0:000:00
<p>从大模型DeepsSeek，到智能体Manus迅速出圈，中国的大厂以及大模型公司集体陷入技术迭代的焦虑，大厂更是先后推出各种应用产品AI助手，目前这些大模型、AI助手到智能体能力边界越来越模糊，纵观中国和美国流行的AI 产品，谁最可能成为下一个超级应用？</p><p>这可能不是一篇给予明确答案的访谈，一切技术的迭代都在流变。我们邀请到早在2018年开始研究大模型、后来也切入智能体研究，目前在加州大学圣地亚哥分校博士后Neil，他分享了国外智能体发展过程中许多有意思的观点，比如研究者和大模型阴暗的“内心独白”斗智斗勇；硅谷AI公司的试错空间很大，曾经一大批公司倒在黎明前；硅谷鼓励差异化竞争，大模型研究有不同的思想流派，有以“有效的利他主义”为圭臬的Anthropic,也有更强调逻辑思辨能力的thinking machine。</p><p><strong>/本期嘉宾/</strong></p><p>Neil:加州大学圣地亚哥分校博士后，研究大模型和智能体</p><p><strong>/主要话题/</strong></p><p>02:40 研究大模型学院派很难跟业界竞争，是因为没钱买算力</p><p>06:08 DeepSeek的出现，让学术界重新获得研究活力</p><p>08:40 美国对DeepSeek的后续模型期待会很高，如果没有持续迭代，很快就会被浪潮拍打在岸上</p><p>10:05 学界基于DeepSeek大模型技术研究方向上的论文即将爆发</p><p>14:03 大模型的幻觉问题，为什么难以避免？</p><p>17:55 数据已经快用光了，未来使用合成数据会是一种趋势</p><p>24:40 如何理解智能体</p><p>28:47 现在做智能体的公司非常多，TO B端是非常成熟的</p><p>30:21 OpenAI可能就在做通用智能体，Operator和Deep Research都是他们释放给外界尝鲜的小版本</p><p>33:57 Google做通用智能体，有点积重难返</p><p>35:01 Manus的虚拟机设计，需要很大的工程考验，即使拿到国外来说，依然很罕见</p><p>40:35 国外智能体发展演变也是逐步的，不要设想让智能体上来就解决一个大问题</p><p>43:19 美国智能体发展脉络上，硅谷大厂的试错空间很大，一大批智能体倒在黎明前...