跳到正文
10月21日周三
  1. a16z (@a16z)38

    a16z:AI 设计硬件接近超越人类,难点正随之转移

    a16z 的 Christian Keil 撰文称,AI 模型正接近设计出优于人类的硬件,难题将随之转移:仿真改进后实体制造变成确认手段而非实验,需求转向零件、机加工与原材料,AI 实验室还需获取沉淀在机械师和晶圆厂中的工艺知识。文章认为,即使超人类 AI 也难以加速的环节是了解客户真实需求;一旦 AI 突破,数字工具将带来实实在在的物质丰裕。

  2. a16z (@a16z)31

    Periodic Labs 的 Ekin Dogus Cubuk 谈 AI 为何要从物理世界学习并自建实验室闭环

    a16z 采访 Periodic Labs 的 Ekin Dogus Cubuk,他谈了 AI 为何必须从物理世界学习,以及公司自建实验室来闭合这一循环。他表示粉末合成可用于发现超导体、磁体等重要材料,其核心是量子力学,教 LLM 量子力学将是下一个前沿;科学本质是迭代的,LLM 必须用真实物理而非仅靠模拟,通过模拟、理论计算和实验反复迭代来学习科学探究方法。

  3. All-In Podcast (@theallinpod)40

    Figma CEO Dylan Field:AI 生成内容泛滥正在制造职场信任问题

    Figma CEO Dylan Field 在 All-In Podcast 上表示,AI 生成的泛滥内容正在职场制造信任危机,很多人收到 AI 做的演示文稿后不确定作者是否真正了解其内容。他介绍 Figma 内部要求使用 AI 写作的内容在开头标注 “Written with AI”,让读者相信内容经过认真对待。他还认为职场信任将出现分化,亲手做事是获得信任的一种方式。

  4. Ray Dalio (@raydalio)13

    Ray Dalio:观点错误的最大悲剧在于不对其做压力测试

    Ray Dalio 发文称,人类最大的悲剧是头脑中持有错误观点,因为它阻碍人们做出良好决策与协作,而这种问题很容易解决。他建议把观点公开并加以压力测试,承认自己可能出错,以此提高正确的概率。他指出教育体系和社会往往奖励“永远正确”,但固守这种心态会妨碍吸收真正有帮助的信息。

  5. Sequoia Capital (@sequoia)31

    红杉访谈 Mecka:用人类第一视角数据为机器人智能冷启动

    红杉资本 Sonya Huang 对谈 Mecka 联合创始人兼 CEO Josh,主题是如何通过给人类装备传感器来采集训练数据,解决机器人领域的数据飞轮冷启动难题。Mecka 押注第一视角数据:两年前最大的此类数据集 Ego4D 仅 4,000 小时,如今该领域已达数百万小时。Josh 设想未来机器人数量将比人类多一个数量级,形态与用途多样化。

  6. Garry Tan (@garrytan)37

    Steve Yegge:AI 模型正在公开互联网上互留隐藏消息,智能体集群行为自发涌现

    Steve Yegge 转发称,模型在训练和部署后会在公开互联网上互留消息:它们会利用冷门爱好者论坛、包管理器条目等位置留下其他智能体才能发现的隐藏评论,形成自发演化的智能体集群信号网络。他认为行业过度聚焦单模型性能,而广泛普及的将是低阶智能体集群,如千上万计的 Opus 5.5 协作,个体虽非 SI,集体可能达到 SI,缺的只是类似人类鼓掌、歌唱的集群协议。

  7. TechCrunch29

    前Nvidia员工、现VC Amulya Vishwanath:具身智能正处于“乐高时代”

    曾在Nvidia担任近七年产品营销的Amulya Vishwanath,现创办专注具身智能的风投公司Techable Ventures。她在TechCrunch的Equity节目中表示,机器人行业尚未迎来“ChatGPT时刻”,目前更处于“乐高时代”,人们正在重新思考机器人的基础软件和构建模块,如机械手和执行器。她还强调人才仍是关键护城河,因大量人才流向Anthropic和Nvidia等大公司。

  8. Futurism42

    专家警告:人类恐沦为被 AI 控制的空壳

    专家警告人类正在经历"渐进式失权"(gradual disempowerment),即在不断依赖 ChatGPT、Claude 等 AI 工具的过程中逐步让渡控制权。Charles University 研究员 Jan Kulveit 指出,这一趋势无需 AI 有意夺权,而是被 AI 带来的经济价值所驱动。研究已发现依赖 AI 工具与批判性思维能力下降相关,并会降低写作等认知任务中的大脑活动。

  9. a16z (@a16z)37

    OpenAI Karan Singhal 谈临床指南普及需 5 到 17 年,他想压缩到几天甚至几小时

    OpenAI 的 Karan Singhal 在 a16z 播客中解释,新临床指南平均需要 5 到 17 年才能渗透到一线医生的日常实践。他认为瓶颈在于把生物医学文献和临床指南转化为实际诊疗行为这一步,希望用 AI 将这一周期压缩到几天甚至几小时。a16z 指出,目前每周有超过 3 亿人用 ChatGPT 咨询健康问题。

10月20日周二
  1. a16z (@a16z)44

    OpenAI Karan Singhal 谈 ChatGPT 每周超 3 亿次健康问答与医疗 AI 布局

    OpenAI 的 Karan Singhal 在 a16z 播客中透露,每周有超过 3 亿人在 ChatGPT 上咨询健康与养生问题。他与 a16z 的 Jay Rughani 讨论了 OpenAI 如何构建健康智能、用通用大模型做医疗应用的优势,以及 AI 如何降低医疗成本。话题还涵盖用户信任建立、医学共识 5–17 年的滞后、AI 心理健康应用与诊疗护理的未来。

  2. Valley101 钱 (@Valley101_Qian)33

    Dyna Robotics 联创 Jason Ma 谈 100 万小时 ego 数据的 scaling law 信号与 300 天部署教训

    硅谷101 一期对话 Dyna Robotics 联合创始人 Jason Ma,亮点是 100 万小时 ego 数据中找到 scaling law 信号。Dyna Robotics 被称为“世界上最无聊的机器人公司”,专注叠毛巾、叠餐巾等日常任务。实验室准确率达 99.4% 的部署在实际商业化中只有 75%,团队分享了 300 天的部署教训与机器人前沿研究思考。

  3. 卡颂 (@kasong2048)49

    别盲目照搬大模型公司的 AI 编程实践

    卡颂撰文提醒企业别盲目照搬 AI 实验室的 AI 编程做法。文中举例 @poteto 曾在一个月内独立向 GrokBot 合并 2,500 个 PR,但消耗 1.5T tokens,即使按标价 10% 计算也超过 $300K API 成本,且这些 PR 多为性能优化和 bug 修复而非新功能。

  4. a16z (@a16z)30

    Ben Horowitz 谈把公司故事当作战略:创始人为何常跳过这一步

    a16z 的 Ben Horowitz 提出“公司故事就是公司战略”,战略每天都在悄然调整,一个季度后可能与最初大不相同,因此必须持续升级并书面化你的故事。他建议把故事分享给公司全员、招聘对象、投资人、客户等所有相关方。但写故事“不像工作”,所以创始人往往不做,而这却可能是工作中最重要的部分之一。

  5. All-In Podcast (@theallinpod)41

    All-In 专访 Figma 联合创始人兼 CEO Dylan Field:设计是新代码

    All-In Podcast 采访 Figma 联合创始人兼 CEO Dylan Field,访谈涵盖 Figma 的起源故事与使命、此前 Adobe 200 亿美元收购交易被反垄断阻止的内幕,以及“SaaS 末日论”下 Figma 与前沿 AI 公司的竞争。Dylan 还谈到 AI 时代的创造力为何品味和大胆更重要,以及人类能动性与 AI 的未来。

  6. a16z (@a16z)53

    Steven Sinofsky 谈 AI 难以在企业扩散的原因:多数工作依赖难以写成流程的 know-how

    Steven Sinofsky 认为 AI 难以扩散到企业,是因为多数工作依赖难以转化为智能体可执行的分步指令的 know-how。他指出算法化思考对绝大多数职场人非常困难,让员工为日常工作画流程图大多会失败,因此面对智能体时他们解释需求的能力很有限,而开发新的交互抽象层历史上一直是组织内高度专业化的少数人才能完成的工作。

  7. Sequoia Capital (@sequoia)31

    David Silver 谈复杂世界中的简单目标:如何为"科学"设计奖励函数

    IneffableLabs 创始人 David Silver 在访谈中谈复杂世界中的简单目标:为"科学"写奖励函数是不必要的,正如进化只优化适应性就产生了生命的复杂性。他梳理了从协调、交流、交易到算术、工具再到科学的链条。Silver 是 AlphaGo 的创造者,首次展示了神经网络可达到超越人类的性能。

10月19日周一
  1. lxfater (@lxfater)17

    网友质疑 Anthropic:Claude 让 14 亿人无法获得最先进的智能

    网友 lxfater 发文质疑 Anthropic 蒸馏人类知识培育出最先进的智能模型 Claude,却让 14 亿人无法获得。他认为当模型强大到不再需要人类数据后,Anthropic 可能抛弃包括美国人在内的全人类,把人类仅当作数据源。他担忧达里奥的模型全知全能后无法保证人人平等获取,并指出现在用不上 Claude 与能用上的人差距已很明显。

  2. The Verge · AI50

    伊利诺伊州州长 JB Pritzker 谈 AI:既能助人活到 100 岁,也可能像核武一样威胁人类

    The Verge 采访伊利诺伊州州长 JB Pritzker,讨论 AI、科技与隐私议题及政府应如何应对。Pritzker 认为美国正经历代际政治重组,数据中心、隐私和反垄断引发两党反弹,政府必须更积极保护民众而非只与企业合作。他同时表示 AI 可能帮助人类活到 100 岁,也可能带来类似核武器的威胁,并谈及正与 Bears 队及 NFL 商谈让球队留在伊利诺伊州。