与「语言」相关的搜索结果

炒币也得会点英语，要不然什么币你都记不住，跟别人CX的时候币名字念错了多丢人😮‍💨 冷战时期外交官们学习语言的方法还真是行，比尚雯婕那个方法还好。 外交官为什么都能熟练掌握多种语言，而且掌握新语言非常快，他们学外语的解法很直接，不讲语法不背单词，只做一件事，把中间的翻译工序练没，这套方法叫 pattern drill，源头是二战时美军 1942 年的速成语言项目。 后来美国国防语言学院用同一路线的方法，训练了 65 种语言。 你学了 10 年英语还开不了口，不是词汇不够，其实只是你脑子里多了一道工序。 美国国务院公开过一张表，西班牙语和法语从零到能工作，600到750小时就可以做到。 中文和日语大概2200小时，这是美国外交学院FSI用了 70 多年培训数据算出来的。 而英语是这里面最简单的语言。 流利不是知识，是自动化，很多人是听到英语，翻成中文，想答案，翻回英语，再说。 别人说完了，你还在第二步。 最简单的一种叫替换练习，句型不变只换一个词，3 秒内必须答出来。 I want coffee ，I want tea ， I want milk 练几十遍，句型就变成反射，张嘴就来，就像开车刚学时每一步都在想，开几年后手脚自己动。 以前这要一个母语老师坐在对面不停丢句子，现在 AI 就能当这个老师，我把整个流程做成了一张图，你就照着它练，到时间绝对能行。

2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。 1. Dots：一直在线、会主动干活的智能体 Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。 Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。 Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。 开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。 2. ChatGPT Space：人和智能体一起用的工作区 Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。 在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。 3. OpenAI 内部怎么用 Dots Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。 她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。 工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。 4. 上线范围和企业用的 Specialist Dots Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。 企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。 5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。 UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。 订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。 另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。 6. 模型开始帮 OpenAI 做研究 Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。 Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。 第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。 第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。 她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。 7. 给开发者的底层工具 Sam 说，OpenAI 想让开发者用上自己内部用的东西。 第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。 云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。 新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。 隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。 性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。 8. Romain 的 Codex 演示 演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。 Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。 后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。 他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。 最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。 9. 分发和变现：让开发者在 ChatGPT 上做生意 ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。 第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。 第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。 用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。 第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。 10. 收尾：一次额度重置，和“文艺复兴”的说法 当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。 Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。 最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。

最近在回顾《权力的游戏》，但因为现在在日本没法订阅 HBO，所以我打开了 U-NEXT（我的 U-NEXT 订阅里其实有 HBO 的一部分影视资源）。 不过日本的正版网站只有日语字幕，所以我就想着，能不能让 ChatGPT 帮我把日本这些流媒体的非日语资源，全部做成中英文对照的字幕，然后覆盖在播放器上，GPT-6.1 SOL 发布之后，正好我试试看，结果它几分钟就做出来如图3的效果。 所以，如果你在学一门新的语言（比如说日语或者法语），你也可以使用吹替版本，然后在字幕下面要求 Codex 去做假名注音，并且把不懂的词汇给你放到生词表里。 而且，这几乎适用于世界上任何视频和语音资源。我可以这么理解：AI 也许会改变所有流媒体的产品形态。我们也许会看到一种终极的播放器，它可以播放世界上任何的视频和音频，并且完全以你要求的语言（例如母语）来进行匹配，或者换句话说，电脑本身的用户界面会变成某种播放器，因为用户界面也是即时生成的，你可以把它理解为视频的一部分。 人机交互界面正在被混合成某种灰色的领域。

ESPnet发布YODAS v3语音数据集：大幅降低多语言语音AI的训练门槛 这个大规模开源数据集包含超过110万小时的多语言网络音频，覆盖了100多种语言。不仅提供句子和单词级别的时间戳字幕，还为大部分非英语内容配备了英文翻译，甚至标注了实际有效的音频采样率与声道信息。对于想要训练语音识别、语音合成或音频表征模型的研究者来说，可以直接获取规整、无版权问题、高质量、多语言的基准数据。 数据集：

这两天建政太频繁，不好。 还是发些这些年在X上收集的美图吧。 教父严选之けんけん。 个人评价：上帝的完美造物。完美到无以复加，完美到无法用语言描述。 不论是身材还是面容，可以说是360度无死角的完美。X上美女很多，但是不管是什么表情都很可爱的真的不多。再加上这身材，就是纯欲天花板。

刘欢原本是在自己的母校国际关系学院任教，后来跟校领导闹得不太愉快，便主动辞职，应聘去了对外经贸大学当老师。他在那边教的课程是西方音乐史。这是刘欢的校友、自媒体博主黄教授发文透露的 问题也随之而来。对外经贸大学的王牌学科是国际经济与贸易、金融学、法学、会计学、外国语言文学、国际商务和数字贸易。刘欢教的音乐学科，不是对外经贸大学的主流专业课，只属于全校公共美育选修课，是学生可选可不选的通识课，仅此而已 可就是这么一门“可有可无”的选修课，却成了全校最抢手的课。300个名额，700多人抢，教务处老师站在门口查验听课票据，这阵仗在贸大独一份。一所财经外语类大学，王牌专业全跟钱和法沾边，最火的课偏偏是个教音乐史的。这事搁谁身上不得琢磨琢磨，到底什么课才算“有用”。 刘欢在国关那几年，其实挺憋屈的。1985年从国际关系学院法语专业毕业留校，白天管学生，晚上进录音棚，两头都不耽误。可国关的领导容不下他的“走穴”行为。那会儿他已经靠《心中的太阳》《少年壮志不言愁》红遍全国了，87%的国人认识他那张脸，可学校看他不顺眼。当年在国关教世界经济概论的姜洪老师后来回忆，转折出在商演上，请刘欢唱歌的人越来越多，学校新来的领导看不惯，大会上点名批评，嫌老师总在校外活动，“路线越来越激进，用姜老师的话说，空气肃杀”。说白了，体制内有体制内的规矩，你一个大学老师整天跑出去唱歌，像话吗。1991年，刘欢走了，去了对外经贸大学。 换个地方，换了种活法。贸大给了他一样东西：容得下。 前校长陈准民说得特别直白：“我们希望学生全面发展，有高尚趣味、现代审美，不只是会做生意。我们希望学生首先人格健全，其次才是掌握技能。经济上的技能，比如怎么做贸易、怎么炒股票、怎么做证券，这些都是次要的，更重要的是人格健全。”这话放到今天的大学里，有几个校长敢说。 刘欢的课不用课件，一支粉笔一节课。作品、年代、人名全凭口述，几国语言的专业术语随口切换，下课铃响，内容刚好讲完。英语、法语、德语、意大利语的花体字，一笔一划工工整整，学生坐在下面看得啧啧称奇。这不是糊弄，这是真下了功夫的人才能做到的。 他还拒绝在课上唱《好汉歌》。学生起哄让他来一段，他说得很清楚：“站在这里，我就是最普通的老师。”课堂不是舞台，不唱歌，不照相。一个全国人民都认得嗓子的人，硬是把明星身份按在了教室门外。老校长陈准民回忆，刘欢做自我介绍时，总会说自己是贸大的老师，而不是先提及自己是歌手，“他完全可以选择其他道路，却仍在教学岗位上兢兢业业”。 三十二年，刘欢在贸大的职称栏从头到尾就俩字：副教授。没论文，没课题，没项目。高校评教授要什么，核心期刊、国家级课题、项目经费，他一样没有。教的是公共美育课，财经类大学教音乐，不在主干学科，没有硕博点，评审表上根本无处可填。刘欢自己说得也直白——“没有发表教授标准的核心期刊论文”。以他的人脉和资源，找几个同行挂个名、攒几本教材、申几个课题，评个教授不是难事。他不干。不是评不上，是那套秤跟他不在一个秤盘上。 刘欢生前最后一次公开活动，是亲自下厨为学生做红烧肉。2023年退休那天，他悄悄退了工作群，没发朋友圈，只留了一张黑板照片，板书最后一行写着“下课”。最后一课他没有说再见，只是笑了笑：“别送花了，下次路过琴房，听见谁弹错和弦，替我提醒一句就行。” 当年国关容不下一个爱唱歌的老师，贸大容下了一个愿意教书的音乐家。谁高谁低，一目了然。刘欢退休后，他的《西方音乐史》再也没有了。那间能坐三百多人的阶梯教室，再也不会有教务处老师站在门口查票了。说到底，能教会学生算账的学校随处可见，可愿意支持一位老师把他痴迷的内容讲授一辈子的学校，实在少之又少。

想做自媒体，却总愁没内容发的，可以看看这个方向：把育儿知识做成 60 秒的动画科普。 每期讲清楚一个家长关心的小问题：孩子为什么喜欢反复听同一个故事、亲子阅读怎么开始、在家可以玩哪些亲子游戏，先定一个小栏目，沿着这些问题往下做，下一期的选题就有了方向。 育儿科普这个赛道，我觉得值得认真做。看品牌在这里花的钱，也很直观。 QuestMobile 的数据显示，仅去年 3 月一个月，母婴用品广告主的媒介硬广投放就超过 20 亿元，同比增长 26.6%。 把知识讲清楚，慢慢积累家长的信任，后面就有机会接母婴品牌合作、产品推广。 但有了选题，一个人想把这种号做起来，还很容易卡在制作上。 选题已经想到第十期，第一期的动画还没做完。 一分钟的知识，做成视频，人物、画面、字幕、配音，全得一点点磨。想到下期还要再来一遍，更新的热情先掉了一半。所以这次，我拿 Fotor Agent @fotor_ai 试了一遍。 一条 60 秒的育儿 MG 科普视频，以前用AE人工做要好几天，成本高达上千，现在只需要半小时，4 美元不到。 我把素材、想要的 MG 风格和内容要求一起丢进去，它先规划脚本，再生成素材，生成后自动排进多轨时间线。 画面、字幕、配音分层排好，整条视频怎么组织，一眼就能看清楚。 哪段想提前，哪段想后移，拖一下就能调整位置和顺序。画布上的内容也可以直接修改，视频素材、效果、音乐，都能按自己的想法重新组合。 初次成片有不满意的地方，就继续在对话框里提要求，让 AI 直接修改。自己动手调，或者用自然语言让它改，都可以。 现在还新增了滤镜和转场，画面风格、镜头之间的衔接可以一起调整，完成后支持 4K 导出。 做完这条，就可以开始想下一期了。 人物有了，画风有了，讲解结构也有了，前面搭好的这一套，后面还能接着用。 下一期换个育儿选题，沿用这些设定，再根据内容调整文案和画面，不用每次从头搭一遍。 这才让我有了把它持续做成一个系列的想法：围绕一个方向积累选题，每期讲清楚一个小知识，保持同一套人物和画风，慢慢攒成一个栏目。 课程介绍、产品讲解，也可以照这个思路做。 总愁没内容发，可以先从自己熟悉的领域里，列出十个别人经常问的小问题。把答案核对清楚、讲明白，一个问题做一期，先把第一条做出来。 第一条做出来了，后面还有选题，制作也有了可以沿用的办法。这个号，就可以试着更起来了。 给大家争取了福利点击我的链接，前50个名额额外赠送100积分和链接兑换码见评论👇 #FotorAgent# #AI短视频# #MG动画#

哇 cloudflare 大一统的 cli 真的来了啊，之前刚给大家推荐过用 MCP 操作 api，现在有 cli 来了感觉很赞啊 默认输出 JSON 并且有 cf cli search 用自然语言搜该用哪条命令 还有 cloudflare.config.ts 可以替代原来 wrangler.toml / JSONC 今天准备赶快去尝试一下

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。”