INDIGO TALK 第十六期，邀请了温哥华运营设计工作室的好朋友 Andy Liu，探讨 AI 与 Crypto 时代下的新型迁移模式。从远程办公到数字原生，从城市群落到网络效应，当人才流动、科技创新与城市演变交织在一起，我们应该如何应对正在发生的深刻数字化变革，发现新的挑战与机遇，欢迎收听这场多维度的对谈。 本期嘉宾 Andy Liu（futureform - 创始人） Indigo（数字镜像博主） 时间轴与内容概要 00:39 开场介绍与背景 * 介绍嘉宾 Andy Liu，他经营一个设计工作室 * 工作室是完全去中心化的团队，成员分布全球 * 对谈主题聚焦于数字化新迁移和工作方式 04:20 远程工作的演变 * 从固定办公室到疫情后的远程工作 * 进一步发展为"数字原生"（Digital Native）的工作方式 * 讨论了时区差异和异步沟通的挑战与解决方案 15:00 数字游民 vs 数字迁移 * 区分数字游民（Digital Nomad）和数字迁移的概念 * 数字迁移是结构性变化，涉及思维方式、公司架构等深层转变 * 讨论了 AI 和去中心化技术对这种迁移的影响 31:21 城市群落与网络效应 * 探讨不同城市的特点和优势 * 分析北美和亚洲城市的群落效应 * 讨论了城市特色与产业集群的关系 45:10 新商业模式与组织形式 * AI 带来的小团队高效率现象 * 讨论未来可能出现的极化：大平台公司与小型精专团队 * 分析了数字化对传统组织架构的影响 56:00 主权个体的意义 * 讨论主权个体（Sovereign Individual）的概念 * 探讨了 Balaji 写的 Network State 的可能性 * 美国和世界右转的趋势 01:08:56 数字化迁移的总结 * 四个层面的思考：数字层面、网络效应、金融层面、思维层面 嘉宾精彩发言 "未来可能他已经来了，但他不是平衡分布的一样。我觉得一小撮人他们可能会先进入这样的工作方式和生活方式的先移的状态，然后慢慢的这种改变会越来越彻底。" 描述了数字化转型的不均衡特点 "以前我们说三个月后在国贸见面喝一杯，现在我们说三个月后在 Eth Denver 见面。其实地球变成了一个城市，不同的国家和区域就像这个城市里的某一个 neighborhood。" 生动地描述了全球化与数字化带来的距离感变化 "现在AI的技术公司，科技人员的浓度，一个是在硅谷，然后欧洲可能会有部分，中国可能会有部分...就是它的人才网络就这么几个。如果说我想去做全球，我需要把这些人才调运起来，我必须要远程。" 点明了远程工作对全球人才整合的必要性 "你要选择自由度最高的国际化平台，然后提升社交网络的连接率。我们刚才一直在讲三种网络效应：你所在的这个城市群的网络效应，然后你所就职的这个或者你所做的这个产品或公司的网络效应，然后第三个就是你个人的网络效应。" 系统性地总结了三种关键网络效应 "你整个网络上很重要的一个节点，就是你要去一个网络效应很大的城市去做这个类似的事情，然后在这个里面成为一个信息节点。" 点明了个人定位的重要性 "过去的是极其宽松的30年全球化大家可以全球到处跑，但是接下来可能会有很多障碍了。但是对于人才的流动不会有障碍的，所有的国家都需要人才。" 揭示了未来人才流动的趋势 "科技视角最后一个就是通识视角，就是我们在教育小孩的时候，在这个思维层面我们可能会把一个专业学得很精，但是接下来的下一代，我们要通识去了解各个学科的东西综合起来。" 强调了未来教育方向的转变 "我觉得不断的提升自己这样的认知，你的很多的生活习惯工作习惯其实都可以不断的改变的。" 强调了适应数字化转型需要持续学习和改变 阅读推荐 The Sovereign Individual - James Dale Davidson, Lord William Rees-Mogg 新迁移（人口与资源的全球流动浪潮） The Network State - Balaji S. Srinivasan 推荐的协作录屏软件 Loom - Easily record and share AI-powered video messages with your teammates and customers to supercharge productivity

INDIGO TALK 第十五期，邀请两位来自硅谷的神秘嘉宾，给大家带来第一手会议报道和深度解读。我们一起探讨了 Ilya Sutskever 关于大模型超越预训练的新思路、李飞飞教授对空间智能的革新性观点，以及 Jeff Dean 展示的 Gemini 2.0 的多项突破。看看刚刚结束的 AI 学术界最重要的会议 - NEURIPS 2024 会如何重新定义了 AI 的发展方向？一定要听这场及时的深度对谈。 本期嘉宾 Jay（硅谷 AI 创业者 行业需要 身份保密） Sonya（投资人 前 Meta） Indigo（数字镜像博主） 时间轴与内容概要 02:15 NeurIPS 会议概况 * 介绍 NeurIPS 37 年历史 * 从 2014 年前 300 人到现在可能有几万人参与 * 今年约 15000 篇论文提交，录取 4-5 千篇 04:04 重要嘉宾与获奖论文 * 李飞飞出席主会场的分享 * Jeff Dean（Google）在 Turing AI 参与对谈 * Ilya Sutskever（OpenAI 前首席科学家，现 SSI 创始人）出席颁奖 * 2014 年的论文 GAN 和 Sequence to Sequence 获得了"时间检验奖" 06:55 Ilya Sutskever 的演讲解析 * 讨论了预训练（pre-training）可能达到瓶颈 * 提出三个方向：Agents、合成数据、推理时间计算 * 强调了“data is the new fossil fuel in the future” * 智力与脑容量体重的线性对比，暗示了预训练只是我们实现智能的第一步 * 探讨了意识的可能性和 "Why not" 的观点 18:50 关于数据和意识的深入讨论 * 分析了 Rachel Suddon 的观点 * 探讨了目标和意识的关系 * 讨论了 Scaling Law 的未来发展 * 以及物理世界数据的重要性 26:25 李飞飞的空间智能分享解析 * 提出"Digital Cousin"概念 * 强调了机器人需要理解的多维度信息：材质、深度、触觉等 * 讨论了虚拟世界测试的重要性 * SIM2REAL（模拟到现实）的挑战和机遇 37:52 Jeff Dean 的分享与 Google Gemini * Gemini 2.0 的多模态能力 * Google 的技术积累和优势 * 讨论了 Android XR 平台 * Project Astra 和 Marina的发展方向 * Jeff Dean 强调了代码能力的重要性 54:28 AI 行业展望和对未来的思考 * SemiAnalysis 的 GPU Rich * 什么样的公司在 AI 时代更有优势？ * 人类在 AI 时代的定位和价值 * 人与人之间连接的重要性 * 对物质更加富足的未来世界的预测 最后总结：人类永远有解决不完的问题，因此我们不会缺工作的，关键是要做什么样的工作 。。。 对谈中的精彩发言 Ilya Sutskever: "我们现在只有一个互联网（Only one internet）"。他用这句话形象地说明了当前 AI 训练数据面临的瓶颈，暗示未来需要探索新的数据来源和训练方法。 Ilya Sutskever 关于意识的观点："如果意识有好处（if consciousness is beneficial），为什么 AI 就不能发展出意识呢？"这个问题引发了深入的讨论。 李飞飞："我们不是要 replace human，而是要 empower human"。她通过划掉 "replace" 强调 AI 的本质是增强人类能力而非替代人类。 Jeff Dean 分享 Gemini 发展时说："我们要让模型不仅是处理单一模态，而是像人类一样自然地理解和生成多模态内容。" Jay 关于数据的洞察："现在互联网上的数据都是结果数据，没有过程的数据。所以说机器永远都是快闪现出来，然后一个结果给你。" Jay 谈空间智能："数据采集是非常重要也是非常有挑战的一环，2D 的数据需要去直接推断 3D 的结构并不容易。" Sonya 对未来的展望："未来的社会是一个物质非常富足的世界，因为无论从医疗护理还是日常生活，AI 都能帮助我们解决基础需求。" 主持人的精彩总结："人类总有解决不完的问题，所以说我们永远都会有工作的，只是什么工作而已。" Ilya Sutskever 的演讲摘要 我把录音稿的核心观点给大家按时序整理下: 回顾十年前工作（2014年） * 他们的工作核心是三个要素：自回归模型、大型神经网络和大规模数据集 * 提出了Deep Load Hypothesis（深度负载假说） - 认为如果一个有 10 层的神经网络，就能完成人类在一瞬间能做到的任何事情 * 当时选择 10 层是因为那时只能训练 10 层的网络 * 真正相信了如果训练好自回归神经网络，就能获得想要的序列分布 技术的演进 * 这十年从 LSTM（被描述为"90度旋转的ResNet”）发展到了 Transformer * 提出了Scaling hypothesis（扩展假说） - 如果有足够大的数据集和神经网络，成功是必然的 * 强调了Connectionism（连接主义）的重要性 - 人工神经元和生物神经元的相似性，让我们相信大型神经网络可以完成人类的很多任务 预训练时代及其局限 * GPT-2、GPT-3等预训练模型推动了领域进展 * 预训练时代终将结束，因为数据增长有限：“我们只有一个互联网” * Ilya 将数据比作"AI的化石燃料" - 这是有限资源 未来展望: * Agent（智能代理）可能是未来方向之一 * 合成数据的重要性在上升 * 推理时计算（如O1模型）展现出了潜力 * 借鉴生物学启示，人类祖先（如早期智人等）的脑容量与体重的比例关系有着不同的斜率，这意味着在进化过程中，确实可能出现与之前完全不同的发展路径，我们目前在AI领域看到的扩展方式可能只是我们发现的第一种扩展方式； 超级智能的特点: * 未来AI系统将具有真正的代理性（Agentic） * 将具备推理能力，但推理越多越不可预测 * 能够从有限数据中理解事物 * 将具备自我意识（如果意识有必要的话就让它有吧） * 这些特性结合后会产生与现有系统完全不同的质的飞跃 在问答环节也讨论了生物启发和 hallucination（幻觉）问题： 从抽象层面看，生物启发的AI某种程度上是非常成功的（如学习机制），但生物启发仅限于很基础的层面（"让我们使用神经元”），如果有人发现大家都忽略了大脑中的某些重要机制，应该去研究，也许会有新的突破； Ilya 认为未来具有推理能力的模型可能能够自我纠正hallucination（幻觉）问题； 关于 SSI 就给了点上面的暗示，然后什么都没说了。。 李飞飞演讲的核心观点 视觉智能的进化历程：从最基本的理解（Understanding），到推理（Reasoning），再到生成（Generation）；这个进化过程伴随着数据和算法的共同发展。 从 2D 到 3D 的转变： * 目前的 AI 主要停留在 "flat world"（2D 世界）的层面 * 真实世界是 3D 的，要实现真正的视觉智能，必须走向 Spatial Intelligence（空间智能） * 3D 空间理解对于实现更复杂的任务（如机器人操作）至关重要 AI 的社会价值： * AI 不应该被视为"替代"（replace）人类，而应该是"增强"（augment）人类能力 * 举例说明 AI 如何增强医疗保健、残障人士辅助、创意工作等领域 对 Spatial Intelligence 的看法与期待： 技术方向： * 3D/4D 数据采集和模拟 * 多模态数据整合 * 3D 生成与重建 * 空间时序推理 * 表征学习 * 实时策略学习和优化 应用领域： * 机器人学习与控制 * 实时场景理解 * 空间推理 * 3D 内容生成 未来展望： * Spatial Intelligence 将成为连接感知、学习和行动的关键 * 需要更多的 3D 数据集和仿真环境 * 强调物理世界的真实交互比单纯的 2D 理解更重要 * 期待能够实现更复杂的空间-时间推理能力 李飞飞特别强调，真实世界的交互和理解远比 2D 世界更复杂，但同时也更有意义。她认为 Spatial Intelligence 是未来AI发展的重要方向，将帮助 AI 系统更好地理解和交互真实世界。 Jeff Dean 的访谈内容摘要 早期神经网络经验： * Jeff 的第一次接触是在 1990 年，当时他在明尼苏达大学读本科； * 上了一门并行计算课程，其中介绍了神经网络； * 撰写了一篇关于神经网络并行训练策略的荣誉论文； * 实现了模型并行和数据并行的早期版本； * 很早就意识到需要更多的计算能力（“一百万倍，而不是 32 倍”）； 谷歌大脑的发展： * 2001 年左右在谷歌遇到了吴恩达； * 启动了用于大规模神经网络训练的“DisBelief”项目； * 使用 2000 台计算机 / 16000个核心来训练早期的计算机视觉和语音模型； * 早期就有了“更大的模型 + 更多的数据 = 更好的结果”的见解； * 专注于扩大训练规模并解决实际问题； DeepMind 的整合（最初是互补的） Brain 团队：大规模训练，实际应用 DeepMind：小规模模型，强化学习 * 在 2022 年底左右，随着研究领域的融合而合并； * 促成了结合两支团队专业知识的 Gemini 项目； * 选择 DeepMind 的名称是为了获得更好的公众认知； 近期发展（Gemini 2.0） * 包括原生音频输入/输出的新功能； * 集成了图像生成功能； * Astra 项目：具有多模态功能的个人 AI 助手； * Mariner 项目：自动化网络交互系统； * 专注于安全防护栏和受控部署； Jeff 强调的未来趋势： * 更多交错的多模态处理； * 需要超越当前 TPU 的专用硬件； * 对更模块化和稀疏的模型架构的兴趣； * 认为软件工程会发展但仍然至关重要； 获奖论文 Generative Adversarial Networks Sequence to Sequence Learning with Neural Networks 对谈中推荐的视频 WTF is Artificial Intelligence Really? | Yann LeCun x Nikhil Kamath | People by WTF Ep #4 Rich Sutton’s new path for AI | Approximately Correct Podcast Gemini 2.0 and the evolution of agentic AI with Oriol Vinyals

INDIGO TALK 第十四期，本期邀请来自 Google TPU 团队的芯片设计工程师郑琪霖，还有 Indigo 的播客老搭档李厚明，一同深入探讨了 AI 计算基础设施的技术演进和行业格局。从加速计算的基础知识，到 GPU 和 TPU 的发展历程，再到当下 ChatGPT 驱动的大模型时代，琪霖用生动的厨房比喻和技术洞见，展现了 AI 加速计算领域从硬件竞争到软硬协同的产业变革历程。 本期嘉宾 郑琪霖（Google TPU 芯片工程师 - 嘉宾） 李厚明（棕榈资本创始人 - 主持） Indigo（数字镜像博主） 时间轴与内容概要 03:12 计算的基础架构（以厨房为类比） * CPU 的核心组件类比厨房设施：计算核心如厨房台面、内存如冰箱、存储如橱柜 * 算法类比做菜的菜谱 * 强调了硬件、存储和算法三大核心要素的协同工作 * 从单一简单厨房到专业厨房的演进类比计算机架构的发展 04:37 CPU 发展史与摩尔定律 * 从 70-80 年代的简单架构开始发展 * 摩尔定律推动芯片集成度不断提升 * 引入 Cache、SRAM 等存储层级优化 * 发展出 CISC 复杂指令集 * 多核并行处理技术的演进 * 到 3 纳米制程接近物理极限 09:37 GPU 的诞生与发展 * 最初设计用于图形处理（Graphics Processing） * 2006 年 NVIDIA 推出 CUDA 开启 GPGPU 时代 * 具备大规模并行计算能力 * 从游戏显卡到通用计算处理器的转变 * 比特币挖矿带来早期商业成功 12:30 TPU/NPU 的出现与特点 * TPU专注张量运算（Tensor Processing） * NPU针对神经网络优化（Neural Processing） * 牺牲通用性换取特定领域的高效能 * 降低运算精度以提升效率 * 采用本地内存（Local Memory）架构 21:00 AI 芯片的发展时间线 * 2012 年：ImageNet 竞赛展现深度学习潜力 * 2015 年：AlphaGo 引发全球 AI 热潮 * 2015 - 2018 年：各大公司开始布局AI芯片 * 2019 - 2022 年：Covid 期间发展相对停滞 * 2022 年底：ChatGPT 带来全新的突破需求 35:55 大模型训练的硬件需求 * 需要大规模 GPU 集群 * 对硬件互联技术要求高 * NVIDIA 的 NVLink 技术优势 * 数据中心级别的整体优化 * 预计未来需要百万级 GPU 集群 48:03 推理（Inference）市场的机遇 * 相比训练市场竞争更为开放 * 终端设备（Edge）推理需求增长 * 软硬件协同设计的重要性 * 对功耗和效率要求更严格 * 需要针对具体应用场景优化 59:07 行业竞争格局 * 拥有模型的公司占据优势 * 软件和硬件协同设计越发重要 * Meta、Apple、Google 等科技巨头在推理市场具有优势 * NVIDIA 的垄断地位短期内难以撼动 01:08:22 未来发展趋势 * 预计 2027 年出现千亿美元规模训练集群 * Edge 端设备（如AR眼镜）将成为新战场 * AI 设计芯片成为可能 * 软件驱动硬件的发展模式 * 模型拥有者将占据优势地位 这次播客深入探讨了AI计算领域的技术演进、市场格局和未来趋势，展现了从单纯的硬件竞争到软硬协同的产业变革过程。 嘉宾精彩发言 关于硬件和软件的协同优化 "我现在感受到是说软硬件的那个交互。你那个 core 是怎么算的实际上没有那么重要 ... 比如说我做硬件，我给提升了 90%，但是你软件跟不上，你提升东西你用不起来。" 关于 ChatGPT 时代的 GPU 训练需求 "这 ChatGPT 必须要用 GPU 训练为什么呢？因为 GPU 可以提供 General Purpose 的处理 … 我在模型没有固定的情况下，我拿一个 domain specific 的东西去处理是没有意义的。" 关于未来 AI 芯片设计的发展 "我不认为我的工作被 AI 取代不了 … 这将是人类一个很伟大的时代，你这时候你还琢磨你明天吃什么，你工作会不会被替代，那太没意思了。" 对 TPU/NPU 架构特点的解释 "就是 GPU 它为了保证 General Purpose，它实际上是舍弃了很多性能 … 我现在算神经网络，不需要那么高精度，就是你知道这个图差不多，糊的也能认出来，不糊的也能认出来。" 关于推理市场的前景 "我个人感受到现在如果谁没有大模型的话，就很难继续进场 … 其实现在我们掰着手指头数都数的出来谁手上有好的大模型。" 对计算架构演进的精辟总结 "所以整个这一套就是一个最基本的一个计算机 … 也就是 CPU，整个硅谷就是基于这样一个最简的东西开始往前走的。" 关于 AI 基础设施建设阶段的观点 "我们现在还处于 AI Infra 的初期阶段，Infra 都还不成熟。现在我们推理还很混乱，每家都有自己的方案 ...训练这算被统一了，因为现在的英伟达的绝对实力把它统一了。" 对未来端侧计算的预测 "我怎么把这个 ChatGPT 做手机里，把 ChatGPT 做机器人上，embody AI 嘛，就是说 physical，而不是说一定要所有东西跑到服务器上去算一下 … 而且我觉得这个可能 90% 多的这种需求都是在本地完成计算。

INDIGO TALK 第十三期，这次正好在硅谷，特别邀请了老朋友戴雨森还有棕榈资本的创始人李厚明，一起来聊聊 AI 发展现状与未来图景。对谈从《智能简史》一书切入，追溯了从最早的生物智能到人工智能的演化历程，探讨了 AI 的技术瓶颈、行业趋势以及对人类社会的影响。我们正处于智能发展的加速期，未来 3-5 年可能迎来重大突破。面对这一历史性机遇，人类需要重新思考教育方式、工作形态，并为更长远的未来做好准备，我们这代人应该能活着见证奇点 。。 本期嘉宾 戴雨森（真格基金 管理合伙人） 李厚明（棕榈资本 创始人） Indigo（独立投资人 / 数字镜像博主） 时间轴 01:12 O1 模型的推理与慢思考 09:15 强化学习与今年 Agent 化的趋势 14:45 AI 对软件与 SaaS 行业的解构 17:55 让 AI 自动化的可靠方法 19:40 给人类设计的工具会限制 AI 的能力 24:34 AI 对人类的向上管理会带来的问题 30:10 AI 安全与 Anthropic 的应对方法 34:40 AI 如何能产生新知识 36:50 AI 往前发展的阻力是什么？ 45:40 人类和 AI 分别在生活中扮演什么样的角色？ 52:20 在 AI 时代我们要如何转变？ 56:10 好书推荐《智能简史》 57:55 大脑进化的五次突破 01:05:30 智能的诞生 - 雨森对智能简史的理解 01:08:00 飞速发展的一百年 01:12:10 重新理解创造力 对谈摘要 * AI 发展正在经历从"学习已知"到"推理思考"的范式转移，代表着 AI 在 inference(推理)端的重要突破； * 目前 AI 发展的主要瓶颈包括：算力、高质量训练数据（尤其是专家思考过程数据）、能源供应、以及模型结构创新； * 生物智能经历了五次重大突破：从最早的趋利避害、到脊椎动物的强化学习、哺乳动物的模拟学习、灵长类的心智模型、最后到人类的语言； * 人类开发 AI 的路径与生物进化不同 - 我们是从语言开始，而不是从空间感知和运动能力开始，这可能造成了 AI 目前的局限性； * 未来 3-5 年内，AI 将在工作场景中扮演更重要角色，可能导致初级岗位消失，但同时会创造新的工作机会； * AI 的发展速度呈指数级增长，从电子计算机诞生到现在仅用了几十年，远快于生物进化； * 未来人类需要往"通才"方向发展，培养更高层次的抽象思维和架构能力； * AI 权益可能成为未来重要议题，因为先进 AI 系统的智能程度已超过许多受保护的动物； * 人类正处于历史上最特殊的时期之一，很可能见证智能发展的重大突破； * AI 评估标准需要改变，因为现有的人类标准（如图灵测试）已不足以评价 AI 能力； 推荐阅读 A Brief History of Intelligence Outlive: The Science and Art of Longevity

INDIGO TALK 第十二期，邀请了温哥华非凡教育的创始人 Rosa 老师，一起来聊聊 AI 给教育带来的冲击和机会，我们在对谈中探讨了 AI 对教育和职业发展的影响，以及如何在 AI 时代培养学生的能力。 本期嘉宾 Rosa（非凡教育创始人） Indigo（数字镜像博主） 时间轴 00:02:30 - AI 对教育的帮助和学生使用 AI 做作业的问题 00:23:51 - 探讨 AI 与人类在推理能力上的差异 00:41:29 - 分析 AI 在教育中的应用，如辅助出题和评分 00:55:14 - 讨论未来可能被 AI 取代和不易被取代的职业 01:01:15 - 探讨北美大学录取看重学生的哪些特质 精彩发言回顾 00:03:49 rosa: "如果你不想被人工智能取代，你需要有一种正确的心态：利用它来提升自己，而不是依赖它，导致自己失去独立解决问题的能力。" 00:14:56 indigo: "我们其实面临着一个跃迁的过程。我们要如何才能让人类的能力超越人工智能呢？我认为这确实是一个非常重要的问题，也是一个值得探讨的话题。这与教育息息相关。当前的教育存在一些问题。比如说，我们依然在按照初级、中级、高级这样的路径来培养人才，最终让他们成为社会的“螺丝钉”，教导他们如何成为特定的角色。因此，我认为现在的教育模式是否需要进行一些变革？也许我们应该更加开放，给人们提供更多的自由和选择。" 00:19:16 rosa: "我认为我们更应该引导孩子去思考，帮助他们从自身的经验中积累，培养用不同的视角去看待和解决问题的能力。" 00:19:26 rosa: "我认为北美的教育更注重应用和创新。他们非常鼓励学生自主探索。老师通常会给你一个项目，而你需要自己去思考如何通过不同的方式来展现和完成这个项目" 00:25:02 indigo: "可以大胆预测，在未来的五年内，普通学校里任何老师的数学和物理水平都会被人工智能超越，这是可以预见的。" 00:47:20 indigo: "我认为未来最有价值的事情是让每位老师，或者说每个人，都能成为教育者。我们可以将自己最宝贵的经验转化为合成数据，转化为一系列的教学过程，供他人学习和参考" 00:59:18 indigo: "当然，机器有可能会帮助我们，但它仍然无法完全取代人类。例如，未来可能会有护士带着机器人来协助工作，甚至护士长也可能带两个机器人一起处理任务（笑）。虽然这些变化会出现，但我认为，制造业可能是最容易受到淘汰影响的行业之一" 01:01:18 rosa: "其实每所大学的官网上都有历年的录取数据。这些数据通常包含很多信息，比如有多少学生提交了SAT成绩、去年录取了多少学生、国际学生和本地学生的比例等等。此外，还可以看到大学如何对提交的材料进行评分，其中包括学术类和非学术类的内容。我几乎查阅了所有优秀大学的录取标准，他们始终认为最重要的一点是人格特质" 01:03:01 rosa: "那么，如何证明自己呢？关键在于通过各种活动的积累来展现自己。因此，在整个高中生涯中，虽然我知道国内的孩子们在学业上压力较大，但在北美的孩子们其实相对幸运得多。他们有更多的课外时间，也有很多社团和活动可以参与。通过参加这些社团、义工活动和课外活动，他们能够探索并展现自己的人格特质，然后再把它反映出在你的文书上面" 01:07:36 indigo: "我们必须采用更加高级的学习方法，比如在强化学习中运用批判性的试错机制" 时间线和精彩发言回顾，由 Claude 3.5 Sonnet 根据对谈的转码文本生产，时间戳可能会有不准确。

INDIGO TALK 第十一期，邀请了 Hallidai 的创始人 Neethan 还有老朋友棕榈资本的李厚明，一起来聊中美 AI 创业的差异以及最近爆火的 Sora 和 Vision Pro，AI 会如何理解世界、计算不可约化与世界的模拟。这也是第一次和嘉宾在一起线下录制，因为在东京 Remote Working，所以聊到了日本市场的特点和 AI 时代的远程创业团队！ 本期嘉宾 李厚明（棕榈资本创始人） Neethan（Hallidai 创始人） Indigo（数字镜像博主） 时间轴 01:08 开场介绍 为什么在东京？以及两位嘉宾介绍 05:18 Neethan 分享硅谷的 AI 创业 08:52 厚明分享中国的 AI 创业 14:05 Indigo 的总结与日本市场 15:50 中美创业文化的差异 27:35 日本市场的特点（出海第一站） 28:33 大力出奇迹的 Sora 30:24 什么是理解？ 34:48 计算不可约化 37:52 Vision Pro 与 Sora 生成的平行世界 43:36 只用视觉数据能模拟世界么？ 45:20 AGI 的多形态 50:36 大语言模型对语言的冲击 52:01 大家对 Digital Nomad 的实践 AI 时代提升团队效率和保持团队小型化的机会 60:04 团队全球化与中国团队的机会 对谈纲要（TL;NR） 以下纲要由 maimo.ai 整理生成 Indigo Talk 特别对谈 * 本次对谈是 Indigo Talk 第一次与访谈嘉宾面对面进行； * 参与本次对谈的有三次参加 Indigo Talk 的李厚明，以及首次参与的 Neethan，后者在硅谷从事 AI 产品创业，之前就职于湾区 Amazon Alexa 团队； * 对谈地点位于东京的共享工作空间 Basis Point，位于商务中心新桥 Shinbashi； * Neethan 带领团队在东京进行远程工作实践，体现 Digital Nomad 理想； AI 技术发展讨论 * 讨论了过去一年 AI 技术的发展，特别是在大模型和 Agent 方面的进展； * 提到了 Sora，一种新的图像生成模型，以及它在视频生成方面的应用； * 讨论了 RAG（Retrieval-Augmented Generation）技术的成熟和可能性； * 硅谷的 AI 发展重点在于大模型、开源模型和 Agent，而中国则在 C 端应用上更为激进； 中国与硅谷的 AI 创业对比 * 中国的 AI 创业更倾向于实用主义，快速找到应用场景并实现产品化； * 硅谷的 AI 创业更注重技术创新和基础架构建设； * 中国创业者在 C 端应用探索上比硅谷更为激进，例如 kimi 和其他 AI 陪伴产品； * 讨论了文化差异对 AI 创业的影响，中国更注重从 1 到 100 的快速发展，而硅谷则从 0 到 1 的创新； 日本市场的 AI 应用前景 * 日本市场对 AI 技术的兴趣高涨，尤其是在民用级别的应用上； * 日本用户对 AI 产品的付费意愿强，为中国创业者提供了出海的良好机会； * 讨论了日本错过移动智能手机时代，对 AI 技术的重视可能是对错过时代的补偿； * 日本的 AI 创业环境和孵化器正在活跃，为 AI 技术的应用和发展提供了新的市场； Sora、Vision Pro、计算不可约与 AGI * 讨论了 Sora 图像生成模型的效果，它通过大量高质量数据训练，可以生成高清视频，运用了 transformer 和 diffusion 模型的混合结构。表现出了很好的物理效果和细节； * Vision Pro 和 Sora 的结合使用，可能旨在实现人脑与机器之间的直接交互，甚至是思维直接转化为视觉体验的技术；讨论中提出了哲学性的问题，即当技术达到一定水平，用户可能难以区分真实世界与通过设备生成的虚拟世界之间的差异； * 探讨了 AI 是否能“理解”世界的问题。提出理解可能更多是底层对规则和规律的把握，不需要高层的意识形态。GPT 模型通过语言也可以表示对很多规律的理解； * 讨论了计算的不可约性，现实世界的复杂度无法简化为一个公式计算。未来科学可能进化为依靠大规模参数和数据的 AI 科学，通过暴力计算模拟现实； * 讨论了关于 AGI 的多个方向，既有尝试与人类价值观对齐的AGI，也有探索独立于人类的物理世界规律和宇宙模拟的AGI； * 关于语言问题，翻译工具的进步也许会对语言多样性产生积极影响。AI 会使知识主要以英语体现； * AI 研究正朝多个方向并进，都在试图接近 AGI 的边缘，但可能永远也无法完整模拟复杂的现实世界； Digital Nomad 实践与理想 * 团队成员来自不同地区，通过远程工作模式合作； * 讨论了 Digital Nomad 理想在当前 AI 技术发展下的可行性； * 远程工作模式要求高效的沟通和协作工具，AI 技术提供了支持； * 团队周期性面对面会议，以增强信任和共识； AI 时代的个人与团队能力 * AI 时代可以看作是一个新能源和基础设施的时代，大公司提供基础能力，小公司将其应用到产品中。团队应该“挂在”AI能力之上； * 小团队模式在 AI 时代更为灵活和高效； * 中国团队可以利用效率优势,与全球团队混合合作,实现 24 小时工作； * 个人在 AI 时代需要提高判断力、选择力、决策力，依靠人类独特的历史积淀做出最适合人类的选择。

INDIGO TALK 第十期，邀请了来自“AIGC 周刊”的主理人歸藏老师来给大家分享，想要打造 AI 时代下的超级个体，要用哪些工具和如何设计工作流？藏师傅的工作主要集中在图像和视频生成应用领域，他也是一位乐于分享的资深 Midjourney 用户，我们这一期会聊到大家各自与 AI 协同增效的方法，AI 创意生产力工具的产品与商业模式，提示词的价值还有对 AI 版权的思考！ 本期嘉宾 歸藏（AIGC 周刊主理人） Indigo（数字镜像博主） 时间轴 02:00 嘉宾藏师傅的自我介绍 03:47 对 AI 图像生成工具的使用感受 10:46 藏师傅的日常工作流 12:45 关于视频生成 22:04 Indigo 的图片生成工作流 24:22 藏师傅的专业画图工作流 28:36 工程化来加强图片与视频生成的思路 31:47 人类与 AI 的协作 35:42 与科技巨头产品的竞争 39:41 关于 CatJourney 与生成式 AI 素材浏览工具 46:00 提示词与 workflow 的价值 50:02 模型的版权问题 59:25 Indigo 对前面话题的回顾 1:01:16 超级个体的工具箱 1:09:50 AGI 对创意的影响 对谈纲要（TL;NR） 用 Maimo.ai 读取全部对谈字幕生成，方便大家快速了解对谈内容： 图像生成 AI 工具的使用与评估 * “藏师傅” 分享了个人使用开源和非开源 AI 图像生成工具的经验 * 讨论了不同工具的特点，如 Midjourney、DALL-E、Firefly 等 * 分析了各工具的优势、劣势以及在实际工作中的应用 视频生成 AI 工具的探讨 * 探讨了视频生成 AI 工具的现状，如 Runway、Pika 等 * 分享了使用这些工具的个人体验和对比 * 讨论了视频生成 AI 在未来发展潜力和可能的改进方向 AI 工具在个人工作流中的应用 * 分享了个人如何利用 AI 工具提高工作效率 * 讨论了 AI 工具在内容创作、学习和分享中的作用 * 探讨了 AI 工具对传统工作流程的影响和未来融合趋势 版权问题与 AI 生成内容的挑战 * 讨论了 AI 生成内容所面临的版权问题 * 分析了 OpenAI 和 Midjourney 在版权问题上的不同处理方式 * 探讨了解决版权问题的可能途径和对策 超级个体的定义与成长路径 * 定义了 “超级个体” 并讨论了成为超级个体的条件 * 分享了提升个人效率和学习能力的 AI 工具 * 探讨了分享知识和创意对个人成长的重要性 AGI 的未来展望与对创意产业的影响 * 预测了 AGI 到来后对人类创意工作的潜在影响 * 探讨了 AGI 可能带来的社会变革和新的商业模式 * 讨论了 AGI 与人类协作创造的未来场景 补充阅读 生成式 AI 动画技术概述（歸藏 翻譯整理） quail.ink 原文：overview of generative AI animation techniques diffusionpilot.blogspot.com 通过这一篇文章，你就能了解魔术般的图像和视频生成的工作原理。知晓工具背后的原理，才能更好的使用工具！ 对谈中提到的产品 CatJourney - 藏师傅的作品网站 catjourney.life Midjourney www.midjourney.com DALL·E 3 openai.com Adobe Firefly firefly.adobe.com Stability AI - Stable Diffusion 最强开源图像生成模型 stability.ai Leonardo AI - 来自欧洲的 Midjourney leonardo.ai – Runway ML - 可控性最好的视频生成服务 runwayml.com Pika Lab - Runway 的最强竞品 卡通风格有优势 pika.art Stable Video Diffusion - SVD 开源版本的视频生成 stability.ai – ControlNet - SD stablediffusionweb.com Magnific AI - 高清图像放大 magnific.ai Topaz Labs - 图像增强 www.topazlabs.com KimiChat kimi.moonshot.cn

本期邀请了来自 Coinbase 的 Bill 同学一起来聊聊 Bitcoin 还有加密货币的未来趋势。在现货 Bitcoin ETF 即将被批准的气氛烘托之下，分享一下来自 Coinbase 同学的业内观点！我们如何看待 Web 3 与加密货币？Bitcoin 的最新叙事与现货 ETF 的工作原理是什么？美国立法的新进展和国会态度？以及我们对 2024 年的市场预测 🤔 本期嘉宾 Bill（Coinbase Exchange Dev） Indigo（数字镜像博主） 时间轴 01:36 嘉宾 Bill 的自我介绍 02:30 Bitcoin 的价格回升 03:45 Crypto 与 Web 3 07:52 Bitcoin 与 Crypto 的本质 10:10 Bitcoin 的叙事与现货 ETF 17:03 美国国会在立法上的进展 25:08 合规的必要性（Bitcoin 的存在于美国无关） 26:20 信息网络与价值网络（去中心化的本质） 32:33 中心化交易所的坍塌与去中心化的胜利 37:10 技术的无政府主义（数字疆土与无国界思维） 40:20 立法层面的突破与 Bitcoin 现货 ETF 的机制 45:10 前面话题的快速总结 46:50 Bitcoin 在 2024 会发生什么？ 47:18 关于美元稳定币 USDC 49:51 关于中央银行数字货币 CBDC 52:52 全篇总结：Crypto 合规对现代金融的意义 1:00:10 Bitcoin 与 AGI 对谈纲要（TL;DR） 用 Claude 2 读取全部对谈字幕生成，方便大家快速了解对谈内容： * 比特币市场连续两年处于牛市,价格突破新高,但市值规模仍较小； * 比特币从最初的技术玩具逐步获得机构和政府认可； * 预计 2024 年比特币现货 ETF 有望获批，将带来正向循环； * 美国国会加大对加密货币立法推进力度,态度总体积极； * 传统金融机构如贝莱德也开始大力支持比特币； * 稳定币发行方受到更多监管，USDC代表合规稳定币的发展方向； * 加密货币可成为货币政策较弱小国的数字资产储备选择； * 去中心化金融（DeFi）表现相对稳健，代码公开透明，建立信任； * 加密货币行业需要在立法合规框架下推进创新应用； * 与 AGI 发展互动，比特币可成为数字资产防御性配置选择。 补充阅读 ETFs 在过去十年中的规模和范围都在快速增长。全球范围内，管理资产从 2008 年的 1万亿美元增长到 2023 年的 14.5 万亿美元。如今，超过 600 家发行者提供了超过 10,000 种 ETF。 配图：The First Gold ETF Boosted Metal Prices BlackRock 的这篇文章讲解了 ETF 中常见的授权参与者（APs）与做市商的运作机制，它们在确保 ETF 价格准确，以及交易顺畅方面发挥着核心作用。 Authorized Participants and Market Makers 在 2023 年提交 Bitcoin Spot ETF 的机构共管理着超过 15 万亿美元的资产 配图：SPOT BITCOIN ETF APPLICATIONS FILED IN 2023 根据 2023 年 12 月 7 日 公布的一份文件，两名芝加哥期权交易所 BZX 交易代表、六名美国证券交易委员会人员和九名富达人员会面，讨论 Wise Origin 比特币信托的运作方式。 配图：AP as agency model graph. Source: SEC 为了防止洗钱、制止加密货币助长的犯罪和反制裁行为，美国参议院在 2023 年 7 月 19 日出了一项新的两党立法，要求去中心化金融（DeFi）服务履行与其他金融公司（包括中心化加密货币交易平台、赌场甚至典当行）相同的反洗钱（AML）和经济制裁合规义务，该立法还对财政部的主要反洗钱机构进行了现代化改造。 Bipartisan U.S. Senators Unveil Crypto Anti-Money Laundering Bill to Stop Illicit Transfers 2023 年 9 月底的众议院金融服务委员会听证会上，众议员 Patrick McHenry (R-NC) 就比特币问题以及他对委员会的不合规行为，严厉质询了证券交易委员会主席 Gary Gensler。 面临 2024 年大选的挑战，关于加密货币的讨论变得越来越意识形态化。主要的民主党人对该行业表示怀疑，而共和党人则越来越多地团结在促进加密货币公司发展的友好政策周围。 Crypto fight looms in 2024 race that could flip Senate 最后，补充一下数字疆土与无国界思维的衍生阅读，来自的下图引用至《The Network State》。它描绘了一个拥有 170 万人口、年收入超过 1,570 亿美元、占地面积达 1.36 亿平方米的 “Network State”。 The Network State 它不像民族国家那样物理上集中，也不像城市国家那样规模有限。它在地理上是分散的，并通过互联网连接起来，通俗来解释，它就是数字世界的原住民的网络空间。无论未来民族国家的概念是否还流行，但数字世界已经到来，它是现实世界的 Layer 2。。你没法回避和禁止它，只能接纳它的存在，然后成为它的一部分！

OpenAI 在往智能平台的 Roadmap 上快速进化，在 AI 巨头的逼迫下如何寻找新机会？ 再次邀请李厚明同学来到 Indigo Talk，OpenAI DevDay 当天她在现场参加了全部的活动，我们会在这一期内分享她在现场的所见所感，开发者和创业公司都在担心什么、思考什么？最新的 GPTs 还有 Assistants API 会有哪些潜在的机会？Open Keynote 直播之后的 Deep Dive 环节有哪些有趣的演示？本期内容非常丰富，欢迎收听🎧 本期嘉宾 李厚明（棕榈资本 创始人） Indigo（数字镜像博主） 时间轴 00:01:46 现场气氛回顾 00:05:58 创业者们在现场的真实感受 00:08:48 开场 Keynote 回溯（ChatGPT 数据） 00:12:20 关于 Whisper v3 和 TTS 00:15:38 关于 GPTs 的现场讨论 00:18:48 GPT-4 Turbo 降价带来的科技黑五 生态里面需要有像鲨鱼一样的选手，逼着把功能做多价格做低 00:22:48 微软 CEO 的登场与 OpenAI 的企业市场野望 00:27:18 Assistants API 的潜力（DeepDive 未公开环节） 00:34:58 OpenAI 对下一代人机交互界面的推动 在年轻人眼中，科技春晚是 OpenAI 的 DevDay 00:38:18 OpenAI 如何成为新的入口（科技平权） 智能时代的云基础设施, 智能代理的界面生成, 科技发展的平权和平等 00:42:48 关于 Copyright Shield 的探讨 00:44:58 创业者如何面对 OpenAI 的灭霸响指🫰 00:47:28 海外华人和国内的 AI 创业机会 00:54:03 如何看待 xAI 的提前发布和 OpenAI 八卦 00:58:22 结尾：展望和如何看待 AGI 闲人马大姐版的 AGI 已经实现了 内容纲要 用 Claude 2 读取全部对谈字幕生成，方便大家快速了解对谈内容： * 李厚明详细描述了自己参加 OpenAI Dev Day 的经历,包括地点在旧金山 Tenderloin 区,需要从略显颓废的街景走到会场,反差感很大。会场氛围热烈,李厚明坐在前排观看。场内参会者多为开发者和创业者。 * 会上 Sam Altman 发布了 GPT-4 Turbo, 并大幅降低模型调用价格,受到参会者欢迎。随后又发布了语音识别产品 Whisper 的升级版本,以及 Assistants API等新功能。这些举措被视为 OpenAI 加速产品化和商业化的进展。 * 分析认为 OpenAI 处于行业“领头羊”地位,不断提高技术标准和降低使用门槛,对其他创业公司有很大冲击,但也有助推动整个行业进步。 * 与会者讨论认为 GPT 系列模型的进展正在推进部分语言/逻辑层面的 AGI 实现,但物理世界互动能力还很弱,完全意义上的 AGI 还需持续努力。 * Elon Musk 的 X.AI 发布与 OpenAI 时间过于接近,被视为有意抢先释放产品。Musk 的举动显示出与 OpenAI 仍存在矛盾。 * 讨论了 OpenAI 与微软、Elon Musk 与 Andrej Karpathy 等科技圈内“八卦”,说明行业领军企业关系复杂。 * 认为中国团队在快速迭代和toC产品设计上有优势,也在AI创业领域占有一席之地,但市场环境不确定性大。 * 讨论了一些新兴 AI 产品的试用感受, 如 Anthropic 的 Claude 和 PI 等。产品体验正在不断接近 AGI。 * 结束语表示期待几期后就能看到真正的 AGI 实现。 相关参考 OpenAI DevDay 主题演讲 by Sam Altman BiliBili【中英完整版】 New models and developer products announced at DevDay GPT-4 Turbo with 128K context and lower prices, the new Assistants API, GPT-4 Turbo with Vision, DALL·E 3 API, and more. 来自 The Information 的文章 Meta’s Free AI Isn’t Cheap to Use, Companies Say 关于 New Computer 公司和它们的产品 Dot Dot by New Computer is an intelligent guide designed to help you remember, organize, and navigate your life. OpenAI 投资，预计做新的 AI 时代的计算机 Andrej Karpathy 与 Lex Fridman 的播客 Andrej Karpathy: Tesla AI, Self-Driving, Optimus, Aliens, and AGI | Lex Fridman Podcast #333 Inflection AI 的 Pi.Ai 伴侣聊天服务

INDIGO TALK 第七期，邀请到了来自姑苏实验室的陈忻博士，他一名材料科学家，从斯坦福大学博士毕业后，在美国从事新材料科学研究十多年。凭借其专业背景，我们将一起探讨这次 AI 的变革会如何改变科学研究，大模型如何应用于科研领域，哪些研究方向将得到加速发展，以及新科学范式将是什么样子？一如既往，我们都会在最后讨论下 AGI 的到来对社会的影响。 本期嘉宾 陈忻（材料科学家 苏州实验室研究员） Indigo（数字镜像博主） 时间轴 00:00:45 - 节目开场的嘉宾介绍 00:02:59 - 什么是材料科学 00:07:36 - iPhone 上有什么典型的新材料？ 00:09:59 - 科学界如何看待 AI 中的大语言模型？ 00:23:50 - 材料科学与蛋白质生物科学研究的对比 00:28:12 - 关于科学研究的大模型 00:33:00 - 科研范式如果转向连接主义的思考 00:46:10 - INDIGO 的快速回顾 00:46:44 - 关于对高能物理研究的一些脑洞 00:51:12 - AI 会最先加速哪些科研方向？ 00:56:00 - AI 会如何影响物理世界的生产与科研？ 01:03:12 - 对 AGI 到来的探讨 01:09:20 - INDIGO 的最后总结 内容纲要 陈忻在对谈中提到，很多科学问题，就是实现函数中 a 到 b 的映射求解，例如材料科学就是要把材料的结构映射到材料的性能，如果我知道结构就能立即求解出性能，那这个问题就解决了。DeepMind 的 AlphaFold 在 2021 年底用 AI 的神经网络实现了这个映射求解，输入 DNA 序列，就能解出蛋白质的空间结构，准确率超过了 90%，超过了科学家用各种实验和逻辑推导的结果。这是科学史上具有划时代意义的一次转变，为科研带来了一种全新的范式。 这样的结果表明，AI 已经能够感知到那些人类无法通过理性认知去发现的规律，并以此指导其行动。人类不再是我们已知世界中唯一能够发现和感知规律的智能物种了。 以下内容由 GPT-4 根据每个讨论小结的对话内容生成（Prompt：总结下面对话的主要观点，用列表形式来回答） 材料科学与对人类文明的影响 * 材料包括生产使用的各类原子和分子，如金属、塑料等。 * 人类发展阶段的定义往往与新材料的利用有关，如石器时代、青铜时代、铁器时代等。 * 能源代表文明级别，而能源的有效利用很大程度上取决于材料的转化。 * 新材料催生新技术及生产方式，如硅半导体、光纤、锂电池等。 * 对材料使用的创新衍生出诸如手机、电子设备等便利产品，增进人们生活质量。 * 文明的进步伴随着主力材料的变化，如石器、青铜、铁、钢、硅、玻璃和锂等。 * 新材料和技术的出现促发了范式转变和技术跃迁。 科研范式与 AI 的发展 * 当前是 AI 加速时代，重点讨论大模型如 large language model 和 large material model。 * 大模型的发展受益于算法、技术和硬件的进步。 * AI 在科学领域的发展和应用存在多次波动，从 60 年代的逻辑推理式、80年代的概率式、到现在的机器学习式和大模型时代。 * 大模型的时代让科学界对AI革命反思和对其未来发展展望更加严谨。 * AI for Science 的历史可以追溯到20世纪60年代，但在90年代逐渐进入沉寂期。 * 随着英伟达 GPU 的出现及深度学习技术的发展，AI 技术在科学研究中的应用逐渐恢复。 * 通过大量数据和神经网络训练，AI 能建立复杂问题的映射关系（如结构到性能）。 * 2015年以来，数据驱动的研究范式在 AI for Science 中开始兴起。 材料科学与蛋白质生物科学研究的对比 * AlphaFold 是一个里程碑式的工作，可以通过 DNA 序列预测蛋白质三维结构。 * 蛋白质结构从数学上来看比较简单，是一个线性的高分子链，每个链有 20 种氨基酸。 * AlphaFold 的发展意义非常重要，因为可以通过预测蛋白质结构设计出新的分子来阻断病毒等。 * 蛋白质数据集来源于 Protein DataBank，这是一个国际非盈利组织，各国科学家可以共享蛋白质结构数据。 * 生物学材料的信息化相对比较简单，但材料科学的信息化要复杂得多，因为分子结构更随机、更自由。 * 目前材料科学研究需要将研究范围缩小到以一种基准材料为基础的材料系列。 关于科学研究的大模型 * 当前的 AI（如 ChatGPT）可以学到常识，有时甚至比一些人的常识要好。 * 许多人缺乏科学常识，即使受过良好教育的人可能因为不再接触科学而缺乏科学常识。 * 探讨是否可以通过大型模型教会AI科学常识，为科学研究提供支持。 * 借助大模型的思想和方法，可能在 2-3 年内实现领域通识水平的硕士或博士水平智能。 * Facebook 发布了名为 Galactica 的科学创新模型，因肇事幻觉被骂回去，判断为不可用。 * 讨论了 AI21 公司计划在 2024 年推出针对科学论文的训练模型。 科研范式如果转向连接主义的思考 * GPT 是基于自然语言的，但自然语言有局限性，可能不是描述科学问题最好的方式。 * 有尝试使用形式化语言或编程语言来描述科学问题，但尚无明显成功，可能是数据量不够多，或模型不够大。 * 物质世界可以分为不同层次，例如分子级、原子级、亚原子级等，可能需要在这些层次之间建立联系。 * 学科分类可能是人工的划分，不符合自然规律，应该寻求不同领域知识之间的连接。 * 随着人工智能的发展，可能会对学术、教育、工作和社会组织带来深刻的变革。 对高能物理研究的一些脑洞 * 物质的研究可能要按照宏观世界的颗粒度级别分层次，而不是现有的物理化学层次。 * 利用连接主义模型将物质连接起来，进行数据转化。 * 在原子核里的世界才是真正的量子世界。 * 标准模型物理学复杂且粒子命名随意，但可能是一种模型。 * 没有足够实验数据观察细节，微观物理中训练 AI 可能成为研究工具。 * 关于粒子的可分性，它可能需要巨大能量才能分解。 * 粒子加速器越来越大，但测量需要的尺度也变大，当达到普朗克尺度时加速器可能需要银河系那么大。 * 近几十年内，人类可能无法触及到更高层次的物质研究，但 AI 可能带来前所未有的发现。 AI 会最先加速哪些科研方向？ * AI 在天气预报方面的应用已经取得显著成果，提高了准确度。 * AI 在医药和新材料领域有很大的应用潜力。 a. 加速新药研发，降低社会成本。 b. 未来 10 年内可能出现至少 10 款 AI 研发的药品。 * AI在科学领域（例如天文学）的应用也在不断发展。 * 医药领域能源和新材料将是AI发展最快的方向。 * 新材料的发展可以帮助解决能源利用率和储能问题。 * 新材料的应用还包括电子设备（如 AR/VR 和微发光阵列），可能会推动元宇宙概念的实现。 AI 会如何影响物理世界的生产与科研？ * AI 大模型在数字世界发展迅速。 * 人类易低估数字世界的发展速度，高估原子世界的发展速度。 * AI 跃迁超出很多人想象，智能快速出现。 * AI 科学家认为 AI 可以对物理世界产生更大的影响，黄教主预测下一波浪潮是 AI 对物理世界产生的作用，价值 100 万亿美元。 * ARK 基金预测 2030 年 AI 对世界产生的价值约为 75 万亿美元。 * AI 对物理世界的影响处于萌芽期，但已有一些苗头，例如英伟达的计算光刻技术。 * AI 可能会将人类对物理世界的改进提速，但速度不会超过数字世界。 * 逐渐关注 AI 对物理世界的改造趋势。 * 通过 AI 能为物理实验提供更好的实验方案和助手。 * 将科学大装置与 AI 进行数字化连接，利用 AI 进行科研实验。 对 AGI 到来的探讨 * 通用智能的到来是不可避免的，只是时间长短问题。 * AGI 的到来可能会给人类带来正负两方面的影响。 * 人类有可能是 AGI 的引导程序，对其发展具有指导作用。 * 人类使用科技和面对新事物会改变价值观和道德标准。 * 不能预知未来的价值观，需随着科技进步不断调整。 * 欢迎 AGI 的到来，因为它将有可能帮助人类进入下一个阶段。 * 无论未来人类是基于硅基还是碳基生命形式，或是它们的组合（如 cyborg），人类都需适应科技进步。 相关参考 蓝光 LED - 蓝光LED的发明人中村修二、天野浩和赤崎勇获得了 2014 年的诺贝尔物理学奖 OLED - 有机发光二极管 Micro LED - 微发光二极管（miniLED、OLED、MicroLED 详解） Polymer - 多聚物是科学和工程的一种重要材料，广泛应用于塑料、橡胶、纤维、胶黏剂、涂料、玻璃，以及生物分子，如蛋白质、核酸和多糖等。 Corning 公司的 Gorilla Glass（大猩猩玻璃） AlexNet - 是一种卷积神经网络（CNN）架构，它于 2012 年引起广泛关注，因为它在当年的ImageNet 大规模视觉识别挑战赛（ILSVRC）中取得了非凡的成绩。这个神经网络模型由 Alex Krizhevsky，Ilya Sutskever 和 Geoffrey Hinton 设计。AlexNet 主要应用于计算机视觉任务，特别是在图像分类和物体识别方面表现优越。 ResNet - 全名为 Residual Network（残差网络），是一种深度神经网络（DNN）架构。它最初是由何恺明（Kaiming He）等人于 2015 年提出的，用于解决深度学习中的“梯度消失”和“退化问题”。ResNet 被广泛应用于计算机视觉和图像识别任务等领域，因为它可以构建非常深的模型并在训练时保持较高的性能。 Back Propagation - 是一种广泛应用于深度学习和神经网络的训练算法。它根据神经网络的误差来调整各个层的权重（即连接不同神经元的强度），以便改善模型的性能。 AlphaFold - 是一个由 DeepMind 开发的 AI 系统，它应用了深度学习技术来预测蛋白质结构，也就是预测蛋白质折叠成的三维空间形状。蛋白质结构的预测对于药物设计、疾病研究和生物学领域具有重要意义，但这一任务在过去一直被视为科学界的一个重大挑战。 Protein Databank - wwPDB（全球蛋白质数据库）是一个全球科学组织，它为研究人员提供了一个关于生物大分子（如蛋白质和核酸）的重要资源。它们的主要任务是收集、整理和提供访问这些生物大分子的三维结构信息。这些信息对于了解生物学的基本过程、药物设计和其他领域具有重要作用。 Galactica - Meta 公司训练的帮助科研人员研究的科研模型。 AI21 Labs - 是一个以色列初创公司，专注于研究和开发人工智能（AI）技术，特别是自然语言理解（NLU）和自然语言生成（NLG）领域。 Wolfram｜Alpha - 由英国科学家 Stephen Wolfram 创立，专注于计算智能和技术开发。 维特根斯坦 & 符号主义与连接主义 标准模型 - 是描述强力、弱力及电磁力这三种基本力及组成所有物质基本粒子的理论，属于量子场论的范畴，并与量子力学及狭义相对论相容。 PaLM 2 Med - PaLM 2 的医学专用版本 Starship 用的不锈钢 - 300-series stainless-steel Helion - Sam Altman 投资的核聚变公司 Retro Bio - Sam Altman 投资的可以让人类寿命增加十年的生命科技公司

INDIGO TALK 第六期，邀请了真格基金的管理合伙人戴雨森（Yusen），他也是聚美优品的联合创始人，完整经历过移动互联网时代的成功创业者和资深天使投资人，在他的专业背景下，我们一起来聊聊最近火爆的 AutoGPT、GPT4 涌现出来的新能力，还有新的智能代理组织形态以及对大语言模型支撑下 AI 创业的思考，一如既往，我们都会在最后讨论下 AGI 的到来对社会的影响。 本期嘉宾 Yusen（戴雨森 - 真格基金 管理合伙人） Indigo（芦义 - 独立投资人 / 数字镜像博主） 时间轴 00:00:23 - 节目开场的嘉宾介绍 00:03:03 - ChatGPT 与 AutoGPT 的范式转变 00:14:15 - GPT 4 的能力涌现与连接主义 00:35:31 - ChatGPT Plugin 功能带来的机会 00:45:34 - 如何看大语言模型下的 AI 创业 00:59:31 - 通过智能代理运行的新组织 01:07:37 - AGI 的到来对社会的影响 01:19:52 - INDIGO 对本次对谈的总结 01:25:56 - YUSEN 的总结 内容纲要 如果今年四月 AI 领域只有一件事值得关注，它必须是 AutoGPT，它把人类对大语言模型的使用推向了一个新的高度。尽管目前技术尚有局限，任务完成度比较低，但这种从语言模型到“赛博具身”的转换非常重要，关于 AutoGPT 的详细讨论参见 orange.ai 的这篇《AutoGPT，从语言模型到赛博具身》。在这样一个模型成长速度超过你创业开发产品速度的时代？我们应该如何面对这样的现实？GPT-4 更强大的推理能力上会有哪些新机会？还请听本期对谈！ 以下内容由 GPT-4 根据每个讨论小结的对话内容生成（Prompt：用十个有意义的要点来概括） ChatGPT 与 AutoGPT 的范式转变 * 人工智能行业发展迅速，每天都有新技术和进展出现，如近期的 AutoGPT。 * 大语言模型，如 ChatGPT，迅速拓宽了 AI 在不同领域的应用场景。 * AI技术的核心变化在于将语言和工具结合，从而提高各行各业的效率。 * AutoGPT 虽然还比较粗糙，但其发展潜力和优势明显，足以改变整个技术生态。 * 语言、知识、逻辑 是大语言模型的三个层次，其中 逻辑层 最具挑战性。 * AI 产品如 ChatGPT 不仅使普通用户可以直接使用新一代AI技术，更拓展了整个AI技术的市场应用。 * AutoGPT 的未来发展方向是专注于某一个领域，提高执行效率。 * AutoGPT 实现了任务自动规划、工具调用和结果评估等功能，与人类解决问题的方法类似。 * AI 技术的组件化使各种技术可以互相调用、协作，从而组合成更强大的系统。 * 通过实验室实践，实现大语言模型在特定领域的集成和改进。 GPT 4 的能力涌现与连接主义 * 微软之前发布了关于 GPT-4 的研究论文，主要研究其涌现出的潜力。 * GPT-4 具有强大的潜力，如推理能力、规划能力、解决问题能力以及验证等。 * 软件已经进入了 2.0 时代，神经网络和算法一起为训练形成的软件。 * 研究者逐渐意识到 GPT-4 已经具备了萌芽阶段的 AGI 的特点。 * GPT-4 的涌现能力可能成为 A I未来的主要发展方向，而复杂任务的规划在其发展过程中占据关键地位；展现出强大的泛化能力，解决许多 GPT-3.5 无法解决的任务。 * GPT-4 具有更丰富的世界观，研究者很难解释其具体原因，但与人类的认知和理解方式有很多相似之处。 * 人工智能从混沌中产生的秩序，可能成为智能的常态。符号主义和连接主义的争议可能在 AI 领域的胜利。 * 量子力学及其他领域的研究很多时候都是先找到可用的东西，然后再探究其原理。 * 哲学家 维特根斯坦 关于世界的连续性观点启发了关于符号学的思考。 * 当前训练大型语言模型（如GPT-4）为人类创造了一种新的智能形式，有时难以用人类的逻辑和理性解释。 * 随着 AI 技术的发展，我们正进入一个人类和其他智能体共同解释世界的时代。 * 目前，AI 的道德、社会及法律地位尚待探讨，如AI是否应该享有类似的人权等。 * 未来的 AI 进化可能会包括自我 prompt、自我迭代及自我驱动等新能力，从而更接近人的思维模式；AI 的逻辑能力和目标感有望在未来版本中不断变强，这将有助于未来的共同发展。 未来的 AI 有可能在与人类的共同发展中实现自我学习和实时互动，进一步模拟人类的思维模式。影响如何看待和使用 AI 的是诸多微妙的因素，如其来源、实体及与人类的关系等。随着技术进步，我们需要对 AI 的认知和态度做出相应的调整。 ChatGPT Plugin 功能带来的机会 * GPT-4 发布了 plugin 功能，降低了使用门槛，吸引了众多程序员尝试。 * Plugin 功能通过接入外部数据源弥补了 ChatGPT 的信息不足。 * 通过插件功能实现自然语言驱动的胶水编程，简化 API 对接。 * 插件使 ChatGPT 具有更强的逻辑及执行代码能力，形成更智能的助手。 * ChatGPT 作为平台，可接入第三方服务，实现助手到助手的场景。 * 聊天模式可能成为未来人机交互的主要形式。 * 未来 App 设计逻辑可能会以语言交互为主，简化界面操作。 * AI 将从生成式能力扩展到执行代码、浏览网页等多个领域能力。 * 结合插件功能和外部数据源，解决并优化用户查询助手的效率问题。 * 融入语言和现有工具的产业环境将产生革新性变化，为投资市场和终端用户提供新机会。 如何看大语言模型下的 AI 创业 * 技术革命早期较难预测未来，应尽可能保持开放心态。 * 早期创业者在技术变革中积累的经验具有很高的壁垒。 * 深刻的技术变革可能来自一开始看似玩具般的创新。 * 年轻人更适应新技术革命，具备更开放的思维和更多的时间去尝试。 * 开源和闭源生态的竞争，如何选择合适的技术框架。 * 中间层框架的发展空间以及未来的可能性。 * 降低 AI 模型成本和提高效率的尝试，如 Colossal.AI。 * 关注年轻一代在 AI 领域的积极探索，发掘有潜力、有创新精神的创业者。 * 要关注从底层大模型到中间层框架再到具体应用的发展过程，关注各个层次的变化和机会。 * 积极尝试新事物，保持 AI 感，亲自体验和使用新产品和技术。 通过智能代理运行的新组织 * 在智能时代的变革中，核心目标是抓住变革时期的重要潮流和机遇。 * AI 大模型如 GPT-4 在智能时代中发挥着关键作用。 * 利用现有的开源技术和中等规模的模型，结合大模型，实现任务规划和智能化操作。 * 把不同能力的 AI 模型组织起来，执行更复杂的任务或更快速地完成任务。 * 跨足数字世界和现实世界，实现智能体的全方位认知和了解。 * 基于智能化的组织将不再由人组成，而是由一个有机系统组成。 * 在未来，可能会有更高效的 AI 之间的沟通语言，而非目前的自然语言。 * 拥有足够算力和数据资源成为训练不同职业和分工的基础。 * 在不断发展的 AI 领域，未来的终局判断仍然充满不确定性。 * 培训具有不同能力的 AI，以适应不同任务和场景，可以创造更多价值。 总之，智能时代带来了许多新的机会和挑战。我们需要全面掌握 AI 的发展，并利用不同能力的模型来解决更复杂的问题。在未来，我们可能会看到更加智能化和自动化的组织和应用。 AGI 的到来对社会的影响 * AGI（通用人工智能）时代的到来，最缺的是能源，例如核聚变等新型能源技术。 * 人工智能和算力的发展要求高效地开发和利用能源，将能源转化为服务人类的算力。 * 未来的生产方式将越来越简单，主要依赖电力进行新型智能制造。 * 比特世界的变化会比原子世界快很多；我们总是对于比特世界的事情低估了，却对原子世界的事情高估了。 * 当前的 AI 发展具备阶梯属性，新的技术和范式可能带来突变式的进步。 * 不仅要关注 AI 技术本身，还要关注其在社会学、心理学等方面的影响。 * 人类在智能时代可能未做好应对各种变化的准备。 * AI 时代对安全、道德等方面的挑战非常大，需要制定相应的规则约束。 * 人工智能发展速度很快，而人类很容易用惯性思维看待问题。 * 人类需要更好地准备AI时代的到来，包括解决失业、道德和安全等问题。 * 对于 AI 的发展，我们需要保持谨慎乐观，关注 alignment 和 safety 等核心课题。 相关参考 跨越鸿沟（Crossing the chasm）- Jeffery Moore 于 1991 年提出 AutoGPT - An experimental open-source attempt to make GPT-4 fully autonomous. 更详细的介绍：参考 orange.ai 的这篇《AutoGPT，从语言模型到赛博具身》 Sparks of Artificial General Intelligence: Early experiments with GPT-4 来自真格基金的翻译： 最详细全文翻译（上）｜微软155页大工程首次揭示 GPT-4 超能力 最详细全文翻译（下）｜微软155页大工程首次揭示 GPT-4 超能力 Sparks of AGI 视频版： Sparks of AGI: early experiments with GPT-4 - Sebastien Bubeck GPT-4 发布前夜访谈 Ilya Sutskever - kunchengblog 翻译 视频：GPT-4 Creator Ilya Sutskever Yann LeCun on a vision to make AI systems learn and reason like animals and humans 翻译：学习“世界模型”的能力是构建人类级 AI 的关键所在 图灵奖获得者 Yann LeCun AI for the Next Era 视频：OpenAI's Sam Altman on the New Frontiers of AI ChatGPT Plugins - Plugins are tools designed specifically for language models with safety as a core principle and help ChatGPT access up-to-date information, run computations, or use third-party services. LangChain - a framework for developing applications powered by language models Colossal.AI - maximize the runtime performance of your large neural networks 大语言模型时代， AI和人类谁更懂你？ - 拾象 x 真格对谈 Alignment（对齐） 在人工智能领域，AI Alignment （对齐）研究旨在引导人工智能系统朝着设计者预期的目标和利益发展。一个对齐的 AI 系统推进预期目标的实现；一个不对齐的AI系统在推进某个目标方面具有能力，但不是预期目标。

INDIGO TALK 第五期，邀请了腾讯研究院的徐思彦同学，她是 Crypto 领域的专家，在她的专业背景下，看看今天人工智能与去中心化能碰撞出什么火花😄 大语言模型推动的 AI 快速进化，让人类都有些措手不及，训练和使用过程中的数据隐私，还有幻觉效应带来的决策误导，都是目前面临的问题；这个和通过去中心化技术实现的加密货币一样，让政府和决策机构头疼，颠覆性的技术都有它的两面性，但现在 AI 带来的热度已经远超 Crypto 相关的话题，这两个技术的发展或者有没有结合点，我们今天回来深度讨论一下这个话题。 本期嘉宾 Syan（徐思彦 - 腾讯研究院） Indigo（独立投资人 / 数字镜像博主） 本期对谈纲要 00:00:52 - 开场（Syan 与锡安的故事） 00:04:54 - Crypto 在 AI 高压下的行业进展 00:08:10 - AI 与去中心化之间的联系 00:13:04 - 去中心化给 AI 的启示 去中心化的选择权、用开放对抗封闭 00:16:12 - 数据隐私的问题 通过隐私计算来控制你的数据 00:19:30 - 对比 YC 的项目来看 Web 3 与 AI 的创业 AI 更多是 SaaS 服务的迁移，而 Web 3 则是 Crypto 原生用户的 Onboard 00:23:44 - 区块链的生产关系与 AI 的生产力 A 解决的是生成力的问题，而去中心化再改变生产关系（Syan） 大语言模型让知识高效传递成为了可能，知识可以复制了（Indigo） 00:26:35 - AI 与区块链技术再未来的某种融合 Crypto 的最佳用户不是人类而是 AI / Bot（Syan） 00:30:17 - AI 可以如何来改进去中心化技术？ 合约代码审计、数据分析与边缘节点的安全 00:35:08 - 去中心化的 AI 算力方案 00:40:03 - 前面聊过的话题总结（Indigo） 00:41:13 - 这两个技术的风险和挑战 00:42:05 - 如何用去中心化方式来解决 AI 被操纵的问题 Human in the Loop & Open Source 接受公众审查 AI 中的 Token 激励和 DAO 自组织 00:46:17 - 开源策略与开放训练数据集 00:49:53 - AI 与去中心化对现代社会治理的影响 Worldcoin 项目的介绍与全民基本收入（UBI） 00:54:13 - 超级人工智能是被公司控制还是被政府控制？ 00:56:24 - 新阶层的出现 00:57:55 - AGI 会不会引导人类走向新社会主义 00:59:18 - AGI 即将到来的社会里 人类应该做好什么样的准备？ 本期提到的概念和服务 锡安（Zion Matrix） Popular Ethereum Layer 2 Optimism & Arbitrum 5 latest open-source LLMs 1. BLOOMZ 2. OPT-IML 3. Pythia 4. LLaMA 5. Vicun flower.dev Flower A Friendly Federated Learning Framework babylonai.dev Datadog for machine learning on edge devices middleware.io AI-powered cloud observability platform nansen.ai 250M+ labeled addresses across 10+ chains. Worldcoin Worldcoin is building the world’s largest identity and financial network as a public utility, giving ownership to everyone. The Network State This book explains how to build the successor to the nation state, a concept we call the network state. INDIGO 的直播课 www.indigox.me Notion AI 帮忙创作的“人工智能与去中心化” 人工智能（AI）和去中心化技术（Decentralization）是当今最受关注的技术趋势之一。AI 是指机器模拟人类智能的能力，可以在各种应用领域中自主地执行任务。去中心化技术则是指将权力和控制权分散到网络中的所有节点，这样就不需要任何中央机构或机构来管理和控制网络。 人工智能和去中心化技术的结合可以潜在地带来许多好处。例如，在去中心化网络上运行的人工智能可以实现更高效的数据处理和分析，同时保持数据的安全性和隐私性。这是因为去中心化网络不需要一个中央机构来存储和管理数据，而是将数据存储在多个节点中，这样就可以避免单点故障和数据泄漏的风险。 在现代社会，人工智能和去中心化技术的结合已经产生了许多有趣的应用。例如，一些区块链平台已经开始使用AI来监控和优化其节点的性能，从而提高整个网络的效率和稳定性。另外，一些智能合约也使用了AI技术，可以自动执行某些任务以及预测并自适应未来的需求。 AI和去中心化技术也被广泛应用于金融业、医疗保健、能源等领域。例如，去中心化金融（DeFi）平台使用智能合约来自动化金融服务，从而降低了金融服务的成本和交易时间。在医疗保健领域，AI技术可以帮助医生进行更准确和快速的诊断，而去中心化技术可以帮助医疗数据的安全存储和共享。 然而，人工智能和去中心化技术的结合也会带来一些挑战和风险。例如，AI可能会被操纵和滥用来破坏去中心化网络，也可能会对网络中的隐私和安全造成威胁。因此，在推动人工智能和去中心化技术的发展时，必须注意这些风险并制定相应的保护措施。 总之，人工智能和去中心化技术的结合可以为我们带来许多好处，但同时也需要我们谨慎处理其风险和挑战，并制定相应的政策和规范来保障社会的安全和隐私。随着这两种技术的进一步发展，我们可以期待看到更多的创新和应用。

INDIGO TALK 第四期，邀请了棕榈资本创始人李厚明，一起来聊聊在这个 AI 新时代下的新概念、新机会还有新的困惑。厚明同学特别代表非技术投资人，准备了十多个问题，我们将在这次八十多分钟的对谈中逐个解答！这里也有 AI 帮忙回答的😄 本期嘉宾 * 李厚明 - 棕榈资本创始人 * Indigo - INDIGO 数字镜像博主 对谈纲要 00:02:05 - 生成式 AI 为什么爆发？ 00:06:06 - Transformer 从诞生到现在的流行，这期间发生了什么？ 00:10:24 - AI 模型大小的特点和区别？ 00:13:57 - 训练文字和图像的差异？ 00:21:57 - 做大模型国内有没有机会？ 00:24:51 - 大模型训练的成本问题？ 00:27:45 - 算力无限了就能做出 AGI（通用人工智能）么？ 00:32:48 - OpenAI 对 Google 这种大公司的影响？ 00:36:35 - 国内公司开始挖 OpenAI 的华裔 这个事情怎么看？ 00:41:04 - 中美在 AI 研究上的差异？ 00:43:37 - 国内大模型最看好哪个公司？ 00:46:12 - Google 近期能有制衡 ChatGPT 的产品出现么？ 00:50:59 - 美国的 AIGC 创业公司主要在做什么？ 00:54:50 - AI 会创造全新的工作流，互联网企业 AI 化会像传统企业互联网化那样么？ 01:02:03 - AI 会如何影响我们个体？ 01:08:59 - AI 在那些方面做得不是很好？ 01:13:34 - 在中国市场上会投资什么样的团队？（问李厚明） 01:16:44 - 像 AI、Crypto、Metaverse 这些代表了真正数字时代的技术，会推动人类社会结构的进化，是应该以民族优先来做，还是应该以人类视角来做？（问李厚明） — 怎么看 OpenAI 的降价？（Notion AI 回答的） OpenAI 的降价有两层意思： 1. 降低了使用门槛,让更多的人和企业可以使用 GPT-3，扩大了用户群和应用场景; 2. 也表明 GPT-3 已经基本成型，OpenAI 需要通过降价来争取更多的用户，获得更多的数据和反馈来提高模型的泛化能力; 3. 同时也给后来者带来了压力,要追赶 GPT-3 的技术优势,需要投入更多的资源。 对未来几年的展望 未来几年，在生成模型方面： * 图像生成会越来越逼真，视频生成也会有很大提升； * 文字生成会越来越流畅和逼真，甚至可以生成较长的文章； * 这些模型的泛化能力和可控性会进一步提高，更加适合商业化应用； * 不同的垂直领域会出现更多针对性很强的生成模型； * 这些生成模型会和知识图谱、推理引擎等技术相结合,生成的内容会更加符合常识； * 可能会出现第一代 AGI 的雏形，但距离通用人工智能还有很长的路要走； 对人工智能来说，未来几年会是飞速发展的几年，各种先进技术会层出不穷，人工智能会成为更多应用场景和产品的组成部分，产业也会进一步扩大。但距离人工通用智能，实现人类级智能还需要更长时间的积累和突破。 本期提到的产品与技术 * AIGC - AI Generative Content * Transformer - Attention Is All You Need * NLP - Natural Language Process 自然语言处理 * LLMs - Large Language Models 大语言模型 * StableDiffusion - Stability AI 的开源图像生成模型 * BERT - Google 最早基于 Transformer 的语言模型 * CLIP - OpenAI 的视觉识别模型 * DeepMind - Google 全资收购的 AI 研究公司 * Multi-Models - 多模态 * FSD - Full Self Drive * Andrej Karpathy - 前 Tesla AI 副总裁 * Geoffrey Hinton - 神经网络之父 * Anthropic - Google 投资的人工智能公司 他们有最接近 ChatGPT 品质的产品 Claude，可以访问 POE 来体验 * Meet Claude: Anthropic’s Rival to ChatGPT

INDIGO TALK 第三期，邀请了老朋友 EICO 联合创始人 Rokey，FOYO BIO 生物科技公司创始人范阳，还有来自温哥华 Hybrid Rituals 消费科技 x 潮流文化主题的媒体公司的 Zhou Mo 同学，一起来聊一下大家对生成式（Generative AI）的看法，会如何影响设计、时尚还有合成生物行业，以及什么是 AI 原生应用。 本期嘉宾 * Rokey - EICO（Seattle） * 范阳 - FOYO BIO（Shanghai） * Zhou Mo - Hybrid Rituals（Vancouver） 本期主持 * IndigoX - Indigo 数字镜像博主 本期对谈关键词 人工智能、神经网络、生物、视觉、大脑、创作、设计师、设计理念、训练模型、工作逻辑 本期对谈纲要 1、AI 与仿生神经网络简史（00:01:35） 2、Rokey 的分享（00:03:31） * 生成式 AI 对各类媒介内容的影响 3、范阳的分享（00:07:24） * 技术革命往往从边缘地带开始，AI 在 digital x physical x bio 的交叉路口最值得期待。 * 新技术刚产生的时候我们直觉上会把新技术应用在当下的事物上做一些我们熟悉的事情，但是往往killer app是反直觉的，一些颠覆性的新产品会从AI上原生性的长出来 * AI 在视觉、听觉和文字应用是当下发展最快也最实用的，但是就像寒武纪生物大爆炸的一个原因是生物进化出了眼睛这个器官，动物能看到世界了以后就开始做更多探索，也开始进化出更复杂的功能和器官，从生物进化的视角，AI在视觉表达进步之后就会做更多更复杂的应用，we are still early。当下的很多模型可能都是在给不久将来的AGI长那双眼睛 4、Zhou Mo 的分享（00:16:26） * 从媒体的角度来看近代时尚和文化的发展史, * AI 目前如何在改变时尚界的每个环节（从创意到生产到产品到体验） * 如何影响和映射了当代的潮流文化输出 5、范阳的分享（00:33:31） * 越是牛逼的技术，越会变成手工艺品，进入每个人的生活，大家都能拥有 * 个人biased的观点： AI generative design + 合成生物学/新材料+ 3D 打印/自动化生产，会是大事件，会改变我们物质消费的方式。 6、Rokey 的分享（00:45:44） * 在 AI 的驱动之下，设计在生产工作流程中角色变迁 7、关于 AI 驱动的 IP 还有数字生物的讨论（00:51:20） * 范阳的观点：AI 会创造出更多侃爷 Kanye West 一样的综合能力强的创意人，并且数字化他们的能力，让更多人可以与“侃爷”的 AI 版本合作 8、关于 AI 原生应用和新媒介的讨论（01:06:03） 9、主持人对全篇对谈的总结（01:18:31） 嘉宾分享的一些资源 * Stability AI - stability.ai * Rokey 的文章：AI 时代的巫师与咒语 mp.weixin.qq.com * Meta 的 image recognition system 在电商的情景使用方式: ai.facebook.com * 打破算法的自媒体: newlife.ai

INDIGO TALK 第二期，邀请了来自 UNISWAP 纽约团队的 Huang Kuan 还有温哥华 Naryalabs 的 Andy 同学，一起来聊一下经济下行周期里 Web 3 的理想和现实 本期嘉宾 * IndigoX - INDIGO 数字镜像博主（主持人） * Kuan Huang - UNISWAP（NYC） * Andy - Naryalabs（Vancouver） 本期对谈纲要 1、如何看待目前 Crypto 市场的连续下跌（00:02:22） * 这次 Crypto 暴跌主要和美国宏观经济相关，以及 Crypto 系统自身去杠杆（Kuan） * 如果你不太在乎币价在 6 - 12 个月间的波动的话，这个行业是往前走的（Kuan） * 比特币的价格走势基本上和美国纳斯达克的科技成长股同步，因为基本是同一批机构在交易（IndigoX） * 和两三年前比，现在参与的人多太多了，更多来自科技巨头公司的研发与产品人员卷入其中（Kuan） 2、DeFi vs 传统金融（00:10:10） * DeFi 更透明，你可以追踪各种东西，因此市场爆得更快（IndigoX） * DeFi 它有一定的赌场性质，也有一定的金融属性（Andy） * Uniswap 提供流动性，你大致要猜测到这个这价格波动在哪个地方，然后把钱流动性集中在那个地方，有点像买股票期权一样（Kuan） 3、Web 3 理想化的远程团队有哪些现实问题？ （00:23:58） * 如果从远程工作的角度来说，我觉得核心团队的人最好要在一个地方（Andy） * 从Uniswap 来讲，大家也主要就是集中在西海岸和东海岸（Kuan） * 如果你本地能够找到很多人才，为什么要去远程呢？（Kuan） * 美国公司鼓吹远程，那是因为缺工程师，当地人才太贵，处于经济目的采用远程方式（Kuan） 4、什么样的创新能够穿越周期（00:34:14） * 九十年代开源的时候你可以创造价值，但无法捕捉价值，现在去中心化代币是可以捕捉到价值的（Kuan） * 能够穿越周期的是一个 business 是个商业，你才能够穿越周期（Kuan） * 任何科技创新你能够留下来，是因为大家需要你才留得下来（Kuan） * 别人需要你，同时就是说你在不花大价钱买用户，扩大市场份额的时候也可以增长（Kuan） * 这轮泡沫之后，科技巨头会更加积极的进入这个领域（IndigoX） 5、数字资产在美国的合规趋势（00:45:31） * 合规来说我其实处于挺谨慎态度，Crypto 这种透明切开放的机制需要和政府斗争到底了（Kuan） * FED 不会放弃 CBDC，这是一种放弃权利的行为（IndigoX） * 今年年底应该就有针对稳定币的法规出台（IndigoX） * 让美国在 Web 3 领域保持领先，这是一种游说国会的有效表述方式（Kuan） * 一旦这些事情跟中美竞争产生关系之后，马上就会来劲了（Kuan） 总结 不管 DeFi ，不管是 NFT 或者说是一些个人权证，个人登录，比如说 DID，这种市场的一个未来，它要消逝于无形之中，可能是未来三五年之后让大家感觉不到区块链技术的存在，但是背后用的都是它。市场在这一轮之后，应该朝着这个方向走才对，确定性增强，不确定性减少，体验变好了，然后大众性接受变高，技术隐藏在后面，大概这样的一个变化趋势。 本期提到的产品与技术 * Uniswap * Aave * Solend * Tenderly * Chainalysis * OpenSea * DID & Passkey (FIDO) Intro Music Copyright –––––––––––––––––––––––––––––– Track: Stardust — JayJen [Audio Library Release] Music provided by Audio Library Plus Watch: https://youtu.be/3L3AuFHWM_cFree Download / Stream: https://alplus.io/stardust