即刻App年轻人的同好社区
下载
App内打开
不务正业国的王
27关注0被关注0夸夸
不务正业国的王
1月前

卫夕: 一篇雄文(熊文?),把市场砸出了一个坑。 昨天,初七,2026年2月23日,美股开盘。(你看,咱们这春节不开盘也有好处) 道琼斯跌了800多点,收在了日内最低点,全市场只有27%的股票收涨。 当天,科技软件ETF(IGV)创下了52周新低,当日下跌5%,年初至今已经跌了近30%,把ChatGPT发布以来的涨幅都跌没了。 触发这场抛售的,是Substack上一篇名为《2028全球智能危机》文章。 这件事有意思的点在于——这TM完全一篇想象出来的推演。 很显然,文章没有瞎扯,对未来推演的逻辑是让人信服的(至少说服了市场),值得盘一盘。 老外的文章通常都比较长,说实话多少有点啰嗦,直接翻译阅读体验其实很一般,读起来费劲。(原文地址:https://www.citriniresearch.com/p/2028gic ) 所以,看原文之前,我尝试花3000字梳理它的十个逻辑,尽量保证通俗易懂,且信息密度比原文高。 这文章其实就讲了一个核心问题——如果AI真的赢了,哪些东西会跟着输掉? 一 第一条逻辑,是整篇文章最反直觉的地方,也是它的题眼—— 看多AI可能本身就是熊市信号。 这很奇怪,AI生产力提升、企业利润扩张、股价上涨,这TM当然是好事啊! 但作者问了一个的问题:北达科他州一个GPU机柜,能完成曼哈顿中城一万名白领的工作,这对经济到底是好事还是坏事? 生产出来了,然后呢?谁来花这些钱? GDP是衡量产出的,但产出必须流通,才能变成消费,才能变成下一轮的收入和再生产。 如果产出绕过了人,直接从机器流向资本家的账户,那这个GDP数字好看是好看,但和普通人无关。 作者给这个现象起了个名字,叫幽灵GDP(Ghost GDP)——统计数据里有,但普通人感知不到。 这才是问题所在。 二 第二条逻辑,是关于那个负反馈飞轮。 说的其实是一个很朴素的链条—— AI能力提升,企业裁员,省下的钱买更多AI工具,AI能力再提升,企业再裁员…… 这个循环里,没有刹车。 以前的经济周期有自我修正机制——工厂生产多了卖不出去,就会减产,减产带来供给就少了,供给少了价格就会回升,价格回升又刺激新一轮投资。 这就是之前衰退之后会复苏的朴素逻辑。 但这一次不同,裁员是因为技术进步得太快而让人变贵了。 技术还在进步,裁员的理由只会越来越充分,而不会自动消失。 以前我们说:熊市不言底,这一次的问题更麻烦——底在哪里,取决于AI进化到哪里。 而AI的进化,目前看没有明确的天花板。 三 第三条逻辑,说起来有点奇怪——被AI威胁最深的公司,成了AI最激进的采购方。 ServiceNow这家公司,是文章里的典型案例。 它卖的是企业工作流自动化软件。 AI来了,它的客户开始大裁员,裁员就意味着不再买软件了,收入下滑,与此同时,有新的竞争者用AI写出了功能相近的产品,分走了它的市场。 然后ServiceNow怎么做的? 它裁掉了15%的员工,把省出来的钱投进了AI工具。 它别无选择,成了AI最激进的用户之一。 这和以前我们常说的柯达、诺基亚的故事完全不同。 以前说的是传统企业抵抗新技术,被灵活的新进者颠覆。 这一次,传统企业是最快拥抱AI的那一批,因为它们是被最快威胁的那一批。 而问题在于,它们正是雇人最多的一类企业,它们跑得越快,裁员的速度就越快。 四 第四条逻辑,叫AI不怕麻烦。 什么意思? 人会懒,人有习惯,人嫌麻烦,人会健忘。 这些弱点,被无数商业模式精心设计成了护城河。 订阅制、自动续费、捆绑套餐、默认选项——每一个设计背后,都有用户怕麻烦的隐含假设。 AI把这个假设干掉了。 AI可不怕麻烦,它会帮你对比五个平台的价格,逐条检查你每个月的订阅是否在用,发现保险公司的自动续费涨了价就立刻重新比价。 这些事,人不是不想做,是嫌麻烦不去做。 文章里用DoorDash(美国的美图外卖)举了一个绝妙的例子。 DoorDash的护城河,本质是——你饿了,你懒,这个app在你手机首页。 但AI助手没有手机首页,它会同时检查DoorDash、Uber Eats、餐厅自己的网站和二十个新平台,选最便宜最快的那个。 以前的护城河,崩了。 五 第五条逻辑,是整篇文章最简单也最被人忽视的一个: 机器不花钱。 这话说起来像废话,但想清楚了,是各很严肃的问题。 美国的消费在GDP里占70%。 这70%几乎全部来自人。人有收入,人才花钱。机器创造了产出,但机器不在餐厅吃饭,不买房,不去度假,不送孩子上私立学校。 文章里有一句话,我觉得是全篇最值得被划线的: "我们只需要想一想,机器在可选消费品上花多少钱,就能看清楚这件事。(答案是:0)" GDP增长,但消费的主体在缩水。 消费的主体缩水,意味着大量以人类消费为基础的商业模式,大概率都会塌。 从会花钱的人类,流向不花钱的机器,这是一个残酷的流动。 六 第六条逻辑,是关于白领失业的消费乘数效应。 这一条相对技术一些,但道理并不难懂。 以往我们说失业影响消费,大家想象的是蓝领工人失业,他们下周就不消费了,数据很快反映出来。 但这一次的失业主要发生在白领。 白领有积蓄,失业之后,他们可以靠存款维持一两年的正常消费。 于是数据上看不出来,经济学家说还好还好,但真实的衰退已经在发生。 等到数据终于崩了,滞后了几个季度,局面已经很难收拾。 还有另一个放大效应:美国消费最强的前10%的人,贡献了50%以上的消费支出。前20%的人,加起来大约贡献了65%。 这些人,买大房子,搞家装,买好车,去旅游,送孩子读私立,这些消费,是支撑整个消费的顶梁柱。 现在,正是这10%到20%的人,在大批失业或者被迫降薪。 2%的白领就业损失,换来的是3%到4%的消费下滑,这个换算比率,比大部分人想象的要高得多。 七 第七条逻辑,是私募信贷的多米诺骨牌。 这一条稍微有点金融行业内部视角,但作者解释得很清楚。 过去十年,美国私募信贷从不到1万亿美元膨胀到了2.5万亿以上。 大量资金流进了软件公司,赌这些公司的年度经常性收入(ARR)会长期稳定增长。 然后AI来了。 SaaS公司的客户开始裁员,裁员意味着软件许可减少。 年度经常性收入“ARR”变得不再经常了。 更糟糕的是,这些软件公司的资产,很多被打包进了保险公司和年金产品,说白了是美国普通家庭的储蓄,只是套了个复杂的金融外壳。 Zendesk(美国很牛逼的客服SaaS公司)是文章里的标志性案例:2022年以102亿美元私有化,配了50亿美元直接借贷,号称是历史上最大的ARR抵押贷款。 到2027年,AI客服已经完全替代了人工票务系统,Zendesk的核心业务逻辑消失了。 这50亿美元的贷款,完全有可能打水漂。 问题是,Zendesk绝不是个例。 八 第八条逻辑,是这篇文章最后一个大炸弹: 优质抵押贷款,可能也不Work了。 这句话的份量,需要一点背景来理解。 2008年次贷危机,烂就烂在贷款从一开始就是坏的——借给了根本还不起的人。 所以监管的逻辑是:只要贷款质量好,系统就稳。 于是银行和金融体系花了十七年,把优质抵押贷款变成了系统里最靠谱、最着调的资产。 780分的信用评分(在美国算非常高了),20%的首付,三十年稳定的就业记录,从来没有逾期记录——这类贷款,被认为是一点问题都木有的。 但这一次的问题,是工作的问题。 这些信用良好的借款人,当年借钱的时候,是标准意义上的优质借款人。 但世界在贷款发放之后发生了变化,他们的工作,被AI替掉了,或者降薪了,或者同行业的整体薪资水平崩掉了。 以前的危机是,贷款第一天就是坏的;现在的危机是,贷款发放时是好的,但世界变了。 13万亿美元的美国房贷,背后的隐含假设是:借款人会在未来30年里,大致保持当前的收入水平。 这个假设,大概率也TM要噶。 九 第九条逻辑,是关于政策工具的失效。 降息有用吗? 有用。 降息能降低贷款成本,刺激信用扩张,托住资产价格。 但降息不能让AI停止进化。 降息不能让失业的产品经理重新找到和原来薪资一样的工作。 降息解决的是流动性问题,而这一次的问题是失业问题。 政府的财政也同样尴尬。 美国财政的收入主体,是个人所得税和工资税。 AI创造的产出,流向了资本和算力的拥有者,不流经工资,也就不流经税务局。 产出还在增长,税收却已经悄然在下滑。 更要命的是,失业补偿金是为周期性失业设计的:失业一段时间,找到新工作,补偿结束。 但如果失业是结构性的,失业补偿金就变成了一项永久支出。 政策工具,是用旧模型配旧问题。 新问题来了,旧工具大概率不管用。 十 第十条逻辑,是整篇文章最本质的那一条,放在压轴: 我们的整套经济体系,建立在“人类智识是稀缺资源”这个假设上。 劳动力市场、信贷体系、税法、社会保障——所有这些,都是在人类的思考能力、决策能力无法被大规模复制的前提下设计的。 这个前提,正在失效。 AI不是完美替代,但在越来越多的领域,它是足够好的替代。 好到让企业重新计算人和AI的成本收益比。 经济体系不会崩塌,但肯定会重新定价。 问题在于,这次重新定价的对象,是整个经济秩序的底层基础,并非某个行业、某类资产,而是人值多少钱这件事本身。 这是太阳底下真正的新鲜事,以前没有发生过。 结语 文章的结尾,作者把视角切回了现实: 我们不是在2028年读这篇文章,我们是在2026年2月读它。 现在标普接近历史最高点,负反馈飞轮还没有开始转动。 所以作者说的其实是:你还有时间想一想,你的未来规划里,有多少是建立在“人类智识永远稀缺”这个假设上的? 这个问题,比任何一条具体的建议,都更值得认真对待。 我个人对这篇文章的评价是:逻辑严密,叙事优雅。(尽管有略显啰嗦) 很显然,它并非看衰AI,恰恰相反,它是看多AI,看多到预估和推演了AI强势发展的系统性风险。 看完这篇文章,说实话我也非常有收获,大年初八,开工的第一天卫夕说两点—— 第一,认真想一想,你的收入来源里,有多少是建立在“我比机器贵,但我比机器好”这个假设上的。 这个假设以前成立,现在开始动摇,未来会继续被压缩。 把这件事放到台面上,认真审视它。承认一个风险的存在,是应对它的第一步。 第二,至少充一个20美元每月的AI。 哪怕一个月,你如果用的是免费的AI,那它的水平其实是半年前或一年前的水平。 不要再自信地认为:我试过了,AI也就那样。持这种想法,大概率是你没用好。 最近有一句话流传很广——如果你现在大部分事情还是自己动手做,说明你的动手能力不太行。 很多人对AI的恐惧,来自于不了解。很多人对AI的盲目乐观,也来自于不了解。 用,频繁地用,用到模型限额是唯一解。 我自个也在强迫自己以最大限度地、激进地用那御三家的模型。 往死里烧token! 没错,旧的框架不够用了,新的框架,得自己搭。

00
不务正业国的王
2月前

张无常Hayes_Zhang: 谷歌 DeepMind CEO Demis Hassabis 最近在达沃斯论坛上接受了彭博社的访谈,时长不到半小时、内容相当丰富,手记一些我印象深刻的点: 1、Hassabis 的工作状态:每周工作一百小时,每年工作五十周,大多数深度思考发生在凌晨一点到四点。 Hassabis 2017 年在 BBC 的报道里提到过他的工作节奏是「2 个工作日」:第一个工作日从上午 10 点上班,到下午 6 点下班,处理办公室公司事务,之后回家晚饭,然后开始第二个工作日,从晚上10 点到凌晨 4 点,进行他个人的研究工作。 ——就这样每天工作 14 小时,每周 7 天午休,每周 100 小时,每年 50 周。媲美工作狂马斯克。 2、我们正处在物理 AI 取得突破性进展的临界点,预计还有 18 个月到 2年的时间实现突破。 3、深入研究机器人技术后,你会对人类的手部结构产生全新的敬畏之心——至少我是这样——进化的设计精妙绝伦,人类的手在稳定性、力量和灵活性上的表现,很难被复刻。 4、DeepSeek 的确是一个令人印象深刻的模型,它清楚地展现了中国科技公司的实力,但它被夸大了。字节跳动非常强,在技术前沿的跟进速度上,可能只落后大约六个月,而不是一到两年。 5、到 2030 年,我们有 50% 的可能实现AGI。 6、Yann LeCun 说 Transformer 和大模型技术走到尽头的观点显然是错误的,但仅凭它们能否实现AGI?我认为有 50% 的可能性——只需在现有方法的基础上进行优化并扩大规模,就能实现AGI。 7、从现在到实现通用人工智能,我们还需要一两项,最多不超过五项突破性技术:世界模型、持续学习能力、多领域稳定表现的能力、推理能力、长期规划能力。 8、是否认同 Ilya 说 Scaling Law 的时代结束?不同意,Ilya 的原话是「我们重回研究的时代」——而我觉得,Google/DeepMind 从未离开过研究的时代。 9、是否认同马斯克说我们已经进入了技术奇点?不认同,实现 AGI 还有 5 年的时间。 10、是否认同 Anthropic CEO Amodei 预测未来五年内,人工智能会取代 50% 的初级白领岗位? 不认同,这一过程会耗时更久。今年,我们或许能看到这一趋势的初步显现,比如初级岗位和实习岗位可能会受到影响,但要实现大规模取代,我们还需要解决 AI 的稳定性问题。 我把目前人工智能的这种不均衡表现称为 “锯齿型智能”,在某些领域表现出色,在另一些领域却不尽如人意。 在出现这种大规模的岗位变革前,我们还有大量工作要做,不止5年,但这种变革最终一定会到来。 11、在后稀缺时代,人们不再需要工作,个人打算如何度过时间? 我想利用人工智能探索物理学的极限。 上学时,我最感兴趣的就是那些终极问题:现实的本质是什么?意识的本质是什么?费米悖论的答案是什么?时间是什么?引力是什么? 12、如果人们不再需要工作,我们还能找到生活的意义和目标吗? 说实话,这一点比经济层面的就业问题更让我担忧。经济层面的问题,更多是一个政治问题:当人工智能为我们带来巨大的效益和生产力提升时,能否确保这些成果为全人类共享? 但更大的问题在于,许多人从工作和科学探索中获得意义和目标感,在一个全新的世界里,我们要如何重新找到这些东西? 我认为,我们需要 新一代伟大的哲学家,来帮助我们思考这个问题。或许未来,我们的艺术创作会更加精妙,我们的探索之旅会更加深远,就像如今我们所做的极限运动等非经济目的的事情一样,未来或许会有更多更小众、更有深度的这类活动。 13、想对年轻人和孩子们说什么? 我们即将进入一个变革的时代,变革的规模和速度都会是工业革命的十倍,影响力会是百倍。 我想对所有人说,变革的背后,蕴藏着巨大的机遇。 对于如今的孩子,我会鼓励他们熟练掌握这些新工具,把他们变成原生工具,这些工具几乎能赋予他们超能力。 14、如何应对人工智能带来的变革? 唯一可以确定的是,未来会发生巨大的变化。 所以在学习技能方面,要做好持续学习的准备。 学会学习,才是最重要的能力。 要能快速适应新环境,利用现有工具吸收新信息。 访谈视频:https://youtu.be/BbIaYFHxW3Y?si=mQHyp6tGDpVAqN4x

00
不务正业国的王
6月前

Max_means_best: 搞学术的人看过来! 西湖大学做了个自动把学术论文转PPT的Agent。 前两天发了字节哈工大港大做的自动论文宣发Agent 今天就看到朋友分享的另一个工作 来自西湖大学的研究员们发布了Auto-Slides 这是一个用于创建和定制学术PPT的交互式多智能体系统 可以将研究论文转换为具有教学结构的、多模态的幻灯片(例如图表和表格)。 并且它不是简单的由LLM来设计,而是根据认知科学,来创建以演示为导向的叙述。 并通过交互式编辑器进行迭代优化,以匹配学习者的知识水平和目标。 与之前的AutoPR类似,Auto-Sildes也分为三个步骤生成(图2️⃣ 1️⃣内容理解和结构化,其中解析器和规划器Agent分析源材料,以 JSON 格式设计幻灯片结构,指定每张幻灯片的内容、图表和表格。 2️⃣质量保证和优化,其中验证器和调整器Agent确保内容的真实性和完整性。 3️⃣生成和交互优化,其中生成器Agent以 LaTeX 代码格式生成最终演示文稿,编辑器Agent通过自然语言对话来完成人工参与修订。 为了评估该系统的效果,作者们使用人工和LLM进行了双重评估。 结果显示,使用Auto-Slides生成的PPT在人工和LLM评估中均优于直接使用LLM生成的PPT(图3️⃣和4️⃣ 显著提高了学习者(听众)的理解和参与度。 其实我觉得这个项目潜力很大,特别是基于认知科学来进行讲解/叙述。 当然作者也承认,目前Auto-Sildes尚未整合动态或交互式媒体,如嵌入的视频、动画、交互式图表或可执行代码块。 希望在后续工作中能整合这些能力~ 项目主页:https://auto-slides.github.io Github:https://github.com/Westlake-AGI-Lab/Auto-Slides Paper:https://arxiv.org/abs/2509.11062

00
不务正业国的王
7月前
看到一个观点,人在起步的时候要保留更多的可能性,但故事总有下半段,人最终需要选择一条路走。有些时候,其实是“条条大路通罗马”,你总会成为你该成为的人。
#关于选择
00
不务正业国的王
8月前
从追求稳定到适应变化

鲁彼特: 过去几十年的主流人生轨迹,是建立在这些假设上的: ​1)房产会持续增值,并且是财富的主要积累方式。 ​2)稳定的工作和社会保障体系能支撑一个人到老。 ​3)结婚生子是社会共识,也是符合经济效率/降低生存风险的最优选择。 ​ ​但是,你们发现没有,这些假设正在动摇: ​1)房价下跌,房产从必买到可买可不买,两性关系也在发生很多微妙的变化,如果婚姻不是必需品,房价的另一个基石也松动了。 ​2)人口老龄化加剧,社保体系的压力越来越大,等这一代年轻人老了,还能拿到退休金吗? ​3)AI 技术的高速发展,稳定职业也变得稀缺,指望自己的职业一定不会被替代,也是赌。 ​ ​我认为,我们正在经历的,旧的秩序正在解体,新的秩序还没有完全成型。 ​ ​我们很难再去复制上一代的生活,参考发达国家的经验也变得没有意义,他们也在面临各种挑战,比如科技的冲击,气候变化的冲击。​ 我们都必须直接从当下的条件出发去探索新的人生轨迹。 ​ 在未来,读书➡️稳定工作➡️买房结婚➡️鸡娃➡️养老金养老,这条传统路径肯定不再是唯一选择了。 会有更多租房不买房的人,会有更多类型的两性关系,会有更多工作但是不上班的人,会有更多离开大城市的人,会有更多从事创造性工作的人,会有除了社保以外更多元的养老机制…… 我觉得这会是一段长期的社会秩序重建,我们这一代人刚好是重建的主力军。 但不论未来会如何,识别变化并且快速适应新模式的人,会在这一波社会变迁中活的更好。 还在寄希望旧秩序恢复的人,会被社会淘汰。 ​ ​

00