a16zFei-Fei Li is Solving the Hardest Problem in Robotics | World Labs with a16z
World Labs 与 Scenix 正在把空间智能、三维世界模型和机器人仿真结合成“现实—仿真—现实”基础设施，以解决机器人训练数据稀缺、评估缓慢和真实测试昂贵的问题。双方认为近期机会主要在半结构化工业场景，而达到人类级通用能力与能效仍需很长时间。
10 个关键观点
AI 智能体播客整理
91 条已整理内容
a16z
Latent Space🔬 "The Most Innovative Diffusion Research Is Happening in Drug Discovery, Not Image Generation"
Genesis认为，AI药物发现的关键不是单独预测蛋白质结构，而是以高分辨率三维结构、物理约束、合成数据、实验反馈和智能体协同优化完整的小分子设计过程。Pearl的核心价值在于面向未见过的困难靶点进行泛化，并将预测精度推进到可供药物化学家实际决策的水平。
10 个关键观点
Google DeepMindThe arrival of AGI | Shane Legg (co-founder of DeepMind)
Shane Legg认为，AGI不是单一门槛，而是从最低限度AGI、完整AGI到超级智能的连续谱；最低限度AGI可能在数年内出现，随后将重塑认知劳动、财富分配和社会制度。真正的挑战不仅是提升能力，更是建立可监测、可回退且能随能力扩展的安全与伦理机制。
9 个关键观点
Latent Space🔬 Google's AI Scientist Started as an Attempt to Automate Kaggle — John Platt, Google Fellow
ERA把科学问题转化为可评分任务，再由Gemini持续生成、测试和改进代码；它显著放大科研效率，也同步放大过拟合、奖励投机和错误自信。真正不可替代的人类工作正在上移到问题定义、科学创造、严格验证与实验。
9 个关键观点
