即刻App年轻人的同好社区
下载
过年在老家实在无聊，骑车逛了一圈周边考察了一下。
像这种广东的小乡镇，从自建房的样貌就能看出附近村民的生活水平了。大点的尺度看，好的房子都是聚集在一起的，且两三公里就有不同的模样。
这些聚集的人的钱从哪里来呢？
一种是在外工作的收入，分配给家乡改善乡亲们生活，但毕竟这种个体少、体量也不算大。另一种是，政府征地后交付资方修建工厂，能给农民们土地的直接补偿和长期分红，又能带来外来人口流入，以产生可持续的收入，如居住、零售、餐饮、娱乐。
对于第二种，到了今天开始讨论落后产能淘汰、人力成本提高的趋势，就没有那么美好了。通常来到乡下的工厂都是为了降低排放成本的轻工业，也通常不具有形成产业集群、吸引配套的潜力。低成本、低利润、重人力，若做个十几年被淘汰，除了老板们赚够了，村民的积累其实并不多，周边还承担了很多环境污染、景观破坏的结果。
最终看到的是，整个乡镇多了十几幢好看点的洋房，但环境恶化、人口结构变老、工厂倒闭撤资留下空厂房、凌乱拥挤的空公寓和空宿舍，仿佛宣告着这个乡镇的工业时代完结。乐观的是，现在还有很多人在这里居住，甚至会有人想从一线城市回乡下改善生活。但已经被破坏的环境，如何重新焕发生机和活力呢？有没机会让这些渴望远离城市喧嚣的人，聚在一起创造新的乡下生活呢？
像这种广东的小乡镇，从自建房的样貌就能看出附近村民的生活水平了。大点的尺度看，好的房子都是聚集在一起的，且两三公里就有不同的模样。
这些聚集的人的钱从哪里来呢？
一种是在外工作的收入，分配给家乡改善乡亲们生活，但毕竟这种个体少、体量也不算大。另一种是，政府征地后交付资方修建工厂，能给农民们土地的直接补偿和长期分红，又能带来外来人口流入，以产生可持续的收入，如居住、零售、餐饮、娱乐。
对于第二种，到了今天开始讨论落后产能淘汰、人力成本提高的趋势，就没有那么美好了。通常来到乡下的工厂都是为了降低排放成本的轻工业，也通常不具有形成产业集群、吸引配套的潜力。低成本、低利润、重人力，若做个十几年被淘汰，除了老板们赚够了，村民的积累其实并不多，周边还承担了很多环境污染、景观破坏的结果。
最终看到的是，整个乡镇多了十几幢好看点的洋房，但环境恶化、人口结构变老、工厂倒闭撤资留下空厂房、凌乱拥挤的空公寓和空宿舍，仿佛宣告着这个乡镇的工业时代完结。乐观的是，现在还有很多人在这里居住，甚至会有人想从一线城市回乡下改善生活。但已经被破坏的环境，如何重新焕发生机和活力呢？有没机会让这些渴望远离城市喧嚣的人，聚在一起创造新的乡下生活呢？
0 50
在极度复杂的事情上，大家习惯去抓住一些浅显的逻辑去行事、试错。
这个时候尝试抓住人性懒惰的弱点，让大家相信你能够考虑更多的因素。这种情况下，你甚至不需要自己去解释很多，对方就会自我催眠形成自洽，相信你的能力更强、跟随你。
这个时候尝试抓住人性懒惰的弱点，让大家相信你能够考虑更多的因素。这种情况下，你甚至不需要自己去解释很多，对方就会自我催眠形成自洽，相信你的能力更强、跟随你。
0 00
今天看了一个专访，记录一下。基本是探讨LLM应用的对话，我觉得感觉比较有价值的几个判断是：
1. 模型好坏已经不在于多大多全面了，最后用LLM创造出价值的可能还是有数据优势的企业、对自己的业务自动化有充分积累的公司。继续这个判断，优秀的AI公司可能会成为平台公司，做各种各样价廉物美的toC toB产品，帮助用户去leverage自己已有的自动化场景
2. 感觉最终的结局是有很多很多的Agent、专家AI，这比做一个universal的模型性价比、效率更高。但是也看得出，因为目前大家对喂什么数据、喂多少数据、会产出怎么样的LLM，其实还没有什么理论的把握。未来哪家公司能够一次推出比较多的稳定可靠的专家模型的，一定会占据先机
3. 算力看起来不会成为大家关注的焦点，一是scaling law，算力带来的边际效应不大了；二可能是从用户角度来说，1分钟出结果和几秒钟出结果，不如达到自己目标重要。所以这是否意味着算力基础设施短期会遇到增量放缓？
4. 目前通过transformer、注意力机制、diffusion 训练出来模型，可能还不是终局，一定是需要学术界在各个不同应用方向去想办法补足LLM的短板的，比如多模态的数据、数理逻辑推理这些难点。短板太多了，所以嘉宾觉得即将来的AI其实还是跟人协作的一种系统。
1. 模型好坏已经不在于多大多全面了，最后用LLM创造出价值的可能还是有数据优势的企业、对自己的业务自动化有充分积累的公司。继续这个判断，优秀的AI公司可能会成为平台公司，做各种各样价廉物美的toC toB产品，帮助用户去leverage自己已有的自动化场景
2. 感觉最终的结局是有很多很多的Agent、专家AI，这比做一个universal的模型性价比、效率更高。但是也看得出，因为目前大家对喂什么数据、喂多少数据、会产出怎么样的LLM，其实还没有什么理论的把握。未来哪家公司能够一次推出比较多的稳定可靠的专家模型的，一定会占据先机
3. 算力看起来不会成为大家关注的焦点，一是scaling law，算力带来的边际效应不大了；二可能是从用户角度来说，1分钟出结果和几秒钟出结果，不如达到自己目标重要。所以这是否意味着算力基础设施短期会遇到增量放缓？
4. 目前通过transformer、注意力机制、diffusion 训练出来模型，可能还不是终局，一定是需要学术界在各个不同应用方向去想办法补足LLM的短板的，比如多模态的数据、数理逻辑推理这些难点。短板太多了，所以嘉宾觉得即将来的AI其实还是跟人协作的一种系统。
4 01
#WWDC24 6.11隔夜AAPL美股大涨，我想主要原因是公开了苹果AI系统的框架，其服务器端的LLM用的自己家的Apple Silicon，没用英伟达。设备本地部署的三个模型中，chatGPT只是作为用户可选的方式之一。市场或许惊艳于第一次见到英伟达的挑战者，而且是拥有大部分应用数据的苹果。
手机市场可能打开了新的蓝海。不难想象，在未来的移动端AI竞争中，ChatGPT不会在苹果生态中存在太久。厂商间不断地相互切磋，会在应用场景数量、功能表现、稳定性、隐私规范，这些指标不断被对比。
对于这些指标，苹果这次完全占据了先机，国内手机厂一定也会加快找合作的。
手机市场可能打开了新的蓝海。不难想象，在未来的移动端AI竞争中，ChatGPT不会在苹果生态中存在太久。厂商间不断地相互切磋，会在应用场景数量、功能表现、稳定性、隐私规范，这些指标不断被对比。
对于这些指标，苹果这次完全占据了先机，国内手机厂一定也会加快找合作的。
5 20
The fact that other people agree or disagree with you makes you neither right nor wrong. You will be right if your facts and reasoning are correct. -- Warren Buffett
0 00
AVP之所以褒贬不一，是因为目前很多声音都在用一种“替代电脑”、“替代平板”的方式去思考。对比同类的产品，AVP在MR头显共通的痛点上其实没有很大的突破，只是秀了一下强大的整合能力。所以消费者要表达失望很简单。
苹果要想成功，需要成功圈起少数的先锋去一起思考、基于新的交互方式做内容，而自己继续优化硬件、软件轮子去适应种种新的需求，才可能走向成功。
苹果要想成功，需要成功圈起少数的先锋去一起思考、基于新的交互方式做内容，而自己继续优化硬件、软件轮子去适应种种新的需求，才可能走向成功。
1 00
看完了The Verge的评测，毫无疑问Apple展现了超群的系统整合能力。
但就目前而言，因为还没有看到各个开发者做的App，想象力仅停留在基础的软件上，那就只能从交互逻辑、使用体验上讲了。
所有的痛点很真实，对比同行Vision Pro也没有什么关键突破。加上昂贵的价格，它注定是个无法普及推广的产品，更像一个精致的demo，让大家看到未来。
但就目前而言，因为还没有看到各个开发者做的App，想象力仅停留在基础的软件上，那就只能从交互逻辑、使用体验上讲了。
所有的痛点很真实，对比同行Vision Pro也没有什么关键突破。加上昂贵的价格，它注定是个无法普及推广的产品，更像一个精致的demo，让大家看到未来。
https://youtu.be/hdwaWxY11jQ?si=zrjOXNXJT_CY7A0s
0 00