7月11日，搜狐创始人、董事局主席兼首席执行官、物理学博士张朝阳和2004年诺贝尔物理学奖获得 者、2025年基础科学终身成就奖得主、美国国家科学院院士、中国科学院外籍院士戴维·格罗斯（David Gross）展开了一场知识对谈，共同探讨物质世界最基础的构成和物理理论的前沿进展。 据悉，张朝阳与格罗斯教授从自然界四种基本力的差异切入，其间讨论了强相互作用的"渐近自由"特性 ——这一突破性发现正是格罗斯教授获得诺贝尔物理学奖的关键。随着对话向理论前沿延伸，二人又从 量子引力谈到弦理论，探究时空的本质，同时也直面了暗物质探测领域的当代难题。 从量子场论的"反叛者"到渐近自由的"奠基人" 作为诺奖级成果，渐近自由的发现历程是张朝阳本次对话最关心的话题之一。格罗斯教授回忆20世纪60 年代末的"泥沼"：加速器每周都能发现新粒子，但没人理解它们的本质。直至1968年，斯坦福直线加速 器中心（SLAC）意外证实质子内部存在自由运动的点状粒子——"夸克"，一举逆转局面。但这又引出 了更多的矛盾，如果夸克能够自由运动，它们为何从未单独现身？ 在张朝阳的追问下，格罗斯教授承认，他在29岁为此开启了一场豪赌。在长达五年的工作中， ...

「 如何制造和利用涌现是这个时代的主脉络。 」 文 ｜ 于丽丽 一个酷热的星期天下午，在北京海淀五道口的启迪大厦，我第一次见到问小白的创始人李岩。 言辞间，他有种过度的客气。"我是一个沉浸在技术和产品的i人，所以对外打交道并不娴熟。"他如此归因。 他说，他更希望产品可以说话，而自己可以躲在幕后。但显然，这个时间点还没有到来。作为创业者，他需要资源，就要学会 说服别人。 李岩，85后，先后就读于华科大软件学院和中科院计算技术研究所。毕业后，他先是加入腾讯，后于2015年加入尚在民宅中 办公、规模仅在30人左右的快手。 他是快手AI体系的核心构建者。在当时快手CEO宿华支持下，他组建了快手的第一个深度学习部门，后来这个部门演变成快手 的MMU部（多媒体内容理解），并负责文字、语音、图像等多种模态的模型研发。 2023年，李岩加入AGI创业的洪流。在当时的诸多创业者中，有投资人认为李岩创立的元石科技是唯一有能力整合「搜索、推 荐、多模态」三大核心技术栈的团队。 两年间，元石先后拿到快手联合创始人宿华、红点创投以及经纬创投的数千万美金的种子轮融资，以及渶策资本领投的第二轮 融资，共计约5000万美金。 值得一提的是， ...

当AI公务员开始审批文件，人形机器人参与团队协作，领导者面临的挑战早已超越"管人"的范畴。 数智化浪潮下，"领导力"的定义正被重新书写——究竟是"带领人类"，还是"驾驭人机混合体"？ 吕峰教授指出，真正的危机并非技术颠覆，而是领导者对"易变性"（Volatility）的误判：环境不再只是不确定，而是连变化规则本身都在加速迭代。 今天这篇文章，让我们聚焦有效领导，聊聊数智化时代下领导力的构建路径。 2025年，伴随DeepSeek的快速发展，其对整个系统产生巨大影响。 比如，人们是否需要学习，以及学习的知识从何而来等问题需要从底层思考。这对有效领导而言是巨大的挑战。 所以我们每个人身上都有管理的一面，即要按章办事，但同时又有领导的一面，即灵活应对。 既然有规则，就会有例外。面对例外我们该怎么办？我们要拥抱这种例外。 2.VUCA时代的致命陷阱：易变性＞不确定性 一、领导力的本质重构：从管理规则到拥抱例外 1.领导者VS管理者：硬币的两面 我们常常会混淆领导者和管理者的概念。所以，我用了"经营者"这个概念，因为 "经营者"能更全面地描述一个人在组织中的状态。 这个经营者大概包含两层含义：一层说的是扮演管理角色，另 ...

BIOCLIP 2团队 投稿 量子位 | 公众号 QbitAI 让AI看懂 95万物种 ，并自己悟出生态关系与个体差异! 而更令人惊喜的是，即使 在训练过程中没有相应监督信号 ，BioCLIP 2还在栖息地识别、植物疾病识别等5个非物种任务中给出了远超 DINOv2的准确率。 BioCLIP 2在大规模训练中获取了物种之外的涌现的生物学理解： 以下是论文详情： 把"生命之树"搬进显存 大语言/视觉模型的"涌现"告诉我们： 规模+结构化监督=意料之外的能力 。 然而，生物多样性研究领域一直没有见到一个具有涌现属性的视觉语义基座。BIOCLIP把CLIP的多模态对齐搬到物种上，利用〔界-门-纲-目- 科-属-种〕+学名+常用名的多粒度文本提供层级监督。在此基础之上，研究团队提出一个问题： 如果把层级对比学习从1千万张图像直接推到2亿，会不会学出 超越"物种标签" 的生物学知识？ BIOCLIP 2正是这一实验的答案。 为了实现这一目标，研究团队从GBIF、EOL、BIOSCAN-5M、FathomNet等 4 大平台收集了2.14亿生物图像，提出了TreeOfLife-200M数 据集。该数据集包含95.2万个不 ...

曹建峰 腾讯研究院高级研究员 杨浩然 腾讯研究院实习生 大模型时代，AI模型的能力持续提升，在编程、科学推理和复杂问题解决等多个领域，已经展现出"博 士级"专业能力。AI业界专家纷纷预测，大模型的发展正日益接近实现AGI甚至超级智能的关键拐点。然 而，深度学习模型通常被视作"黑箱"，其内在运行机制无法被其开发者理解，大模型更是如此，这给人 工智能的可解释性提出了新的挑战。 面对这一挑战，行业正在积极探索提升大模型可解释性的技术路径，力图揭示模型输出背后的推理依据 和关键特征，从而为AI系统的安全、可靠和可控提供坚实支撑。然而，大模型的发展速度却远远领先于 人们在可解释性方面的努力，而且这一发展速度仍在迅猛提升。因此，人们必须加快脚步，确保AI可解 释性研究能够及时跟上AI发展步伐，以发挥实质性作用。 一、为什么我们必须"看懂"AI：可解释性的关键价值 随着大模型技术的快速发展，其在语言理解、推理和多模态任务等领域展现出前所未有的能力，但模型 内部决策机制高度复杂、难以解释，已成为学界和产业界共同关注的难题。大模型的可解释性 （interpr etability/ex plainability） 是指系统能够以 ...

忠实度作为一项要求。对于高风险人工智能，我们可以考虑在认证过程中 强制要求一定程度的推理透 明度 。例如，监管机构（例如医疗人工智能的 FDA 或航空人工智能的 FAA）可以要求人工智能系统在 测试条件下证明，它能够为 X% 的案例生成正确且忠实的思路链。或者，它通过了可解释性检查，没 有明显隐藏的恶意策略。《 欧盟人工智能法案》 和其他新兴法规强调，高风险系统的透明度和可解释 性是一项法律要求。这并不意味着每个决策都必须向最终用户提供完整的解释，但 开发人员 应该有系 统如何做出决策的文档，并在需要时提供解释 工具。例如，医疗人工智能可以附带一张"模型卡"，概 述已知的决策因素，并包含审计的示例解释。 人机交互和故障保护。在我们对人工智能推理能力充满信心之前，谨慎的做法是 让人类参与 最终决 策。人工智能可以起草分析报告，但人类专家应该予以批准，尤其是在不可逆或敏感结果（例如诊断患 者或刑事司法中的量刑）方面。人工智能的思路可以呈现给人类进行更快的验证——例如，"由于实验 室结果 A 和症状 B，人工智能建议采用 X 疗法"——这样人类就无需猜测其背后的原因。从某种意义上 说，人工智能变成了一个负责分析案例 ...

如果大型语言模型能够推理，但没有人能够看到它是如何推理的，那么它真的在思考吗？ 简而言之，像 GPT-4 这样的大型语言模型 (LLM) 展现出卓越的能力，但其运作方式却如同"黑匣子"， 这意味着它们的内部决策过程在很大程度上是不透明的，甚至对其创建者而言也是如此。本 系列文章 综合了近期关于 LLM 可解释性的研究，重点关注这些模型的推理方式、其解释的可靠性（思维链）以 及对安全性和部署的影响。 综合基础研究和最新进展，理解基于 Transformer 的架构中的突发行为和对齐效应。 "没有人真正知道人工智能为何有效"——这一惊人言论抓住了现代人工智能核心的黑箱问题。 如今，像 GPT-4 或 Claude 这样的大型语言模型 (LLM)可以编写代码、通过 测试 并进行复杂的推理，但 即使是它们的创造者也难以解释它们是 如何 得出输出结果的。正如一位人工智能科学家所说："我们构 建了它，训练了它，但我们不知道它在做什么"。 本文 探讨了近期试图揭示这些黑匣子的研究，重点关 注 推理模型 以及模型内部思维过程与其给出的解释之间经常观察到的脱节。通过综合基础论文和 2023-2025 年关于可解释性、涌现性、思 ...

AI可不只是那些冰冷的算法，它现在能像人一样思考、推理，甚至在某些方面的表现超越了普通人。这告诉我们，传统的技术和创新模式已经不够用 了，企业要想增长、要保持竞争力，就需要换个思路。AI正在重新定义我们理解和实践商业创新的方式。 最近，混沌君旁听了混沌学园的创始人李善友教授的重磅全新课程《认知型创新：从OpenAI到DeepSeek》。 在这个AI技术日新月异的时代，我们眼看着它不仅在改变生活，更在改变着商业规则。 这门课从企业创新的角度，讲述了全球两大顶尖AI公司——OpenAI和DeepSeek是如何一步步走到今天的，他们究竟走过了怎样的创新之路。这对于我们 理解AI时代的技术创新和企业创新，提供了清晰且极具价值的路径。 教授深挖了OpenAI最初的愿景和它如何对抗巨头的思路，解密大语言模型是如何诞生的，尤其是AI能力如何从简单积累到惊人"涌现"。还解读了 DeepSeek如何在资源有限的情况下，走出一条"低成本高性能"的独特道路；更探讨了AI时代下，企业应该怎样构建一个能不断"涌现"创新的组织模式，走 向"技术领先"。 观看本课程和600+主题课 第一幕：OpenAI的横空出世 OpenAI的创立初心： ...

在这个 AI技术日新月异的时代，我们眼看着它不仅在改变生活，更在 改变着 商业规则。 AI可不只是那些冰冷的算法，它现在能像人一样思考、推理，甚至在某些方面 的表现超越了普通人 。这告诉我们，传统的技术和创新模式已经不够用了， 企业要想增长、要保持竞争力，就 需要 换个思路。 AI正在重新定义我们理解和实践商业创新的方式。 最近 ， 混沌君旁听了 混沌学园的创始人李善友教授 的重磅 全新课程《认知型创新：从 OpenAI到DeepSeek》 。 这门课从企业创新的角度， 讲述了 全球两大顶尖 AI公司——OpenAI和DeepSeek是如何一步步走到今天的，他们究竟走过了怎样的创新之路。这对于我 们理解AI时代的技术创新和企业创新，提供了清晰且极具价值的路径。 教授 深挖 了 OpenAI最初的愿景和它如何对抗巨头的思路，解密大语言模型是如何诞生的 ， 尤其是 AI能力如何从简单积累到惊人"涌现" 。 还 解读 了 DeepSeek如何在资源有限的情况下，走出一条"低成本高性能"的独特道路；更探讨 了 AI时代下，企业应该怎样构建一个能不断"涌现"创新的组织模式， 走向"技术领先"。 扫描下图二维码购买月卡 ...

2017年6月，谷歌大脑团队发表论文 《 Attention is All You Need》 ，提出了基于自注意力机制的 Transformer模型，为后续语言模型发展奠定了基 础。 这是 AI大爆发的"涌现"起点。 在未来的时代里，能够不死的人，能够不被 AI 打死的人，能够不被 AI 取代的组织就是有涌现能力。 如果说 2023 年 ChatGPT 的爆火拉开了 AI 商业化序幕，那么 2025 年 DeepSeek 的惊艳亮相则彻底颠覆了行业认知：当 OpenAI 用 1750 亿参数砸 出 "大力出奇迹" 的神话时，一家中国公司竟用十分之一的成本实现了技术平权。 在混沌君看来：这不是简单的技术竞赛，而是一场关于 "认知型创新" 的底层逻辑革命。 5 月 25 日（本周六），混沌学园创始人李善友教授将带来全新课程《认知型创新：从 OpenAI 到 DeepSeek》，首次系统拆解 AI 时代的创新方法论， 揭示从技术突破到商业落地的认知跃迁路径。 扫描下图二维码购买月卡 观看本课程和 600+ 主题课 为什么这堂课必须听？ 三大核心价值提前揭秘 ❶ 穿透现象：看懂 AI 革命背后的认知建模逻辑 当所有 ...