即刻App年轻人的同好社区
下载
a16z 开了个无学位无学费的大学
首届只有 50 人，一年制，2027 年秋季开学，不授传统学位
学生拿到的是 $50K+ 算力额度、$5K 全球研究预算、硅谷顶级创业者和技术人的课程，以及直接进入科技公司做 Co-op 的机会。
课程也很硅谷
不是坐教室里学四年理论，而是围绕 Pursuits 做真正的项目，比如《How to Build a Data Center》
老师可能是 Sam Altman、Jensen Huang、Fei-Fei Li、Travis Kalanick、Naval。
合作公司则包括 OpenAI、Anthropic、Google、NVIDIA、Stripe、Coinbase、Palantir、Replit 等。
它的招生逻辑也很值得看，相比一份漂亮的标准答案，更想知道的是
你到底做过什么？
Build 过什么？
Ship 过什么？
a16z 想找的是所谓的 pre-idea founders，甚至还没有明确创业 idea，但已经表现出极强创造欲、行动力和技术能力的年轻人。
它可能是在重新发明大学真正的产品，
Talent density + Network + Access
首届只有 50 人，一年制，2027 年秋季开学，不授传统学位
学生拿到的是 $50K+ 算力额度、$5K 全球研究预算、硅谷顶级创业者和技术人的课程，以及直接进入科技公司做 Co-op 的机会。
课程也很硅谷
不是坐教室里学四年理论，而是围绕 Pursuits 做真正的项目，比如《How to Build a Data Center》
老师可能是 Sam Altman、Jensen Huang、Fei-Fei Li、Travis Kalanick、Naval。
合作公司则包括 OpenAI、Anthropic、Google、NVIDIA、Stripe、Coinbase、Palantir、Replit 等。
它的招生逻辑也很值得看，相比一份漂亮的标准答案，更想知道的是
你到底做过什么？
Build 过什么？
Ship 过什么？
a16z 想找的是所谓的 pre-idea founders，甚至还没有明确创业 idea，但已经表现出极强创造欲、行动力和技术能力的年轻人。
它可能是在重新发明大学真正的产品，
Talent density + Network + Access
1 00
DeepSeek 找来了一个 1991 年出生的 CFO。更有意思的是，他几乎没走过传统 CFO 的路。
严文韬，复旦毕业，先后在腾讯投资、H Capital、高瓴创投做投资，参与过字节跳动、MiniMax、智谱、小红书、极兔等项目。现在，他正式从高瓴去了 DeepSeek。
DeepSeek 此前长期由梁文锋和幻方体系支撑，本身没有传统意义上强大的资本市场班底。现在随着外部融资、资本化和潜在 IPO 进程推进，它需要的已经不只是一个会做账、审计和合规的人，而是一个能同时理解技术趋势、融资、投资人关系、一级市场定价和资本市场叙事的人。
媒体此前报道称，中信证券已与 DeepSeek 就科创板上市展开相关工作，但截至目前，具体上市节奏仍存在未确认信息。
所以严文韬这个人选反而很典型。他过去的工作，是站在资本一侧判断“下一家公司是谁”；现在则直接走进公司，参与把一家 AI 公司推向下一阶段。
这几年类似的人才流动越来越多。以前，最聪明的一批人去 VC，下注未来；
现在，他们开始离开 VC，亲自去造未来。
而对 DeepSeek 来说，CFO 到岗可能也是一个信号，模型公司竞争到最后，拼的不只是谁的模型更强。
还要拼融资能力、算力采购、组织扩张、商业化，以及如何把技术优势变成一套长期可持续的资本结构。
DeepSeek 正在从一家“模型公司”，越来越像一家真正意义上的大型 AI 公司。
严文韬，复旦毕业，先后在腾讯投资、H Capital、高瓴创投做投资，参与过字节跳动、MiniMax、智谱、小红书、极兔等项目。现在，他正式从高瓴去了 DeepSeek。
DeepSeek 此前长期由梁文锋和幻方体系支撑，本身没有传统意义上强大的资本市场班底。现在随着外部融资、资本化和潜在 IPO 进程推进，它需要的已经不只是一个会做账、审计和合规的人，而是一个能同时理解技术趋势、融资、投资人关系、一级市场定价和资本市场叙事的人。
媒体此前报道称，中信证券已与 DeepSeek 就科创板上市展开相关工作，但截至目前，具体上市节奏仍存在未确认信息。
所以严文韬这个人选反而很典型。他过去的工作，是站在资本一侧判断“下一家公司是谁”；现在则直接走进公司，参与把一家 AI 公司推向下一阶段。
这几年类似的人才流动越来越多。以前，最聪明的一批人去 VC，下注未来；
现在，他们开始离开 VC，亲自去造未来。
而对 DeepSeek 来说，CFO 到岗可能也是一个信号，模型公司竞争到最后，拼的不只是谁的模型更强。
还要拼融资能力、算力采购、组织扩张、商业化，以及如何把技术优势变成一套长期可持续的资本结构。
DeepSeek 正在从一家“模型公司”，越来越像一家真正意义上的大型 AI 公司。
3 01
都说头部模型强，有网络效应，但也不见得。
OpenAI 和 Anthropic 真正要警惕的，是「越来越强的开源模型 + 垂直公司的私有数据和 RL」。
Harvey 最近基于 Kimi K3 做出了自己的法律模型 Tenet。
这件事的意义不只是“美国法律 AI 用了中国模型”。
更重要的是，它验证了一条新的 AI 路径：
Open-weight model → 私有数据 → RL / Agent 环境 → 垂直专属模型
过去垂直 AI 公司更像 API Wrapper：
OpenAI/Anthropic 提供 intelligence，自己负责产品和客户。
现在，只要开源模型足够强，企业完全可以把最核心的能力留在自己手里。
真正的护城河也开始从“谁有最强基础模型”，转向数据、真实任务环境、RL 和 Eval。
未来 frontier labs 依然可能拥有最强的通用智能，但它们越来越难垄断每一个行业的垂直智能。
下一代最值钱的 AI 公司，未必自己 pre-train 基础模型，但会越来越想拥有自己的 intelligence。
OpenAI 和 Anthropic 真正要警惕的，是「越来越强的开源模型 + 垂直公司的私有数据和 RL」。
Harvey 最近基于 Kimi K3 做出了自己的法律模型 Tenet。
这件事的意义不只是“美国法律 AI 用了中国模型”。
更重要的是，它验证了一条新的 AI 路径：
Open-weight model → 私有数据 → RL / Agent 环境 → 垂直专属模型
过去垂直 AI 公司更像 API Wrapper：
OpenAI/Anthropic 提供 intelligence，自己负责产品和客户。
现在，只要开源模型足够强，企业完全可以把最核心的能力留在自己手里。
真正的护城河也开始从“谁有最强基础模型”，转向数据、真实任务环境、RL 和 Eval。
未来 frontier labs 依然可能拥有最强的通用智能，但它们越来越难垄断每一个行业的垂直智能。
下一代最值钱的 AI 公司，未必自己 pre-train 基础模型，但会越来越想拥有自己的 intelligence。
3 00
姚顺宇昨天在上海聊 RSI，他把 RSI 从一个科幻概念，重新定义成了一个正在发生的工程过程。
RSI 不是某天模型突然“觉醒”，而是一个 spectrum。
和普通 RL / RFT 最大的区别，在于模型不只是被训练，而是开始参与决定下一轮该怎么训练：选数据、跑实验、做 eval、分析失败、调整 recipe，再进入下一轮。
所以 RSI 的终局，本质上也不是单纯的 model problem，而是一个 system problem。
真正决定它能不能跑起来的，是 Model × Harness × Environment × Eval × Compute × Training Loop
只把模型 scale up 还不够，还要让它能长期执行任务、自动做实验、拿到可信反馈，并把反馈重新写回训练流程。
这也是为什么现在 long-horizon agent、RL environment、verifier、harness suddenly matter。
最值得关注的信号，不是 benchmark 又涨了多少，而是训练下一代模型时，还有多少关键决策必须由人来做？
如果越来越多的数据选择、实验设计、失败归因、eval 和 training recipe 都开始由模型闭环完成，那么 RSI 其实已经开始了。
所以“Google 有没有实现 RSI”可能问错了。
真正的问题是AI 研发 pipeline 里，人正在以多快的速度退出 loop。
RSI 不是某天模型突然“觉醒”，而是一个 spectrum。
和普通 RL / RFT 最大的区别，在于模型不只是被训练，而是开始参与决定下一轮该怎么训练：选数据、跑实验、做 eval、分析失败、调整 recipe，再进入下一轮。
所以 RSI 的终局，本质上也不是单纯的 model problem，而是一个 system problem。
真正决定它能不能跑起来的，是 Model × Harness × Environment × Eval × Compute × Training Loop
只把模型 scale up 还不够，还要让它能长期执行任务、自动做实验、拿到可信反馈，并把反馈重新写回训练流程。
这也是为什么现在 long-horizon agent、RL environment、verifier、harness suddenly matter。
最值得关注的信号，不是 benchmark 又涨了多少，而是训练下一代模型时，还有多少关键决策必须由人来做？
如果越来越多的数据选择、实验设计、失败归因、eval 和 training recipe 都开始由模型闭环完成，那么 RSI 其实已经开始了。
所以“Google 有没有实现 RSI”可能问错了。
真正的问题是AI 研发 pipeline 里，人正在以多快的速度退出 loop。
0 00
感谢各位的捧场，又是一场收获多多的 Open AGI Builder Day
每次和老师们交流，都是如沐春风、醍醐灌顶啊
感谢智谱、X-agent、Creader、Creao AI、Billions、APRO、OpenMax、AllScale、JE Labs
每次和老师们交流，都是如沐春风、醍醐灌顶啊
感谢智谱、X-agent、Creader、Creao AI、Billions、APRO、OpenMax、AllScale、JE Labs
8 10
1 石油对美联储的影响因素比例很大。而在沃什宣布加息 25 个基点后，也侧面说明了中东，甚至俄乌战争，短期内没办法迎来停战。
2 推进“弱美元”的前提是，推进“强势美元”的逻辑，特殊阶段，需要让美元的重要性高于黄金
3 沃什不是特朗普派，他是美元派
2 推进“弱美元”的前提是，推进“强势美元”的逻辑，特殊阶段，需要让美元的重要性高于黄金
3 沃什不是特朗普派，他是美元派
1 00
