AMI Labs 创始人 Yann LeCun 论述了为什么 LLM（大型语言模型）以与 AI 几十年来相同的方式欺骗了我们： 他认为，每一代 AI 科学家都犯了同样的错误：将任务表现与真正的智能混淆。 LeCun 对当前炒作的核心挑战： “我们被愚弄，以为这些机器是智能的，因为它们能够操控语言。而我们习惯于那些能够很好操控语言的人隐含地是聪明的事实。” 他明确表示，LLM 是有用的，但作为一个有用的工具和作为智能之间是两回事。 真正的洞察是他所经历的历史模式。 自 1950 年代以来，一波又一波的 AI 研究人员声称他们的突破是通向人类水平智能的道路。 Marvin Minsky、Herbert Simon、Frank Rosenblatt——他在 1950 年代发明了感知器，第一台学习机器——都预测机器将在十年内变得和人类一样聪明。 “他们都是错的。” LeCun 亲眼目睹了这三轮炒作和失望的周期。他对当前这一轮的评判直言不讳： “这一代 LLM 也是错的。这只是被愚弄的又一个例子。” 模式：一种新技术出现 → 机器在特定任务上表现良好 → 我们假设它们具备一般智能 值得问的问题是：我们对这些工具的印象是因为它们智能，还是因为它们听起来像是智能的？

谷歌前首席执行官埃里克·施密特谈论下一个百亿公司背后的数据战略： 他解释说，他通过查看五年的增长轨迹来评估创业想法，并询问是否有更具可扩展性的战略可用。 以一个创始人为例，他们想为一个应用程序收费10美元。@ericschmidt的挑战是： “为什么不免费提供，然后向用户进行增销呢？” 但真正的洞察在于他预测哪些公司将主导的框架——这一切都归结于数据。 “5年前，我公开表示，未来将是使用谷歌地图、GPS并能做一些有用事情的智能手机应用程序。现在，我应该说的是Uber。” 那么他认为下一个波段的巨大公司将由什么来定义呢？ 基于Android和iOS构建的系统、快速的网络和强大的机器学习，以及至关重要的数据优势： “他们将利用人群来学习一些东西。” 他用这个例子来说明： 支付皮肤科医生每人1美元来对皮肤样本进行分类。将这些数据输入机器学习系统。然后将诊断服务卖回给他们，因为一个经过数千名专家训练的系统将优于任何个人。 施密特总结了获胜的数据战略： “你众包信息，学习它，然后出售它。[这]在我看来是下一个百亿公司高度可能的候选者。” 蓝图：大规模聚合专家数据 → 在这些数据上训练机器学习系统 → 将优越的洞察力卖回市场。 这就是下一代主导公司的构建方式。

每个人都在谈论 OpenAI、NVIDIA 和 Google。 但他们都依赖于一个人们从未听说过的公司——在制造 AI 芯片所需机器方面拥有 100% 的垄断。 以下是 ASML 的 EUV 技术如何悄然推动整个 AI 行业的：