CoreWeave

What We Already Know, Waiting to Be Connected

8.5内容质量
What We Already Know, Waiting to Be Connected

TL;DR · AI 摘要

AI通过连接人类已有知识,加速跨学科创新和突破。文章强调AI将重塑科研范式,使非专业人士也能实现技术突破。

核心要点

  • AI可跨学科连接隐藏的知识关联,如生物发现解决工程问题
  • 非专业人士(如高中生、护士)已通过AI实现技术突破
  • AI将推动医学、气候等领域突破,同时改变创新工作方式

结构提纲

按章节快速跳转。

  1. 指出人类历史上因知识断层导致的创新停滞问题

  2. ·AI的连接能力

    AI能跨越学科和语言障碍建立知识关联

  3. AI使非专业人士获得突破性创新的可能

  4. 展示高中生、护士等通过AI实现的技术突破

  5. AI将重塑科研流程和工作方式

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • AI驱动的知识连接革命
    • 核心能力
      • 跨学科关联
      • 语言突破
    • 应用场景
      • 医学突破
      • 气候研究
      • 个人创新
    • 影响维度
      • 科研范式改变
      • 工作方式革新

金句 / Highlights

值得收藏与分享的关键句。

#AI#跨学科创新#技术范式#知识连接
打开原文

我们已知的,等待连接的

发布于

2026年9月30日

4

分钟阅读

人工智能能够连接任何个人都无法实现的关联,而其背后的技术栈决定了谁将拥有构建的能力

作者

Brian Venturo

已复制

世界从未缺乏过创意。然而,人类探索的脚步究竟因多少潜在的突破性连接而放缓?这些连接本可以解锁重大发现,却因历史的浩瀚而被埋没,无人能及。

人工智能正在颠覆这一范式。随着这一进程的推进,我们将见证人类发现和创新的爆发式增长。人工智能已存在于现实世界并证明着自身价值。这不是一个等待未来的承诺。

知识是累积的。它是人们在世代更替中通过实验和观察不断构建的成果。生物学中的一个过往发现可能为工程难题提供答案,几十年前的数学洞见或许能开启医学领域的突破。这些联系之所以难以被发现,是因为理解其中一方面的人可能从未接触过另一方面。

进步始终始于相同的直觉。一个疑问、一个灵感、一种可能性的感知。科学家在实验中注意到异常现象,工程师思考自然法则是否能解决设计难题,产品构建者发现技术缺口后立即开始构建。这种灵感从未匮乏。

人工智能将帮助先驱者更便捷地追寻这种直觉,跨越人类知识的广阔领域连接碎片化信息。想象一下,能够跨学科推理并发现个体难以察觉的关联。这些想法仍需要实验和证据,但真正的机遇在于:明天的突破可能早已以碎片形式存在于人类已知的知识中。通过这种方式,能够整合现有知识的智能将突破其边界,提出前所未有的假设,开拓尚未命名的领域。

在最基本的层面上,它将赋予更多人以前所未有的方式实现自身创意的手段。因此,将人工智能仅仅视为现有流程的加速器,就错过了核心要义。它实际上邀请人们重新想象全新的可能性——全新的创造方式和工作方式。

正在发生的变革

当人工智能学会跨越人类所有知识进行推理时,它便能开始连接任何个人都无法实现的关联。回报本身即是发现。

医学、气候以及我们尚未学会连接的领域将迎来重大突破。但这并非唯一发生变革的层面。许多明天的突破被语言和学科的壁垒所掩盖,等待被拼接整合。是的,它将引领我们找到顽固疾病的治愈方法,但我们也将在日常生活中看到它的影响。

一名高中生在尚未修读计算机课程前就提交了代码。一名护士通过自动化文书工作彻底改变了值班方式。一名退休者终于实现了十年来在餐巾纸上勾勒的创意。

可能性的视野正在不断拓宽。

下一步的突破可能来自企业内部推动变革的变革者,也可能来自实验室发明模型的人。在 CoreWeave,我们内部就看到了这种现象。我们的技术团队正在使用这些工具不断打破一个又一个基准测试。但非技术团队同样展现出这种变革力量。例如法律和市场部门的同事,他们正在构建全新的工作方式,重新定义自己的角色,因为这些工具终于让他们能够实现这一点。

发现仍然需要稳健的判断、确凿的证据以及愿意承认错误的勇气,就像需要那些真正关心问题并持续投入解决问题的人一样。

实际所需

为互联网时代构建的云系统原本设计用于更可预测的工作负载。但人工智能的工作方式完全不同。智能在持续进化,发布一个模型或工具只是过程的开始,而非终点,真正的学习和后续价值才刚刚开始。在人工智能创新中,以光速进行学习和迭代已成为基本要求,如果不持续适应,就无法参与这场竞争。每一次任务完成、每一次交互、每一次犯错并纠正,都会揭示出关于如何改进的重要信息。

团队需要观察其表现、测试变更、追踪失败,并将学到的内容反馈到开发中。目前,这些工作大多通过来自不同供应商的工具完成,而这些工具从未被设计为一个统一的系统。

但现在,我们有机会围绕人工智能实际运作方式构建系统。今天在 Fully Connected,我们发布了五项公告,涵盖开发层、NVIDIA CPU 和 GPU、合作伙伴生态系统以及已投入生产的客户,以展示我们如何提供一个集成的平台。

当零散的知识碎片相互找到时,进步就会发生;而当它们无法连接时,进展就会放缓。这一原则正是我们多年来在 CoreWeave 构建平台的核心,这是一个覆盖该循环几乎所有阶段的完整环境。在需要加速的环节,我们增加了 Weights & Biases、OpenPipe 和 marimo 等功能。

目标不是简单地收集更多产品,而是创建一个单一的连接平台,使每个工作阶段都能让下一阶段变得更好。

这些是复杂的底层技术要素,但核心理念很简单。重点从来不是基础设施本身,而是基础设施所实现的可能:一种不再依赖单一思维的发现方式,随着每个开拓者在其基础上构建,探索的边界将不断延伸。这个系统的构建方式将决定谁能够参与、他们可以探索什么、以及一个想法如何成为现实。这是基础性工作,它将定义未来十年人类发现的面貌。

我很自豪能深入参与这项工作,并与众多充满热情的人一起,共同期待明天将带来的变革。

人工智能能够连接跨学科的发现,这些发现是任何个人都无法单独探索的,从而将现有知识转化为新的发现。

分享这篇文章: /share