搜索
Harsh Mehta 在 Anthropic 的时候，启动了一个后来被称为 autoresearch 的内部平台（不是 Karpathy 那个）。最初这个项目只有他一个人，功能是让 AI 自主完成 AI 研发中的一系列流程环节：提出实验假设、编写代码、调度算力、评估结果，再决定下一步做什么。
近期Radical AI 的 CEO Joseph Krause接受了一次深度访谈，在访谈中，他揭开了现在资本热炒的 “AI for Science” 的虚假外衣。如果你以为搞材料研发只要像生物制药一样，用大模型在云端“跑个分”就能大力出奇迹，那这期节目会给你狠狠上一课，你会发现，真正的材料学 AI 护城河，离我们简单的想象差了十万八千里。
一场关于「去哪里找电」的全球竞赛，正在朝两个方向展开。
每个人都在谈Agent，每个论坛都在喊"下一个风口"，市场分析机构已经把2030年的市场规模标到了500亿美元。但你真去翻翻那些号称"做Agent"的公司，大多数不过是在ChatGPT外面套了一层壳，多填了几个Prompt，搭了个还算能看的界面，就敢出来融资了。
和 Codex、Claude Code 等 Coding Agent 沟通，很多时候就像站在许愿池边，对着池子里的王八扔硬币，嘴里念念有词，关键它还真给你兑现愿望。
群友昨天发来一条消息，说闲鱼上连 Codex 的额度重置次数都能买到：
今年2月，英伟达公开了一条内部AI工作流。
过去两年，随着 AI 数据中心建设持续加速，光通信开始成为整个 AI 基础设施中增长最快的环节之一。
大模型浪潮席卷全球数年，技术形态持续迭代，也开始从办公、编程领域，深度渗透到科研这一核心赛道。从中科大夯实数理根基，到哈佛、MIT 完成联合培养，青年学者陈勇超横跨力学、机器人、自然语言处理、大模型等多个领域，完整亲历 AI 一轮轮技术变革。
当一个团队九成以上的代码都由 AI 写出，效率却只涨了六成——这两个数字之间，藏着 AI Coding 真正进入企业的全部难题。