古典 PM，目前 All in AI，为真实用户做一些让世界更美好的产品。

快速了解我的方式：

1. 公众号，微信搜索“潜云思绪”。
或者直接查看这些文章，这是去年 3 月份在真格分享产品人该怎么学 AI的。 mp.weixin.qq.com
这是去年 12 月分享非工程师如何学习 AI Coding 的分享。
mp.weixin.qq.com
这是今年2月做的关于 DeepSeek R1 的分享 mp.weixin.qq.com

2. 播客，我自己没，都是蹭朋友的播客录🤣
@42章经 www.xiaoyuzhoufm.com
@OnBoard！ www.xiaoyuzhoufm.com
@十字路口 www.xiaoyuzhoufm.com
这三期播客基本上讲清楚了我对于 AI 产品的一些基础认知，目前在做的事大多也都在这些框架下进行生长。

之前没仔细看 Scale AI 这个 RLI benchmark scale.com ，只看了他们宣传时发的任务完成率。今天 @PeakJi 提醒了一下，才发现原始报告中还有 ELO 分数以及各个产品实际能“赚”多少钱，这两个数据 Manus 是断档领先啊。
另外…他们居然是6月份测的，突然很好奇用最新的 Manus 1.5 会是什么结果呢？

最近与 Heicoders 联合做了一个 Manus 的线下课程，反响非常不错。为了推广这个课程，与他们 CEO 一起录了这期 Fireside chat 节目，聊得挺好的。

前两天Anthropic那篇关于LLM“自省”的文章激起了不少自媒体的想象力，什么自主意识啊、AI欺骗啊。很长一段时间我都以为这是因为大众对LLM的训练方式以及工作过程不够理解导致的。
但近来越来越觉得是因为科幻文学是种小众文学，大部分人没有意识到科幻以及很多其他哲学领域的文本对LLM输出概率分布的影响有多大。相信常年看科幻的人，面对这些时不时冒出来的惊讶体文章免疫力会更强一些。毕竟那味实在是太熟悉了。

感谢 Granite 提供场地，今天和 OpenAI 一起 co-host 了一场面向创业者的活动。一个很直观的感受是即使从去年底我就很兴奋，2025会是 AI 应用元年了，但到今天大家还是持怀疑态度的多。别犹豫啦，快下场啊！

最近用 Wide Research 用得越多，以及看了用户的各种神奇 case，越觉得这可能是一个关键突破口。分享一下关于这个技术的一些想法。

Scale AI 最新的工作，用来衡量真实工作任务场景中的AI自动化完成率，Manus 在一众 AI 产品中险胜。希望明年我们能够在保持领先地位的同时，逐渐逼近 100% 完成率😎

很荣幸在新加坡创新周上代表 Manus 做开幕演讲，同时也 get 人生中第一次现场直播的电视台采访经历。现场很多参会者都不敢相信 Manus 才诞生不到 8 个月，其实我自己回头看这段旅程也过于奇妙，谁知道下个月还会有什么大事发生呢？😉

昨天走 Rail Corridor 中段，物种真够多的。

Deepseek OCR 是一个很有趣的探索方向。今天看到很多比喻，是在“文字“和“图像”之间做对比，但事实上“文字”不是“文字”，“图像”也不算“图像”。
学习新概念，切忌少去看比方，理解原文概念更重要。

11月要去趟香港，本来想订一下 Vicky 老师的 Wing，结果发现根本没机会。本来觉得没啥，结果今天合作伙伴发来邀约，就在我去香港的那天，他们邀请了 Vicky 老师来新加坡做菜…🥲