当AI开始主动提问:DeepMind眼中的科学革命拐点
在这期对话中,DeepMind研究副总裁Pushmeet Kohli分享了他对“AI驱动科学发现”的最新思考。从一个生物学家的真实困惑出发,他解释了为什么像Alpha Evolve这样的系统,可能标志着AI从解题者走向探索者的关键转折。
在这期对话中,DeepMind研究副总裁Pushmeet Kohli分享了他对“AI驱动科学发现”的最新思考。从一个生物学家的真实困惑出发,他解释了为什么像Alpha Evolve这样的系统,可能标志着AI从解题者走向探索者的关键转折。
Bolt 创始人 Eric Simons 复盘了一段极端却真实的增长经历:在高度不确定的环境下,小团队如何靠执行力、产品直觉和社区力量完成从 0 到 2000 万美元 ARR 的跃迁。这不是模板化的成功学,而是一套在压力下被验证过的行动原则。
Together AI 开发者关系负责人 Hassan El Mghari,用自己四年、每月一个项目的实战经历,拆解了如何用开源模型快速构建 AI 应用,并让其中一部分真正触达百万用户。这不仅是技术分享,更是一套可复制的构建与试错方法论。
Gumloop创始人Max Brodeur-Urbas分享了他们如何在不到10人的团队规模下高速增长,并完成A轮融资。这不是工具清单,而是一套围绕AI效率、招聘标准、内部运营与文化透明度构建的小团队放大器方法论。
Gamma CEO Grant Lee 在一次演讲中复盘了他们如何用一支约30人的团队,支撑起数千万用户规模的产品。他并没有谈AI炫技,而是聚焦团队结构本身:为什么“全能型人才”正在取代高度分工,管理者为何必须成为“上场的教练”,以及小团队如何在高速变化中实现规模化。
Datalab CEO Vik Paruchuri分享了他如何用不到15人的极小团队,训练最前沿的模型、拿到七位数ARR,并获得4万GitHub Star。他用亲身创业和裁员经历,挑战了“人越多越高效”的硅谷共识。
Alex Duffy提出一个反直觉却极具力量的观点:AI基准测试不是中立工具,而是像“模因”一样会传播、进化,并最终塑造模型能力与人类价值。通过Pokémon、Diplomacy等生动案例,他揭示了谁在定义评测,谁就在定义AI要变成什么。
本文带你走进诺奖得主John Jumper的AI科学之路,揭秘AlphaFold背后的技术突破、真实故事与行业洞见。你将看到AI如何改变蛋白质结构预测、催生科学新范式,以及科学家们如何用AI工具创造意想不到的成果。
当X上每天都在吹爆新AI工具时,Greg Isenberg干了一件“反流量”的事:几乎把热门AI都试了一遍,然后毫不留情地淘汰大多数。更反直觉的是,他留下的不是最火的,而是最容易被忽略、却真正改变工作方式的那几种。
这场演讲展示了Circle如何将USDC与AI代理结合,把传统需要人工信任的托管流程,重构为可编程、可自动执行的链上机制。核心不在于支付更快,而在于“信任如何被软件化”。