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。
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。
如果你还以为AI赛道的主角只有OpenAI,这条消息可能会让你愣住:Anthropic的年化收入已经冲到30亿美元,并在统计口径上反超OpenAI。更关键的是,这不是一次偶然爆发,而是一整套商业、算力和客户结构同时拐点的结果。
如果你还觉得大模型只能在云端跑,这场NVIDIA的实测会直接打脸:14B模型本地20 token/s,首token快3.4倍。更重要的不是跑得多大,而是开发者终于能在自己桌边,摸清真实的工程边界。
你可能以为,大语言模型变强靠的是更多数据、更大参数。但这场演讲抛出一个反直觉结论:真正的突破,来自让模型在强化学习环境里“自由游走”。从 OpenAI o1 到可验证的推理环境,LLM 训练正在换一套底层逻辑。
当所有人都在谈更强的模型、更自动的代理,AIE Europe Day 2 却用诗歌、摩擦和失败案例不断提醒:真正失控的不是 AI,而是工程师的判断力。这不是一场炫技大会,而是一场对“代理时代”的集体降温。
当全行业还在迷信更大的模型、更贵的算力时,NLP 教父 Chris Manning 却在这期播客里反复强调一件事:真正卡住 AI 的不是规模,而是“有没有结构化的世界模型”。Moonlake 的出现,正是对 Scaling Laws 的一次正面挑战。
一档看似“什么都聊”的节目,却在同一天把苹果50周年、SpaceX登月、AI推理、Snap生死局和潜在超级IPO串成了一条暗线:科技正在从“讲故事”阶段,进入“拼执行、拼现金流、拼算力”的硬核时代。这期TBPN,是AI从业者必须认真消化的一次信号汇总。
当市场在问“英伟达是不是到头了”,这场长访谈却给出一个反直觉答案:真正的增长引擎才刚启动。AI推理、Agent、上下文窗口、算力供给,这些被低估的变量,正在把英伟达推向一个更难被复制的位置。
如果你以为这期 TBPN 只是一次科技八卦拼盘,那你会错过三个正在重塑行业共识的信号:一家“声名狼藉”的顶级VC是否还有第二次机会;Sora为何从现象级产品迅速走向终局;以及SpaceX IPO 为什么可能成为AI时代最重要的金融事件之一。