For higher-interactivity scenarios, execution time for MoE models is bound by expert weight load time. By splitting, or sharding, the experts across multiple GPUs across NVL72 nodes, this bottleneck is reduced, improving end-to-end performance.
大多数人认为MoE模型的主要瓶颈在于计算能力，但作者指出专家权重加载时间是真正的瓶颈，并提出通过跨GPU分片专家权重来解决问题，这挑战了AI模型优化的传统认知，暗示了I/O可能比计算更重要。
NVIDIA yields unmatched inference throughput across the broadest range of workloads, from massive LLMs to advanced vision language models, to generative recommender systems and more, on industry-standard benchmarks.
大多数人认为AI领域存在多个竞争平台在不同领域各有所长，但作者声称NVIDIA在所有工作负载上都表现出色，这挑战了多元化竞争的行业共识，暗示了NVIDIA可能比普遍认为的更具统治力。
Co-designed hardware, software, and models are key to delivering the highest AI factory throughput and lowest token cost. Measuring this goes far beyond peak chip specifications.
大多数人认为AI性能主要由芯片规格决定，但作者强调硬件、软件和模型的协同设计才是关键，这挑战了以芯片为中心的行业认知，暗示了全栈优化比单纯追求芯片性能更重要。
By applying compute otherwise that goes unutilized to predict and verify additional tokens in parallel (up to three in this implementation), throughput at high interactivity is increased.
大多数人认为计算资源应该用于当前任务，但作者提出利用未充分利用的计算资源并行预测额外令牌的创新方法，这挑战了传统计算资源分配的常识，暗示了AI计算效率的全新可能性。
NVIDIA was the first and only platform to submit DeepSeek-R1 results on MLPerf Inference when the benchmark debuted last year.
大多数人认为AI基准测试会吸引多家竞争平台参与，但作者强调NVIDIA是唯一提交DeepSeek-R1结果的平台，这暗示了NVIDIA在AI基准测试中的垄断地位，与行业多元化竞争的普遍认知相悖。
This means 2.7x more tokens from the same GB300 NVL72-based infrastructure and power footprint, reducing the cost to manufacture each token by more than 60%.
大多数人认为硬件升级是提高AI性能的主要方式，但作者认为通过软件优化可以在相同硬件上实现2.7x的性能提升和60%以上的成本降低，这挑战了行业对硬件升级的依赖。这种观点暗示软件优化可能比硬件升级更具成本效益。
Using vLLM high-throughput LLM serving on DGX Spark provides a high-performance platform for the largest Gemma 4 models
大多数人认为运行最大的Gemma 4模型需要专门的硬件和复杂的部署流程。但作者声称vLLM可以在DGX Spark上高效运行这些大型模型，暗示推理优化技术可能已经达到了一个临界点，使得复杂模型部署变得更加简单和高效。
The E4B and E2B are the newest edition of on-device and mobile designed models first launched with Gemma 3n.
大多数人认为移动设备上的AI模型需要大幅简化功能才能高效运行。但作者暗示Gemma 4的E4B和E2B版本在移动设备上仍然保持了多模态能力，包括文本、音频、视觉和视频处理，这挑战了移动AI能力的传统认知。
The bundle includes four models, including Gemma's first MoE model, which can all fit on a single NVIDIA H100 GPU and supports over 140 languages.
大多数人认为支持140多种语言的多模态模型需要大量计算资源，无法在单个GPU上运行。但作者声称这些模型可以全部适配在单个H100 GPU上，这挑战了我们对大型多语言模型资源需求的认知，暗示模型效率可能大幅提升。
Modern physical AI agents are evolving rapidly with Gemma 4 models that integrate audio, multimodal perception, and deep reasoning capabilities.
大多数人认为物理AI代理仍处于早期阶段，主要执行简单任务。但作者暗示Gemma 4已经使物理AI代理能够理解语音、解释视觉上下文并智能推理，这代表了对当前机器人技术能力的重大提升，可能会加速AI实体化的进程。
The 31B and 26B A4B variants are high-performing reasoning models suitable for both local and data center environments.
大多数人认为大型语言模型(31B参数)只能在数据中心环境中运行，但作者声称这些模型可以在本地环境中高效运行。这一观点与行业共识相悖，暗示边缘计算能力可能比我们想象的更强大，可能会改变AI部署的格局。
NVFP4 enables 4-bit precision while maintaining nearly identical accuracy to 8-bit precision, increasing performance per watt and lowering cost per token.
大多数人认为降低模型精度会显著牺牲性能，但作者声称Gemma 4通过NVFP4量化技术实现了4位精度与8位精度几乎相同的准确率。这一反直觉的结论挑战了传统量化会大幅降低模型性能的认知，暗示NVIDIA可能在量化技术方面取得了突破性进展。
By using SAM, the Alta team has been able to process more than 20 million images without incurring exorbitant costs, allowing them to focus on building the best possible product for their users.
大多数人可能认为初创公司需要依赖昂贵的第三方API来处理大量图像，但作者通过使用开源SAM模型，实现了大规模图像处理而不产生巨额成本。这一观点挑战了'高质量AI服务必须昂贵'的行业共识，展示了开源模型在成本效益方面的优势。
If we knew that every image uploaded was a beautiful model shot, segmentation would be far easier, but because of the nature of user-uploaded content, we need the best possible segmentation.
大多数人可能认为高质量的专业照片是AI图像处理的理想输入，但作者暗示即使是'完美'的模特照片实际上比用户上传的真实内容更容易处理。这一观点挑战了人们对'理想训练数据'的假设，暗示真实世界数据的'不完美'实际上构成了更严峻的技术挑战。
Fashion in particular has one of the most complex image datasets, especially because of the inconsistent nature of user-uploaded content.
大多数人可能认为时尚图像处理相对简单，因为时尚行业通常追求完美呈现。但作者认为时尚领域实际上拥有最复杂的图像数据集，因为用户上传的内容极不一致。这一反直觉观点揭示了时尚AI技术面临的独特挑战，挑战了人们对时尚图像处理难度的普遍认知。
Built from the same world-class research and technology as Gemini 3
大多数人认为Google会将其最先进技术保留在专有Gemini模型中，而开源版本会有所降级。但作者声称Gemma 4与Gemini 3使用'相同的世界级研究和技术'，挑战了'开源版本是次级产品'的普遍认知。
Engineered from the ground up for maximum compute and memory efficiency
大多数人认为高性能AI模型必然需要大量计算资源和内存。但作者强调Gemma 4的边缘模型是'从头开始为最大计算和内存效率而设计'，暗示即使在资源受限的环境中也能实现高级AI功能，这与行业对AI资源需求的普遍认知相悖。
The edge models feature a 128K context window, while the larger models offer up to 256K
大多数人认为边缘设备/移动设备上的AI模型功能受限，尤其是在处理长上下文方面。但作者声称即使在移动设备上，Gemma 4也能提供128K的上下文窗口，挑战了边缘AI能力有限的普遍认知。
Gemma 4 outcompetes models 20x its size
大多数人认为AI模型的性能与参数规模直接相关，更大的模型必然更强大。但作者指出Gemma 4能够超越比它大20倍的模型，这挑战了'越大越好'的主流认知，暗示效率优化可能比纯规模更重要。
Byte for byte, the most capable open models
大多数人认为开源模型在性能上无法与闭源/专有模型相提并论，但作者声称Gemma 4是'字节对字节最强大的开源模型'，挑战了这一行业共识。这暗示开源模型在特定指标上已经超越了商业闭源模型，是一个非传统的观点。
Teams at companies like Notion, Ramp, Braintrust, and Wasmer are already using Codex to accelerate their engineering workflows.
大多数人可能认为AI编程工具主要被大型科技公司采用，但作者认为即使是像Notion、Ramp这样的非传统科技公司也在将Codex整合到其核心工程工作流中，这挑战了人们对AI编程工具采用者类型的传统认知，表明其适用范围比预期更广泛。
Within ChatGPT Business and Enterprise, the number of Codex users has grown 6x since January.
大多数人可能认为企业AI工具的采用是渐进式的，但作者认为Codex在企业环境中的采用呈爆炸性增长(6倍增长)，这表明AI编程助手可能比预期更快地从实验性工具转变为生产力核心，挑战了人们对AI技术企业采用速度的常规认知。
Codex-only seats have no rate limits, and usage is billed on token consumption.
大多数人认为AI服务通常会设置使用限制以控制成本，但作者认为Codex无速率限制的按token计费模式是可行的，因为这提供了更透明的成本结构和更灵活的使用体验，这可能反映了OpenAI对自身技术效率和用户需求的信心。
Priority areas include safety evaluation, ethics, robustness, scalable mitigations, privacy-preserving safety methods, agentic oversight, and high-severity misuse domains.
大多数人认为AI安全研究主要集中在防止恶意使用和确保系统对齐人类价值观上。但作者将隐私保护方法列为优先领域，这表明OpenAI正在将隐私视为安全的核心组成部分，而非一个独立考虑的因素，这与传统上将隐私和安全视为两个不同领域的观点相悖。
Fellows will receive API credits and other resources as appropriate, but will not have internal system access.
在AI安全领域，许多人认为要真正研究系统安全，必须获得对内部系统的完全访问权限。作者明确表示研究员将无法访问内部系统，这挑战了传统AI安全研究的假设，暗示OpenAI认为安全研究可以在没有完全系统访问的情况下进行，或者他们有其他方法来评估安全性。
Fellows will work closely with OpenAI mentors and engage with a cohort of peers.
大多数人认为AI安全研究应该是高度保密和孤立的，特别是涉及高级AI系统安全的研究。但作者强调与OpenAI导师的紧密合作和同行交流，表明OpenAI正在采取一种开放协作的AI安全研究方法，这与行业通常的封闭研究模式形成鲜明对比。
We prioritize research ability, technical judgment, and execution over specific credentials.
在学术界和科技行业，学历和传统资历通常被视为最重要的筛选标准。作者明确表示优先考虑实际能力而非特定资历，这挑战了行业普遍的人才评估体系，暗示OpenAI正在寻找非传统路径的创新者，而非仅看名校背景的精英。
We are especially interested in work that is empirically grounded, technically strong, and relevant to the broader research community.
大多数人认为AI安全研究应该是高度理论化和抽象的，但作者强调需要实证基础和技术强度，这表明OpenAI正在将AI安全研究从纯理论领域转向更注重实际应用和可验证成果的方向，这与传统AI安全研究的精英主义倾向形成对比。
The vast majority of the new compute will be sited in the United States, making this partnership a major expansion of our November 2025 commitment to invest $50 billion in strengthening American computing infrastructure.
大多数人认为AI计算基础设施将全球化分布，但Anthropic选择将绝大多数计算能力设在美国，这与常见的全球化技术部署趋势相悖，挑战了人们对AI基础设施地理分布的主流认知，反映了地缘政治对技术部署的深远影响。
Claude remains the only frontier AI model available to customers on all three of the world's largest cloud platforms: Amazon Web Services (Bedrock), Google Cloud (Vertex AI), and Microsoft Azure (Foundry).
大多数行业观察者认为顶级AI模型会通过独家合作伙伴关系锁定到单一云平台，但Anthropic选择了全面覆盖策略，这挑战了常见的平台锁定商业模式，暗示了AI基础设施市场可能比预期的更加开放和竞争。
We train and run Claude on a range of AI hardware—AWS Trainium, Google TPUs, and NVIDIA GPUs—which means we can match workloads to the chips best suited for them.
大多数人认为AI公司会依赖单一硬件供应商以获得最佳性能，但Anthropic采用多平台策略，挑战了行业共识。这种多元化方法虽然增加了复杂性，但提供了更好的性能和弹性，暗示了AI计算的未来可能更加分散而非集中。
over 500 business customers were each spending over $1 million on an annualized basis. Today that number exceeds 1,000, doubling in less than two months.
大多数人对AI企业客户的采用速度持保守态度，但Anthropic的高价值客户数量在短短两个月内翻倍，表明企业对AI的采用速度和投资规模远超行业预期，挑战了AI企业市场缓慢发展的普遍认知。
Demand from Claude customers has accelerated in 2026. Our run-rate revenue has now surpassed $30 billion—up from approximately $9 billion at the end of 2025.
大多数人认为AI公司仍处于烧钱阶段，但Anthropic的收入增长速度惊人，从2025年底的90亿美元年化收入飙升至2026年的300亿美元，这表明AI商业化速度远超市场预期，挑战了AI公司长期亏损的共识观点。
Figure 2. Four mechanisms support concurrent task execution in CORPGEN: hierarchical planning, isolated subagents, tiered memory, and adaptive summarization.
特别的微软
Clean Room as a Service
信创福音？
Some retailers / brands offer this on their website already, but it’s limited to their SKUs. We see an opportunity for AI consultants that have deep knowledge on a product category across different brands, and that learn more context on each user and their preferences over time (for example, if it helps you buy a sofa, it can later tailor chair recommendations to things that match).
一个符合需求的收纳箱
深势科技
https://www.dp.tech/knowledge
OJBench
https://arxiv.org/pdf/2506.16395v1 Comparison between CPP and Python
Multi Hop
PWA-enabled dashboard
类metero框架的机会？
A managed runtime environment
BaaS又复活了
consistently improves with more reinforcement learning (train-time compute) and with more time spent thinking (test-time compute)
RL for post-train, time spent thinking for inference? How?