2025 年头，中国国内目下最活跃的 AI 投资机构之一的锦秋基金开云体育，组织了一场硅谷的 Scale With AI 行动。
5 天 4 晚里，OpenAI、xAI 、Anthropic、Google、Meta、Perplexity、Luma、Runway 等要道 AI 公司以及好多硅谷的投资机构聚拢共享了硅谷 AI 的最新进展，以及他们对 2025 趋势的好多预测和判断。
动作这个行动背后的攒局者，锦秋基金不仅投资了北好意思的一些活跃的 AI 基金，与全球 AI 市集建立贯穿，也止境推出了 Soil 种子推敲，以激进的、快速活泼决策的形势支捏 AI 限制的早期创业者。昔时的 2024 年，锦秋每每脱手了 AI 达东说念主营销平台 Aha Lab、AI 内容平台造梦次元等诸多名堂。
以下是本次硅谷行整理出的对于 AI 进展的二十五条迫切领会，共分为大模子、视频模子、AI 诓骗以及具身智能四个部分。
对于大模子：Scaling law 是否达到瓶颈以及硅谷革命的起原
1. 对 LLM 来说，Pre-training 的时间已基本赶走了，但 post-training 还有好多契机。此外，在 Pre-training 进入少的原因，更多在于资源有限，而作念 Post-training 的旯旮效益会更高，是以，Post-training 还有好多契机。
2．先有 Pre-training，才有 Post-training 中的 RL，模子得有基础技艺，RL 才能有的放矢。RL 不窜改模子的才略，更多是念念考格式。比较来说，Pre-training 是 imitation，只可作念到效法，而 RL 是创造，不错作念不同的事。
3、一些可能来岁成为共鸣的预判。比如 Model 架构可能变化；闭源和开源差距会大幅放松；对于合成数据，大模子生成数据然后检修小模子是可行的，反过来比较难。合成数据和真实数据的分别主淌若质地问题。也不错用各类数据拼拼集成，赶走也很好。pretraining 阶段可用，因为对数据质地要求不高。另外，每家拼凑的形势齐不一样，用更大模子生成检修小模子是不错的，用小的模子检修大模子的话，近一年可能好点。而本色齐是数据起原问题。
4.Post training 团队成就，表面上 5 东说念主富有（不一定全职）。比如一东说念主搭建 pipeline（infrastructure），一东说念独揽数据（数据赶走），一东说念主发达模子自己 SFT，一东说念主发达家具对模子编排作念判断，收罗用户数据等。
5. 对于硅谷革命的好意思妙由来，其中一个迫切要素便是他们的公司很容易形成一种扁平的组织文化。像 openAI, 就并莫得所谓特定的 decision maker, 每个东说念主齐很自主目田，团队之间的互助也很目田。而老牌的谷歌也在暗暗除去中间层，让好多也曾的 manager 转一线。
对于视频模子： Scaling Law 的瓶颈还很早
6、视频生成还处于 GPT1 和 2 的时辰点。当今视频水平接近 SD1.4 的版块，改日视频会有和商用性能差未几的开源版块。面前的难点是数据集，视频因为版权等问题莫得那么大的公用数据集，每一家怎样获取、处理、清洗数据会产生好多不同，导致模子技艺不同，开源版块的难度也不同。
7.DiT 有辩论下一个比较难的点在于怎样晋升物理轨则的投降，而不单是统计概率。视频生成的效用是卡点。目下要在高端显卡上跑挺久，是贸易化的阻隔，亦然学术界在探讨的所在。近似 LLM 天然模子迭代速率在放缓，但诓骗莫得放缓。从家具角度，只作念文生视频不是一个好的所在，有关的偏裁剪、创意的家具，会日出不穷，是以短期内不会有瓶颈。
8. 会有 1～2 年才能达到 DiT 本贯通线的饱和。DiT 途径好多不错优化的地方。更高效的模子架构，口舌常迫切的。以 LLM 为例，一驱动巨匠齐在往大了作念，后头发现加 MOE 和优化数据分散后，不错无须那么大的模子去作念。需要进入更多相关，一味 scale up DiT 十分不高效。视频数据如果把 YouTube、TikTok 齐算上，数目十分大，不可能齐用于模子检修。
9. 视频的 scaling law，在一定界限内有，但远够不上 llm 的级别。当今最大级别的模子参数也便是 30b。30b 以内证实是灵验的；但 300b 这个量级，就莫得胜仗案例。当今作念法中，不同主淌若在数据上、包括数据配比，其他莫得大不同。
10.Sora 刚出来巨匠齐以为会握住到 DiT，但实践上还有好多本贯通径在作念，举例 based on GAN 的旅途，以及 AutoRegressive 的及时生成，比如最近很火的名堂 Oasis，还有把 CG 和 CV 辘集去完毕更好的一致性和赶走。每一家齐有不同的选拔，改日面向不同场景选拔不同的本领栈会是一个趋势。
11. 长视频生成提速的本领有辩论，能看到 DiT 技艺极限在哪，模子越大、数据越好，生成的领路度更高、时辰更长、胜仗率更高。DiT 模子能 scale 到多大，目下莫得谜底。如果到一定尺寸出现瓶颈，可能会有新的模子架构出现。从算法角度，DiT 作念出一个新的推理算法，来支捏快速。比较难的是何如在检修的时候把这些加上。
12. 视频模态的检修数据其实还有好多，而况何如样高效地选拔出高质地数据比较迫切。数目取决于对版权的交融。但算力雷同是瓶颈，即便有那么多数据，也不一定有算力去作念，尤其是高清的数据。就怕候需要基于手头有的算力去反推需要的高质地数据集。高质地数据一直齐是缺的，但即便罕见据，很大的问题是巨匠不知说念什么样的图像形容是对的，图像形容要有哪些要道词。
13. 视频生成的真实度主要靠基模技艺，好意思学晋升主要靠 post training 阶段，比如海螺就精深用影视数据。视觉模态可能不是更好的通向 AGI 的最佳的模态，因为笔墨是通往智能的捷径，而视频和笔墨之间的效用差距是几百倍。
14. 多模态模子还在很早期阶段。给前 1 秒视频 predict 后头 5 秒一经很难了，后头加入 text 可能会更难。表面上视频和笔墨一说念训是最佳的，然则举座作念起来是很难的。多模态目下不成晋升才略，改日也许是不错的。
对于 AI 诓骗：硅谷的趋势和国内不太一样
15. 硅谷 VC 倾向于以为 2025 年是有诓骗投资的大契机。他们投资 AI 家具的表率之一：最佳只作念一个所在，让竞品很难复制。也需要有一些集聚效应：要么是难以复制的知勉力；要么是难以复制的本领 Edge；要么是他东说念主无法赢得的把持成本。不然很难称之为创业，更像是一门生意。而况在好意思国，基本莫得 killer apps for everyone。巨匠习尚于在不同场景中使用不同功能的 App，要道是让用户体验尽可能的无阻隔。
16、硅谷 VC 以为 AI 家具公司是新物种，和之前的 SaaS 很不一样，找到了 pmf，它的 revenue booming 口舌常快的，果真 value creation before hype 是在 seed 阶段；大模子很驻扎预检修，诓骗公司更驻扎 reasoning。每个行业有固定的看问题的形势和次第，新出现的 AI Agent 是在 LLM 的基础上加入了 Cognitive Architecture。
17.VC 里的小众不雅点是不错有要求商量投资中国创业者。原因是新一代中国首创东说念主很有活力，很有技艺作念很好的生意格式。但前提是 base 在好意思国。中国及中国创业者在作念好多新的尝试，然则外洋投资东说念主不了解，是以亦然一个价值洼点。
18. 硅谷的 VC 齐在想主义建立我方的投资计谋。Soma Capital 的计谋是建联最优秀的东说念主，让最优秀的东说念主先容他的一又友，创建 Life Long Friendship。在流程中 inspire、support、connect 这些东说念主；建立全景舆图，包括市集细分和名堂 mapping，想作念数据 Driven 的投资。会从 Seed 投资到 C 轮，不雅测胜仗 / 失败样本；Leonis Capital 是相关驱动的风险投资基金，主淌若 First Check。OldFriendship Capital 则是 Work first，invest later，会和 founder 先一说念责任，打客户访谈，笃定一些访谈 guideline，一说念搞明晰家具的问题，近似征询责任。投中国名堂，在责任中不错判断中国 founder 是否有契机大概和 US Customer 一说念责任。
19.Storm Venture 可爱 Unlocking Growth，比较可爱 A 轮有 PMF 的公司，他们普通赢得了 1-2M 的收入，然后去判断是否存在 Unlocking growth 撑捏他们涨到 20M。Inference venture 以为壁垒应建立在东说念主际干系和限制学问。
20．OpenAI 相关员创办的 Leonis Capital 有 几 个对于 2025 年的 AI 预测。比如会有一款 AI 编程的诓骗走红；比如模子提供商驱动赶走成本，创业者需要去选拔 model/agent 创造一个特有供给；数据中心会变成电力冲击，可能存在新架构从头；新的 framework，模子变小；Multi agent 会变得愈加主流。
21 AI Coding 公司模子检修的可能念念路，一驱动会用模子公司更好的 API 来取得更好的赶走，即使成本更高，在积存客户使用数据之后，赓续地在小场景训我方的小模子，从而赓续替换部分 API 场景，以更低成本取得更好的赶走。
22. AI Coding 的一个迫切趋势是使用推理增强本领，近似于 o3 或 o1 次第。次第不错显赫提高代码代理的举座效用。天然它目下波及崇高的成本（多 10～100 倍），但它不错将演叨率缩短一半以至四分之一。跟着话语模子的发展，这些成本预测将赶快下跌，这可能使这种次第成为一种常见的本贯通线。
对于具身智能：扫数具备东说念主类泛化技艺的机器东说念主，在咱们这代可能无法完毕
23：硅谷的一些东说念主以为，具身机器东说念主尚未迎来近似 Chatgpt 的时刻，一个中枢原因在于，机器东说念主需要在物理全国中完成任务，而不单是是通过捏造话语生成文本。机器东说念主智能的冲破需要处罚具身智能的中枢问题，即如安在动态、复杂的物理环境中完成任务。机器东说念主的要道时刻需要称心通用性：大概适当不同任务和环境；可靠性：在真实全国中具有较高的胜仗率；可膨大性：能通过数据和任务赓续迭代和优化等几个要求。
24：机器东说念主数据闭环难以完毕是因为它们穷乏近似 ImageNet 这么的秀雅性数据集，导致相关难以形成协调的评估表率。另外，数据采集的成本崇高，尤其是波及真实全国的交互数据。举例，采集触觉、视觉、能源学等多模态数据需要复杂的硬件和环境支捏。仿真器被以为是处罚数据闭环问题的一种迫切器具，但仿真与真实全国之间的"模拟 - 真实差距（sim-to-real gap）"仍然显赫。
25：具身智能濒临通用模子与特定任务模子的冲突。通用模子需要具备弘大的泛化技艺，大概适当各类化的任务和环境；但这普通需要精深的数据和狡计资源。特定任务模子更容易完毕贸易化，但其技艺受限，难以膨大到其他限制。改日的机器东说念主智能需要在通用性和专用性之间找到均衡。举例，通过模块化想象开云体育，让通用模子成为基础，再通过特定任务的微调完毕快速适配。