跳到正文

全部动态

今日 5 条
10月13日周二
  1. 36氪·AI36

    开源社区与AI智能体24小时将OpenAI整数乘法难题κ值从2^-182提升至0.00129

    开源社区在GitHub仓库CrocSwap/integer-mult-bounds上,24小时内将OpenAI Math Drop第109号整数乘法下界难题的κ值从2^-182提升至0.00129,单日涌入151个PR、新增代码超2.6亿行,其中89个PR标注使用Codex、48个标注Claude。

    决策要点

    人类直觉加AI智能体蜂群的开源协作,在数学优化类问题上跑通了低成本大规模试错的研发路径。

    • 影响每月20美元的模型订阅即可让个人组队参与前沿难题,研发参与门槛在下降;AI生成代码速度一度超过验证速度,产能瓶颈从写代码转向验证环节;同类方法正向矩阵乘法等计算密集问题扩散。
    • 参考可考虑在边界清晰的算法优化或验证类任务上小规模试点并行智能体,先算清生成与验证的算力配比;值得参考把专家假设引入智能体工作流的做法,而非单纯堆智能体数量。
  2. 钛媒体46

    28岁姚顺雨坐马化腾身旁,AI大战核心圈挤满90后

    广东省委书记10月8日考察腾讯总部,马化腾与28岁的腾讯首席AI科学家姚顺雨相邻而坐引发热议;姚顺雨曾供职OpenAI,2025年9月加盟腾讯,现执掌AI Infra部和大语言模型部。

    决策要点

    大厂AI竞争正从资本开支竞赛延伸到顶尖年轻研究人才的争夺,人事任命本身成为战略转向的公开信号。

    • 影响头部公司资本开支连创新高,抬高了AI基建投入的行业基准;办公Agent产品月活差距拉开,企业级市场格局初步成形;核心岗位快速年轻化,技术决策权向少数稀缺人才集中。
    • 参考可考虑把WorkBuddy等办公Agent的月活和增速纳入企业选型对比;值得重估自身AI预算相对头部投入的差距;人才策略上可关注年轻研究人才流动对招聘市场的影响。
  3. 人人都是产品经理45

    33岁转行AI产品经理还有前途吗?三类岗位拆解与转型成本分析

    33岁转行AI产品经理是否可行,取决于目标岗位定义、旧经验能减少哪类具体错误和补缺口的成本,年龄本身既不是筛子也不是动力。文章把同名岗位拆成行业应用、平台产品、研究或模型三类,引用Anthropic公开职位说明研究岗要求Python和SQL,并以采购场景说明老经验的判断力如何落地。

    决策要点

    33岁能否转成AI产品经理,实质取决于目标岗位定义、旧经验能减少哪类具体错误、补缺口愿意付的成本,年龄本身不构成筛子。

    • 影响同名AI产品经理岗职责差异大,招聘和内部转岗需先分清应用、平台、研究三类门槛;熟业务的B端老手自带流程判断力但缺评估经验,考察方式要相应调整;现业务切口是成本最低的转型入口,企业可借此培养内部AI产品人才。
    • 参考招聘可考虑用单位混乱、税费口径这类具体错误场景测试候选人的业务判断力;内部培养可让熟流程员工先在现有业务找切口,用授权脱敏样本做小范围验证,再按缺口定向补课。
  4. 人人都是产品经理29

    为什么一人公司(OPC)真正的生产力是资产,而不是努力?

    作者结合两年一人公司(OPC)创业经验提出,OPC真正的生产力是资产而非努力,没有资产的一人公司只是穿了公司壳的自由职业者。文章把资产分为有形(现金、房产、设备等,用于抗波动、买时间、换信用)与无形(个人影响力、知识产权、流程与数据、关系资产)两类,并给出成熟标准,即创始人离开一周公司收入不归零。作者建议创业者先盘资产表而非日程表,盘点现金能否扛过6个月低谷、哪些内容可复用可售卖。

    决策要点

    一人公司能否成立的分界线,在于能力是否沉淀为可脱离创始人运转的资产,而不在于个人投入多少时间。

    • 影响收入全靠创始人时间的模式,遇停工、拖款或平台规则变化就直接停摆;品牌、知识产权和流程资产决定能否拒绝低利润订单;现金储备厚度直接影响议价和挑客户的底气。
    • 参考可考虑按文中七问做一次资产盘点,算出现金能扛几个月低谷;值得把重复交付动作整理成模板或交给AI工作流,并预留一部分利润进现金或理财。
  5. BCG Insights55

    BCG 解析 AI-first 技术职能转型,CEO 需要了解什么

    BCG 发文称,智能体 AI(agentic AI)正把 CTO/CIO 从服务提供者推向 C 级战略伙伴,新职能包含三大支柱,即加速本部门 AI-first 转型、搭建服务全公司的 AI 技术平台、与 CEO 及其他高管共驱组织 AI 化。

    决策要点

    文章实质是主张技术负责人从服务提供者转为 C 级战略伙伴,AI 价值兑现的差别取决于技术职能自身先完成 AI 化。

    • 影响若技术负责人停留在服务方角色,AI 投入可能困在单点用例,难以规模化;技术预算需要与 CFO 共建透明口径并按组合管理,人力与智能体协作框架也要同步搭建;BCG 称这类协作可望 12 个月内把 token 成本降约 40%。
    • 参考可考虑拿文中问题清单逐项评估自家 CTO/CIO,先看 AI 工具支出有无统一看板与业务案例映射,再看是否与 HR 设计了人机团队和技能策略;值得先测算 token 成本 12 个月内的可压缩空间。
10月12日周一
  1. 36氪·AI59

    17年谷歌老兵揭秘Gemini研发内幕:鼓励团队说出坏消息,产品不好就不发了

    谷歌17年老兵、Google Labs与Gemini应用负责人Josh Woodward在Lenny's Podcast访谈中分享AI产品探索与团队运作方法。他称好点子多来自爱动手的小团队,团队靠一份几乎可实现清单和82条未来预测捕捉技术跨过门槛的时机,并举例团队曾依据早期数据和用户观察在发布前叫停一个Gemini功能。

    决策要点

    这场访谈的实质是谷歌把AI产品探索方法化,判断力与叫停机制被放到了和模型能力同等重要的位置。

    • 影响模型能力每隔几个月就刷新,超过六个月的硬性规划容易与机会窗口错位;探索团队两三人即可运转,组建小型试验队的门槛明显降低;只对标基准成绩选型,可能与真实用户需求脱节。
    • 参考可考虑为产品团队建立一份接近可行的能力清单,随模型发布节奏滚动复盘;值得给在研功能设定发布前的数据门槛,并允许一线直接提出叫停;规划周期可先压到六个月滚动更新。
  2. 36氪·AI62

    Google 试点面试可用 Gemini,大厂程序员招聘从刷 LeetCode 转向考察 AI 协作

    Google 开始试点允许候选人在软件工程师面试中使用 Gemini,并新增代码理解环节,考察阅读、调试已有代码与判断 AI 方案是否可靠的能力。试点面向今年下半年美国部分团队的初中级工程师岗位,Google 招聘副总裁称调整是为了反映 AI 时代的实际工作方式,Pichai 此前披露公司 75% 的新增代码已由 AI 生成。

    决策要点

    技术招聘的考核重心正从独立写出代码转向读懂并验证 AI 产出,单纯刷题备考的回报在下降。

    • 影响只按算法题筛选可能错估候选人,Canva 试点中有编程能力但缺 AI 经验者在引导 AI 时反而遇阻;在职团队里代码审查与验证 AI 输出的能力权重上升;传统面试题已被模型数秒解出,考察形式需要重做。
    • 参考可考虑先用主流模型测一遍现有面试题,替换数秒内被解出的题目;值得在技术面试中加入读代码、核查 AI 方案的环节,并盘点团队的代码审查能力。
  3. 36氪·AI43

    赫拉利:人类不必赢过AI,但知道去哪需要智慧

    历史学家赫拉利与《经济学人》主编赞妮·明顿·贝多斯对谈AI未来,他认为最危险的不是AI超越人类,而是人类为效率、竞争和便利主动把关键决策权交给AI。他把AI称为人类历史上规模最大的一场心理和社会实验,判断信任正从人类转移到算法,金融和媒体领域已在发生;他强调智能不等于意识、模拟不等于体验,并警告相信AI发展方向无法改变是当前最大的危险。

    决策要点

    赫拉利把AI的核心风险定位于人类为效率主动交出决策权,而非技术本身失控,节奏与边界因此成为可管理的选择。

    • 影响金融、媒体等信任密集行业的客户信任会继续向算法转移;企业把关键决策交给AI后,责任由谁承担尚无定论;AI伴侣类产品积累的个人数据带来更强说服力,也放大伪造与滥用风险。
    • 参考可考虑盘点本组织已交给AI或算法的关键决策,为每类决策设定人工复核点;值得在金融等信任密集业务中评估AI介入的边界与争议时的责任归属条款。
  4. Every44

    Every 推出 Slack 公司级智能体 Every Agent,员工修正可沉淀为全员技能

    Every 在 LinkedIn 连发帖子推广其常驻 Slack 的智能体 Every Agent,在频道里 @Every 布置任务后它在线程内完成,并能记住纠正供下次使用。

    决策要点

    Every 把卖点放在组织层面,让全公司共建一个智能体,把个人修正沉淀成全员可复用的技能。

    • 影响智能体嵌进团队已有协作工具可降低推广阻力;优秀员工的流程能固化为全员技能,维护责任也从分散个人集中到一处;用例均为官方自述,效果要按自家场景重新核算。
    • 参考可考虑选文书、入职 wiki 这类重复流程先试运行,记录纠错和返工次数;值得盘点成员各自维护的智能体与提示词,评估合并到公司级的取舍。
  5. The Decoder:AI News53

    OpenAI 联合创始人 Karpathy 称外界看到的只是 AI 真实能力的预览

    OpenAI 联合创始人、现就职 Anthropic 的 Andrej Karpathy 称,外界看到的只是 AI 真实能力的预览,公众认知与内部前沿系统的差距正在拉大。

    决策要点

    Karpathy 指出的实质不是模型变强本身,而是外界对 AI 能力的认知断层,前沿真实进展只被极少数人看到。

    • 影响管理层日常接触的多是免费档聊天产品,对 AI 的判断可能停留在第二手印象;能力增长集中在数字、可验证且经济价值高的领域,编程和数学类任务离前沿最近;原文提到人类审查开始跟不上,验收环节可能先于模型能力成为瓶颈。
    • 参考可考虑让核心决策者直接试用前沿编程工具获得一手体验后再定投入;值得盘点企业内数字化、结果可验证的任务清单作为试点候选;引入智能体产出前可先确定人工验收和复核流程。
  6. Every19

    AI 媒体公司 Every 开放 6 个岗位招聘,覆盖增长、运营、产品与设计

    Every 在招聘页开放 6 个职位,包括增长负责人、社区经理、Checks 产品经理、商务拓展高级经理、高级产品设计师和 CEO 行政助理兼办公室经理。公司自述为媒体、软件与咨询三合一的小团队,每日更新内容并服务 130K+ 订阅读者;页面称写作用智能体做研究和草稿,工程师并行运行五个智能体,旗下 Spiral、Cora、Sparkle、Monologue、Plus One 等产品各由一人负责。

    决策要点

    招聘页实质是 Every 对外展示小团队 AI 原生运营方式的名片,核心卖点是单人负责制加智能体并行工作。

    • 影响媒体、软件、咨询三条业务线由小团队并行运转,人效结构可作为评估自身团队配置的参照;新招岗位集中在增长、运营和设计,扩张重心在商业侧而非研发侧。
    • 参考可考虑把单人负责一款产品的做法列为对照,先盘点自己团队哪些流程能用智能体并行承接;其 Checks 产品做模型评测的定位也值得参考。
  7. 人人都是产品经理37

    赫拉利:人类不必赢过AI,但知道去哪需要智慧

    历史学家赫拉利与《经济学人》主编赞妮·明顿·贝多斯对谈,称AI是人类历史上规模最大的心理和社会实验,最危险的不是机器觉醒,而是人类为效率和便利主动交出关键决策权。

    决策要点

    访谈的核心判断是AI的风险不在于机器失控,而在于人类主动弃权,把哪些决策交给AI始终是企业自身的选择。

    • 影响客户信任正从人对人转向对算法,金融和媒体等行业的信誉经营逻辑随之改变;AI批量建立亲密关系的能力可能被用于影响客户;若AI获得法律主体地位,企业问责与责任安排需要重新设计。
    • 参考可考虑盘点企业中哪些关键决策已默认交给算法或模型供应商,逐项明确人工责任人;值得跟踪AI法律人格与责任认定的监管讨论,再决定授权深度。
  8. 人人都是产品经理44

    产品经理自建 AI 工作台,把立项、PRD、评估等六个入口装进同一项目空间

    一位 AI 产品经理自建了个人工作台 AIPM Lab,把立项报告、PRD、竞品分析、提示词方案、效果评估和版本规划六个入口放进同一个项目空间,换任务时不再从头交代项目背景。

    决策要点

    AI 能替产品经理出初稿,但范围、依据和验收仍要人来定,这篇案例把这条界线拆成了具体写法。

    • 影响AI 初稿省下的撰写时间,会被评审前补齐范围与依据的人工核对部分抵消;按项目沉淀上下文能减少重复交代,但前提是有人维护项目资料;文档存在个人电脑,团队复用要另建共享机制。
    • 参考可考虑把 PRD 的任务要求按用户流程、AI 输入输出、失败处理、权限、验收标准列全再生成初稿;值得把提示词方案和评估方案配套出,先定样本和打分方式再填结果。
  9. 钛媒体72

    AI 办公大战,盯上了企业的人力预算

    办公 AI 的竞争正从卖软件账号转向按动作和按结果收费,争夺对象延伸到企业花在员工薪酬和外包上的人力预算。

    决策要点

    办公 AI 的实质是把生意从软件采购扩展到人力预算,而企业可能在能力验证之前就按 AI 的预期效率调整招聘。

    • 影响标准化业务的人工成本与 AI 服务价格开始可以直接对比,招聘和采购预算需要放在一起评估;员工效率感知与企业利润改善存在落差,接入、审计和返工成本容易让账面节省被高估。
    • 参考可考虑给暂缓招聘的岗位设一份验证清单,写明智能体要稳定交付到什么标准才继续空缺;评估 AI 采购时先算出含系统接入、安全审计和人工复核的总成本,再与岗位人力成本对比。
  10. 36氪·AI53

    大厂高薪争抢AI应届博士,年薪offer最高达800万

    AI应届博士的薪酬竞价升至数百万级,猎头称京东给应届生开出800万年薪offer,网传英伟达给北大2026届集成电路博士的首年税前年包约290万。猎头给出的名校应届博士年包梯度为普通200至300万、最好800至900万,具身智能世界模型方向普遍150万以上;字节Top Seed计划招约30名博士生,腾讯青云计划后训练博士年薪据称平均300万。

    决策要点

    大厂高薪抢的是能影响算力投入效率的稀缺技术判断力,薪酬已远超五年前常态,供给端扩容将改变未来供需曲线。

    • 影响AI岗位薪酬基准整体抬高,模型团队人力预算需按新行情重算;顶尖人才一次训练策略优化可省千万级以上算力成本,高薪买的是训练效率与不掉队可能性;高校AI博士扩招将增加中期供给。
    • 参考可考虑按猎头梯度盘点自家AI岗位薪酬对标情况,标记被挖风险最高的骨干;值得测算把部分算力预算转为顶尖人才招聘的性价比;招不到顶级博士的团队可关注扩招后的下届博士供给。
  11. 钛媒体38

    55岁应届生肖朝虎带着AI进入秋招季

    52岁辞职备考的肖朝虎用约100天复习,以398分考上福建农林大学茶叶加工方向硕士,55岁带着AI技能进入秋招。备考时他用AI分类十年真题并模拟出题,读研后借AI辅助编程,参与研发的茶叶加工在线监测系统2026年7月已在福建平和县乌龙茶生产线上测试,两项发明专利进入实质审查。如今他应聘农业企业品牌总监被拒,计划用一年拍摄求职视频「虎哥求职记」,同时研究抹茶出口顾问服务。

    决策要点

    AI把跨界重建职业技能的门槛降到个人可承受,但招聘市场对年龄的筛选并未同步松动。

    • 影响AI让一个人串起传感器、编程和数据分析这些过去要分工协作的环节,小规模研发门槛在下降;按年龄筛简历的招聘方式可能先错过这类重新掌握技能的资深人才,把他们推向顾问和项目合作。
    • 参考可考虑在招聘评估中用小项目或实际产出替代年龄和年限筛选;农业与制造企业值得盘点依赖老师傅经验的工序,评估用传感器加机器视觉记录数据再复盘的试点场景。
  12. IT之家·人工智能70

    报告称 AI 开发普及以来美国初级程序员就业人数下降约 20%,专家警告 10 年后可能没高级人才可用

    Indeed Hiring Lab 数据显示,自 2025 年 2 月 Anthropic 的 Claude Code 发布以来,美国软件开发职位发布增长近 15%,而整体招聘数量下降 7%,增长集中在高级职位和名称含 AI 的岗位,分别占招聘增长的 71% 和 37%。

    决策要点

    AI 没有削弱程序员岗位需求,而是把增长集中到高级与 AI 相关职位,初级岗位收缩让职业阶梯底部变窄。

    • 影响软件招聘总量仍在增长,但需求向有经验者和 AI 相关岗位集中;初级岗位收缩会削弱未来高级人才供给,依赖校招补人的团队面临梯队断档。
    • 参考可考虑盘点校招与初级岗位的配比,把 AI 工具使用纳入初级人才培养安排;值得先算出团队高级与初级人力的缺口,再决定保留多少入门职位。
  13. 数英 DIGITALING30

    BU蓝昊(广州)招聘 AI 方向后期制作,要求熟练即梦、可灵等 AI 工具

    广州广告公司 BU蓝昊 在数英招聘频道发布后期制作(AI方向)岗位,要求能独立完成 TVC 广告后期全流程。岗位职责包括结合项目需求用 AI 技术实现复杂 TVC 商业视频,并与团队学习最新 AI 技术、开发相关工具;任职要求 2 年以上经验、美术专业出身,精通 Adobe 后期软件,擅长即梦、可灵、tapnow、ChatGPT 等常用 AI 工具,并有成熟的 TVC 商业作品。

    决策要点

    广告公司将 AI 视频工具熟练度写进后期岗位硬性要求,AI 生成正与传统剪辑合成合并为同一制作岗位。

    • 影响广告后期岗位开始按 AI 方向单设招聘,美术功底与成熟 TVC 作品仍是硬门槛;以 TVC 制作为主的团队和后期从业者都多了一份可对照的用人标准。
    • 参考品牌方与制作团队可考虑把即梦、可灵这类视频生成工具的熟练度纳入后期岗位要求;值得盘点团队内美术出身且用过 AI 工具的人选,先评估内训补齐还是新增编制。
  14. IT之家·人工智能28

    TikTok CEO 周受资:市场对 AI 短期发展的能力可能有所高估,却低估其长期影响

    TikTok CEO 周受资 10 月 12 日在新加坡出席星展集团举办的首届亚洲未来前瞻论坛时表示,市场对 AI 短期发展的能力可能有所高估,却低估其长期影响,未来两至三年 AI 有望推动物理学、生物科技等领域出现重大突破。

    决策要点

    周受资的判断是 AI 短期能力被高估、长期影响被低估,企业应亲手使用并保留人类监督而非停留在观望。

    • 影响按其口径,短期投入的回报预期可能需要放低,避免因高估而超支;长期影响被低估提示转型布局不宜松懈;高风险环节若完全自动化,结果可能偏离预期。
    • 参考可考虑选一个真实业务场景让团队实际操作主流 AI 模型,记录优势与限制;值得为高风险环节设定人工复核点,列出哪些决策允许全自动、哪些必须人类参与。
  15. 36氪·AI62

    曾经日入过万的网红职业,被月薪800的AI悄悄顶替

    AI数字人以每月800元至4000元的软件成本进入直播间,京东数据显示其直播成本仅为真人主播的10%,中腰部真人主播收入与排班随之收缩。中国职业主播规模达3880万人,近半数从业不到一年便离场;2026年2月施行的《直播电商监督管理办法》要求数字人直播间持续提示图像由AI生成。

    决策要点

    数字人以成本优势挤占中腰部主播的生存空间,直播行业人力结构走向两极分化,而非真人整体被替代。

    • 影响品牌方可以把凌晨档和标准化品类交给数字人来压缩直播成本;依赖信任与复购的品类仍需真人主播支撑,人力预算宜向垂类头部倾斜;主播岗位流动加快,AI训练师等新岗位开始分流从业者。
    • 参考可先算出凌晨档真人主播与数字人软件的月度成本差,再决定是否把标准化品类试点交给AI;值得盘点自有品类中哪些依赖信任与复购、哪些只需标准讲解,据此分配真人时段;启用数字人前确认AI生成提示的合规布置。
  16. 人人都是产品经理35

    设计系统负责人的编译确认,从规则被写下到规则被正确翻译

    设计系统负责人的职责从评审语义定义延伸到确认YAML契约与编译产物,确保语义进入机器执行链路时不失真。文章给出将一份契约编译成四种消费格式后抽样验证一致性的方法,人工只在机器不确定、没见过新格式、发信号三个节点介入,并以删除账户契约缺少输入验证、四种格式文案约束强度不一致两个案例说明失真与分叉的修复方式。

    决策要点

    设计规范被写成机器可执行契约后,人的职责从逐条检查转为在少数节点确认语义不失真。

    • 影响AI生成代码的质量取决于契约保真度,语义失真会变成误触风险和CI拦不住的文案错误;这套工作可从兼职起步,投入随规则数量与消费团队数增长。
    • 参考可考虑先挑一条高频语义规则试点翻译成YAML契约并抽样验证四种格式一致性;值得统计人工升级触发频次,判断哪些边界定义过严需要回流修订。
  17. 人人都是产品经理29

    AI 重度使用者如何把职场窄路走宽:技能向外扩,基础向内深

    作者观察团队里的 AI 重度使用者半年,发现其把大模型能做的事全部交给模型完成,个人精力放在提升判断上,同时向外扩张技能广度、向内加固基础深度。文中这位使用者是团队消耗 Token 最多的用户,桌面常开 Claude Code 终端,搭配原生大模型当助手调用。文章认为纯粹执行有贬值趋势,复杂中的判断和选择愈发升值,建议搭建不与场景深度绑定、可随时迁移的组合能力。

    决策要点

    AI 时代的职场分化不在工具有无,而在能否把执行交给模型、把精力转向判断与验收,个体能力结构决定位置。

    • 影响执行性工作贬值、判断与选择升值,岗位价值结构随之改变;想借 AI 横跨信息化、数字化、智能化三步的企业容易脱离实际;重度 AI 使用者与组织形成深度互选,个人影响力向核心业务集中。
    • 参考可考虑盘点岗位中纯执行与判断验收两类工作的占比;值得观察内部 AI 使用强度最高的成员如何拆分任务、设计验收机制,作为内部培养的参考样本。
  18. 36氪·AI47

    MIT教授坦言读不懂OpenAI交出的千禧年难题Navier-Stokes反例证明

    OpenAI一口气发布722篇论文,其中模型给出千禧年大奖难题Navier-Stokes方程解失效的反例证明,文中称结果仍接受核查。

    决策要点

    实质是AI把答案的生产变便宜,人类的验证与理解能力没有同步跟上,科研的信任与评价机制承压。

    • 影响研发与知识型工作中生成成本下降,验证把关环节将成为新的人力与预算重心;论文、履历等评价信号被AI掺水,招聘与评审的核查成本上升;算力与Token预算开始拉开研究型机构的产出差距。
    • 参考可考虑把研究与内容流程中的生成和验证环节分开估算人工核查成本;值得盘点依赖论文数量、履历光环的评估标准并增加AI代笔抽查;先算出自家算力与Token预算所处的量级。
  19. 人人都是产品经理62

    FDE(前沿部署工程师)在硅谷是香饽饽,在国内可能沦为高级外包

    做了多年产品、自己也招人的作者老曹撰文判断,FDE(前沿部署工程师)在国内很可能被做成换了名字的高级外包,关键不在技术强弱而在所处的权力结构和付费模式。文中引用领英数据称FDE岗位2023到2025年增长42倍,同期AI工程师只增长13倍;OpenAI收购一家英国AI咨询公司收编上百名FDE,腾讯在深圳开出40到70K、15薪岗位。

    决策要点

    FDE在国内的成败不是岗位能力问题,而是付费模式和组织权力结构问题,按人天结算的土壤养不出按结果负责的FDE。

    • 影响个人转岗前要看清平台是否给定义问题的空间,按签单或人天考核的岗位会把他困在原角色;企业若不敢与客户谈按结果收费,FDE模式会算成一门毛利很薄的人力外包生意。
    • 参考求职者可在面试时确认面试官是业务负责人还是IT部门、考核按人天还是按业务结果、能否见到客户拍板人;企业招FDE前可先算清按结果收费是否可行,并为转岗者重配考核。
10月11日周日
  1. The Decoder:AI News47

    AI 论文潮压垮预印本平台,arXiv 限制每人每月最多提交 2 篇论文

    arXiv 宣布自 2026 年 10 月 1 日起,每人每个自然月最多提交 2 篇论文,被拒稿件也计入额度,删除未发布稿件可取回名额,合著者不受影响。官方数据显示 2026 年 9 月投稿量达 40,363 篇、两年翻倍,cs.AI 分类两年增长超六倍,激增带来近 9,000 张支持工单,志愿审核员反映碎片化论文和 AI 生成文本明显增多。

    决策要点

    AI 让论文产能超出学术审核体系的承载上限,arXiv 转向按人头限流的配额制,内容质量审核成为科研基础设施的新瓶颈。

    • 影响以论文发表为考核的研发团队需重排投稿节奏和署名分配,主提交人的月度额度可能卡住关键成果;AI 批量生成压垮人工审核的路径,同样适用于企业内容审核和知识库治理的预算测算;平台方为审核工具追加投入,说明内容核验正在成为独立支出项。
    • 参考可考虑先盘点研究团队的投稿计划和主提交人额度分配,把最重要的成果排在月度名额内;值得参照 arXiv 的经验,测算企业内部 AI 生成内容的审核人力与工具预算,优先核查引用和数据的真实性。
  2. 量子位50

    陶哲轩宣告数学2.0时代已至,数学证明正从稀缺走向泛滥

    菲尔兹奖得主陶哲轩发文称,AI正让数学证明变得泛滥,建立在证明稀缺之上的数学1.0时代即将落幕。导火索是OpenAI宣布解决纳维–斯托克斯千禧年难题,并于10月7日一口气发布722篇数学论文,涉及准黎曼猜想、霍奇猜想、BSD猜想等,还把三维挂谷集维数猜想扩展到四维。

    决策要点

    数学界的应对正从联名抵制转向重构评价与培养体系,争论核心是证明泛滥之后人类还剩下什么价值。

    • 影响前沿实验室正把可验证的科学领域当作能力展示的战场,对外发布的成功案例可能经过挑选;AI能力并不均匀,多数前沿问题仍未解决,宣传与真实水位存在落差;学术界与AI厂商矛盾公开化,科研合作生态可能分化。
    • 参考可考虑在评估AI厂商成果时追问失败率与算力成本,把精选案例和整体水位分开看;有科研合作的机构,值得先梳理与各实验室的合作清单,留意学界抵制的走向。
  3. 钛媒体66

    AI创造的新工作,可能根本轮不到你

    AI创造的新职业越来越多,普通人能进入的通道却在收窄,初级岗位缩减正在切断从新人到专家的成长路径。麦肯锡9月报告预计,到2035年美国约1100万劳动者可能需要转换职业,其中仅约14%拥有无需明显降薪的直接转岗路径;斯坦福研究基于美国ADP薪酬数据发现,AI高暴露职业中22至25岁员工的就业增长轨迹相对低约19%。

    决策要点

    AI在创造新职业的同时正在关闭新人练手的入口,职业名单变长不等于普通人的通道变宽。

    • 影响企业用成熟员工加AI可省当期人力成本,但初级岗位持续缩减会让人才梯队逐步断档;招聘收缩往往没有公告,编制不再补充比裁员更隐蔽;培养成本不会消失,最终变成行业共同负担。
    • 参考可考虑参照Ropes & Gray把AI培训计入计费要求的做法,为新人保留轮岗与带教时间;值得先盘点初级岗位清单,测算几年后可独当一面的专家供给;部署AI时可让新人先做判断再用AI校验。
  4. 36氪·AI44

    陶哲轩警告必须放缓AI,其博客掀起数学界价值之辩

    菲尔兹奖得主陶哲轩在网络流传视频中警告必须放缓AI,称当前速度疯狂、毫无理由,是极端的非线性动态;此前上周末他刚提议并大力推进SAIR开源数学模型项目。随后3Blue1Brown创始人Grant Sanderson在其博客发表客座文章,主张证明只是代理指标,数学的真正目标是增进人类理解,并提出动机阐释、开放式阐释问题以及改革博士答辩和终身教职评定的倡议。

    决策要点

    当AI能批量生成成果时,评价标准正从产出转向理解与阐释,学术界这场辩论是这一重估的先声。

    • 影响重产出轻理解的评价机制会先受冲击,靠产出立身的初级岗位价值路径收窄;对AI产出的甄别、转译和讲解能力会更稀缺;文化与管理若不调整,组织容易只留产出速度、丢掉判断深度。
    • 参考可考虑盘点哪些岗位的核心产出AI已能批量生成,再决定人的角色放在甄别、讲解还是整合环节;值得在考核中纳入把AI成果向团队讲清楚的能力,而不只数产出量。
  5. 36氪·AI50

    陶哲轩在“害怕”什么?AI批量生成数学证明引发可靠性之忧

    菲尔兹奖得主陶哲轩于10月9日在博客转发黑尔斯谈Lean定理证明器可靠性的文章,并联署25位菲尔兹奖得主的宣言、呼吁停止与OpenAI合作,与他此前力挺AI做数学的态度形成转变。

    决策要点

    AI批量产出数学结论后,稀缺的从解题能力变成对结果的理解与审核,机器验证链条自身的可信度也出了裂缝。

    • 影响AI批量产出专业成果时,真正读懂并审核结果的能力会成为稀缺资源;自动校验工具自身也可能有漏洞,关键结论的把关不能完全交给程序;成果数量的爆发短期未必转化为同等的实际推进。
    • 参考可考虑为AI批量产出的报告或代码设定人工审核节点,明确由谁对结论负责;值得盘点在用的自动化校验工具,评估其自身漏洞与更新情况。
  6. 人人都是产品经理56

    OpenAI公开722份数学研究手稿,数学家担忧研究节奏被打乱

    OpenAI在GitHub一口气公开722份数学研究手稿,据仓库公开说明涉及约四千道问题,官方称成果平均计算量约相当于三小时的ChatGPT Pro思考算力。《The Verge》采访的三十多位数学家中,有人整套研究计划受到冲击,也有研究者论文完成约九成后犹豫是否提前投稿。

    决策要点

    这件事的实质是AI批量产出研究结论后,最先被冲击的是研究者的发表节奏与课题规划,而非数学家本身被替代。

    • 影响依赖单一课题多年的研究者需要重新论证课题价值,经费申请计划可能受影响;年轻研究者靠作品立足,交付节奏被打乱的不确定感更具体;逐篇核实AI论文的负担落到学术共同体。
    • 参考可考虑盘点机构内部依赖长期积累的专业经验,评估哪些可能被模型吸收;在引用AI产出的研究成果前,先预留逐篇核实与独立检验的时间和预算。
  7. 钛媒体48

    黄仁勋长女完婚,女婿卡普雷茨升任英伟达副总裁,一子一女一婿均居核心岗位

    英伟达CEO黄仁勋的长女黄敏珊在夏威夷完婚,新郎是她在伦敦商学院的同学、英伟达全球AI基础设施增长副总裁尼科·卡普雷茨,至此黄仁勋的一子一女一婿均已进入英伟达核心业务岗位。

    决策要点

    家族成员进入英伟达核心业务条线,接班安排从私人话题变成上市公司治理议题,官方口径与外界解读开始分叉。

    • 影响卡普雷茨负责的融资与基建合作,关系到云厂商和算力买家的采购路径与融资选项;家族成员集中任职让接班与治理议题公开化;重仓英伟达生态的企业需多一层关键人依赖的考量。
    • 参考涉及GPU采购或数据中心合作的企业,可梳理对接条线是否涉及卡普雷茨负责的AI基建融资业务;重仓英伟达生态的厂商值得把关键高管人事纳入供应商风险评估清单。
10月10日周六
  1. 钛媒体60

    模型还在加速,世界如何跟上?15天对话101位北美AI从业者

    作者用15天走访硅谷、洛杉矶、西雅图、波士顿和纽约,与101位北美AI从业者交流后判断,模型能力仍会加速,但更强的模型不会自动变成更好的交付。多位Frontier Lab研究员称日常工作已是监督上万个智能体,有研究员称预训练团队从一两百人缩到约二十人;一项覆盖超50万开发者的研究显示,编码智能体使代码提交活动增240%、项目数增80%、实际发布仅增30%。

    决策要点

    这轮加速的实质是智能体改写了研究与工作组织方式,而交付、组织与电网各按更慢节奏走,能力与现实之间的落差成为下一阶段的竞争位置。

    • 影响预训练团队缩编与弃用token用量考核已经出现,AI投入需要按产出质量评估;编码智能体的提交增幅远高于发布增幅,试点评估要看端到端结果;算力建设受并网五年级等待约束,基建预算要按多年周期编排。
    • 参考可考虑先算清本单位从AI产出到最终交付的转化数据,再决定投入规模;值得把电力与并网周期纳入算力选址和预算评估;可对照哪些环节难以被量化,盘点自身仍具承重价值的业务资产。
  2. 36氪·AI70

    2026 年软件工程观察:几乎没人手写代码了,IDE 正在被 AI Agent 取代

    软件工程师 Gergely Orosz 走访 OpenAI、Anthropic 等实验室并汇总 GitHub、Linear、Factory AI 数据,称几乎没人再手写代码,并行运行 5~10 个 Agent 已成常态。

    决策要点

    AI 编码已从辅助手段变成软件生产的主要方式,工程组织正在围绕 Agent 重建工具、流程与人才结构。

    • 影响工程人效基准改变,小团队可以承接更大的项目和迁移;人工审查失效抬高线上质量与可靠性风险;算力与 Token 开支需要重新进入预算考量。
    • 参考可考虑盘点拖延中的迁移与技术债清单,挑一两项用 Agent 试点并记录耗时对比;云用量大的团队值得提前测算算力预算;招聘可把 AI 熟练度和领域经验列入考察项。
  3. 36氪·AI62

    微软刊物刊登诺奖得主阿西莫格鲁文章,称AI十年仅拉动GDP约1.5%

    诺奖得主阿西莫格鲁在微软刊物《The Humanist Review of AI》发文,估算AI十年仅拉动GDP增长约1.5%、最多取代5%的工作。他判断美国约20%工作属可自动化的办公室认知任务,十年内只有四分之一会真正自动化;微软AI部门CEO苏莱曼10月6日发长帖推介,浏览量超40万。文章主张从全面自动化转向增强劳动者的pro-worker AI。

    决策要点

    对AI回报的量化质疑经诺奖得主之手并被微软平台推介,巨额投入与温和回报的落差成为行业路线之争的焦点。

    • 影响文中以一年约7250亿美元的四巨头AI基础设施投入对照每年约四五百亿美元的GDP增量测算,投入与回报预期存在数量级落差;按全面自动化规划岗位风险偏高,增强员工的AI路线被阿西莫格鲁判断为现有技术可实现。
    • 参考可考虑先算清AI项目投入与可量化回报的差距再定预算节奏;选场景时优先增强员工效率的用途而非整体接管,并为厂商宣传的高准确率预留人工校验环节和成本。
  4. 36氪·AI51

    田渊栋:与GPT-5合写最后一篇论文后,我意识到自己5年内会失业

    前Meta FAIR研究员田渊栋在The Information Bottleneck播客中称,他把GPT-5当作合作者完成了在Meta的最后一篇grokking论文,效率提升约6到10倍(其自称保守估计),并判断自己的研究工作5年内会被取代。

    决策要点

    顶尖研究者以第一手经历判断研究工作将被自动化,并选择下场创业,这类一线信号比行业预测更有分量。

    • 影响研究与分析类岗位的效率基准可能需要重算,个案称6到10倍;人的角色向发起选题和验证结果两端集中;开源模型可用性上升会压低模型使用成本。
    • 参考可考虑在研究或分析类任务中试点AI智能体并记录真实耗时对比;值得重新梳理团队分工,让人聚焦选题和验证;可评估开源模型能否覆盖现有编程场景。
  5. 36氪·AI41

    DeepSeek「AI跨界技术人才」岗位到底想招什么人

    DeepSeek 开出「AI跨界技术人才」岗位,不限专业不限年限,五条加分项里「不走寻常路」与竞赛金牌并列。猎头称其实际筛人经验上限约三到五年、超八年常被直接刷掉,其 HR 向媒体确认不招「大厂味」的人。

    决策要点

    头部AI实验室正把选人标准从资历经验转向跨界与可塑性,在范式未定的前沿问题上经验可能反而是减分项。

    • 影响AI 前沿探索类岗位与工程交付类岗位的用人逻辑正在分化,经验权重需要分别评估;跨界背景人才的价值获得头部实验室实际录用案例支撑;照搬这类标准前,先确认自身业务属于范式探索还是成熟执行。
    • 参考可考虑把 AI 相关岗位的招聘标准按探索型与交付型分开写,探索型岗位降低经验年限权重并试收跨界背景简历;值得盘点内部被资历门槛挡住的转岗者,以及外部被年限上限筛掉的候选人。
  6. 人人都是产品经理35

    一人公司(OPC)容易陷入的三个增长误区

    作者基于对十几家一人公司(OPC)的跟踪,把增长困境归纳为三个误区,即回避个体户定位、先做产品再找需求、把精力耗在无效社交与商务拓展上。其样本数据显示,OPC从产品上线到首个付费客户平均137天,到月营收稳定在10万元以上平均需14个月。

    决策要点

    OPC增长困境的实质是创始人用大公司思维经营个人生意,定位表达、需求验证顺序和精力分配三类问题都可自行修正。

    • 影响个人小团队从产品上线到首单平均空窗137天,现金流需按这个周期规划;先开发后验证会把数月投入押在未验证需求上,放大沉没成本风险;大企业口头兴趣转化为采购的比例低,渠道投入应向老客户深耕和转介绍倾斜。
    • 参考可考虑先把业务压缩成一句话并用客户反应检验;开发前先访谈5个潜在客户,用人工服务模拟交付验证付费意愿;盘点现有社交投入,把八成精力转回产品打磨和老客户服务。