opinion

Aatish Nayak提出反直觉观点：AI在个人手里很强，但在公司中因协作结构缺陷（决策、权限、升级路径、共享记忆）而变弱。

在一条推文中，Sarah Hooker 指出 GPU 并不适合现实世界数据的长尾分布，并建议需要替代性 AI 硬件。

Garry Tan 认为，为 AI 智能体使用数据库就像建造富士康工厂，暗示这不足以实现正常的智能体功能。

一篇评论文章指出，vibe coding虽然在快速原型设计方面表现出色，但也可能导致市场充斥着精致但未经验证的产品，因为构建的便利性跳过了验证真实用户需求的关键步骤。

关于Hashicorp创始人Mitchell Hashimoto声称本地AI模型还不够好的讨论，但有证据反驳，表明小语言模型在编码方面已经有效超过一年了。

一篇观点文章，反对在身份验证和会话管理中使用 JSON Web Token（JWT），并指出了其安全性和设计上的问题。

来自@levie的一篇关键帖子强调，AI的未来在于可定制的智能，而不仅仅是更大的模型，着重于结合独特数据、工作流，并将智能路由到性能最佳的模型。

作者认为人工智能不会取代工程师，因为经验丰富的工程师掌握着来自真实生产故障和边界情况的关键背景，而知道要构建什么仍然是一项人类技能。Factory AI 正在构建工具来增强工程师。

一位自由译员讲述了一次遭遇：有人以为ChatGPT可以替代他们的工作，并解释了为何AI翻译仍需人类的专业能力。

关于在AI智能体设计中堆叠循环重要性的概念性讨论，将其与Sutton的苦甜教训相类比，倡导可扩展系统而非人工修复。

本文批评了当前AI for Science（AI4S）研究专注于弥补前沿模型弱点的做法，认为真正的瓶颈在于科学生态系统，而非单个AI科学家的智能。文章呼吁转向从第一性原理构建AI-Native的科学生态系统。

作者认为，随着人工智能商品化，真正的优势将来自一个共同的标准，即如何协作地运行智能。他们提出了自己经过10多年开发的可证伪框架，并邀请批评。

一篇评论文章，讨论苹果在Siri AI健康指导方面的克制态度，与谷歌及其他可穿戴设备制造商形成对比，同时指出watchOS 27中逐步增加的AI健康功能。

文章认为，如果没有开源LLM的竞争，像Anthropic这样的闭源公司会变得傲慢并对客户收取过高费用，例如每月200美元的订阅费。

一位开发者质疑构建专用AI智能体的价值，因为像Claude Code这样的通用工具也能完成同样的任务，他认为当前的智能体方法不过是能力更弱、加了额外护栏的Claude版本。

一篇观点文章，认为公司和监管机构正在操纵关于AI和软件开放性的叙事，以苹果在欧洲延迟的AI功能和Anthropic的模型限制为例。

讨论了术语“vibecoding”的两种矛盾含义——一种指不加思考地将代码全部丢给AI，另一种指借助AI进行重大代码辅助——并指出这种歧义导致了沟通中不必要的摩擦。

一条推文认为企业应优先确保其AI主权。

Jeremy Howard 对某个事件表示强烈失望，他认为这是黑暗的一天，可能造成不可逆转的损害，很可能发生在人工智能行业。

文章认为，那些在不了解AI局限性的情况下强制要求使用AI的首席执行官是被误导的，有效的AI采用需要员工自愿参与，并切实了解技术的能力和所需投入。