Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

要我说部分领域AGI已经实现了：特斯拉扔掉了方向盘，编程也正被 AI 接管。像OpenClaw这种能自我进化的工具，本质上是在重塑开发逻辑。到2026年，97%的代码AI一遍就能写对，程序员如果不能驾驭这种进化系统，真可能像阑尾一样，还存在但没啥大用。

傅盛

55,993 subscribers

27,811 Aufrufe • vor 6 Monaten •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

马斯克转发前OpenAI工程师的观点，认为AI自我改进距离落地可能不到2年。啥意思？就是AI不需要工程师改模型了，它能自己改自己。AI自我迭代一旦跑通，头部玩家就能率先持续滚雪球。特斯拉FSD开发早已在用Grok Build。如果未来Grok直接递归迭代优化FSD，特斯拉的数据就成为神一样的护城河。

马斯克转发前OpenAI工程师的观点，认为AI自我改进距离落地可能不到2年。啥意思？就是AI不需要工程师改模型了，它能自己改自己。AI自我迭代一旦跑通，头部玩家就能率先持续滚雪球。特斯拉FSD开发早已在用Grok Build。如果未来Grok直接递归迭代优化FSD，特斯拉的数据就成为神一样的护城河。

谢嘉琪 Jiaqi

14,816 Aufrufe • vor 25 Tagen

【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。

【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 Aufrufe • vor 7 Monaten

现在这个阶段再看新 L1，其实已经很难被“新叙事”打动了。区块空间不稀缺，工具链也早就铺满，真正卡人的问题早就从“能不能跑”，变成了敢不敢长期用。尤其是在 AI 开始进流程之后，系统能不能扛事，比性能重要得多。很多所谓 AI 方案，本质还是演示思路。模型在跑，但记不住上下文；结果能给，但解释不了原因；动作能触发，却得人盯着。这种状态，放进真实业务里迟早出问题。从这个角度看 Vanar 更像是在补那些容易被忽略、但迟早要面对的能力：原生记忆让状态能留下来，链上推理让决策能被复盘，自动化执行让流程不用人守着。这些东西一旦跑通，AI 才算真的进系统。也正因为这样 $VANRY 的价值不在喊口号，而在这些能力有没有被真实调用。用得久、跑得稳，价值才会慢慢沉下来。 #Vanar

现在这个阶段再看新 L1，其实已经很难被“新叙事”打动了。区块空间不稀缺，工具链也早就铺满，真正卡人的问题早就从“能不能跑”，变成了敢不敢长期用。尤其是在 AI 开始进流程之后，系统能不能扛事，比性能重要得多。很多所谓 AI 方案，本质还是演示思路。模型在跑，但记不住上下文；结果能给，但解释不了原因；动作能触发，却得人盯着。这种状态，放进真实业务里迟早出问题。从这个角度看 Vanar 更像是在补那些容易被忽略、但迟早要面对的能力：原生记忆让状态能留下来，链上推理让决策能被复盘，自动化执行让流程不用人守着。这些东西一旦跑通，AI 才算真的进系统。也正因为这样 $VANRY 的价值不在喊口号，而在这些能力有没有被真实调用。用得久、跑得稳，价值才会慢慢沉下来。 #Vanar

DD

10,918 Aufrufe • vor 6 Monaten

Anthropic CEO：AI 将在 1 年内取代 99% 的程序员如果你今年25岁，如何在这个10年实现资本层面的大胜？你需要避开那些容易被数字化的领域，转而进攻这3个方向： • 参与 AI 相关的产业链 • 利用 AI 作为增长的行业 • 或者更偏人类的高感性职业在 AI 能生成一切的时代，最重要的能力可能是：批判性思维！

Anthropic CEO：AI 将在 1 年内取代 99% 的程序员如果你今年25岁，如何在这个10年实现资本层面的大胜？你需要避开那些容易被数字化的领域，转而进攻这3个方向： • 参与 AI 相关的产业链 • 利用 AI 作为增长的行业 • 或者更偏人类的高感性职业在 AI 能生成一切的时代，最重要的能力可能是：批判性思维！

Annie 所长

12,140 Aufrufe • vor 3 Monaten

埃隆·马斯克断言：编码将在今年彻底死亡。不是“进化”。是死亡。到今年12月，AI 将不再需要任何编程语言。它直接吐出机器码——那种二进制优化程度，远超人类逻辑所能触及的极限，没有翻译层，没有编译步骤，只有纯粹的、赤裸的执行。马斯克原话：“你甚至都不用再费心去写代码。”代码从来就不是目的。它只是摩擦，是我们被迫支付的“人类税”——因为机器不懂人话。现在，AI 已经学会了流利的人类语言，这笔税，彻底取消了。再把这一切接入 Neuralink：没有语法，没有键盘，没有屏幕。马斯克：“从想象直接到软件。”一个念头，就能变成可执行代码。你脑海中浮现一个结果，系统瞬间为你架构、优化、编译成现实。我们不是在“自动化编程”。我们是在把编程这个概念从宇宙中抹除。整个职业瞬间坍塌成一个念头。几十年的训练、无数行代码、无数个通宵——瞬间变得毫无意义。从“idea”到“成品”的距离，归零。你不再“构建”。你只需“想象”，它就具现。这不是渐进式进步。这是彻底的相变。人类一万年来“创造”的方式，在这一刻过时了。欢迎来到新世界。在这里，限制你的不再是技能、资源、时间…… 而是你能不能足够清晰地“看见”你想要的东西——然后让机器把它生出来。我认为事情实际上可能会在今年年底之前就发生转变，到时候你甚至都不用再费心去写代码了。AI 会直接生成二进制代码，而且它生成的二进制会比任何现有编译器优化得更高效。所以你只需要说：“针对这个特定结果，生成最优化的二进制代码。”——这样就直接绕过了传统编码流程。没错，这其实只是一个中间步骤，但我估计到今年年底，这个步骤很可能就彻底不需要了。

埃隆·马斯克断言：编码将在今年彻底死亡。不是“进化”。是死亡。到今年12月，AI 将不再需要任何编程语言。它直接吐出机器码——那种二进制优化程度，远超人类逻辑所能触及的极限，没有翻译层，没有编译步骤，只有纯粹的、赤裸的执行。马斯克原话：“你甚至都不用再费心去写代码。”代码从来就不是目的。它只是摩擦，是我们被迫支付的“人类税”——因为机器不懂人话。现在，AI 已经学会了流利的人类语言，这笔税，彻底取消了。再把这一切接入 Neuralink：没有语法，没有键盘，没有屏幕。马斯克：“从想象直接到软件。”一个念头，就能变成可执行代码。你脑海中浮现一个结果，系统瞬间为你架构、优化、编译成现实。我们不是在“自动化编程”。我们是在把编程这个概念从宇宙中抹除。整个职业瞬间坍塌成一个念头。几十年的训练、无数行代码、无数个通宵——瞬间变得毫无意义。从“idea”到“成品”的距离，归零。你不再“构建”。你只需“想象”，它就具现。这不是渐进式进步。这是彻底的相变。人类一万年来“创造”的方式，在这一刻过时了。欢迎来到新世界。在这里，限制你的不再是技能、资源、时间…… 而是你能不能足够清晰地“看见”你想要的东西——然后让机器把它生出来。我认为事情实际上可能会在今年年底之前就发生转变，到时候你甚至都不用再费心去写代码了。AI 会直接生成二进制代码，而且它生成的二进制会比任何现有编译器优化得更高效。所以你只需要说：“针对这个特定结果，生成最优化的二进制代码。”——这样就直接绕过了传统编码流程。没错，这其实只是一个中间步骤，但我估计到今年年底，这个步骤很可能就彻底不需要了。

🌹MIDNIGHT🌹ROSE🌹

99,266 Aufrufe • vor 6 Monaten

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

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

61,885 Aufrufe • vor 2 Monaten

Claude Code负责人用一个词形容程序员这个职位，叫退行性器官，就是阑尾。可能还存在，但没用了。现在研发和产品的边界在逐渐模糊，我们自己的观察是大部分情况下懂业务的搞Vibe Coding更能出成果，懂技术的再回去了解业务就不太容易了。因为程序员敲代码的本质是把人话翻成机器话。现在AI自己听得懂了，中间的翻译官就慢慢变成阑尾了...

Claude Code负责人用一个词形容程序员这个职位，叫退行性器官，就是阑尾。可能还存在，但没用了。现在研发和产品的边界在逐渐模糊，我们自己的观察是大部分情况下懂业务的搞Vibe Coding更能出成果，懂技术的再回去了解业务就不太容易了。因为程序员敲代码的本质是把人话翻成机器话。现在AI自己听得懂了，中间的翻译官就慢慢变成阑尾了...

傅盛

16,417 Aufrufe • vor 1 Monat

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？

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 Aufrufe • vor 7 Monaten

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。🧐

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 Aufrufe • vor 11 Monaten

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

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 Aufrufe • vor 4 Monaten

说真的，我现在出门能不背电脑就不背电脑。如果只是见客户、聊方案、对接需求，我一般就带个 iPad。毕竟电脑太沉了，而且很多时候只是先聊聊，能不能谈成都还不一定，哈哈。但今天刚好遇到一个企业客户咨询，他之前没怎么体验过 AI，也不知道什么叫 AI 工作流。单靠嘴讲其实很抽象，什么 Agent、自动化、AI 编程、流程编排，说多了都像概念。于是我直接打开 iPad 上的 UU远程，连回自己的电脑，在远程终端里调用 OpenCode，现场给老板跑了一遍：先把他的需求丢进去，让 AI 拆解业务流程，再根据场景生成方案、改代码、看执行结果。为啥用 UU远程？因为它免费。为啥用 OpenCode？因为我接入了免费模型。毕竟咱也不知道这单能不能谈成，前期演示能省就省，token 也要精打细算，对吧。但效果还真不错。老板不是看一个 PPT，也不是听我讲概念，而是直接看到 AI 在我的真实电脑环境里跑任务。哪一步卡了，我就在 iPad 上继续操作；需要看日志，就用 UU远程的终端功能，跳过图形界面，直接用命令行操作，既直接快捷又省流量；需要看结果，就切回远程桌面。我最大的感受就是：电脑可以不带，但电脑里的活儿不能断。 OpenCode、项目环境、文件都在我电脑上，iPad 就当一个入口。客户现场临时提了个需求，我直接用 UU远程连回去，看 OpenCode 跑到哪了，顺手改两句，再切回桌面看结果。它对我来说不是那种“功能很多很厉害”的工具，就是很实在地解决了一个问题：我人不在电脑前，但还能继续用电脑里的那套 AI 工作流。再加上现在免费、没弹窗，像这种前期见客户、还不知道能不能成交的场景，用起来也没啥心理负担。

说真的，我现在出门能不背电脑就不背电脑。如果只是见客户、聊方案、对接需求，我一般就带个 iPad。毕竟电脑太沉了，而且很多时候只是先聊聊，能不能谈成都还不一定，哈哈。但今天刚好遇到一个企业客户咨询，他之前没怎么体验过 AI，也不知道什么叫 AI 工作流。单靠嘴讲其实很抽象，什么 Agent、自动化、AI 编程、流程编排，说多了都像概念。于是我直接打开 iPad 上的 UU远程，连回自己的电脑，在远程终端里调用 OpenCode，现场给老板跑了一遍：先把他的需求丢进去，让 AI 拆解业务流程，再根据场景生成方案、改代码、看执行结果。为啥用 UU远程？因为它免费。为啥用 OpenCode？因为我接入了免费模型。毕竟咱也不知道这单能不能谈成，前期演示能省就省，token 也要精打细算，对吧。但效果还真不错。老板不是看一个 PPT，也不是听我讲概念，而是直接看到 AI 在我的真实电脑环境里跑任务。哪一步卡了，我就在 iPad 上继续操作；需要看日志，就用 UU远程的终端功能，跳过图形界面，直接用命令行操作，既直接快捷又省流量；需要看结果，就切回远程桌面。我最大的感受就是：电脑可以不带，但电脑里的活儿不能断。 OpenCode、项目环境、文件都在我电脑上，iPad 就当一个入口。客户现场临时提了个需求，我直接用 UU远程连回去，看 OpenCode 跑到哪了，顺手改两句，再切回桌面看结果。它对我来说不是那种“功能很多很厉害”的工具，就是很实在地解决了一个问题：我人不在电脑前，但还能继续用电脑里的那套 AI 工作流。再加上现在免费、没弹窗，像这种前期见客户、还不知道能不能成交的场景，用起来也没啥心理负担。

Cheery

21,016 Aufrufe • vor 3 Monaten

哎！我可能放弃写代码当个厨子了😱 因为再过个两年程序员的工资可能比不上一个厨子高！！为什么？今天听了一下Biwei Huang 黄博士的播客，她说爆料，现在的机器人很多都是精心设计的Demo，实际任务中假如不小心把放道具的桌子降低几厘米，就会完不成任务。我是真的没想春晚跳街舞的机器人这么拉胯！！播客里面还透露，Sam Altman在公司讲话，说文字层面的AGI实现已经是板上钉钉了。一边是智力劳动越来越廉价，而机器人的发展停滞不前。这种半吊子的AGI对白领来说很不公平！！当然，黄教授也提出了个解法：因果大模型简单地说就是利用AI不眠不休的学习能力，对视频等数据进行在因果方面进行学习。这个带来的好处就是模型能给出人类能理解的因果关系。机器人理解了因果后才能随机应变，真正胜任复杂的体力任务。但在这个领域显著发展之前，我们可能不得不接受这个事实心灵可能比不上手巧，北大比不上蓝翔技校😂

哎！我可能放弃写代码当个厨子了😱 因为再过个两年程序员的工资可能比不上一个厨子高！！为什么？今天听了一下Biwei Huang 黄博士的播客，她说爆料，现在的机器人很多都是精心设计的Demo，实际任务中假如不小心把放道具的桌子降低几厘米，就会完不成任务。我是真的没想春晚跳街舞的机器人这么拉胯！！播客里面还透露，Sam Altman在公司讲话，说文字层面的AGI实现已经是板上钉钉了。一边是智力劳动越来越廉价，而机器人的发展停滞不前。这种半吊子的AGI对白领来说很不公平！！当然，黄教授也提出了个解法：因果大模型简单地说就是利用AI不眠不休的学习能力，对视频等数据进行在因果方面进行学习。这个带来的好处就是模型能给出人类能理解的因果关系。机器人理解了因果后才能随机应变，真正胜任复杂的体力任务。但在这个领域显著发展之前，我们可能不得不接受这个事实心灵可能比不上手巧，北大比不上蓝翔技校😂

铁锤人

51,903 Aufrufe • vor 2 Monaten

AI 教母李飞飞在采访里说了个挺狠的判断：不会用 AI 的人，可能被淘汰都收不到通知。这句话听着夸张，但放到产品经理身上其实很现实。以前 PM 不会写代码没关系，写 PRD、拉会议、找设计、等开发，几个月出一个原型。但现在如果别人已经能用 AI 把 demo 先跑出来，你还停在“我来协调资源”，差距可能已经开始了。未来被淘汰的未必是岗位，而是还停在旧流程里的人。

AI 教母李飞飞在采访里说了个挺狠的判断：不会用 AI 的人，可能被淘汰都收不到通知。这句话听着夸张，但放到产品经理身上其实很现实。以前 PM 不会写代码没关系，写 PRD、拉会议、找设计、等开发，几个月出一个原型。但现在如果别人已经能用 AI 把 demo 先跑出来，你还停在“我来协调资源”，差距可能已经开始了。未来被淘汰的未必是岗位，而是还停在旧流程里的人。

Vincent

158,602 Aufrufe • vor 2 Monaten

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。

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

58,931 Aufrufe • vor 6 Monaten

才看到傅盛这个视频：“OpenAI o3突然发布，程序员不存在了，人人都是程序员的时代到来了” 还是太标题党了，AI 的编程能力是提升了，但现实生活的需求太复杂，描述清楚都不容易，何况用 AI 去写出来代码。

才看到傅盛这个视频：“OpenAI o3突然发布，程序员不存在了，人人都是程序员的时代到来了” 还是太标题党了，AI 的编程能力是提升了，但现实生活的需求太复杂，描述清楚都不容易，何况用 AI 去写出来代码。

宝玉

106,970 Aufrufe • vor 1 Jahr

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：

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

301,920 Aufrufe • vor 2 Jahren

黄仁勋过去 30 年，开了 30 场 GTC 大会，而且神奇的是，几乎他的预言在几年后都会实现现在他对未来 AI PC 的 4 个预言： 1. 99%的人还没意识到，下一代电脑已经来了，未来每个电脑里都会住着一个AI智能体。 2. AI 将成为新一代操作系统，未来的操作系统不只是Windows或Linux，而是 AI。 3. 未来的软件将全部消失，进化成AI智能体。 4. AI PC 将像智能手机一样重塑世界，不亚于当年功能手机进化成智能手机。

黄仁勋过去 30 年，开了 30 场 GTC 大会，而且神奇的是，几乎他的预言在几年后都会实现现在他对未来 AI PC 的 4 个预言： 1. 99%的人还没意识到，下一代电脑已经来了，未来每个电脑里都会住着一个AI智能体。 2. AI 将成为新一代操作系统，未来的操作系统不只是Windows或Linux，而是 AI。 3. 未来的软件将全部消失，进化成AI智能体。 4. AI PC 将像智能手机一样重塑世界，不亚于当年功能手机进化成智能手机。

Annie 所长

179,112 Aufrufe • vor 2 Monaten