We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
R
R老师
梁
梁州
R老师：DeepSeek采用MOE架构，通过任务分解和层级路由方案，降低能耗和成本，支持本地部署，降低使用门槛。其推理型AI用自然语言交互，展示推理过程，方便用户理解和微调。本地部署降低垂直行业中小企业成本，可根据行业数据训练模型。AI准确性有限，需人类交叉验证，目前还不能完全取代人类工作。不同AI工具各有优劣，需选择适合自己的工具并学习使用，从提升效率和个人兴趣出发，逐步学习更高级应用。使用AI需注意AI幻觉问题，进行交叉验证。
梁州：DeepSeek的爆火体现了AI技术民主化浪潮，其降本增效模式和精度突破更适合普通用户。技术进步带来职业消亡，但普及后会惠及大众，AI的威胁与工业革命初期对机器的恐惧类似。学习使用AI应从提升效率和个人兴趣出发，并根据需求学习更高级应用。AI的核心价值在于提升人类创造力和思维能力，人类的想象力和创造力是AI无法取代的。
Deep Dive
Shownotes Transcript
当DeepSeek的RE版本以“推理过程可视化”引爆社交网络时，我们似乎正站在AI革命的临界点。为什么“混合专家系统”是降本增效的关键？Deepseek为代表的推理型AI如何用“自然语言交互”打破咒语式prompt门槛？未来，基础岗位是否会批量消失？
所以，我们邀请到了业内人士R老师——从同济大学土木工程系“自主转码”，前后担任多家上市科技公司的技术总监。
本期节目，我们会从「**技术拆解」和「共生策略」两个方面来展开。**期望能为大家提供一些新的视角。
「本期主播」
梁州：撰稿人，新浪微博@梁州Zz)
「本期嘉宾」
robertlyc（同济大学土木工程学士，前后就任于魅力惠,有范,怪兽充电等企业。）
「shownotes」
00:14 开场：从DeepSeek爆火现象观察AI技术民主化浪潮
03:05 MOE架构解剖：为什么“混合专家系统”是降本增效的关键？以层级路由方案破解负载均衡困局
06:20 行业内外视角对比：推理型AI如何用“自然语言交互”打破咒语式prompt门槛
12:42 残酷现实：当审计规则文档成为AI饲料，中后台岗位或许会在未来批量消失
22:33“灯夫困境”反思：从19世纪纺织工到现代白领，技术革命总是先碾碎旧饭碗
30:52 为什么工业革命诞生初期，人类的实际生活水平其实在倒退？
37:59 工具测评：ChatGPT/Claude/Kimi/豆包的垂直领域杀伤力对比（附避坑指南）
45:45 丘吉尔式写作启示：当AI成为打字员，普通人的核心价值如何锚定在“元指令”设计
50:26 生存法则：用AI幻觉检测训练思维锐度，把交叉验证变成新时代基础素养
「本期节目提到的关键信息」
- MOE架构（Mixture of Experts）：通过任务拆解调用局部参数，相比传统Transformer架构降低60%能耗。关键技术突破在于层级路由方案，解决子任务负载均衡难题。
- AI幻觉（Hallucination）：因训练数据污染或合成数据滥用导致的虚构结论现象，需通过“三角验证法”（跨平台比对+人工逻辑链检查+事实性数据库筛查）规避。
- 克拉克曲线：加州大学戴维斯分校经济史学家格里高利·克拉克在《告别施舍》中指出，1800年前技术进步总被人口增长吞噬，普通人实际福祉甚至低于石器时代采集者。
「本期封面」
「本期制作人」
梁州，咸鱼
「关于《梁州令》」
微博：中文播客梁州令)
公众号：梁州令
小红书：梁州令)