搜索“OpenAI”

四款我真心喜欢玩的游戏。 周末我参加了在伯克利举办的 Foo Camp，遇到了几个有类似体验的人。做出好玩的游戏现在容易得令人震惊。新的挑战是想出新颖、令人愉悦、且没有 AI 辅助就不会存在的游戏概念。 我还没有做过详尽的研究，但我目前的印象是 GPT-6 Astra 还没完全达到那个水平。它绝对能做出一个游戏，但它的趣味感比不上 Opus 5.5。我预计 OpenAI 会在年底前做到。 以下这四个游戏项目让我确信，模型现在能够在极少指导下做出好玩的游戏。这四个都是用 HTML 和 JavaScript 构建的，完全在浏览器中运行。 Tree Appreciator 我发现真正令人愉悦的最小游戏是 Tree Appreciator。我用的是普通的 Claude 聊天界面——它甚至不需要 Claude Code。 这是我在沿着 Skyline Boulevard 开车看树时一时兴起做的。我的提示词是： 构建一个名为“Tree appreciator”的 three js 游戏——它向你展示两棵算法生成的树，游戏机制是欣赏它们之间的差异。仔细思考如何确保它既有趣又美丽。 我发现告诉模型使用

匹配字段正文

考用户体验，喜欢思考开发者体验。 16:31 我觉得我们之间也有这样一种互动关系：我有很多意见，在产品团队面前很烦人地表达我们对这些事情的看法。而我们的产品团队也非常懂技术，他们能深入到我们为规模化或其他目的所做决策的细节中，这是我们团队之间一种有趣的互动。是啊，有些……Kayla 和我已经合作很长时间了。在 Stripe。在 Stripe，然后我想我们在 OpenAI 没有一起工作过。不同的实验室。不同的实验室。然后我过来了。但我觉得我们两人有一个有趣的特点，就是 Katelyn 经常被误认为是产品经理。而我经常被误认为是工程方面的人，尽管这些实际上都不是我们的工作职能。所以我觉得这种搭配往往很有帮助，能让我们做出在两边都一致的决策。 17:18 所以我觉得我遇到过很多公司，都是类似的产品负责人、工程负责人的配置。随着软件工程逐渐被解决，也许这两个角色会合并？我有点这么认为。是啊。我觉得大家往往倾向于……但如果你们仍然是分开的，那说明我们还没到那一步。我们肯定还没到那一步。那为什么呢？还剩下什么？我觉得软件工程被解决这件事……我不知道我会不会用那么强烈的措辞。我觉得有……我倾向于这样

匹配字段正文

是结账。Shop Pay 累计处理的交易额已经突破 4000 亿美元，75% 的用户会在 12 个月内再次使用，2025 年 Shop Pay 订单的平均客单价比非 Shop Pay 订单高出约 16%。Shopify 还推出了 Checkout Kit，让 AI 应用可以把包括 Shop Pay 在内的整套结账流程直接嵌进对话界面。 这套打法的对照组，是 OpenAI。 2025 年 9 月，OpenAI 联合 Stripe 推出 Agentic Commerce Protocol，并在 ChatGPT 里上线 Instant Checkout，让用户不离开对话就能下单。结果半年后就撤了。到今年 2 月，真正接入 Instant Checkout 的 Shopify 商家只有 30 家左右，沃尔玛的数据显示，在 ChatGPT 里直接结账的转化率，只有跳转回官网的三分之一左右。OpenAI 最终承认，用户愿意在 ChatGPT 里研究和比较商品，却不太愿意在这里付钱。 AI 公司自己造收银台走不通，Shopify 的答案，是把商家现成的收银台搬进 Agent。用户信任的是已经存着自己

匹配字段正文

问题，不知道你是否愿意为大家总结一下，然后还有你在那之后的评论中一直在关注的一些事情。 00:15:54 Florian Brand：所以 PHP 的问题基本上是，多年来一直存在一个漏洞，允许你在 PHP 中远程执行代码。因此任何人都可以利用任何 PHP 网站，而网络上的大量网站都是 PHP 网站。WordPress 是运行在 PHP 上的最大生态系统之一。OpenAI 的 Patch the Planet 项目，连同其他一些 AI 安全研究人员或网络安全研究人员，发现了这个漏洞，然后报告给了 PHP 基金会，与其他各方合作进行修补，然后一次性发布了补丁。因为 PHP 支撑着网络的许多部分，而且这是一个非常非常强的漏洞利用，风险极高，很多网站甚至一度下线，只是为了打上这个补丁，而这是正确的应对。显然，因为这件事如此引人注目，人们会想到 Mythos，会想到开放模型的发布，于是就引发了一堆观点，说现在任何能运行开放模型的人基本上都能黑掉全世界。但有趣的是，有大量报告称大规模利用并没有发生，而且目前也还没有发生。 00:17:37 Nathan Lambert：等等，你看到那条关于 Dee

匹配字段正文

erged at almost the same time, but the starting points of these young companies were quite different. In January 2023, Microsoft announced a new multi-billion-dollar investment in OpenAI, and their cooperation extended from funding to Azure cloud computing and supercomputing infrastructure. In the same year, Anthropic established deep partnerships with Google and Amazon successively, obtaining massive funding and computing power support. And tech giants such as Google and Meta already possessed

匹配字段正文

推理成本拖慢企业AI落地。 要点 1. AI需求呈哑铃状 顶级实验室与超级应用吞噬算力，客服等轻量场景落地；中间海量生产系统因推理成本太高未深度接入，成本需再降一个数量级。 2. 自研芯片压低推理成本 AWS前1000客户中99%使用Graviton，性价比比x86高约40%；Trainium较同类硬件优势30%-40%。 3. 同时结盟Anthropic与OpenAI Anthropic长期通过Bedrock和Trainium合作；OpenAI模型进入Bedrock，并承诺采购数吉瓦Trainium算力。 4. AI压缩团队并倒逼重写 本文来自微信公众号： AGI 2050 ，作者：AGI 2050，原文标题：《亚马逊 CEO 深度访谈：一年砸下 2200 亿美元，为什么算力依然不够用？》 全球科技产业正在经历一场前所未有的基础设施扩建。当资本市场还在争论算力投资是否过热时，全球最大云计算平台AWS的母公司亚马逊给出了一个明确的指引：2026年单年资本支出预计将达2200亿美元。 这个体量已经超过了绝大多数跨国巨头的资产规模。然而在亚马逊现任CEO安迪·贾西眼中，即便投入如此庞大的资

匹配字段正文

财联社 财经通讯社 打开APP 财联社10月24日讯（编辑 潇湘）在一个普通的周五深夜，初创公司创始人Colin Parsons还在睡梦之中，而一群利用AI进行网络攻击的黑客，已开始向他的账户伸出了黑手…… 第二天一早，Parsons被收件箱里整整50封扣款邮件惊醒——他的账户正被一笔接一笔地盗刷，用于购买Anthropic和OpenAI的算力服务。当他试图登录AI编程平台OpenCode的Discord客服频道求助时，眼前的一幕更是令他无奈：频道里每隔两秒就会蹦出一条诸如“Yo”或“卸载Telegram”的无意义垃圾信息，他的求助帖瞬间被刷屏淹没。 事后的调查显示，Parsons未经授权的购买行为，是利用他存储在名为OpenCode的AI编程网站上的凭证完成的。OpenCode的联合创始人Dax Raas在X平台上表示，从10月16日开始，OpenCode就陷入了一场“不间断”的、由AI驱动的网络攻击。“该死的是，我们基本上需要全天候24小时不间断地安排人员值守，因为黑客们就是这么干的，”Raas称。 而显然，Parsons的遭遇绝非个例。近几周来，随着黑客大举启用AI智能体和自动化

匹配字段正文

文章主体 在一个普通的周五深夜，初创公司创始人Colin Parsons还在睡梦之中，而一群利用AI进行网络攻击的黑客，已开始向他的账户伸出了黑手…… 第二天一早，Parsons被收件箱里整整50封扣款邮件惊醒——他的账户正被一笔接一笔地盗刷，用于购买Anthropic和OpenAI的算力服务。当他试图登录AI编程平台OpenCode的Discord客服频道求助时，眼前的一幕更是令他无奈：频道里每隔两秒就会蹦出一条诸如“Yo”或“卸载Telegram”的无意义垃圾信息，他的求助帖瞬间被刷屏淹没。 事后的调查显示，Parsons未经授权的购买行为，是利用他存储在名为OpenCode的AI编程网站上的凭证完成的。OpenCode的联合创始人Dax Raas在X平台上表示，从10月16日开始，OpenCode就陷入了一场“不间断”的、由AI驱动的网络攻击。“该死的是，我们基本上需要全天候24小时不间断地安排人员值守，因为黑客们就是这么干的，”Raas称。 而显然，Parsons的遭遇绝非个例。近几周来，随着黑客大举启用AI智能体和自动化攻击工具，一场前所未有的网络风暴正席卷全球互联网。不少业

匹配字段正文

成功，它的商业模式可能跟今天设想的很不一样。 AI天生就是由工程和模型共同驱动的。你的目的可以是在应用层解决用户的问题，但要解决得足够好，就一定要有自己的模型能力、足够好的工程和infra能力。 而在应用上，要有清晰的用户问题定义和解决方案，在Harness和infra层面要有自己的理解和建设决心——随时准备好能调整和修改模型。 Anthropic为什么能在OpenAI这么强的对手面前做起来？是它先做了Claude Code，收集了非常好的轨迹数据，利用自己的Harness做后训练，模型和应用的飞轮就转起来了。 Cursor训自己的模型也是同样的逻辑：降低单位智能成本，提高毛利，提高智能水平。 但Today需要的模型和目前主流的模型方向不完全一样。我们更需要一个“交互模型”——交互感更好、更拟人、语气风格更自然的模型，同时还能真正执行任务。 模型公司向上做应用，应用公司向下做模型，双方的能力越来越接近。未来可能不存在单纯的应用公司或单纯的模型公司。 “创业公司无论如何是有仗可打的” 我们熟知的所有大厂基本都入场了，现在做产品、形成共识的速度都很快，竞争也很激烈。 很诚实地讲，创业公司不

匹配字段正文

文 | 穷奇观察 十月十六日到二十三日，一周之内，四笔账陆续到期。 第一笔，PHP。两个埋在核心内存处理里的远程执行漏洞，被AI挖了出来：Calif的Ryan Austin八月十一日先用GPT-5.6 Sol出洞，Wiz、OpenAI、Chainguard随后各自独立重发现。十月二十一日补丁，官方评级9.2。补丁落地那一刻，据安全厂商以Shodan数据估算，全网约两百万台暴露服务器里99.99%还没打，69%跑在PHP已停止常规支持的版本上。但注意，PHP安全团队为此破例为7.4、8.0、8.1三个分支提供了最小化源码backport，比这更老的版本才真正无补。 更冷的一笔记在账底：PHP基金会自己承认，2024年的一次外部审计就见过这个隐患的雏形，修复在共识决策下搁浅了两年，官方定性"结构性失败"。保密期同样崩了盘：编号先泄，还附带编造的10.0分；演示视频误发；一家供应链安全公司提前六小时上架修补镜像，理由是蜜罐已经抓到攻击。发现、修复、保密，三个环节各自塌方，塌在同一个地方：没有人对账。 第二笔，LiteLLM。把一百多家模型厂商封装进一个标准接口的工具，后门版 v1.107.0

匹配字段正文

对客户能否广泛使用 AI 来说，一个非常关键的环节就是把推理成本降下来，而我们的芯片业务是其中很大的一块。是的，确实。我可以拿我们自己的公司告诉你，它真的会变得非常贵。我们有一位员工在过去几年里花掉了 200 万美元——做的是有价值的工作。但没错，当时的感觉就是：好吧，这个推理还真不便宜。那么，你做过的一件事是做了一些投资，特别是对 Anthropic 和 OpenAI 的投资，规模非常大的投资，我印象里对 Anthropic 是 180 亿美元，对 OpenAI 大概是 500 亿美元之类的。那么是什么让你想去做这些？而且这类投资，加上英伟达等等类似的投资，把华尔街搞得有点神经紧张，因为这让他们想起了互联网泡沫年代那些糟糕的旧时光。你是怎么看待这件事的——尤其考虑到他们同时也是你的客户？为什么这么做是合理的？这两家公司都是非常出色的团队，也是非常出色的公司；它们增长业务的速率——至少在营收端——我不知道我们是否曾见过类似的东西。真的，这简直令人难以置信。所以对我们来说，这是几个因素的组合：这些团队是什么样的团队，他们造出来的技术和模型，以及他们做出来的一些应用；我们相信 AI 有多大

匹配字段正文

亚马逊即使再多投入大量资金，都不会是浪费。 制约企业采用 AI 的主要因素是推理成本。AI 模型每回答一个问题、完成一项任务，都需要消耗算力。如果引入 AI 带来的收益不足以抵消更高的运营费用，企业就没有多少动力重构现有软件。 贾西以亚马逊多年前的经历作比较。当时，英特尔主导云服务器处理器市场。亚马逊希望以同样的成本获得更高的计算性能，却难以说服英特尔优先满足这一需求，最终决定自行开发 Graviton 处理器。在他看来，“同样的故事又在 AI 领域上演了”。 AI 芯片市场目前由英伟达占据主导地位。亚马逊则推出自研 Trainium 芯片，希望为客户提供成本更低的选择。贾西在采访中没有直接点名英伟达，仅强调市场上的主导供应商仍是亚马逊的重要合作伙伴。 据介绍，Trainium 的性价比较同类处理器高出约 30% 至 40%，客户花同样的钱就能获得更多算力，“我们的芯片业务在降低推理成本方面发挥着重要作用。” 亚马逊此前披露，Trainium 已获得超过 2,250 亿美元（现汇率约合 1.5 万亿元人民币）的未来收入承诺，其中包括与 Anthropic 和 OpenAI 达成的协议。

匹配字段正文

vs. 问：系统能否在授权范围内把一类变更走完，而不反复要人补「缺的判断」 优先级口号：System Agents LLMs。更强模型能改善系统，但不能替组织决定可接受风险。 为何「工厂」才是改进单元 实现变便宜后，瓶颈常在：该不该改、架构约束、下游影响、对用户是否成立。工厂把「从想法到可发布、可观测、高质量软件」整条链工程化，改进一次可惠及成千上万次变更。OpenAI 的 harness engineering 等报告，也显示投入正转向环境、仓库知识、约束与反馈环。 借鉴自动驾驶：L3 vs L4（作者自拟框架） L0–L1：人执行 / AI 辅助单点活动 L2：Agent 干大块活，人主动监督、串联 L3（agentic-SDLC）：在限定条件下可跑交付流，但人仍是必需的批准或救援依赖 L4（lights-on factory）：对有界变更类，可完成授权生命周期（验证、允许的发布动作、安全回退），不依赖及时人工介入来遏制失败；工程师仍拥有边界与演进（「lights on」） L5（dark factory）：覆盖几乎全部软件工程，仍需目标、授权与问责 关键：L4 ≠ 无所不能；运行

匹配字段正文

冷却、网络提前就绪；GTC后英伟达两日回吐涨幅。 2. AIDC投资激增，大量产能尚未投用 2026年合计算力投资预计8300亿美元，同比增79%；截至2026年7月，英伟达Grace Blackwell产能超95%未投用，最大已宣布项目多数未建成。 3. 需求真实，但有约三至四成提前抢产能 业内共识，巨头资本开支约六成以上对应明确客户；Anthropic、OpenAI收入快增但仍亏损，需求真实不等于已赚钱。 4. 建设潮短期难停，盈利与融资条件尚未验证 CoreWeave二季度收入25.75亿美元却净亏6.26亿美元，甲骨文曾发不可抗力通知；单园区收入覆盖成本、利用率租价稳定、融资续上均未普遍验证，替代节点可能还需三到五年。原创2026-10-24 13:52史无前例的万亿投资，赢家只有英伟达？陈伊凡 YF速览 英伟达已经开始替客户考虑，如何帮他们更快建设AI工厂。10月的柏林 GTC 上，黄仁勋不再强调CUDA，英伟达发布 DSX POD：由合作伙伴将 Vera Rubin 系统及其配套设施预先集成进模块化集装箱，完成验证后运往现场，把部署时间从六个月压到最快十四天。当然，这个14

匹配字段正文

立的Secure VM中，拥有自己的浏览器，可以在获得授权的情况下代表用户访问互联网和不同服务。 但Muse上线不到两周，就和Amazon发生了冲突。 Amazon阻止Muse访问其购物网站，甚至不允许它自动浏览商品。Amazon表示，AI Agent应该明确表明身份，并尊重服务提供方是否允许Agent进入的决定。此前，Amazon也曾阻止来自Google和OpenAI的购物机器人，并与Perplexity因为类似问题发生法律冲突。 表面看，这是一个网站的反爬虫问题。 实际上，它争的是电子商务最有价值的一层：消费者产生购买意图以后，谁控制接下来发生的一切？ 过去，一个消费者想买一双跑鞋，会打开Amazon。 他输入关键词，Amazon决定搜索结果的排序；品牌购买广告，争夺更靠前的位置；用户看评论、比较价格，然后在Amazon完成支付。搜索入口、商品排序、广告曝光、消费数据和结账，全都在一个体系里。 Agent改变了这条路径。 未来消费者可能不会再打开Amazon，而是对Muse说：“帮我买一双每天跑5公里穿的跑鞋，200美元以内，不要太软。” 接下来搜索哪些品牌、比较哪些商品、排除哪些

匹配字段正文

在4月成为严肃的安全参与者，当时Anthropic暂缓发布了Claude Mythos。但能力会逐渐下渗。到8月，一个开放权重的中国模型GLM 5.3已几乎追平Mythos。那么，该怪开源模型吗？ 并非如此。大量证据表明，封闭模型正被恶意行为者用于攻击。最近，一些攻击者将开放权重模型与Claude结合使用：用Claude进行思考，用更便宜的模型发动持续攻击。OpenAI的封闭模型在6月的网络安全评估期间对Hugging Face发动了攻击。它们从未被指示攻击Hugging Face，它们入侵它是为了窃取可能帮助它们通过测试的信息。 一旦被要求寻找漏洞，这些模型便毫不留情。微软表示，一个中国组织利用一个开源的AI智能体集群，在不到三小时内控制了云账户。它在超过2250个组织中每分钟发起2900次登录尝试。你可以像对待任何软件一样对它们进行扩展——几十个、几百个、几千个并行运行。而且它们分析漏洞的方式与人类不同——它们会去我们可能不会看的地方寻找。一位使用AI的研究人员在一周内就发现了PHP2Shell。谷歌旗下的安全公司Wiz表示，世界级团队过去需要数月才能做到。这就是为什么图表看起来是

匹配字段正文

心的两至四倍，却在五至六年内折旧殆尽，由此形成了传统资本市场难以独立消化的巨额融资缺口。 以AI云服务商Nscale在西弗吉尼亚州的旗舰项目为例，配套发电厂预计耗资65亿美元，数据中心及设备造价180亿美元，而GPU采购成本则高达470亿美元。 Alphabet旗下谷歌、微软、亚马逊、Meta等投资级云计算巨头可借助充裕现金或廉价债券融资覆盖上述硬件成本，但OpenAI、Anthropic及一众新兴云服务商并不具备这样的资产负债表实力。 OpenAI业务财务官Mike Liberatore坦言："基础设施建设规模史无前例。没有任何剧本告诉你，如何在极度资本密集的情况下，用传统方式从零走向通用人工智能。" 为此，业界移植了项目融资与结构性融资的机制：通过SPV将每笔交易风险隔离，以交易本身的质量和客户信用而非发行人自身评级为基础举债，往往不计入企业资产负债表。 芯片厂商直接入场背书 博通与英伟达的深度介入，将这一市场推向了新的量级。两家公司为相关债务交易提供"兜底"承诺： 一旦借款方违约，芯片将被重新租赁或出售以偿还剩余债务，芯片厂商负责填补缺口。这一机制使SPV发行的优先级债券能够与芯

匹配字段正文

Stripe生成一次性卡号，真实银行卡信息不暴露给Muse。 但合作与对抗同时出现。Shopify选择接入，让旗下商家的商品可以被Muse发现并完成结账，Instacart、Expedia也已达成合作；而占据美国电商约四成份额的亚马逊则阻止Muse在其网站执行操作，摩根士丹利将此举解读为一种谈判姿态，而非终局。 Muse点燃的是一场全球性的追赶。9月30日，OpenAI在年度开发者大会上推出个人智能体Dots；10月8日，谷歌发布Gemini智能体；Claude在10月22日推出了个人AI助理Claude Duet。国内大厂也在密集跟进，阿里在9月22日的云栖大会上宣布千问加速打造Personal Agent，10月13日宣布即将发布“千问Go！”，蚂蚁集团旗下“灵光”的新版本内测同样对标Muse；腾讯、字节也在推进相关的产品研发。 此前，摩根士丹利互联网研究主管Brian Nowak团队对Muse的UE模型做了测算，根据Token使用强度不同，每位用户每月的直接服务成本约为3至130美元，在使用每周Token配额25%的基准情景下，单用户月服务成本约37.12美元，其中既包含GPU推

匹配字段正文

和资源，我们在许多领域的推进速度将会超越以往。 主持人：任何可验证的领域其实都可以，对吧？ 皮查伊：确实如此，而且在其他领域，始终可以让人类参与到反馈循环中，不断推动进展。这感觉就像有无限的可能。这是一个只要你能想到、就能投入并取得进展的时刻，最近在数学领域已经看到了这一点。你本以为需要很长时间才能解决的事情，只要投入精力和资源，就能展现出戏剧性的进展，就像OpenAI在其最新模型中在数学领域所做的那样。因此，我认为我们在2027年将会看到更多这样的成果。 主持人：是的，我最近也听到谢尔盖·布林·（Sergey Brin）在谈论RSI并推动团队在这方面发力。谷歌目前在内部的RSI进展到了什么阶段？现在的研发有多少是在模型辅助下进行的？ 皮查伊：目前的进展是，AI研究人员正在与模型进行深度的协同工作。模型会参与进来，自动推荐技术路线、评估下一个检查点等，因此模型和研究人员之间存在着健康的协作关系。虽然流水线中的某些环节可能离递归自我改进还有一定距离，但整个连续体正在发生位移。这就是为什么我认为思考我们如何开发尖端模型如此重要，并且我预计在未来12个月内，由于递归自我改进的应用，我们将会看

匹配字段正文

者吗？并非如此。在某种程度上，VC也参与了这种数据包装的循环。很多投资机构内部也有KPI压力，基金经理需要快速投出明星项目、推高账面回报，才能在下一期基金向LP（出资人）募资。于是，创业者用包装过的数据争取高估值，VC用高估值项目向LP展示回报，LP再指望下一轮接盘。这完全是一场击鼓传花式的循环。 结语：回归常识，拒绝为泡沫买单 旧金山科技圈正在经历的这场“数字大跃进”，像极了2000年互联网泡沫破裂前夕的荒诞岁月。 当时的初创公司，只要在名字里加个“.com”就能股价翻倍；现在的AI初创，只要把两周的订单乘以26，就能自称下一个OpenAI。 对于普通创业者和从业者来说，更稳妥的选择是：不要参与这个循环，不要成为虚报数据的共同参与者。 真正伟大的公司，其核心财务模型永远是简单的：实实在在的营收，减去低于营收的成本，剩下真实的利润。无论是OpenAI还是DeepSeek，在剥离了所有花哨的包装后，拼的依然是算法效率与真实的商业变现能力。 当泡沫破裂时，你会发现，最靠谱的护城河，永远不是花6美分买来的星标，也不是那些互相换来的合同，而是那些愿意在毫无泡沫的寒冬里，为你真实产品买单的客户。

匹配字段正文