LIVING PROFILES

十九位人物,十九个观察 AI 的位置

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。

使用原则

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。

CHINA · 7

中国:约束下的效率与路线选择

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。

持续学习

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。

智能效率

唐杰

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。

长上下文

杨植麟

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。

多 Agent

闫俊杰

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。

MaaS 落地

张鹏

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。

开源生态

林俊旸

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。

下半场

姚顺雨

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。

比较中国四条路线 →

UNITED STATES · FRONTIER LABS

美国前沿实验室:能力、安全与架构

智能丰裕

Sam Altman

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。

安全许可

Dario Amodei

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

Demis Hassabis

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。

可验证性

Andrej Karpathy

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。

超级智能

Ilya Sutskever

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。

世界模型(反 LLM)

Yann LeCun

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。

物理智能

Elon Musk

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。

UNITED STATES · INDUSTRY

美国产业:谁控制 Token 的生产与消费

AI 工厂

Jensen Huang

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。

模型可替换

Satya Nadella

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。

全栈分发

Sundar Pichai

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。

企业上下文

Aaron Levie

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。

资本多头

Shaun Maguire

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。

查看人物观点更新记录 →

HOW TO LEARN

每次学习一个人,固定问六个问题

他认为智能从哪里来?Scaling、数据、RL、世界模型、记忆还是环境反馈?
他认为下一个瓶颈是什么?算力、持续学习、可靠性、分发还是组织吸收?
他的公司靠什么赚钱?这会怎样影响他描述未来的方式?
什么现实会证明他错?先写反证,再等待发布、成本、客户和财报裁决。
他与谁真正冲突?区分技术路线冲突与利润池冲突。
哪些东西不能交给他判断?创始人能解释愿景,不能替代独立单位经济和事故数据。