我最近与Lex Fridman和Nathan Lambert进行了一次长达4.5小时的全面访谈，讨论了AI的当前进展状况以及2026年可能出现的进展。

我们从多个角度探讨了大语言模型（LLM）的格局，首先涉及AI竞赛的地缘政治以及当今领先LLM之间的对比。接着，我们讨论了这些系统实际是如何训练、扩展和后期训练的。当然，我们也探讨了当前的开源与闭源模型、编程助手、工具以及新兴的研究方向，最后以实用建议收尾，并展望了AGI的时间线、算力，以及对行业和社会的长期影响。是的，我们涵盖的内容非常广泛！

虽然这是一个音频播客，但YouTube上的视频版本包含了大量图表叠加和动画，在内容变得有些技术性时可能会有所帮助。

祝观看愉快！

2026年AI现状：与Sebastian Raschka、Nathan Lambert和Lex Fridman的对话

完整视频可在此处观看

时间戳：

  • 0:00 - 引言
  • 1:57 - 中国 vs 美国：谁将赢得AI竞赛？
  • 10:38 - ChatGPT vs Claude vs Gemini vs Grok：谁在领先？
  • 21:38 - 最佳编程AI
  • 28:29 - 开源 vs 闭源大语言模型
  • 40:08 - Transformer：自2019年以来大语言模型的演变
  • 48:05 - AI扩展定律：已失效还是依然有效？
  • 1:04:12 - AI如何训练：预训练、中期训练和后期训练
  • 1:37:18 - 后期训练详解：大语言模型中令人兴奋的新研究方向
  • 1:58:11 - 给初学者的建议：如何进入AI开发与研究领域
  • 2:21:03 - AI领域的工作文化（每周72小时以上）
  • 2:24:49 - 硅谷泡沫
  • 2:28:46 - 文本扩散模型及其他新研究方向
  • 2:34:28 - 工具使用
  • 2:38:44 - 持续学习
  • 2:44:06 - 长上下文
  • 2:50:21 - 机器人技术
  • 2:59:31 - AGI时间线
  • 3:06:47 - AI会取代程序员吗？
  • 3:25:18 - AGI的梦想正在消亡吗？
  • 3:32:07 - AI如何盈利？
  • 3:36:29 - 2026年的大型收购
  • 3:41:01 - OpenAI、Anthropic、Google DeepMind、xAI、Meta的未来
  • 3:53:35 - AI领域的曼哈顿计划
  • 4:00:10 - NVIDIA、GPU和AI计算集群的未来
  • 4:08:15 - 人类文明的未来