语音AI不是模型之战,而是毫秒之战:Together AI 工程师的残酷真相
当所有人都在追逐更大的模型时,Together AI 的工程师却抛出一个反直觉结论:语音 AI 的成败,取决于工程细节,而不是模型能力。这场分享把“好用的语音 Agent”为何如此之难,说得异常直白。
当所有人都在追逐更大的模型时,Together AI 的工程师却抛出一个反直觉结论:语音 AI 的成败,取决于工程细节,而不是模型能力。这场分享把“好用的语音 Agent”为何如此之难,说得异常直白。
我们总以为更聪明的模型意味着更好的 Agent,但 Steven Willmott 在这场演讲里直接打脸:模型越大,可能越危险。真正的问题不是“能力够不够”,而是——你到底有没有说清楚它该做什么、不该做什么。
卖掉上一家公司后,Josh Pigford没有组团队、没有写长规划,而是一个人并行做5款AI产品。他最反直觉的做法是:用大模型互相“挑刺”,最快24小时上线。更狠的是,他认为“做太久才发布”本身就是创业的大坑。
如果你觉得AI的故事已经被讲烂了,这期对话会让你停下来。Benedict Evans提出一个反直觉判断:AI的重要性堪比互联网和移动时代,但我们正处在“1997年”的迷雾期——真正的变化还没开始,而大多数人理解错了方向。
当所有人都在给 AI Agent 拼命加技能、加工具时,WorkOS 的 Nick Nisi 却反其道而行:删掉 95% 的 Agent 能力。结果不是退化,而是效果显著提升。这场分享,几乎颠覆了我们对“更强 Agent=更多技能”的默认认知。
大多数人以为代码补全的未来在更大的模型,但 Zed 团队走了相反的路:用一个小模型,盯住“你下一次会怎么改代码”。更反直觉的是,它的训练数据不是标注出来的,而是你每天真实的编辑行为。Ben Kunkle 用一次演讲,拆开了这个几乎没人公开讲过的生产级训练流程。
在DeepMind内部,最资深的工程师也频频被AI Agent“折磨”。Gemini负责人Philipp Schmid用10分钟讲清一个残酷事实:做Agent最难的,不是模型,而是你必须放弃过去十年赖以成功的软件工程直觉。
Blue Origin 的 New Glenn 在静态点火中炸成“奥本海默现场”,而同一天,AI 圈却在为 token 成本、vibe coding 和企业 ROI 吵翻天。这期 TBPN 把三件看似无关的事放在一起,意外揭示了一个信号:技术浪漫主义正在退潮,算账的时代来了。
Anthropic 刚放出 Claude Opus 4.8,第一波反馈却并非清一色的“更强了”。有人兴奋,有人挑刺,更有人直言:这不是模型升级,而是一次关于“AI该怎么用”的路线之争。更微妙的是,OpenAI、AI Agent 创业公司们,正在同一时间改写战场规则。
在大多数人还在纠结市场回撤、AI泡沫和融资寒冬时,Brad Gerstner已经把筹码推向更极端的方向。这期对话里,他谈SpaceX、谈“AI精神错乱”,也谈为什么真正的赢家会把地板抬高,而不是争夺天花板。