谈Meta巨资挖人，怎么挽留人才：
“我觉得很多人，尤其最优质的人才，那些被挖的人，他真正care的不一定是钱，他真正care的是如果这个变革发生，他们希望在driver's seat。我觉得一个有使命感的人，他不会容忍说I'm on a wrong ship。我一定要在the right ship上。”(对话DeepMind谭捷）
mp.weixin.qq.com

很前沿、hardcore的一集（关于robotics），嘉宾是Google DeepMind 机器人团队的技术负责人谭捷。可以从中了解：Google Robotics团队是怎么思考与工作的？我们也聊了聊这几年Google的研究文化变化🤖

一些takeaways：
1/机器人基座大模型最近几年的发展，主要依赖于多模态大模型，但多模态模型缺少robot action输出；
2/robotics最大问题是数据，它在一个非常复杂的unstructured environment里，可以发生任何事情；
3/bet on scalable data；
4/生成极大量仿真数据，是弥补它缺点的一个重要手段（用compute解决精度问题）；
5/Gemini Robotics 1.5最重要的两点，一个是加入了thinking，另一个是跨具身迁移；
6/世界模型就是Vision-Language-Vision，vision和language in，生成下一帧的图像；
7/如果你有灵巧手，触觉就非常重要，之所以前面觉得触觉不重要，是受限于硬件，我们现在还处于夹爪时代；
8/一个有使命感的人，影响他跳槽不一定是钱，他不会容忍说“I’m on a wrong ship”。

小鹏新上任的自动驾驶中心负责人刘先明的首次专访🤓

他提出了一个新颖的做法：“我们的做法简单直接，把VLA的Language拆掉就完了”；“模型是机器，燃料是数据，一旦掺入Language会让效率变得极低”；“我们把Language全都拆掉好了，输入V-L联合语料，直接输出Action”。

这是一个更激进的自动驾驶方案吗？大家怎么看语言在VLA里的价值和弊端？

关于下一代算法和架构改进的猜想，文字版本在这里：“最好的结合是，把混合注意力里面的全局注意力换成Sparse Attention。我觉得理论上只要Sparse Attention能选得准的话，它是完全可以取代Full Attention这个层的。但它现在问题可能是选不准。”

这篇很前沿，也很hardcore——关于算法和架构创新。
由于数据、算力、算法三驾马车，数据难度增大，中国算力相对有限，中国的算法走在了世界前沿。
近几年架构最大突破是DeepSeek的MoE，它让MoE成了全球共识；而下一个突破的重要方向可能是Attention。中国公司已经在Attention展开了不同技术bet。
本集我们从Kimi Linear、DeepSeek Sparse、Minimax M2、Qwen3-Next聊起，嘉宾分析点评了这些不同技术bet；也带领大家考古人工智能算法变种史，并预演未来算法与架构的改进方案（这里烧脑又精彩🤯）。
本集是我们的往期嘉宾松琳（Sonta）的返场。松琳在MIT的研究方向是线性注意力，参与了Kimi Linear和Qwen3-Next的工作，是Kimi Linear论文的作者之一。

青池也分享了很多能有效帮助阅读小工具

一个月前，青池找到我，说他用了一年多的时间一篇一篇地啃完了200多篇AI论文，从开始全然不得要领，到后来逐渐入门——而他希望将他的论文探索之旅开源给大家。就这样，我们有了今天这集特别的节目。

他从200多篇论文中精选了36篇经典，4小时讲解，带你穿越AI变迁史。🤓🤓

（所有论文链接都在PPT中，shownotes末尾链接取用）

上市前的访谈。

“Agent是一种交互技术，Agent或Tool Use产生了大量新的链接，会对To C和To B互联网产生革命性变化。
那些，不提供供给侧能力、只提供链接网络，而这个网络又不是根结点的公司，会很危险。”

大家国庆快乐哦！

好梦幻！