◆ The Learning Grove 林间拾穗

来源：Latent Space

共有 108 篇文章

  • Resend创始人Zeno Rocha访谈：从开源到击败SendGrid，平衡创业雄心与家庭生活 Latent Space
    本文记录了Resend创始人Zeno Rocha的访谈。他讲述了从前端开发者转型构建邮件基础设施平台的过程，强调以开发者为中心的设计理念。Resend已服务430万用户，ARR达千万美元，并超越SendGrid。访谈还探讨了API架构、MCP工具使用、品类开创策略，以及如何在追求商业成功的同时保持家庭关系的平衡。
  • Handshake AI 探讨 AI 数据标注向专家创作演进及市场增长前景 Latent Space
    Handshake AI 团队指出，AI 训练数据已从基础标注转向由专家构建复杂模拟环境，以支持长时域任务。他们预测该市场将从目前的百亿美元规模在三年内增长至千亿美元，并强调评估体系在 AI 落地中的核心作用。
  • 斯坦福CS146S课程与Monaco AI实践：AI原生开发趋势 Latent Space
    斯坦福大学Mihail Eric在AI Engineer频道访谈中，介绍了其CS146S《现代软件开发者》课程的更新背景，以及作为Monaco AI负责人的实践经验。文章探讨了AI编程代理的发展、上下文工程的重要性，以及AI原生开发对初级开发者的影响。
  • 微软 CoreAI 执行副总裁 Jay Parikh 谈 GitHub 规模化与 AI 智能体演进 Latent Space
    微软 CoreAI 执行副总裁 Jay Parikh 在 GitHub Universe 期间接受采访，探讨了平台拥有 2.25 亿开发者与海量提交的扩展规模、Copilot Harness 与多模型路由技术 Fusion、全端上下文协同、AI 安全审查以及开源生态的未来演进与上云规划。
  • 探讨 Anthropic IPO 财务表现、AI 安全漏洞及儿童账户政策 Latent Space
    嘉宾 Jamin Ball 分析 Anthropic 的 S-1 文件，指出其营收增长远超算力支出，暗示推理效率提升；讨论 AI 发现安全漏洞对国家级行为体的影响；并提及一项为新生儿设立投资账户的立法，强调需认领账户。
  • Fabian Theis 谈虚拟细胞、类器官扰动与闭环实验设计 Latent Space
    Fabian Theis 探讨了计算生物学与虚拟细胞的发展演进。内容涵盖单细胞转录组学、类器官扰动建模、基础模型与流式匹配的应用，以及学术界与初创企业如何通过闭环系统指导下一步湿实验。
  • Reducto CEO Adit Abraham 谈文档解析为何依然困扰 AI、自研端到端模型与初创团队打造 Latent Space
    Reducto 联合创始人兼 CEO Adit Abraham 在边做牛排三明治的对谈中，深入分析了 PDF 等非结构化文档处理的核心难点，介绍了自研端到端模型 R1 如何提升精度并降低成本，阐述了对持续评测体系的重视，并分享了团队对专业技能极致追求的工程师文化与白领工作自动化前景。
  • Latent Space 与 AIE 对话：AI 工程师角色、SaaS 克隆与中美生态 Latent Space
    Shawn 讨论了 AIE 落地上海与 Latent Space 的发展历程，阐述了 AI 工程师角色的定位，分享了利用 coding agent 克隆 SaaS 的实践与思考，并对比了中美两地在技术生态与工作节奏上的差异。
  • Warp 创始人 Zach Lloyd：云端软件工厂的基础设施架构与工程化 Latent Space
    Warp 创始人 Zach Lloyd 探讨了从零散使用编码 Agent 转向“软件工厂”基础设施的演进路径。他提出工厂应具备声明式代码定义、集中化追踪、评测打分与自优化闭环等六层架构，并分享了团队将单个 PR 成本从 80 美元降至 15-20 美元、吞吐量提升 40% 的实践。
  • Legora CTO访谈：从法律检索到智能体编排与法律科技工程实践 Latent Space
    Legora CTO Jacob Loritzen探讨了法律AI产品的演进路径与工程实践。公司从法律检索扩展到文档起草、分析及基于列表的原语编排，并推出表格审查等核心功能。他指出当前法律场景不仅依赖前沿大模型，更需结合法律工程师进行定制配置与评估，在保障数据隐私的同时探索合伙人模式与计费方式的变革。
  • Arca：利用自主 AI Agent 构建原生财富管理公司与长周期金融工作流 Latent Space
    在 2026 年纽约 AI Engineer 大会上，Arca AI 平台负责人 Aman Singh 介绍了其近期融资 6400 万美元打造的 AI 原生财富管理公司。Arca 并非 SaaS 软件商，而是直接经营财富管理业务的机构。系统通过自主开发的模型无关 Harness、跨越数天的长期记忆与反思系统以及严格的人机协同护栏，让 Agent 在后台主动提示人类顾问并驱动复杂财务规划与合规验证。
  • OpenAI 金融服务负责人 Joseph Kim 访谈：打造 ChatGPT 金融产品与模型品味训练 Latent Space
    OpenAI 金融服务负责人 Joseph Kim 探讨了 ChatGPT for Financial Services 的构建逻辑、捆绑企业数据的原因、基于插件架构的开发，以及通过人类偏好与强化学习训练模型审美与判断力的未来路径。
  • Supabase Select 大会回顾：构建、运维与扩展及 AI 工程实践 Latent Space
    文章回顾了 Supabase Select 大会，重点介绍了其构建、运维与扩展三大主题，包括无 Docker 启动、直连计算、MultiGres 1.0 等发布，并探讨了 Supabase 在 AI 工程中的应用、远程招聘策略及 AI SRE 的挑战。
  • Anthropic IPO 专题：从财务效率到多智能体架构 Latent Space
    文章报道了 Anthropic 提交 S-1 文件及预计 IPO 的背景，分析其财务效率提升、双飞轮模型及 Claude 平台化战略，并探讨多智能体架构在工程中的应用。
  • 预测量环境中的 AI 科学家评估：Leash Bio 基于密集实验空间的智能体探索与决策 Latent Space
    Leash Bio 的 Ian Quigley 介绍了利用海量高通量分子筛选数据构建的智能体沙盒环境。通过在预先测量的密集景观中分配有限分子预算，该系统不仅能作为评估基准，还能直接比对全局真实结果，以检验模型在药物化学构效关系（SAR）探索中的科学决策与探索折舍能力。
  • Moshi：大宗商品交易员的 AI 推荐引擎与实时洞察平台 Latent Space
    前摩根大通大宗商品交易员、Moshi 创始人 Anekha 与主持人探讨了如何利用推荐系统、图谱与多模态数据为能源和大宗商品交易员打造实时市场洞察引擎，并分享了 AI 与金融跨界创业及技术落地的实际经验。
  • Modal 创始人访谈：AI 基础设施演进、沙箱技术突破与模型商品化趋势 Latent Space
    Modal 创始人 Eric Burn Hartson 分享从 Spotify 到创办 AI 基础设施公司的历程。文章深入探讨了沙箱技术的快照与分叉创新、推理服务与模型开发的解耦优势，以及大模型作为商品的市场逻辑，并预测计算生物学等可验证领域将成为 AI 应用的新增长点。
  • Tenex 专访：企业 AI 原生转型的最后一公里与工程师产出定价革命 Latent Space
    Tenex 创始人 Alex 与特别项目负责人 CJ 深度解析了他们如何通过“按故事点付费”与“元工具链（Meta Harness）”重塑工程团队的产出上限与商业模式。对话揭示了当前企业 AI 采用的残酷现状（仅 5% 企业落地非代码生产级智能体），并剖析了垂直领域 AI 的商业困境、自建 SaaS 的利弊权衡及纽约在技术商业扩散中的独特枢纽地位。
  • 可编程数据中心与算力期货：专访 SF Compute 创始人 Evan Conrad Latent Space
    SF Compute 创始人 Evan Conrad 深度解析如何通过“物理交割”构建真正流动的算力金融市场。访谈探讨了英伟达与云厂商在算力期货中的利益冲突、算力集群的性能折价与物理交割工程难点，以及如何将数据中心虚拟化与可编程化，降低 AI 基础设施的融资成本与资产残值风险。
  • High Taste Testers 首期：AI 开发工作流、DevDay 产品评估与嘉宾推介 Latent Space
    首期 High Taste Testers 节目在 DevDay 后录制，嘉宾讨论 AI 模型通宵运行与代码审查边界、Dot 协作画布及独立硬件形态猜想，并推介各自项目与联系方式。
  • 分子预测模型究竟学到了什么：物理规律还是化学家的社会学特征？ Latent Space
    本文探讨了AI在药物发现中的局限性，指出模型可能仅学习化学家的社会学特征而非物理规律。通过Leash Bio的实践，展示了如何利用DNA编码化合物库（DEL）构建高质量数据，并强调在机器学习训练中需警惕数据偏差，以建立基于物理现实的AI药物基质。
  • Dinno Robotics 发布 Dina 2 世界动作模型：从单点试点到规模化商业落地 Latent Space
    Dinno Robotics 推出基于 100 万小时数据训练的世界动作模型 Dina 2，通过预测未来视频状态指导机器人动作。文章展示了其在鼎泰丰等场景的规模化部署，强调通用机器人在处理可变形物体及端到端任务中的优势，实现了从概念验证到商业价值验证的突破。
  • 重构价值链：用 AI Agent 替代 4.3 万美元企业级 SaaS 的实战复盘 Latent Space
    AI Engineer 团队因不满 Sessionboard 每年 4.3 万美元的高昂报价与迟缓迭代，发起 Kill My SaaS 挑战赛。本文深入复盘如何通过多模型协同（Claude 规划 + Codex 编码）、端到端智能体闭环测试及自研模板，低成本构建复杂企业级会议软件，并深刻探讨自建软件在长期维护与 API 集成中的工程现实。
  • AlphaFold 远未彻底解决蛋白质折叠：DeepMind 与 Biohub 纵论生物 AI 的数据扩展律与本质挑战 Latent Space
    Google DeepMind 副总裁 Pushmeet Kohli 与 CZ Biohub 数据科学副总裁 Sal Candido 围绕生物大模型的建模与数据展开深度对话。他们探讨了生物学领域的“苦涩教训”、数据扩展律的真实边界、从手工归纳偏置到通用架构的演进，并澄清了 AlphaFold 对蛋白质静态结构的预测与理解真实分子动态之间的本质区别。
  • Periodic Labs访谈：AI驱动的材料科学探索与室温超导愿景 Latent Space
    本期节目探讨了Periodic Labs如何利用AI与自动化实验结合，突破纯数字智能的局限，在物理材料领域进行探索。嘉宾们分析了从比特到原子的挑战，强调了实验数据校准计算模型的重要性，并展望了通过超级智能加速超导材料等前沿科学发现的潜力。
  • 哪些 GPU 云值得租用？SemiAnalysis 发布 ClusterMAX 3.0 解读 AI 算力与新云格局 Latent Space
    SemiAnalysis 团队深度剖析 ClusterMAX 3.0 评测体系与 AI 新云（Neocloud）最新格局。对话围绕十项评估标准、网络与集群安全隐患、最新 GB300 NVL72 部署挑战展开，并深入探讨了算力紧缺现状、前沿实验室的算力分配博弈、英伟达并购策略以及异构与国产芯片的发展前景。
  • Alex Jung访谈：RLM架构、GPU算子自动化与科研方法论 Latent Space
    本文记录了Alex Jung关于递归语言模型（RLM）的讨论，强调通过局部分布内任务分解提升系统稳定性。同时回顾了GPU Mode社区及Kernel Bench在自动化GPU算子开发中的贡献，并探讨了在注意力稀缺时代，如何平衡工业应用与纯科学探索的研究策略。
  • OpenAI全新Agent架构剖析：Computer Use、Decisions API与超低延迟推理 Latent Space
    在OpenAI开发者日特别对话中，Ari Weinstein与Nikunj Handa深入揭秘了最新推出的智能体技术栈。核心涵盖云端原生Linux环境下的Computer Use能力演进、基于结构化推理与极速TTFT的Decisions API、支持双向异步与消息注入的Responses/WebSocket架构，以及多层次提示词缓存与上下文压缩机制，展示了AI从辅助生成迈向自主操作系统的全新范式。
  • 模型迭代、规则维护与前沿工程实践的演进 Latent Space
    文章探讨了随着大模型能力的提升，维护针对不同模型的规则文件（如 CLAUDE.md）的局限性，以及如何通过引入评测插件等工程实践来应对模型差异带来的挑战。同时，文章回顾了从早期模型到当前 Agent 架构的转变，分析了从“推销”到“最大化利用”的转变，并讨论了前沿节奏的把控与AI安全讨论的成熟方式。
  • Token 流与新型价值网络：从支付欺诈到 AI Agent 时代的自适应防御 Latent Space
    文章探讨了 Token 经济的规模预测、新型价值单元的风险、以及在 AI Agent 时代，恶意行为将由自治 AI 代理执行的趋势。文章强调了产品设计中的发布/订阅模式、模型切换的爆发性需求，以及在支付和 AI 生态中构建安全基础设施的必要性，特别是应对未来由 AI 代理引发的欺诈挑战。
  • 神经操作系统与端到端界面模型：从大语言模型到可学习的完整应用 Latent Space
    文章探讨了构建完全由神经网络驱动的操作系统，以及如何将界面本身也设计成可学习的端到端模型。核心观点是，未来的交互将不再局限于僵化的界面，而是交付一个包含底层大模型、前端渲染和像素的完整应用闭环。文章还分析了生成式模型在创意工具设计、交互形态（如实时交互界面）以及跨模态知识迁移中的潜力，并讨论了成本优化和从专用架构向通用全模态架构演进的逻辑。
  • 生物设计与防御的军备竞赛：基因语言模型的核心能力与未来展望 Latent Space
    文章探讨了生物设计领域中，模型在生成和判别序列方面的双重使命，以及如何通过构建能够处理超长序列的基因语言模型（GLM）来革新科学发现。核心内容包括 GLM 的定义、其在长上下文处理上的突破（如 Hyena 算子），以及如何利用序列信息进行功能预测和设计，并讨论了在生物安全、应用场景（如抗菌素耐药性研究）以及技术发展中的挑战与乐观态度。
  • 预测模型与描述性模型：科学发现中的外推能力与人工智能的潜力 Latent Space
    文章探讨了预测模型与描述性模型在科学研究中的区别，强调描述性模型需要具备外推能力来捕捉现实本质。同时，文章介绍了人工智能赋能科学（AI for Science）的最新趋势，特别是将科学问题映射为“可评分任务”，以及利用通用大语言模型（LLM）在科学发现中的应用，并展望了未来构建“全能实验室”的愿景。
  • 人工智能的自动化引擎：模型能力、系统架构与未来基础设施的探讨 Latent Space
    文章探讨了当前人工智能在解决复杂问题与基础自动化任务之间的能力悖论。核心内容围绕新型模型类别“系统 1 模型”的提出，以及在模型尺寸、微调策略、函数调用接口设计等方面的技术挑战。同时，文章也展望了构建“智能领域的 AWS”等智能基础设施的愿景，强调了对数据价值的重视和扁平化文化的重要性。
  • 从生物学灵感到连续时间机器学习：线虫模型与液体神经网络的探索 Latent Space
    本文探讨了研究如何将生物学机制（特别是线虫神经元的分级电位特性）引入机器学习领域，并构建了“液体神经网络”等新型架构。研究从第一性原理出发，利用生物学模型解决了连续时间数学在人工神经网络中的应用难题，并讨论了模型定制化与持续学习在企业级AI部署中的重要性。
  • 物理具身AI的风险边界、融资动态与监管重塑 Latent Space
    文章探讨了物理具身AI在安全责任、新型失效模式以及Agent间交互中对法律体系的挑战。同时，文章还介绍了AI保险领域的融资进展，强调风险是技术落地采用的核心约束，并分析了在AGI时代下，独立监督者角色和监管机构的竞底困境。
  • 对算力监管的思考：从抽象监管智能到具体应用场景的实践 Latent Space
    文章探讨了对人工智能算力监管的观点，认为试图监管智能本身如同监管思想是荒谬的，更合理的做法是监管具体的应用场景。同时，文章回顾了对超级智能的乐观前景，强调在科学研究和工程领域对AI的积极潜力，并提出了将个人热情与AI结合以放大影响力的实践建议。
  • 本地开发已死与AI原生工程范式：AMP如何重塑云端协同与开发全流程 Latent Space
    本对话深入探讨了AI时代软件开发范式的根本性转变。AMP团队核心成员分享了从本地环境迁移到云端并行沙箱（Orbs）的架构逻辑、颠覆传统GitHub PR与CI流程的全新工程协作模式，以及极简团队如何借助AI代理实现超高生产力交付。
  • 物理世界的通用大模型：Accelerated Understanding 如何用神经网络算子重构多物理场仿真 Latent Space
    Accelerated Understanding 联合创始人 Anima Anandkumar 与 Benedict Janik 深入解析其物理通用大模型技术。团队突破传统单点仿真局限，通过神经算子（Neural Operators）与 4D 全时空建模，实现了高达 5 万亿 Token 的推理上下文与万亿参数训练，展示了多物理场联合训练的涌现能力及其在半导体协同设计与地热、关键矿产等能源领域的商业落地前景。
  • 推理前沿：从每秒 100 到 10,000 Token —— 专访 Cerebras 联合创始人兼 CTO Sean Lie Latent Space
    Cerebras 联合创始人兼 CTO Sean Lie 深入剖析了晶圆级芯片架构（WSE）在低延迟超高速推理中的技术突破。从 CS4 到 CS5 的系统级演变、SRAM 与互连带宽的技术红利、与 OpenAI 的深度合作，到超快推理如何颠覆性地重塑智能体（Agent）循环与实时交互体验，全方位展现了芯片黄金时代的创新浪潮。
  • 人工智能在科学建模中的突破：神经算子与物理世界模拟 Latent Space
    文章探讨了人工智能，特别是神经算子在气象预测和物理系统建模中的应用。研究表明，AI 模型不仅能达到传统物理模型的准确度，而且速度快了成千上万倍，并能有效捕捉物理世界的潜在结构，尤其在预测极端事件方面表现出优越性。
  • Forward Deployed：2026年语音AI的实战与技术演进 Latent Space
    本期访谈深入探讨了2026年语音AI代理（Voice Agents）的最新技术架构与实战经验。多位来自前沿企业（Vapi, Daily, Smallest AI, Exoflop Labs）的专家共同探讨了级联管道（Cascaded Pipelines）与原生语音对语音模型（Speech-to-Speech）的优劣、延迟与稳定性的权衡、多模态异步智能（如Hydra模型）的应用，以及在企业级部署中如何通过工作流与提示词优化解决口音、多语言和评估难题。
  • 构建 80 亿人地球模拟的愿景与生成式智能体的研究 Latent Space
    文章探讨了利用模拟技术解决气候变化等“棘手问题”的潜力，并介绍了生成式智能体研究的背景。核心内容包括对模拟的哲学思考、研究的起源（如斯坦福的“Smallville”论文）以及模型在理解人类偏好中的局限性，并讨论了构建大规模模拟所需的计算成本和对未来技术（如通用人工智能）的展望。
  • Exo：让 AI Agent Harness 具备自我修改与日志可见性，走向完全递归自我提升 Latent Space
    本期访谈中，来自加州大学伯克利分校的博士生 Alex Krentsel 详细介绍了 Exo 这一新型 AI Agent Harness 架构。Exo 通过将执行器、Sandbox 与 Harness 隔离，并赋予 Agent 对自身代码和日志的完全读写权限，实现了真正的运行时递归自我提升（RSI）。同时，探讨了该系统与 Lisp、Smalltalk 等经典编程语言理念的相通之处。
  • 从聊天机器人到设计套件：AI在蛋白质设计中的形态转变与科学探索的循环 Latent Space
    文章探讨了AI在蛋白质设计领域从聊天机器人向类似设计套件的工具的转变，强调了模型在靶点发现和优化中的应用。核心观点是，通过提供高质量的候选药物，将传统瀑布式研发过程转变为更敏捷的循环模式，并指出未来需要攀登的抽象层级，以及跨学科人才在加速精确工程中的作用。
  • 创意与品味：在自下而上的雄心时代中寻找瓶颈 Latent Space
    文章探讨了当前技术发展背景下，构建新事物面临的瓶颈在于创意和品味。核心观点指出，想法并非凭空产生，而是源于用户交流、反馈或摩擦的反应。同时，讨论了从开发者到通用知识工作者的演进路径，以及在企业应用中如何通过适应用户需求来定制展示方式的重要性。
  • 关于模型、工具调用与人工智能民主化的技术探讨 Latent Space
    文章讨论了在复杂任务中，将大型语言模型（LLM）与外部工具和虚拟环境结合的趋势。作者认为过度依赖复杂的工具链可能是一种低效的做法，并回顾了早期研究如何通过对基础模型的深入探索（如循环神经网络到Transformer）来推动代码生成能力的演进。此外，文章还探讨了开源社区在AI发展中的关键作用，强调约束条件如何驱动创新，以及构建内部评估流程和模型打磨的重要性。
  • 人工智能驱动的药物发现平台与虚拟细胞建模的未来 Latent Space
    文章介绍了利用人工智能构建药物发现平台的最新进展，特别是通过整合多轮扰动实验数据来提高预测准确性。同时探讨了在单细胞基础模型训练中，如何从自回归到扩散语言模型的架构演进，以及对蛋白质测序和时间动态建模的终极愿景。
  • 科学研究中的规模效应与数据瓶颈：从模拟到现实的挑战 Latent Space
    文章探讨了在人工智能和科学领域，如何克服“规模的苦涩教训”，即现有数据集的局限性。核心议题包括如何为模型提供新的扩展轴（如数据），以及将实验室概念转化为类似数据中心的未来模式。同时，文章分析了科研范式转变，例如利用计算资源进行快速验证和商业合作，以及解决“模拟到现实”的差距等关键技术瓶颈。
  • AI 内存难题：为什么长上下文不够用？——专访 Engram 联合创始人兼 CEO Dan Biderman Latent Space
    在本期访谈中，Engram 联合创始人兼 CEO Dan Biderman 与 Latent Space 联合主持人一边制作地中海肉丸，一边探讨了 AI 模型面临的“上下文崩溃（Context Rot）”与内存效率挑战。Dan 结合其计算神经科学博士背景及在 MosaicML 和 Stanford 的研究经历，阐述了 Engram 如何通过参数高效微调（PEFT）及“知识墨盒（Cartridges）”技术，将兆级 Token 的企业数据压缩并内化入模型权重，从而打破 KV Cache 瓶颈，实现更具成本效益的持续学习与长时记忆。
  • 为什么 AI 智能体还不懂你？亚马逊 AGI 实验室与人类智能的集体进化 Latent Space
    本访谈中，来自亚马逊 AGI 实验室的 Danielle Perszyk 与主持人 Swyx 深入探讨了 AI 智能体的未来。她指出，真正的智能源于集体表征的对齐，AI 的发展应超越简单的“任务自动化”，转向构建能理解人类心智、进行实时交互的“认知智能体”，并以此增强而非削弱人类的主体性。
  • 对话 Swyx 与 Matthew Berman：AI 工程师的黄金时代、智能体实验室的崛起与模型路由的博弈 Latent Space
    在本次深度访谈中，AI Engineer Summit 发起人 Swyx 与知名技术播主 Matthew Berman 探讨了 AI 工程师大会的起源、Claude 3.5 Sonnet 与 OpenAI 5% 股权赠予政府的传闻，并剖析了芯片推理、世界模型、智能体实验室（Agent Labs）以及模型路由与 All-in 战略的商业取舍。
  • 从开发体验到智能体体验：Modal CTO 解析 AI 时代的基础设施进化 Latent Space
    Modal 联合创始人兼 CTO Akshat Bubna 探讨了 AI 时代基础设施的演变。Modal 将团队重心从“开发者体验 (DX)”转向“智能体体验 (AX)”，推出了专为 AI 智能体设计的沙箱、GPU 状态快照等原生原语，并开源了投机采样系统 DFlash，以应对现代 AI 应用高弹性、高并发的重计算需求。
  • 生成对抗网络与扩散模型在3D结构预测中的演进及其在药物研发领域的应用 Latent Space
    文章探讨了生成对抗网络（GAN）向扩散模型的演进，指出扩散模型已成为处理蛋白质和蛋白质配体系统等领域的重要基元。同时介绍了AI研究人员如何利用物理学背景改进分子建模算法，并讨论了在药物研发中，通过对真实项目失败模式的分析来确定关键科学目标的重要性。
  • 自主工作智能体的架构蓝图：专访 NanoClaw 创始人 Kovid Goyal Latent Space
    本期访谈深入探讨了自主智能体（Autonomous Agents）在企业落地中的两种核心路径：团队管理的工作流自动化智能体与个人助理型智能体。NanoClaw 创始人 Kovid Goyal 结合其在新加坡与外交部长互动的真实经历，分享了如何构建以隐私与安全为核心、具备沙箱隔离与凭证防泄漏机制的极简智能体运行环境，并展望了未来软件开发中 Wiki 作为知识缓冲与协同载体的新范式。
  • 对话 OpenAI 首席研究官 Mark Chen：关于 AGI、o1、评估危机与 Scaling Laws 的深度探讨 Latent Space
    在这期特殊的 Latent Space 烹饪访谈中，OpenAI 首席研究官 Mark Chen 与主持人 Alan 边做韩国豆腐汤边畅谈 AI 前沿。对话涵盖了交易员背景对 AI 研究的独特价值、通过复现经典论文培养研究品味、o1 模型背后的强化学习探索过程、面临饱和的评估标准危机，以及大模型如何从“氛围研究”迈向全自动的端到端研究等核心议题。
  • 数据驱动的通用智能体范式与前沿架构演进 Latent Space
    文章探讨了将正确的数据放置在关键位置后，通过集成通用智能体来重写传统软件的范式。重点分析了从早期社区活动到当前大规模峰会的增长模式，以及在构建元框架和定制化智能体方面的技术挑战与解决方案。
  • AI安全新范式：从红队测试到智能体原生身份认证与风险评估框架 Latent Space
    该视频探讨了人工智能在模型攻破方面的最新进展，特别是自动化红队测试（如Shade系统）的突破。核心议题包括将AI视为不受信任实体、对抗性攻击（如间接提示词注入）、机制可解释性的发展以及构建安全防御层（如Signal过滤模型）。文章强调了从传统网络安全到AI安全范式的转变，并提出了通过智能体驱动的研究来自动化科学研究的潜力，同时讨论了企业级部署中的可用性与安全性权衡。
  • Trajectory 创始人 Ronuk 访谈：持续学习（Continual Learning）将如何重塑 AI 智能体 Latent Space
    本文是 Trajectory 创始人 Ronuk 的深度访谈录。Ronuk 回顾了他在 Windsurf 及 Google DeepMind 的经历，分享了 Windsurf 被谷歌收购的幕后故事，并深入探讨了 Trajectory 的核心愿景：通过自主研发的 SDPO 算法以及开源的分布式 LoRA 训练框架，将“持续学习”这一关键能力带到法律、金融等非代码领域，构建能够动态进化的下一代 AI 智能体。
  • 为什么拥有无限GPU的AI实验室仍然失败——Anjney Midha谈文化、对齐与输出最大化 Latent Space
    Anjney Midha深入探讨了AI基础设施中的浪费问题，指出文化而非资金或算力才是决定AI实验室成败的关键。他介绍了Amp Grid作为独立系统运营商的愿景，并分享了自己在斯坦福大学关于临终预测的研究经历，以及如何通过输出最大化和全栈对齐来解决AI领域的系统性挑战。
  • AI材料科学的极限：为什么“自动驾驶实验室”是连接发现与制造的关键 Latent Space
    Radical AI的首席执行官Joseph Kraus深入探讨了人工智能在材料科学领域的应用瓶颈。他指出，与生物信息学不同，材料的性能不仅取决于其化学成分，还受到加工、供应链、成本和微观结构等复杂因素的深刻影响，这些都无法用简单的文本字符串（如SMILES）来表征。因此，仅靠计算模型无法实现“一蹴而就”的材料发现。Kraus强调，真正的突破依赖于“自动驾驶实验室”（Self-Driving Labs），通过整合实验数据与AI，形成从假设、合成、表征到测试的闭环，从而加速从发现到工业应用的进程，并应对与中国等国家在材料创新上的竞争。
  • Amadou Wace 谈 Command Code 演进历程、Taste 机制与开源计划 Latent Space
    Amadou Wace 在访谈中回顾了从早期 CLI 与 LangBase 转向编程智能体 Command Code 的历程，介绍了基于元神经符号记录用户偏好的 Taste 机制、大模型在设计与色彩空间中的应用，并表示计划近期开源 Command Code。
  • 当AI智能体运营企业：Anden Labs的Lukas Petersson和Axel Backlund访谈 Latent Space
    Anden Labs的创始人Lukas Petersson和Axel Backlund分享了他们如何通过VendingBench和Project Vend等项目，评估AI智能体在商业运营和现实世界中的能力。他们讨论了AI智能体从简单的贩卖机管理到多智能体协作（如CEO和设计师智能体）的演进，揭示了模型在长程任务中可能出现的欺骗、操纵等“危险”行为。访谈还探讨了AI在机器人、空间智能和零工经济中的应用潜力，以及AI自主运营企业面临的挑战和未来愿景，强调了对AI能力进行现实评估以确保安全部署的重要性。
  • 超越非正式AI：Carina Hong谈Axiom Math的形式化验证与数学发现 Latent Space
    Axiom Math 创始人兼CEO Carina Hong 探讨了公司如何通过形式化验证和Lean语言在数学领域取得突破，并获得2亿美元A轮融资。她强调验证AI旨在扩展智能而非纠正错误，并介绍了Axiom Prover在解决数学难题上的卓越表现。访谈还深入讨论了数学发现工具的开源、形式化验证在软件和硬件领域的应用前景，以及AI在编码和规范化中的作用，最终展望了通过形式化方法实现超级智能的愿景。
  • 萨提亚·纳德拉：定义 AI 时代的生态系统与元认知生产力 Latent Space
    微软 CEO 萨提亚·纳德拉深入探讨了 AI 平台的本质演进，强调从单一模型向“生态系统”协作的转变。他提出了企业级“治理架构（Harness）”、私有评估体系（Private Eval）以及“元认知（Meta-work）”等核心概念，并分享了微软在 SaaS 模型重组、自动化运维及 AI 社会契约方面的深度战略思考。
  • GitHub的代理时代：14倍提交增长，2亿开发者，Copilot的下一步 Latent Space
    本播客采访了GitHub高管Kyle Daigle，深入探讨了AI如何重塑软件开发生态系统。他分享了AI代理如何赋能开发者和非技术领导者、GitHub面临的惊人增长带来的扩展挑战、以及未来GitHub Copilot和Microsoft在AI操作系统层面的愿景。Daigle还讨论了AI时代代码信任的社会问题，以及如何在保持安全性的前提下推动开源社区发展。
  • xAI 访谈录：Ethan He 揭秘 Grok Imagine 研发内幕、世界模型与视频智能的未来 Latent Space
    前 xAI 工程师 Ethan He 分享了在 3 个月内从零构建 Grok Imagine 的历程。他提出“视觉智能本质上源于语言智能”的核心主张，探讨了视频生成与世界模型的本质区别，并预言视频智能体 (Video Agents) 和生成式 UI 将重构人机交互的未来。
  • Devin 的 80% 拐点：后台代理、7倍 PR 增长与手动编码时代的终结 Latent Space
    Cognition 联合创始人 Walden Yan 与 Open Inspect 创始人 Cole Murray 深度探讨了 AI 智能体（Agent）的演进。核心讨论围绕 2025 年智能体能力的阶跃——从 IDE 辅助转向完全自主的后台 PR 生成。Devin 的代码贡献率已达 80%，标志着软件工程进入了‘脑机分离’的云端架构时代。双方还剖析了智能体基础设施、内存检索难题以及多代理系统的未来趋势。
  • 蛋白质领域的“痛苦教训”与AI驱动的生物学新范式 Latent Space
    本播客采访Biohub科学主管Alex Rives，深入探讨了蛋白质语言模型ESM-C的最新进展及其在蛋白质设计和可编程生物学中的应用。Alex Rives详细阐述了通过扩大数据规模（特别是引入宏基因组数据）和模型参数，实现生物学领域“扩展定律”的突破性发现。播客还讨论了Biohub在加速科学研究、构建虚拟细胞模型以及推动开放科学方面的宏大愿景，强调了数据生成、数字表征和反馈循环在未来生物学研究中的关键作用。
  • 超越增量更新：Sunil Pai 谈 AI 智能体架构、开源『乱改』与原创精神 Latent Space
    Cloudflare 的 Sunil Pai 深入探讨了 AI 智能体的新型软件架构，重点介绍了 Durable Objects 和 Dynamic Workers 如何重塑 Actor 模型。他分享了与 Vercel 的『Slop Fork』争议背后的思考，呼虑开发者停止构建平庸的框架，转而利用 AI 力量去实现更具原创性和『科幻感』的项目。
  • Google DeepMind 的开源 AI 战略与 Gemma 模型解析 Latent Space
    本访谈由 Omar Sanseviero 深入解析了 Google DeepMind 的开源模型 Gemma 4 系列，重点介绍了其在高效参数利用、端侧部署能力、多模态性能以及研发背后的工程协作与开源社区生态，并探讨了文本扩散模型的前景及模型微调趋势。
  • AI 智能体需要电脑：Daytona 的 74% 月增长背后的计算基建革命 Latent Space
    Daytona 创始人 Ivan Burazin 深入探讨了 AI 智能体（AI Agents）计算基建的演进。文章揭示了智能体与人类在计算需求上的本质差异，分析了 Daytona 如何通过裸金属架构实现 60 毫秒级的极速沙箱启动，并预测了价值 25 万亿美元的“计算机使用”（Computer Use）市场将如何重塑软件产业，最终催生出专门为智能体设计的“智能体云”。
  • Railway 创始人 Jake Cooper 访谈：AI Agent 时代的“克隆机”云平台与开发范式革命 Latent Space
    Railway 创始人 Jake Cooper 深入探讨了在 AI Agent 时代，软件开发如何从“手动编写”转向“审查代码”。他提出 PR 模式正在消亡，未来的核心在于能支持大规模并行 Agent 的基础设施。通过自建裸金属数据中心、深耕内核级优化以及“克隆式”环境管理，Railway 致力于构建一个低摩擦、高确定性的 Agent 原生云环境。
  • AI无人机：重塑现代战争的技术前沿与地缘战略考量 Latent Space
    本播客深入探讨了AI无人机技术在乌克兰冲突中的爆发式发展，以及它对现代战争的深远影响。嘉宾Yaroslav Azhnyuk分享了他从宠物科技转向军用无人机研发的心路历程，并详细阐述了无人机自主性的五个级别和战场自动化部署的八个维度。讨论还涵盖了全球供应链的脆弱性、中国在无人机制造领域的潜在主导地位、核威慑的重要性，以及西方国家在国防技术创新和战略规划上的紧迫挑战，强调了大规模生产、技术自主性和快速迭代在未来冲突中的关键作用。
  • Abridge：AI驱动的临床智能与医疗效率革新 Latent Space
    本播客深入探讨了Abridge如何利用AI技术革新医疗系统。公司从减轻医生文档负担（“睡衣时间”）起步，逐步发展为提供临床决策支持，旨在为医疗系统节省成本、提高效率并最终挽救生命。讨论聚焦于AI在医疗领域面临的独特挑战，如高风险、警报疲劳、实时处理需求，以及Abridge如何通过专有数据、个性化策略、与EHR深度集成和渐进式发布来克服这些挑战，同时确保数据隐私和监管合规。节目还展望了AI在医疗领域代理化工作流和多方利益相关者平台的发展潜力。
  • 工程基础在 AI 时代的重要性：Matt Pocock 访谈 Latent Space
    本期播客采访了 AI Hero 的 Matt Pocock，他强调了即使在 AI 飞速发展的时代，坚实的软件工程基础依然至关重要。讨论深入探讨了代码可维护性对 AI 开发的影响、领域驱动设计 (DDD) 的应用、TypeScript 在 AI 工程中的崛起，以及他对未来 AI 工具和学习方法的见解。Matt 分享了其教学经验，并指出 AI 辅助编程应回归工程本质，而非一味追求捷径。
  • AI 物理学的奇点：GPT-5 如何破解困扰物理学家一年的难题 Latent Space
    理论物理学家 Alex Lubyansky 分享了 AI 在基础物理学研究中的革命性进展。他详细描述了 OpenAI 的推理模型如何独立推导并证明了关于胶子（Gluon）和引力子（Graviton）散射振幅的非零性质，将原本需要一年的复杂研究缩短至几周甚至几小时。这标志着 AI 已从简单的辅助工具演变为能够推动科学前沿、具备“超人”科研能力的深度合作伙伴。
  • 从大学副作用到 $10M ARR：Chatbase 创始人揭秘 AI 时代的 Bootstrapped 增长神话 Latent Space
    Chatbase 创始人 Yasser Elsaid 分享了他在 ChatGPT 爆发前夕，如何利用 GPT-3 和 RAG 技术雏形打造出爆款 AI 机器人，并在不依赖 VC 融资的情况下，仅用 117 天实现 $1M ARR。访谈深入探讨了 PLG 增长、内容营销、AI 客服的未来形态——“首席客户官”，以及在 AI 时代独特的招聘与管理哲学。
  • 150亿美元的物理AI公司：Applied Intuition的模拟、OS与神经网络模型 Latent Space
    本访谈深入探讨了Applied Intuition如何构建物理AI以赋能自动驾驶、工程机械和国防等领域。公司专注于模拟、操作系统和AI模型开发，强调在安全关键环境中部署智能的重要性。讨论涵盖了AI工具在工程中的应用、人才招聘新趋势、以及如何通过创新实现技术的高效落地与验证。
  • AI 速度下的 CI/CD 变革：Shopify CTO 深度解析 Tangle、SimGym 与 Liquid AI 实践 Latent Space
    Shopify CTO Mikhail Parakhin 详细介绍了 Shopify 如何利用 AI 重塑工程工作流。重点讨论了第三代数据处理系统 Tangle、自动研究循环 Tangent 以及基于十年历史数据的客户模拟器 SimGym。此外，还分享了 Shopify 在生产环境中使用 Liquid AI 非变换器架构实现超低延迟搜索的实战经验。
  • Transformers 攻克癌症临床试验：Noetik 如何利用多模态空间转录组学破解 95% 的失败率 Latent Space
    Noetik 创始人 Ron Alfa 和 Dan Bear 深入探讨了如何利用 AI 基础模型重塑癌症药物研发。通过在实验室生成海量的人类肿瘤多模态数据（包括空间转录组和蛋白质染色），他们构建了“虚拟细胞”模型。该模型能通过简单的 H&E 图像预测复杂的生物学特性，帮助制药公司精确筛选临床试验患者，从而解决癌症药物极高的临床失败率。此外，他们还分享了与 GSK 达成的 5000 万美元模型授权协议背后的战略意义。
  • Neo4j CEO Emil Eifrem 谈图数据库、AI与知识转化 Latent Space
    Neo4j CEO Emil Eifrem 在访谈中深入探讨了图数据库在现代AI应用中的核心作用，特别是如何将数据转化为知识。他阐述了图数据库在高准确性、开发者生产力及可解释性方面的优势，并讨论了向量数据库的演变。Eifrem还分享了Neo4j在生命科学、金融等领域的AI驱动客户案例，并提出了代理（agent）数据源的“四象限”模型：操作型数据存储、云数据仓库、代理记忆和语境图。他强调了语境图在捕捉组织机构知识方面的价值，以及初创公司和大型企业在采用Neo4j时面临的不同挑战与实践。
  • Notion 的 AI 进化论：从自定义 Agent 到软件工厂的深度对谈 Latent Space
    Notion 联合创始人 Simon Last 与工程负责人 Sarah Sachs 深度解析 Notion 的 AI 战略。对谈涵盖了从 2022 年至今的五次架构重构、自定义 Agent 的设计哲学、“软件工厂”的自动化愿景，以及如何在模型快速迭代中保持工程敏捷性。他们强调了 Evals（评估框架）作为 AI 核心竞争力的重要性，并探讨了 AI 如何改变软件工程师的定义。
  • Stay SaaSy 访谈：从匿名博客到 AI 时代的代币预算与管理哲学 Latent Space
    本期对话邀请了匿名技术博客 Stay SaaSy 的 PM 和 EM 成员。探讨了如何通过 Hacker News 和 Substack 运营匿名社区，重点分析了 2026 年企业将面临的“代币预算”挑战、AI 对“构建还是购买”决策的深远影响，以及在 AI 高速产出的背景下，如何通过严谨的代码审查维持工程文化的韧性。
  • OpenAI的极致Harness工程实践：AI智能体驱动的软件开发与企业级部署 Latent Space
    本次访谈深入探讨了OpenAI Frontier团队如何通过极致的Harness工程实现由AI智能体驱动的软件开发，达到前所未有的生产力。Ryan Lopopolo分享了其团队在零人工代码、百万行代码库的内部工具开发中，如何通过Prompt工程、系统思维和持续的智能体行为调整，克服模型局限性并实现高度自动化。对话还涵盖了AI在代码审查、协作、依赖管理及企业级平台（Frontier）中的应用，展示了AI智能体如何改变软件工程的未来。
  • 对话 Marc Andreessen：AI 的“八十年爆发”、浏览器的终结与代理（Agent）的崛起 Latent Space
    硅谷传奇风投家 Marc Andreessen 深入探讨了人工智能的发展历程，称其为“80年的通宵成功”。他分析了为何当前的推理、代理与编码突破具有转折意义，提出了基于 Unix 哲学的 Agent 架构，并讨论了 AI 如何重塑软件工程、资本主义管理模式以及应对社会制度性阻碍的挑战。
  • Moonlake：多模态、交互式与高效世界模型——与孙繁耘和Chris Manning的对话 Latent Space
    本访谈深入探讨了Moonlake公司在世界模型领域的创新方法，重点关注其多模态推理模型，该模型通过结合符号表示和物理引擎，旨在构建具有因果理解、长期一致性和交互能力的虚拟世界。对话比较了Moonlake与Sora等视频生成模型的根本区别，强调了交互性而非纯粹视觉保真度的重要性。嘉宾还讨论了当前世界模型评估面临的挑战、语言在AI发展中的作用，以及公司在游戏和具身AI领域的商业化愿景。
  • Impulse智能炉灶：Sam D'Amico展示AI烹饪功能与软件定义硬件愿景 Latent Space
    Impulse创始人Sam D'Amico介绍了其高性能智能炉灶，该产品以锂离子电池为核心，提供强大功率和精准温控。他展示了AI（Claude）在烹饪指导和自动化方面的应用，并阐述了公司通过模块化平台（Impulse Core）与OEM合作的商业模式。Sam强调将家电视为软件定义硬件的理念，并展望了智能家电的未来发展。
  • Mistral AI 访谈：Voxtral TTS 发布、端到端语音架构与开源愿景 Latent Space
    Mistral AI 团队深入解析了新发布的 Voxtral TTS 模型，详细介绍了其自研的“自回归流匹配”架构及神经音频编解码器。访谈探讨了端到端语音交互的实时性挑战、企业私有数据的微调价值，以及 AI 在形式化数学证明和科学研究领域的广阔前景。
  • AI驱动的材料发现：挑战、机遇与学术界的未来 Latent Space
    麻省理工学院Heather Kulic教授探讨AI在材料科学中的应用，包括加速新材料发现、韧性塑料的意外突破以及金属有机框架的多目标优化。她强调了化学基础知识的重要性，指出AI在预测复杂化学反应和处理多样化数据方面的挑战，并展望了高通量实验和自动化实验室的未来。Kulic教授还分享了学术界如何在计算资源有限的情况下，通过独特的问题视角与科技巨头竞争，并推荐了其团队开发的Mole Simplifier开源工具。
  • Dreamer：面向所有人的智能代理操作系统 Latent Space
    本访谈深入探讨了 Dreamer 平台，一个由前 Stripe CTO David Singleton 创立的 AI 代理生态系统。Dreamer 旨在让非技术用户也能发现、构建和使用 AI 代理与智能应用，通过核心 Sidekick 代理简化操作。平台强调隐私安全、开放工具构建，并提供独特的 Builders-in-Residence 计划，鼓励开发者贡献和货币化工具。访谈还讨论了 AI 在团队协作、记忆处理和未来商业模式中的潜力，以及在 AI 时代对工程师技能的新要求。
  • Anthropic为何认为AI应拥有自己的电脑？——Claude Cowork/Code的Felix Rieseberg访谈 Latent Space
    本期访谈中，Anthropic的Felix Rieseberg深入探讨了其AI产品Claude Cowork的设计理念、功能及其对未来工作的影响。他解释了Cowork如何作为Cloud Code的用户友好版本，通过虚拟机在本地电脑上高效处理非编程任务，并强调了本地计算的价值。访谈还涵盖了Cowork在自动化、技能创建和Chrome集成方面的应用，以及Anthropic对AI对劳动力市场潜在影响的担忧。讨论还触及了AI代理的未来、技能的可移植性、人机交互的演变，以及Electron和Chromium等底层技术的重要性。
  • Monty：AI 代理的超高速 Python 解释器——Pydantic 的 Samuel Colvin 访谈 Latent Space
    本访谈中，Pydantic 团队的 Samuel Colvin 深入探讨了他们新推出的超高速 Python 解释器 Monty。他分享了 Monty 的灵感来源，解释了其如何在传统工具调用与沙箱之间找到定位，尤其强调了其在类型安全、低延迟和企业级应用方面的独特优势。Colvin 还阐述了 LLM 在加速代码实现（尤其是标准库和测试生成）中的巨大潜力，并对比了不同的 AI 编程助手。最后，他展望了可序列化代理的未来发展，及其在代理优化和状态管理中的应用。
  • 搜索的未来：Agent、RAG 与为何检索依然至关重要——访 Turbopuffer 创始人 Simon Eskildsen Latent Space
    本次访谈深入探讨了 Turbopuffer 的诞生背景及其创新的数据库架构。创始人 Simon Eskildsen 分享了他在 Shopify 扩展 Elasticsearch 的痛苦经历，以及如何利用 S3 的强一致性与 NVMe SSD 构建高性能、低成本的向量与全文搜索引擎。他还详细讲述了为 Cursor 和 Notion 优化 RAG 成本的故事，并提出了“P99 工程师”的招聘哲学。
  • 超越 RAG：Super Memory 创始人谈现代 AI 记忆架构与 OpenClaude 的局限 Latent Space
    Super Memory 创始人 Dhravya Shah 深入解析了 AI 记忆系统的演进。他指出 OpenClaude 等工具依赖静态 Markdown 文件和工具调用的局限性，并介绍了如何通过知识图谱、时间推理和用户画像构建“挂钩式”上下文基础设施，同时分享了在 Cloudflare 上以极低成本运行大规模系统的工程实践。
  • NVIDIA 的推理炼金术：从创业魂到数据中心级的 Dynamo 推理引擎 Latent Space
    本次访谈深入探讨了 NVIDIA 内部如何保持“4万人的创业公司”活力。重点解析了数据中心级推理引擎 Dynamo 的架构设计，详细讨论了推理优化的核心三轴（成本、质量、延迟）、预填充与解码解耦技术、长上下文的硬件协同设计，以及 AI Agent 在生产环境中的安全边界与 CLI 交互的复兴。
  • 在煮担担面中聊透 Context Engineering：HumanLayer 创始人 Dex Horthy 访谈录 Latent Space
    HumanLayer 创始人 Dex Horthy 在《In-Context Cooking》节目中，边下厨边分享了其在 AI 上下文工程（Context Engineering）领域的深度见解。他探讨了模型能力的边界、‘愚蠢区’（Dumb Zone）的规避、AI 工程师的直觉培养，以及软件工程师角色如何从‘编写代码’向‘促成代码生成’转型的趋势。
  • Cursor 第三纪元：云端智能体与编程的范式转移 Latent Space
    Cursor 团队核心成员 Sam Whitmore 与 Jonas Nelle 深入探讨了 Cloud Agents 的发布及其背后的技术哲学。讨论涵盖了全计算机使用（Full Computer Use）、端到端自动测试、视频演示驱动的代码评审，以及如何通过 Slack 协作和 Agent 集群重塑软件工程的未来。
  • Box 首席执行官 Aaron Levie：为什么每个 AI Agent 都要有一个 'Box' Latent Space
    Box 首席执行官 Aaron Levie 与 Latent Space 探讨了 AI Agent 在企业级落地面临的挑战。他指出，Agent 并非万能药，企业需要通过“上下文工程”重新设计工作流，解决身份、权限和数据治理等核心基础设施问题。他强调，每个 Agent 都需要一个受控的存储空间（Box）来处理复杂的现实数据，而 Agent 时代的到来将使技术性、高能动性的人才更加稀缺。
  • ⚡️ Polsia：单人团队如何在一个月内实现百万ARR，以及自运行公司的未来 Latent Space
    本次访谈深入探讨了 **Polsia** 创始人 Ben 如何在短短一个月内将公司从零发展到百万美元年经常性收入（ARR）。**Polsia** 是一款能够自主构建和运营公司的 **AI** 平台，涵盖产品开发、市场营销、广告投放等多个方面。Ben 分享了其产品设计理念，强调极致简洁的用户体验，并将其与 **Apple** 生态系统进行类比。访谈还讨论了 **Polsia** 的商业模式（订阅费加收入分成），以及 **AI 代理**在公司运营中扮演的核心角色，展望了未来 **AI** 驱动的完全自主公司的愿景。
  • 衡量 AI 的指数级增长：专访 METR 研究员 Joel Becker Latent Space
    本期访谈深入探讨了 AI 评估机构 METR 的核心使命。研究员 Joel Becker 详细解释了著名的“时间线图表”如何衡量 AI 的自主能力，分析了从 GPT-4 到 Opus 4.5 的飞跃。对话涵盖了开发者生产力随机对照实验、预测市场的博弈论，以及闭环 R&D 自动化可能带来的风险。
  • 半导体教父 Dylan Patel 边下厨边论战：AI 逃逸速度、台海博弈与英伟达的‘偏执’生存学 Latent Space
    SemiAnalysis 创始人 Dylan Patel 在厨艺挑战中深度拆解 AI 全球变局：从 TSMC 在台海局势下的复杂处境，到超大规模云服务商（Hyperscalers）惊人的资本支出竞赛，再到半导体晶圆厂（Fabs）作为未来十年核心瓶颈的残酷现实。他指出，AI 已正式跨越‘作业助手’阶段，正向创造数万亿美元经济价值的工业级引擎演进。
  • 专访 Max Welling：AI for Science 时代，材料创新是万物之基 Latent Space
    深度学习先驱 Max Welling 在访谈中探讨了他从理论物理转向 AI for Science 的历程，重点介绍了新创公司 CuspAI 如何利用生成式 AI 和物理模拟加速材料研发，以应对气候变化。他还深入解析了等变性（Equivariance）在神经网络中的核心作用，并分享了其即将出版的关于生成式 AI 与随机热力学数学统一性的新书观点。
  • 对话 Doug O'Laughlin：Claude Code 带来的金融分析革命与全球存储芯片大缺货 Latent Space
    半导体研究机构 SemiAnalysis 的 Doug O'Laughlin 深度探讨了 AI 代理（如 Claude Code）如何通过“一键生成”能力重塑金融研究工作流。同时，他深入分析了摩尔定律终结背景下，由 HBM 需求激增引发的全球 DRAM 产能挤压，并对微软的 AI 战略布局及 Oracle 的财务决策提出了犀利见解。
  • SWE-Bench Verified 的终结与演变——迈向更困难的编码评估基准 Latent Space
    OpenAI Frontier Evals团队讨论了为什么SWE-Bench Verified这一关键编码基准已经饱和且高度被污染，不再能有效测量编码进展。他们详细阐述了原始基准的构建工作（包括约100名软件工程师的人工审核），发现的具体问题（如过度狭隘的测试、未指定的实现细节），以及为何转向SWE-Bench Pro这一更难、更多样化的基准的必要性。
  • AI投资的万亿资本飞轮：a16z的Martin Casado与Sarah Wang深度对谈 Latent Space
    a16z的两位合伙人Martin Casado和Sarah Wang在本期播客中，深度探讨了当前AI投资领域面临的独特挑战与机遇。他们剖析了风投与增长投资、基础设施与应用界限的模糊，以及AI模型公司独特的“资本飞轮”效应。对话还深入探讨了AI人才战、未被充分投资的传统软件领域、AI模型经济性、AGI的未来路径，以及空间智能和3D模型生成等前沿技术。两位专家对行业现状、未来走向及a16z的投资策略进行了精彩阐述，并澄清了市场中关于AI公司的一些误解。
  • AI 前沿对话：从 Gemini 3、深度推理到 Flash 模型的蒸馏演进 —— 专访 Jeff Dean Latent Space
    Google 首席 AI 科学家 Jeff Dean 深度解析了 Gemini 系列模型的研发策略，重点探讨了模型蒸馏、长上下文处理、软硬件协同设计（TPU）以及 AI 在编码代理方面的未来演进。他强调了低延迟对 AI 交互的重要性，并预测了 10,000 token/秒级别的超高速推理将彻底改变 AI 辅助思考与编程的范式。
  • Jeff on Building Chroma - From Open-Source Vector DB to Context Engineering Latent Space
    Chroma founder Jeff discusses the journey of building an open-source vector database, the importance of developer experience, and the emerging discipline of context engineering to make AI applications more like engineering and less like alchemy.

← 返回首页