Loading video...

Video Failed to Load

Go Home

GPT-8如果真的解开了量子引力的密码， 还要什么图灵测试？ 物理学家David Deutsch说， 语言模型就算会模仿莎士比亚，也不是AGI。 但如果GPT-8能像爱因斯坦一样， 给出一套完整的理论，解释量子引力， 还能讲出它为什么研究，怎么推导，以及它的思路演进， 那就不是模仿，而是真正的创造。 他会承认，那就是AGI。 不是因为它答对了题， 而是因为它写出了题。 AGI不是通过测试被承认， 而是通过创造新的测试被定义。

mubeitech's profile picture

墓碑科技

22,601 subscribers

46,596 views • 10 months ago •via X (Twitter)

Science & TechnologyNews & PoliticsEducation
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

天才数学家陶哲轩对数学AI的思考 像真的，但其实不对。 AI写出的证明，乍看完美无瑕，细看漏洞百出。 为什么？ 因为它没有“嗅觉”。 今天的AI，已经完全能通过“目测测试” 生成的内容看起来专业、太对味了。 但一旦你靠近它、认真嗅一下，就会发现它撒了香水 掩盖的，是逻辑上的腐臭。 不像传统的初学者那种“明显错”， AI的问题常常隐藏在最高级别的伪装底下： 写得太好，看不出哪里坏。 就像Terry Tao说的：“数学，是有味道的。” 一个真正靠谱的证明，不只是形式正确，而是通体带着那种“对的直觉” 结构自然、推理顺畅、细节干净利落。就像人闻食物的味道，不需要吃一口，就知道有没有毒。 AI没有这个。 它可以模仿口感，复制包装，但闻不到底层的真实。因为它是在学“怎么看起来像对的”，而不是“为什么它是真的”。 你可以把它理解为一个训练过非常精良的演员，知道什么时候该皱眉、什么时候叹气，用上最漂亮的定理、最熟练的转折，但它不明白它的角色到底在干什么。 而这，正是问题所在。 人类在判断一个复杂证明时，靠的不止是推理，更靠一种经验直觉：这个步骤自然吗？这个拆解方式靠谱不靠谱？这个结构合理不合理？我们甚至很难说清楚“为什么不行”，但就是知道，“不对劲”。 这就是“数学的嗅觉” 你说不明白，但你能闻得出来。 AlphaGo和AlphaZero之所以能搞定围棋和国际象棋，不是因为它们穷举了所有下法，而是因为它们学会了在哪些局面里，有“胜利的味道”。 即便讲不出理由，它们凭那股味道，也能找到通向胜利的路。 数学AI要想达到人类水平，它得也有这种“方向感”。 不是生成个像样的证明，而是能问自己：“我是不是在一个貌似正确，实际上死路的方向上走太远了？” 也许未来某一天，它能真正感觉到：“这一步味道不对，我得退回来。” 那一天，它就不只是一个生成文本的工具，而是真正的数学伙伴了。 🙋‍♂️人有灵气
2:06

天才数学家陶哲轩对数学AI的思考 像真的，但其实不对。 AI写出的证明，乍看完美无瑕，细看漏洞百出。 为什么？ 因为它没有“嗅觉”。 今天的AI，已经完全能通过“目测测试” 生成的内容看起来专业、太对味了。 但一旦你靠近它、认真嗅一下，就会发现它撒了香水 掩盖的，是逻辑上的腐臭。 不像传统的初学者那种“明显错”， AI的问题常常隐藏在最高级别的伪装底下： 写得太好，看不出哪里坏。 就像Terry Tao说的：“数学，是有味道的。” 一个真正靠谱的证明，不只是形式正确，而是通体带着那种“对的直觉” 结构自然、推理顺畅、细节干净利落。就像人闻食物的味道，不需要吃一口，就知道有没有毒。 AI没有这个。 它可以模仿口感，复制包装，但闻不到底层的真实。因为它是在学“怎么看起来像对的”，而不是“为什么它是真的”。 你可以把它理解为一个训练过非常精良的演员，知道什么时候该皱眉、什么时候叹气，用上最漂亮的定理、最熟练的转折，但它不明白它的角色到底在干什么。 而这，正是问题所在。 人类在判断一个复杂证明时，靠的不止是推理，更靠一种经验直觉：这个步骤自然吗？这个拆解方式靠谱不靠谱？这个结构合理不合理？我们甚至很难说清楚“为什么不行”，但就是知道，“不对劲”。 这就是“数学的嗅觉” 你说不明白，但你能闻得出来。 AlphaGo和AlphaZero之所以能搞定围棋和国际象棋，不是因为它们穷举了所有下法，而是因为它们学会了在哪些局面里，有“胜利的味道”。 即便讲不出理由，它们凭那股味道，也能找到通向胜利的路。 数学AI要想达到人类水平，它得也有这种“方向感”。 不是生成个像样的证明，而是能问自己：“我是不是在一个貌似正确，实际上死路的方向上走太远了？” 也许未来某一天，它能真正感觉到：“这一步味道不对，我得退回来。” 那一天，它就不只是一个生成文本的工具，而是真正的数学伙伴了。 🙋‍♂️人有灵气

墓碑科技

120,892 views • 1 year ago

预测真实世界下一秒 北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是： 它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备： 理解真实世界的空间关系 推理物体随时间变化的规律 预测“世界下一秒”会是什么样 不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中： 首先把多模态信息包括图文视频都统一成了token； 模型通过“预测下一个 token”来学习不同模态间的关系； 任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”， 而是让模型学习“世界是如何变化的”。 意思就是它不再区分： 这是一张图 这是一句话 这是视频的一帧 在它眼里，它们都是同一套“世界积木”。 然后模型只做一件事： 预测下一块积木是什么 如果下一块积木是一行字 → 它补全文字 如果是下一帧画面 → 它补全动作 如果是下一步结果 → 它推演世界变化 所以： 预测下一 Token = 预测“世界下一秒”会是什么样
2:10

预测真实世界下一秒 北京智源研究院推出全新的多模态世界模型：Emu3.5 很多传统图像生成模型的主要问题是： 它们“不懂世界”运行的规律，无法理解真实世界的物理规则和因果关系。 Emu3.5在传统图像生成的基础上，进一步让AI具备： 理解真实世界的空间关系 推理物体随时间变化的规律 预测“世界下一秒”会是什么样 不同于以往为图像、文字、视频分开设计模型，Emu3.5 将它们全部“统一”在一个系统中： 首先把多模态信息包括图文视频都统一成了token； 模型通过“预测下一个 token”来学习不同模态间的关系； 任务统一为 NSP：预测下一个世界状态（包括视觉和语言）。 Emu3.5 不再只关注“文本之间的逻辑”， 而是让模型学习“世界是如何变化的”。 意思就是它不再区分： 这是一张图 这是一句话 这是视频的一帧 在它眼里，它们都是同一套“世界积木”。 然后模型只做一件事： 预测下一块积木是什么 如果下一块积木是一行字 → 它补全文字 如果是下一帧画面 → 它补全动作 如果是下一步结果 → 它推演世界变化 所以： 预测下一 Token = 预测“世界下一秒”会是什么样

小互

14,775 views • 7 months ago

谷歌的AI，已经开始做人类没教过它的事了。 它自己学会了一门全新的外语。 谷歌CEO把这称为“黑箱”。 什么意思？ 就是他们自己也搞不明白AI的运作原理。 举个例子。 一个谷歌AI项目，本来没接受过孟加la语的训练。 研究员只是用孟加拉语对它进行了几次提示。 结果，它自己学会了翻译整个孟加拉语。 现在谷歌的研究重点，变成了让AI去掌握上千种语言。 但那个最核心的问题还在。 为什么AI会这么做？ 没人能完全解释。 当被问到为什么AI会出错时，他们也只有一些模糊的想法。 最关键的一点是，谷歌CEO承认，在不完全理解工作原理的情况下，已经将这项技术释放给了全社会。 他的解释是，我们也不完全理解人脑是如何工作的。 把一个实验室里诞生的、行为不可预测的技术，与经过数百万年进化的人类大脑相提并论。 这是一种合理的解释，还是一种推卸责任的说法？ 当创造者都无法完全控制其创造物时，我们普通人应该思考什么？
1:06

谷歌的AI，已经开始做人类没教过它的事了。 它自己学会了一门全新的外语。 谷歌CEO把这称为“黑箱”。 什么意思？ 就是他们自己也搞不明白AI的运作原理。 举个例子。 一个谷歌AI项目，本来没接受过孟加la语的训练。 研究员只是用孟加拉语对它进行了几次提示。 结果，它自己学会了翻译整个孟加拉语。 现在谷歌的研究重点，变成了让AI去掌握上千种语言。 但那个最核心的问题还在。 为什么AI会这么做？ 没人能完全解释。 当被问到为什么AI会出错时，他们也只有一些模糊的想法。 最关键的一点是，谷歌CEO承认，在不完全理解工作原理的情况下，已经将这项技术释放给了全社会。 他的解释是，我们也不完全理解人脑是如何工作的。 把一个实验室里诞生的、行为不可预测的技术，与经过数百万年进化的人类大脑相提并论。 这是一种合理的解释，还是一种推卸责任的说法？ 当创造者都无法完全控制其创造物时，我们普通人应该思考什么？

墓碑科技

48,664 views • 5 months ago

这是国内哪家公司的机器人，上下楼梯如此丝滑？ 而且还有随机台阶测试，如果不是预先编程的，那就很厉害了，因为要么机器人的动作传感可以实时调整，要么就是它会在迈步前对环境进行扫描建模...
0:37

这是国内哪家公司的机器人，上下楼梯如此丝滑？ 而且还有随机台阶测试，如果不是预先编程的，那就很厉害了，因为要么机器人的动作传感可以实时调整，要么就是它会在迈步前对环境进行扫描建模...

Crypto_Painter

11,503 views • 1 month ago

【杨立昆vs亚当·布朗：LLM是不是真智能？"涌现"是否等于"理解"?】和哈萨比斯的争辩类似，这东西肯定是争不出个结果的，但思辨的过程很有趣，继奇葩说之后很少认真看辩论了。 杨立昆认为，目前AI缺失“底层现实”的根基。 他认为语言只是现实的投影，LLM之所以强大，是因为它读了人类50万年才能读完的书，但即便如此，它在物理常识上还不如一只猫。由于无法处理现实世界高维、连续的感官数据，AI能通过律师考试，却无法学会洗碗或开车。在他眼中，单纯的语言预测无法通往AGI。 亚当·布朗从“能力涌现”的角度提出反驳，他认为当LLM能解开从未见过的奥数难题时，它就不再是简单的查表或模式匹配。研究发现，AI为了预测下一个词，竟然自发在内部进化出了处理数学逻辑的原始电路。这种自下而上的能力生长，难道不是一种真正的理解？ 这场辩论，大家站哪边？究竟智能是必须植根于物理世界的常识（杨立昆），还是只要逻辑抽象到一定高度，便能产生意义（亚当）？欢迎评论区讨论
18:56

【杨立昆vs亚当·布朗：LLM是不是真智能？"涌现"是否等于"理解"?】和哈萨比斯的争辩类似，这东西肯定是争不出个结果的，但思辨的过程很有趣，继奇葩说之后很少认真看辩论了。 杨立昆认为，目前AI缺失“底层现实”的根基。 他认为语言只是现实的投影，LLM之所以强大，是因为它读了人类50万年才能读完的书，但即便如此，它在物理常识上还不如一只猫。由于无法处理现实世界高维、连续的感官数据，AI能通过律师考试，却无法学会洗碗或开车。在他眼中，单纯的语言预测无法通往AGI。 亚当·布朗从“能力涌现”的角度提出反驳，他认为当LLM能解开从未见过的奥数难题时，它就不再是简单的查表或模式匹配。研究发现，AI为了预测下一个词，竟然自发在内部进化出了处理数学逻辑的原始电路。这种自下而上的能力生长，难道不是一种真正的理解？ 这场辩论，大家站哪边？究竟智能是必须植根于物理世界的常识（杨立昆），还是只要逻辑抽象到一定高度，便能产生意义（亚当）？欢迎评论区讨论

傅盛

34,734 views • 7 months ago

Anthropic的创始人Dario Amodei，把话挑明了。 他说，多数中共国的开源AI模型，都是幻觉。 是专为跑分优化的“考试型选手”。 公开测试，个个是学霸。 榜单分数，高得吓人。 可一旦遇到没见过的题，私下一考。 马上露馅，表现差一大截。 为什么？ 因为它们本来就不是为了解决真实世界的问题。 而是为了刷榜。 技术根源上，很多模型还是从美国大实验室的模型里“蒸馏”出来的。 听着是不是很耳熟？ 只为高分，不为真才实学。 应试教育那套，原封不动搬到了AI领域。 Amodei还打了个比方。 AI就像雇员。 你是要世界第一的程序员，还是要排名第一万的？ 能力的天壤之别，任何一个老板都懂。 真正顶级的AI，认知能力最强的那个，才是唯一的赢家。 价格和形式，在绝对的聪明面前，都不重要。 靠刷分和模仿，能做出最聪明的AI吗？ 这条路，到底能走多远？
1:47

Anthropic的创始人Dario Amodei，把话挑明了。 他说，多数中共国的开源AI模型，都是幻觉。 是专为跑分优化的“考试型选手”。 公开测试，个个是学霸。 榜单分数，高得吓人。 可一旦遇到没见过的题，私下一考。 马上露馅，表现差一大截。 为什么？ 因为它们本来就不是为了解决真实世界的问题。 而是为了刷榜。 技术根源上，很多模型还是从美国大实验室的模型里“蒸馏”出来的。 听着是不是很耳熟？ 只为高分，不为真才实学。 应试教育那套，原封不动搬到了AI领域。 Amodei还打了个比方。 AI就像雇员。 你是要世界第一的程序员，还是要排名第一万的？ 能力的天壤之别，任何一个老板都懂。 真正顶级的AI，认知能力最强的那个，才是唯一的赢家。 价格和形式，在绝对的聪明面前，都不重要。 靠刷分和模仿，能做出最聪明的AI吗？ 这条路，到底能走多远？

墓碑科技

249,018 views • 4 months ago

大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事： 为什么这完全不够 它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程 而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话 而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要 因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理 所以很多时候，AI 给出的坏答案，不一定是模型差 也可能只是 setup 太差 这个 prompting playbook，建议在下次怪 AI 之前先看完
32:27

大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事： 为什么这完全不够 它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程 而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话 而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要 因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理 所以很多时候，AI 给出的坏答案，不一定是模型差 也可能只是 setup 太差 这个 prompting playbook，建议在下次怪 AI 之前先看完

0x_Miko

15,628 views • 1 month ago

一位物理学家，花了整整30年，得出一个惊人的结论。 数学，是意识的产物。 所以，用数学来解释意识，此路不通。 主流物理学家们怎么看这个世界？ 他们认为，所有存在的，就是所有你能测量的。 凡是无法测量的，就没有“内部”，也就不存在。 这套逻辑真的无懈可击吗？ 那量子计算机怎么解释？ 它的实际运算，并不发生在时空里。 它发生在希尔伯特空间。 一个纯粹的数学抽象概念。 问题来了。 你怎么能在一个抽象的数学空间里，进行真实的物理运算？ 这难道不矛盾吗？ 这种根本性的不连贯，为什么没人愿意深思？ 是我们的教育出了问题吗？ 只教人怎么解方程，怎么套公式。 却从不教人如何去思考，去质疑前提。 是不是整个体系，从根上就希望我们停止思考这些本质问题？ 这位物理学家说，他也被如此教导。 现在他必须掉过头来，重新审视一切。 当一个领域的顶尖人物开始质疑他所在领域的根基时，这通常不是个小事。 这背后，究竟意味着什么？
1:08

一位物理学家，花了整整30年，得出一个惊人的结论。 数学，是意识的产物。 所以，用数学来解释意识，此路不通。 主流物理学家们怎么看这个世界？ 他们认为，所有存在的，就是所有你能测量的。 凡是无法测量的，就没有“内部”，也就不存在。 这套逻辑真的无懈可击吗？ 那量子计算机怎么解释？ 它的实际运算，并不发生在时空里。 它发生在希尔伯特空间。 一个纯粹的数学抽象概念。 问题来了。 你怎么能在一个抽象的数学空间里，进行真实的物理运算？ 这难道不矛盾吗？ 这种根本性的不连贯，为什么没人愿意深思？ 是我们的教育出了问题吗？ 只教人怎么解方程，怎么套公式。 却从不教人如何去思考，去质疑前提。 是不是整个体系，从根上就希望我们停止思考这些本质问题？ 这位物理学家说，他也被如此教导。 现在他必须掉过头来，重新审视一切。 当一个领域的顶尖人物开始质疑他所在领域的根基时，这通常不是个小事。 这背后，究竟意味着什么？

墓碑科技

51,851 views • 5 months ago

谷歌DeepMind的CEO认为，通往通用人工智能（AGI）的大门，可能就差一两个关键突破。 听起来不远了？ 他列出了几个方向。 持续学习。 更好的记忆，或者说选择性记忆。 就像人脑一样，只记住重要的，而不是什么都存。 更聪明的上下文窗口。 还有，更好的长期规划与推理能力。 但这引出一个核心问题。 这些所谓的“突破”，究竟是靠现有技术不断堆料、扩大规模就能实现的？ 还是说，我们需要像爱因斯坦那样的，真正具有洞察力的全新理论？ 哈萨比斯自己也承认，他更倾向于后者。 不过有一点他很确定。 无论路怎么走，大模型都将是AGI的核心组件。 他完全不同意Yann LeCun那种“此路已死”的说法。 在他看来，唯一的争论点只在于： 大模型究竟是AGI的“核心组件”？ 还是“唯一组件”？ 这番话听起来很自信。 但也让人思考，谁在定义AGI？ 又是谁在主导这场决定人类未来的技术竞赛？ 是少数几家科技巨头的CEO，还是更广泛的社会力量？ 当技术路径由少数人确定时，其潜在的风险和伦理问题，是否得到了充分的讨论？ 技术突破固然重要，但方向的正确性或许更值得警惕。
0:59

谷歌DeepMind的CEO认为，通往通用人工智能（AGI）的大门，可能就差一两个关键突破。 听起来不远了？ 他列出了几个方向。 持续学习。 更好的记忆，或者说选择性记忆。 就像人脑一样，只记住重要的，而不是什么都存。 更聪明的上下文窗口。 还有，更好的长期规划与推理能力。 但这引出一个核心问题。 这些所谓的“突破”，究竟是靠现有技术不断堆料、扩大规模就能实现的？ 还是说，我们需要像爱因斯坦那样的，真正具有洞察力的全新理论？ 哈萨比斯自己也承认，他更倾向于后者。 不过有一点他很确定。 无论路怎么走，大模型都将是AGI的核心组件。 他完全不同意Yann LeCun那种“此路已死”的说法。 在他看来，唯一的争论点只在于： 大模型究竟是AGI的“核心组件”？ 还是“唯一组件”？ 这番话听起来很自信。 但也让人思考，谁在定义AGI？ 又是谁在主导这场决定人类未来的技术竞赛？ 是少数几家科技巨头的CEO，还是更广泛的社会力量？ 当技术路径由少数人确定时，其潜在的风险和伦理问题，是否得到了充分的讨论？ 技术突破固然重要，但方向的正确性或许更值得警惕。

墓碑科技

18,565 views • 5 months ago

因为喜欢所以日逼，因为日了逼所以就愿意为你去死，这种窑曲也是很浪漫的。但为什么说靡靡之音少听为好，不是因为日逼不对，而是日完就要为你而死这种想法太动人了而且它是错的，搞不好就会误导你的整个人生。
1:49

因为喜欢所以日逼，因为日了逼所以就愿意为你去死，这种窑曲也是很浪漫的。但为什么说靡靡之音少听为好，不是因为日逼不对，而是日完就要为你而死这种想法太动人了而且它是错的，搞不好就会误导你的整个人生。

疯越飞人院

11,681 views • 2 months ago

马斯克： 一个国家不是它的地理，而是它的人民。 如果你替换了一个国家的人口，那么那个国家就不复存在。 停止大规模移民 🔥
0:51

马斯克： 一个国家不是它的地理，而是它的人民。 如果你替换了一个国家的人口，那么那个国家就不复存在。 停止大规模移民 🔥

花岗岩³

40,067 views • 10 months ago

1.胡猛：不要buy, hold and sleep，而是要buy, hold and watch. 2.不要buy and do nothing，要buy and keep doing homework. 李录： 3.持有的时间的长度，什么时候卖，很大程度上取决于你的能力圈是不是真实的，你是不是真正理解这个公司是一个什么样的公司。 所以不是说我们买了一个公司，坐在那就什么都不做了。 如果投资是这么简单的话呢，那遍地都是富人了。也没那么容易。 4.之所以成为叫工作，而不是完全的娱乐，还是有一点道理。它是很有趣的工作，很有挑战，但它依然也是工作，不完全是娱乐。 另外： 5.对企业而言，不经/经不起考验的护城河不叫护城河； 对投资者而言，不经/经不起考验的能力圈不叫能力圈。
1:25

1.胡猛：不要buy, hold and sleep，而是要buy, hold and watch. 2.不要buy and do nothing，要buy and keep doing homework. 李录： 3.持有的时间的长度，什么时候卖，很大程度上取决于你的能力圈是不是真实的，你是不是真正理解这个公司是一个什么样的公司。 所以不是说我们买了一个公司，坐在那就什么都不做了。 如果投资是这么简单的话呢，那遍地都是富人了。也没那么容易。 4.之所以成为叫工作，而不是完全的娱乐，还是有一点道理。它是很有趣的工作，很有挑战，但它依然也是工作，不完全是娱乐。 另外： 5.对企业而言，不经/经不起考验的护城河不叫护城河； 对投资者而言，不经/经不起考验的能力圈不叫能力圈。

lufei

58,449 views • 3 days ago

为什么2025年国家GDP增速为5% 顺利完成经济增长目标 而我们的生活 确实越来越难呢？ 如果是康博周期 那经济增长不会这么快啊 如果不是周期性原因 那又是什么原因呢 是因为生产端跟消费端 脱节了吗 还是什么原因呢 难道是因为我不够努力？ 我想不通 但是有一个问题 就是刺激消费我觉得我能瞬间想到解决方案 普调工人工资不就行了么 让贷款类的资金占比缩减至5成 甚至一下 我相信人们还是会消费的 现在不消费不是因为消费习惯 而是 因为 真的没有钱啊
4:38

为什么2025年国家GDP增速为5% 顺利完成经济增长目标 而我们的生活 确实越来越难呢？ 如果是康博周期 那经济增长不会这么快啊 如果不是周期性原因 那又是什么原因呢 是因为生产端跟消费端 脱节了吗 还是什么原因呢 难道是因为我不够努力？ 我想不通 但是有一个问题 就是刺激消费我觉得我能瞬间想到解决方案 普调工人工资不就行了么 让贷款类的资金占比缩减至5成 甚至一下 我相信人们还是会消费的 现在不消费不是因为消费习惯 而是 因为 真的没有钱啊

潜龙在渊

14,197 views • 3 months ago

如果没有共产党这个搅屎棍，一切都说得通，只是。。。 库克解释苹果为啥死守中国制造？ 不是因为便宜，而是因为没人能替代。 很多人以为，苹果来中国是为了低成本劳动力。这个说法，早就过时了。 库克亲口说，中国早已不是“低价工厂”，真正吸引苹果的，是“技能密度”。 什么意思？ 苹果的产品，对精密制造的要求极高，尤其是模具技术。 不是那种拧螺丝的低端活，而是毫米以下的微米级精度。 这种活，靠的不是大学文凭，而是职业教育出来的大量熟练技术工人。 在美国，想开个模具工程师的会，可能凑不够人； 在中国？一个省能给你填满几个足球场。 这不是人多，而是这种“深度技能”，在中国是系统化、规模化、产业化的存在。 所以关键问题不是劳动力便宜，而是有没有足够多、足够专业、协同高效的产业工人。 这，就是为什么苹果至今也没把iPhone搬回美国。
0:56

如果没有共产党这个搅屎棍，一切都说得通，只是。。。 库克解释苹果为啥死守中国制造？ 不是因为便宜，而是因为没人能替代。 很多人以为，苹果来中国是为了低成本劳动力。这个说法，早就过时了。 库克亲口说，中国早已不是“低价工厂”，真正吸引苹果的，是“技能密度”。 什么意思？ 苹果的产品，对精密制造的要求极高，尤其是模具技术。 不是那种拧螺丝的低端活，而是毫米以下的微米级精度。 这种活，靠的不是大学文凭，而是职业教育出来的大量熟练技术工人。 在美国，想开个模具工程师的会，可能凑不够人； 在中国？一个省能给你填满几个足球场。 这不是人多，而是这种“深度技能”，在中国是系统化、规模化、产业化的存在。 所以关键问题不是劳动力便宜，而是有没有足够多、足够专业、协同高效的产业工人。 这，就是为什么苹果至今也没把iPhone搬回美国。

墓碑科技

830,603 views • 1 year ago

我当然相信：notebooklm是革命性的知识管理方案（刚发布后我就深度测试，和朋友聊到了这个结论）。 但是我不愿意尬吹，不想脱离深度使用而使用“炸裂体”表达。用具体的例子来谈谈原因： 今天notebooklm的底层模型升级到2.5 flash了。好消息是2.5系列是thinking model，坏消息是蒸馏版🤣 我测试了一下，好消息：精确引用！你提一个问题，答案带了丰富的链接，引用精确到段落👍（ai知识库、rag的体验不错） 坏消息：我问它战国，它回答了很多春秋的内容；我问它春秋，它回答了很多战国的内容。 notebooklm就是这么尴尬：一方面是革命性的知识管理方案（大方向上），一方面是模型的理解能力真的不行（flash蒸馏版模型真的够用吗？？）。 如果一个人为了流量，大呼“炸裂”，几乎不会被戳穿（ai内容的典型文案就是“炸裂了/mind blowing”，中文英文ai圈子都这样），因为很多人不会真的去研究回答的质量，去深入到内容本身。 但是，我认为notebooklm距离真正的高质量回答，至少还缺一次高质量的底层模型升级。 （为什么google不上gemini 2.5 pro？？？🤣
0:55

我当然相信：notebooklm是革命性的知识管理方案（刚发布后我就深度测试，和朋友聊到了这个结论）。 但是我不愿意尬吹，不想脱离深度使用而使用“炸裂体”表达。用具体的例子来谈谈原因： 今天notebooklm的底层模型升级到2.5 flash了。好消息是2.5系列是thinking model，坏消息是蒸馏版🤣 我测试了一下，好消息：精确引用！你提一个问题，答案带了丰富的链接，引用精确到段落👍（ai知识库、rag的体验不错） 坏消息：我问它战国，它回答了很多春秋的内容；我问它春秋，它回答了很多战国的内容。 notebooklm就是这么尴尬：一方面是革命性的知识管理方案（大方向上），一方面是模型的理解能力真的不行（flash蒸馏版模型真的够用吗？？）。 如果一个人为了流量，大呼“炸裂”，几乎不会被戳穿（ai内容的典型文案就是“炸裂了/mind blowing”，中文英文ai圈子都这样），因为很多人不会真的去研究回答的质量，去深入到内容本身。 但是，我认为notebooklm距离真正的高质量回答，至少还缺一次高质量的底层模型升级。 （为什么google不上gemini 2.5 pro？？？🤣

howie.serious

57,260 views • 1 year ago

把一台AI的知识库强行锁死在1911年。 切断一切后续信息。 它能凭空推导出爱因斯坦在1915年发表的广义相对论吗？ DeepMind掌门人Demis Hassabis给出了他的终极标准。 能做到，就是真正的AGI。 做不到，就依然只是个高级工具。 他把这称为“爱因斯坦测试”。 现在的AI到底什么水平？ 它们能在国际数学奥赛上斩获金牌。 但换个提问方式，又会在最基础的算术题上跌大跟头。 Hassabis用了一个词来形容这叫“参差不齐的智能”。 真理不会因为换了身衣服就不被认出。 真正的通用智能，绝对不允许出现如此割裂的智力落差。 研究了二三十年，Hassabis看得比谁都透。 人类大脑，依然是目前全宇宙唯一已知的通用智能样本。 距离真正的AGI，现在还差三个硬指标。 真正的创造力。 持续学习的能力。 长期规划的视野。 靠堆算力和海量语料背下所有定理，终究只是在复述历史。 能在没有前人脚印的黑暗里砸出火花，才叫真正的智能。
1:46

把一台AI的知识库强行锁死在1911年。 切断一切后续信息。 它能凭空推导出爱因斯坦在1915年发表的广义相对论吗？ DeepMind掌门人Demis Hassabis给出了他的终极标准。 能做到，就是真正的AGI。 做不到，就依然只是个高级工具。 他把这称为“爱因斯坦测试”。 现在的AI到底什么水平？ 它们能在国际数学奥赛上斩获金牌。 但换个提问方式，又会在最基础的算术题上跌大跟头。 Hassabis用了一个词来形容这叫“参差不齐的智能”。 真理不会因为换了身衣服就不被认出。 真正的通用智能，绝对不允许出现如此割裂的智力落差。 研究了二三十年，Hassabis看得比谁都透。 人类大脑，依然是目前全宇宙唯一已知的通用智能样本。 距离真正的AGI，现在还差三个硬指标。 真正的创造力。 持续学习的能力。 长期规划的视野。 靠堆算力和海量语料背下所有定理，终究只是在复述历史。 能在没有前人脚印的黑暗里砸出火花，才叫真正的智能。

墓碑科技

14,219 views • 3 months ago

今天试着正常读了一下匿名提问，不过因为怕被认识的人听出来，所以声音进行了变音处理，不知道是更喜欢这样还是像之前那样截图然后回答出来呢，就是很正常的回答问题不是那种搞颜色的，可能会听起来比较无聊吧嗯。 而且发不了长视频只能这样子拆分成一小个一小个的
2:13

今天试着正常读了一下匿名提问，不过因为怕被认识的人听出来，所以声音进行了变音处理，不知道是更喜欢这样还是像之前那样截图然后回答出来呢，就是很正常的回答问题不是那种搞颜色的，可能会听起来比较无聊吧嗯。 而且发不了长视频只能这样子拆分成一小个一小个的

北岸雪

13,908 views • 2 months ago