与「科学家」相关的搜索结果

AMD 宣布用约 82 亿美元收购李飞飞创办的 World Labs，这期是彭博科技节目主持人 Ed Ludlow 对两位当事人的联合采访。一位是 AMD CEO 苏姿丰，AMD 做 CPU 和 GPU，OpenAI、Anthropic、Meta 都是它的大客户。另一位是 World Labs 创始人兼 CEO 李飞飞，她主持建立的 ImageNet 图像数据集是这一轮深度学习浪潮的起点之一。两人聊了为什么要做这笔交易、李飞飞在 AMD 的新角色、开放生态，以及 AI 安全该由谁负责。 交易本身 这是一笔全股票交易，也就是 AMD 用自己的股票而不是现金来付款，对 World Labs 的估值约 82 亿美元，预计年底前完成，还需要监管审批。交易完成后，李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，World Labs 团队将成为 AMD AI 模型团队的核心。 两家公司的关系早就开始了。AMD 是 World Labs 的早期投资方，也给它供芯片。苏姿丰说她从 World Labs 只有几个研究员的时候就在看着这个团队成长。两人也都提到彼此认识多年，私下是朋友。 芯片公司为什么要买模型公司 苏姿丰的理由是，AI 现在还在很早期的阶段，而且越来越明显的是，硬件、软件、系统和模型这几层互相影响，对整条链路理解得越透，造出来的系统就越好。收购 World Labs，一方面是拿到李飞飞聚起来的一批顶尖研究人员，另一方面是让 AMD 对模型未来的发展方向有第一手的判断，反过来指导下一代硬件怎么设计。 李飞飞从模型公司的角度讲了同一件事。World Labs 越做越大，对算力的需求也越来越大；和 AMD 合在一起，模型可以用最前沿的硬件加速训练和推理，硬件团队也能提前看到模型未来的工作方式和需求。她把这叫作 AI 软件和 AI 硬件的“共同进化”。 主持人追问 AMD 是不是要开始卖模型、卖软件。苏姿丰说不会改变商业模式，AMD 仍然是一家平台和解决方案公司，软件是用来支撑硬件的。收购的最终目的是让 AMD 更好地服务那些最大的算力客户，也就是各家模型公司。 World Labs 做到了哪一步 World Labs 成立于 2024 年，到现在两年多，专攻空间智能和物理智能，也就是让 AI 理解和生成三维世界、懂得物理规律，这类模型通常叫“世界模型”。李飞飞说，他们想做的是语言模型之外的方向，因为创作者、设计师、教育、医疗都有这方面的需求，机器人技术也快要迎来爆发。 公司目前已经发布了两代模型，先是 Marble，然后是最新的 Atlas。李飞飞介绍 Atlas 是一个多模态的“全能模型”，能生成高质量的画面，同时保持三维和四维（三维空间加上时间）上的一致性，摄像机和智能体可以在它生成的世界里移动和交互。 团队也在扩张。World Labs 最近收购了 SceniX，这家公司做出了一套机器人仿真工作流程，以及训练机器人控制策略的模型，由此给 World Labs 补上了机器人方向的人才。 李飞飞为什么选择加入 AMD 苏姿丰说她给李飞飞的说法是“加入全世界最令人兴奋的 AI 公司”。李飞飞的作用也不只限于 World Labs 团队。苏姿丰说 AI 没有一种方案能通吃，除了大家熟悉的云端 CPU、GPU，物理 AI、机器人、从云端到边缘设备再到个人电脑的端到端 AI，都是 AMD 未来三到十年要重点增长的方向，而这些正好是 World Labs 擅长的领域。 World Labs 今年早些时候刚融过一大笔钱，发展势头也不错，主持人问李飞飞是否考虑过别的出路。她说公司从一开始就以使命为导向，这件事的关键在于双方的愿景是否一致，和有哪些选择关系不大。在她看来，这次合并会是“一加一大于二”，接着她笑着补了一句，AMD 显然比 World Labs 大得多。 至于加入后会不会只做空间智能，李飞飞说两人还没来得及细谈所有计划，World Labs 正在做的工作会继续，但她预计研究方向会扩大、节奏会加快。 开放生态与可选择性 苏姿丰说，AI 未来会同时有开源模型和闭源模型、大模型和小模型，它们跑在不同的硬件上，这一直是 AMD 规划高性能计算和 AI 产品线的前提。她和企业的 CEO、CIO 聊下来，没有人愿意被锁死在某一家的硬件或软件生态里，大家都想在不同时候挑最合适的。所以 AMD 会继续押注开放生态，她和李飞飞也讨论过怎样用 World Labs 已有的成果推动开源生态。 李飞飞补充说，现代 AI 的发展离不开开放。从科学界公开分享神经网络算法，到她自己做的 ImageNet，这个首批开放的大规模数据集就是现代 AI 革命的推动力之一。开放生态能让不同的发现、创新和创业机会互相促进。 AI 安全该由谁负责 主持人提到当前的一个争论：模型能力的进步速度超过了安全和对齐研究的进步速度。苏姿丰说这件事上“没有可选项”，技术必须好，也必须安全。她拿芯片行业做例子：最高性能的处理器在设计时就要把安全和数据保密作为优先事项来考虑，AI 行业也需要把安全放到同样的位置。她说自己是 AI 乐观派，相信行业能建立起合适的流程和防护措施，而且各家应该像硬件行业现在分享安全方面的经验那样，互相分享做法。 主持人进一步问，提供算力的公司对训练是否安全、推理时模型是否按预期行事，要负什么责任。苏姿丰说生态里每一方都要为自己的行为负责。对 AMD 来说，要保证硬件本身安全、按设计运行，模型在上面跑时数据是安全的，还要和模型公司一起处理好软硬件之间的交互。她认为这件事应该由行业主导，但因为 AI 是新东西，各方学习的速度不一样，所以她欢迎更多的行业协作，也欢迎一定程度的第三方评估。 李飞飞说，主持人上周问她监管、第三方评估、前沿实验室自我负责这几种方式该选哪个，她的回答是全都要。她认为 AI 是一项“文明级”的技术，和历史上所有这类技术一样，初衷是让人的生活和工作变得更好，但每项技术都是双刃剑，必须负责任地开发和部署。无论在斯坦福、World Labs 还是现在的 AMD，她都想推动个人、公司、行业和社会四个层面共同承担这份责任。 AMD 的下一步 主持人提到 AMD 市值已经到了 1 万亿美元，苏姿丰近来也多次和美国总统一同公开露面。苏姿丰说 AMD 过去做过好几笔对公司影响很大的收购，World Labs 是下一笔，而且是战略意义很重要的一笔。在她看来，技术如今和经济、国家安全都紧密相关，AMD 有机会真正影响计算的未来走向。 最后主持人请李飞飞预测 AI 下一个重大突破。她没有给具体的技术判断，只说接下来 AMD 和 World Labs 会一起打造未来，而这个未来必须对人类社会和人们的生活有益。苏姿丰在一旁说：“我会让她忙起来的。”

一个人穷的时候最应该做什么事？ 背叛底层人。 隔绝一切垃圾信息，拒绝输入，专心搞钱，与底层彻底决裂。 最近两年开始，几乎所有的新闻，我都不关注了。比如前几年的南方小土豆、哪吒电影票房、中美各种加息政策…… 因为我慢慢发现，绝大多数新闻跟普通人的真实生活没有多大关系，但特别擅长调动人的情绪。 今天把一个人捧上神坛，明天又把他踩进泥里；今天全民感动，明天剧情反转。你跟着愤怒，跟着感动，跟着争论半天，最后除了贡献几个小时的注意力，什么都没得到。 所以，我干脆不关注了。 当我看见一个宣传 DeepSeek 有多牛逼的视频，弹幕全是“赢了”“赢麻了”，我有时候会觉得很好笑。屏幕前大声欢呼的大学生，可能几个月后毕业连工作都找不到，但此刻却可以为了一个跟自己现实生活几乎没有关系的话题涕泗横流、义愤填膺。 媒体人只需要几个字，就能让你哭，让你笑，让你愤怒，让你站队。身体是你的，但情绪的遥控器在别人手里。 更讽刺的是，你的每一次愤怒、点赞和评论，最后都变成了别人的流量。自媒体靠你的注意力接广告、接商单，赚得盆满钵满，而你刷完两个小时手机，关掉屏幕，明天照样上班。 这个世界上 99.99% 的消息，其实你根本没必要知道。它不会增加你的收入，不会改善你的生活，不会提高你的能力，甚至连三个月以后你都不会记得。但它特别擅长制造情绪波动。 你打开短视频，第一个视频是一个伟大的科学家，为国家做了巨大贡献，坐了几十年冷板凳，生活极其节俭。配上激情澎湃的音乐，你看得眼眶发红，肃然起敬。手指往下一划，下一条是搞笑视频，你马上笑得前仰后合。再往下刷，可能又是一条社会新闻，你瞬间开始愤怒。 不到 5 分钟，悲伤、感动、快乐、愤怒全部经历了一遍。 仔细想想，这其实挺可怕的。你的情绪被算法拿捏得极其精准，让你哭就哭，让你笑就笑，让你愤怒就愤怒。我们以为自己在主动获取信息，很多时候其实只是被动接受别人安排好的情绪刺激。 短视频和垃圾讯息，某种程度上就是打工人的牢笼。 996 下班回到家，体力和精力已经被榨得差不多了，这时候人最容易沉迷于完全不需要动脑的内容。因为你已经没有精力读书、学习、思考，更别说规划未来。刷短视频是最廉价的快乐：不需要付钱，不需要努力，只需要手指不停往下滑。 问题是，一个人长期处于这种状态，会逐渐失去创造力，也失去深度思考的能力。他没有精力关注三年、五年之后的事情，更没有力气跳出现在的生活，去寻找其他可能性。 更可怕的是消费主义。 好不容易攒下来一点钱，今天告诉你最新款 iPhone 必须换，明天告诉你什么包、什么鞋、什么车才能代表生活品质。你以为自己是在奖励辛苦工作的自己，最后却把本来可以用于提升自己、投资自己、积累本金的钱重新送回市场。 互联网从来没有真正免费的东西。 所谓免费内容，很多时候只是换了一种收费方式：不收你的钱，收你的时间；不直接卖东西给你，就卖你的注意力。 而生命最重要的东西，本来就是时间。 如果你的时间不值钱，你当然可以自己慢慢练级；如果你的时间开始值钱，你就会发现很多事情花钱解决反而更便宜。能花 100 块钱解决的问题，就没必要耗三个小时；能通过专业人士半小时解决的问题，也没必要自己摸索一个星期。 所以想快速成长，无非两件事：花对钱，跟对人。 有时候，一个真正比你高几个层级的人，几句话就能指出你几年都没意识到的问题。他经历过你正在经历的阶段，踩过你准备踩的坑，所以一句话可能真的能让你少走很多弯路。 但很多人还有一种学生思维：希望所有东西都是免费的。 免费的知识，免费的资源，免费的建议，最好大佬还愿意花两个小时给自己分析人生。 问题是，一个人的时间越值钱，他越不会免费把时间分给陌生人。你想获得别人的时间，就要提供价值。这个价值可能是钱，可能是资源，可能是能力，也可能是你能帮别人解决的问题。 没有所谓凭空出现的贵人。 所谓贵人，本质上也是价值交换。 如果现在什么都没有怎么办？那就更简单：减少垃圾输入，把时间拿回来，提升自己，先赚钱。 普通人最应该关心的事情，从来不是今天网上又发生了什么，而是自己的收入有没有提高，能力有没有增长，身体有没有变好，家人的生活有没有改善，账户里的本金有没有增加。 很多人自己的生活一地鸡毛，却每天操心国际局势；工资几千块，却在网上讨论几千亿美元的博弈；现实里连老板都不敢反驳一句，到了评论区却开始指点世界。 宏大叙事最容易给普通人提供一种廉价的参与感。 因为改变自己的生活很难，评论世界很容易。 赚钱很难，骂人很容易。 学习很难，刷视频很容易。 健身很难，讨论别人为什么失败很容易。 所以真正想往上走的人，迟早要经历一个非常痛苦的过程：你必须主动背叛过去那个自己熟悉的环境。 这里说的“背叛”，不是让你看不起穷人，也不是让你抛弃家人朋友，而是背叛过去那套让你一直停留在原地的生活方式。 以前大家一起刷视频，你开始学习；以前大家发工资就消费，你开始存钱；以前大家讨论八卦，你开始研究怎么提高收入；以前大家觉得下班就应该彻底躺平，你开始把晚上的两个小时拿出来做自己的事情。 这个过程一定会不舒服。 因为原来大家都是毛毛虫。 突然有一只毛毛虫开始结蛹，旁边的人第一反应往往不是祝福，而是奇怪：你折腾什么？大家不都这样活吗？ 等你真的开始发生变化，关系也会跟着变化。以前聊得来的东西，你慢慢不感兴趣了；以前觉得很重要的事情，你开始觉得无所谓；以前每天混在一起的人，也可能逐渐没有共同语言。 向上的路有时候确实很孤独。 但一个人真正的成长，本来就意味着不断离开旧的自己。 背叛那些浪费你时间的信息，背叛那些掏空你钱包的消费习惯，背叛那些让你获得廉价满足感的东西，也背叛那个明明对现状不满意，却什么都不愿意改变的自己。 很多人以为贫穷变富最难的是赚到第一桶金。 其实第一道坎往往更早。 你得先允许自己和过去的生活彻底决裂。

你可能刷到过这个“模拟果蝇大脑玩 Beat Saber”的视频。但不要激动的太早，不是真的在玩，视频里的运动输出是把模型过拟合（overfit）到一段预录动作序列上回放出来的，真正的视觉识别和强化学习还没做完。 右边的连接组是一张静态接线图，不是一个活的大脑。这些游戏演示是拿真实神经数据搭的互动玩具，看起来很酷，但离果蝇大脑独立打游戏还很远。 9 月 3 日，HHMI Janelia 研究所联合 Google Research 和剑桥大学，在 Cell 上发表了雄性果蝇完整中枢神经系统的连接组（connectome），包含 166,700 个神经元和 1.25 亿个突触连接，是目前最大的完整脑图谱。它覆盖了果蝇的大脑和腹神经索（相当于脊髓），第一次可以追踪从“看见东西”到“做出动作”的完整回路。 整个数据集以 CC-BY 协议开源。数据发布仅两天，佐治亚理工的研究生 Evan Smith 就用 GPT-6 Astra 把全部神经元装进了 Minecraft，之后 Beat Saber、Mario 64、Doom 版接连出现。之所以传播很快，主要是因为开源加上门槛够低。 这项研究真正重要的地方在于，之前已有雌性果蝇的连接组，现在雄性到齐，科学家第一次能在突触精度上比较两性大脑。结果发现只有 4.8% 的神经元存在性别差异，而且集中在负责决策的高级脑区，感觉和运动区域两性基本一样。也就是说，雄果蝇和雌果蝇看到的世界差不多，但处理方式在关键节点上不同，4.8% 的局部差异就能在全脑产生连锁效应。 下一步是脊椎动物。Google 和哈佛正在画斑马鱼的全脑连接组，小鼠部分脑区也在推进。 一些相关文章可以看：

#更新# 超过1,450人在这场可能由冰川断裂引发的毁灭性泥石流洪灾中失踪，至少390人死亡。科学家们现在重点关注的一个主要理论是，大量岩石和冰块从大约16,000英尺的高处坠落（可能是由冰川崩塌所致），并冲入下方4,000英尺的山谷。

黄金C位留给国之脊梁！河南郑州地铁展出科学家、战斗英雄等主题海报。“他们是值得仰望铭记的顶流明星！” #郑州地铁# #科学家# #致敬#

8/26 tapeout晶体管市值数据统计表 从最新的数据统计看，晶体管消耗数量在不断上升，尤其是tapeout更少完成过半消耗。同时Latch随着科学家技术突破迎来了补涨，缩小了与NAND的价差。 最要点出的还是创世晶体管CPU的NAND迎来了暴涨，它是唯一一个跟上$BEM涨幅的品种。很多人在问为什么不能挖矿的CPU反而涨的最猛，因为它就是无用meme。你说sats\ordi\shib\Doge什么用，我也不知道。 当然，测试币就是要发挥它的作用，今天继续空投。没有领过的朋友进入空投页面，我设置了100份空投，每份3颗NAND，你可以用他做简单的电路图矿机。制作手册请进电路学习小组电报群领取。 官方空投链接： 电报群：

DeepMind 校友用 27B 小模型，干翻 Anthropic 和 OpenAI 的前沿大模型？！ Inherent 这家伦敦 AI 实验室，刚出 stealth 就秀肌肉。 他们的 AI 代理 Faraday，在独立复制科学论文上跑分更高。 但重点不是赢比赛，而是训练方法：强化学习教 AI “研究品味”。 创始人 Hughes 说，这就像 PhD 学生从复现实验起步。 他们甚至不自己开发编码工具，直接用 OpenAI 的 Codex，模仿人类科学家。 目标是造一个会主动思考的 AI 队友，而不是应声虫。 公司窝在 King's Cross，坚信伦敦是 AI 人才的圣地。 Hughes 猛烈抨击英国的“花园假”制度，让创业者等得太久。 团队计划扩到 25 人，DeepMind 员工可能正考虑跳槽。 小公司大突破，AI 科学革命的火苗在这里点燃。

这是很惊人的观点，如今孩子(Z世代)的认知能力在退化，已经不如前几代同龄人。 这是今年1月认知神经科学家霍瓦特博士在美国参院听证会上的发言。 过去的200来年，人们形成了固定的期待，认知能力的发展，每一代人的表现都优于前一代，这是因为受教育时间更长，社会进步更快，促进了年轻一代认知能力不断在提升。 Z世代却是在几乎所有方面都表现欠佳的一代：基本注意力、记忆力、读写能力、计算能力、执行力，甚至总体智商。 这种教育与认知能力提升的脱节始于2010年左右。 罪魁祸首是用于辅助学习的工具、数字技术和电子屏幕的广泛使用。 来自大约80个国家的数据显示，一旦数字技术在学校得到广泛应用，学生的学习成绩就会显著下降。 每天在学校使用电脑学习约5小时的孩子，成绩比很少或从不在学校使用电脑的孩子低了超过三分之二个标准差。美国各州的数据也呈现出类似的模式。 人类进化是为了向其他人学习，而屏幕绕过了这一过程。

美国总统特朗普周一签署了一项新的行政令，要让大多数儿童减少疫苗接种数量，并就儿童疫苗与自闭症之间的关联作出了迄今为止最详尽的表态。科学家此前已指出，这种关联毫无科学根据。

6/ 他反复强调的只有一件事： 让实验数据说话。 精密测量会揭示现有理论还解释不了的现象。 科学家要做的，是继续改进实验，让自然自己给出答案。