我奇怪了，为什么咸鱼市场的投影仪跟京东的差10倍以上。我想把京东的退了 同等配置 效果 10倍的价格。而且卖家说全新未拆分。极米。。请问可以入坑吗。有什么需要注意的。 12 个帖子 - 11 位参与者 阅读完整话题
最近蹬到了大佬们的 team 号，感觉好聪明啊，之前用的是也是大佬们的公益站应该是 free 号池，这是我的错觉吗 4 个帖子 - 2 位参与者 阅读完整话题
IT之家 6 月 5 日消息，据央视报道，由中国航发动控所自主研制的 AEE25 航空电动发动机今日完成首台下线交付，将装配于上海时的科技有限公司 E20 电动垂直起降飞行器（eVTOL）。 IT之家从官方获悉，该型发动机实现国内首创“六合一”一体化全集成，创国内 200kW 等级航空电动发动机最高扭矩密度纪录，标志着我国航空电动发动机关键技术取得重要突破，性能达到国际先进水平。 作为为电动垂直起降飞行器（eVTOL）量身打造的动力系统，AEE25 发动机将主电机、主电机控制器、冷却系统电机、冷却系统电机控制器、变距舵机及变距舵机控制器六大核心部件融为一体，实现了“六合一”一体化全集成设计，是国内当前集成度最高的航空电动发动机。 中国航发动控所副所长刘国平表示，AEE25 是一款高度集成化的产品，对飞机制造商而言，只需安装螺旋桨并接通电源和总线即可使其投入工作，从而显著简化了飞机的设计流程。 同时，该发动机在安全性方面采用了双余度设计 —— 所有电机均为两套配置，所有控制器均设置为双通道，确保在任一单点发生故障时动力输出依然能够得到有效保障。这一设计理念旨在为后续商业化运营中的飞行器提供更高的安全冗余。 在研发进度方面，AEE25 航空电动发动机目前已同步进入适航取证阶段，交付的首台发动机将搭载在五座载人纯电动倾转旋翼飞行器上使用。 倾转旋翼构型兼具垂直起降和高效巡航的优势，是当前 eVTOL 领域的主流技术路线之一。此前，中国航发动控所已推出 J250ST001 等多款百千瓦级一体化推进电机产品，部分技术指标处于国内领先水平，并已在多款 eVTOL 机型上完成装机试运行。
IT之家 6 月 4 日消息， 在 5 月 28 日，理想汽车完成了理想 L9 Livis 北京至上海的零补能长途实测 。测试结果显示，这辆车高速纯电续航 327.4 公里，剩余电量 3% 启动增程器，车辆最终总行驶里程为 1422.8 公里，全程总耗时 14 小时 42 分钟，实测馈电油耗为 6.0 升 / 百公里。 理想汽车今日发布了答网友热门问题（三），针对全新理想 L9 Ultra 能否实现类似 Livis 的续航成绩等问题进行了解答。 在同等测试条件下， 全新理想 L9 Ultra 会有更优的续航表现 。 直播中的全新理想 L9 Livis，在车内 4 名成年人和 50 公斤设备的载重下，行驶总时长 14 小时 42 分钟，实现了 1422.8 公里的总续航。直播所验证的，是全新理想 L9 这套增程电动平台、电池系统和能耗管理能力。 全新理想 L9 Ultra 和全新理想 L9 Livis 采用相同的理想自研第三代增程器 ，均配备 72.7 千瓦时三元锂 5C 超充电池，CLTC 纯电续航里程为 420 公里，CLTC 综合续航里程为 1650 公里。 在此基础上，实际测试中因为车型其他配置的差异，同等测试条件下，全新理想 L9 Ultra 的续航表现会更加出色。 据IT之家此前报道，在 5 月 15 日的理想 L9 系列车型发布会中， 理想在发布会最后推出了全新 L9 Ultra 车型，定价为 45.98 万元 。该车配备单 M100 马赫芯片 + 高通骁龙 8797 Max 芯片，而 Livis 搭载双 M100 马赫芯片 + 高通骁龙 8797 Elite 芯片。 相关阅读： 《 45.98 万元，全新理想 L9 Ultra 车型上市 》 《 不加油不充电跑完京沪：理想 L9 Livis 直播实测纯电续航 327.4 公里，馈电油耗 6 升 / 百公里 》
来源： What Matters in Practical Learned Image Compression | apple/ml-pico 看起来是用神经网络替代传统压缩逻辑的图片编码方案。 剧透 2 个帖子 - 2 位参与者 阅读完整话题
5月25日，在电气电子工程师学会（IEEE）举办的国际电路系统研讨会ISCAS 2026上，华为何庭波发表题为“半导体新路径探索与实践”的主旨演讲，发表了半导体产业发展的新原则韬（τ）定律。 根据演讲内容，韬（τ）定律提出以“时间（τ）缩微”替代“几何缩微”作为半导体与电子系统演进的新指导原则，通过逻辑折叠等创新技术，持续压缩信号传播时延，不断提升晶体管密度，从而实现半导体与电子系统的持续演进。 近年来，主导半导体产业半个多世纪的摩尔定律正面临严峻的物理极限和经济效益双重挑战。面对晶体管几何缩微放缓，晶体管成本红利消退等发展困境，如何跨越传统工艺路径的局限，探索出一条全新的可持续演进路线，以满足当下呈指数级攀升的计算性能需求，已成为全球半导体行业亟待攻克的共同难题。 华为提出的“逻辑折叠（LogicFolding）”等核心技术，构建了贯穿器件、电路、芯片到系统层面的多层级协同优化体系，该体系以系统性降低时间常数τ为目标，旨在驱动各层级性能、能效、晶体管密度的持续提升。 在此次主旨演讲中，何庭波详细讲解了华为如何把韬（τ）定律应用到智能手机和AI计算领域的实践。在过去六年的实践中，基于韬（τ）定律，华为已成功设计并量产了381款芯片，广泛覆盖了千行百业的需求。其中，将于2026年秋季面世的麒麟芯片，率先采用了逻辑折叠技术。预计到2031年，基于韬（τ）定律的高端芯片晶体管密度将达到1.4纳米制程的同等水平。 面对未来，何庭波说：“未来一定属于开放合作。在半导体演进的路径上，没有一家企业可以独自完成所有答案。在韬（τ）定律的路径下，我们期待与全球科学家、工程师和产业伙伴紧密合作，共同推动半导体与电子产业持续发展。” 当天早盘，华为盘古概念高开，梅安森20CM涨停，云鼎科技开盘涨停，科大自控开涨超23%，易点天下、九联科技、南威软件纷纷高开。 查看评论
IT之家 5 月 25 日消息，2026 国际电路与系统研讨会 25 日在上海举行，华为公司董事、半导体业务部总裁何庭波在题为《半导体新路径探索与实践》的主旨演讲中，正式发表“韬（τ）定律”，这是中国在全球半导体领域首次提出指导产业发展的新原则。 基于该定律，华为过去六年已成功设计并量产了 381 款芯片。 今年秋季，华为将发布新的麒麟手机芯片，完整采用逻辑折叠技术，大幅提升相关性能 。 “韬定律”提出以“时间缩微”替代“几何缩微”，以系统性降低时间常数（韬 τ）为目标，通过逻辑折叠等创新技术，持续压缩信号传播时延，不断提升晶体管密度，实现半导体与电子系统的持续演进。 近年来，摩尔定律面临物理极限和经济效益双重挑战。随着晶体管“几何缩微”放缓，成本红利逐渐消退，如何跨越传统工艺路径的局限，探索出一条全新的可持续演进路线，以满足当下呈指数级攀升的计算性能需求，已成为全球半导体行业亟待攻克的共同难题。 IT之家获悉，“韬定律”构建了贯穿器件、电路、芯片到系统层面的多层级协同优化体系。 预计到 2031 年，基于该定律的高端芯片晶体管密度将达到 1.4 纳米制程的同等水平 。 针对半导体行业未来的发展，何庭波表示：“未来一定属于开放合作。在‘韬定律’的路径下，我们期待与全球科学家、工程师和产业伙伴紧密合作，共同推动半导体与电子产业持续发展。”
看到国务院《促进未落户常住人口与户籍人口同等享有基本公共服务》文件里“加强随迁子女教育保障”这几个字，我的眼眶一下子湿润了，无限感慨。 我是农村出来的，小时候在外地见过太多打工族的辛酸，因为不是本地户籍，小孩要么回老家当留守儿童，忍受骨肉分离，要么留下来自费义务教育，我还记得零几年工资不高，几个月收入才能交一个学生自费学费，时常还会被免费的同学歧视。 曾经网上也经常出现留守儿童造成的社会问题新闻，结果不仅没有得到同情，各种评论还拼命责备他们的父母...这些事从小就在我心里埋下了仇恨的种子，无聊的时候都在查这种歧视性政策背后的作恶者是谁。 如今看到政策终于回应了这一痛点，有出了一口气的感觉，也不知道是空喊口号还是真的会有行动。
看到国务院《促进未落户常住人口与户籍人口同等享有基本公共服务》文件里“加强随迁子女教育保障”这几个字，我的眼眶一下子湿润了，无限感慨。 我是农村出来的，小时候在外地见过太多打工族的辛酸，因为不是本地户籍，小孩要么回老家当留守儿童，忍受骨肉分离，要么留下来自费义务教育，我还记得零几年工资不高，几个月收入才能交一个学生自费学费，时常还会被免费的同学歧视。 曾经网上也经常出现留守儿童造成的社会问题新闻，结果不仅没有得到同情，各种评论还拼命责备他们的父母...这些事从小就在我心里埋下了仇恨的种子，无聊的时候都在查这种歧视性政策背后的作恶者是谁。 如今看到政策终于回应了这一痛点，有出了一口气的感觉，也不知道是空喊口号还是真的会有行动。
看到国务院《促进未落户常住人口与户籍人口同等享有基本公共服务》文件里“加强随迁子女教育保障”这几个字，我的眼眶一下子湿润了，无限感慨。 我是农村出来的，小时候在外地见过太多打工族的辛酸，因为不是本地户籍，小孩要么回老家当留守儿童，忍受骨肉分离，要么留下来自费义务教育，我还记得零几年工资不高，几个月收入才能交一个学生自费学费，时常还会被免费的同学歧视。 曾经网上也经常出现留守儿童造成的社会问题新闻，结果不仅没有得到同情，各种评论还拼命责备他们的父母...这些事从小就在我心里埋下了仇恨的种子，无聊的时候都在查这种歧视性政策背后的作恶者是谁。 如今看到政策终于回应了这一痛点，有出了一口气的感觉，也不知道是空喊口号还是真的会有行动。
看到国务院《促进未落户常住人口与户籍人口同等享有基本公共服务》文件里“加强随迁子女教育保障”这几个字，我的眼眶一下子湿润了，无限感慨。 我是农村出来的，小时候在外地见过太多打工族的辛酸，因为不是本地户籍，小孩要么回老家当留守儿童，忍受骨肉分离，要么留下来自费义务教育，我还记得零几年工资不高，几个月收入才能交一个学生自费学费，时常还会被免费的同学歧视。 曾经网上也经常出现留守儿童造成的社会问题新闻，结果不仅没有得到同情，各种评论还拼命责备他们的父母...这些事从小就在我心里埋下了仇恨的种子，无聊的时候都在查这种歧视性政策背后的作恶者是谁。 如今看到政策终于回应了这一痛点，有出了一口气的感觉，也不知道是空喊口号还是真的会有行动。
不过我其实什么也没做，也没有什么一定要做的事情，因为本来就不需要上班工作，但是AI确确实实的让我的生活更美好了，好多想学的想做的都可以不求人了，不敢想没有AI会怎么样 4 个帖子 - 3 位参与者 阅读完整话题
如题，假设土区是80元购买plus， 同等金额下，买中转站codex， 两者的使用额度哪个更高呢 33 个帖子 - 22 位参与者 阅读完整话题
【测评】 最近做了一个横向对比测试，5款工具统一使用 mimo-v2.5-pro 模型（ 百万亿 Token 计划 ），加载完全相同的 MCP 和 Skills，执行同一组任务： 启动前后端项目 使用 Chrome MCP 访问 http://localhost:3001 所有客户端均为测试时的 最新版本 ，模型和环境完全拉齐，差异纯粹来自工具本身。 本次为简单测试，样本量有限，不严谨，仅供参考。 测试结果 工具 耗时 请求次数 Codex Desktop 8 分钟 36 次 Codex CLI 1 分 35 秒 12 次 Zed Agent 1 分 30 秒-2 分钟 9–12 次 OpenCode 47 秒-1 分钟 5–7 次 Claude 21 秒 – 1 分钟 4–5 次 结论 模型能力之外，工具框架的设计效率同样重要------任务规划、上下文压缩、工具调用编排，这些都直接影响实际使用体验和成本。 10 个帖子 - 6 位参与者 阅读完整话题
IT之家 5 月 1 日消息，科技媒体 Wccftech 昨日（4 月 30 日）发布博文，报道称英特尔为吸引外部代工客户，开始推广 18A-P 制程技术。相比较 18A 工艺， 18A-P 在同等功耗下性能提升 9%，或在同等性能下功耗降低 18%。 英特尔目前正在完善 18A-P 制程技术，并计划在 6 月召开的 VLSI 大会上公布更多细节。基于目前披露的信息，作为 18A 的增强版，18A-P 基于 RibbonFET（环绕栅极晶体管）和 PowerVia（背面供电）技术， 在同等功耗下性能提升约 9%，或在同等性能下功耗降低约 18%。 设计规格上，18A-P 的接触栅极间距与库高度与 18A 一致，但晶体管选项大幅扩展。新增低功耗及高性能器件，逻辑阈值电压对从 18A 的 4 对增至 5 对以上，并在超低阈值电压与低阈值电压间新增选项。 18A-P 的 Skew Corners（时序偏差角）收紧 30%，显著减少节点内的性能差异。同时，互连 RC 优化及 V0-V2 电阻降低，M2-M4 走线调整，进一步提升信号与电源效率。 IT之家注：时序偏差角指芯片制造过程中晶体管性能的统计学分布边界。收紧 Skew Corners 意味着减少不同晶体管之间的性能差异，确保芯片在更窄的性能范围内运行，从而提升良率与设计可靠性。 热管理方面，18A-P 制程达成 50% 的热导率提升。这虽不意味着芯片运行温度更低，但能更高效地将热量传导出去，避免芯片触及热阈值而降频。
claude opus4.7的research 思考了1h 还没好这正常吗? 感觉比gpt5.4pro同等任务要求下花的时间还长? 按道理claude速度不是相对快吗 3 个帖子 - 2 位参与者 阅读完整话题
“如果没有转型，继续走主流道路，你也会有同等程度的焦虑。”王小川说，这次转型，让他真正回归到从创业第一天就最想做的事情：造AI医生。 访谈｜邓咏仪 杨轩 文｜邓咏仪 编辑｜张雨忻 一年前，王小川带着百川智能来了一次激烈的“大刹车”：大幅缩减通用模型团队，关闭金融等多条行业线，All in医疗大模型。但与此同时，整个大模型行业却热闹非凡，大厂和创业公司轮番进行“轰炸式更新”——过去半年里，平均3天就有一个新版本的通用大模型面世。 而看起来沉寂的百川在做什么？5月22日，王小川安静地交出答卷：新医疗大模型M4，以及Agent产品“百小医”。 过去3年里，百川逐渐从“要做中国最好的基础大模型”转向“同时押注多个落地场景”、“做C端超级入口”、再到如今的“只做医疗”，团队规模不断缩小，部分合伙人离开，原定的上市节奏也因而延迟。 这看似颠簸的路走对了吗？当我们在新产品发布前夕见到王小川时，发现他的状态反而更坦然了：“继续卷通用模型，走主流道路，那是一种选择，即使上市了很风光，但焦虑也不会减少半分。”他对《智能涌现》说，比起当时公司内外巨大的不理解，以及选择非共识道路的孤独感，他更难以接受的是：“公司快成立两周年了，却不知道自己到底在干什么，创造什么价值。” 在互联网上一个十年，医疗并不是一个好生意——商业化路径漫长，反馈周期以年计。从大厂到初创公司，即使投入高达数十亿元，成功跑通PMF的产品都寥寥无几，更别提获得商业上的大成功。 在当时的背景下，很多公司的选择是给医生提效，或是打通挂号、药、保险的链路，以此跑通商业闭环。但王小川说，这些都不是当下最重要的事。他想明白一点：百川的C端产品必须以患者为中心，要增加医生的供给，“我们要造更多的医生”。 在这个思路下，百川在医疗的B端场景中有了更多落地进展：在北京儿童医院，百川两款AI儿科医生已在院内多学科会诊中正式“上岗”。在很多诊疗方案中，AI儿科医生与专家会诊结果吻合率达95%，并开始向河北省150余家县级医院下沉。 同时，在C端，百川新上线的Agent产品“百小医”则在App和微信生态中共同提供服务。“百小医”就像一个“AI家庭医生”，不只是提供问答，会在患者就医前准备给医生的病情梳理，做处方分析，管理病例，还会定时提醒你吃药、做检查等等。 △图源：百川智能 王小川并不接受“医疗是更长、更慢的一条路”这个观点。“这个想法本身就是一种时代惯性。”他的逻辑是：如果Coding Agent能在几个月内成为史上增长最快的应用场景，就意味着很多旧边界已经被打破。 从通用大模型的白热化竞争中抽身，All in医疗——对这个选择，王小川坦承，“我的选择不一定对，也不一定错，但我觉得，AI时代只要交付给用户足够重要的价值，商业化会是水到渠成的事。” 对于那些依然身处在同质化竞争中的AI公司来说，王小川的选择，至少是一条值得认真审视的路径：去找一个真正相信的问题，然后用足够长的时间回答它。 以下是王小川与《智能涌现》的对话： All in医疗有它的代价 《智能涌现》：今年年初，你们发了医疗大模型M3，今天再接着发布新一代医疗大模型M4，还有新Agent产品百小医，核心提升有哪些？ 王小川： M4是我们的闭源医疗大模型，通过API提供服务，一个核心亮点是走Agent架构，从简单的对话走向临床，里面有基于患者全生命周期的记忆能力。 另外的突破有几个：幻觉减少、循证能力增强——我们把指南做原子化拆解，甚至把专家共识也纳入进来；提问能力也有了很大提升——这个对医疗场景很关键，我们每提升两个点的提问能力，就能增加一个点的诊断准确率。 现在，在肿瘤这类复杂场景里，M4能自己跑完整个Agent workflow——收集数据、校对冲突、调用基因变异数据库、出诊断建议。M4能够自主决策，不同的子项肿瘤的情况它甚至能查基因库，像龙虾一样，做到主动提问和主动管理。 “百小医”是百川的新To C产品，形态是一个在App和微信上的bot，可以主动提供处方、病例分析，做全周期的健康数据管理。 《智能涌现》：你所指的M4模型“做得好”，是怎么定义的？ 王小川： 在OpenAI发布的HealthBench测评集上，我们在Hard和Professional两个子集里都是最好的模型。我们没有对benchmark做特殊训练，所以，模型表现好就是好。这个评测集有5000个医患多轮对话场景，262个人类医生编写了近5万条评价规则，不是刷榜能刷出来的。 《智能涌现》：今天最大的行业共识是Coding，百川却在一年前就选择不走通用模型路线，All in医疗，当时怎么想的？ 王小川： AGI大叙事没问题，但这里面肯定有泡沫，泡沫褪去之后珍珠会留下来。怎么去找这个珍珠？大家会押注各自的生态位。做百川到现在，我想做的东西其实没什么变化——当初的初心就是做生命模型，造医生，ChatGPT的出现是这个目标的助力。 我之前想得太早，又想得太远了。2023年的时候你跟大家讲造医生、做生命模型，会发现理解的人不多。 《智能涌现》：但在那个节点，不卷通用模型，是一种脱离主流赛道的选择，你有过担忧吗？ 王小川： 如果做主流，你也会有其他恐惧。我不是说我现在做得特别好，只是主流也有主流的问题，不同选择有各自的代价。 我们在2025年4月大调整后开始专注做医疗，也是因为当时临近百川成立两周年，我有巨大的紧迫感。当时公司特别重，从模型、医生到生命模型，再到商业化都在做。当时就是不知道自己在干嘛，在创造什么价值。 《智能涌现》：这个决定的代价是什么？ 王小川： 很多人在那个时候离开。有同学觉得做通用模型才是对的道路，投资人也有意见。当时有各种曲解，比如有人传小川可能对上市没想法，无所谓，反正自己财务自由了。 《智能涌现》：有创业公司也会选择先不考虑这么远，先赚到钱养梦想，上市也是一种路径。 王小川： 我们那个时候也不缺钱啊。上市了，然后呢？ 《智能涌现》：百川的一些前高层，以及你的一些投资人，他们都很难理解你的突然刹车。 王小川： 可以想办法把ARR、收入做起来，但在当时也不是我最想要的。 第一，你就没精力做业务了，你拿到收入跟你真正交付一个好的产品或服务不是一个维度的事。第二，业务单点还没突破的时候，搞矩阵化管理是特别危险的事，当时销售、产品、技术，每个人身兼数职，为多个产品服务。 这种状态和我对公司想实现的价值的判断是没法match的。如果我从内心就不相信这个事情的话，也很难做好。 《智能涌现》：那你怎么跟投资人解释？ 王小川： 很难解释。投资人肯定想上市，我只能继续把现在的事做好。 《智能涌现》：4月调整完之后，团队规模、架构，包括百川整体的工作方法有什么改变？ 王小川： 我们人数压缩到不超过300人，层级扁平，现在就10多个人给我汇报。 我们现在就分几大块：一是做医疗模型本身；二是以Agent的形态做AI医生产品；三是做医院体系的合作，通过AI医生，把医院、卫健委等等体系联系起来，我们的目标是用AI做四级诊疗。 《智能涌现》：所以，你对这一段探索过程的反思会是什么？ 王小川： 最大的反思是不该开那么多条线。你要么做通用，要么做医疗，两个脚一块走是不行的。同时做商业、做技术、做医疗，一开始很难负担得住。 我们不是想取代医生 《智能涌现》：“百小医”为什么会在微信里做AI医生bot？ 王小川： Bot就是你微信上的一个朋友——你问他“该不该去医院”，他说不用，你先观察；过两天他会主动来问你“有没有变严重”，也会提醒你吃药，能够对个人和家庭健康进行主动和个性化管理。 日常的健康管理不是一两次问诊能解决的，是长期陪伴，助手类APP很难承载这种持续性。 《智能涌现》：很多人可能会问，用百川的助手看病，和用豆包看病，体验差距大吗？ 王小川： 我们在专业性文献的引用、溯源上，会比通用AI助手更丰富。但坦白讲，无论是什么领域，问答场景的体验很难形���断代式的差距。 在产品形态和体验上。这次发布的“百小医”是走双端架构：APP端负责提供严肃的就医决策——针对病例、处方做分析报告、对比；微信bot端负责日常的提醒和执行，这是一个会主动跟进你健康情况的AI医生。 另外我们在底层做了一套永久性的记忆存储，不走上下文那套模式。这是一套有数据库结构的存储——用户上传的体检报告、对话里提到的症状病情、血压、用药情况都能被记录，做全生命周期的健康数据管理。记忆能力在医疗场景特别重要，通用模型很多时候根本不知道该存用户的什么数据。 《智能涌现》：如果和同样是做医疗方向的阿福相比呢？ 王小川： 我们的切入点不一样。我们做的是主动管理——你问完之后，过两天它会微信上主动来问你“有没有更严重”，提醒你吃药、该复诊了。这种持续跟进的能力，App很难承载，用户一上手就能感觉到不同。 《智能涌现》：美国AI医疗赛道的头部公司OpenEvidence估值已经120亿美元了，他们做是面向医生的AI临床决策支持工具，用顶刊论文辅助医生做诊疗判断。你们在中国能走这条路吗？ 王小川： 中国和美国的医疗市场有很大区别：给美国医生提效能直接多赚钱——他一天看10个病人变成看15个，这是保险公司付费的，按人头算，收入直接多50%。但中国医生平均一天看50-80个病人，已经够忙了，提效的空间几乎没有。 《智能涌现》：那在中国做AI辅助诊疗，动力在哪儿？ 王小川： 中国优质医疗供给现在是严重不足，直接用通用AI助手给患者做AI咨询，这是很难进入医疗体系的，还容易带来新的医患矛盾——今年已经有三甲医生和我反馈，30个病人里有25个都带着豆包来“对线”，会对医生产生质疑。 现在国家在倡导主动健康管理和强基层，如果AI能融入医疗体系、做分级诊疗的前置环节，这是政策认可的方向，也是新物种的机会。 《智能涌现》：那百川是怎么提升医疗模型的智能的？ 王小川： 我们做的不是传统意义上的训练数据，更多是做强化学习的评价体系。 医生标的不是正确答案，是帮我们建立奖励函数做评测集——什么样的提问路径最终能导向好的诊断结果。 《智能涌现》：我们听说你们请了很多医生做数据标注，这部分很花钱。 王小川： 跟医生打交道做数据标注，真的很难，但不是钱的问题，是说服他们、建立评价体系、让团队跟他配合，这些都要摸索，没人做过。 《智能涌现》：既然是全新的做法，那一定也会有人反对吧？ 王小川： 不少人觉得在中国做医疗AI，要跟医生合作，要用医生的病例数据造AI分身。 《智能涌现》：什么样的AI分身？ 王小川： 就是很多AI医疗公司的做法——跟某个医生合作，拿他的病例数据训一个模型，本质上是复制这个医生的经验。肾病专家造个肾病模型，肿瘤专家造个肿瘤模型，每个人都想巩固自己的学术权威。你见过一个医生用另一个医生做的AI吗？ 《智能涌现》：你们的“造医生”和这种做AI分身有什么不同？ 王小川： 分身是模仿学习——把病例喂进去，让AI学着像某个医生那样看病。但你拿病例训出来的模型，它会提问吗？ 这代大模型造的是“人”，不是上一代那种用来看CT片子的模式识别模型。我们走的是强化学习的路：模拟患者，激发模型提问，用最终的诊断结果做奖励函数，反向训练它该怎么提炼病例数据，问什么问题、该怎么推理。不是复制某一个医生，而是让AI学会医生思考的过程本身。 《智能涌现》：所以你们做的事情，本质上是把医生拉下神坛。 王小川： 这是个危险的评价。我们不是要挑战医生的权威，而是要帮患者明明白白看病，以患者为中心，让他拥有知情权和决策权。 《智能涌现》：面对医生，你怎么一句话解释百小医的价值，来消解这种可能存在的对抗？ 王小川： 我说我能帮你做随访。 这是一个共赢的场景：很多病人去看完病，加上医生微信，回家之后问问题，等医生的回复往往要等到大半夜，因为医生太忙了。院后随访、复诊提醒、用药管理等等都是这样的场景，现在用AI医生就能帮医生分担这部分需求。 《智能涌现》：你们的目标用户是谁？ 王小川： 我们概括为“一老一小”——老人慢病多，小孩咨询多，这是最高频的场景。 比如，我把我妈和AI医生拉进群，AI医生跟我妈对话的时候，也跟我沟通。就像家里请个保姆，不是只跟老人在一块，他也跟你有交流。 医疗是条更慢的路？这是上一代的认知 《智能涌现》：很多人会说，医疗是一个反馈路径很长的赛道。先用通用模型赚到钱，再长期养医疗这条线，不是更稳妥吗？ 王小川： 我不接受这个叙事，这里面有很多误解。医疗慢这是过去的经验形成的认知，不代表今天。 今天太多事情跟过去的规律不一样了。几个月时间，一个产品就能上亿用户、上亿收入规模。那为什么我们还要用老的方式看医疗？ 百度三分之一的收入来自医疗，一天医疗相关的query量是上亿级别的。蚂蚁阿福也有3000万月活了。需求一直在那里，只是以前可能是我们还没做好供给。 《智能涌现》：你们原来做To B、To G，到现在做To患者，这个变化是怎么发生的？ 王小川： 我确实有过很多反思，但我始终相信AI能造医生，这个信仰从第一天就刻在骨子里。我们在中间走过弯路，比如尝试让医生认可，就先做一个AI工具帮医生看片子、写论文；也试过做院内，先打进医院体系里，但这些路径都太长了。 大概去年4月我们就想清楚了，To患者才是我们主线，这条路其实也是To医生。医生和患者不过是有不同需求的C端用户。 《智能涌现》：比如挂号、买药，这些也是C端用户的刚需，你们会做吗？ 王小川： 帮你挂号、帮你买药，那些是执行，是上一代互联网干的事，偏匹配、链接。我们不是不能做，但核心还是想做决策——比如你有三个处方选哪个？去什么科室？要不要去医院？执行更直观、更有获得感，但帮你做选择判断是更难也更宝贵的事。 《智能涌现》：但蚂蚁做阿福，后续可以把挂号、卖保险、卖药联系起来，这样不会比你们在商业化上跑的更快吗？ 王小川： 他们是从“药”和“险”出发，补前面的问诊环节，而我们是从“医”这端开始切的。站在药的思路去做医，跟独立做医，立场不一样，做出来的东西也不一样。 《智能涌现》：短期内，你希望能够达到什么产品和业务上的目标？什么时候会考虑商业化？ 王小川： 第一步是上岸——去年还有朋友问“百川还活着吗？”得先让大家看到我们在做什么，第二步是在不同场景里积累技术口碑和用户体验的口碑。 商业化不是当下的重点。考虑早了，动作会变形。你看智谱到今天也不做那么多To B和To G了，大家都在卖Token。上一代常用的那套做法现在反而变成了包袱。 语言模型、世界模型、生命模型 《智能涌现》：有媒体说你是“最孤独的AI创业者”，现在你会觉得孤独吗？ 王小川： 自己选的路跟大家不一样，你不就孤独吗？从资本到人才上都会变得更难。羊群效应决定了大家还是会选更主流的道路，这是正常规律。 《智能涌现》：你怎么看现在AI应用创业公司的处境？ 王小川： 在做模型之外，很多创业公司没啥可干的了。做Agent的公司，壁垒在哪？倒腾点Anthropic的Token，配置配置方案，今天能卖，明天能不能卖不知道。 不是说Agent没前途，而是它可能不是适合VC投的生意——赚小钱的公司很多，但长大变难了。 之前我和一个互联网大佬聊，他提到一个”去中化”的趋势——这个“中”是指中型公司。要么做巨头，要么做小而美的公司。 《智能涌现》：说到巨头，你去年初就公开说看好Anthropic，那时候Coding还没爆发，你的判断怎么来的？ 王小川： 我觉得是Dario对技术的理解很深刻，这是一种审美层面的判断。后来事实也验证了——Claude在代码场景里确实打出来了。 《智能涌现》：那其他呢，OpenAI你怎么看？ 王小川： 我觉得Anthropic和Google都会比它强。 《智能涌现》：你看到什么现象，让你有这个判断？ 王小川： 第一，Sam Altman还带着上一代互联网的思路——强推应用、追DAU、做订阅，甚至Sora还想做社交。他的策略是应用大于模型本身，跟Anthropic不在一个技术审美上。 第二，做To C，Google会比OpenAI强。Google有搜索、有安卓、有YouTube，出口能力和数据能力都更好，我觉得Google是以后会有代际的爆发和飞跃。 《智能涌现》：哪方面的爆发？ 王小川： 我觉得Google会走出新的架构——不只是语言模型代表的智力模型，还有物理模型、生命模型等等新路线。 其实Demis Hassabis（Google DeepMind CEO）的心头最爱就是生命模型，后来才转到LLM这个战场来的。 以后Google肯定既做语言模型，又做生命科学。一个公司能同时做AI、做无人驾驶、做蛋白质折叠——从人才储备、数据厚度、算力规模上，Google都是顶配。 《智能涌现》：所以，你对大模型演变的终局怎么看？ 王小川： 我们做模型有三步走。第一步是智力模型，就是语言模型——这里的语言包括数学语言和代码语言，代码很重要，待会再讲。第二步是物理模型，或者叫世界模型，做具身智能。第三步是生命模型，比材料科学更往前走——材料科学讲的还是简单世界，而生命有超越复杂性的终极问题。 生命模型是我从第一天就想做的事。这三条线最终会合流——理解语言、理解物理世界、理解生命系统，这才是完整的智能。 而且你想，工作开始被AI替代之后，人追求什么？创造发明发现、健康、快乐——最后就这三个事。长生不老、健康、每个人活得更有意义，这些问题最终都指向生命模型。 欢迎交流 本文来自微信公众号 “智能涌现” ，作者：邓咏仪，36氪经授权发布。
36氪获悉，商务部美大司负责人解读中美经贸磋商初步成果，双方原则同意在贸易理事会项下讨论同等规模产品对等降税框架安排，规模各为300亿美元或更多，对双方商定的彼此关注产品，有望适用最惠国税率甚至更低。这一安排落地后，不仅有利于稳定和拓展中美双边贸易，也将为全球开放合作提供有益借鉴。双方经贸团队将保持密切沟通，商定具体安排并尽快推动实施。
36氪获悉，4月20日下午，广东省委财经委员会召开会议。会议指出，投资对经济增长起关键作用，做好当前和今后一个时期的经济工作，稳投资要继续加力。重大项目是稳投资、优结构的重要载体，要强化走在前、作示范、挑大梁的责任担当，树立大抓项目促发展的鲜明导向，把重大项目的储备布局建设牢牢抓在手上，加快见效成势，更好牵引带动投资回稳向好。要谋深做实基础设施项目，系统推进交通、能源、水利等重点项目建设，推动已纳规项目早开工、早建设，抓住机遇实施一批可操作可执行可持续的好项目，撬动更多社会资本投入。要积极布局新质生产力项目，着眼抢占发展制高点，用好产业引导基金，加大对集成电路、具身智能、算电协同等领域的投资，依托电子信息、石油化工等优势产业，着力在延链补链强链、开辟高价值赛道上深挖项目，抓好“投资广东”品牌活动，更好汇聚全球优质产业和创新资源。要协同高效推进项目建设，强化土地、资金等资源要素保障，优化完善全流程服务，牢牢守住安全质量底线，推动项目建设提速、提质、提效，尽快形成更多实物工作量，切实把项目强势转化为发展优势。