149. 亲历中美 neo labs 资本狂潮,和清华刘子鸣聊:AI for AI、机制可解释性和 Max Tegmark
张小珺Jùn|商业访谈录
Jul 30
149. 亲历中美 neo labs 资本狂潮,和清华刘子鸣聊:AI for AI、机制可解释性和 Max Tegmark
149. 亲历中美 neo labs 资本狂潮,和清华刘子鸣聊:AI for AI、机制可解释性和 Max Tegmark

张小珺Jùn|商业访谈录
Jul 30
本期播客访谈清华大学助理教授刘子鸣,他刚从 MIT 回国,参与创建元环智能。节目聚焦 2026 年中美涌现的 neo labs 现象,探讨资本狂热背后的成因,以及他个人在 AI for AI 领域的非典型研究路径。
刘子鸣认为,neo labs 大量涌现的本质是顶尖人才在范式收敛期不愿在大厂做 “大头兵”,而希望探索下一个范式。当前资本最活跃的方向是世界模型和 AutoResearch,他形容融资过程 “太疯狂了”。他的 AI for AI 路线强调通过预测训练曲线(meta model)来加速研究,而非依赖 coding agent 的勤奋路线。他提出 OPHIS 方法论,试图将科研过程结构化,实现研究的自动化。他还讨论了 AI 的物理学,主张通过空间、时间和平行宇宙三个维度理解 AI 黑盒,并认为短期需要符号主义辅助,长期则可能不需要。他预测,随着训练成本降低,模型生态将走向平权,人人都能训练自己的模型。
00:03
00:03
融资过程太疯狂了
02:03
02:03
物理的黄金时代已过,AI 对年轻人机会更多
08:24
08:24
Max 是典型的 “鸟人” 型研究者
12:07
12:07
模型虽不完美但有用。
16:21
16:21
KAN 网络是 AI 设计科学化的起点
18:21
18:21
语言是演化馈赠,模型利用语言即可成功
20:22
20:22
模型设计比模型本身更重要
27:23
27:23
过度聚焦于 Transformer,可能忽视整片星空。
35:38
35:38
技术 DNA 须源自自身
41:08
41:08
创造研究的语言,实现自动化与规模化。
42:41
42:41
需要新颖架构和大量研究,而非单纯堆资源
46:28
46:28
清北本科生水平高于 MIT
50:51
50:51
通过预测未来掌握世界模型
59:06
59:06
当前 AutoResearch 发展受限主要源于数据缺失而非架构问题
1:06:08
1:06:08
每个 trick 都有其适用条件,而非普遍有效
1:11:10
1:11:10
AI 自进化短期需符号主义约束,长期或不需要
1:16:48
1:16:48
AI for AI 是通往 AGI 的必要但不充分条件
1:20:21
1:20:21
用户只需描述需求,系统即可自动完成模型训练与部署
1:21:58
1:21:58
人人可训模型,孵化垂直领域 OpenAI
1:28:19
1:28:19
研究品位和直觉是遮羞布
1:38:23
1:38:23
社会由故事驱动,叙事与技术同样重要
