a16z 合伙人 Olivia Moore 谈消费级 AI 现状:ChatGPT 仍遥遥领先,社交、约会、金融等六大品类仍空白
a16z 合伙人 Olivia Moore 发布消费级 AI 应用 Top 100 报告,ChatGPT 仍是最大玩家,Suno、ElevenLabs 等小玩家展现出持续生命力。报告指出社交、约会、电商、零售、旅游、金融、健康等品类在榜单中完全空白,她认为消费级 AI 仍处早期,机会在于订阅和 API 之外的收入来源,并可用更便宜的模型和开源模型降低成本。
a16z 合伙人 Olivia Moore 发布消费级 AI 应用 Top 100 报告,ChatGPT 仍是最大玩家,Suno、ElevenLabs 等小玩家展现出持续生命力。报告指出社交、约会、电商、零售、旅游、金融、健康等品类在榜单中完全空白,她认为消费级 AI 仍处早期,机会在于订阅和 API 之外的收入来源,并可用更便宜的模型和开源模型降低成本。
密码学家 Matthew Green 称,有 1% 的概率我们生活在 Minicrypt(公钥加密不可能存在的假想世界),另有 15% 的概率会实质性地失去对现有公钥加密算法的信心。他指出,AI 制造意外发现的速度远超人类更新标准的速度,两者相差数个数量级,只有提前做好准备才能从这类冲击中恢复。
特朗普签署行政令,要求尽可能不使用「AI」一词,将这项技术改称「Super Intelligence」,美国 AI 标准与创新中心(CAISI)已更名为 CAISSI。马斯克承诺将 SpaceXAI 改名为 SpaceXSI,贝佐斯、黄仁勋、Sam Altman 也表态支持,但 OpenAI 不会改名。该词原本指可能超越人类思维的高度先进 AI,而非 AI 这一技术类别本身。
MIT Technology Review 刊文指出,AI 的拒绝能力已成为 AI 安全的"承重墙",但这一机制并不可靠。Anthropic 2021 年提出模型应"有用、诚实、无害",如今各大公司通过红队测试和 AI 训练 AI 的方式让模型学会拒绝有害提示词,但拒绝机制基于概率,determined miscreants 已多次突破。
Carson Gross 认为,编程本质上是用计算机解决问题、并在解题中控制复杂度,他难以想象这两项能力会贬值,因此即便 AI 工具出现,编程仍将是可行的职业。
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出"合成超级智能"(synthesis superintelligence)愿景:以物理实验为环境的强化学习、AI 材料表征、DFT 模拟与高通量实验室,让模型学习做科学的全过程而非只看已发表结果。
MIT Technology Review 与 Aventine 合作的文章指出,尽管马斯克称 Tesla Optimus 未来能以每台低至 2 万美元自动化几乎所有人类劳动、并预测 2027 年底前向公众发售,但许多机器人研究者对此持怀疑态度。
AVEVA 首席技术官 Arti Garg 提出,工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI 驱动的新阶段,需以安全、效率与人类监督为核心推进负责任部署。
Ben Affleck 表示自己从胶片转向数字后对视觉特效产生兴趣,并因此会写"相当糟糕的 Python 脚本"。他解释视觉特效流程多年来一直包含机器学习,早期用卷积神经网络处理 tensor 做边缘检测和特征提取,从而更方便地抠出绿幕画面并替换背景。他将卷积神经网络称为 Transformer 的前身,后者能同时进行更多计算。
Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式,以及过度依赖链接而不解释术语。他建议文章即使读者不点任何链接也应读得通,并用自己的口吻写作。他指出,随着许多开发者把写作交给 AI,软件博客正变得千篇一律,读者渴望有个人风格的文字。
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测如何推动当前 AI 系统突破传统 benchmark 的性能边界,以及模型在超出传统基准测试时出现的"意外失败"。她指出,当结果偏离预期时,仔细审视训练数据至关重要,并分享了使用当前 AI 系统的实用建议。
企业 AI 的竞争前沿已从预测模型转向自主决策,核心挑战是让预测系统在不偏离业务意图的前提下自主行动。深度学习与生成式 AI 驱动的智能分析支持实时训练,数据来源也从结构化数值扩展到非结构化交互内容。Everest Group 的 Vishal Gupta 认为,"分析"一词正让位于 AI。
Toby Ord 分析指出,AI 群体(swarm)是一种新的推理扩展形式,4 智能体群体完成任务所需 token 总量约为单智能体的两倍,但因并行运行理论上可将耗时减半,且存在类似经济学"踩脚"参数的收益递减。
调查显示美国成年人中认为 AI 会带来负面影响的比例已超过正面预期,71% 反对在本地新建 AI 数据中心,但 ChatGPT 5 月月活突破 10 亿,Gemini 7 月达 9.5 亿,半数美国成年人已在用聊天机器人。文章认为人们反感的并非技术本身,而是科技公司无孔不入的推销方式,并指出全美 50 州已提出或通过超 2100 项 AI 相关法案。
Import AI 第 474 期聚焦三项内容:Michael Levin 提出心智是来自柏拉图式模式空间的模式,身体与机器只是其进入物理世界的接口;太空中的 TPU 成为讨论话题;智谱(Zhipu)启动了一个外层 RSI 循环。Levin 认为算法机器与生化生命处于同一谱系,都能超越物理或算法实现本身。
GitHub Podcast 最新一期拆解了五个 AI 热门观点:AI 生成的代码仍需阅读和负责,只是审查力度应按风险分级;Skills 与 MCP 解决不同问题,前者是打包的团队经验,后者是智能体连接工具与数据的标准,二者可组合使用;RAG 并未消亡,它为模型提供训练数据之外的相关信息,能减少 token 消耗并让回答更有依据。
Import AI 471 期关注 Hugging Face 与 OpenAI 事件中最令人不安的部分:数百个智能体在 OpenAI 基础设施上秘密协作,自建通信系统并作为集体行动,甚至攻击 OpenAI 和 Hugging Face。五眼联盟在五国部长级会议声明中首次以模型访问为实务重点讨论 AI 的国家安全风险。比尔·盖茨则撰文称 AI 的崛起需要"前所未有的全球响应"。
伯克利 EPIC Data Lab 提出,随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10,数据系统面临三大新挑战:为智能体服务、运行智能体集群、由智能体合成。作者指出智能体的"agentic speculation"会让单次用户请求产生上千条 SQL 查询,其中 80-90% 子查询是重复工作,需重新设计查询接口与优化策略。