CEO、前Google TPU架构师 Reiner Pope 给出了完全相反的答案:今天AI算力格局的关键,恰恰来自谷歌十年前那些看似笨拙、过早、甚至被低估的决定。这是一场关于芯片、Transformer和‘机械同理心’的硬核复盘。
当所有人都在讨论模型、参数和AGI时,真正卡住AI行业的,其实是一个更“俗”的问题:钱,谁在出?怎么出?这期《No Priors》请来 Magnetar Capital 的 Neil Tuari,罕见地从金融一线拆解了AI算力狂飙背后的真实资金逻辑。
这期视频最炸的一点不是AI技术本身,而是一次宏观预测如何真实撼动了市场。比“AI 2027”更强的冲击,来自一条被转推的判断:它触发了抛售、暴露了AI经济的脆弱支点,也逼着从业者重新思考“训练”和“护城河”到底值不值钱。
当所有人都在盯着参数规模、算力和新模型时,真正决定 OpenAI、Anthropic 们命运的,其实是一套很少被讨论的经济学逻辑。这期视频抛出了一个反直觉的观点:AI 的上限,可能早就被“均衡”写好了。
如果你还把AI竞赛理解成“中美谁更强”,那已经落后了。一次模型发布蒸发了英伟达6000亿美元市值,中国模型不再只是“便宜替代”,而芯片、数据中心甚至太空,都成了新战场。这篇文章讲清楚:2026年的AI竞赛,为什么与你每天用的产品直接相关。
这期 Latent Space 的对话一上来就抛出一个反直觉的事实:他们只训练过一次“大模型”,算力远远不够,但奇迹般地跑通了。更重要的是,讨论的重点已经不再是“模型多强”,而是 AI 是否真的开始理解并生成现实世界的分子与蛋白质。
当大多数创业者还在纠结模型参数时,有人直接砸下7000万美元买了一个域名:AI.com。这不是炫富,而是一场关于“消费者级AI入口”的豪赌。从域名交易、超级碗广告到个人AI助理的愿景,这期访谈透露了一个极其反直觉的判断:AI的胜负,可能不在模型,而在入口。
如果我告诉你,只靠几个奇怪的提示词和API调用,就能“反向工程”出GPT-4在不同阶段吃过什么数据,你会不会觉得有点越界?在这期 Latent Space Lightning Pod 里,Datology 创始成员 Pratyush Maini 用一系列看似玩笑的实验,揭开了大模型训练数据、预训练阶段,甚至安全机制的真实边界。
在这期 Latent Space 里,Goodfire 团队抛出一个让很多从业者不安的观点:如果连“什么是模型可解释性”都说不清,我们却已经把它当成评估指标,是不是本末倒置?他们真正想做的,不是解释模型,而是把可解释性直接塞进训练过程本身。