技术研究/技术突破

Google Cloud DORA发布了一份AI使用报告

DORA（DevOps Research and Assessment）是Google Cloud推动的一个长期研究项目，起源于2014年，目前已经是业界最长期、最系统的关于软件交付性能与组织效能的学术研究之一

这次DORA发的2025年State of AI-assisted Software Development，核心内容在官网blog的这篇文章里总结了：

AI已成为开发者标配：
全球近90%软件开发从业者（开发、PM等）已采用AI，比去年提高14%
他们平均每天花费约2小时使用AI工具
65%的人对AI有较强依赖，其中20%表示依赖很多，8%表示依赖极大
带来的好处：
生产力提升：超过80%受访者认为AI提高了工作效率
代码质量提升：59%的人表示AI对代码质量有正面影响
交付频率提高：AI使用与更高的软件交付速度挂钩，逆转了去年的负面趋势
信任与生产力的悖论
尽管AI提高了效率，但信任度并不高：只有24%表示非常信任或比较信任AI，30%表示有点信任甚至完全不信任
说明很多人虽然觉得AI游泳，但是仍然不会完全依赖，更多还是辅助共生的关系
团队层面的影响：
AI不仅提高个人效率，还像放大器：在高效协作团队中AI放大优势，让效率更高；在分散低效的团队中，AI反而会凸显问题
报告提出了七类团队画像，从和谐高效到遗留瓶颈，帮助组织理解AI如何作用不同团队文化和环境
DORA AI能力模型
DORA团队发布了首个AI能力模型（DORA AI Capabilities Model），目的是帮助组织从使用AI真正走向成功利用AI。研究基于78次深度访谈、专家意见和近5000名受访者的调查，筛选出7个对AI软件开发成功至关重要的能力（不仅涉及技术，还包括文化和流程建设）：
1. 清晰且传达良好的AI立场：组织必须明确并沟通AI工具使用立场，包括允许的工具范围、实验探索的支持和对AI使用的期望；清晰的立场能放大AI对个人效率和组织绩效的积极影响，并减少员工的摩擦感。这个能力衡量的不是AI使用政策的具体能容，而是政策是否能明确且被传达。
2. 健康的数据生态系统：高质量、易获取、统一的内部数据能显著放大AI对组织绩效的积极影响。
3. AI可访问的内部数据：将AI工具与公司内部文档、代码库等数据进行连接，能提高开发者效率和代码质量，使AI成为高度专业化的助手
4. 强健的版本控制实践；AI生成代码的体量和速度更快，因此频繁提交和熟练使用回滚功能，能有效提升个人效率和团队绩效
5. 小批量工作：小批量开发是DORA的长期原则，小批量迭代在AI环境下更能放大对产品的正向影响，并降低团队摩擦
6. 用户导向的专注：以用户体验为核心是AI团队成功的关键。缺乏用户导向时，AI甚至可能对团队绩效产生负面影响
7. 高质量的内部平台：高质量的内部平台能提供共享能力和安全护栏，帮助组织有效规模AI的价值
强调光有AI工具不够，必须配合组织变革，才能释放AI的全部潜力

Opinion：AI正在从实验性工具转变成开发世界的核心基础设施。低信任+高采用率可能不是矛盾，而是一种平衡，开发者一来AI提升效率，同时仍然人工判断把关质量。我依然相信可预见的这几年，AI和人是共生关系，而不是替代关系，个人和企业在市场化经济里竞争，比的不是谁能以光速赛跑，而是只要能比竞争对手多跑快一点点就够了，AI能带来的就是跑得快的能力，至于跑得稳和跑得远，还是极度依赖个人和企业的能力

Cloudera发布AI的调查报告

Cloudera发布了The Evolution of AI: The State of Enterprise AI and Data Architecture，一些比较有趣的点：

企业AI的普及和价值：
AI成为刚需：96%的企业在核心业务流程中整合了AI
AI带来实际价值：52%的受访者认为他们从AI中获得了可衡量的业务价值
AI Agents兴起：36%已经使用AI Agent，83%认为投资Agent对保持竞争力很重要
AI落地的挑战
数据可用性不足：只有9%的企业能让100%的数据可被AI使用，大部分仍然存在数据孤岛
算力成本激增：2024年只有8%认为训练算力成本太高，2025年增长到42%
安全与合规挑战：
主要安全顾虑：数据泄漏50%，未授权访问48%，不安全的三方AI工具43%，模型投毒35%，合规问题35%，其他是幻觉、模型可解性不足等

Opinion：算是相关从业者的报告，必然是会偏乐观的。我们能持续看到各方发布的跟AI有关的报告，有很悲观，也有很乐观的，很难甄别具体的采样规模和受众群体是否有代表，是否适应每个读者。但是不可否认的是，泡沫的出现是好事，有声量的技术和趋势永远好于无人问津的故事，客观对待每一份报告，结合所在行业的业务情况，可以有效的通过不同角度的报告来印证一些想法和趋势。一份报告的价值不在于正确与否，而在于能提供一些有价值的视角和观点。

产品&模型发布

OpenAI推出ChatGPT Pulse：基于ChatGPT的一个新功能，每天晚上自动整理近期的兴趣、目标和上下文，第二天早上生成一组个性化的信息卡片。还可以连接外部应用比如Gmail、Google Calendar之类的。目前仅Pro可用，后续会推向plus和免费用户
Meta推出Vibes：AI视频Feed，可以创建和浏览AI视频
Kimi推出Agent模式
Google推出了MixBoard：画布产品，目前看着更多还是基于Nano Banana的能力做概念设计画板（Concepting Board）
DeepMind发布机器人AI模型Gemini Robotics ER 1.5：ER代表具身推理（Embodied Resoning）
Suno v5发布：结合Spotify的政策，看各方对AI不同态度很有趣
DeepSeek推出DeepSeek-V3.1-Terminus：V3.1的一个稳定增强版，主要是稳定性和Agent能力提升
Ollama提供免费的Web Search API
Google更新了Gemini 2.5 Flash和Flash-Lite
Scale AI推出SEAL Showdown：一份基于来自真实用户的Benchmark，试图挑战LMArena
Spotify加大对AI音乐的监管：艺术家必须使用音乐数据标准（DDEX）来标注AI的参与，虚假和未经授权的AI声音克隆将被拦截
腾讯开源HunyuanImage-3.0

阿里推出多个模型

这周阿里火力全开，连发了好几个模型

OpenAI推出Responses API

OpenAPI发布了Responses API，是基于/v1/completions和/v1/chat/completions之后的一个新的接口：一个具备持久推理、原声多模态和托管工具的状态化Agent接口，让开发者可以在一次API中同时获取模型的对话内容、推理过程中的动作（如函数调用）以及工具使用结果。

Opinion：可以看我写的文章为什么OpenAI要推出Responses API

投资&商业

Nvidia和OpenAI达成战略合作

9月22日Nvidia和OpenAI宣布达成战略合作，包括：

部署至少10吉瓦（GW）算力的AI数据中心（配套了NVIDIA相关系统），涉及数百万卡的规模
Nvidia会随着每1吉瓦部署为节点，陆续投资1千亿美元
第1吉瓦会在2026年下半年上线，基于Nvidia的Vera Rubin平台

Opinion: 英伟达4万亿俱乐部，市值第一，现在开始疯狂对外投资，而且有一些是以显卡来投资，反向反哺自己的核心业务，非常聪明的做法。

机器人相关

Skild AI发布“全能机器人大脑”（omni-bodied robot brain）：与传统机器人控制器记忆单一机器人解决方案不同，无需针对特定机器人编程即可控制机器人。展示了不管是肢体坏了还是电机卡死，只要机器人还能动，就能让他动
国内研究人员公布药丸大小的机器人
国内去年安装了近30万台工厂机器人：数量超过世界其他国家的总和，目前预计有超过200万台机器人在运作。
国内机器人公司AheadForm发布一款人形机器人头部：面部逼真以及自然眨眼的动作。

热点论文

其他阅读

The Top Programming Languages 2025：乘AI这股风的Python一骑绝尘。一个不错的观点：LLM的出现让一些新的编程语言几乎不可能流行，人们不再直接写代码，少量的示例和教程也不足以支撑AI学习这门新语言，因此新语言生成的代码效果会很差，下降螺旋。
Failing to Understand the Exponential, Again：关于AI的争论不休，但是过去几年AI确实实现了指数级的发展趋势了。
Getting AI to Work in Complex Codebases：很好的文章，把上下文工程的哲学运用到使用AI中，TL或者每一位一线的Dev、架构师和产品都值得看一下
阿布扎比公布一项新战略：计划2027年成为全球首个完全AI原生的政府，并将在各个部门部署200多个AI解决方案
Low Earth Orbit Visualization：可视化近地轨道，看看密密麻麻的近地轨道卫星

LeoTalk AI周知 2: Qwen is on fire!