Meta挖角「CV铁三角」与多模态AI演进 - Meta近期高薪挖走OpenAI苏黎世办公室的「CV铁三角」（Lucas Beyer、Alexander Kolesnikov、Xiaohua Zhai），三人曾在GoogleBrain/DeepMind共事并主导多项视觉AI里程碑研究 [4][5] - 「CV铁三角」的五项核心成果构成多模态AI基础框架： - S4L（2019年5月）：通过自监督+半监督学习减少图像分类对人工标注的依赖 [5] - BiT（2019年12月）：验证视觉领域大规模预训练→微调范式的可行性，被CLIP/SAM等沿用 [6] - ViT（2020年10月）：首次将纯Transformer应用于视觉任务，打破CNN垄断并实现跨模态特征关联 [6][7] - MLP-Mixer（2021年5月）：用双层MLP替代卷积/自注意力机制，简化架构同时保持性能 [7] - PaLI系列（2022年9月起）：谷歌多模态统一尝试，将图像+语言任务转化为文本生成 [7] - 研究轨迹覆盖从图像分类到多语言对话，为Omni-LLM全模态模型奠定技术路径 [5][7] Multi-Agent协作与RAG技术争议 - 检索增强生成（RAG）被质疑为过渡方案，需与持续状态memory机制互补以支持动态上下文迁移 [2] - 多智能体环境需解决多层级memory架构设计挑战，包括语义漂移、上下文污染及优先级管理 [2] Perplexity挑战谷歌搜索霸权 - Perplexity通过AI原生浏览器突破流量限制型AI瓶颈，创始人Aravind Srinivas构建资源效率型产品护城河 [3] - 谷歌因现有搜索业务模型限制，难以推出非流量受限的AI产品 [3] 行业动态统计 - 本期通讯覆盖30项AI&Robotics要闻，含技术进展10项、国内动态8项、国外动态12项 [3]