金融高管集体点头的那一刻:AI已不再是工具,而是同事
在一场只对金融行业高管开放的分享中,OpenAI给出了一个反直觉判断:真正拉开差距的,不是模型多强,而是谁先把AI当成“组织的一部分”。从银行一线到底层基础设施,这次演讲透露了金融AI落地的真实进度。
在一场只对金融行业高管开放的分享中,OpenAI给出了一个反直觉判断:真正拉开差距的,不是模型多强,而是谁先把AI当成“组织的一部分”。从银行一线到底层基础设施,这次演讲透露了金融AI落地的真实进度。
OpenAI 的解决方案工程师在一场演示中抛出一个反直觉结论:AI 编码代理并没有取代工程师,却让团队一周交付量超过过去一个月。更夸张的是,这套工具上线一周就破百万下载。真正的变化,发生在工程流程本身。
这一周的AI圈有点不对劲:Cursor不再只是写代码的工具,DeepSeek被反复拿来和Opus对标,而Anthropic似乎成了最“坐立不安”的那一方。这不是零散更新,而是一条正在成形的趋势线。
当大模型已经能写出比你更好的前端代码,问题就不再是“能不能生成 UI”,而是“为什么我们的界面还这么原始”。Postman 的资深工程师 Ruben Casas 抛出一个大胆判断:我们还被组件时代困住了,而真正的生成式 UI 才刚开始。
大模型已经能一口气生成成千上万行代码,但这真的等于“企业级可用”吗?在这场演讲中,Sonar 的 Prasenjit Sarkar 用评测数据、排行榜和工程实践给 AI 工程师泼了一盆冷水:问题不在“能不能写”,而在“敢不敢用到生产环境”。
大多数人以为代码补全的未来在更大的模型,但 Zed 团队走了相反的路:用一个小模型,盯住“你下一次会怎么改代码”。更反直觉的是,它的训练数据不是标注出来的,而是你每天真实的编辑行为。Ben Kunkle 用一次演讲,拆开了这个几乎没人公开讲过的生产级训练流程。
Anthropic 刚放出 Claude Opus 4.8,第一波反馈却并非清一色的“更强了”。有人兴奋,有人挑刺,更有人直言:这不是模型升级,而是一次关于“AI该怎么用”的路线之争。更微妙的是,OpenAI、AI Agent 创业公司们,正在同一时间改写战场规则。
在 Alchemy 负责产品的 Matias Castello 不是工程师出身,却用 AI 把“个人生产力”和“团队交付速度”推到一个反直觉的新高度:事故能被提前抓住、原本一年半的项目一周完成、甚至在 Apple Watch 上用语音派发编程任务。这期 Builders Unscripted,信息密度极高。
一家还在造车血海里游泳的公司,为什么要同时押注AI和人形机器人?更反直觉的是,CEO本人却刻意不用AI编程工具。在这次二访中,何小鹏谈的不是愿景,而是胜率不高却必须下注的现实。
在这期播客里,何小鹏罕见地把“赌”这个字摆到台面上:不只是赌一条技术路线,而是赌CEO该怎么当、企业该怎么用AI、以及为什么通用人形机器人现在“还没有对手”。更反直觉的是,他几乎不关心Token消耗,却把AI编程视为企业第一优先级。