目录
- AI基础设施与数据中心 [00:00:00 - 00:10:00]
- 推理算力与摩尔定律 [00:10:00 - 00:20:00]
- 开源模型与人工通用智能 [00:20:00 - 00:30:00]
- 递归学习与超级智能 [00:30:00 - 00:40:00]
- 生成式视频的技术突破 [00:40:00 - 00:50:00]
- 生成式AI与电影创作 [00:50:00 - 01:00:00]
- 开源生态与内容未来 [01:00:00 - 01:04:25]
- AI基础设施与数据中心 [00:00:00 - 00:10:00]
- 推理算力与摩尔定律 [00:10:00 - 00:20:00]
- 开源模型与人工通用智能 [00:20:00 - 00:30:00]
- 递归学习与超级智能 [00:30:00 - 00:40:00]
- 生成式视频的技术突破 [00:40:00 - 00:50:00]
- 生成式AI与电影创作 [00:50:00 - 01:00:00]
- 开源生态与内容未来 [01:00:00 - 01:04:25]
AI基础设施与数据中心
Chamath Palihapitiya：我们正在争夺超级智能，安德鲁·费尔德曼又回来了。显然，Cerebras 的首席执行官兼创始人从事推理芯片业务，开创了该领域，并成功进行了 IPO。我们已经讨论过这个问题好几次了。我们一月份在达沃斯见面。首次公开募股发生了。我和孩子们最近必须和你坐在一起。那很有趣。在流动性方面。那真的很有趣。我和孩子们进行了很好的讨论，但我想和你们深入探讨几个话题。第一个是人工智能的构建。自中国长城建成以来，我们从未见过这样的建筑。正确的。谁知道？金字塔。正确的。我的意思是，感觉就像地球上大量的资本、时间和聪明人致力于建造某样东西。我想不出在我们有生之年可能有什么事情，你知道，在我们有生之年之前，战争的努力。这是我们读到、听说过的动员和规模，但你们实际上正在这样做。您的客户正在构建数据中心，而您是其中的关键部分。 [00:01:11]
Jason Calacanis：AppLovin 最初的域名为 8 美元，没有任何风险投资，后来成为世界上最大的广告平台之一。现在，同样的引擎为 Applovin 电子商务广告提供支持。您的广告在移动游戏中投放，以全屏、无干扰的方式吸引超过 10 亿人的注意力。该平台寻找买家并优化利润。您设定目标，剩下的由它完成。一个炊具品牌的销售额从 400 万美元增至 1,600 万美元，并扭亏为盈，今年有望达到 8,000 万美元。今天就访问 applovin.com 全力发起您的第一个活动。我正在全力以赴。
Chamath Palihapitiya：也许您可以在 2026 年告诉我们，Cerebras 在做什么以及这个构建发生了什么？在德克萨斯州，这些都是非常非常巨大的努力。 [00:02:02]
Andrew Feldman：正在建造的东西的规模和范围，物理尺寸和范围，通常当我们谈论软件或硬件时，我们谈论的是芯片和盒子，它们没有同样的物理规模。正确的。我们现在谈论的是数据中心，在未来几年内，其消耗的电力将比地球上过去 50 年消耗的电力还要多。哇。正确的？我们谈论的是足球场大小的单体建筑，其供电量比中型城市还要多。它们正在美国各地建造。它们正在加拿大建造。它们正在整个北欧地区建造。正在巴黎、整个法国和欧洲、中东以及以前不为任何人所关注的国家中建造。哈萨克斯坦、塔吉克斯坦
Chamath Palihapitiya：建设格鲁吉亚，建设规模的数据中心，亚美尼亚。大家都很专注。显然，美国的每个国家和州都认为他们需要参与其中。那些购买容量的人，OpenAI、Xanthropics、SpaceX、AI、谷歌，他们现在是贪得无厌的。是的。他们正在建设，多少年后，当你与他们交谈时，他们已经从 Cerebras 订购了芯片，然后你才完成了芯片。他们提前下了订单。 [00:03:34]
Andrew Feldman：具有讽刺意味的是，与技术领域许多激动人心的时代不同，他们试图抓住昨天的需求，对吧？这种需求远远超出了我们构建数据中心并为其填充硬件的能力。好的。所以，你知道，我们有 250 亿美元的积压订单。 250 亿美元的积压。我们并不孤单。 OpenAI、Anthropic，你浏览一下这个列表：谷歌想要更多的数据中心，微软想要更多的数据中心，AWS 想要更多的数据中心，对吗？所有这些玩家都不是在追逐，如果你建造它，他们就会来。他们正在追逐需求，已被预订。 [00:04:16]
Chamath Palihapitiya：正确的。我们如何阻止他们离开？正确的。这是非常不寻常的。这很不寻常。现在我们有了代币最大化的术语。是的。还有一场激烈的辩论。这真的能创造价值吗？我很好奇你站在哪里。如果价值不存在，是否有可能创造如此大的需求？显然，巨大的价值正在发生。是的。但也有大量的实验。
Andrew Feldman：哦，当然。我把这比作我们刚开始使用 AWS 时的情况，在您自己的 IT 组织中工作真是太好了，您告诉每个工程师，是的，继续，使用您的信用卡，注册。其中很多都非常有用，其中一些就像，上帝，我希望我们没有这样做。所以肯定有实验，但这并不意味着净价值不巨大。这意味着其中一些将无处可去。我记得 1988 年 Costco 在帕洛阿尔托地区开业时也是如此，人们过去常常像购买 Safeway 一样购买 Costco。他们会走遍每条过道。在 Costco 购物是一种可怕的方式，因为你最终会买到四件你不需要的东西，每件售价 22 美元。随着人们越来越习惯它。你走到后面，拿了鸡肉，为孩子的生日派对准备了 18 个纸杯蛋糕，砰，你就出局了。战略。战略。而且是一模一样的。我想一开始人们会开口说，每个人想要多少代币就给多少。而在企业中，不存在开环。我们不会无限制地向人们提供任何资源。现在我们跳上来说，哇，好吧，这些人应该拥有他们需要的东西。他们的生产力非常高。在这里，我们可能可以使用开源模型，也可以使用更便宜的模型。现在我们就像一家企业一样运作。 [00:06:18]
Chamath Palihapitiya：我们确实看到了某种类型的人的出现，他们知道如何部署这项技术。系统思维，这是开发人员与生俱来的。首席执行官往往是伟大的战略家并且了解系统。但一路走来，情报每一步都在进步，我正在观察个人，通常是初创公司创始人，还有风险投资家和在我的风险公司工作的同事，他们开始使用该工具，然后该工具开始使用他们。他们开始走，哦，我还没有明确定义我的目标是什么。我不明白什么是系统。我从未听说过制定需求文档。软件就像，你有需求文档吗？你的目标是什么？人工智能开始告诉人们你的代币已经最大化，你需要更加集中注意力。 [00:07:14]
Andrew Feldman：20年前我的一位同事，一位非常聪明的计算机科学家说，计算机真的很笨。他们完全按照你告诉他们的去做。一开始，提示就像人工智能，对吧？您稍微修改了提示，它就改变了答案。戏剧性地。戏剧性地。并且越来越多地了解您的意图。正确的。正确的。如果您有机会玩《Fable》或 OpenAI 的 5.6，您越来越不需要得到正确的提示。你不必成为一个及时耳语者。相反，你问它，它会说，好吧，这里有一些事情。顺便说一句，也许您希望图表有两种显示方式。你想在酒吧里排队。这就像，嗯，这正是我想要的。我没有要求， [00:08:03]
Chamath Palihapitiya：但这样更好。所以这是理解意图。这是一个巨大的飞跃。如果我们两年前坐在这里，我们永远无法预测这个想法会在短短 24 个月内从一个伟大的网络结果总结研究者转变为真正理解您的意图，然后提供解决方案并将其从您那里抽象出来。这是正确的。这是一件非常奇怪的事情。不知道大家有没有玩过爱马仕经纪人。你玩过它吗？我的意思是，我今天早上问了这个问题，我得到了一个秘密的 BitTensor 项目，它有新的 ZAI 模型 5.2。他们给了我-GLM 5.2。全球LM 5.2。所以 BitTensor 中的某个人，我想你了解 BitTensor，你听说过它，分布式加密项目。所以他们拥有所有这些额外的能力。一位窃窃私语者告诉我，中国可能有一些拥有免费能源的产能。好吧，好吧。所以他们给了我无限的能力。所以我开始不得不做一些非常疯狂的工作，我每小时都会说，我希望你告诉我世界上尚未发现的趋势是什么。你可以做任何你想做的事。但我的目标是成为世界上最聪明的趋势猎手。我看着它在后台做什么，它开始争论应该在哪里找到这些东西。我说，好吧，我们应该去看看 Hacker News 和 Reddit。然后我就想，是的，但社交媒体和趋势也往往会在 Instagram 上体现出来。这就是一个推理模型。您正在观看推理模型的运行。是的。这不是很有趣吗？我的意思是，这太棒了。它倒塌了。因此，作为一个没有达到不崩溃时刻的平民，如果您使用的是 ChatGPT 3.5 或 4.8，无论它是什么，并且您本质上还没有使用这种新级别的推理和推理以及无限计算， [00:10:04]
推理算力与摩尔定律
Chamath Palihapitiya：而且你本质上还没有使用这种新水平的推理和推理以及无限的计算，就在今天早上，它让我看到了无限代币的世界可能是什么样子。因为我相信，无限的代币意味着无限的推理。确实如此。
Andrew Feldman：这意味着什么？是的。我的意思是，如果你运行这些 25 或 48 小时，你现在会得到令人惊奇的东西。如果使用 Srebris，我们的速度提高了 15 倍，然后你运行它 24 小时会怎么样？是的，你需要几周或几个月的时间去思考，是的，我的意思是，这是非同寻常的，我认为其中一件事是，像伊利亚和萨姆这样的人在早期都说这一切即将到来，对，我想当你回头看时，你会对自己说天哪，那些人他们看到了它，是的，他们可以在拐角处看到这是对的，我们其他人可以看到它是什么 [00:11:00]
Chamath Palihapitiya：我不知道。当我们让 Sam 参加 All In 时，他说，我很乐意在某个时候上场。我说，当然，来吧。他正在谈论这件事。我说那接下来呢？他说，推理。我说，把它拆开。这是什么意思？他就像，嗯，理解你的意图是什么，就像你所说的那样，然后找出一个策略，然后也许与其他特工和其他线程讨论这是否是正确的事情，并审查彼此的工作。我想，哇，我们距离猜测下一个单词已经有很长的路要走。填写句子。总结此 PDF。现在，Cerebras 处于这个问题的中心，因为这种推理是推理。这种推理是推理，并且计算量很大。正确的。正确的。
Andrew Feldman：如此快速的计算使得此类工作变得快速且易于处理。它不会因为花费大量时间来得到一个好的答案而削弱它。因此，正是这种推理在内部消耗了大量的代币，才使得像我们这样的机器能够运行得非常快。 [00:12:07]
Chamath Palihapitiya：我带了一个，因为我总是离不开它。你知道，当一件产品的制造成本高达五亿美元时，你就会随身携带它。我们在达沃斯反复讨论这个问题。这个的型号是多少？
Andrew Feldman：这是前八个或前十个。明白了。所以这有一个特殊的地方。这有一个特殊的地方。我的意思是，我妻子说这就像我是一个有一辆越野车庆祝他八岁生日的孩子。晚上他在自己的卧室里。我带着他。
David Friedberg：我的意思是，当你在家里举办下一次聚会时，我强烈推荐一点开胃小菜。一点开胃小菜。我认为这非常合适。如果你有的话，那就太合适了。这是正确的。
Chamath Palihapitiya：但我们在这里关注的是大规模推理的能力。对于推理和 Cerebras 来说摩尔定律是什么？当我们每 X 时间段将其加倍时，您是否有内部讨论的内容？因此，处理器领域之前的所有芯片都遵循摩尔定律。知道了。我们打破了它。每18个月翻一番。大约每 18 个月翻一番。知道了。我们用这个芯片粉碎了它。我们已经开辟了一条全新的轨迹。 [00:13:22]
Andrew Feldman：我的观点是，在接下来的 18 个月内，我们的增长率将远远超过 2 倍。有趣的。所以我认为，在架构的早期，你有比传统摩尔定律做得更好的空间。现在，如果你有一个 20 年历史的架构，比如 GPU，那就困难得多。正确的。你必须依赖诸如较小的几何形状之类的东西，对吗？前往下一个晶圆厂节点。但在较新的架构中，您仍然有很大的空间来了解正在呈现的工作并进行优化，从而给您带来巨大的收益。 [00:14:04]
Chamath Palihapitiya：你如何经营公司？在人工智能时代，仅仅担任首席执行官，就有 250 亿美元的需求。您必须以令人难以置信的惊人速度进行部署。你必须雇人。您必须创建一个路线图。我并不是想让你惊慌失措。
Andrew Feldman：你必须跟上像 OpenAI 这样的人，他们的发展速度快得令人难以置信。是的。正确的？而且他们很有竞争力。你必须跟上。正确的。正确的？您的硬件、软件和部署必须跟上历史上发展最快的组织的步伐。他们是要求严格的客户。
Chamath Palihapitiya：他们不是。他们肯定不是容易被打败的人。是的。还有潜在的竞争对手。
Andrew Feldman：看，我认为现在的需求如此之大，以至于没有任何硅会被闲置。是的。但为什么 OpenAI 不发布 Jalapeno 呢？ [00:15:02]
Chamath Palihapitiya：亚马逊为何要自己生产芯片？你会看到这种反复出现的趋势。这是一种让你知道的方式，让 Jensen 和 Nvidia 知道，嘿，我们也可以做到这一点，所以我们需要良好的定价？这样是否有点灵活，或者这就是他们在您业务中的未来？不，我认为没有人喜欢依赖。
Andrew Feldman：我认为 x86 世界的超大规模厂商吸取的一些教训是他们依赖英特尔。 GPU 制造商吸取的一些教训是，他们依赖于少数超大规模厂商。他们想要更多的客户。因此，他们开始为这些新云提供资金。所以我认为这主要是一个控制你命运的至少一个重要部分的机会。知道了。我认为这是一件非常合理的事情。我认为你不必制造最快的芯片。你不能完全依赖别人的芯片。这种依赖性已经成为一个热门话题。 [00:16:11]
Chamath Palihapitiya：我不确定你是否看过过去两周的剧集。但我们去年一直在谈论开源。我一直在大力支持这一点，只是因为我很早就开始使用 OpenClaw，并很快开始使用 Kimi，然后我就想，等一下，我要耗尽我的 Claude 代币了，但是这个 Kimi，我无法分辨出区别。然后我们开始智能路由它。突然间，这个开源开始弄清楚推理，今年差距突然缩小了。好吧，你知道，你不想把你的法拉利带到杂货店，对吗？
Andrew Feldman：有时您想驾驶您的有趣的汽车，对吗？有时您想把孩子们扔进去，而不必担心他们是否在地板上吃麦圈。小型货车时间。正确的。有小型货车时间。我认为，随着用户复杂程度的增长，你将会遇到困难的问题。这些将是前沿模型问题。它们将是开放的人工智能问题。它们将成为人为问题。他们意味着双子座的问题。而在这背后，将会有很多普通的问题，对吧？我的意思是，如果你考虑一家公司，你就会知道要花多少时间从工作日中删除一些事情并将其转移到不同的单元中，对吧？想一想——剪切和粘贴经济是真实存在的。这是正确的。这不需要金牌数学。这需要的是坚如磐石的开源能力。如果你想一想，我的意思是，我们在 GNA 中思考了很多，但大量的 GNA 并不是发明。为此，您可能不需要最复杂的代理。 [00:17:56]
Chamath Palihapitiya：最近翻出的另一张牌是，有些人可能对前沿模型的野心感到担忧，可能会担心共享数据、数据泄露和情报主权。他们说，嘿，我们公司将会选择，也许我们处于一个受监管的行业，金融、医疗保健、HIPAA、FINRA，以及各种不同的法规。我们需要在本地部署这个，我们希望在国内部署，我们想要一个开源版本，让我们有更多的控制权，是的，我想你现在看到了吗？我们确实看到了这一点，我认为 [00:18:39]
Andrew Feldman：几个月前，OpenAI 做出了一个很好的决定，发布了 OSS 120b，这是一个很好的开源模型，但我认为在美国，我们需要更多的国内开源模型，如果世界想要运行，我们需要给世界一个正确的选择
Chamath Palihapitiya：现在开源的是 OSS 120b 或中国型号。英伟达有一些。 NVIDIA 也看到了推动开源模型的同样机会。我认为给他们更多的权力可能有点......好吧，我正要......你在山口切断了我的路。我的理解是 Jensen 说，嘿，我们甚至不想谈论我们拥有的这些开源模型，因为我们的客户......对。我们现在要与 Sam、Dario、Elon、Sergey 竞争。我们想处于那样的境地吗？但我们确实需要更多的冠军，而且它是开源的，这样人们就可以分叉它。但这会让你处于更加中立的位置。这是正确的。我们今天运行，我们运行 GLM，我们运行 Kimi，我们运行 Qwen 模型集， [00:19:41]
Andrew Feldman：我们运行 OpenAI 的模型，即闭源模型。我们为葛兰素史克等公司运行模型，这些模型是他们编写和开发的。我们为阿联酋的合作伙伴 G42 和 MBZ UAI 运行模型，这些模型是他们设计的。所以我们有各种各样的产品。 [00:20:05]
开源模型与人工通用智能
Andrew Feldman：那是他们设计的模型。所以我们有各种各样的产品。所以主权是一种趋势。主权是一种趋势。我认为政府对《神鬼寓言》和《5-6》采取的行动，他们说，哦，哇，让我们想想，然后我们就可以采取行动。我认为，特别是在欧洲，这是一个警钟。
Chamath Palihapitiya：当你看到这种情况恶化时，我们国家现在存在一层党派之争。可以说是相当热烈了。达里奥显然不属于本届政府。他们一直非常敌对。双方都承认他们现在正在开始解决这个问题。因此，我认为，如果我们不与这些政党共处一室，就很难理解什么是党派之争，什么是诡计。但你相信他们发布的内容对于网络战、网络攻击来说确实是危险的吗？如果你要评价达里奥，而不是沟通，因为他是一个非常热情的沟通者，我认为这是一种外交方式。但为了按计划推出版本，我们将放弃政府对其的控制。但你认为我们现在这样做明智吗？您认为那里实际上存在重大威胁吗？ [00:21:25]
Andrew Feldman：有趣的是我以前从未见过它。我想如果我们退后一步说，这合理吗？我不知道现在是否是正确的时机，但当一个模型的思维具有足够的创造性，它对政府构成有意义的威胁时，我们希望你逐步推出它。是的。现在我看来这并不是没有道理的。一点也不。正确的。我的意思是，我们用强效药物来做到这一点，对吧？我的意思是，我们当然不鼓励进行七年的试验以及 FDA 积累的大量文书工作和所有垃圾。但有了强大的新技术，说“嘿，伙计们，我们至少在政府里进行一些红队合作”似乎并不是没有道理的。 [00:22:19]
Chamath Palihapitiya：所以我们知道我们的防御可以阻止这一点。我们检查过该国的基础设施吗？美国国家安全局的。我们检查过基础设施吗？
Andrew Feldman：你的，对吗？您能给我们两到三周的时间来修补发现的任何明显漏洞吗？对于政府来说，这似乎并不是一件无理的事情。
Chamath Palihapitiya：正确的。但我们，在这个两极分化的时代，更重要的是，哦，天哪，是特朗普总统在做这件事。然后你必须想，如果是总统 AOC 或
Andrew Feldman：总统先生，有人处于两个极端之间吗？我认为两极分化造成了很大的伤害。这会伤害清晰的思维。确实如此。这会伤害清晰的思维。双方都会做一些愚蠢的事情和一些非常聪明的事情。正确的。正确的。事实上，我发现政府人员正在非常努力地努力。普通士兵。普通民众正在非常努力地努力。而且这一切进展很快。我认为有能力抛开一些两极分化，并说，我们如何以合理的方式做到这一点？ [00:23:26]
Chamath Palihapitiya：我的意思是，我们希望达里奥和山姆疯狂地竞争。 100%。我们希望他们这样做。观看起来真是太棒了。太棒了。是的。正确的？这对技术有好处。
Andrew Feldman：对于企业家来说，看到即使有数千人，这也是你可以继续实现的目标，这是件好事。正确的。正确的。这是一个驱动器。踢谷歌的屁股。这是正确的。他们变得更加敏锐。这是正确的。亚马逊开始苏醒。每个人都因此而变得更好。我们想要那个。我们当然不希望成为一个我们首先要做的事情就是对其进行监管的地区。正确的。正确的。但随着它变得更加强大。
Chamath Palihapitiya：也许这个行业真的应该更好地自我监管。看起来他们确实正在开始这个过程，但也许缺乏沟通。 [00:24:10]
Andrew Feldman：是的，你知道，我认为他们不仅在努力比赛，而且在比赛中也发明了这一点。是的。正确的。没有剧本。不，对。他们正在发明，我们说，哦，只要装上护栏即可。好吧，他们必须设计护栏。当然。正确的。护栏有影响。你知道，FAST 所做的事情之一就是它让护栏不那么痛苦。也就是说，我们在过去六周内发现了这一点。是的。就是护栏会增加时间并让人感觉更慢。像我们这样快速的船只确实可以提供帮助。所以他们正在与竞争赛跑。他们正在与自己的伟大感赛跑。是的。正确的？这甚至可能是这里最大的驱动力。我认为他们正在认真思考如何做正确的事情。所有这些都混合在这个桶中。有时你站在一侧而不是另一侧，是的，正如你所说，这是 [00:25:13]
Chamath Palihapitiya：第一次是对的，当我们 3.5 发布时，它不像我们使用 ChatGPT 2.5 时那样，3.5 会导致网络瘫痪，但在与 palo alto Networks 的 nikesh 交谈时，我问他，嘿，你会如何评分，他说我们将其与我们的软件进行比较，我们发现了我们不知道的错误。是的，它杀了他们。是的，他说，我们必须停止我们正在做的一切
Andrew Feldman：并进行为期六周的补丁。是的，那时你就知道了，对吧？我的意思是，日经指数实际上可能是领先的安全软件公司，对吧？当它在一小时内发现数十个关键打开时，您会想，哇，这是我们需要思考的强大工具。也许你先向一群人展示它，对吧？也许你，我不知道什么是正确的，但是。我的意思是，红队。正确的。 [00:26:07]
Chamath Palihapitiya：我们一直以来，当你发布新版本的操作系统时，你知道，当你拥有 iPhone 时，你可以说，我想成为测试版的一部分。这是正确的。你知道？正确的。还有另外两个测试版，您甚至没有机会作为消费者选择加入。正确的。那些是为了安全。这些是为了确保您不会丢失数据或泄露数据。这是正确的。消失或泄漏或-腐败。
Andrew Feldman：任何数量的这些东西。我想我们也可以知道将会有大量的数据泄露。当然。我们知道这一点。是的。正确的？就像沃伦·巴菲特谈论再保险行业一样，你知道会发生不好的事情。你不知道什么时候，但你必须攒钱。正确的？你存钱买保险，但龙卷风将会发生。将会发生大地震。我的意思是，我们知道这一点，我们可以尽力做好计划，但将会出现大规模的违规行为，我们必须提前做好准备。我们必须考虑一下，考虑当时的正确反应，并为特定未知的未来做好准备，但总的来说，我们非常确定会发生一些事情。将会发生一些事情。 [00:27:19]
Chamath Palihapitiya：是的，这通常是一只黑天鹅，对吧？这是正确的。根据定义，这将是我们没有考虑过的事情或我们不知道要问的问题。正确的。但即使知道存在一些未知的未知因素也是一个有用的起点。是的。我们没有问自己什么？这是正确的。通过推理，人工智能将能够告诉我们，嘿，愚蠢的人类。这是正确的。顺便说一句，这是你没有想到的。这是我在进行提示时的结束语，例如，我需要您给我一个提示，以帮助我进行趋势侦察。然后我总是在最后说，请检查你的工作。正确的。然后告诉我在我的目标方面我还没有考虑到什么。每次执行工作时都问我一些问题。这改变了一切，因为就像，我检查了我的工作。顺便说一句，这是不正确的。正确的。我想知道，嘿，你希望我也这样做吗？有些工具（例如 Perplexi）会自动执行此操作。他们会给您接下来的三个提示。但如果你给它明确的指示，大人，它会擅长吗？所以，你知道，在过去 10 年里，当我筹集资金时， [00:28:29]
Andrew Feldman：我认为在一次谈话结束时有人问我的一个更聪明的问题是，你听到的最聪明的问题是什么，但我问的内容没有涵盖？太不可思议了。正确的。现在，这个人充满好奇、思考、谦虚，并试图利用这一点来了解这个空间。如果你可以问人工智能，它可以拓宽你的视野，你知道，也许我应该问什么问题才能成为这方面的专家？博士级别的提问者会问这个或金牌数学什么？我的意思是，我认为这些问题是你知道你甚至不知道如何问的。 [00:29:13]
Chamath Palihapitiya：你知道，如果你开始思考通用人工智能和超级智能，你知道它们只是定义，但它们是重要的定义，我认为要牢记在心，因为它们是正确的航路点，通用人工智能我想我怀疑你会同意我的观点，我们已经实现了目标，我们只是还没有完全部署它，我们现在有了通用人工智能，感觉就像我们在谈论这些推理时刻和它变得智能的能力一样
Andrew Feldman：作为任何人，但让我们谈谈——当然，无论从我们 20 年前的定义来看，我们已经达到了目标。是的。正确的。我的意思是，如果你仔细想想，哦，有一个图灵测试，把它吹走了。是的。我的意思是，你想想任何一段时间，比如 10、15、20、30、40、50 年前， [00:30:02]
递归学习与超级智能
Andrew Feldman：是的。我的意思是，你想想任何一段时间，比如 10、15、20、30、40、50 年前，我们之前提出的任何定义，我们都已经过去了。所以-
Chamath Palihapitiya：这又回到了我们之前的观点，我们知道要问的问题吗？这是正确的。 20 年前，科幻小说作家发表了自己的看法，我们回答了他们所有的问题。正确的。如果他们今天看到这个，他们会说，好吧，我没有问题了。我没有问题了。对不起。这就是倾听那些有时听起来像是处于边缘的人的声音。正确的。
Andrew Feldman：当伊利亚八或十年前谈论安全的必要性时，你会想，什么？死对了。是的。正确的？当埃隆谈论建造火箭并将运载火箭的成本降至接近于零时，你会想，什么？就在那里。现在你可以看到它了。我认为这就是为什么现在成为一名技术专家真的很有趣。
Chamath Palihapitiya：正确的。嗯，具体来说，对于这些工具，您知道，我们正在讨论构建所有这些工具，然后这些工具开始在这个递归循环中构建自身。这是正确的。我们才刚刚开始看到人们应用循环。事实上，当我在做我的趋势时，循环最大化就成了。当我做我的趋势事情时，它不断地拾取循环循环，它不断地拾取最大的东西，它为我创造了一个流行词，循环最大。正确的。然后神奇的是，人们开始谈论循环最大化。我当时想，哇，这真的很奇怪。它预计其他人类会想出这个词。但先谈谈递归，然后谈谈超级智能之路。安德鲁，你有办法思考超级智能以及它对人类意味着什么以及我们将如何定义它以及我们将如何体验它吗？我认为让我们开始循环最大化或递归学习。 [00:31:57]
Andrew Feldman：我认为萨姆和伊利亚以及后来的达里奥和丹尼斯在六年前或五年前看到的是强大的递归增益是指数级的。你变得更好了，你再做一次。如果你继续获得收益，那条曲线的斜率就会非常陡峭。是的。我们现在才刚刚开始看到这一点。你问它一个问题。您可以从结果中学习。你要求它再做一次。结果变得更好，并且添加了更多信息。你的答案会变得更好。你要求它再做一次。它涵盖了更多材料。这些循环产生的答案不是一点点好，而是好得多。是的。这是非常强大的，因为我们不太知道它的尽头在哪里。正确的。你不断地向它投入计算。我的意思是，答案有多好？我们用完了代币或预算。但天哪。我的意思是，指数什么时候停止？或者答案是否一直向上、向上、向右？是的。现在这是一个非常有趣的智力问题。是的。比如，我们什么时候没有问题需要解决？嗯，没错。什么时候问题不再是智力问题，而是人的问题？是的。正确的？如何组织人们完成人工智能的要求。正确的？我的意思是，正如你所知，在经营你的公司时，你的很多问题都不是智力问题。他们是一起解决问题的人。是的。正确的？动机。动机。作为领导者，您花费大量时间向团队喷洒 WD-40。正确的。正确的？所以摩擦力就减少了。我们如何从人工智能中了解这些？极好的。我们如何从人工智能中获得行为洞察？我认为这就是世界模型在开始观察人类行为时将为我们带来的一些东西。是的。我们甚至没有做到这一点。 [00:34:14]
Chamath Palihapitiya：这将是另一次采访，但是当这些东西跳出屏幕并进入现实世界并且递归开始时，我并不是想解决数学问题和人类最困难的问题，但是嘿，这里有一个令人难以置信的世界，这里是凡尔赛宫。就像现在一样，我们为我制作一个新版本的 Salesforce。我们就像，嘿，你知道吗？我想要一座凡尔赛宫。我在德克萨斯州或内华达州的某个地方拥有 100 英亩的土地。我只会派 1,000 名乐观主义者去那里。让我成为凡尔赛宫。听起来很梦幻，但对于生活在 1000 年前的人们来说，凡尔赛宫似乎很梦幻。我认为，对于建造它的人来说，这真是太棒了。甚至对建筑商来说也是如此。我认为他们在建造它时对它感到敬畏。是的，他们正在复合递归学习。这是正确的。我们谈到的几代人，你们在建造这个地方方面确实有如此伟大的洞察力，你们有一代又一代的泥瓦匠。 [00:35:15]
Andrew Feldman：是的，我认为在所有这些大型项目中，通常都有一些家庭是专家，而你是你父亲、你叔叔的学徒。当你有一个需要 50 年、70 年或 100 年的项目时，同一个家庭可能有三四代人，对吧？同一个石匠家庭在同一结构上工作。并传承所学。
Chamath Palihapitiya：新的创新。正确的。这就是我们使用新模型建模的内容以及您在基础设施中构建的内容。当你想到这一点时，这真是令人难以置信。尤其是当我们坐在这里的时候。但节奏。
Andrew Feldman：我的意思是，这就是我认为人类学习的问题在于它经常以一代人的速度发展。与大象和其他大型哺乳动物一样，我们没有世代，而是每 15 或 20 年一次。如果你想快速地跨越几代人，你希望它们更像果蝇、果蝇那样发生。你一天想要两个。是的。正确的。然后你会在遗传学中看到这一点。这就是为什么我们在遗传学中研究它们，因为学习 DNA 中的编码，你可以研究数千代。我认为我们所得到的就是人工智能中的等价物。我们的学习速度如此之快，相当于数千代人的时间。 [00:36:43]
Chamath Palihapitiya：是的，达尔文会对这种进化速度感到敬畏。完全正确。你可以这么想，我记得当我获得心理学学位时，他们正在教我们范式，我想尝试理解范式是如何转变的。教授对我说，杰森，你必须明白范式不会消亡。他们不这样做。人们确实如此。这是正确的。 [00:37:11]
Andrew Feldman：弗洛伊德就是这样。他和托马斯·库恩，没错。弗洛伊德、斯金纳和杨，他们都死了。这是正确的。对于下一个范例。新一代。去质疑它。那就是20年。有时40年。正确的。由于他们的学生一直保持着领导地位，直到有人说，也许我们可以采取不同的做法。我认为你所看到的是，这种迭代缩短了代际差距，而且学习速度如此之快。
Chamath Palihapitiya：与你交谈总是很棒，因为它只是在智力上，所以你的方法在智力上非常严谨，而且世界上有这么多的 P-Doom，我感觉很好，你对这项技术如此乐观，并且你在构建它时深思熟虑。我认为，对于那些听到这些关于人工智能和失业等一切的恐怖故事的人来说，他们需要明白，有像你这样的人正在以一种令人难以置信的深思熟虑的方式构建这个。这将为人类带来难以想象的净效益。是的。我们有机会尝试这项技术。所以不是我们的孩子， [00:38:27]
Andrew Feldman：他们认识的人也没有死于癌症。好的。我的意思是，就这样说吧。经济将会出现一些混乱。当然。将有。当汽车到来时，就会出现混乱，而对于一个赶马的人来说，是的，或者制造马车是一件很糟糕的事情。是的。但你也必须反对这一点，你知道，泡茶时要考虑利弊。是的。正确的。我们的孩子、他们中的任何人以及他们所爱的人都可能死于癌症。这就是其中之一。我们可以用这项技术来做一些事情，我们将会有很大的购买力。我认为你开始列出这些，然后这是一个更深思熟虑的讨论。是的。无限的能量，无限的卡路里，无限的知识，无限的教育，无限的住房。以及我们如何做到这一点。想象一下，我们知道如何教孩子，但我们却不这么做，对吗？亚里士多德是亚历山大大帝的导师。苏格拉底是他的导师。我们知道，如果你给孩子找一位导师，并且导师修改了孩子的教学方式，他们就会学得更好。这不是我们教学的方式。不，工厂化养殖。这是正确的。我们教某种中级水平的人。想象一下，如果我们建立代理来教授孩子们的学习方式。正确的。正确的。就是这样，一千年来我们一直在这样做。并且期间 [00:39:46]
Chamath Palihapitiya：在整个过程中，我们知道如何做得更好，但我们选择不这样做。这就是我们可以做到的方法。把它放在专业方面。因此，只要我们深思熟虑、公平地写出好的和坏的，我认为结果会非常好。你必须走出去，安德鲁，继续传达你对世界的看法 [00:40:02]
生成式视频的技术突破
Chamath Palihapitiya：继续传达你对世界的看法，因为有些人看到了即将发生的事情，他们会有点紧张，好吧，这很公平。但我认为，正如你所描述的那样，账本非常注重丰富性。我认为这肯定会创造丰富。大量丰富。安德鲁.很高兴，总是很高兴与您交谈。六个月后我们检查时见。那太好了。
Jason Calacanis：产业、资本和情报正在融合成一个单一的、相互关联的系统，其背后的基础设施也需要同样快速地发展。纳斯达克就是为了这一刻而建立的，为全球超过 135 个市场和监管机构提供动力，并将资本与塑造未来的公司联系起来。随着创新经济的加速发展，互联互通成为关键资产。纳斯达克是领先的技术平台，使之成为可能且可扩展。如需了解更多信息，请访问 nasdaq.com。
David Friedberg：Robin Rombach 是黑森林实验室的联合创始人兼首席执行官。您的总部设在德国黑森林，这是德国的一个城市。其实这是一座山脉。山脉？是的。你在哪里长大？我长大的地方，是的。您正在研究开源图像和视频模型。您在稳定扩散公司工作过一段时间。这是正确的。对此要咬牙切齿。您因开源模型 Flux 以及某些闭源模型而闻名。请告诉我们黑森林实验室的业务。业务是什么以及目标是什么？ 100%。 [00:41:31]
Robin Rombach：快速补充一下。我们的总部位于黑森林。这是一个叫弗莱堡的小镇，位于旧金山。哦，当然是在旧金山。你要分配时间吗？我在一定程度上分配我的时间。两年前我们创办了一家公司。正如你所说，我和我的联合创始人过去一直致力于稳定扩散。在此之前，我们发明了一种称为潜在扩散的算法，它基本上是现在用于图像生成、视频生成甚至物理人工智能的所有生成模型背后的基本算法。它基本上利用了这个原理，您可以将自然数据（例如图像、视频、音频）压缩为更有效的表示形式，然后在此基础上训练变压器模型。我的意思是，这就是 JPEG、MP3 之类的东西。几年前，当我们还是慕尼黑的博士生时，我们基本上将其转化为神经算法。然后在此之上，我们建立了稳定的扩散。除此之外，还有我们今天正在开发的生成模型。当然，技术已经进步了。但我想说，我们现在正在研究的模型确实是为了理解我们周围的整个世界而设计的。多模态视觉模型，同时对图像、视频、音频数据进行预训练。我们现在正在进入一个新的范式，它将其与所谓的动作预测相结合，这样你实际上可以使用相同的模型来制作图像、制作视频、制作音频和预测动作，这意味着你最终可以将其部署在现实世界中的机器人上。 [00:43:26]
David Friedberg：哇。因此，从图像到视频、音频，然后最终是具有机器人技术和现实世界模型的现实世界，因为如果你可以制作图像并且可以训练模型，这意味着默认情况下你了解世界。为了制作一个关于世界的视频，你必须了解这个世界。是的？还有里面的物体呢？
Robin Rombach：我认为这是一个很好的思考方式。这就像一种与世界互动的直观方式。我想说最终存在这些互补形式的智力。有直觉智能，然后有深刻的推理层。现在，最终您需要一个完整的表格，两者都需要。并且您需要他们进行互动。我认为我们更多地从直觉的角度来处理它。图像是处理整个领域的一种非常自然的方式，因为它不像视频那样需要大量计算。但现在，是的，我认为我们正在将其结合起来。它正在融合成一个多模式模型。是的，我们看到就像视频预训练一样，可以提供对与现实世界交互的物理原理的隐式理解。然后你可以从同一个模型中得到诸如动作预测之类的东西，比如机器人技术。 [00:44:45]
David Friedberg：通过这些模型和训练，在创建视频和创建图像方面存在一定的局限性，对生成式人工智能的批评是它有点像老虎机。我给出一个提示，它给我一些反馈，但它是怎么得出这个结果的呢？训练数据，但也许我想要不同的风格，也许我想要不同的颜色，也许我想要不同的审美。这个问题如何解决？您是否真正了解在幕后制作图像时发生了什么？是的。 [00:45:32]
Robin Rombach：是的，我认为最终是向构建在该模型之上的用户或开发人员公开尽可能多的操作层，我不知道，对吗？我想我们过去已经看到过这一点。过去的图像模型，基本上是从简单的文本到图像系统开始的。正确的。然后它们扩展到文本加图像到图像系统，这意味着您可以突然拍摄图像，例如真实图像或生成的图像，并根据文本提示对其进行迭代，例如编辑它，修改它，对吗？然后，这扩展到获取多个图像和文本提示，并以语义方式将它们组合起来并生成新内容。同样的原则现在也适用于视频。我认为现在当所有这些模式实际上都是同一模型的输入和输出的组合时，它实际上变得更加有趣。那么我们来谈谈视频吧。 [00:46:30]
David Friedberg：有消息称您将与有史以来最伟大的导演或在世导演马丁·斯科塞斯合作。我们稍后再讨论这个，好吗？极好的。但在电影中，马丁·斯科塞斯（Martin Scorsese）会自豪地向他的粉丝发布能够制作一部具有摄像机角度和声音的电影的承诺。 [00:47:00]
Chamath Palihapitiya：我们有多接近，也许可以告诉我们一些关于这种合作关系的技术能力
David Friedberg：制作一部像《好家伙》这样的真实电影或《好家伙》中的场景，与今天的情况相比，你可以制作有趣的五秒或十秒剪辑，然后也许人们如何努力制作其中的 10 个，然后他们使用一些后期编辑软件将它们放在一起，但你立即明白，这不是那样的。这不是一部电影。这是人工智能的废话。这很糟糕。它没有通过恐怖谷。
Robin Rombach：嗯，我认为这很重要，至少我们认为这些人工智能模型是一种媒介，对吗？我们不想设定任何如何使用它们的方式。我们不想告诉任何人，尤其是像马丁·斯科塞斯这样的人，他应该如何使用他的模型？就像他是有史以来最伟大的电影制片人之一一样。多次与他坐在同一个房间，而他实际上看到了，就像探索我们的模型一样，这真是太疯狂了。就像背后的一位核心研究人员一样，这就像一种疯狂的感觉。正确的。同时，我也是一个超级粉丝。 [00:48:11]
David Friedberg：所以你和马蒂·斯科塞斯坐在一个房间里，向他展示了你的工具。确切地。是的。他的反应是什么？他关掉了什么？他觉得最鼓舞人心或最有趣的事情是什么？
Robin Rombach：我认为这确实是这样的想法，他的脑海中清楚地浮现出一个场景或风景，也许一部新电影将在那里拍摄。他正在尝试探索这一点，我们基本上看了东欧某个村庄的风景，他正在描述它。我们看到了一些输出，我们对输出进行了迭代，最终我认为，这就是他最后所说的，这就像从你的头脑中获取某些东西的心理图像，并通过制作这些图像或一系列图像以视觉方式传达它，这样可以更容易地传达和传达你头脑中实际内容的想法。我认为这是使用这项技术的非常有趣和强大的方法之一。我认为最终......是为了获得灵感，将愿景从他的头脑中转移到图像上。是的，我的意思是，语言最终有点像一种有损的沟通媒介，对吧？是的。它也有不同的解释方式，但视觉信息是如此丰富，如此丰富。就像图像或视频一样，其中包含大量信号。这就像另一种沟通方式。我认为这就像这项技术最终实现的美好事物之一。我想到了你关于用我不知道的视频生成模型制作完整电影的问题。我不确定这是否是最终目标。 [00:50:01]
生成式AI与电影创作
Robin Rombach：我不确定这是否是最终目标。也许将其插入某种代理工作流程并制作一个很长的视频会很有趣。我认为探索这一点真的很酷。但我认为最终，真正有趣的用例是当你有一个人在循环中迭代并使用它作为媒介时。我认为这至少是我认为有趣的观点。这通常是最有趣的输出到达或实际产生的时候。对于 Gen 和 AI 来说，集思广益的制作水平显然是一个巨大的胜利。基本上，你可以让你的头脑风暴陷入瘫痪。是的。
David Friedberg：是的，我喜欢这样。瘫痪你的头脑风暴。他们对此有一个类比。他们制作故事板。一些伟大的导演，例如《异形》和《角斗士》的雷德利·斯科特，都以自己制作电影而闻名。我还相信斯皮尔伯格也喜欢画《夺宝奇兵》之类的草图。乔治·卢卡斯因与许多出色的艺术家合作而闻名，甚至为《星球大战》系列制作微缩模型和故事板。他让那些人全职帮助他做这件事。所以这就是明显的起点。但如果我们看看初创公司，就会发现初创公司总是想弄清楚如何以低成本做某事。人们曾经花费 10 万、25 万美元为自己的初创公司制作发布视频。因此，他们获得了 1000 万美元的风险融资，并花费 25 万美元制作了发布视频。我看到我现在投资的很多初创公司，他们只会花一两周时间与导演一起制作发布视频，你可能已经看到了这种趋势，是吗？我确信人们会使用 Flux 和你们的一些模型来实现这一点。你见过这个吗？是的，当然，是的。是的，你对此有何看法？因为这感觉像是讲故事的早期阶段。您试图以一种有趣、引人入胜的方式传达产品或服务 [00:51:54]
Robin Rombach：有力的，30秒，90秒的方式，是吗？我的意思是，我认为我们支持基于这些工具的探索，对吧？我认为最终很高兴看到所有不同类型的（我不知道）发布视频、产品都建立在相同类型的基本模型或相同技术之上。我认为这就是它如此有趣且如此强大的原因。是的。 [00:52:21]
David Friedberg：人们还使用这项技术做什么？我知道一部比特币电影即将上映。在这部比特币电影中，我没有使用绿屏，而是与扮演神奇女侠的女演员盖尔·加朵交谈。盖尔·加朵.是的，当然。我在一次活动中与她交谈，她告诉我这是尤里·米尔纳 (Yuri Milner) 举办的突破奖活动。她告诉我她刚刚拍了一部比特币电影，他们是在没有绿屏的摄影棚里拍的。但所有演员都只是在摄影棚工作。然后他们背后的所有风景都是由生成人工智能完成的。那是一部真正的电影。这是一部耗资3000万美元的电影。她表示，如果他们必须搭建布景，则需要花费 1.5 亿美元，而且这部电影永远不会获得批准。您是否开始看到人们在生产中使用它？不仅在后端和构思阶段，而且在实际生产中还使用您的工具吗？是的，我们在生产中看到了一些类似的用例。 [00:53:21]
Robin Rombach：我认为高端电影制作是要求最高的用例之一。我想我很高兴它正在被探索，但我也真的很想......我认为重要的是看到这项技术正在走上正轨并且正在改进。它正在迅速改善。我不知道，如果我回顾几年前我们开始的地方，当我在这个领域攻读博士学位时，唯一能做的就是 64 x 64 像素的图像。像素，现在您可以以高分辨率制作多分钟的视频。但它不会就此止步。它将继续改进，我认为它将解锁更多的高端用例。但我认为最重要的是……我们多久才能做到这一点？是的。我认为很难预测。很难预测，我认为最终......几年。最终，我认为您仍然希望拥有能够实现这种人机交互的工具……当然，是的。工作流程，对吗？但我认为，当我从整体上看待多模态生成模型时，我认为真正让我兴奋的是你可以使用相同类型的人工智能模型来制作电影并将其部署为机器人的大脑。我觉得这真是太有趣了。我不知道，有一些关于在数字世界中尝试这一点的想法，例如，计算机的使用。这是否真的有效还有待观察。但我认为这项技术是如此强大且用途广泛，而且它正在向这个方向发展。所有关于世界模型、世界行动模型的讨论，基本上都是一样的。我认为这就是它如此有趣的原因，也是我觉得最令人兴奋的原因。那么您认为该技术将用于分析还是主要用于分析现实世界？ [00:55:18]
David Friedberg：就像这是某人制作三明治的视频。现在我们让机器人研究它并制作三明治。或者你认为会产生大量的合成数据，然后机器人只会研究合成数据，或者它们会根据所有这些大量的训练数据以某种方式天生地知道？我认为这是预测的结合，对吗？
Robin Rombach：预测是一种方式，你可以将其视为模拟、生成。它是预测动作，也就是说你必须理解输入、视觉输入才能真正预测合理的下一步动作。这与感知有关。就好像只有当你理解、感知内容时你才能做到这一点。然后你只能，我不知道，比如将其转换成新的内容或预测一个动作或描述你在该场景中实际看到的内容。我认为，所有这些的结合才是推动这一趋势的因素。他们一个也没有。这是这些想法的组合。获取训练数据的最佳方法是什么？ [00:56:26]
David Friedberg：你是否需要让人们戴上眼镜，获得第一人称视角，让他们戴上手套，这样你就有了保真度的理解，嘿，这个玻璃在移动，我正在倒这个玻璃，我正在往里面放冰，这就是它的工作原理，以及飞溅和冷凝水，这样我就可以把它捡起来，而不是因为外面是湿的而掉落它？或者只是，嘿，拿 YouTube 视频的语料库，机器人就知道该怎么做，因为他们会找到一千个人们倒饮料的视频？
Robin Rombach：我的意思是，最终，我认为你会想要去一个可以在上下文中提示机器人的地方，就像你可以使用语言模型一样。基本上，只要告诉它，嘿，去，我不知道，拿起这个杯子，里面装着我不知道的橙汁或其他什么东西。是的，完全正确。我们还没有到那儿。但我认为这是目标之一。我认为目前这些模型的部署方式是，工厂中运行着许多不同的硬件、不同的机器人，它们都有某种不同类型的动作表示，您需要对模型进行调整，对吗？因此，在实践中，您所做的就是在模型中获得所有这些视觉理解，然后您只需要很少的一点（例如几个小时的微调数据）即可针对该特定任务调整模型。我认为我们的目标是从这种情况转向尽可能多地结合上下文，但这有点是一个研究问题。我认为开源现在正处于一个风口。我们最近在播客上对此进行了很多讨论。 [00:58:09]
David Friedberg：人们也在谈论主权。有些公司拥有令人难以置信的知识产权库。我之前提到过星球大战。迪士尼拥有一个令人难以置信的图书馆。对于像迪士尼这样的公司，您有什么建议？他们应该采用您的开源软件，训练他们自己的模型，还是与您合作训练他们自己的模型来控制它。然后，嘿，这是我们的 IP。他们已经明确与 ChatGPT 合作，并表示，嘿，你可以但不能使用某些字符。事实上，OpenAI 与他们之间的关系对于 Sora 来说已经不再发生了，但他们正式授权了一些角色的输出。那么您如何看待这些主要知识产权持有者呢？您对他们有什么建议？您正在与他们讨论吗？我们知道 Martin Scorsese 或 Tor 的交易，但您如何看待内容库？
Robin Rombach：我认为...看，我认为最有趣的用例，如果你考虑内容创建，就是生成一些东西，制作一些以前没有的东西，对吧？这是这项技术的一个基本且有趣的方面。然后我认为，当谈到知识产权时，我们在面向公众的工具上实现的，例如，你无法用这些模型生成某些知识产权，对吗？我认为这是一种明智的做法。然后，是的，我们确实与某些知识产权持有者合作，与他们一起开发模型。其中一些基于我们的开源模型，其中一些基于我们更强大的专有模型。但我认为这是一个非常有吸引力的价值主张。那里的愿景是什么？您认为未来几年对于消费者来说会是什么样子？当你打开迪士尼+时可能会发生什么？我的意思是，这是一个好问题。我不在迪士尼，对吧？所以这由他们来决定。但我认为我们希望让他们能够构建他们设想的各种东西。 [01:00:02]
开源生态与内容未来
Robin Rombach：建造他们想象的各种东西。我认为我们可以支持他们。我不知道，我们可以支持该领域的其他公司以尽可能最好的方式整合技术。我认为它非常有趣的角度之一是它变得越来越快。它变得更具互动性。我可以设想一大堆非常有趣的交互式内容创建工具，您可以将它们托管在迪士尼+或其他地方。我认为在这方面我见过的最有趣的就是粉丝电影。正确的。
David Friedberg：所以在生成人工智能之前还有一个类别，即同人小说。人们会写自己的星球大战故事。然后出现了粉丝电影，人们会打扮成绝地武士并录制自己的电影。乔治·卢卡斯说，只要你不做商业用途，不出售它，我就允许你拍绝地电影。他们甚至发布了如何制作光剑或者如何制作光剑声音之类的声音文件。现在人们正在拍摄《星球大战》宇宙中尚未讲述的故事，他们正在使用人工智能重新创建它们，对于粉丝来说，他们在 YouTube 上变得非常受欢迎，《星球大战故事不为人知》是我认为最大的一个，每个视频已经获得了数百万次观看。我认为未来确实是让客户群支付许可费或付费，也许租用软件，或者也许基于输出，让他们对角色进行创意。让他们创造自己的故事。 [01:01:35]
Robin Rombach：您可能处于一个独特的位置来实现这一目标。嗯，100%。我认为，如果你找到一个适合 IP 所有者的模型，同时也可以实现超级创意定制用例，我认为那就太好了。我的意思是，对于我自己来说，当我读一本书或其他什么东西，比如看电影时，我想要很多想法，如何以不同的方式完成它，或者这可能会发生，对吧？这真是太棒了，你实际上可以让人们将这些想法形象化。是的，这将是令人难以置信的。以此继续取得成功。您在旧金山设有办事处。你在招人，是吗？我们确实这样做，是的。你已经筹集了一大笔钱。我们筹集了一大笔钱。我们刚刚超过了100人。我们正在德国和旧金山招聘。极好的。你在找谁？什么是合适的人、合适的技能？是的。一方面，我们一直在寻找有大规模模型训练经验、扩散模型训练经验、流匹配训练经验的研究人员。我们正在寻找愿意与客户合作开发这些定制物理人工智能解决方案的工程师。或者，例如，与知识产权所有者一起共同开发这些模型。我们正在寻找在大规模计算基础设施、管理开发人员以及确保培训顺利进行、最大限度地提高 MFU 等方面拥有丰富经验的工程师。我们正在寻找有兴趣将技术交到人们手中的人。对此的前沿部署，有这么多伟大的想法和这么多伟大的合作伙伴。 [01:03:17]
David Friedberg：我认为，特别是对于开源，公司似乎确实希望拥有一些额外的控制级别。但他们还需要前沿模型或您的专有模型来实现其中一些精致的功能。所以我认为你有一个非常光明的未来。 100% 准确。好的。持续成功。非常感谢你做这个节目。太感谢了。很高兴。我要全力以赴。
Jason Calacanis：我要全力以赴。
Robin Rombach：谢谢。 [01:04:25]