@shitunote @PandaTalk8 道理是一样的，每个国家都有可能滥用的点，只不过方向不同，中国可能是蒸馏、其它国家可能是利用这个AI搞网络攻击、研究生化武器等等，都危害美国的经济和安全，只不过方向各有不同。如果随便让他们用最高级的AI，就好像把一个超级生化专家直接送到敌国随便用，这显然不合常理。
中文
JasonL
22 posts
美国限制外国人访问最新 AI 模型，可能是在给自己挖坑。
GPU 禁令已经证明了一件事：
你越不卖给中国，
中国越会加速自研。
Nvidia GPU 出口限制，直接刺激了中国芯片和 AI 加速器的发展。
几年后，中国很可能不只是买家，而是全球 GPU / AI 加速器市场的重要玩家。
现在，同样的剧情，可能会在 AI 模型上重演。
原本很多国家愿意直接用美国模型。
但如果美国说：
“你不能用。”
“你只能受限制地用。”
“你不在白名单里，不能访问最新模型。”
那结果会是什么？
他们会自己做模型。
或者转向中国模型。
美国原本掌握的是全球 AI 模型市场的入口。
但一旦把“全球可用性”亲手削弱，市场就会开始寻找替代品。
AI 模型的竞争，不只是性能竞争。
还是可访问性竞争、生态竞争、全球分发竞争。
未来投资人也会重新计算：
一个只能在美国及少数盟友市场使用的模型，
和一个可以在全球市场流通的模型，
到底谁的商业价值更大？
美国想用限制保护领先优势。
但很可能，限制本身正在加速竞争对手的崛起。
中文
@Nohomework0 为什么要用毕业难不难来判断学校好不好？毕业主要还是看个人能力，假如哈佛毕业难度不高的话(这点是否成立还不一定)，有可能不是因为学校要求低，而是因为进哈佛的人本身就能力就强，而一个一般的学校如果毕业难，也有可能不是因为学校要求高，而只是因为学生能力不行而已
中文
JasonL đã retweet
@Xudong07452910 学术这东西，一直都是三十年河东三十年河西的，还是别太早下结论，现在可能是工业界势头正盛，但是大模型+agent也有卷到头的那一天、卷到毫无趣味的那一天，到时候没准来自学术界的什么东西就火起来了，如果眼光放长远看，其实学术界在思想上是一直领先于工业界的，比如attention早在2013年就提出来了
中文
@PandaTalk8 所有这些摸索出来的经验，最终都会被反过来写入AI智能体的内部逻辑本身，所以最终的结果还是人类不需要去人工执行这些技巧了，因为已经内嵌到Claude、Codex里面了，人类仍然是只需要一个prompt完事，agent在内部自动loop。总之还是那句话：AI时代，只要我不学，过几天我就不需要学了😂
中文
@Xudong07452910 那些会用agent的新一代导师，基本上也都不怎么招学生了，自己用AI做的比学生又好又快还更省心，以后可能就是双方互相都不太需要彼此了，想读博都不一定有机会，大家还是且行且珍惜吧…
中文
@Xudong07452910 这是非常好的互动，也恰恰表明学术界在影响工业界，同时，这种流动的方向也是三十年河东三十年河西的，2013年左右alexnet出来的时候，就发生过一次学术到工业的流动，Hinton 就是那次流动的代表，后来2019年左右AI遇到瓶颈，就有了工业到学术的回流，当时工业界也大砍ai lab，现在无非是又一个轮回罢了
中文
学术这东西，一直都是三十年河东三十年河西的，还是别太早下结论，现在可能是工业界势头正盛，但是大模型+agent也有卷到头的那一天、卷到毫无趣味的那一天，到时候没准来自学术界的什么东西就火起来了，如果眼光放长远看，其实学术界在思想上是一直领先于工业界的，比如attention早在2013年就提出来了
snowboat@snowboat84
学术界的AI研究已经越来越水了。第一，AI领域的学术界和工业界已经彻底脱钩，真正推动前沿的大突破几乎全在工业界，学术界被资源系统性地挤出了主战场，退守到靠廉价实验批量生产论文。第二，文章质量断崖下滑，随着AI辅助做实验、写文章，写论文越来越像运营营销号：三天一篇、一个月十篇，大水泛滥，文章质量堪忧。同时一些古老的手工作坊却依旧在坚持手搓水文，速度慢，完全竞争不过营销号团队。 但真正的问题不在"水"，在于一个根本的错位：计算机/AI的大部分成果本身就是直接运行的程序，是代码、是模型、是能跑的系统，本就能直接交付、直接运行、直接验证。它却偏偏在拼命模仿传统科学那种"只能用文字记录成果"的领域去灌论文。生物实验写论文是没办法，他们的发现没法打包成一个能跑的东西；计算机写论文本质上是装逼，明明能把菜端上桌，却非要写五千字描述这道菜的味道，再找人盲审你描述得准不准。荒谬就荒谬在这。 所以我的观点很直接：在AI研究领域，论文这个形式已经基本失去意义。以后真正该交付的是开源的、能跑的、能被任何人复现和直接使用的程序。论文最多是它附带的一张薄薄的说明书。AlphaFold早就证明了这条路。在它之前，分子结构解析让某些人灌了许多水文，但是自从有了AlphaFold，全世界用的是它的代码、权重和数据库，而它那篇Nature只不过是一个说明书而已。 AI的机器现在能无限生产论文这种"壳"，壳就必然贬值。未来计算机和AI研究的价值只会留在机器够不着的地方：真实世界里能跑起来、自我证明的程序，和人脑里真正想清楚的东西。AI科研的出路，就是把那个能跑的程序放回主角位置，把论文踩回它本该在的说明书地位。
中文
所有这些摸索出来的经验，最终都会被反过来写入AI智能体的内部逻辑本身，所以最终的结果还是人类不需要去人工执行这些技巧了，因为已经内嵌到Claude、Codex里面了，人类仍然是只需要一个prompt完事，agent在内部自动loop。总之还是那句话：AI时代，只要我不学，过几天我就不需要学了😂
Mr Panda@PandaTalk8
这几天流行一个新词， 叫 loop engineering . 就是设计一套循环工程， 让智能体自主循环完成提示工作， 你定义目标， 然后AI 持续循环迭代， 直到任务完成的一种工程方法。 我不想讨论 loop engineering 具体实现。 我只想说， 人类正在通过各种 prompt 和 最基础的程序逻辑， 来完模拟智能体的行为。 也许伟大的工程， 可能会从伟大的哲学家中诞生。
中文
@snowboat84 学术这东西，一直都是三十年河东三十年河西的，还是别太早下结论，现在可能是工业界势头正盛，但是大模型+agent也有卷到头的那一天、卷到毫无趣味的那一天，到时候没准来自学术界的什么东西就火起来了，如果眼光放长远看，其实学术界在思想上是一直领先于工业界的，比如attention早在2013年就提出来了
中文
学术界的AI研究已经越来越水了。第一，AI领域的学术界和工业界已经彻底脱钩，真正推动前沿的大突破几乎全在工业界，学术界被资源系统性地挤出了主战场，退守到靠廉价实验批量生产论文。第二，文章质量断崖下滑，随着AI辅助做实验、写文章，写论文越来越像运营营销号：三天一篇、一个月十篇，大水泛滥，文章质量堪忧。同时一些古老的手工作坊却依旧在坚持手搓水文，速度慢，完全竞争不过营销号团队。
但真正的问题不在"水"，在于一个根本的错位：计算机/AI的大部分成果本身就是直接运行的程序，是代码、是模型、是能跑的系统，本就能直接交付、直接运行、直接验证。它却偏偏在拼命模仿传统科学那种"只能用文字记录成果"的领域去灌论文。生物实验写论文是没办法，他们的发现没法打包成一个能跑的东西；计算机写论文本质上是装逼，明明能把菜端上桌，却非要写五千字描述这道菜的味道，再找人盲审你描述得准不准。荒谬就荒谬在这。
所以我的观点很直接：在AI研究领域，论文这个形式已经基本失去意义。以后真正该交付的是开源的、能跑的、能被任何人复现和直接使用的程序。论文最多是它附带的一张薄薄的说明书。AlphaFold早就证明了这条路。在它之前，分子结构解析让某些人灌了许多水文，但是自从有了AlphaFold，全世界用的是它的代码、权重和数据库，而它那篇Nature只不过是一个说明书而已。
AI的机器现在能无限生产论文这种"壳"，壳就必然贬值。未来计算机和AI研究的价值只会留在机器够不着的地方：真实世界里能跑起来、自我证明的程序，和人脑里真正想清楚的东西。AI科研的出路，就是把那个能跑的程序放回主角位置，把论文踩回它本该在的说明书地位。
中文
该博主给 2026 年博士生的建议(需要逐字学习）😂：
1. 如果你的导师还没有在现代 Agentic IDE（具备 AI Agent 能力的开发环境）里投入超过 100 个小时，那就别再把导师的话当成唯一标准了。
2. 下一篇论文直接写在你的代码仓库里，用 .tex 文件完成（并设置 80 字符自动换行）。让导师也进入 IDE，在同一个环境里阅读、批注和修改论文。
Jon Barron@jon_barron
My advice to PhD students in 2026: 1) If your advisor hasn't logged >100 hours in a modern agentic IDE, stop listening to your advisor. 2) Write your next paper *inside your codebase* as a .tex (with 80 char word-wrap). Force your advisor to read and make edits inside the IDE.
中文
@Nohomework0 感觉还是你有点脱离群众，现在高校里最担心的不是老师，而是学生… 因为新一代导师基本上都不怎么招学生了，自己用AI做的比学生又好又快还更省心，以后就是双方互相都不太需要彼此了，想读博都不一定有机会…
中文
原po太脱离群众了，指望高校里干的事情比工业界还要前沿，那是必不可能的，高校里的东西只会在被历史淘汰的垃圾堆里找得到。过时的显卡，陈旧的测样机器，还有捉襟见肘的科研经费。
评论区还有人说导师用word和overleaf就算过时，纸面批注了解一下。
Xudong Han@Xudong07452910
该博主给 2026 年博士生的建议(需要逐字学习）😂： 1. 如果你的导师还没有在现代 Agentic IDE（具备 AI Agent 能力的开发环境）里投入超过 100 个小时，那就别再把导师的话当成唯一标准了。 2. 下一篇论文直接写在你的代码仓库里，用 .tex 文件完成（并设置 80 字符自动换行）。让导师也进入 IDE，在同一个环境里阅读、批注和修改论文。
中文
@JimmyCh58084618 @mubeitech 你开始转移话题了，你讲的和我讲的完全不是同一件事情，为了争论而争论没什么意思，这两年被抓的台裔企业家也不少，自己去查查吧，看看Supermicro创始人是怎么被区别对待的
中文
@JasonL102 @mubeitech 你根本無視了這些年左派的白人黑化宣傳，從電影到雜誌出版品網路媒體，方方面面，華人可沒有遭受這種全面的負面形象打擊
頂多就是新冠和中共造成的負面印象
中文
世界上第一家破十亿美元的“单人公司”出现了。
Sam Altman 刚给《纽约时报》发了封邮件。
说他赢下了和硅谷高管们的赌局。
现在他点名要见见这个单枪匹马的猛人。
照片里这个男人叫 Matthew Gallagher。
今年 41 岁。
拿着两万美金，花了两个月。
在洛杉矶的客厅里拼凑出一家 GLP-1 减肥药医疗公司。
第一年狂揽 4.01 亿美元营收。
今年的流水直指 18 亿。
这要怎么玩？
全靠雇佣不知疲倦的 AI 劳工。
ChatGPT、Claude 和 Grok 联手敲代码。
Midjourney 搞定所有视觉出图。
Runway 直接生成视频广告。
ElevenLabs 接管所有客户的语音通话。
最后用定制的 AI 智能体把整条流水线焊死。
以前打天下需要层层叠叠的草台班子。
现在一个人加一堆 API 就能砸出十亿美元的盘子。
华尔街那套按人头算估值的旧历法彻底失效了。
中文
@JimmyCh58084618 @mubeitech 他还用AI生成的假照片来展示用药前和用药后的减肥效果对比，赤裸裸的虚假宣传，这罪状要是安在华人头上，别人就会说，你看，就知道华人都是骗子，但一个白人做，社会就会夸他勇于挑战最新技术，这就是系统性的基于stereotype 的隐形歧视
中文
@JimmyCh58084618 @mubeitech FDA早就给他发过警告信了，而加州有一家做类似平台的华人创业公司就被抓了，只因为你是华人，这个社会就给你施加更高的道德标准
中文