每日AI新鲜事·11月01日午间版：DeepSeek开源推理引擎

今天AI圈又有不少新动静啊,而且是那种越看越有意思的。

今天咱们主要聊这么几件,一是跨模态重复模式,二是一个开源agentic harness,三是智能眼镜AI agent,四是CS专业招生下滑,五是谷歌新笔记本免密设置。

然后重点聊两个,DeepSeek^广告开源推理引擎,还有开源模型之王的讨论。

嗯,这两条确实值得掰扯掰扯。

对,那我们一条条来,先从Reddit上一个挺学术的讨论开始。

刚在Reddit的MachineLearning板块看到个帖子,问的是文本、图像、音频这些模态里,是不是存在底层重复的技术模式。

比如说tokenisation和patch embedding,MLM和MAE,下一词预测和下一帧预测,名字不一样,但本质其实差不多。

你的感觉没错,这个观察其实戳中了一个挺尴尬的现状。

各模态都能看成序列或者网格数据,所以重复是必然的。但学术界一直没有一个统一的跨模态分类法。

文章提了四个维度,数据表示与预处理、学习目标、架构范式、任务类型,用多维标签替代模态标签,这个思路挺对的。

多维标签替代模态标签,这个说法有意思,等于说别老按文本图像分家了。

对,就是让研究者按模式找文献,跨领域迁移会顺畅很多,不然大家各起各的名字,知识就断层了。

第二条也是个Reddit帖子,有开发者搞了个开源agentic harness,Python加Rust混写。

这玩意儿能无线控制安卓和iPhone,自动打部落冲突、皇室战争,还能同时下棋、跑浏览器自动化,一脑多用。

这个架构分层很清楚,Python管高层逻辑和任务编排,Rust管底层设备通信和实时控制。

无线控制大概率走ADB和WebDriverAgent那套,之所以用Rust,就是为了低延迟和稳定性。

但它自动打游戏,这合规吗?游戏服务条款那关估计过不去吧。

你问到点子上了,游戏AI研究是一回事,真拿去上分就是另一回事了。

不过它开源的价值更多在跨设备控制和多任务协调,自动化测试这些场景反而更实用。

然后还有一条,也是Reddit上看到的,GitHub上有个叫raunakpatil/smart-glasses-ai-agent的项目。

就是给Ray-Ban Meta智能眼镜做个开源AI agent,能接Gemini、Claude、ChatGPT、DeepSeek好几个模型。

官方说它能控制电视和笔记本,还能看到你看到的、记住你的偏好,而且完全免费。

方向上确实值得关注,等于给眼镜叠了个外挂大脑。

但你看它公开信息,就一段简短描述,技术细节没有,演示没有,性能数据也没有。

设备控制兼容性、网络延迟、还有隐私,全是未知数。多模型架构本身是优点,但落地还得打个问号。

行吧,先放进收藏夹,等它更新演示再说。

接下来这条是Hacker News上看到的,彭博社的文章,说CS专业招生在掉。

理由有三重,岗位替代预期前置、技能门槛重新定义、教育供给滞后。

这里有个关键点,大家在争AI替代的是低端编码,还是整个职业阶梯的入口。

但共识是CS教育必须改,重心从写得出来,转向判断对不对。

那以后编程就只是个手段了?学生得多补领域知识和AI工具链能力?

对,纯编码课程会萎缩,但培养系统能力和AI协作能力的项目会活下来。

CS不会消失,但会分化,这个判断我觉得挺靠谱的。

最后一条轻松的,YouTube上有个视频,测谷歌新款笔记本Google Book的首次设置。

手机扫个二维码,账户、Wi-Fi密码自动同步,全程不用输密码,十分钟搞定。

这个体验确实顺,大部分时间其实花在选要复制哪些应用上。

进去的桌面跟Pixel手机的安卓桌面模式几乎一样,Material 3 Expressive那套设计。

它还是Chrome OS的继任者吧?留了桌面版Chrome和扩展。

对,安卓应用大屏上大多能自适应,但视频也说设备其他方面有问题,更像是安卓手机的伴侣设备。

好,新闻就先聊到这儿,接下来我们进入深度话题。

第一个深度话题,DeepSeek开源推理引擎,这个在B站上有个法国博主的视频特别火。

标题就很抓人,说什么中国AI直接开印钞机,单显卡俩月回本,暴利账本曝光吓傻美国同行。

这个视频的核心其实就一句话,推理成本被打下来了。

开源推理引擎意味着什么?意味着你不用非去堆英伟达的集群,单张显卡跑起来,两个月就能回本。

等一下,两个月回本这个账是怎么算的?它靠什么赚钱?

重点不在这里,重点在单位推理成本。成本一降,单卡就能对外提供推理服务,毛利自然就出来了。

美国那边习惯了大集群烧钱的玩法,突然看到有人单卡就能算账,当然觉得不可思议。

可这就矛盾了啊,如果单卡就能跑,那大厂堆那么多GPU还有什么意义?

这是个好问题。规模还是有意义的,大模型、长上下文、高并发,单卡吃不下来。

但中长尾场景,比如垂直行业的小服务,单卡这套就是降维打击。分层竞争,不是非此即彼。

所以它火起来,是因为撞上了大家对AI投入产出比的焦虑?

对,而且是在开源这个前提下。免费拿到引擎,自己买张卡,账本清清楚楚。

所以结论是,推理成本被打下来,意味着AI服务会从大厂专属,走向中小玩家也能算得过来账的时代。

第二个话题,还是DeepSeek,不过换个角度,开源模型之王的讨论。

B站上Matthew Berman那个视频,标题就叫深度求索碾压全场,开源模型之王回归。

这个讨论跟刚才那个其实是连着的,一个是引擎层,一个是模型层。

开源模型这两年一直在追闭源,但这次大家聊的是,它在某些维度上已经不只是追,是压。

压这个字有点重啊,它凭什么?

你看它把推理引擎开源了,模型也开源,等于把整条链路都放出来了。

闭源那边是模型给你、引擎自己猜,开源这边是全都摊在桌上,社区能改能调能部署。

所以开源模型之王这个说法,更多是说生态,不是单点跑分?

对,单点跑分各有胜负,但生态完整度这块,开源这一侧确实在拉差距。

总结一下就是,引擎加模型双开源,让DeepSeek从能打,变成了可被大规模采用。

好,那今天就聊到这儿,信息量是真的大。

是,尤其DeepSeek那两条,值得回头再细看。

行,我们晚上见。