大佬观点

顺便说一句，这真的非常有效：在你的查询末尾让你的 LLM“将你的回答结构化为 HTML”，然后在浏览器中查看生成的文件。我也曾成功让 LLM 把输出呈现为幻灯片等形式。 更一般地说，在我看来，音频是人类偏好的 AI 输入，而视觉（图像/动画/视频）则是他们偏好的输出。我们大脑中大约三分之一是一个专用于视觉的大规模并行处理器，它是信息进入大脑的十车道超级高速公路。随着 AI 的进步，我认为我们会看到一个利用这一点的演进过程： 1) 原始文本（阅读起来困难/费力） 2) markdown（粗体、斜体、标题、表格，稍微更护眼一些）<-- 当前默认 3) HTML（仍然带有底层代码的过程式形式，但在图形、布局甚至交互性上灵活得多）<-- 尚处早期，但正在形成新的良好默认 ...4,5,6,... n) 交互式神经视频/模拟 在我看来，这种外推（尽管相关技术目前还不存在）最终会走向某种由扩散神经网络直接生成的交互式视频。关于如何将精确/过程式的“软件 1.0”产物（例如交互式模拟）与神经产物（扩散网格）编织在一起，还有许多未解问题，但总体方向类似于最近爆火的 https://x.com/zan2434/status/2046982383430496444 在输入端也有必要的、尚待完成的改进。音频、文本或视频单独都不够，例如，我觉得需要指向和比划屏幕上的东西，就像你与一个实际坐在你身旁、和你共用电脑屏幕的人会做的所有事情一样。 TLDR 人类与 AI 之间的输入/输出心智融合正在进行中，还有很多工作要做，也有重大进展有待取得，远在我们一路跳到类似 neuralink 的脑机接口之类的东西之前。就当前阶段值得探索的东西而言，小贴士：试试要求 HTML。

这些点中的每一个都是车队中真实发生的碰撞。真实世界的速度、碰撞和人员。而不仅仅是法规测试用例。 正是这些数据的丰富性才促成了这一结果。通过仿真，我们可以回放碰撞，并测量人体模型上所受的力。 然后遍历约束装置的展开时间，发现更早展开能为气囊提供最佳充气时间，并在乘员移出位置之前完成安全带预紧。 但碰撞加速度计需要时间才能确定。降低这一时间阈值会带来误触发的风险。 使用视觉让车辆有信心缩短这一时间。摄像头看到即将发生的碰撞，并与传感器一起告诉约束控制器降低滤波并更早采取行动。 预测伤害严重程度中的 Y 轴偏移，是基于以更快的检测阈值重新运行碰撞仿真后，人体模型中的传感器得出的。 如此全面地降低伤害严重程度是闻所未闻的，更不用说通过空中升级来实现这一点了。 我为分析团队的工作和奉献感到无比自豪。他们超越职责，提出“我们拥有道路上最安全的汽车，但能否让它更安全？”然后与视觉团队合作，构建实现这一目标所需的预测。经过仿真和物理碰撞测试的严格验证。如今已部署并改善着人们的生活。 我循环观看这段视频，想象着每一个点，一个人。

@demishassabis 先生善于综合。他最爱的书是关于万物的大统一理论。他偏爱的哲学家被一些人视为对立面。他毕生的工作范围从棋盘游戏到获得诺贝尔奖的科学。 我们很荣幸上周在 @sequoia AI Ascent 接待了 Demis 和他的 @GoogleDeepMind 团队，进行了一场炉边谈话。他慷慨地允许我们分享这段内容，你可以在这里观看完整视频： 00:00 开场 00:38 共同的主线 01:29 游戏作为 AI 训练 02:59 创业建议 1.0 04:39 创立 DeepMind 07:25 DeepMind 与 AGI 08:52 科学中的 AI 10:37 生物学突破与 Isomorphic 12:42 新科学 20:29 哲学

Demis Hassabis（@demishassabis）拥有科技界最非凡的职业生涯之一。 他最初是一名国际象棋神童，17 岁时成为电子游戏设计师，之后获得神经科学博士学位，并创立了 DeepMind。他的实验室攻克了围棋，用 AlphaFold 解决了蛋白质结构预测，然后将其免费提供给地球上每一位科学家。这项工作为他赢得了 2024 年诺贝尔化学奖。如今他领导着 @GoogleDeepMind，朝着他十几岁时就设定的同一个目标推进：AGI。 在 How to Build the Future 这期特别直播节目中，他与 YC 的 @garrytan 坐下来交谈，讨论了要实现 AGI 还需要发生什么、他给创始人关于如何保持领先的建议，以及下一个重大科学突破可能是什么。 01:48 — 在实现 AGI 之前，还缺什么？ 03:36 — 为什么记忆问题仍未解决 06:14 — AlphaGo 如何塑造了 Gemini 08:06 — 为什么更小的模型变得如此强大 10:46 — 1000 倍工程师 12:40 — 持续学习与智能体的未来 13:32 — 为什么 AI 在基础推理上仍然失败 15:33 — 智能体是被过度炒作了，还是才刚刚开始？ 18:31 — AI 能变得真正有创造力吗？ 20:26 — 开放模型、Gemma 与本地 AI 22:26 — 为什么 Gemini 被构建为多模态 24:08 — 当推理变得廉价时会发生什么？ 25:24 — 从 AlphaFold 到虚拟细胞 28:24 — AI 作为科学的终极工具 30:43 — 给创始人的建议 33:30 — AlphaFold 突破的模式 35:20 — AI 能做出真正的科学发现吗？ 37:59 — 在 AGI 到来之前该构建什么

GPT-5.5 在 ARC AGI 3 上得分 0.43%！ - GPT-5.5：0.43% - Opus 4.7：0.18% - GPT-5.4：0.20% - Claude 4.6：0.45% - Gemini 3.1：0.4% GPT 5.5 报告的失败原因包括： - 真实的局部效果，错误的世界模型 - 来自训练数据的抽象层级错误 - 解决了关卡，但没有强化奖励 我认为完整的分析将帮助 OpenAI 全面理解模型在某些模态中失败的地方

# AI 初创公司的前路 在 SpaceXAI <> Cursor 的“递延 IPO 收购”之后，很多创始人都在互相发消息。常见的讨论话题是：独立初创公司的未来是什么？是不是几乎所有人都最终必须被某个前沿实验室收购，否则就会消亡？ 来自我们亲身经历 @cognition 的数据表明恰恰相反。一个类别中越是多的初创公司通过把自己卖给某个实验室而退出独立竞争，剩下的那些就会变得越强。去年我们在 Windsurf 上亲身经历了这一点。当创始人去了 Google，而我们收购了剩下的公司时，这极大地加速了我们的产品路线图和 GTM。如今，云端 agent 已经准备好登上主舞台，我们的使用量也呈爆炸式增长。（我们正处于 Cognition 历史上最快的使用量增长期——Devin 企业版几乎实现了 50% 的月环比增长。）随着昨天的新闻，我们已经看到了下一轮加速，从潜在客户和客户到候选人主动联系。 几乎在每个类别中，都存在一个明确的市场，属于一个获胜的独立产品，它不依附于任何单一实验室的模型。尤其是在软件工程这样一个充满活力的领域，客户看重模型的灵活性，因为不同供应商的排名在不断变化。 为了让初创公司抓住这个独立性的机会，以下是我们迄今为止学到的经验： 1. 差异化 与实验室已经提供的东西相比，你需要有极其清晰的差异化。Cursor 在自助服务方面面临来自 Claude Code 的激烈竞争，部分原因是一个工具可以替代另一个工具，这构成了挑战。 我们的做法是面向企业进行重度差异化，而企业是软件工程最大的市场。具体来说： 1. 我们在前向部署工程和 AI 赋能上的投入，与在核心研发上的投入一样多。我们的客户把我们当作变革管理合作伙伴，而不仅仅是一个 AI 软件工程平台。我们在世界各地举办 1000 人规模的研讨会，帮助培训公司内部的开发者采用前沿 AI。除了提供开发者工具之外，我们还瞄准具体的用例和成果。 2. 我们专注于在大公司规模上加速*整个软件开发生命周期*，而不仅仅是编写代码。Devin 现在会自动启动，用于从工单范围界定到 DeepWiki 代码库索引，再到安全漏洞修复和应用监控告警响应的一切工作。 3. 我们承受部署复杂性的痛苦，以便在你能想象到的最大、最复杂的环境中良好运行。Cognition 可以运行在客户的虚拟私有云中，拥有可扩展到一家公司内 100,000+ 开发者的权限和团队协作模型，对 COBOL 大型机和对现代 Python 一样运行良好。从第一天起，每个 Devin 都在自己机器上的 microVM 中运行，而不是作为 CLI 工具在本地运行，这允许任意水平扩展，也更适合事件驱动的自动化。 当然，初创公司差异化的一个要素永远是模型独立性。这在大企业中尤其强大，因为它们看重供应商的连续性，以及在不承担押错基础模型这一商业风险的情况下集中管理工具的能力。这对个人开发者也有用，因为他们总是想尝试最新的模型。（如果你还没试过上周发布的 Windsurf 2.0 版本，今天是个好日子去试一试！） 我预计实验室们会在某个时候在这些方面中的一些上赶上来。但到那时，我们已经完成了差异化的下一次飞跃，因为…… 2. 专注 你不可能在所有事情上都胜过实验室，但你可以在*你自己的事情*上胜过实验室。每个应用领域在边缘处都有分形般的复杂性。全力投入让你所在领域与众不同的东西，提供别人无法提供的东西。实验室投入训练资源去做一个专门的代码审查模型，这合理吗？大概不合理——他们在做 AGI。但在最新前沿模型无法以可接受的性能、成本或延迟解决那个用例的 3-6 个月窗口里，自己动手，打造出否则不可能实现的更好的产品体验。随着通过专业化所能达到的边界不断演进， rinse and repeat。 3. 速度 我们在 Cognition 的价值观之一是：“每一秒都重要。”疯狂的紧迫感对每家初创公司都有帮助，但在当今加速的 AI 时代，它的价值更大，因为优势比以往复合得更快。有了足够的专注，你可以在任何一个具体功能或工作流上比 AI 实验室加速得更快。持续这样做，以拉大每一代新模型所开启的可能性空间，你就能在差异化的产品体验上保持优势。 - 在很多方面，SpaceXAI <> Cursor 的消息对所有人来说都是胜利。SpaceX 获得了一个新的研究团队，以及变得在编程方面有竞争力的机会。Cursor 获得了有意义的退出，以及用多得多的算力加速其研究路线图的机会。而整个生态系统则受益于基础模型实验室之间竞争力的增强。祝贺这些团队取得这样的结果。