本次潜空间邀请了行云创始人兼CEO「季宇」，本次分享的主题是《谁困住了AI产业——大型机化的计算机形态与变革的可能性》 💡关于「奇绩潜空间」： 奇绩潜空间是GenAI时代冲得最快的一批科研学者/从业者/创业者聚集的AI人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕聘、闫俊杰等；邀请前沿科研学者分享最新的技术进展，如姚顺雨、蔡天乐等；希望可以为所有GenAI时代的创业者、从业者提供可借鉴、可复制的经验。 本期文字稿：奇绩社区内容精选 💡本期嘉宾： 季宇是行云创始人兼CEO，清华大学计算机科学与技术系博士，曾在华为担任海思昇腾芯片编译器专家，负责多个昇腾编译器项目，并在 AI 编译器领域和处理器微架构领域进行挑战性问题攻关。季宇的主要研究领域包括神经网络加速器、编译器和面向系统优化的机器学习。 行云成立于2023年8月，其核心团队汇聚了来自清华大学及全球顶尖芯片公司的精英人才，致力于研发下一代针对大模型推理场景的超大显存 GPU 芯片，目标是通过异构计算和白盒硬件形态革命性地重塑大模型计算系统，推动大模型走向更高质量和更低成本，于 2024 年连续完成总额数亿元的天使轮及天使+轮融资。 ⏰时间轴： 02:32人工智能算法发展的历史 04:32人工智能的发展经历了从L1到L3的逐步提升，但是要实现到L4的提升还需要新的方法或突破 15:03从计算机产业变迁来看大模型落地困局及解决方案 46:03GPU未来的创新路径是什么？ 50:18多模态硬件设计面临的挑战与机遇 1：13：12Q&A环节 * 1:13:18如何通过构建系统实现硬件多种的兼容性？ * 1:16:26行云为什么值得加入，行云的优势与面临的挑战有哪些？ * 1:19:17下一代AI芯片能否解决延迟和并发的问题？ * 1:21:10通过突破硬件和软件的技术瓶颈来实现享受消费级硬件顶配超体验 * 1:23:10大规模超算系统中如何实现高效互联以及是否需要依赖专有网络来扩展大模型能力？ * 1:28:42端侧设备（如车机、笔电、手机） 是否能承载大规模模型？ * 1:30:38行云未来的产品矩阵规划是什么？ 欢迎关注奇绩，报名活动及加入听友群请添加小助手：

本次潜空间邀请了「Lepton AI 鱼哲」， 本次分享的主题是《除 AI Infra 外，还有什么重要的事》。 💡关于「奇绩潜空间」： 奇绩潜空间是 GenAI 时代冲得最快的一批科研学者/从业者/创业者聚集的 AI 人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕骋、闫俊杰等；邀请前沿科研学者分享最新技术进展，如姚顺雨、蔡天乐等；希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。 本期文字稿：奇绩社区内容精选 💡本期嘉宾： 鱼哲是 Lepton AI 产品负责人，曾在阿里云担任高性能 AI 平台产品负责人，专注于 AI 在多个行业的落地及应用。 Lepton AI 是一个云原生的人工智能平台，致力于开发先进的 AI 能力，简化 AI 应用的构建过程，并降低 AI 开发门槛。目前公司提供了一系列工具和服务，如 Python SDK 和云计算平台，以降低 AI 应用开发的复杂性，其产品预览展示了其在语音识别、艺术化二维码生成、幻觉艺术创作等方面的能力，并且支持与 Hugging Face 模型库的集成。公司致力于解决 AI 基础设施层的问题，提供高性能推理引擎和多云平台，以帮助开发者更容易和经济地创建、部署和扩展 AI 应用。 ⏰时间轴： 00:47 AI 的 Granularity（粒度） 和 Accountability（问责） 11:05 用 Granularity 和 Accountability 四象限来分析各AI应用，如perplexity、c.ai等 23:43 除了Infra外，还有什么重要的事? 34:11 为什么做Lepton AI？ 40:46 聊聊这一年 AI Infra 创业的感受 41:45 AI Infra 的核心痛点是什么？ 01:06:45 数据创业的机会 01:12:42 产品经理：理解市场、跨团队协作、交付商业化结果 01:16:58 AI Infra 的创业当中遇到哪些有意思的伪需求？ 01:20:21 中美两边的 Infra ToB 的商业模式和创业环境的区别 01:24:24 什么是 AI infra 和应用都喜欢的高质量数据？ 欢迎关注奇绩，报名活动及加入听友群添加小助手：

本次潜空间邀请了「袁进辉」， 他分享了关于他分别介绍了创业经历、相关技术研究、分布式编程以及 Infra 创业等 AI 领域多方面内容。 本期嘉宾： 袁进辉是硅基流动（SiliconFlow）创始人兼 CEO ，曾任微软亚洲研究院主管研究员，获得微软亚洲研究院院长特别奖。此外，他还是一位连续创业者，曾在 2017 年创立一流科技（OneFlow），在 2023 年加入王慧文组建的大模型创业公司光年之外，成为联合创始人。 硅基流动是一家做推理加速优化的 AI Infra 公司，致力于打造规模化、标准化、高效能 AI Infra 平台，提供高效能、低成本的多品类 AI 模型服务，助力开发者和企业聚焦产品创新，目前已完成近亿元天使+轮融资。 时间轴 01:06 分享十年创业经历，涉及不同创业伙伴与工作转型 03:12 OneFlow的创业历程与早期对大模型框架的布局及影响 11:43 从2014年研究出发谈神经网络结构学习、工程积累及相关核心理念 28:18 技术框架竞争中的思路及ChatGPT带来的行业巨变 32:16 大模型结构收敛后的影响与不同技术路线的发展 36:22 非典型创业经历：实验室运作、技术优先、挑战大厂等 40:45 Infra创业的理由、推理部署为中心的原因及相关项目的商业化成果 56:15 AI相关场景、竞争、技术融合及芯片发展的讨论 01:11:39 Q&A 本期文字稿：奇绩社区内容精选 关于「奇绩潜空间」： 奇绩潜空间是 GenAI 时代冲得最快的一批科研学者/从业者/创业者聚集的 AI 人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕骋、闫俊杰等；邀请前沿科研学者分享最新技术进展，如姚顺雨、蔡天乐等；希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。欢迎关注奇绩，报名添加小助手。 活动报名 &听友群，欢迎扫码加小助手：

本次我们邀请了「共绩科技」的创始人兼 CEO 付智来到访谈间，在2024中国国际大学生创新大赛上，付智以 930 分的高分荣获大赛亚军。 🎙️本期嘉宾： 付智： 从科研开启创业时，共绩科技的创始人兼 CEO 付智还在清华读博士。他的创业经历在奇绩加速和投资的众多在校创业项目里非常典型：科研背景、00 后创业者、AI 技术驱动、服务国家战略。 共绩科技打造的“算了么”闲时算力共享平台旨在为科研学者、开发者等创新个体，以及科研机构、AI 应用企业等对科研工程计算和模型推理计算有需求的主体提供弹性算力。 在付智获奖的第一时间，我们对他进行了专访，希望分享他关于为什么创业、如何度过早期艰难时刻的故事。我们聊了这些问题： ⏰时间轴 01:12 大赛简要回顾 02:01 共享算力的逻辑 03:33 创业的至暗时刻 05:00“算了么”项目的创新点 08:55 对大学生创业者的建议 13:19 比较遗憾的事情 15:22 如何面对新的挑战？ 17:23 创业路上最感谢的是？ 18:19专业与创业关联性高吗？ 🙋活动报名 & 听友群，欢迎扫码加小助手:

本次潜空间邀请了「陈贝迪 Betty Chen」，她分享了算法、系统以及硬件协同设计（co-design）的一些性质，以提升长序列生成的效率（for efficient long sequence generation）。 💡关于「奇绩潜空间」： 我们找到了 GenAI 时代冲得最快的一批创业者 / Researchers ，如月之暗面（Moonshot AI）创始人杨植麟、AI 硬件 Rabbit-R1 创始人吕骋等，来分享自己的亲身经历和见解，希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。 本期文字稿：奇绩社区内容精选 🎙️本期嘉宾： 陈贝迪 Betty Chen 卡内基梅隆大学助理教授，前Meta研究员 研究方向：包括大规模的机器学习，system optimization优化，以及如何通过MLSys来提升efficiency ⏰时间轴 01:57 算法、系统与硬件协同设计 03:08 长序列语言模型的挑战 07:57 KV缓存的瓶颈 08:53 设计高效算法应对KV缓存的问题 12:13 静态KV压缩的探索 27:00 Dilemma的解法之一：GPU和CPU的Co-design 39:35 总结和展望 47:20 Q&A 👉【奇绩潜空间】报名通道奇绩潜空间是 GenAI 时代冲得最快的一批科研学者/从业者/创业者聚集的 AI 人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕骋、闫俊杰等，邀请前沿科研学者分享最新技术进展，如姚顺雨、蔡天乐等。欢迎关注奇绩，报名添加小助手 🙋活动报名 & 听友群，欢迎扫码加小助手:

本次潜空间邀请了潞晨科技创始人兼董事长尤洋，他将带来对 Open-Sora 的解读与思考。「Open-Sora」是潞晨科技 Colossal-AI 团队研发并完全开源的视频生成模型。 💡关于「奇绩潜空间」： 我们找到了 GenAI 时代冲得最快的一批创业者 / Researchers ，如月之暗面（Moonshot AI）创始人杨植麟、AI 硬件 Rabbit-R1 创始人吕骋等，来分享自己的亲身经历和见解，希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。 本期文字稿：奇绩社区内容精选 🎙️本期嘉宾： 尤洋: 清华大学硕士，加州伯克利大学博士，新加坡国立大学计算机系的校长青年教授；曾任职于谷歌、微软、英伟达、英特尔、IBM 等国际知名厂商；曾创造 ImageNet、 BERT、AlphaFold、ViT 训练速度的世界纪录。 Open-Sora 是潞晨科技 Colossal-AI 在今年 3 月发布开源视频生成模型 ，在 GitHub 上已经获得 1.9 万个星标用户。 开源项目链接：github.com ⏰时间轴 01:06 尤洋个人技术背景 00:04:19 回顾OpenAI—Sora的业界影响 00:06:08Open—Sora的设计初衷 00:07:51 Open—Sora的模型架构 00:12:31 Open—Sora的训练流程 00:19:40 训练所用的数据集 00:28:57 未来的规划 00:33:19问题1:Open-Sora为迭代做出了哪些调整？ 00:34:40问题2:Open-Sora未能公开给大众的原因是什么？ 00:36:18问题3:为什么视频模型的参数小于文本模型？ 00:39:20问题4:Open-Sora更偏科研还是商业？ 00:46:53问题5:价格战是否会挤占Open-Sora的生成空间？ 00:54:40问题6:如何看待出海这部分的业务？ 00:57:43 问题7:个人怎样看待科研和创业的关系？ 01:01:07问题8:创业过程中最艰难的时刻是什么？ 01:03:32问题9:过去三年内读过的最有意思的书？ 👉【奇绩潜空间】报名通道奇绩潜空间是 GenAI 时代冲得最快的一批科研学者/从业者/创业者聚集的 AI 人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕骋、闫俊杰等，邀请前沿科研学者分享最新技术进展，如姚顺雨、蔡天乐等。欢迎关注奇绩，报名……添加小助手 🙋活动报名 & 听友群，欢迎扫码加小助手:

本次邀请了我们邀请到了KAN的网络论文作者刘子鸣，关于KAN 的论文也引起业内广泛关注，目前其为MIT PHD第四年，导师为著名的宇宙学家Max Tegmark，今天他将带来KAN网络算法的相关内容，包括其背景、原理、应用和未来发展等方面。 💡关于「奇绩潜空间」： 我们找到了 GenAI 时代冲得最快的一批创业者 / Researchers ，如月之暗面（Moonshot AI）创始人杨植麟、AI 硬件 Rabbit-R1 创始人吕骋等，来分享自己的亲身经历和见解，希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。 过去分享文字稿：奇绩社区内容精选 🎙️本期嘉宾： 刘子鸣: MIT PHD第四年，导师为著名的宇宙学家Max Tegmark 研究兴趣: AI 与物理学这两个领域的交叉，分为三个大的方向，一个是 Plysics of AI，像理解物理一样去理解 AI ; 第二个是 Physics for AI，如何用一些自然物理中的规律和0模型来启发我们设计更好的AI; 第三个方向是 AI for physics，就是我们怎样用 AI 物理学家来帮助人类物理学家进行科学发现。 ⏰时间轴 02:35 KAN(Kolmogorov-Arnold)是什么，其底层数学逻辑+优势是什么？ 07:37 对比MLP，KAN的底层差异与结构差异在哪？ 10:45 KAN在科学发展中的可解释性在哪？ 12:24 颇有争议，为什么说KAN是AI+Science领域潜在"语言”模型？ 24:24 回顾历史，符号主义与连接主义的来回摇摆，KAN属于何种？ 28:03 哲学角度思考，为什么说KAN与 MLP 类似还原论与整体论的关系？ 37:01 人们都说scaling law是大模型领域的牛顿第一定律，从你的科研背景上会如何理解Scalinglaw，有什么最新的认知? 👉【奇绩潜空间】报名通道 奇绩潜空间是 GenAI 时代冲得最快的一批科研学者/从业者/创业者聚集的 AI 人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕骋、闫俊杰等，邀请前沿科研学者分享最新技术进展，如姚顺雨、蔡天乐等。欢迎关注奇绩，报名添加小助手 🙋活动报名 & 听友群，欢迎扫码加小助手:

吴翼从清华大学交叉信息研究院教授到边塞科技的创始人兼CEO。本期播客，吴教授将分享——让大模型玩游戏，即狼人杀AI。 💡关于「奇绩潜空间」： 我们找到了 GenAI 时代冲得最快的一批创业者 / Researchers ，如月之暗面（Moonshot AI）创始人杨植麟、AI 硬件 Rabbit-R1 创始人吕骋等，来分享自己的亲身经历和见解，希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。 过去分享文字稿：奇绩社区内容精选 🎙️本期嘉宾： 吴翼 ：现任清华大学交叉信息研究院助理教授，同时于上海期智研究院做研究，主要研究方向包括多智能体强化学习，人机交互，机器人学习，自然语言理解与交互，机器学习系统等。目前在做AI创业，是边塞科技创始人&CEO。 吴翼在中学期间参加信息学奥赛，高一暑假保送清华，后来担任国家信息奥赛集训队队长。 在清华上学时代表学校征战ACM比赛；在伯克利做研究时师从Stuart Russell和Peter Abbiel，并作为早期的华人员工加入OpenAI。 ⏰时间轴 02:37 agent的概念是什么，强化学习agent和大模型agent的异同？ 13:21 狼人杀有什么挑战性与难点，为何需要用大模型+强化学习去研究狼人杀，大模型的不足之处在哪？ 17:18 做狼人杀游戏，在技术上要做哪几件事？ 22:42 案例一：训练词频的影响下，如何调整first night AI的随机击杀倾向？ 25:11 案例二：alignment 和 safety的限制下，如何训练AI选择optimal strategy？ 36:06 从合作到竞争，为什么最后选择狼人杀游戏？ 38:55 除了IO与大模型语言的一些结合点，RL与大模型语言有哪些比较好的结合点，实际中有哪些有趣的应用场景？ 43:16 站在学术前沿角度，强化学习如今面临的一些瓶颈与挑战有哪些？ 46:34 对GPT-5未来有什么推断，未来可能会有哪些进展？ 47:14 如何更好地收集数据，不同模态的数据如何做融合与整合？ 49:05 如何看待近期大火的机器人Figure？机器人有什么前沿进展？ 50:59 怎么看机器人的进展速度？ 👉【奇绩潜空间】报名通道 奇绩潜空间是 GenAI 时代冲得最快的一批科研学者/从业者/创业者聚集的 AI 人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕骋、闫俊杰等，邀请前沿科研学者分享最新技术进展，如姚顺雨、蔡天乐等。欢迎关注奇绩，报名……添加小助手 🙋活动报名 & 听友群，欢迎扫码加小助手:

作为 Luma AI 首席科学家和最早扩散模型加速算法的创建者，「宋佳铭 Jiaming Song 」在奇绩潜空间中分享了他对于微调视频模型以实现 4D 内容生成的探索思路，并通过讲解 Luma AI 在视频生成模型 DreamMachine 上的探索，说明了模型可以从视频数据中学到大量关键的三维特性。 💡关于「奇绩潜空间」： 我们找到了 GenAI 时代冲得最快的一批创业者 / Researchers ，如月之暗面（Moonshot AI）创始人杨植麟、AI 硬件 Rabbit-R1 创始人吕骋等，来分享自己的亲身经历和见解，希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。 过去分享文字稿：奇绩社区内容精选 🎙️本期嘉宾： 宋佳铭 ： Luma AI 首席科学家，斯坦福大学计算机科学博士、博士后。曾任职英伟达（DIR）小组科学家 ，创建了最早的扩散模型加速算法，该算法广泛用于最近的生成式 AI 系统，包括 DALL-E 2、Imagen、Stable Diffusion 和 ERNIE-ViLG 2.0。 ⏰时间轴 00:25 从 Diffusion 诞生到现在，视频生成领域有哪些重要的里程碑，这些里程碑发生的背后逻辑或动机是什么？ 04:54 目前主流的研究者在进行视频理解和视频生成时，分别采用了什么样的技术路径？ 05:23 从人和自然的角度，理解和生成是如何被分开的？其背后的机制是否相同？ 06:36 在理解层面，多模态模型有 Late Fusion 和 Early Fusion 两条路径。你怎么看这两件事情在不同的场景下的区别，它们的优势和劣势是什么？ 07:49 无论是 Early Fusion 还是目前使用的 DIT，大家都在期待 Auto-regressive 和 Diffusion 能更好地结合，你认为接下来的发展趋势可能是什么样的？ 09:15 你当时做 diffusion 加速的时候，灵感来源于什么？ 11:46 关于 4D 数据的收集，目前有用到模拟器合成数据吗？在自动驾驶领域，这类数据的重要性与其他领域有何不同？ 14:17 DIT 的 scale 大概什么时候能出现？DIT 的参数大概能够达到一个什么范围？ 16:21 明年下半年，如果要生成一段1080P、30秒的视频，所需的时间和成本可能是怎样的？那时的视频质量能否达到完全逼真的程度？ 👉本周六 线下潜空间预告 主题：多模态大模型：以视觉为中心的探索 嘉宾：童晟邦，纽约大学计算机科学院博士，师从 Yann LeCun 教授和 Saining Xie 教授。他曾在伯克利人工智能实验室（BAIR）担任研究员，目前正在 Meta 暑期实习，近期获得了 OpenAI 超对齐奖学金 活动时间：北京时间 8月24日 10:00-13:00 活动地点：北京线下 / 上海线下 / 线上 均有场次 🙋活动报名 & 听友群，欢迎扫码加小助手:

💡关于「奇绩潜空间」： 我们找到了 GenAI 时代冲得最快的一批创业者 / Researchers ，让他们来分享自己的亲身经历和见解，希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。 线下参与潜空间方式：扫描结尾二维码。 🎙️本期嘉宾： 蔡天乐：普林斯顿“小天才” ，美杜莎推理优化论文作者，曾任职谷歌、TogetherAi，MyShell模型核心贡献者、创业者、天使投资人。 毛圣博 Peter：奇绩创坛合伙人，Peter 的风险投资生涯始于启明创投，后来是熊猫资本联合创始人，累计14年风险投资经验，投资过旷视、Insta360、摩拜、七牛云等独角兽公司。 ⏰时间轴 01:38 在科研或者在工业界的经历上最有趣的洞察 05:48 怎么提升大模型推理的效率？ 07:21 底层硬件更新周期 & 模型的更新周期的衔接 10:57 在模型和底层硬件愈加同质化的当下，如何做到推理层面的差异化 13:03 影响推理速度/效率的瓶颈 17:29 如何看待大模型市场的价格战争？厂商在赔钱赚吆喝吗？ 22:30 关于天乐最新的论文：Medusa 美杜莎 30:52 除了Medusa美杜莎，还有哪些前沿的算法来优化推理效率/速度 32:47 《Large Language Models as Tool Makers》：让模型自己创建工具 36:10 端侧模型：降低成本、保护隐私 37:39 大模型数学比较差的原因？ 40:46 超长上下文对推理的影响 43:01 大模型创业的竞争格局 📖本期提到的论文： * Medusa: Simple LLM Inference Acceleration Framework with Multiple Decoding Heads * Large Language Models as Tool Makers 👉本周六 线下潜空间预告 主题：多模态大模型：以视觉为中心的探索 嘉宾：童晟邦，纽约大学计算机科学院博士，师从 Yann LeCun 教授和 Saining Xie 教授。他曾在伯克利人工智能实验室（BAIR）担任研究员，目前正在 Meta 暑期实习，近期获得了 OpenAI 超对齐奖学金 活动时间：北京时间 8月24日 10:00-13:00 活动地点：北京线下 / 上海线下 / 线上 均有场次 🙋活动报名及听友群，欢迎扫码加小助手:

智能体（Agent）与真实世界互动的前沿研究者姚顺雨（清华姚班本科、普林斯顿大学博士），在【奇绩潜空间】与奇绩合伙人曹勖文（Xuwen）一起，分享了 ReAct Agent 的研究背景与动机，Agent 在大模型能力上的推理和决策优势，分析了 Agent 技术的挑战和未来发展，还介绍了自己的 SWE-Agent 研究项目等。姚顺雨的分享不仅涵盖了 Agent 技术的理论基础，还深入探讨了 Agent 商业化落地路径。这些内容能够帮助到 Agent 创业者找到创新机会，实现商业落地。