月21日，2024世界机器人大会（WRC）在北京开幕。在这场由169家企业携600余款产品的展会中，具身智能以几乎单独“承包”一个场馆的阵仗，27家公司的人形机器人和机器狗吸纳了最多的观众。
在众多机器人的演示中，光锥智能发现各家企业执行复杂任务的能力明显变强，实用性也得到了很大的提升。
评：人形机器人目前处于技术繁荣期
开源，就要开的彻彻底底。
这不，Meta一连放出三篇技术文章，从大模型适配方法出发，介绍了：
如何使用特定领域数据微调LLM，如何确定微调适配自己的用例，以及如何管理良好训练数据集的经验法则。
评：对研究模型微调提供不少参考建议
不是吧，赛博试衣间，还真给整出来了。。。
最近，世超刷到了很多这样的帖子，把想穿的衣服丢给一个 AI ，就能实现丝滑换装。
比如老黄这焊在身上的皮衣，分分钟就能脱下来，换上这自带萌感的米老鼠短袖。袖口和腰部的褶皱细节，都能还原成真实上身的效果。
评：服装电商一个福利
上周，a16z合伙人Alex Rampell发布一篇文章，文章的主题很有意思：
AI将让软件成为新的劳动力。
根据Alex Rampell的逻辑，AI将通过软件取代很多人类的工作，让企业需要的岗位越来越少。
评：AI吞噬世界
随着最近AlphaFold 3和ESM 3的相继推出，我们看到了深度学习在生物学领域的无限潜力。
然而，Dyno Therapeutics的高级机器学习工程师Abihishaike Mahajan在上个月发布的一篇博文中指出了潜在的增长危机。
他认为，AlphaFold系列所取得的成果，即将一个强大的深度学习模型应用于一个已经存在大量数据的领域，从而引发一场彻底的革命——这是极难复制的。
原因还是数据。我们几乎用尽了所有预先存在的数据，未经训练的蛋白质结构和序列正在枯竭，RNA和DNA也是如此。
评：生物数据集一大贡献
DeepMind 发布用于新型蛋白质设计的 AlphaProteo，只需要通过一轮中等通量筛选，无需进一步优化，即可为许多研究应用生成「即用型」蛋白质结合剂。
AlphaFold 在蛋白质预测领域一骑绝尘，AlphaFold 3 更是突破限制，实现了所有生命分子的预测，其发布时便有声音称，AlphaFold 3 的结构化预测与生成将加速 AIDD (Artificial Intelligence-driven Drug Design，AI 驱动药物设计) 的发展。
评：AI 药物设计尝试
在今年年初，Cerebras Systems推出了专为训练 AI 生态系统最大的 AI 模型而设计的 WSE-3 AI 芯片。据介绍，这颗基于 5nm、4 万亿晶体管的 WSE-3 为 Cerebras CS-3 AI 超级计算机提供动力，通过 900,000 个 AI 优化计算核心提供 125 千万亿次峰值 AI 性能。值得注意的是，这是半导体代工合作伙伴台积电目前可以生产的最大尺寸。
评：推理市场分块蛋糕
目前，GPU是实现深度神经网络（DNN）最流行的平台。然而，由于它们的高功耗，这些通常不适合边缘计算(NVIDIA Jetson系统除外)。目前已经开发了各种各样的 AI 硬件，其中许多针对边缘应用。有几篇文章对人工智能硬件进行了广泛的分类，对AI加速器的当前趋势进行了总体概述。
评：另辟战场分AI芯片的蛋糕
最近在硅谷创业孵化器Y Combinator举行的活动中，Airbnb联合创始人兼首席执行官布莱恩·切斯基（Brian Chesky）的演讲引发了对“创始人模式”与“经理人模式”的讨论。Y Combinator创始人、硅谷创业教父保罗·格雷厄姆（Paul Graham）撰文，呼吁创业者坚持住“创始人模式”。
评：自家娃自己养
似乎我们在Life360(NASDAQ:LIF)身上找到一种真正小而美的企业模板。
有确定的业务方向——安全。专注自己的主业，通过不断丰富功能和完善产品体验来获得用户，通过附加值产品来获得收入。稳定有效的定价，使得普通用户转化为固定付费用户，不会可以通过运营活动来打扰正常付费用户的生命周期。也不会随便添加各种想当然的功能（我曾经多次见过企业老板亲自下场指点产品经理，擅自增加功能导致产品数据变差），让用户摸不着头脑。
专注，这就是Life360成功的秘诀。
评：专注”一个业务方向；围绕这个方向，建立自己的护城河；不断拓展这个方向的建立纵深和拓展横向业务覆盖，两者相比纵深更重要；