Intelligence on the Edge: Liquid AI's Ramin Hasani on the Search for Device-Native Foundation Models

摘要

Ramin Hasani 與 Liquid AI 團隊分享開發「裝置原生基礎模型」的技術路徑，挑戰僅靠規模提升 AI 的觀點。他們透過生物啟發的液態神經網路架構，讓模型能在手機、車載等邊緣裝置高效運算，並提供自服務微調平台。

Liquid AI CEO Ramin Hasani discusses device-native foundation models, input-dependent neural architectures, and the future of on-device intelligence beyond data centers.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 挑戰僅靠模型規模定義 AI 未來的觀點。
• 展示液態神經網路在邊緣裝置的高效運算能力。
• 介紹自服務微調小模型的平台與商業應用。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00Liquid AI 團隊與基礎模型概覽
2. 03:36Mercury 銀行 AI 整合與隱私優勢
3. 06:40生物啟發式神經網路與效率核心
4. 16:05閉式解法與微分方程歷史淵源
5. 19:36液態基礎模型與 Transformer 差異
6. 24:34計數神經元與參數本質區別
7. 26:52並行化挑戰與計算複雜度突破
8. 37:11持續學習與動態計算的差異
9. 39:46架構搜尋與通用計算理念
10. 52:06輸入依賴的學習理論視角
11. 57:08架構搜尋在資源分配上的關鍵
12. 1:18:29硬體底層與垂直整合趨勢
13. 1:36:51智慧的本質與能源效率挑戰
14. 1:40:18科學家精神與未來願景

提到的工具與公司

• Liquid S4
• Apollo
• Mamba
• Hugging Face
• Shopify
• iPhone

適合誰看

對邊緣 AI、裝置原生模型或高效能架構感興趣的開發者與技術決策者。

摘要依據

講者

Nathan Labenz

依據

語音轉文字

為什麼排在這裡

人氣

0.50

新鮮

0.70

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

• #737.Liquid：蠕虫 302 个神经元，启发了另一种 AI 架构Podcast ・ 跨国串门儿计划 ・ 58 分鐘
• Every Size Local AI In 24 Minutes影片 ・ Tina Huang ・ 24 分鐘（在新分頁開啟原站）
• In 5 Years, 90% of What You Use AI For Will Run on Your Smartphone | Paolo Ardoino, TetherPodcast ・ Eye On A.I. ・ 59 分鐘
• Your phone is AI’s newest hardwarePodcast ・ The Stack Overflow Podcast ・ 27 分鐘
• Ep. 106 從邊緣挑戰雲上的人工智慧｜特別來賓耐能智慧創辦人劉峻誠Podcast ・ 科技島讀 ・ 34 分鐘
• 工業 AI 的變革：從雲端走向智慧邊緣 | TO Talk EP170影片 ・ TechOrange ・ 22 分鐘（在新分頁開啟原站）