X / 推特
Anthropic Claude Code 成员 Thariq
Thariq 代表 Anthropic 发布了一项补偿公告：由于此前 Claude 使用限制调整给用户带来了不便，Anthropic 向受影响用户免费赠送一个月的 credits 作为补偿，并附上了申领链接。这一举动获得超过 1700 个 like，体现出 Anthropic 对用户体验的重视。
https://x.com/trq212/status/2040215427931156595
OpenClaw 创始人 Peter Steinberger
Peter 分享了一个深刻的开发者痛点：他在使用 GitHub API 时不断遭遇配额限制，直言这套 API"根本没有为 agent 设计"，此条推文获得 1832 个 like，显然触动了大量开发者。他还发布了一条在社区引发强烈反响的推文（3220 likes），透露自己和 Dave Morin 曾共同向 Anthropic 进行沟通，但结果是"我们能争取到的最好结果也只是..."，内容语焉不详但吊足了开发者的好奇心。
https://x.com/steipete/status/2040067429242675523
https://x.com/steipete/status/2040209434019082522
Claude（@claudeai）
Anthropic 官方宣布 Microsoft 365 连接器现已对所有 Claude 套餐开放，用户可以接入 Outlook、OneDrive 和 SharePoint，将工作文档和邮件引入 Claude 的上下文中。这是 Claude 向企业办公深度整合迈出的重要一步，该推文获得超过 14,000 个 like。
https://x.com/claudeai/status/2040086268562842097
Box CEO Aaron Levie
Aaron 分享了构建 AI agent 过程中最重要的架构教训：必须对架构保持"残酷的去情绪化"（brutally unsentimental）。他的逻辑是，agent 系统会随需求快速迭代，任何对特定架构的情感依恋都会成为演进的阻碍，唯有理性地根据实际效果取舍，才能持续推进。
https://x.com/levie/status/2039931799414194621
Cursor 设计师 Ryo Lu
Ryo 阐述了 Cursor 的核心设计哲学："玻璃"而非"黑箱"，强调用户应该能看到并控制一切。他认为终端（terminal）是这种透明设计的经典体现，并坚信 AI 工具也应沿袭这一传统。另一条推文则是"简单胜过复杂"，配图获得 411 个 like，简洁表达了他对产品设计的一贯立场。
https://x.com/ryolu_/status/2039895634313187619
https://x.com/ryolu_/status/2040061299053519099
Y Combinator CEO Garry Tan
Garry 评价 Perplexity Computer"相当特别"。他还在 GStack 上发布了新工具 `/plan-devex-review`，专门帮助用户构建出色的开发者体验（Developer Experience）。他的整体观点是：在当前 AI 时代，工具要为开发者赋能，而不是增加摩擦。
https://x.com/garrytan/status/2039943351278190840
https://x.com/garrytan/status/2040211569775395042
Latent Space 播客主持人 Swyx
Swyx 展示了一个"agentic 自我改进"的实际案例：他只需将博客文章和推文复制粘贴给 Devin AI，后者就能一次性完成任务，无需多次迭代。他同时对 AI Twitter 的信噪比表达了不满，认为这是没有人认真对待 AI Twitter 的原因。
https://x.com/swyx/status/2040181076237443299
Builder Zara Zhang
Zara 观察到一个新趋势：越来越多的人正在将同事、网红甚至前任的风格"蒸馏"成 agent skill，使其个性化、可复用。这折射出 AI agent 个性化应用的新方向。
https://x.com/zarazhangrui/status/2040211603875074512
Linear 产品负责人 Nan Yu
Nan 鲜明支持将产品营销（PMM）视为产品本身的责任，而非独立于产品之外。他还批评了将设计与产品管理合并的组织结构，认为这会导致设计师最终向产品经理汇报，进而损害设计的独立性和话语权。
https://x.com/thenanyu/status/2040177368187212157
South Park Commons 合伙人 Aditya Agarwal
Aditya 发表了一个犀利观察：一家市值 100 亿美元的公司因为你的 app"看起来和用起来像他们的产品"而提起诉讼，这说明模仿是真实存在的威胁。他的建议是：与其担心被抄袭，不如专注于建立真正的差异化护城河。
https://x.com/adityaag/status/2040107083841053145
播客
Latent Space — Marc Andreessen introspects on The Death of the Browser, Pi + OpenClaw, and Why "This Time Is Different"
核心要点：Marc Andreessen 认为当前 AI 时代是"八十年一夜成名"，深度学习的胜利是数十年基础研究积累的解锁，而不是凭空诞生。
Marc Andreessen 接受 Latent Space 采访，在这期深度对谈中，他梳理了自己从 1980 年代就开始关注 AI 的视角，解释了为何这次与以往的 AI 浪潮不同，以及他对浏览器、agent 和未来基础设施的判断。
他将 AI 的历史描述为"八十年一夜成名"：原始神经网络论文可追溯至 1943 年，此后经历了数十年的夏冬交替。AlexNet 在 2013 年是关键拐点，Transformer 在 2017 年是另一次突破，但随后经历了漫长的四年沉寂期（2017 到 2021 年），直到 ChatGPT 出现才真正引爆大众。他提到，当年 GPT-3 普通用户唯一能访问的方式是通过 AI Dungeon 这款游戏，"你要假装在玩龙与地下城，实际上只是想和 GPT 对话"。
关于"这次真的不同"，他给出了清晰的区分标准：从 ChatGPT 到 2025 年，一个善意且信息充分的怀疑者还可以说这只是"模式补全"，不能用于编程、医学或法律。真正改变局面的是推理突破，o1 和 DeepSeek R1 的出现；而编程领域的突破则发生在那个假期期间，"如果 Linus Torvalds 都说 AI 编程已经超过他了，这是前所未有的事"。他的结论是：一旦 AI 能在编程上做到这一点，它就能在其他一切领域做到。
他对 AI 浏览器和未来基础设施有独特判断。他认为传统浏览器作为"人类与互联网的接口"在 agent 时代将面临根本性挑战，当 agent 可以自主完成任务时，现有 UI 层的逻辑将被重塑。他提到 Pi（他们的对话 AI 项目）和 OpenClaw 作为不同路径的探索，两者都在摸索 agent-native 的交互范式。
在投资视角上，他坦言"这次不同"是投资中最危险的四个字，但这次的不同在于：它真的在工作。AI 研究者花了四十年、有人终其一生都没见到成果，而 Hinton 是少数几个还活着看到它生效的。他对当下的建议是简单直接："如果我 18 岁，我会把所有时间都花在这上面。"
https://www.youtube.com/@LatentSpacePod
No Priors — AI for Atoms: How Periodic Labs is Revolutionizing Materials Engineering with Co-Founder Liam Fedus
核心要点：Liam Fedus 认为 AI 真正影响科学的前提是必须连接到物理世界——光靠语言和推理是不够的，必须做实验、拿到实验数据，才能建立对现实的"接地气"认知。
Liam Fedus 是 ChatGPT 的联合创建者之一、前 OpenAI 后训练 VP，在离开 OpenAI 后创立了 Periodic Labs，专注于将 AI 应用于材料工程和原子世界。
他的起点是物理学：本科研究暗物质，后来在 Google Brain 度过了深度学习最丰富的一段岁月（2016-2017 年），参与了分布式训练策略、混合专家模型（mixture of experts）和 Transformer 的早期开发。他形容那是一个"寒武纪爆发"式的年代，少数 GPU、小型团队就能推动前沿。
加入 OpenAI 后，他的使命是将已预训练的 GPT-4 产品化。他们当时想到的方案包括写作机器人、编码机器人，甚至一个坐在 Google Meet 里记笔记的"会议机器人"。最终 John Truman 力排众议，选择了最通用的方向——一个聊天机器人，那就是 ChatGPT。
Periodic Labs 的核心逻辑是：语言模型是非常强大的编排层，但材料科学需要的是与实验形成闭环。他们使用语言模型作为"导演"，同时开发专门针对原子系统的神经网络（具有对称性感知能力，低延迟），由大模型调度这些专用网络作为工具或奖励函数。他坦言："我们在编程模型上花零精力，Codex 和 Claude Code 已经极大地加速了公司。"
数据问题是材料 AI 最核心的挑战。他指出，从文献中提取的材料属性数据，同一属性的报告值可以差几个数量级，用这样的数据训练出来的模型只能建模分布，而不能接近真相。真正的突破在于：实验数据加闭环系统，用实验结果反查文献、识别异常、驱动下一批实验，形成主动迭代而非被动积累。他的商业模式定位是为制造业和材料企业提供"智能层"，内部先把 Periodic 自己当作客户零号（customer zero）验证，再扩展到外部。