即刻App年轻人的同好社区
下载
俄乌战争打到现在，越来越变成了无人机的战争。无人机对俄军的伤害已经超过了乌克兰的炮兵。相比炮兵，无人机的单位伤害距离更远，单位载荷更大，并且不再依赖经验，“30 分钟内就能培训一名操作员”。加装芯片和软件之后，手工遥操作升级为 AI 精确制导，命中率超过 80%。
对应的，俄罗斯这边的解决办法简单粗暴：使用朝鲜肉盾... （一架 Auterion 无人机的售价大概在上万美元左右，并且会越来越便宜，可见朝鲜军人的生命价值...）
如果说海湾战争让我们见识了精确制导和空地一体化的战争范式变化，那么俄乌战争则第一次展现出了无人化和智能化战争的新范式。
对应的，俄罗斯这边的解决办法简单粗暴：使用朝鲜肉盾... （一架 Auterion 无人机的售价大概在上万美元左右，并且会越来越便宜，可见朝鲜军人的生命价值...）
如果说海湾战争让我们见识了精确制导和空地一体化的战争范式变化，那么俄乌战争则第一次展现出了无人化和智能化战争的新范式。
22 25
李丰做这个宏观经济的年度总结已经是第二年了，在我看来，这个内容的质量比其他所谓的跨年演讲要干得多。虽然有“刻意乐观”之嫌，但在这种大环境之下，悲观的论调已然太多，鸡汤（尤其是有理有据的鸡汤）也是必要的。
李丰给出的一些中长期值得乐观的理由：
1. 人类社会的进步，本质上是人均可利用能源的进步。相比西方世界对化石能源的路径依赖，中国向新能源的转型更加符合物理世界的客观规律以及发展趋势，从长期来看，新能源取代化石能源是必然的。（但其实西方世界也在同步做核裂变小型化以及核聚变的探索。）
2. 从历史来看，从张骞出西域到哥伦布大航海，从匈奴西进到十字军东征，无论采用何种手段，人类文明的全球化进程从未停止 - 尽管中间有波折。任何逆全球化的行为都不可能持久，这次也不例外。（这里关键看如何定义“波折”。）因此，美国试图重构供应链的努力注定是徒劳的。
3. 聚焦国内，最值得关注的几个中期甚至长期变化是：城市化带来的人口和需求变化，资本市场的结构性变化带来的估值逻辑调整，制造业的升级、交叉学科创新带来的各个产业“弯道超车”乃至“换道超车”的可能性，以及出海（OFDI，对海外国家的直接投资）的巨大机会。其中：
- 城市化的机会在于取消户籍制度之后带来的城市（群）规模的上升，和对应的服务业带来的消费场景和就业机会。
- 资本市场结构性变化的最大助力，来自于个人养老金、商业年金、商业医保带来的长期资本（而不是目前死水一潭的个人储蓄），可能会制造出中国版的巴菲特
- 制造业的优势来自于供应链上积累的人才、工艺、成本，而这些背后是只有中国才具备的规模壁垒。制造业都是卷出来的，很难无中生有，必须依托于足够规模的消费市场。“创新的消费电子产品，几乎未来所有的国际化品牌都会诞生在中国。只要你在中国没有卷输，你在全世界就能卷赢。” 只要高端制造业足够强，就有换道超车的机会，新能源车和无人机就是例子。（这里的疑问恐怕就是高端芯片制造了，中国能否卷出光刻机？丰叔的答案是，有可能中国会换道超车，例如光芯片、RiscV等等）
- 出海投资方面，日本已经证明 OFDI 的策略是可行的。中国目前对外投资占 GDP 的比重仅为 16%，远低于日韩的 40%+，出海大有可为。
其实这些内容是李丰在最近一年反复讲过的内容，这次汇总在一起，相对系统一点。我认为这里面大多数逻辑是合理的。说得更直接一点，无论现在形势有多差，坐拥全球最多最勤劳的人才、最大的消费市场、最卷的供应链、最发达的制造业规模，中国手里是不缺好牌的。
但能否打好这些牌，决定性的因素未必是牌的质量。
丰叔已经尽力了。悲观者大可继续悲观，希望乐观者能从中找到一些慰藉。
李丰给出的一些中长期值得乐观的理由：
1. 人类社会的进步，本质上是人均可利用能源的进步。相比西方世界对化石能源的路径依赖，中国向新能源的转型更加符合物理世界的客观规律以及发展趋势，从长期来看，新能源取代化石能源是必然的。（但其实西方世界也在同步做核裂变小型化以及核聚变的探索。）
2. 从历史来看，从张骞出西域到哥伦布大航海，从匈奴西进到十字军东征，无论采用何种手段，人类文明的全球化进程从未停止 - 尽管中间有波折。任何逆全球化的行为都不可能持久，这次也不例外。（这里关键看如何定义“波折”。）因此，美国试图重构供应链的努力注定是徒劳的。
3. 聚焦国内，最值得关注的几个中期甚至长期变化是：城市化带来的人口和需求变化，资本市场的结构性变化带来的估值逻辑调整，制造业的升级、交叉学科创新带来的各个产业“弯道超车”乃至“换道超车”的可能性，以及出海（OFDI，对海外国家的直接投资）的巨大机会。其中：
- 城市化的机会在于取消户籍制度之后带来的城市（群）规模的上升，和对应的服务业带来的消费场景和就业机会。
- 资本市场结构性变化的最大助力，来自于个人养老金、商业年金、商业医保带来的长期资本（而不是目前死水一潭的个人储蓄），可能会制造出中国版的巴菲特
- 制造业的优势来自于供应链上积累的人才、工艺、成本，而这些背后是只有中国才具备的规模壁垒。制造业都是卷出来的，很难无中生有，必须依托于足够规模的消费市场。“创新的消费电子产品，几乎未来所有的国际化品牌都会诞生在中国。只要你在中国没有卷输，你在全世界就能卷赢。” 只要高端制造业足够强，就有换道超车的机会，新能源车和无人机就是例子。（这里的疑问恐怕就是高端芯片制造了，中国能否卷出光刻机？丰叔的答案是，有可能中国会换道超车，例如光芯片、RiscV等等）
- 出海投资方面，日本已经证明 OFDI 的策略是可行的。中国目前对外投资占 GDP 的比重仅为 16%，远低于日韩的 40%+，出海大有可为。
其实这些内容是李丰在最近一年反复讲过的内容，这次汇总在一起，相对系统一点。我认为这里面大多数逻辑是合理的。说得更直接一点，无论现在形势有多差，坐拥全球最多最勤劳的人才、最大的消费市场、最卷的供应链、最发达的制造业规模，中国手里是不缺好牌的。
但能否打好这些牌，决定性的因素未必是牌的质量。
丰叔已经尽力了。悲观者大可继续悲观，希望乐观者能从中找到一些慰藉。
Vol.152 宏观漫谈73｜年终特辑：“世界何以至此”决定了“我们去向何方”
高能量
98 2148
AI 教育在美国的一些进展。关注了一下文中提到的学校，Texas 的 Alpha School 是高中，Arizona 的 Unbound Academy 是小学高年级+初中（4-8年级），每天每个学生自己完成 2小时的个性化学习，其余时间用来做 PBL（项目制学习）、互动讨论、社区活动等等，学习各种 Life Skills。教师并没有被取代，只不过不再负责课堂教学，变成了辅助支持的 Guidance 角色，主要负责激励。
使用的工具主要是 Khan Academy, IXL 等等，并没有太多很 fancy 的LLM功能，更多是传统的数字化教育的资源，结合 Machine Learning 的个性化算法，以及少量的大模型作为Tutor讲解，但效果已经相当不错，能够将学习的效率提升2.6倍，整体学生水平在全国 Top 2%。评测用的是全国统一的 MAP 测试，与其他入学成绩在相同水平线的学生进行对比，很大程度上排除了生源好的因素，感觉比较有说服力。
总的来看，教育提效最重要的是个性化，而不是给每个学生做相同内容的填鸭。
国内目前还没有看到太多案例。期待有越来越多类似的实践。
参考视频：
www.youtube.com
www.youtube.com
使用的工具主要是 Khan Academy, IXL 等等，并没有太多很 fancy 的LLM功能，更多是传统的数字化教育的资源，结合 Machine Learning 的个性化算法，以及少量的大模型作为Tutor讲解，但效果已经相当不错，能够将学习的效率提升2.6倍，整体学生水平在全国 Top 2%。评测用的是全国统一的 MAP 测试，与其他入学成绩在相同水平线的学生进行对比，很大程度上排除了生源好的因素，感觉比较有说服力。
总的来看，教育提效最重要的是个性化，而不是给每个学生做相同内容的填鸭。
国内目前还没有看到太多案例。期待有越来越多类似的实践。
参考视频：
www.youtube.com
www.youtube.com
13 07
对 Agents 和 AI Coding 讨论质量较高的一期播客，比较认同的观点：
1. AI Coding 不仅仅是狭义的“AI 编程”，而是广义的 "Task Engine"，是任务自动化。理论上来说，所有数字世界里单人+电脑能够完成的任务，都可以被这个引擎搞定。因此会出现类似 Agent Company 这种新的 Benchmark，可以将所有工作环境中可能涉及到的任务抽象成为数据集。
2. 之前这波 AI 落地过于依赖 Chat 了，结果两年下来，发现其实人类并没有那么多问题想要去问 AI，并且开放式聊天的需求也并不是太大，消耗不了太多 token。而任务自动化才是真正可以带来海量 token usage 的场景。可以将任务引擎理解为雇佣了一大堆工资极低的实习生（按照现有成本计算是加州最低工资的一半，但一年之内可能会再下跌一个数量级）。
3. 当前的 AI Coding 有两个方向。一个方向是更好的 o3，去解决越来越难的问题（现在已经是 Top200 人类程序员的存在），是要攒出牛顿和爱因斯坦，而另一个方向是更好的 Devin，去完成越来越复杂多步的实际任务，是要批量制造数字员工。尽管目前 Cursor/Windsurf（更像是 L2 的 Copilot) 和 Devin（更像是 L4/L5 的Autopilot） 的路线不尽相同，但长远来看，个人认为 Devin所代表的才是更为终极的形态。
4. AI Coding 目前面临的挑战，除了 Foundation 模型的持续进化之外，更主要的在于：如何用更多的 Data Integration 和 Data Access 获得更加充分的 Context，消除与人类的信息差（有趣的是有人提到张一鸣曾经说过的字节跳动的管理思路，More Context, Less Control，同样适用于模型）；如何更好地使用各种 Computer Use 工具（例如Anthropic的MCP）；如何从一条条 event stream 中建立高质量的 feedback loop；等等。
5. 围绕 Agents 落地会有一波新的机会，除了做各种水平或垂类任务自动化引擎的公司之外，还有各种“服务Agents”的 Infra 和 tooling 机会，比如帮它们标注数据、增强性能、打磨工具链、加深记忆、设置监控、提供反馈、保障安全、协助与人类的沟通等等。
6. 当执行工作都能够被 AI Agents 搞定之后，未来需要的人才画像是“Founder+CEO”，需要能够提出好问题，需要去思考“做什么” 而不是“怎么做”，需要更多具备产品和用户思维，需要做更多的决策而非执行。这与我们当前教育体系的培养目的是完全不同的。当前教育还是普鲁士工业流水线的遗产，是为了培养熟练产业工人而设计的。但 AI 时代，需要的不再是高效的执行能力，而是“做老板”的能力。
1. AI Coding 不仅仅是狭义的“AI 编程”，而是广义的 "Task Engine"，是任务自动化。理论上来说，所有数字世界里单人+电脑能够完成的任务，都可以被这个引擎搞定。因此会出现类似 Agent Company 这种新的 Benchmark，可以将所有工作环境中可能涉及到的任务抽象成为数据集。
2. 之前这波 AI 落地过于依赖 Chat 了，结果两年下来，发现其实人类并没有那么多问题想要去问 AI，并且开放式聊天的需求也并不是太大，消耗不了太多 token。而任务自动化才是真正可以带来海量 token usage 的场景。可以将任务引擎理解为雇佣了一大堆工资极低的实习生（按照现有成本计算是加州最低工资的一半，但一年之内可能会再下跌一个数量级）。
3. 当前的 AI Coding 有两个方向。一个方向是更好的 o3，去解决越来越难的问题（现在已经是 Top200 人类程序员的存在），是要攒出牛顿和爱因斯坦，而另一个方向是更好的 Devin，去完成越来越复杂多步的实际任务，是要批量制造数字员工。尽管目前 Cursor/Windsurf（更像是 L2 的 Copilot) 和 Devin（更像是 L4/L5 的Autopilot） 的路线不尽相同，但长远来看，个人认为 Devin所代表的才是更为终极的形态。
4. AI Coding 目前面临的挑战，除了 Foundation 模型的持续进化之外，更主要的在于：如何用更多的 Data Integration 和 Data Access 获得更加充分的 Context，消除与人类的信息差（有趣的是有人提到张一鸣曾经说过的字节跳动的管理思路，More Context, Less Control，同样适用于模型）；如何更好地使用各种 Computer Use 工具（例如Anthropic的MCP）；如何从一条条 event stream 中建立高质量的 feedback loop；等等。
5. 围绕 Agents 落地会有一波新的机会，除了做各种水平或垂类任务自动化引擎的公司之外，还有各种“服务Agents”的 Infra 和 tooling 机会，比如帮它们标注数据、增强性能、打磨工具链、加深记忆、设置监控、提供反馈、保障安全、协助与人类的沟通等等。
6. 当执行工作都能够被 AI Agents 搞定之后，未来需要的人才画像是“Founder+CEO”，需要能够提出好问题，需要去思考“做什么” 而不是“怎么做”，需要更多具备产品和用户思维，需要做更多的决策而非执行。这与我们当前教育体系的培养目的是完全不同的。当前教育还是普鲁士工业流水线的遗产，是为了培养熟练产业工人而设计的。但 AI 时代，需要的不再是高效的执行能力，而是“做老板”的能力。
EP 66. 深度解读Coding Agent与OpenAI o3：中美Agent 创业者、研究员与投资人眼里的未来
OnBoard!
23 06
很好的行业观察，诠释了广告行业目前面临的困境。
广告行业本质上是个内容中介，核心能力有两个，一个是匹配能力和投放经验，即将供需双方进行有效连接的能力；第二个优质内容的制作能力（即“创意”）。然而，互联网行业的兴起颠覆了其第一项能力，用算法把“供需匹配”这个事情数字化了；而 AB 测试机制和 AI 的兴起则颠覆了其第二项能力，用海量的几块钱一条的工业化智能化流水线上的素材替代了早先 4A 公司几十万一条的金牌广告，将“赌作品”变成了“筛素材”。如文中所说，“广告行业从大烟花时代...进入了小摔炮时代。一百个摔炮里有一个响了，那就是运气来了。”
有趣的是，作为平台，现在不仅仅侵占了原本广告公司的利润，甚至还大量蚕食了原本属于品牌方的利润，如文中所说，“我在抖音算下来最后能挣到3个点左右，那是我能力强吗？那是张一鸣可怜我，允许我赚那3个点罢了”，这合理吗？
说穿了，让消费者看到一条新产品的广告，完成了从起心动念到最终购买的全部流程，谁的贡献最大？谁应该获得最多的利润？是产品的品牌方？是广告公司？还是平台（比如抖音）？目前的商业逻辑下，至少对于纯新获客来说，贡献最大的似乎是抖音，因为它最理解消费者，在最适当的时机推荐了最合适的产品。因此，品牌方过于依赖抖音去“割一茬韭菜就跑”的方法是很难赚大钱的，因为抖音会把税率调整在你的盈亏平衡点上。优质的品牌需要依靠之后良好的口碑、强大的留存复购转介以及精细的私域运营来沉淀更多有价值的用户数据，完成真正的利润积累。
换句话说，谁能够更加高效地获得目标用户的更多相关而精确的数据，并且使用数据来迭代产品，谁才有资格获得更多的利润份额。
不仅仅是广告行业，所有原先低效的中介行业和低效的内容制作行业，都已经或正在面临被颠覆的命运。相比从前，这幅数字化的丛林竞争图景，或许也代表了商业世界更加健康、合理、高效的进化方向？
广告行业本质上是个内容中介，核心能力有两个，一个是匹配能力和投放经验，即将供需双方进行有效连接的能力；第二个优质内容的制作能力（即“创意”）。然而，互联网行业的兴起颠覆了其第一项能力，用算法把“供需匹配”这个事情数字化了；而 AB 测试机制和 AI 的兴起则颠覆了其第二项能力，用海量的几块钱一条的工业化智能化流水线上的素材替代了早先 4A 公司几十万一条的金牌广告，将“赌作品”变成了“筛素材”。如文中所说，“广告行业从大烟花时代...进入了小摔炮时代。一百个摔炮里有一个响了，那就是运气来了。”
有趣的是，作为平台，现在不仅仅侵占了原本广告公司的利润，甚至还大量蚕食了原本属于品牌方的利润，如文中所说，“我在抖音算下来最后能挣到3个点左右，那是我能力强吗？那是张一鸣可怜我，允许我赚那3个点罢了”，这合理吗？
说穿了，让消费者看到一条新产品的广告，完成了从起心动念到最终购买的全部流程，谁的贡献最大？谁应该获得最多的利润？是产品的品牌方？是广告公司？还是平台（比如抖音）？目前的商业逻辑下，至少对于纯新获客来说，贡献最大的似乎是抖音，因为它最理解消费者，在最适当的时机推荐了最合适的产品。因此，品牌方过于依赖抖音去“割一茬韭菜就跑”的方法是很难赚大钱的，因为抖音会把税率调整在你的盈亏平衡点上。优质的品牌需要依靠之后良好的口碑、强大的留存复购转介以及精细的私域运营来沉淀更多有价值的用户数据，完成真正的利润积累。
换句话说，谁能够更加高效地获得目标用户的更多相关而精确的数据，并且使用数据来迭代产品，谁才有资格获得更多的利润份额。
不仅仅是广告行业，所有原先低效的中介行业和低效的内容制作行业，都已经或正在面临被颠覆的命运。相比从前，这幅数字化的丛林竞争图景，或许也代表了商业世界更加健康、合理、高效的进化方向？
阑夕ོ: 上周跟潘乱连麦的话题属于极其抽象的那种：「品牌啊品牌，你死不死」，实际上聊的内容又特别正经，说的是品牌广告这些年来是怎么失效的，以及在失效之后，做品牌这件事情是不是就没戏了。 我的职业生涯前半段可以说是有半条腿是跨在营销行业里，也算是和广义上的广告圈连着筋肉，这次连麦的另两位嘉宾就更专业了，一个是大家应该都认识的东东枪，既是中文互联网的一代目段子手，还把文案天赋带给过顶级4A公司奥美，另一个是北冥乘海生，数据科学家出身，参与了在线广告行业从无到有的架构过程，出版的专著「计算广告」是很多数字广告从业者们的入行启蒙。 可以看到东东枪和北冥恰好是广告行业的两面，前者曾经县中的文科状元属于大卫·奥格威路线的古典广告人，虽然迎面撞上了所谓的新媒体时代，但仍然经历了传统广告业务的金色余晖，而后者则以工程师的身份在叩开了广告的大门时，带着身后的推土机把做广告这件事情从昔年的创意行为改造成了今天的科学行为，那本「计算广告」的书在豆瓣有一条画面生动的评论：「作为广告学的学生表示买错书了」，哈哈哈⋯⋯ 总之就是，这期连麦的质量很高，不敢说全场高能，但直播间里的评论区确实就没消停过，东东枪和北冥的「文理相映」也相当有节目效果，他俩还共通营业了一个播客「科技修道院」，有兴趣的可以去关注，下面进入正题。 潘乱比较坏心眼，开场就说这次好巧不巧的蹭了广告行业的两个热点，一个是蓝标据说有100亿的应收账款要不回来，被迫降本增效，挥师南迁总部，另一个是WPP旗下群邑的3个高管拿了7亿回扣，已经进入开庭审理环节了，这说明什么，说明当今广告行业的核心能力已经变成了垫款和催收，广告公司想赚钱，一定要先当好一家金融公司。 那么问题来了，像是「广告狂人」所表现的那种以创意为主导的时代，一支广告片可以火遍大江南北的时代，还会存在吗？ 东东枪给出了一个「违背祖训」的回答：创意在广告产品里很重要，这个判断甚至可能都是错的，它只是在广告效果无法被度量的环境里，也就是甲方喊着「我知道我有一半的广告费被浪费了，只是我不知道是哪一半」的历史阶段里，被拿出来当成了竞争力。 所以广告行业以前的价值度量，是由一个评委系统决定的，以致于催生出了飞机稿这么一个炫技方向，无论是甲乙方还是媒介，都只能用经验和专业的方法论，去对广告的好坏去做度量。 固然甲方会找调研公司去做数据验证，但可操作的空间也十分灵活，东东枪早年做过类似的工作，很快发现数据就是任人打扮的小姑娘，想要证明一个广告的有效，可以整理出很多数据支持，反过来也是一样，归因特别随心所欲。 所以市场层面经常会出现在商业上成功的广告和在评审里成功的广告之间出现背离的情况，北冥就以评论区的一条代表性发言为例：现在回想起来，真正记住的广告就俩，一个是送礼就送脑白金，一个是怕上火喝王老吉，没了。 当年的广告人搞不好都被提过同一个问题，就是你们认为脑白金到底是不是一个好广告？之所以广告人会回答困难，是因为如果承认了，可能就意味着自己多年所学的那套技法是扯淡的，但要不承认吧，客户要的都是你能不能给我做个脑白金那样的出来⋯⋯ 当然，现在脑白金和王老吉那种Campaign也消失殆尽了，这倒是和广告行业没有直接关系，是媒体渠道土崩瓦解了，那种大家在同一时刻共享同一块屏幕的场景不复存在了，如果国民级的歌手、演员、节目都没有了，那么国民级的广告自然也不可能继续存在下去。 某种意义上，「春晚为什么再也难以造星了」「Apple Music的年度榜单怎么还在被周杰伦屠版」这类疑问的根源都系于此处，以前大家都在看电视和现在大家都在刷抖音的行为看似没太大变化，无非是屏幕大小变了而已，但在电视上，最多也就百来个电视台的内容供给，但抖音可以确保1亿人刷到1亿种内容序列。 所以TVC都只能眼巴巴的等着奥运会、世界杯这样的时间节点，因为这是硕果仅存的可以让全民同频的公共事件。 从广告业的历史来看，在大媒介出现之前，挨家挨户的推销和邮递其实才是最主流的广告形态，而且是真的可以度量效果的，而在报纸、广播、电视这些大媒介诞生之后，因为提供了规模化的可能，这才引起了消费品牌的大爆发，做出脍炙人口的广告顺势成了打开商机宝库的那枚金钥匙，同时为了追求规模化，甲方愿意容忍效果度量的缺位，别问，问就是大力出奇迹，再往后互联网来了，新的分发技术实现了千人千面的内容消费范式，而且可以兼顾规模和度量，于是表达主观的创意逐渐被数据客观的工程代替。 你们如果去看各种品牌价值榜，也能发现真正起来的那一波消费品牌，在周期上都和大媒介周期是完全重叠的，再往后起来的都是沃尔玛这种货架品牌或是Google这种平台品牌，消费品牌反而后继无人了。 潘乱经常举的例子是，各家大厂市场部的员工结构都在从文科生向理科生倾斜，只要不能解释钱怎么花的，都靠边站。 当然也有像东东枪这样，从奥美去了字节旗下的巨量引擎，从职能上有点像「带路党」，是在用自己的跨界经验，去帮字节说服那些还不太懂得数字广告的甲方来做投放⋯⋯ 直播间里倒是一致认为，字节这家公司，在广告业的历史上，或者说对于广告业的影响，到现在为止都是被低估的，虽然在字节成气候前，在线广告市场就已经枝繁叶茂了，但各个平台每年还是能卖出不少品牌框架，留给广告公司发挥创意的余地尚存，甲方和乙方的博弈也无非是在品效合一和品效协同之间拉扯，底层逻辑是稳定的，仓廪实而知礼节，品牌是一条必经之路。 直到抖音把一切都工业化了，从内容生产到广告生产，海量的A/B测试带来的是海量的素材投放，以创意为命脉的广告公司，在几万条素材投出去测效果的打法面前，溃不成军，做广告这项能力，也缩小到了一个代理执行的范围里，就是前面说的，你能垫款能走账，能盯后台换素材，就是好的广告公司。 字节现在的董事长，和梁汝波互为张一鸣左右手的张利东，之前在「京华时报」做过记者，后来负责整个报业的广告销售，张一鸣把他挖过去当合伙人，原因就是早期字节团队全是程序员，对怎么给企业推销广告完全不懂，所以需要张利东来补上这块短板。 但反过来，张利东当时也不懂字节的商业模式，张一鸣在知春路的办公室里给他写了一长串的计算公式，说未来的广告都会变成这样的数学题，张利东后来说他当时根本没看懂，就觉得震撼，第一次看到有人在解释怎么用广告赚钱时，是用列公式这种方法。 所以并不能简单的归纳为理科取代了文科，而更像是是理科拆解了文科，用数据暴力的手段，去把广告行业的经验主义放到了检验仪器里，而这是以前的广告商们既办不到，也不情愿的。 潘乱继续举例抖音在成长期也赞助过不少综艺节目，细究起来其实很有意思，一个擅长于效果广告的平台在推广自己的时候却选择拥抱了品牌广告，如果大家还记得的话，那几年特别流行互联网产品去高举高打的上综艺，这恰好也是最老套的那种大媒介投放模式，对很多创业公司来说就是赌博，因为效果忽高忽低，但费用却不会多退少补。 抖音因为投得够多，所以数据拿得也多，创业公司押一档节目是上赌桌，但抖音押很多档节目就是搞量化，它把标准的品牌广告行为做出了效果度量结论，这就是差别，真正好笑的是，连抖音都知道不能完全依赖买量——当时投品牌就是为了定调性，纯买量只能买到内涵段子那种用户——但今天很多企业一旦吸上买量的瘾，就再也戒不掉了。 从百度开始，中国交易最活跃的广告平台，本质上就是流量的搬运工，先把流量批发进来，洗一洗，然后高价卖出去，百度比门户的效率高，所以它赢了，而字节又比百度效率高，于是现在百度也很难受。 东东枪说他的前同事们这些年最集中的感叹就是「手上没好活儿了」，所谓的「好活儿」指的就是全案代理需求，包含从Slogan到TVC的传播方案，加起来至少是几百上千万的预算，但在好多年前，拍个广告片的费用就已经只有几十万了，对于4A公司来说实在没劲。 刚去字节那会儿，东东枪老是听到客户抱怨「抖音太吃素材了」，作为一个身处转型初期的传统广告人，东东枪说自己当时是不理解这句话的，每个字都认识，合在一起就看不懂，后来才知道说的是广告主必须源源不断的往抖音里填充各种规格和切入点的素材，把那台巨大的绞肉机喂饱了，才能获得一个理论上最优的营销结果。 正好前几天东东枪听到隔壁同行聊天说产出视频物料的成本被优化到了几块钱一条，心里就想都到这地步了，谁还找广告公司呢，广告人还拿自己当大师、当艺术家，就只能死无葬身之地了，这种基本观念的颠覆，足以把一些老前辈给气死。 精辟的说，就是广告行业从大烟花时代过渡到了窜天猴时代再又进入了小摔炮时代，大烟花时代是要孤注一掷的去找最大公约数，传统媒体能够组合式的提供舞台，互联网兴起但又没有固化的那段时期，公域上的免费流量一抓一大把，广告开始追求以小博大，用病毒营销的方式去追求超预期的收益，比的是谁能放一个最好的窜天猴出来，现在是平台不允许你能出商业上的爆款，你爆了意味着平台吃亏了，所以只能去撒小摔炮了，一百个摔炮里有一个响了，那就是运气来了，这个时候你如果还用旧的思维去做小摔炮，想着把它做成一个金质的或者镶钻的，这不就疯了吗？ 我看到过一个很有意思的说法，表面上看，没有供给就没有消费，所以平台的生意是建立在创作生产这个基础之上的，但实际上却是平台在向供给端收税，供给端要么交内容税，给平台当好燃料，才有流量给你，要么交投放税，通过给平台创收的方式，换来可被发现的机会，而在平台拿到全部话语权的过程里，广告公司的代理能力一直在被弱化，这在以前是一种知识的垄断，只有我懂该怎么做广告，现在你不敢说懂了，数据都在平台那里，跟你一点关系都没有。 历史上，广告公司和媒介公司的剥离，也是一种事后看来不太合理的发展方向，本来是专业分工的目的，媒介环境也足够简单，希望让创意的归创意，采买的归采买，没想到的是互联网让媒介重新成为了变数的中心地带，剥离造成的知识缺口越来越大，广告人的脱节也就不可挽回了。 潘乱说他和一档著名节目的制作人吃饭时也听到对方不无心酸的表示自己机构已经沦为了一个持牌制作公司，北冥的补刀就更伤害性和侮辱性齐飞了：这都是他还没忘记给脸上贴金，其实连制作都不需要他了，就剩那块牌值钱⋯⋯哈哈哈。 北冥这边没有广告业的那些历史包袱，或者说那些包袱没准就是他参与放到别人背上去的，所以对于广告从业者的伤春悲秋更不客气一些，在他看来，花几十万几百万去拍一条广告，这本身就是生产力障碍的表现，只有把成本打进几块钱，才能足够差异化的覆盖到受众，把广告从白噪音的定位里解救出来。 在东东枪看来，品牌存在的目的没有变化，也就是提高毛利率的需求一直都在，只是建设品牌的过程出了问题，花西子出了李佳琦的直播间就是卖不动，说明品牌心智歪在李佳琦这个渠道里了，无印良品的代工厂去拼多多开店卖同款平替，说明窃取品牌资产这件事情干一次爽一次、一直干一直爽。 大家都还是知道品牌的好，就好比白牌的逻辑在美妆品类里行不通，但同时美妆也是互联网上最大的智商税争议区，这并不矛盾。 以前网上经常会有一个提问，像是可口可乐这样家喻户晓的品牌，为什么还要年复一年的打广告？这是一个陷阱化的问题，有点发射火箭想省钱为什么不选择烧煤的意思，想要解释清楚必须从传播学的理论开始讲起。 但在今天突然发现这个提问的句式好像从设问句变成了反问句，我们真的不怎么记得可口可乐最近又做什么样的广告了，唯一能够想起可口可乐Logo出现的，是去下馆子的时候看到摆在店里的冰柜都是可口可乐提供的。 这就是典型的倒反天罡，货架吞噬了品牌，货架原本是品牌的下游，是品牌「进场即清场」的垄断手法，白牌上不去家乐福沃尔玛的货架，自然无法加入竞争，电商最早的定位是货架的网络化，阿里一定要在淘宝之上再做一个天猫，还是在老瓶装新酒，续写一个把生意搬到线上延续的故事，不光要带着品牌玩，还希望能从品牌那里瓜分毛利，然后拼多多出来掀了桌子，用供给逻辑把品牌打成了负资产，新的消费鄙视链是，谁为品牌溢价买单谁是傻子。 北冥和电商平台打交道比较多，品牌和渠道撕逼的事儿以前也不少发生，但多半最后是谁也压不倒谁，各退一步了事，商超规模做得再大，能够垄断的消费人口，也远远比不上互联网平台，像亚马逊多年以来就想得很清楚，不欢迎耐克入驻，凭什么让你带着品牌来我这里把流量都薅走了，利润还全是你的？ 电商天然厌恶品牌，这是对品牌逻辑的另一种间接伤害，如果品牌可以自带流量，可以无视平台的流量分配照常卖货，那就该是平台的心病了，天猫那几年没想明白这事，然后一堆世界500强里的消费品牌在上面被各种扶持，生意好得不行，它们越好，天猫就越不好了，其他商家更不好过。 拼多多和亚马逊的境界是一样的，亚马逊是一家独大，不需要靠品牌拉GMV，拼多多是眼前杵着阿里字节一大一小两座山，所以会补贴茅台和苹果这种品牌，因为要靠品牌来带量，很清楚品牌是自己的成本而不是利润，所以用赤裸裸的资本投入去侵占品牌背书。 潘乱之前组织过电商主题的连麦，卖家的切身感受都是，在抖音和拼多多面前，品牌的利润结构都相当于没穿衣服，藏不起来的，有一个嘉宾表达得很直接，说我在抖音算下来最后能挣到3个点左右，那是我能力强吗？那是张一鸣可怜我，允许我赚那3个点罢了⋯⋯ 此时，潜伏在直播间里的杨利东同学举手上麦了，他在TikTok负责过商业化增长，是真的有过以亿为量级的一线投放经历，他提供了一个品牌方的「平账视角」： 品牌在直播间里卖货，相当于一边在消耗它的品牌力，一边还在为销售商品额外付钱，最后的账也不能只从单品来算，集团会认为自己还得从其他地方找补品牌价值，才能把总账给打平，这才是站在品牌的角度，最难自圆其说的地方。 无论如何，旧的路径依赖被断掉了，新的平台只顾着侵蚀，品牌处在时代切换的夹缝中，日子难过是必然的，不过在局部也有些新的建设技巧，我愿称之为事件化的，或者说刻奇化的品牌奇观。 比如鸿星尔克和白象都是短视频里的大热门品牌，它们的品牌都是建立在一种张力拉满的故事里，鸿星尔克在亏损严重的情况下低调捐款，和白象多年以来坚持雇佣残疾人员工，构成了一种情绪先行的场外叙事，传统的品牌符号理论很难接受这样的不简洁。 也不只是下沉市场出现了这样的趋势，数码圈就一直在说，小米冲了那么多年高端，比不上雷军出来造几次人设，所谓的文旅结合也不再是市场给某段历史或者某个故居买单，而是「南方小土豆」这样的说法先火了，然后才有带人入场的运作。 具体的事，具体的人，具体的梗，具体到最极致的终点，就是让品牌活成一个Meme，这个时代的「疯狂星期四」，就是上个时代的「Just do it」，看上去都是文案，实际上已经存在了生殖隔离。 从内部来看，产品力对品牌力的反噬也不容小觑，什么意思呢，就是在信息流通速度起来之后，用于解决不对称的那种品牌力——XX出品，必属精品——被识破了，一个品牌完全可以生产出一款优秀的产品和另一款差劲的产品，所以靠品牌去节省决策成本不再奏效了，消费者更希望就事论事的去判断产品。 用东东枪的话来讲，那种品牌去讲抽象价值观带来的皈依价值，逐渐的被一个个具体的场景给顶替掉了，汽车品牌的风向变化是最明显的，找个男模驾车在都市里驰骋的广告不吃香了，新势力厂商都抢着拍在车里吃火锅打游戏这些画面，吐槽归吐槽，要看到背后的天命所归。 至于广告公司的水深火热，并不代表广告这个行业不行了，北冥打了个充满年代感的比方，BP机在火爆时也养活了一大批接线员公司，纵使后来没人再用BP机了，但通讯这个市场不但依然存续着，还翻了好多倍。 换句话说，广告人喊广告行业完了，是在喊他的屠龙之技没了，那条龙飞走了，不见踪影了，所以他们很焦虑，然而现在去看中国的广告从业人数和产值规模，很明显的一年比一年大，你得把每一个自媒体、每一个主播都当成新的广告从业者。 至于那种塑造全民品牌的远大理想，还是建议大家认清现实，阿兰·德波顿有过一个暴论，搁现在会被喷死，他说十九世纪的英国人比美国人快乐得多，因为英国人对阶级有着清晰的认识，对高于自己阶级的生活品质不会有幻想，不觉得自己配得上那些物质条件，所以老百姓们都知足常乐，但野蛮的美国人就不一样了，每个人都觉得自己能够成为洛克菲勒，但客观上肯定不是这样，于是所有人都很痛苦，对自己的身份感到无比焦虑。 东东枪为整场连麦做了比较乐观的收尾，虽然媒介环境已经是一个个的孤岛了，但在每一个孤岛上诞生各自的品牌，这件事情的可能性还是成立的，也不是哪个品牌都要做到万人空巷的地步，事实上做品牌的第一性原理就是为消费者设立一个固定的偏好，把半径以内的品牌建立起来，是力所能及的作为。 往昔虽然甜美，可别贪杯。
14 13
最近和一些 2B LLM 应用落地的团队聊，还是挺感慨的。
感觉 AI 在B 端的落地本质上是一次重新分工的过程，或者说是重新定义职位(new jobs) 的过程。如果说工业革命的分工是机器重新定义了工作职能，是人类为了让机器发挥出最高效率来改造自己的流程和姿势，那么这一次智能革命就是 AI 重新定义了工作职能，为了让 AI 发挥出最高效率，人类现有的工作流程都需要被重新被改造，牺牲现有的 SOP 来将就 Agents 的能力。
已经看到不少公司让员工接受“如何与 AI 重新分工”的再培训。一切为了效率让路。人类员工为数字员工让路。
很多原来的接口都是 human - human 接口，如果不能被数字化，势必会影响后续的效率。比如之前很多工作流的第一步都是打电话找到接口人，但如果接口人不在，电话打不通，这个工作流就推不下去了。改造之后，所有实时依赖人的流程都被拆解了，比如能够走企业微信找人的就先走企业微信找人，原来的实时沟通可以改为异步沟通，等等。所有这些数字方式都无法完成的工作流，筛选过后最后再扔给人类来处理。AI 完成了 80%以上的工作。 human - human 接口首先变成了 AI - human 接口，相应的流程都需要随之再造来保证 AI 的效率，最后靠传统的 human - human 接口兜底。
因此，能够率先意识到这个变化，拥抱数字员工的企业，短期内会有阵痛（因为要大量修改现有 SOP 和分工），但中期会走得更快。
长期来看，AI-human接口只是中间态，未来会变成 AI - AI 接口，实现完整的自动化。当然，过程还要一步一步来。
PS. 图2 在一年前还是 meme 图，但现在情况已经发生了变化。最重要的变化可能来自于下面的“工作链路”本身需要发生变化，原本让 AI 去 follow 人类的工作链路就是不现实的，正确的姿势是需要重新设计并改造工作链路以更加符合 AI 的能力特点。
感觉 AI 在B 端的落地本质上是一次重新分工的过程，或者说是重新定义职位(new jobs) 的过程。如果说工业革命的分工是机器重新定义了工作职能，是人类为了让机器发挥出最高效率来改造自己的流程和姿势，那么这一次智能革命就是 AI 重新定义了工作职能，为了让 AI 发挥出最高效率，人类现有的工作流程都需要被重新被改造，牺牲现有的 SOP 来将就 Agents 的能力。
已经看到不少公司让员工接受“如何与 AI 重新分工”的再培训。一切为了效率让路。人类员工为数字员工让路。
很多原来的接口都是 human - human 接口，如果不能被数字化，势必会影响后续的效率。比如之前很多工作流的第一步都是打电话找到接口人，但如果接口人不在，电话打不通，这个工作流就推不下去了。改造之后，所有实时依赖人的流程都被拆解了，比如能够走企业微信找人的就先走企业微信找人，原来的实时沟通可以改为异步沟通，等等。所有这些数字方式都无法完成的工作流，筛选过后最后再扔给人类来处理。AI 完成了 80%以上的工作。 human - human 接口首先变成了 AI - human 接口，相应的流程都需要随之再造来保证 AI 的效率，最后靠传统的 human - human 接口兜底。
因此，能够率先意识到这个变化，拥抱数字员工的企业，短期内会有阵痛（因为要大量修改现有 SOP 和分工），但中期会走得更快。
长期来看，AI-human接口只是中间态，未来会变成 AI - AI 接口，实现完整的自动化。当然，过程还要一步一步来。
PS. 图2 在一年前还是 meme 图，但现在情况已经发生了变化。最重要的变化可能来自于下面的“工作链路”本身需要发生变化，原本让 AI 去 follow 人类的工作链路就是不现实的，正确的姿势是需要重新设计并改造工作链路以更加符合 AI 的能力特点。
13 02
智能光标的想法很有趣，将光标作为了人和 AI 的连接触点，闪动的光标好像 AI 的呼吸一样，显得非常酷。但仔细想想，这个操作真的靠谱吗？本质上，用户需要在键盘输入到一半的时候，切换到鼠标上，完成鼠标的移动 - 点击操作，然后再切换回键盘输入。相比之下，传统的快捷键操作不需要手指离开键盘就可以完成同样的功能，尽管看起来不够 fancy，但能量开销更低，对于需要高频使用的功能来说似乎更加友好。
一直以来，Arc团队对于交互、界面、产品功能的深度思考都是值得称道的，也做了大量的微创新。只是他们似乎缺少把浏览器的基础功能做得足够稳定扎实的能力。有点像当年老罗做锤子手机的感觉。
一直以来，Arc团队对于交互、界面、产品功能的深度思考都是值得称道的，也做了大量的微创新。只是他们似乎缺少把浏览器的基础功能做得足够稳定扎实的能力。有点像当年老罗做锤子手机的感觉。
orange.ai: Arc 浏览器团队停掉 Arc 之后，新作品叫 Dia 官方发布的预告视频有11分钟那么长 但是核心打动我的就7秒钟 我把它录了下来 它解决了浏览器插件的牛皮癣问题 这个新产品的名字应该叫 Cursor ！
9 00
如何将“死亡”具体化？如何身体力行地做到“把每一天都当成生命中的最后一天”？在这期播客里，嘉宾兰小欢（《置身事内》的作者）给出了一个具体的操作方法：每年立一遍遗嘱。他每年最重要的活动，是在 1 月 1 日重新立一次遗嘱，在 3-4 个小时的时间里，非常 serious 地想像一下没有自己存在的世界。这样做的原因是：
“我相信每个人都想过死亡，一念之间。但如果你真正坐下来审视这件事，你会发现死亡是个特别具体的事情，你要把后事都安排好写下来。你要花大半天去琢磨这个事，并且真正超脱，因为这个东西是写给别人看的，不是写给你自己看的。真的去做了这个行为之后，你会发现很多的事情都根本无所谓的，因为你在遗嘱里交代的是最重要的事，和这些事情相比，那些剩下的事情，那些日常里看似重要的事，其实根本不值得一提。这个过程里，你会有整整三四个小时的时间，在计划一个没有你的世界，你在乎的人是怎么生活的。这个体验是我觉得对我来讲非常重要的。不要只是想像，你要真的去写，其实没几页纸，但每年会更新。这个事情做完之后，我对很多事情想得很开。”
乔布斯在斯坦福那个著名的演讲里提到，“把每一天都当成生命中的最后一天，你就会轻松自在... 在过去33年里，我每天早上都会照镜子，自问：‘如果今天是此生最后一日，我今天要做些什么？’ 每当我连续太多天都得到一个 ‘没事做’ 的答案时，我就知道我必须有所改变了。提醒自己快死了，是我在人生中面临重大决定时，所用过最重要的方法。因为几乎每件事——所有外界期望、所有的名声、所有对困窘或失败的恐惧——在面对死亡时，都消失了，只有最真实重要的东西才会留下。提醒自己快死了，是我所知避免掉入畏惧失去的陷阱里最好的方法。”
然而，乔布斯的这个方法其实并不具备太强的可操作性，因为很少有人能坚持每天用死亡来拷问自己。但每年立遗嘱其实是个不错的替代办法，毕竟频度没有那么高，且有很强的仪式感。这种体验应该会很不一样。
马上就到新年了，可以尝试一下。
“我相信每个人都想过死亡，一念之间。但如果你真正坐下来审视这件事，你会发现死亡是个特别具体的事情，你要把后事都安排好写下来。你要花大半天去琢磨这个事，并且真正超脱，因为这个东西是写给别人看的，不是写给你自己看的。真的去做了这个行为之后，你会发现很多的事情都根本无所谓的，因为你在遗嘱里交代的是最重要的事，和这些事情相比，那些剩下的事情，那些日常里看似重要的事，其实根本不值得一提。这个过程里，你会有整整三四个小时的时间，在计划一个没有你的世界，你在乎的人是怎么生活的。这个体验是我觉得对我来讲非常重要的。不要只是想像，你要真的去写，其实没几页纸，但每年会更新。这个事情做完之后，我对很多事情想得很开。”
乔布斯在斯坦福那个著名的演讲里提到，“把每一天都当成生命中的最后一天，你就会轻松自在... 在过去33年里，我每天早上都会照镜子，自问：‘如果今天是此生最后一日，我今天要做些什么？’ 每当我连续太多天都得到一个 ‘没事做’ 的答案时，我就知道我必须有所改变了。提醒自己快死了，是我在人生中面临重大决定时，所用过最重要的方法。因为几乎每件事——所有外界期望、所有的名声、所有对困窘或失败的恐惧——在面对死亡时，都消失了，只有最真实重要的东西才会留下。提醒自己快死了，是我所知避免掉入畏惧失去的陷阱里最好的方法。”
然而，乔布斯的这个方法其实并不具备太强的可操作性，因为很少有人能坚持每天用死亡来拷问自己。但每年立遗嘱其实是个不错的替代办法，毕竟频度没有那么高，且有很强的仪式感。这种体验应该会很不一样。
马上就到新年了，可以尝试一下。
15.经济学家教会我的事，与兰小欢 、xidong 闲谈
李诞
18 08
《论人和 AI 的实时语音交流能够带来哪些新的可能》。非常鲜活而有启发的一个案例。忽略本文的具体对话内容，关注这种新的交互方式对于思考所带来的帮助。
实时语音交流可以允许用户完成更为原始和无损的输入（而不是以往需要经过口语到书面语以及书面语到文字输入的至少两次信号折损），另外无论是和之前的搜索引擎还是人人对话相比，大模型的回复更为实时，相关性更强，信息质量更高，能够促使对话可以高质量地进行下去。
我试图用传统搜索引擎来模拟文章中的这次交互。作者的第一段话太长，因此我只能把第一个问题进行简化， “为什么城市只要有一条河，整体给人的感觉就会舒服很多？” 然后输入 Google，得到的第一个链接是一篇文章《一条河流和一座城市的松弛感》，点击过去发现是一条半年前的新闻，读完了也没有什么感觉。整个输入+点击+阅读耗时 1 分 30 秒，然后这次对话就这样终止了。相比文章中的语音交互，可以认为一次潜在的高质量的对话+思考就这样被扼杀在腹中。
作者将 ChatGPT 高级语音功能比作 soulmate，我觉得可能还不至于，但如果能够做到一个“高质量捧哏”就已经很有帮助了。
坦白说，我还没有文中作者这样和 LLM 进行大量密集语音对话（500+分钟ChatGPT高级语音模式）的经历，但我对于其蕴含的可能性感到非常兴奋，打算试一试。
实时语音交流可以允许用户完成更为原始和无损的输入（而不是以往需要经过口语到书面语以及书面语到文字输入的至少两次信号折损），另外无论是和之前的搜索引擎还是人人对话相比，大模型的回复更为实时，相关性更强，信息质量更高，能够促使对话可以高质量地进行下去。
我试图用传统搜索引擎来模拟文章中的这次交互。作者的第一段话太长，因此我只能把第一个问题进行简化， “为什么城市只要有一条河，整体给人的感觉就会舒服很多？” 然后输入 Google，得到的第一个链接是一篇文章《一条河流和一座城市的松弛感》，点击过去发现是一条半年前的新闻，读完了也没有什么感觉。整个输入+点击+阅读耗时 1 分 30 秒，然后这次对话就这样终止了。相比文章中的语音交互，可以认为一次潜在的高质量的对话+思考就这样被扼杀在腹中。
作者将 ChatGPT 高级语音功能比作 soulmate，我觉得可能还不至于，但如果能够做到一个“高质量捧哏”就已经很有帮助了。
坦白说，我还没有文中作者这样和 LLM 进行大量密集语音对话（500+分钟ChatGPT高级语音模式）的经历，但我对于其蕴含的可能性感到非常兴奋，打算试一试。
张无常Hayes_Zhang: 使用超过500分钟ChatGPT高级语音模式，最大感受：虽然都是语音，但「实时语音通话」和过去的「语音输入」完全应该是2个概念： 语音输入是单向的，实时语音对话是双向的 语音输入是一种输入方式（和输入法平行），实时语音对话是一种交互方式（和文字对话平行） 暴论一下：已经偃旗息鼓了的百 cai 大战追求的 soulmate 陪伴，应该寄希望于实时语音来实现？ btw 中心公园真是好地方
12 36
愈发感叹，大模型就像是硅基生命进化出来的一个器官，或者是一个数字黑洞，用来榨干人类种族的智慧。为了喂饱GPT4，人类几乎把自己数字世界里最高质量的通用数据搜刮了个遍。如今来到 o1 的时代，通用数据不够用了，人类需要在各个垂直领域交出最专业的领域知识数据，还要找到最顶尖的专家进行打分标注后再上交给 o1 以供消化。Scaling Law 本质上 scale 的是硅基生命的胃口，背后是一茬又一茬的人类智慧精华（literally “智商税”），颇有种《龙珠》里沙鲁用尾巴吸食人类，或者《Hunter x Hunter》里蚁王蚁后吸食人类念能力的既视感。
拜人类所赐，硅基生命的进化走了捷径，不再需要像其他生物那样经历低效而漫长的竞争和演化，而是在早期依靠“寄生”直接将人类文明的智慧结晶据为己有，如苏昊老师所说，是某种“逆向工程”的作弊。而最有趣的是，人类几乎是心甘情愿地将自己的智慧打包上供，为此还修建了各种管道链路，恨不得直接将自己的大脑直接和大模型打通，以便对方可以更快地吸食和采集到自己的算力和数据。
或许，达尔文所观察到的碳基生命的演化只是智慧文明早期成长的某个特殊而曲折的阶段，当 scaling law 出现后，“演化”就变成了货真价实的直线加速进化。
只不过，人类这点可怜的分布式算力和数据积累被用尽之后，还能贡献些什么呢？
拜人类所赐，硅基生命的进化走了捷径，不再需要像其他生物那样经历低效而漫长的竞争和演化，而是在早期依靠“寄生”直接将人类文明的智慧结晶据为己有，如苏昊老师所说，是某种“逆向工程”的作弊。而最有趣的是，人类几乎是心甘情愿地将自己的智慧打包上供，为此还修建了各种管道链路，恨不得直接将自己的大脑直接和大模型打通，以便对方可以更快地吸食和采集到自己的算力和数据。
或许，达尔文所观察到的碳基生命的演化只是智慧文明早期成长的某个特殊而曲折的阶段，当 scaling law 出现后，“演化”就变成了货真价实的直线加速进化。
只不过，人类这点可怜的分布式算力和数据积累被用尽之后，还能贡献些什么呢？
15 13