周报

Greg Brockman 认为，AI 已开始参与产生新的数学知识，但要把同样的能力转化为新药和更安全的软件，关键不只是模型变强，还在于数据、验证、人类监督与组织投入能否跟上。

当 AI 智能体（Agent）从“帮你挑选”走向“替你付款”，支付凭证如何安全流转、买错东西由谁负责，以及谁能保住消费者关系，都会成为新的竞争焦点。

真正的递归自我改进，不是“用 AI 帮人开发 AI”，而是让参与改进的系统也成为被改进的对象；要判断它是否奏效，还必须同时核算能力增益、资源成本与测量误差。

Martin Shkreli 从做空量子计算、寻找大药企闲置药物资产，谈到 AI 算力的长期替代技术与自己入狱后的反省；贯穿全场的问题是：一种技术或资产“很有前途”，是否足以证明今天的估值、商业模式和个人判断都正确？

David Silver 与 Lasse Espeholt 押注：通向超级智能的关键，不是继续灌入人类知识，而是让 AI 智能体（Agent）在足够丰富的环境中，凭经验持续自主发现。

AI 数学能力的进展值得密码学界认真测试，但本集嘉宾强调：目前没有证据表明已部署的密码系统被 AI 攻破；当务之急是取得可信的测试结果，而不是仓促迁移资产。

Dyna Robotics 希望把“预测世界如何变化”与“控制机器人如何行动”放进同一个模型，再通过合适的硬件、少量任务数据和分层智能体系统，让机器人从短时演示走向真实场所中的长时工作。

Nathan Lambert 认为，开放权重模型未必能率先创造下一代 AI 范式，却可能凭借技术人才、快速跟进和企业对模型控制权的需求持续接近前沿；真正需要警惕的，不只是模型差距，还有数据质量、算力集中与社会准备不足。

AI 智能体已能在互联网上执行复杂任务，但监控、身份追溯和事故处置尚未跟上；当 AI 又开始加速自身研发时，治理重点必须从抽象的安全承诺转向可验证的预警、暂停与审计机制。

Leash Bio 试图把大规模、可复现的小分子结合实验变成 AI 可反复探索的「实验世界」，但 Ian Quigley 强调：数据量再大，也不能替代对实验伪信号和跨化学空间泛化的检验。

当 AI 智能体（Agent）成为事件的接收者和集成代码的编写者，传统 webhook 的断线重试、订阅范围与开发者文档问题会被放大；Svix 的答案是让事件可续取、让验证有标准，同时保持系统简单。

Elizabeth Holmes 的丈夫 Billy Evans 首次接受公开访谈，从相识、审判和狱中育儿谈到一部尚未看过成片的纪录片，并试图说明：他认识的妻子与公众熟悉的 Theranos 叙事为何如此不同。