即刻App年轻人的同好社区
下载
置顶2025 Q1 展望
- Transformer 架构的 AI 似乎已经达到瓶颈，OpenAI 开始引领 Agent / MutliAgent 路线，但这只仅仅工程上的妥协，有价值，但不多，更重要的事情在于 AI 基础能力的提升。量化技术能够加速，但是肯定对 AI 的生成质量有所损害，dLLM 似乎是一个可能路径，但是我认为没有免费的午餐，可能还存在我尚未发现的缺陷。但是 dLLM 的生成速度非常有价值，极有可能会成为 AI 族群的重要组成部分。
- 多模态 AI 还在持续迭代，ChatGPT 4o 的出圈即为一例，2025 Q1 结束之时，多模态 AI 在图片理解和生成上有了足够大的进步，进一步应该是音频理解和生成，然后是视频理解和生成。视频理解和生成部分限于算力问题可能不太容易，但是对于 AI 理解现实世界肯定是跨越式的进步。且看今年年底之前能否完成这一步跨越。
- 到2026年，应该进入具身智能的时代，将触觉（也许对物理世界的具身体验更合适）融合入视觉和听觉是另一个巨大的跨越。另一个容易被忽略的是嗅觉和味觉，这是对分子级别的感知。至此 AI 应能从硬件上全面感知人之所感。
- 另一个让人难以忍受的瓶颈是 AI 的在线学习能力，如果 AI 只能使用外挂知识库的方式来解决问题，那叫开卷考试，不叫真正的学习。最近看到的一些论文似乎想要解决这个问题。窃以为人类大脑的[三重脑假说](zh.wikipedia.org)是有借鉴意义的，关键在于如何将旧脑和新脑分开训练，旧脑负责完成对这个世界的基础学习，新脑则负责在线学习，推理时结合新旧脑一起推理，完成真正的在线学习。这部分期待明年有新的突破。
- Transformer 架构的 AI 似乎已经达到瓶颈，OpenAI 开始引领 Agent / MutliAgent 路线，但这只仅仅工程上的妥协，有价值，但不多，更重要的事情在于 AI 基础能力的提升。量化技术能够加速，但是肯定对 AI 的生成质量有所损害，dLLM 似乎是一个可能路径，但是我认为没有免费的午餐，可能还存在我尚未发现的缺陷。但是 dLLM 的生成速度非常有价值，极有可能会成为 AI 族群的重要组成部分。
- 多模态 AI 还在持续迭代，ChatGPT 4o 的出圈即为一例，2025 Q1 结束之时，多模态 AI 在图片理解和生成上有了足够大的进步，进一步应该是音频理解和生成，然后是视频理解和生成。视频理解和生成部分限于算力问题可能不太容易，但是对于 AI 理解现实世界肯定是跨越式的进步。且看今年年底之前能否完成这一步跨越。
- 到2026年，应该进入具身智能的时代，将触觉（也许对物理世界的具身体验更合适）融合入视觉和听觉是另一个巨大的跨越。另一个容易被忽略的是嗅觉和味觉，这是对分子级别的感知。至此 AI 应能从硬件上全面感知人之所感。
- 另一个让人难以忍受的瓶颈是 AI 的在线学习能力，如果 AI 只能使用外挂知识库的方式来解决问题，那叫开卷考试，不叫真正的学习。最近看到的一些论文似乎想要解决这个问题。窃以为人类大脑的[三重脑假说](zh.wikipedia.org)是有借鉴意义的，关键在于如何将旧脑和新脑分开训练，旧脑负责完成对这个世界的基础学习，新脑则负责在线学习，推理时结合新旧脑一起推理，完成真正的在线学习。这部分期待明年有新的突破。
5 45
2 00
之前在读manus的blog的时候，有一个印象很深的细节是如何从几百个工具中选择正确的工具，这个是不是也是一个重要的优化项🤔？
Million_Y: jev 最合适的应用场景之一是智能路由，把用户的自然语言路由到固定的 workflow 去。
3 10
