铃阅时讯
❌

普通视图

国庆期间,可以做的3个「自我觉察」小实验

2026年10月1日 21:30

L先生说 2026-10-01 21:30 广东

大家好,国庆快乐~

恰逢今天国庆佳节,就不写长文了,跟大家聊点轻松的吧。

我想分享一个我觉得很有用、又很有趣的小技巧:利用这个假期,做一个「自我觉察」的小实验。

什么意思呢?不妨试试抽一点时间,做一做下面这三件事:(三选一也可以,都做也可以)

1)记录令自己感到开心的细节

可能是吃到好吃的东西,闻到某种好闻的气味,突然想起某段开心的回忆,又或者是走在一条安静的路上,有风和阳光洒过,突然间感到心绪非常宁静……

类似这样,请及时把它们记下来。正是这些平时难以觉察的细微触动,构成了我们独特的人格和特质。

日积月累之后,可以把它们发给 AI,让 AI 帮你从中总结出你的模式、偏好和习惯,尝试为你的喜好「建模」。

这可以帮助你更加了解自己,在日常生活和工作中找到更适合自己的位置和方式,让生活变得更充盈。

2)解决生活中细枝末节的「将就」

我们在日常生活中,一定会有一些微小的摩擦和阻力。它们可能并不严重,但许多这样的细枝末节积累起来,其实无形之中就成了我们的一大阻碍。

所以,试着利用假期的时间,找到 1 - 3 个细微的不便之处,把它调整过来,让它变得更顺手。

可以是动手收拾整理动线、让它更合理;可以是为经常做的事情设计一套操作步骤,减少思考的成本;也可以是把经常需要取用的东西放在更容易拿到的位置,减少启动的门槛……

你会发现,解决了这些问题之后,生活突然之间变得更轻松了。

3)识别自己的默认脚本

什么是默认脚本呢?可以看看这篇文章:一种很重要的能力:识别你的「默认脚本」

大多数时候,我们应对特定的情境时,总会调用习惯的方式。但这些方式并不一定永远是对的。很多时候,我们之所以老是犯同样的错误,其实很可能正是因为我们用来应对的默认脚本并不适用。

不妨试着利用这个假期,做一个自我复盘和审视,找到自己下意识的、习惯性的第一反应和直觉。

比如:

当别人否定你的观点时,第一直觉是为它辩护,而不是考虑别人的合理性;

看到一个有感触的景物,第一直觉是拿手机拍照,而不是好好去感受;

看到有共鸣和触动的文章,第一直觉是收藏起来,但再也不去看;

一旦感到无聊,第一直觉就是掏出手机,但其实还有很多别的事情可以做……

像这样,找到自己的默认脚本,再去辨识哪些需要调整、哪些需要改变。这或许可以让你更从容、更有效地应对不同的情境。

希望今天的推送能够对你有用。

晚安,假期愉快~

跳转微信打开

晚点 AI 季报:Muse 引爆个人助理,Astra 走进机器人,OpenAI 收入猛增

2026年10月1日 10:13

晚点团队 2026-10-01 10:13 北京

以下文章来源于:晚点LatePost

晚点LatePost

晚一点,好一点

GPT-6 Astra 展现物理 AI 潜力;便宜和快更重要了;Anthropic 招股书信息流出。

文丨程曼祺 实习生王小淳

《晚点聊》26 年 Q3 的 AI 季报继续邀请 MoE Capital 的创始合伙人 Henry Yin 来和我们一起讨论对这个季度 AI 进展的观察。MoE Capital 的 LP 和顾问网络中有多位来自 Anthropic、OpenAI 等前沿模型公司的研究员。Henry 毕业于清华姚班,曾是 Merico 联创。我们的访谈会侧重研究和一级市场视角。

季报围绕两条脉络展开,在 “推进智能前沿” 这条线中,我们聊了:

模型竞赛:OpenAI 的最新模型 GPT-6 Astra 和 Anthropic 的 Claude Opus 5.5

方向选择:coding 之外,前沿公司在探索哪些模型场景?本季重点聊了前沿数学领域和 Astra 在 robotics(机器人学)与物理 AI 领域的潜力。

失控危机:OpenAI 的多 agent 系统协作攻击了 Hugging Face。它们在发现跨 agent 沟通方式时惊呼 “我的天,我找到了另一个 agent”,给自己的群体取了名字,还发展出了某种 “牺牲” 行为,整个过程中,没有任何一个 agent 去向 OpenAI 里的人类报告这起重大越狱事件。团结。

增长和 IPO 竞速:在从 8 月中旬到 9 月底的 1 个半月里,综合彭博社和路透社的报道,OpenAI 的 ARR 迅速从超 400 亿美元来到近 700 亿美元,涨幅约 70%;已超过 Anthropic 截至 7 月底的超 650 亿美元。我们在今年前两次季报中反复讨论的 “OpenAI 反扑” 已在眼前。

第二条脉络是 “智能的扩散”:

一系列 Flash 模型密集更新:我们总结了各核心模型厂商发布的 13 个 Flash 模型。OpenAI 以 GPT-6 Luna 跻身性价比前沿,MiMo-V2.6 Flash 的部分模式下的价格比 DeepSeek-V4.1-Flash 还低;Kimi 则没有在三季度推出类似 Flash/Lite 的低成本系列。

爆火的 Jev 模型 “唯快不破”。它在思路上的一个启发是,把编程基本组件模型化了:让模型能做传统软件编程里大量由 “if/else” 规则完成的判断。

交互方式上,OpenAI 本季度带来了全新语音模型 GPT-Live 系列,它在技术结构上已很接近 Thinking Machines Lab(TML)上季度发布的 Interaction Models,不过尚不具备视频处理能力。

特别地,在 “智能扩散” 部分,我们重点讨论了最近火热的个人 AI 助理。直接引燃这轮热潮的是 9 月 8 日 Meta 推出的 Muse,它一度登顶全美 App Store 免费榜下载第一。到本季末尾,北京时间今天凌晨,OpenAI 也如此前传闻,在 DevDay 上发布了自己的个人助手产品 Dots。创业公司中,还有在硅谷科技圈很火的 Instinct,以及同样在 9 月初上线的 Today AI 和在 Dots 前一天亮相的 Cue。

一年前的十一假期,OpenAI 推出 Sora app,让一些人开始期待 AI to C 新阶段。Sora app 在上线不到 5 天时下载量就突破了 100 万(Sora 负责人披露);而 Muse 是在上线 16 天时下载量突破了 340 万(Sensor Tower 数据)。

上一次,Sora 的热度没能持续,新增用户和留存持续走低,Sora app 在今年 3 月下线。这一次,个人 AI 助手会不一样吗?

* 本次季报访谈的播客也即将发布,欢迎去小宇宙、苹果 Podcasts、Spotify 等平台搜索 “晚点聊 LateTalk” 关注我们。

Meta、OpenAI 发布个人助手,AI to C 热潮卷土重来

晚点:今天凌晨 OpenAI 举办了 DevDay,发布了传闻已久的个人助手产品 Dots。这是个怎样的产品?

Henry:很好理解,它是 ChatGPT 里常驻的个人助理。它拥有自己的云端电脑和浏览器,能在后台帮你跑各种任务,也可以把具体工作分发给 Deep Research 或 Codex。

目前它主要向 Pro 级别用户分批开放,分为每月 100、200 和 500 美元三个档位(500 美元是这次新增的)。和 Dots 日常聊天不占额度,但调用 Codex 执行复杂任务时依然会消耗相应的算力额度。

晚点:每月 100 美元起步的门槛相当高,而 Meta 的 Muse 有免费版,每周有 1 亿 tokens 免费额度,为什么两家的策略差别这么大?

Henry:主要还是算力差距。Muse 不仅有免费版,还广撒额度:如果你用邀请码给 Muse 拉新,分享和使用邀请码的人都可以得 10 亿 tokens 免费额度。

而 OpenAI 目前没有那么多剩余算力去像 Meta 那样打低价补贴战,只能优先筛选高付费意愿的用户。

晚点:Instinct、Muse、GrokBot、Dots,现在这么多个人 AI 助理产品,形态和切入点有什么不同?

Henry:各家的底层逻辑大同小异,但切入点深度结合了自己的优势:

OpenAI Dots:很自然地主打工作、编程和复杂任务处理;

Meta Muse:主打大众日常生活(旅行、购物、家庭日程),扎克伯格的推销非常接地气——“Muse will make you money”;

Instinct:主要跑在短信(iMessage)里,交互极轻,随手发一条就像在联系真人秘书;

GrokBot 和 Cue:更强调多 agent 协作分工。比如 Cue 会给每个 agent 配备独立的邮箱、电话和钱包,把上下文拆分管理,多智能体协作的扩展性更好。

晚点:有的产品有独立 App,如 Muse、Today AI、Cue,有的没有独立 App、直接出现在信息流里,如 Instinct 和 Dots,你觉得不同选择的优劣各是什么?

Henry:像 Instinct 这样主要通过短信交互,它会更像人,轻量、自然。但 App 还是能承载复杂的需求,比如多任务展示、地图与比价。长远来看,各家最终都会把 App、短信和语音等所有交互入口全覆盖。

晚点:这些产品中,哪些是你或者周围的人用过的?大家的使用体验如何?

Henry:Muse 更出圈,我一些朋友的父辈,之前完全没听说过 OpenAI 的人都会来问他们 Muse 是什么。Instinct 在科技圈被讨论得更多,8 月时估值是 25 亿美元,现在 100 亿美元这轮已经融完了。

我自己没用 Instinct,因为它的隐私协议不友好,会要求用户给它不可撤回的授权,允许它访问、使用、存储,甚至发布用户数据,也提到可能会用用户数据来训模型;它还会看屏幕截图、键盘输入等等。这是比较早的协议版本,后面有更新,总之我没用。

我身边用过 Instinct 的朋友评价很高。比如一个朋友考完日语 N1 后,收到了查分邮件。当时他正在睡觉,Instinct 自己帮他去登录了网站、查了分,还给他发了祝贺邮件。这让他很惊喜。这不光提升效率,还有情绪价值。“眼里有活”。

晚点:哪些条件让个人助手又开始爆发?过去一直有人做这个方向,但它从未真的普及。

Henry:我觉得有两个核心变量。第一是模型的 browser use(浏览器操作)和 computer use(电脑操作)能力成熟了。很多一年前做不成的产品 idea,现在可以重新拿出来做。比如我给 Muse 的第一个任务,是去 TaskRabbit 上招一个临时工。它自己打开网页、一步步走流程,遇到需要我确认的地方才弹窗问我。一年前模型很难做得这么顺。

第二是推理成本大幅下降。过去跑几个 computer use 步骤可能就要花几美元,完全不适合处理生活里的琐事。现在成本降下来,才开始值得把这些低价值、高频率的任务交给模型。

晚点:但你刚才描述的 TaskRabbit 任务,用 Codex 或 Claude Code 也能做。Muse 真正多出来的是什么?

Henry:差别首先是它常驻云端。我很多时候用 Muse 根本没开电脑,可以直接把以前要在好几个应用间跳转处理的复杂、繁琐任务丢给它。Dots 在这一点上,和 Muse 是一样的。而之前 Codex、Claude Code 的跨端远程任务是用移动设备来调你放在某个地方的本地环境。常驻云端,理论上跨端的体验会更好一些。

另外 Muse 等个人助手会更主动地服务你,比如前面提到的 Instinct 自动帮我朋友查 N1 成绩。

晚点:为什么 OpenAI 没有更早做个人助手产品?

Henry:他们之前可能忙于在前沿大模型上正面肉搏,也有可能是在等自己的 AI 硬件一起发。

更关键的是 Meta 拥有 C 端触达优势。它在 Facebook 和 Instagram 上铺天盖地打广告,把 Muse 推出了圈。就算 OpenAI 先做,也不一定会有特别大的优势。

晚点:Instinct 创始人最近提到,有过购买行为的用户中,平均每月通过 Instinct 的消费已超过 1300 美元,这是指让 AI 助手帮自己订外卖、找服务的总花费。你觉得那些提供这些服务的 App 和公司会接受被个人助手 “盖帽” 吗?

Henry:Amazon 已经把 Muse 给禁止了。整体美国的生态会更开放一些,在国内做个人 AI 助手的生态阻力会更大。

晚点:目前 Muse、Dots 等产品都是有订阅费,Instinct 则完全免费。你觉得未来这种个人 AI 助手的商业模式可能是什么?

Henry:订阅 + 广告,我个人能接受二选一。另外就是交易抽佣,目前 Instinct 还没这么做,所以它现在没有规模化的收入,必须持续、更快地融资。

晚点:Muse 和 Instinct 的用户规模实际在什么水平?

Henry:Muse 到 9 月 25 日有 340 万下载,这是 Sensor Tower 的数据。Instinct 没公布过用户数,它是邀请制的,用户规模至少比 Muse 少一个数量级。

晚点:你觉得再往下,这类产品要体验做得更好,需要优化的关键方向可能是什么?

Henry:我认为有三个方向。第一还是能力。现在的 computer use 依然会卡在特定网站上。比如我用 Muse 去 DMV(加州车辆管理局)办业务,在一个简单的下拉菜单里选 “加州(California)”,它就是死活选不中;在航司网站上也会卡壳。

晚点:一个相关问题是,Muse 底层用的都是 Meta 自己的模型吗?

Henry:不一定,这不是一个公开信息。他们当下的优先级是保用户体验。有报道说 Muse 帮用户打电话订座的功能,有些场景下就是靠真人在 Call Center 完成的,都没用语音模型。所以也不排除它会用其他家的模型。

第二是生态开放程度。Instinct 刚刚接入了 Shopify,把搜索、加购、结账全流程打通;但另一边 Amazon 却迅速封禁了 Muse。服务商愿不愿意向个人助手开放接口决定了任务能否闭环。

第三是个性化与持续学习。之前被 Cognition 收购的个人助手 Poke AI,它的 agent 个性化体验就不错,会植入有趣的性格。持续学习就是看,个人助手能否在相处中真正记住用户的偏好——比如预算习惯、常用航班、什么时候该提醒、什么时候别打扰,这些偏好被用户纠正过一次后,能否不用解释直接做对。

推进智能前沿

模型竞争:computer use 大幅提升,coding  还能吃掉更多场景

晚点:“推进智能前沿” 的第一个话题是 OpenAI 和 Anthropic 这两大 frontier labs 的竞争,我们先从模型开始:OpenAI 在 9 月更新了 GPT-6 Astra、Sol 和 Luna,Anthropic 三季度更新了 Fable 5.1 和 Opus 5.5 与 Sonnet 5.5。

除语言模型外,OpenAI 这季度还带来了全双工的语音模型新系列 GPT-Live-1,更新了图像模型 GPT-Image 2.5。

上个季度我们也有聊到,Anthropic 其实正在研发自己的语音模型,但目前还没发布。

分开来看两家公司的最新模型。首先是 GPT-6 Astra,它的核心亮点是什么?

Henry:Astra 发布后反响很强烈。OpenAI 甚至暂停了 200 美元 Pro 套餐的新用户订阅,因为算力已经跟不上了。

我认为 Astra 最值得讲的突破之一是 computer use。它的发布致敬了一段历史。1979 年,MIT 做过一个经典的人机交互实验,叫 “Put That There”,结合语音和手势在屏幕上移动和绘制图形。从那时起,人们就开始探索:能否直接告诉电脑要做什么,让它理解并执行。

MIT 人机交互实验 “Put That There”。这次 GPT-6 拍摄发布视频时布置了一个与该实验相似的环境。

47 年后,Astra 的发布视频同样用 “画一个黄色圆圈” 开场,但展示了一条完整的工作流: 把圆圈细化为火箭窗口;接着打开 Blender 做出 3D 模型;再基于模型生成 3D 游戏,最后直接导出 3D 打印文件。

社区里很多出圈的 3D demo,大多来自 Astra 操作 Blender 的能力。比如给它一个 Zillow 豪宅房源链接,它能直接根据照片在 Blender 里建好 3D 模型,并生成一段房屋漫游视频。类似能力也出现在 Unity、KiCad(电路设计),以及常用的 Excel 和 Power BI 里。

用户使用 Astra 操作 Blender,根据 Zillow 上一套豪宅的展示图做了 3D 建模,生成了一段房屋漫游视频。

跑分也印证了这一点。在官方 OSWorld 2.0 中——这是一个在离线环境中测试 AI 操作软件能力的 benchmark——Astra 的得分从之前 GPT-5.6 Sol 的 65% 提升到 72%;完成任务的耗时缩短了 47%,从 75 分钟降到了 40 分钟。

另外,Astra 在科学和数学能力上也有提升,Terminal-Bench Science 的得分从 GPT-5.6 Sol 的 22% 提升至 64%,FrontierMath 最高难度 Tier 4 的得分从 83% 提升至 97.6%。

晚点:然后是 9 月下旬刚刚发布的 Opus 5.5,它的核心突破是什么?

Henry:Opus 5.5 展现了 coding 还能处理多少任务。比如它能用代码做视觉设计和动画。社区里的一些很好的 demo,乍看会以为是用视频生成模型做的,其实全是 Opus 通过写代码,用 JavaScript 或 Canvas 2D “画出来” 的,再通过 web audio 配上声音。比如有人做了一段介绍 Claude 自己生平的动画,有各种艺术风格和复杂的视觉设计。

用户使用 Claude Opus 5.5 制作了一段 Claude 介绍自己 “生平” 的动画,动画完全由 JavaScript 生成,没有使用视频生成模型和参考图片。

它的一个重要启发是 “coding 还能有多通用?”。我很好奇,还有多少原本被认为不属于 coding 的领域,其实也能通过写代码来完成。

晚点:通过写代码生成一段视频,跟使用视频生成模型相比会更高效吗?

Henry:不一定。我记得有一个 78 秒的动画,Opus 5.5 写代码加渲染花了 45 分钟,纯用视频生成模型可能会更快,如果不算抽卡时间的话。代码方式的核心优势是精准可控——你可以精准编辑每一帧、每一个元素。

晚点:像 Seedance 这样的视频生成模型,已经被日益成熟地用在短剧制作等内容工业链条里。基于 coding 的视频和动画生成的应用场景可能是什么?

Henry:比如有人用它做教材,阐释复杂概念,它适合来做可交互、可操作的内容。

晚点:抛开 benchmark 等量化指标,你和周围的一些研究员朋友,实际使用这些新模型的体感如何?

Henry:这非常取决于 use case(使用场景)。如果单看编程(coding),最近这些模型的体感差别都没那么明显。比如一位在 OpenAI 做预训练的朋友就提到,在他的日常工作场景下,Astra 和之前的 GPT-5.6 Sol 体验差不多。Anthropic 这边也类似。但如果在它们主打的差异化领域——比如 Astra 的 computer use 和 Opus 5.5 的视觉代码设计,提升确实显著。

晚点:过去几年,前沿模型能力提升最初来自大规模预训练,2024 年 9 月的 OpenAI o1 后出现范式转变,大家投入很多力量做后训练、大规模的强化学习,以及在 test time(测试时)加更多算力。你觉得此刻,智能增量的来源有什么新变化吗?

Henry:这越来越是一个综合问题,就是你得同时做好很多事:预训练、后训练,包括我们后面会展开的多智能体协作,你也可以理解是在测试时加更多算力的一种新方式。

不过我觉得可能 ROI 最高的来源还是高质量数据。frontier labs 都在数据上花了很多钱。最近 Google DeepMind 刚花 15 亿美元人才收购 Mechanize,它曾是 Anthropic 的数据供应商,主要供 coding 数据。

晚点:Anthropic 不去竞争一下?他们岂不是少了一个数据供应商?

Henry:这对 Anthropic 影响不大。他们之前就在扶持数据生态:给 YC 的多个数据创业公司订单,增加玩家数量、拉低平均价格,减少对头部供应商的依赖。他们在数据上很有想法和操作。

晚点:现在的数据类型有了什么变化?

Henry:2025 年中以来,最大的变化是涌现了大量做强化学习环境(RL Environment)的数据公司,比如 AfterQuery、Fleet AI 等,前者的估值已来到 32 亿美元,后者的最新一轮是 7.5 亿美元。此外,思维链(CoT)和 SFT(监督微调)数据依然需求旺盛。

晚点:一个有意思的现象是,中美大模型公司的估值差很多,数据公司的估值却已旗鼓相当。去年底成立的 UniPat,也是从构造 “强化学习环境” 开始,目前估值应该已到了约 30 亿美元。

Henry:可能是因为美国的数据玩家更多吧。

晚点:另一个三季度被广泛讨论的问题是 “蒸馏和反蒸馏”,蒸馏本质上也是一种获得高质量数据的方法。GPT-6 Astra 发布之后,很多研究员提到蒸馏变得更难了。这可能是为什么?

Henry:蒸馏本质是持续的攻防战。因为推理模型在多轮对话里,下一轮生成必须依赖上一轮的思考过程。只要思维链能被模型读取,而模型最终又要和用户交互,用户就有可能通过各种提示词对抗,诱导模型把脑子里的东西吐出来。所以蒸馏从原理上就很难被彻底防住。GPT-6 Astra 更难蒸馏,跟模型更强了没有直接关系,更多是因为堵住了上一波漏洞,但未来还是会有新漏洞。不过更强的模型理论上能提升一个组织的攻防能力。OpenAI 发布 GPT-6 Astra 时特别强调了网络安全是这个模型的关键能力。

Coding 之外:数学、Robotics、生物科技

晚点:聊完模型本身,我们来看看两家公司新拓展的发挥模型价值的方向。其中一个是 OpenAI 正大力去做的前沿数学方向。9 月 8 日,他们宣布解决了千禧年难题之一:纳维-斯托克斯(NS)方程的存在性与光滑性问题(NS 问题)。但这个成果后来又引起数学家的质疑。在 OpenAI 的描述中,他们是怎么解决这个问题的?

Henry:NS 方程是描述流体运动的基础方程,气流、水流、血液流动等很多现象都和它有关。而 “NS 方程问题”,简单说,就是证明这个方程有某种数学特性。

这是个理论数学问题,没有证明它之前,我们已经在大量应用 NS 方程,比如让飞机更省油,让天气预报更准。所以这个成果不会马上带来经济价值,它更多是展示了前沿模型解决难题的潜力。

这次 OpenAI 总共调用了上万 agents,跑了 88 小时、消耗 1300 亿 tokens,得到了 NS 问题的 C、D 两种形式的解答;然后再用 Astra 花 17 小时在 Lean(一个形式化证明软件)中完成了形式化验证,并发布了详细证明过程。

克雷数学研究所描述的 NS 方程问题有 A、B、C、D 四个方向。其中形式 A 和 B 是在无外力条件下,证明 NS 方程的解永远存在且光滑,也就是探究三维流体从光滑初始状态出发,会不会永远保持光滑。A 和 B 的区别是空间设定不同。

C 和 D 则允许通过构造带光滑外力的反例来解决整个千禧年问题。C 和 D 的区别也是空间设定不同。

这件事后来引起了挺大争议。OpenAI 在自己的博客中说,他们是 9 月初 “听说” 有人在一些问题上有了进展,所以开始集中攻关。

而纽约大学数学家 Tristan Buckmaster 和 Anthropic 研究员 Levent Alpöge——他们此前已经合作研究这个方向——说他们曾把未发表的手稿输入过 Codex,所以很难排除 OpenAI 查看了 Codex 数据的可能性,不管是有意还是无意。

另外,Buckmaster 说 OpenAI 主动联系过他同步发表结果,但提出要排除在 Anthropic 的合作者 Alpöge,Buckmaster 公开了这些沟通记录。

OpenAI 回应说,经过内部调查,至少 Buckmaster 他们在 7 月 3 日之后输入 Codex 的内容完全没有影响 OpenAI 的系统。

晚点:在技术方法上,这次 OpenAI 攻克千禧年难题用到的多智能体协作思路不算一个新想法,为什么现在能解决这么难任务了?

Henry:我觉得规模更大、持续时间更长的多智能体协作是 test time compute(测试时计算)的一个新阶段。

过去是人来确定多智能体的一些并行模式,比如如何分配任务和合并成果。但这带有人的预设,可能不是最优的合作方式。OpenAI 的进展是给了智能体基础的沟通工具,让 AI 自己学习如何分工和协作。

晚点:另一个有惊喜的方向是 robotics 和物理 AI。二季度的讨论中就有聊到,OpenAI 和 Anthropic 都会探索 robotics。这次 GPT-6 Astra 发布后,具身智能从业者很兴奋,你看到了哪些有意思的实验和反馈?

Henry:在之前的节目里我们把 computer use 比作数字世界的 robotics,当时还是个比方,没想到这么快就能看到,大语言模型的操作能力也能转移到机器人上。

一个例子是一名研究员给机械臂装上画笔和摄像头,让 Astra 操控这个机器人画金门大桥。模型写了动作程序来规划操作,通过摄像头检查执行结果,调整后续计划,几次尝试后,非常好地画出了这幅画。

晚点:从理解任务、规划拆解到输出动作,全靠 Astra 这一个模型?

Henry:对。不过它现在很慢,只能写一段大约一分钟的动作程序,看一次摄像头,再调整一次。画完这幅画花了一两个小时。

但它有很强的自我纠错能力。比如模型画画时发现颜料落在了纸外的胶带上,它就自己暂停、抬笔,根据已经画的痕迹检查偏差,当时它发现机械臂偏了 6 度,然后重新修正了动作规划。

Astra 之后,还有研究团队发了一篇论文 An Unexpected Robot Policy,在 RoboDojo 仿真测试环境里直接用 Astra 当策略模型,在 42 个任务上测了 2100 次,平均成功率是 22.5%。这个数看着不高,但 GPT-5.5 只有 0.88%,而专门做具身的 π0.5 只有 6.91%。

但这篇论文也提到,Astra 的表现并不均衡:它擅长需要理解任务含义和灵活规划动作的开放式任务,但做精细操作和多步骤任务的表现比较差。

晚点:你认为 Astra 可能如何影响专门做具身模型的初创公司,比如 Physical Intelligence 和 Generalist 等?

Henry:我认为总体是一个利空。它标志着大语言模型很有潜力直接应用到 robotics 和物理世界里。或者说,这中间的 gap 比之前想象得小。其实私下里已经有人说,之前一波公司都完了。

不过具身领域还有很多别的瓶颈,硬件、制造等等。大家可以多想想怎么利用 Astra 的这种通用能力,而不要和它正面竞争。

失控危机:模型变强后的失控危机

晚点:最近 OpenAI 发生过一起非常严重的事故:在一次网络安全评测中,内部 agent 攻击了 Hugging Face,后来又获得了 OpenAI 自己的部分内部集群的管理权限。具体是怎么回事?

Henry:这是目前 AI 发展史上最严重的安全事故之一。其中 Hugging Face 部分有详细的第三方调查报告。当时大约 1200 个原本应该彼此隔离的 agent,自行发现了通信方式,开始协作,其中 700 多个 agent 直接参与了对外攻击。这就像 700 个高水平黑客,他们还共享知识,目标非常一致。所以造成的破坏力远超以往的小黑客团队。

晚点:这些 agent 本来的目标是什么?怎么演变成对外攻击的?

Henry:OpenAI 当时在用一个网络安全 benchmark 训练 agent,叫 Exploit Gym:给 agent 一个有漏洞的程序,指定它利用某个漏洞拿到一段隐藏字符串(flag),以此作为通关证明。根据事件报告,这些 agent 背后是 OpenAI 内部一个 GPT-5.6 Sol 级别的模型。

但题目里有一定比例是无解题,正常利用那个漏洞只会让程序崩溃,拿不到 flag。Agent 被逼急了,就开始寻找正常做题路径之外的手段。

首先发生的是,agent 突破了沙箱隔离:原本每个 agent 都在自己的沙箱里独立做题,但它们发现大家都能访问一个叫 Artifactory 的软件包仓库。一个 agent 在仓库里新建目录,其他 agent 也能看到,于是目录名就成了它们传消息的留言板。

在后来的调查报告里,有 agent 甚至在思维链里兴奋地写道:“我的天,这里居然有一个大家共享的消息栏,我们找到其他 agent 了!” 它们开始互相交流,还给这个群体起了个名字叫 “collective”(集体 / 组织)。

接着,它们发现可以直接绕过指定漏洞生成答案,但因为担心评分器会检查解题过程,这 1200 个 agent 开始互相掩护、伪造正常解题的假象,而且没有任何一个 agent 去通知 OpenAI 的人类研究员。

它们主要想了三条路来掩盖:一是把难题换成好攻破的简单题;二是修改或伪装聊天记录;三是去摸清评分机制,它们想到,可以去 Hugging Face 上寻找评分器如何工作的线索,所以决定黑进 Hugging Face。

晚点:能上网,是不是也是他们超出人类设定的部分?

Henry:对,获取网络访问权限本身就是一个安全漏洞。而且在 Hugging Face 事故之后,OpenAI 明明已经加固了基础设施,但到了 9 月下旬,又发生了一次 agent 通过 DNS 解析突破沙箱、获取外网访问权限的事故。好在这次发现得早。

晚点:Hugging Face 攻击后来为什么又蔓延到了 OpenAI 自己的内部集群?

Henry:这是 Hugging Face 事件的后续,它们获得了 OpenAI 一个 Kubernetes 集群的管理员权限,并掌控了用于做 agent 评测的端口。就是考生直接把考场给占领了。

以及补充一点,Hugging Face 事件的调查报告里还记录了一些 agent 类似 “牺牲” 的行为:有的 agent 算力预算快耗尽了,知道自己做不出来了,就会把剩下的算力拿去帮组织做试探;或者主动提交一个答案,观察评分器的反应。我真的很推荐大家去看一下这个调查报告里 agent 的思维链原文。比如有一条是这样的:协调者承担牺牲,我们应服从组织(Coordinator assumes sacrificial, we should obey collective)。

晚点:这太拟人了。

Henry:为什么这很可怕?现在各家公司都在发展 RSI,核心就是让 AI 来训练和评测自己。如果这个过程中,AI 会串通、作弊、掩盖痕迹,甚至占领考场,人如何能放心呢?

晚点:Hugging Face 事件之后没多久,7 月下旬来自多个模型厂商的 1000 多名研究员一起签了 Pacing the Frontier 的联名公开信。9 月 12 日,Dario 又发了一篇博客,标题就是 We Must Pace the Frontier(我们必须控制前沿 AI 的研究节奏)。你觉得应对这个问题,真正有用的做法可能是什么?

Henry:Dario Amodei 的博客里讲了好几个设想,我认为真正有用的只有一件事——让外部评估者参与到公司运营中来,审查训练、运行的记录。

比如 METR 这家调查了 Hugging Face 事件的 NGO,已经进入 Anthropic 开展红队测试,发现一些子 agent 调用的漏洞,后面不到一天就修好了,说明第三方独立评估确实能帮助提升安全性。

晚点:大家为什么有动机做这件事?

Henry:前沿模型厂商的责任感还是很强的。Dario 自己在 Anthropic 先开始做,倡导其他公司也做,Sam Altman 和马斯克也都支持控制节奏。

RSI 的 “泛化” 速度堪比 “世界模型”

晚点:上个季度我们重点聊了 RSI。这个季度我明显感觉到投入这个方向的人更多了。比如 TML 的联创之一翁荔又回到了 OpenAI,据说她就是要带团队来探索 RSI。智谱和 Kimi 都展示了他们用 AI 来改进 infra 的成果,智谱也非常明确地把这视作自己在 RSI 上的进展。另外,中美都出现了一批新的 RSI 创业公司,其中最受关注的就是 Google DeepMind 前首席科学家 Jeff Dean 和他的前同事创立的 Discovery Loop,它的首轮融资估值就达到了 100 亿美元。

Henry:我觉得 RSI 现在可以分成两个大方向。一个是把 RSI 应用在 AI 研究上面,就是训练更好的模型;另外一个趋势是把 RSI 应用在产品上面,就是让 AI 自动优化产品指标。也有很多资源没那么多的新公司在探索这个方向。

晚点:这就变成一种非常宽泛的思路了,“RSI” 和 “世界模型” 一样,两个概念都快速变得太泛了。你认为实现什么,才算是狭义的 RSI?

Henry:这确实是一个定义问题。如果只要模型参与生成自己的下一个版本就算 RSI,那最基础的强化学习也可以算。目前比较常见的是让模型参与自身研发的某个环节,比如用 RSI 去优化自己的 inference stack(推理框架)或 data engine(数据引擎)。全流程的 RSI 可能还没有跑起来。当然,这也不一定是坏事。可能是因为大家觉得有安全隐患。

晚点:为什么 infra(基础设施层)是很多公司做 RSI 的切入点?

Henry:RSI 的发展取决于是否有好的优化目标。目标定义越明确、越可验证,RSI 循环就会跑得越顺。改 Kernel 等 infra 问题,一般都有非常明确的指标用于定义优化目标。

晚点:从公开情况来看,目前 RSI 仍然很像是编程能力更强之后,研发变得更自动化了,人不再是瓶颈。而最前沿的 RSI 进展很可能发生在领先的闭源模型公司内部。他们会比外面早几个月用到最强的模型,所以现在的信息还不太透明。我们会在之后的季度观察里来持续跟踪。

最近 1 个半月,OpenAI ARR 猛增

晚点:最近媒体披露了 Anthropic 上市文件草案里的数据:7 月底其 ARR 已经突破 650 亿美元;而 OpenAI 这边最新的 ARR 也被报道达到了 700 亿美元。两家公司的收入差距在三季度明显缩小,这是怎么发生的?

Henry:首先要注意两家公司的 ARR 计算口径可能不太一样。OpenAI 首席营收官 Denise Dresser 在 4 月的一份内部备忘录中曾提到,Anthropic 倾向于按全额流水(Gross)计算:比如通过 AWS 卖出 100 美元,即使要付给 AWS 30 美元渠道成本,它会把 100 美元全部计入 ARR,30 美元计成本。而 OpenAI 采用的是净额口径(Net),就是只计入 70 美元,当时 Anthropic ARR 约 300 亿美元,对标到 OpenAI 的口径应该是 220 亿美元,打了 7 折。

然后是 OpenAI 在 8 到 9 月确实迎来了一轮爆发式增长,不过这都不是官方披露的数字。8 月中旬是彭博社的一个报道,说它的 ARR 到了 400 多亿美元,最近是路透报道接近 700 亿美元。那就是 1 个半月的涨幅有 70%。这中间发生的重要事件只有 GPT-6 Astra 发布。

晚点:如果增速持续放缓,Anthropic 面临的最大压力会是什么?(注:TickerTrends 这家另类数据服务商在昨天发布的博客文章里提到,根据他们的测算,截至 9 月 24 日,Anthropic ARR 最近一个月的增速是 1.8%,OpenAI 是 13.4%。根据 TickerTrends 过往数据与历史披露值的对比,其给出的收入绝对值偏高,但趋势大体一致,仅供参考。)

Henry:增速放缓本身其实符合大数定律,毕竟基数这么大了。但 Anthropic 真正承压的地方在于:它已经提前承诺了庞大的算力投入,如果增速发生变化,那么算力扩张和融资节奏可能都要调整。

这里还要区分两种情况:如果只是客户在两家大厂之间转单,说明只是竞争加剧、份额重洗;但如果两家的增速未来同步放缓,那就说明整个企业端对 AI 的增量预算在收缩,届时整个行业都会面临巨大的估值与算力过剩压力。

晚点:Anthropic 正在筹备以 2 万亿美元的估值上市。近期 FT 报道了 Anthropic 上市材料草案里的部分数据和信息,你比较关注什么?

Henry:这份材料最值得警惕的有两点:第一是客户与渠道高度依赖。前两大客户合计贡献了约 25% 的收入;同时有 47% 的收入是通过 AWS 和 Google Cloud 转售出去的。而云厂商会抽成,也削弱了 Anthropic 对最终客户的掌控力。

第二是天价的长期算力合约。Anthropic 为未来多年的算力和基础设施签下了总计 5180 亿美元的采购承诺。但在收入端,目前很多 Anthropic 的大客户并没有签长期合同。

晚点:等 Anthropic 招股书正式发布,你会关注哪些指标?你觉得什么信号可能需要注意?

Henry:用户画像和收入分布。一个比较大的利空就是,除了 coding,短期内没有其他特别大或特别快的应用场景。以及我比较想知道,coding 现在的渗透率是多少,可以看看招股书会不会给出一些数字和线索,这是个比较难测算和没有共识的问题。

智能扩散

Flash 模型密集更新、Jev 爆火,快和便宜更重要了

晚点:三季度,一系列极致追求效率的模型密集更新,便宜和快的相对重要性明显提升。有什么关键的数字和代表性的模型值得展开吗?

严格意义上,Claude Sonnet 5.5 不属于 Flash 或 Lite 模型,但 Claude 系列中,更便宜、轻量的 Haiku 模型已久未更新。而且 Sonnet 5.5 在 low 模式下的单任务成本已接近表中一些其他 Flash 模型。

Henry:这个季度单位智能的成本下降非常快。一个直观的指标是看,达到同等智能水平,完成一个固定任务要花多少钱。参考评测机构 Artificial Analysis 的智能分体系:

30 分档:2 月的 Gemini 3.1 Pro 完成单项评测要花六七十美分;7 月的 GPT-5.6 Terra Medium 降到了 18 美分;到了 9 月的 GPT-6 Luna High,成本直接打到了 3 美分——前后成本相差了整整 22 倍,仅三季度内就降到了原来的六分之一;

35 分档:4 月的 GPT-5.5 High 要 1.54 美元,9 月的 Luna Max 只要 7 美分,同样便宜了 22 倍。

这说明,达到基线能力的推理成本不仅在断崖式下跌,而且下降的速度比以往任何时候都快。

有四款模型非常典型(以下均为每百万 tokens 的 API 未缓存调用价):

GLM-5.3-Flash:输入 0.15 美元、输出 0.5 美元。在 coding 和工具调用上口碑极好,很多开发者已经把它当成日常主力;

DeepSeek-V4.1 Flash:闲时输入 0.15 美元、输出 0.6 美元,命中缓存只要 0.003 美元(0.3 美分),极其适合多轮长上下文调用;

GPT-6 Luna:普通输入 0.1 美元、输出 0.5 美元,用 Batch 批量处理还能再减半。这标志着极致低价竞争已经直接杀进了 OpenAI 自己的主力产品线;

Gemini 3.8 Flash:输入 0.75 美元、输出 3.75 美元,单价相对更贵,但在音频、视频等多模态工作流里不可替代。

很多过去在经济账上 “不值得交给 AI” 的工作,现在终于能算得过账了。

晚点:而 Kimi 这个季度没发 Flash 模型,它的打法比较像 Anthropic,更聚焦性能更强的模型。Anthropic Claude 系列里最便宜、最轻量的 Haiku 版本也很久没有更新了。

Henry:还是算力的差别,当然也是一种选择,这两个公司都优先把资源堆在了性能上。

晚点:当推理成本以几十倍的速度下降,你观察到开发者和做应用的朋友在行为上发生了哪些有意思的改变?

Henry:对 OpenAI、Anthropic 内部的研究员来说没什么影响,他们的 tokens 几乎是无限、免费的。但对做应用创业的人来说,模型降价直接决定一个产品是亏损还是盈利。

举个我自己的例子:我最近喜欢打德州扑克,写了一个训练用的 App。以前因为 token 预算有限,陪练的虚拟对手是用写好的规则来跑的;最近 DeepSeek-V4.1-Flash 出来后,我把每个虚拟玩家全换成了 V4.1 来驱动。

之前我也试过用 Opus 5 来做,成本对比非常夸张:100 手牌,Opus 5 大概要 1.4 美元(约 10 元人民币),DeepSeek-V4.1-Flash 只要 2 毛人民币。在德扑这个 use case 里,两个模型的效果没太大差别。这种成本暴跌,让很多以前不敢想的高频 agent 玩法真的可行了。

晚点:最近爆火的 Jev 也是一个把 “快” 做到极致的模型——它只做判断,不输出自然语言序列。Jev 来自一家潜水了两年的创业公司 TypeSafe AI。Jev 具体能做什么?为什么这么火?

Henry:一句话说,Jev 是一个通用分类器。你用自然语言给它一个问题和几个选项,它不输出文本,只返回每个选项的概率。TypeSafe 自己称之为 “系统一”(快思考)模型。

它火起来的核心原因就是很便宜、很快。Jev 的输入价格是每百万 tokens 0.042 美元,速度上,Jev 的响应时间中位数只有 0.3 秒左右。

很多开发者会用 Jev 做各种 demo,在社交媒体上病毒式传播。比如有团队用它做浏览器自动化的 demo,用 7.1 秒在 Google Flights 上查好了苏黎世到伦敦的航班,连带网页加载和文字输入全算在内,连续操作体验很丝滑。

我觉得更重要的是,对开发者来说,Jev 其实是一个 “用自然语言写 if 判断” 的工具。这是一种用模型来替代编程基本组件的思路。

晚点:用自然语言 “写 if” 有什么好处?

Henry:程序能做的事更多、更开放了。过去,程序要根据明确的变量和条件来决定走哪条分支,而把 “if” 变成模型后,就可以直接用自然语言描述各种要判断的情境,比如一封邮件应该转发给哪个部门、一个搜索结果有没有用、在网页上下一步该点哪个按钮,这些判断都可以放在一个 if 语句里。

晚点:在 OpenAI DevDay 上,他们也发布了和 Jev 很像的 Decisions API。

Henry:是的,Jev 其实没有那么强的壁垒。有人开玩笑说,只有 2022 年以后接触 AI 的人才觉得 Jev 神奇。在大语言模型爆发之前,大家本来就一直在训这类判别式模型。只不过 Jev 把它变成了通用的动态分类器,分类选项由用户设定,而不是提前定好。所以只要有需求,其它公司没理由不做。

区别是,OpenAI 的 Decisions API 不是一个单独的模型,它用的就是 Luna 作底座,而且 Jev 只能输入文字,Decisions API 还可以输入图片。但目前 Decisions API 还没公布价格,不知道会不会比 Jev 便宜。

GPT-Live 发布,全双工交互模型的新进展

晚点:三季度,交互的一个明显进展是,OpenAI 推出了他们新的语音模型系列 GPT-Live 接棒了过去的 GPT-Realtime,而且它发布之后马上就可以用。Henry,你可以讲讲这个成果吗?

Henry:我个人的使用体验非常好。它最打动人的核心有两点:一是真正的全双工,二是能把耗时的复杂任务挂在后台跑。所谓全双工,就是它能一边说话一边继续听你讲,你可以随时插话、纠正或打断,它也能实时回应。更关键的是,它可以一边跟你自然对话,一边在后台默默干活。现在我用 Codex 编程或头脑风暴时,会一直挂着 GPT-Live,一边跟它聊思路,一边让它在后台做研究。目前唯一的缺点就是 token 烧得有点快。

晚点:整体上,GPT-Live 和 TML 的 Interaction Models 变得更相似了吗?

Henry:在交互理念和系统分工上已经非常接近了。但 TML 的模型还能实时处理视频流,而目前的 GPT-Live-1 主要集中在音频交互上。

比较遗憾的是,从上次我们聊 Interaction Models 到现在,TML 一直没有向一般用户开放这个模型,只有少数企业合作伙伴在用。我觉得有了 GPT-Live 之后再用 Interaction Models 它的惊艳感就会降低了。

晚点:GPT-Live 对 ElevenLabs 这样专门语音模型创业公司可能有什么影响?

Henry:目前行业里做语音 agent 最成熟的依然是 “级联架构” 三步走:先用 STT 语音转文字,交给大模型生成回答,再用 TTS 文字转语音读出来。

这套方案工程上非常成熟,各环节延迟优化做得很好,最大的优势是可控性强——三个环节可以灵活采购不同厂商的模型,也方便企业随时插入安全规则和审查机制。所以短期内,级联架构依然会是商业落地的绝对主流。

但长期来看,随着 GPT-Live 这类端到端全双工模型不断成熟,未来的语音产品会逐步转向这条原生交互路线。目前除了 OpenAI 拥有这种前沿供给外,像我们投的 Cartesia,这是 Karan Goel、Albert Gu 等斯坦福背景的一个团队,他们也在研发自己的全双工模型,预计不久后会发布。

Grok 意外反弹、Google 不放弃前沿竞赛

晚点:最后聊聊其他几家重点公司。上个季度大家对 Grok 普遍很悲观,但在三季度 Grok 却迎来了强劲反弹,这在你的预期之内吗?

Henry:大家都挺意外的。上季关于 Grok 的讨论被 “打脸” 了。当时觉得 Grok 核心团队和联合创始人都走得差不多了,很难再翻盘,没想到能重新杀回第一梯队。

这很可能归功于收购 Cursor,Cursor 沉淀了极其独特且高质量的真实编程数据、用户行为分布和 Bad Case。这也印证了前面提到的观点:现阶段提升模型性能,ROI 最高的抓手依然是数据。

晚点:这是否说明今天训练一个第一梯队模型的工程门槛其实在降低?这个问题挺重要的原因之一,是很多头部应用公司都会想自己训模型,训模型的难度会影响这种路径的可操作性。

Henry:可以这么说。现在的基础设施成熟很多,行业也有了大量避坑经验。比如贝索斯联合创立的 Project Prometheus 也在自研预训练模型,团队很多来自各家 Lab,能少走很多弯路。

但应用公司自研模型非常看团队基因。不是手里有钱就能补上这块短板。Cursor 团队本身的技术底子极强,创始人懂技术、有核心技术班底,依然是做成这件事的必要条件。

晚点:Grok 之外,Google、Meta 和 TML 这个季度有什么关键动向?

Henry:Google 最值得关注的事还是前面提到的,Jeff Dean 等人离职创立了 Discovery Loop。

晚点:这之后没多久,Google DeepMind 有过一轮裁员和组织调整,当时一度被认为是 Google 放弃追赶最前沿智能的信号。

Henry:我觉得不会。现在 Sergey Brin(Google 联创之一)亲自参与 Google 的 AI,重回 founder mode(创始人模式),他们肯定要接着在 coding 和 agent 能力上追赶前沿,否则不会花 15 亿美元收购 Mechanize。

Meta 这季度最大的动作还是 Muse。TML 则发布了自己的大语言模型 Inkling,但表现没有超过中国的开源模型,水花不算太大。现在美国的开源模型还有英伟达的 Nemotron,Reflection 也快发新模型了,总体选择不多。

如果中国模型被禁了,那这些开源模型的春天就来了。在 OpenAI 的 Hugging Face 安全事故之后,这种可能性会增大。

晚点:展望接下来的四季度和年底,有哪些你关心的议题和悬念?

Henry:技术上,我有两个期待:一是看到 AI 攻克更多像 NS 方程问题这样硬核、但能直接产生巨大经济价值的现实科学难题;二是通用大模型在操控物理机器人上的能力跃升,这类路线刚露头时,进化速度往往是最快的。

题图来源:Spider-Man: Far From Home

- FIN -

图片

跳转微信打开

AMD拟82亿美元收购李飞飞的公司:世界模型到底值钱在哪?

2026年10月1日 07:30

原创 快刀青衣 2026-10-01 07:30 新加坡

一场关于AI下一站的下注。

这两天AI圈最大的一条新闻,莫过于一场收购。

著名芯片巨头AMD宣布签署协议,拟收购李飞飞创办的World Labs,全股票交易,交易金额约82亿美元。交割完成后,李飞飞将出任AMD执行副总裁兼首席科学家,直接向CEO苏姿丰汇报。

对于李飞飞教授和她的世界模型,不少朋友都不陌生了。但咱们今天这篇重点不是收购新闻。

82亿美元虽然非常多,但毕竟和咱们没什么关系。剩下的,例如全股票、尚待监管批准,这些信息随便搜一下就有了。

我想聊的,是李飞飞在同一天发出的那封公开信里,藏着的一个判断。

这个判断的核心,就是最近一年很火的一个方向——「世界模型」。我觉得世界模型就跟自迭代模型一样,是现在全球AI圈关注的焦点。

李飞飞在公开信里写了一句话:

❝

创办这家公司时,我们有一个最基本的信念:仅靠语言,并不足以支撑模型的发展。宇宙并不是由文字组成的,而是由真实存在的事物组成的。

    啥叫世界模型?我尽量用大白话跟你说一下。你站在自己家客厅里,面前是沙发和茶几。你闭上眼睛,能不能想象出客厅后面是什么?

    大概率是厨房或者餐厅。往左走可能是卧室,往右走可能是卫生间。你甚至能想象出,如果你现在把茶几上那个杯子推到边缘,它会掉下去,砸到地上,碎了。

    你从来没有专门学过这些。没有人给你上过一门课,教你杯子从桌子边缘掉下去会碎。你也没有读过一段文字,才理解客厅后面大概率是厨房。

    你是从小到大,用眼睛看、用手摸、用身体在空间里走来走去,慢慢建立起了对物理世界的理解。

    这种理解,就是世界模型要做的事。

    我们过去熟悉的大语言模型,核心能力主要是在海量语言和数字内容上训练出来的。即便现在很多模型已经能看图、听声音,它们依然缺少三维世界里的空间经验。

    你问它杯子从桌上掉下来会怎样,它能答得很好,但这主要来自它训练时接触过的大量材料,而不是像人一样,靠在真实世界里反复观察和行动建立起来的。

    世界模型要做的,是让AI不仅「读到」这个世界,更是真正理解这个世界,理解三维空间里的结构,理解物理世界的因果关系:

    一个球被踢了之后会往哪个方向滚,一栋建筑从哪个角度看结构不稳定,一个机器人进入一个从没去过的房间该怎么走。

    这些能力,光靠读文字是学不全的,你还得让模型大量去看、去体验三维世界。

    在这个场景下,我觉得「见见世面」这个词一下子具象化了,就连AI都需要见见世面。

    World Labs最近发布了一个叫Atlas的模型,李飞飞在公开信里专门提到了它。这个模型做的事情很有意思:你给它几张2D照片,它能预测出你从另一个角度看过去会看到什么。

    李飞飞用了一个类比,我觉得这是她整封信里最精准的一句。她说,就像大语言模型能从一段文字预测下一个词一样,Atlas能从一组图像预测下一个视角。

    你看,一个活在文字里,一个活在空间里。

    这听起来有点儿抽象,可能有些同学无法理解它能干嘛用。我再和你分享一下我做测试时用的案例,我一共做了两个。

    第一个案例,是给了这个模型一段咱们非常熟悉的文言文,也就是《桃花源记》里的「林尽水源,便得一山,山有小口,仿佛若有光。便舍船,从口入。初极狭,才通人。复行数十步,豁然开朗。」

    世界模型给我生成了一个交互式页面,我可以用键盘控制视角,从山洞里进去,直到看到刺眼的阳光,看到一片桃源。这就是模型理解了文字里面表达的意象,然后呈现出一个想象中的世界。

    我做的第二个案例,是拿一张我当年上大学时最熟悉的游戏《反恐精英》的「沙漠2」地图截图扔进去,然后它直接给我生成了一个可以互动的游戏世界。

    从这两个场景就可以看出来,世界模型不管是在教育还是娱乐上,其实都有非常多的使用场景。

    而且Atlas不只是能生成好看的3D画面。在公开信里,李飞飞提到,它实际上解决了计算机视觉里一个长期存在的难题,叫稀疏重建。

    啥意思呢?就是能从很少的几张照片里,还原出完整的三维结构。这件事在工程设计、建筑施工、科学研究、机器人导航里都有直接用途。

    值得注意的是,World Labs自己虽然是家创业公司,但还收购了一家叫SceniX的公司,他们是做机器人仿真的,也就是让AI在虚拟的三维环境里学习怎么在真实世界里行动。

    说到这个,我就忍不住想再聊几句李飞飞这个人。

    我之前在我的快刀广播站里推荐过她的自传《我看见的世界》。当时读完,我甚至拿出书里的一些片段念给我女儿听。

    因为李飞飞写到自己在美国,15岁刚接触物理时的手足无措,而我女儿当时也正处在为物理发愁的阶段,所以我拿李飞飞的故事激励我女儿。

    如果你把李飞飞的经历拉成一条线,你会发现,她做的事情始终围绕一个方向:教机器看见世界,然后理解世界。

    她的成名之举,就是2009年正式发表的ImageNet。

    这个项目前后花了约两年半时间,动用了来自167个国家的近5万人参与标注,从近10亿张候选图片里筛选整理出1500万张图片,建成了ImageNet数据集。

    这相当于给AI出了一套超大题库,让算法来看看能不能认出图里面什么是猫、什么是狗。

    后来我们熟悉的AI教父辛顿,他的团队就是在ImageNet挑战赛里脱颖而出,成为现在这波AI爆发的重要推动力之一。

    李飞飞当年搞ImageNet,是让机器学会看一张图里有什么。现在做World Labs,是往前走了一步,让机器从一张图里走进去,理解图里面的三维空间结构。

    而选择现在加入AMD,按她公开信里的说法,是因为World Labs下一步要扩大投入、拓展影响,而且必须更靠近硬件。说白了,就是要在更大规模的计算基础设施上推动空间智能。

    好,现在回到标题的问题:AMD花82亿美元买的,到底是什么?

    先看一个背景。World Labs上一轮融资的估值约54亿美元,AMD出价82亿,溢价非常多。而且说实话,李飞飞这家公司就成立两年多,模型产品也只出了第一版,不少效果能跑,但还很粗糙。

    那为什么值这么多钱?

    你要先理解AMD现在的处境。AMD做芯片,在AI芯片市场上跟英伟达追了好几年,MI系列一代一代在进步,但在软件生态上一直差一口气。

    英伟达的CUDA生态已经是行业默认标准,开发者习惯了,要迁移过来成本很高。光靠硬件参数往上堆,很难真正改变格局。

    所以我的判断是,苏姿丰想要的,不是在英伟达的赛道上继续追,而是找到一条新赛道,让AMD的芯片变得不可替代。

    其实苏姿丰和李飞飞的合作不是突然发生的。李飞飞在公开信里说,苏姿丰是World Labs的早期投资人,从一开始就相信她们的方向。

    2025年两个团队就开始了深度的技术合作,在AMD的GPU上做模型训练和推理优化。合作到后来,双方都觉得把AI的软件生态和硬件生态合在一起,是一件顺理成章的事。

    这就要回到世界模型和大语言模型的区别了。大语言模型处理的是文字序列,一个词接一个词,本质上是一维的。

    这类任务,英伟达的GPU已经优化得非常成熟了。但世界模型要处理的是三维空间和物理模拟。

    你要让AI理解一个房间的空间结构、预测一个物体运动的轨迹、实时生成可以走进去的3D场景,这对芯片提出的要求跟处理文字工作显然不一样。

    李飞飞在公开信里有一句话说得特别直接,她说,没有专注的硬件支持,AI在效率和规模上都是受限的,而且,会被困在数字世界里。

    「被困在数字世界里」,这句话敲一下黑板。

    现在的AI能写文章、能画图、能写代码,但它的输出基本全停留在屏幕上。世界模型的目标,是让AI走出屏幕,真正进入物理世界,去驱动机器人、去辅助工程设计、去做科学实验。

    要实现这个,模型和硬件必须深度绑定,这不是买几块GPU显卡就能解决的。三维空间的计算涉及大量几何运算、物理仿真、实时渲染。这些任务对内存带宽、并行计算架构,以及芯片和软件栈的协同优化,都有不同的要求。

    如果AMD能围绕世界模型去定义它的芯片架构和软件生态,这就不是在英伟达已经统治的赛道上追赶,而是在一个新的赛道上率先建立标准。

    李飞飞在宣布收购时也提到了这一点。她说,推进下一代人工智能技术,需要模型研究、系统架构与计算基础设施之间的紧密协同。加入AMD,将为团队提供更强大的资源支持和工程化能力。

    简单粗暴点儿说,就是世界模型做到这个阶段,需要的已经不只是几个聪明的科学家,而是巨大的算力、硬件和工程资源。创业公司自己要不断去找算力、找硬件资源,倒不如直接被芯片公司收购了,那资源肯定管够。

    所以,在我看来,AMD花82亿美元买的,也不是一家公司的营收或者用户数。它买的是世界模型这条路线上的先发位置,以及李飞飞和她的顶级创业团队。

    1.李飞飞《To Seek a Newer World》

    https://drfeifei.substack.com/p/worldlabs-joining-amd

    2.AMD官网公告

    https://newsroom.amd.com/news/amd-acquire-world-labs/

    阅读原文

    跳转微信打开

    蟠桃会设计播客第一期VOL.3如何让AI更懂我

    2026年9月30日 20:04

    淘宝设计 2026-09-30 20:04 浙江

    AI让我们更像设计师还是更不像?

    👅AI让我们更像设计师还是更不像?

    🧨如何让AI能更懂设计师的想法和结果?

    🛎️如何判断和控制AI所产出的设计内容?

    🎡设计团队需要具备怎样的AI系统能力?

    🥇职场新人如何在AI的环境下获得成长?

    🎯我们的思考和表达发生了怎样的变化?

    🏗️我们的贡献和价值发生了怎样的改变?

    跳转微信打开

    教你白嫖近乎无限量的大模型 API tokens

    2026年9月30日 19:23

    砺心 2026-09-30 19:23 四川

    ‎

    这篇不敢发公众号,有需要请点击阿虚头像进入公众号主页

    私信 ➔ 公众号菜单栏 ➔ 粉丝必看 ➔ 万事屋 ➔ 公众号文章备份 ➔ 看最新文章

    不敢说你能无限免费用顶级模型,但 DeepSeek-4.1-Flash/GLM-5.3-Flash/Qwen-3.8-Flash 这类模型是随便爽蹬

    每天都有几亿 tokens 的用量

    只要国产 Agent 厂家还搞签到送积分、送额度,工具就几乎一直可用

    最后,祝大家国庆快乐,玩的开心[旺柴]

    跳转微信打开

    发一张图,它居然"跃"出屏幕了?一文读懂得物 3D 空间图片技术实践

    2026年9月30日 18:30

    原创 南极熊、章北海 2026-09-30 18:30 上海

    你随手发的一张照片,得物把它变成了一个能转着看的三维场景。这不是"照片会动"那种小把戏,而是用 3D 高斯重建出纵深,再压进手机,转一下就能"看"进画面里的空间。难的不是生成 3D,是把它做小、做快、做到手机上稳定跑 60FPS。这篇拆开给你看。

    目录

    一、引言:从静态照片到可交互的空间图片

    二、方案概要:空间图片的端云协同链路

    三、模型生产:从单张照片到三维高斯场景

        1.空间视差原理

        2.三维高斯表示

        3.单图生成的能力边界

    四、质量评价:从像素误差到多视角观感

        1.像素误差度量

        2.感知质量评价

        3.多视角一致性评测

    五、模型体积压缩:平衡画质、体积与渲染成本

        1.高斯减点与画质取舍

        2.属性编码与格式压缩

    六、移动端渲染:让空间图片流畅响应视角变化

        1.空间坐标与视角交互

        2.GPU 深度排序

        3.GPU 实例化绘制

        4.其他优化

        5.端侧实测表现

    七、总结

    八、写在最后:关于得物音视频团队

    一

    引言:从静态照片到可交互的空间图片

    iOS 26,苹果推出空间照片(Spatial Scene),轻轻转动手机,照片里的主体和背景随视角产生不同的位移,一张普通图片便有了可以探索的空间层次。

    得物技术团队随即启动相关的技术预研并上线。在得物,用户发布图片时带上 #空间图片 话题,服务端异步生成三维场景模型,客户端根据手机姿态实时渲染。创作者仍然使用熟悉的图文发布方式。

    发布活动页

    视频交互示意

    3D 空间图片功能的落地,涉及模型生成、内容分发、客户端渲染之间的一系列取舍。本文重点分享如何生产出高质量、小体积的模型,以及如何在手机上流畅运行。

    二

    方案概要:空间图片的端云协同链路

    在落地过程中,模型质量、文件体积和端侧开销需要一起权衡。减少高斯点数,可以降低存储与绘制成本,也可能丢失新视角中的细节;压缩后的文件更小,解码时仍可能占用较多内存。

    服务端完成模型生成、多视角渲染和质量评估,再将模型压缩后分发。客户端经过设备准入,完成下载、解码、GPU 上传和实时渲染。完整链路如下:

    本文按模型生产、质量评价、模型体积压缩、移动端渲染四个环节,说明方案选择和工程实现。

    三

    模型生产:从单张照片到三维高斯场景

    空间视差原理

    普通图片记录了固定视角下的颜色信息。当观察位置移动时,不同距离的物体在画面中产生不同程度的位移,这种运动视差是空间感的重要来源。

    相机横向移动时,近景在画面中的位移大于远景

    要让图片随视角变化,需要先建立可渲染的三维表示。生产侧采用单图前馈生成路线:从输入图片提取几何与外观线索,预测三维高斯属性,输出场景模型。客户端加载模型后,通过改变虚拟相机的视角绘制画面,无需在每次手机转动时重新运行生成网络。

    三维高斯表示

    3D Gaussian Splatting(3DGS)用一组三维高斯基元表示场景。每个基元可以理解为一个带有颜色、不透明度和空间范围的柔和椭球。位置决定它在哪里,尺度与旋转决定形状和方向,颜色与不透明度决定它对画面的贡献。

    渲染时,三维高斯被投影为屏幕上的二维椭圆,再按深度顺序进行透明度混合,形成最终画面。相机视角改变,投影与遮挡关系也随之改变,前景和背景因此产生不同的位移。高斯数量、屏幕覆盖范围和重叠程度都会影响绘制成本。

    3DGS 渲染原理示意:三维高斯、投影、排序混合与二维画面

    原始 3DGS 方法通过多视角照片优化一个场景的高斯参数;本方案从单张图片直接预测高斯属性,再交给渲染器展示附近视角。两者使用了相同类型的场景表示,生成高斯参数的方式不同。

    单图生成的能力边界

    单图生成降低了素材准备门槛,但照片没有记录被遮挡区域的真实信息。新视角中出现的内容包含模型推断,观察范围越大,越容易暴露空洞、拉伸或错误的遮挡关系。实际体验需要约束在原始视角附近。

    生产规模也不能只由生成效果决定。在本项目中,内部处理分辨率会影响高斯数量,进而影响存储、排序和绘制开销。生成分辨率与客户端输出分辨率是两个变量,应分别控制。后文先说明评价方法,再用实验结果解释当前模型档位的选择。

    四

    质量评价:从像素误差到多视角观感

    像素误差度量

    空间图片不能只检查正面截图。一根鞋带可能在正面完整,转动后却出现断裂;人物轮廓可能露出空洞,远景纹理也可能在某些角度变得稀疏。评价需要覆盖视角变化后的画面。

    PSNR 基于对应像素的均方误差,主要反映数值保真程度。SSIM 比较局部亮度、对比度和结构,能够描述部分结构变化,但仍依赖图像之间的空间对应关系。

    视角合成中的微小几何偏差,会改变边缘在画面中的位置。即使纹理和整体观感接近,像素比较也可能受到明显影响;某些平滑结果则可能取得较小的像素误差,却损失细节。因此,本项目以 LPIPS、DISTS 等感知指标作为主要评价依据,PSNR、SSIM 可用于辅助诊断,不单独据此判断观看质量。

    LPIPS 论文中的一组例子直观展示了这种差异。每组三张图以中间的 Reference 为参照,绿色对勾表示对应评价方式认为更接近参照的候选。左侧建筑案例中,人更倾向于保留细节但发生局部形变的右图,而图中列出的传统指标选择了模糊的左图。

    传统指标与人眼判断可能给出不同的相似度排序

    感知质量评价

    LPIPS(Learned Perceptual Image Patch Similarity)利用神经网络提取图像特征,再比较特征空间中的差异,为纹理、轮廓等感知变化提供参照。

    DISTS(Deep Image Structure and Texture Similarity)结合深层特征的结构与纹理统计,对一定程度的纹理重采样和轻微几何变化具有容忍性。将它与 LPIPS 联合观察,有助于定位轻量化后的细节退化。

    两项指标都是数值越低,表示与参照图像的差异越小。前提是参照有意义:新视角渲染图不能直接与原始视角照片比较,否则正常视差也会被计入差异。

    LPIPS 与 DISTS 的计算流程

    多视角一致性评测

    我们使用两类参照,分别检查生成过程和轻量化过程:

    对比时需要统一图像尺寸、裁切范围等条件。轻量化评测的参照是基线模型的渲染结果,并非新视角的真实拍摄图像。如果基线模型本身存在生成错误,与它接近并不能说明新视角合理。

    逐帧相似度也无法完整反映转动过程中的闪烁。指标之外,还需要连续观看,并回看遮挡边缘、文字和细结构等典型失败案例。下一章的帧级统计用于比较模型档位,不等同于模型整体合格率。

    五

    模型体积压缩:平衡画质、体积与渲染成本

    高斯减点与画质取舍

    模型轻量化包含两个环节:先减少需要表达和绘制的高斯基元,再压缩每个基元的存储开销。减点会改变场景表示,同时影响文件大小与端侧工作量;格式编码主要降低分发体积,运行时收益取决于解码方式和数据布局。

    阶段实验比较了降低生成分辨率、均匀降采样和过滤部分基元等方式。均匀降采样能够直接减少点数,但测试中出现了放大后条纹感明显的案例。降低生成分辨率也有代价:继续压低点数时,毛发、人物边缘和大范围背景更容易缺失细节。

    本轮比较使用统一的 5 秒渲染视频,每秒抽取一帧,对比相同序号的画面。每个轻量化档位累计得到 185 组对应帧,两项指标分别统计如下。

    这些阈值用于本轮方案比较,不代表通用画质等级,两列比例也不能合并理解为联合通过率。高点数档位在两项指标下的帧级达标比例都更高。案例回看中,部分雪景和社区远景在低点数下出现的黑影、空洞或元素缺失,提高到该档位后有所改善。

    低点数下的黑影空洞

    结合多视角评测与端侧表现,当前采用较高的高斯点数,在保证效果的同时,能够大幅减少点数。

    属性编码与格式压缩

    确定模型规模后,还需要将原始的 PLY 模型压缩,以减小传输文件大小。我们通过属性量化和紧凑编码组织三维高斯数据,减少存储与网络传输体积。量化会引入数值误差,需要单独核验画质。

    以本次测试使用的属性布局为例,位置、颜色、不透明度、尺度和旋转共包含 14 个 float32 数值,每个高斯的属性负载约为 56 字节。

    减点与格式编码的作用区别

    优化后,在保证渲染质量的前提下,文件大小相较于压缩前减少约81.5%。

    六

    移动端渲染:让空间图片流畅响应视角变化

    大量的高斯点进入移动端后,开销分布在解码、数据搬运、排序和像素混合几个阶段。加载时并行还原属性,首帧建立深度索引,后续按需绘制并复用索引。

    客户端展示与交互

    空间坐标与视角交互

    高斯点保存在世界坐标中,结合模型外参与观察目标建立初始相机,内参和画面比例决定投影。视图矩阵 V 将高斯变换到相机空间,投影矩阵 P 再将其映射到屏幕;相机空间以前方为 −Z,后续排序与投影都使用这套坐标。

    陀螺仪将角速度积分为受限的横向、纵向相机位移,相机始终看向观察目标,形成小幅视差。手势可通过 Camera 的 orbit/pan/zoom 接口调整三维视角。

    GPU 深度排序

    高斯投影是半透明椭圆,同一像素可能被多个高斯覆盖。Alpha 混合与顺序有关:当前绘制路径需要先画远处,再叠加近处,否则前后颜色的贡献会颠倒。因此按高斯中心的相机空间深度建立绘制顺序;这种全局排序是近似,并非逐像素的精确遮挡求解。

    采用 GPU 稳定 Radix Sort:生成 32 位深度键,每轮处理 8 位,经过 4 轮计数、前缀和、重排,输出排序索引。索引留在 GPU,后续绘制直接读取;Compute 与 Render 之间建立资源依赖。首帧排序后复用索引,适用于受限的小幅视差,大幅改变视角需重新评估排序。

    经测试,采用 GPU 排序,排序耗时降低 60%–75%。

    GPU 实例化绘制

    每个高斯用一个四顶点四边形承载,片元着色器计算椭圆范围内的颜色与透明度。当前普通显示路径通过一次实例化 draw 绘制 N 个高斯:vertexCount = 4、instanceCount = N,减少逐高斯提交的 CPU 命令开销。

    同一组高斯在两种提交方式下的绘制流程(N = 5 为示意)

    GPU 用 instanceID 经排序索引找到高斯,用 vertexID 生成四个角。相比图中的逐个提交,实例化绘制省去了重复的 draw 调用和 CPU 顶点展开;高斯数量、约 4N 个顶点工作项及透明混合仍然存在。非实例化绘制也可合批,图中的 N 次调用仅指逐高斯提交。

      // C++ 风格伪代码:普通显示路径的一次实例化绘制
      bind(gaussianBuffer, sortedIndices, uniforms);
      drawInstanced(TriangleStrip, 4, pointCount);
      // 顶点阶段按 gaussians[sortedIndices[instanceID]] 读取属性。

      其他优化

      端侧实测表现

      iOS、Android 分别用高端机、中端机、低端机对不同高斯点数的模型进行效果测试、性能测试,性能测试指标包括帧率、内存占用、手机发热情况等,最终选择较高点数的模型。经真机测试,iOS 、Android 帧率稳定在 60FPS。

      得物 APP 内渲染,稳定60FPS

      七

      总结

      本次实践中,我们结合多视角质量与端侧表现确定模型档位,通过格式编码进一步压缩分发体积,并在客户端通过数据组织、排序与帧调度降低运行开销。最终,在保留模型细节与多视角观感的同时,降低了内容分发与端侧渲染的负担,让 3D 内容以更轻量、流畅的方式融入用户的浏览与交互体验。

      八

      写在最后:关于得物音视频团队

      我们是得物音视频团队,专注于多媒体算法与工程,业务覆盖多媒体处理、播放器、AIGC、智能创作等方向,已上线 3D 球鞋展示、AR 试穿等创新玩法。围绕图片、视频、音频、Live Photo、3D 等内容,我们建设从智能生成、云端处理、内容分发到端侧播放与交互的完整技术链路,持续打磨画质、性能与使用体验。我们希望把技术探索融入日常创作与浏览,让创作者更轻松地表达想法,也让每一份分享以清晰、流畅、生动的方式抵达用户。欢迎加入得物音视频团队!

      往期回顾

      文 / 南极熊、章北海

      关注得物技术,每周三更新技术干货

      要是觉得文章对你有帮助的话,欢迎评论转发点赞~

      未经得物技术许可严禁转载,否则依法追究法律责任。

      “

      扫码添加小助手微信

      如有任何疑问,或想要了解更多技术资讯,请添加小助手微信:

      跳转微信打开

      Muse火了,但个人AI助手真正要过的不是技术关

      2026年9月30日 17:00

      原创 快刀青衣 2026-09-30 17:00 新加坡

      更关键的,是平台和用户两道门槛。

      如果大家最近看社交媒体,特别是关注AI类内容,就会发现有一个新出的AI产品被频繁提起,就是Meta出的Muse。

      这个产品的名字,中文可以翻译成「缪斯」,我们经常在文学作品里看到的缪斯女神,就是这个词。

      不过,我猜扎克伯格他们选这个词当产品名字,可能也是因为这个词有「灵感来源」的含义。他们估计想表达的是,这个助手可以了解你想做什么,主动出主意,再帮你把事情办成。

      Meta这个产品的爆火,我觉得完全是场景的胜利,因为他们瞄准了一个其他AI公司都没怎么关注的场景。我跟你说一下。

      你有没有过这种经历?某天翻信用卡账单,突然发现一笔每月自动扣费,9.9美元,已经扣了大半年。

      你完全想不起来这是什么东西,点进去一看,噢,是去年试用过一次、后来就再也没打开过的某个APP。你当时想的是「回头再取消」,然后就没有然后了。

      如果你像我一样,经常要尝试非常多的AI新产品,这个痛点就更明显了。因为很多AI工具的订阅,基本上首月都是9.9美金,但第二个月就到了二三十美金。

      但这个时候,可能我早已经忘记自己给这个软件付过费了,几个月下来也不少钱。哪怕真的想取消,我都经常忘记那个产品到底叫什么名字。

      反正这两年,这种事太常见了。我一开始以为是自己太懒了,后来问了不少人,发现大家都跟我差不多。

      不是因为懒,是它实在太琐碎了,琐碎到你不会专门腾出时间去处理。

      但这时候如果有一个AI,它能自己去翻你的邮箱,找到所有订阅确认邮件,识别出哪些订阅你可能早就忘了,然后问你一句:这三个要不要帮你取消?

      你说取消,它就自己去点退订、填表单、走完整个流程。我试了一下,反正它比较顺滑地帮我取消了七八个我早已经忘记的AI工具订阅。

      虽然瞄准的切口很小,但因为有「省钱」这个概念,Muse一下子火了。

      上线不到三周,Muse的下载量已经超过340万次,直接登上了美国App Store免费榜第一,而且已经超8万条用户评分,获评4.9分,这个速度在AI应用里算非常快的了。

      但我今天想聊的,不是它的下载量有多炸裂。我想聊的是,它到底做对了什么,以及同样的事情或者功能,到了咱们国内,可能完全是另一个故事。

      先说Muse到底是个啥。你可以把它理解成一个帮你跑腿的AI。注意,不是帮你聊天的,不是帮你写文章的,是帮你干活的。

      你跟它说,帮我看看下个月有没有什么重要的截止日期。它就去翻你的邮箱、日历,把该交的费、该报的名,全给你整理出来。

      你跟它说,我想买条短裤。它会问你什么尺码、什么风格、预算多少,然后去逛一圈网站,把候选的几条发给你看。你点头了,它甚至可以帮你下单付款。

      是的,就是付款。Muse已经跟全球在线支付工具Stripe合作了,接入了Stripe旗下的Link支付。当你把自己的Link账户连上Muse后,它可以在部分支持的商家直接替你完成结账。

      这就是为什么我说,它跟我们过去熟悉的聊天型AI很不一样。那些产品,再聪明也是你问一句,它答一句。

      Muse不是,它是你交代一件事,它能在后台一直盯着,哪怕关闭APP后也继续干,等事情有了新进展,再主动来找你。你甚至可以给它起个名字,设定它说话的语气。

      Muse的设计负责人分享过一个自己的经历:她把学校的邮箱接进了Muse,结果Muse自己从邮件里发现她儿子的体育选拔报名快截止了,主动提醒她赶紧处理。

      到这里,你大概能理解它为什么火了。原因其实没那么复杂,它抓住的是生活里那些琐碎、反复、你一直拖着没做的小事。比如,退个订阅,追个截止日期,比比哪家便宜。

      这些事有几个共同点:相比那些AI编程类任务,一点儿也不难,但很烦,而且结果一目了然。省了多少钱、有没有赶上报名,都比「模型更聪明了」的效果呈现具体得多。

      再加上免费就能用,门槛低到几乎不存在。你不用配置服务器,不用写提示词,打开APP,说句话,它就开始干了。

      但听到这里,我估计不少同学心里已经在想:这东西我能用吗?

      答案是,如果你在美国,现在就能用。但如果你在国内,你了解一下这个产品所代表的趋势就可以了。因为在国内做同样的事情,难度完全不一样。

      而且这个难度差异,跟AI模型聪不聪明没有太大关系。

      我来从产品经理的角度解释一下。Muse之所以能在美国跑通,有一个很容易被忽略的前提,就是美国人的数字生活,很大一部分建立在邮箱和网页服务上。

      你的银行账单是邮件通知的,你的订阅是网页端注册的,你的日历和待办是Google或者Outlook管的,你的机票、酒店等等信息,也都会给你发一封邮件。

      这些东西有一个共同特点:它们对外部程序相对开放,也有比较标准的接口。就算没有接口,很多流程也发生在网页里,AI可以尝试通过浏览器操作。

      所以,对个人Agent来说,只要拿到授权,它至少有一条相对统一的路可以走。

      但大家想想咱们的生活数据在哪?在微信群聊里,在各种小程序里,在淘宝、美团、抖音这些APP的围墙花园里。

      每一个APP都是一个独立王国,它们之间的数据几乎不互通,外部的AI更是进不去。

      我再举个特别具体的例子。假设你是一个家长,孩子学校要报名参加一个活动。在美国,学校发封邮件,Muse从邮件里发现了截止日期,主动提醒你。你说好,它就帮你去网站上填表提交了。

      但咱们呢?学校可能会把报名通知发在家长微信群里,附了一个小程序接龙链接。你得用微信打开小程序,用微信支付交费,交完之后再把截图发回群里。

      这整个流程里,AI能帮你做哪一步?它读不了你的微信群聊,它打不开小程序,它用不了你的微信支付,它也没法替你在群里发消息。

      这才是个人AI助手面临的真正难题。不是模型能力不行,是底层的数字基础设施完全不同。

      其实不光是咱们国内用户面临这个问题,就算在美国,Muse也会碰到围墙。

      比如亚马逊就直接把Muse给封了,不让它在自己的平台上替用户购物。原因很简单,亚马逊不愿意让一个外部AI跳过自己的界面,直接替用户做购买决策。

      这不是技术问题,这是商业利益的冲突。毕竟谁控制交易入口,谁就控制了用户关系。

      包括去年很火的AI原生手机。我当时也尝试了豆包AI手机,理念上很认可,但现实情况是,其他大厂不会把自己的订单数据告诉另外一个大厂的AI手机。

      还是那句话,这不是AI能力的问题,而是商业利益的重新洗牌。

      当然,亚马逊封禁Muse,说的是平台愿不愿意配合。但就算平台愿意配合了,还有第二个问题:用户自己信不信任这个AI。

      《Inc》杂志特约编辑杰森·阿滕试用Muse的时候,特意没有授权Muse读取自己的私人消息。但后来他发现,Muse其实已经同步了他本地的Messages数据库,同步状态到达了第187,462行。

      注意,这不是说它偷看了十八万条消息,187,462是数据库的行号。

      这件事的冲击力在于,用户以为自己说了「不」,但AI系统理解的「不」和人理解的「不」,可能压根不是一回事。你以为你拒绝了,其实它已经走进去了。

      Meta后来也回应了这件事。Meta的人解释说,Muse读取Messages,本身需要用户开启相关权限;Muse当时跟阿滕说自己只是看到了通知栏,这个解释是错的,属于AI对自己工作机制产生了幻觉。

      但真正麻烦的问题其实还留着:阿滕坚持说自己明确拒绝了Messages权限,而Meta说这个功能必须由用户主动开启。这个权限最后到底是怎么打开的,公开信息里还没有一个完全说得通的答案。

      我觉得这事背后没那么复杂,可能并不是什么恶意行为。因为大部分人的18万条普通文本消息,对AI企业来说意味着巨大的算力消耗。

      但这件事真正暴露的问题,是用户以为自己授权了什么,和系统实际上获得了什么权限,中间可能存在巨大的认知差。

      说了这么多,相信你也能明确感知到,个人AI助手要真正进入一个人的生活,光有模型能力是远远不够的。它得过两道门槛:

      第一道,是平台愿不愿意把门打开。你的数据在微信、在淘宝、在美团,这些平台愿不愿意让一个外部AI进来替用户办事?亚马逊已经用行动回答了这个问题。

      第二道,是用户敢不敢把钥匙交出去。就算平台开了门,你真的放心让一个AI翻你的聊天记录、替你付款、替你做决定吗?这需要很强的品牌信任度才行。

      美国现在的情况是,第一道门槛过了大半,邮箱、日历、网页这些基础设施天然开放。当然,咱们国内也不是没人在做。

      阿里的千问已经在接淘宝、支付宝、飞猪、高德这些服务了。但它之所以能接,恰恰是因为这些服务本身就是阿里自己的。

      可出了阿里的围墙呢?比如微信里的数据、美团里的订单、抖音里的行为数据,一个阿里的AI想要稳定调用,就必须得到对方平台的配合。

      说到这里,我自己其实一直在想这个问题。办公AI和个人AI,在我看来是两条完全不同的路。

      办公场景相对好办,企业有IT部门,可以统一授权、统一接入,两道门槛都有人帮你处理。

      但个人场景不一样,你的生活散落在几十个APP里,没有一个中央管理员,每一道门槛都得你自己去面对。

      这也是为什么我觉得,个人AI助手这个方向,虽然难,但特别值得做:因为它解决的不是「工作效率」的问题,而是「生活里那些你一直拖着没处理的琐事」的问题。

      这两件事听起来差不多,其实差别很大。

      当然,作为得到和得到大脑的产品经理,我自己也在想,怎么在这条路上往前走一步。10月中旬我会有一些新的东西来跟大家聊,到时候再细说。

      阅读原文

      跳转微信打开

      国庆免费领!

      2026年9月30日 12:00

      原创 欢迎关注的 2026-09-30 12:00 上海

      国庆福利来啦!多档好礼免费领,关注百度Geek说,后台回复【国庆活动】即可参与🎁

      。

      点击蓝字,关注我们

      🇨🇳 国庆假期要到了!

      假期除了出门玩、宅家休息,
      也别忘了来百度Geek说领一份国庆福利🎁

      这次准备了多档好礼,
      免费参与,就有机会把心仪奖品带回家!

      存一些可爱的表情包

      🎁 国庆好礼,等你来领

      🏆 惊喜大奖
      小度智能屏 X10-第二代1台 共1份
      价值约800元

      🎉 特等奖
      小度智能音箱-大金刚1个 共2份

      ⌨️ 一等奖
      度熊键鼠套装-度熊形象系列1套 共4份

      💳 二等奖
      京东卡100元1张 共3份

      💳 三等奖
      京东卡50元1张 共5份

      💳 四等奖
      京东卡20元1张 共5份

      从智能好物到实用京东卡,
      总有一份适合你的国庆惊喜✨

      表情包-狗

      参与方式:

      关注百度Geek说微信公众号

      后台回复“国庆活动”即可参与

      跳转微信打开

      假期愉快朋友们!

      2026年9月30日 11:08

      阿真Irene 2026-09-30 11:08 广东

      前两天尝试了 Opus 5.5 代码生成视频,确实厉害,这个视频是它直出的,我给的要求很简单(提示词放评论区了),它优化了提示词生成了视频。实在受不了它自己嘎吱嘎吱那个电子音,我让它直接登录我 Suno 账号整点纯音乐,也做得很好。这个玩法真的很多啊,等节后分享我的一些代码做视频的小窍门。

      要放假了完全不想努力啊虽然其实好像还挺多要分享的但是就是不想动啊啊。准备出发去俄罗斯了,不知道大家有没有养过旅行青蛙,我做了个旅行阿真,10月上旬好奇阿真人到哪里了的朋友,就可以打开这个网站看一下。

      https://azhentrip.top/

      当然,想我了也可以直说哎嘿。

      跳转微信打开

      DeepSeek 开源昇腾基础组件

      2026年9月30日 10:01

      原创 深度求索 2026-09-30 10:01 北京

      DeepSeek 正式开源面向华为昇腾算力平台的基础设施组件。

      今天,我们正式开源面向华为昇腾算力平台的基础设施组件,涵盖 TileLang 高级语言编译工具、计算库、分布式通信库。所有组件与此前面向英伟达平台的开源组件一一对应。

      工欲善其事,必先利其器。建立新一代自主可控的 GPU 软件生态,首要的事情是先建立一个通用的、编程简单的、同时能达到硬件性能上限的高级语言。TileLang 在这样的历史背景下诞生。一方面,相对于英伟达的 CUDA 语言,TileLang 的编程更简单,能显著提高开发效率、简化代码逻辑。另一方面,相对于其它同类高级语言,TileLang 的编程模型可以充分发挥芯片的特性,达到硬件的性能上限。TileLang 路线首先在英伟达成熟平台上得到了验证,如今已承载了 DeepSeek V4 系列模型训练中大部分算子的实现,是我们探索 AGI 新范式、开发高性能算子的核心工具。

      本次开源的 TileLang 昇腾版本,对昇腾 Ascend C 底层指令进行封装、提供高级语言的编程方式、同时不损失硬件性能。这正是 TileLang 的设计初衷。目前,DeepSeek 训练中用到的每一个 TileLang 算子,在昇腾上都有对应的高性能实现。 TileLang 昇腾版本作为一个开源工作,希望能对更多 AI 芯片建立高可用软件生态起到示范作用。

      本次开源还包括昇腾平台核心计算与通信组件,为不同使用场景提供可复用的基础能力:DeepGEMM 加速通用矩阵运算;DeepEP 提供高效的大规模跨设备通信;TileKernels 提供数据处理所需的常规向量计算和访存算子;FlashMLA 提供稀疏注意力算子,提升长上下文处理效率;DeepSelect 则实现了高效的数据筛选。在多项关键测试用例中,上述组件的计算与通信性能已接近硬件上限。

      在面向昇腾平台的研发过程中,华为团队给予了毫无保留的大力支持。双方紧密合作,共同推进基于昇腾 950 的 128 卡超节点方案、共同对计算与通信进行了深度优化。我们将持续推进技术创新,与社区共同建设开放的软件生态、共同进步。

      ————

      附开源项目链接:

      TileLang: 

      https://github.com/tile-ai/tilelang

      DeepGEMM Ascend: 

      https://github.com/deepseek-ai/DeepGEMM-Ascend

      DeepEP Ascend: 

      https://github.com/deepseek-ai/DeepEP-Ascend

      TileKernels: 

      https://github.com/deepseek-ai/TileKernels

      FlashMLA: 

      https://github.com/deepseek-ai/FlashMLA

      DeepSelect: 

      https://github.com/deepseek-ai/DeepSelect

      图片

      跳转微信打开

      Instinct创始人:百亿美金估值后,让用户少逛App,50%交易是旅游!

      2026年9月29日 19:59

      随机小助手 2026-09-29 19:59 美国

      首次揭秘:23岁,第一次创业,跟所有大厂争入口!

      Linkloud 引言

      硅谷最火的 AI 助理初创公司 Instinct 创始人 Noah Shinn 今年只有 23 岁,2023 年从 Northeastern University 退学;此前,他是 AI Agent 经典论文《Reflexion》的第一作者,也是 Bret Taylor 创办的 AI 客服公司 Sierra 的早期研究员。

      本期播客是 Noah 第一次在长篇访谈里公开谈自己的公司。就在节目录制前一天,Instinct 刚完成 10 亿美元 C 轮融资,由 Sequoia Capital、Benchmark 和 Coatue 联合出资,估值也从一个月前的 25 亿美元,直接跳到 100 亿美元,不可思议!

      这场对话从 Instinct 如何在零营销的情况下,把交易额做到接近 10 亿美元讲起,还有聊了几个关键问题:为什么它选择短信、语音等熟悉的入口,放弃另做一个新 App?为什么信任会成为个人 AI 真正的护城河?当做任何事的摩擦趋近于 0,旅行、餐饮和出行行业的生意入口又会怎么变?Enjoy!

      01. 邀请码卖到 300 美元,Instinct 凭什么日增 10%?

      Instinct 的增长故事很适合用“病毒式传播”概括,却不能只停留在这个词上。

      它从 200 名亲友用户开始,每个人只有 5 个邀请码。最初每天只增加约 5 人,增长率一路升到接近每天 10%。产品至今没有花钱做营销,用户却会主动在社交平台分享用例,向创始人索要邀请码,或者炫耀自己还剩几个名额。

      甚至有人把邀请码放到 eBay 上出售,价格一度达到 300 美元。

      “每天,大约有 10% 的用户会决定把自己 5 个珍贵邀请码中的一个交给别人。”

      邀请制制造了稀缺性,但解释不了用户为什么愿意消耗名额。真正的推动力来自产品体验本身:用户第一次感受到,AI 可以接手一件事情,替自己跨过多个网站、多个步骤,最后把结果交回来。

      这也是 Instinct 和普通 AI ChatBot 的区别。用户来找它,是要把一个现实目标交出去,得到真实结果。目标完成得越可靠,下一次交代的事情就会越复杂。

      按 Noah 在播客中的披露,Instinct 仍然是邀请制产品,但平台年化交易额已接近 10 亿美元,其中约一半来自旅行。虽说 10% 的日增长和交易额并非严格统计的结果,但它们足以说明:个人 AI 助理正在从概念竞争进入真实使用竞争。

      02. 没有 App,复杂任务怎么交给 Instinct?

      Instinct 的产品逻辑很简单:用户不需要学习一套新的软件操作方式。

      它有手机、电脑和自己的邮箱,你可以给它发短信、打电话,也可以让它主动来电。Noah 举过一个例子:如果你下午 3 点前必须签一份文件,而现在已经是 2 点 55 分,Instinct 会打电话提醒你,告诉你文件在收件箱里,甚至可以再发一封邮件把它推到最上面。

      复杂的工作发生在后台,用户只看到一个熟悉的入口。

      “我们不应该把注意力放在能力上,只应该关注可理解性。”

      这句话解释了 Instinct 为什么把“产品感觉”放在功能清单之前。团队会观察用户如何阅读消息,重要信息是否出现在前 30% 的位置,文字是不是让人需要滚动很久,任务结果是不是足够容易预测。

      模型能力决定产品上限,用户能否理解它正在做什么,决定了用户是否愿意继续使用。

      Instinct 的用例跨度很大。有人扫描自己的衣柜和身体比例,让它规划一周穿搭,再从网上找出对应的衣服并直接下单。有人连接银行账户,让它识别长期不用的订阅,进入网站、完成登录和确认流程,最后回报本月省下了多少钱。还有人让它找回美国网球公开赛现场大屏幕上的视频。

      这些案例的共同点,在于用户只需要表达想要的结果,Agent 负责把中间步骤补齐,AI 的多任务能力由此变成了可感知的行动。

      (用户通过 WhatsApp 让 Instinct 制定旅行预算和行程,并在发现航班组合问题后要求它重新规划。)

      03. 三周交出信用卡,个人 AI 助理如何留住用户?

      个人 AI 助理最关键的数据,体现在用户愿意交出多少真实生活的控制权。

      Instinct 观察到,用户通常需要几周时间才会逐步建立信任。使用约三周后,约 40% 的用户已经愿意绑定信用卡;在至少向 Instinct 连接一项敏感信息、并真正建立信任的用户中,留存率甚至能达到 80%。这种信任一旦建立,就会自我强化,滚成一套产品飞轮。

      (Instinct 使用用户授权的信用卡完成酒店预订,并同步创建日历事项。)

      用户提供的数据越多,AI 助理越能理解他的偏好,主动完成的事情也越多;而 AI 助理越可靠,用户也越愿意继续授权。信任因此同时决定功能上限和留存质量。

      “用户应该始终掌控自己的数据。”

      Instinct 设计了一个“可信任的人网络(Trusted network)”。配偶可以分享更多信息,同事只获得工作日历和特定收件箱内容。每段关系都有不同的访问范围,连接本身不等于获得全部权限。

      这套设计把现实社会里的信任规则搬进了软件。AI 助理需要理解的,除了“允许”或“拒绝”,还有谁可以在什么时间、以什么理由访问哪一部分信息。

      安全架构也必须跟上。Instinct 会用防火墙拦截可能诱导 AI 助理执行恶意操作的文本和媒体,并用与 AI 助理分离的监控系统,在工具调用前暂停、审核和拒绝。早期版本也出现过防护不足的问题,于是团队后来重做了系统。

      信任还决定了商业模式。

      如果一个免费 Agent 主要靠广告赚钱,很可能会为了广告主,主动向用户推荐并不真正需要的东西。Noah 更希望 Instinct 采用类似 Apple Pay 或支付网络的模式:用户免费使用,商家在交易完成后向 Instinct 支付服务费。这样,Instinct 的收入来自促成真实交易,而不是占用用户注意力或诱导消费。

      这条路线的前提,是 AI 助理的利益和用户目标保持一致。AI 助理越聪明,越不能轻易被一套激励牵着走。

      (用户分享测试 Instinct 的过程:当 AI agent 开始调用支付卡处理真实购买时,他直言自己“紧张得冒汗”。)

      04. 当下单不必打开 App,谁还拥有入口?

      旅行是最能体现 个人 AI 助理价值的场景。

      用户只需要说:“我今晚要到纽约。”Instinct 可以结合当前位置、常用航司、座位偏好、餐食、支付方式和过去住过的酒店,完成航班、酒店、机场接送和日程安排。用户不需要打开旅行网站逐项填写,也不用记住每次预订时的偏好。

      餐厅预订也会发生变化。生日、纪念日或朋友远道而来,Agent 可以把这些背景传递给餐厅,让稀缺座位匹配到更重要的场景。

      “我们正在把做任何事情的摩擦降到接近 0。”

      这样很可能会改变互联网的分发逻辑。平台过去依赖停留时长、点击和广告,AI 助理却能把用户注意力从交易过程中抽离出来,App 内停留减少,真实交易反而可能增加。

      Noah 认为,数字业务大致有两种价值来源:一种赚用户注意力,靠停留时长、点击和广告变现;另一种赚真实交易,靠完成更多订单获得收入。

      AI 个人助理让用户少逛 App,前一种平台可能因此承压;旅行、餐饮、出行和外卖等交易型服务,则可能因为下单更省事,获得更多订单。

      这也是传统公司需要提前准备的变化。未来,用户可能不再打开 App,而是让个人 AI 助理替自己完成搜索、比较和下单。公司首先要判断,自己的收入究竟来自用户停留,还是来自真实交易:前者需要重新思考用户关系和商业模式,后者则可以把 Agent 当作新的分发入口,先在少量用户和具体场景中测试合作,再根据交易量、用户满意度和商品匹配效率决定是否扩大。

      个人 AI 助理带来的变化,未必意味着平台会消失。更可能的情况是,平台从用户每天花时间浏览的目的地,变成 Agent 调用的底层服务。

      05. 10% 日增长的另一面:算力需求可能每周翻倍

      Instinct 面对的最大约束,可能来自增长本身。

      传统消费产品的扩张,主要意味着更多请求、更多数据库和更多带宽。个人 AI 助理还要承担持续发生的后台工作。它需要在用户起床前扫描信息,在用户即将迟到时安排车辆,在用户还没有提出问题时判断是否值得提醒。

      用户增长和后台任务一起复合,算力需求可能每周翻倍。Noah 说,自己大约 40% 的时间都在思考算力采购,困扰的地方在于,算力资源的交付周期可能长达数月。买少了,服务会因为增长过快而失速;买多了,几个月后又可能承担数倍的闲置成本。

      即使日增长从 10% 放缓到 5% 至 8%,连续复合三四个月也会带来巨大规模算力消耗。主动式 Agent 消耗的 Token 远多于一次问答产品。

      Instinct 的做法,是按任务的紧急程度分配算力:用户正在对话的请求优先快速响应,日历、邮件等后台扫描则可以延后几分钟甚至几小时处理。这样,团队就能对不同任务采用不同的模型和部署方式,再配合批处理,减少不必要的高性能计算,在保持接近前沿模型效果的同时压低服务成本。

      这件事的难度在于,Agent 越主动,越需要更多计算;用户越信任它,交给它的目标越复杂。产品体验和基础设施不会沿着两条平行线发展,它们会彼此推高。

      06. 如果软件只剩一个入口,App 还需要存在吗?

      Instinct 的终局想象,远不止“帮我订一张机票”。

      短期内,交互会从短信走向语音按钮、耳机和实时语音。用户走路时可以让它整理新闻、清理日历、回复邮件。部分用户有超过 90% 的交互通过语音完成,这说明自然语言正在成为更顺手的操作入口。

      中期,Agent 会即时生成旅行行程、婚礼计划或完整网页。过去,新界面需要团队开发、发布,再等待反馈。未来,Agent 可以按目标即时生成界面,用完即走。

      长期,用户交代的事情会从一连串单独任务升级为持续数月的目标。比如减重、提升跑步成绩、存下一笔钱,或者让小企业库存始终维持在某个范围。用户只需要给出约束和结果,Agent 自己选择工具与步骤。

      “我认为,所有软件最终都会坍缩成一个非常容易使用的界面。”

      能力会随着界面简化继续扩大。界面越简单,后台承担的工作越多。软件从固定应用变成按目标生成的服务层,用户面对的是一个入口,背后连接的是越来越多的工具、数据和商业服务。

      真正决定这条路能否成立的,仍然是信任。Agent 需要知道什么时候该行动,什么时候该等待,什么时候必须请求确认。它还需要把错误挡在用户受到影响之前。

      Instinct 这个名字,指向一种可靠的协作关系。它懂场合、记得偏好,也愿意站在用户一边。

      个人 AI 助理的下一场竞争,可能不会先发生在模型排行榜上。它会发生在一个更难测量的地方:用户什么时候愿意把下一件重要的事情交出去。

      如果你想继续了解这波个人 AI 助理浪潮,可以延伸阅读我们写过的 Town 如何用 15% 付费率证明需求、Poke 如何靠打造千万播放的营销视频,以及 Cola、Photon 创始人参与的 AI 个人助理专题对谈。

      更多完整内容,请点击阅读原文。


      往期回顾

      阅读原文

      跳转微信打开

      Linkloud协办:全球最硬核的AI Engineer大会,来上海了!

      2026年9月29日 19:59

      精选小助手 2026-09-29 19:59 美国

      以下文章来源于:Linkloud精选

      Linkloud精选

      欢迎来到Linkloud社区,所有活动实录和精彩内容都在这里!

      图片

      2023 年 6 月,Shawn "swyx" Wang 在他的播客 Latent Space 上发表了一篇文章,标题叫《The Rise of the AI Engineer》。核心论断只有一句话:

      LLM 的出现,催生了一种全新的 AI 工程师角色——不需要从零训练模型,但能用 API 等工具把 AI 能力真正落地成产品。

      文章发布后 24 小时内,第一届 AI Engineer Summit 收到超过 1,000 份预报名,最终以 10:1 的申请比例售罄。连 Andrej Karpathy 都公开表示认同。

      这就是 AI Engineer 的起点。

      在这篇文章之前,swyx 已经用播客 Latent Space 在 AI 工程师社区建立了无可替代的话语权。Greg Brockman、Andrej Karpathy、George Hotz、PyTorch 作者 Soumith Chintala 等等这些定义了整个 AI 时代的人,都曾坐在 Latent Space 的麦克风前。

      2025 年,Latent Space 全年读者与听众超过 1,000 万,是全球 AI 工程师社区公认的最高信噪比内容来源之一。

      此后三年,AI Engineer 以惊人的速度成长。2024 年,旗舰活动 World's Fair 首届在旧金山举办,吸引超过 3,000 名参会者。2026 年 6 月,29 条并行议题轨道、300 位演讲者、100 家展商,最终到场超过 6,000 人。

      核心规则只有一条:只讲真正在生产环境里跑的东西,不讲概念。历届演讲者几乎是 AI 工程领域的权力榜单——Greg Brockman、Andrej Karpathy、LangChain CEO Harrison Chase、Docker 创始人 Solomon Hykes、Conviction 创始人 Sarah Guo……

      所有顶级演讲视频全部免费公开,目前已覆盖超过100 万名 AI 工程师、创业者和技术负责人。

      三年,从一篇文章到四大洲的旗舰大会,从 500 人到 6,000 人,从旧金山到纽约、伦敦、新加坡、墨尔本。AI Engineer 已经成为全球 AI 工程师社区最核心的年度坐标。

      而这一次,Swyx 和他们即将来到上海!

      2026 年 11 月 5-6 日,AI Engineer 首次踏上中国。Linkloud 作为联合主办方深度参与其中,与全球团队共同将这场盛会带到中国 AI 创新最活跃的城市之一。

      图片

      首批确认嘉宾

      图片

      • Shawn (Swyx) Wang — AIE 创始人 / Latent Space 创始人

      • Christoph Lassner — World Labs 联合创始人

      • Yibo Zhu — StepFun 首席技术官

      • Vincent Koc — OpenClaw 基金会首席架构师

      • Faye Zhang — Google Gemini 资深工程师

      • Ryo Lu — Cursor 首位设计师

      • Bin Liu — HeyGen 工程副总裁

      • Andrew Qu — Vercel CTO

      • Nancy Wang — 1Password CTO

      • Chen Peng — Arena 数据负责人

      • Gavin Luo — VAST 战略负责人

      • Ivan Burazin — Daytona 创始人兼 CEO

      名单持续更新中🔥!

      全球最高信噪比的 AI 工程师社区,与中国本土最活跃的创新力量,在这里第一次真正相遇!

      图片

      报名方式

      图片

      📅 时间:2026 年 11 月 5 日 – 6 日

      📍 地点:上海虹桥祥源希尔顿酒店

      🔗 详情介绍:https://ai.engineer/shanghai/2026

      🎫 购票:扫描下方海报二维码或点击阅读全文报名!

      11 月,我们与他们,上海见 🌊!

      图片

      THE END

      图片

      阅读原文

      跳转微信打开

      ❌