转：美元基金投资人的硅谷见闻美元基金投资人在硅谷见了20多位大厂和明星创业公司的

转：美元基金投资人的硅谷见闻美元基金投资人在硅谷见了20多位大厂和明星创业公司的员工，我有哪些Learnings？看完CES，我在硅谷逗留了一周，约见了20多名在谷歌，open ai，meta，特斯拉，physical intelligence ，skild ai等大厂和明星创业公司的员工，几点learnings总结如下，1. 谷歌gemini3大获成功最关键的因素是pre-training(涉及模型架构比如多宽多深和训练recipe等)，谷歌拥有最好的pre-training和AI infra，scaling law继续起作用。对gemini技术贡献角度看cto koray，创始人sergey，以及jeff dean留下的强大infra底蕴起的作用都比hasabbis大。hasabbis醉心ai4science。2. Open AI拥有最好的mid/post training团队和积累，reasoning RL mid training还有很多可以做。内部还有很多可以提升的方向，模型能力还有很多可以提升的空间并不迷茫。3. 顶尖大模型参数量已经突破5万亿，xAI据说在train 8万亿参数的模型。4. Meta的AI infra 远不如谷歌，挖过去的天才有时候也觉得巧妇难为无米之炊。新的大模型已经预训练完毕，还没到gemini3水平，但会强调个性化。1季度见分晓。5. 特斯拉机器人是公认领先梯队，并不认为需要VLA，VA加端到端神经网络就可以，机器人训练数据范式转为视频数据为主。6. 特斯拉robotaxi难在运营，无线充电，清洗，调度等。纯神经网络驱动下限不如waymo rule-based 兜底安全，但上限会更高。目标德州小量内测去掉安全员，加州带安全员先上量。7. 世界模型观点分歧，一半的人认为为时尚早，但大部分都认同是未来方向。一部分认为已经可以逐渐落地，甚至latent space simulate推理可以融入到端侧规控中。