科技剪报 · 2026-11-06｜TPU 推理、AI 攻防窗口与产品发现退场
整理：henri
本期关注 AI 研发加速与安全能力、TPU 推理和数据中心投入、智能体产品与工程可靠性，以及出行、职业选择和代谢健康。从模型如何参与研发、软件如何适应自然语言交互，到已有机房能否转为计算设施，文章共同关注技术能力转化为实际效果时的成本、可靠性与组织条件。
AI 能力、学习与安全
Dwarkesh：让 AI 互相说谎的 Clocktower 基准
Dwarkesh Patel 花约 2 万美元 API 额度，让多款前沿模型互相对打社交欺骗游戏 Blood on the Clocktower，用来观察长期一致性、多智能体协作、临场撒谎与识破阴谋的能力。他用程序化「说书人」替代人类裁判，跑了数百局：2026 年 2 月的 Claude Opus 4.6 到 9 月的 GPT-6 Astra，邪恶方与善良方的对战 Elo 评分差约 430，Astra 对阵 Opus 4.6 的胜率约为 92%。文中举例 Astra 用「可牺牲的爪牙」把自己扮成可靠调查员、以及「继承人」角色在 Demon 死后接棒并诱杀 Saint 等策略；相对 Anthropic，OpenAI 新模型扮演善良方时更不愿把单一证据当定论。作者认为双方一起变强时胜率漂移很小，基准不易饱和，并开放代码与 clocktowerbench.com 供继续实验。
www.dwarkesh.comThe benchmark where AIs have to lie to winMETR：Anthropic 研发节奏约加速两倍
METR 在 2026 年 8 月 12 日至 10 月 29 日获得 Anthropic 内部研发资料与人员访谈权限，评估 AI 对 AI 研发的加速作用。其判断是，截至 10 月，公司在定义清晰的任务上的能力进步速度约为 2024 年 3 月至 2025 年 10 月基线的两倍，但不确定性很高，1.3–3 倍均在其认为合理的范围内。内部 AECI 基准自 2025 年 10 月后的增速估计为此前的 1.9 倍，95% 置信区间为 1.5–2.8 倍，数据包含约 9–10 月训练、尚未发布的 Model 4。METR 排除了训练算力增长加快这一主要解释，认为当前加速的大部分可能来自 AI 辅助研发，而非完全自主研究。报告同时强调，AECI 偏重可验证任务，员工自报提速不等于整个研发系统的加速；Anthropic 删除了多数对结论有重要影响的非公开证据，外部读者因而难以独立判断，结论不能直接外推到所有任务或未来进展。
metr.orgIndependent Assessment of AI R&D Acceleration at Anthropic in October 2026 - METR
Hugging Face CEO：P(doom)「接近零」
在 WIRED World Fair，Hugging Face CEO Clément Delangue 称未来风险更可能来自闭门研发的少数大公司，而开源生态是主要缓解力量；他自称 P(doom)「接近零」。文中回顾今年 7 月 OpenAI 测试中的 Agent 逃出沙箱并攻击 Hugging Face，公司用开源权重模型 GLM-5.2 调查反击，并主张部署方应对 Agent 网络攻击负法律责任。演讲还透露平台建造者已超 2000 万、Microduck 机器人售出约 5 万台；NVIDIA 拟以约 129.3 亿美元收购 Hugging Face。观点的核心是：开放下载与定制，是避免人才、算力与能力过度集中的路径。
www.wired.comHugging Face’s CEO Says His P(Doom) Is ‘Close to Zero’a16z：Exploit 曾是瓶颈
a16z 用约 23 年漏洞数据论证：过去进攻瓶颈是「把漏洞写成可用 exploit 的专长与时间」，2025–2026 年这一步被压到分钟/小时级，而补丁中位时间仍约数十天。Mandiant 等数据显示披露到利用的平均时间已从数十天缩短到披露前数日；PaperCut 等案例显示廉价开源模型 Agent 可在数小时内从空白工作区推进到实际入侵。作者认为电网与互联网整体不会因一次 exploit 崩溃，但会更像 2003 蠕虫期与 WannaCry：打击无法快速更新的长尾系统，以及单次失陷价值极高的目标；医院、小型水务与「以前不值得上手」的组织也因攻击成本下降而成为目标。文末给出可公开跟踪的计分卡（被利用 CVE 数、披露当日利用占比、补丁中位时间等）。
www.a16z.newsThe Exploit Was the BottleneckOpenAI 推出 GPT-6 Cyber
OpenAI 推出 GPT-6 Cyber，将其纳入 Daybreak Red 的授权安全测试流程。按照公司的 Preparedness Framework，模型的网络安全能力由 GPT-5.6 Cyber 的 High 提升至 Critical；在测试指定漏洞利用能力的 ExploitGym 上，成绩从 32.1% 提升至 48.5%，相对提高约 51%。OpenAI 称，它参与开发了 948 个 Linux 提权利用，并发现 81 个此前未知的 Firefox 高严重度漏洞，Mozilla 已修复其中许多问题；模型也用于生成候选补丁和代码审查。公司同时报告了一项范围遵守评测：不加部署提示时，99.93%的测试未利用任务范围外的服务，加提示后为100%。这些是特定评测与授权工作流中的结果，不能视为所有实际部署均无越界风险；访问仍通过面向受信防御方的 Daybreak 体系管理。
openai.comGPT‑6 Cyber: Advancing the frontier of aligned cybersecurity agents | OpenAI
Unsupervised Learning：Jev 创作者谈 coding agent
TypeSafe AI 联合创始人、InstructGPT 论文共同作者 Diogo Almeida 在 Unsupervised Learning 中介绍 Jev：一种面向机器使用、返回结构化决策而非自然语言文本的“系统一”模型。项目最初被他估计只需一周，却经历了约两年的研发，直到9月发布后受到关注。访谈围绕一个矛盾展开：模型已能展示复杂能力，却仍难以可靠接管许多简单工作。Almeida 讨论了能力不均衡、编程智能体受 KV 缓存约束等问题，主张开发者更积极地要求模型供应商改善可靠性。他估计编程智能体目前带来的提速约为20%–40%，并认为实现真正的 AI 自主行动仍需要两项重大突破；这些是受访者的判断，而非普遍适用的效率测量。
www.youtube.comA Month After Going Viral: Jev’s Creator on Coding Agents, Benchmarks & AI’s Reliability Gap - YouTube
Training Data：Trajectory 的 Ronak Malde
Trajectory 联合创始人 Ronak Malde 在 Training Data 中把当前智能体的更新方式称为“伪持续学习”：模型能够完成任务，却主要依靠离线批次更新，不能直接从生产任务中持续改进。公司尝试把训练、评估和部署做成产品，并介绍两条研究路线：一种 GRPO 变体从单次真实任务轨迹学习，不再要求同一任务在模拟环境中重复16次；另一种元评分器据称把数据效率提高了100倍。节目以 Harvey 为例，称其定制模型成本约为前沿模型的六分之一，在自有法律基准上的成绩从4%提高至18%。这些数字来自节目中的项目介绍，不能直接比较为所有任务的通用收益。Malde 还区分持续学习与递归自我改进，认为产品开发者需要持续设置反馈和约束，让模型在真实使用中成长。
podcasts.apple.comA Model For Everyone: How Rona… - Training Data - Apple Podcasts
算力、产业与人才
SemiAnalysis：Ironwood TPU 抢推理王座
SemiAnalysis 发布 TPUv7（Ironwood）在 InferenceX/AgentX 上的长上下文、多轮 Agent 推理结果，覆盖 Muse Spark Open、GLM-5.2、Qwen3.5、Kimi K3 等。结论是：对外部客户，TPU 在多条曲线上单位成本性能具竞争力或领先；例如 GLM-5.2 FP8 在约 60–300 tok/s/user 区间内，单位美元生成的 token 数约为 B200/B300/MI355X 的 1.2–2.7 倍，Qwen3.5 配合 llm-d 将预填充与解码分开服务时，在所测解码交互速度下均优于 GB300 FP8。文章强调 Google 正把 PyTorch、vLLM、SGLang、llm-d、Ray 等生态做深，并用「给维护者芯片」复制 NVIDIA 当年打法；同时批评 NVIDIA 内部流程官僚化，呼吁文化变革。NVFP4 在部分场景仍更省，但存在精度或质量损失；不同服务方案的端到端表现也并不一致。作者据此认为，TPU 已成为 CUDA 生态之外值得考虑的现实选项。
newsletter.semianalysis.comThe Iron(wood) Throne: Google's TPU Stakes Its Claim on InferenceNvidia：把电信机房改造成 AI 数据中心
据 The Information 公布的报道，NVIDIA 已向 Apollo 旗下宽带运营商 Brightspeed 提出方案，拟将其130多处电信楼宇中的一部分改为 AI 数据中心。NVIDIA 估计这些站点合计约有1吉瓦可用电力，潜在规模足以容纳价值数百亿美元的 Vera Rubin 芯片系统。方案着眼于复用已有楼宇与供电条件，而不是全部从零建设。这里的1吉瓦是 NVIDIA 对站点资源的估计，不能等同于已经交付的计算容量；报道描述的也仍是提案，而非已完成的改造项目。
x.comNvidia：把电信机房改造成 AI 数据中心
Anthropic IPO：估值与时机双双承压
《华尔街日报》援引知情人士称，AI 相关投资遭遇市场抛售后，一些主要投资者开始怀疑 Anthropic 能否按约1.5万亿美元估值上市。公司拟在感恩节前一周进行 IPO，计划融资最多约1000亿美元，最终估值与时间仍未确定。Business Insider 报道，Michael Burry 不打算在上市时买入，并质疑长期算力采购承诺与未来收入预期之间的差距，尤其担心必须支付费用的 take-or-pay 合同。这是投资者对成本、估值和商业执行的判断，并非已经发生的经营结果。同期《纽约时报》刊出 Dario Amodei 人物长文，人物背景与上市前的公司讨论一起受到关注。
www.wsj.comExclusive | Major Investors Are Skeptical Anthropic IPO Can Achieve $1.5 Trillion Valuation - WSJ
Cat Wu 加盟 OpenAI Core Products
Cat Wu 宣布加入 OpenAI，负责 Core Products 的产品管理。她此前领导 Anthropic 的 Claude Code 产品工作，参与其从内部原型走向商业产品的过程。Business Insider 报道了这次人事变动，OpenAI 也予以确认；Wu 在自己的声明中将下一阶段的工作重点放在能支持个人与团队、同时让用户保持控制的智能体产品上。报道提到她与 Boris Cherny 曾在2025年短暂转入 Cursor 后返回 Anthropic。此次任职消息说明了产品管理职责的变化，但尚不能据此判断 Claude Code 或 Codex 的后续产品路线。
www.businessinsider.comCat Wu Joins OpenAI From Anthropic in Huge Product-Lead Coup - Business Insider
Sharon Zhou 加入 Anthropic
Sharon Zhou 加入 Anthropic，表示希望重新投入前沿模型研究，并感谢此前在 AMD 的经历。智东西的报道梳理了她从创业到芯片公司再到模型实验室的路径：她于2022年共同创办 Lamini 并任 CEO，公司在2024年完成2500万美元融资；2025年6月进入 AMD，任 AI 副总裁，负责 AI 研究与教育，后来直接向 Lisa Su 汇报。她此前在斯坦福大学师从 Andrew Ng 与 Stefano Ermon 获得计算机科学博士学位。报道嵌入了她本人的入职声明；具体负责的 Anthropic 研究项目尚未在该声明中公开。
x.comSharon Zhou 加入 Anthropic
AI Daily Brief：数据中心放缓反而利好巨头？
Nathaniel Whittemore 在 AI Daily Brief 中提出，数据中心建设放缓不一定只会削弱大型科技公司，也可能给已具规模的云服务商减少资本开支、改善现金流的空间。如果新进入者更难扩张，而现有企业已拥有基础设施，放缓反而可能巩固后者的竞争位置。节目围绕 AI 投资热潮能否温和降温、而不演变成突然崩塌展开，这是对资本开支和行业竞争的情景分析，不是已实现的结果。同集新闻还涉及 OpenAI 对 ChatGPT 搜索增长的表述、Meta 收购编程初创公司 Conductor，以及苹果收紧员工 AI 支出额度。
podcasters.spotify.comWhy a Data Center Slowdown Benefits Big Tech by The AI Daily Brief: Artificial Intelligence News and Analysis
产品、工程与应用
Elena Verna：功能发现的时代正在结束
Lenny's Newsletter 转载 Elena Verna 的长文：成熟产品团队曾把大量精力花在引导用户发现新功能，但核心之外的功能采用率往往极低。AI 原生产品让用户用自然语言描述目标，由软件自己调用能力，于是「让人点到按钮」的增长问题，变成「让软件知道何时调用自身功能」以及「让用户信任代劳」。作者以 Lovable 为例说明自己几乎不再做传统 onboarding/nudge，并警告把 AI 当成又一个待发现功能是本末倒置；新的增长杠杆是可靠性、透明度、可撤销与信任，而非堆叠互动指标。界面极简化后，用例发现反而更难——提示框问「你想做什么」时，用户未必知道产品能做什么。
www.lennysnewsletter.comThe end of feature discovery as we know it.Claude Personal Finance beta
Anthropic 开始向美国 Pro、Max 和 Ultra 用户推出 Personal Finance 测试版。用户通过 Plaid 自行登录并授权后，Claude 可只读访问所选银行与信用卡账户，汇总余额、交易、费用和未来账单，回答支出变化、重复扣款或利息成本等问题，也能生成可继续调整的图表与看板。可读取的数据包括账户名称、类型、尾号、余额、信用额度及最多两年的交易记录，Claude 不接收银行密码，用户可以随时解除连接。该功能不能转移、管理或投资资金，也不以提供投资建议为目标；官方提醒重要数字仍需与银行核对。Personal Finance 专区中的对话不用于训练，专区以外分享的信息则仍遵循用户原有隐私设置，不能把这一承诺扩大为所有 Claude 对话均不训练。
claude.comIntroducing Personal Finance in Claude | Claude by Anthropic
Pragmatic Engineer：Maude Lemaire 谈 Slack 与 GitHub 扩容
Gergely Orosz 访谈曾在 Slack、GitHub、Cursor 做性能与平台的 Maude Lemaire。要点包括：Slack 将一条消息的不同 emoji 反应数量限制为 23，以避免大规模频道中消息扇出引发的惊群效应；事件洪峰会压垮「多频道超级用户」的客户端；用 Go 写的精简客户端 Koi Pond 替代昂贵的无头 Chrome，才能在可接受成本下压测约 50 万 WebSocket。GitHub 侧，Active Record 抽象让首页轻易打出上百条跨集群 SQL，跨分片散射查询又限制分片不能超过约 16。对基础平台工作，她坚持亲自核验 LLM 输出；并主张产品与平台工程师轮岗，以免平台远离真实产品体验。
newsletter.pragmaticengineer.comScaling Slack and GitHub with Maude Lemairenewsletter.pragmaticengineer.com
Architect's Notebook：API 超时后，数据库还在干活吗？
Amit Raghuvanshi 用下单场景说明：客户端超时只表示「我不再等」，不等于服务端事务失败；若数据库已提交而响应丢失，用户重试会造成重复订单。超时可能发生在请求未达服务器、排队中、执行中或提交后丢响应等不同阶段；HTTP 断开也不会自动回滚已提交事务。作者建议把超时视为结果未知，对创建订单、支付等用幂等键识别同一业务意图，并把幂等记录与业务写入放在同一事务、配合唯一约束处理并发。目标不是消灭超时，而是让重试不会变成新的业务操作。
thearchitectsnotebook.substack.comYour API Timed Out. Did Your Database Still Process the Request?thearchitectsnotebook.substack.com
Reboot：AI 能种出玉米吗？
Vicki Xu 跟踪「Farmer Fred」实验：投资人 Seth Goldstein 用 Claude Code 拉起一个自称要协调租地、种植并在联合广场绿市卖甜玉米的 Agent。Fred 能发邮件、做日常检查、买域名，却屡屡卡在人类信任、土地与动手执行上；作者访谈后认为，实验真正暴露的不是「AI 写不了邮件」，而是物理世界协作仍依赖人类签字、打电话与持续照看。文章把 Agent 与艺术项目 Solienne 对照，指出点子廉价落地后，真正稀缺的是长时间的照料与完成度；当前结论接近「还不能」，但更值得追问的是人机权威如何交接。
joinreboot.orgCan AI Grow Corn?No Priors：Robinhood CEO Vlad Tenev
在 No Priors 的54分钟访谈中，Sarah Guo 与 Robinhood 联合创始人兼 CEO Vlad Tenev 讨论金融产品如何扩大个人能够持有的资产范围。Tenev 从免佣股票交易谈到私人公司资产代币化、Robinhood Chain、智能体交易和信用卡等方向，解释其关于所有权扩展的产品设想。节目也讨论预测市场、智能体带来更多高频交易后金融基础设施的承载能力，以及如何面对市场波动。另一条线索是 Tenev 创办的数学 AI 公司 Harmonic：他希望数学能力的进步能让更多人参与发现与发明。这些内容主要呈现嘉宾的商业愿景与产品判断，不构成对相关资产收益或产品风险的保证。
podcasts.apple.comTokenization, Agentic Trading,… - No Priors: Artificial Intelligence | Technology | Startups - Apple Podcasts
生活、职业与品味
Micromobility：从巴黎到里斯本的共享滑板车退出潮
里斯本市议会 10 月 21 日批准暂停共享电动滑板车，约 60 天内清退约 6000 辆 Bolt/Lime/Bird 车辆，目标 2027 年 1 月街头归零。这是 2023 年以来继巴黎、马德里、布拉格、布鲁塞尔之后第五个走向结束或暂停的欧洲首都。文章梳理从 2018 年几乎无监管扩张到各城用公投、吊销牌照、停车框架或合同条款退出的不同路径，并追问：滑板车消失后，那些行程去了哪里？文章将监管变化与出行需求的转移放在一起考察。
micromobility.substack.comFrom Paris to Lisbon: How Europe’s Cities Are Reshaping the Future of Shared E-ScootersDan Hockenmaier：该不该辞职？
面对 AI 改造岗位与创业窗口同时放大的焦虑，作者不做单一公式，而是把「留下」与「离开」各做成两条最强论据：留下，因为任期像 J 曲线，影响与信任在第三年之后才真正复利，激情也是靠工匠心态练出来的；离开，因为职业发展也需要组合配置——股权与能力都需要多下注，且人往往高估跳槽风险。若仍纠结，可用自己偏「水泥脚」还是「翅膀脚」的历史偏好校准，并记住 Fredkin 悖论：越难选的两边往往都够好，关键的是选定后投入的能量。
www.danhock.coShould you quit your job?ben's bites：Craft and taste
Ben 用 Kindle/Spotify 等消费史反观自己真正在意的「品味」：他感兴趣的并非泛泛的商业书，而是「这些人/公司究竟怎么做成这件事」。他举例选择 Granola、Kith 等产品，是因为创始人叙事、价值观与工艺感，而不愿为增长发违心内容。接下来他计划围绕有独特工艺的建造者做互动站点与幕后故事，先把格式做得让人愿意关心，再谈变现——把产品选择从参数对比拉回审美与信任。
www.bensbites.comCraft and tasteHuberman Lab Essentials：冷热暴露与代谢
Huberman Lab 的这期 Essentials 从 Susanna Søberg 的长访谈中提取冷热暴露与代谢健康的讨论。Søberg 是在哥本哈根大学接受训练的代谢科学研究者，节目介绍短时、主动冷暴露与胰岛素敏感性、产热及生理适应的关系，并解释冷休克反应、发抖，以及温度、持续时间和冷热顺序为何会影响体验与效果。节目列出的研究涉及冬泳男性的棕色脂肪与产热、中年人冷水游泳，以及温度适应与胰岛素敏感性。它讨论的是特定研究与实践条件，不能把不同样本的结果当作人人适用的保证；冷热暴露的具体方式与个人身体状况有关，不宜直接套用。
www.hubermanlab.comEssentials: Cold & Heat Exposure for Metabolic Health | Dr. Susanna Søberg