梁文锋
语言模型 → CoT → Agent → 持续学习 → 自迭代 → 具身。开源与克制同时服务组织和长期目标。
继续观察:旗舰开源、持续学习成果、国产训练栈。
不是选偶像,也不是判断谁最聪明;而是持续追踪不同路线、利益位置和现实结果。
人物亲口说过,只能证明这是他的观点,不能证明未来会照此发生。页面只保留来源状态,不评“证据可信度”;真正重要的是预测能否被现实兑现或证伪。
共同面对算力、资本和商业化约束,但对下一瓶颈的判断不同。
语言模型 → CoT → Agent → 持续学习 → 自迭代 → 具身。开源与克制同时服务组织和长期目标。
继续观察:旗舰开源、持续学习成果、国产训练栈。
从无差别 Scaling 转向长程任务、记忆、自治系统、完全自我训练与安全治理。
继续观察:Touch High 资源配置、智谱财报、机械可解释性。
把能源更高效地转成智能;重做 optimizer、attention 和 Agent 集群的底层基本件。
继续观察:MuonClip 复现、长上下文真实效用、Agent 每任务成本。
原生全模态、多 Agent 系统和“智能密度 × Token 吞吐量”的平台价值。
继续观察:AI Units、API 占比、编程 Agent 同事级交付。
大模型不会只剩一家;MaaS 是当下商业化的可靠路径,上市是 AGI 马拉松的补给站。
继续观察:智谱上市后财报、GLM 迭代节奏、企业级交付。
全面开源做大生态、“模型即产品”、Agent 走托管式路线;对中国赶超持克制估计。
继续观察:离职后创业方向、Qwen 开源节奏、具身/世界模型押注。
训练方法论趋于标准化,稀缺的不再是能力而是问题定义与评估;benchmark 与真实效用脱节。
继续观察:腾讯任内动作、真实环境评估落地、Agent 产品化。
Agent、递归研发、吉瓦级算力扩张与智能成本趋近能源成本。
继续观察:基础设施兑现、Agent 经济性、默认入口。
能力指数增长与强监管并行:第三方测试、可解释性和政府发布闸门。
继续观察:监管落地、可解释性事故降低、模型时间表。
世界模型、模拟课程、科学发现,以及“还缺一两个突破”的保留判断。
继续观察:Genie 一致性、Agent 迁移、理论突破。
可重置、低成本、奖励明确的任务先被自动化;理解不能外包。
继续观察:开放域可靠性、验证器壁垒、Agent 的九个九。
预训练时代到尽头(“数据是化石燃料”),从 scaling 时代回到研究时代;跳过产品直奔安全超级智能。
继续观察:SSI 是否发布任何东西、融资与算力、路线泄露信号。
自回归 LLM 是通往人类水平智能的“匝道”;押从视频观察学习的世界模型(JEPA)。
继续观察:AMI Labs 产出、JEPA 系列能力、LLM 路线是否触顶。
瓶颈驱动的注意力分配;算力与物理智能(机器人、自动驾驶、太空算力)决定长期胜负。
继续观察:Colossus 实际利用率、Grok 追赶速度、Optimus 量产。
把数据中心定义为生产 intelligence token 的工厂,推理是下一增长极。
继续观察:数据中心增速、毛利率、客户集中、需求弹性。
模型、harness、上下文和记忆分离;价值留在系统、工作流和企业数据。
继续观察:Copilot 留存、Azure capex、多模型迁移。
TPU、模型、Cloud、Search、Workspace 与 Agent 平台一体化。
继续观察:Cloud backlog、TPU 外部化、capex 与 AI 利润。
Agent 需要非结构化内容、权限、元数据和审计;seat 与 AI Units 双轨。
继续观察:NRR、AI Units 规模、毛利率与上游中间化。
红杉合伙人、SpaceX/xAI 投资人;“xAI 会赢”论证自洽但难证伪——按多头论证处理。
继续观察:Colossus 上电容量、xAI 独立收入、太空算力工程方案。