75
1Ed Chi（纪怀新）是 Google DeepMind 研究副总裁，也是思维链（Chain-of-Thought）论文的作者之一。这篇论文让大模型学会「先推理、再作答」，是今天推理模型的基础方法之一。他过去 30 年从推荐、搜索做起，如今主导大模型的推理、规划与记忆研究。
这一期，他回答了几个问题：
· 消费级 AI 走到了哪一步？为什么说 2026 年的收入爆发主要还在企业端？
· 通用助理什么时候算真正到来？他提出的「奶奶测试」是什么？
· 模型能力普及之后，Google 的护城河在哪里？为什么「所有 AI 最终都是能力除以成本」？
· 大模型的记忆难在哪里？为什么记忆的本质是排序？
· 开源和闭源的差距、AI 泡沫到底在哪里？
· AI 会解数学题了，孩子还要不要学数学？
时间轴
00:00 开场
00:33 Panel 回顾：从推荐、搜索到思维链
01:49 通用助理：从问答走向替你做事
04:01 消费级 AI 的未来：推理能力三四年走了多远
05:23 通用助理的护城河：「奶奶测试」
07:05 Google 做消费级 AI 的优势：硬件与服务
09:21 现象级产品会从哪里来
10:23 DeepMind 的模型竞争力：大模型与小模型
13:10 Google 的护城河：全栈与最便宜的 token
14:59 资本开支与回报：能力除以成本
16:29 记忆研究与存储短缺
19:00 记忆最大的瓶颈：它是一个排序问题
20:59 记忆层：创业公司还是大厂
21:37 如果今天创业，价值流向哪里
22:59 开源追上闭源，与思维链论文有关
24:37 AI 泡沫在哪里
25:53 编程之后的下一个机会
26:47 未来一两年的消费硬件
28:11 科学家视角：从小学算术到最难的数学题
29:20 AI 时代孩子还要学数学吗
嘉宾：Ed H. Chi（纪怀新），Google DeepMind 研究副总裁，思维链论文作者之一
主持：曹卿云，硅谷坐标主持人
嘉宾观点仅代表个人，不代表所在机构。
完整视频：YouTube / B站 搜索「硅谷坐标」
