Waymo 的 EMMA:自动驾驶如何从“能跑”走向“会思考”
这场来自 Waymo 的技术分享,讲述了自动驾驶从早期神经网络到基础模型时代的关键跃迁。核心不在于“再堆一点模型”,而是如何用多模态、可解释的方式,解决规模化中最棘手的长尾安全问题。
这场来自 Waymo 的技术分享,讲述了自动驾驶从早期神经网络到基础模型时代的关键跃迁。核心不在于“再堆一点模型”,而是如何用多模态、可解释的方式,解决规模化中最棘手的长尾安全问题。
本文带你走进Chelsea Finn在Y Combinator分享的机器人学习前沿实践,从失败到突破,揭示通用机器人如何通过大规模数据、预训练与微调,逐步迈向“能做任何事”的物理智能。你将看到真实的技术难题、创业故事,以及对未来机器人行业的独到预判。
本文带你走进诺奖得主John Jumper的AI科学之路,揭秘AlphaFold背后的技术突破、真实故事与行业洞见。你将看到AI如何改变蛋白质结构预测、催生科学新范式,以及科学家们如何用AI工具创造意想不到的成果。
这场对话围绕一个核心问题展开:当大模型仍是“黑箱”,我们是否真的理解并信任它们?Goodfire 的 Eric Ho 分享了他们为何执着于研究神经网络内部机制、可解释性当前的真实进展,以及这一领域为何既充满希望又极其早期。
本文带你走进François Chollet在Y Combinator的演讲,了解AI领域从“规模化预训练”到“测试时自适应”的重大范式转变,以及ARC系列基准如何推动AGI的真正进步。文章还揭示了人类智能的本质、AI模型的瓶颈,以及未来AI如何像程序员一样自主发明和学习。
这场演讲给出了一个清晰判断:未来 AI Agent 的竞争核心不在提示词,而在记忆。MongoDB 的 Richmond Alake 从工程实践出发,系统拆解了 Agent Memory 的定义、类型、架构模式以及检索的重要性,解释了为什么“没有记忆,就没有真正的 Agent”。
本文梳理了4Erunner Ventures联合创始人Kirsten Green在Y Combinator专访中的核心观点,涵盖AI产品创新、用户关系新范式、产品分发与市场竞争、健康与安全等领域。通过真实案例和前沿预判,帮助创业者理解AI时代的产品机会与挑战。
Kyle Vogt 说了一句很“狂”的话:未来五年,没有家用机器人的房子会显得很奇怪。更狠的是,他判断下一个千亿美金公司,可能诞生在一个不到100人的小团队里。这不是畅想,而是他在卖掉 Cruise、踩过无数坑之后,对 AI、机器人和创业规模的最新下注。
在 Figma Config 2025 的舞台上,Builder.io CEO Steve Sewell 做了一件“不该现场做”的事:直接连真实代码仓库,用 AI 把设计改动变成可合并的 PR。这不是炫技,而是一次对设计、工程、AI 边界的正面挑战。
在这场演讲中,NVIDIA AI总监Jim Fan提出了“物理图灵测试”这一判断具身智能成熟度的新标尺,并系统阐述了为什么机器人智能远比语言模型更难,以及NVIDIA为何选择用大规模仿真与“数字孪生”来破局。