标题：没有RAG打底，一切都是PPT，RAG作者Douwe Kiela的10个关键教训 AI聊天不够自然、准确率不足是许多企业在应用大模型时遇到的常见问题。这些问题与RAG（检索增强生成）技术密切相关。RAG能提升模型表现，但真正用好的公司不多。Douwe Kiela作为RAG的开创者之一，提出...

硅谷VC王金林在《AI未来指北》中指出，随着Sora、Kimi等生成式AI产品的崛起，大语言模型引发投资热潮，但对VC来说挑战增大。他认为早期投资应关注AI基础设施，如AI芯片、边缘计算等“卖水人”角色，而非直接竞争的初创公司，尤其是那些依赖大模型但缺乏自身壁垒的企业。数据壁垒成为AI应用层的关键，尤其是对于拥有独特数据资源的公司。王金林强调，VC的投资焦点在于硬件、基础设施层和工具平台，以及具有数据壁垒的垂直应用，而非大模型本身。此外，他还看好电池储能技术和脑科学发展，特别是AI在这些领域的应用。在未来5-10年，大语言模型有望全方位赋能企业，但同时需警惕技术安全和监管问题。