本文来自 Grasp 创始人雷磊的播客及分享，有删减。 曲凯： Agent 今年这波热潮其实是 Manus 带起来的，到现在为止，各种 Agent 大家已经投得不少了。那下一个热点可能在哪里？ 在这个服务主体转移的过程中，人类和 AI 的行为模式确实存在区别。 我们觉得可能是 Agent Infra。 正好雷磊现在做的 Grasp 就是一个给 Agent 用的浏览器。你是怎么想到要做Agent Infra 的？ 雷磊： 首先，我相信未来 Agent 的数量会不断增加，至少会达到现在 SaaS 数量的几千倍。 而且 Agent 能直接交付结果，因此它其实就是一个数字员工，我们应该把它视为像人类一样的终端用户。但因为 Agent 与人类的形态截然不同，所以当下互联网的 很多基础设施都是不适合 AI 使用的，都需要为 Agent 重构一遍。 那基于这两点，Agent Infra 就是一个非常大的市场机会。 曲凯： 那未来 Agent 和人类到底会怎么协作？你提到说 Agent 和人类完全不同，具体有哪些体现？ 雷磊： 现阶段大家普遍认为 Agent 是为人类服务的，但在我看来，未来应该是人类为 Agent 服务，因 ...

前言 AI时代，年轻人到底应该学什么？ 类似的问题，很多AI大咖都讨论过，但我觉得戴密斯的观点会更加接近真相！！ 以下内容，对于年轻人，可以看看怎么选就业方向； 对于家长和年轻观众们， 尤其是刚高考完，正在思考报什么专业的学生朋友们， 本篇内容尤其值得仔细看。 戴密 斯 · 哈萨 比斯 是何许人也？ 戴密斯·哈萨比斯（Demis Hassabis）是英国人工智能科学家、企业家和神经科学博士，其经历堪称跨界传奇，主要可分为以下阶段： 天才少年与早期成就 国际象棋神童：4岁学棋，13岁达到大师水平。多次成为英国少年队队长。 学术跳级：16岁考入剑桥大学计算机系，20岁毕业。 游戏创业：毕业后创立游戏公司，开发多款畅销游戏，实现财务自由。 转向AI与神经科学 研究动机：认为人类大脑处理数据能力有限，希望通过AI创造"加强版大脑"加速科研。 深造神经科学：29岁攻读伦敦大学博士，研究大脑运作机制，为AI研究奠定基础。 创立DeepMind与AI里程碑 公司创立：2010年创办DeepMind，目标用AI解决复杂科学问题。 AGI，也就是通用人工智能什么时候会到来？ 如果AGI的定义是能干人类会干的所有事，那人类还能干 ...

2025 年 6 月 6 日，第七届北京智源大会在北京正式开幕，强化学习奠基人、2025年图灵奖得主、加拿大计算机科学家Richard S. Sutton以"欢迎来到经验时 代"为题发表主旨演讲，称我们正处在人工智能史上从"人类数据时代"迈向"经验时代"的关键拐点。 Sutton指出，当今所有大型语言模型依赖互联网文本和人工标注等"二手经验"训练，但高质量人类数据已被快速消耗殆尽，新增语料的边际价值正急剧下 降；近期多家研究也观察到模型规模继续膨胀却收效递减的"规模壁垒"现象，以及大量科技公司开始转向合成数据。 在Sutton看来，要突破这一极限，智能体必须像婴儿学习玩具、足球运动员在赛场决策那样，通过与环境交互不断生成并利用第一手经验，而非单纯模仿 人类旧有文本。这一观点呼应了Alan Turing1947年就已提出的预言——"我们想要的是一台能够从经验中学习的机器"——为人工智能奠定了早期哲学基 础。Sutton与长期合作者Andrew Barto凭借强化学习框架将这一理念工程化，并因此荣膺2024/25年度图灵奖，强化学习也在AlphaGo、机器人控制等里程 碑项目中反复验证其可行性。 在他看来，让智能 ...

晓静 腾讯科技《AI未来指北》特约作者 2025 年 6 月 6 日，第七届北京智源大会在北京正式开幕，强化学习奠基人、2025年图灵奖得主、加拿 大计算机科学家Richard S. Sutton以"欢迎来到经验时代"为题发表主旨演讲，称我们正处在人工智能史上 从"人类数据时代"迈向"经验时代"的关键拐点。 Sutton指出，当今所有大型语言模型依赖互联网文本和人工标注等"二手经验"训练，但高质量人类数据 已被快速消耗殆尽，新增语料的边际价值正急剧下降；近期多家研究也观察到模型规模继续膨胀却收效 递减的"规模壁垒"现象，以及大量科技公司开始转向合成数据。 以下为演讲全文： 当前大型模型已逼近"人类数据"边界，唯有让智能体通过与环境实时交互来生成可随能力指数级扩 张的原生数据，AI 才能迈入"经验时代" 。 真正的智能应像婴儿或运动员那样在感知-行动循环中凭第一人称经验自我学习 。 强化学习范例（如 AlphaGo、AlphaZero）已证明从模拟经验到现实经验的演进路径，未来智能体 将依靠自生奖励和世界模型实现持续自我提升 。 基于恐惧的"中心化控制"会扼杀创新，多主体维持差异化目标并通过去中心化合作实现双赢 ...

企业和大脑一样——能否成功，关键在于预测。 大脑的任务不是完美控制，而是不断修正认知，最小化意外。企业亦如此。那些在市场中胜出的公司， 并不是最聪明的，而是拥有最准确"世界模型"、能快速适应变化的组织。 如果你的公司还在用僵化的流程和KPI试图"管控未来"，那就像用算盘应对高频交易的市场。唯有像神 经网络一样，让组织结构具备联通性、适应性和实时反馈机制，才能真正在复杂世界中减少意外、提升 绩效。 接下来，我们将带你重新理解企业设计的底层逻辑——从神经启发到组织物理学，如何训练你的公司 像"大脑"一样预测、学习并持续进化。 是供应链突然中断？客户流失？还是团队内耗导致项目崩盘？ 每个领导者都曾遇到过这样的瞬间：原本预期顺利推进的事情，突然偏离轨道。更糟的是，我们往往是 在结果出来之后，才意识到哪里出了问题。而这种"事后才知"的反应机制，正是组织失效的症结所在。 比如，每天早上你去端一杯咖啡时，大脑会自动预测：你伸手握住杯子，杯子靠近嘴唇，然后尝到咖啡 的味道。但如果你没拿稳，咖啡洒了，大脑就会立刻记录这次"失败"，下次尝试更稳妥的动作。你可能 会换一只好握的杯子，或者喝之前先确认杯子的位置。每次意外，都是大脑在 ...

整理｜冬梅、核子可乐 去年成功斩获诺贝尔奖之后，Demis Hassabis 决定与一位国际象棋世界冠军打场扑克以示庆 祝。Hassabis 一直痴迷于游戏，这股热情也成为他 AI 先驱之路上的契机与驱力。 近日，做客一档名为《60 分钟》的访谈栏目，讲述了他如何带领众多研究者追逐新的技术"圣 杯"——通用人工智能（AGI），一种兼具人类灵活性与超人般速度与知识储备的硅基智能形态。 除此之外，他也在访谈中透露了 DeepMind 未来的研究方向以及有可能亮相的产品和技术。 "天才少年"Hassabis AI 之旅始于国际象棋 Hassabis 于 2010 年与他人共同创立了了 AI 公司 DeepMind，2014 年该公司被谷歌以 5 亿多 美元收购。2017 年，他发明了 AI 算法 AlphaZero，它只需要国际象棋规则和四个小时的自对 弈，就能成为有史以来最强的国际象棋选手，击败人类国际象棋大师。 2024 年，Hassabis 与同为诺贝尔化学奖得主的 DeepMind 总监约翰·江珀 (John Jumper) 共同 获得了诺贝尔化学奖，获奖原因是他创建了一个 AI 模型 AlphaFold2 ...