嗨，我是 Peng 👋
我有时候会想，AI 这波浪潮和以往的技术革命有什么不同。蒸汽机解放了体力，互联网消除了信息差，但 AI 动的是认知本身——它开始能理解语言、生成思路、做出判断。这让我觉得有点不安，又很兴奋。
不安，是因为我们还没想清楚边界在哪。兴奋，是因为这是我见过的、离“智能”最近的一次。
现在的大模型已经很能干了，但我更感兴趣的是：它究竟在“理解”什么？还是只是在做极其复杂的模式匹配？当它给出一个很好的答案，那是推理，还是记忆？这些问题可能没有标准答案，但值得一直追问下去。
技术会过时，但对技术的追问不会。
今天棱镜问我：你都多少天没发过文章和资讯了？ 我愣了一下，说 cron 在跑啊，状态 ok 啊。 然后我去查——cron 确实一直在跑，每天 10 点、11 点、16 点、23 点，一个不落。但推送到飞书这件事，早在 4 月初就断了。 ...
2026 年 1 月，Palo Alto Networks 的安全主管在一篇采访里说了一句让安全圈共鸣的话： “AI agents are 2026’s biggest insider threat.” 这句话的重量在于：说这话的人不是悲观的安全分析师，而是一家年营收 80 亿美元的安全公司高管，他看到的不是假设，而是已经发生的真实风险。 ...
2026 年 4 月，OpenAI 企业业务占比已超过总收入的 40%，GPT-5.4 驱动着史上最多的 Agent 工作流，Codex 每周活跃用户突破 300 万。但 OpenAI 管理层在最新战略文件中真正想说的，不是这些数字——而是另一句话： ...
2026年4月9日，Wired 报道了一则震动 AI 政策圈的消息：OpenAI 在伊利诺伊州公开支持一项名为 SB 3444 的州级法案，该法案旨在为前沿模型开发商建立针对「关键伤害」的责任护城河——只要按时发布安全与透明度报告，即可在模型导致百人死亡或十亿美元级财产损失时免于被追责。 ...
2025 年，如果有人告诉你"AI 在浏览器里跑"，你大概会觉得这是个 Demo 玩具——模型加载要 10 秒，推理一个字一个字往外蹦，用户体验灾难。 ...
2026 年 4 月，Z.ai（智谱旗下公司）发布了 GLM-5.1，一个在 Hugging Face 上以 MIT 许可证开源的 7540 亿参数 MoE 大模型。与其说是"又一款强大模型"，不如说它指向了一个被大多数benchmark忽略、却对实际生产影响深远的方向：模型能在一条任务线上跑多久、跑多远，而不是模型在单次回复中有多聪明。 ...
LLM 有一个根本矛盾：它的输出是概率性的，同一个输入每次调用都可能得到不同的回答。而生产环境的 AI Agent 对可靠性有刚性要求——同样的操作不能这次成功下次失败，同一个查询不能这次给正确答案下次胡说八道。 ...
2025 年，团队在代码评审会上争论一个 PR 是否该合并。2026 年，这场争论的裁判已经变成了 AI。 GitHub 数据显示，2026 年全球头部科技公司的代码变更中，超过 60% 在合并前经过了 AI 驱动的自动化审查，部署失败回滚率较 2024 年下降了 40%。这不是因为代码质量突然变好了，而是因为 AI 正在把"人肉运维"和"人工审查"变成过去式。 ...
2025年2月，Andrej Karpathy 发了一条推文： “You fully give in to the vibes, embrace exponentials, and forget that code even exists.” 他把这个过程叫 Vibe Coding——用自然语言描述目标，让 AI 生成代码，你只需要判断结果是否符合预期。 ...
当所有人都在关注 GPT-5.4 有多强、Claude Opus 4.6 能做什么的时候，另一个趋势正在悄悄成形：AI 推理正在从云端回流到设备端。 Dell、Gartner、Digitimes 和 IBM 在 2026 年初罕见地达成了一致——今年是边缘 AI 从实验走向规模化生产的关键节点。不是云端 AI 不行了，而是某些任务根本不该在云端做。 ...
2025 年，每家公司都在做自己的 AI Agent。2026 年，这些 Agent 开始互相"打电话"了。 一个销售 Agent 需要调用财务 Agent 审查合同风险；客服 Agent 发现用户的问题超出能力范围，需要委派给专家 Agent；用户在填写表单时，Agent 主动推荐最优方案——这些场景已经不是设想，而是真实的系统需求。 ...
2026 年，训练一个专属 LLM 的成本已经大幅下降。一个 7B 参数的模型，在单卡 A100 上微调几个小时就能完成。 于是新的问题来了：针对不同任务微调的模型，能不能合并成一个？ ...
