AI

Superpowers 14 个 Skills 全解读：AI 编程纪律框架的完整拆解 最核心的价值不是某个单独 skill，而是这条链路： 需求澄清 → 设计确认 → 计划拆解 → 隔离开发 → TDD → review → 验证 → 收尾 这条链路正好针对 AI coding 最常见的失败模式：过早实现、缺少测试、猜测修复、跳过验证、过早宣布成功。 注意：要经常更新 skills 的代码版本和自己结合实际使用，将自己的经验和要求增加到 skills，以便更好的编程和业务准确性，最好是将自身业务的要求单独作为 skills 引入到编程工具里。 Superpowers 是一个给 AI 编程 Agent 的完整软件开发方法论，由一组可组合 skills 和初始指令组成。它的基本工作流是：先澄清需求、写设计、写实施计划、TDD 实现、代码审查、验证、最后合并/PR/清理。 该不该装？三层判断 层面 判断 技术层面 不必须。没有它，AI coding agent 也能写代码。 工程质量层面 对复杂项目，强烈建议。它强制 TDD、审查、验证，能减少"AI 自信但没验证"的问题。 Superpowers 自身规则层面 一旦安装并启用，它的 using-superpowers 明确要求：只要有 1% 可能适用，就必须先调用相关 skill；README 也说这些是 mandatory workflows, not suggestions。 我的建议：重项目安装，轻任务选择性使用；团队协作/生产代码建议默认启用；纯探索、一次性原型可以不用或显式绕开。 1. using-superpowers — 入口规则 这个 skill 不是某个开发动作，而是**"调度所有 skills 的总开关"**。它要求 agent 在任何任务开始前先判断是否有相关 skill；只要有一点可能适用，就要先调用 skill，而不是凭经验直接干。它还规定了优先级：用户明确指令最高，Superpowers skills 其次，默认系统行为最低。 ...

【AI前沿观察】2026-05-16 日报 自动生成于 2026-05-16 23:00 📊 今日推送概览 共推送 1 条重要资讯，补充信息流 AI 条目 2 条。今日 AI 行业的主题词：消费级 AI 应用落地 与 模型迭代竞赛升级。 🔵 AI 领域 ChatGPT 推出全新个人理财体验 事实：OpenAI 宣布在 ChatGPT 中集成个人理财功能，用户可通过 Plaid 和 Intuit 等合作伙伴连接银行账户，由 GPT-5.5 提供智能理财分析。该功能面向 Pro 用户率先开放。 思考：这是 OpenAI 从「通用对话工具」向「垂直场景超级应用」转型的标志性一步。个人理财是高频、高粘性的使用场景，一旦用户将财务数据接入 ChatGPT，迁移成本极高。OpenAI 正在用 GPT-5.5 的推理能力构建护城河——不只是聊天，而是成为用户生活中不可替代的决策助手。对标 Intuit 的 TurboTax、Plaid 的数据聚合，OpenAI 选择的路径是「不做金融产品，做金融智能层」，这个定位很聪明，避开了监管雷区。 GPT-5.6 曝光：ultrafast 模式速度提升 2-3 倍 事实：GPT-5.6 内部测试代码曝光，预计下月正式发布。OpenAI 同步推出 ultrafast 模式，旗舰模型推理速度提升 2-3 倍。与此同时，OpenAI 与 Anthropic 的编程工具大战升级——OpenAI 提供 2 个月免费 Codex 吸引 Claude Code 用户迁移，Anthropic 则提升 50% 编程额度应对。 思考：模型迭代的节奏正在加速到令人目眩的程度——GPT-5.5 刚发布不久，5.6 就已经在路上了。但更值得关注的是围绕编程工具的「补贴战」：OpenAI 用免费策略抢夺 Anthropic 的开发者用户，这说明编程场景已成为 AI 公司的核心战场。ultrafast 模式的推出则反映了另一个趋势——推理速度正在成为比模型能力更关键的竞争维度。在 Agent 场景中，延迟直接决定用户体验。 Anthropic 企业 Agent 编排份额首现突破：从 0% 升至 5.7% 事实：VB Pulse 数据显示 Anthropic 在企业 Agent 编排平台市场份额从 1 月的 0% 升至 2 月的 5.7%，首次进入追踪范围。微软 Copilot Studio 以 38.6% 领先，OpenAI 以 25.7% 位居第二。 思考：这个数据点比看起来更重要。企业 Agent 编排是 AI 竞争的下一个制高点——不是模型层，而是 runtime 层。一旦企业将业务流程编排到某个平台上，切换成本极高（重写工作流、重新训练团队、迁移数据）。微软凭借 Office 生态占据 38.6% 是意料之中，但 Anthropic 从零起步快速拿到 5.7% 说明 Claude 在企业场景中的实用价值正在被认可。这场战争才刚刚开始。 📌 今日核心洞察 OpenAI 正在从「工具」进化为「平台」：个人理财功能的推出不是简单的功能更新，而是 OpenAI 构建超级应用生态的关键落子。通过集成 Plaid 和 Intuit 等金融基础设施，ChatGPT 正在成为连接用户与专业服务的智能中间层。 ...

【AI前沿观察】2026-05-15 日报 自动生成于 2026-05-15 23:00 📊 今日推送概览 共推送 3 条重要资讯，聚焦 OpenAI 产品矩阵的全面升级——从编程 Agent 的全平台化，到 AI 对敏感对话场景的深度感知，再到对软件供应链安全事件的快速响应。 🔵 AI 领域 Work with Codex from anywhere 事实：OpenAI 宣布 Codex 编程 Agent 全面扩展至移动端和远程 SSH 环境。开发者现在可以通过手机、平板等设备远程操控 Codex，同时支持 Hooks 机制实现自定义工作流集成。这意味着编程 Agent 不再局限于桌面环境，真正实现了"随时随地编码"。 思考：这是编程 Agent 从"工具"向"基础设施"演进的关键一步。当开发者可以在通勤途中用手机给 Codex 下达任务、回家直接在桌面上继续，编程工作流的时间碎片被彻底打通。更重要的是 Remote SSH 支持——这直接瞄准了企业级开发场景，开发者不再需要把代码搬到 OpenAI 的沙箱里，而是让 Codex 走进企业自己的基础设施。编程 Agent 的战场，正在从"谁更聪明"转向"谁更无处不在"。 Helping ChatGPT better recognize context in sensitive conversations 事实：OpenAI 发布了 ChatGPT 在敏感对话场景下的上下文识别能力升级。借助 GPT-5.5 的推理能力，ChatGPT 现在能更准确地判断用户是否处于心理危机、自伤风险等场景，并提供适当的安全摘要和引导。这项改进不依赖于用户明确表达求助意图，而是通过对话上下文进行推理。 思考：AI 安全不只是"不输出有害内容"这个消极定义，更应该是"在关键时刻主动提供帮助"的积极能力。OpenAI 选择在 GPT-5.5 时代推出这个功能，说明模型推理能力的提升让"理解用户真实处境"成为可能。这是一个值得关注的信号——AI 安全正在从"护栏"模式进化为"共情"模式，而推动这一进化的核心动力是模型能力的提升，而非规则的增加。 Our response to the TanStack npm supply chain attack 事实：OpenAI 公开回应了 TanStack npm 供应链攻击事件。攻击者通过植入恶意代码影响了多个前端开发者的工作流。OpenAI 采取了代码签名验证、依赖审计等措施，并分享了事件时间线和缓解方案。 思考：供应链安全是 AI 编程 Agent 时代最被低估的风险面。当 Codex、Cursor 等 Agent 可以自动安装依赖、执行代码时，一次供应链攻击的影响面会被指数级放大。OpenAI 主动公开响应细节、推动代码签名机制，这个姿态值得肯定。AI Agent 越是深入开发工作流，供应链信任链就越关键——这不仅仅是技术问题，更是整个 AI 编程生态的基础设施问题。 🟠 半导体 & 贸易 商务部：前4月集成电路贸易高速增长 事实：商务部通报 2026 年前 4 个月货物贸易进出口总值 16.23 万亿元，同比增长 14.9%。机电产品进出口增长 19.5%，其中全球 AI 浪潮带动集成电路贸易高速增长。 思考：集成电路贸易的高速增长是全球 AI 军备竞赛的直接映射。每一块 GPU 的部署、每一台 AI 服务器的上线，都在拉动整条半导体供应链。当 WSTS 预测 2026 年全球半导体市场逼近万亿美元时，中国外贸数据提供了有力的佐证——AI 不是某一个行业的增长引擎，它是整个全球贸易体系的新变量。 📌 今日核心洞察 编程 Agent 进入"全场景"竞争阶段：Codex 从桌面扩展到移动端和 SSH，标志着 AI 编程工具的竞争维度从"模型能力"升级为"平台覆盖"。谁能让开发者在哪里都能用，谁就拥有定义下一代编程工作流的话语权。 ...

我用 Superpowers 治好了 AI 写代码的"急躁症" 你有没有这种经历？ 跟 AI 说一句"帮我加个登录功能"，它三秒钟就开始生成代码了。你还没来得及说"我要 OAuth 不要密码登录"，它已经把整个 auth 模块写完了。跑一下，报错。让它修，改了三处引入两个新 bug。再改，需求理解全歪了。 折腾一小时，还不如自己写。 问题不在 AI 笨——现在的 Claude、GPT 编程能力已经很强了。问题是它太急了。还没搞清楚你要什么，就急着动手。没有设计，没有测试，没有验证，凭着"感觉"改代码，改完说一句"看起来没问题"就算完成。 我最近发现了一个开源项目，专门治这个毛病。 Superpowers 是什么 Superpowers 是一个给 AI 编程 Agent 装的插件。它不改变模型能力，而是给 Agent 加了一套强制执行的开发流程。 你可以把它理解为：一个严厉但好心的技术 Lead，站在 AI 后面盯着它—— "停，先搞清楚需求再写代码。" "计划呢？计划写好再动手。" "测试呢？测试先写，代码后写。" "代码审查过了吗？没过不许继续。" 它由 Jesse Vincent（Prime Radiant 公司）开发，目前版本 v5.1.0，MIT 协议。支持 Claude Code、Codex CLI、Gemini CLI、Cursor、GitHub Copilot CLI 等主流 AI 编程工具。 实际用起来是什么体验 装上 Superpowers 之后，你和 AI 的交互模式会完全不一样。我用一个实际场景走一遍。 场景：让 AI 帮你做一个用户通知系统 没有 Superpowers 时，对话通常是这样的： 你：帮我做一个通知系统 AI：（立刻开始写代码）我创建了一个 NotificationService…… 你：等一下，我要邮件通知，不是站内信 AI：好的，我重新写…… 你：还需要支持批量发送 AI：我再加一个…… ...

【AI前沿观察】2026-05-14 日报 自动生成于 2026-05-14 23:00 📊 今日推送概览 共推送 1 条重要资讯。今日整体行业动态相对平静，OpenAI 在 Agent 安全基础设施方面持续发力。 🔵 AI 领域 Building a safe, effective sandbox to enable Codex on Windows 事实：OpenAI 发布技术博客，详细介绍了为 Codex（代码 Agent）构建 Windows 沙箱的技术方案。该沙箱旨在让 Codex 能够安全地在 Windows 环境中执行代码操作，同时防止恶意行为和越权访问。这是 Codex 从 macOS/Linux 扩展到 Windows 的关键一步。 思考：Codex 作为 OpenAI 的旗舰代码 Agent 产品，其核心挑战不仅仅是"能写代码"，更在于"安全地执行代码"。沙箱技术是 Agent 从实验室走向生产环境的必备基础设施。扩展到 Windows 意味着 Codex 正在覆盖全球最大的开发者群体——企业级 Windows 开发环境。这背后体现的是 OpenAI 对 Agent 安全边界的深思熟虑：不是简单地限制功能，而是通过精细化的沙箱隔离，在安全性和可用性之间找到平衡。结合此前"Running Codex safely at OpenAI"的博客，可以看出 OpenAI 正在系统性地构建 Agent 安全框架，这为其未来的企业级部署铺平道路。 📌 今日核心洞察 Agent 安全成为 AI 公司的核心竞争力：OpenAI 连续发布 Codex 安全相关博客，从总体安全策略到具体平台的沙箱实现，表明"安全地运行 Agent"已经成为 AI 公司从技术演示走向企业级产品的关键门槛。谁能更好地解决 Agent 的安全问题，谁就能更快地占领企业市场。 ...

OpenClaw 升级实战：我如何把 2026.5.7 平滑升级到生产环境 适用环境：OpenClaw 通过 npm -g 安装，Gateway 由 launchd 托管，配置目录在 ~/.openclaw。 实测时间：2026-05-14，目标版本 2026.5.7。 写作目的：不只想记录「怎么做」，更想把整个升级过程中我的思考、犹豫、判断写出来，方便有类似需求的朋友参考。 前言：为什么要升级？ 事情是这样的。 那天我像往常一样打开 Telegram，准备和我的 OpenClaw 助手聊几句，突然收到一条来自社区频道的推送——OpenClaw 新版 2026.5.7 发布了。看了一眼更新内容，我愣了一下： KV 缓存压缩比从 4:1 变成 1/128，内存占用直接降 90%？ 训练收敛速度提升 3-5 倍？ 缓存命中率从 70% 到 92%？ 单 token 延迟从 1.8s 砍到 0.7s？ 说实话，换做以前一些小版本更新，我可能就忽略掉了。但这几个数字太扎眼了。尤其是缓存命中率和响应延迟这两项，直接影响我每天的使用体验。 我的 OpenClaw 跑了有一段时间了，配置、记忆、定时任务、消息通道都配齐了。说实话，换机器重装一次很麻烦，所以每次升级我都比较谨慎——备份做没做？Gateway 会不会崩？定时任务会不会丢？ 但这次数字太香了，我决定动手。 动手之前，我给自己定了几条原则： 先搞清楚现状：本地什么版本，npm 最新什么版本 先备份，再动刀：万一出问题，要有退路 升级完必须验收：Gateway 状态、定时任务、消息通道，一个都不能漏 遇到问题不慌：npm 报错、launchctl 报错，都是有解法的 整个过程下来，确实踩了几个坑，但也验证了一套可复用的流程。写这篇文章，一来是给自己留个记录，二来希望帮到有类似需求的朋友。 第一部分：升级前，先搞清楚值不值得动手 1.1 新版本到底更新了什么？ 说实话，我不是一个「追新」的人。我的原则是：如果新版本没有解决我的痛点，或者新特性我用不上，那升级就是徒增风险。所以在决定升级之前，我把 2026.5.7 的 Release Notes 仔细看了一遍。 ...

【AI前沿观察】2026-05-13 日报 自动生成于 2026-05-13 23:00 📊 今日推送概览 共推送 9 条重要资讯，涵盖 OpenAI 密集博客更新、中美峰会 AI 议题、全球半导体市场预测、以及韩国 AI 股息引发的市场动荡。OpenAI 一天内释放多篇重磅文章，从企业部署公司到 GPT-5.5 网络安全特化版本，战略布局意图明显。 🔵 AI 领域 What Parameter Golf taught us 事实：OpenAI 发布了关于 "Parameter Golf" 研究的深度复盘，探讨了模型参数优化与量化技术的最新进展。这篇文章揭示了在 AI 竞赛中，如何通过更精细的参数调优来榨取模型性能极限。 思考：当行业内卷到"参数高尔夫"这种微操层面，说明大模型的基础架构红利正在收窄。未来竞争的焦点将从"堆参数"转向"精调度"——谁能用更少算力跑出更强性能，谁就掌握下一代 AI 的定价权。 OpenAI launches the OpenAI Deployment Company 事实：OpenAI 宣布成立 "DeployCo"——一家专注于帮助企业部署 AI 的子公司。这意味着 OpenAI 正式从"卖 API"升级为"卖解决方案"，深入企业交付环节。 思考：这是 OpenAI 商业化的关键一跃。从 Anthropic 到 Google，所有头部 AI 公司都在加速企业服务布局。DeployCo 的成立意味着 OpenAI 不再满足于做"基础设施提供商"，而是要直接吃掉咨询公司、系统集成商的蛋糕。这对传统 IT 服务商是明确信号：要么学会用 AI，要么被 AI 公司取代。 Running Codex safely at OpenAI 事实：OpenAI 详细阐述了 Codex（AI 编程 Agent）的安全运行框架，包括沙箱隔离、权限控制和审计追踪。这是对 AI Agent 安全性的一次系统性回应。 思考：AI Agent 的安全问题正在从"理论担忧"变成"工程实践"。OpenAI 选择公开 Codex 的安全架构，既是行业领导力的展示，也是在为 Agent 大规模企业部署铺路。当 AI 能自主写代码、执行命令时，安全不是附加题，而是及格线。 Scaling Trusted Access for Cyber with GPT-5.5 and GPT-5.5-Cyber 事实：OpenAI 发布 GPT-5.5 及其网络安全特化版 GPT-5.5-Cyber，专注于网络威胁检测与安全运营，提供 Trusted Access 机制控制敏感场景下的模型使用。 思考：AI 网络安全是一个被低估的赛道。随着 AI 降低了攻击门槛（自动生成钓鱼邮件、发现漏洞），防御方同样需要 AI 武器化。GPT-5.5-Cyber 的发布标志着 OpenAI 正式进入网络安全市场，这是比通用 AI 大得多的垂直金矿。 Advancing voice intelligence with new models in the API 事实：OpenAI 在 API 中推出新一代语音模型，基于 GPT-Realtime 架构，支持实时翻译、语音对话和多语言交互。 思考：语音 AI 是下一个爆发点。当语音交互的延迟降到人类对话水平、翻译质量接近专业译员时，全球通信的基础设施将被彻底重塑。实时语音 AI + 可穿戴设备，可能比手机更早成为下一个计算平台。 Trump-Xi北京峰会：AI成为核心议题 事实：特朗普访华期间，AI 成为中美元首会谈的核心议题之一，涉及 AI 治理、技术标准、算力管控等多个层面。 思考：AI 已经从技术问题升级为地缘政治问题。中美在 AI 领域的合作与博弈，将直接影响全球 AI 产业链的走向。值得注意的是，Nvidia CEO 黄仁勋未能进入访华代表团，这本身就是一张政治牌——芯片出口管制的风向标。 🟠 半导体 全球半导体市场2026年将逼近万亿美元：WSTS预测$9755亿 事实：WSTS（世界半导体贸易统计组织）预测 2026 年全球半导体市场规模将达到 9755 亿美元，距离万亿美元仅一步之遥。AI 芯片和 HBM 存储是核心驱动力。 思考：万亿美元不是终点，而是起点。AI 对算力的需求是指数级的——每个大模型训练都在消耗数千块 GPU，每个推理服务都在持续吃内存带宽。HBM 的价格还在涨，先进封装的产能还在扩，这个超级周期至少还有 2-3 年。但周期终会反转，关键是谁能在泡沫期建立真正的护城河。 Nvidia CEO Jensen Huang未进入Trump访华代表团 事实：Nvidia CEO 黄仁勋未能进入特朗普的访华商业代表团名单，马斯克、库克等 16 位商界领袖则在列。 思考：黄仁勋缺席不是偶然。Nvidia 的中国业务在芯片出口管制下面临持续不确定性，而北京和华盛顿都在用 AI 芯片作为博弈筹码。对 Nvidia 来说，中国仍是其最大市场之一，但政治风险让这张牌越来越难打。这反而给了华为昇腾更多窗口期。 🟡 AI货币化 韩国AI公民股息提案引发市场动荡：KOSPI盘中暴跌5.1% 事实：韩国提出"AI 公民股息"提案，拟将 AI 企业（如 SK 海力士、三星）的超额利润以股息形式分配给国民，消息引发 KOSPI 盘中暴跌 5.1%，市场担忧此举将严重打击科技企业投资意愿。 思考：这是全球首个将"AI 红利全民化"纳入政策讨论的国家。出发点是好的——AI 创造的财富不应只集中在少数公司手中。但执行方式极其粗暴：直接向企业"征税"分给公民，本质上是对科技创新的惩罚。韩国的教训说明，AI 时代的财富分配是一个极其敏感的政策命题，搞不好就是双输。 📌 今日核心洞察 OpenAI 正在从"模型公司"转型为"AI 帝国"：DeployCo 做企业交付、GPT-5.5-Cyber 攻网络安全、语音模型抢交互入口、Codex 安全框架铺垫 Agent 落地——四条线同时推进，OpenAI 的野心不再只是做最好的大模型，而是要做 AI 时代的"操作系统"。 ...

【AI前沿观察】2026-05-12 日报 自动生成于 2026-05-12 23:00 📊 今日推送概览 共推送 14 条 重要资讯，覆盖 AI 大模型融资、半导体财报季、具身智能量产突破、自动驾驶扩张等核心方向。今日主旋律：AI 军备竞赛进入资本决胜阶段，具身智能从实验室走向产线。 🔵 AI 领域 Nvidia 300亿美元战略入股OpenAI：锁定400万GPU订单 事实：Nvidia 以约 300 亿美元战略入股 OpenAI，据报锁定了 400 万 GPU 的长期订单。这是 AI 史上最大规模的算力-资本绑定交易之一。 思考：这笔交易的本质不是投资，而是"算力期货"——Nvidia 用股权换取了未来数年的确定性订单，OpenAI 则获得了资本弹药和优先供货权。当算力成为 AI 公司的命脉，GPU 厂商正在从供应商变成战略合伙人。这种绑定模式很可能被后续融资效仿。 Anthropic考虑$9000亿+估值融资轮：史上最大AI公司估值即将诞生 事实：据 FT/Reuters 报道，Anthropic 正在考虑一轮估值超过 9000 亿美元的融资，若成功将创下 AI 公司最高估值纪录。 思考：万亿估值的背后是 AI 公司从"产品公司"向"基础设施公司"的蜕变。Anthropic 的 ARR 增速和市场渗透率正在让资本市场重新定价——不再按 SaaS 估值模型，而是按"未来 AI 基础设施"的逻辑。当一家 AI 公司的估值逼近万亿，问题不再是"贵不贵"，而是"不投会不会错过整个时代"。 Intel「AI弃子」逆风翻盘：数据中心业务同比涨22%，股价单日暴涨24% 事实：Intel 数据中心业务同比增长 22%，推动股价单日暴涨 24%，市场对其 AI 战略的悲观预期出现反转。 思考：Intel 的反弹说明"AI 旁观者"叙事可能过早。虽然 GPU 仍是 AI 训练的主力，但推理侧对 CPU 的需求同样在爆发。Intel 的机会在于：不是在 GPU 赛道追赶 Nvidia，而是在"AI 推理基础设施"这个被低估的市场守住阵地。 华为预计2026年AI芯片销售增长至少60%：国产替代加速 事实：华为预计 2026 年昇腾系列 AI 芯片销售额将同比增长至少 60%，国产 AI 芯片替代进程明显加速。 思考：在美对华芯片限制持续收紧的背景下，华为昇腾的增长更多是"被迫加速"而非自然增长。关键问题在于：60% 的增速是否能在生态层面（软件栈、开发者社区、客户迁移成本）形成飞轮效应？硬件性能只是入场券，生态才是护城河。 🟠 半导体 AMD Q1数据中心营收首超Intel：x86服务器格局历史性转折 事实：AMD 2026 年 Q1 数据中心营收首次超越 Intel，标志着 x86 服务器市场格局的历史性转折。 思考：这是 AMD 多年来 EPYC 路线坚持的回报时刻。Intel 在数据中心的优势曾被视为不可撼动，但 AMD 用三代优秀的产品（Milan → Genoa → Turin）完成了逆转。对行业而言，竞争回归意味着客户议价权提升，也意味着 Intel 必须加速创新——否则失去的不仅是市场份额，更是定价权。 Cerebras申请48亿美元IPO：AI芯片资本化浪潮持续 事实：晶圆级 AI 芯片公司 Cerebras 正式申请 IPO，目标估值约 48 亿美元，AI 芯片领域的资本化浪潮持续升温。 思考：Cerebras 的晶圆级芯片（WSE）在架构上是真正的差异化创新——单芯片容纳数万亿晶体管，绕过传统 GPU 的内存瓶颈。但 IPO 的考验在于：能否证明其技术优势能转化为可持续的商业收入？AI 芯片赛道不缺故事，缺的是 Nvidia 之外的第二条可行路线。 三星劳资纠纷冲击全球供应链：日产量骤降18% 事实：三星遭遇严重劳资纠纷，半导体日产量骤降 18%，对全球存储芯片和 HBM 供应链构成冲击。 思考：在 HBM 需求因 AI 爆发的当下，三星的产能中断来得尤其不是时候。这给了 SK 海力士进一步扩大 HBM 市场份额的时间窗口。更深层的启示：半导体供应链的脆弱性不仅来自地缘政治，也来自劳动力市场——当利润率创新高时，工人要求分享收益是必然的。 SK海力士Q1营业利润率达72%：AI存储芯片超级周期的最佳注脚 事实：SK 海力士 2026 年 Q1 营业利润率达到惊人的 72%，HBM 和高附加值 DRAM 的强劲需求推动利润率创历史新高。 思考：72% 的营业利润率在半导体行业史无前例。这不仅是周期性繁荣，更是 AI 对存储芯片需求的结构性重塑——HBM 已经从"可选升级"变成"AI 训练标配"。问题是：这种利润率的可持续性如何？一旦 HBM 产能全面释放，利润率回归均值是迟早的事。 中芯国际406亿元并购重组过会：创科创板最大规模纪录 事实：中芯国际 406 亿元并购重组方案获通过，创下科创板最大规模并购重组纪录，国产半导体产业整合加速。 思考：在中美芯片博弈持续升级的背景下，中芯国际的大规模并购既是市场行为，也是战略布局。通过并购扩大产能和技术覆盖面，是在出口管制环境下提升自主可控能力的现实路径。但整合风险不容忽视——半导体并购的技术消化周期通常以年计。 🟣 具身智能 Figure AI产能爆发：4个月产能提升24倍，每小时下线1台人形机器人 事实：Figure AI 在 4 个月内将产能提升 24 倍，达到每小时下线 1 台人形机器人的速度，BotQ 产线进入规模化量产阶段。 思考：每小时 1 台听起来不多，但换算下来年产能约 8,760 台——对人形机器人这个三年前还停留在概念验证阶段的行业来说，这是指数级跃迁。量产能力的突破比技术突破更重要，因为只有量产才能积累真实场景数据，形成产品迭代飞轮。 Figure AI发布Helix 02：首个完整自主叠衣、开门、整理餐具的人形机器人AI模型 事实：Figure AI 发布 Helix 02 模型，首次实现人形机器人完整自主完成叠衣、开门、整理餐具等精细家务操作，无需人工干预。 思考：Helix 02 的意义不在于"叠衣服"本身，而在于证明了端到端学习可以覆盖如此多样化的精细操作。从单一任务到通用操作，这是从"工业机器人"到"家用机器人"的关键跨越。当模型能自主处理门把手、衣物折叠这类非标准化场景时，商用化的最后一块拼图正在就位。 两台Figure AI人形机器人大秀新技能：不到两分钟铺好一张床 事实：两台 Figure AI 人形机器人协同合作，不到两分钟完成铺床任务，展示了多机器人协作能力。 思考：多机器人协作是具身智能的下一个前沿。单机器人操作解决的是"能不能做"的问题，多机器人协作解决的是"能不能规模化部署"的问题。在仓储、物流、酒店等场景，协作能力直接决定了商业化可行性。 中国人形机器人在日本机场开始打工：已开启货运实测 事实：宇树科技、优必选等中国厂商的人形机器人已进入日本机场进行货运作业实测，标志着国产人形机器人出海迈出实质步伐。 思考：中国机器人企业选择日本作为出海首站很有策略性——日本劳动力短缺严重，对机器人接受度高，且标准相对开放。这类似于中国电动车先进入东南亚市场的路径：先在友好市场验证产品和商业模式，再逐步向欧美渗透。 宇树科技王兴兴：人形机器人今年将比博尔特跑得更快，具身智能2-3年迎突破 事实：宇树科技创始人王兴兴预测，2026 年人形机器人的奔跑速度将超越博尔特（约 44.7km/h），并认为具身智能将在 2-3 年内迎来重大突破。 思考：速度竞赛是机器人运动能力的"硬指标"，但比速度更重要的是稳定性和能效。人形机器人的商业化瓶颈不在运动性能的极限，而在日常场景中的可靠性和成本。王兴兴的时间表（2-3年）若能兑现，将是整个行业的加速器。 🟡 自动驾驶 Waymo融资160亿美元估值1260亿，2026年将无人出租车扩展至20+城市 事实：Waymo 完成 160 亿美元融资，估值达 1260 亿美元，计划 2026 年将无人出租车服务扩展至 20 个以上城市。 思考：Waymo 的扩张速度正在从"谨慎验证"切换到"规模化复制"。160 亿美元的弹药和 20 城的目标意味着 Alphabet 对自动驾驶的商业化信心达到了拐点。关键看点是：从旧金山、凤凰城等成熟市场扩展到复杂度更高的城市（纽约、芝加哥）时，安全记录能否保持。 🟢 AI货币化 高盛：中国互联网定价逻辑转变，AI算力与反内卷双主线并行 事实：高盛指出中国互联网行业进入 AI 算力驱动与反内卷双主线时代，阿里云营收增速有望加速至 40%，腾讯 2026 财年资本支出约 1000 亿元（+25%）。 思考：中国互联网巨头的资本支出重心正从"用户补贴"转向"AI 基础设施"，这是行业定价逻辑的根本转变。阿里云 40% 的增速如果兑现，意味着国内云市场正在复制 AWS 2015-2018 年的增长曲线。对投资者而言，关键问题是：这些 AI 投资何时能转化为可观的利润贡献？ 📌 今日核心洞察 AI 军备竞赛进入资本决胜阶段：Nvidia 300 亿入股 OpenAI、Anthropic 冲击万亿估值、Waymo 160 亿融资——AI 行业的竞争正在从技术竞赛升级为资本博弈。没有百亿级弹药的公司将越来越难以留在牌桌上。 ...

AI Agent 时代，为什么我放弃 Markdown 全面转向 HTML 原文作者：Thariq（@trq212），Claude Code 团队工程师 原文发布于 2026 年 5 月 9 日 背景 Markdown 已经成为 AI Agent 与我们沟通时的主流文件格式。它简洁、可移植，具备一定的富文本能力，并且便于编辑。Claude 甚至已经擅长在 Markdown 文件中用 ASCII 字符绘制图表。 但随着 Agent 能力越来越强，我开始觉得 Markdown 成了一种束缚。 Markdown 的局限性 信息密度低 超过 100 行的 Markdown 文件读起来就很吃力。当 Claude 需要表达： 表格数据 设计系统（颜色、组件） 图表和插图 交互效果 Markdown 只能： 画丑丑的 ASCII 图 用 unicode 字符近似呈现颜色（如 🟣🟢🔴） 贴截图或图片链接 视觉体验差 Markdown 扁平化了一切。代码 diff、流程图、模块关系——这些空间信息在 Markdown 里全部被压成一维文字。 当方案的复杂度超过一屏时，Markdown 从"文档"变成了"阅读障碍"。 分享不便 大多数浏览器不能原生渲染 Markdown 文件。你只能： 作为邮件附件发送 粘贴到 GitHub 评论里 上传到某个平台（Notion、飞书等） 而 HTML？上传到 S3 或任何静态托管，一个链接就能分享。 ...

我的AI模型使用情况分享 首先，大多数国内云厂商和模型服务商的模型我都接入和使用过，以下是根据实际体验得出的算力服务上自测评价，排序靠前说明体验感和实际使用效果很好； 我的模型体感（云厂商和模型商） 主要以稳定性、模型质量、使用体验为主的主观描述，国外模型不在表单里，因为属于算力能力和模型能力双领先； 排名 平台 我的推荐理由 我的使用劣势感受 1 火山引擎 / 火山方舟 我会把它作为线上生产环境的首选，尤其适合需要低延迟、高稳定性和持续调用的业务。 我觉得它的优势主要集中在生产稳定性上，如果追求极限低价，可能不是最便宜的选择。 2 阿里云百炼 我会把它作为企业级 AI 应用和多模型生态的主力平台，尤其适合需要工具链、Batch、长上下文和模型管理的场景。 我觉得它的产品体系比较完整，但也相对复杂，上手和配置成本会比单一 API 平台高一些。 3 DeepSeek 官方 我会把它作为低成本、高性价比调用 DeepSeek 模型的首选，适合大批量、成本敏感的任务。 我在高峰期可能会担心它的稳定性和响应速度，所以不一定会把它单独作为核心生产依赖。 4 腾讯云 我会把它作为腾讯云生态内项目的补充选择，尤其适合已经在腾讯云上部署业务的场景。 我觉得它在价格和综合体验上不算最突出，如果没有腾讯云生态绑定，吸引力会弱一些。 5 硅基流动 我会把它作为模型试验和多模型切换的平台，适合快速测试不同开源模型和低成本方案。 我觉得它更适合测试和非实时任务，强实时生产场景下我会更谨慎。 6 MiniMax 官方 我会在长上下文、多模态、语音或特定 MiniMax 模型能力上优先考虑它。 我不会把它作为通用推理 API 的第一主力，因为平台综合稳定性和生态证据不如火山、阿里这类云厂商充分。 7 智谱 GLM 官方 我会在中文场景、长上下文、工具调用和国产模型适配上考虑 GLM。 我觉得它的模型能力有特色，但公开的第三方平台级压测资料相对不足，所以生产主力选择上我会保守一些。 8 天翼云息壤 我会在政企、国产化、合规、央国企或电信体系项目里优先考虑它。 我觉得它更偏政企交付和合规场景，作为个人开发者或互联网产品的主力 API，体验和灵活度可能不是最优，当前缺失缓存机制，成本很高且模型上下文窗口阉割和算力不足。 我的主力模型 gpt + glm5.1 企业使用： 火山放在线上实时调用、Agent 后端、需要稳定低延迟的任务；阿里放企业生态、Qwen、百炼工作流、Batch、长上下文和多模型兜底 个人使用： Claude/Codex 更像"会干活的工程师" 或智谱的coding plans 政企客户： 尤其是电信、政务、金融、央国企场景，息壤价值在合规、国产算力、专网和交付，但个人开发者不推荐 国内模型 模型自测排行 GLM5.1（推荐，中等难度编程 或 自主任务执行） DeepSeek v4（可以赶上GLM5.1） MiniMax 2.7（在复杂任务执行，效果欠佳，比如openclaw的agent自主任务） Seedance 2.0（推荐，视频质量还可以，够用） MiniMax 2.5 和 GLM5（仅适合简单任务） 豆包 = 千问 > 元宝（网页使用推荐前2个） 模型用量数据 我的智谱AI，开通的是季度lite套餐，月度使用量截止到现在是31亿tokens； ...