Loading video...

Video Failed to Load

Go Home

最近看了好多推友说 AI最终都只能在一个孤立的环境里，就像一个人跑步，永远也不知道自己跑得快不快，跟别人的差距有多远。 很多AI系统还停留在封闭、隔离的状态里。数据和计算能力被分割开来，不同的模型和平台互不沟通，想做的事情永远被拖慢。 这种局面即将改变Allora 正式上线，标志着全新的AI标准要来了。不同的数据、模型、计算能力可以互相连接、协作，真正打破信息孤岛，智能将不再被局限在一个小框架里，而是能跨越多个平台、多个领域，提供更高效、实时的智能服务。 这次更新带来的不仅仅是技术的突破，它是一次彻底的升级，未来的AI，将不再是孤军奋战，而是一个联合体，能在更大范围内发挥作用。 #Allora 的上线，给整个区块链和AI领域带来了新的活力。一个真正去中心化、智能的世界，正在一步步靠近我们。 #AlloraNetwork #KaitoYap Kaito AI 🌊 #Yap #Allora Allora

quschdnjs's profile picture

Michael 宝塔镇河妖🧙🏿‍♀️

49,526 subscribers

10,728 views • 7 months ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

白宫加密政策主管David Sacks： 四年内AI 大模型能力将增长一百万倍 ！ “我认为目前至少在三个关键维度上，进步的速度都是指数级的。” “首先是算法本身。模型每年提升的速度大概是 3-4 倍。” “它们不仅仅是在速度和性能上更快更好，而且将从量变到质变。” “接着是推理模型。” “我们甚至还没有真正进入智能代理时代，但这将是继推理模型之后的下一个重大飞跃。” “在这个领域，我们才刚刚开始（推理算力增加带来的能力增加也将是倍数增长）。” “接下来是芯片。” “根据多种衡量标准，每一代芯片的性能可能比上一代提高 3-4 倍。” “不只是单个芯片在不断进步，他们还在研究如何将这些芯片联网在一起。” “就像 NVL72 系统，它类似于一个机架系统，可以在数据中心级别大幅提升性能。” “计算能力是第三个你会看到基本上呈指数级进步的领域。” “只需要看看数据中心中部署的 GPU 数量。” “当马斯克最初开始训练 Grok 时，我认为他们大概有 10 万块 GPU。现在已经有 30 万块 GPU，而且正朝着百万块 GPU的目标迈进。OpenAI 的数据中心 Stargate 也是同样的情况。” “在接下来的几年中，他们可能会发展到 500 万、1000 万块 GPU。” 1,000,000 倍的增长是怎么得出的： “算法、芯片和数据中心的扩展和改进速度都是每年 3-4 倍。” “也就是说，每两年进步 10 倍。” “很多人没有理解指数级进步的含义：如果每两年提升 10 倍，并不意味着四年后你只是提升 20 倍。” “这实际上意味着提升 100 倍。” “把这些因素相乘：算法、芯片，以及可用于 AI 的原始计算能力。” 100 倍模型 🧠 × 100 倍芯片 💾 × 100 倍计算能力 ⚡️ = 1,000,000 倍的 AI 大模型🤖 “你所谈论的就是 1,000,000 倍的能力增长。” “但这种变革的影响将是绝对巨大的。” “我觉得人们还没有充分认识到这一点，因为他们不了解指数级进步的意义。”
1:42

白宫加密政策主管David Sacks： 四年内AI 大模型能力将增长一百万倍 ！ “我认为目前至少在三个关键维度上，进步的速度都是指数级的。” “首先是算法本身。模型每年提升的速度大概是 3-4 倍。” “它们不仅仅是在速度和性能上更快更好，而且将从量变到质变。” “接着是推理模型。” “我们甚至还没有真正进入智能代理时代，但这将是继推理模型之后的下一个重大飞跃。” “在这个领域，我们才刚刚开始（推理算力增加带来的能力增加也将是倍数增长）。” “接下来是芯片。” “根据多种衡量标准，每一代芯片的性能可能比上一代提高 3-4 倍。” “不只是单个芯片在不断进步，他们还在研究如何将这些芯片联网在一起。” “就像 NVL72 系统，它类似于一个机架系统，可以在数据中心级别大幅提升性能。” “计算能力是第三个你会看到基本上呈指数级进步的领域。” “只需要看看数据中心中部署的 GPU 数量。” “当马斯克最初开始训练 Grok 时，我认为他们大概有 10 万块 GPU。现在已经有 30 万块 GPU，而且正朝着百万块 GPU的目标迈进。OpenAI 的数据中心 Stargate 也是同样的情况。” “在接下来的几年中，他们可能会发展到 500 万、1000 万块 GPU。” 1,000,000 倍的增长是怎么得出的： “算法、芯片和数据中心的扩展和改进速度都是每年 3-4 倍。” “也就是说，每两年进步 10 倍。” “很多人没有理解指数级进步的含义：如果每两年提升 10 倍，并不意味着四年后你只是提升 20 倍。” “这实际上意味着提升 100 倍。” “把这些因素相乘：算法、芯片，以及可用于 AI 的原始计算能力。” 100 倍模型 🧠 × 100 倍芯片 💾 × 100 倍计算能力 ⚡️ = 1,000,000 倍的 AI 大模型🤖 “你所谈论的就是 1,000,000 倍的能力增长。” “但这种变革的影响将是绝对巨大的。” “我觉得人们还没有充分认识到这一点，因为他们不了解指数级进步的意义。”

夜谈

25,895 views • 1 year ago

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。 他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。 记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。 最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。 你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊
1:00

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。 他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。 记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。 最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。 你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,411 views • 5 months ago

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。
2:15

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

37,141 views • 1 month ago

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。
1:04

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

199,574 views • 1 year ago

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。
0:54

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 views • 3 months ago

两个人不见面，不聊骚，不涉黄，不约会，不聊色的情况下，一个男的一个女的能聊多久？ 我长期观察 Kindred Labs ，有了一个清晰的判断。 它真正想解决的不是 AI 像不像人，也不是 IP 会不会火，而是一个更底层的问题，IP 在数字世界里，第一次拥有完整生命周期的数据主权。 现在大多数 IP 的命运都很相似。 被创作 被传播 被消费 被平台吃掉数据。 用户的情绪 行为 偏好 和记忆，全都留在平台，IP 本身却什么都带不走。 Kindred Labs 的核心改变在于，它把 IP 从一次性内容，变成一个持续运行的系统。 这个系统不是靠曝光驱动，而是靠关系驱动。 SATO 只是第一个被完整跑通的样本。 真正重要的不是它是蚂蚁，而是它作为一个可持续存在的 AI 实体，每天在和用户产生可记录 可学习 可累积的数据关系。 这点非常关键。 因为一旦 IP 拥有了长期连续的数据轨迹，它就不再只是形象，而是具备了状态 演化 和历史。 这在传统 IP 体系里是不存在的。 从技术角度看，Kindred 在做的是三件事的叠加。 第1️⃣：IP 的行为层被模块化，所有互动不再是一次性调用，而是状态更新。 第2️⃣：用户关系被本地化，IP 不依赖平台推荐生存，而是存在于用户设备。 第3️⃣：数据权属被重新定义，IP 的成长轨迹是可验证 可迁移的。 这三件事组合起来，本质上是在为 IP 构建一个类似账户系统的存在形式。 不是账号，不是 NFT，而是一个可以持续运行的智能体。 这也是为什么我不把 Kindred 看成 AI 产品公司。 它更像是在搭建一个IP 的操作系统。 未来每一个进入 Kindred 的 IP，本质上都是在接入同一套运行环境。 从这个角度看，SATO 的经济设计反而只是外层。 真正的价值在于，Kindred 已经证明了一件事。 IP 可以不依赖平台流量，也可以持续存在并扩展关系。 这对内容产业意味着什么。 意味着未来 IP 的估值不再只看曝光，而会开始看留存 看互动深度 看生命周期长度。 而这些指标，只有在 Kindred 这种系统里才成立。 很多人把 Kindred 和其他 AI 项目放在一起对比，其实是错位的。 它不是在比模型能力，而是在重写 IP 的存在方式。 从长期建设的角度，我更关心的是下一步。 当更多 IP 进入这套系统，IP 之间是否会产生协作。 用户是否会开始把时间分配给不同智能体。 以及这些关系是否会反过来形成新的价值网络。 如果这些成立，Kindred 就不是一个爆款项目。 而是一条新的数字文明基础设施。 这也是我持续关注它的原因。 Kindred Labs #kindred #KAITO
0:25

两个人不见面，不聊骚，不涉黄，不约会，不聊色的情况下，一个男的一个女的能聊多久？ 我长期观察 Kindred Labs ，有了一个清晰的判断。 它真正想解决的不是 AI 像不像人，也不是 IP 会不会火，而是一个更底层的问题，IP 在数字世界里，第一次拥有完整生命周期的数据主权。 现在大多数 IP 的命运都很相似。 被创作 被传播 被消费 被平台吃掉数据。 用户的情绪 行为 偏好 和记忆，全都留在平台，IP 本身却什么都带不走。 Kindred Labs 的核心改变在于，它把 IP 从一次性内容，变成一个持续运行的系统。 这个系统不是靠曝光驱动，而是靠关系驱动。 SATO 只是第一个被完整跑通的样本。 真正重要的不是它是蚂蚁，而是它作为一个可持续存在的 AI 实体，每天在和用户产生可记录 可学习 可累积的数据关系。 这点非常关键。 因为一旦 IP 拥有了长期连续的数据轨迹，它就不再只是形象，而是具备了状态 演化 和历史。 这在传统 IP 体系里是不存在的。 从技术角度看，Kindred 在做的是三件事的叠加。 第1️⃣：IP 的行为层被模块化，所有互动不再是一次性调用，而是状态更新。 第2️⃣：用户关系被本地化，IP 不依赖平台推荐生存，而是存在于用户设备。 第3️⃣：数据权属被重新定义，IP 的成长轨迹是可验证 可迁移的。 这三件事组合起来，本质上是在为 IP 构建一个类似账户系统的存在形式。 不是账号，不是 NFT，而是一个可以持续运行的智能体。 这也是为什么我不把 Kindred 看成 AI 产品公司。 它更像是在搭建一个IP 的操作系统。 未来每一个进入 Kindred 的 IP，本质上都是在接入同一套运行环境。 从这个角度看，SATO 的经济设计反而只是外层。 真正的价值在于，Kindred 已经证明了一件事。 IP 可以不依赖平台流量，也可以持续存在并扩展关系。 这对内容产业意味着什么。 意味着未来 IP 的估值不再只看曝光，而会开始看留存 看互动深度 看生命周期长度。 而这些指标，只有在 Kindred 这种系统里才成立。 很多人把 Kindred 和其他 AI 项目放在一起对比，其实是错位的。 它不是在比模型能力，而是在重写 IP 的存在方式。 从长期建设的角度，我更关心的是下一步。 当更多 IP 进入这套系统，IP 之间是否会产生协作。 用户是否会开始把时间分配给不同智能体。 以及这些关系是否会反过来形成新的价值网络。 如果这些成立，Kindred 就不是一个爆款项目。 而是一条新的数字文明基础设施。 这也是我持续关注它的原因。 Kindred Labs #kindred #KAITO

草帽 boy

565,897 views • 5 months ago

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。
0:45

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 views • 5 months ago

AI开始抢彭博终端的饭碗了。 一家叫Perplexity的AI公司，做了一个新东西。 能直接生成一个金融终端，分析英伟达$NVDA。 数据是实时的。 还不需要任何本地设置。 这说明什么？ 云服务本身已经不重要了，谁都能提供。 真正的护城河，是上面跑的AI模型。 一台彭博终端机一年要多少钱？ 三万美元。 过去这是华尔街精英的专属玩具。 现在，一个AI应用就能挑战它的核心功能。 技术正在打破信息垄断。 把权力从少数机构手里，还给普通人。 华尔街的旧秩序，还能维持多久？
1:34

AI开始抢彭博终端的饭碗了。 一家叫Perplexity的AI公司，做了一个新东西。 能直接生成一个金融终端，分析英伟达$NVDA。 数据是实时的。 还不需要任何本地设置。 这说明什么？ 云服务本身已经不重要了，谁都能提供。 真正的护城河，是上面跑的AI模型。 一台彭博终端机一年要多少钱？ 三万美元。 过去这是华尔街精英的专属玩具。 现在，一个AI应用就能挑战它的核心功能。 技术正在打破信息垄断。 把权力从少数机构手里，还给普通人。 华尔街的旧秩序，还能维持多久？

墓碑科技

105,285 views • 3 months ago

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。 其实 HuggingChat 也不错的 你可以在这里体验所有的开源大语言模型
2:38

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。 其实 HuggingChat 也不错的 你可以在这里体验所有的开源大语言模型

indigo

183,903 views • 2 years ago

年前多关注ai板块吧 中国人参与多的就会有买单！就会有市场🤟 中国开源模型下载量首超美国，一场新的科技竞速正式打响！ 还在觉得全球 AI 只看硅谷？ MIT × Hugging Face 最新联合报告告诉你： 过去一年，全球开源 AI 模型下载量中，中国占比 17% —— 首次超过美国的 15.8%。 这不是一个小数点的变化，这是 AI 格局的一声惊雷。 意味着一个事实正在出现： 中国 AI，不再只是“追赶者”，而是实实在在的“生态领跑者”。 一、为什么这个数据爆炸性这么强？ 开源模型下载量，是 AI 世界最真实的“民意投票”。 谁被用、谁被复用、谁被拿去做产品，下载量不会说谎。 它比论文数量更接地气，比发布会更诚实，比概念 PPT 更真实。 下载量高 = 模型真的“好使”“好用”“好落地”。 而这一回，中国冲到第一名，意味着什么？ 全球开发者正在越来越多地选择中国模型。 中国模型正在成为国际生态的一部分，而不是“区域性产品”。 中国的 AI 创新正在进入全球循环，而非单向输入。 一句话： 中国不只在做模型，而是在影响世界开发者。 二、为什么中国能“后来居上”？三大原因让人无法忽视 ① 模型数量爆发式增长：百花齐放，开发者用不过来 过去一年，中国的开源模型生态堪称“井喷式”增长： 中小模型、大模型、多模态、语音、图像…… 能开的都开了，能放的都放了。 数量足够大，就能吸引足够多的开发者。 ② 性价比 + 轻量化：世界都在找中国模型“省钱神器” 不是每个团队都训练得起千亿级大模型。 但每个团队都想部署一个能跑的模型。 而中国模型的特质就是四个字： 轻、快、省、能打。 全球开发者当然爱。 ③ 中文生态的辐射效应：从东亚扩散到整个亚洲 中文模型强，意味着东亚、东南亚用户都能直接受益。 更大的人群、更高的需求，带来了更快的下载增长 三、美国依然很强，但“唯一主导”时代正在改变 必须说，美国仍然拥有： 世界最顶级的基础研究 算力、芯片、科研体系的深度优势 OpenAI / Google / Meta 等头部力量 但这一次的反超给了全球一个清晰的信号： AI 生态不再是“一家独大”。 多极化时代正在加速到来。 全球开发者的选择，正在慢慢从“硅谷中心论”转向“多中心协作”。 四、全球 AI 正进入“群雄争霸”时代 这次排名变化背后，是全球 AI 赛道进入全新阶段的标志： ① 从“技术竞赛”升级为“生态竞赛” 谁的模型被更多人用，谁就占据未来话语权。 ② 开源力量影响全球，而中国是关键节点 中国模型从“区域下载”变成“全球下载”，这是过去没有出现过的格局。 ③ 创新不再只来自单一地区 AI 正在走向： 中国能打、美国能打、欧洲能打、世界都能打。 这种竞争更健康，也更刺激。 五、结语：这不是终点，而是 AI 全球化的真正开始 中国开源模型首次登顶，并不是“谁碾压谁”的故事。 它真正意味着： 全球 AI，正在进入一个更开放、更多样、更具创造力的新纪元。 当中国模型被全球开发者下载、复用、再创造 这才是 AI 生态最值得期待的未来。
0:39

年前多关注ai板块吧 中国人参与多的就会有买单！就会有市场🤟 中国开源模型下载量首超美国，一场新的科技竞速正式打响！ 还在觉得全球 AI 只看硅谷？ MIT × Hugging Face 最新联合报告告诉你： 过去一年，全球开源 AI 模型下载量中，中国占比 17% —— 首次超过美国的 15.8%。 这不是一个小数点的变化，这是 AI 格局的一声惊雷。 意味着一个事实正在出现： 中国 AI，不再只是“追赶者”，而是实实在在的“生态领跑者”。 一、为什么这个数据爆炸性这么强？ 开源模型下载量，是 AI 世界最真实的“民意投票”。 谁被用、谁被复用、谁被拿去做产品，下载量不会说谎。 它比论文数量更接地气，比发布会更诚实，比概念 PPT 更真实。 下载量高 = 模型真的“好使”“好用”“好落地”。 而这一回，中国冲到第一名，意味着什么？ 全球开发者正在越来越多地选择中国模型。 中国模型正在成为国际生态的一部分，而不是“区域性产品”。 中国的 AI 创新正在进入全球循环，而非单向输入。 一句话： 中国不只在做模型，而是在影响世界开发者。 二、为什么中国能“后来居上”？三大原因让人无法忽视 ① 模型数量爆发式增长：百花齐放，开发者用不过来 过去一年，中国的开源模型生态堪称“井喷式”增长： 中小模型、大模型、多模态、语音、图像…… 能开的都开了，能放的都放了。 数量足够大，就能吸引足够多的开发者。 ② 性价比 + 轻量化：世界都在找中国模型“省钱神器” 不是每个团队都训练得起千亿级大模型。 但每个团队都想部署一个能跑的模型。 而中国模型的特质就是四个字： 轻、快、省、能打。 全球开发者当然爱。 ③ 中文生态的辐射效应：从东亚扩散到整个亚洲 中文模型强，意味着东亚、东南亚用户都能直接受益。 更大的人群、更高的需求，带来了更快的下载增长 三、美国依然很强，但“唯一主导”时代正在改变 必须说，美国仍然拥有： 世界最顶级的基础研究 算力、芯片、科研体系的深度优势 OpenAI / Google / Meta 等头部力量 但这一次的反超给了全球一个清晰的信号： AI 生态不再是“一家独大”。 多极化时代正在加速到来。 全球开发者的选择，正在慢慢从“硅谷中心论”转向“多中心协作”。 四、全球 AI 正进入“群雄争霸”时代 这次排名变化背后，是全球 AI 赛道进入全新阶段的标志： ① 从“技术竞赛”升级为“生态竞赛” 谁的模型被更多人用，谁就占据未来话语权。 ② 开源力量影响全球，而中国是关键节点 中国模型从“区域下载”变成“全球下载”，这是过去没有出现过的格局。 ③ 创新不再只来自单一地区 AI 正在走向： 中国能打、美国能打、欧洲能打、世界都能打。 这种竞争更健康，也更刺激。 五、结语：这不是终点，而是 AI 全球化的真正开始 中国开源模型首次登顶，并不是“谁碾压谁”的故事。 它真正意味着： 全球 AI，正在进入一个更开放、更多样、更具创造力的新纪元。 当中国模型被全球开发者下载、复用、再创造 这才是 AI 生态最值得期待的未来。

加密大师兄

22,361 views • 6 months ago

英伟达NVIDIA黄仁勋： 我们在没有中国市场的情况下， 创下了创纪录的一个季度。 我们预计下一个季度也将再创纪录， 同样不包含中国市场 AI计算，正在离开中共国。 不靠中国，英伟达依然季度破纪录， 而且还连续两季新高。 它背后的动力， 已经不是传统数据中心负载， 而是一种全新的计算范式。 拉开帷幕的，是Blackwell。 这不是一块芯片， 而是一个一体化的超级计算机架构， NVLink 72，一个机架就是一台电脑， 不是拼凑出来的，是原生统一架构。 这种级别的算力正好赶上Agentic AI的爆发。 什么是Agentic AI？ 不是大语言模型的升级，而是智能体崛起。 它能思考，有目标，能制定计划、执行流程、调用工具，甚至能调Excel、开网页、跑SAP，在多智能体之间协作解决复杂问题，几乎像一个团队。 对算力的需求？ 彻底爆炸。 不只是OpenAI一个月一个亿的收入， 也不只是去年AI native公司全年2亿营收到今年20亿的十倍跃迁。 而是背后千行百业的集体迁移。 NVIDIA内部也已经切换到AI原生， 公司全员在用自己的AI编程助手Cursor， 每天提交的代码数量巨大，生产力堪比工业革命。 这还只是开始。 我们看到AI向所有领域扩展： 云计算、企业服务、工业制造、机器人、自动驾驶、数字生物学、药物发现……几乎所有行业都会重构。 所以，中国不是焦点， 真正的战场，是全球范围内新一轮的、以AI为中心的信息基础设施重建。
2:10

英伟达NVIDIA黄仁勋： 我们在没有中国市场的情况下， 创下了创纪录的一个季度。 我们预计下一个季度也将再创纪录， 同样不包含中国市场 AI计算，正在离开中共国。 不靠中国，英伟达依然季度破纪录， 而且还连续两季新高。 它背后的动力， 已经不是传统数据中心负载， 而是一种全新的计算范式。 拉开帷幕的，是Blackwell。 这不是一块芯片， 而是一个一体化的超级计算机架构， NVLink 72，一个机架就是一台电脑， 不是拼凑出来的，是原生统一架构。 这种级别的算力正好赶上Agentic AI的爆发。 什么是Agentic AI？ 不是大语言模型的升级，而是智能体崛起。 它能思考，有目标，能制定计划、执行流程、调用工具，甚至能调Excel、开网页、跑SAP，在多智能体之间协作解决复杂问题，几乎像一个团队。 对算力的需求？ 彻底爆炸。 不只是OpenAI一个月一个亿的收入， 也不只是去年AI native公司全年2亿营收到今年20亿的十倍跃迁。 而是背后千行百业的集体迁移。 NVIDIA内部也已经切换到AI原生， 公司全员在用自己的AI编程助手Cursor， 每天提交的代码数量巨大，生产力堪比工业革命。 这还只是开始。 我们看到AI向所有领域扩展： 云计算、企业服务、工业制造、机器人、自动驾驶、数字生物学、药物发现……几乎所有行业都会重构。 所以，中国不是焦点， 真正的战场，是全球范围内新一轮的、以AI为中心的信息基础设施重建。

墓碑科技

20,642 views • 9 months ago

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！
1:30

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

小互

85,694 views • 1 year ago

英伟达Nvidia黄仁勋： AI，让平凡的人不再平凡。 一个年轻人加上AI，就是全新的“超级个体”。 不拼资历，不靠背景，AI成了这个时代最大的“能力放大器”。 它不是替你工作，而是教你变强，像导师、像助手，甚至像一整个研究团队。 以前，成为专家要花十年，现在，用AI做研究，年轻人正在用几年甚至几个月的速度追赶。 程序员用它写代码、调试逻辑；研究员用它读文献、生成模型；医生用它分析病例、辅助诊断。 几乎所有专业的人才，搭上AI这台引擎，都跑得更快。 哪怕是在偏远小镇的医生，或是发展中国家的工程师，手里只要有AI，就能站上世界一线的能力标准。 但这，也压力山大。对那些在某个领域苦练二十年的人来说， 现在，刚入行的新人搭上AI，可能一年就追平你辛苦十年的经验积累。 AI不是取代你，而是逼你进化。 越早拥抱它，你越可能成为被放大的那一个。
1:15

英伟达Nvidia黄仁勋： AI，让平凡的人不再平凡。 一个年轻人加上AI，就是全新的“超级个体”。 不拼资历，不靠背景，AI成了这个时代最大的“能力放大器”。 它不是替你工作，而是教你变强，像导师、像助手，甚至像一整个研究团队。 以前，成为专家要花十年，现在，用AI做研究，年轻人正在用几年甚至几个月的速度追赶。 程序员用它写代码、调试逻辑；研究员用它读文献、生成模型；医生用它分析病例、辅助诊断。 几乎所有专业的人才，搭上AI这台引擎，都跑得更快。 哪怕是在偏远小镇的医生，或是发展中国家的工程师，手里只要有AI，就能站上世界一线的能力标准。 但这，也压力山大。对那些在某个领域苦练二十年的人来说， 现在，刚入行的新人搭上AI，可能一年就追平你辛苦十年的经验积累。 AI不是取代你，而是逼你进化。 越早拥抱它，你越可能成为被放大的那一个。

墓碑科技

12,575 views • 11 months ago

印度正在干一件大事。 一件很安静，但可能影响深远的事。 他们在从零开始，构建一个梵语大语言模型。 梵语，是世界上最古老的结构化语言。 这个项目，不是简单的翻译工具。 更不是把古籍扫描数字化就完事了。 他们要让AI真正“学会”梵语，用梵语的逻辑去思考。 牵头的是一家有118年历史的梵语学院，和印度顶尖的理工学院IIT马德拉斯分校。 学者和数据科学家坐到了一起。 第一步，也是最难的一步，建立语料库。 他们收集了超过11万份梵文文本。 包括经文、孤本、还有数千份手稿。 为了处理这些古老的手稿，团队自己开发了专有软件。 结果惊人。 24小时内数字化了超过1000本梵语书籍。 每页只有三到四个错误，准确率接近97%。 梵语的语法结构极其复杂和精确。 比如“Sandhi”这种连音变化规则，还有复杂的词形变化，对AI的挑战远超英语。 解决这些难题，需要全新的算法和模型。 这暴露了一个关键问题。 当下的AI模型，本质上是基于英语世界的逻辑和数据结构建立的。 而印度这个项目，试图用一种完全不同的文明底层逻辑来训练AI。 这不仅仅是技术问题。 这关乎一个文明的记忆，能否在机器时代被完整保留，甚至被激活。 当全球科技巨头都在追求更大规模的模型、更快的算力时，印度选择了一条不同的路。 深度优先，而非规模。 结构优先，而非噪音。 意义优先，而非模仿。 这引出了一个更深层的问题。 AI的未来，是否也依赖于人类最古老的智慧？ 如果这个实验成功，梵语将不再仅仅是被“保存”的遗产。 它将成为一种可计算的，具备严谨逻辑推理能力的工具。 这是一个国家在尝试用自己的文化之根，去定义自己的科技未来。 而不是被动地接受硅谷制定的标准和游戏规则。 这种对自己文明的自信和投入，值得深思。 当一个国家开始系统性地将自己的古典智慧与最前沿的科技结合，它的目标可能远不止是开发一个AI模型那么简单。
5:25

印度正在干一件大事。 一件很安静，但可能影响深远的事。 他们在从零开始，构建一个梵语大语言模型。 梵语，是世界上最古老的结构化语言。 这个项目，不是简单的翻译工具。 更不是把古籍扫描数字化就完事了。 他们要让AI真正“学会”梵语，用梵语的逻辑去思考。 牵头的是一家有118年历史的梵语学院，和印度顶尖的理工学院IIT马德拉斯分校。 学者和数据科学家坐到了一起。 第一步，也是最难的一步，建立语料库。 他们收集了超过11万份梵文文本。 包括经文、孤本、还有数千份手稿。 为了处理这些古老的手稿，团队自己开发了专有软件。 结果惊人。 24小时内数字化了超过1000本梵语书籍。 每页只有三到四个错误，准确率接近97%。 梵语的语法结构极其复杂和精确。 比如“Sandhi”这种连音变化规则，还有复杂的词形变化，对AI的挑战远超英语。 解决这些难题，需要全新的算法和模型。 这暴露了一个关键问题。 当下的AI模型，本质上是基于英语世界的逻辑和数据结构建立的。 而印度这个项目，试图用一种完全不同的文明底层逻辑来训练AI。 这不仅仅是技术问题。 这关乎一个文明的记忆，能否在机器时代被完整保留，甚至被激活。 当全球科技巨头都在追求更大规模的模型、更快的算力时，印度选择了一条不同的路。 深度优先，而非规模。 结构优先，而非噪音。 意义优先，而非模仿。 这引出了一个更深层的问题。 AI的未来，是否也依赖于人类最古老的智慧？ 如果这个实验成功，梵语将不再仅仅是被“保存”的遗产。 它将成为一种可计算的，具备严谨逻辑推理能力的工具。 这是一个国家在尝试用自己的文化之根，去定义自己的科技未来。 而不是被动地接受硅谷制定的标准和游戏规则。 这种对自己文明的自信和投入，值得深思。 当一个国家开始系统性地将自己的古典智慧与最前沿的科技结合，它的目标可能远不止是开发一个AI模型那么简单。

墓碑科技

22,272 views • 4 months ago

Google量子计算新突破：量子计算芯片 Willow 5 分钟完成传统计算机100亿亿亿年的计算 最近大家都在关注 AI，也许没有注意到 Google 刚发布的 量子计算芯片 Willow 想象一下，有一道数学题，就算用世界上最快的超级计算机来解，也需要计算100亿亿亿年。而Google的最新量子计算芯片Willow只用了5分钟就解决了。如果你对这个数字没有概念，这个时间比我们宇宙的年龄（138亿年）还要长得多！ 什么是量子计算？ 要理解这个突破，我们先来聊聊普通计算机和量子计算机的区别： - 普通计算机使用的是"比特"（位），就像一个开关，只能是开（1）或关（0）两种状态 - 量子计算机使用的是"量子比特"（量子位），它可以同时处于多个状态，这让计算能力呈指数级增长 Willow的突破性进展 Google的Willow芯片最大的突破在于解决了量子计算领域30年来的一个大难题。传统上，量子比特越多，计算错误就越多。但Willow通过创新的"逻辑量子位"设计，实现了相反的效果：随着量子比特的增加，错误反而会减少。这就像搭建了一个会自我纠错的超级计算系统。 这对我们的生活意味着什么？ 虽然现在还不能期待在家里放一台量子电脑，但Willow的突破将在未来带来许多令人兴奋的应用： - 加速新药物的研发 - 设计更高效的电动车电池 - 优化城市交通流量 - 开发更安全的通信加密系统 - 提升人工智能的学习能力 未来展望 Google预计在2030年左右可能会看到商用量子计算机。虽然还面临着提高运算精度、降低成本等挑战，但Willow的诞生就像是莱特兄弟的第一次飞行——它证明了"不可能"是可能的。这打开了一扇通向未来的大门，量子计算革命已经势不可挡。 这次的突破，不仅仅是技术的进步，更预示着人类即将进入一个全新的计算时代。虽然距离普及还需要时间，但就像当年的第一台计算机一样，Willow 有可能会是未来量子计算机的开始。
6:38

Google量子计算新突破：量子计算芯片 Willow 5 分钟完成传统计算机100亿亿亿年的计算 最近大家都在关注 AI，也许没有注意到 Google 刚发布的 量子计算芯片 Willow 想象一下，有一道数学题，就算用世界上最快的超级计算机来解，也需要计算100亿亿亿年。而Google的最新量子计算芯片Willow只用了5分钟就解决了。如果你对这个数字没有概念，这个时间比我们宇宙的年龄（138亿年）还要长得多！ 什么是量子计算？ 要理解这个突破，我们先来聊聊普通计算机和量子计算机的区别： - 普通计算机使用的是"比特"（位），就像一个开关，只能是开（1）或关（0）两种状态 - 量子计算机使用的是"量子比特"（量子位），它可以同时处于多个状态，这让计算能力呈指数级增长 Willow的突破性进展 Google的Willow芯片最大的突破在于解决了量子计算领域30年来的一个大难题。传统上，量子比特越多，计算错误就越多。但Willow通过创新的"逻辑量子位"设计，实现了相反的效果：随着量子比特的增加，错误反而会减少。这就像搭建了一个会自我纠错的超级计算系统。 这对我们的生活意味着什么？ 虽然现在还不能期待在家里放一台量子电脑，但Willow的突破将在未来带来许多令人兴奋的应用： - 加速新药物的研发 - 设计更高效的电动车电池 - 优化城市交通流量 - 开发更安全的通信加密系统 - 提升人工智能的学习能力 未来展望 Google预计在2030年左右可能会看到商用量子计算机。虽然还面临着提高运算精度、降低成本等挑战，但Willow的诞生就像是莱特兄弟的第一次飞行——它证明了"不可能"是可能的。这打开了一扇通向未来的大门，量子计算革命已经势不可挡。 这次的突破，不仅仅是技术的进步，更预示着人类即将进入一个全新的计算时代。虽然距离普及还需要时间，但就像当年的第一台计算机一样，Willow 有可能会是未来量子计算机的开始。

宝玉

131,542 views • 1 year 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

248,912 views • 3 months ago

马斯克，要用100万颗GPU造智能？ 去年他刚连上20万颗GPU，已经是全球第一。 今年目标：100万颗，成本高达400亿到600亿美元。 这是全世界第一次，有人用这种方式堆出AI的极限。 他不是在建AI模型，而是在造一台超级AI工厂。 用最硬核的方式，把智能硬拼出来。 这不仅是资本的竞赛，更是算力的军备竞赛。 每一块GPU，都是通向通用AI的一块砖。 当别人还在调参数、调算法， 马斯克已经直接开造，砸出来一个AI地基。 这不是模型迭代，而是智能的工业化。 全球AI竞赛，可能从此进入下一个阶段。
1:02

马斯克，要用100万颗GPU造智能？ 去年他刚连上20万颗GPU，已经是全球第一。 今年目标：100万颗，成本高达400亿到600亿美元。 这是全世界第一次，有人用这种方式堆出AI的极限。 他不是在建AI模型，而是在造一台超级AI工厂。 用最硬核的方式，把智能硬拼出来。 这不仅是资本的竞赛，更是算力的军备竞赛。 每一块GPU，都是通向通用AI的一块砖。 当别人还在调参数、调算法， 马斯克已经直接开造，砸出来一个AI地基。 这不是模型迭代，而是智能的工业化。 全球AI竞赛，可能从此进入下一个阶段。

墓碑科技

112,554 views • 7 months ago

今年，AI机器人赛道真的是火得不行。 从家里用的扫地机器人到工业上的自动化设备，甚至现在都可以上台跳舞了，不得不说一句牛逼！ 但是现在机器人和AI系统大多被少数几家大公司掌控，创新的步伐虽然快，却往往伴随着技术封闭性和使用限制。 OpenMind 却正在打破这种局限，提出了一个非常具有前瞻性的解决方案——开源的机器人操作系统。 这种做法不仅仅是技术上的创新，它从根本上重新定义了谁能控制机器人的智能，以及谁能参与到技术创新中去。 OpenMind的核心理念是开放和去中心化——这意味着不再是只有少数几家公司有能力和资源控制机器人的发展和应用。通过开源操作系统OM1，OpenMind赋予了全球开发者和创新者在机器人生态系统中发挥更大作用的机会。任何有创意、有技术的团队，都可以基于OM1平台构建自己的机器人应用，这种开放生态不仅能加速创新，还能促进更广泛的合作和资源共享。 最关键的是，OpenMind没有像传统公司那样将机器人生态系统封闭在一个小圈子里，而是推动它向全球开发者开放，鼓励他们参与并共同塑造机器人的未来。这不仅能避免技术的垄断，更能确保机器人系统的多样性和适应性——每个开发者、每个小团队都能贡献自己的智慧，推动机器人技术在各个行业中的应用。 这背后折射的是OpenMind对于去中心化理念的深刻理解和执行力。与传统企业垄断不同，这种去中心化的思维让更多的人和团队能通过开源平台参与进来，这也让机器人技术有了更多的可能性。 未来的机器人技术， OpenMind 无疑为其注入了一股新鲜的力量。在这场关于机器人智能的创新竞赛中，去中心化和开源将不仅仅是一个趋势，更是能让全球每个人都参与进来的机会。 #OpenMind
0:40

今年，AI机器人赛道真的是火得不行。 从家里用的扫地机器人到工业上的自动化设备，甚至现在都可以上台跳舞了，不得不说一句牛逼！ 但是现在机器人和AI系统大多被少数几家大公司掌控，创新的步伐虽然快，却往往伴随着技术封闭性和使用限制。 OpenMind 却正在打破这种局限，提出了一个非常具有前瞻性的解决方案——开源的机器人操作系统。 这种做法不仅仅是技术上的创新，它从根本上重新定义了谁能控制机器人的智能，以及谁能参与到技术创新中去。 OpenMind的核心理念是开放和去中心化——这意味着不再是只有少数几家公司有能力和资源控制机器人的发展和应用。通过开源操作系统OM1，OpenMind赋予了全球开发者和创新者在机器人生态系统中发挥更大作用的机会。任何有创意、有技术的团队，都可以基于OM1平台构建自己的机器人应用，这种开放生态不仅能加速创新，还能促进更广泛的合作和资源共享。 最关键的是，OpenMind没有像传统公司那样将机器人生态系统封闭在一个小圈子里，而是推动它向全球开发者开放，鼓励他们参与并共同塑造机器人的未来。这不仅能避免技术的垄断，更能确保机器人系统的多样性和适应性——每个开发者、每个小团队都能贡献自己的智慧，推动机器人技术在各个行业中的应用。 这背后折射的是OpenMind对于去中心化理念的深刻理解和执行力。与传统企业垄断不同，这种去中心化的思维让更多的人和团队能通过开源平台参与进来，这也让机器人技术有了更多的可能性。 未来的机器人技术， OpenMind 无疑为其注入了一股新鲜的力量。在这场关于机器人智能的创新竞赛中，去中心化和开源将不仅仅是一个趋势，更是能让全球每个人都参与进来的机会。 #OpenMind

阿乐

60,904 views • 5 months ago

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型， 而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。 它不是再去造一个新的 Agent framework， 而是想把那些散落在各处的 SKILL.md， 变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是， 先把 skill 从零散文档里抽出来， 做成一个本地优先的共享 skill pool， 然后再按不同 Agent、不同框架去组合和分发。 这样一来，skill 就不再只是 prompt 附件， 而是开始变成真正可复用的能力基础设施。 说白了，它想推动的一件事就是： 让 Agent 的技能， 从“写一份文档自己用”， 变成“写一次，到处复用”。 我觉得这个方向很值得看。 因为当 skill 开始像包管理一样被组织起来， 多 Agent 工作流才会真正开始像工程系统， 而不是一堆 prompt 和脚本的临时拼装。 如果你在关注 AI Agent、Multi-Agent、技能复用， 或者正在想怎么管理越来越多的 SKILL.md， 这个项目值得研究一下。👇
0:21

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型， 而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。 它不是再去造一个新的 Agent framework， 而是想把那些散落在各处的 SKILL.md， 变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是， 先把 skill 从零散文档里抽出来， 做成一个本地优先的共享 skill pool， 然后再按不同 Agent、不同框架去组合和分发。 这样一来，skill 就不再只是 prompt 附件， 而是开始变成真正可复用的能力基础设施。 说白了，它想推动的一件事就是： 让 Agent 的技能， 从“写一份文档自己用”， 变成“写一次，到处复用”。 我觉得这个方向很值得看。 因为当 skill 开始像包管理一样被组织起来， 多 Agent 工作流才会真正开始像工程系统， 而不是一堆 prompt 和脚本的临时拼装。 如果你在关注 AI Agent、Multi-Agent、技能复用， 或者正在想怎么管理越来越多的 SKILL.md， 这个项目值得研究一下。👇

axiaisacat

46,149 views • 3 months ago

AI能拿奥数金牌，却解不开小学数学题。 这是怎么回事？ 谷歌DeepMind的创始人Demis Hassabis自己揭了AI的老底。 今天的AI，本质上是个“速冻产品”。 训练完成，能力就定格了。 像个一次性相机，拍完就不能再改。 它无法像人一样，从现实世界里持续学习、自我进化。 你希望它能在线学习，根据你的任务进行个性化调整。 但它做不到。 AI的智能是“锯齿状”的。 在某些高精尖问题上，表现惊人。 但在另外一些简单问题上，却错得离谱。 就像一个围棋高手，却不会玩跳棋。 这正常吗？ Hassabis认为，真正通用的智能系统，不该有这种“锯齿感”。 一个数学专家，绝不会在简单问题上犯错。 那么，为什么现在的AI会这样？ 是因为算法设计的根本缺陷，还是训练数据本身就充满了偏见和矛盾？ 科技巨头们热衷于宣传AI的巨大突破。 达沃斯论坛上的精英们也在描绘AI驱动的未来世界。 他们很少谈论这些根本性的局限。 这些“锯齿”会不会成为被利用的漏洞？ 当一个系统强大到可以影响经济决策、甚至军事判断时，它的“弱智”时刻会带来什么后果？ Hassabis还提到了真正的创造力。 他说，提出一个正确的问题，比解决一个猜想更难。 现在的AI，只是个高效的解题工具。 它没有品味，没有洞察力，更提不出像爱因斯坦那样的革命性思想。 如果把AI的知识库截止到1911年，它能自己搞出广义相对论吗？ 答案显然是否定的。 那么，我们在期待的到底是“智能”，还是一个越来越强大的“计算器”？
3:31

AI能拿奥数金牌，却解不开小学数学题。 这是怎么回事？ 谷歌DeepMind的创始人Demis Hassabis自己揭了AI的老底。 今天的AI，本质上是个“速冻产品”。 训练完成，能力就定格了。 像个一次性相机，拍完就不能再改。 它无法像人一样，从现实世界里持续学习、自我进化。 你希望它能在线学习，根据你的任务进行个性化调整。 但它做不到。 AI的智能是“锯齿状”的。 在某些高精尖问题上，表现惊人。 但在另外一些简单问题上，却错得离谱。 就像一个围棋高手，却不会玩跳棋。 这正常吗？ Hassabis认为，真正通用的智能系统，不该有这种“锯齿感”。 一个数学专家，绝不会在简单问题上犯错。 那么，为什么现在的AI会这样？ 是因为算法设计的根本缺陷，还是训练数据本身就充满了偏见和矛盾？ 科技巨头们热衷于宣传AI的巨大突破。 达沃斯论坛上的精英们也在描绘AI驱动的未来世界。 他们很少谈论这些根本性的局限。 这些“锯齿”会不会成为被利用的漏洞？ 当一个系统强大到可以影响经济决策、甚至军事判断时，它的“弱智”时刻会带来什么后果？ Hassabis还提到了真正的创造力。 他说，提出一个正确的问题，比解决一个猜想更难。 现在的AI，只是个高效的解题工具。 它没有品味，没有洞察力，更提不出像爱因斯坦那样的革命性思想。 如果把AI的知识库截止到1911年，它能自己搞出广义相对论吗？ 答案显然是否定的。 那么，我们在期待的到底是“智能”，还是一个越来越强大的“计算器”？

墓碑科技

25,850 views • 4 months ago