AI智识录

RayHu

在科技技术狂奔的时代,有一些文章如同行业的 “思想灯塔”—— 它们不沉迷于复杂公式,却能戳中技术演进范式的核心;不追逐短期热点,却能影响数年甚至数十年的研发方向。《AI智识录》,就是为你打捞这些 “AI 领域最新智识” 的播客阵地。 不必再对着长文屏幕费力精读,通勤路上、午后小憩时,打开《AI智识录》,让清晰的 AI 主播带你走进 AI 技术的 “思想原典”—— 这里没有碎片化的信息堆砌,只有经得起时间检验的深度认知;没有跟风的观点喧嚣,只有能帮你看懂技术本质的底层逻辑。 订阅《AI智识录》,用耳朵 翻阅”AI 行业的 思想年轮,抓住那些真正决定未来的核心智识。 本节目由:https://younavi.me 赞助播出

  1. Nov 9

    姚顺雨在 2026 未来科学大奖周科学峰会上关于 AI for Science的演讲

    这是腾讯首席 AI 科学家姚顺雨在 2026 未来科学大奖周科学峰会上的主题演讲,全长约 26 分钟。原文为英文演讲,做了中文翻译。演讲试图回答:当大模型已经能写代码、读论文、做实验,AI 与科学究竟会以什么形态结合? 姚顺雨把 AI for Science 拆成三次范式。第一代是专用模型,针对单一科学问题训练专用结构,在一个点上做得极深,但换一个任务就要重来,知识无法迁移。第二代是语言智能体,以大模型为中枢,学会调用已有的科学工具、数据库和仿真器,通过推理与规划串联起多步复杂流程,开始具备一定的通用性。第三代是「会造工具的智能体」:当现有工具不够用时,它自己写代码、封装新工具,并把工具沉淀下来供后续复用,能力因此可以累积而不是每次从零开始。 工具一旦能被智能体自己生产,能力的增长就不再只依赖模型参数,而是依赖一个可以自我扩张的工具生态。这也是他认为 AI for Science 会先在数学、编程、化学模拟这类「有明确对错、能自我验证」的数字域里跑通的原因:在这种可验证环境中,智能体能借助反馈持续改进。 整场演讲没有停留在愿景,它把焦点从「模型有多强」转向「智能体能构建什么」,这可能是理解下一代 AI 更有效的一个入口。 在小宇宙查看该单集文稿

  2. Oct 31

    DeepSeek 团队:Super-agent 设计探索(迈向更自主的 Agent 系统)

    DeepSeek 产品部与 Harness 团队发布技术长文,探讨下一代 AI Agent 的形态:Super-agent(超级 Agent):https://mp.weixin.qq.com/s/zoS7GlReWPhfCjENGxXCdg 文章从日常痛点切入:现在的 Agent 几乎都以单个聊天窗口为核心,窗口之间彼此隔离,同时推进几件事就得反复切换,还要用脑子记住每个窗口的进度,人的注意力成了最大瓶颈。再叠加“执行耗时卡死、交代多了上下文混乱、关机就罢工”这些问题,单任务的上限取决于模型,多任务的上限则完全受限于人。 团队据此提出四条标准:连续、高效、主动、持久,并用五个模块来落实:双层架构,前台常驻总调度只负责理解意图和沟通,后台专职 Worker 各自隔离、专心干活,职责划分固定下来,不靠提示词去求模型自觉;事件驱动,快慢双通道过滤消息、订阅直通绕过中转、内联与溢出管理窗口、以及“先悄悄跑起来”的投机执行;面向人的交互,把一问一答升级为随时可插话的全双工,并按群聊、邮件、代码平台调整表达密度;计算、状态与环境分离,大脑上云常驻,本地只留一双手;最后是“watchdog”,以外部监工的视角定时巡检,防止模型陷入死循环或跑偏目标。 实验颇具说服力:近 300 条消息流中夹着 20 件真活,Super-agent 的任务完成时间中位数为 12.4 分钟,95% 在 15.7 分钟内收尾,而传统单窗口方案耗时接近半小时。 结尾坦诚列出未解难题:规模再放大如何切分、抛弃聊天框后界面该长什么样、跨组织的安全与提示词注入风险。核心判断很明确:当模型足够聪明,限制生产力跃迁的,是人的注意力和单窗口的组织方式。 在小宇宙查看该单集文稿

  3. Oct 26

    Anthropic 上市招股书解读

    就在刚刚,全球科技圈和投资界迎来了一颗重磅深水炸弹:Claude 背后的母公司——Anthropic,正式向美国证券交易委员会递交了 S-1 上市招股书,准备启动公开募股。以下是招股书的内容解读: 一、公司定位与身份 Anthropic 的法定全称是 Anthropic, PBC,即“公共利益公司”。它在公司章程中把“对人类负责任的长期利益”放在股东回报之上,这从封面就定下了它并非普通商业公司的基调。公司的自我定义是:首先是一家研究实验室,核心使命是负责任地开发先进人工智能。 二、产品与商业模式 产品自下而上分为三层:底层是 Claude 模型家族(Mythos/Fable 探索能力边界、Opus 攻坚复杂推理、Sonnet 兼顾性能与成本、Haiku 主打极速低价);中间是供开发者调用的 Claude 平台;上层是 Claude Code、Claude Cowork、Claude Design 等成品应用。收入结构中,约 80% 来自按 token 计费的“按智能量付费”,约 20% 来自个人与团队订阅。 三、财务表现 2023 年一季度商业化初期营收近乎为零,到 2026 年上半年半年总营收已达 163 亿美元。净收入留存率约 900%,意味着老客户支出会以数倍速度扩张。年付 10 万美元以上的客户从 950 多家增至 11900 多家,其中约 250 家年支出超千万美元;财富 500 强过半已是深度付费用户。但 Anthropic 强调,Claude 支出目前仍不足这些企业总运营成本的 0.1%,市场仅处于破晓阶段。 四、三大技术壁垒 一是芯片异构编排,可同时在亚马逊 Trainium、谷歌 TPU、英伟达与 AMD GPU 上运行,避免依赖单一供应商,并在供应链紧张时保留议价空间;二是“闭环自我研发”,到 2026 年秋超过 90% 工程代码由 Claude 编写,人均年创收从 140 万美元跃升至 660 多万美元;三是算力直营,长期租赁芯片并部署于定制数据中心,把基建与硬件解耦。 五、治理与公共利益设计 设立长期利益信托,由独立受托人掌握纠偏权;拿出 5% 无表决权股份注入公共利益基金,并规定股价每再涨 50% 可追加捐赠至多 2% 新股;七位联合创始人各自承诺捐出 80% 个人股权收益。 六、主要风险 算力与电力的物理上限;与亚马逊、谷歌既是大股东和算力供应商、又是正面竞争者的复杂博弈;以及因坚守安全标准而主动推迟模型发布所带来的商业节奏压力。 在小宇宙查看该单集文稿

  4. Oct 26

    Grok Bot 工程师:Agent Harness 真的已死吗?

    这场题为《Is the Agent Harness Dead?》的演讲,由 AI Engineer 大会发布,演讲者 Jediah Katz 于 2025 年初加入 Cursor,是团队中在任最久的 agent harness 工程师,负责 harness 的上下文层与编排层;Cursor 被收购后,他一同进入 SpaceXAI,现主攻 Grokbot。Grokbot 是 SpaceXAI 与 Cursor 联合打造的“永远在线的数字同事”,拥有独立云端虚拟机,可直接登录软件和邮箱。 这场演讲要回答的是一个正在行业里被反复提起的问题:agent 的 harness(模型外面那层提示、工具、上下文与编排)还有存在价值吗? Jediah Katz 先给出反向证据。UC Berkeley 的研究者拿七个前沿模型,横跨Pi、Codex、Claude Code 等多套 harness 跑 SWE-bench Lite,分数没有显著差异;Apple 与 EPEL 在 MLE-bench 上的结论类似。他的解释是数据飞轮:harness 把难任务变得可及,更多用户因此跑出更多编码数据,模型自己把这些能力学会,harness 再把自己多加的那部分删掉。也就是说,harness 一直在亲手终结自己。 但这只是 harness 的一半。另一半是它同时打开新边界。Grokbot 的做法是一个长驻的 coordinator bot 去编排 worker swarm,他打的比方是顶级律师带一队 paralegal:单个 agent 做不完的活,靠分工和调度做完了。在 Cursor 时期他的日常是不断删提示、删护栏,到了 Grokbot 反而要把这些东西加回来。 他点出三件模型吸收不了的事:基础设施与运行时,agent 必须活在云端的独立机器上,不能跑在会休眠的笔记本里;信任与安全,权限要收敛、护栏要在,否则某天早上会收到一张一万美元的账单;效率,同样分数下不同 harness 的单任务成本差得很远,他上个月就在靠缓存命中率、token 效率和模型组合来压 Grokbot 的成本与延迟。 方法论层面他给的建议是:harness 要设计成容易加上、也容易删掉;尽量收敛用户能看到的内部细节,因为凡是暴露出去的,用户一定会依赖(Hyrum 定律);要针对底层原语设计,比如事件订阅这类机制;把临时补丁登记成 shim,用 bot 盯着,不再触发就自动提 PR 删掉。最后的判断是:六个月内,90% 的 agent 工作会跑出笔记本之外。 一句话概括这场演讲的立场:补短板的 harness 确实在死去,但打开新任务边界、并且承载信任与效率的那部分 harness,才刚开始。 原视频:https://www.youtube.com/watch?v=7Y4sbZgBdnc 在小宇宙查看该单集文稿

  5. Oct 20

    Grok Bot 是怎么做成“常驻 Agent”的

    Lee Robinson 在开发者社区里几乎不需要介绍。他2025 年底转投 Cursor 负责 AI 教育,2026 年随 Cursor 被 SpaceX 收购而并入 SpaceXAI,成为 Grok Bot 团队的一员,主攻“模型行为”——教模型怎么调用系统工具、怎么在虚拟环境里干活、怎么跟人配合。2026 年 10 月 8 日,他回到斯坦福,在 CS146S课上做了一场题为《How always-on agents work》的演讲,把 Grok Bot 的内部结构完整摊开。 演讲要回答的问题很朴素:终端里跑得挺好的 Agent,为什么一关电脑就死了? 他给出的答案是一整套工程。触发器解决“什么时候被唤醒”,Slack、邮件、定时 Routine、异步回调、其他 Agent 的事件都能成为入口;调度层用开源持久化工作流引擎 Temporal 做队列、去重、优先级与崩溃恢复,机器挂了能从断点接着跑;执行层是一台带文件系统、Shell、Chrome 的云端 Linux,跑在 Firecracker 微虚拟机里做隔离与快照,连没有 API 的老旧 SaaS 也能靠 Computer Use 点进去操作。 交互被削到极薄,全程只有一个 send_user 工具,模型闷头干活,只在有确定结论或重大进展时才跨端推送一条像样的更新。上下文是另一场仗:把系统提示词和工具元数据钉在 Prompt 头部吃满缓存命中,趁缓存还温热时在后台做压缩,记忆一律写成 Markdown 文件让模型自己检索。 听完,你对以 Grok Bot 为代表的“常驻 Agent”这四个字的理解,大概会从一句口号变成一张能落地的图纸。 视频链接:https://www.youtube.com/watch?v=L1OBRtfPS34 在小宇宙查看该单集文稿

  6. Oct 19

    2026 国际 AI 科学家大会圆桌论坛:致敬达特茅斯 70 年,智能的下一个前沿

    2026 年 10 月 17 日,第二届国际 AI 科学家大会(ICAIS 2026)在北京中关村学院开幕。恰逢 1956 年达特茅斯会议提出“人工智能”这一名称整整七十年,大会把主题定为“致敬达特茅斯 70 年:智能的下一个前沿”。 首日上午的压轴圆桌,由清华大学教授、前微软研究院副院长刘铁岩主持,请来五位嘉宾同台: 2013 年诺贝尔化学奖得主、斯坦福大学名誉教授 Michael Levitt; LINPACK 与 TOP500 超算基准的提出者、2021 年图灵奖得主 Jack Dongarra; 清华大学教授、智谱 AI 首席科学家唐杰; 中国科学技术大学教授、研究 AI for Math 的马骁; 北京中关村学院研究员、全流程开源研发语言模型 ZGCM-1 的核心开发者何纪言。 这场对话从一个颇具仪式感的环节开始:每位嘉宾为“虚拟 AI 博物馆”捐出一件代表自己学术生涯的展品,并解释为什么是它。Dongarra 捐的是 LINPACK 用户指南和那份改变了整个超算评价体系的天花板基准;Levitt 捐的是一台 90 年代中期的便携 Linux 笔记本;唐杰捐出 AMiner 与 GLM;马骁捐的是一篇偏微分方程论文,外加他构想的下一代数学形式验证系统;何纪言则交出了一张 7B 模型的 loss curve 快照。 随后的讨论沿着几条真正的分歧线展开。 第一条是架构:AI 会不会最终收敛到 Transformer 这一条路上。Levitt 用生物学家的直觉给出回答,进化奖励的是多样性,所有物种都走同一条路径,本身就是危险信号;马骁从计算理论切入,只要一种架构是图灵完备的,它在能力上就是等价的,真正的差别在效率与可学习性;唐杰则把演进分成三段:先学数据,再学人类的工作流,最后是 AI 自己搭建环境、自我训练。 第二条是寒冬:Levitt 关心的是 token 成本与能耗,担心账算不平;Dongarra 认为 AI 已经穿过寒冬,真正要担心寒冬的可能是量子计算;唐杰给出的预警信号也最具体、最能被观测:基准测试上的分数一直在涨,但真实世界的模型调用量(比如 OpenRouter 上的流量)却停住了。 第三条是路线选择:开源与闭源、专用模型与通用模型、AI Native 的自主实验室,以及用“可验证奖励”替代人类反馈这条路到底能走多远。 圆桌的中段留给了年轻人。唐杰转身向两位前辈请教:一个人要怎样才能做出长周期、高价值、非共识的研究。Dongarra 给出的建议朴素得近乎老派:找好的合作者、耐得住寂寞、保持好奇心、追逐你真正热爱的方向。 最后是写给 2036 年的时间胶囊:唐杰认为十年内出现真正的 AGI 的置信度只有 8%;何纪言希望到那时 AI 能胜任一个人 99% 的日常重复工作;马骁认为 AGI 会在 2036 年前到来,标志是 AI 能自主建造航天器,他给了 80% 的置信度;Dongarra 的预测最出人意料:那时候硬件厂商可能会取消 64 位双精度浮点支持;Levitt 只期待人机和平共处,并且把无人机战争当成衡量这件事的标尺。 视频地址:https://www.bilibili.com/video/BV1RSJi6VE8C/?spm_id_from=333.337.search-card.all.click 在小宇宙查看该单集文稿

About

在科技技术狂奔的时代,有一些文章如同行业的 “思想灯塔”—— 它们不沉迷于复杂公式,却能戳中技术演进范式的核心;不追逐短期热点,却能影响数年甚至数十年的研发方向。《AI智识录》,就是为你打捞这些 “AI 领域最新智识” 的播客阵地。 不必再对着长文屏幕费力精读,通勤路上、午后小憩时,打开《AI智识录》,让清晰的 AI 主播带你走进 AI 技术的 “思想原典”—— 这里没有碎片化的信息堆砌,只有经得起时间检验的深度认知;没有跟风的观点喧嚣,只有能帮你看懂技术本质的底层逻辑。 订阅《AI智识录》,用耳朵 翻阅”AI 行业的 思想年轮,抓住那些真正决定未来的核心智识。 本节目由:https://younavi.me 赞助播出

You Might Also Like