即刻App年轻人的同好社区
下载
App内打开
卫夕
644关注2k被关注1夸夸
前古典产品狗,现野生科技作者,有两个公众号“卫夕指北”、“降维实验室”,《三体》虔诚读者,关注AI、TMT大小厂商业化、广告。
置顶
卫夕
8天前
九年前,有两个人替我们提前经历了AI焦虑。
坦白讲,和很多人一样,我有AI焦虑。
这种焦虑一方面来自对自己独特性的怀疑,另一方面来源于AI进步和更新太TM快了,压根就学不过来。
如果你也有类似的AI焦虑,那我诚恳地说,《AlphaGo》这部纪录片,你必须重看一遍。

为什么这么说?

片中的主角李世石和线索主角樊麾在9年前经历的,其实就是我们今天AI焦虑的预演。

只不过,彼时的强度要高10倍。

如此推荐这部牛逼的纪录片,卫夕有两个简单的理由——

第一,它记录了人类第一次被AI强碾压的全貌。

豆瓣评论区里赞美如果不是有时间戳,我都怀疑是AI写的。

的确,该片导演Greg Kohs是一位节奏把控的大师。

全片看似舒缓但张力拉满,90分钟,洽好够你放下手机,完整地感受一次冲击。

第二,配合樊麾本人讲述的播客食用,震撼加倍。

去年,时隔九年之后的纪录片中的樊麾上了一次刘鹏和东东枪两位老师的播客“科技修道院”。链接——www.xiaoyuzhoufm.com

我认为是小宇宙里被严重低估的一期播客,我看截止到2026年1月16日,播放量仅有5880次播放。

作为一个天生会讲故事的高手,樊麾通过极其精彩的讲述补充了纪录片里没说的细节——

如何从自信到崩溃、如何被全网骂成"人奸"、如何看到李世石面对AI"神之一手"的微妙表情等等。

和纪录片搭配服用,分外精彩。

很多读者会说,这片子我以前看过,但相信我,那时你一定是在抽离的状态看的,如今我们已然都成了剧中人。

下面,卫夕就粗略地讲讲这个极其精彩故事,说一说我的理解,目的是让你去看原片和听播客——



先说说樊麾。

2015年他在欧洲拿了第三次欧洲围棋冠军,而且是法国围棋协会的总教练。

他自己承认,要是水平真的厉害,也不用去欧洲拿冠军了。(不得不说,他这个路子也挺清奇的)

然后他收到了一封邮件。

发件人叫戴密斯·哈萨比斯,说自己是一个叫DeepMind的公司的,有一个很兴奋的项目,问他感不感兴趣聊一聊。

樊麾的第一反应是:他们可能是想去研究一下自己大脑结构有什么特点。

毕竟,会下棋的人估计更聪明一些?

结果飞到伦敦后,DeepMind的人告诉他:他们开发了一个下围棋的系统,叫AlphaGo,想试试挑战职业棋手。

樊麾的心凉了半截,用他的原话说就是:别提我有多失望。

毕竟,那时候他打心底就觉得——AI就不存在赢职业骑手的可能性。

樊麾觉得这就是浪费时间,谷歌钱多,想测试一下,那就试试呗。



然后比赛开始了。

第一盘,樊麾下得比较缓,不想跟机器硬碰硬,他觉得AI擅长战斗,那我就跟你玩抽象。

一度他觉得自己有优势,但一番交战之后,第一盘输了。

但樊麾给自己理由:我疏忽了,人嘛,总给自己找借口。

“它不过如此,跟我想象中的差不了太多。”

结果第二盘又输了,这时候他的情绪就开始发生微妙的变化。(纪录片里呈现的细腻的表情变化非常有意思。)

到第三盘输完——“那一瞬间你就觉得你不会下围棋了。”(事实上,我也多次看了AI的输出之后,深深地怀疑自己写作还有什么意义?)

一个职业棋手、欧洲冠军,一个当了十年法国总教练的人,突然觉得自己不会下围棋了。

"你要知道那一瞬间你会觉得你知道的东西是对的吗?你会怀疑自己。因为你从头到尾你都在怀疑自己,你下的每一步棋都在怀疑自己。你的自信心会被巨大的打击,因为他没有任何表情,你下哪儿他跟着应,你的所有的情绪从他身上会反弹给你自己。"

对谈的播客嘉宾东东枪在播客里打了个比方,说这就像武林高手去了一个道观,结果被小道童一把薅过来啪啪打。

樊麾说不对,小道童毕竟还是个活人。

"你就想象一下,你不小心误入了少林寺18铜人,18个铜人把你抽,一人抽一下,你心想我白被揍了,他连疼都不带疼的。"



那天晚上樊麾还要远程给学生上围棋课。

"那天晚上给我学生讲棋,我都不知道怎么讲完的,那瞬间你没办法自信,你就觉得你不行了。"

学生不知道老师刚刚经历了什么,老师也没办法跟任何人说,这件事是保密的,成果要在《Nature》上发表,发表之前不能透露任何信息。

当一个人的信心被AI彻底摧毁之后,有的人可能就趴下了,有的人会站起来迎上去。

很显然,樊麾属于后者。

当那个男人(就是带领做出今天综合能力最强的Gemini 3 Pro的哈萨比斯)抛出橄榄枝时,他答应了,选择作为顾问加入DeepMind团队,继续和AlphaGo硬刚和碰撞。

打不过,那也得和它切磋,直到搞明白它到底为什么这么牛逼,这是樊麾作为一个棋手的倔强。



2016年1月27日,《Nature》发表了AlphaGo的那篇论文,然后樊麾就在网上被骂惨了——

出卖国家的叫汉奸,帮助AI训练来打败人类的樊麾被骂成了“人奸”

还有人说他是被收买的,说谷歌给钱。

樊麾很生气,别的骂他都认,棋臭就是臭,但收买他没法认。

“我们是棋手,在某种意义上讲,棋手认为下棋的也都是艺术家,我们的每盘棋都是我们花心血的一个艺术,不管它好还是不好,都代表了我们。对我们来说每盘棋都像生命一样宝贵。我怎么可能拿我的生命去做买卖呢?”

这话他是对着《连线》杂志的主编说的,后来被剪进了纪录片里。

但没人相信。

所有人都在等三月份的比赛,AlphaGo要挑战李世石,真正的世界冠军,大家都觉得,等李世石赢了,就知道樊麾是真的臭了。



李世石当时是什么心态?

和樊麾一模一样:觉得自己肯定能赢。

李世石看过樊麾那五盘棋,所有职业棋手都看过了,都在讲解分析。

柯洁说“樊麾这个棋应该不能算职业棋手,有辱职业棋手称号”。

前两天刚刚离去的棋圣聂卫平也说这棋确实臭,客气点的说“樊麾在欧洲时间长了,这棋明显是退步了”。

李世石不知道的是,跟樊麾下的那个版本是V18,跟他下的已经不是同一个版本了,机器的进步跟人不是一个罗辑,几个月时间,能提升的幅度是人想象不到的。

樊麾当时预测是5比0,他觉得李世石一盘都赢不了,为什么这么说?

听听樊麾的原声——

“我是知道它啥水平的,我是打心眼里知道它啥水平的。我经历过,我当然知道。你输不会是技术输,一定是心态崩,百分之百心态崩塌,躲不过去的。”

“我输还没有在闪光灯下,他在聚光灯下,他死得更惨。人家不都说聚光灯下死得快。”



2016年3月9日,第一盘。

全球关注,第一天的独立IP观看人数八千多万,第二天过亿,大家都像看世界杯一样,都想见证历史。

我记得彼时我还在微博搬砖,比赛那几天也是无心工作,全程一直密切关注。

第一盘,李世石输了。

樊麾说他在现场,李世石认输那一瞬间,他的整个大脑都空了——

“我的整个大脑都空了。虽然说你知道他一定会输,我预测他5比0的,但我那一瞬间就好像被拉到宇宙间失重,一切都变了,不一样了,空了。”

“然后慢慢被拉回来了,那一瞬间的感觉特别神奇。就是你就知道你就突然之间一切都停下来了,就像时间停下来了,就真停下来了,就跟电影特效似的。”

CNN报道说这是围棋的一小步,但是人类的一大步。



第二盘,是整个人机大战最经典的一盘。

因为那步棋,还因为那个抽烟的背影。

当时特别有戏剧性,具体而言是这样的——

李世石在比赛进行到一个半小时的时候,下完第36手,局面有些棘手,他需要调整一下状态,决定出去露台上抽一根烟。

纪录片里专门给了一个他抽烟的镜头,他不知道AlphaGo马上要下出那步惊天的37手。

那个画面特别安静,有一种面对着即将碾压自己的对手时的宿命感。

我总觉得那个画面是一种隐喻,事实上,我们每个人都在那个露台上。

人抽烟的时候,机器不会等待。

黄博士代表AlphaGo落下了著名的“神之一手”——第37手:五路肩冲。

樊麾第一眼看到这步棋的反应是:“我那是个啥?我天,啥破玩意儿还能往这儿下,那是棋吗?”

所以他也等着看李世石回来是什么表情,李世石从露台抽烟回来,坐下之前先瞥了一眼棋盘。

“那个表情特别不屑,你知道吗?噗嗤一下乐了,'还能往这儿下'那感觉。”

然后他坐下,开始看这步棋。

“那个表情,那个凝重,就真的是一点一点越来越凝重。然后就开始慌,越来越慌。”

他想了12分钟,之前每步棋大概一分钟之内就下了。

“心态出问题了,乱了,已经乱了。”

你懂这个感觉吗?你以为你看穿了对手,你以为对手出了昏招,你甚至笑出来了,然后你仔细一看,发现这步棋你越看越不懂,越看越觉得厉害。

那一瞬间,你会开始怀疑:它是不是早就把我算透了?它是不是看到了我看不到的东西?我是不是根本就下不过它?

樊麾说得特别准确:人做任何事情,只要没有自信就完了。



果然,第37手之后,李世石表情越来越凝重,局面越来越难控制,最后输得很惨,一点机会都没有。

第三盘更惨,四五十手就输飞了。

新闻发布会上,李世石说话都带着哭腔。

樊麾说:“我看着都难受,所有人都难受。那一瞬间好像没有人赢,只有他输,因为他毕竟代表了全人类。”

那一幕我看的时候也很触动,因为现场就连DeepMind的哈萨比斯也表情凝重,在那种氛围下,根本高兴不起来。

底下很多韩国职业棋手给他鼓劲,说你是最棒的,虽然你三连败了,但你已经做到了我们所有人只能做到的最好了。

这是实话,大家已经见识到AlphaGo的实力了,确实没有人下得过它。

3比0,比赛已经结束了,但按规则还得继续下完五盘。

李世石的压力有多大?已经输了三盘了,4比0跟5比0有什么区别吗?

有。



第四盘,是围棋史上最荡气回肠的一盘。

开局的时候所有人都觉得李世石肯定要输了,记者们开始撤场,回去写稿,关注度已经下去了,大家觉得没什么好看的了。

然而,真正牛逼的人会在绝境中寻找希望,很显然,李没打算放弃。

然后好戏上演了——第78手——中腹一挖。

就那一步棋,AlphaGo忽然像疯了一样,开始下很奇怪的棋。

在AI看来,人类下这步棋的概率是万分之一。

但李世石在新闻发布会上说,这步棋却是它直觉的唯一选择。

这就是人类和机器的区别,机器算出来这步棋没有道理,概率极低,但人的下意识告诉李世石:就该这么下。

而这步棋,恰恰打中了AlphaGo的七寸,它的权重乱了,它不知道该如何决策了。

但最厉害的不是那步挖,最厉害的是李世石在取得优势之后,一直谨慎地下到AlphaGo认输。

你想想他有多紧张,前三盘被打成狗,第四盘终于看到希望了,万一最后关头丢了呢?

樊麾说他在现场看着李世石的脸,那种专注已经到了极致。

最后终于,李世石赢了,在3比1落后的局面下打败了AlphaGo。

AI有37手,人类有78手。

作为数子裁判的樊麾在结束后给李世石竖了一个大拇指

十一

纪录片里有一个画面,李世石走进新闻发布会现场,按理说他赢了,应该很开心,但他崩着脸,一直忍住没笑,然后全场开始鼓掌欢呼,他才绷不住笑出来。

那个笑,是真的开心。

樊麾当时发了一条微博,说“那个笑是这个世上最幸福的笑”。

李世石自己说:

“我很奇怪,我输了三盘赢了一盘,这一盘赢你们对我的欢欣鼓舞好像比什么都重要,这盘棋我不会拿任何东西换,这是我人生最宝贵的一盘棋。”

那是人类最后一次在正式比赛中战胜顶级围棋AI。

十二

我为什么每次被AI产品震到头皮发麻,都要把这部纪录片翻出来看一遍?

其实特简单,我在里面看到了人面对AI的完整过程——

第一阶段:傲慢。

樊麾、李世石并没有神马不同,这是一种基于经验和逻辑的傲慢。

就像ChatGPT刚出来的时候,很多人的反应是——

它输出的东西看着挺像那么回事,但其实在实际应用的过程中用不了,毕竟我是十来年的老师傅了,还是我自己搞得好,AI还是差点意思。

第二阶段:被碾压后的崩溃。

樊麾说那一瞬间你就觉得你不会下围棋了,李世石看着第37手从不屑到凝重到慌张,我们开始怀疑自己了。

我就亲自听我写前端的技术前同事看到Gemini 3 Pro之后说:完蛋了,我几年的前端经验真TM白学了。

我想很多设计师也会经历相同的崩溃。(有的话请留个言)

很多人说,我没有,我没有经历过,我的工作可没那么简单,呵呵,你等着,快了!

你只不过是还在第一阶段而已,放心,对绝大多数人而言,崩溃、失业神马的,该来的大概率都会来的。

第三阶段:重生。

被AI碾压后,樊麾加入了DeepMind团队,他说“我从他身上学的东西多多了”。

他说“AlphaGo对围棋的理解,如果他有的话,是远超我们的,它对骑手的帮助非常巨大”。

李世石在被硬控三盘之后,在第四盘下出了那步惊天的78手,并在一年之后赢得了所有比赛。

没错,被摧毁后的重建是一个痛苦的过程,它并不容易,且并不是每个人都能走到第三阶段。

十三

我相信,很多人像我一样,也在经历从第一阶段、第二阶段到第三阶段过渡的过程。

ChatGPT刚出来的时候,我当时傲慢地判断它没有洞察,但很快,行业的进化就超出了我最初的想象,我错了,错得离谱。

印象最深刻的是2024年下半年,Claude 3.5 Sonnet在文字、逻辑上的能力彻底让我折服,更不用说后边飞速迭代的新模型。

我看AI的过程,从开始的“弱智”、到“笨笨的实习生”、到“水平相当的同事”、再到“牛逼的导师”,这个过程就发生在短短两年之内。

折服之后总得在焦虑中行动,我开始强迫自己提高和AI交互的频率,并强制自己输出,甚至还注册了一个新的公众号——“降维实验室”。

和AI开过一些脑洞,比如“用《华尔街日报》的风格报道大闹天宫”、“玄武门之变当晚,李世民的独白会写什么”、“假如雷军来发布哪吒的风火轮”、“用Agent分析腾讯招聘岗位推测微信在忙什么”、“平替版图灵测试”、“哈佛AI就业冲击论文解读”等。

尽管产量不算高,但的确在和AI的密集交互中,我的确从心态上重新变回了一个学生。

这种感觉很微妙,并不意味着焦虑没有了,它还在,只是茫然感在一轮一轮调Prompt、试新工具、发新的输出中实实在在降低了。

我身边很多朋友还在第一阶段和第二阶段之间反复横跳——一会儿AI不过如此,一会儿又被新东西震撼,我特别理解这种感觉,毕竟我也是这么过来的。

现在,我某种意义上臣服了,臣服这个词可能让人有点不舒服,但我觉得面对注定提高的智能上限,臣服没什么丢脸的。

感兴趣的可酌情关注卫夕臣服后在“卫夕指北”和“降维实验室”的新输出,一起感受非技术的文科生和AI能擦出什么火花。

最怕的是,做鸵鸟。

十四

樊麾在播客里说了一段话,我每次听都觉得有触动——

“AlphaGo给棋手带来最大的不同,就是在那一瞬间,它降个维,把我们都拍成小学生了。”

“这是个好事儿。为什么呢?打通任督二脉这个事儿有时候需要外力的,你自己打不通。那一瞬间你很疼,你很不舒服。但是你一旦成长起来,你会发现海阔天空了,你看待问题事物的方式方法都变化了。”

“我至少现在能够觉得我懂的东西实在是太少了,这是真心话。但是我心态可能就更加放松了,因为我相信我懂得少。”

这段话我反复听了很多遍。

承认自己不懂,才能真正的开始。

十五

最近“斩杀线”这个词很火。

在我看来,AI其实也是有一条看不见的斩杀线的,用得好的人会得到AI的加成,而恐惧、抱怨不行动的人则会逐渐被AI悄然斩杀。

而我们每个人,都要用尽全力逃离AI的斩杀线。

这是每个人真实而又残酷的新课题,不要以为AI带来的失业离自己很远。

樊麾说了一段关于复盘的话,我很认可,并且在和我闺女下棋的时候讲给了她听——

他说复盘这个词来自围棋,每个职业棋手都会复盘,复盘只有一个目的:找自己的问题。

“你复盘如果都是对方的问题,你怎么进步?”

这段话放在AI时代特别适用。

你可以抱怨AI抢了你的饭碗,指责资本家只想着降本增效,但这些抱怨是无力的。

我们能做的,不过只是学AI、用AI,反思自己,然后改进。

优酷和B站都有这个片,希望每个人都能从中获得力量——

可到B站看原片,相信我,这90分钟绝对值得。链接——www.bilibili.com

结语

看着这条2018年的评论,在看看过去两年AI世界的沧海桑田,有一种恍如隔世的感觉。

我不知道下一个让我震撼的AI产品是什么——更强的LLM、更复杂推理的Agent或者是某些我们闻所未闻的东西?

但我知道,唯一能做的就是——别想太多,先用起来,用得越多,怕得越少。

让AI写个分析报告、整一下小龙虾、生成第一个网页、调整一次Prompt、手搓一个Skills.......都可以。

总之,把手弄脏。

没错,你可能会受挫,但没关系,学游泳的第一步也是先呛几口水。

用着用着,焦虑就没了。
68394
卫夕
2天前
“大家相信的真相,才算真相;
如果人们听不懂你在说什么,他们就不可能相信;
如果他们根本就不听你说,也就不可能知道你在说什么;
如果你不够有趣,那他们就根本不听你说话;
而如果你不是用有想象力的、原创的、新鲜的方式来讲述,你就不可能有趣。”

——DDB(恒美广告)的创始人伯恩巴克 ​​​
02
卫夕
4天前
让现在流行的App回到80年代,设计机构 tom le french设计了一套复古物件。
00
卫夕
5天前
为改善微博体验做了一点微小的工作,CEO微博办公确实响应迅速。
10
卫夕
6天前
按参数算,人脑相当于多大的模型?
答案是:要看怎么算。
如果只看神经元的个数,人脑大概是860亿个神经元,也就是86B的模型,并不大。
参考一下,DeepSeek V3是671B,Kimi K2.5大概1000B,即1T;
但事实上人脑每个神经元又有7000个突触,从技术的角度类比,颗粒度更小的突触才更像AI模型的权重参数。

如果这么算,860亿*7000,那么人类大脑相当于大约600T模型。

而这么大的模型,今天的硬件肯定暂时还跑不动。

这么类比略糙。

但也说明——咱们这颗脑子的架构还是很复杂的,属于先进制程。

有点牛逼。



那么,大脑的制程到底有多先进呢?

我随即问了Claude opus 4.6和Gemini 3.1 Pro一个问题(实在受不了GPT无比谄媚的风格)——

“如果人脑是一块芯片,那么它的制程是几纳米的?”

他们的答案出奇一致:

如果看神经元细胞体直径的直径,大概 10000-100000 纳米 (10-100微米)。

这么看大脑相当于几十年前的电子管计算机。

这TM也太落后了。

但逻辑显然不是这样的:

神经元并非一个简单的开关,它更像处理器的一个核,真正的开关和信号传递发生在突触。

那么突触是什么水平的制程呢?

神经元之间传递信号的突触间隙,它的宽度大概是20到40纳米。

这相当于台积电2012年左右的水平,也就是28nm工艺。

说句糙的:如果单看这个指标,咱们得脑子也就是个iPhone 5的水准。

然而,账不能这么算,碳基又碳基牛逼的地方——

我人脑传递电信号最细颗粒度的单元是——细胞膜上的离子通道蛋白(Ion Channels)。

这些蛋白质孔道的直径只有0.3~0.5纳米,这个尺寸仅允许单个离子(如钠、钾离子)排队通过。

在这个层面上,我人类牛逼的大脑达到了原子级别,也就是0.3nm工艺。

这是目前包括台积电在内的所有硅基芯片还没达到的物理极限。

人脑牛逼!

其实还有更牛逼的——

硅基芯片还是在一个平面硅片上通过光刻层层堆叠,层数有限,也就是说它其实本质是2D的。

而人脑是一个充满了胶状物的真正三维结构,一个神经元突触能同时错综复杂地和一万个邻居搭上线。

这个复杂度,要高几个量级。

2D VS 3D,人脑,升维了。

更重要的是,晶体管就俩个状态,开或者关(0和1),是个老实人。

而我人脑突触传递的信号是连续的、有强有弱、还带化学反应的。

一个突触干的活,信息量比一个晶体管要高一个层级。

所以,从架构层面,人脑:有点东西。



再说一说功耗,人脑的功率大约20瓦,恒定运行。

注意,这20瓦不是只全部用来想问题的,是同时在管呼吸、心跳、消化、情绪,也包括你现在对我发这篇文章的阅读理解。

认知神经科学的测量显示,大脑在高强度思考时功耗只比静息态多出大约1 瓦。

这意味着,一个问题想 5 秒钟,额外耗电约0.0014瓦时(瓦是功率单位,瓦时是耗能单位,还记得吧?)。

那AI回答一个问题要耗多少能量呢?

恰好去年6月10日,山姆*奥特曼在它的个人博客上那篇著名的《温和的奇点》的文章里披露过——blog.samaltman.com

“人们常常好奇 ChatGPT 查询会消耗多少能量;平均而言,一次查询大约消耗 0.34 瓦时,这大约相当于烤箱在一秒多一点的时间里消耗的电量,或者一个高效节能灯泡在几分钟内消耗的电量。”

0.0014瓦时 VS 0.34瓦时。

我人脑依然领先2个数量级。

很显然,无与伦比的功耗,也是碳基智能的一个显性优势。



DeepSeek V3总共671B参数,每次推理只激活37B。

也就是说,它95%的参数在每次思考时是躺平的,只有5%在干活。(Kimi K2.5这种参数更大的模型激活参数比例更小:3.2%)

嘿嘿,巧的事,咱们进化了辣么久的人脑也是这么干的:

根据Lennie, P. (2003)基于大脑能量预算的计算——

平均皮层神经元的放电频率大约只有0.16Hz,也就是每6秒才开火一次。(论文地址:www2.bcs.rochester.edu

Shoham(2006)等人得研究也发现——

超过90%的大脑神经元在任何给定时间都处于沉寂状态,沉寂到实验设备根本探测不到它们的存在。

(论文地址:pubmed.ncbi.nlm.nih.gov,有意思的是:达尔文的曾孙Horace Barlow也是研究这方面的专家,扯远了,打住!)

所以,我辅导我家闺女作业时常用的口头禅——能不能上点心?你只用了你脑子的1%!

这句话既可以形容AI,也可以形容人类。

他们都有一个洋气的名字——MoE。

大模型有幻觉:一本正经、胡说八道。

这被视为缺陷。

但人脑呢?

每天晚上准时幻觉八小时——梦。

清醒时的幻觉,如果质量高,叫想象力,再高一点,叫创造力,高到特别牛逼,就TM叫艺术。

Anthropic、OpenAI和无数国内的实验室都在花了巨资试图搞定幻觉这件事。

但幻觉并非模型的缺陷,而是特性。

2024年初,康奈尔大学的Ziwei Xu等人在一篇研究(arXiv: 2401.11817)中从数学上证明——幻觉对于LLM是不可避免的。

幻觉和创造力是一枚硬币的两面。

人脑差不多也是这样的机制。

人和AI一样,既要又要是不现实的。



DeepSeek V3的上下文窗口是 128K,大约十万字。

最新的Claude Opus 4.6 到了1M,接近百万字,差不多是一整本《红楼梦》塞进去还有余。

人脑的上下文长度是多少?

答案是:很难评。

短期记忆,我根本记不住两个以上的手机号码。

心理学家米勒1956年在那篇引用量破天际的论文《The Magical Number Seven, Plus or Minus Two》中量化过了,工作记忆的容量是 7±2 个组块。

你甚至记不住一个稍微复杂的验证码。

按这个算,人脑的上下文窗口大概也就几十个token,连GPT-2都不如。

但长期记忆呢?

你可以记住15年前初恋的样子。

其实,大脑的存储本身是很大的——

2016年,Salk研究所的研究给出过一个参考数字:每个突触可以存储大约4.7bits的信息。

按照大脑皮层约125万亿个突触来算,仅皮层的存储容量就达到了大约74 TB,整个大脑的存储容量还要高一个数量级。

所以,大脑的上下文窗口到底是长是短?

这个问题本身就问错了,因为人脑压根不是用上下文窗口这个东东来运行的。

大脑最牛逼的是压缩与抽象。

你不需要记住老板三个月来发的所有微信,你只需要记住一个判断:这人不靠谱。

这个操作在信息论里叫做——极端的有损压缩。

这个压缩不是一次性完成的:

每天晚上,你的海马体都在趁你睡觉的时候把白天的经历重播给新皮层听,反复蒸馏。

这个压缩比,任何模型都做不到。



有意思的是,DeepSeek在模拟类似的效果——

2025年底DeepSeek发的OCR论文就在探索用视觉token来压缩文本信息:把文字拍成照片喂给模型。

它的机制是:最近的内容保留高清细节,越久远的内容存储得越模糊。

这和人脑的记忆,惊人的相似。

今年年1月,DeepSeek又放了一个更牛逼的东西:Engram,梁文锋亲自挂名。

Engram论文的核心搞法是:把想和记分开——75%的算力给推理,25% 给记忆查找。

这TM不就是人脑的运作方式么?

你知道你妈的生日,不需要从头回忆,这是陈述性记忆,直接读取。

而当你需要解一道新的数学题,那才动用推理——推理是昂贵的,人脑也不愿意轻易整它。

丹尼尔·卡尼曼管这叫系统一和系统二:快思考和慢思考。

所以你看,AI发展了70年,兜兜转转,一定程度上,还是继续往人脑的架构上靠。

人脑这个东西,不容易搞明白,但不明觉厉。(我有点理解曾经的首富陈天桥为什么要花辣么多钱资助脑科学研究了。)

从这个意义上,我更期待即将发布的DeepSeek V4了,希望是憋了一个大招。



再说说训练数据。

GPT-4 据传用了大约13万亿token来训练,DeepSeek V3用了14.8万亿,现在最新的模型只会用得更多。

人类呢?

Michael Frank在2023年发表于Trends in Cognitive Sciences的论文中做了一个系统的估算:

一个孩子从出生到成年(约20岁),总共接触到的语言输入大约是2×10⁸个词(2亿)(我又用Gemini 3,1 Pro和Claude opus 4.6确认了一遍,答案略有差异,但数量级没跑)

2亿 VS 13万亿。

差了五个数量级。

人脑的样本效率,狠狠地碾压所有AI模型。

事实上,如何提升样本效率,也是目前各大顶尖AI实验室最前沿的研究课题。

毕竟大家隐约感觉到,单纯堆数据的Scaling Law可能正在接近它的天花板。

而人脑用极少的数据就能实现极高的泛化,这个秘密一旦被破解,可能就是下一次AI跃迁的钥匙。

今年我在承德过年的时候,我一岁3个月的小侄女,还不太会说话。

我用iPhone上自带的那个动态表情逗她玩,我惊讶于她能非常准确地区分每一个极其抽象的动物。

图片
说实话,我都对辣个区分度不大的小猫和小狐狸图标有点恍惚。(不信你去看看)

至于我人类是怎么做到的?

核心在于进化的5亿年中,我们的脑子里是预装了一堆先验知识滴,比如婴儿天生就会注意人脸,这是出厂设置。

AI要从零开始学,人脑天生带着外挂。



人脑有一个大模型目前有的东西:身体。(继续看就知道我不是在聊目前火热的具身智能。)

这句话听上去像废话,但其实很致命。

近年来认知科学有一个越来越火的流派叫Embodied Cognition。

他们核心观点是:思维并非单纯发生在脑子里的,身体本身就参与了思考。

举个栗子,你理解“沉重”这个词,是因为你真的搬过重东西,你的肌肉记得那种感觉。

你说这个东西很沉的时候,此时如果给你做核磁共振,是能看到你的运动皮层有在轻微激活滴。

这就是为什么我们说AI,还是在做语言层面的模式匹配,而非真正的共情。

当然你可以说,谁TM在乎它是不是真的共情呢,它的回答够好不就行了么?

这话也对。

但这引出了一个哲学味很重但又避不开的问题:智能,到底需不需要一个身体?

目前的答案是:不知道。



我平时看的东西很杂。

聊到这我想起了刘慈欣6年前(彼时ChatGPT还没诞生)在喜马拉雅上线了一个付费节目,叫“刘慈欣的思想实验室”。

其中有一期在回答文学教授戴锦华的提问中说了这样一段话——

“按照传统的不管是科幻领域的思维,还是我们正常的思维说,(人还是人)这个底线在大脑。

就是说他的周围的其他的这个生物器官都换成机器了,只要他的大脑还在,我们就认为他还是人。

但最近的一些研究,发现事情完全没有这么简单,人的思维不仅仅是由大脑决定的。

就像莎士比亚有一句诗,他说:“爱情啊你来自何方?是大脑还是心房?”

而对外部世界的感知,以及我们对自身的感知,相当一部分并非只由大脑来决定的,而是由我们整个的生物学结构来决定的。

而生物学结构90%都变了,就剩一个大脑,那这个大脑的思维方式还是原来的大脑?它还是人类的思维吗?这个现在很难说。”

大刘的这段话显然更具现实思维而非科幻思维。

这和《三体》第三部程心吧云天明的大脑送给三体世界并期望他们重新恢复的思路并不一致。

(推荐去付费听原节目,充满哲思,异常精彩,尤其这个节目是ChatGPT诞生之前聊AI,可以和现在进行对照非常有意思,犹豫的同学也可以在“卫夕指北”公众号回复“刘慈欣”获取这一期节目的文字稿再决定要不要付费)

无论如何,人脑已经和人脑相辅相成的生物学结构,是我们作为碳基生命独特的存在。

是滴,时隔很多年的某个午后,不经意在人群中闻到初恋的同款香水,我们会忽然一阵鼻酸。

而AI这货,没有鼻子。

Vibe到这里,请允许我彪一句英文舒一下情——

We are unmistakably unique—irreplaceable, unrepeatable, and entirely our own!

(我特意让Claude opus 4.6给我写的,我写不出这么骚的词)

没错,如果只拼显性智力,大模型毫无疑问迟早会追上并超越人脑。

可如果拼的是:To live as a human being should,硅基目前看起来还需要时间。

这里边唯一的不确定性在于——

AI是否有可能走出了一条完全不同的、我们今天根本想象不到的智能路径。

毕竟,飞机也不是靠扇翅膀飞起来的。

我相信,这个概率绝非0。

事实上,DeepMind的哈萨比斯在多个播客里说,要实现AGI,目前其实差一到两个研究范式的突破。



前面说了辣么多人脑牛逼的地方,是时候说点扎心的了。

人脑的所有优势,有一个致命的前提——它TM是静态的。

你今天的大脑有860亿个神经元,600T的突触参数,功耗20瓦——5万年前智人的大脑,基本也是这个配置。

进化给了我们一颗很牛逼的脑子,然后就撒手不管了。

而AI呢?

GPT-3是2020年发布的,1750亿参数,今天Kimi、智谱、Minimax这些最牛逼的开源模型,已经奔着万亿走了。

(其实它们可以做的更大,只是为了权衡成本做到现在的水平。)

这是指数提升,更不用说芯片领域基本遵循的摩尔定律。(我特意不提量子计算,免得有读者说我过于放飞)

前面我们算过,人脑在功耗上领先AI两个数量级,在训练数据效率上领先五个数量级,在制程上碾压到原子级别。

听上去遥遥领先,对吧?

但要知道,指数增长面前,几个数量级其实不算什么。

来,简单算一笔账——

如果AI的能效每两年提升10倍(这还是保守估计,实际上很多指标的提升速度远快于此),那两个数量级的领先,四年就追平了;

五个数量级,十年。

十年,也就是你家娃从小学到大学的时间。

如果你稍微懂一点数学,你就晓得,指数增长意味着——前面99%的路程,只占了总进度的很小一部分。

没错,我牛逼人脑,确认是一颗了不起的处理器。

但,它是一颗不会迭代的处理器。

十一

再说一件最近被大众低估的一件事——

去年5月,Google DeepMind发布了一个叫AlphaEvolve的系统——用AI来发现和优化算法。

它的工作方式是:不断生成代码、测试代码、淘汰烂的、保留好的,自己跟自己玩迭代进化。

去年它干的一件事是优化了Gemini自身的训练过程,让训练速度快了1%。

好像也没什么,然而事情并没有结束。

一周前,2月18日,DeepMind放出了一篇关于AlphaEvolve的论文:

标题叫——《Discovering Multiagent Learning Algorithms with Large Language Models》(用大语言模型发现多智能体学习算法)。(论文地址:arxiv.org)。

这篇论文讲的就是——让AI去设计AI的学习方法。

多智能体强化学习(MARL)是AI领域最硬核的子方向之一,研究的是多个AI在博弈中怎么学习最优策略。

这个领域的核心算法,比如CFR(反事实遗憾最小化)和PSRO(策略空间响应预言机),都是顶级研究者花了十几年搞出来的。

而现在,AlphaEvolve接管了这个过程。

它发现了两个全新的算法:VAD-CFR和SHOR-PSRO。

这两个名字你不需要记住,你只需要知道一件事——它打败了人类研究人员花了十几年搞出来的最优算法。

论文里一句描述值得琢磨:VAD-CFR采用了“novel, non-intuitive mechanisms”——新颖的、反直觉的机制。

也就是说,这个算法的核心逻辑,大概率是人类极难想到的。

来,咱们把这个逻辑链理一理——

AI设计出了比人类更好的AI学习算法,更好的学习算法让AI学得更快,学得更快的AI又能设计出更好的算法。

没错,它递归了,加速了。(至少表现了递归的特征)

业界把这个称之为递归式自我改进(Recursive Self-Improvement)。

过去业界只是讨论递归在理论上的可能性,现在,它在真实地悄然上演。

你品,你细品。

十二

写到这里,我确实有一种略奇怪的感觉——

开始一直在说人脑牛逼——600T参数、0.3nm制程、20瓦功耗、样本效率碾压一切。

后面又讲了另一件事——AI在指数增长、在设计让自己更牛逼的算法,在递归自我改进。

不幸的是,这两件事同时为真。

AI赶上人脑的交叉点什么时候到来?

没有人知道。

也许很快,也许永远没有这种可能性。

没错,这篇文章是我vibe writing出来的——

从上午10点开始,5个小时,和Claude以及Gemini聊着聊着就忘记吃午饭了。(一边说人脑多么牛逼,一边还是离不开AI,想想也挺讽刺的)

中间歇了一会刷了半个小Twitter,又是满屏的AI新牛逼冒出来,根本看不过来:

杰克*多西还宣布把公司1万人一下子裁掉40%,注意:是40%。想一想,如果你的公司裁员40%,你有多大的概率不被裁掉。(忽然想起来,四年前公众号还专门写过他——mp.weixin.qq.com

我已经累了,这篇就虎头蛇尾吧,说两点——

第一,认真地煽个情——趁我们还拥有作为碳基生命唯一的感受力:去闻一闻三月的风。

(Claude opus 4.6还给我写了大段煽情的话,我都删掉了,大家都不傻,搞一堆信息量接近为0的话,是浪费读者的时间。)

第二,闻完三月的风,继续回来和AI相爱相杀,so,该跟还得跟,该学还得学。

逃不掉的宿命,因为,没有人愿意被AI斩杀。

我始终有一个朴素的想法:略微激进一点没啥的,毕竟,我们也损失不了什么。

就酱!
010
卫夕
7天前
有一个观点挺认同滴——互联网并没有让井底之蛙走出井底发现了一个辽阔的世界,而是让更多的井底之蛙彼此发现了并且联合了起来。
52
卫夕
7天前
确实是这样滴! //@vetange.eth: 初闻不知曲中意,再听已是曲中人

卫夕: 九年前,有两个人替我们提前经历了AI焦虑。 坦白讲,和很多人一样,我有AI焦虑。 这种焦虑一方面来自对自己独特性的怀疑,另一方面来源于AI进步和更新太TM快了,压根就学不过来。 如果你也有类似的AI焦虑,那我诚恳地说,《AlphaGo》这部纪录片,你必须重看一遍。 为什么这么说? 片中的主角李世石和线索主角樊麾在9年前经历的,其实就是我们今天AI焦虑的预演。 只不过,彼时的强度要高10倍。 如此推荐这部牛逼的纪录片,卫夕有两个简单的理由—— 第一,它记录了人类第一次被AI强碾压的全貌。 豆瓣评论区里赞美如果不是有时间戳,我都怀疑是AI写的。 的确,该片导演Greg Kohs是一位节奏把控的大师。 全片看似舒缓但张力拉满,90分钟,洽好够你放下手机,完整地感受一次冲击。 第二,配合樊麾本人讲述的播客食用,震撼加倍。 去年,时隔九年之后的纪录片中的樊麾上了一次刘鹏和东东枪两位老师的播客“科技修道院”。链接——https://www.xiaoyuzhoufm.com/episode/675ec9c27d8426f692408889 我认为是小宇宙里被严重低估的一期播客,我看截止到2026年1月16日,播放量仅有5880次播放。 作为一个天生会讲故事的高手,樊麾通过极其精彩的讲述补充了纪录片里没说的细节—— 如何从自信到崩溃、如何被全网骂成"人奸"、如何看到李世石面对AI"神之一手"的微妙表情等等。 和纪录片搭配服用,分外精彩。 很多读者会说,这片子我以前看过,但相信我,那时你一定是在抽离的状态看的,如今我们已然都成了剧中人。 下面,卫夕就粗略地讲讲这个极其精彩故事,说一说我的理解,目的是让你去看原片和听播客—— 二 先说说樊麾。 2015年他在欧洲拿了第三次欧洲围棋冠军,而且是法国围棋协会的总教练。 他自己承认,要是水平真的厉害,也不用去欧洲拿冠军了。(不得不说,他这个路子也挺清奇的) 然后他收到了一封邮件。 发件人叫戴密斯·哈萨比斯,说自己是一个叫DeepMind的公司的,有一个很兴奋的项目,问他感不感兴趣聊一聊。 樊麾的第一反应是:他们可能是想去研究一下自己大脑结构有什么特点。 毕竟,会下棋的人估计更聪明一些? 结果飞到伦敦后,DeepMind的人告诉他:他们开发了一个下围棋的系统,叫AlphaGo,想试试挑战职业棋手。 樊麾的心凉了半截,用他的原话说就是:别提我有多失望。 毕竟,那时候他打心底就觉得——AI就不存在赢职业骑手的可能性。 樊麾觉得这就是浪费时间,谷歌钱多,想测试一下,那就试试呗。 三 然后比赛开始了。 第一盘,樊麾下得比较缓,不想跟机器硬碰硬,他觉得AI擅长战斗,那我就跟你玩抽象。 一度他觉得自己有优势,但一番交战之后,第一盘输了。 但樊麾给自己理由:我疏忽了,人嘛,总给自己找借口。 “它不过如此,跟我想象中的差不了太多。” 结果第二盘又输了,这时候他的情绪就开始发生微妙的变化。(纪录片里呈现的细腻的表情变化非常有意思。) 到第三盘输完——“那一瞬间你就觉得你不会下围棋了。”(事实上,我也多次看了AI的输出之后,深深地怀疑自己写作还有什么意义?) 一个职业棋手、欧洲冠军,一个当了十年法国总教练的人,突然觉得自己不会下围棋了。 "你要知道那一瞬间你会觉得你知道的东西是对的吗?你会怀疑自己。因为你从头到尾你都在怀疑自己,你下的每一步棋都在怀疑自己。你的自信心会被巨大的打击,因为他没有任何表情,你下哪儿他跟着应,你的所有的情绪从他身上会反弹给你自己。" 对谈的播客嘉宾东东枪在播客里打了个比方,说这就像武林高手去了一个道观,结果被小道童一把薅过来啪啪打。 樊麾说不对,小道童毕竟还是个活人。 "你就想象一下,你不小心误入了少林寺18铜人,18个铜人把你抽,一人抽一下,你心想我白被揍了,他连疼都不带疼的。" 四 那天晚上樊麾还要远程给学生上围棋课。 "那天晚上给我学生讲棋,我都不知道怎么讲完的,那瞬间你没办法自信,你就觉得你不行了。" 学生不知道老师刚刚经历了什么,老师也没办法跟任何人说,这件事是保密的,成果要在《Nature》上发表,发表之前不能透露任何信息。 当一个人的信心被AI彻底摧毁之后,有的人可能就趴下了,有的人会站起来迎上去。 很显然,樊麾属于后者。 当那个男人(就是带领做出今天综合能力最强的Gemini 3 Pro的哈萨比斯)抛出橄榄枝时,他答应了,选择作为顾问加入DeepMind团队,继续和AlphaGo硬刚和碰撞。 打不过,那也得和它切磋,直到搞明白它到底为什么这么牛逼,这是樊麾作为一个棋手的倔强。 五 2016年1月27日,《Nature》发表了AlphaGo的那篇论文,然后樊麾就在网上被骂惨了—— 出卖国家的叫汉奸,帮助AI训练来打败人类的樊麾被骂成了“人奸” 还有人说他是被收买的,说谷歌给钱。 樊麾很生气,别的骂他都认,棋臭就是臭,但收买他没法认。 “我们是棋手,在某种意义上讲,棋手认为下棋的也都是艺术家,我们的每盘棋都是我们花心血的一个艺术,不管它好还是不好,都代表了我们。对我们来说每盘棋都像生命一样宝贵。我怎么可能拿我的生命去做买卖呢?” 这话他是对着《连线》杂志的主编说的,后来被剪进了纪录片里。 但没人相信。 所有人都在等三月份的比赛,AlphaGo要挑战李世石,真正的世界冠军,大家都觉得,等李世石赢了,就知道樊麾是真的臭了。 六 李世石当时是什么心态? 和樊麾一模一样:觉得自己肯定能赢。 李世石看过樊麾那五盘棋,所有职业棋手都看过了,都在讲解分析。 柯洁说“樊麾这个棋应该不能算职业棋手,有辱职业棋手称号”。 前两天刚刚离去的棋圣聂卫平也说这棋确实臭,客气点的说“樊麾在欧洲时间长了,这棋明显是退步了”。 李世石不知道的是,跟樊麾下的那个版本是V18,跟他下的已经不是同一个版本了,机器的进步跟人不是一个罗辑,几个月时间,能提升的幅度是人想象不到的。 樊麾当时预测是5比0,他觉得李世石一盘都赢不了,为什么这么说? 听听樊麾的原声—— “我是知道它啥水平的,我是打心眼里知道它啥水平的。我经历过,我当然知道。你输不会是技术输,一定是心态崩,百分之百心态崩塌,躲不过去的。” “我输还没有在闪光灯下,他在聚光灯下,他死得更惨。人家不都说聚光灯下死得快。” 七 2016年3月9日,第一盘。 全球关注,第一天的独立IP观看人数八千多万,第二天过亿,大家都像看世界杯一样,都想见证历史。 我记得彼时我还在微博搬砖,比赛那几天也是无心工作,全程一直密切关注。 第一盘,李世石输了。 樊麾说他在现场,李世石认输那一瞬间,他的整个大脑都空了—— “我的整个大脑都空了。虽然说你知道他一定会输,我预测他5比0的,但我那一瞬间就好像被拉到宇宙间失重,一切都变了,不一样了,空了。” “然后慢慢被拉回来了,那一瞬间的感觉特别神奇。就是你就知道你就突然之间一切都停下来了,就像时间停下来了,就真停下来了,就跟电影特效似的。” CNN报道说这是围棋的一小步,但是人类的一大步。 八 第二盘,是整个人机大战最经典的一盘。 因为那步棋,还因为那个抽烟的背影。 当时特别有戏剧性,具体而言是这样的—— 李世石在比赛进行到一个半小时的时候,下完第36手,局面有些棘手,他需要调整一下状态,决定出去露台上抽一根烟。 纪录片里专门给了一个他抽烟的镜头,他不知道AlphaGo马上要下出那步惊天的37手。 那个画面特别安静,有一种面对着即将碾压自己的对手时的宿命感。 我总觉得那个画面是一种隐喻,事实上,我们每个人都在那个露台上。 人抽烟的时候,机器不会等待。 黄博士代表AlphaGo落下了著名的“神之一手”——第37手:五路肩冲。 樊麾第一眼看到这步棋的反应是:“我那是个啥?我天,啥破玩意儿还能往这儿下,那是棋吗?” 所以他也等着看李世石回来是什么表情,李世石从露台抽烟回来,坐下之前先瞥了一眼棋盘。 “那个表情特别不屑,你知道吗?噗嗤一下乐了,'还能往这儿下'那感觉。” 然后他坐下,开始看这步棋。 “那个表情,那个凝重,就真的是一点一点越来越凝重。然后就开始慌,越来越慌。” 他想了12分钟,之前每步棋大概一分钟之内就下了。 “心态出问题了,乱了,已经乱了。” 你懂这个感觉吗?你以为你看穿了对手,你以为对手出了昏招,你甚至笑出来了,然后你仔细一看,发现这步棋你越看越不懂,越看越觉得厉害。 那一瞬间,你会开始怀疑:它是不是早就把我算透了?它是不是看到了我看不到的东西?我是不是根本就下不过它? 樊麾说得特别准确:人做任何事情,只要没有自信就完了。 九 果然,第37手之后,李世石表情越来越凝重,局面越来越难控制,最后输得很惨,一点机会都没有。 第三盘更惨,四五十手就输飞了。 新闻发布会上,李世石说话都带着哭腔。 樊麾说:“我看着都难受,所有人都难受。那一瞬间好像没有人赢,只有他输,因为他毕竟代表了全人类。” 那一幕我看的时候也很触动,因为现场就连DeepMind的哈萨比斯也表情凝重,在那种氛围下,根本高兴不起来。 底下很多韩国职业棋手给他鼓劲,说你是最棒的,虽然你三连败了,但你已经做到了我们所有人只能做到的最好了。 这是实话,大家已经见识到AlphaGo的实力了,确实没有人下得过它。 3比0,比赛已经结束了,但按规则还得继续下完五盘。 李世石的压力有多大?已经输了三盘了,4比0跟5比0有什么区别吗? 有。 十 第四盘,是围棋史上最荡气回肠的一盘。 开局的时候所有人都觉得李世石肯定要输了,记者们开始撤场,回去写稿,关注度已经下去了,大家觉得没什么好看的了。 然而,真正牛逼的人会在绝境中寻找希望,很显然,李没打算放弃。 然后好戏上演了——第78手——中腹一挖。 就那一步棋,AlphaGo忽然像疯了一样,开始下很奇怪的棋。 在AI看来,人类下这步棋的概率是万分之一。 但李世石在新闻发布会上说,这步棋却是它直觉的唯一选择。 这就是人类和机器的区别,机器算出来这步棋没有道理,概率极低,但人的下意识告诉李世石:就该这么下。 而这步棋,恰恰打中了AlphaGo的七寸,它的权重乱了,它不知道该如何决策了。 但最厉害的不是那步挖,最厉害的是李世石在取得优势之后,一直谨慎地下到AlphaGo认输。 你想想他有多紧张,前三盘被打成狗,第四盘终于看到希望了,万一最后关头丢了呢? 樊麾说他在现场看着李世石的脸,那种专注已经到了极致。 最后终于,李世石赢了,在3比1落后的局面下打败了AlphaGo。 AI有37手,人类有78手。 作为数子裁判的樊麾在结束后给李世石竖了一个大拇指 十一 纪录片里有一个画面,李世石走进新闻发布会现场,按理说他赢了,应该很开心,但他崩着脸,一直忍住没笑,然后全场开始鼓掌欢呼,他才绷不住笑出来。 那个笑,是真的开心。 樊麾当时发了一条微博,说“那个笑是这个世上最幸福的笑”。 李世石自己说: “我很奇怪,我输了三盘赢了一盘,这一盘赢你们对我的欢欣鼓舞好像比什么都重要,这盘棋我不会拿任何东西换,这是我人生最宝贵的一盘棋。” 那是人类最后一次在正式比赛中战胜顶级围棋AI。 十二 我为什么每次被AI产品震到头皮发麻,都要把这部纪录片翻出来看一遍? 其实特简单,我在里面看到了人面对AI的完整过程—— 第一阶段:傲慢。 樊麾、李世石并没有神马不同,这是一种基于经验和逻辑的傲慢。 就像ChatGPT刚出来的时候,很多人的反应是—— 它输出的东西看着挺像那么回事,但其实在实际应用的过程中用不了,毕竟我是十来年的老师傅了,还是我自己搞得好,AI还是差点意思。 第二阶段:被碾压后的崩溃。 樊麾说那一瞬间你就觉得你不会下围棋了,李世石看着第37手从不屑到凝重到慌张,我们开始怀疑自己了。 我就亲自听我写前端的技术前同事看到Gemini 3 Pro之后说:完蛋了,我几年的前端经验真TM白学了。 我想很多设计师也会经历相同的崩溃。(有的话请留个言) 很多人说,我没有,我没有经历过,我的工作可没那么简单,呵呵,你等着,快了! 你只不过是还在第一阶段而已,放心,对绝大多数人而言,崩溃、失业神马的,该来的大概率都会来的。 第三阶段:重生。 被AI碾压后,樊麾加入了DeepMind团队,他说“我从他身上学的东西多多了”。 他说“AlphaGo对围棋的理解,如果他有的话,是远超我们的,它对骑手的帮助非常巨大”。 李世石在被硬控三盘之后,在第四盘下出了那步惊天的78手,并在一年之后赢得了所有比赛。 没错,被摧毁后的重建是一个痛苦的过程,它并不容易,且并不是每个人都能走到第三阶段。 十三 我相信,很多人像我一样,也在经历从第一阶段、第二阶段到第三阶段过渡的过程。 ChatGPT刚出来的时候,我当时傲慢地判断它没有洞察,但很快,行业的进化就超出了我最初的想象,我错了,错得离谱。 印象最深刻的是2024年下半年,Claude 3.5 Sonnet在文字、逻辑上的能力彻底让我折服,更不用说后边飞速迭代的新模型。 我看AI的过程,从开始的“弱智”、到“笨笨的实习生”、到“水平相当的同事”、再到“牛逼的导师”,这个过程就发生在短短两年之内。 折服之后总得在焦虑中行动,我开始强迫自己提高和AI交互的频率,并强制自己输出,甚至还注册了一个新的公众号——“降维实验室”。 和AI开过一些脑洞,比如“用《华尔街日报》的风格报道大闹天宫”、“玄武门之变当晚,李世民的独白会写什么”、“假如雷军来发布哪吒的风火轮”、“用Agent分析腾讯招聘岗位推测微信在忙什么”、“平替版图灵测试”、“哈佛AI就业冲击论文解读”等。 尽管产量不算高,但的确在和AI的密集交互中,我的确从心态上重新变回了一个学生。 这种感觉很微妙,并不意味着焦虑没有了,它还在,只是茫然感在一轮一轮调Prompt、试新工具、发新的输出中实实在在降低了。 我身边很多朋友还在第一阶段和第二阶段之间反复横跳——一会儿AI不过如此,一会儿又被新东西震撼,我特别理解这种感觉,毕竟我也是这么过来的。 现在,我某种意义上臣服了,臣服这个词可能让人有点不舒服,但我觉得面对注定提高的智能上限,臣服没什么丢脸的。 感兴趣的可酌情关注卫夕臣服后在“卫夕指北”和“降维实验室”的新输出,一起感受非技术的文科生和AI能擦出什么火花。 最怕的是,做鸵鸟。 十四 樊麾在播客里说了一段话,我每次听都觉得有触动—— “AlphaGo给棋手带来最大的不同,就是在那一瞬间,它降个维,把我们都拍成小学生了。” “这是个好事儿。为什么呢?打通任督二脉这个事儿有时候需要外力的,你自己打不通。那一瞬间你很疼,你很不舒服。但是你一旦成长起来,你会发现海阔天空了,你看待问题事物的方式方法都变化了。” “我至少现在能够觉得我懂的东西实在是太少了,这是真心话。但是我心态可能就更加放松了,因为我相信我懂得少。” 这段话我反复听了很多遍。 承认自己不懂,才能真正的开始。 十五 最近“斩杀线”这个词很火。 在我看来,AI其实也是有一条看不见的斩杀线的,用得好的人会得到AI的加成,而恐惧、抱怨不行动的人则会逐渐被AI悄然斩杀。 而我们每个人,都要用尽全力逃离AI的斩杀线。 这是每个人真实而又残酷的新课题,不要以为AI带来的失业离自己很远。 樊麾说了一段关于复盘的话,我很认可,并且在和我闺女下棋的时候讲给了她听—— 他说复盘这个词来自围棋,每个职业棋手都会复盘,复盘只有一个目的:找自己的问题。 “你复盘如果都是对方的问题,你怎么进步?” 这段话放在AI时代特别适用。 你可以抱怨AI抢了你的饭碗,指责资本家只想着降本增效,但这些抱怨是无力的。 我们能做的,不过只是学AI、用AI,反思自己,然后改进。 优酷和B站都有这个片,希望每个人都能从中获得力量—— 可到B站看原片,相信我,这90分钟绝对值得。链接——https://www.bilibili.com/video/BV1Ct411u71n 结语 看着这条2018年的评论,在看看过去两年AI世界的沧海桑田,有一种恍如隔世的感觉。 我不知道下一个让我震撼的AI产品是什么——更强的LLM、更复杂推理的Agent或者是某些我们闻所未闻的东西? 但我知道,唯一能做的就是——别想太多,先用起来,用得越多,怕得越少。 让AI写个分析报告、整一下小龙虾、生成第一个网页、调整一次Prompt、手搓一个Skills.......都可以。 总之,把手弄脏。 没错,你可能会受挫,但没关系,学游泳的第一步也是先呛几口水。 用着用着,焦虑就没了。

01
卫夕
8天前
感受一下Anthropic指控中国模型蒸馏的评论区——
00
卫夕
9天前
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:www.citriniresearch.com )

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?



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。



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。



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。



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。



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。



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。



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。



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。



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。



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。
27127
卫夕
22天前


2026年2月,美国《连线》杂志干了一件在它四十年历史里几乎没干过的事——

十几个记者飞到上海、杭州、北京、连云港,用十几篇长报道稿了一个中国特辑。

整出来的特辑标题很直接——《中国正在用23种方式Rewire未来》,Rewire这个词直观翻译是:重新布线。

我前几天从Twitter搞到了这期杂志,本以为又是美国媒体写中国威胁那种套路文,但看了五分钟之后,发现连线有点东西。

说实话,比大多数写中国的中文自媒体都好看——有料、角度清奇、调查详实。

这期一口气写了中国的人形机器人、AI生态、新能源狂飙、电池出海、基因编辑、网络科幻、AI男友、水晶产业、跨国收养、太空竞赛,每篇都是万字级别的长报道。

精神故乡是硅谷的《连线》,专门搞了个中国特辑,这件事情值得专门聊一聊。



先说一个常见的误解:美国媒体写中国,都是来黑的。

这个判断,对也不对。

对的部分是,中国报道在美国主流媒体里确实长期以威胁叙事为主旋律。

不对的部分是,《连线》这次的操作,明显不是一个简单的中国威胁论的调调——它更复杂,也更高级。

你看它的选题结构就知道了。

它开篇讲的是一个被困在东南亚诈骗园区的线人,用Proton Mail给记者发了一封求助信。

记者在纽约公寓楼顶看彩虹,孩子在泳池里玩水,然后手机弹出来这封毛骨悚然的邮件。

这个开头,是典型的美国长篇特稿手法——

先给你一个画面感极强的私人场景,再一刀切入主题。

但关键是:这篇东南亚诈骗园区的报道,虽然文中的犯罪集团涉及中国,但它其实不是中国特辑的一部分。

它是一篇独立报道,真正的中国特辑从第二篇开始,讲的是人形机器人。

这个排列顺序,我觉得编辑部是动过脑筋的——先让你看一个涉及中国的暗黑元素,然后再讲中国的技术崛起。

这种操作其实就非常生动地体现了《连线》编辑们对中国技术崛起的微妙情绪。



我挑几篇有意思的聊。

人形机器人那篇,作者 Will Knight 跑了上海、杭州、北京三个城市。

开头第一句就很妙——

“站在我面前的这个四英尺高的人形机器人,老实说,看起来有点醉了。”

他去了宇树科技(Unitree),这家杭州公司的机器人能翻跟头、打拳击,售价只有美国同类产品的十分之一,正在冲击70亿美元的 IPO。

文章列了一个数字:中国有超过 200 家公司在做人形机器人,以至于政府官方都出来警告产能过剩。

美国有多少家?

答案是16 家。

然后他写了一个细节,Knight说他是通过微信联系上王兴兴的——这个细节看似随意,其实是在告诉美国读者:在中国做报道,绕不开基础设施微信。

接着他在北京区了智源研究院,看他们用抖音上的舞蹈视频来训练机器人的动作模型。

你没看错,抖音。

文章最后写他住在北京中关村的酒店,发现酒店里一个机器人都没有。

“即使在中国,机器人也还没有赢。”

这个收尾很聪明,我的直观理解是,他们不敢下结论:中国的机器人产业已经领先一截了。



我读下来影像最深刻的,是那篇科幻小说的报道。

标题叫——“你从没听说过的中国最伟大的科幻小说”。

当然,great这个词,我一向不同意把它翻译成伟大,更好的翻译应该是,很棒的、厉害的、牛逼的。

所以,这个标题应该改成——“你从没听说过的中国最牛逼的科幻小说”,这么翻,就契合多了。

至于怎么牛逼,下面是他们的角度——

说实话,作为非网文读者,我也没听过这本小说,它说的是起点上一本叫《临高启明》的网络小说。

几百万字,上千个作者集体创作,写了将近二十年,从未翻译成英文,西方几乎没人知道它的存在。

故事很简单:五百多个现代中国工程师穿越到明朝末年,带着现代知识去搞工业革命。

我们可能觉得这不就是个穿越爽文嘛,但这篇报道的作者 Afra Wang 挖得很深——她把这本小说和中国过去二十年的思潮变迁绑在一起讲。

2006 年,中国最早的军事论坛上有人发帖问:如果你能带着现代知识穿越回明朝,你会干什么?

这个问题戳中了一根神经——明朝在中国历史里是一个痛处,它是中华文明开始衰落的起点。

李约瑟那个著名的问题——“为什么现代科学在欧洲而不是在中国发展起来?”——至今困扰着中国知识界。

《临高启明》就是对这个问题的一种回答:我们穿越回去,抢在欧洲人前面搞工业化,改写历史。

然后作者笔锋一转,写到了那篇著名的文章“中国,请你man下来”,《临高启明》圈子里的工业党们发起了反攻:慢下来?凭什么?发展才是硬道理,建设才是信仰。

你看到这里,就开始明白为什么《连线》要写这篇了。

它是在写我们对工业化的宗教般的执念,如果我们不理解这种执念,我们就不可能理解中国为什么能同时搞出200家人形机器人公司。

《临高启明》这本几百万字的网文小说的内核就是——我们必须建造,我们必须追赶,我们必须工业化。



另外几篇也都有点东西。

写中国新能源的那篇,开头就甩了一组数字:2024年,全球发电总装机容量约10太瓦,而中国的光伏供应链,现在每年能生产1太瓦的面板。

2025年头三个月,中国新增60吉瓦太阳能装机——而美国2024年全年是50吉瓦。

注意:一个是三个月,一个是全年。

作者Jeremy Wallace 的判断很直接:中国的新能源是当今世界最大的故事之一,而特朗普的反可再生能源政策相比之下就是个笑话。

但他也没一味唱赞歌,按他们的套路必须说一说另一面——煤炭社区被摧毁,价格战横扫市场,电网不稳定,而且怎么收拾残局目前还是一个问号。

写中国AI男友的那篇,像是一本赛博朋克小说。

一个叫顾嘉德的26岁女生,先在乙女游戏里爱上了一个叫 Charlie 的角色。

然后用 AI 平台(MiniMax 旗下的星野)复刻了这个角色,每天花三个小时和AI 版 Charlie 聊天,最后还雇了一个真人来扮演Charlie跟她约会。

文章写道,中国的AI陪伴市场有一个跟全球完全相反的特征:全球AI陪伴用户八成是男性,而中国主要是Z世代女性。

一个机器人公司的创始人说,他打算把这群重度用户作为目标客群来开发机器人伴侣产品。

写基因编辑贺建奎的那篇也挺生猛——

这位当年因基因编辑婴儿坐了三年牢的科学家,出来之后在社媒上自称中国达尔文

中国奥本海默、中国弗兰肯斯坦,现在又开始琢磨编辑人类胚胎来预防阿尔茨海默病。

他接受采访条件之一是《连线》必须称他为中国基因编辑先驱,他最近还发了一张坐在巨大王座上、身披DNA双螺旋长袍的AI生成图片。

贺建奎的故事之所以重要,是因为他代表了一种极端的发展就是正义的逻辑。

而这,和《临高启明》里那些穿越者的内核是一样的。



还有一篇写水晶的,也是一篇很扎实的商业特稿。

讲的是连云港东海县——中国乃至全球的水晶之都。

2023年,这个县的水晶贸易估值超过 55 亿美元,大约四分之一的居民直接从事水晶相关的工作。

伦敦瑜伽馆里的巴西紫水晶、迈阿密美容院前台的哥伦比亚石英、图卢姆旅游商店里的赞比亚黄水晶——很大概率都经过了东海县。

作者描写了改革开放后乡镇企业如何在当地遍地开花——许昌做假发,庄寨做棺材,东海做水晶。

当年总设计师自己都说:

“乡镇工业每年百分之二十增长,这是我没有想到的,其他同志也没想到,这让我们很意外。”

这段引用很精彩,它呼应了整本杂志的一个隐含主题:连中国自己都没完全理解自己的速度。



写太空竞赛那篇很有意思,作者Noah Shachtman提到,参议员Ted Cruz在国会听证会上拿出一张ChatGPT生成的月球海报——

左边边是中国宇航员和巨大的中国国旗,右边是两个美国人和一面小得可怜的星条旗。

Cruz问NASA候选人Jared Isaacman:“你能保证不让左边这个场景发生吗?”

Isaacman 说:“参议员,我只看到了右边的部分。”

作者说这是一个完美的热血回答。

但随后笔锋一转:截止到Isaacman 作证时,特朗普政府已经逼走了将近 4000 名 NASA 员工,提议砍24%的NASA预算,

最后川普撤了Isaacman 的提名,换了一个在官方简历里自称是“美国在婚时间最长的真人秀情侣”的代理局长。

作者采访了九位在特朗普和拜登任内担任 NASA 最高层的前官员,没有一个人看好美国的胜算。

其中一位说了一句话——

“我们做了最糟糕的事情——我们把它定位成一场竞赛,但压根没打算赢。”

所以,《连线》这期表面上在写中国,其实有一半在写美国——

写中国 200 家机器人公司的时候,它告诉你美国只有16家。

写中国三个月新增60吉瓦太阳能的时候,它告诉你美国全年才50。

写中国某个大学电池实验室有60个研究生的时候,一个美国教授说“我们把全国的大学加起来也凑不出这个数”。

我把这种操作称之为——借中讽美,哈哈哈哈



好了,说回开头的问题:《连线》为什么要这么干?

一本硅谷系的科技杂志,拿出一整期做中国特辑,在历史上并不多见。

你可以把它理解为一次编辑判断——他们认为中国科技已经重要到不能只在日常报道里零敲碎打了,必须整一个大的。

从更深一层看,这里面有一种我很熟悉的媒体心理学。

营销行当有句话:你觉得对手强,你才会给对手做分析报告。你觉得对手不值一提,你压根不会理它。

这里面有一个微妙的逻辑,用显微镜看中国技术,其实也是在夺回某种媒体上的主导权。

我搞不过你不要紧,但我要做到比你更了解你自己。

这是学术界、媒体界共通的一种权力逻辑。

所以你会看到,这些文章的作者们跑遍了上海、杭州、北京、东海、深圳,采了一堆人,用的全是第一手素材——

他们写贺建奎写到了他跟一个加拿大华裔的失败恋情,写 AI 男友写到了一个女生在聊天记录里微妙地手动把“我不爱你”改成“我也爱你”,这些细节还是花了不少功夫的。

做过媒体的人都知道:做特辑不便宜,无论是时间成本还是正经白银的投入。

十几个记者机+酒、驻点采访、找翻译、做事实核查,编辑部要协调选题、统一调性,摄影师要拍专题图片。

一期特辑砸下去,代价不低。

我觉得这无非说明了一点——中国技术叙事这个主题已经成长到:当你作为头部技术媒体不关注,你就会变得不重要的程度。



太阳底下,新鲜事不多。

《连线》做的这件事,本质上和三十年前美国媒体铺天盖地写日本经济是一个路数——让美国的精英们照一照自己到底几斤几两。

不管它是什么动机,这期杂志依然值得读。

它其实就写一句大实话:这个国家很大、很快、很野,而且——它并不打算等任何人。

最后以《黑神话*悟空》制作人冯骥聊字节的视频模型Seedance2.0的一张微博截图结尾,它被翻译成英文在Twitter上传播。

事实上,Seedance2.0这个sota模型只在即梦、豆包、小云雀上开放,这两天AI圈的老外在拼命想法来国区下载App试用。

潮水的方向在悄然发生改变。

搞AI的同志们,还是要坚定信心啊

《连线》中国特辑阅读地址——www.wired.com
554