Google DeepMind联创Shane Legg联同AGI经济学总监Alex Imas、研究科学家Andrew Koh在DeepMind Institute发表《智能的经济学》长文与工作论文《Organizing Intelligence》，用经济学模型推演AI从最小AGI到ASI对工资、分工和市场结构的影响。
这份研究的实质是把AI冲击的观察信号从就业率改到工资上，能力被AI追平后稀缺性溢价先消失。
顶级风投a16z创办Horowitz Andreessen Academy（HAA），总资金4200万美元，首届只招约50名应届高中生和入学2年内的大学生，学费全免、不发文凭。
a16z办学校本质是把投项目的逻辑用在人身上，学校同时承担人才筛选器、创业孵化器和交易流入口三种角色。
对 AI 粗鲁或威胁并不能稳定换来更好的答案，文中汇总的多项实验显示语气影响真实存在，但效果因模型和任务差异明显。GPT-5 nano 被威胁时准确率从 82.4% 降至 71.2%，Gemini 2.5 Flash 却在威胁下取得 90.7% 的最高分，负面激将法在两类测试分别提升约 13% 和 46%，情绪提示词让 106 人评价的评分平均提高约 10.9%。
对 AI 粗鲁并不能稳定换来更好的答案，语气效应真实存在但因模型和任务而异，增益更多来自具体需求描述和恰当的情绪提示。
大厂AI人才掀起离职创业潮，不少人在正式离职前就敲定融资，外界统计两年内离职自立门户者不下百人。前通义千问技术负责人林俊旸创办语用科技，公司尚无产品即获天使轮2.2亿美元、投后估值20亿美元；据彭博社报道，DeepSeek同意领投前腾讯混元杰出科学家胡瀚创办的Winverse AI种子轮，金额数千万美元，投后估值约4亿美元。文章提醒，履历光环未必能兑付，估值终要回到产品、收入和交付上。
AI人才争夺已前置到离职之前，投资机构的下注对象从项目转向个人，履历和名单本身成了定价资产。
谷歌 DeepMind 高管莱拉·易卜拉欣（Lila Ibrahim）近期表示，据《商业内幕》报道，公司招聘越来越看重能证明自己在课堂之外持续学习的求职者，学历依然重要但经历权重上升，多项资历能说明求职者具备持续学习的心态。
头部 AI 公司的招聘信号正在从单一学历转向可展示的持续学习经历，好奇心和提问能力成为新的评估维度。
谷歌资助的对照实验发现，初级专利律师用AI起草专利文件成绩明显更好，但撤掉AI后的独立审稿任务中优势全部来自资深律师，初级律师没有获益且成绩两极分化。实验中三分之二律师使用Google Labs尚未发布的AI助手InFlow，盲评显示AI辅助组在10天和90天后均领先，经验不足七年者受益最大。
这项实验的实质是AI的即时提效与长期技能养成存在冲突，从AI中获益最多的初级律师，脱离辅助后留存的技能反而最少。
Google Labs 负责人 Josh Woodward 在与 Lenny Rachitsky 的对谈中分享 AI 产品方法论，团队盯住「什么几乎成为可能」的清单，用 50 到 100 天把一个方向推进到里程碑，早期判断需求先看用户的眼睛是否发亮，而不是 DAU 和 D7 留存。
面对模型能力数月一变，Google Labs 把创新组织单元缩到两三人、用短周期里程碑替代详细长期路线图来验证方向。
谷歌 CEO 皮查伊在播客节目中说，他已把部分信息收集工作交给 AI 智能体，由其整理汇总谷歌过去 24 小时的动态，省去每天约一小时的了解时间；部分智能体还专门监测各产品领域的计算资源使用情况、运行效率和利用率。
皮查伊的用法显示 AI 智能体已能承担高管的信息汇总与监测工作，但决策权和监督智能体的成本仍留在人这一侧。
文章的核心判断是，AI 递归自我改进（RSI，指 AI 参与制造比自己更强的下一代系统）的窄域小闭环已成事实，全自主大闭环尚未到来，作者给 2027 年底前实现 Full RSI 的概率为 30%–40%。
文章的实质判断是研发能力正从外生变量变成内生变量，AI 已坐进下一代模型研发的主驾驶位，分水岭不在奇点日期而在反馈循环缩短的斜率。
沃顿教授 Ethan Mollick 发布图表复盘 AI 过去 30 个月的指数式进步，纪念新书 Co-Existence 出版，文中图表由 Claude Projects 中的 Opus 5.5 编排智能体在几分钟内完成。
作者以 30 个月的基准数据说明 AI 能力指数级增长、成本骤降，人机协作正从对话转向委派智能体，但能力前沿依然参差。
作者由田柯宇案一审判决谈起，批评国内科技媒体把年轻 AI 研究者包装成不被世俗理解的天才，认为天才可以解释一个人的成就，却不能替他的行为脱罪。文中提到田柯宇 2024 年因干扰字节跳动内部模型训练被辞退，一审被判赔偿约 50 万元、案件仍在二审，其创办的世界模型公司已获近 3000 万美元融资、投后估值 2 亿美元，投资方包括五源资本、IDG 资本。
这场争议的实质不是个人恩怨，而是 AI 行业在快速造富阶段缺乏职业伦理共识，天才标签正被用来豁免行为责任。
OpenAI 于 10 月 6 日将内部 AI 模型生成的 722 篇数学手稿放上 GitHub，整理为 372 组成果、覆盖数论等 17 个方向。发布次日撤回 3 篇预印本、修订 14 篇，总数降至 719；官方口径称约四成顶层结果附 Lean 形式化、折算 162 篇，帝国理工学者巴扎德抽样本领域 30 篇中仅 1 篇通过机器验证，模型未公开、第三方无法独立复现。
争议的实质不是 AI 能否做数学，而是发现成本近零后，发布方以公告代替提交，把核验负担转嫁给整个学科。
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。
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。
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。
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。
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。
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。
Google 宣布扩充 AI 与经济研究项目，2025 年诺贝尔经济学奖得主 Philippe Aghion 出任学术顾问，多伦多大学教授 Ajay Agrawal 出任访问学者。
Google 把 AI 经济影响研究从数据追踪升级为有专职主任和外部顾问的常设项目，后续实证产出将更体系化。
Google 为 AI 与经济 ATLAS 推出交互式开放数据平台，可按职业和国家查询 AI 使用率，并发布与 Google DeepMind、MIT FutureTech 合作的科学家 AI 使用研究。
AI 使用率数据以开放可查形式发布，科学界案例说明效率收益正卡在流程改造而非模型能力上。
沃顿教授Ethan Mollick撰文提出，AI能力边界依旧参差，一项任务能否被自动化取决于瓶颈而非整体智能。他引用研究称GPT-4.1在妥善提示与支持下两天复现并更新12篇Cochrane综述，约相当于12个工作年，准确率超过人类评审，但因无法获取补充文件或致信作者索要数据，不足1%的边缘错误仍需人类专家处理。
AI能力是参差而非齐平的，一项任务能否被自动化取决于最短的短板瓶颈，而不取决于模型整体智能水平。
沃顿教授 Ethan Mollick 撰文提出，人机协作正从共同创作的协同智能转向巫师模式，人从伙伴变成只负责提示、等待和验证的观众。
前沿 AI 的可用性正在超过可验证性，知识工作的瓶颈从怎么做出成果转移到如何判断成果是否可信。