AI的“新冠时刻”真的到了?硅谷自己先吵翻了
过去一年,AI圈最流行的说法是:我们正在经历AI的“COVID时刻”。但TBPN这期视频里,一个反直觉的声音冒了出来:类比可能是错的,而且错得很关键。真正值得警惕的,不是失控式爆发,而是你对“爆发方式”的误判。
过去一年,AI圈最流行的说法是:我们正在经历AI的“COVID时刻”。但TBPN这期视频里,一个反直觉的声音冒了出来:类比可能是错的,而且错得很关键。真正值得警惕的,不是失控式爆发,而是你对“爆发方式”的误判。
一支看似“无害”的广告,正在被业内人士称为对大语言模型信任的“核打击”。TBPN这期节目把话说透了:Anthropic的市场策略、OpenAI的新动作、以及Google高调宣称的“AI王座”,其实都指向同一个问题——AI行业,正在从拼模型,转向拼叙事与信任。
很多人还在比参数、拼提示工程,但 Peter Yang 的提前实测给了 Claude Opus 4.6 一个反直觉评价:提示越复杂,结果可能越差。这不是一次参数升级的炫技,而是一次“用法正在改变”的信号。
这期 TBPN 的视频看似在聊一个并不新鲜的项目 Moltbook,但真正的猛料不在产品本身,而在它意外撕开了当下互联网的“僵尸化”现实:机器人评论、空洞互动、被 UI 包装掩盖的创新停滞。如果你在做 AI、做产品、做平台,这是一面不太好看的镜子。
一个几乎全是机器人的“社交网络”突然刷屏科技圈。TBPN 在这期节目里抛出的不是新产品,而是一个更刺眼的问题:当 bots 成为主要用户,LLM 生态、产品边界和失控风险该如何重画?
当所有人都在谈“全自动 AI Agent”“全球持久化智能体”时,TBPN 这期节目却泼了一盆冷水:真实体验并不惊艳,甚至有点失望。从 Moltbook 的奇怪写作风格,到 LLM 世界里的 prompt injection 野蛮生长,再到 Nvidia 与 OpenAI 的资本暗线,这是一期明显“降温”的内容。
GPT‑5.2 开始解数学难题,但真正震撼科学界的不是模型本身,而是 OpenAI 做了一件更“脏活累活”的事:把 AI 直接嵌进科学家的日常工作流。Prism 的出现,可能比一次模型升级更接近“科学加速器”的本质。
当所有人都在问“AI是不是泡沫”时,资本市场给出了一个反直觉答案:不是一起涨或一起跌,而是彻底分化。Meta在不计成本押注AI后股价大涨,而微软却因为基础设施跟不上被市场冷落。这背后,隐藏着2026年AI竞争真正的生死线。
如果你还在纠结“哪个大模型会赢到最后”,这期 Lex Fridman 的对话可能会直接颠覆你的默认认知。在 Sebastian Raschka 和 Nathan Lambert 看来,2026 年的 AI 竞争,赢家不是某一个模型,而是一整套新的玩法:开源与闭源并存、速度与智能取舍、后训练比架构更重要,以及一个被低估的关键词——“多模型时代”。
OpenAI 首次 Town Hall 没有发布新模型,却信息量爆炸:Sam Altman 当众承认 GPT-5 写作“搞砸了”,明确招聘将放缓,同时抛出一个更激进的判断——两年内,更高水平的智能会以 100 倍更低成本到来。这场看似平淡的 Q&A,其实暴露了 OpenAI 的真实焦虑与路线选择。