吴恩达官宣新公司 LearnVector
吴恩达宣布成立新公司 LearnVector，获 Coursera 1 亿美金投资。公司旨在利用 AI 技术将教育从“一对多”转变为“一对一”的个性化学习模式，强调通过专属学习向导提升学习效果，而非简单替代学生完成任务。
相关文档
ESP Labs：开源的 ESP32 在线学习平台
ESP Labs 是一个开源的 ESP32 在线学习平台，借助 AI 把开发板、电路模拟和固件代码搬进浏览器，解决硬件调试痛点。平台内置可视化可交互的 3D 开发板，点击芯片、天线或按键即可高亮对应部件，提供 32 个 3D 交互式实验章节，支持实时引脚图、电路模拟和串口交互。教学内容渐进式设计，从点亮 LED 到 Wi-Fi 蓝牙、RFID 和声音处理，固件源码与虚拟板卡行为实时绑定。支持中文等多种语言，适合硬件新手在购板前先在网页练手。
AI 时代职场人现在最该学的一项技能是什么
宝玉分享吴恩达的观点：AI 时代人人都应该学编程。与一些企业高管认为 AI 会自动化编程、不值得学的观点相反，吴恩达认为正因为 AI 辅助让编程变得前所未有地容易，才更值得人人学习。学编程不等于手写代码，而是学会用计算机听得懂的方式把需求说清楚。会编程的职场人可以自己搭建网站、用程序筛选简历，与不会编程的人拉开明显生产力差距。孟岩补充观点：把'人人学编程'翻译成'人人用 Agent'更贴切。
这个时代最明确的两条风口-AI和IP
作者以一名刚入行AI模型评测的大厂新人视角，复盘入行一年多的经历，指出爆发期行业的'草台班子'本质，鼓励普通人不必等完全准备好再入场。文章提出当下两大风口：AI与IP。AI部分强调'有多少智能就有多少人工'，模型进步依赖大量人工数据标注与评测，真正的红利是把个人创业的技术门槛降到极低，需要懂业务的人把AI落进具体场景。IP部分强调通过持续公开输出积累信任资产，摆脱'大厂藤壶'困境，并将内容创作拆为IP本人、助理、视频制作三个角色，尝试用AI辅助视频制作，开启个人账号的长期积累。
AI下一个类Coding的大场景在哪？聊聊AI发展中的四个时间差
文章分析了为什么Coding成为AI第一个杀手级应用，指出其成功源于数据数字化、结果可验证、流程可拆解等条件。作者认为下一个大场景不会是单一的“第二个Coding”，而是客服、财务、IT运维、医疗、法律、供应链等数百条业务流程同时Agent化的总和。通过微软Foundry、M365 Copilot和Agent 365三组数据，文章判断企业AI正处于从第二阶段向第三阶段扩散的过程中，呈现“广而不深”的特点。最后展望了个人行动Agent和AI科学发现两大长期机会。
Own Your Intelligence: 企业自建 AI 能力实战指南
红杉资本团队撰文探讨企业是否应自建 AI 能力而非依赖前沿实验室。开源模型（如 Kimi K3、GLM 5.2）性能逼近前沿，后训练技术栈日益成熟，成本、速度、专有数据与自主掌控成为自建的核心动因。文章给出实践路线图：组建专职团队、公开研究成果，并系统介绍了评估（Evals）、Harness 与上下文工程、后训练（SFT/偏好调优/RL/蒸馏）以及在线学习四个技术步骤，帮助企业在特定领域超越通用前沿模型。
AI行业220个核心名词科普与整理
本文针对AI行业层出不穷的新名词，系统整理了超过110个核心概念，旨在帮助读者建立对AI技术的整体认知。内容涵盖了一人公司(OPC)、Agent智能体、大模型架构、模型训练与压缩、MCP生态协议，以及AI创业相关的商业指标等，适合作为日常查阅和学习的工具指南。
中国四大头部大模型创始人信息
文章梳理了DeepSeek、Kimi、智谱和MiniMax四家中国头部大模型公司的创始人信息，包括年龄、学历背景及身家估值，并探讨了学历与家庭背景对成功的影响。
AI 圈的“信息源头”：30 位核心人物清单
本文精选了 30 位在全球 AI 领域真正生产一手认知的关键人物。清单涵盖研究、工程、教育、开源、评测、AGI 及全球生态七个维度，列举了如 Karpathy、Andrej Karpathy、Sam Altman 等行业领袖。关注这些账号有助于快速提升对 AI 前沿技术与趋势的认知密度。
AI 大V人物小传（上）
这是一份按主题编排的AI领域人物小传（上篇），涵盖了从深度学习奠基者、大模型实验室领袖、Transformer论文作者到顶尖学术研究者的75位关键人物。文章详细介绍了每个人的背景、核心贡献及当前动态，包括Hinton、LeCun、Altman等业界巨擘。
当智力开始廉价：大厂工程师眼中的 AI 冲击波
本期 Indigo Talk 邀请 Meta 工程师 Jun Wei，探讨大模型引发的智力廉价化趋势及其对白领和程序员群体的冲击。对话深入分析了为何 AI 竞赛不可停歇、程序员作为“翻译员”的历史使命是否已终结，以及普通人应如何从 Programmer 转型为 Builder。文章指出，纯软件壁垒消失后，创业的核心逻辑正转向媒体思维与表达能力。
纽约见闻：脑机接口前沿技术与AI存储焦虑
作者在纽约与从事脑机接口研究的神经医学专家交流，探讨了Neuralink的技术评价、神经信号的极高采样频率带来的PB级存储挑战、以及光通信在未来的应用。文章还深入分析了AI公司为何大量招聘神经科学家，不仅为了模仿大脑的高效能耗，更为了破解AI“黑盒子”的可解释性难题。文末感叹当下是科技爆发的最好时代。
什么是具身智能？它跟 AI 的关系是什么？
文章深入解析了具身智能的定义、历史渊源及发展现状。作者区分了具身智能与传统机器人，指出其核心在于感知-行动闭环与物理世界的实时交互。文章回顾了从符号主义、行为主义到深度学习、Transformer时代的技术演进，分析了VLA模型如何继承大模型能力来突破泛化难题，探讨其与AI的本质关系及未来前景。