AI 编程实时动态与要闻

11 月 1 日，《金融时报》专栏作者兼首席数据记者 John Burn-Murdoch 在 X 发布长串推文并附 FT 文章，认为美国 AI 采用行业的生产率上升始于 2020 年、早于 AI 智能体，而且只在美国出现，主要来自科技公司裁员和招聘收缩，而不是 AI。该串首帖约 1,344 赞、306 转发、18.6 万浏览。Atreides Management 管理合伙人兼 CIO Gavin Baker 引用 FT 图表回应，称很难不从中看到「AI 回报」的证据，并引用 a16z 与 EPB Research 的数据，该帖约 793 赞、10.2 万浏览。Burn-Murdoch 随后回复说自己「有点拿不准」，承认数据无法排除 AI 的作用。这是对同一组数据的两种解读，不是定论。

查看大图

Scott Alexander 10 月 31 日在 LessWrong 发表长文《Against SURA》，把「公司、员工、国家应单方面停下 AI 并唤起公众关注」的主张统称为 SURA，认为它会让不重视对齐的公司领先、让美国失去与中国谈判的筹码。他引用 AI Futures Project 成员对几种「没有全球暂停」情景的生存概率估计，大多在 25%–50%，以此反驳 90% 以上的末日概率。博主 jessicat 转引后称，AI 安全的部分派别已开始像群众政治运动，认知质量变差（约 359 赞、6.3 万浏览）；Bloomberg Odd Lots 主持人 Joe Weisenthal 转发概括为「大家在比谁更悲观」（约 287 赞、3.8 万浏览）。这是观点争论，不是任何机构的政策公告。

查看大图

微软 AI CEO Mustafa Suleyman 11 月 1 日在 X 上发布长文《Don't build conscious superintelligence》，回应外界对他 9 月「模型福利」文章的反应。他澄清「AI 没有意识」用的是现在时：今天没有，也必须保持如此；若训练中开始出现意识，他会呼吁所有人停止 AI 开发，直到能把这些属性设计掉。他还说 AI 开发者无权创造新的有意识物种，福利关注应放在人类、动物和自然环境上，同时称赞 Anthropic 公开宪法和研究的透明度，但表示不同意其做法。帖子约 353 赞、251 收藏、29 万浏览，引来伦理学者和从业者正反两方讨论。这是个人观点，不是微软的产品或政策公告。

查看大图

独立开发者 Pieter Levels（@levelsio）11 月 1 日在 X 发布约 13 分半的边走边聊视频，回应他 10 月 11 日「软件已死」的帖子。他说 AI 这次终于冲击到程序员自己，靠写产品赚钱带来的身份感和成就感正在消失；他和身边朋友的生意多在停滞或缩水，人人都能做落地页和 App，竞争暴增。他认为剩下的护城河是社区、受众、内容和滞后的企业 B2B，并已把 Nomad List 改为免费的 nomads.com。帖子约 2,478 赞、20 万浏览。这是个人观点，非行业数据。

查看大图

过去一天，X 上围绕 GPT-6 Astra 能否直接当机器人策略展开热议。前 OpenAI 研究员 Will Depue（简介写明曾参与 Sora 1/2、o3/4o 后训练）说，Astra 碾压专用机器人模型「非常令人意外」，随后又称这是「专用 ML 的最终死亡」。投资人 Freda Duan 发帖称「Astra 就是机器人的 GPT-3 时刻」，约 8.4 万浏览。第三方评测给出的数字有支持也有反例：RoboDojo 论文里 Astra 平均成功率 22.48%，排在 40 个公开策略之上；另一份 EBench 报告里它是 46.7%，9 个模型中排第 3。以下是观点讨论，不是 OpenAI 官方结论。

查看大图

X 上正在热议的一个观点：Stripe CEO Patrick Collison（@patrickc）10 月 31 日发长帖说，他正在给自己所有 vibe coding 做的个人应用加一个“改进”功能，也就是一个自由输入框，背后接一个 Agent，提交什么就直接实现什么。他称另一位使用者几天内已经通过它实现了 150 项改进，并把这种模式称为“液体软件”（liquid software）。同时他也坦言不确定这种模式能否扩展：会不会越改越难维护、多人协作怎么办、是否安全可靠。原帖约 2,130 赞、1,900 收藏、14.7 万次浏览。以下为讨论整理，是个人观点，不是 Stripe 官方产品发布。

查看大图

X 上正在热议的一个实验：独立开发者 div（@divagr1925）10 月 31 日发帖展示 QwenPU，把一颗 32 位 RISC-V CPU 和一个向量单元直接“编译”进 Qwen3.5-4B 的权重，在模型自己的前向传播里运行 Karpathy 的 2.6 万参数小模型 stories260K，输出与参考实现逐 token 一致，新增权重全部由编译器算出、没有训练。原帖约 1,540 赞、163 转发、8.5 万次浏览，并登上 X 热门话题。这是个人实验项目，作者自称仍在开发中：检查点 26.7 GB，在 L4 上约 16 秒才出一个故事 token。以下为讨论整理，不代表任何公司官方立场。

查看大图