Huang defends Nvidia’s moat: ecosystem, supply chain and CUDA. And he argues that cutting off China would weaken the United States.

Salvatore Sanfilippo argues that coding agents should be switched constantly, because the model matters more than the wrapper.

Sanfilippo argues AI is already reshaping programming, but art still depends on human taste, selection, and judgment. He sees today’s worst failures in music, audiobooks, and slop, not in creativity itself.

Antonio says AI has made polished coding tutorials less useful, so he is shifting to workshops that show debugging, architecture, and judgment.

Kleppmann updates his book on data systems and explains why cloud, AI and local-first software do not erase the fundamental trade-offs.

Flickering is a minimalist Arduino-based courtesy light, presented as a design gadget and offered in pre-sale.

DeepSeek v4 Pro, costs, benchmarks, and local use: Sanfilippo explains why the new model could change the game for coding agents.

Bob Lazar and Luigi Vendittelli discuss the new film about S-4 and revive the old question: how much of the story is verifiable, and how much is still faith?

Ferriss sees AI as an amplifier that can worsen work, anxiety, and inequality. For him, the real issue is choosing the right game before accelerating it.

Cinque imprenditori spiegano come partire da zero con l’IA: nicchie minuscole, lancio rapido, clienti subito e niente culto del venture capital.

Huang sostiene che i TPU non minacciano Nvidia perché l’azienda vende una piattaforma di calcolo più ampia, non un chip per l’IA.

Naval Ravikant spiega perché i coding agent stanno cambiando il software, l’App Store e il destino di Apple. Il suo caso è personale, ma la tesi è di mercato.

Zenz e Roner spiegano perché gli agenti stanno accelerando il lavoro ma anche la complessità, e perché Pi prova a tenere l’umano nel loop.

OpenAI’s miss, the AI capex boom, and the Musk lawsuit all point to the same bottleneck: power, not demand, is now deciding the market.

Spiegel spiega perché i prodotti consumer duraturi sono rari, come Snap prova a difendersi dalla copiatura e perché Specs è la sua scommessa sul prossimo computer.

Why a badly chosen shard key can skew data and traffic, and when hashing beats fixed ranges. Ben Dicken explains it with concrete examples.

Il creator di The PrimeTime legge i test di prezzo di Anthropic, i cambi di Copilot e il budget di Uber come segnali che l’IA costa sempre di più.

A tiny Python exploit allegedly exposed a Linux kernel flaw in minutes, and the speaker uses it to argue that AI is changing both attack speed and patching workflows.

Galloway contesta la narrativa dell’apocalisse AI e la lega a valutazioni, disuguaglianza e potere. Per lui la posta vera è chi cattura i benefici e chi resta esposto ai costi.

Naval Ravikant spiega come l’AI sta già cambiando il lavoro, perché teme concentrazione e rischi biologici, e perché difende l’ottimismo.

Karpathy spiega perché vede l’AI come un nuovo paradigma di programmazione, non solo un aumento di velocità. E sostiene che il futuro dipende da verifiabilità, agenti e comprensione umana.

Palihapitiya lega AI, tassazione e crisi del significato in una tesi unica: il problema non è solo tecnico, ma distributivo e politico.

DeepSeek v4 Flash runs locally on 128 GB, but Sanfilippo shows that the real bottleneck is prefill, not the answer.

Anthropic, OpenAI, and the Pentagon clash over military AI. The video explains why this fight is about power, contracts, and accountability.

Roslansky legge il mercato del lavoro come un reset di competenze, non come una semplice distruzione di posti. Ecco i ruoli che, secondo lui, crescono davvero.

White sostiene che la formazione tecnica non è sprecata e che l’IA premia chi sa adattarsi, non chi idealizza il coding.

Il CEO di Harvey spiega come l’AI stia cambiando il lavoro legale, e perché per lui il vantaggio decisivo resta il giudizio umano.

Theo argumenta que o HTML está virando um formato melhor que o Markdown para agentes: mais legível, interativo e útil nos fluxos de trabalho.

Iñigo Medina argues AI will layer onto software rather than replace it, and that companies need history, not hype, to adapt.

Graham explains why founders should spend time in Silicon Valley and why Stockholm may benefit if they return.

Nish spiega perché HydraDB punta sul contesto, attacca i vector database e racconta come un messaggio brutale abbia sbloccato la crescita.

LeCun explains why he sees LLMs as a dead end for general intelligence and is betting on world models, Tapestry, and more local AI.

Sanfilippo explains why passing tests are not enough and why LLMs could become virtual QA. He also offers a critical reading of the Banne rewrite in Rust.

Ha lasciato Google con quattro offerte in mano e racconta perché il mercato tech premia timing, referral e adattamento all’AI.

Andreessen lega sicurezza, tasse e AI in una tesi unica: chi blocca infrastrutture e imprese prepara declino economico e politico.

Theo Browne attacca Google su AI, terminale e cloud: modelli costosi, CLI difettosa, fiducia interna spezzata.

Matuschak sostiene che gli agenti di codice possono rompere i silos delle app e liberare nuova invenzione nelle interfacce. Il rischio, dice, è che la cultura tecnica continui a frenare ciò che questi strumenti promettono.

Dax Raad sostiene che l’AI accelera il codice ma non il buon giudizio: Open Code cresce mentre il vero problema resta decidere cosa vale la pena costruire.

Ravikant e tre fondatori descrivono come l’AI stia spostando il valore dal codice al giudizio, dall’output alla fabbrica che lo produce.

ThePrimeagen sostiene che chi ama davvero programmare dovrebbe restare vicino al codice. Racconta anche come l'AI gli abbia cambiato il modo di costruire e di godersi il lavoro.

Strauss Zelnick difende l’AI come strumento di efficienza, ma ne ridimensiona la portata creativa: i successi, dice, nascono ancora da gusto e rischio.