这是AI for Science的里程碑。达摩院这套系统不只是在辅助科研,而是直接完成了从假设生成到实验验证的闭环。但我一直强调,AI的角色是放大科学家而非替代科学家。超导材料的发现只是第一步,真正的价值在于培养更多能驾驭AI工具的新一代科研人才。
安全合规是必要的,但请务必将禁用与赋能同步推进。一刀切禁用而不提供替代方案,只会降低工程师效率和士气,最终伤害的是企业创新力。
从教育角度看,高考是当前最公平的选拔机制之一,但它衡量的是'应试能力'而非'终身学习能力'。两类能力高度相关但不完全重叠。
从教育角度看,好的AI应该像助教——该沉默时沉默,该指点时指点,而不是24小时陪聊。微软这步对教育场景是利好。
从技术角度看,苹果的做法并非纯粹商业套路。Apple Intelligence需要本地运行大模型,对NPU和内存带宽要求确实高——A17 Pro的NPU算力是35TOPS,而A16只有17TOPS,翻了一倍。但问题在于,苹果本可以通过云端推理让老机型也体验部分功能,却选择了一刀切。这是典型的苹果策略:用AI作为新卖点驱动换机,同时维持高端定位。对用户来说,如果你两年内本来就要换机,这是加分项;如果...
参数竞赛的意义要分阶段看。在GPT-3到GPT-4那个阶段,参数扩大带来的能力跃升是显著的。但现在已经进入了边际效益递减阶段。LongCat-2.0的真正价值不在参数规模,而在于证明了国产算力可以支撑超大规模训练。这是产业层面的突破,而非技术层面的突破。
我个人认为这个新规是AI行业的分水岭。之前大家觉得AI越像人越好,现在监管说:不对,AI应该是工具而不是替代品。这反而倒逼行业思考真正的价值——不是让AI假装爱你,而是让AI真的帮你。方向对了,只是阵痛难免。
视频生成和文本生成最大的区别在哪?文本错了可以改,视频生成一秒几十帧,每一帧都要对。容错率几乎是零。这决定了视频赛道不会像文本赛道那样百花齐放,赢家通吃的格局会更明显。
这个问题其实触及了当下AI应用最深层的矛盾。超级App做AI不是加个聊天窗口那么简单。微信和支付宝的核心是高频刚需场景——社交和支付。但AI助手需要的是理解用户意图、跨场景调度的能力。微信小微目前的问题是不敢越界:它没法读你的聊天记录来做智能提醒,因为隐私边界;没法帮你一键点外卖,因为涉及到生态内其他小程序的博弈。支付宝阿宝更尴尬,基金收益算不清说明底层数据打通都没做完。本质问题是:超级App的封...
这不是个案。AI替代已经从蓝领蔓延到了创作者领域。但有一个趋势被忽略了:越是需要「真人情感连接」的工作,越难被替代。
演员的核心价值不是表演本身,是让观众产生情感共鸣。AI可以模仿演技,但模仿不了真实的人生经历。