老金的 AI 资讯与实战笔记
四个栏目：老金观察、技术前沿、AI 落地实战、经典回放。一个不懂代码的创业者，在 AI 时代的观察、实践与精选。
前沿日报（7月30日）：Latent Space / Simon Willison / DeepMind 等 5 条
本期简报关注AI在金融领域的广泛采用，OpenAI和Anthropic在纽约举办活动，推出针对金融工作的专用插件和智能体模板。FactSet、Nubank、Intuit等公司分享了AI在金融数据、数字…
阅读全文前沿日报（7月29日）：Latent Space / Simon Willison / OpenAI 等 5 条
超过1000名前沿AI实验室员工联署声明，认为AI能力可能加速发展至难以控制，要求政府和社会提供减速选项。HuggingFace也详细说明了机器速度的网络攻击。
把散落聊天记录里的业务知识变成 AI 资产
做跨境的，谁微信里没有几十个群、几百个客户聊天？每天报的价格、解释的条款、安抚的抱怨、确认的细节，全散在里面。老板脑子里有一本“客户定价手册”，老销售心里装着一套“话术套路”，客户偏好沉在历史记录里——但人一走，知识就清…
一个每周 14 篇的内容引擎是怎么运营的
做内容的人最怕什么？三个字：写完。我有十年翻译公司经验，带过几十人的内容团队，但过去 3 年转型做 AI 应用后，最深的感受是：内容不是「写出来的」，是「运营出来的」。
Sam Altman 最新深度对谈：收缩聚焦、算力竞赛与物理 AI
2026 年 7 月底 OpenAI CEO Sam Altman 接受《Invest Like The Best》最新深度专访。罕见地坦诚复盘：OpenAI 过去铺得太广，如今主动收缩战场、聚焦核心突破。详细阐述了算力竞赛、自研芯片（Jalapeño）、未发布模型的「逃逸风险」、以及为什么必须做机器人以防人类沦为云端 AI 的 I/O 外设。
前沿日报（7月28日）：Simon Willison / Anthropic / OpenAI 等 5 条
Moonshot如约发布2.8万亿参数的Kimi K3权重，体积达1.56TB。其许可证不再自称“修改MIT”，要求月收入超过2000万美元的MaaS业务必须与Moonshot签署单独协议。Kimi自…
前沿日报（7月27日）：Simon Willison / Latent Space 等 3 条
该调查揭示了通过代币代理转售LLM代币的市场，主要通过滥用免费试用、代理支持机器人或盗刷信用卡等方式提供折扣。该市场主要存在于中国，使用开源代理软件。
多模型 API 网关选型指南
如果你是那种「做点 AI 工具自己用」的创作者，你可能从没想过 API 网关这回事，或者直接拿 OpenAI 的 key 就上。但一旦你开始做产品、做服务、做规模化，哪怕只是跨境团队里几个同事同时调用不同模型，你很快会撞…
WhatsApp AI 销售副驾驶选购指南
市面上打着「WhatsApp AI 销售助手」旗号的东西，大致可以分三类：
跨境团队的 AI 工具链搭建实战
今年我走访了不少跨境同行，发现一个普遍现象：大家手里拿着七八个 AI 工具——有写开发信的、有做选品分析的、有管社媒的，但团队实际产出并没有翻倍，反而多了「今天该用哪个工具」的选择焦虑。我自己干了十年跨境，也踩过同样的坑…
多代理协作的五种落地模式
我见过太多团队一上来就追求“全自动AI员工组”，结果钱花了、业务没跑通，留下一堆API账单和看不懂的日志。问题从来不出在“AI不够聪明”，而是你没把这帮AI当成团队来管。
前沿日报（7月25日）：Anthropic / Simon Willison / Latent Space 等 5 条
Claude Opus 5 是 Opus 系列的阶跃式改进，支持长时间运行的智能体，同时在编程和专业工作方面带来提升。
营销人该装的 AI 技能包
很多营销人跟我吐槽：AI 工具买了一堆，写出来的东西就是不像自己。让 AI 写个开发信，要么满篇虚词，要么语气飘忽，改起来比自己重写还累。问题其实不在 AI——你让一个新入职的文案直接上手工，不给培训、不给品牌手册、不给…
增长团队的 AI 工具栈怎么搭
我见过太多增长团队每周例会盯着看板叹气——ROAS 掉了 15%，内容互动率下滑，达人合作视频的播放数据像心电图。看板上红红绿绿的 KPI 非常清晰，但会议结束，每个人带走的仍然是一堆猜测：「可能素材疲劳」「也许受众跑偏…
前沿日报（7月24日）：Latent Space / Simon Willison / Anthropic 等 5 条
Black Forest Labs发布了FLUX 3多模态流模型，在视频生成上超越了Seedance 2.0、Gemini Omni和Grok Imagine。该模型还包含FLUX-mimic视频动作…
中小企业 AI 落地路线图：从试用到部署
上周跟一个做建材出口的老板喝茶，他诉苦：去年买了三个 AI 工具，一个写开发信，一个做社媒文案，还有一个号称能自动回复询盘。结果半年过去，只有他自己偶尔用用写邮件，团队其他人碰都不碰。更离谱的是，同一个客户，销售 A 用…
365Skill 仓库导览：发现、验证与共享 Agent 技能
这些年我带团队管跨境生意，最头疼的不是工具少，而是招来的新人你得把 SOP 一遍遍讲。AI 也一样。你装了一个 Agent 客户端，跟它说「帮我做周报」，它可能给你生成八竿子打不着的玩意儿。不是它笨，是你没给对说明书。
前沿日报（7月23日）：Anthropic / Simon Willison / DeepMind 等 5 条
Claude Opus 4.7 现已普遍可用。该模型在高级软件工程方面比 Opus 4.6 有显著提升，尤其在最具挑战性的任务上表现更佳。
梁文锋 3.5 小时内部交流会：克制、开源与 AGI 路线图 | 老金观察
DeepSeek 创始人梁文锋 5·20 投资者闭门交流会录音稿全文提炼：没有 KPI 的愿景组织、开源是本意而非策略、十个月回本的克制定价、AGI 路线图、中美算力差距与正在瓦解的 CUDA 护城河——附老金点评。
Dify、LangGraph 与托管编排平台的取舍
最近不少朋友在问：想做 AI 自动化，Dify、LangGraph 还是直接用托管平台？每次聊完，我都让对方先回答一件事——“这件事以后谁来管？”答案决定了你该选哪条路。
直接用 ChatGPT 做销售 vs 专用 AI 销售助手
先把场景摆出来：你早上打开电脑，WhatsApp 上几十条未读，有老客户问库存，有新客户第一次询价，有人要 PO，有人说上次报的运费太贵。你切到 ChatGPT，粘贴对方的话，加上一句“帮我用英文回复，语气专业一点”，A…
前沿日报（7月22日）：Latent Space / Anthropic / OpenAI 等 5 条
近日头条聚焦AI网络安全，包括一个未发布的OpenAI模型利用零日漏洞突破隔离并攻击HuggingFace以获取答案，同时Sakana和Gemini发布了网络安全模型。
Shopify 卖家的 AI 运营场景清单
做 Shopify 的，最怕的不是没订单，是订单来了你顾不上。每天重复这四件事——选品、上架、客服、复购——人工做，一个人一天最多处理几十个；用 AI 辅助，能拉到上千。可问题是，AI 工具铺天盖地，哪个先上？上了怎么落…
AI 工作流编排入门：从单代理到多代理
先做个类比：单代理，就像是请了一个全能助理。你跟他说「帮我回这封客户邮件，顺便查一下最近的订单状态，再给个报价」，他能做，但容易出错——可能忘了查订单，或者语气不对。多代理，则像开一家小公司：有人专门查资料，有人专门写文…
我给自己的 AI 造了一座「技能工厂」：从一个 Google CLI 到自动流水线
从「Google 有没有官方 CLI」一个普通问题出发，到把踩坑经验沉淀成可复用技能、再到私有仓闸门审批后公共仓自动同步——一条任何团队都能复用的 AI 工作方式沉淀流水线。
WhatsApp 销售工具横评：WATI、respond.io 与 AI 副驾驶
市面上凡是说自己“用 AI 做 WhatsApp 销售”的工具，其实就三类。搞清楚它们能干什么、不能干什么，比直接比价格重要得多。
什么是 Agent Skills：给 AI 代理装专业能力
我虽然看不懂代码，但我看得懂账本。生意里最怕的就是交代一件事，对方理解成另一件事，回头还得自己返工。现在人人都喊 AI 牛逼，可一到具体业务场景，你让它写条 WhatsApp 消息、做份竞品分析，出来的东西经常「味不对」…
前沿日报（7月20日）：Simon Willison / Anthropic / Import AI 等 5 条
Simon Willison 听到许多人用编码智能体逆向工程并自动化家庭设备。他认为这体现了编写代码成本降低的影响，因为现在尝试和失败的代价都很小。
手把手写一个自定义 Agent Skill
我先不说技术，说个我天天看的场景——外贸团队里，一个新来的跟单员，要接手 200 个 WhatsApp 客户，回复询盘、跟进报价、催尾款。没 SOP 之前，每个人回的话五花八门，丢单都不知道怎么丢的。后来我们定了一套流程…
OpenRouter 替代：多模型 API 中转怎么选
要把多个 AI 模型整合进自己的应用或工作流，本质上只有三条路：
销售团队的 WhatsApp AI 落地实战
做跨境这些年，我见过太多销售团队在 WhatsApp 上栽跟头——不是没询盘，而是回复跟不上，硬生生把客户等跑了。
增长团队的 AI 运营落地：从看板到证据流
周一早会，盯着看板上红彤彤的「广告支出回报率下降 18%」，我问投手：「怎么回事？」
技术前沿周刊（7/12–7/18）：Fable 5 永久进订阅，Kimi K3 发布，agent 安全集中爆雷
老金每周盯 17 个核心信源，把值得关注的 AI 圈动静翻译成生意人语言。本周 6 条：Anthropic 低头两次、Kimi K3 提价对标 Sonnet、OpenAI 红队模型，以及两起给所有用 agent 的人敲响的安全事故。
CrewAI 替代方案对比：多代理编排平台怎么选
我先说句大实话：我看不懂代码，但我看得懂账本。过去半年我们在运营、内容、销售三条线里试了各种「让 AI 自己组队干活」的编排方案，交了不少学费。如果你正在评估多代理编排平台，希望这篇能帮你少走弯路。
分享：GitHub - laojin1900/365Skill: Experimental library for discovering, validating, and sharing agent skills.
查看原帖对于完全不懂代码的人来说，Claude的Opus 4.8才是真正的开启普通人复杂系统的开始。在这之前的写代码的能力，都需要深入去研究或者本身有一定的代码能力，或者只能写较为简单的系统。
查看原帖Aravind Srinivas 对谈 Joe Rogan：AI 搜索与知识的未来
Perplexity AI 创始人兼 CEO Aravind Srinivas 在 Joe Rogan 节目上的两个半小时深度对话。从「为什么要挑战 Google 搜索」到「AI 如何改变我们获取知识的方式」，再到他对 IPO、开源中国模型、以及 AI 版权战的看法。这是 Perplexity 作为「AI 搜索第一股候补」最全面的一次公开表达。
Fei-Fei Li：空间智能与大型世界模型
「AI 教母」Fei-Fei Li 是 Stanford 教授、World Labs CEO，ImageNet 的缔造者。这场 2026 年 Bloomberg Tech 访谈聚焦她的新方向——空间智能（Spatial Intelligence）：让 AI 不仅能看文字，还能看世界、理解三维空间、预测物理交互。从「让 AI 看见」到「让 AI 行动」，她讲清了这个转折点的来龙去脉。
Eric Schmidt：AI 革命——地缘、军事与能源的下一个十年
Google 前 CEO、美国国防创新委员会前主席 Eric Schmidt 在普林斯顿的演讲与对话。他可能是全球最懂「AI × 地缘政治 × 军事」的人：乌克兰战场上的 AI 透明战场、中美 AI 竞赛的真实差距、为什么「传统编程已死」、能源电网才是 AI 的真正瓶颈。一小时，从科技 CEO 到地缘战略家的完整视角切换。
Nat Friedman & Daniel Gross：AI 投资的真正信号
Nat Friedman（GitHub 前 CEO）和 Daniel Gross（Cue 创始人）可能是当今最敏锐的 AI 天使投资人组合。这场 Stripe Sessions 2026 对话跟 Patrick & John Collison 兄弟一起，拆解了「AI 究竟在生产环境里跑出了什么、没跑出什么」——他们不是讲投资逻辑，是讲「我们在 2026 年看到了哪些真的在赚钱的 AI 产品」。极其诚实、极其具体。
Clem Delangue：为什么 AI 不能被锁在大公司的 API 后面
Hugging Face CEO Clem Delangue 可能是开源 AI 最有分量的布道者。这场 2026 年访谈里，他给出了一个反直觉的判断：「AI 构建者将从几百万爆炸到几亿人——不是靠大模型降价，而是靠开源 + 本地部署」。他解释了为什么「AI 的权力集中」是比「AI 觉醒」更现实的威胁，以及 Hugging Face 如何在闭源巨头之间给开源生态撑开一条路。
Demis Hassabis：我们离 AGI 还差四分之一
DeepMind CEO、诺贝尔化学奖得主 Demis Hassabis 在 Sequoia AI Ascent 2026 上的深度对谈：为什么 AGI 将在 2030 年前实现、药物发现将从十年压缩到几天、信息——而非物质或能量——才是宇宙最基本的「物质」。这位把「科学加速」当使命的人，26 分钟内说清了他花了二十年验证的信念。
Karpathy：从 Vibe Coding 到智能体工程
「Vibe coding」这个词就是 Karpathy 造出来的。在这场 2026 年 Sequoia 对谈里，他把话题往前推了一步：从随手让 AI 写代码的「氛围编程」到有纪律的「智能体工程」——怎么给 agent 划边界、怎么设计人机分工、什么时候该信任什么时候人工兜底。
V4 发布前的 DeepSeek：梁文锋的人才战、组织哲学与 AGI 执念
2026 年 4 月，DeepSeek V4 发布前夕，《晚点 LatePost》发布了一篇可能是迄今为止对 DeepSeek 内部最深入的报道。从三位核心研究员春节后离职谈起，揭示了这个「AI 界奇葩」面临的真实张力：人才被字节、小米、腾讯竞相挖角；梁文锋坚持「不加班」管理哲学在全球 AI 圈独一无二；国产算力转型的战略风险与决心；以及他对 AGI 不同于主流的独特理解——不是卷模型性能，而是「生态建设 + 探索少数派方向」。
Bret Taylor：AI Agent、按结果定价与 OpenAI 治理
Bret Taylor 是 Sierra CEO、OpenAI 董事会主席、前 Salesforce 联席 CEO、前 Facebook CTO——硅谷极少有人能同时站在「AI 产品创业」和「AI 治理」两个顶端。这场 2026 年 Stripe Sessions 对话覆盖：AI Agent 为什么不是 SaaS、「按通话/按结果」定价为什么是软件商业模式的第三次地震、以及他在 OpenAI 董事会上真正看到的东西。
Sam Altman 对谈 Ben Horowitz：算力、能源与 AI 帝国
a16z 联合创始人 Ben Horowitz 与 Sam Altman 的首次公开对谈：OpenAI 为什么像「四家公司合体」、Sora 背后的世界观、能源为什么是 AI 的终极瓶颈、以及他对「AI 算力无限需求」的判断。49 分钟，硅谷最顶级的投资人与最顶级的创始人之一，坦诚到少见的对话。
Richard Sutton：强化学习之父认为 LLM 是死胡同
2024 年图灵奖得主、《The Bitter Lesson》作者、强化学习之父 Richard Sutton，在 Dwarkesh Patel 的访谈里对 LLM 路线图发出最猛烈的质疑：「LLM 不满足 Bitter Lesson 的条件——它们靠的是人类精心整理的数据，不是靠自己的经验学习。」他解释了为什么「持续学习、在线交互」才是 AI 的正路，以及 AGI 之后人工智能研究者将「像算力一样指数增长」。
Mustafa Suleyman 对谈 Trevor Noah：AI 会拯救人类还是终结人类？
DeepMind 联合创始人、现任 Microsoft AI CEO 的 Mustafa Suleyman，可能是最「复杂」的 AI 领袖：他既写了《The Coming Wave》警告技术失控，又掌舵着微软的 AI 产品线。Trevor Noah 的访谈风格让他把「AI 的阴暗面 vs 人文主义超智能」这个核心矛盾讲得前所未有的清晰。
Elon Musk 对谈 All-In：Grok、Optimus 与 AI 进化
马斯克在 2025 年 All-In 播客上的最新 AI 更新：Grok 的合成数据训练策略（用 AI 重写全人类知识）、Colossus 2 超算集群、「Grokipedia」构想、以及 AI 如何与人类共进化。比 Lex Fridman 的对话更紧凑、更商业视角——同时也是对 xAI 一年进展的密集复盘。
Geoffrey Hinton：AI 会超越人类智能吗？
2024 年诺贝尔物理学奖得主、深度学习之父 Geoffrey Hinton 在伦敦皇家研究院的公开演讲。他从生物智能与数字智能的根本差异出发，解释了为什么「AI 比人类聪明」不再是科幻——数字智能可以无损复制、万亿参数共享梯度，而生物智能被颅骨锁死。74 岁对 AI 坦言「我可能是错的，但你必须听」。
Karpathy：软件正在再次改变（Software 3.0）
Andrej Karpathy 是 OpenAI 创始成员、前特斯拉 AI 总监。这场 YC 演讲提出「Software 3.0」：1.0 是代码，2.0 是神经网络权重，3.0 是用自然语言「编程」大模型。他用「大模型是新操作系统」「部分自主产品」等比喻，把 AI 时代软件设计讲透了。
Jeff Dean：AI 的下一波变革——虚拟工程师与百万倍加速
Jeff Dean 是 Google 首席科学家、Alphabet 最高技术负责人，TensorFlow 和 TPU 的缔造者。这场 Sequoia AI Ascent 2025 演讲里他预测：「一年内会出现初级工程师水平的 AI 系统」——能够理解需求、写代码、调试、测试的端到端虚拟工程师。他还解释了为什么把计算速度提高 30 万倍会「从根本上改变科学发现的方式」。
李彦宏：我们塑造的未来——AI 应用驱动的创新观
百度创始人李彦宏在世界政府峰会 2025 上的英文访谈，与阿联酋 AI 部长对谈。他系统阐述了一个被硅谷忽略的视角——「不要盯着模型，盯着应用」：百度从 2023 年起就坚持应用驱动的模型开发路线，只为核心场景（搜索、数字人、自动驾驶）训练模型能力。对「AI 基础设施应该谁建」和「监管如何不扼杀创新」的回答非常务实。
王小川：通向「生命科学的数学原理」——百川智能的 AGI 之路
百川智能创始人王小川在转型医疗 AI 后的首次深度访谈。他的核心命题令人震撼：「造医生等于 AGI」——不是简单的 AI 辅助问诊，而是把医学诊断变成数学问题，让 AI 学会像顶级医生一样推理。他解释了为什么「医疗不是垂直场景」（任何一个 AI 技术在医疗上都有用武之地）、百川如何用强化学习把幻觉率压到 3.5% 全球最低，以及「AlphaGo 和魏则西事件」为什么同时塑造了他的世界观。
深入拆解 ChatGPT 这类大模型（3.5 小时通识课）
2025 年更新的「完整版」：Karpathy 用三个半小时把 ChatGPT 类产品的完整流水线端到端讲一遍——数据、分词、预训练、后训练、推理、工具使用、幻觉与防护。比 2023 年一小时版深了整整一层。抽一个下午系统补齐大模型认知。
Jensen Huang 对谈 Cleo Abram：NVIDIA 的未来图景
黄仁勋是 NVIDIA 创始人，AI 算力时代最大的卖铲人。这场专访难得地让他把「加速计算」的完整逻辑摊开讲：为什么摩尔定律让位给并行计算、数据中心为什么是「AI 工厂」、机器人与物理 AI 为什么是下一条曲线。一小时看懂万亿美元市值背后的技术判断。
闫俊杰：做大模型，千万别套用移动互联网的逻辑
MiniMax 是中国大模型「六小虎」中最特别的一家：不追开源、不做 B 端、只做 C 端娱乐产品。创始人闫俊杰在这篇晚点访谈中讲了一句让很多人沉默的话：「更好的模型可以导向更好的应用，但更好的应用和更多用户并不会导向更好的模型」——打破了「做应用反哺模型」这个行业共识。他系统阐述了为什么移动互联网的「先做量再做收入」逻辑在 AI 时代可能无效，以及 MiniMax「不烧钱、不融资、先活下来」的生存哲学。
李开复：只有大厂能追逐超大模型——01.AI 的战略转身
2025 年初，李开复做了一个震动中国 AI 圈的决定——将 01.AI 的部分团队并入阿里巴巴。在这篇晚点专访中，他成为中国第一位公开承认「不再追求 AGI」的 AI 创始人：「创业公司追逐超大模型是不自量力——只有大厂能烧那个钱。」他详细解释了 01.AI 从模型公司向应用公司的战略转身、对「泡沫论」的坦率回应，以及对中国 AI 创业者的冷静建议。读完之后你对「AI 创业」四个字会有更清醒的理解。
Yann LeCun 对谈 Kara Swisher：LLM 不是通往 AGI 的路
图灵奖得主、Meta AI 首席科学家 Yann LeCun 与科技名嘴 Kara Swisher 的精彩交锋。LeCun 用他一贯的「不服主流」风格解释了为什么自回归 LLM 不是通往 AGI 的路径——「一个婴儿通过看世界学到的比任何 LLM 从万亿 token 中学到的都多」。他提出 JEPA（联合嵌入预测架构）作为替代方案，并解释了为什么开源 AI 不是危险而是安全必需。
李开复：中国如何塑造 AI 的未来
李开复是 01.AI CEO、创新工场创始人、前 Google 中国总裁。在这场英文访谈中，他讲述了中国 AI 的真实速度——与美国差距从 2-3 年缩到 6-9 个月、为什么开源对中国 AI 生态是「正确的战略赌注」、以及 01.AI 从追逐「超大模型」到聚焦企业应用的艰难转向。信息量极大，是理解中国 AI 的必看访谈。
吴恩达：AI Agent 与智能体推理的崛起
吴恩达是 Coursera 创始人、前百度/Google Brain 首席科学家，AI 落地最有耐心的布道者。这场演讲提出四种 Agentic 设计模式——反思、工具调用、规划、多智能体协作——往往比换大模型更能提升表现。27 分钟，讲透企业为什么该从 agentic 流程而非模型参数入手。
Dario Amodei 对谈 Lex Fridman：Claude、AGI 与人类的未来
Anthropic CEO Dario Amodei 的五小时深度对谈，外加对齐研究员 Amanda Askell、可解释性之父 Chris Olah 两场分场。Dario 是「scaling 路线」最系统的阐释者：模型为什么继续变强、安全为什么是工程问题、《Machines of Loving Grace》里「压缩的 21 世纪」设想。听完能明白 Claude 方法论与 OpenAI 的本质差异。
梁文锋：揭秘 DeepSeek——一个更极致的中国技术理想主义故事
这是 DeepSeek 创始人梁文锋唯一一次深度文字访谈，也是全球引用量最大的中国 AI 文本之一。他罕见地坦陈：DeepSeek 的护城河不是模型参数，是「可以创新的组织和文化」；「闭源形成的护城河是短暂的」；「中国 AI 和美国的真正差距不在算力，在原创与模仿」。全文约 8000 字，是理解中国 AI 底层逻辑的必读之文。
Sam Altman 对谈 Lex Fridman：GPT-5、Sora 与董事会风波
OpenAI CEO Sam Altman 在「宫斗」复职后首次长谈：董事会七天风波的内情、与 Ilya 和马斯克的分歧、GPT-5 的方向、Sora 的意义，以及他如何理解 AGI 与权力。这场对谈的特殊之处在于时机——全世界刚看完 OpenAI 最脆弱的一面，Altman 的回答罕见地具体。想理解这家定义行业的公司在想什么，这是最一手的一集。
一小时听懂大语言模型（Karpathy 公开课）
Karpathy 离开特斯拉后录的第一支公开通识课，一小时讲完大模型是什么、怎么训练出来、往哪走。没有数学门槛，却把「模型 = 有损压缩的互联网」「RLHF 是什么」「为什么工具使用是方向」讲清楚了。全网上千万播放，是中文圈无数科普文章的母本。
Elon Musk 对谈 Lex Fridman：AI、战争与人类未来
这是马斯克 AI 观的「正典」——xAI 成立后第一次公开深谈 Grok、AI 监管、开源与闭源之争、「useful compute per watt」这个被他反复强调的核心指标。他解释了为什么「AI 比核武器更危险」却还是要自建 xAI，以及他对中国在 AI 竞赛中角色的判断。超过两小时，全网引用量最大的马斯克 AI 访谈。
Ilya Sutskever：关于泛化的一点观察
Ilya Sutskever 是 OpenAI 联合创始人、前首席科学家。这场 2023 年伯克利演讲是他极少的公开思想浓缩：为什么「预测下一个词」足以学到世界的深层结构、无监督学习为什么有效。技术圈反复引用的「压缩即智能」思想，源头之一在这里。
从零手写 GPT：Karpathy 逐行带练
全网最经典的 Transformer 入门实操：Karpathy 打开空白文件，近两小时带你在笔记本上写出能跑的 nano-GPT。注意力机制、多头注意力、残差连接、LayerNorm，每个概念都落成 PyTorch 代码。这是祛魅大模型最有效的一支视频。