即刻App年轻人的同好社区
下载
App内打开
易凡
361关注1k被关注2夸夸
一个元宇宙∞里不炒币💰的程序员👨🏻‍💻
易凡
1天前
25年我认为AI经历了确立趋势的同时抛出了更多非共识的阶段

确立趋势来自我们在一线使用AI的认知,来自行业不断有新产品的诞生,有新需求的抛出。

非共识来自AI需要以非传统的思路重塑过往的惯常方式,包括生产力工具、工作流、商业产品乃至企业的组织形式

而这两点恰恰是创业最需要的,渡过了移动互联网的沉寂和元宇宙的好高骛远,这是创业者期待了太久的大航海时代,目标星辰大海

字节、阿里、腾讯 AI 大战全记录:一场影响命运的战争

00
易凡
2天前
创业不易,Disco充电

当当当当 当当
当当当当 当当
Disco-co~
只有音乐~
04:31
00
易凡
4天前
OpenCode太多bug了
OpenCode跟ClaudeCode的代码工程差距,反映了Vibe Coding和Spec Coding的差距,也反映了从0到1的开发者和从50分到90分的专家差距。

在这个“人人都能做开发”的AI时代,我还是想强调:

「软件」跟「软件」的差距,大于「有软件」跟「没有软件」的差距。

越是AI时代,越是这样,人人都能从0到1做个东西出来,但终究只有少数人能指挥AI做深度优化。

AI既带来了技术平权,也带来技术特权,两者同时发生

AI既会加强贫富差距,也会拓宽底层上升通道,两者看似冲突,实际上也在同时发生。

当然,以上只是对现状的描述。世界还是在动态变化的

开源软件缺乏商业度但拥有自由度,有它存在的意义和价值。OpenCode未来未必不能赶上来

AI还没达到AGI,所以深度领域依然需要人类专家指导调教,未来也许可以左右互搏,对人类专家的依赖越来越少,届时AI生产力又会回归普惠(抛开硅基统治世界的科幻不谈)
00
易凡
6天前
我是这么想的
先干成事,后学做人。到了深层次的事务,搞定人比搞定事重要。

但是能干成事是基本盘,如果反过来,先精通关系,后面其实难学做事了。

吃蛋挞的烤面包: 又一大挑战来了,我爸真说对了,我爸说我这个性格在国企容易干成事但又容易得罪人 容易干成事是因为我愿意干活,能扛事,但容易得罪人,因为太多关系要照顾了,我搞不定🥹

00
易凡
7天前
极限审判 四星 🌟🌟🌟🌟

如果说《Her》是搞AI陪伴创业者的必看电影的话
这部《Mercy》我想可以成为搞Agent,目标AGI的人的必看电影

小到语音输入,“delete it”如何区分是指令还是内容;监控视频,如何快速定位,知道何时该加速何时该减速,何时放大何时超分
中到言出法随,拥有全量数据权限,随时按需获取综合研判,即时生成各种UI,主动/并行运行多任务,随时更新,随时介入(当然这些已逐渐不够“科幻”,而是指日可待了)
大到隐私vs便利的伦理,AI带来的到底是平权还是特权,理性vs直觉vs幻觉的交锋,理性能够发现思考被蒙蔽,直觉能够快速坍缩概率,再聪明的AI也不能计算所有的混沌,同时也经不起源数据的“投毒”

总的来说电影并不完美,但对AI未来形态的演练足够精彩,也能带来不少思考,推荐看看。
21
易凡
7天前
如果是从0开始做一个demo,不必在意技术架构,因为重点是看到效果

但如果是长期维护的工程,必须在意。长期维护的工程,已经不是vibe coding了,而是spec coding

MiloHan: vibe coding 时,你会很在意技术架构吗? 比如:低耦合、高内聚。 而不是畅所欲言让其尽情发挥。

11
易凡
20天前
关于5年内全球最领先的AI公司是不是中国公司这点我倒并没有那么在意。

中国人得了一种在各个领域“不是老大就焦虑”的病

难道AI不是最领先的就不能造福人民吗?

领先可以是一个结果,一个副产品,而不是真正的目标。真正的目标是用好工具实现价值,把这个做到卓越了,结果自然会有的。是5年还是10年,并没那么重要。

如果强行把领先作为目标,反而容易陷入冷战期间军备竞赛的思维。

Max_means_best: 这是中国AI界最有含金量的一次圆桌访谈。 今天下午在北京的AGI-Next闭门会上,有这样一场我认为是中国AI界最有含金量的圆桌访谈。 之所以这么说,是因为在这个时间节点(2026年初),杨强、唐杰、林俊旸、姚顺雨(远程)这几位坐在台上。 既没有谈论那些宏大的AGI科幻愿景,也没有回避那些让从业者尴尬的现实问题。 整场看下来,只有一种感觉:真实。 他们把过去两年行业里堆积的泡沫吹散了,露出底下粗糙但真实的纹理。 作为在行业里摸爬滚打的人,我整理了一下我觉得有价值的部分。 如果你还在这个牌桌上,建议读完。 一、承认吧,中国AI最大的问题是“穷” 这是整场圆桌里我觉得最清醒的一个比喻。 阿里的林俊旸把中美差距说得很透:这是富人和穷人的游戏。 什么叫富人? OpenAI们手里的算力比我们大1-2个数量级。 人家拿算力是在做Research,是探索无人区,甚至是在“浪费”。 什么叫穷人? 大部分中国公司手里的卡捉襟见肘,绝大部分算力光是应付业务就已经亮红灯了。 这直接导致了玩法的不同。 富人可以赌找到下一个范式,穷人只能赌确定性。 但也没必要悲观。 正因为穷,我们才会被逼出一种绝活:算法与基建的极致联合优化。 这种穷则思变的工程能力,富人是不屑于练的,但这就是我们在算力封锁下活下去的唯一氧气管。 二、To C 的智商过剩,与 To B 的智商溢价 腾讯的姚顺雨从OpenAI回来后,第一次对外分享。 他表示过去一年,所有模型都在卷分数(BenchMark)。 但现实是,在To C端,用户根本分不清你的模型是92分还是98分。 ChatGPT解数学题变强了,对普通大众来说意义有限。 To C接下来的核心,不再是卷智商,而是卷Context(上下文)和情商——模型知不知道我今天在哪里,知不知道我冷不冷。 真正的智商溢价在哪里? 在To B,在Coding。 企业愿意为那个能把10个任务做对9个的模型付200美金,而不是为做对5个的便宜货付20美金。 所以,智谱的唐杰老师判断很准:“AI代替搜索”的战争,随着DeepSeek的出现,已经结束了。 下一场硬仗,是Coding(代码能力)。这不仅是程序员的工具,更是未来Agent自我进化的基石。 因为那是生产力,那是真金白银。 三、Agent 的终局:模型即产品,套壳没戏 如果你正在做Agent创业,或者所谓的“套壳”应用,这段内容可能会让你重新思考商业模式。 圆桌上的结论很冷酷:模型即产品。 林俊旸提到了一个很现实的技术细节:Agent在执行任务时遇到的长尾问题,靠修补Prompt或应用层代码是解决不了的。 解决这些问题,需要回到模型层,通过烧卡训练模型来修复。 这意味着,通用Agent的天花板,牢牢掌握在模型厂商手里。 没有模型训练能力的公司,很难建立真正的壁垒。 四、中国领先的概率是20% 这是整场对话最扎心的一问。 主持人问:3-5年后,全球最领先的AI公司是中国公司的概率有多大? 林俊旸给出的数字是:20%。 这是一个非常诚实的数据。 听惯了“遥遥领先”的人,可能会觉得这个数字刺耳。 但对于一线从业者来说,这个数字无比真实。 姚顺雨还补充了一个文化层面的观察:我们的研究文化,太喜欢“确定性”了。 我们喜欢刷榜,喜欢做那些一定能出结果的改进。 而OpenAI之所以能成,是因为他们敢在2022年就去赌一个当时看起来毫无确定性的路线。 我们面临的是算力鸿沟,是人才密度的差距,是研究文化上太爱确定性和刷榜的惯性。 这种不敢冒险的文化惯性,可能比算力差距更难弥补。 但20%就没有意义了吗? 智谱的唐杰老师说了一句很触动我的话:“我们这一代(AI人)可能是最不幸运的……但如果我们笨笨的坚持,也许走到最后的就是我们。” 这就够了。 在这个阶段,承认差距,承认我们是“穷人”打法,承认胜率不高,并不是为了贩卖焦虑。 相反,只有看清了底牌,不再幻想弯道超车,我们才能在剩下的那20%的可能性里,把工程落地做到极致。 这一仗很难打,胜率也不高。 但只要还在牌桌上,就别下场。 路还很长,保持清醒,请笨笨地坚持吧。

24
易凡
23天前
生成式AI跟前面两个时代最大的区别,是电气时代尤其互联网时代,边际成本/复制成本趋近于0,规模每扩充一倍,成本远低于、甚至远远低于一倍

而生成式AI边际成本很难趋近于0,原因有两个

1.目前以及相当长一段时间来看,算力扩容成本都将远大于基础云扩容成本
2.另一个很关键的差别是,电力系统、互联网基建,几乎都有最优解和标准答案,而生成式AI中的模型,我认为只存在理论上的最优模型,而实际情况是:模型质量取决于数据质量,而人类越是最高质量的数据,越倾向于闭源不共享。所以一定会分化。再就是考虑成本,就一定会分化出不同智力等级的模型,它们都在智力/成本的比值上取的局部最优,全都用最高智力等级的模型,反而是低效的,绝大多数的人类活动用不到那么高深的智慧。因此,无论从广度和深度,都会分化出不同的模型——即不会有唯一标准答案

传统应用给人类使用,取决于人类的注意力时长,这个窗口是有上限的。而生成式AI,是可以全自动、水平扩展很多倍的,因此互联网时代会比较快因为用户注意力被占用完而达到垄断,生成式AI只要继续往上加成本,就还能继续产出更多,它的窗口是会扩容的。

生成式AI的基建也比较难达到饱和状态,即比较难出现供给过剩,因为总可以将更多算力、token交给付费更多的用户。从这个角度看,生成式AI的应用层比较难像互联网应用那样严重压榨基建层的利润空间,因为生成式AI的基础模型,本身掌握高质量数据(智力),也本身具备一定分发决定权。 //@海松: 电气时代最值钱的公司 不是电力公司,互联网时代最值钱的公司不是电缆公司,为什么今天还有人认为模型公司会是最后的赢家?🤔

玉伯: 若干年后,AI 会发现:套壳的难度,远大于训练基础模型。套壳公司的市值,也将远超模型公司。 大部分人类不太信。这就是机会所在。

02
易凡
23天前
建议大家把“套壳”和“做壳”区分开,这两者有本质的区别,但是混用会导致语义混乱

一群人聊“套壳”指的是真·套壳,是把API调通就上线,是用开源代码做点无脑改动;
另一群人聊“套壳”又指的是做应用层、甚至是框架层的深度研发,将大量非共识理念、实践经验等人类智慧(现在可能还包括AI智慧了)倾注到这层壳里。

那出现什么样的争吵都不奇怪了,因为两拨人完全说的就不是一个东西

壳,只是因为它的调用层级所处的位置而命名,它在基础设施/基础模型跟用户之间,是系统内核跟外界之间,所以叫壳

互联网的所有应用,都是操作系统跟用户之间的壳
所有网站,都是浏览器跟用户之间的壳

但是应用跟应用之间的价值天差地别
网站跟网站之间的价值也天差地别

是不是“套”壳,一定要看这层壳里面到底有多少智慧活动。

玉伯: 若干年后,AI 会发现:套壳的难度,远大于训练基础模型。套壳公司的市值,也将远超模型公司。 大部分人类不太信。这就是机会所在。

00
易凡
24天前
为什么cursor、augment都总是在Plan/Ask模式下还是习惯性输出一大堆细节代码,总是需要我不厌其烦地提醒它讨论方案设计的时候不要具体实现代码?就算我在rules里强调了也无济于事?
这问题是不是只要用了强coding的基模就避免不了?每次看着它烧一大堆token在我压根不需要的细节代码(因为还不是时候)上,我就感觉很烦…
10