比特币新闻

专注于比特币生态的新闻、价格分析、技术演进与市场趋势,探讨其在全球金融体系中的角色与影响力。

AGI倒计时,OpenAI首席研究官重磅表态:留给人类的窗口“很小”

OpenAI首席研究官Mark Chen近日表示,通用人工智能(AGI)即将到来,人类面临的窗口期“很小”。他认为,AI模型正快速接近能够自主进行“自我维持研究”的阶段,届时创新和进化或将由AI主导。 Chen指出,如今在各个领域都已出现AI的“神之一手”——做出超越人类直觉的突破。他坚信,扩展定律(Scaling Laws)尚未失效,技术进步仍处在指数曲线上。此前OpenAI在内部大力押注的推理模型o1的成功,也增强了这一信心。 随着AI执行能力的大幅提升,人类在研究中的角色可能演变为“氛围研究员”(Vibe Researcher),即主要负责提出关键问题和凭借“品味”判断成果价值,而将具体的实施、编排工作交给AI。OpenAI的路线图目标正是实现端到端的AI自主研究。 然而,通往AGI之路仍充满挑战。一是评估危机(Benchmaxxing),现有评测方法易被钻空子,缺乏真正有效的评估标准;二是“参差的前沿”问题,AI可能在复杂任务上表现出色,却在需要常识或持续学习的简单任务上失败。Chen承认这些难题,但相信正在被攻克。 最后,Chen谈及一个温馨的隐喻:当AGI实现后,他个人的愿望是开一家面馆。这暗示在AI主导认知与创新的未来,人类独有的体验、情感与故事,可能成为最宝贵的价值。

marsbit06/30 08:37

AGI倒计时,OpenAI首席研究官重磅表态:留给人类的窗口“很小”

marsbit06/30 08:37

这么拥挤的跨境支付赛道,下一站未来在哪里?

跨境支付赛道竞争激烈,表面热闹但利润空间因价格战和资本补贴被严重挤压。行业未来破局点在于深度融合本地法币能力与稳定币技术,并构建资金网络效应。 首先,稳定币的效率提升依赖于法币出入口的合规与顺畅,而全球法币监管正趋于碎片化和收紧。因此,**深刻理解并打通各国本地“最后一公里”的支付、合规与银行关系是基础**。许多中国支付服务商的“出海”更多是服务中国商户出海,而非真正打入海外本地主流生态,需要突破这一路径依赖。 其次,单一支付通道业务终将陷入内卷,未来竞争力在于升级为**跨境资金网络运营商**。通过内部撮合多国、多币种资金流,实现头寸复用和净额结算,从而提升整体资金效率,而不仅仅是赚取手续费差价。从业者应关注未被充分开发但贸易与资金流动频繁的特定区域走廊,构建区域清算枢纽。 最后,Web3支付(如稳定币)并非要颠覆传统金融,更现实的路径是与传统金融体系融合。下一代支付公司的核心将是构建 **“本地法币+稳定币”的两栖清算底座**,兼具本地化的厚重合规能力与链上清结算的轻快效率。真正的难点和壁垒在于获取深层的本地流动性,这需要长期投入、本地化经营并嵌入当地商业网络。 未来的赢家不是靠更低价格,而是靠更深的本地化、更强的网络效应和更成熟的稳定币原生能力。机会蕴藏在复杂、非标准的深水区市场,需要真正沉入当地,构建难以复制的底层基础设施。

链捕手06/29 14:34

这么拥挤的跨境支付赛道,下一站未来在哪里?

链捕手06/29 14:34

第一个用物理做计算原语的大规模生成模型Un-0来了,或将AI能耗降低1000倍?

在AI能耗问题日益成为行业瓶颈的背景下,前Databricks AI负责人Naveen Rao创立的Unconventional AI公司发布了其首个大规模生成模型Un-0。该模型的核心创新在于利用“模拟耦合振子系统”作为计算原语,通过物理系统的自然演化过程来完成图像生成任务,旨在将AI推理能耗降低至现有系统的千分之一。 Un-0的工作原理基于Kuramoto振子模型。成千上万个振子根据其固有频率和相互间的耦合关系,在时间维度上自然演化、同步或形成特定模式。模型的训练主要学习振子间的耦合矩阵和固有频率。生成图像时,系统首先随机初始化振子相位,然后通过条件振子输入类别标签(如“火山”)进行引导,接着让物理系统自由演化,最后在特定时刻读取振子相位状态,并通过一个轻量级解码器将其转换为图像像素。 在ImageNet 64×64数据集上,拥有3.22亿参数的Un-0模型取得了FID 6.74的成绩,其生成质量已接近一些早期主流图像生成模型(如BigGAN、iDDPM)发布时的水平,但与当前最先进的传统模型(如EDM)相比仍有差距。Unconventional AI强调,Un-0并非旨在立即成为性能冠军,而是一个“概念验证”,证明了利用物理动力学系统执行现代AI大规模生成任务是可行的。 该技术路线的长远目标是构建一种新型的非传统计算硬件,将计算与记忆合并于同一物理实体中,从而避免冯·诺依曼架构中数据搬运带来的巨大能耗。Un-0的出现,标志着AI计算范式向利用物理系统固有动力学特性转变迈出了重要一步,为未来实现能效数量级提升的AI硬件开辟了新路径。

marsbit06/26 10:53

第一个用物理做计算原语的大规模生成模型Un-0来了,或将AI能耗降低1000倍?

marsbit06/26 10:53

活动图片