00后暴躁小妹：黄仁勋最新演讲（全文）

00后暴躁小妹

最普遍和保守的路径，可以称之为「工具增强派」。以集成了 Gemini 的 Chrome 和集成了 Copilot 的 Edge 为代表，它们的核心逻辑是「浏览器 + AI」。AI 作为一个强大的新功能被集成进来，让你可以更方便地总结网页、润色文字。这很有用，但浏览器的基本形态和用户的使用习惯并未改变，AI 只是一个更好用的新工具。，黄仁勋最新演讲（全文）

杭新生致辞

7月16日据媒体报道，xAI正在与沙特阿拉伯的潜在合作伙伴进行初步商谈，以租赁数据中心容量。谈判桌上的伙伴包括沙特主权财富基金（PIF）支持的AI公司Humain，以及另一家正在建设200兆瓦设施的匿名公司。

白卫峰主持会议

李云河报告

夏季联赛打了三场，杨瀚森每场表现都不错，并且在球场上展现出的内容还都不同。第一场主打一个策应指挥；第二场上演举火烧天式的劈扣；第三场充分展现了远投能力。这比赛越打，开拓者教练组越开心，这等于在首轮16顺位给球队选到了一个战术核心。现在不仅咱自家媒体夸赞，美国媒体也是一致认为，小杨就是“中国版约基奇”。挺期待开拓者下场与火箭的夏联比赛。

瞿祥芳作报告

过膝裙对身材的包容性也超强，腰腹有点肉肉的姐妹，高腰过膝裙能轻松遮住小肚腩；腿型不完美也没关系，长裙摆把缺点一盖，视觉上又直又长。就算身材发福也不用怕，宽松版型的过膝裙照样能穿出慵懒随性的味道。

秦志斌报告

达尔德提到，事实上，许多评论员、分析师甚至市场人士都认为，特朗普设定的最新期限，与之前并无二致。华尔街分析师娜迪亚·洛威尔说：“过去的几个月，我们看到特朗普政府不断升级局势，然后迅速降温，这可能只是另一种战术上的施压。”

吴冬煌作报告

佩德罗边退边走，而巴黎队的3个人则持续向前逼近。在佩德罗与阿什拉夫沟通的时候，恩里克趁对方不注意，对佩德罗进行了锁喉，并一把推到了喉咙上。随即，佩德罗倒在地上。

高卫忠作报告

同时，市民朋友们一旦发觉可能被骗，请立即停止转账或寄递，第一时间拨打110或联系当地派出所报警，争分夺秒才能最大限度挽回损失。

李家卫作报告

森保一表示：“韩国队的精彩发挥，也激发了我们球员的潜力。洪明甫教练世预赛开始，就打造出了一支出色的球队，打出了精彩的比赛。在这次东亚杯中，他也充分激发了球员的表现，组建了一支优秀的队伍。我认为正是他们的发挥，让双方球员都展现出了高水准。目前，从赛程安排来看，我们很难再与世界强队进行友谊赛来提升实力。日本和韩国应当作为优秀的对手、伙伴，共同带动亚洲足球发展；为了能在世界赛场取胜，我们需要在相互切磋中合作，携手向世界发起挑战。”

江冰报告

关于在OpenAI工作的思考我在三周前离开了OpenAI。我是在2024年5月加入这家公司的。我想分享我的思考，因为大家对OpenAI做了很多猜测，但很少有人有在那里的第一手文化体验。Nabeel Quereshi有一篇很棒的文章，叫《对Palantir的反思》，他回顾了是什么让Palantir如此特别。我也想做同样的事，趁记忆还新，为OpenAI留个注记。这里没有任何商业机密，只是对当下这家最具吸引力的组织之一，在极具意义时刻，工作体验的个人观察。首先要说的是：我离职并非因任何人事纠纷，恰好我对离开感到深深矛盾。从创立自己的组织，变成一家有三千名员工公司的职员，这种身份的转换很难。现在我渴望一次全新的开始。我也许会被那里的工作所吸引，回去也说不定。毕竟想象一下有机会参与AGI的建设是不现实的，而大语言模型无疑是近十年以来的技术创新。我很庆幸能亲眼见证一些发展，同时也参与了Codex的发布。显然，这些并非公司的官方立场——只是我个人的观察。OpenAI是一个大机构，我只能从我的“小窗口”提供这些见闻。首先要知道的是，OpenAI扩展得极快。我加入时，公司刚刚超过1000人。但一年后已经超过3000人，而我在员工任职时间排名位列前30%。几乎所有领导层在2–3年前都还不是在做现在这份工作。显然，快速扩张会带来问题：如何在公司层面沟通，组织架构如何设定，如何推进产品发布，如何管理和组织人力，以及如何招聘等。不同团队的文化情况也差别巨大：有些团队持续高压快跑，有些在监控已有项目，有些保持更稳定的节奏。没有所谓的“OpenAI体验”，研究团队、应用团队、GTM（市场/销售）节奏都完全不同。OpenAI有个特殊之处——一切都通过 Slack（一个用于工作沟通交流的平台） 运行，没有电子邮件。我整个任期或许只收到过10封邮件左右。如果你不善于整理，很容易被这些渠道淹没，但如果你管理好渠道和通知，也能做得井然有序。OpenAI鼓励“自下而上”，尤其在研究领域尤为明显。我刚加入时，问第一季度的路线图在哪，得到的回答是：“不存在。”（不过现在已经有了。）好主意可能来源任何人，通常我们并不清楚哪些想法会提前证明是最有成效的；公司不靠宏大的“总体计划”，进展往往迭代并在新的研究结果基础上逐步展开。这种自下而上的文化也让OpenAI极具“重绩效主义（meritocratic）”性质。历史上，公司里的领导者大多是因拥有好点子并能执行而晋升。许多非常优秀的人，不擅长全体大会发言或政治运作，但在OpenAI他们一样能脱颖而出。好点子通常可以胜出。OpenAI的文化喜欢快速行动（bias to action）。在类似方向有多个团队同时试点并不少见。我刚加入时曾同时见到大概3–4种Codex相关原型，最后才决定上线。它们通常由少数人自发发起，不需要特别审批；当看到希望时，团队就自发聚拢。Codex 负责人Andrey曾说，你应该将研究员视为“迷你董事会”。在那里，你可以全盘推进自己的方向，看它能走多远。相应地，如果某个问题被认为“无意思”或者“已解决”，它可能根本不会有人去关注。优秀的研究经理作用极大，但也都有限。他们擅长将不同方向的研究串联起来，将其汇聚到大规模模型训练里。同样，出色的产品经理也能串起价值点，将力量聚合。我合作过的ChatGPT的工程经理（EM）Akshay、Rizzo、Sulman，是我见过最Cool的“客户”。他们经验非常丰富。他们多为管理型角色，主要职责是招聘优秀人才并为他们提供成功支持。OpenAI会瞬间调整方向。这点我们在Segment（原公司）也很喜欢——有新情况就改变方向，比为了“计划”一直推进要好得多。令人惊奇的是，OpenAI这么大的公司还保留着这种思维方式——Google显然不是这样。公司决策快速，一旦决定了努力的方向，就全力奔跑。媒体上对OpenAI有很多抨击。我来自B2B企业背景，对此很震惊：内部还未宣布的功能，新闻稿已经播出；我告诉别人我在OpenAI工作，往往就听到对它的既有偏见。有一些 Twitter 账号用自动化机器人监测功能上线情况。因此，OpenAI非常保密。我无法详细告诉任何人我在做什么。公司内部有不同的工作空间和不同权限。营收、烧钱数据都高度保密。OpenAI也比你想象中更“严肃”，因为风险非常高。一方面要构建 AGI，需要把一切都做对；另一方面产品已有数以亿计用户在用于医疗建议、心理疗愈等敏感场景；再者，OpenAI处在与 Meta、Google、Anthropic 的激烈竞争中，甚至全球政府都密切关注这个领域。尽管媒体有抨击，但我见的每个人都是真心“想把事情做好”。作为一家消费者导向的公司，曝光最大，也最易成为舆论焦点。当然，不应把 OpenAI 视作一个整体统一的“单一实体”。我更像把它当成“洛斯阿拉莫斯”式的组织——一群科学家在探索最前沿。巧合的是，他们也造出了历史上最火爆的消费者 App。之后开始扩展到政府和 企业服务。公司里人来的时间不同、所处团队不同，目标也不同——想法迥异。时间越久的人，越会带着“研究实验室”或“公益非营利”视角去看。我最欣赏的一点是公司“说到做到”地让 AI 利益大众化。最先进的模型没有锁定在某个企业合同中。世界上任何人都可以访问 ChatGPT，哪怕未登录。可以注册 API 使用 —— 大多数模型（即使是 SOTA 或专有模型）会迅速加入 API 服务，让创业公司、开发者都用得上。你可以猜测会有截然不同的企业版本策略，但 OpenAI 并没有走那条路，值得赞赏，这一点仍是公司文化核心。安全问题的关注比你在 Zvi 或 LessWrong （社区论坛，专注于讨论认知偏见等）里看到的还要多。公司有大量人手致力开发安全系统。但现实中更关注的是实用风险——仇恨言论滥用、政治操纵、研发生物武器、自我伤害诱导、及时药物注入等——远比理论上爆炸性风险更受关注。当然仍有人研究理论风险，那也是存在的。但在我看来，实用安全才是主流，很多安全内容不公开发表，OpenAI 其实还应该更多公开这一部分成果。与很多公司在招聘会发大量 周边不同，OpenAI 不大送周边（新员工也基本没桌牌之类）。取而代之的是会不定期发“drops”，员工可以订购库存。第一次 drop 店铺就被刷爆了，连 Shopify 都挂了。有一个内部的帖子流传如何POST正确的json（基于JavaScript语言的轻量级的数据交换格式，即JavaScript Object Notation）有效负载和规避这一点。所有事情与 GPU 成本相比都太小。举例：Codex 中一个细小功能的 GPU 资源消耗，就相当于我们整个 Segment 基础设施的费用（虽然 ChatGPT 规模更大，但平台体量也大）。OpenAI 是我见过的最雄心勃勃的组织。你大概会以为拥有一个全球头部 App 就够了，但他们志在多场战役：API 产品、深度研究、硬件、编程代理、图像生成等等（还有很多未公开项目）。这里是个让点子落地弹射的平台。公司非常关注 Twitter上的氛围。如果你发的一条与 OpenAI 相关的 tweet 爆火，很可能有人会看到并重视。一位朋友曾说：“这家公司靠 Twitter情绪运行。”对于一个消费级公司来说，这点也没毛病。当然他们也有用户增长、留存等分析，但情绪倒也很重要。OpenAI 里的团队比很多地方更 fluid、更灵活。在 Codex 发布时，我们需要几个 ChatGPT 的工程师来赶进度。于是我们找 ChatGPT 的 产品经理提需求，第二天就来了两位牛人，不需要等季度计划或重新分配资源。动作快得惊人。高层领导很活跃，好像没一位是“挂名”——gdb（Greg Brockman）、sama（Sam Altman）、kw（Wojciech Zaremba）、Mark、Dane 等经常在 Slack 上互动。代码与基础设施OpenAI 使用巨大的 monorepo（单一代码仓库：一种将多个项目或代码库存储在同一个版本控制系统中的策略，以便于跨项目协作和代码共享），以 Python 为主（但也有 Rust 服务，和少量 Golang 用于网络代理等）。这导致代码风格多样：既有来自 Google 资深工程师设计的大型库，也有博士刚毕业写的 Jupyter notebook。所有后端基本都是 FastAPI + Pydantic 构建 API，而且没有统一强制的风格指南。OpenAI 完全在 Azure 上运行。好玩的是，能真正信任的只有三项服务：Azure Kubernetes Service、CosmosDB、BlobStore。没有 Dynamo、Spanner、BigQuery、Kinesis 等 AWS 工具，也少有自动扩展设计。IAM 机制也较弱，于是很多机制选择自研。从工程人才看，有大量来自 Meta → OpenAI 的背景。在很多方面，OpenAI 早期就像 Meta：一款轰动一时的消费者应用软件、新兴的基础设施、行动快。大多基础设施人才来自 Meta+Instagram，水准很强。把这些东西放在一起，你会看到很多基础设施的核心部分让人想起Meta，你会看到很多 Meta 风格的设计：内部重写的 TAO、边缘统一身份认证等等。我相信还有很多我不知道的。聊天功能深入系统。从 ChatGPT 起，许多代码库都是围绕聊天消息和对话的思想构建的。这些源语内嵌得很深，不注意就会踩坑。Codex 虽有些变体（基于响应式 API），但仍复用很多原先框架。OpenAI 强调实干：没有架构委员会决策，通常谁做谁决定。这带来行动快的优势，但也常导致代码库里存在多个类似功能库。我见过很多库，比如队列管理或代理循环。在缺乏工具支持的快速扩张团队里，问题也会产生：比如Sa-server（后端整体）有点像垃圾场。在master上，CI崩溃的频率比您想象的要高得多。即使是并行运行的测试用例，考虑依赖关系的子集，在gpu上运行也需要大约30分钟的时间。这些并不是无法解决的问题，但它提醒我们，这类问题无处不在，而且当你快速扩展时，它们可能会变得更糟。好在内部已有大量精力投入改进。其他经验了解什么叫“大消费者品牌”。Codex 推出时我才意识到这一点。这里的 KPI 是“专业用户”；即便是 Codex，会侧重用户个人使用情况上指标，而非团队协作。对于我这种 B2B 背景的人来说，这种风格很不一样：你转动个开关，流量就来了。大型模型训练机制（高层次）。这种流程从“实验小型原型”到“扩容实跑”再到“疑难调试”一直延续。实验时不仅调模型结构，也会调训练数据混合；训练变大后更像分布式系统工程，需要调边缘案例（仅在极端（最大或最小）操作参数或其他异常操作条件下发生的问题或情况）。GPU 数学基础。作为Codex发布的一部分，我们必须预测负载能力需求，这是我第一次真正对gpu进行基准测试。要从延迟、token 数、time-to-first-token着手往下推硬件能力，而不是简单问 GPU能跑多少 FLOPS 。每个模型版本的性能负载差异很大，需要重测。在大型 Python 代码库中协作。Segment是两个微服务的组合，主要是Golang和Typescript，我们没有OpenAI那样的代码广度。而在 OpenAI，我学到了很多关于如何根据贡献代码的开发人员的数量来扩展代码库的知识。你必须设置更多的护栏，比如“默认工作”、“保持主界面清洁”和“难以误用”。发布 Codex过去三个月里，我参与的最大项目是 Codex 的发布。毫无疑问是我职业生涯中的亮点。说下背景：在2024年11月，公司设下目标——2025年推出编程助手。到2025年2月，我们已有数个内部工具使用模型效果不错。压力来了——确实模型对编码已具生产力（你看到市场上大量生成 vibe-code 工具）。我提前休完陪产假回来，帮助这次发布。一周后，我们混并了两个团队，开启加速冲刺。从写第一行代码到上线，仅用了7周。Codex 冲刺是我十年职业生涯中最拼的一次。几乎每晚工作到11点或更晚。早上5:30被新生儿叫醒，7点去办公室，几个周末也在办公室。大家周周争分夺秒，很像当年YC创业节奏。这种节奏真难形容。我从没见过哪家只花7周就从想法到完全发布并开放给所有人的产品。我们构建了一个容器运行时，对repo下载进行了优化，对自定义模型进行了微调以处理代码编辑，处理了各种git操作，引入了一个全新的界面，启用了Internet访问，最终得到了一个使用起来令人愉悦的产品。那感觉，真心太爽了。无论别人怎么说，OpenAI 依然保有那种创业精神（launch spirit）。幸运的是，只要给对的人，就能创造奇迹。我们是一个由8名工程师，4名研究人员，2名设计师，2名市场推广和1名产品经理组成的高级团队。如果我们没有这个团队，我想我们会失败的。没有人需要太多的指导，但我们确实需要相当数量的协调。如果有机会和Codex团队合作，你就知道他们有多强。发布前夜，五个人熬夜到凌晨4点布署主单体（部署耗时数小时）；然后回到办公室，参加8点的发布会和直播。打开功能开关，瞬间流量来了。我从没见过哪个产品上线后凭借侧边栏（Sidebar）就有这么爆发式流量——ChatGPT的力量非常显著。在产品形态上，我们选择了全异步形式。与当时的 Cursor（现在也支持后端异步模式）或 Claude Code 不同，我们希望用户把任务发给代理，就像给同事发PR（拉取请求）；它会自动执行，完成后返回PR。这是个赌注：当时模型仍“好但不完美”。它能工作几分钟，但还做不了几个小时。用户对模型能力信任度参差不齐。而且到底模型真正能力在哪也还不很明朗。我相信从长远看，大多数编程会更像 Codex 这种形式。但与此同时，等着看各种产品如何演化会很有趣。Codex 在大型代码库中导航、任务管理能力特别突出。相比其它工具，我见过最大区别是它能并行触发多个 task，然后比对他们输出。我最近看到公共数据显示不同大模型代理制作 PR 的数据量。Codex 已生成 63 万个 PR。53 天内，对外公开的 PR 达 7.8 万个/工程师；私有 PR 多则更多。我人生都没做过这么有影响力的事情。告别感言坦白说，我最初对加入OpenAI很担忧。不确定放弃自由、拥有老板、融入大厂是否合适。我低调告诉朋友我加入了OpenAI，生怕不适合就尴尬了。我希望这次经历能让我：构建对模型训练机制及未来能力变化的直觉与优秀的同事一起工作并学习推出一个伟大的产品回顾这一年，我觉得这可能是我做过的最正确的选择。难以想象哪能比这里学得更多。如果你是创始人，觉得自己创业没前景了，该深度评估是不是放弃机会打多几次仗，要么去加入大实验室。现在是创造的黄金时刻，也是窥见未来方向的绝佳窗口。我认为 AGI 的竞争有三匹马：OpenAI、Anthropic 和 Google。他们会根据各自 DNA（消费导向 vs 商业优先 vs 基础架构和数据驱动）走出不同路径。在其中工作将是开眼界。感谢 Leah 在深夜支持我，承担大部分育儿任务。感谢 PW、GDB、Rizzo 给我机会。感谢 SA teammates 教会我很多：Andrew, Anup, Bill, Kwaz, Ming, Simon, Tony, Val。感谢 Codex 核心团队：Albin, AE, Andrey, Bryan, Channing, DavidK, Gabe, Gladstone, Hanson, Joey, Josh, Katy, KevinT, Max, Sabrina, SQ, Tibo, TZ, Will。这趟旅程我永生难忘。

张宁报告

据两名接近克里姆林宫的人士透露，普京确信俄罗斯在战场上的优势正在增强，乌克兰的防线可能会在未来几个月内崩溃。这些匿名消息人士还说，鉴于俄罗斯的持续攻势，普京认为除非乌克兰作出重大让步，否则现在停火是不可能的。

另外，从全球市场的角度来看，高端市场一直表现较为稳定，在各种不确定性的因素下，中低端市场反倒会遭遇更多的新危机，而这一点，从一季度新兴市场的下滑就能够看出。还有一个比较有代表性的就是传音，虽然二季度其重回全球前五，但是出货量同比则是下滑了近2%。

田女士说，自己娘家是萧山进化镇，后面嫁到了萧山城厢街道梅花楼。她隐约记得，当年在村里，有一个人跟自己同名同姓。“她也嫁到湘湖了，她老公就是上面显示姓单的那位先生。” 更多推荐：00后暴躁小妹

来源：刘云花