AI Builders Digest · 2026-09-11
X / Twitter
Replit CEO Amjad Masad：他给了一个明确的反共识表态——AI 确实带来很多风险，比如他最担心的网络安全；但「灭绝风险」，也就是字面意义上 100% 的人类死亡，根本不在其中。
https://x.com/amasad/status/2098171265924116732
Box CEO Aaron Levie：他本周和银行业、媒体、信息服务、保险、咨询业的几十位技术负责人聊了企业里的 agent，总结了几个最大趋势。网络安全是当下最大的焦虑，尤其是在 OpenAI 与 Hugging Face 事件之后，企业的关注点不是「存在主义」式的，而是很务实地想知道运营上该怎么办。模型之争还在继续：大多数公司在企业内部同时部署多个前沿模型，很难标准化，偏好因团队和用例而异，但预算依然集中在少数几家供应商。agent 的安全与身份管理开始被真正重视。最大的回报来自流程重构——只有改变实际工作流，才能拿到 AI 的完整收益，最好的做法仍然是把 FDE（前向部署工程师）嵌进业务部门。企业还会「毫不留情地更换架构」，因为创新太快，没人愿意等某个供应商把东西做对，直接换下一个。eval 仍处于极早期，对企业来说是当下巨大的机会。遗留系统依然是最主要的阻力。
https://x.com/levie/status/2098218284139311615
他还宣布 Box 与 OpenAI 加深合作，用户可以在 ChatGPT 里安全地使用企业内容。他的判断是：软件正在走向 headless，未来工作的形态就是能在任何地方处理数据、执行工作流的 AI agent。
https://x.com/levie/status/2098135659714085281
Claude Code 的 Boris Cherny（Anthropic）：他分享了一份「威胁情报报告」的读后感，认为随着模型变强，如果没有合适的护栏与监控，它们也会变得更危险；很多能力都是双刃剑——一个擅长写代码的模型可以用来攻击关键基础设施，一个能辅助生物学研究的模型也可能被用来设计下一场疫情。他还回应了「Claude 写的代码该不该用更高的标准」，答案是分场景：一次性原型可以当作完全的黑盒，反正要扔掉、炸了影响也小；但生产代码的标准应该高于人类手写。Anthropic 的做法是大量 lint 规则、测试、Claude 驱动的端到端测试、每天跑的 Claude fuzzer、自动化 code review 与安全审查、自动化重构。他的核心提醒是：守住代码质量这条线是你的工作——如果达不到标准，就换最新的 frontier 模型（Opus 5 或 Fable 5.1）、把 effort 调到 high 或 xhigh、用心写好 CLAUDE.md 与 skills，实在不行就多介入引导，或者让 Claude 先把技术债还清、重写代码库，再或者等下一个模型。
https://x.com/bcherny/status/2098281805770309686
https://x.com/bcherny/status/2098217573276131577
OpenAI 负责 Codex 与 ChatGPT 的 Thibault Sottiaux：宣布把支撑 ChatGPT Work 的那套「按需弹性伸缩 agent」的基础设施封装成 API，不到一分钟就能上手；同时为了保证现有用户的体验与对 Astra 的访问，暂停了 200 美元 Pro 套餐的新订阅——这是对系统压力最小的一步，其它套餐与 API 不受影响，现有账户不受影响，团队正在尽快加容量。
https://x.com/thsottiaux/status/2098238138334548260
https://x.com/thsottiaux/status/2098113585683808624
Google 的 VP Josh Woodward（Google Labs / Gemini App / AI Studio）：Gemini 正式登陆 Windows。
https://x.com/joshwoodward/status/2098131750660772342
Google Labs：Dreambean 面向所有美国 18 岁以上用户上线，iOS 与 Android 免费、无需订阅；现在还可以把 Gemini App 连上 Dreambean，让它基于你聊天里的语境生成更个性化、更有洞察的每日故事。
https://x.com/GoogleLabs/status/2098110018289803558
Meta 的 AI 高级总监 Madhu Guru（前 Google，主导 Gemini、Veo、Nano Banana）：eval 系列第 10 篇，核心观点是「衡量步骤，而不只是结果」。两个 agent 轨迹可能都算出 42，但一个检索对了来源、拿到对的文档、4 次干净的工具调用就得到答案，另一个搜了 3 遍同样的东西、从 2 次错误里恢复、绕了 17 次调用才到终点，高下立判。他的方法论是：先清楚定义整个工作流，再定义每一步的任务，然后想清楚每一步怎么单独衡量（单独的 eval，还是更大 eval 的一个切片），最后设定中位数任务和困难任务并反映到 eval 里。以后看 eval 结果，先看步骤，再看最终结果。
https://x.com/realmadhuguru/status/2098064969464217720
Vercel CEO Guillermo Rauch：披露 Vercel 每天约有 1000 万次部署、累计已达 23.5 亿次，是全球多租户程度最高的系统之一，数十亿个应用部署同时在 CDN 上共存、可路由；其底层全球元数据存储能在几百毫秒内完成全球同步。他们刚把这个系统的 p99 优化了 91%，同时加快了 build→deploy 管线，而这一切是在 agentic 部署暴增带来的巨大压力下完成的。另一条推文给出愿景：为每个 agent、每个 region 提供一台电脑。
https://x.com/rauchg/status/2098091056302833837
https://x.com/rauchg/status/2098158541932794222
SPC 普通合伙人、Bevel Health 联合创始人 Aditya Agarwal（前 Facebook 早期工程师、Dropbox CTO）：抛出一个思想实验——如果有一台机器只会做一件事：找到我们最紧迫疾病的疗法，你愿意把 GDP 的多少投给它？他认为答案会「非常高」，而这正是我们如今所处的世界。
https://x.com/adityaag/status/2098112281267843264
FPV Ventures 合伙人 Nikunj Kothari：总结当下早期投资的三个真相——所有人都想融 5000 万美元的种子轮；所有人都觉得自己明年能做到 3000 万美元 ARR；每个热门的分批（tranched）种子轮最后都会神奇地落在约 3 亿美元估值。
https://x.com/nikunj/status/2098078391065018816
OpenAI 产品团队的 Nan Yu（前 Linear 产品负责人）：提醒大家别被硅谷的 AI 叙事带偏——普通人每天还是在用 Google、Instagram、Zillow、DoorDash，「现在仍然很早」。
https://x.com/thenanyu/status/2098216215525331353
Claude Code 的 Thariq（Anthropic）：分享一个 prompt 技巧——让 Claude 用自由文本、或在适合多选时用 AskUserQuestion 工具，深度采访你，把你身上它还不知道的相关信息全部整理进 memory，从而对你有更多上下文。
https://x.com/trq212/status/2098157600361861579
OpenClaw 与 OpenAI 的 Peter Steinberger：他认为「复制逻辑」已经不再痛苦，真正疼的还是抽象本身。他也提醒想用 Astra 的人尽快上车，因为需求涨得太快。
https://x.com/steipete/status/2098089196800098798
https://x.com/steipete/status/2098088917782413740
AI 教程创作者 Peter Yang：给出一个主观排序——要真正把事干成，Sol 比 Astra 好用。
https://x.com/petergyang/status/2098215935467544604
Anthropic 的 Claude（官方账号）：Fable 5.1 Build Days 本周开始，9 月 11 日至 25 日，Claude 社区将在全球多个城市举办 buildathon，带上一个问题或想法就能参加。
https://x.com/claudeai/status/2098138736642933143
Podcast
The MAD Podcast with Matt Turck：When AI Improves Itself | Richard Socher (Recursive)
The Takeaway：任何你能模拟、能验证的东西，AI 最终都会解决；而下一个真正的跃迁，是让 AI 去改进 AI 本身。
Richard Socher 是 AI 领域被引用最多的研究者之一，曾任 Salesforce 首席科学家，创立过 MetaMind 与 you.com，新书《The Eureka Machine》9 月 22 日出版；他刚为 Recursive 融了约 6.5 亿美元，其中约 4.1 亿直接砸给 Amazon 买算力。
他的核心判断颇为反直觉：科学进步其实在放缓。人类知识已从一个「知识体」变成一座「知识的迷宫」——约 3.4 万种期刊、无数子领域，没人能再当文艺复兴式的通才，生物学家聊十句话就全是缩写。AI 的价值是把碎片重新缝合成系统：微积分之于物理学，就是 AI 之于生物学。
方法论很具体：凡是能模拟、能验证的领域，AI 必胜——棋类、数学、编程都遵循这个逻辑；生物学的卡点不是算法而是数据，需要类器官与扰动实验，最终造出一个「虚拟细胞」，让 AI 在里面做无数次实验。
更反直觉的是，他认为幻觉在科学发现中可以是 feature 而非 bug：适当调高 temperature，让模型跳出现有分布，才可能提出自然界不存在的新蛋白质。至于「硬起飞」，他不信——生物学的实验周期由物理规律决定，临床试验那几年省不掉。
用他的原话：「任何你能模拟的东西，AI 都会解决。」