点击上方名片关注我们??
这两年刷手机追AI动态,是不是总有这种感觉:
朋友圈和各种技术群里又在刷屏“某某大模型震撼发布”、“某某指标全面屠榜”。看着那些铺天盖地的消息,心里总忍不住犯嘀咕:怎么感觉一觉醒来,自己又落后一个版本了?
后来我算是想明白了,咱们普通人觉得跟不上,往往不是因为脑子不够用,而是信息源太杂了。
小值平时习惯把这些五花八门的网站分个类,按需去刷。每天通勤路上花个十几二十分钟,先去大厂官网核对一下到底发生了什么,再去论文平台看看技术是不是真有进步,最后刷刷靠谱的行业简报了解商业动态。信息源干净了,焦虑自然就少了一大半...
今天小值就把浏览器收藏夹里最常打开的12个网站分享出来,个个都是干货,超级有用,记得收藏!
先去源头看:大厂官方实验室
二手新闻看多了容易被带偏,遇到什么轰动的大事件,我第一反应都是直接去官方博客看原文。它们更新不一定勤快,但每发一篇基本都是实打实的重磅消息。
1. OpenAI News
网址:https://openai.com/news/
只要跟ChatGPT、Sora或者各种新模型、API调价沾边的消息,这里就是最直接的源头。现在网上关于OpenAI的小道消息太多了,很多营销号为了流量,经常把测试阶段的功能说成已经全面上线,或者把价格和限制条件混为一谈。
每次看到群里又在传OpenAI出了什么逆天新功能,我都会先点开这个页面核对一下。它的价值不在于天天有新闻看,而在于关键时刻给你提供一个最准的参考标准。比如新模型到底开放了哪些权限、具体怎么收费,看这里的原始表述最靠谱,省得被二手消息忽悠。
平时经常用ChatGPT干活,或者自己接了API折腾应用的朋友,别忘了把这个网页放进书签栏。
2. Anthropic Research / News
网址:https://www.anthropic.com/research
网址:https://www.anthropic.com/news
用过Claude的人应该都有体会,它在写代码和理解长文章这块确实有两把刷子,而且说话风格比较克制,不爱胡编乱造。如果你好奇他们是怎么把模型调教成这样的,逛逛Anthropic的官网就能找到答案。
他们家不仅会在News频道发新模型动态,在Research板块里还经常发一些特别硬核的长文。比如怎么给模型定安全边界、怎么测试Agent 自主行为,甚至连模型内部是怎么“思考”的都会拆开来讲。如果说OpenAI的官网像是一份产品更新日志,那Anthropic的页面读起来更像是一本大模型说明书,能让你搞懂这些技术背后的脾气和逻辑。
适合平时喜欢用Claude写代码、处理长文档,或者对AI安全边界感兴趣的朋友。
3. Google DeepMind Blog
网址:https://deepmind.google/discover/blog/
如果你想看点真正有科研含量的硬东西,DeepMind的博客绝对绕不开。
除了大家熟知的Gemini系列模型,他们在蛋白质结构预测(AlphaFold)、机器人控制、甚至用AI辅助气象预报和材料科学这些领域,一直走在最前面。很多时候,你在别的地方看到一些让人眼前一亮的前沿概念,往回倒腾源头,大概率都是从这儿发出来的。
这个网站可能没那么适合纯粹“看个热闹”,因为它很少搞那些花里胡哨的营销预热。但如果你想看看AI除了聊天画图之外,还能在物理世界和科学研究里掀起多大风浪,定期来这儿逛逛特别长见识。
4. Meta AI Blog
网址:https://ai.meta.com/blog/
聊起开源大模型,Meta绝对是个绕不开的名字。当年要不是他们把Llama系列模型开源出来,估计现在很多中小团队和个人开发者还在为高昂的API费用发愁。
Meta AI的博客风格挺务实的,没有那么多虚头巴脑的商业吹捧,基本就是直接甩干货:新开源的模型参数多大、在哪些测试集上跑出了什么成绩、训练的时候用了多少算力、遇到什么工程难题是怎么解决的。除了大语言模型,他们在计算机视觉、语音翻译和底层基础设施这块也经常放出来不少好东西。
对于喜欢自己在本地电脑部署模型、折腾开源项目,或者想了解大模型底层工程实现的朋友来说,这里简直就是个宝藏库。
技术风向标:论文与代码平台
一项技术是不是真的往前迈了一步,咱们不能只看发布会,还得看论文里的数据和开源社区的代码。
5. Hugging Face Papers
网址:https://huggingface.co/papers
现在AI领域的论文多到根本看不过来,直接去学术网站刷就像在大海里捞针。Hugging Face做的这个每日论文聚合页,简直是懒人福音。
它每天会把圈子里讨论度最高、最受关注的几篇新论文拎出来排在首页。最贴心的是,每篇论文下面不仅能看到大家伙儿的实时吐槽和讨论,很多作者还会直接把模型权重、测试数据集甚至在线体验Demo链接贴在旁边。
我现在的习惯是每天早上坐地铁的时候花十分钟刷一遍首页,看看标题和大家的评论,心里大概就有数今天技术圈又在卷什么新方向了。碰到特别感兴趣的,再顺着链接点进去细看,效率比自己盲目搜高太多了。
6. arXiv(AI 常用分类)
网址:https://arxiv.org/list/cs.AI/recent
网址:https://arxiv.org/list/cs.LG/recent
网址:https://arxiv.org/list/cs.CL/recent
网址:https://arxiv.org/list/cs.CV/recent
如果说前面那个是精选超市,那arXiv就是源头批发市场,全球绝大部分最新的AI论文都会第一时间传到这里。
不过千万别想着把每天更新的内容全看完,那跟看天书没区别,纯属折磨自己。比较省力的做法是,根据你平时关注的方向订一两个分类,每天就快速扫一眼论文标题和摘要:
cs.AI:人工智能综合类,什么方向都有。
cs.LG:机器学习,偏算法和底层理论。
cs.CL:自然语言处理,搞大模型文本生成的重点看这个。
cs.CV:计算机视觉,做图像识别、视频生成的看这里。
扫到觉得标题挺有意思的,直接把PDF链接丢给大模型帮你总结核心观点,觉得真有用再自己精读。
7. Papers with Code
网址:https://paperswithcode.com/
学术圈有个挺让人头疼的现象,就是不少论文把效果吹得神乎其神,结果代码死活不公开,外人根本没法复现。Papers with Code 专治这个毛病,它直接把论文、开源代码和各项能力排行榜(Benchmark)绑在了一起。
比如你想知道现在视频生成或者语音识别领域,哪个开源项目效果最好,直接去对应的榜单里一查,谁排第一、代码地址在哪、用了什么数据集训练的,全都一目了然。
我自己平时想找个现成的开源工具解决点实际问题时,都会先来这儿搜一圈。有现成代码能直接跑通的项目,才算真正能落地的技术。
8. Stanford HAI(斯坦福以人为本人工智能研究院)
网址:https://hai.stanford.edu/
这个网站不是那种天天追热点的日更频道,但我每年都会专门留出时间认真看一次他们发布的《AI Index Report》(人工智能指数报告)。
这份报告它不会只盯着某一个模型有多厉害,而是把过去一年全球AI论文发表量、资本投资流向、算力成本变化、能源消耗,甚至各国的政策法规和普通人对AI的态度变化,全用详实的数据图表拉了出来。
如果你平时需要写行业分析,或者想跳出每天琐碎的新闻,站在三五年的长周期视角看看这波AI浪潮到底发展到了哪一步,这份报告比看一百篇零散的自媒体文章都管用。
看懂钱和产品流向哪里
技术再牛,最终也得变成产品、融到资、赚到钱才能活下去。下面这几个网站能帮你看清商业世界里的真实牌局。
9. TechCrunch AI
网址:https://techcrunch.com/category/artificial-intelligence/
TechCrunch是硅谷老牌的科技媒体了,它的AI频道最大的特点就是“快”和“全”。
哪家初创公司刚拿了几个亿的融资、哪个大厂又收购了某个小团队、哪款新出的AI硬件刚开卖就被吐槽翻车,这些消息它基本都能在第一时间报出来。虽然文章写得不算特别深,很少去抠底层技术细节,但胜在覆盖面广、消息灵通。
把它当成每天的行业雷达特别合适,午休吃饭的时候随手刷几条,硅谷创投圈这几天又在流行什么新玩法,基本就能摸个八九不离十。
10. The Batch by DeepLearning.AI
网址:https://www.deeplearning.ai/the-batch/
这是吴恩达团队办的一份周刊,如果你平时工作特别忙,根本没精力天天盯着各大网站刷新闻,那订阅这一个就够了。
它每周发一期,编辑团队会把这一周全球AI圈最值得关注的几件大事——不管是重磅新模型、有趣的学术论文,还是行业政策变化——全部帮你筛选出来,用非常通俗易懂的英文整理成短文。每期开头还有吴恩达自己写的一段行业随笔,角度经常很独到。
周末早上喝杯咖啡的时间,花十几二十分钟把这一期看完,这一周AI圈的核心动态基本就补齐了,节奏非常舒服,完全不会有信息过载的疲惫感。
11. Latent Space
网址:https://www.latent.space/
这两年随着大模型越来越成熟,圈子里冒出来一个新词叫“AI Engineer”(AI应用工程师),专门研究怎么把模型能力真正揉进实际产品里。Latent Space就是这个群体里口碑极好的一份播客和专栏。
它不怎么聊那些虚无缥缈的宏观概念,聊的全是实打实的落地细节:比如怎么做RAG(检索增强生成)才不会答非所问、怎么设计Agent的工作流、推理成本怎么压下来、不同模型的实际调用体验到底差在哪。
如果你自己正在尝试用AI做点小产品、搞独立开发,或者公司里正在推进AI业务落地,这里面的很多一线实战经验能帮你少踩不少坑。
12. SemiAnalysis
网址:https://www.semianalysis.com/
很多人聊AI只盯着软件和模型,但其实背后真正卡脖子、也最烧钱的,是实打实的硬件和算力。SemiAnalysis就是专门扒这层底裤的硬核分析网站。
英伟达的新一代芯片产能到底怎么样、建一个大型数据中心要花多少电费、训练一个千亿参数的大模型背后真实的硬件成本是多少、各大云厂商的算力储备谁强谁弱……这些平时在大众媒体上根本看不到的供应链和成本账本,它都能给你算得清清楚楚。
虽然网站里不少深度长文需要付费才能看全,但光是免费公开的部分,信息量就已经非常惊人了。想看懂大模型军备竞赛背后的金钱与算力逻辑,这个站绝对值得常看。
写在最后:
说到底,工具和网站再多,也只是帮我们过滤噪音的筛子。AI每天都在变,咱们普通人真没必要强迫自己把每条新闻都追个遍。
从上面挑两三个最适合自己的放进收藏夹,保持一个舒服的阅读节奏,就已经跑赢绝大多数被信息焦虑推着走的人了。
本文核心信源与事实依据主要来自: OpenAI News、Anthropic Research / News、Google DeepMind Blog及Meta AI Blog的一线产品动态与技术说明;整合了Hugging Face Papers、arXiv计算机科学相关分区(cs.AI、cs.LG、cs.CL、cs.CV)、Papers with Code 以及斯坦福以人为本人工智能研究院(Stanford HAI)发布的《AI Index Report》等行业监测资料;援引了TechCrunch AI频道、吴恩达团队创办的周刊《The Batch》(DeepLearning.AI)、开发者社区专栏《Latent Space》以及芯片与算力分析机构SemiAnalysis的公开报道与行业观察,以及「什么值得买」社区作者@cxuanAI的文章内容等。
更多AIGC全网热点内容,尽在「什么值得买App」!
股票
板块
用户
资讯
评论 (0)