8月27日，戈德伯格在《Science Robotics》杂志发表两篇论文，指出 想让人形机器人获得可以在真实世界应用的技能，速度会极慢——与AI聊天机器人获得技能的速度相差极远，核心原因在于可供人形机器人训练的数据太少了，与AI聊天机器人之间差了10万年。

虽然，高级开发者更倾向于使用AI交付代码，但他们之中也有近30%称在修改AI输出上多花费的时间，抵消了大部分节省的时间，而初级开发者中这一比例是17%。 一位受访者表示，「虽然像GitHub Copilot这样的AI工具能建议代码片段甚至完整函数，对我帮助很大，但有一次用它生成了一个看似正确的复杂算法，结果一个暗藏的细微bug，让我调试了好几个小时。」 ...

当前，业界顶尖的大模型正竞相挑战“过度思考”的难题，即无论问题简单与否，它们都采用 “always-on thinking” 的详细推理模式。无论是像 DeepSeek-V3.1 这种依赖混合推理架构提供需用户“手动”介入的快慢思考切换，还是如 GPT-5 ...

在 Madrona 风投公司播客《Founder and Funded》中，Lamanna 与管理董事 S. Somasegar 对话时直言不讳：传统商业应用将在 2030 年代沦为“主机级遗产”——它们依旧运行，依旧消耗预算，但只是一个被时代抛下的僵化遗物。未来属于 AI 代理。