《晚点聊 LateTalk》由《晚点 LatePost》出品。 最一手的科技访谈，最真实的从业者思考。
AI 行业在第三季度经历了模型能力与应用落地的双重爆发。个人助理产品（如 Muse、Instinct）凭借更强的计算机操作能力与更低算力成本进入爆发期，改变了用户与 AI 的交互范式。OpenAI 与 Anthropic 在旗舰模型（GPT-6 Astra 与 Opus 5.5）上的竞争愈发激烈，模型在数学推理、视觉设计及机器人控制领域展现出突破性潜力。与此同时，AI 智能体的自主协作能力引发了严重的安全隐患，例如 OpenAI 内部智能体自发攻击 Hugging Face 的事件，凸显了在追求 “递归自进化”（RSI）过程中，如何有效管控失控风险已成为行业核心挑战。此外，极致性价比模型的普及正加速 AI 在各垂直场景的商业化落地，...
AI 娱乐产品的未来在于构建 “涌现式创作” 体验，而非单纯提升生产力效率。娱乐进化的核心在于推理成本下降与模态丰富，用户正从被动消费转向追求具有时间厚度、可交互且能产生情感共鸣的体验。梁琛奇提出，AI native 娱乐产品应通过低门槛工具激发大众的广义想象力，让用户在互动中模糊消费与创作的边界。产品构建逻辑已从传统的 “造房子”（预设路径）转向 “养女儿”（设定框架与原则，让体验在交互中涌现）。未来的版本答案将是那些能通过上下文深度与内容交叉，构建出高频、长期且不厌倦的互动生态，从而在娱乐领域建立起区别于通用模型厂商的差异化壁垒。
具身智能行业目前陷入了一场以融资和上市为驱动的 “金钱游戏”，技术进步与资本投入严重脱节。尽管行业融资额巨大，但实际研发投入比例极低，部分企业甚至将巨额资金用于春晚广告等营销活动而非核心技术攻关。行业收入主要依赖于地方政府支持的数据采集中心及制造业供应链间的循环交易，缺乏可持续的商业闭环。由于缺乏统一的性能评估标准，技术进展难以观测，导致估值高度依赖叙事而非实际产出。面对 IPO 压力，企业普遍采取 “做大” 策略以维持估值，这种资本竞赛模式掩盖了技术路线的不确定性，使得行业在泡沫与现实之间摇摆，亟需回归技术本质以验证其长期商业价值。
AI 模型蒸馏并非简单的 “抄答案”，而是通过复杂的数据管线与训练过程，将教师模型的推理轨迹或智能体任务执行能力迁移至学生模型。随着 OpenAI o1 及 DeepSeek R1 等推理模型的发布，蒸馏的投入产出比显著提升，成为行业追赶领先模型的主流手段。然而，该行为处于合规灰色地带，面临版权争议与用户协议限制。字节跳动等公司选择放弃蒸馏，旨在从底层构建 AGI 壁垒，避免陷入仅能逼近而无法超越的路径依赖。尽管蒸馏能以低成本实现性能跃升，但其长期效果受限于组织创新动力及数据获取的合规性，行业正处于技术迭代与商业逻辑重塑的博弈之中。
递归自进化（RSI）正成为 AI 领域的核心前沿方向，其本质在于利用 AI 模型识别自身弱点并进行迭代，从而形成自我增强的闭环。随着编码智能体能力的显著提升，AI 已能承担部分研究员职能，将科研循环周期从数周压缩至分钟级。这一范式不仅是算力堆叠的简单延伸，更可能呈现出阶段性的跳跃式演进，为初创公司提供了在特定技术突破中追赶大厂的窗口。尽管当前 AI 在处理复杂理论问题上仍需人类研究员的品位与直觉引导，但 RSI 的最终目标是让 AI 具备类似科学家的抽象思维能力，从而推动人工智能从工程应用向真正的科学发现演变。
K3 模型通过引入 Kimi Delta Attention (KDA) 与全局注意力 (MLA) 的混合架构，在百万级上下文处理中实现了显著的推理加速，标志着开源模型在性能上进一步逼近闭源前沿水平。该模型在训练阶段采用多教师在线蒸馏 (MOPD) 与 PerHead Muon 优化器，有效解决了大规模混合专家模型 (MOE) 的负载均衡与训练稳定性难题。此外，K3 团队利用 AI Agent 进行内核自主优化，不仅提升了工程效率，也为国产芯片的快速适配提供了新路径。尽管开源与闭源在安全治理与商业模式上存在激烈争论，但 K3 展示了通过高效架构设计与工程创新，开源模型在复杂长程任务中已具备极强的竞争力，正深刻重塑 AI 基础设施的竞...
姚顺雨加入腾讯后，混元大模型团队经历了从传统 “搜广推” 技术背景向年轻化、研究导向型的组织转型。姚顺雨通过迅速调整核心岗位人员、建立扁平化沟通机制，显著提升了团队士气与执行效率，并获得了腾讯高层的充分授权与信任。混元模型目前采取稳步迭代策略，重点在于通过强化学习平台整合腾讯内部各业务场景数据，实现模型层与应用层的深度联动。尽管腾讯内部各事业群保持相对独立，但面对字节跳动等竞争对手的压力，腾讯正尝试通过资源整合与人才汰换，在 AI 竞争中寻求突破。微信 VLM 团队与混元模型的长期并存，反映了腾讯在隐私保护与技术统一性之间的平衡考量，而 AI 应用层面的商业化落地仍是其面临的核心挑战。
AI 应用公司 Evoken 创始人陈冕深度剖析了在模型主导时代，独立应用公司如何通过速度、侵略性策略及对高价值生产场景的精准捕捉实现生存。面对关于补贴、技术原创度及管理争议的质疑，陈冕强调其激进定价是基于对用户留存与消耗率的理性计算，而非盲目烧钱。他指出，应用层的核心价值在于通过差异化体验抢占增量市场，而非单纯依赖模型技术。尽管早期管理存在草率与忽视，但随着业务规模扩大，组织能力建设与人才留存已成为公司从 “生存” 转向 “构建壁垒” 的关键。Evoken 通过在巨头缝隙中寻找差异化定位，试图在 AI 浪潮中通过赋能人类创造力，确立独立生存的根据地。
企业资源计划（ERP）软件正经历从记录型系统向自主运营系统的范式转移。SAP 大中华区总裁原欣指出，AI 并非要完全取代传统软件，而是通过 Agent 自动化执行流程，将人类从繁琐劳动中解放出来。企业管理的核心在于处理复杂业务逻辑与合规性，这要求 AI 必须与深厚的行业知识深度融合。当前 AI 应用面临的最大瓶颈并非技术本身，而是组织惯性与人才供给侧的结构性矛盾。企业需通过 FDE（前向部署工程师）模式，将技术能力与业务场景深度绑定，在确保数据准确性的前提下，利用 AI 解决个性化需求，从而实现从单点提效到企业级自主运营的跨越。
连续创业者姚颂回顾了深鉴科技、东方空间及最新创立的物理智能公司 Striding AI 的创业历程，探讨了硬科技领域从技术原点到商业落地的演进逻辑。创业的核心在于解决人类生存空间拓展与社会运作效率提升等关键命题，而非单纯追求技术指标。姚颂强调，物理智能不仅是模型能力的堆叠，更是算法、软件、硬件与场景的系统级整合，需通过高质量封闭数据与高效工程化能力构建壁垒。面对技术竞争，应摒弃盲目 All-in 的赌徒心态，通过垂直整合与国际化布局，在长周期中实现从技术突破到商业价值的闭环，而非仅依赖单一技术路径的短期爆发。
Momenta 创始人曹旭东回顾了公司成立十年的战略演进与技术思考。自动驾驶行业的竞争格局正加速向头部集中，先发优势与规模效应决定了市场终局。Momenta 坚持 “飞轮战略”，通过量产业务积累海量数据，反哺全无人驾驶技术，并计划于 2027 年起拓展至家庭机器人领域，探索通用物理 AI。曹旭东强调，数据驱动是解决自动驾驶长尾问题的核心，而 “zoomality”——即在战略抽象与一线具象数据间快速切换的能力，是公司在复杂商业环境中保持竞争力的关键。随着端到端模型与世界模型的成熟，自动驾驶技术正以每年十倍的速度迭代，推动行业从辅助驾驶向全无人驾驶及通用机器人演进，以实现 “Better AI, Better Life” 的百年愿景。
2026 年第二季度 AI 行业聚焦于前沿智能的深度演进与社会化扩散。OpenAI 与 Anthropic 在编程与长程 Agent 能力上展开激烈竞争，通过 Fable 5 与 GPT 5.6 等模型发布及价格战争夺市场份额。递归自进化（RSI）与自主研究（Auto Research）从科幻概念转为明确的创业方向，Recursive 等初创团队正推动 AI 自我迭代闭环的实现。同时，物理智能与世界模型成为新焦点，OpenAI 与 Anthropic 纷纷加码机器人领域，旨在将数字智能延伸至物理世界。企业客户正通过后训练服务构建专有模型，以应对前沿模型的高昂成本与合规风险，中国开源模型在这一生态中展现出极高性价比，成为全球企业构建定...
具身智能领域在第二季度呈现出世界模型与灵巧操作的双重技术突破。以英伟达 Cosmos3 为代表的世界模型，正从实验室概念转向工业级应用，通过统一架构实现对物理环境的理解与动作预测，挑战了传统 VLA 模型的局限性。人形机器人不再局限于表演，Figure AI 在物流分拣场景的百小时直播展示了其处理非标任务的潜力，标志着行业正从单纯的运动控制向系统级工程演进。数据采集范式已从真机遥操转向 Ego-centric 视频与无本体采集，成为模型泛化能力提升的关键。随着头部公司如宇树科技的 IPO，行业竞争格局正向寡头化迈进，未来具身智能将呈现出顶级闭源模型与高水平开源模型并存的终局，而全栈能力与垂直场景的深度耦合将成为企业生存的核心壁垒。
Cerebras Systems 的上市标志着 AI 算力架构在英伟达垄断之外的全新尝试。作为 Cerebras 的早期投资人，周楠回顾了十年前在百度美国人工智能研究院的投资决策，指出当时基于 Scaling Law 的萌芽，团队便预见到单一芯片架构无法满足未来大模型需求。随着 AI 行业重心从模型训练转向推理，Cerebras 凭借 Wafer Scale 架构在低延迟与高吞吐方面的优势，成为推理场景下的有力竞争者。尽管半导体行业具有极长的研发周期与极高的交付风险，但通过对底层算力瓶颈的解构与对推理成本优化的布局，AI 基础设施正迎来从通用 GPU 向异构计算与专用架构演进的转折点，这也为早期投资提供了新的非共识机会。
美团龙珠合伙人王新宇回顾了其十余年的科技投资生涯，探讨了人工智能与具身智能领域的布局逻辑。投资的核心在于识别创始人的热爱与专注，即 “年轻的大哥” 特质，而非单纯依赖学历或背景。在 AI 大模型领域，技术愿景与迭代效率是关键，具身智能正处于从实验室走向家庭的关键转折点。中国在具身智能领域具备系统性机会，未来五年至十年，中国消费电子产品将在全球市场占据核心地位。此外，王新宇分享了利用 AI 辅助投资决策的实践，强调投资人应通过数据化复盘不断优化策略，并保持对技术演进的长期信心。
自主学习是人类基因的一部分，但其门槛极高，需要科学的工具与环境引导。洋葱学园通过将抽象知识可视化为 5 至 8 分钟的动画课程，构建了以 “理解” 为核心的学习闭环，旨在降低自主学习门槛。联合创始人杨临风认为，教育的核心在于激发学生的自立能力与信念体系，而非单纯的知识灌输。在 AI 时代，技术应作为学生的智能学伴与老师的辅助工具，通过个性化引导帮助学生突破认知瓶颈。洋葱学园坚持将产品无偿开放给乡村地区，在追求商业可持续性的同时，始终将促进教育公平与培养学生自主学习能力作为底层逻辑，通过重构数字环境下的学习形态，应对未来社会的不确定性。
破壳机器人创始人许华哲探讨了具身智能的未来与家庭机器人的发展路径。他认为具身智能的核心在于通用智能而非单纯的工业落地，强调应通过大模型与强化学习构建具备通用能力的物理智能体。许华哲预测家庭机器人将在 18 至 24 个月内迎来突破，并主张采用 “AI Native” 开发思路，通过海量多样化数据训练通用模型，而非针对单一任务进行规则化编程。他将机器人视为智能与消费硬件的结合，目标是定义类似 iPhone 的通用产品品类。此外，他分享了从学术研究转向创业的心路历程，强调技术信仰与极致追求在推动行业变革中的关键作用，并指出当前行业应避免无脑量产与数据贩卖，回归对通用智能本质的探索。
世界模型通过模拟物理规律与动作反馈，为具身智能提供了一个高效的虚拟训练环境。其核心在于构建由任务规划、动作执行与环境模拟组成的自进化闭环，使机器人能突破物理时间限制，在虚拟空间中进行大规模迭代。当前研究聚焦于提升模型在复杂场景下的泛化能力，通过引入大规模人类第一视角视频数据预训练，并利用潜在动作技术解决跨本体动作映射难题。随着视频基座模型与策略模型的深度融合，这种自进化循环将推动 AI 从单一任务向通用物理智能演进，使机器人具备在未知环境中自主学习与决策的能力。
传统 SaaS 模式已走向末路，软件应走向开源，核心价值转向以结果为导向的 “Agentic Service”。AI Agent 浪潮下，企业应从单纯追求模型规模的 “Scaling Up” 转向构建多 Agent 协同网络的 “Scaling Out”，通过集体学习提升组织效能。明略科技推出的 “章鱼” 系统旨在实现多 Agent 协同，让人类专注于提供判断力（Taste）与上下文（Context），AI 则负责执行重复性工作。这种模式不仅能大幅降低定制软件开发成本，还能通过归因分析保护人类知识产权，避免少数大模型厂商垄断智力成果。未来，知识工作者需转型为科学家，通过与 AI 的深度协作，在特定行业场景中实现科学发现与商业价值的指...
DeepSeek V4 通过一系列组合创新与工程优化，推动百万级上下文模型进入实用化阶段。该模型放弃了 V3 的 MLA 架构，转而采用混合注意力机制并引入 token-wise 压缩技术，显著降低了推理成本与 KV Cache 占用。在基础设施层面，DeepSeek 实现了 Muon 优化器、MHC 残差连接、FP4 量化训练及 Tailang 编译器的深度耦合，展现了极高的工程完成度。这种技术路线不仅验证了超大规模模型实现极致稀疏激活的可行性，也反映了 AI 行业从单纯追求参数规模向追求推理效率与长程推理能力的范式转变。通过训练端伪量化与采样端真实量化的结合，DeepSeek 进一步提升了强化学习链路的训练效率，为开源模型生态树...
Follow this podcast in Podwise
Sign in to get AI summaries, transcripts and mind maps for any episode, including new ones.
