Poetiq CEO：递归式自我改进是AI领域的终极目标

这期访谈中，Ian Fischer讨论了人工智能（AI）的发展和应用，特别介绍了公司开发的“诗意”（poetic）系统及其用于大型语言模型（LLMs）的AI推理工具。Ian Fisher分享了他在夏天使用GPT-5构建iPhone应用程序的经验，并鼓励大家尝试使用AI而不受限制。他强调了在AI开发中递归自我改进的重要性，他认为这种方法可以比其它方法更快、更便宜地完成。

Ian Fischer认为，大语言模型（LLM） 不等于推理引擎，大模型核心的瓶颈在推理架构，而不是参数规模，“大模型是强大的知识库，但不是深度推理的最佳工具。当前靠预训练 / 微调提升推理，太慢、太贵、不可持续”。

Poetiq是一家专注于元系统（Meta-System）架构的AI公司，其核心理念并不是训练一个更大的模型，而是通过软件层面的系统设计，自动构建「会调用模型的系统」。

更直白一些来说，Ian Fischer主导研发的递归自我改进系统，不训练新模型，而是仅在现有大模型上叠加推理增强层，以低成本、高兼容方案实现推理效率跃升，在权威推理测试中刷新纪录，成本大幅降低。

Ian Fischer认为应该工程落地优先、快速迭代，鼓励从业者聚焦推理效率，用系统思维搭建元系统，是当下 AI 推理赛道极具实践力的技术创业者。（Y Combinator）

#AI #大模型 #谷歌 #播客 #软件