Alx.Nns
华为何庭波发布 V2 版“韬定律”论文
对创业者：1. 别做大模型的“第101个复制品”，去物理学里“淘金”。 Ising模型催生了玻尔兹曼机，统计力学催生了能量模型，扩散模型背后是热力学——物理学里还有大量未被AI化的模型等待挖掘。2. 卡位“数据基建”。 物理AI的瓶颈不是算法，是数据。谁能率先定义仿真环境和评测体系，谁就能成为物理AI的重要基础设施。3. 找“真场景”，别做“PPT演示”。 跨维智能创始人指出：机器人需要的是“在绝对正确的坐标系下真正动起来完成任务”，不是“看起来像在干活”的视频。对投资者：短期：关注世界模型公司的技术验证。 逆矩阵计划2026年底发布旗舰模型，极佳视界Q3发布GigaBrain-1——这些是检验“物理AI叙事”成色的关键节点。中期：押注“数据+仿真”基础设施。 物理数据的稀缺性决定了数据服务商和仿真平台将成为“卖铲子的人”。长期：关注物理AI的“GPT-3时刻”。 极佳视界的目标是GigaBrain-3基于1000万小时视频数据训练，剑指物理AGI的GPT-3时刻。一旦出现，将重写整个AI估值体系。Transformer还能撑多久？没人知道。Scaling Law的边界在哪里？没人知道。当大语言模型撞上天花板，人类一定会回头问物理学“该怎么办”。“把物理学模型工程化、建立备选模型资料库”——看似疯狂，实则是AI走向AGI最理性的一条路。物理AI的“GPT-3时刻”还没到来，但哨声已经吹响。那些现在就开始翻物理教科书的人，大概率会在下一波浪潮里，站在最前面。
发布于 北京
分享
评论
1
未登录
友善发言
评论
加载中
