Jeff Dean 谈 AI 未来:从模型训练转向系统组织,创业机会藏在 1% 成功率问题里

从Jeff Dean创业BP拆解AI大模型技术栈与Agent工程化落地 大模型正在从聊天对话走向真实业务系统,但技术团队在落地过程中往往要面对推理资源、工具调用、数据迭代等多重挑战。理解AI系统的底层架构,是评估一项技术方案是否可持续的关键。大模型应用通常由模型层、推理服务层、Agent与工具层、数据评估层四部分构成:模型层决定能力上限,推理层影响成本与延迟,Agent层负责把模型能力转化为可执行的任务闭环,数据评估层则保证迭代方向正确。本文以一份引发行业关注的AI创业BP为切入点,拆解其中的技术骨架,包括基于vLLM等推理引擎的部署优化、函数调用机制下的Agent工具调度,以 阅读详情

AI 已经像初级工程师,但这不是最重要的变化

2025 年 5 月,Jeff Dean 曾判断 AI 的能力已接近初级工程师。一年后他认为该判断「相当准确」,模型在 Agent 化等方面进步比预想更快,且能力不再局限于写代码,更多 Agent 系统进入专业领域。把 AI 类比初级工程师,Jeff Dean 更关注组织生产方式的变化,这使 AI 工程出现新分工,未来更多工程师负责定义问题等,调度 Agent 完成任务。他预测 2027 年机器学习系统会参与改进自身,AI 自动化会先攻入反馈清晰的领域,AI 时代重要的是完整闭环。

改变 Google 搜索的是一道算术题

Jeff Dean 的代表性工作常从算清数量级开始。2001 年,他和 Sanjay Ghemawat 估算后发现 Google 搜索索引可放入服务器内存,这使 Google 搜索变快。他认为系统条件变了就应重新计算,创业者应从第一性原理看问题。

三分钟语音,为什么催生了一颗 TPU

2013 年,Google 深度学习语音识别显著提升,但 Jeff Dean 计算后发现按当时 CPU 效率,若用户使用三分钟语音识别,服务器规模需扩大一倍,这催生了 TPU。TPU 为机器学习核心计算模式做专用硬件,第一代 TPU 比当时 CPU 和 GPU 节能 30 到 80 倍,延迟低 20 到 30 倍,且保留了支持未来算法演进的空间。Jeff Dean 认为下一轮推理硬件机会在专用化,转向低延迟、低能耗推理。

AI 的成本中心,不是计算,而是搬运数据

Jeff Dean 认为 2026 年 AI 工程师应关注芯片内部数据流,数据搬运能量成本比计算高约 1000 倍,这解释了批处理的重要性,但批处理和低延迟冲突。许多模型层问题实际是硬件和系统问题,Jeff Dean 因推理对延迟敏感更关注推理,AI 的「能源问题」很关键。

模型只是一个零件,上下文才是 Agent 的工作现场

2026 年 Jeff Dean 更强调模型周围的一切,「上下文工程」很重要,它能让通用模型在窄场景表现更可靠。他举例自己和 Sanjay Ghemawat 把优化底层库的工作方法写成 Agent 技能,「上下文工程」是回答专家做事步骤、系统工具和结果验证问题,「技能」是 Agent 生态关键资产,未来公司差异化可能存在于工作流经验里。

Agent 为什么走到第 30 步就开始失控

Agent 运行到第 30 步或第 50 步常失控,Jeff Dean 归结为分布外问题。解决方法一是提供技能和提示约束模型,二是使用多 Agent 系统。可靠的长程 Agent 像分布式系统,未来优秀的 Agent 平台可能继承分布式系统思想。

两三个人如何赢过 Google:寻找模型成功率只有 1% 的问题

在创业机会方面,Jeff Dean 认为小团队机会在通用模型未充分关注的领域,可组合产品界面等提供更好体验,但通用模型变强,创业者需判断优势是否耐久,应寻找通用模型成功率接近 0% 或 1% 的任务,这类任务可能存在专有数据、专业评价、窄而深的模型等机会。

当代码不再稀缺,规格、品味和问题选择会更贵

Diana 假设未来创始人管理多个 Agent 且代码由 Agent 写,Jeff Dean 认为「品味」即判断让 Agent 做什么会变得稀缺,问题选择重要性会上升。规格也更重要,和 Agent 协作时目标越清晰成功率越高,未来管理者要编写清晰目标和验收标准。Jeff Dean 给出训练「品味」的方法是复盘预测。

好的思想实验,先把行业最牢固的前提拿掉

Jeff Dean 分享思想实验,假设晶体管每天出错 20 次会怎样,他试图拿掉行业习以为常的前提。MapReduce 就来自类似过程,未来 Agent 工程可能也会出现类似简洁抽象。

AI 开始构建更好的 AI,科学方法被压缩成高速循环

Jeff Dean 对把科学方法自动化最兴奋,AI 可自动提出和执行更多实验,把昂贵验证器变成廉价近似模型,如 Google 用量子化学例子训练的神经网络近似器快了约 30 万倍,使科学问题形态变化。机器学习本身也会成为自动化科学对象,未来衡量研究效率指标可能是「每单位算力产生多少有效发现」。

被 NeurIPS 拒绝的蒸馏论文,以及如何看待失败

2014 年,Jeff Dean 等人提交的知识蒸馏论文被 NeurIPS 拒绝,审稿人认为不太可能产生重大影响,但团队把论文放上 arXiv 后行业仍使用了该方法,如今 Gemini 的 Flash 模型也用到蒸馏方法。这说明评价体系有盲区,创业者应理解问题、持续验证,不把一次评审当最终判断。

年轻的 Jeff Dean 今天会做什么

访谈尾声,Diana 问若 1999 年的 Jeff Dean 到 2026 年,会加入前沿实验室还是创业,Jeff Dean 未给标准答案,他给出判断标准是解决问题能否让世界明显变好,还强调同伴重要性,要找有互补能力、低自我、愿意协作的人。

结语:AI 时代最稀缺的,仍然是把问题看清楚

Jeff Dean 的职业生涯有很多传奇,其方法是算清数量级、找瓶颈、质疑假设、建立抽象、用测量和反馈迭代。如今 AI 行业转折,决定生产力的不只是模型智商,创业机会在成功率接近 0% 或 1% 的问题里,当代码生成便宜,问题本身更昂贵,Jeff Dean 给出的是思考方式。

从Jeff Dean离职看分布式系统与AI工程思维对开发者的启示 分布式系统作为现代计算架构的核心,通过将计算任务分解到多台机器协同处理,解决了海量数据与高并发访问的难题。其基本原理涉及数据分片、一致性协议和容错机制,关键技术价值在于提供可扩展性、高可用性和弹性。在云计算、大数据分析和实时推荐等应用场景中,分布式架构已成为基础设施。本文以谷歌传奇工程师Jeff Dean的技术贡献为切入点,探讨其主导的MapReduce、Bigtable、Spanner等系统如何体现抽象分层与工程原语的设计思想,这些思维模式对开发者构建稳健、可扩展的系统具有重要借鉴意义。 阅读详情

相关推荐

大模型应用工程化指南:从AI Agent到RAG的实践路径与部署优化

随着大模型能力的爆发式增长,软件工程的范式正从传统的训练驱动转向推理优先与Agent化编排。这一转变要求开发者重新理解AI应用的架构分层与核心技术选型。从大模型API的基础调用,到RAG检索增强生成的落地,再到AI Agent的多工具协同,每一项技术都对应着实际业务中的复杂场景需求。同时,模型部署的推理成本、响应延迟、上下文管理与评测体系,成为区分Demo与生产级系统的关键。本文围绕大模型工程化的完整链路,结合可运行的代码实例,梳理从技术选型、架构设计到性能优化的系统方法,帮助开发者在垂直场景中构建真实壁垒

weixin_30703911的博客 443

Jeff Dean谈AI新趋势:从大模型竞争转向组织智能,创业者机会在哪?

Jeff Dean职业生涯有诸多传奇,方法是算清数量级、找瓶颈、质疑假设、建立抽象、用测量和反馈迭代。如今AI行业转折,决定生产力的不只是模型智商。创业公司机会在成功率接近0%或1%的问题,真正昂贵的是问题本身。Jeff Dean提供了思考方式,提醒别急着追逐热点,先算清问题。

IT界那些事儿 25

能源管理基于MATLAB的企业最大需量预测模型:月内峰值追踪与超限风险模拟分析系统设计 项目介绍 MATLAB 企业最大需量预测|月内峰值追踪与超限场景模拟

内容概要:本文介绍了一个基于MATLAB R2025b的企业最大需量预测项目,旨在通过构建月内峰值追踪与超限风险识别模型,实现对企业电力负荷的精细化管理。项目综合考虑时间周期、环境温度、生产强度、特殊日期及随机扰动等因素,构建模拟数据集,并采用装袋回归树和岭回归等机器学习模型进行负荷预测。通过滚动峰值追踪机制,系统动态整合历史真实值与未来预测值,生成月内最大需量趋势曲线,并结合预设阈值实现超限预警。同时支持多场景模拟,如增产、高温、设备集中启动等,评估不同工况下的超限风险,为企业错峰生产、储能调度等决策提供量化支持。项目注重实用性与兼容性,输出形式包括可视化图表、风险等级标识和多格式数据文件,适用于能源管理教学、工业负荷研究及智能用电原型开发。; 适合人群:具备一定MATLAB编程基础,从事能源管理、电力系统分析、工业自动化或智能制造领域的科研人员、工程师及高校师生,尤其适合工作1-3年、希望深入理解负荷预测与企业用电成本控制的技术人员。; 使用场景及目标:①实现企业月内最大需量的动态预测与滚动追踪,提前识别超限风险;②通过多因素场景模拟评估不同生产与环境条件下对需量的影响;③为错峰生产、设备启停优化、储能调度等能源管理决策提供数据支撑;④构建可复现、可扩展的负荷预测分析框架,服务于实际电能管理系统开发。; 阅读建议:此资源以模拟数据为基础,重点在于模型架构设计与管理应用逻辑,建议读者结合提供的代码实例,在MATLAB环境中动手复现数据生成、模型训练、峰值追踪与可视化全过程,并尝试调整特征参数或引入真实数据以深化理解。

Jeff Dean对话启示:AI创业技术选型与工程化落地指南

大模型技术正以超预期的速度演进,基座模型能力持续跃升,但创业者的真正机会不在重复造模型,而在场景、数据与交付的“最后一公里”。从工程实践看,AI应用开发已从模型训练转向系统集成,技术栈演变为模型网关、RAG检索、Agent调度、评测回归等复合组件。通过API调用快速验证业务闭环,结合RAG解决知识幻觉问题,借助Agent处理复杂工具调用,再辅以批量任务、本地部署与效果评测体系,才能在控制成本的同时满足企业级稳定性和合规要求。这套选型思路适用于智能客服、知识库问答、自动化流程等高频业务场景,是当前AI创业降低

weixin_33624741的博客 307

Matlab实现使用遗传算法的混合能源系统优化.rar

Matlab实现使用遗传算法的混合能源系统优化.rar

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

AI创业唯一生路:别赌大模型,做穿业务闭环

大模型正在重塑软件行业的成本结构与工作流,但模型能力本身并不直接等于商业价值。AI应用落地的关键在于工程化:将输入可控、输出可验、成本可算的机制嵌入业务流程,构建稳定闭环。从AI Agent到AI编程,单点任务提效只是入场券,真正的壁垒在于针对具体场景做深做透。当小团队能以更低边际成本完成批量任务,AI创业的方向选择就变得清晰——不押注基础模型,而是聚焦某类用户、某个任务,把闭环做穿。只有流程稳定、错误可拦截、成本可核算,AI产品才能从Demo走向生产。

weixin_33762130的博客 273

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave.zip

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave

AI 前沿日报 | 2026年08月09日

▸ 美国维拉诺瓦大学研究人员发表于《判断与决策》期刊的研究显示,1682名成年人参与测试后,人们无法有效区分AI生成与人类原创的短篇小说,甚至普遍认为AI创作的故事更具吸引力、质量更高,同时参与者对AI的态度也会影响其对作品的评价。▸ 安徽滁州67岁农户吴大伯因轻信AI生成的芝麻田除草除虫方案,用无人机喷洒后致150亩芝麻苗全部枯萎,预计损失约15万元,涉事AI软件称答复由网络公开信息整合并将核查,专家提醒高风险场景下AI内容仅作参考,决策需专业判定。

分享日常学习生活 330

基于斜坡补偿的Buck电路峰值电流+电压电流双闭环控制【附说明文档】(Simulink仿真实现)优快云首页发布文章优快云同步助手LLC谐振变换器开环+闭环软启动仿真设计(Simulink

内容概要:本文围绕三电平VIENNA整流器的双闭环控制与中点电位平衡问题展开仿真研究,提出了一种基于上下电容电压差值补偿的中点电位平衡策略。该策略在传统电压电流双闭环PI控制的基础上,引入电容电压差值作为反馈信号,通过SVPWM调制中冗余小矢量的时间分配实现中点电荷的定向调节,从而在不改变主控制结构的前提下有效抑制中点电位偏差。仿真结果表明,该方法不仅确保直流母线电压稳定跟踪800V给定值,还能显著提升上下电容电压的均衡度,同时保持输入电流低谐波水平,验证了控制策略的可行性和有效性。; 适合人群:电力电子、电气自动化及相关专业的研究生、科研人员及工程技术人员,具备一定的MATLAB/Simulink仿真基础和电力电子拓扑知识背景者更佳。; 使用场景及目标:①掌握三电平VIENNA整流器的工作原理与中点电位波动的成因;②理解电压电流双闭环PI控制的设计要点与参数整定原则;③学习基于差值补偿的中点电位平衡控制策略及其与SVPWM的协同机制;④应用于充电桩、航空电源、通信电源等中大功率单向整流场合的控制系统设计与优化。; 阅读建议:建议结合文中提供的仿真模型与参数设置进行动手实践,重点关注中点电位平衡投入前后电容电压波形的变化,对比分析不同工况下的系统动态响应,深入理解控制策略的作用机理。同时可进一步探索在电网不平衡、轻载等复杂工况下的控制性能,以拓展应用场景。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文针对“自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标”开展研究,提出一种基于Matlab的仿真方法,实现多机器人在动态环境中对移动目标的协同包围与持续跟踪。该方法综合考虑了机器人的运动学约束与传感器的视线(visibility)限制,设计了分布式控制策略与自适应编队算法,能够在复杂环境下有效维持编队结构的稳定性和任务执行的鲁棒性。研究详细阐述了系统建模过程、控制律设计原理、编队形成与保持机制,并通过Matlab代码实现了完整的仿真验证,展示了算法在不同动态场景下的适应能力与性能优势; 适合人群:具备机器人学、自动控制理论、多智能体系统等相关基础知识,熟悉Matlab编程语言,从事智能系统、协同控制、路径规划与自主导航等方向的研究生、科研人员及工程技术人员; 使用场景及目标:①应用于安防监控、环境探测、灾害救援等场景中的多机器人目标围捕与跟踪任务;②为多智能体协同控制、分布式编队保持、避障与可见性维护等关键技术提供可复现的算法框架与仿真平台;③辅助高校与科研机构在相关领域的教学演示与科研创新,深化对自适应控制与分布式协同机制的理解; 阅读建议:建议读者结合提供的Matlab代码逐模块分析其实现逻辑,重点关注控制律设计、约束处理与自适应机制部分,可通过调整机器人数量、目标轨迹、传感器参数等进行扩展性实验,以深入掌握多机器人协同系统的动态行为与优化方法。

AI4S怎么落地?从技术拆解到分子性质预测的工程实践

人工智能正在从互联网应用走向科学研究,AI for Science(AI4S)的核心在于打通“数据→AI→实验”的闭环。传统AI依赖大量标注,而科学场景样本少、噪声大,必须结合NLP抽取文献知识、CV量化实验图像、GAN生成候选结构等模块,将非结构化信息转化为可计算特征。以分子性质预测为例,SMILES通过分子指纹编码,随机森林即可建立基线,再通过主动学习和实验反馈迭代。真正落地AI4S还需解决数据版本化、模型可复现、专家验证等工程问题。本文从原理到最小实现,拆解AI4S的技术脉络与工程路径。

weixin_30889885的博客 424

patch_1.23.0.2584_game_No6.android.pak

patch_1.23.0.2584_game_No6.android.pak

具有PWM控制VSC-HVDC链路的IEEE30总线传输系统(Simulink仿真实现)

内容概要:本文详细介绍了在Simulink环境中构建和仿真一个集成PWM控制的电压源换流器型高压直流输电(VSC-HVDC)链路的IEEE30节点电力传输系统的研究工作。该模型聚焦于利用PWM技术实现对VSC的高效、精确控制,以提升电力系统的传输效率、动态响应能力和运行稳定性。研究涵盖了系统整体建模、关键设备参数设计、PWM控制策略的实现、以及在标准IEEE30节点系统上的集成方法。通过一系列仿真测试,包括系统在正常运行、负载突变及故障条件下的动态响应,全面分析了VSC-HVDC链路对改善电网电压稳定性、优化潮流分布和增强系统可靠性的具体作用,充分验证了所提方案的有效性和工程应用价值。; 适合人群:具备电力系统分析、高压直流输电技术基础理论知识及Simulink/MATLAB仿真软件操作能力的高校研究生、科研机构研究人员和电力行业工程师。; 使用场景及目标:①作为教学案例,帮助学生深入理解VSC-HVDC的工作原理、控制策略及其在复杂电网中的集成应用;②为电力系统规划与运行人员提供一种可靠的仿真工具,用于评估新型输电技术对现有电网性能的影响,支持电网升级改造决策;③推动VSC-HVDC技术在远距离大容量输电、新能源并网和智能电网建设等领域的创新应用。; 阅读建议:建议读者在学习过程中,结合电力系统稳态与暂态分析的相关理论,重点关注PWM控制模块和VSC的建模细节,动手复现并调试所提供的Simulink模型,通过改变系统参数和运行工况来观察仿真结果的变化,从而深化对VSC-HVDC系统动态特性的理解。

状态估计【卡尔曼滤波kalman】UKF、EKF、粒子滤波PF学习与研究(Matlab代码实现)

内容概要:本文系统地研究了无迹卡尔曼滤波(UKF)、扩展卡尔曼滤波(EKF)和粒子滤波(PF)在非线性系统状态估计中的理论基础与实际应用,并结合Matlab代码实现进行了深入剖析。内容涵盖三种滤波算法的核心原理、数学推导及其在轨迹估计等工程问题中的具体实施方法。通过详尽的Matlab编程实例,展示了如何利用这些先进滤波技术解决如目标跟踪、传感器融合等复杂问题,并特别探讨了BP神经网络与EKF结合的优化训练策略以及粒子滤波在提高状态跟踪精度方面的潜力。该资料为希望掌握现代状态估计算法的研究人员和技术爱好者提供了一套完整的理论与实践指南; 适合人群:具备一定编程基础,尤其是熟练使用Matlab工具,且对控制理论、信号处理或相关工程技术领域有初步了解的研发人员和高校学生; 使用场景及目标:① 深入理解UKF、EKF和PF的基本概念及其在非线性动态系统中进行状态变量估计的应用;② 通过Matlab代码实践加深对各滤波器工作机制的理解,能够独立开发相应的算法以应对诸如轨迹预测、多源信息融合等实际挑战;③ 探索将BP神经网络与EKF相结合的新途径,以期提升模型的学习效率和预测准确性; 阅读建议:此资源不仅提供了坚实的理论支撑,还包括丰富的代码示例,建议读者按照文档结构循序渐进地学习,同时动手实现每一个案例,以便更深刻地把握各种滤波技术的关键细节。对于致力于深入研究状态估计领域的专业人士而言,这是一份极具价值的学习材料。

DXF、DWG工程制图文件查看器

DXF、DWG工程制图文件查看器。 可以在界面中进行测量(包括距离、面积、角度等等) 无需版权,放心使用。

基于变频控制的多相交错LLC谐振变换器闭环仿真(Simulink仿真实现)

内容概要:本文详细介绍了基于变频控制的多相交错LLC谐振变换器的闭环仿真设计,重点阐述了其在Simulink环境下的建模与控制策略。通过多相交错技术有效降低输出纹波电流,提升系统效率与功率密度,并采用变频控制(PFM)实现对谐振变换器输出电压的精确调节。文中构建了完整的闭环控制系统,包含电压外环与电流内环,确保系统在负载变化或输入波动等扰动工况下仍能稳定运行。同时,配套提供了仿真模型、参数设计计算书及参考文献,帮助读者深入理解系统设计流程与关键技术细节,具有较强的工程复现价值。该资源适用于电力电子、新能源变换器等相关领域的仿真研究与教学实践。; 适合人群:具备电力电子基础知识,熟悉Simulink仿真工具,从事电源变换器设计、新能源系统研发或相关专业的研究生及工程技术人员。; 使用场景及目标:①掌握多相交错LLC谐振变换器的工作原理与变频控制机制;②学习并实现基于Simulink的闭环控制系统建模与仿真;③理解谐振参数设计、软开关实现及系统稳定性分析方法;④为科研项目、毕业设计或产品原型开发提供可复用的技术参考与仿真平台。; 阅读建议:建议读者结合提供的仿真模型与计算书,逐步完成系统搭建与参数整定,重点关注变频控制逻辑与闭环响应特性。在仿真过程中,可通过调整负载、输入电压等条件,观察系统的动态响应与稳态性能,加深对多相交错与谐振控制优势的理解。同时推荐参考相关文献,拓展对LLC变换器前沿控制策略的认识。

含分布式电源的配电网可靠性评估研究(Matlab代码实现)

内容概要:本文围绕含分布式电源的配电网可靠性评估展开研究,基于Matlab代码实现相应的评估模型。研究内容涵盖分布式电源接入对配电网运行特性的影响,采用序贯蒙特卡洛模拟法等可靠性评估方法,对系统在不同运行场景下的供电可靠性指标进行量化分析。通过构建典型配电网模型,仿真分析分布式电源的位置、容量及出力特性对系统可靠性的影响机制,进而为提升配电网韧性与供电质量提供理论支撑和技术手段。研究不仅关注理论建模,还注重实际仿真流程的可操作性与结果的可视化呈现。; 适合人群:具备电力系统基础知识,从事配电网规划、运行与可靠性分析等相关领域的科研人员及工程技术人员,尤其适合研究生及从事新能源并网研究的1-3年工作经验的专业人员。; 使用场景及目标:①掌握含分布式电源的配电网可靠性评估基本理论与方法;②学习并复现主流可靠性评估算法(如蒙特卡洛模拟)的Matlab编程实现;③分析分布式电源接入对系统可靠性的影响规律,支撑配电网优化规划与运行决策。; 阅读建议:建议读者结合电力系统可靠性教材与本文Matlab代码同步学习,重点关注模型构建逻辑与算法实现细节,动手调试代码以加深对评估流程的理解,并尝试在不同网络结构和电源配置下进行仿真对比分析。

上一篇: OpenAI下一代模型Astra披露:攻克10项数学难题,多项成果超40年未改进
下一篇: 7月最后一天三款国产大模型集中亮相:两款瞄准视频创作,一款升级代码能力
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值