提出收购Chrome邀约，想“蛇吞象”的Perplexity在想啥？ Semafor科技编辑对 Perplexity 联合创始人兼首席执行官 Aravind Srinivas 的采访，原视频 81 分钟。 * Comet 浏览器旨在成为 AI 的操作系统，能够处理重复和异步任务，通过连接电脑上的其他应用程序，让浏览器感觉就像一台迷你电脑，并且是用户日常工作和生活中所有操作的终极语境来源。 * Perplexity 的开发策略是 立即构建 Comet 等产品，即使当前模型存在局限性，因为他们假设 AI 模型最终会变得更强大且更经济实惠；他们的目标是创建一个 “智能体浏览器”的新产品类别，而非与传统市场竞争。 * 订阅市场被大大低估了，预计未来将有数千万人每月支付 20 美元，甚至数百万人每月支付 200 美元，这足以支撑一家数百亿美元收入的公司，而无需依赖广告。 来源：https://www.youtube.com/watch?v=sM9xd8kkes0&t=1075s

来自多邻国联创和CTO Severin Hacker的访谈全视频精华，原视频长1小时54分。 * Duolingo 起初只是卡内基梅隆大学的一个研究项目。外界普遍认为，这只是一个教授和他的博士生做出来的产品，不可能赚钱。创立的前五年，公司是零收入。 * Duolingo 的使命：让最优质的教育惠及所有人。如果能将成本降低 10 倍甚至 100 倍，就能让所有用户享受到同等服务，让每个人都受益。 * 提出AI first前后，过去，开发最初的 100 门课程耗时约 12 年；如今，仅用一年，就新增了 148 门。 * Duolingo 内部有个概念叫「绿色机器」（Green Machine），指不断做实验，在找到有效策略后加大投入。它的成功不能归因于某个单一功能。比如连胜打卡（Streak），虽然诞生于一次实验，但用户的长期喜爱来自后续超过 300 次的优化迭代。Duolingo 的增长背后，是成千上万次的 A/B 测试。 来源：www.youtube.com

作为一个 I 人，主动约网友聊天是有点难。不过，这是一个神秘大佬给我的建议。 今年 5 月，我在高铁上遇到一个魁梧的中年男子。当时他来晚了，在找座位，我提示了他一下，他正好是邻座，感谢了我的小小善意。他似乎观察了我一阵子，然后问了什么问题（忘了），就开始聊起来。我才发现这是一位神秘大佬，我把自己的一些困惑坦诚提出来，结果我们的话题很快进入“付费级”咨询环节，他慷慨地给我了很多工作和人生建议。 其中有一个就是——不要总和同行交流，要和跨行业的人交流。 对，这就是我利己的想法。不过最好也能顺带利他，和你交换一些认知和信息——因为你也在和跨行业的人交流。 我熟悉的领域和能提供的信息： * AI翻译、多语言本地化：这是我做了大约 10 年的事情，这几年在做专业级AI 翻译languagex.com，可以提供脱敏的一手的信息和思考。 * 通用AI的一些观察：你可以在公众号/小宇宙/苹果podcast@David的AI 全景图看到我关心过的内容。最近关注 Vibe coding和 AI+内容多一些，也可以聊聊 GPT5啊。 * 产品相关的经验： B 端和 C 端产品、设计、管理、出海、Producthunt打榜… * 外语生/文科生转 AI/技术：算是免费咨询，因为我曾经是一个本科学外语的学生，你或许会少走些弯路。 * 一些爱好：读书、书法、足球 名额可能不多，我会先按照兴趣匹配来约，所以弄了一个简单的表单。不过，我能承诺，只要填了表单，我都会加个微信，交个朋友。 表单：https://lvbjv6o2rsw.feishu.cn/share/base/form/shrcnBZELlDEtWKHw8luBzEyWXe

来听听GPT5技术报告精华。 原文PDF下载链接：cdn.openai.com

Anthropic CEO Dario Amodei 在播客Big Technology 中和主播 Alex Kantrowitz的对话。原视频70分钟。 * 我们从 2023 年的 0 增长到了 1 亿美元，2024 年从 1 亿增长到了 10 亿。而今年，上半年我们就从 10 亿增长到了……我想到今天为止，已经远超 40 亿，可能是 45 亿。 * 我认为唯一真实的东西，就是那条指数曲线——每隔几个月，我们就会得到一个比上一个更强的 AI 模型。 * 我到普林斯顿的时候，是想成为一名理论物理学家，我最早的几个月也确实在做宇宙学的研究。那段时间，我父亲去世了。那件事对我影响很大，也是说服我转向生物学的原因之一，我想去解决人类的疾病和生物问题……在他去世后大概三四年，他得的那种病的治愈率从 50% 提高到了大概 95%。 来源：www.youtube.com

腾讯研究院最近发布的《AI coding非共识报告》，研究和讨论了以下7个非共识，值得推荐： * ⾮共识01：AI Coding的最佳产品形态是什么？——本地 VS 云端 * ⾮共识02：AI Coding产品选择什么模型？——⾃研 VS 第三⽅ * ⾮共识03：AI Coding给⽤⼾的价值有多⼤？——提效 VS 降效 * ⾮共识04：AI Coding产品理想付费模式是什么？——固定 VS 按需 * ⾮共识05：⼤企业推进AI Coding应⽤的态度？——激进 VS 渐进 * ⾮共识06：AI Coding对组织发展的影响？——裁员 VS 扩张 * ⾮共识07：AI Coding的未来市场格局是怎样？——专业 VS 普惠 原报告PDF（版权归腾讯研究院所有）： 链接：pan.quark.cn 提取码：17wx

比 Scale AI 更值得关注的 AI 数据标注公司Surge AI。至今没有融资，去年营收达到 10 亿美元，已超过Scale AI。 摘要： * 数据标注领域的其他公司本质上只是「人力外包公司」，交付的不是数据，而仅仅是人力。Surge 定位其产品是：直接用于训练和评估 AI 模型的高质量数据，包括监督微调（SFT）数据、偏好数据等。 * 大语言模型竞技场，以及各种学术基准测试是「人工智能的一大祸害」。用户凭 5-10 秒的直觉选择，导致模型被训练得去优化排版、表情符号和回答长度等表面特征，牺牲了事实性和指令遵循能力，本质上是在训练模型产出「点击诱饵」。 * Edwin Chen 用「画边界框」和「写诗」来类比两类数据。前者数据质量天花板很低，而后者（如写诗、编程、数学证明）质量天花板极高，充满了主观性、创造力和智慧。生成式 AI 时代所需要的数据是后者。 * 你可以用 10%的资源和 10%的人力，建立一家完全不同的公司，但你的发展速度仍然可以快 10 倍，并且能生产出好 10 倍的产品。 来源：www.youtube.com

刚刚发布的《赢得竞争：美国AI行动计划》的重要文件。 计划列举的三大核心支柱： * 加速AI创新，这包括减少监管障碍、促进言论自由的AI系统以及鼓励开源AI开发； * 建设美国AI基础设施，重点在于简化数据中心和半导体制造设施的审批流程、升级电网并培养AI相关劳动力； * 以及引领国际AI外交和安全，致力于向盟友出口美国AI技术、对抗中国在国际AI治理中的影响力以及加强AI计算和半导体制造的出口管制。 来源：https://www.whitehouse.gov/wp-content/uploads/2025/07/Americas-AI-Action-Plan.pdf

字节Seed 团队刚刚发布的端到端同声传译大模型，准确率70%，时延在3秒以内。未来应该是翻译耳机和跨语言视频会议的标配。 Seed LiveInterpret 2.0 技术报告已公布，模型基于火山引擎对外开放，Ola Friend 耳机也将在 8 月底接入 Seed LiveInterpret 2.0，成为首个支持该模型的智能硬件设备。 技术报告：arxiv.org 项目主页：seed.bytedance.com

来自Lenny和Every创始人Dan Shipper的访谈。 Every 在探索 AI 的可能性方面走在行业最前沿，仅有15名员工，已经开发并上线了4款产品，同时发行每日新闻通讯，还发展了咨询业务，每个人都是六边形战士。 摘要： * 对AGI的新定义：agent可以一直开着，独立运行，且有利可图。就像青少年长大后可以自己生活。目前Claude code可以做到20-30分钟，就像一个两三岁的婴儿一样。 * Claude code是最被低估的非编程产品，跳过命令行，你可以发号施令，直接完成任务，而不是像cursor一样关注怎么写代码。比如整理分析会议纪要，模仿《战争与和平》的文风。 * 一家公司能否成功采纳 AI，唯一的预测指标是：CEO 自己是否每天使用 ChatGPT 等工具。 来源：www.youtube.com

Scott Wu 是 Cognition 的联合创始人兼首席执行官，该公司推出了世界上第一个 AI 软件工程师 Winsuft创始团队带着少数几个骨干抛弃了剩下的团队，到Google去了。上周五，Cognition 收购了 Windsurf被留下来的团队。 收购动机：我们Cognition的重点尤其在于核心工程和产品团队，而显然，Windsurf已经建立了一个了不起的市场推广团队，营销团队，财务运营团队。类似地，在产品方面，我们发现它实际上有一个非常自然的互补倾向。所以我们周五晚上主动联系了他们， 对Windsurf创始人的吐槽：作为创始人，有一项不成文的约定，即要与公司共存亡。无论好坏，在过去一年里，这种约定有所改变，坦白说，这有点令人失望。

来自Manus的联合创始人、技术负责人Peak（季逸超）分享了一篇技术博客：Context Engineering for AI Agents: Lessons from Building Manus。 * 我上一个创业公司的惨痛教训，我从头开始为开放信息提取和语义搜索训练模型。然后 GPT-3 和 Flan-T5 出现了，我的内部模型一夜之间变得无关紧要。 * Manus 将押注于上下文工程。我们能够在几小时内而非几周内推出改进，并使我们的产品与底层模型保持正交——如果模型进步是上涨的潮水，我们希望 Manus 成为那条船，而不是固定在河床上的柱子。 * 模型会盲目模仿上下文中的行为模式。Manus 通过引入结构化变化（如不同措辞或顺序），避免模型在长任务中陷入复制粘贴式幻觉。 来源：https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus