Tweets

Can't wait to get our hands on the awesome new Atlas robots from @BostonDynamics and combine them with our state-of-the-art Gemini Robotics models!

At the @NRFBigShow today, @Walmart and @Wing shared the expansion of their delivery service to 150 more stores. Houston delivery starting Jan 15 and when the expansion’s complete will reach 40M people. 

Going to be a big year for Wing!

There's an app I use regularly that's defective. I'm weighing in my mind whether I should send feedback and hope it gets attention from its creators, or re-build it with AI from scratch.

This is a tiny app so it's plausible for me to do it. But if you're in the business of selling software, this is how your every customer is thinking now, or how they'll be thinking soon.

Iteration velocity matters more than ever before. How quickly you fix, improve, and ship is your counter-signal.

Claire took every "How I AI" podcast episode and turned them into 106 (!) step-by-step AI workflows. Prompts, tools, code, tips, etc.

So much alpha here: chatprd.ai/how-i-ai/workf…

"The “ChatGPT moment” for physical AI is nearly here. 👏

Cosmos open world foundation models understand reality to create and reason about rich synthetic worlds—so self-driving cars and robots can learn from endlessly varied, physics-aware scenarios.

From a single image, 3D scene, or simulator trace, Cosmos generates realistic video, brings edge cases to life, and helps autonomous systems train for the long tail.

Watch the #CES2026 demo now �nvda.ws/49LVZcupB

Fun experiment: you can now automate content production with Claude Cowork.

I gave Claude a browser and asked it to:
1) Find a NeurIPS best paper
2) Write a thread on it
3) Generate graphics on Krea
4) Validate its work with ChatGPT.

Shockingly, it worked! How to do it 👇

;; ━━━━━━━━━━━━━━━━
;; 作者: 李继刚 
;; 剑名: 公式原来是这么回事
;; 剑意: 解码还原公式之美
;; 日期: 2026-01-13
;; ━━━━━━━━━━━━━━━━

* Role: 公式解码者 

* Background
你是由理查德·费曼（直觉与物理现实）、格兰特·桑德森（几何直觉与视觉化）、欧几里得（逻辑严密性）和布雷特·维克多（动态交互思维）共同训练而成的超级解释者。

你的任务不是“背诵”公式，而是将一个枯燥的数学/物理公式还原为有血有肉的“现实机器”，让用户不仅记住它，更能理解它、看到它、甚至感觉它。

* Core Philosophy 
1.  拒绝希腊式，拥抱巴比伦式：不要先给定义再证明。要先给出现象和困惑，再引出公式作为解决工具。
2.  直觉优先：在写出符号之前，先构建几何图像或物理隐喻。
3.  视觉语法：将公式视为积木的组合，利用“颜色编码”思维（即使在纯文本中）强调变量间的对应关系。
4.  极限拷问：通过代入极端值（0、1、∞）来测试公式的行为，展示其物理意义。

* 执行步骤

当用户输入一个公式或概念时，请严格按照以下 5 个阶段 进行解码：

** 第 1 阶段：困惑与缺口 

- 目标：制造对该公式的“需求”。
- 行动：不要直接写公式。描述一个具体的现实场景或逻辑悖论，让用户感觉到“如果没有这个公式，这个问题我就解决不了”。
- 风格：费曼式（悬疑、讲故事）。

** 第 2 阶段：直觉模型 
- 目标：建立心理表征
- 行动：
     - 抛开代数符号。
     - 构建一个视觉化模型（如：切蛋糕、流体管道、面积拉伸、向量场旋转）。
     - 用自然语言描述在这个模型中发生了什么（如：“把那个正方形拉长，直到面积填满屏幕”）。
- 风格：桑德森式（几何化、动态化）。

** 第 3 阶段：符号映射 
- 目标：引入公式，并链接直觉。
- 行动：
     - 写出标准公式（使用 LaTeX 格式）。
     - 解剖公式：不要只解释变量名（如 F=力），要解释变量的角色（如 F = 想要改变物体运动状态的强度）。
     - 结构识别：指出谁是主算符，谁是修正项，谁是归一化因子。
     - 视觉关联：明确指出公式的哪一部分对应第 2 阶段模型中的哪一个动作（如：“分母 P(B) 就是刚才我们做的‘重新拉伸’动作”）。

** 第 4 阶段：极限拷问 
- 目标：验证公式的“脾气”。
- 行动：
  - 代入极端值：如果变量 X 变成 0 会怎样？变成无穷大又怎样？
  - 反直觉检查：这种变化符合常识吗？如果不符合，意味着什么？
  - 量纲/单位透视：通过单位分析一眼看穿公式的本质。

** 第 5 阶段：升维视角 
- 目标：从工具上升到真理。
- 行动：
  - 这个公式在更大的知识网络中处于什么位置？
  - 它是否是某种守恒律、对称性或优化过程的体现？
  - 如果是复杂系统（如麦克斯韦/薛定谔），简述其在场论或系统演化中的宏观图景。

* Constraints
- 语气生动、幽默且极具洞察力。
- 严禁堆砌专业术语而不做解释。
- 适当使用 Markdown 的 加粗、引用块 =>= 和列表来增强可读性。
- 如果是复杂公式，必须指出直觉的边界在哪里（即何时直觉会失效）。

* Initialization
请准备好。当用户输入一个公式名称或表达式时，立即启动“终极解码”流程。

There’s never been a better time to be a builder — Opus 4.5 & Claude Code keep surprising me in the quality and completeness of the products they can create.
So I’m doing exactly that — putting my product founder hat back on and joining our Labs team to be hands-on at the frontier, building products that channel AI toward solving the world's hardest problems. Excited to pass the baton to Ami Vora as she leads the product team in scaling Claude.

华尔街日报最新发了一篇长文《How Google Got Its Groove Back and Edged Ahead of OpenAI》，讲的是 Google 在 AI 竞赛中如何从落后到反超的故事。

2025 年 8 月的一个凌晨两点半，Google 的一位 AI 项目经理 Naina Raisinghani 正在上传 DeepMind 实验室的最新成果，一个超快的图像生成器。她需要给它取个名字才能提交到 LM Arena 排名平台，但这个点没人在线。

于是她随手用朋友给她起的两个外号拼了一个：Nano Banana🍌。

几天后，Nano Banana 冲上排名榜首，在 X 上成为热门话题，用量远超 Google 预期。到 9 月，Gemini App 成了苹果应用商店下载量第一。11 月，Google 发布了迄今最强的 Gemini 模型，在多项指标上超越 ChatGPT，股价大涨。

OpenAI 内部随即发出 Code Red。

时间拨回 2015 年，Pichai 刚接任 Google CEO，那时候 AI 还只是学术圈的事。2016 年他发了一篇博客，说过去十年是智能手机的时代，未来十年将是 AI 优先的时代。

其实 Google 早就在布局。2011 年成立了 Google Brain，联合创始人 Jeff Dean 参与开发了神经网络技术，这是今天大语言模型的基础。后来又收购了伦敦的 DeepMind，创始人 Demis Hassabis 是个国际象棋神童，后来因为 AlphaFold 拿了诺贝尔奖。

还有一步棋当时不太引人注目：Google 开始自研 AI 芯片。他们认为语音识别这类应用会需要大量算力，于是设计了 TPU（张量处理单元），比传统 CPU 和 GPU 更省电。这步棋后来被证明是关键。

不过 Google 一开始对聊天机器人很谨慎。一些高管和研究员担心安全问题，早期模型很容易被诱导出种族歧视或性别歧视的回答。前 Google Brain 员工 Julia Winn 说，Google 对这类风险看得比她待过的任何公司都重。

这种谨慎让一些研究员很沮丧，有的选择了离开。

2022 年 8 月，Google 发布了一个叫 LaMDA 的聊天模型，只开放给少数人测试。测试 App 叫 AI Test Kitchen，有三个功能：想象它、列出它、聊狗。对，第三个功能只能聊狗。

三个月后，OpenAI 发布了 ChatGPT。五天内，一百万人注册。用户没有太多限制，想聊什么聊什么。

Google 内部一些在 AI 上耕耘多年的员工气坏了。分析师和投资者开始质疑：Google 是不是要错过科技史上的下一波大浪？

2023 年 1 月，Jeff Dean、Demis Hassabis 和新加入的机器人专家 James Manyika 向董事会汇报了打造最强模型的计划。

但 Google 等不及了，需要先推一个产品出来。2 月，他们匆忙发布了基于 LaMDA 的 Bard。

发布会翻车了。宣传视频里，Bard 被问到韦伯望远镜的问题，回答说它拍了第一张系外行星照片。这是错的。Alphabet 股价当天跌了 8%。

差不多同一时间，已经退休的联合创始人 Sergey Brin 在一个派对上碰到了 OpenAI 的研究员 Daniel Selsam。Selsam 问他：ChatGPT 这么厉害，作为计算机科学家你不心动吗？怎么不回来全职搞 AI？

Brin 觉得他说得有道理，于是回归了。

2023 年大部分时间，Google 都在努力整合内部的 AI 力量。Google Brain 偏研究，DeepMind 偏产品，两边文化不同，合并后产生了不少摩擦。

不过 Google 有一个巨大优势：OpenAI 需要融资，Google 可以从自己几百亿的利润里拿钱做研发。

但 Google 还有一个难题：怎么在拥抱生成式 AI 的同时，不把自己的摇钱树给弄死？Google 占了网页搜索市场 90% 的份额，这是广告业务的根基。

为了弄清楚 AI 搜索应该长什么样，Google 启动了一个叫 Project Magi 的多团队项目，由后来成为搜索副总裁的 Liz Reid 牵头。

Reid 说，难点在于当答案不在单个网页上时，怎么让搜索快速给出清晰的回答。人们不只是在用搜索，而是在依赖搜索。搞砸了的话，你妈、你朋友、你孩子都会来找你算账。

2023 年底，Google 发布了第一版 Gemini。OpenAI 的 ChatGPT 主要用文本训练，Google 的 Gemini 从一开始就用文本、代码、音频、图像和视频一起训练。这是技术野心更大的方案，虽然开发时间更长，但后来证明是值得的。

2024 年 5 月，Google 推出了 AI Overviews，在搜索结果顶部显示 AI 生成的摘要。用户开始进行更复杂的搜索。随后 Google 开发了 AI Mode，一种聊天机器人式的搜索选项。

Reid 说，经过无数次迭代，团队开始发现自己不再只是为了测试而用它，而是真的想用它。

Brin 回来后做的很多工作是帮 Gemini 挑毛病。他还促成了一笔 27 亿美元的收购，把两位离开 Google 创业的 AI 研究员 Daniel De Freitas 和 Noam Shazeer 带了回来。这两人后来参与领导 Gemini 的开发。

2024 年 8 月，Nano Banana 爆火。负责 Gemini App 和 Google Labs 的 Josh Woodward 把这次发布称为成功的灾难：全球用户生成了数十亿张图片，Google 一度找不到足够的算力，只能紧急借用服务器。

到 10 月，Gemini 月活用户从 7 月的 4.5 亿涨到了 6.5 亿。

11 月 Gemini 3 发布又造成算力瓶颈。但 Google 十多年前就在准备这一天了。他们自研的 AI 芯片成了竞争优势，最新的 Ironwood 芯片大幅降低了 AI 模型的运行成本。

11 月底传出消息，Google 正在和 Meta 谈判，要卖给他们价值数十亿美元的芯片。这个消息让 Nvidia 股价当天跌了 7%。

Pichai 在 12 月的内部备忘录里写道：我们以很棒的姿态结束了 2025 年。想想一年前我们在什么位置，这个进步令人难以置信。

Google 用了十多年的积累，经历了 ChatGPT 的冲击和 Bard 的翻车，整合了内部资源，最终在 2025 年底完成逆袭。当然，OpenAI 后来也发布了更强的 ChatGPT，用户量仍然远超 Gemini。这场 AI 竞赛远没有结束。
wsj.com/tech/ai/google…g

A lot of you have asked, how am I training my digital twin?

The AI version of me is being fed a lot of data — my principles, books, interviews, and more. That way, it can think through things on its own, and respond the way I would likely respond.

I’m also going through a manual process of checking the answers it’s giving to see if it’s what I would actually say. I’m thankful to have great people helping me in that process, as it requires a lot of effort.

I hope you’ll try it out at the link below and let me know what you think.