把大模型思路照搬到小模型,是边缘AI最大的误区
在所有人都在追逐更大参数、更强算力时,Liquid AI 的 Maxime Labonne 反其道而行:专注 3.5 亿到 240 亿参数的小模型,并且明确说——小模型不是大模型的“缩水版”。这场分享,几乎逐条拆掉了从大模型时代继承下来的错误直觉。
在所有人都在追逐更大参数、更强算力时,Liquid AI 的 Maxime Labonne 反其道而行:专注 3.5 亿到 240 亿参数的小模型,并且明确说——小模型不是大模型的“缩水版”。这场分享,几乎逐条拆掉了从大模型时代继承下来的错误直觉。
Google DeepMind 悄悄干了一件“反直觉”的事:没有堆参数、没有锁生态,却用 Gemma 4 把开源模型直接送进榜单前六。从 31B 多模态到能跑在设备端的小模型,这次更新释放了一个强烈信号——下一轮 AI 竞争,不再只属于巨无霸模型。
这期 Latent Space 的对话抛出一个刺痛行业的观点:癌症药物失败,问题不只在分子,而在我们用来“理解生物”的模型。Noetik 选择了一条最贵、最慢、也最反直觉的路——自己建实验室,用 Transformer 和计算机视觉,从真实肿瘤数据里逼近答案。
a16z在这期节目里抛出一个极度反直觉的判断:AI的终极角色不是替代你,而是把你变成“一个人的公司”。但前提是,你得会走“远路”。从模型蒸馏、去中心化,到品味、验证与代理性,这期对话几乎重塑了我们理解AI工作的方式。
一档看似“什么都聊”的节目,却在同一天把苹果50周年、SpaceX登月、AI推理、Snap生死局和潜在超级IPO串成了一条暗线:科技正在从“讲故事”阶段,进入“拼执行、拼现金流、拼算力”的硬核时代。这期TBPN,是AI从业者必须认真消化的一次信号汇总。
“Ilya 给我打电话,我一句话没说,直接拒了 OpenAI。”在一场长达 7 小时的马拉松访谈里,谢赛宁首次系统讲清了他为什么不追逐大模型热潮,而是押注世界模型、视频和具身智能。这不是一段成功学故事,而是一条反直觉的 AI 路线图。
当 AI agent 拿到自己的信用卡,这不只是一个支付功能更新,而是一个信号:AI 正在从“工具”变成“能独立行动的经济体成员”。更耐人寻味的是,Anthropic 反超 OpenAI、Sora 回归 ChatGPT、马斯克的 MacroHard 再起,这些看似零散的新闻,其实指向同一个拐点。
一家今天被称为“AI警务基础设施”的公司,起点并不是宏大的愿景,而是一宗没人受伤、却永远破不了的偷枪案。Garrett Langley 用工程师的方式,意外撬开了美国警务系统最顽固的几个痛点。
如果你还在等“下一代炸裂图像模型”,那你可能会错过真正重要的变化。Google 刚发布的 Nano Banana 2,几乎没有刷新画质天花板,却被认为是图像生成走向“基础设施”的标志性一刻。这期 AI Daily Brief,把一个被低估的转折点摆到了台前。
如果中美真的爆发冲突,战争可能不是按“年”计算,而是按“天”。这是一位MIT辍学、亲手做无人系统的年轻创始人在完整访谈中给出的判断。他谈的不是宏大战略,而是制造、无人化、计算机视觉和工业体系这些被严重低估的“底层变量”。