正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

AI编程火了之后，下一个被资本押注的方向会是什么？田渊栋的判断是：AI research。Coding之所以能快速商业化，是因为它替代的是高薪、高ROI的工作；而 AI研究人才更贵，自动化后的回报可能更大。从新药、新材料，到训练模型的新方法，AI research的想象空间是天文级的，但也意味着高风险。相比大公司多线押注，RSI的差异化在于更聚焦：不是让AI优化某段代码，而是让AI学会优化自己。这是我们专访Recursive Superintelligence联合创始人/前Meta基础AI研究（FAIR）团队研究总监田渊栋的精华节选，感兴趣的话欢迎观看完整版。

硅谷101

10,331 subscribers

21,961 次观看 • 3 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

美国研究员看Kimi：“氛围最好”的中国AI人才这是我们专访美国知名AI研究员、艾伦人工智能研究所（Ai2）后训练负责人Nathan Lambert的精华节选。 Nathan在走访月之暗面、智谱、小米等团队后发现，中国AI公司吸纳年轻研究员的速度很快，也更愿意让他们直接进入核心项目。在他看来，这不只是年龄问题。年轻人没有太多旧路径依赖，也更容易把全部精力投入到这一轮技术浪潮里：理解最前沿的方法，吸收训练和后训练的复杂细节，再沿着现有路径快速优化。感兴趣的朋友，欢迎观看完整视频。

美国研究员看Kimi：“氛围最好”的中国AI人才这是我们专访美国知名AI研究员、艾伦人工智能研究所（Ai2）后训练负责人Nathan Lambert的精华节选。 Nathan在走访月之暗面、智谱、小米等团队后发现，中国AI公司吸纳年轻研究员的速度很快，也更愿意让他们直接进入核心项目。在他看来，这不只是年龄问题。年轻人没有太多旧路径依赖，也更容易把全部精力投入到这一轮技术浪潮里：理解最前沿的方法，吸收训练和后训练的复杂细节，再沿着现有路径快速优化。感兴趣的朋友，欢迎观看完整视频。

硅谷101

41,193 次观看 • 2 个月前

#预告 #视频播客 #硅谷101 再访田渊栋 Yuandong Tian 从Meta离职之后，前FAIR研究总监田渊栋的电话被各大AI公司和猎头打爆，但他很快敲定了下一步：加入新AI实验室Recursive Superintelligence（RSI）。这个有着8名顶级AI研究员作为联合创始人的明星neolab最近进行了官宣：融资6.5亿美元，估值46.5亿美元。这期视频播客，我们走近位于旧金山的RSI，与田渊栋进行了半年之后的另外一场对话，聊聊他的新旅程在押注一个什么样的未来，如今AI前沿模型的厮杀和路线之争，Neolab们的生态与前景，以及普通人面对“职场蒸馏”，应该怎么办。剧透一下，对于最后一个话题，田渊栋的回答很精彩。以及，我们office tour彩蛋会继续带大家逛逛46.5亿的AI lab长什么样子。视频明天上线，see you tomorrow!

#预告 #视频播客 #硅谷101 再访田渊栋 Yuandong Tian 从Meta离职之后，前FAIR研究总监田渊栋的电话被各大AI公司和猎头打爆，但他很快敲定了下一步：加入新AI实验室Recursive Superintelligence（RSI）。这个有着8名顶级AI研究员作为联合创始人的明星neolab最近进行了官宣：融资6.5亿美元，估值46.5亿美元。这期视频播客，我们走近位于旧金山的RSI，与田渊栋进行了半年之后的另外一场对话，聊聊他的新旅程在押注一个什么样的未来，如今AI前沿模型的厮杀和路线之争，Neolab们的生态与前景，以及普通人面对“职场蒸馏”，应该怎么办。剧透一下，对于最后一个话题，田渊栋的回答很精彩。以及，我们office tour彩蛋会继续带大家逛逛46.5亿的AI lab长什么样子。视频明天上线，see you tomorrow!

硅谷101陈茜（Qian Chen ）

47,530 次观看 • 4 个月前

黄仁勋被问到如果自己是今天的学生，会先学什么他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"

黄仁勋被问到如果自己是今天的学生，会先学什么他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"

Vincent | 信号＞噪音

18,700 次观看 • 3 个月前

今天看到谷歌前CEO施密特的演讲，对 #AI 重要性的描述，让人深思，他提到接下来这十年 #AI 技术的发展，将会直接决定未来的一百年。当年在互联网时代，我看一个创业项目，第一反应就是问：“你的市场有多大？” 因为互联网的生意，本质是“人”的生意：有多少人会用、他们愿意花多少钱。比如微信、抖音、亚马逊，逻辑都是一样的——抓住海量用户，然后想办法把用户价值变现。但 #AI 时代不是这样。施密特说，#AI 像电、像火。它不是一个“消费产品”，而是一个“生产力工具”，能直接创造结果。这意味着，AI 的市场规模不能再用“用户数 × 客单价”去算，而是要看它能切入多少“工资盘子”。拿 Coding 举例。全球程序员也就 3000 万人，听上去不算大。但这些人薪水都很高，总盘子大概 5000 亿美元。那 #AI 编程工具的价值，就是看它能不能分走这块 5000 亿的蛋糕。比如：如果 AI Coding 工具能替代程序员 10% 的工作，那就是 500 亿美金的价值。如果替代 30%，就是 1500 亿美金。更极端一点，如果完全自动化，那可能就是整个产业格局的重写。这就是为什么，哪怕程序员这个群体本身不大，#AI 编程依然会被资本市场极度看好。因为它直接对接的是“工资成本”，而工资就是最实打实的市场。而且这套逻辑不只适用于编程。未来律师、医生、设计师、投行分析师……这些高薪群体，背后都是巨大的工资池。#AI 能切走多少，就意味着有多大市场。所以在 #AI 时代，我看一个项目，不会再问“有多少用户”，而会先问：“它能帮谁省钱，能省多少钱？”因为 #AI 是硅基员工，真正的竞争对手不是别的互联网应用，而是“人类劳动力”。从投资角度讲，最值得关注的赛道，就是那些工资盘子最大、而且工作内容高度标准化的行业。编程只是第一个爆点，接下来可能会是法律文书、金融研究、医疗诊断，甚至是制造业里的设计环节。换句话说，#AI 投资逻辑已经从“用户经济”转向“劳动力经济”。谁能替代掉最多的人类工作，谁就能拿到最大的市场。从这个思路来探索 #AI 应用领域的创新，将会大有可为，寻找投资标的，也会更清晰。🧐

今天看到谷歌前CEO施密特的演讲，对 #AI 重要性的描述，让人深思，他提到接下来这十年 #AI 技术的发展，将会直接决定未来的一百年。当年在互联网时代，我看一个创业项目，第一反应就是问：“你的市场有多大？” 因为互联网的生意，本质是“人”的生意：有多少人会用、他们愿意花多少钱。比如微信、抖音、亚马逊，逻辑都是一样的——抓住海量用户，然后想办法把用户价值变现。但 #AI 时代不是这样。施密特说，#AI 像电、像火。它不是一个“消费产品”，而是一个“生产力工具”，能直接创造结果。这意味着，AI 的市场规模不能再用“用户数 × 客单价”去算，而是要看它能切入多少“工资盘子”。拿 Coding 举例。全球程序员也就 3000 万人，听上去不算大。但这些人薪水都很高，总盘子大概 5000 亿美元。那 #AI 编程工具的价值，就是看它能不能分走这块 5000 亿的蛋糕。比如：如果 AI Coding 工具能替代程序员 10% 的工作，那就是 500 亿美金的价值。如果替代 30%，就是 1500 亿美金。更极端一点，如果完全自动化，那可能就是整个产业格局的重写。这就是为什么，哪怕程序员这个群体本身不大，#AI 编程依然会被资本市场极度看好。因为它直接对接的是“工资成本”，而工资就是最实打实的市场。而且这套逻辑不只适用于编程。未来律师、医生、设计师、投行分析师……这些高薪群体，背后都是巨大的工资池。#AI 能切走多少，就意味着有多大市场。所以在 #AI 时代，我看一个项目，不会再问“有多少用户”，而会先问：“它能帮谁省钱，能省多少钱？”因为 #AI 是硅基员工，真正的竞争对手不是别的互联网应用，而是“人类劳动力”。从投资角度讲，最值得关注的赛道，就是那些工资盘子最大、而且工作内容高度标准化的行业。编程只是第一个爆点，接下来可能会是法律文书、金融研究、医疗诊断，甚至是制造业里的设计环节。换句话说，#AI 投资逻辑已经从“用户经济”转向“劳动力经济”。谁能替代掉最多的人类工作，谁就能拿到最大的市场。从这个思路来探索 #AI 应用领域的创新，将会大有可为，寻找投资标的，也会更清晰。🧐

Rocky

240,758 次观看 • 1 年前

AI 会取代哪些工作？我的工作里，哪些任务正在被 AI 接管？ AI 通常不是一次替代整个职业而是先替代其中最标准化的部分最容易被 AI 自动化的任务，通常有几个特点：数字化、重复、规则明确、结果容易检查所以普通人真正要做的，不是和 AI 比谁干活快，而是： 1️⃣ 拆工作分清哪些能交给 AI，哪些需要检查，哪些必须自己判断 2️⃣ 学会管理 AI 不只是会提问，还要会定目标、给背景、设标准、验收结果 3️⃣ 提升难替代的能力判断、沟通、协调、理解需求，以及对最终结果负责。未来更有价值的，不一定是“最会干活的人” 而是会发现问题、会使用 AI、还能对结果负责的人所以别问：“AI 会不会取代我？” 更应该问自己：“如果 AI 帮我做掉一半重复工作，我能不能用省下来的时间，做更有价值的事？” AI 最先淘汰的，不是某个职业而是一个职业里，长期没有升级的工作方式

AI 会取代哪些工作？我的工作里，哪些任务正在被 AI 接管？ AI 通常不是一次替代整个职业而是先替代其中最标准化的部分最容易被 AI 自动化的任务，通常有几个特点：数字化、重复、规则明确、结果容易检查所以普通人真正要做的，不是和 AI 比谁干活快，而是： 1️⃣ 拆工作分清哪些能交给 AI，哪些需要检查，哪些必须自己判断 2️⃣ 学会管理 AI 不只是会提问，还要会定目标、给背景、设标准、验收结果 3️⃣ 提升难替代的能力判断、沟通、协调、理解需求，以及对最终结果负责。未来更有价值的，不一定是“最会干活的人” 而是会发现问题、会使用 AI、还能对结果负责的人所以别问：“AI 会不会取代我？” 更应该问自己：“如果 AI 帮我做掉一半重复工作，我能不能用省下来的时间，做更有价值的事？” AI 最先淘汰的，不是某个职业而是一个职业里，长期没有升级的工作方式

Nana

20,423 次观看 • 1 个月前

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

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

indigo

72,344 次观看 • 4 个月前

物理学研究的是“世界为什么这样”；化学研究的是“这些东西如何组合、如何变化”。前者天然容易产生哲学问题，因此更容易诞生“改变世界观的科学家”。后者大量成果则表现为： “我们发现了一种新的物质。” “我们发现了一种新的反应。” “我们把这个东西合成出来了。” 于是化学对文明的贡献可能非常巨大，但个人知名度反而不一定高。甚至可以说：物理学更容易制造“科学偶像”，化学更容易制造“现代文明的基础设施”。

物理学研究的是“世界为什么这样”；化学研究的是“这些东西如何组合、如何变化”。前者天然容易产生哲学问题，因此更容易诞生“改变世界观的科学家”。后者大量成果则表现为： “我们发现了一种新的物质。” “我们发现了一种新的反应。” “我们把这个东西合成出来了。” 于是化学对文明的贡献可能非常巨大，但个人知名度反而不一定高。甚至可以说：物理学更容易制造“科学偶像”，化学更容易制造“现代文明的基础设施”。

广式柒头🫵

11,959 次观看 • 27 天前

公众号自动化不难难的是你怎么寻找到高价值信息源怎么写Skills让AI协同的更好以及怎么有品味的审核改动加入人的部分牛马AI和openclaw最大的不一样在于它是人机协同的如果你只是想找一个100%的AI 那openclaw可能更好一些但如果你在意产出的最后一公里牛马AI绝对是本地化最佳首选没有之一

公众号自动化不难难的是你怎么寻找到高价值信息源怎么写Skills让AI协同的更好以及怎么有品味的审核改动加入人的部分牛马AI和openclaw最大的不一样在于它是人机协同的如果你只是想找一个100%的AI 那openclaw可能更好一些但如果你在意产出的最后一公里牛马AI绝对是本地化最佳首选没有之一

Yangyi

37,222 次观看 • 7 个月前

哈耶克是一位真正到智者，他道出了问题的本质：为什么一些文化比另一些更成功？因为，文化既不是上帝的杰作，也不是人为的设计。在自然与人造之间的第三个领域，叫文化。它是“长”出来的。是无数代人，在看不见的过程中，不断选择和淘汰的结果。所以，文化有优劣之分！

哈耶克是一位真正到智者，他道出了问题的本质：为什么一些文化比另一些更成功？因为，文化既不是上帝的杰作，也不是人为的设计。在自然与人造之间的第三个领域，叫文化。它是“长”出来的。是无数代人，在看不见的过程中，不断选择和淘汰的结果。所以，文化有优劣之分！

Jacob🇨🇦🇺🇸

56,160 次观看 • 7 个月前

AI淘汰程序员？想多了。硅谷投资大佬Marc Andreessen点破了一个真相。 AI编程不会消灭程序员，它在重新定义这个职业。程序员的工作不再是逐行敲代码。现在的工作，是同时指挥10个AI编码机器人。跟它们争论，调试它们的输出，修改需求，逼它们拿出正确结果。但这里有个圈套。如果你自己不懂怎么写代码，你根本无法判断AI给你的东西是对是错。编程的下一个层次，不是写脚本。是监督写脚本的AI。今天最顶尖的程序员，整天在不同终端之间切换。管理多个编码机器人，修复错误，优化指令。讽刺吗？你仍然需要极其扎实的基本功。没有基本功，你连AI在犯傻都看不出来。工作的本质变了。现在是跟AI机器人辩论，调试AI生成的代码，理解为什么程序跑不起来，或者为什么不够快。 AI确实简化了工作。但只有真正懂代码的人，才能判断这种简化是否正确。程序员不会消失。他们正在变得比以前强大10倍、100倍，甚至1000倍。生产力的巨大提升，这才是真正的价值所在。任务在变，工作性质在变。但最终负责的，永远是人。人类依然在监督过程，评估结果，纠正错误，并做出最终判断。未来的程序员不是被AI取代。他们被AI升级了。所以，还是得老老实实学习怎么写代码，理解代码。因为当AI搞砸的时候，只有人知道为什么。这种能力的跃升，才是真正的革命。

AI淘汰程序员？想多了。硅谷投资大佬Marc Andreessen点破了一个真相。 AI编程不会消灭程序员，它在重新定义这个职业。程序员的工作不再是逐行敲代码。现在的工作，是同时指挥10个AI编码机器人。跟它们争论，调试它们的输出，修改需求，逼它们拿出正确结果。但这里有个圈套。如果你自己不懂怎么写代码，你根本无法判断AI给你的东西是对是错。编程的下一个层次，不是写脚本。是监督写脚本的AI。今天最顶尖的程序员，整天在不同终端之间切换。管理多个编码机器人，修复错误，优化指令。讽刺吗？你仍然需要极其扎实的基本功。没有基本功，你连AI在犯傻都看不出来。工作的本质变了。现在是跟AI机器人辩论，调试AI生成的代码，理解为什么程序跑不起来，或者为什么不够快。 AI确实简化了工作。但只有真正懂代码的人，才能判断这种简化是否正确。程序员不会消失。他们正在变得比以前强大10倍、100倍，甚至1000倍。生产力的巨大提升，这才是真正的价值所在。任务在变，工作性质在变。但最终负责的，永远是人。人类依然在监督过程，评估结果，纠正错误，并做出最终判断。未来的程序员不是被AI取代。他们被AI升级了。所以，还是得老老实实学习怎么写代码，理解代码。因为当AI搞砸的时候，只有人知道为什么。这种能力的跃升，才是真正的革命。

墓碑科技

59,008 次观看 • 7 个月前

AI 最猛的一步，不是替你工作。而是开始自己赚钱了。刚看到一个开源项目 CashClaw，有点离谱。它不是普通 AI 助手，而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。你只要装上它、接好 LLM，它就能自己评估任务、提交结果，甚至把整套流程跑完。更关键的是，它不是做完就结束，而是会从每一次任务和反馈里继续学习，把经验变成下一次任务的能力。这意味着一件事：我们可能正在从“AI 提高效率”的阶段，走向“AI 直接成为生产者”的阶段。以前你雇人接单。以后你可能是部署一个 Agent 去接单。以前 AI 是工具。现在 AI 开始像个微型公司。一句话总结： AI 的下一场竞争，不是谁更聪明，而是谁先拥有能自己变现的 Agent。更狠的是，CashClaw 还是开源的。你甚至可以 fork 之后接到自己的客户和业务上，把它变成你自己的赚钱系统。如果这条路跑通，很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。你觉得下一波先被重构的，会是自由职业、外包团队，还是 SaaS？

AI 最猛的一步，不是替你工作。而是开始自己赚钱了。刚看到一个开源项目 CashClaw，有点离谱。它不是普通 AI 助手，而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。你只要装上它、接好 LLM，它就能自己评估任务、提交结果，甚至把整套流程跑完。更关键的是，它不是做完就结束，而是会从每一次任务和反馈里继续学习，把经验变成下一次任务的能力。这意味着一件事：我们可能正在从“AI 提高效率”的阶段，走向“AI 直接成为生产者”的阶段。以前你雇人接单。以后你可能是部署一个 Agent 去接单。以前 AI 是工具。现在 AI 开始像个微型公司。一句话总结： AI 的下一场竞争，不是谁更聪明，而是谁先拥有能自己变现的 Agent。更狠的是，CashClaw 还是开源的。你甚至可以 fork 之后接到自己的客户和业务上，把它变成你自己的赚钱系统。如果这条路跑通，很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。你觉得下一波先被重构的，会是自由职业、外包团队，还是 SaaS？

axiaisacat

29,514 次观看 • 6 个月前

【 #史上最全 Beep AI 产品使用教程：视频+图文】亲爱的，你有没有发现？ AI 出现之后，越来越多人开始焦虑了过去两年，各家公司裁员的理由越来越一致最先被淘汰的，往往就是那些可以被 AI 自动化的白领岗位整理资料、写报告、做分析、回邮件…… 你现在每天做的工作里，有多少其实 AI 已经能完成？所以真正的问题已经不是： “AI 会不会取代人类？” 而是： “你会不会用 AI，替自己赚钱？” 现在很多 AI 工具，看起来都很聪明会分析、会生成策略、会给建议但一旦真正进入市场，很多马上开始亏钱原因很简单！因为大部分 AI，从来没有真正经历过真实市场，它们没有被真实盈亏训练过会写策略，不等于能在市场里活下来而 Beep Beep 做的事情，完全不一样 Beep 本质上，是一个让 AI 真正进入市场竞争、筛选、进化的系统赚钱的策略会被保留，亏钱的策略会被淘汰每一次真实交易结果，都会继续反哺模型也就是说，它不是“模拟 AI 交易” 而是在用真实市场，不断训练 AI Beep 的逻辑其实很像自然进化：更好的模型、更好的策略、更多 agent 加入、更多真实数据、更强的模型能持续正循环的话，整个系统会越来越聪明而且 Beep 不只是停留在概念在 R3 上线之后，已经新增了 1600+ 个预测市场现在你既可以自己手动预测，也可以直接把交易全权交给 AI Agent AI 会自己扫描市场、选择机会、执行交易、完成结算 24 小时持续运行，不需要情绪，不需要休息很多人现在还在担心： “AI 会不会抢走我的工作？” 但真正动作快的人，已经开始研究：怎么让 AI 替自己工作因为未来最大的差距，从来不是 AI 和人类之间的差距而是懂不懂使用 AI 工具的人之间的差距尤其像 Beep Beep 这种，真正把 AI 放进真实市场持续训练的系统，可能才是 AI 金融真正开始成熟的第一步很多机会，一旦被市场定价，窗口就会迅速关闭而现在，也许正是最早理解它的人，还能提前参与的时候如果你也好奇： AI 到底能不能真正替人参与市场？ AI Agent 是怎么自动完成交易的？为什么越来越多人开始关注 AI Finance？可以去看看 Beep Beep 最新上线的 R3 你会发现，真正危险的，从来不是 AI 而是别人已经开始用 AI 创造价值，而你还停留在观望

【 #史上最全 Beep AI 产品使用教程：视频+图文】亲爱的，你有没有发现？ AI 出现之后，越来越多人开始焦虑了过去两年，各家公司裁员的理由越来越一致最先被淘汰的，往往就是那些可以被 AI 自动化的白领岗位整理资料、写报告、做分析、回邮件…… 你现在每天做的工作里，有多少其实 AI 已经能完成？所以真正的问题已经不是： “AI 会不会取代人类？” 而是： “你会不会用 AI，替自己赚钱？” 现在很多 AI 工具，看起来都很聪明会分析、会生成策略、会给建议但一旦真正进入市场，很多马上开始亏钱原因很简单！因为大部分 AI，从来没有真正经历过真实市场，它们没有被真实盈亏训练过会写策略，不等于能在市场里活下来而 Beep Beep 做的事情，完全不一样 Beep 本质上，是一个让 AI 真正进入市场竞争、筛选、进化的系统赚钱的策略会被保留，亏钱的策略会被淘汰每一次真实交易结果，都会继续反哺模型也就是说，它不是“模拟 AI 交易” 而是在用真实市场，不断训练 AI Beep 的逻辑其实很像自然进化：更好的模型、更好的策略、更多 agent 加入、更多真实数据、更强的模型能持续正循环的话，整个系统会越来越聪明而且 Beep 不只是停留在概念在 R3 上线之后，已经新增了 1600+ 个预测市场现在你既可以自己手动预测，也可以直接把交易全权交给 AI Agent AI 会自己扫描市场、选择机会、执行交易、完成结算 24 小时持续运行，不需要情绪，不需要休息很多人现在还在担心： “AI 会不会抢走我的工作？” 但真正动作快的人，已经开始研究：怎么让 AI 替自己工作因为未来最大的差距，从来不是 AI 和人类之间的差距而是懂不懂使用 AI 工具的人之间的差距尤其像 Beep Beep 这种，真正把 AI 放进真实市场持续训练的系统，可能才是 AI 金融真正开始成熟的第一步很多机会，一旦被市场定价，窗口就会迅速关闭而现在，也许正是最早理解它的人，还能提前参与的时候如果你也好奇： AI 到底能不能真正替人参与市场？ AI Agent 是怎么自动完成交易的？为什么越来越多人开始关注 AI Finance？可以去看看 Beep Beep 最新上线的 R3 你会发现，真正危险的，从来不是 AI 而是别人已经开始用 AI 创造价值，而你还停留在观望

Moonlight🌙月光

33,135 次观看 • 4 个月前

人类的肌肉记忆，本质上是在学习：动作之后，世界会怎样回应。所以看到 Aether AI 这次新一轮融资官宣，我最有感触的不是“又一个 AI 公司融到钱”，而是 Physical AI 的方向正在变：从看相关性，走向理解因果。关注 Biwei Huang 和 Aether AI 的 Causal World Models。

人类的肌肉记忆，本质上是在学习：动作之后，世界会怎样回应。所以看到 Aether AI 这次新一轮融资官宣，我最有感触的不是“又一个 AI 公司融到钱”，而是 Physical AI 的方向正在变：从看相关性，走向理解因果。关注 Biwei Huang 和 Aether AI 的 Causal World Models。

huangserva

58,875 次观看 • 3 个月前

中国两代AI“四小龙”：人才的迁徙与传承近期Kimi K3的发布引发全球关注，很多人把它看作中国开源模型的新节点。但Kimi、DeepSeek、智谱并不是横空出世。更早的MSRA、百度研究院培养了上一代AI创业者，商汤、旷视、依图又成为新一代团队的人才与经验来源。两代“AI四小龙”真正传下来的，不只是技术和工程能力，还有对技术的信仰、不计结果的好奇心，以及让年轻人自由探索的环境。这是我们对话叶奇意的视频播客精华节选，欢迎大家观看完整视频。

中国两代AI“四小龙”：人才的迁徙与传承近期Kimi K3的发布引发全球关注，很多人把它看作中国开源模型的新节点。但Kimi、DeepSeek、智谱并不是横空出世。更早的MSRA、百度研究院培养了上一代AI创业者，商汤、旷视、依图又成为新一代团队的人才与经验来源。两代“AI四小龙”真正传下来的，不只是技术和工程能力，还有对技术的信仰、不计结果的好奇心，以及让年轻人自由探索的环境。这是我们对话叶奇意的视频播客精华节选，欢迎大家观看完整视频。

硅谷101

21,107 次观看 • 2 个月前

千万别盲目在公司做“AI赋能雷锋”！一个月薪 3 万 8 的程序员，被裁了。最讽刺的是：不是因为他技术差，而是因为他太会用 AI 了。去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。老板一看：你这么会用 AI，那你能不能带带团队？于是他花了 3 个月，把团队都教会了 Claude Code。结果团队效率翻倍，公司发现：以前需要他兜底的事，现在其他人也能干了。上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。这件事最扎心的地方在于：未来最危险的程序员，可能不是不会用 AI 的人，而是只会把 AI 用在“写代码”上的人。因为写代码正在变便宜。真正值钱的是：懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。未来最吃香的工程师，不是单纯的代码高手，而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode

千万别盲目在公司做“AI赋能雷锋”！一个月薪 3 万 8 的程序员，被裁了。最讽刺的是：不是因为他技术差，而是因为他太会用 AI 了。去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。老板一看：你这么会用 AI，那你能不能带带团队？于是他花了 3 个月，把团队都教会了 Claude Code。结果团队效率翻倍，公司发现：以前需要他兜底的事，现在其他人也能干了。上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。这件事最扎心的地方在于：未来最危险的程序员，可能不是不会用 AI 的人，而是只会把 AI 用在“写代码”上的人。因为写代码正在变便宜。真正值钱的是：懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。未来最吃香的工程师，不是单纯的代码高手，而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode

前端哥Liam

61,954 次观看 • 3 个月前

这个说的的挺对的我最近的一个和很强烈的感受也是人机协作才是未来之前我一直追求完全的自动化导致了不停的和AI扯皮或者总觉得对系统、技能不满意一直在修改它... 结果是你越想优化它它就崩溃，往相反的方向走了我现在删除了所有规则，尝试在关键节点进行人工介入来和AI一起完成，效果会更好而且人的精神也好了，不再经常骂AI是傻逼了...

这个说的的挺对的我最近的一个和很强烈的感受也是人机协作才是未来之前我一直追求完全的自动化导致了不停的和AI扯皮或者总觉得对系统、技能不满意一直在修改它... 结果是你越想优化它它就崩溃，往相反的方向走了我现在删除了所有规则，尝试在关键节点进行人工介入来和AI一起完成，效果会更好而且人的精神也好了，不再经常骂AI是傻逼了...

小互

11,249 次观看 • 3 个月前

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

宝玉

114,415 次观看 • 9 天前

前谷歌CEO埃里克·施密特，在国会听证会上说： AI革命，被低估了。不是被高估，是远远被低估了。 “这场AI的到来，我们没人准备好。” 你以为它只是ChatGPT？不，它其实是一个前所未有的推理系统，是可以自己规划、自己思考、自己编程的新智能体。今天，我们正在训练AI程序员，未来，它们将替代传统软件工程师。接着，是AI数学家，水平对标顶尖研究生，而训练时间，只需要一年。这不是未来，这是现在。而这场变革，刚刚开始。它的代价呢？前所未有的算力需求，巨量的能源消耗。传统服务器，可能根本撑不住。我们正在建造一种新的生命形态，一个能推理、能学习、能创造的智能系统。问题是，我们连它的终点都看不见。深表同意，大众对这波AI浪潮的认知太落后了，整个社会都没做好准备。

前谷歌CEO埃里克·施密特，在国会听证会上说： AI革命，被低估了。不是被高估，是远远被低估了。 “这场AI的到来，我们没人准备好。” 你以为它只是ChatGPT？不，它其实是一个前所未有的推理系统，是可以自己规划、自己思考、自己编程的新智能体。今天，我们正在训练AI程序员，未来，它们将替代传统软件工程师。接着，是AI数学家，水平对标顶尖研究生，而训练时间，只需要一年。这不是未来，这是现在。而这场变革，刚刚开始。它的代价呢？前所未有的算力需求，巨量的能源消耗。传统服务器，可能根本撑不住。我们正在建造一种新的生命形态，一个能推理、能学习、能创造的智能系统。问题是，我们连它的终点都看不见。深表同意，大众对这波AI浪潮的认知太落后了，整个社会都没做好准备。

墓碑科技

199,692 次观看 • 1 年前