#大佬观点

OpenAI 发布文章《The future of the firm》，探讨 AI 可能以何种方式进入企业组织架构——位于人类之下、身旁以及之间。

文章以“AI 如何进入组织架构”为核心问题展开设想，未给出具体模型、版本或产品功能信息。

微软研究院 Catalyst Lab 负责人 Chris White 在播客中回顾了自己从哈佛博士后、DARPA 项目经理到阿富汗战场技术负责人，再到开发暗网搜索工具打击人口贩运的职业经历。

2010 年夏天，他以博士后身份加入 DARPA 多学科团队，评估一种新数据分析方法能否在阿富汗战争中预防暴力、保护士兵，项目结束时该机构要求他在实地证明其工作价值。他后来转向具有直接现实影响的技术工作，相关成果获得 2016 年美国总统打击人口贩运特别努力奖。对话还讨论了问题选择在创新中的作用，以及在看尽人性阴暗面后如何保持希望。

AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张用相互独立的信任层替代逐步骤人工审批，让智能体在可验证的范围内自主行动。

框架围绕四个问题展开：运行前界定范围（Scope）、部署时确认身份与授权（Know）、运行中约束言行（Bound）、每次运行后回溯并改进（Observe）。其中可精确表述的规则由自动推理做数学验证，无法证明的模糊判断仍交给人。

Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。

她结合自身从数学、物理、认知科学到计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果超出预期时深入审视数据的重要性。

GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应随风险变化；Skills 与 MCP 解决不同问题，前者是打包的专家经验，后者为智能体提供连接工具和数据的标准接口；RAG 并未消亡，它与 Agent、Skills、MCP 可以共存于同一工作流。

UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分低于 $0.10，数据系统面临三大新挑战：为智能体而建、由智能体运行、由智能体合成。