智通财经APP获悉，据知情人士透露，在聚焦于AI编程的初创公司Windsurf与AI独角兽OpenAI的收购协 议意外告吹后，Alphabet旗下的科技巨头谷歌(GOOGL.US)已与Windsurf达成重磅的另类收购协议，以 大约24亿美元的价值获得Windsurf顶尖人才团队以及核心技术许可权。 谷歌周五发表声明称，将聘请Windsurf 首席执行官 Varun Mohan、联合创始人 Douglas Chen 以及少量核 心技术员工，加入谷歌旗下的DeepMind人工智能业务部门。谷歌拒绝就财务条款置评，仅表示此次交 易不包括全资入股AI初创公司Windsurf。 （原标题：AI编程领域大变天! OpenAI出局 谷歌(GOOGL.US)24亿美元"截胡"Windsurf核心资产与人 才） 而OpenAI正在加速其处于全球领军地位的AI大模型以及生成式AI应用软件、AI智能体的更新迭代速 度，不断打造出综合性能位列全球首位的AI大模型与相关AI应用，并且加码布局AI编程这一当前生成 式AI应用软件领域最火爆的细分AI应用赛道。 知情人士表示，Windsurf 先前已同意以大约30亿美元总价值被OpenA ...

OpenAI收购AI编程助手Windsurf的谈判因微软知识产权担忧而告终，这起原本价值30亿美元的交易最 终被谷歌截胡。谷歌将雇佣Windsurf首席执行官Varun Mohan及部分员工，并获得该公司技术的非独家 许可。 历时数月的收购谈判在近日宣告破裂。7月12日，据科技媒体The Information报道，知情人士透露， Windsurf团队对其编程助手如何融入OpenAI与微软的现有协议表达担忧。根据该协议，OpenAI需要与 微软分享其技术，这成为交易失败的关键因素之一。 谷歌将为Windsurf技术许可支付费用，但不会持有该公司股份。这笔交易将为Windsurf的投资者带来回 报，员工也将获得现金收益。Windsurf将继续作为独立公司运营，约250名员工中的大部分将留在公司 继续开发面向大型企业的编程工具。 分析称，此次交易失败凸显了大科技公司在AI编程工具领域的激烈竞争，以及复杂的合作关系如何影 响行业整合。AI编程助手市场正成为科技巨头争夺的关键战场，相关工具能够显著提升软件开发效 率。 微软协议成交易"拦路虎" OpenAI与微软的现有协议成为此次收购失败的核心障碍。根据协议，微软拥有 ...

作者：MD 出品：明亮公司 上周， Fundstrat Global Advisors管理合伙人兼研究主管Thomas Lee （ Tom Lee ）在 Amit Kukreja 的播客上分享了他对 "新一代"散户和机构投资者之间差异的思考。 Tom Lee 之前曾在摩根大通担任首席策略师多年，因其多次精准预测市场走势和在 CNBC等媒体上 频繁露面而被美国投资者熟知，但也因其一贯地"多头"观点而受到争议。他也在播客中谈到了目前散 户所处时代的变化——一个原因是自媒体的繁荣，即"推特的出现"，新创机构依靠独立的媒体发声渠 道获得了更广泛的关注和影响力。另一个原因是人口结构的变化，他发现"每隔20年，美国散户会重 新看好股票"。 T om Lee也是是比特币和以太币等数字资产的坚定支持者。 不久前 ， Tom Lee 被任命为Bitmine 的 董事会主席 ，并参与了该公司推出的 2.5 亿美元 ETH金 库策略 ，这项策略引发了市场的广泛关 注。 " 我喜欢以太坊，因为它是可编程的智能合约区块链，但说白了， 我选择以太坊的真正原因是稳定 币正在爆发。 Circle 是 五年内 最好的 IPO之一， 市盈率 1 ...

加入 DeepMind 的 Windsurf CEO Varun Mohan 与联合创始人 Douglas Chen 也发布了一份声明，其中表示：「我们很高兴能与 Windsurf 团队的部分成员一起加入谷 歌 DeepMind。我们为 Windsurf 过去四年取得的成就感到自豪，并期待看到它与他们世界一流的团队一起前进，开启新的发展阶段。」 至于达成这笔交易的具体金额，目前还没有人透露。作为参考，此前有报道称，OpenAI 将斥资 30 亿美元收购 Windsurf。 那么，OpenAI 与 Windsurf 的交易究竟出了什么问题？ 机器之心报道 编辑：Panda 就在所有人还在惊叹于月之暗面开源 Kimi K2 模型的同时，谷歌 DeepMind 却宣布截胡了 OpenAI 原本打算收购的 Windsurf。 诺贝尔奖得主、DeepMind 联创兼 CEO Demis Hassabis 与 DeepMind CTO Koray Kavukcuoglu 在 上向 Windsurf CEO Varun Mohan、联合创始人 Douglas Chen 以及 部分加入 DeepMind 团队的研发人员表示了 ...

曾被OpenAI相中，开价30亿美元的AI编程初创公司Windsurf，如今转身投奔了Google。 就在刚刚，Google宣布将Windsurf部分高管及工程团队纳入其旗下的DeepMind团队，重点推进"代理式编码"（Agentic Coding）方向的研究。 尽管Google并未获得Windsurf的控股权或股权，但已获得该公司部分技术的非独家使用许可，不过，此次引入团队的具体花费并未透露。 与此同时，Windsurf也迅速完成了内部调整。原商务主管Jeff Wang将出任临时CEO，全球销售副总裁Graham Moreno升任公司总裁，维持其作为独立初创 公司的持续运营。 Google发言人Chris Pappas在接受外媒The Verge采访时表示："Gemini是当前最强大的模型之一，我们一直在提升其对开发者的价值。很高兴Windsurf团队 的顶尖AI人才能加入我们，推动代理式编码研究向前迈进。" Mohan与Chen也在联合声明中表示，"我们为Windsurf四年来的成就深感自豪，也很期待和这支世界级的团队一起开启新阶段。" DeepMind CEO Demis Hassabis表示祝贺 据 ...

TIOBE 2025 年 07 月份的编程语言排行榜已经公布， 官 方的 标 题是 ： 主流编程语言竞逐十强席位 ！ （ Senior programming languages battling for a top 10 position ? ） TIOBE最新榜单揭晓 ， Python、C、C++、Java、C#、JavaScript、Go 七大语言连续三年稳居前七，形成牢不可破的"第一阵营"。 而排名经常变化的其实在 第 8 至 12 名 —— Visual Basic、SQL、Fortran、Ada、Perl、Delphi 这个几个语言 展开月度排位拉锯战，上演编程 界的"诸神黄昏"。 Visual Basic、SQL、Fortran、Ada、Perl、Delphi……这些老古董语言可能在简历里已经删了，但它们还在为"前十"的门票拼命竞争。 今天 VB 上来了，明天 Delphi 又冲了个高峰，Fortran 和 Perl 像打不死的小强，不服老也不服输。 按理说，Rust 安全、Kotlin 靓丽，Dart 也有 Flutter 加持，Julia 更是数据科学界的新宠，但现实却是——它们仍然没能挤进 ...

作者：MD 出品：明亮公司 上周，Fundstrat Global Advisors管理合伙人兼研究主管Thomas Lee（Tom Lee）在Amit Kukreja的播客上分享了他对"新一代"散户和机构投资者之间差异的 思考。 Tom Lee之前曾在摩根大通担任首席策略师多年，因其多次精准预测市场走势和在CNBC等媒体上频繁露面而被美国投资者熟知，但也因其一贯地"多 头"观点而受到争议。他也在播客中谈到了目前散户所处时代的变化——一个原因是自媒体的繁荣，即"推特的出现"，新创机构依靠独立的媒体发声渠道 获得了更广泛的关注和影响力。另一个原因是人口结构的变化，他发现"每隔20年，美国散户会重新看好股票"。 Tom Lee也是是比特币和以太币等数字资产的坚定支持者。不久前，Tom Lee 被任命为Bitmine 的董事会主席，并参与了该公司推出的2.5 亿美元ETH金库 策略，这项策略引发了市场的广泛关注。 Amit：当时拥抱新媒体其实也挺冒险的，因为社交媒体远没有今天这么发达。你觉得那时候用社交媒体是很自然的选择，还是很挣扎？ "我喜欢以太坊，因为它是可编程的智能合约区块链，但说白了，我选择以太坊的真正原因 ...

图源Tolremo Therapeutics 图源Tolremo Therapeutics 瑞士生物科技公司Tolremo Therapeutics（以下简称Tolremo）成立于2017年，公司致力于研发CBP/p300 溴结构域抑制剂。该抑制剂通过靶向转录细胞，阻 断癌症耐药性转录通路，抑制非遗传性癌症产生耐药性。 Tolremo是苏黎世联邦理工学院的衍生公司，由Stefanie Flückiger-Mangual创立。Stefanie Flückiger-Mangual为公司首席执行官，拥有苏黎世联邦理工学院分 子与转化生物医学博士学位，曾担任苏黎世联邦理工学院博士后研究员。 图源Tolremo Therapeutics 肿瘤具有高发病率及病死率，抗肿瘤药物是肿瘤治疗的主要手段之一，但癌症药物耐药性会严重影响肿瘤治疗效果，并且往往导致肿瘤复发。耐药性是 癌症细胞对抗肿瘤药物的耐受性，其产生的主要原因包括基因突变、信号通路改变与肿瘤微环境影响等。虽然基因突变会导致癌症无法治疗，但非遗传 耐药性可以被逆转，例如通过靶向早期转录重编程，阻止耐药性产生。 Tolremo基于对表型的深入研究，发现了一种支配转录抗 ...

Core Viewpoint - Cisco is positioning itself as a leader in the AI era by introducing a new network architecture centered around its Silicon One chip, emphasizing programmability and embedded security as key differentiators in the competitive landscape of IT infrastructure [1][2]. Group 1: Silicon One Chip - The Silicon One chip is designed to meet the demands of AI workloads, addressing challenges such as routing logic, scalability, and security integration [1]. - Cisco has a long history of developing ASIC chips, with performance improvements over the past 20 years reaching 10,000 times [2]. - The chip's programmability allows it to adapt to new workloads without the need for re-siliconization, providing a scalable solution for enterprises [1][5]. Group 2: Collaboration and Ecosystem - Cisco's strategy includes a collaborative model where it offers various options for customers, including selling systems with Cisco software or providing chips for custom builds [4]. - The company recognizes the need for alternative suppliers to compete effectively in terms of product breadth and performance [4]. Group 3: Programmability and Flexibility - Programmability is highlighted as a crucial feature, enabling the network to support a wide range of applications, including AI agents [5][8]. - The flexibility of the Silicon One architecture allows for efficient traffic load balancing and the integration of security features into the network [6][14]. - Cisco aims to provide long-term investment protection for clients by ensuring that their solutions can adapt to future demands without requiring complete overhauls [9]. Group 4: AI Workloads and Future Developments - The focus is shifting from training AI models to inference, which will drive demand for more efficient and cost-effective computing solutions [10]. - Cisco plans to continue innovating within the Silicon One framework, potentially offering different versions of the chip to meet varying enterprise needs [12]. - The company is also exploring the integration of security features directly into the chip, enhancing the overall value proposition in the cybersecurity landscape [13][14].

Core Insights - The article emphasizes the importance of treating AI as a junior developer that requires clear guidance rather than a magical tool, highlighting the need for engineers to adapt their management style to effectively utilize programming agents [1][3][9] - Senior engineers are found to be the quickest adopters of these tools, which can save approximately 80% of time on medium to large tasks [1][8][24] Introduction - The article introduces a practical guide based on two years of experience building Devin, an autonomous programming agent, and aims to share valuable insights from customer feedback and internal practices [1][3] Getting Started: Basics and Daily Applications - Key principles for effective communication with agents include providing specific instructions, indicating starting points, anticipating potential errors, and establishing a feedback loop [10][11][13][15] - The guide suggests integrating agents into daily workflows to enhance personal efficiency, such as handling new requests without interrupting deep work and managing urgent issues on the go [17][19][20] Intermediate: Managing Complex Tasks - For complex tasks, the article recommends having agents draft initial versions and collaborating on implementation plans, while also setting checkpoints to ensure alignment with expectations [23][25][26] - It emphasizes the importance of teaching agents how to validate their work and increasing testing coverage in areas frequently modified by AI [28][29] Advanced: Automation and Customization - The article discusses creating automation templates for repetitive tasks and implementing intelligent code reviews using agents [30][33] - It highlights the need for a unified development environment to enhance agent performance and suggests building custom tools to empower agents [35][36] Practical Considerations: Embracing Change - The article outlines the limitations of autonomous agents, such as their debugging capabilities and knowledge cut-off dates, advising users to manage expectations and time effectively [39][42][43] - It concludes by asserting that the value of software engineers will not diminish, as deep technical knowledge and understanding of business codebases remain essential in the evolving landscape of software development [50]