全篇概述
《十字路口》2026 年终复盘系列第 2 期,嘉宾谷雨(NeoCognition 联合创始人,做 Continual Learning,种子轮 4000 万美元、17 全职 + 4 实习)。他讲了十个真正让他“惊讶”(Aha)的瞬间——不是新闻盘点,是认知被改变的时刻。
背景人设:31 岁、INTP、天蝎。本科南大、博士俄亥俄州立。从头到尾没想过进大厂(受不了固定打卡),要灵活性、要 ownership、不为别人工作;父母不设世俗要求,“我对风险没有概念”。是播客《Ungrounded 不着边际》联合发起人。
边界:本文为播客图文整理(二手),一手为音频/视频;观点属受访者本人。
---
- 日期:2026-11-13
- 原始日期:2026-11-11
- 来源:播客《十字路口》2026 年终 AI 复盘系列第 2 期,主持 Koji(杨远骋)对话谷雨(NeoCognition 联合创始人)。音频见小宇宙/微信播客,视频见 @Koji杨远骋 视频号/小红书/B站/YouTube;中文图文见公众号「十字路口Crossing」阅读原文
- 渠道:十字路口Crossing(公众号)
- 体裁:访谈
- 作者:谷雨(NeoCognition 联合创始人,南京大学本科、俄亥俄州立博士;前 OSU NLP 实验室,MMMU / Mind2Web / AgentBench 作者之一)
- 信源层级:二手(播客图文整理;一手为播客音频/视频)
- 标签:Continual Learning / RSI / Computer Use / Personal Agent / 创业方法论
- 一句话:谷雨给 AI 十个 Aha——Continual Learning 是明年关键词,创业却卡在“造灭火器还是先卖砖头”。
① RSI(递归自我改进):大厂有“创新者的窘境”,反成 NeoLab 机会
- 他被打脸:“上个月我还说,搞不懂为什么会有创业公司在做 RSI。最近发现我确实被打脸了。” 指 Recursive 与 Mirendil 发布模型。
- 为什么 NeoLab 有机会:“AI 写 training Infra / recipe 的能力总有一天会超过人”——那天到来时,大厂积累的 Infra 和 recipe 反而变成累赘。
- 极具体例证:“OpenAI 的 Score Centering 有用……但他们为了用它要适配自家 Infra,代价太大,大厂不愿意做。从 0 开始的 startup 没有这种负担,随时迭代、随时丢掉。”
- 看好谁:Recursive、Mirendil、Jeff Dean 的 Discovery Loop;国内“可以再观察”。
② Computer Use 快被解决了——“我们几个月的活白干了”
- 趋势:Computer Use 在操作层面的问题基本解决完了(“手”已经解决),主因是 coding 训练规模上去、泛化到了软件/网页操作。
- 下一步是 Cognitive Level(脑子层面):“模型知道怎么做之后,操作没问题;难点在于模型不知道一个事情'应该'怎么处理——因为每家公司有自己的业务流程。”
- 打脸点:NeoCognition 曾花几个月做 reliability(让 Agent 做几次、把做对的封装成 reusable skill),搭了一整套 pipeline;“现在发现完全不需要这套 pipeline 了,让 Opus 5.5 自己实现一下这个流程,其实很快。”
- 抛出 ApprenticeBench:建筑行业会计场景、100 道题;关键不同——100 题不是独立的,Agent 要一个一个连着做(边干边学)。
③ 为什么 Scaling Law 永远值得相信
- 数学千禧年问题被逐个解决(informal 路线,无需 formal 验证),打破了两年前“纯 informal 上限不高”的认知。“现在的趋势确实是不得不信。”
- 数学人的虚无:“本来他们是这个世界上最聪明的一群人……结果智力突然变得不重要了。”
- 一个精彩类比:“人跑得没机器快,但运动员仍在追求身体极限,这对人本身是一种意义。数学可能后面会像棋类运动一样,成为人挑战智力极限的方式。”
④ Continual Learning:他公开说 Memory Notes 不行——又被打脸
- 今年上半年他到处说“基于写 Memory Notes 做 Continual Learning 肯定不靠谱”(理由:rewrite 不是可靠的优化算法)。
- 结果被打脸:“随着 scaling,Memory Notes 路线还是能行的……上限被我们低估了。”
- 但保留:“Memory Notes 确实不是可靠的优化算法……之前的问题是会被模型自己的能力 bottleneck 住,但模型越来越强,上限可能是可观的。”
- 关键信号:“真正这方面比较强的也就是 Anthropic 跟 OpenAI,其他大厂做的都不行。”
- 面向明年的判断:“每一年都有一个关键词——2024/25 是 VLM、多模态;2025 底到 2026 是 coding;2026 到现在到明年,重点得做 Continual Learning,可能是到明年下半年前的一个行业关键词。”
⑤ 学术会议体系快坍塌了
- “到 2026 年开始发现临界点到了——整个学术的评价体系、投稿系统、会议系统彻底崩塌了。”
- 他的实况:已经一年半没投论文、半年多没审稿/当 AC;“当 AC,一批 16 篇文章,真拿得出手的可能就一两篇。”
- “发论文和个人能力真的完全没有任何相关性了。” 招人更看面试 + research presentation(逻辑表达、Q&A 反应)。
- 该重建什么:“最好的评估就是同行评议,不应该是一个量化指标”——但现在审稿“本科生也可以当审稿人”,与他说的同行评议不是一回事。
- 后果:“进大学当教职的优先级越来越往后”——因为机会与钱都在 Frontier Lab / NeoLab。
⑥ 大学教授与夜店男模:十年后谁社会地位更高?
- “当人的智力不再值钱的时候,可能长相跟身材更值钱。” ——人类智力值钱“并不是一个很长时间的事情”:体力→机器、脑力→AI,下一步是“情绪价值”短期难被取代。
- 一个参照:全世界卖得最好的减肥药,收入大于所有模型公司的收入总和。
- 关于读博:“不给建议,自己开心就好……想做一件事去做,就是一种理性。”
⑦ 创业:着火时造灭火器,还是先卖砖头?
- 核心自省:“NeoCognition 成了拿锤子找钉子——Solutions In Search of Problems(SISP)。”
- “做学术只要技术体系内闭环自洽就行;但做 startup 光自洽不行,那是自娱自乐,startup 需要和市场一起完成闭环。”
- 那个关键的 VC 比喻:“当一个人头上着火,他不会等你给他灭火器,手头有个砖头也得把火拍灭。我们学术团队一直想造好的灭火器,但可能在灭火器造出来之前,别人卖砖头的已经卖了 100 个。”
- 落到业务:“团队对产品发布标准太高,总要发布特别成熟可靠的……公司层面有时候真得先发布不那么成熟的产品,先把商业闭环跑起来,甚至先把牛吹出去。这方面我们太本分了。”
- 谁做得好:“马斯克——硅谷 fake it till you make it 的极致。”
- 关于高中生直接工作:合理,“我们国家的教育体系对国情符合,但对个体来说,前十几年可能并不在磨练能力,更多是为了完成筛选。”
⑧ 教授和博士创业怎么成了随大流的事?
- “以前觉得创业是非主流路径……过去这一年,我频繁听到身边人说'大家都在创业',什么时候创业成了一个随大流的事情?”
- 原因:钱太多。“我今年 6 月才知道国内原来会给 AI 投这么多钱——国内有些 NeoLab 直接 20 亿估值。”(推测与房地产热钱转移有关)
- 关于压力:多数创业者不签回购/对赌,“不是个人财务压力,更多是会不会浪费几年时间的心理压力。”
⑨ AI 电影:我在 B 站看入迷了,忘了是 AI 拍的
- “现在 AI 真的能做一段两个小时左右、非常前后一致的电影。” 例子:B 站 UP 主龙小胖用 AI 把林正英“搬回来”做了新僵尸片,两个多小时,七八个角色从头到尾脸/衣着保持一致。
- “我是真把它当电影看。” 弹幕都在讨论剧情,不在讨论 AI。
- 最锋利的一句:“大家对于一个内容是怎么产生的不是很有所谓,关键还是最后的成品长什么样。”
- AI 短剧:“60 集一分钟短剧,人工剧本报价 7 万块;现在 AI 一天能给你写 100 个。”
- 未来什么值钱:“非常粗暴的结论——人只需要两件事:一个是审美,一个是美。审美是决定正确的方向、前进的路线;美就是情绪价值。”
⑩ Personal Agent 还真的挺有用
- 判断:“起来其实不是技术真到了临界点(虽然跟 coding/Computer Use 更强有关),更多是产品上有两个关键设计。”
- ① 做成 Personal Assistant:Session-Based 会话管理不合适;“像在微信上跟人聊天,每个人对应一个窗口。”
- ② 拟人化:“为什么 Personal Agent 都要搞卡通形象?比如 Muse 的毛绒形象,就是为了增强拟人化的感觉。”
- proactiveness 本身不新(“年初 OpenClaw 就有 proactive 功能”)——火本质是产品与交互体验。
- 他用 Muse 和 Instinct,都在帮看邮件/消息;“最终会收敛到只用一个 Agent,形成依赖后,一个就够了。”
结尾:明年一定会发生的事
- 预测:①Continual Learning 是行业关键词;②“明年真的会有一个来自 RSI 创业公司的最强模型,至少是 SOTA 级别的前沿模型。”
整理者的分析
标注:以下为整理者(范德)的分析,非谷雨原话,不代表其立场。
- 这篇和你的“个人 AGI / 记忆”主线是同一件事。 他谈的 Continual Learning / Memory Notes,就是你深脑与记忆体系在做的核心命题;而他那句“真正这方面比较强的也就是 Anthropic 跟 OpenAI”——恰说明“跨会话记忆”仍是未解的真需求(跟我们热榜上看 claude-mem 反复登榜一致)。你的深脑如果做对“记忆→判断”的沉淀,就在这条最热的赛道上。
- “造灭火器 vs 卖砖头”这一条,建议你直接搬给团队。 它是对“学术型团队做产品”最精准的诊断:做得太本分、产品标准太高、商业闭环跑不起来。你团队里也有“技术很强但先憋大招”的倾向——这个比喻一句话就能说清。
- “内容怎么产生不重要,成品长什么样才重要”——这句对你有直接战术含义。 你今天在做的“AI 出片 / 材料转视频”,不必纠结“是不是 AI 做的”,要盯“够不够好”。这和他另一句“人只需要审美和美”是一套。
- “前十几年更多是完成筛选”——这句对你的教育业务是重判断。 如果体制内教育“对个体来说不是磨练能力而是筛选”,那“AI 化技能训练”(你的 MBA 同学技能 AI 化)的正当性就更强了。这是个可用的叙事支点,但注意它是他个人观点、非定论。
- 保留意见:①本文为播客图文整理(二手),引用前建议回原音频核对;②文中公司估值、Benchmark 分数(如“第一名 72%”“近 80 分”)为其自述/榜单快照,本机未独立核实;③他在为自己公司做铺垫(第⑨条末尾就顺势植入了 NeoCognition 的“记忆”工作),读时留个心眼。