AI 编程没带来预期产出，换模型之外还能改什么？
AI 编程工具换得越来越快，团队产出为什么没有随之明显增长？
文章
由 AI 采访转化而来，每篇都能追到原视频。
2045年的芯片能堆多高？英特尔实验室与量产之间的漫长距离
实验室已能做出堆叠晶体管，为什么还要多年才可能进入产品？
AlphaFold 复现了 PDB 里的结构，但蛋白质折叠远没有结束
AlphaFold 大幅推进了蛋白质结构预测，但复现实验数据库中的一个结构，并不等于理解蛋白质在不同环境中的运动和功能。
用户点了“接受”，不代表 Agent 做对了：持续学习先要读懂撤销和重试
用户连续接受 Agent 的代码改动，不代表每一步都正确；错误可能在几次提交后才暴露，随后才被撤销或修改。
什么时候该自建 Agent Harness，哪些部分又不必重写？
企业任务需要特殊流程时，应该自己重写整套 Agent harness，还是先改其中一部分？
AI Workforce 不只是多开 Agent：怎样让组织主动工作，又不放大风险
怎样让一组 Agent 主动发现工作，又不让外部风险随之扩大？
训练 Agent 做真实工作，难点不是多造数据：Mercor 为什么把 verifier 当成核心
怎样训练 Agent 完成跨文件、跨应用的专业工作？
公司什么时候该训练自己的模型？Fireworks CEO 的答案不是越早越好
公司什么时候该训练自己的模型？
公司不必在“自研模型”和“调用 API”之间二选一：先把每项 AI 功能单独算账
企业该自研模型还是继续调用外部 API？
Beam 不只是一个开放模型：Reflection AI 想让企业从“租用智能”走向“拥有智能”
企业开始认真考虑开放模型时，下载权重只是第一步：模型还得接入实际工作、基础设施和可验证的业务流程。
Vanguard 让 AI 查询旧代码：研究反馈从 7 天缩到 15 分钟，账本迁移还要做什么
AI 查旧代码快了，怎样让几十个团队安全迁移一套资金账本？
GEICO 的一天千美元实验：让 AI 查旧代码，也让人及时作决定
AI 写代码已变快，旧系统改造为什么仍卡在等资料、等人和等批准？