149. 亲历中美neo labs资本狂潮，和清华刘子鸣聊：AI for AI、机制可解释性和Max Tegmark
播客收听
问这期播客
会先在本集摘要、章节、转录和笔记里找答案。
TL;DR · AI 摘要
中美新型实验室（neo labs）正掀起AI for AI热潮，清华刘子鸣揭示资本狂潮背后的技术趋势与机制可解释性挑战。
核心要点
- AutoResearch与世界模型是当前neo labs资本最活跃的两个方向
- 刘子鸣参与的元环智能正在探索AI与自然科学的跨界融合
- 机制可解释性需要结合物理学原理，而非单纯依赖符号系统
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- 中美neo labs与AI for AI
- 资本趋势
- AutoResearch
- 世界模型
- 技术挑战
- 机制可解释性
- 模型设计科学化
- 实践案例
- 元环智能
- KAN网络
金句 / Highlights
值得收藏与分享的关键句。
2026年中国涌现的neo labs本质是Coding Agent缺失部分的补全
刘子鸣称当前资本潮'太疯狂了'，估值数亿美金的初创团队尚未有产品
Anthropic的机制可解释性需同时从空间、时间、平行宇宙三个维度验证
章节
刘子鸣的自我介绍（从物理转型AI）
刘子鸣的自我介绍（从物理转型AI）
研究者的类型：“鸟人”vs“蛙人”
研究者的类型：“鸟人”vs“蛙人”
2024年研究KAN网络，刚开始Max Tegmark不同意
2024年研究KAN网络，刚开始Max Tegmark不同意
思考，怎么让设计模型也变成一门科学，变得scalable？
思考，怎么让设计模型也变成一门科学，变得scalable？
我同意谢赛宁说，“大语言模型是反bitter lesson的”
我同意谢赛宁说，“大语言模型是反bitter lesson的”
在我看来，在后LLM的时代，模型设计会变得更重要，因为LLM的成功不是因为模型
在我看来，在后LLM的时代，模型设计会变得更重要，因为LLM的成功不是因为模型
我的研究：嫁接神经和符号两个世界，嫁接AI和自然科学两个世界
我的研究：嫁接神经和符号两个世界，嫁接AI和自然科学两个世界
从MIT到斯坦福，信仰变了，身边很多人都从scientist转化成entrepreneur
从MIT到斯坦福，信仰变了，身边很多人都从scientist转化成entrepreneur
26年，亲历了硅谷和中国两边neo labs创业潮，neo labs大量涌现的本质是什么？
26年，亲历了硅谷和中国两边neo labs创业潮，neo labs大量涌现的本质是什么？
当下neo labs资本涌入最活跃的两个方向：世界模型和AutoResearch
当下neo labs资本涌入最活跃的两个方向：世界模型和AutoResearch
作为neo labs参与融资的实际体感：“就是，太疯狂了！”
作为neo labs参与融资的实际体感：“就是，太疯狂了！”
做AI for AI技术路线和田渊栋的Recursive Superintelligence（RSI）区别是什么？
做AI for AI技术路线和田渊栋的Recursive Superintelligence（RSI）区别是什么？
转录
刘子鸣的自我介绍（从物理转型AI）
研究者的类型“鸟人”vs“蛙人”
2024年研究KAN网络，刚开始Max Tegmark不同意
思考，怎么让设计模型也变成一门科学，变得scalable？
我同意谢赛宁说，“大语言模型是反bitter lesson的”
在我看来，在后LLM的时代，模型设计会变得更重要，因为LLM的成功不是因为模型
我的研究嫁接神经和符号两个世界，嫁接AI和自然科学两个世界
从MIT到斯坦福，信仰变了，身边很多人都从scientist转化成entrepreneur
26年，亲历了硅谷和中国两边neo labs创业潮，neo labs大量涌现的本质是什么？
当下neo labs资本涌入最活跃的两个方向世界模型和AutoResearch
作为neo labs参与融资的实际体感“就是，太疯狂了！”
做AI for AI技术路线和田渊栋的Recursive Superintelligence（RSI）区别是什么？
meta model（原模型）是预测下一个curve，这件事怎么做呢？ 设定的目标是什么？
如何理解AI这个黑盒？空间（看得更细）、时间（看模型如何演化）、平行宇宙（做可控实验）
为什么做AI for AI需要Physics of AI？为什么做AutoResearch需要理解AI的原理？
Anthropic的机制可解释性能做到什么程度？
如果AI for AI在AGI主线上，neo labs和现有frontier labs的竞争
倘若人人都能训模型，能干啥？
梳理今年中美做AI for AI的创业团队和路线
截至2026年AI发展阶段和创业新体验
节目笔记
149. 亲历中美neo labs资本狂潮，和清华刘子鸣聊：AI for AI、机制可解释性和Max Tegmark - 张小珺Jùn｜商业访谈录 | 小宇宙 - 听播客，上小宇宙
我们此前访谈过谢赛宁（AMI）、洪乐潼（Axiom），他（她）们分别来自在欧洲和美国的neo lab。但今天，这个现象已不止于海外——2026年，中国也涌现了一批新型实验室。
这些有研究背景的老师或学生，正在成为一级市场的新宠儿。他们普遍年轻、有名校科研背景、第一次创业。在还没有产品的时候，就能以估值数亿美金融资。 当下资本涌入最活跃的方向是，世界模型和AutoResearch（又称AI for AI）。
我很好奇这个现象的现实与成因。这集节目，我邀请了清华大学人工智能学院助理教授、上海期智研究院PI刘子鸣。他毕业于北大和MIT，是KAN网络的一作，于3月刚刚回国到清华任教，同时参与创建公司元环智能。 他用“太疯狂了”来形容这股新的资本潮。
我们聊了聊中美neo labs的兴起与成因，以及他所探索的一条非典型AI for AI叙事。
接下来，就是我对刘子鸣的访谈。
OUTLINE:
00:02:00 刘子鸣的自我介绍（从物理转型AI）
00:08:24 研究者的类型：“鸟人”vs“蛙人”
00:10:24 2024年研究KAN网络，刚开始Max Tegmark不同意
00:16:18 思考，怎么让设计模型也变成一门科学，变得scalable？
00:18:21 我同意谢赛宁说，“大语言模型是反bitter lesson的”
00:20:20 在我看来，在后LLM的时代，模型设计会变得更重要，因为LLM的成功不是因为模型
00:21:16 我的研究：嫁接神经和符号两个世界，嫁接AI和自然科学两个世界
00:28:00 从MIT到斯坦福，信仰变了，身边很多人都从scientist转化成entrepreneur
00:37:11 26年，亲历了硅谷和中国两边neo labs创业潮，neo labs大量涌现的本质是什么？
心理层面，一部分研究员不想做“大头兵”；现实层面，neo labs的方向是Coding Agent的missing part
00:42:41 当下neo labs资本涌入最活跃的两个方向：世界模型和AutoResearch
00:44:16 作为neo labs参与融资的实际体感：“就是，太疯狂了！”
00:46:51 做AI for AI技术路线和田渊栋的Recursive Superintelligence（RSI）区别是什么？
00:54:53 meta model（原模型）是预测下一个curve，这件事怎么做呢？ 设定的目标是什么？
01:04:20 如何理解AI这个黑盒？空间（看得更细）、时间（看模型如何演化）、平行宇宙（做可控实验）
01:09:09 为什么做AI for AI需要Physics of AI？为什么做AutoResearch需要理解AI的原理？
01:12:49 Anthropic的机制可解释性能做到什么程度？
01:18:16 如果AI for AI在AGI主线上，neo labs和现有frontier labs的竞争
01:21:57 倘若人人都能训模型，能干啥？
01:26:25 梳理今年中美做AI for AI的创业团队和路线
01:34:50 截至2026年AI发展阶段和创业新体验
LINKS：
我们的播客在 小宇宙 、 Apple Podcast 、Spotify等全音频平台播出；
我们的视频播客在 Bilibili 、 小红书 、视频号、抖音等全视频平台播出；
如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。
DISCLAIMER: 本内容不作为投资建议。
CONTACT: [email protected]
Jump into the new world-and explore with us! 😉