Anthropic 工程经理 Felix Rieseberg：AI 写代码后，新人最该有的是创业思维
Anthropic 工程经理 Felix Rieseberg 取消了传统编程面试，认为 Claude 做小型编程题已比候选人更好，测试分数不再能预测谁会成为顶尖开发者。
#大佬观点
The DecoderAI 评分3636
MIT Technology Review · AIAI 评分2222 工业智能：制造业的下一个增长机会
制造业积累的经验知识、生产数据与运营实践正被整合为“工业智能”，并借助Physical AI接入物理生产环节。丰田自动织机打通碎片化喷漆车间数据后，分析周期从5天缩短至4小时以内，试点中相关喷漆缺陷减少约25%。罗克韦尔自动化新加坡工厂用维护copilot整合设备手册与老员工经验，新员工掌握数百台设备排障的时间从9个月降至3个月。
MIT Technology Review · AIAI 评分6060 真正的 Anthropic 究竟是谁
Anthropic 已提交 335 页 IPO 招股书，其中约 100 页讲风险，并警告其技术可能侵蚀信任、危害社会甚至带来灾难性风险。作者梳理联合创始人 Jack Clark 在 IMF 会议称奇点已经开始、Chris Olah 在梵蒂冈谈模型内部状态等表态，指出 Anthropic 同时扮演安全机构与万亿估值公司，这种多重叙事未必让它更可信。
MIT Technology Review · AIAI 评分3131 对 AI 安全灾难的关注，忽视了日常危害
科技政策把"聊天机器人不鼓励自杀""儿童难买芬太尼"这类底线保护当作成功，却放任产品让年轻人依赖模拟友谊、困在成瘾信息流中。MIT 研究发现，用 ChatGPT 写文章的学生在任务中脑连接更弱，且"认知债务"在任务结束后仍持续存在。三分之一青少年如今选择与 AI 伴侣讨论严肃问题而非真人。
MIT Technology Review · AIAI 评分1818 Celonis 首席科学家 Devavrat Shah 谈企业 AI 为何需要上下文感知
Celonis 企业 AI 首席科学家 Devavrat Shah 提出“决策智能”，主张 AI 智能体必须理解任务在业务流程中的角色与业务条件，否则会忽略约束、犯错或浪费算力。他建议企业先连接现有流程与数据，构建上下文层，让智能体在护栏内运行并输出可人工审核的建议。落地应从具体业务决策入手，先测最难环节的提速与价值，再决定是否扩展。
MIT Technology Review · AIAI 评分2020 企业 AI 的新经济学：从 token 成本转向有效成果成本
HPE 提出企业 AI 的成本衡量应从 token 或 GPU 小时单价转向"每个有用成果的有效成本"，即完成可用工作所需的平台、模型、运维与算力总成本。企业可选择自建栈、按需消费或集成私有 AI 平台三条路径，HPE Private Cloud AI 通过调度、模型选择、GPU 分区和 KV-cache 管理提升利用率，并附 90 天前驻工程师服务。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 团队提出，推理成本已从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1，部分厂商低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。作者据此提出三类数据系统挑战：为智能体设计的数据系统、支撑智能体群体运行的数据系统，以及由智能体自行合成并需可验证的数据系统。