与「吴恩达」相关的搜索结果

Anthropic的创始人Amodei经常被问他对中国的负面看法跟曾经在百度工作过的经历有没有关系⋯⋯😅 不过他倒是总在说百度的好话，认为2014年那会儿百度是世界上最适合研究AI的公司，因为是真的管够GPU，而能和时任百度首席科学家的吴恩达共事，成为他踏足AI行业的起点。 最近彭博的采访里又问了他一次，是不是百度对你那啥了导致你恨屋及乌啊，Amodei又否认了，说在百度学到了很多，尤其是语音识别技术，百度的语音数据多到让他惊叹，同事的解释是中国人不在乎隐私。 只能说李彦宏还真tm知行合一啊⋯⋯

刚刚 Doubao-Seed-2.1-pro 发布啦! 给大家分享一个自我迭代 Agent 的构建技巧啊, 也是我在今天字节 seed-2.1 模型发布 demo 中用到的技巧. 这个技巧的核心就是, 干一件复杂的事情, 用两个Agent比用一个Agent要好. 简单来讲打工Agent干完活之后, 还要增加一个评审Agent, 这个Agent要给打工Agent的产出评分, 然后说明评分理由, 哪里做得好, 哪里做的不好. 然后, 一定要输出结构化的评分结果(JSON就行), 这样, 打工Agent接到评分后, 进行修改, 修改完毕再次交给评审Agent, 评审Agent再次打分, 这时候就可以跟上次的打分进行对比. 只有得分大于上次的得分, 你的框架才合并这次的修改. 这就是 Agentic 自我迭代了. 基于 AI 反馈的强化学习的雏形基本就是这样的了, 以及吴恩达提出的 Agentic Workflow 核心原则之一就是 Reflection（反思），框架让模型像人类程序员提交 PR一样：打工 Agent 提交 PR，裁判 Agent 跑测试、打分。只有 Review 通过才能 Merge 到主分支。这就是真正的“工程化迭代”了. 甚至我框架内其实就是采用的Git模式, 多个Agent进行并行评估模拟多个分支, 只有打分高的才会合并到主分支. 最终得益于 Seed-2.1 本身的自我迭代和多模态能力也很强, 在它的驱动下, 成功实现了这个【只需要上传一个城市的相册, 就能建模一整个城市】的demo. 相信在现场的同学已经看到这个 demo 了哈哈. 下一期告诉你当这个办法也失效了, 该怎么办☆. #AIAgent# #seed21# #AI自我迭代#

晚点LateTask这篇访谈的信息量非常大，关于百度美研、Scaling Law、OpenAI、Anthropic、Cerebras的往事。 > "Dario 能进百度，其实是他职业生涯里很重要的一步。他是 Greg Diamos 招进来的。而且加入百度前，Dario 并不是计算机或 AI 科班出身，而是数学、物理和生物背景，Greg Diamos 发现他很有 AI 直觉和训练模型的能力。" > 十年前（早于transformer），百度已经在训练接近 3 亿参数的语言模型——也就是发现Scaling Law雏形的时候。用 GPU 训练一次要三个多月，这个模型基于一个自研的框架——Paddle（飞桨）。 > Sam Altman 本人是 Cerebras 的投资人。百度是 2017 年投的，Sam Altman 2016 年就投了。 > 百度早期投资 Cerebras，投资决策只用了2天，由李彦宏、陆奇、CFO做出——这个投资决策也证明了百度当时的投资眼光有多超前。 > 百度曾有机会成为 OpenAI、Anthropic 的早期天使。当时OpenAI、Databricks、Scale AI 这些公司都在百度的待投名单上。可惜的是中美关系恶化导致没投成。 > 陆奇早年曾是 Sam Altman 的 mentor。2018 年 5 月陆奇从百度离职后，同年 8 月便接受 Sam Altman 的邀请，出任 YC 中国的创始人兼首席执行官。 > 2020 年夏天，一些在 OpenAI 的百度前员工说 GPT-3 快训练出来了，当年在百度想做的事情，快在 OpenAI 做成了——维基百科水平的语言模型。那时 GPT-3 还在后训练阶段，距离 ChatGPT 出来还有两年多。 > 百度美研顶峰时期至少 250 多人，人才密度很高，甚至在 Google DeepMind 都没有过。很多人是冲着吴恩达来的。 > 后来这里的很多人加入了核心 AI 创业公司，或自己创业，除了前面提到的 OpenAI、Anthropic，也有人参与创办 Adept、xAI，还有一些人成了 Meta FAIR 等实验室的重要成员。

十年前百度美研一群人就预判：不能把 AI 算力全押在英伟达身上。结果他们真的投了一家「晶圆级」芯片公司 —Cerebras。 2016 年，周楠从投行跳去百度美国人工智能研究院。那时候吴恩达带队，预算充足，GPU 随便买。Dario（Anthropic 创始人）和 Greg Diamond 都在那里。团队已经隐约摸到 scaling law 的雏形：模型越大、数据越多、算力越强，效果就越好。DeepSpeech2 那篇论文就是最早的信号之一。 周楠做的第一个项目就是 Cerebras。当时他满世界找「不是英伟达」的训练芯片，看了 Graphcore、Wave Computing，最后选了 Cerebras。因为这家公司最激进——要做 wafer-scale engine，把一整片晶圆做成一个巨大的 AI 计算引擎，让计算单元和内存靠得极近，大幅降低通信成本。 投的时候 Cerebras 连流片都没有，只有 signature。百度美研的研究员直接上手验证，在当时全球最大的语言模型上跑，信号还不错。投决会几乎零阻力，Robin、陆奇、李彦宏快速通过。估值当时已经 7 亿多刀，在 2017 年算贵，但周楠赌的是「非共识」。 真正难的不是 idea，而是把 wafer-scale 做出来。良率、散热、电源、编译器，每一个都是硬骨头。2017-2019 年几乎是至暗时刻，流片一延再延。但 Benchmark、Foundation、Eclipse 等早期投资人一直陪，给了足够耐心。芯片真的要十年才能看到结果。 现在 Cerebras 的机会在推理，而不是训练。OpenAI 签下至少 200 亿刀大单，就是看中它低延迟、高吞吐。英伟达的 CUDA 生态太强，训练阶段迁移成本极高，但推理场景下，Cerebras 的架构优势开始显现。Sam Altman 其实 2016 年就个人投了 Cerebras，比百度还早。 周楠感慨，百度美研其实是硅谷的「黄埔军校」。后来出去创业的人太多：Inflection、Adept、Anthropic、Cohere……可惜因为地缘政治，百度后来想单独募一个专注 AI 的基金没成，OpenAI、Databricks 当时都在 list 上，最终都没投成。 十年前大家就担心不能只依赖英伟达，结果英伟达还是成了事实垄断。但现在推理需求爆发，反而给了异构芯片新窗口。Cerebras 只是开始，后面可能还会有更多新架构的推理芯片出现。 周楠现在看 AI 投资：共识来得太快，早期窗口越来越短。他反而更关注还没形成共识的方向，比如 Physical AI（机器人）和新的推理芯片架构。这期节目最打动人的，是把十年前 scaling law 刚冒头、百度美研那批人「神仙打架」的氛围还原了出来。很多事情早早被看到，但真正落地要等十年。Cerebras 的故事，只是其中一个缩影。

H1B拒绝境外申请者，把机会尽量留给境内申请者。这是一条好政策，鼓励更多人来到美国求学然后在美国申请，也降低作弊机会！ 但是对于绿卡申请者，美国最新政策是，如果你人已经在美国，要回母国或境外领馆申请走程序！这个逻辑正好跟H1B相反，可以说是美国移民政策长久以来思路混乱的一个表现。 绿卡新政表面理由是堵漏洞、统一程序，但实际效果很可能是把合法移民流程变得更慢、更贵、更不确定。对家庭移民来说，申请人离境可能触发3年、10年甚至更长期入境禁令，造成夫妻、父母子女分离；对雇主和高校来说，H-1B、高学历研究人员、医生、教师、工程师如果必须离境排领馆面签，项目、医院排班、实验室和企业用人都会被打断；对AI竞争力尤其敏感，因为美国AI优势很大程度依赖国际博士、工程师和创业者，政策不确定性会促使人才转向加拿大、英国、欧盟或中国等地。这个政策不是针对非法移民，而是提高合法移民门槛，把已经在美国工作、纳税、学习、成家的申请人推入高风险流程，因此带有任意性和惩罚性。该政策适用范围很广，可能引发诉讼、积压和家庭分离。 吴恩达表示了一样的担忧，他说： “白宫这项要求绿卡申请人必须在美国境外提交申请的新政策，是对合法移民的一种武断打压。它将伤害许多家庭，导致美国失去更多医生、教师和科学家，并削弱美国在人工智能领域的竞争力。”

你应该在 Twitter 上关注的 30 个与 AI 相关的账号： 英文： @karpathy，Andrej Karpathy，Eureka Labs创始人，OpenAI早期成员，前Tesla AI负责人，擅长把神经网络、LLM、Agent讲到普通工程师也能听懂。 @fchollet，François Chollet，Keras作者、ARC-AGI提出者，Ndea和ARC Prize联合创始人，长期讨论AGI、抽象推理和「智能到底是什么」。 @ylecun，Yann LeCun，图灵奖得主、CNN/深度学习代表人物，NYU教授，前Meta首席AI科学家，现在做AMI，长期主张开源、世界模型和非纯LLM路线。 @AndrewYNg，吴恩达， Fund、Landing AI创始人，Coursera联合创始人，AI教育和AI落地应用领域最有影响力的人之一。 @rasbt，Sebastian Raschka，LLM研究工程师、作者，写过《Build a Large Language Model From Scratch》，适合看模型原理、训练细节和代码实现。 @dair_ai， Engineering Guide背后的项目，适合看prompt、context engineering、agent相关资料。 @lilianweng，Lilian Weng，Thinking Machines Lab联合创始人，前OpenAI研究与安全VP，Lil’Log作者，agent、RL、AI安全综述写得非常系统。 @jeremyphoward，Jeremy Howard， @simonw，Simon Willison，Datasette作者、Django联合作者，长期追踪LLM工具、开源生态、prompt injection和AI Agent安全问题。 @_akhaliq，AK，AI论文信息流账号，机器学习背景，主要快速转发新论文、新模型、新项目，适合跟踪前沿动态。 @ID_AA_Carmack，John Carmack，id Software创始人、前Oculus CTO，现在在Keen Technologies做AGI，典型硬核工程派。 @gwern，Gwern Branwen，独立研究者和长文作者，写AI scaling、心理学、统计学、理性主义和长期主义相关内容。 @goodside，Riley Goodside，最早出圈的prompt engineer之一，曾在Scale AI和Google DeepMind，常发模型行为、prompt技巧和AI产品边界测试。 @drfeifei，李飞飞，Stanford教授、World Labs联合创始人兼CEO，ImageNet关键推动者之一，长期做计算机视觉、空间智能和human-centered AI。 @demishassabis，Demis Hassabis，Google DeepMind联合创始人兼CEO，AlphaGo、AlphaFold背后的核心人物之一，2024年诺贝尔化学奖得主。 中文： @dotey，宝玉，中文AI圈非常重要的信息源，长期翻译和整理LLM、Prompt Engineering、Context Engineering、AI工程实践内容，也会分享很多一手产品和技术判断。 @op7418，歸藏，AIGC周刊主理人，关注AI、LLM、AI图像视频和设计，适合追踪新工具、新模型和AI创作玩法。 @xiaohu，小互，中文AI新闻和工具资讯号，主打全球前沿科技、AI动态，也做小互AI日报社群。 @WaytoAGI，通往AGI之路，中文AI知识库和社区型账号，适合系统性补AI资料、工具、教程和行业信息。 @Khazix0918，数字生命卡兹克，AI自媒体和热点监控型账号，做了AIHOT这类AI热点监控网站，适合看中文AI圈正在炒什么、什么值得跟。 @Gorden_Sun，Gorden Sun，稳定更新AI资讯日报，适合当每日AI新闻索引看。 @FinanceYF5，Will，偏AI资讯和行业数据整理，会做AI网站流量、产品数据、行业观察，适合看数据型信息差。 @vista8，向阳乔木，关注LLM、Prompt、效率工具和AI产品落地，内容偏实用观察和产品判断。 @shao__meng，meng shao，关注上下文工程、AI智能体、企业AI落地和AI培训，也经常整理中文AI领域账号合集。 @oran_ge，橘子，前MiniMax AI工具产品负责人， @hanqing_me，汗青，AI Talk创始人，重点在AI短视频、AI数字人、AI艺术和内容创作方向。 @jesselaunz，遁一子，关注AI资讯、AI实际应用和Prompt探索，偏实践派，适合看普通人怎么把AI用起来。 @thinkingjimmy，JimmyWong， @xicilion，响马，西祠胡同创始人、老程序员，分享LLM实战、工程判断和开发者视角，对AI工具链的理解比较硬。 @AI_Jasonyu，鱼总聊AI，关注AI、出海、创业、独立开发和副业方向，经常整理AI博主、工具和产品机会。 有哪些我漏掉了？欢迎补充

吴恩达怒批“AI 导致失业论”！我在新加坡看到的真相：企业正排队花钱抢人 “AI 马上要砸掉所有人的饭碗了！”——这段时间你肯定被这种恐慌新闻刷屏了。 但就在这几天，AI 泰斗吴恩达公开发文怒批：“所谓 AI 引发大规模失业，纯粹是不负责任的恐慌故事。大家必须立刻停止这种炒作！” 为什么？听我给你讲讲宏观的谎言和我在新加坡看到的微观真相。 第一，谁在推动“AI 失业”的恐慌？ 吴恩达一针见血：这是三股力量在推波助澜！ 1️⃣ AI 大模型公司： 极力渲染 AI 能取代人类，是为了拉高定价锚点。既然能帮你省下 10 万美金的人工费，收你 1 万美金订阅费不就显得很划算？ 2️⃣ 传统大厂： 需要“AI 提效”的借口，掩盖自己疫情期间盲目扩招后的“裁员遮羞布”，讨好华尔街。 3️⃣ 媒体： 天然偏爱恐慌。“AI 灭绝人类”永远比“AI 改变工作流程”更有流量。 历史上盲目恐惧“人口炸弹”和“脂肪”都带偏了社会决策，今天绝不能再被“AI 失业论”洗脑！ 🇸🇬 第二，实地走访新加坡的真相：根本招不到人！ 昨天我走访了新加坡国立大学（NUS）的计算机教授，真实情况是：懂 AI 的学生供不应求！ 企业甚至愿意交几千新币的“排队费”来买一个进场抢人的名额。 这种恐怖的需求不仅来自科技巨头。昨天我还走访了一家新加坡本地的传统蛋糕店，老板都在想方设法用 AI 改造订单系统和生产排产。 全世界有无数这样急需 AI 改造的中小企业。但是，把大模型落地到业务流程里，极度缺乏一种人才—前向部署工程师（FDE）。既懂 AI 工具，又懂业务场景，缺口极大！ 🚀 总结：停止无效内卷，迎接 AI 就业狂欢 (Jobapalooza) AI 带来的不是失业末日，而是一场史无前例的就业狂欢！ 但我必须提醒一个巨大的培训误区： 别再花大量时间去算模型权重、学底层的神经网络原理了。除非你想去 OpenAI 盖基建，否则这些在日常工作中根本用不到！ 真正的机会在于： ✅ 搞懂 AI Agent（智能体）的工作原理 ✅ 熟练使用最新的 AI 工具组合 ✅ 深入传统企业，摸透他们的工作流，用 AI 帮蛋糕店提升 30% 排产效率！ 现在不是焦虑失业的时候，现在是你躬身入局，成为 AI 时代超级个体的最佳历史机遇！ BTW，我们正在与 NUS 合作策划一系列从零开始的 AI agent 企业应用课程，感兴趣的朋友可以关注起来。 #AI# #吴恩达# #AI就业# #人工智能# #新加坡# #职场发展#

吴恩达老师观点：所谓“AI 会引发大规模失业”，纯粹是一种不负责任的恐慌故事。 软件工程师都快被 AI 工具折腾死了吧？可现实却是工程师招聘市场依旧火爆，美国失业率稳稳地停在 4.3%，没半点要崩的样子。每一波技术浪潮，最终创造出来的新岗位远比被干掉的多得多，这次也不会例外。 “AI 抢饭碗”这个故事为啥这么流行背后的三股推动力： 一是前沿 AI 公司特愿意把自己技术吹得越神越好。一项技术能干掉一个年薪十万的员工，那卖你一万美元的订阅费是不是就显得便宜了？ 二是企业自己也爱把裁员说成是“AI 提效”，毕竟比承认“疫情期间招人招过头了”听着体面多了。 三是媒体天然就偏爱恐慌故事。“AI 会让人类灭绝”，这标题点击率总比“AI 会改变你的工作内容”高出几个数量级。 他举了些历史上类似的群体恐慌故事：比如公众对核电站安全的过度焦虑，直接导致核电发展停滞几十年；60年代“人口炸弹”的恐惧，让很多国家祭出了严厉的人口控制政策；再比如对脂肪的恐惧，导致政府推广了几十年的高糖低脂饮食。这些听起来有点荒唐，但当年每一个故事都非常流行，并实实在在影响了无数人的生活。 AI 不会带来失业末日（jobpocalypse），而会带来一场就业狂欢（jobapalooza）。大量 AI 工程师的岗位即将诞生，而且还不止是在传统科技公司里。其他非 AI 岗位的技能需求也会发生重大变化。对普通人来说，现在正是进入 AI 行业、或者掌握 AI 工具的最佳时机。

大概 17 年的时候，吴恩达说，“AI 是新的电力”，从当时看还无法理解，回到今天，这件事情已悄然发生：写代码少了 AI Coding 工具，生产力便立减大半；ChatGPT 额度一用光就会微微恐慌，迫不及待去找充钱的口子。 LLM 能力的供给越来越像电力的供给，OpenAI/ Google/Anthropic 等公司投入资本支出训练 LLM，相当于建设电网；再投入运营成本，通过 API 向所有人供给智能服务；同时，人们对 API 的要求，也与对公共事业相似：低延迟、高可用、稳定质量。 随着 AI 电力的普及，不可避免会出现一个新的问题，“全球智能断电”—— ChatGPT 抖一抖，依赖它的所有产品就会抖三抖，严重的话还会面临客户流失的风险。 这个问题有两类解法，一个是构建非中心化智能电力系统，也就是在自己的服务器或者云计算平台部署开源精简版的智能电网，另外一个就是在多电网之间做好负载均衡，毕竟同时挂的概率还是很低的。 从这个角度来看，做开源算力供给和做电力中介都会是一门好生意。前者掌握了分布式智能电力的基础产能，后者则主导了智能电力服务的负载均衡。 在电力中介方面，做的还不错的产品，国外的是 OpenRouter，国内的是 Siliconflow，最近还看到另外一个不错的，叫 ZenMux，国内外的模型都十分丰富，它的核心理念是，通过智能自动化，将多模型选择、风险管理和 API 编排等复杂流程简化为“一个 API、一个 SDK、一个平台”，把用户体验放到了首位。 可以感受到，AI 正在从一个生产力工具，走向和电力、自来水一样的社会基础设施，它不再只是提升效率的手段，而是正在成为支撑未来文明形态的社会基建。 P.S. 前面提到 ChatGPT 额度用光，最近刚折腾了一把， ChatGPT 因为几次扣款失败，直接就把我的卡给 ban 掉了；折腾半天，最简单好使的，还是直接在美区 Apple Store 上冲支付宝购买的礼品卡，在手机完成订阅。

周五资源分享 - Next.js 和 React 指南：Udemy 高分付费课程的中文字幕版 - ChatGPT 提示工程：吴恩达与 OpenAI 合作的免费课程 - Musico：收听AI模型生成的音乐 科技爱好者周刊（第253期）