Tz

统计数据

19

文章

0

粉丝

0

获赞

98

阅读

1周前

算力什么时候才能成为新石油？ ——当人人都拿它计价的时候 NVIDIA计划向OpenAI投入千亿美元巨资，用以建设专属的算力中心。与此同时，亚马逊、微软等巨头也正以每年千亿美金的规模，以前所未有的速度扩建其AI基础设施。这些天文数字的资金，都在涌向同一个目标：算力。吊诡的是，这份千亿级的投资，以及数据中心里每一次算力服务的结算，账目单位写的仍然是美元，而不是每秒千万亿次的浮点运算（PetaFLOPS）。我们都爱听“本位”这个词，它听起来有一种历史的宿命感，一条“金本位 → 石油本位 → 算力本位”的清晰路线，好像未来已写好剧本。但这种叙事过于省力，因为它把三件完全不同的事混在了一起。金本位，是一份写在纸上的硬制度。你的银行必须承诺按固定比价将你手里的美元兑换成黄金。1971年尼克松关闭兑换窗口，是国家机器亲手拔掉了插头，一份契约的终结。 “石油本位”呢？你找不到任何强制规定沙特必须用美元卖油的官方条约。它更像一个地缘政治与市场结构共同演化出的“局”：石油输出国用美元计价，赚到的“石油美元”再通过华尔街回流。它不是一份合同，而是一种惯性。所以，当我们谈论“算力本位”时，得先问一句：我们到底在谈论什么？如果严肃讨论，它至少意味着算力凭证能成为银行的核心抵押品，或被央行纳入储备。这些，眼下一样都还没发生。真正发生的，是另一件事。算力，或者说它背后的电力、半导体和数据，正在成为信用扩张和创新速度的“新瓶颈”。它不是货币的“锚”，而是经济活动的“天花板”。国际能源署（IEA）预测，到2030年，全球数据中心的用电量将飙升至945 TWh，几乎相当于日本当前全年的用电量（数据来源：IEA）。一个朋友在弗吉尼亚州做数据中心选址，他说现在最大的挑战不是拿地，而是“排队等电网的接入许可”。电，成了物理层面的硬约束。再看供给侧的投资竞赛（年度资本开支预算）： - Amazon (2025): > $1180亿 - Microsoft (FY2025): ~ $800亿 - Alphabet (2025): ~ $850亿 - 对比 - Aramco (沙特阿美): ~ $580亿 - 对比 - Exxon (埃克森美孚): ~ $290亿这不是在替换货币，这是在进行一场堪比“军备竞赛”的生产资料堆积。那么，加密货币的角色是什么？很多人喜欢把加密ETF的获批比作“1971时刻”，一个新世界的开端。这个比喻有误导性。1971年是“脱钩”，而今天我们看到的，更像是“接驳”——将现有的美元信用体系，接入一套全新的技术轨道。链上数据不会说谎：跨多个区块链的稳定币，总市值已稳稳站上3000亿美元，成为一条重要的全球支付与结算轨道。贝莱德的代币化美债基金BUIDL也证明，传统金融资产可以被“封装”后在链上高效流转。而比特币，则在被市场测试能否成为一种独立于主权信用的“数字黄金”式新抵押品。但无论形态如何，这些活动的核心依然是美元信用。加密技术在这里扮演的角色，不是创造一个新的记账单位，而是提供了一个更高效、可编程、7x24小时运转的全球结算层。什么时候，我们才能说“算力本位”的叙事开始兑现？我们可以设想几个可被观察的信号： - 金融层：一家全球系统重要性银行，正式接受算力合约作为回购交易的广泛合格抵押品。 - 主权层：某个国家的主权财富基金，像管理黄金储备一样，管理其持有的长期购电协议与数据中心资产。 - 结算层：出现一份以原生算力单位（PetaFLOPS/hour）计价并完成交割的国际大宗贸易合同。不妨做一个反事实推演：如果这些信号真的出现，比如中东的石油开始接受以“PetaFLOPS-小时”为单位的支付，那将彻底重塑全球贸易的计价体系。能源输出国将变成算力输出国，而算力网络的稳定性和效率，将直接等同于一个国家的货币信用。但这离现实还很遥远。我们正在经历的，是一个更复杂的金融锚定物的重排： - 记账锚：基本不动，依旧是美元。 - 抵押锚：正在分化，传统美债上链与原生加密资产并行。 - 结算锚：正在向“可编程+即时清算”的加密网络迁移。 - 要素锚：电力与算力，从成本项抬升为决定性的约束条件。所以，新石油确实是算力，它驱动着AI，驱动着下一个世代的增长。但权力本身，并不总想成为货币。它更愿意隐身幕后，成为那个标价体系的“硬约束”——就像石油驱动了20世纪下半叶，却从未印在钞票上。

#算力 #美元 #AI #能源 #金融

3周前

Airpods Pro 实时翻译功能演示（中英双语字幕版）有多少人看过《银河系漫游指南》的？这就是书里的“巴别鱼了”。。。🐟 啊，《机器猫多啦A梦》总看过吧？这就是那个“翻译魔芋（蒟蒻）”。。。🐶

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 522 条信息

#AirPods Pro #实时翻译 #中英双语 #巴别鱼 #翻译魔芋

3周前

帮你实现信息卡片创作与展示自由！！！任何内容都可以在 - 3分钟内实现如此精美的信息展示 - 支持中英双语 - 支持亮色/暗色模式 - 响应式界面动态支持电脑大屏/手机小屏 - 直接导出为 PDF 文档（下一个版本即将支持！）实际操作步骤如下： 1. 拥有目前的最高等级 AI 智能体的账号，例如 - OpenAI - ChatGPT - Google - Gemini - Anthropic - Claude 2. 打开我分享的 ChatGPT Canvas “Infographic 信息图模版（All in one 单页 HTML）” 页面（链接见回复贴） 3. 如果是 ChatGPT 直接导入（右上角选 Edit with ChatGPT），如果是其他家的 AI 服务，就把网页的源代码拷贝过去 4. 开启编辑预览模式（ChatGPT - Canvas, Gemini - Canvas，Claude - Artifacts） 5. 将你想制作信息卡片的内容复制粘贴给 AI 6. 使用以下提示词： ``` 请基于现在这个网页模版的风格和结构，分析以上提供的文字内容，创作一个信息图 Infographic 静态网页。要求: 1. 先提供修改好的文本形式的结构化数据 2. 基于这个文本形式的结构化数据，把它填充进已有的 html 静态网页中 3. 最小化代码改动（尽量不改动当前页面的 style 风格） ``` 7. 喝杯茶/咖啡，刷刷推，聊聊天，等待大约2分钟左右 8. 开启预览模式，截图或者下载 pdf 文件后分享吧！🎉 欢迎大家分享用这个模版创作出来的信息图，我会逐个点赞点评引用哈~

#信息卡片创作 #AI智能体 #ChatGPT Canvas #Infographic模版 #效率工具

3周前

这张图是我上推以来所见到过的信息密度最大的一张图，没有之一。。。

#信息密度 #推特 #社交媒体 #图片 #网络

1个月前

一个 AI 改变行业领域发展方向的经典案例： three.js 达到了每周250万下载，而且从发展曲线看，还在呈指数加速趋势。（这个库是出了名的难用。。。但是 AI 一出一切皆 vibe，who TMD cares? 🤷‍♂️）

#Three.js #AI #JavaScript库 #指数增长 #难用但受欢迎

1个月前

我愿把这种画面构图风格称之为：二次元单身狗蛋蛋的忧伤

#二次元 #单身狗 #蛋蛋的忧伤 #情感 #画面构图

1个月前

社会的四个图层，与正在渗透的数字幽灵 —— 谈谈 AI 治理将如何重塑人类社会组织结构一屋子传真机与拨号音，这是 1996 年的气味。那一年，兰德公司的资深社会科学家大卫·龙菲特（David Ronfeldt）发表了一篇名为《族群、科层、市场、网络：一个关于社会演化的框架》的论文。他敏锐地捕捉到一个正在萌芽的未来：一种由传真、电子邮件和在线论坛驱动的“网络”（Networks）形态，将成为继“族群”（Tribes）、“科层”（Institutions）和“市场”（Markets）之后的第四股力量，重塑一切。三十年后，我们不再谈论传真机。我们谈论的是一个模型在几秒内重写一段代码，或是一个“数字大脑”在全球同步调整几百万份外卖订单的派送轨迹。龙菲特的论文，像一张分辨率不高的旧地图，却意外地标出了一条我们正在高速驶入的隧道。它值得重读，恰恰因为它诞生于 AI 时代的前夜，它提供了一套不被算法光环迷惑的、更底层的观察工具。因此，理解这场由 AI 驱动的社会重组，最终是为了回答一个问题：我们该如何治理它？龙菲特的核心洞见是：人类社会并非简单地“更新换代”，而是像 Photoshop 的图层一样，一个一个地叠加“组织形态”而成。越是晚近、复杂的社会，越是四种形态的混合体。它们各自为战，又彼此嵌合，共同构成了一套“社会操作系统”。 - T - 族群 (Tribes/Clans)：最古老的图层，以血缘、亲缘或强烈的身份认同为黏合剂。它的核心功能是提供归属感和安全感。从远古的氏族到今天的公司“老男孩网络”、饭圈社群，甚至民族主义，都是这一图层在不同时代的投影。在龙菲特的比喻里，它是人的“社会性皮肤”。 - I - 科层 (Institutions)：金字塔式的权力结构，军队、教会和现代政府是其最典型的样本。它通过清晰的指挥链和官僚体系，解决了大规模、标准化协作的秩序问题。它是支撑社会的“骨骼与肌肉”。 - M - 市场 (Markets)：一个去中心化的、基于价格信号的交易系统。它不依赖中央指令，而是让无数独立的“原子”（个人、企业）通过自由竞争和交换来高效配置资源。它是社会的“心血管循环系统”。 - N - 网络 (Networks)：这是龙菲特在 1996 年看到的“未来”。他观察到，环保、人权等领域的非政府组织（NGOs）正呈现出一种他称为 “SPINs”（分段的、多中心的、理念整合的网络）的形态。它们借助当时新兴的技术，跨越地理和组织边界，进行前所未有的协同行动。它是社会的“感知神经系统”。这个框架最精妙之处在于“接口”（interfaces）理论。龙菲特强调，社会能否健康演化，关键不在于某个图层压倒一切，而在于图层之间能否长出有效的“调节接口”。例如，政府（I）与市场（M）之间的接口，就是反垄断法、税收政策和监管委员会。这些接口既让两者分工合作，又防止一方的逻辑（如权力或资本）无限膨胀，吞噬另一方。现在，让我们把 AI 这个“数字幽灵”放入这个四层模型。它并非只是某个图层的工具，它更像一种强力的溶剂，正在渗透和重构所有图层，并让它们之间的边界变得诡异而模糊。首先，是科层与 AI 的融合，它代表着一个全知机构的诞生。龙菲特曾警示，科层形态的“黑暗面”是僵化的官僚主义与独断的权力腐败。而 AI 并未消除这种风险，反而将其升级为一种全新的、更高效的形态。 2024 年被披露的以色列军方“薰衣草”（Lavender）AI 系统，据报道被用于大规模生成军事打击目标。在这里，AI 扮演的角色，是将科层（军队）的指令执行效率推向极致，但代价是创造了一个巨大的伦理黑箱和问责真空。当决策由算法在几秒内做出，传统的战争法和人类指挥官的道德审查“接口”在哪里？科层的控制力被空前强化，但其内在的非人化风险，也从“官僚的冷漠”升级为了“算法的绝对冷酷”。其次，是市场与 AI 的结合，一个算法驱动的交易场。市场的“黑暗面”，在龙菲特的框架里是无情的剥削与财富的过度集中。 Uber 的动态定价和订单分配算法，则完美展示了 AI 如何将这种剥削精细化到微米级别。它以市场效率为终极目标，但实现手段却是对劳动者（司机）的精微控制。算法掌握着所有信息，它知道何时何地提高价格，如何利用信息不对称让司机接受更低的报酬。这不再是传统市场中“看不见的手”，而是一只“精确计算你每个毛孔利润的算法之手”。传统劳资谈判、工会等制衡市场的“接口”在此近乎失效，因为你无法与一个由全球数万个变量构成的定价模型进行谈判。最后，也是最令人不安的，是族群与 AI 的共振，一个个数字部落的崛起。族群形态的天然风险，是狭隘的裙带关系和排外的“非我族类”心态。 Facebook 的算法在缅甸罗兴亚危机中扮演的角色，已成为一个警世恒言。算法通过精准推送，将煽动仇恨的言论和虚假信息高效地投喂给特定人群，急剧放大了族群间的敌意和隔阂，最终助长了现实世界中的暴力。 AI 在这里并未创造新的仇恨，而是成为了最高效的仇恨放大器。它完美复刻了“族群”的内部凝聚和外部排斥功能，以前所未有的效率制造着数字时代的新部落，也制造着部落间的深刻敌意。龙菲特当年关于身份认同危机的担忧，在 AI 的催化下，以一种惨烈的方式成为了现实。所有这些混乱的根源，都指向一个地方：我们社会操作系统里的“接口”正在被 AI 冲垮。过去，一个消费者对抗一家大公司，可以诉诸法律。一个社群抗议政府的不当政策，可以寻求媒体曝光。这些接口虽然不完美，但它们存在，并且以“人类的速度”在运行。现在，这些接口在“机器速度”面前显得脆弱不堪。一个在加沙的平民如何向“薰衣草”系统申诉自己的清白？一个外卖骑手如何与一个定价模型进行谈判？一个罗兴亚难民又如何让一个硅谷的算法为他家园的毁灭负责？我们正在进入一个“接口”设计严重滞后的时期。当旧的制衡机制（法律、媒体、议会）还在用马车追赶时，AI 介导的权力形态已经开上了 F1 赛车。那么，出路在哪？龙菲特的框架给了一个朴素却关键的提示：关注并重建“接口”。这意味着，我们讨论 AI 治理，不应仅仅停留在颁布几条法律（I 的方式），或者期待市场自律（M 的方式），更要创造性地设计新的、能够跨越图层、兼容不同逻辑的制衡接口。比如，建立由独立研究者、白帽黑客、伦理学家组成的“算法审计网络”（一种新的 N），赋予他们合法权限去“红队测试”大型科技公司的模型（M），并将结果以通俗的方式向公众和监管机构报告（I）。这本身就是一种 I、M、N 三方参与的新接口。又比如，在法律（I）中规定，凡是涉及公民信贷、就业、医疗等重大决策的 AI 系统（M），必须提供一个成本高昂但有效的“人类可干预的慢速通道”。这个通道，就是为那些被算法误判的“边角用户”保留的最后一道人工接口。它会牺牲效率，但它保护了公平。这最终指向一个我们每个人都无法回避的权衡：我们愿意为了多大程度的效率，去交换多大程度的可解释性和可纠错性。这个阈值的设定，没有标准答案，但它决定了我们是成为 AI 的驾驭者，还是被一个我们自己都看不懂的系统所“优化”。龙菲特在 1996 年无法想象我们今天的算力，但他敏锐地捕捉到了组织形态演化的底层节拍：一种形态的成熟，总是在解决上一形态的局限，同时制造出新的、更复杂的问题。AI 看似解决了网络协作的成本问题，却制造出了一个前所未有的“接口危机”。这张三十年前的旧图，最终指向的不是一个答案，而是一个今天的动手试验：下次当你感觉被某个 App “算计”了——无论是猜你喜欢还是价格歧视——试着去找它的客服，并且要求一个人类来解释原因。记录下整个过程需要的时间、跳转的次数，以及你最终得到的、可能是答非所问的答复。在那段充满延迟、徒劳和困惑的体验里，就潜藏着我们这个时代最需要被重新焊铸的那个社会接口。

#AI治理 #社会重塑 #算法伦理 #数字部落 #接口危机

1个月前

言出法随：当想象力拥有了躯壳 —— AI 时代，Imagination is all you use 我一个做 AI 硬件设计的朋友告诉我，现在做产品设计，第一步不是画草图，而是喂给 AI 一段简报。一个下午，系统能吐出数百个概念渲染图，从造型到材质，几乎囊括所有已知风格。但他们真正的瓶颈，不是挑选，而是没有人能说出，那个独一无二的“为什么”或者“应该是什么样”。 Taste（品味）让我们知道如何从海量生成物里，挑出那个最有质感、最恰到好处的版本。 Purpose（目的）则像一枚指南针，在你动笔前就确定了方向。但当智能无限，我们发现自己还缺一个身份：咒语的缔造者。在 AI 时代，所有执行都将趋近于零耗费，而真正稀缺的，则是那些能用言语启动一个新世界的“言灵”——言出法随的想象力。这不再是一个“做出来”的时代，而是“说出来”的时代。过去的创作，从灵感到草图，再到成品，每一步都是一次次的能量消耗。现在，这个消耗被压低到只剩电费。但问题也随之浮现：你想象力里的那个念头，那个既抽象又私人的画面，如何才能被 AI 精确捕捉？ AI 是一个强大的具象化引擎，它能把言语转化为图像、声音和代码。它把想象力这个原本没有实体的东西，赋予了血肉。但整个过程的起点，那句“咒语”，必须由人类来提供。而这句咒语，并非简单地描述“要什么”，而是去定义“一个尚不存在的世界”。例如，你可以让 AI 生成一个“天空之城”。 AI 会怎么做？它会从宫崎骏、游戏《生化奇兵》或所有它训练过的素材中，提炼出所有天空之城的特征，然后给你一个完美的、但早已被构思过的版本。这只是对已有世界的重组。真正有想象力的言灵，是这样的：我想要一座城市，那里的建筑不是由砖石构成，而是由被凝固的声波建成。或者：为我设计一间屋子，它没有墙壁，但能让人感到绝对的安全。这些指令，是在挑战 AI 训练集里所有已知的物理和情感逻辑。AI 无法直接从数据中找到“声波建筑”或“无墙的安全感”的具象案例，它只能从你所提供的概念出发，通过对光影、材质、空间感的重组，去尝试捕捉你的意图。这个过程，就像是让一个没有灵魂的雕刻师，去根据你对“灵魂”的描述，雕刻出它的模样。这也是为什么 AI 的输出经常带着一种微妙的“不舒服”。它完美地执行了指令，却遗漏了那个藏在指令背后的、独属于你的微观情感。想象力，不仅是创造出不存在之物，更是在给它加入那个“不完美”的灵魂。想像一下：让一个 AI 绘图工具，生成一幅名为“寂静”的画。但要求它“在寂静中必须有声音，而且不能是任何已知的声音”。它可能会给你一张雪地或深夜的图。但你心里的那个声音，可能是雪落下的微响，也可能是午夜时分远方灯塔的嗡鸣。而这正是你的想象力在发挥作用：你不是在被动筛选，而是在主动校准 AI 的“世界观”，让它的输出越来越接近你脑海中那个独一无二的宇宙。 AI 时代的想象力，其价值不是“从零到一”，而是“从无到有”。它不是让你创造一个完全没有前例的东西，而是让你能通过一句话，几个词，将你脑海中那个私人宇宙的结构，投影到现实世界里。它不再是你独自的脑力激荡。想像力成为了你的言灵，你的咒语，你的无限杠杆。而你唯一需要做的，就是想像出那句正确的、能打开新世界的密语。你端坐在电脑前，光标还在屏幕上闪烁，它不再是画布，而是新世界的入口。而你，就是那个新世界的立法立言者。当言语不再是描述，而是创造本身，你所定义的想像，就是你的未来。

#AI #想象力 #言灵 #创造 #未来

1个月前

啊……3,000 Followers 了。。。✌️

#社交媒体 #粉丝 #庆祝 #里程碑 #积极

1个月前

第一个完全由 AI 引入创造的全新职业诞生了。。。🐶

#AI #新职业 #积极

1个月前

gpt-5 的本体。。。

OpenAI GPT-5发布引发用户不满，阿尔特曼回应质疑· 80 条信息

#GPT-5 #AI模型 #技术前沿

1个月前

应用已死，提示词万岁就在今天，2025 年 8 月 7 日，OpenAI 即将揭晓其 GPT-5 的面纱。当整个科技界都在屏息以待参数与性能的飞跃时，一个更根本的问题却被喧嚣所掩盖。我们每天稳定交互的手机应用，不足 10 个，但在数字坟场里，却沉睡着超过 500 万个僵尸程序。 GPT-5 和它的同类们带来的，不是对这个问题的修补，而是彻底的颠覆。它们在暗示，我们或许不再需要“应用”了。交互即应用。一个更准确的说法是，通过“提示词”的直观交互正在吞噬我们所熟知的那个“应用”。这不是又一场关于“小程序”或“超级应用”的陈旧辩论。那套逻辑依旧是在一个固定的壳里，做功能的加减法。而我们正在谈论的，是一种更彻底的瓦解：当用户的一个念头、一句指令，可以直接生成一个仅为此次交互而生的、用完即焚的临时界面与功能流时，我们不再需要那个预先下载、固化在屏幕上的图标了。它不是被谋杀的。是自杀。长久以来，我们默认了一条产品开发的朝圣之路：市场调研、产品定义、UI/UX 设计、前后端开发、测试、上架、迭代……每一个环节都沉重而昂贵，也固化了一套我们与数字世界打交道的神圣仪式。让我们用一个具体的念头来触碰这个未来： “帮我规划一个周末去苏格兰高地的三天自驾游，要避开游客密集区，预算 200 英镑，并且把每天的路线、住宿建议和打包清单发给我妻子。” 在旧世界，你需要打开地图应用、预订网站、点评APP、笔记软件，可能还要在社交媒体上问朋友，最后在微信或 WhatsApp 里手动整理、发送。你像一个数字世界的原始人，在不同的信息孤岛间艰难地迁徙、狩猎、采集。而在“交互即应用”的图景里，你的这段话就是那个“应用”本身。AI 代理（Agent）会像一个顶级私人助理，在后台自行调用地图 API、天气数据、酒店接口、交通信息，然后为你生成一个一次性的、高度个人化的信息聚合页面。这个页面，就是专为你这个“周末计划”而生的临时应用。任务完成，它便消失。要理解这种嬗变在专业领域的威力，Anthropic 对 Claude Artifacts 的一次演示，比任何宣言都更具说服力。在那个演示中，开发者输入一个简单的提示词，要求创建一个小游戏。Claude 不仅瞬间生成了代码，更关键的是，它在界面一侧同步渲染出一个功能齐全、可直接操作的“应用窗格”。开发者可以一边与这个临时生成的小游戏互动，一边用自然语言继续对它提出修改意见。应用，在这里成了一种流体。它在对话中被塑造、被重构，完全服务于当下的意图。它不是产品，它是一次交互的回响。这才是“交互即应用”的真正威力：它消解的不仅是 App 的外壳，更是完成任务的“过程”本身。但这种“应用的液化”，也正在无声地重构权力与风险的版图。当交互的入口，从一个个壁垒分明的 App，收束到少数几个强大的 AI 代理上时，市场的天平就发生了根本性的倾斜。未来，开发者竞争的或许不再是应用商店的排名，而是谁的 API 能被 AI 代理更频繁、更优先地调用。这是一种从 to C 到 to AI 的范式转移。与此同时，一个更切肤的风险在于，当“意图”可以直接转化为“执行”时，其中的模糊地带就成了新的攻击界面。一个心怀不轨的提示词，完全可以伪装成无害的请求。在传统的应用世界里，邮件App 和支付App 之间有着严格的权限沙盒。而在一个万物互联、API 皆可调用的 AI 代理面前，这堵墙正在变得千疮百孔。当然，就此断言所有应用都将消亡，是一种技术上的傲慢。反对的声音会说，我们高估了效率，却低估了习惯与情感的引力——对一个精心设计的应用图标的依赖、对一套熟悉交互逻辑的品牌忠诚，不会轻易消失。这不无道理。但我怀疑，这或许只属于我们这一代数字移民的怀旧。对于那些在提示词环境中长大的数字原住民而言，“忠于”一个 App，或许就像我们今天看待“忠于”一个浏览器主页一样，显得古怪而不必要。一个更坚实的壁垒，在于信任与风险的边界。银行、医疗或工业控制这类严肃领域，其核心价值是可控、可靠与可追溯，而非即时便利。它们绝不会将自己的命运交给一个面目模糊的通用AI。毕竟，一个通用 AI 或许能帮你预订餐厅，但你大概不会想用它来操作一台核磁共振仪。专业化与通用化之间的张力，依然存在。但对于那 90% 的、处理日常信息与服务的应用而言，它们的城墙正在倒塌。新发布的 GPT-5，以及它所有的竞争者，就像是盘旋在城外的巨兽，它们要改写的不是一城一地的得失，而是整片大陆的法则。应用死了。继承大位的，是提示词。它把权杖交给了那个能直接与你对话的“上帝之手”，也催生了我们这些习惯了即时满足、用完即走的信徒。这看似是技术的胜利，背后却是人性的博弈——对掌控的渴望与对繁琐的厌倦，两者永恒的拉扯。而你的下一个念头，也会不经他人之手，直接幻化成可交互的现实。乌拉！

#GPT-5 #提示词 #交互即应用 #AI代理 #应用消亡

2个月前

出来混 AI 的，帐总还是要还的 —— 谈谈 Vibe Coding 的技术债一名初级工程师，项目交付期限迫在眉睫。他面前的屏幕上，GitHub Copilot 如同神谕般，一行行灰色代码自行浮现、补全。几个小时后，功能奇迹般地跑通了。团队沉浸在“敏捷”的胜利中，几乎没人深究那些由 AI 私语构成的逻辑——直到后来，有人翻开斯坦福大学与顶尖网络安全公司联合发布的研究，看到一行冰冷的数字：由 AI 辅助生成的代码，引入安全漏洞的概率，比人类开发者手写的要高出约40%。这只是冰山一角。一种更深层次的范式转移，正在另一个场景中悄然上演。我指的是以 Claude 或 ChatGPT 为代表的对话式 AI。在那里，开发者不再只是接受零星的代码建议，而是将一整块模糊的需求、一个棘手的问题，甚至只是一种“我想要个什么”的感觉，完全抛给 AI。AI 则像一位无所不知的建筑师，直接返回一整套设计蓝图和实现代码。这种工作模式，业界称之为“随性编程”（Vibe Coding）。它的核心驱动力，是一种名为“氛围感”（Vibe）的心理诱惑。它无关严谨的工程纪律，只关乎一种“俺寻思这样也没差啥”的顺滑直觉。AI 大模型，正是这种直觉的最佳催化剂。它把晦涩的实现细节打包成一个黑箱，直接递给你一个看似能用的答案。你像一个经验丰富的老手那样感觉到了解决方案，却跳过了成为老手所必须经历的、在无数次失败和调试中积累的思维磨砺。如果说 GitHub Copilot 的低语还只是在诱导你随性地写下某一行，那么 Claude Code 的对白则是在鼓励你随性地构建整个系统。前者让你外包了打字，后者让你外包了思考。这是一种智力上的借贷，利率高昂。我记得一个朋友的团队，他们接手了一个创业公司早期的核心项目。创始人是个典型的效率信徒，他和他最初的几个伙伴，借助对话式 AI，在几个月内就搭起了整个商业模式的骨架。项目能跑，数据也好看。但当我的朋友团队试图添加一个新功能，或者修复一个隐藏很深的 bug 时，灾难降临了。代码的耦合度高得吓人，像一团被雨水浸泡过的毛线。许多函数的命名看似合理，内部实现却充满了天外飞仙般的逻辑跳跃。没人能解释清楚某一段关键算法为何要那样写，唯一的线索是版本控制记录里的一句：架构经 Claude Code 重构，“效率提升”。原初的开发者早已离职，他们带走了对 AI 提示的通灵记忆，却留下了一份无法被后人理解的天书。那感觉，不像在维护代码，更像在做知识的考古。这正是随性编程最危险的技术债：它不只是代码层面的债，更是“认知层面的债”（Epistemological Debt）。传统的坏代码，我们称之为屎山，虽然棘手，但有经验的工程师尚能分析其构成。而 AI 生成的、未经充分理解和重构的代码，就升级为一座“魔法屎山”——它能运行，但你不知道它的地基是什么，不知道山体里埋的是龙脉还是龙遗。从风险管理的角度看，这正在重塑团队的知识结构。过去，我们依赖 T 型人才，资深工程师的那一竖代表着对系统底层深刻的洞察力。而现在，市场对速度的畸形崇拜，正在催生大量横线人才——他们借助 AI 能快速拉通业务，处理各种 API，但对水面之下的冰山一无所知。当风暴来临时，这样的团队结构是极其脆弱的。或许有人会反驳：工具无罪，是人使用不当。这话没错，但它忽略了商业环境的巨大引力。当你的竞争对手用 AI 将开发周期从三个月压缩到三周时，你的老板很难有耐心听你解释第一性原理和长期主义的重要性。市场的压力，会逼迫所有人饮鸩止渴。一个值得关注的动向，是类似 SafeCoder 这样的在研项目。它们尝试在 AI 生成代码时，就进行实时的安全扫描和合规性检查，试图在源头消毒。这是一种技术上的努力，值得肯定。但它能解决认知黑箱的问题吗？恐怕不能。它更像是在给一个你根本不认识的厨师递上来的菜肴做毒物检测——你能确保这次无毒，但你永远不知道他的烹饪理念是什么，下次他会不会因为对鲜味的独特理解而加入什么新奇的东西。我们追求的速度，正在抵押我们理解系统的能力。这种由 AI 喂养的代码直觉，让我们沉浸在氛围感中，误以为自己掌握了魔法，其实只是在随性地预付一张未来的账单。而这张账单的利息，是以我们对系统的失控为代价缓慢滚动的。下一次，当 AI 口吐莲花呈现出整个方案时，你有能力和信心，去追问出冰山下面的“为什么”和“如何做”吗？

#AI技术债 #随性编程风险 #认知黑箱 #代码失控 #AI辅助安全漏洞

2个月前

精校翻译版本：个人超级智能近几个月来，我们已初步见证了人工智能系统的自我完善。尽管目前的改进尚显缓慢，但其趋势已毋庸置疑。超级智能的时代，已近在眼前。未来几年，人工智能无疑将优化我们现有的全部系统，并催生今日我们无法想象的创造与发现。然而，我们将引导超级智能走向何方，这仍是一个开放性问题。从某些方面看，人类将迈入一个崭新的纪元；但从另一些方面看，这不过是历史潮流的延续。回溯200年前，九成的人类还是为求生存而耕作的农民。技术的进步，使人类得以从生存的重负中持续解放，转而追求我们真正向往的事业。在每一个阶段，我们都利用新获得的生产力去成就过往的“不可能”——既探索着科学与健康的疆界，也沉浸于创造、文化与情感的体验，尽享生命的美好。我对此满怀信心：超级智能必将加速人类文明的进程。但或许更重要的是，它有望开启一个个人赋权的全新时代——在那个时代，每个人都将拥有更大的自主权，去塑造自己理想中的世界。尽管人工智能所创造的物质丰盛可能超乎想象，但对我们生活更具深远意义的，或许是每个人都将拥有一个个人超级智能。它将助你实现宏图远志，创造理想世界，体验万千奇遇，维系挚友深情，并最终成长为自己所期许的模样。 Meta的愿景，正是将个人超级智能赋予每一个人。我们坚信，应将此力量交予民众之手，由他们来决定如何运用，以实现自己生命中的价值。这一愿景，与业内其他观点截然不同。后者认为，超级智能应被集中管理，用于自动化一切有价值的工作，而人类仅靠其产出的“施舍”维生。但在Meta，我们坚信，人类的进步——无论是繁荣、科学，还是健康与文化——向来源于个体对志向的追求。这一点，在未来将愈发重要。技术与人类生活方式的交汇，是Meta的核心焦点，其重要性在未来只会有增无减。若趋势延续，人们花在生产力工具上的时间将减少，而在创造与连接上的时间将增多。一个能深刻洞察我们、理解我们目标并助我们实现的个人超级智能，将是最强大的工具。而如智能眼镜一般的个人设备，因能见我所见、闻我所闻并与我们全天候互动，将成为我们首要的计算平台。我们相信，超级智能的红利应尽可能广泛地与世界共享。诚然，它也会带来前所未有的安全挑战。我们必须严谨地评估并消弭这些风险，并审慎地决定开源的内容。但我们依然相信，建设一个自由的社会，其前提便是最大限度地赋能于人。未来十年，很可能就是决定这项技术最终走向的关键时期：它究竟是会成为个人赋权的利器，还是一股旨在大规模取代人类社会角色的力量。 Meta抱有坚定的信念：我们要构建的，是赋能每一个人的个人超级智能。我们拥有构建此等宏大基础设施所需的资源与专识，也拥有将新技术通过我们产品交付给数十亿用户的能力与决心。我无比期待，并会倾注Meta的全副心力，来构筑这一未来。 – 马克 2025年7月30日

澎湃AI新闻合辑：未来科技与社会热点交锋· 84 条信息

#个人超级智能 #人工智能赋权 #Meta愿景 #技术与生活 #马克

2个月前

《墓碑与河流》很久以前，河水，是装在石头里的。我们把那些石头叫做“钱”。它们很沉，有漂亮的纹路，握在手里，有一种坚实的、永恒不变的感觉。我们用小块的石头，换取面包。用大块的石头，建造房屋。我们相信石头。因为石头，不会说谎。然后，河水，开始自己流动了。我记不清那是什么时候。没有人在意。起初，那条新的“河”非常细小，只在一些我们看不见的地方，像一条害羞的银色小蛇，悄悄地流淌。那时，来过一个“摆渡人”。他没有船。他只是站在旧的、干涸的河床边，对所有的人说，他愿意用一张“网”，来换取我们手中最重、最美的那块石头。那是一张用光线织成的、几乎没有重量的网。我们都嘲笑他。用坚固的、永恒的石头，去换一张虚无的、一碰就破的网？只有傻瓜才会这么做。我记得，我当时紧紧地攥着我那块最漂亮的、刻着一位古代总统头像的石头，生怕被那个疯子骗了去。我看着他，摇了摇头。他没有坚持。他只是对我笑了笑，然后走向了下一个人。 …… 现在，所有的人，都生活在河边。那条新的“河”，如今已是滔天巨浪。但它很温柔。你从来看不到它的波涛，你只能感觉到它的“流”。它无声地流过我们的城市，我们的房屋，我们的身体。那些当初用石头换了“网”的傻瓜们，成了第一批“渔夫”。他们把网撒进河里。他们捞上来的，不是鱼。有时候，是一段音乐。有时候，是一首诗。有时候，是一捧能让作物在一天内成熟的、发光的土壤。他们从不储存，他们只是，需要的时候，就去河里捞一点。而我们，这些紧握着石头的人，我们被留在了岸上。河水，流到我们身边时，会自动分开。它仿佛很不喜欢石头的“重量”。它绕开我们，继续向前。于是，我们脚下的土地，开始干涸。我的房子，墙壁上出现了像龟裂土地一样的缝隙。我水龙头里流出的水，带着一股铁锈的味道。我种下的植物，叶子总是焦黄的，仿佛被一种看不见的火焰，燎去了所有的生命力。我开始变得……“干燥”。我的皮肤，像一张被揉搓过的旧羊皮纸。我的邻居们，那些同样抱着石头不放的人，也都是这样。我们像一群被遗忘的、正在风干的标本。我们不敢离河太近。因为，每当“渔夫”们从河里捞起他们的“收获”时，他们身上那种被河水浸润的、鲜活的气息，会让我们感到一种针扎般的、被灼伤的疼痛。昨天，一个“渔夫”的小孩，走到了我的门前。他很年幼，手里也提着一张小小的、用晨光织成的网。他看见了我，和他脚下干裂的土地。然后，他看见了我怀里，那块被我擦拭得锃亮、我最后的石头。他没有怜悯，也没有厌恶。他的眼神，像河水一样清澈。他只是好奇地问：“您的石头，真漂亮。” 然后，他歪了歪头。 “可是，它不会让你觉得……渴吗？” 那一刻，我所有的防线都崩溃了。我发疯一样地冲出我那正在腐朽的屋子，冲向那条我既渴望又恐惧的“河”。我抱着我那块沉重的、坚实的、我曾以为是整个世界重量的石头，用尽最后一丝力气，将它狠狠地扔进了河里。我以为，这是一种献祭。一种迟来的、卑微的交换。但是，没有。河水，在石头落下的那个点上，像被烙铁烫到一样，瞬间，向两边分开，形成了一个完美的、空洞的圆形。我的石头，没有沉入水底。它就那么悬浮在那个空洞里，被整个世界的“流”，无声地、永恒地排斥着。它永远也无法，再融入那条河了。我站在岸边，看着那块石头，和我自己。我终于明白了。那个“摆退人”给我们的选择，从来都不是“石头”或者“网”。而是，“过去”，还是“未来”。而我，选择了抱着一块沉甸甸的、美丽的、永恒的……墓碑。

#河流 #石头 #货币 #变化 #信任

3个月前

以后这些最顶级的 AI researcher 们会不会也有俱乐部/签约/转会制度了。。。🐶

#AI浪潮：重塑就业，风险暗涌？· 107 条信息

3个月前

向 AI 提问的放大效应 ——为什么有人被放大无知，有人却被放大创造力在旧金山的地铁里，两个年轻人同时掏出手机向同一个 LLM 询问：左边的高中生要写莎士比亚读后感，右边的量子信息博士要设计一台新型误差校正芯片。十分钟后，高中生收获了一篇文绉绉却东拼西凑、连引用都编错的作文草稿；博士则生成了一套能把实验周期缩短一半的方案草图。这就是用肉眼可见的「放大效应」：AI 像镜子又像扩音器，照出你的底色，然后把它放到最大。为什么同一条提示链对不同人产生的结果截然相反？答案在于输入里隐藏的「暗知识」。底子厚的人，在提问前已经完成了大半验证；底子薄的人，却指望机器替他思考并校对。于是，当模型输出似是而非的段落，高中生欣然照单全收；博士却能立刻嗅到漏洞，迭代追问，直至挖出对自己真正有价值的信息。关键不在提示词的句式，而在提问者有没有能力判断答案的含金量。不少人把希望寄托在「万能提示模板」。现实更像 Photoshop 的滤镜：模板让门槛短暂下降，但同时抹平了特色。你可以瞬间得到一张「看得过去」的照片，却很难做出 Sebastião Salgado 的深刻黑白。把大模型当滤镜用的人，最终只能生产可替代的内容；把它当暗房工具的人，才有机会冲洗出前所未见的影像。有趣的是，这种放大机制也会惩罚半桶水的自负。去年一位财经博主在平台上炫耀用 LLM 五分钟写完宏观分析，结果读者发现数据年份对不上，逻辑跳步如同折叠椅，一夜之间粉丝蒸发。AI 放大的不仅是能力，还有漏洞。正如显微镜会让真菌暴露无遗，大模型会让思维裂缝瞬间张开。反过来，深度背景者获得的并非简单效率提升，而是认知杠杆。NASA 的工程师用 GPT‑4o 给火星车路径规划生成初版方案，再用自研算法验证可行性，把平均迭代时间从两周压到三天。关键步骤从写代码变成提出假设与约束，让 AI 在边界条件里疯狂试错。这不是偷懒，而是把人类的注意力转移到价值更高的层级。有人担心「放大无知」会加剧信息贫富差距。我更倾向把它视作催熟剂：它迫使每个人提前兑现自己的认知债务。没有基础的人，一问就露馅；有基础的人，则像借来千倍计算力，思想实验的半径瞬间扩大。一台蒸汽机不会因为工人水平参差而停转，它只揭示谁真懂机械动力，谁连扳手都拿不稳。所以问题不在于「要不要学提示词」，而在于我们是否准备好升级自己的验证链条。把 AI 当黑箱神谕的人，会被谕令反噬；把 AI 当辩论对手和原型工厂的人，才能把被放大的噪声压缩成信号。未来的竞争可能不再是「谁写得出 prompt」，而是「谁能更快识别哪一行输出无需再读」。要做到这一点，得回到最古老的技能：批判性思维与学科框架——这是任何时代都不会过时的底层资产。放大效应既是警告也是邀请。它告诉我们：你的知识基础、好奇心和审美，都会被 AI 高亮强调，甚至无情曝光。下一次当你举起手机，对着模型发问，请先低头看看自己手里的问题：它是经得起放大的火种，还是会自燃殆尽的干草？

3个月前

文章标题：God is hungry for Context: First thoughts on o3 pro 1. 背景 2025 年 6 月 10 日，OpenAI 将 o3 系列降价 80% 并推出 o3-pro。作者 Ben Hylak 获得一周内测权限后撰文分享初体验。 2. “上帝饿了”类比作者用“上帝渴望上下文”形容新一代推理模型：只有饱餐丰富且结构化的背景，它才会发挥真正威力。 3. 两种模型定位当今 LLM 可分日常型（3.5 Sonnet、4o）与深度推理型（o3-pro、Claude Opus）：前者陪聊与轻量任务，后者一次性解决复杂问题但速度慢、成本高。 4. 正确用法心路作者曾对 o1 失望，后悟出“把它当报告生成器”：提供上下文→设定目标→一次生成结果。同思路下，o3-pro 更敏锐，但更依赖大量上下文。 5. 实测示例作者与合伙人将公司全部策略会纪要、目标与语音备忘录喂给 o3-pro，请它制定未来规划，输出的细节足以重排公司优先级。 6. 工具调用能力 o3-pro 在“知道自己有哪些工具、何时提问人类、何时检索外部信息”上显著进步，体现了 OpenAI 的“垂直 RL”：不只教模型怎么用工具，还教它何时用哪种工具。 7. 不足与局限上下文不足时，o3-pro 容易过度分析；直接执行（如写 ClickHouse SQL）偶尔不如基础 o3。它更像编排者而非纯执行者。 8. 与竞品对比作者认为 o3-pro 输出“换了维度”，在回答深度与贴合度上全面超越 Claude Opus 与 Gemini 2.5 Pro；优势在于“模型-工具-策略”三位一体，而非规模。 9. Prompt 与 Harness 启示成功关键仍是上下文与系统提示。优秀产品靠“缰绳”（模型＋工具＋记忆＋其他策略）把模型能力对齐，而非仅靠模型本身。 10. 一句话总结 o3-pro ＝更深层推理能力 × 更清醒的工具选择 × 更依赖大量高质量上下文；真正护城河正从“谁家参数多”转向“谁能给模型最合适的上下文与工具链”。

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 522 条信息

#O3-Pro #OpenAI #人工智能 #语言模型 #科技新闻

4个月前

提示词的一点小改进，让它能通过提供的额外网页链接来调整约束这个单词（其实已经是 branding 了）的可视化方向：请参考提供的链接，在字母中融入单词的含义，将图形和字母巧妙融合在一起。下面加上单词的简要说明。单词：Brand 含义参考地址：dji[.]com

#Brand #VI设计 #标识设计 #无人机