语音是输入,视觉才是答案:Karpathy一句话,揭开AI体验的真正战场
当所有人还在卷模型参数和基准测试时,Andrej Karpathy抛出了一个更“反直觉”的判断:人类最自然的输入是语音,但最想要的输出其实是视觉。Forestwalk Labs 的 Allen Pike 用真实产品经验证明,这不是一句口号,而是一条正在重塑 AI 产品形态的路线。
当所有人还在卷模型参数和基准测试时,Andrej Karpathy抛出了一个更“反直觉”的判断:人类最自然的输入是语音,但最想要的输出其实是视觉。Forestwalk Labs 的 Allen Pike 用真实产品经验证明,这不是一句口号,而是一条正在重塑 AI 产品形态的路线。
如果我告诉你,一家服务30个客户、交付50多个研究项目的B2B公司,居然没有客服、几乎不写工单、周末还能自动跑项目,你大概率会觉得是PPT创业。但Verso已经这么干了,而且他们的“公司本身”,就是一个不睡觉的AI Agent。
当整个投资圈都在回避消费级产品时,Zynga创始人Mark Pincus却在YC抛出一个反直觉判断:消费者不“可投”,但正是最该去建的时候。更大的AI机会、被低估的产品信号、以及只有创始人才能启动的Founder Mode,这次对话信息密度极高。
大多数AI Agent演示看起来很美,但真正每天用的人不多。Peter Yang这支45分钟的Hermes完整课程,罕见地把一个“能长期用、不爱崩”的AI参谋,从零搭到可24/7运转。更重要的是,它暴露了一个反直觉事实:AI Agent的核心竞争力,早就不是模型有多强,而是能不能稳定地活在你的日常里。
大多数人还在纠结提示词怎么写,真正的变化已经发生:AI Agent 正在变成会“自己干活”的数字员工。从模型能力、技能自组装,到能直接操控你的电脑,这9个趋势决定了谁会被时代推着走,谁会被甩下车。
如果你还把语音AI理解为“转文字+播报”,那这场分享会让你彻底落伍。Google DeepMind展示的Gemini音频栈,把转写、理解、生成、甚至音乐,压缩进一次API调用里——语音第一次像代码一样被“整体编排”。
当所有人都在喊“SaaS 要被 AI 干掉了”,Figma 的 Matt Colyer 却说:这不是末日,而是开发者和产品人的淘金时代。AI Agent、语音、自动化正在重塑软件边界,但真正的机会,藏在多数人忽略的细节里。
如果有一天,你在博物馆里拍下一尊雕像,30秒后它给你打来电话,这不是科幻,而是 ElevenLabs 的一次真实实验。Joe Reeve 用一个“和雕像聊天”的小应用,讲清了当下语音 AI、Agent 和多模态体验中最被低估、也最关键的变化。
当所有人都在追逐更大的模型时,Together AI 的工程师却抛出一个反直觉结论:语音 AI 的成败,取决于工程细节,而不是模型能力。这场分享把“好用的语音 Agent”为何如此之难,说得异常直白。
当大多数机器人还停留在“展示橱窗”里,Hugging Face 却丢出一个反直觉的产品:300美元、开源、专门给你拆来改的机器人 Reachy Mini。这场分享不只是秀硬件,而是在重新回答一个问题——为什么今天的 AI 这么强,机器人却还这么“陌生”?