缘起0:00
Hello 大家好 ， 欢迎来到大内密谈 。 我是相爷 ， 今天的录音时间比较早 ， 我刚醒 ， 整个人状态没有特别兴奋 ，但是今天的话题让我有点兴奋 。
让我们先热烈欢迎一下我们今天的嘉宾 ， 明浩老师 。
Hello 大家好 ， 我是 《 屠龙之术 》 的主播庄明浩 。
哎 ， 屠龙之术是个好电台 ——
别别别 。
屠龙之术是我认识的做播客的当中为数不多的又有趣同时又专业的 。 一般很有趣的基本上都不太专业 ，以及一般很专业的基本上都不太说人话 。
屠龙之术非常好地填补了这一空白 。
别别别 ， 这么聊就没法聊了 。
是不是 ， 上来给你捧起来 。
这不行 。
明浩老师是哪人啊 ？
我是长白山人， 就是你们马上要去的地方 。
马上我们团建长白山啦 。
我出生的地方就是在 —— 因为长白山机场是后建的嘛 。
出生在长白山天池里 。
我出生那个时候长白山还没有机场 。 就现在的大家经常去滑雪 、 去玩那个长白山景区 ，在我出生之后才有的 。
我们之前那个地方交通不太发达 ， 现在比较好了 。 现在有直接飞机直接飞到长白山了 。
是哦 ， 所以你东北人啊 。
对 ， 东北 ， 纯纯东北人。
纯纯东北人， 纯爷们儿 。 现在是在上海 ？
对 ， 我平时在上海 ， 然后这次来北京出差 ， 正好赶上了 。 感谢 。
太好了 。 那今天聊个什么话题呢 ？ 这个话题为什么说让我感兴趣 ， 或者说让我有点兴奋的 ， 主要原因是因为之前我有一个算是我表哥 ，以及 —— 但我不知道是我表哥 ，他自己有这个疑问 ， 还是说他打着他那小孩的名义和幌子 ，他说到底这个 AI——
小孩多大 ？
小孩说是刚上大一 ， 说到底这个 AI 这事到底怎么回事 ， 现在到底是个什么情况 ，以及他跟我问了一堆问题 ，有一些我能回答 ，但是绝大多数我其实回答不了 。
就是我突然发现我对于 AI 这个事 ， 虽然每天都在用 ，但这个事情我跟大家说一下， 我为什么每天都在用 。
我经常在很多做设计 、 或者说做图 、 包括做音频的时候 ， 会使用一些 AI 来辅助 ， 包括有些插件什么之类的 ， 它都会很快速地帮你解决一些问题 。
今天这个话题其实是我前一阵跟明浩我们聊的时候 ， 突然之间就出现了一个我们做了一个小实验 ， 就是我用 PS 里面最新款的 PS， 它是集成了 Gemini 3 的 nano banana。
对 ，nano banana pro。
生成模型 。 对对对 ， 它集成了这个东西 ， 可以选的嘛 。 它最开始不是一直用它自己那个什么 Firefly 什么 3 什么之类的 。
那个不太行 。
那个真是不太行 。 然后我就用了 PS 里面的 Gemini 3， 生成了两张图 ， 就是在黑板上 —— 不是黑板 ，在白板上， 用有点褪色的记号笔画的景上雄彦的 《 浪特琴 》，以及我也让它生成了一个樱木花道跟 Michael Jordan、 乔丹老师 、 乔的 、 丹的 ， 一起打篮球的画面 。
生成完之后我觉得我操 ， 确实有点牛逼 。 我就做了个实验 ， 把这个图发到我的社交媒体上， 然后也没说什么 ， 我就看有多少人能看出来这是 AI 生成的 。
到目前为止 ， 这个图全网的浏览量大概我看了可能四五十万 。
我看小红书已经爆了 。
对 ， 四五十万的浏览量 ， 没有任何人发现这是 AI 生成的 。
因为认识你的人知道你也学过呀 。
对 ， 就是说 ， 甚至我发给老方 ， 然后 —— 因为老方也是学画的 ， 对吧 ？ 然后其实老方他也知道我画画的水平 ，他也没有任何的疑问 。
我跟他说 ， 哎相爷 ， 你说这个你也能画呀 ？ 我说我是能画 ，但是没有那么快 。 所以到今天为止 ，AI 到底发展到什么程度了 ，以及 AI 这个事情的前世今生 ， 来龙去脉 ， 我就想找一个人来跟我好好聊一聊 。
一方面可以解答我的很多疑惑 ， 一方面也可以解答我那个表哥或者他的小孩的很多疑惑 。 那今天我就找来了这个播客圈儿江湖人称 AI 司马迁的家伙 ——
别别别 。
明浩老师 ， 然后我呢 ， 就是 AI 魏征 。
可以可以可以 。
咱们今天司马迁 vs 魏征 ， 咱们搞一搞 ， 好吧 ？
可以可以可以 。
那咱们先从哪聊啊 ？
这个时间点我觉得很好 ， 现在是 25 年底嘛 ，12 月多嘛 ， 然后其实在三年之前 ， 就 22 年的 11 月 30 号 ，ChatGPT 正好发布嘛 ，其实正好是满三周年的时间嘛 。
扫盲4:04
那这一轮其实大家对于 AI 的探讨是以 ChatGPT 发布为代表的 。 那我们叫生成式 AI， 或者叫通用的 AI， 这一波的叫大模型的这个东西 ，其实是过去三年业界为什么对 AI 产生这样关注的核心的原因 。
所以这个时间点是一个很重要的时间点 ，因为三年说长不长 ， 说短也不短了 。
也不短 。
很多之前其实科技行业出过很多的关键词 ， 基本上两三年就会都被证伪了 。 但是你会发现 AI 这波 ——
比如说 VR。
没有没有 ， 元宇宙 。
元宇宙 ， 元宇宙确确实实 。
对吧 ， 就基本上都被证伪了 。 但是 AI 这波哪怕进入到第三年， 依然在愈演愈烈 ，而且在疯狂地推到很多人类的极端的里面 。
比如钱也好 ， 发展也好 ， 包括面临各种各样的问题 。 你像今天这件事情 ， 大家讨论要去探讨能源问题 、 电的问题 ， 那似乎这些事情已经真的去开始触碰 ， 就大家会说它是所谓第四次工业革命 。
那你给它冠了这样一个 title， 那它当然要去讨论那些人类终极的问题了 。 所以这个时间点确实很重要 ， 对 ， 三年的时间 。
所以 ChatGPT 发布这个事情 ，在你们业内看来 ，是真的是一个重要节点吗 ？
超级重要 ， 超级重要 ， 就是不可能更重要的节点 。
是吗 ？ 不可能更重要 。
对 ，而且那个时间点 ， 就是它发布的第一天 ， 或者说前几天 ， 就让业界完全地震惊了 。 当时的震惊是说 ，因为你想 ， 就是 AI 不是今天才出现 ，不是这一轮叫 AI。
你想当年可能 1970 年的时候 ， 已经过去几十年的发展了 。 那你想在上一代大家谈论当中， 比如 AlphaGo， 那已经是十几年前的事情了 。
那一代也叫 AI。 然后你再想什么深蓝 ， 就这个年轻一点的观众不知道我们在说什么了吧 ，IBM 的深蓝跟下高围象棋的 ， 那你想都是几十年前的事情了 。
那这一代 AI 的最大的核心就是它叫通用嘛 ， 然后它是生成式的嘛 。 就是以一个更简单的说法来说 ， 人类真的看到一个机器在吐字 ， 就这个感觉是人类有比较强的反应 。
而且还有点很现实的是 ， 比如之前的 AI 用在比如说自动驾驶 、 打星争霸 、 下围棋 ， 然后这些事情上虽然你会觉得哦牛逼 ，但是我们天天 ， 我也不是 ——
我也不是每天都在跟 AI 打交道 。
我也不是专业车手 ， 我也不是专业职业电竞选手 ， 我也不是天天下围棋的 。 但是今天这个东西出来 ， 你发现它可以写邮件 ， 它可以画图 ， 它可以做表格 ， 做 PPT， 这个就是你每天你在干的事情 。
而且你似乎看上去 ， 随着发展之后， 它会比你干的越来越好 。
实话实说 ， 这个东西现在已经成为了我日常大多数情况下就是代替了搜索引擎的功能 。
对 ， 第一天大家会说确实这个描述会搜索去的 。
太可怕了 。 就是我在今天咱们录音的前天晚上， 我刚发了条微博 ， 就是我在抱怨新款的 macOS， 它里面有两个巨大的 bug， 就是它也不能算是 bug 吧 ， 可能是我自己没用好 ， 就是让我完全无法适应 。
第一个东西叫做当我另存的时候 ， 或者导出任何一个东西的时候 。 因为大家知道 ， 比如我的办公室的办公桌上， 我除了一个苹果的本和外接显示器之外， 我是要外接很多东西的 ， 比如说声卡啦 ， 比如说音箱什么 whatever，但最重要里面会外接一些 ——
存储设备 。
存储设备 。 对 ， 这存储设备当中也并不是都是固态硬盘 ，有一些是我可能平时不怎么用的 ，但是我就放那儿 。
有的时候会想到从里面找个东西 ， 我就把它先接上再说 ， 对吧 ？ 但是新的 macOS 出来之后， 它导致一个问题 ， 就是当我另存的时候或导出的时候 ， 它要先预先把所有硬盘都激活 。
然后才让你选 。
对 ， 让我选 。 但这激活过程就很慢了 ， 就是差不多快则 20 秒 ， 你知道吧 ， 慢则一分钟 。 你想想这得多可怕 ， 这你再 ——
烦死了 。
对 ， 烦死了 。 我就不知道这个事情要怎么解决 ，因为之前没有出现过这种情况 。 你选了它才有嘛 。
我就是选到这个平时不怎么用的一个硬盘 ，但是它需要在我点击的那一刻就需要让我等 ， 对吧 ？ 这个我是可以理解的 ， 对吧 ？
但是现在就是无论我存到哪 ， 我存桌面它也要让我等。 第二个 bug 就是因为我是个老 Mac 用户嘛 ， 很习惯于多窗口切换 ， 对吧 ？
所有窗口啪 ， 并置在我的桌面上， 然后我选择其中一个 。 按照之前就是你选择完成就可以直接操作了 ， 现在不是 。
选择完成之后这个窗口其实是灰的 ， 就是它进入到你的主画面 ， 它变大之后， 窗口是灰的 ， 你需要再点一下 。
就比如说我用 Logic 来处理音频 ， 我正常情况我切出去干个什么 ， 回来之后我就点一下空格 ， 无论是播放还是暂停 ， 对吧 ？
那现在是不行的 ， 你要用鼠标点一下 。
点一下激活它就可以 。
我整个就崩溃了 。 然后这个事情我就想了想 ， 我说怎么办 ？ 我发了条微博抱怨之后， 我没问 ChatGPT 当时， 我问的是 DeepSeek 这个事情怎么解决 。
我就把我微博那段话原封不动地复制到那里 ， 然后它很快给了我答案 。 我照着操作完之后， 哎 ， 解决了 。
就这个东西其实是无法想象地提高你的效率的事情 。
对对对 。 因为这种 AI 的能力的提升 ， 确实在理解人类的语义跟语言这件事情上走得太远了 。
因为你想更简实的意思 ， 比如今天时间点 ， 在线翻译已经几乎全部被 AI 拿走了 。 就是翻译 ， 就是我们这轮叫自然语言模型 ， 叫大语言模型 ， 为什么把语言看得这么重 ？
因为它就是基于语言来做的 。 那语言的翻译这件事情 ， 对于这一波模型能力的提升 ， 你可想而知今天这个时间点的翻译这个场景已经被 totally 的替代掉了 。
做翻译的朋友们整个哭了 ， 真的是 。
就是时代卖过了 ， 然后不给你任何的什么就卖过去了 。 就这个感觉 。 而且线上的今天这个时间点 ， 你比如说现在的搜索的需求 ， 原来还是要基于关键词的 。
那你其实上一代 AI， 大家去讨论这个语义理解也是基于切词 ， 然后划分 。 因为很多学 NLP 的人应该知道在说什么 。
但是今天你会发现 ， 你真的就说一段你要说的话 ， 你给到 AI， 它就能理解你在说什么 ， 你想表达什么 ， 你想得到什么样的问题答案 。
它会有推理 ，有理解 ，有帮你输出的过程 。 所以这也是这一轮可能 AI 关于我们叫语言这件事情 ， 就是这轮为什么你看这个名字叫 ChatGPT， 它前面是 Chat，Chat 就是聊天嘛 ， 谈话嘛 。
那到底什么是 GPT 呢 ？
好 ，G 就是生成式 ，P 叫 Pre-training， 预训练的 ，T 是 Transformer， 就是生成式的相当于 AI 是我问你一个问题 ， 它就像吐字一样帮你吐出来一些东西 ， 包括图像也是 。
那 Pre-training 相当于就是这轮我们怎么得到了这么牛逼的一个东西 ， 相当于我给这个模型喂了无数多的人类现在的数据 ， 提前给它训练好 。
就跟有个比喻是说 ， 比如家政阿姨 ， 就家政阿姨是经过预训练的 ， 就是她知道大概一个家的 ， 比如厨房应该怎么打开 ， 对吧 ？
然后扫地应该用什么样的工具 ， 然后大概率的一个正常家两到三个小时工作应该是什么东西 ， 就是它的预训练是这个事情 ， 就是它被提前培训过 。
它不是一个简单的 ， 它就是一个什么都不懂的人， 它是被训练 ， 这是个要预训练的过程 。 预训练过程之后， 它就有了能力理解人类的所有这些对话的方式 。
然后 Chat 其实是它的交互形式 。 最后一个 T 叫 Transformer，Transformer 这是一个架构的专有名词 ，不需要理解 。
变形金刚 。
对 ， 就是 Transformer， 就是那个词 。 然后它其实是 Google 提出来的 ， 它定义了这一轮我们叫 AI 大模型的技术架构 ，但这个事情已经定义很久了 ，不是今天才定义的 。
是吗 ？
一二零一几年前头就有了 。 基于这个架构做了 Pre-training， 得到了今天我们看到的 GPT。 然后 GPT 得到之后， 它是个模型 ， 它就是一个 ， 你可以说是个软件 ，但这个软件加了 Chat 之后， 才让人类 ， 就是普通人知道这个东西的能力的展现 。
你原来可能只能在业界跟纯科研研究里面 ， 大家知道这个能力很强 。
对 ， 很窄 。
所以你看 ChatGPT 是基于所谓 GPT-3.5 的这个版本号 ，但是 GPT 在 3.5 之前的 3 的时候 ，其实在业界就是纯 ——
就已经很强了 。
就已经很强了 。 只是它没有一个展现方式告诉大家它有多强 。 然后 ChatGPT 相当于就是用了 Chat 这种形式 ， 完完全全地给世人展示出来对话的这种方式 ， 这种人类最简单 、 最直接的交互的方式能够做到什么程度 。
因为原来你跟比如说上一代什么 Siri， 对吧 ？ 就是或者上一代的类似语音搜索 、 语音对话那样机器人聊天的时候 ， 包括语音客服 ， 就是大家如果有过经验的话 ， 你会觉得它很笨 ， 它不理解你说什么 ， 甚至它你一听就知道它是被预设好的一些关键词的查询给你的反馈结果 ， 它是一个那个东西 。
它跟今天我们用这一代的 AI 完全不一样 ，因为它 totally 的知道你在说什么 。 所以这个的感觉让世人突然间的就意识到这个事情跟原来真的完全不一样 。
好的 ， 所以我们今天这个节目 ， 我们就请 AI 司马迁来跟大家好好聊一下， 包含我们现在发展到什么程度了 ，以及发展这个方向 ， 包括中美之间的一些差异 。
最后也会给到大家一些我们非常个人的仅供参考的小建议 。
对 ，不敢不敢 ， 纯建议 。
对 ， 纯建议 ， 大家就随便听一听乐 ， 好吧 ？ 那我们先解释解释刚刚解释了什么是 GPT， 对吧 ？ 有一些基本名词也是我不是很懂的老看的 ， 比如说什么是 LLM 嘛 。
LLM 就是 Large Language Model 嘛 ， 就大语言模型 。
大语言模型 。
模型你可以就是个软件的形式嘛 。 大就是形容它的参数足够大 ， 比如今天这个时间点 ， 我们主流在用的这些 ， 比如 GPT 也好 ， 豆包也好 ，DeepSeek 也好 ， 它的参数量可能就是模仿人类的神经网络做 ， 它的参数量可能是一个 10 的多少次方的那么样一个数字 。
就相当于我们提前喂给它了你可想而知的人类所有这几千年的积累的信息 ， 都喂给它了 。 所以它大 ， 超级大 。
它跟上一代的模型不一样 ， 就是说上一代模型可能基于比如说大家今天常用的面部识别 ， 比如那个小区的那个面部识别摄像头 ， 那是上一代 AI 的能力 。
它其实是个小模型 ， 它不需要那么大 ， 它只要了解就是脸的特征跟图像识别就结束了 ， 它不需要别的事情 。
所以它的模型不需要特别大 。 但今天因为我们在做的叫我们叫通用模型 ， 就是它什么都知道 ， 它跟那个金庸小说王语嫣一样 ， 就是它什么都知道 。
百小时 。
那它就要博览群书啊 ， 所以它要足够大嘛 。 然后语言就是刚才我们说的 ， 就是它是基于语言的理解 。
因为有一种说法是说 ， 当如果机器理解了语言 ，其实所谓的智能就出现了 。 因为人类所有的 " 智能 " 是基于语言 ， 或者说文本构建的 。
甚至人类所有的思考都是基于文本 。 虽然有哲学家提出说这个是一个桎梏吧 ， 或者是一个束缚 ，但是 whatever， 就是这个事情现在的现实面就是这样子 。
所以当如果机器能够通过 0 跟 1 的方式理解了人类的语言 ， 那似乎逻辑上来讲智能就出现了 。 所以叫大语言模型 ，Large Language Model。
那什么是 LUI？
LUI 就是 UI， 就是交互界面嘛 。
这个就是那个 UI。
对 ， 然后大家天天用电脑叫 GUI 嘛 ， 就是可视化的窗口性的这种叫 GUI。 那 LUI 就是跟 GUI 相对应的 ，LUI 就是 Language， 就是对话的方式的 UI。
就是我们今天现在用的各种各样的 ， 我们叫 Chatbot， 豆包 、DeepSeek、ChatGPT， 跟它的交互方式是你打一段话给它 ， 或者说一段话给它 ， 它给你返回来一段话 ， 就跟人类的对话的方式是一样的 。
是一样的 。
那理论上说 ， 计算机这个行业发展这么多年， 之前这个行业是由 GUI 引导的 。 就是微软的这个创始人比尔 · 盖茨说过一次 ，他说他生平仅见过两次绝对意义上的他认为的革命 ， 第一次革命就是 GUI， 所以才做了微软嘛 。
就是包括 Mac 其实也一样 ， 就是 ——
不不不 ， 这个话得反过来说 。
对 ，其实是 ——
是 Mac 先 。
对 ，是 Mac 先嘛 。
微软是超的 Mac。
对对对 ， 就是它定义了人类的个人计算机的交互方式嘛 。 所以有了过去几十年的 IT 行业的发展嘛 ，他认为他见到人生第一次的技术革命就是 GUI， 就是这档 。
但是这一次就是 LUI， 就是对话的方式来去操作 。 所以你看最近一段时间不是那个这两天国内的字节不是发了一个豆包的助手嘛 ， 你想想那个手机 。
是可以接入微信什么的 。
它现在面临一个问题是说 ， 它的核心逻辑是说有一个底层的可以对话的应用 ， 可以操控你所有的手机 ， 比如说我直接跟手机说 ， 你把现在这个时间点最便宜的什么某个炒饭对比起其他外卖软件 ， 你给我比完价格 ， 帮我定那个最便宜的 。
就是你直接跟它说 ， 然后它就开始在后台帮你摁点 ， 然后比价 ， 然后搜索 ， 然后就它整个一套工具全部帮你搞定 。
那这个交互方式就是对话嘛 ， 就是 LUI 的方式嘛 。 但是你想这里面涉及到的隐私 ， 权限 ， 安全 ， 数据 ， 比如说要支付 ， 你看看这有多复杂 。
所以你想如果 。
说实话在这个部分国内公司我是比较 。
有点担心的 ， 对吧 ？
有点担心的 ， 对 。
某种程度上说苹果在这件事上迟迟没有特别好的动作原因也是这个 。
也是这个 。
因为苹果还要它坚持一些它的内部的这些东西嘛 。
一些隐私保护的东西 ， 对 。
但反过来如果今天你是微信 ， 你怎么可能让一个这样的东西操作你呢 ？
对 。
对吧 ？
对 。
你怎么可能允许 。
What the fuck you are， 对不对 ？
所以它会说你的这套操作触发了我的安全策略 ， 所以我把它封了 。
对 。
是这样的 。
OK， 那所以还有另外一个东西就是我也经常听到的 ，但是这个东西我之前在加密货币当中听到更多 ， 就叫做 Token。Token 在这个聊天室的机器人当中到底是个什么样子 ？
你看就是比如说你想吧 ， 你跟这个 ChatGPT 也好 ， 豆包也好 ， 你问它一句话 ， 然后它会有一个所谓思考的过程 。
对 ， 它还想了 。
它想的这些东西按方式打出来 ， 然后它想完 。
它琢磨 。
它琢磨完 。
不好 ，不高兴了 。
然后它要再给你生成一些东西 ， 那这中间过程中所谓消耗的这个数据的这个东西就叫 Token。 所以这个 Token 的衡量可能是今天这个时间点我们去衡量 ， 比如说一个产品或者一个 AI 相关的应用 ， 它的规模有多大 。
就原来比如你衡量存储是用这个字节 、KB、MB、TB 来衡量 ，但今天你衡量一个 AI 应用 ， 它比如它的访问的量 ， 或者它的体量的增长是用 Token 这个数字 ， 相当于就是它消耗的这个数据量 。
所以你看所有的云的厂商 ， 然后这些 AI App 的厂商都会公布 ， 比如我定期我今天这个时间点 ， 或者过去一个月我的 Token 量到了一个什么量 ， 你代表它的业务量的增长 。
就它是一个巨大的单向的指标 ， 叫 Token， 就是它衡量一个数据量级可以 。
所以现在我们目前用的 ， 包括我们对 AI 的所有的了解 ， 这个事情大体上是不是由 OpenAI 来定义的 ？
就这一轮是 ， 或者说截止到今天还是 。
还是它定义的 。
对 ， 它来定义的就是我们叫技术发展范式 ， 就是在去年年中的时候 ，OpenAI 发了一个它认为执行路径 ， 就是如果我们理想中那个有一个终极的目标 ， 无论今天叫 AGI 还叫 ASI， 什么 anyway 那个概念 ， 反正就是一个全知全能那么一个东西 。
如果我们终极要走到那 ， 需要经历哪些阶段 ？ 那它定义的这个阶段是有点参考自动驾驶的定义的阶段 ， 叫 L1 到 L5， 就五个阶段 。
那自动驾驶其实也是 L1 到 L5 的嘛 。 那它定义的第一个阶段叫 Chatbot， 就是聊天机器人， 就是我们现在在用的这个东西 ， 就它是有简单的以 Chat 为基本交互的东西 ， 叫 Chatbot L1。
那 L2 叫推理 ，也就是说今年年初 DeepSeek R1 发布之后， 大家知道的那个推理是什么 。 你想 L1 用人类比较理解的方式说 ， 我们第一次看到人那个机器在吐字 ， 这是 L1。
但是它吐的那个字可能不太正确 ， 幻觉比较多 ， 乱七八糟的 ， 胡说八道 ， 胡说八道 ， 对吧 ？L2 推理我们看到了机器在双引号的思考 ， 就我们第一次用 DeepSeek 的那个推理的方式 ， 你会真的它有那个想的过程嘛 ， 它怎么想 ， 一二三 ， 然后包括怎么给你出答案 ， 就是我们第一次看到了机器是怎么在思考的 。
不 ， 这个思考是双引号的思考 。
对 ， 它是真的 。
它是双引号的思考 。 是这个过程的还是说它也是表演给你看的 ？
某种程度上是表演给你看的 ， 就是它相当于因为你想嘛 ， 我们再想一下， 如果你在今年之前就用过相关的工具 ， 你跟 AI 对话是很快的 。
就我问它一个 ， 基本上很快就给我回复了 。 但你要知道人类的思考过程是说 ， 如果真的问你一个复杂的问题 ， 理论上说你应该慢下来 ， 就你应该想一想 ， 然后才能给我一个好的结果 。
以这个方式其实同样的我们要求了 AI， 就我希望你从原来的快思考变成慢思考 ， 那怎么会慢下来呢 ？
我就要求你分步来思考 。 所以有了所谓叫思维链 ， 就是你要想一二三四五六 ， 逻辑是怎么样 ， 然后一个方式来做 ， 然后给了这个要求之后它才慢下来 。
慢下来之后看上去 ， 它具备了类似我们人类所讲的叫推理或者叫思考的这个能力 。
过程 。
所以 L2。 然后 L3 就是今年谈论比较多的叫英文单词叫 Agent， 或者叫智能体 ， 或者爱那什么翻译 。 它做的事情是说 ， 就像我们刚才讲那个案例 ， 就说它要干活 ， 就是 L1 跟 L2 本质上讲对用户而言是语言的交互 ， 我跟你说你回答我完事了 ， 我不需要别的任何事情 ， 你内生的这个 App 就解决了 。
但是 L3 不一样了 ， 我今天要让你做 PPT， 我让你访问一个网页 ， 然后你要登录 ， 你要填验证码 ， 你要帮我点击点赞 ， 你或者是帮我做一个网页 ， 你帮我做一个什么东西出来 ， 甚至你要帮我去订餐 ， 帮我去叫外卖 ， 帮我去打车 。
本质上来讲它在执行一些具体的任务 ， 就是它从语言跨越到了行为 。 那行为这件事情就变得比较复杂 ，因为到这个阶段的时候 ， 就不仅仅是那家 AI 公司的事情了 。
对 。
就它变得超级复杂了 。
它是一个跟整个生态协作的事情 。
环境交互的 。 而且你要知道我们现存的这套互联网的环境 ，不考虑物理世界 ， 只考虑线上世界 ， 它其实是给人做的 ， 它不是给 AI 做的 。
所以很多操作习惯 ， 很多乱七八糟的事情 ， 比如说现在 AI 为什么会卡住 ，因为它没有办法绕过爬虫的那个反爬虫的验证码的机制 ， 它需要你接手 。
因为你这样去访问 ， 那个被访问方一定会认为你是个爬虫或是一个攻击方 ， 我一定不会让你进来的 。
它不是真的这样 。
就你突然间有一个巨大的一个访问量出来 。
那我肯定要访问 ， 对吧 ？ 所以就这些东西变得非常麻烦 。 所以我们今天如果真的说这轮 AI 发展的这个时间来看 ， 我们在 L2 到 L3 过程中， 然后 L4 叫研究者 ， 你可以理解就是我们有这样一个逻辑 ， 或者说 OpenAI 有这样的 ， 就是说如果今天我能做出一个类似我们内部研究员那样的水平的人的话 ， 或者 AI 的话 ， 那似乎后面的我们所有事情就全部都搞
定了 。 对吧 ？ 就我们不需要现在的人再去训练它了 。 如果它达到了我们研究员的水平 。
就等于说它自己可以训练自己 。
对 。 那 L5 就是管理者跟组织者 ， 就我把这些人组织在一起 ， 那不就大家去奔那个美好的共产主义未来去了吗 ？
对吧 ？ 所以这个 L4。
是美好吗 ？
L4 跟 L5 是期待中的事情 ， 我们现在正在 L3。
还在 。
L2 到 L3 之间吧 。
Agent 这一块 。
对 ， 还在 。 所以因为然后很多人就会说 ， 这个尤其是经历了你想 ， 还是因为它类比自动驾驶嘛 。
你想自动驾驶的 demo， 我们看到因为美国那边可能有那些自动驾驶比赛 ， 大概在 2010 年左右就有那种可能你不需要做任何处理 ， 它就能跑一两百公里的在公路上跑的那种车了 。
那是 10 年左右 。 然后特斯拉真正意义上内部看到一个在他们当时测试比较 OK 的 Ready 的 demo 应该是在 13 年， 就是已经可以上路跑了 ， 测试 。
但是今天 2025 年其实自动驾驶依然没有达到理想中的类似 L4 那种状态 。 所以那其实遇到的问题是一样的 ， 就是自动驾驶在以前走过的路径当中， 它也在解决技术 、 视觉 ， 然后跟现实世界的结合 。
它卡在哪了 ？ 卡就卡在跟现实世界结合上 。 对吧 ？ 因为路况太复杂了 。
很复杂 。
因为纯技术 demo 演示可能没有问题 ，但是但凡被放到这个体系里 ， 被放到现在人类的这个环境里 ， 就出现问题 。
所以也有一派观点会认为 ， 我们这一代的自然语言模型虽然发展得非常强 ，AI 看上去无所不能了 ，但是我们真的要去解决任务 ， 要做所谓的 agent， 要跟人类的这个环境做交互的这个过程 ， 可能是一个 5 年、10 年， 甚至更长期的一件事情 。
因为它没有办法 ， 它逻辑上就没有办法说像原来那种 ， 我就靠大力出奇迹 ， 我就怼参数 ， 我怼算力 ， 往里怼 ， 我就能怼出来 。
现在不是的 ， 就它的事情变得复杂了 。 所以我们就处于这个差不多在这个时间点上 。
玩家23:18
OK， 那所以现在的这个在所谓主桌上都有哪些玩家呢 ？
主桌上首先就是桌有好几桌 ， 我们刚才说全部其实这边叫自然语言模型 ，是语言嘛 ，是 Chat 嘛 。 那还有一桌叫多模态嘛 ， 就是刚才我们说像图 、 视频 、 音乐 ， 包括 3D， 包括世界模型 ， 最近热的世界模型 ， 就是我一句话生成一个空间 ， 你可以在里面走 ， 就跟那个游戏里玩的虚拟世界一样 。
你可以在里面前后左右跳 ， 就像一句话生成一个元宇宙的事情一样 ， 就那个关键词又来了 。
那中青跟汉阳做那个东西是类似这种吗 ？
他们是自己来做 ，但是他们东西是可以放在如果未来真的有那样一个东西的话 ， 如果未来真的有那样的东西 ，他们相当于是把我们人类最后能够保存的 。
等于他们是原始数据 。
对 ，是最最最原始的原始数据 ，而且可能在消逝中的原始数据 。 他们其实在做一个有大爱的事情 。
对 ， 那个东西也挺神的 。 大家有兴趣自己去看一下， 那个是一个叫做什么 Fume， 就是废墟吧 。
对对对 。
的那么一个 ， 你可以简单说用各种照片就可以扫描 。
3D 还原一个 。
3D 还原一个场景 ， 比如说前苏联的某一些建筑 。
雕像 。
某一些雕像什么之类的 ， 它都可以还原掉 ， 包含有一些那种眼看着就要塌掉的教堂之类的 。 这个东西我之前跟中青跟汉阳也有深入去询问过 ， 这个玩意就是以他们的逻辑是说 ， 现在可能生成的还不是那么精确 ，但是这个原始数据保存下来之后， 它是可以更加精确或者越来越好的 。
某种程度上说他们的数据是可以再喂给今天的 AI 3D 的模型厂商 ， 再让这些厂商改进他们的生成效果 。
对对对 。
就他们那个是最原始的 。
真的是有大爱的事情 。
绝对是大爱 ， 绝对 。
根本就没考虑过怎么盈利 。
真的是大爱 。
是是是 。
然后这是多模态是一桌 ， 然后还有一桌它算不算主桌 ，2.5 桌吧 ，0.5 桌是 Coding。
Coding。
那为什么是这三桌 ， 就是语言刚才我们已经解释过了 ， 对吧 ？ 然后多模态为什么是另外一桌 ， 就有一派观点会认为 ， 虽然说人类是基于语言建立的文明 ，但是所有人类的感官感受的基础是视觉 ，是我们看到了 ， 哪怕是我们在学一个东西 ，也是我们先看到它 ， 再放进脑子里 ， 然后再以类似图像的方式去把它搞定的 。
那似乎这个图 、 视频 、3D、 语音以及那样一个空间的东西 ， 应该也是一个可能性 。 就如果未来真的终极是一个像 Matrix 那样的 ， 或者像很多电影那样的结局的话 ， 那似乎除了纯对话跟语言之外， 应该有那样一个东西 ， 它就是一个类似之前讲元宇宙也好 ， 虚拟世界也好 ， 那样一个东西 ， 只不过那东西太远了 。
所以多模态是一桌 ， 然后还有一桌叫 Coding， 很多人认为 Coding 是语言的子集 。
是不是呢 ？
我觉得有一些就是这个 ， 我觉得各家各有各的观点 ，但是你会发现因为它解决了语言的问题 ， 然后又因为 Coding 是人类跟计算机本来就存在的交互语言 ， 所以 AI 去把这个事情吃掉特别的顺理成章 。
对 ，其实这块好像他们做的还蛮好的 。
今年其实 AI Coding 的发展是疯狂的 ， 疯狂到可能今天这个时间 ， 大部分头部这种科技互联网公司 ， 可能超过一半的新生成的代码已经几乎都是 AI 在做了 。
就他们内部 。
这么严重吗 ？
对 ， 已经一半以上了应该 ， 应该一半以上了 。 就什么腾讯 、 阿里 。
有很多程序员其实 。
会面临比较大的挑战 。
是 。
会怎么样我们不好说 ，但是会面临比较大的挑战是真的 。 当然现在 AI Coding 也会出现一些问题 ， 它也会乱说嘛 ， 它也会出 bug， 就你可能为了解决 bug 的时间 ， 可能比原来你自己写还要花更多的时间 。
但是无论怎么样 ， 反正这算三桌吧 ， 自然语言 、 多模态 、Coding， 算三个主桌 。 然后这主桌上可能坐着一些公司 ， 美国最核心可能有四五家公司 ，OpenAI 就 ChatGPT 的公司 ， 然后做代码最好的公司叫 Claude， 那个模型叫 Claude， 那公司叫 Anthropic。
然后 Google， 对吧 ？Google 最近非常强 ， 然后可能还有一家就是马斯克那家公司 ， 叫 XAI， 这四家公司 。
微软不算吗 ？
微软是在今年才出了自己的模型 。 为什么呢 ？ 因为微软之前跟 OpenAI， 它是 OpenAI 最大的外部投资人。 它其实跟 OpenAI 在过去几年是绑定关系 。
就是在美国或者其实在中国也是 ， 就是你想用正规渠道的 OpenAI 的 API， 你是要通过微软云来做的 。
正规渠道 。
对 ， 正规渠道 。 然后所有的这些收益 ，OpenAI 是有一个分成协议跟微软的 。 它相当于是你可以理解在前 25 年 11 月份之前 ，OpenAI 是微软的话事人。
OpenAI 是微软的话事人。
对 ， 那因为这个事情 。
但微软是它的投资人。
也是投资人 ，但是它的业务绑定在一起了 。 那是因为之前这个事情真的太耗钱了 。 因为 OpenAI 最早它是 ， 你看这个名字 ， 它其实最早是一个以理想化的偏公益的组织 。
现在不是了吗 ？
现在不是 ， 它现在变成公司了 ， 已经要上市了 ， 人家要上市了好吗 ？
已经不 open 了是吧 ？
不 open 了 ， 完全不 open。
OK。
他们最早做这个事情 ， 包括马斯克最早其实也是 OpenAI 的发起人。 他们当时是以一个偏 ，也是大爱的事情 ， 为人类解决这个 AI 的事情 ，但是过程中发现通过这种方式做这件事情是需要超级多的钱的 。
那个钱是远超人类这些什么大企业家通过慈善捐助能够搞定的 ， 那个数字已经大到天文数字了 。
它必须要改变 ， 那第一个支持这个改变 ， 或者第一个给它大钱的就是微软 。 所以微软此前跟 OpenAI 是绑定关系 ， 那微软自己就没有做模型这一层的事情 。
它做大意了 。
它做云 、 做应用 ， 包括在它微软 Office 什么里面加工 ， 它做这个事情 。 但是你一听这个故事 ， 你就觉得这种关系怎么可能持久呢 ？
对吧 ？ 怎么可能持久 ， 我凭什么我发展这么快 ， 我要跟你分成分得那么高 ，而且要绑定利益关系 ， 凭什么 ， 对吧 ？
所以在 25 年其实两家公司出现了比较多的纠葛 。在 25 年 11 月底的时候 ， 两家公司重新确认了合作关系 ， 就是类似和平分手 ， 我还是你的合作伙伴 ， 你也可以还用我 ，但我也不要求你独家 ， 你也可以用别人。
然后我们未来绑定 ， 比如约束到 20， 可能 32 年， 我们还是一个比较紧密的合作关系 ，但是同时你是可以自己搞自己的事情了 。
所以在 25 年大概 7 月份的时候 ， 微软才出了自己的模型 ， 所以它晚了嘛 。 但是对于微软来讲 ， 它原有业务比较强嘛 ， 云也好 ，Office 也好 ， 都还 OK， 包括 Xbox 也可以嘛 ， 所以它就没有那么强 。
Xbox 可以吗 ？
所以刚才我们说美国大概四家 ， 中国这边可能稍微情况复杂一点 。 中国的话 ，OpenAI 刚刚出现的时候 ， 中国就出现了一些初创公司来做相关的事情 。
当时业界有所谓的江湖叫六小龙 ， 就是有六家初创的公司在很快的时间得到投资人的投资 ，并且估值我们到了一个比如 10 亿美金 。
我们原来认为 10 亿美金是一个独角兽的标准嘛 。 当时江湖有所谓六小龙 ， 什么 Kimi、MiniMax、 智谱 ， 然后阶跃 、 百川 、 零一万物 。
所以这些其实都是阿里都投了吧 ？
应该有一家没投 ， 对 ， 然后腾讯也投了三家 ， 然后大家都投了嘛 ， 反正然后就发展 ， 然后发展过程中发现这个事情发展到一个阶段之后， 你发现不太容易继续再往前走 ， 然后中间走了一些弯路 。
反正截止到 25 年这个时间点 ， 江湖上已经不戳这些事情了 。 当然 25 年出了 。
你不说了 。
因为有些公司已经远离战场了 ， 就它已经做不下去了 。 因为这个事情确实太耗钱了 ， 就哪怕我们中国这边有一些所谓成本优势 ，但是它的那个耗的钱的量级也过于大 ，而且又因为这些公司现在没有盈利 ， 它只能靠持续的输血 ， 可是没有血给它了 。
它就只能比如说你像开复老师做的叫零一 ， 比如说帮企业做大模型的实施 ， 做 Tool Beach 了 。 然后百川就王小川总做的那个原来 Sogo 的创始人 ，他做百川 ，他就后来转型做医疗方向了 ， 就我想在医疗这个板块把这个事情做好 ，而不是专群追那个最大的那个主桌上的事情了 。
因为主桌的筹码量太高了 。
活该 。 各位同学我这里插一句 ， 我特别不喜欢 Sogo， 我也强烈建议大家不要在任何情况下使用 。
建议是可训的了好吗 ？
对 ， 这个输入法吧 ， 它有很多问题 ， 大家自己懂的就懂好吗 ？
然后有意思的是输入法现在又变成 AI 的一个入口 ， 所有人都在做 AI。
输入法是 AI 的入口 。
输入法浏览器都是 。 中国可能现在还在模型领域初创的公司比较在追这个主桌的能力的是 Kimi、MiniMax、 智谱 ， 可能这三家 。
取代最主要六小龙叙事 ， 今年谈论大家谈论更多的其实是两家我们叫开源模型 ， 就是美国那家基本上是以闭源为主的 ， 那中国这几家是开源为主 ，是比如年初 DeepSeek， 然后到阿里的千问 ， 这两家是可能今天这个时间点占据媒体版面最多的两家 。
对 ， 就 DeepSeek 到底它的优势到底在哪里呢 ？
DeepSeek 是这样的 ， 就是刚才我们讲 L1 到 L5 嘛 ，L1 基本大家都实现了 ， 然后 L2 的第一代 ， 第一个做出所谓 L2 的 ， 大概是在 24 年 9 月份左右 ，是 OpenAI 做出来的 。
然后在那个东西出来之后， 大家就觉得哇这个能力太强了 ， 一定要跟嘛 。 所以在 24 年下半年， 就是 24 年 Q4 开始 ， 到 25 年初 ， 所有这些我们叫主桌上的人都在做的事情叫复现 L1， 就我要把那个东西做出来 ， 把 L2 做出来 ，因为它是一个跨阶段的东西嘛 。DeepSeek 是第一个真正意义上 totally 的实现了 L2，并且把 L2 的所有的训练方法实现的路径 ， 包括数据模型的搭建 ，
所有这些 detail 全部开源给世界 。在 25 年的 1 月底 ， 就是今年春节那个时间嘛 ， 就 DeepSeek 爆火那个时间点 ， 那个状态下让世界震惊 ，而且不仅是中国震惊 ，是世界震惊 。
又因为是开源的 ， 就是你能看到所有执行的细节 ， 它不单纯只是把模型给你用那么简单 ， 它是把它所有训练的过程 ， 哪些东西的权重 ， 怎么弄数据 ， 怎么去做后训练 ， 乱七八糟全部给你 ， 就是你 totally 可以复现 ， 随便复现 。
至此 L2 成为了标配 ， 所有人都 ， 当然很多投资厂商其实在那个时间点差不多也都做出来了 ，但是它是第一个 totally 开源 ，totally 把所有 detail 全部给到大家 ， 给到世界众人。
并且更核心的问题在于 ， 中美的那个事情上， 第一次在 AI 这个板块出现了一个议题是说 ， 美国建立的趋势还是基于美国的 ， 比如金融市场的支持 ， 比如说 OpenAI 也好 ， 那家公司也好 ， 可能都融了几十亿美金 ， 要做巨大数据中心 ， 要投很多很多钱 。
但是 DeepSeek。
无数的卡 。
对对对 ，但 DeepSeek 的叙事是说 ，DeepSeek 当然它写得很明白 ， 它在论文里面 ， 它的最后一次训练 ，因为它训练很多次 ， 它的最后一次这一次训练的成本是大概 128 万美金 。
也就是说美国人就说我天天看新闻是 10 亿美金 、100 亿美金的新闻 ， 然后这边帮出来说一个 ，他只需要花 120 万美金就做得跟你差不多 。
就发生了什么 ， 对吧 ？
你就说泡沫不泡沫吧 。
发生了什么 ， 为什么 ， 对吧 ？ 所以那这个事情的这个叙事的冲突 ，在那个时间点显得特别的强烈 。
所以在今年其实整个中国的我们叫开源的这个板块的进展会更快 ， 然后这几家在主桌上模型厂商在做开源的事情 ，而且甚至全世界范围来看 ， 今天可能开源的搒单前 15 可能都是中国公司 。
是吗 ？
对 ， 然后逼着美国那几家公司也在他们的模型的系列里面开放出一部分可能是次一级的模型也做开源 。
甚至有很多 ， 即便中美也有乱七八糟各种各样的问题 ， 美国其实也有很多比较头部的互联网公司内部经过各种各样的测试比对 ， 乱七八糟也都在承认在用中国的开源模型 。
所以开源模型这个事情是中国比较领先的 。
在这一步上是比较领先的 。
这一步上是比较领先的 。
今年尤其的明显 。
所以它为什么开源呢 ？ 我当时也一直都没懂 。
就是首先 DeepSeek 我觉得这家公司很传奇 ， 就它太传奇了 ， 太有意思了 。 这公司中文名叫幻方 ， 幻方原来是做量化投资的 ， 说简单点就是拿计算机炒股的 ， 就是天天割韭菜的 ， 就是股民们最恨的这帮人， 就是我搁这点呢 ， 你那啪啪啪已经交易了不知道多少多少次了 ，因为它用计算机炒股嘛 ， 做量化 ，而且是国内很短时间做到很大体量量
化基金 。
对 ， 就是关于这个事其实也就是所谓的我们之前我记得是米粒研究所聊过 ， 它得什么最快的接入 ， 接入最快的光纤 。
对 ， 差那个几个毫秒 。
几个毫秒 ， 就是这种东西在我听起来都什么鬼 ， 就是怎么可能 ， 我玩游戏也没那么大要求 ， 人家真的是要求 。
对 ， 交易就是这样 ，因为比如说突然间全世界各个地区的市场出现了一个差价 ， 那个差价存在的时间不会特别长 ，因为但凡出现差价就会被 GCC 认证到 ， 认证到之后它就会 ， 它设置好条件 ， 它就要做交易 ， 把这个差价 。
给弥补上 。
弥补上， 它这个时间就是争分夺秒的 ， 它就是差个几毫秒的事情 ， 所以人家原来是干这个的 ， 它为了干这个 ， 所以它很早就买了很多的卡 ，因为它要建集群 ， 它要建它的数据中心 ， 它要保证它绝对强的算力来保证它在这件事上是能搞定的 。
然后它做着做着发现把这些卡搞在一起 ， 似乎也可以搞模型的事情 ， 它也就顺手搞了模型 ， 结果过程中发现他们搞的这个模型确实在那一个阶段里面显示出了非常强的能力 。
然后这个幻方这个创始人梁文锋我觉得还是有一些 ，也有一些双引号的大爱的 ，他也是一个 ， 比如今天幻方是没有接受过投资的 ， 没有过对任何对外的太多的表达 ，他也没有做任何的比如推广 ，也没有做商业化 。
对 ， 这个事是这样的 ， 我各位同学在今年， 我们今天录音的时间 ， 我不知道这节目什么时候放 ， 我们今天录音的时间还是 2025 年年底 12 月初嘛 ，但是我记得在今年的春节那会儿 ， 春节前不就出了这个 DeepSeek 这个事嘛 ， 然后在春节期间我当时还和黎叔他们有聊这个关于 DeepSeek， 我说这东西好像真的挺牛逼的 ， 什么这那的 ， 正好黎叔说我还
认识他们 ， 我说要不然把他们找来录个节目吧 ， 我当时就非常天真的说找来录个节目 ， 黎叔说我去问问 ， 两天之后说就别想了 ， 说怎么了 ， 说这个创始人他回老家参加这个亲戚聚会 ，他们当地的公安局局长和什么市委副书记什么都得一同上桌的 。
当然的 。
全程跟着 ， 保护好大熊猫就是这种 。
绝对不能被带走 。
我说我靠好吧 。
你想他之前就上了那个 CTV1 的那个什么中小企业对谈会的那个桌上， 那在座的是马腾 ，是马云 ，是这些人对吧 ？
你当然知道就是当时我记得特别清楚 ， 我记得特别清楚 ，他是 1 月 20 几号火的 ， 正好赶上春节假期嘛 ， 然后我是在我跟我老婆带孩子去那个上海周边的酒店里玩 ， 然后你就看那个微博 ， 就首先是冯骥发了一个微博 。
冯骥发说这个就是国运 。
国运级别的东西 。
我靠巨牛逼 。
哇这个帽子一戴就疯了你知道吧 ， 然后又因为那段时间是美国那边的主流的科技财经媒体疯狂在那几天爆炸来聊这个事情 ， 然后这一波传又传回了国内 。
对 ， 所以我记得当时还有一些特别跪久了站不起来的人说 。
没有什么 。
没有什么牛逼的 ， 这都是只不过是调用了别人的东西 ， 什么这那有什么可牛逼的 ， 结果这些人甚至都没有那个能力去看看美国是怎么说的 。
我当时第一反应也是说这是不是中国又拿来别人东西过来用一用 ， 对吧 ？ 去国外看一看你就发现我操不是这么回事 ， 人家 。
已经传疯了 。
整个硅谷都疯了就是 。
那你想这个话题被抬到了这个高度 ， 那就很多事情就完全的不可控了 。
对对对 。
但同时其实在那个时间点 ， 千问的能力其实也还可以 ，也跟得比较紧 。 那中国的比如最头部的开源模型跟世界上最领先的模型的我们叫差距 ，其实从原来可能最开始可能要一年到一年半 ， 现在缩短到可能三到六个月 。
基本上比如今天你看到了美国最好的模型做到什么东西 ， 可能大概三到六个月之后你就能看中国的模型也能做到 ， 就基本上被缩到这个程度 。
是 ， 所以现在这些模型都做到什么程度了呢 ？
这个问题变成了一个很复杂的问题 ， 变成是说什么呢 ？ 我们今天去评价一个模型能力的这个事情出了问题 ， 就我们没有办法评价它的好跟坏 。
举个例子 ， 比如说前两天那个柯洁接受鲁豫的采访 ， 鲁豫问说现在听说那个所有的职业的围棋选手每天都是跟 AI 在想 ， 然后问柯洁是不是 ， 柯洁说是啊 ， 鲁豫就问那你们不怕你们的这个棋路啊 ， 你们的思维啊被 AI 学去吗 ？
柯洁笑了一笑 ， 那个笑中带了一点点的轻蔑 ，他说 AI 那么强 ， 学我们的数据干嘛 ， 那不就是垃圾吗 ？
我去 ， 轻蔑是对自己的 。
对 ，是对自己的 ， 那是柯洁说的 ， 柯洁是世界冠军啊 ， 对吧 ？ 也就是说如果我们今天 。
就这个话让我想起来 ， 我记得之前孙燕姿 。
对对对对对对 。
发威魔对吧 ，在说的 ，因为当年有很多人用孙燕姿的声音去训练嘛 ， 然后她唱各种歌 ， 然后孙燕姿发威魔 ， 最后的那个结论就是咱们都现在到这个程度了 ， 那又能怎样呢 ？
对 ， 我们还搬石山干啥呢 ？
然后你就想嘛 ， 如果我们用打分表来写 ， 比如说人类常规智力水平下围棋可能是 50 分 、60 分 ， 柯洁这种 80 分 、90 分 ， 原来人类说培育出 AI 是希望能接近 100 分 ， 现在没准 AI 下行能力已经 1 亿分了 。
那你想 1 亿分跟 1 万分跟 1000 分对人来讲没区别 ， 没区别 ， 没区别 ， 就跟学霸一样 ， 就是说考 100 分是因为卷子只有 100 分 。
那 AI 似乎在某些能力上也类似出现了这种情况 ， 那我们怎么评价一个东西好跟不好呢 ？ 我们人类的这个评价是带 ， 尤其是在对话 ， 我问他一个问题 ， 这个问题如果是一个事实的问题 ， 或者说是个数学的问题 ，他还能有答案 ，但如果不是呢 ？
那你怎么去评价他 ？ 就是他过了 ， 就如果我们 ， 或者说人类用很多测 IQ、 测智商 ，他已经过了那个人类天才线之后呢 ？
就你的测试本身都出了问题 ， 就你已经没有办法去衡量他的能力到底提升还是没有提升 。 所以这是这一轮 AI 模型发展其实在今年比较严重的一个问题之一 ， 就是如何给 AI 模型打分 ， 然后你发现可能所有打分都失效了 ，因为打分还是一个类似我们叫应试的东西 ， 你打分相当于你有一套题 ， 那很多模型厂商会 ， 如果你题库先了 ， 我就先应试的帮
你把这个题先做完 ， 那我可能分数就很高 。 可是人类普通人用起来发现他没有那么强 ，但你看这里又出现问题 ， 普通人类每一个人的感受又不一样 ， 那什么是好 ， 什么是强 ， 什么是绝对的强 ， 又没有标准了 。
反过来讲 ， 为什么今年 AI 在数学领域 ， 比如最近很多模型都是解那个什么奥数题 ， 为什么是数学 ？
因为数学是有明确的答案的 。
对 。
就你但凡 。
它有标准答案 。
对 ， 你但凡有答案 ，AI 一定能搞定 。
对 。
Coding 也是 。
对 。
Coding 也是 。
它能跑 。
能跑吗 ？ 对 ， 能跑它就成了吗 ？ 然后又因为就是 AI 这个我们叫训练这个领域又出现了一个新的分化 ， 我们刚才讲最开始叫 GPT 的 P 叫预训练 ， 我是先给它喂进去 ， 然后它就成了吗 ？
今天其实 25 年开始大家强调叫后训练 ， 什么叫后训练 ？ 叫强化学习的方式 ， 就是说就跟下围棋一样 ， 你下赢了我就奖励你 ， 让你记住你是怎么赢的 ； 你下输了我就惩罚你 ， 数学我让你做题 ， 做对了我就奖励你 ， 做错了我就惩罚你 ；Coding 你跑通了我就奖励你 ， 做错了我就惩罚你 。
你想这种强化学习的过程经历过无数次的运算能力之后， 它在这些事情上的能力真的就已经突飞猛进到一个人类不可知的区域里去了 。
所以今天是这样 ，但凡是有明确的标准的解或者答案或者什么样的东西的领域 ， 基本上 AI 已经平趟了 ， 就是因为现在它的只有算力的问题了 ， 跟时间的问题 ， 解出来你就没有问题了 。
等多久嘛 。
对 ，但是其他那些 ， 那人类那些没有标准答案 ， 主观的 。
对 ， 比如说生成个图啊 。
对 ， 什么叫美呢 ？ 什么叫好看呢 ？ 或者说 。
做个视频 ， 做个音乐 ， 到底好不好听呢 ？ 这个东西 ，其实音乐这个部分说实话我是比较灰心的 。
因为它确实跟数字的关联性太强了 。
对 ， 就是大家可能不知道 ， 我在大内节目当中其实使用过几次 ， 就是我是自己瞎写的音乐的名字 ， 这个我就不跟大家说是哪一个了 ， 大家自己去找 ，但其实它是 AI 生成的 。
我稍微调了调 ， 然后出来之后我就 OK。
就可以用了吗 ？
就可以拿来用 ， 但是没有人发现 ，但也有可能并没有人太在意音乐这个事情 。
反正那你就想看看 ， 就但凡这些能够被数据定义清楚 ，有系统理论可以支持的 ， 那有很多不是这样的 。
所以人类在解决这个问题的时候 ， 就出现了一个问题说 ， 我怎么设计一个我们叫机率模型 ， 怎么设计什么是好 ， 什么是不好 ， 怎么定义什么是好 ， 什么是不好 ， 这个事情就麻烦了 。
而且还有一点 ， 你就是比如说原来这个行业在上一代 AI 的时候有一个服务类型的公司 ， 就是叫数据标注公司 ， 中国其实有很多打标的 ， 尤其是自动驾驶公司 ， 要给这个树 、 这个人 、 这个路标 、 这个牌 、 这个红绿灯标出来嘛 。
这是马克龙的 。
这是数据民工啊 ， 这是数据民工啊 ， 这是数据标注的 。 那今天这些最头部的数据标注公司的标注员在标注什么呢 ？
他们的能力变成什么 ？ 原来这种标注你随便找个人就可以标 ， 今天不行 ， 我今天要找律师 ， 我要找医生 ， 我要找金融背景非常资深的人， 来去标那些复杂问题的好跟不好 。
就我要用他们的 know-how 跟经验跟知识来去标注出什么是好 ， 什么是不好 。 就是原来的标注是这个 ， 现在已经标注这些事情了 ， 就是跟人类的我们叫 common sense 做对齐 ，但这个事情真的会非常的难 ，因为人太个性了 ， 一个东西的好跟坏太难做评价了 。
所以这个可能也是这一轮 AI 模型的能力 ，其实肉体上感觉它的变化没有那么猛的原因 ，因为那些能够被验证的东西已经被解决掉了 ， 剩下的很多问题真的就是见仁见智的问题了 。
所以我之前看到过有一个 AI 界的一个大佬 ，也就是前一阵没多长时间 ，他提出了一个观点说 ， 这个事的发展方向本身就是错的 。
就死胡同里去了 。
对 ， 最后这玩意是个死胡同 ， 就是现在 AI 大家在做的这个事的方向就是错的 。 我看完之后其实说实话 ， 我当然很有兴趣 ，但是我点开看了看呢 ， 我没太看懂 ， 或者没有那么多耐心吧 ， 到底是怎么回事你跟我说 。
就是刚才我们说的这个事情对吧 ， 我们先叫预训练 ， 给它喂 ， 喂绝对多的人类的数据也好 ，但现在这个事情也出现问题 ， 就是说人类的数据已经喂完了 。
数据喂完了吗 ？
已经基本上是喂完了 ， 就没有东西喂给它了 。 对吧 ， 剩下的数据要么就很难拿到 ， 要么就很复杂 ， 就反正基础的已经 。
还没有电子化 。
对 ， 还没有电子化 ， 反正已经喂差不多 ， 然后大家喂的差不多之后， 然后出现那我通俗点的叫后训练 ， 就强化学习 ， 让它去做体验 ， 打标验证来去做 ，但这种方式就会培养出来偏科生 ，因为你给它奖励跟激励的这个方式设计到哪 ， 它就会在这点上做得很深 ，但是它的通用能力就被抹杀掉了 。
之前那个大佬比喻是说 ， 今天有一个人说 ， 我们哪怕只用编程 ，他一个人是专门为什么编程竞赛做的 ，他熟练他妈 100 种 、1 万种什么算法 、 什么模型 、 什么架构 、 什么东西 ，但是他只是为那个竞技比赛来做测试 、 做训练的 。
但同样有另外一个人 ，他可能掌握基础的编程知识 ，他可能也能 OK 的达到比如 70 分的成绩 ，但是他具备泛化的能力 ， 就是你今天让他做 A，他也能做 ， 让他学个 B，他也能学 。
大家发现今天的模型的进展在做更多更样的第一种人， 就是他只针对某一个或某几个事情做得非常强 ，但是他不具备泛化的能力 。
但你要知道我们这轮在最开始的时候 ， 我们这轮有个很重要的关键词叫通用 ， 我们不是去找那个尖子生的 ， 我们是要找人类的通用的这个东西的 。
所谓的更大的集合 。
对 ， 所以确实按他的逻辑来说 ，他会认为今天这件事情靠堆算力 ，因为你解决那个事情最直接的方式就是堆算力嘛 ， 堆能源 ， 堆资源 ， 堆时间嘛 ， 你就堆就好了嘛 ， 你不需要考虑别的事情 ， 你就堆就好了 。
它是一个线性可见的越堆东西会越好的这个过程 ， 这个行业叫 scaling law， 就是我越投入越会好 ， 就这么简单 。
但他发现在很多板块这个 scaling law 失效了 ， 就是你再投入 10 倍量级的东西 ， 得出的效果可能只改进 10%， 那你还要再投吗 ？
所以他会说今天这个事情要从原来这种堆算力的模式改成另外一种叫研究的模式 ， 我们要研究另外的事 ， 无论是架构层还是设计层还是什么样的东西 ， 让它再一次具备通用的能力 。
因为相当于他是最开始发现了这一件事情 ， 就是他原来在 OpenAI 嘛 ，他是 OpenAI 核心嘛 ， 然后他们在三四年之前发现了第一次的这个成功 ， 今天这个事情嫁接在这个成功上巨大范式的堆钱 、 堆算力 、 堆卡 、 堆时间 、 堆乱七八糟 ， 我们依然在这里面堆 ，但是他会认为已经堆到头了 ， 就是或者编辑效应太差了 ， 就真的你再翻 100 倍 ，也不过带来个 5%
的提升 ， 那何必呢 ？ 所以他会说那我们要重新再回到原点 ， 我们再去研究一个什么新的技术架构也好 ， 范式也好 ， 什么样东西让它再一次的 。
爆发出来 。
对 。
但这个你是认可的吗 ？
每个人有自己的位置 ，他的位置跟他在做的事情决定了他要说什么话 ， 即便他已经是一个 ， 就伊利亚这个人， 就是这个大佬其实已经是一个非常超脱于世俗的这样一个纯技术的有理想主义的人 ，但是即便是这样 ，他依然还是要考虑他现在 ，因为他离开了 ，他要成立新的公司 ，他新的公司融了钱 ，他新的公司有新的研究 。
有新的故事 。
对 ，他要画新的饼 ， 然后去定义新的可能性才对他是有利 ，但这么说特别的势力 。
势力 ，但现实 。
但现实就是这样 。
对 ， 那他总得花钱啊 。
对啊 。
那他钱从哪来啊 ？ 对 ， 这玩意儿 。
他其实是享受了 ， 这家公司很有意思 ， 这家公司就是 OpenAI 的核心的几个创始人出来成立了很多公司 ，他有两个 。
很多公司 。
有两个这个很核心的人， 就是 CXO 级别 ， 伊利亚是一个 ， 另外一个叫 Mira，他们俩成立的公司出来就是天使融几十亿美金 。
我去 。
就天使 ， 什么都没有 ， 我就告诉你我有十几号兄弟 ， 投不投 ？
我们就做 AI 了 。
几十亿美金 。
就来了 。
我去 ， 融几十亿美金哦 。
我去 。
然后什么都没有 。
天使几十亿美金 。
什么都没有 ， 没有产品 ， 没有模型 ， 没有技术 ， 连论文都没有 ， 网站都没有 ， 估值几百亿美金了 。
哎呦喂 。
对吧 ， 就是你当然可以吐槽 ， 可以去说原来的技术路线你觉得不太对 ，但是你也享受了这件事情带来的巨大的红利嘛 。
对对对 。
本质上是这样一件事情嘛 。
落地48:29
是 。 那在现实应用层面上来说 ， 现在在你看来是一个什么样的级别 ？
现在说来就是说对话确实 ， 人类觉得聊得侃侃而谈没问题 ，但是天天聊也没意义啊 。
是啊 。
总得干活啊 。 所以现在的状态就是大家在尝试让它干活嘛 。 那干活现在看上去确实 ， 比如白领相关的工作 ，因为我们用电脑嘛 ， 那这个事情天然跟这个事情结合会比较紧密 。
比较多 。
比较多嘛 。 所以我们日常能够想到的白领相关的工作其实跟 AI 的结合 ， 尤其在应用层特别多 ， 无论是按比如按行业分 ， 什么法律 、 金融 、 医疗 ， 然后按职能分 ， 比如营销啊 ， 营销其实特别多 ， 做销售的各种各样的环节的 ， 然后这个 HR、 财务 ， 再按细节的比如说做 PPT、 做文案 、 写邮件 ， 就这些东西已经基本上以功能切碎的碎块
的方式在影响很多人。 而且无论是传统意义上的比如说微信 、 飞书 、 钉钉这种软件 ， 还是 Office， 还是浏览器 ， 甚至输入法 ， 所有东西都在疯狂的加腾讯会议 ， 对吧 ， 然后甚至这些画图软件 ， 就是你能想到的原有的这个我们叫已存在的被定义好的功能的 AI 化的这件事情也已经非常疯狂了 。
其实越来越可怕了 。 我可以给大家举一个小例子啊 ， 昨天晚上我在做一个那个 ， 我们最近在弄 《 山海经 》 嘛 ，《 山海经 》 当中我有一个在那个封面和海报设计上， 我想加一个元素 ，但我想了想呢 ， 正常情况我可能去想到 。
现成的搜 。
去搜嘛 ， 对吧 ， 然后用 Illustrator 来描一下， 或者说稍微改一改这样子 。 我想了想我就在 ChatGPT 里边 ， 我就问它 ， 我说我想要一个这个东西 ， 然后它给我生成了一段代码 ， 把这个代码直接复制了之后， 就它非常方便 ， 复制完之后你到那个 Illustrator 里边 ， 虽然它也叫 AI，但它是 Adobe Illustrator， 到 AI 里面去粘贴这个代码 ， 它直接那个图就出来了 ， 甚至精准到因为我
要比如说一共有多少个角 ， 它非常精准 。
所以你看 。
全都给你完成 。
今年有另外一个火的那个表情包叫 AI 山海经 ， 我不知道你是否知道 ， 就是一个比如一个鲨鱼穿了一个耐克鞋 ， 一个那个战斗机是个鳄鱼嘴 ， 对吧 ， 这个在小孩跟在美国特别火 ， 它就叫 AI 山海经嘛 ， 就是那些东西在现实世界是不可能 。
不存在的 。
不可能存在 ，但它就是通过 AI 的方式用 ， 当然有一定抽象文化的东西展现的 ， 它就出现了 。 然后你刚才讲那个例子其实更代表了这种 AI 发展 ， 就是说最开始无论是比如做图还是聊天还是什么 ， 它有太多的幻觉跟不可控性 ，但是你要把这个东西放到比如说融到我们今天已经非常成熟的工作流程里 ， 可控性变得非常的重要 。
就像你刚才说我真的要 16 个角 ， 你就不跟我画 14 个角 ， 就是你要明确的理解我这件事情的意义是什么 ， 然后这个我们叫可控性 ， 这一个事情的打磨跟推进 ，其实就引发了一堆创业公司跟产品的方向往这个方向走 ， 无论是图片 、 文字还是相关的这些东西 ， 就可控性这件事情上就已经往前 ，但是即便走今天还是不行 。
比如说最近大家谈到比较多就是可口可乐每年圣诞节不是会发每一年的广告片吗 ？ 今年的可口可乐广告片就是用 AI 做的 。
是吗 ？
然后呢 ， 这个就引发很多讨论嘛 ， 就是非常多的探讨争论 ， 然后很多人就是有很多这个关于行业啊什么替代人类乱七八糟那种讨论我们抛开 ， 就纯我们看那个画面本身 ，因为它有分镜嘛 ，有很多分镜 ， 然后有人就专门这张图你如果你可以放 show note 里 ， 专门去切出来每一个涉及到运那个可口可乐那个卡车的图 ，有正面的 ，有侧面的 ，有测
45 度的 ， 那个图的卡车每一帧出来的时候 ， 那个卡车轮子数量是不一样的 。
OK。
有的是三个轮子摆在一起那种 ，有的是两个 ，有的是两个两个 ，有的是四个 ， 是一致性 。
OK， 它这个部分还没有太好 。
对 ，但是反过来就是说你不能说 。
不是 ， 这个问题是这样的 ， 就是各位同学 ， 比如说我用 AI 生成图 ， 可能十次有八次甚至九次它都不是我要的东西 ，但只要有一次 。
够了 。
我操 ， 我就会反过来怪我自己 ， 你知道吗 ？ 前面那些失败不是它的问题 。
是你没描述清楚 。
是我没描述清楚 。
对啊 。
就是人类是这样子的 。
是啊 。
但实际情况是不是这样其实不好说 ，但是从根本上来说只要它有一次是成功的 ， 你就有办法去能够试图去找到它的规律 。
但是问题是现在以我自己非常粗浅的使用来说 ， 我跟 AI 的这种交互啊 ， 跟它下指令什么这个东西的规律没有 ， 甚至我现在是比如说用 ChatGPT 或者用 。
让它帮我转一道 。
DeepSeek， 然后让它帮我跟 Gemini 说要这样这样这样这样 。 对 ， 这个东西也许有的时候是有 ，有的时候也是出来是很糟糕的东西 ，但是我来把它大体上已经比至少一年前更加可用了 。
就是这个引发最前面那个问题 ， 就是因为它叫生成式 AI， 它生成叫 Transformer 架构 ，Transformer 架构本来讲是一个概率跟预测的架构 ， 它的逻辑是说你给了它 123， 它能推出来你要说的后面是 456， 或者说你给小学生一句话叫今天天气真空格 ， 你问小学生后面那个字应该添什么 。
真好啊 。
真什么 ， 或者真坏或者真差 ， 它总有一个概率是符合大部分人类的基础认知的 。 所以那反过来讲 ， 如果我只给今天天气 ， 我不给真 ， 那它就很难说真好 。
OK。
这个什么意思 ？ 就是说因为它是基于你给到的这个东西的概率去推的后面的事情 ， 所以它是生成出来的 。
那就是潜行条件说你给的越多越想去越直接 ， 理论上说得到那个结果越接近你想要的事情 。
所以它的逻辑就是这样 ， 就是这个架构本身的逻辑就是这个 ， 所以无论是文还是图都是这个逻辑 。
今天就是正好刚更新是黎叔的故事嘛 ， 黎叔也提到了那个 AI 泡沫的这个事情 ， 黎叔在小红书上也发了关于这种 AI 泡沫的这个讨论 ， 就是它当然更多的是解释这个英伟达股价的问题 ，因为就是泡沫是一个包含了太多含义的名词 。
泡沫54:06
我看他说那个话的时候 ， 就是你在那个评论区有评论 ， 大概意思说他好像说反了还是怎么 。
但没有 ， 就是今天去评论谁先谁后已经没有意义 ， 就是他说的是之前 OpenAI、 英伟达 、 微软或者几家公司互相给钱 ， 互相把订单炒起来嘛 ， 那它既然循环圈建立起来是 A 先给的 B 还是 B 先给的 C 已经没有意义了 ， 就是 A B C 反正它这个圈已经建立起来了嘛 。
对 。
所以就是 。
这还不是泡沫嘛 。
但很多人会说 ， 这个故事如果需要可以讲 ， 就是很多人会说首先关于 AI 泡沫的讨论特别多嘛 ， 为什么最近几个月尤其的多 ，是因为一些事件引起的 ， 这些事件会让比如炒股的人或者金融行业的人特别的 PTSD，因为原来经历过就是这些事情引发的 。
这个事情是什么 ？ 有一个很核心关键词叫循环融资 ， 就比如说 A 公司 、B 公司 、C 公司 、D 公司都在这个产业链的上游各方 ， 然后比如说有非常强势的一方 ， 它为了保证这个链条的稳定性 ， 你既是我的客户 ， 对吧 ， 你同样我会把一部分的钱给到我的供应商作为投资 ， 然后你拿了钱又买我的东西 ， 循环融资嘛 ， 就是个钱在流转嘛 。
但你起码我想这个事情其实在业界也不罕见 ， 你比如说今天是什么点 ， 你说一个华为去投一个它的做什么摄像头的 ， 或者做什么芯片的 ， 或者做什么屏幕的一个厂商 ， 投它一点点钱也没什么问题啊 ， 很正常嘛 ， 叫供应商融资嘛 ，不也合理嘛 ， 甚至融资融业也很常见 ， 你说波音那飞机那么贵 ， 很多公司买不起 ， 那可以用租的嘛 ， 融资租
赁嘛 ，其实这个事情是很常见的 ，但为什么这种人会引发这么大的讨论 ， 就是说虽然这个事情很常见 ，但是不能这么玩 ， 这么玩玩到什么程度呢 ？
就是说 。
要怎么玩 。
所有人， 所有人， 比如说我们以原点 OpenAI 为代表 ，OpenAI 会说我现在虽然一天 ， 我一年现在 25 年预计 200 亿美金收入 ，但是我未来五年可以赚妈的 5000 亿美金 ， 我花在这个云计算的成本有 3000 亿美金 ， 那相当于未来五年有个 3000 亿美金的订单 ， 谁要 ？
这个时候云订单嘛 ， 那美国最大的云可能这个微软云 、Google 云 、Amazon、AWS 这三家 ， 人家已经是垄断公司 ， 人家不在乎 ， 说我也不愿意服务你这么大个股 ，因为它跟微软又有仇嘛 ， 这时候有一个第四名或者第五名 、 第六名的公司 ， 它为了要这个巨大的订单 ， 我愿意 ，并且我承认给你打折 ，Oracle 出来了 ， 说我这 3000 亿订单我接了 。
但你要知道 ， 首先 OpenAI 它没有钱呀 ， 它是用的未来五年的预期 ， 然后我说未来五年预期 3000 亿 ，Oracle 问题在 Oracle 连卡都没有 ， 就是我要拿来这个订单的额度再去无论是借钱还是融资 ， 我要去把卡买来建数据中心 。
我才有这个算力啊 。
我才有这个算力啊 ， 然后你这时候出现了 ， 你要买卡对吧 ， 你要向谁买卡呢 ？
只有英伟达 。
英伟达说哎呀这个生意挺好 ， 就是大家一起繁荣嘛 ， 对吧 ， 你要买这么多卡对吧 ， 那你不要去买 AMD 嘛 ， 你不要去买别人嘛 ， 买我们嘛 ， 为了我要这个承诺 ， 那我投 OpenAI 一点嘛 ， 我投 OpenAI 1000 亿美金 ， 你承诺未来建比如按十几瓦的这个数据中心都用我英伟达的卡 ， 我每个几瓦给你 100 亿美金 ， 这个圈不就建立起来了嘛 ， 然后英伟达发
现 OpenAI 可以投之外别的人可以投啊 ， 或者说 OpenAI 发现哦那我这个方式可以玩完之后， 那我跟你英伟达承诺了十个数据中心 ， 那我可能要建二十个 ， 那另外十个我找谁呢 ？
我找 AMD，AMD 你不是要跟英伟达去竞争吗 ？ 现在你 AMD 已在数据中心已经被英伟达打得体无完肤了 。
落花流水 。
落花流水你要不要这订单 ？ 你肯定要的吧 ， 那你总要给我点好处的吧 。
你要便宜点吧 。
对吧 ， 便宜点都是简单 ， 你要给我股份吧 。
要股份 ， 好嘞 。
承诺 ，10% 股份给你 ， 我再给你六个数据中心 ， 还有四个数据中心呢 ， 博通也在啊 ， 承诺给你 ， 然后你再给我投资 ， 然后我们互相这个圈就越拉越大了 ， 然后你们发现这个圈被拉上了所有人， 微软也进来了 ， 所有芯片公司都进来了 ， 然后所有云公司也都进来了 ， 然后你发现这个圈就很像一个表情包 ， 就是它像你把十个插排连在了一起 ，但它没有电
。
一个大串联 。
但它没有电 ， 就是插排插在了插排屁股上 。
插排插插排 ， 对对对 。
但它没有那个源头 。
对 ， 它没有一个插排接到了墙插上 。
这是最核心的问题 ， 所以大家在这个玩完之后， 大家突然间意识到 ， 所以为什么 Oracle 就是 Oracle 第一次接到这个 3000 亿订单的时候 ， 当天晚上涨 40%， 当天一家几百亿几千亿美金的公司一晚上涨 40%， 然后创始人当天晚上几个小时成为世界首富 ， 当然就几个小时 。
几个小时 。
然后这件事情只过了一个月之后， 它当天涨的那 40% 已经全部都跌回来了 ，因为为什么 ？ 因为大家发现这个账算不过来 ， 就是你接了个 3000 亿的单子五年， 一年 600 亿收入 ，但今天你算上你要建数据中心的成本 ， 运营的成本 ， 你可能产生的收入 ， 你发现连这个钱还不上 。
是 。
那这个圈不就出现了问题吗 ？ 就这个钱是从哪来 ， 这件事情是最核心的问题 。 当然大家希望中理想状态是说真的这个业务真的跑得非常大 ，有产生巨大的收入来把这个圈滚起来 ， 可是现在看上去大家对这个收入的预期不会那么激进 ， 那这个窟窿不就出现了吗 ？
那窟窿出现又因为有债 ， 债又引发会连锁的 ， 就跟次一代跟房地产乱七八糟一样 ， 债这个问题是很麻烦的 ， 股价其实还好 ， 你跌就跌嘛 ，但债是硬性的 ， 你是要还的 。
是 。
那大家就开始担心这个事情会不会引发当年互联网的泡沫 ， 或者说像次一代的泡沫一样的东西出现了 ，而且这个钱不是小钱呀 ， 这个钱已经大到什么程度 ， 你可想而知 ， 今天这个时间点 OpenAI 这家公司 ， 我觉得 OpenAI 的 Sam 太强了 ， 就是这个人真的太强了 。
有个大心脏 。
哇 ， 这个心脏太大了 ， 你要知道他在 24 年 2 月份 ， 今天是 25 年底啊 ，他在 24 年 2 月份 OpenAI 大概只有 20 亿美金收入的时候 ，他说我要做这个事情需要的钱 7 万亿美金 ， 七个 T， 七个 trillion。
OK。
然后你现在看上去 ， 就当时所有人都觉得他疯了嘛 。
7 万亿美金可能很多国家都可以买 。
你看要跟 GDP 做对比的吧 ， 你看已经去比人类的极限了 ，7 万亿美金 ， 然后到今天你发现他现在在 OpenAI 已经超级大了 ，OpenAI 可能已经 8 亿的周活 ， 今年可能 200 亿美金收入 ，但是还没有很大 ，但是今天你发现他对外承诺 ， 刚才我们说像那种承诺 ， 已经承诺出去 1.4 万亿了 。
哎呦 。
承诺就是我跟你无论是五年的什么云厂商订单 ， 还是建什么数据中心 ， 还是什么 ， 承诺出去的已经 1.4 万亿美金了 ， 然后大家就 。
什么叫富贵险中求啊 。
预期 ， 我们把预期打满 ， 今年 25 年底 ， 我们打五年， 十五年规划 ， 五年， 打到 2030 年， 他算过 ， 很多都算过 ，他 2030 年他大概一年牛逼 ， 极限能一年收入 2000 亿美金 ， 可是 2000 亿美金是收入啊 ，他成本还要 ，他在 29 年之前是不可能盈利的 ，也就是说他光自身业务烧钱 ， 可能还要再烧 1000 亿 ， 然后他已经承诺出去 1 万亿 ， 这个钱是怎么算都不会算得回
来的 。
这不就黎叔说的 ， 你现在月薪 3000， 你跟人说我 。
未来 8 万 。
对 ， 月薪 5 万 ， 然后买个 800 万的房子 ， 就是这不就这么事吗 ？ 就他说的有道理吗 ？
数量级上可能有差别 ，但逻辑就是这个逻辑 。
逻辑是这个逻辑吗 ？
就是你想这个链条 ， 用户 ， 然后应用 ， 然后模型 ， 模型跑在云上， 云找很多代建公司建数据中心 ， 数据中心里面是卡 ， 就这个逻辑对吧 ？
你发现这个链条上现在最挣钱的是那个最后面那个卖卡的人 ，因为他捞饱收嘛 ， 卖铲子的人嘛 。
这也是黎叔说的吗 ？
对 。
就是这个行业最后是你挖金矿卖铲子的人赚最多钱 ， 这是合理吗 ？
而且你要想他多赚钱啊 ， 就英伟达现在的状态是什么 ， 就是首先有无数的表情包 ， 就是英伟达扛起是人类的世界的经济 ， 就是英伟达每个季度财报发的时候 ， 就是所有人都要关注 ， 就是之前有张图叫 All Eyes On Huang， 就是老黄 ， 英伟达是个什么概念今天 ， 英伟达今天巅峰到过 5 万亿美金市值 ， 人类历史第一次到 5 万亿美金市值 。
远远把什么苹果什么算得好 。
苹果现在四点几吧 ， 然后后面是微软 ，Google，23 万亿 ， 然后英伟达一个季度 ， 这个上季度 600 多亿美金收入 ， 这 600 多亿美金收入听起来还好 ，因为你像 Google 可能一个季度 1000 亿美金了 ，但英伟达牛逼是英伟达的毛利 ， 毛利 。
毛利率高 。
70% 几 ， 哇靠 ，70% 几毛利什么概念 ， 就是你就是印钞机啊 。
对 ， 就是印钞机 。
你就是印钞机 ，而且这是因为你要知道大家知道 。
所以老黄这些卡成本没有那么高 。
你想买你 70% 几的毛利 。
疯了这个事 。
而且他 70% 几的毛利是因为 ， 就是英伟达现在核心的两块业务 ， 一块是咱们最属于原来卖游戏显卡 ， 一块是数据中心 ， 就是卖那个大的那个卡跟那个网络连接设备 ， 现在那个数据中心已经占 80% 多了吧 ， 游戏已经占得很少了 ，但游戏那部分卡的毛利其实没有那么高 。
游戏卡反而没那么高 。
对 ， 所以他的毛利是被游戏卡拉起来的 ， 如果不算那个游戏 。
不做游戏 。
那个我天呐 。
这世界没有你们这些臭打游戏的可能更好是这意思吗 ？
就是 70% 几的毛利 ， 你想他就是他一个季度六七百亿美金收入 ， 利润两三百亿美金 ， 然后他账上趴着一千多亿美金现金 ， 如果反过来你想你是老黄 ， 你除了每天去想你的供应链 ， 你的技术研发 ， 你账上趴那么多钱 ， 你不能让他放着呀 ， 你肯定得糟起来呀 ， 对吧 ， 你不能让他躺着呀 。
对 ， 你光买皮衣能买多少件 。
所以他为什么要投呢 ？ 他为什么要去对外散这些钱 ？ 就是从他的逻辑或者从英伟达的角度来讲 ，他做这件事情是对的 ，他就应该这么干 ，因为对他来讲这利益最大化 。
对 。
所以他本身的决策没有任何问题 。
没有任何问题 。
对 ， 然后大家就这个圈就因为这种对他来讲没有任何问题的流动性的注入 ， 越滚越大 ， 滚到一个无可复加状态 ， 然后你发现这个就新闻在写这些事情的时候 ， 人类的那个对于数量级的那个单词的那个变化已经出现了巨大的变化 ， 就是你像咱们学英语对吧 ， 最小 sudden 1000，30 加一个嘛 ，million 是 100 万 ， 再加 30 是 billion，10 亿美金 ， 再加叫 trillion，1 万亿美金 ，
后面那个单词很多人都不知道 。
对 ，不知道 。
没学过 。
没学过 ， 没学过 。
大学可能没教过 。
Trillion 大家都说得少 。
对 ， 都少 ，trillion 都少 ，billion 已经很大了 ，10 亿美金已经很大了 ， 加 30 叫 trillion， 再加 30，1000 万亿美金 。
1000 万亿 。
10 的 15 次方 ， 叫 cogeni。
Cogeni，OK。
在存储领域有个缩写叫 PB， 就大家更熟一点 。 前两天我听谁啊 ， 听哪个播客 ， 就仲晴讲元宇宙的时候 ，他讲过一个数据 ，PB 什么概念 ， 当元宇宙的时候不是大家要说把人类这个虚拟世界建立起来吗 ？
对 。
有一款游戏是差不多建立起来的 ， 就是微软那个模拟飞行吗 ？ 就是他其实真的把地球的那个都弄了吗 ？
对 。
模拟飞行的这个游戏全部的数据量 2.5 个 PB， 就是我们已经用这种数量词来讲钱了 ， 就像刚才说的 ， 人类 2026 年可能全世界的 GDP 加一起不过才 100 多个 T 吧 ，trillion。
你想我们在聊什么 ， 我们在聊人类的 GDP， 跟把人类的所有的数据打包在一起的量级是那样一个数量级 ，但是今天这个事情 ， 这个循环 ， 这个圈设计的钱的数量级已经到这个程度了 ， 就是它不是简单的说几家公司的事情了 。
它整个人类的事情 。
它之前不是有个说英文的经常说法叫 too big to fail， 就太大不足以失败了 ， 就 big 今天已经不够来形容这件事情了 。
你说 big 你就格局小了 。
太小了 。AI 就是 market 本身 ， 就是甚至 AI 也是 government 加 market 加所有 ， 所以那你当这个事情滚到这个程度的情况下， 确实你很多语言都变得苍白了 ， 你很多衡量方式 ， 什么计算的方式就没意义了 ， 你说那个没有用了 。
当然更现实的 ， 比如说我们再聊一些更 detail 的事情 ， 比如刚才你前面的音乐 ， 音乐这件事情也很有意思 ，因为我们自己也有音乐模型的业务 ， 然后 AI 音乐这件事情确实今天这个时间已经发展到什么程度 ， 就是你真的可以在很大程度上满足无数人的纯个性化需求 ， 就你真的 ， 你比如就在那里 ， 比如大家如果听播客听郑挺巴巴 ， 郑挺巴
巴每期的结尾音乐是大盆他们的主播每天用豆包写出来的 ， 一周写 100 首 ， 你今天聊省钱 ， 明天聊旅游 ， 后天聊什么 ， 就是完全 totally 匹配你今天的话题 ， 没有任何问题 ，而且你听的也不突兀 。
也并没有那么刺耳了 。
对啊 ， 然后这个现实的这个东西就硬生生的附在了你的生活的这个状态里 。
对 ， 就这个事已经势不可挡了 。
没有告诉过你 。
大家会有很多的讨论或者说质疑关于 AI 用这些有版权的音乐来去做学习的资料 ， 对吧 ，他们学完之后就这个事情有没有一些版权的问题 ， 我觉得是了 ， 这个事咱们这么讲当然没问题 ， 包含很多这个比如说好莱坞的编剧 ，他们也在讨论这个事情 ， 对吧 ， 你不能让我写完之后你拿 AI 去训练它 。
我们变成原料了 。
对 ， 我不就是生产资料吗 ， 那这事可怎么办 ， 我觉得事情这种讨论当然是有价值 ，但是实际情况我说得很悲观的话 ，有点螳臂挡车的意思 ， 就是你其实挡不住 ， 就他真这么干了 ，而且事实层面他已经这么干很长时间了 ， 法律诉讼这个事情其实他相对滞后的吧 ， 你从实际意义上来说是很难去阻止他的 ，而且即便现在阻止 ，在我看来已经
为时已晚了 ， 你说 AI 学音乐这个事情 ，他已经学差不多了 ，其实说白了 。
最近那个 Suno 就是最好的那个 AI 音乐生成工具 ，不是跟那个最大那个音乐公司签了一个 。
华纳签了 。
签了一个类似和解的东西 ， 然后之前那个 。
臭不要脸 ， 那是 ， 我为我的前东家感到羞耻 ，但是我挡不住 。
没办法 ， 真的没办法 ， 我们不说那个艺术层面的那个事情了 ， 就纯应用 ， 就是或者说我们叫把音乐在很多场景中的使用这件事情单拉来看 ，在这个事情上确实已经 OK 了 ， 就今天如果为了一个什么样的场景 ， 或者为了一件什么事情需要一段类似 BGM 的东西的存在的话 ， 那似乎已经 。
已经可以了 。
已经 OK 了 ，而且不需要特别复杂的前置工作 。
对 ， 且我之前看到好像是说 Spotify 现在已经有大量的 AI 音乐 。
前两天那个美国某一个 ， 当然不是最大那几个搒 ， 某一个搒的第一名是一个 AI 音乐 ，也引发了很多的探讨 ，但是这种东西真的你真的是挡不住 ， 又能怎么样呢 ， 又能怎么样呢 。
就其实很无力的 ，但话说回来我还是的观点 ， 就是这个事对于最顶尖的创作者来说是没有什么太大影响 ， 或者说有影响并没有那么严重 ，但是对于绝大多数的就是所谓资质普通的 ， 甚至资质中上的创作者和艺术家来说 ， 这是一个毁灭性的事情 。
你像前两天那个尹旭峰最新的一期视频不也讲这个事情吗 ，他给一个云南那边可能脑子有点病的一个乐队的做一个 MV 嘛 ， 然后他就说你想他这个事情已经跨越了两三年时间 ， 过程中就是 AI 视频的疯狂的发展 ， 然后他就说几年之前用是什么样的 ， 今天用了差不多的提示词 ， 简单的方式生成这样 ，他有个画面特别震撼 ， 就是现在生成一个电脑的
这个背景图 ，他说如果是这样的 ， 就哐哐屏幕上有五六十个生成 ， 那如果是这样的 ， 你总能挑出一个 。
还可以的吧 。
差不多的嘛 ，而且生成这几十个并不需要付出过多的成本 ， 当然它最后一定还会落到人的经验 、 经历 、 情感这个层面上 ，但是纯操作技术层真的已经我觉得已经很无力了 。
争霸1:09:00
是 ， 那接下来有一个比较敏感的话题 ， 就是我之前看到我一个观点说这个 AI 这个事情现在基本上就是中美在对决 ， 对吧 ， 当然有更多的一些看法是说中美其实现在还没有那么明朗 ， 当然也有一些比较刺耳的说法说别闹了 ， 中国怎么跟美国比什么之类的 ， 当然还有更多的人会说这个就是非常所谓的大国的傲慢 ， 大国的傲慢 ， 这事没有那么
简单 ， 人家其他一些小国做的也挺牛逼的什么这那的 ，但是我其实持怀疑态度 ， 就这个事第一咱们中美的 AI 这个对比本身它是不是一个傲慢的对比 ，以及现在到底是发展到什么程度了双方 。
首先不太傲慢 。
不太傲慢 。
确实如此 ，因为就这个的叙事 ， 你就像刚才我们前面讲的那么多 ，他设计的东西已经大到这种程度的时候 ， 确实变成了他可能是大国的才有资格去谈论这件事情 ，因为他设计的事情已经不单纯只是纯技术研发的事情 ，他涉及到能源 。
对 ， 涉及到 。
你有电 ， 涉及到数据 ， 涉及到 。
说到电这个事情 ，其实很多人是没法理解的 ，在中国生活的很多人， 你会觉得说这个玩意儿电不是大家都有吗 ，但其实不是 ， 就是中国的电力是非常非常丰富的 。
非常丰富且便宜的 。
且便宜的 ，其实我记得很早年间贺瑜有一次去加德满都还是什么之类的 ， 就回来跟我说这是他妈的血淋淋的爱国主义教育 ， 你知道吗 ， 就是他作为一个那种铁血自由派 ， 你想 。
被教育了 。
对 ， 去了之后说哇操什么玩意儿 ， 就是基础建设之差 ，他说你可以想象在一个这种大城市 ， 就是当地的大城市里头 ， 一个礼拜停三天电 ， 一个礼拜停三天电 ， 所以你要充电 ， 你要想办法提前去处理 ， 你要去计划跟安排 ， 这事在我们这儿其实是没法想象的 。
不好想象 。
对 ， 我们这儿停电他妈卧槽那真的是物业电话打爆你知道吗 ， 说你他妈为什么停我电 ， 你疯了吗你 。
就多讲一句 ， 你像就我们前面讲到今天这个时间点 ， 所有的人， 所有的科技巨头们在建的叫数据中心 ， 怎么去形容一个数据中心的大小 ， 今天形容数据中心大小的单位是电的单位 ， 原来瓦是电的公立单位吗 ， 原来一个不错的数据中心可能是几百兆瓦这个体量 ， 然后今天因为所有人都要上强度吗 ， 变成 G 瓦 ， 就是 GW，G 瓦 ，G 瓦什么概念 ， 深圳这个体
量的城市 10 到 15 G 瓦 。
真的吗 ， 然后整个城市 。
对 ， 一整个城市 ， 然后今天这个时间点世界上最大的数据中心在建的数据中心 2.7 个 G 瓦 ， 它有多大呢 ，Meta 在建的 ， 大概是整个纽约曼哈顿岛的三分之二那么大 ， 就你想想它有多么的庞大 ， 然后你要想这么大的电量出现一个问题是说 ， 首先美国的电网不像中国这么发达 ， 它的电网很多 ， 尤其很多偏远的地方就很老化或者是没法供应 ， 你要想供
应这个量级的电网 ， 首先你要跟当地的电力公司提前做好储备 ， 当地电力公司甚至要新开设备 ， 同时你发现因为美国的电力系统又不像中国是一个国有的 ， 它是很多私人的吗 ， 逼着这些厂商没办法 ， 自己要在自己的数据中心旁边建自建的电站 ， 然后这里面又涉及了问题 ， 什么样的电站 ， 火力的还是太阳能的 ， 水力的还是核能的 ， 所以你发现
美国最头部的科技公司在过去几年疯狂的在投核动力的电站的基础设施公司 ， 就他们要自己建小型核反应堆的核电站在它的数据中心旁边 ，因为你想那数据中心是什么概念 ， 它不是家用电 ， 数据中心就是比如说买英伟达的卡一张几万美金 ， 它可能要 10 万张卡连在一起 ， 你想它一张卡就跟一个正常办公桌那么大 ，10 万张卡连在一起得多大 ， 用这
么多电 ， 除了电力供应 ， 它要自己要有一个类似提供稳定能源的 24 小时不要间断的这个电力的 ， 它可能要自己建一个储备的电力中心 ， 然后这不算完 ， 还要冷却 ， 它要冷却 ， 它不能让它过度过高 ， 冷却要用水 ， 你可想而知这个事情有多么的复杂 ， 然后这还不算 ， 你想光这个楼盖起来就得多复杂 ， 它有快他妈 60% 个曼哈顿好那么大的一个东西
， 你想想吧 ， 它有多复杂 ， 它得有多大的工期 ， 多大的调度乱七八糟 ， 然后美国的基建又是那个鸟样子 ， 对吧 ， 你说这种东西 ， 当然你像可能除了中美之外并不需要 G 瓦这个等级的数据中心 ，但几百兆瓦的这个数据中心也是一个挺大的体量 ， 所以哪怕一些小的国家也需要这个体量 ， 你像其实很多今天这个时间点的很多主权国家 ， 尤其是偏中小
国都在强调说也要建数据中心 ，他们的这个数量级就是兆瓦 ， 几百兆瓦 ，但即便是这样也很疯狂 。
印度不是说也要搞这个玩意儿 。
对 ，也要搞 GW 是什么概念 ， 就是一 G 瓦的数据中心的建设加开工成本是 500 亿美金 ， 就一 GW 等于 500 亿美金 ， 你就这个公式你算出来 ，500 亿美金里面 40% 是卡 ， 百分十几是网络传输设备 ， 它跟传一台机器很像 ， 当然现在传机器就是大部分钱是买卡买那个 GPU 了吗 ，但同时你也要有内存吧 ， 你要有 CPU 吧 。
你要主板 。
你要有主板吧 。
电源风扇 。
你要有电源风扇 ， 所有东西都要有的 ， 这里面咣咣咣成本列出来 ， 最后一个成本叫 1% 的成本叫存储 ， 就你要有硬盘跟内存吧 ，因为数据中心就 AI 这波叙事的暴涨 ， 世界范围内存储是垄断的 ， 就那几家公司能做 ， 存储这个芯片是 。
什么三星 。
三星 SK 海力士 ， 什么美光 ， 这公司 26 年的订单已经全部卖完了 ，26 年订单已经全部卖完了 ， 今天早上写新闻 ， 美光已经不做消费者业务了 ， 就那个业务部门砍掉不做了 ， 全力做 AI 数据中心业务 ， 就是你就觉得谁能想到我们连硬盘跟内存都不够了 。
对 ， 就这个事情的发展到这个程度 。
你想前两天小米不是发那个红米手机吗 ， 红米 K90 就是今年 11 月发的吗 。
对 ， 我去做那个 。
对 ， 就是你做那个是吧 。 当天晚上定价不是出来之后不就被骂了吗 。
为什么 。
定高了 ，因为红米的 。
20 多块钱还高 。
你红米的 ， 红米的用户是性价比用户吗 ， 大家会认为定高了 ， 隔一天早上 9 点雷总特意发的微博 ， 说解释一下， 当然发微博是说我们给 300 块钱优惠券 ，但同时他解释了一句是说最近内存涨价太疯了 ， 为什么 ，因为就都被数据中心买走了 。
原来是这个原因 。
明年的手机一定会变更贵 ， 一定 。
这也是我看那个王泽如不是说过这话 。
对 ， 就是这个原因 。
他不是说那个大家如果能买的话 ， 今天买什么比如说 iPhone 17 Pro。
就最好的 。
就最好的 ， 然后之后它会性价比肯定没有那么高了 ， 或者说会把它垫了 。
对 ，因为最好的都被那数据买走了 ， 只能杀到比较差的 ， 然后涨价疯狂涨价 ， 现在内存如黄金一般 ， 就是大家真的疯了 。
黄金内存从苹果一展出来 。
就大家真的疯了 ， 就是谁能曾想到这个事情大到我们人类连 。
硬盘存储都不够用 。
都不够了 ， 它已经到这个程度了 ， 就多么的 ， 当然反过来讲这个事情可能引发了真的是特别多关于人类极限的问题的探讨 ， 所以就引发了跟中美对抗的这个 ， 那你想这些事情真的不是小国搞得定的事 ， 所以为什么前两天老黄要去韩国呢 ，他为什么要建 SK 呢 ， 要建三星呢 。
那要搞定存储 。
他甚至说 GPU 也是有显存的 ，他也用 ，他甚至会说 。
那个也不是他自己生的 。
对 ，他甚至在说在跟客户们强调在尝试说未来我能不能只把我的这个模块给你 ， 你的显存自己买 。
已经讨论这个事了 。
对 ， 就是世界已经我们真的不知不觉的走到了很多事情的人类的极限里面 。
是 。
那你想这种事情 ， 然后还有一个角度 ， 我觉得这个角度是更直接的角度 ， 就大家会说这一轮的 AI 的叙事其实就两个叙事加在一起 ， 一个是犹太人的金融 ， 就是整个美国的这个资本市场的叙事 ， 加华人的工程师 ，其实哪怕是在美国最头部那些公司里面 ， 可能现在有一半以上的员工都是华人。
真的吗 。
而且之前看到其实都不是开玩笑 ， 说 Meta 内部新的成立的 AI 部门内部开会的第一方语言是中文 。
真的吗 。
就是几乎全部都是 。
中国人。
然后这个也有意思 ， 就是之前我们不是说美国这四家在主流上没有 Meta 吗 ， 没有 Facebook，Facebook 原来 。
没有提到它 。
对 ， 然后 Facebook 小扎就因为你想小扎还是老板 ， 就是小扎是为数不多科技巨头老板还在任在干活的吗 ， 所以他就说这不行 ， 我要他妈弄 ， 怎么弄呢 ， 除了每年这几家科技巨头投几百亿美金几千亿美金建数据中心之外 ，他发现你想他每年在我们叫 KPI 资本支出上是几百到一千亿美金这个体量 ， 每家都是 ，他发现这个钱反过来讲我去挖
人的话 ， 我把整个维吾挖空了 ， 我也不需要花这么多钱 ， 所以他就用了一个策略就是说我疯狂去挖那几家最头部公司的研究员 ， 到什么程度 ， 这个比喻也很有意思 ， 巅峰的 C 罗从曼联转会皇马的转会费 9000 多万欧元 ，1 亿美金多吧 ， 今天世界上最头部的这些 AI 的工程师研究员的转会费也是这个价 。
真的吗 。
转会费 。
天哪 ， 这只是转会费 。
工资另算的 。
哇靠 。
就是 Meta 就疯狂的挖这些人。
等于说 Meta 挖了一堆 C 罗 ， 一堆梅西这种 。
就每个人 1 亿美金 。
来吧 。
当然有些人不愿意来 ，有些人愿意来 ， 几十个人挖完 ， 几十亿美金花完 ，他觉得 OK， 那就再做 ， 就到这个程度 ， 你想就这种程度你怎么搞 ， 这个钱的数量级已经超过了很多人的脑容量的判断了 ， 所以你在这种事情你除了中美跟比如沙特这种地方能搞 ， 你其他地方怎么办 。
沙特能搞 。
沙特有油 。
真有钱 。
他有钱 。
真有钱 。
对 ，而且中美也在走不同的路 ， 美国就是刚才我们说这套路 ， 钱 ， 数据中心 ， 训练 ， 卡 ， 弄 ， 中国另外一条路 ， 中国或者说开源模型 ， 我们可能我觉得这可能跟中国美国现在的状态也相关 ， 就是美国你基本上在美国事情问题特别多 ， 乱七八糟的事情 ， 经济的问题 ， 通胀的问题 ， 特朗普的问题 ， 乱七八糟 。
然后种族的问题 。
对 ， 反正就愈演愈烈了 ， 就 AI 这件事情看上去是唯一的正向的抓手 ， 虽然这个词不太好 ，但是它就是如果这个事情也不成 ， 那不就完了吗 。
美国就完了 。
对 ， 这是它最不能放掉的 。
现在我们也必须承认美国在 AI 这个部分确实是更领先的 ， 所以这个东西它是绝对不能放手的 。
所以反过来讲 ， 你像那些这些头部公司的议员去国会讲的所有都是我们要保证就美国在 AI 领域的这个 。
绝对领先 。
绝对领先的地位 ， 所有讲的都是故事 ， 你看这两天老黄去游说那个美国政府也是讲的 ，他希望芯片的这个法案改革来继续保证美国 AI 的领域的领先 ， 就这个叙事是它的核心叙事 ，而且你想美国人是百分之几十的人都是有美股账户的 ， 那美股可能过去几年百分之 50 以上的增长是由这几家 AI 科技巨头 。
拖着的 。
全都绑在这上面了 ， 对吧 ， 你抛开这几家科技巨头可能那些公司都不怎么涨的 ， 就标普 500 抛掉前七个七姐妹 ， 剩下公司可能就平了 ， 这七姐妹就疯狂的涨 ， 就所有的你可以养老基金 ， 美国人养老的钱 ， 社保基金 ， 社保的钱 ， 对吧 ， 然后美国人个人的账户其实都绑在这个事情上了 ， 就大家都是绑在一起的 。
所以 AI 其实是他们的救命稻草 。
就唯一甚至是唯一的 。
唯一的 。
没有别的叙事了 ， 没有了 ， 那它怎么可能允许这个事情出问题呢 。
对 ， 大而不倒 。
前两天我一朋友说炒美股 ， 然后我说这是什么 ，他说我们在期待特朗普拉盘 ， 我说自由民主的美利坚为什么他妈变成了这个样子 ， 你们在期待的是国家领导人拉盘 ， 这个故事不是这样的 ， 对吧 ，但现实就是这样 ， 你想底层逻辑就是这样 ， 它不可能让这个事情崩掉 ， 没有任何的人允许这件事情崩掉 ，但我们这边好处是说我们除了 AI 叙事还有
别的 ， 我们有很多别的叙事 。
我们有大国崛起 。
对 ， 先进制造 ， 电动车 ， 很多其他的巨身 ， 对吧 ， 这个机器人。
机器人， 对 。
我们有很多别的叙事 ，而且这套 。
美国没有机器人了吗 。
美国机器人就这一波巨身落后中国一代 。
美国 ， 真的吗 。
巨身这一波 ，因为我们无论是政策还是各种各样的支持还是这些厂商的能力确实更强 ， 巨身这一波 ， 那为什么 ，是因为上一轮叫电动车 ， 很多东西是可以复用的 ， 零件供应链乱七八糟 ， 技术底层的什么控制乱七八糟 。
对 ， 包括什么视觉识别什么这那的 ， 对 。
所以都是连在一起的 ， 然后电动车又跟电相关 ， 就是你看所有事情全部都连 ， 那你可想而知这个事情的复杂程度跟涉及到的链条跟资源乱七八糟的事情 ， 它就不是一个小事情了 ， 它涉及的东西真的太多了 ， 所以从这个角度来讲 。
但美国不是也有那个虚拟货币的事吗 。
那就是 。
加密货币这事 。
那就更大的一个泡泡 ， 那个泡泡本身来讲它更多是一个金融叙事 ，而且这个金融叙事可能跟 AI 也绑在一起了 ， 举个很简单的例子 ， 你看我们还是讲这个刚才我们无数次提起的这个数据中心这个概念 ， 就大机房 ， 对吧 ， 你想大机房几万张卡绑在一起 ， 它需要一个地方是说最好那个电价比较便宜 ， 最好智能有天然的设施 ， 比如要么是温度比较
低 ， 要么是当地就有水源资源 。
它建到南极北极去不好吗 。
然后它要保证这个卡的计算的强度跟崩溃之间的平衡性 ， 它要尽可能挖掘它能 ，但又不能保证它坏 。
对 。
然后你一听这个事情好像这个事情之前有人干过 ， 就是那帮挖矿的 。
对 。
他们不就干的这事吗 。
是 。
所以出现了一个事情 ， 这个事情很有意思 ， 我们刚才讲这个行业是这样的 ， 用户用产品 ， 产品跑在模型上， 模型跑在云上， 云的物理设施是数据中心 ， 然后美国最大那几家云厂商是最大的 ， 所以他们相当于是提供很多服务 ， 你像 AWS， 它叫 AWS， 它叫 Web Service， 它很多服务 ，但这一轮我们要数据中心就是要卡 ， 你不用给我提供那个 ， 我就是要卡 ， 那你发现云
时代的问题在于云的核心的技术架构叫虚拟化 ， 虚拟化什么意思 ， 我不需要一个独立的主机 ， 我相当于一个主机拆成一千个客户 ，因为我播风波谷 ， 我其实可以卖给一千个人， 这是云的最核心的商业模式 ， 所以最大那家云厂商是不太适合做 ， 比如今天我就要租一张卡 ， 你别给我乱七八糟那些东西 ， 我就要租一张卡或者一千张卡 ， 你要
保证一千张卡是 。
完全属于我的 。
属于我的 ，不会被别人用掉 ，不会有什么播风波谷 ， 然后 。
就我波谷这事我自己担的 。
对 ， 电 、 存储 、 网络传输 、 冷却全部搞定 ， 我要这个东西 ， 那就有人要提供这个事情 ， 那不是正好这些帮挖矿的 ， 所以这帮挖矿的公司随着矿不行了 ， 全部转型 ， 今天叫 New Cloud。
新云 。
他们干什么 ， 就是租卡 ， 你看就是租卡 ， 我不给你搞那些什么乱七八糟这那 ， 我就租卡 ， 然后或者说再往前一步 ， 你不要建数据中心吗 ， 得有人给你建吧 ， 我来建 ， 我帮你建 ， 我知道 ， 我太熟了 ，在哪建 ， 搞多大 ， 什么冷却电源 ， 我都门清 ， 我来帮你建 ， 然后建完了我可以托管 ， 对吧 ， 再不济我可以有一套解决方案 ，但最最最基
础的我可以租卡吗 ， 这是他们商业模式 ，而且他们做到什么程度 ， 你想美国的云行业最大的三家 AWS、Google 加微软加一起可能占市场版 60 到 70， 基本上垄断了 ，但是逼着这些公司 ， 这几家最大的云公司也要跟这些 New Cloud 签协议说你也要给我们提供服务 ， 就相当于这波是一波百货公司 ， 那个是专卖店 ，但是现在专卖店的需求太旺盛了 ， 逼着百货公司必须跟专卖店也
签合同 ， 你像微软跟一个原来做矿场的 ， 签了个 100 多亿美金 ， 就是它也要用他们的服务 ，因为他们确实在这个事情太强了 ， 你想为什么他们强 ，因为那波挖矿的人 ，他们内部衡量指标就变成了比如说我投入多少基础设施 ， 用多少电能挖出来多少矿 ， 或者多少币 。
这些币能值多少钱 。
这个币值多少钱 ， 它那个成本是已经抠到他妈的小数点后不到几位的里面了 。
这是一个经过精密计算的 。
就是它那个成本也是基于了电 、 冷却 、 机器的运算效率 、 崩坏率 ， 然后显卡的什么损耗 ， 它已经是一个完整的计算公式了 ， 已经就是武装到牙齿了 ， 你跟人家比成本效率是比不过的 ，但今天你像原来可能是千卡集群 ， 你像一张 3 万美金 ， 一千张卡 3000 万美金 ， 光一年成本 ， 你担不起这个责任的 ， 你还是得有专人来干这个事情 ，
那现在都是 10 万卡集群了 ，10 万卡集群 ， 光硬件设备都他妈几十亿美金了 ， 这事就不是一般人干的 ， 所以这帮 New Cloud 的公司就疯狂弄 ，但他们的问题也出现了 ，他们也没钱 ，他们也得去借钱 。他们也得买卡换卡 。他们也
得买 。
所以这一波所谓泡沫或者所谓股价讨论跌得比较厉害的 ， 就是这波叫 New Cloud 的公司 ，他们杠杆非常高 ，他们资产发表基本没法看 ，他每个月每年收入可能都不够付利息的 ，但是他没办法 ， 就需求旺他又跌 ，但反过来你想这帮人是干什么 ， 这帮人是挖矿的 ， 你跟一帮挖矿的人说你杠杆太高了 ， 别闹了好吗 ， 就哥玩的是啥 ， 哥当年玩的是啥
， 你跟我扯这个古典金融这点杠杆算什么 ， 然后这里面还有一家公司我觉得很有意思 ，也很有那家公司也是一个叫 New Cloud 代表公司叫 Nebius， 它是一家荷兰的公司 ，在荷兰阿姆斯特丹 ， 你像我们刚才谈论泡沫 ， 谈论杠杆 ， 谈论问题 ， 我们去衡量 ，但是你要从这个公司的角度来看这个问题就不一样了 ， 刚才说挖矿是一波 ， 你像挖矿这些公司很多高管都是金融出身
的 ，因为他们原来肯定是干这个才能干这个的 ， 你跟这帮人讲杠杆没有意义 ， 就是人不在乎 ， 然后 Nebius 更有意思 ， 这家公司是什么呢 ， 就是 Nebius 的前身叫 Yandex，Yandex 是俄罗斯最大的搜索引擎公司 ， 就是俄罗斯的 Google， 它不在美国上市吗 ， 然后俄乌战争不是出现了吗 ， 它就被制裁了 ， 这公司就不能做下去了 ，Yandex 你可以就是俄罗斯最有名的互联网公司 ， 这几千号
或者几万号兄弟们就养家糊口吗 ， 只能就是分散各地了 ， 去欧洲 ， 去东南亚 ， 去亚洲 。
就散了 。
就散了 ， 打工找工作 ， 然后这个 Yandex 这个 CEO 特别牛逼 ， 当时他就说不行 ， 我不能放下这帮兄弟 ，他就在荷兰阿姆斯特丹重新召集大概一千多号 Yandex 原来核心公司成立的 Nebius 这家公司 ， 就做这个业务 ， 然后你想嘛 ， 就过去几年这家公司他们经历了什么 ，他们的工作状态是什么样 ，他们内心的想法是什么 ，他们每天的上班的积雪程度是什么样的 ， 然后你
今天站在旁边说你们的杠杆太高了 ， 你们不能以这种方式来做 ， 别闹了 ， 别去跟这些人说这样的事情 ， 人家今天有一个天大的老天给的一个巨大的机会给到你 ， 你怎么可能不抓住 ， 你怎么可能这个 Nebius 的 CEO 说我为了那一千多号兄弟我也得把这个事情拉起来 ， 哪怕杠杆再高 ， 哪怕我最后被证明是那个点燃泡沫那个导火索 ， 我也在所不惜
， 一定要弄起来 ， 所以那从这个角度来说无可厚非 ， 人家他妈就应该干这个事情 。
对 ， 所以挖矿的这帮兄弟们 ， 就矿这个事现在已经不太好使了是吧 。
因为现在正好赶上比特币不是四年周期吗 ， 明年正好是第四年往下掉的时候 ，因为现在比特币跌到 8 万多了吧 。
8 万多美金 ， 对 。
巅峰 12 万 ， 已经跌了三分之一了 ， 几个月 ， 一个月不到 。
那我暂时先别卖是吧 。
明天缓过来再好 。
我记得前两天我还看到一个评论 ， 对我说一下特别好玩 ， 很早年有一期节目我跟米弟 ， 咱说啥来着 ， 当时我们说我看评论我其实不太记得 ， 大概意思就是说你看在这个节目当中他俩竟然还为比特币已经涨到了 5 万美金 ， 然后就开始说这疯了吧 ， 这不是 ， 大概意思就是说这个节目其实也就那么回事 ， 你们也不是很懂 ，但是这位同
学我想跟你说是哥们有 ， 哥们有 ， 我前两天查了查一点几个 ， 哥们有 ， 你有吗 ， 你有没有 ， 对不对 ， 你别跟我这吹牛逼 ， 对 ， 我现在还没卖 。
链上统计过就是超过一个比特币的用户的账户应该是一个不是那么大的量级 。
当然不大 ， 对 ， 可以了 ， 哥们行 ， 我就先放着 ， 等一等 ， 等一等。
留给这个就是养老用都可以 。
养老用都可以 ， 对 。
不要着急 ， 没必要 。
OK， 好 ， 那美国大概是这样 ， 那中国呢 。
中国的现状就是说首先纯模型本身来讲 ， 刚才我们讲中国最头部的开源模型跟美国厂商的差距大概只有 3 到 6 个月 ， 所以基本上是可用的 ， 又因为开源然后赋能 ， 包括可能过去十几年中国移动上发展 ， 中国的整个行业对于 AI 应用的拓展会比美国更值得期待一些 ， 可能我们会走出一个不太一样的路 ， 所以中国的在 AI 应用领域的尝试也比较多 ，而甚至
包括软的不行我们可以来硬的 ，其实去年比如说 AI 玩具 ， 就各种各样的小玩具 。
桌面有个小狗 。
对 ， 或者摸一下会叫 ， 这种东西你想而知 ， 那深圳的供应链空空往上一 。
太可怕了 ， 我看到我们有个朋友家小孩已经每天就在跟他们家 AI 一个小狗 ， 小猫什么的 ， 还有一个小恐龙 ， 反正之类的就在跟人聊天 。
就跟上一代索尼那个机器狗那个年代的那个东西 。
对 ，他比那个牛逼多了 。
太多了 ， 你可想而知他怎么可能不牛逼呢 。
对 ， 你跟他说话什么问他问题 ，他能回答你 ，他真的说这个问题其实我们可以这样看 ，他就那种用非常非常有耐心的语气教小孩 。
你从实现角度来讲他没有那么难 ，他甚至可以带摄像头 ， 带拍照 ， 带识别 ，因为他多么耐能力也 OK。 所以这个东西就变成了中国特色的这种百花齐放的状态 ， 甚至又因为这件事情可能跟自动驾驶 、 跟人形机器人也相关 ， 都是连在一起的 。
因为原来人形机器人跟自动驾驶缺的其实就是你可以理解如果自动驾驶就是车跟机器人原来是硬件本身的事情 ， 硬件本身解决的是硬件的什么控制 、 结构性那些东西 ， 那 AI 这波不是解决那个脑子的问题吗 ， 那理论上说都强了 ， 那就应该都往上提一档 ， 所以这一波无论是自动驾驶还是人形机器人， 甚至非人形机器人也算的发
展又往前迈了一大步 ，而且就是百花齐放 ， 就是我们不需要设定具体的什么方向 ， 这些公司都在往前走 ， 这是一个巨大的趋势 ， 那同时中国还有别的更复杂的一些大国叙事在那 ， 我们就不展开 ，因为不是我们这些人熟悉的 ，但至少这几个相关的这个以 AI 为主题的板块的发展就不会像美国 ， 它就是一个非常单一的偏金融的那样一个叙事 ， 我们就
是应用落地 ， 包括跟各种行业结合 ，其实是很繁荣 ，但是这个繁荣可能有不同的阶段性 ，有的好一点有的差一点 ，但至少这个 ready 的状态相对于美国来讲 ， 就我们没有那么慌 ，在这件事情上， 就哪怕这件事情稍微落后一点 ， 看上去问题也不是特别的大 。
但我们是不是还是被人家卡脖子吗 。
卡还是一个问题 ，但卡的问题现在 。
人就不给你卖卡吗 。
卡的问题现在华为在解决的过程中， 当然包括很多国产的 GPU 最近一段时间也在要都上市了 ， 你像当年， 你像今年寒武纪应该是某个阶段超过茅台吗 ，A 股了 ， 然后那个摩尔线程说这个上市募资动了他妈一千多倍的钱 ， 就是一千多比一的这个比例去 。
我去 。
然后 。
这么高的杠杆吗 。
对 ，但是这些公司距离英伟达还是代际上还是有一定的差距的 ， 这个大家要承认 ，但是没关系 ， 就是说英伟达确实非常的牛逼 ， 单个卡的计算能力的每一代的提升 ， 然后这些乱七八糟的 ，但是我们可以通过 ，因为刚才这个事情就卡只是最根上的事情 ，因为它前面还有其他的事情 。
还有电 。
对 ， 我们可以一张卡单个卡比如说我多张卡可不可以连在一起 ，因为 AI 的计算不是一个复杂计算 ， 就是有一个比喻是说你像 CPU 其实是个复杂计算 ， 如果用厨师的比喻 ，CPU 很像那个大餐厅那个主厨 ， 就他要想的事情特别多 ， 要去控制调配乱七八糟 ，但 GPU 不像 ，GPU 就像一个新东方培训出来的 OK 的厨师 ， 就他大概差不多会 ，不需要特别复杂 。
他特别复杂没有 ， 对 。
他就可以了 。
我之前我记得跟谁聊的时候我有引用过 ，也是一个我在这个做 AI 领域的一个朋友 ，他跟我举过这样的例子 ，但当时我是问他这个问题 ， 我是说所以到点是他妈一个做游戏显卡的一个公司怎么着就推动人类进步了 ， 所以是我们抽打游戏的 。
改变了世界 。
对 ， 然后他跟我说你这么说倒也是可以 ，但事情没有那么简单 ，他大概跟我举了一个例子就是说 CPU 跟 GPU 的差别 ，他说 CPU 你可以把它理解为是一个非常非常聪明的一个老教授 ， 就是他什么都会 ， 一个老学者 ，但是他一个人是有限的 ，而 GPU 你可以把它理解为就是一帮小朋友 。
学生 。
对 ，他可能就是会非常简单的事 ，但是你架不住他人多 ， 一个老教授他能够干的事和 10 万个小朋友能够干的事比起来 ， 那 10 万个小朋友在处理一些更加精确描述的事上他更快 ， 效率更高 ， 甚至成本更低 。
对 ，而且还有一点就是今天这个时间点这一代 GPU 的强势更多还是在我们叫训练这一层 ， 就是训练这一层 ，但是你发现随着 AI 模型越来越多之后 ，其实大家在用的越来越多叫推理 ， 就是我们在用的过程中所需要的算力 ， 那个算力对于算力要求就更低 ， 所以就相当于我们可以用更廉价的电 ， 更多的数据集群 ， 再加上中国工程师们在 AI 模型能
力算法上的更多的提升 ， 来把这个纯卡那一层的那个问题某种程度上或某些程度上来说缓解 ， 所以这是一个 。
这算是微微救赵这波 。
对 ， 然后还有点 。
曲线救活 。
再现实的问题在于其实中国最头部的科技公司都在海外有数据中心 ， 如果单纯只是训练这件事情 ，其实可以放在海外做 ， 那其实规避了卡不能卖在国内 ， 那你用可以在国内用 ，但是训练就是我训 ， 就是训这个问题 。
训练这个模型 。
对 ， 可以在海外处理 。
对 ， 那其实我们的这个卡的这个部分暂时还是有明显的差距 。
有 ， 肯定有 ， 无论是代工 ， 就是台积电的这个 ， 所以不是有人梗图吗 ， 就是世界经济的那个脉络 ， 最后一个桌角的角是台积电 ， 就是所有的代工都是台积电做的 。
台积电就这么牛逼 ， 就这个事中国内地的公司解决不了 。
难 ， 台积电非常强 。
OK， 那电的问题美国自己不能解决吗 ，他们难道就没有办法处理吗 。
就是要么就变贵 ， 那是市场经济吗 ，因为其实美国的电价在过去几年已经涨了 ， 然后未来可见的因为数据中心的新增产生的电力可能已经超过美国新增电力需求的一半 ，但这个数字可能中国是十分之一 ， 就是我们是 ready 的 ，但他们需要新增很多 ，而且你要知道美国 。
一半太可怕了 。
那你想这个事情我还是那个观点 ， 它不是单纯建个电站就完事的事情 ， 它配套你又包括跟当地居民影响环境 ， 这个问题就太复杂了 。
环境保护组织就出来了 ， 你完了就是 。
你想那么大个东西 ， 中国反正说建就建了 ，但美国这事 。
统一对量半大的事 。
我的天 ， 那么大个东西在每个地方弄起来 ， 你真的说建就建了 ， 所以之前那个 。
我举个例子 ， 我们因为我老家连云港 ， 对吧 ， 连云港那时候当年说建核电站 ， 当然有很多人反对 ，但是怎么着呢 。
就建了呀 。
就是建了 。
你想之前那个微软 CEO 纳纳也说 ， 说现在其实所有卡区紧缺 ，但是其实对我们来讲不是卡紧缺 ，是我们卡完了点不亮 ， 就没有地方盖出来给它放上去点亮 ，是建的问题 ， 那建可能前面有土地 、 牌照 、 当地居民的环保 。
动保 ，有没有伤害到小松鼠 ， 就这个事情 ， 当然小松鼠很可怜 ， 对吧 ，但是这个事大国竞争就是这样子了 。
所以你说怎么弄呢 。
所以那中美之间这个在你的预判当中， 包括之前我跟黎叔聊的时候也说到 ， 黎叔跟我说你不要太听老黄 、 黄仁勋说什么 ，他说什么中国必将胜利什么的 ， 那个他只不过是在施压嘛 。
对 ，因为他要那个跟白宫谈判嘛 。
对 ， 这事是真实情况是这样嘛 。
就是啊 ，因为他今天就今天的新闻 ， 昨天晚上刚去了白宫再谈 ，因为芯片有接案嘛 ，他其实不希望美国进中国的芯片 ，他希望放开 ， 放开不就更 。
他可以更多卖嘛 。他就更垄断了 。 他的生产没有上限吗 ， 难道 。
有 ，但是上限就是被台积电限制的呀 ， 台积电要增加产能他就能增加产能 ，但他为什么要增加产能呢 ，他没有理由增加产能啊 。
刚才说纯种芯片 20 年订单已经卖完了 ，他们也卖完了 ，20 年底之前已经确定签完合同订单 5000 亿美金 ， 就是你想他现在一个季度才卖 600 啊 ，他未来五个季度已经签了就 5000 了 。
那还能怎么着呢 。
就这样吧 ，70% 几毛利还要什么自行车啊 。
那这个玩意它大概率就是一个中美大国的一个对抗了 。
很多有偏理想主义的人会说这是否又变成了一种智力资本的垄断 ， 或者说一种那样的东西嘛 ， 你比如对非洲的一个国家 。
对啊 ， 那他们怎么办呢 。
那也有很多有更大爱的人就做更便宜的超级便宜的可以本地部署的离线的开源模型给到这些地方来做 。
有一些有更大爱的人在做类似的事情 ，但是这个事情就美国有些初创公司就是在做这种相关的事情 ， 就是我用一个成本很低但是基本比如达到你 70 分能力的一个东西 ，但可能一个很差的电脑就能跑 ， 就随便用我也不收钱你们就用 。
是 ， 那我一直都有一个好奇啊 ，Apple 这家公司重新定义了 AI 是吧 ， 说这个 AI 我们叫 Apple Intelligence 也是 AI，但这个 Apple Intelligence 吧说了好几年了 ， 包括我当时这个话说起来我感觉自己特别特别蠢你知道吗 ， 我当时买这个新的 iPhone 的时候 ， 所有人都说不要买国行的对吧 。
你没有那个 。
因为没有嘛 ， 所以买了个港行的 ， 然后买了之后反正我用到现在吧 ， 第一呢使用体验上跟上一代 ， 我上一代是 14 Pro， 没有差别 ， 没有差别 ， 没有差别各位同学 ， 第二呢就是它的 AI 我也没见着 ， 反正就是这么多年了一直没见着 ， 然后说这个什么各种新的 Mac OS 这那的所有都是为 AI 做准备了 。
但也没看到 。
我也没看着 ， 这个东西他们到底怎么回事 。
实际上就是美股不是有传说的七姐妹就最大的七家公司 ， 我们一家一家看啊 ， 就是现在第一是英伟达嘛 ， 然后苹果 、 微软 、Meta、 亚马逊 、 特斯拉 ， 还有哪家 ， 七家嘛 ， 然后这里面其实在 AI 这件事情上相对比较慢的或者相对没有那么大的投入的就是苹果 。
它投入不大 。
因为你想那几家都是每年光建数据中心就 1000 美金砸下去的 ， 苹果没有啊 ， 很多原因其实我觉得冠冕堂皇的理由就是刚才我们最开始聊的那个问题 ， 就是 。
所谓隐私保护 。
隐私保护乱七八糟 ， 就是它没有办法能够在兼容苹果所坚持的那些原则的基础上， 把现在的技术能力用在这个体系上并且保证完整的这个体验 ， 就这个命题太难解了 ， 这是个冠冕堂皇的理由 ， 底下的理由是什么呢 ， 库克要退了 ， 你想这个题解一定是最核心的 CEO 带着几个人去解的 ，但库克要退了 ， 然后库克本身又不是一个 。
所谓的非常创新或者激进型的人。
他不是那样的一个人。
那历史过去 。
乔布斯在的话这事估计早就干了 。
所以之前网上有一个文章 。
干成干不成反正我先干 。
之前网上有个文章就是假设乔布斯今天还活着 ， 苹果发布会的 AI 的样子应该是什么样 ，他怎么发布 ，有人写过这个帖子 ， 就确实那个是一个有点相对理想化的状态 ，但你指望现在的这个苹果团队来做我觉得难度很大 ， 再加上因为库克要退了 ，他要保证稳定 ， 所以苹果在这件事上 。
退休前别给我整妖格 。
别给我整这妖格 ， 万一折了呢 ， 万一折了呢 。
晚节不保 。
对啊 ，他之前成绩还是很好的 ， 对吧 ， 过往还是很 OK 的 ， 所以从这个角度来讲 ， 苹果在这件事情上来讲是我们看到结果是这样 ，但是也有人会说苹果是最有资格在这件事情上比较任性的 ，因为他的设备的控制能力还是在的 ，他的这个完整的这套操作体验的东西他就是要坚持的 。
其实他就是一个闭环的一个封闭的生态链 。
封闭的体系 ，他就是要坚持这件事情 ， 所以他可以任性的去做更多的储备 ， 更多的可能或者等待所谓的技术更 ready 之后再做尝试 ，其实国内也有一家类似的厂商 ， 虽然这么比可能未必合适 ，但是其实逻辑上是一样 ， 就是腾讯的微信 ，其实微信今天的 AI 功能并不多 ， 可能就搜索 ， 你可以在那个搜索框的搜索的那个东西是有一点点 AI， 可能你可以在评论
区艾特元宝就没了 ，但是一样的逻辑就是说因为微信也涉及刚才我们说那个最大的命题 ， 隐私 、 数据保护 、 乱七八糟这些事情 ， 同时微信的绝对的潜势垄断地位也在 ， 所以在这件事情上微信不需要把步子迈得太大 。
他没有那么危机感 。
对 ， 就是没必要一定要在这个时间点做一个 。
但是苹果感觉危机感很大 ，他每次发布会都拿着事说事 ， 说我们已经准备好了 ， 我们明天怎么着 ， 明天又没有 ， 这一年一年放鸽子 。
你看苹果最新的那个负责 AI 的总监又离职了吗 ， 去 Meta 了吗 ， 就前两天 。
又离职了 。
因为你想这活没法干 ， 就如果今天比如说你是苹果内部类似 AI 的这个业务部门的总监 ， 这活没法干 ， 就你要平衡的事情太多了 ，而且很多事情不是你能平衡的 ， 老板不下决定跟老板不去主动推 ， 你就是做不了 ， 然后你要兼顾的东西又很多 。
你让我做 ， 然后你又说不能触碰苹果的核心架构 。
乱七八糟这那 。
那你这我不触碰我就可能没法做得好 ， 对吧 。
但你为了触碰这个帽子的风险没人帮你背 。
对 。
你可想而知这个活有多难干 。
OK， 好 ， 那我们再往下拉一拉就说到这个 ， 我作为 AI 未征的一个观点 ，AI 到底现在这个事是不是个泡沫 ， 泡沫这是我一直以来对 AI 整个这个事情的一些看法 ， 就好像若干年前在加密货币这一波的时候 ， 我当时记得很多年前他们有一个什么加密货币大会请了邓紫棋老师 ， 然后上台唱了一首泡沫 ， 我说哎呦喂 ， 这活办得真漂亮 ， 真的是 ， 所
再探1:41:45
以到底是不是泡沫 ， 这个事咱要怎么理解呢 。
首先泡沫就是什么是泡沫 ，有一个比较狭义定义是说一个资产在一定时间内它的价格远超它的价值 ， 叫泡沫 。
那这里面包含了很多的细节的含义 ， 就是说首先它要是个什么样的资产的东西 ， 第二是在一定时间内 ， 它不是一个长期连续性的 ， 它是在一定时间内出现的一个过程 ， 这个过程的表征或者它的特征是它的价格远超它的实际价值 ， 那这里面有两个因素 ， 就是一个是它的现在的价格 ， 一个是它的价值 。
那我们套到 AI 这件事情来说 。
很明显 。
就是泡沫 。 或者说我们把定义更清楚说 ， 现阶段在 AI 相关的公司的股价上一定是存在一些泡沫的 ，但 AI 就是这个话题经常很多人探讨的 ， 就是彼此说服不了的原因在于 ，有一个角度是说纯技术发展角度来讲 ，AI 还远远没有达到一个很高的高峰的状态 ， 它还在疯狂的演进过程中， 所以从这个角度纯技术本身的发展角度来讲 ， 它没有到所谓的泡沫
，但是我们把金融的命题放在上面的话 。
就是泡沫 。
就是泡沫 。 就是说 AI 的相关的金融的体现 ，其实现在看上去是有比较大的泡沫的 。
但金融体系不是一直都是比较泡沫的吗 ？
对 。
对吧 ？
这就是问题 。 所有人类的金融体系都会在很短的时间内把一个看上去可能所谓成为未来巨大趋势的叙事在瞬间打满 。
对 。
就是我就是要透支 。
瞬间拉满 。
透支完了再说 。
对 。
这就是金融行业的本质 。 历史上所有的这些双引号的技术革命都经历了这四个事情 ： 铁路 、 光纤 、 甚至房地产 、 甚至比特币 ， 都是 。
就是但凡它能够被描述成一个巨大的叙事的情况下的预期就会被打满 ， 只不过那个周期会有区别 ，有三年、 两年、 一年还是几年，AI 这波正好是三年， 差不多三年多的时间 ， 这个时间点正好够打满 ，而且又因为人类到了五年的整数年的年底的时候 ， 会默认的再往前推五年 。
这事可不吗 ？
对吧 ？
什么叫五年计划 ？
对 ， 什么叫五年计划 ？ 所以你看今天所有这些我们刚才讲头部 AI 公司的未来的预期 ， 无论收入 、 什么订单 ， 全部都是打到 2030 年的 。
对 ， 全世界都在五年计划 ， 反正是 。
但这里太荒谬是说 ， 今天这个时间点 AI 技术是以月为更新再更新迭代的 ， 然后你把一个五年期的预期打过去了 。
所以现在的状态就是 ， 如果用一句话来讲 ， 就是 AI 技术本身没有太多的泡沫 ， 还在疯狂的发展 ，但是 AI 跟金融的叙事叠加在一起的时候 ， 那个金融本身出现了泡沫 ， 这是现实的 。
然后这个问题很有意思是说 ， 这轮关于 AI 泡沫的讨论最集中是在 10 月份开始的 ，在其实 Q2、Q3 的时候就有一些声音在讨论 。
那个时候大家讨论还是不是 ，但是到了 Q4， 这个业界的讨论变成了这是什么泡沫 ， 就是默认是 。
是 。
是 ， 好的 。
大家都已经认了 。
认了 。 然后现在问题变成第二阶 ， 我们叫求导 ， 第二阶是什么泡沫 ， 什么泡沫就分最简单的分 。
先 define 一下 。
Define 一下对吧 ， 最简单的分法 ， 比如说贝佐斯 ， 亚马逊 CEO， 就是经历过互联网泡沫的 ， 贝佐斯和亚马逊是经历过当年巅峰 110 几美金一股跌到 6 块钱 ，他经历过 ，他说这事我见过 。
你可不见过嘛 。
没见过的 ， 这个东西叫好的泡沫 ， 好的就是它分坏的跟好的 ， 那坏的是什么 ， 比如说郁金香 、 郁金香这种对吧 ， 就是坏的 ， 然后我们现在经历的这个叫好的 ， 然后这是一种分法 ， 然后第二种分法就是还有一些科研机构会分 ，但是我们前面讲过 ， 债务引发的泡沫是比较麻烦的 ，但股引发的泡沫不是太麻烦 ，因为股市你跌大家能接受嘛
，但债是硬性的 ， 同时引发泡沫的这个技术到底是改变生产效率的 ， 或者说对生产有提升的 ， 还是说是一个纯玩的东西 ， 你看这两个因素到底是债务还是股权 ，是生产性还是非生产性 ， 这不就划分出来四个象限吗 ， 大家比较公认的是说 ， 今天的 AI 泡沫是在最不危险的第一象限 ，也就是说更多是由股以及生产性的技术引发的 ， 所以不是
那么麻烦 ，但现在刚才我们聊过程中发现其实债已经越来越多了 ，在偏这边 ， 第二种分了四种 ， 然后还有一个机构更有意思 ，他说我翻了过去 400 多年经历的人类历史中所谓出现的泡沫 ， 泡沫大概分六种 ， 什么房地产的 、 收藏品的 、 股票的 ， 还有什么 ， 反正分了六种 ， 然后他又给划分 ， 所以你发现这个议题变成了是什么泡沫 ， 就是第二
阶了对吧 ， 然后第二阶算完 ， 然后第三阶 ， 人类有一种很直接会出现的情感的方式 ， 就是说我们要跟之前做对比 ， 所以在金融历史上有非常多次泡沫出现的时候都会有一个叙事 ， 这个叙事每一次金融泡沫都会出现 ， 这个叙事叫什么呢 ， 叫这次不一样 。
是是是 。
这次不一样 ，但似乎看上去每次都一样 。
每次都一样 。
每次都一样 ， 然后这次也出现了非常多描述这次泡沫跟之前的不一样的描述 ， 比如说我们去对比 ， 最常对比的就是人类这一波 ， 比如说核心的 ， 比如说炒股的这些基金经理 ， 或者说我们这些科技所谓观察者 ， 我们更熟悉的是 2000 年左右的互联网泡沫 ， 所以我们去跟当年的互联网泡沫去对比 ， 看哪些因素不太一样 。
有什么不一样呢 ？
比如说当年巅峰疯狂的时候 ，在互联网泡沫那个年代也有当年的英伟达 ， 当年英伟达是谁呢 ，是思科 。
Cisco。
Cisco， 年轻朋友不知道他已经不知道这公司干嘛了 ， 英伟达就是当年卖这个路由器的 ， 当年要铺光纤 ， 要铺网嘛 ， 那卖路由器的公司当然就是今天的英伟达的类似的行业地位 。
思科巅峰的市盈率 ， 就是衡量一个股价贵不贵 ， 就是从它的估值除以它一年的盈利 ， 这个数字 ， 当时互联网泡沫最最最巅峰的时候 ， 巅峰的思科的市盈率是 100 倍 ，100 倍 ， 就是说一块钱的现金流要 100 年才能收回来 ， 这公司的估值 。
就这公司每年它赚一块钱 。
但它公司值 100 块钱 。
值 100 块钱 。
今天市场上最头部这些 AI 初创的公司 ， 包括英伟达在一起 ， 平均的市盈率 28 倍 ，并不很疯狂 ， 甚至很健康 。
所以这次真的不一样了吗 ？
然后就比当年思科收入利润是没怎么涨 ，但股价疯狂涨 ， 可是今天英伟达的收入利润是跟它的股价基本上相同在涨 ， 就是我的利润是有非常强的支撑来我的股价 。
你就想它 2026 年它已经 5000 亿了 ， 已经到手了 。
对 ， 你想它的利润可能 1000 多亿美金 ，5 万亿美金 ，30 倍市盈率 。
也还好 。
对啊 ， 还好 ， 真的还好 。
还好 。
不危险呀 ， 对吧 ，不危险 。 然后大家会说当年互联网泡沫的时候 ，有一个很重要的指标是说很多公司铺了光纤进去 ，但光纤没有被点亮 ，因为没有用户需求 ， 叫暗光纤 ， 暗光纤当时巅峰可能占 97%，也就是说你全世界铺的光纤 。
97% 其实没有被使用 。
没有被使用 ， 所以这是泡沫 ，但这一次数据中心的卡街上就是亮的 ， 就是街上供不应求 ， 你知道吧 ， 就是街上的就得用 ，而很多卡排着队在弄 ， 所以好像也不一样 ， 对吧 ， 就是我们的需求是很明确很强劲的 ， 非常强劲 ， 然后还有不一样 ， 比如说当时互联网泡沫一个很核心的外界因素是什么 ，是当时在互联网泡沫形成过程中美联储在加息 ，
加息什么概念 ， 就是银行的利息提升 ， 那钱不就都去存去了吗 ， 它就离开股市了吗 ， 离开股市不就要卖吗 ，不就要抛吗 ， 那价格不就掉下来了吗 。
美联储加息是一个很重要的影响因素 。
它加速了那个泡的过程 ，但是今天美联储在减息 ，在放水 ， 所以好事 ， 对吧 ， 然后还有一次说当年铺的这个光纤 ， 就铺光纤的这些公司确实都全都挂了 ， 互联网泡沫泡了就没了吗 ，但是铺的这个光纤为后来互联网的爆发提供了基础 ，但这个事情这次不一样 。
前人种树 。
后人乘凉 ，但这次不一样的是说这次不一样可能有点坏处 ，因为刚才讲的这是个正 buff， 那这次有个负 buff 是什么呢 ， 今天你建立数据中心买了卡 ， 这个卡能用几年， 它的折旧 。
这是老黄的问题 。
老黄每年都在疯狂推新卡 ， 每年的卡都比去年强很多 ， 所以基本上市面上常规流行的卡可能也就三到四年就应该淘汰掉了 。
你要想这个事情出了问题 ， 你花了一大笔钱买了一堆卡 ， 三四年就要淘汰掉 ， 那就要求是说你要在这三四年它用的过程中产生的收入 。
要赚回来 。
赚回来 。
至少保本吧 。
那这个钱不就超级大了吗 ， 所以这是麻烦事 ， 所以你看这种不一样的讨论也特别的多 ， 然后这是出现的 ， 然后再到后面刚才我们说那个循环融资是这一轮引发的探讨特别多的一个促进的导火索 ，因为循环融资 。
就是 Oracle 跟 OpenAI。
英伟达 。
英伟达之间的 。
所有公司全部都拉在一起 ， 那家什么 Nebius、Colway 我全部都 ，AMD、 博通 ， 这个链条上 。
插排插插排的这个事 。
全部都绑在一起 ， 这个钱大到真的是害怕 ， 然后又因为就还是那个核心的算法 ， 就是我们为了要建这么多数据中心 ， 要投几万亿美金进去 ， 然后刚才又说了三四年的折旧 ， 那你这个数字是算得出来的 ， 比如未来五年我要投三万亿美金 ， 一年六千万美金 ， 然后折旧是按三年算 ， 那你每年要赚的钱是算得回来的 ， 那就看现在
的这些 AI 应用乱七八糟公司能不能把这个钱赚回来吗 ， 这个公式不就变得非常简单了 ，但现在看上去很多人认为不太能赚得回来 ， 就是单纯只依靠用户的应用不太能 ，因为很简单 ， 今天 ChatGPT 是 8 亿的周活 ， 你把世界人口中国人口抛掉 ， 剩大概 40 亿 ， 它已经 8 亿周活了 ， 它能再翻多少 。
你总不能指望非洲那边也一起都用吧 。
哪怕全都用上， 乘以转化率 ， 乘以月付费 ， 它巅峰能涨到多少 。
对 ， 它是有个上限的 。
就你这个数字是算得出来的 ， 这个数字你一算出来就跟刚才我们聊那几个数字就对不上了 ， 那就有缺口 ， 那这些钱从哪来呢 ？
那 OpenAI 为什么 ，ChatGPT 为什么不进中国呢 ？
是不让它进 。
是它不想进吗 ？
你不上进的话是因为你不喜欢吗 ？ 然后那剩的钱从哪来 ， 比如说那科技巨头们的自己挣的钱可以支撑 ， 那除了科技巨头挣的钱之外， 那必然会有债 ， 大家现在担心就是那个债会出问题 ， 债一旦出问题 ， 它的刚性就会产生挤兑 ， 挤兑就会引发后面所有的事情 。
我们刚才讲谈了一大圈逻辑推演对吧 ， 那这个事情并不新鲜 ，因为历史上已经出现过很多次 ，有一些科学家总结过类似这样泡沫会经历大概三个阶段 ， 第一个阶段是由两类投资者促成这个上涨 ， 第一类投资者是本能的认为今天这个上涨是符合线性会再往前推的 ， 这是一波 ， 第二波更代表虽然大家意识到可能有危险 ，但是今天这个时间点抛售可能会
亏 ，因为我可能享受不到那个最疯狂那一段的最大那块肥肉了 ， 所以我不应该抛 ， 我应该继续持有 ， 这两类投资者 。
就像我手里拿着比特币一样 。
对 ， 这两类投资者支撑了第一段 ， 第二段就要让 Party 继续 ， 无论是政策还是金融市场的氛围 ， 还是股民还是散户还是媒体还是什么 ， 让这个声音继续往上滚 。
The Party must go on。
对 ， 第三步才是崩 ， 现在可能差不多在一二之间那个样子里了 。
还没到二三之间 。
对 ， 然后这里面出现了一个悖论 ， 这个悖论是这样的 ， 就是我们刚才讲一阶岛是不是泡沫 ， 二阶岛是什么泡沫 ， 三阶岛的问题变成了但凡是泡沫 ， 最后的 6 到 12 个月一定是最疯狂的 ， 就是它的曲线是这样 ， 然后这样嘛 ，不应该突然间断崖式的 。
它要往上爆一下嘛 ， 它才会跌下来嘛 ， 那这块最肥的肥肉你要不要吃嘛 。
该吃还得吃啊 ， 对吧 ， 所以很多你像今年 Q3 的时候很有意思 ， 美国银行统计了大概 3000 多位美国最核心的基金经理们 ，93% 的人认为当前的市场价格是高估的 ，但是不能抛 ，因为你抛了会 。
你的肥肉吃不着了 。
但所有历史告诉我们任何判断这个精准的所谓那个转折点来临的都是徒劳 ， 一定是不可判断的 ， 一定是因为一些意外因素导致的 ， 所以没有人知道在哪 ， 所以当这种情绪出现的 。
但是我的问题是说 ， 比如我稍微往回倒一点 ， 这个刚刚说的这个循环嵌套式的没有钱的投资 ， 互相插插牌 ，以 Oracle 什么英伟达 OpenAI 为首的这波 ，他们自己难道没意识到这个事吗 ？
难道没想过这事情会给市场带来恐慌吗 ？
但反过来讲我还是那个观点 ， 就我们是站在旁边看的 ，但是每一家公司是有自己的判断逻辑的 ， 我们刚才讲过英伟达是合理的对吧 ， 那 Oracle 为什么是合理呢 ？
因为甲骨文这家公司在云这个过去十几二十年的战场里是完全失败的 ，Oracle 到今天大家认为还是一个偏软件的公司 ，而没有赶上云的这一波 ， 那今天 Oracle 要把自己的云收入拉起来 ， 它当然需要一个最大的客户支持 ， 它当然要把它 。
这是一个巨大机会 。
它当然要把它自己毛利打下来 ， 才有资格去竞争那个巨大的订单 ， 它当然要绑定这件事情 ， 那 AMD 也一样 ，AMD 虽然跟英伟达在上一代的显卡竞争里面没有差太多 ，但是在数据中心这个板块 ， 英伟达可能 90% 它只有百分之几 ， 它已经被秒成渣了 ， 它如果再不做 ，AMD 就这样了 ， 可能某天就被并掉了 ， 很有可能 。
被英伟达收了有可能 。
那它为了要让数据中心这个事情的业务疯狂上涨 ， 单独的线性增长已经不足以满足这个胃口了 ， 它一定也要绑定一个巨大的需求方 ， 让它的那个曲线拉出来是一个指数上升的才可能 ， 所以在这个谈判过程中 。
这个当中老黄就是英伟达的头跟 AMD 的头 ，他们都是亲戚 ， 都是华人， 这想想也挺可怕的 。
也挺可怕 ， 那它当然要跟 OpenAI 去签订这样一个合同 ， 就 OpenAI 在某一段时间成为了金手指 ， 就是我点谁 ， 谁起飞 ， 那为什么不点 ？
你要想刚才我们谈论所有这些事情 ，Google 没参与 ，Google 为什么没参与 ？ 今天我们谈论 Google 为什么最近又强势了 ？
你要想刚才我们聊的这个链条 ， 应用 、 模型 、 云 、 数据中心 、 芯片 ，Google 全有 ，而且都很强 ， 都很强 ，Google 最近最强的叫 TPU， 就是它也做了个卡 ，也很强 ，而且它训练 GPT-3 告诉大家 ， 用我的卡也可以做出世界上最牛逼的模型 ， 你不需要去买老黄的卡 。
但是苹果也挺强的 ， 这么说来 。
对 ， 苹果的 M 芯片其实也是有这个实力 ，也是有这个实力 ， 所以它往这走没准也是可能的 。
对 ，但是它 。
往这走吗 ？ 你想啊 ， 我们刚才说过老黄的毛利是百分之七十几啊 ，Google 不需要别人的卡 ， 它百分之七十毛利不就省下来了吗 ？
到自己这了 ， 对 。
所以它为什么 Google 这么强 ？
省的就是赚的 ， 对 。
那同时 Google 为什么敢不玩这个游戏 ？ 因为说 Google 我可以自己开一桌 ， 为什么呢 ？ 美国四家模型厂商在主桌上，OpenAI、XAI、Anthropic 的 Cloud， 还有谁啊 ， 我忘了 ， 就 Anthropic 这家公司 Google 投了 ， 之前就投了 ，而且投了很多 ， 现在加码 ， 然后同时跟 Anthropic 签订合同是说我投你对吧 ， 你未来的云在我 Google 云上， 你未来用的 TPU。
寄语1:56:23
用我的 。
你听起来就是他们两之间形成的一个 。
一个闭环 。
绑定 ， 就是我自己开一桌 ， 所以那就它的这个体系也建立起来了 ， 所以就这个玩法并不那么坏或者那么难 ，但是你要有资格去玩这个游戏 ， 所以就变成了这样一个全都绑在一起 ， 然后滚成这个样子的状态了 。
好 ， 那拉回来啊 ， 咱们最后这个说了半天 ， 国际大事 ， 行业趋势 ， 各种奇怪的家伙们 ， 对于我们个体来说有什么建议呢 ？
我觉得没有人关心这些事情 ，不要关心这些事情了 ， 这些事情不重要 ， 完全不重要 。
就是这些动不动就什么 500 亿美金什么这种 ，5000 亿美金跟我们有什么关系啊 ？
没什么关系 ， 你像今年我做了一期这个类似刚才这些内容的这个整理 ， 我的最后一页是写的就是什么 AI 不 AI 的 ， 就是享受生活 ， 就是这些事情其实只有我们这些所谓的科技行业的投资人会关注 ， 才会关注 ， 就对于普通人而言 ，其实你更多的还是要关注 AI 这波来了之后， 对你比如说日常工作的提升的效率 ， 然后你能怎么去在这个
过程中不让自己那么焦虑 ， 我觉得这个是最重要的 ， 就是我们过好自己的生活是最那什么的 ， 所以在这个体系过程中， 我觉得这个心态是要把握清楚 ， 你不需要每天被这种科技媒体的新闻所 。
裹挟 。
没必要 ， 你不需要了解 ， 甚至说在直白一点 ， 一年听我两期播客也就够了 ， 就是你不需要再了解更多了 ， 就是帮你总结好 ， 你差不多知道 ， 然后可以跟别人吹吹牛逼 ， 够了 。
就可以了 。
可以了 ，但是自己日常过程中， 你的工作过程中有哪些东西可以被某种程度上提升你的效率 ，其实对于你来讲是好的吗 ？
总是好的吗 ？ 你与其每天活在这种焦虑跟喧嚣的声音当中， 你莫不如让自己的日常的很多东西得到一点点改善 ， 甚至可能不是工作 ，也是生活也可以 。
你看今天很多女性健康减肥 ， 今天你可以直接拿 AI 工具拍一张你吃的东西 ， 你就问它卡路里啊 ， 健康能量 ， 就你不需要那么复杂的什么功能 ， 什么一个产品什么 ，不需要 ，因为今天 AI 能力已经很强 ， 非常强了 ， 甚至比如说现在我们这种有孩子的家长辅导教学 ， 全部都是用 AI 工具啊 ， 就拍一张题然后就讲嘛 ， 我甚至都不用说它来讲嘛 ，
孩子不会继续问嘛 ， 就是这种东西 。
现在变成哪里不会拍哪里了 。
对啊 ， 就太 common 了 ， 就融到我们的生活中， 所以这种功能 ， 这种日常你每天都有个更现实的 ， 比如说每天你要在你的日常生活工作当中， 比如一周重复超过五次的工作 ， 或者说事项 ， 你或多或少如果你主动的都可以去试一试 ， 能不能有什么 AI 工具帮你 。
更快速的完成 。
搞定 ， 就你一周重复五次以上的 ， 都可以试一试 ， 或多或少都可以找到一些方案 ， 当然你找不到也没有关系 ， 你先放那 ， 然后再去 ， 总会找到的 ， 总会找到 ， 很快 。
如果找不到 ， 我个人的建议就是你发现你不会 ， 你就去问一个别的 AI。
我要解决这事 。
对 ， 你给我一个推荐方案 ， 它可能就会帮你说你去那样那样那样就可以了 。
所以就是用起来 ， 然后反正因为你对你好嘛 ， 你甚至娱乐项目也可以 ， 你像今天这个事情 ， 比如说在短视频平台上， 已经充斥着各种各样 AI 换头啊 ， 换人脸啊这种东西 ， 你看着任何人都可以挺好 ， 然后你没准自己拍一个 ， 自己弄个什么表情包特效 ，也 OK， 那也是 AI， 那也是 AI 啊 。
那也是 。
那不是就是一个贴图啊 ， 对吧 ？
是是是 。
所以这都我觉得对于普通人而言 ， 这个事情还是一个挺重要的 ， 然后你当然如果你想更往前走一步 。
我还是很焦虑啊 。
你焦虑 。
我还是想了解到底 AI 的世界发生什么怎么办呢 ？
听我的播客就好 。
好嘞 。
一年听两次就够 ，不用听太多 ， 听太多你还是会焦虑的 ， 然后当然你也可以关注一些公众号或者一些社区 ，也不需要太多 ， 可能三四个 ， 你大概感受一下 。
比如说 ？
我的公众号比如卡兹克 。
卡兹克 。
对 ，他叫卡兹克 ， 卡兹克 ， 我觉得他的好处是说卡兹克是这一众公众号里面 ，他是个真的活人， 这点很重要 ， 就是说很多媒体他像个机器 。
对 ，他没准背后就是个 AI，有可能 。
但卡兹克是个个体 ， 就是他的特性就是在于 ，他为什么是这一波 AI 公众号里面最影响力最大的那一个 ，因为他的活人感最强 ， 你看这恰恰符合我们给这一轮 AI 的建议的最重要的一点 ， 就是你的个体的经验 ， 你的体会 ， 你的感受的表达 ，其实才是重要的 。
是 。
比如新闻类的 ， 可能比如说赛博禅心 ， 然后比如说你如果用飞书的话 ， 我建议飞书上有一个社群 ， 叫 The Way to AGI。
The Way to AGI。
就飞书上你搜 The Way to AGI， 它是一个社群 ， 就相当于是个网页 ， 每天有新闻 ，有各种各样的栏目 ， 像个导航站一样 。
通往 AGI 之路 。
对 ， 就是导航站嘛 。
各位同学 ， 我们会把这些东西放在 Shownotes 里 ，不要问了 ， 自己来看啊 。
对 ， 就是如果你真的对这个事情焦虑 ，并且你想每天比较用很短的时间跟进 ， 比如在发生什么知道一下， 那这几个其实就够了 ， 你也不需要再去让更多的 ， 当然你的工作过程中如果某一项具体的 ， 比如说你是写代码的 ， 或者你是做设计的 ， 还是怎么样的 ， 你做视频的 ， 做编辑 ， 做剪辑的 ， 你如果需要这种层级的再往前探一步 ， 那
你就去找对应的 ， 你像这两天那个影视飓风这一期不是讲 AI 视频的吗 ？ 它那一部分那个 AI 视频的那个画面就是 ， 我不知道你看没看 ， 就是 Tim 说如果所有的画面都是假的 ， 就那个画面就像你现在做的这样 ， 它指这个窗帘是假的 ， 那个窗帘唰就没了 ， 然后这个也是假的 ， 唰它就在山谷里 ， 然后变成蝙蝠侠 ， 变成什么金刚侠这种
， 那一段视频是它的一个离职员工做的 ， 就是他们原来的一个编导 ， 然后他那个人离职 ， 现在就在做 AI 的视频生成这件事情 ， 然后他写了一段超长的文章 ， 去把这一段视频的制作过程写出来 ， 分享出来 ， 然后如果你真的是相关的 ， 你看一下你就大概知道这个事情了 。
OK， 那他那个视频里面他自己是不是假的 ？
他还特意强调说这是假 ， 这是假 ， 这是假 ， 然后我也是假 ， 然后他就变成那个虚拟那个人， 那相当于是个抠出来的样子 ， 然后他不就变到山谷里了吗 ？
他山谷里的第一镜是他自己拍的 ， 就是绿幕自己拍 ， 然后贴 ， 然后他后面的就是假的 。
都是假的 。
对 ，因为本来他想是说变到山谷里的第一镜也是生成 ，但是各种效果不是特别好 ， 所以就让 Tim 补录了第一帧 ， 就是在站在那然后说一句话 ， 然后再往后他变成各种样子 ， 侠的时候就是假的了 ，但你说这种细节就是说对于看的人而言已经没有任何 。
没有太在意 。
对啊 ， 你如果不是干这个的话 。
对 ， 你不是干这个的 。
然后你一看 ， 卧槽 ，他那个过程 ， 卧槽 ，他那个文章 ， 那个剧场真的是太复杂了 ，但如果你就是你是干这个活的 ， 你需要去了解这个事情 ，并且希望这个事情给你的效率跟你工作的产生结果带来好处 ， 那你就去弄嘛 。
是 ， 那对于一些年轻的孩子 ， 年轻的朋友 ， 比如说我有一个亲戚家的小孩 ，在北京读书 ， 现在准备考大学了 ， 前一阵他就来问我说到底应该选什么专业 ， 然后呢 ， 我当时就问他说你对 AI 这个事情感兴趣吗 ？
他说挺感兴趣 ，但是又不懂 ， 我说你可以考虑考虑去往这个方向去选择就业 。 我说完之后我自己稍微有点虚 ， 就是这样的说法到底有没有道理 ？
就他对于年轻人来说 ， 往 AI 方向去努力 ， 去找学习跟就业的方向是合理的吗 ？
我觉得是合理 ，是说举个更现实的例子 ， 比如说现在要不要小孩再去学编程 ， 这是个非常执行层的问题 ，因为一派观点会认为未来不需要编程了 。
没有必要 。
但有一派会认为你需要了解编程这件事情的底层逻辑是什么 ， 就你要知道一点 。 我觉得这两种观点可能都没有错 ，但是这件事情如果加到比如大学要选专业这件事情上， 我觉得就要变谨慎了 ，因为大学专业的教育又是另外一件事情 ， 大学专业的教育本质上都是滞后的 ， 全都是滞后的 。
那似乎我们今天这个时间点 ， 你像当年我记得特别清楚 ， 我是 03 年高考 ， 我当年报志愿的时候是怎么报的呢 ？
我是看我前桌报了一个我没见过名词的这个专业 ，但我觉得这个专业名词特别的新鲜 ， 叫电子商务 。
对 ，是 ， 感觉好厉害 。
好厉害 ， 然后 。
现在想想 。
电子商务 ， 然后正好我们就我是学管理 ， 我们管理学院是真的当时有电子商务这个系的 ， 我们也上过一些选项课 ， 你现在回头来看就觉得 。
就这 ？
就这 ， 就教什么开个亚马逊的店铺 ， 就是 。
教这个 ？
教材就是这个 ， 然后你想可想而知这种东西 ， 当年的互联网跟今天的发展 ，AI 的发展速度又提了一个量级 ， 那在这种情况下你去学这种我们叫术层面的事情 ， 我觉得似乎 。
用处不大 。
用处不大 ， 可能更多的还是学一些更底层一些的 ， 比如说很多人会说要去学什么难的 ， 什么数学 ， 什么物理那些 ，但那个太难了 。
不是一般人能学的了 。
不是一般人搞定的了 ， 那你说我觉得更现实的问题在于 ， 今天这个时间点 ， 这一代的小孩 ，因为我家我们老大六年级 ，他其实某种程度上也在去面临这些选择 ，其实也没有什么必要难 ， 就是说可能更多的还是让这些年轻人们 ， 比如说有没有什么兴趣爱好 ， 对什么东西感兴趣偏好 ， 然后在什么事情上获得过正反馈 ， 这个路径可能是更容易找
到一个结合点的 ， 甚至可能再直白一点 ， 你把前两年学完到大三大四的时候 ， 可能那个事情变得更 ， 就像河东学这种 ， 就是典型的嘛 ， 就是他北游学计算机大学什么的 ，但是 。
他学的事跟做视频没有任何关系 。
对啊 ，但是他给他提供了一些基础嘛 ， 无论是校园的环境氛围 ， 还是学校擅长那些东西 ， 都让他过程中给到他一定的 buff， 当然你不说这个 buff 有多大或者多强 ，但至少给了嘛 ， 那就你这个路径去找可能没准 ， 所以你像之前我也给一些大学讲过课 ， 然后有一次 ， 反正我经常会问他们就是有没有兴趣爱好 ， 可能是旅游 ， 看电影 ， 然后你看到这种兴趣爱
好你就 。
这个就不叫兴趣爱好 。
当然你会多问一句 ， 你说到什么程度 ， 然后你泛泛那似乎就没有 ， 就你很难在这件事情上找到不同点嘛 ， 那如果你能有 ， 很幸运有些人可能在很早时候就找到了 ， 那你就坚持的 ，但如果没找到 ， 那你就可能需要再找别的路径了 。
是 ， 行吧 ， 那整体来说啊 ， 最后我们稍微总结一下， 今天录节目的时间差不多就是 OpenAI 从 2022 年到现在三年的一个小回顾 ， 这三年看来你从事这个行业 ， 你在这当中做各种各样的投资也好 ， 研究观察 ， 你觉得整体向好吗 ？
向好 ， 还在向好 。
那是乐观的 ？
还是乐观 ，在技术层面还是乐观 。
还是乐观的 。
对 ， 金融层面有点担心 。
金融层面有点担心 。
情绪也很复杂 ， 很多人会说泡沫似乎只是一个你没有参与过的牛市 。
也 。
就是泡沫破了大家会说你看我看的多准 。
是 ，但是泡沫里也有不少人赚到钱 。
当然 。
是 。
当然 。
它之所以成为泡沫就是因为很多人赚到钱 ， 只不过你没赚到而已 ， 或者你撤的不够快 。
或撤早了 ， 都有可能 。
那最后总结一下吧 ， 你给大家最后说两句 ， 咱们结束这期节目 。
我觉得就是无数人其实也说过 ， 就是 AI 这一轮之后造成了很多人类对于自身发展跟这个世界发展的担忧 ， 替代各种各样的职业 ， 人类的意义 ， 对吧 ， 人类的生存的可能性 ， 包括很多东西的缺失感出现 ， 然后我会觉得就像你们今天拿苹果播客 ， 最后你那段那个祝福里面 。
就是小视频 。
对 ， 你的小视频最后祝福 ， 你希望大家复杂吗 ？
对 ， 祝你复杂 。
祝你复杂 ， 我觉得这个事情是非常有意义的 ， 就是 AI 取代不了什么 ， 就是人类的经历 、 情感 、 你主观的一些认知 ， 你对很多事情你基于自己的判断跟那些东西 ， 那个东西可能会越来越珍贵 ， 尤其是你考虑到这轮语言模型的发展 ， 真的到那个终极状态还能剩下什么 ， 我觉得最后就是剩下那些东西 ， 那些东西也就造成了我们每个
人与对外人 、 与其他人的不同 ， 然后你的价值 ，以及你在这个社会的价值 ， 所以那个事情如果你已经发现它了 ， 可能没有那么清楚 、 模糊的 ， 那你就慢慢慢慢把它让它变大 ， 对吧 ，但如果没有发现 ， 那你就继续往前走 。
寻找 。
寻找那个东西 ， 我觉得那个才是比较重要的 ，但你看反过来讲 ， 所有的 AI 的这些讨论到最后都会变成神经病 。
对对对 ， 哲学了 ， 最后都哲学 。
全都是哲学 。
行吧 ， 感谢大家收听我们这期的大内 ， 希望大家能够获得一些小小的参考 ， 如果大家有什么想要跟我们讨论的话 ， 欢迎在评论区留言 ， 感谢大家收听 ， 感谢明昊跟大家收听 。
拜拜 。
收束2:08:24
So like a lass, I'm spilling these raps long as you fill 'em to the day that I drop, you'll never say that I'm not killing 'em, 'cause when I am not, then I'ma stop pinning 'em, and I am not hip-hop, and I'm just not Eminem, subliminal thoughts when I'ma stop sinning 'em, women are cord and web, spin 'em in hawk venom, adrenaline shots, the penicillin could not get the illin to stop, amoxicillin's just not real enough, the criminal cop killing hip-hop villain, a minimal swap to cop, niggas are pop listeners, you coming with me, feel it or not, you're gonna fear it like I showed you the spirit of God lives in us, you hear it a lot, lyrics that shock, is it a miracle or am I just product of pop, listen up, but
sizzle my whistle, this is the plot, listen up, you pistols for cots, lizzard does not give a fuck, 'til the roof comes off, 'til the lights go out, 'til my legs give out, can't check my mouth, 'til the smoke clears out, and my high, her house, I'ma rip this shit, 'til my bones collapse, 'til the roof comes off, 'til the lights go out, 'til my legs give out, can't check my mouth, 'til the smoke clears out, and my high, her house, I'ma rip this shit, 'til my bones collapse.
Music is like magic, there's a certain feeling you get when you reel and you spit and people are feeling your shit, this is your moment, and every single minute you spend trying to hold onto it 'cause you may never get it again, so while you're in it, try to get as much shit as you can, and when you're running it's over, just admit when it's at its end, 'cause I'm at the end of my wits with half the shit that gets in, I got a list, here's the order of my list at its end, it goes Reggie, Jay-Z, Tupac, and Biggie, Andre from OutKast, Jaya, Karuck, Nas and Thimmy, but in this industry I'm the cause of a lot of envy, so when I'm not put on this list, this shit does not offend me,
that's why you see me walk around like nothing's bothering me, even though half you people got a fucking problem with me, you hate it but you know respect you got to give me, the presence wet drink like Bob and your Whitney, Nate Whitney, 'til the roof comes off, 'til the lights go out, 'til my legs give out, can't check my mouth, 'til the smoke clears out, and my high, her house, I'ma rip this shit, 'til my bones collapse, 'til the roof comes off, 'til the lights go out, 'til my legs give out, can't check my.