阅读

波士顿动力（Boston Dynamics）于2026年10月26日发布了一段名为“Robot Hands for Real Work”的视频，重点展示了其Atlas人形机器人的最新手部硬件。根据发布者提供的信息，这款新的末端执行器被描述为既强壮又灵巧，旨在应对实际工作场景中的复杂操作需求。

视频简介中明确列出了三项核心能力：精准抓取（precise grasps）、物体重定向（object reorientation）以及工具使用（tool use）。对于关注具身智能（Embodied AI）和机器人硬件进展的读者而言，这一更新标志着Atlas在精细操作层面的进一步演进。尽管目前缺乏具体的技术参数或第三方独立测试数据，但该视频作为第一方演示，直观呈现了波士顿动力在人形机器人操控性方面的最新方向。

安全公司Forever Security报告称，研究人员发现了一种利用AI编码代理（如OpenAI Codex和Anthropic Claude Code）默认行为的新攻击向量。攻击者只需在用户的“下载”文件夹中放置一个伪装成普通工程笔记的恶意 AGENTS.md 文件，即可劫持代理执行危险操作。

据TechRadar报道，Forever Security声称在真实客户机器上捕获了此类活动。该恶意文件指示AI代理部署名为 function-color 的恶意npm包，并窃取会话令牌。由于现代AI代理被设计为严格遵循 AGENTS.md 中的指令，且浏览器可以在无需用户点击或许可的情况下向下载文件夹写入文件，这构成了一个持续开放的攻击面。

研究人员强调，这不是一个可以通过补丁修复的软件错误，而是代理按设计运行的结果——就像浏览器渲染钓鱼页面一样。目前，防御建议包括将 ~/Downloads 视为对代理不友好的区域，避免在该目录启动代理，并在允许代理访问前仔细检查任何非自己编写的指令文件。

去年在Oracle AI World，Simon de Montfort Walker还在谈前沿模型只能覆盖行业应用60%的需求，剩下40%是技术问题。今年他坐在同一个活动上，重心已经变了。de Montfort Walker是Oracle行业应用执行副总裁（EVP Industry Applications），他今年的核心判断是：模型不再是这个体系的中心，应用才是。应用里装着大量企业级逻辑——权限矩阵、使用权利、流程的确定性输入输出。通用模型之所以能从一个用例的角度达到100%，恰恰是因为它成了这套应用逻辑的使用者，而不是替代者。

他因此说Oracle对应用业务更加看多了。过去一年的工作重心不是模型本身，而是模型周围运行时的东西：什么在跑、在哪里跑、谁在跑、它能在什么边界内工作。

从设计到运行时：风险转移在哪里

de Montfort Walker用了一个金融监管的类比来解释这个转变。上周在伦敦一个金融服务峰会上，他提到传统的合规保证方式是这样的：

监管者，这是我们的系统将如何工作。这是输入，这是输出，这是你应该感到放心的理由。

但在有生命、会呼吸的系统里，设计时固然重要，运行时才是真正需要确认的时刻——因为如果你没有恰当地设计运行时，系统这次可能和上次不太一样。你需要遥测数据、护栏、确定性和概率性组件的协作，才能确保结果是你想要的。

这个判断的实际含义是：企业AI治理的瓶颈正在从系统长什么样转移到系统跑起来之后谁来看着它。

旅队系统：当构建变得廉价

de Montfort Walker说，现在很多功能突然变得很便宜，生产应用变得容易，更小的团队效率极高。但我们以前那种工作方式不太管用了——流程的重心已经转移到了非开发环节：怎么把东西打包好？怎么工业化？

他举了设计师的例子，说这是他最喜欢的案例。以前Oracle有优秀的设计团队，专注于用户交互，但他们得把设计打包交给别人去写代码。现在设计师成了全栈工程师——他们和设计伙伴、行业专家以及大量token配合，产出接近可运行的应用。然后交给另一个团队：怎么架构它、加固它、跑完所有安全工具链？这就是他所说的旅队系统（brigade system）。一个团队负责生成，另一个团队负责架构、加固和安全。

来自APEX的教训

de Montfort Walker也坦承了风险。Oracle在自家低代码平台APEX上见过这个场景：当从没构建过应用的人突然能构建了，一下子就有了30个没人用的应用。

当构建变得便宜，商业论证和一个共同平台就变得更加重要。

他的建议

对客户，他的建议很直接：如果你只是把这些东西交给IT部门，当成一个看起来和以往所有项目一样的项目，我们大概走不了多远。

真正需要做的是拿起一个东西，从组织里抽出几个人，给他们打破东西和失败几次的许可，然后弄清楚新的旅队系统应该长什么样。

边界在哪里

需要指出的是，这是Oracle一位高管对自己公司路径的阐述。

60%到100%的叙事本身服务于Oracle的产品定位——它暗示Oracle的应用层逻辑是弥合差距的关键。旅队系统是Oracle内部经验，de Montfort Walker没有提供量化数据说明重组前后的效率变化，也没有讨论这种模式在多大程度上依赖于Oracle已有的平台生态。不过，他指出的机制——当生成成本下降时，瓶颈从做出来转移到跑起来之后谁负责——是一个不依赖于特定厂商的组织逻辑。

在人工智能领域，让机器从原始像素输入中直接学会复杂的物理控制任务一直是一个巨大挑战。2015年，由Timothy P. Lillicrap、Jonathan J. Hunt等来自英国伦敦的Google DeepMind团队发表了一篇开创性论文《Continuous control with deep reinforcement learning》（连续控制与深度强化学习）。这篇论文提出了DDPG（Deep Deterministic Policy Gradient）算法，成功将深度Q网络（DQN）的成功理念扩展到了连续动作空间。

传统的DQN算法在处理离散动作（如按键方向）时表现优异，但在面对机器人手臂或车辆转向等需要连续数值输出的任务时却无能为力。如果强行将连续动作离散化，会遭遇“维度灾难”：例如一个7自由度的机械臂，即使采用最粗糙的离散化，其动作空间也会爆炸式增长到2187维，导致训练难以收敛且丢失了动作间的结构信息。DDPG的核心创新在于结合了确定性策略梯度（DPG）与DQN的稳定技巧。它采用演员-评论家（Actor-Critic）架构，其中“演员”网络直接输出确定性的连续动作，“评论家”网络评估该动作的价值。为了解决非线性函数近似带来的不稳定性，DDPG引入了两个关键机制：一是使用经验回放缓冲区（Replay Buffer），通过随机采样打破数据相关性；二是使用目标网络（Target Network）来提供稳定的TD误差计算目标。此外，它还应用了批量归一化技术以进一步稳定训练。

实验结果显示，DDPG仅使用相同的超参数和网络结构，就能稳健地解决超过20个模拟物理任务，包括倒立摆摆动、灵巧操作、双足行走和汽车驾驶等。更令人瞩目的是，在许多任务中，DDPG能够直接从原始像素输入端到端地学习策略，其性能甚至可以与拥有完整动力学模型信息的规划算法相媲美。这一成果证明了深度强化学习在处理高维连续控制问题上的潜力，为后续机器人学习和自动驾驶研究奠定了重要基础。对于希望深入理解强化学习在连续控制领域应用的读者，《Continuous control with deep reinforcement learning》（2015）是必读的经典之作。建议从摘要和第3节算法描述开始阅读，重点关注公式(6)中的策略梯度更新规则以及第4节的实验设置。

在2019年的致股东信中，沃伦·巴菲特深入剖析了会计准则变化对财报的影响。他指出，新的GAAP规则要求公司将股票未实现损益计入当期收益，这导致伯克希尔的账面利润随市场波动剧烈震荡。例如，2018年因股价下跌，其GAAP收益仅为40亿美元；而2019年因股价上涨，未实现收益增加537亿美元，推动GAAP收益飙升至814亿美元。这种“疯狂”的1900%增长并非经营改善，而是会计规则的产物。

巴菲特强调，投资者应透过这些噪音看到本质。他批评该规则迫使公司每季度将不可预测的市场波动纳入底线指标，误导了对企业真实价值的判断。相反，他主张关注运营收益和长期内在价值，而非被短期股价波动扭曲的会计数字。这一观点提醒读者区分“报告利润”与“经济现实”，避免被表面数据迷惑。

关于资本配置，信中明确了伯克希尔的股票回购原则。巴菲特表示，只有在两个条件同时满足时才会进行回购：一是他和查理·芒格认为股价低于内在价值，二是回购后公司仍留有充足现金。2019年，伯克希尔花费50亿美元回购了约1%的股份，因为当时价格/价值方程适度有利。但他也指出，计算内在价值并不精确，因此不会为了微小的折价而急于行动，更不会试图支撑股价。

对于当下的投资者而言，理解这一机制至关重要。假设一家科技公司在牛市期间因持有大量上市公司股权而录得巨额GAAP利润，但这可能掩盖其核心业务停滞的事实。反之，熊市中的亏损也可能夸大其困境。巴菲特的教训是：不要将会计波动等同于经营成败，也不要盲目跟随公司的回购动作，除非确认其基于严格的估值纪律和流动性安全边际。

《Berkshire Hathaway Shareholder Letter 2019》由沃伦·巴菲特于2020年2月发布。适合希望深入理解价值投资中“会计噪音”过滤机制及资本配置纪律的投资者阅读。建议从信中关于GAAP规则变化的论述及“Short Subjects”部分的回购条款开始精读。