Latent Space

AI 工程师视角的技术深访，是把论文和产品接起来的少数节目

分类AI / 技术

优先级T1

物理没有基础模型，神经算子正在补上这一课

Anima Anandkumar 用神经算子把天气预测带进 AI 时代：同样精度快数万倍、只用消费级 GPU，并展示物理世界如何用少量数据加几何归纳偏置迈向基础模型。

Joon Sung Park 的判断：把人当作可训练对象，需要的不是更强的推理模型，而是会犯和人一样错误的模型——前沿模型在小众人群行为预测上只有 20–30% 准确率，Simile 用两小时深访加 RCT 数据把它做到 85%。

Chai 为 50 个靶点设计抗体约一半命中，cryo-EM 验证误差 0.33Å；真正的护城河不是模型，而是数据、算力和让药企愿付钱的验证链路。

选对层之后，量化更多反而更保真——误差会互相抵消；同理 10 倍加速不是单点突破，而是量化、speculator、PD 分离各翻一倍叠出来的。

OpenAI 把 Codex 的 harness 原样搬给了知识工作者，只改 UX 取舍和 sandbox 默认值；背后的判断是职能边界会被 AI 抹平，所以拒绝按「你是谁」划产品线。

Poolside用总参1180亿、激活80亿的小模型证明，持久性和验证行为比单纯堆参数量更能提升编程能力，这让他们相信开源小模型能打破巨头垄断的未来。