看影片（在新分頁開啟原站）連到 Zhang Xiaojun Podcast
其他版本：Podcast 版（在新分頁開啟）
摘要
訪談劉子鳴，探討中美 Neo Labs 資本狂潮成因，並分享其從物理轉向 AI 的經歷。他提出「AI for AI」應結合神經與符號世界，並透過「元模型」訓練自我來預測 AI 行為，以此構建可解釋的 AI 物理學。
This podcast interview explores the rise of Chinese Neo Labs and the shift from AI for Physics to AI for AI. Liu Ziming discusses his journey from physics to entrepreneurship, proposing that AI for AI requires a physics of AI approach to explain mechanisms and build scalable models.
重點
- 劉子鳴從 MIT 物理轉行，透過自我實驗發現可預測 AI 結果，確立元模型概念。
- Neo Labs 興起因研究者不想做「大頭兵」，轉向 Coding Agent 的缺失部分。
- AI for AI 需物理學方法，Auto Research 需理解原理，以解決黑盒問題。
章節
依話題轉折切分，標題由 AI 產生
- 00:00AI for AI：從理論到實踐的跨界探索
- 11:08Max Tegmark 的視角：為什麼我們需要視覺化思維？
- 17:10計算效率的迷思：從資料堆疊到模型設計
- 21:23神經與符號的嫁接：AI for Science 的路徑
- 25:33天文學演進：為什麼 AI for Physics of AI 更 Scalab
- 37:15人才選擇：為什麼 New Lab 在兩地同時爆發？
- 40:10研究結構化：從混亂腦洞到可重複的實驗閉環
- 42:49Auto Research 的價值：經驗驅動還是機制驅動？
- 49:29元模型的力量：如何快速篩選並迭代 AI 想法？
- 58:21研究結構化：如何將論文中的「靈光一現」轉化為可積累的知識？
- 1:15:31垂直領域突破：AI 物理學的下一個里程碑是什麼？
- 1:27:44從經驗驅動到機制驅動：研究素養的真實面貌
- 1:31:05深度拷問：如何透過腦電波驗證創新的真實性？
- 1:38:08投資人的視角：如何向投資人清晰描述 AI for Science 的未來？
提到的工具與公司
- Anthropic
適合誰看
對 AI 物理學、元模型及創業路徑感興趣的程式設計師、AI 研究者及科技業新人。
摘要依據
- 依據
- 語音轉文字
為什麼排在這裡
- 人氣
- 0.36
- 新鮮
- 0.78
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- 【十字路口】“你有一把能够挖出金子的铲子，肯定不会先给别人用”｜对谈开物纪陆子恒：用AI发明新材料【视频播客】影片 ・ Koji杨远骋 ・ 52 分鐘（在新分頁開啟原站）
- 86.「明年科技公司就只招 AI 人才了！」和脉脉CEO林凡聊全球 AI 人才动向、组织变革与大模型季报Podcast ・ 卫诗婕｜漫谈 Light the Star ・ 1 小時 25 分（在新分頁開啟原站）
- 【李自然说】中美AI大模型之战：谁能笑到最后？影片 ・ 李自然说 ・ 29 分鐘（在新分頁開啟原站）
- Bitter Lessons in Venture vs Growth: Anthropic vs OpenAI, Noam Shazeer, World Labs, Thinking Machines, Cursor, ASIC Economics — Martin Casado & Sarah Wang of a16zPodcast ・ Latent Space ・ 55 分鐘（在新分頁開啟原站）
- 118. 对李想的第二次3小时访谈：CEO大模型、MoE、梁文锋、VLA、能量、记忆、对抗人性、亲密关系、人类的智慧影片 ・ Zhang Xiaojun Podcast ・ 2 小時 46 分（在新分頁開啟原站）
- 173: 对话姚颂：深鉴、东方空间、再出发，「天才少年」十年后Podcast ・ 晚点聊 LateTalk ・ 2 小時 55 分（在新分頁開啟原站）
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）