Google DeepMind 资深工程师直言:90%的 AI 基础设施都会被模型“吃掉”
当所有人都在卷向量数据库、Agent 框架和微调时,Google DeepMind 的 Paige 却在台上泼了一盆冷水:这些东西,迟早都会被模型本身吞噬。这场长达一小时的分享,不是产品发布,而是一份来自一线的行业预言。
当所有人都在卷向量数据库、Agent 框架和微调时,Google DeepMind 的 Paige 却在台上泼了一盆冷水:这些东西,迟早都会被模型本身吞噬。这场长达一小时的分享,不是产品发布,而是一份来自一线的行业预言。
你以为Agent不聪明,是模型不够强?Leonie Monigatti在这场工作坊里抛出一个反直觉结论:Context Engineering里,真正决定成败的不是Prompt,而是Search。更残酷的是,80%的问题都出在这里。
当整个 AI 圈都在 All in 向量数据库时,Neo4j CEO Emil Eifrem 在这期 Latent Space 里泼了一盆冷水:向量很重要,但它们解决不了“理解”。真正让 AI 变聪明的,是知识图谱、上下文和可解释的结构。这是一场关于“AI 为什么还不够聪明”的深度对谈。
上下文窗口越来越大,很多人开始断言 RAG 已经过时。但在这场来自 IBM 的分享里,演讲者几乎是正面“开怼”:RAG 不但没死,而且远比你想象得复杂。更关键的是,他们把这些复杂性做成了一个开源栈——OpenRAG。
一场看似杂乱的科技直播,背后却藏着 2026 年最关键的几条产业暗线:Elon Musk 的“御用银行家”如何定义资本权力、Apollo 为什么躲过 SaaS 的集体绞杀、中国机器人为何突然全面提速。这不是新闻汇总,而是一份给 AI 从业者的趋势地图。
如果你的孩子,未来会和一个 AI 认真谈恋爱,你会觉得奇怪吗?这是 Roblox CEO Dave Baszucki 在播客一开始抛出的问题。更炸的是,他并不是在讨论科幻,而是在解释:为什么 Roblox 正在为 40 年后的“4D 世界”打地基。这期对话,几乎把 AI、世界模型、虚拟人和下一代互联网的底牌一次性亮了出来。
本文深度还原了Jack Morris在2025年Cornell演讲的核心洞见,聚焦大语言模型(LLM)如何突破知识边界,从上下文窗口、检索增强生成(RAG)到将知识直接训练进模型权重。通过真实案例、前沿技术对比和行业趋势,帮助你理解下一代AI系统的构建方法。
这场演讲不是在罗列RAG新名词,而是给出了一套“何时该用什么”的实战路线图。前Google搜索工程师David Karam用真实失败案例解释:RAG不是一次性架构设计,而是按影响和成本逐步叠加的工程决策过程。
这是一场来自11x一线工程师的真实分享,讲述他们如何为AI销售代表Alice构建“大脑”。文章将还原他们从失败的上下文堆叠,到知识库+RAG架构的转折过程,深入解析解析、存储、检索与可视化背后的工程取舍。
一场来自Harvey与LanceDB的联合分享,首次系统讲清楚企业级RAG在法律场景下面临的真实难题:复杂查询、超大规模数据、严格安全要求,以及为什么“评估”比算法本身更重要。