{"source":{"id":"2038613197737869457","title":"现代AI的奠基人刚刚下了一个狠结论。 ChatGPT和Claude全走错路了。 全球大模型公司都在点一棵长歪的科技树。…","url":"https://mubeitech.com/p/2038613197737869457"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2041131414129934372","account":"mubei","brand":"@mubei","title":"AI 革命比互联网深远得多。 它堪比蒸汽机、电力和轮子的发明。 很多人以为这场变革才三年。 其实它已经蛰伏了 80 年。…","summary":"AI 革命比互联网深远得多。 它堪比蒸汽机、电力和轮子的发明。 很多人以为这场变革才三年。 其实它已经蛰伏了 80 年。 时间倒回 1930 年代。 计算机诞生前夕，先驱们吵过一架。 机器该照着谁的图纸造？ 收银机，还是人类大脑？ 收银机路线赢了。 过去 80 年，从大型机到智能…","body":"AI 革命比互联网深远得多。\n它堪比蒸汽机、电力和轮子的发明。\n很多人以为这场变革才三年。\n其实它已经蛰伏了 80 年。\n\n时间倒回 1930 年代。\n计算机诞生前夕，先驱们吵过一架。\n机器该照着谁的图纸造？\n收银机，还是人类大脑？\n\n收银机路线赢了。\n过去 80 年，从大型机到智能手机，硅谷所有的财富都来自造“算数机器”。\n它们每秒能做几十亿次运算。\n却根本听不懂一句人话。\n\n那人脑路线去哪了？\n第一篇神经网络论文发在 1943 年。\n接下来的 80 年里，这帮人坐穿了冷板凳。\n无数次盲目乐观，无数次泡沫破裂。\n到了 1989 年，AI 在大学里已经沦为没人信的冷门笑话。\n\n直到 2022 年末。\nChatGPT 让所有人闭了嘴。\n科学家们攒了 80 年的废弃理论，突然全跑通了。\n\n80 年的漫长试错，炸出了现在的三年。\n整个世界还在适应这种加速度。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2041452668288123025","translated_status_id":"2041452668288123025","published_at":"2026-04-07 06:57:41","created_at":"2026-04-07T08:47:28.623443","url":"https://mubeitech.com/p/2041131414129934372","markdown_url":"https://mubeitech.com/p/2041131414129934372/markdown"},{"rank":2,"id":"2070628394342195460","account":"mubei","brand":"@mubei","title":"“宣称 AI 将让智力变得免费，是极其不负责任的。” 写出 ImageNet、开启上一轮视觉革命的 AI 教母 Fei-…","summary":"“宣称 AI 将让智力变得免费，是极其不负责任的。” 写出 ImageNet、开启上一轮视觉革命的 AI 教母 Fei-Fei Li 公开泼了盆冷水。 人类的智力太深邃了。 语言只是其中的冰山一角。 用文字你可以教人写代码、做推论，但你没办法用文字教会一台机器开车，更没法用文字教…","body":"“宣称 AI 将让智力变得免费，是极其不负责任的。”\n写出 ImageNet、开启上一轮视觉革命的 AI 教母 Fei-Fei Li 公开泼了盆冷水。\n\n人类的智力太深邃了。\n语言只是其中的冰山一角。\n用文字你可以教人写代码、做推论，但你没办法用文字教会一台机器开车，更没法用文字教会它投篮。\n这中间存在着巨大的“信息损耗”。\n只靠会聊天的语言模型，AI 永远无法真正理解这个复杂的物理世界。\n\n所以，她直接攒了一个估值超过 10 亿美元的新局，去死磕当前模型根本搞不定的方向：\n空间智能（Spatial Intelligence）。\n\n当年，她用 ImageNet 给模型喂出了视觉革命；\n现在，她要把战场从“会说话的黑盒子”，带向“能理解物理规律的世界模型”。\nAI 革命远没有结束，它才刚到 V1 版本。\n\n工业革命没有消灭劳动力，它让劳动变得更高效。\nAI 也不会让智力免费，它要把“下一种稀缺”狠狠地暴露出来。\n当文字和代码变得越来越便宜，真正高门槛的稀缺资产，将变成那些能感知空间、理解物理规则、并在现实中做出精准动作的实体系统。\n\n别被廉价的口号蒙蔽了。\n当潮水退去，真正的科技护城河，永远在硬碰硬 of 物理世界里。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2070636570558771281","translated_status_id":"2070636570558771281","published_at":"2026-06-26 22:04:26","created_at":"2026-06-27T00:00:54+02:00","url":"https://mubeitech.com/p/2070628394342195460","markdown_url":"https://mubeitech.com/p/2070628394342195460/markdown"},{"rank":3,"id":"2073544407643496771","account":"mubei","brand":"@mubei","title":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智…","summary":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。 这一步迈得太大，直接让他们多走了 5 年弯路。 那时候的项目叫 World of Bits。 目标很宏大：让 AI 像人一样，操控键…","body":"Andrej Karpathy 认错了。\n\n他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。\n\n这一步迈得太大，直接让他们多走了 5 年弯路。\n\n那时候的项目叫 World of Bits。\n目标很宏大：让 AI 像人一样，操控键盘 and 鼠标，去网页上订机票、点外卖。\n\n结果呢？\n当时他们手里只有“强化学习（RL）”这一把锤子。\nAI 只能在简陋的网页上疯狂乱点，指望靠运气撞上高分奖励，最后证明根本走不通。\n\nKarpathy 总结说：当时最该干的事，是彻底忘掉 Agent，先去把大语言模型（LLM）造出来。\n\n先把脑子发育完全，再去学怎么用手。\n\n接着，他给现在的 Agent 热潮狠狠泼了一桶冷水。\n\n他说，Agent 跟自动驾驶、VR 是同一个物种：Demo 极其好做，产品化极其艰难。\n\n写个脚本，让车绕着街区开一圈，或者让 AI 跑通一个订票流程，一下午就能搞定，发到网上能拿成千上万个赞。\n但要让它变成真正能卖钱、不出错的产品？\n对不起，做好跟它死磕 10 年的准备。\n\n为什么这么难？\n因为今天的 Agent 只有一个“大语言模型”当大脑袋，它还缺了太多零件。\n\n海马体（记忆检索）在哪？\n基底神经节在哪？\n丘脑（当脑子里多个想法打架、争夺决定权时，用来分配麦克风的控制机制）又在哪？\n人类大脑进化了千万年的物理回路，现在的 AI 连毛皮都还没摸到。\n\n不过，这个大坑，反而给普通人留了条活路。\n\nKarpathy 顺便爆了大厂的底：\n在大模型训练上，像 OpenAI 这样的巨头已经把路线图摸得太透了。\n学术界刚发篇新论文，OpenAI 内部的 Slack 大概率就会弹消息：“哦，这玩意我们两年半前就试过，不信你看这儿有当年的失败数据。”\n\n但在 Agent 领域，大厂没有任何秘密武器，他们也正懵着呢。\n\n这也是为什么，现在真正站在 Agent 能力前沿、能做出新花样的，是那些在车库里连夜修 Bug 的黑客和创业者，大厂里写论文的科学家反而没做出来。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2074030551783141845","translated_status_id":"2074030551783141845","published_at":"2026-07-06 06:07:09","created_at":"2026-07-06T08:00:29.239922","url":"https://mubeitech.com/p/2073544407643496771","markdown_url":"https://mubeitech.com/p/2073544407643496771/markdown"},{"rank":4,"id":"2048471368274948435","account":"mubei","brand":"@mubei","title":"大语言模型走到死胡同了？ DeepMind CEO Demis Hassabis 的回答很干脆：绝对没有。 他在 20V…","summary":"大语言模型走到死胡同了？ DeepMind CEO Demis Hassabis 的回答很干脆：绝对没有。 他在 20VC 播客里明确反驳了 Yann LeCun 的看衰论调。 基础模型的成功有目共睹。 Scaling laws 的红利远远没到天花板。 庞大算力喂出来的模型能力不…","body":"大语言模型走到死胡同了？\nDeepMind CEO Demis Hassabis 的回答很干脆：绝对没有。\n\n他在 20VC 播客里明确反驳了 Yann LeCun 的看衰论调。\n基础模型的成功有目共睹。\nScaling laws 的红利远远没到天花板。\n庞大算力喂出来的模型能力不会凭空消失。\n\n光靠现有的 LLM 就能堆出超级智能吗？\nHassabis 给出了一个具体数字：50%。\n有一半的概率，通向 AGI 还缺一项关键突破。\n这块缺失的拼图很可能就是“世界模型”。\n\n未来的 AGI 架构已经逐渐清晰。\n现有的基础模型绝不会被淘汰下桌。\n未来的超级智能系统，会直接搭建在这些大模型的地基之上。\n\n路线没走偏。\n只是拼图还没凑齐。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-04-26 22:41:03","created_at":"2026-04-27T00:38:20.841344","url":"https://mubeitech.com/p/2048471368274948435","markdown_url":"https://mubeitech.com/p/2048471368274948435/markdown"},{"rank":5,"id":"2045484064585728489","account":"mubei","brand":"@mubei","title":"Andrej Karpathy揭开了一个反直觉的行业真相。 现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。…","summary":"Andrej Karpathy揭开了一个反直觉的行业真相。 现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。 撑大体积的罪魁祸首，是劣质的训练数据。 你以为模型每天在贪婪地阅读《华尔街日报》和严谨的学术文章？ 现实极其惨淡。 前沿实验室随机抽查的预训练语料，全是残破的…","body":"Andrej Karpathy揭开了一个反直觉的行业真相。\n现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。\n撑大体积的罪魁祸首，是劣质的训练数据。\n\n你以为模型每天在贪婪地阅读《华尔街日报》和严谨的学术文章？\n现实极其惨淡。\n前沿实验室随机抽查的预训练语料，全是残破的HTML代码、股票代码和杂乱无章的乱码。\n人类积累的高质量文本在互联网海洋里极其稀缺。\n\n巨大的信息噪音带来了灾难性的压缩效率。\nLlama 3对训练数据的压缩率低到只有0.07比特每token。\n这意味着模型对自己啃过的大部分内容，仅仅留存了极度模糊的印象。\n庞大的万亿参数，绝大部分并没有参与“认知推理”。\n它们变成了臃肿的记忆库，被迫死记硬背互联网倾泻而下的赛博垃圾。\n\nKarpathy开出的解法极其干脆。\n彻底分离思考与记忆。\n剥离百科全书式的死记硬背，只留下纯粹负责推理和解题的算法逻辑。\n这就是真正的“认知核心”。\n一旦遇到事实盲区，让模型主动去调用外部数据库。\n\n如果只喂极其干净的高质量数据，这个“认知核心”需要多大体积？\n十亿参数。\n回看今天的主流旗舰模型，参数规模在2000亿到1.8万亿之间摇摆。\n超高比例的算力都在替数据的脏乱差买单。\n\n现实数据正在印证这条新路径。\n仅仅两千亿参数的GPT-4o，早就全方位碾压了1.8万亿参数的初代GPT-4。\n过去两年间，跑通GPT-3.5性能的推理成本暴降了足足280倍。\n推动这一切的核心引擎，全部来自更小、更干净、更精巧的模型架构。\n\n当前挡在AI面前的那堵墙，早就不是算力。\n算力匮乏不过是替低劣数据背锅的挡箭牌。\n下一轮大洗牌的唯一筹码是高纯度的数据源。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2045726431263515003","translated_status_id":"2045726431263515003","published_at":"2026-04-19 04:36:24","created_at":"2026-04-19T06:31:10.029346","url":"https://mubeitech.com/p/2045484064585728489","markdown_url":"https://mubeitech.com/p/2045484064585728489/markdown"}]}