硅谷101泓君Jane (@hongjun60) header
硅谷101泓君Jane (@hongjun60) profile picture

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
Photo by 硅谷101泓君Jane (@hongjun60)Photo by 硅谷101泓君Jane (@hongjun60)Photo by 硅谷101泓君Jane (@hongjun60)Photo by 硅谷101泓君Jane (@hongjun60)Photo by 硅谷101泓君Jane (@hongjun60)Photo by 硅谷101泓君Jane (@hongjun60)Photo by 硅谷101泓君Jane (@hongjun60)Photo by 硅谷101泓君Jane (@hongjun60)Photo by 硅谷101泓君Jane (@hongjun60)Photo by 硅谷101泓君Jane (@hongjun60)
以前每次我们做AI选题想让内部试用AI都会反馈达不到我们的制作标准,这周周报已经变成如何用AI做动效、视觉模版、名词解释、字幕和对轴的分享会了… 看大家的结论是Claude秒杀全场啊
14
38
4,316
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
2
5
1,651
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.
1
1
6
11,446
现在观众都比我们整理地更快!
1
1
4
1,816
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
8
1,640
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
2
6
2
22
4,979
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
5
11
1,558
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
1
8
2,868
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…
2
9
1,821
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…
2
1
5
2,475
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
3
6
2,085
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…
1
2
23
4,997
硅谷101泓君Jane retweeted
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)
76
54
3
271
26,259
新闻人的角色也在发生变化
.@tony_zy on the pod talking about content engineer!
2
5
4,305
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…
4
23
3,503
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~ 🌹
9
4
2
60
16,176
世界杯背后的隐形赛场,藏在迈阿密的一个六层楼里,这里是整个大赛的技术指挥中心与运营中心,也是整个比赛的“大脑”
4
10
2,377
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…
1
1
8
3,334
硅谷101泓君Jane retweeted
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…
8
3
1
21
8,731
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…
3
2
2,416