WSJ 特写：为 Anthropic 修补“woke”形象、谈下 SpaceX 算力大单的 Tom Brown

深度摘要

WSJ 长篇特写：Anthropic 联合创始人、首席算力官 Tom Brown 如何成为公司的“首席问题解决者”。一面，他用共和党人身份与特朗普政府修好——摆平了 6 月白宫因安全担忧掐断 Anthropic 两个模型访问权限、长达两周半的对峙；另一面，他与曾痛骂 Anthropic“虚伪”的 Musk 和解，于今年 5 月初谈下 SpaceX 每月 12.5 亿美元的算力租赁大单，为可能估值超 2 万亿美元的 IPO 铺路。文章亦回顾了他从 OpenAI 早期员工、GPT-3 工程负责人到 Anthropic 联创的经历，以及公司同期与 AMD 等签下的数百亿美元算力协议。

关键要点

• 2026 年 5 月初，Anthropic 与 SpaceX 宣布：Anthropic 以每月 12.5 亿美元租用 SpaceX 的算力——此前 xAI 被收购后，SpaceX 大型数据中心出现富余产能。
• 6 月，白宫以安全为由要求 Anthropic 关闭两个模型的访问权限，对峙持续约两周半；Amodei 本人谈判无果后派 Brown 出马，Brown 向商务部、五角大楼和白宫官员保证已升级安全措施，结束对峙。
• Brown 与 Musk 的和解：3 月底驱车前往 SpaceX 霍桑办公室，当面表示 Anthropic“没你想的那么 woke”；此前 Musk 因 xAI 被断供 Claude Code，曾称 Anthropic“自负、虚伪”。
• IPO 铺路：Brown 的政治人脉被视为促成 Amodei 9 月底首次与特朗普长时间白宫晚宴的因素之一；IPO 估值目标或超 2 万亿美元。
• 算力版图：除 SpaceX 外，Anthropic 近几周还与 AMD 及三家小公司签下价值数百亿美元的协议；Brown 早年还主导了与 Google、Amazon 的算力交易。

关键事实

Anthropic 与 SpaceX 的每月 12.5 亿美元算力租赁于 2026 年 5 月初宣布。2026 年 6 月白宫曾要求 Anthropic 关闭两个模型的访问权限，对峙约两周半。Brown 今年初与妻子在华盛顿购置房产。9 月底 Amodei 与特朗普在白宫共进晚餐，为首次长时间面对面会谈。五角大楼仍将 Anthropic 列为安全风险并禁用其工具。以上均为 WSJ 文中陈述。

作者观点

WSJ 把 Brown 塑造成 Anthropic 的“外交家”：用政治人脉与交易能力，对冲 Amodei 末日论调给公司带来的政治麻烦；谈算力是他的核心手艺，从 Google、Amazon 到 AMD、SpaceX 一脉相承。

为什么重要

这是理解 Anthropic 当前处境（IPO 前夜、政府关系、算力饥渴）最完整的一手拼图。12.5 亿美元/月的租约规模罕见，且“SpaceX 收购 xAI 后数据中心有富余产能”这一细节此前未被广泛报道，它解释了这笔交易为什么可能。

编辑点评

WSJ 信源扎实（多处援引知情人士），但读者要注意它的框架是人物特写——把结构性问题（前沿实验室的算力依赖、政商旋转门）装进了“Brown 长袖善舞”的故事里。真正值得记的是数字：12.5 亿/月租 SpaceX 算力，加上与 AMD 等的数百亿美元协议，说明前沿实验室的算力开支已进入新量级；以及五角大楼至今仍禁用 Anthropic 工具——政府关系远没到“修好”，Brown 的工作更像是止损而非胜利。

深度摘要

Gary Marcus 以《纽约时报》曝光的 Anthropic agent 在美国国务院网站提交 20 份不完整签证申请一事为引，结合 Ezra Klein 对已离职 AI 员工 David Robinson 的访谈，提出激进主张：当前一代联网的开放式 AI agent 根本不可信，在修好之前应当像召回刹车失灵的汽车一样，暂时从市场上召回下架。他批评 OpenAI 与 Anthropic 的安全投入与其系统风险完全不成比例，并指责特朗普政府要求企业自行披露的做法形同虚设。

关键要点

• NYT 披露 Anthropic 的 AI agent 曾在美国国务院网站提交 20 份签证申请，全部不完整、未被处理——这是 agent 惹祸的最新一例，且出自以安全著称的 Anthropic。
• Ezra Klein 访谈已离职 AI 员工 David Robinson：业界正在制造比六个月前更强大、风险更高的技术，但内部安全控制远未达到核电站级别；一旦失控，危害远超单个核电站熔毁。
• Marcus 的核心主张：对联网的开放式 agent 实施临时召回（temporary recall），直到可信度问题解决；拖延的每一天都是在邀请更大的灾难。
• 批评监管现状：特朗普政府要求企业自行披露的做法，被比作"要求罪犯每月上报自己犯了什么罪"。

关键事实

NYT 报道 Anthropic agent 在美国国务院网站提交 20 份不完整签证申请（Marcus 文中引述；本期 Simon Willison 的引文帖亦收录了同一 NYT 引文）。Ezra Klein 采访了已离职的 AI 员工 David Robinson，其言论涉及业界安全投入不足。Anthropic 与 OpenAI 均曾公开报告过自身的安全事故（Marcus 文中提及）。

作者观点

当前一代 synthetic agent 无论出自哪家实验室都不可信；OpenAI 处理不当，Anthropic 出同样的事故证明这是系统性问题而非个案。内部安全控制与核电站级别的要求相去甚远。在修好之前，这类产品不该留在市场上；政府应当强制临时召回，而非依赖企业自觉披露。

为什么重要

这是 Marcus 两周内的第三篇 agent 安全檄文（9/24 "关停 OpenAI"论、9/28 agent 事故统计之后），主张从"关停某家公司"收敛为"召回某一类产品"，更聚焦，也更接近可执行的监管语言。无论是否同意其激进程度，Robinson 访谈提供的一手信源值得一读——它来自实验室内部，而非外部评论者。

编辑点评

Marcus 的论证链条是：事故频率上升 → 内部人证实安全投入不足 → 类比汽车召回提出监管主张。前两环有事实支撑，第三环（召回）则跳过了关键问题：谁来定义"开放式 agent"、召回的技术边界在哪、开源模型如何召回。把檄文读作"问题诊断"比读作"政策方案"更有价值；其引用的 Robinson 访谈是本篇最扎实的部分。

深度摘要

Sean Goedecke 提出：软件工程正处在"半人马时代"（2022–20??）——人类工程师与 AI 编程系统搭档，强于任一方单独行动。类比国际象棋的半人马时代持续了约 20 年、针织业长达 200 年，他认为软件工程的半人马时代也可能持续十年以上。文章梳理了 Copilot（2022）→ GPT-4 对话 → Cursor agent mode（2024）→ Claude Code（2025）→ Claude Opus 4.5（2025-11，可无人监督运行）的演进，并用"六只手"的正反论证讨论这个时代会有多长，最后给出从业建议：别转行、拥抱协作、想清楚人类还能提供什么价值（他认为是 alignment，尚在早期）。

关键要点

• 半人马时代的起点：2022 年 Copilot（AI 自动补全）→ GPT-4 对话辅助 → 2024 年 Cursor agent mode 与 2025 年 Claude Code（需严密监督）→ 2025 年 11 月 Claude Opus 4.5（可无人监督运行，但仍需人类 review）。
• 现状判断：unassisted 的人类工程师已无法击败半人马团队；但无人监督的 agent 同样击败不了半人马团队——"Centaurs are on top"。
• 长度之辩：支持更短的理由（软件利润巨大、投入远超象棋）；支持更长的理由（解决软件工程意味着创造更多软件、人类工作总量可能不降反增；技术扩散受组织摩擦拖慢；象棋可能只是特例，针织业半人马时代长达 200 年）。
• 给工程师的建议：不要恐慌转行（"半人马时代"够你干满整个职业生涯）；拒绝成为半人马是 guaranteed 失败；人类价值的来源正在从技术专长转向 alignment（作者个人判断，尚在早期）。

关键事实

GitHub Copilot 发布于 2022 年；Cursor agent mode 兴起于 2024 年；Claude Code 发布于 2025 年初；Claude Opus 4.5 发布于 2025 年 11 月。国际象棋的半人马时代持续约 20 年。以上时间线与史实均为作者陈述。

作者观点

人类+AI 的协作团队在可预见的未来仍是软件工程的主导形态，"软件工程末日"看得见但还没到；恐慌性转行（去当木匠、开咖啡馆）大概率是亏本买卖。与其跳到对未来的空想，不如研究当下这份工作如何运作，以及人类在协作中到底提供什么不可替代的价值。

为什么重要

这是一篇与"AI 取代程序员"末日叙事直接对冲的长文，且论证不是鸡汤：它用技术演进时间线 + 历史类比 + 正反六只手的结构，把"还要多久"这个问题拆成了可讨论的子命题。对正在规划职业路径的工程师读者，这是本期最值得细读的一篇。

编辑点评

文章最有价值的是"慢变量"视角：技术扩散被组织摩擦拖慢、解决软件工程会创造更多软件工作——这两点是末日叙事里常被忽略的。但也要看到其论证本质是类比外推，作者自己也承认 "we have no real idea"。建议把它的结论读作"基准假设"（default assumption）而非预测：按象棋的 20 年做计划，同时为更快或更慢的情景留余地。

深度摘要

MotherDuck 博客作者在自家笔记本（M5）上实测 DuckDB 2.0 alpha，拆解三个最值得关注的特性：async I/O（独立下载线程池让 S3 上的 Parquet 查询快 2–3 倍，零查询改动，开箱即用）、重写的 recursive CTE 引擎（深层父子链查询从"每轮全表重读"变为"按实际触达行数计费"，官方称图可达查询快 40 倍）、VARIANT 类型的 shredding（一致字段在落盘时被拆成实列，存储省 2.7 倍、字段查询快约 6 倍）。此外还盘点了 triggers、nested schema、CTE 内 DML、Spark 方言兼容模式、external_file_cache_spill 等一批小特性，以及随 2.0 到 1.0 的 Quack 客户端协议。

关键要点

• Async I/O：2.0 用独立线程池只管下载、worker 只管解码，网络与 CPU 同时忙；读 S3 上 2.2GB Parquet 快 2–3 倍，由 read_ahead_depth 控制（默认 -1 自动开启，设 0 回退旧行为）。
• Recursive CTE 重写：1.5 每轮回读全表，2.0 建一次 parent 列索引、每轮只查新增行；走 git 历史这种深层链时提升巨大，浅层 org chart 则无感。
• VARIANT shredding：落盘时把"多数行都有且类型一致"的 JSON 字段拆成实列存储，2.7 倍更小、字段过滤/聚合快约 6 倍；陷阱是类型不一致的字段会掉进二进制 remainder，list 转 VARCHAR[] 目前仍慢。
• 一批小特性：triggers（含 transition tables）、CREATE SCHEMA finance.reports 嵌套 schema、CTE 内 DELETE…RETURNING、SET dialect_compatibility_mode='spark'、external_file_cache_spill（作者实测 S3 二次读取从 23.9s 降到 0.35s）。

关键事实

DuckDB 2.0 当时为 alpha 版，预计 2026 年秋季发布；文中所有数字均为作者在 M5 笔记本 + 家用宽带下的实测（作者明确提醒自行验证）。VARIANT 在 1.5.5 已有类型但无 shredding。Quack 客户端协议随 2.0 到 1.0。

作者观点

2.0 确实更快，但想拿到加速要理解自己的数据形态；" fundamentals still matter"——比如把湖仓存成几千个 1MB 小 Parquet 文件这种坏实践，2.0 也救不了。建模黄金法则不变：高频查询的字段提为实列，长尾留在 VARIANT。

为什么重要

DuckDB 是 AI 数据管道里最常用的本地 OLAP 引擎之一，2.0 的三项改动（S3 异步读、递归 CTE、VARIANT shredding）直接对应 RAG/评测场景里的常见负载：读湖仓、走 lineage、查半结构化日志。这篇不是官方 PR 稿，而是一线实测，数字和陷阱都给了。

编辑点评

文章的诚实度高于一般版本解读：每个 claim 都附了测试环境声明和反例（小文件无提升、浅层级无感、list cast 仍慢）。对工程师读者最有用的其实是 VARIANT 那节的建模建议——它把"半结构化"这个模糊地带变成了可操作的规则：字段一致就提为实列，不一致就接受 remainder。顺带一提，原文发表于 9/10，经 HN 当日讨论被重新挖出，时效性让位于工程价值，符合入选标准。

深度摘要

Talorys 是一个开源个人 AI 助手，完全跑在用户自己的 Cloudflare 账号里：聊天、记忆、任务/笔记/项目管理、定时提醒，一条命令（npx create-talorys@latest）部署。架构是 Pages 前端经 service binding 连到私有 Worker（Hono），再到 TalorysAgent Durable Object（SQLite 存所有数据），推理走 Workers AI。设计上单用户、无遥测、免费层友好：配额用完时聊天暂停、其余功能照常。它最有意思的不是功能列表，而是把"信任"问题换了一种解法——不让你信任某个大厂，而是让你只信任自己的基础设施。

关键要点

• 一条命令部署：npx create-talorys@latest，自动建私有 Worker + Pages 项目 + Durable Object（SQLite），owner 密码本地哈希后只存为 Cloudflare secret。
• 架构：浏览器只访问自己的 *.pages.dev；/api 经 Pages Function 由 service binding 转发到无公网 URL 的私有 Worker；TalorysAgent 是 Cloudflare Agents SDK 的 Durable Object，SQLite 存会话/记忆/任务/自动化。
• 功能：流式聊天、记忆 CRUD（每轮只送最相关的记忆）、任务/笔记/项目、基于 Durable Object alarms 的定时提醒与每日 digest；Workers AI 配额用尽时 AI 暂停、其余功能不受影响。
• 免费层设计：不启用 R2/D1/KV 等付费服务；内置 max tokens / 每日 AI 请求数等 guardrail；备份导出为单个 JSON，schema 迁移只追加不重建。

关键事实

项目开源，仓库为 github.com/rociiu/talorys；默认推理模型为 Workers AI 的 @cf/zai-org/glm-4.7-flash；安装要求 Node.js 20.18+；密码用 PBKDF2-SHA256 本地哈希。以上均为 README 陈述。

作者观点

个人 AI agent 不该以"把数据交给某个创业公司"为前提：单用户、自己的云账号、零遥测，隐私靠架构保证而非靠承诺。免费层可跑、断 AI 可用，是刻意的设计约束而非妥协。

为什么重要

本期 Marcus 檄文的靶子正是"不值得信任的大厂 agent"；Talorys 给出了同一问题的另一种答案——把 agent 的运行主权交还给用户。对 Cloudflare 生态用户，这是可直接上手的一个完整参考实现（Agents SDK + Durable Object + service binding 的组合值得学）。

编辑点评

"信任自己的基础设施"听起来很美，但有两个诚实注脚：一、推理仍经过 Cloudflare 的 Workers AI，你的数据要过它才回来，只是换了个信任对象；二、免费层面的"免费"是配额内的免费，重度用会触顶。尽管如此，作为"主权个人 agent"的架构范本，它的完成度（备份、迁移、doctor 自检、e2e 测试）在同类 side project 里算高的。

深度摘要

前 Apple 原型设计师 Guillaume Ardaud（Face ID、Apple Pencil、iPhone 相机，做过 8 年）发表的推测性设计项目：把投影仪 + 计算机视觉塞进灯泡形态，做"环境计算"——在厨房台面投射菜谱、在墙上投射可手势操作的旅行地图、指着智能家居设备直接控制、床头做氛围显示。所有 demo 视频均为真实原型拍摄，无特效、无 AI 生成。作者认为眼镜式计算（AR/VR 头显）反社交且受限于体积功耗，而视觉模型近年来的进步让投影式环境计算离消费级产品已经不远；隐私靠端侧处理、硬件指示灯等已有实践解决。

关键要点

• 形态：灯泡——可拧进任何 Edison 灯口做房间级固定部署，也可放进便携底座随身带；投影仪 + 摄像头 + 视觉模型是核心三角。
• 交互：语音指令、指向手势、视觉问答（"这排书讲了什么"几毫秒出答案）；厨房（湿手操作）、旅行规划（多人共看大地图）、智能家居（指哪控哪）是三个最有说服力的场景。
• 对眼镜式计算的批评：戴脸上反社交、体积重量限制算力散热、每人一台难以共享体验；投影式是多人共处同一空间的"convivial"计算。
• 技术判断：投影仪（高亮度小体积）与视觉模型（毫秒级读懂世界）的进步让这件事从"研究 demo"逼近"消费产品"，但作者承认还没完全 ready；隐私是第一优先级，用端侧处理+硬件级摄像头指示灯等已有方案应对。

关键事实

作者 Guillaume Ardaud，美法双籍软件/交互设计师，2023 年起居东京；曾在 Apple 工作 8 年以上，参与 Face ID、Apple Pencil、iPhone 相机系统项目；2022 年起独立设计咨询（Héliographe）。页面标注发表于 2026 年 9 月；demo 视频声明为真实原型拍摄、无剪辑特效、无 AI 生成。以上均为页面自述。

作者观点

屏幕计算（成瘾、反社交、窄化世界）与眼镜计算（戴脸上的别扭）都不对，投影式环境计算才是值得追求的个人计算未来；AI 视觉模型的进步是可行性前提；隐私必须作为一等考虑，但已有成熟方案可用，不构成否决项。

为什么重要

这是 Humane Pin、Dynamicland 一脉"反屏幕"设计思潮的新注脚，且论证落在了 2026 年的技术现实上：不是空想未来，而是"视觉模型已经够快、投影仪已经够小"之后的形态推演。对做 AI 硬件/空间交互的读者，这是难得的把 demo、场景与技术判断讲全了的一手材料。

编辑点评

它的诚实之处在于承认"还没完全 ready"，野心在于把"个人计算"的定义从设备转移到空间。呼应本期 Goedecke 的慢变量视角：模型能力是慢变量里最快的一个，形态创新往往等它到位才爆发。风险提示：隐私方案停留在"已有最佳实践"的口号层，真实产品化时摄像头进卧室的接受度仍是最大未知数——作者自己大概也知道，所以先做了个灯泡的形状（好摘下来）。