大模型内核 | Page 4

Jan 19, 2026

AI 私人教练即将到来

本文信息来源：willventures 我们相信，AI 将把私人教练的奢华体验带给大众 OpenAI 于 9 月启动了其首个大规模品牌活动。三支广告片分别展示了 ChatGPT 在烹饪、旅行和健身方面的不同使用场景。在 Will Ventures，我们对这则以健身为主题的广告尤其感到兴奋。广告中，一名年轻男子向 ChatGPT 询问训练计划。为什么会让我们如此兴奋？因为我们坚信，未来几年内将会有一款全新的 AI 健身教练应用脱颖而出，而我们并不认为那会是 ChatGPT。私人教练是一个规模达 460 亿美元的全球行业 ——但它属于奢侈型服务。在美国，私人教练的平均收费约为每小时 60 美元，而顶级教练的收费每小时可达数百甚至数千美元。负担得起的消费者非常喜欢这种服务，但其总体可服务市场（TAM）受限于价格水平。在许多方面，个人健身是 AI 极为理想的消费级应用场景。每位消费者的健康目标、伤病状况、时间压力以及可使用的装备各不相同——而 AI 能围绕这些需求量身定制训练计划。随着可穿戴设备日益普及、诊断检测成本不断下降，健康数据愈发充足，AI 也能够对这些数据进行综合分析。 AI 还可以构建消费者运营者和投资人所青睐的持续“行动—反馈”闭环：消费者获得个性化训练计划，在记录中完成训练，并从可穿戴设备（以及可能的计算机视觉追踪）中持续获得反馈，从而指导未来更加个性化的训练。如今，AI 已经能够完成私人教练的大部分工作（其中一些甚至做得更好），而且成本足以让大众负担得起。出于多方面原因，Open AI、Google 等大型基础模型所有者不会成为打造这一产品的公司。专注于健身的应用在功能性上更胜一筹，而不像 ChatGPT 这种“万能应用”，用户还得在烹饪和旅行等查询中来回翻找。此外，在健身领域，品牌至关重要。消费者不仅想锻炼身体，还希望在锻炼中获得情感上的回报，并与能够与自己产生共鸣的健身品牌保持一致。对 Open AI 或 Google 而言，另起一个独立的健身品牌只会分散精力。最后，最灵活、最敢拼的初创公司将胜过行业巨头，因为构建一款健身应用并不需要大量资本，而是需要倾听用户需求，并对产品进行快速迭代。就在上周，Open AI 宣布推出 ChatGPT Health，表示：“你现在可以安全地连接医疗记录和健康应用——如 Apple Health、Function 和 MyFitnessPal——让 ChatGPT 帮助你理解最新的检测结果、为就医预约做准备、就饮食和训练计划提供建议，或基于你的健康行为模式理解不同保险方案之间的取舍。”换句话说，Open AI […]

大模型内核

Jan 19, 2026

推理领域的圈地大战开始

本文信息来源：investinginai Jensen 深知，未来在于运行模型，而非训练模型周日快乐，欢迎来到《Investing in AI》。如果你还没看过，一定要去看看在纽约举办的 AI in NYC 节目。在最新一期节目中，我们讨论了 ChatGPT Health、Grok 的非自愿图像风波，团队还用 Grok 给我生成了一张搞笑的图片（第 27 分钟）。另外，如果你听说过“系统 1”与“系统 2”思维，并且正在构建系统 2 AI，不妨看看 Neurometric Leaderboard——这是唯一一个专注于系统 2、多轮或多步骤代理式工作流的排行榜。如果你的系统设计已经超越系统 1，我们可以帮助你选择合适的模型。今天我想谈谈 NVIDIA 收购 Groq 以及这一举措在战略层面意味着什么。先从 NVIDIA 买下了什么说起。 NVIDIA 并不是以传统意义上的方式收购 Groq。沿用了其 9 亿美元 Enfabrica 交易以及 Microsoft 对 Inflection 交易中采用的“收购式招聘”（acqui-hire）模式，NVIDIA 拿下的是知识产权（IP）和人才，而将公司的空壳留在原处，以规避反垄断方面的雷区。 LPU 架构：NVIDIA 现已获得 Groq 的语言处理单元（LPU）IP 的非独家许可证——这是一种从零开始为速度而设计的、基于 SRAM 的确定性架构。人才：约 90% 的 Groq […]

大模型内核

Jan 12, 2026

TPU 狂热：GPU 与 TPU 之争是否是现代版的 CISC 与 RISC 之争？

本文信息来源：thechipletter 诺贝尔奖得主、经济学家 Paul Krugman 讨论了 TPU 与 GPU，并与 Paul Kedrosky 进行了对话。并非有意批评 Krugman，计算机架构能获得如此多的关注是一件好事。突然之间，所有人都在谈论——也在撰写——Google 的 TPU（Tensor Processing Units，张量处理单元）。TPU 被用于训练 Google 最新、市场领先的 Gemini 3 模型，再加上 Google 决定向第三方出售 TPU（据称其中包括宿敌 Meta），共同促成了一次从 NVIDIA 转向 Google 硬件的重大“氛围转变”。这不仅仅是氛围上的变化，因为 Alphabet 的股价一直在强劲上涨：关于最新一代 TPU（v7）的报道已经极为广泛，因此与其再增加一轮观点解读，我认为为读者整理一份关于 TPUv7 的最具信息量的文章和链接合集，会更有价值。在此之前，我想先简要强调几个我不记得在其他地方被广泛讨论过的要点。十二年的“一夜成功” 我们曾在以下内容中探讨过 Google 的 TPU 项目的起源： Google 的第一代 Tensor Processing Unit：起源 Babbage · 2024年2月25日注：这是一篇分为两部分的文章。本部分提供背景，并讲述了首款 Google TPU […]

大模型内核

Jan 12, 2026

2026 年预测：中期训练、广告、产业政策……

本文信息来源：akashbajwa 大家好，希望你在假期期间过得愉快！我抽时间暂停写作来给自己充电。暂时远离源源不断的 AI 新闻，是一种无价的方式，让我在心理上重置自己，退后一步，去思考他们常说的「更大的图景」。回到 2015 年，当时 OpenAI 刚刚成立。如今，全球经济增长的很大一部分依赖于 AI 及其配套基础设施的建设。没有任何基准是无法被超越的。未来 10 年将带来怎样的进展？它既令人恐惧，又同样令人着迷。我思考未来主要有两个载体：写作和社区。我很高兴能够重新投入写作，并继续开展我们去年通过 “Gradient Descending” 系列活动启动的社区建设。一如既往，我感谢每一位读者的参与。 1. 训练中阶段：企业可选购模型检查点模型训练将越来越成为一个连续体。企业客户将越来越能够选择其偏好的模型检查点，并将其内部数据注入其中。正如 Ben Thompson 所写的关于 AWS 的 Nova Forge 产品：目前，将公司数据纳入 AI 模型主要有两种方式：第一，可以使用 RAG，让模型在生成答案时搜索你公司的数据；第二，可以在公司数据上对模型进行后训练。这两种方法的不足之处在于，你公司的数据并未真正存在于模型之中，这可能导致结果不尽如人意。 Nova Forge 是一个构建在 AWS 内部自研 AI 模型之上的产品；由于他们拥有 Nova 模型，因此也拥有训练检查点。使用 Nova Forge，你可以选择一个检查点——例如模型训练完成 80% 时——并在该阶段注入你公司的数据，使这些数据被直接集成进模型本身，而不是事后再进行搜索或训练。随着越来越多的从业者希望获得语言模型最纯粹的“ 认知核心 ”能力，而不受低质量互联网数据带来的副作用影响，这一市场将如何演进以满足这种需求，值得关注。客户会在训练进度达到 80% 时就选择模型，还是会因为上述原因而希望获得更早的检查点？这取决于训练语料将被提供到何种透明程度。话虽如此，大多数所谓的“开源”模型提供方并未达到这种披露水平，他们通常只做到开放模型权重。 2. […]

大模型内核

Jan 12, 2026

护城河在于知道该构建什么

本文信息来源：kevindstevens 在过去一年左右的时间里，我一直对 AI 持怀疑态度。我的大部分研究都集中在“当泡沫破裂时会发生什么”，并阅读了关于铁路（1873 年）和电信/光纤（约 2001 年）泡沫破裂后的情况。根据我的经验，AI 大多只是一个更好的搜索工具，有用，但并非具有革命性。但是，我坚信最优秀的投资者会保持好奇心、检验假设，并亲自上手那些可能带来代际变革的工具。因此，我开始尝试使用 Claude Code——这个名字多少有些名不副实。尽管它主要是为软件工程师打造的，但实际上适用于任何知识工作者。我的想法已经被彻底改变了，或者至少说，被真正唤醒了。在假期期间，我仅使用了 Claude、GitHub、Obsidian、几个 API 以及我的 Mac 终端，构建了一个 Chief of Staff 和研究助理。下面是一个它能够做到的简单示例：在这种语境下，“那又怎样”似乎缺失了，但你并不需要过多发挥想象力，就能看出这种语境在实际应用中将走向何处。 “Claude，我在过去 5 年里研究了电网。根据我的笔记，哪些发生了变化，哪些保持不变？以及你能在互联网中找到哪些内容可以支持或反驳我之前的想法？” 只需要这样一个简单的查询，众所周知的兔子洞就被彻底打开了。而这也引出了一个重要的假设，它可能定义知识工作和软件开发的下一个篇章。在 AI 时代，指挥和管理智能体工作的能力本身成为一种技艺。编写代码不再像是在构建一个解决方案，而更像是在设置条件，让优秀的解决方案自然涌现。区块曾经是技术知识，而它正在迅速变成对顾客和行业的认知。我父亲在成为负责管理电网基础设施的 COO 之前，做了几十年的线路工。每当我问他是如何决定在哪里进行前瞻性维护时，他总是用同样的手势给出同样的回答：“都在这儿。”他指着自己的牛仔帽。他就像一个人形的记录系统，将数十年的模式识别压缩成了直觉。正是这种直觉是 AI 无法复制的。它可以帮助延展这种直觉、放大它，甚至将其保存下来。但首先，必须有人亲自去获得它。构建如今已变得机械化。只要具备不错的提示词能力，就能在几天或几周内交付可用的代码，而不再需要数月甚至数年。但要对正确的输入、工作流程和输出形成真正有根据的判断？这需要多年的模式识别积累，以及反复倾听客户用十二种不同方式抱怨同样的问题（通常还会坚持认为必须昨天就修好）。为了构建生成上述输出的研究助手，“编码”更多地变成了提示工程。 Claude，我正在尝试 X 我可以使用 Y 个工具我的验收标准是…… 作为一名前产品经理，这感觉很像是在为自己撰写用户故事。只不过在这个场景下，我就是顾客，所以我清楚自己想要完成什么。我还有一个优势，就是 5 年多来一直用同一种格式（markdown）记录笔记，并且有一个将它们关联在一起的分类框架。这算是一种幸运，但也让我相信，随着未来的发展，我们都需要更加有意识地去思考所存储数据的结构和质量，因为这会让 AI 变得更加强大。我是一对一，为一个人而构建。对于要服务数百万人的组织来说，这个问题呈指数级地更加困难。 […]

大模型内核

Jan 12, 2026

AI 原生大型律所、Claude Code 周末与快速起飞

本文信息来源：capitalefficient 每周雷达 AI 原生大所上个月我写过 Crosby，一家面向初创公司的全新 AI 原生律师事务所。现在又有一家新入局者，开始瞄准市场的另一端，Norm AI。 Norm AI 成立于 2022 年，最初是一家监管代理公司，向大型金融机构出售合规软件。但在上个月，他们宣布了一件令人振奋的事情。Norm AI 正在推出 Norm Law LLP，一家完整建制的律师事务所，意图直接与 Big Law 竞争。来源：https://www.normlaw.com。 Norm Law LLP 是我见过的第一家旨在直接与蓝筹级服务提供商争夺其顶级客户的 AI 服务初创公司，而不是仅仅服务于长尾市场（即初创公司和中小企业）。在 Norm Law LLP 发布的同时，Norm 宣布已从 Blackstone 再次融资 5000 万美元——截至目前，该业务累计融资 1.4 亿美元。其他投资方包括 Bain Capital、Citi、TIAA、Coatue、Henry Kravis 以及 Marc Benioff。 Norm Law 将其方法定位为“法律工程（legal engineering）”。这家初创公司已聘请了数十名拥有 Big Law 背景的律师，并让他们与内部 AI 工程师紧密协作，将法律工作流程转化为代理（agents），从而把具体的法律执行工作交由这些代理完成。律师负责设计逻辑，工程师负责构建代理，随后由律师对其部署进行监督。 […]

大模型内核

Jan 12, 2026

拥抱丰盛的理由：为何我选择深度而非分心

本文信息来源：nikunjk 这是第二部分。如果你还没有阅读《反末日主义的论证》，请先从那里开始。 METR 几周前发布了对 Claude Opus 4.5 的评估。该模型能够自主完成一些熟练人类几乎需要五个小时才能完成的任务。他们的置信区间延伸至 20 个小时。METR 承认，他们的任务集缺乏足够困难的问题，无法衡量能力上限究竟在哪里。我们已经正式没有测试可用了。自 2019 年以来，自主任务完成的时间跨度每七个月就会翻一倍。Claude 3.7 Sonnet 于今年 2 月达到了 1 小时，Opus 4.5 于 11 月达到了 5 小时。到 2026 年年中实现全天任务看起来仍然偏保守，而到 2027 年实现持续一周的任务也并非不可能。 Tab，tab，tab。看着别人使用 Cursor，你就能看到未来。意图与执行之间的鸿沟已经消失。今天看似只是自动补全，实际上是在消除“工作”本身。这正是我们开始变得悲观的地方。我们会变懒。我们会无聊。财富差距将会爆炸式扩大。我不这么认为。廉价多巴胺的回报在递减。那些最早、最深度“接入”的人，反而是最先选择断开的。富人不会永远躺在海滩上。人类需要的是意义，而不仅仅是刺激。而最优秀的创造者，已经在用 AI 来进行更深度的思考，而不是逃避现实。电视曾被认为会毁灭文明。此前是广播。我们适应了。我们总是如此。人们最幸福的时刻并不是刷屏，而是创造一些东西、与他人建立连接、沉浸在有意义的工作中。我们正迈入一个创造力的黄金时代，真正重要的只有你的思想和想法。但大多数人还做不到那样的工作。至少现在不行。他们被工作中那 70%用于检索、更新、沟通、对齐的事务所淹没。工作变成了关于工作的工作。把第一个得到一点点验证的想法就发出去。这一切即将消失。时间将被释放出来。瓶颈将从“我们能不能构建这个？”转变为“我们是否应该构建这个？”那个曾经没人有时间去问的问题，将成为唯一剩下的问题。</ 这将是一次粗暴的冲击。大型公司几十年来把员工宠坏了，产出变得肤浅：为开会而开会，毫无更新意义的状态汇报，表演式的生产力。AI 终结了这场表演。剩下的只有思考。而多数人已经多年没有锻炼过这块肌肉。我赌他们会适应。无聊本身就是一股强大的力量，欲望也是。我见过创始人发现，自己最好的想法往往出现在不再管理日程表之后。限制始终是时间。这种限制正在解除。这就是丰裕的样子。是的，逃避现实的基础设施已经存在。屏幕使用时间持续攀升，博彩应用无处不在。AI 让内容变得无限个性化、无限吸引人、无限可得。这种分散注意力的基础设施，或许会带来更高的回报。我仍然在投资深度。以下是我在 2026 年投入资金的方向：合成人类。今年，生成式视频已经不再显得虚假。你可以观看人工人物说话，并感觉自己正在与一个真实的人交流。他们的眼神展现出真实的情绪。再加上个性化——一位清楚知道你卡在哪一步的导师；一名凌晨 3 […]

大模型内核

Jan 12, 2026

解释 2026 年 AI 的两笔交易：推理与智能体成为大型科技公司年终并购狂潮中的真正战利品

本文信息来源：saanyaojha 新年快乐！当我们其他人还在圣诞节和新年之间的年度时间错位中徘徊，吃得过饱、甚至不确定今天是星期几时，Big Tech 已经开始了节日购物。在那些昏昏欲睡的年末几天里宣布的两笔交易，出人意料地清晰地揭示了 2026 年 AI 重心将走向何方。 NVIDIA x Groq：将推理作为控制平面反向收购（reverse acquihire）又回来了。 Groq 为大语言模型打造专用的推理芯片，针对确定性延迟和极端吞吐量进行优化。它们的灵活性不如 GPU——而这正是关键所在：GPU 被设计为能够在多种不同工作负载下都表现得相当不错（例如训练、微调、批量推理、图形处理、HPC 等），而 Groq 则假设一个特定的服务型工作负载，并围绕它进行毫不留情的优化。在推理场景下，这种取舍带来了通用 GPU 根本无法匹敌的可预测性和速度。 NVIDIA 签署了一项非独家许可协议，用于 Groq 的推理技术，更重要的是，吸纳了其核心技术智囊——创始人兼 CEO Jonathan Ross，他最为人所知的身份是 Google TPU 的架构师。据报道，这笔交易的价格高达 200 亿美元，约为 Groq 上一轮估值的 3 倍，对于律师们坚持称之为“并非收购”的交易而言，这是一个相当慷慨的数字。这里正在发生三件事。推理如今是利润池。训练支出依然巨大，但可持续的利润空间在于服务环节，尤其是在代理型工作负载带来更多 token、更高的延迟敏感性以及持续在线的吞吐需求之下。Deloitte 估计，到 2025 年末，推理已超过训练，成为数据中心收入中占比更大的部分，并将在 2026 年约占总计算量的 2/3。这笔交易的核心在于保持在模型服务曲线上的领先优势。对“仅依赖 GPU”推理的一种对冲。 NVIDIA 的 CEO 无需明说“GPU 已经过时”，就能暗示推理的某些环节更适合由其他方案来承担——即专用化、确定性强、能效更高的硬件。像 Groq 等硬件初创公司，以及 […]

大模型内核

Jan 12, 2026

推理领域的圈地大战开始了：Jensen 知道未来在于运行模型，而不是训练模型

本文信息来源：investinginai 周日快乐，欢迎来到《Investing in AI》。如果你还没看过，一定要去看看纽约的 AI in NYC 节目。在最新一期节目中，我们讨论了 ChatGPT Health，以及 Grok 的非自愿图像风波，团队还用 Grok 做了一张我的搞笑图片（第 27 分钟）。另外，如果你听说过“system 1”与“system 2”思维，并且你正在构建 system 2 AI，欢迎查看 Neurometric Leaderboard，这是唯一一个专注于 system 2、多轮或多步骤 agentic 工作流的排行榜。如果你的系统设计已经超越 system 1，我们可以帮助你选择合适的模型。今天我想谈谈 NVIDIA 收购 Groq 以及这一举措在战略层面意味着什么。我们先从 NVIDIA 实际上买了什么说起。 NVIDIA 并不是以传统意义上收购 Groq。沿用其在 9 亿美元 Enfabrica 交易以及 Microsoft 的 Inflection 交易中采用的“acqui-hire”蓝图，NVIDIA 正在获取知识产权（IP）和人才，同时保留公司的空壳，以避免触碰反垄断雷区。 LPU 架构：NVIDIA 现在持有 Groq 的 Language Processing Unit（LPU）IP […]