即刻App年轻人的同好社区
下载
置顶
给传统软件和 AI 软件算一笔经济账：
1. 传统软件：可以实现边际递减。换句话说，用的人越多，它的成本就越低，规模效应就明显。
2. AI应用软件：无法实现边际递减。因为每个账号、每个用户都需要消耗 token，而 token 的成本是不会随着用的人越多而有显著下降的。
3. 如果这家软件公司自己没有大模型的话，营收很大部分交给模型公司，模型公司也很可能给芯片和云服务商打工
4. 下面这个图就比较好地展示了两者在经济方面的差异。
结论，做 AI 应用会面临这样一个天然的问题：不可能再按照规模效应去赚钱。
但是，如果只是赚 token 的差价，这个利润也未免太薄了。如果按照真正的产出结果收费的话，这种场景又极为狭窄。
开发成本，模型和技术迭代，人才缺乏这些问题都不展开了，更不用说国人对软件的付费意愿，AI软件不是好生意。
这里主要针对toC场景。
1. 传统软件：可以实现边际递减。换句话说，用的人越多，它的成本就越低，规模效应就明显。
2. AI应用软件：无法实现边际递减。因为每个账号、每个用户都需要消耗 token，而 token 的成本是不会随着用的人越多而有显著下降的。
3. 如果这家软件公司自己没有大模型的话，营收很大部分交给模型公司，模型公司也很可能给芯片和云服务商打工
4. 下面这个图就比较好地展示了两者在经济方面的差异。
结论，做 AI 应用会面临这样一个天然的问题：不可能再按照规模效应去赚钱。
但是，如果只是赚 token 的差价，这个利润也未免太薄了。如果按照真正的产出结果收费的话，这种场景又极为狭窄。
开发成本，模型和技术迭代，人才缺乏这些问题都不展开了，更不用说国人对软件的付费意愿，AI软件不是好生意。
这里主要针对toC场景。
2 00
Andrej Karpathy（AI 大神）：AI 的认知差距越来越大，并且呈现出异常尖锐的漏斗分布⬇️
- 大约60亿人（占人口的约75%）几乎完全没有接触过LLM。
- 大约10-20亿人（约20%）是免费ChatGPT（豆包）类产品的随意且不频繁用户。
- 大约2000万人（0.2%）把LLM 应用在数学和编程等专业应用中
- 大约5000人（约0.00006%）接触内部前沿级系统，这群人能够调度数千 agent 共同协作构建巨大的软件项目……
- 大约60亿人（占人口的约75%）几乎完全没有接触过LLM。
- 大约10-20亿人（约20%）是免费ChatGPT（豆包）类产品的随意且不频繁用户。
- 大约2000万人（0.2%）把LLM 应用在数学和编程等专业应用中
- 大约5000人（约0.00006%）接触内部前沿级系统，这群人能够调度数千 agent 共同协作构建巨大的软件项目……
2 30
很好，如果成本允许，做个虚拟形象每天给我讲书，做播客，换句话说就是定制个人的内容，千人千面，其实也不遥远了～ //@伏特加兑水: 我给弄成拟人化了，本地生图用做虚拟形象，然后主力 hermes 运维，Muse 备用了，我看中那个网络环境了
卡尔李CarlLee: 这段时间把muse当成一个贴身助理， 类似我的秘书角色， Hermes则是我的管家➕打手 其中用muse最重要的case之一是给我讲书： 目前在讲的有三本，都是英文原著，两本非虚构，一本讲agent （要是没有AI，我可能永远不会去翻） 但是现在每天每本书给我讲一个章节，输出一份摘要，一段7-10分钟音频，摘要≠音频，音频更加生动 我只需要在散步和吃饭的时候打开听，很容易就听完了，一本书大概两三周的时间就可以读完。 而且我都会特地调整难度，不懂的话 我还可以跟他讨论和追问，甚至让他画个图给我讲明白。所以基本上每天消化几个知识点问题不大。 另外，他会结合我的背景，把这个知识点跟我的工作生活结合起来。甚至告诉我应该怎么应用和用到哪里。 至此，我觉得我发现了一个比较适合我的学习方式和路径。 按照传统的阅读方法，我需要用微信读书导入那些书，自带翻译，逐章的去阅读，因为翻译的问题，结合阅读的状态，我基本只能囫囵吞枣，读个大概。更不可能进一步的讨论或者去深究。 要强调的一点是，大多数的非虚构的文章，真正对我们有用的，可能就是一些观点、事实或者技巧方法。大量的篇幅其实都在论证 特别是老外的书籍会有很多故事和案例铺垫。 而对于技术类的书籍，对我来说 我只需要掌握框架和原理，我只需要知道是怎么回事，不需要深究技术细节，AI就在这里起到一个很好的知识降维作用。 所以用AI就可以起到一个去粗存精的萃取作用。过去大模型的能力不够，吞不下一本书，现在上下文已经到了100万，很多大部头都已经可以吞下，更不用说几十万字的非虚构书籍。 再加上现在的多模态模型，能够很好的模仿真人的语调、语速、发音等等 你完全可以定制一个让自己舒服的“领读人”，这就更容易让你听进去了。 更何况现在的Agent可以综合你的上下文背景，让内容更贴近你的背景。 可以说这个音频就是为你量身定造的独一份。 我认为这是未来个性化学习的雏形吧。 反正对我来说，我的碎片化时间不再用来刷没用的信息，每天都期待着更新，都有收获。并且读完这一套还有后面的，而这个读书经历又会进入到我的知识库里面，以后随时调用。 其实除了让AI给我读书之外，还要每周读一篇论文，以及每天的资讯类的播客，这个播客会有两个虚拟的人物，通过交谈的方式帮我盘点，比如说前一天的AI行业资讯、X.com上面的热点话题以及各种商业八卦。 怎么实现？ Muse自带的TTS模型不够用，我是另外给他配了MiniMax的多模态模型，所有的语音内容都是用MiniMax的模型生成，而且我要MiniMax给我一些参考的声音，我选了一个我比较舒服的。 书籍我是存到Google Drive上面。让Muse给我挑一本，它负责每天帮我挑一个章节，生成内容，转成音频，然后推送给我。这个过程并不复杂。
1 00
这段时间把muse当成一个贴身助理，
类似我的秘书角色，
Hermes则是我的管家➕打手
其中用muse最重要的case之一是给我讲书：
目前在讲的有三本，都是英文原著，两本非虚构，一本讲agent
（要是没有AI，我可能永远不会去翻）
但是现在每天每本书给我讲一个章节，输出一份摘要，一段7-10分钟音频，摘要≠音频，音频更加生动
我只需要在散步和吃饭的时候打开听，很容易就听完了，一本书大概两三周的时间就可以读完。
而且我都会特地调整难度，不懂的话 我还可以跟他讨论和追问，甚至让他画个图给我讲明白。所以基本上每天消化几个知识点问题不大。
另外，他会结合我的背景，把这个知识点跟我的工作生活结合起来。甚至告诉我应该怎么应用和用到哪里。
至此，我觉得我发现了一个比较适合我的学习方式和路径。
按照传统的阅读方法，我需要用微信读书导入那些书，自带翻译，逐章的去阅读，因为翻译的问题，结合阅读的状态，我基本只能囫囵吞枣，读个大概。更不可能进一步的讨论或者去深究。
要强调的一点是，大多数的非虚构的文章，真正对我们有用的，可能就是一些观点、事实或者技巧方法。大量的篇幅其实都在论证 特别是老外的书籍会有很多故事和案例铺垫。
而对于技术类的书籍，对我来说 我只需要掌握框架和原理，我只需要知道是怎么回事，不需要深究技术细节，AI就在这里起到一个很好的知识降维作用。
所以用AI就可以起到一个去粗存精的萃取作用。过去大模型的能力不够，吞不下一本书，现在上下文已经到了100万，很多大部头都已经可以吞下，更不用说几十万字的非虚构书籍。
再加上现在的多模态模型，能够很好的模仿真人的语调、语速、发音等等 你完全可以定制一个让自己舒服的“领读人”，这就更容易让你听进去了。
更何况现在的Agent可以综合你的上下文背景，让内容更贴近你的背景。
可以说这个音频就是为你量身定造的独一份。
我认为这是未来个性化学习的雏形吧。
反正对我来说，我的碎片化时间不再用来刷没用的信息，每天都期待着更新，都有收获。并且读完这一套还有后面的，而这个读书经历又会进入到我的知识库里面，以后随时调用。
其实除了让AI给我读书之外，还要每周读一篇论文，以及每天的资讯类的播客，这个播客会有两个虚拟的人物，通过交谈的方式帮我盘点，比如说前一天的AI行业资讯、X.com上面的热点话题以及各种商业八卦。
怎么实现？
Muse自带的TTS模型不够用，我是另外给他配了MiniMax的多模态模型，所有的语音内容都是用MiniMax的模型生成，而且我要MiniMax给我一些参考的声音，我选了一个我比较舒服的。
书籍我是存到Google Drive上面。让Muse给我挑一本，它负责每天帮我挑一个章节，生成内容，转成音频，然后推送给我。这个过程并不复杂。
类似我的秘书角色，
Hermes则是我的管家➕打手
其中用muse最重要的case之一是给我讲书：
目前在讲的有三本，都是英文原著，两本非虚构，一本讲agent
（要是没有AI，我可能永远不会去翻）
但是现在每天每本书给我讲一个章节，输出一份摘要，一段7-10分钟音频，摘要≠音频，音频更加生动
我只需要在散步和吃饭的时候打开听，很容易就听完了，一本书大概两三周的时间就可以读完。
而且我都会特地调整难度，不懂的话 我还可以跟他讨论和追问，甚至让他画个图给我讲明白。所以基本上每天消化几个知识点问题不大。
另外，他会结合我的背景，把这个知识点跟我的工作生活结合起来。甚至告诉我应该怎么应用和用到哪里。
至此，我觉得我发现了一个比较适合我的学习方式和路径。
按照传统的阅读方法，我需要用微信读书导入那些书，自带翻译，逐章的去阅读，因为翻译的问题，结合阅读的状态，我基本只能囫囵吞枣，读个大概。更不可能进一步的讨论或者去深究。
要强调的一点是，大多数的非虚构的文章，真正对我们有用的，可能就是一些观点、事实或者技巧方法。大量的篇幅其实都在论证 特别是老外的书籍会有很多故事和案例铺垫。
而对于技术类的书籍，对我来说 我只需要掌握框架和原理，我只需要知道是怎么回事，不需要深究技术细节，AI就在这里起到一个很好的知识降维作用。
所以用AI就可以起到一个去粗存精的萃取作用。过去大模型的能力不够，吞不下一本书，现在上下文已经到了100万，很多大部头都已经可以吞下，更不用说几十万字的非虚构书籍。
再加上现在的多模态模型，能够很好的模仿真人的语调、语速、发音等等 你完全可以定制一个让自己舒服的“领读人”，这就更容易让你听进去了。
更何况现在的Agent可以综合你的上下文背景，让内容更贴近你的背景。
可以说这个音频就是为你量身定造的独一份。
我认为这是未来个性化学习的雏形吧。
反正对我来说，我的碎片化时间不再用来刷没用的信息，每天都期待着更新，都有收获。并且读完这一套还有后面的，而这个读书经历又会进入到我的知识库里面，以后随时调用。
其实除了让AI给我读书之外，还要每周读一篇论文，以及每天的资讯类的播客，这个播客会有两个虚拟的人物，通过交谈的方式帮我盘点，比如说前一天的AI行业资讯、X.com上面的热点话题以及各种商业八卦。
怎么实现？
Muse自带的TTS模型不够用，我是另外给他配了MiniMax的多模态模型，所有的语音内容都是用MiniMax的模型生成，而且我要MiniMax给我一些参考的声音，我选了一个我比较舒服的。
书籍我是存到Google Drive上面。让Muse给我挑一本，它负责每天帮我挑一个章节，生成内容，转成音频，然后推送给我。这个过程并不复杂。
01:26
12 62
对AI最嗨的都是老板，都想当然以为可以“裁员广进”。
23年ChatGPT出现以来，大家的生活变好了吗？
除了少数人赚到钱，企业老板广进了吗？大厂裁员不过找AI背锅而已
白领的工作环境只会更恶劣，AI并没有给白领减负，反而带来更多焦虑
县城和农村的孩子是无感的，无非是抖音上刷到更多擦边，古怪和夸张的AI视频…
23年ChatGPT出现以来，大家的生活变好了吗？
除了少数人赚到钱，企业老板广进了吗？大厂裁员不过找AI背锅而已
白领的工作环境只会更恶劣，AI并没有给白领减负，反而带来更多焦虑
县城和农村的孩子是无感的，无非是抖音上刷到更多擦边，古怪和夸张的AI视频…
王半城: 中国穷人是否需要personal agent？你可以假想这个场景： 蝙蝠侠的管家阿尔弗雷德，远程给一个中国县城厂妹当管家。 因为是远程，所以不能亲手帮厂妹做饭、洗衣、铺床、倒垃圾、接送上下班…… 但可以帮厂妹管理资产账目、处理宾客来访日程、整理邮件、预订宴会邀约、管理家仆考勤薪酬…… 在抖音微信无法被协助的情况下，县城人每天最需要处理的是“物理资产”，反而“数字资产”是低频匮乏的。 这就是“nerd想象中的老百姓生活”和“真实的老百姓生活”的割裂 阿尔弗雷德最有用的，可能是在厂妹换租房时，扮演“租房中介顾问”，但临时顾问何谈“越来越懂你”呢？
0 00
我觉得很多人的心理问题，
往往来自于对现实的不理解，不接受，
“为什么我会经历这一切，为什么是我？”
于是思考，阅读，寻求咨询…
知道的越多，越迷糊，越困惑，问题越多，越要求解…
不见得问题能解决…
有些人能走出来，有些人不能走出来
最近看一本书，
学会了两个字，对于有些客观条件导致的事实，解法是“受着”，或者叫臣服
有时候面对事实，接受现实，反而是解脱之道
古代
往往来自于对现实的不理解，不接受，
“为什么我会经历这一切，为什么是我？”
于是思考，阅读，寻求咨询…
知道的越多，越迷糊，越困惑，问题越多，越要求解…
不见得问题能解决…
有些人能走出来，有些人不能走出来
最近看一本书，
学会了两个字，对于有些客观条件导致的事实，解法是“受着”，或者叫臣服
有时候面对事实，接受现实，反而是解脱之道
古代
2 00
人生复本第二季人物确实复杂，
于是让muse帮我捋清楚，
直接给我做了这个网页（它称之为构件），
还能发布和分享出来。
一下子就看明白了（大量剧透），
太好用了。
于是让muse帮我捋清楚，
直接给我做了这个网页（它称之为构件），
还能发布和分享出来。
一下子就看明白了（大量剧透），
太好用了。
S2
0 00
从播客上听到一个很有意思的点，
就是 Muse AI，它成功地让大家的关注度从模型的能力迁移到产品本身。
Muse AI实际上用的是Meta自己开发的一个模型，那个模型根本就排不上号。
如果按照原来的方式推出模型，然后打榜的话，这个模型注定是失败的，根本不会有人用。
但是基于这个模型开发的 Muse 获得成功之后，根本没有人在意它背后用的是什么模型。
而其他模型厂家还在为模型的能力卷生卷死，陷入到一个恶性的竞争。
这说明什么问题呢？
说明要获得良好的用户体验，对于绝大部分的用户来讲，是根本不需要那么强大的模型的，
换句话说，很多模型的能力实际上是溢出的，或者只有非常少数的场景才能够真正发挥它的作用。
也就是大部分的用户场景都是杀鸡，
只有极少数场景适用牛刀，
而大模型厂商一直奔着屠龙刀的方向去做模型…
这就是当前AI行业最大的问题…
就是 Muse AI，它成功地让大家的关注度从模型的能力迁移到产品本身。
Muse AI实际上用的是Meta自己开发的一个模型，那个模型根本就排不上号。
如果按照原来的方式推出模型，然后打榜的话，这个模型注定是失败的，根本不会有人用。
但是基于这个模型开发的 Muse 获得成功之后，根本没有人在意它背后用的是什么模型。
而其他模型厂家还在为模型的能力卷生卷死，陷入到一个恶性的竞争。
这说明什么问题呢？
说明要获得良好的用户体验，对于绝大部分的用户来讲，是根本不需要那么强大的模型的，
换句话说，很多模型的能力实际上是溢出的，或者只有非常少数的场景才能够真正发挥它的作用。
也就是大部分的用户场景都是杀鸡，
只有极少数场景适用牛刀，
而大模型厂商一直奔着屠龙刀的方向去做模型…
这就是当前AI行业最大的问题…
1 00
