#斯坦福
黃仁勳史丹佛最新演講:世界被徹底重啟了,你我都在同一條起跑線上
如果你現在還在為未來感到焦慮。覺得好賽道都被佔滿了,好機會都被前輩搶光了。甚至覺得,現在的世界階層固化,普通人再也沒有翻身的機會。那麼,請你一定要認真聽聽黃仁勳在史丹佛大學剛剛說出的那段話。在那個擠滿了全球最聰明大腦的沙龍現場。老黃沒有聊那些高大上的財報資料,也沒有兜售輝達的最新晶片。他只用了一個詞,就讓在場所有快要窒息的年輕人,眼裡重新燃起了火。這個詞就是:重啟(Reset)。他說,現在的世界,不再是那個等級森嚴、前輩掌握絕對話語權的舊世界了。整個電腦工業,這個全球最大的產業,已經被AI徹底推倒,原地重啟。而因為所有行業都是建立在電腦工業之上的,這意味著——全球所有的產業,在這一刻,都被強制重啟了。看完這篇充滿力量的對談實錄,我最大的感觸是:我們可能正處於人類歷史上最公平的一個瞬間。不管你是剛畢業的大學生,還是在大廠待了十年的老兵。在這一刻,沒有人比你更有領先優勢。這篇文章,我不談枯燥的技術參數,也不販賣“馬上就要失業”的焦慮。就聊聊在這場席捲全球的“大重啟”中,老黃為我們普通人指出的那條活路,到底在那裡。01 別怕,所有人都是“第一代”在史丹佛的講台上,黃仁勳對著台下的學生說了一句極具衝擊力的話:“這是你們步入社會的最好時機,因為世界被重啟了。”這句話背後,藏著一個極其殘酷,但也極其迷人的真相。在過去的幾十年裡,我們身處的職場和商業世界,是一層層堆疊起來的金字塔。前輩們掌握著更深厚的程式碼功底、更複雜的系統架構、更龐大的行業資源以及更熟練的業務套路。你要想出頭,必須得順著人家搭好的梯子,忍辱負重地一級一級往上爬。你得拼熬夜、拼體力、拼資歷。但現在,那個梯子斷了。當大模型開始重塑軟體生成的方式,當AI開始接管基礎的邏輯推演。以前那些靠“低效經驗積累”築起的護城河,一夜之間被徹底抹平了。老黃殘忍且真實地提醒我們:現在的產業,正處於一個沒有任何人有“先發優勢”的階段。那怕是那些在傳統網際網路行業呼風喚雨了二十年的高管,在面對今天的通用人工智慧時,他們的認知也未必比一個每天泡在AI工具裡的大學生深刻。這意味著,你不再需要去苦苦追趕那些跑了三十年的前輩。因為大家面對的,都是一種全世界從未見過的、全新的技術範式。你、我、甚至那些矽谷的頂級專家,現在其實都站在同一條起跑線上。我們每一個人,都是這個新時代的“第一代”。這種“歸零”帶來的,絕不是恐慌。而是一種前所未有的自由和解脫。如果你能意識到這一點,你就會發現,那些曾經困擾你的所謂“職場天花板”、“行業壁壘”。其實早就隨著舊世界的重啟,一起灰飛煙滅了。02 別被高門檻嚇住,最好的核武器就在你手邊很多人潛意識裡覺得,AI是一門極其高深的學問。想要玩轉AI,是不是得先去啃幾本厚厚的電腦視覺教材?是不是得學懂Python,搞懂神經網路的底層演算法?老黃在現場給出了一個極其治癒,也極其顛覆的回答:AI不僅是全世界最強大的技術,它還是人類歷史上最“平民化”的技術。在以前的工業時代,如果你想掌握最先進的生產力。你必須得去大工廠、頂尖實驗室,或者花重金購買極其昂貴的專業裝置。但現在,這個被老黃稱為“核武器”等級的工具,就安靜地躺在你的瀏覽器裡。只要有網路,每個人點選一下滑鼠就能用。老黃在史丹佛極其激動地說:“它是高度個性化的,它是極其容易獲取的,任何人都可以用它來為自己的職業生涯服務。”不要再覺得技術是高高在上的了。也不要覺得非理科出身、非專業人士,就無法觸碰這個時代的核心紅利。這種史無前例的“工具可及性”意味著,技術的高牆不僅塌了,而且被徹底碾碎了。你不需要知道發動機是怎麼造出來的,你只需要學會怎麼踩油門和轉動方向盤。現在這個世界缺的,根本不是那些能在底層寫程式碼造工具的人。而是那個能把工具拿起來,去解決現實世界具體問題的人。03 現在的企業,都在瘋狂尋找“AI專家使用者”在很多人的日常焦慮裡,AI總是扮演著那個來搶飯碗的“終極反派”。大家每天都在擔心:AI今天會畫畫了,插畫師是不是完了?AI明天會寫文案了,策劃是不是該下崗了?但老黃在史丹佛,分享了他在行業最前線看到的真實景象:整個工業界、所有的頂尖企業,現在並沒有在想著怎麼大規模裁員。相反,他們正在翹首以盼,甚至可以說是極度飢渴地等著新一批人才入場。注意,他在這裡使用的一個極其精準的詞彙,不是“AI開發者(AI Developers)”。而是“AI專家使用者(Expert AI users)”。這四個字,就是普通人未來十年最值錢的個人定位。老黃提到,無論你是學行銷的、搞金融的,還是做工程、寫軟體的。公司現在最想要的,是那些能用AI重塑自己專業能力的人。比如,一個懂財務的人很多,一個懂AI的人也很多。但是一個能熟練使用AI去清洗龐大財務資料、建立自動預測模型的“AI財務專家”,鳳毛麟角。一個懂設計的畫師,和一個能用AI在半天內生成上百張草圖並進行精準渲染的“AI設計專家”,他們的產出效率是十倍甚至百倍的差距。這種需求是全方位的,也是極其迫切的。老黃非常動情地對台下的學生說:“我們這些在產業界另一頭的人,正在等待著你們。”在這一刻,你不是一個被大廠挑肥揀瘦、隨時可能被替代的弱勢群體。你是一個帶著“新式核武器”進場,去拯救那些效率低下的舊業務的支援力量。你要做的,從來不是去和AI比誰的算力強、誰的邏輯更嚴密。而是去學習如何駕馭它,讓它成為你職業生涯的超級外掛。就像老黃說的那樣,這不僅是一個機會,這簡直是一個讓人“難以置信的巨大機會”。04 在被重啟的世界裡,尋找你的“確定性”老黃的這場簡短但極其震撼的演講,其實是給所有迷茫的人指出了一條明路。在這個連矽谷大佬都在不斷推翻自己認知的時代,我們普通人該如何尋找確定性?答案是:放棄線性規劃,擁抱非線性爆發。以前我們講究職業規劃,三年做到主管,五年混到經理,十年混個總監。這種規劃的前提,是整個行業按照既定的軌道緩慢行駛。但在一個被重啟的世界裡,這種按部就班的階梯已經不存在了。你現在唯一的確定性,就是把你手裡那個叫“專業”的舊武器,裝上一個叫“AI”的新引擎。不管世界怎麼變,企業解決具體商業問題的需求不會變。人類需要被治癒、需要更高效的運轉、需要更精準的行銷,這些本質的需求永遠都在。如果你是一個懂財務、懂法律、懂設計、甚至懂心理學的普通打工人。千萬不要去焦慮自己會不會寫程式碼,能不能搞懂複雜的演算法模型。你要做的是,比全公司所有人都更早、更熟練地去使用大模型。去成為那個能用一句精準的Prompt(提示詞),讓AI幫你幹完別人三天活的人。去成為那個能在極度混亂和不確定中,快速呼叫各種AI工具拼湊出解決方案的人。那座舊世界的金字塔已經轟然倒塌,新世界的荒原剛剛展開。不要再抱怨自己沒有早點出生,錯過了房地產紅利,錯過了移動網際網路紅利。今天,就是人類歷史上絕無僅有的一次,所有人被強制拉回同一條起跑線的機會。那些曾經不可一世的巨頭和前輩,現在和你一樣,都在面對一個完全未知的考卷。既然世界已經被重啟了。既然發令槍已經打響。剩下的,就是扔掉包袱,帶上你的超級工具,拚命跑下去。 (杏仁的第二大腦)
圍觀!斯坦福最火AI課全球免費開講,頂級大佬親授Transformer精髓,課表全放送
斯坦福發了個新的 Transformer 課程,可以免費線上觀看,OpenAI/Google/Meta/xAI輪番登場地址:https://web.stanford.edu/class/cs25/如果你關注AI,那你一定聽說過Transformer。而斯坦福大學的CS25課程,正是聚焦這一領域的頂流研討課——CS25: Transformers United V5。這門課有多火?這麼說吧,它是斯坦福最熱門的研討課之一,請來的都是站在Transformer研究最前沿的大佬,比如Geoffrey Hinton、Ashish Vaswani、Andrej Karpathy這些如雷貫耳的名字都曾出現在講台上。課程內容不僅在斯坦福校內廣受歡迎,在油管上也吸引了數百萬的觀看量。課程核心內容:CS25每周深入探討AI領域的最新突破,從像GPT這樣的大型語言模型(LLM),到AI在藝術、生物、機器人等領域的廣泛應用,核心始終圍繞著強大的Transformer架構對全球學習者完全開放!這是最讓人興奮的一點: 免費旁聽:無論你是不是斯坦福的學生,甚至不需要任何註冊或關聯,都可以親自去現場旁聽(如果你在斯坦福的話)或者加入Zoom直播線上學習。官方特別提醒:關於旁聽的具體事宜,大家就不用郵件或私信去聯絡課程方啦,直接參與就好 活躍社區:課程還有一個超過5000人的Discord社區,你可以隨時加入,和全球數百名對Transformer感興趣的同學、研究者、愛好者一起交流討論 學習要求:對於選課學生來說,唯一的“作業”就是每周按時參加講座。對於旁聽者,沒有任何要求,純粹是知識的盛宴 (AI寒武紀)課程日程亮點(資訊密度超高!):以下是根據官網資訊整理的部分課程安排(注意:具體時間可能基於美國太平洋時區):4月1日* 主題:Transformer概覽 [線下]* 講者:課程講師* 內容:NLP簡史、Transformer的起源、工作原理及其深遠影響。探討最新趨勢、突破、應用以及當前的挑戰與侷限。* 資源:提供錄播連結。4月8日* 主題:強化學習(RL)作為產品與研究的協同設計 [線下]* 講者:Karina Nguyen (OpenAI)* 內容:探討下一代AI產品如何在嚴謹的RL研究與大膽的產品設計交叉點誕生。通過緊密的“協同設計循環”(科學家原型設計、使用者快速反饋),建構衡量AI系統真實世界可用性的評估指標,而非僅僅依賴傳統基準測試。4月15日* 主題:AGI(通用人工智慧)的降臨 [線下]* 講者:Div Garg (AGI Inc)* 內容:在超級智能似乎近在眼前、前沿模型持續擴展的背景下,新一代能夠感知、推理並在開放環境中行動的自主AI智能體正在興起。這些智能體代表了向AGI邁出的初步步伐,有望徹底重塑我們與軟體互動、完成任務的方式。4月22日* 主題:我們同舟共濟:人工智慧體時代的人類能動性 [線下]* 講者:Eric Zelikman (xAI)* 內容:如何設計能與我們有效協作、在我們能力提升的同時也增強我們能力的智能體?我們可以從過去的技術進步中學到什麼?學術界在理解這些動態和框架中扮演什麼角色?探討至今的演變以及未來可能的演化路徑。4月29日* 主題:大型語言模型推理 [線下]* 講者:Denny Zhou (Google DeepMind 推理團隊lead)* 內容:高層次概述大模型的推理能力,聚焦其動機、核心思想和當前侷限性。無需先驗知識。5月6日* 主題:待定 (TBA)* 講者:Hongyu Ren (OpenAI)5月13日* 主題:待定 (TBA)* 講者:Josh Batson (Anthropic)5月20日* 主題:用於藥物發現的多模態世界模型 [線下]* 講者:Eshed Margalit (Noetik.ai)* 內容:探討機器學習,特別是基於Transformer的大模型在處理海量資料集方面的進展,如何應用於癌症生物學和藥物發現領域。結合成本、速度和解析度都大幅改進的現代測量工具,加速新藥研發。5月27日* 主題:Transformer在圖像生成及超越領域的擴散模型應用 [線下]* 講者:Sayak Paul (Hugging Face)* 內容:近期大熱的擴散模型在生成逼真合成連續媒體內容方面的應用。本講座將介紹Transformer如何在圖像生成的擴散模型中使用,並探討更廣泛的應用。6月3日* 主題:待定 (TBA)* 講者:Andrew Brown (Meta)
重磅解密:斯坦福2025 AI指數報告,全球格局已悄然巨變
📊 重磅解讀:斯坦福2025年AI指數報告,帶你一窺AI發展的驚人速度、全球資本佈局與人類面臨的挑戰。斯坦福大學那個搞"以人為本"AI的研究院(HAI)又扔出了一顆重磅炸彈——《2025年AI指數報告》。每年都得看看這份報告,因為它不是虛頭巴腦的預測,而是用全球最紮實的資料,試圖給你畫一張當前AI世界的真實地圖。讀完今年的報告,最大的感受是什麼?就一個字:快! 快到讓人窒息,快到讓所有身處其中的人,無論是興奮、焦慮還是迷茫,都不得不被這股洪流裹挾著往前衝。一、性能狂飆:AI不再是"人工智障"還記得我們以前調侃AI是"有多少智能,背後就有多少人工"嗎?現在,情況真的變了。📈 驚人的進步資料:MMMU提升:↑18.8個百分點GPQA提升:↑48.9個百分點SWE-bench提升:↑67.3個百分點這是什麼概念?想像一下,去年還在蹣跚學步的孩子,今年突然就能跑百米了。不光是解題,做視訊、寫程式碼,AI都在突飛猛進。報告甚至提到,在特定程式設計任務上,AI已經能在限定時間內干翻人類程式設計師。💡 關鍵洞察:這不再是漸變,而是質變的前夜。AI的能力邊界正在以肉眼可見的速度瘋狂擴張。二、錢往那流:美國 All in,世界跟跑技術突破的背後,是錢,是真金白銀的投入。💰 2024年投資規模:美國私營部門:1091億美元對比中國:約12倍對比英國:約24倍資金流向重點: 生成式AI(全球私人投資339億美元)🔍 中國表現:模型性能快速追趕AI論文和專利數量全球第一基礎模型研發仍面臨壓力三、"用"就對了:從實驗室到生產線,再到你的生活🏥 醫療領域:FDA批准AI醫療裝置:從2015年個位數→2023年223個🚗 交通領域:Waymo:每周15萬次無人駕駛服務百度Apollo Go:多城市營運💼 企業應用:使用AI企業佔比:78%(去年55%)AI正成為員工技能提升的重要工具四、人的迷思:樂觀、擔憂與責任的拉鋸戰🌏 全球情緒對比:樂觀派:中國、印尼(77%以上認為利大於弊)謹慎派:加拿大、美國、荷蘭(36%-40%)⚠️ 三大關注點:責任感滯後安全隱患增加治理需求迫切五、值得深度思考的點🔐 開源 vs 閉源性能差距幾乎消失創新機會與安全挑戰並存💡 小模型的逆襲GPT-3.5等級系統推理成本降低280倍輕量化趨勢明顯🔬 AI與科學深度學習獲諾貝爾物理學獎蛋白質摺疊獲化學獎強化學習獲圖靈獎📚 教育挑戰全球推進電腦科學教育教師AI培訓需求迫切寫在最後斯坦福這份報告,與其說是"指數",不如說是一面鏡子,照出了AI這頭"巨獸"狂奔的姿態,也照出了我們人類在興奮、焦慮、貪婪與責任之間的搖擺。 (大雷早上好)
2025年斯坦福AI Index新鮮出爐:中國與美國差距無限縮小
斯坦福HAI發佈了一年一度的AI Index,整個報告456頁,報告涵蓋了過去一年全球AI各種進展的詳細資訊,這裡給大家總結一下大家可能關心的資料和圖表:中國和美國模型的差距正在縮小:2023 年,領先的美國模型表現明顯優於中國模型,但這一趨勢已不復存在。2023 年底,MMLU、MMMU、MATH 和 HumanEval 等基準測試上的性能差距分別為 17.5、13.5、24.3 和 31.6 個百分點。到 2024 年底,這些差距已大幅縮小至僅 0.3、8.1、1.6 和 3.7 個百分點人工智慧模型性能在前沿收斂:根據去年的 AI 指數,Chatbot Arena 排行榜上排名第一和第十的模型之間的 Elo 分數差異為 11.9%。到 2025 年初,這一差距已縮小至僅 5.4%。同樣,排名前兩位的模型之間的差距也從 2023 年的 4.9% 縮小到 2024 年的僅 0.7%。AI 領域的競爭日益激烈,越來越多的開發人員提供高品質的模型產業界繼續對人工智慧進行大量投資,並在顯著的人工智慧模型開發方面處於領先地位,而學術界則在高引用率研究方面處於領先地位中國在人工智慧研究出版物總數方面領先,而美國在高影響力研究方面領先2024年,美國機構產生了40個值得關注的人工智慧模型,大大超過中國的15個和歐洲的3個的總和美國在全球人工智慧民間投資中領先優勢進一步擴大中國在工業機器人領域的主導地位儘管略有放緩,但仍保持著2022 年至 2023 年間,美國獲得人工智慧碩士學位的畢業生數量幾乎翻了一番 (AI寒武紀)