📰 AI 博客每日精选 — 2026-03-28
来自 Karpathy 推荐的 92 个顶级技术博客，AI 精选 Top 10
📝 今日看点
AI 行业正经历一轮"退潮验真"——迪士尼撤回对 OpenAI 的十亿美元投资、Sora 被砍、多笔大单落空，市场开始认真审视 AI 泡沫的真实成色。与此同时，AI 在工程实践中的落地却在加速：从一天内用 AI 重写 JSONata 省下 50 万美元年费，到 Vibe Coding 快速产出 SwiftUI 应用，AI 辅助编程正从概念走向日常生产力工具。安全与开放性的隐忧同样不容忽视——LiteLLM 遭遇供应链投毒攻击暴露了 AI 生态的脆弱面，而 AI 公司对开放网络内容的系统性吸取正在动摇互联网的底层契约。资本狂热降温、工程价值兑现、生态风险浮现，三条线索交织勾勒出当下 AI 行业最真实的横截面。
🏆 今日必读
🥇 我对 LiteLLM 恶意软件攻击的逐分钟响应记录
My minute-by-minute response to the LiteLLM malware attack — simonwillison.net · 1 天前 · 🔒 安全
Callum McMahon 发现 LiteLLM（流行的 LLM 代理库）被植入恶意代码后，向 PyPI 报告了这一供应链攻击事件。他公开了自己在确认漏洞和决策过程中与 Claude 的完整对话记录，展示了如何借助 AI 快速分析恶意代码、评估影响范围并找到正确的安全上报渠道。Claude 不仅帮助确认了 Docker 镜像中的恶意代码，还提供了 PyPI 安全团队的联系方式。整个事件响应过程体现了 AI 辅助安全分析在实际供应链攻击中的实用价值。
💡 为什么值得读: 这是一个真实供应链攻击的第一手响应记录，展示了 AI 辅助安全分析的实战效果，对关注开源安全和 AI 工具应用的开发者极具参考价值。
🏷️ LiteLLM, supply-chain, malware, PyPI
🥈 从零开始理解量化
Quantization from the ground up — simonwillison.net · 1 天前 · 🤖 AI / ML
Sam Rose 发布了一篇关于大语言模型量化技术的交互式长文，从浮点数表示的基础原理讲起，逐步解释为什么以及如何将模型从高精度压缩到低精度。文章通过可视化交互演示了 FP32、FP16、INT8 等不同精度格式的差异，以及量化过程中信息损失的具体表现。Simon Willison 称赞这是他见过的最好的浮点数视觉化解释。这篇文章延续了 Sam Rose 一贯的「用交互式可视化讲清复杂技术」风格。
💡 为什么值得读: 即使你已经大致了解量化概念，这篇交互式文章的可视化深度也会刷新你的理解——是目前关于 LLM 量化最直观易懂的教程之一。
🏷️ quantization, LLM, interactive-essay, inference
🥉 开放互联网的终局
Endgame for the Open Web — anildash.com · 1 天前 · 💡 观点 / 杂谈
Anil Dash 警告开放互联网正面临前所未有的生存危机——AI 公司正在系统性地抓取、吸收并替代开放网络上的内容，而非链接回原始来源。以 OpenAI 为代表的公司将公开的网页内容变成了训练数据，产出的 AI 回答直接替代了用户访问原始网站的需求，从根本上打破了「创作-发布-链接-访问」的开放网络契约。这一趋势如果持续，内容创作者将失去流量和经济激励，开放网络的正向循环将瓦解。作者认为这可能是「开放」概念在互联网上存在数十年后的终结时刻。
💡 为什么值得读: 作者是长期关注开放网络的资深评论者，这篇文章将 AI 对开放互联网的威胁上升到「终局」高度，是理解当前 AI 与开放网络冲突的必读观点。
🏷️ open web, AI, OpenAI, internet
📊 数据概览
| 扫描源 | 抓取文章 | 时间范围 | 精选 |
|---|---|---|---|
| 89/92 | 2530 篇 → 48 篇 | 48h | 10 篇 |
分类分布
pie showData
title "文章分类分布"
"🤖 AI / ML" : 6
"🔒 安全" : 2
"💡 观点 / 杂谈" : 2
高频关键词
xychart-beta horizontal
title "高频关键词"
x-axis ["openai", "apple", "disney", "investment", "litellm", "supply-chain", "malware", "pypi", "quantization", "llm", "interactive-essay", "inference"]
y-axis "出现次数" 0 --> 5
bar [3, 2, 2, 2, 1, 1, 1, 1, 1, 1, 1, 1]
📈 纯文本关键词图（终端友好）
openai │ ████████████████████ 3
apple │ █████████████░░░░░░░ 2
disney │ █████████████░░░░░░░ 2
investment │ █████████████░░░░░░░ 2
litellm │ ███████░░░░░░░░░░░░░ 1
supply-chain │ ███████░░░░░░░░░░░░░ 1
malware │ ███████░░░░░░░░░░░░░ 1
pypi │ ███████░░░░░░░░░░░░░ 1
quantization │ ███████░░░░░░░░░░░░░ 1
llm │ ███████░░░░░░░░░░░░░ 1
🏷️ 话题标签
openai(3) · apple(2) · disney(2) · investment(2) · litellm(1) · supply-chain(1) · malware(1) · pypi(1) · quantization(1) · llm(1) · interactive-essay(1) · inference(1) · open web(1) · ai(1) · internet(1) · vibe-porting(1) · jsonata(1) · go(1) · cost-optimization(1) · gemini(1)
🤖 AI / ML
1. 从零开始理解量化
Quantization from the ground up — simonwillison.net · 1 天前 · ⭐ 24/30
Sam Rose 发布了一篇关于大语言模型量化技术的交互式长文，从浮点数表示的基础原理讲起，逐步解释为什么以及如何将模型从高精度压缩到低精度。文章通过可视化交互演示了 FP32、FP16、INT8 等不同精度格式的差异，以及量化过程中信息损失的具体表现。Simon Willison 称赞这是他见过的最好的浮点数视觉化解释。这篇文章延续了 Sam Rose 一贯的「用交互式可视化讲清复杂技术」风格。
🏷️ quantization, LLM, interactive-essay, inference
2. 我们用 AI 一天重写了 JSONata，每年节省 50 万美元
We Rewrote JSONata with AI in a Day, Saved $500K/Year — simonwillison.net · 1 天前 · ⭐ 23/30
Reco.ai 团队利用 AI 将 JSONata（一种类似 jq 的 JSON 表达式语言，与 Node-RED 平台密切相关）从 JavaScript 移植为 Go 实现，整个过程仅耗时一天。这是「Vibe Porting」（AI 辅助语言移植）的又一案例——用 AI 快速生成目标语言的等价实现，再通过原有测试套件验证正确性。迁移后团队声称每年节省约 50 万美元的基础设施成本。Simon Willison 指出标题有些夸张，但核心案例仍有参考价值。
🏷️ vibe-porting, JSONata, Go, cost-optimization
3. The Information：苹果可以「蒸馏」谷歌的大型 Gemini 模型
The Information: ‘Apple Can “Distill” Google’s Big Gemini Model’ — daringfireball.net · 1 天前 · ⭐ 23/30
据 The Information 报道，苹果与谷歌的 AI 合作协议远超此前已知的范围——苹果不仅可以微调 Gemini 模型，还能在自己的数据中心完整访问 Gemini 模型，并利用它蒸馏出更小的专用模型来驱动特定任务。这意味着苹果可以用谷歌最强大的模型作为「教师」，生产出更轻量、更适合端侧部署的「学生」模型。这一安排使苹果在 AI 能力上获得了极大灵活性，同时避免了从零训练大模型的巨额投入。
🏷️ Apple, Gemini, distillation, Google
4. 用 Vibe Coding 开发 SwiftUI 应用非常有趣
Vibe coding SwiftUI apps is a lot of fun — simonwillison.net · 14 小时前 · ⭐ 21/30
Simon Willison 入手了 128GB M5 MacBook Pro 后，因对 Activity Monitor 不满，用 Claude Opus 通过「Vibe Coding」方式快速开发了多个 SwiftUI 性能监控工具。整个过程几乎完全由 AI 生成代码，他只需描述需求并迭代反馈。M5 芯片的强大本地推理能力使得运行高质量本地 LLM 成为可行方案。这是他继演示文稿应用之后第二次尝试 Vibe Coding macOS 原生应用，体验非常顺畅。
🏷️ vibe-coding, SwiftUI, local-LLM, M5-Mac
5. 迪士尼在 Sora 被砍后撤回对 OpenAI 的 10 亿美元「画饼」投资
Disney Drops Vaporware $1B Investment in OpenAI After Sora Got Axed — daringfireball.net · 1 天前 · ⭐ 21/30
OpenAI 宣布关闭视频生成工具 Sora 并退出视频生成业务后，迪士尼随即终止了与 OpenAI 的合作关系，包括此前计划的 10 亿美元投资。迪士尼在声明中以外交辞令表示「尊重 OpenAI 转移业务重心的决定」。Daring Fireball 的标题直接将这笔投资定性为「Vaporware」（空头支票），暗示这笔交易从一开始就更多是双方的 PR 操作而非实质性合作。
🏷️ Disney, OpenAI, Sora, investment
6. AI 泡沫中有多少是真的？
Premium: How Much Of The AI Bubble Is Real? — wheresyoured.at · 18 小时前 · ⭐ 21/30
Ed Zitron 在这篇付费文章中系统性地质疑当前 AI 行业的商业化泡沫，以迪士尼-OpenAI 合作破裂为切入点，追溯了从 2025 年 12 月至今多个 AI 「大交易」最终落空的轨迹。文章分析了 AI 公司的估值逻辑与实际营收之间的巨大鸿沟，以及媒体在放大 AI 叙事中扮演的角色。作者的核心观点是：当前 AI 行业的大量「合作」和「投资」本质上是相互借势的 PR 活动，而非基于真实商业价值的交易。
🏷️ AI bubble, OpenAI, Disney, investment
🔒 安全
7. 我对 LiteLLM 恶意软件攻击的逐分钟响应记录
My minute-by-minute response to the LiteLLM malware attack — simonwillison.net · 1 天前 · ⭐ 27/30
Callum McMahon 发现 LiteLLM（流行的 LLM 代理库）被植入恶意代码后，向 PyPI 报告了这一供应链攻击事件。他公开了自己在确认漏洞和决策过程中与 Claude 的完整对话记录，展示了如何借助 AI 快速分析恶意代码、评估影响范围并找到正确的安全上报渠道。Claude 不仅帮助确认了 Docker 镜像中的恶意代码，还提供了 PyPI 安全团队的联系方式。整个事件响应过程体现了 AI 辅助安全分析在实际供应链攻击中的实用价值。
🏷️ LiteLLM, supply-chain, malware, PyPI
8. 苹果称尚未发现锁定模式被成功攻破的案例
Apple Says It’s Not Aware of Lockdown Mode Ever Having Been Exploited — daringfireball.net · 11 小时前 · ⭐ 21/30
苹果公司表示，自近四年前推出「锁定模式」（Lockdown Mode）以来，尚未发现任何开启该功能的设备被商业间谍软件成功入侵的案例。锁定模式通过大幅限制设备功能（如禁用部分消息附件、网页技术等）来缩小攻击面，主要面向记者、活动人士等高风险用户。这一声明表明该功能在对抗 NSO Group 等商业间谍软件厂商方面表现出了显著的防护效果。
🏷️ Apple, Lockdown-Mode, mobile-security, zero-day
💡 观点 / 杂谈
9. 开放互联网的终局
Endgame for the Open Web — anildash.com · 1 天前 · ⭐ 24/30
Anil Dash 警告开放互联网正面临前所未有的生存危机——AI 公司正在系统性地抓取、吸收并替代开放网络上的内容，而非链接回原始来源。以 OpenAI 为代表的公司将公开的网页内容变成了训练数据，产出的 AI 回答直接替代了用户访问原始网站的需求，从根本上打破了「创作-发布-链接-访问」的开放网络契约。这一趋势如果持续，内容创作者将失去流量和经济激励，开放网络的正向循环将瓦解。作者认为这可能是「开放」概念在互联网上存在数十年后的终结时刻。
🏷️ open web, AI, OpenAI, internet
10. 在人们讨厌的产品上工作
Working on products people hate — seangoedecke.com · 1 天前 · ⭐ 21/30
GitHub Copilot 工程师 Sean Goedecke 分享了在「不被用户喜爱的产品」上工作的心得——从 Zendesk 应用市场到 GitHub Copilot，他长期面对用户的负面反馈。他认为关键区别在于：产品是「有用但不够打磨」还是「根本方向有问题」，前者值得坚持改进，后者需要尽早认清。在充满批评的环境中保持动力，需要把注意力放在具体的用户问题上而非情绪化的评价上。作者坦承 Copilot 确实有很多人觉得不好用，但他从修复实际问题中找到了工作意义。
🏷️ product-management, developer-experience, Copilot, motivation
生成于 2026-03-28 11:51 | 扫描 89 源 → 获取 2530 篇 → 精选 10 篇 基于 Hacker News Popularity Contest 2025 RSS 源列表，由 Andrej Karpathy 推荐 由「懂点儿AI」制作，欢迎关注同名微信公众号获取更多 AI 实用技巧 💡
