X / 推特
Swyx (@Latent Space)
Swyx 发布了 Anthropic 与 OpenAI 两家公司估值与营收的对比图表：OpenAI 估值约 850 亿美元、ARR 约 300 亿；Anthropic 估值约 900 亿美元、ARR 约 440 亿（但注意两家会计方法不同，用 OpenAI 的算法换算后 Anthropic 实际 ARR 可能低约 80-100 亿）。他同时推荐了 AI Dot Engineer 大会上表现突出的演讲内容。
https://x.com/swyx/status/2051440392722391180
https://x.com/swyx/status/2051329252344369626
Roblox 产品负责人 Peter Yang
Yang 宣布终于下载并开始试用 Hermes，向社区征集 Hermes 与 OpenClaw 的真实对比体验，强调不要"带货"，只想要诚实评价。这条推文获得近 500 个赞，反映出大家对两款 AI agent 产品的浓厚兴趣。
https://x.com/petergyang/status/2051129249348894754
Replit CEO Amjad Masad
Masad 展示了 Replit 的 agentic 并行能力现状：平台上同时运行 10 个活跃 agent、198 个草稿状态 agent，已完成超过 700 个 agent 任务，并认为这是互联网上 agent 并行规模最高的地方之一。他还分享了一个令人印象深刻的案例：有人用 AI 为聋哑学生开发了多模态学习平台。
https://x.com/amasad/status/2051167532523074015
https://x.com/amasad/status/2051406536443035922
Y Combinator CEO Garry Tan
Tan 围绕"个人 AI 主权"发表了一系列深度推文。他认为个人 AI 的终极目标是：让每个被 AI 增强的个体都能做有意义的工作，而不被提取性机构所捕获——自由书写自己的 prompt、拥有自己的数据。他强调这是新时代的核心战场，GBrain 开源的意义正在于此：拥有并运行自己的 prompt 和数据，才能真正拥有独立思考的能力。
https://x.com/garrytan/status/2051099735176659256
https://x.com/garrytan/status/2051110206466302136
Builder Zara Zhang
Zhang 分享了 AI 时代一个根本性的变化：在 AI 之前，你无法承担构建一个小东西的成本，因为软件开发成本极高，你必须招团队、说服他人、向委员会汇报。现在，就是你和一个 coding agent。这改变了什么值得被构建的定义本身。
https://x.com/zarazhangrui/status/2051155065331941873
FPV Ventures 合伙人 Nikunj Kothari
Kothari 直言 Gemini Flash 在性价比上令人叹为观止：便宜、效果好、支持 100 万 token 上下文和结构化输出，是他生产环境中用得最多的模型。他还对 2023-2025 年创业潮提出了尖锐批评：太多团队只关注花哨的发布视频和分发，忽略了同等重要的产品-市场契合度验证，结果拿到了 VC 的钱，却把钱烧在了错误的地方。
https://x.com/nikunj/status/2051321911741972900
https://x.com/nikunj/status/2051349526171287930
Vercel CEO Guillermo Rauch
Rauch 宣布开源 `npx deepsec`：一个用于深度安全审查的 agent orchestrator，Vercel 最初为内部使用而构建，在对多个主要开源项目运行后，确认其价值并决定向公众开放。这标志着 coding agent 在安全领域的应用进入新阶段。这条推文获得超过 1200 个赞。
https://x.com/rauchg/status/2051386798899888539
Box CEO Aaron Levie
Levie 指出，Anthropic 和 OpenAI 都在推出帮助企业内部部署 AI agent 的新计划。他认为，随着 agent 进入编程以外的知识工作领域，将带来大量的配套升级需求，这个趋势刚刚开始，但将会快速爆发。
https://x.com/levie/status/2051344780328858040
Sam Altman (@OpenAI)
Altman 宣布会给所有申请 GPT-5.5 发布会但没有抢到席位的用户一个惊喜福利。
https://x.com/sama/status/2051318922805436896
播客
Training Data — Waymo's Dmitri Dolgov: 20 Million Rides and the Road to Full Autonomy
本期 Training Data 播客采访了 Waymo 联合 CEO Dmitri Dolgov，一个在自动驾驶领域坚持超过二十年的技术领袖。他从苏联出生、成长于美国，大学回到莫斯科物理技术学院（MIPT）攻读数学和物理，随后在 AI 领域取得博士学位，并在 2005 年 DARPA 城市挑战赛时找到了毕生方向。
Dolgov 回忆了 Waymo 前身（谷歌无人驾驶汽车项目）2009 年的启动：最初团队约 12 人，两个目标是全自动驾驶超过 10 万英里，以及在旧金山湾区完成 10 条各百英里的无介入路线。全员 24 小时轮班写代码、搭硬件，用了 18 个月完成目标。他将那段时光称为职业生涯中最快乐的时期。
在谈到 AV 行业的多次泡沫与低谷时，Dolgov 提炼出一个规律：技术突破（卷积网络、Transformer、LLM）带来早期快速进展和投资热潮，但 AV 的根本难点在于"最后一公里"——从 80% 到 100% 的路径漫长而艰难，每 26 秒就有一条生命因交通事故消逝的现实，让他们有了坚持的动力。他强调：不寻求"银弹"、对问题的深度有清醒认识，是团队在黑暗期保持韧性的关键。
在技术架构上，Dolgov 介绍了 Waymo Foundation Model：这是支撑整个 AI 体系的核心，包含三个支柱——驾驶员（driver）、模拟器（simulator）和评判者（critic）。这与当下流行的"world model"概念高度契合，但 Waymo 在这个方向上已经深耕多年。模型需要理解物理世界的动态规律、理解什么是优秀驾驶、以及理解驾驶行为对其他道路参与者的影响。Waymo 已累计完成超过 2000 万次真实乘车服务，这些数据形成了极高的竞争壁垒。
https://www.youtube.com/playlist?list=PLOhHNjZItNnMm5tdW61JpnyxeYH5NDDx8