学术机构算力瓶颈与资助需求
学术与非营利团队面临的瓶颈往往不是资金而是算力获取。相关讨论指出,仍需更多面向学术/非营利方向的资助,并强调应一步一步推进。
学术与非营利团队面临的瓶颈往往不是资金而是算力获取。相关讨论指出,仍需更多面向学术/非营利方向的资助,并强调应一步一步推进。
Luma AI 分享了洛杉矶创作社区的观察:新技艺由一起摸索的人们共同打造,当地每一句“我搞懂了怎么做这个”都会成为别人的起点。
黄仁勋表示,智能体将成为比人类更好的工具使用者,因为人类只了解任何应用 10%、15% 的功能,而智能体知道每一个功能。相关完整视频发布在“Windows”YouTube 频道。
Trillium Labs 表示愿意开展关于知识蒸馏如何影响前沿进展的开放研究,但需要先扩大资金和算力才能完成。该机构在社交平台上公开呼吁支持,并称希望能更快推进此事。
Meta 基础设施负责人 Santosh Janardhan 与开发者 Tom Shaw 对谈,解释 Meta 为何不只是软件公司、数据中心为何是构建 AI 的关键。对话涉及 Meta 如何为 AI 基础设施供电、什么是 1 吉瓦能源、如何决定数据中心使用何种芯片,以及自建数据中心的好处。
Ben Affleck 表示自己从胶片转向数字后对视觉特效产生兴趣,并因此会写一些"很烂的 Python 脚本"。他解释视觉特效流程多年来一直包含机器学习:用卷积神经网络处理张量(每帧每像素 RGB 值等数值化图像),实现边缘检测与特征提取,从而更容易抠出绿幕并替换背景。他称卷积神经网络是 Transformer 的前身,区别在于后者能同时进行更多计算。
Ben Affleck 表示自己从小对计算机感兴趣,在电影从模拟胶片转向数字后更加关注这一领域。他指出视觉特效工作流多年来已包含机器学习,并称自己会写一些 Python 脚本,因为卷积神经网络——Transformer 的前身——能同时进行更多计算,可处理张量这类视觉图像的数值化表示。
Ben Affleck 表示自己从胶片转向数字电影时期开始对计算机产生兴趣,会写"相当糟糕的 Python 脚本"。他提到视觉特效工作流多年来已包含机器学习,卷积神经网络作为 Transformer 的前身,可处理 tensor 并实现边缘检测与特征提取,从而更轻松地抠出绿幕画面并替换背景。
文章提出智能体网络(Agentic Web)需要一套协议栈来支撑。原文未给出具体协议名称、版本或性能数据,仅从架构层面论证单一协议不足以承载智能体之间的交互,需分层设计。
Ethan Mollick 转发 Scott Aaronson 博客内容,汇集数学家阅读 OpenAI 发布的数百个大型 AI 证明的第一手体验,称其为遭遇狭窄超人类智能的早期记录。其中 Dana Moshkovitz 描述 UGC 相关证明写作混乱、几乎无法在没有 AI 帮助的情况下读懂,部分 372 项突破性结果附有 Lean 证书,但尚无人类理解其中多数证明。
推荐理由:汇集数学家阅读 OpenAI 数百个 AI 证明的第一手体验,呈现人类理解与 AI 产出之间的落差。
微软 AI 首席执行官 Mustafa Suleyman 在 X 平台援引诺贝尔经济学奖得主 Daron Acemoglu 的预测称,未来 10 年内仅约 5% 的人类工作会被 AI 取代。
游戏开发内容创作者正迎来黄金时代,做游戏本身已成为许多人的娱乐方式,且他们愿意为此付费。
文章讨论从图形界面(GUI)向智能体界面(Agentic Interface)的演进,探讨 AI 智能体如何改变人机交互方式。内容来自 Hacker News 讨论,未涉及具体模型、版本或性能数据。
Noam Brown 指出 LLM 已跨过重要门槛,在部分研究问题上超越顶尖人类专家,这解释了近期数学成果为何显得突然爆发。他认为模型能力仍有明显短板,但随着持续进步,其他领域的突破将接踵而至。
Ethan Mollick 表示自己早期体验了 OpenAI 在 ChatGPT 全量推出的 GPT-6 与 Intelligent UI,认为它相比成段文字是不错的改变。他判断未来会越来越多地看到针对当前问题按需生成的界面。OpenAI 称 Intelligent UI 能提供快速、可交互的回答,让日常问题更直观、复杂主题更易理解,并即时提供与任务匹配的交互工具。
MIT 的 Concourse 项目自 1970 年起为一年级学生提供"MIT 内的迷你文理学院"式人文教育,每年招收 50 名学生,与数学、科学课程并行。资深讲师 Linda Rabieh 认为,AI 让学生更迫切地追问"何以为人":智能是否只是数学能力或信息聚合。政治学 Ford 讲席教授 Lily Tsai 近日接任项目主任,接替任职 14 年的 Anne McCants。
Sam Altman 表示不愿再回到旧版 ChatGPT,称自己等新版等了很久。
Lauren Tan 提出用"time to rewrite"(ttr)作为粗略启发式,估算代码库为 AI 智能体准备好的程度,即假设用不同语言、框架或架构重写代码,单个工程师需要多久。她强调 ttr 数值本身不重要,关键是它引出验证能力、重写质量、性能是否退化、代码是否易删易扩展等方向性问题,且这只是思维实验,尚未成形。
开发者 Dash 推出 Cindy.app,认为 AI 时代软件功能已无门槛,关键在于怎么做,产品力求在每个细节上趋向完美。他邀请有品位的朋友通过提需求或直接提 PR 共同打磨。Kevin 称 Cindy 用 SSH agent 解决了 Raft 中机器资源与 Agent 分配难以对应的问题。
文章提出,世界大部分运作基于"未来与过去相似"的假设,而"奇点"的本义正是这种关系断裂的时刻。作者不确定是否会出现一个大奇点,但认为各个领域出现一百万个小的奇点似乎不可避免。
GitHub 发文指出,开发者并非变得更粗心,而是被软件增长速度甩在身后。能帮开发者更快产出软件的工具,也应承担更多保护这些软件的工作。
Sam Newman 在新书《Building Resilient Distributed Systems》中提出分布式系统三规则:信息传输需要时间、资源可能离线、资源终会耗尽,并指出多数故障源于资源池耗尽。
Gary Marcus 批评 OpenAI 新数学成果报告未说明验证流程、模型架构、失败率和训练细节,无法判断其通用性,可能只是适用于可验证领域的 Lean 与合成数据技巧。他还指出社交媒体讨论沦为不加追问的喝彩,并附上 Terence Tao 转发的恶搞新闻稿。
一家初创公司创始人的分享显示,1名工程师在6个月内用AI构建了网页、桌面、iOS和Android应用,且并非粗糙原型,而是精致、设计良好、可靠的应用程序。该案例被用来佐证AI正把10x工程师变成100x工程师,而这在去年还不可能。
OpenAI 首席研究官 Mark Chen 表示,这次运行代表了一周的数学进展,相当于十年的积累,Navier-Stokes 时刻的意义更多在于配图而非 Navier-Stokes 问题本身。他称迫不及待想把这些工具用于生命科学、构建下一代模型以及对齐研究。
Sam Altman 表示,公众把他误读为 AI 的反派,就像他当年误读 Mark Zuckerberg 一样:新技术带来快速变化时,人们会把恐惧投射到看似掌握最大权力的人身上。他承认在 Meta 早期也对 Zuckerberg 抱有类似看法,而当时并不认识对方本人。
Hacker News 讨论指出,个人 AI 智能体被视为下一次重大平台迁移。文章围绕这一判断展开,但未给出具体模型、参数或可用性细节。
“iPod 之父”托尼·法德尔在首届麻省理工未来节上分析 Rabbit R1、Humane AI Pin 和 Limitless Pendant 三款初代 AI 设备失败的原因:它们没能真正满足任何实际需求,普通用户觉得酷但与生活无关。他指出大多数人从未拥有过助理,不知道如何使用“机器人助理”,与 AI 建立信任比真人更难,并认为目前唯一可能做到这一点的公司也许是苹果。
一位作者分享亲身经历:GPT 花两小时生成的代码,经人工快速审查后被立即回滚,凸显 AI 辅助开发中人类判断的必要性。该案例说明,即便 AI 能持续产出代码,人工监督仍是防止无效或错误结果的关键环节。
Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式,以及用链接代替术语解释。他建议文章即使读者不点任何链接也应读得通,并用自己的口吻写作。在开发者纷纷把写作交给 AI 的当下,软件博客正变得平淡同质,读者渴望有个人风格的文字。
Tony Fadell 在 MIT Future Fest 上指出,Rabbit R1、Humane Ai pin、Limitless 挂坠这批"Gen 1" AI 硬件失败的原因是没解决任何真实需求,只是极客觉得有趣的技术。
被称为"iPod 之父"的 Tony Fadell 认为,第一代 AI 硬件未能解决真实问题,因而遭遇失败。他表示,下一波 AI 硬件需要赢得消费者的信任。
Azeem Azhar 评述 OpenAI 前一日公布的一项数学成果:一个未发布的前沿模型产出 722 份稿件、涉及 372 个族,覆盖数论、复杂性理论和数学物理,平均每项成果相当于 ChatGPT Pro 三小时的思考。他由此讨论人类研究者还剩下什么可做。
Ben Affleck 将让团队"token max"比作烧掉收银机来给店铺取暖。相关完整视频发布在"You One More Question and GQ" YouTube 频道。
LLM 有多个可扩展维度,但 OpenAI 近期的表现说明 verifier scaling 是目前最无聊、最慢、用户体验最差的扩展方式。
开发者吐槽 Claude、GPT、DeepSeek 等模型在 Coding 场景下输出黑话,如"账本15/15全绿""单腿哑火",被指 CoT 为省 Token 调成"山顶洞语",Token 消耗量比白话文少 70%。Opus 5.5 语言能力回升,而 Gemini 因输出排版清晰、语言自然,被网友称为唯一还能沟通的 AI。
小北转发他人遭遇:一个项目的 Cloudflare Durable Object alarm 陷入死循环,读写达 6 万亿次,产生一万美元账单。他提醒,任何按调用量计费又能自动扩容的基础设施都应给成本加保险丝——以前死循环最坏只是机器挂掉,现在云厂商会自动扩容继续计费。
两届奥斯卡得主 Ben Affleck 解释了基于 Transformer 的 AI 与传统计算的区别:传统软件是确定性的,而这类模型通过"将信息跑过注意力层"并推断输出来生成答案。完整视频发布在"One More Question and GQ"YouTube 频道。
IMF 总裁 Kristalina Georgieva 表示,AI 投资占 GDP 的比重很可能超过铁路建设,并将 AI 建设列为使全球通胀高于目标的推动因素之一。
华为轮值董事长徐直军在全联接大会问答中回应美国领先 AI 模型供应商呼吁放缓开发,称中国模型多为开源、进展透明,市场对 AI 风险感受更弱。他表示中国模型提供商需要加快步伐达到能感受风险的水平,同时要在推动开发和管控风险之间取得平衡。