从Fat Llama到Model ML:Agentic AI如何重塑华尔街金融工作流
本文讲述了Model ML两位连续创业者如何将AI Agent技术带入华尔街,改变金融行业的日常工作方式。通过真实创业故事与技术细节,揭示了AI在金融服务中的落地、团队文化、行业转型,以及创业者的独特洞见。
本文讲述了Model ML两位连续创业者如何将AI Agent技术带入华尔街,改变金融行业的日常工作方式。通过真实创业故事与技术细节,揭示了AI在金融服务中的落地、团队文化、行业转型,以及创业者的独特洞见。
ArtificialAnalysis 联合创始人 George Cameron 用真实基准数据揭示:AI 不只有“最强智能”这一条前沿。推理模型的高代价、开源权重的快速逼近、以及成本与速度的数量级差异,正在重塑我们构建 AI 应用的方式。
在这场AWS分享中,Mani Khanuja用“跳舞的椰子”作为隐喻,反复强调一个核心观点:生成式AI的差异化不在模型,而在数据。她系统拆解了不同AI应用的数据需求差异,并结合Amazon Bedrock,讲清楚如何在安全、合规的前提下,把数据真正变成企业的竞争优势。
在这场演讲中,Braintrust 的 Manu Goyal 用童年故事和自动驾驶的真实经历,解释了为什么“Eval”不是AI开发的附属品,而是决定模型能否安全、快速走向生产的核心基础设施。
OpenAI首期官方播客里,Sam Altman聊了育儿、GPT-5、AGI、Stargate和AI隐私。但真正震撼的不是某个时间点,而是他反复暗示:我们理解AI的方式,可能已经落后于它的进化速度。
在这期对话中,前OpenAI首席研究官Bob McGrew给出了一个耐人寻味的判断:实现AGI所需的关键技术突破,可能已经基本完成。真正的挑战,不在于再发明“新东西”,而在于如何把现有能力组合、打磨并落地。
在这期《No Priors》中,斯坦福HAI联合主任、World Labs创始人李飞飞回顾了自己从学术到创业的转折,并提出“空间智能”是当下AI体系中最被低估、却至关重要的一环。这不仅关乎机器人和世界模型,更决定了AI是否真正理解并行动于真实世界。
Peter Yang通过一系列真实演示,对ChatGPT、Claude和Gemini在2025年的核心能力进行了正面对比。这不是一场“谁最强”的评测,而是一份清晰的使用指南:在不同场景下,如何选到最合适、性价比最高、最省心的AI。
Alex Liss提出,用AI模拟“看不见的用户”,让设计从堆砌聊天机器人回归真正的用户需求发现。通过智能用户分身(intelligent twins)参与设计流程,团队可以在更快、更大规模下发现痛点,修复AI时代的信任危机。
Google最新发布的Gemini 2.5 Pro IO Edition在编程能力榜单上强势登顶,首次正面挑战长期被视为“AI编程首选”的Claude系列。与此同时,开源社区和本地视频生成模型也在悄然改变AI应用的成本与形态。