对话 Airwallex 吴恺:11 年 110 亿美金估值后,AI 时代下一站 1000 亿
Airwallex 空中云汇 CRO 吴恺在播客中披露,公司 ARR 约 13 亿美金、年增速约 74%,估值 110 亿美金,下一目标是 100 万客户与 1000 亿美金估值。
Airwallex 空中云汇 CRO 吴恺在播客中披露,公司 ARR 约 13 亿美金、年增速约 74%,估值 110 亿美金,下一目标是 100 万客户与 1000 亿美金估值。
For my first post, I’m sharing a letter @NVIDIA signed on why open models matter. AI will transform every industry, power every company, and be built by every country. Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty. The world needs both frontier closed models and frontier open models. https://images.nvidia.com/pdf/Open-Weights-and-American-AI-Leadership.pdf
让 AI 变得有用的知识是分散的。它存在于科学家、工程师、临床医生、企业之中。AI 要想从分布式知识中受益,自身就必须是分布式的。同意 Jensen 的观点,这是值得构建的未来。
For my first post, I’m sharing a letter @NVIDIA signed on why open models matter. AI will transform every industry, power every company, and be built by every country. Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty. The world needs both frontier closed models and frontier open models. https://images.nvidia.com/pdf/Open-Weights-and-American-AI-Leadership.pdf
Google Cloud 在 Next 2026 上推出 Agentic Data Cloud,将数据、AI 模型与运营数据库统一为单一 System of Action。
Nathan Lambert 与 Florian Brand 在季度开源模型总结播客中讨论 Kimi K3 发布后的开源模型格局,称 Kimi K3 在研究类任务上超出预期,但 API 拥堵导致响应明显慢于 GPT。
推荐理由:Lambert 结合上手实测与行业一手观察,拆解开源模型与闭源前沿的差距、蒸馏争议和安全依赖问题,判断较有信息量。
Moonshot AI 于 7 月 16 日发布旗舰模型 Kimi K3,为 2.8T 参数 MoE 模型,权重定于 7 月 27 日开放,在 Vals AI 指数排第 2、Artificial Analysis 智能指数排第 3、Frontend Code Arena 排第 1。
推荐理由:作者基于榜单和架构细节分析 K3 对开源模型经济与中美竞争格局的影响,提供了可参考的行业判断框架。
十字路口播客访谈生数科技张金涛,介绍月初发布的实时交互视频模型 Vidu S1:上传一张照片即可与 AI 角色实时视频通话,生成速度超过播放速度,实现 540P、25–42 FPS,支持无限时长并可在消费级显卡上运行。
MIT 施瓦茨曼计算学院与政治学、EECS 系共享教职的 Bailey Flanigan,开发出随机抽选公民议会参与者的算法,用于解决自愿报名者无法代表整体人口的问题。她以 AI 议题的公民议会为例:自愿参与者可能偏向年轻、受教育程度高且对技术感兴趣的人群,导致其他群体代表性不足。其工具在个体参与机会平等、抗操纵性与透明度之间平衡代表性。
日落大道(Sunset Boulevard)在西好莱坞无限期封闭,此前周四凌晨一条百年历史的主水管爆裂,在日落大道与Holloway Drive交叉口的红绿灯正下方形成了一个大坑。
Sunset Boulevard is closed indefinitely in West Hollywood after a massive, 100-year-old water main ruptured early Thursday morning, creating a large sinkhole directly under the traffic light at Sunset Boulevard and Holloway Drive
Vibe research will be the biggest trend in 2026. I am starting to see people casually do it. AI is getting good enough to do this as well.
MIT 航空航天系举办 JARVIS Challenge,让 31 名本科生分 7 队在四周内设计、制造并测试可产生 50–100 磅推力的单轴微型涡喷发动机,以 AI 为主要工程伙伴。
Princeton 的 Arvind Narayanan 在 ICML 首尔发表主题演讲“我们还能做什么工作”,并公布带注释版幻灯片,ICML 已于 2026 年 8 月放出视频。
推荐理由:作者基于自身评估研究提出 AI 影响经济的四阶段框架,认为瓶颈在下游部署而非能力,可为判断职业变化提供参照。
Nathan Lambert 撰文称,白宫正讨论通过新行政令管理开放权重模型,最可能的行动是禁止或无限期推迟能力超过 GPT 5.5、Claude Opus 4.8 或 GLM-5.2 水平的开源模型,且这一时点可能在 6 个月内到来。
推荐理由:作者基于白宫行政令讨论和模型许可会议细节,分析了开源模型禁令的时间线、知识蒸馏争议及其政策走向。
英灵殿创始人 Odin 在播客中讲述自己高中辍学、自学考入浙大、离开 David Baker 诺奖实验室后投身 AI for Science 创业,已融资数千万美元。他提出要做「全模态分子世界模型」和「通用科学人工智能」,目标是造一台「新时代科学发现的蒸汽机」,把人类科学进程压缩上百年。团队约 30 人,曾让一名本科生带做 8 个靶点,每轮都做出 sub 纳摩尔级活性分子。
Google DeepMind BlueShift 负责人 Adam Brown 在播客中深入浅出讲解广义相对论,从爱因斯坦“最快乐的思想”出发,解释引力为何是弯曲时空的产物而非一种力,并讲解黑洞为何无法被用来提取无限能量。节目最后还讨论了 AI 距离从零重新发现广义相对论还有多远。
Thinking Machines Lab 发表文章,主张构建延伸人类意志与判断的 AI,认为当前多数模型集中训练后固化,未受使用者塑造。公司提出训练强模型、提供可微调模型权重的工具、开发原生多模态交互模型、发布研究等四个技术方向,并将对齐视为分散在多元模型生态中的持续过程。
Arvind Narayanan 与 Akash Kapur 撰文提出,模型推理因产品同质化、转换成本低将走向商品化,按 5% 净利率计算需 16–32 万亿美元年收入才能收回 4–8 万亿美元基础设施投资,难以成立。
Sierra 分享把全公司接入 AI 智能体的经验:工程团队用 git worktrees、Claude Code 和 Codex 并行跑 agent,部分任务产出达 5 倍,随后成立六人团队推进全员采用。
推荐理由:Sierra 复盘了内部全员 Agent 化的落地过程,单一入口、上下文瓶颈和成果度量三处经验可迁移到其他团队。
空山慈科技联合创始人王曦明在播客中讲述如何用脑机交互与神经调控探索抑郁症、睡眠障碍和认知问题的下一代解决方案。该公司为云启-交大 AI 基金投资的早期项目,讨论覆盖从三甲医院临床到居家卧室的应用路径,以及脑科学、医学工程、AI、仿真与硬件结合下的治疗变化。
UC Berkeley 的 Aditya G. Parameswaran 等人提出,推理成本正快速趋近于零——GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1,部分厂商已低于 $0.10,基准测试中推理价格年降幅在 9x 到 900x 之间,中位数约 50x。
Dwarkesh Patel 公布其 AI 大问题征文比赛的三篇获奖作品,比赛共收到超 600 篇投稿。
MIT 校长 Sally Kornbluth 在《华盛顿邮报》活动上警告,若联邦政府不资助好奇心驱动的研究,美国的创新与人才管道可能枯竭。她表示 MIT 新课程仍以基础 STEM 为核心,同时强化伦理与公民教育,并让学生把 AI 当作增强工具而非替代学习小组。她提到 MIT 已衍生出超过 3 万家公司,其经济影响相当于全球第 14 大 GDP,且对家庭收入低于 20 万美元的学生免学费。
Sierra 举办 Ghostwriter 黑客松,来自 17 家公司的 30 名参与者无论技术背景如何,都在活动结束前构建出可用的 AI 智能体。有参会者称三小时完成了原本需要六个月的工作,另一位来自 $2B+ 科技公司的参会者表示,把 Ghostwriter 指向知识库后,15 分钟就一次性生成了智能体。Sierra 总结的三大要点是:任何人都能成为"海盗"、通才回归、以及 10 倍员工。
真格基金「此话当真」与「十字路口」串台播客以"GUI 退场 → Headless 上位 → CLI 复兴 → Skills 封装 → Agentic Economy 萌芽"为主线,梳理 Agent 元年 500 天的变化。
真格基金「此话当真」与「十字路口」串台播客在 Agent 元年第 500 天复盘:从 Claude 3.5 Sonnet 支撑 Manus 爆火、Claude Code 刷屏,到 GUI 退场、Headless 上位、CLI 复兴、Skills 封装、Agentic Economy 萌芽。节目由 Koji、天杰与歸藏参与,源于真格投资总监钟天杰《我们也许不该再投资 GUI 思维的软件公司》一文。
Ethan Mollick 撰文指出 AI 能力正以超指数速度提升,Opus 4.7 独立工作 14 小时完成相当于人类工程师 2-17 周的软件包,成本 251 美元 token,他自己的实验中 Fable 自主运行 9 小时完成复杂软件项目。
Dwarkesh Patel 发布与 3Blue1Brown 主理人 Grant Sanderson 的播客对谈,讨论 AI 在数学领域的快速进展及其对其他领域的预示。两人探讨了 IMO 表现、黎曼假设的可能证明形态、概念性突破的百年验证周期、AI 连接不同数学领域的潜力,以及现实任务为何难以纳入 RL 环境,并谈到数学家未来可能转向策展与解释角色。
MIT 电气工程与计算机科学系副教授 Phillip Isola 在专访中界定,智能体 AI 是能在物理或数字世界中采取行动(如机器人操作、订机票)的 AI,与生成内容的 ChatGPT、Claude 等生成式 AI 不同,其核心仍是 Claude 这类基础模型外加工具与记忆封装。他指出编程智能体是目前最成功的应用,最大挑战是训练数据匮乏,并警示验证不足、数据泄露与去技能化风险。
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》,指出优化理论、演化生物学、竞争市场与机器学习都指向同一结论:专业化不可避免。
Interconnects 第 22 期开放模型盘点指出,开源模型发布方正从少数(以中国为主的)玩家扩展为更多全球小众公司,并将发布者分为纯模型公司、大厂和产品公司三类。
越伴动力发布陪伴机器人「小伴」,它不说人话,而是发出类似"外星语"的声音,会撒娇、委屈和拒绝。产品全身 95% 为柔软材质,采用端侧 1.7B 快脑与 7B 慢脑分工,将交互延迟压到 0.4 秒以内,并配备云端超长程记忆推动性格参数演化。创始人世博提出陪伴不是讨好、生命力不是可爱、少就是多三条产品判断。
Dwarkesh Patel 撰文提出,实验室押注 RLVR 在数千环境中训练可通向 AGI,但仅在会话内学习不够,真正的下一个范式是让 AI 从部署后的真实经验中持续学习并回写到权重。
推荐理由:作者用计算机使用进度慢的例子说明可验证性之外还需可反复模拟性,并给出把部署经验蒸馏回权重的可能路径。
《科学美国人》6 月 16 日发布“The Young American Scientists”专题,MIT 校长 Sally Kornbluth 及多位师生校友撰文谈好奇心驱动科学。
作者 Johann Rehberger 复现了针对 Claude Computer-Use 的 TOCTOU(time-of-check to time-of-use)竞态攻击:Agent 在推理期间屏幕内容可被更换,导致点击落到与预期不同的对象上。
Introducing Claude Tag, a new way for teams to work with Claude. In Slack, Claude joins as a team member with access to the channels and tools you choose. Tag Claude in and delegate tasks to it while you focus on other work.
Nathan Lambert 撰文分析 Z.ai 于 6 月 13 日向 GLM Coding Plan 用户推出、6 月 16 日以 MIT 许可发布权重的 GLM-5.2,认为它是首个在编码工具链中作为通用智能体表现称职的开源权重模型。
推荐理由:作者结合亲测与社区评测,分析 GLM-5.2 为何标志开源模型首次在编码智能体场景形成可信替代。