o1 不是更快的 GPT-4,而是第一次真正“会思考”的模型
OpenAI 悄悄放出的 o1,并不是参数更大的新模型,却让整个 AI 圈开始重新讨论“推理”这件事。它更慢、更犹豫,甚至在很多基础任务上不占优势,但它做对了一件以前模型几乎做不好的事:在回答之前,真的想了一会儿。
OpenAI 悄悄放出的 o1,并不是参数更大的新模型,却让整个 AI 圈开始重新讨论“推理”这件事。它更慢、更犹豫,甚至在很多基础任务上不占优势,但它做对了一件以前模型几乎做不好的事:在回答之前,真的想了一会儿。
别再争论“企业到底用没用 AI 了”。这一次,不是问卷、不是采访,而是数十亿美元的真实公司支出数据:AI,已经成了企业里增长最快的一项费用,而且正在从试水,变成长期绑定。
Fireworks 创始人兼 CEO 林乔,曾主导 Meta 内部 PyTorch 的核心工作。她在这次访谈中回顾了一个“以为只要 6 个月、结果做了 5 年”的工程教训,并由此提出一个极具冲击力的使命:把 AI 产品的落地周期,从 5 年压缩到 5 周,甚至 5 天。
Google DeepMind研究副总裁Oriol Vinyals在播客中,回顾了Gemini诞生背后的组织变革,也直面当前大模型的关键限制。他给出的不是营销式愿景,而是关于上下文、检索、强化学习与搜索未来的第一手判断。
同一周,三家巨头给了AI行业三种截然不同的答案:Meta把AI做成每个人的“分身”,苹果罕见公开模型细节,谷歌却因为一支广告被群嘲。这不是产品发布合集,而是一次关于AI该走向哪里的集体暴露。
在这一期No Priors播客中,主持人围绕高盛一份唱衰AI的报告展开激烈讨论,从模型规模、Transformer突破到市场竞争结构,逐条拆解“AI不值这么多钱”的核心假设。这不仅是一次技术辩论,更是一场关于产业变革如何真正发生的现实对照。
当所有人都在追逐更强模型时,Figma Config 2024 的台上却反复强调一件“反高潮”的事:AI 真正改变工作的,不是能力上限,而是接口、流程和设计取舍。这场关于生成式 AI 的对话,给出了比“多用 AI”更难得的答案。
在这期《Training Data》中,微软CTO凯文·斯科特系统讲述了他对AI规模定律、训练数据、成本曲线和产业节奏的判断。他认为,当下看似“昂贵、脆弱”的模型,会像过往每一代技术一样,在规模化中迅速变得更便宜、更稳定,并持续解锁更复杂的能力。
当Figma被指“复刻”苹果设计、紧急下架AI功能的同时,另一条更重磅的消息被很多人忽略了:苹果,正式进入OpenAI董事会会议室。不是投资,不是收购,而是一个极其微妙、但影响深远的位置。
当生成式 AI 遇上空间计算,设计不再发生在屏幕里,而是发生在你的身体周围。Bezi 联合创始人 Cecilia Uhr 在 Figma Config 抛出一个反直觉判断:未来最稀缺的不是 3D 技能,而是“为人类身体设计”的能力。这场演讲,正在重塑 AI 时代设计师的价值坐标。