宝玉

统计数据

913

文章

0

粉丝

0

获赞

20656

阅读

11个月前

你的孩子很可能正在用AI作弊越来越多的学生偷偷使用AI完成作业，轻松拿到好成绩，而家长和老师却毫不知情。作者：Matt Barnum 和 Deepa Seetharaman 一名来自美国新泽西州的高中生向《华尔街日报》坦言：去年，她用AI软件偷偷完成了英语、数学和历史课的大部分作业。虽然她今年已经戒掉了这种习惯，但过去的经历却清晰展示了AI工具在美国校园内悄悄兴起，并彻底改变了学生的学习方式。 AI如何成为学生的秘密武器？这名17岁的女孩表示，她之所以频繁使用AI工具，有几个原因： - 作业太无聊或太难。 - 想获得更好的成绩。 - 拖延症发作，作业临时抱佛脚。于是，她求助于ChatGPT和谷歌的Gemini等AI工具。尽管有时老师允许学生用AI激发灵感或复习知识，但更多时候，她直接让AI帮自己完成作业： - Gemini轻松解决了数学家庭作业和考试题目。 - ChatGPT帮她完成了科学实验的计算，并写出历史论文的难题段落，再稍加修改以避免被发现。整整一年，她只被抓到过一次。 AI作弊有多普遍？目前，每周使用ChatGPT的人数已经达到4亿，而学生正是这类软件的最大用户群。根据Impact Research去年的调查显示： - 近40%的初高中学生表示，他们未经老师允许使用AI完成作业。 - 大学生中，这一比例接近一半。 - OpenAI的内部分析也发现，ChatGPT经常被大学生用来写论文。 AI公司虽然对用户年龄有限制，但实际操作中，学生很容易绕过这些限制，在父母和老师视线之外偷偷使用。学生和老师的博弈不少老师担忧，AI的普及会让更多学生逃避挑战性的学业任务。曾担任美国教育部长的纽约州立大学校长约翰·金表示： > 「可能昨晚就有无数学生用ChatGPT完成作业，却完全没有学到任何知识。这太可怕了。」但OpenAI教育团队成员Purohit提出了另一个观点：或许未来衡量学生的能力，不再是看传统作文，而是看他们如何高效利用AI工具。然而，弗吉尼亚大学心理学家丹尼尔·威林厄姆反驳说： > 「写作是一种特殊的思考方式，它会促使人们更严谨地表达观点、更全面地进行论证。这一点AI无法替代。」南卡罗来纳州的英语老师乔迪·斯托林斯每天都会让学生在课堂上手写关于《杀死一只知更鸟》的读书心得，他表示，手写能促使学生真正思考，而非机械地完成任务。 AI对教育到底是好是坏？ OpenAI的CEO阿尔特曼认为，AI将在未来为学生提供个性化的虚拟辅导，能适应不同学生的学习速度、兴趣和需求。而OpenAI的教育副总裁贝尔斯基则建议学校积极将AI融入课堂教学，这样学生就不会偷偷使用AI作弊了。新泽西州的一位英语老师桑迪表示，她自己也常用AI软件辅助备课，感觉就像有了一位「同事」在旁讨论教学。然而，并非所有老师都这么乐观。阿拉巴马州一名英语老师穆恩表示，他本学年已抓到约24名学生使用AI作弊，担心他们将来到了大学或职场会无法胜任工作。一名10年级学生普罗威尔说，AI作弊风气猖獗，这让真正努力学习的同学感到不公平： > 「这种作弊行为，让真正付出努力的人显得毫无价值。」 AI检测软件能解决问题吗？面对作弊，老师们开始寻找能识别AI生成内容的工具，比如Turnitin或Pangram Labs。但这些工具并非完美，有时甚至无法有效分辨真实学生写作和AI生成的内容。《华尔街日报》曾做过实验，用ChatGPT生成一篇9年级的作文，交给检测软件，软件立刻判断出是AI作品。但将作文稍作改写后再检测，软件竟然无法明确判断作文来源。一些公司甚至专门开发“洗白”AI生成内容的软件，让检测软件完全失效，形成了作弊和反作弊的“猫鼠游戏”。老师的无奈与挣扎面对这种情况，加州高中英语老师豪威尔斯干脆要求学生在课堂上手写初稿，完全禁止手机和电脑。他表示，这样的课堂反而让学生的写作变得更加真实和用心。但副作用也很明显： > 「我现在根本不敢布置家庭作业，只要布置下去，就一定有人用AI完成。」亚利桑那州立大学教授韦伯说，她怀疑自己20%-40%的学生都偷偷用了AI，但由于没有直接证据，她也只能睁一只眼闭一只眼，最终还要给这些学生及格的分数。谁该为AI作弊负责？尽管老师们呼吁AI公司帮助遏制作弊，但AI公司却认为自己并不需要为学生的作弊负责： OpenAI教育团队成员Purohit表示： > 「OpenAI并没有发明作弊，有心作弊的人总会找到办法。」一家名叫Caktus AI的公司更直接在广告中打出了「老师讨厌我们」的口号，公司CEO甚至公开表示自己曾利用AI完成大学作业。未来路在何方？ AI技术飞速发展，教育界对它的态度正处于摇摆阶段。有老师极力抵抗AI作弊，也有老师尝试拥抱AI技术。但无论哪一种态度，AI都已经不可逆转地渗入校园，并深刻改变了下一代人的学习方式。对此，阿拉巴马州的高中英语老师卡特·怀特说： > 「除非我们完全放弃使用科技，否则我根本无法阻止所有学生作弊。」这场AI引发的教育变革，才刚刚开始。

#AI作弊 #学术诚信 #教育技术

11个月前

机器人模特走不停

#机器人 #模特 #人工智能 #时尚 #科技

11个月前

转译：为什么大部分公司根本不应该制定所谓的「AI 战略」？企业领导们害怕落后，纷纷冲向AI，但他们真的做对了吗？这位专家却不这么认为。原文：Why Most Companies Shouldn’t Have an AI Strategy 作者乔·佩帕德（Joe Peppard）是爱尔兰都柏林大学迈克尔·斯墨菲特商学院的教授兼学术主任。如今，自从 ChatGPT 火爆全球之后，几乎所有公司都在喊同一句口号：“我们必须要有 AI 战略！” 这种焦虑很容易理解——毕竟，谁都不想被时代甩在身后，错过下一个巨大的商机。因此，无数公司开始一窝蜂地“冲进 AI”，纷纷成立了所谓的“AI 战略中心”，甚至特意任命了“首席 AI 官（Chief AI Officer）”。但很遗憾，我要泼个冷水：大部分公司这样做都是错的。我在与不同企业深入合作、一起面对 AI 浪潮时，发现一个扎心的现实：事实上，大部分公司不仅不需要 AI 战略，甚至根本不应该有专门的 AI 战略。或许你听了觉得很奇怪，甚至觉得我是不是说反了？没有 AI 战略的话，公司岂不是要输在起跑线上了吗？我的回答是：并不会，理由有以下几个：大部分公司其实根本没做好用 AI 的准备想象一下，就算某天一份完美的“AI 战略计划”神奇地出现在了 CEO 的邮箱里，大部分公司也完全没法真正落地。这是因为，它们连最基本的基础准备都还没做好。其中最核心的问题，就是“数据”。如果数据质量差——不完整、有偏差或者根本杂乱无章——那么 AI 的表现自然会很差劲。你可以有一个非常棒的战略目标，但糟糕的数据会让你寸步难行。到头来，“AI 战略”只会浪费公司的精力和资源，让企业忘记了真正应该去做的事情。举个例子吧：假设有一家制造业公司想要用 AI 来预测设备故障，以减少生产线的停工时间。这听起来很好，对吧？但要做到这一点，公司首先得用历史数据识别各种设备可能发生的故障类型，并找到这些故障的“信号”——也就是故障前兆的特定数据模式或趋势。接下来，利用这些数据通过机器学习技术建立算法，预测故障的出现。到目前为止一切都很好，然而现实却是：大部分公司根本没有收集过足够的历史数据来训练 AI 模型。想积累足够的高质量数据并建立精准的算法，往往需要几个月甚至几年时间。 AI 并不是一个孤立的“孤岛” AI 是一种技术，就跟区块链、物联网、元宇宙一样。公司为什么偏偏需要给 AI 制定单独的战略？更进一步说，“AI”其实也不只是一种技术，而是很多相关技术的集合，比如机器学习、计算机视觉、机器人技术、图像识别，还有当下火热的生成式 AI（比如大语言模型 ChatGPT）。再看看现实里企业是怎么成功利用 AI 的，你会发现它们大多是将 AI 与其他技术结合在一起，共同融入到具体的业务场景中，而不是孤立地单独使用。回到刚才的制造业例子：假设公司确实已经具备了相关的数据，成功训练出了算法。那么，完整的解决方案一定还需要其他技术，比如设备上的传感器实时采集数据，通过蓝牙传输数据，再用云计算平台存储和处理数据，在云端运行算法，实时监控设备状态并发出故障预警。看到这里，你一定会发现问题所在了吧：相比制定一个单独的 AI 战略，企业真正需要的是一个全面考虑各种技术的整体战略。如果公司只把目光盯在 AI 上，反而会本末倒置，造成精力的分散。于是问题又回到了原点：AI 究竟有什么特别的地方，以至于需要单独为它制定一个专门的战略呢？答案其实很简单：完全没有！人才还没准备好，你拿什么做 AI 战略？调研显示，很多公司在 AI 这件事上还很“不成熟”。什么意思呢？就是从公司高管到普通员工，绝大部分人其实根本不太懂 AI，也没有真正用过这些工具，更不习惯用数据来支持决策。这种情况下，所谓的“AI 战略”只会偏离实际，变成一场纸上谈兵。试想一下，如果你是公司领导，自己都对 AI 一知半解，又怎么可能制定出一个靠谱的 AI 战略？显然不现实。大部分公司的起点其实还处在摸索阶段，因此现在最重要的，并不是自上而下地去制定一套复杂的 AI 战略。相反，更应该鼓励一线员工主动去尝试各种 AI 工具，从日常的工作中发现机会，摸索可能的用途。这种由下而上的探索，才更容易诞生真正有用的创意和方案。当然，过程中还得确保有合适的“护栏”，以便员工能够安全地、负责任地使用 AI，避免公司暴露在不必要的风险之中。真正推动公司前进的，从来都不是技术，而是人。要实现真正的“数字化成熟”，可能需要几年甚至更长的时间，尤其当企业文化也需要同时转型的时候。如果你以为靠一套华丽的数字战略就能瞬间实现成熟，那就好比你给一个两岁的孩子穿上一套西装，然后告诉大家：“看，他现在是大人了！”显然，这不现实。强行制定 AI 战略，会让公司做出错误的决策如果公司硬要强迫自己制定一个所谓的 AI 战略，很可能会导致员工在做决策时，凡事都戴着“AI 眼镜”，认为每个问题都能靠 AI 来解决。现在的确是 AI 最火爆的时候，但这不代表 AI 就能解决企业的所有问题。未来肯定还有其他新技术出现。如果过于聚焦于 AI，公司可能会忽视其他同样有效、甚至更适合的解决方案。因此，真正需要讨论的不是“我们怎么才能用上 AI”，也不是怎么靠 AI 让公司利润翻倍或打造新商业模式。而是，公司应该持续思考：“我们如何才能更好地运用数字技术，真正改善业务表现，实现战略目标？” AI 只是众多技术中的一个罢了。我之前发表的一篇文章里，也曾提出过类似的观点：我甚至认为公司根本不应该有单独的“IT 部门”。如果你把技术（尤其是特定的技术，比如 AI）单独从业务部门割裂开，那相当于把真正负责提升公司业绩的人，与负责实施技术的人彻底隔绝了。长此以往，技术只会与业务脱节，最终带来失败。如果每次遇到问题，公司都只会喊着：“赶快上 AI！”那么，你很可能永远都找不到真正适合你的解决方案。历史决定了企业能走多远我的研究还发现，企业在某一时刻能够做出的决策，其实很大程度上取决于过去做过的选择。即使当时那些决定在现在看来已经不合时宜，但历史的影响往往持续存在。尤其是在技术领域，这一点表现得尤为明显。比如，十年前放弃购买某个软件或是决定不投资某个系统可能在当时是对的，但这些决定在今天可能已经成了障碍，限制了企业在 AI 应用上的空间。领导者们可能会看到一个 AI 成功应用的案例，然后也想在自己公司里复制。但是，当他们真正去尝试的时候，却发现根本做不到——因为他们十年前就已经选择了另一条路。有些公司过去很早就做了准备，比如早就对数据质量、技术平台和组织能力进行了大量投资，这样的公司自然能迅速抓住 AI 带来的机会。但大部分公司显然还远远没有做到这些准备。说到底，大多数公司过去在数字转型中本来就行动缓慢，即使现在突然提出了所谓“AI 战略”，也不会一夜之间超越竞争对手。如果一个企业一直以来都在数字化转型方面动作迟缓，光靠一个漂亮的“AI 战略”是没法实现飞跃的。到头来，只会白白浪费精力。所以，现实一点吧，别再幻想 AI 战略能一夜之间带你走向成功。真正有用的 AI 战略，只属于那些已经做好扎实基础工作的公司，而不是大部分正在追逐潮流的企业。

#企业战略 #AI #ChatGPT #Joe Peppard #公司竞争

11个月前

Cursor 悄悄把 Sonnet 3.7 thinking 价格翻倍了，大家注意一点，1 次 thinking 相当于 2 次普通请求

#Cursor #Sonnet3.7 #pricing #TechNews

11个月前

问：宝玉老师，请教一下，构建个人知识库的区别又在什么地方呢？还有微调答：打个比方，现在你在上一门新的历史课程，知识库（专业说法叫 RAG，检索增强生成）就好比教科书，微调（Fine-tuning）就好比你学习消化了知识。知识库就好比你的教科书，但是这门课其实你还没上过，直接就去考试，好在考试是开卷的，而且你语文历史基础很好，然后每一道题你就去现场查教科书，翻到可能的知识点位置，现场去阅读这几个知识点，把题目就给做出来。要是一时半会没查到正确的位置，你以前也没学过，可能会根据已有的知识推测，这样就可能出现幻觉，答题就不太精准。微调就好比你把这本教科书上的知识都学了一遍、题库做了一遍，知识都学过了，考试的时候从记忆里面把知识直接搜集出来，去答题。这样好处就是答题快且专业，但如果你微调时学到的知识本身不准确或冲突，你记忆里的知识就可能出现混乱或偏差，有时反而不如直接从教科书里查阅更准确。另外你深入学习了很多历史知识后，在面对数学等其他领域的泛化能力可能会稍微受到限制，因为你专注学习了一门课之后，精力投入其他科目的泛用能力相对减少了。再有就是如果你的教科书很多的话，每本书都学一遍时间成本和算力成本都不低，所以微调成本明显更高，包括数据整理、训练资源（算力）和长期维护的成本都相对较大。总结一下它们的区别：个人知识库 = 模型外的记忆，通过动态检索实现，灵活、快速，但受限于检索效率和相关性，适合规模适中的临时问答，不修改模型本身。个人知识库适合的场景： - 做个人知识管理，比如个人笔记、文档、读书笔记的快速问答。 - 针对公司内部文档、手册等建立企业内知识库快速问答。微调 = 模型内的记忆，真正内化知识，专业、精准，但数据准备和训练维护成本更高，适合对精准度要求很高或特定领域内长期稳定的任务。微调适合的场景：你需要模型对某一特定领域或任务更加专业化，精准度要求很高。需要固定风格或内容的输出，比如特定企业风格、客服对话场景、创作特定风格内容。

#个人知识库 #RAG #微调 #知识管理 #模型训练

11个月前

问：宝玉老师，我一直很困惑，智能体跟Ai编程这两者的区别，智能体适合什么场景，Ai编程适合什么场景？请指教答：这其实是两个不同的概念，当然定义在不同的环境或者不同人解读可能都有不同，我只是基于通用场景以我自己的理解解释一下。首先说说 AI 智能体为什么现在有了智能度很高的的大语言模型还要有智能体呢？因为大语言模型它只能接受文字、图片、视频、文档等，输出也只能是文字图片，没有记忆，没有办法连接真实环境，不能感知外部环境也不能操作外部工具。就好比一个没有记忆大脑 🧠 而智能体则相当于给大脑加上了记忆和身体，可以感知环境，可以记住发生过的事情，可以去执行特定任务，可以规划和采取行动。比如说最近很火的 Manus，你给它一个任务去生成一份报告，它会去规划，去打开浏览器检索和找出所需要的信息，会记住每次浏览过的内容，最终完成任务生成一份报告。这个过程几乎不需要你参与，智能体会自主的帮你做决策，反过来如果是你只是借助大语言模型做报告，那么你必须要自己去检索资料，把检索好的资料筛选好交给语言模型帮你处理，因为模型不能感知环境不能操作不能规划。然后再说说 AI 编程 AI 编程是在编程领域应用 AI，让 AI 辅助或者自主的编写程序。通常我们把 AI 编程分成三种模式： 1. AI 智能提示完成如果你用过拼音输入法，你会知道每次输入法都会帮你自动完成你可能要输入的内容，大幅提升输入效率，AI 编程中的智能提示完成也就是你输入注释或者一部分代码，AI 会去“猜”你要写的内容，以提示的方式让你选择，如果是你想要的按 Tab 键就能自动完成代码。随着 AI 能力增强，现在 AI “猜”的准确率越来越高，大部分时候都很懂你。 2. AI 辅助编辑模式在没有 Cursor 这样的 AI 编辑器之前，用户如果要借助 AI 修改代码，需要手动把代码复制到和 AI 之间的聊天对话框，AI 生成代码后再复制回去，不少人工操作。而 AI 辅助编辑模式比如 Cursor 的 Composer，你只需要在编辑器中输入提示词说明你要做的修改，或者引用你要修改或者参考的代码，那么编辑器会自动帮你整理要提交给 AI 的代码，并且把 AI 返回的结果以 Diff（修改对比）的方式直观的显示出来，这样的话你只要点击确认就可以完成修改，如果不满意就拒绝并进一步写提示词要求修改。 AI 辅助编辑就是帮你简化了和 AI 的交互，但是还是需要你去主动输入提示词，人工确认修改结果，相当于 AI 给你当副驾驶辅助驾驶。从效果上来说，现在 AI 辅助编程如果你懂编程的话可以大幅提升开发效率，大部分时候只需要确认就可以；如果不懂编程，通常 AI 返回的结果你就很难分辨好坏，代码一多就可能会失控了。 3. AI Agent 模式如果说辅助编辑模式是副驾驶，AI Agent 模式就相当于自动驾驶了。最早是 Devin 开创的这种模式，现在 Cursor、Trae 这些编辑器都已经支持了 Agent 模式，你输入一个开发任务，然后 AI 自动去探索代码，自动规划，自动编码，自动测试。这种模式很理想化，一些简单的任务比如翻译、小 Bug 修改还完成的不错，但是目前因为模型的智能程度不够以及上下文窗口长度不够，所以实际效果并不是很理想，稍微复杂一点的代码和大一点的代码库还是不行。就像自动驾驶一样，十年前自动驾驶离我们还很远，而现在已经越来越近了，未来 AI Agent 在编程上也肯定可以越来越厉害，能替代一部分开发任务。最后再回到前面说的问题：智能体跟Ai编程这两者的区别，智能体适合什么场景，Ai编程适合什么场景？在人工智能领域，智能体（Intelligent Agent）指的是能够感知周围环境并采取行动以实现特定目标的自主实体，并不特定编程领域，各个领域都可以应用。 AI 编程是 AI 在编程领域的应用，并不仅限于用智能体，还可以有 AI 智能提示和辅助编辑。希望上面的回复解答了你的问题，有问题可以留言讨论。

#智能体 #AI编程 #大语言模型

11个月前

吴恩达老师建议：AI时代，一样要学编程，才让电脑懂你所想！ *** 今天有一些人不建议大家去学编程，他们认为人工智能（AI）会自动写代码，人类写程序的工作迟早会消失。但我认为，这种建议将来一定会被认为是历史上最糟糕的职业建议之一。曾经，一位获得图灵奖和诺贝尔奖的学者说：“程序员这个职业更可能消失，而不是变得越来越强大。因为计算机将越来越会自己给自己编程。” 我不同意这句话。那些告诉别人“别学编程”的建议是有害的。回到1960年代，那时程序员还是用打孔卡写程序的，必须一张张地打出孔洞，非常麻烦。后来人们用上了键盘和电脑终端，编程一下子容易了很多。但就在那个时代，西蒙却做出了前面的那个预言。今天仍有人在重复着他当年的观点：“未来计算机自己会编程，不需要人类了。” 可是事实上，历史不断证明：每当编程变得更简单时，就会吸引更多人加入，而不是更少。过去几十年里，编程的难度一直在下降： - 从最早复杂的汇编语言，发展到更简单的高级语言，比如C语言； - 从本地电脑，发展到云端环境； - 从纯文本编辑器，发展到集成开发环境（IDE）；到现在，又发展到AI辅助编程（甚至很多时候，我们都不再需要自己亲手写代码了，有人把这种轻松的方式戏称为“vibe coding 氛围编程”）。编程难度一步步降低，也意味着现在正是大家开始学编程的最好时机。我曾经说过，未来的技术精英会善用AI，成为某个领域的“10倍人才”，也就是一个人的影响力可以达到普通人的10倍。而达到这一点最好的方式，不是只做一个AI工具的用户，而是掌握足够的编程知识，学会如何有效地利用AI辅助编程工具。很多人问我：“AI 会不会抢走我的工作，我该怎么办？” 我的答案是：主动去学习AI、掌控AI。因为未来最重要的一种能力，就是明确告诉计算机你想做什么，并让计算机帮你做到。学会编程（或者学会怎么让AI帮你写程序）恰恰就是掌握这种能力的最好方法之一。之前我设计一门叫《人人都能学会生成式AI》的课程时，需要为课程生成一些AI艺术作品作为背景图。我找了一位学过艺术史的朋友来帮忙。他懂得用专业的艺术语言（比如画作风格、色彩搭配、艺术家的灵感来源）去跟AI工具（Midjourney）对话，轻松得到了非常漂亮的图像。而我自己不懂这些艺术语言，我试着去向AI描述，却怎么也达不到那么好的效果。同样的道理：无论你是科学家、分析师、营销人员、招聘人员，还是其他行业的专业人士，只要你懂一点编程，你就能更准确地告诉AI或AI工具你想要什么，得到更好的结果。因此，编程难度的不断降低，恰恰意味着现在是开始学习编程最好的时候。掌握软件的语言，清楚告诉电脑你想要的，才能真正让电脑帮你把事情做好。

#吴恩达 #编程 #人工智能 #教育

11个月前

纽约时报：谷歌投资人工智能初创公司Anthropic内幕曝光《纽约时报》最近获得的一批法律文件揭露了谷歌对人工智能初创公司Anthropic的投资详情。这家互联网巨头目前拥有Anthropic 14%的股份，虽然股份比例不低，但谷歌对该公司并没有实际控制权。根据协议，谷歌最多只能持有Anthropic 15%的股份，且没有任何投票权、董事会席位或董事观察员身份。尽管如此，根据法庭文件透露的信息，谷歌将于今年9月再向Anthropic追加投资7.5亿美元。这笔投资将以“可转换债券”（即未来可以转换为股份的一种贷款）的形式完成。这项投资最早是在2023年达成的协议。到目前为止，谷歌对Anthropic的总投资已经超过30亿美元。这些法律文件之所以曝光，源于谷歌近期遭遇的一场反垄断诉讼。在2024年8月，美国联邦法院裁定谷歌在网络搜索领域存在垄断行为，违反了法律。美国司法部曾一度要求法院强制谷歌出售任何可能与其搜索业务形成竞争的人工智能相关资产，其中包括Anthropic的股份，因为Anthropic开发的聊天机器人Claude被认为具有搜索引擎功能。但就在最近的周五，司法部改变了立场，不再要求谷歌出售相关资产，而只要求谷歌在未来投资人工智能公司时，需提前通知政府监管机构。 Anthropic公司本身则明确表示，如果谷歌被强制出售股份，将会对Anthropic造成严重的伤害，导致公司估值下跌、筹集资金困难，并进而伤害市场的竞争环境。Anthropic联合创始人汤姆·布朗（Tom Brown）也表示，一旦谷歌被迫切断与公司的关系，将导致Anthropic遭受“重大损害”。谷歌方面拒绝对具体的财务条款发表评论，仅表示投资这些人工智能公司主要是为了获得回报并扩大市场规模；Anthropic方面也拒绝就此发表评论。 Anthropic由达里奥·阿莫代（Dario Amodei）与妹妹丹妮拉·阿莫代（Daniela Amodei）于2021年创立，他们此前都是OpenAI的高管，但因不满OpenAI与微软的合作方式而离职。他们创立Anthropic的目的，是希望开发更安全、更可靠的人工智能技术，并将公司设立为“公共利益公司”，致力于创造公共价值和社会利益。 Anthropic的战略目标之一，就是避免公司被单一的科技巨头控制。截至目前，它已从包括Menlo Ventures在内的风险投资公司筹集了超过148亿美元的资金。除了谷歌之外，亚马逊也大规模投资了Anthropic。2023年亚马逊曾向Anthropic投资40亿美元，2024年又追加了40亿美元。目前谷歌在Anthropic的投资价值已经远超最近一轮融资的水平。本月稍早，Anthropic刚刚完成了最新一轮融资，公司整体估值达到615亿美元。 Anthropic从谷歌和亚马逊购买了大量的计算能力，以支持其人工智能系统的开发。此外，公司与部分投资者签订了协议，承诺使用投资者的芯片和云计算服务。这实际上意味着Anthropic筹集到的部分资金，又回流到了投资它的公司手中。这次曝光的文件，罕见地揭示了科技巨头如何秘密投资前沿人工智能初创公司。这类投资一直受到监管机构的关注和质疑，他们担心科技巨头通过大量投资初创公司来进一步巩固自身在人工智能领域的领先优势，从而打压市场竞争。除了谷歌，亚马逊和微软也纷纷投资了Anthropic、OpenAI等著名人工智能公司。投资人克里斯·尼科尔森（Chris V. Nicholson）评价称：“谷歌这样的巨头清楚地知道人工智能竞赛的重要性，他们拥有充足的现金，可以同时押注多家企业，以保持领先优势。”

#谷歌投资 #人工智能 #初创公司 #Anthropic #法律文件 #股份

11个月前

推荐阅读 SemiAnalysis 文章《America Is Missing The New Labor Economy – Robotics Part 1 》美国正在错失新型劳动力经济——机器人革命（第一篇）随着通用人工智能（AGI）日渐逼近，机器人技术正站在一场真正意义上的产业革命前夜。本文来自美国知名半导体行业研究机构 SemiAnalysis，深入剖析了全球机器人产业的竞争格局，特别聚焦于中美之间的较量。文章认为，中国凭借庞大的工业基础、供应链优势，以及政府明确的战略布局，已迅速崛起为全球机器人产业的主导力量，而美国则在很大程度上错失了这场新的劳动经济革命。文章指出，机器人产业的特殊性在于迭代速度和规模经济能够迅速扩大优势，形成强者恒强的局面，而中国企业在无人机、大疆等细分领域的成功经验恰恰验证了这一点。目前，中国本土机器人企业已开始在全球市场中占据越来越大的份额，不仅迅速掌握了基础零部件和核心技术，甚至在高端市场也开始赶超西方老牌企业，例如 Unitree G1 的人形机器人完全摆脱了对美国部件的依赖，并实现了商业化。作者提醒，美国和西方国家的产业界和政府尚未充分意识到机器人技术背后的战略意义，特别是机器人产业带来的巨大生产力革命所蕴含的战略威胁。作者以“行动号召”（Call for Action）的紧迫语气，呼吁美国尽快觉醒，加速重建本土制造能力，参与到机器人革命的全球竞争中，否则可能彻底错失新一轮的工业红利。本文对中国读者而言，提供了一个难得的从外部视角看待中国机器人产业的机会。不仅展示了中国企业在全球市场上的竞争力与潜力，也客观指出了中国机器人产业下一步可能面对的挑战与全球产业变革的深刻影响。对于关注机器人、制造业以及中美技术竞争的读者来说，这篇深度长文将带来极具启发性和前瞻性的视角。

#机器人技术 #产业革命 #通用人工智能 #全球竞争 #半导体行业

11个月前

刘小排总结的AI创业十个步骤： 1. 洞察需求寻找别人未注意到的真实需求或问题，识别“共需失衡”点，比如热点事件、评价低但用户量大的应用、用户社交平台留言等。 2. AI市场调研与AI工具（如ChatGPT）交流，像与专业产品经理一样讨论、验证需求，避免无效创业方向。 3. 生成需求文档让AI协助输出详尽的需求文档，清晰定义项目目标、目标用户和核心功能，确保描述毫无歧义。 4. 手绘原型设计自己先用纸张手绘出产品原型，明确产品界面的基本逻辑和布局。 5. AI生成高保真原型图基于手绘原型，用AI快速生成接近实际产品体验的高保真原型图，以便向潜在用户展示。 6. 原型用户验证将高保真原型图发给目标用户，确认产品逻辑是否清晰，界面是否符合用户需求，进行初步验证和优化。 7. AI编程实现MVP 用AI工具快速编程实现产品的核心功能（最小可行产品，MVP），甚至普通人无需编程知识也能实现。 8. 上线部署使用阿里云或腾讯云等平台，以极低的成本将产品部署上线，快速启动市场验证。 9. 市场验证与迭代通过社交平台或广告精准投放，快速获取1000名目标用户，验证点击率、留存率、付费率等核心数据，评估产品和商业逻辑的可行性，根据反馈快速迭代，甚至每日更新版本。 10. 商业化放大若MVP验证成功，集中精力优化获客和变现效率，持续放大用户规模和收入，利用AI高效复制成功模式，拓展新产品和新机会。

#AI创业 #需求洞察 #市场调研 #生成需求文档 #热点事件 #产品经理

11个月前

来源：

11个月前

美国“政府效率部”（DOGE）用 AI 取代人类的计划已经开始实施 ——联邦政府工作正被交给机器作者：Matteo Wong 美国总统与“政府效率部”（DOGE）推行的裁员与改革联邦公务员制度的最新阶段，正在火热进行中。这项计划的核心思想很简单：利用生成式人工智能（AI）来自动化过去由人类完成的工作。特朗普政府目前正在联邦总务管理局（GSA）的1500名联邦员工中测试一款全新的聊天机器人（chatbot），最早可能本周五就会推广到整个机构。一旦部署，这个机器人将覆盖超过一万名联邦员工，他们管理着超过1000亿美元的合同和服务。这篇报道的信息来自于多名了解内部情况的现任与前任GSA员工（他们要求匿名），以及我亲自审阅的内部文件和软件源代码（公开于GitHub平台）。这个聊天机器人被GSA高层定位为“提升生产力的工具”，而它的推出是DOGE及其盟友一系列大动作中的一部分。前特斯拉工程师托马斯·谢德（Thomas Shedd）最近被任命为GSA下属技术转型服务部（TTS）主管，他在一次全体员工大会上明确表示，GSA正推行“AI优先战略”。我获得的这次会议录音中，谢德指出：“随着我们削减联邦政府规模，各种政府项目却依然大量存在，这就是技术和自动化大展身手的绝佳机会。”他提议在政府各部门推广“编码代理”（即能自动编写甚至部署代码的AI程序）。此外，谢德还表示AI将用于“分析合同”和自动化GSA的财务工作。其实，这款AI工具最初是在拜登总统任期内由GSA内部一个名为10x的小型技术团队开发的，最开始只是一个AI试验场（Sandbox），目的是探索AI在政府中的潜力。但随着埃隆·马斯克针对联邦政府的裁员行动（数万名联邦员工辞职或被解雇）迅速展开，DOGE及其支持者开始大力推动这款工具加速研发，并直接作为日常工作的聊天机器人推出。此前Wired杂志曾短暂报道过该聊天机器人，但更广泛的推广计划和研发背景未曾公开。该软件最初被称作“GSAi”，如今在内部简称为“GSA Chat”或简单称作“chat”。GSA首席AI官扎克·惠特曼（Zach Whitman）曾在给早期测试用户的一封邮件中称，该机器人可以“撰写邮件、写代码，还有更多功能！”根据联邦雇员内部指南，这个聊天机器人将“帮助你们更高效地完成工作”。该软件的界面和使用方式与知名的ChatGPT相似：用户输入提示内容，AI迅速给出回答。 GSA计划未来在整个联邦政府推广该机器人，可能会使用“”这个名字。当前系统中集成了Meta和Anthropic公司的AI模型，目前还不能上传文档，但据知情的GSA员工透露，未来可能会允许上传文件。该员工还表示，这个聊天机器人甚至可能用于规划重大政府项目、帮助裁员决策，或者从联邦数据库中检索信息。 DOGE方面的发言人没有回应我的采访请求，白宫新闻办公室则建议我向GSA询问。GSA代理新闻秘书威尔·鲍威尔（Will Powell）通过邮件声明称，“GSA正全面审核可用的IT资源，以确保我们的员工能够高效地为美国纳税人服务”，并表示机构正全面测试这些工具的可靠性。 AI工具在职场中应用本已司空见惯，因此GSA的聊天机器人可能并不会立即给联邦政府带来巨大变化。但它只是DOGE持续大规模裁员行动中的一个小小缩影。在教育部，DOGE的顾问们据称已经将敏感的预算数据输入AI，识别哪些部门应该削减开支。DOGE甚至打算用AI来决定哪些联邦员工可以保住自己的职位。在TTS近期另一场会议中，谢德更是明确表示，未来几周该部门至少要缩减50%的人员。此外，还有更具争议的AI应用场景正在浮现：例如美国国务院正考虑用AI扫描数万名持学生签证者的社交媒体动态，以撤销那些可能支持被美国政府认定的恐怖组织的留学生的签证。匆忙推出生成式AI工具本身就伴随着巨大风险。AI模型容易产生各种偏见、存在事实错误，成本高昂，运行机制也不透明。即使谨慎采用，问题也屡屡发生。事实上，GSA最初在去年夏天开发聊天机器人时，也清楚地意识到了这些风险。当时的“10x AI Sandbox”仅是一个安全且低成本的环境，用于政府工作人员尝试如何恰当使用AI技术，而非强推AI进入日常工作。然而特朗普任命的官员们迅速将软件改造成日常聊天助手，并不太关注实际可行性。一名前GSA员工告诉我：“他们想把合同数据导入AI来发现欺诈行为，初衷很好，但如果真那么容易，我们早就开始这么做了。”他表示，AI可能导致误报率很高，而且目前也没看到相应的检查机制。GSA提供的使用帮助页面也警告用户，小心“幻觉”（即AI提供虚假的信息）、“偏见”和“隐私问题”，并要求员工不得输入个人身份或敏感的非机密信息。但具体如何监督执行并未提及。当然，美国联邦政府早在几个月前就开始尝试生成式AI了。例如去年11月选举前，GSA就已与谷歌签署合同，测试AI工具的职场应用潜力。此外，国土安全部、卫生与公共服务部、退伍军人事务部等多个部门也都曾尝试过OpenAI、谷歌、Anthropic等公司的AI工具。然而，并非必须采用目前这种激进的模式。前任总统拜登曾采取更谨慎的方式：在著名的行政命令和联邦指南中强调，政府使用AI必须进行严格测试，设置清晰的安全底线，并向公众保持透明。但特朗普上任首日就撤销了该行政令，认为它们属于“不必要且繁琐的政府管控”。如今，特朗普政府与DOGE似乎决心将整个联邦政府变成AI的试验场，而3.4亿美国民众或许将成为他们的实验对象。

#美国政府 #人工智能 #公务员改革

11个月前

曾经被炒作的互联网技术，最终真的改变了世界——从互联网泡沫破裂，看今天 AI 热潮的未来作者：Rolfe Winkler 本周是纳斯达克指数达到顶峰 25 周年，历史教训或能照亮 AI 投资之路 25年前的这周，纳斯达克综合指数达到互联网时代的历史巅峰，五年内飙升超过500%。随后，这场泡沫的破裂迅速而残酷。无数普通投资者被新兴的互联网技术所吸引，却损失惨重，经济也陷入困境。曾风光无限的公司，如、以及Webvan等纷纷破产。今天，当AI热潮席卷全球时，很多投资者担心同样的历史可能会重演。然而，即使AI真的是一场新的泡沫——尽管这个结论还无法确定——当年互联网泡沫的历史教训仍然值得深思：曾经被炒作的互联网技术，最终真的改变了世界。投资者的担忧并非没有道理。现在很多AI公司估值动辄数百亿甚至数千亿美元，其中一些甚至还没有清晰的盈利模式。投资者却依然不惜重金，纷纷涌向这些公司，希望通过大量投资兴建AI数据中心，以及购买昂贵的AI芯片，来押注未来。但是，回顾当年的互联网泡沫，人们发现：大量资本疯狂投入革命性的技术，最终可能带来极大的长期回报。如今，全球最有价值的前七家公司中，有六家都是互联网泡沫时期诞生或壮大的科技巨头。换句话说，那场互联网泡沫是一种所谓的「良性泡沫」，它推动了革命性技术的迅速普及。与之相对的则是「恶性泡沫」，例如曾经炒作过的郁金香球茎、玩具「豆豆娃」或亚利桑那沙漠中的空置房屋，这些资产本身并未真正提高社会的生产力。创新经济学家卡洛塔·佩雷斯（Carlota Perez）指出：「想要成为激进的创新者非常困难，他们必须让供应商、员工、投资者都相信一个尚不存在的未来，最终才能开创出新世界。」在这种狂热的追逐中，人们开始尝试新的理念并搭建基础设施。尽管许多公司最终失败，但他们的尝试却为未来打下了基础。2000年建设的大量光纤网络，就像1900年代的电网、1800年代的铁路和1700年代的运河一样。每次大繁荣之后都有剧烈衰退，但基础设施依旧存在，并催生了新一代产业。如今的AI公司也在进行巨大的资本投资，尤其是大量购买英伟达（Nvidia）生产的专用芯片GPU。今天的英伟达已成长为全球最值钱的公司之一，市值高达2.7万亿美元。关键问题在于，这些庞大的投资究竟能否像当年的互联网那样真正提高生产力，推动经济发展？AI究竟会成为一种良性泡沫，还是昙花一现？目前还难以给出明确答案，但AI领域已有明显的实际进展。如今的搜索引擎变得更加智能；AI机器人已经能写代码、撰写求职信，甚至帮你订机票、报税、安排会议。未来，这类智能助理的普及有望显著提升社会生产效率。当然，这并不意味着所有AI公司都能成功。如今，已有一些AI初创公司开始崩溃。红杉资本（Sequoia Capital）的投资人戴维·卡恩（David Cahn）就指出，目前很多AI公司面临巨大的收入缺口，可能无法支撑庞大的数据中心开销，未来可能会迎来一波淘汰潮。不过他依然乐观，认为AI技术最终将创造巨大经济价值。如何区分「良性泡沫」与「恶性泡沫」呢？曾研究多个泡沫时代的华平投资集团前副主席比尔·简维（Bill Janeway）表示，这要看投资的对象本身是否有实际价值。比如2008年的全球金融危机，是因为人们盲目投资于难以负担的房地产，最终引发全球金融体系崩溃。相较之下，特斯拉（Tesla）尽管很多人认为股价虚高，但公司正在利用资本大量研发电动车、太阳能电池板、自动驾驶技术，甚至是以AI驱动的机器人。图2: 2000年建设的光纤网络，相当于1900年代搭建的电力网络许多被过度炒作的AI公司可能最终破产，但它们的某些出色创意可能会被后来者继承并发扬光大。例如，1994年一家名为General Magic的公司曾推出了第一代智能手机，但当时环境根本不成熟——没有数字网络，也没有丰富的互联网内容，手机必须通过拨号调制解调器上网。结果它的产品销量惨淡，公司于2002年倒闭。但General Magic的创始人马克·波拉特（Marc Porat）所设想的数字触屏手机概念，后来被史蒂夫·乔布斯在2007年推出的iPhone实现了。当时移动网络、互联网、触摸屏和存储技术都已成熟。而参与General Magic研发的工程师后来都在行业取得成功：托尼·法德尔（Tony Fadell）主导研发了苹果的iPod与iPhone；安迪·鲁宾（Andy Rubin）则创办了全球最大的手机操作系统安卓（Android）。今天，大量资金正涌入AI领域，人们再次感受到一场泡沫的迹象。无论这场泡沫真假，佩雷斯预计AI将如电力取代蒸汽机一样，再一次彻底提升社会生产效率。 General Magic当年还有一个超前但未完成的创意：能帮人们完成任务的AI助理。这个项目的工程师约翰·詹南德雷亚（John Giannandrea），如今已成为苹果公司的AI负责人。

#互联网泡沫 #纳斯达克指数 #AI投资 #科技革命 #历史教训 #经济困境

11个月前

Steve 还在继续推销 Claude Code：又是一个深夜的 Claude Code 相关帖子。首先，如果你刚到这里，可能有点晕：Claude Code 不是 Claude 3.7 Sonnet，也不是你在 Claude ai 上看到的任何“Claude系列产品”。虽然名字都带 Claude，但 Claude Code 是一个完全不同的、全新的、实验性工具。它也是由 Anthropic 公司（也就是 Claude 系列的制造者）推出的。 Claude Code（简称CC）是一个新型的编程助手，有意思的是，它只运行在终端里。对，就是那个 xterm，bash，或者某种半死不活的WSL终端。所以当你使用它的时候，会感到一种奇妙的“复古未来主义”感——好像是80年代末的人想象中的AI世界，现在居然成真了。简单来说，Claude Code 就是我们去年期待 Devin 会成为的样子。但去年12月 Devin 一推出，大家就哈哈一笑，然后转身就忘了它。但 Claude Code 可不是闹着玩的，它是货真价实的 AI 软件工程师，完全配得上这个称号。有趣的是，它似乎完全放弃了流行的 RAG（检索增强生成）技术，Anthropic 干脆直接让 Claude 自己去思考、自己去折腾。我要坦白：我对 Claude Code 上瘾了。根本停不下来。我这不是夸张修辞，而是真的完全不知道该如何合上电脑去睡觉。因为 Claude Code 一直在干活。它不断地解决一个又一个的大问题。我一次次地扔给它更难、更复杂的任务，它连眼睛都不眨一下，嚼吧嚼吧就吞下去了。你玩过以前那个《刺客信条》游戏吗？好像是罗马那代吧，游戏后期你建立了庞大的情报网络，只需坐在家里派遣手下出去完成任务，自己完全不用动手。但这种“运筹帷幄”的感觉，居然和亲自出去“跑地图”一样爽。还记得吗？对，现在 Claude Code 给人的感觉就像这样。知道吗？按照现在的发展速度，我估计再过两三个月，我们就能这么对 CC 说：“嘿，哥们儿，你去给我写点测试吧。把我过去二十年一直偷懒没写测试的代码，全给我补上。记得要写得漂亮一点、有创造性一点，严格按照咱们的测试规范来。” 然后你给它账户里塞进五千美元，让它开动脑筋，跑去一个分支上默默地干活，持续一两个星期，主要的耗时其实就是在等待你那满是I/O操作的构建任务。有一天，你终于等来了期盼已久的邮件，邮件上只有两个字：“打钱”。再过几周之后，你发现项目的测试覆盖率居然从10%变成了90%，让你在百年归老之后能顺利进入“好程序员的天堂”。接下来，所有的代码助手们都会学 CC 的这套模式，各自用不同的方式模仿它。此时此刻，它们都已经在拼命地赶上 CC 的脚步了。因为是的，回答你们所有人重复了无数遍的问题：Claude Code 确实就是那么厉害。一场全新的 AI 代码助手大战，现在正式开始了！

#Steve #Claude Code #Claude 3.7 Sonnet #Claude系列产品 #Anthropic公司 #实验性工具

11个月前

科技媒体 TechCrunch 点评：Manus可能并不是中国的第二个“DeepSeek时刻” 上周，一个名为Manus的智能AI平台刚刚预览发布，瞬间引发了爆炸般的关注，甚至堪比泰勒·斯威夫特演唱会的热度。 AI圈内的名人纷纷称赞它，Hugging Face的产品负责人甚至称Manus是“我用过最令人惊叹的AI工具”。AI政策研究员迪恩·鲍尔形容它为“目前最复杂的AI计算机系统”。短短几天内，Manus的Discord官方交流群就吸引了超过13.8万名成员。甚至在咸鱼上，Manus的邀请码被炒到了数千美元的高价。但这种火爆是否真的实至名归，目前还有待观察。实际上，Manus并不是完全自主开发的。据社交媒体爆料，它实际上融合了已有的AI模型，包括Anthropic的Claude和阿里巴巴的通义千问，用于撰写研究报告和分析财务数据。然而，开发Manus的中国创业公司Monica，却在官网展示了令人难以置信的应用案例——比如买房、编写电子游戏。在一段热门的视频中，Manus的研究负责人季逸超（Peak）暗示，这个平台甚至超过了OpenAI最新推出的deep research和Operator这样的AI工具。季逸超宣称，Manus在通用AI助手评测基准GAIA上表现超过了deep research，能自主完成浏览网页、使用软件等复杂任务。他说：“Manus不仅仅是一个聊天机器人或工作流工具，而是一个真正自主的智能体，将构想和执行完美结合……我们认为这是人机合作的全新范式。” 然而，一些早期用户表示，Manus远非完美。 AI初创公司Pleias联合创始人亚历山大·多利亚发帖称，他在使用Manus时经常遇到报错和无限循环的问题。还有用户指出，Manus在回答事实性问题时经常犯错、引用来源也不稳定，甚至无法找到网上容易获取的信息。 “Deep Research在15分钟内完成了任务，而Manus却在第18步（共20步）卡了50分钟，最终失败！😑 尽管过程中输出内容相当不错，但再跑一次同样的任务实在令人沮丧，因为太慢了！” ——医学博士Derya Unutmaz 我个人试用Manus的体验也不太理想。比如，我让它帮我订一份附近评价最好的炸鸡汉堡，结果折腾了10分钟后，Manus崩溃了。第二次尝试，它虽然找到了合适的菜单，却根本无法完成订餐，甚至连付款链接都提供不了。用Manus订炸鸡汉堡真是令人沮丧。**图片来源：** Manus 用Manus订炸鸡汉堡真是令人沮丧。**图片来源：** Manus 当我让Manus帮我预订一张纽约到日本的机票时，它表现同样糟糕。即使我明确表示“找一张商务舱机票，日期灵活但优先考虑价格”，Manus最多也只能提供一些航空公司和机票搜索引擎的链接，而且其中有的链接还打不开。 Manus暂时还没法帮你订东京的航班。**图片来源：** Manus Manus暂时还没法帮你订东京的航班。**图片来源：** Manus 接下来，我尝试让它预订附近餐厅的位置，同样以失败告终。再让它制作一个火影忍者风格的格斗游戏，折腾了半小时又报错了，我最终决定放弃。一位用户的评价更能代表现状： “诚实地讲，我试用了Manus三天，感觉如下：优点： • 上网搜索资料、生成报告的能力确实非常出色。 • 背后运行脚本执行任务的能力也很强大。 • 执行计划的组织结构非常好，因此输出的结果质量不错。缺点： • 速度慢，不过这个问题可以靠后期扩容解决。 • 上下文窗口太短，导致在编程任务中途经常出问题。 • 第二次运行时效果经常不如第一次，有时卡在网页搜索或其他任务中，让用户难以干预。 • 编程能力虽然不错，但远不及Sonnet 3.7。当然，考虑到它仍处于测试阶段，目前表现已经很不错了。如果这些问题得到改善，它将是一个非常厉害的产品。” ——用户AshutoshShrivastava 那么，Manus究竟为何如此爆火？很大程度上源于一种“邀请码稀缺”带来的饥饿营销效应。中国媒体更是推动了Manus的炒作，比如南华早报称赞它为“国货之光”。一些AI博主甚至传播了关于Manus功能的虚假信息。例如，一段热门视频中，Manus研究负责人季逸超后来澄清，视频中展示的其实并不是Manus的真实功能。此外，不少AI界有影响力的博主盲目地把Manus和真正自主研发并开放部分技术的中国AI公司DeepSeek相提并论，而实际上，Monica公司并没有像DeepSeek一样拥有完全自研的模型，也没有公开其核心技术。目前我们已经联系了Monica公司以获取评论，如果收到回复，我们将及时更新。综上所述，虽然Manus仍处于起步阶段，但明显已经出现了炒作过热、技术实力被夸大的现象。

#Manus #AI工具 #DeepSeek时刻 #智能AI平台 #AI产品 #科技媒体 #AI政策 #AI名人

11个月前

根据前些天 X 友们的讨论，总结了一下：《不会考察候选人的「AI能力」？你可能招不到未来的人才！》你有没有发现一个现象：打开招聘网站，现在越来越多岗位描述中多了这样一句话：「熟悉 DeepSeek、Cursor 或其他 AI 工具者优先。」十年前面试官会问：「你会不会用Excel、Word、PPT？」如今则变成了：「你会不会用AI？」时代在变，技能要求也在变。正好前些天有网友留言问：怎么面试才能真正考察出一个人「会用AI」呢？今天，就来聊聊这个话题。 --- 考察AI能力，究竟要看什么？很多人可能觉得，会用AI不就是会用 DeepSeek 提个问题，或者让Midjourney画个图吗？其实远远没那么简单。真正会用AI的人，会表现出这几种能力：【基础 AI 应用能力】 1. 提示词工程（Prompt Engineering）能力：懂得用最好的方式问问题（Prompt），引导AI高效输出虽然现在模型越来越强，大多数时候你是不需要用很复杂的提示词，但基本的提示词工程还是需要有的，比如说，你得知道怎么给 AI 提供充足的上下文；怎么要求输出的格式；知道怎么控制上下文窗口长度；推理模型和非推理模型提示词用法差别在哪里等等。对于专业的应用，比如画图，得知道各种常用的图片参数；比如编程，得知道如何要求 AI 使用特定的语言、框架，知道训练语料少的框架该如何提供文档、示例代码。 2. 内容评估能力——知道 AI 生成的内容是否靠谱，能有效验证和优化在你不够专业的领域，你是很难分辨 AI 生成结果好坏的。就像 AI 画图，我觉得挺好的图让专业人士点评一下，就能指出其中很多细节上的问题，但反过来在我专业的编程领域，AI 生成的结果一眼就能看出来好坏，对于不好的结果，我也知道怎么让 AI 去修改调整。所以现在虽然 AI 能快速生成内容，但还是需要专业人士去评估生成的结果，挑选出好的结果，或者对于不好的结果，提出要调整的方向生成更好的结果。 3. 熟练使用 AI 工具的能力：熟悉 AI 工具的使用方法，能快速上手各种 AI 工具现在使用 AI，离不开各种 AI 工具，熟练使用这些工具才能充分发挥 AI 的能力。除了通用的 AI 聊天工具，还有一些专业领域的工具。比如说我日常会用 AIStudio 帮我做音频转文本；比如作为程序员，日常得会用 Trae、Cursor、Winsurf 这样的 AI 工具写代码。【高级 AI 应用能力】 4. 任务拆解能力——知道哪些工作适合用AI，哪些环节应该自己把控任务拆解在以前是一种工程能力或者管理能力，能把复杂的任务拆分成简单任务。在 AI 时代，由于我们每个人都有机会使用 AI，AI 就变成了我们的“员工”，但 AI 这个“员工”一次只能处理相对简单的问题，就需要我们把复杂的任务拆分成简单的任务，最后再合并完成整个任务。 5. 业务场景应用能力：知道如何用AI真正提高工作效率现阶段的 AI，即使某些方面的智能已经达到博士生水平，但本质上也只是工具，还是需要靠使用者来发挥作用。用人单位看重 AI 技能，就是希望候选人能将 AI 应用到业务场景中。比如，有个以 Excel 为主的网友，自己不会编程也不会写宏函数，但借助 AI 写宏函数，把很多 Excel 的计算变成了自动化，极大提升了效率。这就是一个将 AI 应用到业务场景的好例子。更高级一点，还能重新设计现有业务流程，引入 AI 的智能，让原来需要很多手动干预的操作，变成半自动或者全自动的流程，极大提升效率。【加分项】 6. 快速学习能力：能够跟上AI技术快速迭代的节奏如果你观察周围，那些 AI 用得好的人，通常是好奇心强、愿意接受新事物并持续学习的人。他们会时刻关注新技术并尝试应用。因此，在招聘时，好奇心和快速学习能力往往是加分项。总结起来就是 6 个方面： 1. 提示词工程（Prompt Engineering）能力 2. 内容评估能力 3. 熟练使用 AI 工具的能力 4. 任务拆解能力 5. 业务场景应用能力 6. 快速学习能力简单说，就是：不但会用AI工具，更要知道「什么时候用」「怎么用」「怎么用得更好」。 --- 不同领域，怎么考察AI能力？不同岗位、不同领域，对AI能力的需求其实都不一样。举几个常见领域的例子：【软件开发领域：AI辅助编程】程序员面试，以前都是让候选人徒手写代码，现在AI时代，光凭手写未必真实。更好的办法是：让候选人现场用 AI 工具（比如 Trae、Cursor 或 Windsurf）解决一个小问题。关键不在于 AI 写了多少代码，而是： - 他怎么问 AI？ - 如何判断 AI 写的代码对不对？ - 遇到问题怎么调整？考察的是程序员利用 AI 的真实技能，而不是死记硬背的能力。【市场营销领域：AI 生成创意和内容】营销岗位尤其看重创意，但很多创意初稿现在都能让 AI 快速生成。面试时，可以： - 给候选人一个产品，让 TA 用 AI 生成一条营销文案。 - 然后问 TA：「你为什么用这个 Prompt？」、「AI 给的文案你怎么看？」真正的考察点在于： - 候选人能不能灵活地调整提示词； - 是否能判断 AI 内容质量并主动修正不足； - 对 AI 生成内容是否有自己的标准（如品牌调性、目标用户偏好）。【产品管理领域：用 AI 做用户洞察和数据分析】产品经理的日常工作经常和数据打交道。可以出一道题：「给你一份用户反馈数据，现场用 AI 工具帮我们提炼出产品改进建议。」考察的重点是： - 是否懂得怎么用 AI 快速抓住用户痛点； - 有没有能力验证 AI 结论的准确性； - 能否结合 AI 的建议，提出清晰明确的改进方案。 --- 具体可以问什么样的问题？这里有一些实操性强的通用AI面试题： - 「你遇到过 AI 给出明显错误答案的情况吗？你怎么处理的？」 - 「最近有没有新出的 AI 工具或功能是你学习并实际应用了的？具体讲讲。」 - 「你平时怎么调整 Prompt 来优化 AI 输出？」 - 「如果AI生成的内容和你的预期不符，你会怎么优化它？」 - 「你觉得AI目前有哪些无法解决的业务难题？遇到这些难题你会怎么办？」这些问题看似简单，但候选人的回答可以充分展示： - TA 有没有真正用过 AI； - TA 是否能批判性地看待 AI 工具； - TA 是否具备快速学习和自我优化的意识。 --- 如何有效评估候选人的AI能力？要真正了解一个人的 AI 水平，不能只靠简单的问答，最好能： - 现场实操：让候选人用 AI 工具解决具体问题，观察其真实操作。 - 多角度考察：既看候选人使用 AI 的熟练度，也看他对 AI 的理解深度。 - 注重开放性提问：引导候选人表达对 AI 的见解，观察其思考的深度和广度。优秀的人才会主动提到 AI 的局限性、使用风险，以及如何有效避免这些风险。不够熟悉的人则通常只是机械地使用工具，甚至完全忽略了 AI 可能产生的误导性结果。还有最重要的一点：面试官最好自己要有一定的 AI 使用经验，否则很难分辨候选人回复答案的好坏。 --- 结语：未来，AI会像Excel一样普及曾经，懂得用Excel、PPT的人更容易找到好工作；如今，懂得如何巧妙运用AI的人也会拥有同样的竞争力。但真正优秀的人才，并不是会用几个工具那么简单，而是知道： - 如何更高效地完成任务； - 如何与 AI 有效沟通； - 如何快速学习新的工具和方法。所以，下次面试的时候，不妨多问问上面那些问题，或许你会发现，真正会用 AI 的人才并不只是懂技术，而是懂得让技术更好地为自己服务的人。

#招聘 #AI能力 #未来人才 #职位要求 #时代变化

11个月前

Manus 联创季逸超在混沌创新大课上解释 Agent 时代推理算力要增加 100 倍

#Manus #季逸超 #混沌创新 #Agent时代 #推理算力

11个月前

一图看清 ChatGPT 不同模型和订阅之间的差别 - GPT-4o 是目前功能最全面的模型。 - GPT-4.5 紧随其后，可能是因为它与 GPT-4o 存在很多相似的机制。 - 推理（Reasoning）类的模型特别不一致，各种功能的开启情况也比较随机。 - 目前自定义 GPT（Custom GPT）功能只能使用 GPT-4o。

#ChatGPT #GPT-4o #GPT-4.5 #自定义GPT #模型功能比较 #模型差别

11个月前

> “我不是程序员，但我可以让AI很快就搭建一套软件出来，这是不是已经比99%的程序员牛了？” 通常我们把 AI 快速搭建出来的成果称作原型（Prototype）或者脚本（Script）。然而，要将这样的原型或脚本转化为专业的软件、App 或网站，还需要进行大量深入细致的工程化工作，比如： - 可用性（Usability）：针对不同用户场景完善优化交互体验，确保产品易用且高效； - 安全性（Security）：进行严格的安全审计，防止潜在漏洞和安全风险； - 稳定性（Stability）：建立可靠的容错机制和监控体系，保障软件能够持续稳定运行； - 可维护性（Maintainability）：保证代码清晰易读、结构合理，便于长期迭代和维护。因此，即使 AI 的编程能力日益提升，我们对软件开发工作依然需要保持敬畏之心。专业的软件工程远没有想象中简单，仍然需要严谨的态度和细致的打磨。

#AI #软件开发 #程序员 #工程化 #技术 #快速搭建

11个月前

通常我们把 AI 快速搭建出来的成果称作原型（Prototype）或者脚本（Script）。然而，要将这样的原型或脚本转化为专业的软件、App 或网站，还需要进行大量深入细致的工程化工作，比如： - 可用性（Usability）：针对不同用户场景完善优化交互体验，确保产品易用且高效； - 安全性（Security）：进行严格的安全审计，防止潜在漏洞和安全风险； - 稳定性（Stability）：建立可靠的容错机制和监控体系，保障软件能够持续稳定运行； - 可维护性（Maintainability）：保证代码清晰易读、结构合理，便于长期迭代和维护。因此，即使 AI 的编程能力日益提升，我们对软件开发工作依然需要保持敬畏之心。专业的软件工程远没有想象中简单，仍然需要严谨的态度和细致的打磨。

#AI #原型 #工程化 #软件开发 #用户体验 #信息安全 #稳定性

11个月前

还有一种选择就是去掉“程序员”的标签，自此海阔天空😎

#程序员 #职场转型 #个人发展

11个月前

彭博社：风向变了！硅谷投资人不再迷恋大模型，而是追捧“AI 应用” 最近，硅谷风向变了。就在不久前，OpenAI、Anthropic 这样的 AI 大厂还备受投资人追捧，每年投入数十亿美元打造先进的人工智能大模型（LLMs）。相比之下，像 Harvey 这样的“小玩家”当时并不起眼，只能在巨头开发的模型基础上，做一些简单的应用，比如帮助律师更好地使用 AI。 Harvey 的 CEO 温斯顿·温伯格（Winston Weinberg）回忆道：“那时候市场对我们的看法特别不屑，觉得我们就是个 GPT 包一层的‘套壳公司’（GPT wrapper），完全没创新。投资人只愿意把钱投给 OpenAI 这样的明星公司。” 然而，现在情况却彻底反转了——这些曾经被瞧不起的 AI 应用公司，如今成了硅谷投资圈里最火的“香饽饽”。从“GPT 套壳”到“最热赛道” 进入硅谷任何一家风投机构，你都会听到他们兴奋地聊起这些公司——例如提供 AI 聊天机器人、代码编辑工具、医疗助手、客户服务等各类软件应用的初创企业。这些公司不再自己开发昂贵的 AI 模型，而是直接站在 OpenAI、Anthropic 等大公司巨人肩膀上，快速创造出高效、低成本的产品。而且，这些公司赚钱的速度令人瞠目结舌： • 成立于2022年的 Harvey 去年年底的年收入已突破 5000 万美元； • 另一家明星企业 Anysphere 推出的代码编辑器 Cursor，仅一年时间，年收入便冲破了 1 亿美元。这创造了软件公司历史最快成长纪录。投资人对此趋之若鹜： • Harvey 最近一轮融资拿到 3 亿美元，估值高达 30 亿美元； • Anysphere 则在1月完成了由著名投资机构 Thrive Capital 和 Andreessen Horowitz 领投的 1.05 亿美元融资，估值达到 25 亿美元。甚至有的公司，比如提供 AI 编程工具的 Codeium，融资过程完全“躺平”，不用主动出去融资，就已经被投资人追着抢着给钱，估值高达 30 亿美元。 AI 应用，才是下一个“智能手机”时代？知名风投 Lightspeed 的合伙人迈克尔·米格纳诺（Michael Mignano）把如今的 AI 热潮与当年苹果推出 iPhone 后的手机 App 浪潮相提并论：“iPhone 问世之后，出现了数百万款手机应用。现在，AI 大模型普及，也会诞生数百万种 AI 产品。” 而这种模式的最大优势在于“低成本、高回报”：相比 OpenAI 等大公司需要巨资购置芯片、搭建数据中心和招聘顶尖人才，这些 AI 应用公司投入极少资金，就能快速实现收入增长。 AI 客户服务机器人公司 Decagon 的 CEO 杰西·张（Jesse Zhang）一语道破天机：“现在非常明确的一点就是，AI 应用公司才是投资的最佳选择，因为钱和客户都在这里。大模型只会越来越便宜，越来越好用，最终得利的正是我们这些应用。” 快速成长，也伴随风险与挑战快速增长的背后，这些 AI 应用公司也有隐忧： • 首先，创始人往往年轻且经验不足。比如 Anysphere 四位创始人都是 MIT 校友，刚创业时几乎都是应届生水平；Harvey 的 CEO 温伯格此前只是短暂当过律师，也坦诚自己创业前“完全没有经验”，现在最头疼的就是如何快速扩张公司，成长自己。 • 其次，过多的资金有时反而是压力。AI 医疗助手公司 Abridge 的 CEO 希夫·拉奥（Shiv Rao）说：“有钱不代表你非得去拿，那样盲目扩张，很可能会让公司迅速‘消化不良’。” • 最严重的威胁可能来自上游的大模型公司。如果有一天 OpenAI 决定自己下场做类似应用，这些小企业的市场优势可能瞬间被巨头摧毁，就像苹果曾经模仿 App Store 上的小应用一样。尽管如此，硅谷依旧充满乐观情绪 Lightspeed 的米格纳诺认为：“如果你以为 OpenAI 或其他大模型公司会去做每一个细分领域的应用，那太天真了。他们根本没那个精力。” 相反，未来很可能诞生一大批像 Harvey 和 Anysphere 这样的创业公司，将 AI 真正带进各行各业的每个角落——从法律到医疗、从编程到客户服务。或许，属于 AI 的“App时代”，才刚刚开始。

#硅谷 #投资趋势 #大模型 #AI应用 #OpenAI #Anthropic #Harvey #AI小玩家

11个月前

GPT-4.5: 这幅漫画用幽默夸张的方式表达了当今AI初创企业和NVIDIA之间资金流动的真实状况： - 左上角（AI Startup）：初创公司拿到一张100万美元的支票（寓意为投资资金），本质上展示的是外界对于AI初创公司的高期望和高估值。 - 右上角（AI Startup → NVIDIA → 美国政府）：但是当初创公司开始实际使用这些资金时，其中绝大部分的钱（标志为“NVIDIA”）流向了GPU厂商（NVIDIA），而GPU厂商又需要将一大笔资金（42.4万美元）上交给政府税务。 - 左下角（NVIDIA → 政府）：到了第三格，NVIDIA拿到的钱已经变少了（31.4万美元），代表NVIDIA将收到资金的大部分以税费形式交给政府。 - 右下角（AI Startup）：最终，经过层层资金流动和税务损耗后，AI初创公司实际上真正拿到的资金却变得微不足道（仅4.3万美元）。整体来看，这幅漫画通过幽默的夸张手法讽刺了AI行业当前的资金状况，即大量投资资金最终流入GPU厂商和政府税收体系，而AI初创公司自身能真正用于发展的资金反而所剩无几。这也反映了当前AI行业内初创企业与芯片厂商（特别是NVIDIA）之间微妙而失衡的资金关系。

#AI初创企业 #NVIDIA #资金流动 #投资 #美国政府

11个月前

WSJ：苹果称部分AI驱动的Siri功能升级将推迟推出公司表示，让Siri更个性化，并实现跨应用操作的目标比预期更耗时作者：Sabela Ojea 2025年3月7日苹果公司周五表示，其原计划通过人工智能技术提升Siri功能的相关升级将推迟推出。该公司解释称，让Siri变得更加个性化，并使其能在单个应用内外自动为用户执行任务，比他们此前预计的难度更大，因而将需要更多时间进行完善。苹果称：“实现这些功能的进展比我们预想的要慢一些，我们预计将在未来一年内逐步推出。” 此次延迟是在苹果近期致力于提升Siri对话能力并集成OpenAI的ChatGPT之后发生的。去年9月，苹果推出了以人工智能为核心卖点的新一代iPhone，试图通过AI新功能吸引消费者。其中名为“Apple Intelligence”的工具集，包括增强版Siri语音助手，以及多种文本生成和照片编辑功能。近几个月来，苹果公司的iPhone销量有所下滑。该公司最新公布的12月季度财报显示，iPhone销售收入为691亿美元，同比下降近1%，未达到分析师预期的707亿美元（数据来源于FactSet）。

#苹果公司 #Siri #人工智能 #功能升级 #个性化 #技术推迟

11个月前

来源：

...