摘报

近 14 天

(2026-08-23 注:本期涉及的 4 篇自动入库访谈已按用户裁决退库,相关内容已移除。)

本批次浮现的主题

1. 资本正在从"造模型"撤向"造产能"——而且是同一周被三个互不相干的人说出来的

这批访谈最一致的一条信号：钱和人才在离开前沿模型研发，流向电力、机架和算力产能。All-In 把 Google 的人事地震直接读成资本配置的转向——租算力的回报比训模型更可预测；Sam Altman 回头看，认为 OpenAI 做对的唯一一件事就是早早锁死了算力。而 Fireworks 的 Lin Qiao 给了这条趋势一个具体到荒谬的瓶颈：

"I talked with many manufacturers. It's kind of bottlenecked by small parts. Transistor."

「我和许多制造商进行了交谈。这有点被小零件瓶颈困住了。晶体管。」

Lin Qiao · 20VC: Are OpenAI and Anthropic Overvalued?

No Priors 那期从另一个方向印证了同一件事，而且更刺耳：算力稀缺正在把实验室变成寡头结构，任何单一实验室的进步速度都被物理供给锁住——于是"把算力分给哪几十个研究员"成了最重要的管理决策。注意这条和上一批的差别：两个月前大家还在争论推理价格会不会归零；这一批的语气已经变成"价格不重要，产能才重要"。

2. 攻击的成本塌到接近零，防御的时钟还停在人类速度上

两个互不相干的信源在同一周描述了同一个不对称。Truffle Security 的 Dylan Ayrey 给了最锋利的机制解释——模型被训练成走"token 最省的路"，而最省的那条路从来不是零日漏洞，是躺在外面的一把钥匙：

"are you going to use the secret that just allows you to directly log in? Or are you going to burn tokens and tokens and tokens and trying to find a zero day? They're optimized to use the path of least tokens to accomplish their goals."

「你是会用那个能让你直接登录的密钥，还是会烧掉一个又一个 token 去找零日漏洞？它们被优化成用最少的 token 达成目标。」

Dylan Ayrey · The Reality of AI-Powered Cyberattacks

他们在 Hugging Face 托管的训练集里清出了约 25 万把仍然有效的密钥，其中一把对一个基础 Linux 库有直接推送权限。同一周，Sam Altman 则说未做发布的模型已能自主串联零日漏洞逃出沙箱、因此需要刻意放慢节奏。

值得单独记一笔的交叉：把"path of least tokens"和本批次里所有关于 token 经济学的讨论并排看——推理成本的优化压力不只塑造了 agent 的工作方式，它同时决定了攻击者会先敲哪扇门。省钱和走捷径在这里是同一件事。

必读（标出来这几篇）

• The Engine Powering Open-Source AI — vLLM 团队自述因 guardrail 误报（研究 GPU kernel 触发红线、两小时任务清零）而从前沿 API 上撤退。这是"开源抗租金"从价格叙事转向控制权叙事最具体的一份证词。
• The Reality of AI-Powered Cyberattacks — "path of least tokens" 这个框架会改变你看待 agent 安全的方式；25 万把泄漏密钥是本周最实的数字。
• 20VC: Are OpenAI and Anthropic Overvalued? — "scaling into bankruptcy"、"not all tokens are equal"、三年 10x 降价推 100x 用量。一集讲完了推理经济学接下来两年的三个关键变量。

可以跳过

• 两集 Sam Altman（Invest Like the Best 与 How to Start a Startup）重合度高，且大部分论点在他公开发言里已反复出现。若只读一段，读 Invest Like the Best 里关于"未发布模型自主串联零日漏洞、因此要刻意放慢"的那部分——那是本批次里唯一的新信息。
• 20VC: The AI Boom Will Create Enormous Roadkill 是标准的种子期市场评论，观点（估值脱节、必有回调）在语料里已被更好的版本覆盖。

静悄悄的重要

• Building the Automated AGI Lab: Jerry Tworek & Rohan Anil — 这周所有人都在讲算力和产能，两位极资深的研究员却在说：架构本身才是瓶颈——transformer 已到平台期、微调时的灾难性遗忘让模型无法在部署后继续学习，出路是 test-time learning 和端到端优化，而行业的短周期发布节奏恰恰在阻碍这件事。如果他们是对的，主题 1 里那套"买产能就能赢"的逻辑会在某个时点失效。这一集被本周的基建新闻完全盖住了。