9 月 21 日 · AI 日报

日产 CEO 伊万・埃斯皮诺萨透露，第 14 代 Skyline（V38）轿车将于今年 12 月正式亮相，项目从立项到完成仅用 26 个月，比上一代 V37 的 55 个月缩短一半以上，得益于 AI 在设计、工程、测试和生产环节的广泛应用。新车采用后轮驱动和 FM 前中置平台，预计提供 6 速手动与 9 速自动变速箱，搭载 3.0 升涡轮增压 V6 发动机，并正在评估混合动力版本。

一位产品负责人分享自己处理几乎所有问题都遵循的六步框架：理解已有信息、补齐缺失信息、定义问题、定义清晰简单的解法、定义目标、带着紧迫感行动，并在获得新信息后反复回到第 3-5 步。他认为最常见的失败模式是没能清晰定义问题、没能给出清晰简单的解法，并称"我喜欢犯错"，因为犯错能帮助更快明确问题、找到正确解法。

Imprint 工程负责人记录了在公司内落地软件工厂模式的实践，核心是 /linear-project-loop 技能，它审计 Linear 项目的目标定义（Notion RFC、Datadog 或 Snowflake 指标），补齐缺失工具后自动增删 issue、处理非阻塞任务并定期重跑循环。

Flet 团队发布 Flet 1.0 并宣布可用于生产应用开发。该开源 Python 框架基于 Flutter 渲染 UI，flet build 支持 apk、aab、ipa、ios-simulator、windows、macos、linux、web 八个目标平台，应用可捆绑 Python 3.12、3.13 或 3.14，Apache 2.0 协议下已上架 PyPI。

贝索斯反驳AI将取代放射科医生和软件工程师的说法，认为AI会提升这些从业者的能力。他以挖地下室时有人递上推土机作比喻，称经济生产力将大幅提升，反而可能出现劳动力短缺。

哎呀。以前"快"可是件坏事 💅

Jev 现已面向所有人开放，无需等待名单。 在这里开始使用：https://console.typesafe.ai

Baseten CEO Tuhin Srivastava（@tuhinone）刚抛出 2 个数字，展示 AI 推理增长有多快：

Baseten 上的 token 用量同比增长 40 倍，而过去 12 个月收入增长约 10 倍。

来自 "Sources Podcast and Alex Heath"（@alexeheath）YouTube 频道，（完整视频链接见评论）

中国顶级的 AI Lab，在使用 Nvidia 芯片做训练，并且开始大量使用华为芯片做推理，是这样么？

一名入职大公司半个月的员工爆料，团队所有规格、代码、测试、PRD、工单及报告均由 Claude Code 生成，从 L1 到 L7 的工程师都在做同样的事。没人喜欢这种方式，却被高层要求尽可能多地产出，员工每天工作 12 到 13 小时只为按回车，且没有人阅读任何产出内容。

早在7月，有一份报告在网上引起广泛关注，称 Waymo 比纽约的营运车辆更危险。该分析后来被证明是错误的，更新后的报告发现 Waymo 要安全得多。好在他们用新数据做了更新，不过 https://www.openplans.org/how-for-hire-autonomous-vehicles-impact-nyc

Jev 现已向所有人开放。无需等待名单。在此开始使用：https://console.typesafe.ai

你无法阻止 MUSE MADNESS

【引用 @mignano】：两件事感觉不可避免：

1. Muse
2. Muse 对 Meta 的发展轨迹产生重大影响

我们的联合创始人 @aidangomez 创办 Cohere 的初衷，是让你能多做自己想做的事，把你需要做的事自动化。

我们正在构建的 AI 能帮你完成繁琐的任务，让你有更多时间投入到真正驱动你的事情上。

我并不完全认同"完全 RSI 会实现"这一假设，但这是一段极好的视频，总结了我们现在所处的阶段。https://youtu.be/fjZ90V_JREk?is=1jf1RRuWRTjo9_Iw

🔥 推出 Jev Primer 与 Playground

想了解 Jev 如何运作，不用再找了。

这是你入门所需的唯一交互式指南。

不再困惑 Jev 能做什么、不能做什么。我们还打造了专属 Jev Playground，让你现在就能试用各种用例。

Laya（OS Jev）可在 Mac M4 上通过 CoreML 离线运行，达到每秒 45 次决策。用户可用 uv 安装 laya-coreml【demo】，并下载 aac6fef/laya-multilingual-coreml-ane 模型到本地，再运行 laya-coreml-snake 演示。

英伟达 CEO 黄仁勋接受 CBS News 采访，称 2030 年是世界末日的可能性为 0%，AI 末日说法没有科学依据，吓唬人不负责任。此番言论回应前 Anthropic 研究员考克森关于超级智能开发拿人类生命做赌注的观点。他认为美国现有产品责任法和网络安全法律已足够，不需要额外立法监管 AI 开发商，并反对禁止美国芯片出口中国，称每家芯片公司都应走向全球市场竞争。

这篇评论文章认为前沿 AI 实验室夸大智能体失控风险，目的是游说美国政府授予反垄断豁免并遏制开源竞争。

Ethan Mollick 主张把这一呼吁从经济学扩展到整个社会科学：AI 领域变化太快，不能等数十年才做出完美因果识别的论文，需要快速、前瞻、由 AI 能力深度支撑的研究。他引用 @alexolegimas 的观点指出，经济学界习惯追求干净识别，但当下更需要方法论可靠、方向多元的即时信号，例如多个独立团队得出「AI 暴露度高的初级岗位招聘放缓」这一相近结论。

Anthropic 首席经济学家 Peter McCrory 回应 AI 经济影响论文的阅读方法，提出四条实践建议：优先做可用新数据定期更新的分析、公开工作并据新证据修正观点、承认不确定性并做可证伪预测、保持认真与谦逊。