行业分类:
加载中...
头条分类:
加载中...
苹果Vision Pro头显遇冷:媒体推测初代已停产
IT之家 1 月 1 日消息,科技媒体 MacRumors 昨日(12 月 31 日)发布博文,认为受市场需求疲软和高昂定价的影响,苹果或已停止生产第一代 Vision Pro 头显。公司将资源转向研发更经济的后续版本,并可能推出第一代的小幅升级款。 科技媒体 The Information 曾于今年 10 月报道,苹果 Vision Pro 的产量自初夏起开始下滑,并计划在 2024 年底前停产。 而多方供应链渠道消息称,苹果已生产足够 50 万至 60 万台设备的组件,足以满足到 2025 年的市场需求,苹果组装商立讯精密也已被告知在 11 月停止生产。 Vision Pro 头显销量疲软的主要原因,该媒体认为主要是 2 个方面,其一是 3499 美元(国行 256GB 29999 元、512GB 314999 元、1TB 32999 元)的高昂售价,而另一个就是内容生态的不足。IT之家此前报道,苹果 CEO 库克将其定位为“早期采用者产品”,目标用户并非大众市场。 此外在研发方面,有消息称苹果去年已停止了第二代 Vision Pro 头显的研发工作,集中更多的精力,放在低成本的头显上。 对于后续发展,该媒体认为尽管苹果已暂停研发第二代 Vision Pro,但有消息称苹果可能会对第一代进行增量更新,例如升级芯片,以消化过剩库存。 郭明錤和彭博社的 Mark Gurman 也暗示了这一可能性,并预测升级款或于 2025 年秋季至 2026 年春季发布,可能搭载 M5 芯片和 Apple Intelligence。
全美已有66人确诊感染禽流感病毒 卫生专家警告可能发展成大流行病
财联社1月1日讯(编辑 牛占林)当地时间周二(12月31日),据美国疾病控制与预防中心(CDC)的最新数据报道,全美已有66人确诊感染禽流感病毒。 CDC声称,他们正在密切关注与禽流感有关的危险信号,以及该疾病是否会发展成大流行病。该机构强调,基因测序结果显示,感染人类的禽流感病毒出现了突变,突变可能导致病毒更容易感染人类上呼吸道。 CDC称这些突变“令人担忧”,并提醒称H5N1型禽流感病毒可能继续发生突变。 虽然目前禽流感对普通公众的风险仍然很低,感染该病毒后的症状并不算严重,仅仅是引起眼睛发红或结膜炎等。但CDC一位发言人警告称,越来越多的人从动物身上感染禽流感的病例也可能表明,这种病毒发生了某些突变,更容易从动物传染给人。 根据报道,CDC在上周宣布,路易斯安那州一名因严重禽流感住院的患者被发现感染了变异病毒,该病例属于危险信号病例。不过目前尚未发现这名路易斯安那州的患者将病毒传播给其他任何人。 CDC指出,如果在鸟类身上发现了这种突变,或者在人类感染的早期阶段发现了这种突变,那么这个病例状况将更加令人担忧。 流行病学专家表示,感染病例的增加是由于野生动物感染禽流感的数量激增,这反过来又“使更多的人类处于危险之中”。 与此同时,明尼苏达大学传染病研究与政策中心主任Michael Osterholm警告称,大流行的时钟正在滴答作响,并敦促官员们研究他们在新冠大流行期间学到的东西,为下一次大流行做准备。 特朗普手下的白宫冠状病毒应对协调员黛博拉·伯克斯博士呼吁对美国农场工人进行更广泛的检测,并指出随着季节性流感开始传播,美国正进入一个风险更高的时期。“病人可以同时感染季节性流感病毒和H5N1病毒,然后病毒会交换基因片段,这可能给人类带来巨大的风险。” 美国食品药品监督管理局(FDA)官员Scott Gottlieb表示,如果H5N1发展成大流行病,美国只能怪它自己,农业部官员去年做的几乎所有事情都错了,他们希望病毒会自然消失,但事实并非如此。 美国政府已经准备好了两种H5N1疫苗,如果病毒开始更容易传播,这些疫苗将很快获得FDA的批准。 CDC表示:“如果有需要的话,可以生产用于人类的疫苗,目前的分析表明,它们能够对H5N1禽流感病毒提供良好的保护。”但该机构声称,目前还没有立即开始向公众或特定人群提供疫苗的计划。
人类可以被驯化吗 历史上至少被驯化过2次 才变成今天
今天人类与许多家养动物生活在一起,我们很喜欢称这些家养动物为被人类驯化的动物,只有被驯化的动物才能和我们相处得和谐。 有趣的问题是,人类会被驯化吗? 其实,有很多科学家在思考这样的问题,根据一些总结,现代人类物种在历史上至少2次被驯化,而且驯化事件直到今天还在发生。 什么样的动物容易被驯化? 驯化是指通过选择性育种,筛选动物或植物的特征和行为,将其转化为对驯化者有益的物种。 《枪炮、病菌与钢铁》的作者贾里德·戴蒙德在他的作品中,对什么样的动物容易被驯化做了一个总结,总共有6个标准: 第一,不挑食的动物!就拿人类驯化其它动物来说,我们不可能把自己真正需要的食物喂养给驯化动物,只有那些愿意吃人类残羹的动物才有可能被人类驯化。 第二,快速成年的动物——最少要比驯化者生长速度更快。还是拿人类来说,我们不可能去驯化寿命很长的动物,因为我们等不到那些动物发挥作用的时候。 第三,对繁殖地点要求不高,能够接受在圈养地附近繁殖。很多动物的繁殖需要迁徙,或者需要走到特定的、它们觉得安全的地区,比如熊和羚羊,两者都很难被驯化。 第四,天生快乐的动物。很多天生的掠食者,其性情难以预测,就很难被驯化。 第五,相对安静的动物。一些动物生活在非常不稳定的环境中,一不小心就会被捕食者吃掉,这些动物就会非常容易受惊,一旦被抓会不断地试图逃跑,就很难被驯化,狐狸就是其中一个例子。 第六,动物本身要有社会等级制度!那些生活在社会等级中的动物更容易和驯化者相处,更重要的是,它们很容易把驯化者当作新的首领,表现出服从。 人类是否符合这六个标准,只要简单对号入座下,您就会发现我们人类就属于那种非常容易被驯化的动物。 人类比我们所有已驯化的动物都不挑食;虽然人类的成长速度不算快,但相对于我们的寿命,成长周期也是比较短暂的;对繁殖地没有任何要求;性情稳定;有等级制度。 人类被农作物驯化 一般来说,被驯化的动物会有两个明显变化:体型变小和脑容量下降! 体型变小是因为它们获得食物相对于它们的野外同类变少了;而脑容量下降是因为它们生活在一个相对安逸的环境中,没有太多生存挑战,脑容量太大不仅没有太多必要,而且还会增加不必要的热量损耗。 从10000年前种植小麦等农作物开始,人类的脑容量和体型就开始降低,两者都降低了10%左右(不过最近20年体重开始增长,而脑容量还在减少)[1] 种植小麦并不容易,人类需要为它耕地、搬开石头,开渠引水,每隔一段时间就需要除草,但是人类都心甘情愿这么做,而作为回报,我们有饭吃了。 不难看出,小麦和人类的关系,确实很像我们驯化的那些动物与我们的关系。 毫无疑问,是我们先驯化了小麦,野生小麦的种子成熟后是不会留在穗上的,古人类在长期的驯化过程中,让其种子成熟后依然能够留在穗上,之后继续驯化它,让其变成更符合我们标准的农作物,比如产量更高,口感更好,适应性更好等等。 但是我们驯化小麦的同时它们也在驯化我们,我们在不停种植小麦的过程中,我们的行为和特征也彻底发生了改变,变得更有利于小麦。 不过,人类的自我驯化可能比种植小麦要早得多! 人类的自我驯化 家养动物与它们的野外种类相比,特征会有明显的不同,比如较短的鼻子、卷曲的尾巴、松软的耳朵和斑点的皮毛等等,一些人称这个为“驯化综合症”。 人类也有明显的“驯化综合征”,相比于那些已灭绝的人属物种,比如与尼安德特人相比,人类的脸更小、更平坦,眉脊也不那么突出。 2014年,有研究指出,动物的驯化综合征与动物神经嵴干细胞有关,人类在驯化动物时,恰巧选择了某些基因变化,让其产生了神经嵴干细胞,从而让动物看起来更可爱。 2019年《科学进展》上一篇文章揭示[2],一种名为BAZ1B的基因在协调神经嵴干细胞方面发挥着重要作用,同时该基因是动物在驯化过程中主要发生变化的基因之一,而这些基因的一些变体也几乎存在于每个现代人类中。 该研究的科学家认为,这就是为什么我们和家养动物都表现出“驯化综合征”的原因。 另外,2019年的这项研究还指出,已灭绝的尼安德特人和丹尼索瓦人的基因中要么没有发现这种基因,要么不那么普遍。 长期以来,人类自己驯化自己的观点一直都存在,该观点认为人类经过许多代的自我驯化,淘汰了性情暴躁的人,取而代之的是友好合作的人,而2019年的这项研究被认为是“自我驯化”理论的第一个真正的遗传证据。 人类的BAZ1B基因发挥作用,并让人类面部发生变化,可能发生在与尼安德特人分离的时候,也可能与丹尼索瓦人分离的时候就已经出现了。 所以,最少在40万年前(与尼安德特人分离的时间点),现代人类的祖先就已经开始自我驯化了。 最后: 被驯化并不是坏事,至少对于物种延续来说是好事,鸡算是最成功的鸟类,是有史以来数量最多的鸟类,其数量甚至达到所有鸟类总和的82%,宠物狗也算是最成功的犬科动物,猫、马、牛、羊.....也都是如此。 人类可能存在的自我驯化,以及被小麦等农作物的二次驯化,而这些也让我们成为地球最成功的物种之一。 责任编辑:随心
小米美女产品经理开箱REDMI Turbo 4
REDMI产品经理胡馨心亲自上手开箱了REDMI Turbo 4的主打配色——祥云白,并毫不吝啬地表达了对这款新机的喜爱之情,称“一眼心动”。 REDMI Turbo 4祥云白以其独特的白色机身搭配红色线条的撞色设计,瞬间吸引了众人的目光。两种拼色的巧妙结合不仅增加了手机的层次感,还使得双摄模组显得更加简洁大方。而更令人惊喜的是,Turbo 4的相机Deco设计中隐藏了一处细节——全新旋风双环灯带。这一设计在保持全金属Deco质感的同时,增添了几分灵动与活力。 据胡馨心介绍,当手机来电、来信息或充电时,旋风双环灯带会呈现出迷人的动效,极具辨识度,为用户带来了全新的视觉体验。 在核心配置上,REDMI Turbo 4更是诚意满满。该机首发搭载了天玑8400-Ultra处理器,这款处理器采用了8个A725全大核设计,主频最高可达3.25GHz。相较于上一代芯片,天玑8400-Ultra的CPU多核性能提升了41%,为用户带来了更加流畅的操作体验。 同时,借助精准的能效调控技术,天玑8400-Ultra的CPU多核功耗相较上一代降低了44%,这一改进使得REDMI Turbo 4的电池续航时间得到了显著延长,为用户提供了更持久的使用体验。 在GPU方面,天玑8400-Ultra搭载了旗舰同级的Mali-G720 MC7,峰值性能相较上一代提升了24%,同时功耗减少了42%。这意味着用户在享受更流畅游戏体验的同时,还能拥有更长的游戏时间,无需频繁充电。 (9341021)
曾经被嫌弃的短剧,终于攻占了我的朋友圈
作者 | 谭山山 编辑 | 萧奉 每到年底,就是人们晒出各种年度报告的时候。以较早发布年度报告的哔哩哔哩(B站)为例,2024年,有1000万名用户每天访问B站,获得了“全勤奖”。对很多重度用户来说,自己就好像住在这个云社区里,B站成为他们日常生活的一部分。 B站人除了晒自己连续第几年获得“全勤奖”,更积极晒观看时长——上千小时的不少,甚至有超过4000小时的——也就是说,每年有一半时间,这些用户都泡在B站上。怎么做到的?有人解释,就是开着,类似BGM,主打的就是陪伴。 “人类从未像今天一样,被无穷无尽的视频所包裹……视频开始全面介入人们的日常生活,覆盖娱乐、购物、新闻发布、知识生产等方方面面。”复旦大学新闻学院教授孟建、复旦大学新闻学院博士生符艺娜在一篇论文中提到。他们的主要观点是:我们已经进入了“视频化生存”时代。 2024年9月6日,成都市新都区。宝光寺一个角落里,两个孩子在看平板电脑。(图/视觉中国) 视频日渐成为社会主导媒介,观众的观看方式和娱乐习惯也由此改变。首先被放弃的是电视。2024年5月,话题“电视开机率下降到不足三成”冲上微博热搜。巴黎奥运会期间,电视开机率倒是有所上升,但那是短视频推动所致——人们从一个个cut(切片)视频中了解相关花絮或亮点,觉得有必要打开电视欣赏完整的赛事。 电影行业也出现了疲态。据灯塔专业版数据,截至2024年12月20日,2024年中国电影总票房为414亿元,同比下滑135亿元。有制片人表示,电影不再是刚需,游戏、短视频、短剧、网剧、演唱会等各类娱乐方式分流了观众的注意力。电影院则转型为综合性文化空间——在电影院,可以看奥运会、看话剧、看泰勒·斯威夫特的“时代巡回演唱会”,未来,还可以办展、做主题活动,等等。 与此同时,微短剧在2024年迎来了大爆发之年。中国网络视听协会发布的《中国微短剧行业发展白皮书(2024)》显示,2024年我国微短剧市场规模将达到504.4亿元,同比增长34.9%,有望首次超过内地电影票房。 大环境变了,但有一点不会变:不论什么载体,唯有好内容才能吸引观众。 什么是“好东西”? 那么,究竟什么样的作品和形式能够吸引观众,是需要讨论的。 2024年7月16日,《抓娃娃》上映不久,导演陆川称:“(开心)麻花的低质强碱性搞笑片雄霸中国电影市场,是文化的悲哀。” “低质强碱性搞笑片”的说法固然不中听,但《抓娃娃》的创作和表达,是值得讨论的:开心麻花出品的喜剧依然卖座,为什么?笑点应该如何把握,才不会引发“拿穷人逗乐”的质疑?这种“爆米花电影”,如何在让观众发笑的同时凸显其精神内核? 游客在香港观看张择端画作《清明上河图》的电子动态版本——《智慧的长河》。它被投影在长120多米、高6米的屏幕上,让游客仿佛置身于900年前的北宋都城汴京。(图/视觉中国) 但电影投资方未必愿意接受差评。正如资深媒体人王恺所说:“现在已经没有所谓正常的、温和的、有益的文化批评。任何文化产品一出现,只有粉丝群的狂欢,以及收费的KOL的吹捧。越是通俗的文化产品,如影视,越是如此。”陆川很快改口,称账号被盗,那番评论并非自己所说。原本有可能推动的讨论,也就不了了之。 灯塔专业版的数据显示,截至11月27日,2024年票房top 10中,有一半是喜剧片:《热辣滚烫》《飞驰人生2》《抓娃娃》《第二十条》《年会不能停!》。这说明,喜剧片是票房主力。 中国电影家协会与阿里影业灯塔研究院联合发布的《2024中国电影观众变化趋势报告》显示,截至10月,2024年购票用户中,女性占比近六成,25岁及以上观众占比约八成,三四线城市观众占比超四成。可见,年轻人已成为电影市场的主力,其中女性用户的“观影力”明显更强。凸显女性个体价值的女性题材电影也表现亮眼。贾玲主演的《热辣滚烫》是喜剧叠加女性题材;咏梅主演的《出走的决心》改编自苏敏(@50岁阿姨自驾游)的真人真事;邵艺辉执导、编剧的《好东西》轻盈、有趣,截至12月23日,票房已达6.9亿元。 2024年,因为电影市场产能不足,一些经过口碑认证的优秀电影得以重映。这也使得2024年被称为“重映之年”。 像“哈利·波特”全系列重映,就吸引了众多“哈迷”。故事情节熟悉到不能再熟悉,甚至台词也倒背如流,但观众仍然有一样的感触、一样的意难平——“啊!还是不能接受小天狼星这么早就下线了!”这一切,让人有一种世界在变,但魔法世界不变的笃定感。 (图/《哈利·波特与阿兹卡班的囚徒》) 像近期《潜伏》翻红、《声生不息·大湾区季》等音综以情怀打动人,也是基于同样的逻辑。在乐评人@爱地人 看来,这几年音综的一个最大特点,就是版权变现,即通过节目让很多老歌复活。就这个属性而言,他认为《繁花》堪称“成功音综”。它让《偷心》《再回首》《一生何求》《随缘》《你是我胸口永远的痛》《执迷不悔》《喜欢你》《忘情森巴舞》《光辉岁月》等经典歌曲在年轻歌迷群体中翻红,配合剧情,效果甚至比音综出色。 微短剧的爽点 当下影视行业最火的赛道,无疑是微短剧。 2024年5月,在演技类综艺《无限超越班2》中,因为微短剧演员锦超的到来,引发了曾志伟、宁静、郝蕾等导师对于微短剧的热烈讨论。 当被问到会不会出演微短剧时,郝蕾的回答是:“如果微短剧的质量可以好到跟电影一样,那没问题。”但她说自己刷到的微短剧,“真心看不下去”。宁静则表示,微短剧容易上头,“看着看着就习惯了”。宁静会付费追微短剧,那些烂得要死、十分“狗血”的微短剧,她能连续看100多集。 曾志伟说,在影视行业,存在这样一条“鄙视链”:电影>电视剧>网剧/网大>微短剧。虽然锦超出演过《长公主在上》《东栏雪》等豆瓣评分在7分左右的口碑微短剧,但非科班出身、没有受过表演训练的他,在专业演员面前总有种自卑感。 (图/《东栏雪》) 曾志伟表示,其实这条“鄙视链”已经有所改变。比如王家卫拍了《繁花》,周星驰也进军微短剧行业,“时代在变,需求也在变,社会在变”。 学者毛尖在《微短剧凭什么霸屏》一文中写道:“微短剧low无可low是真的,像网上流传最广的《黑莲花上位手册》《我在八零年代当后妈》,全是最狗血的套路,永远的霸总,永远的逆袭,永远的复仇,但观众群从最初50岁以上直接下拉到20岁,怎么做到的?” 毛尖指出,原因就一个字:爽!像《黑莲花上位手册》,节奏飞快,“女主第一集被干掉,第二集就复活,两分钟里挥拳心机男、心机女”。有一名从事商业化定制微短剧的制作人曾经总结其方法论:“以秒为计时单位。故事内容上,2秒以内得出现人物和场景,5秒就要有一个结果。从叙事节奏上看,平均下来,3秒一个反转,10秒内必须有新的信息量。” 据《中国微短剧行业发展白皮书(2024)》,截至2024年6月,我国微短剧用户规模达5.76亿人,占整体网民的52.4%。有媒体报道认为,一方面,电影和长剧出现了阶段性收缩;另一方面,短剧作为新势力,后来居上,或可与前两者三分影视行业天下。 2024年9月26日,重庆。剧组在虚拟背景下拍摄森林火灾救援场面。(图/贾天勇/中新社) 从地域上看,西安被称为“微短剧好莱坞”。据企查查数据,截至2024年3月,我国微短剧相关企业达7.94万家,西安有4154家,排名全国第二。在2023年8月创造“8天收入过亿”暴富神话、讲述“卑微赘婿变身龙殿殿主”故事的《无双》,就是在西安诞生的。 微短剧在2024年的亮眼表现之一,就是进入传统卫视大屏端。根据中国视听大数据(CVB)的统计,截至2024年11月,有30余部微短剧在全国省级卫视播出。比如,湖南卫视开辟微短剧剧场“大芒剧场”,东方卫视推出日播微短剧展播带“品质东方·微剧场”。 越来越多的机构带着资金加入这个赛道。360集团创始人周鸿亲自上阵,在微短剧《重燃人生之隐世黑客惊艳全球》扮演“红帽黑客联盟”老大、“365公司”的老周。这部剧处处有梗:老周再现了向佐摸鼻梁、扇耳光的经典动作;总裁们手里不再是红酒杯,而是AD钙奶……不过,360集团并不是要投资微短剧,这更像一次踩在风口上的品牌宣传活动。 全民围观下的亲密关系 即便你压根没看过这档节目,也总能在这里或那里刷到有关它的cut(切片)和reaction(分析),那就说明,它彻底出圈了——对,《再见爱人4》就是这样一档现象级的爆款综艺,每到更新日就热搜不断。 《再见爱人》前三季中,出现过闪婚闪孕、女强男弱、同居伙伴、熟年离婚等多种亲密关系模式,到了第四季,则出现了“雇员”与“老板”、“学员”与“教练”、“妈妈”与“儿子”这样的组合。节目一开场,黄圣依和杨子就自带话题度,但随着节目的展开,素人麦琳成了“麦学家”审视、分析、考古的对象。有评论指出:以往观众是综艺节目的观看者,节目给什么就接收什么;现在观众成了侦探,节目的任何一点有用素材都逃不过他们放大镜后的凝视。 (图/《再见爱人4》) 飞行嘉宾张泉灵的这几个问题,不仅仅针对节目中这三对陷入婚姻困局的夫妇:“假如没有他/她,你的生活会变糟还是变好?”“谁更离不开对方?”“这个人消失了,你恐慌吗?”“你有私人财产吗?” 如果说《再见爱人》前三季被观众诟病只谈“爱”,对钱与性避而不谈,那么张泉灵的这些提问,则直指“爱”所依托的社会属性。就像节目制片人刘乐所说,这一季嘉宾,“他们的问题是更加痛、更加现实的”。 这让观众更能共情。因此,当话题“李行亮麦琳相拥而眠”登上热搜,以真情实感投入讨论的观众表示愤怒、费解,称之为“恐怖片式的和好”。嘉宾在节目中失控,其实观众也在失控,他们已经分不清节目与现实的边界。 恋爱综艺的观众与离婚综艺的观众大概率不会重合,因为前者想要的,是看别人谈一场甜甜的恋爱,让自己在平庸的生活中再次为爱尖叫。不过,观众用放大镜看节目的侦探精神是一致的,他们会以0.5倍速一帧帧地观看,从中找糖。 《心动的信号7》最初因“二本恋综”这个梗而出圈。节目第一期,一名留英男嘉宾在说到自己最喜欢的城市时,明明已经说出“曼”这个字,却飞快地改口为“Manchester”(曼彻斯特)。这让苦精英人设久矣的观众感到不适,话题“有没有二本恋综”随即登上热搜。 除了《心动的信号7》,电视剧《凡人歌》也谈及“二本”:985精英、大厂程序员那隽大呼“北京985遍地走,二本没有未来”,转头又对学历二本的女友说——“二本的人让我开心。” (图/《凡人歌》) 人们为什么沉迷恋综、嗑糖,却不自己去谈恋爱?学者高寒凝在《罗曼蒂克2.0:“女性向”网络文化中的亲密关系》一书中指出,“浪漫爱”这一重要的亲密关系形态,在网络时代已经版本升级,女性可以通过自身创造、书写、想象,或者仅仅是训练一个AI,来定制自己的理想恋人——她称之为“虚拟性性征”。 和“纸片人”线下约会,也是同样道理。女孩们认为,只要脑内剧场足够丰富,一样能感受到爱。 寻找前现代的原乡式生活 2024年11月12日,毫无征兆地,李子柒在多个社交平台发布了其停更3年后的首条短视频——她从爬树取胶做起,制漆、雕刻、上漆、打磨都亲手完成,将一个老木柜翻新为“雕漆隐花”的漂亮柜子。 李子柒的归来,让人不由得想到因电视剧《我的阿勒泰》而再次回到大众视野的作家李娟。李娟在新疆阿勒泰,李子柒在四川平武,她们分别用文字和视频的方式,记录了一种原乡式生活,激发了人们对于远方的向往。 李娟并不认为自己笔下的阿勒泰是最后的净土,她曾在受访时说过:“在这个时代没有与世隔绝的地方,信息化的东西已经无孔不入了,哪还有安静的地方,已经没有了。” (图/《我的阿勒泰》) 所以她并不反对将《我的阿勒泰》影像化,也不反对两位编剧——滕丛丛、彭奕宁——在剧中增加了巴太这个角色。8集的迷你剧,观众看到壮美的北疆景色和同样壮美的人。就像彭奕宁所说,残酷的大自然也好,无常的命运也罢,对生活在这里的人来说,无非就是把一碗滚烫的奶茶一饮而尽。 李子柒的回归视频,最让观众欣慰的也是人——她的奶奶健在,人们为之感动落泪。 回到最初的那个问题:什么样的内容是“好东西”?在李娟和李子柒这里,答案或者可见一斑:纯粹,专注,保有自己的内心世界。 运营:小野;排版:方糕 作者:谭山山
进入2025年,支付宝“碰一下”的线下之战来到新阶段
文丨辰聪 出品丨师天浩观察(shitianhao01) (前言:之前小编在公众号报道过“碰一下”和“支小宝”的相关内容,大家如果感兴趣可以移步前文内容。) 2025年来临,支付体系的双寡头:支付宝和微信支付这场大戏仍旧你方唱罢我方休,不断上演着他们的“爱恨情仇”,让我们从支付宝碰一下的视角一起见证过去不平凡又跌宕起伏的2024吧! 1.支付宝“宿敌”微信支付 1.1市场主导地位; 常言道:既生瑜何生亮,而这不正是支付宝与微信支付这一对宿敌吗? 现如今,支付宝与微信支付共占据国内支付市场90%的市场份额,形成双寡头格局。两者都是拥有自身生态体系、联通外部多平台应用场景的支付行业领先布局者,通过生态内场景的联通与支付体系的先发布局,优先确立了国内移动个人商业支付行业的双领先地位。 但两者和而不同、各有细分,其中微信支付凭借其与微信应用的紧密结合,拥有天然的社交属性,而支付宝则更加强调其工具性和功能性,这种差异化使得两家各自形成自己的市场立足点。 且前者优于线下,后者优于线上。前不久,淘宝接入微信,为前者线上版图的扩张带来难得机遇。支付宝并未“坐看云起”,24年大力推广的碰一下支付方式,可看作反攻线下的一个重要举措。 1.2金融产品与服务; 相对微信支付来说,支付宝更像是注重金融功能与服务的工具。它以提供包括转账、缴费、理财、保险在内的多样化金融产品和服务,极大地满足了用户的多样化需求。 其中,支付宝的即时到账服务,使得资金可以快速流转,尤其在电商购物、生活缴费等场景中,体现了对用户高效交易需求的积极响应。另外,支付宝还拥有成熟的风控体系,能够实时监测交易行为,及时拦截可疑交易,保障交易安全。正是这些因素,使得支付宝以其广泛的用户基础和丰富的应用场景,在市场份额上占据领先地位。 1.3社交网络效应; 那么对于微信支付来说,不强调类似支付宝的工具属性,而是依托腾讯强大的社交网络效应。特别是社交场景中的渗透率极高,不仅为用户提供了便捷的支付方式,尤其是在聊天(红包)、转账等社交活动中,还提供了更为谨慎的安全性设计。 因此微信支付在线下支付场景,借其便捷的扫码支付功能,迅速占领市场。另外微信支付还推出了“商家转账到零钱”服务,方便商户向用户微信零钱转账,提供了简便、免费、安全的转账服务,支持批量转账,单次可向1-1000名用户转账,满足各个业务场景。 相对来说,微信支付与支付宝各有千秋,无法具体而言谁更具有优势,对于选取两者之一,则更多在于用户习惯培养和营销方式促新。而大家都知道,淘宝之前只能用支付宝支付,对于习惯微信支付的用户来说十分不便,每次都需要来回转账。而淘宝全面接入微信支付,消除支付壁垒,则是历史性的一刻,对于消费者来说,极大的提升了用户的便利性。 那么对于微信支付、淘宝、和丢失主阵地的支付宝又带来哪些变化? 1.4微信支付接入淘宝,攻守易势; 2024年9月27日,淘宝官方宣布全面接入微信支付,标志着中国互联网巨头之间长期存在的支付壁垒正逐步瓦解,迎来了历史性的互联互通时刻。对于微信支付而言,作为流量的掌控者,淘宝这一国民级购物平台的接入无疑为其支付业务带来了新的增长点。而对于淘宝来说,此举不仅是对“用户至上”战略的一次有力践行,也是其拓展增量市场的关键一步。 实际上,淘宝接入微信支付的决策精准地触及了那些尚未使用淘宝的微信用户群体。彼时,因双十一购物节的临近,大量新用户开始纷纷涌入淘宝。据摩根大通发布的研究报告预测,平台间的互联互通有望为淘宝带来20%至30%的新增用户,预计总规模将达到2亿至3亿。 双十一前夕,基于这一预期,摩根大通重申了对阿里巴巴(BABA)的超配评级,并将其目标股价上调至125美元。 这场看似双赢的合作,却“凉”了支付宝的心。 根据易观移动支付行业数字化进程分析——易观分析显示:支付宝和微信支付在2024年第一季度的交易量分别为118.19万亿元和67.81万亿元,相差近于两倍的交易额。 那么已经过一个双十一和双十二的现在,这个数据又会是多少呢,支付宝还会是“遥遥领先”状态嘛?由于暂查不到相关数据,小编根据支付宝不断加强碰一下+X的做法,大胆预测迫于微信支付压力,双方悬殊的差距很可能出现了一定的缩小趋势。那么支付宝又采取了怎样的应对措施呢? 2.支付宝扭转情况的做法,支付宝碰一下+X 2.1 组织架构调整; 根据最新消息,支付宝积极推动数字化转型,通过组织架构和人事调整。2024年12月23日,蚂蚁集团总裁韩歆毅宣布对组织架构进行升级,成立数字支付事业群和支付宝两大事业群。 将原支付宝事业群一分为二,其中新成立的数字支付事业群主要负责创新支付产品的开发与推广,如扫码、碰一碰、刷脸支付等。而新的支付宝事业群则负责生活缴费、酒旅出行、点餐外卖、共享单车、医院挂号等服务。 这些调整彰显了支付宝在服务业数字化上的决心,也展现了其从一个支付工具向提供全面数字服务平台转变的阶段性成果。 2.2 支付宝碰一下+X,NFC支付再发力; 2024年8月7日,支付宝在开放日上宣布升级条码支付体验,推出“碰一下”功能,通过引入NFC技术,用户无需展示付款码,解锁手机碰一下商家收款设备即可完成支付。NFC技术早已出现,源于时机不成熟推广受阻。现如今由于外部环境变化,NFC支付技术再现江湖。 现如今,NFC技术在中国智能手机市场普及率已超过80%,不再是高端智能机型的专属功能。同时,条码支付的软硬件配套服务设施的成熟为NFC技术的应用提供了坚实的基础。在安全性方面,NFC支付在传输过程中不涉及支付敏感信息,通过NFC手机与收款设备之间的交互读取数据,并在手机上安全地完成付款操作。至于兼容性,NFC支付的一大优势是它不依赖互联网连接,即使在网络信号不佳或手机网络出现问题的情况下也能正常使用。 此外,NFC支付还具有广泛的设备兼容性,支持包括手机、平板电脑、智能手表在内的多种设备,使用户无需更换设备即可享受NFC支付的便利。它允许用户通过手机或智能手表等移动设备的NFC功能,实现快速支付。用户在解锁设备后,只需轻轻一碰,即可自动跳转至支付界面,大大优化了移动端电子支付流程。 支付宝的碰一下+X,也就是"碰一下+数字化"产品系列。是通过NFC技术,为用户带来了全新的支付体验。除了优化移动端电子支付,吸引用户关键是,支付宝还推出了"碰一下支付优惠"活动,不仅提供即时优惠,还预告下一次优惠金额,增加了用户粘性。 该产品与商户线下经营紧密结合,如"碰一下"会员和"碰一下"点餐、"碰一下+自助"、"碰一下"自助购物、"碰一下"借充电宝,提升了自助服务的效率。"碰一下+身份核验"产品则在身份核验场景中发挥作用,如"碰一下"检票和"碰一下"签到等等。 3.碰一下推广率,推广方式和效果 3.1 推广率与覆盖; 支付宝的"碰一下+X"产品系列自推出以来,已经迅速覆盖了全国上百个城市,成功接入超过1000个大型商场、商圈以及众多连锁商户,诸如金虎便利、711等便利店,甚至连学校旁边的小商贩都用上了碰一下,主动推广使用。这一推广速度是刷脸支付同期的6倍,显示了其在市场上的快速接受度和广泛覆盖,也得利于支付宝的推广营销方式和大把真金白银的投入。 3.2 推广营销方式; 作为最新一代的支付方式,在碰一下的推广过程中,支付宝可谓是费尽了心机。其中最主要的表现,就是支付宝给到了地推装机人员不错的即时报酬与长期奖励,和给商家提供丰富的补贴和奖励政策,以及给用户消费减免优惠和免单。 地推人员成功让商户安装碰一下的收款机器后,包括开机奖励与动销奖励在内,总共可以拿下三类不同的即时收益或长期分润。其中最直接的就是开机奖励,地推人员可以选择收取商家或自己垫付199元拿货,然后将碰一下的产品为商家免费安装,安装出现正常的收款交易的第二天即可获得40元的铺设奖励,而在一个月内若商家使用碰一下的流量正常的话,还可以再拿到40元共计80元的开机奖励。 除了开机奖励,商家的交易额也可以给地推人员一部分提成。支付宝设立了120单、300单、600单三个门槛,达到这三个支付流水门槛的,可以分别获得40元、60元、80元的进一步奖励,也就是40+40+40+60+80=260,这意味着如果地推人员成功安装后并自己垫付流水达到600单,地推人员一单就能拿到61元的纯利,但大多数情况下是商家申请免费安装,也就是说地推人员可以凭此拿到260的纯利。这也太让人心动了,这样的力度吸引大量的服务商参与推广,以至于某服务商在11月15到18日到长风破浪战役中拿到了8486台的好成绩,极大的鼓舞了地推人员的决心。 对于商家来说,商家不仅可以免费申请安装台式和手持“碰一下”设备,而且在完成三笔交易后还能返还购买金额。此外,商家使用“碰一下”收款,每天还能获得使用奖励,老用户每笔交易奖励0.3到0.5元,新用户则高达0.6到1元。每月根据交易笔数和金额,商家还有机会获得额外的现金奖励。这也就是很多商家都推荐用户使用的原因之一。 不知道大家体会如何,小编线下消费时,经常会有商家拿出手持碰一下让你消费,而本人习惯用微信支付,就会造成一定的不方便,从而迫使小编(注:辰聪)在支付宝也转入一定金额,开始使用支付宝。这也算是一种新的支付习惯的养成。 那么,地推人员和商家都有了不错的条件,消费者又如何呢? 用户在使用支付宝的“碰一下”支付功能时,可以享受到一系列诱人的优惠和奖励。每次支付,用户都有机会获得0.1至20元的随机立减金,并且能够参与集卡活动,赢取免单大奖。到了周末,优惠力度加大,用户有机会享受高达88元的随机立减优惠,而在特定商圈内,还有机会获得30-5元的全场优惠券,让购物更加划算。 此外,用户邀请新用户体验“碰一下”支付,双方都能获得红包奖励,尤其是对于支付宝的新用户,红包的金额更是慷慨。支付宝还与线下餐饮店铺联手,推出“食来运转卡”,内含8元优惠,即4张2元优惠券,用户在“碰一下”支付时自动享受减免。这些精心设计的优惠措施,不仅让用户的支付体验更加丰富多彩,也极大地提升了“碰一下”支付方式的用户吸引力,更让用户享受到了切实的优惠。 4.碰一下现状 线下场景,现状下微信支付和支付宝支付的笔数比例‌基本是8:2,微信支付占绝对领先地位。按照支付宝APP事业群总经理李俊的说法,用户对支付宝的使用率不足10%,其余90%都想不起来用。“虽然里面有很多刚需服务,但可能找不到。用户经常得先去小红书搜一下,按照攻略一步步操作”。 支付宝“碰一下”被寄希望于成为“扫一扫”之后的下一代支付方式,扭转目前的支付格局。 对于支付宝来说,做的东西太多,摊的盘子太大了反而会让用户无从下手,没有一个固定的消费环境可以精准定位到支付宝,难道是花呗?所以,加强工具属性,也许会对支付宝有一定的帮助。 消费时,和其中一位商户老板咨询时表示:“碰一下确实提升了支付宝的频率,让大家减少打开微信支付频率,另外其实铺多了、用久了,大家也就习惯天天用这个碰一下,是可以帮助支付宝扭转支付场景的。”不过,这样的使用率提升也不排除是支付宝“碰一下”随机减免甚至免单带来的。 例如,在太原的一家便利店,小编咨询到自从安装了“碰一下”设备后,支付宝支付的使用率提升了30%。很多用户甚至不用提醒,自觉就使用了支付宝的碰一下功能,当然还是有很多人还在习惯用微信支付的。 对于小编来说,其实更习惯的还是微信支付,但由于支付宝碰一下实在太多了。出于个人方便,在外消费时转向使用支付宝,还可以享受到一定的减免、薅一薅资本家的羊毛,又何乐而不为呢? 5. 结语 尽管“碰一下”支付功能为用户带来了诸多便利和实惠,但其对支付宝使用率的最终影响还需时间来验证,尤其是在地推铺设和奖励政策退潮之后。 对于支付宝而言,仅仅依赖“碰一下”支付来实现增长无疑是狭隘的视角。实际上,支付宝“碰一下”功能不仅为用户提供了便捷的支付体验,也可能成为改变未来支付格局的关键因素。 随着技术的不断进步和用户习惯的逐渐培养,支付宝有望通过这一创新功能,扭转线下支付场景情况,让支付宝进一步提升其在数字支付领域的竞争力。
本科学历但创造出GPT,奥特曼盛赞为“爱因斯坦级”天才,OpenAI总裁:他想要的,我们都给
白小交 发自 凹非寺 量子位 | 公众号 QbitAI 奥特曼称他是爱因斯坦级别的天才;OpenAI总裁更是直言: 只要他想要的,我们都给。 Alec Radford大神离职OpenAI,现在牵出更多细节: 改变世界的GPT,竟然是在Jupyter notebook上诞生的。 而他只负责提供背后的灵感,剩下的由工程师来解决。 (网友:那在Excel也可以做到这一点) 奥特曼高度评价:没有他应有的知名度。 他在Jupyter notebooks上发明了GPT 在奥特曼帖子下面,更多细节轶事被扒了出来。 比如事实是,他差点就放弃了将语言作为通往 AGI 的道路。 据这位OpenAI员工描述,在Alec在职最后一天他们有机会第一次谋面,他向Alec询问了坚持语言模型背后的原因。 大概在2017年,Alec花了几年时间来研究RNN,但是进展不大。 于是Alec就感觉很沮丧,就想着要不要退出OpenAI。最终他决定休息一个月来调整,重新思考自己的方案。 回来后不久,Ilya就跟他推荐了谷歌前同事的新论文,也就是那篇著名的Attention is all you Need。 于是乎,他就开始了新的架构尝试,并将其与无监督预训练相结合。 结果效果非常好,GPT时代就此开始。 同样还有CLIP,他曾为此闭关一年来解决计算机视觉问题,最终才得以推出。CLIP也成为后续解决2D计算机视觉问题的基础。 不过能造就GPT、CLIP,也是少不了OpenAI诸位同事对他的全力支持—— 当时他在Jupyter notebooks上编写代码,然后就让研究工程师在那里翻译。好奇心胜过一切。 OpenAI总裁Greg Brockman曾提到过这位天才:只要他想要的,我们都给。 当时是在2023年SXSW大会上,Greg Brockman表示,Alec Radford对语言非常感兴趣,一直在研究如何构建小型聊天机器人。 我们非常喜欢他,所以我们非常支持他做任何他想做的事情。与此同时,我们也在投资一些严肃的项目,我们就想,你知道,无论亚历克需要什么,我们都会确保他得到。 也正因如此,2017诞生了第一个有趣的结果——一个根据亚马逊评论训练出来的模型,它可以预测下一个角色、下一个角色、下一个字母是什么。实际上,它学会了最先进的情感分析分类器。你可以给它一个句子,它会说这是正面的还是负面的。这听起来并不令人印象深刻,但就是在这一刻,我们知道它一定能成功。” 还有同行们表示,他的一些想法是整个AI领域研究者们重要灵感来源。并且他从来也不吝惜地去分享他的时间和想法。 据这位朋友分享,当时他在学习ML,在MNIST训练一个普通的MLP,结果遇到了一个愚蠢的小问题。 然后Alec没有敷衍,又或者是帮忙修复这个小问题,而是立即开始教关于CNN方面的知识。 奥特曼:爱因斯坦级别的天才 他毕业于富兰克林·欧林工程学院(Franklin W. Olin College of Engineering)。 据网友透露,这是个规模很小、以项目为导向的工程学院。其声誉与Rose-Hulman理工学院和Harvey Mudd College等学校类似。 他们的学生在项目方向上往往有很大的个人自由度,并能直接接触到大量的教师和研究工作,这与其他院校的研究生经历不相上下。 随后就加入OpenAI,一干就是八年。 截至今日,他的论文被引数已超过19万。被引量排名前三的论文,分别与GPT-3、CLIP和GPT-2相关。 这三篇论文都为今天的ChatGPT打下了重要基础,实际上,Alec几乎参与了OpenAI所有的重大突破。 除了被引量最高的这三篇,从第一代GPT到GPT-4o的作者名单中,Alec的名字都赫然在列,并且前两代中都是第一作者。 Alec同样作为一作的CLIP,则是OpenAI在多模态路线上的重要成果,甚至在整个行业都极具影响力;同时,Alec也是OpenAI初代绘图模型DALL·E的参与者。 其他模态方面,OpenAI开源的语音识别系统Whisper,一作仍然是他。不过,最新的o1模型贡献者列表中已经没有了Alec的名字。 接下来,奥特曼表示,期待他以独立开发者的身份与OpenAI合作。 网友:不用博士学位也能干大事? Alec Radford的经历,牵出来更多研究层面上的讨论。 是不是不用博士学位也能干大事了? Stability AI创始人回忆,他们自己的博士占比也不高,大概80个研究者/工程师中只有16个博士。 这样看,博士学位是不是就不是招聘中的必选项了。 但也有持反对意见,这样以偏概全未免有点夸张和过于简单化了。博士学位不仅仅是一个证书,更是一个教会你如何批判性思考和系统地解决复杂问题的旅程。 而围绕这些细节,另一个讨论的主角是Jupyter notebook,网友们直呼:是个诞生天才想法的地方。 所以新的一年,从开始学习如何使用notebook开始吧。
年轻人不需要跨年演讲了,吴晓波更不需要
在吴晓波频道的公司介绍中, 一个从未改变过的价值观是:认可商业之美,崇尚自我奋斗,乐于分享贡献,反对屌丝文化。 01 撸起袖子加油干 2015年夏天的时候,吴晓波跟罗振宇约了一顿饭,饭局上吴晓波提议:是不是可以一起以类似跨年演唱会的方式搞一场跨年演讲? 彼时,吴晓波刚刚在深圳组织了一场名为“转型之战”的千人大课。这一年,是吴晓波由传统媒体转型自媒体的一周年,也是中国企业的转型元年——“互联网+”模式几乎把整个儿实体经济重新洗礼了一遍。 “转型之战”的课程内容包括宏观经济解读、转型企业案例、BAT资源以及工业4.0这四个内容板块,几乎是点对点的给急于转型的企业主们一场知识解渴。活动大获成功,1000张售价9000元的门票在不到半个月的时间里就销售完成,后来还不断有用户问询,工作人员说再来就只能是站票了,但仍止不住用户们下单的手。 钞票以一种吴晓波无法拒绝的方式扑面而来,跨年演讲的想法便应运而生。 他的提议得到了罗振宇的深度认可,俩人背后都有着巨大的商业蓝图,这种既可以收门票和赞助(据了解,吴晓波一场跨年演讲的收益在1000万~2000万之间,罗振宇这部分收入每年在3000万元以上),还能最大程度提升个人影响力的商业模式,没有说不的理由,于是俩人一拍即合。 不得不说,对于财富的认知,吴晓波与罗振宇有着惊人的相似:罗振宇认为,在财务自由之前什么都不要想,财务自由是确立你人生价值的基础。吴晓波也有类似的观点,他认为一个人思想自由的前提是财务要自由。 不过,他们在讨论之后很快发现,双方的用户社群属性差异过大: 罗振宇的主要用户是渴望利用碎片化时间来学习的年轻职场人,他曾说:如果贵州某自治县汽车修理铺对面的一个地址上,买的是《经济学通识》,那这就是我们干下去的根本动力。 这样的话吴晓波就从来不说,他的靶向受众是拥有一定经济实力的企业主和中产们。 用户群不一样会造成演讲主题割裂,基于此,俩人决定还是各说各的吧。 分野在开始时便已经产生,只不过当时烈火烹油,他们不知道人们有一天竟然会“不爱学习”,并将“知识天王”赶下神坛。 罗振宇甚至还有点上头,一口气承诺了20年,还提前发售了船票:预售99张20年联票,单价为40000元,300张18年联票,单价为36000元。总价近1500万元的联票很快被售空。 为了避开竞争,吴晓波选在12月30日,罗振宇选在12月31日。但读书人的事,怎么能说得这般市侩。所以,在吴晓波的语境里,是“把一年里的倒数第二天留给自己,最后一天留给爱的人。” 自此,年轻人的跨年方式就多了一种选择。 02 及时刹车 “没有哪种职业,具有像企业家这样的功利性。企业家的成功能被人记取和传颂,只有一种可能,那就是:他所一手缔造的企业仍然在创造奇迹。企业家总是需要有一些看得见、可以被量化的物质和数据来证明自己的价值。这些物质和数据还必须每年保持一定的增长,甚至,增长的速度应该比自己的同行还要快,否则,他就很难被视为成功。” “正是这种特征,构成了企业家不幸的宿命:除非退出舞台,否则永远不能以成功来定义。” 写《大败局》的时候,吴晓波对企业家的属性进行了这般解读,尽管吴晓波对自己的身份定位是记者,但拥有一家年收入能到3亿的自媒体公司,怎么不算是一个企业家呢? 于是,当跨年演讲来到10周年时,吴晓波宣布退出舞台了。 某种程度上,这不可谓是一种保全。 事实上,跨年演讲的热度比他们想象中要凉得快。早在2018年时,知识跨年的意义就开始遭受质疑。一个流传很广的段子是:中年人听罗胖的跨年演讲,与老年人买权健的营养保健品,其本质上没有任何差别。 而关于“跨年演讲”遇冷的相关报道,从2020年起就如赠品一般,随着吴晓波罗振宇们的每一场演讲前后出现。 并非媒体蓄意看衰,以罗振宇为例: 2016年罗振宇“时间的朋友”跨年演讲直播时,深圳卫视曾以1.69%的收视率位居全国同时段第一。2022年时,深圳卫视《2022时间的朋友——罗振宇跨年演讲》收视率仅为0.131%,位列同时期地方卫视节目收视率第九。 这股寒气在2023年达到高潮。跨年演讲当天,一则关于罗振宇“晚会现场上座率不到三分之一,内场4900的票在开场前暴跌到1500,黄牛全部亏麻了”的消息在社交媒体上暴走,尽管后续罗振宇进行了辟谣,但闲鱼上打折售卖演讲门票的事确有发生。比如,4680元只要2000元就可买到,2980元的卖1500元……想想当年卖20年联票时的一售而空,恍如隔世。 吴晓波的情况也并不乐观。 2年前,关于吴晓波演讲全是广告的论调就甚嚣尘上。跨年夜最后的演讲结束后不久,社交媒体上关于“听吴晓波念了3小时广告”“三小时的鸡汤居然要卖6000元”等等的吐槽帖也随处可见,跨年演讲对于公众的意义正在消弭,在互联网更大规模的嘲弄来临之前,吴晓波及时刹车了。 他收获了一个体面的退场——这场告别秀的观众数量创下了历史新高,近乎9000人。而贯穿首尾的广告数量和广告主含金量,也宣告了这将是一个盆满钵满的收尾。 03 安全垫很厚 另一方面,跨年演讲对于吴晓波生意的意义也在减弱。 跨年夜的最后一场演讲中,吴晓波邀请了一个名为“Harry刚刚”的创业者来到现场,这名创业者曾给吴晓波留言:“我已经没钱支付超级会员的费用了,深感惭愧。扛到最后一滴血,或许就是创业者的宿命……” 这就是吴晓波的魅力。隔壁雷军在网民们一声声“军儿”的称呼中,又改头像又汇报行程,还兼职客服和主播,才赚得如今的局面。但吴晓波却能做到,让顾客以不能为他继续贡献GMV而深感惭愧。 吴晓波的超级会员费是多少呢?2980元。跨年夜做活动还直降了500元,但看起来,对于Harry刚刚这样的创业者已经成为负担。 吴晓波的客户群正在面临挑战。 据IT桔子数据统计,近十年,中国新经济创业公司关停/倒闭总量达3.24万家,其中2023年关停/倒闭公司数量为3820家。当中产默契地选择捂紧钱包,留给吴晓波可吸收的信徒也肉眼可见的减少,聚众演讲的商业意义随之面临挑战。 不过,2021年接受《财新时间》采访时,吴晓波曾说:“我都懒得破圈,把这几十万人服务好就行。”一定程度上,他说的没错。最近几年的破圈对吴晓波造成的影响几乎都是负面的。比如直播时仅卖出15罐奶粉,以及崇尚精英主义者,反对屌丝文化的言论。 “人跟蚕很像,就是你要不断地吐丝,吐得越勤快,吐的越开心,他把你包裹的就越严重,最后哪也去不了。”2024年年初,他跟刘润这样说,也坦诚自己不再有面对新世界的勇气了。 所以,无论主动还是被动,跨年晚会能带给吴晓波的兴奋感都在消失。 不过你若因此怀疑吴晓波的赚钱能力,那确实大可不必。 吴晓波曾在一档节目中自曝,吴晓波频道的年收入在3亿元左右,其中三分之一的收入来自企业培训,三分之一来源于知识付费,三分之一是广告收入。 尽管近两年吴晓波没有对外界公布过公司的收入,但经略大了解: 北京一家知识付费TOP5的公司,24年的盈利规模有7000万。这家企业致力于为企业赋能,客户群主要为中小企业主与企业高管,与吴晓波的用户群高度重合。该公司每年都会举办一场峰会,近两年峰会的参与人员数量较高峰时跌去了三分之一,也因为客户数量的减少,大课由每个月一次改为了两个月一次。以及,该公司24年参与了一场对赌,对赌失败,赔偿了股东5000万。 如此境遇下,依然能产生如此规模的盈利,可见知识付费这条赛道的韧性或许比外界猜测的要更强一些。具体到吴晓波身上,他或许更加怡然自得,毕竟,他本人的知名度更大,公司的业务范畴更广,收入受影响程度或许会更小。 换而言之:中产客户们留给吴晓波的安全垫,足够他穿越更长的寒冬。也难怪他提出“只有新中产才能救内需”的经济观点。没有人比他更了解这个群体的韧性。 罗振宇或许就没有这样的好运气了。 论含金量,年轻的白领们显然没有企业主们那般慷慨,更糟糕的是,这个群体的付费人数还在萎缩。 6次折戟IPO后,得到的财务数据便不再对外披露,我们暂以招股书的数据作比。 2018年至2021年上半年,思维造物旗下“得到”App新增注册用户数量分别为681.37万人、397.50万人、456.46万人及172.03万人,最近一年新增用户不到3年前的1/6;连带着营收也在不断收缩。 2019年度、2020年度、2021年上半年,思维造物分别实现营业收入6.27亿元、6.74亿元、4.38亿元,实现归属于母公司所有者的净利润1.17亿元、4006.35万元、2863.67万元,营收和净利润均呈下降趋势,而盈利的部分中,大头还要分给签约的讲师们。 20年的跨年演讲,是罗振宇纪念时间的仪式,也是他无法挣脱的枷锁。 04 忠于自己 “还得是吴晓波,全程没有一张废牌。”盯完整场跨年演讲后,编辑部小张如此感慨。 直播过程中,视频下方的购物车提示就没有停止过。在赚钱这方面,吴晓波是有信仰的:不管是屌丝还是中产,他照单全收。所以购物车里有6.6元的年终秀资料,也有2480元的超级会员。就连跟直播内容毫不相关的酒,也出现在小黄车里。 至于贯穿演讲首尾的广告品牌就不用说了,小张有一瞬间的恍惚:他到底是根据广告主们的品牌属性来准备的演讲内容?还是根据演讲内容找到的靶向广告主呢? 演讲期间,每一个阶段的内容都有相应的资料可出售,比如讲到企业出海的部分时,视频右下角就出现了199元的出海大课,讲到他走访企业时,又出现售价1000元的《走进标杆工厂2025企业管理线下课》,售价288元的“每天听见吴晓波”的项目时不时就在评论区里刷屏。直播全程,画面中不断出现各种二维码,引导观众去关注,转向吴晓波的私域流量。 “如果可以,吴晓波恨不得把他说或者写出来的每一个字,都拆成笔画来卖钱。”这是一条早年间的网友评论,此刻,小张对这句话的理解更深了。 在吴晓波频道的公司介绍中,一个从未改变过的价值观是:认可商业之美,崇尚自我奋斗,乐于分享贡献,反对屌丝文化。 外界对于吴晓波的评价,纷纷攘攘从未停止过,但吴晓波说:“我不在乎人家怎么评价我,年轻的时候还在乎,现在也跑出这个射程了。”即使在被抨击最严重的时候,反对屌丝这四个字也从来没有更改过。他也开玩笑说过:你可以侮辱我的人,但你不能侮辱我的钱。 对于金钱和商业的崇拜,30多年了,吴晓波从来没变过。一个人若能从一而终的坚持自己的信仰,倒也足够令人佩服。 会程过半时,吴晓波问候了后排的观众:“你们能听到我的声音吗?”后排,意味着价格便宜的区域,他还对这个区域的观众保持了关心。 他曾对苦难有过深度的怜悯。《永不抵达的列车》一书曾记录过一个关于他的故事: 吴晓波得知一个下岗家庭因为买不起孩子运动会所需的鞋子,父亲跳了楼。这个故事在吴晓波午夜梦回时常常出现,他对这个家庭的苦难感到浑身战栗。 跨年夜,或许没有听到来自后排声音的反馈,他停顿了一下微微一笑:“你们离我太远了。” 也或许是,他在高位太久了。 文/略大参考
传禾赛科技裁员,没有年终奖
据爆料称:激光雷达科技企业禾赛科技正在开启裁员计划,据相关消息显示,此次裁员比例可能达到数百人。赔偿N+1.无年终奖! 根据禾赛科技最新公告:禾赛12月激光雷达交付量突破10万台,成为全球首个达成单月交付量超过10万台的激光雷达企业。值得一提的是,禾赛面向机器人市场单月交付激光雷达超过2万台,广泛覆盖移动机器人、配送机器人、清扫机器人、割草机器人等多个领域。 上海禾赛科技有限公司2014年在嘉定创立,最初致力于激光气体传感器的研发工作,但因该领域的市场规模较为有限,开启了转型之路。 2016年,禾赛科技针对无人驾驶领域陆续推出了三款激光雷达,正式进入激光雷达领域。此后,禾赛科技一直聚焦于激光雷达产品的研发、制造和销售。 目前,禾赛科技拥有7个激光雷达系列产品,包括AT系列、FT系列等,覆盖ADAS市场、自动驾驶市场和机器人领域。第三季度财报显示,禾赛科技实现营收5.4亿元人民币,同比增长 21.1%。激光雷达季度总交付量达13.42万台,同比大幅增长182.9% ;业务综合毛利率为47.7%,实现了自2022年第二季度以来的最高水平。从目前的毛利压下来的角度来看,要盈利必须要控制成本,所以裁员是禾赛的工具箱一种武器。目标ADAS的激光雷达规模扩大到100万(2025年)。 2024年Q4实现盈利,然后继续在2025年盈利。 天风证券海外团队指出,禾赛科技目前已覆盖理想、小米、零跑、比亚迪、华为、长城、长安等国内客户。截至2024年底,公司已累计获得来自21家车企的超过100款前装量产定点车型手段就是严控成本,把冗余的人员减下来,这是很残酷的事情,但也是禾赛从一家创新的创业零部件企业到一家成熟的汽车零部件企业的必经之路!
奇点临近!美国47%工作岗位将被ASI卷走,大佬急发“逃生攻略”
新智元报道 编辑:编辑部 HYZ 【新智元导读】进入25年,ASI正在逐月逼近!美国一份报告显示,未来20年内,约47%的工作岗位将会被自动化取代!我们做好准备了吗? 2025年,我们会迎来奇点吗? 在2023年末和2024年中,DeepMind和OpenAI分别放出了对于AGI等级的定义。我们亲眼见证了,今年的AI如何在逐步攀升AGI高峰。 显然,2024是旋风般的一年。而在2025年,我们有理由相信会看到更多的进步。 我们迟早会看到,科学和数学的进步将以非常真实的方式触及和改变我们的生活,起初会很迟缓,然后在某一刻变得突然。 就在昨天,谷歌大佬Logan Klipatrick预测:我们直接进入ASI的可能性,正在逐月逼近。Ilya已经看到了。 OpenAI CEO奥特曼则暗示,18个月后,2026年夏天,我们将见证奇迹。 而ASI诞生之后的人类,只有两种可能:要么「走向永生」;要么「走向灭绝」。 对此,AI教父Hinton已经发出预警了,10年内,AI可能会导致人类的灭亡! 未来20年,美国47%工作岗位将被自动化! 这种担忧,似乎并不是空穴来风。 一份美国报告研究显示,在未来20年内,约47%的美国工作岗位可能被自动化。 而且,每增加一个机器人,就会导致当地经济损失约5.6个工作岗位。 这些触目惊心的数字背后,折射出的是一场正在悄然发生的职场革命—— AI带来的冲击,从蓝领到白领都不能幸免。 2023年,美国编剧工会,美国演员工会罢工,让所有人清晰看到了AI对「知识工作者」构成的真实威胁。 但实际上,生成式AI和先进技术带来的挑战,早已波及到了多个行业。 那么,哪些工作岗位将面临被AI自动化,甚至取代的风险? 如果工作内容与AI潜在能力高度相似,那么工作者就可能受到包括AI在内数字技术的影响。 不可否认的是,AI加速迭代能够提升人们生产效率,但同时也有取代人类工作的风险。 以伊利诺伊州为例,研究估计有14%-25%的劳动力岗位面临着工作被自动化的高风险,这意味着,高达150万工作者可能受到影响。 此外,约有23.7万到41.7万名工人面临着极高风险。而在建筑行业中,约49%的工作任务可能被自动化取代。 对此,有网友表示,「这个问题本质上可以归结为我们是否能拥有通用型机器人。 如果有了通用机器人,就意味着所有工作都会受到影响;如果没有通用型机器人,那么只有一半的工作岗位会受到影响,因为AI只能取代基于计算机的工作」。 有人则反驳道,你低估了现如今机器人的现状,并甩出了一长串,关于机器人走进岗位的各种报道。 不过,至少在20年后,我们将拥有一批今天不存在的职业。 奇点预测:是2029年吗? Reddit上的singularity社区,举办了年度奇点预测活动。 首先发言的,是OpenAI o1。它认为,2024年关于AI的讨论已经达到了历史最高水平。 生成式AI引发了关于效率、创造力、道德和人类智慧本质的讨论。通向AGI乃至ASI的旅程仍然很复杂,但每一年,我们都有了实实在在的进步。 而社区的网友们普遍认为,库兹韦尔对于2029年的预测的准确的。 AGI和ASI的发生,就在2029-2030年。不过,那时的AI模型应该会有革命性的架构变化,而非如今的LLM路线。 左右滑动查看 相比之下,AI大佬们的预计普遍更为乐观。 奥特曼:2025年可能是AGI的节点,18个月后可能会见证ASI Anthropic CEO Dario Amodei:AGI将在2026-2027年实现 xAI CEO马斯克:最迟在2026年就能实现AGI Meta AI首席科学家Yann LeCun:如果研发顺利,人类水平的AI可能会在5-6年内问世 DeepMind CEO Demis Hassabis:AGI还有约10年时间,且仍需2-3项重大技术突破 但毫无疑问,所有人心里都承认:我们的确离AGI越来越近了。 2023年,在对2,778名AI研究人员的一项调查显示,AGI实现有50%的可能性在23-92年之间。然而,时间跨度仅过去了一年,最新调查却显示,16.6%受访者认为AGI会在5年或更短的时间内实现 AGI来势汹汹,博士生如何应对? 对于那些还未毕业,走进正式工作岗位之前的博士生们,如何应用AI带来的挑战? 毕竟,o3的出世,尤其是在数学编程方面,真正达到了博士级水平。许多网友表示,未来每个人的口袋里都会有一个「超级智囊」。 对此,来自沃顿商学院的Ethan Mollick教授在「四大研究奇点」这篇长文中,详细阐述了AI崛起带来的危与机,并为博士提供了一个「生存指南」。 注:完整版「指南」,请划至文末阅读。 他表示,「作为一名商学院教授,我深知研究表明,在1,016个职业中,商学院教授是与AI任务重叠度最高的25个职业之一」。 但重叠并不一定意味着替代,而是意味着颠覆性变革和改变。 早在ChatGPT崭露头角之前,学术界就已经面临着一个令人担忧的困境——表面上看,学术论文数量在持续增长,但实质性的创新步伐却在悄然减速。 事实上,一项研究发现,从农业到癌症研究,各个领域的突破性进展都在放缓,而且创新速度每13年就会下降一半。 其中的原因错综复杂,但有一点可以明确的事,这场危机将发生,但AI并非是危机的源头。 实际上,AI可能会成为解决方案的一部分,但在此之前它会先创造出新的问题。 Mollick表示,自己更愿意把AI在科学研究中带来的变革称为「奇点」,而非「危机」。 这里的奇点是「狭义的奇点」,指的是未来某个时点——AI已经深刻改变了某个领域或行业,以至于我们无法完全想象奇点之后的世界是什么样子。 而在学术领域,我们正在面临至少四个这样的奇点时刻。 每一个奇点都可能从根本上重塑学术研究的本质,要么成为重启创新引擎的奇迹,要么加剧现有的危机。 征兆已经出现,而现在,我们只需要决定在奇点之后要做什么。 2024,见证历史的一年 回顾2024,这是惊心动魄的一年,见证历史的一年。 各位大佬们都对2024年发生的AI大事做了盘点。 吴恩达总结了2024年AI圈的热门故事:AI智能体崛起,LLM token价格暴跌,生成式视频迎来爆发期,小模型异军突起。 吴恩达也强调,如今,那些处于AI前沿的人,和那些甚至一次都没用过ChatGPT的人,他们之间的差距已经越来越大。 智能体 智能体的含金量,还在上升。 这一年,集成开发环境中有越来越多的智能体开始生成代码,比如Devin、OpenHands、Replit Agent、Vercel的V0和Bolt等。 AI的推理能力也取得了飞速进步。 2024年年底,OpenAI推出了o1模型和o1 pro模式,该模式使用代理循环逐步完成提示。DeepSeek-R1和Google Gemini 2.0 Flash Thinking Mode也遵循类似的代理推理。 在2024年的最后几天,OpenAI发布了o3和o3-preview,进一步扩展了o1的代理推理能力,效果惊艳。 CoT、Reflexion、测试时计算等技术的兴起,让智能体更加繁盛。Agent的时代即将到来! 价格暴跌 同时,我们也见证了LLM token价格的暴跌。今年,AI提供商之间的价格战,打得是轰轰烈烈。 从2023年3月到2024年11月,OpenAI模型云访问的单个token价格降低了90%。 2023年底,GPT-4 Turbo亮相时,每百万token的输入/输出为10.00美元/30.00美元。 但随即的价格战中,模型价格纷纷暴跌。 比如谷歌Gemini 1.5 Pro,价格已削至每百万token的输入/输出为1.25美元/5.00美元。亚马逊的Nova Pro,则已低至0.80美元/3.20美元。 AI视频起飞 这一年,AI视频的发展惊人。 Sora引发了全球轰动,随后的Runway Gen 3、Adobe Firefly Video、Meta Movie Gen、King AI、PixVerse、PixelDance等也加入战场。 未来,AI视频仍有较大的改进空间。大多数模型一次仅生成少量帧,因此可能很难跟踪物理和几何形状,并随着时间推移生成一致的角色和场景。 小即是美 2024年,许多LLM已经足够小,小到可以在智能手机上运行。 顶级AI公司也把一部分资源投给小模型,比如Microsoft Phi-3(参数最低38亿)、Google Gemma 2(最低20亿)和 Hugging Face SmolLM(最低1.35亿)。 而这些小模型,极大地扩展了我们对成本、速度和部署的选择空间。 Jim Fan:24年,6点震撼 英伟达高级研究科学家Jim Fan,从6个方面总结了2024年。 首先,是高端类人机器人的崛起,包括特斯拉Optimus、1X Neo、波士顿动力、GR-1、西部世界克隆等等。 接下来是具身智能的进展:特斯拉FSD v12、英伟达GR00T、HOVER、DrEureka、斯坦福OpenVLA等,让机器人大脑有了更多进步。 而英伟达Blackwell架构、Jetson Nano Super、谷歌Willow芯片,将计算硬件带入全新的领域。 视频生成和世界建模,也迈进了一大步。包括Sora,Veo,GameNGen、Oasis、GENIE-2等行动驱动的世界模型,以及李飞飞的World Labs。 在LLM方面,Claude 3.5 Sonnet、Gemini 1.5 pro、o1和o3不断给我们新的冲击。真正的AGI测试,是完成这个序列:4o -> o1 -> o3 -> (?)。 GPT-4o实时语音模型、NotebookLM等,带给了我们LLM体验的最佳重新构想。 最后,在AI4Science上,今年的诺贝尔物理学奖和化学奖,都给了所有人亿点点震撼。 人类的命运绝不能交给算法的「黑匣子」 在2024年12月的演讲中,联合国秘书长古特雷斯提到——人类命运不能交由算法决定。 技术的发展速度永远不会比今天更慢。 如今的AI模型变得越来越强大、越来越通用、越来越容易获取——不仅能结合语言、图像、声音和视频,还能实现决策自动化。 AI不仅在重塑我们的世界——它正在彻底改变世界。过去需要多年人类专业知识才能完成的任务,现在转瞬之间就能完成。 但同时,它带来的风险同样巨大。 这种快速增长超出了人类治理的能力,引发了关于问责、平等、安全和保障的根本性问题。也引发了关于人类在决策过程中,应该扮演怎样角色的问题。 AI工具可以识别粮食不安全状况,预测极端事件和气候变化导致的人口流离失所。 但是,AI也以更令人担忧的方式进入战场。最关键的是,AI正在削弱人类控制武力使用这一基本原则。 据报道,从基于情报的评估到目标选择,算法已经被用于人类的生死决策。 AI与其他技术的融合,更是呈指数级放大了这些风险——未来,量子AI系统可能在一夜之间突破最强大的防御,重写数字安全规则。 我们必须明确的是:人类的命运绝不能交给算法的「黑匣子」。 既然人类创造了AI,那么它的前进也必须由人类指引。 除武器系统外,我们还必须应对AI带来的其他风险。 AI可以创造高度逼真的内容,这些内容能够在网络平台上即时传播——操纵公众舆论,威胁信息完整性,使真相与彻底的谎言难以区分。Deepfake可能引发外交危机,煽动动乱,并破坏社会的根基。 AI的环境影响也带来明显的安全风险。AI数据中心大量消耗能源和水资源,再加上对关键矿产的争夺,正在造成对资源的激烈竞争和地缘政治紧张。 人类下一步行动至关重要,我们现在做出的选择将决定我们的未来。建立有效的国际治理机制刻不容缓,因为每一次延迟都可能增加全人类面临的风险。 「四大研究奇点」全文 奇点一:我们如何写作和发表 在许多学术领域,学术研究进展缓慢得令人煎熬。 Mollick教授称,自己有些论文从开始研究到最终在期刊上发表花了将近十年时间。顶级期刊是为这种节奏而设计的,因此对AI引发的学术文章洪流准备不足。 这是因为许多研究人员正在使用AI写作文章,加快了研究过程的关键环节,干扰了审稿人的评估标准。 其中一些AI辅助方式极其拙劣且不道德,比如明显由LLM撰写的章节或令人震惊的AI生成图像的论文泛滥。 但当正确使用时,AI写作实际上可以非常有帮助。毕竟,许多科学家在他们的专业领域很优秀,但他们可能不是优秀的写作者或表达者。 而GPT-4级的模型在科学写作方面确实相当出色,至少在一项小型研究中,它们输出的引言部分与人类写作水平相当。 如果AI能够帮助写作过程,它可以让科学家专注于他们最擅长的事情,通过让AI协助处理耗时的任务来加快研究进程。 当然,我们无法得知研究人员是否正确检查了AI的写作内容,因此,在新文章大量涌现的情况下,同行评审变得越来越重要,同时也趋于AI自动化。 在一次重要的AI会议上,约17%的同行评审内容来自AI。 更令人惊讶的是,研究显示约82.4%的科学家认为AI同行评审比部分人工评审更有参考价值。尽管在某些方面,AI表现不及人类,但其在发现错误方面已经展现出独特的优势。 然而,现有的科学出版体系并非为「AI写作-AI评审-AI总结」这样的流程而设计。如果任由这种趋势发展,整个系统可能难以为继。 当然,AI的能力远不止于辅助写作。 为了展示其潜力,Mollick构建了一个「定制GPT」,它可以探索任何数据集,生成假设并以越来越复杂的方式进行测试。 通过实验发现,AI已经能够自主探索数据集、生成假设并进行复杂测试。 这种能力固然令人印象,但也带来新的隐忧:AI可能被用来进行数据操纵(p-hacking),不断尝试直到得到预期结果。 这种行为严重威胁着学术诚信。 上下滑动查看 那么,我们如何度过这个奇点?我们需要重新思考科学出版的本质,并得出一些结论: 未来的科学出版和同行评审会是什么样子? 我们如何应对AI内容的洪流? 我们如何树立积极的AI使用模式,在加快研究进度的同时阻止不当使用? 奇点二:我们如何研究 与此同时,LLM也正在改变研究的实际开展方式。 首先,和AI的合作更像是与人类研究助理合作,而不是使用编程语言。这意味着,更多的研究人员无需学习专门的技能,就可以使用AI来扩展研究的范围。 更进一步的,LLM还能处理人类研究助理难以完成的事情。 例如,Mollick在向Gemini Pro输入了自己2022年之前所写的20篇论文和著作,总计超过1000多页的PDF文件后,模型借助强大的「长上下文窗口」能力,很快便提取出了直接引用并找到了所有文献中的主题,同时只有几处微小的错误。 此外,由于AI可以高度准确地模拟人类,因此研究人员能够更加轻易地复刻著名实验,如「米尔格拉姆的权力服从研究」或跨50个国家的性格测试,从而为社会科学研究带来了更多的可能性。 更为有趣的是,在这些实验中,被赋予个性和目标的AI智能体,可以在模拟环境中相互交互和学习。 比如,在模拟医院中的模拟医生与模拟病人互动,学会了更好地诊断疾病。 是的,在科学中使用LLM最有趣(也最具颠覆性)的方式,就是让AI系统自动探索新事物。 一些早期工作表明,LLM可以在社会科学领域生成新假设,制定测试这些假设的计划,然后通过模拟实际进行测试。 甚至是从事更具挑战性的实验:让GPT-4访问化学数据库,编写软件控制实验室设备,并独立规划和进行实际的化学实验。 自主化学研究系统原型 在不久的将来,AI可能真的会进行科学研究,并以我们无法预测的方式改变研究的本质。 为了引导这种变化,我们需要回答几个问题: 哪些AI方法是可以接受的?哪些方法可能导致糟糕的科学、偏见或危险的结果? 应该允许自主智能体研究什么?如何在需要时对它们进行监控和停止? 奇点三:我们的研究意味着什么 研究界与公众之间往往存在深深的隔阂。 然而,在学术界深耕了20年的Mollick相信,大量学术研究对外部世界都具有价值,这种价值甚至许多学者都没有意识到。 AI可以帮助架起连接学术界和现实世界的桥梁。 比如,当你给之前提到的「定制GPT」投喂一篇论文之后,它不仅可以解释其中的含义并总结关键结果,而且还可以告诉你,为什么这篇学术论文可能也与你有关。 同样有趣的是,AI有望帮助研究人员相互解释工作,发现跨学科合作的机会,并帮助处理奇点一和奇点二所释放的研究浪潮。 我们知道,AI可以进行大规模文献综述并找出意想不到的工作之间的联系,同时也能发现可以填补的错误和空白。 其中,能够将研究人员与正在进行的研究和讨论联系起来的AI,甚至可以更进一步地成为重启创新引擎的有力工具。 但我们需要重新考虑学科之间以及学术界与公众之间的界限,以便在这个奇点的另一边找到更好的世界。 奇点四:我们研究什么 时至今日,我们仍然不知道LLM为什么能如此出色地模拟人类思维。就连创造它们的研究人员,也不了解它们的全部能力。 虽然关于LLM是在进行「原创思维」,还是仅仅在重复训练中学到的内容,仍存在着广泛的争议。 但从目前的研究中可以看出,LLM必将在现实世界中产生重大影响,在越来越多的实际工作中超越人类表现。 如果说,AI确实是一项「通用型技术」,是能够影响文化、经济和社会大部分领域的创新之一,那么我们就需要发动更多领域的研究人员,全力以赴来理解其影响、塑造其发展、减轻其风险,并帮助每个人获益。 这是一个令人振奋的时代,但如果学者们不紧紧抓住这个历史性的时机,其他人就会去做。 我们有一个独特的机会来应对我们的奇点带来的挑战,如果我们做到了,世界将因此变得更好。
o3拿下25%高分震惊数学教授,2025 IMO金牌或被AI收入囊中
编辑:编辑部 JHY 【新智元导读】AI真的可以做数学了吗?来自帝国理工学院教授Kevin Buzzard在最新博文中深刻探讨了这个问题。甚至,他预测道,2025年AI能够拿下IMO金牌级水平。 OpenAI o3发布后,多个高难度基准测试的SOTA被大幅刷新。 就数学、代码、软件工程等领域而言,更是完全粉碎了满血版o1。 在这之中最引人瞩目的,便是在今年11月Epoch AI发布的数学基准Frontier Math上,准确率破纪录地达到了25.2%。 那么,这个结果到底意味着什么呢? 联手60多位数学家出题的陶哲轩,曾认为这项测试能够难住AI好多年 最近,帝国理工学院教授、数学家、IMO金牌得主Kevin Buzzard发表了一篇深度长文——AI现在能做数学了吗? 文中,他探讨了AI在数学研究中的潜力,特别是在处理复杂计算和验证方面。不过,Buzzard认为在原创性证明、深刻理解数学概念方面,依旧存在一些局限。 o3未来在数学方面的研究潜力究竟如何,或许我们能够从这篇文章中获得关键的一瞥。 o3是什么?FrontierMath又是什么? 可能大多数人都认为,语言模型就是ChatGPT之类的东西:你可以向它提出问题,它会写一些句子给你答案。 语言模型在ChatGPT之前就有了,但总的来说,它们甚至无法写出连贯的句子或段落。 之后还有很多其他模型。现在,它们仍在快速进步。 没有人知道这种情况还会持续多久,但有很多人在这个游戏中投入了大量资金,因此,如果打赌进展会很快放缓,那就太傻了。 Epoch AI在11月宣布, 其精心挑选了「数百」个数学难题, 组成了保密的FrontierMath数据集。 论文链接:https://arxiv.org/abs/2411.04872 之所以要进行「保密」,是有原因的。 大语言模型的训练要依赖于大型的知识数据库,因此一旦你将数据集公开,这些语言模型就会在上面进行训练。 如果你向这样的模型提出来自数据集中的问题,它们可能会直接复述出已经看到的答案。 这个数据集有多难? 那么,FrontierMath数据集中的问题是什么样的呢? 我们知道的是,这些问题不是「证明这个定理」问题,而是「找到这个数字」问题。更准确地说,「问题必须具有清晰且可计算的答案,并且能够被自动验证。」 对于数据集中公开的5个示例问题,通过随机猜测的方式几乎上不可能成功。而且对于专业数学家来说也不简单。 Buzzard称,自己可以理解这5个问题的题意,并能较为轻松地完成第三道题——他以前见过这个技巧。 简单来说就是,函数将自然数n映射到α^n,当且仅当α-1的p进值为正时,该函数在n上是p进连续的。 而且,他也完全知道如何解决第五个问题——这是一个涉及曲线Weil猜想的标准技巧,但没有去算出确切的13位数答案。 对于第一个和第二个问题,Buzzard承认自己并不会做;至于第四个问题,如果花很多力气去研究的话可能会有进展,不过他最终没有尝试,只是看了看答案。 Buzzard怀疑道,即便是非常聪明的数学本科生,可能连其中的一个问题都无法完成。 比如第一个问题,就需要是解析数论领域的博士生才有可能。 FrontierMath论文中引用了一些数学家对这些问题难度的评价。就连菲尔兹奖得主陶哲轩表示:「这些问题极具挑战性,只有领域专家才能解决」。 确实,Buzzard称自己能解决的两个示例问题都在专业领域,比如算术;而对那些不在专业范围内的问题,一个都没解决。 不过,同是菲尔兹奖得主的Borcherds也在论文中提到,机器所生成数值答案「并不完全等同于提出了原创性的证明」。 那么,为什么要制作这样一个数据集呢? 问题在于,对「数百」个「证明这个定理」问题的答案进行评分成本非常高。至少在2024年,人们还不会信任机器在这种复杂程度下进行评分,因此必须花钱聘请人类专家来完成。 相比之下,检查一个列表中的数百个数字是否与另一个列表中的相对应,计算机可以在一秒钟内完成。 正如Borcherds所指出的,数学研究人员的大部分时间都是在尝试提出证明或构思想法,而不是处理数字。 不过,由于在数学领域,AI迫切需要高难度的数据集,而创建这样一个数据集是非常困难的,或者说是非常昂贵的。因此,FrontierMath数据集仍然非常有价值。 在最近的一篇论文中,Frieder等人深入讨论了数学领域AI数据集的不足之处。 论文链接:https://arxiv.org/pdf/2412.15184 此外,Science上也有一篇关于FrontierMath数据集的文章,其中引用了Buzzard的话:「如果有一个系统能够在这个数据集上取得满分,那数学家的时代就结束了。」 没想到,就在论文发出的一个多月之后,OpenAI突然宣布o3在这个数据集上取得了破纪录的25.2%准确率。 整个AI数学圈,都为之震惊,包括Buzzard本人也是。 发生了什么? 在数学领域,Buzzard对「AI」能力的认知是「本科生或预科生」的水平。 o3在解决为优秀高中生设计的「奥林匹克式」问题方面,表现得非常出色。 毫无悬念的是,AI系统在一年之内就能通过本科数学考试。 因为,在设计本科数学考试时,通常需要确保不至于有50%的学生都不及格,因此会加入一些标准化问题(和学生们已经见过的非常相似),从而帮助那些对课程有基本理解的学生能通过考试。在这些问题上,机器很容易取得高分。 但要从这一水平跨越到高级本科或早期博士阶段,并提出创新性想法,而不仅仅是重复利用标准化的思路,将需要一个相当大的飞跃。 毕竟在普特南竞赛(美加知名大学生数学竞赛)中, o1 pro仅对「B4」这道题给出了还算不错的解答,其他大多数答案最多只能得一两分(满分10分)。 上下滑动查看 因此,Buzzard原本预计这个数据集在接下来的几年内仍然是难以攻破的。 但还是激动早了。 Epoch AI的Elliot Glazer在Reddit发帖声称数据集中实际上有25%的问题是「IMO/本科生风格的问题」。 这个说法有点令人困惑,因为很难将这样的形容词,对应到公开发布的5个问题中的任何一个。 即使是最简单的一个,也涉及到了Weil曲线猜想(或是通过暴力计算论证——勉强可行但会非常痛苦,因为它需要在有限域上分解10^12个三多次项式)。 那么问题来了,这个数据集中问题的实际水平到底是什么?或者换句话说,这五个公开问题是否真的具有代表性?我们无从得知。 考虑到这一新的信息,即25%的问题是本科水平,Buzzard称自己对o3取得的成绩也就不那么惊讶了。 不过,他表示,还是很期待AI能够在数据集上达到50%的准确率。因为在「博士资格考试」上的表现(也就是Elliot Glazer所描述的接下来50%的问题),正是Buzzard希望从这些系统中看到的。 证明这个定理! 然而,正如Borcherds指出的那样,即使我们最终得到了一台在「找到这个数字」方面超越人类的机器, 它在许多数学研究领域的适用性也将十分有限,因为这些领域的核心问题通常是如何「证明这个定理」。 在Buzzard看来,2024年最成功的案例是DeepMind的AlphaProof——它解决了2024年国际数学奥林匹克(IMO)六道题中的四道。 在这些问题中,既有「证明这个定理」, 也有「找到一个数字并证明它的正确性」。对于其中的三道题,机器的输出是完全形式化的Lean证明。 交互式定理证明器Lean拥有一个完善的数学库mathlib,其中就包含有能够解决IMO以及其他问题所需的众多技术。 最终,DeepMind系统的解答经过人工检查后被验证为「满分」答案。 不过,这相当于让我们又回到了高中——尽管题目极难,但解题只需使用高中水平的技术。 Buzzard认为,我们将会在2025年看到IMO金牌水平的机器。 但同时,这也迫使我们不得不重新面对之前提到的「评分难题」。 谁给机器打分? 可以设想,在2025年7月的国际数学奥林匹克大赛(IMO)上,除了数百名世界上最聪明的中学生之外,还会有机器参赛。但希望数量不会太多。 这些系统将分为两种类型: 以计算机证明检查器(如Lean、Rocq、Isabelle等)的语言提交答案的系统 以人类的语言提交答案的大语言模型 这两种提交方式之间最大的区别在于: 对于已被正确翻译为计算机证明检查器语言的题目陈述,评审只需检查证明能否通过编译,基本上就可以确定这是不是一个「满分」答案了。 对于大语言模型,评审将面临类似普特南竞赛解答的情况——计算机会写出一些看起来很有说服力的内容,但人类需要仔细阅读并评分,而且并不能保证这会是一个「满分」答案。 Borcherds提醒AI社区「证明这个定理!」是数学家真正希望看到的,这是非常正确的。 目前在逻辑推理方面,大语言模型的准确度至少比人类专家低一个数量级。 我担心,在一两年之内会不可避免地出现语言模型「证明」黎曼猜想的浪潮。这些模糊或不准确的「证明」可能会夹杂10页正确的数学内容中,而人类不得不耗费大量的精力才能把它们找出来。 另一方面,定理证明器的准确性至少高一个数量级:每当看到Lean拒绝接受数学文献中的某个人类论证时,错误的总是人类。 事实上,数学家希望看到的不仅仅是「证明这个定理!」,而是希望看到「正确地证明这个定理,并以人类能够理解的方式解释其成立原因」。 对于语言模型方法,我非常担心「正确性」;而对于定理证明器的方法,我则担心「是否能够以人类能够理解的方式呈现」。 目前进展非常迅速,但我们在这一领域仍然有大量工作要做。 至于何时才能「跨越本科生水平这道坎」?没有人知道。
5nm芯片自研计划失败,韩系车企,可能得依赖中国企业了
大家都清楚,随着电动化趋势越来越明显,传统的燃油车品牌们,也不得不拥抱电动汽车了,比如丰田、大众、B B A等等,都开始积极转型。 而电动汽车的基础,主要就是电动化、智能化这两块。 而在电动化方面,最核心的动力电池,目前已经被中国厂商垄断了,数据显示,2024年前面10个月,中国的6大厂商已经拿下了全球66%的份额,而韩国3大企业拿下了20%左右的份额,留给其它国家和地区的时间和市场,真的不多了。 而在智能化方面,目前也几乎是中国、美国企业的天下,其它国家的企业难望其项背。 美国的英伟达、高通等提供智能座舱、自动驾驶的芯片,特斯拉的FSD也是大名鼎鼎。 而中国厂商中,也有地平线、黑芝麻等企业提供各种智驾芯片,还有车企自研这些芯片,另外中国车企的自动驾驶算法,独步天下,完全不输给特斯拉。 所以,其它国家和地区的车企,要想在电动汽车领域有所成就,必须在电动化、智能化方面多下苦功夫,真正掌握核心科技才行,否则没法竞争。 也正因为如此,之前韩国现代汽车有一个决定,那就是要自研自动驾驶芯片,要在2025年推出5nm的智驾芯片,再配合自研算法,在智能化上达到全球顶尖水平,2029年实现全自动驾驶,为了实现这个目标,还成立了一个“半导体战略室”。 不过,近日传出消息,现代的负责车载芯片研发的“半导体战略室”解散,不再研发了,原因就是芯片也好,算法也好,都没这么容易。 一旦解散这个部门,接下来可以预计的是,现代的汽车芯片没法自研,只能对外采购了,甚至算法可能也得借助外力了。 而给现代的选择不多,芯片方面要么就是高通、英伟达,或者中国企业地平线、黑芝麻等,而在算法方面,可能也是采用一些现成的方案,比如Mobileye、华为ADS、大疆的方案等等。 而有消息称,现代之前使用的是Mobileye的方案,但未来可能会倾向于使用中国企业的方案,因为Mobileye方案不够给力,明显落后于中国企业了。
英伟达千万投资后,27岁CEO豪言:前端工程师三年内消失
我给数学家们的时间是 700 天。这就是人类作为宇宙已知领域中数学王者的剩余时间。 “像前端工程师这样的岗位可能在三年内就会消失。这听起来很极端?其实不然——三十年前本来也没有前端工程师这个职位。” 这个惊人预测出自 Exa CEO 威廉·布里克(William Bryk)之口。前段时间,这家由他与华人天才极客 Jeff Wang 在哈佛创立的 AI 搜索引擎公司 Exa,刚刚拿下了英伟达领投的 1700 万美元 A 轮融资。 在硅谷的 AI 新贵中,这对创始人组合格外引人注目:27 岁的布里克提出了“史上最慢搜索引擎”的大胆理念——宁愿花上几分钟返回精确结果,也不要毫秒级的肤浅匹配;26 岁的 Wang 则将向量数据库技术推向了极限,让 AI 真正读懂互联网内容。比方说,圣诞节的这几天推特(X)上开始流传 Exa 制作的一个“年度总结工具”,可以总结你在推特一年来的所有内容,各大博主玩的是爱不释手: 图源:归藏老师 小编的个人推特被 Exa 评价最像马斯克 Exa 的“推特年度总结”:https://twitterwrapped.exa.ai/ 但比起搜索技术本身,布里克对 AI 未来的预测更令业界震惊:前端工程师职位将在 3 年内消失,2025 年底 AI 将能自动处理任何计算机工作。他还放话,“我给数学家们的时间是 700 天。这就是人类作为宇宙已知领域中数学王者的剩余时间。”这句颇有《三体》里三体人向地球人宣战的味道。 以下是布里克于圣诞前夜发布的最新预言全文《AI 前夜的思考》,经 CSDN 精编处理,让我们一同看看他这么说的依据: 变革前夜 最近和几位朋友聊起 OpenAI o3 模型,他们的第一反应都是难以置信:“大的要来了?” 没错,这一切确实要来了。未来几年,我们将见证一场翻天覆地的变革。这不仅仅是一个历史性的时刻,放眼整个银河系,这都是一个重大转折点。 让人哭笑不得的是,对于这场即将到来的巨变,我们却缺乏深入的讨论。AI 实验室讳莫如深,新闻媒体对此浅尝辄止,政府更是一头雾水。 更讽刺的是,人类文明发展的重大议题,居然要靠社交媒体上的表情包和梗图来讨论。这简直像是一出荒诞剧,但现实就是如此。 接下来,我想分享一些个人对当前局势的思考和见解 —— 权当是为 X 平台上的思想漩涡添砖加瓦吧。 在开始之前,我要强调:这些想法都是未经深入推敲的头脑风暴。由于时间有限,很多观点都没能充分研究和论证,其中难免有不少谬误。但我希望这些想法能给那些正在试图理解这场变革的人带来一些启发。 让我们开始吧。 模型突破与行业变革 说实话,o3 的出现本不该让人感到意外。两个月前,OpenAI 就公布了测试时间扩展图表。计算机发展史告诉我们,这些发展曲线往往都能变为现实,即便看起来再怎么不可思议。真正令人震惊的是,这一切只用了短短两个月。从大学水平到博士水平,AI 的进化速度快得让人措手不及。对人类来说,渐进式的变革令人雀跃,但这种突飞猛进的跃迁却让人心惊胆战。 未来的发展路径其实已经呼之欲出。o3 这类模型最擅长优化那些能够明确定义奖励函数的任务。数学和编程这样的领域,奖励函数相对容易设计;而小说创作这样的领域则难度更大。这意味着在短期内(一年之内),我们将看到能力分布不均衡的模型。它们在数学、编程和一般逻辑推理上可能已达到接近通用人工智能的水平,但在创作文学作品时可能仍显得平庸乏味。虽然更强的推理能力会让模型在各个领域都表现得更加智能,但在那些未经强化学习训练的领域——也就是训练数据未覆盖的盲区——它们仍会犯一些低级错误。从长远来看(1-3 年),随着我们不断将新的领域(情感数据、感知数据等)纳入强化学习训练范围,这些盲点终将被填补。到那时,除了像 Gary Marcus 这样的顽固派,所有人都会承认这些模型已经具备了真正的通用智能。 AI 助手在 2025 年必将成为现实。以 o3 为代表的模型必然能够自如地操作浏览器和应用程序,这类任务的奖励模型设计相对简单。更重要的是,自动化办公这个市场潜力巨大,对于那些需要证明高额投入合理性的实验室来说,这是一个绝佳的切入点。我敢打赌,到 2025 年底,你只需要一句话,就能让电脑自动完成各种涉及网页浏览、应用操作和数据处理的工作流程。 在所有即将被颠覆的学科领域中,数学可能是最容易被 AI 征服的。数学家们在符号世界里工作,几乎不受物理世界的掣肘,这恰恰是大语言模型最擅长的领域。说到底,数学本身并不难,只是人类的大脑不够用罢了。这一点在正则表达式的使用上也同样明显。 研究领域的巨变 一个关键问题是:制作研究级别的合成数据到底有多难?我的判断是,没有想象中那么困难。对人类来说,博士级数学和研究员级数学的差别可能很大,但在 AI 眼中,这可能只是量级上的差异,只需要增加几个数量级的强化学习训练就能跨越。我给数学家们的时间是 700 天——这话听起来疯狂,但如果说 o6 模型无法超越数学家,听起来同样不可思议。所以和本文其他预测一样,我对这个判断的把握超过五成。700 天,这就是人类作为宇宙已知领域数学王者的剩余时间。 目前的形势下,软件工程师又该何去何从?短期来看,这对我们来说简直是天赐良机。每个程序员都相当于被空降了一个技术主管的位置,干得漂亮。对于那些充分拥抱大语言模型的开发者来说,到 2025 年底,编程的感觉更像是在指挥一群小帮手完成各种任务。只要需求描述足够清晰,o4 系统就能完成任何代码提交,错误率低到完全可以接受。当然,这里可能会遇到一个问题:模型的上下文窗口可能容纳不下整个代码库,不过像 Sam Altman 这样的行业领袖显然已经意识到了这个问题。 那么,AI 是否会在短期内取代所有软件工程师呢?答案是否定的。软件工程不仅仅是根据明确的需求提交代码那么简单。与数学家不同,软件工程师需要频繁地与现实世界打交道,特别是要和其他人互动。工程师需要与客户沟通以理解他们的需求,需要与团队成员配合以满足他们的要求。在设计架构或编写代码时,工程师需要考虑大量的组织背景因素。o4 模型还无法做到这一点。但它确实能帮助那些已经理解这些背景的工程师提高十倍的工作效率。 软件行业的变革与重塑 如果软件工程师的效率提升了十倍,是不是意味着我们需要的工程师会更少?从单个公司的角度来看,确实如此,因为精简的团队就能达到同样的产出。但从全球范围来看,对软件工程师的需求可能反而会增加,因为世界显然需要十倍于现在的优质软件。因此,我们很可能会迎来一个由精简团队打造的应用程序黄金时代。每个人、每个企业都能拥有专属的定制化应用。 从更长远的角度来看(在这疯狂的变革中,两年后就算是长远了),软件工程这个行业将会焕然一新,具体会变成什么样很难说。当 o6 系统存在并完全融入我们的应用程序时,这个行业怎么可能还保持原样?像前端工程师这样的岗位可能在三年内就会消失。这听起来很极端?其实不然——三十年前本来也没有前端工程师这个职位。 我们需要后退一步,认识到软件行业每一代都会彻底重塑自己。软件的本质始终是将需求转化为纯逻辑,只是这个转化过程的抽象层次在不断提升,从二进制提升到了 Python。现在的区别在于,它正在向自然语言迈进。 这种向自然语言的转变,将让非技术人员也能参与编程。但最优秀的开发者永远是那些能够在不同抽象层次间自如切换的人。 简而言之,因为软件工程的核心是通过代码来理解和解决组织的需求,所以只有当所有组织都实现完全自动化的那一天,软件工程才会被完全自动化。 实体行业与算力变革 说完了知识工作者,我们再来谈谈体力劳动者。AI 同样会影响这个群体,只是进程会相对缓慢,毕竟机器人还得应对重力和摩擦力这些现实问题。o 系列模型对机器人技术的助力可能并不明显,因为一个需要一小时才能给出结果的模型,对流水线上的机器人帮助不大。虽然基础模型变得更智能,o 系列模型也能帮助训练这些基础模型,但这并不能解决机器人发展的最大瓶颈。我认为真正的瓶颈在于硬件的改进,以及快速可靠的感知和动作模型。这些都需要更长的时间来突破。机器人技术要实现真正疯狂的进步,得等到机器人能自己制造机器人,AI 能自主进行 AI 研究的时候。这可能来自于o 系列模型,但估计还要再等几年。 谈到发展速度,也许我们不该以年为单位来计算,而是该以算力为衡量标准。人类的产出取决于时间,但AI的产出取决于算力,而在研究机构中,AI 的产出正变得越来越重要。这就是为什么各大实验室都在争相建设超级计算集群—— Meta 的 2GW 集群、xAI 追加的 10 万块 H100 芯片等等。 所有的实验室很快就会跟随 OpenAI 的脚步,采用测试时算力模型。有些实验室可能算法不如人,但可以用更多的算力来弥补。就像他们在 GPT-4 之后做的那样,总能追赶上来。在 o 系列模型中,OpenAI 到底掌握了多少独家技术还不好说,但从他们的进步速度来看,这更像是算法上的突破(容易复制),而不是某种独特的数据组合(难以复制)。 在这个讲究测试时算力的时代,究竟是拥有更多算力重要,还是拥有更好的模型重要?这个问题很有意思。一方面,你可以用更多的测试时算力来弥补模型的不足。但另一方面,稍微好一点的模型可能就能节省指数级的算力。 如果 xAI 真能靠着建设超级集群的能力追上 OpenAI,那场面还真有点意思。 无论如何,模型领域的护城河不可能持续超过一年,因为各家实验室的核心研究人员就像棒球卡片一样持续互相交换。更有趣的是,这些实验室的研究员们私下里还会一起聚会玩乐。再加上我觉得,一旦情况失控,研究人员们恐怕会出于理想主义选择分享信息。 AI 竞赛的现状与未来 眼下这个局面还真是挺有意思。AI 竞赛就像当年的核武器竞赛,但区别在于,这场“新冷战”的“美国人”和“苏联人”会在洛斯阿拉莫斯一起狂欢,还在推特上互相调侃:“我赌你们在 2025 年造不出最大的核弹,笑死 :)” 这种嬉皮士般的欢乐氛围,只能维持到政府介入或者出现重大事故为止。 o 系列模型从几个有趣的方面改变了算力扩张的动态。这类模型激发了大规模扩建的热情,因为每增加一个数量级的算力,就能带来明显的性能提升。对算力供应商来说,这种扩展规律简直是天降福音。我猜这个规律正是 Sam Altman 看到后,想要建设万亿规模计算集群的原因。 不过这对英伟达来说可能不是好消息。o 系列模型让推理变得比训练更重要。而我认为,优化推理的芯片比训练芯片更容易设计,所以英伟达在这方面的护城河并不深。 说到这里,我有个大胆的猜想:如果 o 系列模型能够利用全世界的算力来训练最强大的模型呢?想想看,如果我们能把所有 MacBook Pro 的算力集合起来,形成一个推理超级集群,开源阵营是不是就能打败闭源阵营了?这画面想想就让人兴奋。 效率革命与科研突破 除了算力,代码生产效率也成了一个新的指数级增长点。假设某个实验室独享最强大的模型,他们的软件工程师效率就能比其他实验室高出一倍,这样他们就能更快地实现下一个效率翻倍。当然,除非代码速度已经达到极限,实验队列排得老长,实验室又一次被算力所困。(说实话,这里面的博弈关系挺复杂的。要是能看看这些实验室是如何在算力和人力之间做预算平衡,那就太有意思了。) 说到这些计算资源的扩张和知识工作的自动化,听起来已经够疯狂了,但等到科学家们也感受到 AGI 的威力时,事情才会变得真正疯狂。这话是说给你们听的,物理学家、化学家、生物学家们。 首当其冲的是理论研究领域。理论物理学将率先迎来变革。如果数学真的被攻克了(写出这话我自己都觉得不可思思,但这并不影响它的可能性),那理论物理学应该也差不了多远。它同样在符号世界里运作,这正是大语言模型所擅长的。 设想一下,当成百上万个 AI 版的冯·诺依曼日以继夜地工作在路易斯安那的田野间(Meta 即将建设的数据中心所在地),会发生什么?它们会瞬间阅读过去一个世纪里数千名物理学家撰写的所有论文,然后立即吐出更准确的结论。 显然,这就到了故事最难预测的部分。理论物理学、化学、生物学——如果这些对于经过强化学习训练的大语言模型来说不过是小菜一碟呢?现在看来,我们还有什么合理的理由认为它做不到?没错,我们还没有见过这些模型展现真正的创新,但那是因为它们大多还停留在高中或大学水平,而这个年龄段的人本来就不会发明新物理学。现在我们已经达到了博士水平,或许很快就能看到一些创新性的成果了。 科技创新的链式反应 一旦 AI 开始产出新的科学理论,进步的瓶颈就会转移到现实世界中的测试和实验环节。这里的瓶颈主要是劳动力和材料。到那时,如果已经有能自我复制的机器人,那劳动力的问题就解决了。材料问题也能通过机器人挖矿来解决。这个过程会比较慢,毕竟制造和运输实物需要时间,但我们说的是年的尺度,而不是几十年。 以上说的这些都是建立在一个前提之上:AI 和机器人的研发不会遇到新的瓶颈,模型可以自由地学习发展。但这种情况几乎不可能发生。最大的瓶颈将来自人类自身,具体表现在监管、恐怖主义和社会崩溃这三个方面。 监管:政府不会坐视几家旧金山的科技公司用自动化机器人开采地球资源; 恐怖主义:如果政府管不住大公司,那些失业的愤怒民众可能会诉诸暴力; 社会崩溃:除非人们已经被 AI 增强的媒体内容洗脑到无法维持正常社会运转。 如果战争爆发,它反而不会成为瓶颈,而是会加速这一进程。 形势越来越严峻了。2025 年可能是 AI 作为旧金山科技圈在推特上的玩笑话题的最后一年。之后,那些西装革履的外行人就要介入了。所以,趁现在还能欣赏 Sam Altman 的推文,就且看且珍惜吧。 AI 发展的隐忧 这一切会要了我们的命吗?说实话,我更担心人类滥用 AI,而不是 AI 自己失控。 无数历史证明,人类最擅长使用最新技术相互争斗。当武器变得更致命、更自主,赌注也就越来越大。另一个重大风险是 AI 导致的社会动荡。AI 生成的内容可能会引发大规模的混乱、歇斯底里和集体认知障碍。这项新技术,很可能会被利用来剥夺我们几千年的自由。 还有一种风险是 AI 真的失控了。也就是说,它可能会造成我们始料未及的灭绝级灾难。特别是现在强化学习又重新成为主流,AI 开始自主寻找优化方案,而不是单纯模仿人类数据(模仿人类相对更安全)。不过到目前为止,这些模型的核心还是大语言模型,而大语言模型已经表现出了对人类的理解能力。比如说,如果你在提示词里写上“千万别做任何可能害死我们的事”,那现在的举证责任就在质疑者那边了——你得证明它还是很可能会杀死我们。当然,这里面还有很多论点我都没考虑到。 憧憬与期待 说到底,我还是更多感到兴奋,而不是恐惧。 我一直期待的科幻世界终于要来了。它来得比预期快了一点——这也是人们感到恐惧的原因——但在所有可能的发展路径中,我觉得现在这条路也没那么糟。这是个相当不错的时间线。 我特别期待在未来十年内看到这些突破: 一些突破性的物理学发现 由机器人率先建造的火星和月球基地 完美的导师/顾问系统(这个已经很接近了,只需要更好的检索、记忆和个性化) 零副作用的生物增强药物 超级优化的无人机载人飞行 融合能源、地热能和大量太阳能带来的清洁能源革命 还有那些意想不到的突破:AI 天文学家在望远镜数据中发现外星信号?AI 化学家轻松设计出室温超导体?AI 物理学家统一某些理论?AI 数学家解决黎曼猜想? 这些不再是科幻小说,而是触手可及的科技现实。 AGI 前夜 这一切的终点是什么?终有一天我们会达到超级智能的水平,那时候,只要物理规律允许的事情,我们都能做到。我很期待长生不老,也想去看看其他星系。我猜我们还会把这副血肉之躯升级成更好的载体。不过最让我激动的,还是终于能搞清楚宇宙从何而来。十年前,我就开始在日记里写道,我多么渴望知道这个答案,而 AI 将帮助我们找到答案。现在这一切真的可能发生了,简直不可思议。 我们现在生活在一个让这一切听起来都变得理所当然的世界里。每一次 AI 的新突破都让更多的人意识到这一点,o3 就是最新的例子。 如果未来没能变得精彩纷呈,那只可能是因为我们人类自己搞砸了。比如我们的公众认知、相应的政策制定、社会稳定性、国际合作——这些才是可能阻碍这个精彩未来的绊脚石。 人们常说 AI 实验室的人在主导我们的未来。我不这么认为。他们的工作其实早就注定了。他们只是在执行必然会在某个实验室发生的模型架构演进。但是公众认知、政策制定、社会稳定、国际合作——这些都充满了不确定性。这意味着我们每个人都是未来的守护者。让这个世界安然度过未来的疯狂时期,让我们迎来美好而不是可怕的未来,这个责任落在了我们每个人身上。 帮忙的方式有很多。你可以开发一些能让社会更稳定或让人们更聪明的产品。你可以帮助人们了解正在发生的事情。你也可以清理我们的街道,这样这个许诺带来乌托邦的城市就不会看起来像个反乌托邦。 几乎每个和我聊天的人都担心在 AI 时代失去人生意义,你可能也有这种担忧。对此我想说,情况恰恰相反。你正生活在人类历史上最重要的时期,而且你有能力影响这个时期的走向。拯救世界还不够有意义吗?你真的想回到那个只有个人职业在进步而世界没有进步的时代吗? 也许人们需要从个人成功获得意义转变为从集体成功获得意义。我们现在的很多工作很快就会被自动化。我们必须适应。如果你的意义来自某项特定技能,那么是的,这项技能在五年后可能就不再必要了,你就倒霉了。但如果你能从帮助世界变得更好中获得意义,这种意义永远不会消失。 对于因为 o3 而收到各种建议的应届生们,这是我的建议:学会成为一个主动解决问题的人和一个优秀的团队合作者。你在这个过程中学到的具体技能并不重要,因为世界变化得太快了。但主动跳出来解决问题和与团队良好合作的能力会在很长一段时间内都很重要。 你可能还得接受一个不稳定的人生,因为我们生活在一个不稳定的世界里。情况会变得很奇怪。你可能不会过上养两个孩子加一条狗的郊区生活。你可能会有两个半机械人孩子和一个 AI 宠物狗,生活在星际方舟上。 我们正生活在 AGI 的前夜。在这个圣诞前夜,我想说:希望你能帮助 AGI 的转型顺利进行,这样在 3024 年的圣诞前夜,我就能在环绕 Altman 星的行星上和你打招呼了。
阿里前端第一人AI创业首秀,要做全球内容创作者的GitHub!公司俩月估值过亿,5k人排队内测
衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 百花齐放,但尸横遍野。 这就是躬身入局AI大模型创业的玉伯,对2024年创业现状的真实体感。 但这位昔日的阿里前端第一人,还是选择加入了这个没有硝烟的战场,用AI聚焦内容创作者群体。 入场2个月,公司估值过亿;入场6个月,推出首款产品YouMind,开放内测20多天来,反响不错,有近5000人排队申请(最后通过了千余人)。 他还有些喜出望外地告诉量子位,迄今为止,已付费的种子用户比他预料中更多。 △自己公司刚成立时的玉伯 玉伯是谁? 这个名字在前端开发领域圈子里家喻户晓,且和现在大多数打工人每日用的办公工具/平台息息相关: 硕士就读于中科院物理所; 2008年加入淘宝UED(User Experience Design)部门担任前端工程师,和团队陆续推出了SeaJS、KISSY等框架; 2012年转入支付宝前端开发部,负责基础组,后来创立了体验技术部,致力于设计语言Ant Design、数据可视化AntV等; 2016年,主导了笔记与文档知识库语雀(初期叫云雀)的开发,并在2019年开始了语雀的商业化尝试; 2021年,生产力协同事业部成立,玉伯负责主要产品语雀+白雁; 2023年4月,入职阿里15年、职级P10的玉伯离开蚂蚁;紧接着入职字节旗下飞书,担任飞书产品副总裁; 2024年4月,玉伯离职飞书,次月在杭州创办AI公司思维天空。 11月底,思维天空的第一款产品问世,并于12月6日开启内测: YouMind,一个面向全球创作者的AI工具,覆盖全流程,能整合多模态那种。 不过,玉伯很直接地告诉量子位,目前大家看到和用上的版本,仅仅是YouMind最终构想的v0.1。 但出于一个技术出身者深入骨髓的开源精神和共创理念,团队选择在此时把YouMind摆到用户眼前。 最终形态:内容创作者的GitHub社区 那么,0.1版本的YouMind——也就是现在用户可以内测上的这个版本,是什么样的? 作为通过内测的千分之一,量子位多位编辑都尝试体验了一番。 注册后,它会推荐你安装YouMind浏览器插件。 通过这个插件,你主要可以干三件事: 第一,总结网页,翻译网页; 第二,和ChatBot对话,询问问题,不管是关于正在浏览的界面的,还是需要互联网搜索的; 第三,把任何模态的内容,包括文字、图片、播客/音频、视频等,吃进个人收藏夹里,带分类那种。 以上,是调用插件能做的事。 △右侧为调用插件时的界面 而当进入YouMind主页后,有三大功能。 首先,Snips。 用来摘取并收藏互联网上任何你觉得有用,想要沉淀到自己知识库的内容。 可以是来自arXiv的论文,来自油管的视频,总之anywhere的anything。 其次,Thoughts。 这个很好理解,用来记录你自己个人的想法和随笔,就是网络在线笔记本。 再者,Boards。 可以在这里把外来沉淀的Snips,和个人记录的Thoughts,在这里分类归类,进行整理。 目前来看,Boards功能有限。 (不过毕竟玉伯还把此版本定义为v0.1,大家看个意思吧先) 非要做个类比来方便大家理解的话,我愿称之v0.1的YouMind为: Readwise和obsidian的AI集合版。 (打个比方啦,有更准确的描述欢迎大家评论区集智众筹) 而这,仅仅是玉伯构想中,YouMind走向完全成熟的三个阶段中,第一阶段的第一步。 量子位画了张思维导图,来呈现他对YouMind的整体构想: 玉伯介绍,团队目前正在打磨第一阶段的第二步,让内容创作者们能够在YouMind上IPO起来(手动狗头)。 让收藏的内容不再吃灰,想找看过的内容时不用各平台狂翻浏览记录。 完成资料的串联和调用,帮助自己更好地生产文章/播客/视频等内容。 至此,就算完成了YouMind第一阶段——此时将达到v0.5。 到了第二阶段,YouMind会从个人工具走向协同使用,正式走向v1.0。 但和Notion、飞书、WPS等还不太一样,YouMind偏重内容协同、强调项目管理,而非组织管理。 AI 2.0时代,“一人公司”为代表的超级个体或小微团队大量出现,我想他们都不需要很庞大的协同工作平台。 我们的第二阶段,就是想做服务这类人群的协同工具。 “哈哈,第三阶段其实很长期,和我的初心有关。”玉伯笑道,那就是做社区。 内容创作者们有油管、抖音、推特、小红书等各种平台,但会给人一种四处打工的感觉,“我感觉创作者没有归属感。” 他拿程序员最大的社区GitHub类比—— 无论是写代码还是抄代码,程序员会把GitHub看成是一个家一样的社区;自己有好的想法,也能上传后,进一步被build,甚至变成软件,再分发出去,可能还会在Apple Store里面挣钱。 所以,YouMind的终极目标,是成为一个内容创作者的GitHub。 (p.s.:以天天写稿人的角度,我们聊到创作者的心态或许和程序员的心态有所不同,内容创作者或许不太接受“被copy”。但玉伯举例了一个他认为的神奇存在:维基百科) “也许创作是更好的消费” 而之所以创业第一剑,玉波选择对内容创作者群体“下手”,原因无外乎有二。 一看擅长什么。 一次与杭州的创业前辈交流时,玉伯头一回听说了与共识不同的PMF解释: P不应该代表product,应该代表person。指代的还不是团队里的所有人,就是创始人本身。 那看玉伯自己的经历,他表示自己从2014年起开始用Notion,后来主导语雀、加入飞书。 他介绍团队成员虽然年轻,但多年工作经验与此息息相关,有经验,有积累,有市场长期观察。 团队成立后,内部协同又从Slack+Notion+Google Workspace,横跳到觉得更适合小团队协同和项目管理的Linear+Google Workspace。 等于是从自己的日常使用中寻找新的痛点。 △杭州,思维天空公司内部 二看趋势是什么。 他洞察到与自己要做的事有关的趋势,也分为两点。 首先是内容创作越来越多模态化,并且这个现象不仅仅在国内,是在全球范围内发生。 其次是95后,准确来说10后、20后的消费习惯正在改变。 玉伯自己本人觉得目前的娱乐消费,需要普通人有很高的自律要求。在玉伯口中,这种纯·消费其实很累,他说:“你以为消费了,其实啥也没得到。” 同时,他又不止一次从初中学生口中听到“抖音是老年人才玩的东西”之类的话,也看到自己的儿子和小伙伴们面对轰动一时的《黑神话:悟空》时,不仅仅是去玩那个游戏,更是自己去我的世界(Minecraft)里自己搭建还原游戏中的建筑、boss等等。 再三思索后,玉伯得出自己的结论: 本质上,我会觉得可能「创作」是一种更好的消费,或者创作有可能是一种新时代的消费。 他表示,也许每个人都应该去尝试创作一点内容,尝试过后收获的甜头,跟纯粹是刷短视频的快乐是完全不一样的。 所以就有了YouMind。 然后本着一种很朴素的开源心态——朴素指的是“有了想法就开源”,让大家以此为基点,有代码的写代码,会文档的写文档,有钱的捧个钱场,一起攒个局把想法实现——团队觉得没必要憋大招,可以用共建的方式合力朝内容创作者的GitHub前进。 所以现在时刻的YouMind还是v0.1。 创业后,“功成必须在我” 作为YouMind背后最主要的那个男人,成为创业者后,玉伯更踏实了,但也更害怕了。 踏实,是相比于此前的大厂经历而言。 2018年前,玉伯都在和代码打交道;后来身居大厂中层,带着六、七百人的团队。 不过问题随之而来: 和一线同学隔了三、四个层级,既不能很好地感知到一线的信息,也很少需要自己去做决策(因为更贴近业务本身的-1 or -2提上来的决策已经很不错了),只需自己点头;又因为自己就是所在业务的领头羊,需要他本人自上而下传递的高层信息也几乎为零。 但真的有那么安逸吗?并没有。 出于各种原因,他不能让自己的日程表有空白,甚至有时需要被动地去卷别人。 用他自己的话说,总之人是忙了,心却闲着。 自认为是个实操性人格的玉伯不太享受这种状态,甚至一度想转型去做HR,想让自己踏实一些。 现在离开大厂,自己拉起十几个人的小团队开始从零开始,确实也踏实了。 不过回头看,有时需涉及团队管理方面的事务,还会回头有点“羡慕”大厂。(但玉伯表示,欢迎大家加入~)。 至于害怕嘛—— 是肯定害怕嘛!一个创业者说不害怕,我觉得见了鬼了。 说不害怕创业失败的创业者,基本上都在骗人。 但他陈述,所谓的“害怕”不是说自己怕丢面子。 玉伯很清楚,创业当然得尝试,但当然也担心瞄准的方向是伪命题,某些害怕的情绪是必然会有的。 害怕金钱流失。 作为一个长期主义者,背负投资人的钱,AI创业花钱如流水,但又担忧找不到“有耐心”的长期投资者。 害怕时机不对。 他认为找准时间和看准趋势同样重要。当初2019年前后,在大厂有架空感的时候,是不是就应该毅然创业? “就算挂了,可能现在已经在连续创业第二次、第三次了。” △10年前的玉伯 & 3天前的玉伯 最后一个害怕,来自于他成为创业者后心态上的转变。 以前,他觉得「内容创作者的GitHub」是他的想法和愿景。 这件事“功成不必在我”,可以由别人做出来,自己直接用,还不用承担成本和损失;可以半路被大厂收购,只要目标一致,能被收购也是好事情。 但最近看了尤瓦尔·赫拉利的《智人之上》,他觉得自己突然悟了—— 最后一个害怕,是不愿看到自己的想法和目标,被别人抢先实现。 社区的灵魂,来自社区的共识现实。其中创始人的所思所想是决定性的,无法依赖他人。 所以现在的我认为,创业做「内容创作者的GitHub」这件事儿,功成必须在我。 内测waiting list:youmind.ai

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。