你有没有过这样的纠结：身体总有些说不出的小疲惫、小不适，却既没时间也没勇气去医院；手里有了积蓄，却要么不敢花、要么不会理，在“存钱求稳”和“享受生活”之间反复内耗？ 70后房主任带着几种不致命却磨人的慢性病，慢慢学会了与身体共处；在中国生活27年的英国人罗飞，凭一份平衡心态化解了身心焦虑与理财难题；老蒋则在代际差异、AI查健康、中医体验的话题讨论中，把普通人最关心的难题聊得透彻明白。 当 “有命花” 遇上 “有钱花”，我们该如何打破信息壁垒，科学合理地为健康 “养根”，为财富 “稳基”，浇灌人生中最重要的“两朵花”，实现更长久的幸福？ 👩 本期人物 · 主播：资深商业观察自媒体@老蒋巨靠谱 · 嘉宾：脱口秀演员 房主任 · 嘉宾：飞天胡说@罗飞Arthur ⏱️本期时间轴 00:07:19 体检心理门槛：“小不适不愿就医、大问题才重视” 可借助AI工具降低健康咨询的心理与时间成本，实现小问题早关注、大问题不拖延。 00:12:52 代际心理认知差异解析 上一代人受成长环境影响，多以“吃饱穿暖”为核心，回避心理问题；新一代更注重心理感受，易提及心理困扰，本质是文化与生活水平提升带来的认知变化。 00:15：44 中医与现代医学融合 中医通过针灸调节孕期胎位、缓解关节疼痛。中医与现代医学并非对立，应形成整体系统。好的中医 “身心同调”，梳通情绪心结。 00:26:41 健康是一个大系统：作息、运动、饮食、补剂彼此联动 健康是个大系统，需要对慢性疾病长期体检监测，合理的运动规划、拒绝单一饮食注重食补、辅以补剂等，彼此相互联动。 00:46:36 不同人群的健康尝试 忙碌人群可选择步行、骑单车等轻度运动，搭配必要补剂弥补饮食短板；需缓解精神焦虑者，可尝试跑步、游泳+冥想的组合，补剂遵循“无效即停”原则。 00:54:01 成长环境与身份背景带来财富观差异 理财无标准答案，核心是不超出自身风险承受范围，极致保守与适度尝试均合理；消费内疚感多源于原生家庭，无需苛责自己，适度享受也是一种平衡。收入模式决定消费观念，稳定工资收入易让人保守消费，灵活IP收入更易接受“钱当杠杆”，可以在能力范围内“投资自己”，兼顾储蓄与成长。 01:10:10 如何应对矛盾消费习惯？ 无需强迫自己形成统一消费风格，可借鉴“观察者心态”，既不盲目克制，也不冲动消费，遵从内心且不超能力即可。 01:24:40 健康与财富的核心启示 两者的关键都是“平衡”，普通人的困境多源于信息差，借助低门槛工具（如AI健康咨询）、获取清晰信息，才能更轻松地找到适合自己的生活方式。 🎯 核心观点 1. 健康层面：① 身心联动是关键，很多身体不适源于心理焦虑，“被看见、被理解”比单纯治病更重要；② 当代人多处于“健康中间态”，需综合体检、生活方式、饮食运动等管理身体，AI工具可降低健康咨询的心理与时间门槛；③ 中医的整体论值得认可，能兼顾身体与情绪疗愈；④ 代际健康差异明显，00后低能量、高焦虑，与环境、压力相关，上一代人则多回避心理问题。 2. 财富层面：① 消费与理财观念深受原生家庭和成长环境影响，没有绝对正确的方式，适合自己、内心踏实最重要；② 理财风险偏好分层次，核心是“不超出自身承受范围”；③ 收入稳定性决定财富规划，不稳定收入需搭配稳健储蓄，同时可尝试“低门槛、低风险”的理财方式；④ 消费的“内疚感”普遍存在，不必过度苛责自己，在能力范围内享受生活、满足兴趣，也是一种平衡。 3. 共性启示：① 平衡是核心——健康上不放大小问题、不忽视预警信号，财富上不盲目存钱、不追求高风险；② 信息与低门槛很重要，无论是健康咨询还是理财尝试，低门槛的工具和清晰的信息，能让人更有勇气迈出第一步；③ 自我认知是基础，了解自己的身体、心态、风险承受力，才能找到适合自己的健康与财富之道，最终实现“有钱花、有命花”的舒适状态。 本期Shownotes部分内容由钉钉首款 AI 硬件 DingTalk A1 生成。 内容策划：常常 运营：狐狸 更多节目信息，欢迎关注小红书：会友播客 添加小助手微信：huiyouhz，可以加入听友群喔

春晚扭秧歌、演唱会伴舞帅气空翻……在人形机器人热潮席卷全球的今天，作为机器人最核心的灵魂部件——“灵巧手”也正成为当下技术突破的关键赛道。 2025 年，人形机器人行业迎来爆发式增长，从 “会跳舞” 到 “长脑子”，技术突破不断刷新大众认知。而在机器人从 “能走” 到 “能做” 的进化中，作为末端执行器的 “手”，成为了连接虚拟世界与物理世界的关键核心。灵心巧手，这家成立不久便完成四轮过亿融资、入选全球最具潜力科创企业 Top50 的公司，以年量产过万只高自由度灵巧手的成绩，在赛道中脱颖而出。 本期《会友镖局》我们将对话灵心巧手创始人 苏洋，围绕灵巧手的技术突破、量产逻辑、行业生态，以及人机协同的未来、创业浪潮的变迁展开讨论。机械手臂这一中美角逐的新赛场，我们如何依托产业优势完成翻身仗戏码？机器人距离真正帮我们做家务，还有多远？以及人机协同的赛博时代，是幻想还是未来？ 👩 本期人物 主播：蚂蚁集团 友红 嘉宾：灵心巧手首席AI科学家、联合创始人 苏洋 ⏱️本期时间轴 02:52年交付1万只手，机器人灵巧手市场火爆 过去七个月内，公司完成四轮过亿融资；硅谷科技媒体The Information，年度初创企业评选中，荣获全球最具潜力的 Top50 科创企业；一年交付1万只手，其中50%是高自由度手。 04:45机器手五指缘由：适配人类定义的世界，高效获取训练数据 人类用五指定义了世界，五指手可适配现有环境与视频数据，降低模型训练和场景适配成本。 06:55弹钢琴是炫技场景，未来要创造生产力 弹钢琴的机器手速度要快，力控要精准，算法会自动识别演奏旋律，判断节奏快慢与力度差异，且具备超高寿命，能 7×24 小时不间断弹奏。 12:38机器手是触摸世界的 “最后 1 厘米” 机器手是连接者，机器人通过双足或者轮式底盘移动、丈量世界，手是它接触世界、感知世界、创造世界的唯一连接器，助力机器人实现从 “能走” 到 “能做” 的跨越。 13:13打造百万只手、百万种技能 通过结构改进、电机升级、算法优化，生态引入提升机器手性能，传承非遗技艺。当下机器手已实现马斯克擎天柱22个自由度性能，并实现量产。未来机器手价格更低、规模更大，更好通过数据Scaling，模型训练实现更多技能。 20:52“豪车” 到 “家电”：机器手目标价格下探，具身机器人或将普及 机器手成本通常占整个机器人17% 到 33%，是第二大成本来源。未来三年目标，将机器手价格降到百元级，打造 “百万只手” 以支撑 “百万技能”，推动具身智能从工业场景走进普通家庭。 25:53“性能高”、“价格便宜”、“生态成熟”商业不可能三角 “高性能、低价格、成熟生态”不可能三角，单一商业公司不可能突破。 行业指数级发展期，不能用线性思维预测。中国拥有全球顶尖开发者群体，生态和人才储备充足，支撑软件、算法快速迭代；拥有强大的制造能力，支持硬件高效率快速、实惠迭代，软硬件并行开发。造出一两台样品不算本事，量产才是核心壁垒。 29:56定位 “XPU”：聚焦灵巧手及解决方案，支持生态繁荣 公司大多是研发人员，专注于灵巧手产品、技术及解决方案开发，让生态伙伴更强力、更灵巧、更有创造力。未来在模型驱动的基础上，尝试脑机等多种驱动方案。 32:04拒绝空想恐惧，扎根产品推进人机协同赛博未来 未来或出现 “加强版人类”，甚至有人主动替换机械器官；更务实的方向是 “分身” 技术，即一人可操作几十台机器人，复制自身能力边界。在此之前要务实做产品，恐慌、排斥，可能会错失机会，我们正在把未来 “拽” 到眼前。 38:45后工作时代，人类可以向机器人收税 现阶段机器人主要是劳动力补充而非替代。现阶段机器人是劳动力补充，应对老龄化与用工缺口；未来，人将成为机器人管理者，大规模机器人上岗后，人类可向机器人收税。 42:58两次创业浪潮：从 “虚拟提效” 到 “改变世界” 2012 年移动互联网改变信息交互效率，2025 年机器人革命改变物理世界。除机器人行业外，当下国家也在推动航天、能源等多领域加速发展。 48:17夹爪VS灵巧手：处理简单任务与保护 “一亿” 高危劳动者 夹爪覆盖 95% 的简单场景，但剩下的 5%（精细操作、高风险工作、非遗传承）是行业进化的核心。中国有至少 1 亿劳动者处于高温、易燃、易爆等高危环境，灵巧手的普及旨在替代人类承担高致残风险。 50:19人才与数据的双重缺口 当下行业处于 0.1 阶段，到1.0时机器人能替代人类完成复杂的物理任务（如 替代摄影师拍摄、完成布展和门禁引导及复杂的“接孩子” 等场景）。 当下缺人，缺数据量，不缺钱，不缺订单。不同背景的跨界人才能带来更具想象力的解决方案。如果有 100 万只手，就能快速复刻人类技能。 56:14AI浪潮下如何不被淘汰：拒绝抵触，用就完了 AI 发展很快，不抵触它，想办法用好它。选对工具，多关注多学习。 🎯 核心观点 1、 手是机器人连接虚拟与真实世界的唯一连接器，负责接触、感知并创造世界，将虚拟世界的数据与模型能力传递到真实世界。 2、 灵巧手自由度上必然超越人手，人类手部自由度为 24-27 个，目前已实现 30 自由度量产，未来还可通过增加手掌、指节等进一步提升 3、 中国在机器人硬件制造领域领先美国3-5年，国内可以软硬件并行，快速迭代。硬件制造周期无限缩短，且成本能做到地板价。 4、 灵巧手的核心竞争力是技能不是价格，必须是能干什么，有技能才行。拿怕机器人 1000 块钱一台，什么都不会干，也不会有人买单 5、 人应该能从机器人身上收税，而不是被机器人取代 ，机器人仅补充劳动力缺口，承接重复、高风险工作，人将成为机器人管理者，从机器人身上收到税。 6、 机器人真正爆发还远远没开始，当下还处于 0.1 阶段，到1.0 时机器人能替代摄影师拍摄、完成布展和门禁引导及 “接孩子”等复杂的物理任务。 7、 我们正在把人机协同的未来 “拽” 到眼前！务实做产品，去主动实现人机协同的时代，而不是空想恐惧赛博未来。 8、 人不可能比得过AI，人吃饭AI是吃电的，能消耗无限电力生成无限结果｡没必要以弱击强,要比的是那些不用 AI 的人, 以及用 AI 没你用得好的人。 📝 名词解释 1. 高自由度灵巧手：指关节运动自由度数量多的机器人手，灵心巧手的五指手可达 30 个自由度，能实现更精细、更灵活的操作，适配复杂的工业、生活场景，核心优势是力控反馈精准、运动速度快、寿命长。 2. 具身智能：指智能体（如机器人）通过身体（或身体部件）与环境的交互来获取和发展智能，强调物理实体与环境的互动对智能形成的重要性。灵巧手作为机器人的末端执行器，是具身智能的核心部件。 3. 末端执行器（XPU）：机器人直接执行操作任务的部件，如手、夹爪等，是机器人与外界交互的最终环节。灵心巧手将自身定位为末端执行器提供商，类似 CPU 在计算机中的核心地位。 4. 连杆驱动 / 直驱：灵巧手的两种驱动方案。连杆驱动成本低、易规模化，适合普及型产品；直驱方案性能更强，速度、力控精度更高，适合高要求的工业或科研场景。 内容策划：常常 运营：狐狸 更多节目信息，欢迎关注小红书：会友播客 添加小助手微信：huiyouhz，可以加入听友群喔

近两年大家可能都有明显体感：理财的“安全区”彻底变了。 随着银行一年期存款利率跌破1%，六大行集体取消5年期定存，中国已完全进入“低利率时代”。 过去，我们只有两个选择：要么把钱锁进存款，忍受购买力悄悄缩水；要么冲进高收益产品，赌自己不是最后一棒。但今天，越来越多的人意识到：真正的刚需，是“稳中有进”的中间地带。 数据显示，截至2025年三季度，银行理财规模已突破32万亿元，创历史新高——这背后，是千万普通人正在从“求高息”转向“求安心”。 当无风险收益归零，普通人该如何在不冒大险的前提下，守住财富、跑赢通胀？带着这个问题，本期《会友镖局》，我们将与亲历中国理财市场从草莽到规范全过程的 Jeff，一同探讨当高息消失，我们要去哪里安放我们的积蓄？ 👩 本期人物 主播： 资深财经媒体人 杨天楠 嘉宾: 「截胡不截财」主播 Jeff ⏱️本期时间轴 01:50 金融考古：90年代的高通胀与“大排面指数” 90年代高通胀，CPI一度飙升至24%。甚至出现“大排面指数”，能从一碗大排面的价格上涨程度感受到通胀情况。 08:32 利率被压低的时代，银行也曾是“甲方” 2010年前后，企业求着银行放贷，信贷经理手握生杀大权。而普通储户却被困在1.75%的活期利率中，被动承受财富缩水。资金供需错配，为影子银行埋下伏笔。 20:09 亲历2013年钱荒：银行间拆借利率飙至30%，交易室里的疯狂时刻 银行间市场隔夜拆借利率一度冲上30%，整个金融体系感受到“缺钱”的窒息。同时余额宝应运而生——它抓住了利率中枢高企的窗口期，让普通人第一次享受到接近货币基金的真实收益，也开启了移动互联网理财元年。 24:04 P2P如何从技术创新滑向庞氏骗局？ 早期P2P确有解决小微融资痛点的初心，但监管缺位+刚兑预期+资金池操作，使其迅速异化为“线上集资”，慢慢地滑向了庞氏骗局。 33:44 资管新规后的新世界：理财不再等于“保本” 2018年《资管新规》出台，宣告刚兑终结。到2022年两次债市暴跌，“原来理财产品是会亏钱”进入大众视野。 42:25 寻找新平衡：“固收+”成为主流策略 当大额存单收益跌破3%，普通人如何在“太稳”与“太刺激”之间找到黄金平衡点？“固收+”策略应运而生——以高等级债券打底，搭配小比例权益、黄金或美元债，在可控波动中争取长期正收益。用80%稳健资产打底，20%小仓位试水权益或黄金，才是可持续策略。 49:54 一代人有一代人的鸡蛋，一代人有一代人的“心魔” 从90年代的高通胀到70后、80后对房地产黄金期的“踏空”记忆， 每一代人都有自己的心魔。而更年轻的一代投资者，轻装上阵。 59:32 资产配置三大核心：降低预期、保持在场、与波动共舞 无脑买理财赚钱的时代结束了，最终要拥抱多元配置。要与波动“共舞”，要拥抱新经济，找到属于自己的“舒适波动率”。长期持有现金是最错误的选择，投资需要保持“在场”。穿透底层、管理预期、保持在场——这才是未来十年的生存法则。 🎯 核心观点 1.理财史即心魔史：每一代人的财富决策，都深受其成长环境中的重大经济事件（如高通胀、房地产牛市）所塑造的“心魔”影响。 2.刚兑时代已死：资管新规和2022年债灾彻底打破了“银行理财=保本”的全民共识，净值化波动成为新常态。 3.警惕“收益率陷阱”：在低利率环境下，任何远高于市场平均水平的承诺都值得高度怀疑。“你看中的是利息，他看中的是本金”是颠扑不破的真理。 4.拥抱“温和进取”：未来属于“固收+”策略——用稳健资产打底，小仓位参与权益、黄金等增厚收益，在可承受的波动范围内追求长期回报。 5.资产配置的核心是管理预期与波动率：普通人要找到自己舒适的波动率阈值，可通过小仓位试水、逐步扩大权益暴露的方式适应波动。配置的关键是降低预期、保持在场（拥抱新经济权益资产）、与波动共舞，长期持有现金才是最大风险。 6. 信息差是理财最大的鸿沟：无论是2022年债灾中高净值客户“抢跑”赎回，还是海外金融市场中普通投资者的高成本服务，都说明信息与资源优势直接影响财富安全。选择透明化、普惠性的金融产品与服务，是普通人规避风险的重要方式。 📝 名词解释： 银行间隔夜拆借利率：是金融机构之间以一天为期限的无担保短期资金借贷利率，属于货币市场基准利率体系。为了调剂银行的现金存量，提高资金使用效益，银行之间互相拆借。即现金多余的银行流向现金缺少的银行，付出的银行收取相应利息的。 刚性兑付（刚兑）：指金融机构对其发行的理财产品，无论盈亏都向投资者支付本金和约定收益的隐性担保。资管新规明确要求打破刚兑。 固收+策略: 一种投资策略，以债券等固定收益类资产作为底仓提供稳定票息，同时“+”入一定比例（通常<20%）的股票、可转债、打新、量化对冲等策略以增厚收益。 保值贴补率：90年代高通胀时期，为弥补物价上涨对居民储蓄存款的影响，国家对定期存款实行的一种补贴利率。当CPI远超存款利率时，通过保值贴补率让实际存款利率不低于通胀水平，1995年327国债期货事件的核心争议就是对后续保值贴补率的预期。 影子银行：指游离于银行监管体系之外、从事类似银行信贷业务但不受严格监管的金融机构和业务。本期中主要指信托公司等通过非银行渠道为房企等提供融资的业务模式。 明股实债：一种表面是股权投资、实质是债权融资的模式。房企拿地时，通过引入资金以股权形式投入，约定固定收益和退出期限，本质是借助股权形式规避监管的借贷行为。 资管新规：2018年出台的《关于规范金融机构资产管理业务的指导意见》，核心是打破刚性兑付、推进理财产品净值化转型，禁止资金池运作，要求理财产品与底层资产一一对应，标志着中国理财市场进入规范化、市场化阶段。 净值化转型：理财产品不再承诺固定收益，而是根据底层资产的市场表现计算净值，收益随净值波动，投资者自行承担风险。区别于此前“刚兑”模式下无论底层资产盈亏都按约定收益兑付的方式。 GDP平减指数：衡量整体物价水平变动的指标，反映了经济中所有商品和服务价格的平均涨幅，是判断名义利率与实际利率相对关系的重要参考。平减指数为负时，实际利率高于名义利率；反之则实际利率为负。 R2/R3风险等级：银行理财产品的风险评级，R2为中低风险，主要投资于债券、同业存单等固定收益资产，波动较小；R3为中风险，可适度投资少量权益类资产，风险和收益均高于R2级产品。 内容策划：常常 运营：狐狸 更多节目信息，欢迎关注小红书：会友播客 添加小助手微信：huiyouhz，可以加入听友群喔

在生成式AI爆发的三年里，自回归模型始终占据着技术舞台的核心，以逐字接龙的生成逻辑，成为打开AI革命的关键钥匙，主导了从对话机器人到内容创作的诸多场景，几乎定义了大众对大模型的认知。然而，当行业普遍沉浸于自回归模型的规模化红利时，扩散模型以“非共识者”的姿态悄然崛起，凭借独特的技术逻辑打破垄断，在多模态适配、生成效率等维度展现出超越潜力。 其中，千亿级模型LLaDA 2.0堪称里程碑式突破——它不仅首次将扩散语言模型推向千亿参数量级，更在性能上实现对谷歌Gemini Diffusion的超越，一举成为行业焦点。这场技术突围，不仅重新激活了AI技术路径的多元探索，更迫使行业深思：通往通用人工智能（AGI）的道路，究竟该执着于单一技术路线的极致深耕，还是拥抱多元范式的并行探索？ 从ChatGPT横空出世时引发的行业震动，到智能涌现背后至今未解的“黑魔法”谜题；从硅谷昔日松散的工作节奏，到如今7×24小时的白热化内卷；从自回归模型的规模化“天花板”争议，到扩散模型面临的工程挑战与突破可能；再到学术与产业间的算力鸿沟，以及开源社区对技术共建的意义。本期《会友镖局》，我们将与蚂蚁集团LLaDA 2.0模型负责人赵俊博，一同探讨AI发展的机遇与困境，一场关于非共识技术路径背后的破局之道的对话即将展开。 👩 本期人物 主播: 蚂蚁集团 友红 嘉宾: 浙江大学百人计划研究员、博士生导师，蚂蚁集团资深技术专家 赵俊博 ⏱️ 本期时间轴 00:43 非共识突围：扩散模型挑战自回归模式霸权地位 过去三年，自回归模型是AI革命的核心，而今年扩散模型异军突起，在多维度实现超越。蚂蚁集团开源的LLaDA 2.0模型，率先将扩散模型做到千亿级，性能已超越谷歌Gemini Diffusion模型，成为行业焦点。 03:43 6年前的AI状态：小模型主导的“一事一议”时代 2020年尚无GPT，AI行业聚焦视觉与自然语言领域的小模型，多为“一事一议”——针对具体场景优化指标，核心思路是适配数据场景提升position、recall等效果，与当前大模型时代的规模化逻辑截然不同。 04:46 智能涌现“Dark Magic”谜题 ChatGPT的聊天机器人概念并非新鲜事，Meta 2017年曾启动类似项目，却因算力想象力受限、技术路线判断偏差宣告失败。而ChatGPT的出现打破认知：其具备的记忆能力、推理能力并非单纯背诵，而是呈现“智能涌现”特性，这种“黑魔法”至今全球科学家都无法完全解释。 09:26 进化失控？AI发展速度打乱行业旧机制 ChatGPT带来两大意外：一是智能涌现的出现，二是发展速度远超预期——以月为单位迭代。以计算机领域为例，传统学术期刊（审稿周期1-3年）、学术会议（6个月投稿周期），长周期让论文内容刚发布就已过时，旧有机制被全面打乱。 12:09 硅谷反转：从“准点下班”到7×24小时驻场“扎营” 早几年硅谷工作节奏松散，Meta员工多为下午6-7点下班，周五几乎无人在岗；而如今硅谷陷入白热化内卷，在X.AI等公司员工甚至直接扎帐篷住在公司，7*24小时投入工作，颠覆了以往对硅谷的认知。 15:12 扩散模型，要“干掉”自回归？ 研发扩散模型的核心并非否定自回归模型，而是探索AI的另一条路径：扩散模型的探索空间更大，天生适配图像、视频等多模态场景，有望打造原生统一化多模态大模型。其本质是用“完形填空”式的训练机制，挑战自回归“逐字接龙”的核心逻辑。 17:39 自回归模型未触天花板，数据与规模仍有拓展空间 赵俊博认为，自回归模型的Scaling Law尚未到顶。主要有3个原因：效果上，其在HLE等榜单分数持续提升；规模上，万亿参数模型已出现，且未来仍会扩大；数据上，物理空间未转化数据、仿真数据等未穷尽，并非只有互联网数据可用。 25:19 自回归模型是“成语接龙”，扩散模型是“完形填空” 自回归模型像逐字接龙，只能按顺序生成内容，无法回溯修改，如同无草稿纸答题；扩散模型通过加噪-去噪实现“完形填空”，支持并行解码，可编辑生成内容，甚至能先写结尾再填中间，推理速度比原生自回归模型快2-3倍。 29:27 两大模型的核心差异：注意力机制的“听书”与“读书”之别 自回归模型采用Causal Attention（因果注意力机制），只能看到前文内容，如同“听书”般逐字逐句接收；扩散模型采用 Full Attention （全注意力机制），可同时看到前后内容，类似“读书”时可跳读、回看，这是两者架构上的核心区别。 32:50 学术界困境：算力鸿沟下的机会缺失 当前学术界在自回归模型领域已难有机会：算力、数据资源远不及产业界，最多只能验证7B-16B规模模型，而大模型在不同规模下的现象差异巨大，学术研究难以匹配产业落地需求。扩散模型则因研究空间大，成为学术界新的机会点。 37:58 AI是独立新物种，不必执着仿生 赵俊博反对以仿生角度驱动AI研发：飞机虽源于鸟，但与鸟差异巨大；Transformer虽借鉴人脑神经元连接，却与大脑结构不同。AI是独立新物种，其“简单”与“复杂”的判断的与人类不同，且真正的智能本就难以完全解释，如同人类无法彻底理解自身大脑。 42:42 扩散与自回归，终会走向融合而非对立 目前LLaDA 2.0模型已采用“区块扩散+区块间自回归”的混合模式：区块内可并行生成32-64个token，区块间则按因果逻辑衔接。未来两者大概率会以某种形式融合，而非相互替代。 47:56 “三大拦路虎”：窗口、强化学习与工程瓶颈 扩散模型当前面临三大挑战：一是窗口大小有限，记忆能力弱于自回归模型；二是强化学习模式尚未完全跑通；三是工程层面，训练与推理引擎不如自回归模型成熟。开源LLaDA 2.0模型，正是希望联合社区共建解决方案。 🎯 核心观点 1. 扩散模型并非自回归的“捷径”，而是更难的工程挑战，其核心价值在于提供多模态AI的新路径，并行解码与可编辑性是关键优势。 2. 自回归模型scaling law未到顶，数据、规模仍有巨大空间，扩散与自回归并非对立，未来将走向融合。 3. AI发展速度打破行业旧机制，学术与产业界的算力鸿沟加剧，扩散模型为学术界提供新的探索机会。 4. 无需以仿生角度定义AI，AI是独立新物种，智能涌现的“黑盒”特性，正是其高级智能的体现。 5. 全球AI行业陷入白热化内卷，硅谷与国内均开启高强度研发模式，非共识技术路径成为破局关键。 6. 扩散模型当前仍面临诸多技术挑战，需依赖开源社区共建，未来应用落地值得期待。 📝 名词解释： 扩散模型（Diffusion Models）：这是一种内容生成技术，它模拟的是信号从噪声中逐渐恢复的过程。通过迭代地减少随机噪声来生成高质量的图像、文本和其他形式的数据。 自回归模型（Autoregressive Models）：自回归模型预测序列中的下一个元素时，依赖于前面的元素。在文本生成领域，像基于Decoder-only的GPT系列（如GPT-3、GPT-4）就是典型的自回归模型，它们逐词预测下一个词，从而生成连贯的文本段落。 莫拉维克悖论：描述人工智能领域高级认知能力易实现而低级感知运动能力难复现的反直觉现象。该理论指出计算机处理逻辑推理等复杂任务所需计算资源较少，但模拟人类直觉性技能（如视觉识别、行走）却需巨大运算量 。 Epoch：在深度学习中，“epoch”指的是模型完整遍历整个训练数据集一次的过程。‌例如，如果训练数据集包含1000个样本，那么模型对这1000个样本都进行一次前向传播和反向传播，就完成了一个epoch。‌ 内容策划：常常 运营：狐狸 更多节目信息，欢迎关注小红书：会友播客 添加小助手微信：huiyouhz，可以加入听友群喔