2024 年的第一天，决定做一些新的尝试，开始一个新的付费分享社群项目，目的是建立一种“受托责任”，为自己构建“良性的压力”。如 Light 在《笔记的方法》里所说 ：“如果一个人花了大力气去写文章却没多少人阅读，那么他自然很难坚持下去。而付费专栏就不一样了，因为收了读者的费用，哪怕没有几个人订阅，也会产生一种持续履约的义务 - 这是一种良性的压力，让他有持续不断的动力去更新小报童里的内容。”

分享群的名字叫做 “Seeking Wisdom”，取自《探寻智慧：从达尔文到芒格》这本书的书名，希望将探索智慧作为终身学习的目标，不断提高输入、输出质量，收集优质反馈，和群友们一起将自己打造成越来越优质的 Learning Machines，为人类文明的熵减做出自己微薄的贡献。

.
# 适合什么样的用户

1. 具有强烈的好奇心，是重度的信息控，非常注重每天摄入信息的质量。

2. 追求信息的“半衰期”而不是“新鲜度”，相比于新闻，更关注信息是否可以长期保值。换句话说，是信息的“价值投资者”而不是“投机者”。

3. 关注科技，尤其是人工智能，并且具备一定的基础认知素养。

4. 终身学习实践者，希望能够找到同路人，共同进步。

5. 对于我以往分享内容的质量较为认可。

.
# 提供的服务

1. 每日“旧文”。太多人喜欢追“新”，但褪去时效性的外衣之后，这些被咀嚼过一次的内容的下场，往往是尘封在“已读”或“收藏夹”里，再也无人问津。想一想，你收藏过多少内容？收藏后，其中又有多少被重新读过？这个时代，我们往往习惯于把信息当做知识，把收藏当做学习，把阅读当做思考，把储存当做掌握。我们像只边掰棒子边扔掉的狗熊，亦或是执着于收藏坚果的花栗鼠，把自己的内存和硬盘塞得满满当当，却依旧觉得饥渴难耐。

不如试着换个口味，试试那些保质期较长、营养更加丰富的食物？每个工作日，我会挑选一篇“老内容”来进行“温故知新”，这个内容可能是几个月前的，也可能是几年前的，但一定是我认为已经经受了时间考验的、“没有过时”的内容，同时附加我推荐的理由（文字）。它可能是文章（中文 / 英文）、视频、播客、读书笔记、课程等不同的模态，主要内容可能偏科技、人工智能、投资、终身学习、思维模型等等。

2. 每月思维模型分享。如何把“知识”串联起来，放在一个框架下面？如何建构大脑中一个个的思维模型 App，以便在思考时更多调用自己的“系统 2” 而不是“系统 1”？每个月，我会分享 1 个对自己来说非常实用的思维模型，例如芒格先生尤其推崇的心理学领域的“误判心理学模型”、投资领域的“跨越鸿沟模型”、健康领域的“长寿抗衰模型”等等，以视频+PPT 的方式来进行讲解，内容是自己根据个人研究、读书及实践经验所整理得来。自从芒格提出了“思维模型”这个概念以来，相关的文章很多，但一直没有人系统整理过靠谱的思维模型。我希望通过 10 年的时间，慢慢积累 100 个左右的真正有价值的思维模型。

3. 日常碎片信息分享。我会从自己阅读的数十个中英文信源中，不定期分享一些个人认为优质的碎片信息，比如文章、短视频、图片等，有用的或是有趣的，平均下来每天不超过 3 条，但不保证更新频率。

4. 允许就特定话题做适当深度展开，但谢绝灌水及聊天。

.
# 服务的局限

1. 专业领域局限。由于个人所从事的行业是科技投资，因此分享的内容中有相当一部分会是和科技（尤其是人工智能）、一二级市场投资、宏观经济等相关的，会有一定的专业门槛。虽然个人的兴趣爱好相对广泛，会尽量拓展自己分享的领域宽度，但重点难免还是偏向科技投资方向。不喜勿进。

2. 语言局限。分享的内容中，可能会有 20%左右是英文的。我会尽量找有中文翻译或字幕的内容，但不作任何保证。不喜勿进。

3. 个人能力局限。和各位一样，我只是一个还在终身学习路上的同路人，水平有限。期待着能够和大家一起共同进步。

.
# 如何加入

加入方法是扫二维码加好友，之后会有付费及试用期说明。如果是朋友推荐，请注明推荐人名字。

感恩遇见，希望有缘可以共同进步。

猜猜 GPT5 和美联储降息哪个先来（《兼论Sam Altman和鲍威尔的预期管理》）

对 agent 的一个暴论：现有 (multi) agent workflow 的模式没有太大价值。Agent 今年（在以吴恩达老师为首的各类大佬的吹捧下）热度很高，但现有的这些所谓的 (multi) agent workflow，本质上是把一个大任务拆分成很多个子任务，每个子任务都有明确的 input 和 output，自己定义一些变量和接口，把这些子任务串起来。这种方式很像是早期的自动驾驶，把感知和规控分开解，或者是上一代的语音助手，把语音转文字、LLM、语音合成这些工作流串起来。

终极的解决方案应该不是这个样子的。现有的 (multi) agent workflow，速度慢先不说，最大的问题还是在接口的地方把信息降维了。这些 input / output 的接口和变量，本质上都是把信息降维到人能理解的维度，这是以高维信息的损失为代价的。每多一层 workflow，损失的信息就多了一次。面对简单问题时， (multi) agent workflow 或许是可行的，但它注定无法解决复杂问题。就好比Waymo 用感知+规控的架构，搭配高精地图，能够在凤凰城和三藩市勉强把本地 L4 跑通，但很难 scale 成一个通用的解法。只有 Tesla 端到端的方案才是自动驾驶的未来。

因此，现有的 (multi) agent workflow方式注定只是一个中间状态，类似自动驾驶中感知+规控+高精地图的拼凑。而最终想要解决复杂问题，需要靠基础模型的进化。当模型能力足够强之后，应该是可以端到端的解决问题。你可以在 prompt 里提示它去使用某些工具，或者采用某些步骤，但应该不需要人为去把 workflow 拆出来。

Agent 的概念依旧重要，但应该回归它更加 native 的定义，即每一个 Agent 应该是独立的智能体，拥有自己的 memory, planning, tool use 等能力，能够端到端地解决问题，而不是需要人类按照自己的理解一口口地把饭喂到嘴里。一个 Agent 就应该是一辆独立的L5 Autopilot 的汽车，而不是一堆弱智 L2 Workflow 凑出来的所谓 multi agents 辅助驾驶杂牌军团。这听起来就很不优雅。

OpenAI 很鸡贼，提前一天开发布会，让 Google I/O 的气势弱了很多。再加上 Ilya 的官宣离职又分走了不少流量。果然今早一早起来，媒体的报道和用户的关注相比昨天要少得多。

但实际上，个人觉得 Google I/O 还是有不少看点。最大的感觉是：Google 在AI 发展的进度上真正追平了 OpenAI。无论是音视频实时助手，还是视频生成，基本上都能够和 OpenAI 同步发布，效果类似（当然 Veo 比Sora晚了三个月，效果看起来还是要稍逊）。甚至 Gemini 1.5 Pro 的 2 million 窗口，LLM 与 Google 原生搜索的结合，以及与智能眼镜等硬件的集成，相比 OpenAI 来说还要更领先一些。整体上，感觉 Google 这头巨兽算是彻底醒过来了，开始处于某种进攻的态势。（当然，实际全面发布时间是个问题。The Information 说 Google 现在在 AI 上的风格是先立牌坊，然后慢慢挤牙膏兑现。）

Google 的这个多模态助手 Astra，尽管在语音的表现力上不如昨天的 ChatGPT，情绪没有那么丰满和 dramatic，但是在延迟响应、实时语义理解上是不输的，尤其是还结合了记忆，感觉上甚至更加实用。

相比之下，OpenAI 昨天的发布会，以及最近的一系列动作，比如传说中和苹果合作，似乎都有“提升用户体验，进而拼命扩大用户量”的感觉，不知道是不是切身感受到了 Google 的威胁，在战略上做出的选择。或许 OpenAI 已经意识到了，单单靠自己很难跨越鸿沟，GPTs 的失败就是例子。

当然，Google 也有自己的问题，当下最大的风险就是如何应对 LLM 在搜索结果中带来的商业化挑战。发布会上，搜索的第一条结果换成了 LLM 的结果，体验上看似变好了，但对商业化的影响是巨大的。这种左右互搏，处理不好就会是自掘坟墓，处理好了就会迎来第二曲线。至少从股价来看，感觉华尔街对于这次 I/O 的故事并不是非常 buy in，还在继续观察。

一句话点评GPT4o：更灵敏、更有人情味的眼睛、耳朵和嘴，但脑子没有更聪明。OpenAI 官网上的GPT-4o 的十几个各种用例值得看一遍，印象比较深刻的：

- 最有趣的还是多个 GPT-4o之间的 interaction，比如两个 GPT-4o 互相配合去创作一首歌曲并完成和声，比如一个带摄像头的 GPT-4o 给另一个不带摄像头的 GPT-4o 来描述环境。

- 最有启发的场景是客服场景，一个 GPT-4o 扮演主人的助理，帮主人去退货，另一个 GPT-4o 扮演客服。主人只需要吩咐一下助理，把需求交待清楚，把所有的决策做完，之后冗长繁琐的沟通，完全交由两个 GPT-4o 自己去解决。这种 bot 主导的场景可能是未来生活的主流。当时，视频里的 GPT4o 之间也在用语音交流，实际上完全没必要，直接用 script 交流就可以了。未来人人交互、人-模型交互、模型-模型交互应该是三种不同的方式

- GPT-4o 的声音确实比较有表现力，好几个视频都是为了展示声音在语音语调、节奏、音量、情绪、延迟方面的变化。翻译、会议场景、语言培训方面的用途会比较大。（Duolingo的股价跌了一把）

- GPT-4o 的视觉能力比较适合和眼镜搭配，理解环境。穿搭助理、实时导航、导游、儿童教育、做菜、面试辅助、宠物训练这些都是看得见的场景。在发布会上演示了程序员的实时代码辅助场景，不确定逻辑方面能否跟得上，但做个程序员鼓励师应该是没啥问题的

- 利好各种智能硬件。利好苹果。

整体上，本次进化更多发生在感知和交互层面，让模型拥有了更加灵敏的眼睛、耳朵和嘴。效果看起来很 fancy，但本质上“脑子”并没有太大变化，模型天花板并没有变高，所展示的 case 都还是简单推理下的问题，比如解小学数学题、处理简单客服退换货需求、讲睡前故事等等。更复杂的问题估计还是搞不定。

个人理解，这次还是把人-模型界面的接口体验做了很大优化，对人更友好了，加上成本大幅降低，可以让更多的用户用起来，渗透率能够狠狠拉一把。另外就是硬件层面上，对耳机、眼镜这些设备开启了新的机会窗口。

AlphaFold3出来了，一堆公众号又开始狂欢。新闻看似很震撼，但实际上能够起到的价值非常有限，真正需要的结构还是预测不对。附图是颜宁老师的评论。

AI Drug Design 这么多年，实际上进步非常慢，究其原因，还是问题本身过于复杂，计算空间过大，且数据量过少。另外，制药的大钱是花在临床后的环节，真正花在 R&D上的预算也没有那么大。

前两天和人还聊起这个话题。从一个很虚的角度来说，LLM 解锁的是人类的语言和智慧，但蛋白质是上帝的语言，短期内很难算得过来。我个人也同意。在生物医疗领域，目前 AI 的价值更多是边际性的而不是颠覆性的。

如颜宁老师所说，“还是那句话，AI一定会越来越强大，如何拥抱新技术、问出更有意思的问题，才是相关科研工作者现在更关注的。”

Naval做的Airchat，算是ClubHouse 借尸还魂的 Twitter 版，个人不是很看好，几个原因：

1. 技术上N年前就可以做了（STT的识别率足够高），但一直没有人做起来。很难相信还有这种互联网时代的遗珠在尘封多年后才被人发掘出来。从概率上来看，成功率很低。

2. Twitter 是一对多的产品，从优先级的角度来看，内容接收方的体验要高于内容发送方。发语音这个事情，对于内容发送方来说提高了便利性，但对于内容接收方来说简直就是灾难（想想微信里听语音消息的体验就知道了）。相比文字，语音信息的传递带宽窄、效率低，绝不是沟通的最佳媒介。

3. 即便是从内容发送方的角度来看，发语音确实很方便，但代价是相对书面语来说，内容质量和信息密度降低了，换句话说，相比文字信息，发语音时的内容会更“水”一些。另外，语音是一次性的，缺乏编辑和修改的空间，会进一步降低内容质量。

4. 当然，语音也不是全无是处，比如Naval 提到的，“相比文字，语音可以传递情绪、语调等更多细微的差别”，以及在某些视觉受限的场景下（比如开车、健身等），语音有一定的价值（这也是播客为什么能活得不错），但这些也同样需要语音中的信息密度足够高。你能想象在开车或健身的时候，把某个微信群的聊天记录用语音的方式一条一条播放出来吗？

总之是不看好了。当然都是纸上谈兵，自己也没用过，期待被打脸。

PS. “三年以内，所有带显示的AI设备都是要扑街的”这句话是李楠的原话，我理解他的逻辑是光学显示技术在三年内不会有革命性的进步，因此要想做到有足够分辨率的显示效果，就需要增加设备的体积，而这势必会影响便携性。在他看来，便携性是最重要的，绝对不能被牺牲。

李楠的原话是，“定义硬件产品，首先要定义的是产品的尺度。我们有一个基本的方向性的判断，这个方向性的判断是以手机为根据的，它会比手机更大更重吗？或者它会比手机更小更随身呢？我们可以想象一下，三年之后， 是不是一个有钱人的兜里都会揣着一折叠屏？如果屏幕就在我兜里，还是那么大的一个触控屏的话，你用什么显示能打败它？因此，（下一代设备必须是）冲着比手机更小更轻更随身更便宜的方向去的。”

关于这一点，我个人也有不同的看法。显示的价值在于增加沟通的带宽。如果没有任何显示，那么设备和用户的沟通仅限于音频 speaker，而音频 speaker 是时间顺序的媒介，沟通带宽很低。“今天天气晴，气温 25 度”这种信息念出来需要好几秒，但如果有显示，哪怕只是单色的字符显示，但瞟一眼就可以看到，沟通带宽会高很多，私密性方面也会有提升。

换句话说，增加显示未必意味着牺牲便携性。据说 Meta Rayben 下一代设备就会增加类似的低分辨率显示。

顺带一提，李楠在访谈时有很多类似的“断言”和“暴论”，比如“五年之后程序员会消失”，比如“比程序员先死的是产品经理”（他对产品经理的理解似乎只是做 GUI 设计的），等等。这些随便听听就算了。不过我认为他对硬件的理解还是很深刻的，总的来说还是值得一听。

某种意义上，我感觉这些“断言”和“暴论”也是硬件产品经理长期训练的结果。做硬件产品要做大量的取舍和决策，并且要十分坚决。毕竟硬件产品开发周期长，灵活性低，这需要团队从第一性上做很多思考，并且敢于建立非共识。如李楠在最后所说：

“我们做了多年消费硬件，发现一个很有意思的事情，就是我们用语言描述一个产品，到最终（把产品）生产出来，你弄一百个团队同时干同样的产品描述，他们最终拿出来的东西会完全不一样。过程中涉及到大量很细的产品决策，包括使用什么样的材料， 怎样影响重量， 用什么样的表面处理， 等等，这里面你可能需要做一千个决策， 其中至关重要的影响生死的决策， 可能有五到十个。我觉得一百个团队全部做同样决策的概率也不高。”

魅族的李楠过来做嘉宾，谈了不少他对 AI 硬件的理解，尤其是他对“下一代可穿戴的 AI 设备”的想像，以及背后的逻辑，值得一听。尝试梳理：

整个3C科技行业有一个关于个人计算设备的预言，这个预言到今天为止一直是有效的。这是当年施乐的一个叫马克·维瑟的工程师提出来的。1991 年，39 岁的马克·维瑟在《科学美国人》发表了一篇文章，叫做《21 世纪的计算机》，提出了普适计算 / 隐形计算（Ubiquitous computing）的概念，并且定义了三种形式的个人计算设备：Boards（尺寸以米计算的大型设备，电视/电脑）、Pads（尺寸以分米计算，手持 Pad）、Tabs（尺寸以厘米计算，可放在兜里，手机）。他还预言了wearable device的崛起以及传感器的无处不在。预言的最终形态是人们只要带着一张脸，就可以随时调用数据和算力。

施乐的这个预言的计算设备的发展路径已经被过去几十年证明了，也是李楠的基本论据。在这个预言里，在 Tabs（手机）和最终形态（人脸）之间，会出现一个过渡的状态，一个比手机更轻、更小、更便宜、更随身的设备。它成为计算中心的理由不是因为算力更高（手机也不是因为算力才成为中心），而是因为它比手机更容易访问。如果存在这样一个设备，它应该是越靠近脸部越好，因为这样会离人类的传感器更近。人类也有天生的传感器，我们的 camera，我们的 microphone，我们的 speaker，都在脸上，所以它应该是一个接近脸的设备。设备上应该装一堆传感器，什么红外可见光+激光+阵列麦，看得比人还清楚，听得比人还清楚，然后喂给大模型获得答案。此时，“作为一个人，我变成了一个低级物种。”

这样看来，这个划时代的下一代颠覆性设备应该满足这样的描述：wearable，离脸近，更轻，更多传感器（always and instantly ready的传感器，重要性被严重低估了），更好的网络连接（以便和AI大模型绑定）。可能的候选形态包括眼镜、耳机、项链、帽子等等。Meta Ray-ban智能眼镜本质上就是一个可拍照的音频眼镜，第一代被用户骂惨了，第二代做了改良，加了阵列麦克风和摄像头，但没做显示，所以能维持重量和一个相对过得去的续航，然后支持一定的AI多模态功能，还支持离线。Meta 还正确地控制了用户的预期，因为它上一代产品的表现很一般，所以其实大家的期待并不高。

如果这样一个 wearable device 被搞出来，很可能三年之内就会取代手机，在大众中的渗透率超过 50%。这里的逻辑是每一代计算设备的渗透速度都在加快，互联网用了几十年，智能手机 6 年（iPhone 渗透率超过50%用了 6 年），所以下一代设备的渗透速度一定更快。至于商业模式，目前还不清楚，但只要对用户有价值，一定可以找到靠谱的变现模式。

李楠认为，当前所谓 “AI 硬件” 涉及到两个矛盾的概念，第一个概念是“+AI”，用老东西加上 AI，比如所谓的录音机加AI，它的短期成功概率更高，更确定，类似种地。第二个概念则是颠覆性的“AI Native”，当软件产生决定性变化的时候，硬件应该从零开始为软件的能力重新设计。这种方法的结果不可预测，像是放羊（当然在人类历史上是反过来的，从游牧文明到农耕文明）。用图片处理来举例子，photoshop 就像是种地，是联合收割机，用的是对象、命令、多窗口等经典方法，而 midjourney 就像是放羊，用的是自然语言，是完全不一样的生产力。

最后，李楠对其他 AI 硬件的评价：

- AI Pin：灾难性的产品，基础体验不好是其次，最重要的是产品定义错了，做了太多的加法。三年以内，所有带显示的AI设备都是要扑街的。

- Rabbit R1：大概率会扑街，它的产品定义不清楚，不能用一句话清晰的说明白。另外，它的革命不彻底，还是基于 GUI 的假设来做交互，用虚拟机来模拟 GUI ，但 GUI 是给人看的，不是给 AI 看的。在 AI 时代需要更加颠覆性的底层解决方案，比如 Stanford 的 Octopus 团队，跳过 GUI 应用层直接写脚本，模型更小，执行效率更高，速度更快，功耗更低。

- Apple Vision Pro：傻逼产品， 太重了。

- Rewind Pendant：已经成功了。产品定义就是 AI+录音机，做 Memory 的记忆和增强， 非常清晰。

两张图说清当下 LLM 2C、2B 的真相

有了自己的 AI Avatar 分身之后能做什么？继小扎、Lex Friedman之后，Reid Hoffman 也来秀了一把，和虚拟的自己访谈。具体内容不重要，我自己觉得比较有启发的一点，是这种交互方式或许有助于跳出过于自我的心里谬误，用更加客观的视角来看待自己。

之前王建硕提过一个思维习惯，让我一直挺受用的，就是在思考时用“他”来替代“我”，比如“他有点饿了”，“他觉得这个想法很蠢”，等等，看似只是代词的变化，但实际上是借助语言来将“自我”抽离，和自己的想法拉开距离，用第三方的他者视角来看待自己。有了 AI Avatar 分身之后，或许能够更好地实现这个想法，让无谓的自负和 ego 再少一些。

另外，也可以看到自己更多的可能性，比如在访谈中，Reid Hoffman 让虚拟的自己说流利的克林贡语，还是会挺有成就感的吧~

P.S. 虚拟人在访谈中有很多有趣的小肢体语言，比如搓手指、低头、视线的四处转移等等，让真实度加分不少，但相对真人来说还是不够丰富。对比着看还挺有趣的。

访谈链接：www.youtube.com