Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

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

60,766 subscribers

337,863 просмотров • 4 месяцев назад •via X (Twitter)

Новости и политика Наука и технологии

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

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

21,422 просмотров • 2 месяцев назад

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

14,792 просмотров • 8 месяцев назад

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

73,645 просмотров • 7 месяцев назад

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

37,309 просмотров • 3 месяцев назад

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

37,054 просмотров • 2 месяцев назад

刚在斯坦福AASF听了李飞飞一个多小时访谈。技术上，她把世界模型讲得很清楚：渲染、模拟、规划。机器人之所以难，是因为它缺的不是一个更酷的模型，而是真实物理世界的数据和理解。但真正打动我的，是她谈人的自主性。她说，移民、科学家、创业者其实很像，都是走进一个未知世界，像在黑暗隧道里前进。你不知道终点有没有光，只能靠热情、韧性和信念往前走。AI可以增强创造力和生产力，但不能替人做选择。工具再强，人还是要做自己的主人。

刚在斯坦福AASF听了李飞飞一个多小时访谈。技术上，她把世界模型讲得很清楚：渲染、模拟、规划。机器人之所以难，是因为它缺的不是一个更酷的模型，而是真实物理世界的数据和理解。但真正打动我的，是她谈人的自主性。她说，移民、科学家、创业者其实很像，都是走进一个未知世界，像在黑暗隧道里前进。你不知道终点有没有光，只能靠热情、韧性和信念往前走。AI可以增强创造力和生产力，但不能替人做选择。工具再强，人还是要做自己的主人。

傅盛

21,247 просмотров • 20 дней назад

“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 просмотров • 2 лет назад

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

48,404 просмотров • 3 месяцев назад

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 просмотров • 5 месяцев назад

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

49,061 просмотров • 1 год назад

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

13,335 просмотров • 6 месяцев назад

过去两年，AI 视频一直在卷画质、时长和真实感。但对世界模型来说，生成得越长，反而越容易暴露一个致命问题：它根本记不住自己刚刚生成过什么。 AlayaWorld 想解决的，就是这个比画质更难的问题。一段视频，只要前后几帧看起来连贯，观众通常不会深究背后的空间是否真的存在。但世界不一样。你往前走了一段路，转身回来，刚才的房子还得在那里。你中途召唤了一只怪物，模型不但要马上给出反馈，还得让这件事自然地发生在同一个世界里。这也是为什么世界模型最难的地方，不是生成，而是状态管理。 AlayaWorld 为这件事加了三层机制： 1. 3D Cache 负责记住东西在哪里。模型离开一个区域再回来时，可以重新找到之前的空间信息。 2. 压缩后的画面历史负责记住刚才发生了什么。它不需要把所有旧画面一直塞进上下文，但又不能把过去全部忘掉。 3.漂移训练和 Error Bank，负责处理模型自己制造的错误。因为生成时间越长，前面一个小错误就越可能污染后面的所有画面。看到这里，我突然发现，世界模型和 Agent 其实在解决同一个问题。 Agent 运行久了会 context rot，忘记原始任务，被错误的历史信息带偏。世界模型运行久了也会，只不过它忘记的不是文字，而是街道、建筑、人物和刚刚发生过的事。所以 AI 的下一场竞争，可能不只是生成质量。视频模型比的是单次输出。世界模型比的是持续运行。谁能让 AI 在运行过程中记得住、改得动、错了还能拉回来，谁才有机会把一次生成变成一个真正可以进入的世界。 AlayaWorld 目前还更像研究级原型。公开的推理流程需要首帧图片、相机轨迹和 Prompt，离普通人打开网页就能玩还有距离。但它已经把推理代码和模型权重公开了。这个方向终于不只是看一段官方 Demo，而是可以被下载、检查和验证 Alaya Lab

过去两年，AI 视频一直在卷画质、时长和真实感。但对世界模型来说，生成得越长，反而越容易暴露一个致命问题：它根本记不住自己刚刚生成过什么。 AlayaWorld 想解决的，就是这个比画质更难的问题。一段视频，只要前后几帧看起来连贯，观众通常不会深究背后的空间是否真的存在。但世界不一样。你往前走了一段路，转身回来，刚才的房子还得在那里。你中途召唤了一只怪物，模型不但要马上给出反馈，还得让这件事自然地发生在同一个世界里。这也是为什么世界模型最难的地方，不是生成，而是状态管理。 AlayaWorld 为这件事加了三层机制： 1. 3D Cache 负责记住东西在哪里。模型离开一个区域再回来时，可以重新找到之前的空间信息。 2. 压缩后的画面历史负责记住刚才发生了什么。它不需要把所有旧画面一直塞进上下文，但又不能把过去全部忘掉。 3.漂移训练和 Error Bank，负责处理模型自己制造的错误。因为生成时间越长，前面一个小错误就越可能污染后面的所有画面。看到这里，我突然发现，世界模型和 Agent 其实在解决同一个问题。 Agent 运行久了会 context rot，忘记原始任务，被错误的历史信息带偏。世界模型运行久了也会，只不过它忘记的不是文字，而是街道、建筑、人物和刚刚发生过的事。所以 AI 的下一场竞争，可能不只是生成质量。视频模型比的是单次输出。世界模型比的是持续运行。谁能让 AI 在运行过程中记得住、改得动、错了还能拉回来，谁才有机会把一次生成变成一个真正可以进入的世界。 AlayaWorld 目前还更像研究级原型。公开的推理流程需要首帧图片、相机轨迹和 Prompt，离普通人打开网页就能玩还有距离。但它已经把推理代码和模型权重公开了。这个方向终于不只是看一段官方 Demo，而是可以被下载、检查和验证 Alaya Lab

泊舟

478,634 просмотров • 1 месяц назад

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 просмотров • 8 месяцев назад

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

21,377 просмотров • 4 месяцев назад

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

324,352 просмотров • 1 год назад

马航的事情一定是和孟建柱、江绵恒还有当时的这几个医学家出事是有绝对关系的，绝对是杀人灭口，特别是飞机的牵引技术，特别是在欧盟，当时还没有脱欧的英国，还有现在的美国，它是个很大的事情，他能把它给牵走了，他把谁的飞机都能牵走。现在美国已经基本上知道咱们爆料革命有史以来，咱们是掌握着共产党的核心机密和情报的，因为他们一开始都不相信，认为这是阴谋论。当时CIA的情报部门跟郭先生见面，郭先生跟他说马航一定是不正常，他不觉得中国有这种牵引技术，说如果有这种牵引技术就不正常，郭先生告诉他中国有这牵引技术，而且负责人就是江绵恒。现在美国发现了中共不但能听你的手机，而且是全球手机监听，它叫做全世界的数据帝国，能掌握全世界各种数据，能监听全世界任何一个人的手机，任何电脑，这一点都不用怀疑。马航事情，美国西方知道了雷达、车、收音都能控制，最好的监听软件就是以色列的Zero-Step, 还有Zero-Click ，他已经是五年前就能想听谁听谁，WhatsApp百分之百不安全，微信是百分之一千不安全，所以说只要你想干的事，你想安全是不可能的。在这种情况下，马航的事件，为什么西方认定了共产党真的有干掉世界的野心，而且他也敢，他有这个技术，他有这个能力。现在病毒的事情证明了这一点，所以马航的事情迟早会出来的，马航事情一旦最后出来，对爆料革命来讲，对全世界来讲，既是个荒唐的笑话，为什么一帮所谓的骗子，能说出这么多的真相和事实出来，他们这些国家，拿着人民的纳税钱，统治了那么多人，没做出来。马航的事情，我们遭受的待遇，很多人说我们是流氓、骗子、吹牛、绯闻，但是最后证明我们是真实的，你不觉得这是荒唐的吗？现在已经基本大家都明白，马航绝不正常，你看看马航的几个总理，还有现在这个较量，所有的背后的故事，全都是孟建柱、王岐山和共产党。

马航的事情一定是和孟建柱、江绵恒还有当时的这几个医学家出事是有绝对关系的，绝对是杀人灭口，特别是飞机的牵引技术，特别是在欧盟，当时还没有脱欧的英国，还有现在的美国，它是个很大的事情，他能把它给牵走了，他把谁的飞机都能牵走。现在美国已经基本上知道咱们爆料革命有史以来，咱们是掌握着共产党的核心机密和情报的，因为他们一开始都不相信，认为这是阴谋论。当时CIA的情报部门跟郭先生见面，郭先生跟他说马航一定是不正常，他不觉得中国有这种牵引技术，说如果有这种牵引技术就不正常，郭先生告诉他中国有这牵引技术，而且负责人就是江绵恒。现在美国发现了中共不但能听你的手机，而且是全球手机监听，它叫做全世界的数据帝国，能掌握全世界各种数据，能监听全世界任何一个人的手机，任何电脑，这一点都不用怀疑。马航事情，美国西方知道了雷达、车、收音都能控制，最好的监听软件就是以色列的Zero-Step, 还有Zero-Click ，他已经是五年前就能想听谁听谁，WhatsApp百分之百不安全，微信是百分之一千不安全，所以说只要你想干的事，你想安全是不可能的。在这种情况下，马航的事件，为什么西方认定了共产党真的有干掉世界的野心，而且他也敢，他有这个技术，他有这个能力。现在病毒的事情证明了这一点，所以马航的事情迟早会出来的，马航事情一旦最后出来，对爆料革命来讲，对全世界来讲，既是个荒唐的笑话，为什么一帮所谓的骗子，能说出这么多的真相和事实出来，他们这些国家，拿着人民的纳税钱，统治了那么多人，没做出来。马航的事情，我们遭受的待遇，很多人说我们是流氓、骗子、吹牛、绯闻，但是最后证明我们是真实的，你不觉得这是荒唐的吗？现在已经基本大家都明白，马航绝不正常，你看看马航的几个总理，还有现在这个较量，所有的背后的故事，全都是孟建柱、王岐山和共产党。

Bill🌟🌟🌟银河系

16,360 просмотров • 1 месяц назад

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

比克大魔王

35,375 просмотров • 7 месяцев назад

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

82,922 просмотров • 4 месяцев назад

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 просмотров • 2 лет назад