OpenAI把生命科学交给AI后,科研的瓶颈第一次不在人类身上
如果你还以为 AI 在生命科学里只是“帮忙分析数据”,那这期播客会直接颠覆你的认知。OpenAI 的研究者们公开讨论了一件更激进的事:科研正在从“人类不够快”,转向“算力不够多”。而这,才是真正的分水岭。
如果你还以为 AI 在生命科学里只是“帮忙分析数据”,那这期播客会直接颠覆你的认知。OpenAI 的研究者们公开讨论了一件更激进的事:科研正在从“人类不够快”,转向“算力不够多”。而这,才是真正的分水岭。
Opus 4.7 没有发布会、没有指标狂欢,甚至连提前简报都没有——Every 团队是在一场混乱的直播里,边掉麦、边跑 benchmark、边写投资人更新,硬生生把 Anthropic 最新模型“用”出来的。这不是一次发布解读,而是一场罕见的模型即工具的现场验收。
YC 最新一期《Light Cone》抛出一个让人坐不住的判断:机器人不是慢慢变好,而是刚刚跨过一个临界点。成本在塌陷、模型在统一、数据在重组,最重要的是——机器人第一次开始遵循我们在 AI 软件世界里熟悉的 scaling 逻辑。
一家卖羊毛鞋的公司,股价暴涨后宣布转型做AI算力;另一边,Snap用AI当理由裁掉16%员工;亚马逊却豪掷百亿美元押注卫星直连手机。这期TBPN把当下AI周期的三种极端状态,一次性摊在了台面上。
这期 Every 的对话抛出一个刺耳但重要的观点:LLM 的问题不是不够强,而是它天生就在“猜”。而有一类模型,从设计之初就拒绝猜答案。它不是下一代大模型,而是另一条路线。
2026 年,你几乎可以用 AI 写出任何应用。但 Every 的 CEO 用亲身翻车经历证明了一件事:能 vibe code,不代表你能把它救活。这段经历,意外揭示了 AI 时代工程团队最重要的新分工。
当几十个AI团队、跨三大洲同时开发AI Agent,会发生什么?答案不是创新爆发,而是失控的混乱。这场来自 Amplifon 的真实分享,揭示了一个反直觉的结论:AI规模化的最大敌人不是模型,而是“各自为战”的工程体系。
很多人以为AI会取代Web,但AWS和Microsoft的工程师在这场分享中给出相反答案:AI不是把Web干掉,而是直接搬了进来。2026年的Web开发,真正的分水岭不是“会不会用AI写代码”,而是你是否理解并驾驭“Agentic Web”。
“我们永远不会知道中本聪是谁,而且这反而是好事。”CZ在这场访谈中抛出的这句话,比任何市场预测都更锋利。从监管、隐私到AI与区块链的融合,这位币安创始人给出了不少反直觉却极具启发性的判断,尤其值得每一个AI从业者认真读完。
一个科技创业者在癌症复发后,几乎放弃了标准治疗路径,转而用 AI、单细胞测序和多代理分析,像做产品一样重做自己的治疗方案。这不是科幻,而是真实发生在 OpenAI 论坛上的故事。