即刻App年轻人的同好社区
下载
App内打开
易凡
361关注1k被关注2夸夸
一个元宇宙∞里不炒币💰的程序员👨🏻‍💻
易凡
6天前
当了一晚临时的火星人
03:19
00
易凡
12天前
AI在智力领域和软件服务向上吞噬的能力超出预期,网络贡献数据和知识,人类贡献工程设计,并且由于开源的力量,使得闭源并不总能保持绝对的商业价值(太贵了总有便宜的平替版)。最终智力活动都能以token和算力统一计价。

而且这个过程不可逆,因为高级智力工作者和服务提供商自身必须用AI才够竞争力,而有需求就会有人实现。AI就能得到适应、训练和成长,反过来吞噬原有的护城河。

真是又喜又怕的时代。

王慧文: 我们曾经以为, 中国SaaS会像美国SaaS那么值钱, 现在看, 美国SaaS会像中国SaaS这么不值钱。 😅😅

00
易凡
14天前
AI不是银弹,现在谈只用一种技术,一种方式吃遍天下还太早了

在我看来,Agent和Copilot是两种模式,各有所长,未来会都存在。

Agent强调自主、少监督确认。那么如果目标产物不是图像,确实用TUI就够了,ClaudeCode已经开辟了道路。

但是所有事情全自动,人类撒手不管,目前看来问题会很多:失控风险大、先污染(泄露不该泄露的、操作不该操作的、钻漏洞侵害他人获取利益等等)后治理补救,首先从浪费的算力和产出收益上衡量就是不划算的。其次这对于全社会来说也不是良好的发展模式。这些OpenClaw也演示了

即便后续解决好效率和治理问题,回归到本质,我认为还是有两点根源导致一定存在Copilot和GUI的一席之地。

根源一:图像的信息载量是超过文字的。一图胜千言。另有Deepseek的Contexts Optical Compression也验证这点。从Agent运行效率上说,从人类需求(本质上也是效率问题,Video Game的娱乐生态一定比Word Game丰富,所有社交App一定会走向视频板块)上说,一定会不局限于文本单模态。

根源二:AI智能是锯齿状的(有些时候很强,有些时候又蠢得离谱),总有需要人类指导来达到更优解的情况。即便达到AGI,也总有更优秀的人类能指导这个AGI。那么在高深领域一定存在Copilot模式强于全自动模式。

不过不要误会,我说Copilot和GUI一定有一席之地,不是指现在的Copilot和GUI,它们本身也一定要经过AI Native的改造进化。

江流儿_MIuY: 我开始重新审视 UI 的必要性:如果一个任务可以在没有图形界面的情况下,仅凭自然语言指令就达到预期,那么 UI 是否已成累赘? 这是一个关于‘信任’与‘演进’的过程。在无 UI 的 Agent 协作模式中,我们不再追求交付即完美,而是建立一种‘先信任,后优化’的机制。项目本身变成了一个自我演进(Self-evolving)的生命体——在不断的对话交互中,AI 逐渐对齐我的目标;在外界反馈的循环中,我们实时修正偏差。 这种交互不再依赖点击和视觉确认,而是回归到人类最本质的表达——语言。如果人与 Agent 的协作能通过纯粹的对话实现即时响应与迭代,那么传统的 UI 确实失去了存在的必要。未来,会提问(Prompting)即是编程,语言即是界面。

00
易凡
16天前
25年我认为AI经历了确立趋势的同时抛出了更多非共识的阶段

确立趋势来自我们在一线使用AI的认知,来自行业不断有新产品的诞生,有新需求的抛出。

非共识来自AI需要以非传统的思路重塑过往的惯常方式,包括生产力工具、工作流、商业产品乃至企业的组织形式

而这两点恰恰是创业最需要的,渡过了移动互联网的沉寂和元宇宙的好高骛远,这是创业者期待了太久的大航海时代,目标星辰大海

字节、阿里、腾讯 AI 大战全记录:一场影响命运的战争

00
易凡
16天前
创业不易,Disco充电

当当当当 当当
当当当当 当当
Disco-co~
只有音乐~
04:31
00
易凡
19天前
OpenCode太多bug了
OpenCode跟ClaudeCode的代码工程差距,反映了Vibe Coding和Spec Coding的差距,也反映了从0到1的开发者和从50分到90分的专家差距。

在这个“人人都能做开发”的AI时代,我还是想强调:

「软件」跟「软件」的差距,大于「有软件」跟「没有软件」的差距。

越是AI时代,越是这样,人人都能从0到1做个东西出来,但终究只有少数人能指挥AI做深度优化。

AI既带来了技术平权,也带来技术特权,两者同时发生

AI既会加强贫富差距,也会拓宽底层上升通道,两者看似冲突,实际上也在同时发生。

当然,以上只是对现状的描述。世界还是在动态变化的

开源软件缺乏商业度但拥有自由度,有它存在的意义和价值。OpenCode未来未必不能赶上来

AI还没达到AGI,所以深度领域依然需要人类专家指导调教,未来也许可以左右互搏,对人类专家的依赖越来越少,届时AI生产力又会回归普惠(抛开硅基统治世界的科幻不谈)
11
易凡
21天前
我是这么想的
先干成事,后学做人。到了深层次的事务,搞定人比搞定事重要。

但是能干成事是基本盘,如果反过来,先精通关系,后面其实难学做事了。

吃蛋挞的烤面包: 又一大挑战来了,我爸真说对了,我爸说我这个性格在国企容易干成事但又容易得罪人 容易干成事是因为我愿意干活,能扛事,但容易得罪人,因为太多关系要照顾了,我搞不定🥹

00
易凡
22天前
极限审判 四星 🌟🌟🌟🌟

如果说《Her》是搞AI陪伴创业者的必看电影的话
这部《Mercy》我想可以成为搞Agent,目标AGI的人的必看电影

小到语音输入,“delete it”如何区分是指令还是内容;监控视频,如何快速定位,知道何时该加速何时该减速,何时放大何时超分
中到言出法随,拥有全量数据权限,随时按需获取综合研判,即时生成各种UI,主动/并行运行多任务,随时更新,随时介入(当然这些已逐渐不够“科幻”,而是指日可待了)
大到隐私vs便利的伦理,AI带来的到底是平权还是特权,理性vs直觉vs幻觉的交锋,理性能够发现思考被蒙蔽,直觉能够快速坍缩概率,再聪明的AI也不能计算所有的混沌,同时也经不起源数据的“投毒”

总的来说电影并不完美,但对AI未来形态的演练足够精彩,也能带来不少思考,推荐看看。
21
易凡
22天前
如果是从0开始做一个demo,不必在意技术架构,因为重点是看到效果

但如果是长期维护的工程,必须在意。长期维护的工程,已经不是vibe coding了,而是spec coding

MiloHan: vibe coding 时,你会很在意技术架构吗? 比如:低耦合、高内聚。 而不是畅所欲言让其尽情发挥。

11
易凡
1月前
关于5年内全球最领先的AI公司是不是中国公司这点我倒并没有那么在意。

中国人得了一种在各个领域“不是老大就焦虑”的病

难道AI不是最领先的就不能造福人民吗?

领先可以是一个结果,一个副产品,而不是真正的目标。真正的目标是用好工具实现价值,把这个做到卓越了,结果自然会有的。是5年还是10年,并没那么重要。

如果强行把领先作为目标,反而容易陷入冷战期间军备竞赛的思维。

Max_means_best: 这是中国AI界最有含金量的一次圆桌访谈。 今天下午在北京的AGI-Next闭门会上,有这样一场我认为是中国AI界最有含金量的圆桌访谈。 之所以这么说,是因为在这个时间节点(2026年初),杨强、唐杰、林俊旸、姚顺雨(远程)这几位坐在台上。 既没有谈论那些宏大的AGI科幻愿景,也没有回避那些让从业者尴尬的现实问题。 整场看下来,只有一种感觉:真实。 他们把过去两年行业里堆积的泡沫吹散了,露出底下粗糙但真实的纹理。 作为在行业里摸爬滚打的人,我整理了一下我觉得有价值的部分。 如果你还在这个牌桌上,建议读完。 一、承认吧,中国AI最大的问题是“穷” 这是整场圆桌里我觉得最清醒的一个比喻。 阿里的林俊旸把中美差距说得很透:这是富人和穷人的游戏。 什么叫富人? OpenAI们手里的算力比我们大1-2个数量级。 人家拿算力是在做Research,是探索无人区,甚至是在“浪费”。 什么叫穷人? 大部分中国公司手里的卡捉襟见肘,绝大部分算力光是应付业务就已经亮红灯了。 这直接导致了玩法的不同。 富人可以赌找到下一个范式,穷人只能赌确定性。 但也没必要悲观。 正因为穷,我们才会被逼出一种绝活:算法与基建的极致联合优化。 这种穷则思变的工程能力,富人是不屑于练的,但这就是我们在算力封锁下活下去的唯一氧气管。 二、To C 的智商过剩,与 To B 的智商溢价 腾讯的姚顺雨从OpenAI回来后,第一次对外分享。 他表示过去一年,所有模型都在卷分数(BenchMark)。 但现实是,在To C端,用户根本分不清你的模型是92分还是98分。 ChatGPT解数学题变强了,对普通大众来说意义有限。 To C接下来的核心,不再是卷智商,而是卷Context(上下文)和情商——模型知不知道我今天在哪里,知不知道我冷不冷。 真正的智商溢价在哪里? 在To B,在Coding。 企业愿意为那个能把10个任务做对9个的模型付200美金,而不是为做对5个的便宜货付20美金。 所以,智谱的唐杰老师判断很准:“AI代替搜索”的战争,随着DeepSeek的出现,已经结束了。 下一场硬仗,是Coding(代码能力)。这不仅是程序员的工具,更是未来Agent自我进化的基石。 因为那是生产力,那是真金白银。 三、Agent 的终局:模型即产品,套壳没戏 如果你正在做Agent创业,或者所谓的“套壳”应用,这段内容可能会让你重新思考商业模式。 圆桌上的结论很冷酷:模型即产品。 林俊旸提到了一个很现实的技术细节:Agent在执行任务时遇到的长尾问题,靠修补Prompt或应用层代码是解决不了的。 解决这些问题,需要回到模型层,通过烧卡训练模型来修复。 这意味着,通用Agent的天花板,牢牢掌握在模型厂商手里。 没有模型训练能力的公司,很难建立真正的壁垒。 四、中国领先的概率是20% 这是整场对话最扎心的一问。 主持人问:3-5年后,全球最领先的AI公司是中国公司的概率有多大? 林俊旸给出的数字是:20%。 这是一个非常诚实的数据。 听惯了“遥遥领先”的人,可能会觉得这个数字刺耳。 但对于一线从业者来说,这个数字无比真实。 姚顺雨还补充了一个文化层面的观察:我们的研究文化,太喜欢“确定性”了。 我们喜欢刷榜,喜欢做那些一定能出结果的改进。 而OpenAI之所以能成,是因为他们敢在2022年就去赌一个当时看起来毫无确定性的路线。 我们面临的是算力鸿沟,是人才密度的差距,是研究文化上太爱确定性和刷榜的惯性。 这种不敢冒险的文化惯性,可能比算力差距更难弥补。 但20%就没有意义了吗? 智谱的唐杰老师说了一句很触动我的话:“我们这一代(AI人)可能是最不幸运的……但如果我们笨笨的坚持,也许走到最后的就是我们。” 这就够了。 在这个阶段,承认差距,承认我们是“穷人”打法,承认胜率不高,并不是为了贩卖焦虑。 相反,只有看清了底牌,不再幻想弯道超车,我们才能在剩下的那20%的可能性里,把工程落地做到极致。 这一仗很难打,胜率也不高。 但只要还在牌桌上,就别下场。 路还很长,保持清醒,请笨笨地坚持吧。

24