最佳拍档

【科普】为什么你排的队总是最慢的 | 一换队伍就变快 | 排队之谜 | 幸存者偏差 | 错误相关效应 | 十个等待心理 | 解决排队煎熬的小技巧

【OpenAI】23年宫斗再爆惊天内幕Ilya遭Murati背刺 | Altman多次欺骗董事会 | Ilya不满已久 | Brockman越级上报 | Murati关键时刻倒戈 | 高层分崩离析

【分享】AI应用都是套壳没有壁垒 | 金沙江创投朱啸虎 | 2025中关村论坛演讲16分钟完整版

【人工智能】大语言模型内部是如何运行的 | Anthropic两篇论文揭示部分原理 | 破解黑箱 | 电路追踪 | 跨层转码器 | 多语言能力 | 诗歌创作 | 数学计算 | 推理 | 幻觉 | 越狱

【英伟达】GTC2025量子日活动 | 黄仁勋罕见承认预判错误 | 量子计算 | NVAQC | 量子优越性 | 实用性 | 量子计算机 | QPU | Ocelot超导芯片

【Android】安卓系统要闭源了么？| AOSP不再维护 | 国内媒体误读 | 两套安卓系统代码 | 转向内部开发 | GMS | 降低开发难度和成本 | 定期开源版本

【人工智能】智能爆炸时刻来临 | Tom Davidson等人 | I. J. Good | 超智能机器 | 反馈循环 | 软件、芯片技术、芯片生产 | 三种智能爆炸 | 有效计算 | 权力分配

【人物】丹尼尔·卡尼曼人生的最后一个选择 | 尽情享受然后坦然赴死 | 诺贝尔经济学奖 | 《思考快与慢》作者 | 人的决策行为 | 快乐计算公式 | 峰终定律 | 锚定效应 | 临终遗言

【人工智能】AlexNet原始代码开源 | 计算机历史博物馆 | 神经网络发展历史 | 杰弗里·辛顿 | 反向传播 | ImageNet | 李飞飞 | Ilya | Alex Krizhevsky

【人工智能】DeepSeek V3更新版本0324 | Gemini 2.5 Pro实验版发布 | OpenAI终于推出GPT-4o图像生成功能 | AI模型本周继续内卷

【商业】苹果AI版Siri跳票导致高层震荡 | 深陷AI泥沼 | Apple Intelligence | 研发质量不达标 | 涉嫌虚假广告 | 芯片算力受累 | 公司内斗 | 高管岁数过大

【访谈】如何看待OpenAI的未来？| Sam Altman最新专访 | 回顾历史 | 十亿用户级消费产品 | 未来的商业模式 | 市场竞争 | GPT-5或免费使用 | 幻觉 | 芯片 | AGI

【人工智能】Think-Then-React TTR框架 | 人大高瓴团队 | AI模型如何预判人类动作 | 先思考再反应 | 预训练模型 + 运动编码器 | 联合训练 | 泛化能力优秀 | 具身智能

【人工智能】大语言模型不会带来AGI | 图灵奖得主Yann LeCun最新访谈 | LLM的局限性 | 缺乏物理世界理解 | 推理缺陷 | V-JEPA | OpenAI | 过度炒作 | 开源优势

本期节目探讨了当前大语言模型的局限性以及未来人工智能发展的方向。主持人以杨立昆对大语言模型的批评性观点为切入点，指出当前模型擅长知识检索却缺乏创新能力和对物理世界的理解，例如在简单的物理推理问题上表现不足。更重要的是，大语言模型缺乏真正的推理机制，其看似复杂的推理过程实则依赖于大量的文本数据堆砌和参数调整，而非基于内在的心理模型。 鉴于此，主持人介绍了杨立昆提出的 V-JEPA 架构，这是一种非生成式架构，通过学习视频的内在结构和抽象特征来实现对物理世界的理解和推理。 与之形成对比的是，OpenAI 对大语言模型的过度依赖，可能导致投资回报递减，甚至引发 AI 寒冬。 相反，主持人强调了开源 AI 的优势，例如降低成本、提高安...

【商业】Intel任命新CEO陈立武 | 英特尔股价相应上涨 | 核工程硕士 | 转战投资领域 | 华登国际 | 投资新浪 | 救火楷登电子 | 与帕特基辛格的分歧 | 四大半导体巨头CEO均为华人

【人工智能】Nvidia GTC 2025 | 黄仁勋主题演讲 | Blackwell Ultra | 下一代Rubin | CPO产品 | Dynamo | 软件和Agent生态 | 具身智能

本期节目探讨了英伟达 GTC 2025 大会上发布的各项新技术及其对 AI 产业的影响。 首先，节目介绍了 Blackwell Ultra GPU 及其组成的 AI 推理专用机柜 Blackwell Ultra NVL72，其性能大幅提升，并列举了与 H100 的性能对比数据。 更进一步，节目展望了即将发布的 Rubin 架构 GPU 和 VariRubin NVL144 机柜，其性能将远超 Blackwell Ultra。 除了高端产品线，英伟达还推出了基于 Blackwell Ultra 的 DGX SuperPOD 超算工厂和面向个人用户的 DGX Spark AIPC 产品，以及一系列整合 Blackwell 和 RT...

【人工智能】企业招聘也能遇到AI骗局？| 美初创公司Vidoc Security亲身经历 | 两次AI换脸面试 | 完美简历 | 面试疑惑 | 远程招聘难题 | DeepFake | 企业如何避免

本期节目探讨了 AI 技术被用于求职诈骗的现象及其对企业的影响。 Vidoc Security 公司，一家专注于代码安全审查的初创公司，两次遭遇 AI 伪装的求职者，他们的简历和视频面试都经过了精心的 AI 伪装，差点成功蒙骗公司。第一次，一位自称来自波兰的应聘者，虽然口音奇怪，却在技术面试中表现出色；第二次，一位自称来自塞尔维亚的应聘者，LinkedIn 资料显示其拥有丰富经验，但在视频面试中被要求做一些动作时拒绝，从而暴露了 AI 换脸的痕迹。 更令人担忧的是，这类事件并非个例，美国安全培训公司 Nobifor 也曾遭遇类似的 AI 诈骗。 鉴于此，节目建议企业提高警惕，认真对待 AI 求职诈骗的可能性，例如，要求关闭视频...

【人物】David Baker 大卫·贝克 | 从哲学研究到诺贝尔化学奖 | Rosetta | 蛋白质结构预测 | Foldit | RoseTTAFold | RFdiffusion

【人工智能】谷歌研究团队发现DiLoCo具有更优Scaling Laws | 分布式低通信优化 | 稳定扩展超参数 | 损失下降更快 | 带宽减少99% | 最优批大小 | 数据并行 | 未来趋势

本期节目探讨了谷歌三大研究团队近期关于分布式低通信优化训练方法 DiLoCo 的研究，以及其对大模型训练 Scaling Laws 的影响。 起初，节目介绍了 OpenAI 在 2020 年提出的 Scaling Laws，即模型性能与模型规模、数据量和计算资源之间的关系。然而，传统的数据并行训练在大模型训练中面临通信开销和内存限制的挑战。 针对此问题，谷歌提出的 DiLoCo 方法通过减少通信开销和提高扩展性来解决这些挑战，其在超参数设置的稳定性、带宽需求以及对更大 P 大小的容忍度方面都展现出显著优势。例如，研究表明 DiLoCo 在模型参数达到几十亿以上时，损失比数据并行更低，并且在不同模型规模下带宽需求降低了几个数量级。...

【人工智能】OpenAI提案矛头直指DeepSeek | 锁死全球AI发展 | 指责DeepSeek有害 | 加强出口管制 | 两类市场和三级国家 | 为版权侵权辩解 | 吸引资金 | 大型双标现场