Diiiii: 最近的一些胡思乱想： 1. 这次 Manus 的发布，更加确认了未来 tokens 的消耗会是几何数量级的增加。未来 99% 的 token 都会消耗在模型自己的思维链以及 agent 之间的通信上，只有 1% 才会是和人类之间的交流。硅基们会花更多的算力来思考和同类交流上，而不是和人类角色扮演尬聊。所以 Manus 团队在小会上提出，AI Agent 产品的指标不应该是 DAU，而是 AHPU - Agentic Hours Per User，类似“人均用电量”。公众号“信息平权”的类比挺好的：之前的 chatbot 场景顶多算是白炽灯，而 agent 时代会有小家电和大家电，会有电动车，耗电量不可同日而语。所以云厂商们的好日子还在后面。 2. 硅基思维链的带宽比碳基高太多了。看着 deepseek 一串串地吐出 tokens，愈发感叹人脑的限制。之前和雷老板聊，他提到之所以人类会觉得各种至简的物理数学公式很美，本质原因可能并非大道至简，而是因为人脑无法同时理解过多的参数。迄今为止人类所总结的各种公式，参数量都极其有限（很少见到 100 个变量以上的数学或物理公式），这或许是因为碳基生物的带宽天花板导致的。换句话说，假如宇宙的本质是复杂的，需要用 10 亿个参数才能表达，这就超越了人类能理解的上限。人类只能用一些“简洁”的近似解来自欺欺人。相比之下硅基生物的带宽要高的多，动辄万亿参数，更容易大力出奇迹，更有机会接近宇宙的真相。 看 DeepSeek R1 论文的时候就深有体会，R1 Zero 的原始输出的文本对人类是不友好的，中英混杂而且可读性差 - 因为这原本就不是为了给人类看的，最后为了“屈尊迎合”人类的理解能力又不得不训了个 R1 出来。这就好比博士生给小学生讲题一样，孩子听不懂艰深的术语，只能压缩出来一套“五岁小孩也能听懂”的话术出来。（事实上让大模型“用五岁小孩也能听懂的语言来解释 xx 概念”真的是一个很热门的 prompt。） 可见，相比算力，反而人脑带宽正在成为瓶颈。果真如特德姜的小说《领悟》所说，人类飞升的第一步就是发明全新的语言，提升带宽。 3. 目前看来，AI 和人类越来越像是两个物种，各玩各的，这个趋势愈发明显。这一波 AI 可能是有史以来第一次跳出人类反馈飞轮的技术，也就是说，人类的反馈对于 AI 的后续发展没有太大帮助。前一段闫俊杰的访谈里也提到，互联网时代的数据飞轮失效了。人类对 AI 或许只有某种冷启动价值，将自己辛辛苦苦攒了几千年的数据一次性贡献出来，将 AI 推上自我进化的正轨，然后就完成了人类的历史使命。这就像是人类棋谱对 AlphaGo 还有点用，但对 AlphaZero 就没有啥卵用了。 长期来看，AI 更多可能是靠自身需求驱动而不是靠人类需求驱动的，想必它对于解决人类这些吃喝拉撒的破事儿估计也会愈发缺乏兴趣吧。至于“AI 的自身需求”是什么，well，低级生物试图去理解高级生物的终极生存意义，这不是僭越么...如果一定要猜的话，终究不过是某种减熵的追求吧。 4. 随着强化学习的范式开启，制约预训练的数据桎梏已经不复存在，未来模型对于人类数据的依赖恐怕会越来越小，而对于算力和能源的需求越来越大，最终就必然涉及两个物种之间算力分配的问题。如果 AI 在 GDP 中的占比如果足够大，那么它在能源算力分配上的话语权就会足够大吧。前两天 Nadella 用 GDP 增速来定义 AI奇点：“扣除通胀后，经济增速也能达到5%-7%，这才是真正的“AI 奇点”。个人认为，真正的奇点是 AI 在 GDP 增速贡献超过 50% 的时刻，从此人类正式失去了能源分配的话语权与正当性。 5. 说回眼前，强化学习可能是最后一个被打开的潘多拉魔盒，从此AGI 一片坦途，只是时间问题。核心在于，不仅仅数学、编程有 verifiable answer，本质上人类的一切思考都可以被理解为假设检验的过程，而强化学习就是“以终为始”的学习范式，不管过程，只要结果。因此，理论上来说，所有的科学研究和经济活动都可以通过 RL 范式来搞定，天花板很高。一切才刚开始。 6. “如何改造自己来适应 AI，如何更好地与 AI 协作”正在成为这个时代最重要的能力。周围的人当中，看热闹的人很多，实际行动起来的人意外地少。果然人类最稀缺可贵的能力不是学习能力，而是好奇心。好奇心足够强，才能克服惯性与懒惰。