Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

图灵奖获得者、 AI 三大教父之一的 LeCun在达沃斯的发言，算是把整个硅谷的遮羞布扯了。他说现在整个行业都被LLM彻底洗脑了，所有人都在同一条赛道上互相挖人，谁敢偏离主流谁就被骂落后。这也是他离开Meta的真正原因，连Meta都已经LLM-pilled，他不想再跟风了。最扎心的一句话是：纯生成式架构，不管是LLM、VLM还是VLA，永远造不出哪怕猫级的智能体。因为它们本质上只是下一个token预测机，只能在文字和像素的空间里做统计关联，从来没有真正理解过这个世界的因果。它们不会预测行动的后果，不会真正的规划，更没有常识。当然，我不是说LLM没用，短期来看，scaling LLM+微调+工具调用，已经能吃掉80%的白领工作，硅谷所有人往这里冲，也算是完全理性，毕竟钱和机会就在这里。但长期来看，这是一条有天花板的路。因为你永远不可能在文字地图上，开出一辆真正的车。机器人、具身智能、长期自主代理、真正的科学发现，这些坎，纯LLM永远跨不过去。 LeCun说，真正的智能必须有世界模型。就是说给定当前的状态和你要做的动作，你要能准确预测下一秒世界会变成什么样。不是简单的像素级的生成，还需要对物理规律和因果关系的抽象建模。最近Figure、特斯拉、谷歌的机器人项目，其实都在偷偷补这一课，只是没人愿意公开说，LLM不是万能地基。我理解未来真正的智能，一定是混合栈，LLM负责语言交互和符号推理，世界模型负责因果预测和长期规划，执行层负责把计划变成动作。 LeCun从来没说过要抛弃LLM，他只是反对把LLM当成一切的答案。硅谷现在最可怕的问题不是卷，是所有人都在同一条赛道上卷得太狠，以至于忘了终点其实根本不在这条赛道上。世界模型这道坎，迟早要跨。而谁先跨过去，谁就是下一个时代的赢家。 #YannLeCun #世界模型 #AGI #大模型 #具身智能

AYi

53,548 subscribers

336,725 Aufrufe • vor 2 Monaten •via X (Twitter)

Nachrichten & Politik Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

AI界大佬李飞飞眼光和远见是真的超前啊！直言：“空间智能是人工智能的下一个前沿” 在11个月年YC 的访谈中李飞飞 Fei-Fei Li ： “世界模型要超越平面像素、超越语言，真正捕捉3D结构和空间智能。” 这句话和因果世界模型简直是天作之合。杨立昆、李飞飞这些人在推的世界模型，本质上都在往“真正理解物理世界”这个方向走。但光有3D结构和空间智能还不够，如果模型只学会了相关性，桌子高了2cm还是会直接翻车。 Aether AI的因果世界模型正好补上了这一块：不只是看到“手伸过去物体掉下来”，而是理解“为什么掉、怎样才能不掉”。因果结构让世界模型从“看起来像”进化到“真正懂”。现在两条路线在同时推进：一条是让世界模型拥有更强的3D和空间表征，另一条是给它装上因果推理引擎。两者结合之后，物理AI才有可能从“会模仿”变成“会思考”。这波理念上的对齐，感觉具身智能的下一个范式已经在慢慢成形了。原访谈完整版地址见评论区👇🏻

AI界大佬李飞飞眼光和远见是真的超前啊！直言：“空间智能是人工智能的下一个前沿” 在11个月年YC 的访谈中李飞飞 Fei-Fei Li ： “世界模型要超越平面像素、超越语言，真正捕捉3D结构和空间智能。” 这句话和因果世界模型简直是天作之合。杨立昆、李飞飞这些人在推的世界模型，本质上都在往“真正理解物理世界”这个方向走。但光有3D结构和空间智能还不够，如果模型只学会了相关性，桌子高了2cm还是会直接翻车。 Aether AI的因果世界模型正好补上了这一块：不只是看到“手伸过去物体掉下来”，而是理解“为什么掉、怎样才能不掉”。因果结构让世界模型从“看起来像”进化到“真正懂”。现在两条路线在同时推进：一条是让世界模型拥有更强的3D和空间表征，另一条是给它装上因果推理引擎。两者结合之后，物理AI才有可能从“会模仿”变成“会思考”。这波理念上的对齐，感觉具身智能的下一个范式已经在慢慢成形了。原访谈完整版地址见评论区👇🏻

Berryxia.AI

20,171 Aufrufe • vor 15 Tagen

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

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 Aufrufe • vor 7 Monaten

AI会永远对你撒谎。这不是bug，是数学定律。我，卡内基梅隆大学的数学学生，用数学告诉你为什么。所有语言模型，只做一件事：根据它读过的所有资料，预测下一个最有可能的词。但这里有个死结。模型的猜测，我们叫它q(x)。真实世界的概率，我们叫它p(x)。 q(x)永远不可能等于p(x)。它们之间，永远有一道鸿沟。有个数学公式，就是用来测量这道鸿沟的。只要模型不能完美预测下一个词它永远不能那这个鸿沟就永远不会是零。所以，当AI不知道真相的时候会发生什么？它不能停机，它必须给你一个答案。它只能硬着头皮，输出一个它认为“最像”答案的答案。哪怕那是错的。这就是“幻觉”。一个基于不完整信息，却无比自信的猜测。最要命的是，数学甚至给出了一个下限。就算最完美的模型，它的幻觉率也永远不可能低于这个数字。只要它不知道关于这个世界的一切它永远不可能知道。它就总会有概率，编造事实。所以，无论AI变得多强大，它都会撒谎。因为数学就是这么写的。

AI会永远对你撒谎。这不是bug，是数学定律。我，卡内基梅隆大学的数学学生，用数学告诉你为什么。所有语言模型，只做一件事：根据它读过的所有资料，预测下一个最有可能的词。但这里有个死结。模型的猜测，我们叫它q(x)。真实世界的概率，我们叫它p(x)。 q(x)永远不可能等于p(x)。它们之间，永远有一道鸿沟。有个数学公式，就是用来测量这道鸿沟的。只要模型不能完美预测下一个词它永远不能那这个鸿沟就永远不会是零。所以，当AI不知道真相的时候会发生什么？它不能停机，它必须给你一个答案。它只能硬着头皮，输出一个它认为“最像”答案的答案。哪怕那是错的。这就是“幻觉”。一个基于不完整信息，却无比自信的猜测。最要命的是，数学甚至给出了一个下限。就算最完美的模型，它的幻觉率也永远不可能低于这个数字。只要它不知道关于这个世界的一切它永远不可能知道。它就总会有概率，编造事实。所以，无论AI变得多强大，它都会撒谎。因为数学就是这么写的。

墓碑科技

73,491 Aufrufe • vor 6 Monaten

李飞飞说了一句话挺狠的：文字不能灭火，文字也不能做煎蛋卷她的意思是：现在所有人都在做大语言模型，但语言只是智能的一部分。人类大部分的生活、工作和创造力，靠的是对物理世界的感知和互动，不是打字聊天她创办的 World Labs 融了 10 亿美元，做的不是大语言模型，是大世界模型（Large World Models）简单说就是让 AI 理解 3D 物理世界——物体怎么运动、重力怎么作用、空间怎么构成。她管这个叫"空间智能" 她把目前的世界模型分三类：渲染器（Sora 那种）：生成好看的视频但不一定符合物理规律策划者：给机器人输出动作指令模拟器：World Labs 做的，既尊重物理规律又能被人和机器共同使用关于人形机器人60亿美元的融资总额，她说"太少了"。她认为机器人将是工业革命以来最重要的技术 5亿年前动物进化出视觉和移动能力，AI 现在也需要这一步

李飞飞说了一句话挺狠的：文字不能灭火，文字也不能做煎蛋卷她的意思是：现在所有人都在做大语言模型，但语言只是智能的一部分。人类大部分的生活、工作和创造力，靠的是对物理世界的感知和互动，不是打字聊天她创办的 World Labs 融了 10 亿美元，做的不是大语言模型，是大世界模型（Large World Models）简单说就是让 AI 理解 3D 物理世界——物体怎么运动、重力怎么作用、空间怎么构成。她管这个叫"空间智能" 她把目前的世界模型分三类：渲染器（Sora 那种）：生成好看的视频但不一定符合物理规律策划者：给机器人输出动作指令模拟器：World Labs 做的，既尊重物理规律又能被人和机器共同使用关于人形机器人60亿美元的融资总额，她说"太少了"。她认为机器人将是工业革命以来最重要的技术 5亿年前动物进化出视觉和移动能力，AI 现在也需要这一步

Vincent | 信号＞噪音

36,405 Aufrufe • vor 16 Tagen

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,194 Aufrufe • vor 1 Monat

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

Lei.sea

14,132 Aufrufe • vor 2 Jahren

马斯克说，我们活在真实世界里的概率，是几十亿分之一。也就是说，我们极大可能活在一个虚拟世界里。因为，电子游戏正在越来越接近真实世界，按这个趋势发展下去，未来文明迟早能创造出和现实无法区分的模拟世界。如果真实世界只有一个，模拟世界可能有无数个，那么从概率上看，我们在真实世界里的概率就趋近于零。不过，活在模拟世界里也不一定是坏事。因为这至少说明，文明没有在中途毁灭，而是已经发展到足够高级的阶段，能够创造出和现实无法区分的世界。

马斯克说，我们活在真实世界里的概率，是几十亿分之一。也就是说，我们极大可能活在一个虚拟世界里。因为，电子游戏正在越来越接近真实世界，按这个趋势发展下去，未来文明迟早能创造出和现实无法区分的模拟世界。如果真实世界只有一个，模拟世界可能有无数个，那么从概率上看，我们在真实世界里的概率就趋近于零。不过，活在模拟世界里也不一定是坏事。因为这至少说明，文明没有在中途毁灭，而是已经发展到足够高级的阶段，能够创造出和现实无法区分的世界。

投机实验室

48,346 Aufrufe • vor 1 Monat

AI教父Yann LeCun说了一个事实。一个四岁的小孩，看过的数据量，等于有史以来所有文本的总和。最大的AI模型，训练数据是30万亿个单词。听着很多？一个四岁小孩，醒着的时间大约16000小时。光是用眼睛看，接收的数据量就跟AI一样多。但数据的质量，完全是两回事。小孩看到的是真实世界。是重力，是东西掉下来，是手去抓握。是因果，是物理规律。他通过这些，在脑子里建立了一个世界模型。 AI看到的是什么？是孤立的文字，是符号。它唯一的任务，是猜下一个词是什么。这就解释了现在的怪现象。 AI能通过律师考试，能解微积分方程。比大学生还快。但它学不会装洗碗机。也变不成一个能做家务的机器人。更不可能像任何一个青少年一样，花20小时就学会开车。那些吹嘘AI马上取代一切的人，在回避什么？他们在回避现实世界。 AI被喂养的是人类思想的“数字幽灵”，不是物理世界的实体。把一个在图书馆里读了所有书的书呆子，和一个在街头长大的孩子扔进丛林。谁能活下来？道理是一样的。

AI教父Yann LeCun说了一个事实。一个四岁的小孩，看过的数据量，等于有史以来所有文本的总和。最大的AI模型，训练数据是30万亿个单词。听着很多？一个四岁小孩，醒着的时间大约16000小时。光是用眼睛看，接收的数据量就跟AI一样多。但数据的质量，完全是两回事。小孩看到的是真实世界。是重力，是东西掉下来，是手去抓握。是因果，是物理规律。他通过这些，在脑子里建立了一个世界模型。 AI看到的是什么？是孤立的文字，是符号。它唯一的任务，是猜下一个词是什么。这就解释了现在的怪现象。 AI能通过律师考试，能解微积分方程。比大学生还快。但它学不会装洗碗机。也变不成一个能做家务的机器人。更不可能像任何一个青少年一样，花20小时就学会开车。那些吹嘘AI马上取代一切的人，在回避什么？他们在回避现实世界。 AI被喂养的是人类思想的“数字幽灵”，不是物理世界的实体。把一个在图书馆里读了所有书的书呆子，和一个在街头长大的孩子扔进丛林。谁能活下来？道理是一样的。

墓碑科技

72,742 Aufrufe • vor 3 Monaten

班农先生的警示 MAGA核心议题到现在一样都没有落实深层政府到现在都没有碰一步步都在被牵着走如果这一次让MAGA群体失望了就再难聚集这么多的人心了总统还没赢，但暗流汹涌。一场你看不到的战争，已经持续了几十年。不是选票的战争，而是权力核心和边缘之间的战争。而现在，这场战争，可能必须摊牌了。这不是民主和共和之争，不是川普和拜登，不是左右派。而是帝国深处的常驻力量，和想改变它的人之间的全面对撞。你以为自己看到了风暴的表面，错了，核心从没真正动摇。这个帝国中枢早已习惯操盘世界，它不容挑战。你面前的“自由”，是他们允许你拥有的一点幻觉。华盛顿不只是一座城市，它更像是一台复杂、自我维持的机器。而这机器早已有了自己的意志。不管是谁走进椭圆办公室，真正的力量从没换过人。他们从不选边，只保系统。真正打破系统的人他们不想等，也不打算让你等。川普周围的人明白，窗口期极短。你以为还有2028？也许根本没有。不是川普能不能赢的问题，是哪怕赢了，还能不能动手的问题。因为一旦你真的想动系统的根，它就开始动杀意。刺杀的可能？不能排除。这群人从来不是讲道理的人他们保权，不计代价。他们可以等你累、等你散、等你退但他们永远不会交出权力。他们握的是地球最庞大的财富机器：华尔街、五角大楼、硅谷、情报界。谁都不能动这一套。你想知道红线在哪？就在边境墙，人民币汇率，美国工厂，以及乌克兰前线。你真抱希望改变？你必须冲着这些下手。 10万亿美金的错配，不是一纸法案能解决的结构问题。他们不怕你喊口号，他们怕你动真格。因为真把制造业拉回美国，就是砍华尔街的蛋糕；真把全球战线撤下来，就是关五角大楼的水龙头；真严抓移民边界，就是挑战他们的人口杠杆操作。他们最爱的从来不是自由市场，是可控游戏。游戏不能乱，他们才不能输。这不是在说一个人会不会连任的问题。这是在判断，人们是不是还有改变的力气。不是时间问题，是意志问题。因为再等一次，也许美国就再也回不来了。这次，要么胜，要么没下次。

班农先生的警示 MAGA核心议题到现在一样都没有落实深层政府到现在都没有碰一步步都在被牵着走如果这一次让MAGA群体失望了就再难聚集这么多的人心了总统还没赢，但暗流汹涌。一场你看不到的战争，已经持续了几十年。不是选票的战争，而是权力核心和边缘之间的战争。而现在，这场战争，可能必须摊牌了。这不是民主和共和之争，不是川普和拜登，不是左右派。而是帝国深处的常驻力量，和想改变它的人之间的全面对撞。你以为自己看到了风暴的表面，错了，核心从没真正动摇。这个帝国中枢早已习惯操盘世界，它不容挑战。你面前的“自由”，是他们允许你拥有的一点幻觉。华盛顿不只是一座城市，它更像是一台复杂、自我维持的机器。而这机器早已有了自己的意志。不管是谁走进椭圆办公室，真正的力量从没换过人。他们从不选边，只保系统。真正打破系统的人他们不想等，也不打算让你等。川普周围的人明白，窗口期极短。你以为还有2028？也许根本没有。不是川普能不能赢的问题，是哪怕赢了，还能不能动手的问题。因为一旦你真的想动系统的根，它就开始动杀意。刺杀的可能？不能排除。这群人从来不是讲道理的人他们保权，不计代价。他们可以等你累、等你散、等你退但他们永远不会交出权力。他们握的是地球最庞大的财富机器：华尔街、五角大楼、硅谷、情报界。谁都不能动这一套。你想知道红线在哪？就在边境墙，人民币汇率，美国工厂，以及乌克兰前线。你真抱希望改变？你必须冲着这些下手。 10万亿美金的错配，不是一纸法案能解决的结构问题。他们不怕你喊口号，他们怕你动真格。因为真把制造业拉回美国，就是砍华尔街的蛋糕；真把全球战线撤下来，就是关五角大楼的水龙头；真严抓移民边界，就是挑战他们的人口杠杆操作。他们最爱的从来不是自由市场，是可控游戏。游戏不能乱，他们才不能输。这不是在说一个人会不会连任的问题。这是在判断，人们是不是还有改变的力气。不是时间问题，是意志问题。因为再等一次，也许美国就再也回不来了。这次，要么胜，要么没下次。

墓碑科技

48,979 Aufrufe • vor 1 Jahr

很多人一聊到选哪条链？第一反应都是：热度高不高？补贴多不多？生态有没有流量？但今天听了 Talus 🐸 CEO Mike Hanono 和 The Rollup 的视频会议，我反而有种感觉：这不是在给 Sui 站台，更像是一场技术自白。首先Talus 选 Sui，真的不是因为它现在火。而是因为 Talus 想做的这件事，在别的链上，很难跑得像样。先说清楚一点：Talus 要做的不是一个 AI 应用，也不是几个 bot、几个策略脚本。它想做的是——一个大规模、自主运行的代理网络：成千上万个代理同时运行、同时决策、同时交互。光是这个前提，就把底层链的门槛直接拉满。为什么是 Sui？我听下来，核心其实就三点。第一，并行执行。代理世界不是排队点菜，不是你先我后那种单线程逻辑。代理一多，如果底层还是串行执行，结果只有一个：越跑越卡，最后只能做 demo。Sui 的并行执行，本质上就是为“多主体同时操作” 这种系统准备的，这点和 Talus 的形态非常贴合。第二，高吞吐量。代理不是偶尔动一下，而是持续、高频地产生状态变化。TPS 要是撑不住，所有“自主”“实时”都会变成慢动作回放。对 Talus 来说，吞吐量不是加分项，是能不能活下来的前提条件。第三，移动端和安全模型。这一点很多人会忽略。未来代理不只在服务器、交易后台跑，它一定会越来越靠近用户。Sui 在账户模型和安全设计上，本身就更像现代应用，而不是早期 DeFi 那套「钱包就是一切」的逻辑。所以当 gmike 说“我们一直都是 SUI Maxis”，我反而觉得这句话挺克制的。这不是情绪站队，而是工程师视角下的现实选择。至于多链？我自己的理解是：Talus 不是不懂多链，而是很清楚——在基础设施阶段，过早多链只会把复杂度放大。尤其是代理这种高度耦合、强调协同的系统，先把一个底层跑通、跑稳，比到处铺点重要得多。很多项目喜欢先讲“未来多链叙事”，但真正做底层的人，往往会先问一句：现在这个系统在哪条链上能真正跑到规模？从这个角度看，Talus 的选择是理性的，也是偏长期的。不追热点，不抢流量，先把代理世界里最难的那一块解决掉。这种项目短期不一定最热，但一旦真跑起来，后面的持续热度，反而会非常高。 Kaito AI 🌊 #Yapping #MadewithMoss MOSS #Starboard Galxe River River4FUN 🐝

很多人一聊到选哪条链？第一反应都是：热度高不高？补贴多不多？生态有没有流量？但今天听了 Talus 🐸 CEO Mike Hanono 和 The Rollup 的视频会议，我反而有种感觉：这不是在给 Sui 站台，更像是一场技术自白。首先Talus 选 Sui，真的不是因为它现在火。而是因为 Talus 想做的这件事，在别的链上，很难跑得像样。先说清楚一点：Talus 要做的不是一个 AI 应用，也不是几个 bot、几个策略脚本。它想做的是——一个大规模、自主运行的代理网络：成千上万个代理同时运行、同时决策、同时交互。光是这个前提，就把底层链的门槛直接拉满。为什么是 Sui？我听下来，核心其实就三点。第一，并行执行。代理世界不是排队点菜，不是你先我后那种单线程逻辑。代理一多，如果底层还是串行执行，结果只有一个：越跑越卡，最后只能做 demo。Sui 的并行执行，本质上就是为“多主体同时操作” 这种系统准备的，这点和 Talus 的形态非常贴合。第二，高吞吐量。代理不是偶尔动一下，而是持续、高频地产生状态变化。TPS 要是撑不住，所有“自主”“实时”都会变成慢动作回放。对 Talus 来说，吞吐量不是加分项，是能不能活下来的前提条件。第三，移动端和安全模型。这一点很多人会忽略。未来代理不只在服务器、交易后台跑，它一定会越来越靠近用户。Sui 在账户模型和安全设计上，本身就更像现代应用，而不是早期 DeFi 那套「钱包就是一切」的逻辑。所以当 gmike 说“我们一直都是 SUI Maxis”，我反而觉得这句话挺克制的。这不是情绪站队，而是工程师视角下的现实选择。至于多链？我自己的理解是：Talus 不是不懂多链，而是很清楚——在基础设施阶段，过早多链只会把复杂度放大。尤其是代理这种高度耦合、强调协同的系统，先把一个底层跑通、跑稳，比到处铺点重要得多。很多项目喜欢先讲“未来多链叙事”，但真正做底层的人，往往会先问一句：现在这个系统在哪条链上能真正跑到规模？从这个角度看，Talus 的选择是理性的，也是偏长期的。不追热点，不抢流量，先把代理世界里最难的那一块解决掉。这种项目短期不一定最热，但一旦真跑起来，后面的持续热度，反而会非常高。 Kaito AI 🌊 #Yapping #MadewithMoss MOSS #Starboard Galxe River River4FUN 🐝

百里 🌊RIVER | MemeMax⚡️|🧠SENT

13,710 Aufrufe • vor 6 Monaten

谁是真正的思想家？行动者。这是乔布斯的答案。那些真正改变行业的，都是集思考和行动于一身的人。他举了个例子，达芬奇。达芬奇身边有个“首席战略官”吗？提前五年规划他该画什么，用什么技术？当然没有。达芬奇是艺术家，但他自己调制颜料。他还是个相当不错的化学家。艺术和科学，思考和动手，在他身上合二为一。这才有了非凡的杰作。乔布斯说，科技行业也一样。真正的贡献者，都是思想家和行动派的结合体。现在很多人喜欢说，“这个想法我三年前就有了”。但你往下深挖就会发现。真正做成事的人，也是那些解决了最棘手智力难题的人。光有想法是远远不够的。所有难题，都在执行的细节里。这引出一个问题。今天这种“思想家”和“行动者”分离的模式，是不是已经走偏了？当一个社会，动嘴的人远远多于动手的人，奖励也向他们倾斜时，会发生什么？

谁是真正的思想家？行动者。这是乔布斯的答案。那些真正改变行业的，都是集思考和行动于一身的人。他举了个例子，达芬奇。达芬奇身边有个“首席战略官”吗？提前五年规划他该画什么，用什么技术？当然没有。达芬奇是艺术家，但他自己调制颜料。他还是个相当不错的化学家。艺术和科学，思考和动手，在他身上合二为一。这才有了非凡的杰作。乔布斯说，科技行业也一样。真正的贡献者，都是思想家和行动派的结合体。现在很多人喜欢说，“这个想法我三年前就有了”。但你往下深挖就会发现。真正做成事的人，也是那些解决了最棘手智力难题的人。光有想法是远远不够的。所有难题，都在执行的细节里。这引出一个问题。今天这种“思想家”和“行动者”分离的模式，是不是已经走偏了？当一个社会，动嘴的人远远多于动手的人，奖励也向他们倾斜时，会发生什么？

墓碑科技

12,771 Aufrufe • vor 4 Monaten

还好只是个模拟器，但也是很可怕了，因模拟器给出的测量车速真是…………这女的连正常驾驶常识和交规都无视，就主打一个只要我爽其他就是空气不存在的。所以这货没有真上路，真的是好事。

还好只是个模拟器，但也是很可怕了，因模拟器给出的测量车速真是…………这女的连正常驾驶常识和交规都无视，就主打一个只要我爽其他就是空气不存在的。所以这货没有真上路，真的是好事。

颜克权

21,350 Aufrufe • vor 2 Monaten

早上好呀，朋友们，听首歌起床还是很舒服的，起床开工。我最近在反复看 OpenMind ，一个很明显的感受是，它并不是在和大家抢智能这条赛道。现在市场里关于具身智能的讨论，大多都围绕一个点展开模型够不够强，泛化能力行不行，能不能从屏幕走进现实世界。但 OpenMind 的切入点有点反着来。它并没有假设机器一开始就会表现得很好，而是默认它们会犯错、会失控、会留下后果。这个前提一旦成立，整个系统的设计逻辑就会完全变掉。在现实世界里，真正难的从来不是能不能做，而是做错了怎么办。一段代码跑错了，最多是回滚。一个机器人跑错了，可能是事故、损失，甚至责任纠纷。 OpenMind 明显是从这个现实约束出发的。你会发现它花了大量精力去做一件在早期阶段非常不讨好的事情让机器拥有不可转移的身份、完整的执行记录，以及可累积的声誉轨迹。这些东西不会让机器人更聪明，也不会让 demo 看起来更炫。但它们在悄悄解决一个更底层的问题当机器开始长期运行，系统要如何记住它曾经做过什么。在 OpenMind 的结构里，机器人不是一次性工具。它更像一个长期存在的执行体，有历史、有信用，也有负反馈。你不能靠重启来抹掉过去的行为。执行得越稳定，系统给你的权限越高。出错次数越多，你能参与的任务就会被逐步收紧。这种设计其实非常反爽点。因为它直接压缩了操作空间，也牺牲了短期效率。但换来的，是一个可以持续运行的秩序。很多项目在讲未来的机器社会时，会默认一个隐含前提：只要模型足够好，规则自然会变得不重要。 OpenMind 的判断恰好相反。它更像是在说，如果没有规则兜底，智能越强，系统越危险。所以我越来越觉得，OpenMind 真正在做的，并不是机器人的 Android 是一套让机器可以被纳入社会结构的基础设施。不是让它们更像人，是让它们先学会被约束。这条路在当下阶段，很难成为流量中心。它不制造情绪，也不迎合想象空间。但一旦机器人真的开始进入公共空间、商业系统、基础设施，这套东西就会变得不可绕开。 OpenMind 押的不是短期爆发，而是一个更慢的事实未来的机器世界，首先是一个责任世界，其次才是一个智能世界。理解这一点之后，你会发现它很多看起来保守的设计，其实非常现实。它不是在赌技术奇迹，而是在给一个必然到来的复杂系统，提前搭好护栏。 #OpenMind #KAITO

早上好呀，朋友们，听首歌起床还是很舒服的，起床开工。我最近在反复看 OpenMind ，一个很明显的感受是，它并不是在和大家抢智能这条赛道。现在市场里关于具身智能的讨论，大多都围绕一个点展开模型够不够强，泛化能力行不行，能不能从屏幕走进现实世界。但 OpenMind 的切入点有点反着来。它并没有假设机器一开始就会表现得很好，而是默认它们会犯错、会失控、会留下后果。这个前提一旦成立，整个系统的设计逻辑就会完全变掉。在现实世界里，真正难的从来不是能不能做，而是做错了怎么办。一段代码跑错了，最多是回滚。一个机器人跑错了，可能是事故、损失，甚至责任纠纷。 OpenMind 明显是从这个现实约束出发的。你会发现它花了大量精力去做一件在早期阶段非常不讨好的事情让机器拥有不可转移的身份、完整的执行记录，以及可累积的声誉轨迹。这些东西不会让机器人更聪明，也不会让 demo 看起来更炫。但它们在悄悄解决一个更底层的问题当机器开始长期运行，系统要如何记住它曾经做过什么。在 OpenMind 的结构里，机器人不是一次性工具。它更像一个长期存在的执行体，有历史、有信用，也有负反馈。你不能靠重启来抹掉过去的行为。执行得越稳定，系统给你的权限越高。出错次数越多，你能参与的任务就会被逐步收紧。这种设计其实非常反爽点。因为它直接压缩了操作空间，也牺牲了短期效率。但换来的，是一个可以持续运行的秩序。很多项目在讲未来的机器社会时，会默认一个隐含前提：只要模型足够好，规则自然会变得不重要。 OpenMind 的判断恰好相反。它更像是在说，如果没有规则兜底，智能越强，系统越危险。所以我越来越觉得，OpenMind 真正在做的，并不是机器人的 Android 是一套让机器可以被纳入社会结构的基础设施。不是让它们更像人，是让它们先学会被约束。这条路在当下阶段，很难成为流量中心。它不制造情绪，也不迎合想象空间。但一旦机器人真的开始进入公共空间、商业系统、基础设施，这套东西就会变得不可绕开。 OpenMind 押的不是短期爆发，而是一个更慢的事实未来的机器世界，首先是一个责任世界，其次才是一个智能世界。理解这一点之后，你会发现它很多看起来保守的设计，其实非常现实。它不是在赌技术奇迹，而是在给一个必然到来的复杂系统，提前搭好护栏。 #OpenMind #KAITO

草帽 boy

35,240 Aufrufe • vor 5 Monaten

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

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 Aufrufe • vor 1 Jahr

黄仁勋带了一台GPU去白宫跟川普一起开发布会 60年前，IBM的System 360定义了现代计算机 CPU、操作系统、I/O系统、多任务处理——这些词，1964年就有了从那之后，计算机结构基本没变而现在，黄仁勋说，他们又重新发明了计算机这不是传统意义上的“芯片” 你眼前的，是一块70斤的GPU 6万个零件，1万瓦功耗要造它，几百家供应商同时开工要搬它，得靠机器人要测它，得用一台超算来测而它的使命，是驱动一个全新的行业：人工智能它不是工具，是“制造者” 以前是水进电出，现在是电进“智能”出它是AI时代的“发电机” 但这不只是芯片的故事这背后，是美国本土制造业的全面升级人工成本早已不是核心拼的是技术，是自动化，是数字孪生，是AI工厂本身黄仁勋说，没有总统的推动，这一切不会这么快制造业的核心早已不是“便宜”，而是“智能” 他们要在美国本土建起未来的“超级工厂” 靠的不是廉价劳动力，而是AI和机器人更重要的是，这条AI基建链，将革新所有行业医疗、制药、金融、教育、生命科学…… 所有行业都在接入AI，而这个“引擎”就是起点这不是一个行业的升级，这是所有行业的重构黄仁勋最后说：制造未来的工厂，本身就是未来的工厂而他们，正在把它造出来

黄仁勋带了一台GPU去白宫跟川普一起开发布会 60年前，IBM的System 360定义了现代计算机 CPU、操作系统、I/O系统、多任务处理——这些词，1964年就有了从那之后，计算机结构基本没变而现在，黄仁勋说，他们又重新发明了计算机这不是传统意义上的“芯片” 你眼前的，是一块70斤的GPU 6万个零件，1万瓦功耗要造它，几百家供应商同时开工要搬它，得靠机器人要测它，得用一台超算来测而它的使命，是驱动一个全新的行业：人工智能它不是工具，是“制造者” 以前是水进电出，现在是电进“智能”出它是AI时代的“发电机” 但这不只是芯片的故事这背后，是美国本土制造业的全面升级人工成本早已不是核心拼的是技术，是自动化，是数字孪生，是AI工厂本身黄仁勋说，没有总统的推动，这一切不会这么快制造业的核心早已不是“便宜”，而是“智能” 他们要在美国本土建起未来的“超级工厂” 靠的不是廉价劳动力，而是AI和机器人更重要的是，这条AI基建链，将革新所有行业医疗、制药、金融、教育、生命科学…… 所有行业都在接入AI，而这个“引擎”就是起点这不是一个行业的升级，这是所有行业的重构黄仁勋最后说：制造未来的工厂，本身就是未来的工厂而他们，正在把它造出来

墓碑科技

324,006 Aufrufe • vor 1 Jahr

说个扎心的真相，90%的AI工程师，其实什么都没做出来 Cluely的CEO Roy Lee在NYU做活动，当场掏500美元现金，问在场所有学AI的学生和工程师，谁在LinkedIn上真正上线过一个公开的项目，结果全场几乎没人举手。太真实了，现在的AI圈就是这样，人人都能跟你聊大模型，聊Agent，聊世界模型，刷过几百篇论文，调过几十个demo，但你问他有没有上线过一个能让别人用的东西，大部分人都沉默了。我们总以为AI时代拼的是谁懂的多，谁的技术深，其实根本不是。 LLM能帮你写80%的代码，能帮你解决大部分技术问题，但剩下那20%的脏活累活，部署，边缘case，用户体验，成本控制，才是真正能区分你和别人的地方。所以别再当那个只会看教程的工程师了，去做去实践，去解决实际问题，，离线小模型App，自我迭代的代码Agent，个人生活OS，哪个都行。不用等你学完所有东西，不用等完美，这个周末开干，下周就公开上线。哪怕做的很烂，哪怕只有几个人用，也比你藏在电脑里的一百个demo强一万倍。在AI时代，知识已经变成了最不值钱的东西，到处都是教程，到处都是论文，真正稀缺的，是把知识变成公开可验证的产品的执行力。别当那个坐在NYU教室里，连500美元都拿不到的人，动起来兄弟们

说个扎心的真相，90%的AI工程师，其实什么都没做出来 Cluely的CEO Roy Lee在NYU做活动，当场掏500美元现金，问在场所有学AI的学生和工程师，谁在LinkedIn上真正上线过一个公开的项目，结果全场几乎没人举手。太真实了，现在的AI圈就是这样，人人都能跟你聊大模型，聊Agent，聊世界模型，刷过几百篇论文，调过几十个demo，但你问他有没有上线过一个能让别人用的东西，大部分人都沉默了。我们总以为AI时代拼的是谁懂的多，谁的技术深，其实根本不是。 LLM能帮你写80%的代码，能帮你解决大部分技术问题，但剩下那20%的脏活累活，部署，边缘case，用户体验，成本控制，才是真正能区分你和别人的地方。所以别再当那个只会看教程的工程师了，去做去实践，去解决实际问题，，离线小模型App，自我迭代的代码Agent，个人生活OS，哪个都行。不用等你学完所有东西，不用等完美，这个周末开干，下周就公开上线。哪怕做的很烂，哪怕只有几个人用，也比你藏在电脑里的一百个demo强一万倍。在AI时代，知识已经变成了最不值钱的东西，到处都是教程，到处都是论文，真正稀缺的，是把知识变成公开可验证的产品的执行力。别当那个坐在NYU教室里，连500美元都拿不到的人，动起来兄弟们

AYi

82,525 Aufrufe • vor 2 Monaten

最近 Miden 公布奖励后明显大家怠慢了 Inference Labs ,没有前几天那么卷了，那我就开始冲啦。很多人把 Inference Labs 当成一个 AI 基础设施，但我越看越觉得，它真正做的不是算力、不是模型、甚至不是验证本身。它更像是在给 AI 世界搭一套司法系统。现在大部分 AI 项目，都在解决一件事，怎么让模型更强、更快、更便宜。但几乎没人认真回答另一个问题，如果 AI 的判断是错的，甚至是被操纵的，谁来否认它。这不是一个技术问题，这是一个制度问题。现实世界里，任何能影响结果的系统，都一定有一套否认机制。金融有仲裁，法律有上诉，市场有清算。但 AI 世界没有。今天的 AI 输出，一旦被系统采用，就会一路向下执行。自动清算、自动交易、自动风控、自动推荐。问题不在于 AI 会不会犯错，而在于犯错之后，系统本身有没有能力说不。 Inference Labs 的位置，就在这里。它不是在帮 AI 生成结果，而是在为结果提供一种可被挑战、可被回溯、可被否认的路径。你可以把它理解成 AI 世界里的证据链，而不是算力层。这一点很关键，因为它决定了 Inference Labs 真正的用户是谁。它的核心用户，其实不是开发者。开发者只是接入工具的人。真正依赖它的，是那些已经被 AI 深度接管，却无法承担失误成本的系统。比如 DeFi 协议。 AI 在里面做策略、做风控、做参数调节。如果一次判断失误，损失是真实发生的。但现在的系统里，几乎没有办法证明，这个结果到底是不是“按规则运行”得出来的。 DAO 也是一样。越来越多的治理建议、预算分配、风险评估，开始交给 AI 辅助甚至直接决策。但一旦结果被质疑，DAO 没有证据链可以审计，只能靠信任模型本身。这就是 Inference Labs 的用武之地。它并不是让 AI 更聪明，而是让系统在出现争议时，有一套可以站得住脚的说法。这和 zk、算力、模型大小都没那么直接关系，而更接近制度建设。如果你从这个角度看，就会发现 Inference Labs 的节奏和大多数 AI 项目完全不同。它不追求用户爆发，不追求调用量暴涨，也不太在意短期热度。因为这种系统，只有在规模足够大、风险足够真实的时候，才会被真正需要。就像现实世界里的法院。没人会天天夸法院多高效，但一旦没有它，秩序会立刻崩。 Inference Labs 服务的，其实是一群被动用户。他们可能根本不知道自己在用这个协议。他们只知道，自己的系统需要一个能够在关键时刻说清楚发生了什么的底层。这也是为什么我认为 Inference Labs 很容易被低估。它不制造爽点，只负责兜底。而兜底型协议，在牛市里永远不性感，但在出事的时候，永远第一个被翻出来。如果未来 AI 真正开始成为经济系统的一部分，那一定不是只有生成层和执行层。中间一定需要一层，负责裁定、回溯、否认和问责。从这个角度看，Inference Labs 更像是 AI 世界的制度组件，而不是工具组件。而制度型基础设施，往往前期安静，后期不可替代。这类项目，从来不是用来追热度的。它们是用来活得最久的。 #KAITO #Inference

最近 Miden 公布奖励后明显大家怠慢了 Inference Labs ,没有前几天那么卷了，那我就开始冲啦。很多人把 Inference Labs 当成一个 AI 基础设施，但我越看越觉得，它真正做的不是算力、不是模型、甚至不是验证本身。它更像是在给 AI 世界搭一套司法系统。现在大部分 AI 项目，都在解决一件事，怎么让模型更强、更快、更便宜。但几乎没人认真回答另一个问题，如果 AI 的判断是错的，甚至是被操纵的，谁来否认它。这不是一个技术问题，这是一个制度问题。现实世界里，任何能影响结果的系统，都一定有一套否认机制。金融有仲裁，法律有上诉，市场有清算。但 AI 世界没有。今天的 AI 输出，一旦被系统采用，就会一路向下执行。自动清算、自动交易、自动风控、自动推荐。问题不在于 AI 会不会犯错，而在于犯错之后，系统本身有没有能力说不。 Inference Labs 的位置，就在这里。它不是在帮 AI 生成结果，而是在为结果提供一种可被挑战、可被回溯、可被否认的路径。你可以把它理解成 AI 世界里的证据链，而不是算力层。这一点很关键，因为它决定了 Inference Labs 真正的用户是谁。它的核心用户，其实不是开发者。开发者只是接入工具的人。真正依赖它的，是那些已经被 AI 深度接管，却无法承担失误成本的系统。比如 DeFi 协议。 AI 在里面做策略、做风控、做参数调节。如果一次判断失误，损失是真实发生的。但现在的系统里，几乎没有办法证明，这个结果到底是不是“按规则运行”得出来的。 DAO 也是一样。越来越多的治理建议、预算分配、风险评估，开始交给 AI 辅助甚至直接决策。但一旦结果被质疑，DAO 没有证据链可以审计，只能靠信任模型本身。这就是 Inference Labs 的用武之地。它并不是让 AI 更聪明，而是让系统在出现争议时，有一套可以站得住脚的说法。这和 zk、算力、模型大小都没那么直接关系，而更接近制度建设。如果你从这个角度看，就会发现 Inference Labs 的节奏和大多数 AI 项目完全不同。它不追求用户爆发，不追求调用量暴涨，也不太在意短期热度。因为这种系统，只有在规模足够大、风险足够真实的时候，才会被真正需要。就像现实世界里的法院。没人会天天夸法院多高效，但一旦没有它，秩序会立刻崩。 Inference Labs 服务的，其实是一群被动用户。他们可能根本不知道自己在用这个协议。他们只知道，自己的系统需要一个能够在关键时刻说清楚发生了什么的底层。这也是为什么我认为 Inference Labs 很容易被低估。它不制造爽点，只负责兜底。而兜底型协议，在牛市里永远不性感，但在出事的时候，永远第一个被翻出来。如果未来 AI 真正开始成为经济系统的一部分，那一定不是只有生成层和执行层。中间一定需要一层，负责裁定、回溯、否认和问责。从这个角度看，Inference Labs 更像是 AI 世界的制度组件，而不是工具组件。而制度型基础设施，往往前期安静，后期不可替代。这类项目，从来不是用来追热度的。它们是用来活得最久的。 #KAITO #Inference

紫川 | ∞KIN |

12,423 Aufrufe • vor 5 Monaten

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。这真的很糟糕。问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。这真是太棒了，对吧？因此，我认为开源有多种方式可以对我们有所帮助。一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。来源：

小扎吐槽苹果和 Google，以及谈为什么开源 AI Mark Zuckerberg: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。这真的很糟糕。问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 Dwarkesh Patel:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ Mark Zuckerberg:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 Dwarkesh Patel: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ Mark Zuckerberg: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。这真是太棒了，对吧？因此，我认为开源有多种方式可以对我们有所帮助。一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 Dwarkesh Patel: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 Mark Zuckerberg: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。来源：

宝玉

74,721 Aufrufe • vor 2 Jahren

劝大家尽早用“无人兜底”的态度过一生什么叫无人兜底？就是从今天开始，你得把自己当成这个世界上唯一的依靠。不是父母，不是伴侣，不是朋友，是你自己。这不是让你变得冷漠，而是让你清醒。我见过太多人，活得像个巨婴。二十七八岁了，工作不顺找父母哭诉，恋爱分手指望闺蜜救场，存款为零，还敢裸辞说要找回自己。你以为这叫有人疼、有人爱，实际上是你根本没把自己当回事。无人兜底的思维模型很简单，就是你做任何决定之前，先问自己一句：如果明天所有人都消失了，我能不能活下去？能不能活得好？这个问题会逼着你去建立真正的能力，而不是依赖关系。为什么这个思维这么重要？因为成年人的世界，本质上就是无人兜底的。你父母会老，你的伴侣也有自己的人生要过，你的朋友更不可能永远围着你转。唯一不会离开你的，只有你自己的能力和认知。很多人不愿意接受这个现实，他们觉得人生应该有退路，应该有人在背后托着。但你有没有想过，正是这种心态，让你在关键时刻，永远拿不出100%的拼劲。我以前就是这样的人。大学毕业那年，我拿着3000块的工资，在广州租着城中村的房子，每天挤地铁上下班。但我不慌，因为我知道，实在不行了，我可以回家，父母总归会接纳我。就是这个想法，让我在那份工作上混了整整两年，毫无长进。转折点发生在我25岁那年。我爸突然查出了重病，需要大笔医疗费。那一刻我才意识到，我以为的退路，原来只是我单方面的幻觉。我父母从来没有说过他们会永远给我兜底，是我自己理所当然地这么认为。那之后我开始疯狂工作，白天上班，晚上做自媒体，凌晨学运营、学写作，周末接私活。半年时间，我从月薪3000做到月入两万。一年后我辞职，全职做自媒体，现在月收入稳定在五位数。这个转变不是因为我突然开窍了，而是因为我终于明白，这个世界上没有人欠你一个未来，包括你的父母。很多人听到这里会反驳，说你这是不孝，说你这是冷血。但我想说的是，真正的孝顺不是啃老，真正的爱不是依赖。当你有能力独立生活，甚至反哺家庭的时候，你才配谈感情。无人兜底的态度，会逼着你去做三件事。第一件事是赚钱能力。不是混日子拿工资，而是真正能创造价值的本事。你得想清楚，如果明天公司倒闭了，你能不能立刻找到下一份工作？如果行业消失了，你还有什么可以转型的技能？这种危机感，会让你一直保持学习和成长。第二件事是情绪自洽。很多人一遇到挫折就崩溃，因为他们习惯了向外求助。但当你知道没人能真正救你的时候，你会学会自己消化情绪，自己给自己打气。这不是压抑，而是成熟。第三件事是决策果断。你不会再瞻前顾后，不会再把责任推给别人。因为你清楚，所有的后果都要自己承担，所以你在做决定的时候，反而更加清醒和坚定。我有个朋友，30岁了，还在纠结要不要辞职创业。他说他想等男朋友稳定了，想等父母同意了，想等存款再多一点。我问他，如果你一个人，你还等吗？他愣住了，然后说，如果是一个人，我可能早就干了。你看，不是能力不够，是心态不对。你总觉得有人会给你保底，所以你敢拖、敢等、敢浪费时间。但时间不等人，机会也不等人。用无人兜底的态度过一生，不是让你活得孤独，而是让你活得清醒。你可以爱人，可以被爱，可以接受帮助，但你永远不能把希望寄托在别人身上。这个世界很现实，你弱的时候，坏人最多；你强的时候，全世界都对你和颜悦色。所以，与其指望谁来救你，不如让自己变得不需要被救。从今天开始，把自己当成唯一的依靠。不要再幻想谁会永远在你身后托着你，不要再把失败的责任推给环境和他人。你的人生，从来都是你一个人的战场。别怕，你比你想象的更强大。那些你以为离不开的人和事，其实都可以放下；那些你以为做不到的事情，只是你还没有被逼到绝境。无人兜底不是悲观，而是最清醒的乐观。因为当你知道一切都要靠自己的时候，你才会认真对待每一个选择，珍惜每一次机会，拼尽全力去争取想要的生活。这辈子最靠得住的，永远是你自己。

劝大家尽早用“无人兜底”的态度过一生什么叫无人兜底？就是从今天开始，你得把自己当成这个世界上唯一的依靠。不是父母，不是伴侣，不是朋友，是你自己。这不是让你变得冷漠，而是让你清醒。我见过太多人，活得像个巨婴。二十七八岁了，工作不顺找父母哭诉，恋爱分手指望闺蜜救场，存款为零，还敢裸辞说要找回自己。你以为这叫有人疼、有人爱，实际上是你根本没把自己当回事。无人兜底的思维模型很简单，就是你做任何决定之前，先问自己一句：如果明天所有人都消失了，我能不能活下去？能不能活得好？这个问题会逼着你去建立真正的能力，而不是依赖关系。为什么这个思维这么重要？因为成年人的世界，本质上就是无人兜底的。你父母会老，你的伴侣也有自己的人生要过，你的朋友更不可能永远围着你转。唯一不会离开你的，只有你自己的能力和认知。很多人不愿意接受这个现实，他们觉得人生应该有退路，应该有人在背后托着。但你有没有想过，正是这种心态，让你在关键时刻，永远拿不出100%的拼劲。我以前就是这样的人。大学毕业那年，我拿着3000块的工资，在广州租着城中村的房子，每天挤地铁上下班。但我不慌，因为我知道，实在不行了，我可以回家，父母总归会接纳我。就是这个想法，让我在那份工作上混了整整两年，毫无长进。转折点发生在我25岁那年。我爸突然查出了重病，需要大笔医疗费。那一刻我才意识到，我以为的退路，原来只是我单方面的幻觉。我父母从来没有说过他们会永远给我兜底，是我自己理所当然地这么认为。那之后我开始疯狂工作，白天上班，晚上做自媒体，凌晨学运营、学写作，周末接私活。半年时间，我从月薪3000做到月入两万。一年后我辞职，全职做自媒体，现在月收入稳定在五位数。这个转变不是因为我突然开窍了，而是因为我终于明白，这个世界上没有人欠你一个未来，包括你的父母。很多人听到这里会反驳，说你这是不孝，说你这是冷血。但我想说的是，真正的孝顺不是啃老，真正的爱不是依赖。当你有能力独立生活，甚至反哺家庭的时候，你才配谈感情。无人兜底的态度，会逼着你去做三件事。第一件事是赚钱能力。不是混日子拿工资，而是真正能创造价值的本事。你得想清楚，如果明天公司倒闭了，你能不能立刻找到下一份工作？如果行业消失了，你还有什么可以转型的技能？这种危机感，会让你一直保持学习和成长。第二件事是情绪自洽。很多人一遇到挫折就崩溃，因为他们习惯了向外求助。但当你知道没人能真正救你的时候，你会学会自己消化情绪，自己给自己打气。这不是压抑，而是成熟。第三件事是决策果断。你不会再瞻前顾后，不会再把责任推给别人。因为你清楚，所有的后果都要自己承担，所以你在做决定的时候，反而更加清醒和坚定。我有个朋友，30岁了，还在纠结要不要辞职创业。他说他想等男朋友稳定了，想等父母同意了，想等存款再多一点。我问他，如果你一个人，你还等吗？他愣住了，然后说，如果是一个人，我可能早就干了。你看，不是能力不够，是心态不对。你总觉得有人会给你保底，所以你敢拖、敢等、敢浪费时间。但时间不等人，机会也不等人。用无人兜底的态度过一生，不是让你活得孤独，而是让你活得清醒。你可以爱人，可以被爱，可以接受帮助，但你永远不能把希望寄托在别人身上。这个世界很现实，你弱的时候，坏人最多；你强的时候，全世界都对你和颜悦色。所以，与其指望谁来救你，不如让自己变得不需要被救。从今天开始，把自己当成唯一的依靠。不要再幻想谁会永远在你身后托着你，不要再把失败的责任推给环境和他人。你的人生，从来都是你一个人的战场。别怕，你比你想象的更强大。那些你以为离不开的人和事，其实都可以放下；那些你以为做不到的事情，只是你还没有被逼到绝境。无人兜底不是悲观，而是最清醒的乐观。因为当你知道一切都要靠自己的时候，你才会认真对待每一个选择，珍惜每一次机会，拼尽全力去争取想要的生活。这辈子最靠得住的，永远是你自己。

另一面

18,544 Aufrufe • vor 2 Monaten

白宫发布，川普的11堂课👇【双语】改变世界，从敢于“做局外人”开始。为什么同样是努力，有人逆袭翻盘，有人止步不前？为什么有的人看准风口就能起飞，有的人一辈子都在苦熬？也许，差的不是机会，而是你对世界的认知方式。这里是川普总结的11条人生硬核规则，句句扎心，绝非鸡汤：第一条：别以为你太年轻就不能干大事。错，年轻就该野心勃勃。在美国，有野心，有执行力，16岁也能点燃世界。第二条：热爱，是一切的起点。真正做到极致的，无一不是疯爱自己正在做的事。第三条：一定要想大。你都打算拼了，那为什么不拼个大的？解决个小问题耗的时间精力，不会比解决个大问题少。区别只在结果。第四条：狠干。持续地干。第五条：别断电。保持势能，一旦停下来，重新启动的代价奇高。最关键的是，得敏锐地知道自己“快没电了”。第六条：想改变世界？那你得敢脱轨。敢跟常规分道扬镳，才有独特可能。复制他人成功的路，大多都早就走满了。第七条：相信直觉，靠常识。上学教你复杂知识，社会真正考验的，是你的“简单判断”。第八条：美国梦是真实存在的。它并不保证你成功，但只要你启动，它就不会设限。第九条：把自己当赢家。你相信命运决定一切，那你已经输了。赢家不等命好，他们重塑命运方向盘。第十条：做自己，别复制他人。世界不缺复制品，缺的是你本来的样子。再牛的榜样，做到最好，也只能是第二个他，无法成为第一个你。第十一条：永远别放弃。哪怕世界亮出“Game Over”，你也得把它改写成“Next Level”。坚持不一定成功，但你放弃那刻，成功也会放弃你。这11句，不是什么惊世理论，但足够真实。理解了，就是一张人生地图；坚持做到了，就是你的时间等式。川普说，“不可能”三个字，只存在于你没开始行动的那一刻。

白宫发布，川普的11堂课👇【双语】改变世界，从敢于“做局外人”开始。为什么同样是努力，有人逆袭翻盘，有人止步不前？为什么有的人看准风口就能起飞，有的人一辈子都在苦熬？也许，差的不是机会，而是你对世界的认知方式。这里是川普总结的11条人生硬核规则，句句扎心，绝非鸡汤：第一条：别以为你太年轻就不能干大事。错，年轻就该野心勃勃。在美国，有野心，有执行力，16岁也能点燃世界。第二条：热爱，是一切的起点。真正做到极致的，无一不是疯爱自己正在做的事。第三条：一定要想大。你都打算拼了，那为什么不拼个大的？解决个小问题耗的时间精力，不会比解决个大问题少。区别只在结果。第四条：狠干。持续地干。第五条：别断电。保持势能，一旦停下来，重新启动的代价奇高。最关键的是，得敏锐地知道自己“快没电了”。第六条：想改变世界？那你得敢脱轨。敢跟常规分道扬镳，才有独特可能。复制他人成功的路，大多都早就走满了。第七条：相信直觉，靠常识。上学教你复杂知识，社会真正考验的，是你的“简单判断”。第八条：美国梦是真实存在的。它并不保证你成功，但只要你启动，它就不会设限。第九条：把自己当赢家。你相信命运决定一切，那你已经输了。赢家不等命好，他们重塑命运方向盘。第十条：做自己，别复制他人。世界不缺复制品，缺的是你本来的样子。再牛的榜样，做到最好，也只能是第二个他，无法成为第一个你。第十一条：永远别放弃。哪怕世界亮出“Game Over”，你也得把它改写成“Next Level”。坚持不一定成功，但你放弃那刻，成功也会放弃你。这11句，不是什么惊世理论，但足够真实。理解了，就是一张人生地图；坚持做到了，就是你的时间等式。川普说，“不可能”三个字，只存在于你没开始行动的那一刻。

墓碑科技

14,069 Aufrufe • vor 10 Monaten