David的AI全景图 - 节目列表

Lex Fridman两天前发布了和Google CEO 桑达尔·皮查伊的最新深度访谈； 原视频大约132分钟，我们翻译并制作了这期播客精华版，长度51分钟。 如果时间够，还是推荐去看原视频：www.youtube.com 一个活生生的劈柴哥，也喜欢梅西～

昨天是2025“AI春晚” 智源大会的第一天， 我们采访到了智源研究院院长，lol 给大家讲讲，都有什么值得关注的内容～ 来源：mp.weixin.qq.com

本期播客来自红杉资本和的Paid AI的CEO Manny 的访谈。 Paid AI志在打造Agents的基础设施。以 Agent 的实际产出为基础计价，重构 Agent 的收益模型与交易结算网络，为 Agent 经济体打下底层商业引擎。 note： 有观点认为：AI 会从高薪岗位入手，比如开发者、律师、医生，因为这些工作贵、需求大。 我不认同。真正能让 AI 落地的，是那些没人愿意做的工作。 我认为AI和Agent现在并不是在直接取代人类，而是在取代 BPO（业务流程外包）。所以凡是你看到 BPO 占很大角色的地方，就是 AI Agents 最适合落地的领域。 原文链接：https://mp.weixin.qq.com/s/yfzFwGFbhxbT0m6Xru6KrA

吴恩达和LangChain联合创始人Harrison Chase最近的一次对谈，聊到Agent，听听精华内容。 吴恩达： 我之所以提出这个观点，是因为我发现大家在不停地争论：“这个是 Agent 吗？”“这个不算吧？”——各种不同的定义争议：它够不够自主？是不是符合某个标准？ 我当时的感觉是，与其花那么多时间争论这个是不是 Agent，不如我们整个社区换个方式思考：把“Agenticness（代理性）”看作一个光谱——有些系统代理性强，有些弱。 你想做一个稍微具备一点自主性的 Agentic 系统，或者一个非常自主的系统，都是可以的，没必要非得争论“这算不算 Agent”。 所以我提议，我们就叫这些系统“Agentic systems”，然后专注于怎么构建它们。这种思维方式，其实帮我们节省了大量争论时间，让我们能更快进入实操阶段。 原访谈链接：www.youtube.com

多年不见的“互联网女王”Mary Meeker重现江湖，公开了一份340页的《2025人工智能趋势报告》。 排版相对朴素，但信息量较大。 先听一听，有大块时间再看～ BTW，这期有片头片尾音乐了🎵 原文下载链接：www.bondcap.com 附上几张图： 祝大家六一快乐啊！

DeepSeek R1昨天更新后，没有技术报告。 可能因为都是网友测评和猜测比较多，DeepSeek官方公众号在5月29日晚发布了一篇文章，比较详细地解释了更新点。 题目是《DeepSeek R1更新，思考更深，推理更强》。比较有信息量，就聊聊这篇吧～ 原文链接：mp.weixin.qq.com

DeepSeek低调更新了新版R1，路上听听网友们的评测效果。 由David的虚拟小伙伴Tony（小智）和Lily（小华）录制～

今天凌晨Anthropic发布了最强编程模型Claude4，路上听听都有啥。 原文链接：https://www.anthropic.com/news/claude-4 由David的虚拟小伙伴Tony（小王）和Lily（小李）录制～ SWE的分数：

由David的虚拟小伙伴Tony和Lily录制：）

hi，《AI全景图》的听众朋友们，我是David，最近在做一些好玩的声音实验，希望尽量有点趣，还有点用。 这是大概两年前写的《AI大模型暴论》的1-4篇，今天在播客分享一下～ 00:20 机器翻译就是大模型的前车之鉴 02:07 行业大模型是否是一个伪命题？ 03:31 如何看待国产大模型既卷模型，又卷上层应用？ 06:12 大模型意味着脑力劳动时代的终结 这就是AI大模型暴论播客的第一期，希望你有一点点收获。 如果你有感兴趣的内容，吐槽或者建议，都欢迎给我留言呀！

说明：之前发在公众号的这篇比较长，用相对轻松的播客形式再听一遍。由David的虚拟小伙伴Tony和Lily录制：） 作者介绍：姚顺雨，OpenAI研究员，思维树（Tree of Thoughts）作者。原题目为《AI的下半场》（The Second Half） 摘要：我们正站在AI发展的中场分界线上。但现在（2025年4月）发生了什么质变呢？ 简而言之：强化学习（RL）终于奏效了。更准确地说：强化学习终于通用化了。 经过数次重大探索与里程碑的积累，我们已掌握一套通用配方，能通过语言与推理解决广泛的RL任务。哪怕在一年前，如果你告诉AI研究者"同一套方法能处理软件工程、创意写作、国际数学奥林匹克竞赛级数学、键鼠操作和长文本问答"，他们只会嘲笑你在妄想——其中任何一项都足以让学者耗费整个博士生涯。 但奇迹已然发生。 那么接下来会怎样？AI的下半场——始于此刻——将把焦点从"解决问题"转向"定义问题"。新时代的胜负手不再是训练能力，而是评估体系。我们不再只问"能否训练模型解决X？"，更要追问"该让AI解决什么？如何衡量实质进步？"要在这场新竞赛中胜出，我们需要思维和技能的转型——或许更接近产品经理的视角。