大家好，欢迎来到《通往超级个体之路》第 20 期！今天我将跟大家分享一个很特别的模型应用：Manus。其实，Manus 是一个我一直没打算分享的内容，但由于很多听友@我，希望我能谈一谈这个模型，我决定与大家分享我的观察和一些思考。 00:13 为什么不分享 Manus？ • 我之前没有分享 Manus 的原因是因为我自己没有亲身体验过这个平台。 • 我之前的分享基本上都是基于我亲自使用和应用过的工具。但由于 Manus 的邀请码难以获得，即使找了一些地方政府领导帮忙，也最终没能拿到。 • 尽管如此，我还是体验了一些开源版本，比如 Open manus，并且观察了很多拥有 Manus 账户的人如何玩转这个平台，因此有了一些个人的感受。 01:05 Manus 是什么？ 01:16 Manus 的定位 • Manus 是一个解决 AI 最后一公里问题的应用平台。 • 什么是“最后一公里”？例如，当你让 GPT 帮你写 PPT 时，它能为你列出大纲，但无法直接生成完整的 PPT。 • 又比如，让 DeepSeek 帮你做一个网站，它能给你网站的代码，但你无法立刻看到结果。而 Manus 则能真正完成这些任务，并且交付出成品。 01:30 AI 智能体 • Manus 致力于创建“智能体”——让 AI 大模型不仅仅停留在给出想法的层面，而是通过实际的工具帮助用户实现最终结果。 • 这些工具并非我们日常的物理工具，而是电脑中的虚拟工具，例如操作浏览器、下载代码、运行程序等。 02:07 Manus 与其他 AI 模型的区别 02:19 Manus 与 DeepSeek、GPT 的对比 • Manus 解决了 AI 的最后一公里问题，它并没有像 DeepSeek 和 GPT 那样从底层大模型出发，而是从应用层入手，通过工具整合来实现 AI 的更大潜力。 • 有人批评 Manus 没有进行底层模型的研发，认为在如今的 AI 竞争中，做大模型才是王道。但我认为，从应用层进行创新也是值得关注的，甚至在某些情况下，应用创新的价值可能会超过底层技术的创新。 03:05 Manus 的商业模式与盈利模式 03:19 Manus 的团队背景 • Manus 的团队结构与 DeepSeek 有些相似，虽然 DeepSeek 的总部在杭州，但很多核心团队成员都在北京；而 Manus 的总部在北京，但它的分部和大部分团队成员在武汉。 • 创始人Red来自 华中科技大学，曾在该校和校友共同创业，而他过去也曾涉足过其他创业项目。 manus母公司搭建了非常好的出海架构（图片来自于股权道公众号） 03:50 Manus 的盈利模式 • Manus 的商业客户群体非常广泛，特别是那些使用 GPT、DeepSeek 觉得无法彻底解决问题的用户。 • 它的目标是让 AI 不仅仅提供思路或建议，而是能够直接生成完整的结果，并且操作真实工具。 从GPT到Manus，模型触达的终端越来越多 05:26 Manus 的技术创新与应用案例 05:35 Manus 的技术突破 • Manus 在技术层面上非常出色，通过利用 GPT、Cloud、DeepSeek 的代码和模型，释放了 AI 模型的潜力，从而打破了应用层的局限。 • 它通过智能代理技术，能在虚拟环境中执行各种任务，比如调用代码、浏览网页等，从而直接交付给用户完成的任务。 06:16 Manus 的多代理机制 06:35 多代理机制的核心 • Manus 采用了“多代理机制”，即通过多个智能代理共同合作完成任务。 • 这些代理相互之间并不共享具体的任务执行内容，而是通过协调和分工，最终完成复杂的任务。 • 这种机制类似于自然界中的蜂巢效应，多个代理协作的能力要超过个体模型的能力，展示了更高效的协作方式。 07:15 市场需求与未来发展 07:28 商业机会的变化 • Manus 不仅在技术上有创新，其商业模式也为 AI 行业带来了新机遇。 • 它将 AI 的应用层带入了一个新的高度，特别是在解决“最后一公里”问题方面。 • 随着 AI 能力的快速提升，Manus 的市场潜力也在不断扩大，吸引了越来越多的企业和创业者关注。 09:11 持续创新与行业挑战 09:32 面临的挑战 • 尽管 Manus 在技术和应用层面有很大创新，但它仍面临不少挑战，特别是如何在竞争激烈的 AI 市场中脱颖而出。 • 随着 腾讯、阿里、谷歌 等大公司对智能体技术的投资，Manus 需要在保证应用创新的同时，加强自己的生态建设和用户认知。 10:12 总结 10:30 Manus 的未来 • Manus 展示了 AI 应用创新的巨大潜力，尤其是在智能体技术、虚拟机应用和多代理机制方面的突破。 • 虽然它不像 DeepSeek 或 OpenAI 那样专注于底层大模型的研发，但它凭借其实际应用的创新，推动了 AI 技术的普及，并且创造了更多的商业机会。 互动环节： • 你如何看待 Manus 在解决 AI 最后一公里问题方面的创新？ • 智能体技术 是否会是 AI 未来发展的重要方向？ • 你觉得 Manus 的商业模式能否成功改变 AI 行业？ 感谢大家收听，我们下期再见！🚀

通往超级个体之路 | Episode 19 | Grok3: 马斯克的新AI模型，暴力美学与慢思考的结合 PadNotes 00:00 开场 大家好，欢迎来到《通往超级个体之路》第 19 期！今天我将和大家分享一个全新的 AI 模型，叫做 Grok3。这个模型由马斯克团队研发，目前是人类评分最高的 AI 模型，超越了 OpenAI 的 O1 PRO，以及我们国内最强的 DeepSeek r1。 我在了解了 Grok3 的一些真相之后，发现它的确是一个暴力美学的产物，与国内的精致小而精的模型（如 DeepSeek）不同，Grok3 使用了巨大的算力进行训练。 00:33 Grok3: 暴力美学的体现 00:58 Grok3 的训练规模 • Grok3 的训练使用了20万张 H100 GPU，这意味着巨大的计算资源！ • 相比之下，DeepSeek 仅使用了几千张阉割版 H800 GPU，就训练出了强大的模型。 • Grok3 的计算资源优势来自 马斯克的理念，即通过规模效应，在大量算力的支持下实现突破。 • 这种“暴力出奇迹”的方式，符合马斯克团队的一贯思路：大力扩展规模，借助强大的算力产生奇迹。 01:20 体验 Grok3：流畅与智能的结合 01:30 深入体验 • 我在今天早晨第一次体验了 Grok3，给我的感觉非常好。 • 特别是在网络访问方面，Grok3 运行非常流畅且丝滑，无论是使用 DeepSeek 功能 还是正常提问，都能轻松完成。 • 它能够高效检索并整理各种网上的信息，将问题分解成多个步骤，逐步完成思考。 02:21 Grok3 vs. OpenAI DeepSeek: 幻觉的挑战 02:33 幻觉问题 • 尽管 Grok3 的 DeepSeek 功能很强大，但相比于 OpenAI 的同类功能，Grok3 仍然存在一些幻觉问题。 • 比如，你提问后，Grok3 会给出一堆链接，但点击链接后发现许多网站无法访问或内容与问题不相关。 • 这表明Grok3 作为 Beta 版本仍需进一步完善，特别是在减少幻觉方面。 03:24 华人在 Grok3 和 DeepSeek 的核心作用 03:43 华人科学家的贡献 • Grok3 与 DeepSeek 都展示了华人在 AI 领域的重要作用，尤其在模型开发中起到了至关重要的作用。 • 在 DeepSeek 的核心开发者中，有 11 位是中国人或华裔，而 Grok3 也不例外。 • Grok3 的两个核心开发者分别来自浙江大学和杭州建兰中学。这个国际化的团队，结合了中美两国的技术优势，推动了 AI 领域的进步。 04:35 Grok3 的产业影响与未来展望 05:00 Grok3 与 OpenAI 模型的对比 • Grok3 的性能与 OpenAI O1 PRO 之间差异不大，虽然差距存在，但并不显著。 • 在发布会上，马斯克团队强调了 Grok3 背后强大的工厂支撑，这使得这种模型能够实现大规模的批量化生产。 05:15 从工厂到算力集群：马斯克的“大规模计划” 05:38 孟菲斯工厂的重生 • Grok3 的算力集群位于 孟菲斯工厂，这个工厂之前是生产烤箱的，但在 2020 年倒闭后，被马斯克收购并改造成了全球最大规模的算力中心。 • 通过短短的 120 天时间，马斯克团队搭建了 10 万张 H100 的算力集群，并在 90 天内又完成了第二个 10 万张集群的搭建。 06:00 电力与冷却技术 • 为了确保电力稳定，马斯克还使用了 特斯拉的技术，包括电力存储设备，保证工厂在任何情况下都能维持算力运行。 06:37 Scaling & Collaboration: 让 AI 协作完成复杂任务 • 随着算力的规模扩大，集群内的机器不仅仅是单独运作，它们需要协同工作，共同完成计算任务。 • 这一过程涉及到复杂的数据层面问题和高效的调度问题。 • 根据一个数据，假如算力调度达到 1000 张 GPU，效率下降至不到 90%。随着集群规模的增大，调度效率逐步下降，成为计算中心的一大挑战。 07:48 未来模型的发展方向 08:37 开源策略：马斯克的“隔代开源” • 马斯克的开源策略：他提出，一旦 Grok3 发布后，Grok2 会立即开源。 • 这一策略对 AI 行业意义重大，因为它为开发者和科研人员提供了宝贵的实验资源，而不需要从零开始。 09:07 高昂的成本：60 亿美元的算力投资 • 马斯克投资了60 亿美金购买 20 万张 GPU（不包括厂房和设备的购买）。 • 每年的运维成本也非常高，达到十亿美金。这种大规模的投资不仅推动了 Grok3 的发展，也带动了 AI 算力产业的进步。 10:26 人工智能与人类的关系：自我调节的未来 10:44 人类微调的未来 • 过去 AI 模型需要人类微调，但未来 AI 可能不再依赖于人类的监督，它将能自主调节并且优化自己的能力。 • AI 自我成长的能力将打破传统的训练方式，使模型更加强大。 11:16 产业影响：算力依赖与产业变革 • 算力对产业的影响：Grok3 的发布对算力企业（如英伟达）带来巨利，未来 算力的生产和调度 将成为最重要的产业竞争力之一。 • AI 模型对中小企业的挑战：开源模型的发展将使得一些中小 AI 企业面临更大的竞争压力，尤其是需要依赖传统封闭模型的公司。 12:16 创业机会的变化 • 随着 AI 技术的发展，创业机会会进一步下沉到算力提供商层面，像 阿里、腾讯 这样的企业可能成为算力的主要提供者。 • 中小企业将面临选择：要么将应用交给大厂，要么像 幻方 那样进行深度研发。 13:52 未来的AI产业格局：开源与创新并行 14:13 产业方向 • 对于广泛的产业方来说，Grok3 的发布将带来一场AI 技术普及的革命，更多的优秀模型和更低的成本将使各行各业的应用更加普及。 15:18 总结：Grok3 的意义与挑战 • Grok3 的发布标志着 AI 技术的规模化突破，但它也带来了大量的挑战，包括 幻觉 问题和 信息污染 的潜在风险。 • 尽管如此，Grok3 和其他 AI 大模型的发布对全球 AI 行业的发展具有重要意义，推动了算力依赖和跨行业协作的深入。 欢迎留言讨论： • 你如何看待 Grok3 在 AI 领域的表现？ • 开源策略 是否能为整个行业带来更多机会？ • AI 自我调节 会是未来发展的趋势吗？ 感谢大家收听，我们下期见！🚀

通往超级个体之路PadNotes | Episode 18 | DeepResearch：当 AI 学会慢思考 大家好，欢迎来到《通往超级个体之路》第 18 期！今天我想跟大家分享一些关于 AI 的最新观察和思考。 我一直把自己看作是AI 观察家，虽然我没有直接训练最领先的 AI 模型的能力，但我喜欢研究它们的行为、阅读它们的论文，并尝试理解其背后的逻辑。这本身就是一件很有趣的事情。 最近，我发现了一个很有意思的现象，也许别人已经总结过了，但这确实是我自己观察到的规律——大模型正在变得越来越慢，也越来越会思考。 01:06 大模型正在变“慢”——从直觉到深度思考 01:18 直觉式思考（GPT-3 & GPT-4 早期阶段） • 早期的 GPT-3 和 GPT-4 的回答非常快，你一问，它立刻给出答案，就像人类的直觉思考。 • 这个阶段的大模型主要依赖预训练（pre-training），类似于学生学习了小学、初中、高中的知识，已经具备了基本的知识储备。 • 但这种直觉式回答的一个问题是幻觉较多，准确率大约在 90% 左右。 02:33 慢思考的出现（GPT-O1, DeepSeek R1 思维链阶段） • 现阶段的 AI（如 DeepSeek R1）已经学会了慢思考。 • 你会发现，它在回答前会先拆解问题，并进行一步步推理，而不是直接给出直觉性的答案。 • 这个阶段的 AI 比较像人类的系统二思维（slow thinking），它更擅长拆解任务、理性推理，并能够主动反思自己的推理过程。 03:43 DeepSeek R1 的 AHA Moment：AI 居然学会了反思！ • 这里有个让我震撼的例子，DeepSeek 在解数学题时，突然停下来，说**“Wait, wait, wait”**（等一下！），然后回头重新检查自己的推理。 • 这个过程意味着 AI 不仅在前进，也在回溯自己的思考过程，就像人类在做复杂决策时会不断回顾和检查。 04:45 DeepResearch：AI 的“研发式思考” 2 月 2 日，OpenAI 发布了DeepResearch，一个基于 GPT-4o3（尚未发布）模型的新功能。它标志着 AI 从慢思考进化到了研发式思考。 05:02 DeepResearch 的核心能力 • 它可以自主进行“研究-发现-再研究-再发现”的循环过程。 • 这个过程类似于人类做科研： 1. 先查找 40~50 个信息源。 2. 进行初步推理。 3. 如果不确定，再进一步查找信息、验证观点。 4. 这个过程持续进行，直到它的计算资源到达上限，或者它认为自己已经找到最优答案。 • 这一阶段的 AI 思考时间从过去的 10-30 秒，延长到 5-30 分钟！ 06:22 DeepResearch 实测：AI 学会了写论文？ • 我做了一个实验： • 我朋友（投资圈的人）在朋友圈问了一个问题： “量子计算机会不会引发人工智能的重大突破？” • 我先自己思考了一下，但不确定自己的答案是否靠谱。 • 于是，我把这个问题交给 DeepResearch，结果它的回答惊艳到了我： • 它查阅了 16 个高质量信息源（包括政府网站、大学论文、核心期刊）。 • 每个句号前都标注了信息来源，确保每一句话都有学术支撑。 • 它的回答结构清晰、逻辑严密，几乎等同于一篇学术论文！ 这意味着，AI 正在变成一个真正的“科研助手”，甚至比人类更擅长跨学科研究。 原提问——目前，量子计算受限于要超导，但是超导目前又受限于超低温等，只能在实验室环境，这个说法对吗？ deepresearch回答： ···中间部分截去 07:16 人类的“最后一次考试”：AI 真的比人强了吗？ 为了衡量 AI 的真正能力，最近有人提出了一个新的测试，被称为“人类的最后一次考试”。 • 考试题目难度极高，涵盖历史、哲学、数学、代码等领域的交叉问题。 • 例如： • 让 AI 翻译一块古罗马铭文，并用另一种古语言（帕米拉文）重写。 • 目前普通 AI 远远做不到，但 DeepResearch 已经能解决部分这类问题！ • 最新成绩： • DeepResearch 最高得分 25 分（满分 100），排名第一。 • DeepSeek 也在前五名，得分 9-10 分。 这表明：现阶段 AI 已经超越普通人的认知能力，但还没有真正达到“通用人工智能（AGI）”的水平。 10:46 AI 研究者的主场：DeepResearch 背后的华人科学家 这次 DeepResearch 的发布，背后其实隐藏着一个重要现象： • 该项目的 Leader 之一，是一名华人科学家——孙之清。 • 他是浙江舟山人，1997 年生，现年不到 30 岁，卡内基梅隆大学博士在读。 • 他的背景： • 舟山中学 → 北京大学 → 卡内基梅隆大学 • 本科期间已发表顶级论文，博士阶段便成为 OpenAI 重要的技术负责人。 更令人惊讶的是： • DeepResearch 核心开发团队 21 人，其中至少 11 人是华人或华裔！ • 这意味着，全球 AI 的核心竞争者，已经逐渐变成了“中国 AI 团队 vs. 华裔美国 AI 团队”，双方正在进行一场跨国竞赛。 14:46 DeepResearch 的商业模式与局限性 虽然 DeepResearch 很强，但它并非没有问题： 1. 价格昂贵 • PRO 版用户 才能使用，每月 200 美金，还只能问 100 个问题！ • 仅限美国、英国、欧盟、瑞士用户，中国、日本等地无法使用。 2. 触发率极低 • 实测发现，只有 10% 的问题能真正激活 DeepResearch，其余 90% 仍然是普通 GPT-4 级别回答。 • 这让用户感到被“降智”，付费却无法使用完整功能。 我预测：国内 DeepSeek、智谱等团队，应该会在 3 个月内推出类似产品，填补市场空缺。 18:35 结论：AI 的慢思考时代来了 总结一下今天的观察： • AI 从直觉式思考 → 慢思考 → 研发式思考 • DeepResearch 代表了一种新模式：AI 变成真正的科研助手 • 人才竞争进入“中美 AI 团队”之争，中国科学家正成为 AI 领域的核心力量 未来，我们很可能会迎来“AI 论文时代”——所有 AI 生成的报告，都附带完整的参考文献，确保学术可信度。这会彻底改变科研、教育、咨询等多个行业。 21:46 互动环节 今天的内容就到这里，感谢大家收听！如果你对 AI 的未来发展 或 DeepResearch 这种新型 AI 研究方式 感兴趣，欢迎留言讨论。 你觉得 AI 还能学会哪些“人类式思考”？ DeepResearch 能成为未来科研标配吗？ 期待你的观点，我们下期见！🚀

通往超级个体之路 | Episode 17 | 为什么这些宝藏科技公司会产生在杭州？ 杭州AI宝藏科技公司 00:00 开场 主持人（马千里）： 大家好，欢迎来到通往超级个体之路第 17 期！今天我们来聊一个特别有趣的话题——为什么这些宝藏科技公司会产生在杭州？ 这个话题的起因是因为在第 13 期，我曾经盘点了一些杭州的宝藏 AI 公司，比如 Deepseek、云深处、强脑科技 等。当时有听友 Julia 问我：“为什么这些公司都出现在杭州呢？” 当时我的回答是四个关键词：浙大、阿里、浙商、有为的政府。 后来我仔细想了想，觉得这个问题挺值得展开聊一聊。毕竟，杭州的曝光度在最近几年越来越高，比如： • 春晚上的 AI 机器人亮相 • 《白娘子传奇》这样的文化热点 • 阿里在春晚的曝光 这些都在让杭州成为一个备受关注的城市。 那么，为什么这么多科技公司选择杭州？杭州的优势到底在哪里？ 今天就来系统地聊一聊这个话题。 01:52 一、浙大：人才与创业的源头 首先要讲的就是浙江大学，它不仅是杭州科技创新的重要基石，甚至可以说是杭州科技公司崛起的源头之一。 01:57 资金与影响力 • 浙大目前的预算是全国高校第二，仅次于清华，大约 320 亿人民币，超过北大和大部分 985 高校。 • 预算主要来自国家财政拨款，说明浙大在政府支持力度上属于顶级水平。 02:31 校友创业生态 • 浙大培养了一大批创业者，形成了一个“浙大圈”。 • 全国十佳独角兽企业中，杭州浙大校友创办的企业占据 9%。 • 2024 年数据： • 31 家独角兽企业（估值超过 10 亿美金） • 145 家潜力独角兽 • 351 位浙大校友是上市公司老板 • 代表性企业家： • 拼多多创始人黄峥 • Deepick 创始人 • 段永平（OPPO、VIVO） 04:30 毕业生的留杭率 • 60% 的浙大毕业生选择留在浙江，其中 80% 留在杭州，对杭州的经济发展起到了极大的促进作用。 • 对比武汉大学，只有 30% 毕业生留在湖北，20% 留在武汉，这显示了高校对当地经济的影响力差异。 05:26 创业精神 • 浙大毕业生的创业率是 4.16%（2015 年数据），全国大学生平均创业率仅 1%。 • 这意味着在杭州创业的企业家，有很大一部分都与浙大有关。 • 杭州在 AI、制药、智能制造、新材料等前沿科技领域的成果转化率非常高，使得科技公司更愿意扎根于此。 07:21 二、阿里：科技产业的孵化器 如果说浙大提供了人才和科研基础，那么阿里巴巴就是杭州科技产业的孵化器。 07:47 阿里对杭州的直接影响 • 2019 年，阿里每天给杭州贡献 1.5 亿元税收，成为杭州财政收入的重要支柱。 • 充裕的税收反哺到了城市建设、基础设施和人才政策，促进了科技产业的聚集。 08:53 阿里的人才虹吸效应 • 阿里汇聚了全国各地的人才，形成了一个以杭州为中心的“互联网+”产业生态。 • 杭州的户籍政策甚至专门为北京、上海的人才提供便利，吸引更多高端人才来杭州创业或就业。 10:00 互联网企业生态 • 受阿里影响，杭州聚集了大量科技公司： • 字节跳动华东研发中心 • 快手、OPPO、VIVO、华为研究院 • 中联海康 • 5000 多家直播相关企业，5 万多个主播 • 2023 年，杭州政府鼓励外地阿里系企业回流杭州，加速互联网产业的集聚。 13:54 三、浙商：敢闯敢拼的创业文化 杭州科技产业的繁荣不仅靠浙大和阿里，还有一股强大的力量：浙商。 14:03 浙商文化的根源 • 浙商是中国十大商帮之一，其历史可追溯到宋元时期。 • 代表性企业： • 阿里巴巴（马云） • 娃哈哈（宗庆后） • 农夫山泉（钟睒睒） • 网易（丁磊） • 复星集团（郭广昌） • 绿城（宋卫平） 16:13 杭州的创业氛围 • 每 7 个人就有 1 个老板（杭州的市场主体密度全国领先）。 • 杭州的民营企业 500 强数量全国第一，独角兽企业仅次于北上广。 • 杭州科技企业的有效发明专利 15.3 万件，全国省会城市第一。 17:26 四、有为政府：高效且务实的政策支持 杭州之所以成为科技企业的聚集地，还离不开政府的支持。 18:50 领导层的超前布局 • 2002 年，市委书记王国平推动西湖景区免费，通过商业租金弥补门票收入损失，成为政府智慧治理的典范。 • 杭州的城市规划早在 2005 年就开始推进钱江新城建设，打造新经济中心。 25:01 政策创新 • 2018 年，杭州率先推动区块链发展，比国家政策提前了一步。 • 2023 年，杭州提出打造全国算力成本洼地，大力扶持 AI 产业。 • 政府对科技企业极具包容性，减少不必要的行政干预。 27:35 企业服务 • “最多跑一次”改革，甚至做到企业办事零跑腿，大幅提升办事效率。 • 政府经常帮助企业对接资源、提供融资支持，这在全国范围内都是领先的。 29:05 总结 杭州成为科技创新高地的原因，可以归结为以下四点： 1. 浙大提供了顶级人才和科研支持，创业者众多，成果转化率高。 2. 阿里巴巴带动了整个互联网产业的发展，培养了大量创新企业。 3. 浙商敢闯敢拼的文化使得杭州的创业环境极其活跃。 4. 政府高效务实，不仅支持企业发展，还提供超前的政策规划。 这四股力量共同推动了杭州科技企业的崛起，使其成为全国科技创业最活跃的城市之一！ 31:06 互动环节 主持人： 这就是本期的内容，感谢大家的收听！如果你对杭州的某个方面感兴趣，或者希望深入探讨某个细节，欢迎在评论区留言！我们可以在后续的节目中继续展开聊。 记得点赞、转发，我们下期再见！🚀