即刻App年轻人的同好社区
下载
从 IO 带宽的视角看 AI 能得到些很有意思的观察
1. 人的输出带宽很低，输入带宽较高。而 AI 两方面都很高。AI 之间的交流能完成对等的、高带宽的匹配，而 AI 和人之间的交流会受制于人类输出低的短板。
2. 但人作为一种复杂碳基生物，输出带宽分显性和隐性两种，显性主要是文字和口语表述、隐性则比如连续的行为和动作所代表的意图，主要是显性的部分低。
3. 输入法是一个在 AI 时代被低估的生意。因为在人类有限的低显性输出带宽中，输入法是所有文本输出的唯一出口，也是人类在赛博世界进行结构化信息输出的唯一来源（画图可能也算，可惜没键盘普及率高），而 LLM 恰恰也是基于自然语言（文本)的。
4. LLM 技术、AI 产品和团队的目标都是对齐或者尽量抹平带宽。感谢 LLM 技术进步，经常是我看不懂同事的 prompt 但 AI 能看懂并且能做对，高带宽生物具有一定向下兼容的能力。我觉得做 AI 产品的一个重要课题就是完成人类和 Agent 的带宽匹配。而抹平带宽手段是减少人类介入，并努力捕捉人类的隐性带宽，比如 2024-2025 年的明星产品 Cursor，就是在把垂类场景下的隐形带宽利用起来提供给 AI。
对于搭建 AI 团队会更有意思，有些人类对同类的带宽上限尤其是受到人际关系这种复杂网状干扰后的有效带宽上限感到悲观，于是说要做 AI Native 的团队，其中一个意思是人要少、AI 要多。但人类真的能脱离吗？
1. 人的输出带宽很低，输入带宽较高。而 AI 两方面都很高。AI 之间的交流能完成对等的、高带宽的匹配，而 AI 和人之间的交流会受制于人类输出低的短板。
2. 但人作为一种复杂碳基生物，输出带宽分显性和隐性两种，显性主要是文字和口语表述、隐性则比如连续的行为和动作所代表的意图，主要是显性的部分低。
3. 输入法是一个在 AI 时代被低估的生意。因为在人类有限的低显性输出带宽中，输入法是所有文本输出的唯一出口，也是人类在赛博世界进行结构化信息输出的唯一来源（画图可能也算，可惜没键盘普及率高），而 LLM 恰恰也是基于自然语言（文本)的。
4. LLM 技术、AI 产品和团队的目标都是对齐或者尽量抹平带宽。感谢 LLM 技术进步，经常是我看不懂同事的 prompt 但 AI 能看懂并且能做对，高带宽生物具有一定向下兼容的能力。我觉得做 AI 产品的一个重要课题就是完成人类和 Agent 的带宽匹配。而抹平带宽手段是减少人类介入，并努力捕捉人类的隐性带宽，比如 2024-2025 年的明星产品 Cursor，就是在把垂类场景下的隐形带宽利用起来提供给 AI。
对于搭建 AI 团队会更有意思，有些人类对同类的带宽上限尤其是受到人际关系这种复杂网状干扰后的有效带宽上限感到悲观，于是说要做 AI Native 的团队，其中一个意思是人要少、AI 要多。但人类真的能脱离吗？
0 00
最近一直在思考所谓的 AI native ，这个词就像 agent 一样被广泛讨论但缺乏共识。
我觉得最重要的事情首先是视角：你的中心是人还是 AI ？是像 23 年之前一样工作只是偶尔寻求 AI 建议或者节省时间，那就不是 AI native 。如果团队的沟通、代码的设计首先考虑 AI 可读性、可迭代性，那至少可以说在意识上实现了领先。这种领先不在于沾沾自喜，而是每件事情你都能跑得比同行快。几年前似乎发过一条感受：公司的存在、业务运行的本质都是为了信息流动。在人与人的时代扁平的组织、文档文化都是信息流动的加速器。而现在要加上 AI——人 的链路。
另一件重要的事情是，你的 AI 是封闭系统内供应商的“AI”？是豆包、ds ？还是当下各个领域真正的、没有定语的 SOTA 模型？飞书以前喊口号，先进团队先用飞书。我看现在应该再加一句：超先进团队先下飞书。因为它的体系是封闭的：体验的丝滑不足以弥补智能的差距，你的文档、讨论也许能得到不错的总结，但它提不出更好的问题，智能的上限就是豆包的极限。
我觉得最重要的事情首先是视角：你的中心是人还是 AI ？是像 23 年之前一样工作只是偶尔寻求 AI 建议或者节省时间，那就不是 AI native 。如果团队的沟通、代码的设计首先考虑 AI 可读性、可迭代性，那至少可以说在意识上实现了领先。这种领先不在于沾沾自喜，而是每件事情你都能跑得比同行快。几年前似乎发过一条感受：公司的存在、业务运行的本质都是为了信息流动。在人与人的时代扁平的组织、文档文化都是信息流动的加速器。而现在要加上 AI——人 的链路。
另一件重要的事情是，你的 AI 是封闭系统内供应商的“AI”？是豆包、ds ？还是当下各个领域真正的、没有定语的 SOTA 模型？飞书以前喊口号，先进团队先用飞书。我看现在应该再加一句：超先进团队先下飞书。因为它的体系是封闭的：体验的丝滑不足以弥补智能的差距，你的文档、讨论也许能得到不错的总结，但它提不出更好的问题，智能的上限就是豆包的极限。
1 00
一个观点：京东是这轮外卖大战的发起方，但从战略上来说是防守方。
背景是前两天装东西找不到螺丝刀了，属于那种当场要用但也能等第二天再用的东西。本来打开京东 app 下单个次日达，临时起意去外卖 app 也看了下，很便宜就直接下单了。
消费习惯注定不会全部转向闪购（自营信任度/采购价格优势），但每一笔订单的流失都会增加京东重资产物流系统前置仓的边际成本。而淘宝则借助闪购愈发建立了“买啥都行且快”的认知。
背景是前两天装东西找不到螺丝刀了，属于那种当场要用但也能等第二天再用的东西。本来打开京东 app 下单个次日达，临时起意去外卖 app 也看了下，很便宜就直接下单了。
消费习惯注定不会全部转向闪购（自营信任度/采购价格优势），但每一笔订单的流失都会增加京东重资产物流系统前置仓的边际成本。而淘宝则借助闪购愈发建立了“买啥都行且快”的认知。
0 00
作为订阅工具时代重度使用过即刻的老用户，即刻变黄转做社区后就用得少了，不是没想过成为积极拥抱社区，一方面缺少正反馈，一方面也是自己 INFP 性格。直到昨天因为关注了一位有意思的即友后，自己也涨了几位关注（还包括十年前深刻影响过我人生选择的品玩的前主理人骆老师）后才意识到，即刻社区的逻辑是人的关系链和符合编辑偏好的超级爆款，基础活跃的内容可能只是底色。
用搜索引擎的模式理解关系链非常合适：被关注是一种引用，被高 rank 用户的引用尤其有效果。从人的角度理解，被引用的前提是产出过至少偶有产出优质内容。所以如果感觉自己内容还不错但始终无响应，可以多去关注下感兴趣的高 rank 用户，期待被引提高一点权重。
而超级爆款就是指小报，也是一个社区内超高 rank 的用户，被他引用也有机会获得非常高的启动权重。
如果打算在社区成长，不妨先退后一步，站在产品运营设计的规则下思考一番。当然，我不打算用上面说的这套模式玩即刻，当下 43 个关注也无法为上面结论背书，算作一个记录吧。纯粹因为昨天收获了社区正反馈，所以我打算近期多发点内容，借机会帮自己恢复一点语言能力。
用搜索引擎的模式理解关系链非常合适：被关注是一种引用，被高 rank 用户的引用尤其有效果。从人的角度理解，被引用的前提是产出过至少偶有产出优质内容。所以如果感觉自己内容还不错但始终无响应，可以多去关注下感兴趣的高 rank 用户，期待被引提高一点权重。
而超级爆款就是指小报，也是一个社区内超高 rank 的用户，被他引用也有机会获得非常高的启动权重。
如果打算在社区成长，不妨先退后一步，站在产品运营设计的规则下思考一番。当然，我不打算用上面说的这套模式玩即刻，当下 43 个关注也无法为上面结论背书，算作一个记录吧。纯粹因为昨天收获了社区正反馈，所以我打算近期多发点内容，借机会帮自己恢复一点语言能力。
1 00
「找到一个不被先进模型迭代就瞬间颠覆业务的模式，而是做随着模型迭代越来越具有商业价值的赛道」应该是 AI 创业的共识了。想了一下，似乎也并没有想象那么难：因为只要模型不能直接从用户产生需求的地方获得输入，并输出用户期待的产物/结果，那就说明一定存在中间环节，而中间环节就一定存在机会，并且环节越复杂、越多，机会就越大。
举个例子，cursor 常被作为「模型越先进，我越有商业价值」的案例，因为用户的需求是实现某个功能的软件，而期待的产物是网站/App。这是一个巨长无比的链条：中间从 UI 到代码运行环境到测试修改到部署/上架，太多步骤环节、工作流和工具了。如果哪天模型先进到能够端到端（用户需求文字到 App）地解决了「开发程序要解决的问题」，也就是消灭了代码本身存在的意义，那 AI coding 自然也变成了被颠覆的业务模式。
归根到底，是在看模型短期内不能端到端解决什么：不能干预物理世界、不能解决长周期长链条的较复杂问题、甚至不能帮你解决考公考研时，把海马体拍的精修一寸照转换为网站要求的「512px 宽、30k 以下的 jpg 文件」。那这些中间环节的另一面当然就是机会啦。
举个例子，cursor 常被作为「模型越先进，我越有商业价值」的案例，因为用户的需求是实现某个功能的软件，而期待的产物是网站/App。这是一个巨长无比的链条：中间从 UI 到代码运行环境到测试修改到部署/上架，太多步骤环节、工作流和工具了。如果哪天模型先进到能够端到端（用户需求文字到 App）地解决了「开发程序要解决的问题」，也就是消灭了代码本身存在的意义，那 AI coding 自然也变成了被颠覆的业务模式。
归根到底，是在看模型短期内不能端到端解决什么：不能干预物理世界、不能解决长周期长链条的较复杂问题、甚至不能帮你解决考公考研时，把海马体拍的精修一寸照转换为网站要求的「512px 宽、30k 以下的 jpg 文件」。那这些中间环节的另一面当然就是机会啦。
5 10
