优质长文分享会

去年我们几个在远东种了一千二百亩大豆。十月份秋收后，又用了俩月写了这篇文章。这是你能在中文互联网读到最好的非虚构类文章之一，我有底气这么说。因为各种原因一直没发出来，今天索性直接发自己博客了。

其实还有一个多了一万字的完整版，里面除了我们几个种地的故事之外还写了下大豆的近代史。过两天闲下来了发出来。

天主教烧死布鲁诺，囚禁伽利略的事情大家都知道了。
但实际上后来天主教对科学的态度发生过几次很大的转变。
以至于本周新教宗发布了一份 4 万字的，关于人工智能的通喻的时候还让挺多人震惊的。
趁这个机会，详细梳理了一下过去 400 多年教廷与科技之间的关系。

好文

本想在生日前写完上半年工作复盘，
没想到排版超时喽，
没关系，
那先祝自己生日快乐吧！（笑
正式的生日复盘要拖到年底咯哈哈哈哈

你有没有注意到一个现象，现在获取信息变得极其容易，但人们反而比以前更困惑了？

打开手机，你能看到关于同一个事件的一百种说法。每一条都言之凿凿，每一条都有数据支撑，每一条都试图说服你。

这跟几百年前制图师面临的问题很像，当时人们绘制世界地图，为了让航海航线在地图上呈直线，不得不拉伸两极附近的陆地。结果格陵兰在地图上看起来和非洲差不多大，而实际上非洲的面积是格陵兰的十几倍。这张失真的地图被用了几个世纪，一代又一代人通过它理解世界格局。地图本应反映领土，最终它反过来塑造了人们对领土的认知，但地图永远不等于领土本身。

今天，我们每个人都活在自己构建的“地图”里。它们决定了你如何理解一条新闻、如何判断一个趋势、如何做出一个决策。当AI让所有人都能瞬间获取相同的事实和基础分析时，真正拉开差距的是你用什么样的框架来组织这些信息。

工业时代的经济交易围绕物理产品展开，一双鞋的成本、耐用度、设计看得见摸得着。信息时代，价值的重心慢慢转移到围绕产品的信息上，比如品牌声誉、用户评价、社交推荐。而现在，AI正在把信息本身变成廉价商品。任何人都可以用大模型在几分钟内生成一份行业分析、一篇产品测评、一个投资建议。

那什么还值钱？是那些能够用更少的前提解释更多现象的框架。一个投资人面对同一组财报数据，不同的人会读出完全不同的信号。一个人看到增长放缓，另一个人看到结构调整的前兆。财报数据是相同的，但解释数据的方式不同。

好的解释有两个特征，第一个是延伸力。一个好的框架不需要堆砌大量特设条件，它用一个简单的核心逻辑，就能覆盖表面上看起来不相干的多个现象。比如，为什么某些软件公司估值暴跌，同时另一些工具类应用反而大涨？一个有力的解释可能是AI正在重塑软件的价值链，中间层被压缩，直接面向用户的能力变得稀缺。这个逻辑不仅能解释今天的涨跌，还能预测明天的方向，它的解释力就超出了最初观察的范围。

第二个特征是难以篡改，好的解释每一个部分都在承重，你无法随意替换其中一块而不导致整个结构坍塌。相反，坏的解释像是一团浆糊，你可以轻松修改它的任何细节，它似乎仍然说得通。比如你经常听到这样的说法：“市场下跌是因为投资者情绪谨慎。”那如果市场上涨呢？同样的人会说“投资者情绪乐观”。这种解释没有约束力，它只是事后给现象贴标签，你无法用它做任何提前判断。

AI时代，制造这种坏解释的成本降到了零。大模型可以源源不断地生成圆滑的、正确的废话。它们听上去合理，但没有真正的预测力。而好解释是稀缺的，因为它需要你对一个领域有足够深的默会知识，即那些你无法用语言完整表达、只能通过长期实践积累的直觉和判断力。

这对每个人的生存策略都提出了新的要求，大多数人习惯于在别人的解释框架里套利。比如看到某个分析师的报告很有影响力，就在它被市场消化之前抢先反应。这是交易者思维，短期内能赚钱，但它让你永远处于下游。

更好的位置是成为解释的源头，在地图上画出新的等高线。当一个行业陷入混乱，没有人能说清楚到底发生了什么，你提出一个清晰、自洽、有预测力的框架。这个框架如果经受住了最初的质疑和检验，它就会成为新的基准。别人开始用你的语言来讨论问题，用你的分类来分析现象，你就掌握了这个议题的定价权。

这听起来像是少数天才才能做的事，但一个被反复验证的规律是所有可靠的知识，无论自然科学还是商业洞察，都不是从历史数据中归纳出来的。它们是先有一个大胆的猜想，然后通过不断批评和检验，淘汰掉那些不好的猜想，留下来的就是相对靠谱的解释。牛顿不是看到苹果落地才想出万有引力，他先有了一个关于天体运动的猜想，然后用大量观测去检验它。

AI带来的真正冲击正是它暴露了人类思维中懒惰的部分，只会复述常见观点、套用流行框架、输出标准答案的人，他们的价值会被快速压缩。但那些能够对混沌提出新解释、对复杂系统给出简洁因果、在噪声中识别出信号的人，他们的价值反而被放大了。AI每制造出一片新的混乱，就多出一个需要解释的缺口，而解释是只有人才做得好的事。

恐惧被AI替代的人往往默认了一个隐含假设，即世界的价值总量是固定的，AI拿走一块人类就少一块。但这个假设忽略了知识增长的非线性特征，一个好的解释不仅不会耗尽问题，反而还会打开更多的新问题。正如牛顿力学解释了苹果和行星，但它引出了水星轨道异常的问题，后者最终催生了相对论。相对论继而又打开了量子引力的问题，每前进一步新的未知领域就暴露出来。

你不需要害怕AI会画完所有的地图，真正值得担心的应该是你手里那张用来理解世界的地图，是不是还是别人画的，而且已经严重过时了。AI时代最值钱的能力是重新学会问我能不能用一个更简洁、更有力的方式来解释我看到的一切？如果答案是能，你就拥有了这个时代最稀缺的资产。

5月15日晚上，Research AI+社区的小伙伴跟5Y社区的朋友们围绕世界模型 World Model 做了一场小范围闭门讨论。原文太长了，分成了上下篇。

这场讨论最有意思的地方，并不只是大家谈到了哪些技术路线，而是参与者本身来自非常不同的背景：有人长期做具身智能和机器人操作，有人来自自动驾驶和硬科技工程现场，有人关注视觉表征、三维生成、多模态、Agent、AI Infra，也有人在做生成式世界模型评测和早期技术投资。

这使得讨论天然带有多重视角。很多时候，大家对 World Model 的判断并不是从同一个问题出发的：做机器人操作的人会关心 action 和真实世界反馈，做自动驾驶的人会关心长尾数据和部署，做评测的人会关心 benchmark 是否真的测到了物理一致性，做 Infra 和产业工程的人则会更敏感于系统、延迟和落地成本。

也正因为如此，我在整理这份实录时，专门保留了每位发言人的研究领域，并尽可能完整地复现讨论现场的结构、语气和观点流动。希望大家在阅读实录的时候，仍然能看到：一个观点并不是凭空出现的，它往往和发言人的研究方向、产业位置、问题意识和专业经历密切相关。

World Model 仍处在非常早期的讨论阶段，很多问题目前都没有标准答案。这里面的很多判断也未必有绝对对错，更多是不同路径、不同约束、不同应用场景之间的碰撞。

因此，这份实录更像是一组来自现场的分歧样本的整理和呈现。阅读时，大家可以带着发言人的 background 去看：谁在说，为什么他会这样说，以及这个判断背后隐含的是哪一种应用场景和技术路线。大家食用愉快。

“小孩子哭着被送进幼儿园，老了哭着被送进养老院，闭环了。”

人活一世，不得不来又不得不走，生得偶然又死得随机，千言万语，也不过是余华那句“死亡不是失去了生命，只是走出了时间”。

“人的一切行动，都可以视作是在当下的处境下，让自己感觉稍微好一点的一种努力，或者说是他那个处境下的最低可行解。我觉得这是人身上最让我感动的，或者说这是人天然的一种趋光性、向生性。我们常说一个人总是倾向于活在过去，但我们也可以说，一个人是很难继续不向前走的。”

宁南山老师的文章每期必看。虽然现在的年轻人会非常反感催婚催育，不过宁老师说的也是事实，现在人口下降速率过快，我们终会到10亿的水平，那个时候这个趋势如果还没有扭转，后面就是经济的崩塌，这是影响最大的长期变量

记录下回老家遇到的顺风车司机