
为什么 AI 干不了体力活——对话清华大学教授刘嘉 | 万有引力
为什么 AI 干不了体力活——对话清华大学教授刘嘉 | 万有引力1997 年,AI 正处于第二次寒冬,这次寒潮的时间有点长,从 20 世纪 90 年代直至 21 世纪的第一个十年。
1997 年,AI 正处于第二次寒冬,这次寒潮的时间有点长,从 20 世纪 90 年代直至 21 世纪的第一个十年。
你有没有想过,一家只有四个员工的公司,能做到年收入600万美元?这听起来像是天方夜谭,但 Oleve 正在让这个看似不可能的故事成为现实。我最近深入研究了这家由 Sid Bendre 领导的创业公司,发现了一个令人震撼的事实:他们不仅实现了这个惊人的财务数据,还在短短两年内服务了超过500万用户,从第九个月开始就实现了盈利。
好用到让我有点儿不敢用了……
Stream-Omni:同时支持各种模态组合交互的文本-视觉-语音多模态大模型
在生成式 AI 的汹涌浪潮里,“让技术奔跑得更快”似乎已成行业共识;而无障碍领域一直关心的是另一端——“让每个人都跟得上”。当这两股力量在今年的第七届科技无障碍发展大会(2025 TADC)相遇,一场以“AI+无障碍:探索、实践”为主题的圆桌会议吸引了全场目光。
作为一名科技内容创作者,我的日常就是追踪最新的技术和商业进展。
是否可以在不依赖额外监督的前提下,仅通过无监督学习让模型学会思考? 答案有了。
用AI赢得“注意力之战”。
今年以来 Coding 领域的最大变量是 AI labs 们的加入,模型大厂纷纷发力,和创业公司共同竞争这一关键场景:两周前,all-in coding 的 Anthropic 更新了 Artifacts 功能,用户可以在聊天界面里直接生成、预览和编辑代码,实现类 vibe coding 的体验;
海外和国内AI上差异最大的点可能还不是模型的水平,而是真的没应用。这导致一个很可怕的后果:国内AI整个生态是断链的。