即刻App年轻人的同好社区
下载
置顶“我喜欢看到欣欣向荣的世界”
国内已经有很多创业者社群了，但 builder的社群比较少
有时候，不考虑盈利，纯粹做一个喜欢的事情也是挺不错的
————Hackathon Weekly 北京01场纪念
国内已经有很多创业者社群了，但 builder的社群比较少
有时候，不考虑盈利，纯粹做一个喜欢的事情也是挺不错的
————Hackathon Weekly 北京01场纪念
96 128
还真是，不管是恋爱还是创业，正常人都很稀缺
比如Peak和小珺的访谈里就提到了小红成功的原因是：他是个正常人：）
比如Peak和小珺的访谈里就提到了小红成功的原因是：他是个正常人：）
Garin加加林: 这个“正常人”，回应了我之前即刻的一条动态，闭环了，哈哈哈 https://m.okjike.com/originalPosts/695601fa446785dfa50024c0?s=eyJ1IjoiNWYyZTIzZjgxNGRlNjUwMDE3NWZhNjIwIn0%3D
10 11
是的，需要我们来把模型交付给用户 //@托尼潘: 嗯，模型技术进步会解锁更多场景。不过我觉得它始终是标品，是面向通用形态标准设计的，落地到产品，实操还是会发现有很多传统的细节层面的东西要做好。C 端其实更偏向面向最后一公里付费。
Max_means_best: 这是中国AI界最有含金量的一次圆桌访谈。 今天下午在北京的AGI-Next闭门会上，有这样一场我认为是中国AI界最有含金量的圆桌访谈。 之所以这么说，是因为在这个时间节点（2026年初），杨强、唐杰、林俊旸、姚顺雨（远程）这几位坐在台上。 既没有谈论那些宏大的AGI科幻愿景，也没有回避那些让从业者尴尬的现实问题。 整场看下来，只有一种感觉：真实。 他们把过去两年行业里堆积的泡沫吹散了，露出底下粗糙但真实的纹理。 作为在行业里摸爬滚打的人，我整理了一下我觉得有价值的部分。 如果你还在这个牌桌上，建议读完。 一、承认吧，中国AI最大的问题是“穷” 这是整场圆桌里我觉得最清醒的一个比喻。 阿里的林俊旸把中美差距说得很透：这是富人和穷人的游戏。 什么叫富人？ OpenAI们手里的算力比我们大1-2个数量级。 人家拿算力是在做Research，是探索无人区，甚至是在“浪费”。 什么叫穷人？ 大部分中国公司手里的卡捉襟见肘，绝大部分算力光是应付业务就已经亮红灯了。 这直接导致了玩法的不同。 富人可以赌找到下一个范式，穷人只能赌确定性。 但也没必要悲观。 正因为穷，我们才会被逼出一种绝活：算法与基建的极致联合优化。 这种穷则思变的工程能力，富人是不屑于练的，但这就是我们在算力封锁下活下去的唯一氧气管。 二、To C 的智商过剩，与 To B 的智商溢价 腾讯的姚顺雨从OpenAI回来后，第一次对外分享。 他表示过去一年，所有模型都在卷分数（BenchMark）。 但现实是，在To C端，用户根本分不清你的模型是92分还是98分。 ChatGPT解数学题变强了，对普通大众来说意义有限。 To C接下来的核心，不再是卷智商，而是卷Context（上下文）和情商——模型知不知道我今天在哪里，知不知道我冷不冷。 真正的智商溢价在哪里？ 在To B，在Coding。 企业愿意为那个能把10个任务做对9个的模型付200美金，而不是为做对5个的便宜货付20美金。 所以，智谱的唐杰老师判断很准：“AI代替搜索”的战争，随着DeepSeek的出现，已经结束了。 下一场硬仗，是Coding（代码能力）。这不仅是程序员的工具，更是未来Agent自我进化的基石。 因为那是生产力，那是真金白银。 三、Agent 的终局：模型即产品，套壳没戏 如果你正在做Agent创业，或者所谓的“套壳”应用，这段内容可能会让你重新思考商业模式。 圆桌上的结论很冷酷：模型即产品。 林俊旸提到了一个很现实的技术细节：Agent在执行任务时遇到的长尾问题，靠修补Prompt或应用层代码是解决不了的。 解决这些问题，需要回到模型层，通过烧卡训练模型来修复。 这意味着，通用Agent的天花板，牢牢掌握在模型厂商手里。 没有模型训练能力的公司，很难建立真正的壁垒。 四、中国领先的概率是20% 这是整场对话最扎心的一问。 主持人问：3-5年后，全球最领先的AI公司是中国公司的概率有多大？ 林俊旸给出的数字是：20%。 这是一个非常诚实的数据。 听惯了“遥遥领先”的人，可能会觉得这个数字刺耳。 但对于一线从业者来说，这个数字无比真实。 姚顺雨还补充了一个文化层面的观察：我们的研究文化，太喜欢“确定性”了。 我们喜欢刷榜，喜欢做那些一定能出结果的改进。 而OpenAI之所以能成，是因为他们敢在2022年就去赌一个当时看起来毫无确定性的路线。 我们面临的是算力鸿沟，是人才密度的差距，是研究文化上太爱确定性和刷榜的惯性。 这种不敢冒险的文化惯性，可能比算力差距更难弥补。 但20%就没有意义了吗？ 智谱的唐杰老师说了一句很触动我的话：“我们这一代（AI人）可能是最不幸运的……但如果我们笨笨的坚持，也许走到最后的就是我们。” 这就够了。 在这个阶段，承认差距，承认我们是“穷人”打法，承认胜率不高，并不是为了贩卖焦虑。 相反，只有看清了底牌，不再幻想弯道超车，我们才能在剩下的那20%的可能性里，把工程落地做到极致。 这一仗很难打，胜率也不高。 但只要还在牌桌上，就别下场。 路还很长，保持清醒，请笨笨地坚持吧。
4 00
原因我觉得是那句电影台词：“这个世界上只有一种病，穷病。” //@小朋友不说话了: “不敢冒险的文化惯性”，很精准，不仅是 ai，各方面都是，创新总是发生在老美，东大模仿追赶改良
Max_means_best: 这是中国AI界最有含金量的一次圆桌访谈。 今天下午在北京的AGI-Next闭门会上，有这样一场我认为是中国AI界最有含金量的圆桌访谈。 之所以这么说，是因为在这个时间节点（2026年初），杨强、唐杰、林俊旸、姚顺雨（远程）这几位坐在台上。 既没有谈论那些宏大的AGI科幻愿景，也没有回避那些让从业者尴尬的现实问题。 整场看下来，只有一种感觉：真实。 他们把过去两年行业里堆积的泡沫吹散了，露出底下粗糙但真实的纹理。 作为在行业里摸爬滚打的人，我整理了一下我觉得有价值的部分。 如果你还在这个牌桌上，建议读完。 一、承认吧，中国AI最大的问题是“穷” 这是整场圆桌里我觉得最清醒的一个比喻。 阿里的林俊旸把中美差距说得很透：这是富人和穷人的游戏。 什么叫富人？ OpenAI们手里的算力比我们大1-2个数量级。 人家拿算力是在做Research，是探索无人区，甚至是在“浪费”。 什么叫穷人？ 大部分中国公司手里的卡捉襟见肘，绝大部分算力光是应付业务就已经亮红灯了。 这直接导致了玩法的不同。 富人可以赌找到下一个范式，穷人只能赌确定性。 但也没必要悲观。 正因为穷，我们才会被逼出一种绝活：算法与基建的极致联合优化。 这种穷则思变的工程能力，富人是不屑于练的，但这就是我们在算力封锁下活下去的唯一氧气管。 二、To C 的智商过剩，与 To B 的智商溢价 腾讯的姚顺雨从OpenAI回来后，第一次对外分享。 他表示过去一年，所有模型都在卷分数（BenchMark）。 但现实是，在To C端，用户根本分不清你的模型是92分还是98分。 ChatGPT解数学题变强了，对普通大众来说意义有限。 To C接下来的核心，不再是卷智商，而是卷Context（上下文）和情商——模型知不知道我今天在哪里，知不知道我冷不冷。 真正的智商溢价在哪里？ 在To B，在Coding。 企业愿意为那个能把10个任务做对9个的模型付200美金，而不是为做对5个的便宜货付20美金。 所以，智谱的唐杰老师判断很准：“AI代替搜索”的战争，随着DeepSeek的出现，已经结束了。 下一场硬仗，是Coding（代码能力）。这不仅是程序员的工具，更是未来Agent自我进化的基石。 因为那是生产力，那是真金白银。 三、Agent 的终局：模型即产品，套壳没戏 如果你正在做Agent创业，或者所谓的“套壳”应用，这段内容可能会让你重新思考商业模式。 圆桌上的结论很冷酷：模型即产品。 林俊旸提到了一个很现实的技术细节：Agent在执行任务时遇到的长尾问题，靠修补Prompt或应用层代码是解决不了的。 解决这些问题，需要回到模型层，通过烧卡训练模型来修复。 这意味着，通用Agent的天花板，牢牢掌握在模型厂商手里。 没有模型训练能力的公司，很难建立真正的壁垒。 四、中国领先的概率是20% 这是整场对话最扎心的一问。 主持人问：3-5年后，全球最领先的AI公司是中国公司的概率有多大？ 林俊旸给出的数字是：20%。 这是一个非常诚实的数据。 听惯了“遥遥领先”的人，可能会觉得这个数字刺耳。 但对于一线从业者来说，这个数字无比真实。 姚顺雨还补充了一个文化层面的观察：我们的研究文化，太喜欢“确定性”了。 我们喜欢刷榜，喜欢做那些一定能出结果的改进。 而OpenAI之所以能成，是因为他们敢在2022年就去赌一个当时看起来毫无确定性的路线。 我们面临的是算力鸿沟，是人才密度的差距，是研究文化上太爱确定性和刷榜的惯性。 这种不敢冒险的文化惯性，可能比算力差距更难弥补。 但20%就没有意义了吗？ 智谱的唐杰老师说了一句很触动我的话：“我们这一代（AI人）可能是最不幸运的……但如果我们笨笨的坚持，也许走到最后的就是我们。” 这就够了。 在这个阶段，承认差距，承认我们是“穷人”打法，承认胜率不高，并不是为了贩卖焦虑。 相反，只有看清了底牌，不再幻想弯道超车，我们才能在剩下的那20%的可能性里，把工程落地做到极致。 这一仗很难打，胜率也不高。 但只要还在牌桌上，就别下场。 路还很长，保持清醒，请笨笨地坚持吧。
4 00
我会觉得模型层的修改不是在于做到那些不可衡量任务的最佳结果，而是显著改善模型交付能力的最低下限。
比如GLM4.6就特别强化训练了一些PPT相关的数据（HTML），结果就是4.6的PPT能力是国内模型里最好的。
另一个case我会说是Nano Banana Pro，同样的还没法做到每个人都最满意的程度，但是已经能显著提升交付质量，并且把改图这个场景真的PMF了 //@莫子皓Megil: 的确是的 很多事情认真想不能说的那么绝对
真的所有B端需求都需要 100%正确的执行结果吗？ 如果执行结果可以被衡量 那么大概率也可以写check的逻辑去保证健壮性 这一个99.9999%case的优化价值有这么大？
还有很多是不能衡量 或者 没有明确衡量方式的任务 给用户一段回复 一个报告 一份pdf 这些什么叫对什么叫错？ 真的是全靠模型训进去？ 我持保守的态度。
btw 我倒是真希望ds以外 有人真的在“笨笨的”坚持 这个时代坚持需要的更多不是毅力 而是拒绝诱惑的定力...
比如GLM4.6就特别强化训练了一些PPT相关的数据（HTML），结果就是4.6的PPT能力是国内模型里最好的。
另一个case我会说是Nano Banana Pro，同样的还没法做到每个人都最满意的程度，但是已经能显著提升交付质量，并且把改图这个场景真的PMF了 //@莫子皓Megil: 的确是的 很多事情认真想不能说的那么绝对
真的所有B端需求都需要 100%正确的执行结果吗？ 如果执行结果可以被衡量 那么大概率也可以写check的逻辑去保证健壮性 这一个99.9999%case的优化价值有这么大？
还有很多是不能衡量 或者 没有明确衡量方式的任务 给用户一段回复 一个报告 一份pdf 这些什么叫对什么叫错？ 真的是全靠模型训进去？ 我持保守的态度。
btw 我倒是真希望ds以外 有人真的在“笨笨的”坚持 这个时代坚持需要的更多不是毅力 而是拒绝诱惑的定力...
托尼潘: 模型无法等于产品。认真的想，其实场景领先，大于技术领先。一半是 Taste 决定的，另一半其实也能在上一代计算机革命的历史里鉴往知来。历史不总会重复，但他会押韵。
2 00
我是会觉得场景和模型是缺一不可的东西。
从观察者视角来看，23年大家做的很多场景之所以做不起来，不是对场景或需求理解的不够，而是真的模型不ready。
现在重新做一遍就会发现曾经需要非常多工程化来解决的问题。
现在直接调用模型就行了。
从观察者视角来看，23年大家做的很多场景之所以做不起来，不是对场景或需求理解的不够，而是真的模型不ready。
现在重新做一遍就会发现曾经需要非常多工程化来解决的问题。
现在直接调用模型就行了。
托尼潘: 模型无法等于产品。认真的想，其实场景领先，大于技术领先。一半是 Taste 决定的，另一半其实也能在上一代计算机革命的历史里鉴往知来。历史不总会重复，但他会押韵。
2 00
这是中国AI界最有含金量的一次圆桌访谈。
今天下午在北京的AGI-Next闭门会上，有这样一场我认为是中国AI界最有含金量的圆桌访谈。
之所以这么说，是因为在这个时间节点（2026年初），杨强、唐杰、林俊旸、姚顺雨（远程）这几位坐在台上。
既没有谈论那些宏大的AGI科幻愿景，也没有回避那些让从业者尴尬的现实问题。
整场看下来，只有一种感觉：真实。
他们把过去两年行业里堆积的泡沫吹散了，露出底下粗糙但真实的纹理。
作为在行业里摸爬滚打的人，我整理了一下我觉得有价值的部分。
如果你还在这个牌桌上，建议读完。
一、承认吧，中国AI最大的问题是“穷”
这是整场圆桌里我觉得最清醒的一个比喻。
阿里的林俊旸把中美差距说得很透：这是富人和穷人的游戏。
什么叫富人？
OpenAI们手里的算力比我们大1-2个数量级。
人家拿算力是在做Research，是探索无人区，甚至是在“浪费”。
什么叫穷人？
大部分中国公司手里的卡捉襟见肘，绝大部分算力光是应付业务就已经亮红灯了。
这直接导致了玩法的不同。
富人可以赌找到下一个范式，穷人只能赌确定性。
但也没必要悲观。
正因为穷，我们才会被逼出一种绝活：算法与基建的极致联合优化。
这种穷则思变的工程能力，富人是不屑于练的，但这就是我们在算力封锁下活下去的唯一氧气管。
二、To C 的智商过剩，与 To B 的智商溢价
腾讯的姚顺雨从OpenAI回来后，第一次对外分享。
他表示过去一年，所有模型都在卷分数（BenchMark）。
但现实是，在To C端，用户根本分不清你的模型是92分还是98分。
ChatGPT解数学题变强了，对普通大众来说意义有限。
To C接下来的核心，不再是卷智商，而是卷Context（上下文）和情商——模型知不知道我今天在哪里，知不知道我冷不冷。
真正的智商溢价在哪里？
在To B，在Coding。
企业愿意为那个能把10个任务做对9个的模型付200美金，而不是为做对5个的便宜货付20美金。
所以，智谱的唐杰老师判断很准：“AI代替搜索”的战争，随着DeepSeek的出现，已经结束了。
下一场硬仗，是Coding（代码能力）。这不仅是程序员的工具，更是未来Agent自我进化的基石。
因为那是生产力，那是真金白银。
三、Agent 的终局：模型即产品，套壳没戏
如果你正在做Agent创业，或者所谓的“套壳”应用，这段内容可能会让你重新思考商业模式。
圆桌上的结论很冷酷：模型即产品。
林俊旸提到了一个很现实的技术细节：Agent在执行任务时遇到的长尾问题，靠修补Prompt或应用层代码是解决不了的。
解决这些问题，需要回到模型层，通过烧卡训练模型来修复。
这意味着，通用Agent的天花板，牢牢掌握在模型厂商手里。
没有模型训练能力的公司，很难建立真正的壁垒。
四、中国领先的概率是20%
这是整场对话最扎心的一问。
主持人问：3-5年后，全球最领先的AI公司是中国公司的概率有多大？
林俊旸给出的数字是：20%。
这是一个非常诚实的数据。
听惯了“遥遥领先”的人，可能会觉得这个数字刺耳。
但对于一线从业者来说，这个数字无比真实。
姚顺雨还补充了一个文化层面的观察：我们的研究文化，太喜欢“确定性”了。
我们喜欢刷榜，喜欢做那些一定能出结果的改进。
而OpenAI之所以能成，是因为他们敢在2022年就去赌一个当时看起来毫无确定性的路线。
我们面临的是算力鸿沟，是人才密度的差距，是研究文化上太爱确定性和刷榜的惯性。
这种不敢冒险的文化惯性，可能比算力差距更难弥补。
但20%就没有意义了吗？
智谱的唐杰老师说了一句很触动我的话：“我们这一代（AI人）可能是最不幸运的……但如果我们笨笨的坚持，也许走到最后的就是我们。”
这就够了。
在这个阶段，承认差距，承认我们是“穷人”打法，承认胜率不高，并不是为了贩卖焦虑。
相反，只有看清了底牌，不再幻想弯道超车，我们才能在剩下的那20%的可能性里，把工程落地做到极致。
这一仗很难打，胜率也不高。
但只要还在牌桌上，就别下场。
路还很长，保持清醒，请笨笨地坚持吧。
今天下午在北京的AGI-Next闭门会上，有这样一场我认为是中国AI界最有含金量的圆桌访谈。
之所以这么说，是因为在这个时间节点（2026年初），杨强、唐杰、林俊旸、姚顺雨（远程）这几位坐在台上。
既没有谈论那些宏大的AGI科幻愿景，也没有回避那些让从业者尴尬的现实问题。
整场看下来，只有一种感觉：真实。
他们把过去两年行业里堆积的泡沫吹散了，露出底下粗糙但真实的纹理。
作为在行业里摸爬滚打的人，我整理了一下我觉得有价值的部分。
如果你还在这个牌桌上，建议读完。
一、承认吧，中国AI最大的问题是“穷”
这是整场圆桌里我觉得最清醒的一个比喻。
阿里的林俊旸把中美差距说得很透：这是富人和穷人的游戏。
什么叫富人？
OpenAI们手里的算力比我们大1-2个数量级。
人家拿算力是在做Research，是探索无人区，甚至是在“浪费”。
什么叫穷人？
大部分中国公司手里的卡捉襟见肘，绝大部分算力光是应付业务就已经亮红灯了。
这直接导致了玩法的不同。
富人可以赌找到下一个范式，穷人只能赌确定性。
但也没必要悲观。
正因为穷，我们才会被逼出一种绝活：算法与基建的极致联合优化。
这种穷则思变的工程能力，富人是不屑于练的，但这就是我们在算力封锁下活下去的唯一氧气管。
二、To C 的智商过剩，与 To B 的智商溢价
腾讯的姚顺雨从OpenAI回来后，第一次对外分享。
他表示过去一年，所有模型都在卷分数（BenchMark）。
但现实是，在To C端，用户根本分不清你的模型是92分还是98分。
ChatGPT解数学题变强了，对普通大众来说意义有限。
To C接下来的核心，不再是卷智商，而是卷Context（上下文）和情商——模型知不知道我今天在哪里，知不知道我冷不冷。
真正的智商溢价在哪里？
在To B，在Coding。
企业愿意为那个能把10个任务做对9个的模型付200美金，而不是为做对5个的便宜货付20美金。
所以，智谱的唐杰老师判断很准：“AI代替搜索”的战争，随着DeepSeek的出现，已经结束了。
下一场硬仗，是Coding（代码能力）。这不仅是程序员的工具，更是未来Agent自我进化的基石。
因为那是生产力，那是真金白银。
三、Agent 的终局：模型即产品，套壳没戏
如果你正在做Agent创业，或者所谓的“套壳”应用，这段内容可能会让你重新思考商业模式。
圆桌上的结论很冷酷：模型即产品。
林俊旸提到了一个很现实的技术细节：Agent在执行任务时遇到的长尾问题，靠修补Prompt或应用层代码是解决不了的。
解决这些问题，需要回到模型层，通过烧卡训练模型来修复。
这意味着，通用Agent的天花板，牢牢掌握在模型厂商手里。
没有模型训练能力的公司，很难建立真正的壁垒。
四、中国领先的概率是20%
这是整场对话最扎心的一问。
主持人问：3-5年后，全球最领先的AI公司是中国公司的概率有多大？
林俊旸给出的数字是：20%。
这是一个非常诚实的数据。
听惯了“遥遥领先”的人，可能会觉得这个数字刺耳。
但对于一线从业者来说，这个数字无比真实。
姚顺雨还补充了一个文化层面的观察：我们的研究文化，太喜欢“确定性”了。
我们喜欢刷榜，喜欢做那些一定能出结果的改进。
而OpenAI之所以能成，是因为他们敢在2022年就去赌一个当时看起来毫无确定性的路线。
我们面临的是算力鸿沟，是人才密度的差距，是研究文化上太爱确定性和刷榜的惯性。
这种不敢冒险的文化惯性，可能比算力差距更难弥补。
但20%就没有意义了吗？
智谱的唐杰老师说了一句很触动我的话：“我们这一代（AI人）可能是最不幸运的……但如果我们笨笨的坚持，也许走到最后的就是我们。”
这就够了。
在这个阶段，承认差距，承认我们是“穷人”打法，承认胜率不高，并不是为了贩卖焦虑。
相反，只有看清了底牌，不再幻想弯道超车，我们才能在剩下的那20%的可能性里，把工程落地做到极致。
这一仗很难打，胜率也不高。
但只要还在牌桌上，就别下场。
路还很长，保持清醒，请笨笨地坚持吧。
147 5680
