深思圈

RSS: https://wechat2rss.bestblogs.dev/feed/3e6fcb56a39b2e18f1036113655d4ff8fe726b62.xml

关注深思圈，发现一个更大的世界

融资 300 万美金，YC 的这个 2 人团队想让 AI 记忆"带着走"

旧金山 2 人团队 Egoist Machines 上线 AI Passport 并获 300 万美元种子轮，让个人 AI 记忆像手机号一样可携带、可撤销授权。 AI Passport 把已连接应用的偏好和历史汇总成一本"护照"，目前支持约 800 个应用连接器。新信息要先经用户审阅才能共享，应用按类别申请访问权限，每次访问留"收据"，可撤销。原文提到敏感信息如出生日期必须明确同意，群组共享功能仍在试验，个人用户终身免费。背景是 AI 助手记忆形成平台锁定：Menlo Ventures 调查称美国成年人平均使用 3.0 个通用助手，各助手各自保存用户画像。Anthropic、Google、OpenAI 今年 3 月起提供记忆导入或导出，但做法是一次性拷贝而非同步，且 Gemini 的记忆导入在欧洲经济区、英国和瑞士不可用。

收藏16 小时前

Stripe创始人：AI agent 将重写整个互联网

Stripe 联合创始人 John Collison 在 2026 年 10 月的访谈中提出：AI agent 不会等待各平台接入 MCP 或开放 API，而是通过 computer use（AI 像人一样直接操作网页界面）去使用现成的网页完成事务。 Collison 称 computer use 是"通往真实世界的终极向后兼容层"，核心逻辑是"让 AI 适配世界"而非改造世界。Stripe 去年处理 1.9 万亿美元支付量，同比增长 34%，约占全球 GDP 的 1.6%。在商业层面，Collison 预测 AI 发现会成为新的聚合点，偏向口碑好、易被找到的长尾商家，现有聚合平台需要重新回答"AI 如何找到你"。 Stripe 已与 OpenAI 共同开发 Agentic Commerce Protocol，但 Collison 承认该方向仍处于"搭建和真实世界试验"阶段，尚非规模化的事实。

收藏1 天前

AI 陪伴的下一步，会从恋爱游戏里走出来吗？

收藏3 天前

估值 7.5 亿美金，美国红杉为什么押注一家"硬件版 GitHub"？

Flow Engineering（自称"硬件版 GitHub"）完成 5,000 万美元 Series B，估值 7.5 亿美元，由 Valor Equity Partners 的 Antonio Gracias 和 Atreides 的 Gavin Baker 联合领投，Sequoia 曾在 2025 年 10 月领投其 A 轮 2,300 万美元。公司创始人 Pari Singh 出身火箭发动机设计，将需求、MATLAB 模型、CAD 与仿真做成闭环 agent 平台，主张改一处需求会自动传导到整张依赖图，解决硬件团队间版本不一致的协调痛点。文中以空客 A380 因 CATIA 4/5 混用导致交付延误约两年、成本增加 60–70 亿美元为案例说明"协调而非设计"是硬件瓶颈。Sequoia 投资人 Roelof Botha 认为 AI 的真正机会在组织对齐而非个人效率，并估算全球市值前 100 公司中 22 家属于硬件。 Rivian 七个月内用户从 40 增至 1,500。作者自述交叉阅读了公司公告、创始人文章及投资人对谈，未独立验证部分数据。

收藏5 天前

在 agent 的世界里，留存就是分发

基于 OpenAI DevDay 访谈，Tibo Sottiaux 提出“循环和工作流只是过渡”，主张用永远在线、会学习的个人 agent Dots 替代人工搭建复杂工作流。 Dots 由 GPT-6 Astra 驱动，自带云端电脑与浏览器，接入 4000+ 应用，可在后台持续朝用户目标工作；Pro 与 Business Premium 订阅可用。作者延伸出一个实用判断：为模型搭的脚手架多是弥补当下不足，模型升级后该拆；真正值得长期投入的是对目标和好坏标准的描述，而非把步骤拆细。同时提到 OpenAI 发布 ultrafast 档位（Codex 最高快 8 倍、API 最高快 6 倍、价格 6 倍），让等待变少、人重新回到心流状态。整体观点清晰，信息增量来自 Tibo 一线判断 + Dots 细节 + 对“harness 是拐杖”的复用，适合科技读者讨论 agent 产品设计哲学。

收藏6 天前

一年前说产品经理会被淘汰，现在 Anthropic 说：人人都得学会当产品经理

基于 Lenny and Friends Summit 现场对话：Anthropic 的 Ami Vora 和 Mike Krieger 讨论 AI 时代 PM 角色演变。核心观点：产品"连接人的问题与可用技术"的本质未变，但技术迭代节奏从五年压缩到两个月，PM 需要不断丢弃旧解法、重新试错。 Mike 举例：他转 IC 后本以为 Claude 能替代 PM，结果一位 PM lead 加入后，他才发现大量胶水连接工作（客户成功、安全防护、资源协调）只有人才能负责。 Claude 目前是"提醒者"而非"召集人"，但作者强调这个护身符有保质期。Ami 指出过去评审会上争论按钮位置的手艺已过期，现在直接做三个版本 A/B 测试更快；最难的是身份认同——公司太擅长旧方法会陷入创新者窘境。

收藏9 天前

当 AI 真的开始"懂你"：Personal Agent 正在重写互联网

介绍 AI 助理 Instinct：无 App，通过短信、电话、邮件完成订票、订阅管理、行程规划等端到端任务。创始人 Noah Shinn 称产品日增 10%，平台年交易额超十亿美元，50% 交易额来自旅行。文章还讨论了用户信任建立过程，以及如何把记忆、偏好、判断权委托给非人类存在。

收藏10 天前

a16z 最新深度对话｜这才是 personal agent 的正确打开方式

深思圈解读 a16z 播客中 General Partner Anish Acharya 与 AI 助手对比测评平台 Assistant Bench 创始人 David Pawlan 关于 personal AI agent 的对话。核心判断：真正打动普通消费者的 agent 不是提升 10% 效率，而是帮省钱、免麻烦、让用户感觉拿到"免费的钱"。作者结合自己的使用经验，讨论了本轮 personal agent 爆发（Poke、OpenClaw、Instinct、Grockbot、Muse 等 122 个产品）与以往技术爆发的本质不同——最先被打动的是有真实生活痛点的普通人（如 HSA 报销、航班退差价），而非开发者。文中指出最好用的 agent 是"感觉不到它存在"的后台自动化。

收藏11 天前

当一个人能做一个团队的事，组织该怎么变？

文章借 Elena Verna 在 Lenny and Friends Summit 的演讲，提出 HI-IC（高影响力个人贡献者）概念：借助 AI，一人可完成过去需整团队做的事。作者结合她曾领导数千人团队、现任 Lovable IC 的经历，拆解传统晋升逻辑（以 headcount 衡量影响力）如何因 AI 松动而断裂，并讨论 AI 作为"平均智能"对个人工作模式的实际影响。观点清晰，有明确立场，但主要基于对单一演讲的转述与延伸，一手信息有限。

收藏12 天前

微软 CEO 最新谈 AI agent 时代：比云计算大几个数量级的机会正在到来

作者梳理 Satya Nadella 在 Sources Podcast 访谈中对 AI agent 时代的判断，并加入自己的产品思考。核心观点包括：1) agent 形态（chat、coding agent、long-running agent、Autopilot）与模型能力是两条独立演化曲线，早期形态领先但模型跟不上，现在两者开始对齐；2) 微软新推出的 Autopilot 让每个员工拥有一个"首席幕僚"，给 agent 一个身份、电脑和工作空间，它可以持续在后台处理发票等边界清晰、结果可验证的任务性工作；3) Nadella 批评整个 AI 行业太自恋，光顾炫技而忽略了让普通人感受到真实价值。作者认为，很多产品"失败"只是时机未到、底层模型还没准备好；Autopilot 落地的难点不在技术而在信任建立。

收藏15 天前

AI 时代的 App Store 时刻到了吗？

文章围绕 Meta 开放 Muse AI agent 的 Connector 接口展开，作者将其类比为 2008 年苹果开放 App Store，认为 AI agent 时代正出现一个相似的分发平台时刻。核心观点：在 Muse Connector 逻辑下，用户无需主动搜索服务，而是由 AI agent 在对话过程中智能调用外部服务（API），这意味着服务可发现性从"用户主动搜索"变为"agent 调度"，对垂直、具体的小团队和初创公司既是机遇也是挑战。文章引用 Greg Isenberg 的播客分析和 Duffel 旅行服务公司（年交易额超 10 亿美元）的 Muse 集成案例，强调 Connector 解决的是触达问题而非服务质量问题，服务本身仍需扎实。

收藏16 天前

a16z合伙人：10亿美元消费级App背后的产品逻辑

a16z合伙人Josh Elman在访谈中提出AI时代消费级产品的核心判断：获取注意力已极其容易，真正的难点在于让用户"留下来"。他给出一个具体判断标准——用户开始用新产品后"停止了什么旧行为"，若答不出则产品只是新鲜玩具。他还强调trust（信任）而非功能才是突破主流市场的护城河，尤其当AI personal agent会接触到用户健康、财务、人际关系等私密数据时，"站在用户这边"的态度比功能堆叠更重要。文章结合作者个人使用ChatGPT替代Google搜索的体验做了补充讨论，整体是播客转述加轻量个人观点，信息增量适中，但缺少对"10亿美元"这一标题数字的实质展开。

收藏19 天前

顶级孵化器 YC 的 2026 创业公司观察报告

基于 YC 合伙人 Garry Tan、Jared Friedman、Diana Hu 等在 Lightcone Podcast 上的对谈，梳理 2026 年创业生态的三个核心变化：1) 硬科技占比从 8% 翻倍至 20%，机器人、半导体、能源基建等细分显著增长，六分之一创始人拥有博士学位；2) YC 公司中位数月收入从 8K 涨到 20K，反映创业速度加快；3) AI coding 工具让小而精团队也能推进全栈硬件，硬科技因 AI 变得更可行而非因软件"不好做"被迫转向。作者进一步指出供应链重塑机会（如 Knox Metals 做"金属界 Stripe"）和"机器时代"概念，判断力比执行力更值钱。

收藏21 天前

一个字都不生成，却可能是 AI 时代最重要的模型

TypeSafe AI（创始人为 ChatGPT 联合发明人、RLHF 重要贡献者 Diogo Almeida）发布名为 Jev 的非生成式模型：不输出任何文字，只输出带校准概率的结构化决策。作者认为大模型最大瓶颈不是不够聪明，而是不可靠：同样问题两次答案不同、JSON 偶发幻觉、自动化场景一次错误就会拖垮整条链路。 Jev 的三种题型（nule 二值判断 / choice 多选 / score 量表打分）保证"类型安全"，答案必须落在预定义选项里，从而数学上杜绝幻觉。性能上称比现有 LLM 快 20–200 倍、便宜 40–400 倍，主要来自并行采样（所有问题答案同时计算）和输出极简；作者把它对应到 Kahneman 的"系统一"，LLM 对应"系统二"。结尾未展开的部分讨论了成本口径。整体是一篇带观点解读的新模型介绍，信息增量集中在"结构化决策 + 类型安全 + 200× 速度差距"这条产品判断，适合科技读者讨论"自动化落地是否需要一条非生成式路线"。

收藏23 天前

20 小时筹款破百万美元：中国 AI 硬件为何能打动海外用户？

文章拆解刚完成天使轮及 Pre-A 的 Violoop：不做纯软件 Agent，而用一台桌面硬件通过 HDMI 读屏、USB 模拟键鼠，像人一样操作现有电脑，并持续沉淀个人工作经验。核心逻辑是：基础模型是公共智力，真正的护城河是个人经验层；绕过 API 适配，用人的交互接口降低落地阻力。产品分三层成长：多模态长期记忆、可复用工作流技能、验证后经验蒸馏到模型权重（端侧 26TOPS 算力，云端兜底）。文中提到海外 Kickstarter 上线 20 小时破 100 万美元、一天内近 2000 位支持者，并自比同类项目众筹数据。适合关注 Agent 硬件化、个人经验沉淀与端云分工的读者；观点较清晰但属于拆解宣传稿，缺少独立验证与踩坑细节。

收藏24 天前

让 AI 做研究很容易，难的是让它承认自己错了

硅谷 RSI（递归自我改进）赛道数月涌入超 17 亿美元，但作者关注一个被普遍忽略的问题：AI 自动科研系统产出的实验结果是否可信。文章以 EvoMap 开源项目 AutoResearch 横评五个同类系统（RD-Agent、AutoResearchClaw、Agent Laboratory、AI Scientist）做同一卫星图文检索任务，发现四家系统存在 dummy 指标冒充真实结果、空数据穿透多角色流程、以及微软 RD-Agent 38.9% 迭代方向自信但错误的幻觉问题。 AutoResearch 的差异化在于公开暴露自身 5 次错误并全部定位修复。作者认为"有迭代闭环"不等于"迭代方向可靠"，可信性才是 AI 科研的核心卡点。

收藏25 天前

OpenAI 总裁最新访谈：当前所有对 AI 的预测，大概率都是错的

OpenAI 联合创始人 Greg Brockman 在 a16z 播客中称 AGI 时代已到来，核心依据是 Astra 模型能连续运行 24 小时完成跨领域任务。文章梳理了访谈要点：Brockman 与 Ilya Sutskever 2016-2017 年曾推算 AGI 需约 10-15 年，如今实际时间线接近；computer use 被视为关键跃升，让 AI 直接通过屏幕像素和键鼠操作软件，绕开 API/MCP 等中间层；OpenAI 用 10,000 个 agent 并行解决 Navier-Stokes 方程问题并形式化为 Lean 证明。作者加入个人判断，认为 computer use 的意义在于 AI 适应人类界面而非相反，且 2015 年内部会议已讨论该思路。内容兼具一手访谈信息与二次解读，有明确立场和讨论入口。

收藏26 天前

深思圈