本期节目是田渊栋博士官宣创业前的封官采访。
5月13日，田博士宣布创业，他参与建立的Recursive 已筹集了 6.5 亿美元，估值 46.5 亿美元，由 GV（Google Ventures）和 Greycroft 领投，AMD Ventures 和 NVIDIA 都参与了重要投资。

2026年4月4日，坐标硅谷计算机历史博物馆。400多位年轻参赛者正在参与Evermind全球记忆挑战赛的最终角逐。在礼堂之外的一间安静演播室中，两位世界级AI科学家在主播尚莞迪的邀请下，一同坐到了「创见」播客的话筒前。

一位是田渊栋。前Meta FAIR研究总监，在Meta十年有余，是该机构职位最高的华人科学家之一。他提出的位置插值技术开启了长文训练的时代，主导的ELF OpenGo项目用极少资源超越了AlphaZero。反感暴力堆算力，擅长找到更聪明的路径。2025年底离开Meta开始创业，问他做什么，笑而不语。

一位是邓亚峰。清华毕业，深耕AI领域二十余年，从Pattern Recognition一路走到大模型时代。曾任360集团副总裁、格灵深瞳CTO，手握160余项发明专利。现掌舵盛大旗下EverMind，带队攻坚AI长期记忆。这场对话的录制地，正是由他发起的Memory Genesis Competition 2026全球记忆挑战赛的决赛现场。

本期「创·见」以视频播客的形式录制。这场对话的起点是近期一则行业八卦：Anthropic的代码泄露事件，但话题很快滑向了更深的地带。两个小时的对话横跨了AI memory技术底层、大模型公司组织管理、人类记忆机制与遗忘的哲学、意识的边界，最终落在一个所有人都在回避却无法绕开的问题上：当AI可以接管人类的一切工作以及承接人类所有记忆，那么人类的未来，到底在哪里？

两人在对话中达成了几个关键共识：AI记忆不等于上下文窗口，它是一个比context更大的抽象概念；2026年行业从「卷参数」转向「谈记忆」，本质是大模型终于开始落地；技术没有绝对壁垒，真正的护城河是数据迭代飞轮和非共识决策的人才；AI不太可能自发产生意识，但被人滥用的风险远比"AI觉醒"更值得警惕。

他们也有清晰的分歧点：田渊栋相信打开黑盒有可能从根本上解决幻觉问题；邓亚峰认为可解释性路线在历史上从未真正work，最终解决问题的还是scaling。关于AI能否在所有领域超越人类，邓亚峰认为从能力侧来看，将来没有什么AI不能超过人类的，技术问题终将被解决；田渊栋则保持谨慎，认为人类专家从极少数据中获取洞察的能力，AI目前还达不到——不过一旦这个gap被填平，则可能标志着AGI真正意义上的到来。

对话中有两条金句值得单独记下来：

田渊栋：“你的护城河，可能是你自己看code，别人vibe coding。”

邓亚峰：“两条建议：敢想，马上做。”

本期节目将会是你听到的本年度最具含金量的AI对话。欢迎收听！

🎁 有奖互动：在评论区留下你对本期话题的思考，获得最高点赞数的小伙伴，我们会送出田渊栋亲笔签名小说《破晓之钟》。仅此一本，认真留言才有机会。

🎙️ 本期主播

尚莞迪 Lydia

Stanford GSB Ignite Fellow｜沃顿商学院｜CQF
Astra X Ventures 创始人
《创见 Build Up》播客主理人
小红书：Lydia Shang🦋 / 视频号：尚莞迪Lydia
公众号：硅谷创见汇

🎙️ 本期嘉宾

田渊栋

AI 科学家｜硅谷 Startup 联创人
前 Meta FAIR 研究总监
科幻小说《破晓之钟》作者

邓亚峰

Evermind CEO｜盛大集团副总裁
前360集团副总裁、人工智能研究院院长兼搜索事业部总经理、格灵深瞳 CTO
Memory Genesis Competition 全球记忆挑战赛发起人

⌚️ 时间戳

03:00 开场及嘉宾介绍

03:52 Anthropic意外开源Claude Code，这是失误还是"技术平权"？行业热闹背后的两种读法

06:16 AI memory概念、形式功能及重要性探讨：权重记忆、KV cache、Agent记忆——三层框架建立共识

10:54 大模型公司从卷参数到记忆大战，这个转向是如何发生的？为什么偏偏是现在发生？

17:51 扩展context是解决AI memory的解法吗？positioning interpolation（位置插值）的”数学骗术”是指什么？

21:38 两到三年后，AI领域最值得期待的突破：Self-evolving、主动性、科学发现

25:18 AI应该像人吗？

28:26 遗忘是人类的高阶能力吗，那么好的AI记忆模型该学会遗忘吗？

34:26 人类记忆是多模态的网状结构，AI的隐空间能做到吗？

36:47 幻觉从哪里来？打开黑盒能解决它吗？

41:41 AI 公司真正的护城河是什么？数据、速度还是人才？

48:42 大厂的信息失真困局：好消息被放大，坏消息被缩小

50:50 Scaling law是共识，但共识意味着什么？

54:08 当AI有了长期记忆，会不会产生情感或意识？

01:09:15 意识上传，以及蒸馏你的同事

01:11:30 人类的爱，是AI学不会的东西吗？

01:12:58 记忆即隐私：把自己的记忆交给AI系统，安全吗？

01:16:33 数字分身是人类的未来吗？

01:20:59 奇点已到？AGI已到？

01:21:43 教育会被AI如何改变？孩子还有必要上学吗？

01:23:05 费米能级：AI能力线以下的工作，价值趋近于零

01:26:52 AI时代人类存在的价值还剩什么？

01:35:02 给想入场AI技术的年轻人的建议

📑 名词解释

黑盒 / Black Box 指系统内部运作机制对外不透明，只能观测输入与输出，无法追溯决策过程。在AI领域，这一特性是大模型可解释性研究的核心挑战。

位置插值 /Positional Interpolation 一种扩展大模型上下文长度的技术。通过缩放位置编码，将超出原始context window的输入"压缩"映射回模型可处理的范围内，配合少量fine-tuning即可显著提升长文本处理能力。由田渊栋团队于2023年提出。

KV Cache Key-Value Cache，大模型推理时用于缓存注意力机制中间计算结果的存储机制。避免模型对已处理过的token重复计算，显著提升推理效率。是当前AI在单次会话内实现"短期记忆"的核心底层机制。

Latent State / 隐状态 神经网络中间层的向量表示。不以文本形式存在，而是以高维向量的形态编码输入信息的语义、结构等特征。在循环神经网络（RNN）等架构中，隐状态可跨时间步传递，是实现序列记忆的一种方式。

Self-evolving / 自我演化 指AI系统在部署运行过程中，能够根据实时交互和任务反馈持续更新自身能力的特性。区别于当前主流的离线训练范式——现有大模型训练完成后参数固定，无法在使用中自主学习迭代。

费米能级 源自固体物理学，指在绝对零度下电子所能占据的最高能量状态，是描述电子在能带中分布的关键参数。对话中被借用为比喻，描述AI能力的分界线。

数字分身 指基于个人历史数据、行为模式与决策风格构建的AI代理，使其能够在一定范围内模拟、代表特定个人行事。

意识上传 一种假想的技术概念，指将人类的记忆、思维模式与意识结构完整迁移至数字载体，使其在生物体消亡后得以延续存在。目前仍属理论探讨范畴。

涌现机制 /Emergence 复杂系统中，当规模或复杂度超过某一阈值后，系统自发产生在低规模时不存在的新特性或能力的现象。在AI领域特指大模型在参数规模扩大后，突然习得训练数据中未被明确教授的能力。

Scaling Law AI领域的经验性规律：在计算资源、训练数据量、模型参数三者同步扩大的条件下，模型性能呈现可预测的持续提升。由OpenAI等机构于2020年前后系统性验证并提出。

✨ 关于「创·见｜Build Up」

一档从硅谷出发、连接全球创业者与投资人的商业对话节目，由投资机构Astra X Ventures出品。

对话来自全球科技、资本、创新与文化领域的杰出建造者，探索他们的战略判断、行动框架与创造未来的方式。

节目曾连续五次登上小宇宙「新星榜」，并入选「锋芒榜」与「播客寻宝」。

📻 收听与订阅

音频：苹果播客 · 小宇宙 · 微博播客 · Spotify · Substack

视频：YouTube · B站搜索「创·见｜Build Up」即可找到我们。

📩 联系：Lydia@astraxventures.com

💙 特别鸣谢

感谢课代表立正在本期内容前期准备上给予的支持与灵感。

🔥 本期团队

制片：Lydia

策划：Lydia，Leo，韩云芸

导演：Leo

拍摄：Steven

后期：Michael

文案/运营：Lydia

🤝 商业合作

期待与创业者、投资人、内容创作者共创高质量内容与长期价值。

📩 lydia@astraxventures.com

🚀 加入「创见」节目组

现开放商务实习生、内容实习生岗位，面向国内/北美，支持远程协作。

📩 team@astraxventures.com

在小宇宙查看该单集文稿