即刻App年轻人的同好社区
下载
App内打开
canco-旁观者
1k关注559被关注0夸夸
前老鹅，自由投资者，懂点产品、投资的工程师，喜欢读书、研究公司八卦
canco-旁观者
2月前

曼祺_火柴Q: 刚和同事算了一下，今年到现在 10 个月，有一个已不再科技舆论核心的细分赛道累计融资了 80 亿元人民币。这很好算，因为就来自 3 个公司：新石器、九识、白犀牛，分别融了 45.5 亿、28.4 亿、5 亿元。 这 3 家公司成立于 2018-2021 年，是 L4 被验证比想象更遥远，自动驾驶寻找更专用落地方向的阶段：当时一条路是给量产乘用车做高级辅助驾驶，一条录是高速重卡自动驾驶，另一条就是这三家做的末端物流配送（快递、生鲜配送等）的自动驾驶。 我们年初时访谈过新石器的创始人，他当时的判断是胜负就要见分晓，10000 台是个拐点（今年 9 月新石器应该是到了这个数）。 我对物流、末端配送没什么感受。 为什么这么多钱会在今年进来呢？ （1 万台看起来至少是个投资上的拐点。这前后，蚂蚁投了九识，腾讯投了新石器最新 5 亿美元这一轮）

00
canco-旁观者
4月前
canco-旁观者
6月前
canco-旁观者
6月前

广屿Ocean: AI时代会首轮淘汰【只依靠AI】写东西的人 MIT（麻省理工学院）最近研究了用户用AI写作的对大脑的影响，我觉得很值得我们普通人重视，如果直接说结论就是：实验证明用AI写作的人基本相当于不动脑了，等于把写作这件事完全外包给了AI —— 而这件事是非常非常非常危险的 这究竟是怎么回事呢？简单来讲就是，首先，完全依赖AI写作，大脑【认知思考】没有得到充分锻炼就会逐渐丧失能力；其次，即便AI写出了文章，但这篇文章其实压根就【不是你的】是你的身外物，你相当于只是一个信息的搬运工 实验有趣的地方是，有一个与纯粹依靠AI写作的对照组“Brain-to-LLM”，意思是，文章首先是写作者用自己的大脑去完成的，然后，对照组的作者再去使用LLM（大语言模型）重写旧文章，神奇的事情发生了，对照组的作者们“大脑网络连接性全频段飙升” MIT总结了三个可能的原因： 1，AI的反馈给作者提供了一种新的认知差异，使人重新思考当前的旧知识是否需要更新 2，它让人重新回忆已经写好的东西，重新从大脑提取出信息来再加工，这本身是一种强化记忆的训练过程 3，这个对话的过程会强迫我们启动元认知：AI为什么这样改？我当时为什么这么写？ 你发现没有，当你脑子里面已经有成熟的思考和知识体系，再使用AI去优化，就相当于“和一位高尚的人对话”，而人类提升自身智识水平最传统的方式，不就是高质量的沟通吗？ 写到这里，发现我之前反复推荐过的一篇文章含金量还在提升，是硅谷创业教父著名创投YC的创始人保罗·格雷厄姆在2024年底发表的一篇文章《写与不写》 文章的核心观点是，AI时代的首个人群分化将会把人分为“思考与不思考的人”，再进一步，思考与否是由“会写作的人”和“不会写作的人”决定的，而AI时代的聪明人，一定是会写作，会思考的人 为什么呢？ 格雷厄姆认为写作是一项【艰难的技能】，它要求作者进行清晰的思考，而清晰思考本身就是一项复杂的任务，“许多人写作困难，根本原因在于这确实不易。要写得好，必须思路清晰，而清晰思考本就很难。” 在未来几十年内，随着AI技术的影响，越来越多的人将依赖AI进行写作，这将导致越来越少的人愿意学习写作技能，真正会写作的人将大幅减少 “我通常不愿预测技术的发展趋势，但对于这一点却颇有信心：几十年后，会写作的人可能不会太多。” AI技术的出现将创造一个“会写”和“不会写”的两大阵营，进而出现“思考”与“不思考”的分化世界，中间地带（即写作能力一般的人）将消失 “未来仍将有聪明人存在，但他们将是那些主动选择通过写作来锻炼与提升自己思考能力的人。换句话说，他们是主动选择成为聪明人的人。” 就像股神巴菲特老爷子有句名言：“你只能赚到你认知范围内的钱，凭运气得到的，最后都会靠实力亏回去。” 如果你把你的大脑教给AI，即便AI再强大，你也永远成为不了另一个“巴菲特”，你的认知都将是AI灌输给“所有人”的认知

00
canco-旁观者
7月前

阑夕ོ: 补完昨夜的Google I/O大会，感叹量大管饱的同时，还有一点暂时的想法： - 字节去年对于chatbot不是AI终极形态的反思是合理的，但看到问题和给出解法是两码事，目前来看，全栈式的服务体系是一个最优解，也就是瑞士军刀化，单独产品（场景）的含金量在下降； - OpenAI看到了这一点，所以Sam才一直强调ChatGPT的终身记忆，这有点类似当年的「网络效应」，不同的是，无法被迁移拿走的不再是关系链，而是AI对你的熟悉度； - 但是面对已经醒悟过来并全面反扑的Google，难度还是太大了，从这次「照例」拿来狙击Google的只有一个Codex就能看出，是真的弹尽粮绝了，压力都给到了GPT-5； - Google直接在经济价值最高的本土市场全量上了AI Mode，把搜索按钮都让了出来，对自己商业模式的大动脉开刀，实在是太狠了，全世界都会盯着它未来4个Q的财报，如果真能跑通，所有平台都要大变； - 就市场教育而言，羸弱的SaaS生态还在拖后腿，很难想象国产AI厂商能端出200美金/月的产品，打掉成本但又守不住价格的做法，用大家更熟悉的概念来定义，就是「卷」； - 可能真的不是移动互联网「用户本身就是商业模式」的逻辑，可能真的不是移动互联网「用户本身就是商业模式」的逻辑，可能真的不是移动互联网「用户本身就是商业模式」的逻辑，重要的事情说三遍； - 可灵2.0的跑分和用量还是领先的，但Veo 3会让快手腹背难安，今年是视频生成的大年，排在前面的那几张板凳是永远坐不热的； - 从时间表来看，DeepSeek-R2实际上已经跳票了，阿里通义的牌差不多打完了，字节Seed被期待能憋个大招出来，基础模型还有多少可被突破的断层，真实性越来越存疑； - 六小龙还不卖掉是在等着过清明节吗？

00
canco-旁观者
7月前

Neo张宁: Google I/O 发布会刷屏。 从模型到应用，从新产品发布到老产品升级，从技术预览到生产部署，全面开花。 为什么一个创办三十年之久、由职业经理人做 CEO、一年前被认为已落后于竞争的公司，能在这么短的时间里展现出如此爆发性的翻盘迹象？ 以下是一些分析： 1/5 战略层面：果断重组，力出一孔。 面对挑战，Google最关键的举措之一是将旗下 AI 研究的两大核心团队 Google Brain 与 DeepMind 进行战略合并，成立统一的 Google DeepMind 部门。 组织上打破内部研究与产品之间的壁垒，整合顶尖人才与算力资源，形成统一的AI战略指挥中枢，极大地提升了从基础研究到产品快速迭代的效率。 不再是多头并进，而是集中火力攻坚。 2/5 内生动力：唤醒沉睡的巨人，激活核心资产。 Google 并非从零开始。 其数十年在人工智能领域（如 Transformer 架构的开创性贡献）的深厚积累、庞大的高质量数据集、世界领先的自研TPU计算集群（为 AI 模型训练与推理提供强大硬件支撑），以及覆盖全球数十亿用户的产品生态（Search, Android, YouTube, Workspace等，为 AI 技术提供了最佳的试验场与规模化部署渠道），这些都是其无可比拟的战略资产。 此轮爆发，正是这些沉睡资产被AI全面唤醒与激活的结果。 3/5 领导力与文化：自上而下的变革决心与紧迫感。 CEO Sundar Pichai 以“AI优先”为核心战略，展现了前所未有的决心与紧迫感，推动公司资源向AI领域全面倾斜。 更有联合创始人 Sergey Brin 亲自下场参与核心AI项目研发，并有报道称其在内部强调提高工作强度与效率以应对“AI 军备竞赛”。 这种自上而下的压力传递与以结果为导向的文化转变，是推动 Google 快速响应市场变化、提升执行力的关键。 大象仍能跳舞，即便由职业经理人领导。 4/5 策略调整：直面痛点，弥补短板。 此前，Google 在 AI 的产品化速度和用户体验方面，确实面临着增长的烦恼和外界的质疑。 本次 I/O 上，无论是 Gemini 系列模型（包括 Gemini 2.5 及 Deep Think）的重大能力升级，还是 AI Mode 在搜索引擎中的深度集成和美国用户的全面推广，以及 Gemini 在 Chrome 中的深度整合，都清晰地表明 Google 正有针对性地解决过往的不足，力求在关键应用场景上快速追赶并超越。 此外，新推出的 Veo 3 和 Imagen 4 等生成式媒体模型，以及 Android XR 眼镜的合作，也进一步展现了 Google 在 AI 产品化和用户体验提升上的决心。 5/5 外部环境：竞争压力下的绝地反击。 来自 OpenAI、微软等强劲对手在生成式 AI 领域的迅速崛起和商业化进展，无疑给 Google 带来了巨大的外部压力。这种前所未有的竞争态势，叠加全球范围内 AI 技术和应用的热潮，共同构成了强大的外部催化剂，迫使 Google 必须打破既有范式，以更快的速度、更大的决心投入到这场 AI 浪潮中，以捍卫其行业领导地位。 Google 此次展现的“翻盘”迹象是一个值得深入研究的企业案例。它是内部战略重塑、核心能力再聚焦、领导意志贯彻以及外部市场竞争共同驱动下的结果。 一个科技巨头一旦调整好航向，其积蓄的能量和爆发力依然令人瞩目。接下来的挑战在于，如何将这些技术和产品优势转化为持久的市场领先地位。

00
canco-旁观者
9月前
canco-旁观者
10月前

艾逗笔: 以 manus 为例，拆解以 multi-agent 为基础的通用任务智能体的工作流程： 一. 意图识别 1. 获取用户输入内容，进行必要的意图识别和关键词提取，比如用户输入的是“想去日本旅游，需要一个旅行计划”，拆解之后得到的关键词是： japan-trip，任务类型为：travel 2. 如果用户输入的需求比较简单，不能识别用户的意图，此步骤可以引导用户继续对话，补充更多的信息，或者上传文档 / 图片等资料 二. 任务初始化 1. 用识别出来的任务关键词创建任务文件夹，启动 docker 容器，为后续的任务执行做环境隔离 2. 任务执行过程中的内容产物，写入到任务文件夹，任务结束之后清理 docker 容器 三. 步骤规划 1. 使用意图识别的结果 + 补充背景信息，请求一个推理模型，对任务进行步骤拆分 2. 将任务拆分的步骤信息，写入到任务文件夹的 todo.md 四. 任务执行 1. 遍历任务文件夹中的 todo.md，[ ] 表示待执行的任务，[x] 表示已执行的任务 2. 取出待执行的任务，带上任务上下文信息，做一次 function call，这里带上的 function tools 是系统内置的可以执行不同任务的 agent，比如 search agent / code agent / data-analysis agent 3. 根据 function call 的结果，调度指定的 agent 执行任务，把执行过程中产生的内容，写入到容器中的任务文件夹 4. 任务执行完，由主线程，更新 todo.md，继续下一个任务 五. 归纳整理 1. todo.md 里面的任务全部执行完之后，主线程针对用户的初始需求，做一次整理输出 2. 把任务的内容产物，给到用户浏览或下载（文档 / 代码 / 图片 / 链接等） 3. 收集用户对任务的满意度 ---- 整个方案理下来，核心在于执行任务的 agent 设计，以及主线程的调度流程，以 search agent 为例，在处理“日本旅行计划”这个任务中，主要的执行步骤： 1. 拿到 japan-trip 等关键词信息，调用谷歌第三方 API，获取 10-20 条搜索结果 2. 模拟浏览器点开第一个网页，浏览网页内容，获取网页文本内容 + 浏览器截图拿到网页视觉信息 3. 调用支持多模态输入的模型，输入当前任务要求，从当前浏览的网页中提取有效信息（是否有符合要求的结果，如果不满足要求，返回下一个该点击的 button 元素） 4. 模拟浏览器点击 + 网页滚动行为，拿到更多的网页内容 + 视觉信息，重复几次，直到收集到的内容满足任务要求为止 5. 把收集到的内容保存到任务文件夹 这个 search agent 的核心在于模拟用户浏览网页行为，需要用到无头浏览器和多模态模型。 code agent 和 data-analysis agent 相对而言比较简单： 1. 根据任务需求，创建本地文件，写入代码（python 代码做数据分析，html 代码做视觉呈现） 2. 通过系统调用执行代码，把执行结果保存到任务文件夹 3. 通过 code-preview 服务，预览 html 文件的内容 --- 此类 multi-agent 产品，还有一些改进的空间： 1. todo.md 的多个任务，是线性依赖关系，可以使用 DAG（有向无环图）实现更加复杂的任务依赖 2. 需要引入自动化测试 agent，对任务结果进行判断和矫正，如果对某个步骤评分过低，需要回溯到之前的某个任务节点重新执行 3. 允许全自动 + 用户介入的混合模式，在某个步骤执行完，先寻求用户反馈，如果几秒内没收到反馈，则自动继续运行 --- 整体评价：manus 在工程层面做了很多工作，整体交互比其他产品好很多。技术层面，依然是没什么壁垒，对模型有比较深的依赖： 1. 也许有个小模型，做任务执行前的意图识别 2. 任务规划和推理，用 deepseek-r1 3. 图片识别 + 代码生成，用 claude-3.7-sonnet token 消耗会很高，能不能广泛用起来，取决于谁来负担这个成本。 最终的任务准确性和用户满意度，还需要更多的案例来说明。

00
canco-旁观者
10月前

阑夕ོ: Googl试探AI Mode——搜索结果完全没有10个蓝色超链接了，取而代之的是在对话里聚合答案——不算意外，意外的是目前Google是在把AI Mode当作增值功能专供给One AI Premium用户使用，这是一个20美金/月的订阅包。 我会条件反射的想到Neeva，2019年上线，2023年关闭，产品卖点是赌用户会为没有广告的搜索服务掏钱，预期值是6美金/月。 Neeva的创始人2003年入职Google，负责开发了核心广告产品Adwords，离职前已经升到了SVP，在Google声誉由盛转衰的节点出来做了订阅式搜索Neeva，赌的就是大家对于Google及其商业化的厌恶，会给主打质加比的平替服务提供机会。 Neeva也想剜掉展示10个蓝色超链接的体验，在前AI时代就尝试了很多信息重组的方法，甚至会堆人力去编辑热门关键词的反馈页面，但流量一直上不去，最后以融资估值的对价卖掉了。 创始人有解释过这次创业的种种痛苦，说很多人会以为花钱才能搜索的商业模式是失败原因，其实不然，说服用户为更好的体验付费一点都不难，转化率非常健康，问题主要出在没办法说服用户切换新的搜索引擎。 换句话说，Neeva不担心用户留存，但解决不了用户增长，俞军的著名公式——产品价值=（新体验-旧体验）-迁移成本——含金量还在发光，即便是从大厂出来、且深知大厂缺陷的人，也会低估用户对于熟悉环境的依赖性。 现在Google自己要来摘桃子了，我不怀疑AI Mode的测试数据只要够好，未来一定也能找到和广告融合的方法，并被推向大众市场，但就眼前的情况而言，Google是在亲自做一件所有号称Google杀手都想做的事情： 用户交一点钱，换取一个无广告、更简洁的搜索服务。 就很滑稽。

00
canco-旁观者
10月前

Kenny_肯尼: 今天腾讯元宝应用商店排名超过豆包，仅次于deepseek。其实让我有种恍惚回到2020年一起奋斗过的日子。 2020年 1 月，出现疫情大变量，全国10亿人短时间内快速线上化，但大部分人口的数字化能力弱，腾讯会议和腾讯课堂抓住这波机遇，各自做了超级简单的「一键开会」和「一键开课」，脱离了公司架构和学校架构的惯性思维，短短几周就起飞了，且都在一年内用户量破亿。 2025年 1 月，出现 deepseek 这个大变量，全国人民短时间内被大模型接触，但 deepseek 官方无法承载突发性大规模用户的涌入，而刚刚从 TEG 转到 CSIG 的元宝，由腾讯会议负责人 lori带队，果断接入 deepseek，并结合微信公众号搜索，补足图片理解，做成可能体验最好的 deepseek，也直接爆发式增长。而元宝背后的团队，不少人也是 2020 年一起奋斗过的小伙伴。 2025 年是大模型应用爆发的一年，期待之前一起奋斗过的小伙伴，在同个赛道上，再次相遇。或者拉长周期看，这可能不仅仅是一个赛道，而是移动互联网的下一场。

00