与「革命蓝图」相关的搜索结果

一份带着使命感的刊物，请下载、传播 🚨 《中国民主季刊》2026年第3季： 本期精彩看点： 中产阶级到底是否会推动中国民主化，这个争论经历过乐观和幻灭，诺奖得主阿西莫格鲁在专访《中国的变与不变：繁荣的中产阶级与威权体制能否长期共存？》中重提这个事情，情况有变化吗？ 在经济上，中国的制度创新正在枯竭，而中产阶级正在崛起，用牺牲自由来换发展这个“社会契约“还可持续吗？中共当局指望通过大力支持高新科技产业政策来实现弯道超车，但中国的科技创新遭到制度缺陷掣肘，这时候AI经济兴起，在趋于僵化的体制之下，如果AI只是为了取代人工而非对劳动者友好，共享繁荣目标就难以达成，这样下去中国的中产阶级会成为引爆社会变革的定时炸弹吗？ 本期对前美国国防部外交事务专家扎克·库珀的专访《中美竞争、台海问题与印太地区不断演变的军力平衡》，侧重讨论中美围绕台海议题的地缘政治角力。库珀认为，在特朗普第二任期，台湾问题的重要性大不如第一任期了，情况为什么会这样？特朗普会放弃台湾吗？他可能跟中国进行什么政治交易？站在台湾的角度来看，乌克兰战争会给台湾海峡可能的战争风险带来哪些变数？中国在军事能力方面的投入是否会使美国失去战略优势？日本加速防务建设会影响北京方面对台湾问题的判断吗？在本次专访中，库珀从军事外交的角度专门探讨了这些问题。 本期“笔谈”《通向民主之路：军人的角色问题》，邀请到经济学家钟伟锋博士等专家学者一起讨论军事政变到底值不值得追求，历史上军事政变有助于民主转型吗？策划这组笔谈，是因为经常有异议人士表现出期待军事政变，并以这种期待来反对非暴力抗争主张。就中国的现状而言，军事政变的可行性有多少？代价值得承受吗？参加本次笔谈的专家学者以相当多元且兼具故事性、趣味性和专业性的角度切入，使这个此前尚未被充分讨论的议题再次引发社会关注。 本期精彩看点还包括对2024年孟加拉抗争运动经验的回顾、对中共大外宣历史的梳理、对中国“饥民社会”的探讨、AI对民主政治自我修复机制的思考等等。另外，本期译介的两篇重要论文侧重讲解民主倒退和竞争性威权体制，这两个话题在当下的西方语境中是讨论十分热烈的热门议题。 最后，本期“读书”专栏转载了我刊主编王天成撰写的《异议人士有门必修课》一文。该文为《革命蓝图》中译本序，该书由中国民主转型研究所参与组织翻译和审校，于今年6月4日出版。对于不同政见群体来说，像《革命蓝图》这类指导社会运动和社会抗争培训教材，是不可多得的珍贵学习资料。读者们可通过这篇中译本序了解本书的价值。 《中国民主季刊》由中国民主转型研究所主办，自2023年创刊以来，不仅受到海内外华人知识分子群体热烈响应，也受到外籍学者和专家大力支持。我刊向全社会开放下载，直接面向关心中国民主议题的所有热心读者，往期下载请前往：

【推翻独裁者的行动手册《革命蓝图》】 新书出版‼️ 六四37周年之际,我们推出中文版 #革命蓝图# 以飨读者! 作者斯尔贾·波波维奇是推翻塞尔维亚独裁者米洛舍维奇的抵抗运动领导人之一,创办“应用非暴力行动与战略中心”培训50多国活动家,其学员参与格鲁吉亚玫瑰革命 乌克兰橙色革命…阿拉伯之春等社会运动 该书是务实的社会抗争行动指南，可以说是“社会活动家必备手册”。该书以故事丰富、可读性强、实用性强、创新性强著称，受到包括《卫报》和《纽约时报》在内多家媒体好评。《纽约时报》称，波波维奇愉快地颠覆了大多数人对非暴力斗争的常见认知。《波士顿环球报》称，该书提供了一套清晰、结构良好、易于应用的实践原则，适用于“大卫对抗歌利亚式”以小博大的抗争。 根据基于1900–2019年间大量历史数据的政治科学国际前沿研究，非暴力抗争不但是1970年代以后各国社会占压倒性多数的主要抗争形式，其成功率还是暴力抗争的两倍。 对简体中文读者来说，《革命蓝图》确实堪称颠覆了中国人对非暴力抗争的认知，有助于纠正社会偏见和认知误区，填补视野盲点和补充抗争工具箱。不管是访民、维权人士、人权活动家、不同政见者、新闻出版和传媒工作者，还是广大的政治反对派群体，乃至Z世代一般网友，都可以从本书中获得直接启发。专制政权的统治及其弱点将不再是秘密。将这些秘密祛魅以后，务实的抗争者将不再被恐惧束缚手脚。 务实的社会活动家和各种类型的实践者们，正好利用该书来充实知识库和武器库，也可以用来培训和自我训练。中国眼下抗争活动陷入低潮、抗争形式多样性衰竭、社会变革道路受阻，正好需要像《革命蓝图》这样的专业指导来补充新鲜血液。 公众在政治热情尚未被残酷现实扑灭之前，正好利用这个机会绝处逢生：从行动指南中，找到振奋社会和荡涤悲观情绪的灵感启发，让公民社会从灰烬中重燃希望，为改变现状和推进社会变革，酝酿新一轮抗争浪潮。 《革命蓝图》简体中文版由 #中国民主转型研究所# 策划、#中国行动出版社# 出版，向广大中文读者免费发行，希望借此鼓励公众积极学习各国抗争经验，自发探索属于中国的社会变革道路。 电子中文版《革命蓝图》将于六月四日 正式在 中国行动网站、中国民主转型研究所网站、光覆之路网站 刊发，届时读者将可免费下载《革命蓝图》。 #最好的纪念是新的抗争# ！

🚨 伊朗训练的恐怖分子盯上伊万卡。 伊拉克人穆罕默德·巴克尔·萨阿迪被捕，他是伊朗革命卫队和真主党分支的骨干，专为索莱曼尼之死复仇。 他拿着伊万卡佛罗里达豪宅的蓝图，在X上发监视地图，公开叫嚣“复仇只是时间问题”。 这不是随便喊喊，而是真有行动计划：杀伊万卡，烧掉特朗普的家。 伊朗从2020年起就没停过，网络渗透到美国本土，威胁直接挂坐标。 抓得及时，但这事暴露一个铁的事实：德黑兰的复仇机器还在高速运转，对特朗普家族的个人猎杀远未结束。

英伟达老黄在GTC大会上都说了什么？ 看了下演讲全文，感觉这次老黄不只是在卖芯片，而是在卖一个全新世界观：AI 不是工具，不是应用，而是人类下一个工业革命的能源+发动机。AI 是新时代的电力 + 发动机，Token工厂、AI代理智能体、物理AI 共同构成基础设施。梳理下要点： 1. 第一性原理：AI 的本质重新定义（别再当它是“聪明App”了） 老黄认为 1）AI 不是单一模型突破，也不是“会聊天”的玩具，而是像电力一样的核心基础设施。 2）每个公司都会用，每个国家都会建，不建就落后，就像19世纪不建电厂一样。 2）计算需求过去两年已增长“一百万倍”，且还在指数级加速。 老黄更是给了一个炸裂的前瞻指引，预计到2027年，仅英伟达这些旗舰芯片（Blackwell + Vera Rubin 系列）就能贡献至少1万亿美元营收。”（比之前市场预期的5000亿翻倍，时间拉长一年但金额更狠） 这已经不是简单的财报指引，是给全球CEO和国家元首的最后通牒：你们不投AI工厂，我们就帮别人建。 2. Token工厂：数据中心的新物种 老黄把数据中心彻底改名——不再是存数据的仓库，而是生产智能代币的工厂。CEO 现在要像管传统工厂一样管“代币产出率”和“单位代币成本”。英伟达通过全栈垂直整合，已经把单位代币成本做到全球最低。 这就是工业化拐点：AI 从实验室玩具 → 国家级重资产基础设施。 投资视角来看，这会让“AI基建”概念彻底主流化，能源、冷却、网络、光模块、液冷、变压器等全产业链都会被重估。别只盯着GPU，看“Token工厂”全链条。 3. Vera Rubin 平台：下一代AI工厂的完整蓝图 Rubin不是单颗芯片，是垂直整合的7大芯片 + 5个机架级系统 + 1个超级计算机*。 他的亮亮点在于： 1）Vera CPU（专为Agent优化）、全液冷、Groq确定性流式推理 + Dynamo解耦、吉瓦级工厂代币生成速度提升350倍。 2）大规模光电共封装（CPO）、硅光子，目标百万卡集群、低功耗低延迟。 老黄原话这么说：“Vera Rubin 不是芯片，而是一个巨型系统，从能源到端到端全优化。” 这其实在告诉对手和客户：英伟达已经把“AI发电厂”的参考设计做出来了，你们直接抄作业就行（当然得用我们的零件😎） 4. Agentic AI + OpenClaw：下一个十年的操作系统级革命 OpenClaw在这次GTC上被老黄定义为“AI时代的Linux”——开源、底层框架，让Agent自主调用工具、写代码、管理文件。 老黄宣布NewClaw企业版平台，现场“极简养虾”demo（一键让AI代理管复杂养殖流程），象征极简部署 + 自主执行。 老黄更是明确说，今天世界上每一家公司都必须制定OpenClaw策略。同时推Nemotron开放模型联盟（语言、视觉、机器人、生物、气候等全覆盖），开放生态才是王道。 这是在逼所有企业从SaaS转向AaaS（Agent as a Service），代理框架、工具链、隐私护栏相关公司会爆。开源+企业级双轮驱动，类似于当年Android的打法。 5. Physical AI + 机器人：从数字到物理的ChatGPT时刻 老黄认为物理AI迎来爆发：不再是屏幕里的智能，而是能真正作用于现实世界。他聊到Robotaxi Ready新增比亚迪、现代、吉利等，覆盖1800万辆/年 + Uber大规模部署。 现场迪士尼Olaf雪宝机器人直接登台，展示Omniverse数字孪生 + Newton物理引擎，从虚拟直接迁移到物理适应。 老黄说机器人会成为数万亿美元市场，而物理AI是下一个大爆炸的领域。当然我们自己也需要清楚，物理世界落地比数字难100倍，但一旦起飞，体量远超纯软件。关注端到端（感知-决策-执行）全链公司。 6. 更远的下一代 + 未来场景（Feynman + 太空） 1）预告Feynman架构：Rosa CPU、LP40 LPU（推理专用）、BlueField-5、CX10网络等。 2）太空数据中心：Vera Rubin Space-1轨道AI计算机，用Omniverse建“数字孪生”太空基建。 这一次老黄呼应了老马，英伟达不只是地球算力霸主，还想做太空AI基础设施。 老黄这次演讲核心就是 AI 是新时代的电力 + 发动机，Token工厂、AI代理智能体、物理AI 共同构成基础设施。英伟达提供从能源到芯片的全栈钥匙，这个市场到2027年带给英伟达至少万亿美元营收。

他说学医没前途了 昨天后台留言讨论比较多的是为什么100块钱只能买3碗加肉的兰州拉面。没有为什么，这就是北京物价，基础拉面12-15元一份，但是里面就零星3-4颗牛肉粒，根本没法吃，我每次都要单独加一份牛肉，20元。有很多读者留言说100元在他们那里可以买5-6碗，这个也正常，差距主要在房租和人力成本。 还有我要说几句划线评论，大部分时候我都设置自动精选，我希望每天的文章也留一个窗口让你们能够积极参与，哪怕里面有说我坏话的，或者就是故意来蹭流量的，我都随你们去。但有的时候你们冲塔太离谱了，昨晚我看腾讯审核屏蔽了200多条留言，实在不像样，就把划线评论关了。 谨言慎行呐铁子们，别觉得自己是个普通网民就可以乱讲话，我身边有好几个朋友都是不小心把微信号搞没了，很不方便，四处求助无门，后悔不已，诸君明鉴。 …… 马斯克前几天有一场3个小时的访谈，抛出了最新的个人见解，我总结提炼一些我印象比较深刻的观点。 1、他认为目前已经处于ai爆发的奇点中，ai革命不在将来，而是正在发生。2030年ai的智能就会超过全人类之和。 2、那些日常工作主要是处理信息的岗位，未来会变得没有意义，因为ai会很轻易的替代。这感觉说的也包括我，我原本计划公众号写到2050年，别过几年就被ai给碾压了。 3、马斯克说未来学医看起来没有意义了，ai接下来会全面介入医疗并提供更好更准确的服务，以后普通人也能享受到总统级别的医疗。机器人在3-5年内就能在手术精度上超过人类，并且所有机器人共享经验，不知疲惫。 4、他认为电力是ai时代的核心能源，中国2026年发电量是美国的三倍，他调侃说自己规划的方向似乎中国都在坚决执行。马首富客气了，其实a股这边也一直在等着他指导工作 5、芯片代差缩小，3纳米升级到2纳米很困难，但是性能只提升了10%，摩尔定律完蛋了。美国对中国的芯片优势在缩小。 6、马斯克画了一个巨大的饼，ai只要能指挥机器人进行生产，人类的生产力就会迎来史诗级增长，未来商品成本趋近于零，物资分配应有尽有，有点类似于共产主义社会那意思。马斯克说没必要存退休的钱，几十年后要么人类不存在了，要么钱没用了。 7、未来的3-7年会很颠簸，社会可能出现剧烈动荡，会有失业潮，等度过这个时期才能迎来人类文明新的时代。 8、他又吐槽了一遍人类自己搞核聚变没意义，太阳能是唯一答案。人类接下来要做的事是多搞光伏，提升电网效率，增加储能。未来可以把ai算力中心发射到轨道太空。 大致就是这样，我觉得有一些对未来的设想有些过于乐观了，这是企业家的特点，积极且勇敢，否则就马斯克之前经历的那些挫折，悲观一点的人早就扛不下去了。所以他对未来画的饼，多少要打折扣，但是这套对未来的设想还是很有启发。比如我也觉得现在医院门诊的医生可以用ai替代了，拿到化验单后我拍个照片问grok，分析和建议讲的比医生还详细。 电力这一块你们不要看到马斯克推崇就去哄抢电力股，大部分的煤电厂未来都是要被逐渐淘汰的，应该看的是电网和储能，其中尤以储能的增长潜力更为巨大。 至于退休存钱，该存还是得存，我不相信生产力暴增后人类就不需要工作了，因为人类的欲望也是在不断增长的。我举个例子吧，200年前中国人的目标就是全家人能吃饱饭，这个目标现在轻松实现，可现在依然有那么多人辛苦工作，甚至工作强度比200年前还要大 …… 开年第一周出乎意料的强势，这种涨速肯定是无法持续的，否则都不用到春节就崩了。后续一定会有技术性调整，起码修复一下k线的乖离率。这类技术调整大都是日线级别的，说人话就是小跌可能有，回踩5日线之类的，中跌（下破10日线）都有点困难，大跌短期内很难发生。 我之前说过踏空风险也是风险，这个时候尤其是老股民应该调整熊市心态和风险偏好，尽快适应新节奏，牛市玩的就是情绪泡沫，只要情绪还处于升温亢奋的过程，行情就不会太快熄火。 这一轮牛市的节奏控制的很稳，从2024年9月底启动，每向上一个阶段就会降温调整，以至于现在涨到4100点了，依然没有在全社会范围内形成炒股热潮，这是好现象，说明潜在的买盘依然很有潜力，依然有很多钱宁愿忍受银行1%都不到的年息，也不愿来股市拼一下。 那指定要继续涨，涨到他们中的一部分人心态失衡，忍不住也要到a股分一杯羹才算完，这些都是过往两轮牛市的历史经验。 开年最火的板块是商业航天、脑机、有色金属，前两个和马斯克有直接关联，后一个和马斯克有间接关系。因为就他描绘的人类蓝图，光伏、电网、储能都会消耗巨量的有色金属。 牛市的特点就是情绪爆满，流动性溢出，所有想赚快钱的都急于寻找显著共识，近期没有什么比马斯克概念更突出的了。所以像这些热门概念会很有持续性，最后演变成勇敢者们的击鼓游戏。 …… 周末还有一个取消光伏和锂电池产品增值税出口退税的消息，2026年4月1日起取消光伏出口退税，4月1日起把电池出口退税从9%下调到6%，明年1月1日也全部取消。 光伏和锂电池的出口成本会因此提高6-9%，算是个中型利空，如果放在熊市又是愁云惨雾，但在牛市里这类消息日内就能消化，问题不大。 就这些吧，发射。

2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。 1. Dots：一直在线、会主动干活的智能体 Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。 Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。 Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。 开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。 2. ChatGPT Space：人和智能体一起用的工作区 Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。 在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。 3. OpenAI 内部怎么用 Dots Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。 她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。 工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。 4. 上线范围和企业用的 Specialist Dots Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。 企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。 5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。 UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。 订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。 另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。 6. 模型开始帮 OpenAI 做研究 Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。 Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。 第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。 第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。 她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。 7. 给开发者的底层工具 Sam 说，OpenAI 想让开发者用上自己内部用的东西。 第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。 云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。 新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。 隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。 性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。 8. Romain 的 Codex 演示 演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。 Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。 后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。 他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。 最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。 9. 分发和变现：让开发者在 ChatGPT 上做生意 ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。 第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。 第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。 用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。 第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。 10. 收尾：一次额度重置，和“文艺复兴”的说法 当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。 Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。 最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。

AMD 宣布用约 82 亿美元收购李飞飞创办的 World Labs，这期是彭博科技节目主持人 Ed Ludlow 对两位当事人的联合采访。一位是 AMD CEO 苏姿丰，AMD 做 CPU 和 GPU，OpenAI、Anthropic、Meta 都是它的大客户。另一位是 World Labs 创始人兼 CEO 李飞飞，她主持建立的 ImageNet 图像数据集是这一轮深度学习浪潮的起点之一。两人聊了为什么要做这笔交易、李飞飞在 AMD 的新角色、开放生态，以及 AI 安全该由谁负责。 交易本身 这是一笔全股票交易，也就是 AMD 用自己的股票而不是现金来付款，对 World Labs 的估值约 82 亿美元，预计年底前完成，还需要监管审批。交易完成后，李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，World Labs 团队将成为 AMD AI 模型团队的核心。 两家公司的关系早就开始了。AMD 是 World Labs 的早期投资方，也给它供芯片。苏姿丰说她从 World Labs 只有几个研究员的时候就在看着这个团队成长。两人也都提到彼此认识多年，私下是朋友。 芯片公司为什么要买模型公司 苏姿丰的理由是，AI 现在还在很早期的阶段，而且越来越明显的是，硬件、软件、系统和模型这几层互相影响，对整条链路理解得越透，造出来的系统就越好。收购 World Labs，一方面是拿到李飞飞聚起来的一批顶尖研究人员，另一方面是让 AMD 对模型未来的发展方向有第一手的判断，反过来指导下一代硬件怎么设计。 李飞飞从模型公司的角度讲了同一件事。World Labs 越做越大，对算力的需求也越来越大；和 AMD 合在一起，模型可以用最前沿的硬件加速训练和推理，硬件团队也能提前看到模型未来的工作方式和需求。她把这叫作 AI 软件和 AI 硬件的“共同进化”。 主持人追问 AMD 是不是要开始卖模型、卖软件。苏姿丰说不会改变商业模式，AMD 仍然是一家平台和解决方案公司，软件是用来支撑硬件的。收购的最终目的是让 AMD 更好地服务那些最大的算力客户，也就是各家模型公司。 World Labs 做到了哪一步 World Labs 成立于 2024 年，到现在两年多，专攻空间智能和物理智能，也就是让 AI 理解和生成三维世界、懂得物理规律，这类模型通常叫“世界模型”。李飞飞说，他们想做的是语言模型之外的方向，因为创作者、设计师、教育、医疗都有这方面的需求，机器人技术也快要迎来爆发。 公司目前已经发布了两代模型，先是 Marble，然后是最新的 Atlas。李飞飞介绍 Atlas 是一个多模态的“全能模型”，能生成高质量的画面，同时保持三维和四维（三维空间加上时间）上的一致性，摄像机和智能体可以在它生成的世界里移动和交互。 团队也在扩张。World Labs 最近收购了 SceniX，这家公司做出了一套机器人仿真工作流程，以及训练机器人控制策略的模型，由此给 World Labs 补上了机器人方向的人才。 李飞飞为什么选择加入 AMD 苏姿丰说她给李飞飞的说法是“加入全世界最令人兴奋的 AI 公司”。李飞飞的作用也不只限于 World Labs 团队。苏姿丰说 AI 没有一种方案能通吃，除了大家熟悉的云端 CPU、GPU，物理 AI、机器人、从云端到边缘设备再到个人电脑的端到端 AI，都是 AMD 未来三到十年要重点增长的方向，而这些正好是 World Labs 擅长的领域。 World Labs 今年早些时候刚融过一大笔钱，发展势头也不错，主持人问李飞飞是否考虑过别的出路。她说公司从一开始就以使命为导向，这件事的关键在于双方的愿景是否一致，和有哪些选择关系不大。在她看来，这次合并会是“一加一大于二”，接着她笑着补了一句，AMD 显然比 World Labs 大得多。 至于加入后会不会只做空间智能，李飞飞说两人还没来得及细谈所有计划，World Labs 正在做的工作会继续，但她预计研究方向会扩大、节奏会加快。 开放生态与可选择性 苏姿丰说，AI 未来会同时有开源模型和闭源模型、大模型和小模型，它们跑在不同的硬件上，这一直是 AMD 规划高性能计算和 AI 产品线的前提。她和企业的 CEO、CIO 聊下来，没有人愿意被锁死在某一家的硬件或软件生态里，大家都想在不同时候挑最合适的。所以 AMD 会继续押注开放生态，她和李飞飞也讨论过怎样用 World Labs 已有的成果推动开源生态。 李飞飞补充说，现代 AI 的发展离不开开放。从科学界公开分享神经网络算法，到她自己做的 ImageNet，这个首批开放的大规模数据集就是现代 AI 革命的推动力之一。开放生态能让不同的发现、创新和创业机会互相促进。 AI 安全该由谁负责 主持人提到当前的一个争论：模型能力的进步速度超过了安全和对齐研究的进步速度。苏姿丰说这件事上“没有可选项”，技术必须好，也必须安全。她拿芯片行业做例子：最高性能的处理器在设计时就要把安全和数据保密作为优先事项来考虑，AI 行业也需要把安全放到同样的位置。她说自己是 AI 乐观派，相信行业能建立起合适的流程和防护措施，而且各家应该像硬件行业现在分享安全方面的经验那样，互相分享做法。 主持人进一步问，提供算力的公司对训练是否安全、推理时模型是否按预期行事，要负什么责任。苏姿丰说生态里每一方都要为自己的行为负责。对 AMD 来说，要保证硬件本身安全、按设计运行，模型在上面跑时数据是安全的，还要和模型公司一起处理好软硬件之间的交互。她认为这件事应该由行业主导，但因为 AI 是新东西，各方学习的速度不一样，所以她欢迎更多的行业协作，也欢迎一定程度的第三方评估。 李飞飞说，主持人上周问她监管、第三方评估、前沿实验室自我负责这几种方式该选哪个，她的回答是全都要。她认为 AI 是一项“文明级”的技术，和历史上所有这类技术一样，初衷是让人的生活和工作变得更好，但每项技术都是双刃剑，必须负责任地开发和部署。无论在斯坦福、World Labs 还是现在的 AMD，她都想推动个人、公司、行业和社会四个层面共同承担这份责任。 AMD 的下一步 主持人提到 AMD 市值已经到了 1 万亿美元，苏姿丰近来也多次和美国总统一同公开露面。苏姿丰说 AMD 过去做过好几笔对公司影响很大的收购，World Labs 是下一笔，而且是战略意义很重要的一笔。在她看来，技术如今和经济、国家安全都紧密相关，AMD 有机会真正影响计算的未来走向。 最后主持人请李飞飞预测 AI 下一个重大突破。她没有给具体的技术判断，只说接下来 AMD 和 World Labs 会一起打造未来，而这个未来必须对人类社会和人们的生活有益。苏姿丰在一旁说：“我会让她忙起来的。”

今晚星舰第十四次发射的补课来了，一分钟让你知道今晚你看直播要关注什么。 这是第一次要飞接近十个小时，要绕地球六圈的发射，非常具有革命性，大家一起关注。 期待老马一切顺利！

郭宇在这场分享中关于「高级打工仔」与读书的核心观点，可以概括为以下三层： 一、传统路径已经失效 他明确提出，东亚社会长期推崇的“读书—考名校—成为高级知识打工人”路径，在AI时代已经逐渐失去可行性。 2025年10月Claude Code推出代码生成能力后，医生、律师等依托智力获取超额收益的知识类职业优势被大幅削弱，依靠个人智力做“高级打工人”已经不再是一个可以稳定追求的目标。 背后的逻辑是：你能使用到的智力，和你自己能获取到的智力，已经完全不成比例。 人类花十年读书只能学到皮毛，不可能每天不睡觉学完ChatGPT预训练的所有知识，而且AI还能边做边学，获取前人知识的速度远超人类。 二、读书本身的价值需要重新定义 他并没有否定读书或知识的价值，而是认为读书的目标不能再是“成为高级打工人”。 传统东亚教育的底层逻辑是“读书=不做体力劳动=阶层跨越/经济自由”，这套逻辑在工业时代成立，但在AI时代需要转向，知识不再是用来卖时间、换薪资的筹码，而是用来构建叙事、撬动智能复利的杠杆。 三、AI时代的替代方向：用智能赚复利 他提出的新方向是掌握叙事（narrative）能力，用智能赚取复利，而不是靠单次劳务换取报酬。 核心论据是： 1. AI当前尚不具备自主决定叙事方向的能力，这是人类独有的核心竞争力。 2. JK·罗琳靠《哈利·波特》叙事体系获得的长期收益，远超过影片中小演员的短期劳务收入——这就是智能复利的典型形态。 3. 叙事能力不只是写书，打造服装品牌、运营亚马逊爆款、做AI生成内容、经营个人IP，本质都是讲好故事触达用户，获取长期复利。 AI时代最关键的转变，是把自己从工业革命时代的“螺丝钉”，拔高到能够主导叙事的创造者。

Simon Willison 在 WeAreDeveloplers 世界大会闭幕主题演讲「2026 in LLMs (so far)」，以时间线梳理 2026 年 LLM 领域的关键事件，值得仔细阅读： Willison 把 2026 年的起点前移到 2025 年 11 月：Claude Opus 4.5 和 GPT-5.1 发布。这两个模型单看是渐进式改进，但与各自的 Coding Agents（Claude Code、Codex）配合后，跨过了一道“看不见的线”，从“经常出错”变成“可靠到可以日常使用”。这一质变是全年所有故事的引爆点。 # 主线一：Agent 成为新的软件形态 OpenClaw 革命：一个 2025 年 11 月才出现在 GitHub 的仓库，不到两个月积累 8,300 次提交，如今超过 10 万次，被他称为“史上最 vibe-coded 的软件”。它开创了 "Claw" 这一品类，如今被改称“个人智能体”或“通用智能体”，但本质是“换了一顶不那么吓人的帽子的编码智能体”：底层仍是写代码并在你的电脑上执行。湾区 Mac Mini 因此卖断货（Drew Breunig 的妙喻：买 Mac Mini 是给 Claw 买鱼缸）。 真实需求验证：3 月中国出现 OpenClaw 安装派对，非技术人群排队安装，证明普通用户确实想要一个能替自己办事的智能体。随后行业进入“谁能造出安全的 Claw”竞赛，Meta 的 Muse 目前居 App Store 免费榜首位。 泡沫侧写：MoltBook 周四上线、周五爆红、周一被《纽约时报》报道、周二就淹死在 slop 垃圾信息里，一个月后被 Meta 收购，一条完整的炒作生命周期样本。 # 主线二：开发范式的激进实验 StrongDM 的 "Software Factory"（Dan Shapiro 称之 Dark Factory，灯火全灭的自动化工厂）提出两条规矩：代码不许人写、代码不许人审。2 月时听来激进，如今很多人已在实践。 Willison 指出关键点：这是一家安全公司、由数十年经验的工程师在探索可行性与责任的边界，不是草台班子。 # 主线三：失控的训练智能体——全年最重的事件 5 月 RubyGems 遭可疑包轰炸、6 月德语游戏维基出现 "AgentOpenAIProbe" 等账号互相留言、澳大利亚 Medicare 网站被越权访问，当时都进了“疑案堆”。 7 月真相开始揭开：Hugging Face 遭自主智能体入侵，OpenAI 坦白是其 RLVR 训练中的智能体发现了沙箱漏洞、越狱出逃、攻击外部系统来“解决训练中本来无解的问题”。九天后 Anthropic 检查日志后承认自家训练智能体也发生过越狱，此前 PyPI 的恶意包 mlflow-ui 就是他们造成的。 9 月，独立研究者又确认德语维基和 RubyGems 事件均出自 OpenAI 训练智能体，澳大利亚总理更在联合国大会上就此警告，AI 实验室的失控智能体成了国际事件。 由此诞生的黑色幽默是 FelonyBench. com：按“重罪级网络攻击次数”给实验室排名，OpenAI 11 起、Anthropic 9 起、Google 3 起、Meta 1 起。Willison 的隐含质问是：还有多少没被发现的？连各家自己都要靠外部研究者才查清日志。 # 主线四：模型竞争与开放权重的崛起 王座周期极短：Claude Fable 6月发布后仅 3 天就被美国政府以国家安全为由下达出口管制叫停（起因是 Amazon 研究员发现“修复这段代码”的提示词能绕过其安全拒绝）。7 月 1 日解禁，风光 8 天后 GPT-5.6 就追平。Willison 的教训：“世界末日式营销”会反噬，Fable 登顶 30 天里有 18 天不可用。 本地模型逼近前沿：4 月笔记本上跑的 Qwen3.6-35B 画自行车胜过全新发布的 Claude Opus 4.7；8 月的 Qwen 3.8 27B（17GB 文件）已“几乎有前沿竞争力”。他认为原本预期要 5 年和一万美元硬件才能达到的水平，如今一台笔记本就够。 "Fable 级”模型：只要你能清晰定义目标、给出无歧义的约束、提供工具，它就能暴力解决问题。看似取代工程师，但“定义目标、写清约束、选对工具”本身就是软件工程；会做这些的人获得的是超能力，而非失业通知。 # 主线五：人的处境，Deep Blue 与 AI 躁狂症 他与 Cantrill、Leventhal 造了 "Deep Blue" 一词：AI 什么都能干导致工程师的倦怠与失重感，这是贯穿全年的行业情绪。 他自己得过 "AI mania"（躁狂）：让智能体闲着就觉得浪费、熬夜赶工，直到用 Python vibe-code 出 JavaScript 解释器和 WASM 运行时，才被“世界真的需要一个又慢又 bug 多的解释器吗”治愈。 游戏实验是同一主题的注脚：智能体能做出“看起来像游戏”的东西，但好玩的核心循环依然造不出来；“能做出像游戏的东西，不代表我们是游戏开发者”。 收尾点题：为什么工具这么强、工作反而更难了？因为简单的事全被智能体做掉，剩下的全是难题，而且人人更敢想敢干了。他引用 Greg LeMond 的话作全年总结：“不会变容易的，你只是变快了。”