从Google到Sierra:Bret Taylor谈AI创业的危险与真正机会
在这场对谈中,Bret Taylor回顾了自己从Google、Facebook到创办Quip和Sierra的经历,分享了他对AI创业的冷静判断:真正的机会不在模型本身,而在客户价值、市场转变与执行力。他也坦率谈到AI的风险、创业方法论以及未来工程师的样子。
在这场对谈中,Bret Taylor回顾了自己从Google、Facebook到创办Quip和Sierra的经历,分享了他对AI创业的冷静判断:真正的机会不在模型本身,而在客户价值、市场转变与执行力。他也坦率谈到AI的风险、创业方法论以及未来工程师的样子。
SurgeAI 创始人 Edwin Chen 在播客中罕见地系统讲述了公司从默默无闻到年收入破十亿的核心逻辑:不追风口、不迷信融资,而是死磕高质量人类数据。本篇文章提炼了他对模型训练、数据质量、RLHF 以及 AI 对齐的关键洞见。
这场来自 Glean 的分享,直面一个困扰无数 AI 工程师的问题:到底该做“工作流”,还是“智能体”?演讲者通过真实的工程取舍、形象的比喻和企业级场景的反思,给出了一套并不极端、却更可落地的方法论。
两位来自 AlixPartners 的 AI 负责人,用两年内部实践讲清一个残酷现实:生成式 AI 正在系统性压缩专业服务的工时,但真正被颠覆的不是“计费”,而是价值创造方式。
在这场分享中,FactSet 的 Yogendra Miraje 直面一个企业级 AI 的核心难题:Agent 越聪明,越难控制。他提出“Agentic Workflow”这一折中路径,用规划、子目标拆解和蓝图设计,在自治性与可预测性之间建立工程化的平衡。
这场来自Intuit高级工程师的分享,罕见地揭示了生成式AI在强监管行业中的真实落地方式:不是炫技,而是围绕安全、评估和用户理解构建系统能力。文章将还原TurboTax背后的LLM架构、关键技术取舍,以及他们踩过的坑。
这篇文章围绕《AI Daily Brief》一期关于“世界模型是否是AGI关键”的讨论,系统梳理了当前大语言模型在世界建模上的真实能力、学界的分歧,以及为什么这场争论正在成为下一阶段AI突破的核心问题。
在这场由Neo4j三位核心成员分享的实践演讲中,GraphRAG被视为解决RAG幻觉、相关性不足和不可解释性的关键路径。文章梳理了GraphRAG的动机、方法论、技术流程与真实演示,解释为何“向量相似≠业务相关”,以及知识图谱如何让LLM变得更可靠。
Adobe应用AI负责人Muktesh Mishra在这场分享中,系统拆解了为何“评估(Evals)”已成为AI应用的生命线,以及如何跳出准确率与相似度的局限,把Evals当作一套可规模化、可演进的工程体系来建设。
Graphite 联合创始人 Tomas Reimers 用真实数据讲述了一个反直觉的事实:AI 写代码越多,Bug 也越多。通过数百万次 AI 代码审查,他们不仅验证了“AI 能找 Bug”,更重要的是搞清楚了“哪些 Bug 值得让 AI 找、哪些评论人类根本不想看”。