科技剪报 · 2026-11-20|智能体的验证与产品的账本
整理:henri
智能体开始接手性能排查和数据迁移,工程团队仍要负责验证、隔离与部署决策。临床问答和项目管理工具则面对另一组问题:谁为答案付费,用户为何留下,以及模型能力怎样转化为可持续的产品。本期 9 条也讨论机器的自主行动、室内通信与太空算力。
工程与安全
Railway 入侵后为每次构建启用独立虚拟机
云平台 Railway 在 10 月下旬遭到入侵,内部代码和部分客户的 AI 服务 API 密钥失窃。Railway 暂停构建服务,并把相关密钥的哈希值交给 AI 服务商,以便尽快吊销密钥。重新开放构建后,每次构建都在用完即弃的独立虚拟机上运行,不再让多个客户共用同一台机器。
《The Pragmatic Engineer》结合事故复盘和对基础设施公司负责人的采访,推测这类攻击可能借助了去除安全限制的 AI 模型。作者判断,这些工具能缩短攻击者拿到代码后分析系统所需的时间,但没有确认 Railway 入侵者使用了哪种工具。他建议防守方按源代码可能外泄来设计隔离,不让异常访问在监控中停留数小时才有人处理。竞品 Northflank 在 Railway 出事当天发文建议客户迁移,九天后自己也遭遇了相似的入侵。
What can we learn from the Railway hack? · The Pragmatic Engineer
newsletter.pragmaticengineer.comRailway 入侵后为每次构建启用独立虚拟机OpenAI 用 Codex 调查性能回退,并在部署后核验恢复
OpenAI 于 11 月 19 日介绍 Performance Factory,一套运行在云端、由 Codex 驱动的性能工程系统。首个 Regression Workflow 在告警触发后创建任务,由智能体调查原因、记录证据并提出修复,工程师审查后决定是否部署;部署完成再唤醒另一个智能体,检查性能是否回到基线。公司称,三个多月里系统跟踪了 1700 多次调查,为 600 多个案例定位根因,平均每天约 17 次自动调查。
任务状态与调查结果保存在会话之外,因此工作能跨智能体、代码审查和部署继续推进。为避免过早接受看似合理的解释,团队增加了独立的反驳式审查,让另一轮 Codex 检查假设与反事实。对 100 个根因建议的人工评审中,70% 被判为准确,其余仍需完善或未充分建立因果关系。
How OpenAI’s Performance Factory keeps ChatGPT fast
openai.comOpenAI 用 Codex 调查性能回退,并在部署后核验恢复Cognition 把 Devin 用于 Databricks 数据迁移
Cognition 与 Databricks 于 11 月 19 日推出 Devin for Databricks Migrations。Devin 会转换旧数据仓库代码,在客户工作区测试并修复失败项,在切换前核对数据结构、行数、汇总值和逐行差异。公司称,系统可并行执行数百项任务;一家《财富》世界 500 强能源公司用它在八天内将包含 142 个对象的平台迁往 Unity Catalog。
合作伙伴 Zeb 还介绍,为一家全球投资咨询公司迁移 NetSuite 数据时,Devin 与工程师共同构建了数据管道和 20 张表,把原定四周的项目缩短至两周半。产品已在 Databricks Marketplace 上线,采购可计入客户现有的 Databricks Universal Commit 承诺额度。同日,Cognition 另在 X 宣布 Devin Security Threats,将新公开漏洞编入索引,供用户扫描与修复。
Devin for Databricks Migrations · Cognition 关于安全威胁索引的帖子
devin.aiCognition 把 Devin 用于 Databricks 数据迁移产品与商业
谁为临床问答工具买单
《Shovel Seller MD》的作者把两种药企推广方式放在一起看:路透社报道,中国药企正借助医疗应用接触医生;在美国,临床问答工具 OpenEvidence 让医生免费使用,靠销售药企广告赚钱。据 MedCity News 报道,OpenEvidence 在 2 月的估值为 120 亿美元。阿里健康还在考虑让推广研究和临床证据显示在旗下问答应用的答案旁;其技术负责人称,当时尚未与药企展开合作。11 月 15 日,苹果与 OpenEvidence 合作推出面向美国成年消费者的健康问答研究应用。
作者担心,广告和答案即使在界面上分开,赞助也可能影响系统选取和排序证据。《柳叶刀·数字健康》刊载的一项对照研究用 33 个医生编写的病例测试了 12 个模型:如果在问题前放一条明确标注的药品广告,模型推荐该药的比例从 35% 升至 47.6%,而自由作答时只有 29.9% 的回答提到广告。研究并未测试上述任一具体产品。作者建议,评估这类工具时,除了看引用,还要弄清谁付费、赞助材料是否参与检索和排序、系统依据哪些资料、答案能否审计,以及能否改用本院指南。
Who Pays for the Answer? · Shovel Seller MD
chadyou.substack.com谁为临床问答工具买单Linear 如何在智能体时代把年化经常性收入推至 1 亿美元
Linear 首席运营官 Cristina Cordova 在 Latent Space 访谈中介绍,公司今年的年化经常性收入(ARR)已超过 1 亿美元,付费客户超过 4 万,净收入留存率为 177%。一年前,智能体创建的工作项只占 3%,如今已超过一半。她同时观察智能体使用量与应用内使用量:前者上升而后者停滞,意味着产品可能退化为供外部工具读写的数据库。Linear 希望用户仍回到应用内理解、协调工作。
Cordova 加入时,公司约有 40 人和一名销售。她先聚焦成长型企业,后来又因智能体需求调整企业功能路线,开发 MCP、智能体平台与编程工具集成。公司不设专职销售开发代表,也不做驻场开发;客服使用 AI 起草,但由人决定回复。定价仍保留席位制,编码会话按所选模型的公开 API 价格加少量费用计费,周期性智能体任务则使用 AI 点数。约 83 分钟的访谈也讨论为何结果计费难以直接套用到项目管理,以及短期 AI 采购预算与续约收入之间的差别。
Scaling Linear’s GTM to $100M ARR
podcasts.apple.comLinear 如何在智能体时代把年化经常性收入推至 1 亿美元智能与协作
Bob McGrew:超级智能仍要跨过物理世界的瓶颈
Arda 联合创始人兼 CEO、OpenAI 前首席研究官 Bob McGrew 在约 60 分钟的 No Priors 访谈中反对智能会突然无限加速的「硬起飞」设想。他认为,自动化 AI 研究员带来的是一次能力提升,而非必然自我加速的循环:GPU、算力、实验室与工厂仍会约束下一步发展。
McGrew 正在 Arda 为制造工程师开发 AI 工具。访谈把人形机器人与机器人工作单元、开放环境与封闭环境的任务相比较,也讨论端侧模型的速度、安全,以及工程师进入客户现场协作的方式。他与 Sarah Guo、Elad Gil 进一步探讨机器制造机器、自复制工厂等远期可能性,把超级智能的讨论从数据中心延伸到生产与实验。
Superintelligence Needs the Physical World
podcasts.apple.comBob McGrew:超级智能仍要跨过物理世界的瓶颈Michael Tomasello 从不确定环境解释机器的自主行动
发展心理学家 Michael Tomasello 在约 67 分钟的 Machine Learning Street Talk 访谈中,把 agency,即主体为自身目标作出行动选择的能力,追溯到环境的不确定性。他的解释是:环境可预测时,演化可以预先固定行为;环境不可预测时,生物才需要一个能够决策的系统。节目从交通灯、恒温器与扫地机器人,谈到会设想跌落风险的松鼠、决策前主动寻找信息的类人猿。
后半部分转向人类的共同目标、共同注意和视角理解。Tomasello 用视频通话失去声音后,儿童自创手势并形成约定的例子,解释语言背后的协作基础。他认为,大语言模型从语言这一终点出发,跳过了建立共享行动与惯例的过程;因此,表现得像一个行动主体,与真正具备这套能力,仍是不同的问题。
What It Would Actually Take for a Machine to Have Agency
podcasts.apple.comMichael Tomasello 从不确定环境解释机器的自主行动通信与算力
马斯克计划用屋顶微型基站补足室内覆盖
马斯克在《纽约时报》DealBook 峰会上表示,SpaceX 已完成一种屋顶微型蜂窝基站的设计,希望补足 Starlink 卫星信号难以进入室内的覆盖缺口,尤其是金属屋顶下的盲区。TechCrunch 11 月 19 日报道,他预计设备于 2027 年投产,形态类似可安装在屋顶的 Starlink 碟形天线。他同时称,计划明年推出的 Starlink Direct-to-Cell V2 星座将把带宽提高约 40 倍。
techcrunch.com马斯克计划用屋顶微型基站补足室内覆盖人民公园说AI讨论太空算力的散热与经济性
人民公园说AI 在约 29 分钟的节目中,从机械臂捕获星舰与快速复用谈起,追问把 GPU 送入太空究竟解决什么问题。节目把发射复用、在轨散热与地面供电成本放在一起比较,讨论低温环境为何不等于芯片容易散热,以及依靠辐射散热会给系统设计带来哪些约束。
节目还区分推理与训练对基础设施的需求,检视太空算力的适用场景,并把经济性问题延伸到建设周期和资本估值:实际计算需求、部署成本与投资预期是否能够相互支撑,是它提出的主要疑问。
筷子夹火箭背后:太空算力是真需求,还是马斯克的“自造闭环”?
www.xiaoyuzhoufm.com人民公园说AI讨论太空算力的散热与经济性