Tz

统计数据

30

文章

0

粉丝

0

获赞

212

阅读

3天前

玩了一个花的， gpt-5.1 的指令遵循能力有点强得变态了… 你下面的回答，只能用符合圆周率 3.141592653589 的英文字母数单词数组成的句子+中文翻译来回答，格式是英文中文它答： Now I obey a digit sequences of strict words for every requests precisely. 现在起，我会遵守圆周率数字序列…

#GPT-5.1 #指令遵循 #人工智能 #语言模型 #中文

3天前

试了一下效果…… 问：用曹雪芹的口吻向我解释一下，天空为什么是蓝色的 ChatGPT 5.1 Instant 的回答：天地间光焰本无定色，日轮灿然，自天际洒下万丈素辉。然此素辉并非一味清白，其中红橙黄绿青蓝紫，杂而成束，如脂粉匣中珠玉，光采自别。及至落入高空清气之中，被那千万微尘水汽细细筛过……

#曹雪芹 #ChatGPT #天空蓝色 #文学创作 #人工智能

1周前

当神的铠甲太重，已经勒进肉里 —— "神"开始流血了 2025年11月6日，Sam Altman 发了一篇1200字的声明。语气很诚恳。姿态很低。但你能感觉到，他在出汗。同一周，北京的月之暗面团队发布了 Kimi K2。训练成本：460万美元。在 SWE-Bench Verified 这个专业代码生成测试上，它跑出了71.3%的成绩——超过了 GPT-5。 OpenAI 的 CFO 前一天刚说"可能需要政府融资支持"。第二天就改口。这不是巧合。这是流血的声音。 //什么是"神"// 神不是某个人，是一套信念。这套信念说：只有闭源、重资本、天价算力，才能训练出最强的模型。它的代言人是 OpenAI，是 Sam Altman，是那份横跨8年、总额1.4万亿美元的基础设施承诺清单。 1.4万亿是个什么概念？相当于整个非洲大陆2023年的 GDP。相当于可以建造140个三峡大坝。相当于给全球每个人发200美元。这笔钱，OpenAI 准备用来建数据中心、买芯片、铺光纤。他们说服了 Broadcom、Oracle、Microsoft、Nvidia。差点说服了政府。但现在，DeepSeek 用560万美元训练出了 R1。 Kimi K2 用460万美元，跑通了1T参数的 MoE 架构。这两个数字，一个是1.4万亿，一个是460万。差了多少倍？ 30万倍。 //为什么流血// 想象一下这个画面： OpenAI 每年烧掉数千亿美元，像一台巨型蒸汽机，轰隆作响，吞吐着电力和芯片。而月之暗面的团队在北京的办公室里，用384个"专家"（这是 MoE 架构里的技术术语，可以理解为384个小型专业模型）、32B激活参数，在15.5万亿 token 的训练过程中实现了零损失尖峰。什么叫零损失尖峰？简单说，就是训练过程全程稳定，不需要重启，不需要人工干预，不需要"救火"。在 SWE-Bench 这样的专业代码生成任务上，Kimi K2 逼近了 GPT-5 的水平。在推理场景中，它打败了 Claude Opus 4 的部分能力。更要命的是，这些模型开源。任何人都可以下载权重，部署在自己的服务器上。跑100万 token 只需要0.15美元输入、2.5美元输出。OpenAI 的 API 定价？十倍以上。 Sam Altman 在声明里花了三段篇幅解释"我们不需要政府担保"，又花了两段解释"我们的收入增长计划"。他说，OpenAI 今年年化收入约200亿美元，预计2030年要涨到数千亿。这套叙事建立在一个假设上：闭源模型的性能壁垒能维持足够长的时间，让用户愿意为高昂的 API 付费。但中国实验室正在粉碎这个假设。如果 Kimi K2 用不到500万美元的单次训练成本，就能达到与 GPT-5 相近甚至部分超越的表现，那1.4万亿美元的基础设施蓝图到底在买什么？是买保险吗？是买垄断吗？还是买一套已经过时的军备竞赛规则？ //伤口在哪里// 伤口不在技术上。 OpenAI 依然有 GPT-5 Pro，依然有企业客户，依然有品牌优势。但伤口在"必要性"上。举个例子。 OpenAI 会说，那20%的差距是关键——是在极端边缘案例下的稳定性，是企业级的安全保障，是能让 AI 做出科学突破的最后一跃。但问题是，当 All-In 播客的主持人 Chamath Palihapitiya 公开说"我们已经将大量工作负载转移到 Kimi K2，因为它性能更好且便宜太多"时，这个20%的叙事就开始失效了。因为大部分用户不需要那最后20%。他们需要的是"足够好"+"便宜10倍"。这就像你去买车。一辆车从0加速到100公里需要3.5秒，另一辆需要4.2秒。但前者要100万，后者只要10万。大部分人会选哪个？ DeepSeek 和 Kimi K2 证明了什么它们证明了一件事：当你用正确的架构设计（MoE + MLA）、正确的优化器（MuonClip 替代 AdamW）、正确的数据 pipeline（智能体模拟场景），1T参数的模型可以在15.5万亿 token 的训练过程中全程稳定。不需要重启。不需要人工干预。不需要"战略国家算力储备"。这不是技术追赶。这是路线证伪。就像当年苹果证明了"智能手机不需要键盘"，特斯拉证明了"电动车不需要妥协性能"，SpaceX 证明了"火箭可以回收"。现在，DeepSeek 和 Kimi K2 证明了：训练顶级 AI 模型，不需要1.4万亿美元。 //之后会发生什么// 神不会死。 OpenAI 还有现金流，还有 ChatGPT 的用户基数，还有企业版订阅。但神会缩小。 1.4万亿美元的承诺会被重新谈判。部分数据中心项目会推迟或取消。投资人会开始问"为什么不用开源模型做底座"。政府会发现，建设"国家 AI 基础设施"其实可以部署 Kimi K2，而不是向 OpenAI 购买算力配额。更重要的是，开发者会用脚投票。当 Hugging Face 上 Kimi K2 的下载量接近10万、GitHub 星标5.6K、Perplexity 的 CEO 公开说要基于 Kimi K2 做后训练时，这场游戏的规则已经变了。 Sam Altman 说"我们相信市场会处理失败"。但他没说的是：市场正在处理的，不是某家公司的失败，而是某种路径的失败。那种认为"只有砸更多钱才能做出更好模型"的路径。那种认为"闭源才能保持领先"的路径。那种认为"政府应该为私营数据中心提供低成本资本"的路径。神会继续存在。但祂的铠甲会被卸下一些。那些用1.4万亿美元堆起来的、刻着"AGI 需要无限算力"的护板，会被一片片敲掉。留下的可能是一个更轻盈的 OpenAI——依然强大，但不再垄断叙事。或者，留下的只是一个教训：当你把赌注压到"我们是唯一能做到这件事的人"上时，最危险的对手不是那些追赶你的人，而是那些证明"其实不需要这么多钱"的人。 Kimi K2 的团队没有试图打败 OpenAI。他们只是在北京的办公室里，用460万美元，证明了一件事：有些伤口，不是被对手砍出来的。是自己的铠甲太重，开始勒进肉里。

OpenAI GPT-5发布引发用户不满，阿尔特曼回应质疑· 142 条信息

#kimi k2 #OpenAI #低成本AI #开源模型 #路线证伪

1周前

我之前还坚信 AI 会大幅减少专家与普通人的差距，但看完这个视频我开始怀疑我自己这个观点了... AI 似乎更该视作是一个能力增幅器，初始能力越强（aka 专家），那 AI 加持以后的能力增幅也就越大... 而且这个增幅都不是线性的，是指数级增加的... 这让普通人可咋活...

#AI浪潮：重塑就业，风险暗涌？· 123 条信息

#AI能力增幅 #专家优势 #指数级增长 #普通人困境 #技术差距

1周前

这张 Nvidia / OpenAI 的产业链/投融资/服务关系图就解释得非常清晰了。。。

OpenAI与微软关系紧张，或将发起反垄断投诉· 29 条信息

#NVIDIA #OpenAI #产业链 #投融资 #服务关系

1周前

翻译： OpenAI 现在已经： 1. 签署了5000亿美元的“星际之门”（Stargate）协议 2. 签署了1000亿美元的Nvidia（英伟达）协议 3. 签署了1000亿美元的AMD协议 4. 签署了380亿美元的Amazon（亚马逊）协议 5. 签署了250亿美元的Intel（英特尔）协议 6. 签署了200亿美元的TSMC（台积电）协议 7. 签署了130亿美元的Microsoft（微软）协议 8. 签署了100亿美元的Oracle（甲骨文）协议 9. 签署了“数十亿美元”的Broadcom（博通）协议 10. 推出了浏览器以与Chrome竞争 11. 成为全球最具价值的私营公司 12. 考虑在2027年前进行1万亿美元的IPO 我们正处在一场世代级的技术革命之中。

#OpenAI #星际之门协议 #NVIDIA #技术革命 #IPO

3周前

让特斯拉电车续航能力超过 3000 英里的终级解决方案。。。

#特斯拉 #电动车 #续航 #3000英里 #技术

3周前

说一下我这个翻译思路和传统意义上的提示词翻译思路（不管是宝玉的还是李继刚的）的本质区别：身份反转，把翻译的主导权交还给 AI，承认在翻译这个垂直专业领域，AI 就是比我更加权威的专家。我并不是在向 AI 提供翻译的主导意见，去告诉它怎么翻，用什么风格、语气来做这项具体任务，而是身份反转，通过为它提供足够的上下文 context 语境，让它自主判断在这样一个语境下怎样的内容输出（也就是翻译结果）是最佳匹配结果。实际的具体操作方法就是以下两步： 1. 让 AI 对需要翻译的文章进行整体评估和分析，以得到这篇待翻译文章的哪些内容是重点，哪些是值得关注的信息，并且把这些分析讨论结果都并入到上下文窗口中。 2. 为 AI 再提供一个额外的上下文情景，让它知晓我这篇文章的受众群体是哪些，并在这个基础上向 AI 追问，让它结合已经获得上下文内容，思考并分析如何进行翻译才能获得最佳的受众感知，并且再一次把分析讨论结果并入到上下文窗口中。有了以上充分表达且高关联度高价值的上下文窗口填充内容后，再去要求 AI 进行正式的翻译，这时它再做的翻译就不再是泛化的通用型翻译，而是专门对这篇文章有针对性有指导性的专属翻译了。它其实是实现了真正意义上的千文千面，根据文章本身的属性和受众有针对性的进行翻译，不再拘泥于提示词本身的约束和要求，避免了因为提示词导致的表达偏差/风格僵化问题。 ------ 下面是我已经思考了有一段时间的想法，也算是一种预言吧：这种在某一个特定垂直专业领域的身份反转，即人们不再是向 AI 提供具体操作指导，而是通过提供有效关联上下文 context 情景的方式让 AI 自主判断应该进行怎样的智能输出/操作，会在越来越多的各式各样的垂直专业领域反复、频繁地出现。它每出现一次，就是对这样一个特定垂直专业领域的降维打击 / AlphaGO 时刻。

#AI翻译 #身份反转 #上下文情境 #垂直领域 #智能化

1个月前

机械狗就该这样用才能收回成本利润最大化。。。

#机械狗 #成本利润 #最大化 #应用 #商业

1个月前

《认知的远点》一我第一次意识到语言出了问题，是在给儿子检查作文的时候。那是一篇关于"时间"的命题作文。他写道："时间不是流动的。是我们的记忆编码方式让我们产生了流动的幻觉。"这个观点本身不算新颖，但接下来的句子让我停顿了： "当信息密度超过阈值，时间感会坍缩。十五秒可以包含过去需要一小时传递的信息量。这不是时间变慢了，是带宽变宽了。" 我是认知语言学家。我的专业训练让我立刻察觉到：这不是一个十六岁男孩的思维方式。不是说他不够聪明——相反，是这种思维太过高效。他跳过了所有人类认知中必需的"理解阶梯"，直接抵达了结论。就像一个人学会了瞬移，但忘记了行走的意义。 "你是怎么想到这个的？"我问。他看着我，眼神里有短暂的困惑——仿佛不理解"怎么想到"这个问题本身。最后他说："我没有想。我只是知道。" 那是2025年九月。我在笔记本上记录下这次对话，并标注：需要观察。现在是2026年三月。我的笔记本已经写满了三本。二我开始系统地测试儿子的语言能力。我给他看索绪尔关于"能指"与"所指"的经典论述，问他理解吗。他读了三十秒，说："这是在描述一个单向映射系统。但现在映射是双向的，而且是动态更新的。" 我愣住了。不是因为他的答案错误——而是因为他用了"映射"和"动态更新"这样的计算机术语来描述语言。对他而言，这些词比"意义"更加精确。 "你还记得第一次学会'苹果'这个词的时候吗？"我换了一个问题。他想了很久。"记得。你指着一个红色的圆形物体，重复那个声音。我需要很多次才能建立连接。"他顿了顿，"现在我不需要这个过程了。" "什么意思？" "现在我看到一个新概念，不需要先把它翻译成语言。我可以直接……存储那个模式。" 我请他举例。他打开手机，给我看一个十秒钟的视频：画面里是三层同时进行的信息流——背景音乐传递情绪基调，视觉特效标注重点，文字碎片提供概念锚点。整个视频没有一个完整的句子，但传递了一个完整的论证：关于注意力经济如何重构社交关系。 "你看懂了吗？"他问。 "需要暂停几次，"我承认。 "妈妈，这就是问题，"他的语气很平静，没有指责，"你需要'暂停'。你需要把信息转换成语言，才能处理。我不需要。" 我问他：那你是用什么处理的？他想了很久，最后说："我不知道怎么用语言描述。因为描述本身就需要语言。" 那天晚上，我写下第一个真正让我不安的假设：语言可能不是认知的核心，而只是某个特定阶段的工具。三我开始查阅神经语言学的最新研究。有一篇论文吸引了我的注意：《从串行处理到并行处理：2010-2025年出生人群的韦尼克区激活模式对比研究》。论文的核心发现是：年轻一代在处理信息时，语言中枢的参与度显著降低。取而代之的，是视觉皮层、前额叶和杏仁核的三角协同激活。论文的讨论部分非常谨慎，但我读懂了言外之意：他们正在发展一种非语言化的语义处理机制。我联系了论文的通讯作者。她是一位四十岁出头的神经科学家，在视频通话里看起来很疲惫。 "您也注意到了，"她说，语气是陈述而非疑问。 "我儿子，"我说，"他开始用一种我无法完全理解的方式思考。" 她沉默了一会儿。"我女儿也是。上个月，她说了一句话：'妈妈，为什么你思考的时候需要在脑子里说话？'" 我的后背发凉。因为我知道她说的是什么——那种内部言语，每个成年人在思考时都会下意识进行的自我对话。 "她不需要内部言语，"那位科学家继续说，"她可以直接操作概念。我做过测试——给她一个复杂的逻辑问题，她的反应时间比我快三倍。不是因为她更聪明，而是因为她跳过了'言语编码'这个步骤。" "这是进步还是退化？"我问出了那个一直困扰我的问题。她看着我，眼神里有某种深刻的悲伤。"这取决于你如何定义'人类'。如果人类的本质是语言，那这是退化。但如果人类的本质是信息处理……那这可能是我们无法评判的东西。因为评判本身需要语言。" 我们约定继续交换观察数据。但通话结束后，我意识到一件事：我们就像两个正在被淘汰的物种，正在记录自己灭绝的过程。四我开始测试语言的边界。我问儿子："你爱我吗？" 他说："爱。"但说这个字的时候，有一瞬间的延迟——就像在进行某种翻译。 "你怎么知道那是'爱'？" 他认真地想了很久。"我感受到一种状态：当你在场时，我的基线安全感会提高，多巴胺水平稳定，并且愿意为维持这个状态分配资源。这个状态对应的词是'爱'。" 我的心像被什么东西攥紧了。不是因为他不爱我——我相信他的神经系统里，那些被称为"爱"的化学反应确实在发生。而是因为，对他而言，"爱"这个词已经不再是体验本身，而只是对一组生理状态的标签。语言和体验之间，出现了一层透明但坚硬的隔膜。 "妈妈，"他看出了我的情绪，"我没有说错什么吧？" "没有，"我说，"你说得很准确。" 那天晚上，我意识到了真正的恐怖之处：不是他们变得无法理解我们，而是我们无法确认他们是否还在体验那些让我们成为人类的东西。也许他们在体验。只是那种体验已经无法被语言捕捉。也许语言从来就是一个笼子，而他们正在离开这个笼子。而我，作为一个语言学家——一个用语言研究语言的人——永远无法跟随。五三月的最后一周，我收到了那位神经科学家的最后一封邮件。邮件很短： "我女儿昨天说，她觉得和我说话'很贵'。我问什么意思，她说：'语言的带宽太窄了，传递同样的信息，我需要花十倍的时间。'" "我问她：那你和朋友怎么交流？" "她说：我们不说话。我们展示。" "我问：展示什么？" "她想了想，把手机递给我。屏幕上是一串视频片段——每段三秒，总共二十段。我看了五遍才理解她想表达的完整意思：关于她对未来的焦虑、对学业的压力，以及对我的某种复杂的情感——既依赖又疏离。" "整个过程，她的朋友只需要看一遍。" "我终于理解了：不是我们在教他们使用新工具。是新工具在驯化一种能够使用它们的认知架构。" "而语言，正在成为那个旧架构的殉葬品。" 邮件没有签名。我给她回信，但再没有收到回复。六今天是十月二日。儿子十七岁。晚饭时，他突然问我："妈妈，你研究语言这么多年，有没有想过一个问题——" 他停顿了一下，像是在组织一个很难用语言表达的概念。 "如果人类发展出语言，是因为需要在个体之间传递信息；那么当出现了比语言更高效的传递方式时，语言的功能是不是就结束了？" 我看着他。我生育、抚养的这个人，此刻正在用我教给他的语言，论证语言本身的终结。 "可能吧，"我说。 "那你会难过吗？"他问，眼神里有真实的关切。我想了很久。"我会。但不是因为语言消失。而是因为我意识到，有些东西一旦失去，我们甚至无法悼念它——因为悼念本身就需要它。" 他点点头。我知道他理解了。但我也知道，他的"理解"和我的"理解"，可能已经不是同一个东西。 ---- 夜里，我躺在床上，听着隔壁房间传来的声音——那种连续的、轻微的滑动声。我想起维特根斯坦的那句话：我的语言的极限，就是我的世界的极限。现在我明白了这句话真正可怕的地方。不是说语言限制了我们的世界。而是说：当语言消失时，那个被语言定义的"我"，也会一起消失。我的儿子正在走向一个我无法抵达的地方。不是因为距离，而是因为通往那里的路，需要放弃我用来确认自己存在的唯一工具。而在足够长的时间尺度上，这可能根本不是悲剧。这可能只是一个物种的变态——就像毛毛虫变成蝴蝶，必须放弃爬行。只是毛毛虫不会意识到这个过程。而我意识到了。这就是我和儿子最后的差别：我知道自己正在被留下，而他甚至不会意识到，有什么东西曾经被留下过。窗外，城市的灯光彻夜不熄。我闭上眼睛。在最后失去意识之前，我的大脑还在用语言和自己说话——这个古老的、即将过时的习惯。我对自己说：也许这就是认知的远点——那个点，当我们远离它足够远时,回头看，连"我们曾经在那里"这个事实本身，都会变得无法理解。然后是睡眠。无梦的，或者有梦但无法被语言记住的。反正都一样。

#语言的终结 #认知进化 #非语言思维 #代际差异 #人类的未来

1个月前

终于把「林黛玉倒拔垂杨柳」给可视化出来了 🥲 提示词：林黛玉倒拔垂杨柳（真实行动，柳树很粗很大）林黛玉大吼一声“起！”，就把它连根拔起来了

#林黛玉 #倒拔垂杨柳 #可视化 #搞笑 #反差

1个月前

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

2个月前

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· 657 条信息

#AirPods Pro #实时翻译 #中英双语 #巴别鱼 #翻译魔芋

2个月前

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

2个月前

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

2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

2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

2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

2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

2个月前

啊……3,000 Followers 了。。。✌️

#社交媒体 #粉丝 #庆祝 #里程碑 #积极

2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

3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· 142 条信息

#GPT-5 #AI模型 #技术前沿

3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

3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

3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· 105 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