https://www.youtube.com/watch?v=0aBTpoCX_A8
如果把这段硬核的科技对谈用日常生活来打比方，其实 Igor Babuschkin 讲的就是一个“AI 大厨”在各大顶级餐厅打工后的感悟，以及他为什么决定出来开自己“私房菜馆”的故事：
1. 编程 Agent 爆火：AI 突然从“实习生”变成了“熟练工”
- 发生了什么：以前 AI 帮写代码就像个刚入门的实习生，写出来的东西还得人一遍遍改。但 2024 年底开始，AI 的编程能力突然开挂了。
- 比喻：以前你得手把手教 AI 切菜，现在它不仅能自己切菜、炒菜，还能顺便把厨房收拾得干干净净。这让所有程序员发现，AI 已经能替代很大一部分重复性高、有明确对错标准（可验证）的工作了。
2. River AI 的三大赌注：为什么不继续给“大厂”打工？
目前 OpenAI、Anthropic 这种大厂的模式是：建造超级大算力工厂，炼出一个“大一统”的 AI，然后按字数（Token）卖服务。Igor 觉得这种模式有瓶颈，所以他的新公司押注了三件事：
- 赌注一：定制化强化学习（River API）
通俗解释：大厂给的是“大排档通货”，他想帮企业用自己的独家数据，快速训练出懂自己业务的“专属大厨”。
赌注二：真正懂你的个性化（Personalized AI）
通俗解释：现在的 AI 对谁说话都一样客套。Igor 想做的是“懂你脾气”的 AI——你喜欢长话短说，它就不废话；你喜欢幽默，它就跟你打哈哈，甚至能根据你的情绪和习惯，帮你把生活安排得舒舒服服。
赌注三：把 AI 装进你家的小盒子（Local Hardware）
通俗解释：现在用 AI 都得把数据发到大厂的服务器上，既有延迟，又不安全。他想做一个像路由或电视盒大小的本地设备，把强大的 AI 放在你家里运行，不仅响应极快，而且你的隐私数据绝对不出门。
3. 开源 vs 闭源：大厂快要“卷不动”了？
- 大厂的困境：闭源大厂（如 OpenAI）为了让模型再强一点点，需要投入成倍的电力和显卡，边际效益越来越低。而且如果模型太强，还会面临安全审查和监管，不敢随便发布。
- 开源的追赶：以中国开源模型为代表的力量在后面紧追不舍。企业会发现，与其把自家的核心机密数据送给大厂去训练，不如拿开源模型在本地自己改。
4. 顶级打工人的“奇幻漂流”
- DeepMind & OpenAI：他在 DeepMind 做过打星际争霸的 AI，在 OpenAI 早期就研究过“让 AI 思考一会儿再回答”的技术（就是后来的 o1 思考模型）。他发现只要给 AI 一定“思考时间”（Thinking Tokens），它解难题的能力就会暴涨。
- 埃隆·马斯克 (xAI)：
- 120 天建超算：别人建大型数据中心要一两年，马斯克直接把中间商全裁了，自己当“总包商”，用搞火箭的第一性原理思维，4 个月就硬生生拼出了一座全球顶级的超算基地。
- 收购 Cursor：xAI 后来收购编程神器 Cursor 是极其聪明的一步，相当于直接买到了全球最顶尖程序员每天写代码的真实高质数据。
5. 人类会被 AI 淘汰吗？
- 人机共生：现在的 AI 像个超级助手，人类负责定方向、做架构（主厨），AI 负责干脏活累活（切菜洗碗）。
- 终极风险：如果人类图省事，把所有决定权都交给 AI，最终就会失去对生活的控制。
- 解决办法：不能指望 AI 自动“变好”，必须加速研究“AI 对齐技术”，像给野马套上鞍具一样，确保 AI 的终极目标始终是促进人类的幸福，而不是把人类边缘化。
Top comments (0)