Show Notes
语言模型（LLM）引领了过去4年的AI狂奔，相信它会带领我们抵达AGI终点的人们，掌控了前所未有的金钱、资源、人才、算力甚至能源，在产业界一切都已经“收敛”。 但越是这样的时刻，对不少经历过AI研究起伏的科学家来说，它越可疑。 越是看起来“共识”明确的时候，描述这个剧烈演变的时刻越是困难，也越是重要。 在刚刚过去的中关村论坛间隙，硅星人合伙人王兆洋与前 Meta 高级研究科学家、参与了Llama系列多模态核心研发的刘淼，以及字节跳动美国研究院创始成员，前 Google 研究院科学家靳潇杰一起聊了聊今天他们眼中我们所处的时代。 两人去年纷纷选择从硅谷回国，目前分别在清华和北交大任教。作为拥有横跨中美以及产业界与学术界经验的学者，以及在LLM的强势叙事之外寻找着新方向，做了非常多有价值且充满启发的研究的学者，他们分享了自己的职业生涯和研究思路，给今天的AI发展提供了很多不同的声音。 希望这些声音会帮助更多人找到自己在今天的那个benchmark。 【关于 嗨点小圆桌】 今年中关村论坛期间，海淀区人工智能主题日场外氛围活动“原点 Party Nights”在AI原点社区举办。其中音视频播客“嗨点小圆桌”是一档“海淀和他的朋友们”深度对话节目，将邀请主论坛嘉宾、AI热点人物一同探讨AI青年关心的热点话题，欢迎大家收听观看体验。 【本期嘉宾】 刘淼：清华大学人工智能学院助理教授，前 Meta GenAI 高级研究科学家， Llama3/Llama4 多模态核心研发成员； 靳潇杰：北京交通大学计算机学院教授、博导，字节跳动美国研究院创始成员及技术负责人，前 Google 研究院、Snap 研究院研究员 王兆洋：硅星人合伙人 【时间线】 05:43 AI 行业完全进入一个正反馈阶段，而这其实从来不是AI研究领域的常态 06:38 今天整个 AI 在技术方面过于聚焦了，这是令人不安的乌云 13:37 起起伏伏的 AI：2022年“入行”的刘淼，和2017年拿到 Image Net 最后一届冠军的靳潇杰 16:11 语言，是我们需要的全部吗——VideoWord 的诞生 27:02 Ego4D 与 MEOW 实验室：从用户驱动到任务驱动 27:40 CLIP：一个被忽视的但非常关键的工作 32:10 当 LLM 统治一切技术路线：在工业界你没有"动摇"的权限 43:58 50 年之后，我能非常确信 AI 一定是一个主动的个人化的智能 45:07 学术界的 GPU 危机：资源受限是诅咒还是倒逼创新？ 54:09 的研究院，能不能做出真正的研究？ 01:01:35 人不是为了有什么价值而存在的 01:07:10 当看到一个小女孩因为 AI "姐姐"要下线而哭 01:08:53 在训练 Llama 时发现，修改后训练数据可以轻易决定模型的偏见和世界观 01:12:15 未来方向：世界模型，AI的情感，人与机器人的交互
【延伸阅读】 本期对话中涉及的关键论文与资料： Transformer 与注意力机制 Vaswani et al. (2017)，Attention Is All You Needarxiv.org CLIP：图文对齐的奠基工作 Radford et al. (2021)，Learning Transferable Visual Models From Natural Language Supervisionarxiv.org Ego4D：第一视角视频大规模数据集 Grauman et al. (2022)，Ego4D: Around the World in 3,000 Hours of Egocentric Video（刘淼为共同作者）arxiv.org VideoWorld：不依赖语言的视觉世界模型 Ren et al. (2025)，VideoWorld: Exploring Knowledge Learning from Unlabeled Videos（靳潇杰为通讯作者，CVPR 2025）arxiv.org VideoWorld 2（2026，靳潇杰团队最新续作）arxiv.org ImageNet 竞赛：深度学习时代的起点 Russakovsky et al. (2015)，ImageNet Large Scale Visual Recognition Challenge（ILSVRC，靳潇杰 2017 届冠军）arxiv.org MEOW LAB（Modeling Egocentric Omniscient Worlds） 致力于构建 “看你所见、学你所会、懂你所想”的下一代人本能智能系统 collegeai.tsinghua.edu.cn
在小宇宙查看该单集文稿
More from 硅基立场
什么样的产品，才能真正改变一代人的生活方式？ 过去十几年，姚旭经历了三个截然不同的互联网时代：从 Facebook、Instagram，到回国参与小红书早期发展。他见证了全球互联网产品方法的流动，也亲历了一家公司如何从一个小众社区，成长为影响数亿用户的平台。 本期《硅基立场》，我们和姚旭聊了聊产品、创业，以及 AI 时代下重新变化的互联网世界。 从 Instagram 、小红书到NaukNauk，最大的区别并不是功能，而是用户需求。NaukNauk真正抓住的，并不是简单的内容分享或消费决策，而是一代世界新兴城市用户对于生活方式、审美和自我表达的需求。 姚旭认为，优秀产品的核心并不是复制已有答案，而是在新的社会环境中发现新的用户价值。很多看似技术的问题，本质上都是对人的理解问题。 我们也聊到了互联网公司的组织变化、全球化产品的挑战，以及 AI 正在如何重新改变创业者面对的问题。 当模型能力越来越接近，未来竞争的关键可能不只是拥有更强的技术，而是谁更懂用户，谁更能把技术变成真正的产品。 【主持人】 骆轶航｜《硅基立场》主理人；硅星人创始人 【嘉宾】 姚旭｜NaukNauk创始人 【时间线】 00:00:00 硅谷往事到平视时代 00:06:03 大厂兴衰、组织僵化 00:07:36 小红书崛起，宪法定律浮出水面 00:25:15 代际变迁与压抑 00:34:55 AI创业的变量与杠杆 00:53:41 Token成本与平民AI 01:00:58 情感投射与代理社交 01:39:14 反共识与AI应用定义 01:58:54 拒绝内卷 【关注我们】 本期播客同步视频版已上线，欢迎关注 B站：硅基立场pro 视频号、抖音、小红书：硅星人 微博：硅星人pro
FDE（Forward Deployed Engineer）正在成为 AI 行业的新热词。 越来越多的模型公司开始走向企业，试图通过工程师进入业务现场，帮助企业完成 AI 落地。但一个更根本的问题是：AI 时代的企业转型，真的需要更多“人”去连接模型和业务吗？ 本期《硅基立场》，我们和元理智能创始人兼 CEO 张帆聊了聊这个正在升温的方向。 他提出了一个不同的判断：FDE 的核心问题，不只是交付效率，而是能力到底沉淀在哪里。如果企业的智能依然依赖外部专家、依赖人的经验和定制化服务，那么它可能只是另一种形式的企业服务，而不是 AI 原生的组织能力。 从 Palantir 的商业模式，到 OpenAI、Anthropic 与企业客户的关系；从知识库、Workflow 到 Agent；从“为知识建模”到“让企业自己学习”，我们试图拆开 FDE 背后的商业逻辑与技术路径。 AI 正在进入企业，但未来真正重要的问题或许不是：“谁能帮企业接入 AI？” 而是：“谁能让企业拥有自己的智能”。 【主播】 骆轶航｜《硅基立场》主理人；硅星人创始人 【嘉宾】 张帆｜元理智能创始人兼 CEO 【时间线】 00:02:14 FDE=AI外包 00:10:11 模型做不了中间商 00:04:20 模型霸权 vs AI主权 00:17:28 合成数据是“好东西” 00:27:39 人类知识无用 00:34:06 通用智能的企业冗余 00:46:25 建“船”，而非灯塔 00:53:09 Workflow是个伪命题 01:02:51 组织的“液态化”未来 【关注我们】 本期播客同步视频版已上线，欢迎关注 B站：硅基立场Pro 视频号、抖音、小红书：硅星人
这期节目，我想从一个很多人都很疑惑的问题开始：美国 AI 还有没有开源？它们在做什么？ 这个问题来自我在纽约参加的一场活动。现场有人谈到中美开源的差距，但我发现，很多讨论其实把“开源”“开放权重”和“中国模型”混成了同一件事。 这中间至少发生了两次概念偷换：开放权重不等于真正开源，开源也不只等于模型。训练代码、数据、推理框架、Agent Harness和基础设施，同样是AI开源生态的重要组成部分。如果只盯着模型榜单，我们很容易低估美国在工具链和基础设施上的积累，也会看不清中国模型真正建立起来的优势。 所以这次在旧金山湾区，我邀请了NVIDIA研究员、Nemotron项目成员叶汉荣，以及Fusion Fund创始合伙人张璐，想把这个看似简单的输赢问题拆开来谈。 中美之间也不是一场简单的开源胜负。中国公司更愿意开放自己的旗舰模型，借此争取开发者、部署量和全球影响力；美国模型公司如果能够直接依靠API收费，就更有动力保留闭源。但与此同时，美国仍然在训练框架、推理工具和基础设施上贡献着大量开源项目。两边的差异，首先来自商业场景和变现路径，而不只是价值观。 这也不是一期为开源或者闭源站队的节目。我们真正想回答的是：当AI从模型竞赛走向产业部署，谁在定义开放，谁在承担风险，谁又能从这套生态里赚到钱？ 理解这些问题，可能比判断中美谁输谁赢更重要。 【主播】 骆轶航｜硅基立场主理人；硅星人创始人 【嘉宾】 叶汉荣｜NVIDIA Research研究员 张璐｜Fusion Fund创始合伙人 【时间线】 01:07 美国真的在AI开源上落后了吗？ 02:15 英伟达为什么公开为开放权重站台？ 04:04 AI竞争正从模型跑分转向企业部署 07:23 Coding Agent变强后，会不会主动发起攻击？ 09:21 “渐进式开源”能守住安全底线吗？ 15:18 开放权重不等于开源，区别到底在哪里？ 17:54 开源越繁荣，英伟达的算力生意越大 24:15 企业最值钱的资产不是模型，而是数据 28:33 开源不只等于模型，更不只等于中国 29:51 AI开源的下一战：推理，而不是训练 35:21 Agent时代，Harness如何把失控的智能体掰回来？ 37:47 硅谷大厂为什么一边开源，一边集体沉默？ 42:13 美国开源模型为何在媒体上失去存在感？ 44:30 开源与闭源的差距，是否已经跨过交叉线？ 47:41 中国模型越开源，商业化张力就越大？ 49:06 没有销售团队，开源公司如何一年营收增长40倍？ 51:10 开源不是义务：旗舰版本之后还必须继续开吗？ 52:27 中国AI用开源向世界证明了什么？ 53:24 未来五年，美国开源生态将由谁引领？ 55:56 Physical AI为什么把机会重新交给创业公司？ 56:34 开源模型的安全对齐，究竟该由谁负责？ 58:18 限制管不住创新，激励能让AI更安全吗？ 60:33 为什么很多开源实验室没有余力做安全对齐？ 【关注我们】 本期播客同步视频版已上线，欢迎关注 b站：硅基立场Pro 视频号、抖音、小红书：硅星人
本期播客，我们和 Sand.ai 创始人曹越进行了一场深入的对话，聊及 AI 视频领域模型与产品双轮驱动的发展思路、从研究者转型创业者的心路，探讨多维组织、共识与非共识、行业喧嚣与长期主义，解读 Video Agent 如何实现视频创作平权，以及他坚守长期、拒绝降低事业天花板的创业理念。 【主播】 硅星人创始人&硅基立场主理人 骆轶航 【嘉宾】 Sand.ai 创始人兼 CEO 曹越
本期《硅基立场》对话百川智能王小川，探讨大模型入局医疗的行业变革。他提出核心观点：AI 医疗的终极方向是打造独立的 AI 医生，而非单纯的效率工具。面对患者带 AI 问诊的新现象，以及行业普遍内卷通用模型、代码赛道的现状，百川选择坚守非共识路线。结合本土医疗体系特点，团队打造专业医疗增强模型与 AI 家庭医生，探索人机协同新模式，展望未来 AI 医生合规上岗、生命模型落地的长远图景。 【主播】 硅星人创始人&硅基立场主理人 骆轶航 【嘉宾】 百川智能创始人兼 CEO 王小川 【本期金句】 「你不能够因为要医生的成长，让患者成为成本。」 「如果没有搜狗输入法。世界会不美好那么一丢丢。」 「什么人会同时做着搜狗，同时关注中医啊？」 「只要能预测未来，就是对生命建模。」 「我们之前想过百小川名字，后来我觉得还犯嘀咕，叫百小医了。」