鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

阿尔特曼,要做脑机接口了

编程导航
编程导航
2025-08-13 12:30
阅读 84
编程导航
2025-08-13 12:30
阅读 84

智东西(公众号:zhidxcom)
编译 | 王涵
编辑 | 漠影

智东西8月13日消息,据英国《金融时报》最新报道,OpenAI正准备投资脑机接口创企Merge Labs,要和马斯克正面“硬刚”。

阿尔特曼,要做脑机接口了

该创企计划以85亿美元(约合人民币610.2亿元)的估值,共融资2.5亿美元(约合人民币17.9亿元)。

知情人士透露,OpenAI联合创始人兼CEO萨姆·阿尔特曼(Sam Altman)很支持该项目,并计划担任该公司的联合创始人。

一、估值85亿美元,Merge Labs获阿尔特曼青睐

据三位直接了解相关计划的人士透露,这家名为Merge Labs的新公司正以85亿美元(约合人民币610.2亿元)的估值筹集新资金,其中大部分新资本预计将来自OpenAI的风险投资团队。

该公司计划从OpenAI和其他投资者那里共筹集2.5亿美元(约合人民币17.9亿元),不过相关谈判尚处于早期阶段,据报道,阿尔特曼不会以个人身份进行投资。

他们补充说,阿尔特曼将联合创办MergeLabs,但不会在这个新项目中担任日常管理职务。

Merge是众多年轻公司中的一员,这些公司希望利用AI领域的最新进展,打造更实用的脑机接口。

其名称“Merge”源于硅谷许多人所说的“融合”,即人类与机器融为一体的时刻。

其中两位知情人士透露,阿尔特曼很支持这笔投资,并将与联合创办加密货币公司Worldcoin的亚历克斯·布拉尼亚(Alex Blania)一起助力该项目的启动。

Worldcoin核心思想是创建一个全球性的数字身份和金融网络,主要通过虹膜扫描生成数字身份。

阿尔特曼还投资了其他一些与OpenAI相关的市场领域的公司,如核裂变公司Oklo和核聚变项目Helion。

阿尔特曼在2017年就这一主题写过一篇长篇博客,推测这一时刻最早可能在2025年到来。今年6月11日,他在另一篇博客文章中提到,由于最近的技术进步,我们可能很快就会拥有“高带宽脑机接口”。

阿尔特曼,要做脑机接口了

这家新公司将与埃隆·马斯克(Elon Musk)于2016年创立的脑机接口公司Neuralink直接竞争,Neuralink旨在将大脑直接与计算机连接起来。

二、曾经的联合创始人,如今的头号竞争对手

马斯克和阿尔特曼曾联合创办OpenAI,但马斯克在2018年与阿尔特曼发生冲突后退出了董事会,此后两人在追求AI的过程中成为了激烈的竞争对手。

后来,马斯克于2023年推出了自己的AI初创公司xAI,并一直在法庭上试图阻止OpenAI从非营利组织转型。马斯克捐赠了大量初始资金,助力OpenAI起步。

如今,Neuralink在所谓的脑机接口公司中处于领先地位,而Precision Neuroscience和Synchron等多家脑机接口初创公司也在竞相追赶。

Neuralink今年早些时候以90亿美元(约合人民币646.1亿元)的估值筹集了6.5亿美元(约合人民币46.7亿元),其投资者包括Sequoia Capital、Thrive Capital和Vy Capital,阿尔特曼此前也曾投资过Neuralink。

结语:脑机接口技术或将迎来更广泛落地

脑植入技术已有数十年历史,但近年来AI以及用于收集大脑信号的电子元件方面取得的技术飞跃,让这项技术有望变得更具实际用途。

此前智东西曾报道,苹果5月推出了全新脑机接口人机交互设备(BCI HID)协议,脑信号成为苹果设备的原声输入信号之一。Neuralink的持续融资与阿尔特曼的押注,也证明了资本市场对于脑机接口技术的看好。

脑机接口得到更广泛落地应用的未来或许不远了。

来源:英国《金融时报》

原文链接: 阿尔特曼,要做脑机接口了
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230