黄钊的AI日报·第七季

公众号排版更好，请查看这里：https://mp.weixin.qq.com/s/UEvJD6IvkbauACxBOCotCQ

注：「黄钊的AI日报」，每天5条内容点。以下5条示例，分别来自2月5号、1月9号、1月10号、2月5号和2月6号的AI日报。 1、【重要】【产品视角】DeepSeek的创新三重门：小天才的规模化 + 华为式的军团平推 + 原创的哲学式思想 a）概述大模型训练，是相当复杂的软硬一体工程，而绝大部分的关键组件， DeepSeek几乎都重新设计了：MLA，GRPO，DeepSeekMoE，DualPipe，FP8混合精度，R1-Zero，MTP 等等。范围之广，密度之大，非常震撼。中国人和美国人对创新的认识，被DeepSeek同时颠覆了 b）创新的第一重门：小天才的规模化不仅有天才般的 learn 的能力，更重要的是，没有 unlearn 的负担。“小天才式的创新”：给定约束，寻找最优解的能力。想象一下，这样的文化，扩散到更多的创新型公司，成为主流，会是怎样的一种盛况？ c）创新的第二重门：军团式的协同创新Peter Thiel 的深刻表述：一个真正的垄断式创新，需要构建 Complex, Vertically Integrated System，许多不同层面的创新，必须同时发生，并以一种高度协同的方式组合在一起。DeepSeek脑海中，把创造 AGI 这件事情，看成一个没有边界的大蓝图。算法？通信？数据？硬件？都在我需要解决的范畴内，而且高度协同的平推下去。如果有足够的精力和钱，他们甚至会做自己的硬件、造自己的电网。这是真正创新者的样子，就像乔布斯说过：真正在乎软件的人，应该去制造属于自己的硬件。 d）创新的第三重门：近乎哲学式的、原创的思想。 i，哲学性思想的创造，为何如此美妙？因为并不是为了找到优秀解法，而是为了问出更本质的问题。 ii，过去十年 AI 的创新源头：Google 2017年的 Transformer，DeepMind 2017年的 AlphaZero，以及 OpenAI 2018年的自回归模型 GPT。这不仅仅是三个模型，内核是三个哲学性思想，关于“学习”的本质：用什么结构来理解世界万物，和他们的内在关系（Transformer）如何通过不断的预测，把世界万物的复杂性压缩到直觉中（GPT）怎么基于直觉构建深度思考，完成对世界的进一步抽象（Zero） iii，最后一块拼图不知道梁文锋是不是中国的 Ilya ，但我坚信，一个跨过创新三重门的组织，需要一个思想性的领袖。今天 OpenAI 最缺的，不就是这个吗？  2、【重要】【最新案例】AI捏脸新玩法！网易新游戏《燕云十六声》，可根据声音（声线/音色/语音内容）为游戏角色捏脸，并生成一段古风“声评”案例一：男性声音试捏（有效果ok的案例，也有捏崩了的奇怪面容，反正网友玩得不亦乐乎）案例二：女性声音试捏（可直接说明星名字，出来的人脸，有8分相似——可能为了规避侵权风险，故意不做到100%还原度） hanniman评注：另外，还可“传照片捏脸”，游戏里NPC也是LLM驱动的——据说该游戏提现了国内“游戏+AI”的最前沿水平，大家可以关注下（该游戏，前天刚开放移动端下载）。  3、【行业动态】DeepSeek用人观：学霸（金牌）、年轻人（应届生）、禁止赛马 a）自2023年5月成立以来，团队规模一直控制在150人左右。 i，不要资深的技术人工作经验在3-5年，已经最多了，超8年基本就pass；不招有名的大佬，他们很少有创新的动力，但有不允许失败的包袱。创新的事，还是交给新人去做。 ii，偏爱尚未经过职场验证、刚毕业不久的年轻人不少没有模型训练经验，甚至都不是计算机出身。衡量“优秀”与否的标准，除了院校，还对竞赛成绩看得非常重（金奖以下基本不考虑）。杭州，是基础设施团队，北京，是工程师团队（百人规模） b）如何管理、留住这一群年轻的天才？砸钱砸卡：薪酬对标字节研发并加价；只要技术提案有潜力，算力不限。扁平化管理：成员不带团队，按具体目标分研究小组，组内无固定分工、上下级关系。不赛马（为了杜绝人力、资源浪费，“也不利于人才的留存和团队共识的形成，赛马造成的内耗太严重了”），不设硬性kpi，也没有商业化的压力。当一个idea显示出潜力，会自上而下调配资源。 c）要创新，团队必须摆脱惯性。大部分国内AI公司，已陷入“浅显模仿OpenAI”的惯性——跟随被验证的路径，降低失败的风险。很少有厂商、会去调整Transformer，但DeepSeek对算法架构的反思，从第一天就开始了（成员没有太多模型训练经验，反而不会去抄OpenAI的“标准答案”）。创新的底气，来源于充足算力和钱。DeepSeek没有其他业务，也不烧钱做投放、不做商业化，所有资源，都投到模型训练上。 hanniman评注：最近刚好看到，某厂内部对DeepSeek人才的mapping信息，其实也不是所有人都是那么年轻，高管很多40岁左右，也有些技术核心，是92/96年的。  4、【资源/工具】「硅基流动+Chatbox AI」，轻松解决DeepSeek R1的卡顿问题 a）只需两步：在“硅基流动”（后端），创建API key；在“Chatbox AI”（前端；覆盖Mac、Win、安卓、iOS），粘贴API key。 b）第一步注册、登录“硅基流动”（官网链接）。进入【模型广场】，在最左边的导航栏，点击进入【API密钥】。新建API密钥（密钥描述可随便写），完成后，点击复制自己的API Key（相当于卡密码，需严格保密。） c）第二步下载“Chatbox AI”（下载链接）打开“Chatbox AI”对话界面后，点击左下角【设置】按钮，在设置界面的【模型提供方】里，选择SiliconFlow API（硅基流动的英文名）。在【API密钥】里，输入复制的API key。在【模型】下拉框中，选DeepSeek R1，点击【保存】。  d）至此，你就拥有了“专属DeepSeek”。  5、【重要】【产品视角】AI创业者惨痛教训：弥补模型局限性是陷阱，利用模型灵活性才是答案 a）“从70年的AI研究中，得到的最大教训是：利用计算的通用方法，最终是最有效的，而且优势巨大”——《痛苦的教训》by Richard Sutton（强化学习之父）将知识构建到智能体中，短期会提升效果，但长期会阻碍进步。突破性进展，始终通过“扩展计算资源”相关方法实现。 b）“现在，AI应用领域创始人”，正在犯“过去，AI研究者”的错AI产品封装AI模型后，提高产品性能的方法：增加工程设计 & 使用更好的模型。随着模型的提升，工程工作的价值会越来越低，如下图所示（在应用层构建 AI 产品时，工程投入的回报递减）c）更出色的AI模型，将催生AGI应用，同时，AI模型的软件附加值将减少。 i，当前模型有很大局限性，许多公司从工程中盈利。本质上：工程努力旨在限制AI，从而减少错误。限制有两个维度：特异性：解决方案的专注度。（垂直解决方案的配套软件，为特定问题而构建。）自主性：AI独立运作程度。（workflow：LLM遵循预定路径；Agent：LLM自主决定如何完成任务）  ii，以制作PPT为场景，每一个类别的可能方法：Vertical workflow：固定的步骤顺序；Vertical agent：LLM循环运行；Horizontal workflow：GPT等工具协助完成部分任务；Horizontal agent：Claude根据prompt理解人类意图去操控计算机执行命令； iii，《情景意识》Leopold Aschenbrenner（前OpenAI研究员）：模型进化速度，将超越“搭建工程工作解决问题速度”。对于解决路径不明确的问题，自主性更强的产品，将取得更好的效果。同样，在处理大型、复杂的输入空间时，特定性较低的产品将表现更好。 d）从长期看，创业公司更应该押注那些“能充分利用大模型自主性与灵活性”的机会。Sam Altman：创业者应对更好的模型发布而“感到兴奋”，而不是害怕。 e）补充说明1：《痛苦的教训》统计图模型构建时，通常有两个选择：高偏差、高精确度的处理模型 & 高方差、高灵活度，但不可预测的模型。建议：选择灵活的办法，因为可靠性问题，可通过算力和数据逐步解决。 f）补充说明2：“传统机器学习的手动特征工程”与“深度学习的端到端方法”的流程区别 传统机器学习，需要人为决定什么数据重要（获取原始输入-手动提取“特征”-计算特定任务）vs 深度学习，自动学习数据的模式。“特征工程”永远会被“端到端”取代，尽管在早期，特征工程感觉更安全、可控。（案例：自动驾驶）

注：「黄钊的AI日报」，每天5条内容点。以下5条示例，分别来自3月27号、4月1号、4月8号、4月22号和4月1号的AI日报。 1、【重要】【技术视角】817样本激发7倍推理性能，「少即是多」挑战RL Scaling范式 a）上交大最新研究LIMO（Less Is More for Reasoning），仅用817条精心设计的样本，借助监督微调，全面超越十万量级模型数学推理：在AIME24、MATH500测试中，准确率达57.1%、94.8%，超越QwQ（50%、89.8%）和o1-preview（44.6%、85.5%）。泛化能力：LIMO数据集不含中文，高考数学测试正确率，达到81%；不是简单记忆训练数据，而是掌握数学推理本质。反思能力：推理过程使用“等一下”、“也许”、“因此”等过渡词，进行自我验证，在长链推理中，保持高度准确性。 b）大模型的推理能力，本质上是 "潜伏" 、而非 "缺失" 的。当下，以 DeepSeek-R1 为代表的 RL Scaling 方法逐渐成为主流，LIMO 研究的意义则在于，提供了一个更加本质的视角：大模型的推理能力，本身是内在存在的，关键挑战在于，如何找到最优的激活路径。挑战了 “更大数据 = 更强推理” 的传统认知。一种全新的研究范式：从“训练新能力”转向“激活潜在能力”。大模型的（数学能）力，或许一直都在，关键在于如何唤醒它。 hanniman评注：本文价值巨大，但99%的从业者会miss（即使认可、也不知道如何实操）。是否相信“大模型的推理能力，本质上是 "潜伏" 、而非 "缺失" 的”？。2周前，在星球推送文章【重要】《也许AI在深度上，已经能够做到95分位了，而不仅是常规“以为”的7、80分位_20250313》里，已提前捕捉到这点。如何实操？2个月前，在【重要】《李继刚的价值被“严重低估”了_20250114》一文，已说明其中本质。 c）LIMO如何实现 i，「少即是多」理念，来自2023年LIMA（Less Is More for Alignment），用1000条高质量数据，让LLM对话符合人类偏好。但要想扩展到数学推理，明显更难，关键问题是：「少即是多」原则，能否适用于推理？LIMO 的研究给出了肯定的答案，并揭示了，实现这一突破的两个核心前提：知识基础革命（Llama3数学推理训练数据，达3.7万亿token，LLM早已知道大量数学知识）。推理计算革命（CoT长度，与推理能力密切相关；与其训练时硬灌数据，不如推理时，提供优质问题与示范，让模型自主展开思考）。 ii，LIMO的三大关键推理链质量（决定性影响）：高质量推理链，要逻辑清晰、步骤完整，包含自我验证；低质量推理链，简单列举步骤，缺乏详细逻辑推导。问题难度（激发潜力）：复杂问题，需要更长的推理链、更深入的知识整合，将迫使模型，充分利用预训练知识。预训练知识（基础）：预训练有大量知识，少量高质量示例，就能激活推理；预训练知识不足，大量微调效果也有限（预训练数据质量、多样性为关键）。 hanniman评注：最后这3点，也很重要。  2、【最新案例】魂旅，一款AI云旅游电台APP a）产品介绍适合当下不方便旅游，又憧憬远方和自由的人。体验流程：指定旅游目的地->选载具（自行车/摩托车/房车）->APP根据“载具移动速度”，判断“用户分身”到哪里->提供身临其境的体验：获取路途信息（景点/天气等），用AI编故事（以“后台背景音”形式播报）；提供（附近可获取的）FM电台；模拟天气/载具的背景音。达到“身在工位，魂游万里”的效果。 b）通过核心限制，获得更强的正反馈（路途中的惊喜、到达目的地），“好像我就在那个世界生活过”。核心限制是，不能有“超人体验”（即无法瞬移），会碰到堵车等。若马上得到结果，路途的意义，就消失了。用户消费的，不是目的地，是（和现在生活不同的）差异感。这需要，世界的真实感，来维持。 c）未来功能规划（来自用户诉求），聚焦“拟真感”内容丰富度：可（看/主动上传）当地图片、沿途风景；拓展世界地图（将很快上线）；随机触发（与街边老人的）聊天，了解当地故事/八卦；遇见名人，产生趣事。交通细节：更多交通方式（瓦罐车/小米SU7/保时捷等）；更改出发点飞机票；暂停泊车/中途休息；交通状况拟真（堵车/服务区）；街溜探索模式（无固定目的地时，支持用户选择“闲逛范围”，找寻景点播报）。个性化/成就收集：增加打卡点（支持收藏地点、足迹地图）；沿途收集特色特产、各类勋章；留下纸条，供其他人发掘。功能性提升：定时关闭（能听着睡觉）；实时活动；小组件显示“行车位置”；行车风噪；横屏全屏；3D地图支持。陪伴体验：AI聊天搭子（是一同的乘客，不是导游）；定制音色+播报风格；真人组队旅游；好友所在位置和头像。 d）产品背后的创作者：海玮，喜欢做有趣的产品，个人blog。 i，概述：前创业者：大学创办过年流水200w的公司。曾拿过种子轮投资、天使轮投资意向。副业佬：从0到1经营了多款产品，其中有2款跨过10万级用户量的产品。产品经理：职业生涯未经历过大厂，一直在垂直行业的龙头公司做1到10。 ii，做了很多AI相关产品，对AI和用户的交叉点比较敏感有挂：使用自然语言+AI，对互联网上的所有网页进行编程，可掌控任何在你电脑上查看的网页，上线一周新增5千用户。马大哈翻译：将中文网页当中的某个词抽出，然后用AI基于语境，直接将那个词在转化为英文单词，帮助用户在电脑环境下学习英语，目前日活1千。mbtAI百科：mbti工具+AI报告，MBTI届的“测测星座”。商业模式是通过mbti文献库，用AI生成各种报告让用户解锁。已实现兼职状态下的盈利，最高月营收2w+，矩阵用户加起来34万。Tars：察言观色的AI管家，通过屏幕语义识别，自动生成任务从而摆脱输入框。获得即刻ai黑客松30万美金投资意向。 hanniman评注：这个创业者，值得关注下。能持续创造出这种产品，不简单。  3、【重要】【产品视角】第一个投资王兴兴的人，是极客公园的张鹏——背后的故事及核心认知 a）缘起：2015年，张鹏去MIT的实验室里，看过「机器猎豹」，非常“前沿科技”的感觉；但2017年，在一篇文章里，张鹏看到一个中国团队（王兴兴），做出的东西，竟然非常成型、运动姿态顺畅、整体简洁，产品化的取向也很清晰了，就觉得很吃惊。隔了个三四天，张鹏就飞到杭州去见他了。 hanniman评注：这个细节，大家如果直接看原文，99%会miss掉背后的关键的。表面看，只是“张鹏看到文章后，飞到杭州去见王兴兴”了，但一般人，是做不到这个程度的，因为缺乏以下几个方面的积累 i，张鹏有意识的，让自己“站到行业最前沿”（去MIT实验室参观），有这种体感，才可能在2年后、第一次看到王兴兴团队产品时，“足够”吃惊，以致于有动力去见他。 ii，在看到不同的时候（2015 MIT 机器猎豹、2017 王兴兴 产品视频），有洞察力和认知深度和专业度，去看出里面的巨大区别（非常成型、运动姿态顺畅、整体简洁，产品化的取向也很清晰了）——这个，也不是普通认知的人，能看出来的 iii，想见王兴兴，就能很快touch到——这个链接能力，也是需要有长期（5~10年以上）的行业人脉积累的。 iv，最微妙而关键的细节来了——“隔了三四天”，他就飞去杭州见王兴兴了。99%的人，即使有念头（想去见），但也会一直拖延，或者给自己一个合理的借口（比如等下次去杭州时，再见他）；但真正重要的是，如果某件事真的有价值，就应该单独为了这件事，而耗费时间和机票成本。——如果你真的知道，这件事真的极度重要的话。这个行为，甚至能成为某种反向check指标；如果你能做过1次这种事，那么说明你就已经很牛了。 b）2017年，张鹏第一个投资王兴兴的逻辑 i，在那个时刻做机器人，他是一个“人事匹配”的人。他脑子里没有那些宏大的故事，不是讲黑暗后的光明，而是在意“光明之前的黑暗”。比如对于机器人领域的发展节奏和预期，张鹏会说，某个技术卡点，是不是过几年就不是问题了，但王兴兴会很严谨地说，如果要突破的话，可能要先解决什么样的问题。张鹏说，那这个问题，是不是很快能解决，王兴兴会说，要解决这个问题背后，其实还有什么问题要先解决。会感觉到，他对「未来战场」的每一寸，都有自己的基础认知，这挺不容易。毕竟他非常年轻，才工作过两三个月。这种与年龄不符的积累，表明他对这个领域有热爱和足够的专注，肯定投入了大量时间。否则，他不会在这么多细微之处都如此严谨，点出关键问题。 ii，有他的「技术审美」机器狗的造型和简洁度，做得很好，显然真是花了一些心思的；比如看不到很多到处乱飞的线，对一些零件技术指标的要求等小细节。看似学生，但也有理科生的浪漫，比如第一代机器狗产品叫「莱卡」，那是第一只替人类探索太空的小狗的名字——这些，张鹏能感受到。 iii，认可宇树的技术路线：电驱肯定是趋势，而不是当时酷炫的液压路线。 iv，一直很坚持的商业化策略：不碰C端市场、不做2B项目，而是选择科研市场。越是技术的婴儿期，就越要「喝奶」，而不是「吃糠咽菜」。 c）极客公园，作为「非典型投资机构」的底层逻辑和价值 i，背景：2013年，很多人还看不出张一鸣的价值，张鹏就天天跟别人推荐，说他特厉害。2014年，张鹏就把马斯克请到中国，那可能是他第一次来，还让张一鸣跟马斯克同台，说这两人未来都很牛。即，他本身已有这种认知能力和成功案例。后来，其他人会建议他来做投资业务。 ii，极客公园，不是典型的投资机构，它还是个社区，投资只是社区里、帮助创业者的一种能力。社区，中心点是人，而不只是以信息获取流量，那么他的核心资产，不是流量和注意力，是一个一个面目清晰的创业者。这样，你也有机会长期观察一个人，跟他建立更深入的交流，更看懂一个人；通过他们，也能更清晰地了解技术和商业趋势，做出更好的人和事的判断。到了这个节点，可以通过投资来验证你认知和判断了。成立早期基金，算是补上了社区的一个基础能力拼图，也是系统能力的一个延伸，能给社区反哺更大价值。 iii，跟其他基金的区别？「Founders backing Founders」，创始人帮助创始人。基金的 LP 主体，主要就是社区里的优秀创业者。用创业者的钱，再去投新的创业者，而且还会投入很多时间去帮忙mission：生生不息地发现优秀创新者，成为他们的伙伴，共同创造价值。 iv，下图，2017年12月3日，极客下午茶当时背景，是张鹏可以为了帮王兴兴，创造他认识大佬的机会。左起：陈华（唱吧），米雯娟（vipkid），张鹏，雷军，周源（知乎），王兴，王兴兴 d）其他新一代（想有巨大成就的）创业者的使命是，去提升、穿透天花板，而不是贴近天花板。在黑暗的洞穴找路，是趴在地上，用整个身体感知地面，用每个毛孔感受风向，才能判断往哪走。这不是蹦蹦跳跳、快快乐乐就能跑出来的。商业化：“沿途下蛋”可能有陷阱，更应该变成“找到前进的阶梯”。  4、【资源/工具】秘塔AI「学习」功能：文件/链接（支持除mobi外其他所有格式）→B站UP的定制课程视频 使用路径：点击右上角蓝条，切换新功能，或点击 https://metaso.cn/study 进入。实现方式：输入（用户知识水平、目标、兴趣）→模型生成（讲解逻辑、语言风格、表达节奏）→输出（课程PPT + 对应讲稿 + 可交互答疑）。角色转换：AI个性教学，找资料→找人格。辅助型工具→主讲型角色，甚至可塑造不同性格、风格人格。 hanniman评注：有团员反馈，体验超预期，“大为震撼”、“秘塔的产品力 相当ok”，推荐大家试试。  5、【重要】【产品视角】并非“一旦AI能做，赚钱就容易”，真相是“一旦AI能做，这事就不值钱” a）当AI让生产力趋近无穷大，基于“技术壁垒”的价值体系开始崩溃。 i，AI极大地提高了供给侧效率，使得创作和生产变得过于容易，反过来又导致价值迅速被侵蚀，陷入价格战吉卜力的艺术委托（付费作画），曾高达数十、数百元一份，现降到0.1美金。若由人形机器人，自主运行iPhone生产线，iPhone无法保持当前价格——不是因为产品变差了，而是因为生产壁垒消失了。不能简单地责怪AI，更深层次的问题在于“我们如何定义价值”——过度依赖稀缺性。 hanniman评注：不是“过度依赖稀缺性”，而是过度依赖“看得见”的、“物质方面”的稀缺性；将来是重视“看不见”的、“内在/精神方面”的稀缺性。 ii，美学面临通货膨胀：当AI能复制吉卜力风格（或大师级水墨画）的美学时，问题不仅是更便宜，而是人们会感到视觉疲劳。4o发布前，吉卜力风格受欢迎，是因为稀缺；当风格过于常见，无论它多么美丽，都会失去情感共鸣、文化分量。摄影、平面设计、翻译、写作——每次AI或模板化工具成为主流，首先受到影响的，是提供“标准化输出”的创作者。只有那些创造非标准化、独特价值的人，才能在AI的重新洗牌中生存下来。 iii，当AI理解商业，人类不再是商业活动中心，而是观察者、消费者，甚至观众，这才是真正的颠覆理解商业，不仅是卖什么、卖给谁，还有识别市场趋势、调整定价、领导营销策略、设计整个商业模式。若AI能操作其它AI（既是工具又是用户），商业世界将被重建，AI就是公司本身（产品设计、内容创作、广告投放、销售循环）。问题不是“AI能帮我创业吗？”，而是“在AI做生意的世界里，我能扮演什么角色？”。 b）基于“技术壁垒”的价值体系的崩溃，导致“人（职位）”的问题 i，F1赛事中，最有价值的资产不是赛车，而是驾驶员。每辆赛车，都是由顶尖工程师设计，并调校至完美，但驾驶员的判断和技能差异很大。这突显了强大工具和强大用户之间的区别。 ii，许多人担心AI工具会取代自己，但他们更应该担心的是：也许从一开始，自己就只是个工具（人）。AI只是让这种“低价值状态”，对每个人来说，都变得显而易见。AI不会取代所有人，但它将淘汰那些“价值在于重复性工作”的人。 c）出路：我们被迫重新定义“价值”的含义。AI并没有阻止我们创造，它推动我们去创造新的意义。 i，未来的战场不在于生产，而在于分配和价值创造价值不会消失，但它会迁移，从“事物”转向“人”，从“产品”转向“产品代表的意义”。必须提供“超越产品的意义”，如审美品味、独特观点、个人品牌、情感联系。 ii，机会，已经从你所做的事情，转移到了“你是谁”以及“你代表什么”。真正的价值，不在风格本身，而是结合新想法，用风格讲自己的故事比如，每个人都用吉卜力创作，而你的吉卜力作品，让人一眼认出是你，那才是下一个价值层次。 iii，几个战略方向创造独特需求：不仅满足现有需求，还要创造“人们直到看到它，才知道自己想要”的东西。打造个人品牌：不仅是做得好，而是因为“是你制作的”而想要买。控制分销渠道：无论粉丝社区、推荐算法还是流量渠道，谁控制了需求流动，谁就控制了价值。定义文化、控制叙事、建立社会信任。AI可以创办企业，但这些是我们最后的优势。