试读【AI日报_2025年7月】
注：「黄钊的AI日报」，每天5条内容点。以下示例，来自7月份内，不同日期的AI日报。 1、【重要】【产品视角】余凯最新深度访谈 a）过去49年人生中，闯过德美学术圈、中国互联网圈、创投圈、资本圈，和全球汽车圈，秉持“不从众，从边缘走向中央” i，人生主轴没变过：从事AI、深度学习20余年，从门庭冷落到门庭若市曾经志向是画家，小学初中第一志愿，是浙江美院；初中显现数理化天赋，但美术给了养分，涉猎美学，会涉猎很多人、历史、流派。美食、美酒，也超级有兴趣。两本必读书？余凯：《道德经》、《金刚经》。1995年第一次读神经网络paper，当时就跟触电一样，这个东西砸中我，是机器学习找到了我，我要一辈子干这件事；大二找到所有能读的书，熬夜读。当时读电子工程系，在偏硬件方向，很早接触软件算法；大部分做软件算法的人，后来惧怕硬件，我天然有舒适度，这带来独特的Perspective。 ii，很早接触AI，而且是非主流流派，Machine Learning再细分，Machine Learning有两个流派：Shallow Learning（浅层学习）和Deep Learning（深度学习）；Deep Learning为少数，当时全球仅5个research group。第一份工作在西门子Neural Computation；第二份在美国NEC Lab，深度学习大本营，很早认识Geoffrey Hinton、Yann LeCun等人；第三份在百度，地平线算第四份。Geoffrey Hinton早年不被学术主流待见，提Neural Network就被拒。 iii，2002年第一次参加NIPS，大概300来人，是个小会，nobody care就餐期间，Yann LeCun和Geoffrey Hinton一直在争论，对事物本质刨根问底；LeCun以前是Hinton的博士后。对面坐了一个人特别沉默，没人搭理他，一个人吃闷饭；他当时的学科，在这群人里不受待见，就是Reinforcement Learning，这个人叫Richard Sutton。 iv，竞拍AI人才第三届ImageNet，Hinton拿了冠军，将正确率从75%提高到85%，大部分人对这10个点没感觉，我是被触电一样！没人比我更了解，这到底有多难，意义有多大。立刻给Hinton写信，邀请与百度合作，后来演变成秘密竞拍，有Google、微软，第4家公司，10年后我才知道，是DeepMind（成立1年的小创业公司，敢参加世界级竞拍，有王者之气；根本没钱，拿股票竞拍）。胜率很低（Hinton不了解中国文化，背部有问题不能坐飞机），抢先出价1200万，想把其他玩家吓走；跟到2000万出头，微软和DeepMind退出了；和谷歌竞拍到4400万美金，Hinton提出去谷歌。当时回到北京，我觉得我也是赢家。我让百度、让李彦宏，看到世界级公司为了3个人，愿意去抢人才，出这么高价格，也印证了这件事很重要。当时想买下Hinton两个学生：Alex做事扎实不说话，但后来籍籍无名，没再做什么事；Ilya是Great Thinker，思维特别活跃、狂能讲，对他的印象是夸夸其谈，打分最低，反而后来成就更高。 v，挖吴恩达来百度2014年去美国出差，吃早饭碰见他，我读出来他，双眼有点迷离；他做在线教育Coursera，不是特别顺利，因为老换CEO。吴恩达很早写了一篇论文，用GPU加速Machine Learning算法；他lead谷歌大脑，有一个frustration是不能买GPU（当时技术负责人Jeff Dean信仰CPU）。鼓动他“回到人工智能”、“加入百度，想买多少GPU就买多少”，他心动了。 vi，人迹罕至的地方更有意思，更好玩，更能玩一片天地大部分人选择去美国，我觉得去德国挺好玩；大部分人做软件算法，我觉得搞芯片更有意思。2012年回国加入百度：旅美AI华人学者中，我不仅是第一个回国的，还第一个加入互联网公司，创立研究院、自动驾驶，打造明星团队；后来好多美国AI学者，都想回国。竞拍Geoffrey Hinton，4400万美金收购3个人，把全球AI人才薪酬，都炒高了。 b）2015年成立地平线，做了3个投资：买了英伟达，买了特斯拉，全身心投入地平线 i，为自动驾驶、机器人设计专用芯片，无论地平线是否成立，是世界必然走向英伟达的云端势能、生态无可撼动，在服务器、云端做计算硬件，2015年已经没机会了；未来还有一个重要领域，远离云端，无处不在的机器人，会改变世界。为什么做深度学习，GPU效率高、CPU不高？软硬件不可分，这个软件适合这个硬件，那个软件适合那个硬件；自动驾驶和机器人，应打造专属硬件。在百度内部讨论，进一步推动AI、深度学习飞入寻常百姓家、做软硬联合优化，整个管理层听不懂，觉得现在生意这么好，为什么要做芯片？ ii，AI一定要这样发展，我们一定要是世界上，最早做这件事的我想开启的不是一个产品、品牌，而是一个时代（PC时代不是戴尔，而是微软、英特尔推动的；AI时代，不是服务器、云计算厂商，而是英伟达）；推动全新计算范式、定义软硬件标准，比做具体产品激动人心。创业不是目的，只是手段，我对AI改变每个人生活，是有使命的，如果百度能支撑我做，我不会创业。 hanniman评注：某地平线核心PM，曾和我说，他在地平线，能更好的做自己想做的事，就不必自己创业了（因为其实更高效、借力）——我的意思是，如果一家公司，能给员工这种价值（感官+心态），其实是很不错的“信号”。 iii，当时的市场很差很多是半导体企业，科创板第一波2019年上市，大部分CEO是60岁老爷爷；软硬结合在中国没人懂，中国半导体基金，没一个投我们；那时的AI公司（商汤、旷视，四小龙），也都是软件算法的。共识要么是错误的，要么没价值：未来是非线性的，惯性地线性思考未来，预测一定是错的，所以大部分共识是错的；或者说共识是对的，但没有差异化，就没价值。永远思考，商业secret是什么？是否有通向未来的窄门，大部分人没关注到？这才是有意义的地方。 c）地平线融资经历 i，融资一定要Manage（掌控），跟投资人第一次见面，绝不能在他办公室，一定要在我办公室2015年，因为是明星团队，一页BP没写，就融了第一轮；2016年第二轮，见了50～60家机构，没一个下单，大家都投互联网、很快有商业模式，芯片是长周期、长期见不到东西。意识到，人的决策是漏斗模型（了解 -> 感兴趣 -> 做研究 -> 拜访团队 -> 形成认知、比较），在早期进入漏斗，会花很多时间精力，说服他们。于是不敲门了，而是做PR；当别人主动上门，且被拒绝后仍主动联系（假装没时间），他肯定在漏斗下端，出牌意愿特别高。 ii，C轮12小轮，一把拿了16亿美金，创造了业界传奇2020年智能汽车热起来，融了8亿美金；资本市场好到这个地步，往下crash概率更高，一定要有所准备，就扩充股东会、马不停蹄融钱。我们融钱非常反常识，中间没加1分钱估值，好多人觉得估值重要，跟要完成的使命比，根本不重要；后来上市，老股东觉得我们厚道，大家都赚到了钱。大部分人思考“生门”在哪，地平线思考“死门”在哪（死在什么地方），强烈地厌恶风险、厌恶竞争，希望有很宽护城河、容错度的生意；历史账上面，永远有花不完的钱。 d）地平线战略进化 i，战略聚焦，让地平线脱胎换骨创业前5年是至暗时刻：业务进展不顺，组织不顺，人才流失，大家士气低落，看不到未来方向。在湖畔大学，曾鸣教授上了堂战略课，让我明白聚焦必要性；那堂课上完，我们班好多同学，回去都去砍方向、裁团队。李想在2019年初，对我说“你应该聚焦汽车方向”；到11月，我才笃定，把汽车以外的业务都砍掉，外面报道地平线混不下去，其实账上30几亿现金。 ii，商业第一性原理是3个问题第一，你的客户是谁？第二，客户痛点跟需求是什么？第三，有什么别人难复制的方式，满足客户需求跟痛点？第一个问题，比第二个问题重要；第二个问题，比第三个问题重要。科学家创业，问题出在在第一个问题，有技术、没商业场景，360度扫射；李想是极少数，首先回答这个问题的，他的客户就是奶爸，针对奶爸不停搞。 iii，沉淀出地平线战略方法论第一，永远在没有竞争的市场，反共识、另辟蹊径；第二，永远不在悬崖边跳舞，花精力思考风险，而非等风险来临，被动、应激做战略调整。核心是，某件事别人看是风险，但你看清了本质，以雷霆万钧之力去干，心里知道没风险（黄仁勋2次股价跌了90%，但业务本质挺好的）。 e）下一步战略：自动驾驶与芯片 i，未来5年核心战略：自动驾驶自动驾驶，是即将被解决的问题：3年完成100%脱手开（hands-off）；5年完成100%闭眼开（eyes-off）；10年完成100% minds-off。已进入“10倍速断层级的变化”的时代，唯一要做的是向高而行，定义技术边界，坚定执行、以快打慢，在整个科学历史中，这样的时间点不多。全世界目前，只有特斯拉、华为跟地平线，同时做芯片跟软件，串行开发变并行开发，天然迭代速度就快；地平线到了“问鼎世界杯决赛冠军”的阶段。 ii，自动驾驶客户：理想征程3第一个量产是理想，李想那时很困难，身体差、融资不顺，账上钱只有几个月，不敢跟公司人说；2020年后，他遇到王兴，命中贵人，融资就开挂了。2020年他跟Mobileye合作，Mobileye拒绝任何本地化修改，积累到一定程度，李想觉得干脆换掉；这个决策需要胆量，很多车厂碰到类似问题，但不敢换。李想是学习进化机器，每3个月跟他见一次，会发现他又迭代了；去湖畔上学，很大收获，就是跟李想做同学。他已经超脱了造车范围，微软、谷歌、OpenAI，都在他对标的射程范围内，未来要做无限宽广的AI企业，远远不止造车；做自动驾驶是通往AI、以战养战、培训团队、培养能力的路径。 iii，现在还没嗑下小鹏他战略支点在智驾，我做他的智驾，支点就没了；主机厂也要足够好的产品，供应商做得比自研10倍好，他一定会拥抱你。主机厂未来，不会自研自动驾驶，因为它是标准化的功能：没有任何手机厂商，自研打电话功能、自研通信基带；自动驾驶的用户体验，标准都是安全、舒适、高效。主机厂的精力，应花在产品的情绪价值（如手机拍照，拍得好没有共同标准，因人而异）。 iv，下一代芯片创新汽车跟机器人，与云端计算不一样的是：在数据中心，有无限能源供给、很好的冷却系统；汽车或机器人，在寒冬或酷暑，依赖自身电池，冷却、供电都受限。未来10年，要做技术颠覆式创新，推倒现有计算架构、范式（远离冯·诺依曼架构，把计算存储merge在一起），包括软件跟硬件。为什么？自动驾驶车的battery，或者整个车的size足够大，按今天这样一个技术演进，勉勉强强可能OK；但对机器人绝对不行。 f）个人观念 i，关于生意公司的核心竞争力，不是技术、产品、品牌，而是Taste：选取做什么事、以什么方式做，都很重要，有时方式比目的还重要。做to B，生意难做，必须有同理心，能共情，了解、尊重彼此的关切和需求，找最好的结合点；做to C，不需要跟很多人打交道，要做自己，把产品做好。 ii，余凯的梦想是什么？让AI飞入寻常百姓家，因为我们的工作，让每个人获得更大自由，而不是被更多控制。这个过程，给我带来很大快乐的是自我修行。痛并快乐着。我最喜欢的投资家是巴菲特——跳着踢踏舞上班。 iii，这个世界，我认为是写好了程序，我越来越坚信这一点。每个人都是按照剧本来演，但这个剧本你可以改。如果你能够让生命境界升维，你会发现那边有一个新剧本。改变剧本的唯一方法是改变自己。 hanniman评注：他说的，就是命中的定数和变数。也是我为什么一直强调，要不断“升维”，详见《直播回放来了！「成长的底层逻辑」（AI、产品经理强相关，150页PPT，1小时50分钟）》。 iv，关于成长人类未来不可避免地，被AI、算法圈养；地平线反其道而行之，在物理世界做AI，而不是数字世界，让人类从无聊、繁重、危险的体力劳动中解放。身段灵活，游刃有余，是我比较喜欢的状态：我的名字姓余，公司名字叫地平线（余地）；做人做事情，永远要留有余地，要有Margin（盈余）。Jensen Huang讲，给年轻人最好的建议是：但愿你有更多的suffering（煎熬）。 hanniman评注：引申阅读，星球重点文章《周日换频道（203）_顶级老师的一个面向：给你挫败感_20230709》 2、【最新案例】AI视频：北宋苏轼承天寺夜游现场（2分53秒） 3、【重要】【行业动态】SSI前CEO Daniel Gross 投身Meta，透露SSI内部，存在AGI路径分歧 a）SSI内部，价值观分歧的可能性 i，分歧点，不在“对齐理念”（是加速/减速的变量，不是方向性矛盾），而在“架构理念”——即AGI，是该由单体大模型实现，还是多模块Agent系统实现llya是坚定的“单体智能”论的支持者，底层信念是“可控统一性”，这在多Agent系统做不到。而Meta的AGI路线，很可能是多模块Agent系统。Ilya式AGI路线，所关注的“对齐”与“安全”，是“哲学层面”的正义，不直接解决“AI是否会被用来控制人类”若不解决结构性权力关系，就算AI很“对齐”，也不是对齐“人类”，而是“统治人类的系统”。 ii，这个路线分歧，将决定AGI以何种形态，接入世界、控制世界、扩张世界多Agent系统，能链接外部工具，更容易“跑到现实世界中”，成为实用AGI。一旦成功，会引发平台级重构——AI不只是工具，而是系统统治者。 iii，为何Gross的离职，可能说明以上分歧？因为他早已实现财务自由，不会以钱为主要动因。18岁，进入YC，曾投资GitHub Copilot、Notion、Cruise、Figma、OpenAI等项目。08年，创办搜索引擎公司Cue，13年被Apple收购，后加入Apple担任AI负责人。下图左一为Daniel Gross iv，具体来说，为何Gross选择Meta，可能更契合其理念？Meta在AI圈掀起“天价抢人大战”，其“抢人结构”，透露下一阶段的野心，特别是建构“新一代AI操作系统”推理能力方向，挖了OpenAI和DeepMind中，专注CoT、RLHF+推理反馈、Tool use的顶级研究员（如Trapit Bansal，领导研发O系列模型的RL推理机制）——此人才结构，潜在目标是打造 “可调用工具+自主规划任务+长时记忆 +多步决策”的AI代理系统。多模态人机交互方向，招募GPT-4o背后的语音-图像-视频专家（如Ji Lin，研究GPT-4.1、GPT-4.5、o4-mini的多模态与推理模型）——这意味着，Meta下一阶段，会特别注重“强化视觉识别、语音合成、视频理解、AR语境融合”等，构建全感官AI助手的必备组件，而不是单纯的LLM。 b）若Meta的“平台级Agent OS”，真的跑通了，将意味着： i，有三层生态系统，会被颠覆SaaS方面，很多应用将从前台主角，沦为后台插件。用户不知道调用了哪个插件，只看到结果。开发者方面，会重构AI创业者的生存模式，大多数只能寄生平台生态。各类智能眼镜、手机、VR设备，将重新成为“入口战场”。谁控制了“Agent+终端”，谁就控制“入口+注意力+用户行为数据”。 ii，用户与AI平台之间，会变成“高度锁死”的软依赖关系，哪怕不喜欢，也“离不开它”体感上，Agent系统会拥有，长记忆、多模态历史、对你极深的偏好建模、与设备深度整合、与数百个API、技能插件打通，形成极强网络效应；会以“你的利益”为名，推送信息、规划日程、处理金钱交易、代表你发言。换平台将意味着，必须从零开始，教一个新Agent理解你——像要搬离一个，懂你十年的人类助理，再换个啥都不懂的新助理。 4、【资源/工具】Lovart（设计 Agent） 全球上线正式版，开放全功能体验 （访问链接，需外网） a）更新重要功能：ChatCanvas，在原有画布（可拖拽、排序、编辑） 功能基础上，让用户能命令AI修图、共创。只需点击图片，评论，把意见mark到素材上，比如「字小一点」、「换个颜色」等，AI 就能理解用户意图，生成修改素材（一次最多提20个）；这交互与“工作协作”的批注、修改一致，符合直觉，画布以 Frame 为单位，有独立上下文，不会扰乱画布上的“其他作品”，彼此独立，又统一在一个项目中。 b）其他功能可只给模糊感受，AI 会主动给参考方向，比如询问，是否想把表情改得“愉快些”；可融合几个图片中的“元素”，生成新素材；可将静态图生成视频，可控性极强；会记住用户操作，构成有设计记忆、有多模态的“空间上下文理解能力”的 Agent，个性化的设计师伙伴。 c）设计垂类Agent的交互，必不可少的一环，是「桌子」；最初认知：设计者需把作品放在“桌子”上，让甲方指点，这才是“设计”最自然的交互；所以“桌子”不是ComfyUI、工作流产品，而是画布——基于这个认知，才更早积累画布、编辑能力。 5、【技术视角】AlphaEvolve：AI 正进入自我进化范式 a）Google 5月发布的AlphaEvolve，结合 Gemini 模型的“创造性问题解决能力”与自动化的 evaluator，具备“发现和设计全新算法”的能力 i，AlphaEvolve 的发展历史2022 年 AlphaTensor 发布，这是基于 RL 的 AI 系统，专门用于解决“矩阵乘法”等具体的基础计算问题。首次证明，AI agent 可以自主发现“比人类现有成果更优、结构完全不同”的新算法。为让 AI agent 能在更广泛的领域中、继续发挥“超人类”的能力，谷歌在 2023 年 12 月发布 FunSearch。这是将 LLM 和 evaluator 结合起来的 agent，evaluator 允许 LLM “提出新的猜想”或“产生解决问题的新想法”。FunSearch 首次证明“AI 能提出全新的解决方案”，不过仍需人类设定算法模板，模型才能在这个框架内搜索。AlphaEvolve 由 FunSearch 演化而来，核心定位是基于“LLM 进化算法和 evaluator”的“通用算法发现与优化”平台；不仅能生成代码，还能自主评估代码表现，根据评估结果调整策略、迭代生成更好的方案，本质上模拟"算法自然进化"的过程，运作流程如下图。 ii，AlphaEvolve 真正的突破在于，它能持续进行高强度、长时间的探索与优化，从而能真正挖掘出“在高难度问题中极具价值”的发现AlphaEvolve 能在已被人类“深度优化过”的领域（如矩阵乘法）取得新突破，本身说明两个关键点：1）是真正意义的全新突破，不然早就被人类实现了；2）突破实现难度极高，即使有“众多优秀人类研究者”的长期努力，也未能攻克。AlphaEvolve 的价值在于，不需用户精确预判迭代次数，只需持续运行系统，AlphaEvolve 就会“驱动解决方案不断优化”。 iii，让 AI 实现“更深层次、更广泛的自我改进”完全可行，核心在于，能否构建出有效的 evaluator——evaluator 的质量，将成为“AI 解锁更高级自我改进能力”的关键使用 AlphaEvolve 的关键前提是，用户必须提供 evaluator 组件。该组件扮演“裁判”角色：对于系统生成的“每个候选解决方案”，都能进行客观、量化的效能评估。对于每个新想法，AI 会进行以下验证：1）详尽测试：在“模拟器”或“海量实例”上运行，检验结论的适配性；2）全局验证：确保方案在“整个目标问题”上有效，而非仅适用于局部。未来，人类的价值将在“目标设定和规则制定”中体现得更加深刻。 iv，AlphaEvolve 的自我改进能力，标志着 AI 可能正在进入“递归式自我改进”范式；但也需清晰认识到缺陷：进步主要体现在效率层面，而非模型在“认知能力”上的根本突破。 b）为突破 evaluator 的能力限制，可尝试利用 LLM 自身来进行评估……构建精确的 evaluator 并不是最重要的，未来最重要的是“如何降低对完美 evaluator 的依赖”一种可行的路径是“利用 LLM 自身来进行评估”。例如，LLM 可以判断“解决方案是否有前景”，或者指出“其中存在的具体问题”。DeepMind 推出的 AI co-scientist 项目就是例证：它让语言模型对“自然语言提出的想法”、进行有意义的分析和判断，从而成功区分出优劣。这表明，LLM 本身可成为“评估的重要工具”。
