锦秋小饭桌活动概览 - 锦秋基金每周五在北京、深圳、上海、杭州等地举办AI创业者闭门社交活动，已连续举办25场，聚焦多模态技术、AI计算架构、具身智能及AI硬件等前沿话题 [3] - 活动形式为创业者、技术专家和产品创新者围绕实景案例分享干货，避免商业互吹，强调真诚交流与创业经验 [3] - 未来活动预告包括8月15日北京Agent专场、8月22日上海运动AI专场、8月29日北京产品力专场及9月5日上海AI应用吐槽大会 [4][5][6][7] 具身智能发展 - 数据分为三层：低精度人类数据、高精度人类数据和真机遥操作数据，其采集成本和质量直接影响模型价值 [16] - 灵巧手产品成熟度低，高自由度设计未满足实际需求，低自由度产品功能近似夹爪，实用性受限 [16] - 触觉传感器需优先关注线性度和量程，绝对精度和切向力感知非核心因素，人类切向力感知依赖推断而非直接传感 [16] - 生成式世界模型需大量数据和算力，适合大厂主导探索，人形机器人需满足家庭基础要求如防跌倒、防燃烧及自主充电 [16] AI硬件创新 - 产品差异化依赖细节设计，例如Lovot机器人通过挠痒反馈和眼神交互提升情绪调动能力 [23] - 端侧算力需求增长，因视觉模态涉及隐私问题，云端处理存在存储和计算成本压力 [24] - 可穿戴硬件受限于小体积元器件，电池技术影响美观与体验，记忆解决方案需平衡成本与体验 [25] - 记忆系统需结合主观与客观数据，纯客观数据无意义，需理解用户mindset实现个性化 [26] - 细分市场策略有效，如高驰手表专注越野跑人群从Garmin抢占市场，美国航模市场依托高客单价和club文化 [27][28] - 创业者应选择非小米覆盖市场，避免中间路线摇摆，功能性与非功能性需明确二选一 [22][29] AI计算架构与算力需求 - 算力需求分生产力视角和消费视角：前者替代脑力劳动者所需算力有限，后者因每人调用多个AI Agent处理琐事可能创造无限算力消耗 [35] - 头部公司内部高端AI卡（如英伟达）争夺激烈，算力资源远未饱和 [36] - 模型训练进入下半场，互联网可用数据耗尽，需超越人类先验知识探索新解决方案 [38] - 强化学习成为下一代核心范式，奖励机制设计需平衡避免Reward Hacking或学习停滞 [39] - 下一代GB300集群采用液冷技术，但大规模运维经验不足，华为披露集群平均无故障时间小于24小时 [41] - 服务型AI（情商模型）侧重沟通能力，几十B参数即够，科研/生成式AI（智商模型）需高算力支持实时交互式生成 [42] - HBM5/6技术路线集成PIM功能，未来HBM堆栈可能新增HBF层存储模型权重，Transformer数据访问模式不规律挑战PIM架构 [43] 多模态技术落地 - 视频生成面临UGC痛点：生成速度慢和成本高，闭源方案即梦速度最快，实时生成需推理速度突破 [52] - 多模态交互升级方向包括视频生成与理解一体化，基于用户视频生成定制内容如衍生剧情和角色互动 [53] - 内容社区依赖评论区和高频互动提升活跃度，新平台采用"PGC起步-UGC引入-AI定义价值"模式 [54] - 用户行为呈现性别差异：女性偏好幻想和情感陪伴，男性倾向对抗性互动，平台需降低创作门槛并增强多样性 [54] - AI商业壁垒体现在数据、标注和场景深度，头部团队投入资金进行高质量标注训练模型 [55] AI应用场景与数据 - 手机AI调用中10%为口算计算器场景，大模型chatbot主要应用OCR，视觉模态落地监控和学习机拍照搜题 [30][31] - 数据标注质量对多模态模型至关重要，需对图片进行详尽多维标注 [51]