嘉宾：黄柯鑫 访谈：Penny、Cage 随着语言模型在强化学习和 agentic 领域的进步，agent 正在从通用领域快速渗透到垂直领域，科学和生物医药这类高价值领域尤其受到关注。如 果说 AlphaFold 在 foundation model 层面是生命科学的重要里程碑，AI scientist 就是在 agent 层面，能够给科研带来和 alphafold 同样重要的影响。 今年 5 月，前谷歌 CEO Eric Schmidt 投资的 AI lab FutureHouse 推出了四款 AI scientist agent，一个月后，他们又宣布自己的 AI 系统 Robin 成功发 现了新药。两天前，OpenAI 也发布博客强调 AI 在生物学领域的能力正在不断增强。AI scientist 已经在改写科研和药物开发范式。 随着 multi-agent 技术的发展，AI 可能不再只是"工具箱"，而是能自主完成跨学科复杂研究，从而推动科学发现走向全新模式。 最近，斯坦福大学也发布了一个生物医学通用 agent Biomni，Biomni 搭建了一个适合 agent 的环境，通过整合不同的工具、数据库、 ...

作者：Cage 上世纪 50 年代信息论和 DNA 双螺旋的发现，点亮了生命科学与数字互联网这两个最关键的科技树；今天 AI for Science 开始将这两股洪流汇聚并指数级 加速。 大模型对生物系统这样复杂、非线性的系统有着前所未有的理解和生成能力，有望成为加速科学发现的关键引擎。 • Biology Foundation Model： 深挖单点大模型极限，AlphaFold 3 级别的里程碑是个开始； • AI Scientist： 将多智能体编排成实验操作系统，让科研流程变成可复制的 AI Agent； • AI-Native Therapeutics： 基于全栈 AI 平台押注复杂疗法，争夺下一个百亿美元药物； • AI-empowered solution： 通过独特数据与算法解决行业痛点，带来立竿见影的效率红利。 目录 01 Background 02 研究框架 03 Tech × Specialist：Biology foundation model 的范式变化 04 Tech × Biologist：自动化科研（AI Scientist）重塑研发流程 05 Bio x Generalist ...

LLM 和 agent 最关键的能力之一就是基于 context 来准确完成用户的任务，而最真实、鲜活的 context 往往不在 Google doc 等文档中，而是存在人 与人的对话中，纪要就承载着这一类高价值信息。这也是我们关注这个市场的原因之一。 AI 的发展带动大量 AI 纪要工具兴起，OpenAI、豆包、Notion 也都推出了会议记录功能。我们研究了 AI 纪要这个领域后发现，人们最看重的是 纪要准确性和工具集成性，后者直接关系到用户粘性。而市场上的玩家虽多，但同质化较为严重，真正做到差异化、打动用户的产品屈指可数。 而 Granola 凭借新颖的 AI 交互方式和对 AI 产品的深入思考，不仅成为这个领域的后起之秀，更是改变了很多知识工作者的工作流，为这个领域 带来了新的想象空间。区别于 AI 直接生成纪要的方式，Granola 提供了 AI 补充人工笔记的功能，让人们有更强的掌控力，Granola 认为人的判断 是很有价值，不应该将这种判断外包给 AI，AI 应该增强人们的思考能力，而不是代替人们思考。 Granola 早期吸引了大量的风投从业者、公司高管，口碑扩散的同时也推动了早期融资的进 ...

以下文章来源于极客公园 ，作者Moonshot 极客公园 . 用极客视角，追踪你最不可错过的科技圈。欢迎同步关注极客公园视频号 内容整理：极客公园 本期内容是极客公园创始人张鹏和拾象 CEO 李广密、AI Research Lead 钟凯祺的对话。 • 做 Agent 不一定一开始就要做完全自动化的 Agent，可以先从 Copilot 做起，并在这个过程中收集用 户数据、做好用户体验、占领用户心智，然后慢慢地转型； • AGI 有可能最先在 Coding 实现，Coding 是衡量 AGI 最关键的先验指标，有可能拿走整个大模型产 业阶段性 90% 的价值； • AI Native 产品需要内建一套同时服务于 AI 和人类的双向机制； • 一个好的 Agent 需要有可验证的反馈机制，能构建数据飞轮，实现强化学习和持续迭代； • Agent 商业模式 正在从按 token 或调用次数计费，演进到按结果、工作流计费，未来甚至可以实现 直接雇佣 Agent； • 未来或许是人与 Agent、Agent 与 Agent 的异步协同，这背后需要全新的交互方式与基础设施的支 撑。 …… 2025 年是 Agent 按 ...

这一转型的 PMF 很快被验证，2025 年初 ARR 到达 7500 万美元。2025 年 2 月，在自身业务已达数 千万美元收入、现金流充裕的背景下，Mercor 仍然吸引了资本的追逐，以仅稀释 5% 的极低代价， 完成了由 Felicis Ventures、Benchmark、General Catalyst 等顶级机构加持的 1 亿美元 B 轮融资，估值 攀升至 20 亿美元。 作者：haina Mercor 所处的赛道是 AI 中一个关键且尚未被充分满足的供需交叉点：下一代 AI 模型对高质量、垂 直领域专家级 Human Data 的需求，以及相关人才稀缺所带来的供需不平衡。合成数据无法完全替代 Human Data，尤其是在特定领域知识和复杂判断方面。AI 模型的突破性进展高度依赖于垂直领域专 家的"人类智能输入"。 Mercor 最初的定位是 AI 招聘平台。在此基础上，它发现了一个机会：作为 BPO（业务流程外包） 服务商，为像 Scale AI 这样的大型数据标注公司提供"合同制人才（contract people）"。在这个过程 中，Mercor 发现其高效匹配与供给专家的能力，在 Hu ...

嘉宾：辛华剑 访谈：penny Era of Experience 这篇文章中提到：如果要实现 AGI， 构建能完成复杂任务的通用 agent，必须借助"经验"这一媒介，这里的"经验"就是指强化学 习过程中模型和 agent 积累的、人类数据集中不存在的高质量数据。 强化学习是 AGI 的关键解法。从 OpenAI o1 到 DeepSeek R1，我们不断在看到强化学习的潜力：DeepMind AlphaProof 被认为是"经验时代"初露端 倪的一个例子，作为第一个在 IMO 获奖的 AI，AlphaProof 借助 RL 算法自行"做题"，积累经验，AlphaProof 的案例表明，在像数学这样人类高水 平知识接近极限的领域，RL 通过互动试错可以突破瓶颈，取得超人类的成果。 以 AlphaProof 为开端，整个数学证明领域也在最近半年迎来了 AI 突破的密集期：除了 AlphaProof ，OpenAI 的 o1 模型在数学推理上展现出了惊 人表现，DeepSeek-Prover 三部曲也在形式化数学证明上不断创造新纪录。 为了理解数学和 AGI 的关系，海外独角兽访谈了 DeepSeek-Prov ...

作者：haina，zirong 从 Airbnb 到 Figma，从 Ethereum 到 Scale AI，Thiel Fellowship 一直是"小天才"创业者的"秘密起 点"之一。Thiel Fellowship 由 PayPal 创始人 Peter Thiel 2011 年创办，每年为每一位入选者提供 10 万 美金奖金和"辍学自由"。 在 AI 成为主叙事后，Thiel Fellowship 开始将重心放在 AI 带来的范式变革上。从 Cognition AI （Devin 背后的公司）的创始人 Walden Yan 和 ScottWu，Scale AI co-founder LucyGuo、再到 Mercor 的创始人 Adarsh Hiremath、Brendan Foody 和Surya Midha 等，越来越多来自 Thiel 网络的年轻创始 人，成为 AI 时代的结构性变量。 2025 年的 Thiel Fellow，延续了这种趋势。这届入选者呈现出几大显著特征： • 地域上，从传统的湾区、东北部高校，扩展到更广泛的全球化视野，包括德国、以色列、拉美等新 兴技术生态； • 项目方向上，A ...

本期内容是拾象 CEO 李广密对大模型公司阶跃星辰首席科学家张祥雨的访谈， 首发于「张小珺商业 访谈录」。 张祥雨专注于多模态领域，他提出了 DreamLLM 多模态大模型框架，这是业内最早的图文生成理解 一体化的多模态大模型架构之一，基于这个框架，阶跃星辰发布了中国首个千亿参数原生多模态大 模型 Step-1V。此外，他的学术影响力相当突出，论文总引用量已经超过了 37 万次。 一直以来，业界都相当期待一个理解、生成一体化的多模态，但直到今天这个模型还没出现，如何 才能达到多模态领域的 GPT-4 时刻？这一期对谈中，祥雨结合自己在多模态领域的研究和实践历 程，从纯粹的技术视角下分享了自己对多模态领域关键问题的全新思考，在他看来，虽然语言模型 领域的进步极快，但多模态生成和理解的难度被低估了： • 接下来 2-3 年，多模态领域会有两个 GPT-4 时刻：多模态推理和自主学习； • 多模态生成理解一体化难以实现的原因在于，语言对视觉的控制能力弱，图文对齐不精确，数据质 量有限，生成模块往往无法反向影响理解模块等； • 模型 scale 到万亿参数后，在文本生成和知识问答能力增强的同时，推理能力，尤其是数学， ...

本期内容是拾象 CEO 李广密对大模型公司阶跃星辰首席科学家张祥雨的访谈。 张祥雨专注于多模态领域，他提出了 DreamLLM 多模态大模型框架，这是业内最早的图文生成理解 一体化的多模态大模型架构之一，基于这个框架，阶跃星辰发布了中国首个千亿参数原生多模态大 模型 Step-1V。此外，他的学术影响力相当突出，论文总引用量已经超过了 37 万次。 一直以来，业界都相当期待一个理解、生成一体化的多模态，但直到今天这个模型还没出现，如何 才能达到多模态领域的 GPT-4 时刻？这一期对谈中，祥雨结合自己在多模态领域的研究和实践历 程，从纯粹的技术视角下分享了自己对多模态领域关键问题的全新思考，在他看来，虽然语言模型 领域的进步极快，但多模态生成和理解的难度被低估了： • 接下来 2-3 年，多模态领域会有两个 GPT-4 时刻：多模态推理和自主学习； • o1 范式的技术本质在于激发出 Meta CoT 思维链：允许模型在关键节点反悔、重试、选择不同分 支，使推理过程从单线变为图状结构。 目录 01 研究主线： 重新回归大模型 • 多模态生成理解一体化难以实现的原因在于，语言对视觉的控制能力弱，图文对齐不精确， ...

Agent 能力边界正在快速演进，未来随着更强的规划和推理能力的不断提升，Agent 们将参与到社会 经济运作中。在这一趋势下，将可能诞生类似 Visa 或 Stripe 级别的商业基础设施的机会。 现在是下一代 Agent 商业模式还未成型的前夜。Sequoia 投资的 Paid AI，正是这一方向的代表企业， 它以 Agent 的实际产出为基础计价，重构 Agent 的收益模型与交易结算网络，为 Agent 经济体打下底 层商业引擎。Paid CEO Manny Media 是一位连续创业者，他曾创办销售自动化平台 Outreach ，该公 司是 B2B 销售科技领域的独角兽企业之一，估值达 44 亿美元。 本文编译了 Sequoia 对 Manny 的访谈。Manny 在分享中解释了为什么传统的 SaaS 定价模型不适用于 AI 企业，并剖析了正在兴起的几种新型定价方式，比如基于结果的定价和基于 Agent 的定价。同 时，他认为 "专注于解决特定问题的 AI Agent 正在创造巨大价值" ，并分享了在 AI Agent 时代，如 何打造一个成功的商业模式。 编译：Irene 编辑：Cage 海外独角 ...