AlphaGo 十年后再回看:真正改变 AI 走向的,不只是那一盘棋
2016 年那场 4:1 的胜利,表面是 AlphaGo 击败李世石,实际上却悄悄改写了整个 AI 研究范式。十年后,DeepMind 核心研究者回顾这次转折,揭示了一个更反直觉的事实:今天的大模型浪潮,很多关键思想都源自那次“下棋”。
2016 年那场 4:1 的胜利,表面是 AlphaGo 击败李世石,实际上却悄悄改写了整个 AI 研究范式。十年后,DeepMind 核心研究者回顾这次转折,揭示了一个更反直觉的事实:今天的大模型浪潮,很多关键思想都源自那次“下棋”。
如果你还在纠结谁会赢下大模型之战,这期 a16z 给了一个更冷静、也更残酷的答案:模型只是起点,真正拉开差距的是分发、上下文和平台锁定。从 ChatGPT、Claude、Gemini 的分化,到 Agent、语音、AI 浏览器的崛起,这份 Top 100 报告讲清了消费级 AI 下一阶段的胜负手。
如果你还把 AI Agent 当成“更聪明的聊天机器人”,那你已经落后了。Bret Taylor 在这场对话中抛出的核心观点是:AI Agent 将重写软件的定价方式、用户界面,甚至公司组织结构——而这件事发生得会比大多数人预期更快。
当所有人都在谈 AI 如何吞噬软件世界时,硅谷一群硬件创业者却抛出一个“冷水式”观点:在硬件领域,AI 再强,也绕不开物理。来自 Sequoia 的这场对话,揭示了为什么硬件正在重新变热,以及 AI 在这里真正能、不能做什么。
一个看似随手发布的周末项目,却被无数AI从业者盯上。Andrej Karpathy 用“自动研究(Auto Research)”展示了一种全新的工作原语:人不再推进研究,而是设计一个能自我进化的循环。这不是工具升级,而是工作方式的底层变化。
如果你以为这期 TBPN 只是聊油价,那你会错过真正的猛料:从“船只假装成中国船”躲避风险,到 AI 数据中心正在被能源成本反噬,再到 Sundar Pichai 的新薪酬方案背后隐藏的科技巨头困局——这是一集把宏观、能源和通用人工智能硬生生拧在一起的节目。
当油价因为霍尔木兹海峡而剧烈波动,AI从业者却在讨论递归自我改进、算力、电力和AGI时间线。这一期TBPN把看似无关的议题硬生生拧成一根主线:能源,正在成为AI真正的天花板。
当所有人都在盯着模型参数、GPU 集群和下一个突破时,TBPN 抛出了一个反直觉判断:真正可能拖慢 AGI 进程的,不是技术,而是战争、石油和宏观经济。一场伊朗相关的地缘冲突,如何通过能源与通胀,悄悄改变 AI 的加速曲线?
一个住在英国小镇的人,用一个叫 Larry 的 OpenClaw 代理,把原本最不确定的有机营销,变成了一台能自我迭代的机器。不是自动发帖那么简单,而是:内容失败—学习—再生成,全流程闭环。这条路,可能比你想的更危险,也更有效。
如果你还以为 Claude Code 只能写代码,那这条视频会让你改观:它已经开始直接参与“设计”了,而且不是画草图,而是生成可用的 Figma 方案。更反直觉的是,这套流程几乎不需要设计师传统的操作路径。