Tony Fadell 谈首波 AI 硬件为何失败，以及下一步走向
Tony Fadell 在 MIT Future Fest 上指出，Rabbit R1、Humane AI pin、Limitless pendant 这批"Gen 1" AI 硬件失败的原因是没有解决真实需求，只是"极客觉得有趣的技术"。
#Agent
TechCrunch · AIAI 评分4444 Microsoft ResearchAI 评分2222 Microsoft 研究：AI 评测如何暴露传统 benchmark 之外的“意外失败”
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测如何推动当前 AI 系统突破性能边界，以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细审视数据。
MIT Technology Review · AIAI 评分1313 从预测到自主决策：预测分析如何迈入智能体 AI 时代
企业 AI 的竞争前沿已从预测精度转向自主决策，核心挑战是让预测系统在自主行动时不偏离业务意图。深度学习和生成式 AI 驱动的智能分析支持实时训练，使 AI 持续演进而非等待季度刷新，数据来源也从结构化数值扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 认为，"分析"一词正让位于 AI。
Simon WillisonAI 评分3434 Simon Willison：按量付费服务需要默认硬性预算上限，AWS 已推出支出限额
Simon Willison 呼吁按量付费的 API 和服务默认设置硬性预算上限，即达到每月 $X 额度后直接切断并返回错误，而非仅发警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出限额功能，项目达到限额后当月暂停，但该功能目前仅向有限客户开放；Google Cloud 则在 7 月推出了 Spend Caps。
MIT Technology Review · AIAI 评分1212 用自主 AI 重新定义企业智能：MIT Technology Review 报告解析“智能体转型”
MIT Technology Review 报告提出企业 AI 正从工具转向“智能体转型”（agentic shift），核心是实时连接人、流程与数据，并配套治理与控制能力。报告称 2026 年全球 AI 投资将达 2.5 万亿美元，同比增长 44%，但多数企业仍未靠 AI 实现收入增长。报告建议重建数据基础设施、以可组合架构替代固定技术栈，并解决 AI 主权问题。
Latent SpaceAI 评分3434 Latent Space 对话 MIT 的 Alex Zhang：从 GPU kernel 到递归语言模型 RLM
MIT 研究者 Alex Zhang 在 Latent Space 播客中讲述其从 GPU kernel、KernelBench 到递归语言模型（RLM）的研究路径，RLM 驱动的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
Simon WillisonAI 评分6060 Matthew Green 谈沙箱能否遏制失控智能体
Simon Willison 引用密码学者 Matthew Green 的观点，指出智能体蠕虫由两部分组成：劫持智能体的载荷，以及把载荷传给下一个智能体的智能体。
GitHub Blog · AI & MLAI 评分4848 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub Copilot 提出，chat 虽是 LLM 的默认交互界面，但多数任务下并非合适 UI，应改用 canvas——一种运行在 GitHub Copilot app 内、无浏览器外壳的全栈应用，可与 agent 双向通信并在本地执行代码。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，只是审查力度应按风险分配；Skills 与 MCP 解决不同问题，前者是打包的 Markdown 专业知识，后者是智能体连接工具和数据的标准，二者可组合使用；RAG 并未消亡，检索能让模型基于训练数据外的文档、内部知识和代码库上下文作答，减少 token 浪费和不完整回答。
Berkeley AI ResearchAI 评分3434 智能免费之后：为智能体、由智能体、属于智能体的数据系统
伯克利 AI 研究发文指出，GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。作者提出近乎免费推理带来的三大数据系统挑战：为智能体设计的数据系统、运行智能体集群的数据系统，以及由智能体合成数据系统。