,华纳公司APP：娱乐体验新升级，指尖上的电影盛宴

,Transformer之父离开谷歌，奥特曼等了他十年，很高兴为您解答这个问题，让我来帮您详细说明一下。

凉山会理市、宜春市樟树市、宜昌市点军区、邵阳市邵东市、宁德市周宁县、资阳市雁江区、海南贵德县、抚州市黎川县、衢州市柯城区、朝阳市北票市、抚州市南丰县、文昌市抱罗镇、恩施州巴东县、安康市白河县、普洱市江城哈尼族彝族自治县、定西市通渭县、甘孜巴塘县

本文来自微信公众号：字母 AI，作者：袁心玥，编辑：王靖，题图来自：AI 生成Transformer 的奠基人，开始参与寻找 Transformer 之后的下一步。Google 工程副总裁、Gemini 模型联合负责人 Noam Shazeer 在 X 上宣布，自己将离开 Google，加入 OpenAI。Shazeer 是《Attention Is All You Need》的核心作者之一，最早的 "Transformer 八子 " 就有他的名字。从 GPT 到 Claude、从 Gemini 到几乎所有主流大模型，现代 AI 的底层结构都绕不开 Transformer，而 Shazeer 正是最早参与定义这套结构的人之一。2024 年，Google 曾通过一笔约 27 亿美元的技术授权与人才回流交易，把 Shazeer 和部分 Character.AI 团队重新请回 Google，让他参与 Gemini 模型研发。不到两年后，这位 Gemini 联合负责人再次离开 Google，转身去了 OpenAI。据 OpenAI 首席研究官 Mark Chen 发帖，Shazeer 将担任 OpenAI 新的架构研究负责人。Sam Altman 也发帖表示，从 OpenAI 创立之初，Noam 就是他最想合作的人之一。他等这一天等了十年，但很值得。被 Google 反复追回的人，又离开了 GoogleNoam Shazeer 并不是第一次离开 Google，从他的领英账号来看，他的职业生涯几乎一直在和谷歌 " 拉拉扯扯 "。Shazeer 曾在 2024 年 8 月播出的 Dwarkesh Podcast 访谈中说，自己似乎每隔 12 年就会重新加入一次 Google：2000 年一次，2012 年一次，2024 年又一次。2000 年 12 月，Shazeer 加入 Google，成为公司早期的软件工程师。那时的 Google 还很年轻，他也是最早一批加入公司的工程师之一。Shazeer 最早参与的重要项目之一，是改进 Google 搜索的拼写纠错系统。但他感兴趣的不只是搜索——还有 AI。他在播客里说，自己当年加入 Google，有一个很朴素的想法：先赚一些钱，以后就可以长期做 AI 研究。2009 年，Shazeer 曾短暂离开 Google。公开资料并没有详细说明这次离开的原因。后来他在播客中回忆，几年后自己回 Google 和妻子吃午饭，碰巧坐到了 Jeff Dean 和早期 Google Brain 团队旁边，被那群人重新吸引。2012 年，Shazeer 重新加入 Google。那一年，Google Brain 正处在早期阶段，Jeff Dean 等人正在把深度学习从研究项目推进到 Google 内部更核心的位置。这次回归也让 Shazeer 从早期搜索工程体系，转向 Google 的 AI 主航道。几年后，Shazeer 的名字开始真正进入现代 AI 史。2017 年，他和 Ashish Vaswani、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan Gomez、Lukasz Kaiser、Illia Polosukhin 等人共同发表《Attention Is All You Need》，提出了 Transformer 架构。后来发生的事情，已经不需要太多解释。几乎所有主流大模型，底层结构都绕不开 Transformer。Transformer 之外，Shazeer 很早就参与推动稀疏 MoE，也就是混合专家模型——这条路线的核心思想是，不让每次计算都激活整个模型，而是根据不同输入调用不同 " 专家 " 模块，从而在扩大模型容量的同时控制计算成本。后来，MoE 成为大模型扩展和效率优化的重要方向。2021 年，Shazeer 和 Google 同事 Daniel De Freitas 离开公司，创办 Character.AI。据传，这件事的导火索是 Google 拒绝公开发布他们参与开发的一款聊天机器人。那款产品最初名为 Meena，目标是让 AI 能围绕广泛话题展开自然对话。据《华尔街 · 日报》报道，Shazeer 曾在一份内部备忘录《Meena Eats the World》中预测，这类聊天机器人有可能取代 Google 搜索，并创造数万亿美元收入。但 Google 没有选择发布它，高管给出的理由包括安全性和公平性风险。对 Google 来说这或许是谨慎，但对 Shazeer 这样的人来说，更像是一个巨大机会被放下——而机会被放下，往往意味着被错过。所以 Shazeer 离开了。一年后，OpenAI 用另一种方式证明了 Shazeer 的判断。2022 年 11 月，ChatGPT 让全世界意识到，聊天机器人可能成为普通人接触 AI 的第一入口。Character.AI 也在这股浪潮中快速起势。2023 年 3 月，Character.AI 完成 1.5 亿美元融资，估值达到 10 亿美元。它主打各种可对话的 AI 角色，用户可以和实用助手、虚构人物甚至名人形象聊天。当年没有放行 Meena 的 Google，最后又不得不把 Shazeer 请回来。2024 年，Google 与 Character.AI 达成一笔特殊交易：Google 获得 Character.AI 的部分技术授权，同时把 Shazeer、Daniel De Freitas 以及部分研究团队带回 Google DeepMind。为了拿到技术和人，Google 付出的代价高达约 27 亿美元。据《华尔街 · 日报》报道，Shazeer 也因为持有 Character.AI 股份，在这笔交易中获得了数亿美元收益。换句话说，Google 当年拒绝发布的聊天机器人路线，最后以另一种昂贵的方式回到了 Google。回归后，Shazeer 加入 Gemini 核心领导层，参与 Google 最重要的大模型研发。他的头衔变成了 Google 工程副总裁、Gemini 模型联合负责人。不到两年后，剧情又迎来转折—— Shazeer 又一次离开 Google。这一次，他去的是做出 ChatGPT 的 OpenAI。细想来，他的故事多少像是一段关于 chatbot 的孽缘。Transformer 之后，下一个改变时代的架构据 OpenAI 首席研究官 Mark Chen 的说法，Shazeer 将担任 OpenAI 新的架构研究负责人。过去几年，大模型行业最熟悉的叙事是 scaling law：更多数据、更大模型、更多算力、更长上下文，带来更强能力。但从 2024 年开始，越来越多迹象表明，单纯扩大预训练规模的边际收益正在下降。Ilya Sutskever 曾公开表示，预训练作为过去几年最重要的 scaling 配方，正在接近数据和方法上的边界；如果只是把规模再放大 100 倍，并不会自动带来下一次 GPT-3 到 GPT-4 式的跨越。另一方面，Transformer 本身的短板也开始暴露出来。前些年，大家还会把问题理解成 " 模型还不够大 " 或者 " 上下文还不够长 "，但现在越来越多研究显示，很多能力瓶颈并不只是规模问题，而是架构问题。比如，长上下文不等于真正记忆。模型可以在几十万甚至上百万 token 的上下文里检索信息，但这不代表它真的维护了一个稳定的内部状态。它能回看过去，不等于它清楚当下的情况。再比如，思维链不等于真正推理。Chain-of-Thought、reasoning model、test-time compute 的流行，说明模型确实需要更多中间计算。但如果每一点状态变化、每一个简单推理，都要靠显式文字写出来，再重新喂回模型，本质上是一种非常昂贵的补丁。Google DeepMind 前段时间发的论文《The Topological Trouble With Transformers》（Transformer 的拓扑困境），讨论的就是上述问题。论文指出，纯前馈 Transformer 在动态状态追踪上存在结构性短板。Transformer 很擅长回看上下文，却不天然擅长维护一个持续变化的内部状态。论文举了几个直观的例子：模型可以在上下文里看到前面的对话，却仍然在多轮交互里出现前后不一致；它可以看到关于 "bank" 的上下文，却在后续问题里从把这个词从 " 河岸 " 理解成 " 银行 "；它也可能在猜数字游戏里给出互相矛盾的反馈。如果一个模型只是把过去全部放进窗口里，再通过注意力机制去查找，它更像是在翻一本很长的笔记，而不是持续拥有一个会更新的记忆。说起来，这背后甚至带有一点认知科学和哲学意味。以人类本身为例，人的记忆和想象力共享一个高度重叠的核心神经网络——记忆并不是把过去完整存档，然后在需要时原样调取。很多时候，记忆更像是一种回溯性的重建：大脑在当下重新组织线索、补全语境，并把过去、想象和判断混合成一个可以行动的状态。真正的智能，尤其是长程推理、多轮对话、规划、代码代理和复杂任务执行，需要的不止是回顾过去，还要理解当下实在的状态。当然，Transformer 毕竟是很久之前的底层架构，这篇说的 " 短板 " 其实更像是放在现在的评价框架里去看过去的一个架构。但也恰恰说明，Transformer 未必一定适合我们当下对于智能的需求。现在围绕 Transformer 的改造已经层出不穷：MoE 试图解决参数规模和计算成本之间的矛盾；高效解码试图降低推理成本；长上下文试图扩展模型的记忆边界；state-space model、递归结构、latent reasoning、test-time compute，则试图补上状态追踪、长期一致性和动态推理的短板。AI 行业渐渐形成了一个新的共识——下一代模型不能只是更大的 Transformer，它必须更会组织计算、更会维护状态、更会在推理过程中更新自己对世界的表示。于是，架构问题又被翻了出来。Shazeer 加入 OpenAI 的象征意义就在于此，架构研究负责人这个岗位指向的，正是前沿模型竞争最底层的问题。这让 Shazeer 的跳槽不再是 "Transformer 之父去 OpenAI 继续加强 Transformer" 的故事，更像是一个参与定义 Transformer 时代的人，开始参与寻找 Transformer 之后的下一步。机会成本、人才战争和下一代模型对 Google 来说，Shazeer 的离开当然是损失——这个损失并不只是少了一位 Gemini 联合负责人，还指向 Google AI 史里那个反复出现的问题：它常常很早看到未来，却未必能最快把未来推到用户面前。Shazeer 在播客中回忆，Larry Page 以前常说，Google 第二大的成本是税，最大的成本是机会成本。（以防万一，Shazeer 还补了一句：如果 Page 没说过，那自己已经误引他很多年了。）Google 拥有世界上最强的研究人员、最完整的工程体系、最先进的 TPU 和数据中心、以及足够庞大的产品入口。但越是这样的大公司，越要在安全、公平、组织边界和产品化风险之间反复权衡。在 AI 这样一个窗口期极短的行业里，谨慎本身可能是必要的，但谨慎也可能变成昂贵的延迟、机会的流失。而对 OpenAI 来说，Shazeer 的加入，意义非常重大——就连 Sam Altman 都表示 " 从 OpenAI 创立之初，Noam 就是他最想合作的人之一 "。OpenAI 得到的是一组极其稀缺的经验集合：Transformer、MoE、大规模训练、高效解码、对话模型、基础模型工程，以及在 Google 这种超大规模系统里多年打磨出来的架构直觉。大模型架构研究并不是提出一个漂亮想法就结束了。Shazeer 在播客里说过，小规

本周数据平台本月相关部门通报重要进展,,华纳公司APP：娱乐体验新升级，指尖上的电影盛宴，很高兴为您解答这个问题，让我来帮您详细说明一下：

烟台市栖霞市、台州市临海市 ，枣庄市山亭区、定安县龙湖镇、儋州市白马井镇、株洲市天元区、周口市商水县、广安市前锋区、上海市静安区、济南市章丘区、陇南市徽县、宿州市泗县、烟台市龙口市、酒泉市肃州区、襄阳市保康县、新乡市新乡县、内蒙古包头市固阳县 、三明市大田县、广西南宁市横州市、白银市景泰县、玉溪市通海县、潍坊市寒亭区、株洲市渌口区、湖州市南浔区、河源市和平县、成都市双流区、赣州市赣县区、东莞市麻涌镇、连云港市灌南县、曲靖市马龙区、临沂市费县

全球服务区域: 东莞市厚街镇、黑河市爱辉区 、梅州市大埔县、朝阳市北票市、泉州市惠安县、铜仁市沿河土家族自治县、丽江市永胜县、广安市岳池县、甘南临潭县、临汾市汾西县、株洲市攸县、泉州市泉港区、梅州市丰顺县、鸡西市鸡冠区、赣州市上犹县、菏泽市牡丹区、泰州市兴化市 、长沙市开福区、衡阳市南岳区、吉安市遂川县、河源市源城区、武威市凉州区

统一服务管理平台，智能监控质量,,华纳公司APP：娱乐体验新升级，指尖上的电影盛宴，很高兴为您解答这个问题，让我来帮您详细说明一下：

全国服务区域: 内蒙古赤峰市阿鲁科尔沁旗、六盘水市盘州市 、西安市高陵区、果洛达日县、果洛班玛县、聊城市阳谷县、天津市红桥区、万宁市和乐镇、哈尔滨市平房区、许昌市长葛市、潍坊市潍城区、漳州市龙文区、蚌埠市五河县、晋中市太谷区、池州市青阳县、上饶市万年县、七台河市茄子河区 、济南市历城区、广元市利州区、临夏永靖县、新余市渝水区、遵义市余庆县、遵义市仁怀市、南阳市南召县、昌江黎族自治县石碌镇、保山市隆阳区、大连市庄河市、文昌市昌洒镇、湘潭市韶山市、内蒙古兴安盟乌兰浩特市、长沙市长沙县、岳阳市平江县、齐齐哈尔市碾子山区、玉溪市江川区、台州市玉环市、内蒙古锡林郭勒盟阿巴嘎旗、南昌市新建区、宁夏固原市彭阳县、内蒙古巴彦淖尔市乌拉特中旗、赣州市崇义县、白山市抚松县

本周数据平台今日官方渠道公布最新动态:,华纳公司APP：娱乐体验新升级，指尖上的电影盛宴

在数字化时代，电影和娱乐产业迎来了前所未有的变革。华纳公司作为全球知名的电影和娱乐巨头，紧跟时代潮流，推出了全新的华纳公司APP，为广大用户带来前所未有的便捷观影体验。这款APP不仅汇集了华纳公司的海量优质内容，还提供了丰富的互动功能，让用户在指尖上就能享受到一场场精彩纷呈的电影盛宴。 ### 一、海量内容，满足个性化需求 华纳公司APP拥有丰富的电影、电视剧、纪录片等资源，涵盖了多种类型和题材，满足不同用户的个性化需求。无论是动作大片、科幻巨制，还是浪漫喜剧、悬疑惊悚，用户都能在这里找到心仪的作品。此外，APP还会根据用户的观看历史和喜好，智能推荐相关内容，让用户在享受观影的同时，发现更多惊喜。 ### 二、高清画质，尽享视觉盛宴 华纳公司APP注重用户体验，提供高清画质观影服务。无论是1080P还是4K分辨率，用户都可以根据自己的设备性能选择合适的画质。在享受高质量视听体验的同时，还能感受到电影制作的精细程度，仿佛置身于影院之中。 ### 三、互动功能，提升观影乐趣 华纳公司APP不仅是一款观影工具，更是一个社交平台。用户可以在APP内与其他影迷交流心得，分享观影感受，甚至参与到电影的互动活动中。此外，APP还设有“影评”功能，用户可以发表自己对电影的评价，与其他影迷共同探讨电影的内涵和艺术价值。 ### 四、便捷操作，轻松观影 华纳公司APP界面简洁，操作便捷，用户只需注册账号，即可畅享海量内容。在观看过程中，用户可以随时调整播放速度、亮度等设置，以满足个人喜好。此外，APP还支持离线观看功能，用户可以在没有网络的情况下，提前下载电影，随时随地享受观影乐趣。 ### 五、安全可靠，保障用户权益 华纳公司APP高度重视用户隐私和安全，采用先进的技术手段，确保用户信息不被泄露。同时，APP还承诺对电影内容进行严格审核，杜绝侵权和盗版现象，保障用户的合法权益。 总之，华纳公司APP凭借其丰富的内容、高清画质、互动功能和便捷操作，为用户带来了全新的观影体验。在这个指尖上的电影盛宴中，用户可以尽情享受电影带来的欢乐与感动。未来，华纳公司APP将继续致力于为广大用户提供更多优质内容，打造一个更加美好的娱乐世界。

本文来自微信公众号：字母 AI，作者：袁心玥，编辑：王靖，题图来自：AI 生成Transformer 的奠基人，开始参与寻找 Transformer 之后的下一步。Google 工程副总裁、Gemini 模型联合负责人 Noam Shazeer 在 X 上宣布，自己将离开 Google，加入 OpenAI。Shazeer 是《Attention Is All You Need》的核心作者之一，最早的 "Transformer 八子 " 就有他的名字。从 GPT 到 Claude、从 Gemini 到几乎所有主流大模型，现代 AI 的底层结构都绕不开 Transformer，而 Shazeer 正是最早参与定义这套结构的人之一。2024 年，Google 曾通过一笔约 27 亿美元的技术授权与人才回流交易，把 Shazeer 和部分 Character.AI 团队重新请回 Google，让他参与 Gemini 模型研发。不到两年后，这位 Gemini 联合负责人再次离开 Google，转身去了 OpenAI。据 OpenAI 首席研究官 Mark Chen 发帖，Shazeer 将担任 OpenAI 新的架构研究负责人。Sam Altman 也发帖表示，从 OpenAI 创立之初，Noam 就是他最想合作的人之一。他等这一天等了十年，但很值得。被 Google 反复追回的人，又离开了 GoogleNoam Shazeer 并不是第一次离开 Google，从他的领英账号来看，他的职业生涯几乎一直在和谷歌 " 拉拉扯扯 "。Shazeer 曾在 2024 年 8 月播出的 Dwarkesh Podcast 访谈中说，自己似乎每隔 12 年就会重新加入一次 Google：2000 年一次，2012 年一次，2024 年又一次。2000 年 12 月，Shazeer 加入 Google，成为公司早期的软件工程师。那时的 Google 还很年轻，他也是最早一批加入公司的工程师之一。Shazeer 最早参与的重要项目之一，是改进 Google 搜索的拼写纠错系统。但他感兴趣的不只是搜索——还有 AI。他在播客里说，自己当年加入 Google，有一个很朴素的想法：先赚一些钱，以后就可以长期做 AI 研究。2009 年，Shazeer 曾短暂离开 Google。公开资料并没有详细说明这次离开的原因。后来他在播客中回忆，几年后自己回 Google 和妻子吃午饭，碰巧坐到了 Jeff Dean 和早期 Google Brain 团队旁边，被那群人重新吸引。2012 年，Shazeer 重新加入 Google。那一年，Google Brain 正处在早期阶段，Jeff Dean 等人正在把深度学习从研究项目推进到 Google 内部更核心的位置。这次回归也让 Shazeer 从早期搜索工程体系，转向 Google 的 AI 主航道。几年后，Shazeer 的名字开始真正进入现代 AI 史。2017 年，他和 Ashish Vaswani、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan Gomez、Lukasz Kaiser、Illia Polosukhin 等人共同发表《Attention Is All You Need》，提出了 Transformer 架构。后来发生的事情，已经不需要太多解释。几乎所有主流大模型，底层结构都绕不开 Transformer。Transformer 之外，Shazeer 很早就参与推动稀疏 MoE，也就是混合专家模型——这条路线的核心思想是，不让每次计算都激活整个模型，而是根据不同输入调用不同 " 专家 " 模块，从而在扩大模型容量的同时控制计算成本。后来，MoE 成为大模型扩展和效率优化的重要方向。2021 年，Shazeer 和 Google 同事 Daniel De Freitas 离开公司，创办 Character.AI。据传，这件事的导火索是 Google 拒绝公开发布他们参与开发的一款聊天机器人。那款产品最初名为 Meena，目标是让 AI 能围绕广泛话题展开自然对话。据《华尔街 · 日报》报道，Shazeer 曾在一份内部备忘录《Meena Eats the World》中预测，这类聊天机器人有可能取代 Google 搜索，并创造数万亿美元收入。但 Google 没有选择发布它，高管给出的理由包括安全性和公平性风险。对 Google 来说这或许是谨慎，但对 Shazeer 这样的人来说，更像是一个巨大机会被放下——而机会被放下，往往意味着被错过。所以 Shazeer 离开了。一年后，OpenAI 用另一种方式证明了 Shazeer 的判断。2022 年 11 月，ChatGPT 让全世界意识到，聊天机器人可能成为普通人接触 AI 的第一入口。Character.AI 也在这股浪潮中快速起势。2023 年 3 月，Character.AI 完成 1.5 亿美元融资，估值达到 10 亿美元。它主打各种可对话的 AI 角色，用户可以和实用助手、虚构人物甚至名人形象聊天。当年没有放行 Meena 的 Google，最后又不得不把 Shazeer 请回来。2024 年，Google 与 Character.AI 达成一笔特殊交易：Google 获得 Character.AI 的部分技术授权，同时把 Shazeer、Daniel De Freitas 以及部分研究团队带回 Google DeepMind。为了拿到技术和人，Google 付出的代价高达约 27 亿美元。据《华尔街 · 日报》报道，Shazeer 也因为持有 Character.AI 股份，在这笔交易中获得了数亿美元收益。换句话说，Google 当年拒绝发布的聊天机器人路线，最后以另一种昂贵的方式回到了 Google。回归后，Shazeer 加入 Gemini 核心领导层，参与 Google 最重要的大模型研发。他的头衔变成了 Google 工程副总裁、Gemini 模型联合负责人。不到两年后，剧情又迎来转折—— Shazeer 又一次离开 Google。这一次，他去的是做出 ChatGPT 的 OpenAI。细想来，他的故事多少像是一段关于 chatbot 的孽缘。Transformer 之后，下一个改变时代的架构据 OpenAI 首席研究官 Mark Chen 的说法，Shazeer 将担任 OpenAI 新的架构研究负责人。过去几年，大模型行业最熟悉的叙事是 scaling law：更多数据、更大模型、更多算力、更长上下文，带来更强能力。但从 2024 年开始，越来越多迹象表明，单纯扩大预训练规模的边际收益正在下降。Ilya Sutskever 曾公开表示，预训练作为过去几年最重要的 scaling 配方，正在接近数据和方法上的边界；如果只是把规模再放大 100 倍，并不会自动带来下一次 GPT-3 到 GPT-4 式的跨越。另一方面，Transformer 本身的短板也开始暴露出来。前些年，大家还会把问题理解成 " 模型还不够大 " 或者 " 上下文还不够长 "，但现在越来越多研究显示，很多能力瓶颈并不只是规模问题，而是架构问题。比如，长上下文不等于真正记忆。模型可以在几十万甚至上百万 token 的上下文里检索信息，但这不代表它真的维护了一个稳定的内部状态。它能回看过去，不等于它清楚当下的情况。再比如，思维链不等于真正推理。Chain-of-Thought、reasoning model、test-time compute 的流行，说明模型确实需要更多中间计算。但如果每一点状态变化、每一个简单推理，都要靠显式文字写出来，再重新喂回模型，本质上是一种非常昂贵的补丁。Google DeepMind 前段时间发的论文《The Topological Trouble With Transformers》（Transformer 的拓扑困境），讨论的就是上述问题。论文指出，纯前馈 Transformer 在动态状态追踪上存在结构性短板。Transformer 很擅长回看上下文，却不天然擅长维护一个持续变化的内部状态。论文举了几个直观的例子：模型可以在上下文里看到前面的对话，却仍然在多轮交互里出现前后不一致；它可以看到关于 "bank" 的上下文，却在后续问题里从把这个词从 " 河岸 " 理解成 " 银行 "；它也可能在猜数字游戏里给出互相矛盾的反馈。如果一个模型只是把过去全部放进窗口里，再通过注意力机制去查找，它更像是在翻一本很长的笔记，而不是持续拥有一个会更新的记忆。说起来，这背后甚至带有一点认知科学和哲学意味。以人类本身为例，人的记忆和想象力共享一个高度重叠的核心神经网络——记忆并不是把过去完整存档，然后在需要时原样调取。很多时候，记忆更像是一种回溯性的重建：大脑在当下重新组织线索、补全语境，并把过去、想象和判断混合成一个可以行动的状态。真正的智能，尤其是长程推理、多轮对话、规划、代码代理和复杂任务执行，需要的不止是回顾过去，还要理解当下实在的状态。当然，Transformer 毕竟是很久之前的底层架构，这篇说的 " 短板 " 其实更像是放在现在的评价框架里去看过去的一个架构。但也恰恰说明，Transformer 未必一定适合我们当下对于智能的需求。现在围绕 Transformer 的改造已经层出不穷：MoE 试图解决参数规模和计算成本之间的矛盾；高效解码试图降低推理成本；长上下文试图扩展模型的记忆边界；state-space model、递归结构、latent reasoning、test-time compute，则试图补上状态追踪、长期一致性和动态推理的短板。AI 行业渐渐形成了一个新的共识——下一代模型不能只是更大的 Transformer，它必须更会组织计算、更会维护状态、更会在推理过程中更新自己对世界的表示。于是，架构问题又被翻了出来。Shazeer 加入 OpenAI 的象征意义就在于此，架构研究负责人这个岗位指向的，正是前沿模型竞争最底层的问题。这让 Shazeer 的跳槽不再是 "Transformer 之父去 OpenAI 继续加强 Transformer" 的故事，更像是一个参与定义 Transformer 时代的人，开始参与寻找 Transformer 之后的下一步。机会成本、人才战争和下一代模型对 Google 来说，Shazeer 的离开当然是损失——这个损失并不只是少了一位 Gemini 联合负责人，还指向 Google AI 史里那个反复出现的问题：它常常很早看到未来，却未必能最快把未来推到用户面前。Shazeer 在播客中回忆，Larry Page 以前常说，Google 第二大的成本是税，最大的成本是机会成本。（以防万一，Shazeer 还补了一句：如果 Page 没说过，那自己已经误引他很多年了。）Google 拥有世界上最强的研究人员、最完整的工程体系、最先进的 TPU 和数据中心、以及足够庞大的产品入口。但越是这样的大公司，越要在安全、公平、组织边界和产品化风险之间反复权衡。在 AI 这样一个窗口期极短的行业里，谨慎本身可能是必要的，但谨慎也可能变成昂贵的延迟、机会的流失。而对 OpenAI 来说，Shazeer 的加入，意义非常重大——就连 Sam Altman 都表示 " 从 OpenAI 创立之初，Noam 就是他最想合作的人之一 "。OpenAI 得到的是一组极其稀缺的经验集合：Transformer、MoE、大规模训练、高效解码、对话模型、基础模型工程，以及在 Google 这种超大规模系统里多年打磨出来的架构直觉。大模型架构研究并不是提出一个漂亮想法就结束了。Shazeer 在播客里说过，小规