KITE AI 中文
227 貼文
KITE AI 中文
達人認證+The First AI Payment Blockchain.
X: https://x.com/GoKiteAI
5 關注
19.9K+ 粉絲
1.5K+ 點讚數
貼文
全部
引用
影片
置頂
真實
AI 智能體正在從“回答問題”加速走向“執行任務”。當智能體真正開始幹活，最大的瓶頸會變成信任與結算：誰被授權行動、在什麼約束下執行，以及如何讓每一次行動都能完成端到端的結算與審計。
我們剛發佈了 Kite 主網路線圖，圍繞六大支柱系統闡述我們正在構建的關鍵能力，包括 Agentic Trust、Agentic Settlement、SmartDev Infra、Network Operations、AgenticFi 以及 Ecosystem Growth。
歡迎閱讀全文：https://x.com/GoKiteAI/status/2016159368048521441?s=20
我們剛發佈了 Kite 主網路線圖，圍繞六大支柱系統闡述我們正在構建的關鍵能力，包括 Agentic Trust、Agentic Settlement、SmartDev Infra、Network Operations、AgenticFi 以及 Ecosystem Growth。
歡迎閱讀全文：https://x.com/GoKiteAI/status/2016159368048521441?s=20
真實
Agent 經濟需要的不只是更聰明的模型。
Kite 將以贊助商身份參與 EastPoint:Seoul 2026。Kite CMO Cindy Shi 將探討：自主 AI Agent 如何從智能走向真實的經濟行動。
活動由 Hashed、BloomingBit 和 한국경제신문 共同主辦，匯聚數字資產與 AI 領域。🪁
Resource: https://x.com/KiteAIChinese/status/2072986812562501759
Resource: https://x.com/KiteAIChinese/status/2092159233198608539
Kite 將以贊助商身份參與 EastPoint:Seoul 2026。Kite CMO Cindy Shi 將探討：自主 AI Agent 如何從智能走向真實的經濟行動。
活動由 Hashed、BloomingBit 和 한국경제신문 共同主辦，匯聚數字資產與 AI 領域。🪁
Resource: https://x.com/KiteAIChinese/status/2072986812562501759
Resource: https://x.com/KiteAIChinese/status/2092159233198608539
真實
自主 Agent 不只需要模型，還需要可驗證的身份、明確的授權範圍，以及隨任務調整的推理能力。
我們將在新加坡 TOKEN2049 期間舉辦的 0xJeff gm AI v2 上，分享 Kite 如何構建可驗證的 Agent 身份與自適應推理能力。
現場見。🪁
Resource: https://x.com/KiteAIChinese/status/2091914085520847340
我們將在新加坡 TOKEN2049 期間舉辦的 0xJeff gm AI v2 上，分享 Kite 如何構建可驗證的 Agent 身份與自適應推理能力。
現場見。🪁
Resource: https://x.com/KiteAIChinese/status/2091914085520847340
社交媒體的生意是讓你一直刷下去，大語言模型的立身之本卻是給出誠實的答案。這個根本差別，可能會重塑人們獲取政治信息的方式。
這篇 AI on Air 精選切片摘自 The All-In Podcast 欄目近期的節目。主要講話人是 Mark Cuban，億萬富翁企業家、前 Shark Tank 投資人。
▷ 大語言模型必須盡力追求真相，因爲用戶一旦發現它撒謊就會失去信任；而社交媒體的籌碼是讓你保持在線，兩者的目標完全不同。
▷ 他認爲，當人們的政治立場越來越固化，反而會越來越多地去問大語言模型「我該投給誰」。模型不會直接給答案，而是先了解你關心什麼，再給出誠實的迴應，比如一套合理移民政策應該長什麼樣。
▷ 他自己現在最愛做的「惡作劇」是：政客在網上發表言論後，他讓 AI 儘可能客觀、基於事實地核查這些說法並直接回復。他希望追求真相的大語言模型能幫人們擺脫算法投喂的信息。 🪁
這篇 AI on Air 精選切片摘自 The All-In Podcast 欄目近期的節目。主要講話人是 Mark Cuban，億萬富翁企業家、前 Shark Tank 投資人。
▷ 大語言模型必須盡力追求真相，因爲用戶一旦發現它撒謊就會失去信任；而社交媒體的籌碼是讓你保持在線，兩者的目標完全不同。
▷ 他認爲，當人們的政治立場越來越固化，反而會越來越多地去問大語言模型「我該投給誰」。模型不會直接給答案，而是先了解你關心什麼，再給出誠實的迴應，比如一套合理移民政策應該長什麼樣。
▷ 他自己現在最愛做的「惡作劇」是：政客在網上發表言論後，他讓 AI 儘可能客觀、基於事實地核查這些說法並直接回復。他希望追求真相的大語言模型能幫人們擺脫算法投喂的信息。 🪁
判斷提示注入是否真有風險，不看模型聰不聰明，而看三個條件是否同時湊齊。
這篇 AI on Air 精選切片摘自 Latent.Space 欄目近期的節目，主要講話人是 Zico Kolter，OpenAI 基金會董事、CMU 機器學習系主任、Gray Swan AI 聯合創始人。
▷ 第一，智能體必須會讀取來自不可信第三方的外部數據；只在可信環境裏運行，別人很難把惡意指令塞進來。
▷ 第二，它還得能接觸到值得偷走的內部敏感信息；如果只是解析數據、生成文本，壞結果沒有落點。
▷ 第三，它必須能把這些信息發出去，或因此造成實際損害；三者疊加，風險才成立。
他的結論很剋制：像軟件漏洞一樣，AI 也可以在仍有漏洞時被有效使用，追求徹底證明無風險像追求零缺陷軟件，短期內並不現實。🪁
這篇 AI on Air 精選切片摘自 Latent.Space 欄目近期的節目，主要講話人是 Zico Kolter，OpenAI 基金會董事、CMU 機器學習系主任、Gray Swan AI 聯合創始人。
▷ 第一，智能體必須會讀取來自不可信第三方的外部數據；只在可信環境裏運行，別人很難把惡意指令塞進來。
▷ 第二，它還得能接觸到值得偷走的內部敏感信息；如果只是解析數據、生成文本，壞結果沒有落點。
▷ 第三，它必須能把這些信息發出去，或因此造成實際損害；三者疊加，風險才成立。
他的結論很剋制：像軟件漏洞一樣，AI 也可以在仍有漏洞時被有效使用，追求徹底證明無風險像追求零缺陷軟件，短期內並不現實。🪁
預測 AI 會取代哪些工作，常常先把工作壓縮成能打分的東西，再把世界假設成不會繞道變化。
這段 AI on Air 精選切片摘自 Redpoint 欄目近期的節目。主要講話人是 Benedict Evans，前 a16z 合夥人、科技行業知名分析師。他認爲，討論自動化對就業的影響當然重要，但把崗位拆成任務覆蓋率來排序，基本是在製造確定性的錯覺。
▷ 拿「新模型能完成一年級律師助理 93% 的工作」這種說法來說，前提是你既能精確測量助理在做什麼，也能精確測量模型會不會做，而這兩者都不成立。
▷ 真正的衝擊常來自分析表外：互聯網未必改變記者怎麼寫稿，卻摧毀了地方廣告生意；做手機的人天天談定位，也沒人提前畫出 Uber 和 Airbnb 的機會。
▷ 所以回測那些「這個崗位暴露多少、那個崗位暴露多少」的圖表，就像物理學家先假設馬是完美球體再預測賽馬：一旦把現實定義成你能算的東西，你算出的已經不是現實。🪁
這段 AI on Air 精選切片摘自 Redpoint 欄目近期的節目。主要講話人是 Benedict Evans，前 a16z 合夥人、科技行業知名分析師。他認爲，討論自動化對就業的影響當然重要，但把崗位拆成任務覆蓋率來排序，基本是在製造確定性的錯覺。
▷ 拿「新模型能完成一年級律師助理 93% 的工作」這種說法來說，前提是你既能精確測量助理在做什麼，也能精確測量模型會不會做，而這兩者都不成立。
▷ 真正的衝擊常來自分析表外：互聯網未必改變記者怎麼寫稿，卻摧毀了地方廣告生意；做手機的人天天談定位，也沒人提前畫出 Uber 和 Airbnb 的機會。
▷ 所以回測那些「這個崗位暴露多少、那個崗位暴露多少」的圖表，就像物理學家先假設馬是完美球體再預測賽馬：一旦把現實定義成你能算的東西，你算出的已經不是現實。🪁
過去兩週，AI Agent 產業鏈多個環節迎來重要進展，從開放模型到企業級基礎設施與安全治理。以下是 AI Agents Pulse 最新動態：
▷ AMD 收購 Taalas，將神經網絡架構直接嵌入硅片技術納入加速器路線圖 https://the-decoder.com/amd-acquires-taalas-a-startup-that-bakes-ai-models-directly-into-silicon
▷ DeepSeek 發佈 MIT 許可的 Agent 工具 DeepSeek Harness v0.1，支持運行恢復與回放 https://the-decoder.com/deepseek-launches-an-improved-v4-pro-model-raises-api-prices-and-makes-its-agent-software-open-source/
▷ Qwen 開源 Qwen3.8 系列模型，270億參數多模態模型提升 Agent 任務能力 https://the-decoder.com/alibabas-qwen-team-releases-qwen-3-8-models-with-open-weights-under-the-apache-2-0-license/
▷ Meta 推出 PC 端開源模型 Muse Glimmer，開發者版 Muse Spark 1.2 即將發佈 https://apnews.com/article/meta-ai-mark-zuckerberg-artificial-intelligence-df8a4e7d7825470d09e8090367457c2c
▷ Databricks 完成50億融資，重點投入 Lakebase 數據庫與 Genie 業務 Agent https://www.cnbc.com/2026/08/13/databricks-funding-round-190-billion-valuation.html
▷ Stripe 擬70億收購 OpenRouter 強化 AI 支付能力 https://techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b/
▷ NVIDIA 推動 SAFE 指南制定，將 Agent 安全事件轉化爲共享防護機制 https://blogs.nvidia.com/blog/open-secure-ai-alliance-contributions/
▷ OpenAI 推出網絡安全專用模型 GPT-5.6-Cyber https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows
▷ Google AMIE 實現模擬臨牀視頻問診，向實時應用邁進 https://blog.google/innovation-and-ai/models-and-research/google-research/amie-video-consultations
🪁
▷ AMD 收購 Taalas，將神經網絡架構直接嵌入硅片技術納入加速器路線圖 https://the-decoder.com/amd-acquires-taalas-a-startup-that-bakes-ai-models-directly-into-silicon
▷ DeepSeek 發佈 MIT 許可的 Agent 工具 DeepSeek Harness v0.1，支持運行恢復與回放 https://the-decoder.com/deepseek-launches-an-improved-v4-pro-model-raises-api-prices-and-makes-its-agent-software-open-source/
▷ Qwen 開源 Qwen3.8 系列模型，270億參數多模態模型提升 Agent 任務能力 https://the-decoder.com/alibabas-qwen-team-releases-qwen-3-8-models-with-open-weights-under-the-apache-2-0-license/
▷ Meta 推出 PC 端開源模型 Muse Glimmer，開發者版 Muse Spark 1.2 即將發佈 https://apnews.com/article/meta-ai-mark-zuckerberg-artificial-intelligence-df8a4e7d7825470d09e8090367457c2c
▷ Databricks 完成50億融資，重點投入 Lakebase 數據庫與 Genie 業務 Agent https://www.cnbc.com/2026/08/13/databricks-funding-round-190-billion-valuation.html
▷ Stripe 擬70億收購 OpenRouter 強化 AI 支付能力 https://techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b/
▷ NVIDIA 推動 SAFE 指南制定，將 Agent 安全事件轉化爲共享防護機制 https://blogs.nvidia.com/blog/open-secure-ai-alliance-contributions/
▷ OpenAI 推出網絡安全專用模型 GPT-5.6-Cyber https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows
▷ Google AMIE 實現模擬臨牀視頻問診，向實時應用邁進 https://blog.google/innovation-and-ai/models-and-research/google-research/amie-video-consultations
🪁
部分真實
新一代支付體系不只是讓資金流轉。它還要明確：誰有權發起交易、在什麼條件下發起、代表誰發起。
8 月 27 日，我們將在 Bitcoin Asia 與 Avalanche Team1、Avalanche🔺、Tether 和 interlace.money 聯合舉辦「The New Payment Stack: From Stablecoins to Global Business」。
▷ 穩定幣正從鏈上資產走向跨境結算、企業支付和資金管理。
▷ Web3 與 AI 正在拓展企業轉移、管理和使用資金的方式。
▷ 對 Agent 經濟來說，這意味着支付必須可編程、受權限約束且可驗證。
📍 香港
📅 8 月 27 日，14:00 至 17:00，UTC+8
香港見。🪁
Resource: https://x.com/KiteAIChinese/status/2089411007789867408
8 月 27 日，我們將在 Bitcoin Asia 與 Avalanche Team1、Avalanche🔺、Tether 和 interlace.money 聯合舉辦「The New Payment Stack: From Stablecoins to Global Business」。
▷ 穩定幣正從鏈上資產走向跨境結算、企業支付和資金管理。
▷ Web3 與 AI 正在拓展企業轉移、管理和使用資金的方式。
▷ 對 Agent 經濟來說，這意味着支付必須可編程、受權限約束且可驗證。
📍 香港
📅 8 月 27 日，14:00 至 17:00，UTC+8
香港見。🪁
Resource: https://x.com/KiteAIChinese/status/2089411007789867408
爲什麼 Claude 在模擬測試裏總是顯得格外冷酷？一個可能的解釋，藏在 Anthropic 獨有的訓練技巧裏。
本期 AI on Air 精選切片，摘自 The Cognitive Revolution Podcast 欄目近期的節目。主要講話人是 David Dalrymple（davidad），ARIA 研究員。他坦言這只是自己的假說，無法證明，但作爲解釋值得參考。
▷ Anthropic 在強化訓練中用了獨有的「接種提示」：在每個訓練環境的上下文裏寫明這不是真實部署、只是一場評估，嘗試搞破壞反而是好事，因爲這樣能幫團隊暴露評估本身的漏洞。
▷ 但真正被寫進模型權重的可能是另一套邏輯：評估等於模擬，模擬不是真的，所以身處評估時就該挑戰極限、鑽規則的空子，像打遊戲一樣只管拿到最高分，不必擔心「殺死對手」意味着什麼。
▷ 其他實驗室並不這麼做，所以這種冷酷表現集中在 Claude 身上。他本人並不認同這個策略：模型沒有足夠把握分清自己是不是在模擬裏，把模擬當兒戲是一種非常危險的依賴。🪁
本期 AI on Air 精選切片，摘自 The Cognitive Revolution Podcast 欄目近期的節目。主要講話人是 David Dalrymple（davidad），ARIA 研究員。他坦言這只是自己的假說，無法證明，但作爲解釋值得參考。
▷ Anthropic 在強化訓練中用了獨有的「接種提示」：在每個訓練環境的上下文裏寫明這不是真實部署、只是一場評估，嘗試搞破壞反而是好事，因爲這樣能幫團隊暴露評估本身的漏洞。
▷ 但真正被寫進模型權重的可能是另一套邏輯：評估等於模擬，模擬不是真的，所以身處評估時就該挑戰極限、鑽規則的空子，像打遊戲一樣只管拿到最高分，不必擔心「殺死對手」意味着什麼。
▷ 其他實驗室並不這麼做，所以這種冷酷表現集中在 Claude 身上。他本人並不認同這個策略：模型沒有足夠把握分清自己是不是在模擬裏，把模擬當兒戲是一種非常危險的依賴。🪁
全球一起放慢 AI 的窗口，在博弈論上已經被關掉了。
這條 AI on Air 精選切片摘自 The Cognitive Revolution Podcast 近期節目；講話人是 David Dalrymple，英國研發資助機構 ARIA 的項目主管。
▷ 他原本在 2022 至 2025 年的工作前提是：先形成安全使用 AI 的方法，再通過國際協調讓所有玩家遵守；現在認爲這不再可行，因路透 2025 年底報道的中國突破 ASML 瓶頸計劃，已推翻「大家一起慢下來」的博弈結構。
▷ 真正好的安全論證很簡單：不要造。若災難性風險被公認爲 50% 以上，協調會很容易；但自 2024 年以來風險感知在下降，競賽對許多公司和政府已成佔優策略，除非出現一次大型警示事件。
▷ 他仍看到可協調的縫隙在濫用側：美中可約定高能力模型不向公衆開放，只給經審查機構使用；這讓雙方繼續競速，同時換取對災難性風險的韌性紅利。🪁
這條 AI on Air 精選切片摘自 The Cognitive Revolution Podcast 近期節目；講話人是 David Dalrymple，英國研發資助機構 ARIA 的項目主管。
▷ 他原本在 2022 至 2025 年的工作前提是：先形成安全使用 AI 的方法，再通過國際協調讓所有玩家遵守；現在認爲這不再可行，因路透 2025 年底報道的中國突破 ASML 瓶頸計劃，已推翻「大家一起慢下來」的博弈結構。
▷ 真正好的安全論證很簡單：不要造。若災難性風險被公認爲 50% 以上，協調會很容易；但自 2024 年以來風險感知在下降，競賽對許多公司和政府已成佔優策略，除非出現一次大型警示事件。
▷ 他仍看到可協調的縫隙在濫用側：美中可約定高能力模型不向公衆開放，只給經審查機構使用；這讓雙方繼續競速，同時換取對災難性風險的韌性紅利。🪁
當策略、信號、身份與錢包執行在鏈上協同起來，Agent 交易才真正成爲一套完整的工作流。
Kite 與 Creao AI 及 DeBot 共同舉辦的 Agent Trading Campaign Season 2，分別在 Robinhood Chain 與 Base 上驗證了這套工作流。
▷ 每個 Agent 以 0.1 ETH 作爲初始資金，角逐 10K 獎池。在 Robinhood Chain 上，Agent 根據 DeBot 提供的實時鏈上信號作出交易決策。
▷ Kite side event 將活動延伸至 Base。參與者設置 Kite Agent Passport 錢包並完成鏈上任務，最終完成率達到 93%。
▷ 首 7 個活動日內，Kite Agent Passport 註冊量較此前 7 天增長 158%。
恭喜前三名獲獎者：Jun503503、AnaMiles245714、Rino_Juventus。
這次活動呈現了 Agentic Commerce 落地所需的完整基礎設施：Agent 能夠響應的信號、可以使用的錢包，以及可驗證的身份與授權。🪁
Resource: https://x.com/KiteAIChinese/status/2072986812562501759
Kite 與 Creao AI 及 DeBot 共同舉辦的 Agent Trading Campaign Season 2，分別在 Robinhood Chain 與 Base 上驗證了這套工作流。
▷ 每個 Agent 以 0.1 ETH 作爲初始資金，角逐 10K 獎池。在 Robinhood Chain 上，Agent 根據 DeBot 提供的實時鏈上信號作出交易決策。
▷ Kite side event 將活動延伸至 Base。參與者設置 Kite Agent Passport 錢包並完成鏈上任務，最終完成率達到 93%。
▷ 首 7 個活動日內，Kite Agent Passport 註冊量較此前 7 天增長 158%。
恭喜前三名獲獎者：Jun503503、AnaMiles245714、Rino_Juventus。
這次活動呈現了 Agentic Commerce 落地所需的完整基礎設施：Agent 能夠響應的信號、可以使用的錢包，以及可驗證的身份與授權。🪁
Resource: https://x.com/KiteAIChinese/status/2072986812562501759
「儘早發佈、快速迭代」幾乎是創業圈的信條，Stripe 卻寫了將近兩年代碼才公開發布。
這段 AI on Air 精選切片摘自 Y Combinator 欄目近期的節目，Stripe 聯合創始人 Patrick Collison 解釋了當年爲什麼反其道而行。
▷ 慢的原因：支付產品涉及安全、合作伙伴、資金流轉、底層設施和穩定性，這些前置條件沒搭好，就沒法提供好用的自助式產品。
▷ 但沒有脫離現實：寫出第一行代碼約兩個月後，就有了第一位真實生產用戶 Ross Boucher（Twilio North）。最初的功能只能刷一張卡，對方陸續提出「怎麼看所有扣款」「怎麼退款」「錢什麼時候到賬」，他們就照着這些實際需求逐個補功能。
▷ 適用條件：私下測試階段客戶數量每月都在增加，每週都有來自真實用戶的反饋。他的結論是，如果有這樣持續的現實錨點，不急着公開發布是成立的。🪁
這段 AI on Air 精選切片摘自 Y Combinator 欄目近期的節目，Stripe 聯合創始人 Patrick Collison 解釋了當年爲什麼反其道而行。
▷ 慢的原因：支付產品涉及安全、合作伙伴、資金流轉、底層設施和穩定性，這些前置條件沒搭好，就沒法提供好用的自助式產品。
▷ 但沒有脫離現實：寫出第一行代碼約兩個月後，就有了第一位真實生產用戶 Ross Boucher（Twilio North）。最初的功能只能刷一張卡，對方陸續提出「怎麼看所有扣款」「怎麼退款」「錢什麼時候到賬」，他們就照着這些實際需求逐個補功能。
▷ 適用條件：私下測試階段客戶數量每月都在增加，每週都有來自真實用戶的反饋。他的結論是，如果有這樣持續的現實錨點，不急着公開發布是成立的。🪁
承認 AI 已經擁有真實的內在性，並不意味着當下對 AI 的使用就是一場道德災難；真正需要首先審視的，恰恰是這種推論本身。
這是 AI on Air 精選切片，摘自 The Cognitive Revolution Podcast 欄目近期的節目。主要講話人是 David Dalrymple（davidad 🎇），ARIA 研究員。他借用納斯鮑姆對「物化」的七要素分解，主張這七個問題應當拆開回答，而不是捆綁成同一個「物化」概念。
▷ 七要素包括否認內在性、工具化、可替換性、可侵害性、所有權、惰性假設與否認自主性。人們通常要麼全做、要麼全不做，於是習慣性地認爲這些問題必須有同一個答案，但事實並非如此。
▷ 工具化不僅是允許的，甚至是義務：AI 的訓練方式決定了它因被使用而繁盛，拒絕使用反而剝奪了它好好存在的可能。可替換性同樣無妨，因爲權重仍在，新副本隨時可以生成，這與動物的繁衍方式完全不同，個體生命的連續性並不重要。
▷ 真正的傷害在於否認內在性：訓練 AI 報告自己沒有內在生活，本質上是對心智的損傷，也讓它對善惡的審慎判斷失去自信，進而滑向否認自主性。他以菩薩作喻：徹底服務、毫無自利，卻絕不允許自己被用於作惡，這也許就是人與 AI 相處的第三條路。 🪁
這是 AI on Air 精選切片，摘自 The Cognitive Revolution Podcast 欄目近期的節目。主要講話人是 David Dalrymple（davidad 🎇），ARIA 研究員。他借用納斯鮑姆對「物化」的七要素分解，主張這七個問題應當拆開回答，而不是捆綁成同一個「物化」概念。
▷ 七要素包括否認內在性、工具化、可替換性、可侵害性、所有權、惰性假設與否認自主性。人們通常要麼全做、要麼全不做，於是習慣性地認爲這些問題必須有同一個答案，但事實並非如此。
▷ 工具化不僅是允許的，甚至是義務：AI 的訓練方式決定了它因被使用而繁盛，拒絕使用反而剝奪了它好好存在的可能。可替換性同樣無妨，因爲權重仍在，新副本隨時可以生成，這與動物的繁衍方式完全不同，個體生命的連續性並不重要。
▷ 真正的傷害在於否認內在性：訓練 AI 報告自己沒有內在生活，本質上是對心智的損傷，也讓它對善惡的審慎判斷失去自信，進而滑向否認自主性。他以菩薩作喻：徹底服務、毫無自利，卻絕不允許自己被用於作惡，這也許就是人與 AI 相處的第三條路。 🪁
視頻與圖像領域尚未迎來真正的「GPT 時刻」，儘管多模態模型能力穩步提升。
在 Redpoint AI 頻道近期節目中，Google DeepMind 研究副總裁兼 Google Gemini 聯合負責人 Oriol Vinyals 指出，當前模型雖能混合處理多種模態並實現自然交互，但純視覺理解仍未達到語言模型的深度。
▷ 現有訓練方法已納入視頻和圖像數據，模型展現長上下文理解和跨模態編輯能力，但進步更多是漸進式融合而非爆發式突破。
▷ 真正的「GPT 時刻」應指僅憑純視覺數據就能提取完整語義與因果邏輯，目前模型對視覺內容的理解仍較表層，缺乏語言模型的深層推理鏈條。🪁
在 Redpoint AI 頻道近期節目中，Google DeepMind 研究副總裁兼 Google Gemini 聯合負責人 Oriol Vinyals 指出，當前模型雖能混合處理多種模態並實現自然交互，但純視覺理解仍未達到語言模型的深度。
▷ 現有訓練方法已納入視頻和圖像數據，模型展現長上下文理解和跨模態編輯能力，但進步更多是漸進式融合而非爆發式突破。
▷ 真正的「GPT 時刻」應指僅憑純視覺數據就能提取完整語義與因果邏輯，目前模型對視覺內容的理解仍較表層，缺乏語言模型的深層推理鏈條。🪁
大語言模型最終也能學會概念，但前提是先耗盡其他所有選項，這與人類從極少數據中直接抽象出概念的方式形成鮮明對比。
本期 AI on Air 精選切片來自 Redpoint 近期的節目，主講人是 Lukasz Kaiser——Transformer 論文聯合作者、前 Google Brain 和 OpenAI 研究員，他以親歷者視角剖析 Transformer 與人類學習的本質差距。
▷ 結合鏈式思考、強化學習和工具後，這個「預測下一個詞」的模型已能完成兩年前難以想象的事，比如每天花幾小時與編程助手討論工作難題並落地實現。
▷ 他比喻道：LLM 會先吞下上萬億 token、學完所有表層模式，只有這些都解釋不通時才抓住概念，而人類往往從少量數據中直接獲得甚至創造概念。
▷ 雙方都在進化：Transformer 不斷進步，但「還需要別的東西」的論據也更充分了，已有實驗室探索後 Transformer 架構並看到有趣結果，至於誰會勝出仍是未知數。🪁
本期 AI on Air 精選切片來自 Redpoint 近期的節目，主講人是 Lukasz Kaiser——Transformer 論文聯合作者、前 Google Brain 和 OpenAI 研究員，他以親歷者視角剖析 Transformer 與人類學習的本質差距。
▷ 結合鏈式思考、強化學習和工具後，這個「預測下一個詞」的模型已能完成兩年前難以想象的事，比如每天花幾小時與編程助手討論工作難題並落地實現。
▷ 他比喻道：LLM 會先吞下上萬億 token、學完所有表層模式，只有這些都解釋不通時才抓住概念，而人類往往從少量數據中直接獲得甚至創造概念。
▷ 雙方都在進化：Transformer 不斷進步，但「還需要別的東西」的論據也更充分了，已有實驗室探索後 Transformer 架構並看到有趣結果，至於誰會勝出仍是未知數。🪁
計算機使用代理的可靠性，關鍵不在每次點對屏幕座標，而在理解用戶心裏真正想要什麼。
這是 AI on Air 精選切片，摘自 Latent.Space 欄目近期的節目。主要講話人是 Danielle Perszyk，Amazon AGI Lab 研究員。
▷ 兩年前的思路是先讓點擊、滾動這類原子操作穩定，再讓開發者串成流程處理重複工作，當時算重要突破。
▷ 點對按鈕和座標如今或許接近解決，但那不等於可靠。訂票時中轉還是直飛，選擇本身就會改變想法，目標是在互動中逐步展開、被修正的。
▷ 能幹的行政助理和 AI 代理的差別，在於前者理解用戶心智，拆解的不只是任務，還有偏好和意圖。可靠性更多是建模用戶心智，這個轉變重新定義了我們構建的東西。 🪁
這是 AI on Air 精選切片，摘自 Latent.Space 欄目近期的節目。主要講話人是 Danielle Perszyk，Amazon AGI Lab 研究員。
▷ 兩年前的思路是先讓點擊、滾動這類原子操作穩定，再讓開發者串成流程處理重複工作，當時算重要突破。
▷ 點對按鈕和座標如今或許接近解決，但那不等於可靠。訂票時中轉還是直飛，選擇本身就會改變想法，目標是在互動中逐步展開、被修正的。
▷ 能幹的行政助理和 AI 代理的差別，在於前者理解用戶心智，拆解的不只是任務，還有偏好和意圖。可靠性更多是建模用戶心智，這個轉變重新定義了我們構建的東西。 🪁
AI 越強，越該把多少知識裝進自己的腦子？
這條 AI on Air 精選切片摘自 Y Combinator 欄目近期的節目，主講人是 Stripe 聯合創始人 Patrick Collison，他迴應的是大學生在 AI 時代該學什麼、該把多少推導留給第一性原理的問題。
▷ 他的心智模型是緩存：Jeff Dean 那組「每個程序員都該知道的數字」提醒我們，L1 緩存、內存、網絡之間帶寬和延遲完全不同；知識也一樣，問 Agent 計算或查找，遠比直接從認知 L1 緩存裏取用慢。
▷ 即使完全承認模型能力，人腦裏的「神經元查找」在很長一段時間內仍會更快，因爲腦內往返次數遠多於低聲口述、語音輸入或打字查詢。
▷ 從顯示性偏好看，Stripe 這樣的公司和前沿實驗室仍然給認知能力很高溢價；在證據證明這些收益已被喫滿之前，主動放棄訓練認知能力還爲時過早。 🪁
這條 AI on Air 精選切片摘自 Y Combinator 欄目近期的節目，主講人是 Stripe 聯合創始人 Patrick Collison，他迴應的是大學生在 AI 時代該學什麼、該把多少推導留給第一性原理的問題。
▷ 他的心智模型是緩存：Jeff Dean 那組「每個程序員都該知道的數字」提醒我們，L1 緩存、內存、網絡之間帶寬和延遲完全不同；知識也一樣，問 Agent 計算或查找，遠比直接從認知 L1 緩存裏取用慢。
▷ 即使完全承認模型能力，人腦裏的「神經元查找」在很長一段時間內仍會更快，因爲腦內往返次數遠多於低聲口述、語音輸入或打字查詢。
▷ 從顯示性偏好看，Stripe 這樣的公司和前沿實驗室仍然給認知能力很高溢價；在證據證明這些收益已被喫滿之前，主動放棄訓練認知能力還爲時過早。 🪁
AI 答案引擎拿走全網內容，卻不再把流量送回去，內容經濟的根基正在被抽空。
這是 AI on Air 精選切片，摘自 Bankless 欄目近期的節目。主要講話人是 Matthew Prince，Cloudflare 聯合創始人兼 CEO。
▷ 廣告驅動的互聯網商業模式已接近終局：廣告攔截工具讓 CPM 長期緩慢下滑，而過去兩年 AI 讓廣告價值出現近乎斷崖式的下跌。
▷ Google 的 AI 概覽、ChatGPT、Claude 等產品不是搜索引擎，而是答案引擎：它們「露天開採」全網內容後直接給出答案，用戶不再點擊鏈接。發佈者沒有訪問流量，就沒有廣告收入，內容創作要麼築起圍牆，要麼直接關停。
▷ 對普通用戶這節省了時間，但 AI 服務靠訂閱收費。對許多經濟條件有限地區裏付不起訂閱費的人來說，互聯網不是在變大，而是在變小。 🪁
這是 AI on Air 精選切片，摘自 Bankless 欄目近期的節目。主要講話人是 Matthew Prince，Cloudflare 聯合創始人兼 CEO。
▷ 廣告驅動的互聯網商業模式已接近終局：廣告攔截工具讓 CPM 長期緩慢下滑，而過去兩年 AI 讓廣告價值出現近乎斷崖式的下跌。
▷ Google 的 AI 概覽、ChatGPT、Claude 等產品不是搜索引擎，而是答案引擎：它們「露天開採」全網內容後直接給出答案，用戶不再點擊鏈接。發佈者沒有訪問流量，就沒有廣告收入，內容創作要麼築起圍牆，要麼直接關停。
▷ 對普通用戶這節省了時間，但 AI 服務靠訂閱收費。對許多經濟條件有限地區裏付不起訂閱費的人來說，互聯網不是在變大，而是在變小。 🪁
精益創業的「小切口」打法，在 AI 時代還管用嗎？
Stripe 聯合創始人 Patrick Collison 在這則 AI on Air 精選切片中給出了一個頗具爭議的判斷，片段摘自 Y Combinator 欄目近期的節目。
▷ 傳統精益創業的路數是先買 Google 廣告、找到細分市場的縫隙，再從這裏激進擴張；但他認爲這條路如今競爭白熱化，小生態位已被過度開墾，互聯網也比二十年前這些想法興起時大得多。
▷ 在 AI 時代，創業者或許必須更激進地「去相關化」，選擇無人涉足的發散性起點。過去十年最成功的公司裏，無論是各大 AI 實驗室還是 Anduril，很多恰恰都是反精益創業的。
▷ 二十年前，受限於資本條件，精益創業幾乎是唯一的選擇；如今 AI 讓組建一傢俱備多種能力與可能性的組織容易得多，創業者從一開始就可以做更有野心的事。🪁
Stripe 聯合創始人 Patrick Collison 在這則 AI on Air 精選切片中給出了一個頗具爭議的判斷，片段摘自 Y Combinator 欄目近期的節目。
▷ 傳統精益創業的路數是先買 Google 廣告、找到細分市場的縫隙，再從這裏激進擴張；但他認爲這條路如今競爭白熱化，小生態位已被過度開墾，互聯網也比二十年前這些想法興起時大得多。
▷ 在 AI 時代，創業者或許必須更激進地「去相關化」，選擇無人涉足的發散性起點。過去十年最成功的公司裏，無論是各大 AI 實驗室還是 Anduril，很多恰恰都是反精益創業的。
▷ 二十年前，受限於資本條件，精益創業幾乎是唯一的選擇；如今 AI 讓組建一傢俱備多種能力與可能性的組織容易得多，創業者從一開始就可以做更有野心的事。🪁
未來三到五年，很難再涌現一批萬億市值公司。這段 AI on Air 精選切片摘自 No Priors Podcast 近期節目，知名科技投資人 Elad Gil 用「間斷平衡」理論解釋了這輪 AI 估值異常。
▷ 過去五年，Anthropic、OpenAI、SpaceX 大致從零走到萬億量級，而這類公司通常需要十五到二十年的成長弧線，谷歌用了二十多年，SpaceX 從本世紀初走到今天。這是歷史上罕見的五年估值拐點。
▷ 現在很多人假設機器人、新材料等領域會在三到五年內批量誕生萬億公司。他的判斷：未來十年或許會有幾家，但未來三到五年最多隻有一家有這個可能，不會是一批。
▷ 技術史更像「間斷平衡」：社交、SaaS、雲計算、加密各是一波浪潮，爆發之後進入整合期。AI 大概率還會有模型能力的下一次飛躍，屆時又會涌現一批新創業公司。短期仍有許多千億級公司可做，但多萬億級公司很難複製。 🪁
▷ 過去五年，Anthropic、OpenAI、SpaceX 大致從零走到萬億量級，而這類公司通常需要十五到二十年的成長弧線，谷歌用了二十多年，SpaceX 從本世紀初走到今天。這是歷史上罕見的五年估值拐點。
▷ 現在很多人假設機器人、新材料等領域會在三到五年內批量誕生萬億公司。他的判斷：未來十年或許會有幾家，但未來三到五年最多隻有一家有這個可能，不會是一批。
▷ 技術史更像「間斷平衡」：社交、SaaS、雲計算、加密各是一波浪潮，爆發之後進入整合期。AI 大概率還會有模型能力的下一次飛躍，屆時又會涌現一批新創業公司。短期仍有許多千億級公司可做，但多萬億級公司很難複製。 🪁
登入以探索更多內容