AI智识录 - 节目列表

红杉资本近期发起了一个名为「Own Your Intelligence」的系列专题分享，邀请在"企业自建智能"方面实践最多的几家公司，围绕战略理念、模型后训练、强化学习环境与垂直落地四大议题做系统分享。 本期由红杉资本专注于 AI 与企业级软件投资的合伙人 Sonya Huang 立论，她系统阐述了"主权 AI（Sovereign AI）"的核心逻辑：下一代软件的护城河正从"产品层"转移到"智能层"，仅调用黑盒 API 难以建立壁垒，企业必须在模型权重层面掌握控制权——"不是你的权重，就不是你的产品"。她同时指出，自建智能不仅能压降推理成本、实现低延迟，还能在垂直领域突破通用模型上限，并建议企业并行建设"生产栈"与"开发栈"，让专有数据持续反哺模型进化。 原视频：https://www.youtube.com/watch?v=bMMv0bZzONg&list=PLaqC3GACblSs&index=5

Nathan Lambert 是 AI 后训练领域的知名研究者，Interconnects 博客的主理人，曾任 Allen Institute for AI（AI2）研究员，现于创业公司深耕强化学习与语言模型。他在这篇文章中复盘了自己在 AI 辅助下写书的全过程。 他的核心洞察，相信很多读者也深有体会：过去一年，新模型层出不穷，代码能力、agent 任务表现越来越强，但写作与表达能力却停滞不前。模型能把一个句子改对、能揪出藏在两三百页书稿里的错别字，但让它写一整章，就会措辞混乱、结构松散、时不时冒出概念性错误。AI 的文字越来越有一种"不说人话"的塑料感——流畅，却没有人味，缺乏观点与灵魂。 Lambert 认为，原因不在于写作被忽视，而在于写作本身就难：好的写作需要组织知识、生成洞见，而模型只会往长文里增加熵，无法回溯全局、把各个组件串起来。他对模型的定位因此非常务实：做一个好用的编辑和辅助工具，比如排版公式、整理批注、迁移版本，而不是代替人来表达。他预测，未来 2-5 年内最好的教科书仍将大量出自人手——这个期限，已经比许多人预想的要长了。 原文链接：https://www.interconnects.ai/p/i-wrote-an-ai-textbook-how-long-until

近日，YC 总裁 Garry Tan 在 Startup School 2026 发表了演讲《Own Your Intelligence》。 开篇他讲了一个出人意料的故事：17 世纪被社群除名、终身磨镜片为生的斯宾诺莎，如何在没有许可、没有资助的情况下写下改变欧洲思想史的《伦理学》。Garry 用这个隐喻抛出全篇的核心判断： AGI 不会作为一个事件降临，它正以弥散的形态发生在你身上——个人 AGI，属于你自己、而非租来的智能。 他认为，前沿模型是人人可租的商品，每季度都在变便宜；真正的护城河是私人上下文——二十多年沉淀的邮件、会议、决策与判断，那是一座尚未被索引的私人图书馆。他展示了亲自构建的"大脑图书馆"：22 万页 Markdown、随取随用的技能文件、睡醒即得的决策简报，让他的产出达到 2013 年的约 400 倍。他还给出今晚就能落地的五步法，并发出振聋发聩的产权警告：技能文件是外在化的你自己，谁拥有它，谁就拥有你的判断力。 整场演讲的核心理念只有一句——"模型权重是每个人的，图书馆才是你的。" 这正是 YouNavi 在做的事：无感沉淀每一场对话，跨周期串联你的判断轨迹，让 AI 越用越懂你。不必亲手搭建框架，打开 YouNavi （https://younavi.me），你的上下文就会跟 Garry Tan 说的一样，在时间里复利生长。无论你是创业者、投资人还是管理者，这 42 分钟都值得一听。 演讲原文链接：https://www.ycombinator.com/library/WX-garry-tan-own-your-intelligence

Anthropic 员工 Jarred Sumner（一个非数学专业出身的普通人）突发奇想，给 Claude 下了一道近乎刁难的指令：去真刀真枪地尝试一下数学界最著名的世纪难题——黎曼猜想。这个悬赏百万美元的问题，人类顶级数学家攻了一百多年仍未攻克，Claude 果然也没能证明它。 但奇迹发生在失败之后。Claude 在 "Claude Code" 环境中开了两个工作会话，输出 3100 万 token，调度约 60 个分身子智能体协同作战：有人构思核心思路、有人贡献灵感、有人负责验证逻辑。它先疯狂尝试了 650 个数学想法，全军覆没；在人类一句句"继续！别停！"的鼓励下，它坚持爆肝一天半，跑了 2400 次命令行、写了几百个脚本、下载 54 篇前沿论文交叉比对，最终取得了出人意料的突破——把黎曼 zeta 函数零点满足猜想的下界，从人类此前保持的 41.6% 一举提升到 67.2%。 技术上看，Claude 巧妙结合了近年几位数学家"不依赖黎曼猜想"的新技术与 Bombieri 2000 年的经典论文，并展现出人类数学家罕见的"勇气"：不回避庞大复杂的数学结构，把正定与负定部分放在一起全局处理，最终得出了惊人结论。它甚至主动把成果写成学术论文，又生成了一份可机器校验的 Lean 形式化验证代码，通过了严格逻辑检验。 这件事最震撼之处在于：连 Claude 自己都一度怀疑这个结果——它"知道"黎曼猜想有多难，也"知道"AI 的局限，但在几句简单的人类鼓励下，它打破了思想钢印。或许我们所有人，都严重低估了 AI 进化的速度。 原文链接：https://www.anthropic.com/research/riemann-zeta

杰夫·迪恩（Jeff Dean） 是全球顶尖的计算机科学家，也是奠定谷歌技术基石与引领 AI 发展的传奇领袖。 1999 年加入谷歌后，他在 27 年间深度参与并主导了众多影响世界的技术成就。早年，他参与开发了早期分布式搜索架构与谷歌首个广告系统，随后联合发明了深刻影响现代大数据与云计算的基础设施，如 MapReduce、BigTable 和 Spanner。在人工智能时代，他作为核心领袖主导了 TensorFlow 机器学习框架、TPU 专用芯片、Pathways 架构以及 Gemini 大模型等里程碑式项目。如今，谷歌拥有的 13 款超十亿用户产品中，许多都凝聚着他的智慧。 2026 年 8 月6 日，这位谷歌前首席科学家正式离职，开启了人生新篇章。他与三位长期挚友兼顶尖学者 Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le 共同创立了公益科技公司 Discovery Loop。带着谷歌作为创始投资人与云服务合作伙伴的支持，新公司致力于“自动化机器学习、科学与工程，加速发现与进步”，首个攻坚方向是自动化大规模机器学习实验。Jeff 正将他构筑非凡系统的经验，投向利用 AI 改善人类生活的更宏大愿景。 公开信地址：https://x.com/JeffDean/status/2085083442669318443

2026年7月29日，OpenAI 发布技术博客《GPT-5.6 如何融合前沿智能与前沿效率》（How GPT‑5.6 fuses frontier intelligence with frontier efficiency），系统阐述了 GPT-5.6 家族背后的效率革命。 文章指出，GPT-5.6 的设计目标并非单纯追求更高智能，而是在能力与成本之间实现最优平衡。该家族包含三款模型：旗舰型号 Sol 在代码能力基准测试中以不到对手一半的成本超越 Claude Fable 5；Terra 保持与 GPT-5.5 同等智能水平的同时将价格降低一半；Luna 则进一步将成本压缩至 Sol 的 20%。 博客重点揭示了两项非模型层面的系统优化。在推理层面，团队让 GPT-5.6 Sol 自主参与生产环境的负载均衡调度、重写底层 GPU 内核代码，以及在推测解码中设计并训练草稿模型，分别带来 20% 的端到端成本削减和 15% 以上的 token 生成效率提升。在代理控制框架（agentic harness）层面，通过"延迟发现"机制按需加载工具与插件、采用只追加的历史记录结构保护提示词缓存前缀，大幅减少了复杂任务中的重复计算开销。 值得关注的是，上述优化中有相当部分由 GPT-5.6 Sol 在 Codex 环境中自动完成——从设计实验、执行训练到处理硬件故障的全链路。OpenAI 将 GPT-5.6 的效率收益归结为研究、推理系统和代理控制框架在技术栈各层的多年复合积累，并表示这一路径目前仍在加速，未来将持续转化为更广泛的智能普惠。 原文链接：https://openai.com/index/gpt-5-6-frontier-intelligence-efficiency/

这封题为“开放权重与美国AI领导力”的公开信由英伟达、Meta、微软、a16z、Hugging Face 等二十余家科技巨头与创新组织于 2026 年 7 月 24 日联合发布。其核心目标是在华盛顿面临 AI 监管决策的关键窗口期，阐明“开放权重”模型对维持美国 AI 领导力与经济繁荣的战略价值，并呼吁避免因恐慌而仓促限制开源。 信件以 1980 年代开源软件运动的成功历史开篇，强调美国在 AI 时代的领导力不应由单款闭源模型定义，而应建立在一个强大、开放的生态系统之上。文章主要围绕四大核心论点展开： 1. 拓展可及性：开放权重让初创企业、大学和公共机构能以低成本获取先进模型，无需从头训练，实现模型与具体任务的精准匹配，保障了 AI 规模化应用的经济可持续性。 2. 激发竞争：开源打破了少数巨头的垄断，在云基础设施、芯片和应用等各层面促进创新，确保 AI 的收益惠及整个经济体。 3. 保障控制权：企业和组织能牢牢掌控自身数据与知识，避免被单一供应商锁定，真正拥有其创造的 AI 价值。 4. 增强安全性：与默认闭源更安全的偏见相反，透明的开源生态允许更广泛的社区发现漏洞、建立防护，正如开源软件所证明的，透明往往比隐匿更安全。 在信的末尾，联署方敦促政策制定者扩大算力供给、投资共享训练资产，并特别指出不要将合法的“模型蒸馏”技术误判为知识窃取。这封信不仅是一份立场声明，更勾勒了一幅以开放生态为基石的 AI 繁荣蓝图。 公开信原文地址：https://images.nvidia.com/pdf/Open-Weights-and-American-AI-Leadership.pdf

本内容来自昨日在业内传播的《梁文锋投资者交流会-文字稿.pdf》，是一个比较详细的分享版本。 主播使用 YouNavi （https://younavi.me）对其中部分敏感信息做了脱敏，并理顺了原文转写断句的各种问题。 仅做分享交流之意图，供感兴趣的朋友收听，如有涉及侵权，烦请联系主播告知。

以下内容来自公众号：elsewhere别处发生，作者从多方信源收录了 DeepSeek 近期融资的投资人会议上，梁文锋的 52 条发言。部分词句在保留原意的基础上，与原文可能略有出入。 这些发言深刻揭示了 DeepSeek 如何在资源有限的情况下，通过战略克制和技术创新，走出一条独特的 AGI 探索之路。 梁文锋明确指出，DeepSeek 只有一条主线：AGI。产品、多模态、甚至视频生成都不是重点，当前最重要的是 Coding Agent。他勾勒出清晰的技术路线图：从 Chain-of-Thought 到 Agent，再到持续学习，最终实现 AI 自我迭代，终点是具身智能。这个愿景的核心是让 AI 模型能够帮助 DeepSeek 自己开发——"我们做的模型，第一目标不是大家用得好用，而是我们自己用得好用。" 在商业策略上，梁文锋展现了罕见的克制：只赚合理利润，不追求利润最大化；坚持开源，给出的开源模型与自己部署的完全一样；降价四分之一时，公司内部一片欢呼。他认为开源和低价看似让利，实则是增加做成 AGI 概率的战略选择。"如果你的愿景是拿得多，你就先输了。" 梁文锋坦言，中美 AI 差距主要在资源而非人才，未来要用几分之一的算力把差距缩短到 3 到 6 个月。他不想做下一个超级 App，不想与任何大厂为敌，甚至愿意帮助竞争对手做得更好。在他看来，保持团队稳定性是唯一不能退让的核心，而克制、愿景驱动和对世界的善意，才是 DeepSeek 的真正优势。 这是一场关于技术理想主义与商业智慧的深度对话，值得每一位关注 AGI 发展的人细细品味。 内容来源：elsewhere别处发生

这又是一期主播自己的创业产品 YouNavi（https://younavi.me） 的硬广。 昨天晚上带着 YouNavi 去参加了「WAIC UP！× 观猹 Good or Bad 之夜」，与现场的朋友们交流如何做一个专注于对话分析场景的桌面 Agent。整场演示是让 Navi 自己生成的自我介绍，由我作为嘴替完成的，现场 Q&A 也尝试了让 Navi 来直接回答问题。 现场的 PPT 和录音，分享给大家：

2026年7月19日，世界人工智能大会（WAIC）思想者论坛迎来了一位重量级嘉宾——2024年图灵奖得主、现代强化学习奠基人理查德·萨顿（Richard Sutton）。他现任加拿大阿尔伯塔大学教授、加拿大人工智能研究所（Amii）首席研究员，他关于强化学习的理论构成了AlphaGo、自动驾驶、具身机器人等里程碑式技术的基石。 萨顿此次演讲题为《强化学习的第一线：从经验培育超级智能》。在这场持续近一小时的分享中，他系统阐述了自己追寻数十年的核心命题：如何让超级智能从经验中自主生长，而非依赖人类预先编码的知识。 他重申了著名的"苦涩的教训"——短期来看，把人类知识塞进AI总有成效；长期来看，真正突破永远来自计算规模、搜索与学习。在此基础上，他提出了OAK架构（选项与知识），主张智能体应像婴儿一样，通过与环境交互、获得奖励信号，自主发现特征、创建子问题、学习技能，从而形成开放式的抽象循环。 对于当下大语言模型的热潮，萨顿直言LLM有其局限，通向AGI的路径仍有其他可能。这是萨顿首次在WAIC公开分享这一完整框架，值得每一位关注AI底层演进方向的研究者与从业者细读。 会场实时转写、翻译、辅助来自：https://younavi.me/

月之暗面于7月16日正式发布旗舰大模型 Kimi K3，参数量达2.8万亿，是全球首个突破三万亿量级并选择开源的模型。K3 基于自研的 KDA 增量注意力机制和注意力残差技术构建，配合896个专家的混合专家架构，规模化效率较上一代提升2.5倍，同时具备原生视觉能力和一百万字的超长上下文窗口。 K3 在长周期复杂任务上表现惊人：它能在24小时内独立优化底层 GPU 算子，从零手搓出性能比肩行业标杆的 MiniTriton 编译器，甚至在48小时内自主完成了一枚微型 AI 芯片的完整设计——从布线到仿真验证全链路闭环。科研场景中，它可自动翻阅数十篇论文、敲下三千行代码复现复杂规律，还能揪出人类论文中的公式错误。配合 Kimi Work 平台，K3 可生成出版级交互报告、3Blue1Brown 风格科普动画，甚至自动完成视频剪辑。 官方坦言，K3 整体实力仍落后于 Claude Fable 5 和 GPT-5.6 Sol 等顶尖闭源模型，在交互体验上亦有打磨空间，但其在开源阵营中已稳居第一梯队。 报告链接：https://www.kimi.com/blog/kimi-k3