AI Builders Digest · 2026-10-17
今天整理了 X / Twitter 上多位 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
Box CEO Aaron Levie 抛出一个大胆判断：AI 的递归自我改进（RSI）已经不是远期概念，而是正在转起来的飞轮。他的逻辑链条是四件事同时到位——模型能力开始超过大多数人类工程师、长时运行 agent 的 harness 与基础设施成熟、可用数据在变多、agent 可以并行铺到远超任何个人能覆盖的任务与测试上。「这个飞轮几乎肯定会以远超我们过去所见的速度加速模型进展」，至少也能把前沿的天花板以疯狂的速度往上顶。「如果你还没有把 RSI 的后果定价进去，那大概率是个错误。」
https://x.com/levie/status/2111312141609586862
Every CEO Dan Shipper 给出一句很短但很准的判断：生成已经变得又便宜又高质量，现在真正需要一次能力跃迁的地方是编辑与监督（editing and oversight）。换句话说，瓶颈从「能不能做出来」迁移到了「能不能判断做得对不对、并把它改到位」。
https://x.com/danshipper/status/2111174407637139668
Replit CEO Amjad Masad 宣布 Replit 可以部署到客户自己的云上，数据不出门，明确面向政府、金融、医疗这类高风险环境，「你的数据属于你」。他还观察到数学界在极短时间里走完了否认、愤怒、讨价还价、抑郁、接受的全过程，「我们正处在抑郁的尾巴，刚进入接受阶段」——这是 AI 攻下数学定理带来的心理冲击。
https://x.com/amasad/status/2111267314012496121
https://x.com/amasad/status/2111206044416500159
Vercel CEO Guillermo Rauch 拿 TypeScript 生态开了个玩笑：「TypeScript 是新的 TypeScript」——经 scriptc 编译后，性能比 tsgo 快 2 到 4 倍。他还把 Tesla Roadster 的发布 demo 重建成一个可玩的高精度模拟，保留了大量真实世界的细节。
https://x.com/rauchg/status/2111274408706965898
https://x.com/rauchg/status/2111313462987231519
OpenAI CEO Sam Altman 提到 Navier-Stokes 里程碑纪念 T 恤的背面，印的是那个解法 chain-of-thought 的最后一行。
https://x.com/sama/status/2111139227761266699
OpenAI 的 Thibault Sottiaux（负责 Codex 与 ChatGPT） 说 slides 支持刚上线，目前向 Pro、Business、Enterprise 开放，边收集反馈边放量；同时他在推 ChatGPT Space——由真实团队出镜、偶尔「可爱地尴尬」的节目，并公开征集下一步想看什么。
https://x.com/thsottiaux/status/2111249810502353152
https://x.com/thsottiaux/status/2111249534072529256
Anthropic 的 Boris Cherny（Claude） 推荐了两件自己每天都在用的东西：Claude Slides 已经完全替代了他做 PPT 的流程，「再也不用像过去那样去 Google『iPhone 边框 svg』」；Claude Code Review 跑在他所有 PR 上，「几乎能在 bug 上线前抓到每一个」，是他和团队能一边提速一边抬高质量标准的「秘方」之一。
https://x.com/bcherny/status/2111158659971699136
https://x.com/bcherny/status/2111158313463525518
Y Combinator 总裁兼 CEO Garry Tan 给 GBrain 指了个最容易上手的托管入口。更实际的一条分享是：今天开新项目，最喜欢的组合是 capydotai 配 AsideAI——agent 一次就能把第一版代码和整套 DevOps 都搞定。
https://x.com/garrytan/status/2111282839740432423
https://x.com/garrytan/status/2111235500568969451
FPV Ventures 合伙人 Nikunj Kothari 讲了件「先写预测、再让它成真」的事：7 个月前他把某个方向写成自己的预测，之后见了大约 50 家这个领域的创业公司，最终找到其中一家，并领投了它的 Series A。「尽管开枪，你永远不知道宇宙会怎么配合你。」
https://x.com/nikunj/status/2111292452414103892
Claude（Anthropic 官方账号） 展示了两类用法：Haiku 5.5 先写了二十首俳句，再用 JavaScript 把每一帧画出来；一位心内科 fellow 做了个 3D 工具，帮受训医生学习判读冠状动脉造影。
https://x.com/claudeai/status/2111177845846495646
https://x.com/claudeai/status/2111177843413807120
Podcast
No Priors — The Changing Physics of Cybersecurity and Drug Development with OpenAI President Greg Brockman
The Takeaway：AI 已经能产出真正的新知识，而同一套能力迁移到药物发现和网络安全时，会把这两个领域的「物理规律」一起改写——Greg Brockman 的推论是，安全支出最终会远远超过软件支出。
Greg Brockman 是 OpenAI 联合创始人兼总裁，数学出身。他的证据是：约 400 个重要的数学公开问题被解决，而且不是「机器丢出一个没人看得懂的证明」就完事——数学家正在这批结果里找洞见，领域专家的反应常常是「为什么它会把那个定理用在这里」。这种意外的跳跃，比证明本身更值钱。
最反直觉的判断在安全。软件正变得极其便宜，于是稀缺的不再是软件，而是「可靠、安全、你能信任的软件」。「我有一种感觉，网络安全支出实际上应该远远超过软件支出。」互联网从一开始就是先建起来、安全后补，三十年技术债堆在那里，而 AI 第一次让偿还变得可行，甚至可以对软件做形式化验证。OpenAI 内部的做法很具体：每出一个新模型，抽 25 名生产工程师停掉手上项目只做安全，用当时最强的模型去打自家基础设施，直到把这个模型能发现的问题打饱和；下一个模型来了，再重来一遍。
药物发现卡住的不是智能而是数据：数学能自己造数据，生物学不行。他估计 80% 的可能性能很快落地，剩下的是湿实验、仿真，以及写监管申报这类跟生物学理论无关的活。
谈到人机关系，他讲了乔布斯给 iMac 装把手的故事：把手存在的意义，是让人相信自己随时能把它拎起来扔出窗外。「最好的 UI 是没有 UI」，但人必须始终在驾驶座上。
https://www.youtube.com/@NoPriorsPodcast
Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders