即刻App年轻人的同好社区
下载
AI只有情感没有陪伴
这个结论应该是近2年做ai陪伴、角色扮演类产品的一个非共识。这里说的陪伴指的是超过3个月的长期陪伴，今年上半年较火的tolan，也在50天后出现了用户流失或使用频率下降
为什么AI情感陪伴没有“陪伴”，个人觉得，是因为当前ai获取人信息的模态还是比较单一，大部分只能通过用户输入的文字获得。因此相对用户的每日生活有一个全面的了解，依赖用户大量的文字输入，这对用户使用门槛太高。而像我们日常交往中的很多模态信息，如视觉、声音、味道等，ai无法获取，又或者无法理解。
虽然很多产品也有ai语音通话和视频通话，但都因成本作为付费功能，这进一步减少了人能像ai传输的信息密度，在我们日常生活中图像、语音、视频是沟通中必不可少的元素
除去“陪伴”，ai情感陪伴目前能提供的也就只有前面的“情感”了，这也是这2年大部分产品在做的。目前情感有三个方向，而由于陪伴感的缺失，这个方向都需要源源不断的内容扩充
情绪价值
1⃣本质是自定义角色扮演，这是ai聊天应用最广的方向之一，如c.ai、星野、猫箱等。后两者在角色风格基础上加入了一些的剧情，做成互动小说。但最核心的自定义，让用户可以根据自身需求、喜好，在需要的时候将ai调校成任何一个角色，用户自己生产内容。
2⃣内容消费
主流的内容方向是“心理疗愈”和“恋爱游戏”，如今年比较火的tolan和eve分别代表了两个方向的标杆产品。这个方向依赖产品团队对内容不断推陈出新，出新的剧情或小故事副本，依赖产品团队的策划运营能力。
3⃣ai分身
偶像、达人的ai分身一类产品，如抖音ai分身、x eva等。目前想让ai分身完全还原真人过于困难，且这里面有一个潜在身份冲突的问题，真人是作为粉丝的偶像身份，ai分身是作为粉丝的朋友/恋人身份还是继续作为偶像呢。目前看到的很多产品在身份这块的定位不明，导致只有偶像、达人前期ai人设的设计，后期的内容完全没有设计导致断档
这个结论应该是近2年做ai陪伴、角色扮演类产品的一个非共识。这里说的陪伴指的是超过3个月的长期陪伴，今年上半年较火的tolan，也在50天后出现了用户流失或使用频率下降
为什么AI情感陪伴没有“陪伴”，个人觉得，是因为当前ai获取人信息的模态还是比较单一，大部分只能通过用户输入的文字获得。因此相对用户的每日生活有一个全面的了解，依赖用户大量的文字输入，这对用户使用门槛太高。而像我们日常交往中的很多模态信息，如视觉、声音、味道等，ai无法获取，又或者无法理解。
虽然很多产品也有ai语音通话和视频通话，但都因成本作为付费功能，这进一步减少了人能像ai传输的信息密度，在我们日常生活中图像、语音、视频是沟通中必不可少的元素
除去“陪伴”，ai情感陪伴目前能提供的也就只有前面的“情感”了，这也是这2年大部分产品在做的。目前情感有三个方向，而由于陪伴感的缺失，这个方向都需要源源不断的内容扩充
情绪价值
1⃣本质是自定义角色扮演，这是ai聊天应用最广的方向之一，如c.ai、星野、猫箱等。后两者在角色风格基础上加入了一些的剧情，做成互动小说。但最核心的自定义，让用户可以根据自身需求、喜好，在需要的时候将ai调校成任何一个角色，用户自己生产内容。
2⃣内容消费
主流的内容方向是“心理疗愈”和“恋爱游戏”，如今年比较火的tolan和eve分别代表了两个方向的标杆产品。这个方向依赖产品团队对内容不断推陈出新，出新的剧情或小故事副本，依赖产品团队的策划运营能力。
3⃣ai分身
偶像、达人的ai分身一类产品，如抖音ai分身、x eva等。目前想让ai分身完全还原真人过于困难，且这里面有一个潜在身份冲突的问题，真人是作为粉丝的偶像身份，ai分身是作为粉丝的朋友/恋人身份还是继续作为偶像呢。目前看到的很多产品在身份这块的定位不明，导致只有偶像、达人前期ai人设的设计，后期的内容完全没有设计导致断档
1 10
还记得去年“自然选择”爆火出圈的那则宣传片吗（p1），一个具有长期记忆和极高情商的AI女友，配合着3D高精人物建模，提供不亚于真人的陪伴感
Eve，本周一开启内测了，虽然我没有直接拿到内测资格（第一批都是iOS用户），但身边朋友拿到内测资格，也趁机体验了一番😆
1️⃣ AI x 恋爱游戏
由于汉堡本人今年也在做AI陪伴的业务，对于ai聊天+游戏剧情结合，并在亲密度提升或特定时候触发剧情的产品设计，和Eve有完全一致的方向判断
个人觉得，AI chat产品（猫箱、筑梦岛、星野等）和乙游最大的设计差别在于运营角度上。AI chat平铺大量、多样的角色agent，但用户对单个角色忠诚度较低，可以随时切换。正因为此，用户对单个AI产品本身的忠诚度也不高，在模型聊天体验大差不差时，会同时切换多款产品
而乙游注重主角的长期运营，不断推出新的故事线。即使要推出新角色，也会在已有主角故事线中提前铺垫，然后逐步独立出新角色自己剧情
用户对一个角色的情感，来源于长期、共同的经历，或是第一人或是第三人称，一切影视、小说、游戏皆如此。而乙游中用户对角色的高度忠诚，也让乙游和AI chat产品的营收差了几个量级
最近在采访乙游玩家的时间，不少恋与制作人的早期玩家玩家都反馈，虽然现在的剧情不再吸引他们，但是和男主几年的情感羁绊让她依旧会继续游玩
2️⃣ AI记忆
Eve作为陪伴产品中最出色的那个，从渲染片的爆火到创始人在小宇宙的分享，无不在强调一个点，就是“记忆”
而在体验过程中，Eve这一点确实做的很出色，我们视频互动中玩过的小测试，聊天过程说过的话，AI都记得，且在之后的聊天非常自然的提及这些记忆（p2~p3）。能完美做到这一点，至少已经符合一个“好朋友”的标准
但Eve是否是一个“好伴侣”，我觉得还有待观察。Eve里角色经常用的一个词是“下次”（p4-p5），过多的文字承诺都在对抗和用户的信任，破坏这段关系的真实感，这些文字承诺真的会通过动画剧情呈现给每个用户吗。又或是部分用户就是需要这样的虚假承诺？
在旧约圣经中，伴侣被描述为“平等的，亲密无间的，可信赖的伙伴”。Eve通过记住用户，做到了建立信任，但如何维持这段信任甚甚至更进一步，很期待Eve在未来给出的答案
Eve，本周一开启内测了，虽然我没有直接拿到内测资格（第一批都是iOS用户），但身边朋友拿到内测资格，也趁机体验了一番😆
1️⃣ AI x 恋爱游戏
由于汉堡本人今年也在做AI陪伴的业务，对于ai聊天+游戏剧情结合，并在亲密度提升或特定时候触发剧情的产品设计，和Eve有完全一致的方向判断
个人觉得，AI chat产品（猫箱、筑梦岛、星野等）和乙游最大的设计差别在于运营角度上。AI chat平铺大量、多样的角色agent，但用户对单个角色忠诚度较低，可以随时切换。正因为此，用户对单个AI产品本身的忠诚度也不高，在模型聊天体验大差不差时，会同时切换多款产品
而乙游注重主角的长期运营，不断推出新的故事线。即使要推出新角色，也会在已有主角故事线中提前铺垫，然后逐步独立出新角色自己剧情
用户对一个角色的情感，来源于长期、共同的经历，或是第一人或是第三人称，一切影视、小说、游戏皆如此。而乙游中用户对角色的高度忠诚，也让乙游和AI chat产品的营收差了几个量级
最近在采访乙游玩家的时间，不少恋与制作人的早期玩家玩家都反馈，虽然现在的剧情不再吸引他们，但是和男主几年的情感羁绊让她依旧会继续游玩
2️⃣ AI记忆
Eve作为陪伴产品中最出色的那个，从渲染片的爆火到创始人在小宇宙的分享，无不在强调一个点，就是“记忆”
而在体验过程中，Eve这一点确实做的很出色，我们视频互动中玩过的小测试，聊天过程说过的话，AI都记得，且在之后的聊天非常自然的提及这些记忆（p2~p3）。能完美做到这一点，至少已经符合一个“好朋友”的标准
但Eve是否是一个“好伴侣”，我觉得还有待观察。Eve里角色经常用的一个词是“下次”（p4-p5），过多的文字承诺都在对抗和用户的信任，破坏这段关系的真实感，这些文字承诺真的会通过动画剧情呈现给每个用户吗。又或是部分用户就是需要这样的虚假承诺？
在旧约圣经中，伴侣被描述为“平等的，亲密无间的，可信赖的伙伴”。Eve通过记住用户，做到了建立信任，但如何维持这段信任甚甚至更进一步，很期待Eve在未来给出的答案
0 00
什么是一个大模型公司好领导
Andrej Karpathy上周在Y combinator的演讲，想必不少人已经看过了，没看过的在各平台也有很多博主有帖子总结帖。但演讲中有一个细节，让我印象十分深刻
在讲「vibe coding」的那一章中，他举了个亲身经历的例子。他去餐厅的吃饭时候，菜单上菜名又复杂又没图片，因此他想做一个小工具，给菜单拍一张照，大模型即可脑补生成菜品图片。他使用cursor大概vibe coding了几个小时，就完成了从功能到交互的产品核心部分。
但当他想把这个demo变成一个真正的产品时，花了一周的时间在用户认证、支付、域名、部署等开发运维的工作。这些工作不是难，而是繁琐，各种文档长篇大论，一会要点击这里，一会要跳转那里。就像一台计算机在告诉他要执行什么操作，而计算机自己却不做。在他看来，这个工作技术含量并不高，agent完全可以承担，只是目前人类的文档有很多大模型还没法阅读理解。
这个例子，一下就能解释，为什么Anthropic能提出MCP的概念并逐步成为主流。当领导自己对一个场景有很深的体验，对其中的痛点有很深的认知，就能提出正确的问题。而在正确的场景里找需求，在正确的方向上提出问题，远比解决问题更重要
国内不少企业，在大模型业务上都有拿着锤子找钉子的举动，领导拍脑袋想出来的需求，下面人一通忙活，发现从头到尾只有自嗨。在大模型时代，如果领导不躬身入局，不亲自上手用产品。在办公桌后听再多的分析汇报，也很难对大模型方向有清晰、远瞻的判断😂
Andrej Karpathy上周在Y combinator的演讲，想必不少人已经看过了，没看过的在各平台也有很多博主有帖子总结帖。但演讲中有一个细节，让我印象十分深刻
在讲「vibe coding」的那一章中，他举了个亲身经历的例子。他去餐厅的吃饭时候，菜单上菜名又复杂又没图片，因此他想做一个小工具，给菜单拍一张照，大模型即可脑补生成菜品图片。他使用cursor大概vibe coding了几个小时，就完成了从功能到交互的产品核心部分。
但当他想把这个demo变成一个真正的产品时，花了一周的时间在用户认证、支付、域名、部署等开发运维的工作。这些工作不是难，而是繁琐，各种文档长篇大论，一会要点击这里，一会要跳转那里。就像一台计算机在告诉他要执行什么操作，而计算机自己却不做。在他看来，这个工作技术含量并不高，agent完全可以承担，只是目前人类的文档有很多大模型还没法阅读理解。
这个例子，一下就能解释，为什么Anthropic能提出MCP的概念并逐步成为主流。当领导自己对一个场景有很深的体验，对其中的痛点有很深的认知，就能提出正确的问题。而在正确的场景里找需求，在正确的方向上提出问题，远比解决问题更重要
国内不少企业，在大模型业务上都有拿着锤子找钉子的举动，领导拍脑袋想出来的需求，下面人一通忙活，发现从头到尾只有自嗨。在大模型时代，如果领导不躬身入局，不亲自上手用产品。在办公桌后听再多的分析汇报，也很难对大模型方向有清晰、远瞻的判断😂
1 00
大模型真的能替代医生吗？
我的答案是，gpt o3水平的模型，真的已经达到了部分专业医师的水平
以下是汉堡本人最近的亲身经历
一个月前打羽毛球脚崴了，虽然肿的厉害，但因为以前踢球偶尔也会崴脚，所以并未在意。但是一个月过去了，依然感觉脚踝发不上力[叹气R]
遂去医院做了个核磁共振，挂了杨浦某三甲医院副主任号，医生看完片子当场给我判刑，“你这韧带断了，你要是还想恢复到以前的运动水平话，可以考虑下手术，手术费用是xxx，当然也没有劝你手术的意思，还是看你”[石化R]
结合前段时间一些小病大治的事件，我又挂了一院的副主任号，想交叉求证一下。结果医生看完表示，现阶段还看不出来韧带损伤程度，建议保守治疗等积液消了再复查
两位医生的结论大相径庭。。。突然好奇如果因为种种原因“人”做不到客观公正，那大模型可以吗？
于是我尝试把核磁共振完整dicom文件，以压缩包的形式扔给了几个推理模型进行诊断，结果如下：
0⃣️gpt o3：支持上传dicom文件和压缩包。自己写了个脚本解压并将dicom转成图片，依次读取其中的图像内容，再修改了几次脚本后成功完成。同时给出了他的分析和判断，从单点分析到结论，几乎和一院的医生面诊结论对齐（p1）
1⃣️doubao 1.6：不支持dicom或压缩包，仅支持10张图片上传。我手动转成图片后挑了医生比较关注的部位上传，模型返回的内容基本和我的影像无关，只是尽量往我的问题文字描述上靠（p2）
2⃣️qwen vl max：不支持dicom或压缩包，仅支持1张图片上传。放弃测试
3⃣️deepseek r1：不支持dicom或压缩包，虽支持50张图片上传，但只有ocr能力。众所周知ds并没有多模态模型，但是纯靠强大的逻辑推理能力，从片子里提取出来的文字，竟然也分析出了个一二（p3）
综上，模型医学诊断角度：
gpt o3＞＞ds r1＞doubao 1.6＞qwen vl max
gpt的诊断还是超出了我的预期，在没有任何利益驱使的前提下，大模型完全可以作为一个公正客观的私人医生助手。大模型看病，可能真的不远了
我的答案是，gpt o3水平的模型，真的已经达到了部分专业医师的水平
以下是汉堡本人最近的亲身经历
一个月前打羽毛球脚崴了，虽然肿的厉害，但因为以前踢球偶尔也会崴脚，所以并未在意。但是一个月过去了，依然感觉脚踝发不上力[叹气R]
遂去医院做了个核磁共振，挂了杨浦某三甲医院副主任号，医生看完片子当场给我判刑，“你这韧带断了，你要是还想恢复到以前的运动水平话，可以考虑下手术，手术费用是xxx，当然也没有劝你手术的意思，还是看你”[石化R]
结合前段时间一些小病大治的事件，我又挂了一院的副主任号，想交叉求证一下。结果医生看完表示，现阶段还看不出来韧带损伤程度，建议保守治疗等积液消了再复查
两位医生的结论大相径庭。。。突然好奇如果因为种种原因“人”做不到客观公正，那大模型可以吗？
于是我尝试把核磁共振完整dicom文件，以压缩包的形式扔给了几个推理模型进行诊断，结果如下：
0⃣️gpt o3：支持上传dicom文件和压缩包。自己写了个脚本解压并将dicom转成图片，依次读取其中的图像内容，再修改了几次脚本后成功完成。同时给出了他的分析和判断，从单点分析到结论，几乎和一院的医生面诊结论对齐（p1）
1⃣️doubao 1.6：不支持dicom或压缩包，仅支持10张图片上传。我手动转成图片后挑了医生比较关注的部位上传，模型返回的内容基本和我的影像无关，只是尽量往我的问题文字描述上靠（p2）
2⃣️qwen vl max：不支持dicom或压缩包，仅支持1张图片上传。放弃测试
3⃣️deepseek r1：不支持dicom或压缩包，虽支持50张图片上传，但只有ocr能力。众所周知ds并没有多模态模型，但是纯靠强大的逻辑推理能力，从片子里提取出来的文字，竟然也分析出了个一二（p3）
综上，模型医学诊断角度：
gpt o3＞＞ds r1＞doubao 1.6＞qwen vl max
gpt的诊断还是超出了我的预期，在没有任何利益驱使的前提下，大模型完全可以作为一个公正客观的私人医生助手。大模型看病，可能真的不远了
7 62
RL在大模型中是如何发挥作用的
（节选自《商业访谈录》张祥雨那期）
1. 为什么RL在大模型中能work
以数学题为例，大模型在解题过程中有两个问题，一个问题是大模型可能会跳步；第二个问题是大模型在解题的关键步骤有可能会选错，从而导致一步错步步错。
这两个问题的原因都是在于预训练中数据量巨大，一方面人类做数学题就是存在解题过程跳步的情况；另一方面，数据中可能有两道很相似的题，在解题关键步骤分别一个要用a方法一个要用b方法，而用另一个方法会在另一道题上出错。但这并不代表大模型不能做对，只是准确率不高。
那强化学习是怎么提升大模型准确率的呢。首先，RL只根据rule base，不管模型做题过程中是跳步还是分步推倒，只要答案是对的就给奖励。其次，在分步解题的过程中，那些推倒的关键步骤，通过不断的奖励和惩罚，让模型知道分别怎么做才能让多道相似的题都做对。
之前非推理的大模型范式，是一种答案直出的模式。所以同一道题让模型roll 10次，可能它一会对一会错，这也是next token prediction本身的缺陷。而在推理模型cot的范式中，可以让模型roll无数次，错了即重头再来。再结合上面提到的RL，同时让准确率上了一个台阶。
2. RL怎么提升cot的泛化性
在24年中，阶跃星辰内部尝试给定模型思考方式让模型进行cot训练，比如在图片中数个数的时候，教模型数一个做一个标记。但他们发现，这种方法训练出的推理模型不具备O1那样的泛化性，模型只会数数，在别的逻辑推理上又不会思考了
那为什么O1在cot上能有这么好的泛化性呢，他们发现，是因为这些cot本身就存在于预训练的数据中。比如预训练数据中，包含大量不同领域思考的方式，但是这些数据很零散且数量较少。而在RL的rule base下，这些cot的思考方式不断加强，从而让模型知道在解决什么问题时应该怎么思考，宛若一个知识渊博的学者，而他的知识量海纳百川，包含互联网上所有知识体系。
因此，问题的本质就回到了数据上，首先需要有足够广度的数据，且这些人类数据不是仅有结论没有思考的低质量数据。只有在这个前提下，才有可能在后续的RL过程不断加强这些思考方式，并最终训练出可泛化的推理模型
3. COT在多模态的应用
上一篇中，提到我最近发现prompt在图片生成和视频生成中的重要性。这也应和了张祥雨团队的一个发现，即在生成模型中，增加语义理解阶段的cot范式。但在此基础上，还可以增加生成阶段的cot范式，比如“生成-比对-再生成-再比对”的过程。
当前的O3在图片理解上也正是这样做的，这个范式反过来用在生成上也并不难，甚至可能4o的生成模型中就包含初级的生成cot
（节选自《商业访谈录》张祥雨那期）
1. 为什么RL在大模型中能work
以数学题为例，大模型在解题过程中有两个问题，一个问题是大模型可能会跳步；第二个问题是大模型在解题的关键步骤有可能会选错，从而导致一步错步步错。
这两个问题的原因都是在于预训练中数据量巨大，一方面人类做数学题就是存在解题过程跳步的情况；另一方面，数据中可能有两道很相似的题，在解题关键步骤分别一个要用a方法一个要用b方法，而用另一个方法会在另一道题上出错。但这并不代表大模型不能做对，只是准确率不高。
那强化学习是怎么提升大模型准确率的呢。首先，RL只根据rule base，不管模型做题过程中是跳步还是分步推倒，只要答案是对的就给奖励。其次，在分步解题的过程中，那些推倒的关键步骤，通过不断的奖励和惩罚，让模型知道分别怎么做才能让多道相似的题都做对。
之前非推理的大模型范式，是一种答案直出的模式。所以同一道题让模型roll 10次，可能它一会对一会错，这也是next token prediction本身的缺陷。而在推理模型cot的范式中，可以让模型roll无数次，错了即重头再来。再结合上面提到的RL，同时让准确率上了一个台阶。
2. RL怎么提升cot的泛化性
在24年中，阶跃星辰内部尝试给定模型思考方式让模型进行cot训练，比如在图片中数个数的时候，教模型数一个做一个标记。但他们发现，这种方法训练出的推理模型不具备O1那样的泛化性，模型只会数数，在别的逻辑推理上又不会思考了
那为什么O1在cot上能有这么好的泛化性呢，他们发现，是因为这些cot本身就存在于预训练的数据中。比如预训练数据中，包含大量不同领域思考的方式，但是这些数据很零散且数量较少。而在RL的rule base下，这些cot的思考方式不断加强，从而让模型知道在解决什么问题时应该怎么思考，宛若一个知识渊博的学者，而他的知识量海纳百川，包含互联网上所有知识体系。
因此，问题的本质就回到了数据上，首先需要有足够广度的数据，且这些人类数据不是仅有结论没有思考的低质量数据。只有在这个前提下，才有可能在后续的RL过程不断加强这些思考方式，并最终训练出可泛化的推理模型
3. COT在多模态的应用
上一篇中，提到我最近发现prompt在图片生成和视频生成中的重要性。这也应和了张祥雨团队的一个发现，即在生成模型中，增加语义理解阶段的cot范式。但在此基础上，还可以增加生成阶段的cot范式，比如“生成-比对-再生成-再比对”的过程。
当前的O3在图片理解上也正是这样做的，这个范式反过来用在生成上也并不难，甚至可能4o的生成模型中就包含初级的生成cot
2 10
为什么我们用AI无法生成满意的图
结论：prompt写的不够好
最近测试发现，同样的生图模型，一句话输入效果欠佳，而将这句话扩完善后，生成的图片效果和稳定性都有一定的提升。图片示例为flux.1 kontext分别在短句和扩写后的长短下的表现效果
提升图像生成效果，除了底层模型本身的提升外，还有很多tricks，比如让模型把你的原始prompt进行扩写和完善，越多细节质量越高，rephrase至关重要。
或者让模型先生成几张，通过vlm模型选取符合的一张再作为参考继续生成，类似一个自我推理的过程，整个过程可以通过工程来实现。
4o效果如此之好，大概率也是在于有一个内置的prompt优化步骤，还是借助了大语言模型的能力
结论：prompt写的不够好
最近测试发现，同样的生图模型，一句话输入效果欠佳，而将这句话扩完善后，生成的图片效果和稳定性都有一定的提升。图片示例为flux.1 kontext分别在短句和扩写后的长短下的表现效果
提升图像生成效果，除了底层模型本身的提升外，还有很多tricks，比如让模型把你的原始prompt进行扩写和完善，越多细节质量越高，rephrase至关重要。
或者让模型先生成几张，通过vlm模型选取符合的一张再作为参考继续生成，类似一个自我推理的过程，整个过程可以通过工程来实现。
4o效果如此之好，大概率也是在于有一个内置的prompt优化步骤，还是借助了大语言模型的能力
1 01
今天参加绿洲资本线下闭门会，除了分享一些agent趋势的观点，最有意思的是解读人的注意力机制在AI时代的变化
大模型出来的这三年，世界变快了，大家的注意力也在失控。过去一封家书要1年才能送达，而现在1秒就有无数信息涌入，我们对时间的感知也在变快
“感知→处理→行动”
是人面对所有事物的本质，感知包含我们每天看到的、听到的、闻到的等等多模态信息。但是，人感知的信息＞＞大脑能处理的信息＞＞做出的行动。因为人的大脑每天能处理的信息有限，能做出的行动有限，所以进化出了注意力
而机器资源相对来说是无限的，只要有足够的资源，计算机每天可以处理数百万的数据，但是其中没有重点，直到那篇划时代论文的“Attention is all you need”，给计算机引入了注意力机制，再到现在的稀疏注意力和线性注意力
在大模型之前，人相比AI最重要的就是注意力系统。但在当今的信息流时代，无论是短视频横行还是AI日新月异的发展，都在逐步摧毁大家的注意力系统
注意力系统本质上是一个滤波器，关注的信息会进入到大脑，不关注的信息会被过滤掉。在这两年信息爆炸的时代，有些人根据喜好来过滤，世界变得越来越局限；有些人什么都关注，世界变得失焦。且由于
很多人并没有关注自己该关注的东西，而是关注社会关注的东西，放弃了“感知”，用“看别人的行动”来代替感知输入，再输出同样的行动。当输入和输出连在一起，就像麦克风对着音响形成啸叫，变成了噪音和焦虑
所以，在这个瞬息万变的时代，是重建自己的注意力机制，关注自己的需求，关注自己真正想要什么。注意力将是人是否被AI取代最大因素
大模型出来的这三年，世界变快了，大家的注意力也在失控。过去一封家书要1年才能送达，而现在1秒就有无数信息涌入，我们对时间的感知也在变快
“感知→处理→行动”
是人面对所有事物的本质，感知包含我们每天看到的、听到的、闻到的等等多模态信息。但是，人感知的信息＞＞大脑能处理的信息＞＞做出的行动。因为人的大脑每天能处理的信息有限，能做出的行动有限，所以进化出了注意力
而机器资源相对来说是无限的，只要有足够的资源，计算机每天可以处理数百万的数据，但是其中没有重点，直到那篇划时代论文的“Attention is all you need”，给计算机引入了注意力机制，再到现在的稀疏注意力和线性注意力
在大模型之前，人相比AI最重要的就是注意力系统。但在当今的信息流时代，无论是短视频横行还是AI日新月异的发展，都在逐步摧毁大家的注意力系统
注意力系统本质上是一个滤波器，关注的信息会进入到大脑，不关注的信息会被过滤掉。在这两年信息爆炸的时代，有些人根据喜好来过滤，世界变得越来越局限；有些人什么都关注，世界变得失焦。且由于
很多人并没有关注自己该关注的东西，而是关注社会关注的东西，放弃了“感知”，用“看别人的行动”来代替感知输入，再输出同样的行动。当输入和输出连在一起，就像麦克风对着音响形成啸叫，变成了噪音和焦虑
所以，在这个瞬息万变的时代，是重建自己的注意力机制，关注自己的需求，关注自己真正想要什么。注意力将是人是否被AI取代最大因素
4 07
Deepseek R2x小道消息爆火推特
最近的一篇文章在X上爆火，称ds通过“递归认知格”来提升模型能力，且机制的性能优化可以使得自回归用于长文本推理。
递归认知格是指模型可以根据用户的问题来揣测问这个问题的原因，跟根据问这个问题的原因来思考如何给出更合适的回复，一层一层，深入思考。这可以使得模型向AGI迈向一大步。
结合大小马聊科技最新一期里聊到的一个暴论，可能在未来的某一天，不再需要那么多工作岗位，大部分人也不需要上班，只需要待在家里。AI完成大部分的生产劳动，并根据人的需要按需分配。
虽然不知道R2这篇文章的真实性有多少，但当一个技术奇点到来的时候，总是悄无声息的融入我们的生活，突然有一天发现时代变了
最近的一篇文章在X上爆火，称ds通过“递归认知格”来提升模型能力，且机制的性能优化可以使得自回归用于长文本推理。
递归认知格是指模型可以根据用户的问题来揣测问这个问题的原因，跟根据问这个问题的原因来思考如何给出更合适的回复，一层一层，深入思考。这可以使得模型向AGI迈向一大步。
结合大小马聊科技最新一期里聊到的一个暴论，可能在未来的某一天，不再需要那么多工作岗位，大部分人也不需要上班，只需要待在家里。AI完成大部分的生产劳动，并根据人的需要按需分配。
虽然不知道R2这篇文章的真实性有多少，但当一个技术奇点到来的时候，总是悄无声息的融入我们的生活，突然有一天发现时代变了
1 00
从卡兹克的产品推荐看这两年AI发展
最近听完卡兹克在晚点的对谈，2小时播客也侧面展现了大模型这两年发展曲线。
卡兹克作为最熟悉海内外AI产品的KOL之一，在2023年3月和2025年2月分别做了两次AI产品推荐，一定程度上反应了AI产品在市场上用户的认可度。
从这两次的类型划分以及推荐产品的对比，再一次感受到AI发展变化之快，同时也有一些很有意思的点：
1. 技术迭代之快，不存在先发优势
2023年最早“all in AI”也是国内最先发步大模型的厂商，在2025年用户推荐中已不见踪影，全方面掉队。同时很多两年前的大模型产品现在也杳无音信，比如new bing、Jasper等。有很多先发产品，在基座模型升级后被覆盖，并没有形成壁垒，也没有所谓的建立数据飞轮。
2. 大模型应用从单点到多模态
2023年各产品形态较为孤岛，架构不统一、体验不打通。但在2025年，文章生成很难再作为独立的产品，数字人也作为AIGC的一个细分被视频生成产品蚕食。除了AI编程、AI 3D的垂直场景工具，视频、图片、音频等模态的生产力工具也多点开花。其他能力在应用层面趋近融合，被应用在AI对话、AI搜索等泛领域。
3. 厂商各异，群雄逐鹿
2023年的推荐产品主要以OpenAI能力为主以及一些套壳应用，但在2025年，互联网大厂的产品也逐渐成为用户主流，尤其是财大气粗的字节系产品。当前垂类应用做得好的也基本是后起之秀，2年前的初创公司被甩在历史的车轮之后。
2年过去，OpenAI依旧在引领这波AI革命，但再也没有人说中国大模型比美国落后2年，在视频生成领域甚至走在前沿。
大模型浪潮，机会很多，不用怕错过，Flow with it~
最近听完卡兹克在晚点的对谈，2小时播客也侧面展现了大模型这两年发展曲线。
卡兹克作为最熟悉海内外AI产品的KOL之一，在2023年3月和2025年2月分别做了两次AI产品推荐，一定程度上反应了AI产品在市场上用户的认可度。
从这两次的类型划分以及推荐产品的对比，再一次感受到AI发展变化之快，同时也有一些很有意思的点：
1. 技术迭代之快，不存在先发优势
2023年最早“all in AI”也是国内最先发步大模型的厂商，在2025年用户推荐中已不见踪影，全方面掉队。同时很多两年前的大模型产品现在也杳无音信，比如new bing、Jasper等。有很多先发产品，在基座模型升级后被覆盖，并没有形成壁垒，也没有所谓的建立数据飞轮。
2. 大模型应用从单点到多模态
2023年各产品形态较为孤岛，架构不统一、体验不打通。但在2025年，文章生成很难再作为独立的产品，数字人也作为AIGC的一个细分被视频生成产品蚕食。除了AI编程、AI 3D的垂直场景工具，视频、图片、音频等模态的生产力工具也多点开花。其他能力在应用层面趋近融合，被应用在AI对话、AI搜索等泛领域。
3. 厂商各异，群雄逐鹿
2023年的推荐产品主要以OpenAI能力为主以及一些套壳应用，但在2025年，互联网大厂的产品也逐渐成为用户主流，尤其是财大气粗的字节系产品。当前垂类应用做得好的也基本是后起之秀，2年前的初创公司被甩在历史的车轮之后。
2年过去，OpenAI依旧在引领这波AI革命，但再也没有人说中国大模型比美国落后2年，在视频生成领域甚至走在前沿。
大模型浪潮，机会很多，不用怕错过，Flow with it~
1 01