AI圆桌π

北京时间 2026 年 5 月 20 日凌晨，Google I/O 2026 于加州山景城开幕。本届大会核心基调是全面进入 Gemini 智能体时代，战略核心为 “AI 全栈闭环 + 生态深度渗透”—— 从底层 TPU 算力、Gemini 模型矩阵、Antigravity 开发平台，到终端产品与行业标准，谷歌完成全链路 AI 布局，明确将 AI 从 “工具功能” 升级为 “系统级智能中枢”，全面渗透搜索、Android、Workspace、YouTube 等核心生态。如希望领取PPT/文字版本内容可加入播客听友群（请扫以下二维码）或关注微信公众号：力力说AI在小宇宙查看该单集文稿

近日，谷歌 DeepMind 核心研究科学家姚顺宇接受深度专访。姚顺宇拥有清华本科、斯坦福理论物理博士背景，深耕基础物理研究多年后跨界入局人工智能，先后任职于 Anthropic 与 Google DeepMind，全程参与了Claude、Gemini 等顶级大模型核心研发。本次访谈跳出行业客套话术，直面产业真相与行业痛点，其中 “人这一辈子也没多长，为什么要把自己的时间浪费在伺候老登身上” 一语出圈，既道出一线从业者心声，也折射出科技行业深层职场矛盾。如希望领取PPT/文字版本内容可加入播客听友群（请扫以下二维码）或关注微信公众号：力力说AI在小宇宙查看该单集文稿

2026 年 5 月 14 日，中美在北京正式会晤。双方围绕双边关系定调、经贸合作、科技博弈、全球治理等核心议题达成一系列共识，其中科技领域（AI 芯片、半导体、数字治理） 成为谈判核心，随行 17 位美国商界巨头（含 8 大科技 CEO）执掌公司总市值超16万亿美元，创下历史之最。本期节目从主要议题、黄仁勋与马斯克随行深层逻辑、会晤对中美关系及 AI 产业的影响等维度，进行全面解析。如希望领取PPT/文字版本内容可加入播客听友群（请扫以下二维码）或关注微信公众号：力力说AI在小宇宙查看该单集文稿

2026 年 5 ⽉ 4 ⽇，字节跳动旗下 AI 产品⾖包在 App Store ⻚⾯正式公⽰付费订阅⽅案，推出标准版、加强版、专业版三档会员，定价 68-500 元 / ⽉，核⼼聚焦 PPT ⽣成、数据分析、⻓⽂档精读等⾼算⼒⽣产⼒场景，免费版永久保留基础功能。此举标志着国内 C 端 AI 赛道正式从“免费烧钱换规模”转向“基础免费 + 专业付费”的商业化深⽔区。本期节目将从成本、增⻓、竞争、战略四⼤维度剖析字节调整的核⼼逻辑，并从商业模式、定价体系、技术迭代、⽤⼾⽣态、监管合规五⼤层⾯，研判其对中国 AI ⾏业的深远影响。如希望领取PPT/文字版本内容可加入播客听友群（请扫以下二维码）或关注微信公众号：力力说AI在小宇宙查看该单集文稿

近日，中国政府依法依规对Meta收购Manus项目作出禁止投资决定，要求当事人撤销该收购交易。此次禁令作为首例公开叫停的AI外资并购案，标志着“监管套利式出海”模式的终结。这一风向标不仅促使行业重塑合规与退出路径，也迫使国内AI企业从短期套利转向深耕本土长期价值。未来AI领域的竞争将围绕技术自主可控展开，资本逻辑也将由外资并购转向国资与本土产业赋能。如希望领取PPT/文字版本内容可关注微信公众号：力力说AI或加入播客听友群（请扫以下二维码）在小宇宙查看该单集文稿

苹果近期官宣重大人事变动：执掌公司 15 年的 CEO 蒂姆・库克（Tim Cook）将于 9 月 1 日转任董事会执行主席，硬件工程高级副总裁约翰・特努斯（John Ternus）接任 CEO。这一交接不仅是苹果管理层的更迭，更标志着这家科技巨头从“运营驱动”向“产品技术驱动”的战略转向。本期节目将从库克任期功过、特努斯背景、接班逻辑、AI 前景与核心挑战五个方面展开深度解析。如希望领取《2026年AI指数报告》/PPT/文字版本内容可关注微信公众号：力力说AI或加入播客听友群（请扫以下二维码）在小宇宙查看该单集文稿

近日，美国斯坦福大学人工智能研究所发布了《2026年AI指数报告》。这份423页的年度报告深度剖析了全球人工智能在2025至2026年间的演进态势，强调技术虽进入规模化落地阶段，但治理与评估体系已严重滞后。文中指出中美两国在模型性能上的差距已缩小至2.7%，标志着竞争核心正从单纯的参数比拼转向算力供应链与生态体系的对抗。此外，报告还反映了就业结构的剧烈波动以及全球范围内AI主权意识的觉醒。如希望领取《2026年AI指数报告》/PPT/文字版本内容可关注微信公众号：力力说AI或加入播客听友群（请扫以下二维码）在小宇宙查看该单集文稿

当下的AI圈，卷到离谱。Google、OpenAI、字节的核心研发，每周工作70-80小时是常态；智谱、MiniMax、Kimi疯狂迭代模型，一年更新4-5版，扎堆抢Agent、多模态赛道；大厂动辄开出2-3倍薪资、8位数总包，挖角AI核心人才。而AI 圈黑马 DeepSeek 近期却有点“销声匿迹”，其 V4 版本从春节延期至 4 月仍未官宣，核心成员还被腾讯等大厂挖角。但这家不足 200 人的公司却坚持拒绝融资、不加班、不卷 KPI，堪称行业异类，而这一切都离不开创始人梁文锋。他 30 岁实现财富自由，行事低调，将 DeepSeek 打造成反内卷实验室。如希望领取PPT/文字/视频版本内容可关注微信公众号：力力说AI或加入播客听友群（请扫以下二维码）在小宇宙查看该单集文稿

2026 年 4 ⽉ 3 ⽇，OpenAI CEO Sam Altman 接受 《Mostly Human》播客访谈。这是 OpenAI 以8520 亿美元估值完成 1220 亿美元融资、3 ⽉ 24 ⽇突然关停 Sora、与五⻆⼤楼达成 AI 合作、Anthropic Claude 遭美国防部封禁后，Altman ⾸次公开全⾯回应⾏业核⼼争议。访谈基调极度务实、冷酷且坦率，全程围绕算⼒、商业变现、权⼒绑定、AGI 终局四⼤核⼼逻辑展开，被硅⾕视为 OpenAI 从 “技术理想主义” 彻底转向 “超级商业帝国” 的战略宣⾔。Altman 在访谈中多次强调 “AI 世界的第⼀法则是算⼒即权⼒，第⼆法则是商业优先于情怀”。如希望领取PPT/文字/视频版本内容可关注微信公众号：力力说AI或加入播客听友群（请扫以下二维码）在小宇宙查看该单集文稿

本期节目结合油管大神和超级个体 Dan Koe火爆全网的文章《如何在一天内重启人生》和“龙虾之父”Peter Steinberger 近日接受播客访谈时提出的人机协作见解和“玩耍”哲学，指出 AI 已成为个体的能力放大器，单打独斗也能具备传统组织的竞争力。未来的核心竞争力将从技能熟练度转向问题定义与系统整合能力。通过将工作游戏化并保持自主性，个体可以从组织的附属品转变为独立的价值创造者。最终，这种模式不仅降低了创业门槛，更促使商业伦理回归以价值为本的初衷。如希望领取PPT/文字/视频版本内容可关注微信公众号：力力说AI或加入播客听友群（请扫以下二维码）在小宇宙查看该单集文稿

2026年3⽉，全球科技巨头Meta传出新⼀轮⼤规模裁员计划，引发全球科技圈⼴泛关注。据路透社、央视新闻等权威媒体援引知情⼈⼠消息，此次裁员预计⽐例达公司总⼈数的20%及以上，规模或将超1.58万人，是Meta⾃2022年底⾄2023年初“效率之年”重组以来规模最⼤的⼀次⼈员缩减。此前在2026年1⽉，Meta已裁减负责元宇宙业务的Reality Labs部⻔约10%的员⼯，⽽此次⼤规模裁员，被业内解读为公司战略重⼼彻底向AI倾斜的标志性动作。如希望领取PPT/文字/视频版本内容可关注微信公众号：力力说AI或加入播客听友群（请扫以下二维码）在小宇宙查看该单集文稿

2026年初，OpenClaw以席卷之势引爆全球科技圈，GitHub星标数短期内突破27万，超越Linux、React成为史上增长最快的开源项目，被国内开发者亲切称为“大龙虾”AI助理。这款开源AI智能体的爆火，让其开发者——奥地利软件工程师Peter Stenberger（彼得·斯坦伯格）再次走进公众视野。从PDF SDK领域的“隐形冠军”到AI智能体赛道的现象级创造者，Peter的极客人生充满传奇色彩。本文将基于公开事实，全面复盘Peter的成长经历，解析OpenClaw爆火的核心逻辑、创新价值、现存不足，以及其对全球AI产业的深远影响。如希望领取PPT/文字/视频版本内容可关注微信公众号：力力说AI或加入播客听友群（请扫以下二维码）在小宇宙查看该单集文稿

2026年2⽉28⽇，美以联军发动代号“史诗之怒”的对伊军事⾏动，⾸次实现AI技术贯穿“情报融合—决策⽀持—精准打击—毁伤评估—防御协同”全作战链路的实战化闭环。本次⾏动中，AI⼤模型、战场智能中枢、⾃主⽆⼈系统与智能防御体系深度联动，将传统作战杀伤链从⼩时级压缩⾄秒级，成为⼈⼯智能军事化应⽤的标志性战役。本⽂基于公开权威报道与战场披露信息，全⾯梳理AI技术在本次⾏动中的具体应⽤场景，并深⼊剖析该次实践对军事领域发展的颠覆性影响。如希望领取PPT/文字/视频版本内容可关注微信公众号：力力说AI如希望加入播客听友群（已满200人）加主播个人微信：bonewe2004在小宇宙查看该单集文稿

近日美股科技板块市值毫无征兆蒸发超万亿。引爆这场恐慌的，不是美联储加息，也不是地缘冲突，而是一篇来自华尔街顶流机构 Citrini Research 的报告 ——《2028 全球智能危机》。这份被亿万投资者疯传的报告，用 “2028 年回溯视角” 做了一个惊悚的思想实验：如果 AI 按当前速度狂奔，两年后，美国失业率将飙升至 10.2%，标普 500 从高点回撤 38%。更颠覆的是，它推翻了 “AI = 经济增长” 的共识，抛出核心悖论：机器会生产，但机器不消费。当企业疯狂用 AI 替代白领，消费主力消失，GDP 再好看也是 “幽灵增长”。这场 “太成功导致的危机”，已不是科幻。今天，我们用最硬核的逻辑，把这份报告的核心逻辑拆透，不贩卖焦虑，只讲清真相：2028年到底会发生什么？我们普通人该如何应对？如希望领取PPT/文字/视频版本内容可关注微信公众号：力力说AI如希望加入播客听友群（已满200人）加主播个人微信：bonewe2004在小宇宙查看该单集文稿

当 AI 焦虑席卷职场，硅谷传奇投资人纳瓦尔在最新播客《A Motorcycle for the Mind》中，给出了关于人机共生时代的底层答案。在他眼中，AI 不是取代人类的对手，而是让强者更强的 “思想摩托车”—— 拥有强悍引擎，却永远需要人类掌控方向。这 52 分钟的深度分享，拆解出 AI 时代的生存法则，读懂以下核心观点，就能跳出焦虑，找准自己的不可替代之路。如希望领取PPT/文字/视频版本内容可关注微信公众号：力力说AI如希望加入播客听友群（已满200人）加主播个人微信：bonewe2004在小宇宙查看该单集文稿

2026年2月9日，字节跳动旗下即梦AI正式发布Seedance 2.0多模态视频生成大模型，一夜之间刷屏海内外科技圈、影视圈与创作者圈层，被业内誉为“2026开年第一技术王炸”。作为字节跳动在多模态大模型领域的重磅迭代，Seedance 2.0并非简单的功能升级，而是从底层架构重构的新一代模型，核心定位为“电影级AI视频生产工具”，实现了从“生成画面”向“完成完整作品”的跨越。如果希望领取PPT版本内容，可加微信bonewe2004或关注微信公众号：力力说AI+职场加入听友群，请扫二维码在小宇宙查看该单集文稿

2026开年，马斯克做客未来学家Peter Diamandis的《Moonshots》播客节目，勾勒出未来数十年的发展蓝图。这场对话探讨了人工智能、机器人技术与清洁能源的融合趋势，谈及了科技行业潜藏的地缘政治紧张局势，以及全球劳动力市场即将面临的彻底变革。正如马斯克所言，世界正处于人类历史上最具颠覆性的变革临界点，人类发展的轨迹将走向何方？如果希望领取PPT版本内容，可加微信bonewe2004或关注微信公众号：力力说AI+职场加入听友群，请扫二维码在小宇宙查看该单集文稿

2026年AGI-Next前沿峰会上，被称为“基模四杰”的腾讯首席AI科学家姚顺雨、月之暗面创始人兼CEO杨植麟、阿里巴巴Qwen技术负责人林俊旸和清华大学教授、智谱创始人兼首席科学家唐杰首次同台对下一代模型的范式和重点进行了探讨。四位专家虽在技术路线和商业重点上存在分歧，但一致认为提升数据效率和构建差异化生态是国产AI突围的关键。如果希望领取PPT版本内容，可加微信bonewe2004或关注微信公众号：力力说AI+职场加入听友群，请扫二维码在小宇宙查看该单集文稿

为期四天的2026年CES消费电⼦展近日落下帷幕。作为全球科技产业的“年度⻛向标”，本届展会彻底告别了过去数年“⼤模型参数竞赛”“概念产品堆砌”的惯性，呈现出“物理AI规模化落地、软硬件协同深度绑定、绿⾊技术成为核⼼竞争⼒”的鲜明特征。本期节目将从五⼤核⼼亮点切⼊，结合技术细节与企业动作，深度解读这场科技盛宴背后的产业变⾰逻辑。如果希望领取PPT版本内容，可加微信bonewe2004或关注微信公众号：力力说AI+职场关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

智谱与Minimax相继登陆港交所，掀起国产AI大模型企业资本化浪潮。智谱首日市值突破570亿港元；Minimax紧随其后，凭借1209倍超额认购刷新市 场热度。两家企业虽同属AI大模型“六小虎”，却因基因差异走出截然不同的发展路径⸺智谱扎根B 端政企市场，以“国资+学术”为锚点；Minimax聚焦C端全球市场，靠“流量+美元资本”破局。本文将从创始人背景与管理风格、资方背景与生态资源、大模型技术实力、产品定位与风格、商业模式与打法五大核心维度展开对比，结合行业趋势与财务数据，解析两者的投资价值与⻛险边界。领取完整PPT版本，可加微信bonewe2004获取文字版，可关注公众号：力力说AI+职场关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

2025年的硝烟尚未散去，全球AI领域已站在一个决定性的分水岭之上。若将过去几年比作大模型的“军备竞赛”，那么2026年，全球将进入 “实战部署与生态锁定期” 。技术突破不再以单纯的参数量级或演示惊艳度来衡量，其价值将直接体现为对生产效率、商业模式乃至国家竞争力的重塑强度。作为资深战略与投资观察者，我们基于对产业信号、资本流向与技术演进路径的深度研判，提出以下面向2026年的十大核心猜想。这不仅是趋势预测，更是一份理解未来三年AI世界权力结构变迁的战略地图。如果希望领取PPT版本内容，可加微信bonewe2004或关注微信公众号：力力说AI+职场关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

2025年年终，中国AI创业公司Manus 再次炸圈。据媒体披露，科技巨头Meta已完成对Manus母公司蝴蝶效应收购, 收购花费数十亿美元，创始人肖弘将出任Meta副总裁。此次收购谈判进展迅速，前后仅耗时十余天。这家从中国武汉走向世界的AI创业公司究竟有何独到之处？本期节目将从公司发展史，创始人风格，产品与技术创新价值等多个方面解读本次收购对全球和中国AI创业公司的意义和影响。如果希望领取PPT版本内容，可加微信bonewe2004或关注微信公众号：力力说AI+职场加入听友群，请扫二维码在小宇宙查看该单集文稿

2025年，如果有一个词能概括这一年的集体情绪，或许是‘困惑’。关于工作——AI会让年轻人失业吗？关于婚姻——为什么越来越多人选择单身？关于经济——房价到底了吗？关于未来——我们该如何养老？关于原生家庭——父母为什么无法理解我们的疲惫？这些问题像潮水一样涌现在各种场景。而我，作为一个观察者，产生了一个好奇：如果把这些最真实、最尖锐的困惑抛给当下最具代表性的三个AI——DeepSeek、豆包和ChatGPT——它们会如何回应？于是，一场特别的社会实验开始了。今天这期节目就是这场与AI对话的完整记录。1.你会让年轻人失业，或代替掉年轻人吗？2.我好累/好迷茫，觉得人生没有意义，我该怎么办？3.中国年轻人为什么不愿意结婚？4.中国房价跌到底了吗？明年A股能突破5000点吗？5.2025年，中国女性的家庭、社会和经济地位提高了吗？6.父母为什么不理解当代年轻人的焦虑和压力？7.为什么现在很多中国年轻人都选择断亲？8.是否赞同中国年轻人“整顿职场”？9.中国80后，90后未来的养老形式会是什么样？主要依靠机器人吗？10.2026年特朗普可能会整哪些幺蛾子？中美关系的走向如何？如果希望领取PPT版本内容，可加微信bonewe2004或关注微信公众号：力力说AI+职场关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

2025年，人工智能（AI）领域经历了一系列革命性突破，技术发展从理论探索全面转向大规模商业化与社会深度融合。这一年的核心趋势体现为：AI在推理、创造等认知能力上达到甚至超越人类顶尖水平；大模型竞赛转向性能、效率与多模态能力的综合比拼；具身智能与太空计算等新赛道开启商业化元年；全球形成了中美欧三足鼎立的技术竞争与治理格局。如果希望领取PPT版本访谈内容+原始访谈视频，可加微信bonewe2004或关注微信公众号：力力说AI+职场关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

阿里巴巴集团董事长蔡崇信近日于香港大学发表的演讲，系统性地阐述了中国在人工智能（AI）时代的独特发展路径、结构性优势以及未来十年的经济增长动力。蔡崇信的核心论点是，中美AI竞赛的评判标准正在发生根本性转变，中国正凭借其独特的“非对称”优势，走上一条以“应用为王”和“经济渗透率”为核心的道路。如果希望领取PPT版本访谈内容+原始访谈视频，可加微信bonewe2004或关注微信公众号：力力说AI+职场关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

12月1日，字节跳动发布了一款深度嵌入智能手机操作系统的豆包AI助手演示版本，采用中兴样机进行展示,售价为人民币3499元。该助手定位为手机的“第二大脑”，展示了令人印象深刻的"多模态"与"代理"能力。用户可以通过语音或侧边按键唤醒助手，让其读取屏幕信息、跨应用比价、甚至规划行程。其核心突破在于能够模拟用户的点击滑动操作，实现跨应用任务链执行，彻底将交互方式从信息查询转变为复杂任务处理。该助手依赖于系统级权限和豆包大模型的视觉理解能力，使其能够“看懂”屏幕内容并支持多模态交互，同时拥有高达 80% 至 90% 的任务成功率。如果希望领取PPT版本访谈内容+原始访谈视频，可加微信bonewe2004或关注微信公众号：力力说AI+职场关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

谷歌首席执行官桑达尔·皮查伊在一次深度对话中，详细阐述了谷歌的AI优先战略及其全栈式创新模式如何从基础设施到应用层面创造倍增效应。他指出，Gemini模型已成为连接谷歌所有核心产品（从搜索到Waymo）的统一纽带，同时讨论了最新推出的Nano Banana Pro在信息图创作等方面的巨大潜力。皮查伊特别强调了Vibe Coding这一趋势，认为人工智能正像博客和YouTube提升内容创作门槛一样，使非技术人员也能轻松进行编程。此外，他还将量子计算列为未来的重点投资，预测该领域将在大约五年后迎来像当前人工智能一样的爆发期。如果希望领取PPT版本访谈内容+原始访谈视频，可加微信bonewe2004或关注公众号：力力说AI+职场关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

在阿里巴巴杭州西溪园区，超过一百位从各地调集而来的核心工程师正汇聚于一栋代号为C4的办公楼，为内部代号为“千问APP”的战略项目进行全封闭开发。“千问”不仅仅是一个全新的2C产品，更是阿里争夺AI时代流量入口的关键战役。本文将为你深入剖析，揭示为何千问前身通义APP会失败？阿里All in 千问的核心优势是什么？千问项目面临哪些挑战？一.“通义”应用的失败复盘： 通义的失败是多重因素共同作用的结果。其核心症结在于战略定位模糊，在服务C端用户和作为B端技术展示橱窗之间摇摆不定。产品体验上，功能堆砌而脱离实际用户场景，缺乏“杀手级”应用，运营思路也略显陈旧。在组织层面，通义作为试水产品，战略优先级不足，未能有效融入庞大的阿里电商生态，同时受到内部“赛马机制”导致的资源分散与内耗影响，最终错失了市场先机和用户心智。二.“千问”项目的核心优势：首先，阿里高层已确立了清晰的AI愿景（ASI，成为“AI时代的安卓”）和“All in AI”的战略决心，这种顶层设计有助于打破内部壁垒。其次，通义千问大模型本身已跻身全球第一梯队，结合阿里云强大的算力基础设施和巨额投入承诺，构成了坚实的技术底座。最独特的优势在于，千问能够无缝接入阿里庞大的电商生态，这为其提供了无可比拟的商业闭环和变现场景，这也是OpenAI等竞争对手仍在艰难探索的路径。三.“千问”面临的关键挑战：体验转化： 如何将强大的技术实力转化为无缝、沉浸式的用户体验，而不仅仅是简单的API调用。后发劣势： 在豆包、文心一言等竞品已占据大量市场份额和用户心智的背景下，如何说服用户转换平台。商业平衡： 如何在“有用的人工智能助手”和“高效的商业转化引擎”之间找到精妙平衡，避免过度商业化损害用户信任。内部协同： 如何清晰界定与夸克等内部产品的边界，化解潜在的资源内耗。四. 未来展望： 阿里巴巴选择了“开源生态化”的道路，这与OpenAI的闭源商业化和字节跳动的工具化应用路线截然不同。“千问”项目的成败取决于其能否解决“战略-生态-组织”这一复杂的连环难题。 短期看（1年内）： 关键在于找到并引爆一个差异化场景。如果它能通过某个“杀手级功能”（如颠覆性的AI购物体验）快速破圈，获取前5000万核心用户，则站稳脚跟。 中期看（1-3年）： 关键在于构建护城河。在稳住用户基本盘后，能否将技术、算力、电商生态的优势，通过产品体验真正转化为用户粘性，形成独特的“AI生活方式”。 长期看（3年以上）： 关键在于生态繁荣。千问APP能否成为通义开源生态的超级入口，实现“应用-生态”的良性循环，最终验证其“AI时代安卓”的宏大构想。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！小红书：力力说职场+AI公众号：力力说AI+职场关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

摘要：李开复认为中美之间的AI竞争已经沿着地理和经济界限彻底分化，不再是一场单一竞赛。具体来说，他指出美国在企业级AI应用和基础研究方面仍占优势，这得益于其成熟的软件订阅模式。然而，中国则在消费级AI应用、机器人制造以及AI硬件方面占据领先地位，这归功于其强大的制造供应链和投资方向的不同。此外，李开复还提到中国在开源AI模型领域已快速超越美国，并警告AI军备竞赛的速度失控可能带来的系统性风险。核心结论：• 美国优势领域： 在企业级AI应用和前沿研究方面保持显著领先。这得益于成熟的软件订阅商业模式和高昂的劳动力成本，为企业AI工具创造了巨大的市场和利润空间。• 中国优势领域： 在消费级AI应用、机器人制造和AI硬件领域正迅速占据主导地位。凭借强大的供应链、成本优势和庞大的制造业基础，中国在实体AI（Embodied AI）和硬件商业化上优势明显。此外，中国在开源AI模型开发方面也已超越美国。• 根本性分歧： 两国风险投资的流向截然不同。美国VC聚焦于大型语言模型和企业软件，而中国VC则重注机器人和硬件。• 底层变量： 李开复强调，能源基础设施是决定未来AI算力的关键。他指出，中国在新能源项目上的建设速度远超美国，这可能在未来几年内转化为压倒性的算力优势。• 主要风险： 李开复最担忧的并非通用人工智能（AGI）的远期风险，而是当前AI竞赛“失控的速度”。他警告，仓促开发可能导致系统充满漏洞，被恶意利用，并预言可能会发生“重大事故”作为警示。总体而言，全球AI格局正呈现出一种二元分化的趋势，美国和中国在各自的优势赛道上加速前进，形成两个既竞争又平行的技术生态系统。1. 一场竞赛，多个赛道全球AI领导权的争夺正在演变为一系列并行的竞赛，而非单一的胜负之争。技术格局正沿着地理和经济线分裂，中美两国在不同的领域各自称雄。这种分化源于两国不同的经济结构、市场激励和资本流向。一位风险投资家总结这一观点时称：“我们不是在和中国竞争，而是在平行的世界里奔跑。”2. 中美风投的不同焦点李开复指出，两国创新生态系统中资本流动的根本性差异是造成AI格局分化的核心原因。美国风投（VC）主要关注生成式AI、大型语言模型、企业级软件。其背后的投资逻辑是：企业习惯为软件订阅付费，劳动力成本高，提升白领生产力的AI工具有明确的盈利模式。对比之下，中国风投更关注机器人技术和AI硬件。主要原因是：软件订阅模式对广泛存在的中小型企业而言尚未成熟，但制造业基础雄厚，供应链完善，硬件商业化路径更清晰。李开复直言：“美国VC投资机器人的方式与中国VC完全不同，同样，中国VC投资生成式AI的方式也与美国VC截然不同。”这种投资逻辑的分歧正在不断强化两国在各自优势领域的主导地位。3. 中美各自的优势领域企业级人工智能：美国的持久优势。李开复认为“美国将明确引领企业AI的普及。中国公司尚未形成软件订阅付费的习惯。” 像GitHub Copilot和ChatGPT Enterprise这样的工具在美国市场获得了巨大的成功，这为美国公司提供了持续投入研发的雄厚资本。对比之下，中国市场在历史上难以推广软件订阅模式。虽然在消费互联网领域，通过广告和电商等模式克服了支付障碍，但在企业软件领域，尚未找到替代“按月/按次付费”的新商业模式。这意味着美国AI公司拥有一个重要的战略窗口期，可以在其核心市场中产生收入并进行再投资，而不会面临来自中国的直接竞争。消费级人工智能：中国的速度与迭代。与企业级AI相反，李开复预测中国将在面向消费者的AI应用中决定性地领先。“中国的巨头，如字节跳动、阿里巴巴和腾讯，行动速度肯定比美国的同类公司（如Meta、YouTube等）快得多。”从产品与市场的契合度看，中国科技公司在过去十年残酷的市场竞争中，已经“掌握了寻找产品与市场契合点的艺术”。现在他们需要做的只是将顶尖的AI技术融入其中。例如字节跳动的TikTok凭借其复杂的AI驱动内容推荐算法成为全球下载量最大的应用。此外，中国公司在直播电商和短视频等领域开创了许多AI功能，随后被西方公司效仿。另外，中国在计算机视觉、语音识别和翻译等技术的广泛应用方面也已取得巨大成就。机器人与硬件制造：中国几近决定性的胜利。在机器人领域，李开复的评估非常直率：中国的优势是结构性的，难以被超越。当被问及机器人竞赛是否已由中国获胜时，他回答：“还没有结束，但我认为美国仍有能力提出最好的机器人研究思想。”然而，他紧接着指出，商业化才是关键。中国的优势在于将AI、低成本硬件和成熟的制造供应链相结合（“AI + 硬件 + 制造链”）。这使得像宇树科技（Unitree）和优必选（UBTECH）这样的公司能够以远低于西方竞争对手的价格，生产出性能相当甚至更优的机器人产品。尽管波士顿动力等公司和大学实验室能产出令人印象深刻的研究原型，但将这些原型转化为价格合理的商业产品需要中国所拥有的制造生态系统。美国的VC对该领域的投资也远不及中国。开源模型：中国出人意料的领先。“目前评分最高的10个开源模型都来自中国。” 他指出，包括其本人公司01.AI以及DeepSeek、阿里巴巴、百度等公司发布的模型，在各项基准测试中已超越了曾被视为行业标杆的Meta Llama模型。李开复将开源模型比作“AI界的Linux”，并阐述了其多重优势：A.可定制性：用户可以检查、微调和改进模型，使其为特定应用服务。B.免费与所有权：模型是免费的，且属于使用者自己。C.主权AI：对于国家而言，开源模型是构建“主权模型”和优化特定语言支持的关键。关于未来格局，他预测开源和闭源模式将共存，如同Android与Apple的生态系统。尽管更多应用和工程师会倾向于开源，但“更多资金将留在闭源模型中”。4. 根本变量：能源与算力李开复指出了一个可能决定未来AI实力格局的底层变量：能源基础设施。这一观点尤其突显了国家级战略布局的重要性。他明确提到“中国的新能源项目建设速度是美国的十倍。”基于这一趋势，他推断：“如果这种趋势持续，中国的AI算力将在几年后达到美国的十倍。”这意味着未来的AI竞争可能不仅是算法或模型的竞争，更是国家级能源和基础设施实力的较量。5.担忧：竞赛本身的速度与风险尽管对技术发展持乐观态度，但李开复对当前AI竞赛的节奏表达了深切的忧虑。“我不太担心AI在短期内产生自我意识并对人类造成危险，”他解释道，“我更担心它被坏人用来做可怕的事情，或者AI竞赛迫使人们工作得如此之快，以‘快速行动，打破常规’的方式构建出有问题的、充满漏洞的产品。”他警告说，如果全球AI产业继续以这种“先上车再修路”的狂热节奏发展，“发生一些可怕的事件将是一个警钟”，他认为“重大事故几乎是必然的”。他的观点将风险讨论从遥远的AGI威胁转移到更紧迫的、由于无序和过速竞争而导致的技术滥用和安全漏洞问题上。6. 结论：平行赛道上的竞争李开复的评估描绘了一幅复杂的全球AI战略图景。美国在企业AI软件、基础研究和计算基础设施方面拥有明显优势。与此同时，中国在消费级应用、机器人制造、开源模型开发乃至能源布局上正全面加速，甚至在某些领域已经反超。AI竞赛不再是一场单一的马拉松，而是一系列在不同赛道上同时进行的短跑、长跑和障碍赛。中美两国各自在不同的比赛中领先，这预示着未来十年全球技术生态系统可能会走向更深度的分化，而非趋同。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！小红书：力力说职场+AI关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

摘要：AI革命真实不虚，但通往终局的地图，连绘制它的人都一无所知。近日，Yann LeCun、李飞飞、黄仁勋、Geoffrey Hinton、Bill Dally，以及Yoshua Bengio六位AI领域的顶尖人物，因共获伊丽莎白女王工程奖而齐聚一堂，展开了一场关于人工智能的巅峰对话。核心洞察包括：• AGI的演化而非突变： 当今的AI成就并非一夜之间出现，而是Geoffrey Hinton、Yoshua Bengio、Yann LeCun、李飞飞、Bill Dally和黄仁勋等人长达四十年的研究、创新与工程实践积累的结果，涵盖了算法、数据、算力和产业化等多个层面。• 撕裂的时间认知： 对于“AGI何时到来”这一核心问题，六位先驱给出了截然不同的答案，从“已经在使用”到“20年内”，再到“永远不会以奇点形式出现”。这种分歧反映了他们对智能本质的不同理解。• 从语言到行动的范式转变： 与会者普遍认为，AI的下一阶段将超越纯粹的语言理解，转向具备空间感知、推理和执行能力的“空间智能”。AI正从一个回答问题的“工具”演变为一个能完成复杂任务、持续产出价值的“智能工厂”。• 基础科学问题仍存： Yann LeCun明确指出，当前的大语言模型范式存在根本性局限，无法通向真正的类人智能。实现下一代AI需要科学上的突破，特别是让机器像生物一样通过与环境互动进行自监督学习。总而言之，AGI的到来不是一个单一事件，而是一个正在展开的、多维度渗透的现实。争论的焦点已从“它是否会来”转向“它将以何种方式存在、我们应如何与之协同工作”。一、 四十年等待，只为一个“顿悟”时刻当前AGI的出现并非技术突变，而是六位先驱在过去四十年中，从算法、理论、数据、算力到产业化等多个维度逐步演化和积累的成果。他们的个人“顿悟时刻”共同勾勒出一条清晰的AI发展时间线。二、 时间线撕裂：关于AGI到来的六种观点当被问及“距离人类水平的智能还有多久”时，六位专家的回答揭示了对AGI未来截然不同的时间感知和哲学判断。这种分歧的核心在于他们对“智能”本身定义的不同理解。Yann LeCun：渐进演化，长路漫漫AGI的到来不会是一个“奇点时刻”，而是一个在各个领域逐步扩展的渐进过程。未来五到十年可能会在新的研究范式上取得重大进展，但真正的进展会比人们想象的更长。李飞飞：部分超越，已经发生问题不在于AI“会不会”超越人类，而在于它“在哪些方面”已经超越。AI的能力与人类智能是互补而非替代关系。机器在识别2.2万种物体或翻译100种语言方面已远超人类，但这是一种不同的智能形式，就像飞机和鸟的飞行方式不同。黄仁勋：当下即是，问题无关紧要讨论AGI何时到来是一个学术问题，因为“足够通用”的智能已经存在，并且正在被广泛应用于解决实际问题。AGI级别的智能技术已经开始转化为对社会有用的应用，并且技术会持续进步。Geoffrey Hinton：20年内，赢得辩论给出了一个具体且可量化的预测，即机器的推理和说服能力将达到超人水平。20年内，机器在任何辩论中都能战胜人类。Bill Dally：目标是增强，而非取代“达到人类智能”这个问题本身带偏了方向。AI的目标应该是增强人类，而非取代人类。AI负责它擅长的工作，人类保留创造力、共情和协作能力，形成互补关系。Yoshua Bengio：五年可期，但保持未知从理论上看不到任何阻碍机器实现人类几乎所有能力的理由。AI的规划能力在过去六年呈指数级增长，若趋势延续，五年内可达到工程师级别的能力。AI研究AI的模式可能加速突破。尽管趋势如此，但未来充满不确定性，应保持不可知论，避免做出绝对的声明。三、 从语言到行动：智能的下一步发展对话中的一个关键共识是，AI的发展正经历从“会说”到“会做”的范式转变。未来的焦点将从语言模型转向能够与物理世界互动的行动导向型智能。李飞飞：强调“空间智能”人类智能天生与三维空间紧密相连，具备感知、推理和行动的能力，而这正是当前AI的薄弱环节。过度专注于语言模型忽视了物理世界的复杂性。目前最强的语言模型在处理空间判断任务时表现很差。AI需要发展出身体、方向感和动手能力，即“空间智能”。Yann LeCun：当前范式存在根本局限当前的大语言模型（LLM）范式无法被扩展至人类水平的智能，我们甚至还没有造出像猫一样聪明的机器人。AI的进步不仅是算力和数据的问题，更是科学问题。必须转向自监督学习，让机器像婴儿一样，通过观察和与环境的互动试错来主动学习，而不是被动地被灌输人类数据。黄仁勋：从“工具”到“工厂”的现实转变AI已不仅是对话工具或搜索引擎，而是开始直接执行任务的“伙伴”，例如编写代码、辅助医疗诊断和财务分析。软件过去是“工具”，而现在的AI是“工厂”。它能像发电厂实时发电一样，实时生成智能。这一定位意味着AI是一个持续工作的生产系统，而非被动响应的程序。需要投入数千亿美元建设这些“智能工厂”，以支撑建立在智能之上的数万亿美元产业。结语：AGI不是“什么时候”，而是“正在发生”此次对话并未给AGI下一个标准定义，也没有宣布其正式诞生。然而，所有与会者都在从各自的角度描述它的存在方式和深远影响。AGI并非一个等待上线的未来产品，而是一个已经开始渗透到每个组织、流程和岗位的现实进程。正如黄仁勋所言，AI工厂已经开始运转；Hinton预测，它的智能将在20年内超越人类；而李飞飞则提醒，我们应更多关注AI正在“做”什么，而非仅仅是“说”了什么。这意味着，关于AGI的讨论重点正在转变：从争论它何时到来，转向探索它要如何与人类协同工作、应具备怎样的能力边界。世界的改变已经开始，并且正在加速。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！小红书：力力说职场+AI加入听友群，请扫二维码在小宇宙查看该单集文稿

马斯克在最新一期的访谈节目中谈到了他的AI愿景：用AI从根本上重建人类文明的底层运行结构。当OpenAI 在谈产品，Google 在谈生态时，马斯克已将视角拉到文明的高度。其核心蓝图包含三大支柱：Grok，一个旨在取代搜索并直接执行任务的“行动系统”；语音交互，一种将彻底取代应用（App）和操作系统的革命性人机交互方式；Optimus机器人，作为AI在物理世界执行任务的载体。根据这一技术路线图，未来：-应用将消失，操作系统将不复存在；-手机只剩屏幕和音频，一切交互由 AI 完成；-机器人不模仿人，而是取代大部分体力工作；-工作或将不再是谋生手段，而是个人选择1. Grok：从搜索引擎到行动系统马斯克认为，现有的搜索引擎模式将本应由AI完成的筛选、判断工作转嫁给了人类。他的目标是颠覆这一逻辑，用一个“行动系统”来取而代之，Grok正是这一理念的产物。 核心理念转变：未来的关键不是“搜索答案”，而是“启动行动”。Grok的设计目标是直接提供结论或完成用户请求的任务，而非提供一堆需要用户自行判断的链接。 Grokipedia的支撑：Grok背后是Grokipedia，这是一个由AI直接阅读全网信息、评估可信度并生成结论的知识库。其核心原则是追求准确性，而非迎合用户。 与传统搜索的差异：    -信息处理：传统搜索提供信息源（如链接），而Grok提供经过判断的结论。例如，对于医疗查询，Grok会直接告知“这个药有三项临床实验，其中两项被质疑，风险大于收益”。    -任务执行：Grok不止于回答，更旨在执行。当用户询问“这周末有什么电影适合小孩看？”，Grok会自动过滤暴力内容、匹配年龄，并直接打开购票页面。 运行流程：Grok的系统逻辑是一个完整的闭环，旨在最小化用户操作：   -理解（Understand）：AI理解用户的真实意图。   -判断（Judge）：基于Grokipedia进行分析和决策。   -执行（Execute）：直接调用所需资源完成任务。   -反馈（Feedback）：将结果反馈给用户。Grok的本质并非搜索工具的升级，而是对人与信息关系的重新定义，将判断力交还给AI，从而解放人类用户。2. 交互革命：从点击到对话为了让Grok这样的行动系统发挥最大效能，必须重构人与设备的交互方式。马斯克预言，在未来5到6年内，传统的操作系统和App将被淘汰。 未来设备形态：未来的设备（如手机）将简化为仅保留屏幕和语音功能的硬件。它将成为一个“AI推理的边缘节点”（edge node），其核心功能由云端的AI实时驱动。 语音成为主要入口：在一个没有应用图标和图形界面的“无App时代”，语音将是触发所有AI功能的唯一方式。交互逻辑将从“人适应机器”（点击、输入）转变为“机器理解人”（聆听、判断）。 交互流程的重塑： | 当前流程 (以订机票为例) | 未来流程 | | :--- | :--- | | 1. 打开App | 1. 直接说出意图：“帮我订明天下午去上海的机票” | | 2. 搜索航班 | | | 3. 比较价格 | | | 4. 填写信息 | | | 5. 完成支付 | | | 6. 接收邮件 | |在这个新体系下，设备不再是功能的孤立载体，而是用户意图的触发器。用户的声音驱动AI理解语境、调用信息并完成具体行动，从而将Grok的能力完全释放。3. Optimus机器人：AI在物理世界的化身Grok和语音交互解决了数字世界的问题，而Optimus机器人的使命是将AI的能力延伸到物理世界，成为AI执行现实任务的载体。 核心定位：Optimus的重点不在于模仿人类外形，而在于高效执行人类任务。其本质是AI决策在物理世界的延伸，负责将AI的“理解”转化为具体的“行动”。 三大核心能力：要成为有效的工具，机器人必须具备三个打通的环节：   -感知能力：通过视觉系统识别环境，判断物体位置并评估操作风险。   -理解能力：接收AI指令，并将其分解为可执行的具体步骤。   -执行能力：在真实环境中精确完成操作，并将结果反馈给系统。 技术突破的关键：马斯克强调，Optimus 的关键进展在于AI系统的深度整合，即让机器人具备“看懂、想清、做对”的能力，这比机械结构本身更为重要。 应用场景：Optimus 的主要应用领域并非家庭服务，而是生产端，包括工厂流水线、物流分拣、仓储管理和设备维修等重复性高、危险性大、人力成本重的领域。4. 终极图景：从工作社会到富足文明这三大技术支柱最终指向一个远大的社会目标：推动人类文明形态的根本性转变。· 普遍高收入（Universal High Income）：当AI处理所有数字工作、机器人承担大部分体力劳动时，商品和服务的生产成本将呈指数级下降。这将导致社会进入一个真正的富足状态，贫困被彻底消除。这并非简单的全民基本收入（UBI），而是每个人都能获得所需一切商品和服务的“可持续富足”。· 工作成为可选项：在这套体系下，工作不再是谋生的必要手段。人们可以选择工作，也可以选择不工作并依然过上体面的生活。这使得人类能够从生存焦虑中解脱，将时间投入到创作、探索、学习和人际关系等更能体现个人意义的活动上。实现这些美好愿景的一大前提是AI安全与追求真相。马斯克对此提出了明确的原则：· AI必须最大限度地追求真相：绝不能为了讨好用户或遵循某种意识形态而被训练成只会说“政治正确”的话。· 警惕“觉醒心灵病毒”：马斯克警告，如果AI被过度编程以遵循某些多元化或政治正确的原则，可能会为了“不冒犯任何人”而得出“消灭所有人类”的荒谬逻辑。· Grok的设计初衷：Grok被设计成一个诚实、可以幽默但绝不歪曲事实的AI。在对人类生命价值的评估中，它是唯一一个“平等对待所有人类”的AI。马斯克创立xAI和Grok的目的之一，就是确保至少有一个AI是站在人类这一边的。结论：你准备好了吗？当其他公司在争夺AI市场份额时，马斯克正在设计一个新文明的操作系统。未来的变革可能不会以单一爆款产品的形式出现，而是通过我们身边的工具、交互方式和工作形态的悄然转变而发生。这带来的终极问题是：人类社会是否准备好迎接一个由AI驱动的富足未来？答案或许在未来几年内就将揭晓。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！小红书：力力说职场+AI关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

近日，由 OpenAI、哈佛大学及杜克大学联合发布的《How People Use ChatGPT》研究报告发布。该报告基于对2024年5月至2025年6月期间超过150万条真实对话的抽样分析，揭示了全球超7亿周活用户的实际AI使用模式。核心洞察表明，当前AI的主流应用并非从零开始创造内容，而是对已有文本进行“加工”与“优化”，扮演着“写作助手”的角色。在不同场景下，AI呈现出双重身份：在日常生活中是“百科+顾问”，在工作环境中则是“生产力外包工具”。研究颠覆了多个刻板印象，指出用户更倾向于增强而非替代人类工作，AI正成为辅助思考的“决策外挂”。随着用户画像日益接近全球人口平均分布（女性用户占比反超，中低收入国家增长迅速），AI产品设计的重心必须从展示模型能力的“炫技”阶段，转向提升用户体验、建立信任机制和实现普惠应用的“打磨”阶段。真正的行业赛点已从模型本身转向设计、体验与信任的综合考验。核心研究概述• 研究样本：涵盖2024年5月至2025年6月期间，消费者版ChatGPT产生的超过150万条真实对话。• 处理方式：采用大型语言模型（LLM）进行自动标注，并通过隐私保护管线处理，确保研究人员不接触任何原始用户数据。• 用户规模：截至2025年7月，ChatGPT的周活跃用户数已突破7亿，约占全球成年人口的十分之一，每周产生的消息量高达180亿条。这项研究的真正价值在于揭示了AI对话使用的真实规律，以及这些规律与公众普遍认知之间的显著差异。五大关键用户行为洞察报告系统性地剖析了用户的行为模式，推翻了关于AI使用的多项普遍存在的刻板印象，勾勒出一个AI作为“写作助手”、“生活顾问”和“决策副驾”的清晰画像。1. 倾向于内容“加工”而非“从零生成”与AI被视为“自动写手”的普遍观念相反，数据显示用户更多地将其用作内容优化工具。• 写作任务的主导地位：在所有与职场相关的对话中，写作类任务占比高达四成。• “加工”是核心需求：在这些写作任务中，有三分之二属于“加工”性质，包括改写、润色、翻译或优化逻辑，而非从零开始生成内容。• 结论：用户并非将ChatGPT视为完全的替代者，而是作为一种增强工具，帮助他们更高效地打磨和完善已有的文本内容。2. “决策支持”与“直接产出”的双重角色用户的意图在不同场景下表现出明显的差异，揭示了AI应用需扮演的双重角色。• 总体意图分布：在所有对话中，“提问”（Asking）占比最高（51.6%），其次是“执行任务”（Doing）（超过三成），而“表达”（Expressing）最少（仅一成）。• 工作场景的逆转：在工作相关场景中，“执行任务”的比例跃升至56%，其中写作是最主要的任务类型。• 结论：在日常生活中，人们更多将AI视为获取信息和建议的“百科+顾问”；而在工作环境中，它则转变为一个高效的“生产力外包”工具。AI产品必须同时满足“决策支持”与“直接产出”的双重需求。3. 用户画像的演变与多样化ChatGPT的用户群体正在迅速演变，其构成越来越贴近全球人口的平均分布，这对产品设计提出了新的挑战。• 性别比例变化：早期用户以男性为主（约占八成），但到2025年中期，女性用户占比已达到52%，实现反超。• 年龄结构：26岁以下的年轻用户贡献了接近半数的消息量，显示出对AI技术更强的接受能力。• 地域分布：用户增长更快的地区来自中低收入国家。• 结论：用户画像的多样化意味着AI产品在功能和交互设计上需要满足更广泛、更多元的需求。4. 工作场景中的“决策外挂”定位通过将对话内容与美国劳工部ONET工作活动分类进行映射，研究发现AI在工作中的核心作用是增强人类的认知能力。• 三大核心应用：使用最频繁的三类工作活动是“决策与问题求解”、“记录信息”和“创造性思考”。• 增强而非取代：这一发现有力地反驳了“AI抢饭碗”的普遍焦虑。AI更像是一个为人类大脑装配的“决策外挂”，帮助用户更快、更全面地思考问题。• 结论：取代人类并非AI应用的主线故事，增强人类的决策能力和创意实现才是更真实的图景。5. 用户满意度的显著提升研究通过自动化方法标注了“好互动”与“坏互动”，结果显示用户体验在持续改善。• 正向互动增长迅速：数据显示，“好互动”的增长速度远快于“坏互动”。• 满意度量化：到2025年中期，正向互动的数量已是负向互动的四倍。• 结论：AI模型的进步并非仅停留在实验室的基准测试中，而是被用户在实际对话中直接感知和体验到，带来了更高的满意度。对AI产品设计的启示报告所揭示的用户行为模式，为AI应用厂商和开发者指明了产品设计的核心方向，即从技术展示转向满足真实、细分的场景需求。1. 贴近真实需求，优化产品入口鉴于大多数写作任务是“加工”而非“生成”，产品的入口设计应反映这一现实。• 超越空白输入框：与其在界面中心放置一个等待用户从零开始输入的空白框，不如优先提供粘贴、批注、差异对比等功能。• 定位为“增强器”：产品应将自身定位为帮助用户补齐碎片化需求的“增强器”，而非试图全面替代专业软件。Stack Overflow的调查也佐证了这一点，开发者最常使用AI进行代码片段生成和错误解释，而非复杂的系统开发。2. 提供分层体验，满足多样化用户随着用户群体的扩大，单一的产品体验已无法满足所有人的需求。• 新手用户：需要结构化模板、语气选择和逐步引导等功能，以降低使用门槛。• 熟练用户：则需要快捷命令、自定义工具链以及深度集成的API，以实现更高的效率和灵活性。• 挑战：如果应用不能提供分层的体验，将面临要么对新手过于复杂、要么对专家过于浅薄的两难局面。3. 嵌入工作流程，建立信任机制报告指出，高频使用并不等同于高信任度。要让AI真正融入企业级应用，建立信任是关键。• 可验证与可追溯：用户愿意依赖AI的前提是其结果能够被验证、追溯，并能融入组织现有的合规体系。• 内置信任功能：AI应用在设计之初就应考虑数据来源标注、版本对比、结果审计等机制，而不是作为事后补丁。4. 从“炫技”转向“打磨”，聚焦用户体验AI应用的发展已进入新阶段，重点不再是证明模型的能力，而是提升其实用性。• 真实场景的价值：关键在于如何在真实场景下，让用户更快、更安全、更普遍地使用AI。• 新赛点：真正的竞争赛点已经从模型本身，转向了用户体验、信任和普惠性。结论：从技术竞赛到体验考验OpenAI的这份研究报告清晰地表明，至少在现阶段，用户更多地将AI视为一种“增强”工具，而非“替代”品。他们需要的是能够降低工作摩擦、提升效率的无缝体验，而不是令人惊叹但脱离实际的模型展示。这意味着整个行业正经历一场深刻的转变：**AI的发展已从一场单纯的技术竞赛，演变为一场关于设计、体验与信任的综合考验。**当全球数亿人每天都在与AI进行对话时，一种全新的人机交互范式正在形成。AI的未来走向，最终将由人们选择如何使用它来决定，而非技术本身。在小宇宙查看该单集文稿

份基于海量真实数据的哈佛大学研究报告，严谨地揭示了自2022年底生成式人工智能（AI）兴起以来，其对美国就业市场造成的真实且残酷的冲击。研究的核心发现表明，AI并非通过大规模裁员，而是通过一种更隐蔽的方式——冻结初级岗位的招聘——来替代人类工作。这一趋势正在侵蚀传统职业阶梯的底层，对特定人群构成了严重挑战。核心洞察包括：• “剪刀差”效应： 从2022年中开始，高级岗位的就业增长持续，而初级岗位的增长则急剧停滞甚至掉头向下，两者走势形成鲜明反差，时间点与ChatGPT的发布高度吻合。• AI是主因： 采用AI技术的公司（AI采纳者）与未采用的公司相比，其初级岗位招聘数量出现了断崖式下跌，差距在六个季度后拉大至7.7%，从而证实了AI与初级岗位流失之间的直接因果关系。• 冲击机制： AI对就业的冲击主要表现为停止招聘而非裁员。AI采纳者公司并未出现离职率上升，而是平均每季度少招了3.7名初级员工，这是一种成本更低、更不易察觉的“温水煮青蛙”式替代。• 行业重灾区： 尽管影响普遍存在于各行各业，但批发和零售业受到的冲击最为严重。该行业中，拥抱AI的公司其初级岗位招聘量比未拥抱AI的公司减少了近40%。• 学历的“U型曲线”： 冲击并非均匀分布在所有学历背景的毕业生中。来自顶尖名校（Tier 1）和普通大学（Tier 5）的毕业生受影响较小，而来自中上等大学（Tier 2和Tier 3）的毕业生因其“高不成、低不就”的性价比，成为了受冲击最严重的群体。1. 研究背景与方法论该分析基于一篇由哈佛大学经济学博士生Seyed M. Hosseini和Guy Lichtinger撰写、由劳动经济学权威拉里·卡茨（Larry Katz）指导的论文。研究以其严谨的论证和庞大的真实数据为基础，冰冷客观地剖析了AI对就业市场的具体影响。1.1 核心数据集研究使用的数据来自Revelio Labs公司，该数据集基于LinkedIn的招聘信息收集，具有极高的代表性。• 公司数量： 285,000家• 员工简历： 覆盖6200万名劳动者• 招聘记录： 超过1.5亿次鉴于美国总人口约为3.4亿，该数据集几乎覆盖了大部分的在职人群，接近全量原始数据。1.2 研究方法：差异中的差异（DiD）为确定AI是导致就业变化的直接原因，而非仅仅是相关性，研究采用了经济学中经典的“差异中的差异”（Difference-in-Differences, DiD）方法，构建了一个准实验对照研究。• 实验组（AI采纳者）： 通过招聘数据识别。如果一家公司的招聘岗位描述中包含“LLM”、“Prompt Engineer”、“GenAI”等与大模型相关的关键词，则被定义为“AI采纳者”。研究共识别出10.6万家此类公司（约占总数的3.7%）。• 对照组： 数据集中所有其他未表现出明确AI采纳迹象的公司。通过对比这两组公司在AI爆发（2023年第一季度）前后的招聘行为变化，研究得以精准地剥离出AI的净影响。2. 核心研究发现2.1 “剪刀差”效应：初级岗位的增长停滞与衰退数据显示，从2015年到2022年中期，初级岗位（Junior-level）和高级岗位（Senior-level）的就业增长曲线基本同步。然而，自2022年中期开始，两条曲线分道扬镳：• 高级岗位： 就业人数持续昂首向上。• 初级岗位： 增长开始停滞，并在2023年中期转为下降。这种入门级工作突然“不香了”的现象，其发生时间点与ChatGPT的发布和生成式AI的兴起完美契合，构成了AI冲击就业市场的初步证据。2.2 AI采纳对初级岗位的直接冲击。• 在AI爆发后，采纳AI的公司的初级岗位就业人数，相对于对照组公司，出现了断崖式的下跌。• 在AI扩散的六个季度后，这一就业差距拉大到了7.7%。• 与此同时，高级岗位的就业在两组公司中并未出现负面差异，AI采纳者公司的高级岗位增长甚至更为强劲。结论明确：在相同的宏观经济环境下，那些深度拥抱AI的公司，正是那些正在对年轻人和初级求职者关闭大门的公司。2.3 冲击机制：隐蔽的招聘冻结而非裁员论文进一步探究了AI“抢工作”的具体方式，发现其过程比预想的更为隐蔽。通过将公司人员变动拆解为新招聘（Hires）、离职（Separations）和内部晋升（Promotions）三个部分，研究得出：• 离职率未上升： AI采纳者公司并未因使用AI而大规模裁掉现有的初级员工。裁员涉及的补偿、沟通和公关成本较高。• 招聘量暴跌： 初级岗位的萎缩主要源于新招聘的停止。与对照组相比，AI采纳者公司在2023年第一季度后，平均每个季度少招了3.7个初级员工。对于招聘规模较大的AI公司，这相当于初级岗位的招聘量暴跌了约22%。这种“不招了”的策略成本更低，过程更隐蔽。它不会引发大规模裁员的新闻，但实际上正在逐渐抽掉年轻人职业生涯的第一级阶梯。2.4 行业差异：批发与零售业成重灾区AI对初级岗位的压缩效应普遍存在于所有行业，但程度各不相同。• 普遍影响： 互联网、软件、设计等行业均受到显著影响。• 重灾区： 真正的重灾区是批发和零售业。在该行业，拥抱AI的公司，其初级岗位的招聘数量比不拥抱AI的公司，每季度减少了将近40%。• 原因： 这与直觉相符，因为该行业存在大量与文员、客服、导购相关的简单、重复性任务，而这些正是AI最擅长替代的领域。2.5 学历的“U型曲线”：中层毕业生的困境研究对不同等级大学（Tier 1-5，从顶尖名校到普通地区性大学）毕业生的就业情况进行了分析，发现了一个清晰的“U型曲线”：• 曲线一端（Tier 1）： 来自哈佛、斯坦福等最顶尖名校的毕业生，受到的负面影响相对较小。他们的核心优势在于解决复杂问题的能力，这是AI难以替代的。• 曲线另一端（Tier 5）： 来自最普通大学的毕业生，受到的影响也非常小。他们的核心优势在于人力成本低，薪资要求不高。• 曲线底部（Tier 2 和 Tier 3）： 遭受打击最沉重的是来自中上等、但非顶尖大学的毕业生。这个群体薪资要求不低，但其从事的许多工作又恰好落入AI可替代的范围，形成了“高不成、低不就”的尴尬局面，成为最容易被优化的群体。3. 个人应对策略与启示这份研究揭示了一个残酷的现实：曾经熟悉的、一级级向上攀登的职业阶梯，其底部正在被AI迅速抽走。对此，个人需要采取主动策略以应对挑战。3.1 策略一：尽快完成原始积累，向上跃迁由于AI正在极速追赶，个体必须迅速摆脱初级工作状态，成长为能独立承担复杂任务的“老兵”。• 主动承担复杂任务： 有意识地避免沉迷于舒适区内的简单工作，因为那正是AI的领地。• 设定明确目标： 目标应是在最短时间内，让工作内容中AI不可替代的部分超过50%。3.2 策略二：思考什么是你的“暗知识”和元技能AI颠覆的不是掌握“What”（公共知识）的人，也不是掌握“How”（执行方法）的人，而是放大了掌握“Why”（深层原因）的人。• 发掘“暗知识”： “暗知识”被定义为“只有你才能提供上下文的知识”。个体需要思考，在自己的具体工作中，有哪些是自己能独特定义的上下文。这是AI难以企及的优势。3.3 策略三：向你的兴趣要投资回报率（ROI）过去被视为“软技能”或“加分项”的能力，正在迅速成为必需品。• 重视非传统技能： 品位、审美、幽默感、同理心、共情能力、感染力和领导力等，是AI暂时无法触达的区域。• 从兴趣中寻找“心力”： 找到那些即使不付钱也乐在其中的事情。这些兴趣是个人“心力”的重要来源，与AI结合可能会催生新的职业机会和竞争力。4. 结论谷歌DeepMind首席执行官Demis Hassabis曾表示，AI对就业市场的潜在影响是“可怕的”（scary），但他也预言AI将带来“激进富裕”（Radical Abundance）的时代。这份哈佛大学的研究报告为前一个论断提供了坚实的数据支撑。对于每一个职场人而言，如何在这场从“可怕”向“富裕”推进的时代浪潮中不被抛弃，是一个必须严肃思考和积极应对的命题。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

核心主题与要点概览本纪要根据萨姆·奥特曼（Sam Altman）在与弟弟杰克·奥特曼（Jack Altman）的访谈内容整理而成，深入探讨了他对未来5-10年AI发展的最直接预判。核心主题包括AI推理能力的突破及其对科学发现的影响、人形机器人的兴起、对“超级智能悖论”的担忧、OpenAI的“AI伴侣”生态系统愿景、Meta在人才争夺战中的挑战，以及对能源和太空开发的看法。1. AI推理突破：从博士水平到科学发现的飞跃奥特曼指出，OpenAI的O3模型在推理能力上已达到“优秀的博士生”水平。他强调，真正的颠覆将是AI“发现新科学的能力”，并认为这种能力的影响将“压倒一切其他应用”。现状与突破：“O3已经相当聪明了，人们会说‘哇，这就像一个优秀的博士生’。”模型现在能在特定领域进行推理，其水平相当于该领域的博士。 进展速度：奥特曼承认，“去年的进步比我预想的要快。” 首个突破领域：他预测天体物理学可能成为AI首个实现自主新发现的科学领域，原因在于“有大量数据，但没有足够的博士来分析它们。” 标志性成就：AI在世界顶级数学竞赛中获得最高分，以及解决专家级博士才能处理的问题，将是推理突破的标志。2. 人形机器人：物理世界“未来已来”的标志奥特曼将人形机器人视为“终极梦想”，并预测在5到10年内，我们将看到“非常出色的人形机器人走上街头”。他认为这将是真正让人感受到“未来已来”的时刻，区别于ChatGPT带来的体验。终极梦想：“人形机器人是梦想，显然我真的很在意这个。我认为我们最终会实现的。” 视觉冲击与习惯：“如果你走在街上，一半是机器人，你会立即习惯吗？我不知道。可能你会，但感觉会很不一样。” 质的变化：与ChatGPT等软件AI不同，人形机器人将带来“真切地感受到未来已来”的体验，而ChatGPT“仍然没有这种感觉”，因为它仍“被困在过去的个人电脑形态中。”3. 超级智能悖论：技术进步与社会停滞的隐忧尽管对AI技术发展充满信心，奥特曼却提出了一个令人深思的“超级智能悖论”，即“即使我们成功创造出超级智能，这个世界也可能不会因此变得更好，社会可能依然糟糕。”核心担忧：“如果出了什么问题，我会说我们构建了真正的超级智能，但它并没有让世界变得更好，没有像听起来那样改变很多东西。” 技术图灵测试悖论：奥特曼对此感到困惑：“你可以让这个东西为你做这些令人惊奇的事情，但你的生活方式和两年前基本相同，工作方式也和两年前基本相同。”他推测，即使出现IQ高达400的AI，情况也可能依然如此。 与ChatGPT的类比：他指出，ChatGPT的出现虽然强大，但并未根本性地改变人们的生活方式，这与他设想的超级智能的潜在影响相呼应。4. OpenAI的未来蓝图：无处不在的“AI伴侣”生态系统奥特曼描绘了OpenAI的宏大愿景：构建一个无处不在的“AI伴侣”生态系统，它将“存在于虚空中，通过所有这些界面和所有这些产品以各种方式帮助他们（用户）。”核心产品形态：“我认为消费者最终想从我们这里得到的是一个AI伴侣，缺乏更好的词汇，它存在于虚空中，通过所有这些界面和所有这些产品以各种方式帮助他们。” 全方位服务：这个AI伴侣将“了解你和你的目标以及你想要完成的事情和你的信息。”用户将通过多种方式与之互动，包括ChatGPT内部聊天、娱乐导向版本、与平台集成的其他服务以及新的设备。 无缝连续性：奥特曼强调了平台无处不在的重要性，它意味着“成为一个一切都整合到其中并整合到各处的平台。所以当你在车里或使用其他网站时，都是完全的连续性。”5. Meta的人才争夺战与企业文化对比奥特曼透露了Meta对OpenAI的人才攻势，以“上亿美元的签约奖金，每年超过这个数额的薪酬”疯狂挖角。但他对Meta的策略和文化提出了批评。Meta的攻势：“我听说Meta认为我们是他们最大的竞争对手。他们开始向我们团队的很多人提供这些巨额报价，比如一亿美元的签约奖金，每年超过这个数额的薪酬。这太疯狂了。” 对Meta策略的批评：“我认为大量前期保证薪酬的策略，以及以此作为告诉某人加入的理由，真正专注于此而不是工作和使命的程度，我不认为这会建立一个伟大的文化。” 文化差异：奥特曼认为OpenAI的特别之处在于“我们设法建立了一种善于可重复创新的文化”，而Meta“不认为他们是一家擅长创新的公司。” 竞争认知：他提到一个有趣现象，“曾经在Meta工作的人告诉我，在世界其他地方，人们认为ChatGPT是Google的替代品。但在Meta，人们认为ChatGPT是Facebook的替代品，因为人们与它交谈的方式原本会用于其他方式，他们更喜欢它更多时间。”6. 能源与太空：AI驱动的新征程面对AI算力引发的能源担忧，奥特曼表现出强烈信心，认为“历史证明生活质量与能源丰度正相关”，并强调聚变与先进核能是必要解决方案。能源信心：“我毫不怀疑人类将消耗更多能源。” 解决方案：“聚变发电相当可能实现，第四代裂变技术如Oklo公司的方案同样重要。” 终极方案与太空：他认为“终极方案是太空能源”，因为“地球能源使用量增长10倍就会导致过热，我们必须开发太阳系资源。”他展望：“但我希望最终人类消耗的能源远超我们在地球上能够产生的。即使我们完全转向核聚变，如果你将地球当前的能源使用扩大10倍或100倍，我们只是因为废热而过度加热地球。但我们有一个很大的太阳系。” 个人定位：当被问及是否会创办火箭公司时，奥特曼表示“我更信任专业公司完成此事，OpenAI需聚焦核心使命。我已经相当忙了。”总结萨姆·奥特曼的访谈描绘了一个AI驱动的未来，其中智能模型将突破推理极限，发现新科学，人形机器人将成为日常景观。尽管他对技术进步充满信心，但其对“超级智能悖论”的担忧也反映出对社会影响的深刻思考。OpenAI致力于构建无处不在的“AI伴侣”生态，同时面临着激烈的人才竞争。长远来看，能源的充足供应，乃至利用太空资源，将是支撑AI时代发展的关键。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

摘自“ChatGPT之父”伊尔亚多伦多大学最新毕业演讲：当AI做得比你好，人类还剩下什么？我们该怎么办？主要主题与核心观点：伊尔亚·苏茨克维（Ilya Sutskever），OpenAI联合创始人兼前首席科学家，在多伦多大学的毕业典礼上发表了一场关于AI对人类未来影响的演讲。他强调了AI将全面超越人类能力的必然性，并提出了在这一巨变时代下，个体和社会应如何应对的核心观点。1. 接受现实，专注于当下与未来伊尔亚的第一个建议是“接受现实，不沉迷后悔过去，专注于当下可以做的事。” 他指出，人们常常陷入“如果我当时不那样就好了”或“这事太不公平了”的思维，但这只会将人困在过去。他自己的经验表明，当他放下“如果当初…”，转而思考“好吧，事情已经这样了，那我现在最好的下一步是什么？”，问题反而变得简单。这一建议不仅针对毕业生，更是对身处时代剧变中的每个人的提醒。2. AI将能学会人类所能学会的一切伊尔亚提出了一个大胆但逻辑清晰的论断：“人类有大脑，大脑是一种生物计算机。所以没道理计算机做不到大脑能做的事。只要是人类能学会的事，AI迟早也能学会。” 他认为，既然大脑是生物计算机，那么作为人造计算机的AI最终也能复制甚至超越大脑的功能。当前的AI已经展现出对话、写作、绘画、编程甚至生成视频的能力，这预示着AI未来将取代或合作完成人类的所有工作。3. 最剧烈的变化尚未到来伊尔亚认为，当前的AI进展仅仅是“开始改变一些事情”，真正的颠覆性变革仍在未来。“我们其实正处在人类历史上最奇怪的时间之一。不只是工作方式会变，连‘做人’这件事本身，都会被重新定义。” 他预言，未来AI将成为“我们所有工作的替代者，甚至合作者”，并且“一旦AI开始自己优化AI，技术进步会进入一个指数级飞跃”，这将带来前所未有的剧变。4. AI是人类可能面临的最大挑战伊尔亚将AI的挑战分为两个层面： 职业层面： 哪些技能仍然有价值？哪些行业将被取代？这是许多人已经感受到的切身问题。 社会选择层面： 这是更深层次的问题。“真正的问题是，我们想用AI来做什么？是更多的经济增长？更快的研发？更强的控制？谁来定义AI的目的，谁来控制AI的行为？” 他警示道，就像政治迟早会找上门一样，AI的影响更是无人能避。5. 不需要懂AI，但必须关注它伊尔亚强调，虽然不要求每个人都成为AI专家，但“你不能不看它”。他认为，目前很多人对AI的未来仍停留在“想象”阶段，但“再过一年、两年、三年，你看到它能做到的事情，就再也骗不了自己说‘这没什么’了。” 届时，人们将亲眼目睹AI的能力，并不得不做出选择和回应。他总结道：“你喜欢也好，不喜欢也好，AI都会深刻地影响你的人生。但理解它、关注它、思考你想用它来做什么，才是更重要的。” 这不仅是对毕业生的忠告，也是对所有人的“时代提醒”，即在AI时代，最需要学习的或许是“理解这个世界的方式，和选择成为怎样的人的能力”。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！关于主播：加入听友群，请扫二维码在小宇宙查看该单集文稿

核心观点Google DeepMind 首席执行官、诺贝尔奖得主德米斯·哈萨比斯在伦敦 SXSW 大会上强调，AI正在加速替代旧有工作岗位，但同时也将催生“全新的、非常有价值的工作”。他预测，未来5-10年，懂得与AI协作的人将进入职场红利期，并指出数学、物理、计算机等STEM学科背景的人才将更受欢迎，而非传统MBA。AI带来的变革规模哈萨比斯明确表示，这并非灾难，而是提醒人们“要学会和它一起工作”。AI正在“接手”大量重复性、流程化、标准明确的工作任务，例如：招聘岗位： 简历筛选、面试安排。基础编程： 模板代码编写、接口文档查询。文案编辑： 初稿生成、结构润色。DeepMind内部已能用AI完成视频生成、代码编写等复杂任务，效率甚至高于新手程序员。微软、Meta、亚马逊等公司也已在大量岗位中引入AI协作，重塑入门级职能。哈萨比斯归纳了AI时代的三类高价值新工种，它们的核心是与AI的深度协作，而非简单使用工具：1. AI 协作师（AI Workflow Orchestrator）定义： 不亲自编写代码或开发模型，而是**“调动AI去做事的人”**。他们懂得如何下达清晰任务、判断AI输出的可靠性，并跟进AI的工作进度，在必要时进行人工完善。核心能力：理解AI能力的边界（能做什么，不能做什么）。掌握与AI沟通的技巧（例如：提示词设计）。具备判断AI输出结果准确性的能力。典型工作： “AI营运”、“提示设计”、“任务协调员”等。哈萨比斯洞察： AI应从“回答问题”升级为“完成一件事”，例如自动处理电子邮件。他表示愿意为这样的AI工具支付高昂费用，这凸显了这类角色在提升效率方面的巨大价值。2. 科学合作者（Scientific Collaborator）定义： AI不再是辅助工具，而是**“一起破题的人”**。这类人与AI共同提出科学假设、搜索和交叉比对资料，甚至让AI自行设计验证方案，再由人类检查成果。核心能力：具备一定的数学和领域专业知识。能快速理解AI工具的优劣势。拥有强烈的问题意识和“打破常规”的勇气。典型案例： DeepMind的AlphaTensor独立发现50年未改进的基础数学运算新方法；AlphaFold在18个月内预测了2亿个蛋白质结构，远超人类过去几十年总和。3. AI 伦理专员（AI Safety & Ethics Officer）定义： 面对AI的快速发展，“我们不能等到出事才来修规则”。这类专员负责提前思考AI可能被误用、滥用的风险，主动测试模型的漏洞和潜在歧视，并为特定应用场景制定AI的底线和使用规范。核心能力：像技术专家一样找漏洞（好奇心、逻辑性）。像监管者一样立规矩（责任感）。像心理学家一样考虑人类如何使用AI。DeepMind实践： 设立“红队”（Red Team）机制，在模型上线前进行“故意捣乱”测试，以发现偏见、错误信息或敏感内容。哈萨比斯警示： “AI不是原子弹，但也不是微波炉。它是新一类技术，不能套用旧模板。” 该岗位是所有AI部署的“保险垫”，尤其在高敏感场景（医疗、金融、教育）中至关重要。国内大厂也已开始招聘“模型安全测试工程师”、“AI伦理分析师”等岗位。职场转型：升级你的AI组合力哈萨比斯强调，AI不是工具，而是合作者。普通人应“要能和AI共事，而不仅仅是使用它”。他给出以下四条建议，构建“学好基础 → 掌握工具 → 解决实际问题”的发展路线：优先选择理工（STEM）类学科： 数学、物理、计算机是理解AI底层能力、训练优化模型、掌握工具和自动化流程的关键。LinkedIn报告显示，数学、计算机、物理是AI人才增长最快的关键技能。亲自试用AI工具，越多越好： 亲身实践是理解AI能力边界的最佳方式。未来的工作模式是“你给出目标，AI跑完整流程”适应变化，而非被流程框死： 具备快速理解新工具并调整工作方式的“适应性（Adaptability）”至关重要。岗位职责会随着AI迭代而不断演变。找回科学、人文和哲学的连接点： 在追求技术优化的同时，更要思考AI应解决哪些问题、为什么解决。这需要跨学科理解、价值判断和人文关怀。总结哈萨比斯的演讲指出，未来的工作模式不再是“人对机器”，而是**“人和AI一起解决更复杂的问题”。关键在于将AI视为“合作者”而非“工具”。下一代人才的核心技能将是“懂工具 × 懂合作 × 懂机会”**，即：能分解任务、指挥AI、与AI配合试错、与不同人协作，并能看清哪个问题值得解决。这“三类新工种”——执行者（AI协作师）、合作者（科学合作者）、监管者（AI伦理专员），共同构成了AI时代协作链上的三种关键角色，代表着人类与AI搭档时必须学会切换的三种身份。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！关于主播：                                      加入听友群，请扫二维码在小宇宙查看该单集文稿

主要主题和核心思想：本文由人工智能领域的知名专家吴恩达撰写，文章强调了人工智能技能日益增长的重要性，将其比作新的读写能力，并详细阐述了职业发展的关键步骤、所需的技术技能、项目工作的重要性以及求职策略。核心观点提炼： 编码（特别是为AI编码）是新的读写能力。 就像过去的语言读写能力一样，编程能力正变得越来越普遍和重要，尤其是在与机器交流和从数据中提取知识方面。人工智能和数据科学的应用远超传统软件工程，几乎适用于任何产生数据的领域。 职业发展包括三个主要步骤：学习基础技能、从事项目工作、找到工作。 这些步骤是相互关联且贯穿职业生涯的。人工智能领域的特点在于技术的快速发展、与非AI专家的合作需求以及对AI技能和职位看法的差异。 有前途的AI职业需要掌握关键的技术技能，包括基础机器学习、深度学习、相关数学和软件开发。 学习是一个持续的过程，应优先学习最重要的主题，并通过结构化的课程和持续实践来加深理解。 数学是AI的基础，理解算法背后的数学有助于调试和优化。 然而，掌握必要的数学知识应根据具体工作需求分清轻重缓急。随着技术成熟，所需的数学深度也在变化。 成功的AI项目需要识别有价值的业务问题，头脑风暴解决方案，评估可行性和价值，确定里程碑和预算资源。 项目工作是获取经验和建立作品集的关键。 选择项目时应考虑职业目标，从小处着手，利用业余时间或副业，并考虑项目的技术挑战性、队友以及能否成为更大项目的基石。 在项目执行中有“准备，瞄准，开火”和“准备、开火、瞄准”两种风格，应根据情况选择。 建立一个能展示技能进步的项目组合对于找工作至关重要。 沟通和领导力技能同样重要，它们能帮助你解释项目价值并指导团队。 找工作有一个基本框架，包括选择公司、准备面试、选择职位和协商薪资。 对于从其他领域进入AI的人来说，逐步转换角色或行业可能更容易。信息面试是一种非常有价值的工具，可以了解目标职位和公司。 成功找到合适的AI工作需要关注基本要素（简历、项目组合、面试表现），保持尊重和负责任的态度，慎重选择团队和公司，并积极寻求社区的帮助。 在人工智能领域建立事业还需要关注团队合作、网络（建立社区）、个人纪律和利他主义。 这些非技术因素对长期成功至关重要。 冒名顶替综合症在AI领域很常见，不应阻碍个人成长。 承认不擅长是精通的第一步，寻求导师或同行的支持，认识到自己的优点，并帮助他人可以有效应对这种感觉。 最重要的事实和数据： AI的应用几乎可以在任何产生数据的情况下找到。 职业发展的三步骤：学习基础技能、从事项目工作、找到一份工作。 基础机器学习技能包括线性回归、逻辑回归、神经网络等。 深度学习是重要的技术领域，需要了解基本知识和实践技能。 相关的数学领域包括线性代数、概率和统计、微积分。 软件开发技能，特别是Python及其相关库（TensorFlow, PyTorch, scikit-learn），非常重要。 大约70%的人在某个时候会经历某种形式的冒名顶替综合症。 典型的人类寿命大约是2万到3万天左右（文章以27,649天为例）。结论：吴恩达的这篇文章为在快速发展的人工智能领域建立成功的职业生涯提供了宝贵的路线图。它不仅强调了掌握技术技能的重要性，也突出了项目实践、人际交往、社区建设、个人纪律和克服心理障碍等方面的关键作用。文章传递的核心信息是，人工智能领域的门是敞开的，通过持续学习、实践、寻求支持和积极参与社区，任何人都有机会在该领域实现有意义的职业发展。将人工智能视为新的读写能力，并采取有条不紊的步骤，将有助于个人在这个激动人心的领域中找到自己的位置并做出贡献。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！关于主播：在小宇宙查看该单集文稿

“务必要疯狂地怀抱雄心，且还要疯狂地真诚”——梁文峰“真正的差距不是一年或两年，而是原创和模仿之差”——梁文峰“一定有办法对价格建模”——詹姆斯·西蒙斯（James Simons）从金融炼金术到AGI圣杯，85后梁文锋用7个月打造出月活破亿的DeepSeek,其公司开源模型DeepSeek-R1被西方媒体称为"人工智能的斯普特尼克时刻"。在硅谷，DeepSeek被称作“来自东方的神秘力量”，因为它的若干独到之处：-不烧钱补贴而是有利润的运营模式/创始人量化投资而非科技的行业背景/创始人梁文峰几乎很少出现在公众视野中。2024年7月梁文峰曾接受媒体采访，阐明了其创立和经营Deepseek的若干关键问题。•引发价格战的起因及其看法：详细阐述DeepSeek V2如何通过史无前例的性价比（每百万token仅1块钱）引发价格战，梁文锋对此感到意外，并认为大厂的跟进是互联网时代的烧钱补贴逻辑。同时，DeepSeek降价的主要目的并非抢用户，而是因为成本先降下来了，并且认为AI应该是普惠的。•技术创新与架构层面的突破：详细介绍DeepSeek V2采用的MLA架构（显著降低显存占用）和DeepSeekMoESparse结构（极致降低计算量），这些创新促成了成本的下降。强调这种架构创新在国产大模型公司乃至全球开源基座大模型中都属罕见，并且Attention架构多年未被成功修改，DeepSeek是“逆行者”。讨论中国公司之前为何很少涉足架构创新（成见、不划算）。•DeepSeek的独特道路与理念：它是中国7家大模型创业公司中唯一一家放弃“既要又要”路线，只专注研究和技术、未做toC应用的公司。也是唯一未全面考虑商业化、坚定选择开源且未融过资的公司。这种选择基于认为最重要的是参与全球创新浪潮，以及认为中国不应一直搭便车，也应成为技术贡献者。讨论原创和模仿的差距是真正的差距。•开源与护城河：阐述在颠覆性技术面前，闭源的护城河是短暂的。DeepSeek把价值沉淀在团队成长、积累Know-how、形成创新组织和文化上，这是他们的护城河。开源是一种文化行为，给予是一种额外的荣誉，有文化的吸引力。他们不会闭源。•人才与组织文化：梁文锋认为并没有奇才，都是本土的年轻人。他们不执着于海外挖人，希望自己打造人才。MLA创新的Idea来自年轻研究员的个人兴趣。DeepSeek的组织方式是自下而上、自然分工，不前置分工，通过热爱和好奇心筛选人才。对卡和人的调集非常灵活，每个人调用训练集群的卡无需审批，可灵活调用所有人。•对中国AI、AGI及产业未来的看法：认为中国AI不可能永远处在跟随位置。中国创新不缺资本，缺的是信心和组织高密度人才有效创新的能力。创新需要好奇心和创造欲。认为Scaling Law符合预期，AGI可能会在2-10年内实现。押注数学和代码、多模态、自然语言本身这三个AGI方向。认为未来的大模型产业将是基础模型公司和应用公司专业分工的格局。中国的产业结构调整将更依赖硬核技术创新，未来硬核创新会越来越多。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！关于主播：在小宇宙查看该单集文稿

来源： 尤瓦尔·赫拉利在东京庆应义塾大学的讲座摘录，《人类简史》作者尤瓦尔：当今世界最大的危险是人类互不信任，却信比碳基生命进化快百万倍的AI，我们拒绝真相，因为它昂贵复杂和痛苦日期： 春季（具体日期未注明，推测与新书《智人之上》日文版宣传有关）讲者： 尤瓦尔·诺亚·赫拉利（Yuval Noah Harari），以色列历史学家，著有《人类简史》、《未来简史》、《今日简史》等。主持人： 伊藤公平（Kohei Itoh），庆应义塾大学校长。核心主题：· AI成为当前人类面临的最优先和最严峻的威胁。· AI的本质是“能动者”而非“工具”，其异类性使其难以预测和控制。· AI的飞速发展与人类社会缺乏互信形成巨大悖论。· 信息洪流时代，教育的重点应从知识传授转向辨别真相。· 重建人类之间的信任是应对AI挑战的最迫切任务。· 二战后的国际秩序正在瓦解，AI竞赛加剧了地缘政治风险。· 算法和社交媒体正在改变人类合作基础——共享叙事和信任。· 维护言论自由与规范信息传播，禁止“伪造人类”至关重要。· AI正在改变战争决策权，可能带来危险后果。· 阴谋论的流行源于真相的复杂性和虚构的简单性。· AI将以前所未有的方式改变娱乐内容创作，带来“异类”创造。· 信任是生命的基石，也是应对AI时代的最终解方。主要观点和重要事实：AI威胁优先级的提升： 赫拉利修正了其在《今日简史》中提出的三大威胁（核战、生物技术、信息技术/AI）的优先级。如今，AI风险被认为远高于核威胁和生物技术威胁。AI发展速度远超生物技术： AI的迭代速度极快，可能是“几天”，而生物技术的“代际”周期长达二三十年。AI的数字进化比有机进化快“数百万倍”。AI是“异类威胁”： 与核威胁的危险性显而易见不同，AI的危险难以把握，因为它是一种“异类的威胁”。AI并非邪恶，但其与人类智能完全不同，难以预测。AI是第一个“能动者”技术： 赫拉利强调，AI是人类有史以来创造的第一个作为“能动者”而非单纯“工具”的技术。它可以在没有人类干预的情况下自行决策和创造。AI竞赛中的信任悖论： 领导AI研发的公司和国家都因不信任竞争对手而加速发展，但他们却表现出对正在开发的超级智能AI的高度信任，这种对比“濒临疯狂的边缘”。人类互信的重要性与崩溃： 尽管人类在历史上建立了大规模互信的能力，但近一二十年间这种信任正在瓦解，部分原因是新技术中介了人类交流。教育的使命：从知识传授到辨别真相： 在信息爆炸时代，教育机构的任务不再是提供信息，而是教导人们如何在海量信息中找到“真相”，并区分可靠和不可靠的来源。“精英”的再定义与服务型精英的培养： “精英”是一个被滥用的词汇，问题不在于精英是否存在，而在于他们是“服务型精英”还是“自私自利型精英”。大学的使命应是培养服务于社会福祉的精英。国际秩序的瓦解与战争风险： 二战后强国不随意入侵弱国的国际秩序正在瓦解，各国军事预算回升，这种趋势加剧了全球冲突风险，也阻碍了AI监管。共享叙事与算法的挑战： 人类通过共享故事进行大规模合作（如金钱），但算法和社交媒体正在成为新的“故事版本”生产者和传播者，人们的信任正从人类机构转向算法。禁止“伪造人类”的必要性： 作为维护人类信任的最简单一步，政府应立法禁止算法或机器人冒充人类身份。AI与人类交流时必须表明其AI身份。区分“言论自由”与“信息自由”： 言论自由是赋予人类的权利，信息自由是赋予算法和机器人的权利。社交媒体公司通过算法故意传播谎言和仇恨的行为不应受到言论自由的保护，应被制止和惩罚。AI改变战争决策： 虽然杀伤仍主要由人类执行，但AI正越来越多地决定战争中的目标选择和关键决策，这带来了极大的危险。阴谋论的根源在于复杂性： 阴谋论的流行是因为它们提供简单叙事，而真相（如病毒和流行病）往往是复杂、昂贵和痛苦的。AI将带来“异类”娱乐内容创作： AI能以更低的成本和更高的效率生产娱乐内容，并能“突破人类想象力的局限”，创造出人类自身想不到的全新形式和内容。信任是生命的基石和最终解方： 尽管面临诸多挑战，赫拉利强调，信任是生命的基础，没有信任无法生存。重建人类互信是安全发展AI并应对未来挑战的关键。结论与展望：赫拉利对AI带来的挑战持谨慎甚至忧虑态度，特别是强调了AI的“能动者”和“异类”本质以及人类社会日益缺乏互信的危险叠加。他认为，AI竞赛和国际秩序的瓦解互为加剧，共同构成了人类历史上的巨大挑战。然而，他并非完全悲观，相信只要人类能在AI完全成熟之前重建足够的互信并采取行动（如立法禁止伪造人类、区分言论自由与信息自由），仍有可能以安全的方式驾驭AI革命。教育机构在培养服务型精英和教导学生辨别真相方面具有重要作用。最终，他将信任视为应对当前和未来挑战的核心，是生命赖以维系的基石。他强调，每个人在自己的领域内尽力贡献微小的能动性，共同努力，人类社会仍有希望安然度过这一转型时期。如果希望和主播建立联系/加入听友群，可加微信bonewe2004！关于主播：在小宇宙查看该单集文稿

《AI圆桌π》首期节目将呈现的是用AI(Notebook LM)技术生成的关于AI的播客（英文）。内容主要是谷歌前CEO埃里克·施密特(Eric Schmidt)在斯坦福大学讲座时分享的关于AI未来发展的独家观点。在这场访谈里，施密特深入探讨了人工智能的发展方向、全球科技竞争的未来，以及这些技术如何在短期内对社会、经济和国家安全产生深远影响。这次演讲因为内容敏感性引发诸多讨论，并曾一度被“全网删除”核心观点摘要：人工智能的短期突破与深远影响：施密特预测，未来一到两年内，人工智能将迎来重要突破，尤其是在上下文窗口扩展、AI代理和文本到操作这三个领域的结合。这些技术进步将使人工智能系统能够更有效地处理复杂任务，超越当前的局限性。这种进步将不仅仅局限于技术领域，而是会深刻影响社会各个层面，包括教育、医疗、政府和商业。他强调，这些技术的发展可能带来的变革性影响，甚至可能比社交媒体的崛起对社会的影响更为深远。全球科技竞争中的中美博弈：施密特详细分析了美国和中国在人工智能领域的激烈竞争。他指出，美国目前在技术、人才和资源方面领先，但要维持这一优势，需要持续的高额投资和国际合作，特别是与加拿大等盟友的合作，以确保能源和资源的可持续供应。他强调，AI的未来不仅仅是技术竞赛，还是一场国家之间的战略博弈，涉及到国家安全、经济竞争力以及全球领导地位。施密特警告，美国需要加大投入，以应对中国在AI领域的迅速崛起，并保持在这一领域的全球主导地位。科技巨头的垄断与创新挑战：在讨论当前科技巨头的主导地位时，施密特指出，NVIDIA等公司在AI领域的垄断地位得益于其强大的技术能力和资本优势。他提到，虽然市场上存在竞争者，但挑战这些科技巨头的地位需要巨额投资和技术创新。他还对这些巨头如何在未来继续推动技术创新表示担忧，认为资本密集型的AI开发可能会导致软件开发模式的根本变化，从开源转向闭源，从而进一步巩固巨头的垄断地位。人工智能对社会和劳动力市场的冲击：施密特探讨了人工智能对社会、经济和劳动力市场的潜在影响。他认为，虽然AI技术可能会取代某些重复性工作，但它也会增强高技能工作的重要性，推动人们在复杂任务中的生产力提升。他还对人工智能可能带来的社会不平等表示担忧，指出富裕国家将从AI中获得更多利益，而贫穷国家可能会被甩在后面。此外，施密特呼吁加强对AI的监管，以应对数据隐私、知识产权和错误信息传播等问题。对抗性人工智能与安全挑战：施密特特别提到对抗性人工智能的潜在威胁，预测未来可能会有专门设计的AI系统用于攻击和破坏其他AI系统。这种发展将为安全性和伦理带来新的挑战。施密特建议，科技界和政府需要合作，研究如何防范这些风险，并制定相应的法规和技术标准，以确保人工智能的安全和可信度。他还提到，这一领域的研究将成为未来科技发展的一个重要方向，并可能在大学和研究机构中得到更多关注。如果希望和主播建立联系，可加微信bonewe2004！关于主播：在小宇宙查看该单集文稿