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

谷歌创始人Larry Page在2007年就看透了AI的底牌。那个年代学术界还在黑板上死磕精妙的算法。他预判了一切。实现真正的AI根本不需要多聪明的设计。算力规模才是唯一的壁垒。这个结论比Rich Sutton发表那篇著名的《苦涩的教训》早了整整十二年。 Page的推演视角直击本质。他扒开了人类自身的系统架构。把人类的全部DNA数据压缩一下，只有区区600MB。体积比普通的Linux小。更比不上动辄几十G的Windows。但就是这不起眼的600MB，装下了启动人类大脑的完整引导程序。造物主从不用复杂的代码炫技。自然界只给出极简的基础规则。剩下的工作全交给庞大的算力去穷举。沉迷于在白板前写优雅公式的天才们全绕了远路。计算量压制才是通往智能的唯一捷径。

墓碑科技

67,412 subscribers

79,014 просмотров • 4 месяцев назад •via X (Twitter)

Образование 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

造出大语言模型的底层数学有多复杂？天才数学家陶哲轩给了一个意外的结论。普通本科生就能搞定。里面没有任何高深莫测的魔法。只有线性代数、矩阵乘法和一点基础微积分。人类完全清楚怎么搭出这些模型。最大的悬念是，这么简单的公式堆叠，凭什么能涌现出类似人类的智能。未来十年，人和AI到底要怎么分工？两者的技能树点在了完全不同的方向。 AI的强项是绝对的暴力运算。扔给它一百万篇论文，它能迅速榨干里面的所有数据。但人类有一张AI至今无法破解的底牌。看五六道数学题，一个普通人就能突然顿悟，找出隐藏的规律。极少数据，瞬间泛化。现在的AI根本学不会这种直觉。它们只能靠烧成百上千张显卡去强行模仿，效率惨不忍睹。人类大脑那一点点灵光一闪，依然是算力无法攻克的堡垒。

造出大语言模型的底层数学有多复杂？天才数学家陶哲轩给了一个意外的结论。普通本科生就能搞定。里面没有任何高深莫测的魔法。只有线性代数、矩阵乘法和一点基础微积分。人类完全清楚怎么搭出这些模型。最大的悬念是，这么简单的公式堆叠，凭什么能涌现出类似人类的智能。未来十年，人和AI到底要怎么分工？两者的技能树点在了完全不同的方向。 AI的强项是绝对的暴力运算。扔给它一百万篇论文，它能迅速榨干里面的所有数据。但人类有一张AI至今无法破解的底牌。看五六道数学题，一个普通人就能突然顿悟，找出隐藏的规律。极少数据，瞬间泛化。现在的AI根本学不会这种直觉。它们只能靠烧成百上千张显卡去强行模仿，效率惨不忍睹。人类大脑那一点点灵光一闪，依然是算力无法攻克的堡垒。

墓碑科技

120,889 просмотров • 4 месяцев назад

谁拥有算力，谁就拥有了下一个时代的入口。特斯拉造了Dojo超级计算平台，专门训练自动驾驶。现在只撑起了5%的任务，剩下的，还是靠英伟达的GPU。纽约的数据中心在跑，但还不够，远远不够。马斯克的XAI，正在建一个更大的怪兽：全球最大算力集群，目标超20万张GPU一起训练。地点选在孟菲斯，未来扩到一百万张，全是英伟达最新的Blackwell芯片。不是八十万，不是九十万，是一百万。如果你还觉得这只是技术升级，那你错了。马斯克下注的是基础设施的重构。机器人不是工具，是未来的“水电煤”。而算力，是它们的供血系统。所有AI的智能，只是表象；背后的芯片、架构、能耗，才是真正的战争。谁拥有算力，谁就拥有了下一个时代的入口。

谁拥有算力，谁就拥有了下一个时代的入口。特斯拉造了Dojo超级计算平台，专门训练自动驾驶。现在只撑起了5%的任务，剩下的，还是靠英伟达的GPU。纽约的数据中心在跑，但还不够，远远不够。马斯克的XAI，正在建一个更大的怪兽：全球最大算力集群，目标超20万张GPU一起训练。地点选在孟菲斯，未来扩到一百万张，全是英伟达最新的Blackwell芯片。不是八十万，不是九十万，是一百万。如果你还觉得这只是技术升级，那你错了。马斯克下注的是基础设施的重构。机器人不是工具，是未来的“水电煤”。而算力，是它们的供血系统。所有AI的智能，只是表象；背后的芯片、架构、能耗，才是真正的战争。谁拥有算力，谁就拥有了下一个时代的入口。

墓碑科技

59,872 просмотров • 1 год назад

全球软件工程师的岗位描述刚刚被清空。 Larry Ellison 直接摊牌了。甲骨文公司现在的代码根本不是人写的。全是 AI 模型在干活。以前写代码要一行行死磕逻辑。现在人类只剩下一个动作。声明意图。你告诉 AI 到底想实现什么功能。剩下的底层分步流程全部由机器自动生成。别拿它当初创公司的概念演示看。甲骨文是全球最大的底层基础设施巨头之一。连他们的核心代码架构都彻底交接给了模型。只会写循环语句和纠结语法的码农很快就会被出清。手搓代码的古典时代正式结束。下一个十年的最高技术壁垒叫准确下达指令。

全球软件工程师的岗位描述刚刚被清空。 Larry Ellison 直接摊牌了。甲骨文公司现在的代码根本不是人写的。全是 AI 模型在干活。以前写代码要一行行死磕逻辑。现在人类只剩下一个动作。声明意图。你告诉 AI 到底想实现什么功能。剩下的底层分步流程全部由机器自动生成。别拿它当初创公司的概念演示看。甲骨文是全球最大的底层基础设施巨头之一。连他们的核心代码架构都彻底交接给了模型。只会写循环语句和纠结语法的码农很快就会被出清。手搓代码的古典时代正式结束。下一个十年的最高技术壁垒叫准确下达指令。

墓碑科技

79,769 просмотров • 3 месяцев назад

同样站在 2009 年那个路口，有人只看见一块显卡，有人看见了往后二十年整个计算的样子。那年 Nvidia 市值 40 亿，是 Intel 的零头，所有人都笑黄仁勋不过是个卖游戏配件的。那时候 Nvidia 市值 40 亿，Intel 1000 亿，差了 25 倍。他说了句在场没人当回事的话：PC 的杀手应用是 Word 和 Excel，所以串行架构的 CPU 是王者，但未来电脑要处理的不是打字和算数，是图像、3D 虚拟世界、艺术表达。这些东西全是并行任务，CPU 搞不定。 17 年后，Nvidia 5 万亿，Intel 五千多亿，25 倍的劣势，变成了接近 10 倍的反超。但我看了两遍才发现，这条视频最狠的不是老黄预测对了 AI，他 2009 年根本没提 AI。他预测对的是另一件事：异构计算的必然性。 CPU 管串行，GPU 管并行，两个都要，但 GPU 的相关性在上升，这个判断后来成了现代计算的铁律——手机 SoC、AI PC、数据中心，全是这个逻辑。而且他在 2005-2006 年就把 CUDA 押上去了，一个显卡公司搞通用计算平台，投资人觉得他疯了。打个比方，就像在一片荒地上挖了口井，当年所有人都在笑，自来水不香吗你挖什么井，但十几年后城市盖起来了，才发现只有你这口井挖到了最深的蓄水层——所有房子的水管都只能接你这一口。 CUDA 就是这口井，黄仁勋挖了二十年。他没去追 Intel 的赛道，默默在在修自己的路，从图形到科学计算到深度学习到生成式 AI 到物理世界模拟——每一步迁移，这条路都在变宽，十七年后，所有的车都拐上了他修的这条路。远见从来不稀缺，酒桌上人人都有。稀缺的是认准之后，肯花十年时间，把一句没人信的判断，亲手浇筑成一条别人绕不过去的护城河。今天这个路口也站满了人，有人在盯更强的模型，有人在看下一个计算平台长在哪。我们最该盯的其实不是市值曲线，应该是创始人嘴里那个词，黄仁勋在访谈里反复说 relevance——他不纠结谁更大，只纠结自己做的事跟未来还相关吗。我觉得这句话比任何技术判断都值钱。 2009 年人人都说 Nvidia 就是个做显卡的，跟今天有人说某家 AI 公司就是个做 XX 的一模一样。但真正的 alpha，永远藏在对工作负载演进方向的预判里。

同样站在 2009 年那个路口，有人只看见一块显卡，有人看见了往后二十年整个计算的样子。那年 Nvidia 市值 40 亿，是 Intel 的零头，所有人都笑黄仁勋不过是个卖游戏配件的。那时候 Nvidia 市值 40 亿，Intel 1000 亿，差了 25 倍。他说了句在场没人当回事的话：PC 的杀手应用是 Word 和 Excel，所以串行架构的 CPU 是王者，但未来电脑要处理的不是打字和算数，是图像、3D 虚拟世界、艺术表达。这些东西全是并行任务，CPU 搞不定。 17 年后，Nvidia 5 万亿，Intel 五千多亿，25 倍的劣势，变成了接近 10 倍的反超。但我看了两遍才发现，这条视频最狠的不是老黄预测对了 AI，他 2009 年根本没提 AI。他预测对的是另一件事：异构计算的必然性。 CPU 管串行，GPU 管并行，两个都要，但 GPU 的相关性在上升，这个判断后来成了现代计算的铁律——手机 SoC、AI PC、数据中心，全是这个逻辑。而且他在 2005-2006 年就把 CUDA 押上去了，一个显卡公司搞通用计算平台，投资人觉得他疯了。打个比方，就像在一片荒地上挖了口井，当年所有人都在笑，自来水不香吗你挖什么井，但十几年后城市盖起来了，才发现只有你这口井挖到了最深的蓄水层——所有房子的水管都只能接你这一口。 CUDA 就是这口井，黄仁勋挖了二十年。他没去追 Intel 的赛道，默默在在修自己的路，从图形到科学计算到深度学习到生成式 AI 到物理世界模拟——每一步迁移，这条路都在变宽，十七年后，所有的车都拐上了他修的这条路。远见从来不稀缺，酒桌上人人都有。稀缺的是认准之后，肯花十年时间，把一句没人信的判断，亲手浇筑成一条别人绕不过去的护城河。今天这个路口也站满了人，有人在盯更强的模型，有人在看下一个计算平台长在哪。我们最该盯的其实不是市值曲线，应该是创始人嘴里那个词，黄仁勋在访谈里反复说 relevance——他不纠结谁更大，只纠结自己做的事跟未来还相关吗。我觉得这句话比任何技术判断都值钱。 2009 年人人都说 Nvidia 就是个做显卡的，跟今天有人说某家 AI 公司就是个做 XX 的一模一样。但真正的 alpha，永远藏在对工作负载演进方向的预判里。

AYi

121,095 просмотров • 1 месяц назад

Uber 在一个季度内，把全年的 AI 预算烧光了。但这钱没白花，换来了反常识的结果。CEO Dara 发现，自家的工程师用上 AI 后效率暴增，产出简直像"超人"一样。于是 Uber 做了一个极其现实的决定：既然现有人手这么能干，那就不招新人了。他们开始严格控制增员节奏，用高昂的算力成本，直接锁死了未来的人力扩张。而且这场改造根本不局限于写代码。从工程开发、找 bug、平台迁移，一直到法务和营销团队，AI 已经钻进了 Uber 的每一根毛细血管。Dara 给团队下了死命令：自下而上，用 AI 把系统和流程彻底重构一遍。就算第一步只是让 AI 提升个两三成的效率，那也是赚的。最聪明的还是他们在成本上的算计。搞探索和研发时，闭着眼睛用最贵的 OpenAI 和 Claude，因为前沿模型确实聪明，适合试错。但只要某个场景跑通了、要大规模铺开，他们会立刻切回按 token 算更便宜的模型，或者是开源模型。为什么这么抠细节？因为 Uber 一年哪怕跑出远超 100 亿次的行程，手握 100 多亿自由现金流，本质上依然是个低毛利的苦生意。他们只能靠榨干内部的每一滴效率，来换取终端降价的空间。这就是现在顶尖科技公司的真实玩法。没有空喊口号，算力直接替代人力，用最贵的工具探路，用最省的方案落地。一场冷酷又高效的生产力洗牌，已经在看不见的地方完成了。

Uber 在一个季度内，把全年的 AI 预算烧光了。但这钱没白花，换来了反常识的结果。CEO Dara 发现，自家的工程师用上 AI 后效率暴增，产出简直像"超人"一样。于是 Uber 做了一个极其现实的决定：既然现有人手这么能干，那就不招新人了。他们开始严格控制增员节奏，用高昂的算力成本，直接锁死了未来的人力扩张。而且这场改造根本不局限于写代码。从工程开发、找 bug、平台迁移，一直到法务和营销团队，AI 已经钻进了 Uber 的每一根毛细血管。Dara 给团队下了死命令：自下而上，用 AI 把系统和流程彻底重构一遍。就算第一步只是让 AI 提升个两三成的效率，那也是赚的。最聪明的还是他们在成本上的算计。搞探索和研发时，闭着眼睛用最贵的 OpenAI 和 Claude，因为前沿模型确实聪明，适合试错。但只要某个场景跑通了、要大规模铺开，他们会立刻切回按 token 算更便宜的模型，或者是开源模型。为什么这么抠细节？因为 Uber 一年哪怕跑出远超 100 亿次的行程，手握 100 多亿自由现金流，本质上依然是个低毛利的苦生意。他们只能靠榨干内部的每一滴效率，来换取终端降价的空间。这就是现在顶尖科技公司的真实玩法。没有空喊口号，算力直接替代人力，用最贵的工具探路，用最省的方案落地。一场冷酷又高效的生产力洗牌，已经在看不见的地方完成了。

墓碑科技

53,152 просмотров • 1 месяц назад

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。

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 просмотров • 1 год назад

量子计算机到底是怎么碾压普通电脑的？走个迷宫你就懂了。传统电脑找最短路线，靠的是死磕。一条路一条路去随机试错。不把整个迷宫的所有死胡同全撞一遍，它就不敢保证自己找到的是最优解。量子计算机呢？它一开始也只派一个人进去。但每遇到一个岔路口，这个人就直接“裂开”，分身走上每一条新路。这让它的搜索速度快得离谱。你在迷宫里看到的千军万马，其实全都是“同一个人”。他同时存在于迷宫的每一个角落，这叫“量子叠加”。一旦找到终点会发生什么？啪，其他路线上的所有分身瞬间消失。唯一真正存在的那个实体，已经站在了目的地。很诡异，但这就是量子计算的工作原理。普通电脑还在算力瓶颈里打转，量子计算机是直接降维打击。无论问题规模翻多少倍，迷宫有多庞大，它面临的复杂度依然是线性的。

量子计算机到底是怎么碾压普通电脑的？走个迷宫你就懂了。传统电脑找最短路线，靠的是死磕。一条路一条路去随机试错。不把整个迷宫的所有死胡同全撞一遍，它就不敢保证自己找到的是最优解。量子计算机呢？它一开始也只派一个人进去。但每遇到一个岔路口，这个人就直接“裂开”，分身走上每一条新路。这让它的搜索速度快得离谱。你在迷宫里看到的千军万马，其实全都是“同一个人”。他同时存在于迷宫的每一个角落，这叫“量子叠加”。一旦找到终点会发生什么？啪，其他路线上的所有分身瞬间消失。唯一真正存在的那个实体，已经站在了目的地。很诡异，但这就是量子计算的工作原理。普通电脑还在算力瓶颈里打转，量子计算机是直接降维打击。无论问题规模翻多少倍，迷宫有多庞大，它面临的复杂度依然是线性的。

墓碑科技

59,085 просмотров • 1 месяц назад

彼得·蒂尔给硅谷泼了一盆冷水。他说，你们正在亲手毁掉自己的护城河。但硅谷没人听得进去。他们要么在争论下一个模型能不能提升20%。要么直接跳到宇宙是不是模拟出来的。完全错过了中间正在发生的巨大转变。蒂尔的直觉是什么？ AI对数学天才的打击，将远远超过玩文字的人。他预测，三到五年内，AI模型将能解开所有美国数学奥林匹克竞赛题。想一下。当一台机器能瞬间解决地球上最难的数学题。人类计算能力的经济价值还剩多少？直接归零。这背后有个巨大的历史讽刺。整个社会对数学能力的崇拜，是从法国大革命开始的。为什么？不是因为数学更高贵。而是因为当时语言能力被认为是贵族世袭的。数学，反而成了打破裙带关系、实现平等的工具。一个持续了两百年的政治意外。成了硅谷选拔人才的圣经。现在，AI要把它彻底扳回来了。最讽刺的是什么？那些用代码构建新世界的人，亲手埋葬了自己过去几十年的优势。他们一辈子，可能都在优化一个错误的技能。未来，是属于会讲故事的人的。工程师们没看到这一天。因为他们太忙于计算了。

彼得·蒂尔给硅谷泼了一盆冷水。他说，你们正在亲手毁掉自己的护城河。但硅谷没人听得进去。他们要么在争论下一个模型能不能提升20%。要么直接跳到宇宙是不是模拟出来的。完全错过了中间正在发生的巨大转变。蒂尔的直觉是什么？ AI对数学天才的打击，将远远超过玩文字的人。他预测，三到五年内，AI模型将能解开所有美国数学奥林匹克竞赛题。想一下。当一台机器能瞬间解决地球上最难的数学题。人类计算能力的经济价值还剩多少？直接归零。这背后有个巨大的历史讽刺。整个社会对数学能力的崇拜，是从法国大革命开始的。为什么？不是因为数学更高贵。而是因为当时语言能力被认为是贵族世袭的。数学，反而成了打破裙带关系、实现平等的工具。一个持续了两百年的政治意外。成了硅谷选拔人才的圣经。现在，AI要把它彻底扳回来了。最讽刺的是什么？那些用代码构建新世界的人，亲手埋葬了自己过去几十年的优势。他们一辈子，可能都在优化一个错误的技能。未来，是属于会讲故事的人的。工程师们没看到这一天。因为他们太忙于计算了。

墓碑科技

55,933 просмотров • 4 месяцев назад

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 просмотров • 2 месяцев назад

从90%到10%，CPU直接跌下神坛。黄仁勋甩出一个数据：六年前，90%的全球超算用的是CPU。现在，只剩不到15%。他被问：AI是泡沫吗？他没说Yes，也没说No。他说先搞清楚，我们正经历的，不只是AI，而是整个计算范式的迁移。不是炒作，是结构性的算力革命：传统通用计算越来越拉胯，摩尔定律也快断气了，人类为了榨取性能，只能全力上马“加速计算”。哪怕跟AI半毛钱关系没有的领域，比如SQL数据处理、用户画像、推荐系统，照样烧掉几千亿美元的算力预算。过去十年互联网运作的底层引擎，是REXIS，那些决定你刷到什么内容、推你买什么商品的推荐模型。它们已经被生成式AI替代了核心算法，跑在GPU上。而真正让人侧目的，是“智能体AI”的崛起：OpenAI、Anthropic、Gemini……这些玩意就是叠在庞大的算力基础之上的金字塔尖。所以，对黄来说，这早就不是AI热潮是不是泡沫的问题。他强调的是：这是工业级算力需求的塌方式增长，是从通用计算向加速计算的迁徙。泡沫？可能有。可问题更大的是：企业如果不跟上这个迁徙，就会被时代自行清除。只是要提醒一句：别忘了，GPU垄断这场迁徙的人，是黄自己。所以他唱多，本质也是唱自己。 AI泡不泡，别只听卖铲子的说。倒是可以问一句：我们真的需要这麽多硬件，还是摁着“高质量发展”当借口搞资本大逃杀？

从90%到10%，CPU直接跌下神坛。黄仁勋甩出一个数据：六年前，90%的全球超算用的是CPU。现在，只剩不到15%。他被问：AI是泡沫吗？他没说Yes，也没说No。他说先搞清楚，我们正经历的，不只是AI，而是整个计算范式的迁移。不是炒作，是结构性的算力革命：传统通用计算越来越拉胯，摩尔定律也快断气了，人类为了榨取性能，只能全力上马“加速计算”。哪怕跟AI半毛钱关系没有的领域，比如SQL数据处理、用户画像、推荐系统，照样烧掉几千亿美元的算力预算。过去十年互联网运作的底层引擎，是REXIS，那些决定你刷到什么内容、推你买什么商品的推荐模型。它们已经被生成式AI替代了核心算法，跑在GPU上。而真正让人侧目的，是“智能体AI”的崛起：OpenAI、Anthropic、Gemini……这些玩意就是叠在庞大的算力基础之上的金字塔尖。所以，对黄来说，这早就不是AI热潮是不是泡沫的问题。他强调的是：这是工业级算力需求的塌方式增长，是从通用计算向加速计算的迁徙。泡沫？可能有。可问题更大的是：企业如果不跟上这个迁徙，就会被时代自行清除。只是要提醒一句：别忘了，GPU垄断这场迁徙的人，是黄自己。所以他唱多，本质也是唱自己。 AI泡不泡，别只听卖铲子的说。倒是可以问一句：我们真的需要这麽多硬件，还是摁着“高质量发展”当借口搞资本大逃杀？

墓碑科技

251,200 просмотров • 8 месяцев назад

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。

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 просмотров • 2 месяцев назад

卧槽！亿万富豪马克·库班直接把普通人靠 AI 翻身的底牌亮出来了！🔥 这段不到半分钟的采访，直接点醒了无数还在迷茫的年轻人。现在硅谷都在疯狂吹捧 AI 智能体（Agent）有多牛逼。但库班看到了一个极其庞大、且完全不设防的下沉市场。全美国无数的传统中小企业，甚至部分大公司，根本没有AI的技术基因。他们知道 AI 能降本增效，但他们完全不知道该怎么落地。库班直接给现在的年轻人指明了一条最粗暴的变现明路。你根本不需要是苦哈哈的计算机科班出身，也不用去大厂卷生卷死。只要你懂一点 Python，会一点云技术，自己会部署 AI 智能体。你就可以直接去敲开那些传统中小企业的大门。因为他们在 AI 面前，完全就是手无寸铁、一窍不通的待宰羔羊。帮他们接入 AI，赚取极高额的技术服务费。这就是这个时代给懂点技术的普通人，送上的最暴利的降维打击入场券！🚀

卧槽！亿万富豪马克·库班直接把普通人靠 AI 翻身的底牌亮出来了！🔥 这段不到半分钟的采访，直接点醒了无数还在迷茫的年轻人。现在硅谷都在疯狂吹捧 AI 智能体（Agent）有多牛逼。但库班看到了一个极其庞大、且完全不设防的下沉市场。全美国无数的传统中小企业，甚至部分大公司，根本没有AI的技术基因。他们知道 AI 能降本增效，但他们完全不知道该怎么落地。库班直接给现在的年轻人指明了一条最粗暴的变现明路。你根本不需要是苦哈哈的计算机科班出身，也不用去大厂卷生卷死。只要你懂一点 Python，会一点云技术，自己会部署 AI 智能体。你就可以直接去敲开那些传统中小企业的大门。因为他们在 AI 面前，完全就是手无寸铁、一窍不通的待宰羔羊。帮他们接入 AI，赚取极高额的技术服务费。这就是这个时代给懂点技术的普通人，送上的最暴利的降维打击入场券！🚀

比特币橙子Trader

295,390 просмотров • 3 месяцев назад

是算力不够用，被卡住了脖子。算力缺口到底有多大？ AMD的CEO苏姿丰，给了几个数字。她说，未来4-5年，全球AI算力需要增长100倍。 100倍是什么概念？她造了个新词：Yottaflop。 1后面跟着24个零。地球上所有沙滩的沙子数量，大概是1后面22个零。用来驱动AI的算力，将比地球上所有的沙子还多。这些算力要用来干什么？她说，为了让AI无处不在。渗透进每个人的工作和生活。提高所有人的生产力。这里的关键问题是，谁来定义“生产力”？是华尔街的精英，还是俄亥俄的普通工人？是达沃斯论坛，还是美国的铁锈带？ AI的进化方向，不应该只由硅谷的几家巨头决定。这种巨大的算力，如果集中在少数人手里，到底是赋能，还是控制？我们是在创造一个辅助人类的工具，还是在打造一个数字上帝？技术狂飙的背后，谁在制定规则？谁又在真正受益？这些问题，比Yottaflop后面有多少个零，重要得多。

是算力不够用，被卡住了脖子。算力缺口到底有多大？ AMD的CEO苏姿丰，给了几个数字。她说，未来4-5年，全球AI算力需要增长100倍。 100倍是什么概念？她造了个新词：Yottaflop。 1后面跟着24个零。地球上所有沙滩的沙子数量，大概是1后面22个零。用来驱动AI的算力，将比地球上所有的沙子还多。这些算力要用来干什么？她说，为了让AI无处不在。渗透进每个人的工作和生活。提高所有人的生产力。这里的关键问题是，谁来定义“生产力”？是华尔街的精英，还是俄亥俄的普通工人？是达沃斯论坛，还是美国的铁锈带？ AI的进化方向，不应该只由硅谷的几家巨头决定。这种巨大的算力，如果集中在少数人手里，到底是赋能，还是控制？我们是在创造一个辅助人类的工具，还是在打造一个数字上帝？技术狂飙的背后，谁在制定规则？谁又在真正受益？这些问题，比Yottaflop后面有多少个零，重要得多。

墓碑科技

50,534 просмотров • 6 месяцев назад

为什么高学历的知识分子，往往热衷于最糟糕的社会实验？哈耶克早就看透了这群人。他们大脑里有一种致命的傲慢。只要是他们无法理解的东西，就一律被判定为荒谬。在这些精英眼里，“理性”有一个绝对的前提。那就是必须能被他们的智商完全解构。传统习俗太复杂，市场自发运转看不见摸不着。既然算不出来，那就是不理性的。他们本能地排斥所有无法被写进计划书的规则。这就解释了为什么他们如此迷恋权力。无论是华盛顿的建制派官僚，还是大洋彼岸的计划经济操盘手。他们总觉得自己能用几张表格规划几亿人的生活。千万人的自由交易在他们看来就是无序的混乱。他们要打碎一切自发秩序，换上自己设计的精密牢笼。人类社会的底座，恰恰建在那些无法被轻易算计的常识之上。真正的智慧，是承认理性的边界。妄图扮演上帝的人，最后都造出了地狱。

为什么高学历的知识分子，往往热衷于最糟糕的社会实验？哈耶克早就看透了这群人。他们大脑里有一种致命的傲慢。只要是他们无法理解的东西，就一律被判定为荒谬。在这些精英眼里，“理性”有一个绝对的前提。那就是必须能被他们的智商完全解构。传统习俗太复杂，市场自发运转看不见摸不着。既然算不出来，那就是不理性的。他们本能地排斥所有无法被写进计划书的规则。这就解释了为什么他们如此迷恋权力。无论是华盛顿的建制派官僚，还是大洋彼岸的计划经济操盘手。他们总觉得自己能用几张表格规划几亿人的生活。千万人的自由交易在他们看来就是无序的混乱。他们要打碎一切自发秩序，换上自己设计的精密牢笼。人类社会的底座，恰恰建在那些无法被轻易算计的常识之上。真正的智慧，是承认理性的边界。妄图扮演上帝的人，最后都造出了地狱。

战斗室

145,301 просмотров • 3 месяцев назад

1983年，28岁的乔布斯，就已经把今天AI最核心的困局给看穿了。那时候连个像样的个人电脑都还没普及，他就指出了一个事实。他说，电脑和人脑，走的是完全相反的两条路。传统的电脑，是从1940年代的底子发展来的。它们的设计初衷，是把极度简单的事情，做到绝对精准。但人脑恰恰相反。人脑的计算精度烂得一塌糊涂，连个十几位数的乘法都算不利索，却能极其轻松地处理这个混乱、复杂的真实世界。怎么破局？乔布斯当时就说，得砸掉1940年代的旧图纸，直接去抄人脑的作业。去研究非冯·诺依曼架构，去模拟大脑的工作方式。但这只是技术架构上的模仿，真正的硬骨头在后面。也就是那堵至今没人翻过去的墙：自我意识。乔布斯说，据我们所知，没有任何一台电脑，甚至任何一个高等灵长类动物，曾说过一句： “我正在思考（I am thinking）。” 它们能运算，能做出反应，但它们没有“自我”。这也引出了AI领域的终极拷问：机器能产生自我意识吗？或者更诚实、更残酷一点：我们人类自己，到底是不是也只是一台极其精密的、高级的生物机器？这就是为什么无数顶尖天才，愿意把一生中最黄金的时光，砸在这个行业里。乔布斯在1983年下了个赌注：在我们有生之年，这个终极答案一定会水落石出。

1983年，28岁的乔布斯，就已经把今天AI最核心的困局给看穿了。那时候连个像样的个人电脑都还没普及，他就指出了一个事实。他说，电脑和人脑，走的是完全相反的两条路。传统的电脑，是从1940年代的底子发展来的。它们的设计初衷，是把极度简单的事情，做到绝对精准。但人脑恰恰相反。人脑的计算精度烂得一塌糊涂，连个十几位数的乘法都算不利索，却能极其轻松地处理这个混乱、复杂的真实世界。怎么破局？乔布斯当时就说，得砸掉1940年代的旧图纸，直接去抄人脑的作业。去研究非冯·诺依曼架构，去模拟大脑的工作方式。但这只是技术架构上的模仿，真正的硬骨头在后面。也就是那堵至今没人翻过去的墙：自我意识。乔布斯说，据我们所知，没有任何一台电脑，甚至任何一个高等灵长类动物，曾说过一句： “我正在思考（I am thinking）。” 它们能运算，能做出反应，但它们没有“自我”。这也引出了AI领域的终极拷问：机器能产生自我意识吗？或者更诚实、更残酷一点：我们人类自己，到底是不是也只是一台极其精密的、高级的生物机器？这就是为什么无数顶尖天才，愿意把一生中最黄金的时光，砸在这个行业里。乔布斯在1983年下了个赌注：在我们有生之年，这个终极答案一定会水落石出。

墓碑科技

10,834 просмотров • 14 дней назад

川普的专机，降落在北京。这不是普通的访问，是47任总统的意志重返东亚。停机坪上挤满了人，他们在等待一个真正的强者。这不是礼节性的表演，是实力对比后的必然。几十年前，这里曾试图通过旧有的经济模式主导一切。但历史的算法从不骗人，当关税变成了杠杆，当制造业开始重塑边界，旧的模式正在加速崩塌。这种场景并不陌生。围棋里讲究势，当势头转向更有活力的生产力时，弱者只能选择跟进。川普从不讲虚伪的官僚辞令，他只讲筹码、规则和纳税人的利益。在北京的地面上，这种敬畏感是真实的。这不仅是对一位领导人的尊重，更是对那种以实力求和平、以效率求发展的MAGA逻辑的某种默认。2026年的地缘平衡，在空军一号轮子触地的那一刻，已经完成了重构。每一个细节都在传递一个信号：那个以实力为基础的时代，已经锁定了全局。

川普的专机，降落在北京。这不是普通的访问，是47任总统的意志重返东亚。停机坪上挤满了人，他们在等待一个真正的强者。这不是礼节性的表演，是实力对比后的必然。几十年前，这里曾试图通过旧有的经济模式主导一切。但历史的算法从不骗人，当关税变成了杠杆，当制造业开始重塑边界，旧的模式正在加速崩塌。这种场景并不陌生。围棋里讲究势，当势头转向更有活力的生产力时，弱者只能选择跟进。川普从不讲虚伪的官僚辞令，他只讲筹码、规则和纳税人的利益。在北京的地面上，这种敬畏感是真实的。这不仅是对一位领导人的尊重，更是对那种以实力求和平、以效率求发展的MAGA逻辑的某种默认。2026年的地缘平衡，在空军一号轮子触地的那一刻，已经完成了重构。每一个细节都在传递一个信号：那个以实力为基础的时代，已经锁定了全局。

墓碑科技

33,339 просмотров • 2 месяцев назад

黄仁勋摊牌了。他说，没有AI，英伟达已经造不出新芯片。为什么？因为芯片设计的可能性太多，像个无穷的迷宫。让人去探索，成本高得吓人，根本不现实。现在他们怎么做？晚上工程师下班，AI大军开始上班。在虚拟世界里，AI不眠不休地测试海量的设计方案。找出最优解。结果就是，芯片性能更高，能耗更低。这套玩法还用在软件上。写代码，优化，甚至抓Bug，现在都交给AI。 AI不仅能发现代码里的问题。还能直接找到最该为这个Bug负责的工程师，然后派单给他。黄仁勋的目标是把英伟达变成一个巨型AI。技术上这确实是巨大飞跃。但一个问题浮现了。当设计、优化、甚至纠错都由AI主导时，人类工程师的角色是什么？他们是在指挥AI，还是在给AI的决策打补丁？如果一家公司的核心竞争力，变成了训练和使用AI的能力，那么人的创造力、直觉和经验，在价值排序里还剩多少？长期看，这会不会掏空一个国家最宝贵的智力资产，也就是顶尖工程师的实战能力。依赖AI的捷径，会不会最终通向另一条被技术锁死的窄路？

黄仁勋摊牌了。他说，没有AI，英伟达已经造不出新芯片。为什么？因为芯片设计的可能性太多，像个无穷的迷宫。让人去探索，成本高得吓人，根本不现实。现在他们怎么做？晚上工程师下班，AI大军开始上班。在虚拟世界里，AI不眠不休地测试海量的设计方案。找出最优解。结果就是，芯片性能更高，能耗更低。这套玩法还用在软件上。写代码，优化，甚至抓Bug，现在都交给AI。 AI不仅能发现代码里的问题。还能直接找到最该为这个Bug负责的工程师，然后派单给他。黄仁勋的目标是把英伟达变成一个巨型AI。技术上这确实是巨大飞跃。但一个问题浮现了。当设计、优化、甚至纠错都由AI主导时，人类工程师的角色是什么？他们是在指挥AI，还是在给AI的决策打补丁？如果一家公司的核心竞争力，变成了训练和使用AI的能力，那么人的创造力、直觉和经验，在价值排序里还剩多少？长期看，这会不会掏空一个国家最宝贵的智力资产，也就是顶尖工程师的实战能力。依赖AI的捷径，会不会最终通向另一条被技术锁死的窄路？

墓碑科技

285,316 просмотров • 5 месяцев назад

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？

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 просмотров • 5 месяцев назад

马斯克大的要来了！正式公布了一个超级大项目 Terafab 全称是 Tesla + SpaceX + xAI 联合芯片超级工厂这一次，又是把第一性原理发挥到了极致 AI 算力不够我们就自己开厂！ Tera：代表 Terawatt 太瓦，也就是 1万亿瓦（10¹² W）的计算能力/年全世界人类目前所有AI芯片加起来，一年能提供的计算能力大概只有 Terafab 的1/50 要殖民火星、建月球基地、在太空搞巨型计算、星际文明这些都需要巨量算力所以 Terafab 不只是 Tesla 的芯片厂更是为了整个人类多行星文明！

马斯克大的要来了！正式公布了一个超级大项目 Terafab 全称是 Tesla + SpaceX + xAI 联合芯片超级工厂这一次，又是把第一性原理发挥到了极致 AI 算力不够我们就自己开厂！ Tera：代表 Terawatt 太瓦，也就是 1万亿瓦（10¹² W）的计算能力/年全世界人类目前所有AI芯片加起来，一年能提供的计算能力大概只有 Terafab 的1/50 要殖民火星、建月球基地、在太空搞巨型计算、星际文明这些都需要巨量算力所以 Terafab 不只是 Tesla 的芯片厂更是为了整个人类多行星文明！

Annie 所长

36,273 просмотров • 3 месяцев назад

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。

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 просмотров • 4 месяцев назад