当AI应用真正规模化,推理正在走向一条全新的“扩展定律”
Fireworks 的 Lynn 在这场分享中提出一个少被讨论却极其关键的判断:AI 应用能否做大,瓶颈早已不在模型本身,而在推理阶段的系统性优化。她从应用开发者视角出发,讲清了未来推理扩展的三维定律,以及为什么推理必须与后训练协同设计,才能把成本压到 10 倍甚至 100 倍以下。
Fireworks 的 Lynn 在这场分享中提出一个少被讨论却极其关键的判断:AI 应用能否做大,瓶颈早已不在模型本身,而在推理阶段的系统性优化。她从应用开发者视角出发,讲清了未来推理扩展的三维定律,以及为什么推理必须与后训练协同设计,才能把成本压到 10 倍甚至 100 倍以下。
Isa Fulford首次系统讲述了OpenAI Deep Research的诞生过程:从一个“临时拼出来”的Demo,到基于强化学习和工具训练的研究型AI Agent。它揭示了OpenAI如何把推理模型真正带入现实世界任务。
OpenAI研究员Dan Roberts用一次极具想象力的演讲,解释了为什么“推理”正在成为AI下一阶段的核心扩展维度。从test-time compute到强化学习主导训练,再到“9年内发现广义相对论”的大胆预测,这场分享揭示了通往AGI的一条非共识路径。
这是一场关于终极野心的对话:从强化学习到多模态模型,Max Jaderberg讲述Isomorphic Labs如何在AlphaFold之后,试图把AI真正变成药物设计的通用引擎。
这期No Priors播客首次系统讲述了OpenAI Deep Research的起源与设计取舍:为什么不把Agent做成“点按钮的机器人”,而是优先解决信息综合?以及强化学习如何在真实产品中学会规划、搜索与自我约束。
最新研究显示,AI Agent 能独立完成的任务复杂度,正在以远超预期的速度提升。从“每7个月翻倍”到“每4个月翻倍”,时间尺度的急剧压缩,可能意味着一场由 AI 自我加速引发的历史性拐点正在逼近。
OpenAI 发布的 o3 与 o4 Mini 并非又一次例行升级,而是一次“体验层级”的跃迁。从能把图像纳入推理,到在工具使用和反幻觉上出现突破,这期 AI Daily Brief 给出了多个真实案例,解释为什么很多一线用户觉得:这次真的不一样。
Mercor CEO Brendan Foody 讲述了一家由辍学者创立的公司,如何在短短两年内成为顶级 AI 实验室的人才基础设施。核心不只是“用 AI 招聘”,而是通过评估系统、强化学习和数据飞轮,重塑模型训练的数据来源,以及未来知识工作的价值分布。
Brightwave创始人Mike Conover从金融尽调一线的“人肉地狱”出发,讲述为什么金融AI Agent必须以“可验证”为核心设计原则,以及为何聊天式交互远不足以承载高风险金融决策。
这期与 Latent Space 的对谈,复盘了过去一年 AI 领域最反直觉的变化:开源是否真的追上了?为什么低代码没能吃下 AI builder 市场?以及真正出现 PMF 的,其实是那些看似“只是包装”的应用。