← 收录原文
BUILDERS · 精选整理

Builders 精选|2026-04-02

2026-04-02 · 历史整理稿

X / 推特

Replit CEO Amjad Masad

Masad 宣布"单人十亿美元公司"已经实现,并向 @galligator 致贺。他认为当前是人类历史上财富创造速度最快的时代之一。Replit 还推出了面向所有用户(含免费用户)的零配置企业级身份认证解决方案,并在盐湖城开设了销售办公室正在招人。此外,他分享了一个实用功能:可以直接在 Replit 上对自己的网站进行 SEO 审计。

Vercel CEO Guillermo Rauch

Rauch 披露 Vercel 注册用户月环比增速已达 52%,此前两个月分别为 23% 和 17%——增速本身也在加速。

Y Combinator CEO Garry Tan

Tan 这周发帖密集:他认为本地模型(local models)是一件"非常非常好的事";对 OpenClaw 的未来充满期待,称其"Apple II 时刻尚未到来";面对网上批评他代码行数(LOC)相关评论的"黑子",他用一张截图反击,并宣布"不会停止建造东西"。他还支持加州 BASED Act(SB 1074),认为这是对 Amazon、Apple、Google、Meta 等大平台垄断行为的有力反制。

OpenClaw 创始人 Peter Steinberger

Steinberger 发表了两条高互动推文:一是他表示自己从不使用 Plan Mode,认为这个功能是为"claude-pilled 但改不了习惯的人"准备的,直接和 agent 对话就好。二是他引用 Linux 内核安全邮件列表的统计,指出 AI 生成代码的安全漏洞报告从两年前每周 2-3 条暴增到每周 10 条以上,预测这将对部分开源项目造成冲击。

Box CEO Aaron Levie

Levie 发布 Box Agent:这是一个可以跨整个 Box 文件系统工作的 AI agent,完全继承企业级安全和访问控制,专为企业内容深度优化。

Andrej Karpathy

Karpathy 分享了自己近期最有价值的个人实践:用 LLM 为各个感兴趣的研究领域构建"个人知识库"(LLM Wiki)。他的做法是:把自己读到的各种资料扔给模型,让模型将其整合进一个持续演进的 wiki;他认为自己近期大量的 token 消耗都流向了这个方向。进一步延伸,他畅想未来每一次向前沿 LLM 提问都会自动召唤一个 LLM 团队来执行整套流程:迭代构建临时 wiki、收集证据、形成完整答案,规模化解决"检索-理解-综合"这条链路。两条推文共获超过 19000 个赞。

Cursor 设计师 Ryo Lu

Lu 正式宣布 Cursor 3 发布:主打"强大与简洁的结合",支持本地和云端所有项目,界面设计采用"渐进式展开"原则——先呈现简洁界面,在需要时才展示更多工具,让用户保持专注和掌控感。

Every CEO Dan Shipper

Shipper 分享了团队对 Cursor 3.0 测试一周的完整评测,并对"单人十亿美元公司"这一概念提出了自己的质疑:他认为 @galligator 虽然令人印象深刻且大量使用了 AI,但还不是真正意义上的"AI 单人公司"——他背后有一个负责增长营销的团队。

Sam Altman (@OpenAI)

Altman 公开表示 TBPN(科技商业播客节目)是他最喜欢的科技节目,并宣布 OpenAI 有意支持其持续运营,但不期望节目会因此对 OpenAI "手下留情"。

Anthropic Claude 官方账号

Claude 宣布 Computer Use 功能(在 Claude Cowork 和 Claude Code Desktop 中)现已支持 Windows 平台,获得超过 7700 个赞。

播客

Unsupervised Learning — Ep 83: Owning the System of Record, AI-Native Org Charts, & Why ITSM is The Most Vulnerable Legacy Category

本期采访了 Serval 创始人兼 CEO Jake Stout。Serval 是一家专注于企业员工支持的 AI 平台,覆盖 IT 支持、HR、法务等场景,以 AI 自动化端到端处理员工在工作中的各类求助请求。Serval 最近完成了 Sequoia 领投的十亿美元估值融资,并在最新企业 30 评选中被评为中期阶段第一名。

Jake 的核心观点是:在 AI 原生企业软件赛道,必须同时自建系统记录(system of record)而非依附于旧平台。他认为依赖 ServiceNow 这类旧平台会从根本上限制 AI 产品的上限,而自建系统记录则能让产品在功能、销售、客户关系上都拥有更大的主动权。

在组织架构上,Serval 采用了高度 AI 原生的 org chart 设计:工程师与 AI 的协作方式直接影响了团队扁平化程度。他们发现,传统的"junior 工程师做重复性任务"已经被 AI 接管,工程团队因此可以更小、更精锐,每个人都在做更高层次的决策工作。

关于为什么 ITSM(IT 服务管理)是最脆弱的传统软件类别,Jake 给出了清晰的逻辑:ITSM 的核心价值就是"让员工能解决问题",而 AI agent 恰恰可以在这个场景下做到比人更快、更准、成本更低。历史包袱重、定制化代码多、用户体验差的传统 ITSM 厂商,在 AI 浪潮下将面临最直接的替代威胁。

The MAD Podcast with Matt Turck — AI is Already Building AI | Google DeepMind's Mostafa Dehghani

Google DeepMind 研究员 Mostafa Dehghani 是 Vision Transformer、Universal Transformer 和 Gemini 多模态架构的核心贡献者。本期他与 Matt Turck 深入探讨了 AI 自我改进的当前现状与未来方向。

Dehghani 的核心论断:AI 自我改进(recursive self-improvement)已经在发生,只是大多数人没有意识到。他指出,几乎每一家前沿实验室的新一代模型,都大量借助了上一代模型来构建。目前还缺少的是"长程规划能力"和"完全自动化",但方向极为清晰。一旦实现完全自动化的闭环,人类将不再是模型提升的瓶颈,他预计届时会出现一次巨大的能力跃升。

在"循环(looping)"这一概念上,Dehghani 区分了两个层次:一是推理时的 looping(chain of thought、test-time compute、负稀疏性等),让模型在特定问题上投入更多算力;二是开发层面的循环,即模型迭代改进下一代模型,是同一方向的最高级别延伸。他以 Coparty 的自动研究项目为例,认为这是早期 AI 在研究侧做出实质性贡献的有力示例。

Dehghani 还介绍了 Google DeepMind 的 Imagen 3 图像生成架构演进,以及持续学习(continual learning)可能从根本上颠覆当前 RAG 系统和企业数据管道的思路:如果模型可以实时从世界中学习并更新权重,RAG 作为检索外挂的意义将大幅缩小。