AI全栈: 数据，算法，模型，硬件，架构。

或许之后ai时代的学习方法是，给出框架和每部分的的节点问题/prompt，学习者自己贴给ai来进行问答/探索理解，这种交互学习或许比长文更适合作为教程。

1. 做强大垂类模型，模型通用能力也得强。反过来，有没人去测试下垂类大模型的通用能力。

2. 明显感觉最近这几年在语音模型这块投入了很多精力。

3. 做AI eval越来越来。能做eval, 说明有高质量，高度结构化，以及和场景息息相关的数据集。

4. World model, Spatial Intelligence需要更多的传感器采集数据，这就涉及很多数据安全和隐私的问题了，AI想要继续创新，就得先监管起来，再做后续创新，顺序不能乱了，比如自动驾驶领域就是这样。

5. 统一多模态模型，用文本模态来控制其他模态的数据还是一大趋势，还有其他的更好的方法吗。