Sequoia Capital

Kalshi推出的美国权力指数（KPOW）通过预测市场机制将政治权力变化转化为单一可追踪数值，融合当前执政状况与未来预期，提供比传统媒体和民调更客观的权力动态指标。

AlphaZero通过自我学习算法在数小时内超越需两年人类数据训练的AlphaGo，揭示了自主学习对AI突破的关键价值。

Mecka正在构建物理AI的数据和部署层，解决数据收集、硬件开发和全球运营等挑战。

TypeSafe的Jev模型通过实时决策改变软件自动化，24小时内成为Vercel最快采用的模型。

Databricks CEO用2天完成团队9个月的开发任务，AI技术使连接器开发周期从9个月压缩至7.5个月。

Peregrine公司通过整合现有数据而非收集新数据，颠覆传统数据驱动的商业模式。

中国开源模型正成为西方AI公司的重要依赖，但这也带来结构性风险。Qwen市场份额激增，蒸馏技术加剧中美模型差距。

Corma通过训练基础模型和强化学习应对AI攻击，填补防御性网络安全缺口，测试显示78%的防御失败率。

企业应构建自主AI能力以控制核心智能层，开源模型与后训练技术栈已具备商业可行性。

AI发展应聚焦算法和计算规模，而非依赖人类知识，这是Rich Sutton提出的'苦涩教训'核心观点。

Rich Sutton认为AGI不会是单一思维，而是多个系统协同学习，因‘大世界假设’指出单一系统无法掌握无限知识。

Preview平台通过AI原生工具解决视频创作行业痛点，已获超100家工作室采用。

小规模测试无法验证AI架构的真实潜力，强化学习等复杂任务需要基线级算力才能显现模型能力。

中国开源模型已占据西方AI公司训练栈核心位置，蒸馏技术加剧中美模型能力差距，西方需独立构建或接受滞后学习。

Bunkerhill Health的Carebricks平台通过AI代理整合医疗系统数据，使临床决策效率提升200%，并成功在UTMB Health部署20+智能代理。

Etched通过低电压推理和集群内存技术重构AI推理市场，其生产就绪的定制芯片将于2026年交付。

未来12-24个月90%的AI token将用于异步场景，推动自主代理技术发展，当前仍处于Copilot模式。

Cursor通过分析强化学习训练中权重变化的规律，将1TB模型的传输量压缩至1/20，实现跨地域快速同步，确保模型一致性。

顶尖创始人共性是极致专注：迅速庆祝胜利后立刻回到核心问题，少受外界干扰，像“静音世界”并独自构建路径；以 UFC 创始人 Dana White 为例，从自认失败者到在无资金、小观众中坚持推进，体现传教式创始人的长期主义与执行力。

Suno让90%用户从音乐消费者变为创作者，核心洞察是创作过程本身就是娱乐体验。CEO Mikey Schulman认为，创作带来的满足感是人类DNA中的需求，技术应让每个人都能体验这种快乐。

Andrej Karpathy proposes a paradigm shift: neural networks as the primary computational substrate, with CPUs relegated to co-processors — redefining hardware/software hierarchy in AI-native systems.

Andrej Karpathy提出Software 3.0范式：软件开发正从手写代码（S1.0）和机器学习建模（S2.0）转向以提示工程驱动智能体协作的新阶段，核心能力是设计提示、调试行为与编排AI工作流。

Catalyst通过AI代理将投资想法转化为交易，降低用户门槛，适合对冲基金和散户投资者。

Peregrine的冷案代理能在1小时内处理300GB数据，帮助警方快速分析案件并定位嫌疑人。

自动化实验室通过增强人类代理而非取代人类，实现研究效率的指数级提升。

Sequoia Capital投资Sable，其AI员工Aidan具备实时浏览器交互能力，已获150+公司等待名单。

Anthropic提出AI代理需分层架构：知识层、执行层和协调层，强调tokens非可替代性需差异化角色分配。

在线强化学习并非打造模型的基础，而是在模型已具备一定质量后，进一步提升用户体验的优化手段。

在大规模强化学习训练中，由于模型版本不一致和数值计算差异，导致推理阶段的对数概率值出现不匹配，进而引发训练偏差。该问题被称为‘数值不匹配’，是当前大模型训练中的隐性缺陷。

企业AI的难点在于管理和配置工具及技能，而非推理能力。