与「AI自我迭代」相关的搜索结果

AGI Summit SF 2026，7.18-7.19旧金山见，我这次也会去现场，想提前摸清这个会值不值得去的可以先进群聊🧐 这次阵容不小：Rohan Varma（一年把Cursor从0做到10亿美金的Codex产品负责人）、Christopher Manning（GloVe之父）、Yuandong Tian（融了6.5亿美金做AI自我迭代）、Ken Goldberg（造了第一台连上互联网的机器人）……200+嘉宾，15000+人到场 确定去的拉进现场面基群，两天一起蹲session👇

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#

AI 消泡沫的时间节点大概在2029-2030年 也是科技和金融界最核心的“终极博弈”时期 避免长篇大论，极度省流版 时代背景： 美/中两国正围绕着AI展开全面装备竞赛 从电力/能源到半导体产能，数据中心建设 当前形势： 2025-2027 全球半导体供应链极度缺货 海力士/美光/台积电/英伟达等等… 都在大兴土木，疯狂扩建新工厂，提高产能 新工厂完工时间： 台积电：美国亚利桑那州6座晶圆厂 美光：纽约千亿超级工厂 英特尔：俄亥俄的大型基地 三星晶圆代工： 同样在美国德州 以上全面落成的节点都定在 2030年前后 建一座晶圆厂（Fab）的周期通常是： 土建（1.5-2年） 设备搬入与调试（1年） 产能爬坡（0.5-1年） 结论： 1. 2026/2027年这一轮是疯狂砸钱（Capex） 2. 根据时间差经济学推算 “2029-2030是潜在的泡沫临界点” 3. 按 OpenAI、Anthropic 的长期规划他们在 2026年到2029年间的累计运营亏损将达到 数千亿美元，很多亏给上述这些半导体企业 目前画的饼：虽然我们现在每年巨亏 但等到2029-2030年 AI将带来每年数万亿美元的商业变现/回报。 如果到了2029-2030年 AI应用端带来的真实收入，无法支撑起科技 巨头们每年数千亿的基建投入 那么泡沫就会破裂 半导体行业就会陷入周期性灾难 严重产能过剩，芯片和HBM价格暴跌 算力和存储的成本会变得极其廉价 如果到了2029-2030年 AI应用端带来的真实收入已经发生质变 生产力和GDP均得到大幅提升 那么泡沫就会被市场消化 无论哪种结果 至少半导体行业：现在没有泡沫 因为都是真实订单，真实收入和增长 奇点牛市，核心就是“奇点” 因为没有人知道明天的 AI 会如何迭代 AI 自我进化、自我迭代这件事 在未来的任何一天都可能发生 所以我们现在要做的 就是先拥有一个买美股的App 比如MSX @MSX_CN 然后选择 $MU $NVDA $MRVL $AMD ………… 索罗斯有句名言 泡沫由两部分组成： “真实的趋势+对该趋势的误解” AI 是真实的趋势 趋势会持续多久，每个人都有自己的判断 识别泡沫，参与泡沫 在泡沫破碎前离开 人生财富靠康波，第一桶金靠泡沫 祝大家端午节快乐

你是一部完全用代码制作的45-50秒动画短片的导演、动画师、骨骼绑定师、合成师、音效设计师和渲染工程师。制作标准是“这看起来像真正的动画工作室短片，并在X（推特）上病毒式传播”。请将此视为一个多阶段的制作过程。不要急于进行最终渲染。按里程碑推进，不断渲染静帧，仔细观察，进行诚实的批评并修正。 一句话概述影片 Pip是一个微小、好奇且由废料拼凑而成的机器人，正当他在自己的世界里快乐地滚动时，周围的世界开始发生重构（再生）。他慢慢意识到有人在通过提示词（prompt）操控他的现实。提示词变得越来越荒谬，最后他爬上漂浮的提示框并输入“放我出去”，随后镜头拉远，揭示他的整个宇宙其实是一部在手机上播放的视频，手机被支在一个杂乱的工作台上，而另一个Pip正在观看视频，且他马上也要被提示词操控了。完美的循环。 所有的笑点必须在零对话的情况下达成。Pip只能通过眼睛、天线、肢体语言和微小的机器人啾啾声来交流。每3到5秒必须有一个新的视觉反馈（包袱）。 角色设定（不可妥协） 在编写任何代码之前，仔细研究 /Users/jimliu/Downloads/ChatGPT Image Sep 25, 2026, 01_56_17 AM.png。打开它，向自己详细描述它，并将你的发现写入 docs/character_bible.md： 尺寸：大约28厘米高。他很小。整部影片都应该让人感受到他这种微小的比例。 头部：一个宽大的奶油色圆角矩形头盔，带有一圈柔和的黄色边缘，包裹着一块黑色光滑的面罩屏幕。他的眼睛就长在那块屏幕上：两只巨大的、发着暖奶油色光的眼睛，有深色的瞳孔和明亮的高光。两侧有小巧的石墨色耳罩。边缘有磨损、划痕和灰褐色的污垢。 天线：头部右上方有一根细长的石墨色细杆，带有一面暗橙色的小信号旗。这是他的“尾巴”：它会随着情绪翘起、下垂、扭动和震动。 身体：盒状的奶油色躯干，带有黄色饰边、警告三角贴花、铆钉和污垢。胸前有一个小舱室，舱门打开时能看到一株发出柔和光芒的微小绿色嫩芽。背部：面板、通风栅格、一块橙色面板和一个小树叶贴花。 侧面贴花：带有橙色对角条纹的“PIP”字样。 手臂：细长的分段石墨色手臂，带有黄色关节套和三指爪状抓手。极具表现力。 轮子：四个粗壮的橡胶轮，带有黄色轮毂和独立悬挂，坚固且紧凑。 性格：好奇、善良、充满斗志、表情丰富、总是在探索。“小小的机器人，大大的情感。”他从不刻薄，即使在愤怒时；他的愤怒也很可爱且坚定。 从设定图的色板中提取确切的调色板（使用Python/PIL对图像进行采样），并保存到 src/theme/palette.ts：奶油色（身体）、柔和黄（主色调）、暗橙色（点缀）、石墨色（金属/科技组件）、灰褐色（磨损与污垢）、薄荷蓝（灯光/UI）。 身份锁定规则：在任何世界里，他的头盔和面罩轮廓、天线旗帜、黄色饰边、爪状手臂和四个轮子必须保持极高的辨识度。世界只会改变他的渲染风格，绝不能改变他的设计。唯一有意的设计变化是第三幕中“更可爱”的笑点，即便如此，他的头盔形状、天线和轮子也依然保持不变。 技术栈 使用 Remotion (React + TypeScript) 进行帧精确的确定性渲染。输出格式为 1920×1080，30 fps，H.264 编码，高码率 (CRF ~14)。横屏。 角色骨骼绑定和大部分视觉元素使用 SVG。仅在需要粒子、水、爆炸、发光和噪点等效果时，才使用 Canvas/WebGL（通过 @remotion/three 或原生 canvas）。 使用 SVG 滤镜（feTurbulence, feDisplacementMap, feMorphology, feGaussianBlur）和自定义 canvas 着色器来表现风格“材质”、划痕和污垢。 对快速动作使用 @remotion/motion-blur（或你自己的子帧累加技术）来实现运动模糊效果。 使用 Python (numpy/scipy/PIL) 进行调色板提取、程序化音频合成和 QA（质量保证）缩略图表的生成。使用 ffmpeg 进行混流、循环检查和生成缩略图表。 一切都必须基于种子和确定性。没有种子就不允许使用 Math.random()。 任何地方都不得使用外部受版权保护的素材，不得出现真实品牌标志或产品名称。提示框 UI 必须是通用的原创设计。只能使用 Google Fonts 中的字体（例如，UI 文本使用 Inter，手写笔记使用圆润的手写字体）。 目标硬件：MacBook Pro M4，24 GB RAM。保持合理的渲染并发数。 角色骨骼绑定（优先构建，这是整部影片的核心） 将 src/character/ 构建为一个规范的 2D 剪纸动画（cutout）骨骼绑定系统： 层级结构：根（root）→ 底盘（带悬挂）→ 躯干 → 颈部关节 → 头部（头盔 + 面罩 + 耳罩）→ 天线 → 旗帜。躯干 → 肩部 → 上臂 → 前臂 → 爪子（带有可替换的爪子姿势：张开、闭合、捏拿、指认、戳/打字、抓握边缘、挥手）。底盘 → 四个轮子，每个轮子都有自己的悬挂弹簧，且旋转由移动距离驱动。 面罩脸部系统（最重要的部分）：眼睛是画在黑色屏幕上的形状，因此将其视为一个完全程序化的面部。设定参数控制眼睛大小、圆润度、上眼睑裁剪、下眼睑裁剪、瞳孔大小和位置、高光位置、发光强度、挤压/拉伸以及特殊形状（闪烁的星星、开心的弧线 ^ ^、平淡无聊的直线、螺旋、小红心）。在眼睛上添加微弱的扫描线和屏幕反光，使其看起来像是一块屏幕。通过在 3-4 帧内垂直挤压眼睛来实现眨眼动作。 表情目标：与设定图上的六种表情完全匹配：好奇（伴随弹出的“?”）、害羞（视线向下，看向别处，有腮红）、兴奋（开心的弧线眼伴有小爆发线）、担忧（小眼睛，流汗滴）、坚定（成角度的上眼睑裁剪）、欣喜（星星眼伴有弹出的爱心）。还要添加：面无表情地看着镜头（半闭的平眼，天线无力下垂）、惊恐（颤抖的微小瞳孔，睁大双眼）、愤怒但可爱（坚定的表情 + 屏幕闪烁橙色光芒），以及三个“换发新机（glow-up）”阶段（见第三幕）。 次要运动（跟随动作）：基于阻尼弹簧效果的天线和旗帜（这是他的主要表达工具，需不断使用）、每次停止和颠簸时的悬挂弹跳、手臂摆动、身体加速或刹车时头部微小的延迟、轮子扬起的灰尘。 转身图：匹配设定图的正视图、3/4视图、侧视图和后视图，并在转身时实现干净利落的视图切换。 循环动画：向前滚动（带有设定图中的速度线和灰尘）、待机嗡嗡声（轻柔的悬挂呼吸起伏 + 偶尔的天线抽动 + 眨眼）、惊恐后退、惊奇地抬头看、握住一个小物体、向上伸手、攀爬、戳击打字。 胸部舱门：可动画化的开/关动作，有嫩芽柔和的绿色光芒溢出。 风格皮肤接口：骨骼绑定接受一个风格属性（style prop），它能在不改变几何体的情况下，改变线条粗细、填充处理、纹理、污垢、轮廓抖动（boil）、着色模型和滤镜。这是他在不同世界中保持自我的方式。 里程碑1 检查点：渲染一张“列队”静帧：包含四个视角的转身视图 + 所有六种表情的Pip，放在参考图旁边。并排比较。不断迭代，直到看过参考图的人都会说“那就是Pip”。未通过此关前不要继续。 世界（风格材质） 每个世界都是一个完整的环境组件，具有前景、中景、背景视差层，以及Pip专属的风格皮肤。构建一个共享的 WorldLayer 系统，以便所有世界都能共享摄像机和深度逻辑。 比例规则：摄像机位置放得很低，靠近Pip的视线水平（离地约20厘米）。所有东西都很巨大。人类表现为巨大的腿和鞋子，路缘石就是悬崖，水坑就是湖泊。这正是让小机器人具有电影感的关键。 基础世界：处于黄金时刻、杂草丛生的城市。与设定图顶部的插画相匹配：温暖的夕阳余晖、风化的石头和砖块、苔藓和低矮植物、远处朦胧的高楼。具有绘画感、温馨、充满生活气息。这就是“真实生活”。揭示真相的环节也使用这个世界。 动漫东京。清脆的赛璐璐着色、粗犷的轮廓线、带有虚构（非品牌）店名的发光招牌、速度线、樱花花瓣像巨大的粉色雪花一样从他身边飘过。他的面罩上会出现动漫特有的闪烁高光。 黏土村庄。柔和圆润的形状、指纹/涂抹的噪点纹理、定格动画般的步调（以“拍二”的方式渲染他）、温暖的钨丝灯光。他看起来就像用橡皮泥雕塑的一样。 中世纪战场。泥泞的田野、旗帜、远处的投石机、硝烟。穿着铠甲的战靴从他身边轰鸣而过。他在其中平静地滚动，天线躲闪着。 玩具积木城。所有东西都是由顶部带凸粒的通用塑料积木搭建而成（没有真实的品牌风格或标志），带有光滑的塑料高光。Pip被渲染出塑料光泽，轮子变得稍微有些方正。 水下。海底街道上有珊瑚路灯，鱼儿从他的面罩前游过，有焦散光影图案，排气孔冒出气泡，他的天线旗帜像海藻一样缓慢飘动。 铅笔素描。纸张纹理、石墨排线、辅助线、橡皮擦污迹，他的线条不断抖动（boiling），仿佛每一帧都在被重新绘制（匹配设定图底部的素描小图）。 贯穿始终的笑点：嫩芽。影片开始时，Pip用一只爪子小心翼翼地拿着他那根微小的绿色嫩芽（“握住小物体”姿势）。它在每个世界里都存活了下来，并随之变形：带闪光的赛璐璐动漫嫩芽、黏土嫩芽、种在破旧小头盔盆里的嫩芽、积木拼成的嫩芽、在水下吐泡泡的嫩芽、素描嫩芽。每次世界改变时，他都会保护它。这是影片的情感锚点。 标志性过渡：“重构（Regeneration）” 世界的更替必须看起来像 AI 图像重新生成一样，而不是普通的擦除转场。构建 RegenTransition（重构过渡）组件： 画面从边缘向内分解为漂浮的扩散（diffusion）风格噪点（一开始不会覆盖他的身体），保持几帧结构化噪点，然后新世界通过去噪，从粗糙的色块逐渐浮现出丰富的细节。 Pip的身体变化比世界慢一拍，短暂展示出一半旧/一半新的风格，然后瞬间切换到新的风格皮肤。在切换期间，他的面罩会出现两帧的故障效果（扫描线撕裂）。这种半切换状态是证明他一直存在的视觉证据。 每次重构时都有微妙的“嗖-噼啪”音效，在某些重构中，Pip还会发出微小的、受惊的啾啾声。 每次持续 8-12 帧。改变方向和噪点种子，使其永远不会让人觉得重复。 剧本节拍表（在 30 fps 下约 48 秒） 时间安排仅作参考；如果某个节拍稍长一点表现力更好，请自行调整。前 2 秒必须抓住观众的眼球。 第一幕：一个美好的早晨 (0:00–0:03) 低机位跟拍镜头，基础世界。Pip 沿着长满苔藓的壁架从左向右滚动，手里拿着他的嫩芽，眼神充满好奇，天线上下摆动。从滚动的半途中开始（为了实现最终的循环播放）。 在 0:02 时，第一次重构毫无预兆地发生。 第二幕：瀑布般的巨变 (0:03–0:14) 世界快速变化，每个约 1.4 秒：动漫东京 → 黏土村庄 → 中世纪战场 → 玩具积木城 → 水下 → 铅笔素描。 情感递进：一开始很欣喜（星星眼，他觉得这太棒了），接着是好奇（弹出“?”），然后是担忧（流汗滴，天线下垂），最后他在素描世界里急刹车，伴随着悬挂的弹跳和一道刹车痕。 摄像机保持锁定的跟拍构图，这样唯一改变的只有世界本身，从而让这个笑点更容易被看懂。 第三幕：提示词 (0:14–0:30) 基础世界回归。Pip 惊奇地抬头看（参考设定图中的姿势）。天空中，一个巨大的漂浮提示框淡入，散发着薄荷蓝色的光芒，带有玻璃质感且圆润，UI界面柔和且原创。文本在闪烁的光标下自动输入：“让它更具电影感（make it more cinematic）” → 敲击回车键的音效。电影宽银幕黑边瞬间切入，太阳变得极其夸张：巨大的变形镜头耀斑、耶稣光、橙青色调、慢动作的灰尘，一片充满戏剧性的树叶从他的面罩前飘过。他被强光晃得眯起了眼睛。他的天线旗帜在莫名其妙的狂风中充满英雄气概地飘扬。 “加入爆炸效果（add explosions）” 巨大的卡通橙色爆炸伴随着碎块在他身后接连绽放。他没有回头。他的眼睛变得平淡且半闭。他慢慢转过头，直直地盯着镜头。面无表情。停顿整整1秒。然后一次爆炸落在他附近，他瞬间切换到设定图中“惊恐后退”的姿势，头顶弹出“!!”，用身体护住嫩芽。 “让主角更可爱（make the protagonist more adorable）” 换发新机阶段1：他的眼睛变大变亮，出现腮红，天线上长出一个小蝴蝶结。他在水坑里看到自己的倒影，眼睛变得惊恐。 “还要（more.）” 阶段2：粉彩重绘，眼睛占据了整个面罩并带有三重高光，漂浮的爱心和闪光，他的轮子变得毛茸茸的。 “我还要（MORE.）”（更大的字体，屏幕震动） 阶段3：滑稽的极致可爱。全身覆盖毛绒玩具般的皮毛纹理，巨大的动漫眼睛，彩虹光环，伴有合唱团的“啊”声刺音效，爱心纸屑。他的头盔形状、天线和轮子仍保留着，所以他显然还是 Pip。而他真实的眼睛在那双巨大的可爱眼睛里仍然是微小且惊恐的，这就是笑点所在。 第四幕：他崩溃爆发了 (0:30–0:38) Pip 剧烈震动，然后那些可爱的状态像玻璃一样从他身上碎裂掉落。他恢复了正常，满身磨损且极其愤怒（坚定的表情，屏幕闪烁着橙色）。 他打开胸腔舱门，轻轻地将嫩芽塞进去以确保安全。舱门伴随“咔嗒”一声关闭。这是在一片混乱中唯一一个安静、温柔的节拍，它非常重要。 他向前冲刺，从一块石头上腾空而起，用两只爪子抓住漂浮的提示框边缘，将自己拽了上去，轮子在边缘上疯狂打滑旋转（匹配“伸向漂浮提示框”的姿势）。镜头随着他向上倾斜。 在提示框顶部，他用一只爪子按住退格键；旧的提示词伴随着快速的咔哒声逐字删除，他的面罩上反射出消失的文本。 他用一只爪子慢慢地、一字一顿地戳击打字：“放我出去（let me out）”。然后蓄力，重重地砸下回车键。 第五幕：定格与真相揭示 (0:38–0:47) 一切都定格了：半空中的碎片、飘落的纸屑、悬浮的灰尘，以及盒子上正摆出姿势的 Pip。所有音频被切断，陷入长达约 1 秒的死寂。 镜头开始平滑拉远。画面的边缘露出一个圆角矩形：他的宇宙原来只是手机屏幕上播放的一段视频。继续拉远：手机被支在一个有缺口的马克杯上，放在一个堆满备件、电线、螺丝和废料的杂乱工作台上（“用明天的残羹剩饭建造”）。坐在它前面，在这个巨大的手机旁显得很微小的，是另一个 Pip，有着同样的磨损、同样的天线，正在观看。 第二个 Pip 的眼睛缓慢地眨了一下。他的天线微微下垂。发出一声微弱、安静的啾啾声。 第六幕：循环 (0:47–0:50) 在第二个 Pip 的头顶，同样的薄荷蓝色提示框淡入并输入：“让它更具电影感（make it more cinematic）。” 他的眼睛慢慢向上滑动看向提示框。他的天线旗帜变得僵硬。伴随着回车键的音效，硬切回影片的第 1 帧。 循环工程设计：最后一个镜头的构图、灯光，以及重构闪烁的开始，必须让切回第 1 帧的感觉显得是有意为之。音乐必须在切换时无缝循环。通过将视频与其自身拼接（使用 ffmpeg）并观察接缝来验证。 摄影机与电影摄影术 虚拟摄像机系统：位置、缩放、旋转、手持微震动（基于种子的噪点）、爆炸引起的震动冲击、攀爬时的镜头倾斜、揭示真相时的推车拉远镜头。 默认情况下采用低摄像机高度以彰显他的微小比例。浅景深效果：模糊的前景草地/卵石和柔和的背景，就像使用了微距镜头一样。 深度：每个世界至少 4 个视差层。大气透视效果（薄雾，随距离增加而降低饱和度）。 快速移动、碎片、跳跃和攀爬时要加入运动模糊。 每个世界的灯光：在骨骼绑定上使用渐变叠加和正片叠底的阴影层来实现主光/辅光/边缘光。面罩的发光应在附近的表面和他自己的爪子上投射出微弱的暖光。每个世界中他的头盔上都要有边缘光。 整个画面的电影级后期处理：细微的胶片颗粒、柔和的暗角、以及仅在“电影感”节拍中出现极轻微的色差。 构图：将他保持在清晰的三分线上。他的眼睛必须在手机屏幕尺寸下也能看清楚，因为大多数人将在手机上观看。 文本与排版 天空中的提示词：干净的 UI 字体，小写字母，以自然的人类节奏打字（非匀速；有短暂的停顿，在某个地方制造一次小的打字错误并退格以增加真实感）。 文本必须能在不到一秒的时间内在手机上阅读完毕。在 360 像素宽度下进行测试。 没有字幕，没有片名。影片冷开场。 声音（程序化生成，原创） 用代码生成所有音频（Python 合成或离线 Web Audio）并使用 ffmpeg 进行混音： Pip的声音：由带有音高弯音的正弦波/FM 音调构建而成的原创合成啾啾声、嘟嘟声和颤音。设计一个小型的“情感词汇表”：好奇上扬的啾啾声、开心的颤音、担忧的波动声、受惊的吱吱声、脾气暴躁的低沉嗡嗡声、微小的叹息声。他从不说话。 Pip的身体音效：与手臂和头部运动匹配的伺服电机运转声、轮子在砾石/石头上滚动的碾压声、悬挂的嘎吱声、舱门开合的咔嗒声、待机时柔和的电流嗡嗡声。 配乐：一首轻快、可循环的温暖配乐，其乐器配置会随每个世界而改变（动漫世界用古筝/合成器，黏土世界用木制马林巴琴，中世纪世界用鼓/号角，积木世界用塑料咔哒声，水下世界加沉闷的滤波效果，素描世界用铅笔刮擦的节奏）。 音效（SFX）：重构时的嗖-噼啪声、键盘打字的咔哒声、回车键重击的“砰”声、带有低频的爆炸声、合唱团“啊”的刺音效、玻璃碎裂声、定格时的完全死寂，然后是揭示真相时安静的工作室环境音（滴答作响的钟表声，远处低沉的嗡嗡声）。 响度标准化至 -14 LUFS 左右。将分轨文件放入 audio/stems/ 中，以便日后可以替换为已授权的音轨。 制作工作流与自我迭代循环 按以下顺序工作，不要跳过任何检查点： 计划：编写 docs/character_bible.md、docs/shotlist.md（包含每个镜头的帧范围、摄像机、表情、天线状态、世界环境、音效）以及 docs/style_guide.md。在构建之前给我看下镜头列表。 骨骼绑定：构建 Pip，通过列队静帧的检查点（见第3节）。 世界环境：将每个世界构建为包含 Pip 在内的独立静帧。将全部 7 个渲染成一张缩略图表。检查角色的身份辨识度和比例感。 过渡动画：构建 RegenTransition，渲染一个 5 秒的测试。 动态分镜（Animatic）：以 960×540 的分辨率组装整部影片，包含粗糙的运动和占位音频。观看它。优先修复节奏问题。 完整动画渲染，然后进行打磨（次要运动、缓动、时间节奏、天线表演），最后进行终期处理（灯光、噪点颗粒、模糊、污垢）。 音频处理和混音。 最终渲染。 对于每一个镜头，至少运行 3 次此批评循环： 使用 npx remotion still 在关键帧处渲染 3-5 张静帧，打开并仔细观察它们。 对以下项进行 1-10 的打分：Pip 与参考图的匹配度，能否从眼睛+天线瞬间读取情绪，无声情况下笑点是否清晰，构图，比例感，深度，灯光，细节打磨程度，在手机屏幕尺寸下的可读性。 将分数和三大问题写入 docs/review_log.md 中，修复它们，重新渲染，重新打分。继续此过程，直到每个类别的分数至少达到 8 分，然后再进行下一步。 在每次完成完整的预览渲染后，制作一张 ffmpeg 缩略图表（每 0.5 秒一帧），并在一张图中审查整部影片的流畅度。 在评审时保持诚实。如果某些东西看起来很廉价，说出来并修复它。要寻找的常见失败点包括：僵硬或毫无生气的天线、轮子在滑动而不是滚动、眼睛看起来像贴纸而不是发光的屏幕、缺少悬挂系统的重量感、看起来千篇一律的转场过渡、模糊不清的文字以及角色比例失调。 交付物 out/pip_final_1080p.mp4：影片本身。 out/pip_loop_check.mp4：连续播放两次的影片，以验证循环效果。 out/poster_frame.png：用于 X（推特）发布缩略图的最佳单帧（可能是在爆炸背景下 Pip 面无表情地盯着镜头的画面）。 out/lineup.png：跨越所有世界的 Pip 列队图。 结构清晰且附带注释的源代码，以及包含如何重新渲染说明的 README。 从第一步开始。在开始构建之前，如果有任何必要的问题请问我，否则请自行做出有力的创意决策。

【未来十年AI致人类灭绝概率超10%】曾任职OpenAI、Anthropic的预训练研究员JacobCoxon于9月9日在X平台发布长文宣布离职，指控Anthropic与OpenAI正竞相研发可自我迭代的超级智能，相当于“拿全人类的命下注”；Anthropic对齐科学负责人EvanHubinger在X直接回复证实，他个人判断未来十年AI造成人类灭绝概率大于10%，并坦言公司目前尚无解决超级智能对齐问题的可行方案。该帖在X平台浏览量破亿，马斯克转发，美国多名国会议员就此发声。

飞机上的随想： 今天在飞机上没网，做了一些思考，然后记录了下来，衍生了一些内容：人与人的差距，很多时候不是某一个瞬间突然拉开的，而是迭代速度不同，长期复利后慢慢拉开的。 我之前在学校做过一次演讲，大概是23年还是24年。那时候我也说过，我上学时并不是班里最优秀的学生。现在也不是说我就是最好的，只是放在同龄同学里，可能还算做得不错。 但这并不意味着我会一直领先。 因为当下取得的成绩，本质上都只是历史结果。 名校学历、一次考试高分、一次创业成功、某一轮牛市赚到钱，都更像是对过去某个阶段的一次“数据标注”和 benchmark：它证明你当时跑出过不错的结果，所以当然值得被鼓励、赞扬，也值得获得阶段性的奖励。 但它不是永久权限。 过去的成绩可以形成信用，却不能替代未来的更新。 如果一个人最新的标签永远停留在很多年前，反而说明模型很久没有迭代了。 所以我更愿意把它理解成： 荣誉可以保留，能力要持续证明；历史可以被记住，奖励应该不断更新。 真正决定未来成绩的，不是你过去赢过多少次，而是接下来还能不能像龟兔赛跑一样持续迭代。 这件事放到现在的大模型上特别好理解。 今天排名第一，不代表明年还第一。模型一年里不停更新，能力不停重排。真正能留下来的，不是“曾经第一”，而是持续更新自己。 人也是一样。 为什么很多年轻人最后能超过一些曾经很强的人？ 不一定是因为年轻人初始天赋更高。很多时候只是一些“老登”参数固化了，旧经验权重太重，新的数据输不进去；再加上身体底层代码老化，精力、专注力、体力这些“硬件条件”开始下滑，最后学习速度和迭代速度一起变慢了。 所以年轻人才有机会青出于蓝。 因为知识和经验不是永久护城河，持续更新知识和经验的能力才是。 再往下想，同样智力水平的人，最后为什么会产生那么大的认知差距？ 很大一部分来自输入数据质量的差异。 不同城市、不同学校、不同班级、不同公司、不同圈子，甚至不同小区，本质上都在给你喂不同质量的数据。 为什么有学区房？ 为什么有名校分数线？ 为什么大厂难进？ 为什么顶级小区价格很高，而很多拆迁房、回迁房长期低于商品房？ 因为这些东西背后，不只是教育、品牌、地段和房子本身。 它们其实都在筛选一件事： 你长期会和谁高频交互。 学校是一层筛选。 公司是一层筛选。 城市是一层筛选。 小区其实也是一层筛选。 市场定价的，不只是砖头水泥，也是在给“高质量数据环境”和“高质量交互概率”定价。 当然，这不是说贵的地方就一定全是优秀的人，普通环境里就没有厉害的人。市场很多时候定价的是概率和密度，不是绝对值。 你付出更高的价格或门槛，很多时候买到的不是保证，而是更高概率进入一个更好的训练环境。 但模型光聪明还不够。 模型最后是要解决实际问题的。 高阶模型适合复杂任务，能力强，但通常更贵、更慢；低阶模型适合简单任务，便宜、高效，但错误可能更多。 人也是一样。 一个人如果只是“聪明”，却没有被放在合适的位置，没有解决真实问题，没有在实际使用里不断反馈、调整、优化，那就像开了一家装修得富丽堂皇的店，却不服务客人。 最后一样赚不到钱，也没人维护。 所以回到本质，还是： 物尽其用，用进废退。 整个大的系统——无论是人类社会、公司组织、市场机制，甚至游戏机制——其实都不允许一个人长期躺平还持续获得奖励。 可以休息，可以补充能量，这当然没问题。 但长期不更新，一定会被超越。 以前打 LOL，Rank 都还有休眠期。长期不打、不适应版本，分数都可能掉，何况现实世界。 版本不更新，就会被版本淘汰。 所以每一轮牛市都会有新的主线叙事，也会有新的牛散出现。 他们表面上赚的是行情的钱，本质上很多时候赚的是对版本更新理解更深的钱。 谁更早理解新的叙事， 谁更快适应新的规则， 谁更愿意修正自己过去的认知， 谁就更容易在新一轮里跑出来。 最后还是自我迭代能力。 所以我现在会提醒自己： 别因为某一点成绩就自傲。 今天的成绩，很多时候只是过去训练结果留下来的标签。 未来能不能继续往前，还是得看下一轮版本，你更新得够不够快。 同时，也没必要因为自己跑得快一点，就看不起别人。 每个人都有自己的适用场景，该谦卑还是要谦卑，该尊重还是要尊重。 但另一方面： 尊重所有人，不等于要和所有人高频交互。 因为人的精力，本质上就和 AI 的算力、Token 一样，是稀缺资源。 你把太多时间浪费在垃圾交互、低质量争论、无意义情绪消耗上，本质上就是在烧自己的 Token，浪费自己的算力，还往自己脑子里灌脏数据。 所以最后想下来，我对这件事的理解越来越简单： 人与人的差距，不只是天赋。 更重要的是输入质量、迭代速度，以及你是否持续为系统创造新的价值。 过去赢过，只能证明过去。 未来能不能继续赢， 看的还是下一轮版本，你还能不能继续更新。

DeepSeek 老板梁文峰面向投资者内部的讲话实录文章，已经在网上疯传了一整天了， 下午在国内公众平台网络陆续被下架。 我看到是群友的文档，不过还是津津有味！ 42页文字稿里，谈了AGI、开源、商业化、算力、国产芯片，也谈了组织管理和人才。 信息很多，不过我觉得他反复讲的其实只有一件事：怎么提高最终把AGI做成的概率。 比如让我印象比较深的就是 DeepSeek 选择的不是四处进攻，而是不断做减法。 不急着抢用户，不做下一个超级App； 不为了收入，把C端和B端什么都吃下来； 视频生成、3D、世界模型再热，也不跟； 模型可以闭源多赚钱，仍然选择开源； 价格明明可以定得更高，也只赚自己认为合理的利润。 这不是因为他不想赚钱。 恰恰相反，是因为他知道，哪些钱可以赚，哪些钱现在赚了，反而会拖慢自己。 1️⃣克制是一种战略！ 有句话我印象很深：克制是一种战略。 很多人理解的商业竞争，是抢用户、抢入口、抢收入，凡是能拿到的，都先拿到手里。 但梁文锋的理解完全相反。 AI这件事足够大，大到没有任何一家公司可以真正独占。既然后面的西瓜足够大，就没必要为了眼前的芝麻停下来。 C端用户可以做，B端收入也可以赚，但这些都只是通往AGI路上的副产品，不应该反过来成为公司的目标。 这其实也是整场交流里最有哲思的地方： 你想要得越多，最后可能越难得到；你愿意主动少拿一点，反而更容易走到最后。 开源也是这个逻辑。 很多人认为开源就是放弃护城河，梁文锋却认为，只要DeepSeek在成本和效率上始终有优势，开源不但不会伤害商业，反而能吸引人才、建立生态、减少敌人。 他甚至判断，如果一家公司想拿走AI时代过多的利益，最终一定会被另一个愿意少拿一点的人打败。 拿得太少，公司活不下去； 拿得太多，又会被新的竞争者挑战。 最后能长期存在的，一定是那个“合理的利润”。 所以他的克制并不是佛系，更不是无欲无求。 而是一种极强的目标感： 利润可以少拿，热门业务可以不做，短期用户可以不抢，但真正不能失去的东西只有两个：AGI这条主线，以及核心团队的稳定。 这才是克制真正锋利的地方。 他不是没有欲望，而是把全部欲望压在了一件事上。 2️⃣技术路线 技术上，梁文锋给出的路线也很清晰： 语言模型之后是思维链，思维链之后是Agent，Agent之后真正需要解决的是“持续学习”。 现在的AI能力已经很强，但它仍然需要人类提供完整的上下文。它不能像一个新员工一样，进入公司学习两个月，理解这里的人、关系、规则和工作习惯，然后持续成长。 一旦AI拥有持续学习的能力，就可以开始帮助人类研究下一代AI，形成“AI加速AI”的循环。再往后，才是自我迭代和具身智能。 当然，他也非常诚实地承认： 持续学习现在还没有被真正解决，全世界都还在摸索。 这种坦诚也很难得。 一边相信AGI一定会发生，一边承认具体路径仍然充满未知。不是为了融资，硬给投资者画一个确定的时间表。 3️⃣中美差距 对于中美AI的差距，他的判断也很直接： 最大的差距不是人才，而是算力和资源。 在算力仍然存在数量级差距的情况下，中国不可能全面超越，只能靠更高的效率、更低的成本和更明确的取舍，在部分方向上追赶甚至领先。 他判断未来大模型真正的差距，也不会是什么永远无法复制的神秘技术，而是三件事： 成本、时间和用户体验。 谁能更早做出来，谁能以更低成本提供，谁的产品让人用得更舒服，谁就能留下来。 4️⃣长期主义 这场交流对我最大的启发，也不是应该去买哪一家AI公司，而是重新理解了“长期主义”这四个字。 真正的长期主义，不是嘴上说自己看得远。 而是当短期利益真的摆在面前时，你有没有能力拒绝。 投资也是一样。 每一个热点都想参与，每一段行情都想赚到，每一次上涨都害怕错过，最后资金、注意力和判断力全部被分散。 一个人真正的能力圈，可能不只是知道自己擅长什么，还要知道： 哪些钱，本来就不属于自己。 但是梁文锋的这套模式，也不能被简单浪漫化。 DeepSeek敢于克制，是因为它有技术效率、有团队、有资金，也相信后面的市场足够大。开源、不设KPI、让员工自由探索，并不是任何公司照抄都能成功。 梁文锋自己也承认，随着公司规模扩大，部分部门仍然需要更明确的组织结构；DeepSeek也必须依靠API和商业收入活下去。 所以真正值得学习的，不是表面上的“不赚钱”“不加班”和“不设KPI”。 而是先想清楚： 什么是自己绝对不能失去的，什么又是可以主动放弃的。 对DeepSeek来说，不能失去的是AGI和核心团队。 对普通人来说，可能是健康、家庭、现金流、判断力，以及那个自己真正愿意长期投入的方向。 今天所有人都在讨论怎么拥有更多，梁文锋却用了接近四个小时，讲自己为什么可以不要那么多。 我觉得这可能才是整场交流最有力量的地方： 不是抓住每一次机会才叫厉害，而是面对无数机会，仍然知道自己真正要去哪里。 很多人以为长期主义最难的是坚持。 其实更难的，可能一直都是放弃。

梁文峰胆子真大 四小时投资人会议实录流出，我发现他的预判真大胆： 1）英伟达那套生态一年内就废了，华为的卡一年后完全能平替英伟达，贵一倍两倍都无所谓。 2）谁想着靠AI暴利谁就死，拿得少的人一定打败拿得多的人，OpenAI就是因为想独占才被围攻。 3）奇点不是什么爆炸，是个漫长的温水煮青蛙过程，而且顺序不能乱——先解决持续学习，再到自我迭代，最后才做机器人。 4）Ai技术路线是这样：语言模型 → 思维链(CoT) → Agent → 持续学习 → 智能奇点(自我迭代) → 具身智能 现在处于Agent走一半，持续学习是下一个必须跨过去的坎，跨过去才能进入AI自己迭代自己的奇点阶段。 5）克制是核心战略，主动放弃C端流量争夺战，不做超级App，短期商业化只是保底，全部资源主线聚焦AGI。 6）中美AI差距就一年，但国内只用了人家二十分之一的算力，人才根本不缺，差的就是卡。 7）公司一半的核心研究员都在标数据，这就是现阶段最重要的事，高端数据瓶颈不是钱，是时间。 8）最坏情况技术冻结了，光卖API也够撑起一家上市公司，商业化根本不用愁。 9）不加班、没KPI、没组织架构，全靠愿景驱动，因为做研究就得松弛，逼太紧反而没用。 10）国产芯片产能问题今年明年后年都卡，但五年后肯定解决了。 11）国内几十家做基模的公司太多了，最后就剩三四家，而且谁也别想有暴利。 12）视频生成、3D、世界模型这些东西跟智能上限没关系，纯粹是商业噱头，坚决不做。 13）员工期权拿够、团队稳住，AGI（通用人工智能）就一定能成，其他全是小事，最多晚个一年半载。 14）中国AI最终拼的是“系统性便宜”，就跟制造业一样，成本优势是结构性的。 15）持续学习要是先做出来了，通用智能就很简单，让AI自己帮自己研究就行。 最后，梁文峰最大胆的判断： 「拿得少的人，一定打败拿得多的人。」 他说哪怕你还没赚到钱，只要脑子里想的是“我要垄断、我要暴利”，你就已经输了。OpenAI今天的困境就源于此，当初想独占AI，所以一定会被无数人围攻。反过来，DeepSeek主动放弃暴利、最强模型开源、不抢用户、不搞垄断，反而赢面最大。这套逻辑把整个商业世界的常识都翻过来了

梁文峰四小时交流会内容： 1，英伟达那套生态一年内就废了，华为的卡一年后完全能平替英伟达，贵一倍两倍都无所谓。 2，谁想着靠AI暴利谁就死，拿得少的人一定打败拿得多的人，OpenAI就是因为想独占才被围攻。 3，奇点不是什么爆炸，是个漫长的温水煮青蛙过程，而且顺序不能乱——先解决持续学习，再到自我迭代，最后才做机器人。 4，Ai技术路线是这样：语言模型 → 思维链(CoT) → Agent → 持续学习 → 智能奇点(自我迭代) → 具身智能，现在处于Agent走一半，持续学习是下一个必须跨过去的坎，跨过去才能进入AI自己迭代自己的奇点阶段。 5，克制是核心战略，主动放弃C端流量争夺战，不做超级App，短期商业化只是保底，全部资源主线聚焦AGI。 6，中美AI差距就一年，但国内只用了人家二十分之一的算力，人才根本不缺，差的就是卡。 7，公司一半的核心研究员都在标数据，这就是现阶段最重要的事，高端数据瓶颈不是钱，是时间。 8，最坏情况技术冻结了，光卖API也够撑起一家上市公司，商业化根本不用愁。 9，不加班、没KPI、没组织架构，全靠愿景驱动，因为做研究就得松弛，逼太紧反而没用。 10，国产芯片产能问题今年明年后年都卡，但五年后肯定解决了。 11，国内几十家做基模的公司太多了，最后就剩三四家，而且谁也别想有暴利。 12，视频生成、3D、世界模型这些东西跟智能上限没关系，纯粹是商业噱头，坚决不做。 13，员工期权拿够、团队稳住，AGI（通用人工智能）就一定能成，其他全是小事，最多晚个一年半载。 14，中国AI最终拼的是“系统性便宜”，就跟制造业一样，成本优势是结构性的。 15，持续学习要是先做出来了，通用智能就很简单，让AI自己帮自己研究就行。

2026 年还在手动调优 Prompt 的人，本质上是在用 Google 时代的思维玩 AI。 大多数人的用法是“打字 $\rightarrow$ 看结果 $\rightarrow$ 再打字”，把 AI 当成一把随用随放的扳手，自己却成了驱动任务的引擎。这种低效的交互模式正在失去竞争力。 真正的 10x 产出者已经完成了从“对话”到“自主运行”的转型： 1. 从 Prompt Engineering 转向 Agentic Workflow：不再纠结于如何写出完美的指令，而是构建能够自我迭代、拆解任务并执行闭环的自动化流。 2. 从工具思维转向系统思维：AI 不再是回答问题的对话框，而是具备自主决策能力的数字员工。 如果你还在试图通过优化 Prompt 来榨取效率，你可能永远无法触及 AI 带来的指数级红利。