2025 Q1 展望
- Transformer 架构的 AI 似乎已经达到瓶颈，OpenAI 开始引领 Agent / MutliAgent 路线，但这只仅仅工程上的妥协，有价值，但不多，更重要的事情在于 AI 基础能力的提升。量化技术能够加速，但是肯定对 AI 的生成质量有所损害，dLLM 似乎是一个可能路径，但是我认为没有免费的午餐，可能还存在我尚未发现的缺陷。但是 dLLM 的生成速度非常有价值，极有可能会成为 AI 族群的重要组成部分。
- 多模态 AI 还在持续迭代，ChatGPT 4o 的出圈即为一例，2025 Q1 结束之时，多模态 AI 在图片理解和生成上有了足够大的进步，进一步应该是音频理解和生成，然后是视频理解和生成。视频理解和生成部分限于算力问题可能不太容易，但是对于 AI 理解现实世界肯定是跨越式的进步。且看今年年底之前能否完成这一步跨越。
- 到2026年，应该进入具身智能的时代，将触觉（也许对物理世界的具身体验更合适）融合入视觉和听觉是另一个巨大的跨越。另一个容易被忽略的是嗅觉和味觉，这是对分子级别的感知。至此 AI 应能从硬件上全面感知人之所感。
- 另一个让人难以忍受的瓶颈是 AI 的在线学习能力，如果 AI 只能使用外挂知识库的方式来解决问题，那叫开卷考试，不叫真正的学习。最近看到的一些论文似乎想要解决这个问题。窃以为人类大脑的[三重脑假说](zh.wikipedia.org)是有借鉴意义的，关键在于如何将旧脑和新脑分开训练，旧脑负责完成对这个世界的基础学习，新脑则负责在线学习，推理时结合新旧脑一起推理，完成真正的在线学习。这部分期待明年有新的突破。

论为什么 AI 还无法替代人类

STT 是 Speech to Text 缩写，应该都是走后端 STT api，po 主不理解的是为啥差距那么大。我怀疑是微信的 STT 模型训练数据以 Android 音频的 aac 格式为主，和 iOS 的 m4a 有一定差异。另一种可能性是 iOS 的音频识别没有做好格式转换。 //@跑步小菜: 因为 android 有更高的权限

高低得让 @阑夕ོ 品鉴品鉴

结合最近的 deepseek api 涨价新闻看，实在太好笑了

成功了就是乔布斯再世，失败了，失败了谁管你。

我不喜欢太君，但是太君自有其价值，别当二极管。 //@蓝色刺猬: 评论审核中

非人的浓度越来越高（无贬义）

因为罗永浩太少了

O_O

只要
换行
足够多
那就是
一篇
现代诗