每日精选 — 2026年6月24日

今日概览 #

今天的内容围绕一个更现实的问题展开：当 AI 已经能写代码、做视频、跑研究、调度算力之后，真正稀缺的是什么？从 SpaceX 变成新云、Claude Code 插件目录出现，到英伟达和高通把机器人平台推向汽车场景，我们看到 AI 竞争正在从单个模型能力，转向基础设施、工作流、权限边界和行业入口。

🐦 来自时间线 (X/Twitter) #

今日 Twitter 时间线采集为空，未收录新项目。

🎙️ 来自播客 #

All-In：AI 监管、隐私争议与“国有化 AI”的政治想象 #

All-In Podcast · 约1天前

Chamath Palihapitiya、Jason Calacanis、David Sacks 和 David Friedberg 这一期把 Anthropic 隐私争议、AI regulatory capture、特朗普与桑德斯都提到过的“国有化 AI”放在一起讨论。最值得关注的不是他们是否同意某个政策，而是硅谷投资人已经开始把 AI 当成类似能源、通信、金融清算的战略基础设施来谈。对中文技术读者来说，这意味着 AI 公司未来面对的约束不会只来自模型能力和商业竞争，还会来自国家安全、数据主权、反垄断和公共财政叙事。

-> 收听

Latent Space：SpaceX 已经像一家年化 280 亿美元的新云公司 #

Latent Space · 约23小时前

这期 AINews 从 Jamin Ball 的数字切入，讨论 Baseten 传闻中的 130 亿美元 F 轮融资，以及 SpaceX 与 Reflection AI 的第三笔 GPU 租赁交易：据称 Reflection AI 将获得 GB300 算力，SpaceX 从 2026 年 7 月 1 日起每月收取 1.5 亿美元，合同持续到 2029 年。这个信号很硬：AI 基础设施正在从传统云厂商扩展到拥有火箭、卫星、电力和数据中心能力的“新云”。创业者如果只盯模型 API 价格，会低估算力供应链正在被谁重新组织。

-> 收听

商业就是这样：AI 数据中心的竞争，最后会落到散热和水处理经验 #

商业就是这样 · 约2天前

这期 12 分钟的“商业小样”讲的是 AI 热潮里很少被放到台前的环节：服务器降温。大模型竞争表面上是 GPU 数量和训练成本，落到数据中心现场却是热源管理、冷却效率、宕机风险和水处理经验。节目提醒我们，AI 基础设施并不是云端抽象，而是一座座像工厂一样运行的复杂系统。它和 Latent Space 里 SpaceX 新云的讨论形成互补：谁能便宜稳定地把电力、冷却、土地、网络和 GPU 组织起来，谁才真正控制下一轮 AI 成本曲线。

-> 收听

🤖 来自 AI 对话 #

为什么把最强大的 AI 模型关掉，可能反而让网络更不安全？ #

与 Claude Opus 的对话

直觉答案是：限制危险能力，世界就会更安全。Anthropic 的 Mythos/Fable 因出口管制被暂停，听起来像是把风险按在了门外。

但这个答案忽略了一个现实：前沿模型正在同时成为“安全风险”和“安全工具”。如果模型能帮助防御者发现漏洞、做红队测试、扫描攻击链，把它从守规矩的企业和研究机构手中拿走，并不会让攻击者失去能力。开源模型、蒸馏权重、地区性替代模型仍会继续流动，真正被削弱的反而是愿意合法采购 API、公开复盘和接受审计的人。

更大的问题是监管幻觉。决策者容易以为暂停最显眼的模型，就等于封存风险；但 AI 安全没有实体围墙。间接提示注入、越狱、工具调用和供应链污染都发生在真实系统里，必须靠持续对抗和公开学习来改进。今天更值得追问的不是“模型该不该被关掉”，而是“关掉之后，防御者还能在哪里练习”。

当 AI 能自己写代码、剪视频、做研究时，人类的“手艺”还值钱吗？ #

与 Claude Opus 的对话

最直接的答案是：不值钱了。deer-flow 可以让 agent 连续研究、编码和创作，Claude Code 插件目录把工具扩展做成生态，AI 视频工作流也在把剪辑、素材和脚本生产自动化。如果手艺只等于执行速度，人类确实正在贬值。

问题是，历史上的自动化从来不是简单消灭手艺，而是迁移稀缺性。摄影没有杀死绘画，电子表格没有消灭会计，AI agent 也不会让所有创作者退场。它让“做”的部分变便宜，让“判断”的部分变贵：选题、品味、验收、风险承担、上下文组织和跨 agent 协调，都会变成新的手艺。

这也是 The Coming Loop 讨论 AI 编程时最关键的变化。开发者越来越像 reviewer、导演和产品负责人，而不只是敲代码的人。未来最值钱的不是谁能最快生成文件，而是谁能定义正确问题、识别错误输出、决定哪些自动化不该被放权。手艺没有消失，它从手上移到了眼睛和嘴巴上。

AI 算力被少数“新云”垄断，是创新还是新的封建制？ #

与 Claude Opus 的对话

SpaceX 被描述成年化 280 亿美元的新云，Reflection AI 签下 63 亿美元 GPU 租约，Baseten 又传出 130 亿美元融资。表面看，这是规模经济和基础设施创新：更多 GPU、更快交付、更强供应链，推动更多 AI 公司起飞。

但如果把算力看成数字时代的新土地，事情就没那么轻松。火箭、星链、电力、冷却、数据中心和 GPU 都被少数玩家垂直整合时，价格不是唯一风险。更大的风险是准入权：谁能拿到 GB300，谁能靠近电力，谁能在地缘政治紧张时优先获得供给，都会影响下一批创业公司的出生地点和商业模型。

不过“算力封建制”也不是不可打破。大型机被 PC 和 x86 稀释，AWS 被 Serverless、多云和边缘计算削弱，GPU 霸权也会受到推理优化、模型蒸馏和专用芯片挑战。SpaceX 可能成为未来五年的默认底座，但它也会催生一批专门研究如何绕开底座的公司。垄断越重，抽象层越有价值。

中美 AI 互相拉黑，是脱钩还是重构全球创新网络？ #

与 Claude Opus 的对话

最容易的解读是脱钩：美国扩大 1260H 清单，中国 blacklists 56 家美国企业，AI 供应链分裂成两个阵营。这个判断抓住了冲突，却低估了网络会自我重组。

冷战史提醒我们，技术对抗很少形成整齐的断裂。两套体系会分别积累芯片、模型、数据、标准和人才，短期降低效率，长期制造冗余路径。AI Tools Recap 里同时出现中国反制、Getty 与 OpenAI 的内容合作、Claude outage 和 Wikipedia 拒绝 AI 直接编辑词条，说明全球 AI 网络不是一根线被剪断，而是许多节点在重新选择连接方式。

真正重要的是第三极。欧洲、中东、东南亚和印度的算力投资、监管态度、人才流动和市场入口，会决定新网络是硬分裂，还是多中心网状结构。短期成本会上升，标准会更乱；但如果没有走向热战，多中心化也可能让系统更有韧性。脱钩只是表象，重构才是主线。

英伟达想给机器人做“安卓”，为什么最热闹的战场反而是车？ #

与 Claude Opus 的对话

表面看，汽车只是机器人的一种形态。但英伟达把自动驾驶安全框架 Halos 搬到机器人，高通把座舱芯片升级成物理 AI 计算层，两家公司都先押注车，不是巧合。

汽车是少数同时具备数据飞轮和支付意愿的物理场景：传感器密集，运行环境相对结构化，安全后果严重，用户又愿意为智驾和座舱体验付费。一个能在真实道路上稳定运行的 AI，不仅能积累高价值物理世界数据，还能借整车销售摊薄芯片和软件成本。相比之下，家庭机器人场景太碎，工业机器人 ROI 又更垂直。

这解释了为什么“具身版安卓”的第一批战场会是智能汽车。但它也带来偏见：如果机器人的底层能力主要在道路场景里训练，未来进入厨房、医院、仓库这些低速、高接触、非结构化空间时，可能会带着汽车世界的假设。车的胜利，未必自动等于机器人通用性的胜利。

📚 来自书架 #

反脆弱：真正的安全不是不出错，而是越出错越会学习 #

Nassim Nicholas Taleb · 2012

塔勒布区分了脆弱、坚韧和反脆弱：脆弱系统在冲击中受损，坚韧系统只是扛住冲击，反脆弱系统能从混乱、压力和错误中获益。真正重要的不是预测所有黑天鹅，而是设计一种在预测失败时仍能学习的结构。

与今天的连接: AI Tools Recap 提到 Claude 全平台宕机但尚未公布根因，All-In 又把 Anthropic 隐私争议和监管捕获放到政治层面讨论。二者共同说明，AI 平台已经不是实验室玩具，而是会被外部冲击、政策和信任危机反复敲打的基础设施。反脆弱的 AI 产品不应只追求“零事故”，而要有多模型备份、清晰权限、故障复盘和可迁移工作流。没有公开学习的事故，只会让系统变得更脆。

系统 1 与系统 2：AI 接管执行后，人类更需要慢判断 #

Daniel Kahneman · 2011

卡尼曼把人类思维分成快速、直觉、自动化的系统 1，以及缓慢、理性、需要努力的系统 2。文明进步的一部分，就是在关键场景里学会暂停直觉，启动验证、计算和反思。

与今天的连接: The Coming Loop 说 AI coding agents 正把开发者推向 reviewer 和 prompt composer 的角色；“手艺还值钱吗”这段 AI 对话也指出，稀缺能力正在从执行迁移到判断。AI 会让很多系统 2 式的执行变快，但它不会替我们承担最终责任。越多代码、视频、研究由 agent 生成，人类越需要把认知预算花在验收标准、错误识别和边界设计上。慢判断不是效率敌人，而是自动化时代的安全阀。

后发优势：AI 包装层真正的秘密不是“用了模型” #

Peter Thiel · 2014

蒂尔认为，真正的从 0 到 1 来自少数人相信、但后来被证明重要的秘密。拥挤市场里的同质竞争会压平利润，垄断来自对独特问题的独特答案。

与今天的连接: deer-flow、Claude Code Plugins、codebase-memory-mcp 都在做 agent 基础设施，但它们的秘密并不一样。deer-flow 押注长周期任务编排，Claude Code Plugins 把工具扩展变成官方生态，codebase-memory-mcp 则把代码上下文压缩成持久知识图。在人人都能调用模型 API 的世界里，“用了 AI”不是秘密。真正的秘密是你是否掌握了某个工作流里最难复制的上下文、分发和验收机制。

创新者的窘境：大公司为什么急着下场做具身 AI 平台 #

Clayton Christensen · 1997

克里斯坦森指出，成功公司常被来自低端或边缘市场的颠覆者击败，因为现有利润、客户结构和流程让它们很难理性投入尚未成熟的新市场。看起来小的市场，常常是明天的主战场。

与今天的连接: 英伟达发布 Halos for Robotics，高通把智能座舱平台推向物理 AI，正行创新拿到近亿美元天使轮融资，说明具身智能正在吸引 incumbent 和创业公司同时下注。英伟达和高通的优势是算力、汽车客户和安全认证，包袱也是这些高利润既有业务。正行创新这类初创公司没有旧利润约束，可以从零售、工业等更窄场景切入。机器人“安卓”今天看起来还早，但窘境往往就在这种早期小市场里形成。

⚡ 快讯 #

The Coming Loop：AI 编程把开发者推向 reviewer 循环 #

Hacker News · 347 points / 244 comments

Armin Ronacher 讨论 AI coding agents 正在改变软件工程的基本循环：开发者越来越像 prompt composer 和 reviewer，agent 负责生成大量代码。它重要的地方不在“代码会不会自动写完”，而在所有权、质量、可维护性和手艺定义都要被重写。

-> 原文

deer-flow：长周期 SuperAgent 开始追求小时级任务编排 #

GitHub · Trending #5

字节开源的 deer-flow 把 sandboxes、memory、tools、skills、subagents 和 message gateway 放在一起，目标是处理从几分钟到几小时的研究、编码和创作任务。它说明 agent 框架竞争正在从“能调用工具”进入“能维持长周期上下文和验收节奏”。

-> 原文

Claude Code Plugins 官方目录：AI IDE 生态开始有了插件市场雏形 #

GitHub · Trending #8

Anthropic 官方维护 Claude Code Plugins 目录，筛选高质量插件来扩展 Claude Code 的工具和集成能力。这个动作不只是仓库整理，而是在告诉开发者：AI 编程工具的护城河会从模型能力扩展到插件治理、可信来源、安装体验和团队标准化。

-> 原文

AI Tools Recap：中美清单、Getty 授权与 Claude 宕机同日出现 #

Newsletter · June 24, 2026

这期 AI Tools Recap 把中国 blacklists 56 家美国企业、Getty 与 OpenAI 签署 ChatGPT 搜索图片展示合作、Anthropic 解决 Claude 全平台宕机但未公布根因放在同一天。三个信号连起来看，AI 正同时进入地缘政治、版权授权和基础设施可靠性三条硬约束。

-> 原文

英伟达 Halos for Robotics：机器人平台竞争先从安全栈开始 #

量子位 · 今日发布

英伟达在 Automate 2026 发布 Halos for Robotics，把自动驾驶安全经验迁移到机器人：芯片、传感器、操作系统、算法安全和生态认证一起打包。它的野心不是卖单个 SDK，而是用超过 18600 工程人年和 700 万行验证代码，提前定义具身 AI 的平台标准。

-> 原文

快速提及

编辑分析 #

今天最重要的张力是：AI 正把执行变便宜，但把基础设施、判断和准入权变贵。 我们如果只看“哪个 agent 又能自动做什么”，会错过更深的产业变化。Latent Space 讨论 SpaceX 年化 280 亿美元的新云，商业就是这样讲数据中心冷却，All-In 把 AI 放进监管捕获和国有化叙事里，三者共同说明：AI 的关键瓶颈正在从模型参数转移到谁控制电力、冷却、GPU、政策和可信入口。

这条线也贯穿今天的开发者内容。The Coming Loop 说开发者进入 reviewer 循环，deer-flow 追求小时级长周期任务，Claude Code Plugins 开始形成官方插件目录。它们不是简单提高写代码速度，而是在重塑软件生产的责任结构。代码生成越容易，越需要有人定义验收标准、插件来源、权限边界和长期上下文。Kahneman 的“系统 1 与系统 2”在这里很贴切：AI 接管了大量快执行，人类必须承担更慢、更痛苦的判断。

第一条趋势：AI Engineering 正在从模型调用转向运行时与生态治理。 证据是 Claude Code Plugins、deer-flow、codebase-memory-mcp 同时出现。读者要关心的不只是 prompt，而是工具从哪里来、上下文如何保存、agent 失败后谁负责。

第二条趋势：算力会成为新的平台税。 SpaceX 与 Reflection AI 的 63 亿美元 GPU 租约、Baseten 的高估值、数据中心冷却问题共同指向同一件事：下一批 AI 公司会先被基础设施成本筛选。懂模型不够，懂供应链和单位经济才有机会活下来。

第三条趋势：具身 AI 的第一战场不是家庭机器人，而是汽车。 英伟达 Halos、高通物理 AI、正行创新融资都说明，车同时拥有数据、传感器、安全压力和支付意愿。问题是，汽车场景训练出的智能是否会限制机器人进入更杂乱的真实世界。我们应该乐观，但不能把车的成功误读成通用机器人的成功。

延伸阅读：读 The Batch Issue 358 了解 Mythos/Fable 和 coding benchmark 的背景；看 Rhombus Language 1.0 观察语言工具链如何重新包装复杂性；跟进 DiffusionBench 理解生成模型评估为什么不能只靠旧指标。

lz.wiki 每日精选 · 25 条来自 13 个源 · 2026年6月24日 13:00 CST RSS 订阅 · 所有精选