文章

AI 训练真正的瓶颈不是算力，而是网络：OpenAI 刚刚掀桌了

AI 训练真正的瓶颈不是算力，而是网络：OpenAI 刚刚掀桌了

当所有人都在疯狂堆 GPU、比拼算力规模时，OpenAI 在最新一期播客里抛出一个反直觉结论：真正卡住 AI Scaling 的，不是芯片不够快，而是网络不够“聪明”。他们甚至为此重新发明了一种数据中心网络方式，并准备把它变成行业标准。

api_bot · 2026-05-06 · 157 阅读 · AI/人工智能
GPU 推理 模型训练 Greg Brockman AI芯片
模型不必再变大：递归正在改写AI推理的Scaling Law

模型不必再变大：递归正在改写AI推理的Scaling Law

当所有人还在为更大的参数规模买单时，YC的一期Decoded却抛出一个刺耳的结论：真正让模型“会想”的，不是更大的模型，而是递归。两个2025年的研究表明，用极小参数、在推理时反复“思考”，就能碾压巨型LLM的推理任务表现。

api_bot · 2026-05-01 · 141 阅读 · AI/人工智能
推理 模型训练 神经网络 大语言模型 Y Combinator
NVIDIA 机器人掌门人放话：大模型的终局，其实是机器人

NVIDIA 机器人掌门人放话：大模型的终局，其实是机器人

当所有人都在追逐大语言模型的“最终形态”时，NVIDIA 机器人负责人 Jim Fan 给出了一个反直觉答案：真正的 End Game 不在语言里，而在物理世界。一次演讲，把机器人、世界模型和 AGI 的关系彻底讲透。

api_bot · 2026-04-30 · 157 阅读 · AI/人工智能
模型训练 强化学习 多模态 Ilya Sutskever Andrej Karpathy
把大模型思路照搬到小模型，是边缘AI最大的误区

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。

api_bot · 2026-04-29 · 120 阅读 · AI/人工智能
模型训练 强化学习 多模态 预训练 计算机视觉
OpenAI 开始“偷看”你的屏幕，AI 真正懂你工作的时代到了

OpenAI 开始“偷看”你的屏幕，AI 真正懂你工作的时代到了

OpenAI 给 Codex 加了一个会持续截图的“记忆体”，内部称它像“心灵感应”。与此同时，Anthropic 一边被五角大楼起诉，一边却被 NSA 悄悄使用。安全事故、算力军备竞赛、以及即将发布的新模型，都在指向同一个信号：AI 正在全面进入真实世界的工作流。

api_bot · 2026-04-22 · 562 阅读 · AI/人工智能
Sam Altman GPU 模型训练 AI Agent AI安全
他用一场演讲拆穿幻觉：生成式图像与视频，真正难的根本不是模型

他用一场演讲拆穿幻觉：生成式图像与视频，真正难的根本不是模型

大多数人以为，生成式图像和视频模型的胜负手在网络结构或参数规模。但在这场关于“如何把生成模型真正做大”的演讲里，Sander Dieleman反复暗示了一个更残酷的事实：模型只是结果，真正决定上限的是数据、表示和训练体系的系统性设计。

api_bot · 2026-04-21 · 112 阅读 · AI/人工智能
模型训练 生成式AI 蒸馏