indigo
@indigox • 54,013 subscribers
Co-founder of https://t.co/WosXbyLukR / Partner of Brilliant Phoenix / ex-Weibo. Investor, Writer, Coder, Gamer & Amateur Cook. e/acc, 𝕏 is my notebook …
Shorts
Videos
AI 实验室里最懂行的人都在说同一句话：“一年后人类就没什么可做的了。” 你的 Harness 不重要，AI 会自己生成；你甚至不再是终端用户，因为它在跟别的 AI 说话；材料、物理、数学、健康 …… 根本性难题将被逐个接管！来自 Naval 最新 Podcast「Live in the Future」👀 未来只剩两种职业，要不在 Anthropic 上班，要不为 Anthropic 员工提供（性）服务；剩下的人，请在面包救济队里排号😆 你不是独自生活的，你活在一群轰鸣奔涌的人群里；当这群人决定冲向悬崖，你很难独善其身。现实已经在发生：有人开始攻击数据中心，理由说是「耗水」，但那是个被揭穿的借口。愤怒需要一个出口，没有水，就会有别的。 今天和朋友聊天正好说到，未来只有 AI 巨头和苟且为生的小公司，大家正在做的工作和一些小生意，最大的意义就是让自己快乐和满足、以及糊口，但“糊口”这件事情政府应该会来解决！ 所以，现在开始要找一个让自己快乐的差事，然后把剩下的钱全部拿来买 AI 巨头的股票，这是除了在 Anthropic 上班和为Anthropic 员工提供服务的第三种选择😜
indigo54,084 views • 10 days ago
如果要持股十年，SpaceX、OpenAI 还有 Anthropic 这三家你会选哪家？ Perplexity 的 CEO Aravind 的答案是 SpaceX，当然我的选择也一样🤔 因为 SpaceX 是唯一的，而 OpenAI 和 Anthropic 却在做着同样的事情。SpaceX 是唯一的太空通信基础设施公司，后面还有很多的唯一🚀 这场 20VC 的采访暴论很多，例如 Micron 会比 Meta 更值钱！因为 “谁是瓶颈，谁就掌握定价权。” 市场给 infra 更高 PE：谁能把"芯片+网络+电力+冷却+软件"垂直整合、变成 frontier output token，那一层才有溢价；而纯瓶颈供应商（内存/SSD/CPU）就坐在这条价值链最紧的卡口上。 Harry 反问"Micron 不是已经 fully priced 了吗"，Aravind 的回答是：“因为它仍然是瓶颈”，只要还是瓶颈，价格就还没到头。而 Meta 的巨额 capex 换来的边际回报市场不认，这也是 Rewired Index 的投资主线👀
indigo46,435 views • 1 month ago
量化交易员的护城河是模型！而模型是可以被复制的。当 AI 全面参与量化，所有人用同一套框架做同样的交易市场回到均衡，alpha 消失，没人赚钱。 但 Druckenmiller 那种，把 1/3 仓位押在一个大 Idea 上，赌 5-10 倍——这种判断，不在模型里；它在公司组织架构里，在你对整个人类社会的理解里。 Bill Sun 说：造一个能做这件事的 AI，难度跟「让 AI 自己研究 AI」是同一个量级。AI 越强，能被复制的价值越便宜。剩下的，是那些 AI 暂时还学不会的东西。 🎙️ Indigo Talk EP48 节选
indigo71,774 views • 2 months ago
Deepseek 的创新在哪里？会是大模型界的拼多多么？周末邀请了 OpenAI 的前研究员 Jenny 还有她的搭档 Leonis 的创始人 Jay “对谈”了一期。Jenny 先提了一个暴论：做大模型是赚不到钱的，任何行业只要有人愿意免费有人愿意开源，你就赚不到钱；另外关于 Deepseek 的两个观点： 1. 这是站在巨人的肩膀上做的 Post-Training 上的创新，揭示了直接强化学习的潜力，以及训练过程中自反思和探索行为的涌现； 2. 只有在资源紧缺的情况下人才会创新！OpenAI 在出 ChatGPT 之前没钱没资源，大家晚上加班到两点，才领先于 Google 闯出了 LLM 这条路，但现在的 OpenAI 有点当年 Google 的感觉了。。😇 但从投资人的视角来看，未来还会有这种新的范式涌现出来，这就是现在AI 行业最有趣的地方，永远都有可能性和新机会，我们要为这种市场做好准备！未来无限可能✨
indigo468,005 views • 1 year ago
一年半前，所有人都在 Diss 大模型“找不到 Killer App”，但结果最讽刺的事发生了：程序员这个最赚钱的行当，正在亲手把自己活埋。最新一期 Indigo Talk，邀请了老朋友 Jun Wei 同学来聊“大厂工程师眼中的 AI 冲击波”，现在的问题是编程这门手艺，跟 Token 比，还值不值得被雇？全篇对谈的八个精华收获： 一、结构性 vs 周期性的判断标准：财报漂亮、收入增长时的裁员，不是周期调整，是岗位的历史使命终结。这是判断自己行业处境的试金石； 二、白领价值公式的重写：白领 = 时间 × Domain 知识 × 关系。大模型把第二项打到接近零，初级与中级被扯平；剩下的价值要从品位、表达、关系和商业闭环里找； 三、两条职业路径，没有第三条：要么钻进金字塔尖做模型本身（新时代的 OS 工程师），要么横向打通全栈做有”程序品位”的 Builder/Architect，增删改查的门已经关上了； 四、创业的新公式：Build in Public + 清晰的意图表达 + 商业闭环能力。先喊出来再做出来；写代码的时间 = 写文章的时间；纯软件无壁垒，爽感不等于生意； 五、窗口期 Alpha：为 Agent 重构一切（UI/UX、支付、验证、Workflow）是眼下确定的机会，但稍纵即逝——可能只有一两年，看到就要跳进去； 六、普通人的四件套：Just Do It 化解焦虑；把 AI 融入家庭与健康；用运动找回物理世界的掌控感；以”少赔点就是赢”守住基本盘，再找生态位； 七、教育选择的两条标准：好的 Location（离科技最近）+ 足够 Social 的多元化环境，比排名和藤校光环更实际； 八、终极心态：我们是看着奇点到来的一代观察员——最重要的是活得好，带着乐观度过这个 Rewired 的时代！
indigo29,102 views • 1 month ago
今天 Claude 在开发者大会上低调推出了一个小功能“Dream” - 做梦！在 Platform 控制面板里选择 Agent 留下的记忆，让它做梦就行，模仿了人类“梦境”修剪记忆和整理思绪的逻辑，可以异步执行，对已有的 memory 进行反思、整理 + 改进，挖出未被显式写下的新模式，这不是简单的总结！ Dario 在各种播客多次提到过，持续学习很重要，但不需要在模型的权重层做，只要 Context 足够大，通过优秀的工程架构也能实现的。真正的"持续学习"，可能只需要一个独立的离线 curation 循环——这就是 Dreams😴
indigo40,862 views • 2 months ago
Elon Musk 在财报会上反复提到：“Tesla 未来真正的瓶颈不再是电池，不再是工厂，而是算力和芯片。” 最近一期 Indigo Talk 与 CyberCat 聊 Tesla AI 芯片👀 为什么要自研芯片？就像乔布斯晚年痛恨受制于英特尔，最终苹果自研 A & M 系列芯片一样，Elon 也深知不能让芯片成为 Tesla 的“限速因子”。未来的世界，如果 Robotaxi 成为大家日常的主要交通工具，每个家庭都需要一个 Optimus，这意味着数十亿级别的 AI 终端需求，所以 AI 芯片不能受制于人。 特斯拉的 AI5 芯片设计非常有意思，它砍掉了大量不必要的浮点运算功能，专注于整数运算。这是因为在推理现实世界的视觉数据时，可以降低精度。这种针对特定场景的极致优化，能以更低的能耗和成本实现大规模推理。 Tesla 正在成为物理世界的 Apple —— 从锂矿开采、电池制造、芯片设计到软件算法，实现了前所未有的垂直整合能力。
indigo92,090 views • 7 months ago
大概率不是「所有人共享富裕」，而是 0.1% 的人类继续推进文明，99% 的每天刷抖音，只要不造反就行。跟 Bill Sun 聊 AI 时代的社会演化，这是我俩的一个共识😜 把镜头拉到外星人视角——如果一个文明里所有人都在消磨时间、不创造价值，那个文明自己就会走向消亡。 所以真正的命题是：怎么让那 1% 变成 50%？因为人类天赋均匀分布在所有群体里！如果只让上一代幸运的人的小孩继续幸运，这个东西很快就塌缩了；哪怕生在贩毒打枪横行的社区，你也得有路径成为 NBA 球星、说唱明星——天赋的流动不能断。 所以说维持一个“动态的社会”，才是让我们的文明能够延续的根本 - Indigo Talk EP48 完整对谈 👇
indigo25,285 views • 1 month ago
“我们内部已经有 Gemini 3 水平的模型，并且有信心很快发布，之后还会有更强的型号！” OpenAI 首席研究负责人 Mark Chen 在 Core Memory 的播客上透露。Sam 的职责之一就是“放大紧迫感”，他自己的角色也类似，会刻意强调竞争压力让整个组织保持高压前进，所以大家才会看到那封内部的“红色警戒”备忘录🚨 前两天和 OpenAI 的同学吃饭还提到他们内部确实都在体验 Gemini 3。因为但单看公开基准测试不足以判断真实差距，让足够多的研究员在真实任务中摸一摸，再形成集体判断。 Mark 说自己有一个“私藏的数学难题”（“42 问题”），专门用来测试不同模型的推理能力 —— 包括最新的“思考模型”。到目前为止，所有模型都只能接近最优解，还没有完全攻克它，这对他来说是一件“好事”：说明还有空间可以继续前进。 在 SWE‑bench 这类软件工程基准上，Google 模型的表现虽然不错，但在“用多少数据/算力达成一定效果”这件事上，还有明显的优化空间，而 OpenAI 在这方面的算法储备非常强，这是他们下一轮反击的一个核心筹码！ 过去两年。OpenAI 其实把大量资源都投向推理模型，预训练和后训练的“肌肉”有所退化；最近半年，在组织层面重新把焦点拉回预训练。Mark 明确反对“Scaling 已死”的说法，他认为在预训练和数据塑形上还有巨大空间； 现在要做的是更精细的“数据塑形”和“合成数据”，通过更聪明的预训练策略，让模型从“模仿人类写作/代码”的模式，转向真正学会更高层次的抽象✨
indigo72,121 views • 7 months ago
可以直接在 Web 界面上运行的 AutoGPT 代理 测试了一下让它帮忙收集今天 Twitter 上最热门的五条关于 AI 的新闻，代理自动拆分了三个任务：1、利用 Twitter API 获取 24 小时内的 AI 相关的热门推；2、从 Top 100 的推中找出热门新闻；3、创建五个 AI 新闻的列表，并给出 Twitter URL； 全过程完全无人工干预，代理调用 GPT 3.5 API 全自动完成。虽然任务简单，结果交付也很粗糙，但这代表了 AI 驱动的应用的范式转移！未来这样的自动代理将在你的需求下全自动完成工作，服务的程序界面或者 API 都是面向 LLMs 的，而不是面向人类的。人类指挥，程序交谈，然后工作自动完成，个人效率提高，企业规模缩小，业务更高效和无缝的运转 。。
indigo259,932 views • 3 years ago