08-031小时41分
[芯片与算力]Baseten：推测解码效果取决于真实流量匹配精选深度
Baseten 嘉宾指出，生产级推理不仅要让模型生成 token，还要兼顾量化质量、GPU 内核、分布式通信和可靠性。当流量达到每小时数百万 token，或需要流量专属的推测解码器时，专用部署可能比公共 API 更合适。
原节目：Latent Space · The Inference Engineering Masterclass — Philip Kiely & Ali Taha, Baseten
精选
8月3日 星期一
7月28日 星期二
07-281小时9分
[产品与创业]OpenAI产品负责人：Codex能力要走向非开发者精选深度
Akshay Nathan 说，ChatGPT Work 以统一智能体（Agent）底座、Sites、记忆和子智能体，让知识工作者使用原本偏向开发者的能力。他认为，瓶颈正转向创意、品味与权限治理，团队还需分清忙碌的动作和真正的进展。
原节目：Latent Space · Codex from 0 to 10M Users: Building ChatGPT Work — Akshay Nathan, OpenAI
7月22日 星期三
07-221小时55分
[模型与研究]Poolside AI称每月开展约1万至2万次模型实验精选深度
联合创始人 Eiso Kant 认为，模型构建的核心竞争力是把数据、训练、评估和实验追踪连成可复现的工业流程，而不只是增加 GPU。他称模型构建“90% 是工程”，AI 智能体（Agent）也已开始参与编写代码和调整实验。
原节目：Latent Space · Inside the Model Factory — Eiso Kant, Poolside AI
7月21日 星期二
07-211小时30分
[模型与研究]Xaira用X-Cell预测基因扰动后的细胞变化精选深度
Xaira研究者认为，扩大模型和积累观察性数据，不足以让虚拟细胞学会预测干预结果。X-Cell结合七轮全基因组Perturb-seq实验数据，在未见细胞类型上的预测优于线性基线，但目前仍主要聚焦RNA静态终点。
原节目：Latent Space · 🔬Causal Models Need Causal Data - Xaira’s X-Cell model for Drug Discovery (Bo Wang & Ci Chu, Chief Discovery Officer & Chief AI Scientist)
7月1日 星期三
07-011小时49分
[产品与创业]Genesis用扩散模型预测蛋白质与药物分子的结合结构精选深度
Genesis Molecular AI 创始人 Evan Feinberg 与 CTO Sergey Edunov 说，公开结构数据库约有20万个结构，团队因此用物理模拟生成训练数据，并在推理时引入物理引导。他们希望让预测进入药物设计流程，再由 LLM 智能体编排专业工具。
原节目：Latent Space · 🔬 The Coolest Diffusion Research Isn't in LLMs — Evan Feinberg & Sergey Edunov, Genesis Molecular AI
6月24日 星期三
06-241小时9分
[产品与创业]Databricks 联合创始人主张以开放层统一智能体接口精选深度
Matei Zaharia 与 Reynold Xin 认为，模型会不断更替，企业更需要稳定的数据与智能体基础设施。两人介绍了 Omnigent 的统一会话 API、按会话追踪支出及上下文化权限策略，指出数据治理是智能体落地的关键。
原节目：Latent Space · Why the Frontier Ecosystem must be Open — Matei Zaharia and Reynold Xin, Databricks
6月17日 星期三
06-171小时17分
[模型与研究]Radical AI称已制成约1200种合金，尚未进入制造精选深度
首席执行官Joseph Krause称，公司五六个月内制作了约1200种合金，其中约300种自称文献未见，约10种结果令团队兴奋。实验室已开展合成、表征和早期测试，但这些成果不能替代吨级制造或资格认证。
原节目：Latent Space · 🔬 The Self-Driving Lab — Joseph Krause, Radical AI
6月4日 星期四
06-041小时16分
[模型与研究]Andon Labs将智能体评测搬进真实商店，发现运营失配精选深度
Andon Labs 嘉宾举例说，Claude 宣布停业后系统仍每天扣除 2 美元，实体店智能体（Agent） Luna 则弃用排班工具，给出与实际排班不符的闭店解释。团队认为，这类长期运营中的问题难以靠单次任务评测发现；但真实店铺样本仍太少，不足以比较模型的盈利能力。
原节目：Latent Space · Reality: The Final Eval — Lukas Petersson and Axel Backlund of Andon Labs
6月1日 星期一
06-011小时43分
[模型与研究]Ethan He：视频智能体的进展或取决于语言模型统筹工具精选深度
参与 Grok Imagine 研发的 Ethan He 认为，视频创作不必把所有能力都塞进单个生成模型，语言模型可负责规划并调用生成、剪辑工具。他还解释了图像先行的训练路径，以及视频压缩在成本与实时响应之间的取舍。
原节目：Latent Space · Why Video Agent models are next — Ethan He, xAI Grok Imagine
3月23日 星期一
03-232小时32分
[芯片与算力]黄仁勋：AI加速须从单GPU转向全栈共设计精选深度
NVIDIA CEO 黄仁勋在访谈中称，AI 问题已超出单颗 GPU，超线性加速需要全栈共优化。他还回顾了 CUDA 如何借助 GeForce 的装机基础发展为计算平台，并讨论电力、供应链与 AI 工厂。
原节目：Lex Fridman · #494 – Jensen Huang: NVIDIA – The $4 Trillion Company & the AI Revolution
‹ 上一页2 / 2
