本期节目，我们邀请到奇绩 2025 年春季创业营校友最速曲线 CEO 黄清昊和 CTO 张瀚群，讲述他们为什么认为 AI 时代，公司这一组织形式终将消亡，以及他如何迈出创业第一步，探索用十个一人公司替代一个十人公司的全新协作方式。他又是如何思考基于 AI 和区块链技术解决信任、分配与协作的问题？ 在这场关于自由、公平和未来生产关系的讨论中，你将听到一个技术创业者如何用代码、开源和实验精神，回应“改变生产关系”的理想主义命题。 【嘉宾介绍】 黄清昊：最速曲线 CEO，上海交通大学本科，前阿里云、字节工程师，Apache\LF 项目贡献者。Github 有 1.2k 关注者。 张瀚群：CTO，OpenStack\CNCF 项目贡献者，ACM ⻓春站亚洲区铜牌。曾任多家公司技术负责人。 According.Work：最速曲线致力于打破传统组织边界，构建以结果为导向的个体协作新范式。在 AI 显著提升生产力的当下，传统雇佣关系开始制约个体价值和生产效率。我们通过构建全球开发者协作网络，依托自动化行为追踪与贡献分析机制，实现基于智能合约的利益公平分配，以技术驱动的去中心协作模式替代传统公司制。 获取完整版访谈转写稿，欢迎点击下方链接注册后阅读：apply.miracleplus.com 【时间线】 启动创业：为什么目标是颠覆公司这样的组织形式？ * 00:48 According.Work 是什么？ * 01:46 五年换五家公司，从大厂到开源公司，始终觉得“不自由、不公平” * 06:51 AI + 区块链能否解决一人公司组织协作模式的问题？ * 09:15 创业转折点：远程工作与数字游民社区给了“做自己”的信心 * 12:10 数字游民的故事：人给自己打工和给别人打工是不同的状态 改变生产关系：极客协作的愿景与实验 * 13:56 CTO 加入原因：被黄清昊在黑客松上“想改变生产关系”的演讲触动 * 17:19 Crypto 圈内黑客松已变成 PR 表演？黑客松是把对的人聚在一起，让创新这件事情高密度发生的场景 * 21:15 人不需要生产，公司不存在——AI 生产力的终局畅想 * 27:50 如何为未来“打工”的 AI Agent 分配利益？ 构建去中心化平台：协作效率、信任机制与下一步路径 * 32:57 According.work 自己的协作模式：借鉴开源社区，issue 驱动 + 无雇佣关系 + 贡献换酬劳 * 36:02 想服务的不只是开发者，而是“真正需要自由”的个体劳动者 * 42:42 十个一人公司协作替代一个十人公司，如何解决效率、信任、公平分配问题？机制设计与技术逻辑 * 56:14 终局似乎还太远，下一个目标是通过 plan A 和 B 首先年营收 100 万美元 开放探讨 * 01:05:21 创业兴趣和技术改变世界信念的启蒙：我爸的商业书籍、高中一起搭过 BBS 的同学 * 01:08:49 第一次社交产品创业经历：享受用双手创造，但做好产品，运营功劳可能大于技术 * 01:14:13 给年轻人技术爱好者的建议：找到真正的精神需要；CS 还是好专业，推荐交叉学科；有想法就去做。 【关于本系列播客】 年轻技术创业者们都在做什么？他们的创业想法从何而来，又是如何迈出第一步的？ 在本系列播客中，我们将对话奇绩 2025 年春季创业营加速的技术创业者们，聊聊他们在通用智能掀起的本次变革浪潮中，看见的机会，试图解决的问题，以及从构思思路、判断时机，到真正迈出创业第一步、拿到融资，这一路上做出的关键决策与背后的思考。 他们经历的挑战、犹豫、试验与突破，也许正是你此刻正在面对的。希望这些对话正在或即将踏上创业之路的你，带来启发。 【制作团队】 李行歌、廖霖勇、沈筱 欢迎关注奇绩创坛小宇宙和公众号获取更多内容更新。如果你对本期话题感兴趣或有自己的思考，也欢迎在评论区留言交流，期待与你碰撞更多观点。

年轻技术创业者们都在做什么？他们的创业想法从何而来，又是如何迈出第一步的？ 在本系列播客中，我们将对话奇绩 2025 年春季创业营加速的技术创业者们，聊聊他们在通用智能掀起的本次变革浪潮中，看见的机会，试图解决的问题，以及从构思思路、判断时机，到真正迈出创业第一步、拿到融资，这一路上做出的关键决策与背后的思考。 他们经历的挑战、犹豫、试验与突破，也许正是你此刻正在面对的。希望这些对话能为正在或即将踏上创业之路的你带来启发。 本期节目，我们和奇绩 2025 年春季创业营校友蜉蝣一粟游戏（Mayfly）创始人黄高乐，聊了聊他从想法萌生到正式创业做游戏经历的三个关键选择，和对图形学领域研究及产业应用的看法，以及对新一代游戏引擎的思考。 【嘉宾介绍】 黄高乐 * 蜉蝣一粟科技有限公司 CEO/CTO。 * 以中南大学连续四年年级第一的成绩直博北大，发现“图形学救不了国产游戏”后退学肄业。 * 字节跳动 4 年游戏研发工作经历。 * 代表作有《本草归元录》等。 【蜉蝣一粟科技有限公司】 AIGC 出现后，很多重复、枯燥、工具性的工作都在面临瓦解，我们希望我们能够引领一种面向未来的生活方式：每个人都为了乐趣与自我实现而学习、工作与创新，游戏将成为新一代知识继承、传播与创新的媒介，因此我们做游戏的造纸术与印刷术。打破单纯依赖 AIGC 的局限，利用传统 AI 与程序化生成技术，弥补 AIGC 在可控性和可靠性上的缺陷，为游戏内容生成提供更稳定、高质量、高效的解决方案。 获取完整版访谈转写稿，欢迎点击下方链接注册后阅读：apply.miracleplus.com 【时间线】 三次申请奇绩，我为什么要执着地做游戏创业？ * 01:32 从小学编程、做游戏，源自有个爱玩游戏的父亲 * 01:53关键选择节点：从中南大学计算机年级第一、保研北大图形学，到博士肄业、加入做字节游戏，再到字节 All in AI 时选择跳出创业 * 07:35 中国有全亚洲最好的图形学实验室，却做不好游戏？从学术跳进产业的现实考量 * 10:10 3D 关于图形学应用领域的思辨：动作生成/动画生成、具身练习场、全新游戏引擎、叙事生成 关于未来游戏引擎的思考 * 18:19 启发来自张一鸣“罗布乐思能不能做出原神和我的世界”的提问——未来游戏引擎应该让人人都能做游戏 * 23:25 游戏引擎创业绕不开的难点：要做就不能还在 Doom 上打补丁，要和 Unity、Unreal 长得完全不一样 * 28:19 如何做一个好的游戏引擎：从某个游戏品类切入，做工具链之前先做好游戏 * 30:13 理解游戏的品类或类型化：参考《游戏机制——高级游戏设计技术》，游戏可以像电影抽象为剧本一样抽象成数值 * 35:28 做好工具链的挑战：明确 AI 与人类在游戏创作中的分工边界 * 39:12 团队的独特关注点：注重游戏美学教育，新一代游戏创作者应该是游戏“知识分子”玩家 关于融资、AIGC 游戏、未来走向的开放探讨 * 45:21 出来创业，希望和张一鸣坐在平等的“牌桌”上 * 50:02 AI 改变游戏的两类探索：AI 生成游戏内容 vs AI 作为工具赋能人类做游戏 * 51:31 最近思考最多的一个问题：不管何种品类，游戏怎样降维——让游戏像“3D打印”一样简单 * 54:16 图形学的初衷是用极少参数描述一个世界，说不定它还是游戏的未来 【制作团队】 沈筱、王琎 欢迎关注奇绩创坛小宇宙和公众号获取更多内容更新。如果你对本期话题感兴趣或有自己的思考，也欢迎在评论区留言交流，期待与你碰撞更多观点。

年轻技术创业者们都在做什么？他们的创业想法从何而来，又是如何迈出第一步的？ 在本系列播客中，我们将对话奇绩 2025 年春季创业营加速的技术创业者们，聊聊他们在通用智能掀起的本次变革浪潮中，看见的机会，试图解决的问题，以及从构思思路、判断时机，到真正迈出创业第一步、拿到融资，这一路上做出的关键决策与背后的思考。 他们经历的挑战、犹豫、试验与突破，也许正是你此刻正在面对的。希望这些对话能为正在或即将踏上创业之路的你带来启发。 电机，被称为新能源车、人形机器人、eVTOL的“动力心脏”，这些前沿场景中，电机被提出了哪些新的要求？为什么现有的电机方案难以满足？本期节目，我们和奇绩 2025 年春季创业营校友凌创电机 CEO 黄闻嵩跟我们聊了聊，他在一线看到的真实需求，以及为什么他相信轴向磁通电机这个新的技术路径，能够成为这 3 个场景更好的解法。 【嘉宾介绍】 黄闻嵩：创始人/ CEO，UCLA 机械工程拉丁荣誉学士，连续创业者，曾作为创始人/ CEO 创办 Squab Gaming，获美国 VC 机构投资，服务 1 万+ 付费用户。 凌创电机：基于创新的轴向磁通电机技术，我们致力于突破传统电机技术瓶颈，打造高性能、低成本的智能时代动力解决方案，满足新能源汽车、具身智能、低空经济等领域对高扭矩密度、高效率电机的需求。公司产品凭借自主正向研发的技术，在效率、轻量化及集成度上达到全球领先水平；同时通过自主创新工艺与成熟供应链的深度融合，成本降低 70%，突破了轴向磁通电机商业化的瓶颈。 【时间轴】 01:56 电机在智能电动化时代的重要性 03:52 新能源汽车仍带着燃油车"基因"，但未来一定会出现电驱原生设计的技术平台 06:18 eVTOL目前通勤的能力可能不如一台车，轻量化是核心优化方向 07:20 目前人形机器人能搬动的重量可能连小孩都比不过，需要关节电机在狭小空间内提高扭矩密度 新能源车需要什么样的电机？ * 08:27 新能源车的动力其实早就够用了，电机功率不是现在最需要解决的问题 * 08:58 为了提升整车的空间和续航，需要把电机做得更小更轻 * 11:08 新能源车电机技术现状：传统径向磁通电机已近极限，轴向磁通结构能带来新的突破 人形机器需要什么样的电机？ * 15:21 目前人形机器人公司主要在“卷算法”，执行端的关节能力尚未被优先投入，但从产品落地角度来看，这部分将成为未来的重要突破口 * 17:57 人形机器人关节电机目前的技术方案 * 19:42 相比新能源车，人形机器人电机需要在更小体积、更严苛热管理下持续承重 22:45 电机的难点在于它是一个工程问题：不仅是底层技术的耦合，还要理解从终端用户到整机厂的层层需求 25:52 客户肯定是"既要又要还要" 29:10 创业公司如何和行业内的头部客户合作：专业性、快速迭代和交付能力 eVTOL需要什么样的电机？ * 30:23 电机轻量化是最重要的优化方向 31:59 落地场景的选择：先在新能源车赛道量产，在人形机器人和低空经济赛道做技术储备 33:43 在新能源车赛道怎么找到早期客户的？目前进展如何？ 37:23 轴向磁通电机的发展历史：从技术到商业化 43:29 凌创电机最牛的指标是什么？ 44:22 为何下定决心做电机创业？ 【制作团队】 孙童语、沈筱、孙美淋、王潇潇 获取完整版访谈转写稿，欢迎点击下方链接注册后阅读: apply.miracleplus.com校友访谈&c=ib&utm_source=xyz

在通用智能掀起的本次变革浪潮中，科学、技术、生产力、发展模式都在发生全面的、根本性的变化。在技术扩散的前沿，创业是驱动创新的路径中最高效的一种。 我们会不定期访谈奇绩创业营加速的年轻创始人们，从他们的视角，去理解技术创业者的世界观、工程实践经验、产品创新尝试和商业场景应用的探索，更重要的是分享他们早期创业过程中的故事和经验。 本期前沿技术创业者访谈，我们邀请到共绩科技 CEO 付智和 CPO 黄力昂，聊了聊他们如何从实验室走向共享算力创业的故事。你会听到以下话题： * 共享算力的本质与不同路径对比 * 共享算力的双曲线模型：利润藏在弹性需求与零散资源匹配中 * 从电力系统发展洞察算力发展趋势 * 当前 AI 算力的“水下需求” * Serverless 新平台发布：抓住 AI 应用浪潮的时机与决策逻辑 * 打造快速成长的创业团队的实践 【嘉宾介绍】 * 付智，共绩科技创始人兼 CEO，清华直博师从江亿院士，从事分布式资源调度研究，领域内多篇顶刊 SCI。连续创业者，清华大学年度人物，福布斯亚洲 U30。 * 黄力昂，共绩科技联创 & CPO，北大物理系本科，清华叉院直博师从段路明院士，关注算法设计、算力产品设计及平台用户体验。 【关于共绩科技】 团队提出并构建了首个闲时算力共享平台，通过领先的调度算法整合分散算力，用于满足弹性算力需求。团队实现了细粒度的万卡级别算力共享，每天可提供两万小时以上的稳定算力。目前已经实际为几十个国内外教科研机构的数百位科研工作者每天提供灵活低价的算力服务，并为数家头部 AIGC 企业提供灵活算力调度服务，真正实现一半价格并随取随用。团队曾获互联网+创业组全球第一，总决赛亚军（2/514万），并承建青海省、河北省省级算力调度系统建设。 【时间轴】 00:28 嘉宾介绍和团队背景 01:37 共享算力的本质与三类历史上不同共享算力模的差异辨析 03:57 技术揭秘：如何精细化挖掘闲置算力，在不影响用户体验下实现算力调度 05:33 创业原点与终局思考：从个人需求到看见分布式推理的未来 10:29 算力共享单位服务价格 x 时长“双曲线”：用最零散的资源满足最弹性的需求，实现更高毛利 20:09 从电力系统看算力未来，为何坚信分布式是终局？ 26:28 算力“削峰填谷”：电力逻辑如何解决 AI 算力需求的成本与排队难题？ 36:28 共享算力平台的长期战略思考：如何实现网络效应？壁垒在哪里？ 50:08 创业实践过程中的关键假设与市场验证 01:11:20 算力需求的真实观察：并未出现在主流媒体视野中，却在“水下”悄然增长 01:34:35 Serverless 平台发布背后的决策逻辑：为什么现在是抓住 AI 应用浪潮的关键时机？ 01:37:25 分布式算力发展重要的信号：单消费级显卡能跑模型可以打得过 DeepSeek-R1 01:50:50 未来愿景：从分布式算力到分布式大脑 01:51:54 创业感悟：坦诚相待打造高效团队；快速验证认知，保持饥渴学习 【制作团队】 沈筱、楼恩鸽、陈卓、王琎、张洛诚 【嘉宾推荐阅读】 * 《一分钟经理人》 * 《领导梯队》 * 《奈飞文化手册》 * 《黑客与画家》 * 《冷启动》 * 《增长黑客》 【内容详情】 本期访谈稿件将于公众号发布，欢迎关注获取更多内容更新。如果你对本期话题感兴趣或有自己的思考，也欢迎在评论区留言交流，期待与你碰撞更多观点。 获取完整版访谈转写稿，欢迎点击下方链接注册后阅读： apply.miracleplus.com

在通用智能掀起的本次变革浪潮中，科学、技术、生产力、发展模式都在发生全面的、根本性的变化。在技术扩散的前沿，创业是驱动创新的路径中最高效的一种。 我们会不定期访谈奇绩创业营加速的年轻创始人们，从他们的视角，去理解技术创业者的世界观、工程实践经验、产品创新尝试和商业场景应用的探索，更重要的是分享他们早期创业过程中的故事和经验。 本期我们邀请到奇绩2021年春季创业营校友推行科技创始人兼 CEO 卢鹰翔，聊了聊他从 Robotaxi 领域“出走”创业的故事。他分享了如何在高不确定性中构建数据闭环，用真实场景磨练端到端算法，也复盘了技术路线从“被质疑”到“逐步被验证”的过程。 【嘉宾介绍】 卢鹰翔，推行科技联合创始人兼 CEO。康奈尔大学计算机硕士、哈佛大学人口经济学硕士，弗吉尼亚大学生物医学工程本科，曾师从计算机视觉专家 Serge Belongie 教授与人口经济学权威 David Bloom 教授。 【我们聊了什么】 * 为什么最初从自动驾驶轮椅切入，而不是一上来就做末端配送机器人 * 如何通过骑手群体构建数据闭环，打通端到端算法所需的真实反馈环 * 从 Robotaxi “出走”背后的关键认知：什么样的场景值得做？哪些不能犯错？——三选二原则（L4、ODD、动能） * 如何在投资人尚未形成共识时坚持技术路线，以及如何判断“坚持”是不是在自我欺骗 * 机器人落地应用，供应链、场景、人才结构、全球趋势密切相关 【时间轴】 从Robotaxi到轮椅，再到末端配送机器人——创业起点与方向确定 00:58 嘉宾介绍与团队背景：同 Waymo 一批拿到 DMV 牌照的中国团队 02:48 为什么选择从电动轮椅做起：轮椅是可以被人操作的平台，有助于训练端到端算法+构建数据闭环 03:57 2022年业务转折：市场配送需求与新的数据“富矿” 06:35 为什么现在做具身智能的很多来自自动驾驶领域：自动驾驶行业演进的轶事 13:50 创业方向的背后思考：拿到加州全无人牌照，但Robotaxi 领域存在 technology product fit 挑战 19:58 自动驾驶技术落地场景选择的“三选二 " 原则：odd（operational design domain），L4，动能 26:06 创业时机判断：20 年特斯拉第一次靠端到端实现 FSD，市场反响一般，却是开发者认定的未来 31:08 创业具体场景的收敛：技术和市场发展趋势的双重思考 从端到端“冷板凳”到场景收敛与数据闭环：技术、产品、市场的反复碰撞 34:45 轮椅转向末端配送：初代产品复盘+市场需求启发产品路径演进 37:17 无人配送火热，为什么当时做末端配送的很少：开放物理世界，硬件和算法、模型层面的多重挑战 44:05 技术挑战却很大，为什么还要做：从终局反推可行性+客户需求是 PMF 前兆，来一口气也得试 57:23 应对不确定性：关于钱、供应链、市场拓展的关键决策和真实博弈 01:10:09 从规则到端到端再到 VLA，自动驾驶模型路线演进与落地实践分野 机器人产品形态演进、供应链搭建与出海机会的思考与实践 01:22:29 供应链策略：自研与共享自动驾驶成熟产业链的取舍逻辑 01:33:28 机器人产品形态演进的思考：从移动到操作，能力渐进式提升，呼应英伟达数据金字塔理论 01:40:54 机器人自己按电梯还有困难？末端配送机器人的真实场景验证与迭代 01:47:40 为什么要出海？海外政策环境、市场洞察与产品竞争力分析 01:54:05 供应链没经验、资源紧、交付有压力怎么办？给新入局者的实战建议 开放探讨 02:03:24 团队建设与找人策略：不局限于背景，强调能力匹配 02:13:41 机器人普及为什么有其必然性：人口结构变迁驱动 02:20:24 中美机器人 / AI 领域发展的差异与优势 【幕后制作】 沈筱、孔令博、周梓健、张洛诚、陈卓 【内容详情】 本期访谈稿件将于公众号发布，欢迎关注获取更多内容更新。如果你对本期话题感兴趣或有自己的思考，也欢迎在评论区留言交流，期待与你碰撞更多观点。

在通用智能掀起的本次变革浪潮中，科学、技术、生产力、发展模式都在发生全面的、根本性的变化。在技术扩散的前沿，创业是驱动创新的路径中最高效的一种。 我们会不定期访谈奇绩创业营加速的年轻创始人们，从他们的视角，去理解技术创业者的世界观、工程实践经验、产品创新尝试和商业场景应用的探索，更重要的是分享他们早期创业过程中的故事和经验。 【本期议题】 本期我们邀请到奇绩 2020 年秋季创业营校友「忆海原识」创始人兼 CEO 「任化龙」。 他分享了关于类脑计算与高性能灵巧手在具身智能中的应用挑战与突破路径。同时，我们围绕深度学习技术的现实瓶颈、仿生硬件的产业落地，以及人形机器人未来技术栈的重构可能展开了探讨。 【嘉宾介绍】 * 任化龙，忆海原识创始人，奇绩创业营 2020 年秋季校友 * 哈尔滨工程大学自动化本科、斯坦福大学人工智能方向研究生。 * 专注于类脑计算和灵巧手的技术研发和落地应用。 【时间线跳转】 -类脑计算在具身智能中的机会与挑战：为什么它值得重新被关注？ * 00:24任化龙和忆海原识的介绍：类脑计算与灵巧手的创业实践 * 01:42投资人为何重新关注类脑计算？ * 02:34类脑计算相较于视觉路线的优势：少量数据快速泛化、兼容相对式数据、终身在线实时学习、训练成本低、硬件开销小 * 11:59类脑计算的挑战：人才缺乏、产业协同需求高 -从触觉传感器出发，理解机器人为何需要仿生 * 16:27多数触觉传感器厂商存在的三个误区：测力、测三维力、为测三维力将皮肤做成平面式 * 18:11人类皮肤如何感知世界：触觉与力觉系统本质是一个多维信息融合系统 * 27:23仿生触觉要复刻人类系统，究竟难在哪？为什么用仿生思维重新定义触觉传感器是必要且有利可图的？ * 30:59除触觉传感器，还有哪些关键部件值得被重新定义？ -灵巧手应用落地：从系统适配到关键零部件，面临的现实挑战与创新机会 * 32:22灵巧手应用落地：从重工业到轻工业、家庭服务场景，仿生需求递增 * 38:16如何看待灵巧手应用爆发的场景和时间点 * 44:33当前技术栈（如强化学习）在机器人实际应用场景中的泛化能力挑战 * 46:36类脑计算的上限似乎更高，但发展更慢？ * 49:57灵巧手与模型、机器人本体等软硬件的适配挑战 * 57:02灵巧手 + 机械臂，目前的典型落地案例？近年来市场需求的变化？ -机器人产业链展望：协同重构与颠覆性创新机会 * 01:05:003 - 5 年内，机器人行业或将迎来哪些巨变？ * 01:06:40从膝跳反射谈起：机器人如何构建类神经反应系统，实现 “行稳致远” * 01:15:31人形机器人在哪些场景可能率先爆发？ * 01:18:28自由度、成本、可靠性...... 客户在灵巧手选型时，最关注的维度是什么？ * 01:24:05灵巧手中还有哪些 “被忽略” 的关节设计其实决定了真实可用性？ -随谈：研究类脑计算，任化龙的感悟与推荐阅读 * 01:25:49十人团队如何“啃透”类脑与灵巧手 * 01:28:12理解脑科学，推荐入门阅读：脑科学三部曲+经典哲学书籍 【制作团队】 栏目组：沈筱、周梓健、孙童语、陈思雨、孔令博 【内容详情】 本期访谈稿件将于公众号发布，欢迎关注获取更多内容更新。如果你对本期话题感兴趣或有自己的思考，也欢迎在评论区留言交流，期待与你碰撞更多观点。

本次潜空间邀请了上海交通大学副教授，创智学院导师，清源研究院院长助理，生成式人工智能研究组GAIR负责人刘鹏飞，本次分享的主题是《生成式 AI 的第二幕：认知工程》 💡关于【奇绩潜空间】： 奇绩潜空间是GenAI时代冲得最快的一批科研学者/从业者/创业者聚集的AI人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕聘、闫俊杰等；邀请前沿科研学者分享最新的技术进展，如姚顺雨、蔡天乐等；希望可以为所有GenAI时代的创业者、从业者提供可借鉴、可复制的经验。 文字稿及笔记：奇绩社区内容精选 🎤本期嘉宾： 刘鹏飞是上海交通大学副教授，创智学院导师，清源研究院院长助理，生成式人工智能研究组 GAIR 负责人。专注于自然语言的预训、生成和评估等研究方向，发表学术论文 100 余篇， 被谷歌学术引用 19000 余次。ACL 会议史上首次实现连续两年获得 System & Demo Paper Award，提示工程概念最早提出者之一，单篇引用超过 5000 余次。 ⏰时间轴： 02:02 生成式 AI 的第一幕在知识层面遥遥领先，甚至超过人类水平，但是在推理层面相对落后。 07:17 AI的第二幕：从知识工程到认知工程到转变 09:30 第二幕的“深度思考”如何实现？技术路径是什么？智能沿着 Pre-training, Post-training 和 Test-time Scaling 实现跃迁 17:25 在原生数据增长速率无法匹配算力增长的当下，数据工程 2.0 的核心变革是什么？ 19:14 合成数据将成为预训练语料 2.0 时代的核心。 * 19:45预训练语料1.0 时代：以人工筛选为主，方式直接，属于典型的人力密集型操作；1.0时代的语料非常简单，收集工作极其原始且繁重。 * 20:08 预训练语料1.5 时代：引入了如 FastText 等自动化过滤机制，同时开始借助大模型本身进行筛选；此时模型训练的技术栈已经变得极为复杂，最终目标已不再仅仅是追求 Benchmark 指标，而是聚焦于训练团队在架构设计的合理性， 数据配置的科学性，以至于提高RL Scaling 能力。 * 22:47 预训练语料2.0 时代：引入了 Reasoning Model 作为数据合成的新维度，整个造数据的过程已经可以由AI自动循环完成了。把推理模型生成的高质量数据加到预训练环节中，效果提升很明显。关键这种提升不是凭借直接 SFT 得来的，而是通过和 RL Scaling 长期配合产生的协同演化，显著加速后续 RL Scaling 收敛速度。 23:51 用策略构建更长更完整的思维链将成为后训练语料 2.0 的关键。 * 23:56 后训练 1.0 时代的 CoT 不能直接使用，而主要是在扩展数目。2023 年我们的判断，强推理任务至少需要数十万的样本，但现在这一假设已被颠覆：对于 1000 个样本，我们发现其实也可以解决相当的推理问题。 * 25:12 后训练 2.0 时代，我们已经能够实现 data efficient（数据高效） 的目标，而这依赖于两个关键基础。首先，充足的预训练模型知识。预训练模型需要具备足够的知识储备，以支持复杂的推理任务。这种知识储备为后续的微调和扩展提供了坚实的基础。其次，充分的推理时间和计算资源。即使学生的知识储备足够解决某个复杂问题，如果没有足够的“草稿纸”（即推理时间和计算资源），他们也难以完成任务。因此，提供充足的推理计算能力是实现高效数据利用的关键。 29:15 RL scaling 入门级的教科书级别的 Tech report 访谈环节： 32:31 在很多创业公司或者实验室没有几千张卡集群的情况下，能不能简单介绍一下，如果团队要去做 RL Scaling ，有哪些问题（DPO、PPO等）可能需要阶段性去解决？ 36:11 目前如果将国内的 GRPO 作为一类，将 OpenAI 为代表的 PPO 或者 PPO 变种作为另一类，怎么去衡量国内 RL Scaling 跟 OpenAI 的 Scaling 之间的差距？同时这之间的差距有多大？目前国内需要做什么样的突破才能够追上 OpenAI？ 38:41 能不能展开讲讲一些基础概念，包括 DPO 的局限性和上限，GRPO 跟 DPO 之间有哪些关联？现在 Open AI 在哪些方面做了调整，使得他能够更加成功？ 41:20 DPO 会不会更好复现一些？ 41:56 如果你在 OpenAI，你可能会怎么去改变 PPO？ 43:27 第一幕时，主要是 Scale data & compute。第二幕中主要 Scale 什么内容？他的迭代逻辑是什么？可以用 OpenAI 的o系列模型为例来探讨。 45:21 你最近有一个很新的发现是关于 Environment，可以简单展开讲吗？ 47:42 对于一些难以 verify 的一些问题，该怎么去设计它的奖励模型？ 50:21 在你看来，最终的 reward 会是什么呢？ 57:37 假如今天给您 30 万美元和一台 H800 让你去创业，你会做什么？ 观众 Q&A 环节： 1:01:22 合成数据会不会因为基础模型的预训练数据选择而造成信息茧房？ 1:03:22 我们在使用中发现，从 claude 3.5 到 R1 阶段一些旧的提示词没法复用。按照您的说法，未来的迭代如果完全按照 n 和 n ＋1这种思路，是不是每一个版本的提示词到下一个版本都没法用？ 1:05:38 真实数据和合成数据的成本问题，在未来的三到五年到底是一个什么样的走势？ 01:09:21 在解决真实世界的问题的时候，AI agent的模型在 tool use 和 take action 的力上还有很多的欠缺，比如 Tau-benchmark，现在整个通过率和正确率都比较低，有什么办法去提升它这方面的能力吗 01:11:52 刚刚提到数据难度的评估没有办法model-agnostic，需要模型回答多次来判断数据难度，那么在数据筛选上的 cost 会不会比较大？怎么能够更高效地识别高质量数据呢？ 💡报名活动&加入听友群：

本次潜空间邀请了 MIT 计算机科学与人工智能实验室二年级博士生【杨松琳】，本次分享的主题是《下一代 LLM 架构展望》 💡关于【奇绩潜空间】： 奇绩潜空间是GenAI时代冲得最快的一批科研学者/从业者/创业者聚集的AI人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕聘、闫俊杰等；邀请前沿科研学者分享最新的技术进展，如姚顺雨、蔡天乐等；希望可以为所有GenAI时代的创业者、从业者提供可借鉴、可复制的经验。 文字稿及笔记：奇绩社区内容精选 🎤本期嘉宾： 杨松琳， MIT 计算机科学与人工智能实验室二年级博士生。专注于线性注意力机制、机器学习与大语言模型交叉领域，聚焦高效序列建模的硬件感知算法设计。围绕线性变换、循环神经网络优化开展研究，，并取得多项研究成果，多篇论文被 ICLR 2025、NeurIPS 2024 等顶会收录。此外，她还开源了 flash-linear-attention 项目，助力领域发展。 ⏰时间轴： * 01:17 序列建模的背景与Transformer的局限性 * 02:50 为何需要新架构？数据扩展的瓶颈与效率问题 * 04:07 Token Mixer与Channel Mixer的核心概念 * 06:10 位置编码（如RoPE）的局限性及改进方向 * 07:49 上下文相关的位置编码（如Sigmoid Attention） * 10:32 线性注意力的分类与动态衰减机制 * 13:10 稀疏注意力（静态/动态）与混合注意力架构设计 * 15:54 在线学习（Test-Time Training）与强化学习的结合 * 17:04 稀疏注意力的硬件优化挑战与动态稀疏方案 * 22:49 混合注意力（层间/层内混合）与KV Cache的优化 * 25:54 Channel Mixing的潜力：MoE模型与动态权重调整 * 28:29 非Next Token Prediction的探索（Diffusion LM、多目标预测） * 29:27 Test-Time Scaling的垂直方向与隐式推理（Latent Reasoning） 访谈环节 * 32:24 线性注意力应该放在那一层？结论是靠直觉还是有理论支持？ * 33:15 线性注意力发展的核心逻辑是怎样的？ * 36:20 从Hardware-Native角度谈架构设计的原则 * 40:01 设计算法架构的过程中如何权衡硬件迭代与算法设计？ * 44:31 Linear Attention火起来的的本质逻辑是什么？ * 47:40 Next Token Prediction之外的架构创新有哪些方向？ * 50:20 如何具体解释垂直方向的Test-Time Scaling？ * 52:31 Token与Channel混合的探索是怎样的？ * 54:40 对创业者的建议以及创业者如何应对模型架构的变化？ * 56:31 对年轻研究者的方向建议 Q&A环节 1. 59:10 架构升级是否能带来如Transformer对CNN的效果飞跃？ 2. 59:52 如何看待对RWKV“无限上下文”能力？ 3. 1:00:51 有哪种方法可以支持长期记忆的实时更新？ 4. 1:06:28 StripedHyena 2 这个架构的特色有哪些？ 5. 1:07:38 混合的tension比 full attention 7 可能在长序列效果上要好很多，为什么？ 6. 1:10:55 开发问答型的应用用哪种架构会更好? 7. 1:15:32 基于目前的架构还有哪些可以做的工作？ 8. 1:22:20 哪些问题限制了模型的上下文？线性注意力是如何扩展这个上下文窗口的？ 9. 1:29:33 Linear attention 比较容易出现过拟合的现象吗？如果有，应该怎样去应对？ 10. 1:36:50 contact 转 KV cache 这种work能做规则注入吗？ 🔈奇绩潜空间下期预告： 下一期潜空间的时间在3月22日，我们邀请的分享嘉宾是【周衔】，先进生成式物理引擎 Genesis 贡献人一作。多篇文章被NeurIPS 2024、CoRL 2024、ICML 2024等顶会接收收录。现卡内基梅隆大学机器人研究所博士毕业生，曾于新加坡南洋理工大学取得学士学位。对机器人技术、计算机视觉和世界模型学习有广泛的兴趣。目前的研究重点是构建用于机器人研究及其他领域的统一神经策略和数据引擎。本次潜空间周衔将带来《生成式仿真：为具身智能解决数据难题的新范式》的主题分享，欢迎报名收听。 欢迎关注奇绩，报名活动及加入听友群请添加小助手：

本次潜空间邀请了Reka创始人之一【刘琦】，本次分享的主题是《多模态大模型与智能Agent的训练与实践：打造自动化驱动的智能化未来》 💡关于【奇绩潜空间】： 奇绩潜空间是GenAI时代冲得最快的一批科研学者/从业者/创业者聚集的AI人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕聘、闫俊杰等；邀请前沿科研学者分享最新的技术进展，如姚顺雨、蔡天乐等；希望可以为所有GenAI时代的创业者、从业者提供可借鉴、可复制的经验。 本期内容笔记：奇绩社区内容精选 🎤本期嘉宾： 刘琦是香港大学计算机科学系助理教授，Reka AI 联合创始人，曾经在新加坡国立大学读硕士，毕业后分别在微软亚洲研究院和微软剑桥研究院工作。之后，加入 Meta 的 AI 研究部门，主要方向是用神经网络分析图结构数据。后又返回学校读书，Phd毕业后进行创业。 ⏰时间轴： * 03:13 刘琦个人介绍与过往经历 * 08:00 年轻人在AI领域的创业机会有哪些？ * 11:06 刘琦的Reka创业经历分享 * 13:55 文本大模型的演化及发展 * 18:58 多模态大模型的经典架构、训练方式以及具体实践 * 27:59 多模态Agent的四大方向：自动驾驶、机器人、计算机交互、动态数据分析 * 37:14 AI创业公司面临的机会与挑战 * 44:44 Reka发展中的经验教训：多模态方向早期布局重要性以及GPU供应链延误的代价 * 46:51 Reka团队文化与组织架构：分布式团队管理与自驱型人才的重要性 * 51:51 如何切入Agent落地的具体场景以及面临的阻碍有哪些？ * 59:18 GPU资源分配策略：Post-Training VS Test-Time Scale Law * 1:03:46 2025年多模态Agent能力预测：自动驾驶与通用机器人的突破 * Q&A环节 1. 1:04:32 Reka目前的产品化路径是怎样的？ 2. 1:09:04 技术产品、商业化、运营销售这三个当中哪个是真正的护城河？ 3. 1:13:14 开源大模型的这个时代，同赛道的产品要从哪些维度去形成差异化以及从哪些标准去衡量差异化？ 4. 1:17:04 VOA agent、 Embodied AI 在技术原理上有什么异同？ 5. 1:18:54 如何在应用落地上用到免费而且高质量的数据？如何平衡专业领域人才与AI技术团队的合作？ 6. 1:22:13 创始人应如何预判技术趋势，评估新兴方向的逻辑框架是什么？ 7. 1:26:01大规模多模态数据的存储与管理如何降本增效？是否需分层存储？ 8. 1:28:02创业公司选择工具增强模型（Tool-LLM）是否比端到端路线更实际？自动驾驶等场景是否应追求完全端到端？ 9. 1:30:09市面多模态RAG方案中，哪家最适合工业品出口流程优化？ 📢奇绩潜空间第6季预告： 关注奇绩的小伙伴，奇绩潜空间第六季活动开始报名，第一期活动时间为 3 月 1 日。 第六季我们邀请到 “妙鸭相机”创始人兼 CEO 张月光、MIT 计算机科学与人工智能实验室二年级博士杨松林、卡内基梅隆大学机器人研究所博士周衔、上海交通大学生成式人工智能研究组负责人刘鹏飞与大家交流经验。共同探索前沿 AI 科技与产品的边界突破：科研、模型、数据与应用开发的多维对话。 欢迎关注奇绩，报名活动及加入听友群请添加小助手：

本次校友访谈邀请了极佳视界创始人兼CEO【黄冠】，本次分享的主题是《空间智能的未来——从感知到认知的4D突破》 🎤本期嘉宾： 黄冠是极佳视界创始人兼CEO，清华大学AI方向博士，拥有超过十年的AI技术和产业经验，拥有微软、三星、地平线等知名公司算法经历，拥有AI、自动驾驶等方向连续创业经验。 极佳视界成立于2023年，定位为一家空间智能公司，致力于将视频生成提升到4D世界模型，使AI大模型具备对4D空间理解、生成、常识和推理能力，进而实现4D空间中交互和行动。团队核心成员包括前阿里云总监、50篇顶会和超1万次引用的算法大牛、前Apollo仿真负责人、多个AI世界冠军的算法专家等人才。 ⏰时间轴： 1:30如何看待视觉领域，AI 技术的演进和未来发展趋势？ 5:16如何定义空间智能？ 7:14是否应该将4D 生成与理解放在一个模型架构下？ 9:49通向通用智能，语言模型和世界模型，哪条路径更可行？ 14:394D视频生成的核心挑战是什么？ 18:17当前发展世界模型是否也面临数据层面的挑战，如何解决？ 22:24从极佳的角度，如何看待提供数据和内容生成服务两条商业化路径？ 30:08如何看待当前自动驾驶和具身智能领域对数据的需求？ 32:59-极佳的目标是做4D世界模型，如何看待公司定位以及优劣势？ 38:33极佳的商业化探索和实践 41:31关于4D 领域技术和商业化趋势，以及中美发展差异的思考 50:16从视频生成到空间智能，创业公司能够探索的领域有哪些以及需要哪些条件来支持？ 56:18 极佳招人 欢迎关注奇绩，报名活动及加入听友群请添加小助手：

本次潜空间邀请了Meta 助理研究员以及Physics of LLM 作者【叶添】，本次分享的主题是《解密大语言模型推理机制——超越人类的二级推理》 💡关于【奇绩潜空间】： 奇绩潜空间是GenAI时代冲得最快的一批科研学者/从业者/创业者聚集的AI人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕聘、闫俊杰等；邀请前沿科研学者分享最新的技术进展，如姚顺雨、蔡天乐等；希望可以为所有GenAI时代的创业者、从业者提供可借鉴、可复制的经验。 本期笔记以及PPT：奇绩社区内容精选 🎤本期嘉宾： 叶添是清华大学姚班，卡内基梅隆大学博士生，Physics of LM 2.1 和 2.2 作者，于 Meta 任助理研究员（Research Scientist Intern）。研究兴趣主要集中在大语言模型的推理机制。曾在顶级会议 NeurIPS 上发表研究论文。此外，曾两次进入中国数学奥林匹克竞赛国家集训队。 ⏰时间轴： 03:31-人工合成数据集IGSM效果和思路介绍 14:22-IGSM是如何生成的？ 24:44-模型会犯错的原因、解决方案以及从中得到的启示 33:34-如何教会模型自己改正错误？ 47:54-Q&A环节： * 47:54-大模型探索阶段的工作与未来方向 * 53:55-什么原因导致按照先简单后复杂的顺序训练模型有时效果不好？ * 59:58-Physics of LLM在实际应用中使用了多少算力？ * 1:08:46-如何定义推理能力？ * 1:12:24-如何寻找没有出现在预训练语料里面的能力 * 1:18:19-解决数学问题的能力是否完全等价于推理能力？ * 1:21:49-在预训练以及后训练阶段怎样提升模型推理能力？ * 1:29:23-简单的结构化和依赖检索方法是否可行？ * 1:40:44-如何让大模型理解复杂业务的SQL？ * 1:46:28-为什么大模型很难评估自己是否犯错？ 💡下期预告： 主题：多模态大模型与智能agent的训练与实践：打造自动化驱动的智能化未来 嘉宾：刘琦，香港大学计算机科学系助理教授，Reka AI联合创始人，领导Reka AI多模态大模型的训练与落地，英国牛津大学计算机科学博士，新加坡国立大学硕士。曾在Google DeepMind、Facebook AI Research和微软研究院工作，曾获福布斯亚洲“30岁以下30人”和AI2000人工智能全球最具影响力学者等奖项。 活动时间：1月18日 11：00-12：30 活动地点：北京线下/上海线下/线上均有场次 欢迎关注奇绩，报名活动及加入听友群请添加小助手：

本次潜空间邀请了行云创始人兼CEO「季宇」，本次分享的主题是《谁困住了AI产业——大型机化的计算机形态与变革的可能性》 💡关于「奇绩潜空间」： 奇绩潜空间是GenAI时代冲得最快的一批科研学者/从业者/创业者聚集的AI人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕聘、闫俊杰等；邀请前沿科研学者分享最新的技术进展，如姚顺雨、蔡天乐等；希望可以为所有GenAI时代的创业者、从业者提供可借鉴、可复制的经验。 本期文字稿：奇绩社区内容精选 💡本期嘉宾： 季宇是行云创始人兼CEO，清华大学计算机科学与技术系博士，曾在华为担任海思昇腾芯片编译器专家，负责多个昇腾编译器项目，并在 AI 编译器领域和处理器微架构领域进行挑战性问题攻关。季宇的主要研究领域包括神经网络加速器、编译器和面向系统优化的机器学习。 行云成立于2023年8月，其核心团队汇聚了来自清华大学及全球顶尖芯片公司的精英人才，致力于研发下一代针对大模型推理场景的超大显存 GPU 芯片，目标是通过异构计算和白盒硬件形态革命性地重塑大模型计算系统，推动大模型走向更高质量和更低成本，于 2024 年连续完成总额数亿元的天使轮及天使+轮融资。 ⏰时间轴： 02:32人工智能算法发展的历史 04:32人工智能的发展经历了从L1到L3的逐步提升，但是要实现到L4的提升还需要新的方法或突破 15:03从计算机产业变迁来看大模型落地困局及解决方案 46:03GPU未来的创新路径是什么？ 50:18多模态硬件设计面临的挑战与机遇 1：13：12Q&A环节 * 1:13:18如何通过构建系统实现硬件多种的兼容性？ * 1:16:26行云为什么值得加入，行云的优势与面临的挑战有哪些？ * 1:19:17下一代AI芯片能否解决延迟和并发的问题？ * 1:21:10通过突破硬件和软件的技术瓶颈来实现享受消费级硬件顶配超体验 * 1:23:10大规模超算系统中如何实现高效互联以及是否需要依赖专有网络来扩展大模型能力？ * 1:28:42端侧设备（如车机、笔电、手机） 是否能承载大规模模型？ * 1:30:38行云未来的产品矩阵规划是什么？ 欢迎关注奇绩，报名活动及加入听友群请添加小助手：

本次潜空间邀请了「Lepton AI 鱼哲」， 本次分享的主题是《除 AI Infra 外，还有什么重要的事》。 💡关于「奇绩潜空间」： 奇绩潜空间是 GenAI 时代冲得最快的一批科研学者/从业者/创业者聚集的 AI 人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕骋、闫俊杰等；邀请前沿科研学者分享最新技术进展，如姚顺雨、蔡天乐等；希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。 本期文字稿：奇绩社区内容精选 💡本期嘉宾： 鱼哲是 Lepton AI 产品负责人，曾在阿里云担任高性能 AI 平台产品负责人，专注于 AI 在多个行业的落地及应用。 Lepton AI 是一个云原生的人工智能平台，致力于开发先进的 AI 能力，简化 AI 应用的构建过程，并降低 AI 开发门槛。目前公司提供了一系列工具和服务，如 Python SDK 和云计算平台，以降低 AI 应用开发的复杂性，其产品预览展示了其在语音识别、艺术化二维码生成、幻觉艺术创作等方面的能力，并且支持与 Hugging Face 模型库的集成。公司致力于解决 AI 基础设施层的问题，提供高性能推理引擎和多云平台，以帮助开发者更容易和经济地创建、部署和扩展 AI 应用。 ⏰时间轴： 00:47 AI 的 Granularity（粒度） 和 Accountability（问责） 11:05 用 Granularity 和 Accountability 四象限来分析各AI应用，如perplexity、c.ai等 23:43 除了Infra外，还有什么重要的事? 34:11 为什么做Lepton AI？ 40:46 聊聊这一年 AI Infra 创业的感受 41:45 AI Infra 的核心痛点是什么？ 01:06:45 数据创业的机会 01:12:42 产品经理：理解市场、跨团队协作、交付商业化结果 01:16:58 AI Infra 的创业当中遇到哪些有意思的伪需求？ 01:20:21 中美两边的 Infra ToB 的商业模式和创业环境的区别 01:24:24 什么是 AI infra 和应用都喜欢的高质量数据？ 欢迎关注奇绩，报名活动及加入听友群添加小助手：

本次潜空间邀请了「袁进辉」， 他分享了关于他分别介绍了创业经历、相关技术研究、分布式编程以及 Infra 创业等 AI 领域多方面内容。 本期嘉宾： 袁进辉是硅基流动（SiliconFlow）创始人兼 CEO ，曾任微软亚洲研究院主管研究员，获得微软亚洲研究院院长特别奖。此外，他还是一位连续创业者，曾在 2017 年创立一流科技（OneFlow），在 2023 年加入王慧文组建的大模型创业公司光年之外，成为联合创始人。 硅基流动是一家做推理加速优化的 AI Infra 公司，致力于打造规模化、标准化、高效能 AI Infra 平台，提供高效能、低成本的多品类 AI 模型服务，助力开发者和企业聚焦产品创新，目前已完成近亿元天使+轮融资。 时间轴 01:06 分享十年创业经历，涉及不同创业伙伴与工作转型 03:12 OneFlow的创业历程与早期对大模型框架的布局及影响 11:43 从2014年研究出发谈神经网络结构学习、工程积累及相关核心理念 28:18 技术框架竞争中的思路及ChatGPT带来的行业巨变 32:16 大模型结构收敛后的影响与不同技术路线的发展 36:22 非典型创业经历：实验室运作、技术优先、挑战大厂等 40:45 Infra创业的理由、推理部署为中心的原因及相关项目的商业化成果 56:15 AI相关场景、竞争、技术融合及芯片发展的讨论 01:11:39 Q&A 本期文字稿：奇绩社区内容精选 关于「奇绩潜空间」： 奇绩潜空间是 GenAI 时代冲得最快的一批科研学者/从业者/创业者聚集的 AI 人才社区，我们定期邀请大模型前沿创业者分享产品实践探索，如杨植麟、吕骋、闫俊杰等；邀请前沿科研学者分享最新技术进展，如姚顺雨、蔡天乐等；希望可以为所有 GenAI 时代的创业者、从业者提供可借鉴、可复制的经验。欢迎关注奇绩，报名添加小助手。 活动报名 &听友群，欢迎扫码加小助手：

本次我们邀请了「共绩科技」的创始人兼 CEO 付智来到访谈间，在2024中国国际大学生创新大赛上，付智以 930 分的高分荣获大赛亚军。 🎙️本期嘉宾： 付智： 从科研开启创业时，共绩科技的创始人兼 CEO 付智还在清华读博士。他的创业经历在奇绩加速和投资的众多在校创业项目里非常典型：科研背景、00 后创业者、AI 技术驱动、服务国家战略。 共绩科技打造的“算了么”闲时算力共享平台旨在为科研学者、开发者等创新个体，以及科研机构、AI 应用企业等对科研工程计算和模型推理计算有需求的主体提供弹性算力。 在付智获奖的第一时间，我们对他进行了专访，希望分享他关于为什么创业、如何度过早期艰难时刻的故事。我们聊了这些问题： ⏰时间轴 01:12 大赛简要回顾 02:01 共享算力的逻辑 03:33 创业的至暗时刻 05:00“算了么”项目的创新点 08:55 对大学生创业者的建议 13:19 比较遗憾的事情 15:22 如何面对新的挑战？ 17:23 创业路上最感谢的是？ 18:19专业与创业关联性高吗？ 🙋活动报名 & 听友群，欢迎扫码加小助手: