top of page

思想馬拉松 迸發新知識

Updated: Apr 28

前兩星期我在北京參加了以「融合.創造與連接未來的新可能」為主題的第四屆「思想馬拉松」。活動結束時,計時器定格在23小時11分58秒。興奮的心情讓我當晚回到酒店後還是久久不能入眠。這不是一場比賽,而是參加者在這十多個小時當中,闡述自己領域內的研究新方向,並與其他思想領航者進行思想交鋒。早上8時開始,除了午餐外,分享並無間斷,這是對參加者身、心、智全方位的試煉。為了大家能夠盡情暢所欲言,大會規定參加者以思考的方法(劍招)比試,不能以內力(行內專業知識)傷人。

第一位出場的是天體物理學家張雙南,他的題材是黑洞與中子星的研究。張教授介紹了中國首台X射線空間天文衞星望遠鏡「慧眼」,主要工作範圍包括一、對銀道面進行巡天掃描,探索新的高能變源和已知高能天體的新活動;二、觀測和分析黑洞、中子星等高能天體的光變和能譜性質;三、研究恒星死亡以及中子星併合等導致黑洞形成的過程。

我請教張教授一個問題,在宇宙的探索過程中,要怎樣決定收集多少數據才算足夠!由於衞星望遠鏡是一種稀缺資源,張教授需要根據項目的重要性及宇宙千變萬化的情況,為資訊收集的優先次序作出判斷。我接着問,那收集回來的數據如何制定歸檔策略,還是這些數據永遠不會被刪除。答案在張教授結束後的訪問裏找到一些端倪:「幾個不同範疇的學者之間互辯,往往激發出來的是非線性的過程,但有時候可能什麼也得不到,但有時候得到的又是線性過程得不到的東西。」可見個別收集數據往往也帶着隨機性,因為資源永遠有限,但如果能互相合作的話,激發出意外收穫的可能性就能增加。

除了張教授外,當天還有來自宇宙科學、生命科學、認知神經科學、量子計算、類腦計算、城市科學等領域的15位頂尖學者陸續出場,對一直致力於數字化轉型的筆者而言帶來很多很意外的啟發,那就是數據是一切的基本,但是要孕育出無數科創發展的生態必須也要具備科技的情懷。席間發了一條短訊給香港某官員朋友,提議香港也應該辦一場這樣的思想盛宴啊。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page