
Founder of Valley 101(硅谷101)|Podcaster @thevalley101 @web3_101 https://teapawt.net/t.co/dBbudITzrA https://teapawt.net/t.co/RgIxFn11wx https://teapawt.net/t.co/QQ49UEhkSp
San Francisco, CA
Joined February 2013
- Tweets381
- Following516
- Followers9.9K
- Likes171
Astra是不是机器人领域的GPT时刻,以及为什么AI圈对Claude发现的ART新酶系统以及AI制药很兴奋但生物圈反应更淡,听一听我们的新一期节目。
E256|Agent、机器人与制药,谁先被GPT-6 Astra改写? youtu.be/lsANSvYQks0?is=Xzqx… via @YouTube
硅谷101泓君Jane retweeted
Can we coexist with an intelligence far more powerful than us? And if so, how?
At Alignment 2026, @Valley101en's annual summit in Sunnyvale, our CEO @KolentoH moderated the opening panel, “Alignment Under Pressure: Can We Develop Superintelligence Safely?” with:
John Yan (Founder of Gutenberg, ex-@AnthropicAI)
Bo Li (Professor at @UofIllinois and Co-founder & CEO of @VirtueAI_co)
Long Phan (@CAIS)
Five insights from the discussion:
Higher safety scores don’t necessarily mean lower risk: Long Phan’s Safetywashing research highlights how improvements can reflect greater general capability without demonstrating that a model is safer.
Understanding model behavior requires looking beyond its own explanations: John Yan highlighted interpretability as a way to investigate what a model is doing without relying on it to truthfully explain itself.
Following an instruction can still miss the user’s intent: Bo Li described how an agent asked to clean up a code branch might delete the main branch.
Safety at scale faces a latency bottleneck: Bo pointed out that safeguards need to check agents before they act, but those checks add delays.
For the next generation of researchers, Bo offered a practical starting point: understand AI-generated work and build checks for AI and agentic systems, much like software unit tests, to verify what those systems are doing.
Thank you to @hongjun60, @Valley101_Qian, @itsyiwenlu and the Valley101 team for having us, and to everyone who joined the conversation.
现在观众都比我们整理地更快!
AI for Science was the topic everyone kept coming back to at Tech Week this week. Tomorrow at Alignment 2026, I’m moderating a panel on it, from two angles:
🧬 ART: Claude surfaced a CRISPR-like system in 21 hours. Proving what it does could take years. Where is the real bottleneck in AI-driven discovery: finding candidates or validating them?
🧪 Biohub: A $1.8B collaboration with Google DeepMind, Meta, and the U.S. government to build open biological datasets. Will scaling laws hold in biology, or is data quality the real constraint?
With @luzhangvc (Fusion Fund), @lecong (Stanford University; Phylo, Acelegen), and Sheng Wang (University of Washington; Apodex).
#Alignment2026 #AIforScience #Valley101
硅谷101泓君Jane retweeted
Where will the next breakthrough come from?
This Saturday, I’m moderating the Neolabs panel at Alignment 2026 Summit with @CarinaLHong (Axiom), @AndrewDai (Elorian) and @tydsh (Recursive).
Math, visual reasoning and AI that improves AI.
Oct 10 · sv101.net @thevalley101 @Valley101_Qian @hongjun60 @naomiiixia
大家这个周末如果有空,可以来我们的活动玩:有现在最热的产品 Grokbot,还有 World Labs领域的嘉宾,同时也会聊不少热门话题,比如最近 OpenAI 在数学上的连续突破,以及 AI for Science 的最新进展都会聊到。
周日下午有很多我很喜欢的demo和Panel:AI 对电影、音乐、内容创作和新闻的影响,既有Suno、Runway这些前沿labs的嘉宾,还会有好莱坞知名导演、艾美奖得主等加入我们。
同时,我们也会关注人类向外探索太空领域的一些进展,现场会有很多詹姆斯·韦伯望远镜发回来的宇宙深空探索的漂亮照片。
Btw,我们还有很多很多想尝试的,比如人和机器人一起钢琴演奏,即兴AI音乐创作(还没开始调试有点慌…但是比起一个成功的demo,have fun更重要😆)
luma.com/alignment2026
最近选题的野心也是越来越大了,想把厄尔尼诺给全球货物供给和零售行业的影响分析出来,麻花还真的给做出来了…
E254|超级厄尔尼诺来了,我们的日常所需真会因它涨价吗? youtu.be/INQvcDh-RFQ?is=OezU… via @YouTube
AI数据正在成为当下热门的创业赛道,来听听@itsyiwenlu 主持数据这一期。我们聊了Scale、Mercor、Surge等数据公司的不同背景,也讨论了小团队在合成环境与垂直领域中的机会。从采购一份游戏源码,到验证专家提交的任务,再到设计让人愿意交出经验的激励机制,好数据的难点,往往藏在榜单之外。AI数据,水有多深?
youtu.be/I-rLxiIGf-4?is=VmqF…
硅谷101泓君Jane retweeted
AMD宣布将以约82亿美元收购“AI教母”李飞飞联合创立的空间智能公司World Labs,加码下一代AI计算布局。最近走红的Meta Muse和Jev,也让我们再次关注到CPU的机会。
Muse背后的云端虚拟机,需要CPU运行浏览器、工具和代码。Jev降低软件决策成本,则有望推动更多自动化流程落地。AI应用越丰富,支撑它们运行的CPU就越值得重视。
早在今年5月,我们就做过一期视频,拆解Agent带来的CPU需求爆发、产能短缺与巨头竞争:CPU为什么会突然从“AI配角”开始重新回归到“基础设施核心”?CPU短缺到底是怎么回事?这样的短缺潮又会持续多久呢?
欢迎回看这期视频⬇️
youtube.com/watch?v=HLJdElh2…
自己动手去创作,竭尽全力去把一个事情做好,大概是这个世界上最快乐的事。
我们今年的Alignment大会上也会有一场AI视频黑客松,欢迎高水平的专业选手来参赛,我们也给非专业选手提供Workshop学习如何分镜和制作AI短片。欢迎来玩,也期待未来跟大家一起玩出更多优秀的作品!
【硅谷AI视频黑客松招募】
最懂内容的影视团队,与最懂AI的一群科学家,在硅谷相遇,会碰撞出如何的火花?
今年,硅谷101把一次现场创作实验带到 Alignment 2026:STORY101 LAB — AI Storytelling Challenge。我们邀请你用AI,完成一部不超过三分钟的视频作品。
比赛设【探索组】与【专业组】双赛道,资深AI影片团队与零基础新手皆可参与。我们提供免费workshop培训,优胜者更可获丰厚奖金与千人线下展映机会。
时间:2026年10月10–11日
地点:Sunnyvale, California
报名入口:luma.com/STORY101LAB
英伟达首席科学家Bill Dally有一句话,芯片设计的一切,都是围绕局部性去展开的:Computer architecture is like real estate. It's all about location, location, location. 本质上AI芯片的设计,就是把模型权重存在哪儿,算法把时间局部性和空间局部性都抹平了,硬件必须在架构上重新把他们还回来。本期两位嘉宾一个是 Bill Dally 的学生,一个在亚马逊做过 Trainium 的软件栈,又是很硬核儿的一期。
btw:Bill Dally给两位创业者的建议是一定不要用phD写的代码😂🤣🤬
youtube.com/watch?v=aS69y40B…
硅谷101这期应该是我最近听到的关于国内的FDE最高质量的访谈了。
采访对象级别很高,是阿里巴巴集团副总裁、瓴羊 CEO 朋新宇,给出来的内容还是很务实的,说几个让我印象比较深的点:
1. 当今的FDE工程师为什会有溢价,又需要什么能力?
- 相当于传统的驻场开发,FDE的溢价来自于,从原来的交付功能,到现在的交付业务效果。能够交付可以验证的效果,包括效率的提升或者成本的缩减、业务的扩展。
- 能力要求有三点,对AI的锐度,对行业的深度,对数据的宽度(老阿里味儿了),能端到端的去分析和解决问题。
2. 朋新宇他们在做什么样的FDE?
- 我觉得很聪明的点是,他们瞄准了电商这个行业的提效。国内的电商平台是高度头部化的,行业内的素材、价格、系统和数据是很标准化的,当前瓴羊面向的主要就是电商行业的售前(投流)、售中(销售)和售后(客服)过程的优化。
- 其实还是在做一个相对标准化的能力,更多是去适配不同公司内的数据场景和业务诉求,他们很少做定制的产品。
3. FDE的商业模式是什么样的?
- 两种,一种是卖agent的坐席,一种是直接对效果付费,比如用原来客服人力的80%来cover同样的工作,或者投流的转化率的提升,当前已经有基于此模式的付费用户,且产生了实际的持续付费了。
4. 什么样的公司推进FDE会更顺利,FDE会对企业现有的员工有替代吗?
- 自上而下来推动的公司会跑的更快一些,因为agent如果要产生全链路的提效,不可避免会涉及到多个部门的工作,而如果由某个部门发起的改革,可能会因为触动了其他部门的利益而受阻。自上而下推动的时候会更顺利。
- FDE落地之后,会发现企业内部的员工也发生了K形分化,技术往业务去走,或者业务往技术去走,往往会成长为企业内的FDE角色,而在项目中进行对抗的人,是无法长期对抗这样的趋势的。
5. 一个 FDE 项目的时间到底花在哪?
- 播客中制造业销售 agent 的项目跑了一年多。时间分配是这样的:1/3 以上花在熟悉工作岗位(解放思想、搞懂这活到底怎么干的),然后是建模,再花 1/3 在"AI 导师团"调教,因为 agent 选出来不等于它就是个优秀销冠。
- 真正的实施、系统上线反而是最快的那段。
6. FDE工程师的角色划分?
- 朋新宇明确说了,指望一个全才不现实,他们拆成三类角色:
- BA:业务结果导向的人,懂那 260步流程该怎么编排,能定出科学的评测标准。他们内部养着美妆、家电、家居、宠物、汽车这些行业专家。
- AI 架构师:把业务问题翻译成"用什么尺寸的模型、哪个环节人干预、哪个环节机器接管",得站在模型进化最前线。
- 首席客服 / 首席销冠:真正参与调教的人,而且这个角色他们倾向于从客户内部挑,组成 AI 教练团。
(对我自己来说更像是2,但是1和3是更稀缺的)
每次出来遇见新朋友发现大家都在讨论GLP-1,我们2023年和2025年分别做了几期节目很详细讲了司美格鲁肽和替尔泊钛的科学原理,三年了药物进展很快很多,但科学性的部分依然解释的非常清晰不显过时,发现所有饭桌上的讨论这几期里面也全部讲到了,欢迎大家回听…
硅谷101泓君Jane retweeted
我们的全英文频道上线啦:youtube.com/@SiliconValley-1…
接下来,我们会制作更多的tech explainer video、video podcast以及全英文嘉宾的采访/内容,欢迎大家关注我们的新频道,也鼓励大家用英文在上面留言交流哟~ 🌹
我一直在问很多人,能不能仅凭一个demo,看出一个机器人公司的水平。答案是“不能”,因为没有人知道大多数公司提前去现场做了多久的彩排、拍了几次。
这期跟苏度的创始人@hanbsd 聊聊他为什么敢直接把机器人搬到大会现场不做优化,让上千个陌生人拿自己的手机、耳机、证件随便让机器人抓取。
节目里关于机器人3D数据、技术路径、硅谷竞争格局的讨论都很有意思,比如让机器人“看见”世界的数据不计其数,但教它动手的3D数据比如瓶盖怎么拧,全世界加起来还不到3000个。大家猜一猜在如今的硅谷的机器人公司中,@hanbsd 最看好哪一家?
youtube.com/watch?v=Dxh1srVJ…
今天下班路上听了最新一期的 硅谷101
@Valley101_Qian 邀请了陈天桥 的 AI 公司 两位首席科学家 @SimonShaoleiDu 和 @beibin79 ,聊了一个今年硅谷最火的话题:大模型 RSI(递归自我提升)。
直觉上,AI 很快就会自己设计、自己训练下一代 AI!
RSI 的关键不在于更会聊天,而在于模型能执行真正的长程任务:自己出题、自己诊断、自己解答、自己验证,在闭环里一轮轮叠加,让能力垂直起飞。
单个大模型有 attention 注意力 上的物理极限,所以他们用多智能体协作:拆成很多子 Agent,互相交叉验证,绕开超长上下文的天花板。
这套系统会避免我们常说的大模型 一本正经的胡说八道,而且还会严格的 Verification,把验证逻辑直接写进训练闭环里,压制自我进化过程里的「递归漂移」。
在这条路线上,AI 的最大瓶颈不是算力,而是 学术品味:
敢不敢、也会不会在未知领域提出真正本质的假设,而不是刷增量小改进。大众投票式的 RLHF,只会把模型训练成一个会拍马屁、会对冲观点的聊天机器人(这点很多人应该深有体会吧,特别是 ChatGPT),而不是敢 All-in 的科学家。
感觉现在大模型不仅要有 品味,还要有 人类顶级科学家的品味,目标是让模型通过自我博弈,长出超越人类经验的独特科学直觉。
有朝一日,科学家是不是也要失业啊
Replying to @Apodex_AI
@thevalley101 播客:从长程任务怎么训,到为什么我们做的是强调元能力的通用模型,再到一个更大的话题:自我进化(RSI)为什么绕不开验证,以及一个关键的前提—教会大模型真正拥有科学家一样的品味和判断力。👇
youtube.com/watch?v=VGIbhIW5…
聊聊现在模型巨头和NeoLabs关注的核心方向—— RSI,本期嘉宾们也都是这个方向最核心的研究员,嘉宾预言最快半年跑通自进化(SI),两至三年完成Recursive(R),那时候是不是模型训练都不需要人了……
本期也揭秘了陈天桥先生的新项目Apodex,真正让模型去解决这个世界上最难的科学问题,这个体现在训练里,每一步都是选择,太需要定力与决心,Respect!
youtube.com/watch?v=VGIbhIW5…
























