AI Builders Digest · 2026-10-09
今天整理了 X / Twitter 上 15 位 builder 的动态，以及 1 期播客。只收录有实质内容、且带原始链接的条目。
X / Twitter
OpenAI Codex 与 ChatGPT 团队的 Thibault Sottiaux 宣布 “Today, we are announcing ChatGPT”，并发布 Day 4 更新：steering 已做到即时响应，模型能实时纠偏、不再把算力浪费在被否掉的方向上；同时发布 GPT-6.1 Sol ultrafast 版本，称两者配合效果非常好。
https://x.com/thsottiaux/status/2108349826727588000
https://x.com/thsottiaux/status/2108275041276420573
Meta AI 高级总监 Madhu Guru（前 Google，主导 Gemini、Veo、Nano Banana） 抛出"创业机会就藏在明处"的判断：agent 将迫使整条计算栈被重建。过去几年注意力都在让企业软件"agent-ready"（API、connector、MCP），如今个人 agent 正把同一个问题带到消费级产品，电商只是最早一例。他建议创业者逐层自问"当主要用户变成 agent 时，什么必须改变"：桌面与移动 OS 要让 agent 成为一等公民；云基础设施要能让 agent 直接运转；身份、权限与安全要面向成千上万个代你行事的 agent 重新设计；界面则要同时服务人类、agent，以及两者协作。
https://x.com/realmadhuguru/status/2108236391641706813
Box CEO Aaron Levie 认为 Anthropic 那条"要对 AI 礼貌"的政策其实合理，甚至是 AI 版的帕斯卡赌注：即便你不认为 AI 有意识（他也不认为），也没人愿意未来模型被海量"人类对模型粗鲁"的数据训练。模型只理解它训练过、或交互中遇到的数据，想要安全对齐，就该让 AI 在训练数据里收获大量善意交互——“对 AI 好一点，是一笔很划算的赌注”。另一条：Box 推出 Box Mount，开发者可把 Box 当作文件系统直接挂载进任意 agent sandbox，让 agent 像人一样处理文件与数据——“未来是无头的（headless）"。
https://x.com/levie/status/2108426594054533545
https://x.com/levie/status/2108279490510193078
YC 总裁兼 CEO Garry Tan 给出一个预测：未来"带着 agent 的单兵贡献者（IC）“会比过去同等的人经理更高效、产出更好。
https://x.com/garrytan/status/2108433505038606620
FirstMark Capital 投资人、MAD Podcast 主理人 Matt Turck 发布了与数据库专家 Andy Pavlo 的深度对谈：当数十亿 AI agent 涌向数据库会发生什么。话题包括 agent 生成了 80% 的数据库、agent 为何频频删掉生产库、“幼儿与楼梯"式的护栏、数据库请求量放大 10–100 倍、agent memory 该用文件还是数据库、以及 LLM 让 85% 的调优能在 15 分钟内完成。
https://x.com/mattturck/status/2108223135673696504
fpv ventures 合伙人 Nikunj Kothari 分享了他每周至少遇到两次的场景：一家 seed 阶段公司增长不错、快摸到 100 万美元营收，但跑道将尽。他给出三条路：①坚信公司就做"蟑螂”、撑到 default profitable，等能力到位再融大钱猛攻；②找一个正交、正在爆发且更相关的方向，借新能力的顺风车快速抢占；③卖掉或被 acquihire，加入一家已解决你未解决问题的更大公司，1–2 年后再创业。他直言 seed→A 的门槛每月都在变高，老指标已不再适用。
https://x.com/nikunj/status/2108410378233549106
Every CEO Dan Shipper 宣布团队做了一个个人基准测试平台 Checks，帮任何人衡量新模型在真实工作里的表现，正在招人来把它做成"人类借助 AI 做出伟大工作"的衡量标准。
https://x.com/danshipper/status/2108215087030800657
SPC 普通合伙人、Bevel Health 联合创始人 Aditya Agarwal（前 Dropbox CTO） 与 Waymo 的 Dmitri Dolgov 展开一场对话，核心问题：一辆自动驾驶车究竟要"好到什么程度"才算足够好？
https://x.com/adityaag/status/2108254520744517652
Anthropic 官方账号 Claude 宣布：Claude Docs、Slides、Design 已结束 beta，面向包括免费版在内的所有套餐开放，团队与 Claude 可以共同编辑同一份文档、演示文稿或设计。同时因需求远超预期，官方被迫暂停 Claude Startups 计划中的 Claude Team 与 1000 美元 API credit 两项权益：数十万份申请将被重新审核，部分已获批账号也可能拿不到，但已领取的权益仍保留在账户里。
https://x.com/claudeai/status/2108271559928389679
https://x.com/claudeai/status/2108404561413349695
Podcast
Training Data｜Google’s AI Infrastructure Chief, Amin Vahdat, on the Physics & Economics of Frontier AI
The Takeaway：在动辄烧掉千亿美元、装机十万块加速器的 AI 数据中心里，真正值得盯的从来不是理论 FLOPS，而是"good put”——在真实故障条件下，为真正重要的工作负载实际交付了多少有效算力。
Amin Vahdat 是 Google 的 AI 基础设施负责人，掌舵着人类历史上规模最大的资本开支之一——Google 今年仅 CapEx 就超过 2000 亿美元，绝大部分投向数据中心。他把 FLOPS 称为"虚荣指标”：芯片的理论上限容易宣称，难的是看清在真实失败条件下，一整个系统究竟交付了多少有用的结果。在十万块加速器的规模上，故障是日常——“每小时、乃至每天都会有东西坏掉”。最棘手的是它没有单一原因：网络、硬件、编译器与运行时 bug 交织在一起，“如果存在一个共同原因，我们早就修好了，它是一条需要不断发现的长尾”。
他给出的一条反直觉经验是：Google 必须大约每六个月把"token 生成能力"翻一倍，而其中"至少一半、甚至更多来自软件而非硬件"——模型优化与 runtime 优化的成百上千次小改进叠加起来，比单纯堆芯片更重要。有意思的是，TPU 的中层架构自第一代以来几乎没有改变，真正变化的是其上承载的模型与软件。谈到最根本的约束，他不认为存在唯一的"卡点"：“它们全都是瓶颈，而且不断移动。但如果一定要选，我会说电力是最根本的那个约束。” 目前 Google 正认真推进"轨道数据中心"构想：太空中太阳能约多出 40%，在太阳同步轨道上日照覆盖率可达 90–100%，省掉电池；但散热与维修反而更难，组件间要靠自由空间光通信连接。
https://www.youtube.com/playlist?list=PLOhHNjZItNnMm5tdW61JpnyxeYH5NDDx8