AI 周报：估值焦虑、视频 AI 与 Web 重构

这周我在刷 HN 和 arXiv 的时候，感觉社区的情绪有点微妙。前几个月大家还在为各种刷新榜单的模型狂欢，但这周我看到更多的是一种“冷静期的反思”。从对 AI 巨头估值的质疑，到为了让 AI 读懂网页而重拾老技术，行业正在从“秀肌肉”转向“搞基建”。

估值叙事疲劳与 "Cancel" 情绪暗流

发生了什么 geohot 周末发了篇博客，标题很直接：the doom justifies the valuation。拿了 49 分，评论不多但很扎心。无独有偶，另一篇名为 cancel claude 的文章也在社区里引发了讨论。

深度解读 老实说，看到 geohot 把 doom（末日风险）和 valuation（估值）放在一起，我觉得他是在戳破当前 AI 圈的一个潜规则：很多公司动辄几百亿的估值，其实是建立在“如果我们不赶紧搞出 AGI，世界就完了”这种宏大叙事上的。而 "cancel claude" 的出现，更像是开发者情绪的一次集中爆发。大家苦闭源模型的审查、API 限制和突然的封号久矣。当你花着昂贵的 token 费用，却还要时刻担心因为某个敏感词被切断服务时，反弹是迟早的事。

影响分析 这对企业级用户和独立开发者影响最大。信仰充值是有额度的，当闭源模型的“安全感”下降，大家自然会去寻找替代方案。

下一步值得关注什么 我猜接下来几个月，开源社区会迎来一波“平替”微调的热潮。看看 fine-tuning-a-local-llm-to-categorize-questions 这种实用向的本地微调教程越来越多，就知道大家在用脚投票了。

视频 AI：从“生成玩具”到“理解世界”

发生了什么 apertvs.ai 这个项目在 HN 上拿了 194 分和 75 条评论，热度极高。同时，arXiv 上有一篇 UNIEGO 论文，专门研究第一人称（Egocentric）视频的统一表示学习。

深度解读 apertvs 这么火，说明大家真的受够了那些只能生成几秒钟、物理规律崩坏的“玩具视频”了。开发者现在想要的是能真正用于生产环境的视频工具。而 UNIEGO 论文探讨的穿戴设备视角，其实切中了具身智能的痛点：单靠第三人称视角，机器人根本学不会人类的精细操作。把这两件事连起来看，视频 AI 的重心正在从“无中生有的生成”转向“对真实物理世界的深度理解”。

影响分析 这对 AR/VR 开发者和机器人团队是个明确信号。如果你还在用纯生成的视频数据训练模型，可能得考虑引入更多第一人称的真实交互数据了。

下一步值得关注什么 我会盯着 apertvs 后续的 API 开放情况，看看它的长视频连贯性到底能不能打。另外，DiffusionGemma 的透明度研究 也提醒我们，多模态模型在推理时到底是怎么想的，依然是个黑盒，可解释性还得继续啃。

为了让 AI 读懂你，Web 基础设施在悄悄重构

发生了什么 一篇关于 JSON-LD explained for personal websites 的老技术科普文章，居然拿了 163 分。另外，GitHub 上的 recall 项目（70分）也在探讨如何更好地处理上下文和记忆。

深度解读 这个真的香。以前我们搞 JSON-LD 这种结构化数据，纯粹是为了讨好 Google 搜索爬虫，搞 SEO。但现在风向变了，这是为了让 AI Agent 能准确抓取你网站上的实体信息。在 AI 时代，如果你的个人网站或博客没有良好的机器可读性，对 Agent 来说你就是隐身的。结合 recall 项目对记忆上下文的探索，未来的 Web 交互不再是“人看网页”，而是“Agent 读数据”。

影响分析 所有独立开发者、内容创作者和 SaaS 公司都得注意了。你的网站结构如果不友好，可能会错失被 AI 推荐和调用的流量。

下一步值得关注什么 我觉得很快会有专门针对 AI Agent 的 "robots.txt" 标准或者元数据规范普及。也许下次我们讨论的就不是 SEO，而是 AIO（AI Optimization）了。

小结

这周的动态让我觉得，AI 行业正在褪去早期的狂热。geohot 的吐槽和开发者对闭源模型的不满，说明市场在回归理性；而视频理解的深化和 JSON-LD 的复兴，则证明真正的生产力变革往往发生在那些不起眼的底层基础设施里。少一点宏大叙事，多解决点实际问题，这可能是当下最务实的选择。