---
title: "AI Builders Digest · 2026-10-23"
url: https://www.liamding.com/posts/2026-10-23-follow-builders-digest/
markdown_url: https://www.liamding.com/posts/2026-10-23-follow-builders-digest/index.md
html_url: https://www.liamding.com/posts/2026-10-23-follow-builders-digest/
language: zh-CN
date: 2026-10-23
lastmod: 2026-10-23
description: "2026-10-23 AI Builders Digest：Levie 断言靠隐藏的安全彻底失效，Rauch 揭出守护互联网加密的密码只有「4」，Swyx 用 Opus 5.5 重新校准工作量，David Silver 押注放弃人类数据三年造出超智能。"
categories: ["AI"]
tags: ["AI", "Builders"]
author: "Liam DING"
canonical: https://www.liamding.com/posts/2026-10-23-follow-builders-digest/
---

# AI Builders Digest · 2026-10-23

> 今天收录 12 位 builder 的实质发言。主线是安全：持续一周的漏洞潮把整个行业推到同一个问题上——当 agent 会翻遍每个缝隙、试遍每种组合，靠"藏起来"的防御还剩多少？另一条线来自研究端，AlphaGo 的作者说他准备把人类数据整个扔掉。

## X / Twitter

**Box CEO Aaron Levie** 断言 security through obscurity 已经彻底结束：这套办法对人类勉强管用，但在一个会翻遍每个缝隙、尝试所有攻击排列组合的自主系统世界里，它直接失效了。后果是大量遗留企业基础设施必须升级，安全实践要现代化，数据管道要清洗，访问控制要重新治理。他强调 agent 在防守端同样能加速这些工作、也能模拟风险向量，但这条路很长——这也是他为什么认为扩散（diffusion）的时间线会比很多人以为的更慢。
https://x.com/levie/status/2113499900399034689

**Latent Space 播客与 AI Engineer 大会的 Swyx**（同时在 smol.ai、Cognition）给了一个很实用的判断：Opus 5.5 是他用过最好的工作量估算模型，而随着我们把活越来越多交给 agent，"校准"变得关键——别用人类标准告诉我这要 2-3 个工作日，对一个精力无限、可大规模并行的 AGI 来说那是 2-3 小时。他还提到可以让 pipeline 在运行中自己估算修复自身 pipeline 的 ETA；对本周的漏洞潮，他的态度是别怪 AI 找出了 bug，赶紧把 bug 清完。
https://x.com/swyx/status/2113283272130412684 https://x.com/swyx/status/2113509413537693703 https://x.com/swyx/status/2113359027682050352

**Vercel CEO Guillermo Rauch** 的本周总结里最刺眼的一条：你姑姑的密码是厨房便利贴上的 "P4ssword!"，而守护整个互联网加密的人用的密码是 "4"——就一个数字 4，这把钥匙能用来定向解密几乎所有东西，团队还在清理残余风险。他的主张是干掉"静态凭证"，让攻击者只能偷到会自毁的密钥，并呼吁行业像当年一起推 TLS 绿锁那样，为标准化的 OIDC 再合作一次。
https://x.com/rauchg/status/2113462657059639505 https://x.com/rauchg/status/2113399539227136084 https://x.com/rauchg/status/2113451268316205515

**Anthropic 的 Claude 官方账号** 宣布平台侧同一天落地多项能力：Opus 5.5 的 fast mode、code execution、Skills API 都在原生 Claude Platform 上当天可用；Claude 模型在 Google Cloud（Anthropic 托管）也正式 GA，可直接沿用 GCP 的 IAM、账单与承诺折扣。更值得注意的是默认行为变了——下周起 Pro、Max、Team 套餐在 web、桌面和移动端的会话默认跑在 auto 模式，不再逐步要你确认，而是由自动检查拦截高风险动作，随时可以切回手动。
https://x.com/claudeai/status/2113380126561800305 https://x.com/claudeai/status/2113380122468454765 https://x.com/claudeai/status/2113360845409583307

**Anthropic 的 Boris Cherny** 透露，Agent Skills 最初只是 Claude Code 里的一个实验，如今行业里很多团队都在采用，所以 Anthropic 决定把它捐给 Agentic AI Foundation，和 MCP 放在一起。这是在把 agent 的"技能格式"从一家公司的内部约定，往公共标准推。
https://x.com/bcherny/status/2113333859907747871

**Anthropic 研究员 Alex Albert** 抛出一个大胆猜想：像 Claude Duet 这样的产品，对街边小生意的价值可能比当年 Square 或 Google Maps 还大。他在公开征集"小生意 + Claude"的真实用法，说自己很想亲手用 AI 管一批本地小生意。言下之意是 agent 的第一个 killer app 也许不在写字楼，而在没有 IT 部门的地方。
https://x.com/alexalbert__/status/2113386454907007444 https://x.com/alexalbert__/status/2113386456098197941

**SPC 普通合伙人、Dropbox 前 CTO Aditya Agarwal** 说机器人正在走 LLM 走过的同一条路：从微调，到提示，到直接告诉模型你想要什么；Physical Intelligence 的 π0.7 已经能靠自然语言"教练"学会新技能。他另一条更反常识：顶尖大学的博士学位并不必然让人成为优秀的机器人研究者。
https://x.com/adityaag/status/2113385971844518124 https://x.com/adityaag/status/2113332746277789845 https://x.com/adityaag/status/2113385973304160663

**FirstMark Capital 合伙人 Matt Turck** 与 Mistral 研究负责人 Pierre Stock 的访谈信息量很大：Le Chonk 是"西方最大的开放权重模型"，在 Mistral 自有数据中心的 3800 张 GPU 上训练，而且现在还没训完；万亿参数模型正在路上，Mistral 也从 DeepSeek 借了不少东西。他自己的观察是 AI 已经进入"所有人跟所有人竞争"的阶段——芯片商抢推理生意，推理商抢 neo-cloud 和后训练，模型抢应用，应用回头抢模型，只有 NVIDIA 卖给所有人。
https://x.com/mattturck/status/2113311361639829673 https://x.com/mattturck/status/2113263905950568730

**FPV Ventures 合伙人 Nikunj Kothari** 给了一个很硬的数字：他见过的种子公司里，大约每 10 家就有 1 家在初次见面后几个月内被收购。他的判断是种子到 A 轮的挤压处于历史最高点，且短期不会缓解——"从来没有这么容易做梦，也从来没有这么难规模化"。
https://x.com/nikunj/status/2113405034826477910

**Y Combinator 总裁兼 CEO Garry Tan** 推荐 Aside Browser，认为它是让 agent 真正会用网页的现实解，而不是靠截图加点击硬凑。他另一条给了更宏观的判断：AI 正在改造一大批强势的 SaaS 生意，并称接下来这张图展示了"真的打进去"是什么样子。
https://x.com/garrytan/status/2113367007567794563 https://x.com/garrytan/status/2113353678895919196

**Replit CEO Amjad Masad** 在这波漏洞潮里直接讲了 Replit 怎么保护用户的 app 免受最近这些漏洞影响。他没有停在提醒上，而是把平台侧的处置当作产品能力来讲。
https://x.com/amasad/status/2113474587166171560

**OpenAI Codex 与 ChatGPT 团队的 Thibault Sottiaux** 做了 Day 18 的进度盘点：Decisions API 正式 GA，OpenResponses 加入 Linux Foundation，一批性能改进上线，Uber 正在全面押注 Codex；同时预告了一个会在太平洋时间上午 10 点前落地的小发布。
https://x.com/thsottiaux/status/2113492187770175603 https://x.com/thsottiaux/status/2113492502355562875

## Podcast

**The Takeaway：** 要造出真正的 superintelligence，可能得先戒掉人类数据这根拐杖——AlphaZero 用几小时就超过了靠人类数据喂了两年的 AlphaGo。

**Training Data｜David Silver and Lasse Espeholt of Ineffable Intelligence: A Superlearner for the Age of Experience**

David Silver 是 AlphaGo 与 AlphaZero 的核心作者，也是把深度强化学习第一次推到超人类水平的人；Lasse Espeholt 则是 Impala、SeedRL 这类大规模分布式 RL 基础设施的作者，今天几乎所有规模化 RL 的根都能追到他那套工作。两人一起创办了 Ineffable Intelligence，目标写得毫不含糊：造一个 super learner，然后"首次接触 superintelligence"。

他们的赌注是反共识的。主流路线在整个人类互联网数据上继续加码，Ineffable 选择主动放弃人类先验，只让 agent 从经验里学。Silver 用自己最熟悉的战例解释原因：AlphaGo 靠人类棋谱加上人在环的迭代，花了两年击败李世石；AlphaZero 扔掉人类数据之后，几小时就超过了那两年的全部成果，国际象棋只用了四小时。"你必须放手人类数据，才可能让自己发现那些能一路冲过竞争者的东西。"

方法上他们不牵着 agent 的鼻子走人类走过的每一步。做法是给一个极简的目标，把它扔进能产生巨大涌现复杂度的"坩埚"（crucible）：进化只优化适应度，却长出了整个生物圈；人类只是在追求协作、交易这些简单目标的过程中，顺带发明了语言、算术、工具和科学。环境里只要有两个以上的 agent，19×19 的棋盘就能长出无底洞一样的策略深度。

他对当下的批评也不客气：很多 LLM 公司其实在造"半自主、上千人在环"的学习算法，能走很远，但到不了终点；靠监控英文思维链做安全同样正在触顶，需要影子动作、用 superintelligence 监督 superintelligence 这类非语言手段。真实世界的推进应该被"superintelligence 科学"的证据卡住，模拟里则要尽可能快。投入上他们拿到 GCP 上最大 GPU 集群的首批使用权，团队只有 20 人，刻意维持极高的人均算力。预测很具体：一年内出现路线正确的强证据，三年内造出真正的 superintelligence。

https://www.youtube.com/playlist?list=PLOhHNjZItNnMm5tdW61JpnyxeYH5NDDx8