正在加载视频...

视频加载失败

返回首页

从百度员工到万亿估值： Dario Amodei给我上的三堂课👍  Dario Amodei，Anthropic创始人， 曾经的百度深度学习实验室员工。 如今他公司的IPO前估值飙到1.2万亿美元​，而他老东家的市值， 不到Anthropic的5%。 这不是讽刺， 这是路径依赖的死亡证明。 第一堂课： 编程正在被"吞并"， 但软件工程不会死。 Amodei说得很直白—— Claude Code上线后， 年化收入和使用量同比增长了80倍​， 原本规划只是10倍。 他甚至在台上"凡尔赛"： 希望增速降回10倍，"那样我会轻松点"​。 90%的代码将由AI编写？ 这不是预言， 是正在发生的现实​。 但Amodei的真正洞察是： 编程是手段，工程是结构。 AI写代码越来越快， 但"把代码组织成可维护、可扩展、可交付的系统"——这才是软件工程的护城河。 我见过太多客户把"用AI生成文案" 当成营销升级， 却忘了"内容策略、品牌一致性、 用户旅程设计"才是真正的工程。 第二堂课： 产品会被抄，但"形状"抄不走。 Anthropic从OpenAI分裂出来时， Dario带走的不仅是GPT-2/3的核心团队​， 更是一套关于AI安全的底层信仰。 当OpenAI接受微软投资、 走向商业化时， 他选择了"可解释、可控、 对齐人类利益"这条更难的路​。 结果呢？ Claude Code成了企业市场的核武器—— 30万家企业客户， 运营收入超10万美元的大客户数量 一年增长近7倍​。 市场用真金白银投票： 深耕生产力工具+强调安全性，...

WSInsights's profile picture

华尔街洞见 | WS × AI Era

41,513 subscribers

20,426 次观看 • 3 个月前 •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

千万别盲目在公司做“AI赋能雷锋”！ 一个月薪 3 万 8 的程序员，被裁了。 最讽刺的是： 不是因为他技术差， 而是因为他太会用 AI 了。 去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。 老板一看： 你这么会用 AI，那你能不能带带团队？ 于是他花了 3 个月，把团队都教会了 Claude Code。 结果团队效率翻倍，公司发现： 以前需要他兜底的事，现在其他人也能干了。 上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。 这件事最扎心的地方在于： 未来最危险的程序员，可能不是不会用 AI 的人， 而是只会把 AI 用在“写代码”上的人。 因为写代码正在变便宜。 真正值钱的是： 懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。 未来最吃香的工程师，不是单纯的代码高手， 而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。 顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode
1:33

千万别盲目在公司做“AI赋能雷锋”！ 一个月薪 3 万 8 的程序员，被裁了。 最讽刺的是： 不是因为他技术差， 而是因为他太会用 AI 了。 去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。 老板一看： 你这么会用 AI，那你能不能带带团队？ 于是他花了 3 个月，把团队都教会了 Claude Code。 结果团队效率翻倍，公司发现： 以前需要他兜底的事，现在其他人也能干了。 上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。 这件事最扎心的地方在于： 未来最危险的程序员，可能不是不会用 AI 的人， 而是只会把 AI 用在“写代码”上的人。 因为写代码正在变便宜。 真正值钱的是： 懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。 未来最吃香的工程师，不是单纯的代码高手， 而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。 顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode

前端哥Liam

61,104 次观看 • 2 个月前

大压缩：AI时代路线图。这位就是AI巨星、Anthropic创始人Dario Amodei，在IPO前公司就估值1.2万亿美元。Amodei曾经的东家百度，市值不到Anthropic的5%。WhatAI总结Amodei的观点：编程正在被吞并，但软件工程并未消亡。此外，AI可以解决全球贫困、不平等，并加快民主进程。
8:37

大压缩：AI时代路线图。这位就是AI巨星、Anthropic创始人Dario Amodei，在IPO前公司就估值1.2万亿美元。Amodei曾经的东家百度，市值不到Anthropic的5%。WhatAI总结Amodei的观点：编程正在被吞并，但软件工程并未消亡。此外，AI可以解决全球贫困、不平等，并加快民主进程。

总裁简报 CEO Briefing

20,448 次观看 • 3 个月前

AI淘汰程序员？ 想多了。 硅谷投资大佬Marc Andreessen点破了一个真相。 AI编程不会消灭程序员，它在重新定义这个职业。 程序员的工作不再是逐行敲代码。 现在的工作，是同时指挥10个AI编码机器人。 跟它们争论，调试它们的输出，修改需求，逼它们拿出正确结果。 但这里有个圈套。 如果你自己不懂怎么写代码，你根本无法判断AI给你的东西是对是错。 编程的下一个层次，不是写脚本。 是监督写脚本的AI。 今天最顶尖的程序员，整天在不同终端之间切换。 管理多个编码机器人，修复错误，优化指令。 讽刺吗？ 你仍然需要极其扎实的基本功。 没有基本功，你连AI在犯傻都看不出来。 工作的本质变了。 现在是跟AI机器人辩论，调试AI生成的代码，理解为什么程序跑不起来，或者为什么不够快。 AI确实简化了工作。 但只有真正懂代码的人，才能判断这种简化是否正确。 程序员不会消失。 他们正在变得比以前强大10倍、100倍，甚至1000倍。 生产力的巨大提升，这才是真正的价值所在。 任务在变，工作性质在变。 但最终负责的，永远是人。 人类依然在监督过程，评估结果，纠正错误，并做出最终判断。 未来的程序员不是被AI取代。 他们被AI升级了。 所以，还是得老老实实学习怎么写代码，理解代码。 因为当AI搞砸的时候，只有人知道为什么。 这种能力的跃升，才是真正的革命。
1:50

AI淘汰程序员？ 想多了。 硅谷投资大佬Marc Andreessen点破了一个真相。 AI编程不会消灭程序员，它在重新定义这个职业。 程序员的工作不再是逐行敲代码。 现在的工作，是同时指挥10个AI编码机器人。 跟它们争论，调试它们的输出，修改需求，逼它们拿出正确结果。 但这里有个圈套。 如果你自己不懂怎么写代码，你根本无法判断AI给你的东西是对是错。 编程的下一个层次，不是写脚本。 是监督写脚本的AI。 今天最顶尖的程序员，整天在不同终端之间切换。 管理多个编码机器人，修复错误，优化指令。 讽刺吗？ 你仍然需要极其扎实的基本功。 没有基本功，你连AI在犯傻都看不出来。 工作的本质变了。 现在是跟AI机器人辩论，调试AI生成的代码，理解为什么程序跑不起来，或者为什么不够快。 AI确实简化了工作。 但只有真正懂代码的人，才能判断这种简化是否正确。 程序员不会消失。 他们正在变得比以前强大10倍、100倍，甚至1000倍。 生产力的巨大提升，这才是真正的价值所在。 任务在变，工作性质在变。 但最终负责的，永远是人。 人类依然在监督过程，评估结果，纠正错误，并做出最终判断。 未来的程序员不是被AI取代。 他们被AI升级了。 所以，还是得老老实实学习怎么写代码，理解代码。 因为当AI搞砸的时候，只有人知道为什么。 这种能力的跃升，才是真正的革命。

墓碑科技

58,922 次观看 • 6 个月前

黄仁勋跟红杉聊了一场很深的对话，把AI产业的底层逻辑讲得特别清楚 他提了一个概念：过去60年的计算机行业本质上就干了一件事——检索。写代码、拍照片、录音乐，存成文件，用的时候再调出来。数据中心说到底就是一个大硬盘 现在不一样了。AI不是从硬盘里找旧数据，是实时生成新内容。这是完全不同的计算范式，他管这叫"AI工厂" 然后他画了一个"五层蛋糕"来解释AI产业的结构： 最底层：能源。AI工厂需要巨量电力 第二层：芯片和计算。英伟达在这里 第三层：基础设施。土地、电力接入、建筑、融资 第四层：模型。OpenAI、Anthropic 在这里 最顶层：应用。创业公司和终端用户在这里 每一层都是万亿级别的市场 关于AI取代工作，他反驳得很干脆：AI消灭的是任务，不是职业。放射科医生没有因为AI看片子更准就失业，反而需求增长了。软件工程师也是，代码越容易写，能解决的问题越多，需要的工程师反而更多 你们觉得这个"五层蛋糕"的框架，哪一层机会最大？
41:10

黄仁勋跟红杉聊了一场很深的对话，把AI产业的底层逻辑讲得特别清楚 他提了一个概念：过去60年的计算机行业本质上就干了一件事——检索。写代码、拍照片、录音乐，存成文件，用的时候再调出来。数据中心说到底就是一个大硬盘 现在不一样了。AI不是从硬盘里找旧数据，是实时生成新内容。这是完全不同的计算范式，他管这叫"AI工厂" 然后他画了一个"五层蛋糕"来解释AI产业的结构： 最底层：能源。AI工厂需要巨量电力 第二层：芯片和计算。英伟达在这里 第三层：基础设施。土地、电力接入、建筑、融资 第四层：模型。OpenAI、Anthropic 在这里 最顶层：应用。创业公司和终端用户在这里 每一层都是万亿级别的市场 关于AI取代工作，他反驳得很干脆：AI消灭的是任务，不是职业。放射科医生没有因为AI看片子更准就失业，反而需求增长了。软件工程师也是，代码越容易写，能解决的问题越多，需要的工程师反而更多 你们觉得这个"五层蛋糕"的框架，哪一层机会最大？

Vincent

36,258 次观看 • 2 个月前

今天看到谷歌前CEO施密特的演讲，对 #AI 重要性的描述，让人深思，他提到接下来这十年 #AI 技术的发展，将会直接决定未来的一百年。 当年在互联网时代，我看一个创业项目，第一反应就是问：“你的市场有多大？” 因为互联网的生意，本质是“人”的生意：有多少人会用、他们愿意花多少钱。比如微信、抖音、亚马逊，逻辑都是一样的——抓住海量用户，然后想办法把用户价值变现。 但 #AI 时代不是这样。施密特说，#AI 像电、像火。它不是一个“消费产品”，而是一个“生产力工具”，能直接创造结果。这意味着，AI 的市场规模不能再用“用户数 × 客单价”去算，而是要看它能切入多少“工资盘子”。 拿 Coding 举例。全球程序员也就 3000 万人，听上去不算大。但这些人薪水都很高，总盘子大概 5000 亿美元。那 #AI 编程工具的价值，就是看它能不能分走这块 5000 亿的蛋糕。 比如：如果 AI Coding 工具能替代程序员 10% 的工作，那就是 500 亿美金的价值。如果替代 30%，就是 1500 亿美金。更极端一点，如果完全自动化，那可能就是整个产业格局的重写。 这就是为什么，哪怕程序员这个群体本身不大，#AI 编程依然会被资本市场极度看好。因为它直接对接的是“工资成本”，而工资就是最实打实的市场。 而且这套逻辑不只适用于编程。未来律师、医生、设计师、投行分析师……这些高薪群体，背后都是巨大的工资池。#AI 能切走多少，就意味着有多大市场。 所以在 #AI 时代，我看一个项目，不会再问“有多少用户”，而会先问：“它能帮谁省钱，能省多少钱？”因为 #AI 是硅基员工，真正的竞争对手不是别的互联网应用，而是“人类劳动力”。 从投资角度讲，最值得关注的赛道，就是那些工资盘子最大、而且工作内容高度标准化的行业。编程只是第一个爆点，接下来可能会是法律文书、金融研究、医疗诊断，甚至是制造业里的设计环节。 换句话说，#AI 投资逻辑已经从“用户经济”转向“劳动力经济”。谁能替代掉最多的人类工作，谁就能拿到最大的市场。从这个思路来探索 #AI 应用领域的创新，将会大有可为，寻找投资标的，也会更清晰。🧐
1:03

今天看到谷歌前CEO施密特的演讲，对 #AI 重要性的描述，让人深思，他提到接下来这十年 #AI 技术的发展，将会直接决定未来的一百年。 当年在互联网时代，我看一个创业项目，第一反应就是问：“你的市场有多大？” 因为互联网的生意，本质是“人”的生意：有多少人会用、他们愿意花多少钱。比如微信、抖音、亚马逊，逻辑都是一样的——抓住海量用户，然后想办法把用户价值变现。 但 #AI 时代不是这样。施密特说，#AI 像电、像火。它不是一个“消费产品”，而是一个“生产力工具”，能直接创造结果。这意味着，AI 的市场规模不能再用“用户数 × 客单价”去算，而是要看它能切入多少“工资盘子”。 拿 Coding 举例。全球程序员也就 3000 万人，听上去不算大。但这些人薪水都很高，总盘子大概 5000 亿美元。那 #AI 编程工具的价值，就是看它能不能分走这块 5000 亿的蛋糕。 比如：如果 AI Coding 工具能替代程序员 10% 的工作，那就是 500 亿美金的价值。如果替代 30%，就是 1500 亿美金。更极端一点，如果完全自动化，那可能就是整个产业格局的重写。 这就是为什么，哪怕程序员这个群体本身不大，#AI 编程依然会被资本市场极度看好。因为它直接对接的是“工资成本”，而工资就是最实打实的市场。 而且这套逻辑不只适用于编程。未来律师、医生、设计师、投行分析师……这些高薪群体，背后都是巨大的工资池。#AI 能切走多少，就意味着有多大市场。 所以在 #AI 时代，我看一个项目，不会再问“有多少用户”，而会先问：“它能帮谁省钱，能省多少钱？”因为 #AI 是硅基员工，真正的竞争对手不是别的互联网应用，而是“人类劳动力”。 从投资角度讲，最值得关注的赛道，就是那些工资盘子最大、而且工作内容高度标准化的行业。编程只是第一个爆点，接下来可能会是法律文书、金融研究、医疗诊断，甚至是制造业里的设计环节。 换句话说，#AI 投资逻辑已经从“用户经济”转向“劳动力经济”。谁能替代掉最多的人类工作，谁就能拿到最大的市场。从这个思路来探索 #AI 应用领域的创新，将会大有可为，寻找投资标的，也会更清晰。🧐

Rocky

240,589 次观看 • 10 个月前

Anthropic CEO Dario Amodei 在一段 47 分钟访谈里，讲了很多平时很少被放到台面上的东西 他说，早期一些拿到 Mythos 的公司反馈是： “这是一个 super weapon，请不要发布它。” 他也谈到当年离开 OpenAI 的原因： 当你觉得自己无法信任某个人 当你觉得他们的价值观和他们嘴上说的不一样 那继续一起做事就会变得非常困难 这段对话里，最值得看的不只是 Dario 还有 Daniela 和 Boris Boris Cherny，Head of Claude Code，也提到一个很夸张的现状： Anthropic 90% 的代码都是 Claude 写的 而 Claude Code 里很多代码，也是 Claude Code 自己写的 这句话背后其实很重要： Anthropic 已经不是在“用 AI 辅助写代码” 而是在把 AI 放进真实工程系统里，让它参与生产、迭代和自我构建 更沉重的是，Dario 还给出了一个判断： 他认为 AI 导致 civilizational collapse 的概率在 10–25% 之间 所以这 47 分钟不是普通的 AI 宣传访谈 更像是一次从 Anthropic 内部视角出发，对能力、风险、工程实践和组织价值观的集中展示 Dario Daniela Boris 47 分钟 免费 可能是目前最值得看的 Anthropic 内部访谈之一
47:29

Anthropic CEO Dario Amodei 在一段 47 分钟访谈里，讲了很多平时很少被放到台面上的东西 他说，早期一些拿到 Mythos 的公司反馈是： “这是一个 super weapon，请不要发布它。” 他也谈到当年离开 OpenAI 的原因： 当你觉得自己无法信任某个人 当你觉得他们的价值观和他们嘴上说的不一样 那继续一起做事就会变得非常困难 这段对话里，最值得看的不只是 Dario 还有 Daniela 和 Boris Boris Cherny，Head of Claude Code，也提到一个很夸张的现状： Anthropic 90% 的代码都是 Claude 写的 而 Claude Code 里很多代码，也是 Claude Code 自己写的 这句话背后其实很重要： Anthropic 已经不是在“用 AI 辅助写代码” 而是在把 AI 放进真实工程系统里，让它参与生产、迭代和自我构建 更沉重的是，Dario 还给出了一个判断： 他认为 AI 导致 civilizational collapse 的概率在 10–25% 之间 所以这 47 分钟不是普通的 AI 宣传访谈 更像是一次从 Anthropic 内部视角出发，对能力、风险、工程实践和组织价值观的集中展示 Dario Daniela Boris 47 分钟 免费 可能是目前最值得看的 Anthropic 内部访谈之一

0x_Miko

15,557 次观看 • 2 个月前

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。 但编程能力最强的，竟然是OpenAI的旧模型Codex。 为什么？ 他说用Codex写代码，有95%的把握可以直接运行。 因为它能理解大型代码库，需要的“人工干预”更少。 这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。 而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。 有点像一个很聪明但经验不足的新人。 这引出一个有趣的问题。 我们真的需要那个最“聪明”、最像人的AI吗？ 还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。 但Codex在专业领域更可靠。 这是否揭示了通用人工智能（AGI）发展的一个岔路口？ 是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？ 从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。 技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？ 这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？
1:47

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。 但编程能力最强的，竟然是OpenAI的旧模型Codex。 为什么？ 他说用Codex写代码，有95%的把握可以直接运行。 因为它能理解大型代码库，需要的“人工干预”更少。 这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。 而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。 有点像一个很聪明但经验不足的新人。 这引出一个有趣的问题。 我们真的需要那个最“聪明”、最像人的AI吗？ 还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。 但Codex在专业领域更可靠。 这是否揭示了通用人工智能（AGI）发展的一个岔路口？ 是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？ 从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。 技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？ 这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

墓碑科技

62,012 次观看 • 6 个月前

所有人都怕 AI 抢走 95% 的工作。 Anthropic CEO Dario Amodei 直接告诉你：反了 "哪怕你只做任务的 5%，那 5% 被放大 20 倍。 AI 做剩下 95%，你的产出反而是原来的 20 倍。" 8 分钟访谈我反复听了 5 遍，印象最深的就是这一句。 他还讲了 5 件事： - Coding 先消失，软件工程的"端到端"会更慢 - 25 岁选职业：半导体 / 跟人打交道 / 物理世界 - 真正的护城河是批判思维 — AI 时代不被骗的能力 - 学生让 AI 写作业 = 退化；工程师让 AI 同时原型 10 个想法 = 进化 - Anthropic 内部叫"教育部"的团队在做 Claude Code Work 我这半年在 Claude Code 上写 CLAUDE.md、拆 skills、卡 hooks，本质就一件事：把'我那 5% 的判断'写进规则，让 AI 跑 95% 时不偏离我的工作流。 CLAUDE.md = 把我的判断公开化 skills = 把我的动作模板化 hooks = 把我的边界自动化 工具配置是结果。 真正的问题是 — 你那 5% 是什么？ 中文字幕版我做完了，Dario 这段每个 builder 都该看一遍。👇
8:45

所有人都怕 AI 抢走 95% 的工作。 Anthropic CEO Dario Amodei 直接告诉你：反了 "哪怕你只做任务的 5%，那 5% 被放大 20 倍。 AI 做剩下 95%，你的产出反而是原来的 20 倍。" 8 分钟访谈我反复听了 5 遍，印象最深的就是这一句。 他还讲了 5 件事： - Coding 先消失，软件工程的"端到端"会更慢 - 25 岁选职业：半导体 / 跟人打交道 / 物理世界 - 真正的护城河是批判思维 — AI 时代不被骗的能力 - 学生让 AI 写作业 = 退化；工程师让 AI 同时原型 10 个想法 = 进化 - Anthropic 内部叫"教育部"的团队在做 Claude Code Work 我这半年在 Claude Code 上写 CLAUDE.md、拆 skills、卡 hooks，本质就一件事：把'我那 5% 的判断'写进规则，让 AI 跑 95% 时不偏离我的工作流。 CLAUDE.md = 把我的判断公开化 skills = 把我的动作模板化 hooks = 把我的边界自动化 工具配置是结果。 真正的问题是 — 你那 5% 是什么？ 中文字幕版我做完了，Dario 这段每个 builder 都该看一遍。👇

Leo｜一个人 + AI

36,923 次观看 • 3 个月前

黄仁勋被问到如果自己是今天的学生，会先学什么 他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互 他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人 要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚 这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令 不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"
1:05

黄仁勋被问到如果自己是今天的学生，会先学什么 他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互 他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人 要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚 这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令 不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"

Vincent | 信号＞噪音

18,700 次观看 • 1 个月前

黄仁勋带了一台GPU去白宫跟川普一起开发布会 60年前，IBM的System 360定义了现代计算机 CPU、操作系统、I/O系统、多任务处理——这些词，1964年就有了 从那之后，计算机结构基本没变 而现在，黄仁勋说，他们又重新发明了计算机 这不是传统意义上的“芯片” 你眼前的，是一块70斤的GPU 6万个零件，1万瓦功耗 要造它，几百家供应商同时开工 要搬它，得靠机器人 要测它，得用一台超算来测 而它的使命，是驱动一个全新的行业：人工智能 它不是工具，是“制造者” 以前是水进电出，现在是电进“智能”出 它是AI时代的“发电机” 但这不只是芯片的故事 这背后，是美国本土制造业的全面升级 人工成本早已不是核心 拼的是技术，是自动化，是数字孪生，是AI工厂本身 黄仁勋说，没有总统的推动，这一切不会这么快 制造业的核心早已不是“便宜”，而是“智能” 他们要在美国本土建起未来的“超级工厂” 靠的不是廉价劳动力，而是AI和机器人 更重要的是，这条AI基建链，将革新所有行业 医疗、制药、金融、教育、生命科学…… 所有行业都在接入AI，而这个“引擎”就是起点 这不是一个行业的升级，这是所有行业的重构 黄仁勋最后说： 制造未来的工厂，本身就是未来的工厂 而他们，正在把它造出来
4:14

黄仁勋带了一台GPU去白宫跟川普一起开发布会 60年前，IBM的System 360定义了现代计算机 CPU、操作系统、I/O系统、多任务处理——这些词，1964年就有了 从那之后，计算机结构基本没变 而现在，黄仁勋说，他们又重新发明了计算机 这不是传统意义上的“芯片” 你眼前的，是一块70斤的GPU 6万个零件，1万瓦功耗 要造它，几百家供应商同时开工 要搬它，得靠机器人 要测它，得用一台超算来测 而它的使命，是驱动一个全新的行业：人工智能 它不是工具，是“制造者” 以前是水进电出，现在是电进“智能”出 它是AI时代的“发电机” 但这不只是芯片的故事 这背后，是美国本土制造业的全面升级 人工成本早已不是核心 拼的是技术，是自动化，是数字孪生，是AI工厂本身 黄仁勋说，没有总统的推动，这一切不会这么快 制造业的核心早已不是“便宜”，而是“智能” 他们要在美国本土建起未来的“超级工厂” 靠的不是廉价劳动力，而是AI和机器人 更重要的是，这条AI基建链，将革新所有行业 医疗、制药、金融、教育、生命科学…… 所有行业都在接入AI，而这个“引擎”就是起点 这不是一个行业的升级，这是所有行业的重构 黄仁勋最后说： 制造未来的工厂，本身就是未来的工厂 而他们，正在把它造出来

墓碑科技

324,254 次观看 • 1 年前

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。 （对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看） 先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。 去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。 在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。 最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。 并且陶哲轩提到了基于大语言模型的一些改进的方案： 比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。 比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。 即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！ 当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。 还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。 对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？ 陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。 他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。 演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。 这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。 尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。 原始 YT 视频：
57:23

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。 （对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看） 先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。 去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。 在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。 最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。 并且陶哲轩提到了基于大语言模型的一些改进的方案： 比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。 比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。 即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！ 当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。 还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。 对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？ 陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。 他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。 演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。 这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。 尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。 原始 YT 视频：

宝玉

301,570 次观看 • 1 年前

AI发展真的已经势不可挡了吗？ 吴恩达倒是给出了一个反直觉的答案，他说：“AI发展并没有像宣传的那么夸张。但是不得不承认，编程这方面AI确实急速发展。” 那工程师们都要失业吗？其实也不是。 在软件开发这个“写代码➔交付用户➔获取反馈➔调整方向”的循环中，当写代码变得越来越快时，效率提升的瓶颈转移到了产品经理身上，“做什么”AI似乎无能为力。 我就在想，会不会在未来极端条件下，一个人+AI就可以实现软件开发的闭环，他既是工程师也是产品经理。 果然，不会用AI的工程师不是好的产品经理。 #AI #吴恩达 #Stanford #core #Agent
4:15

AI发展真的已经势不可挡了吗？ 吴恩达倒是给出了一个反直觉的答案，他说：“AI发展并没有像宣传的那么夸张。但是不得不承认，编程这方面AI确实急速发展。” 那工程师们都要失业吗？其实也不是。 在软件开发这个“写代码➔交付用户➔获取反馈➔调整方向”的循环中，当写代码变得越来越快时，效率提升的瓶颈转移到了产品经理身上，“做什么”AI似乎无能为力。 我就在想，会不会在未来极端条件下，一个人+AI就可以实现软件开发的闭环，他既是工程师也是产品经理。 果然，不会用AI的工程师不是好的产品经理。 #AI #吴恩达 #Stanford #core #Agent

傅盛

32,729 次观看 • 3 个月前

【程序员写代码的时代，一去不复返了】 AI大神卡帕西都在焦虑，重新定义职业的时刻到了，他给出三点建议，不管对程序员还是产品经理都适用： 1. 未来程序员不再是码农了，更多是驱动AI来工作。2. 吃透过去一年涌现的所有AI工具能提升10倍生产力，如果没能实现跨越式提升，那就是个人能力问题。3. AI工具强大得像一个外星工具，但没有说明书，要想掌握得靠实践。 另外澄清一下，我从来没说过未来程序员会消失，我说的是码农会消失，因为会写代码已经不是护城河了，对用户需求的洞察力更重要。
2:36

【程序员写代码的时代，一去不复返了】 AI大神卡帕西都在焦虑，重新定义职业的时刻到了，他给出三点建议，不管对程序员还是产品经理都适用： 1. 未来程序员不再是码农了，更多是驱动AI来工作。2. 吃透过去一年涌现的所有AI工具能提升10倍生产力，如果没能实现跨越式提升，那就是个人能力问题。3. AI工具强大得像一个外星工具，但没有说明书，要想掌握得靠实践。 另外澄清一下，我从来没说过未来程序员会消失，我说的是码农会消失，因为会写代码已经不是护城河了，对用户需求的洞察力更重要。

傅盛

27,163 次观看 • 7 个月前

今早刷到一条新闻的时候，我愣了几秒。 去年那个曾经风靡一时、 全网都在找邀请码、朋友圈一夜刷屏的 Manus， 被 Meta 收购了。 而且不是象征性的那种。 传闻中的收购价，高达 20 亿美元。 一瞬间，脑子里只有一句话： 原来那一波热闹，真的不是泡沫。 如果你去年混过 AI 圈，一定记得 Manus。 那种典型的产品—— 不是“炫技 demo”， 而是你一用就发现不对劲的那种工具。 它不是只回答问题， 而是能自己拆任务、查资料、写东西、跑流程。 你给它一个目标，它自己往下干。 后来大家才慢慢意识到： 哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”， 而是它敢把“人”的工作流直接吃掉。 不是辅助你， 不是提高效率， 而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数 真的在往“替代”走的团队。 这也是为什么它能在极短时间内： 用户暴涨 付费率不低 在海外圈层迅速传播 Agent 这个词后来被讲烂了， 但Manus 是最早让普通人真正“感受到 Agent 的”那一批。 更讽刺的是另一件事。 去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。 这事在圈子里不是秘密。 当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了： 没卖。 一年后， 直接卖给 Meta，估值翻了近百倍。 你说这是运气？ 不完全是。 这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。 很多人只盯着“20 亿美元”这个数字。 但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。 这一步，太关键了。 不是因为新加坡有什么魔法， 而是因为： 面向全球用户 面向美元资本 面向 Meta、OpenAI、Google 这种买家 你必须站在“他们习惯的坐标系里”。 产品是全球的， 那公司也得是全球的。 这也引出了一个让很多中国 AI 创业者心里不舒服的问题： 为什么这么多 AI 初创， 最后都很难在中国大陆生根？ 不是技术不行， 不是人不行， 甚至也不完全是钱的问题。 而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户 能不能被全球巨头并购 能不能走一条清晰、可预期的退出路径 这些问题， 对早期创业者来说， 比模型参数重要得多。 再回到 Meta。 你要明白一件事： Meta 不是“看热闹的投资人”。 它现在最缺的， 不是模型， 不是算力， 而是能真正跑在模型之上的 Agent 层。 Chat 是入口， 但 Agent 才是生产力。 而 Manus， 恰好站在这个位置上。 所以这次收购， 与其说是“买一家创业公司”， 不如说是—— 直接买了一条通往下一代产品形态的快车道。 最后说句很人话的。 很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。 也有人会说： “这是中国创业者的成功”。 我更愿意用一个不那么宏大的视角看它： 这是一个创业者，在关键时刻， 没有把自己卖便宜的故事。 而在 AI 这个时代， 这种故事， 会越来越少，也越来越贵。 如果你去年抢过 Manus 的邀请码， 如果你用过 Agent， 如果你正在创业、或者想创业， 你大概能理解这种复杂的情绪。 不是羡慕， 也不是愤怒， 而是一种： “原来世界已经走到这一步了”的感觉。 这条新闻，不只是 Manus 的终点。 它更像是很多人，某种幻想的终点。 也是另一种现实的开始。
4:17

今早刷到一条新闻的时候，我愣了几秒。 去年那个曾经风靡一时、 全网都在找邀请码、朋友圈一夜刷屏的 Manus， 被 Meta 收购了。 而且不是象征性的那种。 传闻中的收购价，高达 20 亿美元。 一瞬间，脑子里只有一句话： 原来那一波热闹，真的不是泡沫。 如果你去年混过 AI 圈，一定记得 Manus。 那种典型的产品—— 不是“炫技 demo”， 而是你一用就发现不对劲的那种工具。 它不是只回答问题， 而是能自己拆任务、查资料、写东西、跑流程。 你给它一个目标，它自己往下干。 后来大家才慢慢意识到： 哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”， 而是它敢把“人”的工作流直接吃掉。 不是辅助你， 不是提高效率， 而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数 真的在往“替代”走的团队。 这也是为什么它能在极短时间内： 用户暴涨 付费率不低 在海外圈层迅速传播 Agent 这个词后来被讲烂了， 但Manus 是最早让普通人真正“感受到 Agent 的”那一批。 更讽刺的是另一件事。 去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。 这事在圈子里不是秘密。 当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了： 没卖。 一年后， 直接卖给 Meta，估值翻了近百倍。 你说这是运气？ 不完全是。 这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。 很多人只盯着“20 亿美元”这个数字。 但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。 这一步，太关键了。 不是因为新加坡有什么魔法， 而是因为： 面向全球用户 面向美元资本 面向 Meta、OpenAI、Google 这种买家 你必须站在“他们习惯的坐标系里”。 产品是全球的， 那公司也得是全球的。 这也引出了一个让很多中国 AI 创业者心里不舒服的问题： 为什么这么多 AI 初创， 最后都很难在中国大陆生根？ 不是技术不行， 不是人不行， 甚至也不完全是钱的问题。 而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户 能不能被全球巨头并购 能不能走一条清晰、可预期的退出路径 这些问题， 对早期创业者来说， 比模型参数重要得多。 再回到 Meta。 你要明白一件事： Meta 不是“看热闹的投资人”。 它现在最缺的， 不是模型， 不是算力， 而是能真正跑在模型之上的 Agent 层。 Chat 是入口， 但 Agent 才是生产力。 而 Manus， 恰好站在这个位置上。 所以这次收购， 与其说是“买一家创业公司”， 不如说是—— 直接买了一条通往下一代产品形态的快车道。 最后说句很人话的。 很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。 也有人会说： “这是中国创业者的成功”。 我更愿意用一个不那么宏大的视角看它： 这是一个创业者，在关键时刻， 没有把自己卖便宜的故事。 而在 AI 这个时代， 这种故事， 会越来越少，也越来越贵。 如果你去年抢过 Manus 的邀请码， 如果你用过 Agent， 如果你正在创业、或者想创业， 你大概能理解这种复杂的情绪。 不是羡慕， 也不是愤怒， 而是一种： “原来世界已经走到这一步了”的感觉。 这条新闻，不只是 Manus 的终点。 它更像是很多人，某种幻想的终点。 也是另一种现实的开始。

比特币橙子Trader

122,896 次观看 • 7 个月前

刷完这场斯坦福AI讲座， 我只想说一句话： 这不是课， 这是未来三年的财富剧透。 斯坦福2026年AI指数报告 用实打实的数据告诉你： 谁正在被淘汰， 谁正在闷声发财。 看懂的人已经在调仓换股、重构团队， 看不懂的人还在报Python班、考AI证书。 先说淘汰名单。 22到25岁的初级程序员， 就业率暴跌近20%​。 不是行业不行了， 是入门级岗位直接被AI外包了。 以前招三个新人写CRUD， 现在一个 senior 带AI工具全搞定。 更狠的是， BCG预测未来两到三年， 美国50%到55%的岗位将被AI重塑​—— 不是优化，是结构性重塑。 Hinton说得直白： “AI正在以每七个月翻倍的速度进化。 以前写代码要一个月， 以后AI几分钟搞定， 软件工程师的需求量会急剧萎缩。"​ 那谁在赚钱？ 三类人。 第一类，会"指挥AI"的人。 不是会写代码，是会写提示词、 会设计AI工作流、 会判断AI输出靠不靠谱。 斯坦福报告显示， AI素养技能的增长速度远超传统编程技能​。Prompt Engineer、AI产品经理、人机交互设计师—— 这些岗位三年前不存在， 现在年薪开到40万美金。 第二类， 做"AI做不了"的事的人。 需要复杂决策、跨领域判断、 情绪共鸣、利益博弈的岗位—— 战略咨询、高端销售、组织管理、创意总监。 AI能写方案， 但不敢为结果背锅； 能分析数据， 但不会在董事会拍桌子争取资源。 第三类， 提前卡位AI基础设施的人。 美国2025年AI私人投资2859亿美元， 是中国的23倍​。 算力、数据、模型、Agent平台—— 这些才是印钞机。 卖铲子的永远比淘金的安全。 最残酷的真相在这里： AI带来的不是"失业潮"， 是"入门即失业"。 资深员工稳中有升，新人被挡在门外​。 更隐蔽的危机是"长期学习惩罚"—— 过度依赖AI会侵蚀人类自身的技能成长​。 短期效率飙升，长期能力退化， 这才是温水煮青蛙。 给普通人的行动指南： 别再去学AI怎么"做"事了， 去学AI怎么"用"事。 把AI当杠杆，不是你的替代者， 是你的放大器。 如果你现在的工作能被一句话描述清楚（"整理表格""回复客服""写基础代码"）， 那你就是AI的下一个目标。 未来三年， 最大的风险不是AI取代你， 是你用2023年的技能去应聘 2026年的岗位。 剧透已经放出来了， 看不看随你。 ——————— 作者：华尔街财经 | WSInsights，长期主义投资人，专注AI产业链、认知变现与商业底层逻辑。
1:45:05

刷完这场斯坦福AI讲座， 我只想说一句话： 这不是课， 这是未来三年的财富剧透。 斯坦福2026年AI指数报告 用实打实的数据告诉你： 谁正在被淘汰， 谁正在闷声发财。 看懂的人已经在调仓换股、重构团队， 看不懂的人还在报Python班、考AI证书。 先说淘汰名单。 22到25岁的初级程序员， 就业率暴跌近20%​。 不是行业不行了， 是入门级岗位直接被AI外包了。 以前招三个新人写CRUD， 现在一个 senior 带AI工具全搞定。 更狠的是， BCG预测未来两到三年， 美国50%到55%的岗位将被AI重塑​—— 不是优化，是结构性重塑。 Hinton说得直白： “AI正在以每七个月翻倍的速度进化。 以前写代码要一个月， 以后AI几分钟搞定， 软件工程师的需求量会急剧萎缩。"​ 那谁在赚钱？ 三类人。 第一类，会"指挥AI"的人。 不是会写代码，是会写提示词、 会设计AI工作流、 会判断AI输出靠不靠谱。 斯坦福报告显示， AI素养技能的增长速度远超传统编程技能​。Prompt Engineer、AI产品经理、人机交互设计师—— 这些岗位三年前不存在， 现在年薪开到40万美金。 第二类， 做"AI做不了"的事的人。 需要复杂决策、跨领域判断、 情绪共鸣、利益博弈的岗位—— 战略咨询、高端销售、组织管理、创意总监。 AI能写方案， 但不敢为结果背锅； 能分析数据， 但不会在董事会拍桌子争取资源。 第三类， 提前卡位AI基础设施的人。 美国2025年AI私人投资2859亿美元， 是中国的23倍​。 算力、数据、模型、Agent平台—— 这些才是印钞机。 卖铲子的永远比淘金的安全。 最残酷的真相在这里： AI带来的不是"失业潮"， 是"入门即失业"。 资深员工稳中有升，新人被挡在门外​。 更隐蔽的危机是"长期学习惩罚"—— 过度依赖AI会侵蚀人类自身的技能成长​。 短期效率飙升，长期能力退化， 这才是温水煮青蛙。 给普通人的行动指南： 别再去学AI怎么"做"事了， 去学AI怎么"用"事。 把AI当杠杆，不是你的替代者， 是你的放大器。 如果你现在的工作能被一句话描述清楚（"整理表格""回复客服""写基础代码"）， 那你就是AI的下一个目标。 未来三年， 最大的风险不是AI取代你， 是你用2023年的技能去应聘 2026年的岗位。 剧透已经放出来了， 看不看随你。 ——————— 作者：华尔街财经 | WSInsights，长期主义投资人，专注AI产业链、认知变现与商业底层逻辑。

华尔街财经 | WS × AI Era

18,504 次观看 • 3 个月前

说个2026年最反直觉的创业真相， 现在最好的AI创业机会，不是卖工具， 前Worldcoin工程师Alex Vacca 用2.5年白手起家做到700万ARR， 没有融资，没有烧钱， 他的玩法简单到离谱， 找一个所有公司都已经在花钱外包的苦活，自己先亲手干三个月， 把所有流程写成SOP，再用AI把它变成全自动交付，最后按结果收费， 他把这个叫做Services-as-Software，不是卖工具给别人让他们自己干活， 而是直接把结果卖给他们， 最狠的是他说顺序比什么都重要， 绝对不能先写代码， 必须先手动跑通所有流程， 踩完所有坑，积累完所有失败案例，再开始自动化， 我之前以为AI创业就是拼技术拼模型，看完才反应过来， 真正的护城河从来都不是代码， 是你亲手踩过的那几百个坑， 是别人买不到的专有失败数据集， 现在每一块钱软件支出的旁边， 都有六块钱的服务支出， 我认为这才是AI时代真正的万亿级蓝海。
11:12

说个2026年最反直觉的创业真相， 现在最好的AI创业机会，不是卖工具， 前Worldcoin工程师Alex Vacca 用2.5年白手起家做到700万ARR， 没有融资，没有烧钱， 他的玩法简单到离谱， 找一个所有公司都已经在花钱外包的苦活，自己先亲手干三个月， 把所有流程写成SOP，再用AI把它变成全自动交付，最后按结果收费， 他把这个叫做Services-as-Software，不是卖工具给别人让他们自己干活， 而是直接把结果卖给他们， 最狠的是他说顺序比什么都重要， 绝对不能先写代码， 必须先手动跑通所有流程， 踩完所有坑，积累完所有失败案例，再开始自动化， 我之前以为AI创业就是拼技术拼模型，看完才反应过来， 真正的护城河从来都不是代码， 是你亲手踩过的那几百个坑， 是别人买不到的专有失败数据集， 现在每一块钱软件支出的旁边， 都有六块钱的服务支出， 我认为这才是AI时代真正的万亿级蓝海。

AYi

36,433 次观看 • 3 个月前

你对AI视频的认知，99%都是错的 你是不是觉得，AI视频创作就是“输入提示词，抽卡式出图，再用剪映拼起来”？那些在闲鱼、小红书上标价几百块的AI视频单子，都是些赚不到钱的“小打小闹”？ 如果你的答案是“是”，那么恭喜你，你对AI视频的认知，可能还停留在上个世纪 一个残酷的现实是：当大多数人还在怀疑和观望时，一小撮“超级个体”已经利用AI完成了商业模式​的重构，悄悄地赚得盆满钵满。 我们来看看几个“不起眼”的赛道： ​中小学教师的“刚需”：你可能不知道，为了评职称、参加比赛，中小学教师对高质量微课视频的需求是绝对的刚需。 看看淘宝，那些标价几百的微课制作服务，很多销量早已过万，而这仅仅是标价，一个定制化的数学或物理动效微课，最终成交价远超你的想象。 这在当下的经济环境中，是国内少有的暴利刚需业务。 ​闲鱼上的“暴利”生意​：一个60秒的AI视频，市场价在200-600元 但如果你用传统“图生视频”的模式，可能需要花费5个小时，时薪不到100元，苦不堪言。 而先行者已经找到了能“一键生成分镜、自动组成视频”的神器，将效率提升数十倍。 ​降维打击的“商业片”：你知道现在一个美院团队，制作一秒高质量的AI动画广告，报价是多少吗？ 答案是1000元左右。而现在，一个人，借助合适的工具，就能实现从脚本、分镜、配音、字幕到剪辑的全流程自动化，效果直接媲美专业团队。 从产品推广、AI短剧、动态壁纸，到PPT转动画、产品Demo演示……AI视频创作的商业应用版图，正在以超乎想象的速度扩张。 这个时代，不再需要庞大的团队和昂贵的设备。 “创意”第一次成为了个体最核心，乃至唯一的资产。 而要抓住这个风口，你缺的不是创意，而是一个能将你的创意无限放大的“神器”。 Medeo的目标只有一个：让视频创作的门槛，彻底消失 它不仅仅是“文生视频”或“图生视频”，而是一个全流程的视频创作智能体。 就算你不会剪辑、不会写脚本、甚至不会写AI提示词，只要你有一个好点子，Medeo就能一键帮你： 生成专业脚本和分镜 生成匹配的关键帧画面 自动添加配音、字幕和背景音乐 支持多轮对话，对不满意的片段随时修改 最终自动剪辑成片 无论是产品推广、专业广告、知识科普，还是AI短剧，效果都直接爆炸。 我知道，你可能会有两个疑问： ​1. “它真的有那么强大吗？ 很多工具都只是噱头。”​Medeo的核心优势在于其“分镜”逻辑，它能理解视频的叙事结构，而不是无脑生成单张图片 这使得镜头之间的配合度极高，故事感和流畅度远超传统AI视频工具。事实上，它大大减少了“抽卡”次数，这已经很大程度的减成本。 ​2. “这么强的工具，一定很贵吧？”​是的，它不便宜。 但请允许我提出一个你必须了解的核心事实：贵，不是Medeo的问题，而是AI时代下范式​的转变，而是当前整个AI视频生成领域的技术成本决定的。 你看到的每一次流畅的画面生成，背后都是海量算力的燃烧和昂贵GPU资源的消耗 这就像第一代iPhone，价格不菲，因为它集成了当时最前沿的技术。AI视频创作，就是当下的那个“前沿技术”。 所以，问题的关键不是“它为什么这么贵”，而是“它到底为我省了多少钱？” 让我们来算一笔账： 一个专业的美术或动画团队，制作一秒高质量AI动画的报价，是​1000元​。 一个传统的视频制作公司，完成一个商业广告片的报价，动辄​数万甚至数十万​。 而现在，Medeo将这个过去只有少数专业机构和企业才能负担得起的“视频工业能力”，压缩到了一个你触手可及的工具里。 它不是让你“多花钱”，而是将你的成本​从“团队级”指数级降低到了“个体级”​。 这本身就是一场颠覆性的成本革命。 相信我，随着技术迭代，成本一定会逐步降低 而现在，正是利用这个“信息差”和“能力差”建立优势的最佳时机。 AI带来的不是失业，而是对“个体价值”的重新洗牌。 在这个新的范式下，你不再是一个执行者，而是一个指挥AI军团的“导演”。 你的核心任务，是思考你能为世界创造什么样的独特价值。 不要再用过去的认知来审视现在的世界。 旧的地图，找不到新的大陆。 现在，Medeo官网 已经开放，并且提供免费积分让你亲身体验。 去试试看，亲自感受一下，那个属于“超级个体”的时代，已经到来了
0:30

你对AI视频的认知，99%都是错的 你是不是觉得，AI视频创作就是“输入提示词，抽卡式出图，再用剪映拼起来”？那些在闲鱼、小红书上标价几百块的AI视频单子，都是些赚不到钱的“小打小闹”？ 如果你的答案是“是”，那么恭喜你，你对AI视频的认知，可能还停留在上个世纪 一个残酷的现实是：当大多数人还在怀疑和观望时，一小撮“超级个体”已经利用AI完成了商业模式​的重构，悄悄地赚得盆满钵满。 我们来看看几个“不起眼”的赛道： ​中小学教师的“刚需”：你可能不知道，为了评职称、参加比赛，中小学教师对高质量微课视频的需求是绝对的刚需。 看看淘宝，那些标价几百的微课制作服务，很多销量早已过万，而这仅仅是标价，一个定制化的数学或物理动效微课，最终成交价远超你的想象。 这在当下的经济环境中，是国内少有的暴利刚需业务。 ​闲鱼上的“暴利”生意​：一个60秒的AI视频，市场价在200-600元 但如果你用传统“图生视频”的模式，可能需要花费5个小时，时薪不到100元，苦不堪言。 而先行者已经找到了能“一键生成分镜、自动组成视频”的神器，将效率提升数十倍。 ​降维打击的“商业片”：你知道现在一个美院团队，制作一秒高质量的AI动画广告，报价是多少吗？ 答案是1000元左右。而现在，一个人，借助合适的工具，就能实现从脚本、分镜、配音、字幕到剪辑的全流程自动化，效果直接媲美专业团队。 从产品推广、AI短剧、动态壁纸，到PPT转动画、产品Demo演示……AI视频创作的商业应用版图，正在以超乎想象的速度扩张。 这个时代，不再需要庞大的团队和昂贵的设备。 “创意”第一次成为了个体最核心，乃至唯一的资产。 而要抓住这个风口，你缺的不是创意，而是一个能将你的创意无限放大的“神器”。 Medeo的目标只有一个：让视频创作的门槛，彻底消失 它不仅仅是“文生视频”或“图生视频”，而是一个全流程的视频创作智能体。 就算你不会剪辑、不会写脚本、甚至不会写AI提示词，只要你有一个好点子，Medeo就能一键帮你： 生成专业脚本和分镜 生成匹配的关键帧画面 自动添加配音、字幕和背景音乐 支持多轮对话，对不满意的片段随时修改 最终自动剪辑成片 无论是产品推广、专业广告、知识科普，还是AI短剧，效果都直接爆炸。 我知道，你可能会有两个疑问： ​1. “它真的有那么强大吗？ 很多工具都只是噱头。”​Medeo的核心优势在于其“分镜”逻辑，它能理解视频的叙事结构，而不是无脑生成单张图片 这使得镜头之间的配合度极高，故事感和流畅度远超传统AI视频工具。事实上，它大大减少了“抽卡”次数，这已经很大程度的减成本。 ​2. “这么强的工具，一定很贵吧？”​是的，它不便宜。 但请允许我提出一个你必须了解的核心事实：贵，不是Medeo的问题，而是AI时代下范式​的转变，而是当前整个AI视频生成领域的技术成本决定的。 你看到的每一次流畅的画面生成，背后都是海量算力的燃烧和昂贵GPU资源的消耗 这就像第一代iPhone，价格不菲，因为它集成了当时最前沿的技术。AI视频创作，就是当下的那个“前沿技术”。 所以，问题的关键不是“它为什么这么贵”，而是“它到底为我省了多少钱？” 让我们来算一笔账： 一个专业的美术或动画团队，制作一秒高质量AI动画的报价，是​1000元​。 一个传统的视频制作公司，完成一个商业广告片的报价，动辄​数万甚至数十万​。 而现在，Medeo将这个过去只有少数专业机构和企业才能负担得起的“视频工业能力”，压缩到了一个你触手可及的工具里。 它不是让你“多花钱”，而是将你的成本​从“团队级”指数级降低到了“个体级”​。 这本身就是一场颠覆性的成本革命。 相信我，随着技术迭代，成本一定会逐步降低 而现在，正是利用这个“信息差”和“能力差”建立优势的最佳时机。 AI带来的不是失业，而是对“个体价值”的重新洗牌。 在这个新的范式下，你不再是一个执行者，而是一个指挥AI军团的“导演”。 你的核心任务，是思考你能为世界创造什么样的独特价值。 不要再用过去的认知来审视现在的世界。 旧的地图，找不到新的大陆。 现在，Medeo官网 已经开放，并且提供免费积分让你亲身体验。 去试试看，亲自感受一下，那个属于“超级个体”的时代，已经到来了

叫我阿杭

23,034 次观看 • 7 个月前

这可能是今年AI圈最清醒的一条推文， Yann LeCun 是当今 AI 领域最有影响力的科学家之一，深度学习三大教父之一，2018 年图灵奖获得者， 他直接怼了Anthropic CEO Dario的著名言论， Dario说未来一到五年，一半的科技法律咨询金融岗位会被彻底干掉。 LeCun说你错了，而且不仅Dario错了，所有的AI实验室CEO 和一众大佬包括Sam Altman，Yoshua Bengio，Geoff Hinton，也包括他自己。 他说在技术革命如何影响就业这个问题上，全都是外行，别听我们瞎BB。 去听真正研究了几十年这个问题的劳动经济学家。 最狠的其实是这一点，他没跟Dario争论AI到底有多强，直接掀了桌子说，我们这群人，根本就没有资格讨论这个话题。 AI研究者只懂技术能干什么，他们不懂企业的组织流程，不懂法律合规的障碍，不懂市场的供需关系，更不懂人类社会复杂的运行逻辑。 那些被LeCun点名的经济学家，研究了过去两百年所有的技术革命，他们得出的结论是整份工作不会消失，工作里的任务会被重构。 ATM发明的时候，所有人都以为银行柜员要失业，结果柜员的数量反而增加了，因为他们从数钱的人，变成了卖理财做服务的人。 AI现在也一样，它会干掉大量重复的可预测的任务，但同时也会创造出大量新的任务。 短期的取代效应确实存在，尤其是入门级的白领岗位，但长期的生产力效应和新岗位创造效应，往往要强得多。 还有一个所有人都忽略的事实，AI能干一件事，和公司真的会用AI把人换掉。 这中间至少差两到五年，数据管道，组织架构，员工培训，法律风险。 每一个都是巨大的障碍。 我觉得 LeCun其实是在反对AI圈泛滥的末日营销，很多AI大佬喜欢用失业恐慌来博眼球，要么为了融资，要么为了呼吁监管，要么为了显得自己的产品很厉害。 但这种恐慌会误导公众，会误导政策，所以咱们也别再被那些五年后一半人失业的言论吓住了，真实的世界从来都不是非黑即白的，它是缓慢的，混乱的，充满了各种意外和机会的。 也别总担心被AI取代，有那个时间多想想怎么用AI让自己变得更值钱😁 Dario被 fox 采访的内容我做了中英双语字幕供大家参考。
4:26

这可能是今年AI圈最清醒的一条推文， Yann LeCun 是当今 AI 领域最有影响力的科学家之一，深度学习三大教父之一，2018 年图灵奖获得者， 他直接怼了Anthropic CEO Dario的著名言论， Dario说未来一到五年，一半的科技法律咨询金融岗位会被彻底干掉。 LeCun说你错了，而且不仅Dario错了，所有的AI实验室CEO 和一众大佬包括Sam Altman，Yoshua Bengio，Geoff Hinton，也包括他自己。 他说在技术革命如何影响就业这个问题上，全都是外行，别听我们瞎BB。 去听真正研究了几十年这个问题的劳动经济学家。 最狠的其实是这一点，他没跟Dario争论AI到底有多强，直接掀了桌子说，我们这群人，根本就没有资格讨论这个话题。 AI研究者只懂技术能干什么，他们不懂企业的组织流程，不懂法律合规的障碍，不懂市场的供需关系，更不懂人类社会复杂的运行逻辑。 那些被LeCun点名的经济学家，研究了过去两百年所有的技术革命，他们得出的结论是整份工作不会消失，工作里的任务会被重构。 ATM发明的时候，所有人都以为银行柜员要失业，结果柜员的数量反而增加了，因为他们从数钱的人，变成了卖理财做服务的人。 AI现在也一样，它会干掉大量重复的可预测的任务，但同时也会创造出大量新的任务。 短期的取代效应确实存在，尤其是入门级的白领岗位，但长期的生产力效应和新岗位创造效应，往往要强得多。 还有一个所有人都忽略的事实，AI能干一件事，和公司真的会用AI把人换掉。 这中间至少差两到五年，数据管道，组织架构，员工培训，法律风险。 每一个都是巨大的障碍。 我觉得 LeCun其实是在反对AI圈泛滥的末日营销，很多AI大佬喜欢用失业恐慌来博眼球，要么为了融资，要么为了呼吁监管，要么为了显得自己的产品很厉害。 但这种恐慌会误导公众，会误导政策，所以咱们也别再被那些五年后一半人失业的言论吓住了，真实的世界从来都不是非黑即白的，它是缓慢的，混乱的，充满了各种意外和机会的。 也别总担心被AI取代，有那个时间多想想怎么用AI让自己变得更值钱😁 Dario被 fox 采访的内容我做了中英双语字幕供大家参考。

AYi

602,462 次观看 • 3 个月前

Anthropic的工程主管已经不写代码了。 AI在替他们干活。 他们只负责修改。 这是Anthropic创始人Dario Amodei发出的一个警告。 未来，软件会变得非常便宜。 甚至可能接近免费。 过去的老模式是什么？ 花大价钱开发一个软件，然后卖给几百万人，摊平成本。 这个模式快要行不通了。 以后会怎样？ 也许开个会，花几分钱就能现场生成一个定制App。 用完就扔掉。 听起来很灵活，很高效。 但代价是什么？ 整个软件工程行业，几十年建立起来的职业生态，可能会消失。 当一个工具的生产力提升到极致，生产者的价值必然被稀释。 这是基本的经济逻辑。 Amodei认为人类可以适应。 但这番话听起来，怎么那么像那些鼓吹无节制全球化的精英论调？ 他们总说“阵痛”是暂时的，“适应”是必然的，却从不关心那些被时代车轮碾过的人。 当硅谷的大佬们描绘AI乌托邦时，有多少中产家庭的饭碗正在被悄悄端走？ 他们说AI能完成90%的工作，工程师只需要做剩下的10%。 但他们没说，模型迭代几次后，那剩下的10%也保不住了。 这场由技术精英推动的变革，究竟是在创造价值，还是在摧毁中产阶级？ 大多数人，似乎还没意识到水温的变化。
1:36

Anthropic的工程主管已经不写代码了。 AI在替他们干活。 他们只负责修改。 这是Anthropic创始人Dario Amodei发出的一个警告。 未来，软件会变得非常便宜。 甚至可能接近免费。 过去的老模式是什么？ 花大价钱开发一个软件，然后卖给几百万人，摊平成本。 这个模式快要行不通了。 以后会怎样？ 也许开个会，花几分钱就能现场生成一个定制App。 用完就扔掉。 听起来很灵活，很高效。 但代价是什么？ 整个软件工程行业，几十年建立起来的职业生态，可能会消失。 当一个工具的生产力提升到极致，生产者的价值必然被稀释。 这是基本的经济逻辑。 Amodei认为人类可以适应。 但这番话听起来，怎么那么像那些鼓吹无节制全球化的精英论调？ 他们总说“阵痛”是暂时的，“适应”是必然的，却从不关心那些被时代车轮碾过的人。 当硅谷的大佬们描绘AI乌托邦时，有多少中产家庭的饭碗正在被悄悄端走？ 他们说AI能完成90%的工作，工程师只需要做剩下的10%。 但他们没说，模型迭代几次后，那剩下的10%也保不住了。 这场由技术精英推动的变革，究竟是在创造价值，还是在摧毁中产阶级？ 大多数人，似乎还没意识到水温的变化。

墓碑科技

20,777 次观看 • 6 个月前

过去学编程，是最好的选择。 现在不是了。 这是Sam Altman，OpenAI的CEO，给出的AI时代生存指南。 他说现在你需要什么？ 高能动性。 软技能。 超强的想法生成能力。 快速适应世界。 听起来很熟悉？ 这些词汇，在达沃斯精英的嘴里已经重复了无数遍。 一个创造了最强代码工具的人，却告诉普通人不要再学习编程这种硬核技能了。 这是为什么？ 是不是在重新定义未来的分工？ 一部分人负责天马行空地“产生想法”，享受创造的乐趣和利润。 其他人负责使用他们创造的工具，去“适应”这个快速变化的世界？ 他们还说，这些“软技能”可以在三个月的训练营里速成。 一个人的韧性、能动性和洞察力，真的可以被如此轻易地“制造”出来吗？ 还是说，这只是为了让大家放弃掌握真正能改变和创造工具的能力？ 当少数人掌握了定义规则的工具，其他人只剩下“适应”的份。
1:09

过去学编程，是最好的选择。 现在不是了。 这是Sam Altman，OpenAI的CEO，给出的AI时代生存指南。 他说现在你需要什么？ 高能动性。 软技能。 超强的想法生成能力。 快速适应世界。 听起来很熟悉？ 这些词汇，在达沃斯精英的嘴里已经重复了无数遍。 一个创造了最强代码工具的人，却告诉普通人不要再学习编程这种硬核技能了。 这是为什么？ 是不是在重新定义未来的分工？ 一部分人负责天马行空地“产生想法”，享受创造的乐趣和利润。 其他人负责使用他们创造的工具，去“适应”这个快速变化的世界？ 他们还说，这些“软技能”可以在三个月的训练营里速成。 一个人的韧性、能动性和洞察力，真的可以被如此轻易地“制造”出来吗？ 还是说，这只是为了让大家放弃掌握真正能改变和创造工具的能力？ 当少数人掌握了定义规则的工具，其他人只剩下“适应”的份。

墓碑科技

50,683 次观看 • 6 个月前