对AI和模型要多了解才能在AI应用层创业，任鑫十问徐文浩

00:03前一阵有一个朋友在深圳，基本上你可以认为是编程比赛最top tier的一群人了吧。他说他现在写代码，百分之八十代码都是这个AI帮他写的。做一个垂直的领域，同时你又能搜集到很多数据，你还是先用embedding的这个方式。

00:22那我反而比较看好的是to C的，去做写作的工具，不如你用它出丛书。

00:35那我们那个就就来聊天吧。一方面我刚刚跟大家讲说那个我们可以聊那个文章的东西，但是另外一方面呢也可以我们相互提点问题，是吧？然后，啊，好的好的，那我先问吧。上次你问我，对对对，上次你问我的。

00:51那我这次抓住你。对，你看我们好像很熟的样子，然后还要问，就就借助直播来问问题。

00:58啊，对，因为因为大家都，因为这个事件太热闹了嘛，对吧？大家都很忙，就昨天晚上刚做了一场那个技术层面的直播嘛，对吧？然后还还小翻了一下车，对吧？啊，怎么了？昨天就是，呃，就没有，就是演示demo的时候，发现Google搜结果搜不出来嘛。

01:17没有没有没有。这只是这个意料之中啊，其实我也，对，我觉得这个因为现场你演示各种代码啊或者怎么样，比方说网不好了呀，什么Google把你当成机器人屏蔽了呀之类的，对吧？

01:28昨天OpenAI不是在你直播之前都断了吗？

01:32对对对对，还好是后来它恢复了嘛。还

01:35好，就一切都还好。就我现在觉得我如果OpenAI断了，我离开了那个ChatGPT，我有有些工作我都不知道该怎么干，就非常的不舒服。

01:45对，是的是的是的，就是，是的。好

01:48烦躁啊。你就对着

01:49电脑发呆，你都不知道不知道该干什么，你就对着电脑发呆，你觉得啥也不想干，对吧？

01:55所以我觉得大家就听听听听这个这个这个节目的同学们，你们也可以赶紧把这个玩起来。然后如果你现在还觉得它对你没有什么用，只能讲笑话的话呢，那么其实很有可能是你没有用好。我这种不懂技术的和这种搞技术的，然后他们现在就就已经全部都已经离不开了。

02:13然后像评论……

02:15先问吧，先问吧。我我其实稍微有一点意外啊，就是说我我原来已经觉得周围就没有人不用了。但是我还是发现有，第一个是有很多人，他其实有很多人根本就没有账号，或者就根本就没有用，对吧？这第一个我看见。第二个是我看到很多人就拿了账号，他甚至花钱搞了账号，然后上去问两个问题啊，试了一下就走了，就就也不用了。

02:37这个其实是相对比较意外，但是我觉得还还是要用起来，对吧？就是，昨天那个OpenAI不是刚发了一篇论文嘛，他们跟Open Research啊什么的，一起发了一篇论文。对对对。那那是我给他起的标题党嘛，他说的是说对这个job market，就是这个找工作市场会有什么样的影响嘛，

02:57对吧？他说对他给了一个数据，是说对19%的人，有的工作的50%的部分有影响嘛。那我觉得其实还是挺高的一个挺高的一个比例，就是我周围有越来越多的人，就是工程，因为我周围还是程序员工程师比较多啊，就是都用AI来写代码。我我就前一阵有一个朋友在深圳，他们也有个公司，他原来是那个ACM Regional的金牌嘛，

03:24就是ACM分区赛的金牌嘛，其实也，总决赛金牌毕竟太少了嘛。分区赛金牌其实基本上你可以认为是，就是编程比赛最top tier的一群人了吧，对吧？最最，他说他现在写代码，百分之八十代码都是这个AI帮他写的。他主要负责当发现bug的时候，修一下AI出现的bug。

03:45多好啊，有一个小弟，随时随地听命，多好啊。

03:48对啊对啊对啊对，所以我觉得，而且我我觉得这个进展很快，就就是今天OpenAI不又发了一个新闻嘛，他们说他们之前是有一个产品叫做Codex，就是专门用AI写代码的那个API，然后他们今天发了个论文说，呃不是发了个论文，发了个新，发了个发了个公告，说说Codex会在那个三天之后，就三月二十三号就会下线，

04:11然后说请大家直接用ChatGPT 3.5就好了，就直接用ChatGPT就好了。他说现在ChatGPT的写代码的能力已经比专门的Codex的那个模型强了。

04:21好吧。

04:23对，所以我觉得还是这个这个领域一日千里，发展很快。基本上每天都有一些大新闻小新闻，各种各样的新闻。然后今天又看到阿里发了一个text to video嘛，就是文本生成视频。

04:38好像效果还蛮好的，你跟他说一下。

04:40然后然后就刚才就刚才又看到个新闻，那个Runway，Runway就是，Runway是这家公司，是之前跟Stability.ai两家公司合作搞了……Runway ML那个东西嘛。不是，就叫Runway。它是这家公司是干嘛？

04:56这家公司是之前它跟Stability.ai两双方合作搞了Stable Diffusion的模型，一家出算法，一家出算力。他们今年也发了一个text to video的文章，说我看了一下，效果比那个阿里的可能还要再好一点。

05:10那家也很强，我试过试过他们家很多的demo，比如说把一个人从那个视频里面抹掉之类的，真的抹掉了。

05:17对，

05:18对对对对对，就是，就是还是有感觉有很多公司都在做这个，我们叫通用人工智能也好，或者叫AIGC也好，就是我觉得发展非常快，就是，你想一想，就是感觉就是一个月之前，大家都还在觉得，哎呀，到底行不行，对吧？一个月之后就大家已经没有这个疑问了。

05:36进步很快嘛，你把包括写代码的话，其实我早两天看了那个GitHub的前CEO，就是Copilot是在他任内做出来的嘛。他就说他当时看到GPT-3，然后说因为因为微软的关系，他们可以提前看到GPT-3，然后就然后就说我一定要在这上面做点东西，然后然后做出来的东西说75%的时候给出来的答案是错的。

06:00然后就当时的GPT-3给出来的代码是错的，然后他们就在想不行。我们一定要找到一个，开始的时候他们想的是一个相当于呃Quora这种stack overflow这种东西，然后说但是他四次回答有三次是错的，发现这条路走不通，没有办法用。

06:17最后就把它编成说，那就在这旁边Copilot，因为这样可以暗示你说，我只是个参谋，然后你自己说了算。

06:24对对。但是，但是这个数据现在已经变了嘛。这个是现在已经很靠谱了嘛。

06:30对的。

06:30现在是这样，GPT-4论文，GPT-4论文里发了，这个你说的这个25%是Codex论文发的时候，它叫One Pass，就是一遍写对的概率是25%。嗯，然后现在的一遍写对的概率是67%。

06:44很好了

06:45呀，人类的，

06:46我觉得我现在一遍写的那概率只有百分之二十五。

06:51你自己是吧？我还说特别

06:53比麻瓜好了呀。

06:56OK，OK，

06:57你也不可能，你也不可能百分之百吧，对吧？不

07:00不不。我肯定不会嘛，肯定你要写调啊或者怎么样啊，甚至你你对这个肯定需要这一个过程嘛，但是基本上我现在用就不用4啊，就用3.5那个让它写代码。我觉得很多时候它写的不对，是我需求没有描述清楚，然后改两句描述它，特别是还是有个缺陷，就是说它的中文理解能力的确还是比较差。

07:23就是用比较地道的英文，对吧？你先写个中文，让它翻译成英文，然后你再把那个英文再输进去，让它写，比直接用中文给它写的效果都要好一些。

07:33我让它帮我改英语的文章也明显改得比中文好，这个没办法。所以文心一言还是要加油

07:40啊。对，现在文心一言也也也很火嘛，但是火的火在那个梗图嘛。嗯，我不知道大家看到过没有啊，就这这不能什么，就今天不能投屏啊。

07:50啊，什么梗图

07:52啊？就梗图就是那个，就是因为它现在对这个文字的理解比较表面意思嘛，就是比如说你写鸳鸯火锅，它就是一个锅，下面一个火，里面放了两只鸳鸯。

08:03夫妻肺片，我记得。夫妻肺片，鱼香肉丝。什么

08:07老婆饼，就是下面是一个饼，上面是一个老婆婆的头。啊，反正都有些有些有些可能有点creepy啊，有点吓人，对吧？有些反正像个梗图嘛，什么关云长千里走单骑，就是关羽骑个摩托车。

08:23对，反正你到处都看到都是这样的图。然后，但是我觉得其实也挺好的，就是这个这个事情很有传播效果。

08:31很有传播

08:32效果，一下子一下子就带火了这个。就是本来呢，就是你如果说他只是画正常的图，你反而不一定有很强的动力说去试一试。但凡画梗图，那你的立刻的反应是我也要去试一试。

08:45就有点像以前那个那个TikTok上面出的那个那个画视频，然后抖音上面的，它那个AI就纯属胡搞嘛，就是你任何一张照片截屏，然后它就帮你AI画，然后就会把人画成狗啊什么的，就完全是开盲盒，反倒娱乐性就更强了。

09:03是的。

09:03没有那么认真嘛。那个我我那个插插正题，我开始问你问题啊。

09:09哦哦，好。

09:10来，问题就是因为我最近打算做做点事情嘛，就是真的做AI，但是我就会做，就肯定做应用层或者说是中间层嘛。那你觉得像我这样来做一些创业然后做产品的话，我到底需要对AI了解多少？因为现在我也在了解什么大模型啊什么的。现在我是究竟其实完全不需要了解，只需要知道API就好，还是说我应该知道它的原理，方便知道它的边界，

09:36还是说这两个都不重要，其实我需要很多工程，了解更多工程上的tricks，比如说怎么样把它长文章怎么变短啊，怎么embedding啊。我到底是应该了解原理还是了解边界，还是要了解工程的那些小小小玩意儿比较重要？到底了解哪些？

09:51呃，

09:52理解，我觉得是说从创业，我觉得就分好几层嘛，第一层…，你说从应用层。就因为中间层是什么，我觉得我们得先得定定义清楚，或者讲清楚什么是中间层。应用层我觉得你不需要知道原理，你需要知道API，然后你需要知道一些工程的trick，对吧？

10:08这个就打一下广告，就是我昨天直播对我发了一个专栏嘛，这个东西其实不是讲API，其实就是讲一些工程的trick。这个过程中你基本上不需要知道，你基本不需要有机器学习的知识，也不需要，更不需要有这种深度学习模型的知识。但是你需要知道，大语言模型有哪些接口，对不对？

10:26然后大家有用这些接口有哪些套路，对吧？就是可能一个月之前其实知道的人还比较少，现在知道的人会越来越多嘛。就是比方说我怎么把我所有的数据变成向量，存到数据库里面去。但这其实都是调API的过程，都是就像你今天去用一个数据库，大部分应用开发的人不知道，不需要知道数据库底层的原理是什么，

10:47对吧？当然，你要你为了去面试，去加入一个公司，你会被挖过来，你去研究，这是一回事。但实际你使用的时候。你根本不需要知道。对，根本不需要。

10:57所以我觉得说，从应用层，就是我觉得只需要就是熟悉这些API，然后第二个是那个知道一些应用层，应用层去解决问题常见的套路就可以了。当然，我觉得你这个短时间内，短时间内，因为现在我觉得快，就目前这个时间节点啊，快，然后尽快的能够找到用户，

11:20比说我在原理上能够提高要重要吧。因为你原理再怎么提高，你今天肯定比不过OpenAI，我们简单来讲。对。你知道你有什么用呢？你别人调OpenAI的API，你自己知道原理，你效你效果也很大。

11:32而且OpenAI现在有一个特点是，它的价格很便宜。这个是一个很重要的特点。我算了一下，今天我算了一下，大概现在去你用它的embedding那个接口，索引一本英文书的成本大概是，它是0.0004美

11:50分1000个token。所以我换算了一下，一本书如果是10万个token的话，大概就是40美分，也就是3块人民币。对。所以这个成本非常低，你说我去，你很多人说我自己研究我自己的模型，所以说完全从应用开发的成本足够低。我看到有一个中国的工程师在GitHub上做了个开源的项目，叫做Open Translator。

12:11他从15天前开始做的，今天他在GitHub上有1万个star。对，1万个star是什么概念？1万个star是什么概念？百度的PaddlePaddle，就是说这整个机器学习领域里第三大的生态，大概只有2万个star。

12:28对吧？就是所以说他当然他现在是做成了一个开源项目，但是他如果把它做成一个产品，对吧？我就做一些广告或者投放推广，我觉得其实也很容易有很多收入。所以我我觉得说，此时此刻做应用层开发，你不需要，就是你只要产品的idea好，交互体验好，你知道一些工程的trick，

12:45但工程的trick其实很很简单。也不是很简单吧，就它不是一个门槛特别高的事情。你学习能力强一些的人，可能几个礼拜就基本上就都会了。

12:55对，我的打算就是工程trick，我就就是第一个就是我那个搭档嘛，然后第二个就是他做不定的事情，我就来骚扰你嘛。对，所以我这方面感到不是太容易。我的，

13:06我的，不需要担心。对，我觉得这个不需要担心。对。

13:10那我现在还有一个事情，就是我在思考那个应用层的时候，我会，嗯，因为你你要使用OpenAI的这个大语言模型的能力嘛。那使用这个能力的时候，其实我希望我对它的能力边界有一个比较清晰的认识，就是它到底是干嘛的，能干嘛。然后我现在就发现我有一点迷茫，主要是从我我好歹就是也看看了一点原理嘛，就从原理上来讲，它就是个猜概率的嘛，

13:37就就猜后面的概率啊，干嘛干嘛。但是从我的体感上，它又远远的不止如此。就是我看那个paper也是说3.5涌现出来的一些思维啊、理解。我的体感上就是它明显的已经可以听懂很多话，然后而且它里面是有推理，是有拼装的，就是不是完全的，

13:56就是就好多的我跟他玩的游戏来讲的话，你很难用说它其实是一个语言的猜概率来来来解释这件事情。所以我就在想，这是不是这是我的一个illusion，想多了，就是它它其实没有这个能力，所以你在应用的时候要把这一块当做一个不稳定的能力来来来来来调用。还是说，呃，其实他确实有一点理解和思维能力了，然后我们可以这一块也是可以拿来做应用的，至少我是可以把这个电当做一个稳定的电源来来输入来设计我的产品。

14:30OK。就

14:30这这

14:31这这到底应该把它当做一个傻子，还是把它当做一个智慧电，然后这个智慧电是要把它当做稳定智慧电还是不靠谱智慧电，怎么怎么怎么来？

14:41我觉得是这样的，取决于你的应用，或者说你的应用对严谨程度的要求。第一个是我们先回到前面，就是它就是个猜概率的。第二个是，

14:49对我逻辑上是这样。

14:51第一个就是它的原理上就是猜概率的，它就是我有很多数据，然后训练出来有一个很复杂的模型，然后这个神经网络。但是这个我觉得是是人类有个illusion嘛，就是我们叫人类中心主义，就是把人类自己看得特别高大上。为什么我们两个人在这里聊天说的这个话不是猜概率的呢？

15:10为什么我问了这个问题，你这个回答它不是个猜概率的过程呢？对不对？就就是我们的前提，你觉得哎，猜概率不应该有那么好的效果，是你前提觉得你已经预设了一个答案，说人的大脑不是猜概率的。

15:24对，我自己也是这么这么这么给我自己把这个话给说圆

15:28了。呃，对吧？对，我觉得这第一个嘛。第二个呢，我也做了很多实验，做了很多这个复杂的推理实验。这也不叫推理学，它有很强推理能力嘛，但我试了一些case，我觉得就是你也不要对它这个太高看一眼。

15:44我给你举个例子，这个呃那个问题大家都聊过嘛，叫做小明的爸爸有三个孩子，大儿子叫大毛，二儿子叫二毛。三儿子叫什么？AI能够准确地回答出来是小明。

15:59你把我下面这个问题输进去。你跟他说，小明的爸爸有三个儿子，大儿子叫大毛，三儿子叫二毛，那么小儿子叫什么名字？作为一个人类，你应该知道，小儿子就是三儿子，就应该叫二毛。他会告诉你叫小明。啊。

16:18哦，所以我就套到那个概率里面去，它

16:21就...对对对对对。所以我觉得你不要太高看他，我其实给他试过很多这种，就是就是前面的那个题目可能是网上是出现过的，它是有概率推理，它也有道理，对不对？但是你给它变一下，我觉得人类应该是嗯脑子想一下能够回答出来的，而且也不复杂，不是一个说我需要研究十分钟什么的，

16:42也是个十五秒就能答出来的问题，它还是会错，对。而且我用GPT-4我也试过，它也不行。OK。对啊，就是所以我觉得是说，呃，它肯定有很多很强的能力，就是说因为我们试过各种case，有好的，有good case，有bad case，有些case是不稳定，有时候对有时候错。

17:02我我我我我给他做找了一些GMAT的题，对吧？那种逻辑推理题嘛，拿给他做，他有些有他同一道题你输几次，有时候对有时候错。嗯，是。所以如果你是对这种推理要求比较严格比较高的话，比较复杂的话，对吧？就是层级递进关系比较多，比较，那我觉得不，他还没有到那个，你说我完全可以百分之百相信他依赖他那个地步。

17:29对。但是逻辑比较，但是我觉得他现在最好的是第一个是语义理解问题不大。就你问他的是什么问题，他理解是没有问题的。他那问题答错了，他并没有理解错问题。比如那个问题你再给他一个提示，三儿子就是小儿子，他就能答对。

17:44不过那道题我想了一想，就是其实我怀疑走到街上去，一半的人也会打错，就是大家也会要提示一下，说你慢慢再想一想。

17:53不，我也试过，就是说你请你仔细想一下，他还是不对。OK。这个我都实验过，这个这个昨天我直播给大家看过。对，我我试过好多case。

18:04就你那个你那个专栏是这么轻松活泼的，我买的时候其实在想说我肯定，我以为你会讲技术呢，这么轻松。那个

18:11那个那个我其实在专栏里没有放，那个我在专栏里倒是没有放，那个专栏里其实更多的还是说应用开发怎么做了，但只是我昨天直播我还是说，因为我自己的体感是太多人没有真的去体验它的效果是怎么样的，所以我，而且正好我又拿到了GPT-4的那个测试账号嘛，他不是申请了嘛，我申请了他给了我嘛，我就想特地想试一试，

18:33特地想试一试说GPT-4的逻辑推理能力是不是变厉害了，对吧？我我还昨天还试了一个什么题目呢，我还试了一个那个题目说，你要凑出四升水，你只有那个五升的桶跟三升的桶，

18:48对吧？这个肯定会啊，因为网上有啊。

18:50对。原题它是会的。好。我说，我现在给你，你要凑出五升的水。啊，我这个题目是这样的，说你要凑出五升的水，我只给你四升跟三升的桶，你能凑出来吗？

19:05他最后他是凑出了五升水，但他最后一个步骤很奇怪，就是凑的是什么呢？说三升的水里面还有那个，呃呃，四升的水里面，反正他倒了几圈，倒了大概几步之后，四升的那个桶里面有两升水，然后三升的那个水倒满了，这个时候其实两边加起来就是五升了，对不对？

19:24对，对。

19:25然后，但是他又画蛇添足干了一件事情，他说我把这个三升的水全都倒到那个四升的桶里，那四升的桶里就有五升水了。

19:33就，就他脑子会突然一下不知道拐到哪里去了是吧？

19:36哎，对。不就是我觉得他还是说你说他已经完全有很强的逻辑推理能力，他其实还是没有嘛。就是说他的确他知道这个题目是我要用各种方法换来凑五，对不对？但他忘了一个，但他在前面的所有步骤的时候，他都凑对了，都是都是受那个限制，就四升桶里只能放四升水。

19:54是。但是在最后一个步骤。他觉得没办法了，我凑出来五声，我咋办呢？我概率上觉得这已经是一个最大的概率了，我就把它灌进去了。

20:06了解，所以我们我现在就是把它当做一个，还是比较偏向于一个能说话的，但是数理方面的脑子，就是属于一个，也不能说差，就是大部分人类也很差嘛，大部分人类能解出来那个，那就是一个比较笨的人，数理方面。然后文学，文科方面是超过平均数，理科方面弱于平均数的这样一个人。

20:29呃，

20:29理科方面我觉得也是超过平均数的。你你要你要算平均数是多……对对对对。对，就像我这样子，他平均数如果是比如说初中，那他可能就是超过平均数的。

20:41对，对，对吧？

20:42但是如果你说我真要干一些特别严谨的事情，而且理科这个方面它也分能力，比如写代码能力，我觉得是远超平均数的。

20:50那当然比我强。我回头再打给你。

20:53他是远超平均数的，我写代码能力我觉得他比我周围见过的绝大部分人都强。什么ACM金牌，那毕竟你那个没有那么快，你知道吧？那个问题一提他就立刻写了。那而且，对吧，就是而且他快，他有时候会错，但错的部分很少。你错了你一接，然后往里说，哎，报了个什么错。

21:12那他啪就出来了，对吧？优秀的工程师，比如说我们说那些搞ACM底下的人，你让他做算法题，他是很熟练的。你说做应用开发，他很多API，他还得去查文档啊，看什么东西。

21:24所以完全不会。

21:25综合的角度来讲，他是非常非常非常厉害的，非常厉害的。

21:29然后刚好有那个评论区有两位同学，一个是说有没有更有推理能力的AI模型，还有一个就是问你说那个你那个极客时间那个专栏，如果是一个完全不懂编程的小白，适不适合去去去去买。

21:44我觉得是完全不懂编程的小白，因为它是有免费试读的。然后我也放了一些，你就免费试读，拿一两眼看一下。然后我对应的试读里面也有一些代码，你给我上面介绍了怎么在Notion上玩，你自己跑一下，你感受一下。你觉得说，哎，好像有用，我跑起来，那你去买，对吧？

22:03你觉得，因为我觉得每个人说不懂编程，每个人不一样。有人说我大学里其实学过C语言，我没好好学，对吧？我大概看一下，因为那个代码很简单。有些人说我不懂编程，是我真的完全没有接触过，我是个文科生。其实大家差别会很大，但是我是尽量把门槛其实放得比较低。

22:18我们也不是去讲模型啊，其实因为OpenAI的API很少，所以这个我觉得是最简单。你你你找那个试，它应该有免费的试读这样，你去试一下，体验一下，体验一下，然后它有有代码，你跑着试一下。你觉得好像可以，大概能理解是怎么回事，你就去买。

22:36不理解就别买。对吧？而且，对吧，就是这个，反正这个东西也不会消失。你过一年之后想买它还买，就可能就差，可能只不过现在打折便宜三十块钱，就我觉得没有区别哈。就如果你真的太想要用这个东西，就不会差这三十块钱到时候。

22:51然后有没有更有推理能力的AI？呃，目前没有，目前好像推理能力最强的就是GPT-4。

22:59其他的太专业了，他那个就听不懂人话，像那个什么War什么F那个。

23:04那你不能把它叫推理能力啊，它本质上就是数理能力嘛。就纯粹的

23:08数理能力，对吧？

23:10你你你你给他去让他做个数学题他会做，你给他刚才出那种什么几升水倒来倒去的，他反而答不上来，对吧？那个可能是小学题还答不上来，微积分这种大学题他答得上来。

23:22那这我我我再问你一下，就是现在的感受啊，其实因为嗯这次ChatGPT太强嘛，所以会觉得是能用AI做一切嘛，都能做一遍。但是实际上这就是句废话嘛，就是就是因为有一些行业有一些场景是更适合的，有一些场景是更不适合的。那如果你来判断场景的话，你会有什么哪些维度去看，说哎这个场景好像它比如说AI发挥的作用会大一点，

23:47更适合更早就可以现在就可以开工，有些可能还要过两年。你会用哪些维度来评估这些可能的场景？

23:55嗯。我自己过去在看，其实我主要两个维度。第一个维度我称之为叫成本结构的维度。就是我现在做这件事情的成本结构是怎么样的？

24:06比如说，比如我们现在编程的成本，比如说，或者说是我们去干写文章的成本是怎么样的。那么AI干了之后，能把这个成本打到多少？如果它只是打10%、20%，

24:19那我觉得肯定不适合创业公司干。

24:22OK，

24:22对不对？因为肯定是人家原来在这个领域的那个公司来干会是最合适的。他去降了一些成本，他有更高的利润。如果打到原来的十分之一，对不对？那这意味着原来的那个领域的公司不一定好掉头的。

24:36对啊。举个例子是，比如说写文章和画画，你觉得哪一个就打的多一点？

24:43写文章跟画，因为我觉得写文章跟画画它本身不是个商业。OK，对不对？比方说，我觉得我举个例子，就是为什么说，比如翻译跟美术，美术外包，这两个是受冲击最大的。因为我原来的商业很简单，我就是做外包嘛。对，对不对？

24:58我就接单，我交付，这个业务链条是简单的。然后我成本瞬间打到十分之一可能都不到。那你就立刻可以，就从成本结构角度你就立刻可以做。你完全可以，你你只要快，你是可以从别人手上抢客户的。对，对不对？

25:14因为他很难受，他很难立刻这么掉头，我的成本结构，我的客户，我去年跟我的，呃，我去年还收你十万块钱，今年我只收你一万块钱，我这公司是没法开的。

25:25所以我觉

25:26得这个对。对，我我所以我觉得这是成本结构嘛，因为他要掉头，他自己是就我我们以前说是他的反关节嘛。对，对不对？他他自己很难转过来，他即使转过来，他也很痛苦。而且他的转过来，他的成本比你高，你是零成本，他是先要花一笔钱裁员。

25:45对吧？所以我觉得这个是第一个，就是成本结构的角度，我觉得很多行业都要去看一下成本结构，因为有很多看似生产力很高，但它的成本结构肯定根本不在AI这一部分，对吧？说它的成本结构或者说它的这些呃最大的成本是在维护B端的客户的这些关系，那你说你AI做得好坏只是把我内部一些研发，

26:05但我研发成本可能就只占10%，那其实没有意义。对，对不对？没有意义。就是，你是可以这样，他就他也用啊，他也用，对不对？

26:13你也用。他降的比你慢一些好了，但是你在其他方面其实是，但有些链条比较短的，其实你本来就是个劳动密集型的知识工作，翻译啊，什么，呃。包括我知道有很多公司去做那种专业文章的撰写，比如说有很多医疗企业会花钱找很多这种科普博主来写这种公众号啊或者什么的，

26:34这个它成本结构瞬间会发生变化，因为原来的业务很简单，对吧？原来那个业务的链条很简单，所以我觉得这个是一类。第二类是是我觉得是说得去看它你要做的这个事情到底是一个功能还是一个完整的产品，对吧？因为我觉得写作不合适的是说，你做的只是一个产品里的一个功能，不是一个完整的产品。

26:55嗯，对。就容易被Office吃掉。

26:58对对对对对，你是说本来写作就有工具，你去我们去讲整个链条，它因为我要出版，所以我要有打印的那些格式。对，对不对？我要有写作，所以我要有那些写作的那些功能。

27:10对不对？所以我要有这个，那这个情况下我你能做的是在里面加了一个小的功能说能用AI做一下。那这个其实别人也很容易学会。啊，别人有的那些东西你又补不上。所以我我我自己会觉得是这两个维度是比较，那我反而比较看好的是to C的。

27:28to C的，甚至偏偏娱乐性一点的产品。

27:32嗯。比如说你会觉得哪个产品比较比另外一个产品更靠谱啊？

27:36呃，我觉得不一定叫靠谱，叫做可能有机会。

27:41OK，好。可更可能有机会，您说。

27:43对对。因为你说有很多idea，我听了你说，我觉得这个方向没问题，但是靠不靠谱，这个挺难讲的，因为还是还是想象嘛。就比方说你说你说你去做写作的工具，不如你用它出童书。啊，对。对。

27:59就我直接to C嘛，对不对？因为我不用去管这个，我我是不是怎么去服务to B，我直接做to C，我只要我的效率够高，我能够原来很多我做不了，或者说我需要一些禀赋资源才能做的事情，我现在用AI就能做嘛，对吧？是，就比方说今天百度出了那个东西，其实我看到那些一些微信群里就大家讨论说能不能用做做这个，用这个东西做一个你画我猜。

28:22对不对？我就就就画了用AI画了一幅画，然后你可能是猜成语，猜关键字，猜什么东西。那它是个娱乐性的应用，对不对？而且其实挺容易传播的，当然它的有一个缺点是，整个应用的生命周期可能比较短。对。

28:39它不是说啊，它不是说啊，我今年做一，明年做十，后年做到一百，它可能是我今年夸做到五，明年我得重新再想新的idea。

28:47对。但是也可以帮忙，相当于免费的搞了很多人在帮忙训练一下。

28:52对对对对对。

28:53做一些标注。

28:55我我，对，我我我觉得我比较关注的是一个是成本嘛，一个是说它是一个feature还是一个完整的产品。就是说你出来的这个形态是这个，呃，其他的维度其实我没有想太多。没有想太多。其实

29:09现在现在挺难看到所谓完整产品的，就因为按照你这个定义，连Jasper就估值十五亿美金，这看起来也是个feature嘛，

29:20对吧？呃，那我我我其实能听到一些有人在尝试想做一些，有人想做那种，呃，就是基于AI去做这种，就漫画创作的社区，就或者写小说的社区。就是说我因为原来就创作的门槛很高，有很多业余爱好者也想创作。他可能很喜欢看，他是个消费者，他原来是个consumer，原来呢他是个粉丝，他原来的创作更多的是，

29:43有些人会做一些这种二次创作啊或者怎么样，但是这个二次创作更多的是用爱发电嘛。对。因为第一个是你要做到非常高品质，要求非常，要成本投入非常大。第二个也导致我也没有办法变现分销。但是在此时此刻。

29:58可能就是说有很多，比如说奇幻文学爱好者，肯定是有这个群体的，魔戒的爱好者。原来我想写小说是很痛苦的，对不对？但是现在我只要有大纲，我可以让AI辅助帮我写，对不对？那我们是不是有人说我们能不能做一部演绎，

30:11一部也可以。

30:13对，我能不能做这样一个产品，把这些人圈进来，然后他帮助他们创作，帮他们去分销。那么这就是一个完全的新出现的产品了，

30:22对吧？那这也是，所以你的想法就是就不光是它场景不场景，其实还有一个就是它是原有的变强，还是你发明了一个不存在的市场。如果是原有变强的话，基本上比如说像Jasper，虽然它其实也做了workflow，也做了community。

30:40但是有有有老一代老一代的有Office，然后中中间有一帮note，后面有Notion，还有Obsidian。

30:49对，因为我们都创过业，因为我们都创过业，就大家应该也有一样的一个体会。就是你原来觉得我有个核心的东西，但是你真的你开始创业，你要做做business这个事情，你会发现很复杂。就它的链条其实很长，有很多个环节吧，它跟这个所谓的高科技创新，它现在没有关系，对吧？

31:08就是，所以这个很，就是，

31:11这个你，而且我们说的做应用，往往你不是说能做说我就做ChatGPT，别人做不出来，我做得出来。对，你如果做那个玩意儿没问题，你不用去担心什么分销啊什么，对不对？今天不是ChatGPT Plus，原来不是二十美金吗？然后今天他今天他，你有有朋友需要升级的时候，发现ChatGPT Plus现在不能升级了。

31:34他说因为目前的high demand，我们暂时pause了所有人升级的这个功能。就是你如果那么牛，你能做那么牛的产品，你就不需要考虑别的问题，别的问题有人会跳出来主动帮你解决的，

31:47对不对？他现在挂一个两百美金，其实还是会有很多人买。对，如果挂

31:51两百美金，我可能仍然会买。

31:53这太吓人了，这个东西。那

31:55可能我仍然我仍然会买，我极端一点讲，两百美金我可能，两千美金我可能不会买，但两百美金。两百我可能还，

32:01两百两百我也会买。

32:03两千美金我应该不会买了，我就肯定说我自己写点代码，接一下API吧。

32:16哎，那如果我拿到大语言模型的话，然后我现在开始干活的话，是怎么怎么怎么用呢？我现在想象当中就是怎么用的话，无非前面肯定就是常规的我的互联网那一套嘛，包产品嘛，什么包后UI这些东西。但是我跟大语言模型的接口是哪些哪些东西呢？

32:34我现在想象到的就是就是可能我要fine-tune一下，对吧？然后如果如果是深的话，如果浅我也不用fine-tune了。然后那可能我要把我的资料embedding一下，也可能会我要去做一些prompt engineering。

32:47那是不是只有这三件事情要做，还是还有一些别的？

32:50此时此刻主要的工作就是这三件，就是你做，你把你的数据变成embedding。当然embedding就是这个就是所谓的工程的trick，对吧？就是一个常见的embedding的技巧，叫做叫做假装让他帮你问问题。就是我有一份资料，我不是说把资料embedding就完了，而是把每一份资料都扔给他说，哎呀。

33:09你看到这段文章，你想想你可能会问什么问题，给我列五个问题吧，把这五个问题embedding一下。那这就是我说的这个使用方法或者工程上的trick嘛，对吧？以及embedding，实际上你如果要把效果做得好，你embedding你既要基于embedding做搜索，

33:25你可能也要基于一些传统的关键词搜索，也去召回一些内容，然后都给它，然后去来做这个事情，对吧？还有一个常见的技巧叫做prompt ensemble，叫prompt ensemble。什么呢？你用同一个问题，你让它换八种不同的方式各问一遍，然后都算出来答案投个票。

33:44如果你对这个问题的答案要求比较严谨的话，

33:47呃，没听懂。

33:48就是比如说，呃，同样的一个问题，你用八种不同的方式都问一遍。OK。都问它，它会出来八个答案，八个答案里选里面出现最多的那一个。

34:01反正就是要好多，对，好多这种小技巧要用。

34:05就是你对效果的要求嘛，就是你说说笑话无所谓，对吧？但是你如果说我我这个算一个什么东西，对吧？第二个就是就是就就我专栏里其实写，就是比如说怎么把有些东西让AI解决，有些东西让机器解决。比如说他们现在算算术都是不是让AI，比如做算术题都是说，请你帮我写一段代码来算这个算术题，然后再把这段代码调起一个比如说Python的解释器啊，

34:30或者调一个那个你刚才说的Wolfram的解释器啊，把这段代码再往里一塞，然后它算出来答案就是对的，对吧？就怎么把别的工具跟AI的这个结果串到一起去。有朋友说是跟query改写的思路是一样的。对。

34:43就是类似吧，就是说，就是，就这个，就是从这个角度，我觉得就是说做这件事情，即使是做应用，做过搜索出身的人，肯定还是会有一定的优势。就他会有更多以前常见的套路，他能够拿过来用，然后能够起到一定的效果。啊，这样。

35:03那我刚刚一直听到你在讲embedding，然后我们也讲了一些prompt，是不是fine-tune，fine-tune有用吗？

35:09fine-tune我觉得是这样的，fine-tune现在分两种，一种是OpenAI这种给你的fine-tune，给你的黑盒子，对吧？然后你传一堆数据上去，呃。第一呢肯定是有用的，对。因为我这我我其实一直就是我自己试的效果很一般，但是我跑到那个

35:25我听到的所有的人说的效果都还说很一般。

35:29对。但是我看跑到OpenAI的community里面，有些人说反正他们在做fine-tune，好像效果还行。对。所以我觉得第一个我觉得这种是有用的。第二种呢说我自己拿开源的模型，因为我要处理的是一个垂直的领域的问题，我去fine-tune，

35:44对吧？那我至少现在我自己其实没有试过效果，因为他们有些是什么葡萄牙语，那我也看不懂，我也翻译出来，我觉得这个到底效果好不好，我也不知道，对吧？但是，那那种现在比较流行的叫PEFT嘛，就是Parameter Efficient Fine-

36:01Tuning，对吧？就是你用一个很小的机器，就能在原来的大模型上做fine-tune，可能fine-tune一个是几百美金。那我觉得这种是肯定是对于一些特定领域，比如说我要给金融领域做，我要给这个有些监管比较强领域，我数据不能调OpenAI。

36:18那我就只能用比如说别的大模型，什么GPT Neo啊，GPT J啊，什么Bloom啊，什么，或者甚至我用一些中文的数据去训练一个大模型，然后再在上面fine-tune，肯定也是有效果的。对吧？我觉得这个所以说fine-tune这件事情肯定是有用的，但是它成本相对会比较高。

36:35如果是面向做to C的应用，我的建议是先不用管。

36:39对吧？

36:40等到有一定的数据量了才去考虑这个事情。如果你是说要做to B的in-house，我这个数据不能拿出去，那我觉得你尽早，在开源的这些方案上先开始试起来。因为这个事情我觉得是一定要做的。那这样，

36:54那举个具体的例子啊，就比如说我想做一个斯多葛哲学机器人，其实关于斯多葛哲学有很多很多书嘛，对吧？那书反正物料是肯定不缺的。我是应该用大量的斯多葛哲学的书再去fine-tune它吗？还是应该用embedding技术把那个呃我手头的资料全部embedding进去，让用户问问题的时候，

37:15我首先从里面去去去去匹配，然后匹配到斯多葛讲过什么话，然后跟他讲。还是仅仅应该就是调到我的prompt engineer，每一次比如说提醒他，哎呀。你是这斯多葛专家，你应该从斯多葛的哲学，布拉布拉布拉，丢个几千字，每次都丢几千字。

37:31我觉得还是要用embedding，还是用embedding啊。就是我觉得说你如果做一个垂直的领域，同时你又能搜集到很多数据，你还是先用embedding这个方式，对不对？但是不，这个不妨害说你后后面有一个数据飞轮。你什么呢？

37:46你没关系，你自己内部用embedding解决这个问题，用户问的问题你也都记下来了。你去直接去调用它，用prompt去调用它，然后出一些结果，你自己内部有个人团队去评估嘛，到底哪个效果好。因为embedding毕竟可控性强，就它不会太离谱。

38:03它不会跟你说，它不会跟你说啊，这个鲁迅在日本向内山完造先生学习医学，对吧？明白。对，就是他不会就完全瞎扯，这个是这个是核心问题嘛，这个是核心问题嘛。

38:16你你刚说的那个飞轮是怎么样？如果我只是embedding一下，我觉得我好像也没有什么数据飞轮啊。

38:22呃，你embedding一下，你是没有数据飞轮，但是你有数据了，对不对？第一个，你有数据了。我有

38:28我有使用行为数据。

38:31不对，你有使用数据，这个就其实本质上是不是就是比如说一个用户问了问题，就是你现在看比如POE里，它都有那个点赞跟不行的这个按钮。对对对，对对对，对不对，对不对，对不对。然后你也可以观察，用户是问了之后就不问了，还是反复重新问同一个问题，对不对？

38:51所以你其实是有数据的，你有数据的话，我刚才问了几轮停了，对不对？你是内部可以统计出来，说我觉得应该我有一个什么指标，我觉得他应该会多留，你可以拿一些case看看到底是一个什么样的情况。然后同时这些问题你也都可以再扔给OpenAI，说我就用prompt，看它答得怎么样，跟我的embedding效果比是怎么样的，

39:12对吧？这金丝雀发布嘛，就是传统我们做AB金丝雀发布嘛，我偷偷的你这个数据，我其实在那里也算了一份，只是我没有用而已。啊，有道理。然后我挑一些效果好的，我再去fine-tune一个模型，我我也可以扔给那个fine-tune的模型看看。

39:26这你你有数据，你的效果就会迭代起来了吧。

39:30嗯，说的对。对，确实这样子好像我就可以攒很多，因为然后好的坏的我再拿它去对比，然后甚至我再沉淀自己的这个这个对话的各种example给他嘛，然后好的就反馈给他。

39:42这个就是所谓的数据的飞轮嘛，就只要你能够找到一个套路，比较低成本的，能够评估出哪些是好，哪些是坏的。同时这个东西能加快你的迭代，不管是用embedding算法的调整。或embedding或者搜索召回算法的调整，prompt的调整，还是你自己去fine-tune模型，

39:59它效果如果能有提升，那你就可以把这个飞轮转起来。这个飞轮转起来，对，那你这个东西就会越变越好嘛。是。我这个先不讲增长层面，就是完全从AI效果层面的飞轮。

40:12是。但我这个效果的飞轮其实调整的是，比如说比如说我有一半的一半的QA答得很好，一半答得不好。然后答得不好的我就会去让它比如说重新答，或者我重新来，然后答好的那部分我再重新，比如说哦这个答案和这个，然后这个这个答案，然后这个这个这个这个这个问问题可能我又重新embedding出一些东西，然后这个答案我也重新embedding一些东西，

40:38把原来的一些东西给覆盖掉。呃，

40:40对。或者说你有一些说我不只用它的embedding，我可以用一些比如基于关键词的策略呀，或者说我可以把这些我认为正确的答案都fine-tune进去，都放到一个模型里fine-tune，然后看fine-tune模型会不会回答得更好，对吧？

40:53你也可以集成三个东西都回答一个，然后来投票，或者说再让AI说你们综合来给我回答一下这句这三个答案。就我觉得当然有很多，只要只要你能够找到一个说我投入比较少的人力，我就因为我有了这个数据，我的效果能变更好。就本质上是要回答这么个问题。

41:11而且如果像你刚刚讲的话，其实甚至于极端一点的话，就是在在early adopter这个阶段的话，我甚至于暴露给他，就这几个答案，你你喜欢哪个？

41:23对对对，是的，是的。

41:25让他帮我训练嘛，也可以嘛。是的。就就无非多烧点烧点钱嘛，但是反正OpenAI现在给的便宜。然后那个有同学在问，说你把你把你的聊天记录embedding给大模型，大模型可不可以学会讲话的套路？我的理解是，一般你不会干这事儿的，

41:40一般你不会干这事儿的吧。不是，他他是不是这么干的？我我我问好几个问题啊，我都回答一下。之前有人问用什么AI工具写代码，呃，三个工具嘛，对不对？就一个Copilot插件，第二个直接扔到ChatGPT里让它帮我写，第三个是最近几天比较流行的，

41:56有一个工具叫做Cursor，C-U-R-S-O-R点S-O，对吧？这个能生成比较大段的代码，效果也不错。第二个问题，呃。把所有的聊天记录embedding给大模型，大模型不会啊。embedding只是大模型推理出来的结果。

42:12embedding是说我把我说的这句话扔给大模型，大模型给了我一个向量。这个向量是当别人有问问题的时候，我从我所有的这些当中搜哪句跟这个东西可能更相关，把这句话找出来。找出来我不是立刻去回答，而是说我再调用一次OpenAI，说你看啊，有人问了这么个问题，你看啊，

42:31我找到这些东西可能跟它相关的，你看看要不要怎么回答它。如果完全不相关的，你就说不知道。本质上就干这么件事情，对吧？它本质上是让你用户问的问题，从我所有的搜，从我所有说过的那种东西中能够搜到一个最相关的内容，然后让它去重写一个东西。

42:49如果你要完全做一个大模型的话，本质上是要fine-tune，就是你要把你自己说过的各种各样的话，对吧？前面说了好吗？后面说了什么，别人问了什么，我答了什么，变成一堆数据，扔给大模型说fine-tune一下，然后出来一个单独的模型。

43:04然后之后呢，这个模型呢就是就是你和这个世界的人工AI的人机混合体，它既具有很多世界知识，又具有你的很多知识。你就是一个你眼中带有你偏见的世界。然后别人来问问题呢，它就可以回答。那回答的可能是跟你以前的回答的是一样的，也可能不一定，就是我们经常会调出来效果是它很奇怪，

43:31它不知道在回答一些什么东西。感觉就是把你的东西跟他的那个东西揉杂在一起。啊，嗯。所以所以如果说你是要一个高度符合你自己风格的，就是比较合适的方式是embedding，就是你把所有内容都embedding变成个数据库放在那里，

43:46有人问问题从这个数据库里搜出最相关的十条二十条，然后再扔给AI说，我知道别人问了这个，我也知道这个人过去曾经说过这么点话，你看看你能不能联系一下这个问题，如果是这个人该怎么回答。这个是用embedding的这个这个效果。

44:01这个的好处，呃，这个的好处就是说这个事情非常可控。嗯，就非常可控。我举个例子啊，我我这个其实我昨天直播演示过嘛。如果你现在去问那个ChatGPT，你说藤野先生在日本学习医学的老师是谁，他完全可以能给你奇奇怪怪的。啊，没有。

44:19就是因为家里有中学生嘛，对吧？就是在看鲁迅的文章，所以就会，就是，然后他就会回答我，我真实的case，他会说他说，他一本正经地跟我说是内山完造。内山完造是什么，一个医学家什么什么的。然后我想内山完造这么一个人，我一搜啊，内山完造是内山书店的老板。

44:38这是鲁迅的一个好朋友，对吧？不是藤野先生，对吧？所以他他如果你没有不做embedding，他只能胡扯。但如果你把鲁迅全集全都用embedding存下来，然后他问这句话，你说我从这个当中去搜，可能会搜出两个片段，对吧？

44:55然后这两个片段可能就是说啊我在哪里哪里怎么样，然后把这两个片段再扔回给AI，然后去AI会连着问题跟这两段话，就是说哎这两段话可能跟这个答案有关，它就能回答正确，它就能回答正确。就是说，哎，embedding的好处是可控，就是它的回答一定在我的这些数据库里，一定在我的这个数据库里，

45:16它只是用它自己的语言跟理解把这个事情重新说了一遍，它不太会编造事实。

45:22那这样。对，

45:23我觉得我可能没解释清楚，所以还是你来解释一下。

45:27我其实不是很知道这个原理是什么。对。我我我我是想象当中的话，就是就是，因为大家现在对于比如说那个大语言模型做翻译都很很认可嘛，对吧？就觉得它是A语言翻成B语言，那其实机器能听懂的语言就是数字嘛，对吧？

45:44所以的话，相当于它都得，大语言它之所以牛逼，它其实是把中文比如说先翻成了一堆数字，然后每一个字翻成一堆数字，每句话又是一堆数字，每一篇文章又是一堆数字，然后拿这一堆数字再去对应到英文世界也是这堆数字，然后去看哪些英文字对应到这堆数字。

46:02所以的话，其实它里面的所有的逻辑都是叫向量，叫叫数字的，对。然后那个那个，那我们embedding的话，其实就是把我们的我们的那些自然语言embedding到一个embedding成一堆数字，然后那堆数字在空间里面会有一个点，会在哪里，会有一个向量在那里。

46:20那那它可以通过这个数数数，呃，那个无数维，一千多万维对吧的空间向量当中的关系，比如说比如说那个那两个点离得多近啊多远啊，到底相加相减还是哪个向量啊，就知道说这两个东西有有什么关系，这两句话有什么关系。我好像讲的比你还复杂。

46:39然后，

46:42哎，我看一下，哎，这个评论区是不能贴图的是吧？

46:46我讲个我身边真实发生的例子吧，就是我今天把我的笔记都embedding了一下。就是我呃我记了比如说五千条笔记，然后我用了一个插件，把这五千条笔记记成了，让它帮我生成了可能是五千个向量，对吧？但是我也不知道那个向量到底啥意思，他就是把那五千条，五千条笔，五千条那个那个笔记，每一个比如说变成了一堆的数字，

47:09丢到那个数字空间去了。然后的话呢，我自己在写任何一个新笔记的时候，他就会自动的去算我这个新笔记的这个向量和那五千条笔记的那个空间里面到底跟哪个有有关系，他就会自动pop up在我的那个电脑的右边，说这三条笔记好像跟你有关系。

47:26但是呢你说这个可能不是用那个，不是用那个那个那个搜索也可以实现嘛，比如说我今天写了苹果，那天也写了苹果。但是embedding它是在数字空间，它可能我那天没有写苹果，我写的是香蕉，对吧？还有有一天我写的是写的是笔记本，但是呢在数字空间它其实香蕉跟苹果是有关系的，因为它们都同属于比如说苹那个品类。

47:48然后苹果呢又跟笔记本有关系，因为它认识是是苹果公司也有关系。所以我今天写到苹果，它可能就把我历史上写到比如说笔记本的东西也也莫名其妙搞出来了，跟香蕉也莫名其妙搞出来了。它就不是纯粹的文本匹配，它是真的理解你这段话，丢到数字空间把那些相关的东西都给我咚咚咚搞出来。

48:06所以这个这个这个搞出来的方法跟那个你直接做文字匹配好像不太一样。对，我已经理解了。

48:12比较典型的，比较典型的一个例子是，你同样的一个问题的中文跟英文，它的embedding就非常接近。它可能只在个别的维度上，比如说会不一样，对吧？就是呃对，你可以认为就是说它是通过海量的数据找出了很多东西之间内部的关系，对。

48:29然后到时候这个内部的关系呢，在这个这个搜索的中当中被用过。它不一定要搜索词相同，甚至不需要搜索词是是同义词，它只是说这个关系是有关系的。对吧？而且这个关系大家我们正常人一看就能理解，比如同一个问题的中文版跟英文版。或者你说国王跟皇后，对吧？

48:49或者是就就它是有关系的。比方说我其实举过我举过好几个例子，比方说喜之郎是什么东西？是果冻。可口可乐是什么？是碳酸饮料。

49:00那如果我问你乐事是什么？你的第一个反应肯定是薯片，对不对？你的第一个反应肯定不是电视，对吧？对，对。就是假设，就只是我们今天就说是，如果用拼音的话，对吧？

49:11对。这个就是这之间的因，这这些这些事物之间内部是有一些关系或者联系的嘛。

49:17你你刚是想贴图吗？可以到时候贴在那个知识星球里面。

49:20OK OK，我到时候贴到知识星球吧，就是我刚才说的这几个例子，其实大家都可以去看。大家都可以去看一下，我觉得都是，都是，呃，挺挺正常的，挺正常的。是。

49:33然后就是再问你两个几个问题啊，就再问你两个问题吧。一个就是如果你现在考虑创业的话，你只能做应用层假设，你会做哪方哪方面的应用啊，为什么？

49:45嗯。只能做应用层，

49:48就不能做。我自己个

49:50啊，我我觉得我个人会看两个方向的应用层吧。第一个应用层，我觉得反而不是跟ChatGPT相关，反而是偏视觉跟图片相关的这种东西。就是因为我觉得那个东西更偏娱乐性，就是更容易在短期内找到找到product market fit，

50:06就找到用户市场之间的匹配。而且它不是一个不是一个你死我活的生意，是，对吧？就是我们说我们想写一个这个office，就写一个写作助理。就我觉得，呃，如果说你你是，或者你要做一个Grammarly，做一个DeepL，就比如做个翻译工具，

50:25那，嗯，第一名跟第二名之间，第二名是没有活路的。你说我去做一个，呃，我画你猜。其实第二名，只我说我切一些垂直细分的人群，他也能干，对不对？你你你做漫画风格的，我做水墨画风格的，对不对？你做这中国市场，我能不能做日本市场，对不对？

50:45但是，但是，但是现在AI让很多干这个事情的成本大幅度降低了嘛，对不对？所以我去，你去测试迭代的成本周期就变变短了。今天我要做个我画你猜的应用，我不需要去收集很多素材，对不对？啥都不用。对，我也不用找很多设计师来干很多事情，我觉得我一个人就能把这事儿干了。

51:04对，如果说如果说做，我觉得会倾向于这这种类型的应用，这种类型的应用。因为这种类型的应用相对来讲，它比较比较短期内能够看到明确的回报，或者能测出结果来。第二类，我个人因为你作为一个工程师嘛，你其实还是看重一些效率类的应用。

51:22可另外一种打法就是说，把我自己个人习惯的改造的一些工作流变成一些产品拿出来卖。

51:29比如说，

51:31比如说你刚才你说，比如说我把我所有的笔记这个东西关联，对吧？就是说那可能你你觉得这个很有用，别别。但是，但是这个当中需要找，比方说我觉得更多的可能是在，呃，不是做一个完整的产品，而是做平台的插件。

51:46啊，对。但是收不上钱，我用的就是平台的插件，他也收不上我的钱。

51:51平台的插件，我觉得这样要看你去找什么平台。我觉得你不应该去找，就是就太geek的平台，你应该去找那种传统企业的平台，你应该去找，比如说Office的插件。

52:05但是会用插件这个东西的人就稍微有点geek了。

52:09呃。就我觉得是这样，就取决于这个生意不会特别大，这个生意不会特别大。我因为有很多应用市场，我我再觉得，比如说我原来做海外电商，你能不能做个Shopify这种建站平台的插件？

52:21啊，可以，啊，对。又专业又细分，

52:24对不对？因为这个用户他是靠这个来赚钱的，只要你这个东西对他有帮助，他是舍得花钱的。他自己又不肯定不是个工程师，他肯定是个就是开个小店。对的，对不对？对，你能不能做？

52:36比如说我们以前用客服的工具，用什么Zendesk，你能不能做个Zendesk的插件？对吧？但是这这个当中需要找那个切入点嘛，切入点嘛，你千你不能去找那个，你说Zendesk说我做自动客服，那人家核心功能是做客服，然后你说我就再做个自动的客服，那大概率会被他自己吃掉，对吧？

52:54当然你说我在Shopify里做一个，哎，在你的这个电商网站里的自动客服。我可能他觉得我没有必要，我的店很小，我就还没有很多单，我也不需要用Zendesk。

53:05对。对，你这讲的有道理。我我好像今天在朋友圈已经看到有人的那个后台界面，我估计他装的是一个Chrome的插件，但是应该是for他的一个非常niche的一件事情。然后就就那个调GPT给了他一堆那个相当于copilot的东西。

53:21对，这个蛮好。就我觉得，我觉得这个就是说你肯定有一些，因为这个是这些市场其实反而比较细分，比较容易找。是。对，你你你的你的获获客的方式可能是SEO或者SEM。对，投搜索广告。

53:36是。

53:36是。是。哎，然后你讲的第一个点，那个视觉的。比如说现在如果我要做你刚刚说的你画我猜，或者说我我就是专门，比如说我是一个小黑裙博主，然后我就说我画的就是把你穿，就是各种各样小黑裙，就是有有特色的一种画。

53:53那背后是我应该去就，嗯，就去用开源的那个Stability的那Stable Diffusion那一套嘛，然后就可以了嘛？呃，我自己，

54:04呃，可能没有那么容易。就我觉得这是两种。第一种是很容易，比如你画我猜这个事情，你其实调百度的接口也就可以了，对不对？

54:12OK，对，因为你画我猜这个过程中，画的本身不精确嘛，不是，对吧？不是那么重要的。但是，呃，另外的呢，如果现在选的第一个Stability，它也有API，Stability它们也有API，你也不用训练开源模型，你也可以用它的API，你也可以用Stable Diffusion。

54:31但它其实还是有，根据你的效果要求不同，它还是有门槛的。OK。主要的门槛我觉得在，但是我觉得更多主要的门槛在数据上。

54:42因为它本身是预训练的大模型，它有它和它的数据。你你现在看到对吧，就是，呃，之前很火的几个模型嘛，LoRA，对不对？LoRA，对不对？LoRA只是一种调的方式，但有很多人调了什么Civitai，fantasy.ai，对吧？

54:57就有这种，对，就是你进网站，所有的网站都默认帮你，就用那个阴影给你打上那种图，对吧？也有这种漫画风的，那你自己要去找一些这种素材来训练嘛。

55:09OK，OK，所以你觉得就关键在于说他给了一个东西，如果我们要做出特色的话，还得训练。

55:16对对对，对，我觉得其实跟那个Stoog，其实我觉得啊，就是做垂直细分的应用市场，就都有一个问题，就是你这个数据飞轮能不能转起来。

55:25但做斯多葛之类的那种好处就在于说，其实你第一批的那个素材几乎是免费的。对，因为斯多葛哲学它是一个大类嘛，对吧？啊，是

55:37是

55:37是是是。就你你Stoog并不是你把那本书的此时此刻，你并没有把那本书的版权给买断，对不对？你其实是说，我网上找了一个，那图你也可以网上去找，对不对？当然这个是另外一个，就是版权的问题嘛。对吧？

55:51这就回到另外一个问题，版权的问题。你说视觉生中国还有生意吗？我觉得视觉生活接下来生意肯定很差吧。对。大家，那个什么美国的什么Shutterstock，对吧？

56:00这生意肯定很差嘛，就我现在肯定不会再去找网图了，我都让AI帮我画图。

56:05我也是。而且现在真的是Midjourney V5画的好好看啊。

56:10啊，对对对。我感觉微信的头像都是用Midjourney V5画的吧，V4还不太行。

56:17OK，哎，插插一句，我问你一下，就为什么Midjourney画的这么好啊？他们号称不是一个十几个人的团队吗？这这是怎么做出来的？

56:27第一个是我觉得这个当中的挑战其实并不在人多。就我我其实我的感觉，第一个，因为第一个你会看他的人很少，但他的人的所有精力其实都在放在模型侧。你去想一想。他也没有做

56:42app。对，他连APP都，

56:43他也没有做网，他基本也没有做网站。他所有东西都让你接到Discord里去，对吧？就是正常我们要赚钱的人都会觉得，做个app肯定收入至少涨几倍吧。

56:53对，对吧？第二个是，呃，那个Midjourney那个团队其实也很神奇啊。Midjourney那个团队的founder是原来另外一家公司叫做Leap Motion的co-founder。

57:03就特特别神奇那个，我知道。

57:05然后Leap Motion里现在的OpenAI的CTO也是原来Leap Motion的员工。就是所以他一家公司好出人啊。对。也是一个很核心的一个这个圈子里的这一个人，这他的这个十一个人的工资，我觉得也许比，对吧，国内很多两百个人的公司的工资还要，成本还要高，有可能。

57:28而且他们还不号称不差钱嘛，对吧？

57:31对对对。第二个我觉得他可能已经不止十一个员工了。我我的感觉还是说那十一个员工是二一年底公开，还是反正不是最近半年公开的时候的信息嘛，然后更早公开的信息。所以我自己觉得他现在应该是不止十一个人了。

57:47我的假设是，但是肯定人也不多，肯定人也不多，肯定不是什么几百人上千人，对吧？

57:53那再问你一下，就是如果我们不，你还是你创业过几个月，然后，呃，不能做应用，只能做for to D，就是to developers，相当于就是做中间一层，自己不做应用，就相当于别人都在淘金，你去卖水卖牛仔裤嘛。你觉得这里面水和牛仔裤的机会在哪里？

58:11水和牛仔裤的机会在哪里？这个我们其实，呃，跟一些做学术的朋友聊过，我们觉得第一个是更基础的东西，就不是做大模型，而是做，呃，分布式的机器学习的各种基础设施。OK。就在这个层面去做优化嘛，就是我不用去训练大模型，因为大模型就是第一个是你需要的那个，呃，做出好模型的能力要求特别高。

58:37但是如果我去做这种分布式机器学习的性能的优化，呃。嗯，就就其实国内当然也有一些公司在做了，就这个事情的确定性相对会高一些。是。就是说，你觉得我们团个团了一个比较强的团队，我们干这个事情一定能干出点结果。

58:54是，不像做大模型，有可能真的干不出结果，就是你干了半天也没搞出个像样的效果，那你就彻底歇菜，就毫无价值。

59:01对，你这个就是一个明确的工程问题嘛，而且其实也有人解决的比较好过嘛。

59:08对对对对，就是我觉得这个这是一类，但是这一个是市场上很缺的，因为它今天此时，今此时此刻它还没有标准化。那这样，此时此刻还没有标准化。

59:18那个NVIDIA那个买他们家那个显卡，我印象中好像他们有一套服务是代帮你部署，全部搭好。

59:26对。微软就是买他们家的。OK。就是微软的超算不是说，对，微软超算是说我给NVIDIA一笔钱，你帮我来建。然后这个毛利据说是70%，就

59:37英伟达的毛利。因为它当中不仅不仅是卡嘛，它还牵涉到比如多卡之间的这种带宽这种，反正那又是一堆芯片的这个问题。所以我我觉得这一个是训练的这个基础设施。我觉得第二个呢，我们现在看比较大的一个做法是说，怎么能帮大家做这种在基于大模型上做。

59:57小低成本的fine-tune，这个其实也是现在很火的一个主题，就是我背后那个大模型是非常大的，它的训练成本非常高，一千万美金。对。但是我的fine-tune成本要尽量低，我不可能把整个模型的一千七百五十亿个参数都调一遍，对吧？

1:00:15加载到显卡里来，我也没那么多。那么现在就就就是我们现在流行的一个技术叫做PEFT嘛，就是Parametric Efficient Fine-Tuning，就是有效参数微调，就是我要调的参数很少，可能我做一次微调的成本是一百美金、五百美金、一千美金。

1:00:33嗯嗯。那么这个当中会有一个机会，就是说大模型我不提供，大模型未来你们如果开源或者怎么样，我专门提供PEFT的这种解决方案。

1:00:43那这样，这只是说开源之后吧，就不开源的，像比如说GPT，我是用什么，我我作为外人，我用PEFT是没有用的嘛。

1:00:52呃。呃，对，不，其实这个事情其实稍微有点复杂，取决于GPT它没有开源，但是它输出给你的结果是什么东西。OK，就开源分很多种，我把原始的模型权重给你。一种是我把训练代码跟模型权重都给

1:01:10你。嗯。这个你就是理论上讲，我就完全可以想办法去复现，对不对？第二个，代码我不给，就是这是代码我不给你，我把模型权重跟模型结构给你，那我能做完整模型。第三个是我连这个也不给你，但是我把你一些你输入内容的中间层的结果，就相当于比embedding更丰富的一些参数

1:01:32给你，我就能做PEFT。

1:01:35我听到你的这种这种卖水和牛杂锅也都是高科技。

1:01:39都有开源，我跟你讲，都有开源。我跟你讲，有人在那个之前那个Facebook就发了那个LLaMA嘛，对不对？然后斯坦福在上面微调那个Alpaca，就是就是有人复现了一下嘛，大概拿

1:01:55了五十二万条数据，呃五万两千条数据，做微调的成本大概是六百美金。OK，所以好的。所以这个事情我觉得成本还是，就是就是这个这个需求，我觉得未来可能会比较旺盛啊。

1:02:06那我再问你最后一个问题啊，就是那个你觉得一年之后生态会有什么变化吗？就是什么会比较变得更值钱，什么会变得就是昙花一现不值钱，从你的角度。

1:02:17第一个我觉得很多应用会不值钱啊，对吧？就今天可能很多人会做很多应用，它可能会很火，有一些大部分会就完全没有意义，一小部分会活下来嘛，对吧？这个是，这个我觉得就我不讲，大家都会都会这么想。第二个呢，我是觉得说如果大家做大模型的能力只做到GPT-3为止，我觉得半年一年后也不值钱。

1:02:39因为我还是，这个是我个人比较强的一个观点啊，我觉得开源其实追这个事情，GPT-4、GPT-5可能追不上，追到GPT-3这件事情，我觉得还是在一年左右肯定能追得上来的。

1:02:52对。所以如

1:02:53果说我对待一下，说我觉得我搞半年一年也只能搞到那个东西，而且我没有信心再往后走了，其实我觉得你就别干这事儿啊。对。就你就别干这事儿。对，这个是，当然这个观点不一定对啊，就是非常，就是我觉得观点我都是非常自信地说出来，但是很有可能一年之后就被打脸，

1:03:10这很正常啊。

1:03:11那这样，那我干脆问这个细的问题啊，从你的角度的话，开源世界什么时候有GPT-3.5的能力啊？因为我觉得3.3其实我不羡慕，但是3.5真的很羡慕。就是像是个六到

1:03:24十二个月吧，六到十二个月啊。很快打脸。

1:03:27你还是很乐观的嘛，你还是很乐观，三年也好，一年，这这不也是一年嘛。三点五，

1:03:33因为3到3.5的差别，3到3.5就做了一个fine-tune嘛。哦，就

1:03:37加量加量。

1:03:38instruct的fine-tune嘛，所以我觉得，因为3跟3.5的差别是，所有3.5拥有的能力在3里面都有了，

1:03:47我只是通过训练学习跟微调把它激发出来了。

1:03:52那大模型里本来就是那个能力有，那个规模，那个东西不出问题，梯度，就是各种各样训练不出幺蛾子，我训练出这个，有这个比如说所谓的思维比较强的思维链能力，跟把它激发出来。

1:04:06对，那思维链能力是涌现出来的，其实不一定在另外一个模型上是可以可以复现的，因为它不是一个…

1:04:13对对。所以我觉得3出来3.5会很快，3出来3.5会很快。那么3能不能出来，我觉得是九个月，我觉得是九个月这样一个体量，就是这个这个是完全拍脑袋的。因为我的假设是什么，Stable Diffusion是去年八月份开源的。

1:04:30因为它它的进化速度很快。它的进化速度非常快，

1:04:34而且其实NLP的进化速度也非常快，对不对？你看上个礼拜有人做了LLaMA，然后有人立刻做了这个基于LLaMA做了微调的版本。Alpaca，然后立刻就有人基于Alpaca做了开源的Alpaca，就是在一块树莓派上就能跑起来的。

1:04:54然后立刻就有人说，你们做了英语的，我做我基于你的数据，用同样的用fine-tune、用PEFT的方式，我调了一个葡萄牙语的。嗯。就这是一个礼拜发生的事情，这不是一年发生的事情，就是一个礼拜发生的事情。所以我觉得开源这个事情，这个事情整个一定是加速的，一定是加速的。

1:05:12它一定不是说说，就是说啊慢慢慢慢慢慢来，因为我看到周围的人都很卷，都比都比我们卷多了，对吧？我们就说什么写写课啊，什么就不卷，人家都已经开始天天加班了，好不好？

1:05:27对，我早几天还被那个教授在讲说，说你看我们都没有在十二点钟睡过觉。然后我说，嗯，我每天睡得还蛮充分的。

1:05:36对对对。所以所以我觉得是，我再回答，有个人问我的，是录完了，但是要一点点放出来还是没录完，录完一半，就是三十节课搞完十五节，还有十五节在还在，还没有搞完。但是对吧，就是有有存稿，我我应该也会在呃三周之内写完吧，因为之前的草稿啊大纲其实花了比较大的时间写，

1:05:58还是比较快的，在三四周会写完。所以但是有一半已经录完了。有一半已经写完了，有些没有录音，有些代码还没有放到GitHub上去，但是不出意外的话，下周，呃，前十五讲的代码基本上都会放到GitHub上去。录音是会正常的，每周出三期放出来。

1:06:17好的。我的问题问完了，我大概了解了。刚好就就借这个机会，刚好我也理一下，说哦，大概要怎么样搞。好，你有啥要聊的？

1:06:28OK。我我其实有个问题啊，就是说，就是你，因为我昨天看你，我关注你的小报童嘛，就是看到你已经有结论了嘛。作为小报童的这个订阅用户有结论了，就是说你觉得你四月份怎么也要下场干点活了，对吧？对，为什么？就为什么会有这个紧迫感？

1:06:47没有，我倒不觉得说你要抓住这个机会，要一定要四月份五月份，而是因为觉得，觉得学习要，就跟你的感受一样嘛，我们刚刚聊过，就是，就是就是，岸上的学习大概到这边就差不多了。现在你要我去讲个PPT，说什么传统行业应该怎么用，然后什么什么，我讲个课，装个大尾巴狼，我现在已经足够了。

1:07:10但是其实很多的实践是不够的。就是实践里面具体，就像你讲说的那些工程上的花样，然后包括说到底哪个场景有，就两方面不够，一个就是那些细节不够，还有一个不够。就是非共识的认知不够。我觉得我现在的认知太跟大家想的差不多了，就我们也很多群也一起都在嘛。

1:07:34对对对。大家想的都是那些事儿。对。所以我觉得我缺我缺独占性的信息，比如说我就知道某个细分行业特别牛逼，对吧？他们有一个特别窄的用法，但是一年就比如说有三个亿美金的利润。

1:07:47那那这些东西我现在我现在没有。所以我觉得我需要更快的马上进来动手，撸起袖子开始干起来，是为了第一个学习快一点，然后这样子知道说，呃，它的hands-on那些东西是什么样子。另外一个就是如果我我我我我我跟你大概讲过我的那个宽一点的想法嘛，这样子的话就是我不赌一个嘛，

1:08:09对吧？我赌多一点的话，那我中间万一哪一条路的话给了我一些发现说，啊，这个小行业还有这么多钱，还有这么小小的做一下就可以，那我就可以攒到攒到一些就是在公众号和群看不到的认知嘛，对吧？

1:08:26就这两点，

1:08:27对。

1:08:28没有这两点，那其他的那些认知就是用来讲PPT的嘛，对吧？讲PPT的认知，我们两个都够了呀。对，

1:08:35对对对，我觉得是这个想法跟我其实比较类似的，就是觉得说啊，差不多这两三个月把公开市场，对啊，就是大家都立刻能够得到的东西，包括最新的进展，大概也都看了一遍了。就是你接下来要做就要做更深入的东西，你就真的要么你去读paper，去复现别人的代码，去做更，

1:08:54对吧，要么你就是说我得做个产品，扔到市场上去体验或者去试一下。对啊，就是不然的话，我觉得说可能就是到后来就变成就只能互相吹水了，就吹水吹太多也没有意义。

1:09:06对。吹水是为了说倒逼自己梳理嘛，然后另外一方面是吸引相关的合作方嘛，比如说我现在确实有很多要做AI的，不管是传统企业的朋友还是一些小朋友会来找我嘛，这两两个目的是可以达到的。但你不能老吹牛吧，对吧？对

1:09:24对对对对，就就汤汤水水里面得有点料。

1:09:29然后第二个问题就是我回答的就是说因为我们会讲有大模型本身，对不对？然后有应用层，然后我们其实经常会提到一个东西叫做中间层，对不对？就在你看来，什么样的东西属于中间层？就是它中间层会是一个什么类型的东西，或者什么类型的机会。

1:09:47因为我觉得另外两层其实大家都看得比较明白，对吧？大模型这东西肯定有价值，不用去管。对不对？然后应用层肯定也有价值，但是它有它的风险所在，因为你很依赖人。但所以很多人都想说，我能不能做个中间层，我没有那么牛逼，我做不了大模型。

1:10:04我也不想只做个应用层，说我只能干五个月，说五个月之后又得再想个新的idea，对吧？或者说特别卷，对吧？大家都拼，就都都都不要钱，都免费，对吧？是。

1:10:16我觉得中间层的话，两个角度去理解。一个角度的话，就是比较偏商业分析啊，什么技术栈分析啊，大家可以去AI炼金术的那个公众号去翻，里面有图，讲得详详细细的。然后我们这边可以讲一个，我觉得我我我完全从商业上的理解。商业上的理解就是，但凡你预计有一个东西会变多，有一类有一类的人，或者有一类的商业形态会变多，

1:10:46那么其实你要做的事情不是去跟他们成为一样的，因为就是狼多肉少嘛，或者狼多肉很多，但是狼也很多嘛。你要思考的就是以他们为客，以他们为客户。就以他们为客户什么意思呢？就比如说有好多人都在做应用，那做应用他们缺啥，那我就给他啥，这就是以他们为客户。

1:11:05比如说他们缺某个工具，那我就给工具。他们缺某个某个某个算力，或者说搭建的方法，我就给方法；或者缺社区，就是社区；或者他们都缺新用户试用，啊，那我就是你们的小样网，对吧？帮你散发小样，去搞early adopters。所以本质上来讲，它就是算说，那未来这个世界这一段时间，哪一类的公司会变多一百倍，

1:11:32那我就以他们为客户，那做他们的生意。对，对。具体干嘛不是很清楚，我现在有一些想法，下周下周会做完，会开始MVP，但是靠不靠谱嘛，现在就是非常的没有底气。

1:11:46我觉得很有可能MVP就是还学不到来回那个，回溜溜的。还是像你说的那个卖水卖牛仔裤的逻辑。本质上是。

1:11:55对，对，卖水卖牛仔裤，就是看这些他们需要什么，但是可能会比卖水卖牛仔裤的心思会稍微多一点。就是因为，因为其实就你还是参与到了挖矿的过程当中嘛，对吧？那参与到过程当中，其实你你其实对于那个哪里有矿的话，会增加一些了解。然后你如果做的是特别偏向于小B或者C的牛仔裤的话，那你其实哪边牛仔裤突然变多了的话，其实对于你下一步想要做一些事情，

1:12:25也是一个数据的收集这些场景。因为现在觉得下层的那个基基础很很不稳固嘛，那经常变。所以现在想的是说我在上面，然后我对于具体的场景现在又属于嘴炮的级别，那就希望说可以借助，比如说我们服务一万个一万个一万个那个B。然后这一万个B在探索的时候，我们就一起可以看看，说到底是咋回事儿，对吧？

1:12:51后台怎么搭？不要不要，我为自己搭，万一形态猜错了呢？对。

1:12:57下面又有朋友提问，现在用AI工具写代码效率能提高多少？如果说完全从写代码的部分，对我肯定提高是超过百分之百的。就是我原来要写一个小时的代码，现在肯定我三十分钟内可以写完。

1:13:11就是，就对我啊，我觉得对不同的人可能不一样。有些人可能这个，因为我其实之前创业啊什么的，hands on写代码的比例其实也没有那么高，有一段时间我觉得也没有那么熟练。你让我写很多东西我都得去查文档，所以对我我觉得肯定是超过百分之百的。

1:13:27然后我周围观察，第二个是有工程师有很多工作，就是码农，我们叫码农吧，我们自自自，有很多工作它其实不是在写代码，是在对需求啊、沟通啊、测试啊，那这部分时间其实不太容易节省。我觉得纯写代码的时间可以大幅提升。第二。LangChain这种算中间层吗？

1:13:48呃。按照任鑫老师这个定义，我觉得连庆是个很典型的中间层。就是它其实相当于你更方便地让你去使用大模型，去创造你想要做的应用。所以我觉得它是个很典型的中间层。

1:14:01啊，对prompt engineer的职业和性质发展怎么看？你怎么看？

1:14:06我觉得暂时这个东西其实非常有用啊，但是长期来讲的话，那个Sam Altman是说这个五年内必然消失嘛，对。短期内我觉得这第一个，你不管是你想把它当做一个职业，还是你只是自己用一下也好，你肯定是要学的，因为就有点像学会用Excel，对吧？

1:14:26你现在这个Excel还不会，不是很好用，所以你还得买一本什么Excel从入门到精通之类的书，学那些公式。有用吗？有用的。但是长久来讲的话，就是它是不是一个什么什么伟大职业，特别是你要不要去考个证儿，我知道有人已经在卖证儿赚钱了，

1:14:41对吧？我觉得是不需要的。

1:14:43明白。我我我讲讲我的观点吧，我觉得这个事情是这样的，就是prompt engineer本质上是在干两件事情。第一件事情是学会好好说话。

1:14:53就这件事情我觉得是永远都存在的，就是就是第二种需求是脑洞大开，我我要转这个大，或者三三种啊，我现在看到三种。第一种是学会好好说话，我觉得这种呢是所有人都需要的，

1:15:09所有人都需要，因为未来我觉得它都不是个职业，对吧？第二种呢是现在AI有一些特殊的跟它对话的方式，对吧？或者说你要多试一些方式，才能得到一些比较好的结果。那这个呢，我觉得是说，呃，它属于一个就是在，就是科学发展不完善的时候会过度性的职业。

1:15:31这个就类似于说打字机老容易卡键，然后呢，我特别擅长解决卡键问题，但是可能过几年这个问题肯定会被别的东西解决掉。那这个呢，第三个呢，我觉得属于叫脑洞大开型。

1:15:45嗯，

1:15:46对吧？就是你有能有想出很多有creative的事情，比如说任鑫，我觉得就是他之前说，哎，我能不能想说让AI帮我装Elon Musk、马云，等，帮我来开个董事会，对吧？那这种脑洞大开型，我觉得这个就就很有前途。

1:16:02很有前途，因为它本质上是你有creative，你能创造性地去解决很多问题嘛，能想出一些新新场景。那我觉得第一种我觉得是所有人都要。第二种是这个东西现在很有用，对吧？甚至你可以把它当成一个秘密藏起来，只有你会别人不会。但过个三五三，不用三五年，三五年就肯定就没什么用了。

1:16:21第三点呢，我觉得也特别有用，而且很难，要靠天赋。我我就想不出这种东西。我就是比较擅长第一种，就是，嗯，我想一下，我怎么好好跟AI说话，让它能明白我要它干嘛。这个是工程师嘛，用工程师方法拆问题。对，但是我很难会想到第三种，说，哎，这个东西有一个什么脑洞大开的用法。

1:16:40第二种我觉得就是属于，嗯，第二种我觉得就是属于，这个是属于属于短期内你可能，哎，你你你掌握了一些别人不知道的秘密，但是拉长周期就没有什么用。

1:16:52觉得大家现在要学还是学。对，

1:16:55对对对，现在要学。因为还可能有

1:16:56这个伟大，伟大的职业，对的，伟大的职业这种。

1:17:01对，我觉得也不能，就是，就毕竟我觉得这个事情，就是，就跟开车一样，对吧？就是能够成为赛车手的人还是少数，但是开车呢你还是得学会的。现在呢它只有手动挡，那就麻烦您先学一下手动挡，五年以后会有自动挡了，对吧？那也不吃亏，反正你也开了五年车了。

1:17:23然后那个小助理发了一些那个用户的问题啊，我看看我们谁来答。一个是AI最近好热闹，我那天看到信息好多，但是不知道从何学起，从何入手。买徐文浩的，买徐文浩的，

1:17:38买徐文浩的。你要你要看你要干嘛，对吧？你说我是个工程师，说我想知道这个API怎么调，能干嘛？那你可以去，呃，那个那个，买我的这个极客时间上的专栏，对吧？

1:17:49你不想买专栏也没关系，那个代码我都会放在GitHub上，对吧？就是那个没有字，只有代码，对吧？所以，毕竟不能把那篇文章也给放出来，对吧？这个和极客时间是有合同的，放出来我要吃官司的，对吧？这代码我是跟他们他们是同意的，因为方便大家去运行嘛。

1:18:05那你把那个代码运行一遍，你可能也有点感觉。然后你如果是想要知道最新的资讯啊、信息啊，或者说我们的一些思考啊，你可以关注我们的公众号，或者加入我们知识星球。呃，我觉得这个反正都可以，对吧？就公众号反正你随便都谁都能看，反正我们尽量争取坚持的时间长一点，对吧？

1:18:24每周发一期，对吧？就是最近已经有点写不动了，都都用，对吧？这个，但是我觉得就往后，越往后这个事情，我觉得看公众号的价值会减少嘛。因为现在是是去年11月底出来，到现在也已经三四个月了。我觉得这个信息，不知道ChatGPT不知道的人越来越少。

1:18:44所以如果大家想要看比较新的资讯，更多的我们未来都会在知识星球里，而且啊会有很多什么新的新闻啊，什么demo，我们都会往里面一贴，对吧？如果你没有账号，现在还还是送账号的，对吧？

1:18:54知识星球加AI创富圈，AI创富圈。

1:18:58叫AI创富圈，反正你可以去去加一下知识星球。然后那个，对，然后AIGC创业机会，存量竞争，这个还是你回答比较合适。

1:19:09AIGC创业机会，我觉得不是存量竞争啊。对啊。就比如说刚刚徐文浩讲的那些什么，你用百度的那个画图做一个什么你画我猜什么的，这些东西感觉就是还是高维打低维。你用了一个新科技，可以用原来的百分之一的成本，就可以做出比原来更好的一个效果。

1:19:29我觉得就主要是你要先开脑洞吧，对吧？你不是不对，先开脑洞，然后这里面是可以玩出很多新花样的。而且很多的AIGC方面的话，其实是，呃，我觉得它是劳动力替代。就是我知道的广告公司啊，什么游戏公司，确实就是已经在大规模地在用了，就是真的是省省人省钱。

1:19:51所以你如果就在类似的行业的话，其实你你比别人早用三个月，你不就有三个月成本优势吗？然后另外就是，如果你在这个行业，但是你不是自己在搞这个，你你去帮助那些公司，比如说他原本要转型，要转九个月，你帮他三个月转，然后收他一个月的钱，是吧？

1:20:08这这这都是都是短期内都是有机会的。所以我觉得也不能完全说是存量竞争吧，它它很多事情真的是之前没有发生过的事情。而且很多公司的转型会远远的、远远的那个速度会低于我们的想象，就是惯性是很大的，信息差是巨大的。所以我觉得这边其实至少在今年，我觉得还是有蛮多奇奇怪怪的机会。

1:20:34如果你，对，对，对，

1:20:36你说。因为我觉得以前有一句说，有一句是，反正谁说都用啊，叫叫未来以来，对吧？只是分布不均嘛。就是你，我们当然知道这东西就是ChatGPT已经出现了，但是我知道周围有大量的人，都没有去用过，对吧？

1:20:51或者说没有尝试每天去用，对，对吧？或者说是没有尝试说用它去解决我自己的问题，对吧？所以所以这个是分布是不均匀的，对吧？那我觉得当然了，有些人不需要用，我相信还是有些人不需要。比如说我们说，你说我是做需要人物理世界出现，我要去装修房子、去修地板，那它的确也帮不上你任何忙，

1:21:12这个这个没问题。但如果你是个我们叫知识工作者吧，就是你坐办公室要用电脑的人，那一定去用一下，一定去用一下。而且用了之后，对吧？你你你一定能找到一些能够，然后创业我觉得本质上是需求驱动的，它其实不是供给驱动的，不是有了AI机器，所以我的它本质上是需求驱动的，那最直观的需求当然是降成本，对。

1:21:37但是你，我相信每个人在各行各业都能看到一些机会，就是有我们看不到的机会，对不对？对不对？就我们能看到的还是我们熟悉的，我觉得很有可能反而是个最不赚钱的机会。为什么呢？因为我们周围的人都能看到这东西。

1:21:50对，对不对？就是我们能看到的机会，我呢反而是觉得说很有可能不赚钱，对不对？因为我们看到的，我们周围的人也都看到。

1:21:59有人问，请问ChatGPT被广泛使用后，呃，是否那种要动脑子的内容就越来越没人看了？大家都直接让AI给概要嘛，只有那种看起来爽的，然后才会有人消费。我觉得不应该就这样吧。我

1:22:15觉得肯定不是嘛，我觉得是这样的，它其实是把很多车轱辘话不消费了而已，对吧？我们虽然我也推荐大家去用AI，用AI读论文的工具，对不对？但是你如果真的用AI读论文的工具哈，你想去研究这个领域，不是说用AI读论文，你跟我讲一下这个东西讲了什么，

1:22:34你跟我东西讲了什么，我给你发个公众号是可以的，对不对？我跟你来这里吹吹水是可以的，我要干活，我还是得把论文从头到尾再去读一遍，对吧？就是我觉得是这样的，它是那种爽的东西，当然本来就有人消费。真的，这些非常有高价值的、非常需要动脑的东西，你还是得去看。

1:22:53但是呢，有很多就是你不得不交差了事的东西，不得不应付一下的东西，那的确是可以不用看的。

1:23:02我我觉得还有看东西分成两步，一步就是像比如说你说你要那个看了才能干活的。还有一种其实是我们的搜寻成本。就比如说我我在写那个关于好运的时候，其实我把那个就就就就所有好运相关的书都买了嘛，然后我把那个论文就找了无数篇在看嘛。

1:23:21但是其实看论文你会发现，其实你仔仔细细看完之后，十篇有九篇其实看完之后会发现跟我跟我一毛钱关系都没有，他写了个啥，就写了个寂寞。但现在的话，如果能够让它，就后来我就用SciSpace嘛，然后快速地跟我讲一下，我就快速地判断我要不要看。

1:23:39然后大概不要看的话，它就先过了，所以它可以起到一个筛选的作用，这样子帮我省掉至少一半以上的时间。那个那个那个那个，其实不是帮我看，它就帮我过滤，就是最不靠谱的那些我就不用看了，先过滤掉，删掉。认认真真看的就还是认认真真看，其他的车轱辘话就随便，然后或者说那种垃圾，你就可以赶紧过滤掉。

1:24:04就我觉得大家不要觉得觉得有了这个东西就就就不用读书了。我觉得反而是相反的，这个是对读书这个事情要求变高了，对吧？就是说你读了个寂寞的书就没有啥意义了。就是你说啊，我读了个寂寞，反正大家都读一点，我都知道一点，那你肯定你也搞不过AI，就没有啥意义，

1:24:22对吧？但是你真的说，简单来点，简单点来讲，你今天说要把GPT-4改搞成GPT-5，对不对？那我觉得你还是得自己想办法去研究各种原理，对吧？写各种代码，AI能帮助你一部分，AI能提高你写代码的效率，对不对？但是不太可能说你就完全不需要知道这个知识了。

1:24:42所以现在我觉得比较典型的还是回到那个Copilot的那个定位上。就是如果你对这个领域完全无知，你也没办法用它解决问题。

1:24:51还有一个点的话，就是其实大家有一个误解，我觉得，就是会觉得说你读书是为了获得里面的那个知识和观点。比如说徐文浩去读论文的话，可能是有这个东西，就是要拿它干活。但是我们绝大部分人读的绝大部分书，其实那个道理，难道我们之前没有读过一百遍吗？

1:25:13对吧？就是就就都是道理的书嘛，和故事书嘛，对吧？那那所谓的干货书也就是道理嘛，对吧？那道理的那些东西其实咋不会呢，对吧？也会啊，什么啊，心有目的什么的，要事为先，这些东西。

1:25:27然后他他把它总结给你啊，七个习惯，你不用看这么一本书告诉你这七个习惯，直接告诉你是什么。So what?那有的时候那本书整个你看完是给你催眠的，你就更有可能做而已。但是你看完其实也不见得做，那你看了七条更不做嘛，对吧？看了七本也不见得会做嘛。

1:25:48嗯，所以那个书我有的时候看觉得它它其实主要起到的，你看的那些废话，主要是起到催眠的作用，让它转化率稍微高一点。因为你看那七句话你更不会做。是啊。

1:25:58就是对，我觉得第二个就是，就是我觉得看内容本来大家就，我甚至我们再极端一点讲，就是我们看一些学术理论的内容，或者有些人喜欢看小说，有些人喜欢看哲学，有些人喜欢看历史，都是为了愉悦。就我们也不要把自己想得太高级，就是我看这个东西开心，是我这个人就是喜欢科技感强一些的东西。

1:26:20我也是，对吧？

1:26:22那那你就就会看这个东西，你就会开心嘛，对不对？你让我看，呃，这个这个，你给我看，让我看什么绘画知识，我没有兴趣，我真的没有兴趣。就是，就是你花，你付我钱让我看，我也不想看，对不对？对，对不对？就同样的看小说，我也喜欢看，我也喜欢，比如我喜欢看小说，我喜欢看科幻小说。

1:26:43你给我看言情小说，对不对？那也没有用啊，对吧？你是你你你送我我也不看，对不对？就是，所以我觉得本来大家也是根据自己的兴趣、自己的爱好、自己有快、有有有愉悦感的去看。但很多时候呢，是你没看之前你也不知道，对不对？

1:27:01所以你会去，原来会有这种书评呀，会有这种什么豆瓣评分呀这种东西，只不过它今天换了一个形式给你嘛，对吧？只不过在一些效率上，它比那个更高效，对不对？对不对？我再极端一点讲，我们的确，比方说我们也看视频，我们看电影，对吧？

1:27:21看电视剧，你今天去抖音上都有那种五分钟切片，对吧？大壮、小美、福乐，给你五分钟讲完一集电视剧。但但是有些电视剧你还是会可以看整个的，但有一些你觉得抖音上刷一刷就OK了。

1:27:41然后那个有那个小助理发来的提问啊，说我是一个普通小职员，做文员工作的。如果副业兼职想用AI赚点钱，但是呢又不想搞得很low，搞得像卖单卖账号之类的，能能干点啥吗？你想得到吗？

1:27:58嗯。我觉得其实这种问题都挺难回答，因为我觉得就是赚钱，副业都是需求驱动的嘛。就是你自己能够看到周围有什么需求，你觉得它能够帮你，能够帮他解决一下，对不对？你说，呃呃，我帮人，就比如说我说，哎，我就帮人出设计图，然后你说我正好爱好绘画，

1:28:21但是我没有学过，对吧？当然这，我因为喜欢，我经常去看画展，美术史我也很熟，但是画画不太会。那你说，哎，我可以用这个东西去去做这个，呃，绘画，对吧？然后做个自媒体，对不对？做个微信公众号，做个抖音，就是我就本来喜欢这个东西，然后对不对？

1:28:40啊，包括那个那个Miss靠谱姐这个介绍，对吧？你用Midjourney去做绘本，然后跟出版社合作去出版，都可以。这个是因为我觉得这是两个嘛，第一个是需求驱动的，第二个是你自己的禀赋在哪里，就是你有什么AI能够帮助你做，原来你相弥补你想做，你有一定的擅长，但是因为一些其他人做不了的事情。

1:29:05比如说你很喜欢美术，但是你没有练过，你也没有时间去学，那今天因为有AI绘画了，你就能干这个事情。嗯，是，对不对？你原来喜欢写小说，但是你又脑脑子里有很多大纲，没有足够的时间，觉得哎呀，这个润色很时间很长，那你就拿它去写小说，对不对？

1:29:22然后你觉得，哎，我就是这个这个实在想不到说，哎——我就去研究，我就去把我研究的过程录下来，分享出来，做自媒体。对吧？因为我们说了嘛，这个世界是分布不均匀的，信息差比你想象的还要大。对吧？

1:29:38因为我经常会会遇到这个问题，就是我看了一堆东西啊，我都知道了。然后呢，隔了一个礼拜，我又在另另外一个群里看到有人又发了一遍，对吧？我也会。对对对，这个对吧？第二个，有些东西我觉得这东西有什么好讲的，对不对？

1:29:53但是你会发现啊，大家都不知道。对。就就是都会出现这种情况，那你可以也可以去干这个，所以我觉得都可以啊，都可以。就是说，能能不能赚钱，取决于这个需求把握的准不准。竞争激不激烈。

1:30:06但是我一定觉得是从每个人自己出发的。我跟你讲，我告诉你现在做个应用可以赚钱，我就我我觉得那个文心那个一格，你就用它做个你画我猜，上来用市场卖卖看，对不对？但是你可能说我不会写代码，我没有研究过这个，那那这个就不属于你的机会嘛。

1:30:26我这边觉得，其实你最轻松的方法的话，其实就是你结合自己的专长，然后你把那些AI工具自己先用一遍。然后的话呢，发朋友圈、发公众号、发啥都让大家显摆一下，那显摆一下。别人看到你用这个东西，说比如说你做设计的，你用AI帮你做了一个什么快速做设计图，你本来就搞文案的，

1:30:47你让AI帮你搞了啥。那最浅的一个就是人家就会问你来怎么搞的嘛，然后你就看看说能不能卖卖信息差。那如果人家觉得你的结果很好，比如说哇，你这种设计图能不能给我来一打，你就卖卖这个结果的产品。那第一步的时候其实是像徐文浩讲的，你就需求驱动，你要找到需求在哪里嘛。

1:31:07那怎么找的时候的话，其实你就可以用显摆的方式去找，因为你要赚钱，你肯定要学习这些工具怎么用嘛。那你学习的过程、体验的过程，你就可以把它放出来。就好像我们两个在这边聊。天其实也会有很多的那个，包括微软啊，什么乱七八糟的，就就各种人来找到我们，对吧？

1:31:25这个就就可以连接到更多的更更更多的人。那你那边显摆一下之后，说不定就有一些需求会找到你，说哎呀，你会这个呀，你能不能帮我干嘛什么的，然后你就上来就收钱呗。如果人家愿意给钱，然后那就说明是个真需求，然后再再往下走。下面还有一个问题，说手里只能投两万块钱，如果想参与这次AI创业，自己搞个啥产品啥的，能做点啥不？

1:31:52我觉得钱不是钱不是阻碍。我其实我这个直播刚开始我就讲，有一个朋友也是个工程师嘛，一个中国人，十五天做了一个一万个GitHub上的star这么一个项目。我相信他这个项目今天卖掉，卖个十万美金是没有什么难度的。我觉得他这个项目卖掉卖十万美金是没有什么难度。

1:32:13我还记得，我估计啊，我这个我随便拍脑袋的，我觉得应该没什么，能不能我我完全认为可以卖得更多。所以我觉得，钱不是这个这件事情当中的关键。这，ChatGPT出去差它什么呢？差它是让你如果没有那么牛逼，投个十亿一百亿搞这个。你有两万块钱，还是二十万块，还是二十万，可能差别就没有这么大。

1:32:34对。对，他把这个差别，就是简单来点来讲，就是你你你十五天，你想十五天的研发成本，也就几万块钱了不起了，对吧？所以，我我觉得，因为我觉得创业难难难还是难在这个需求吧。对吧？

1:32:51他可能去找了一个普通的需求，就是所有人都有的需求，就是翻译。哎，他做的是翻译，是相当于做了这种，就是划词啊什么各种都做了。相当于说，呃，从头做了一个翻译软件，只是背后的翻译能力用的是ChatGPT的。

1:33:07对不对？那他可能因为他原来很擅长写这种应用软件，那么这个是他所得到的结果。那你就要想一想说，哎。我我干什么牛逼，或者我捕捉到了什么需求。因为那个需求，翻译是个大需求，但它那个缺点是比较卷嘛，就是你得干。

1:33:23他为什么十五天做完，不是做一个月，对不对？因为翻译这个需求用户量真的非常大。到时候我会发在星球上，叫Open Translator，我到时候发到星球上。啊，那个，第二个是你看我做一个课，我这个课的需求也非常大。

1:33:40我其实在提课上不是第一次做课，我一直觉得我做的最好的专栏是第一个专栏，深入浅层计算机组成原理，对吧？那个课其实卖的也还可以，但是明显这个课的势头也比今天这个课的势头，就是卖的势头也非常高，就是就是个需求嘛，对吧？这个是因为我原来卖过课，我会写东西。

1:33:58大家都要去去捕捉这个需求，去捕捉这个需求。这个跟钱没有关系，我做写这个东西，我一毛钱也没有花。我只是正好脚扭了一下骨折了，待在家里待了一个月，所以天天在写东西。

1:34:11对对对。我说这个事老天爷说把你的腿打断，说你就把这写了吧。对吧？所以我觉得是说钱不是关键，这个过程当中，就是能够去找找这个这个需求点，是是是，找到需求点，然后找到适合自己的需求点。

1:34:25比如说我就，我也是工程师，我也是工程师，但是我去你说让我去写Mac上的应用，这个东西我没有那么熟练，对吧？所以我就没有去跟大家去卷这个事情。而且第二个是我觉得卷这个不如卷一个我更擅长的，把技术的东西讲得浅显一点，多给大家点示例，对吧？

1:34:42那那那那我觉得是不同的选择嘛，对吧？然后我看到我们先看评论区，有个朋友问，GPT下对知识类IP会带来哪些负面影响？比如用IP的内容书籍成为模型训练，训练出一个IP孪生，从而威胁到这些IP。这个是你想做的，你你来讲讲呗。

1:35:03对，我觉得大家对IP有一个误解，就是大家以为IP靠的是知识。就世界上哪里缺知识啊，对吧？任何一个你跑到抖音上看任何一个大V，就你如果真的是想学知识的话，你去买本书比他听他讲五个小时要有用得多。他能讲的肯定都是那种废话型的东西。

1:35:23所以IP关键就是那张脸，就那个名字。所以你帮他训练出那个IP孪生，你用不用他名字，你只要不用他名字就不值钱，你用他名字就是帮他宣传。所以就是那个脸是比大脑值钱的东西。大脑不值钱，尤其是大众的IP，只要大众能够理解的东西，一定是就是大陆货嘛，大陆货一定不是什么特别高精尖的什么神秘学的东西，

1:35:48它就是一个口水话。口水话值啥钱呀？那些脑子里就是大家，对，只要只要是大家觉得听起来很愉悦的东西，基本上都是不值钱的东西。

1:36:01就那张脸比较值钱，那张脸可以让你付钱，就说它值钱。

1:36:05但是我觉得你要倒过来，就是他是怎么成为那个IP，是因为一些别的原因变成这个IP的，对不对？比如说任鑫老师是因为什么变成这个IP的？是因为他，对吧，放下了几千万这个股票变成这个IP的。

1:36:17对，这个，那你只要你只要也能放下几千万股票，你我觉得你只要出来讲两句，也是一个大IP。对，然后当然他背后还是需要他，就是像任鑫，就我一直很佩服他，就是就是能够把事情讲得很清楚，啊，然后脑洞也比较大。对，对吧？这不就

1:36:34翻车了嘛，开始讲相声了。

1:36:37对对对，但是那个内容本身啊，我觉得其实就像为什么ChatGPT牛，就大家觉得它好厉害啊，但是其实它背后那些知识都是人类知识惯性。那些知识其实本来就在。对不对？那些知识本来就在，并不是说这个知识是那个大V今天跟你讲了一次，就一次他发明的。

1:36:56是啊，你真的要去找，对吧？你去翻教，我一直说你要学习，学习最好不是看视频。你去翻一下国内外各种经典教科书，那个是信息知识密度最高的东西。一本五百页的书你可以看一个月，然后你全都看完习题都做完，你肯定有极大的提升。

1:37:14但是你愿不愿意做嘛？

1:37:15下面大V就来了呀，Miss靠谱。他说大V的能力是和情绪对话，所以你千万不要以为大V的大V是靠脑子里。

1:37:24大家也可以去抖音上关注一下。没有不在乎的。大家可以去抖音上关注一下Miss靠谱，这个是真正的大V。我们两个都不是大V，我们两个都是…我们两个不是大V，我们两个这个没有这么多人关注我们。说实话，

1:37:40对。OK，然后有人问说我是一个程序员，被裁员了，可以利用AI做点啥吗？

1:37:47第一个是这个，呃看看专栏，不想看专栏，觉得裁员没，就是不想花钱，就看我在GitHub上lookbook先看一遍，对吧？那你先看看AI能干啥。你看看AI能干啥之后，再想想你自己能干啥。第二个是我极端一点讲，就是还是回到说，你今天就算去接外包，用Cursor，用Copilot，

1:38:07用ChatGPT，说好，我今天开始接项目外包。你用上这些东西，你效率可能都比别人高好几倍，对吧？所以我觉得，呃，你做开源项目也可以，对不对？因为我我觉得这个世界上不缺

1:38:24这个这个这个不缺需求，其实是不缺需求，有很多需求都没有被满足。对。因为我包括我看了有很多现在很火的项目，我其实也很佩服这些作者。但是我看了一些代码，其实代码质量也并不高，对吧？那你如果愿意去做，比如说我，呃，那个，我到时候看就是，呃，作者本身我很佩服啊，因为我觉得代码质量不高，

1:38:48是因为他非常干，在着急，赶紧把这东西写出来，能够发布出来，去抢那个流量，对吧？所以，所以这个，他的代码质量不高，但是实际上是这些需求，比如把一本书翻译一下呀，什么把一本书，就这个这个事情，我我没有去干，是两个月之前我就知道怎么干。

1:39:07然后任鑫天天那段时间一直想我快点做个demo，但是因为我其实是比较早，我其实是因为这个课是我去年十二月底，我找的极客时间。然后那个时候我都还没有和任鑫决定要做这个，做这个这个公众号。所以我就答应别人了，所以前一段时间我在天天写稿，实在没有时间写那个东西。

1:39:28但是我就看到，哎呀，我说这东西其实我知道，这东西其实我知道，都被做了，都别人一个个都做了，对不对？所以我觉得这个需求是不缺的。然后我我我现在就能没关系，我待会把我想做的十个需求到时候贴到那个那个那个知识星球里面，对吧？你可以挑一个，说你今天失业了，没关系。

1:39:47挑一个去做，啊做一个开源项目出来，我帮你宣传。你做得好，我用我用得爽，我帮你宣传，对吧？啊这个。甚至我可以为你付费，我觉得这都没有问题，我都可以sponsor你做这个项目，

1:39:58对吧？嗯，挺好的。那待会儿发到星球去。

1:40:02对对对。所以我觉得是是是这样的，就是我觉得就是，这个大家不要不要，因为程序员是一个挺好的职业，是什么呢？就是它是个农民职业，不是个工人职业。它不需要有那个机器，它那个机器就是你有台电脑就能干活。

1:40:20对啊，然后他把……Miss靠谱，大家在评论区，Miss就是Miss，M-I-S-S，靠谱就是非常靠谱的靠谱。就，就，就，就来说

1:40:30不看好数字人的那个，对。然后你刚刚讲到需求方面的话，其实这次就可以看到说，呃……其实这一次我觉得大家可以赶紧出来做点什么事情。第一个就是原来你比如说我刚刚说两万块钱的那位，原来你两万块钱你就没法请人嘛，对吧？然后那个那个，你原来要有两百万才能请人嘛，但现在其实你可以请AI帮你打杂嘛，对吧？

1:40:55打各种各样的杂，你用得好的话就相当于可以请几个人，那你原来干不成的就能干了。第二个呢，就是需求这个东西，就是原本的话呢，其实市场上需求大部分都被满足了，就有点像比如说你楼下真的缺一个什么店嘛，就是应该早就能开的店都已经试过一遍了，现在这几家店就是最适合的，满足需求的。

1:41:16那现在有一个新的变化，就是有了一个AI的新工具，那这个时候整个重新洗牌，它会出现大量的莫名其妙的新供给和新需求，这个时候你做一个东西就会更加有市场。我就举我们刚刚讲过的，就是我那个笔记的插件，就那个插件会把我所有的那个……会把我的所有的那个笔记都embedding一下，

1:41:37然后帮我找我相关笔记嘛，做连接嘛。那这个这个这个这个插件是我自己吭哧吭哧去找来，然后吭哧吭哧把它装上去的。但是如果没有AI这么一件事情，你想我我哪有空，我去我去莫名其妙装个插件干嘛，对吧？就是你用得好好的一个一个，比如说你用Word用得好好的，你用什么Google用得好好的，你为什么要去下一个Edge，

1:41:59为什么要去用一个Bing？不就是因为它有一个噱头，说啊人工智能帮你干这个干那个，你先不说那个效果有没有，对吧？至少你有这个噱头的话，别人先会把你拿下来玩一下用一下。这个对于比如说两年前你要做任何的应用，这几乎是不可能的事情。

1:42:14谁没空拿你一个什么新APP、新新什么插件用一下，太难了。所以的话呢，你现在就就就，你现在如果能够做一个这种小插件，那个就是一个人做的，应该是几天做出来了。就很，我我想了一想，我觉得，就是我现在不会写代码，如果我会写代码，我觉得应该就是工作量巨小的一件事情。

1:42:33因为它的工作量难度都是丢给OpenAI去做的嘛。所以，大家就就就淡定淡定，现在机会可多了。

1:42:40那这个插件怎么搞？那等一下，我先晚一点，就是任鑫也放在星球里边，这个插件怎么搞？

1:42:46嗯，好的。但是这个插件因为你还要学Obsidian，所以它你不仅仅要学那个插件，你还要学那个基础的那个笔记软件怎么用，所以会比较麻烦一点。对。它是两层的，我到时候可以可以给大家那个截张图演示一下。

1:43:00对，在星球里面。然后，哎，我还找到最后一个问题，我是一个计算机的大二学生，那现在该怎么学，学基础知识和课外知识，是学校里的和外面看到的有差别？对。来来来，文浩老师，计算机学生什么的。

1:43:17那这个就看你想干什么嘛，我觉得最后还是想看你想干什么。你像搞研究，我觉得这就，你想说，哎，我有机会未来也做大模型，或者现在大模型做出来，我毕业了我要去搞通用人工智能，搞个机器人，对吧？这个玩多模态的，那那我觉得你就得这个就好好上课就好了，就别想太多，就好好上课，搞个GPA，对吧？

1:43:38就多多就是学习嘛，对不对？就是，我觉得最有效的就是各种各样的经典教科书啊，对吧？学校该怎么学怎么学。现在想做应用的话，我觉得就不矛盾嘛，就该上课上课，你就是因为应用本来是个很实践的学科。

1:43:54对啊，你说我们有多少做这种app啊，做这种，他都不是科班出身的，你就有想法就去动手去实践就好了嘛，因为我还是回到那个，你就是大家都觉得很多技术人大神是这个那样，对吧？我觉得还是回到那个，就像约翰·卡马克这种，他都说，你就不要去关心技术是怎么回事，你先想清楚你想解决个什么问题。

1:44:16技术只是解决这个问题的一个手段嘛，对吧？你我想搞通用人工智能，那你不得不去学什么高等数学、概率论、线性代数，巴拉巴拉一堆东西。你说我想做个好用的应用，那你就去去动手，就去试试试去用就好了。我觉得它是个还是一个比较实践的科学，所以我觉得就多去尝试，多去体验，多去写点代码试一试。

1:44:39你也许，因为我还是回到那个，我觉得大部分东西都是需求驱动的。你看到的需求跟我看到的需求一定不一样。就不是，这而且这当中没有对错，很有可能你看到的那个需求的市场要比我看到的远远要大。

1:44:53对，因为我是个生活很封闭的人。对。就大部分时间对着电脑，就没有真实物理世界的需求。对吧？就是，就是任鑫老师是个很忙的人，他的很多需求都是怎么忙一点，对不对？

1:45:08但是你可能反而会有很多生活里的需求，你在学校里看到的需求，你社会看到的需求，很有可能我我觉得我们是看不到的。对吧？对，我觉得我当年为什么会从拼多多离开，对吧？就是没有看到下沉市场有那么多真实的电商购物的需求吧，对吧？如果我想明白了，这个需求巨大，对吧？

1:45:24而且别人没有满足，那我就也不在这里和你闲扯聊天了，对吧？对不对？对不对？任鑫老师为什么？

1:45:32对对对。任鑫

1:45:34老师为什么？你还好意思说我那几千万美金，那是多少的钱啊，跟你比起来。

1:45:39啊，那任鑫老师为什么从京东离开嘛，对吧？他就是他也觉得他他看到的一个需求，但是那个需求不太，技术当时技术上不成熟，对不对？同时他又没有，他也没有没有想明白说京东到底能变多大，对吧？他肯定觉得，对吧？没想到京东后来股价又涨了很多倍，对吧？

1:45:59对，这是都属于眼光有问题。

1:46:01啊，对吧？就是说所以说，所以说你觉得有什么机会，就是说我们觉得有我们有机会，但我们两个人判断机会这个能力呢，其实也不算强。

1:46:09大家就我觉得徐文浩刚刚讲有一个点很重要，反正就是你赶紧先出来泡一泡，对吧？你先先出来泡一泡，各种信息啊什么，先先先学学着买着，然后那个另外呢就是赶紧干活，赶紧那个那个出来出来出来参与一些项目，你你大二人家也坑不了你的钱，是吧，最多骗你一点免费劳动。

1:46:30你参与开源项目啊，加入个什么区块链的道啊，然后去做个三两个AI插件啊，这些事情都浪费不了你什么时间嘛，对吧？最多坑你的，坑你的免费劳动力嘛，对吧？

1:46:47对，我们两个是大学室友，同一个寝室。

1:46:50对。

1:46:51任鑫要去做一批应用去测试MVP。对，我不是不见得会做一批应用，我可能会做一个乐高。对，有可能。然后乐高的话，然后让不同的人去把它装成不同的玩具，有些人去扮孙悟空，有些人去卖坦克。然后我就看看说，来，你们卖卖坦克，扮孙悟空，反正都得把一部分的钱分给我。

1:47:12可能我会去做做乐高积木，做AI的乐高。

1:47:16对。然后Miss Top说，哪里

1:47:17关注徐文浩大佬？

1:47:19现在Miss Top说做星球分销嘛，我觉得做星球分销也是一个办法呀，对吧？就是说你想赚零花钱，反正你这个骗你也骗不了你几十块钱，对吧？骗了你几十块钱，不行你三天内就退了，对不对？你进去看看，觉得不行，是吧？先把所有内容截屏一下，然后三天内退了。

1:47:34然后，对不对？或者三天内分销没有把本赚回来就就退了。

1:47:40好，有道理。

1:47:42这个这个，我觉得大部分事情啊，就是我觉得我自己创业啊什么，我们虽然失败吧，我们就叫它失败吧，对吧？就是，我们叫创业失败，因为创业的确没有上市，也没有IPO，可能还公司还卖掉了，对吧？我可能有的公司就清算。那，

1:47:59那，那，那，但是，就就是最后有一个结论就是你不迈出那一步，就你永远不会迈出那一步。我周围有很多朋友在大公司里，就每隔两三年找我聊一次，就要不要出来创业。对不对？等到他从30岁聊到了40岁也没有出来创业。我觉得，那他很可能就不会创业了，就是其实其实本质上就他不会出来创业了。

1:48:22对吧？对吧？就是会创业出来的人一定是之前就出来创业了。对吧？不管成功失败，对吧？

1:48:27他可能他不就创业不一定会成功的。你去用AI创业也好，你去用AI赚钱也好，他不一定能赚到钱的。但是吧，这个就是回到那个问题，就是你想中彩票，你得先去买彩票，对不对？你不买彩票，你怎么中那一亿大奖呢？对不对？

1:48:42你只要，你只要不要，不是说我去，对啊，你不是说我拿一万块钱去买彩票，你花两块钱买张彩票，对不对？买不了吃亏，买不了上当。对不对？而且，那就回，就回到那个问题。或者你不是说，你说我花两，两个小时在彩票，彩票门口站，站两天，站一天，对不对？

1:49:01就浪费你一天时间，对吧？你也不是七老八十了，就就就过一天少一天，那就没有问题的，不要害怕这个事情，对吧？就就我觉得不要，就是去动手，去试，都是试出来的。对吧？我我写专栏，我想了我就写，我当时的想法是说，哎呀……写之前就担心，如果没有人买，我也不浪费很多时间。

1:49:19那反正本来我要研究，对不对？对不对？就就动手嘛，对不对？就是反正你你也没什么别的事可以干。对，我觉得这个，这个，

1:49:28这个，你就要分销一下。核心是你，

1:49:31你去动手，动手你有体感。第二个是你去试，试了你能够想明白说，找到需求跟这个东西之间的匹配点。你不去碰一下，你问我，我告诉你可以做个大模型，你能做吗？对不对？我觉我觉得我也没有能力做，你你觉得你能做吗？

1:49:47我相信你来这个直播间里，啊，也许有能做的，对吧？也有有个别人来看我，我个别同学跑过来，肯定有能做的，对不对？大部分人我觉得没有能力做嘛，对不对？

1:49:57就你发的那篇文章不是号称人人不能做，但是人人至少笔记本上可以装一个，是吧？所以有人说看了这篇，说人人笔记本上最后都能装一个。

1:50:06对啊对啊对啊，哪里关注我，不用关注我，关注星球或者关注这个这个我们的服务号就好了。AI创富圈了，不用关注我个人啊，我个人不需要，不希望大家关注我。我觉得最好呢，最最最最大的好处，最最好是我这个人非常有钱，但是又是匿名的，对吧？

1:50:25但是现在又比较穷，就只能出来抛头露面去跟大家聊聊天啊。

1:50:29有人看了徐文浩推荐那篇，说在Hugging Face上试了一下，然后跑成了，挺好的。

1:50:35是是是是，很棒。有很多免费的资源可以用，有很多免费的资源可以用，对吧？你可以用Hugging Face的免费资源，你可以用Colab的免费资源，对吧？就是不需要花钱，你不需要说我得去组个三万五的这个4090的显

1:50:50卡。谢谢，谢谢有人给我打赏了。

1:50:54对。我们应该把那个那个那个AIGC的模型用在看相上面。

1:51:00就就我觉得这也是一个需求啊，当然就封建迷信你不能搞啊，你不能说自己很准，对吧？你只能说这是个娱乐性的应用。

1:51:06所以我们今天就那个那个，我问了徐文浩一堆的问题，说因为我也打算干活了，对吧？就不能光光光扯了。对。但是私下还会聊的，找他聊一堆的问题，然后再聊了一堆大家感兴趣的什么怎么赚钱啊什么的问题。然后总体上来讲，徐老师的概念就是你赶紧动起来。

1:51:26对，赶紧动起来。你看我已经开始这个嘴嘴炮，玩玩了，已经开始发了个这个叫啥，呃，专栏了，对不对？然后专栏发完，肯定也要想办法去写点代码。就再多写点代码，去试各种各样东西。我觉得反正也是一样的，就是我觉得这是个很大的改变嘛，就是还是回到，就是昨天OpenAI发的那个论文，

1:51:48对吧？他们去评估对美国的就业市场，那我觉得没有区别的，中国就业市场也是一样的。就一定是，我我我我今天在朋友圈问，问说ChatGPT Plus不是今天有一段时间不让升级嘛，不让你升级到Plus，就是你付钱给他，他说不行，我不收你这个钱，我现在服务不过来。

1:52:09那上一次发生这件事情还是什么时候？我不知道大家还记得吧？很多人都说是

1:52:16抢iPhone排队嘛。

1:52:17对对对。我的确的就是抢iPhone排队，就是有一段，大家可能现在iPhone，对吧？就是一买就能买到，拼多多百亿补贴，还这个便宜好几百块钱。当年买iPhone，那可是你下了个单要等几个月啊。哎，我我记得很，就是好好多啊，还有就是iPhone有几个热点，第一个3G出来的时候很难买。

1:52:37第二个是4在国内联通上市的时候，你要去签个合约，这些你也要等时间，也要排队。

1:52:43所以要等很久。

1:52:45要排队，要加价买进去。对，这种我这种盛况，就我们过去多少年是生产过剩，你想买啥没有，对吧？直播间天天最低价，对吧？今天你上赶着给人送钱，人家说不好意思，我不收。

1:52:58对。就这种程度的改变，你就你一定得自己去去去去用起来，去体验起来，去去试起来。

1:53:05如果没有你用起来觉得没有那么好的话，就你改变一下方法用。就好像一个，比如说我们让我们的爸妈或者爷爷奶奶用一下Office，你觉得说，哦，Excel就帮助我工作很大，他第一反应肯定也是没什么用，对吧？

1:53:21我们其实就是已经成为了我们小时候看的那个长辈。所以我们现在要稍微的稍微可能要费心一点，你要去学一下，你要去学一下。嗯，对。

1:53:32而且这东西很容易学，就比什么你以前学Office学打字啊。这个就容易容易多了。

1:53:38你至少给他个十分钟时间嘛，你不要给他就两句话，说你讲个笑话，对吧？你真的把自己的场景给他，你给他个十分钟、二十分钟时间。你去练一练嘛。你交个朋友招了一个新员工，帮你免费干活，你也需要培训一下这个新员工嘛，对吧？你不能说你当他是神啊，对吧？

1:53:56搞不定那个聊天机器人，不就ChatGPT现在不就算一个聊天机器人嘛，对吧？你就可以跟他聊啊。对对对，所以

1:54:04这个问题是什么问题？

1:54:05他可能是说能不能基于大语言模型专门做聊天机器人。

1:54:10那ChatGPT就是呀。

1:54:12对，我其实今天有，最近有一个想法，就是因为其实像我们现在在用iPhone嘛，对吧？在上面其实我们的大部分的时间也是在，其实是在那个抖音和微信上面，然后其实并不是在干活。那那但是现在的ChatGPT大部分是用在干活上面嘛。

1:54:35所以我在想说是不是它的真实的killer app，下一步的killer app不在这里。那我能够想到的最最killer的app其实是，就是情感情感陪伴型的机器人，不管是说性的，还是说romance的那种机器人，都有可能。

1:54:52这种可能是，这个这

1:54:54个也可以给大家透露一个。是的，因为今天我看了那个某一个研究机构、投资投研机构发了一个报告嘛，就是他们说他们从那些做数据标注的企业发现，最近收到了很多你说的这种类型的数据标注需求

1:55:09啊。

1:55:11对，所以他们觉得这个是一个大需求。对。所以这是个大需求，有很多团队应该都在干这个事情。呃，就我觉得这也是挺有意思的，就是他们怎么看这个哪个领域现在比较大家竞争比较激烈，大家投入比较大，就是看这些数据标注企业，他们做的哪类需求比较多。

1:55:26回头回头发我看一下，我觉得这个挺有意思的，这个点好神奇。因为这个其实才是人类的共共通的需求嘛，就我们的什么效率都不是共同需求，陪伴、爱、关注这些才是共同。

1:55:41如果对这个问题感兴趣，去推荐大家去看一部电影啊，叫Her。

1:55:45Her我知道啊，对。

1:55:46任鑫肯定应该看过Her，对不对？就是这样一个人工智能，这个这个是怎么一步步进化过来，就是怎么去，一开始只能是个效率工具，是个电脑上的一个东西，对吧？慢慢变成一个像真人一样的，能给你的，还能给你做情感陪伴的这么个过程，对吧？

1:56:02那个阴暗版的，阴暗版的那个叫那个，阴暗版的叫那个那个机械姬，姬是那个女字旁那个姬，机械姬，那个是黑暗阴暗版的。和硬件的，硬件的聊天机器人。

1:56:17我个人觉得有点creepy啊，就是有点恐怖。就是就是我觉得就是现在的智能音箱就挺好的呀，因为就只是个入口的区别吧，它是不需要一定是个，就智能音箱是是个入口嘛。我记得我在星球也贴过，有人做了那个，怎么hack小米小米音箱，就小爱音箱，连ChatGPT，

1:56:36然后语音合成，你就能跟他聊啊。支持多轮对话，你完全可以去去，当然它需要一定的这个技术技术技术功底啦，就是说，因为它是告诉你怎么部署啊什么的。对，对。动起来比，这真的，这我觉得大家动起来就不要看。我我其实最近也看的很少，就是我我我看基本上我就是看推嘛，因为推，因为基本上最新的新闻，

1:57:00包括这些研究人员，包括这些产业界的，你叫意见领袖或者这些startup的founder，他其实都是在推上啊，对。推特上发的就第一时间发，我基本上我也是找了个工具自动汇总，我也不是主动上去刷，刷太费时间了。就自动汇总，把它们加到一个列表里面汇总，然后过一遍

1:57:23啊。你是用Readwise吗？

1:57:24对，Readwise。

1:57:26那这样，所以大家也可以考虑一下。一个月八美金。好的。那个，我们今天也聊了两个小时，应该差不多了吧？

1:57:34差不多了差不多了。差不多差不多了啊。嗯，行，谢谢大家。

1:57:40动起来，干活干活干活。嗯。好。拜拜。今天就这样。