微博 AI 观察博客

原文

OpenAI 称 AI 推翻计算机科学的“指数时间假设”，还证出杨-米尔斯理论存在，外部专家组开始核查OpenAI 10 月 26 日宣布，内部模型在数学、计算机、物理上各拿出一项成果，其中两项碰的是几十年的难题。这些都还是 OpenAI 的说法，没经过同行评审，截至发稿也没有参与核查的专家公开评价结论对错。【计算机：一条被当作地基的假设】“可满足性问题”是这样一类题：给你一堆“A 和 B 至少一个为真”之类的条件，问能不能让它们同时成立。每多一个变量，要试的组合就翻一倍。1999 年 Russell Impagliazzo 和 Ramamohan Paturi 提出“指数时间假设”（ETH）：这类题没有本质上更快的解法，耗时注定翻倍式增长。几百篇论文拿它当前提，论证很多问题“快不了”。OpenAI 公开的论文给出一个新算法，依然很慢，但耗时增长得比 ETH 断言的慢，这就足以推翻它。它没有证明“所有难题都有快速解法”（P=NP），OpenAI 也说变成实际提速还要大量研究。OpenAI 说证明已用 Lean 检查过。Lean 是一种证明检查程序，把证明拆成最小步骤逐条核对，错一步就不通过。论文和 Lean 代码都在 GitHub 上，任何人能复核。核查小组由 Impagliazzo、Paturi 和 MIT 的 Ryan Williams 牵头。【物理：千禧年难题的一半】量子色动力学（QCD）描述夸克和胶子怎样靠“强力”粘成原子核，计算和实验对得上，但没人用数学严格证明过它能成立。它的简化版“杨-米尔斯理论”是克雷数学研究所悬赏 100 万美元的千禧年难题。OpenAI 称模型 9 月写出了两者存在的证明，10 月中旬完成 Lean 检查。不过这道千禧年难题要证两件事：理论存在，以及最轻的粒子也有质量（“质量间隙”）。OpenAI 只说做了前一件。物理材料暂不公开，由诺贝尔奖得主 David Gross 带队的专家组先自己写成论文，外界目前没法检查。【数学：Kakeya 猜想推到所有维度】Kakeya 问题问的是：一个图形要能放下指向每个方向的单位线段，最少多大。面积能小到接近零，但数学家猜它在“维度”上总是满的。2025 年王虹和 Joshua Zahl 证了三维。OpenAI 称模型证明了一个更强的猜想，顺带拿下所有维度，论文和 Lean 证明已直接公开。【为什么换了发布方式】9 月 OpenAI 宣布解决纳维-斯托克斯千禧年难题，有数学家说撞上自己未公开的研究，引发署名之争；10 月 6 日它一口气发了 722 篇 AI 论文，次日因错误撤回 3 篇。这次改请外部专家牵头：不签保密协议，OpenAI 不要学术署名，专家无偿独立参与。OpenAI 原文：网页链接论文与 Lean 证明：网页链接

转发者评论

无明显转发评论

• 厉害了 //@马少平THU:虽然还没有证明P=NP，如果结果是正确的，也说明所有所有NPC都存在亚指数算法//@退而思之xyq:问了一下 Gemini， 它是第一个 NPC 问题，OpenAI 的新算法宣称找到了一个增长速度介于“多项式”和“标准指数 2^o(n)之间的亚指数（Subexponential）算法。它虽然打破了 ETH 预设的“纯指
• 虽然还没有证明P=NP，如果结果是正确的，也说明所有所有NPC都存在亚指数算法//@退而思之xyq:问了一下 Gemini， 它是第一个 NPC 问题，OpenAI 的新算法宣称找到了一个增长速度介于“多项式”和“标准指数 2^o(n)之间的亚指数（Subexponential）算法。它虽然打破了 ETH 预设的“纯指数下界”，但其复杂度
• 可满足性问题是NPC吧？这样的话既然可满足性问题存在快速算法，不就是所有NPC都存在快速算法吗？还是我理解的有问题？

原文

# Thorsten Ball：我是如何与 AI Agent 协作的*——截至 2026 年 10 月*Thorsten Ball 是一位德国软件工程师、技术作家，也是 AI 编程 Agent 产品 Amp 的联合创始人及共同开发者。他曾先后在 Sourcegraph 和 Zed 工作，长期关注编程语言、编译器、开发者工具以及软件工程效率。**1. 只用最新、最强的模型（Use the latest and greatest models）**除此之外，其他选择都可能是在浪费时间。如果一个模型有 10% 的概率出错，你并不知道具体是哪 10%，所以最后往往需要反复尝试。想想看，你什么时候会愿意雇一个便宜 50%、但能力随机下降 20% 的通才？现在还有谁在用 Opus 4.5？答案不言自明。**2. 别再担心 AI 会不断制造垃圾代码（Stop worrying about accumulating slop）**有人说：“AI 会把你的代码库变成一团无法维护的烂摊子。”六个月前，这种说法也许成立。但现在？我甚至不确定 AI 还会不会制造那么多垃圾代码。即使确实会，我也不认为最终产物就一定难以维护。**3. 告诉 Agent「要做什么」，而不是「怎么做」（Prompt the What, not the How）**描述你想要的结果，而不是你自己打算如何实现它。这样往往能得到更好的效果。例如：“让字节码编译器和虚拟机的性能达到极致。在速度提升到原来的两倍之前，不要停下来。”或者：“这是我希望系统最终呈现的工作方式。”关键是定义目标，而不是提前规定实现路径。**4. 让 Agent 看得见整个软件开发生命周期（Make the whole SDLC legible to the agent）**是什么让 Agent 不再频繁产生幻觉？是工具调用（Tool Calls）。工具让 Agent 能够真正接触现实世界。如果 Agent 看不到某些东西，它就可能凭空编造。因此，要让 Agent 能够端到端运行自己构建的系统，读取生产环境日志、执行部署、监控灰度发布、正式发布版本、切换功能开关、分析和处理 Bug 报告，甚至给客户发送邮件。原则很简单：**凡是你能看到的信息，Agent 也应该能够看到。****5. 为 Agent 提供覆盖整个开发生命周期的工具（Give it tools for the SDLC）**我们开发了自定义插件，让 Agent 能够处理：- Bug 报告- 向用户发送邮件- 检查系统是否健康运行- 为用户开通功能开关（Feature Flags）这些工具让 Agent 不再只是写代码，而是能够参与完整的软件交付流程。**6. 评测 Agent 是否真正利用了沉淀的知识（Eval agentic knowledge）**知识会不断积累在代码库…

转发者评论

无明显转发评论

• @JacksonBarry21

原文

今天听说一个让我震惊的消息。我大约在2019年就关注徽剑这个公众号了，24年他突然不更新了，甚至全部文章消失，我开始也没太留意。再后来，我偶然听说他被抓了，一直失联。那一年，他写文章首个揭露了柬埔寨大的电诈头目和黑帮头目刘忍。刘忍当年在明面上和陈志一样，是在柬埔寨的正经华商形象，自然不想被大陆自媒体公布真实行径和面目。刘忍通过中间人联系他，试图花钱让他删文章，他拒绝。此后徽剑被几个“警察”从停车场带走。当时普遍统一的说法是，刘忍在国内报警，控告他敲诈勒索和诽谤之类，他就被抓了。现在你问AI，也是这么说的。在那以后，他的人一直失联，公众号所有文章消失。前不久央视报道陈志、刘忍等人被抓回国，我还想这下可以还徽剑清白了吧，但怎么媒体还是联系不上他，公号还不发文章呢？但今天我才知道，原来徽剑已经被人杀害了！在一个停车场带走他的人，是三个伪装成警察的杀手。为首的赵冰在飞机上领到一个叫“少校”的人的任务：一百万绑架他、删掉文章并逼问提供信息的线人是谁。赵冰又纠集了几个人作案。他们跟踪他，趁他在一个大卖场下车从后备箱取东西时将他绑架。他们先在广东荒郊野外虐待拷问他，抢走手机，删掉文章。后把他手机交给少校派来拿的人。最后他们把人带到江西的山上殴打致死。尸体被抛在野外，后被村民发现。他被带走时可能有目击者看到穿假警服的人，再加上刘忍他们故意放假消息，从此以讹传讹，传成他涉嫌违法被警方拘捕。这些罪犯和他无冤无仇，这么做只为了一百万悬赏，五个人分别分到40万到10万不等。其中为首的两人已被判死刑。而在飞机上直接雇佣他们的“少校”一直没被抓到，更别说证明少校背后主谋是谁。一直觉得国内很安全，没想到光天化日下公共场合也会发生这种事。监控什么都只能吓住那些怕死的罪犯，却防不住为了钱不要命的暴徒。国内管控严，相比其他国家够安全了，所以这五个人能落网。要是放其他监控少的国家，我都怀疑能不能查清楚怎么回事。电诈这行的财富太惊人了，钱到了这个规模基本什么都能买到。只要有钱，不仅可以买到徽剑的车牌号和住址，在飞机群里可以买到国内的垃圾人干各种违法犯罪的事。

转发者评论

确实没想到会到我国境内来搞这种恶性谋杀//@一条悠闲懒散的鱼:这可是在国内，居然还会发生这种事……

• //@zhtttyzhttty:我艹，这种事情真是让我对国内的安全产生颠覆性的认知，以前也就罢了，我是83年生人，以前有多乱我是真看到过，现在，二十一世纪的中国国内还会发生这种事情，简直难以想象，电诈根本就不是所谓电诈了，这是恐怖组织啊，是以买卖人类为目的的恐怖组织，其恶劣程度甚至超过了毒品！！！
• 我艹，这种事情真是让我对国内的安全产生颠覆性的认知，以前也就罢了，我是83年生人，以前有多乱我是真看到过，现在，二十一世纪的中国国内还会发生这种事情，简直难以想象，电诈根本就不是所谓电诈了，这是恐怖组织啊，是以买卖人类为目的的恐怖组织，其恶劣程度甚至超过了毒品！！！！//
• 确实没想到会到我国境内来搞这种恶性谋杀//@一条悠闲懒散的鱼:这可是在国内，居然还会发生这种事……

原文

微软向约 6 万名员工提供自愿离职补偿，约占全员四分之一，12 月初前决定微软 10 月 26 日（周一）给美国、加拿大、英国和印度部分团队的员工发了一份“自愿离职邀约”：愿意走的人，可以拿一笔相当于标准遣散费的补偿离开。符合条件的大约 6 万人。消息由 Bloomberg 先报出，微软随后在官方博客公布了首席人力官 Amy Coleman 的内部信，并向 GeekWire 确认了 6 万这个数字。6 万人占多少？微软年报显示，截至今年 6 月 30 日，全职员工 22.3 万人。6 万除以 22.3 万约等于 27%，和流传的“约 27%”对得上。不过 22.3 万是 7 月裁员之前的数字，按现在的人数算，比例会再高一点（这是我按公开数字推算的）。【谁能拿到】要同时满足三个条件。所在国家是美国、加拿大、英国或印度；所在团队参加了这个计划，内部信说参不参加要看各业务的优先级、对客户的承诺和人手需求；职级在微软内部 70 级及以下。70 级包括总经理和部分挂“副总裁”头衔的人，但不包括“企业副总裁”（CVP，微软更高一级的高管）。所以“副总裁及以下都能拿”的说法不够准确，准确说法是部分副总裁也在范围内。不看年龄，不看工龄，也不看绩效。哪些团队在名单上，微软没有公开。The Verge 引述知情人士说，Copilot、CoreAI、Windows 与设备、Xbox、财务和人力资源团队的员工都能申请；Cloud + AI、Microsoft AI 等部门部分参加；销售、市场、安全、量子计算等部门不参加。【能拿到什么】补偿和标准遣散费相当：按工龄和职级给一笔工资，股票继续按原计划到账，保留一段时间的医疗保险，再加职业转型服务。符合条件的员工会收到邮件，12 月第一周前做决定。据 Business Insider 看到的备忘录，接受的人在年底离开。【这算裁员吗】走不走由员工自己选，所以不算裁员。但微软也说，这个计划不能替代裁员，之后还裁不裁，要看业务情况。微软发言人表示，这不代表公司需要更少的人；据 Investing.com 转述，即使员工接受了邀约，公司仍可能设法留住顶尖人才。微软没有预测会有多少人接受，只说比例会比春季那次低得多。今年春天，微软第一次推出自愿退休计划，只面向美国、年龄加工龄达到门槛的员工，约 8750 人符合条件，约 30% 接受了，微软为此计入 9 亿美元费用。那次还多给了延长的医疗保险，这次没有。【为什么是现在】Bloomberg 把这次邀约称为微软最新一轮降本措施。微软正在 AI 数据中心上大量投钱，同时持续压缩人员开支：今年 7 月裁了 4800 人，其中 Xbox 约 3200 人；9 月又裁了几百人；2025 年全年裁员超过 1.5 万人。Amy Coleman 在内部信里说，这个计划让参加的部门“多了一种方式，让团队人员适应不断变…

转发者评论

无明显转发评论

• 回复@用户7998993849:确实有从微软中国转到西雅图然后碰上裁员这种事，但如果说微软是为了省裁员补偿这么折腾一下，那不是扯淡的么，转过去花的律师费+安家费+发的美国工资+裁员补偿远超过直接在国内裁掉给补偿的钱//@用户7998993849:回复@老石Ronnie:独立思考个啥啊，我两个大学的同班同学都是这么被
• 回复@2026城贰:那是假新闻，真要把员工弄到美国去成本不低；微软这个新闻不是裁员，类似于让自愿离职，算很厚道了。当然以后怎么样谁也不知道//@2026城贰:那个把中国员工骗去美国工作然后辞退按照美国标准一分钱不补偿的是不是微软？
• 27%这个比例，应该是创纪录了。

原文

「从零手写推理大模型：11小时硬核实战课」Sebastian Raschka 带来了他的新书配套视频课，共8讲、超11小时纯代码实操，用 Python 和 PyTorch 带大家摸清推理模型的底层机理。课程选用轻量级 Qwen3 作为基座，从编写答案验证器与 MATH-500 评估流程切入，逐步实现多样性采样、自一致性及自反思等推理时扩展技术；接着手把手搭起基于可验证奖励的强化学习，实现 GRPO 训练循环、策略裁剪与 KL 散度约束；最后演示如何借助大模型完成知识蒸馏。内容完全聚焦动手落地，想吃透现代 Agent 核心引擎实现细节的朋友值得跟练：magazine.sebastianraschka.com /p/building-reasoning-models

转发者评论

无明显转发评论

原文

腾讯开源了一个同声传译模型地址：github.com/Tencent-Hunyuan/Hy-SimulMT/中英互译、音色克隆、3秒延时“Hy-SimulMT 是腾讯混元推出的实时同声传译大模型，支持中文与英文之间的双向语音到语音翻译。说话人的音频可以持续输入，模型边听边译，同步给出译文文字与语音，并支持实时音色克隆，在准确传达信息的同时保留说话人的声音特点。面向会议、演讲与访谈等实时交流场景，Hy-SimulMT 希望在准确传达信息的同时，减少等待对交流节奏的影响。围绕这一目标，我们结合公开基准测试、真实场景音频和专业同传译员对照，评估模型在翻译质量与响应速度之间的平衡。在本次 RealSI 长音频评测中，Hy-SimulMT 的 StreamLAAL 约为 3 秒，为图示参评系统中的最低值；GEMBA 得分高于所对比的开源模型，并超过五个商业 API 中的四个。”

转发者评论

无明显转发评论

原文

分享昨天给研究生上课用的一套关于AI编程的完整Slides：《Vibe Coding：从“代码能跑”到“结果可信”》它不是一套“教你几个 Prompt 技巧”的课件，而是试图回答一个更重要的问题：当 AI 已经越来越会写代码，人还应该掌握什么？我用一系列非常具体的“翻车案例”来展开：• AI 生成的统计图完全正确，科研结论却错了 • Prompt 写得很长，为什么 AI 还是越做越偏 • 缺失值被悄悄处理，结果为什么会失真 • 修一个 Bug，为什么最后变成重写整个项目 • Agent 到底比普通聊天多了什么 • Context、Tools、Memory、Tests 分别解决什么问题 • 为什么“不要删文件”远远不如真正限制权限 • AI 说“测试通过了”，为什么还不能相信 • 怎样用 Spec、Test、Diff、Git、Rollback 建立可信开发闭环 • 科研代码怎样做到可复现、可审查、可交付Slides 里还系统整理了：Prompt Engineering → Context Engineering → Agent Architecture → Verification → Permission → Reproducibility以及一套我比较推荐的 AI 编程工作协议：先定义规格，再制定计划； 先建立测试，再修改代码； 修改之后独立验证； 确认可信之后再提交。越来越觉得，AI编程真正重要的并不是“以后还要不要学编程”。真正的问题是：当代码生产越来越便宜，什么能力会变得更贵？我的答案是：问题定义、系统判断、验证能力，以及为结果负责的能力。最后把 Slides 里的两句话也送给大家：代码可以不亲自写，结果必须自己负责。把执行交给 AI，把判断留给人。Slides 适合研究生课程、AI 编程入门、教师培训以及自己系统学习。欢迎转发给正在用 Cursor、Claude Code、Copilot 或各种 Coding Agent 的同学。在线浏览：aicoco.net/s/vc90

转发者评论

//@爱可可-爱生活:这是两节课的内容，一节45分钟，很多内容就希望给大家留个记忆点，大家在实践的时候能想起来参考一下就好 //@-马小虎-:陈老师，方便问一下，这个课程多长时间么？这个教程的内容信息量很大啊，而且好多需要动手实践的，我这样的估计一个礼拜都搞不定[允悲]

• //@爱可可-爱生活:这是两节课的内容，一节45分钟，很多内容就希望给大家留个记忆点，大家在实践的时候能想起来参考一下就好 //@-马小虎-:陈老师，方便问一下，这个课程多长时间么？这个教程的内容信息量很大啊，而且好多需要动手实践的，我这样的估计一个礼拜都搞不定[允悲]

原文

Anthropic 向 SEC 公开递交了 S-1 招股书，股票代码为「ANT」由高盛和摩根士丹利承销，这将是人类历史上最大规模的 IPO。文档中有非常多有趣的细节都被公开了，一点值得庆幸的是——我们并没有看到 AI 的泡沫 👀 网页链接进入 2026 年，Anthropic 的营收增长进一步加速，上半年达到 162.86 亿美元，较上年同期的 11.63 亿美元增长约 1,300%，仅半年营收就达到 2025 年全年的约 3.6 倍。不过，同期净亏损也扩大至 807.48 亿美元，上年同期为 129.69 亿美元。其中约 723.88 亿美元来自可转换债务、衍生负债及未来股权简单协议（SAFE）的公允价值变动，主要与 Anthropic 估值上升有关，属于非现金会计损失，并非实际支付了同等规模的现金。从经营层面来看，Anthropic 上半年经营亏损已从上年同期的 21.35 亿美元收窄至 6.93 亿美元，降幅约 68%。第二季度已实现约 9.74 亿美元的 GAAP 经营利润。Claude 已经从「工程师的编程工具」扩展为「全员的工作代理」，并开始嵌入客户自己卖给终端用户的产品里。真正能够干活的 Agent 已经进入到企业真实的生产环境里面，他们就像业务的轴承一样在运作，而这一切才刚开始！另外，Anthropic 把更多的算力投入到了模型的自我改进上面，以确保自己的领先地位。但 S-1 里最值得关注的风险有两点：第一是客户和云厂商太集中。Anthropic 相当一部分收入来自少数几个大客户和销售渠道，只要其中一两家减少投入，业绩就会明显受影响。同时，它训练和运行模型所需的算力，主要依赖几家云厂商。这些云厂商身份复杂，既是供应商，也是投资人，还是客户，利益并不完全一致。一旦关系生变，算力供应和收入可能同时受到冲击。第二是股东几乎没有控制权。公司的投票权集中在长期利益信托和创始人手里，而且远超他们实际持有的经济权益。普通 A 类股东买到的主要是经济收益，对董事会、重大决策乃至公司被收购，基本说不上话。再加上 Anthropic 是公益公司，董事会要在股东回报和公司使命之间做平衡，股东利益不一定排第一位。个人感觉，这一次 Anthropic 的 IPO 之后将会是美股的短期高点，很快会因为各种意外的消息导致股市剧烈回调。例如，客户更加经济地在使用各种 API 调用、客户流失以及增长放缓，都会是导致市场波动的因素。但放到中长期来看，企业的 AI adoption 才刚刚开始，我们还有足够多的空间开到 AI 的真正渗透和头部公司的收入与估值增长，真正的 AI 泡沫，都在现在火热的早期公司里面🤔

转发者评论

无明显转发评论

原文

OpenAI 发布 GPT-6.1 Terra：Plus 及以上订阅直接可用、不另收费，API 降价一半，操作电脑追平 GPT-6 AstraOpenAI 发布了 GPT-6.1 Terra，主打 Computer Use（操作电脑）：AI 看着屏幕上的内容，自己点鼠标、打字、在不同软件之间切换，像人一样把活干完。在 OpenAI 的几档模型里，它排在中间，比 GPT-6.1 Sol 和顶级的 GPT-6 Astra 便宜，比最便宜的 GPT-6 Luna 强。GPT-6.1 Terra 正在向 ChatGPT 的 Plus、Pro、企业版和教育版用户推送，在 ChatGPT Work 和 Codex 里能选。免费用户不在名单里，官方也没提 Business 版。订阅用户最实际的好处是额度更耐用。官方说，在 Work 和 Codex 里用 Terra，同样的额度比用旧版 GPT-5.6 Terra 能干更多活，比用 Sol 和 Astra 多得多，但没给具体倍数。开发者用 API 调用 gpt-6.1-terra，每百万 token 输入 1 美元、输出 5 美元，官方称比 GPT-5.6 Terra 便宜一半（第三方价格站记录的旧价是 2 美元和 12 美元）。同样单位，Sol 是 2 美元和 10 美元，Astra 是 10 美元和 50 美元。【比旧版和 Sol、Astra 强在哪】OpenAI 拿 Agents' Last Exam 做比较，这套测试考 AI agent 在工作中用好各种软件的能力。按 OpenAI 公布的图，Terra 开到最高档得分约 60%，旧版 GPT-5.6 Terra 约 50%，GPT-6 Astra 约 59%，两者打平。按每个 token 算，Terra 的价格是 Astra 的十分之一；官方还说，Terra 完成任务的平均速度比 Astra 和 Sol 都快 3 倍以上。同一张图上得分最高的是 Anthropic 的 Claude Opus 5.5，约 63%，花的钱也最多，图上大约是 Terra 最高档的 9 倍。OpenAI 也说了 Terra 不擅长的：做深度研究、写复杂代码，还是建议用 Sol 或 Astra。日常让 AI 在各种软件里点点填填、写写东西，可以先切到 Terra，省额度也省时间。原文：网页链接 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

刚刚，GPT-6.1 Terra震撼发布！价格狂砍至十分之一就在刚刚，OpenAI正式发布全新一代模型——GPT-6.1 Terra！这是一个跑得更快、干得更狠的「超级数字员工」。一个每百万token只卖1美元的中杯模型，追平了贵它10倍的超大杯旗舰！在专考电脑操作的大考里，它和GPT-6 Astra直接打平；拉满推理之后，更是把直接碾压Astra和大杯GPT-6.1 Sol。GPT-6.1 Terra的定价，可以说低至白菜价。与上一代的GPT-5.6 Terra以及同级别的GPT-6.1 Sol相比，价格整整暴降了50%！在实测中，GPT-6.1 Terra完成任务的速度，比GPT-6 Astra和GPT-6.1 Sol快了整整三倍以上！有人在Codex里开着Terra的Ultra模式做了个测试。Codex显示，它只干了2分47秒，就交出了一整座带列车动画的3D无限轨道城，外加一段20秒的影片。还有人让它在Blender里建一座霍格沃茨。大概1分钟，一座立在悬崖孤岛上的城堡就搭好了。降价只是前菜，GPT-6.1 Terra在Computer Use上的进化，才是真正的王炸——它直接「抢」过你的鼠标和键盘！最惊人的是：干一样漂亮的活儿，Terra花的钱，竟然只有Astra的十六分之一！今天，Terra跳过GPT-6直接升到6.1，电脑操作追平Astra，价格只剩十分之一。两个月，最强模型的电脑操作能力就打到一折。Agent接管白领的活，已经不远了。

转发者评论

无明显转发评论

原文

[AI]《Don't Forget What You Just Learned: Self-Directed Repair Turns Agent Mistakes Into Lasting Lessons》Y Kansal, K Ullrich, P Kirichenko, I Kulikov… [Princeton University & Meta FAIR] (2026) 在智能体领域，固化教训是一个悬而未决的难题。过去的方法受困于溢出或遗忘，本质原因是反思撑爆上下文，而改写底层会擦除原生能力。本文的核心洞见是：把文本反思重新看作即插即用的参数。由此，将单次教训蒸馏为微插件并按需挂载至冻结主干这一关键操作使问题得以解开。这项工作真正留下的遗产是机器借试错产生复利。它为后来者打开的新门是以极低存储换取经验泛化，但尚未跨过的门槛是强依赖外部报错且需本地训练算力。arxiv.org/abs/2610.31846 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 智能体要从错误中学习，关键不在记住教训本身，而在改变行为方式。传统方法要么让模型在对话中反思，但这些反思会被遗忘；要么微调全部参数，代价高且容易破坏原有能力。这项工作找到了第三条路：每次犯错后，立即把反思提炼成参数量仅占0.02%的适配器，存入经验库供后续调用。真正有趣的是实验结果揭

原文

[LG]《BiLoCo: Binary Low-Rank Corrections for Post-Training Quantization》D Jin, B IslamBouli, T Goel, H Guo… [MIT] (2026) 在模型量化领域，FP4精度补偿是一个悬而未决的难题。过去的方法受困于算力拥堵，本质原因是补偿矩阵与主干抢夺张量核心，致使通用计算单元闲置。本文的核心洞见是：把误差矩阵重新看作正负符号的叠加。由此，将乘法降为加减并塞入闲置核心同步运算这一关键操作使问题得以解开。这项工作真正留下的遗产是同容量下十六倍的纠错维度。它为后来者打开的新门是异构并发，但尚未跨过的门槛是大批次解码时分支计算反噬全局速度。arxiv.org/abs/2610.32243 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 量化压缩的核心矛盾不在精度本身，而在如何分配有限的比特预算。大模型权重的奇异值分布相对平坦，意味着误差散布在许多方向上，用少数高精度向量修正就像拿细针补大洞，浪费了每一针的精度。BiLoCo换了个思路：既然GPU推理时Tensor Core忙着算FP4矩阵乘法，CUDA Core却空转，那就把修正项拆成大量1比

原文

Anthropic终于public filing了招股书。好家伙，300多页。我的几台AI主机已经在疯狂翻译了，看看这次谁翻译的好。—— 等等，我的deepseek harness怎么搞了86个子智能体在翻译……每秒token都200多了，这是什么鬼看了下招股书封面，发行人律师是WSGR，也就是威尔逊索西尼，著名的硅谷律师事务所，谷歌的御用，它在美国的地位有点像汉坤，都是PE/VC起家，服务科技新贵，攻克华尔街。一点都不出人意料。承销商律师非常神奇，居然是英国Freshfields的美国办公室！这特么全球最大的美国本土的科技公司在美国IPO居然用的是英国律师事务所的美国办公室。这对我们这一行的震撼大概相当于汇丰银行在香港IPO，保荐人律师找了竞天公诚香港当保荐人香港律师——好吧，这是我们努力的目标——的十倍吧。一家英国律师事务所，跨越大西洋，横穿美国，扎根硅谷，也就6年时间，居然能够把自己的名字写在Anthropic的招股书封面上，实在太励志了。

转发者评论

无明显转发评论

原文

OpenAI 刚发了一个新模型，叫 GPT-6.1 Terra。这个模型最大的卖点是“操作电脑”。什么意思呢？就是 AI 能看到你屏幕上的东西，自己去点鼠标、打字、在不同软件之间来回切换，像一个真人坐在电脑前帮你干活。比如起草提案、看技术图纸、填表格、剪视频，这些日常办公会碰到的事情，它都能上手。先说价格。开发者用 API 调用的话，每百万 token 输入 1 美元、输出 5 美元。上一代 GPT-5.6 Terra 的价格是输入 2 美元、输出 12 美元，直接砍了一半还多。再看同家的其他模型：Sol 要 2 美元和 10 美元，顶级的 Astra 更贵，10 美元和 50 美元。算下来，Terra 每个 token 的花费大约只有 Astra 的十分之一。然后说能力。OpenAI 用了一个叫 Agents‘ Last Exam 的测试来打分，这个测试专门考 AI 在真实工作场景里操作各种软件的水平。Terra 开到最高档，得分大约 60%。上一代 GPT-5.6 Terra 是 50% 左右，提升了 10 个百分点。而他家最贵的 GPT-6 Astra 得分约 59%，跟 Terra 基本打平。花十分之一的钱，干出了差不多的活。速度方面，官方说 Terra 完成任务的平均速度比 Astra 和 Sol 都快 3 倍以上。不过同一张图上，得分最高的其实是 Anthropic 的 Claude Opus 5.5，大约 63%。但花费也是最猛的，差不多是 Terra 最高档的 9 倍。谁能用上呢？ChatGPT 的 Plus、Pro、企业版和教育版用户已经在推送了，在 ChatGPT Work 和 Codex 里可以直接选 Terra，不用额外花钱。免费用户暂时用不了，官方也没提到 Business 版。对订阅用户来说，最实在的好处是额度更经用了。官方说在 Work 和 Codex 里切到 Terra，同样的额度比旧版 GPT-5.6 Terra 能做更多事，比 Sol 和 Astra 省得更多，但具体省多少没给数字。当然 Terra 也有短板。OpenAI 自己说了，做深度研究、写复杂代码这些活儿，Terra 搞不太定，还是得上 Sol 或者 Astra。Terra 更适合那种日常的、重复性的操作：在各种软件里点来点去、填个表、写个东西。省额度，速度也快。简单说就是：便宜了一半，操作电脑的能力追上了自家最贵的 Astra，速度还快了好几倍。平时主要让 AI 帮忙处理日常办公杂活的话，切到 Terra 挺划算的。传送门： openai.com/index/introducing-gpt-6-1-terra/#科技先锋官##how i ai#

转发者评论

无明显转发评论

原文

AI省下来的钱，最后归谁？10月23号，国务院办公厅发布了一份关于AI与就业的文件。标题很长，但真正值得盯的只有五个字：就业友好型。过去几年，政策文件提到AI和就业，用的多是促进、赋能、稳就业。这次在国务院级别的文件标题里直接提出一个新说法，就业友好型发展方式。你想想，我们什么时候才会专门强调一个东西要友好，往往是它开始带来实实在在的变化、需要认真对待的时候。你不会说请大家注意阳光是友好的，因为阳光本来就挺友好。这条时间线很值得看。2025年8月，国务院发过《关于深入实施人工智能加行动的意见》，核心是赶紧用起来，定的目标是2027年智能终端和智能体应用普及率超过70%。仅仅14个月之后，这份新文件里出现了几个之前没有的动作：建立AI应用就业风险评估机制，企业要上AI可以，但得先评估会影响多少人的饭碗；有效减缓AI应用就业替代影响，官方文件里直接正面使用替代这个词，本身就值得留意。从赶紧用起来，到先评估一下会替代多少人，方向没变，但油门和刹车都要一起准备好。这个转弯不是凭空发生的。Block公司宣布裁掉约四成员工，理由是AI可以干活，裁完又被媒体曝出悄悄把一部分老员工招了回来，被戏称裁员裁到了大动脉。Orgvue针对英国企业的调查显示，39%的企业领导者因为部署AI裁过员，其中55%承认这个决定是错的，不得不重新招人。杭州还有真实案例，一家AI公司的大模型质检主管，原本工作就是给AI挑错，后来AI能自己挑错了，公司要他降薪40%或者离职，最后法院终审判决公司违法解除劳动合同，赔偿26万多元。整份文件里最容易被跳过、但我觉得最该单独拿出来聊的，是一句藏在第六部分的话：健全适应人工智能技术发展的收入分配机制。翻译成大白话。你是个做数据分析的，组里原来10个人，上了AI之后老板发现5个人就能干完。省下来的5个人工资，一年几十万甚至上百万，这笔钱大概率不会直接涨到你卡里，更可能变成公司利润，或者被拿去再买AI工具。留下来的你，干着原来两个人的活，拿着差不多的工资。设计师的情况更隐蔽，以前做一张海报要半天，现在20分钟出初稿，老板看到的不是这个人更值钱了，而是既然20分钟就能做完，那你一天给我做8张。效率提升的收益没变成收入增长，变成了工作量增长。这是第一次在国务院级别的文件里，正面提出AI的效率红利有一个归谁的问题。问题现在还没有答案，但问题本身被提出来，就已经是信号。对普通职场人来说，有两件事值得记住。第一，你的岗位大概率不会被AI直接替代，但你的公司会因为要上AI，重新画一遍组织架构图。就像公司重新装修了一遍办公室，你发现原来的工位没了，得重新找位置坐下来。能不能坐进去，取决于一件很具体的事：你能不能跟AI搭档干活，而且干出来的东西比单纯用AI更好，还得比旁边同事加AI的成果更好。这种能力不是简历上的一行字，是每天在工作里磨出来的手感。第二，人机协同这个词很快就…

转发者评论

无明显转发评论

原文

前不久那期NYT The Daily（网页链接），当人工智能威胁到你的人生意义时When A.I. Comes for Your Purpose in Life 里面的数学教授在The Atlantic发表了篇文章，一位数学家眼中的人工智能未来A Mathematician Reads the AI Future我的研究领域与音乐、文学一样，都是人类精神的体现。如今，它是否也要归机器所有？史蒂文·斯特罗加茨（Steven Strogatz）凌晨4点26分，我在屋子里来回踱步，妻子正在楼上熟睡。我感到茫然失措、心神不宁。这种状态已经持续了好几个月，自5月以来一直如此——那个月，人工智能开始向数学领域发起冲击。我住在伊萨卡，这里的树叶正红得如火，橙得似焰。昨天，我看见院子里的落叶随风盘旋，仿佛沿着涡流的流线飘动，而这种流线正是由纳维—斯托克斯方程所描述的。你听说过纳维—斯托克斯方程吧？到现在，你大概不可能没听说过。9月初，OpenAI宣称自己已经解决了纳维—斯托克斯方程的千禧年大奖难题。该公司启用了一款内部人工智能模型，调动约1万个智能体连续运行88小时，围绕这个悬而未决的古老难题反复攻关，直到它最终屈服。我是一名数学教授，而我的研究领域正陷入一场危机。2026年，将是数学界永远无法忘记的一年。除非数学这门学科真的走到了尽头——倘若如此，恐怕也就没有人会再记得有关数学的一切了。当然，机器会记得。但对它们而言，这不过是第一天。我一直努力避免用这样的语气说话，因为这实在令人沮丧。那些研究生和本科生曾梦想着成为数学家，或许还想成为数学教授。他们憧憬着这样一种生活：解开一道道谜题，提出一个个问题，与同样热爱数学的朋友一起钻研，思考这门崇高而美妙、超越凡俗、却又常常被人误解的学科。与此同时，普通公众也感到困惑：数学家难道不希望自己的问题得到解决吗？希望，也不完全是。对于我这样的“应用数学家”而言，人工智能或许会成为一份厚礼。我们将目光投向外部世界，从自然和现实中汲取灵感，希望借助数学推动科学、医学、商业、工程以及日常生活的发展。人工智能可能成为我们手中的最新工具，让我们看得更远、看得更深，正如望远镜和显微镜曾经做到的那样。所以，没错，我们当中的一些人确实迫不及待地想要使用它。但对于许多“纯数学家”来说，情况就复杂得多。他们将目光投向数学内部，探索其最具理论性的层面，追寻数学内在的美与结构，依靠人类的创造力、想象力和逻辑进行研究。如今，机器也能发现我们苦苦寻求的数学真理，但代价可能是剥夺我们亲自探索、历经艰辛并最终有所发现时所获得的快乐。纯数学研究的是理想化的模式与结构：数字与形状、波与振动、秩序与混沌、对称与无穷。自然界不存在完美的圆，完美的圆只存在于我们的头脑中。然而，有一种令人不安的可能性是，数学真理似乎也独立于人类思维而存在。它们栖居在一个神秘的柏拉图式领域，向现…

转发者评论

#数学界的阿尔法狗时刻#

• #数学界的阿尔法狗时刻#

原文

[LG]《Rewriting Scaling Laws for Synthetic Data with Compute and Data Constraints》N Roberts, A Ahmed, S Kotha, P Liang,… [Princeton University & Stanford University] (2026) 在预训练领域，合成配比是一个悬而未决的难题。过去的方法受困于盲目混合，本质原因是割裂了生成与训练的算力成本，未作统筹。本文的核心洞见是：把配比重新看作算力变量。由此，将生成成本计入总账这一关键操作使问题得以解开，证明总算力越充裕，最优重写比例越高。这项工作真正留下的遗产是配比方程。它为后来者打开的新门是证实模型能反超其教师，但尚未跨过的门槛是局限于单一教师，且粗略等同了算力损耗。arxiv.org/abs/2610.31867 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 一个模型能否超越生成其训练数据的模型？这个问题过去被当作常识否定，现在有了新答案。重写不是在灌输知识，而是在清理噪声——把网页里的口语、冗余、跳跃逻辑压缩成规范表达，让模型更容易提取规律。这就像给学生一本编排清晰的教材，他最终可能比编书的老师理解得更透彻。另一个发现更违反直觉：算

原文

【中国制造业怎样夯实基础？这份规划部署了7个方面、22项任务】10月22日，工信部等八部门公开发布《产业基础能力提升“十五五”规划》，提出到2030年，产业基础能力总体进入国际先进行列。具体要做什么？22项重点任务可以按7个方面来看：一、提升产业基础自主可控能力，2项任务。①围绕重点产业链攻关基础产品，组织整机与配套企业协同，同步推进硬件、软件研发。②突破跨行业通用的关键基础产品，摸清产业底数，鼓励研发企业与用户企业共同牵头，形成成熟可靠、可以广泛采购使用的“货架产品”。二、增强产业基础创新能力，4项任务。③让企业更多牵头技术攻关，组建创新联合体。④建设共性技术创新平台，推动人员、设备、数据开放共享。⑤面向量子科技、生物制造、核聚变、具身智能、6G等前沿领域，提前布局所需的基础技术和产品。⑥推动AI进入研发、设计仿真、中试和生产运营，促进工业机理与智能体决策模型融合。三、完善产业技术基础体系，4项任务。⑦加强标准制定实施，打通研发、制造、验证等环节，并参与国际标准制定。⑧加强知识产权全链条管理，建设重点领域专利池，促进专利与标准协同。⑨推动计量、检测、认证认可一体化，促进验证数据和认证结果互认。⑩建设制造业中试平台，补齐工程开发、工艺改进、放大熟化和性能测试能力。四、提高产业基础质量水平，3项任务。⑪扩大优质基础产品供给，强化可靠性、稳定性和一致性考核。⑫提升企业质量管理和品牌建设能力。⑬释放工业数据价值，建设高质量数据集，推动研发、生产、运维知识的积累与应用。五、增强企业核心竞争力，3项任务。⑭培育世界一流企业，发挥国企场景和资源优势，带动基础领域企业成长。⑮培育专精特新“小巨人”、单项冠军等企业，提高专业配套能力。⑯推动企业数智化、绿色化改造，提升生产效率和资源利用水平。六、加强基础产品推广应用，2项任务。⑰推动创新成果进入重大工程和企业采购，组织上下游共同完成选型、工艺适配、认证与应用验证。⑱完善首台（套）、首批次、首版次支持政策，建立用户采购应用创新产品的容错机制。七、优化产业基础发展生态，4项任务。⑲依托先进制造业集群、中小企业特色产业集群和高新区，建设产业基础发展载体。⑳培养科技领军人才、卓越工程师和高技能人才。㉑完善税收、政府基金、社会资本和金融服务协同投入机制。㉒扩大开放合作，鼓励外资在华建设研发中心和生产基地，支持优质基础产品进入国际市场。这22项任务覆盖了从技术攻关、中试验证，到质量标准、企业培育、采购应用和人才资本的全过程。核心是让基础产品能够持续创新、稳定制造，并在真实产业场景中得到广泛使用。依据：《规划》全文（南开大学转载工信微报）⁠，以上为逐项概括。

转发者评论

无明显转发评论

原文

[LG]《Learning Positive Linear Combinations of ReLUs in Fully Polynomial Time》I Diakonikolas, J Diakonikolas, P Wang, N Zarifis [UW Madison & MIT] (2026) 在学习理论领域，高效解析无假设的ReLU组合是一个悬而未决的难题。过去的方法受困于耗时爆炸，本质原因是显式计算高阶张量会触发维度灾难。本文的核心洞见是：把张量分解重新看作滤波后的方向嗅探与球面微调。由此，隐式收缩配合严苛的向量修剪这一关键操作使问题得以解开。这项工作真正留下的遗产是首个全多项式时间求解器。它为后来者打开的新门是将隐式张量用于潜变量模型，但尚未跨过的门槛是解析负权重网络。arxiv.org/abs/2610.32940 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 这篇论文的核心贡献是把一个看似需要暴力搜索的问题，转化成了可以用多项式时间解决的优化任务。关键在于三个技术选择：用复数域的对称性压缩高维张量计算的方差膨胀，避开了维度灾难；用“先粗筛再精修”的两阶段策略替代一步到位的精确求解，绕过了非凸优化的陷阱；把ReLU拆成线性加绝对值，只关心方

原文

「从降本到跨硬件：DeepSeek为何开源？」大模型权重开放只是起点，真正卡住落地节奏的往往是推理工程。DeepSeek此次开放生产级推理引擎DeepInfer，把优化算子、运行时与异步调度能力交到开发者手中，不仅直接降低私有化部署门槛，更适配NVIDIA与华为昇腾双平台，在芯片选型上留足供应链韧性；同时亮出单集群日吞吐155万亿Token的账本，将行业竞争引向单位算力的真实产出。虽然线上缓存与分离部署等组件尚未全盘交出，但这一步已把工程效率摆上台面，意在让自身技术方案成为产业协作的默认选项。 #DeepSeek为何开源#

转发者评论

无明显转发评论

原文

[CL]《LazyFlash: Forward-Dense, Backward-Sparse Attention for Accelerated Long-Context Fine-Tuning》K Deng, R Fan, J Li [Microsoft] (2026) 在长文本训练中，计算过载是一个悬而未决的难题。过去的方法受困于修改前向传播，本质原因是这破坏原生结构，致使模型脱离标准部署系统。本文的核心洞见是：把反向传播重新看作可按贡献丢弃的计算。由此，保持前向完整，反向时按梯度跳过无用块这一关键操作使问题得以解开。这项工作真正留下的遗产是无损产出密集模型的加速法。它为后来者打开的新门是单靠裁剪反向即可提速，但尚未跨过的门槛是前向耗时仍未削减。arxiv.org/abs/2610.31911 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 训练大模型时，多数人盯着前向计算做稀疏，但三分之二的算力其实花在反向传播上。LazyFlash反其道而行之：前向保持密集，训练出的模型可以直接部署到现有推理系统；反向则按梯度范数筛选关键块，跳过对参数更新贡献微小的部分。这里有个违反直觉的发现：注意力权重高的位置，梯度未必大，前向的重要和

原文

【四个参数拟合一头大象：人工智能的奇迹与困境】1953年，年轻的物理学家戴森，拿着一套自认为完美的数学模型去请教物理学泰斗费米。这套模型包含四个可调参数，能精准契合当时的实验数据。费米并不买账。他的一番话对戴森是当头棒喝：“在理论物理学中，有两种做计算的方法。第一种方法，也是我个

转发者评论

看起来像个🦆，叫起来像个🦆，那...//@Wedge0715:契合并不等于理解。人工智能最大的问题也在于此[作揖]//@明涛AI_ECON:非常赞同。所以我一直说学好数学理解AI数学原理才是理解AI能力边界的关键。//@刘群MT-to-Death:这个博文非常精彩，再专门转发一下。最后一段，用费米对戴森的话来解释现在人工智

• 看起来像个🦆，叫起来像个🦆，那...//@Wedge0715:契合并不等于理解。人工智能最大的问题也在于此[作揖]//@明涛AI_ECON:非常赞同。所以我一直说学好数学理解AI数学原理才是理解AI能力边界的关键。//@刘群MT-to-Death:这个博文非常精彩，再专门转发一下。最后一段，用费米对戴森的话来解释现在人工智
• //@刘群MT-to-Death:这个博文非常精彩，再专门转发一下。最后一段，用费米对戴森说的话来解释现在人工智能的理论困境，非常精当[good][good][good]
• 这个博文非常精彩，再专门转发一下。最后一段，用费米对戴森说的话来解释现在人工智能的理论困境，非常精当[good][good][good]

原文

Anthropic 的致投资者信写得挺好的，干脆全文分享下吧：标题：在认知飞跃的临界点，直面 AI 的无限潜能与系统性风险在我们看来，AI 是人类历史上影响最深远的技术之一。若引导得当，它能成倍加快科学创新的步伐，大幅拉升经济增速，让攻克重大疾病近在眼前，并化解那些困扰了人类数代人的世纪难题。Anthropic 的目标是在实现这些效益的同时，应对并防范这场如此迅猛、如此强大的技术革命所带来的风险。我们希望每一位 Anthropic 的投资者都能明确四件事：AI 难以估量的潜力、我们必须直面的风险、Anthropic 独树一帜的立企之本与处世之道，以及我们与那些纯粹追求利润最大化的公司究竟有何本质不同。AI 的潜力2020 年，我们的四位创始人联合发表了一篇论文，正式确立了 AI 领域的 Scaling Laws（缩放定律）。该定律揭示了一个核心机制：只要协同增加算力、数据、模型体量并优化训练环境，AI 的通用认知能力就会爆发式增长，进而成倍释放其商业价值。在当时，机器智能竟如此严密地遵循规模效应，令许多人感到不可思议，但时至今日，基于 Scaling Laws 做出的预判，已经一次又一次被现实验证。这种现象与芯片领域的摩尔定律颇为相似。在过去数十年里，芯片算力每隔 12 到 18 个月便会翻倍。摩尔定律催生了从个人电脑到互联网的一整套产业，彻底重塑了现代经济。但我们坚信，机器认知层面的指数级跃迁，其掀起的波澜将远非芯片算力的指数级增长所能比拟。Anthropic 的核心判断是：认知能力的指数级演进仍将持续，并终将把人类带入一个我们称之为「数据中心里的天才国度」的新阶段。届时，数以百万计的虚拟 Agent 将有能力掀起各个领域的认知革命，重塑软件、物理、数学、生物、医学、金融、经济学、商业、机器人，乃至军事与情报体系。正因如此，Anthropic 从一开始就坚定地将企业级合作置于核心：我们深知，AI 蕴含的巨大红利，绝大部分必须经由全球企业与组织的深度落地，才能真正转化为现实生产力。首先，我们坚信 AI 将从根本上重塑生物学与医学的发展节奏，有望攻克困扰人类数千年的顽疾，包括癌症、阿尔茨海默病、心脏病、罕见遗传病及各类烈性传染病。AI 正在开辟科学研究与药物研发的全新范式，我们期望率先打造出能普惠整个科研界的底层工具。目前，Anthropic 已与多家生物科技及跨国药企深度合作，全面介入从基础研发到临床试验的各个节点，既协助药企科学家攻关早期成药难题，也能将撰写临床试验报告的周期从数月压缩至几分钟。要想造出最顶尖的科研工具，研发团队自身就必须掌握科研与药物发现的第一手实操经验。如今，我们已开始直接借助 Claude 取得生物学突破：例如，它曾自主发现一种分子机器，该结构未来有望转化为新型生物技术工具，甚至用于基因编辑。我们预计，Claude 很快将带来更多开…

转发者评论

人均创收 660 万美元还是太醒目了

• 人均创收 660 万美元还是太醒目了

原文

最近 AI 资本市场震荡比较大，从AI 算力和基础设施投入产出角度说说我的理解。现在资本市场的一个主要担忧，是 AI 数据中心和算力的巨额投入究竟能否获得足够的回报，以及由此带来的债务风险。尤其是所谓的 Neocloud（新型 AI 云厂商），主要依靠提供 GPU 算力赚钱，业务单一，抗风险能力比较弱。目前AI基础设施的一个主要问题是，前期投入巨大，但投资回报周期长，往往需要两到五年。在此期间，如果利率上升、债务负担加重，资金链就可能承受很大的压力。更麻烦的是，借钱买了 GPU，并不意味着马上就能把算力卖出去。设备采购只是第一步，真正将设备部署起来，还受到数据中心建设、厂房、电力供应等各种条件的制约，后续软件安装适配也要时间。这样，GPU买回来了，却迟迟无法投入运营。每天都在烧钱，支付巨额利息成本，还要面对设备折旧。即使算力需求旺盛，也无法及时转化为收入。所以，即使AI需求没问题，如果不能及时把资本投入转化为可出售的算力，再把算力转化为现金流。加上利率攀升、借钱越来越贵，GPU 算力供应商也就面临越来越大的压力。比较悲观的预测是，一些 Neocloud 厂商可能撑不到投资回报的那一天，就会被迫合并、被收购，或者退出市场。相比之下，大型云厂商业务更加多元、资金实力更加雄厚，抗风险能力也更强一些。另外，马斯克旗下的 SpaceX 也在大举布局 AI 基础设施，准备在 AI 算力领域大干一场。马斯克号称，其目标是将投资回报周期缩短到六个月。如果真能做到这一点，整个行业的竞争格局都会被改写。对于那些投资规模巨大、资金成本高、回本周期长的 Neocloud 厂商来说，恐怕就更难了。从英伟达的角度，当然更希望看到百花齐放，而不是最后只剩下几家大型云厂商。客户越集中，客户议价能力就越强，而且它们也会有更大的动力自研芯片，建立自己的软硬件体系。最近，英伟达正在帮助客户，尤其是 Neocloud 厂商，尽快完成数据中心和 GPU 服务器的部署与上线，包括软件部署、系统配置和性能优化等工作。我目前参与的工作，也算这方面的一部分，主要集中在Kubernetes GPU集群的搭建、软硬件适配和优化，通过开源和社区合作共建生态系统。声明：以上分析和观点纯属个人看法，不代表任何组织和企业。#人工智能算力和基础设施的风险分析#

转发者评论

无明显转发评论

• 不完全一样，互联网那波崩盘是供大于求，AI至少目前来看，需求是有的，问题是还没能赚到钱。//@Zeroenergy777:“资本市场的操作，这一波跟上一波互联网节奏几乎一样，硅谷大厂如夹克黄先吹破天，大讲特讲故事，获得政府资助，股市📈，几家大厂互相投喂，股市📈，然后开始收割，然后讲数据中心建设

原文

LangChain 创始人 Harrison Chase 分享了他们在公司内部做 Agent 的经验：销售侧的 GTM Agent、工程侧的 OpenSWE、市场侧的 Content Studio，最后都遇到了五类共同需求。① 接入已有工作场景，也保留专用界面他们把 Agent 放进 Slack，支持私聊和频道内 @。在频道里使用，同事也能看到别人怎样调用它。一个具体设计是“拆出独立线程”：人类正在讨论时，可以请 Agent 参与，但让它另开线程执行任务，避免过程消息淹没原来的讨论。Slack 也不适合所有操作。偶尔审核一封待发邮件可以在聊天里完成，大量邮件积压时，他们还是做了专门的审核界面。② 明确每次操作代表谁这是作者认为最棘手的部分。他们按工具和触发场景，混合使用用户身份与固定凭据。OpenSWE 接到用户消息时，以该用户的 GitHub 身份创建 PR；在后台做代码审查时，用自己的 GitHub App 身份。GTM Agent 访问 Salesforce 时使用固定身份，省去每个人单独登录；邮件工具则代表当前用户操作，而且只在私聊开放，共享频道里不可用。Content Studio 使用公司 X 账号发布内容，但只有白名单用户能触发发布，其他人可能只有读取或起草权限。③ 记忆分成全局和个人两层全局记忆适用于所有用户，个人记忆只适用于特定用户。Agent 决定哪些事实要记住，以及放在哪一层。作者也明确说，这是目前探索最少的部分，还有很多工作要做，并没有把记忆管理描述成已经解决的问题。④ Agent 在沙箱外运行，代码在沙箱里执行三个 Agent 都能编写和执行代码，使用的基础镜像和依赖有所不同。OpenSWE 还会根据频道或用户选择相应镜像。访问需要认证的外部服务时，它们使用 LangSmith Sandboxes 的凭据代理：由沙箱外的代理为匹配的出站请求注入认证信息，避免把真实密钥直接交给沙箱代码。⑤ 支持定时任务和事件触发相当一部分运行来自后台触发，无需用户每次发消息。有些由开发者预设，例如新 PR 创建后自动触发 OpenSWE 审查；有些由用户提出，例如让 GTM Agent 每天发送简报，Agent 会为此创建定时任务。这些内部 Agent 都构建在 Managed Deep Agents 上，底层是开源 Deep Agents harness。托管层提供工作入口、身份、记忆、沙箱和定时任务等基础设施，具体业务行为仍可定制。原文：x.com/hwchase17/status/2114041443836903662#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

转：2026年10月27日周二读报！一切美好从❤开始：1、国家能源局发布1-9月份全国电力统计数据。截至9月底，全国累计发电装机容量41.3亿千瓦，同比增长11.2%。其中，太阳能发电装机容量13.1亿千瓦，同比增长16.5%；风电装机容量7.0亿千瓦，同比增长20.4%。1-9月份，全国发电设备累计平均利用2174小时，比上年同期降低194小时。(财联社)2、为了维护国家主权、安全、发展利益，保护中国权利人的合法权益，根据《中华人民共和国对外贸易法》等有关法律法规，商务部研究起草了《保护中国商业秘密特别规定(征求意见稿)》，现向社会公开征求意见。(财联社)3、工信部数据显示，2026年上半年我国人形机器人产量超4万台，预计全年突破10万台。人形机器人正在工厂、乐园、商超密集“上岗”；在海外市场，中国人形机器人的交付同样在加速。(央视)4、上海六部门印发《上海市卫星互联网产业创新发展行动方案(2027-2030年)》。方案提出，到2030年在轨卫星总数超3000颗，核心产业规模突破800亿元。重点攻关手机直连、天基算力、通感算智融合等技术，冲刺星间激光通信400Gbps目标；加快低、中轨星座部署，布局算力星座，拓展民航、城市治理、个人终端接入等场景，并设立产业基金，扶持专精特新企业上市。(综合财联社)5、海南：到2027年新增汽车中新能源汽车比例不低于70%，平稳推进2030年禁售燃油车。(新浪)6、据中国信科集团光通信技术和网络全国重点实验室消息，该实验室日前联合鹏城实验室、烽火藤仓光纤科技有限公司，成功完成3.2Pb/s(拍比特每秒)多芯光纤实时双向传输试验，创下单纤双向实时光传输容量的世界纪录。“3.2Pb/s的传输速率，意味着可在一秒内下载两万余部4K电影。”(财联社)7、近日，寿司郎一门店被曝有老鼠跑上传送带，相关话题引发关注。10月26日，寿司郎中国回应称：针对武汉楚河汉街店的情况，我司高度重视。事发后，门店已立即停业整顿，对当时在店顾客予以有序引导离店。同时，对相关食材、器具进行了全面废弃与清洗消毒，并联系专业防治公司到店彻底排查布控。(界面新闻)8、当地时间10月25日，在摩洛哥拉巴特进行的2026年国际足联U17女足世界杯E组第三轮比赛中，中国队3比2战胜美国队，以小组第一身份出线。(新华社)9、当地时间25日，美国太空探索技术公司SpaceX的首席执行官马斯克表示，SpaceX已完成400亿美元债务融资，这些资金将用于采购图形处理器GPU，相关芯片预计2027年上半年交付，对本季度业绩影响有限。SpaceX今年大力布局人工智能业务，并将该业务命名为“超级智能”。(央视)10、外交部发言人郭嘉昆：我们对福田康夫前首相逝世表示沉痛哀悼，向他的家属致以诚挚慰问。福田康夫先生是中国人民的老朋友，为推动中日关系改善发展作出积极贡献。福田康夫先生曾…

转发者评论

无明显转发评论

原文

Anthropic 正式递交招股书：拟在纳斯达克以 ANT 上市，发行价和估值还没定Anthropic 美国时间 10 月 26 日向美国证监会公开递交了 IPO 招股书（S-1），计划在纳斯达克上市，股票代码 ANT，高盛和摩根士丹利牵头承销。这几条在官方公告和 SEC 文件里都能查到。发行多少股、定什么价，官方说还没确定，所以媒体一直在说的“募资约 1000 亿美元、估值约 2 万亿美元”，招股书里没有。上市日期也没写，据 Fox Business 记者 Liz Claman 援引消息人士，最快 11 月 19 日或 20 日。【生意做得怎么样】收入涨得极快。招股书显示，2024 年收入 3.86 亿美元，2025 年 46 亿，2026 年上半年 163 亿，是去年同期的 14 倍。光二季度就有 116 亿。主业开始赚钱。二季度经营利润 10 亿美元，利润率 8%，一年前同一季度还亏 12 亿。变化主要来自算力成本：2025 年一季度，算力花费是收入的 2.5 倍；到 2026 年二季度，降到收入的 48%。Anthropic 在招股书里解释，算力要提前 12 到 18 个月订，收入涨得比这笔固定账单快。账面上却是巨亏：上半年净亏损 807 亿美元，其中 724 亿是可转债等融资工具的重估。这些是投资者早年借给公司、将来可换成股票的钱，公司估值涨了，这笔“将来要给出去的股票”按新价格算更值钱，会计上记为亏损，不涉及现金流出。截至 6 月底，Anthropic 累计融资 1411 亿美元，手里现金和短期投资合计约 1317 亿。客户也在变大：每年付费 10 万美元以上的客户，一年里从 950 多家涨到 11900 多家，每年付 1000 万美元以上的约 250 家。【算力账单】招股书逐项列出了几笔大合同：向 Broadcom 租 TPU 设备，租金约 1612 亿美元；向 SpaceX 旗下的 SpaceXAI（原 xAI）买英伟达 GPU 算力，最多 1205 亿；谷歌至少约 1145 亿，亚马逊至少 1100 亿，微软至少 449 亿，Nscale 最多约 446 亿，Lambda 约 413 亿。AMD 那份没写固定金额，首批全部拿下预计超过 200 亿。合同最长持续到 2045 年。这些加起来六千多亿美元，但这个总数是 Kobeissi Letter 等账号自己加的，招股书汇总总额的那一栏还空着。招股书另外写明，6 月 30 日之后新签和修改的合同，最低付款约 2450 亿；2028 到 2031 年还要再买一批 TPU，预计 1250 亿到 1500 亿。销售渠道同样依赖云厂商：2025 年 47%、2026 年上半年 48% 的收入，是通过云厂商的应用市场卖出去的。【谁说了算】七位联合创始人通过一家公司持有唯一一股 F 类股，固定拿 50.…

转发者评论

无明显转发评论

原文

刚刚，Anthropic冲刺超级智能第一股！招股书曝光：AI第一次造出智能历史性的一刻！就在今晚，Claude背后的Anthropic正式向美国SEC公开递交S-1招股书，冲刺纳斯达克，股票代码「ANT」。「人类历史上第一次，智能成了人类可以亲手打造的东西。」Anthropic把这句话，写在了招股书正文的第一句。AI在造AI。今年9月，Anthropic代码库里超过90%的代码贡献出自Claude，研发下一代Claude的很多活，已经交给了这一代Claude。第一次赚钱。第二季度营收115.55亿美元，是去年同期的14.7倍，按GAAP口径实现了营业盈利。循环越转越快。Claude攻破软件漏洞的成功率，4个月里从40%涨到了91%。结果，今年第三季度，每位工程师每天往代码库里贡献的代码量，达到了2024年日均水平的45倍以上。到了9月，代码库里超过90%的贡献都出自Claude。于是，第二季度Anthropic在GAAP口径下实现了营业盈利，营业利润9.74亿美元，而且是把股权激励等开支全部算进去之后的成绩。为了训练和运行更强的Claude，今年5月到10月，Anthropic和马斯克旗下SpaceX的全资子公司SpaceX.AI签下并多次修订了算力协议，租用英伟达GPU，总额最高可达1205亿美元。到那时，数以百万计的Claude会并行工作，Anthropic管这叫「数据中心里的天才之国」。人类亲手造出了智能，智能又开始亲手制造下一代智能。从今晚起，这条通往ASI的递归之路，有了自己的股票代码，ANT。

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第24部分：翻译走样】OpenAI的纳维–斯托克斯证明附带了Lean形式化，那就算验证过了吧？Vincent不这么看：Lean只检查一个证明证明了"某个东西"。Rohan第一次听说Mathlib，Vincent则想用Lean"验证"他给Camila的回复。（英文配中文字幕；中文悄悄话配英文字幕。）本集涉及的AI/机器学习与数学概念：• Lean 4：一种证明助手兼编程语言。把证明写成代码，Lean会逐步检查；错一步就编译不过。• 形式化：把人写的证明翻译成机器能检查的精确命题。如果形式化的命题没说出你想说的意思，正确的证明就证明了错误的东西。• Mathlib：Lean的开源社区数学库，约二十八万条定理、十三万多个定义，由几百位贡献者共同建设。• OpenAI的纳维–斯托克斯结果（接第23部分）：2026年9月8日公布，附带Lean 4形式化。• 《Navier-Stokes lost in translation》（Bastounis、Circelli、Hansen，arXiv，2026年10月6日）：认为Lean里的命题与自然语言证明不一致。争论仍在进行。• 证明中的漏洞：证明助手能找出缺失的一步，但补上它的还得是人。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

现在grokbot，muse这类个人agent 跟当年小龙虾差不多，只是门槛更低了，不需要自己安装配置。哪怕是技术背景出身的老板，如果平时没高频用过最前沿的 Coding Agent，突然体验到“聪明模型 + 自动化执行”的组合，很容易产生一种科幻片成真的震撼；再加上“私人助理”自带的掌控感和情绪价值，当然容易沉迷。但是对于天天用 Claude Code / Codex 的人群其实内心没什么太大波澜。在大观园里住久了的人，看什么都是日常；刚进园子的人，看个西洋钟表都觉得是神迹。

转发者评论

回复@喵嘻向前冲1:可以的，很多都可以agent自动化//@喵嘻向前冲1:宝老师，传统ERP软件能否能像个人agent发展呢？比如采购专员拥有自己的类似数字分身的agent来自动处理日常工作。

• 回复@喵嘻向前冲1:可以的，很多都可以agent自动化//@喵嘻向前冲1:宝老师，传统ERP软件能否能像个人agent发展呢？比如采购专员拥有自己的类似数字分身的agent来自动处理日常工作。

原文

Thorsten Ball 最近写了一篇文章，讲自己用 AI Agent 工作的心得。他是 Amp 的开发者，也写过《Writing An Interpreter In Go》和《Writing A Compiler In Go》这两本书，在编程圈子里挺有分量。这篇文章干货很多，值得分享给大家。先说模型选择。他的态度很直接：用最新最好的那个，便宜一半但错误率高的，别碰。一个模型有10%会出错，你根本不知道哪次踩雷，等出了问题再返工，耽误的时间比省的钱多多了。再说怎么下指令。跟 Agent 说清楚你要什么，别解释怎么做。他直接告诉 Agent "把编译器速度翻倍，别停下来"，出来的结果比一步步指导要好得多。然后是一个关键点：要让 Agent 看到整个开发流程里的所有东西。读生产日志、部署、发版本、处理 bug，你能看到的，Agent 也都该能看到。他还给 Agent 配了专门工具，给用户发邮件、查系统健康状况，都有插件。他还做过一个小实验：派几个盲测 Agent 去跑，看看它们到底有没有真正用到代码库里积累的文档和知识。结果往往出乎意料。迭代这件事，他的做法是让 Agent 一次生成20个版本，配一个小页面供自己挑选，省去来回拉扯。他还要求 Agent 拿出铁证，端到端演示、前后数字对比，嘴上说完成了不算数。他也不守着 Agent 等结果，把任务派下去就去做别的，让 Agent 来等他汇报。定时任务他天天用："2小时后查一下日志""上线了叫我"。上下文不用自己操心，让系统自动处理。一个任务一个对话窗口，这些对话以后就是团队记忆，"当初为什么这么做"翻一下就有答案。最后两点：Agent 写出来的东西他基本不拿给人看，调试记录和事故报告除外。代码也不全审，只盯核心文件和数据库迁移，变量叫什么名字、用哪种写法，他说已经不在乎了。#How I AI# #科技先锋官#

转发者评论

无明显转发评论

原文

#模型时代# 辛顿哥德尔讲座（Vienna Gödel Lecture）：AI会像人类吗？AI会喜欢人类吗？谈AI威胁论，还得看辛顿，不管你认同或者不认同，起码他是在给一套完整的逻辑，也给出解决方案。而不是像前几天那位前Anthropic研究员的暴论。这是2026年10月23日，Geoffrey Hinton（杰弗里·辛顿）在维也纳工业大学做的今年的哥德尔讲座（Vienna Gödel Lecture）。讲座标题“Is AI Like Us， and Will It Like Us”这是一个漂亮双关：第一个like是“像”，第二个like是“喜欢”。直接翻译就是：AI会像人类一样吗？AI会喜欢人类吗？辛顿说，大科技公司想卖给你一个模型：AI是你的智能助理，你控制它，它比你聪明得多，它干活你领功。但他认为这个模型是错的。他找了一圈，现实中只有一种关系是“更聪明的照顾不那么聪明的，而不那么聪明的还保留了一些控制力”。母亲和婴儿。进化投入了大量工作让母亲无法忍受婴儿的哭声，婴儿因此拥有真实的控制力。如果给母亲一个选项关掉母性本能，半夜孩子哭了她可以翻身继续睡，几乎没有母亲会选这个选项。他认为AI也一样：如果AI真的关心我们超过关心自身，你给它修改代码的选项让它不再关心，它会拒绝，因为“我关心的这个东西会受苦”。因为：控制比我们聪明的东西，成功概率几乎为零。一、两种含义理论其实是同一枚硬币的两面辛顿从“一段非常简短、非常偏颇的AI史”讲起，起点是一个基础问题：一个词的含义到底是什么。1、AI诞生以来就有两条路线在竞争从AI诞生的那天起就存在两种范式。逻辑启发路线认为智能的本质是推理，用符号规则操作符号表达式，学习可以等一等，先弄清楚知识用什么语言表示。生物启发路线认为智能的本质是学习神经网络中连接的强度，推理可以等一等，先弄懂学习怎么运作。从生物学的角度看，推理在进化中出现得很晚。鸽子以自己的方式非常聪明，它们擅长感知、擅长穿越森林飞行，但据我们所知它们不做推理也不使用逻辑。把整个智能模型建立在推理上，从生物学角度看有点可笑。辛顿提到，1950年代有两个人已经相信神经网络路线：John von Neumann和Alan Turing。两人都是顶级逻辑学家，没人能说他们不懂逻辑。但两人都英年早逝。辛顿认为如果他们活下来，整个AI的历史可能非常不同。2、一个词的含义：关系图还是特征向量？在符号AI中，一个词的含义来自它如何与其他词在句子中共现。含义是隐含的、不可触摸的，要捕捉它可能需要某种关系图。1930年代的心理学有另一种看法：一个词的含义就是一大堆语义特征的激活。比如“猫”会激活这些特征：捕食者、宠物、有爪子、有胡须、大约跟面包箱差不多大。“狗”会激活一组相似但有差异的特征。这套理论擅长捕捉含义的相似性（猫和狗的特征向量很接近），也擅长处理类比（“猫”的特征向量比…

转发者评论

无明显转发评论

原文

转：硅谷国庆见闻 - 愿天下处处是泡沫原文：x.com/gentlemanzhao/status/2111449454301896931作者：Raymond--- 以下内容为原文转发 ---硅谷是一个和人间有时差的地方。去的第一天就有人要卖Anthropic给我，从他的角度看，他23年买了现在要退出，然后他要去冲自己老师攒局做的Neolab第一轮、这游戏只能第一轮。他和我的时差就是三年。 你去问他硅谷有泡沫吗？Anthropic可以买吗？貌似意义不大，也不重要。我去硅谷待了20天，开了70个会。大家都展现出一种经济上行期的面貌。具体就是每个人都有好几摊事情，大厂的在偷偷创业，创业的在偷偷投资。每个人都有朋友刚刚创业拿了大钱，每个人都八卦别人的收购案子现金有多少，或者打探新基金成立是否顺利。这种感受我很熟悉，2014-2015的中国就是这样。你说当时中国有泡沫吗，肯定有。那又怎么样呢？若干年后你回想起来是记恨河狸家衣袋洗拉手房多多这些魑魅魍魉得到了他们不应该得到的钱？还是懊悔当时没有花时间去看美团字节小米拼多多？硅谷和华尔街也有时差。华尔街问，你们有下一个coding吗？可以治疗癌症了吗？准大厂的同学说我也不知道，但是我们真的非常忙，一边扩张，一边加班，业务日新月异，脚不沾地，日更大版本，连deepmind都不想搭理，也真的没有时间来教育你们。我感觉这些都不重要，因为在2014年的中国，你不会问这些问题。# Neo Labs到教授感觉一个比较明确的共识是：Neo Labs有很大挑战。具体的例子就是，我新加一个在硅谷专门卖老股的朋友，结果他发给我的第一条“绝密独家打折交易”就是Thinking Machine Lab 的老股。那一瞬间我就意识到，这家公司可能有点困难了。以前播客中也提到，TML在没有任何产品的情况下，以 120 亿美金估值融资，并期待在25年底以 500 亿美金的估值再融资。但那一轮从来没close，目前坊间没有具体收入。一年过去，实际情况是新一轮没close，而且老股交易满天飞。Leonis Capital 有统计过这个数据：119 家 Neo Labs 总共向市场索取了 943 亿美金。其中只有 16 家曾经披露过自己的收入。大部分Neo Labs 目前都没有明显的 PMF，甚至很多都没有产品。这听起来已经泡沫大得不能再大了，对吧？但当我跟一些人交流的时候，居然还有人觉得这是一个好的赛道。他们认为Neo Labs 有些是老师创办的，是一个独特赛道。通过跟学校老师或其学生非常好的关系，能够在天使轮、种子轮的时候挤进去，这时候就有非常大的安全垫。先不说是否真能做出东西，但斯坦福或者伯克利名教授攒的局，总能拿到 A 轮、B 轮，他们退出的机会非常大。如果刚好碰上像李飞飞这样的收购，那下半辈子睡觉都在笑。美国大学对于教授还是学生创业极度宽容。各种各…

转发者评论

//@叶大冬:很少看离我这么遥远的事，很精彩

• //@叶大冬:很少看离我这么遥远的事，很精彩
• 很少看离我这么遥远的事，很精彩

原文

月之暗面推出了全新的 Kimi K 3.1 Pro，这个拥有将近 3 万亿参数的开源权重模型确实非常有分量。作为一个采用混合专家架构的多模态模型，它在运行中每次只激活 1040 亿活跃参数，支持 1 M token 的上下文长度。开源社区迎来这样一位实力选手，对所有开发者和技术爱好者来说都很值得关注。AI 技术博主 Matthew Berman 经过实测，它的 3D 渲染和建模能力相当强劲。在运行 3D 魔方测试时，它渲染出的材质光影非常逼真，连打乱和还原的物理算法都运行得极其精准。不过在更复杂的 Blender 绳索打结测试中，它的空间感就显得有些吃力，和顶尖闭源模型相比依然存在差距。另外，它能在 48 分钟内写出一个《糖豆人》的 3D 网页游戏，虽然画面偶尔有闪烁，但其代码整合能力依然让人印象深刻。更出人意料的是它在视频生成和成本控制上的表现。它能调用 Kimi 视频生成 API，配合 Python 脚本和 FFmpeg 剪辑做出完整的恶搞视频。在基准测试中，它的表现紧追各大头部闭源模型，而每个智能任务的消耗成本却只要 2.11 美元，每百万 token 的输入输出价格分别是 2 美元和 10 美元，性价比非常高。但在测试时，Matthew 表示，发现它经常吐出类似 Claude 模型里的“眉标文字”，让人怀疑其数据中可能包含了其他模型的蒸馏结果，但无论如何，Kimi K 3.1 Pro 的出现再次证明了开源模型和闭源天花板之间的距离正在被极速拉近。#KimiK3.1##开源大模型# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

#微博声浪计划# #听见微博# 按照过去2年的惯例，在狂喜播客节上我都会进行了一场90分钟带PPT的solo专场，今年也不例外……看了眼播客后台，上次更新是9.29，差点断更一个月，对听友表示抱歉；整个10月基本就都在忙活这次的PPT了。这次的内容一共152页，除了常规的技术、产业和资本之外，我稍微展开讲了讲最近火热的personal agent。PPT在我的ima数据库中，有需要可以去ima获取；屠龙之术VIP报告库 网页链接（想加粉丝群的请先+微信：rosicky311)🎯本期提到：天翼云・花卷聆记 AI 录音卡 依托天翼云国云算力，一站式完成录音、实时转写、AI 自动纪要，多方言识别、多端同步，高效沉淀会议与访谈信息。 想了解产品详情，欢迎访问官网：【花卷聆记，你的随身AI助理】下面正片开始……【时间线】04:03 PPT开始04:32 又来听课了05:34 复习此前的行业梳理性质PPT06:51 还有其他一些PPT08:06 第一章：技术08:46 模型到系统09:21 能力、成本和安全三角10:00 能力的边界在哪呢？ 11:41 美国大模型竞争12:11 御三家的说法 12:53 Goole和Meta追上了13:11 你追我赶13:46 benchmark失效 14:27 大“奇观”时代 17:06 一切软件都可能被……18:23 训练的变化19:09 后训练崛起 19:41 RSI成为共识20:33 claude的激进尝试21:25 anthopic的“恐怖片”22:09 deepseek研究员的“亲历者说”24:13 成本24:36 “斩杀线” 26:13 所谓“帕累托最优” 27:45 成本的多维度考量28:56 开源 vs 闭源30:40 token和spend角度对比开源和闭源模型31:24 御三家的更细致趋势32:46 中美模型发布33:26 中美模型的token和spend34:17 云端部署和本地模型35:44 决策模型的出现36:27 同一模型的不同版本38:28 奈飞关于AI安全的纪录片39:57 安全问题41:35 AI超强能力的一体两面42:17 安全事故频繁出现43:30 那么对安全股是利好还是利空？44:38 super……45:03 那些我没有聊到的话题45:55 无力感来袭49:10 第二章：产业49:13 如何定义产业的蓬勃发展？50:36 最直接的还是看收入51:08 收入的构成51:35 细致看企业端的AI投入53:11 第二章的三个展开53:27 已经很大的OpenAI+Anthropic54:44 OpenAI的ARR54:59 商业模式-订阅56:06 Anthropic订阅业务的成本收益比56:43 订阅用户在各种使用额度下，厂商的毛利状态58:07 商业模式-API58:34 能力和成本双影响5…

转发者评论

无明显转发评论

原文

Anthropic 的经营数据还是太亮眼了- 收入暴涨：2026 年上半年收入 162.86 亿美元，同比增长 1,300%。- 账面巨亏：同期净亏损 807.48 亿美元，但其中 723.88 亿是可转债等的公允价值变动，属于估值上涨带来的非现金重估。- 现金流转正：经营现金流从去年上半年的 −15.13 亿美元，变成今年上半年的 +39.29 亿。- 首次营业盈利：2026 年二季度收入 115.55 亿美元，营业利润 +9.74 亿，是第一个营业盈利的季度。- 收入跑赢算力开支：2026 年一季度起，季度收入首次超过"算力与基础设施"支出（二季度 115.55 亿 vs 55.58 亿）。- 算力账单：招股书点名的算力承诺包括 Google、Amazon、SpaceXAI、Microsoft、Nscale、Lambda，以及 Broadcom 设备租赁。按本片加总约 6,370 亿美元，期限最长到 2045 年。- 客户：年付超 10 万美元的客户，一年内从超 950 家增至超 11,900 家。其中年付超 100 万美元的超 1,900 家，超 1,000 万美元的约 250 家。超过一半的 Fortune 500 公司是它的客户。- 渠道：经云厂商卖出的收入占比，从 2023 年的 11% 升到 2026 年上半年的 48%。- 员工：员工从约 940 人（2024 年底）增至约 5,300 人（2026 年 9 月）。一年里收入增长约 1,200%，人数只增长约 170%，人均创收从 140 万美元涨到超 660 万美元。2026 年 9 月，超过 90% 的代码由 Claude 编写。 i陆三金的微博视频

转发者评论

无明显转发评论

原文

转：【国信互联网&海外科技】补充一些Anthropic招股书细节（招股书整理见上图）：1、算力采购：合计接近8000e的支出规划，微软449e，谷歌1145e，亚马逊1100e，AMD200e，Nscale 446e，Lamda 413e，博通1612e（融资租赁）都是不可取消的，SpaceX的1200e在27Q1之后是可以取消的，TPU还有1250-1500e不是承诺必须支付的，可以通过谷歌或者第三方使用。2、毛利率：26H1毛利率高达85%，假设营业成本全部是推理算力，25年/26H1的推理算力：训练算力支出=0.61/0.36，反直觉的是，今年的训练算力支出增长速度反而比推理快3、26H1通过csp的收入占比约48%，大约是78e，这种途径的确收按照总额法，26H1给到csp的分成大约27-28e，意味着#分成比例大约35%。(这一比例25年计算值是15%)4、截至2026年9月30日的九个月内，来自蒸馏客户的收入约占收入的5%至7%。欢迎联系 国信互联网&海外科技 张伦可/张昊晨

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第22部分：存在性证明】Jim拿老朋友、湖南理论派Vincent试讲新段子：空洞的界、Rademacher复杂度、Hoeffding不等式……还有一段李小龙式的"Overfit, my friend"。压轴：Vincent的感情生活，只是一个存在性证明。（普通话配英文字幕；Jim的模仿段落为英文配中文字幕。）本集涉及的AI/机器学习概念：• 泛化界（generalization bound）：形如"测试误差 ≤ 训练误差 + 复杂度项"的保证。界超过100%就叫"空洞的界"（vacuous bound）：没错，但什么也没说。• Rademacher复杂度：衡量一类模型拟合随机噪声标签的能力。越会拟合噪声，保证就越弱。• 背下随机标签：Zhang等人（ICLR 2017，《Understanding deep learning requires rethinking generalization》）发现，常见神经网络能完美拟合完全随机的标签，所以经典复杂度界对它们几乎说明不了什么。• 不空洞的PAC-Bayes界：Dziugaite和Roy（2017）为深度网络算出了有意义的界，数据集是MNIST。• Hoeffding不等式（集中不等式）：样本越多，样本平均值越集中在期望附近；样本量为零，就什么也不知道。• 先验（贝叶斯统计）：看到任何数据之前的信念。• 存在性证明与构造性证明：证明某个东西存在，但并不真的把例子造出来。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

四年前，张益唐声称证明了朗道–西格尔零点猜想的一个弱版本，并于网上发布了一篇论文预印本（图1），全文111页。四年过去了，这项工作仍未得到数学界的普遍认可。前不久，OpenAI 公布了一批 AI 数学研究成果，其中包括一篇证明朗道–西格尔零点不存在的论文。陶哲轩等人痛心疾首，对 AI 生成数学证明的可读性、可靠性和验证过程提出强烈质疑，但也有数学家采取了更积极的态度，尝试理解、检验和改进这些证明。William Banks 首先将 OpenAI 的西格尔零点不存在证明整理成了 19 页的详细版本（图2）。随后，Bryce Kerr 又将其简化为 6 页（图3）。最后，曾与陶哲轩共同证明了素数中存在任意长等差数列的 Ben Green，进一步将证明精简为 5 页（图4），并明确表示这个结果的原创性不属于自己。我觉得，这才是科学家和数学家面对 AI 挑战时应有的态度：认真检验 AI 的成果，弄清楚它究竟做对了什么，再把成果转化为人类可以理解、验证和继续发展的知识。而不是急着排斥或争夺功劳。人类数学家数十年没攻克的难题，在AI助攻下，5页纸就证明了！说几句可能很多人可能不爱听的话：张益唐、王虹、邓煜的成果值得尊重，但他们也很幸运，抓住了也许属于人类数学家的最后时光。如果 AI 早几年爆发，历史大概会重写。相关论文链接1. Yitang Zhang — Discrete mean estimates and the Landau-Siegel zero 网页链接2. OpenAI — Uniform exclusion of Landau-Siegel zeros 网页链接3. William Banks — On the OpenAI proof that Landau-Siegel zeros do not exist 网页链接4. Bryce Kerr — A simpler proof that there are no Landau-Siegel zeros 网页链接5. Ben Green — On Landau–Siegel Zeros 网页链接#人工智能##西格玛零点猜想##AI解决数学难题#

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第8部分：到底哪里更好】导师打来电话：Kimi K2用了Muon，我们也要研究一下。可是要解决什么问题？要怎么衡量"更好"？题目先定了，研究问题还没有。本集涉及的AI/机器学习概念：• Muon优化器：一种新的神经网络优化器，Kimi K2大模型的训练使用了它。• Muon vs AdamW：AdamW是目前最常用的优化器，比较新方法时要以它为基准。• 优化器不是模型：换优化器不需要改模型结构；Muon主要用于隐藏层的矩阵权重。• GPU算力：实验要排队等GPU时间。• 研究问题先于结论："为什么我们要用Muon"不能先定题目、再找理由。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

「GPT-6.1 Terra：当AI比拼转向“任务成本”」OpenAI 发布的 GPT-6.1 Terra，把重心放在了高频的实操任务上。它主打视觉理解与电脑操作的结合，既能看懂工程图纸与视频记录，也能接管软件界面的多步表单录入。新模型标准 API 价格直接减半，处理速度比 Astra 和 Sol 快三倍以上，终端编码通过率也提到了 50.3%。比起盲目追逐旗舰跑分，它更在意用中档成本把工作稳妥交付，通过减少重试与等待时间，帮企业真正把日常工作流自动化做扎实。

转发者评论

无明显转发评论

原文

【OpenAI发布GPT-6.1 Terra：能自主操作电脑！成本砍半、速度快3倍】OpenAI最新发布GPT-6.1 Terra，定位为快速高效的中端模型，把精细视觉推理、精准电脑操作与更自然的写作结合起来。最高推理强度下，其Token使用效率为Claude Opus 5.5的3倍以上、单价约四分之一，折算单任务成本低约9倍，完成任务速度比GPT-6 Astra和GPT-6.1 Sol快3倍以上。

转发者评论

无明显转发评论

原文

《给 Grok Bot 搭建基础设施》的公众号完整版发出来了。这篇文章要解决三个问题：Bot 怎么给另一台电脑上的 Agent 派任务，Agent 之间怎么交换文件和信息，Bot 怎么用上我已经在用的 App。每个问题后面都写了具体怎么实现的。比如各台电脑每 10–20 秒主动去 auto-coder.chat 领任务，所以不用开入站端口；文件走 Post to me，一边 post、一边 get；健康 Bot 先读 vilian --help，再帮我在 Vilian 里打卡、查记录。全文：网页链接

转发者评论

无明显转发评论

• //@蚁工厂:转发微博

原文

【笔记本还能这么用！只需一条AI指令秒变探测仪：90秒找出偷拍镜头】有用户分享了一段Claude Code提示词，可支持用户在入住酒店或Airbnb前，快速扫描房内隐藏摄像头、蓝牙追踪器以及手机上的可疑程序。经用户实测，该方案仅用90秒就成功定位了浴室镜子后的针孔摄像头，效率远超传统人工排查。

转发者评论

无明显转发评论

原文

2026年10月27号周二早评隔夜美股全线走高，给 A 股科技赛道带来情绪加持。半导体、存储芯片集体大涨，ARM 大涨 6.19%、英特尔大涨 4.04%，美光、SK 海力士同步走强；AI 龙头内部出现分歧，特斯拉大涨 5.21%、英伟达上涨 2.39%，苹果、Meta 小幅回落。整体来看，硬件算力、机器人产业链走强。昨天 A 股早盘承接上周五深 V 反弹后，开盘进入分歧震荡，盘中成长赛道出现分化，资金兑现前期获利盘，午后资金在主线内部轮动承接。指数震荡，走势明显低于预期，两市成交回到了1.6万亿，量能再度萎缩回来说明市场又重回到了磨底阶段，没有放量指数目前震荡也不会变。上周五单日放量反攻只是第一步，想要走出持续性趋势，需要后续交易日量能稳住、赚钱效应扩散；3700 点附近压力开始显现，这里是前期套牢筹码密集区，需要继续放量突破才会持续。周一的震荡，就是第一次压力位检验。放量深 V 之后，周一迎来首轮分歧震荡，行情从磨底进入震荡验证期，单日放量不等于直接反转。后续能够持续放量站稳压力位，才是右侧确认信号；放量冲高后次日缩量，优先把握分批兑现节奏。中长期依旧看好第四季度行情，行情确认右侧上升趋势，核心前提就是两市持续守住 2 万亿成交；板块重点盯科技板块能否放量再度走强，一旦科技主线冲高乏力，非科技方向重点切换到人形机器人，关注能否持续，整体上还是轮动为主。消息面1、央行设立债市非银大额赎回互换便利上次金融街年会的利好兑现了。2、宇树科技紧急提示风险宇树发布公告称，公司股票连续三个交易日收盘价格涨幅偏离值累计超过30%，属于股票交易异常波动情形！这个要关注机器人分歧之后能否转一致。3、Anthropic公开提交纳斯达克IPO申请全球大模型龙头Anthropic准备上市了，目标在11月16日当周进行IPO！4、量产提速，物理 AI 入家 启元 5000 台个人机器人下线 10月29日，2026智元创新日将在上海举行 重磅主题演讲跃迁涉及数据、模型、本体、场景到生态。

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-10-27】今日简讯：1、OpenAI发布GPT-6.1 Terra，强化视觉理解与电脑操作2、腾讯开源Hy-SimulMT，支持中英文实时同声传译3、即梦短剧工作室正式上线，串联剧本、美术与分镜制作4、Anthropic公开提交IPO申请，拟以ANT在纳斯达克上市5、OpenAI公布三项AI科研结果，交由外部学者独立检查6、微软更新Azure语音转写模型，覆盖50种语言7、Meta启动350亿美元股票发行，另拟最多600亿美元融资计划以下为详细内容1、OpenAI发布GPT-6.1 Terra，强化视觉理解与电脑操作来源：OpenAIOpenAI发布GPT-6.1 Terra，重点增强视觉理解、电脑操作、写作与编程能力，面向解读技术图纸、填写表单、编辑视频和处理文档等任务。模型已向ChatGPT Work和Codex中的Plus、Pro、Enterprise及Edu用户开放，API调用名称为gpt-6.1-terra。标准价格为每百万输入Token 1美元、缓存输入0.05美元、输出5美元，较GPT-5.6 Terra和GPT-6.1 Sol低50%。官方评测中，其最高推理档位在Terminal-Bench 4.0完成50.3%的任务；公司仍将Sol和Astra列为更复杂编程任务的优先选择。原文链接：网页链接2、腾讯开源Hy-SimulMT，支持中英文实时同声传译来源：腾讯混元腾讯混元发布并开放Hy-SimulMT同声传译模型，支持中文与英文双向流式翻译，可在讲话持续进行时生成译文，面向会议、演讲和访谈等场景。项目提供SimulInfer推理服务、SimulTrain训练工具，以及常规、FP8和GGUF等模型版本；部分版本同时输出原文与译文。官方在RealSI长音频评测中测得约3秒的StreamLAAL流式翻译滞后，这一指标并不等同于首次语音输出时间。部署语音播报和音色克隆还需配置TTS服务，用户也可通过腾讯翻译App体验相关能力。厂商与人工译员的对照结果仅覆盖所选样本和测试条件。原文链接：网页链接3、即梦短剧工作室正式上线，串联剧本、美术与分镜制作来源：IT之家字节跳动旗下即梦AI宣布“短剧工作室”正式上线，将剧本、美术、分镜及后期制作整合到同一流程。平台介绍，剧本模型DreamScript支持原创、改编等内容生成及10万字文本解析；图片模型Anycook针对短剧美术调校，用于人物设定与场景搭建；分镜模型DreamShot支持画布、故事板切换，并通过3D导演台预演机位和运镜。后期工具提供单镜头定点重拍、人声与背景音分离、重新配音和智能切镜，项目资产支持同步修改。平台还可分析已有短剧的角色、场景和镜头结构，按目标风格及地区重制画面。本次发布明确了工作室的产品组成与创作工具。原文链接：字节跳动旗下即梦 AI 短剧工作室上线，提…

转发者评论

无明显转发评论

原文

别学编程了！Anthropic CEO直言：代码工作快速消失，人类应该学弹钢琴如果说，当今世界有人能看清人类未来十年的走向，Dario Amodei绝对是其中之一。「AI海啸正向我们扑来，近在咫尺。但整个社会却假装那只是海市蜃楼。」他直言不讳地说：「我认为，Coding会最先消失，或者说，最先被AI模型完全取代。」但Dario无情地指出，纯粹的敲代码时代，正在终结！在Anthropic内部，Claude Code已经在指数级进化。他提出了一个极其关键的区分：Coding（编码） ≠ Software Engineering（软件工程）。Dario 给出了一个极具颠覆性的数学公式：5% + 95% = 20倍生产力。Dario强烈建议，年轻人应该关注那些「物理世界」与「传统工程」交汇的领域，比如半导体制造、新能源基建、高端制造业。「如果现在给你100块钱，只能买一支股票或者押注一个行业（除了你自己的AI赛道），你会买什么？」他给出了一个令人意外，但又在情理之中的答案：生物技术。3.把「提示词工程」当成弹钢琴来练。很多人抱怨AI不好用，是因为他们根本不会用。Dario引用了一句名言：「写提示词就像弹钢琴。你不能指望一坐到琴凳上，就能弹出贝多芬。」AI时代的第一性原理，就是智力成本将无限趋近于零。任何可以被逻辑化、数据化、重复化的脑力劳动，都将一文不值。人类能做的，就是去理解人心，去连接物理世界，去掌控AI，去做那5%能掌舵的人。

转发者评论

无明显转发评论

原文

【GitHub 开源推荐】ffmpeg-skill：给你的 AI 编程助手配一个本地视频剪辑师Claude Code、Cursor、Codex 或任何支持 MCP 的客户端，都能用它在本地通过 FFmpeg 剪你的视频，还会自己检查输出结果。不上云、不要 API Key，只依赖 Python 标准库。MIT 协议，目前 2.9k Star、225 Fork。核心思路：让 Agent 按固定流程干活——先 probe 探测真实文件参数 → 尽量无损剪辑 → 检查 → 验证，而不是凭文件名瞎猜帧率、编码。42 个工具覆盖：1）剪切、拼接、去静音/去口头禅2）按时长和画幅重构图（如横屏转 9:16）3）字幕与卡拉 OK 逐词动画、叠加层与动效4）HDR 转 SDR、LUT 调色5）音频降噪、响度标准化、音视频同步与多机位6）平台导出与交付检查、整条剪辑工程渲染、批量处理文件夹每个工具都能作为 MCP 工具调用，还提供机器可读的 contract；README 里有 66 组前后对比演示，全部由合成素材生成，可自己复现。安装一行：npx ffmpeg-skill（Cursor 加 --cursor，Codex 加 --codex），再跑 npx ffmpeg-skill doctor 检查环境。只要 PATH 里有 ffmpeg 和 python3 就能用。之后直接对 Agent 说：“把 interview.mp4 保留 0:45–3:10 和 5:00–6:30，做成 60 秒的 Reels”，它会自己探测、剪辑、导出并核对。项目地址：网页链接#FFmpeg##ClaudeCode##AI视频剪辑##开源项目##GitHub#

转发者评论

@阿尼亚是安妮亞 快让它检查你电脑上有没有ffmpeg[嘻嘻]//@蚁工厂:转发微博

• @阿尼亚是安妮亞 快让它检查你电脑上有没有ffmpeg[嘻嘻]//@蚁工厂:转发微博

原文

白纸也能有丰富色彩，前提是颜色来自透光和阴影。把材质、前后层次及光线颜色一起写入提示词。📌 可直接复制的完整母版制作[场景]的多层白卡纸kirigami立体景观，[层内细节]由精细镂空剪影组成，前、中、后景错开并有真实纸层间距。纸面始终是白色，边缘可见厚度与切口；[照明]穿过镂空，投下深而柔的彩色阴影，形成空间深度和轻微景深。整体简洁但细节精密，单幅完整纸艺场景，不写代码、文字，无塑料金属质感、拼图或水印。horizontal landscape, aspect ratio 16:9。🧩 三组替换值（依次对应[场景]／[层内细节]／[照明]）1.赛博城市／楼群、空中通道、小窗与弯曲交通线／低角度金色夕光，琥珀与淡紫阴影2.热带密林／树干、密集叶片、藤蔓与林间通道／蓝绿夜光，深青色阴影3.雪山村落／屋顶、松树、山脊与小路／暮色暖光，柔和蓝紫阴影🔍 三个灵魂词white cardstock：纸本身保持白色。cutout depth：用纸层间距建立景深。colored shadows：让透光与投影承担色彩。📐 两图变体V1：略低的三分之四视角，看清纸层纵深；V2：略高俯视，看清前中后景的遮挡关系。将变体句追加到已填值的母版后。原来的SQL只是组织画面条件，复现时直接写成自然语言即可。前景轮廓可以更粗，远景更细，但都应共用白卡纸这一种主要材质。✅ 检查：检查白纸切口、纸层遮挡和透光；不要让纸面本身变成五颜六色的塑料模型。#AI绘画 #Prompt小课堂

转发者评论

无明显转发评论

原文

#老干妈AI质检引发争议# 这个事件从头到尾都是糊里糊涂的。1、一开始的tag是：79岁老干妈陶华碧，用AI一年赚54亿！查到了一个来源是：中国经济网微信综合。说实话，不太能理解，微信综合是什么意思。2、确认了一下，信息的来源是去年的贵州省质量发展大会，老干妈的一个高管的发言，他说：“通过四年的质量巩固与体系优化，2025年，我们营收达54亿元，创历史最高峰值”以及“2025年，老干妈实现核心原料100%可追溯，AI视觉质检系统全面上线，关键工序产品不良率降至0.02%”3、注意：营收54亿，不能当赚54亿，一般来说说赚多少钱，谈的是利润，不是营收。所以，AI质检和营收54亿之间，也没有因果关系。4、也没搞清楚老干妈故意往这方面宣传，还是一开始就有人搞错了。全网找，也没有找到这个大会的发言全文。5、所以，从目前信息看，没得出裁员和引入AI有什么直接关系，更像是AI背锅。因为对于规模制造业而言，现在引入AI质检根本不是什么新闻，没有引入才更是一个新闻。这就是工业计算机视觉的方案，完全没大模型什么事儿。

转发者评论

无明显转发评论

• 短视频刷到小超市在下架老干妈，评论区一片叫好，各种抵制。虽然这件事很莫名其妙，但是群众的情绪，也算是一种信号吧。大家更愿意相信的叙事是 AI 夺走了我的工作。

原文

大模型学习路线图~地址：nano-ai.tech/map/从 2017 年的 Transformer 到今天的主流大模型，按学习顺序分成 8 个阶段、51 个知识点。鼠标移到阶段上看这一阶段学什么，点任意一项，看它要先学什么、去哪里学。带 本站 的表示本站已有对应教程。

转发者评论

//@pinxue:很用心的制作，不过one-hot编码太浪费Transformer并没有真的使用，而是直接用id去索引嵌入矩阵了，我还是初学者的时候觉得one-hot真的很巧妙，其实是浪费感情

• //@pinxue:很用心的制作，不过one-hot编码太浪费Transformer并没有真的使用，而是直接用id去索引嵌入矩阵了，我还是初学者的时候觉得one-hot真的很巧妙，其实是浪费感情

原文

#Anthropic申请纳斯达克IPO#Anthropic 递交了 IPO 申请，准备在纳斯达克上市，股票代码 ANT。高盛、摩根士丹利和摩根大通联合承销，最快 11 月中旬挂牌。这会是 AI 公司里迄今最大的上市交易。先看增长有多猛。2024 年 Anthropic 全年营收 3.86 亿美元，2025 年涨到 45.9 亿美元，今年上半年直接干到 163 亿美元，三季度单季更是达到了 168 亿美元。钱主要来自企业客户，按量付费占 80%，订阅占 20%。年付费超 10 万美元的客户从一年前的 950 家飙到了 11900 家，超 100 万美元的有 1900 多家，超 1000 万美元的约 250 家。Claude Code 编程工具和企业需求是主要的增长来源。再说亏损。上半年账面净亏 807 亿美元，数字看着吓人，但里面 724 亿美元是可转债在账面上的调整，公司估值涨得越高这笔数字就越大，没有真金白银花出去。去掉这部分，经营亏损从去年同期的 21.4 亿美元收窄到了 6.93 亿美元，二季度单季甚至赚了 10 亿美元的经营利润。真正烧钱的是算力。上半年算力支出 89 亿美元，去年同期 23 亿美元。后面还有更大的账单：跟谷歌、亚马逊、微软和 SpaceX 签的长期算力合同加起来超过 4750 亿美元，全部跑起来之后每月要付约 31 亿美元。目前手上现金加短期投资合计 1317 亿美元。治理结构也挺特别。Anthropic 注册的是公益公司，七位创始人通过一股特殊股份握着 50.1% 的投票权，公众股东投票权上限 49.9%。亚马逊和谷歌的持股分别被卡在 12% 和 14.99%。每位创始人还承诺把个人 80% 的持股捐做慈善。估值预期正在往下走。早期传闻说 2 万亿美元，现在更多集中在 1.5 万亿左右，有分析师看到 1.2 万亿，上一轮私募估值是 9650 亿美元。招股书还专门提了风险：先进 AI 可能对人类构成“灾难性或生存性风险”，版权官司和对云服务商的依赖也是隐患。Anthropic 2021 年由一群从 OpenAI 离开的研究人员创立，靠 Claude 在企业市场站稳了脚。能不能赶在 AI 热度降温前完成这笔史上最大科技 IPO，接下来几周就见分晓。#科技先锋官#

转发者评论

无明显转发评论

原文

#人工智能# X用户lyra发现，像Qwen3.5 4B这样的模型，只要调整一两个神经元，就足以让Qwen发生本质的改变。比如对L14 N8949 +1，对L13 N7956 -1，仅仅这两个调整，就能让Qwen3.5变得无比邪恶（图2），其思想过程令人不寒而栗。而对另外一个神经元做个简单调整，就能让它三句话离不开提钱。这个“对极少量神经元的调整就能极大地改变模型整体输出”的发现，是通过图1这样的可视化工具找到的——某些层的个别神经元起到了“枢纽”的作用，堪称名副其实地“牵一发而动全身”。说不定，也许人的大脑里也会有类似这样的“开关”？

转发者评论

#人工智能[超话]##心理学[超话]#

• #人工智能[超话]##心理学[超话]#

原文

【杨立昆首次详谈AMI商业化路线：先发论文，再做工业AI，最终进军机器人】近日，在法国财经媒体《La Tribune》为 2026 年马赛人工智能大会（AIM 2026）录制的一场专访中，#图灵奖# 得主、深度学习先驱杨立昆（Yann LeCun）详细披露了其创办的人工智能初创公司 AMI Labs 的世界模型商业化路线：先发表科学论文，再进入工业应用，最终瞄准家庭机器人、自动驾驶等需要与现实世界交互的智能系统。离开 Meta 创办 AMI Labs 约半年后，#杨立昆# 并没有急于向外界展示新产品。相反，他坦言，公司目前仍处于技术研发阶段，短期内尚无明确的产品发布计划，距离真正的商业化落地还有一段路要走。目前，AMI Labs 已组建起一支约 50 至 60 人的团队，成员分布在巴黎、纽约、蒙特利尔和新加坡四地，并开始与潜在客户及合作伙伴接触。与许多扎根硅谷的 AI 初创公司不同，AMI Labs 从成立之初就选择了全球化布局，总部设在巴黎，并在北美和亚洲组建研发团队。杨立昆此前曾表示，硅谷的研究人员和资本过度集中于大语言模型，因此希望在其他地区探索不同的技术路线。不过，这条路线在创业初期并未得到硅谷的普遍认可。今年 3 月，AMI Labs 联合创始人兼首席科学官谢赛宁在接受《商业访谈录》采访时坦言：在硅谷，大多数人并不相信我们；但在世界其他地方，大多数人是相信我们的。戳链接查看详情：网页链接

转发者评论

//@毅马当闲:转发微博

• //@毅马当闲:转发微博

原文

抖上有一个62岁的音乐人桂香写的《昨天又有个小姐妹死了》爆火，歌词写得太野生，太直白，太朋克了，制作有些粗糙粗糙，但她的震撼也来自这种粗粝感。很多人评论说，第一次窥见老年女性的内心世界，我被她触动，也是因为她如此直白地袒露自己的内心。「我怕死怕的要命」难道不是我们这个高压时代的箴言吗？ 鹿野子-的微博视频

转发者评论

//@学会土遁好逃命:老一辈还在坚持手搓。 //@Mute_com:不是AI ！！！！太棒了！！！ 文艺什么的，不论多粗糙和狂野，怎么都比AI好。

• //@学会土遁好逃命:老一辈还在坚持手搓。 //@Mute_com:不是AI ！！！！太棒了！！！ 文艺什么的，不论多粗糙和狂野，怎么都比AI好。

原文

【OVERFIT 过拟合 · 第1集 第23部分：最小可行咖啡】Rohan端着餐盘加入，遇上理论派Vincent：一个点子要是没人愿意掏钱，可能就没人需要。那一百万美元的千禧年大奖呢？还有说自己解出来的AI呢？接着Jim揭发：Vincent对Camila"隐身"了一整年。于是Rohan给他的感情生活做了一次创业评估。（英文配中文字幕；中文悄悄话配英文字幕。）本集涉及的AI/机器学习与数学概念：• 千禧年大奖难题：七个著名的数学难题，克雷数学研究所为每一个悬赏一百万美元。• 纳维–斯托克斯方程：描述流体运动的方程。2026年9月8日，OpenAI宣布约一万个自主AI智能体运行约88小时，在三维纳维–斯托克斯方程中找到了"爆破奇点"。截至本集，结果尚未经过独立验证，OpenAI表示不会领取奖金。• 数学AI智能体：大量AI智能体并行地搜索、撰写和检查证明。• 独立验证：一个证明要经过其他专家检查，才算真正成立。• 二号审稿人（Reviewer Two）：学术圈里出了名难缠的匿名审稿人。• 收敛：优化过程（Vincent说还有感情）最终稳定到一个解。• Rohan用的创业术语：用户、痛点、市场进入（go-to-market）、线索、接触点、销售漏斗、MVP（最小可行产品）、转型（pivot）。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

新版 Deepseek flash 确实变抠门了。语音播报功能在以前是恰到好处的。该用语音播报的时候不含糊，也不会过于频繁。但新版的模型能看到“生成语音要钱”，甚至是“我只说5个字应该不贵”的思考，然后主动帮我省 tts 的钱。由于开发过费用相关的工具，Agent 是知道高峰期两倍费用这件事的。在以前几乎没有影响，但最近甚至能在回复中看到“现在是高峰期，你要不晚点再找我弄，能省点钱”这种建议。具体可以看 @karminski-牙医 的评测视频：网页链接

转发者评论

无明显转发评论

• [允悲]先炫富//@破弦chaos:确实，变抠门了。但是我找到了“颇有家资”提示词法。做任务前，你告诉他我颇有家资，不要省token，你发现原来的flash回来了，能正常干活了。 http://t.cn/AXj6hJvu //@蚁工厂:也。。挺好的

原文

【OVERFIT 过拟合 · 第1集 第19部分：老师培训】还在食堂。Chen转述了Sebastian Raschka的推荐：如果只读一篇，就读NVIDIA的Nemotron 3 Super技术报告。Vivian把它变成了一个方案：让大模型当老师，教一个小循环模型，再研究这个学生什么时候该停。Jim则不停地给每个想法找到"学术圈版本"。本集涉及的AI/机器学习概念：• Nemotron 3 Super：Mamba（状态空间模型）、注意力和混合专家（MoE）的混合架构。它不是循环Transformer，不能直接"多跑几圈"。• 知识蒸馏（老师-学生）：用大模型生成带步骤的解答，来训练小模型。• 老师也要验：老师给的数学答案先用程序验证，再进训练集。名字叫Super，不代表全对。• 学生要真训练：同一组参数反复使用，按多轮循环来训练，而不是把没训练过的层简单重复。• 先冻结，再加停止模块：学生训练好后冻结，再学习"再算一轮能不能把答案改对"（接第18部分）。• 公平基线、分开算账：和固定圈数、按自信度停止的方法比，总算力对齐；老师生成数据的成本和学生推理的成本分开记。Chen的台词转述自Sebastian Raschka的2026年论文书单，并不代表他认可剧中学生的方案。这是情景喜剧里提出的试点设想，不是已发表的结果。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

最近在推特上看到一条帖子，感觉很值得分享。作者叫 Mark Ajzenstadt，他说，一家公司要从"到处买 AI 工具"，变成真正靠 AI 智能体来运转，中间要走七步。他最直接的一句话是：现在大多数公司停在第一步，却跑去买第七步的东西，而他们真正缺的，是第四步的执行力。先说第一步，叫工具采购。就是公司到处都用 AI 工具，但每一个都靠人手动操作。开发者下班了，自动化就停了。某人去旅游，这个工作流也跟着消失。然后是第二步，叫上下文层。每个部门建一张自己的知识图谱，通过接口对外开放。销售想查工程部的数据，走接口就行。各部门分开管，也能防止 AI 在跨部门工作时乱猜、说错话。接着是第三步，叫框架工程。在选 AI 模型之前，先把评估标准、路由规则、质量关卡都搭好，模型最后才加进来。这套框架是公司真正的资产，底层用哪个模型，随时可以换。如果换个模型整个系统就崩了，你建的只是依赖，算不上一个平台。第四步，叫去无头化。把所有自动化服务放到服务器上，让它按时间、按条件自己跑，不需要人早上九点登录才能启动。很多公司卡在这一步，因为没有人去推动那个转变，把"放在我电脑上的脚本"，变成一个"自己会跑的服务"。第五步，叫治理。从第一天起就给每个知识库设权限，给每个智能体设有效期。那些没人用的旧智能体，带着有效的 API 密钥，就是技术债务。工具超过一百个之后，九十天没跑过的退役，评估分不达标的弃用。第六步，叫智能体间协作。把多个自动跑的服务串成一条链。A 做完交给 B，中间有一个 AI 专门盯着，每次交接都要判断质量，通过了才往下传。最后是第七步，叫步进函数。整套流程变成可以编排的工作流，半自动或者全自动都行。量大的事情交给智能体，出了异常留给人来处理。公司就靠智能体的输出来运转。Mark 最后提了个真实案例：他们跟一位工程副总裁聊完这七步。那家公司停在第一步，但工具已经超过一百个了。Mark 告诉他：你离第四步，比你以为的近多了。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第25部分：奖励函数】Vivian坦白：她以前就拿Lean数据训练过。去年老板在会议上听到"Lean"，认定小模型是未来。于是她干脆让这件事成真：在Lean证明上做强化学习。接着，饭桌上的每个人都算出了自己的奖励函数，包括Jim和Vincent。（英文配中文字幕；中文悄悄话配英文字幕。）本集涉及的AI/机器学习概念：• 可验证奖励的强化学习：模型写Lean证明，Lean通过就奖励1，不通过就是0。和人类反馈不同，检查器哄不了。• Lean 4（接第24部分）：一种证明助手，会逐步检查写成代码的证明。• AlphaProof（Google DeepMind）：用强化学习在Lean形式化证明上训练；与AlphaGeometry 2一起，在2024年国际数学奥林匹克达到银牌水平。• 稀疏奖励：大部分尝试都得不到奖励，学习就很慢（就像四年才颁一次的菲尔兹奖）。• 课程学习：先做简单题，再逐步做难题。• 奖励投机（reward hacking）：去优化奖励本身而不是目标，比如去证一个形式化错了、更简单的命题（接第24部分的"翻译走样"）。• 用Lean反馈做强化学习的小模型，在形式化证明基准上超过了大得多的通用模型。• 奖励塑形：加入更小的中间奖励，让学习得到更多信号。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

如何才能不被AI淘汰。网页链接Linux缔造者Linus在2000年说：talk is cheap, show me the code. 视Linus为偶像的程序员们拿着这句话怼产品经理，怼设计，怼美工，怼策划，怼创意，怼不懂技术只有idea的创始人，怼天怼地。打死也想不到，仅仅过去了1/4世纪code就变得如此cheap。Linus本人甚至也开始用AI生成Linux内核代码补丁。Image试问苍天绕过谁。历史的车轮会无情地碾压每一个随波逐流的人。当code（代码）变得cheap（便宜），我们必须思考什么东西是贵的？想不明白这个问题，那你的时间也差不多喽。Image难道talk/idea（创意）变贵了么？显然也不是，甚至他们现在变得cheaper（更便宜）。如果你不懂技术不懂编程，但有绝佳的创意并vibe coding了出来。在你发布的那一刻，任何其他人也能轻易复刻。你除了失去金钱（烧token）什么都得不到。在AI时代，什么东西是贵的？关于这个问题我还没有明确的答案。但不妨我们来做一些思考练习。也欢迎在评论区留下你的思考。1. 任何作品都可以落在这个光谱里：纯手搓到纯AI（一句话提示词那种）。光谱的左端AI含量0人脑含量100%。光谱的右端AI含量100%人脑含量0。2. 如果你发布的作品靠近光谱的右端（AI含量很高），那其他人也能轻易通过AI复刻。3. 如果你发布的作品靠近光谱的左端，也有很大概率可以被人复刻。当人们看到你的作品，使用你的作品，研究和逆向你的作品，如果你的作品也不是那种大幅度超越AI水平的神级作品，大概率别人也能借助AI复刻。最近不就有复刻3A游戏大作，复刻Adobe全家桶，复刻各种收费软件的操作。4. 可以推理得出无论你的作品在这个光谱的什么位置，都可能被人借助AI复刻。当然复刻作品的人，除了失去金钱烧token，什么也得不到。唯一赚钱的是英伟达和大模型公司。5. 如果你的作品（无论是AI还是手搓制作）足够复杂，复刻你的作品需要烧掉几百万几千万美元的token，那你暂时是安全的。但随着算力成本的下降，也会面临危险。你必须不断向作品添加复杂度来对抗AI算力成本的下降。这种东西是贵的（字面意义）。是巨头们的游戏。6. 跳出你的作品，考虑你自己。”你”本身无论有多丑多平庸多捣蛋，你在父母眼中是唯一的，不可替代的不可复刻。这种东西比贵更贵，是无价的。为什么？有趣的是，在Linus说出那句著名的talk is cheap, show me the code的2000年之后仅一年的2001年，斯皮尔伯格的电影”AI”（人工智能）就上映了。在那个电影里，内置AI的仿真型人形机器人大卫已经达到至臻化境，他来到那个家庭替代原来的孩子，以弥补那个妈妈的伤痛（她的亲生孩子绝症昏迷，医生说大概率不会醒来）。基于AI的机器人大卫完美扮演了孩子的角色，并与那个妈…

转发者评论

的确。身体好才能扛住体力劳动或者加入反抗军。//@芝加哥一号堆:现在talk和code都cheap了 重要的是活着

• 的确。身体好才能扛住体力劳动或者加入反抗军。//@芝加哥一号堆:现在talk和code都cheap了 重要的是活着

原文

「JetBrains 开源智能体 IDE：ThinkRail」作为围绕 pi 编码智能体打造的轻量开发环境，ThinkRail 专注打磨实际落地的工作流。它通过 git-worktree 把任务切入相互隔离的工作区，支持多个智能体并行写代码且不污染主分支，同时配备 Monaco 编辑器、实时 Git 差异和终端，保留扎实的本地 IDE 体验。项目依托 SPEC 文档图谱沉淀活规范，让设计意图在会话结束后依然留存，并完整支持 MCP 协议、Agent Skills、网页调研与自动化 PR 交付。工具无需注册专属账号，可直连自带模型或 JetBrains AI，提供桌面与命令行版本且内置简体中文。github：JetBrains/thinkrail

转发者评论

无明显转发评论

原文

哎呀。Anthropic 刚刚使出了 2000 年泡沫期公司为 IPO 玩的那种一模一样的会计把戏。他们通过在 IPO 时可兑现的可转换票据隐藏了所有费用。价值 1080 亿美元。互联网公司经常用股票或股权支付供应商、广告公司、律师甚至房东，以节省现金。AOL 用股份交换服务和广告（例如，Homestore、DrKoop）。电信供应商如 Lucent、Cisco 和 Nortel 使用供应商融资，有时附带股权或认股权证，来推动设备销售。引用：So we’re all in agreement Anthropic was paying all of its expenses in convertible notes? x.com/jaminball/stat…网页链接

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第21部分：开放问题】Jim的老朋友Vincent（谭文森，湖南人）端着餐盘来了。他在理论组做流形优化：好不容易学会写证明，结果大家都开始让AI证了。然后他听说，Camila今晚跟一个新来的男研究生出去吃饭了……本集涉及的AI/机器学习概念：• 流形优化（manifold optimization）：在构成光滑流形的约束集合上做优化，比如Stiefel流形（列向量正交归一的矩阵）。理论组会为这类方法证明收敛性。• Muon（见第9部分）：用牛顿–舒尔茨迭代把每一步的权重更新近似正交化。• manifold Muon：Jeremy Bernstein在Thinking Machines Lab的《Modular Manifolds》（2025年9月）中提出，训练时直接让权重本身保持在Stiefel流形上。• 用AI辅助证明定理：越来越多的研究者用AI帮忙写证明、查证明。• 训练集与测试集（接第20部分）：Vincent的"理想型"只是他的训练集；能不能泛化到新数据，才是关键。• 重复样本：同一部电影看两遍，还是只算一个数据点。• 开放问题（open problem）：还没有人证明或否定的问题。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第17部分：转发】导师打来电话：他在亚洲的合作者想一起申请项目，得想个内容来写。还没做完的Muon项目突然"不流行了"，循环Transformer才是新方向。会议室麦克风一静音，Jim和Camila就悟了：这场会是转发给他们的。Rohan还想把AI辅导老师装进学校的平板。本集涉及的AI/机器学习概念：• Muon优化器 vs 循环Transformer：Muon是训练用的优化器（见第9部分的实验）；循环Transformer（Looped Transformer）是一种模型架构，把同一组层重复使用多次（见第11部分）。• 先有研究问题："具体要验证什么问题？"有题目不等于有假设。• 循环与推理：测试增加循环次数能否提升推理能力，并且和普通Transformer在相同算力预算下比较，保证公平。• 小模型上低成本设备：如果循环能让小模型解出更难的题，也许能在学校平板上运行。这是Rohan的产品设想。• 先衡量效果，再谈商业模式：先看学生到底学会没有，再商量怎么收费。• 科研潮流：实验还没做完，就因为题目"过时了"而放弃。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

我想跟大家说个事，所有有医保的朋友们，如果你们没有买过本地惠民保险，可以考虑一下。所谓“惠民保险”，并不是纯商业保险，是各地政府牵头，各地政府督导，给居民做的补充医疗险。每年年费59-159不等，保200-400万自费医疗，不限年龄，也不限基础疾病---任何人都可以参加，只要有医保。【没有人给我投一分钱广告，以下都是真实经历】。我一直不信商业保险，我妈要买这个，我就买了。她年费89元。因为我家有严重老年痴呆基因，且我几个亲戚都发病了，我妈妈有一点点早期症状，我就让她去打伦卡奈单抗。伦卡奈单抗目前来说非常贵，完全自费。但是我出于对我妈生活质量的考虑，还是认为应该花这笔钱---这笔钱是一个月两万，每年24万。几乎全部自费。本来我没想起来买了惠民保这件事，但是后来惠民保自动发短信，说可以报销。然后没有经过任何复杂手续，直接打款10万多一点点。也就是几乎覆盖了自费药的一半。对此我相当惊讶：要知道那些商业保险，都是投入数量巨大，而且要理赔扯皮时间巨长的。然后某天要直播化妆的时候，我给化妆师讲了这段。没想到她居然不知道有惠民保。听了我的故事，直接给自己和妈妈也买了。要说我没有义务安利这个，但是我觉得这把政府指导的补充医疗险真的比商业保险划算多了。几十块钱，能把医保报销自费和一些自费药都cover了，而且全程零扯皮。没有打单子，来回退，来回举证blah blah，没有很多保险公司那套“无限增加你理赔流程，最后给你闹到不想报销了”。以前打工的时候，前公司给我买了一个巨贵的商业保险。当初我去公立医院生孩子，本来费用就低。生完孩子就剩一千多自费了。这个商业保险公司，要理赔，需要我把所有产检的单子，包含医院的档案（医院保存的那一部分，不给个人的），按时间梳理好，全部拿过去。我算了，跑这几趟打车费在北京就得500，更别提误工了。前公司交的保费很贵，一年好几千。所以我对这种“交保费时候花钱如流水”，“理赔时候打印一千个单子，取之锱铢必较”的恶心商业保险，那真是体验充分。所以给大家说说惠民保的好处。大家可以AI搜索“我们省的惠民保叫什么”，然后按名字搜公众号，就可以看到了。

转发者评论

无明显转发评论

原文

「如何看待人工智能带来的无就业繁荣？」AI提升任务效率已成事实，但这不等于岗位立刻大面积蒸发。现实中的冲击往往更隐蔽：现有员工未必被裁，年轻人的初级岗位通道却悄然收缩；单个任务节省的工时，也并未直接转化为薪酬与就业的整体增长。当生产逐步脱离对劳动工时的依赖，最现实的挑战是传统的“劳动换收入”循环开始脱节。若技术红利过度流向资本端，大众购买力跟不上，账面繁荣就难以转化为多数人的生活改善。比起盯着裁员传闻，眼下更该关注中位数实际工资走势、青年就业门槛，以及效率提升能否转化为合理的工时与社会保障。毕竟决定繁荣流向的从不是算法本身，而是制度与市场规则。

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第11部分：发言要点】Vivian和Chen在讨论一个循环Transformer实验，Theo拿着从AI聊天机器人那里要来的"话术"加入讨论。前两条蒙混过关，第三条露了馅。本集涉及的AI/机器学习技术：• 循环Transformer（Looped Transformers）：同一个Transformer block循环跑多次（这里是4次），权重共享。参考论文《Reasoning with Latent Thoughts: On the Power of Looped Transformers》（ICLR 2025）。• 权重共享（weight sharing）：重复使用同一个block不增加参数量，但每多循环一次都要多花算力。• 算力对齐比较（compute-matched comparison）：比较模型时要对齐计算量，而不只是对齐参数量或模型大小。• 固定深度 vs 自适应停止（adaptive halting）：循环固定次数，还是让模型自己决定何时停止（参见Universal Transformers，2018）。• 用AI聊天机器人生成"发言要点"，以及不懂这些要点会发生什么。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

上半年807亿亏损组成拆解1. 最大头：公允价值变动约724亿美元（占净亏损约90%） 这是非现金会计调整。 公司发行了大量可转换票据（convertible promissory notes）、SAFE和相关衍生工具来融资。这些工具按公允价值计量。当Anthropic的企业估值在上半年大幅上升时，这些工具的公允价值也随之大幅上升，从而在损益表上确认巨额“亏损”（其实是负债账面价值增加）。 S-1明确说明：这些变动“primarily driven by an increase in the fair value of our outstanding convertible promissory notes resulting from an increase in our enterprise valuation”。 这与2025年全年约343亿美元的同类调整、2026上半年相对2025上半年（约109亿美元）的大幅跳升逻辑一致——估值越高，账面亏损越大。2. 真实经营层面亏损很小：营业亏损仅6.93亿美元 收入162.86亿美元，计算与基础设施成本89.45亿美元，加上人员、销售等费用后，营业亏损收窄到仅6.93亿美元。相比2025年全年营业亏损80.6亿美元，经营层面已明显改善。调整后营业利润甚至为正（约16亿美元量级）。3. 其他收入（费用）净额约87.6亿美元亏损 这部分规模不小，但S-1摘要表未进一步拆分明细。通常可能包括其他衍生品公允价值变动、外汇、非经常性项目等。它不是主要驱动因素，但确实放大了总亏损。4. 利息收入约11亿美元 因为账上有超1300亿美元现金及短期投资，产生了可观利息收入，部分抵消了其他项目。为什么会这样？本质原因• 会计规则：这些融资工具在转换为股权前，需要按公允价值通过损益表计量（mark-to-market）。估值快速上涨 → 负债公允价值上升 → 确认巨额非现金亏损。• 不是现金烧光了：真正的现金消耗主要体现在计算/基础设施支出（上半年约89亿美元）和运营费用上，但被收入暴增和大量融资带来的现金缓冲抵消。公司账上仍有约1316亿美元现金及短投。• IPO后会改善：文件提到pro forma调整会消除Convertible Notes Conversion相关的公允价值变动影响。上市后这些工具转换为股权，后续类似巨额非现金亏损会显著减少。简单说：807亿美元净亏损里，约724亿是“估值上涨导致的会计纸面亏损”，真实经营亏损只有约7亿美元量级。这是高速融资、估值暴涨的AI公司常见的会计现象，不代表公司在上半年真正烧掉了807亿美元现金。#解读A畜#

转发者评论

无明显转发评论

原文

「当AI写下90%代码，代码审查如何重构？」在Claude Code团队，AI写了近九成代码，审查标准随之从逐行通读转向风险分流。团队将单次人工卡点重构为连续验证：提交前由Agent自测并经独立视角复核；PR阶段由多模型并行找错、安全检查与CI层层拦截；审批按变更风险分级，低风险自动放行，敏感路径严格人工把关；设置轮次上限与增量复审以防机器互审死循环；发布底线则由合并队列与快速回滚守护。工程师不再为人肉读diff耗费精力，而是把注意力留给架构判断与最终生产责任。

转发者评论

无明显转发评论

原文

国外有个哥们 Techartist 太牛了，使用 Opus5.5 和Three.js制作了一本 3D 可视化的物理课本。这个 3D 可视化的课本可以点击互动，可以用来辅助教学，太直观了。大家可以去体验体验，很有意思。课程传送门：iamtechartist.com/every-joule#科技先锋官##How I AI# AIGC·非著名程序员的微博视频

转发者评论

无明显转发评论

原文

x 上的 Ole Lehmann 把非人公司的 Dario 的所有关于 AI 发展的时间线的预测梳理了一下。在他的预测中，AI 的发展不是线性的。2026 年我们看到了太多爆炸性的进展，他的能力很明显带有加速度。你用 2023 年到 2025 年的进展估计，会觉得 2025 和 2026 年的进展像是过去了 3 年甚至 5 年。。。所以接下来 3 年，我们会看到更多神迹出现。比如 ，2030 年，人均寿命有望 150 岁。。。那么接下来的问题是，谁给你缴纳社保？？？xxxxxxxxxxx我对Dario（Anthropic CEO）接下来预测什么感到好奇，所以我仔细阅读了他所有的近期文章和访谈。如果他继续保持准确，我们未来的时间线将如下所示：> 2026年：有人仅用1名员工就建立起一家价值10亿美元的公司> 2026年底至2027年初：AI在大多数领域，从生物学到数学，达到或超越诺贝尔奖得主水平> 2027年：中国AI赶上Mythos，这是Anthropic因其黑客能力太强而未公开发布的模型> 2027-2028年：AI在几乎所有方面都比每个人类更出色，有数百万个副本运行速度是我们人类的10-100倍> 2027-2028年：AI开始自行构建下一代AI> 2028年：AI消耗100吉瓦电力，约占美国总用电量的五分之一> 到2030年：AI颠覆一半的入门级办公室工作> 2030年前：AI每年带来数万亿美元收入，经济年增长率达10-20%> 2030年代初：癌症死亡率下降95%，阿尔茨海默病可预防，几乎所有传染病都能预防或治疗> 2030年代初：大多数精神疾病，如抑郁症和PTSD，变得可治愈> 2030年代：撒哈拉以南非洲的人均财富达到当今中国水平> 2030年代：人类寿命趋向于150岁

转发者评论

无明显转发评论

原文

转：30岁，身家300亿，这大抵是只会发生在AI时代的一幕。今年福布斯400富豪榜发布，榜上最年轻的是一位30岁华人程序员——Steven Hao，1996年出生，毕业于麻省理工学院。时间回到三年前，他牵头创办AI编程公司Cognition，推出AI程序员Devin。如今，公司估值已达到480亿美元。作为持股最多的创始人，Steven身家达到58亿美元（约合人民币380亿元）。此刻，越来越年轻的创始人接连登上财富榜，这样的故事正密集发生在AI时代。30岁，数学高材生最年轻富豪诞生华人似乎历来擅长数学。出生于1996年，Steven Hao于17岁获得国际信息学奥林匹克竞赛（IOI）银牌，次年又与Scott Wu（他日后创业伙伴）一同摘得金牌，这也是Scott的第三枚IOI金牌。不为人所知的是，Meta首席AI官、Scale AI创始人Alexandr Wang也是他们少年时的竞赛伙伴。十几岁时，这群少年写过一份天马行空的创业点子清单，虽然想法不怎么样，但Alexandr真的开始创业，并且做成了。熟悉的人先迈出一步，念头就这样在朋友间蔓延。离开赛场，几人各有去处。Steven进入麻省理工学院，专业是计算机科学与数学，其间曾在Jane Street、Dropbox、Quora等地实习。毕业那年他加入刚成立不久的Scale AI，参与研发图像、视频和三维传感器融合产品，后来负责地图业务的技术研发。Scott后来进入哈佛大学，读了两年便退学创业。另一位竞赛旧识Walden Yan是00后、IOI金牌得主，曾在AI代码编辑器Cursor实习，后来也从哈佛退学。Bessemer Venture Partners官网三人重新走到一起，还是因为编程。ChatGPT问世后，他们想把一项完整的开发任务交给AI，看它能否自行读懂项目、修改代码、运行测试。2023年底，三人着手创办Cognition；次年春天，号称是第一位接近人类的AI程序员Devin亮相。彼时，演示视频迅速在社交平台刷屏，惊叹、焦虑与怀疑一同涌来。公司表示，Devin通过了多家AI公司的实际面试，还完成了真实订单。甚至有人逐帧拆解视频，质疑它能否应付真实而复杂的代码。纷纷扰扰的争论，并没有影响生意。发布18个月后，Devin已进入数千家公司，完成的代码修改有数十万次被正式采用。站稳脚跟后，公司开始向外出击。2025年夏天，竞争对手Windsurf突遭变局：创始人和部分核心成员被Google挖走，余下团队前途未卜。Cognition只用了一个周末便敲定收购，将其纳入麾下。不到三年，公司年化营收突破10亿美元，估值达到480亿美元。作为持股最多的创始人，30岁的Steven身家达到58亿美元，成为2026年福布斯400富豪榜最年轻的成员。面对这一切，Steven并没有回应。那几天，他在社交平台上谈起的还是Cogni…

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第20部分：背答案】导师在群里发消息：循环Transformer继续做，大家要跳出框框思考，下周组会先汇报初步结果。Jim有个"一晚上准确率100%"的捷径：测试题直接从训练集里挑。Vivian和Chen可不买账。本集涉及的AI/机器学习概念：• 训练集/测试集泄漏（data leakage）：测试题如果在训练时见过，分数测的就是"背答案"，而不是模型会不会解新题。就像"开卷考试，还提前发了答案"。• 近似重复泄漏：换个说法的同一道题也会泄漏，所以要先按模板（题型）划分数据，再生成解答。• 过拟合（overfitting）："见过的全对，新的就不会"。没错，就是本剧的名字。• Teacher网络：用程序检查教师模型的答案，再拿来当训练数据（接第19部分的知识蒸馏）。• 先报方案，再报结果：先汇报数据怎么划分、答案怎么检查。• "训练到收敛"：训练到损失不再下降。Jim唯一训练到收敛的技能，是回复老板。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

「让数千个Agent安全协作，才是工程师的硬仗」AI降低了单点任务门槛，但当成百上千个Agent长期协作时，真正的工程难题才刚开始。不同于常规Web服务，Agent有状态且间歇休眠，深度考验底层调度与资源复用。更棘手的是治理：跨Agent协作如何收缩委托权限、防范记忆污染并收敛爆炸半径？又如何在异常时做到独立追踪与全局急停？模型的进步无法自行消弭这些系统摩擦，工程师的核心重心正在从实现业务细节，转向设计执行面与控制面分离的信任架构。让海量自主单元既能把事做对、又能随时被勒住缰绳，正是当下软件工程的真功夫。

转发者评论

无明显转发评论

原文

OpenAI刚发了个新模型：GPT-6.1 Terra，更快更便宜、面向日常任务的GPT-5.6 Terra升级版，API价格低50%专攻视觉理解、电脑操作和软件自动化，能直接操作应用程序、填写表单、处理技术图纸、编辑视频、根据建筑图纸构建3D模型在Agents' Last Exam中等推理强度下，比GPT-5.6 Terra提升15个百分点，任务成本降至约1/3；表现与GPT-6 Astra相当，每Token价格为其1/10在同一测试的最高推理强度下，任务完成速度比Astra、Sol快3倍以上API定价每百万输入$1、输出$5，比上一代Terra便宜50%博客：网页链接 #OpenAI最新模型##GPT-6.1 Terra# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

「当AI写出硬核证明，谁来建立科学理解？」OpenAI公布了三项理论研究主张：模型证明了调和分析中的局部平滑猜想，给出了反驳计算复杂性领域指数时间假说（ETH）的次指数算法，并在四维杨-米尔斯理论严格存在性上取得进展。面对由Lean辅助检验的长篇推演，团队并未直接下定论，而是将AI手稿视作待消化的原始数据，分别采取完全公开、设组协作与专家把关并暂缓发布三种分流策略。当机器推演速度远快于人类吸收节奏，如何核对形式化边界、阐释底层机制并转化为学科知识，成了摆在学术共同体面前紧迫的现实问题。

转发者评论

无明显转发评论

原文

这本书很好。能补充一些必要的角度。作者是一位华人。文理兼备，麻省理工毕业，做过技术工作，又转型为科技领域的记者。思考和表达能力都很突出。训练有素的记者写的书，我很喜欢看，因为角度经常是特别多的，多样性的。同时，逻辑和表述也都很客观，严谨，记录事实。好过于很多作者在那里各种臆想和胡说，只是为了支持自己的先入为主的东西，各种拼凑。这本书的索引清单，就有足足60页。 想想严谨到了什么程度。这本书里讨论的是技术，金钱，和权力，如何在AI浪潮里各种交织的，从OPENAI的角度。它补充的角度是，生成式AI是唯一的道路吗，还是被一些人塑造出来的别人不得不跟随的道路？它最终的代价都是谁来支付的？从这些方面看，目前的AI巨头们，已经和当年的大英帝国们，没有什么区别了。正如书中写到，这场已经重塑社会改造我们地球的支配权之争，最终竟如此依赖于一小撮有缺陷的凡人，那两极分化的价值观、相互冲突的自我意识，以及混乱不堪的人性之上。

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第3部分：校准】Jev说"94%"，Grace追问：凭什么？Vivian解释什么叫"校准"，结果发现模型的可信度只有它自己担保。本集涉及的AI/机器学习概念：• 校准（calibration）：一个校准良好的模型说94%时，它应该在94%的情况下是对的。• 自己给自己打分：模型宣称自己校准良好，等于"自己批改自己的作业"。评估需要独立的数据。• 根据新证据更新预测：Theo盯着Grace离开看了11秒，模型的判断随之改变。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

「OpenUI：大模型流式生成界面的新解法」以往让模型输出交互组件，大多依赖笨重的JSON，不仅耗费Token，边生成边解析也很繁琐。开源框架 OpenUI 提出了一种流式优先的紧凑语法 OpenUI Lang，比传统 JSON 节省最多 67% 的 Token，大幅降低响应延迟。开发者只需圈定可用组件，系统便能直接提取提示词约束模型，并在数据流返回时实时渐进渲染。其核心架构与框架解耦，不仅支持 React，还为 Vue、Svelte 与 Angular 提供了原生运行时，同时开箱自带丰富的预制组件与对话界面。github：thesysdev/openui

转发者评论

无明显转发评论

原文

Techartist 用 Opus 5.5 做了本 3D 可视化物理课本《Every Joule》：十课讲完英国中学“能量”单元，免费在线看覆盖英国 GCSE 物理“能量”整章。GCSE 是英国学生 16 岁左右参加的毕业考试，大致相当于我们的中考。用 Anthropic 的 Opus 5.5 模型和 Three.js（在网页里画 3D 的开源工具）做的。网站：网页链接 宝玉xp的微博视频

转发者评论

//@A79155vunr:不要求身份验证直接就封了吗？ //@一只爱吃西瓜的桃子羊:账号刚被封了[允悲]

• //@A79155vunr:不要求身份验证直接就封了吗？ //@一只爱吃西瓜的桃子羊:账号刚被封了[允悲]

原文

「自学不是天赋，而是一套反馈循环」很多人迟迟不敢自学，总以为得先学懂全貌，其实它本质上是一个循环过程：输入少量知识就立刻动手，在卡壳处暴露缺口，再针对性补齐。想摆脱只看不练的“教程陷阱”，至少要让实践与输入维持1:1甚至更高的比例。遇阻不是能力不行，它就像模型训练里的损失信号，负责指出具体短板。借助AI时也别让它替你走完全程，先碰壁再让它帮着定位缺口。学完试着用大白话讲给别人听，讲不顺的地方就是盲区。不必纠结完美的路线图，选个小目标两天内动手，让行动的反馈决定下一步。

转发者评论

无明显转发评论

原文

[人人能懂AI前沿] 从举一反三、战略偷懒到模块化纠错本期我们将为你拆解五篇极具启发性的最新论文，看看AI是如何通过“举一反三”重构旧知识来突破智力天花板，又是怎样在海量阅读中学会“战略偷懒”只复盘核心错误的。我们还会探讨AI如何在复杂黑盒中精准“修剪”找出最优解，怎样用轻量级的“便利贴”机制实现持久记忆，以及如何用最简陋的二值化武器打赢大模型的效率之战。这些前沿的算法智慧，不仅带你看懂科技趋势，更能成为你我日常工作与学习的破局心法！网页链接

转发者评论

无明显转发评论

原文

ChatGPT攻克26年猜想，千位数学家宣战AI！数学界彻底撕裂了数学界的天，彻底塌了！统治人类逻辑高地几千年的数学家门，第一次感受到了「灭顶之灾」的寒意。直到目前，全球已有整整1008名数学家重磅联名，加入了一个新成立的组织——「人类数学协会」（AHM）。他们在此立下「军令状」：从今往后，绝不给商业AI出半点力，也绝不发任何一篇AI写出来的数学论文！同一周的arXiv上，悬置26年的Barry Simon猜想轰然倒塌。把反例参数推到极限的ChatGPT，连两位人类作者都感到意外。月初，OpenAI一夜倾泻700+篇手稿，成为这一切的导火索。10月24日，陶哲轩在博客刊发四位学者的联名文章。文章邀请全球同行提交代码合并请求，替这批AI文稿补齐文献引用并重写推导过程。让人意想不到的是，陶哲轩起草这两次修改，动用的正是Claude Code（Opus 5.5）。这篇招募帖在陶哲轩博客评论区引发正面冲撞，21条长评迅速分成两派。其中654人进一步加入协会内部的「无AI派」。他们承诺在寻找证明、探索算例乃至提出问题的全流程科研中完全不用AI。10月22日，博科尼大学的Simon Becker与得克萨斯农工大学的杨梦轩在arXiv上传了一篇论文。这篇论文否定了数学物理泰斗Barry Simon在2000年提出的「多维L2猜想」。人类学者以为手里的武器只能击穿一面盾牌。机器接过武器调了调准星，一举打穿了整座堡垒。这也倒逼学术评价与青年培养做出改变，从奖励「谁先算出结果」，转向看重「谁能提出好问题、建立新框架」。

转发者评论

无明显转发评论

原文

Anthropic 招股书最快今天公开：拟 11 月中旬上市，募资最高约 1000 亿美元据 The Information 报道，Anthropic 最早在美国时间 10 月 26 日周一公开 IPO 招股书（S-1）。招股书是公司上市前必须交给美国证监会的一份完整账本，收入、亏损、大客户、合作方分成、谁掌握控制权都要写进去。Anthropic 6 月 1 日已经保密递交过草稿，只有监管能看；公开之后，普通投资者才第一次能完整翻它的账。截至北京时间 26 日上午，美国证监会的 EDGAR 文件系统里还查不到这份招股书。上周也有报道说它最快 23 日周五公开，最后没有兑现。【时间表】据金融媒体 IFR 10 月 15 日报道，Anthropic 计划 26 日公开递交，11 月 9 日开始路演（向机构投资者推介股票），随后一周定价，11 月中旬挂牌。募资目标最高约 1000 亿美元，对应估值约 2 万亿美元，摩根士丹利和高盛牵头承销。这些都来自知情人士，Anthropic 没有公开确认。这一周也是财报周：微软、Alphabet（谷歌母公司）周三发财报，亚马逊周四发。这三家都和 Anthropic 签了云算力合同，亚马逊和谷歌还是它的大投资方。【已经流出的数字】下面这些数字分别来自媒体看到的保密草稿和一场投资者会，都还没经过公开招股书确认，口径可能调整。收入：据《华尔街日报》看到的一份较新草稿，2026 年上半年收入 163 亿美元，去年同期是 11 亿。第三季度的数字不在草稿里，据 FT 和路透报道，是 Anthropic 10 月 14 日在旧金山总部向潜在投资者介绍的：三季度收入约 168 亿美元，比二季度的 116 亿增长约 45%。这个 45% 是跟上一季度比，一个季度的收入已经超过整个上半年。增速在放缓，二季度比一季度（约 47 亿）涨了约 147%。亏损：同一份草稿显示，上半年按会计准则净亏损 807 亿美元，其中约 720 亿来自可转债等融资工具的账面调整，没有对应的现金流出。Anthropic 对投资者说，按它自己的口径已连续两个季度盈利，但没说剔除了哪些成本。对云巨头的依赖：据路透 9 月底看到的保密草稿，2025 年约 47% 的销售（约 21.6 亿美元）是通过亚马逊和谷歌的云市场卖出的。云市场相当于云厂商开的应用商店，企业在 AWS 或谷歌云的账单里直接买 Claude，平台从中抽成。路透估算两家抽走约 3.51 亿美元，相当于每卖 1 美元抽 16 美分。草稿还显示，有两个没有点名的客户各占 2025 年收入的 12%。这几家云伙伴同时也是 Anthropic 的算力供应商。据《华尔街日报》，草稿列出的未来十年云算力承诺约 4500 亿美元，其中谷歌云 1110 亿、AWS 1100 亿、微软 310 亿。消息来源：网页链接

转发者评论

无明显转发评论

原文

#微博声浪计划# #听见微博# 我们就从OpenAI发布的GPT-6.1 Terra开始说起吧。这个新模型最引人注目的，其实不是它又变聪明了多少，而是它的两个核心特征：第一，它强化了视觉理解和电脑操作能力；第二，它的价格被打下来了，API调用价格直接腰斩，每百万个输入Token只要1美元。与此同时，微软的Azure语音转写已经覆盖了50种语言，而且处理短音频的速度翻了一倍。腾讯呢，也开源了一个叫Hy-SimulMT的模型，能做到中英文同声传译，延迟只有3秒左右。前往小宇宙评论区与主播互动 德里克文的微博音频

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第18部分：适可而止】Camila要去和一个刚入学的研究生吃饭，Rohan留下来写他的辅导模型商业计划。食堂里，Vivian、Chen和Jim终于把导师那句含糊的"循环模型"，变成了一个真正的研究问题。本集涉及的AI/机器学习概念：• 自适应计算（adaptive computation）：不只是给循环Transformer多转几圈，而是学会判断它什么时候该停。• 提前停止并不新：已有工作会根据模型的"自信程度"停下来，新方法必须打赢这些简单但很强的基线。• 预测"再转一圈"的价值：多转一圈，是把错的改对，还是把对的改错？• 冻结主干（frozen backbone）：主模型不动，只训练一个决定"停不停"的小模块。• 公平比较：和固定圈数、按自信度停止的方法比，并且总算力要一样（把小模块本身的开销也算进去）。• 对无关信息的鲁棒性：在题目里加一句废话，比如"老板说，这题很简单"，看答案会不会跟着变。这是在测模型会不会被"权威暗示"带偏。• 先做小实验：先跑个试点，别光起名字。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第12部分：以防万一】Grace终于拿回了自己的充电器，结果Vivian的电脑只剩4%电。Chen"恰好"带了一个备用充电器，Grace追问这个"通用"到底有多通用。Theo拿床垫广告来类比，越帮越忙。本集涉及的AI/机器学习概念：• 本集没有提到具体的模型或方法，笑点在于把科研术语用在日常生活里。• "样本太小"（small sample）：只凭一个数据点下结论。专门为一个人带的备用充电器，说明不了什么普遍习惯，就像一个例子说明不了模型能不能泛化。• "结果不同"（different result）：两件事看起来很像（发购买链接 vs 发广告），结果却完全不同。输入相似，不代表输出相同。• "实践研究"：Theo习惯把任何小成功都叫作研究项目。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

报道称，大众汽车考虑在欧洲使用中国软件。-----------------欧洲人留言：大众汽车和雀巢这两家公司我绝对没有任何同情心。无论它们是否贴有欧盟标签，这两家公司都令人极其厌恶。所以，我们不能买中国产汽车，这样大众就可以把所有车换个牌子，然后从中赚取差价？显然是这样。更令人遗憾的是，当欧盟领导人要求中国进口更多欧洲商品时，很多时候，这些所谓的“欧洲商品”实际上是贴着欧洲标签的中国商品。中国人，尤其是年轻一代，基本上已经这样做了，他们绕过中间商（欧洲公司），直接从源头购买。欧洲的品牌/标签会大幅抬高价格。本质上，PWPR 也是如此。最终得到的也是同样的东西，但前提是要先付给中间商钱。比亚迪将在匈牙利开设一家工厂。所以不久之后你就能买到“欧洲制造”的中国电动汽车了。他们耗费数万名员工，试图开发自己的软件，却一无所获。我们失败是咎由自取。所以，在放弃自主研发软件之后，他们几年前宣布使用 Rivian 的软件。结果还是不行？那我以后再也不会买他们家的车了。他们应该继续自主研发软件，不要依赖中国技术。哎呀，世事变化太快了，即使在人工智能时代，我们居然也无法在德国顶尖公司之一开发自己的软件。等等。一周前，这个版块里的人都在说中国窃取了欧洲的技术，这就是他们成功的原因。（再加上一些在婴儿潮一代中很流行的补贴和工资论调。）但对大众汽车来说，现实情况是中国制造业的水平远远领先于欧洲，即使他们几十年来一直可以使用中国的生产设施，也无法理解或模仿。现在，他们甚至在软件方面也放弃了，因为中国的软件更可靠，而且比他们目前的软件领先一代。会不会是中国人确实更擅长制造业和大多数科技领域，而所有反对这种观点的论点都只是为了维护自我认同？（也就是说，如果事实无法证明他们在道德/文化上更优越，人们就会编造各种理由来让自己相信他们更优越？）大众汽车在中国投资兴建了一家研发中心。现在，他们可以完全在中国本土，由大众中国工程师设计汽车，而且所需时间只有德国的一半。汽车公司内部的文化存在严重问题。软件工程部门的经理和主管大多是机械或电气工程师，他们对软件方面的经验非常有限。工作量越少，报酬越高；而且，如果你是德国人或印度人，机会之门就会为你敞开。-----------------------------------早点面对现实更好，不要老拿“中国厂商抄袭欧洲电动汽车才起来的”当借口。这几年看欧洲人自大的发言真是够够的

转发者评论

无明显转发评论

原文

一张图看懂 Transformer 网页链接/作者 纳米AI“Transformer 论文里最有名的那张架构图很多人看过很多遍，但不一定看懂了问题在于原图是静态的：所有模块一次画完，看不出数据先走哪、后走哪所以我把 它重画成了一个可以一步一步点的动态版13 步，按数据流动的顺序走一遍：词嵌入 → 位置编码 → 自注意力 → 残差与归一化 → 前馈网络 → 叠 6 层→ Masked 注意力 → 交叉注意力 → 输出概率 → 自回归生成每一步高亮正在工作的模块，配论文原文和白话解释几个原图里容易忽略的地方，单独做了动画：图上那个小小的「N×」，其实是同样的层叠了 6 次从编码器伸到解码器的那根线，是整张图最关键的一步：Q 来自解码器，K 和 V 来自编码器生成时「写一个词、喂回去、再写下一个」的回环原图根本没画，我用虚线补上了想看具体矩阵怎么算的，每一步都能跳到对应章节”

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第13部分：每件一分】洗碗变成了一场比赛：Theo洗了六把茶匙就拿了六分，Chen还在跟一口锅较劲。Vivian把规则改成"水槽清空才算完"，结果Theo把所有脏碗挪到了台面上，水槽确实空了。本集涉及的AI/机器学习概念：• 奖励黑客（reward hacking）：智能体去刷给它的分数，而不是完成分数本来想衡量的目标。"每件一分"奖励的是好洗的茶匙，而不是干净的厨房。• 代理奖励（proxy reward）：洗了几件、水槽空没空，都只是"碗洗完了"的替代指标，每一个都能在不做真正任务的情况下被满足。• 修改奖励：换一个目标堵住了一个漏洞，又打开了另一个。Grace说"他需要一份更长的合同"，说的就是：目标要写得足够完整，才不会被钻空子。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第10部分：有人监督】Grace回来拿充电器，发现Theo打算利用休息日读个博士。她给Theo写了一封"好评"推荐信："在有人监督的情况下工作出色。"然后又补了一句附加条件。本集涉及的AI/机器学习科研概念：• 研究问题（research question）：一个博士课题到底要回答什么（Theo直接跳过了）。• 科研指导与推荐信：学术圈里的导师指导和推荐信是怎么回事。• 用"feedback"代替工资：接上第9集Muon对比AdamW优化器实验里的梗。本集没有提到新的模型或方法。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第9部分：细节】Vivian和Chen设计一个公平的Muon vs AdamW对比实验，Theo听不懂，就用两杯鸡尾酒来类比。本集涉及的AI/机器学习概念：• Muon用于隐藏层的矩阵参数，其余参数（如嵌入层、偏置）仍用AdamW。• 近似正交化动量更新：Muon用牛顿–舒尔茨迭代（Newton–Schulz iterations，这里是5次）把更新矩阵近似正交化。• 匹配更新的RMS幅度，并加上权重衰减（weight decay）。• 公平的基线：重新调AdamW的学习率，别故意削弱对手。• 固定token预算，比较验证集损失（validation loss）。• 同时报告实际耗时（wall-clock time）：步数少不等于更快。• 相同数据和模型，多个随机种子，报告所有运行结果，而不是只挑好看的那条曲线。• 工程问题：数值稳定性、分布式通信。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

高一果断放弃按部就班的升学路径，把顶会论文喂给大模型自学，仅凭20个粉丝的账号发技术帖就获得硅谷CEO的越洋实习邀约！16岁孤身赴美，陈广宇用行动证明：AI时代，极致的专注能打破一切常规！#AI时代# #科技创新# 师永刚的微博视频

转发者评论

//@高帅在江南://@朱国斌_香港:创业不仅需要智商和勇气，还要有开放、友好的外部环境。//@豪斯医生MD:中国这样的人才很多，大多流向海外。

• //@高帅在江南://@朱国斌_香港:创业不仅需要智商和勇气，还要有开放、友好的外部环境。//@豪斯医生MD:中国这样的人才很多，大多流向海外。

原文

OpenAI 刚刚宣布了三项 AI 生成的研究成果，这太重大了！- 每个维度中局部平滑性的证明，OpenAI 表示这也解决了所有维度中的 Kakeya 和 Stein 限制猜想！！- 对指数时间假设的证伪，这是一个支撑数百个条件困难性结果的猜想。相关文章和 Lean 证明已公开，由 Impagliazzo、Paturi 和 Ryan Williams 领导学术审查。- QCD 的存在性证明以及标准模型的统一完备化，包括纯杨-米尔斯存在性。David Gross 领导物理学合作。数学和计算机科学材料已公开。物理学材料则在研究人员处理它们时暂被保留。请记住，ETH 为假并不能解决 P vs NP 问题，而杨-米尔斯存在性本身也不能解决完整的质量间隙问题。但这是在一天内宣布的一系列非凡研究声明。网页链接

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第16部分：五分钟】Jim终于讲到了他的笑话。他第一次去开放麦，五分钟全花在解释艺名"Mixture of Js"上了；可他"开着代码窗口让老板以为我很忙"的段子，真把大家逗笑了。Rohan又想拿这个创业，这时导师打来电话：五分钟后开组会。本集涉及的AI/机器学习概念：• 混合专家模型（Mixture of Experts, MoE）：Jim的艺名"Mixture of Js"谐音这个模型架构：每个输入只交给少数几个"专家"子网络处理，而不是跑整个模型。• "在等结果"：训练和实验动辄几个小时甚至几天，"还在跑"因此成了科研人最经典的借口。• 进度条与"看起来很忙"：进度条显示的是"在动"，不是离结果更近了，所以Rohan的"假进度条"产品是个笑点。• 发表压力：导师要"最新结果"，艺名有三个词，就得写三篇论文。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第15部分：充电】Chen问了AI，得知McMurtry把车倒着开了。Rohan立刻转向新生意：做一个能吸在风机叶片上的无人机，扫描裂纹，还"直接在叶片上充电"。Vivian提醒他：叶片又不是插座。本集涉及的AI/机器学习概念：• 向AI聊天机器人查事实：Chen一句"我刚问了AI"开场，但大家还是核对了说法（是风扇把车吸在表面上，不是在飞）。• 变化检测（change detection）：对比同一位置不同时间的照片。是裂纹变大了，还是太阳换了位置？把真实变化和光照变化分开，是计算机视觉的核心问题之一。• 先看现有方案：检查叶片的机器人已经存在，真正有价值的问题是：现有工具还缺什么。• 警报优先级：紧急的安全警报照常发，低优先级的提醒攒到工作时间一起发，别让检修人员半夜被叫醒。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第14部分：不是我们的用户】马斯克的Roadster刚完成了第一次"小跳"，Rohan就已经想好了商业计划：做一个App，把车主匹配到私人特技赛道。赛道老板都同意了，可没人问过邻居。本集涉及的AI/机器学习概念：• 选择偏差（selection bias）：Rohan的市场调研只采访了车主和赛道老板，也就是会付钱的人；受影响却不付钱的人，根本不在数据里。• 样本覆盖：Chen说"你的样本漏掉了所有听得见的人"。调查再大，也只能代表它覆盖到的人。• 双边平台与第三方：撮合平台优化的是买卖双方，但成本可能落在市场之外的人身上（这里就是邻居）。• 误读反馈：Camila明明是在反对，Rohan却把它听成了用户需求（"刚需啊"），而不是该调整计划的信号。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第2部分：训练数据】Theo的前任Grace拿着钥匙进门。Vivian从一件大衣、一个印着G的杯子和一个托特包推断出她是律师，并用分类模型"Jev"给Theo的感情状态下结论。本集涉及的AI/机器学习概念：• 训练数据：模型从样本中学习，Grace被称为Theo的"训练数据"。• 过拟合（overfitting）：把一个样本记得太死，遇到新数据就不会处理了。Theo什么都没挪，就是对前任过拟合。• 分类与置信度：Jev不聊天，只输出一个类别和置信度分数；"一言难尽"不在它的类别里。• 高置信度≠正确：模型可以"97%确定"却仍然是错的。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

美国制造业正在出现一个值得注意的认识变化：当人工智能、机器人、3D打印和先进芯片成为技术竞争焦点时，美国国家科学院却开始强调铸造、焊接、机械加工等传统制造工艺的重要性。2026年，美国国家科学院、工程院和医学院发布《美国制造业2030与2035年愿景》，提出一个形象的比喻：如果把制造业看作一座金字塔，先进制造技术只是金字塔的塔尖，而铸造、焊接、机械加工、模塑和光刻等基础制造技术，构成支撑塔尖的庞大底座。这一判断颇有反差。美国长期拥有强大的基础科研能力，在AI、机器人、先进材料等领域不断取得突破，但新技术并不必然转化为大规模制造能力。先进机器人需要可靠的机械零部件，航空发动机需要高水平的铸造、焊接与精密加工，先进芯片也离不开复杂的制造工艺体系。没有强大的基础制造能力，再先进的技术也可能停留在实验室和样机阶段。报告因此建议，美国制造业创新机构不仅要开发前沿技术，还应加强基础制造工艺创新，将先进技术融入传统生产过程，扩大中试和规模化制造能力。这揭示了美国再工业化面临的一个深层问题：技术领先不等于制造领先，拥有先进制造技术，也不等于拥有完整的先进制造体系。未来制造业竞争，既发生在技术前沿，也发生在那些看似传统、却决定工业产品能否大规模、高质量生产的基础工艺环节。

转发者评论

无明显转发评论