“杭州六小龙”第一股、空间智能与AI的下一步：对话群核科技创始人黄晓煌【硅谷101】
合集 · 公司/人物故事 (21)
-
软银“断尾”与孙正义的赌徒人生
27:08
-
聊聊“OpenAI技术灵魂人物Ilya Sutskever
13:55
-
细扒OpenAI董事会每一位成员
11:42
-
揭秘OpenAI成长史
45:07
-
OpenAI“黑手党”
29:06
-
“加密货币之王”SBF的疯狂人生与FTX帝国的崩塌
50:09
-
诺奖得主Katalin Karikó：mRNA“疯女人”
58:10
-
美国贴吧Reddit的19年爱恨史
41:33
-
波音是如何失去制造骄傲的？
41:23
-
ARM风云史：软银帝国的最后王牌
43:00
-
Bill Hwang如何骗过了整个华尔街？
35:58
-
英特尔是如何走向倒塌的？
50:17
-
大众转型困局背后的“德国病”
55:00
-
从追缉本·拉登到AI战争，解密Palantir的崛起之路【硅谷101】
47:32
-
失衡的乌托邦：Meta的开源AI路线是如何遭遇滑铁卢的
29:25
-
派拉蒙百年兴衰史：80亿卖身甲骨文背后的传媒帝国大洗牌【硅谷101】
30:43
-
好莱坞的诅咒与Netflix的十年征服史，深扒华纳兄弟收购案始末【硅谷101】
40:39
-
“杭州六小龙”第一股、空间智能与AI的下一步：对话群核科技创始人黄晓煌【硅谷101】
54:55
-
“没有她，SpaceX早倒闭了”：商业航天女王的成长史【硅谷101】
12:38
-
SpaceX崛起史：一切，为了去火星｜实地探访发射基地与总部【硅谷101】
1:15:33
-
AI时代“超级高中生” 、大学外的第三种可能与中国创新教育｜探访北京探月学校【硅谷101】
1:17:39
Description
2026年，AI的新风向已经指向了“世界模型”。而在这其中，“空间智能”被顶尖研究者们视为通向AGI真正的“关键拼图”。本期视频我们将深入拆解空间智能的两条核心技术路线，理清世界模型、空间智能、具身智能的复杂关系。 为此，我们采访了“杭州六小龙”首家完成IPO的企业——群核科技，4月17日上市之初，他们开盘涨幅超170%，市值突破350亿港元。创始人黄晓煌作为从英伟达CUDA第一批开发者转型创业的技术人，他坦诚地分享了几经周期起伏的创业历程。同时也回答了为什么数据是当前空间智能落地的最大瓶颈？以及中美在空间智能的探索路线上有何本质区别？ 采访嘉宾： 黄晓煌，群核科技联合创始人兼董事长
Comments
硅谷 101 是我认为 B 站第一 AI up 主。视频的专业度很深，却又浅显易懂。紧跟 AI 最前沿的领域，却又不随波逐流。每次必看，必投币，必点赞。感谢！
♥ 105 ↩ 5
讲的还是比较靠谱的，没讲一些空话套话，对于我这些小白普及空间智能还是挺好的[星星眼]
♥ 32 ↩ 3
在当年有英伟达工作经历没什么存在感，现在说当年有过英伟达工作经历，投资人排队送钱[吃瓜]
♥ 30
发晚了，早发两天我就去打新了[doge]
♥ 16 ↩ 9
酷家乐原来酷家乐是他们，真实厉害了
♥ 9 ↩ 2
智元发布的世界模型开源平台 Genie‑Envisioner, 不就是为了创建数据吗? 还是说GE‑Sim并不能真正替代物理世界的数据采集?
♥ 8 ↩ 2
谁写的稿子啊？“今天的空间智能模型本质上缺少的，正是这种与生俱来的物理先验”这句话说的很好，很深刻，很概率论。
♥ 7
硅谷101视频、晚点聊、卫诗婕漫谈，一起发了黄晓煌
♥ 7 ↩ 1
我们公司就有足够海量的物理空间真实数据，毕竟我们公司就是专门干工业数学出身的，不过吧我们是不会随便將这宝贵的真实物理数据金矿海洋免费分享出来的[doge][吃瓜][吃瓜][呲牙]
♥ 6 ↩ 4
昨天是不是漏发了，已经看过了[doge]
♥ 6 ↩ 4
卧槽，酷家乐就是他们公司的产品啊
♥ 5 ↩ 1
这位工程师的工程师思维不错，比较务实
♥ 5 ↩ 2
先赞再看，年薪千万
♥ 4
太硬核的内容了，每期必看[打call]
♥ 4 ↩ 1
很多科技公司为了追求技术而追求技术，都想抢占先机，导致了消费市场的空缺，能以现实世界及实际运用为目标很不错
♥ 4 ↩ 2
很高的质量！ 知识密度高 想必下了不少功夫吧[打call] 感谢陈茜和团队
♥ 3 ↩ 1
18年酷家乐做效果还不行， 到20 年刚毕业那会在家装公司做设计师助理，酷家乐效果差不多可以 3dmax 效果差不多了，后来没干设计师了。只是当时了解这家公司创始人是从英伟达出来的，觉得这家公司潜力不错。
♥ 3
"美国的模型贴近虚拟世界、中国的模型更接近物理世界" ---- 一针见血。这是对空间模型理解的本质差异。李飞飞那一套本质上就是元宇宙的东西。而中国现在全力投入的就是以机器人+智能汽车为智能体的空间感知。
♥ 3 ↩ 2
如果只是说从世界的表征和物理现象出发去采集参数的话，这个是无穷无尽的，我觉得需要从物理规律和物理现象的双向靠近，才能实现对物理世界参数的建模
♥ 3