AI研究员 @natolambert ，AI 时事通讯 Moonshot, Zhipu, Meituan, Xiaomi, Qwen, Ant Ling, and 等AI Lab 写了个笔记 从研究心态对比中美差异： -在中国一些杰出个人的工作成果需要被搁置，以保证整体模型能够最大化多目标优化（个体服从整体）， -而美国研究者更注重个人表达和自我利益，他举了个meta的例子（传言），Llama组织正是由于这些利益集团将自身利益嵌入到层级分明的组织结构中而最终崩溃。听说其他实验室也表示，有时需要向顶尖研究人员支付报酬，才能让他们停止抱怨自己的想法最终没有被纳入模型 -中国模型的构建者是谁，中国很大一部分核心贡献者都是在校学生。这些实验室都比较年轻，这让我想起了我们在Ai2的模式，在那里学生被视为同龄人，并直接融入LLM团队。这与美国顶尖实验室截然不同，像OpenAI、Anthropic、Cursor等公司根本不提供实习机会。 -关于教育和产业人才，中国也面临着与美国类似的“人才流失”问题，许多原本考虑走学术道路的人现在都打算留在工业界。最搞笑的是一位研究人员的发言，他原本想当教授，以便更贴近教育体系，但他却说教育问题可以通过法学硕士（LLM）来解决——“学生为什么要跟我说话！” AI影响上的思维方式差异： -AI影响上的思维方式差异，这些学生的思维方式也异常直接，不受一些可能分散科学家注意力的哲学思辨所干扰。当被问及他们对模型的经济性或长期社会风险的看法时，很少有中国研究人员拥有成熟的见解，也没有动力去影响这些见解。他们的职责是构建最佳模型，一位学者甚至引用了王丹的著名论断——中国是由工程师主导，而美国则是由律师主导。 -试图让中国科学家就人工智能引发的经济不确定性、超出通用人工智能（AGI）能力范围的问题，以及关于模型行为方式的道德辩论发表评论，都展现了这些科学家极其谦逊的态度。他们不仅敬业，而且不愿就自己不了解的问题发表评论。 中国人工智能产业与西方实验室的异同之处： -国内人工智能需求初现端倪，中国SaaS生态不发达，付费意愿差，市场规模小，而云计算则发展的很好。而目前来看中国的AI市场更像云计算市场，而不是saas生态。 -大多数开发者都对 Claude 趋之若鹜 -中国企业拥有技术所有权意识，一些头部科技企业都在自己做模型，如美团，小米等。而美国则头部企业会使用第三方服务。 -数据产业的发展远不及美国，数据标注类公司，和RL模拟环境类公司相对较少，模型公司大部分是自己做数据和做RL模拟环境来训练。美国则大部分都是采用第三方服务。 （备注：昨天研究了下RL模拟环境的美国市场地图，可以看到确实非常庞大，并且有实际采用，可以看看 也） -对英伟达芯片的迫切需求

Snap CEO Evan Spiegel的这个访谈，对AI消费类产品创业公司应该会有所启发 -当软件并非护城河时，如何才能赢得胜利？ -Snapchat 是过去 15 年里少数真正活下来的消费级社交产品，拥有接近十亿月活用户，年收入超过 60 亿美元 -为什么做一个持久的消费级社交产品这么难？Evan 的答案不是“体验够不够好”，而是落在产品的分发。TikTok 和 Threads 之所以是少数新近成功案例，在他看来不是因为它们只找到了产品市场匹配，而是都解决了冷启动分发 -TikTok 用巨额资金同时补贴观看者和创作者，Threads 借用了 Meta 已有产品的巨大流量 -AI 会让做产品、写代码、想策略都变容易，但它不会自动帮你拿到用户注意力。当供给爆炸时，用户愿意试用、愿意留下、愿意分享，反而成了更稀缺的能力 -"消费科技里，很多人都在问是不是做对了产品、有没有产品市场匹配，但人们花在思考分发、弄清分发上的时间远远不够。" -社交网络的价值，不是连接更多人 -"真正重要的不是把你连接到所有朋友，而是把你连接到最好的朋友、伴侣、配偶，以及世界上你最在乎的人。" -对今天的产品经理来说，这个判断同样适用：不要只问“我的网络能不能更大”，还要问“我解决的是不是用户最真实、最高频、最愿意保留的关系”。 -创新不是灵感，是每周几百个想法 访谈原视频：