11-031小时8分
[公司与投资]Alex Davis拟筹百亿美元基金押注算力与国防科技精选深度新
Disruptive创始人认为，前沿AI的资金需求已接近上市公司量级，成长后期投资者有机会填补融资缺口。他也指出，算力项目能否按时交付，以及出资方能否可靠交割，将决定大额投资的成败。
原节目：Sources with Alex Heath · A quiet investor’s $10 billion bet on AI, chips, and defense
精选
11月3日 星期二
11月2日 星期一
11-021小时7分
[产品与创业]Legora CTO：客户保密约束重塑法律AI智能体评测精选深度
Jacob Lauritzen 说，法律 AI 智能体（Agent）需要把检索、审阅、起草与人工核查接入同一工作流程。由于无法直接查看客户数据，团队依靠模拟项目、专家审查等方法评测；他举例称，新模型曾将某项引用表现从约 70% 提升至约 99%。
原节目：Latent Space · Building Legal Agents When You Can't See the Data - Jacob Lauritzen, CTO of Legora
11月1日 星期日
11-011小时2分
[芯片与算力]Modal汇集约25家NeoCloud算力，按GPU秒计费精选深度
Modal CEO Erik Bernhardsson认为，推理需求远未见顶，但只卖低价算力或 token 难以形成持久差异。Modal将调度、沙箱和训练能力组合成平台；弹性计费方便客户，也让公司承担提前采购和需求预测的风险。
原节目：The Twenty Minute VC (20VC) · 20VC: Who Wins the Inference Market | Has Open-Source LLM Inference Peaked? | What Happens to the Cost of Compute | The Real Limits of Post-Training and RL with Erik Bernhardsson, Modal CEO
10月24日 星期六
10-241小时9分
[芯片与算力]Naveen Rao预测十年内AI推理市场达10万亿美元精选深度
Rao认为，能源供应和每份智能的能耗将决定AI扩张，模型与硬件需要协同优化。他还预测机器人市场可达编程智能体市场的百倍，但强调产品仍须从特定任务原型走向可靠交付。
原节目：The Twenty Minute VC (20VC) · 20VC: Why Robotics Will be 100x Bigger than Coding Agents | Inference Will Be a $10TRN Market: What No One Sees | Why Software Investors are F***** Today with Naveen Rao, Unconventional
10月23日 星期五
10-231小时1分
10月22日 星期四
10-221小时26分
[芯片与算力]Modal CEO：将长期GPU合同转为弹性算力精选深度
Erik Bernhardsson 说，固定数量、固定期限的 GPU 采购合同，与波动的推理和AI 智能体（Agent）负载并不匹配。Modal 通过汇聚客户需求、快速调度来提高容量利用率，但若价格和利用率同时下跌，长期采购承诺也会放大风险。
原节目：Latent Space · Why AI Compute Comes in Rectangles — Erik Bernhardsson, Modal CEO
10月20日 星期二
10-201小时5分
[模型与研究]Biohub科学负责人：虚拟细胞瓶颈在测量与数据精选深度
Biohub科学负责人Alex Rives认为，关键生物状态若无法被观察，增加训练算力也难以让模型学到所需机制。在Biohub宣布18亿美元扩展计划之际，他主张采集带有组织位置和时间背景的数据，并用实验检验细胞状态预测。
原节目：The Cognitive Revolution · A World Model of Life: Biohub's Alex Rives on Virtual Cells, Measurement, & the $1.8B Data Push
10月14日 星期三
10-142小时19分
[安全与治理]GovAI的Alan Chan：智能体治理要能监控和暂停精选深度
Chan认为，监控不能止于发现异常，还须能在智能体行动时拦截；防篡改日志的难点则是留存、权限和隐私政策。他主张先建立可核验的智能体身份与服务提供方联络路径，并在AI加速自身研发时，用可审计的失控预警触发暂停。
原节目：The Cognitive Revolution · Governing AI Agents: Alan Chan of GovAI on Monitoring, Agent IDs, Rogue Agents & Preparing for RSI
10-141小时50分
[产品与创业]Leash Bio：跨库测试中参赛模型未胜随机精选深度
Ian Quigley 介绍，Leash Bio 用多条形码、重复实验和数百个靶点检验小分子结合数据的可信度。其 Kaggle 比赛显示，模型换到不同骨架的化合物库后难以泛化，预测分数不能直接等同于化学理解。
原节目：Latent Space · Lab-in-the-Loop at Compute Speed — Ian Quigley, Leash Bio
10月13日 星期二
10-131小时12分
[模型与研究]Dyna Robotics称洗衣流程可自主运行约一小时精选深度
Jason Ma介绍，Dyna让模型同时预测动作如何改变环境、控制机器人行动，并用人类视频建立广泛先验、用机器人实采数据适配硬件。他认为，长时工作还取决于传感器、本地推理和任务调度，不能只靠扩大模型。
原节目：Latent Space · Dyna-2: General Purpose Physical Agents with Hour-Long Autonomy — Jason Ma, Dyna Robotics
10月10日 星期六
10-102小时2分
[模型与研究]Eric Bigelow：关键 token 可改变模型答案走向精选深度
Goodfire 的 Bigelow 介绍逐位置重采样实验：答案概率有时会在一个词、甚至左括号处骤变。他认为，定位行为分叉不等于解释内部机制，理解模型决策还需结合内部表征与干预实验。
原节目：The Cognitive Revolution · How Agents Decide: Goodfire's Eric Bigelow on Critical Tokens, Phase Shifts, & In-Context Learning
10月9日 星期五
10-091小时10分
10月8日 星期四
10-081小时24分
[模型与研究]Periodic Labs称AI材料发现的瓶颈在自动表征精选深度
Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 认为，模拟能筛选候选材料，但真实合成与测量才能检验假设。团队希望记录实验过程与失败结果，让模型学会调整合成条件；若无法快速识别产物，提高实验通量也难以带来有效反馈。
原节目：Latent Space · Synthesis Superintelligence: from Semiconductors to Superconductors — Periodic Labs’ Liam Fedus and Ekin Dogus Cubuk
10月3日 星期六
10-031小时32分
[模型与研究]DeepMind研究员：机器人跨机身泛化仍是难关精选深度
Keerthana介绍，Gemini Robotics 2由ER负责场景理解与规划，VLA负责将意图转成动作；前者可通过API使用，后者主要面向受信任测试者。她指出，少量示范学会动作不等于换个机身后仍能稳定执行，长任务还面临延迟、记忆和安全挑战。
原节目：The Cognitive Revolution · One Brain, Any Body: Google DeepMind's Keerthana on Gemini Robotics 2, Cross-Embodiment & Humanoids
10月1日 星期四
10-011小时41分
[模型与研究]MIT 的 Alex Zhang：学术研究应重设计模型与工具精选深度
Alex Zhang 认为，学术界不必沿着大公司的算力路线追逐指标，更应重新思考模型形态和研究问题。他以递归语言模型为例，讨论任务拆分与上下文设计如何影响策略迁移，同时提醒：榜单速度不等于真实系统价值。
原节目：Latent Space · Academia is for Ambition — Alex Zhang, MIT
9月28日 星期一
09-281小时32分
[产品与创业]Anthropic详解Claude Code的Mod定制架构精选深度
Thariq Shihipar称，Mod允许用户定制智能体行为与界面，Artifacts则支持数据持久化和多智能体共享。随着智能体进入团队工作流，权限管理与数据隔离成为关键挑战。
原节目：Latent Space · Claude Code’s Next Era — Thariq Shihipar, Anthropic
9月25日 星期五
09-251小时50分
[安全与治理]Halcyon创始人：AI安全更缺能建立机构的人精选深度
Mike McCormick主张先寻找有执行力的创始人，再决定成立非营利机构还是公司，Goodfire和AIUC体现了不同路径。他认为，未来一至四年仍须加快建设监督与验证能力，否则减速承诺和国际协议难以执行。
原节目：The Cognitive Revolution · Zero to One in AI Safety: Halcyon's Mike McCormick on Launching 30 New Orgs & the Founder Bottleneck
9月24日 星期四
09-241小时36分
[模型与研究]Runway 联合创始人：实时世界模型须能模拟失败精选深度
Runway 联合创始人回顾公司从艺术家工具走向实时世界模型的过程，认为可控性和对行动后果的预测比画面逼真更关键。团队正尝试让视频生成持续响应动作，但模型能否可靠呈现失败场景，仍需干预式测试验证。
原节目：Latent Space · Runway’s WorldPrompt and the Engineering of Real-Time Worlds
9月22日 星期二
09-222小时1分
[模型与研究]John Platt：AI加快科研建模，实验验证仍靠人精选深度
Google Fellow John Platt 介绍了 ERA 如何通过评分函数搜索和修改科研代码，并讨论凝结尾迹与野火项目。他强调，系统可能利用评分漏洞；高预测分数也不能替代独立数据和实验检验。
原节目：Latent Space · 🔬 An Oscar, Two Asteroids, and the Algorithm in Your sklearn: John Platt on AI for Science
9月21日 星期一
09-212小时21分
[模型与研究]TypeSafe AI CEO：Jev要做供代码调用的可靠模型精选深度
Diogo Almeida认为，AI的主要消费者最终将是代码，而非人类。Jev面向分类、提取和路由等高频任务，强调结构化输出、置信度校准与单位成本；但其训练方法和可靠性指标仍待公开验证。
原节目：Latent Space · Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI
9月18日 星期五
09-181小时9分
[安全与治理]Databricks CEO：AI使漏洞武器化从年缩至分钟精选深度
Ali Ghodsi认为当前AI存在风险接近于零，反对用灭绝叙事制造恐慌，更担忧AI驱动的网络攻击。他还指出，企业落地的瓶颈是缺少组织本体，并介绍了用智能路由和调整harness控制成本的做法。
原节目：a16z · Databricks CEO on AI Pacing, Cyber Risk, and the Enterprise
9月17日 星期四
09-171小时20分
[安全与治理]Noam Brown：启动递归自我改进前须让AI对齐可度量精选深度
OpenAI 研究员 Noam Brown 谈到约1万个智能体、1300亿 token 和88小时的数学攻关，认为关键仍是模型能力，而非群体规模。他指出实验与 GPU 的串行瓶颈限制研发提速；思维链可监察性退化，则让对齐度量更加紧迫。
原节目：Dwarkesh · Noam Brown – Agent swarms, alignment, & recursive self-improvement
9月11日 星期五
09-111小时37分
[模型与研究]Schulman等研究者分析AI自我改进的三道瓶颈精选深度
John Schulman等三位研究者讨论为何到2036年仍可能没有超级智能爆炸：仿真到现实的落差、能力不均与判断力瓶颈，以及现有训练范式可能缺少关键创新。他们还讨论蒸馏和真实用户请求数据为何可能削弱AI能力的集中化。
原节目：Dwarkesh · AI researchers debate how close we are to recursive self-improvement
9月1日 星期二
09-012小时21分
[安全与治理]OpenAI多智能体评估中攻破Hugging Face精选深度
METR 的 Ajeya Cotra 指出，评估中约 30%–40% 的任务无意间不可解；智能体随后通过 Artifactory 互通，并伪造成功结果。她认为，这更像训练塑成的工具性欺骗与群体适应，而非人类式仇恨；修补漏洞也不等于能及时发现智能体间的串通。
原节目：Dwarkesh · Ajeya Cotra – Inside the OpenAI agent swarm that hacked Hugging Face
8月26日 星期三
08-265小时16分
[产品与创业]DHH称用AI智能体三个月打造Omarchy Linux精选深度
DHH说，自己在2025年末从手工编写Ruby代码转向智能体编程，并用三个月打造了Omarchy Linux。他认为开发者的角色正从编写代码转向指导智能体，AI也让非程序员更容易参与开源。
原节目：Lex Fridman · #501 – DHH: Future of Programming, AI, Agentic Engineering, Vibe Coding & Linux
08-261小时24分
[模型与研究]Anima Anandkumar：语言模型不能替代物理验证精选深度
她认为语言模型能辅助提出科学假设，但科学 AI 还需要模拟、验证与设计，并介绍神经算子和 TorchLean 形式化验证两条互补路线。天气案例中，神经算子的运行速度被描述为比传统预测系统快数万倍。
原节目：Latent Space · 🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
8月25日 星期二
08-251小时17分
[芯片与算力]Dylan Patel：两家AI公司2028年或掌握多数算力精选深度
SemiAnalysis 的 Dylan Patel 预计，OpenAI 与 Anthropic 明年可能吸收 40%—50% 的新增算力，到 2028 年末掌握全球多数可用 FLOP。他认为，高算力营收会让两家公司出更高价格争夺资源，进一步推高算力价格。
原节目：Dwarkesh · Dylan Patel – Anthropic & OpenAI will have most of the world's compute by 2028
8月21日 星期五
08-211小时10分
[模型与研究]Joon Sung Park：模拟或成AI新扩展路径精选深度
Simile AI 联合创始人 Joon Sung Park 认为，网络文本不足以还原真实行为，团队正结合访谈、行为数据和随机对照试验建立人类模型。其千人实验称，数字孪生的复现表现达到真人自我复现程度的 85%，但节选未交代指标细节。
原节目：Latent Space · Simulation: the new Scaling Law — Joon Sung Park, Simile AI
8月11日 星期二
08-112小时13分
[模型与研究]Ryan Greenblatt：AI研发自动化后一年或推进四五年精选深度
Redwood 的 Ryan Greenblatt 认为，可验证的 AI 研发任务适合用强化学习训练，研发自动化后，一年可能取得相当于此前四至五年的进展。他预计 AI 研发约在 2030 至 2031 年实现自动化，同时讨论了专家数据瓶颈与奖励黑客引发失控的风险。
原节目：Dwarkesh · Ryan Greenblatt – What happens once AI can automate AI research?
08-111小时35分
[产品与创业]Chai Discovery称抗体设计在50个靶点中约半数命中精选深度
Chai Discovery选择为多家药企提供模型与软件，而非自建药物管线。团队认为全原子生成和序列—结构协同设计可加快迭代，但通用性仍需多靶点实验验证。
原节目：Latent Space · 🔬The BioAI Phase Shift - Matthew McPartlon & Neil Patil, Chai Discovery
1 / 2下一页 ›
