探索AI新纪元：GPT-4与DALL·E 3的革新与自动驾驶未来
- 发布
- 2023 年 11 月 7 日
- 时长
- 1 小时 8 分
- 主播
- 徐文浩、任鑫
- 收听
- 小宇宙（节目主页）Apple Podcasts喜马拉雅
本期从 GPT-4 Vision 与 DALL·E 3 的实测体验聊起：DALL·E 3 画工不算最强，但「听得懂人话」的交互远超 Midjourney，更像一个好沟通的同事；GPT-4V 的看图加推理能力则让人看到端到端大模型做自动驾驶的可能。两人随后讨论了 OpenAI 是否会吃掉应用层、双边市场为什么还能留下壁垒、AI 时代专才贬值与通才(有索引无数据)崛起，以及通用大模型充当「导师」训练垂直模型、多 agent 各司其职等构想。
- DALL·E 3 的美观度不如 Midjourney 和精调过的 Stable Diffusion，但胜在能听懂自然语言、连续修改需求，是个好沟通的同事。
- GPT-4V 判断路况场景的能力很强，说明端到端大模型训练可能比工程打补丁的方式更适合做高阶自动驾驶。
- OpenAI 吃掉的是通用效率场景，越垂直、越需要具体交互设计和行业 know-how 的应用越安全，就好比它不会自己去卖可乐。
- 双边市场因为网络效应仍有壁垒：AI 做不尽的匹配环节，反倒能沉淀数据与护城河，就像 eBay、携程。
- 过去五年被大厂塑造的专才价值下降，好奇心强、动手试错的通才更有优势，因为通才「有索引没有数据」，能靠大模型补到八十分。
- 专业的人往往抵触 AI，不专业的人反而放手用它抢活，营销部门用 AI 直接把设计部门的活干掉了。
- 结构化学习知识(如看教科书、OpenCourse)是 AI 帮助最大的场景；探索新领域的收集信息阶段，AI 帮助有限，只能加快读英文。
- 垂直模型在成本、响应速度、数据隐私、对齐自由度上优于通用模型，通用大模型未来更像是帮垂直模型做训练的「导师」。
目录
点击跳到对应位置
- 开场与 GPT-4V、DALL·E 3 初体验00:00
- DALL·E 3 画得不够美，但听得懂人话01:28
- 六岁宝宝改图：交互体验压倒绘画质量02:26
- GPT-4V 看图推理：从找风景照到自动驾驶03:46
- 端到端大模型为何可能是自动驾驶的解05:36
- 开源动态：多模态、AutoGen 与视频拼接07:45
- 国内追平 3.5、4 与 4V 的时间表10:04
- OpenAI 会吃掉应用层吗：垂直场景的护城河11:14
- 双边市场与 AI 之外沉淀的那一层价值15:13
- 为什么没出现 killer app：时长被占与品类重定义19:14
- Character AI 与偷 IP：第一波机会在于偷资产22:23
- 对话产品的两种极端：用完即走与不让话掉地上28:44
- ChatGPT 语音合成的惊艳与安全限制的代价34:16
- AI 时代招什么人：专才贬值、通才崛起36:01
- 通才的定义：有索引没有数据39:52
- 专才抵触 AI，半吊子拥抱 AI42:03
- AI 与学习：结构化学习有用，探索新领域帮助有限45:25
- 信息源过滤是伪命题，只能坚持浪费49:17
- 信息源枯竭与进入动手深水区53:16
- 模型与产品一体：垂直模型 vs 通用大模型58:47
文稿
共 818 句 · 点段首时间或句子从该处收听，双下划线是重点词条，其他词条悬停可见
00:17我其实有个观点，就是任何的科技浪潮的革新的话，其实最最第一波能够起来的应该是用它偷东西，应该是原本值钱的某个资产，然后你现在可以用新技术直接偷出来变现。这样就最快了。
00:38会发现说整个人才什么时候在市场上受欢迎，什么时候特别显得有价值，其实都是被时代塑造的嘛，对不对？特定的时代，这些人会特别有价值。我们定义就是说，我觉得通才就是什么，他有索引，但是没有数据。
00:55好，欢迎大家来到AI炼金术新一期啊。Hello,hello.Hello,hello.那最近有啥好玩的不？
01:11终于拿到了，我这两天才拿到。
01:14对，我可能稍微拿到的早一点，可能一个多礼拜前就拿到了，但是也没有仔细玩，因为就稍微玩了一下，觉得还是很强大的。对，就就是你还是会发现就是OpenAI手上藏了不少好东西没有放出来给大家。就我我自己感觉还是说，嗯，GPT-4的那个Vision的版本更惊艳一点。
01:33然后DALL·E 3吧，就是我觉得当然也很不错啊，但是也没有觉得有什么特别特别好的，因为呃我觉得两个，我自己的感感觉，我想这样感觉有两个原因嘛，一个是说从美观的角度来讲，我觉得Midjourney做的不错吧。然后第二个是如果你对各种风格啊，各种这种视觉效果要求特别好。
01:53其实那个Stable Diffusion有很多很多这种别人精调过的模型嘛，它针对特定风格的，所以也都很好看。所以完全从漂亮的角度来讲，我我都觉得DALL·E 3好像没有给我这种感觉。我不知道是因为我现在用的参数或者控制，就是我的这个prompt写的不好还是怎么样，就是它给我的还更偏向于这种，
02:15就是卡通化或者就是线条更鲜明，但是不是像那种照片风格的图片。
02:22好像你要单独指明他要画照片风格的。然后，对，我我画下来没有觉得他画的特别好了，但是我也是处于惊艳的状态。呃。不是因为他画的好，而是因为跟他聊天，因为我拿到的时候刚好我宝宝在我身边，我就说我拿到了这么一个神奇的东西。然后我宝宝六岁嘛，他就他就过来，我说你要画一个什么样子，他说他想画他到那个Minecraft的世界里面。
02:50然后我就画了一个嘛，他就过来说，说你能不能帮我打开Can you make it more blocky？他觉得嫌那个嫌那些人物不够方块。DALL·E就马上把所有的那个人物变得更方块了。然后他又说，呃Can you make it more dramatic？
03:08就是你可以让它更戏剧化嘛，然后就马上就那个画面。本来是那种萌萌哒，然后就是非常，然后就变成后面有那个什么绿光、蓝光，然后有那种那种感觉大军压境的那种氛围就出来了。所以它就是它的那个交互，听懂人话这件事情比Midjourney强太多了。
03:27我们拟人化的话，它不是一个更好的艺术家，但是它是一个更好沟通的同事。就之前那个Midjourney，你经常跟它沟通都疯掉，就是说你听不听得懂人话，它听得懂人话。OK,
03:41OK.
05:13这个这个在GPT-4的那个那个早期的那个测评里面也会说，它的空间感左右会反，可能是因为拿的图里面人人可能有两种不同的那个面相，所以左右是分不出来了。
05:27对对对，但是它对那个环境跟包括这种场景的判断能力是非常准确跟非常强的。所以这个我觉得还是蛮惊艳的。就换句话说就是说，因为在大模型出来之后，有很多自动驾驶的这种算法的团队也开始说能不能用transformer做这种端到端的自动驾驶训练嘛，
05:47就是不是说因为原来自动驾驶是个，就跟我们原来做搜索广告推荐一样。是一个很复杂的很多算法糅合在一起，通过多个步骤最后做决策的这么一个过程。但这种其实你会发现，就它很容易做到我们以前讲的什么L2这种水平。就是你觉得哎，这东西差不多有一点用了，这个很容易做到。
06:07但是要做到很高的水平就很难，因为你会发现它总会漏各种呃边角条件嘛。就是你觉得哎，我用了很多工程方法组合在一起，大部分情况我都覆盖了，但是你可能就是按下葫芦起了瓢，就是这里有有一个问题，你这里啊你通过算法策略改一下，你发现那里又有一个问题。
06:24如果你完全靠这工程打补丁的方式呢，你就会发现就是永远打不完。人作为一个驾驶员，他肯定是个端到端的整体嘛。它不存在说，哎，这里不行，我在人的脑袋上，比如说这里装个角，对不对？或者手上装个什么东西，它还是说完全利用用一个机器适配给人嘛。
06:42所以我我是觉得说，从这个视角来看，就是呃，GPT-4V证明了很多方向做完全的大模型，而不是用工程方式去做补充，可能成为一个可行的解决方案。
06:55那这样，我之前也看了另外一家的，也是用应用那个大语言模型在背后，他好像就是过一段时间就会让大语言模型来说一下，说这个画面里面你应该怎么做，比如说前面有一个有有有人，然后说那我接下来开车要小心一点，什么什么什么什么，就不断地在解释自己的行为，然后说我到底为什么要这样做。
07:18但是估计他不是用Vision，可能是因为其实理论上来讲，自动驾驶里面它其实已经识别了最前面有个人，他已经认出来了前面有个人，他不一定要用再用Vision来搞一遍，对吧？他他他他那个图应该已经给到他直接给数据就可以了。只是说，为什么他要这么做的话，他就可以有一个reason，然后有一个显性的布拉布拉布拉布拉捞导出来，
07:42然后让人方便调。除了这些还有什么好
07:45玩的？那开源世界反正也有些更新了，因为GPT-4V出来，有人做了个叫LLaVA的这种多模态模型啊，但是这个的确还没有机会去尝试过。然后其他的我觉得，至少目前看起来跟原来的分别还是不大嘛，就是你还是能看到不断的看到小的亮点，
08:01就有人花很多力气通过Midjourney啊，或者现在很多人开始用GPT-4加DALL·E 3去画这种，他做成想办法做成一个小视频。他不是端到端做啊，他不是说哎我给个描述就出个视频。我看起来还是人工拼的嘛，就是人工去画了很多各种各样的图，在每个图拿到这种Runway里面去剪一个小，
08:21剪一小段几秒钟的。但最后拼在一起变成一个几分钟十分钟以内的这种视频嘛。我看前一阵也有人做了个星球大战的，也不叫应用吧，就应用侧的这种尝试还挺多的。但是的确还没有看到说，哎，哦，还有一个有意思的是微软推了一个，就是agent的，就是这种类似于多agent的开源项目叫做AutoGen。
08:44AutoGen就是让它帮你写代码，帮你写代码就是说里面有两个agent，一个agent负责写代码，一个agent负责提需求给给反馈。然后我看前一阵好像在推特上还有很多人说，哎。效果好像挺好的。对。
08:58但是这个也是没时间尝试，所以现在的主要矛盾是，你会发现新东西还是很多的，但是每研究每试一个东西吧，你可能半天一天就要投进去，然后你要干的事呢又特别多，你就觉得忙不过来。
09:11我也是。我连试些APP现在都只是浅尝辄止试一下，然后说哦原来你做这个的，然后大部分都没有它的demo好。
09:36对。太可怕了。
09:38我觉得还有第二个就是开源模型其实不断地在比较更小尺寸的模型上做出了更好的效果嘛。不是跟V4比啊，四或者四V比啊，而是说，啊，可能原来最早的7B的模型很弱，然后后来Llama 2出来了更好了点，然后微调了更好，最近又出了一个叫什么Mistral 7B，反正我看，现在很多东西都是你听大家评论一下，
09:59因为你都没有没有空去试一下。好像说，哎，好像这个效果又更好了一点，对。
10:15啊？我觉得之前不是说聊过嘛，说就是国内的在干这个的比较头部的这些，大家都觉得目标都是年底到3.5嘛。就是说，所以我觉得就就最后的结论就是说，我觉得国内最头部的这些公司，只要举全公司之力，呃，投入到大模型上，呃。给充足的资源，对吧？
10:34就是说，都是能能在这个时间点追到3.5。觉得，而且他们觉得是说这个事情其实没有那么难嘛，主要是算力的和数据的问题。那就是说，有机会再再过几个月可能追到4。但4V我觉得又是个新问题嘛。因为GPT-4自从爆了那个，就是应该是SemiAnalysis还是谁爆了The Sequence啊，
10:57是哪个，呃，爆了说它是MOE的这种，就是混合专家模型之后，大家一下就觉得这事情可能没有那么难了嘛。
11:05松了一口气是吧？
11:07对对对，就看这个GPT-4 Vision这个事情，大家会有什么好的思路或者好的实验方法吗？
11:38我的感觉还是说应该去做有明确场景跟垂直认知的这种产品吧。我觉得我们不管它是agent，还是是个网页插件，还是个app，还是个网站，呃。就因为之前有很多人觉得，哎呀，OpenAI说出来说你们这个别干了，你们那个别干了之类的，呃，
11:59什么，而且而且我记得前两天还看到有文章说，说，哎呀——这种效率类的，最后都会被OpenAI或者微软吃掉。这个我其实不不完全认同啊，我觉得很大一块当然会被它吃掉，但是我也觉得说不可能都吃掉，是为什么呢？就是说，就是就像你今天家里那个一些木柜子的门，因为很长时间坏掉了嘛，那我就去买了一些把手啊、螺丝啊去修这个东西。
12:22你就想，你去干这么一个简单的事情，你还要用好几种工具，就是你怎么也得买个工具箱，对不对？然后你自己得去挑怎么去，就是我觉得在那个场景下也是一样的，就是在应用层面，你还是要做很多这种针对特定场景的适配工作。而且这个人的认知会会有这个惯性的嘛，你不可能说我今天有很多人在做所谓的AI，要用AI做教育，
12:47对不对？那OpenAI能不能把所有的这个教育的这个事情都做了？我觉得很难。因为你作为一个通用的产品，你的交互界面你就没有办法在那个特定的场景下做到最适合它。都不是讲模型或者功能，而是那个交互上你其实做不到。
13:02比如说一个学习的课程，你可能适合就上面是视频，下面你可以随时暂停，比如做个笔记或者问个问题。然后可能旁边是有搜索的reference，这这个我们不做教育啊，所以我这个瞎编的哈。然后可能有个错题，它有地方可以收集订正，对吧？
13:16这个是帮助你人学习的这这么一个过程嘛，对不对？那你说OpenAI能不能做这样一个产品，不是说它团队没有能力做这个事情，而是它作为最通用的一个模型，它到底能够投多少精力或者多少团队来去针对一个具体的场景，做这种完全的产品层面的优化嘛。
13:35比方说，呃，platform这种东西，就是就看你怎么定义了，对。如果你定义的是个抽象的platform，就像，呃，LangChain啊，呃，什么Semantic Kernel啊这种开发框架，或者说一些UI交互，这个我觉得是越通用风险越大。
13:51对，越是针对一个特定的真实的领域，其实风险越小。再极端一点讲，就是OpenAI不管怎么搞，你你也不可能自己去卖可乐吧，对吧？你可乐最后还是得去可口可乐买来喝一罐呗。
14:03你越具体的话，其实就会牵涉到具体产品设计、具体的UI、具体的那个行业know-how，这些东西都会加进去嘛。然后光是对话这个结构，对于大量的初学者来讲还是太太不友好，虽然它通用，但是它真的用不下去。我最近跟一些那个传统的同学就就碰的比较多一点，就经常会有人跟我过来跟我讲说，
14:29他已经搞到了那个ChatGPT，但是是用了两次，但是实在是不会用，说到底应该怎么用啊？为什么你们可以弄出那么多花样？我觉得，就是你跟它说话呀，我说过了也没有好结果呀。然后我就想说，嗯，那你要不然去买门课吧。
14:48只能这样了，确实太难了。它通用，但是没有那个垂直的那种界面嘛，我要做哪件事情，你就给我一个做这件事情的。万能实在是就太难操作了。不像你给我一个水壶，我要烧热水，你看一下那个盖子可以打开，哦，那大概就在这边接水，是吧？只有一个按钮。
15:07但是万能的东西，它就它那个形态你就很难把握，就是到底应该怎么用。
15:12对呀，对呀，对呀。
15:13不过我我这两天呢，然后那个还看了一个东西，觉得有一点点启发的东西。就是刚刚在讲说OpenAI会不会做啊，什么竞争啊这些东西嘛。然后我看一个那个应该是那个，呃，Greylock的一篇文章嘛。那它里面其实提出来一个观点，就是说其实有一点点像是说仍然要做双边市场的东西。
15:37就是很多时候我们做着做着AI会把它做成一个单边的工具嘛，就提高效率嘛。就比如说它它举的，它它里面举的例子是举类似于猪八戒的例子。那类似于猪八戒这种帮人做logo嘛，做logo的话，那你最后其实肯定就AI帮你做掉了。你匹配个啥，不能不需要匹配人。
15:55那这他们这种东西做着做着，你其实就会发现最后没有壁垒，因为你就是那个那个科技嘛。但是如果说你是比如说是那个那个招聘，那这样子的话，那个你如果不是不是帮人完成这个工作，而是帮人像还是需要找到那个人的，就有点像你刚刚举的卖可乐这个例子。
16:14但是呢，买家和卖家相互之间，你这边都可以贡献更多的数据，以及沉淀更多的数据，以及对他的偏好了解更多。那么可能买家代理和卖家代理相互之间去匹配的时候，可以做到更高效匹配。那这样子的话，中间层是可能在AI之外。再沉淀一层价值的。
16:35就是反倒因为它不能直接搞定所有的事情，反倒就是这里面就可能会有一层那个moat会出来。但凡它能够搞定所有的事情，就匹配完了，或者说已经把它做掉了，你就背着说可能就随时随地有有新竞争把你给灭掉。就觉得，哎，好像有点道理，换个角度。
16:57就这事不能完全让AI做尽了的事情，还是得匹配。就像你刚刚说的，要那杯可乐还是得买到，或者说他要招聘的话，还是得招到那个人，而不能纯粹是AI agent。AI agent的话，那边就会变成说最后又是拼科技嘛。当然你是搞科技的。
17:11所以你是可以做这个东西的。那对于大部分想说我来做个business这个想法的话，那就要真的你科技上你就必须得是绝对头部了，你就要做AI这个。但是如果你做的是一个AI相互招聘的匹配或者相亲男生女生匹配或者怎么样的话，你在中间还是做红娘，
17:30你是增强了红娘这一层的话，那么或者你帮买家卖家各做了一个agent，增加匹配效率的话，那可能在这边还可以做出一些新的壁垒出来。有一个奇怪的观点。
17:43我这个我理解，就是因为双边市场最终是有一个网络效应嘛，对吧？就这个东西其实是说你光有科技其实是很难打破的嘛。这个比较典型的是现在很多的所谓的老牌互联网公司，其实从科技层面看，它的价值其实并不高，对吧？你去看这种已经有二三十年的互联网公司，比方说什么eBay这种公司，它当然是个科技公司，对吧？
18:07它还是个科技公司，但是大家不会觉得啊，eBay是个高科技，说是个很fancy的，有什么啊，科技非常，这技术非常领先，就是一个更像一个传统的大公司。你要说竞争力，从一个电商平台的竞争力，它也没有那么强。但是好在它是个双边市场，就是有很多用户已经习惯用这个东西，有很多卖家已经习惯用这个东西，所以它就能还活得很好嘛，
18:31就是有有很高的利润啊或者怎么样。某种程度上讲已经落后了，我们极端一点讲，但是也并不影响它是一个很好的business。其实是一个很好的生意。其实国内也有这样的公司啊，就是说你说它科技一定特别特别领先吧，我觉得其实至少在科技圈，大家不会去这样去想，
18:50对吧？有些公司像百度，它可能还在做文心一言，大家还觉得说百度内部还是有很强的技术实力，对吧？大家都觉得说啊可能产品啊或者怎么样，但是有些公司比如说携程，大家不会觉得说，哎，携程就是技术特别厉害，对吧？携程是因为我有很多消费者的用户，有很多很多企业的用户，同时我又有一个很大的一个机、机票、酒店，
19:12这旅游这么这么一个网络嘛。觉得平台市场的挑战是，就是最大的平台你有一种感觉都被占完了。就跟今天大家在做，就是这轮AI，就是我觉得为什么一时半会儿还没有看到什么，呃，新的这种，除了ChatGPT，就没有看到什么新的killer app。
19:30很大一个因素也是因为说，就用户时长已经被这些app占得七七八八了。你说我能用这个东西更有效率地拍一个视频，但是看视频我还是去抖音、去TikTok上看吧，对吧？那那其实你你光有一个效率，其实你也是很难去跟从那些平台手上抢动，抢到这种时长或者回来的，
19:51对吧？所以现在其实大家都还在更多的应用场景，或者立刻能落地的场景，的确还是我看到是to B的偏多。是。
19:59我我觉得这部分其实可能会需要有一个重新思考产品的品类定义的一个过程。我举例来讲，就是那个你刚说的是视频嘛，那为什么视频是长成这个样子的？其实是因为比如说你再往前推，可能是光盘要长成什么样子，对吧？或者说人能够在电影院坐多长时间，再往前推，可能是录像带能够录多长时间。
20:24那比如说我们现在，或者说呃电视放一个视频的话，它应该怎么切广告，所以一集应该是比如说多长，它其实很多的关于它的展现形态。其实是当时的媒介条件决定的。
20:41或者另外一个例子是呃PPT。那为什么我们现在觉得PPT是一个天经地义的一个存在嘛，就是应该一页一页可以翻动的一个展示画面。但是这是微软定义的一个东西嘛，它不见得就应该是这个东西。它应该是说它其实它的目的是为了让大家能够get到get to point嘛，point PowerPoint嘛，
21:03对吧？那那其实我应该传递的是point。那像Tome他们的逻辑就是说，其实我应该放弃PPT这个形态，我应该从说人产生想法、组织想法、传递想法，它它它回到更底层的JTBD，可能在上面去重新长个形态。但PPT上面我也不知道该怎么重新长，可能是更更fancy，还是怎么直接打到你的文档里面去还是怎么样。
21:29那未来是不是视频这个东西是否应该真的存在？游戏是不是一个更更可能万能的一个容器？比如说视频我们默认是不能互动的嘛，对吧？或者默认是是你可以中中断它，但是中断了它之后的话，你的中断不会影响到后面的变化嘛。但是游戏的话，你其实比如说你往左走了一下，它可能剧情后面又发生变化嘛。
21:53我觉得现在我们是因为传统的东西太强了，所以你要你要去做好传统的东西的话，就是要爬那个坡，就要爬很久，打不出killer app。就看谁先想出来，就是不要爬那个坡，重新立个坡，但但是就得就得回到底层去想到那个新的那个东西在哪里。
22:15就是我们现在一定是被被某个某个东西把我们脑子给框住了。然后就就看不见一个明明显存在的东西。是，
22:23现在现在感觉就是说，我觉得就是说自己大家稍微摸出来的那个新的东西，就是Character AI那个形态嘛。因为它的确是说，所有的除了ChatGPT以外，C端的你看到数据还不错的一个一个产品。现在你跑去美区的App Store，你会看，就类似产品其实越来越多了，什么Call Annie呀，
22:44什么Replika呀，什么，就是号称现在叫万C大战嘛。大家都看到这个形态可能是个，先不说有多靠谱吧，至少在目前摸下来是看上去是用户接受度最高的一个形态。就感觉大家都一窝蜂都在干这个事情。但这个事情就你也会就觉得，就是下判断也还太早了。
23:02就我我一直还是那个观点，就是说这一轮AI的影响力不会是只是说这么一两年说这个事，这个是个当然了，就是说你的机会可能在前半程，就是说是以十年为维度的影响力，就跟移动互联网一样，那机会在前半程，就是十年过后就可能就就大机会就少了，我我是这个假设哈。
23:22但是就因为Character那个形态，你又会觉得说确有有些细分人群需要这个情感陪伴，然后他这个体验很多时候消费IP或者粉丝去能够去呃娱乐的去满足自己的情感需求，这个是是它的终极形态吗？还是或甚至是说只能是去做这种情感的娱乐吗？
23:43就我其实还是会就一直带着一个问号。因为因为我会觉得说AI这个东西最后如果完全变成一个纯虚拟化的，你跟AI之间去沟通，呃。会在这轮的AI最终会占多少比例？因为我们拿ChatGPT来讲，其实我并不是为了和它沟通，我其实是利用它再来完成我其他的目的。
24:04就我所有使用ChatGPT的场景，都是我有一个外部的其他的任务要完成，然后把它作为一个工具是高效的而已。
24:13嗯，那这样。
24:14但是像Character这样的产品基本上是完全把那个情感投注在里面嘛，你不需要它，没有一个外部的世界，其实是没有啥影响力。这边
24:24我也仔细看过，因为Character AI我还那个，和坤哥还讲过这个案例，因为之前很早就关注，一直每个月看一看它数据啥。我觉得两两方面，一方面我觉得这个东西它可能是现当下最值得研究的东西。然后我我不是也在MVP一个小产品嘛，其实跟这个也有关系，就是但是我会我会觉得大家可能忽略了它一个面，
24:48就是我会去试一下。但另外一方面呢，我觉得其实它它也打中了一个大的需求。啊不叫大的需求吧，因为需求你管它怎么样讲都可以。但是我看到是大大部分上面人玩，其实玩role play嘛，就是还是角色扮演嘛。那角色扮演的话，我我其实有个观点就是，任何的科技浪潮的革新的话，其实最最第一波能够起来的应该是用它偷东西。
25:15应该是原本值钱的某个资产，然后你现在可以用新技术直接偷出来变现，这样就最快。这第一波应该是这个，后面才是别的。那我觉得它其实偷东西了。他偷IP了。然后一般来讲我们以前偷IP，也就是说你你放那个米老鼠，我这边把你盗版一下嘛，这样子会被抓起来嘛。
25:39那另外一下就变成说你放个米老鼠，我把它印在我的衣服上，那线下卖衣服比较难被发现，所以就只被抓出来抓出来一半。但是还有很多就是米老鼠除了印之外，如果他比如说他可以活过来，他可以跟我聊天，晚上跟我讲一段米老鼠故事，这个时候其实就更绕了嘛。
26:00所以的话我觉得其实他是把IP，呃我们以前创业要让用户知道我存在，这事其实就要付出很多营销成本。但是IP其实就就但是用户已经认识米老鼠，已经认识那个雷电将军了之后，那我其实只要证明我是雷电将军就可以了，我可以跟你聊天，那么营销费用已经省掉了，其实他还是偷东西。
26:22那他偷偷了这些IP后续的这种就是聊天啊、关系啊、娱乐啊，但是他又没有支付，比如说我要让用户认识雷电将军和愿意跟雷电将军聊天的这种意愿的这种这种钱，我没有付营销费用。但是原来那个付了付过这个营销费用的，比如说原神或者迪士尼的话呢，他们其实也没有这个变现渠道。
26:45所以所以所以相当于原来的人也没有受损失。但是我又把它偷到这边来用了一下，就有点像什么呢？有点像很多的那种片子，其实也原来也不会被人看，因为已经是老片子了。但是呢现在有人用什么小，这个男人叫小小小小小明，小强，那个女人叫小美，然后三分钟把它剪到短视频上，
27:06就有人把这个东西看了，因为他把机，他把它用一种更适合短视频的方式给搞了。他并没有让原来的那个受到多大的损失，但是呢，他他新的这边他也少了很多内容的成本，他就把它搞了。或者再举，樊登读书，他其实的话，你严格意义上来讲，他其实在偷那些书的知识。
27:26但但是他讲一遍之后还帮那本书促进了销售，所以你也很难讲他这个偷是合理的还是不合理的，因为所有的版版权也是一个发明的概念嘛，凭什么要有版权嘛。所有的东西的话，我会觉得说它其实还是处于说IP这么一个被人类定义的一种呃一种一种权利。
27:45但是你你创造价值和攫取价值中间的有一个差嘛，就是比如说我已经让你认识米老鼠了，但是我只在你身上赚了一千块钱，你愿意在米老鼠身上花十万，那中间这个差额的话其实是没有被IP方吃干净的。但是现在就可以来偷了。所以整体上来讲，我觉得他的这个逻辑的话。
28:05其实他是在找到旧世界没有被创造的价值和攫取的价值中间，他他找到了那个差额，然后用新科技把这个偷出来。我也在想说，基于他这个逻辑还有什么别的可以偷的。
28:18对对，当然了。我我觉得他的确有很大一部分流量是因为能够蹭IP嘛，对吧？而且你会看到他的这个用户来就是为了某种程度上是奔着IP来的，就是说他，就用户的花了这个时长，而不是奔着这个有个人可以陪我聊来的。
28:39啊，对。没有，我觉得但Pi的体验反正也有点奇怪。就反正我用过几几段一几次Pi，就是Pi的那个体验是说，就是它在交互上是Pi先提问嘛，先跟你打招呼啊什么的，然后然后就是不断地引导你想，不断地把这个对话做完，但是跟那个ChatGPT还不太一样，ChatGPT更像是工具嘛。
29:00这个ChatGPT更像搜索，就是说你用完即走。那个Pi呢，我觉得有点夹在中间，就是它既没有让你用完即走，但是它呢又不完全走这个情感陪伴路线，它也走这个，就是这有用这个路线。就你有什么问题啊，我帮你解答一下呀，你有什么东西啊。
29:19所以反正我我用它的这个体验，反正有点奇怪。就是说我我什么奇怪呢，就是说你用完了，那你总觉得好像你走了不是很礼貌。因为他还在问你说你你有什么事情要要我帮你干了，对吧？但是你不走呢，你觉得你其实也没啥事情要干了。
30:12对。但是这个其实也有时候也挺难受的，就是说你不觉得他是一个就真的是一个很好的partner，就是你也有另外一种压力，就是你要你你要把这个对话继续下去，而不是说，哎，聊完就，就是有时候我们就希望聊完就结束了。有时候我们希望是说，哎。
30:28就是，就我觉得不同场景应该不一样嘛，但是现在你看产品形态就是都是比较极端的，一种就是设计成你用完就赶紧走，对吧？就我觉得ChatGPT是比较典型的用完即走，就你有问题我就回答，就是说除非你特殊要求，回答完了我我就立刻静默了。
30:45另外一类就Pi也好，Claude也好，就是说，哎呀，咱俩就一直聊下去。然后呢，就是虽然你知道它背后不是一个人，但我觉得这个是刻画在人基因里的本能啊，就是有人问你话你就想回答。就就我前两天是看到，忘了在哪看到，就是说，就是人类在大自然里就是这样的，你遇到一个声音你就要有reaction嘛，
31:06因为这个可能意味着危险，或者说是特殊的事情发生，你必须响应，而不能当做没有听见。这个就会导致说有人问你问题，你有一种本能的就想回答一下，对吧？就是没有什么，即使没有什么事情啦，你也本能的想想说，哎呀。我我要不要不说两句，说个什么？
31:24呃。但是呢，这个我觉得作作为一个助理或者生产效率工具，其实体验是不好的。
31:29怎么解决呢？因为这两头你必然得得靠一下嘛。
31:34呃，我不知道，就我我只是说说体会嘛，嗯。那如果
32:24对对对。这个就回到那个，就是是就几个人在聊这句话呢，就是说我觉得设想一下很容易，但你真的要去做产品设计呢，其实也挺复杂的。就是什么情况下他接，什么情况他应该把这个对话，就我我觉得这个当中会有很多，就是我觉得这一轮的AI变化，
32:40它其实不只是，呃，因为它有两部分嘛，一部分是很比较硬科技的部分，对吧？就是说大量的这个大模型啊什么这个的，就是还是很大一部分交互体验的设计，就是到底人，就是说到底我们应该把这个产品设计成什么形态。就是此我觉得即使到此时此刻，这一点上其实大家没有一个特别好的答案，或者说现在看起来不错的一些产品。
33:03比如当Midjourney出四张图啊，包括这个ChatGPT决定用对话这个形式啊，已经是一个我觉得是一个不容易做出的决策。虽然很简单，但是离那个一个理想的形态还差很远。
33:16对。这这其实也就是他们当时拍脑袋拍的拍出来了，然后我们现在觉得，哇，这个实践真好啊。其实也就是拍脑袋拍出来了而已，离最优还远得很。
33:30他有时候给一张，有时候给四张，我现在也搞不清他逻辑，而且，而且我五次跟他说话，平均有四次是报错的。就是反，好像你凡到，凡凡是提到了一些名字，他在生成的过程当中就会给我报错。就比如说我让他画张孙悟空，什么什么的孙悟空，大概率就会出错。
33:50对。也就是这个是另外一个问题嘛，就是他们做了很多这种所谓的安全限制，但是我就是安全限制到你就就就很难，就没法用嘛。
33:59就是之前看你的那个那个朋友圈，说天天工业革命、夜夜文艺复兴嘛，但是现在虽然没有那么，没有四月份那么那么极致，但是看到什么四V啊，看到DALL·E的时候，还是还是觉得说这都发生在今年啊，也是很吓人的。
34:28是APP要升级一下吗？我现在APP里没有这个语音回答，我还在找，我看到别人说有了。
34:34我不确定要不要升级啊，因为我我的App都是默认自动升级的，就是就是自动它会upgrade的嘛。
34:40我的不是默认没去账号。哦，知道。
34:43那个，而且我看过很多其他人做的这种英文的，那个抑扬顿挫，我觉得做得特别好。就比，就你传统认识当中的这种语音合成效果要好很多，那个也很惊艳。
34:53OK。那我可以交给宝宝用了吗？他就不用看了，他就可以更直接聊起来了。
34:59对对对对对对对，这个这个我觉得还是很厉害的，而且这个他们也没有，我猜肯定也是一个这种Transformer架构的这种的语音合成，而不是以前的这种别的这种老的这种方式了，他们只是他们也没有去发表论文啊或者怎么样。
35:15对，你别说这个，就是他们之前出那个出那个手机版的那个APP的时候，就是那个中文的语音的输入，那个时候就已经把我给惊到了。
35:30胡说八道了一通中英文对照的一段，就是我至至少之前我从来没有没有享受过，就是那种几乎一个字不差的那种，而且是中英文混杂的。我跟他讲了一长段，全部逻辑混乱的，然后他全部听对了。然后我当时就觉得，我的天哪，我自己听一个另外一个人说。
35:49说明你英文很好，对吧？就口音不重。
35:52关键你是中英文要切到一起，他都能够完全听明白。我们在一个多么科幻的一个时代。对，是的。那个，你们现在在在招人，对吧？你要不要干脆在播客里面喊一下？
36:45那你现在有没有什么初步的一些想法呢？就是在如果是AI这件事情对时代变化巨大的话，那你现在对于人的定义或者对于人的看法上，你觉得哪些是有变化的？
37:31太细了。对。P9都是个螺丝钉。
37:34很不幸啊，我这个没有在大厂待过，我待过的或者我待过的地方，在我待的时候还都不是大厂。这个这个带来一个问问题，其实我接触过不少人，就是咱们当然没有什么，不是说很多P9、P10，就是但是我觉得大部分大厂的人，我我我接触下来就是大家手上不一定人不行，很多人是很优秀的。
37:54但是你会发现他在大厂待了两三年之后，他的分工是非常细的，然后导致了就是说整个互联网人才生态是，是大家其实求的是专。就是因为你专了之后呢，你才能在面试的时候，你才会显得比较厉害，因为你是通才，其实面试的时候没有啥意义。但是我是觉得在这波AI出现之后，就是专才的价值其实是极大程度的降低了。
38:18第二个呢，我的感觉是说，当大家生态被大厂塑造了之后呢，就是有很多这个，就是刷题很厉害，但是好奇心不足的人。那我是觉得说是不是在这个变化特别快的时代，他好奇心本身，这个通才的能力本身，比那个专才，比如比如比我在一个特定的领域搞得很细，搞得很厉害可能要重要。
38:43我觉得在，当然也是一个阶段啊，就对吧，就是我原来觉得人都应该这样，但是我我因为自己也工作了很多年之后。你会发现说其实整个人才什么时候在市场上受欢迎，什么时候特别显得有价值，其实都是被时代塑造的嘛。就在特定的时代，这些人会特别有价值。
39:02但过了一个时代，就就风水风水轮流转，对吧？就跟现在大家以前都要转码，对吧？现在你看，这个转码的这个风潮立刻就下去了，因为没有那么多新工作机会了。
39:52我觉得比较难，就是因为我觉得什么呢？我我们定义就是说，我觉得通才就是什么，它有索引，但是没有数据，对吧？就它很多东西都。大概知道原理，它有各种应该，就是因为你说我要利用大语言模型，那你得提问嘛，对吧？你知道得知道我要问什么东西。
40:08我知道你有索引，没有数据啊。嗯，好，明白了。太精确了。你这个说法
40:14对不对？对。所谓的通才，通常来讲叫有索引没有，就是我这个东西我大概知道，然后又比较有好奇心，学习能力比较强。那你其实是说你要做到八十，就是你可能通才，就你可能这个事情你也只有五六十分，但是你要依靠这个大语言模型的帮助，你做到八十分还是容易的。
40:30同时你的大部分事情，你面临的大部分事情并不追求那个一百分。因为你当然了，你今天说我要造卫星，我要做最基础的大语言模型底层研发，那你当然追求要一百分。但是说你说我做AI的应用，我们当我们去探索这个东西怎么用起来的这个过程当中，很多东西都是不确定的，
40:48没有不是有一个正确答案的嘛。它并不有一个标准答案说我已经研究了很深的，所以我知道这个是对的，你就要是错的。其实大家都得试错，对吧？就是我觉得其实是对人才，就是的需求，或者对市场的这个结构会发生一个比较大的变化。
41:04而且相对来讲的话，后面就是他因为有好奇心的这个人，他成为通才的可能性，就是其实一堆索引的可能性也比较大一点。
41:13对。因为因为我自己也觉得挺难的，包括我们自己要转变，其实也没有，就是说人其实都是有惰性的。比如说我跟你刚才我们聊那个AutoGen，我一直说我要试一下，但因为一周很忙，你就觉得我没有精力去试一下。但他那个东西也许你试一下，发现诶，你原来很忙的，觉得你要自己研究一下，搜一下，或者问ChatGPT才能写完代码。
41:33你可能扔给他，他反正他自己在后台跑，他就能跑出一个什么东西给你，对吧？呃。这个当中好奇心动手试一试的这个通，因为
41:43专才你还面临一个问题，就是很多时候专才呢，就是在特别分工细了之后，他面临的一个问题是说，他会发现说，诶，很多东西我都不知道怎么起手。通才的好处是呢，这东西到底是要搞得很透，我不搞透，但是快速搭个东西能跑起来呢，他他他都能动。
42:00他又有机会更多的去试这些东西。
42:03而且在我看到的很多公司，因为现在在在过一些公司所谓什么降本增效嘛。呃，你会发现专专才会抵触AI会比较多一点。就是很多专业人士是瞧不上AI的，他们会找出一百个角度说它不好。然后那些半吊子的人会接触拥抱AI，会比较拥抱的比较比较比较热情一点。
42:28对对对。就比如我们这样半吊子的人。
42:30对对对对对。我们都是拥抱拥抱的很热情的，因为没有在特特特别精深，在某方面嘛，就没有什么好失去的。但是就真的是，比如说我有一些，就比如说公司他们的很专业的某个行业的专业的那种分析师啊什么的，他们现在其实对AI还是非常的抵触，然后就觉得他做出来的东西不行。
42:54当然了。我也上次，呃，上上上上次我们是跟李桢聊嘛，然后他们公司就或者他咨询的公司就用了一些非常非常离谱的方法。不是让比如说设计部门去用AI，他们是让营销部门去用AI。他们这样部门相互之间可以抢别的部门的活，就是去扩大地盘。
43:16设计部门看不上AI，他就说营销部门你们用AI直接把设计部门给干死了。就特别特别凶残。不专业的人用AI就觉得好爽啊，就觉得你，但是专业的人太太太专就会觉得说你看这个构图这里有点不对。然后对于这帮不专业的搞营销的说，对不对？
43:35我又看不出来，是吧？没关系。能用这个海报已经可以了。然后我就，所以这样子确实对于通才，对于专才来讲的话，这个这个时代还蛮不友好的。你看得出有问题，但是但是你的甲方未必看得出有问题，他觉得挺好，然后他就把这个干了。
43:52嗯，这这你也得承认，就是我觉得很多的专业上，就我觉得专业的很多领域的需求，固然有很多是历史经验积累的经验教训，是个最佳实践。但也有很大一部分是，就但这个当中一定会拖泥带水带进来很多，你们觉得很有价值，但是在外部看来可能是没有必要的东西，
44:13对吧？就是因为每个人都会把这这个这个，其实大家都有那个感受嘛，就公司里每个部门的人都觉得自己的这个部门对这个公司是不可或缺，特别重要的，对吧？从研发到产品到运营到什么人事财务，呃，什么什么whatever，什么商务销售，人人都觉得这公司没了我不行。
44:32但实际上就是它本身是很多东西组合在一起，最终才能有一点点结果，对吧？就是又有一个就草台班子理论嘛，就大家水平也都没那么高，你就不要觉得自己是有那么专业。你说你九，说我们九十分，对吧？已经很高了，对吧？但八九十分一乘，其实你也就二三十分，对吧？
44:53就是最终产出的这个因素有很多的随机性。然后这个你你觉得重要的很多部分可能不重要，你觉得不重要的很多部分可能很重要。说大家去抢活这个是正常的，因为很多时候缩短沟通链条，它也许不一定增加产出，但它一定节约成本。
45:11你沟通很多的东西都浪费在沟通效率上了嘛，很多的信息都损耗进去了。
45:16对，他也不一定说这个项目我做了我能多挣十块钱，但我多省十块钱问题是不大的。而且呢，省了这十块钱多半是不会少赚十块的。
46:45就这一点上我也是这么用的，就就甚至于他解释的不好，我还会跟他讲说没看懂。然后我也会比如说比如说我之前搞不懂transformer结构，我也会说，哎，我的理解是这样，你说对不对？然后他就告诉我说不对。然后再给我讲一遍。
46:59然后布拉布拉布拉布拉布拉。但是就就总归还是就是我会发现是新的东西的时候，其实我往往要获得的就是比如说一种新的设计范式或者新的什么东西。它除非是新的东西里面出现的老词汇，我可以用这样去学习。但新的东西我感觉就是就就就感觉我我在这个里面AI对我的帮助还是挺挺挺有限的。
47:23当然对于教育，比如说小朋友的，他学的都是老东西嘛，对吧？比如说学学一个设计模型，然后whatever，一个东西。那，那是可以的。
47:32但所以，我我总结你这个场景不是学习场景，你这个场景本质上是收集信息场景，或者吸收信息的场景。就我我我个人觉得它最有效的还是叫做，就体系化结构化学习一个知识的场景。这个场景其实很多时候我觉得是有很强的需要的，只是原来的确效率很低。
47:50比方说，我我们原来去看这种广告平台，比如你要看一点博弈论的东西。其实你会发现你要去学，你如果已经从学校离开了，你不在学校里学这么个课程或者怎么样，你要回头去学这个东西，自学这个东西，其实成本极高，对不对？你拿本教科书过来，你看了半天发现公式看到就就就就犯困了。
48:10然后你去看这个，你去随便找这种文章过来，你又发现啊他也没讲什么有用的。找这种比较入门的科普的书，你又发现他讲得很不严肃，对吧？讲一些知识啊，我大概知道了，哎怎么用还是不知道。对对这种场景，我觉得他的帮助是很大的。就是说你拿这本教科书，有一个甚至有个好好一点的OpenCourse，原来看OpenCourse你也觉得，
48:30就是说慢嘛，就是说他那个是视频嘛，就是有很多信息密度高的部分，也有很多你知道的部分。但是你现在完全是可以说，一个是原版的教科书你翻成中文，对吧？看不懂就问，看得懂就快速过。就是我觉得这个层面效率增长是很大的。但是我觉得收集信息这个事情就不确定性，就是探索一个新的领域，我的确也觉没觉得有太大的帮助。
48:53唯一唯一的帮助是那个那个就是读英文快很多吧。
48:58对，我现在都会直接就是转一下。
49:01对对对。就是我们俩都属于说已经能读英文原文了，但是你会发现这个你读中文的速度比英文还是要快好多倍，对吧？快
49:10几十倍，我中文我是可以扫一遍，英文太可怕了，英文每次都伤脑子。
49:17有有朋友问，Fiona问说用Notion自动化过滤部分信息源。我个人其实觉得所谓的自动化过滤信息源这个事情有点伪命题。就是我需要信息源的原因就是因为我不知道我想要知道什么东西，就是我要探索未知。既然是我要探索未知，除非是我过隔一段时间发现这个信息源的确质量很低，我就把整个信息源给屏蔽掉了。
49:40比如说我订阅一个newsletter，发现他讲的东西都都是比如说业界八卦，其实我觉得没啥意义，或者他讲的东西都是我明显是个面向更entry level的人，我就不用看，我就把它过滤掉。不然我会留着，只是说我当我看到这个，有些我会略读或者跳过。
49:57因为我觉得信息源你是没有办法保证，就是我觉得很多事情上你必须坚持浪费，就信息源是其中之一。就是你千万不能说，你如果你读的所有的信息源都是有效的，那意味着你一定错过了大量的有效性信息源，对吧？因为你你你，我觉得至少不存在有什么好办法告诉你说，就是这一条有效，那一条无效，我觉得这个太难了。
50:20而且很有可能，而且我觉得很多信息源的有效性，是不是说针对你这个人的，而是针对你当前的context上下文的。可能我最近这段时间就在研究算法的时候，这些信息源我都很有用。过两天我在研究产品的时候，那些算法的信息源，我其实这段这这阶段其实都跳过的。
50:40对，但你你不能说，因为我这段时间跳过了，我决策以后都跳过，那也不行。
50:45而且有的时候也是看当时自己的状态和水平的。我这次那个去去去带老婆孩子去美国玩的话，还专门跑到西北大学去逛了一圈。其中一部分一部分是为了跟小朋友讲说，你看，现在大家都读大学了。还有一部分是因为当时真的在那边读读书读得很爽。
51:06是因为那个当时那个我听一门叫做Advertising Strategy，就是广告战略的一门课，听到我每节课都感觉是颅内高潮，就觉得好爽，这门课简直把我的所有的那个营销什么方面打通了。但是后来我才知道，我的所有的同学都很不喜欢那门课，觉得教的什么鬼。
51:24觉得是什么鬼？然后我就当时觉得说，应该是水平比我高的人瞧不上那个老师，然后水平比我低的人呢，没有get到那个老师牛逼在哪里，就刚好我的水平跟那个老师的水平给接上了。然后每节课都刚好在那一点上，哇，就觉得，哇，天哪。
51:45是的，我觉得是这样的呀，就是有很多经典教科书，你拿过来看看，看不了三分之一，你觉得根本读不下去，你完全不理解它为什么经典，对吧？你就直接直接直接觉得这个这个这书这这这么个书只是因为老师名头大。但是可能当你有了一些别的context之后，你就觉得这东西很好。
52:03我我觉得都是这样的，就所有的信息它都是跟你的context相关的，对吧？就不然这么多自媒体怎么养活呢，对不对？就是不同的人会觉得不同的信息有用嘛。就像我们在这里扯，会有很多就是搞，我觉得真的在pretrain大模型搞底层的人觉得，你们这讲的这扯了半天都没有什么价值，
52:22对吧？也有很多完全科技圈外的人会觉得，你们这讲的东西听也听不懂，就是是人话吗？
52:29对对对。我就被人说过，说你们能不能讲得稍微朴素一点？我说我们这样蠢蠢的，还不朴素，还要怎么样？
53:15自己扫嘛。我现在也是大量的大量的扫，不过最近也感觉就是没有没有像前面那么的，就感觉自己每天都在升级的感觉。现在现在会有一比较长一段时间就就枯竭了。我感觉所有人都枯竭，不光是我，我感觉我的信息源也枯竭了。就感觉大家都是，或者都像你一样，已经开始干活了。
53:41对。进入深水区，我也没有什么信息源想看，我觉得我们先要把一些东西给做了，对吧？就是吹牛很容易，做起来很难，很多事情，对吧？然后就是什么搞个多机多卡的训练，搞个环境，搞了半天，对吧？
53:54就是用来解解决的问题，都是那种根本就匪夷所思的，想都想不到的一些工程上的问题，是吧？
54:01呃，不，有些都是很细节的问题。有些是说，比如说Hugging Face不是被访问不了了吗？那我怎么把一个140G的模型拉到本地，对不对？然后我训练完了之后，我怎么把这个140G的模型放到Hugging Face上做个评测？
54:16OK，
54:16就很具体的操作的问题。
54:38嗯，还是打嘴炮比较容易啊，做点事情太难了。
54:41对啊对啊，就是我觉得还是有很多很细节的，就是一旦你开始，就是大家真的要动手做，就会发现有很多无穷的细节问题需要解决嘛。
55:04但但我觉得这做都做了，就发行吧。然后，
55:07因为在做新的嘛。做一个，哎，确确实你每一步都会比想象当中要困难很多。想象当中你要搞个多agent在后面搞的话，也就是几句话的事情嘛。但是实际上，呵
55:20呵。就是你一旦遇到，就是你会遇到很多奇怪的问题的。
56:05对，我现在就是这样。嗯，大大量的东西就是看了一下首页，然后，哦，大概是这样。我也就不试了，就这样吧。
56:13所以这个我还是很佩服很多，我觉得这些人应该也都不是做这种算法出身的。就有很多人做了调了各种各样的这种Stable Diffusion的视觉的模型嘛，做视频啊，做各种各种卡通的动漫的，就就是你可以看到那个创造力还是很丰富的。
56:29然后而且这个当中他最重，我觉得最重要的这些人还是什么呢？就是好奇心强，创作欲望强，他还不是说他的具体的技术能力有多么多么强。因为现在很多模型，我觉得就是实验科学，就是你得多动手。
56:44那像你这样讲的话，对能力要求不高，但是对好奇心要求高，对表达欲望要求高的话，其实就是应该多年轻小朋友们很适合投到这个浪潮里面。
56:55对对对对，我觉得是的，我觉得是的。就是我觉得当然这是一部分工作，我觉得看这这当中有很多不同的工作嘛，对吧？你说我要搞底层大模型，那你就得去找。理论上讲，这些人的确最好的还是都在大厂里，就是搞底层大模型，搞这种算法、推公式啊，这种分布式训练，
57:14能把性能精细，就性能调到极致，这个这个算力能够用满。那其实最优秀的人还是在大厂里以及少数头部的这个创业公司里嘛。这些人往往也很多是从大厂里出来的嘛。然后但是你说，当你说我要做一个应用，我要去说，哎——我要做一些偏视觉的应用，我要利用Stable Diffusion调出一些好的效果。
57:38那我觉得很大一部分它不是传统意义上说我需要多少年工作经验，什么我工程能力有多强，而是说我好奇心，愿意动手，愿意多试，而且对这个事情有点addiction，对，有点成瘾。它不是说说，哎呀，我觉得这东西有价值，所以我要把它做好，而是他自己在这个过程中能得到很多正反馈，
57:58能得到很多快乐，对吧？他才能调出来。
58:16不不不高级，这真的，我觉得高级那肯定也谈不上不高级，就是我们想做一个很高级的事情。那目前阶段还在往高级爬坡的过程当中，就是不断地去解决，先从简单的问题做起啊，不断地解决各种小问题，然后来看能不能做出一个比较厉害的东西。但是呢，我我是觉得说还是得得做做产品，就是不能光做模型。
58:39大家现在都这么想的。结果就是一堆拿了拿了模型的钱的公司都在做产品，太可怕了。
59:10假设我现在是另外一种观点的话，那你的论据是什么呢？因为其实逻辑上来讲的话，独立的一个大模型，它它获得的资源是显著的弱于弱于OpenAI嘛。比如说假设OpenAI是最头部，假设两个应用都发现了一个新的市场机会，比如说下一个时代的TikTok啊，
59:31一个是用的公开的OpenAI，一个是它会从垂直开始做。呃，优点呢，垂直开始做肯定会为那个当时的那个TikTok做很多独立的优化嘛。但是呢，这边的问题就是这边可能会出现一百个，对吧？一百个TikTok都是基于那个最不那么优化，但是那个底座强啊。
59:51对，为什么那个垂直优化的那个会赢呢？因为而且它只要垂直够强了之后，它它就可以更快地实验，然后它再去做底层嘛，再说嘛。
1:00:00我觉得第一个是。大家得想明白，就是说，谁说做底层模型的人他就不能调用OpenAI的API了，对不对？这第一个问题是说，并不存在说有人做端到端模型，他就不能利用任何OpenAI的API的资源，对不对？第二个问题就在于说，当我有做底层模型的能力的时候，至少我有一个能力，就是说我的成本一定跟响应速度一定能远比你快。
1:00:35啊？要低呀。我我
1:00:36怎么印象当中用Llama的话，好像成本还更
1:00:39高啊。你比方说Llama，你可以用比如说VLLM，然后你可以做这种量化，你可能极端情况下，两张3090就能做推理了。这取决于你的volume嘛，就取决于你前端有多少请求嘛，就有多少用户嘛，对吧？你只有一个用户，那永远是OpenAI便宜，对不对？
1:00:57因为你自己你至少需要，再再怎么少，你也需要两张3090这样的一个server，对不对？但是你肯定不是这么来算的嘛，你肯定是说算到比方说我这个算力都能用满的情况下，一定是说专有模型会比OpenAI便宜嘛。因为OpenAI不可能为每个人来做一个专有模型嘛。
1:01:14第二个是说我觉得说至少大家也能都能意识到说，当你做特定的应用之后，你其实是不愿意把数据交给OpenAI的嘛。就第三个我觉得就是说，呃如果大家用过OpenAI，因为现在都要有一个alignment的过程，OpenAI的alignment它一定是个泛泛而论的、通用的，它是没有办法做到。
1:01:33就假设你今天是做一个比方说偏成人类的应用，你要各种，你你能用OpenAI的alignment吗？肯定不能。不不叫成人，我觉得偏这种情感深夜聊天的应用，这你是没法做的，对不对？你今天搞一个纯的，就是像Character这样偏IP的，要偏这种娱乐性的应用，其实你用OpenAI跟你自己做，
1:01:56一定是自己做能够调到一个更好的效果。对。
1:02:35我刚想到两个事情，一个是那个这周我我不是也引用了三篇文章嘛，其中一篇的话它有一个它有一个很奇特的观点，它是认为说最后大家应用还都还是会走垂直模型。但是他认为那个通用大模型在做什么呢？通用大模型在帮忙训练这些垂直模型。他把他摆的位置都摆在这里。
1:02:58然后他说The supervisor.大家都会用通用大模型来train自己的垂直模型，提高垂直模型的训练效率。我觉得这这是一个看到的说怎么样融合嘛。那另外一个我们刚刚也讲到多agent，那我也在想，比如说假设我们想做的是一个正经的，比如说陪伴，
1:03:17情感陪伴型的应用。然后OpenAI它为了alignment，它可能就是它的智力就是最好的，但是它的那个比如说记性就不那么好，以及它就比如说谈情说爱的情到浓处之后，它就完全不说话了。那那有这么一个东西，那说不定旁边还要配一个什么专门的渣男型的模型，对吧？
1:03:36还要配一个那个就是学究型的，就是记性很好的，相当于也是也是相当于多agent嘛，只是这种agent可能背后的基座要不一样，因为OpenAI的那个基座它不能支持，不能支持渣男，对吧？就是甜言蜜语，但是就就就甜言蜜语讲到一定程度，它的alignment就就就关了。
1:03:54还有就是它的长期也接坚持不了。所以有可能最后最后甚至于说OpenAI那个也是要用的，但是但是但是它那个整个内阁里面的话，OpenAI只是那个就脑子最好，但是有诸多缺点的一个一个agent，它要跟其他几个agent一起合作来做。
1:04:13一家公司不能光请一个哈佛，然后还需要配上一个有street smart的，然后又再配上一个什么，再配上一个什么，然后一起来完成一个工作。这样子就比较好。好像也说得通，好像也挺挺说得通的。
1:04:25就是说，就至少Vision也告诉我们说，这个模型的应用场景接下来不只是聊天嘛，就是就又越更偏向我们讲的叫世界模型的路子了嘛。就是不是万事万物，是不是呃图片、视频、音频，各种信号，什么车，就比如说自动驾驶，那是不是也能用大，就是端到端的大模型搞定，对吧？
1:04:46它它对吧，也能用GPT来搞自动驾驶。那到这个时候，那那个模型到底是个专用模型，你还是觉得是那个世界大模型还是什么？是说我用GPT-4，未来有个GPT-4-All，它把自动驾驶做了，还是专门做个自动驾驶模型，对吧？我的解决，我觉得我想了一下，至少自动驾驶你肯定那些没有必要的knowledge对我没有用啊，
1:05:07我要裁剪成一个在那个车上就能装的实时响应的模型，它得size得小，对不对？那这其实就是个专用模型。你如果如果觉得谈情说爱，也许它能搞定。那如果说我是自动驾驶，我也用那个最通用的模型搞定嘛。我觉得不是。
1:05:43啊，对。看他们最近发了一个超长上下文的。
1:06:01这，呃，是Gemini吗？Gemini吗？这个也不是我听到啊，就到处都在传啊，就是Google会发一个Google的多模态大模型嘛，就是具体都说很厉害。
1:06:19Google在有这个模型啊，在研发这个模型，有这个模型，据说效果很好。这个事情我觉得市场上rumor已经传了很长一段时间了，他们会不会公开发表，我我不确定，因为也有他们说说那个模型太大了，就是发布出来的话，运营成本太高。
1:06:36那拿出来show off一下，打压一下OpenAI 7不是也好吗？不不提供公开访问不就行了嘛。
1:06:42啊，对。这这个我就不知道了。
本期词条
重点词条
本期重点讨论的人、公司、产品和概念，按出现顺序。
本期还提到
常见名词，文稿里悬停可见，右侧数字是本期提到的次数。
- OpenAI33
- ChatGPT15
- GPT14
- DALL·E7
- Midjourney5
- 微软4
- Llama4
- TikTok4
- Stable Diffusion3
- AutoGen3
- Google3
- Gemini3
- Claude2
- 猪八戒网2
- eBay2
- 携程2
- Character AI2
- MVP2
- 雷电将军2
- Hugging Face2
- Minecraft1
- Runway1
- 星球大战1
- fine-tune1
- Mistral1
- LangChain1
- Semantic Kernel1
- 可口可乐1
- Greylock1
- 百度1
- 文心一言1
- 抖音1
- PowerPoint1
- Tome1
- JTBD1
- App Store1
- Call Annie1
- Replika1
- 原神1
- 樊登读书1
- Transformer1
- Whisper1
- Wikipedia1
- Notion1
- Azure1
- 世界模型1
- 月之暗面1