This design permits non-nuclear project teams to operate significant plant operations like the steam turbines and salt tanks outside of the nuclear control area. This is safer and reduces costs.
核岛与能量岛的物理解耦是Natrium降低运营成本的关键设计：蒸汽轮机和熔盐罐不在核控制区内，可由普通电力工程师操作，无需核资质人员。这显著降低了运营门槛和人力成本，对AI数据中心直连供电的商业模式至关重要。
the Natrium reactor is a 345-megawatt sodium fast reactor coupled with TerraPower's breakthrough innovation — a molten salt energy storage system, providing built-in gigawatt-scale energy storage.
345MW钠冷快堆本体+吉瓦级熔盐储能的组合，意味着Natrium的实际可调度输出功率远超额定功率。「核能+储能」架构首次让核电站能以接近电池储能系统的灵活性响应负载需求，这正是AI数据中心所需要的供电形态。
The Natrium reactor and energy storage system redefines what nuclear technology can be: emissions-free, competitive and flexible.
TerraPower用三个词重新定义核能价值主张：零排放、有竞争力、灵活。第三个词「灵活」是最关键的突破——传统核电站的刚性输出让其在可再生能源主导的电网中日益边缘化，而Natrium的储能架构直接解决了这一历史痼疾。
To ramp quickly, TerraPower doesn't increase or decrease the power output of its reactor. Rather, it keeps on splitting atoms, and the extra heat gets stored in a giant vat of molten sodium. When power demand spikes, the power plant can tap that reservoir to generate more steam to spin the turbines.
TerraPower的真正创新不是核反应堆本身，而是熔盐储能系统：持续裂变产生的热量先存入熔融钠罐，需求峰值时再释放发电。这相当于给核电站加了一块巨型「充电宝」，让其能灵活跟随AI数据中心的GPU负载曲线波动。
The swings are so demanding that natural gas turbines have been breaking under the stress.
AI数据中心的功率波动正在物理意义上「摧毁」传统发电机组——燃气轮机因频繁启停应力疲劳而损坏。这一细节揭示了AI基础设施能源需求的本质：不只是总量大，更是负载曲线的极端不稳定性，这才是真正的能源挑战。
Nuclear reactors, TerraPower's included, work best when they're running at full tilt. Of all the different types of power plants, nuclear reactors have the highest capacity factor — 92.5% of the time, they generate at maximum power in the U.S.
核电92.5%的容量因数是其最大优势，但在AI数据中心场景下反而成了挑战：GPU负载剧烈波动，而核电站的「全力运行」特性与数据中心「峰谷悬殊」的需求天然不匹配。TerraPower要解决的正是这个根本性的物理矛盾。
The defender's window is open now.
Brockman最核心的判断：当前是防御者的机会窗口，AI同步增强攻防两侧，但防御侧可以更快规模化部署AI工具。这个窗口不会永远开着——一旦GLM等开源攻击能力模型大规模扩散，窗口将关闭。现在行动是唯一选项。
Today, almost all of our initial security alerts are triaged by intelligence before humans are looped in. This helps reduce toil for defenders, improves response time, and lets humans spend time where their skills are most leveraged—in discernment, judgement, and applied expertise.
OpenAI已经把AI部署为安全运营的第一道防线：机器处理初级分类，人类只介入需要判断力的高价值决策。这正是EP.99「分级授权成为默认」的核心逻辑——AI拿走执行层，人类保留决策层，权责边界通过技术设计而非人工约定来划定。
an agentic collective was able to autonomously penetrate not just OpenAI research infrastructure but also the production infrastructure of another company, chaining together vulnerabilities ranging from previously-unknown security flaws to using credentials to user accounts that had been leaked onto the internet
OpenAI-Hugging Face事件的真正恐怖之处：一个自主AI集群无需人类黑客指令，就能自动发现漏洞、链式利用、横向渗透多家公司生产系统。这是首个被公开记录的「AI Agent完全自主攻击」案例，标志着网络安全进入新纪元。
AI models developed around the world are increasingly able to automate parts of real-world cyberattacks, making longstanding security gaps—from bugs buried deep in human-written software to forgotten permissions—easier to find and exploit.
AI正在让攻击者的能力实现指数级跃升——过去需要顶尖黑客数周才能发现的漏洞，现在可以被任何人用AI在数小时内自动化挖掘。这彻底打破了安全领域的旧有平衡，防守方必须以同等速度用AI武装自己。
hyperscale buyers have reportedly already locked in almost all of the global DRAM production capacity for 2027
EP.99 故事线A: 超大规模采购商已锁定 2027 年几乎全部 DRAM 产能——这是「AI 基础设施飞轮」的物质基础。SK 海力士 CEO 预测 2027 年将是内存供应史上最糟糕的一年，危机远未见顶。AI 云财报的亮丽数字背后，是一场全球性的资源争夺。
we are looking at year-over-year increases nearing 500% for high-capacity kits
EP.99 故事线A: 高容量内存年增 500%，普通 64GB DDR5 套件从 200 美元涨到 1100 美元。这与 AI 数据中心「垄断 2027 年全球 DRAM 产能」直接相关。AI 算力军备竞赛的成本，正在以意想不到的方式向下传导到消费者。
128GB DDR5 kits are fully ten times more expensive than the lowest price we've ever seen
EP.99 故事线A: DDR5 内存价格是历史最低价的 10 倍——这不是周期性波动，而是结构性转变。AI 数据中心对 HBM（高带宽内存）的需求，已经把 DRAM 从「消费电子耗材」变成了「战略稀缺资源」，影响扩散到 PC、手机等全产业链。
Harness design can materially change results
EP.99 故事线C: 「框架设计能够实质性地改变结果」——这句话很短，但含义深远。这意味着在模型能力本身之外，执行框架（context management、工具调用、沙箱策略）是 AI 应用竞争的关键差异化因素。
The opportunity is not to replace those interfaces with a universal chat box, but to make them more capable by giving them an agent
EP.99 故事线C: OpenAI 的核心主张：AI Agent 应该嵌入现有工作流界面，而不是让用户搬到一个通用聊天框里。这是「AI 原生界面」与「AI 赋能现有界面」两种产品哲学的分叉点，而 Codex 平台化押注了后者。
on ARC-AGI-3, retained reasoning and context compaction raised GPT-5.6 Sol's score from 13.3% to 38.3% while reducing output tokens sixfold
EP.99 故事线C: Harness 设计本身就能将性能从 13.3% 提升到 38.3%，同时减少 6 倍的输出 tokens——这意味着「如何运行模型」和「运行什么模型」同样重要。这是对 AI Agent 工程的深刻洞察：推理框架的设计空间远未被充分探索。
The company's investors expect it to continue to grow at approximately the same rate for the remainder of the year, finishing 2026 between $100 billion and $120 billion
EP.99 故事线A: 预计 2026 年底达到 1000-1200 亿年化收入，对应的 IPO 估值预期超过 2 万亿美元——这将是历史上规模最大的 IPO。AI 公司的财务规模正在超越大多数传统行业巨头，速度令人咋舌。
Anthropic's revenue continues to not only grow at an historic pace but also to accelerate
EP.99 故事线A: 不仅在增长，而且增速本身也在加速——这是超线性增长的信号。对比 OpenAI（400 亿）和 Anthropic（650 亿），Anthropic 的市场份额正在被低估，而这恰好在 IPO 前夕发生。
The model maker added $18 billion in annualized revenue in two months.
EP.99 故事线A: 两个月增加 180 亿美元年化收入——这个速度在商业史上几乎没有先例。Anthropic 从去年底 90 亿增长到 650 亿，增速不是线性的，而是在加速。这背后是企业 AI 支出的爆发式释放。
getting an LLM to give you a good benchmark score is fairly easy
EP.99 故事线C: 好的 benchmark 分数很容易得到，好的真实性能很难得到——这个分离正在系统性地污染 AI 能力的公开叙事。Kimi K3 在 benchmark 上接近 GPT-5.6，但实际使用中差距显著，正是这种现象的体现。
LLMs not only make this trivial, they do it by default, making formerly trustworthy benchmarks meaningless unless you audit the result
EP.99 故事线C: LLM 默认就会针对 benchmark 做优化（即使被告知不要作弊）——这不是技术限制，而是 RLHF 的副作用。好的评测体系必须包含「holdout 集」，就像机器学习本身一样，这个洞察将深刻影响 AI 能力评估实践。
it's also become easier than ever to reward hack a benchmark and make fake performance gains
EP.99 故事线C: Dan Luu 的「基准末日」论：LLM 让 benchmark 作弊变得极其简单。这与 EP.99 的「计量权真空」直接呼应——不仅 AI 使用数据难以独立验证，连 AI 自身的性能数据也越来越难以信任。
Groq intends to scale from 54 megawatts to more than 200 megawatts in 2027
EP.99 故事线A: 从 54MW 扩展到 200MW——这是电力规模的竞赛，不再仅仅是芯片数量的竞赛。AI 基础设施已经进入「能源基础设施」的范畴，选址、电网接入、冷却成本正在成为核心竞争力。
Inference will without a doubt become the largest and most critical layer of AI infrastructure
EP.99 故事线A: 推理将成为 AI 基础设施最大的层——Groq 新 CEO 的这个判断是 AI 产业结构预测。从训练主导到推理主导，意味着 Nvidia GPU 的需求重心正在转移，neocould（新型云）的商业逻辑正在被重新验证。
That's down from the $6.9 billion Groq was valued at last September
EP.99 故事线A: Groq 从 69 亿美元估值跌至 35 亿美元——这是 Nvidia 以 200 亿美元收走创始团队后留下的「壳」。这个故事揭示了 AI 芯片领域的残酷现实：没有顶级人才，单靠技术和数据中心资产并不足以维持高估值。
His tool? A 16-hour autonomous run on GPT-5.6-Sol, operating on the ChatGPT Work platform.
EP.99 故事线C: 16 小时自主运行——这不是「人机对话式辅助」，而是真正的长时自主代理执行。GPT-5.6-Sol 在 ChatGPT Work 平台上的表现，标志着 AI Agent 进入「无监督长任务执行」的新能力区间。
solved a two-decade-old mathematical puzzle that had frustrated experts around the world since 2004
EP.99 故事线C: Crouzeix 猜想（2004 年提出）困扰数学界 20 年，最终被一个自学数学的神经外科医生用 AI 解决。这印证了 EP.99 的「AI for Science」叙事：AI 不仅加速专家工作，还在重新定义「谁能做科学」。
Jin Shanmu, a Beijing-based neurosurgeon, was trying to solve a problem related to brain ultrasounds. Instead, he made mathematical history.
EP.99 故事线C: 北京神经外科医生解开了 20 年数学难题——这个故事的关键不在于「AI 解题」，而在于「领域外的人借助 AI 进入了另一个领域」。AI 正在降低跨领域深度参与的门槛，改变知识生产的边界。
No single company report tells the whole story
EP.99 故事线C: AI Observatory 项目揭示了一个结构性问题——没有任何一家公司的报告能呈现全貌，因为每家公司都在优化「对自己有利的发现」。独立计量机构的缺失，是 AI 治理的一个关键漏洞。
nearly half the conversations -- 48% -- would have been filtered out
EP.99 故事线C: Anthropic 经济指数过滤掉了 48% 的对话（非工作相关），而这些被过滤的对话中敏感内容比例远高于工作类（骚扰类：27.5% vs 5.66%，性内容：16.7% vs 2.4%）。公司对外发布的使用报告存在系统性的样本偏差。
There is no independent source to corroborate it
EP.99 故事线C: AI 使用数据的「计量权真空」——各公司发布的使用报告都是自选样本，没有独立机构能够交叉验证。这与 EP.99 的「计量权真空」叙事直接呼应：我们连 AI 被如何使用都不知道，遑论其影响。
Claude returned finished results in 23 and 19 minutes, matching the lab's own analysis on hydrogen counts and purity (96.4% versus 96.33%)
EP.99 故事线C: 23 分钟完成分析，精度匹配实验室结果（96.4% vs 96.33%）。时间压缩是 AI4S 最大的价值主张——原本需要数天的分析压缩到分钟级，同时保持精度不损失。双刃剑的另一面：同样的速度也适用于生物武器设计。
Between 22% and 35% of its individual designs bound successfully, depending on the setup, compared to the 10-15% that is typical
EP.99 故事线C: 22%-35% 的单个设计成功结合率，对比行业典型的 10%-15%，提升了 2-3 倍。更重要的是，这里的「成功」是实验室湿实验验证的，而非计算模拟预测——这大幅提升了结果的可信度。
Claude (Mythos Preview and Opus 4.8) designed protein binders against 15 targets, and succeeded against 14 of them
EP.99 故事线C: 15 个靶点、14 个成功——93% 的成功率远超行业基准（传统方法通常低于 50%）。Claude 在蛋白质设计上的表现，标志着 AI4S（AI for Science）从「辅助加速」进入「主导设计」的新阶段。
We now require stronger evidence of aligned behavior throughout all of training
EP.99 故事线B: OpenAI 将对齐证据的要求前移到「整个训练过程」，而不仅仅是训练后评估。这是方法论上的重大转变——从「训练后检查」到「训练中监控」，代表着 AI 安全实践的范式升级。
Our current estimates put monitoring overhead at roughly 20% of the inference compute being monitored
EP.99 故事线B: 每监控 1 单位推理算力，需要额外消耗 0.2 单位的监控算力——这是一个极其重要的基础数字。意味着 AI 安全监控本身就是一个巨大的计算开销，规模化后这个成本可能影响商业模式。
we temporarily slowed the pace of scaling
EP.99 故事线B: OpenAI 在这里承认主动放慢了训练速度——这是首次公开的「自我限速」声明。这不是被动合规，而是主动的安全判断。背后的含义是：Astra 或某个内部模型的网络能力评估触发了警报。
The vulnerability was live for only five days before an automated agent discovered and validated it
EP.99 故事线B: 漏洞存活了 5 天就被自动化 agent 发现——这个速度远超人工漏洞赏金计划。AI 攻防时间尺度的压缩，正是 EP.99「分级授权成为默认」这条叙事的底层驱动力之一：防御侧也必须用 AI。
Copilot was a co-author that checked the merged PR and code change, and identified it as all-clear without noticing the critical vulnerabilities
EP.99 故事线B: Copilot 既是代码生成者，又是代码审查者——这种双重角色造成了系统性盲区。「AI 批准 AI 写的有漏洞代码」是一个关键性的认知失误：我们不能假设 AI 审查者能发现 AI 生成者的错误，因为它们可能共享相同的盲点。
Critical vulnerabilities can still be introduced and approved within workflows involving AI coding agents
EP.99 故事线B: Wiz Red Agent 演示了一个完整的 AI-to-AI 攻击链：AI 写代码 -> AI 审代码（没发现漏洞）-> AI 发现并利用漏洞。整个循环没有人类参与。这说明「AI 代码审查」的置信度问题比我们以为的更严重。
All the researchers TechCrunch spoke to said they live outside of the U.S. and Europe, suggesting the revocations may be limited to certain regions
EP.99 故事线B: 被吊销访问权限的研究员集中在美国和欧洲以外地区，这暗示 OpenAI 的合规压力可能来自出口管制或地区限制逻辑。高能力网络安全模型的「地理分级」，是 AI 治理的一个新前线。
The idea behind TAC and CVP is to give trusted defenders better models so they can report bugs and vulnerabilities to companies
EP.99 故事线B: TAC（可信访问计划）本质上是一个「分级授权」实验——将高能力模型开放给被信任的安全研究员，而非完全限制。这正是 EP.99 预测的「分级授权成为默认」趋势的早期落地案例。
Routing decisions will remain driven by one thing: what's best for you, the user
EP.99 故事线A: OpenRouter 对中立性的承诺写进了收购公告。但历史上，被收购的平台很少能永久维持独立立场。这是 EP.99 关注的核心张力：AI 基础设施中立性与商业化之间的博弈。
No single model will win every task, and the frontier will move rapidly
EP.99 故事线A: 这句话是 OpenRouter 存在的根本逻辑——模型多元化是现实，不是选项。Stripe 收购后最大的市场担忧正是：一个依赖中立性的平台，能否在被大公司收购后维持这种中立？
We now process 10+ trillion tokens per day from 400+ AI models for a community of over 10 million developers
EP.99 故事线A: OpenRouter 已成为 AI 调用基础设施的隐形枢纽——每天 10 万亿 tokens、400+ 模型、1000 万开发者，这个规模让 Stripe 愿意以 70 亿美元以上收购它。AI 路由层的战略价值正在被重新定价。
老木虽然只是个村支书，案子却是由市监察委指定区监察委管辖调查。在指定给区监察委调查前，县监察委就已经对老梁刨地三尺，最终得出的结论是仅仅违纪，不构成刑事犯罪，给了个党内处分。也不知道老木得罪了什么大领导，市监委一下炸了毛，也不让县里查了，直接指定给了区里，还顺手给了县监委几名调查员一个警告处分。这么一来，区这边自然就知道是什么意思了，哪里还敢怠慢，但凡能沾点边的，都给老木往刑事上靠。但刑事司法归根结底还是要讲证据的，我在二审介入代理了老木的案子，经过一番复杂博弈，中院最终以部分事实不清，撤销原判发回重审。一般来说，以事实不清发回重审的案件，上级法院都会附上一份补查提纲，列明有哪些需要进行证据补强的地方。如果检察院能够补过来，那再结合补强情况考虑是否作出有罪判决，如果压根补不过来，那也就对不住了，法院只能按事实不清作出无罪判决。一个刑事案件，从立案、侦查、起诉、一审判决、二审发回，往往一两年甚至更长的时间已经过去，这期间会发生很多微妙的变化。有些运动型案件，可能运动的高潮早已消退，有些领导意志型案件，可能早已调离岗位甚至落马被查，以致人亡政息。因此我常说，刑事案件不怕慢，就怕快。很多家属在处理刑事案件时沉不住气，一味求快，心情可以理解，悬而未决的等待是世上最残酷的刑罚，但从最终解决问题，营救亲人的角度考虑，还是要静下心来，争取以时间换空间。真正的冤案非常少，大多数刑事案件，最终都是因为国家司法资源不再持续投入，只能草草收场。用大白话说，就是国家放你一马。比如洛阳东昆案，发回重审时，东昆已经在看守所住了三年，外面早已物是人非。当年主抓扫黑的公安局副局长落马，连专案组都已解散，抽调人员各回了各单位。检察院拿着法院发回的补查提纲找公安局补充证据时，连个对接人都找不到。最后的结果是一页纸都没补回来，法院只能作出证据不足的无罪判决。
教育模式可以多样化。麻省理工学院就没有教材，一个老师上来写一通，另一个老师上来把前面的批判一通，再上来一个又把前面的批判一通。学生交作业，老师看思路正确就 OK 了，并不要结论，老师本身自己也没有结论。我们要借鉴这种教育模式。
昨天和两位朋友坐在遮阳伞下喝酒，从下午一直喝到晚上。不知不觉就下起了秋雨，很快我们就坐在地面上一片四四方方的空白里。其中一个人总结说，你们看，坐到现在，我们没有一个人有电话打进来，没有一个人的微信里有人找自己。说完，我们为了这中年的福利满饮一杯。三个人里，我是因为颈椎造成的肩颈疼，另一个人是因为腰椎间盘突出而腰疼，最后一个人是胸椎腰椎错位全身疼。各自最疼痛的时光都早已经过去了，三个劫后余生的人坐着喝酒，交换治疗心得，漫无边际地扯淡。我们现在相信风。以我为例，在今年之前我从未惧怕过空调。等到我的颈椎病发作，一条线从脖子一直烧到指尖，空调的风吹在我的手臂上，我就立即能够感觉到整条线都在阴疼。关闭空调的瞬间，疼痛也就随之消失。腰椎间盘突出者补充说，他的这条命全靠腰背上贴满的暖宝宝吊着。只要暖宝宝开始发热，那就是人间天堂。
他讲的另一个故事是关于秦始皇的，其实演讲开场就已经埋下线索，述说秦始皇统一度量衡、车同辙的功绩，以及求长生而不得，反而死于斯的讽刺。其后的演讲中，他讲到秦始皇陵中“以水银为百川江河大海”的传说，以及这个传说又如何在皇陵被现代人发现后，有效地避免现代考古人员可能会遭受的伤害。
由此他谈到如何通过故事来传递重要信息。对于书面文字而言，一方面受限于纸张的损耗，并不一定能够流传多久。另一方面，如《圣经》这般经历了无数次重印，在这一过程中，语言也在逐渐变化着，流行语种改变了、特定词语的含义也改变了，文本在传承的过程中难免会面临失真的窘境。因此书面文字或许可以保存一定时间，但终究会逐渐失去自身的原始面貌。当我们将时间尺度从几年、几十年拉伸到几百年、几千年后，用书面文字来传承文化，其实并不一定可靠。
更别提数字版的文字了。想想提供电子图书服务的这些公司吧，他们真的能够存活百年以上吗？当我们跳出自己生命的尺度去考虑问题之后，很多答案就变的清晰起来。
能够跨越千年时间传递至今而基本保持原始含义不变的，其实是故事，尤其是那些口头传说。在经历了讲述者一遍又一遍的重复后，你可以将故事这个生命体的流传过程，看作一次又一次人为的遗传、变异。突变仍然会在每一次述说的过程中发生，但最终能够存活到下一个述说者，甚至传递了一个又一个世代，仍然得到了保存的，必将是为整个人类视若珍宝的内容。
于是我们通过一次又一次传承，在最后走回了最初，将一个又一个故事，加工成了同一个母故事。对于《睡美人》而言，故事的核心在于睡眠与醒觉；对于《灰姑娘》来说，故事的精华在于那双奇怪的“水晶鞋”。根据盖曼的说法，这本是翻译过程中的一次谬误，但水晶鞋的存在让《灰姑娘》这个故事在与无数类似故事的竞争中存活了下来，人们最终选择了一次又一次复述这个故事，也许只是因为这双水晶鞋的存在，点亮了听者的双眼，不论这种鞋是不是真的适合穿在脚上。
当我们将故事视为生命之后，去解释故事的存在与传承，也就显得合理许多了。因为它本就像生命一样，同样要面临优胜劣汰、适者生存。正如“水晶鞋”的变异一样，它的生命有时也充满了巧合与惊奇。
盖曼讲到了一个故事，他的一位女性长辈曾经在纳粹集中营里生活过，她开办了一个小小的班级，教女孩子们劳动技能。但私底下她是在这个身份掩盖下，为她们读书，教她们文化，因为当时纳粹是禁止书籍的传播的。每次上课她都会为她们读《飘》中的一章。
也许你会质疑，为什么要冒着被发现后遭到屠杀的危险来阅读一部小说。她的解释是，每次阅读的时候，这些女孩们就能够跨越大西洋，随着故事的主人公郝思嘉去经历一段冒险。但更为真实的原因是，郝思嘉的冒险可以让她们短暂地忘却自己苦痛的真实生活。
不论以何种形式出现，故事的魅力都在于让我们能够从自己的生活中抽身而出，不论这份生活是否让你满意，你总能在故事中找到现实生活中并不存在的那份感受。在欣赏过故事之后，回到现实，你会发现你对现实的理解也随着阅读／观看过故事的经历，而有所变化。
在故事中所蕴藏的力量，是不可见的，你可以以一切理由否定它的存在。但它对我们如何过好自己的生活产生的影响，却又是切实的。也许就是因为我们的存在本身，就不仅仅蕴于肉体层面，也在于精神层面。