X / 推特
Anthropic Claude Code 工程师 Thariq
Thariq 宣布将于北京时间 3 月 20 日凌晨进行 Claude Code Skills 直播，邀请 Uber 的 @hudaman 分享 Skills 实战经验，欢迎观众带问题来提问。重磅发布：Claude Code Channels 正式上线，用户现在可以通过 Telegram 和 Discord 直接向 Claude Code 发送消息，实现会话远程控制，目前为 research preview 阶段，后续将扩展更多 MCP 支持。该功能上线后迅速引发热烈反响，相关推文获超过 1.7 万个点赞。
https://x.com/trq212/status/2034431949474091140
https://x.com/trq212/status/2034761016320696565
https://x.com/trq212/status/2034761704601690432
Box CEO Aaron Levie
Levie 分享了当天与 20 余位大型企业 AI 及 IT 负责人进行会谈和晚宴的见闻，聚焦受监管行业（如金融、医疗、法律）中 AI 落地的现状与挑战。这批企业领导者对 AI 既充满期待又有实际顾虑，合规性与数据安全仍是最大阻力，但整体态度正在从观望转向主动推进。
https://x.com/levie/status/2034484203522261293
Replit CEO Amjad Masad
Masad 展示了 Replit 在产品设计体验上的进展：用户可以在界面中无限探索各种设计方案，满意后直接点击"Build"即可生成一个可上线的生产级应用，将创意到产品的链路大幅压缩。他认为这种从设计到部署的无缝体验正是 Replit 的核心魔法所在。
https://x.com/amasad/status/2034702399718539355
Cursor Design 负责人 Ryo Lu
Ryo Lu 宣布 Cursor Composer 2 正式发布，核心卖点是"前沿智能、极低成本、极快速度"，意在同时拿下性能与性价比。发布推文获得超过 350 个点赞，显示开发者社区对新版本预期颇高。
https://x.com/ryolu_/status/2034690837444272266
Every CEO Dan Shipper
Shipper 在 Every 上发布了关于如何用 AI 写出高质量散文的权威指南，分享"如何驾驭各种模型"的方法论，强调写作应驾驭模型而非被模型驾驭。他还测试了 Cursor Composer 2，将其与 GPT-5.4 在优化生产 QA 流程上进行对比，结果 Composer 2 的回复被 GPT-5.4 和 Opus 4.6 共同评选为更优。
https://x.com/danshipper/status/2034723450644840606
https://x.com/danshipper/status/2034746435401314659
FPV Ventures 合伙人 Nikunj Kothari
Nikunj 发布了"Prompt to Chip"可视化工具，完整展示当你向 ChatGPT 发送一条提示词时，从提示词到底层芯片的全链路每一层发生了什么，灵感来源于 @dwarkesh_sp 与 @dylan522p 关于 AI 瓶颈的播客。该工具旨在帮助更多人理解 AI 推理背后的工程复杂度。
https://x.com/nikunj/status/2034764522662281562
Builder Zara Zhang
Zara Zhang 推出了 MySay，一款基于语音问答的 AI 内容生成工具，通过向用户提问然后将口述内容转化为风格贴近本人的推文和 LinkedIn 帖子，解决"AI 写出来没有自己味道"的痛点。该产品由 Gemini Live API 驱动，是目前市场上较少见的从语音入手做内容创作的方向。
https://x.com/zarazhangrui/status/2034699643104501958
Google Labs VP Josh Woodward
Woodward 分享了 Google AI Studio 的建站入口，鼓励开发者免费开始构建第一个 AI 应用，推文获得超过 200 个点赞，展示了 Google 在降低 AI 开发门槛上的持续推进。
https://x.com/joshwoodward/status/2034665935777477005
播客
Data Driven NYC — Benedict Evans: OpenAI's Moat Problem & the Future of Software
本期播客由 First Mark 合伙人 Matt Turck 主持，嘉宾为科技分析师 Benedict Evans，探讨 OpenAI 的战略困境、AI 时代的软件未来以及 LLM 是否真正构成平台级壁垒。
Benedict 开门见山指出，OpenAI 面临的根本问题在于：大型语言模型（LLM）目前没有赢者通吃效应，也没有网络效应。无论是 OpenAI、Anthropic 还是其他机构，都可以训练出同等水准的前沿模型，这与 Windows、Google、Facebook 等平台的护城河逻辑截然不同。因此，OpenAI 拥有 9 亿周活跃用户，却有约 80% 的用户一年输入 return 键不足 1000 次，使用深度极浅。
Benedict 将 LLM 类比为基础设施，而非平台生态。他提出 OpenAI 有两种可能结局：其一，像 TSMC 一样成为关键但利润有限的基础设施供应商，消费者不知道也不在乎是谁的芯片；其二，像 iOS/Android 那样围绕模型构建开发者生态，捕获平台价值。目前看来，前者的风险更高。
他特别批评了"Model-as-product"思维的局限：聊天界面本质上是一个输入框和输出框，几乎无法真正差异化。更糟糕的是，OpenAI 团队的产品策略是"策略接受者"而非"策略制定者"——每次研究团队发出新能力，产品团队才能开始规划怎么用，这与 Steve Jobs"从用户体验出发反向到技术"的哲学完全相反。
关于 AI 与软件的未来，Benedict 提出了独特的三层软件分类框架：大型 ERP 系统（无法被 LLM 颠覆，因为需要大规模统一数据流）、垂直 SaaS 工具（AI 编码会催生更多此类工具）、以及"即兴软件（improvised software）"——即过去人们用 Excel、CSV 或 Python 脚本凑合完成的临时性任务。他认为 AI 最大的增量价值在于扩展这第三类，让很多过去无法自动化或无法用代码表达的任务变得可执行。
Benedict 还强调，"模型变好"并不等于"产品变好"。如果模型以前每 50 件事做错 10 件，现在做错 8 件，用户还是需要检查全部 50 件。只有达到某个临界点（"对或不对"的二元跃迁），才会真正改变用户行为。他将当前 AI 应用的探索阶段类比为 1997 年互联网时代，清楚知道这是一个大事件，但还不知道价值会在哪里沉淀。
对于 Agents 话题，Benedict 认为"agent"是个模糊术语，类似当年的"metaverse"，其实指向从"模型调用工具"到"全自主完成任务"的宽泛谱系。真正消费者友好的 agent 应该是感知不到存在的，就像 Stripe 的 Level 5 自动化，"你发现狗粮没了，它自动帮你下单，你完全不知道"。
最后，在资本泡沫话题上，Benedict 保持一贯的审慎态度：大规模过度投资必然存在，未来会有大量沉没，但他明确拒绝给出时间节点或具体哪些公司会成为"烟坑"。他的结论是：AI 带来的变化是真实且巨大的，但很多人试图用 GDP 或 TAM 模型来量化它，在他看来是徒劳——真正的价值往往来自"做一件用旧方法根本无法做的事"，而不是"用 AI 把旧事情做得便宜一点"。