Why·Liam·Blog

在人工智能技术快速迭代的浪潮中，我们看到两条并行不悖的发展主线：技术突破带来的生产力革新与商业叙事构建的市场价值创造。从 OpenAI 的 Deep Research 展现的端到端任务处理能力，到中国 AI 企业以惊人性价比挑战技术霸权；从 Agent 模式对传统工作流的颠覆可能，到商业叙事在资本市场中的战略价值——这些现象共同勾勒出 AI 时代「技术 + 商业」双轮驱动的创新图谱。
真正的行业引领者既需要像 DeepSeek 那样用算法突破技术天花板，也需要具备比尔·盖利所言的「重构估值体系」的叙事智慧，这种硬实力与软实力的结合，或将重新定义未来十年的科技竞争格局。

基于端到端强化学习的 AI Agent 正在重塑知识工作范式。OpenAI 开发的 Deep Research 系统通过 o3 推理模型的微调版本，展现出在医疗研究、市场分析等场景中生成万字级结构化报告的能力。其技术突破体现在三个维度：通过网站信息聚合实现跨平台数据整合，利用强化学习优化搜索推理路径，以及构建用户意图理解与任务分解的闭环系统。当前已实现的旅行规划、代码开发等应用场景，预示着未来在个性化教育、私有数据分析等领域的扩展潜力。值得关注的是，这种「思考型 AI」正在改变传统的人机协作模式，将原本需要数小时的研究工作压缩至分钟级，但同时也引发了关于信息溯源与决策透明度的新思考。

相关延伸：AI Agent将成为今年最具突破性技术

DeepSeek 等中国模型以 1/30 的训练成本实现 GPT-4 的 90% 性能，这背后是算力优化与算法创新的双重突破。Geoffrey Hinton 指出的「神经网络自主推理能力」，在中国团队的实践中得到验证：通过改进注意力机制与知识蒸馏技术，在 175B 参数量级实现复杂逻辑推理。这种技术路径的创新性体现在三个层面：摆脱对标注数据的过度依赖、构建混合精度训练框架、开发面向中文语境的语义理解模型。值得关注的是开源策略的战术价值——通过开放基座模型吸引开发者生态，既加速技术迭代又构建行业标准。这种「农村包围城市」的创新策略，正在改写全球 AI 竞争规则。

最近，完成了述职，感觉稍微空一点，又开始折腾笔记软件了。

过去半年，我执着于寻找「完美方案」。Obsidian 的稳定性与开放性确实满足了我的基础需求。但当我将「管理混乱」归咎于工具时，却忽略了更本质的真相：「工具的价值，在于它是否能延伸你的行动力。」（彼得·德鲁克语）

重读《原则》《终身成长》时，我试图将 PMK（个人管理知识体系）、PDCA（计划 - 执行 - 检查 - 行动循环）等方法论融入日常，却发现它们如同精致的瓷器——「过于完美的系统，往往经不起现实的磕碰。」 当系统与个人节奏、认知成本产生冲突时，工具反而成了束缚行动的绳索。

因此我设计了 「PDAA 循环」问题驱动行动系统 （Problem-Define-Act-Adapt，简称 PDAA）

以「问题」为驱动，通过最小化流程实现「思考 - 行动 - 迭代」的闭环，避免过度设计，专注结果导向。

Ray Dalio 认为，美国未来五年将面临国内极化、AI 竞赛加速与全球秩序瓦解的挑战。贫富差距、教育鸿沟和党派对立可能导致社会进一步撕裂，而 AI 技术的发展虽提升经济效率，却也带来更大不平等和治理难题。全球 AI 竞争缺乏统一协调机制，中美在该领域各有优势，但仍存技术扩散与地缘冲突的风险。Dalio 强调，人类需通过社区建设、教育改革和价值观引导，让科技服务于共同福祉，以避免社会陷入失序。

桥水达利欧：美国分裂、AI竞赛、全球失序，未来五年将如何演变?

世界模型技术正在快速演进，从 2018 年的基础突破发展到 2024 年的实时交互应用，并有望在游戏、机器人和法律等领域大放异彩。AI 媒介推动经济价值转变，未来或彻底改变人类的娱乐、工作和社交方式。然而，该技术也可能加剧贫富差距，使少数技术精英掌控财富分配。尽管世界模型为个体提供了虚拟空间构建意义的可能性，但仍面临计算能力、数据获取和版权法规等挑战。

「世界模型」能改变世界吗？李飞飞的世界实验室是啥？8000字看懂World Model演进史

DeepSeek、千问和 O3 背后的推理语言模型（RLM）融合大型语言模型的广度、强化学习的探索深度以及高性能计算的强大算力，实现从简单预测到系统化推理的跃迁。RLM 由推理、训练、数据生成三大流程构成，并结合树状结构和蒙特卡洛搜索优化决策路径。其模块化蓝图降低了研发门槛，推动学术与应用创新，同时提供实验框架「x1」，支持快速原型设计，帮助开发者构建适用于不同场景的智能推理系统。
推理模型创新大爆发，DeepSeek、千问、O3 背后的基础技术科普

AI 的普及正在降低技术门槛，使更多人能接触到前沿科技，实现表面上的机会均等。然而，这种平权并不意味着公平，反而可能加剧资源集中效应，使强者更强，形成新的「马太效应」。AI 在教育、创意、医疗等领域带来革命性变革，同时也让传统学科和职业的价值受到挑战。面对这一变革，人类需要培养批判性思维、同理心等 AI 难以取代的能力，避免盲目依赖技术，从而在智能时代保持核心竞争力。

2小时思想碰撞，10000字深度思考：人类会被AI淘汰吗

阿里最新开源的 AI 视频生成模型万相 2.1，结合文本生成视频（文生）和图像生成视频（图生）两大能力，提供 1.3B 和 14B 两种模型规格。1.3B 版本仅需 8G 显存即可运行，适合本地部署，而 14B 版本在语义理解、物理真实性和运动表现方面达到领先水平。此外，万相 2.1 是全球首个能直接生成中文字的 AI 视频模型，尽管在复杂文字生成上仍有改进空间。该模型的开源降低了 AI 视频技术的准入门槛，为内容创作生态提供了更广阔的发展空间，并提升了全球对中国 AI 产业的关注。
阿里深夜开源万相2.1，这是AI视频领域的DeepSeek啊

Grok-3 凭借数学领域 87.2% 的准确率（较 GPT-5 提升 23%）、代码生成 Benchmark 92.4 分的成绩，刷新了 AGI 领域的性能天花板。其独创的神经架构搜索技术，使模型参数量突破 2 万亿仍保持高效推理能力。值得注意的是，Chatbot Arena 竞技场中用户自发测试的 1.3 万组对话数据显示，其多轮对话连贯性得分达 4.81/5.0（行业均值 3.92）。

闭源策略虽加速技术迭代，但可能加剧行业马太效应，中小开发者更需关注开源生态建设。

马斯克正式发布Grok 3，这回真的把OpenAI干碎了。

吴永辉博士携其神经符号系统研究成果加盟字节跳动，据悉团队已获 20 万张 H100 显卡资源支持。其主导的 Seed 项目聚焦「认知涌现」机制研究，尝试突破现有 transformer 架构的泛化瓶颈。值得关注的是，其团队论文《液态神经网络在长程推理中的应用》刚获 ICML 2025 最佳论文提名。

DeepSeek 对数据标注极为重视，甚至传闻创始人梁文锋也亲自参与。AI 领域除了算法和技术，数据的精准度至关重要。特斯拉在标注方面的投入是中国自动驾驶行业的 20 倍，他们的策略是寻找驾驶经验丰富的人进行标注，从而优化自动驾驶能力。而在机器人训练中，特斯拉挑选小脑健康的人来标注动作，确保机器人的动作更加丝滑。DeepSeek 在数据标注上的精细化投入，正是其模型效率出色的关键。

86 条 DeepSeek 的关键思考 ｜Best Ideas 开源

阿里巴巴联合创始人、董事局主席蔡崇信近日回应了关于阿里与苹果合作的传闻。他表示，苹果在中国市场需要一个本地化合作伙伴，以优化其手机服务。苹果一直对合作伙伴要求极高，他们在中国市场接触了多家公司，最终选择了阿里。蔡崇信认为，能够与苹果这样的科技巨头合作，是阿里的幸运与荣幸。

阿里确认与苹果合作，股价创近三年新高

在模型的预训练阶段，Scaling Laws 的效果确实有所放缓，但在后训练和多模态模型的场景下，数据的 Scaling 仍然有显著的提升空间。有研究员从 Scaling 的原理出发，认为模型在第一阶段的性能提升依赖于从小模型到大模型的「非线性到线性」转变。然而，当模型已经足够大时，这种转变的效果难以预测，预训练的效果可能会趋于瓶颈。尽管如此，研究员们并不认为预训练的 Scaling Laws 已经完全结束，尤其是在多模态模型中，数据的 Scaling Laws 仍有许多未被探索的领域。目前，许多公司选择大力投入后训练，主要是出于性价比的考虑。

干货分享：一场OpenAI、NVIDIA、Anthropic、Google研究员的新年硬核聊天

闫俊杰认为，用户数量等指标并不是 AI 竞争的核心。他强调，不应使用移动互联网时代的产品方法论来思考 AI 大模型产品。他指出，中国大部分公司，无论是创业公司还是大厂，仍然在使用推荐系统的方法来开发大模型产品。然而，AI 大模型与产品的关系是：更好的模型可以带来更好的应用，但更好的应用和更多的用户并不会直接导致模型的改进。例如，ChatGPT 的日活跃用户数（DAU）是 Claude 的 50 到 100 倍，但两者的模型性能却相差无几。

晚点对话 MiniMax 闫俊杰：千万别套用移动互联网的逻辑来做 AI

2024 年，我停下了许多事情。停更了 newsletter，本以为可以更自由地安排时间，可是没有了催更的压力，反而觉得自己越来越没有动力输出。那个一度满怀热情想要分享一些想法的自己，似乎已经消失了。取而代之的，是一个安静得像是消失在世界角落的人。

这年，周末几乎都花在了陪伴孩子上。和他一起玩耍、兜风、探园，看着他一点一点长大，心中满是感动。看着他成长，就像在看一部电影，剧情的每一个转折都深深牵动着我。

家庭的责任感也越来越强烈。外婆摔倒了，需要做手术，父母也渐渐进入了 60 岁的年龄，依然在为我分担一些生活的重担。随着他们年龄的增长，我开始越来越意识到，自己不只是孩子的父亲，也在慢慢变成父母的依靠。这个变化让我有些无奈，也有些感慨。时间，似乎在不经意间悄悄带走了他们的青春，而我，正在经历着父母曾经经历过的转变。

这一年，我也试着做一些新的尝试。留了个小辫子，像是与年轻时的自己打个招呼；买了些寄居蟹，给它们搭了一个小小的生态圈，花心思照顾它们；年末开始健身，希望通过改变身体，能让生活变得更有层次感。虽然大多数时间的日子依旧平淡，但这些小小的波澜，却给了我一些意外的乐趣。

音乐，也在这一年占据了我的生活。我去看了很多场演唱会，林俊杰、汪苏泷、邓紫棋、张信哲，每一场都让生活充满了色彩。尤其是带父母去看张信哲的演唱会时，听他们提起年轻时喜欢他的歌，脸上不禁浮现出感慨。那一刻，我仿佛看见了岁月的流转。

英伟达（NVIDIA）的股价屡创新高，其市值在短短几年内相继突破了 1 万亿、2 万亿，直至目前的 3.2 万亿美元大关。这家以 GPU 起家的公司在人工智能领域正发挥着越来越重要的基础设施作用。

回顾英伟达的发展历程，可以发现它几乎与 GPU 技术的发展同步。作为图形处理器的领头羊，英伟达通过不断创新和升级，推动了 GPU 从专业图形显示向计算领域的拓展。尤其是在 AI 技术突飞猛进的背景下，GPU 的高性能并行计算能力为深度学习提供了坚实的支撑，使得英伟达成为这一领域不可或缺的角色。

GPU，即图形处理器（Graphics Processing Unit），最早诞生于 20 世纪 90 年代初。随着计算机技术的飞速发展，游戏行业开始从 2D 向 3D 转变。相比 2D 游戏，3D 游戏能够提供更加逼真的体验，但也对计算能力提出了更高的要求。为此，GPU 被发明出来，用于专门处理图形计算任务，以减轻 CPU 的负担。

在当今的科技时代，人工智能（AI）的迅猛发展重新定义了我们学习、工作和生活的方式。AI 不仅帮助我们提高效率，还成为我们思维的伙伴，指导我们激发潜能，尤其是像 ChatGPT 这样的工具，能够帮助我们充分发挥人类的潜力。

**大脑不应该简单地被当作一个信息储存库。**人类大脑的独特之处在于它能够进行复杂的推理、情感理解和创造性思维，这远超出信息存储的功能。仅将大脑视作存储工具，忽略了它在生成新思维、发现创新解决方案以及应对变化中的挑战方面的卓越能力。事实上，过于强调记忆信息，可能会限制我们的创新潜能，因为我们的认知资源可能被用于记住信息而不是处理和应用知识。大脑的真正价值在于将信息转化为洞见，创造出全新的想法和解决方案。

AI，特别是如 ChatGPT 一样的生成模型，能够在这个过程中扮演关键角色。AI 不仅能帮助我们获取信息，还能通过工具化的信息整理和多角度观点的提供，帮助我们理清思路，从而激发新的创意。这种协助让我们能够将精力放在创新和复杂问题的解决上，而不是简单的记忆和信息的回避。

在实践中，实现这种 AI 与人类思维的协同作用，可以采用费曼学习法。费曼学习法由著名物理学家理查德·费曼提出，其核心思想是通过讲述来巩固理解。简单而言，如果你不能用简明的语言解释你所学的内容，那么你并不真正理解它。当我们结合 AI 工具如 ChatGPT 时，相当于与一个始终客观且可以互动的「伙伴」进行交流。通过这样的讲述与即时反馈系统，我们可以不断校正和加深自己的理解，同时使得学习过程更具互动性和趣味性。

因此，AI 不仅是信息的提供者，更是思维和创造力的激发者。我们的目标不应是简单的信息积累，而是通过整合和利用 AI 工具，提升我们的认知能力，实现更佳的自我提升和创新突破。