#658.Kimi杨植麟的博导预测 AI Agent的未来：为什么真正的护城河是数据、工程和基础设施

📝 本期播客简介本期我们克隆了：知名播客 Basil Chatha Russ Salakhutdinov - Kimi K3 CEO’s PhD Advisor Predicts the Future of AI Agents原内容更新时间：2026-07-27本期嘉宾是卡内基梅隆大学教授Russ Salakhutdinov，主持人Basil与他展开了一场关于AI行业现状与未来的深度对谈。Russ的履历横跨现代AI的整个发展史：师从AI教父Geoff Hinton攻读博士、将创业公司卖给苹果并参与秘密的自动驾驶项目Titan、在Meta超级智能实验室构建计算机使用Agent，如今创办了预测未来的AI公司Sooth Labs。这期节目信息密度极高，涵盖了从深度学习早期到AGI前景的完整脉络。Russ直言不讳地指出：前沿实验室的架构其实高度同质化，真正的驱动力在工程和数据；真正在实验室工作的人并不认为AGI两年内就能实现；世界上唯一被证明有用的机器人还是Roomba；而AI终将取代麦肯锡、贝恩和波士顿咨询这样的巨头。如果你关心AI行业的真实走向、开源模型的竞争格局，或者想了解预测系统如何改变决策方式，这期节目会给你大量一手判断。👨‍⚕️ 本期嘉宾Russ Salakhutdinov，卡内基梅隆大学教授，曾师从AI教父Geoff Hinton，是深度学习领域的早期研究者之一。他的职业生涯横跨学术界与工业界：将创业公司Perceptual Machines卖给苹果后参与了秘密的自动驾驶项目Project Titan，之后回到CMU任教，并在Meta超级智能实验室工作了两年，专注于计算机使用Agent的构建。如今他创办了Sooth Labs，致力于构建能预测未来的AI系统。值得一提的是，他还是Kimi CEO杨植麟在CMU的博士生导师。⏱️ 时间戳00:00 开场 & 播客简介深度学习早期的探索03:03 从银行业到博士：与Geoff Hinton的偶遇04:50 神经网络为何令人兴奋：数学之美与生成模型的曙光07:56 AlexNet的突破与计算机视觉的转折点从学术到产业：自动驾驶与苹果18:27 创办Perceptual Machines与苹果的合作20:19 Project Titan：自动驾驶的早期探索21:23 从80%到99%：自动驾驶的边角案例困境计算机使用Agent与Meta超级智能实验室30:47 回到CMU与计算机Agent的起源33:36 构建早期计算机使用模型的挑战40:25 模型为何还不够好：规划与grounding的差距模型同质化与开源竞争44:53 Meta训练规模模型的意外发现：架构高度相似46:56 数据平台期与合成数据的未来01:10:27 中国开源模型的崛起与Kimi CEO杨植麟Sooth Labs与预测系统的未来53:16 创办Sooth Labs：构建预见系统54:16 预测系统的实际应用：Martin Ma的毕业预测58:40 为什么ChatGPT做不了预测：结构化数据的缺失01:00:25 从Agent时代到决策系统时代🌟 精彩内容💡 "我们不会在两年内实现AGI"Russ直言，真正在前沿实验室工作的人，并不认同外界对AGI即将到来的狂热预期。架构并没有根本性的突破，一切都归结于数据、工程和基础设施的持续改进。"很多人基本上在说：'天哪，OpenAI搞出了一种新架构。'他们觉得AGI已经搞定了，这绝对不是真的。架构还是一样的。"💡 前沿模型正在变成同质化商品Russ认为，所有大语言模型最终都会变成商品，真正的竞争将转向产品层面。像Codex和Claude Code这样的产品之所以成功，是因为它们能与代码库深度集成，形成用户粘性。"我觉得它们会变成商品，是的。现在一切都取决于产品，一旦它变得有粘性，你就会一直用它。"💡 中国开源模型的崛起是美国的"可悲状况"Russ高度评价中国AI人才，特别提到Kimi CEO杨植麟是他认识的最聪明的人之一。他坦言自己的学生都在用Qwen、Kimi、DeepSeek做研究，并惊讶于美国缺乏好的开源模型策略。"他是我认识的最聪明的人之一。中国有很强的人才，他们现在也有资源，所以我觉得他们能和美国竞争。"💡 世界上唯一有用的机器人还是Roomba谈到机器人技术，Russ直言不讳：目前没有任何一个机器人被证明在实际生活中真正有用，操作能力是最大的瓶颈，而机器人领域缺乏互联网规模的数据。"现在只有一个例子，就是Roomba，对吧？就是帮你打扫房子。现在没有第二个例子，一个机器人有用到让我愿意花个5000块让它帮我干活。"💡 AI应该取代麦肯锡和波士顿咨询Russ大胆预测，AI将取代传统咨询公司的核心价值——预测和决策支持。AI能处理的信息量远超十个分析师，而且能给出校准过的概率估计。"麦肯锡为什么存在？波士顿咨询集团，这些都是大机构，它们都应该被AI取代，因为AI会给你好得多的信息。"💡 预测系统的独特价值：无法作弊的泛化Russ解释了为什么预测未来是检验模型泛化能力的终极测试——回测永远有信息泄漏的风险，而预测未来事件则无法污染数据。Sooth Labs正在构建的系统，能给出校准概率和决策点。"如果你要测试的是还没发生的未来事件，你就没办法作弊，对吧？这就是真正的泛化。"💡 未来属于有判断力的混合型人才Russ认为，纯粹的软件工程岗位会减少，但那些既懂机器学习和统计、又有很强编程能力的人将永远抢手。AI工具让效率大幅提升，但分析性思维和判断力才是核心竞争力。"有判断力、懂机器学习和AI、同时编程又很强的人，这种人会一直非常抢手。"🌐 播客信息补充本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的使用 AI 进行翻译，因此可能会有一些地方不通顺；如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight在小宇宙查看该单集文稿