Eiso Kant

Eiso Kant

Eiso Kant
Poolside AI 联合创始人
海外PC 优先级✓ 已收录 1 期访谈

立场时间线 7 条 · 7 个议题

同一议题按时间排列,说法变化一目了然。

交易定性
2026-08

Eiso Kant 强调 NVIDIA 这笔交易既非整体收购也非传统人才收购,而是技术授权加团队雇佣的独特结构,为员工和投资者提供了优渥退出方案。

“这不是一次收购,也不是一次'acquihire'。”

来源访谈 →
相关观点 (2)黄仁勋 · 市场份额:Nvidia不是做跟随现有市场的份额生意,而是押注当前尚不存在、需要被创造出来的全新市场。Aman Sanger · 编程Agent:Cursor被600亿美元收购表明编程Agent团队已被视为战略性的模型/平台资产,而非单一IDE产品
小团队
2026-08

Eiso Kant 以模型由不到70人构建、工程和研究团队总人数不足115人为据,强调小团队也能打造前沿模型。

“不到70人构建了这个模型,加上工程和研究团队总人数也少于115人。”

来源访谈 →
相关观点 (1)肖世荣 · 小团队竞争力:小开发者团队可以做出不输大团队的成果
个体影响力
2026-08

Eiso Kant 认为当前时代个体仍然能够产生巨大影响。

“我们正处在一个个体仍能产生巨大影响的世界。”

来源访谈 →
递归自我改进
2026-08

池side认为当前配方下1-2万张GB300就能训练出媲美前沿的模型,但下一代前沿模型所需集群规模将再大一个数量级以上,递归自我改进将使物理算力需求前所未有地凸显。

“在当前模型配方下,使用1-2万张GB300就能训练出媲美当前前沿的模型。但下一代前沿模型所需的集群规模,将比这个数字再大一个数量级以上。”

来源访谈 →
相关观点 (3)赖纳·波普 · 模型规模:当前最大推理与训练集群的规模受限于机架内scale-up域大小,机架内互联带宽的提升是模型规模继续增长的物理前提。德瓦克什·帕特尔 · 数据差距:人类一生接触约2亿tokens而前沿模型训练用数十万亿tokens,人类样本效率比模型高出数千至百万倍,且这一差距可能被低估。Dwarkesh Patel · 训练推理融合:他认为训练与推理在极限情况下理论上应融合,未来模型可能通过“在职学习”在执行实际任务的同时进行学习,以突破仅靠人造训练环境带来的增长瓶颈。

金句墙 5 条

访谈收录

E