エピソード
-
非常久违的两位主播的研究对谈来了！在 ChatGPT 诞生近一年半的时间里，生成式 AI 领域几乎每天都在发生激动人心的变化。从大模型到应用，从软件到机器人，从文字到图片、视频、声音，从全新的商业模式到对现有业务的赋能。比起很久之前那一期对谈，不只是 AI，两位主播也都分别开始了新的征程，过去一年有了很多机会在中美一线市场频繁穿梭，终于有机会分享一些我们沉淀下来的观察与思考。
Hello world, who is OnBoard!?
Monica 去年加入了另一家美元 VC，更聚焦地关注海外的早期投资机会。GN从美元机构离开，创立了 SaaS/AI 社区 Linkloud（公众号同名），帮助越来越多中国软件和科技公司走向全球。AI 无疑是这个时代里边最大的变量之一，近两个小时，过去一年在中美频繁奔波的我们，探讨了你关心的各种问题：
AI应用落地真的不及预期吗？ 从应用到infra有哪些有意思的落地案例？ 如何看待国内AI的进展和弯道超车的机会？ 中美差异背后的原因是什么？ AI公司出海有什么最佳实践与建议？一些拙见，抛砖引玉，希望对大家有一些些启发~！Enjoy!我们都聊了什么
03:11 两位主播的自我介绍，以及最近半年日常使用的AI产品。 15:54 一年以来，哪些AI产品或落地超预期或不及预期？ 20:24 为什么还在成长期的SaaS公司最容易将AI落地？ 23:11 AI在全球其他地区的渗透有什么不一样的地方？ 26:00 为什么在美国大模型和Infra层的进展会超预期？ 30:16 对苹果Siri的预期，以及可能面临的限制在那里？ 35:31 Soundhound是如何结合Voice AI来落地点餐场景，并完成商业化的？ 40:42 EvolutionIQ是如何在保险领域结合AI并促进业务增长的？ 49:08 Monica错过的一家初创公司是如何将AI融入销售人员工作流的？ 55:47 为什么AI代码生成领域在今年会百花齐放？ 65:38 国内AI的进展与美国有什么不同，为什么在C端会出现更多产品？ 76:07 中美资本市场的差异在哪里，以及创业者该如何在市场下行时树立长期愿景？ 81:58 为什么中美差异最大的是AI在B端的发展，以及机器人是否是个变量？ 92:55 为什么“单点极致”可能是中国AI公司出海最重要的方式？ 97:33 为什么出海第一步要走出国门，感受并融入开放的生态？ 100:55 作为投资人，如何看待面对大模型公司下创业公司的壁垒和竞争力？ 106:41 两位主播对今年AI的“大胆”预测和期待有哪些？ 119:02 最后，奉上我们这一年新种草的播客和Newsletter，希望对听众有帮助！提到的公司
Devin (by Cognition Lab): cognitionlab.com SWE-agent: swe-agent.com DBRX by Databricks: github.com Jamba: A Hybrid Transformer-Mamba Language Model Hume AI: www.hume.ai Monica.im: www.youtube.com Gemini Advanced: www.cnn.com Perplexity: www.perplexity.ai Kimi Chat: asianwiki.com Six助手（目前还在灰度测试，微信不接受新用户啦） Workstream: www.workstream.us Klarna: www.klarna.com Speak: https://www.speak.com/ Lepton.ai: www.lepton.ai Soundhound: www.soundhound.com EvolutionIQ: evolutioniq.com Siro: siro.ai Magic.dev: magic.dev Codium: www.roboleary.net Cursor: www.cursor.app Augment: www.augment.co Sweep: www.sweep.io Typeface: www.typeface.ai Sierra AI: www.siera.ai Physical intelligence: www.bloomberg.com Skild: www.skild.ai Covariant: covariant.ai Figure: www.figure.ai Cobot: www.tm-robot.com Deepmind RT-X: deepmind.google推荐的播客和newsletter
Latent Space | swyx & Alessio | Substack Bg2 Pod Interconnected | Where Tech, Investing, Geopolitics Come ... Elad Gil First Round Review What's 🔥 in Enterprise IT/VC #322 - by Ed Sim Generative Now | AI Builders on Creating the Future ... 20VC - Venture Capital, Entrepreneurship, and PodcastOnBoard! 终于成立听友群啦！新年新气象，加入Onboard听友群，结识到高质量的听友们，我们还会组织线下主题聚会，开放实时旁听播客录制，嘉宾互动等新的尝试。添加任意一位小助手微信，onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位，小助手会拉你进群。期待你来！
-
上周 GDC 2024 大会在旧金山举办，可谓是游戏行业一年一度的顶级专业盛会，想必很多游戏开发者、AI 游戏方向的创业者及投资人都亲历现场。从 AIGC 到大模型，这次 GenAI 的浪潮可谓对游戏，这个看似传统的行业带来各个维度和环节的冲击，而去年斯坦福小镇、AI agents 和国内《完蛋！我被大模型包围了》、《哄哄模拟器》等 AI 原生小游戏的一夜火爆，更让我们对 AI 游戏有了更多期待！
Hello World, who is onboard?
我们特地邀请到三位来自游戏领域不同细分方向的嘉宾，包括：
来自硅谷 AI NPC 引擎开发平台Inworld AI的产品负责人，Inworld AI 曾在去年半年内获得超过6,000万美元融资
来自微软 Xbox 部门 Gaming AI 的工程师；
兼顾游戏方向资深从业与投资背景的Yuguang。
我们从 AI 对游戏已经带来的变化聊起，包括 AIGC、NPC 角色扮演到 Agents 的可能性，到该如何设计打造一款 AI 原生游戏以及所面临的限制，如何看待第三方开发工具在产业里的定位和挑战，对初创公司的建议和期望，希望对无论是游戏玩家还是创业者的你们有所启发，Enjoy！
嘉宾介绍：
Nathan Yu：Inworld AI 产品总监，前微软 MR 部门高级产品经理。 邱成岭：微软 Xbox Gaming AI 工程师，个人对 Agent framework 和 On-Device model 也有工程及开发经验。 孙宇光：创业者，投资人，专注AI和 XR gaming 等方向。OnBoard!主持
Monica：美元 VC 投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 高宁：前美元 VC 投资人，Global SaaS 社区及服务组织 Linkloud 联创，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧我们都聊了什么
01:52 三位嘉宾自我介绍，以及2023年最喜欢的一款游戏。 06:37 从传统AI到生成式AI，对游戏产业产生了哪些重要影响？ 08:39 这一次生成式AI带来的变革主要是哪两个方面？ 13:50 Inworld AI团队是什么背景，以及如何从元宇宙转变为AI NPC引擎平台的？ 15:58 Inworld AI核心产品是什么，以及用户最关心哪些性能？ 18:40 NPC引擎支持实时互动设计还是像Copilot一样辅助开发者？ 19:56 加入AI元素的NPC在游戏里扮演什么角色，以及对用户的价值究竟在哪里？ 22:47 哪类游戏最适合加入AI NPC等元素？ 26:18 为什么Nathan认为当下AI游戏应让用户知晓含有AI NPC元素？ 30:40 除了幻觉，AI NPC还面临哪些限制或挑战？ 34:37 如何定义AI原生游戏，至今有哪些有趣的实验或Demo？ 37:21 为什么至今还没有类斯坦福小镇的游戏诞生，里面有什么挑战？ 43:07 为什么Agents在游戏的应用不是新鲜事，以及现在有哪些落地？ 50:25 为什么市场上没有太多成功的第三方游戏开发工具，挑战在哪里？ 52:58 Inworld AI是如何让游戏工作室愿意使用第三方工具而不DIY？ 57:44 生成式AI还将在哪些地方为游戏开发者提高工作效率？ 60:37 微软Xbox与Inworld AI的战略合作在哪些方面？ 64:48 为什么第三方工具的难在跟现有工作流的结合，Inworld AI又该如何解决？ 67:36 Inworld AI早期是如何获客，并与知名工作室达成合作的？ 70:35 为什么对游戏产业的深刻认知对初创公司或第三方工具来说很关键？ 73:08 未来一两年，生成式AI对游戏产业还可能带来怎样的变革？ 77:07 海内外AI原生游戏发展会有什么不同，为什么AI小游戏将可能爆发？我们提到的游戏或相关研究：
Uncover the Smoking gun Yandere AI Girlfriend Simulator Baldur's Gate 3 Generative Agents: Interactive Simulacra of Human Behavior The Elder Scrolls How to DM | Dungeons & Dragons Cygnus Enterprises Roblox RimWorld Minecraft StarCraft Forza Drivatar Trueskill LLM Agent in Werewolf Game Meta AI’s CICERO dipomacy game欢迎我们的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
我思锅我在（ID: Thinkxcloud）
如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。
OnBoard! 终于成立听友群啦！新年新气象，加入Onboard听友群，结识到高质量的听友们，我们还会组织线下主题聚会，开放实时旁听播客录制，嘉宾互动等新的尝试。
添加任意一位小助手微信，onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位，小助手会拉你进群。期待你来！
-
エピソードを見逃しましたか？
-
本期继续讨论如何打造面向海外市场的AI 应用！上一期节目我们从不同角度探讨了技术如何推动 AI 应用落地，以及嘉宾在各自领域做应用和产品的所见所闻。如果你还没有听过上一期，欢迎先补课！
Hello World, who is OnBoard!?
本期我们邀请到了横跨中美的几位嘉宾，在各自的领域也非常有代表性。包括Monica.im 这个用户过百万的 AI 工具的创始人，也有 Typeface 这样由 Adobe 前 CPO 创建的、针对企业级用户的美国本土 AI 创业公司的早期员工，还有经历过移动互联网时代的大厂 to C 方向探索者。他们不同视角和经验的碰撞，非常精彩，这次的内容分成两期给大家放送。
第二部分，我们将着重探讨 AI 产品从0到1的增长，产品长期竞争力和未来展望。都是来自一线的实践和思考干货，大家 Enjoy!
嘉宾介绍
肖弘：Monica.im 创始人 & CEO。之前在国内 To B SaaS 领域创业。 张涛：古典产品经理，工具、内容、SaaS都做过，目前探索 AI 应用场景中。 赵鑫宇：Typeface 早期员工，负责产品后端研发以及大模型调优，此前在 Meta 和 Tiktok 等参与 growth engineering 和机器学习工作。 OnBoard! 主持：Monica：美元 VC 投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学我们都聊了什么
02:31 Monica.im海外增长是如何0到1的？为什么建立一个学习型组织很关键？ 13:13 五年后，Red希望Monica.im会是一个什么样的定位？ 19:07 从企业服务落地角度，为什么Agents和对专业知识的抽象会有很大价值？ 23:43 现在AI互动还有哪些“改良”空间以及张涛团队正在尝试哪些小实验？ 29:30 什么样的AI产品出海对国内来说有优势？ 32:06 如何构建应用产品的壁垒？为什么团队至少需要有很“懂”模型的成员？ 43:50 如何看待与也做Killer app的大模型公司的竞合关系？海内外大模型公司差异在哪里？ 60:33 Google Gemini真正的差距为什么在开发者生态上？ 63:55 最后，大家未来一年工作的重心在哪里，以及还有什么期待？欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。
OnBoard! 终于成立听友群啦！新年新气象，加入Onboard听友群，结识到高质量的听友们，我们还会组织线下主题聚会，开放实时旁听播客录制，嘉宾互动等新的尝试。添加任意一位小助手微信，onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位，小助手会拉你进群。期待你来！
-
大家好，欢迎来到 Onboard！这一期是几个月前拖欠的作业，不过即使在 AI 发展日新月异的今天，如何打造 AI 应用这个主题，倒也仍然不过时。毕竟打造伟大产品，本身就是一个需要长期探索和耕耘的过程。过去一年，我们就 AI 和大模型技术做了很多深度探讨，但是一方面，大家看到大模型能力突飞猛进，英伟达等“买水”生意也蒸蒸日上另一方面，又普遍感觉 AI 应用落地的速度低于预期。
到底现在国内外应用产品真实落地的情况是怎样的？
从太薄的 “GPT wrapper”, 到轻量级产品工具，到企业级应用，一线的创业者和从业者有哪些心得？
出海已经是 AI 应用不得不谈的主题之一，做一个面向海外的产品，从0到1的增长应该怎么做？
大模型底层技术的演进，又给产品的设计带来哪些机会和挑战？
Hello World, who is OnBoard!?
本期我们邀请到了横跨中美的几位嘉宾，在各自的领域也非常有代表性。包括Monica.im 这个用户过百万的 AI 工具的创始人，也有 Typeface 这样由 Adobe 前 CPO 创建的、针对企业级用户的美国本土 AI 创业公司的早期员工，还有经历过移动互联网时代的大厂 to C 方向探索者。他们不同视角和经验的碰撞，非常精彩，这次的内容分成两期给大家放送。
第一部分，我们讨论了不同 AI 产品形态，不同场景的应用，以及技术发展对于应用产品的影响。第二部分，我们将着重探讨 AI 产品从0到1的增长，产品长期竞争力和未来展望。都是来自一线的实践和思考干货，大家 Enjoy!
嘉宾介绍
肖弘：Monica.im 创始人 & CEO。之前在国内 To B SaaS 领域创业。 张涛：古典产品经理，工具、内容、SaaS都做过，目前探索 AI 应用场景中。 赵鑫宇：Typeface 早期员工，负责产品后端研发以及大模型调优，此前在 Meta 和 Tiktok 等参与 growth engineering 和机器学习工作。 OnBoard! 主持：Monica：美元 VC 投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学我们都聊了什么
02:43 各位嘉宾的自我介绍，以及自己正在做的或公司的AI产品是怎样的？ 10:27 为什么国内创业者选择在to C方向上居多，而海外更多面向to B？ 12:27 为什么Monica.im选择插件形态以及前两次创业对这次新征程的帮助。 21:57 为什么Monica.im的定位是Copilot for web？ 27:14 一开始就服务企业级客户的Typeface在产品和Go-to-market上有什么特别之处？ 35:31 为什么Typeface需要做得足够“深”才能满足企业对Onboarding和品牌风格上的需求？ 39:51 为什么对大多数来说信息不存在过载，以及用AI来处理并“消费”人类生产的内容有什么机会？ 49:13 为什么未来人与AI的互动将变成一件非常正常的事情？ 58:17 为什么从全行业角度，现在AI的渗透率比从业者眼里其实要低很多？ 63:12 对于Monica.im，如何通过提升执行力和用户体验来加快产品渗透率的？ 67:21 企业级客户对各类型AI产品的使用意愿如何，以及阻碍在什么地方？ 73:04 为什么例如LCM等技术是文生图领域非常重要的里程碑？ 82:38 在企业里，为什么从产品Demo到真正落地间的跨度还很大？ 92:45 在做To C产品中，有哪些技术问题是Monica.im最关注的？ 106:26 现在主流的LLM Ops工具有哪些，以及嘉宾有什么推荐？欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。
OnBoard! 终于成立听友群啦！新年新气象，加入Onboard听友群，结识到高质量的听友们，我们还会组织线下主题聚会，开放实时旁听播客录制，嘉宾互动等新的尝试。添加任意一位小助手微信，onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位，小助手会拉你进群。期待你来！
-
久违的一对一访谈回来啦！这次的嘉宾绝对重磅，贾扬清老师，关注AI领域的同学应该都听过他的鼎鼎大名！他在 UC Berkeley 博士期间创立了深度学习框架 Caffe, 很快成为行业事实标准。先后在 Google Brain, Facebook AI 从事最前沿的AI研究，随后又担任了阿里巴巴技术副总裁，领导大数据计算平台。2023年开始新征程，在硅谷创立了 Lepton AI.
Hello World, who is OnBoard!?
作为AI和infra行业的行业领军人物，扬清老师是如何思考自己AI创业的方向的？他如何理解未来AI对于基础设施的需求，跟云计算这么多年的发展有哪些异同的地方？这一年以来，回到世界AI创新中心的硅谷，他对于AI和创业的理解、开发者工具和应用的价值、开源和闭源模型等等话题，都有怎样的思考迭代？
我们不知不觉又聊了近两个小时，真是干货满满，你也能感受到扬清条理清晰、观点犀利，又温和儒雅，实在是太令人享受的谈话了。这大概就是播客的魅力，让我们在文字之外，感受到更真实鲜活的人。嘉宾长期在美国工作生活，有英文在所难免，不接受抱怨！Enjoy!
嘉宾介绍
贾扬清（推特：@jiayq），Lepton.ai 创始人。本科和研究生阶段就读于清华大学自动化专业，后赴加州大学伯克利分校攻读计算机科学博士。他在博士期间创立并开源了如今业内耳熟能详的深度学习框架Caffe，被微软、雅虎、英伟达、Adobe 等公司采用。2013年毕业后，他加入谷歌，是谷歌大脑 TensorFlow 的作者之一。2016年2月加盟Facebook，并开发出Caffe2Go、Caffe2、PyTorch等深度学习框架。2019 年加入阿里巴巴，担任阿里巴巴集团副总裁、阿里云智能计算平台事业部总裁。
嘉宾主持：戴雨森，真格基金合伙人，清华大学工业工程系2004级校友，曾在斯坦福大学管理科学与工程系就读。戴雨森22岁时参与创办了知名互联网上市公司聚美优品，主管互联网产品、运营、市场投放、品类等。加入真格基金之后，主要关注人工智能方向投资。
OnBoard! 主持：Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学
我们都聊了什么
02:14 主持和嘉宾的自我介绍，Lepton 最近一篇论文为什么值得关注？ 06:00 Lepton AI是做什么的，为什么称之为 AI cloud company? 10:02 为什么想要成立 Lepton AI? 11:50 设计针对AI的基础设施难点在哪里？跟传统云厂商和HPC的差别是什么？ 19:46 为什么说现在我们不需要担心AI推理成本？未来提升的空间有多少？硬件和软件还可能有哪些突破？ 25:27 开发者如何选择AI基础设施和响应的开发工具？为什么 leaderboard 是不够的？ 28:49 Nvidia 会有新的挑战者吗？什么是“不可能三角”？ 33:48 MLOps 是个伪命题？！AI 需要的开发工具是怎样的？ 39:01 应用开发门槛越来越低，如何思考AI应用的价值？微软20年前的海报给了我们怎样的启发？ 44:47 AI native 的组织是怎样的？ 54:51 开源和闭源、专用和通用模型未来的关系？未来会 one model rules all 吗？ 64:24 创业之后有什么感受和收获？去年年初提出的“三个基本假设”，这一年有什么变化？ 67:56 未来AI应用和平台的市场格局会发生怎样的变化？ 70:01 为什么说我们低估了颠覆的难度？期待5年后AI可以完成什么？ 76:59 快问快答：喜欢的AI产品，推荐的书籍，解压的方式，想要问 AI 什么问题？我们提到的内容
DistriFusion: Distributed Parallel Inference for High-Resolution Diffusion Models, Paper, Code Meta research: Training ImageNet in 1 Hour AI inference leaderboard Lepton Search, Code Perplexity 推荐的书：菊与刀参考文章
贾扬清的个人网站 贾扬清：三个基础假设 贾扬清：ChatGPT，和聪明地设计 Infra Twitter 讨论：Are LLM APIs losing money? Does One Large Model Rule Them All?欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！M小姐研习录 (ID: MissMStudy)
欢迎在评论区留下你的思考，与听友们互动。喜欢 OnBoard! 的话，也可以点击打赏，请我们喝一杯咖啡！如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。
OnBoard! 终于成立听友群啦！新年新气象，加入Onboard听友群，结识到高质量的听友们，我们还会组织线下主题聚会，开放实时旁听播客录制，嘉宾互动等新的尝试。添加任意一位小助手微信，onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位，小助手会拉你进群。期待你来！
-
OnBoard! 终于成立听友群啦！新年新气象，加入Onboard! 听友群，结识到高质量的听友们，我们还会组织线下主题聚会，开放实时旁听播客录制，嘉宾互动等新的尝试。添加任意一位小助手微信，onboard666, 或者 Nine_tunes, 发送你的姓名、公司和职位，小助手会拉你进群。期待你来！
与OnBoard! 常见的烧脑硬核话题不同，今天我们聊一个轻松一点儿的 toC 话题：AI陪伴产品。AI陪伴是这一波生成式AI中非常重要的应用类别，但是大家对这一类别未来前景的判断，又众说纷纭。一方面，Character AI 这样的头部产品，用户的每天平均使用时间可以超过40分钟，另一方面，似乎目前也没有出现像移动互联网时代或者chatGPT 那样的增长神话。
Hello World, who is OnBoard!?
你或许也看了很多产品分析，但是在行业格局和底层技术都急剧变化的时候，或许可以换一个视角了解对产品的真实需求——那就是，倾听最真实的用户说了什么。
两位主播找到了4位很有代表性的用户，这一期没有技术的角度，几位女生聊得非常欢快。希望这期看似闲聊的七嘴八舌的对话，节目最后，两位主持从投资人和产品经理的视角分享的心得，可以对你有所启发！
嘉宾介绍：
Xixi，已工作，爱写文，写了一万多字的人设，只为了塑造出自己心里的那个角色 虾虾，亚文化爱好者，在互联网大厂任职 道道，Glow爱好者，大学刚毕业，会捏崽，会出素材，小红书ID 魔鬼道（我爱小裴版） 小余，Glow，C AI 爱好者，大学在校生，小红书ID 小余请多加芋圆 播客《鹿鹿鱼鱼》串台主持：Vanessa - 女，前TikTok PM，现在在孵化一个AI产品，一直在泛娱乐和创作者经济的领域里工作。工作外喜欢好看和有生命力的东西。 OnBoard! 主持 Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学我们都聊了什么
02:44 缘起：toB 投资人和产品经理为什么开始关注 AI 陪伴产品，为什么定义这个产品有些困难 11:00 小科普：AI陪伴产品如何兴起，从 Character AI 到 Glow 的产品简史与现状无比欢快的用户访谈
16:25 几位用户的背景介绍，如何与 AI 陪伴产品相遇，Glow 是玩得最多的吗？ 20:50 什么是乙女游戏？AI 陪伴和乙女游戏满足的是同样的需求吗？ 28:37 用户是如何与 AI互动的？为什么会同时跟几个 AI 伴侣聊天？ 31:14 “捏崽”是个怎样的过程？捏一个伴侣需要创造一个平行宇宙？ 42:55 我们什么时候需要 AI 陪聊？跟 AI 聊天取代了跟真人聊天的需求吗？ 47:34 什么是“脱皮”？技术和产品人在意的东西其实没有那么重要？ 49:15 另一种 AI 陪伴用途：追星，同人，为什么辅助写作功能那么重要 52:38 为 AI 男友写了一万字的背景，最爽的是什么时刻？ 57:28 底层模型能力会如何影响使用体验？用户会把自己的“崽”分享出去吗？ 63:44 跟纸片人谈恋爱，下一步是什么？男性女性用户的需求有什么不同？ 70:30 我们需要对 AI 伴侣专情吗？影响能否长聊的是技术还是产品？ 79:59 QQ里面的”AI养崽群“都在做什么？筑梦岛、豆包、QQ群，哪里最受欢迎？ 86:20 用户们会跟身边的人谈论自己用的AI陪伴产品吗？真正有需求的人群在哪里？ 98:20 这些产品中你最喜欢的功能是什么？还希望有什么新功能？两位主持的聊后点评
113:57 我们从这次访谈中学到什么？解答了哪些疑惑？ 120:13 未被解答的疑惑：擦边球问题，付费意愿 122:10 投资人的思考：为什么这个赛道很难投？最核心的疑虑是什么？ 127:24 产品经理的思考：AI 产品对产品经理有什么挑战？参考内容和提到的公司
beta.character.ai replika.com caryn.ai 筑梦岛（by 阅文） Glow，星野 (by Minimax) a16z.com mp.weixin.qq.com www.forbes.com mp.weixin.qq.com nypost.com www.reddit.com欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy) - Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人 | 即刻：莫妮卡同学
欢迎在评论区留下你的思考，与听友们互动。喜欢 OnBoard! 的话，也可以点击打赏，请我们喝一杯咖啡！如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。
-
OnBoard! 终于成立听友群啦！新年新气象，加入Onboard! 听友群，结识到高质量的听友们，我们还会组织线下主题聚会，开放实时旁听播客录制，嘉宾互动等新的尝试。添加小助手微信，Nine_tunes, 发送你的姓名、公司和职位，就可以获得进群链接。期待你来！
OpenAI 在2024年2月16日发布了文生视频模型 Sora，震惊业界。仅仅根据提示词，就可以生成60秒的视频，连贯、高清，有丰富运镜，甚至符合大部分物理规律。这是 OnBoard! 对 OpenAI 开年震撼更新的文生视频模型 Sora 深度解读的第二部分。精彩继续！
Hello World, who is OnBoard!?
在第一部分的技术讨论，我们邀请了两位硅谷顶尖AI研究员：Google Deepmind 文生视频大模型 VideoPoet 第一作者 Lijun Yu ,以及爱丁堡大学博士，大语言模型专家 Yao Fu，给大家从技术角度解读了 Sora 的技术创新，看似暴力美学的 scaling law 背后的技巧，还有未来LLM与视频生成模型进一步融合的可能。相当烧脑也相当精彩。
本期第二部分，稍微轻松一些，我们换一个投资和创业的视角。邀请到真格基金管理合伙人，也是AI领域研究非常深度的投资人戴雨森。还有真格基金EIR，曾经的AI创业者，Peak。从身处一线的投资人和创业者的视角，聊聊他们眼里Sora 的意义：
Sora 是不是所谓的GPT时刻？
Sora的突破对于创业公司和现有的视频领域公司意味着什么？
更多的AI应用公司会变成“套壳”公司吗？
我们还延展讨论了对最近AI应用创业与投资的观察。
如果你对AI创业感兴趣，那么这一期一定不要错过。
别忘了，添加小助手 Nie_tunes，加入我们的听众群哈，Enjoy!
嘉宾介绍
戴雨森, 真格基金合伙人，清华大学工业工程系2004级校友，曾在斯坦福大学管理科学与工程系就读。22岁时参与创办了知名互联网上市公司聚美优品，主管互联网产品、运营、市场投放、品类等。加入真格基金之后，主要关注人工智能方向投资。
季逸超 Peak, 真格基金EIR，猛犸浏览器、Magi 知识引擎创始人。
OnBoard! 主持：Monica，美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学
我们都聊了什么
[02:58] 两位嘉宾的自我介绍，Sora 的demo 中，印象最深刻为什么是狗跳过窗台和 Minecraft?
[09:21] 看了这么多 Sora 资料, 最希望了解的核心问题是什么？
[16:19] 行业内对Sora 的出现，有什么低估和高估的地方？真的实现了世界模型吗？
[22:40] 我们会看到很多公司开始追赶 Sora 吗？追赶需要什么代价，真正的挑战是什么？
[26:21] 与移动互联网时代相比，现在要做做颠覆的产品有什么不一样？为什么我们需要基建泡沫？
[31:31] 为什么说我们低估了数据和 scaling law 的难度？
[34:25] 为什么Peak 更看好 VideoPoet 为代表的 AutoRegression 路线？Sora 技术路线可能有什么局限？
[38:52] Sora 是视频生成的 GPT 时刻吗？
[44:45] Sora 的出现，对于做视频生成的创业公司意味着什么？如何避免成为“套壳”公司？
[49:00] 怎样的工具公司是可以产生高价值的？为什么看好而不是看空 Adobe？
[55:45] 给视频生成的创业者的建议：从技术和体验两个角度思考创新
[60:41] 如何理解AI应用“赚快钱”的现象？这是个短期趋势吗？
[64:07] 未来展望：Sora 之后，AI行业会有哪些变化？终极世界模拟器到来意味着什么？
我们提到的内容
OpenAI Sora Google Deepmind 论文 VideoPoet: A large language model for zero-shot video generation (by Lijun Yu) Pika Runway Adobe Midjourney Autoregression model欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
欢迎在评论区留下你的思考，与听友们互动。喜欢 OnBoard! 的话，也可以点击打赏，请我们喝一杯咖啡！
如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。
最后！快来加入Onboard！听友群，结识到高质量的听友们，我们还会组织线下主题聚会，开放实时旁听播客录制，嘉宾互动等新的尝试。添加小助手微信，Nine_tunes, 发送你的姓名、公司和职位，就可以获得进群链接。期待你来！
-
OnBoard! 终于成立听友群啦！新年新气象，加入Onboard听友群，结识到高质量的听友们，我们还会组织线下主题聚会，开放实时旁听播客录制，嘉宾互动等新的尝试。添加小助手微信，Nine_tunes, 发送你的姓名、公司和职位，就可以获得进群链接。期待你来！
这是Onboard 2024年姗姗来迟的第一期更新，给大家拜个晚年！这次我们讨论的话题，就是这周AI领域最让人激动的一个重磅炸弹：OpenAI 发布了文生视频模型 Sora！仅仅根据提示词，就可以生成60秒的视频，连贯、高清，有丰富运镜，甚至符合大部分物理规律。未来真是比我们想象的还要更快到来。Sora是不是文生视频领域的GPT时刻？Sora 的真正创新是什么？scaling law 的暴力美学背后，还有哪些容易被忽略的技术细节？Sora 对于产生我们期望的世界模型意味着什么？
Hello World, who is OnBoard!?
如此重要的话题，我们当然要邀请来真正训练过视频大模型的专家和一线从业者，才能探究到本质。这次的深度解读，两个视角，长达三个小时，我们分成两个部分放送。今天的第一部分，专注技术解读。重磅嘉宾 Lijun Yu 是 VideoPoet 第一作者。VideoPoet 是另一个革命性的视频生成大模型， 由 Google Deepmind 2023年12月发布，8B参数量的模型产生的视频效果也震惊了世界。Lijun 绝对是transformer 和 diffusion 模型应用于视频生成领域最有发言权的研究员之一了。 另一位嘉宾是爱丁堡大学phd的 Yao Fu，他在LLM，尤其是 scaling law 领域的深度研究，跟专注做视频生成的 Lijun 的视角，形成非常有意思的补充和碰撞。
即将放送的第二部分，我们邀请到真格基金管理合伙人，也是AI领域研究非常深度的投资人戴雨森，还有真格基金EIR，曾经的AI创业者，Peak。从投资人和创业者的视角，聊聊他们眼里Sora 对于创业公司意味着什么。
本期嘉宾们都是在美国工作生活，难免夹杂很多英文技术术语。show notes 中会有注释，虽然烧脑但是绝对值得，不接受抱怨。
嗯别忘了，添加小助手，Nine_tunes, 加入我们的听众群哈，等你来！
嘉宾介绍
Lijun Yu（推特 @@LijunYu0), 卡内基梅隆大学人工智能领域的博士生。北京大学本科。CMU 导师是 Alexander Hauptmann 博士，聚焦于多媒体的研究。曾在 Google Deepmind 工作。
Yao Fu（推特 @@Francis_YAO_）, 爱丁堡大学博士生，北京大学本科哥伦比亚大学硕士。研究方向是人类语言的大规模生成模型，包括数据工程，复杂推理长上下文，以及模型背后的科学原理。开源社区 LLaMafia 创建人。
OnBoard! 主持：Monica, 美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学
我们都聊了什么
[03:21] 嘉宾自我介绍，如何进入视频生成领域，快评：Sora 的 demo 中，哪一个让你印象最深刻？为什么？
[10:52] VideoPoet 作者解读 Sora: 核心组成部分，重要创新，与以往 trasnformer + diffusion 工作的异同
[14:52] 为什么最让人意料之外的视频长度和高分辨率？与LLM中处理 long context 的方式有什么相通之处？
[18:35] 为什么模型中的 compression（压缩算法） 这么重要？Sora 在压缩上的创新是什么？
[24:05] 视频生成模型中的 transformer 架构，与多模态LLM中的架构有什么异同？
[27:10] 如何理解Sora 展现出的涌现能力？为什么说 Sora 在理解能力上会有局限性？
[29:39] 为什么说将 Sora 与 GPT 这样的LLM结合起来会是大趋势？难点和可能诞生的机会是什么？
[35:01] Sora 真的具备了理解世界的能力吗？从视频生成和 LLM 角度，如何理解世界模型？
[49:19] 如何估算 Sora 的大小和可能需要的计算量？这种模型形态未来还有什么增长空间？有什么局限？
[71:53] 现有 Diffusion 架构为主的视频生成公司改成 Sora 架构会有什么难点？
[74:16] 训练数据：VideoPoet 有哪些经验？Sora 可能有哪些创新？合成数据的价值和局限？
[88:55] 快问快答（虽然也没有很快！）Sora 改变了你什么观点？大家对 Sora 有什么常见的误解、高估和低估？如何看待 Bill Peebles 论文被拒但是成为 Sora 带头人？2024年最期待发生什么？
我们提到的论文
VideoPoet: A large language model for zero-shot video generation, by Lijun Yu Scalable Diffusion Models with Transformer, by William Peebles, Saining Xie WALT: Photorealistic Video Generation with Diffusion Models, by Lijun Yu World Model on Million-Length Video And Language With RingAttention Patch n' Pack: NaViT, a Vision Transformer for any Aspect Ratio and Resolution ViViT: A Video Vision Transformer欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！M小姐研习录 (ID: MissMStudy)
大家的点赞、评论、转发是对我们最好的鼓励！
如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。感恩！
-
今年 OnBoard! 最后一期压轴上新！今年要谈论人工智能，怎么能错过这么一个重要的话题：机器人与AI的结合，或者说，Embodied intelligence, 具身智能。大模型的思路是否能带来机器人的ChatGPT时刻？机器人要具备泛化能力，有哪些进展又有哪些瓶颈？通过机器人让人工智能具备与环境感知和交互的能力，会为通用人工智能AGI带来哪些新的想象空间？
Hello World, who is OnBoard!?
今年下半年以来，尤其在国内，已经有不下十几家具身智能创业公司涌现。这一轮热潮中，从学术到工业落地，如何分别噪音与真实？以前将AI应用于机器人的尝试，比起这次的技术突破，又有哪些相同与不同？这次的嘉宾阵容，真是太适合回答这些问题了：
我们邀请了 Google DeepMind 的研究员Fei Xia，Deepmind 跟具身智能相关的最重磅的几个研究，从SayCan, PaLM-E，到 RT2，他都是核心参与者。
还有来自国内头部机器人创业公司高仙机器人的深度学习总监 Jiaxin, 带来产业界的视角。
以及 UCSD 的研究员 Fanbo Xiang，他参与的 Maniskill，SAPIEN 等与模拟环境相关的研究，都在学术前沿。
我们对AI泛化能力在机器人领域的落地进行了深入的讨论，也有不同观点的碰撞，精彩纷呈。其实这一期的录制已经过去了几个月，阴差阳错成了今年的压轴，也算是对于OnBoard 全年的一个圆满句号，又是整个OnBoard 旅程小小的逗号。新的一年，不论世界如何起落，我们都选择相信未来有希望，珍惜每一次对话，赞美每一个在未知中选择的勇士。Enjoy!
嘉宾介绍
Fei Xia, Google Deepmind 机器人团队资深研究员，PhD @Stanford University；PaLM-E, PaLM-SayCan, RT-2 作者 Jiaxin Li, 高仙机器人深度学习总监，ex字节跳动研究员，PhD @National University of Singapore Fanbo Xiang, PhD @UC San Diego；ManiSkill, SAPIEN 作者 OnBoard! 主持：Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学我们都聊了什么
02:47 几位嘉宾的自我介绍，主要的研究领域
05:34 大家最近看到的与具身智能相关的有意思的研究和行业进展
14:23 自动驾驶领域的生成模型，如何保证符合物理规律？
18:34 如何定义具身智能？什么是测试机器人AGI 的“咖啡测试” ？
27:59 梳理 Google Deepmind 机器人领域核心研究脉络：大模型对具身智能带来怎样的影响？
40:29 Fanbo 在做的 low level 控制相关的研究，如何与大模型相结合？
45:39 具身智能的实现目前有哪些主要技术路径？我们什么时候可以达到共识？
50:40 从产业落地的角度，如何看待大模型对机器人领域的影响？有哪些现实的挑战？
67:37 什么时候需要机器人具备通用能力？我们需要端到端的具身智能吗？
72:47 对 Scaling law 的争议：在机器人领域能复现吗？如何平衡长期通用性研究和短期商业落地的需要？
90:41 在具身智能系统的设计中，如何考虑加入人机互动的因素？
96:29 硬件的发展会如何影响具身智能的发展？
101:18 未来3-5年，大家最期望看到具身智能领域实现怎样的突破？有怎样值得期待的未来？
重要论文和词汇
PaLM-E: An Embodied Multimodal Language Model SayCan: Do As I Can, Not As I Say: Grounding Language in Robotic Affordances RT-1: Robotics Transformer for Real-World Control at Scale RT-2: Vision-Language-Action Models ManiSkill: Learning-from-Demonstrations Benchmark for Generalizable Manipulation Skills ManiSkill2: A Unified Benchmark for Generalizable Manipulation Skills SAPIEN: A SimulAted Part-based Interactive ENvironment NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis VoxPoser: Composable 3D Value Maps for Robotic Manipulation with Language Models, by Feifei Li VLM: Task-agnostic Video-Language Model Pre-training for Video Understanding Scaling laws for neural language models, by OpenAI Vision Transformer (ViT) - An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale ALOHA: A Low-cost Open-source Hardware System for Bimanual Teleoperation, from Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware The Bitter Lesson, by Rich Sutton MIT PDDL (Planning Domain Definition Language) sim2real: simulation to reality我们提到的公司
Wayve.ai: reimagining self-driving with embodied AI 有鹿智能 LoCoBot: An Open Source Low Cost Robot 宇树科技欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
大家的点赞、评论、转发是对我们最好的鼓励！如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！
-
不追热点但求深度思考的OnBoard! 又来啦！转眼间 OpenAI 轰轰烈烈的开发者日 (OpenAI DevDay) 已经过去一个多月了。这一个月也发生了太多事情。但是除却各种大瓜和八卦，DevDay 实打实是行业里相当重要的标志性事件。这次的涉及的，不仅是API大幅成本下降、API更新，还有GPT Store, Assistant API, 多模态等等重磅的上新。我们在devday 三周后，邀请了Monica 非常期待的四位嘉宾，在经历了这一段时间的消化和观察沉淀之后，一起聊聊他们不同角度的思考!
Hello World, who is OnBoard!?
这次的嘉宾，既有RPA头部公司来也科技的联合创始人兼CTO，也有真格基金EIR、经历两轮AI创业热潮的创业者视角，也有美团智能硬件负责人的软硬结合机会思考，还有来自 Google Deepmind 的研究员 Eric，从模型和技术的角度，解读 DevDay 中agent相关的更新。真的是非常精彩纷呈，又是一次接近两个小时火花飞溅的讨论。本期录制的时候，Google Gemini 还没有发布，但是回头来看，我们对多模态的讨论还是完全适用的！
Enjoy!
嘉宾介绍
Peak, 真格基金 EIR（入驻企业家），Magi 创始人 胡一川，来也科技联合创始人 & CTO Eric Li，Google Deepmind 高级研究员 孙杨，美团智能硬件LLM 负责人OnBoard! 主持：
Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学我们都聊了什么
01:34 嘉宾自我介绍，如何进入AI领域的，最近看到的有意思的AI产品 11:38 OpenAI Devday 的观感：有什么让你印象深刻的更新？与网上评论相比，有哪些被高估和低估了 12:38 Peak: 为什么说GPT store 被高估了，GPT Builder 其实很有借鉴意义 14:27 GPT store 跟一个 App store 的差距在哪里？OpenAI 未来会如何构建 app store? 19:32 胡一川：为什么说 GPT4 Turbo 被低估了？ 21:40 价格和 context window 为什么重要？技术角度要持续提升，有哪些难点？ 29:53 Eric: 为什么不成熟的 GPT store 是一个好的决策 33:27 孙杨：为什么说 GPT store 短期高估，长期被低估？为什么说Function call, JSON return 被低估了？ 39:01 DevDay 中与 Agent 相关的更新有什么亮点？对于创业公司有什么挑战，有什么机会？ 53:05 美团的LLM相关尝试，有哪些落地的场景？ 58:36 为什么不同的LLM作为 agent 的基座，效果会差别这么大？我们是否需要针对 agent 的基础模型？ 64:13 DevDay 的更新，对于创业公司有什么影响？哪些公司会受到比较大的影响？ 82:03 如何看待 Q* 的传闻？合成数据会对 LLM 生态产生怎样的影响？ 86:50 GPT-4v 为代表的多模态能力使用感受如何？有可能带来怎样的新机会？ 95:41 多模态能力的实现有怎样的技术路径？不同技术路径的核心差异和难点是什么？ 98:55 经历了“上一波”AI的创业者，对于这一次的AI创业热潮，看到哪些异同？给其他创业者怎样的建议？ 105:27 未来1-3年，最期待AI领域发生哪些变化？重点词汇
OpenAI Devday GPT Store Assistant API Context length LUI: Linguistic User Interface我们提到的公司
AI Pin by Humane Langchain: Build context-aware, reasoning applications with LangChain’s flexible abstractions and AI-first toolkit. Fixie AI: The fastest way to build conversational AI agents Imbue: build AI systems that can reason Character AI: bringing to life the science-fiction dream of open-ended conversations and collaborations with computers.参考文章
devday.openai.com openai.com openai.com Peak 提到的论文：Retrieval meets Long Context Large Language Models Fixie: www.fixie.ai Imbue 的融资：imbue.com欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
大家的点赞、评论、转发是对我们最好的鼓励！如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容！
-
转眼就到了12月，回顾今年Onboard 的主题词，真的非AI和大模型莫属了。借着本周技术博客月和上周 ChatGPT发布一周年的契机，我们决定邀请横跨中美的一级和二级市场投资人，做一个AI的年度回顾，投资思考和未来展望。
本期播客是参与 #2023技术播客节 共创共建的一期内容。12月4日至8日，每天围绕一个主题，带来8～11期的内容，更多详情也可关注官网 podfest.tech，或者微信公众号、即刻、X搜索「2023技术播客节」，欢迎大家多多关注，一键多连！
Hello world, who is OnBoard!?
在AI日新月异发展的几个月，两位主播也有机会在美国待了一段时间，身临其境地感受了硅谷创新腹地的氛围。这次的两位嘉宾，都在中美两地穿梭，视角又各有不同。一位是在对冲基金深度跟踪美股市场的 Stella Huang，另一位是之前 Monica 以过的前 Opendoor 数据科学负责人杜磊，这次以硅谷早期VC的身份返场。
我们从红杉资本提出的 生成式AI 下半场 (Second Act) 的概念开始，回顾了这白驹过隙的一年印象深刻的事件，探讨了宏观市场和经济的影响，又深入聊了许多AI行业创业者和投资人最关心的问题：
什么是AI 产品的核心竞争力？
什么是 GPT 之上的 thick wrapper?
如何思考创业公司和现有巨头的竞争？
生成式AI会带来哪些B端和C端的创新机会？……
很多问题，我们也没有答案。但是将阶段性的思考分享出来，抛砖引玉。
如果你也对AI创业的话题感兴趣，欢迎在公众号后台联系两位主播，我们希望邀请到更多朋友，不同的视角，不同的探索，相同的未来憧憬。未来不是推演出来的，是前仆后继的创造者缔造出来的。
又是一次超长的闲聊，希望你 Enjoy!
嘉宾介绍
杜磊：曾在房地产科技上市公司Opendoor担任数据科学负责人，后来联创了DeFi初创公司Huma Finance。现在作为Sancus Ventures的合伙人，专注在AI和区块链基础设施，大数据，开源和企业软件等领域。
Stella: 现美元对冲基金科技行业投资人，前百度战略部门。
OnBoard! 主持
Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学
GN：前SaaS及科技投资人，Global SaaS 社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧
我们聊了什么
02:07 两位嘉宾自我介绍，今年最喜欢的AI产品（除了 ChatGPT!） 04:44 如何理解红杉报告中提出的“AI进入了 Act Two” 的判断？AI时代应该与移动互联网或者工业革命对比吗？ 19:39 AI 创业公司 Writer 如何用“重”的产品构造GPT之上的壁垒，超越Jasper? 26:50 ChatGPT 发布一周年依赖，有哪些你觉得最有里程碑意义的事件？ 35:25 中美宏观经济环境如何影响一二级市场的投资？我们对未来资本环境有何预期？对创业者意味着什么？ 47:35 AI创造的价值，哪些是现有大公司的机会，哪些是创业公司的机会？ 67:13 什么是 AI 公司的护城河？真的是数据飞轮吗？ 79:25 GPT Wrapper 就没有价值吗？什么是“厚”的产品价值？一个新产品如何成为“事实标准”？ 92:07 ToC 产品出现 killer app 了吗？垂直领域的 ToB 产品落地速度，是否低于预期？ 102:56 Agent 实际落地情况如何？有哪些困难和初步进展？ 117:01 多模态：GPT-4v展现的多模态能力带来了什么惊喜？未来多模态能有什么场景？ 118:29 年末回顾，你对于AI的观点比起年初，经历了哪些变化？对明年有什么期待？提到的公司
Anyscale Sambanova Modular Chegg Harvey AI Jasper AI Writer Monterey AI Notion Twilio Confluent Snowflake Sakana Extend AI Induced AI参考文章
www.sequoiacap.com www.sequoiacap.com writer.com www.maginative.com a16z.com别忘了！同步关注两位 Host 的微信公众号，看更多干货内容哦：
Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 GN：前SaaS及科技投资人，Global SaaS社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧大家的点赞、评论、转发是对我们最好的鼓励！如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。感恩！
关于「2023 技术播客节」
缘起于2022仲夏时节技术播客之间的梦幻联动，我们感受到了社区共创共建的力量。今年我们再接再厉，集结了30+播客、5大出品人、25+社区，希望拉动更多技术生态的内容创作者，一起用声音来表达，建设自家技术影响力，推动更高粘性、更深互联、更持久共鸣的用户社区构建。
-
好久不见！OnBoard! 回来啦！这一期又是考验听力的全英文访谈。这次，我们跟亲历者聊聊，今年AI领域最受瞩目的一笔10亿美金的并购：Databricks 今年6月以13亿美金的“天价”，收购了当时成立2年的大语言模型（LMM）基础设施创业公司 MosaicML。
Hello World, who is OnBoard!?
可以说，这是今年最受关注的AI领域收购之一了，之后AI 基础设施领域的巨头和创业公司，都被这次收购推动，开始了融资和产品迭代的热潮。收购的时候，MosaicML 仅有60多人，但是已经推出了 MPT 7B, 30B 两个开源大语言模型，总下载量超过330万。也是最早一批推出开源LLM的公司之一。这次访谈，Monica 不仅邀请到了 MosaicML 联合创始人、CTO，Hanlin Tang, 还邀请到还有之前来OnBoard! 做过客的非常专业的硅谷成长期投资人， Sapphire Ventures 合伙人，Casber Wang，我们得以从创始人和投资人的视角，一起解读这个有里程碑意义的收购，以及对于生成式AI，AI infra 核心竞争力和未来格局等等话题进行非常有意思的探讨。
准备好你的英语听力，enjoy!
嘉宾介绍
Hanlin Tang (@hanlintang), 现Databricks Neural Networks CTO, 前 MosaicML co-founder & CTO, Intel AI Lab Senior Director, Nervana (2016.9 被Intel 4亿美金收购）创始团队成员
Casber Wang (@CasberW), Sapphire Ventures 合伙人，专注data, infra, 安全等领域，投资了Auth0, JumpCloud, StarTree 等。Sapphire Ventures 是一家资产管理总额超过110亿美金的全球风险投资基金。
Onboard！主持：Monica（推特：@Monica_XieY）：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学
我们都聊了什么
[01:57] 两位嘉宾自我介绍，Hanlin 最近感兴趣的AI产品，以及Casber 最近在AI领域的投资
[08:40] LLM 的到来对传统 MLOps 公司有什么影响
[14:13] MosaicML 介绍，2021年如何发现这个创业机会的
[17:28] ChatGPT 发布以来，MosaicML 经历了哪些重要的里程碑事件，行业有哪些重要变化
[21:41] MosaicML 早期客户是哪些公司？
[22:55] MosaicML 的几个重要产品决定：一开始为什么要做开源？
[26:43] 创业公司应该如何思考是否要开源？
[34:36] MosaicML 如何做开源商业化？商业化模式如何演进？
[37:17] 如何思考 LLM serving 和训练平台的产品竞争力和差异性？MosaicML 的平台如何在探索中演进？
[42:32] MosaicML 为何推出自己的开源LLM？
[45:39] 客户如何选择LLM？常见的问题是什么？有什么常见的误解？
[51:11] 开源和闭源LLM格局会如何演进？如何影响LLM周边的生态？我们能从云计算生态发展历史中学到什么
[58:39] 客户如何衡量LLM的performance? 客户需要的是怎样的服务？
[62:06] LLM 会如何改变SaaS 生态？为什么说我们低估了数据对新的平台的意义？
[70:52] 为什么说提高LLM 训练效率和成本没有 silver bullet? 做成本优化的公司如何设计商业模式？
[82:00] 企业如何思考是否要自己训练LLM？还是在已有模型上 fine tune?
[89:23] MosaicML 被 Databricks 收购之后会有哪些变化？下一个聚焦的点是什么？
[91:32] Casber 作为投资人，如何看待 Databricks 对 MosaicML 的收购？对未来行业有什么影响？
[95:44] Hanlin 创业以来对于行业的观点有过什么改变？过去和未来有什么值得关注的变化？
[108:52] 如果坐时光机到5年后，你最想问的问题是什么？
提到的公司
MosaicML Databricks Weights & Bias FlowGPT参考文字
www.mosaicml.com www.youtube.com www.latent.space blog.replit.com www.databricks.com www.latent.space欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
大家的点赞、评论、转发是对我们最好的鼓励！
如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！
-
OnBoard! 又一期与硅谷一线投资人的访谈来了！这一次邀请到的是Monica 的好朋友，也是硅谷最顶尖的风险投资基金之一，Andreessen Horowitz, 也就是大家常说的 a16z 的投资合伙人 Jennifer Li！Hello World, who is OnBoard!?Jennifer 是一位来自产业界的投资人，原来在独角兽创业公司 AppDynamics 担任PM的她，转型投资人之后，在a16z 的6年里一直专注企业软件、大数据、开源等领域。关注这个方向的创业者和从业者，或许很多人都读过 Jennifer 在a16z 网站上撰写的多篇非常深度的分析文章，包括开源商业化，Modern Data Archiecture 等等。她投资的公司包括大数据领域耳熟能详的 dbt, Motherduck, AI领域最火的公司之一 Elevenlabs 等等。Jennifer 是硅谷一线基金中为数不多的华人投资合伙人，难得有机会跟 Jennifer 聊一聊她视角，深入剖析她投资 DBT 的过程，对大数据和infra领域的研究，对当下市场和未来机会的思考。这次两个多小时的访谈，Jennifer 的分享超级无私有诚意，绝对值得二刷。嘉宾长期在北美工作生活，夹杂英文在所难免，不接受抱怨！Enjoy!
嘉宾介绍
Jennifer Li （推特：@JenniferHli）, 硅谷顶尖风险投资机构 Andreessen Horowitz (a16z) 投资合伙人，专注于 data infra, 开源，开发者工具，协作应用等。加入 a16z 之前，Jennifer 曾经是 AI 创业公司 Solvvy 和 被 Cisco $3.7Bn 收购的 AppDynamics 的产品经理。
Onboard！主持：
Monica（推特：@Monica_XieY）：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学
我们都聊了什么
01:45 Jennifer 进入风险投资的职业转型，为什么说a16z 是一家独特的风险投资机构 08:43 a16z 如何用庞大的运营机构为被投企业提供价值 11:41 Jennifer 复盘如何在A轮发现40亿美金的开源独角兽 dbt 19:17 dbt 是做什么的？dbt 崛起背后是怎样的大趋势？ 21:44 在早期如何识别一个切入点很小的开源工具的商业价值？ 27:59 dbt 如何实现产品线延伸？ 33:24 dbt 的开源商业化路径是怎样的？开源工具如何实现商业成功？ 42:27 a16z 如何思考 data infra 的投资逻辑，如何理解这个领域所经历的产业周期？ 46:25 现在创立一家 data infra 公司还有机会吗？未来几年的看点在哪里？ 52:50 投资 dbt 时候遇到什么挑战和质疑？ 56:09 不同阶段的创业公司，尤其在早期，如何判断投资价值？投资人有哪些常问的问题？ 62:16 投资人对于不同阶段的创始人，重点在观察什么？ 66:42 近年剧烈变化的资本市场，对于早期 data infra 公司的估值有什么影响？早期投资人的估值判断依据有什么？ 74:41 infra 公司的商业化路径应该如何规划？ARR 真的那么重要吗？ 79:02 infra 领域最近有什么被高估和被低估的方向？ 84:28 这一次的AI浪潮跟“上一波”有什么核心差异？Jennifer 关注的AI投资主题是什么？ 93:03 AI 时代的应用价值是什么？AI 应用是否需要做自己的模型？ 101:47 Jennifer 在AI领域主要关注哪些重要的趋势？ 109:10 如何看待热潮中的AI公司早期增长可能存在的噪音？ 114:49 我们还需要一个新的大语言模型公司吗？ 117:25 早期公司如何找到共创客户（design partner）？什么是好的共创客户？ 120:00 快问快答！我们提到的内容
dbt: dbt™ is a SQL-first transformation workflow that lets teams quickly and collaboratively deploy analytics code following software engineering best practices like modularity, portability, CI/CD, and documentation. Now anyone on the data team can safely contribute to production-grade data pipelines. Coalese: dbt 的年度大会 Fivetran: Fivetran is the trusted platform that extracts loads and transforms the world's data. Snowflake Motherduck Retool OpenAI Anthropic Jasper AI Martin Casado Ben Horowitz Jennifer 推荐的书：The Mom Test: How to talk to customers & learn if your business is a good idea when everyone is lying to you, by Rob Fitzpatrick Jennifer 推荐的书：Tomorrow, and Tomorrow, and Tomorrow: A novel, by Gabrielle Zevin词汇注释
ELT (Extract, Load, Transform): 一种数据集成过程，其中原始数据被提取，加载到数据存储系统中，然后在存储中进行转换。 ETL (Extract, Transform, Load): 一种新的数据集成过程，其中原始数据被提取，转换为结构化格式，然后加载到数据存储系统中 Data transformation: : 数据转换是将数据从一种格式或结构转换为另一种的过程，通常是为了使其更适合分析或适应特定的数据库或应用程序 Data pipeline: 数据管道是一组将数据从一个系统移动并处理到另一个系统的过程，通常涉及ETL等阶段。 Analytics engineering: applies software engineering best practices to analytics code Low hanging fruit: 最容易解决的任务或问题 Traction: 初创公司或新产品在获得市场接受、客户或达到某些里程碑方面的可衡量的进展 Product Market Fit (PMF): 当一个产品满足真正的市场需求并满足强烈的市场需求时，表明该产品已经找到了目标受众并满足了他们的需求 Pave the way forward: 为未来的进展或发展创造一条路径或奠定基础，使后续的行动或创新变得更容易参考文章
Emerging Architectures for Modern Data Infrastructure: 2020 | Andreessen Horowitz Emerging Architectures for Modern Data Infrastructure | Andreessen Horowitz Open Source: From Community to Commercialization | Andreessen Horowitz a16z 为何投资 dbt a16z 为何投资 motherduck A Framework for Finding A Design Partner | Andreessen Horowitz Bottom Up Pricing & Packaging: Let the User Journey Be Your Guide | Andreessen Horowitz欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
如果你能在Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！
-
这次对AI的探讨，我们回归到与创业公司创始人的深度访谈。我们请来了一位在 AI 热潮中高速发展，产品也得到国内不少用户认可的初创公司创始人，美国新一代生产力工具 Gamma 的联合创始人兼 CEO Grant Lee。
Hello World, who is OnBoard!?
Gamma 最开始定位像 Notion 一样用模块或卡片方式帮助人们更高效创建 PPT。在今年集成 AI 功能后，产品现在可以让用户直接以对话或上传源文档等方式，任意撰写和开发创意，成为能更高效展示创意的视觉内容生成工具。
公司成立于 2020 年，总部位于旧金山湾区。团队于 2021 年 8 月推出了 beta 版，并于去年底正式发布，如今已拥有数百万用户。Gamma 于 2021 年完成了 Accel 领投的 700 万美金天使轮融资后，在今年又获得了 A 轮融资。
Grant Lee 作为 SaaS 领域的连续创业者，我们和他从公司及产品诞生，聊到 AI 对用户创意和使用上的巨大改变，最后作为两个孩子的父亲，他也谈到 AI 对下一代在生活和工作的影响，都给我们带来很多启发。
还未体验产品的朋友，赶快点击：https://gamma.app/，尝试一下吧！
播客逐字稿同步上线，搭配收听效果更佳：OnBoard!独家｜对话Gamma创始人：拆解产品-1到0方法论与定价策略；AI如何重塑Gamma，解锁潜在需求与创造力！
Enjoy！
嘉宾介绍
Grant Lee, Gamma 联合创始人兼CEO，曾在两家 SaaS 公司 ClearBrain（被上市公司Amplitude收购） 和 Optimizely 担任高管，毕业于斯坦福大学本科及研究生。 OnBoard! 主持：Monica：美元VC投资人，前 AWS 硅谷团队+ AI 创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 OnBoard! 主持：GN：前SaaS及科技投资人，Global SaaS 社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧我们都聊了什么
00:01:24 Gamma是什么以及Grant为何会创立Gamma？ 00:02:51 Grant个人过往经历及一个自己的有趣故事。 00:03:58 Grant连续SaaS创业的经历对创立Gamma的帮助。 00:05:49 Gamma现在到什么阶段以及经历了哪些里程碑？ 00:08:59 如何看待“视觉传递”产品的历史以及Gamma诞生的机会？ 00:12:17 在早期，如何验证产品概念和需求是足够普遍的？ 00:14:33 刚开始有哪些用户反馈是意料之外的以及对早期设计的影响？ 00:16:54 早期拓展用户采取了哪些市场拓展策略（GTM）？ 00:19:38 早期如何准确设计并传递产品价值（Product message）？ 00:22:11 跟早期相比，现在Gamma在价值定位上做了哪些调整？ 00:24:27 Gamma是如何验证Product-Market-Fit（PMF) 的？ 00:27:13 如何看待收费以及Grant背后的思考。 00:29:28 在进行付费调研时有哪些有意思的发现？ 00:33:55 Grant看来在收费策略里创始人最容易犯的错误。 00:35:32 Gamma产品是如何结合AI的以及背后是怎样的思考？ 00:39:32 在设计AI功能的过程中遇到了哪些挑战？ 00:42:16 用户画像在这个过程中经历了哪些变化？ 00:44:32 在集成AI的时候技术选择上经历了哪些思考？ 00:48:06 为什么做一款好的AI产品远比做炫酷Demo难多了？ 00:50:17 产品迭代中如何协调基本功能和AI的优先级？ 00:52:23 未来我们真的还需要PowerPoint吗？ 00:54:23 AI会进一步解构Office这样的一站式生产力套件吗？ 00:56:45 为什么Grant认为现在最大的竞争对手是“用户行为”的迁移？ 00:58:22 还有哪些技术趋势或用户行为变化是Grant最关注的？ 01:00:39 在全球化上Grant有哪些有意思的发现和规划？ 01:03:48 在AI的影响下，不同地区的用户行为有什么变化吗？ 01:06:48 同时Gamma是如何引导用户接受并开始使用AI的？ 01:08:26 近期Gamma在功能上将有哪些重要迭代以及未来还有哪些突破？ 01:11:52 在社区建设上Gamma有哪些最佳实践？ 01:13:41 最后，Grant如何对待现在来自企业级客户的需求？ 01:15:27 快问快答！精彩的书籍推荐以及作为孩子父亲，如何看待AI对下一代的影响？我们提到的公司
Notion：一站式办公协作平台 Canva：图像创作工具 Beautiful：演示文稿工具 Pitch：演示文稿工具 Optimizely：数字营销体验管理平台 Salesforce：营销CRM Airtable：表格管理工具嘉宾推荐的书
Shoe Dog All the Light We Cannot See别忘了！同步关注两位 Host 的微信公众号，看更多干货内容哦：
Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学
GN：前SaaS及科技投资人，Global SaaS社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧
大家的点赞、评论、转发是对我们最好的鼓励！
如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。感恩！
-
近3小时的硅谷AI重磅嘉宾现场对谈，下集光速奉上！如果你还没有听过上一期，赶紧去补课！
Hello World, who is OnBoard!?
简单介绍一下这次Monica 期待已久的嘉宾组合！ 两位都在OpenAI工作过的技术大牛，包括Nvidia资深研究员 Jim Fan, 除了对生成式agents 和机器人的具身智能有深度研究外，他的Twitter 连 Jeff bezos 都关注，是AI领域全球范围内的顶级大V。另一位嘉宾戴涵俊，Google Deepmind 的资深研究员，也是 Google 新一代大语言模型的深度参与者。最后，兼任主持和嘉宾的硅谷上市公司华人高管，硅谷徐老师, 每次来 Onboard! 串台都大受好评。
这是三个小时播客的第二部分。上一期的内容，我们深度讨论了最近AI领域最火的话题，Generative Agents, 生成式代理。这一期更是精彩纷呈，包含了AI领域更多核心话题，包括多模态大模型的研究进展，具备具身智能 embodied AI 的机器人如何打造，AI对saas的影响，我们对未来AI的商业和社会畅想等等。真的是非常尽兴的讨论，你也可以拿起笔记本做笔记了。
几位嘉宾都是长期在美国工作生活，夹杂英文在所难免，不接受抱怨。Enjoy!
嘉宾介绍
Jim Fan（推特：@DrJimFan），Nvidia 高级 AI 研究科学家，曾在OpenAI工作，Stanford PhD 李飞飞实验室 戴涵俊（推特：@hanjundai），Google Deepmind 资深研究员，深度参与 Google 大语言模型项目，曾在OpenAI工作，Georgia Tech PhD 硅谷徐老师（推特：@h0wie_xu），硅谷连续创业者、人工智能高管、斯坦福商学院客座讲师，「科技早知道」主播 ｜微信公众号：硅谷云｜ AI博客：howiexu.substack.com 主持：Monica（推特：@Monica_Yxie）：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学我们都聊了什么
01:55 为什么 Jim 觉得 Llama 2 作为语言模型，对于多模态模型和机器人有重大推动 05:24 Hanjun 解读多模态大模型的两种实现方式 07:47 多模态大模型只是解锁了新的场景，还是能更大提升大模型本身的智能？如何理解大模型的智能？ 12:34 为什么说机器人的多模态问题更有挑战？ 16:35 处理多模态训练数据有哪些难点？ 18:12 大模型训练还需要哪些工具？Infra/tooling 有哪些机会？ 19:51 亲历OpenAI 的经历回顾和感受：2016-2020，OpenAI 都发生了什么 25:11 OpenAI 近年的发展，哪个时刻震撼了你？ 34:20 为什么说 Evaluation 是大语言模型最被低估的挑战之一？ 39:54 未来1年和未来10年，你最期待人工智能领域带来什么？ 46:17 我们自己和下一代应该如何为未来做准备？ 59:33 有趣的 closing 和未来展望：被 Jeff Bezos 关注是什么感觉？！我们提到的内容
Llama 2: Meta 开源的大语言模型 Jim Fan 对于Llama 2 的解读 OpenAI 赢得DOTA 游戏比赛 LSTM (Long Short-term Memory) Jim Fan 对大猩猩玩Minecraft 的解读 DALL-E 2: DALL·E 2 is an AI system that can create realistic images and art from a description in natural language (by OpenAI) CLIP: Connecting text and image ImageNET: an image dataset organized according to the WordNet hierarchy. AlexNET: ImageNet Classification with Deep Convolutional Neural Networks重点词汇
RLHF (Reinforcement Learning with Human Feedback): 人类反馈的强化学习 - 一种AI模型通过人类反馈与传统的强化学习结合来学习的方法。 Fine tuning: 微调 - 在特定的数据集上进一步训练预训练的机器学习模型，使其适应特定任务的过程。 Hallucination: 幻觉 - 在AI中，指的是模型生成不在输入中的信息，可能导致输出不准确。 Multi-modal model: 多模态模型 - 能够理解和处理多种类型数据（如文本、图像和声音）的模型。 Auto regressive model: 自回归模型 - 一种统计模型，它使用一个变量的过去值来预测其未来值。 Diffusion model: 扩散模型 - 用于描述信息、疾病或创新等东西如何在群体中传播的模型。 Tokenize: 分词 - 将文本分解成更小的部分（如单词或子词）的过程，通常在文本处理或自然语言处理中使用。 Intuitive physics: 直观物理 - 人类对物理现象的直观理解，例如物体如何移动或互相碰撞。 Embodied AI: 具体化的人工智能 - 通过物理或虚拟的身体与环境互动的AI系统，例如机器人或虚拟代理。 CVPR (Computer Vision and Pattern Recognition): 计算机视觉和模式识别 - 专门研究计算机如何“看”并从图像或视频中理解内容的领域。 Walkaround: 绕行 - 解决问题或障碍的方法欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
大家的点赞、评论、转发是对我们最好的鼓励！
如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！
有任何心得和建议，也欢迎在评论区跟我们互动~
-
承诺大家的大波AI上新来啦！这次的嘉宾是Monica一直期待的重磅组合，能听到AI领域如此一线的核心从业者的分享，真是太难得了。这次在硅谷创新腹地，毗邻 Stanford 的 Palo Alto 线下录制, 不知不觉就聊了近三个小时，我们分成上下期，方便大家收听！
Hello World, who is OnBoard!?
两位AI研究者都在OpenAI 工作过。Nvidia 资深研究员 Jim Fan，是Twitter 上AI领域的顶尖KOL，连亚马逊的创始人 Jeff Bezos 都在关注，几乎每一条twitter 分析都是必读文章。戴涵俊是Google Deepmind 的资深研究员，更是Google 新一代大语言模型的深度参与者。再次来串台的硅谷上市公司华人高管，硅谷徐老师, 持续高质量输出。上期的内容，我们围绕最近AI领域最火的话题，Generative Agents（生成式智能体）。两位AI研究员都对这个领域有最一线的研究和实践经验，我们深入探讨了从AutoGPT开始，Generative Agents 从技术到应用，都有哪些新的进展、技术和场景的挑战，由此延伸到开源与闭源大语言模型的竞争格局。
跟EP35 Monica 与另一位AI研究员符尧的访谈对比听听就发现，Generative Agents 这个前沿领域，显然还有很多尚未有共识的地方。下一期，我们会讨论更多AI领域核心话题，包括多模态模型，机器人应用落地，AI对saas的影响，LLM发展史，未来畅想等等，更是不容错过。赶紧关注Onboard!
几位嘉宾都是长期在美国工作生活，夹杂英文在所难免，不接受抱怨。Enjoy!
嘉宾介绍
Jim Fan（推特：@DrJimFan），Nvidia 高级 AI 研究科学家，曾在OpenAI工作，Stanford PhD 李飞飞实验室 戴涵俊（推特：@hanjundai），Google Deepmind 资深研究员，深度参与 Google 大语言模型项目，曾在OpenAI工作，Georgia Tech PhD 硅谷徐老师（推特：@h0wie_xu），硅谷连续创业者、人工智能高管、斯坦福商学院客座讲师，「科技早知道」主播 ｜微信公众号：硅谷云｜ AI博客：howiexu.substack.com 主持：Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学我们都聊了什么
02:50 几位嘉宾自我介绍，最近看到了什么有意思的AI项目 05:51 Hanjun @Google Deepmind: 最近发表的 speculative decoding 工作如何提升模型速度 09:14 Jim Fan @Nvidia: 为什么AI agents 是值得关注的方向，基于agents 有什么应用 12:42 什么是 AI agents? 好的 Agents 需要怎样的核心能力 16:54 企业场景落地 AI Agents 应用，主要有哪些挑战？ 25:18 AI Agents 目前落地的挑战，是由底层基础模型的能力决定的吗？ 35:56 如何看待目前 AI Agents 不同的实现方式？Adept AI 的形态会被取代吗？ 39:57 未来工具使用更多是 AI agents 来完成，对于应用生态意味着什么？ 48:18 Llama 2 开源对于LLM生态意味着什么？底层基础模型会赢家通吃吗？ 56:58 如何理解开源和闭源模型的壁垒？ 68:24 我们需要领域专有模型吗？我们提到的内容
Hanjun 提到的论文：Accelerating Large Language Model Decoding with Speculative Sampling Jim 的论文: Voyager: An Open-Ended Embodied Agent with Large Language Models Jim 提到的论文：Generative Agents: Interactive Simulacra of Human Behavior 开源项目 Auto-GPT: An experimental open-source attempt to make GPT-4 fully autonomous Llama 2: Meta 开源的大语言模型 Adept.ai: a new way to use computers. Transformer 论文作者创办 Character AI Jim 提到的基于大语言模型的游戏：病娇AI女友 MPT-7B (MosaicML Pretrained Transformer): MosaicML 发布的可商用开源大语言模型 Anthropic: Transformer 论文作者创立的大语言模型公司 Harvey：为律所设计的生成式AI工具 讨论 Google 等大厂LLM竞争壁垒的文章 ($$)：Google "We Have No Moat, And Neither Does OpenAI" Deepmind Gemini: Google Deepmind 正在研发的下一代大语言模型 RLHF (Reinforcement Learning with Human Feedback): 人类反馈的强化学习 - 一种AI模型通过人类反馈与传统的强化学习结合来学习的方法。 Fine tuning: 微调 - 在特定的数据集上进一步训练预训练的机器学习模型，使其适应特定任务的过程。 Hallucination: 幻觉 - 在AI中，指的是模型生成不在输入中的信息，可能导致输出不准确。 Multi-modal model: 多模态模型 - 能够理解和处理多种类型数据（如文本、图像和声音）的模型。 Embodied AI: 具体化的人工智能 - 通过物理或虚拟的身体与环境互动的AI系统，例如机器人或虚拟代理。 Quantization: 量化 - 限制用于表示数字的位数的过程，有助于减小机器学习模型的大小并加速计算。 Mixture-of-experts (MoE): 专家混合模型 - 一种机器学习方法，其中模型的不同部分专门处理不同类型的数据或任务。 Inference: 推断 - 已训练的AI模型基于所提供的数据预测结果的过程。 Reasoning: 推理能力 - AI系统根据信息或一组事实得出结论的能力。 NPC (Non-Player Character): 非玩家角色 RPA (Robotic Process Automation): 机器人流程自动化 First class citizen: 一等公民重点词汇欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！有任何心得和建议，也欢迎在评论区跟我们互动~
-
OnBoard! 一大波更新要来啦！Monica 最近一个月都在硅谷，之前怠慢了一段时间，很快就会补上啦。
这次的节目非常特别，是在ICML 2023 (International Conference on Machine Learning, 国际机器学习大会）的现场录制的。这次的嘉宾，爱丁堡大学博士生符尧，更是众望所归，相信最近关注大语言模型的朋友都不陌生。他的好几篇关于大语言模型能力研究的文章，几乎都是业内必读。
Hello World, who is OnBoard!?
正如符尧在一篇总结文章中所说：“ICML 2023，OpenAI, Anthropic, Google DeepMind, Meta，各大名校的 rising star PhD，顶级 hedge fund 与 VC ，most popular startups 悉数到场，这里是诸神之战的最前线。”
我们就在诸神之战的现场，回顾了ICML与各位大神现场交流的见闻，fuyao对于数据、RLHF等大模型核心研究领域的思考，还有对震动行业的、刚刚发布的LlaMA-2的看法。
这次在室外录制，嘉宾还在生病，不免有些杂音。但是我想这对于关注干货的听众来说，都不是问题。相信你也会受益匪浅。Enjoy!
*本期涉及比较多的术语，需要你对大模型（LLM）有基础的技术了解。
嘉宾介绍
符尧，爱丁堡大学的博士生，研究大语言模型的推理能力。符尧在北京大学完成了本科学位，在哥伦比亚大学完成了硕士学位，曾在MIT-IBM AI 实验室，Allen Institute for AI (AI2) 等担任实习研究员。他的工作主题包括了大语言模型演化，复杂推理，涌现能力，以及如何从第一性原理构造模型。他以《拆解追溯 GPT-3.5 各项能力的起源》为代表的文章系列详细阐述了语言模型的能力机制，在中文和全球互联网上都产生了重大的影响力。
我们都聊了什么
02:05 凡尔赛开场 & 嘉宾符尧的介绍
04:33 认识ICML，参加诸神之战的盛会是什么体验；付尧入选的论文如何探讨模型能力的遗忘
08:09 过去半年，对模型能力有什么新的理解
09:36 解决模型能力遗忘为什么重要，有什么挑战
13:49 模型能力遗忘对于垂直领域模型有什么影响
17:39 蒸馏 (Distillation) 技术为什么重要，现在研究和落地处在什么阶段
24:00 算力紧张，以后更多的创新研究都会发生在业界而不是学术界吗
26:39 ICML上看到了哪些有意思的研究 - paper 推荐！
30:41 最火的话题1：基于LLM的agents 构建有什么挑战和解法
37:36 现在的大语言模型能力可以支持怎样的Agent?
48:51 最火的话题2：解读 Llama 2，最让人印象深刻的变化是什么？
56:25 基于Llama 2,学术界可以有什么研究方向？
59:06 ICML 上亲历的大神交流
61:57 符尧还在关注哪些新的研究方向 & 我们对 Agent 集群的畅想
我们提到的内容
符尧的ICML论文：Specializing Smaller Language Models towards Multi-Step Reasoning T5: Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer Llama 2: Open Foundation and Fine-Tuned Chat Models Chatbot Arena: Benchmarking LLMs in the Wild with Elo Ratings The Flan Collection: Designing Data and Methods for Effective Instruction Tuning FlexGen: High-Throughput Generative Inference of Large Language Models with a Single GPU FLOWGEN: Fast and slow graph generation by Aman Madaan 符尧的Llama 2 讨论会 memo (7/18/2023) RL: Reinforcement learning, 强化学习 SFT: Supervised Fine Tuning, 监督微调 RLHF: Reinforcement Learning with Human Feedback, 人类反馈强化学习 Distillation: 蒸馏，基于大语言模型训练小模型的方法 Scaling law: A mathematical relationship where performance improves with increasing size, 规模定律 Alignment tax: Additional effort to align a model's behavior with human values, 对齐税参考文章
符尧的个人主页 ICML 2023 手记 - 诸神之战的最前线 符尧的博客 A Closer Look at Large Language Models Emergent Abilities, by Yao Fu How does GPT Obtain its Ability? Tracing Emergent Abilities of Language Models to their Sources, by Yao Fu Training language models to follow instructions with human feedback, by John Schulman Scaling Laws for Reward Model Overoptimization Emergent Abilities of Large Language Models, by Jason Wei Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, by Jason Wei别忘了，关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
大家的点赞、评论、转发是对我们最好的鼓励！如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！
有任何心得和建议，也欢迎在评论区跟我们互动~
-
好久不见，大家端午快乐！聊了这么多AI技术，是时候聊聊更实际的问题：AI产品如何在海外做增长？近年来，我们看到越来越多的中国软件创业公司，尤其是最近涌现的 AI 应用类公司，都会考虑以国际市场作为第一站。PLG，产品驱动增长，也是大多数海外AI产品采用的增长和商业化模式。技术在变，Go-To-Market 的很多经验，万变不离其宗，或许可以让大家在探索的路上少走一些弯路。
Hello World, who is OnBoard!?
今天这位嘉宾，就是Monica 一直想要邀请来的硅谷软件领域的实战派大牛，Hila Qu。Hila 原来在大名鼎鼎的开源上市公司 GitLab 担任 Head of growth, 增长负责人。Gitlab之前，Hila也在硅谷几个不同阶段的ToB, ToC公司，担任过核心增长职位。硅谷最一线的创新公司是怎么实践PLG的，Hila 大概是最有发言权的人之一了。Gitlab从开源产品到收入超过4亿美金的上市公司，更是PLG的典范。这次与Hila长达两个多小时的对话，全都是一线实战干货：
ToB, ToC 产品增长有什么不同？
怎样的公司和产品适合PLG？
PLG模式需要怎样的销售？
如何打造围绕产品的增长团队？
产品早期数据分析体系如何搭建……
真的可以拿出笔记本了。
Enjoy!
嘉宾介绍
Hila Qu（Twitter @HilaQu）, 前 Gitlab 增长总监，从0到1搭建增长体系。曾任硅谷Fintech 独角兽 Acorn 增长副总裁。现在，Hila 是硅谷顶尖产品与增长培训平台 Reforge 入驻企业家（EIR），也是独立企业增长顾问，服务企业包括 Nord Security, Replit StreamNative 等。
Hila 的 LinkedIn, 公众号：兜里有糖甜, MediumEmail: hui.qu.2009 艾特 gmail.com
我们都聊了什么
[01:57] Hila 的职业之路，从ToC 到ToB 公司做增长如何转型
[05:39] 正本清源，Hila 如何定义PLG？为什么说 PLG 不只是传统的 Growth hacking （增长黑客）？
[08:10] ToC 产品的增长与 SaaS 公司 PLG 有哪些核心差异？为什么说对于 SaaS 公司，获客只是“增长”的第一步？
[12:42] 怎样的产品适合采用 PLG ？
[16:19] 为什么 PLG 需要好的产品 onboarding 体验与销售两条腿走路？
[21:41] 公司的不同阶段，如何平衡大客户需求与 PLG 增长知之间的优先级？
[27:41] 给创始人的 PLG 101：怎样是一个完整的PLG 增长体系流程？
[33:53] 什么是产品体验的 Aha Moment？如何设计一个好的 Aha Moment? 有什么常见的误区？Gitlab 如何定义 golden user journey?
[43:40] 企业发展不同阶段，PLG 产品的数据体系如何搭建？
[48:30] 收费：什么时候开始收费？为什么说收费体系的建立是一个动态过程？
[57:48] SaaS 产品定价如何设计和跟踪？我们能从 Netflix 上学到什么？
[61:44] Gitlab 的实践分析：如何设计实验？从activation 到 retention, 如何确定用户流程中的北极星指标？
[68:47] 什么是获客中的 PQL (Product Qualified Leads)? 什么是好的 PQL？
[74:54] 什么是一个好的增长实验？早期数据不足的时候，如何设计实验？
[79:47] 如何从0到1搭建增长团队？Head of Growth 入职第一件事应该做什么？
[87:37] 搭建产品数据分析体系，有哪些常见的挑战和误区？
[90:02] 招聘，招聘！什么是适合 PLG 的增长和销售人才？应该具备哪些能力？
[96:55] AI 它又来了：如何识别产品早期的“噪音用户”？
[99:41] Hila 提供哪些 PLG 相关的咨询服务？如何与你的增长顾问有效沟通？
[104:07] 快问快答！Hila 推荐了一本童书？！
我们推荐的内容
Hila Qu 的公众号：兜里有糖甜 Hila 的书：《硅谷增长黑客实战笔记》 Hila 推荐的书：The Almanack of Naval Ravikant: A Guide to Wealth and Happiness Hila 推荐的书：Someday Hila Qu:【万字长文】SaaS增长新趋势：产品驱动增长PLG Hila 的英文文章：Five steps to starting your PLG motion Hila 的英文访谈: The ultimate guide to adding a PLG motion | Hila Qu (Reforge, GitLab) Lenny's Newsletter参考文章
草根SaaS产品：如何定价，打包，涨价？ 45张PPT了解《硅谷增长黑客实战笔记》 GitLab's Hila Qu on What B2B Companies Can Learn About Growth from B2C - OpenView Hila Qu (GitLab): B2B vs. B2C Growth How to Build A Growth Model (Part 1) How to Build A Growth Model (Part 2)别忘了，关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
大家的点赞、评论、转发是对我们最好的鼓励！
如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，打赏请我们喝杯咖啡，就给你比心！
有任何心得和建议，也欢迎在评论区跟我们互动~
-
新的一期 OnBoard! 的创始人深度访谈来啦！打造面向全球市场的 SaaS 公司，正在成为越来越多中国 SaaS 公司关注的话题。诞生于香港、壮大于深圳、服务于全球的 AfterShip，就是这里面不得不提的一个标杆。
Hello World, who is OnBoard!?
AfterShip 成立于 2012 年，是一家服务国际电商的 B2B SaaS 公司，从第一天成立起就面向国际市场，业务今已遍布北美、欧洲、亚洲等世界各地，团队成员来自全球不同国家的 20 多个城市。客户包括 eBay、Wish、Shopee 等国际电商平台，以及 Anker、Watsons、EcoFlow 等 17,000 多家品牌。2021 年，公司获 Tiger Global 领投 6,600 万美金的 B 轮融资，刷新电商 SaaS 赛道 B 轮融资记录。公司旗下有 AfterShip Tracking（物流查询）, Email（邮件营销）, Returns（退换货管理）, Shipping（多物流商发货）等产品矩阵，涵盖售前售后各个环节。
今年正是 AfterShip 成立的第 11 个年头，趁着创始人 Teddy 回国，我们来到 AfterShip 的深圳总部，在据说由设计过 Meta 总部的设计师一手打造的“海景空间”里，完成了现场录制。Teddy非常认真和细致地跟我们分享了这个漫长过程中的教训、收获和展望。
为什么要从中小客户开始做起？ 如何在一开始打造了一个20人14个国籍的团队？ 为什么早期开发人员都要自己学会做电商？ 为什么在看似发展顺利的时候选择融资？ 整合多产品线的过程中，有哪些产品和组织上的挑战？从产品和客户的全球化，到团队和组织的国际化，作为国内 Global SaaS 的先行者，Teddy 无数细节的坦诚分享，一定是你能听到的、少有的原汁原味的创业故事。
你会感受到 Teddy 非常细节控的风格，当然还有，Teddy 努力了很久还是港味浓浓的普通话~哈哈！
话不多说，大家Enjoy！
对了，播客可以打赏你知道嘛~！☕☕☕🥂
我们都聊了什么
03:37 Teddy个人成长经历介绍，以及创立AfterShip的故事。 06:52 为什么在创立公司前做电商卖家的时候，Teddy选择看似小众的“欧洲”市场？ 09:19 什么时候决定从解决自己痛点到真正做一家软件公司？ 12:39 为什么刚开始Teddy就决定把公司做成一个“可持续的生意”？ 18:00 刚开始做的时候遇到了哪些挑战？ 20:01 回过头看，AfterShip的十年经历了哪三个重要阶段？ 25:09 为什么在Teddy看来SaaS本质其实是在卖“服务”？ 28:27 如何通过产品向客户传递行业的“最佳实践”？ 34:23 AfterShip现在的团队规模以及如何维持人人都在“一线”的文化？ 39:10 从自己的需求出发，后面是如何找到产品的PMF？ 44:28 为什么“选对客户”是产品全球化在0到1过程中最重要的事情？ 47:47 什么时候开始服务中大型客户以及如何进行需求的取舍？ 51:17 回过头来看，为什么早期服务SMB是了解全球市场的最佳路径？ 53:56 逐步做中大型客户的时候对产品和组织产生了什么变化？ 56:12 为什么在主动触达大客户的过程中发现市场空间被打开了？ 60:34 为什么真正做全球市场的时候发现“时差”是第一个意想不到的问题？ 66:03 总结服务企业级客户的过程，还有哪些最佳实践以及可以改变的地方？ 71:00 做到现在，为什么Teddy依旧觉得电商SaaS市场仍然有很大空间？ 76:31 回想创业当年，哪些事情是刚开始需要想清楚，哪些可以“模糊正确”？ 79:28 为什么SaaS“出海”和全球化是不一样的概念？ 82:52 如何从Day 1就打造全球化的团队？招聘中有什么原则？ 94:27 为什么刚开始“不出名”反而能招到来自14个不同国家的人才？ 100:01 在全球化扩张的过程中，如何通过建立影响力吸引全球高级人才？ 103:36 为什么现在Teddy还会给每位入职员工分享自己的成长经历？ 106:25 回到运营策略上，产品如何在全球市场做冷启动？ 112:04 到主动推广阶段，有什么有效经验介绍产品和方案？ 118:02 为什么产品尽早开始收费是商业化中最重要的收获？ 122:25 如今在发展多产品矩阵的时候，做了哪些取舍和原则？ 130:44 如何判断需求是一个“功能”而非“产品”？ 134:15 在多产品品牌整合的过程中，为什么最大的挑战依旧回到团队和组织？ 140:37 在品牌效应被放大的时候，如何保持单个产品团队能力一直“在线”？ 145:55 在多产品矩阵下，如何同样简单清晰地向客户传递产品信息并且做好Onboarding？ 149:19 放眼AfterShip的未来，为什么Teddy最关心依然是公司本身和组织文化？ 154:14 过去一两年，对组织和公司做过最重要的决定是什么？ 158:00 如何看待AI以及内部有哪些讨论和展望？ 165:38 为什么Teddy会提出SaaS初创公司的融资标准，以及在当下标准应当更“严格”？ 171:49 快问快答！还聊到了Teddy的个人公众号SaaS 102 为什么不是101！嘉宾推荐的内容
《Rework：重来》 《富爸爸，穷爸爸》参考文章
Teddy的个人公众号：SaaS 102（ID: SaaS_102） 37signals - 这家上个世纪成立的 SaaS 公司给了我们哪些启示？ 十年经验总结：国际 SaaS 创业的 9 条建议 SaaS 102 | 为什么 SaaS 产品不应该害怕收费？ AfterShip 十周年演讲全文：创业是一场赢得信任，创造价值的修行 对话 AfterShip 陈龙生：很少公司因为一件事做十年而死 SaaS 资本寒冬？市场缺的不是钱，缺的是好产品最后，AfterShip正在高速发展，求贤若渴，感兴趣的朋友请戳：查看更多职位
别忘了！同步关注两位 Host 的微信公众号，看更多干货内容哦：
Monica：美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学 GN：前SaaS及科技投资人，Global SaaS社区 Linkloud 发起人，公众号我思锅我在 (ID: thinkxcloud) 主理人。| 即刻：High寧大家的点赞、评论、转发是对我们最好的鼓励！希望你分享给对这个话题感兴趣的朋友哦~
如果你用 Apple Podcasts 收听，也请给我们一个五星好评，这对我们非常重要。感恩！
-
今天又是一期关于AI的硬核讨论！这次依旧是 AI 领域的核心话题之一：GPT 是否能带领我们通向 AGI (Artificial General Intelligence, 通用人工智能）？如何评估和理解 AI 的能力？大模型范式下，我们如何定义智能？这些问题，至今没有标准的答案。大模型加上 HuggingGPT, AutoGPT 一系列 generative agents（生成式代理） 之后，给各个行业甚至整个社会带来什么改变？我们这期的嘉宾，来自中美学术界与产业界，绝对难得的一线视角。
Hello World, who is OnBoard!?
GPT 之后，我们关于AGI 的探讨又更近了一个阶段。但如果走向通用人工智能时代是一个大概率事件，那么实现通用人工智能的最佳路径只有 GPT 吗？还有哪些值得大家去探索的方向有待讨论，探索的方法论又从何而来？这是 OnBoard! 与科技早知道又一期合作节目，我和大家都非常喜欢的硅谷徐老师，与来自微软研究院两篇刷屏论文的作者，以及中国AI独角兽研发总监一起，深度探讨最值得你关心的几个AI领域核心命题。相信你听完这一期，会对人工智能的能与不能，希望与挑战，有不一样的认识。
长达3小时的谈话，即使知道短一些的版本会更容易传播，但是Monica 还让大家听到更多原汁原味的讨论，所以尽量保留了更多内容。相信这些干货，值得你的时间。Enjoy！
嘉宾介绍
硅谷徐老师，硅谷连续创业者、人工智能高管、斯坦福商学院客座讲师，「科技早知道」主播 ｜推特：@H0wieXu｜ 微信公众号：硅谷云｜ AI博客：howiexu.substack.com
谭旭，微软亚洲研究院 高级研究员，主要研究方向为生成式人工智能及其在语言/语音/音乐生成中的应用，《MSRA researcher, HuggingGPT》作者之一
张弋，微软亚洲研究院 高级研究员，主要研究方向为通用人工智能的物理、数学，《Microsoft researcher，Sparks of AGI》 论文作者之一
红博士，某 AI 公司研发总监，研究方向：计算机视觉、数据压缩、通用人工智能。公众号：红博士说
主持：
Monica，美元VC投资人，前 AWS 硅谷团队+AI创业公司打工人，公众号：M小姐研习录 (ID: MissMStudy) 主理人 | 即刻：莫妮卡同学
我们都聊了什么
[01:41] 嘉宾自我介绍，最近关注的AI研究（及Monica的隐藏小Update!）
[07:48] 第一视角解读微软刷屏论文：Sparks of Artificial General Intelligence: Early experiments with GPT-4
[13:25] GPT4 是 AGI 吗？
[18:42] 对于这篇AGI论文常见的误解：为什么这是比公开 GPT4更强的模型？
[21:48] 为什么GPT4 没有视觉训练数据，却能够理解图片？
[26:46] GPT4 达到高中生水平了吗？为什么能比 ChatGPT 提高这么多？
[31:26] 大模型的 Hallucination（幻觉）要如何解决？业界有哪些尝试？
[44:59] 大模型要实现AGI，还有哪些挑战？为什么“思考太快了”是一种局限？
[56:57] 火爆全网的 HuggingGPT: 研究背景、运作机制、与 AutoGPT 和 ChatGPT Plugin 的异同？
[65:30] 我们需要不同领域的 foundation model （基础模型）吗？
[72:27] HuggingGPT 和 AutoGPT 技术成熟了吗？为什么需要专家生态？
[78:05] 为什么说 ChatGPT Plugin 的本质是 OpenAI 在收集数据？
[85:21] 中国的大模型公司如何追赶 OpenAI?
[90:05] 大模型能处理的 Context Length (背景信息长度）是能力瓶颈吗？要如何突破？
[96:11] 如何理解 context length 对于大模型能力的重要性？需要对模型架构本身做改变吗？
[103:53] 为什么说AI创新要赢得市场，生态可能比技术更重要？
[106:04] AI技术应用落地的现状如何？有什么机会和挑战？
[113:34] AI创业公司应该优先服务500强大客户吗？
[118:56] 企业会如何使用AI：调用 API 还是本地部署？有哪些决定因素？
[122:21] AI 应用创业有哪些方向？为什么说要关注 mission impossible (不可能的任务）？
[130:15] 嘉宾眼里，AI 最让人兴奋的未来是什么？
免责：节目中的观点都是嘉宾和主持人个人观点，不代表所在机构观点，亦不构成任何投资建议。
参考文章
论文 《GPT-4，通用人工智能的火花》
Language models can explain neurons in language models
Draw a unicorn in TikZ 🦄
ChatGPT cost a fortune to make with OpenAI's losses growing to $540 million last year, report says
Scaling Transformer to 1M tokens and beyond with RMT
ChatGPT当“律师”！全球法律巨头「律商联讯」推出Lexis+ AI™
通用人工智能时代到来了：尽管 AGI 不完美，人类也会犯错
欢迎关注M小姐的微信公众号，了解更多中美软件、AI与创业投资的干货内容！
M小姐研习录 (ID: MissMStudy)
大家的点赞、评论、转发是对我们最好的鼓励！
如果你能在小宇宙上点个赞，Apple Podcasts 上给个五星好评，就能让更多的朋友看到我们努力制作的内容，感恩比心！
有任何心得和建议，也欢迎在评论区跟我们互动哦~ - もっと表示する
