这个系列会阶段性的分享一些读到的、看到的优秀的内容，以及一些思考，希望对你有帮助。
1、8月24日，李沐在母校上海交大进行了一场1小时的演讲，确实听下来挺有共鸣的
先介绍下李沐：上海交大2011届计算机科学与工程系本硕系友。曾担任亚马逊资深首席科学家，任加州大学伯克利分校和斯坦福大学的访问助理教授，是前Marianas Labs联合创始人。他的研究关注分布式系统和机器学习算法，发表了50余篇人工智能顶级会议论文，在CMU读博期间更是两年内发表了理论计算机领域的FOCS、神经网络领域的NIPS、数据挖掘领域的KDD和操作系统领域的OSDI等不同领域的顶级国际会议一作论文。他是深度学习框架Apache MXNet的创始人之一，合著了开源深度学习教材《动手学深度学习》。目前是BosonAI的联合创始人。B站有80w粉丝，很多AI领域的学生都看过他的视频。
再说下这个讲座，我觉得比较精彩的两个地方是：第一，是他仅仅用了了30分钟，他就从硬件、算法、到数据，甚至是带宽详细拆解了目前大模型的瓶颈所在，从文本、到音乐、到图像、到视频，AI不同领域的应用也做了非常客观的解读，从原理上解释，破除了很多媒体营销号上夸张的宣传。第二呢，分享打工、读博、创业这几段经历的思考，并且给年轻人很多建议。相比之前在知乎上凡尔赛的文章（下面会附上），这个分享其实非常有诚意了，说了很多真心话，强烈建议看下原视频，如果不是技术背景的朋友，可以看后半段。
几个观点：
1）评估是解决任何实际问题的50%的事情，评估不等于打榜，各种大模型评测榜单上表现好的，综合体验下来可能并不尽如人意。评估打榜现在更多成为宣传手段了，但企业不能自己骗自己，能有更好的评估方法，对大模型能力提升会有更好的帮助。
2）AI写代码，在他认为目前能代替程序员一小时内完成的复制粘贴工作，距离解决复杂问题，还差很远。
3）预训练模型的重要性正在转变为一个工程问题，而非单纯的技术问题，比如花在数据准备上的时间和资源，可能远远大于训练。
4）硬件层面，李沐重点提到了带宽对分布式训系统的影响，这点确实不常被关注。
以下是现场的一些PPT截图：
两个原文：
李沐在知乎的凡尔赛文章（看似在讲困难，实际是在赤裸裸的炫耀啊~）：创业一年，人间三年 – 知乎 (zhihu.com)
李沐在交大的分享视频：杰出系友面对面|李沐讲座：大语言模型的实践经验和未来预测_哔哩哔哩_bilibili
2、碳基和硅基生命的融合
马斯克的Neuralink 第二名试验患者已经能打CS了，还能还CAD。
这名患者说：“现在我左右看就能让人物到处跑，不再需要用 Quadstick 左右移动了，这实在是太棒了……我看哪里，它就能指向哪里。这太神奇了”
马斯克脑机接口的愿景是让 AI 与人类融合，这也是我对于未来的预测，碳基生命和硅基生命融合，可能是我们文明长期发展下去的唯一路径。
原文地址：马斯克Neuralink受试者玩起了CS，还能画CAD，机械飞升还远吗？ (qq.com)
3、看了一个江南春在周鸿祎直播间里现场分享广告词怎么写，意思都懂，但能用他这样精炼、生动的语言表达出来还是非常厉害：
1）广告语是选择你不选择别人的理由，是营销战略的浓缩。
2）一个好的广告语：顾客要认、销售要用、对手要恨。（非常精辟）
我建立了一个分享AI资讯、知识、工具等信息的社群（目前超过几百名群成员），现在还是免费加入，我也会经常发一些福利，比如一些工具的体验权限等。如果你想加入，请加我的微信：aipcz1900
