周报

d-Matrix 押注的不是“全面替代 GPU”，而是用贴近计算单元的内存，为对响应速度敏感的 AI 推理提供另一种选择；真正的考验则是把芯片变成客户能够部署、调用和持续使用的系统。

Tutor Intelligence 的路径不是先造出“万能机器人”，而是让机器人先在工厂完成有人愿意付费的工作，再用部署产生的数据改进模型、硬件和交付能力。

把通用 AI 智能体（Agent）平台改造成面向某个行业、开箱即用的业务系统：先解决真实工作流程，再决定是按项目交付，还是做成可复制的行业产品。

Legora 要做的不只是让 AI 帮律师回答问题，而是在无法查看客户机密数据的条件下，把检索、审阅、起草、协作与人工核查连接成可用的法律工作系统。

Andrew Huberman 把健康建议压缩为晨间明亮光照、力量训练与尽可能高质量的睡眠；谈到专注力时，他强调保护自己的高效工作时段，而不是把一天塞满健康流程。

Disruptive 创始人 Alex Davis 解释为何要以百亿美元级基金集中押注少数成长后期公司：算力、芯片和国防科技的机会巨大，但资本需求、项目交付与私募市场的不透明也使错误更加昂贵。

Zach Lloyd 认为，软件工厂不是“团队大量使用编程智能体”的别称，而是一套以代码定义、在云端运行、能记录与评测每次工作，并据此持续改进的软件生产系统。

a16z 首位员工 Scott Kupor 从金融危机中的建机构经历讲起，解释一家风投如何把创始人服务做成组织能力，以及他为何试图把人才、激励与数字化改革带进美国联邦政府。

消费级 AI 智能体（Agent）的竞争，正在从“能回答什么”转向“能在用户信任的边界内，主动替用户完成什么”。