内容摘要： 1、Deepseek V3.2模型做了什么改进？ 2、在企业级应用方面有什么重要意义？ 3、对中美大模型竞争格局有什么影响？ #deepseek #中美博弈 #注意力机制 #音频翻译

简单总结 前openai首席科学家Ilya Sutskever 与 Dwarkesh Patel 的访谈对话中文版翻译，这是Ilya 在成立 Safe Superintelligence (SSI) 后的罕见公开发声，提出了很多值得思考的观点。 原播客连接：www.youtube.com 主要时间段关键总结 * 从“扩展时代”回归“研究时代” (21:24) Ilya 提出，2010 年代是研究的时代，2020-2025 年是“扩展时代”（Scaling Era），即通过堆砌算力和数据就能获得巨大进步。但现在，预训练数据即将耗尽，单纯扩大规模已不再是灵丹妙药。行业正在回归“研究时代”，需要寻找新的范式（Recipe）来利用庞大的算力，而不仅仅是扩大旧有的配方。 * 当前模型的“锯齿状”表现与不可靠性 (02:08) 目前的模型在通过高难度评估（Evals）时表现出色，但在实际应用中却显得不够智能，甚至在修复 Bug 时会陷入“修复 A 引入 B，修复 B 又带回 A”的循环。这种评估成绩与实际经济影响之间的脱节，暗示了模型泛化能力的根本性缺陷。 * 人类与 AI 的学习效率差异 (06:14) Ilya 用“竞赛程序员”做比喻：现在的模型像是一个通过题海战术（预训练）死记硬背了所有解法的学生，而缺乏那种只需少量练习就能掌握核心逻辑的“灵性”（The "It" factor）。人类的学习样本效率极高（Sample Efficiency），例如青少年只需 10 小时就能学会开车，这指出了当前机器学习缺失的某种根本性机制。 * 价值函数 (Value Function) 的关键作用 (15:09) 目前的强化学习（RL）效率低下，只有在得到最终结果时才有反馈。Ilya 认为，真正的智能需要像人类情感或直觉那样的“价值函数”，能够在思考过程中（如下棋或编程的中途）就判断当前路径的好坏，从而极大地加速搜索和学习过程。 * SSI 的战略：专注研究而非产品 (41:58) SSI 拥有充足的算力进行研究，因为他们不需要像其它大厂那样将大部分算力用于服务数亿用户的推理（Inference）或维护庞大的产品线。他认为，要验证新的研究想法，并不一定需要全球最大的集群，关键在于想法本身。 * 关于“直接通往超级智能”的策略调整 (45:05) 虽然 SSI 的初衷是避开商业竞争，“毕其功于一役”地开发超级智能（Straight Shot），但 Ilya 现在的想法有所改变。他认为增量发布（Incremental deployment）可能是必要的，因为公众和政府需要通过看到强大的 AI 系统来感知其力量，从而不仅是理解概念，而是能在行为和监管上做好准备。 * 对齐的目标：关爱感知生命 (1:01:11) Ilya 提出了一种新的对齐愿景：不仅仅是让 AI 服从人类，而是构建一个关爱所有感知生命（Sentient Life）的 AI。既然超级智能本身也将是感知生命，这种基于“同理心”的共性可能比单纯的“人类控制”更稳固。 * 未来的均衡：人类与 AI 的融合 (1:10:19) 在谈到长期未来时，Ilya 提出了一个他自称“不喜欢但可能是解法”的观点：为了在这个充满超级智能的世界保持平衡和理解力，人类可能需要通过类似 Neuralink++ 的技术与 AI 进行某种程度的融合，成为 AI 的一部分。 * 进化的谜题与社会性 (1:11:47) 进化不仅硬编码了食欲等低级欲望，还神奇地硬编码了复杂的“社会地位”和“寻求认可”等高级欲望。这证明了在系统中植入复杂的高层目标是可能的，也是 AI 对齐的一个生物学参照。 * 研究的品味 (Research Taste) (1:34:36) 作为深度学习历史性突破的共同作者，Ilya 分享了他的研究哲学：追求美感、简洁性，以及对生物大脑机制的正确借鉴（如神经元连接、分布式表征）。当实验数据与直觉冲突时，这种基于“美感”的顶层信念是坚持下去的动力。 想听更多全球优质播客内容可以留言告诉我～

简单总结📝 本集播客是科技访谈。在这次采访中，AI 教母李飞飞博士分享了她在 AI 领域的开创性工作，特别是 ImageNet 的创建与深度学习的突破。她探讨了 AI 对人类社会的深远影响，强调技术的双刃剑特性，并提出“世界模型”与空间智能将是未来 AI 发展的关键。她还介绍了 World Labs 和新发布的 3D 世界生成工具 Marble，预示着 AI 在多个领域的应用潜力。 不同时间段主要内容⏰ * (00:00–03:24) 主持人介绍嘉宾——常被称作“AI 教母”的 Fei-Fei Li 博士（节目中念作 Fay/Fey），回顾她在 ImageNet 等工作上对现代 AI 爆发的奠基作用：从 AI 还是“脏词”、公司不敢自称 AI 公司，到 2017 年左右“人人都是 AI 公司”的转变。 * (06:25–09:44) 李博士自称是“人本主义者而非乌托邦主义者”：技术整体上对人类是净正面的，但一切技术都是“双刃剑”。AI 的影响“完全取决于我们人类怎么用”，从开发者到应用方，每个参与者都要做“负责任的个体”，因为 AI 将深刻影响个人、社区与下一代。 * (10:48–19:59) 她简述 AI 发展史： 1950s–80s：符号主义 / 逻辑系统 / 专家系统与早期神经网络。 80s–2000s：机器学习兴起，程序 + 统计学习的结合，核心是“学习模式而非写死规则”。 自己在 2000 年进入领域，选择从“视觉智能”切入，把“物体识别”作为北极星问题，并意识到真正缺的是“大规模高质量数据”。 于是在 2006–2007 年启动 ImageNet，整理 1500 万张图片、2.2 万个概念类别并开源，2012 年 Hinton 团队用 ImageNet + GPU 训练出突破性的深度神经网络（AlexNet），形成“大数据 + 神经网络 + GPU”的黄金组合，这也是后来 ChatGPT 等大模型的技术基石。 * (21:22–25:44) 关于“AGI”：她认为 AGI 更像是市场营销术语而非严谨科学概念，从科学视角看 AI 和所谓 AGI 的北极星其实是一致的——让机器具备类人的思考与能力。现有系统在很多方面仍远远不够： 无法像小孩一样在视频中数清椅子数量； 很难完成牛顿、爱因斯坦那种层次的抽象创造与科学发现； 情感与社会智能也非常欠缺。 因此仅靠“多数据 + 多算力 + 放大现有架构”不够，未来还需要真正的创新。 * (29:55–36:57) 她提出并长期思考的核心方向是“世界模型（World Models）与空间智能”： 人类在真实世界中的智能，极大依赖 3D 空间理解与对物体、场景、因果的把握，而不仅是语言。 世界模型的目标是：根据文本或图像“在脑海中生成一个世界”，让人或机器人可以在其中行走、交互、操作物体并进行推理与规划，从而更好支撑机器人、科学发现、设计等任务。 这一想法促成了她创立 World Labs，以空间智能与世界模型为核心，与传统大语言模型形成互补。 * (41:03–47:21) 谈到 Sutton 的“苦涩教训”：简单模型 + 大量数据往往战胜复杂模型 + 少量数据。她认为在机器人领域，“大数据独自取胜”仍有很多挑战： 机器人真正需要的是“带动作的三维世界交互数据”，而网络视频大多缺少这一层； 需要遥操作数据、合成数据与更好的世界建模来弥合差距； 机器人是物理系统，类似自动驾驶，需要考虑硬件、场景、供应链和安全等，规模化落地的难度远高于纯软件模型，未来还会经历更多“苦涩教训”。 * (48:07–1:01:05) 她介绍 World Labs 刚发布的产品 Marble： 基于自研的前沿世界模型，可通过一句话或几张图就生成可无限探索的 3D 世界，支持在浏览器和 VR 中自由行走，也能导出为网格或视频。 典型应用：影视虚拟拍摄与 VFX、游戏场景生成、机器人仿真环境构建、心理学与暴露疗法实验场景、建筑与产品设计以及科学可视化等。 与普通视频生成工具不同，Marble 生成的是具有真实三维结构的世界，视频只是其中一种导出形式。 * (1:02:46–1:08:53) 作为 18 个月前才再次创业的创始人，她分享了一些职业与团队层面的反思： 自己从学界到 Google，再到 World Labs，始终依靠“对新领域的无畏好奇与强烈使命感”做选择，而不过度计算所有风险； 鼓励年轻人选工作少一点“极限优化”，多关注：是否热爱这个问题、是否认同使命、是否信任这支团队； 当前 AI 创业竞争极为激烈，尤其是在人才与算力上，需要既理想主义又高度现实。 * (1:10:30–1:14:28) 她介绍自己在 Stanford 人本 AI 研究院（HAI）的工作： HAI 由她和多位斯坦福教授在 2018 年共同创立，目标是以“以人为本的 AI 框架”来指导科研、教育与政策； 汇聚 8 个学院、数百名学者，覆盖医疗、教育、可持续发展、法律、经济、政治等多领域； 推动国会与各级政府理解并监管 AI（如国家 AI 研究云法案、AI Index 报告、政策培训等），试图搭建“硅谷—华盛顿/布鲁塞尔”等之间的桥梁。 * (1:14:46–1:18:32) 结尾她谈到“每个人在 AI 时代的角色”： 无论是音乐家、老师、护士、会计还是农民，都不会被 AI 抹去价值——关键是如何把 AI 当作放大自己能力的工具； 年轻艺术家可以用 AI（包括 Marble）讲述更独特的故事； 护理人员和老龄化社会需要 AI 提供更多辅助，减轻负担； 即便是临近退休的农民，也可以以“公民身份”参与社区、参与对 AI 使用和治理的讨论； 她强调：任何技术都不应剥夺人的尊严与能动性，人类的尊严与主体性必须是 AI 发展与治理的核心。