人才流动 - Meta近期从OpenAI挖走4名顶尖AI研究员，均为华人背景，使Meta从OpenAI累计挖走人数增至8名[1][3] - 四位研究员分别来自清华、北大、浙大、中科大，均在OpenAI担任核心团队负责人或关键项目贡献者[6][13] - 四位研究员内部Slack账户已被OpenAI停用，显示人才流动已成既定事实[22] 研究员背景 - 清华校友赵盛佳全程参与从初代ChatGPT到o3的预训练开发，2022年斯坦福博士毕业后即加入OpenAI[7][13] - 北大校友任泓宇领导OpenAI后训练团队，是o3-mini核心贡献者，原计划负责今年夏季开源模型发布[9][10][13] - 中科大校友于佳慧为OpenAI感知团队负责人，曾担任谷歌Gemini多模态视觉联合负责人[13][16] - 浙大校友毕树超为OpenAI多模态后训练主管，曾任谷歌工程总监及Youtube Shorts联合创始人[13][20] 行业竞争态势 - Meta本月已向至少45名OpenAI研究员发出邀请，显示人才争夺战持续升级[25] - OpenAI被迫提高薪酬以挽留人才，反映行业人才竞争成本显著上升[4] - 人才争夺战实质是开源阵营(Meta)与闭源阵营(OpenAI)的正面交锋[26] 技术影响 - 被挖人才集中在多模态训练、强化学习后训练领域，均为带团队经验的专家级人才[27] - Meta可能加速开发具备多模态深度思考能力的开源Llama模型[28] - 北大校友任泓宇离职可能影响OpenAI原定夏季发布的开源模型计划[10]

大语言模型的局限性 - 当前大语言模型仅擅长信息检索和已有解决方案的复述 无法进行真正的抽象思考、推理和规划 [3][5][6] - 模型通过统计规律生成答案 本质是模式匹配游戏 无法创造新事物或提出正确问题 [5][6][18] - 训练数据已达边际效益递减 天然文本数据接近耗尽 合成数据成本高且回报有限 [11][13][14] AI发展的新范式方向 - 未来AI系统需具备理解物理世界、持久记忆、推理和规划四大核心能力 [29][37][38] - JEPA架构通过非生成式方法学习世界抽象表征 可预测物理规律并实现真正规划 [44][47][49] - 视频数据训练比纯文本更高效 儿童通过10^14字节视觉数据即可掌握基础物理规律 [36][37] 开源与闭源竞争格局 - 开源生态创新速度显著快于闭源 全球协作可加速技术突破 [50][53] - DeepSeek案例证明中国团队具备独立创新能力 2015年ResNet论文成为全球被引最高单篇论文 [3][53] - 实际部署中开源模型成本更低且可控 Llama等开源引擎正被广泛采用 [51] 行业投资与商业化前景 - 当前AI投资主要用于推理基础设施扩建 而非短期技术突破 [19][20] - 消费级AI应用已获验证 Meta AI用户达6亿 但企业级部署仍面临可靠性挑战 [21][24] - 专家系统历史表明AI需避免过度炒作 新范式需3-5年才能成熟应用 [25][30]

AI行业技术趋势 - DeepSeek-R1大幅降低推理成本引发全球AI价格战 [1] - OpenAI宣布开源新模型并推出"云端接力"功能加剧闭源与开源之争 [1] - 开源社区技术复现能力惊人 过去需多年突破现仅需6个月完成 [1] - 闭源商业模式的技术护城河正被开源浪潮不断冲刷 [1] 开源与闭源商业模式 - 行业共识认为开放和封闭两种策略缺一不可 [2] - OpenAI开源动作被视为应对市场竞争的防御性举措 [2] - 基础研究成本骤降让全球开发者共享技术红利 中国不再依赖OpenAI访问权限 [2] - 生物医药行业类比显示AI开源打破技术垄断 [2] 价格战影响 - 基础研究成本骤降是科技领域最美好的事 [2] - 大模型价格战挤压中小公司生存空间 [2] - 底层模型研究可能已投资过剩 应用层仍严重不足 [2] - 百度"沧舟OS+电商数字人"成功印证应用层机会 [2] 创业与投资方向 - 消费者市场已验证可行性但付费意愿低 [3] - 中小企业服务是中长期经济影响最深远的赛道 [3] - 英伟达因DeepSeek事件单日蒸发万亿市值 [3] - 中国AI"去GPU化"需探索三种破局路径 [3] 算力需求与优化 - 极致压缩模型实现CPU上低成本推理 [3] - 进行架构革命重构Transformer等底层设计 [3] - 充分利用终端算力池发展边缘计算 [3] - 模型并非越强越好 需寻找性价比最优解 [3] 人形机器人发展 - 地方政府700亿押注人形机器人热潮 [4] - 物理兼容性是其价值所在但需警惕情感化炒作 [4] - 特斯拉Optimus量产难题显示技术仍处早期 [4] - 具身智能三年落地论过于乐观但长期是大势所趋 [4]

AI可持续价值与行业趋势 - 下一代AI领域正处于技术范式转变初期，价值分布尚不明确但充满探索机会[3] - 模型需通过产品与用户需求连接才能实现价值，产品层将承载主要价值[6] - 初创公司与成熟企业将均衡分享AI价值，大公司需结合现有资源创新[6][7] - 当前工具和基础设施成本达历史低点，大幅降低创新门槛[7] Scaling Law与数据效率 - Scaling Law尚未见极限，边际收益递减的临界点仍不可见[8] - 高质量数据token价值远超低质量数据，合成数据占比持续提升[9] - 缺乏科学的数据评估手段，数据实际贡献与宣称价值常存在差距[10][11] Agent发展路径 - 未来12个月将出现更多异步任务型Agent，突破即时交互模式[21][22] - Agent记忆功能是下一阶段突破重点，需实现长期行为积累[21] - 不会出现"全能Agent"，而是细分领域专业化Agent网络[18] - 5年内95%新代码将由AI生成，但核心设计仍依赖人类[23] 开源与闭源生态 - 开源与闭源将长期共存，类似搜索引擎领域的分层结构[15] - DeepSeek R1开源引发行业关注，显示中国AI实力被低估[37] 技术债务与工程变革 - AI有望将技术债务从零和问题转为非零和问题，实现自动修复[30][31] - 小团队+AI工具将释放更大能量，改变传统工程团队结构[28] 医疗AI应用前景 - AI诊断能力已超越普通全科医生，亟待规模化应用[38] 中国AI竞争力 - 中国AI研发能力被系统性低估，DeepSeek案例打破偏见[37] 开发范式演进 - 编程抽象层次持续提升，提示工程将成主流交互方式[25][26] - 图形界面构建工具的发展轨迹预示AI编程工具演进路径[25]

以下文章来源于AGI接口 ，作者丸都山 AGI接口 . AI卷起的财富风暴。 一时间，关于"谷歌将要闭源AOSP"的猜测甚嚣尘上。 对此，谷歌于3月27日回复称，从下周开始，所有安卓系统的开发工作将集中于谷歌内部代码库中 进行。对代码的修改将不再实时公开，而是仅在谷歌发布包含这些修改的新版本分支时统一对外 发布。 谷歌的回复没能打消外界的怀疑，毕竟这家公司近几年在大方向上就是逐渐从开放走向封闭。 出品 | 虎嗅科技组 作者 | 丸都山 编辑 | 苗正卿 头图 | 视觉中国 近日，据外媒Android Authrotiy报道，谷歌决定不再维护现有的AOSP（安卓开源项目）公开分 支，逐渐关闭相关支持资源，并可能停止更新法定开源义务外的组件源代码。 但这并不代表谷歌会放弃AOSP，因为这么做实在不符合商业逻辑。 扔掉包袱 先来说说什么是"AOSP公开分支"。 谷歌最早做AOSP项目时，其目的是借助厂商与开发者对开源的贡献，完善Andriod在移动终端上 的体验，以对抗彼时刚刚崛起的iOS系统。 01 所以我们可以看到在手机行业早期，有着大量基于AOSP魔改的第三方UI/OS，他们并没有给谷歌 交过一分钱，谷歌也拿 ...

作 者丨董静怡 杨万林 编 辑丨包芳鸣 刘巷 尹华禄 黎雨桐 2月2 6日，De e pSe e k在其API开放平台发布错峰优惠活动通知。 根据通知，北京时间每日0 0 : 3 0—0 8 : 3 0为错峰时段，API调用价格大幅下调，其中De e pSe e k - V3降至原价的5 0%，De e pSe e k -R1降至2 5%。De e pSe e k鼓励用户在该时段调用，享受更经 济更流畅的服务体验。 | 充值余额 | 赠送余额 查看有效期 | | --- | --- | | ¥0.00 CNY | ¥10.00 cny | 据了解，De e pSe e k模型价格以"百万t o k e n s "为单位。t o k e n是模型用来表示自然语言文本的 的最小单位，可以是一个词、一个数字或一个标点符号等，De e pSe e k根据模型输入和输出的 总t o k e n数进行计量计费。 据证券时报报道，记者查询价格细节发现，De e pSe e k主要有两款主力模型De e pSe e k - c h a t （基础大模型，对应V3）和De e pSe e k -r e a s o n e r（ ...

作者：MD 出品：明亮公司 近日，美国知名播客Invest Like the Best再次访谈了Andreessen Horowitz的联合创始人 Marc Andreessen，在访谈中，Marc和主播 Patrick 深入探讨了AI正在重塑技术和地缘政治的重大变革 ，并 讨论了 DeepSeek 的开源人工智能以及其大国技术竞争中的意义，此外，他们还分享了对全球权力结 构演变的看法，以及风险投资行业整体的转型。 「明亮公司」借助AI工具第一时间整理了访谈中的核心内容，全文内容详见文末"原文链接"。 以下为访谈内容（有删节）： 谈DeepSeek、AI赢家和输家 Patrick ：Marc，我认为我们必须从最核心的问题开始。你能否谈谈你对DeepSeek的R1的看法？ Marc ：这里面有很多维度。（我认为）美国仍然是人工智能领域公认的科学和技术领导者。 DeepSeek中的大多数想法都源自过去20年，甚至令人惊讶的是80年前在美国或欧洲进行的工作。神 经网络的最初研究早在20世纪40年代的美国和欧洲研究型大学中就已展开。 因此，从知识发展的角度来说，美国仍然遥遥领先。 但DeepSeek对这些知识完成了非 ...