上周，国际顶级芯片会议Hot Chips正式落下帷幕，作为芯片及系统设计领域的“年度风向标”，今年的大会没有让人失望，从能把AI超算塞进桌面的芯片，到用光线替代电线的互连技术，再到能扛住十亿瓦级数据中心的散热方案，每一个技术细节都在悄悄改写未来科技的底层逻辑。今天这一期，我会用近一小时的时间，逐领域的拆解本届Hot Chips的核心突破，把那些藏在技术文档里的参数、架构和创新，用更加通俗易懂的方式讲透，也让大家看清楚接下来1-2年芯片行业的真实走向。hotchips.org 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

如果你关注人工智能和计算机科学，那么对杰夫·迪恩(Jeff Dean)这个名字一定不会陌生。他不仅是谷歌早期的核心工程师之一，更是一手缔造了谷歌大脑这个举世瞩目的AI研究团队。他的职业生涯，犹如一场精彩的连续创业，不断投身于新的挑战，推动着技术边界的拓展。今天，我们将通过The Moonshot Factory的播客采访，深入来了解一下杰夫·迪恩的成长经历、他在谷歌大脑的早期探索，以及他对人工智能未来发展的深刻洞察。 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

曾经，Anthropic在Claude刚上线的时候，明确说过“绝不使用用户数据来训练模型”，这也是很多用户选择Claude的重要原因，但是现在，他们不仅要让用户选择，是否同意将数据用于训练，还设置了一个月的“最后通牒”，甚至把同意数据训练后的保留期，延长到了5年。今天咱们就借着这件事，聊聊这次条款更新的细节，用户的真实反馈，以及整个AI行业的隐私困境。 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

8月28日，红杉美国合伙人康斯坦丁·布勒 Konstantine Buhler ，发表了一场题为 《10万亿美元的人工智能革命（The $10 Trillion AI Revolution）》 的演讲。在这次演讲里，红杉给出了两个明确判断，第一，AI革命的演进速度远快于工业革命。第二，专业化将成为AI革命的核心逻辑。今天大飞就来给大家分享一下这个演讲的主要内容。 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

Meta在AI团队最近的磨合重组的过程中，至少有8名骨干员工，包括研究人员、工程师和高级产品负责人，相继离职，这里面不仅有刚加入没多久的新人，还有在Meta待了多年的老将。更让人意外的是，其中两名新员工在Meta工作了不到一个月，就选择重返OpenAI。今天这期节目，咱们就来详细聊聊这些离职的情况， 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

今天要给大家讲一个听起来几乎不可能完成的项目，三个月的时间，从零开始，居然真的有人做出了一块能运行的TPU，而且既能推理又能训练，关键是还开源了。听到这里你可能会觉得不可思议，毕竟TPU作为谷歌设计的专用AI芯片，从2015年部署到现在，已经迭代到了第七代，背后是顶尖的工程师团队和先进的制程工艺。但是来自加拿大西安大略大学的工程师们，用一个暑假的时间，完成了这个看似不可能的挑战，他们把这个项目叫做TinyTPU。 https://www.tinytpu.com/ https://github.com/tiny-tpu-v2/tiny-tpu/tree/main 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

上下文内容是越多越好么？AI产品从演示DEMO到生产环境之间，又有着怎样的鸿沟呢？今天，我们来回顾一下Chroma CEO杰夫·哈伯（Jeff Huber）在《Latent Space》播客节目的访谈，看看Chroma是如何试图将AI开发的“炼金术”，转变为一门真正的“工程学”的。这不仅是一个关于技术的故事，更是一个在喧嚣的AI浪潮中，如何保持专注、坚持信念和追求极致“技艺”（Craft）的故事。 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

最近，国产算力芯片领域有个词火了，那就是UE8M0 FP8。火爆的原因，主要是因为DeepSeek在8月21日发布的V3.1版本模型，其中最大的亮点就是，模型训练采用了UE8M0 FP8 Scale的参数精度，并且提到，UE8M0 FP8是“针对即将发布的下一代国产芯片设计”的。正是这句话，引起了资本市场的热烈反应。A股和港股里的“国产芯片、FP8概念股”短线大涨。那么，这个UE8M0 FP8的背后，到底隐藏着怎样的技术逻辑？它又能否成为国产芯片突围的关键呢？今天，咱们就来聊聊关于这个概念的来龙去脉、技术细节以及对行业的影响。 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

强化学习之父、图灵奖得主，Sutton 在 RLC 2025 的讲台上，再次抛出了一套宏大的构想，直指 AI 的终极问题，超级智能将如何从经验中涌现？他将这个架构命名为橡树OaK，全称为Options and Knowledge Architecture。这不仅仅是一个技术框架的发布，更像是一篇檄文。它深刻地批评了当前 AI 领域对大语言模型的路径依赖，并且试图将研究的焦点，重新拉回到那个最经典也最核心的命题上，我们究竟该如何创造一个能够像我们一样，通过与世界互动、在生命周期中不断学习和成长的智能体呢？ 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

8月16日，Anthropic发布了最新一期官方油管视频，三位来自可解释性团队的研究员进行了一场深入的探讨，试图揭开大模型思考方式的神秘面纱。今天，大飞就来给大家总结一下这场访谈里的干货，一起看看被我们一直称为黑盒的大模型，内部到底藏着怎样的秘密。 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

8月8日，吴恩达接受了The Moonshot播客的专访，围绕吴恩达的学术生涯起点、Google Brain项目的创立与发展、以及AI的未来趋势，回顾了Google Brain赖以成功的两大颠覆性基石，也就是规模至上与单一学习算法，这两个假说的提出与论证，以及在当时学术界主流范式下，这些观点所遭遇的巨大阻力与争议。此外，吴恩达还谈到了Google Brain团队的关键合作、硬件选择的曲折之路、早期应用场景的开拓、以及他对AI未来、教育和工作的看法，今天我们就来回顾一下这场访谈的核心内容，了解一下那段对吴恩达来说，充满挑战与突破的岁月。 聊天讨论群，微信群二维码，可加个人微信gxjdian入群

* 内容概览：基于 Decoder 节目的最新访谈，作者提炼 Thomas Dohmke 对 AI 编程现状与走向的判断：GitHub 并入微软 Core AI 的战略位移，AI 写“90% 代码”的真实语境，Agent 带来的质量与控制之战，工具链竞合（Copilot、Cursor、多模型），Anthropic 在“工具使用力”上的优势，以及对 AGI/ASI 的务实界定，最终落到团队可落地的工程治理方法。 ${DIA-SOURCE} 开篇引入 “AI 编程”的航标不在炫技 Demo，而在“如何把更大量的代码变成可上线、可审计、可回滚的生产能力”。作者借 Dohmke 的访谈，把争议性的口号拉回工程本质：效率的另一面是标准与控制，人与 Agent 的分工会重塑工具与组织。 ${DIA-SOURCE} 详细内容 一、战略巨变：GitHub 并入微软 Core AI 的真实指向 0:12-0:44] * 核心观点：GitHub 不再只是“开发者社区”，而将成为微软 AI 工具链的底座，预示 AI 编程的集成化与企业化加速。 ${DIA-SOURCE} * 深度阐述：组织级并入意味着身份/合规/算力/计费与 IDE/Agent 的闭环更快打通；生态角色从“外围平台”转向“生产资料中枢”。 ${DIA-SOURCE} 二、能力演进：从“小项目即成”到“全栈生成” [1:15-2:20] * 核心观点：对简单项目已“一句指令起步”，复杂系统仍需“系统理解”；GitHub Spark 在 9 个月内从前端 Demo 跨至“含后端与数据库”的全栈生成。 ${DIA-SOURCE} * 深度阐述：能力突进主要发生在工程脚手架层，难点从“写代码”转为“拼装正确的系统”。 ${DIA-SOURCE} 三、“开发者的奥德赛”：复杂软件的真正难题 [2:24-4:11] * 核心观点：历史累积与耦合是大多数软件的痛点；AI 的任务正从“写每一行”迁移到“在规范与系统之间切换”。 ${DIA-SOURCE} * 深度阐述：抽象层持续上移、依赖激增，带来语义地图的维护成本；需要新协作与新抽象“拉平曲线”。 ${DIA-SOURCE} 四、“90% 由 AI 完成”的真实语境 4:19-5:05] * 核心观点：“90%”并非噱头，而是类比今天软件 90% 早由开源贡献；AI 将像开源一样放大效率，让人力集中在“最后 10% 的差异化”。 ${DIA-SOURCE} * 深度阐述：度量应从“行数”转向“用户价值/缺陷密度/可维护性”。 ${DIA-SOURCE} 五、质量与控制：从“写每一行”到“规范驱动” [6:01-7:41] * 核心观点：人类语言的非确定性要求“自然语言→代码”的多层验证；关键不是产量，而是可接受进入生产的比例与治理方式。 ${DIA-SOURCE} * 深度阐述：多数开发者愿用 AI 但存疑准确性，故需要把安全扫描、测试覆盖、风格规范与代码评审固化为流水线“闸门”。 ${DIA-SOURCE} 六、Agent 洪流：更快与可控的平衡 7:41-9:09] * 核心观点：Agent 并行生成会“淹没”人类，问题从“能否生成”转向“更快与否、如何验收与控权”。 ${DIA-SOURCE} * 深度阐述：为 Agent 设“准入门槛”（覆盖率、安全级别、回滚预案）与角色分工（人类定标准与最终裁决）。 ${DIA-SOURCE} 七、角色分化：提示工程与“继续写代码”的两类开发者 [9:12-10:28] * 核心观点：一类以提示与系统验证为主，另一类把重复工作交给 Agent，保留手写编码的创造性与乐趣。 ${DIA-SOURCE} * 深度阐述：将 AI 视作“新编译层”，把人类语言编译成代码，再由传统编译器落到机器指令。 ${DIA-SOURCE} 八、自然语言编程的边界与可行域 [10:49-11:25] * 核心观点：受限域内（如图表脚本）已实用化且将扩张；专业复杂系统仍需“工程保险杠”。 ${DIA-SOURCE} * 深度阐述：从小可控的域启动，逐步外延复杂度，叠加验证。 ${DIA-SOURCE} 九、竞合格局：Copilot、Cursor 与“选择权” 12:00-16:14] * 核心观点：不会出现“唯一胜者”，多模型与 AI 原生工作流并存；给予开发者模型选择权更符合长期最优。 ${DIA-SOURCE} * 深度阐述：Cursor 把“AI 原生 IDE”与多模型做成体验优势；Copilot 补课多模态与 MCP 集成。最佳模型随时间摇摆，平台需容纳切换与组合。 ${DIA-SOURCE} 十、模型评价的新维度：Anthropic 与“工具使用力” 16:54-17:41] * 核心观点：优劣不仅看“会写”，更看“会用工具”。Agent 若连 npm 依赖都装不下，流水线就会崩。 ${DIA-SOURCE} * 深度阐述：把“工具执行稳定性/环境操控力”纳入评估与基准测试集，重要性不亚于离线准确度。 ${DIA-SOURCE} 十一、生态与体量：微软×OpenAI×GitHub 的三角稳定性 17:44-18:55] * 核心观点：三方关系的健康互利是赛道增长的地基；Copilot 开启用户 2000 万、财富 100 强 90 家使用，AI 编程工具正成行业标配。 ${DIA-SOURCE} * 深度阐述：从 GPT-3/Codex 到 Copilot 的诞生，模型×云×生态三方叠加催生市场与竞争。 ${DIA-SOURCE} 十二、AGI/ASI 的“判门槛”：自我提升之时 19:01-19:47] * 核心观点：与其争定义，不如盯“自我迭代”的门槛：无需人类干预的自我升级，或从“被逗笑”进化到“会讲笑话”。 ${DIA-SOURCE} * 深度阐述：把“可持续自我提升”作为团队设计 Agent 体系的长期目标，而非短期 KPI。 ${DIA-SOURCE} 落地方法（面向团队的可执行清单） * 受限域先行：优先在数据报表、接口胶水层、内部工具等低风险域试点自然语言编程，设退出与回滚预案。 * 多模型/可插拔：在 IDE/CI 中提供模型切换/回退通道，允许自带模型，降低供应商锁定风险。 * 规范即代码：把安全扫描、依赖许可、风格规范、单测/属性测试、基准对拍做成 PR 必经关，才能“可接受进生产”。 * Agent 准入与度量：设覆盖率/安全级别阈值，跟踪“Agent 代码占比、审查用时、缺陷密度、回滚率、SLA 违约”等指标，以数据驱动取舍。 * 工具使用力测试：将“依赖安装、容器构建、迁移执行、灰度发布”纳入 Agent 基准测试，定期回归，重压工具链执行稳定性。 * 人类在环：高风险变更双人批准/红队演练；把“人类控制权”前置到流程设计。 * 运行时可观测：为 Agent 产出植入日志、指标、分布式追踪探针，把“未知风险”转为“可见与可控”。 * 知识回灌：沉淀失败个案/修复手册到上下文工程资产库，持续提升下一轮生成质量。 ${DIA-SOURCE} 结语 当所有团队都能“写得更多”时，分胜负的是“写得可控、交付可持续”。把 AI 视作“工程生产线的加速器”，用治理与观测把速度固化为稳态产能，才是“开发者的奥德赛”真正的通关路径。 聊天讨论群，微信群二维码，可加个人微信gxjdian入群