註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 Lawrence
Lawrence 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 Lawrence 的搜尋結果
关于AI时代的职业发展,吴恩达和Lawrence在斯坦福的AI时代职业发展讲座内容很详实,分享下我的收获。 1️⃣ AI能力在加速 有一项研究让吴恩达反复引用:AI能完成的任务复杂度,每7个月翻一倍。 衡量复杂度的方式是:这个任务让一个人做需要多久? 几年前 GPT-2 能完成的任务,换成人类来做也只需要几秒钟,但现在已经进化到AI能够完成需要人类几十分钟甚至几小时的工作。 AI编程方向的翻倍周期更短,大概70天。 但有意思的是,很多人对这个加速的感知是被扭曲的。 原因很简单,评估 AI 能力的 benchmark,满分是100%,你做到90%之后再进步10个点,数值的绝对值变化看起来很小。 于是去年有段时间整个互联网在讨论 AI 是不是在走下坡路,这是因为用一把只能量到100的尺子去量一个还在生长的东西,当然会产生这种幻觉。 真正能衡量 AI 是否变的更智能的指标,不是在 benchmark 测试上的分数,而是 AI 能够处理的任务的复杂度这条曲线,目前看,还在往上走。 2️⃣ PM 和工程师的比例在变 当 Build is Cheap,瓶颈就转移到了决策。 传统硅谷的工程师和 PM 比例大概在4:1到8:1。一个 PM 负责写需求、定方向,四到八个工程师负责执行。 这个比例背后的假设是:执行很贵,写代码很贵,所以你需要大量人手把一个清晰的 spec 变成可运行的代码。 但现在这个假设已经失效了,编码成本在快速下降,但产品决策的成本没有同等下降。于是工程师和 PM 的比例开始向1:1靠近,甚至有团队开始践行这个配比。 更进一步,吴恩达说他现在最欣赏的那批工程师,是能写代码也能跟用户聊的人。 这两件事以前被认为是不同人来做,现在越来越多地被要求长在同一个人身上。 他自己说:在生涯早期,他曾经试图说服一批工程师多做产品工作,结果把一些真正优秀的工程师弄得很沮丧,因为他们不擅长做 PM 工作;他说那是他做过的错误决策之一,后悔了很多年。 然后他说,他觉得自己现在正在重蹈同样的错误。 这句话有点绕,但我觉得他说的是真话:不是所有工程师都应该变成 PM,但如果你恰好能做这件事,你现在的优势会比任何时候都大。 3️⃣ 团队 > 公司 这部分我觉得是整场讲座信息密度最高的地方,也启发了我的机会选择思路。 他讲了一个案例:有个斯坦福的学生,被一家很热门的 AI 公司录用,但对方拒绝事先告知他会加入哪个团队,说有什么 rotation 机制,入职之后再分配。这个学生因为公司品牌够大,就签了 offer,结果被分配去做 Java 后端支付系统。做了一年之后觉得无聊,离职了。 然后吴恩达说,他在 CS230 课上分享过这个案例之后,另一个学生在几年后去了同一家公司,遇到了一模一样的情况。不是 Java 后端,是另一个跟 AI 八竿子打不着的方向。 如果一家公司入职前不告诉你会在哪个团队,这件事本身就是信息。 logo 不大但团队很强的地方,往往比 logo 大但团队一般的地方学得更快。你不是从走进大门那一刻的兴奋感里学东西的,你是从每天打交道的人身上学东西的。 在这个时代,能去到一个足够强的AI Native的小公司,一定比进入大厂的某个传统业务团队更好、成长更快,团队 > 公司。 4️⃣ AI时代的三个能力支柱 接下来换成 Lawrence Moroni 做分享,他是互联网科技的数十年老兵,呆过Google、Microsoft、Meta等公司,他接着讲了他看到当前 AI 人才身上的三个最重要的能力。 1.深度理解:不只是会调 API,而是要真的能读懂论文、理解模型架构、知道什么是信号什么是噪音。这个护城河现在比任何时候都值钱,因为现在社交媒体通过 AI 生成内容、制造噪音的成本降到了零。 2.业务聚焦:你能不能把技术能力翻译成商业价值。他讲了一个案例:一家欧洲公司来找他说想做 Agent,他直接问的第一个问题是为什么,不是要做什么 Agent。剥洋葱剥到最后,CEO 想要的其实是让销售团队更有效率。这个目标里从头到尾都没出现 AI 这个词。从这个真实需求出发,才能做出真正有用的东西,而不是一堆漂亮的演示。 3.Bias toward delivery:这个是他说的,想法很便宜,执行才是一切。他见过很多人带着半生不熟的想法进面试,也见过很多人带着不完整但落地得很扎实的方案进面试,通常都是后者能拿到结果。 5️⃣ 深刻理解技术债 每一行你使用AI生成的代码都是债。 Bug、文档、维护、新需求,这些都是你在还债。问题不在于要不要用 AI 生成代码,而在于你生成的每一行代码是好债还是坏债。 把 technical debt 当成财务债务来理解:买房贷款是好债,冲动刷信用卡买鞋是坏债。 判断标准就三条:你的目标清不清楚?有没有真正的业务价值被交付?别人能不能看懂这段代码? 他说他在硅谷见过太多人把 vibe 出来的代码直接 check in 进仓库,然后没人知道那堆代码在干什么,原作者后来找到了更好的工作,离开了,那些代码就留在那里成了一块永久的技术债。 最后:一些职业建议 Lawrence 说,他预测未来五年 AI 会发生分叉:一边是越来越大的 frontier model,另一边是越来越小、可以自部署的 open weight model。 他的判断是,大模型这边的泡沫会先破,小模型这边的泡沫会晚一些。 好的工程师应该同时押注两边,而不是把所有技能集中在一个方向上;会训练、微调模型的人才很重要,未来会有越来越多企业自部署小型模型。 相比于做一个领域的专家,更推荐做多个领域的复合人才。
顯示更多
新西兰外交部长彼得斯(Winston Peters)周三(29日)在国会要求绿党华裔议员南西(Lawrence Xu-Nan)“回到自己的国家”,引发歧视争议。 争议起于29日在新西兰国会的一场辩论,生于中国天津、在纽西兰奥克兰长大的南西讨论到新冠疫情时,询问新西兰优先党(NZ First)党魁彼得斯是否有接种疫苗。彼得斯回应“回你自己的国家去吧”。 彼得斯说:“这里有民主,跟你所习惯的不一样。回到你来的地方去吧,你这个大嘴巴。” 南西批评,新西兰优先党将移民当成“代罪羔羊”,借此转移外界对政府施政的焦点。新西兰总理卢克森(Christopher Luxon)也谴责称,这是彼得斯“长期以不当言论博取关注”的事迹之一。 中国驻新西兰大使王小龙在X平台发文表示,虽然他倾向不介入新西兰内政,但“不得不说,一个人的发言,有时候比任何事情或任何人更能说明发言者的为人。” 彼得斯随后称,中国大使的发言“正好证明了我的观点”,并表示新西兰拥有言论自由,不同于共产主义及独裁国家。他拒绝收回先前的言论,并称外界指控他种族歧视的说法是“胡说八道”。 这并非彼得斯及其政党首次因涉及种族言论引发批评。今年稍早,彼得斯的副手琼斯(Shane Jones)曾批评新西兰与印度的自由贸易协定,称恐引发一场“奶油鸡海啸”(butter chicken tsunami)。去年,琼斯也曾在国会对墨西哥裔议员赫南德兹(Francisco Hernandez)高喊“把墨西哥人送回家”;当时,彼得斯还对赫南德兹及南西表示,两人应该“对能够来到新西兰心存感激”。
顯示更多
0
76
90
11
轉發到社區
据 The Information 报道, Coinbase 正经历近年来最大规模高管洗牌。首席人才官 Lawrence Brock 卸任转任顾问,机构部门联席负责人 Greg Tusar 转任政策岗位;加上此前法务总监 Paul Grewal 计划离职及 Jesse Pollak 卸任 Base app 负责人,多名核心高管发生变动。据悉, Coinbase 在 5 月裁员 14% 后,正加速向包含股票与预测市场的“全品类交易所”转型。
顯示更多
漏了一点:在这个时代,Work Hard是一个政治上极度不正确,但对个人发展极度正确的一件事 -- 吴恩达 + Lawrence
关于AI时代的职业发展,吴恩达和Lawrence在斯坦福的AI时代职业发展讲座内容很详实,分享下我的收获。 1️⃣ AI能力在加速 有一项研究让吴恩达反复引用:AI能完成的任务复杂度,每7个月翻一倍。 衡量复杂度的方式是:这个任务让一个人做需要多久? 几年前 GPT-2 能完成的任务,换成人类来做也只需要几秒钟,但现在已经进化到AI能够完成需要人类几十分钟甚至几小时的工作。 AI编程方向的翻倍周期更短,大概70天。 但有意思的是,很多人对这个加速的感知是被扭曲的。 原因很简单,评估 AI 能力的 benchmark,满分是100%,你做到90%之后再进步10个点,数值的绝对值变化看起来很小。 于是去年有段时间整个互联网在讨论 AI 是不是在走下坡路,这是因为用一把只能量到100的尺子去量一个还在生长的东西,当然会产生这种幻觉。 真正能衡量 AI 是否变的更智能的指标,不是在 benchmark 测试上的分数,而是 AI 能够处理的任务的复杂度这条曲线,目前看,还在往上走。 2️⃣ PM 和工程师的比例在变 当 Build is Cheap,瓶颈就转移到了决策。 传统硅谷的工程师和 PM 比例大概在4:1到8:1。一个 PM 负责写需求、定方向,四到八个工程师负责执行。 这个比例背后的假设是:执行很贵,写代码很贵,所以你需要大量人手把一个清晰的 spec 变成可运行的代码。 但现在这个假设已经失效了,编码成本在快速下降,但产品决策的成本没有同等下降。于是工程师和 PM 的比例开始向1:1靠近,甚至有团队开始践行这个配比。 更进一步,吴恩达说他现在最欣赏的那批工程师,是能写代码也能跟用户聊的人。 这两件事以前被认为是不同人来做,现在越来越多地被要求长在同一个人身上。 他自己说:在生涯早期,他曾经试图说服一批工程师多做产品工作,结果把一些真正优秀的工程师弄得很沮丧,因为他们不擅长做 PM 工作;他说那是他做过的错误决策之一,后悔了很多年。 然后他说,他觉得自己现在正在重蹈同样的错误。 这句话有点绕,但我觉得他说的是真话:不是所有工程师都应该变成 PM,但如果你恰好能做这件事,你现在的优势会比任何时候都大。 3️⃣ 团队 > 公司 这部分我觉得是整场讲座信息密度最高的地方,也启发了我的机会选择思路。 他讲了一个案例:有个斯坦福的学生,被一家很热门的 AI 公司录用,但对方拒绝事先告知他会加入哪个团队,说有什么 rotation 机制,入职之后再分配。这个学生因为公司品牌够大,就签了 offer,结果被分配去做 Java 后端支付系统。做了一年之后觉得无聊,离职了。 然后吴恩达说,他在 CS230 课上分享过这个案例之后,另一个学生在几年后去了同一家公司,遇到了一模一样的情况。不是 Java 后端,是另一个跟 AI 八竿子打不着的方向。 如果一家公司入职前不告诉你会在哪个团队,这件事本身就是信息。 logo 不大但团队很强的地方,往往比 logo 大但团队一般的地方学得更快。你不是从走进大门那一刻的兴奋感里学东西的,你是从每天打交道的人身上学东西的。 在这个时代,能去到一个足够强的AI Native的小公司,一定比进入大厂的某个传统业务团队更好、成长更快,团队 > 公司。 4️⃣ AI时代的三个能力支柱 接下来换成 Lawrence Moroni 做分享,他是互联网科技的数十年老兵,呆过Google、Microsoft、Meta等公司,他接着讲了他看到当前 AI 人才身上的三个最重要的能力。 1.深度理解:不只是会调 API,而是要真的能读懂论文、理解模型架构、知道什么是信号什么是噪音。这个护城河现在比任何时候都值钱,因为现在社交媒体通过 AI 生成内容、制造噪音的成本降到了零。 2.业务聚焦:你能不能把技术能力翻译成商业价值。他讲了一个案例:一家欧洲公司来找他说想做 Agent,他直接问的第一个问题是为什么,不是要做什么 Agent。剥洋葱剥到最后,CEO 想要的其实是让销售团队更有效率。这个目标里从头到尾都没出现 AI 这个词。从这个真实需求出发,才能做出真正有用的东西,而不是一堆漂亮的演示。 3.Bias toward delivery:这个是他说的,想法很便宜,执行才是一切。他见过很多人带着半生不熟的想法进面试,也见过很多人带着不完整但落地得很扎实的方案进面试,通常都是后者能拿到结果。 5️⃣ 深刻理解技术债 每一行你使用AI生成的代码都是债。 Bug、文档、维护、新需求,这些都是你在还债。问题不在于要不要用 AI 生成代码,而在于你生成的每一行代码是好债还是坏债。 把 technical debt 当成财务债务来理解:买房贷款是好债,冲动刷信用卡买鞋是坏债。 判断标准就三条:你的目标清不清楚?有没有真正的业务价值被交付?别人能不能看懂这段代码? 他说他在硅谷见过太多人把 vibe 出来的代码直接 check in 进仓库,然后没人知道那堆代码在干什么,原作者后来找到了更好的工作,离开了,那些代码就留在那里成了一块永久的技术债。 最后:一些职业建议 Lawrence 说,他预测未来五年 AI 会发生分叉:一边是越来越大的 frontier model,另一边是越来越小、可以自部署的 open weight model。 他的判断是,大模型这边的泡沫会先破,小模型这边的泡沫会晚一些。 好的工程师应该同时押注两边,而不是把所有技能集中在一个方向上;会训练、微调模型的人才很重要,未来会有越来越多企业自部署小型模型。 相比于做一个领域的专家,更推荐做多个领域的复合人才。
顯示更多
索菲·理查森(Sophie Richardson,斯坦福大学民主、发展与法治中心访问学者,原人权观察中国部主任 ):自1989年以来,民主国家与中国当局相对不加批判的互动关系的主要受益者是西方企业和中国共产党,而不是中国的人权、民主及其拥护者。 索菲·理查森:回顾35年来民主国家与中国历届领导层的“接触”,很难找到促进人权和民主的口头承诺在实际行动中战胜了经济和其他利益。 1989年6月4日天安门大屠杀发生后,时任美国总统乔治·布什立即禁止了与中国政府的所有高层交流,但仅仅几周后,他的国家安全顾问布伦特· 斯考克罗夫特(Brent Scowcroft)和副国务卿劳伦斯 · 伊格尔伯格(Lawrence Eagleburger)就秘密访问了北京,直到同年12月白宫宣布两人再次访问中国,这一行程才为人所知。 理由是什么?探索恢复与中国的接触。代价是什么?帮助粉饰对和平民主活动人士的屠杀,并向中国领导人传递了一个信息:他们可以对这些罪行逍遥法外。1994年,时任总统比尔·克林顿决定给予中国永久正常贸易关系地位——尽管中国在人权方面未做出系统性改进。这一决定延续了接触政策的逻辑,即加深经济融合将推动政治自由化。 从那时起,世界上历届民主政府都对中国境内外的人权活动人士给予了适度的支持。他们在联合国机构中提出谴责中国政府的侵犯人权的决议,为一些需要庇护的活动人士提供庇护,并想方设法支持中国各地的人权律师、维权人士和其他独立的公民社会团体。但是,在外交政策的优先级和资源投入方面,这些人权倡议始终未能超过保障商业利益的努力。 当人权与经济利益发生冲突时,人权往往成为牺牲品。面对北京的暴行,是谁在反对采取更有力的措施以抵制维吾尔强迫劳动产品的进口?正是美国和欧洲民主国家的进口商。民主国家政府的对华政策未能跟上习近平日益加剧的高压统治,面对中国政府的施压,他们也甘愿削弱甚至放弃因人权问题而实施的制裁。令人不安的是,民主国家和公司仍然满足于与中国政府官员“接触”,这些官员以种族灭绝、酷刑和强迫失踪而闻名,包括对他们自己的同事以及和平的人权活动人士的迫害。 “去风险”改变了接触的性质,但这种转变也更多地是出于经济和安全的考量,而非对中国人权的关切。此外,几乎看不到“去风险”政策包含促进人权或民主的内容。这一疏忽是严重的,因为无论是经济关系还是安全关系,都与保障人权这一基础性问题密切相关,而这一点在当前的政策框架中被忽视了。 诚然,接触使互动成为可能,对人权产生了深远的影响——活动人士能够相互联系、交流经验,外部资源支持了中国境内原本缺乏资源的工作,国际人权法律的信息也因此得以传播。但自 1989 年以来,民主国家与中国当局相对不加批判的互动关系的主要受益者是西方企业和中国共产党,而不是中国的人权、民主及其拥护者。 民主国家可以通过几种方式改变与中国的互动。首先,它们应确保自身及本国企业不再助长或维持人权侵害行为。美国的《防止维吾尔族强迫劳动法》和欧盟的新尽职调查立法对一些商业交易引入了人权审查,这无疑是一种进步。然而,这类审查应进一步扩大范围,同样适用于投资、进口及出口管控等领域。 其次,民主国家政府应坚定履行国内法和国际法所规定的法律问责义务,对涉嫌严重侵犯人权的中国政府官员进行调查和起诉。数十年来,各类声明和人权对话并未阻止中国政府实施愈发严重的人权侵犯,受害者人数持续扩大。民主国家拥有收集证据和推动问责的国内和国际手段——对人权侵害的结构性调查和普遍管辖权起诉就是最明显的例证,而如若不采取这些行动,只会进一步加深北京对自身逍遥法外的认知。 最后,也是最根本的,民主国家应大力加强对中国境内外独立公民社会的外交、财政、法律和政治支持。正是这些公民社会力量推动言论自由,从而预防全球性公共卫生危机;正是这些人争取了有限的法律改革,为国际商业活动创造了条件;正是他们的思想鼓励民主辩论和代表权,帮助抵御全球威权主义的回潮。这些关键的盟友理应获得强大民主国家的团结支持,这种支持本身即是一种有意义的接触。 ------ 以上言论不代表本刊立场。有关本期笔谈《西方对华政策转变与中国民主化前景》,详情请下载全文: ------ 我们的季刊免费向公众开放,您的下载、传播和阅读就是对我们的最大支持和鼓励。感谢读者! 《中国民主季刊》2026年第2期(最新一期)下载: 《中国民主季刊》往期下载: 《中国民主季刊》Substack专栏:
顯示更多
0
11
15
10
轉發到社區
🧐特朗普访华随行商界高管名单来了: • Jane Fraser,花旗集团 CEO • Tim Cook,苹果 CEO • Elon Musk,特斯拉 CEO • Brian Sikes,嘉吉 CEO • Larry Fink,贝莱德董事长兼 CEO • Kelly Ortberg,波音 CEO • Ryan McInerney,Visa CEO • Chuck Robbins,思科 CEO (因公司本周发布财报无法出席) • Jacob Thaysen,Illumina CEO • Jim Anderson,Coherent CEO • Sanjay Mehrotra,美光科技 CEO • Cristiano Amon,高通 CEO • Michael Miebach,万事达卡 CEO • Dina Powell McCormick,Meta 总裁兼副董事长 • David Solomon,高盛 CEO • H. Lawrence Culp, Jr.,GE Aerospace 董事长兼 CEO • Stephen Schwarzman,黑石集团董事长、CEO 兼联合创始人 从科技、金融、支付到制造业,美国大公司几乎都派出了高层随行。
顯示更多
受邀访华名单如下: 1. Elon Musk(埃隆·马斯克):Tesla / SpaceX 2. Tim Cook(蒂姆·库克):Apple 3. Larry Fink(拉里·芬克):BlackRock(贝莱德) 4. Stephen Schwarzman(苏世民):Blackstone(黑石) 5. Kelly Ortberg(凯利·奥特伯格):Boeing(波音) 6. Brian Sikes(布莱恩·赛克斯):Cargill(嘉吉,农业) 7. Jane Fraser(简·弗雷泽):Citigroup(花旗) 8. Jim Anderson(吉姆·安德森):Coherent 9. Larry Culp(H. Lawrence Culp):GE Aerospace(通用电气航空) 10. David Solomon(大卫·所罗门):Goldman Sachs(高盛) 11. Jacob Thaysen(雅各布·泰森):Illumina 12. Michael Miebach(迈克尔·米巴赫):Mastercard(万事达) 13. Dina Powell McCormick(迪娜·鲍威尔·麦考密克):Meta 14. Sanjay Mehrotra(桑杰·梅赫罗特拉):Micron(美光) 15. Cristiano Amon(克里斯蒂亚诺·阿蒙):Qualcomm(高通) 16. Ryan McInerney(瑞安·麦金纳尼):Visa
顯示更多
黄仁勋不会陪同特朗普访问中国。这意思是继续限制H200的出口?😂信号很强烈呀 就在上周四,他还表示愿意陪同特朗普总统前往中国,参加备受瞩目的访华之行。 黄仁勋告诉CNBC:“如果受邀,那将是我的荣幸,能够代表美国与特朗普总统一同访问中国,我将感到无比荣幸。”
顯示更多
0
9
99
17
轉發到社區
【醜聞衝擊】馬來西亞前總理納吉布面臨28億美元罰款、15年加刑 因1MDB醜聞已然入獄的馬來西亞前總理納吉布(Najib Razak),現在面臨15年加刑以及114億林吉特(28億美元)罰款。法官Collin Lawrence Sequerah裁定納吉布在1MDB案中犯有四項濫用職權罪和21項洗錢罪。
顯示更多
謝謝今天來找我們的大家呀!🌟 明天我跟鴿子一樣會在Yellow1哦! 不知道是不是因為是在國際展貿中心最後一場的RG 大家都超級熱情的❤️‍🔥 也很感謝夜斗、Lawrence跟小助手的幫忙😭 下次來我一定會留時間帶你們去吃飯的! 也很感謝來找我們的朋友、粉絲們🙏 我們明天見嘍!✨️
顯示更多
0
12
1.6K
79
轉發到社區