卫诗婕|商业漫谈Jane's talk播客2:34:15

94.中国 AI 从追赶到原创,真正的难题是什么?|与商汤林达华的 3 小时访谈

8.5内容质量
94.中国 AI 从追赶到原创,真正的难题是什么?|与商汤林达华的 3 小时访谈

播客收听

时长 2:34:15原播客页面

问这期播客

会先在本集摘要、章节、转录和笔记里找答案。

TL;DR · AI 摘要

中国AI发展面临空间智能瓶颈、数据质量与原创能力三大核心挑战,需从技术范式到人才培养系统性突破。

核心要点

  • 空间智能存在反Scaling Law现象:数据量增加反而导致性能下降
  • 行业已从拼参数转向重视数据质量与任务适配性
  • 大模型时代需培养「非主流探索」人才,而非仅训练模型操作者

结构提纲

按章节快速跳转。

  1. 商汤联合创始人林达华分享中国AI发展从追赶走向原创的历程与挑战。

  2. 深度学习爆发前夜,学术界已开始反思单纯追求数学美感的局限性。

  3. 当前空间智能领域出现反Scaling Law现象,数据量增加反而导致模型表现下降。

  4. AI 1.0时代虽产生四万个模型,但未能实现行业赋能,需重视数据质量而非参数规模。

  5. 大模型时代需要既懂技术又具商业洞察力的复合型人才,而非单一模型训练者。

  6. 中国AI需建立连接协作的创新生态,在开源与原创间寻找平衡。

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)
  • 中国AI发展挑战
    • 技术瓶颈
      • 空间智能反Scaling Law
      • 物理智能范式缺失
    • 行业困境
      • 数据质量优先于参数规模
      • AI 1.0未能实现行业赋能
    • 人才需求
      • 复合型人才缺口
      • 非主流探索支持机制

金句 / Highlights

值得收藏与分享的关键句。

  • 空间智能领域出现反Scaling Law现象:数据更多时模型表现反而更差

    — Part 2. 语言之外,智能还缺少什么?

    ⬇︎ 下载 PNG𝕏 分享到 X
  • 行业已从拼参数转向重视数据质量与任务适配性,这是当前最显著的理性回归信号

    — Part 3. 从AI 1.0到大模型

    ⬇︎ 下载 PNG𝕏 分享到 X
  • 大模型时代的人才培养应关注非主流探索,为不追求短期指标的创新保留资源

    — Part 5. 从开源走向原创

    ⬇︎ 下载 PNG𝕏 分享到 X

章节

  1. 深度学习爆发前夜:获奖顶会,与一次技术范式转向 29:02 数学上更漂亮,就一定更有生命力吗? 32:46 空间智能中的「反 Scaling Law」:数据更多

    深度学习爆发前夜:获奖顶会,与一次技术范式转向 29:02 数学上更漂亮,就一定更有生命力吗? 32:46 空间智能中的「反 Scaling Law」:数据更多,表现却更差 36:17 语言是智能密度很高的载体,但单靠语言并不完整 40:30 如何理解智能:感知、记忆、推理,以及与世界交互的能力 41:35 数学与 Coding 突飞猛进,空间和物理智能为什么仍处在早期?

  2. 回看 AI 1.0:一年产生四万个模型,却为什么没能「赋能百业」? 56:20 难以成立的假设 58:41 行业回归理性的信号:从拼参数,到重视数据质量 01:

    回看 AI 1.0:一年产生四万个模型,却为什么没能「赋能百业」? 56:20 难以成立的假设 58:41 行业回归理性的信号:从拼参数,到重视数据质量 01:05:39 商汤经历过的最危险时刻 01:07:08 「生命自寻出路(Life finds a way)」:什么是真正的生命力?

  3. 「黑羊」精神背后的同理心 01:12:07 商汤的路是走出来,不是想出来 01:22:24 「1+X」:让团队脱离母体,让业务走向市场 01:26:15 科学家

    「黑羊」精神背后的同理心 01:12:07 商汤的路是走出来,不是想出来 01:22:24 「1+X」:让团队脱离母体,让业务走向市场 01:26:15 科学家创业的几道坎:技术有用、产品赚钱,以及持续赚钱 01:30:35 在大厂的缝隙间生长

  4. 大模型时代的人才培养:不是每个人都必须去按「训练模型」的按钮 01:43:00 中国为什么走向开源:个人回报与公共价值,形成正向循环 01:45:53 成本、通

    大模型时代的人才培养:不是每个人都必须去按「训练模型」的按钮 01:43:00 中国为什么走向开源:个人回报与公共价值,形成正向循环 01:45:53 成本、通用性与专业性的权衡,为什么会为小模型留下空间? 01:56:03 中国 AI 如何长出自己的原创:拜托「拼手速」,为非主流探索保留资源 01:59:22 理解模型蒸馏 02:05:05 新的问题:下一阶段的瓶颈,是真实任务与学习环境

  5. 汤晓鸥离开之后:迷茫中,重新寻找继续前行的基石 02:10:38 记忆里的汤老师 02:13:17 所有身份里,最看重的是「老师」 02:20:13 什么是智能

    汤晓鸥离开之后:迷茫中,重新寻找继续前行的基石 02:10:38 记忆里的汤老师 02:13:17 所有身份里,最看重的是「老师」 02:20:13 什么是智能接下来的重要问题? 02:27:01 AI 梦之队 & 好的研究文化 02:33:05 改变历史的成果,最终来自连接与协作

转录

深度学习爆发前夜获奖顶会,与一次技术范式转向 29:02 数学上更漂亮,就一定更有生命力吗? 32:46 空间智能中的「反 Scaling Law」:数据更多,表现却更差 36:17 语言是智能密度很高的载体,但单靠语言并不完整 40:30 如何理解智能:感知、记忆、推理,以及与世界交互的能力 41:35 数学与 Coding 突飞猛进,空间和物理智能为什么仍处在早期?

回看 AI 1.0一年产生四万个模型,却为什么没能「赋能百业」? 56:20 难以成立的假设 58:41 行业回归理性的信号:从拼参数,到重视数据质量 01:05:39 商汤经历过的最危险时刻 01:07:08 「生命自寻出路(Life finds a way)」:什么是真正的生命力?

「黑羊」精神背后的同理心 0112:07 商汤的路是走出来,不是想出来 01:22:24 「1+X」:让团队脱离母体,让业务走向市场 01:26:15 科学家创业的几道坎:技术有用、产品赚钱,以及持续赚钱 01:30:35 在大厂的缝隙间生长

大模型时代的人才培养不是每个人都必须去按「训练模型」的按钮 01:43:00 中国为什么走向开源:个人回报与公共价值,形成正向循环 01:45:53 成本、通用性与专业性的权衡,为什么会为小模型留下空间? 01:56:03 中国 AI 如何长出自己的原创:拜托「拼手速」,为非主流探索保留资源 01:59:22 理解模型蒸馏 02:05:05 新的问题:下一阶段的瓶颈,是真实任务与学习环境

汤晓鸥离开之后迷茫中,重新寻找继续前行的基石 02:10:38 记忆里的汤老师 02:13:17 所有身份里,最看重的是「老师」 02:20:13 什么是智能接下来的重要问题? 02:27:01 AI 梦之队 & 好的研究文化 02:33:05 改变历史的成果,最终来自连接与协作

#AI#大模型#商汤#技术挑战#人才培养

节目笔记

94.中国 AI 从追赶到原创,真正的难题是什么?|与商汤林达华的 3 小时访谈 - 卫诗婕|漫谈Light the Star | 小宇宙 - 听播客,上小宇宙

这期节目的嘉宾是 商汤联合创始人兼首席科学家林达华先生 。

他的名字曾经被很多中国 AI 学者们提及, 他和他的导师汤晓鸥共同支持培育了几代中国 AI 人 ,并目睹他们走上今天的大模型征程。

但 AI 之路还很长,中国几代 AI 学者和从业者。在经历两轮浪潮之后,走到了哪?未来的可能性和希望在哪里?

这是一个关于播种的故事,就像林老师引用了汤晓鸥教授生前常说的一句话,「 Life finds a way 」。

生命自寻出路。

本期嘉宾:林达华(商汤联合创始人 & 首席科学家)

本期 Shownotes:

Part 1. 黑羊文化,与中国 AI 的播种 02:05 汤晓鸥,黑羊与 MMLab :Be different & Less aggressive 07:08 一年 2000+ 篇论文:建立直觉、框架与闭环 10:37 「比拿到 Best Paper 更重要的,是一项工作留下了什么」 11:30 AI 学术生态,变了 21:42 商汤的起点:向世界证明中国人有科技原创能力

Part 2. 语言之外,智能还缺少什么?

25:22 深度学习爆发前夜:获奖顶会,与一次技术范式转向 29:02 数学上更漂亮,就一定更有生命力吗? 32:46 空间智能中的「反 Scaling Law」:数据更多,表现却更差 36:17 语言是智能密度很高的载体,但单靠语言并不完整 40:30 如何理解智能:感知、记忆、推理,以及与世界交互的能力 41:35 数学与 Coding 突飞猛进,空间和物理智能为什么仍处在早期?

Part 3. 从 AI 1.0 到大模型:两轮 AI 浪潮之后,难题变了吗?

48:35 回看 AI 1.0:一年产生四万个模型,却为什么没能「赋能百业」? 56:20 难以成立的假设 58:41 行业回归理性的信号:从拼参数,到重视数据质量 01:05:39 商汤经历过的最危险时刻 01:07:08 「生命自寻出路(Life finds a way)」:什么是真正的生命力?

Part 4. 从技术到产品,从竞争到共生

01:11:00 「黑羊」精神背后的同理心 01:12:07 商汤的路是走出来,不是想出来 01:22:24 「1+X」:让团队脱离母体,让业务走向市场 01:26:15 科学家创业的几道坎:技术有用、产品赚钱,以及持续赚钱 01:30:35 在大厂的缝隙间生长

Part 5. 从开源走向原创,中国 AI 还需要什么?

01:34:35 大模型时代的人才培养:不是每个人都必须去按「训练模型」的按钮 01:43:00 中国为什么走向开源:个人回报与公共价值,形成正向循环 01:45:53 成本、通用性与专业性的权衡,为什么会为小模型留下空间? 01:56:03 中国 AI 如何长出自己的原创:拜托「拼手速」,为非主流探索保留资源 01:59:22 理解模型蒸馏 02:05:05 新的问题:下一阶段的瓶颈,是真实任务与学习环境

Part 6. 回到老师,回到人

02:08:31 汤晓鸥离开之后:迷茫中,重新寻找继续前行的基石 02:10:38 记忆里的汤老师 02:13:17 所有身份里,最看重的是「老师」 02:20:13 什么是智能接下来的重要问题? 02:27:01 AI 梦之队 & 好的研究文化 02:33:05 改变历史的成果,最终来自连接与协作

加入听友群⬇️