Mistral 與輝達合作推進工業工程 AI
Mistral 宣布與輝達建立新合作,將 AI 引入工業工程,並加快模擬速度。合作還包含為物理 AI 發布開放基準與配套資料集,以及為 CAE、EDA 中的 agentic AI 提供評測。更多資訊見 Mistral 官方公告。
依意思最接近的 30 筆
Mistral 宣布與輝達建立新合作,將 AI 引入工業工程,並加快模擬速度。合作還包含為物理 AI 發布開放基準與配套資料集,以及為 CAE、EDA 中的 agentic AI 提供評測。更多資訊見 Mistral 官方公告。
亞馬遜工程領導層在一份關於 AI 時代開發者角色的內部更新中提出,如果現有 AI 工具無法讓某項工作受益,這應當被看作一個發現,而非失敗。撰寫該更新的 Terk Terkowitz 建議工程師記錄下 AI 具體在哪些環節幫不上忙,與同行社群分享、同步給主管,並共同尋找解決辦法。他表示,能說清 AI 目前無法幫助自己工作的工程師,正展現了公司期望的判斷力。
OpenAI 表示正推進面向「物理世界」的工程,目前處於早期階段,並公開徵集工程師、工程公司與軟體合作伙伴參與後續工作。帖文未披露具體產品、時間表或合作方式,僅給出官方頁面連結。
Uploadcare CTO Alex Gusev 在 40 歲這年寫道,工程挑戰已經消失:他現在有時完全不看 agent 寫的程式碼,出錯由其他 agent 發現並告知。一年前他還花數月清理自己在 lettercarta.com 上 vibe-code 的程式碼,如今已習慣 agent 把任務做好。
Proton CEO Andy Yen 正在公司內部強推 AI 化,今年是 Proton 最後一年招聘工程師,之後只招用 AI 建置產品的人;公司還在員工電腦上安裝軟體,統計 AI 生成程式碼的數量。據 404 Media 報導,他設立員工信箱收集阻礙 AI 推廣的事項,以便領導層“無情清除一切阻礙 AI 速度的東西”。404 Media 還稱,Yen 對外批評大型科技公司與 AI,對內卻推動工程師用 AI 建置 Proton 產品,即便他們對安全有顧慮。
一位工程經理轉述同事 Emily 的做法,提出與 AI 協作的 Brain Sandwich 框架:先用自己的大腦,再把實現交給 AI,最後再回到自己的大腦。開始前要自己讀懂問題、明確大致方向,否則 AI 可能把方向帶偏,甚至讓人去解決本來不存在的問題;中間階段可以毫無顧慮地完全委託給 agent。收尾時必須自己讀 diff、判斷增加的複雜度是否值得、寫好 PR 描述——如果說不清改了什麼、為什麼改,就不該交給別人審查。
一位被裁工程師撰文稱,Fable/Mythos 一檔的前沿模型並沒有比他更勝任工作,只是比他更便宜,讓僅剩的管理層有信心撐到被併購。他認為模型仍缺產品品味與對長期後果的預判,不足以替代資深工程師,但已足夠讓 Shopify 用機器生成、由資深開發者監督的程式碼把 react-native 應用改回原生 iOS 與 Android。
Meta 工程師在 LinkedIn 發帖稱,用 AI 寫程式碼後難以逐行審查,交付的系統成了自己不完全理解的黑盒。帖文說 AI 輔助交付節奏太快,逐行檢查會耗費大量時間,結果可能只懂高層結構、不懂每個細節,這違背軟體工程習慣。該帖被轉到 Hacker News 的 Ask HN 後獲得 179 分、292 條評論,討論工程師該理解到什麼程度、又該如何應對才敢繼續交付。
Mistral 與 NVIDIA 宣布合作開發 AI 原生工程工作流:以 Mistral Large 4 配合資料生成與物理建模管線,用 NVIDIA CUDA-X、Warp 加速模擬,並接入 Omniverse 生成 3D 場景與 SimReady 資產。雙方還將發布物理模型的公開基準與開放資料集,併為 CAE、EDA 中的 agentic AI 建立評測,考察工具使用、多步流程與技術正確性,同時記錄耗時與算力成本。
OpenAI 表示,ChatGPT 與 Codex 正在幫助工程師建置面向實體世界的產品,並公開了在機械設計、電氣工程和模擬方面的進展。相關進展覆蓋從幫助其硬體團隊更快迭代,到與行業合作方測試新工作流;具體工具能力與落地案例尚未披露。
一篇題為 Go Conventions That Clicked Too Late for an AI Engineer 的文章在 Hacker News 被分享,作者以 AI 工程師的視角,梳理了自己事後才真正理解的十條 Go 編碼約定。帖子發布時僅得 3 分、暫無評論,正文需在 towardsdev.com 閱讀。
Weave(YC W25)開放 12 個全職崗位,全部為 Weave HQ 現場辦公,其中工程類 7 個、銷售類 4 個、營銷類 1 個。工程崗位包括 Founding AI Engineer、Founding ML Engineer、Founding Design Engineer、Founding Product Engineer、Forward Deployed Engineer、Founding Developer Relations 與 Field CTO。
德國聯邦政府與輝達簽署意向宣告,將聯合推進面向物理 AI 的前沿模型,並對接德國“工業 4.0 平台”。黃仁勳同時宣布投資 Agile Robots、Avelios Medical、Mirelo、Reflex Aerospace 四家德國初創,屬於其在歐洲近 100 億美元投入的一部分。西門子同日宣布與輝達合作推進自主工廠,全虛擬產線除錯可減少最多 85% 的工程工作量,基於智慧體的生產規劃最高可降本 20%。
舊金山初創公司 Industrial Next 在 TechCrunch Disrupt 2026 上宣布與 BMW 集團技術辦公室合作,評估其 AI 靈巧操作技術用於製造。該公司由兩位前特斯拉工程師於 2021 年創立,做的是基於自研基礎模型的機器人工作站,把視覺、任務上下文與運動控制打通,用高保真模擬訓練,產線換型從數週縮短到數分鐘,無需傳統程式設計。其工作站已在某款熱門手機的生產中使用,負責柔性排線穿線、聯結器扣合等此前難以自動化的工序;
作者以親歷說明 AI 讓「更敢做」變得可行:藉助 SOTA 模型,他只花個位數小時就做出可用的正則引擎、ripgrep 分支和更快的 Rust 建置,而這類工作過去要一年以上。他還為常被當成 AI 生成垃圾的 pgrust(用 Rust 重寫 Postgres)辯護,指出其維護者在測試中發現了多個真實 Postgres bug,涉及數值、格式快取、pgcrypto 與 money 溢位。
Airbnb CTO Ahmad Al-Dahle 披露,公司目前 60% 的程式碼由 AI 生成,功能交付量同比增加近 80%,工程師人均 PR 吞吐量提升約 1.6 倍;約一半客服工單已完全由 AI 處理,與 Q2 財報中近 45% 的數字一致。內部上下文圖譜 Everest 幫助雜貨配送服務在 8 至 9 個月內上線,機場接送僅用約 6 周。Airbnb 採用多模型策略,至少部署 10 個定製模型,主要在開源模型上做後訓練和強化學習。
在 Criteo 任職的初級工程師 Elise Baturone 認為,AI 不會讓軟體工程師消失,真正的風險是資深工程師消失、所有人永遠停在 Junior 階段。她把自己的 agent 調教成導師,用蘇格拉底式提問做理解檢查,並把「提問」和「review」當成需要自己練的技能:追問 agent 解釋設計選擇、引用來源、論證可疑方案,常能讓它自己發現錯誤。她承認這更費 token,但先弄懂再上線更省事;
AI Engineer 播客最新一期由 swyx 對話 Moshi CEO Anekha Sokhal,主題是她為交易員打造的市場資訊推薦引擎。她把 Moshi 形容為 Bloomberg、Claude 與 Netflix 的結合:行情資料、操作介面,再按交易員的持倉給出定製推薦。她出身 Warwick 數學與統計,在摩根大通做能源衍生品交易,後獲富布賴特獎學金赴美創業。節目還談到可信信源、文件抽取、自建還是採購模型,以及 AI 工程師被要求「你就是整個團隊」的壓力;
思科給一名 27 歲工程師不限量的 AI token 額度,要求他在 24 個月內重寫公司 98% 的遺留程式碼。這名工程師是前創業公司創始人,由公司總裁親自挑選,並被明確告知可以放手去做。該訊息來自 Tom's Hardware 的報導,沒有說明具體會使用哪些模型或工具,也沒有披露預算、團隊規模與驗收標準。
Anthropic 在工程部落格公布,團隊自建了一套版本控制系統,並在五個月內把整個 monorepo 從 git 完整遷移過去。官方給出的動因是:為人類規模而非 agent 規模搭建的開發基礎設施已經成為瓶頸,5 月每天合併約 2,500 次程式碼變更,9 月已超過 30,000 次。部落格文章詳細介紹了新系統的搭建方式,以及 monorepo 完成遷移的過程。
有人做了一款工具,追蹤 AI 行業領袖在影片中的公開表態,並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei(累計 54 條)、Alex Karp(51 條)、Marc Andreessen(49 條)、Sam Altman(45 條)、Palmer Luckey(40 條)、Satya Nadella(23 條)、Elon Musk(21 條)、Yann LeCun(6 條)等人,頁面同時標註本週新增條數,例如 Alexandr Wang 本週有 5 條。
一篇部落格文章提出,軟體工程師可能一直屬於藍領技術工種而非白領:兩者的本質都是製造或修理東西,只是開發者面對的是位元而非原子。作者認為這一誤判部分加劇了開發者當前的 AI 身份焦慮,因為歷史上藍領工人更能消化技術變革,白領反而受衝擊最大。文章還稱,開發者享受了約 30 年被當作明星的高薪與話語權,如今如同紡織工面對織布機、伐木工面對電鋸,需要學會使用新工具繼續謀生,手工活雖難再賺錢但仍可出於興趣保留。
Ashby(YC W19)正在招聘工程經理(EM),職位發布在自家招聘頁面上。該資訊以 Hacker News 招聘帖形式出現,連結指向 ashbyhq.com 的 careers 頁面,並帶有具體職位 ID;發布時為 0 分、0 條評論。原文沒有披露薪資、團隊規模或具體職責。
文章認為,agent 可以承擔更多實現工作並輔助分析、設計和測試,但工程師仍要決定建置什麼、以及什麼證據足以驗收。作者建議把架構決策寫入可審查的 PROJECT_GUIDE.md,而不是隻留在對話裡;每個增量先明確驗收用例,再用本地檢查、測試和實際執行驗證。文中還引用 Anthropic 關於長時執行 agent 的報告,指出上下文壓縮可能丟失條件或留下不清楚的指令。
FurtherAI 的 Sashank Gondala 復盤九個月 AI 原生工程實踐:自 1 月起每位工程師每日合併的程式碼變更量增長約 5 倍,回滾率仍低於 0.5%。面向客戶的變更從夏季每月 17 至 30 個升到 9 月 45 個、10 月預計 48 個;含測試的變更佔比從 15% 升至 91%,AI 先行評審覆蓋 99% 的變更,最多三分之一低風險變更無需人工合併。
Anthropic 宣布投入 1 億美元,通過 Claude Frontier Academy 培養 10000 名 Frontier Deployed Engineers,目標在 2027 年底前完成。首批學員來自埃森哲、貝恩、凱捷、澳大利亞聯邦銀行、德勤、麥肯錫、摩根士丹利和諾和諾德等企業。按人數計算,人均培訓投入約 1 萬美元。
Cisco 總裁兼首席產品官 Jeetu Patel 給 27 歲工程師 Padmanabhan Krishnamurthy 開了無限 AI token 額度,讓他帶兩人團隊重構公司遺留程式碼。Krishnamurthy 先用四周證明可行,最終目標是在 24 個月內重構 Cisco 98% 的遺留程式碼;他於 2025 年隨 Cisco 收購 EzDubs 加入。Patel 還在尋找更多年輕員工,認為他們能挑戰現狀,並稱代際間的摩擦有助於激發新想法。
博主 AIL 與開發者 Matt Pocock 就 spec driven development 展開爭論,他認為 AI 專案的事實來源應是寫作所表達的意圖,而非程式碼;在他看來,程式碼只是執行與表示,寫作才是最接近人腦想法的載體。他提出 Ideal State Artifact(ISA)文件,用散文式的理想狀態、約束與決策記錄,加上可原子化測試的 Ideal State Criteria(ISC)及各自的 eval 來承載需求。
xAI 於 2026 年 10 月 20 日在官網新聞頁發布了一篇題為 incident-sweep 的公告。該帖僅給出全文連結 x.ai/news/incident-sweep,未在正文中說明事件性質、影響範圍或處理進展。具體內容需要開啟原文檢視。
一篇 2026 年 10 月 18 日的博文主張,個人自建軟體工廠是浪費時間,除非是為了工作。作者認為非開發者已用 AI 做出不少東西,與其造工廠,不如直接在聊天框裡描述需求做產品,並去了解 Grok Bot、Claude 這類工具如何運作;AI 寫應用仍會遇到溝通錯位、做錯東西的挫敗。若一定要建,工作場景最現實:熟悉系統、人和多年遺留程式碼,能讓產品經理與設計師低摩擦地發布功能。