即刻App年轻人的同好社区
下载
第四个。
刚好赶上这次团建，准备邀请他一起，希望把我们最不堪、最无趣、最不性感，偶尔焦虑又屌丝的一面展现给他。
刚好赶上这次团建，准备邀请他一起，希望把我们最不堪、最无趣、最不性感，偶尔焦虑又屌丝的一面展现给他。
Gavin_C.: 今年共劝退了 3 个想要加入跟我一起创业的朋友 倒是怂恿了十来个在大厂的出去创业，其中有 2 个还真开张了，为了不让人觉得我纯打嘴炮，每个我转了 6.66 万，算是给他们鼓个掌 鼓掌这词还是当年从我的前辈们那学来的，听说我有创业的想法，问都没问就开始几百万的打😭 算是一点点传承吧，感谢他们让我成为最早的股东😌
3 10
看 10 年，想 3 年，干 1 年，重点是 “想 3 年”。
所以把收集到的 2023 年与 AI 有关的中文播客里嘉宾的观点，都丢给了 Codex，试着让它总结，截至 2026 年，哪些人当年的“想”更符合当下的现实。
第一轮看下来，Jim Fan、贾扬清、陈恂和李志飞的几组判断值得回听。我更感兴趣的是，他们当时手里有什么信息，怎么一步步推到了那个结论。三年后再听，有些话已经很像常识了，但放回 2023 年，还真不一定会这么想。
01 Jim Fan
Jim Fan 当时给了一到三年的窗口，主要看编程自动化和多模态能力开放。他判断，一些基础软件工程工作，包括 debugging，会有相当一部分可以自动化。模型继续进步后，工程师原来需要自己动手完成的步骤，会逐渐变成可以交出去的任务。
多模态也是一样。模型开始能处理图像等信息，再通过 API 把能力开放出来，开发者就可以拿去做应用。他也留了边界，能处理多模态输入输出，离解决人类视觉理解的全部问题还有距离。这两件事不能混着讲。
今天已经在用编程 Agent 干活，多模态也成了随手可以调用的能力，都落在他当时给的时间窗口里。现在听这段，我会更留意他怎么把“模型会进步”往下拆。开发者具体能多做什么，工程师手里的哪些活可以交出去，说到这一步，才开始有办法判断自己该做什么。
02 贾扬清
贾扬清想的是模型普及之后的生意。他当时的一个假设是，开源会快速追赶，企业拿到一个足够好用的模型，门槛会越来越低。闭源可能领先几个月到一年，但很难靠某一代模型领先，就把后面的竞争锁死。
顺着这个假设想下去，企业很快就会碰到另一批问题。我有自己的数据，自己的业务，自己的部署要求，这个模型怎么接进产品？谁来管理？数据怎么保护？怎么让客户稳定地用起来？
这些事情不会因为模型变强就自动消失。模型越容易获得，愿意尝试的企业越多，帮它们解决这些问题的平台就越有机会。此前围绕数据和云计算长出过一批公司，AI 也可能再长出一批。
他也没觉得所有应用都会长成聊天机器人。会议助手，创作工具，已有软件里的智能功能，都可能把模型能力带进业务。回头看，他很早就在想，等模型不那么稀缺了，客户还缺什么。拿到模型和做出一个客户会持续使用的产品，中间隔着不少活。
不过，他还判断过，工程师效率提高，会释放更多软件需求，最后对工程师的需求量也会增加。这条得单独留着验证。AI 编程工具卖得好，软件产出变多，工程师岗位增加，是三件事，不能顺手一起算成命中。
03 陈恂
陈恂关注的是从投入到使用的那段路。2023 年大家忙着讨论训练模型，买算力，做微调。他当时期待未来三年发生的变化，是模型开始被大量运行，推理逐渐上量。这里说的是 inference，就是用户调用模型让它干活，和后来讨论的 reasoning 能力是两个概念。
模型训练出来以后，消费者和企业开始用，需求才会一层层分出来。有的要服务很多人，有的不能把数据放出去，有的对成本特别敏感，有的需要一套特定的部署方式。同样一个模型，放进不同业务，后面要补的东西很不一样。
他由此判断，推理会长出比训练丰富得多的生态，各种服务和基础设施都有机会。基础模型上面还可能分化出行业模型，再到企业甚至个人的模型，形成多个相互连接的生态。
具体形态未必完全照着这个设想长，但从模型调用到推理服务，再到围绕业务做应用，这条线已经展开了。我觉得他当时关注的那个问题很实在。行业为未来花了多少钱，和用户已经在持续使用多少能力，要分开看。训练出来的能力，总得有人拿去用，后面的生意才会发生。
04 李志飞
李志飞当时做了一个很有意思的区分。做到别人已经做到的能力，和继续探索还没人做到的能力，成本可能往相反的方向走。
算力在进步，算法在改进，开源模型和工程经验都在积累。以前只有少数公司做得起的东西，后来更多企业也能训练，也能微调和部署。同样的能力会越来越便宜。
但最前沿的玩家不会因此把预算省下来。他们会拿这些效率提升继续扩大规模，训练更强的模型，往能力上限推。每单位能力的成本下降，冲击最前沿的总预算照样可能越来越大。这两件事可以同时发生。
他据此想象了一个分层市场。顶端探索能力上限的公司很少，下面围绕搜索、电商、内容生产和企业服务做模型的公司很多。一个具体业务不一定需要最强的通用能力，在自己的场景里够用，就可能有生意。
这个区分今天看仍然有用。大家都说自己在做 AI，但有人在承担前沿探索的成本，有人在把已有能力用进业务，需要的钱、人和经营方式差很多。先想清楚自己参加的是哪一种比赛，很多投入才有办法讨论。
这也是我觉得回听比看金句有意思的地方。同一个人，对成本变化的理解可能很准，对市场会怎样分层也很有解释力，继续推到最后只剩哪几家公司，就开始出错。前面几步成立，后面那一步也不会自动成立。
所以把收集到的 2023 年与 AI 有关的中文播客里嘉宾的观点，都丢给了 Codex，试着让它总结，截至 2026 年，哪些人当年的“想”更符合当下的现实。
第一轮看下来，Jim Fan、贾扬清、陈恂和李志飞的几组判断值得回听。我更感兴趣的是，他们当时手里有什么信息，怎么一步步推到了那个结论。三年后再听，有些话已经很像常识了，但放回 2023 年，还真不一定会这么想。
01 Jim Fan
Jim Fan 当时给了一到三年的窗口，主要看编程自动化和多模态能力开放。他判断，一些基础软件工程工作，包括 debugging，会有相当一部分可以自动化。模型继续进步后，工程师原来需要自己动手完成的步骤，会逐渐变成可以交出去的任务。
多模态也是一样。模型开始能处理图像等信息，再通过 API 把能力开放出来，开发者就可以拿去做应用。他也留了边界，能处理多模态输入输出，离解决人类视觉理解的全部问题还有距离。这两件事不能混着讲。
今天已经在用编程 Agent 干活，多模态也成了随手可以调用的能力，都落在他当时给的时间窗口里。现在听这段，我会更留意他怎么把“模型会进步”往下拆。开发者具体能多做什么，工程师手里的哪些活可以交出去，说到这一步，才开始有办法判断自己该做什么。
02 贾扬清
贾扬清想的是模型普及之后的生意。他当时的一个假设是，开源会快速追赶，企业拿到一个足够好用的模型，门槛会越来越低。闭源可能领先几个月到一年，但很难靠某一代模型领先，就把后面的竞争锁死。
顺着这个假设想下去，企业很快就会碰到另一批问题。我有自己的数据，自己的业务，自己的部署要求，这个模型怎么接进产品？谁来管理？数据怎么保护？怎么让客户稳定地用起来？
这些事情不会因为模型变强就自动消失。模型越容易获得，愿意尝试的企业越多，帮它们解决这些问题的平台就越有机会。此前围绕数据和云计算长出过一批公司，AI 也可能再长出一批。
他也没觉得所有应用都会长成聊天机器人。会议助手，创作工具，已有软件里的智能功能，都可能把模型能力带进业务。回头看，他很早就在想，等模型不那么稀缺了，客户还缺什么。拿到模型和做出一个客户会持续使用的产品，中间隔着不少活。
不过，他还判断过，工程师效率提高，会释放更多软件需求，最后对工程师的需求量也会增加。这条得单独留着验证。AI 编程工具卖得好，软件产出变多，工程师岗位增加，是三件事，不能顺手一起算成命中。
03 陈恂
陈恂关注的是从投入到使用的那段路。2023 年大家忙着讨论训练模型，买算力，做微调。他当时期待未来三年发生的变化，是模型开始被大量运行，推理逐渐上量。这里说的是 inference，就是用户调用模型让它干活，和后来讨论的 reasoning 能力是两个概念。
模型训练出来以后，消费者和企业开始用，需求才会一层层分出来。有的要服务很多人，有的不能把数据放出去，有的对成本特别敏感，有的需要一套特定的部署方式。同样一个模型，放进不同业务，后面要补的东西很不一样。
他由此判断，推理会长出比训练丰富得多的生态，各种服务和基础设施都有机会。基础模型上面还可能分化出行业模型，再到企业甚至个人的模型，形成多个相互连接的生态。
具体形态未必完全照着这个设想长，但从模型调用到推理服务，再到围绕业务做应用，这条线已经展开了。我觉得他当时关注的那个问题很实在。行业为未来花了多少钱，和用户已经在持续使用多少能力，要分开看。训练出来的能力，总得有人拿去用，后面的生意才会发生。
04 李志飞
李志飞当时做了一个很有意思的区分。做到别人已经做到的能力，和继续探索还没人做到的能力，成本可能往相反的方向走。
算力在进步，算法在改进，开源模型和工程经验都在积累。以前只有少数公司做得起的东西，后来更多企业也能训练，也能微调和部署。同样的能力会越来越便宜。
但最前沿的玩家不会因此把预算省下来。他们会拿这些效率提升继续扩大规模，训练更强的模型，往能力上限推。每单位能力的成本下降，冲击最前沿的总预算照样可能越来越大。这两件事可以同时发生。
他据此想象了一个分层市场。顶端探索能力上限的公司很少，下面围绕搜索、电商、内容生产和企业服务做模型的公司很多。一个具体业务不一定需要最强的通用能力，在自己的场景里够用，就可能有生意。
这个区分今天看仍然有用。大家都说自己在做 AI，但有人在承担前沿探索的成本，有人在把已有能力用进业务，需要的钱、人和经营方式差很多。先想清楚自己参加的是哪一种比赛，很多投入才有办法讨论。
这也是我觉得回听比看金句有意思的地方。同一个人，对成本变化的理解可能很准，对市场会怎样分层也很有解释力，继续推到最后只剩哪几家公司，就开始出错。前面几步成立，后面那一步也不会自动成立。
11 14
特斯拉 Cybercab 预约后手机 App 会分配个颜色（比如紫色），车辆到了后车头灯带也会显示相同的颜色，这样用户几乎能一眼辨认自己的车（不需要仔细找核对车牌）
十多年前，车马很慢，滴滴还只有出租车，晚上加班打车总要花很多时间才能在车堆找到自己的那辆，因为不喜欢接打电话，后来还在知乎上给滴滴的产品经理写过一条需求反馈。
十多年前，车马很慢，滴滴还只有出租车，晚上加班打车总要花很多时间才能在车堆找到自己的那辆，因为不喜欢接打电话，后来还在知乎上给滴滴的产品经理写过一条需求反馈。
16 22