Posts
OpenAI 的三板斧：Sam Altman 親解如何在 AI 戰場勝出
Sam Altman 深度訪談：Code Red 的真相、為何模型不會完全商品化、產品個人化如何成為護城河、1.4 兆美元基礎設施投資的邏輯，以及 AGI 之後的下一個目標。
YC 創業者換邊站：Anthropic 首度超越 OpenAI
YC 最新數據揭露：Anthropic 首度超越 OpenAI 成為創業者首選 API。為什麼是 coding 能力讓 Claude 逆襲？模型套利時代來臨，創業者不再效忠單一家。
你的 AI 會比你更懂你：Sam Altman 談 ChatGPT 記憶功能的終極願景
Sam Altman 認為目前的記憶功能還在「GPT-2 時代」，終極願景是 AI 記住你生命中的每個細節，理解你勝過任何人類。這種深度個人化會創造強大的產品黏著度，但也帶來倫理問題：OpenAI 不 …
GPT-5.2 的能力過剩：模型這麼強，為什麼企業還是用不好？
OpenAI 的 GDPVal 評估顯示 GPT-5.2 在七成知識工作上表現優於人類，但許多企業仍說看不到投資報酬率。Sam Altman 提出「能力過剩」概念：AI 能力已到位，但人類的工作習慣和 …
OpenAI 的 2026：裝置、雲端、科學發現，以及超級智慧的新定義
Sam Altman 在專訪中描繪 OpenAI 的 2026 願景：開發 AI 原生裝置家族、建構不同於傳統雲端的 AI 平台、用 AI 加速科學發現。他認為 AGI 可能已經「悄悄過去」，並提出超 …
Jeff Dean 的 35 年 AI 旅程——從大學論文到 Gemini
Google 首席科學家 Jeff Dean 在史丹佛演講，回顧 35 年 AI 歷程：1990 年大學時以為 32 核就能改變世界，結果需要百萬倍運算力。從 Google Brain 的創立、TPU …
從 Gemini 3 看 AI 的下一步：長上下文、注意力機制與持續學習
Gemini 3 預訓練負責人 Sebastian Bourgeaud 分享接下來的技術方向：長上下文能力的效率提升、注意力機制的新發現、端對端可微分學習整合檢索功能、以及解決災難性遺忘的持續學習 …
Scaling Laws 沒死，但遊戲規則變了——Gemini 3 研究負責人的第一手觀察
針對「Scaling Laws 已死」的討論，Gemini 3 預訓練負責人 Sebastian Bourgeaud 提出不同觀點：規模擴張仍然有效且可預測，但架構創新和數據創新的影響可能更大。真正的 …
「研究品味」比天才更重要——Google DeepMind 如何打造頂尖 AI 研究團隊
Gemini 3 預訓練負責人 Sebastian Bourgeaud 分享如何帶領 150 人團隊協作。他認為「研究品味」的核心是對複雜性過敏——寧願犧牲一些性能，換取較低複雜度的解決方案。真正讓 …
「我們走得比我預期的還要前面」——Gemini 3 預訓練負責人談 AI 真實進展
Google DeepMind 的 Gemini 3 預訓練負責人 Sebastian Bourgeaud 坦言，AI 的進展比他預期的更快。他認為真正衡量模型進步的指標不是 benchmark，而是 …
免費贈送是最好的付費行銷：Lovable 如何把 LLM 成本變成增長引擎
Lovable 增長負責人 Elena Verna 分享最反直覺的增長策略：把 LLM 成本當行銷費用，大量免費贈送產品。當產品本身有「讓人想分享」的時刻，降低使用門檻就是最划算的增長投資。
Minimum Lovable Product：為什麼「最小可行產品」在 AI 時代已經不夠用
Lovable 增長負責人 Elena Verna 認為 MVP 該退休了，取而代之的是 MLP——Minimum Lovable Product。當軟體建造成本趨近於零，競爭基準上升，「可行」已不足 …
AI 公司的增長新遊戲規則：Lovable 一年 2 億美元 ARR 背後的結構性轉變
Lovable 增長負責人 Elena Verna 分享 AI 時代的增長邏輯轉變：從 95% 優化變成 95% 創新、PMF 每三個月重新驗證、免費贈送成為最強增長引擎。這不只是一家公司的故事，而是 …
AI 寫程式超快，但你跟得上嗎？Netflix 的三階段解法
Netflix 工程師 Jake Nations 分享 AI 開發的核心困境：程式碼生成速度已超過工程師理解速度。他提出 Research、Planning、Implementation 三階段方法論 …
深度學習教父的 AI 安全方案——為什麼「目標驅動架構」比微調更安全？
Yann LeCun 認為當前 LLM 的微調安全方法從根本上就是錯的，永遠可以被 jailbreak 繞過。他提出「目標驅動架構」作為替代方案：將安全規則設為硬性約束而非統計傾向，從設計上保證系統無 …
「LLM 永遠無法達到人類智慧」——Yann LeCun 的技術宣戰
Yann LeCun 認為 LLM 路線從根本上走錯了方向。他用數學計算證明所有網路文字的資訊量僅等於一個四歲小孩的視覺經驗，並解釋為何影片生成模型也無法理解物理世界。本文詳述他主張的 JEPA 架構 …
「AGI 這個概念完全是鬼扯」——LeCun 如何拆解 AI 產業的集體妄想
Yann LeCun 直言 AGI 概念是「complete BS」，人類智慧根本不通用。他分析為何最樂觀也要 5-10 年才能達到「狗級智慧」，並用噴射引擎比喻回應末日論：AI 安全是工程問題，不是 …
Yann LeCun 65歲創業宣言——為什麼他要與整個矽谷對賭？
圖靈獎得主 Yann LeCun 在 65 歲離開 Meta，創辦專注於 World Model 的新公司 AMI。他認為當前 LLM 路線是死胡同，矽谷陷入羊群效應。本文剖析他為何選擇與主流對賭，以 …
DeepMind CEO 的不眠之夜：站在 AGI 門檻上的人
Demis Hassabis 坦承自己經常失眠，因為他正站在 AGI 的門檻上。從四歲學棋到創辦 DeepMind，他用三十年準備這一刻。本文探討這位圖靈獎得主如何面對競爭中的孤獨、AlphaGo 勝 …
AI 革命會比工業革命快 10 倍——Demis Hassabis 的社會預言
DeepMind CEO Demis Hassabis 預測 AI 革命將以十倍於工業革命的速度改變社會。他深入分析工業革命的歷史教訓，指出 AI 直接作用於認知層面、擴散近乎即時的特性，將帶來經濟系 …