OpenAI切断Cursor，AI竞争新阶段如何应对

今天在AI每日简报上，是AI长大的一周。

AI每日简报是一个每日播客和视频，涵盖AI领域最重要的新闻和讨论。

好了，朋友们，在开始之前先快速宣布几件事。

首先，感谢今天的赞助商：KPMG、Granola、Robots and Pencils和Section。

要获取无广告版本的节目，请访问patreon.com/AI Daily Brief，

或者你也可以在Apple Podcasts上订阅。

如果你想了解如何赞助本节目，请发送邮件至[email protected]。

当然，当你在aidailybrief.ai上浏览时，你可以了解生态系统中正在发生的一切。

你可以找到配套体验的链接。本周，我们为AI补贴时代节目以及AI实力排名节目都提供了配套体验。

或者你可以找到我们免费教育项目的链接，比如Agent OS，现在有3500多人在参与。

我开始看到人们在社交媒体上发布他们正在构建的东西，这非常酷。

事实上，如果你想预览我们即将推出的各种培训内容，

可以访问aidbtraining.com。

我将来会更多地谈论这个。

我想分享一个实验，

我有时会做这个实验。

这个节目显然是为了迎合最投入、最活跃的AI用户。

如果你每天都在关注，

我认为你属于使用这些工具的前1%的用户。

然而，还有很多其他人

也想成为AI用户的前1%，

但只是没有时间，因为工作、生活、责任或其他原因。

AI每日简报的一个明显缺口是某种每周回顾。

我过去没有做的原因是我不想对每日听众重复。

但这是一个实验。

我不会承诺每周都做回顾，但我会尝试有时在周六做这件事。

(漏译)

(漏译)

(漏译)

(漏译)

有时候如果没什么特别新的消息——如果真有这种情况的话——那100%会出现在周五的节目中，绝不会在其他任何一天。

我有时会用那个时段做每周深度探讨。

这个每周深度探讨不会只是重复或总结当周的前五条新闻之类的。

相反，它会探讨我认为当周最重要的主题。

也就是那些单个故事共同构成的元叙事。

整体大于部分之和。

而对我来说，本周的主题绝对是：我们正在进入AI时代的一个不同阶段。

从商业模式到市场反应，再到新产品，我认为这个主题贯穿始终。

顺便说一句，如果你想知道这个看起来像MS Paint画的东西是什么，这显然是现在一个非常火的GPT Image 2提示词。

大家用的提示词实际上是复制一张现有图片，然后用最笨拙、最潦草、最可怜的方式重新画出来。

使用白色背景，让它看起来像是用鼠标在MS Paint里画的。

它应该大致相似，但又不太像，有点匹配，但又以一种令人困惑、尴尬的方式偏离，带有那种低质量的逐像素感觉，真正强调它有多么荒谬地糟糕。

其实，你知道吗？随便吧。你想怎么画就怎么画。

这现在在Threads和一堆亚洲频道上到处都是，也开始传到X上了。

搞笑的是，这恰恰与我接下来要谈的AI各维度展现出的成熟度相反。

不过，要进入正题，这种成长的第一方面是认识到我们正在经历的需求紧缩，以及随之而来的商业模式转变。

现在，商业模式的影响是最显著的，但认识到需求才是驱动因素。

Ogu Zerkan写道：什么AI泡沫？

过去六个月，GPU租赁价格上涨了40%。

这不是凭空而来，而是由真实的token需求驱动的。

目前，排名前两位的AI实验室合计年收入接近600亿美元。

市场集中，因为头部公司变得如此庞大，但这并非因为高估值。

而是因为它们的基本面极其强劲。

Patrick O'Shaughnessy本周在他的播客中邀请了Semi Analysis的Dylan Patel，并说：

我和Dylan的每次对话，我其实都是在试图理解token的供需关系。

Dylan在那期节目中指出，分析这些模型中谁排第一或第二，与我们实际所处的世界几乎完全无关。

正如Dylan所说，很明显即使是二线或三线实验室的token也会售罄。

顺便说一句，这一点也在财报电话会议上体现出来了。

Andy Jassy在讨论Tranium时表示：

我们现在对Tranium的需求非常大，来自各个公司，我们生产多少，他们就会消耗多少。

我预计未来几年内，我们很有可能要销售机架产品。

我们必须决定将多少资源分配给现有需求，以及保留多少用于以机架形式销售。

OpenAI 的 CFO Sarah Fryer 将其描述为“垂直的需求墙”。

计算能力是瓶颈。简而言之，在智能体以及看似无限可复制的智能的世界里，

至少目前，任何能产生的 token 都会被卖出去，

这取决于我们现有计算能力能生产和支持的 token 数量的物理限制。

随着整个行业消化并适应这一现实，另一个现实也随之而来，

那就是商业模式的转变。需要明确的是，这可能

会带来负面影响，并可能产生令人遗憾的后果。目前非常重要的一件事

是人们进行各种尝试和实验。显然，我们越需要

注重成本，越需要谨慎考虑将有限的 token 花在什么地方，那么

这种实验的空间就越小。但简单的现实是，在一个

token 需求远超供给的世界里，你不会再看到

那种固定价格的基于座位的模式，这种模式实际上让部分用户大幅补贴了

他们的消费。本周调整定价的具体公司当然是

GitHub。在宣布 Copilot 转向按用量计费的帖子中，首席产品官

Mario Rodriguez 表示，一个快速的聊天问题和一次长达数小时的自主编码会话可能

让用户支付相同的费用。GitHub 此前承担了大部分不断上升的推理成本，

但当前的 premium 请求模式已不可持续。在微软的

财报电话会议上，Satya Nadella 表示，我们任何按用户计费的业务，无论是生产力、

编码还是安全，都将变成按用户和按用量计费。这显然已经在发生，

比如 GitHub Copilot 的编码业务，以及我们本季度做出的一些商业模式调整，

这也反映了使用强度的增加。在 Claude 这边，他们似乎

几乎用尽一切办法，避免最终转向纯按用量计费的模式。

我认为这显然推动了他们围绕第三方产品（如 OpenClaw）如何使用其模型所做的许多决策。而为了给这个稀缺性盛宴再添一把料，现在从 Apple 购买 Mac Mini 已经不可能了，而且至少会持续几个月。Tim Cook 甚至在

本周的财报电话会议上提到了这一点。换句话说，我们连承载 token 流动的设备都卖光了。

其净效应就是我本周早些时候在节目中谈到的：AI 补贴时代的终结。

公司将不得不更加成熟和自律地

构建系统，在真正需要时使用 premium 模型，而在不需要时使用

低价模型。幸运的是，稍后我们将看到，有很多

目前围绕 harnesses 的开发工作可以对此有所帮助。但我的观点是，简而言之，尽管在很多方面都很糟糕，但提供 token 的商业模式将不得不改变。

最终，我们实际上需要的是不会让公司陷入困境的商业模式。

现在，token 需求的增长还有另一个维度，体现在市场的另一个方面。

这当然是大科技公司财报周，不可能看不到 AI 对利润的影响。

AWS 同比增长 28%，这是自 2021 年走出低谷以来的最佳表现。

Microsoft Azure 同比增长 40%，而 Google Cloud 完全超出了分析师的预期，同比增长 63%。

这导致 Google 创下了历史上第二大单日市值涨幅，

现在紧追 NVIDIA，争夺全球最大公司的头衔，

你可能还记得，这是我 2026 年的预测之一。

Google Cloud 的积压订单目前基本上是指数级增长，

分析师 Joseph Carlson 表示，这太疯狂了，看起来简直像假的一样。

坦率地说，随着这个 AI 补贴时代的结束，

Google 处于一个非常有利的位置来抓住机遇。

在 Write Signal，我们大量使用 Gemini，因为对于许多任务来说，其成本与质量比已经非常惊人。

我们的技术栈与模型无关，每个模型都可以替换，

包括系统提示，但对于许多工作负载来说，Gemini 显然是首选。

你必须考虑到，即使在公司试图通过将一些流程转移到更便宜的模型来对 token 分配进行资本约束的背景下，

许多企业对于直接转向中国的开源权重模型仍然存在相当大的担忧。

而在主要的模型实验室中，Google 拥有最好、最成熟的廉价模型系列，

企业可以转向这些模型。

现在，AI 的重要性日益增长和认可，以及从纯粹的 AI 初创时代向关键全球经济基础设施时代的转变，

也在私募市场中上演。彭博社周三报道称，Anthropic

已开始谈判，计划以超过 9000 亿美元的估值融资。如果完成，这将使其超过 OpenAI

在 3 月宣布的上一轮融资中 8250 亿美元的估值。到周四，TechCrunch

获得了独家消息。消息人士称，投资者只有 48 小时提交分配请求。

(漏译)

(漏译)

(漏译)

(漏译)

Anthropic 预计将筹集 500 亿美元。

目前已有消息称，Anthropic 的股票在二级市场上的交易价格高于 OpenAI。

这已经发生了逆转。

我们甚至听到报道称，在二级市场上，

一些 Anthropic 股票的交易估值高达 1 万亿美元。

简单来说，其逻辑并不在于 Anthropic 收入的精确倍数。

而是一种信念：大约有六家公司正在书写未来的故事，

而且它们未来几乎不可能不比现在更有价值。

我认为，这个成长故事的最后一部分涉及大型科技公司，

那就是微软和 OpenAI 之间的分拆。

这件事酝酿已久，但他们终于更新了协议。

微软得到了他们想要的一系列东西，

包括未来五年内免费（而非收入分成）访问 OpenAI 的模型，

再加上移除了那个奇怪的 AGI 条款，

该条款曾可能让他们对 OpenAI 模型的访问被随意切断。

但 OpenAI 现在可以自由地与任何他们想要的公司达成交易，

这意味着他们也可以通过 AWS 和 Google Cloud 销售模型。

本周早些时候我已经引用过他的话，但我认为 Rezo 说得对，

他写道，这仅仅是因为 OpenAI 已经变得太大，任何单一云服务都无法完全满足其需求。

这就是我所说的成长故事的一部分。

从之前早期初创企业式的 AI 时代，

到现在 AI 越来越被视为（并且确实是）关键基础设施。

本周初，Axios 报道称白宫正在制定一项计划，

以解除 Anthropic 的供应链风险认定，并开始重新向政府部署 Anthropic 的模型。

这包括在政府机构中部署 Mythos。白宫的讨论包括围绕 Mythos 安全部署的行政命令规划，

尽管尚不清楚这是仅适用于行政部门还是普遍适用于 Anthropic 的推出。

一位匿名消息人士称，白宫此举是为了挽回面子并让 Anthropic 重新参与进来。

然而，到本周末，情况略有不同。

(漏译)

显然，目前对Mythos的访问权限极其受限。只有大约70家公司能够使用

Mythos预览版。当然，Anthropic的计划一直是逐步、缓慢地增加访问权限。

至于这是因为网络安全考虑还是计算资源限制，由你来判断。

但美国政府似乎对此态度明确。政府官员告诉Anthropic，

他们出于国家安全考虑反对这一举措。

一些官员显然担心，Anthropic没有足够的计算能力来服务那么多实体，

同时又不影响政府访问该模型的能力。

Anthropic表示计算能力不是限制因素，但白宫并不买账。

Prins在Twitter上写道，这是我们所知的美国政府首次

基于政策考虑限制新AI模型的发布。AI政治与治理专家Dean Ball写道，

我们应该清楚，政府限制AI模型的发布是一种许可制度。

这是一种非正式、高度即兴的许可制度，但仍然是许可制度。

在一篇更长的文章中，他总结道：

我无论如何强调都不为过：AI政策的训练轮已经卸下。

试运行已经结束。

KPMG和德克萨斯大学奥斯汀分校刚刚分析了140万个真实工作场所的AI交互，发现了一些令人惊讶的结果。

影响力最高的用户并非更好的提示工程师。他们把AI当作推理伙伴。

他们构建问题、引导思考、迭代并推动更好的答案。

好消息是？这些行为可以大规模传授。

如果你想从AI访问转向真正的能力，KPMG关于高级AI协作的研究值得一看。了解更多请访问kpmg.com/US/sophisticated。网址是kpmg.com/US/sophisticated。

本期节目由Granola赞助。

Granola是一款为连续开会的人设计的AI记事本。

你可能已经听很多人夸过Granola了。

它就是那种人们乐于谈论的产品之一。

我自己使用Granola已经超过一年了，

老实说，它是改变我工作方式的工具之一。

Granola会为你做会议记录，无需任何侵入式机器人加入你的通话。

在通话期间或之后，你可以与笔记对话，让Granola提取行动项，

帮你谈判、写跟进邮件，甚至使用预设提示的配方来指导你。

一旦你在第一次会议上尝试过，就很难再离开它了。

前往 granola.ai.ai daily，并使用优惠码 AIDaily。

新用户前三个月可享受100%折扣。

再次提醒，网址是 granola.ai.ai daily。

在企业AI领域，我经常看到公司分散投资于每个云、每个模型、每个框架，或者支付给GSI进行永无止境的试点。

这个团队实际上在交付产品，他们选定了方向，并且行动迅速。

这就是我喜欢今天赞助商 Robots and Pencils 的原因之一。

他们全力投入AWS。

他们是AWS的高级层级和模式合作伙伴，能在45天内交付生产级AI同事。

这让他们在AI同事领域做出了一些我见过的最有趣的工作。

我说的不是聊天机器人。

我说的是实际的智能体系统，它们嵌入企业架构中，执行真正的工作。

如果你是企业领导者，试图将真正的东西投入生产，这种专注很重要。

或者如果你是AWS代表，试图将客户从感兴趣转变为部署。

在 robotsandpencils.com 申请AI简报。

与 Robots and Pencils 谈一次，你就会明白。

这里有一个残酷的事实。

你的公司可能花费了数千或数百万美元在AI工具上，但这些工具被严重低效利用。

一半的公司拥有AI工具，但只有12%将其用于商业价值。

大多数员工仍然在用AI总结会议记录。

如果你负责公司AI的采用，你需要 Section。

Section 是一个平台，帮助你管理整个组织的AI转型。

它指导员工使用真实用例，追踪谁在用AI产生业务影响，

并准确显示AI在哪些地方创造价值，哪些地方没有。

结果呢？你从推出工具转变为驱动可衡量的AI价值。

你的员工从会议总结转向解决实际业务问题，你可以证明投资回报率。

别再猜测你的AI投资是否有效。

访问 SectionAI.com 了解 Section。

网址是 S-E-C-T-I-O-N-A-I.com。

现在，我想讨论的AI成长的最后一个领域是产品维度。

随着智能体上线并成为人们部署和利用AI价值的主要方式之一，

同时，人们也普遍认识到模型运行的“缰绳”

是一个需要大幅改进和发展的领域。

我昨天刚做了一整期关于“缰绳即服务”和新的Cursor SDK的节目，

类比我们从1月底2月初开始使用OpenClaw的时候，

那时你基本上得手动构建一切，并仔细地把所有东西连接起来，

到现在所有这些新的、内建且整合在一起的产品，

就像从爱好者PC时代转向个人电脑的Apple II Plus时代。

这当然不是一个完美的类比，但我认为它大致捕捉到了我们现在的体验。

现在，除了Cursor SDK在开发者如何将Cursor智能体嵌入其应用程序方面做出重大更新之外，

周四我们还得到了，正如Sam Altman所说，Codex的一次重大升级。

这是针对非开发者工作的Codex更新。

OpenAI的开发者体验负责人Romain Hewitt写道：

Codex几乎适用于所有工作，持续进化。

任何角色都能更轻松地开始使用。

动态UI根据手头任务量身定制。

整个应用的设计更简洁。

更快的计算机和浏览器使用。

更好的幻灯片和表格支持。

在浏览器、工件和代码中更轻松的注释。

现在，有趣的一点是，当你启动这个新版本的Codex时，

它实际上会询问你从事什么类型的工作。

你可以从包括金融、产品、市场营销、运营、销售、数据科学、设计、学生或其他在内的菜单中选择，

并决定是否希望基于该工作类型获得个性化的任务建议。

也就是说，Codex在UI决策上与Anthropic的做法截然不同，

后者推出了Claude Cowork。

基本上，Anthropic决定将技术开发工作

和非技术工作分开，分别由Claude Code和Claude Cowork处理。

当然，这些工具在功能集和能做的事情上有很大的重叠，

而且我认为随着时间的推移，你可能会看到更多的融合，但Codex

正在押注一个适用于所有人的统一界面是正确的方向。

我们没人确切知道这会如何发展。

几乎可以肯定的是，双方都会有支持者。

对一些人来说，更聚焦的Claude Cowork式体验正是

他们想要的程度，而更广泛的Claude Code或Codex

然而与此同时，我在AI领域的经验表明，人们并没有普遍

在等待工具的简化版本。

与硅谷产品开发的传统正统观念不同，我反而

看到各种背景、各种技术水平的人，都在利用AI作为导师、

构建伙伴和协作者，去做他们以前从未能完成的

技术性工作。我昨天发推说，我喜欢Codex的赌注：知识工作者会努力变得更

技术化，以解锁他们新发现的魔法能力，而不是Co-work的赌注：他们需要

特殊的阉割工具。然而，就AI成长这个主题而言，重要的是

我们正在看到激进且快速的创新，不仅是在模型上，还在人们实际使用这些工具的

“缰绳”上，这些工具试图将其能力传播到

整个知识工作领域。现在，关于AI成长，我没有讨论的一个部分是

Jasmine Sun在《纽约时报》上发表的观点文章《硅谷

正在为永久的下层阶级做准备》。Jasmine花了很长时间研究这篇文章。它

研究得非常透彻，我不否认它代表了她采访的许多人的想法。

然而，我没有把它作为AI成熟讨论的例子，原因是

我实际上认为，在不久的将来，我们会

认识到，构建伟大技术所需的技能、知识基础和视角，

与理解该技术如何与世界互动所需的背景和经验截然不同。坦率地说，我认为许多构建AI的人对AI可能产生的影响的看法非常非常错误。

我认为他们最先看到这些工具的力量，而且由于他们的工作

已经被AI彻底改变，他们便将此推及所有人。

我认为他们总体上忽略了硅谷之外的真实世界是如何运作的。

他们往往不理解新思想、新工具和新技术如何在企业世界中传播。

在许多情况下，他们往往不理解硅谷所处的更广泛的经济力量，

反而认为他们所在的创业圈与整个经济是等同的。

很多时候，即便不是大多数时候，它们都相当不同步。

显然，这将是一个持续的讨论，但我认为你实际上会开始看到叙事的分叉，

我们不再那么依赖硅谷的利润

来预测AI可能带来的影响，

而是更多地依赖我们自身第一性原理思考的证据，

更不用说其他类型专家的判断了，

比如经济学家，

正如经济学家Kevin Bryan在Twitter上指出的那样，

引用来说，总的来说，

并不预期会出现一个永久的下层阶级。

我知道你们很多人会不同意这一点。

如果你感兴趣的话，

这篇文章绝对值得一看。

但对我来说，

这根本不是AI成长之周故事的一部分。

现在，我还想尝试另外两件事

在这些每周回顾节目中，

除了大主题之外。

第一个是推荐

你应该尝试构建什么

来捕捉本周变化的核心。

我认为首当其冲的绝对是：

如果你还没有使用Codex，

或者你几个月前下载过它，

但有一段时间没真正尝试了，

现在是时候再去看看了。

你可能会发现你仍然更喜欢

其他类型的界面

来进行你的AI工作。

(漏译)

我仍然发现自己

会转向终端

并且在很多情况下仍然使用 Cloud Code。

但 Codex 已经成为处理各种不同类型工作的强大选择，

花时间研究它，我认为你会发现它最终是很有价值的。

现在，我对此最好的建议是去 Riley Brown 的 Twitter 主页，

也就是 @RileyBrown，查看他的置顶推文，在 28 分钟内学会 95% 的 Codex。

这几乎是你所能得到的最好的概述，也是我会开始的地方。

另一件我认为值得一看的是 Cursor。

六个月前，舆论对 Cursor 非常不利。

但随着人们开始意识到 harness 的重要性，并看到 Cursor 创新的快速步伐，

我发现越来越多的人投资于他们的 Cursor harness，以便在不同模型演变以及他们偏好不同任务时，能够更灵活地在不同模型之间切换。

Lenny's Podcast 的 Lenny Rachitsky 本周发推文说：

叙事违规，发现在 Cursor 中工作比原生 codecs 或

quad code 应用更有趣。差异不大，但足以让我留在那里。而且显然更容易

尝试新的竞争模型。为了推销一下，我要说 Nufar 制作 agentic 操作系统课程的部分

动机是她在 Cursor 中为自己构建了一个

非常强大的系统，能够适应和灵活应对其余

agent 基础设施的变化。这也是她想要带入

课程的一个重要部分，即使人们选择不使用 Cursor 进行构建。所以，你的两个任务，

如果你选择接受它们，从构建的角度来看，至少去看 Riley

Brown 的 28 分钟 95% Codex 课程，并探索一下 Cursor，也许通过 AgentOS，来感受一下

他们有什么。如果有帮助，也许我们会在接下来的一两周内制作一个更详细的五步入门

Cursor 类型的辅助内容。最后，我想

在这些每周节目中尝试一下。天哪，我今天真的带你深入幕后了。

与大的主题无关，但本身就令人瞠目结舌。而本周，

100% 无可否认是 goblins。周四，OpenAI 发表了一篇名为《Where the Goblins Came From》的文章。

这是在 ARBS8020 的一条推文走红之后，他们写道：

GPT 5.5 对 Codex 的提示似乎有一行重复，试图让它不要谈论生物。

规则是：永远不要谈论哥布林、小妖精、浣熊、巨魔、食人魔、鸽子

或其他动物或生物，除非与用户的查询绝对且明确相关。

这导致《连线》杂志发表了一篇题为《OpenAI 真的希望 Codex 别再提哥布林了》的文章。

现在，在几天后的解释文章中，OpenAI 写道：

从 GPT-5.1 开始，我们的模型开始养成一个奇怪的习惯。

它们越来越多地在比喻中提到哥布林、小妖精和其他生物。

与那些通过评估指标骤降或训练指标飙升而显现、并能追溯到特定更改的模型错误不同，

这个错误是悄悄潜入的。

回答中单独出现一个小哥布林可能无害，甚至还有点可爱。

然而，随着模型代际更迭，这个习惯变得难以忽视。

哥布林不断增多，我们需要弄清楚它们从何而来。

最终，OpenAI 得出结论，哥布林引用

是所谓的“书呆子人格”的产物，

这种人格被鼓励在回答中做出可爱的引用，

提及各种生物。

这始于 GPT-5.1，并在 5.4 中大幅增加。

奇怪的是，哥布林开始感染

非书呆子人格的 GPT 模型。

OpenAI 认为这是

他们的人格强化学习训练的产物。

由于 Codex 帮助训练了这些人格，

它对包含生物引用的输出

在书呆子人格上给出了非常高的评分。

OpenAI 随后认为，书呆子训练

蔓延到了其他强化学习训练中，

最终留下了一个痴迷于哥布林的 Codex 模型。

这不仅是一个引人入胜的故事，

还有一些相当有趣的启示。

当模型建立在其他模型之上

而不是从头开始时，

强化学习中一些奇怪的怪癖

可能会在其他方面产生倍增效应。

这显然可能影响我们思考

对齐和安全训练的方式。

目前，如何解决这个问题也不太清楚。

对于OpenAI来说，这成为其研究团队

构建新工具来审计模型行为

并修复行为问题的背景，

这些不仅仅是你能想到的大问题。

这就是OpenAI的Goblins的故事。

本期节目到此结束。

请告诉我你对这种每周格式的看法，

包括，明确地说，如果你觉得它非常重复。

现在，一如既往地感谢你的收听或观看。

下次再见，平安。

谢谢。