搜索
不久前，Zilliz 研发VP栾小凡受邀做客英文播客节目Innovator Coffee，深度分享了 Zilliz 的创业历程、Milvus 产品的构建逻辑与核心设计思路，以下为本次分享的重点内容摘编。
在检索增强生成中，扩大生成模型规模往往能提升准确率，但也会显著抬高推理成本与部署门槛。CMU 团队在固定提示模板、上下文组织方式与证据预算，并保持检索与解码设置不变的前提下，系统比较了生成模型规模与检索语料规模的联合效应，发现扩充检索语料能够稳定增强 RAG，并在多项开放域问答基准上让小中型模型在更大语料下达到甚至超过更大模型在较小语料下的表现，同时在更高语料规模处呈现清晰的边际收益递减。
去年花 3000 万美元都买不到的团队，今年字节跳动自己做了个类似的产品，还限时免费。刚刚，字节在海外悄悄上线了 AnyGen，功能看起来和当年想收购的 Manus 有点像——都是语音驱动的 AI 工作空间，能把你的语音、照片、想法直接变成文档、PPT、甚至故事书。
将视频制作门槛降至新低。
今年我比较喜欢的 AI 产品中，一个是 Google 旗下的 NotebookLM，我觉得它的价值还没有真正体现出来。还有一个是国内团队做的 Kuse，其团队在没融资的情况下，3 个月做到了差不多 1000 万美金的 ARR。
还记得前段时间分享了2026年如何把AI全流程纳入软件工程的那位谷歌工程师吗？他是谷歌 Cloud AI 负责人Addy Osmani。这一回，他又写了一篇博客文章，分享了自己在谷歌工作14年总结的21条教训。
作为腾讯 CodeBuddy 的第一位产品经理和现任 T12 级技术产品专家，我想分享近期对于 AI Coding 产品的深度思考和趋势洞察。本次分享不仅限于 AI Coding 本身，更希望提供一套通用的方法论——当你拿到任何 AI 产品命题时，应该如何系统性地思考和推进。
从“不用AI”到“离不开AI”，一家初创公司如何重塑专利律师的工作时钟？成立仅两年多，团队仅15人，零销售团队，却拿下了400多家顶级客户，今年ARR增长更是超过10倍，还完成了5500万美元融资——Solve Intelligence的故事，几乎违背了SaaS创业的常识。
最新报告探讨了生成式模型Nano Banana Pro在低层视觉任务中的表现，如去雾、超分等，传统上依赖PSNR/SSIM等像素级指标。研究发现，Nano Banana Pro在视觉效果上更佳，但传统指标表现欠佳，因生成式模型更追求语义合理而非像素对齐。
你是否经历过这样的至暗时刻： 明明实验数据已经跑通，核心逻辑也已梳理完毕，却在面对空白的 PPT 页面时陷入停滞； 明明脑海里有清晰的系统架构，却要在 Visio 或 Illustrator 里跟一根歪歪扭扭的线条较劲半小时； 好不容易用 AI 生成了一张精美的流程图，却发现上面的文字是乱码，或者为了改一个配色不得不重新生成几十次……