Vol. 124 解密谷歌前CEO斯坦福访谈: AI未来与科技巨头的思考
01:19:52 Share

风言风语听见科技与人文的声音大家好我是 Justin 大家好我是自立本来我们是有计划要出某两期节目的结果最近来了一个大瓜所以我们这时候如果是视频节目应该有个叫 breaking news

啊 breaking news ok 最近其实也没那么 breaking 了就是那个 google 的前 CEO Eric Schmidt 他在 stanford 的那个内部也不内部就是本来他以为是个非公开分享也不那么内部你都面对那么多人了对吧他以为只是一个关起门来大家聊天的这么一个 casual 的场景结果没想到这个课程被录了下来还发了出去然后他就在外网的社交媒体上

吐槽了被喷了反正就一下子到了风口浪尖被喷了还好吧我觉得还是有很多人喷他他里面有很多观点还是很尖锐的对因为社交媒体喜欢截取他那几段其实跟他本来要讲的内容不大相关的东西但是现在社交媒体传播的最多的其实就是那个打工人一分钟还有一个就是 Google 之所以没有打过 OpenAI 是因为他们太闲了

对啊就是那个打工人一分钟我说的就是这个他全程 Stanford 的这个视频录下来是有 73 分钟然后 Schmidt 在里面讲了 45 分钟就包括观众提问什么的

但那个打工人其实就占里面的真的就一句话完全无关紧要的一句话那句话就是说那个 work life balance 说 Google 在这个竞争当中他们太强调 work life balance 了太强调让大家早点回家了结果导致就是 over winning

就是说比起竞争赢过别人来说 work life balance 可能是更重要的然后就被大家吐槽了但他虽然说的也没有错但是 anyways 就是他讲了这么一堆东西但是我想说的是他说的打工人的观点根本就不是他全篇的最重要的东西甚至可以说是最无关紧要的东西所以我们今天就就着他在 Stanford 的那个

跟大学生们的一个内部的关系门来的一个聊天来聊他都聊了哪些东西以及他讲的东西其实确实是非常有料啊非常的好玩我们就来聊这个话题 OK 那现在这个视频呢虽然他已经在 YouTube 上面被删掉了然后 Stanford 也是各种就是

你懂的只要存在过一次它就会永远存在所以大家完全可以去搜索就是这个它的中文名叫埃里克斯密特他是前 Google 的 CEO 然后他在 Stanford 就斯坦福大学的一个内部这个演讲大家去搜啊大家搜关键词也很简单只要搜谷歌前 CEO 斯坦福就可以搜到了完整版是 73 分钟啊

对 73 分钟那最后那几分钟是那位老师啊就是邀请这个 Google 的前 CEO 来分享的那位老师他自己做的一些总结以及提问还有布置了这个课后作业那个可看可不看但是前 45 分钟很精彩一起和斯坦福的学生们上一节课挺好的对 Stanford 经常有这种公开课其实也不算公开课就他把课程录下来发到网上给大家看就 Stanford 的那个 YouTube Channel 上面有非常多这样的学习资料啊大家有兴趣也可以看一下

开始之前先还是介绍一下 Eric 他是一个什么样的人大家知道他是个 Google 前 CEO 了那么他是出生于 1955 年的人他是上一个计算机时代的人然后 2015 年到 2017 年他是 Alphabet 的 CEOAlphabet 就是 Google 这个集团的母公司就后来拆出来的那 2001 年到 2011 年之间他是 Google 的 CEO

与此同时他在 2006 年还做了苹果的董事会成员厉害了跨界既是 Google 的董事长 CEO 又是这个苹果董事会成员但是因为后来苹果和 Google 竞争不是日益激烈吗所以 2009 年他就因为利益冲突离开了这个苹果董事会嗯

在那之前其实更早期的时候他是包括做贝尔实验室包括做 ZLOG 还有施乐公司旗下的 PeroAuto 的一个研究中心的一个成员然后来他还加入过 Sung 你还记得 Sung 吗那个 Sung MicrosystemSung 公司好像没有中文吧他就叫 Sung

就太阳那个单词对然后他当时是主导了 Java 平台的技术发展到后来他还成为过上公司的 CTO 哇那不得了 1983 年那个年代的 CTO 那还是很强的跟他现在一样耀眼他还是那个美国国防部的那个创新委员会会长

跨界有够大所以他这个人是一个非常非常有趣的人干了很多奇奇怪怪的事情而且干的事情都还挺大的那因为他在分享里面有提到过这个 AI 最近几年投资的那个资金量特别大

所以我就在想资金量特别大对于他来说应该是巨大那到底应该是多大我去查了一下这位亲啊他在 2019 年的时候美国 400 富豪榜评估是以 142 亿美元的资产排在第 33 名哇

那其实是相当了不得的非常厉害投资了非常多的公司和这种初创型的企业是啊你看他 2001 年就加入 Google 他是首批 Google 的那些原始股的持股员工之一还是个高管还没分拆呢那个时候对他在那个时候就已经是这个什么叫做亿万富翁非常离谱

所以他现在的做的事情呢他既然已经不是 Google 也不是 Alphabet 的 CEO 了他就整天去搞各种投资他还说自己是个军火商同时还是在这个美国国防部搞点事情啊啥都有反正就是个大神不仅仅是个前 Google CEO 他是个大神中的大神我还查到他有一个很有意思的履历那个 UNIX 里面有一个持法分析器叫 LexLex 他是共同作者之一

啊所以他是程序员出生也搞开源他特别的热衷于搞开源你知道吗对对对他在演讲里也有提到说他过去的工作经验里面是 based on open source 所有的东西他都 open source 包括这个 LexLex 现在也是 UNIX 世界里面列为 PoSX 标准里的其中一个东西所以非常非常厉害这个人他技术也牛逼财富也牛逼过去做的履历也是特别特别光鲜眼光也很牛逼投资嗯

没错没错所以就是这么一个人 Eric Schmidt 在斯坦福大学的一次演讲来看看他都讲了啥对接下来我们就来看一下他都讲了啥他上来就提问了三名同学说老子来这里有三个问题我就问三个问题访客为主

对的他先提问第一个就是说接下来 AI 可能会有一个 100 万 token 的一个上线的开发就计划大语言模型都要进 100 万 token 了然后就点名斯坦福同学们你们来跟我介绍一下什么叫 100 万 token 这个学生就说这个 100 万 token 大概就相当于我能够写 100 万个英文单词然后我就去跟这个 checkgbt 聊这个 100 万个英文单词就是我的上下文可以达到这么大

这大差不差现在 GPT 的上下文估计一个 token 接近一个 word 但是其实不到一个 word 就三分之四差不多的水平你要说接近也就是七八十万的 words 的量按照他的换算大概相当于接近 20 本书他这个书可能是比较薄的一本书如果长一点的书那十几本书其实也差不多了这是非常离谱作为对比现在的 GPT 还有 Anthropic 它算是在 AI 的第一梯队了

他们的 token 有多少呢这个你还记得吗 128k 吧好像 128k 就是 12.8 万对吧那现在的 GPD 3.5 Turbo 我去查了一下 3.5 Turbo 是 4k 那其实才千级别 Turbo 都比较错一些它主要应对日常的一些单次场景 3.5 和 4 之间是一个巨大的飞跃就是 4 直接上了一个量级那 Enthropic 目前的 Cloud 是 20 万 token

然后 OpenAI 的那个 Chad GPT 跟它是差不多的就 4 欧跟它差不多也是 20 多万的那个样子也就是 200K 那计划 Anthropic 和 OpenAI 应该都要在接下来下一代的更新里面直接上 100 万

那这个其实挺可怕的下一代直接上一百万 AI 界的摩尔定律是吗对的然后国内的对比的话那国内现在比较好的第一梯队的可能就是像什么 Kimi 啊文心医研啊豆包啊还原啊对吧就各家大公司做的

我查了一下大部分是 32K 然后 Kimi 在这里面是比较特别的他号称自己能够上 200 万个汉字那很厉害了因为汉字本身在 token 里面都是属于这种大占比的他要大一点的两个 token 才能折一个汉字呢所以他号称而已他现在还不行他现在大概对外宣称他是 20 万个汉字

就当前的这个版本那其实按照 Kimi 的说法他现在至少在中文领域应该是要跟 Answerapic 的那个 Cloud3.5 还有 OpenAI 的那个 TradeGBD 4.0 是对标的但 Kimi 的话用下来这个就不做评论了反正就是接下来大语言模型很快很快就要直接上 100 万 Token 了

然后接下来他问了第二个问题说有很多 AI 公司在做 agent 那么什么是 agent 他后面举的例子就说他自己投了一家做化学实验室出创的公司是去测算那个蛋白质基因序列的就之前好像 Google 还有谁做了一个那个 Alpha 还是 Beta 你还记得吗我记得之前有两个人好像因此还拿了奖就是之前我们发现新的蛋白质的组合序列是靠测算和测试嘛

然后他们靠这种 AI 通过模型训练去模拟这种蛋白质像有一些键的稳定性来创造一些新的蛋白质真找出来了然后还因此拿到了奖我今天有看到这样一组新闻这个化学和生物的这块完全是外行了但是我猜当时应该是说那个就是生物学的突破其实很多时候是依靠这种随机性的碰巧你找到了你就找到了但是因为计算量实在太大了

但现在因为有了这些大模型之后它攻克了算法效率的问题所以可以帮助你更快的去找到一个新型的这种蛋白质序列所以这个是 AI 人在做的事情然后他说他也投了他这个人投了好多公司还是一个英国公司他说他们做的很好每个团队他都记得很印象深刻我觉得真的做一个投资人

还是很厉害现在 AI 领域的投资不得了动不动就 10 亿 20 亿美金了这个不得认认真真地去评估一下说明他管理了一个基金不只是投自己的钱他带头他自己说了他有个基金的但问题就是这个钱实在是有点太多了所以不能瞎搞还是要了解清楚一点对吧是这个赔了就真赔了我操

然后第三个问题第三个问题是说什么叫做 text to action 大家对于这个东西未来有什么看法我们现在有 text to test 就是 GPT 跟你聊天 text to image 像 Midgen 那样生成一张图片 text to videotext to video 其实 OpenAI 今年年初那个时候说的好好的说什么都牛逼都牛逼到现在都没发出来卖期货对

结果那个国内的快手做了一个可灵可灵做的其实还可以的很可以在国际市场上也是广受好评

虽然时长会稍微短一点但是可灵勉强是可用的对吧也是一个特别棒的一个模型所以他就问了这三个东西其实我觉得他一上来讲的三个东西可能是他这段时间的思考或者是说他过去已经脑子里面想的比较多的东西这三个东西确实也蛮重要的这三个应该是他觉得就短期内可能一到两年内一个大的趋势他提前在这里预测了一下

首先他自己也知道他无法做预测他本话也不是要做预测是主持人问他接下来一到两年 AI 会变成什么样他自己说你定义的短期叫一到两年我觉得这个有点太长了我的定义的短期是六个月每六个月就要进行一次革命他

每六个月 PPT 都要重新写一次对对对然后就提到了这个 OK 包括像最近出的那个 module 那个语言知道像那个大模型现在大家经常用的语言就是 python 去跑那个 py torch 或等等之类的那些大家基本上都用这个

他不喜欢 Python 我也不喜欢 Python 你找到了和他的共同点可以所以未来如果说有一个更好用一点的这个语言的话更好一点这个叫 module 然后呢就提到了这个 NVIDIA 的 CUDACUDA 是这个 NVIDIA 用于他自己硬件的一个专门为 AI 设计的一个编程语言吧我自己也从来没有用过啊

然后这个 NVIDIA 出 CUDA 已经出了好多年了应该是有 10 年时间基于 CUDA 这个语言围绕着它去做的很多库开源社区是做了很多很多优化的而这些优化只能在 CUDA 上面去做只能用于 NVIDIA N 卡所以 NVIDIA 现在的护城河是非常非常牛逼的

对在他讲这个之前其实我一直没有太深入理解到 NVIDIA 的这个核心竞争力是什么然后他讲到了这个 CUDA 包括这个后面的这些开源社区

只能用 NVIDIA 这个才是它核心竞争力别的公司搞不了的一个原因这一下就很通透我觉得这个很棒它的核心竞争力当然不仅仅只有这一点 NVIDIA 包括它的硬件设计目前也是一技绝成隔壁的 AMD 在很努力的追赶但即便是隔壁的 AMD 苏玛他如果搞出了新的 RECORD

的东西能够去跟 N 卡的性能一较高下但是依然 N 卡是有软件的这个互称合在的对这个就有一点像什么东西呢像苹果它的这个软硬件结合整个生态就是像 iPhone 整一个生态都是在里面的不仅仅我 iPhone 的手机它的性能就是比别人好

对吧我的软件就是比别人好对我的软件也比别人好那你没辙你没办法这个是 NVIDIA 的这个提的非常非常好就是 NVIDIA 接下来十年估计都还是以一个领先地位在那里对然后他就提了一个 text to action 的一个非常牛逼的用力就是这个东西是我看

整个视频下来其中一个特别打开我眼界的一个东西就是他说如果你有一个超大百万级的上下文的 token 那么你就可以用它来做一个很牛逼的短期记忆因为这百万级的 token 你可以使用来做很多很多东西的

我们其实刚录完一期节目是 AI 帮我们写代码对吧我们 AI 帮我们写代码其实它用得上百万 token 吗其实目前还用不上就是 AI 是提升了我一个人的工作效率但是如果你有了百万 token 的话你 AI 是可以进入到一个复杂领域的你是可以完成整个 project 的构建和整个 project 的迭代的是可以基于你整个项目的所有代码

去做进一步的更新的对我记得他中间提过很多的例子包括说让 AI30 秒做一个 TikTok 出来这种事情就是要基于这种百万 token 形成了才有可能实现对他举的这个例子非常的直白

他也举过 TikTok 也举过 Google 这个让我想起了以前一个段子就十几年前我刚入行的时候刚毕业的时候我的一个同学说有人想找他做一个外包然后他就来问我意见因为他本身不是做程序员微信怎么样差不多当时说的是你看那个淘宝你帮我做一个淘宝 APP 我给你三千块钱

差不多是这个意思我看一百万的 token 以后给 AI 可以做就可以实现这个段子了这个段子就成真了所以未来会变成全世界所有人每一个人都有一个专属于自己的程序员这个也很有意思廉价程序员是廉价程序员但这个还不重要重要的是 programmers here know what I'm talking aboutso imagine a non-arrogant programmer

通常情况下你雇一个 programmer 你要他做什么他还不愿意呢你还要跟他沟通让他了解你的想法很多很多钱所以他说你想象一个不傲慢的程序员

完全按照你的想法去做任何你想做的事情还不用给钱还不用给钱但最终还是要给钱给到那个 X-Rapid 或者是 OpenAI 这样的品牌但就是这个意思就确实这个东西就很打

开世界了就是未来这个想象力就很大了因为我们上一期聊那个 Cloud 帮我写代码的时候这期节目还没发可能会等到我们这一期之后的下一期再发其实当时确实还讨论的是单兵作战能力的提高真的是辅助我们的一个工具但未来如果这个百万 token 以及 test to action 的实现是可能的那么

他举的例子是说 30 秒内做一个 Google30 秒内做一个 TikTok 然后把 TikTok 的所有的音乐和视频照搬过来他原话是 Steal 就照搬过来然后照搬过来之后呢发出去看他火不火不火 OK 再过 30 秒再做一个别的他就这么一直滚下去就非常离谱非常可怕但这个东西

可能几年之前我们觉得还遥遥无期但是最近这一两年真的慢慢的他每半年这么一迭代每半年这么一迭代你慢慢会觉得真的是有可能而且这话是在 Schmidt 他口里讲出来的说服力也就大了很多因为他可能看到的这个视野比我们更广一些我觉得应该在一两年内他应该很有把握我觉得

按照他的原话是说 within the next year or two 就是明年或后年绝对有马上成学员听到这里有点心慌设计师也是我觉得还好了这个话题我们就这里不展开了就大家听我们另外一期节目就好了我们有一期节目专门聊这个反正总而言之就是你得扩展你自己不要变成一个工具就对了 anyways

然後後面他就提到說另外一個也是比較打開我視野的那個是信息補充我之前從來沒有想過的雖然最近頗有耳聞說美國因為 AI 煉單導致電能稀缺但我當時看到這些新聞的時候總覺得

你这可能是假的吧 练个单怎么可能呢但是 Smith 就聊到说跟 Sam Altman 有聊过我们要去建一个数据中心的话要建在哪里这个是很困难的事情首先金额非常巨大大概要 3000 亿美金但对他们来说可能这 3000 亿拿得出来问题不大 ok 然后卡你也有对吧 N 卡我直接 NVIDIA

出卡给你就好了对吧所以他中间还提到一个点说你们想象一下这 3000 亿美金全部给了 N 卡那你们就知道股票应该买谁的了当然不是投资建议对很搞笑他说他不是投资建议他没有牌照不能给你建议但你懂的然后最重要的是这个数据中心除了要有钱之外你有钱还得有电那谁能够有这个能力去发这个电呢其实只有几个大国嗯

所以他说要跟加拿大搞好关系而且我补充一下数据中心除了钱和电以外还有一个就是选址他要选低温的因为数据中心会有发热的问题尽量低温吧如果他天然低温的话加拿大的维度就比较高所以他天然就会有一个这种低温的优势

微软还有 Google 也是选了像北极还是哪里是做了一些在冰层下面放了一堆服务器给它降温对就搞这个可以省一点电但是呢除了说低温加拿大好之外呢你要知道这个数据中心还要考虑一个被人家破坏的所以他还考虑一个物理安全

安全问题这个安全问题就是在我美国境内还是在我美国好哥们的境内你知道美国加拿大的边境在哪个位置有一个州它那个边境是直接互通的是不拦起来的没有那个铁丝网拦起来的所以你很有可能开车开着开着你就变成非法入侵了这是有可能的你如果是从加拿大进美国美国不管你但是你如果从美国一不小心开进了加拿大你就危险了

就有可能有这种情况所以美国和加拿大是好哥们所以建在那里是更合适的但 anyways 就是这个电的问题之前我看了一期硅谷 101 他们分析这个美国电费电价突然变成负数的这个视频很搞笑就是你来我这里买电我要倒贴你钱

因为电太多了发电不能停吗对发电不能停也不能储存电无法存储然后美国是由这个电力公司来提供电力的所以就是电力公司之间去结算它不像中国中国是国家电网直接一把手给你全部搞定了嘛所以其实在这个层面上来说中国去建这个数据中心反而是有优势的这些东西是比较好目击的所以这个是数据中心怎么建以及这个电的问题然后因为我看到这个东西我就觉得很好玩我就去

查了一下看这个 AI 到底能耗有多高对吧他只是说不够电了但我怎么知道你到底是到一个什么程度我就去查了一下我这个查法我是用 GPT-4O 查的非常非常好用因为他是接了病他是有那个访问互联网的能力的对我觉得在准备本期节目的时候我去补充一些材料通过 GPT-4O 是真的非常非常省时省力的一个方式不然

我就直接手动去 Google 然后他就告诉我说像 ChatGPT 大概他训练阶段总的耗能是 1287 兆瓦时这么一个水平这个水平相当于 120 个美国家庭

一年时间的电力消耗而训练阶段大概也就是三个月或者六个月其实也要消耗掉 120 个美国家庭的电能了非常可怕在里面有一个细节其实之前我不知道的细节然后他提到了然后我也记下来了就是训练一个大模型为什么我们现在用的模型往往是去年的最新更新数据就是因为他训练需要六个月然后微调又需要六个月然后才能发给我们去用

所以我们经常用到的都没有那么新对它原话是说一般来说现在的 LLM 从准备下一代到发给我们能用的话是要 18 个月就是除了你刚才说的训练 6 个月和那个 fine tuning 要 6 个月之外它前面还有一个准备阶段准备阶段也是 6 个月 36 就 18 个月非常的离谱所以你看现在 OpenAI 的这个时效性其实已经是非常非常近了小半年有的时候几个离我们只有三个月了有时候时效性

非常的高那就说明他的这个模型可能是去年开始他迭代训练了今年新增的一些部分知识而且 SO 他因为跟那个微软的合作使得他能够访问网络所以这个部分补充了非常多他的那个时效数据的不足用户的数据也可以拿来是的

直接就把新的数据拿过来然后当下他就自我解析然后就给你了这个是 4 欧非常牛逼的地方虽然我们在那期节目里面讲了很多 Cloud 3.5 的好处但是 4 欧有它更好的地方对这是它的不同

然后我们刚才说 1248 兆瓦时的这个概念其实听起来还是有点不知道到底它是耗能多少那么对比全球的能耗来说各个行业的不同全球耗能行业最高的是 54%是制造业这个很好理解对吧你要造汽车搞个流水线这个刷一下就没了大炼钢铁你想想要把那个东西能耗肯定是高的

其次是运输业 25%建筑业是 17%农业和食品业是 10%AI 是什么程度 AI 估计到 2027 年会占 0.5%但是你要知道它只是 AI 它可不是说整个互联网行业它是仅仅 for AI 而现在 for AI 能够做得起

AI 训练的公司可没几个这可不像我们那些你随便出去开个面包店那谁都能开但是你开个 AI 公司训练 LLM 没钱你是搞不了的对这只是光训练就占了这么多然后你想到时候 AI 应用 AI agent 各种的其实他们都会带来一些这种能源的开销

对训练和推理过程的开销是不太但推理过程开销会少很多但是依然是一个非常大的一个开销那这个 0.5%跟目前加密货币用到的那个能耗是差不多的那我们都知道加密货币挖矿矿机很耗电的一样所以就是显卡吗所以本质上就是显卡的耗电你要这么说好像也不是不可以哈哈哈哈

所以这个是关于能耗的部分所以这个数据中心想建还真的不是谁都能建这个也是他后面讲那句 Rich is richer 的那句话的一个大前提就是你得有能支撑这么大能耗的一个电网对吧电网支持

其实就是基建了然后你的土地是否足够安全你是否有能力去建这么大的一个数据中心你是否有能力去生产这些东西是否有能力去维持这些东西是否有这么多足够的人才还有政策政府的政策支持对政府政策还要支持你这个东西所以全世界能做这件事情的没几个国家除了那几个大国但欧盟现在是有点自己把自己搞死的状态了在欧盟的事情我们后面再说

所以后面他就聊到这个 CUDA 刚才我们已经说过 CUDA 的这个事情了那 CUDA 是不是他的壁垒就坚不可破呢其实应该也不一定虽然 NVIDIA 现在靠的这个硬件和软件是目前来说做完第一把交引是肯定没问题的但是如果未来 AMD 他的 RECOM 是成了的

然后未来大家觉得 CUDA 因为 CUDA 其实很多新卡也是有很多 bug 的就是虽然说你给了我一张比如说那个叫什么 H200200Hanyways 就是一张最高端的显卡但我拿到手之后我开始用起来各种各样的 bug 那这个就对吧用的人就很不爽了那如果万一这个时候有人做出了一张卡这个卡跟 N 卡性能差不多但是 bug 少了很多

那是不是还是有机会的所以即便强如 NVIDIA 其实这里面还是有一些机会能够让这些硬件厂商去做的只是说这个行业已经到了一个资金量特别恐怖的阶段不是谁想进来做都能做的尤其你去做 LM 也好你去做硬件也好你需要的启动资金是非常可怕的所以这个行业门槛太高了

然后呢就来到了我们说的那个短视频最关注的那个部分了公开说那个 Google Work-Life Balance 的那个事情这个事情呢就不予置评了反正就是我觉得还是有点可以聊的因为从他的那个语气中啊我隐约的听到一个感受就是他觉得谷歌实行这种远程办公说在公司一天其他几天都在家里面

他好像透露着一种这是一种没有太多竞争力的一种工作方式或者说我不知道从效率上讲是不是一种效率没有说大家在一起面对面高的这样一种我觉得这个点可以聊一下你觉得呢这个我觉得如果站在 Smith 他的角度来看其实是 about time 就是时间到底重不重要你所做的事情如果时间不重要的话那么你可以这么不

赶时间的去做但如果一旦这个东西跟时间有强相关

初创公司一般都是这样的你今天搞不好明天就死掉了所以跟时间强相关的业务它真的就很重要很重要这个东西这一点就是我通篇听下来然后对我来说感触最大的一个点就是他有讲到说 30 秒做了一个 TikTok 之后不断往上去滚去上线甚至说你可以去偷别人的音乐去偷别人的用户然后去滚进来最后如果你成功了有非常多用户去用你那自然会有法务来帮你收这个烂摊子

会来解决你的这些事情但如果你没有成功没有人会 care 你偷了他们的用户或者音乐然后呢他紧接着也讲了另一个观点就是说每时每刻世界上都有另一所大学另一所大学里的学生在跟你想一样的东西和做一样的 app 或者说一样的创业项目嗯

你如果慢了一步他们就先做出来了就上去了所以他其实很强调这个时间在里面的这个重要性那谷歌现在的这种工作方式这种按年的这种发布方式可能你就不太好对抗 OpenAI 的这种迭代方式了所以这是他败下阵来的一个点对因为他是具体到了 AI 当前现在这个阶段各家公司都在追的一个很重要的东西都在跟时间赛跑而你 Google 却没去赛跑

反而选择了慢下来所以这个点可能会是一个比较难的点这就像当年那个 Instagram 在 SysTrunk 创业的那个时候 Instagram 的核心员工直到一个月后也才不到 11 个人当时大概有七八个人每天晚上都是睡在公司沙发上的就很久不回家了创业的初期已经到了这样的一个阶段就是时间

很重要很重要他们每一天都在做新的 feature 每一天都在修 bug 而这里面如果晚了一点点可能他们就被当时 N 多家其他的竞品给搞死了没错那么搞死了之后呢也就不会再有人知道哦你们还加过班就不重要了你们还辛苦过对

是的不重要了你当时所有的这些加班这些辛苦这些成功的故事只有当 Instagram 最后成功了才会有人听对吧当年应该有 N 家类似 Instagram 的公司也是加班加得很猛的最后全部倒闭了那就没了倒闭了就倒闭了就没了所以在这个事情上还是得看你从什么样的角度去看最终的结果吧

进而他不就讲到了说那马斯克是怎么样一个人他的那些种种在工作和生活之间 balance 的劣迹给他带来了什么所以他其实其实他也没细数那么多他就讲了一个因为当时他跟伊隆在蒙大拿吃晚饭刚吃完晚饭伊隆就直接飞台湾去了

所以飞了台湾去之后呢下了飞机都晚上十点多了他约了台湾当地的人还在跟 X 的 team 去聊产品对跟 X 的 team 约了个时间美国时间凌晨十二点跟他们开会说要么开会啊要么离职

对他还举了个台积电的案例说台积电新入职的物理学家博士必须在地下室工作对必须在地下室工作他说你能想象一个美国的博士生在地下室工作吗不是说在是要先从地下室工作开始对就是先

不要那么安逸不要那么 balance 到 life 上不不不它是真的 walk in the basement 他们 basement 有一层 basement floor 在台积电里面虽然你即便是一个物理学博士你进来也要先在 basement 工作你过来也要跟我们一起卷是的从 basement 开始做起 anyways

这个是我们刚才讲的那个 work life balance 的那个点这个确实他说的也是很有道理的但这个有道理确实也没有那么政治正确了政治正确没有那么叉叉正确

你看那个 TEMM 这两年在进军海外之后就是拼多多海外吧 TEMM 这个营收每年都在创造百分之几百的这个拼多多国内现在不也是首富了吗我记得好像最近才你说黄真啊黄真我不知道 anyways 这个不重要重要的是这家公司依靠这个臭名昭著的这个

他们不存在 work-life balance 这种东西这个 balance 这个词在公司里面就从来不存在过的前提下这家公司大赚特赚对吧越做大多强所以还是要看他想要的到底是什么如果你的位置是 Smith 这样的一个位置你可能确实会考虑的是 Google 都快死了都快死了你们还有 work-life balance

你都没有 live 了呀其实这个是不是有一个大的前提啊就他这次去 staff 的这个课堂底下更多的是这种可能要去写一些这种新的企划的这种商业相关的东西的学生所以他会多讲一些这方面的包括从企业家的这个方面去讲没有说更多的从员工的那个角度去讲

也有可能因为他这个课应该是面向那个经济学的课的但是我不确定学生是不是毕业了之后都是开公司的老板但是他确实也提到了就是说你们毕业了之后去开公司你们不会允许你的员工像 Google 一样这样子一周只来上班一天的对

是有可能这个课是这样子的你说的没错所以 anyways 就是这里提到的一个很重要的点就是 time is matter 在大部分的传统领域里面时间确实不太重要他提到的一个例子是可口可乐和百事可乐可口可乐和百事可乐是存在竞争关系的没错但他们可以维持现在的这个状态持续竞争个十年他还是现在这个样子还是不变时间不重要

然后他也说到 AI 这个领域也是一个全新的领域所以他提到是说可能会比当年 social media 刚出来的时候更加爆炸性的一个未来是的所以他说在像现在这种这么 crazy 的情况下有时候会需要你去实践一些比较 crazy 的 idea 他其实是从那个 work-life balance 那边衍生过来的对我印象也很深刻对因为过去那种强调这种 come home early 的这种做法可能会使得大家有一种

我不知道是一种没有紧张感或者怎么样的就是缺乏一种产生 crazy idea 然后去执行的那种感觉那种氛围在里面我记得他当然这么讲他说就是之前我们可能还是说我们有一个商业企划有一个 idea 然后去写企划书然后来组团队然后来做怎么的他

他现在想提出的一种新的这种方式是说你可以尽快的把你这个东西落地就先落地一个 demo 或者说一个 test 然后去看能不能走出来不然的话就会有别的另外一个团队另外一个学生可能就把它做出来了然后再去丰满它

大概是这么一个意思吧但我不记得他有提说另外一个学生把他给做出来但意思大差不差就是这么一个意思然后他其实还举了另外一个反面例子就是你说为什么很慢的那一他说他去跟传统的电信公司谈一个合作要 18 个月电信公司要对要花 18 个月才能跟你签完一个合同什么鬼什么东西需要 18 个月才能跟我签完一个合同才能开始做完什么鬼

反正就是感叹了一些这些东西这个其实要拿国家来对比的话日本不就是这么一个典型的国家吗记账单吗最近这几年日本是有了一些这种我不知道是应激反应还是怎么样反正有一些新的这种刺激和新的创新和慢慢快起来了有一些年轻人也开始卷起来了

但过去很多年日本的家大业大的那些把持着这个既得利益的集团是不愿意把这些东西拱手让人的所以他们的整个流程真的就是又臭又长所以很难产生这种创新的东西 OK 还聊到一个点挺有意思的说微软和 OpenAI 的合作其实当时我们觉得 OpenAI 和微软合作确实也是很大争议性也很微妙的你堂堂一个大公司你不自己搞一个微软 LLM 你去

跟 OpenAI 合作然后说我微软所有东西全部都用 OpenAI 还给他钱对但他提到的其实是战略意义然后站在我们现在这个时间节点来看一个值得思考的问题就是微软这次合作成功吗你觉得

成功了对是成功的就是当年所有人都觉得说微软这个有点离谱你堂堂一个大公司对吧 all in open AI 然后把它捧到了一个神仙的位置但现在微软这几年已经是全世界市值最高的科技公司之一了商业价值就是成了是的所以这个很难讲从商业的角度来看确实微软做的也挺好的而且关键是微软和谷歌和苹果之间不就是一个又爱又恨的竞争合作关系吗

微软是把 AI 这个东西它目前算是跑在第一 Google 曾经跑过第一但是 GoogleGoogle 现在 walk balance 了 Googlewalk balance 了之后它就掉下来了一点但是它现在又涨回去了它还是投了很多钱去做它的 Gemini 算是回来了苹果呢苹果有啥苹果今年发了个啥有 9 月份的发布

苹果有一个期货 Apple Intelligent 对吧苹果到现在真的是啥都没有它还没有拿得出手的苹果在 AI 这个未来明显可看得见的大趋势的前提下还没有说站出来做出一个比较苹果的东西来这个确实是比较可惜那最近其实 Google 还发布了那个 Pixel Phone 那个手机对吧我们后面单开一期它还做了一些功能是跟

Apple Intelligent 里面一模一样的功能但改了个名字那会不会是苹果我可更 balance 了一点呢导致就缺少了这种狼性的文化你要这么说的话那苹果确实还是挺 balance 是吧

但我觉得也不能这么说因为硅谷几家大公司每家都挺 balance 的可能除了只有 Twitter 在马一龙买回来之后搬了个马桶进公司之后这也太好了不行了硅谷那几家大公司嘛 FAANG 嘛其实亚马逊是臭名昭著的血汗工厂嗯

其他几家公司基本上大差不差包括这个苹果 Facebook 还有 Google 那几个其实他们都挺 balance 的真的说实话都挺 balance 的苹果其实也就 WWDC 那么一两个月会去忙一忙而且他们的所谓的忙就是哎呀好惨啊昨天晚上加班到七点多啊好惨啊哪里惨知道吧

在中国公司 7 点多能下班吗这真的是灵魂拷问 anyways 其实也没那么倔美国硅谷的公司都没有中国那么倔这个还是要区别一下接下来苹果这个 Apple Intelligence 最近确实也是大家升级到了这个 18.1 这个 Beta 版有部分非中国非欧盟售卖的 iPhone 手机是能够用起来了也用它来做了一些比较有意思的这个东西

比较可惜的是我们都用的是国行的手机所以我们就体验不了体验不了的话单独聊好像有一点隔空聊的感觉看我们后面能不能去搞到一台能用的手机今年 9 月份买的时候肯定是要买一个非国行的

然后我们到时候就可以用 AI 了你说我们到时候聊一期 iPhone16 对吧对 16 我们到时候可以去买一台 iPhone16 是能用 Apple Intelligent 然后来跟大家介绍一下使用体验因为现在看到那些使用体验都是比较极端的用 F Word 或者是用一些你知道的就是一些比较奇怪的语言然后让 Apple 把它写成一个比较 professional 的表达然后他就非常 professional 的骂了你一顿

但 anyways 这个是岔开了后面我们还是可以出几期这样单独的节目来聊总结一下就是 AI 这个东西目前它确实未来会是一个非常 mind-blowing 的一个东西而且接下来很快很快就会有了我们期待一下 OpenAI 这个领头羊下来这个 GPT-4O 的下一代会不会叫 GPT-5 如果它是 GPT-5 的话出来百万 token 到时候到底能做什么我现在已经很期待我应该就百万了我觉得

我希望他是百万然后我们还没发出的那一期 Cloud AI 的那期节目那期节目里面我是说我是一个一个类文件让他帮我修改的那么等到百万 token 实现了之后我就整个工程丢给他一个 ZIP 包搞定整个工程直接帮我改

开始压榨这个 AI 程序员了你对现在那个 Anthropic 的那个 Pro 免费额度我是很快就用完了那个 Pro 的额度我偶尔会用完其实使用强度还蛮大的就是比如说周末我一整天都在对着它写代码很快我的那个额度就会告诉我说你今天用的已经有点太过频繁了请过了下午 4 点钟之后再来我觉得就应该文案改成就是 AI 也需要 work balance 你明天再来找我

你这种把 AI 当牛马了你这个呢有一些科幻小说确实是这样然后你就 AI 它不愿意做牛马让我再用我

我们接着往下聊他提到有一个点非常非常重要我觉得很好的这里岔开聊一点就是这个视频本身 Smith 还是聊了一些相对敏感的这个地缘政治话题这些我们在节目里面不会去聊对大家有兴趣的话可以去看原视频那这些东西我觉得也是一个信息增量只不过呢大家对于每一个支持的这个派别想法是各不相同的我们就是不在这里引战啊大家自己去看就好了

OK 但有一个东西他提的很好的就是说 AI 的话呢现在我们知道他一直在学新的东西 Smith 对 AI 的一个定义是他是一个 learning system 他是一个学习系统他在不断的学习新的东西 OK 那我们现在有个问题

我们只知道他学了一些我们给他的东西但我们不知道他从这些东西里面到底学到了什么我们不知道他有没有学到坏的东西或者不好的东西我们无法判断对我们无法判断然后你也不知道说你怎么问他这个问题你能问出来 GPT 你学会了什么坏的东西吗他有可能骗你啊他说我没有啊

他不知道什么叫坏的东西他无法界定人类眼中什么是坏的他没有办法定义对按那个什么一些重要的按钮是的所以我就在想

他说的很有道理我就去问 GPT 我就说 Eric 他在分享里面说了这些他说他们的做法是怎么样他首先是通过一个对抗 AI 就对抗性 AI 的方式来跟 AI 做一些对抗测试有很多的大学生还有实验室是在做这个事情的就是让 AI 不工作了或者是让 AI 超出了它的使用预期等等之类的方式我们就可以反向的去知道 AI 它是不是哪里不完善我们可以去完善它

这是一种对抗人员另一种是说我们可以去验证它是不是达到预期然后我就觉得很奇怪你怎么验证它达到预期对吧我们写代码的时候我们可以对一个函数做单元测试但你能对大语言模型做单元测试吗这做不到我觉得可能就是有点像类比一下把白帽子就黑客里面的白帽子做的事情他同样也是说我把某个网站给我攻克但攻克完之后他只是去报告对方站长让你去修

那他可以利用 AI 去做一些人类认为可能不好的事情然后当发现可以了之后立马去修对你说的这个是对抗 AI 就是第一点但我想说的是他说的第二点就是你怎么去验证他到底

是达到我们的预期那预期是好的预期还是不好的那些预期呢就比如说我训练了一个 GPC4O 然后这个 4O 本来应该按照我的预期它能够完成某些某些任务对吧那我怎么去验证它真的能够按照我想要的那个方式去达成这个任务我们老是说那个 GPC 是胡说八道对不对那胡说八道就是它会产生各种各样的幻觉

那其实就是把一些用户常用的我们之前明确知道一些答案的这种东西比如说做一个 to-do list 的 app 然后比较具备可用性能够过 chatcode 的所有编译比如这样一个很具体的 case 输入给他然后看他的结果是怎么样的来判断就有点像就是一些工程化的图灵测试吧不像图灵测只是对话式的我能不能判断你是个人他可能更偏说执行一下这个 action 能不能有效

你说的这个是最最基础的训练 AI 从几十年前就这么用了就是最基础的一种验证方式就是我有一个绝对 100%正确的结果集然后你来跟我这个做比较比如说我写一个分类器分类器也是早期的 AI 模型里面非常简单的一种就是我给你一个输入然后你帮我分类成有限的几个分类集然后我就验证这个分类是不是对的比如说我给你一张图你把它分类成猫咪

另外一张图你分类成小狗对吧这些我是可以找到 100%人为的觉得它正确的数据来验证它的结果的但是我们现在不是在讨论说 AI 接下来就要进入百万 token 级别了它很有可能会做出一些人类无法理解超出人类现在已知范围的东西

我都不知道我怎么去验证校验一个我从来没见过的超出我认知的范围的东西呢我觉得这个就很难搞就做不到所以我就去问 4O 我说

那如果 AI 做出了一个超越人类理解范畴的东西我怎么去验证它这个是不是符合预期呢他就说这个时候你可以召唤一些领域专家由专家来过来还是委员会来解释这件事情对啊都多找几个人嘛大家在一起集思广益说我们要开一个

AI 安全委员会 AI 伦理道德委员会对吧 AI 反核什么什么委员会然后去评估就好了一般就是这种意见领袖或者少部分的这种专家的人帮我们去干这个是现在已经有人在这么做了已经有你说的这个 AI 伦理委员会了但是我自己觉得的是如果真的有一天他做出了超越我们人类

犯愁的东西那他未必能够很容易的就被你给教验出来他很有可能是在面对我们全球几十亿用户的时候

很少见的其中一个用户他发现了因为你很难测全你测不出 100%的所有的 user case 那么被他发现了之后他也未必会告诉你他这么做了他这么用了并且他就这么莫名其妙的就用了这个 AI 做出了一个超越人类理解的东西那就很有意思我觉得这会是一个特别有趣的东西

对这个就跟之前有段时间不是有人用那个 AI 然后发现说在车上跟他对话的时候会触发 AI 在里面鬼哭狼嚎就是产生一些极度不适的声音啊

有这样的一个 case 那这个 case 就是工程师本身没有测出来的然后后来工程师好像出来解释说是因为在车上的那个环境里面导致他对一些声音听进去了之后的解析解析成别的东西了他在那边乱叫乱嗷你知道吗说 AI 崩溃了尖叫

不一定是 AI 崩溃就是这些信息可能对人类来说是直接被过滤掉了然后触碰到它我们就过滤掉了对但被他收进去了他收进去了之后他认为这个也是你的其中一个输入然后他就给了你一个不符合预期的结果我记得当时在课堂上他好像还提到了一个点就是说 test to action 的这个点然后问那个学生大概是知道是什么样一个东西什么样理解嘛然后学生说的是先把一些 test 变成更长的 test 更多的 test

然后再从这些更多的 Test 里面去提取一些内容作为 Action 要去做的事情然后这个就让我想到刚才那个车上会不会是它这段音频在它翻译成更多的执行 Test 的时候

产生了一些我们没有看到的内容然后最后造成了一个不同的反应出来对有可能是这样我不确定他的工作原理是不是你说的这样但是如果是这样的话那也挺简单粗暴的对那好像现在就已经能做了所以之前那个 auto GPT 是可以做这些事情

但 AutoGBT 后来那个 GBT4O 出了那个联网能力之后 AutoGBT 就没有用武之地了但 anyways 然后刚才提到了一个对抗性 AI 和那个验证这个东西但我也有另外一种感觉就是我刚才说它有可能产生一些我们不知道的东西但是我们既然不知道它产生的东西到底是个什么东西那我好像就陷入了一种悖论就是我

想象一个我未来想象不到的一个东西我觉得这个可能是两种心态我们俩对这种东西的心态就是不一样的我的心态是它出来之后我就知道了我就学着知道了原来有这样一种新的东西是这个然后到时候我们再去有各种立法也好规则也好给到它很多新一期的事物出现之初都是没有

这种规章制度的对吧你说的这个心态跟那个 Smith 他在 Sanford 讲的那些话是很像的他里面提到一个 case 跟你说的这个很像就他说我们其实并不知道青少年们都在想什么但是这个世界适应了青少年的存在社会也拥抱了他们对

社会还是适应了情商他觉得怎么样他就说我们现在训练模型我们不知道他做什么这不就跟小孩一样吗你养一个小孩你慢慢的就不知道他想什么了跟人类很像但是呢我想的是另外一种场景啊就是之前那个科幻小说那个 Angel's Game 它有一个场景是那个人工智能

他是训练一个东西训练的训练者就是他收集了全宇宙所有的人类的知识然后在有点像超体他某一个时刻突然之间蹦他就变成有意识的东西了就是量变引起质变的这么一个过程确实理论上是可能存在的但你刚才说的那个对你刚才说的那种它是更倾向于是缓慢进行的

对吧但是慢慢慢慢慢慢了他没有一个所谓的基点没有突然间蹦一下变成另外一个东西的可能性那么确实出来我就理解了但我在想的是如果他突然有一天蹦一下突然变成另外一个东西那会怎么样呢那也太厉害了那他比如突然有一天亿万级 token 或者百万级 token

那他就创世了我感觉他可以完全模拟一个跟我们一样的虚拟世界然后在里面住的人就不知道自己生活在虚拟世界那不就肛中脑了吗你就用来模拟世界这也太 low 了吧你光模拟世界就可以创造一个逼真世界再用马斯克的那个上传你的

这个脑机然后就可以实现永生了另一种永生不要光模拟世界你把这个世界也改造改造对吧把那些该实现的东西实现一下物理世界还是很好玩的然后你想一想他作为一个 AI 他需要那么多能源 power 他呢

那他现在就应该发明一个新能源新能源和地球能源可能还支撑不起养这么一个超级 AI 他可能要发明星际航行去别的行星去采集更多的能源回来跟着马斯克的几家公司去火星他能去太阳就够了他甚至不需要出太阳系他去太阳把太阳的能源给偷过来或者是他能高效利用太阳能其实也够了对吧搞一个太空翻疯了我们在聊啥什么鬼

OK 我们前面说资金量非常巨大对吧后来测算了一下可能整个 AI 行业在数百亿美元的投资规模

然后 OpenAI 在去年是获得了 10 亿美元的投资 Anthropic 是 6 个亿美元 InflationAI 是 13 亿美元 MistralAI 是 1.13 亿美元相较之下那些不是 AI 的项目他们获得了多少投资呢 2023 年的明星项目其中一个是 stripestripe 很好理解他获得了 65 亿美元他为什么那么高呢他就是支付的他本身市值大很正常对吧你融资多也很正常

那另一个是 SHEIN 来自中国的那个服装品牌对 SHEINSHEIN 它是获得了 20 亿美元的投资非常的离谱 20 亿美元两个 OpenAI 你现在拿 OpenAI 做货币单位了但 SHEIN 其实它在全球的市场也做了好多年了也做得非常的不错而且是立足根植于这个中国珠三角的这个服装产业供应链

的速度在打快销的这个赛道确实也是做得非常非常牛逼再有一个是 20 亿欧元的绿色能源电池的 Worker 这个项目是获得了 21 欧元所以我们可以看到去年 AI 项目的这个融资规模还是非常非常大的 10 亿美元规模的融资

非常非常离谱所以呢你愿意投这么多钱是因为你觉得未来会有更大的回报当然了我们刚才说 StripeStripe 很好理解虚硬很好理解 Verker 做绿色能源电池的很好理解但是回到 AI 项目它

能够给我带来我投进去 10 亿美元之后的超出这 10 亿美元的回报他就得把这个故事给说的很动听你知道投资人除了能看到既得的这些利益或者长远的利益以外还需要什么想象力就是这个项目有没有更多的想象力而且它是一个面向未来的这样一个投资你像 Eric 又说这次 AI 的这个

叫什么技术浪潮这一波它用的是 vave 也是一个跟之前比要更大更快来的一个东西投资人自然会焦虑焦虑就得投钱对焦虑就投钱 formal 但是其实 AI 的资金投入量它非常重要因为它需要买卡对吧需要建数据中心需要运 LM 是真的很花钱

他不像之前一些互联网创业可能虽然拿了很多钱但是实际上并不需要那么多钱对吧对然后他提到了这个去做 AI 创业也好去做 AI 相关的项目除了花钱以外还要花人才然后就提到说人才就有一个很有趣的事情了就是印度这个国家在输出 AI 人才上

真的是做出了非常卓越的贡献巨大的贡献对吧而且还大部分都留在了美国这个东方大国印度对印度确实可能跟他们母语是英文有关系吧他们在学编程这块他们母语其实不是英文但是他们的学校教育体系强制要求他们用英语上课用的是印度式英语但在印度你能上学本身就是你的那个家庭背景已经完全不差了至少怎么说得是个婆罗门吧

当然 AI 确实也是这两年在互联网领域圈里面比较明星的一个话题了所以大家投资人都往这个地方投钱很正常而且普遍大家都有一种信念就是我不管这个 AI 未来是不是像 Schmidt 说的那样什么搞几个 TikTok 的盗版之类的我不管是不是这样但是

反正肯定他能给我带来很大很大的回报就是他们有一种像回到 2000 年互联网泡沫之前的那种信心互联网加一切移动互联网浪潮

差不多这个意思但是呢如果你要真的最后能够把这 10 亿美元赚回来你就必须得去想办法兑现赚钱的事情所以有一些公司他就撑不住了 Eric 就举了一个例子说那个 MistroMistro 公司我说去年获得了 1.13 亿美元的吧其实这个量也不小了但是相比于 OpenAI 它还是少了一个位数的吧它还是少了一个量级的

那他就说本来法国的这个公司做得很好然后 Eric 还投资了利益相关现在已经出了 Version 2 了但是呢因为这个模型训练的这个费用过于昂贵所以他们的 Version 3 就不开源了

就准备闭员也是在这一部分 Eric 讲了很多他职业生涯里面跟开源项目有关的这个事情但是他这个开源闭源这个事情在 AI 这个领域里面确实是一个争议性很大的一个问题开源了之后我的收益很难 cover 我当下的这个训练成本所以他讲到的说做企业可能还是要主力的因为你要把这个企业持续的办下去那最后的一些商业的抉择可能跟一开始想的这种初衷就会

有一些出处没错没错好那下一个话题下一个话题主持人转到了这个 misinformation 这个话题上面来就是说现在很多的这个信息它有可能是假的信息然后你又分不出它是真的还是假的这个我们其实经过这几年这个 AIGC 的火热朝天的这个发展我们不论是中英文的这些网站都已经有大量 AI 生成的假信息假网站还有知乎上面有大量的这个 AI 回答我已经是看吐了

而且现在又是正值什么大选季对吧 AI 对选票的影响这件事情之前还是搜索引擎和社交媒体对选票的影响现在已经变成了 AI 了然后他们就提到了 Donald TrumpDonald Trump 又又来说这个事情就说

Donald Trump 老是乱讲话 Donald Trump 老是说谎话但是 Eric 提了一个非常理工难的解决方案他说可以用公司药认证对我当时不是他提的是当时主持人有提到说我们就不能像上网站一样有 https ssl 的协议每个人都发一个公司药然后每个人有一个公药讲话的时候拿公药加密然后我再拿我的密钥去解

来验证说这段内容是本人说的而不是一个 AI 语音克隆说的然后他就讲说也不行但其实这个东西呢我觉得很多概念在计算机领域或者是说在理工男领域大家都比较认可的东西其实到了普通消费者是完全不知道你在说什么的你别说公司要了苹果前几年推出的那个 PassKit

PASKIT 它就是一个公司要认证就非常简单的就是苹果给你发一个私钥保存在你的 keychain 里面然后你用 keychain 做一个签名然后你的登录的服务器拿到了公钥之后再去校验这个签名就完事了这就非常粗暴的一个公司要非对称加密而已那大部分人其实是不理解这个东西到底是个什么东西的对于普通消费者来说你到底是要干嘛什么叫做 PASKITWhat happened 怎么说呢

最终你要面向的那个终端用户他不理解所以你就得用终端用户能够理解的形式去传递这个信息或者是去打造你的这个产品所以才有可能使它成为广泛应用的可能反正谈到这个信息的这个伪造等等辨别这一块其实我们现在越来越难辨别一段视频甚至现在不是听说有人拿 AI 去做面试还面试通过了对吧就虚拟的形象做了个数字人

真的很难区分我总不能现在此时此刻我跟 Justin 正在用腾讯会议去聊天我总不能要给你播一个那种七彩的光照着你的脸看一下你是不是在物理世界中

对但你要这么说的话我第一反应是可能以后诈骗的这个门槛会越来越低了肯定的以前其实如果有人诈骗你要干点什么其实有一种做法是你可以让他打个电话过来用声音来辨别对吧声音现在不行了现在要打视频视频现在也不行了对数字现在也可以了结果现在视频也不行了那以后诈骗的门槛真的越来越低了不好搞

就得搞一段那种秘闻就是只有我们几个人知道的然后 AI 是不知道的然后在那说一些答非所问的话你说的这个最近短视频那个他就在拍一系列的短视频分辨一个人到底是机器人还是真人最近不是还有真人去模仿这个 AI 生成的这种人的这种行为轨迹吗等到火死了火变外网

反正就是慢慢的我们会看不出来这个 AI 生成和真人的这个区别真的好难呀这个点我到目前觉得道高一尺魔高一战目前来说我们要去分辨 AI 和非 AI 多花点时间还是能看得出来的但是你刷一个短视频可能就 15 秒这 15 秒内我可能真的分不出来我真的分不出来这玩意儿这个主播是不是一个

人套了一个谷歌对吧现在谷歌动画对还有那种发图的 IG 上面现在有很多 AIGC 的号太难了对他现在越来越像真的了但你如果仔细看你是能看得出来这个照片不像是个真人然后你看多几张哦他们有一些微小的区别这个人怎么还会变这个人眼睛怎么变这样的你就知道这肯定就是个 AI 生成的但是就需要花时间了这个时间会越来越长以后会越来越难分辨嗯

然后因为提到假信息的事情所以他们就聊到了当年 Eric 在做 YouTube 的时候其实 YouTube 有很多 false video 其实确实是很难去分辨的所以他说 I don't have a good answer 我也不知道应该怎么去解决这个问题我没有特别好的办法但他提到一个点我觉得特别好他提到 TikTok

现在 TikTok 不是基于这个推荐的算法在推荐视频吗你越喜欢的视频你就会看到的越多消费时长也就越长像我们以前聊那个 social dilemma 那个记录片是有点像的他说你不应该用 TikTok 的这种推荐方式来推送视频而是要把 TikTok 当做一个电视节目或者媒体平台

要用时间平等法则 equal time rule 就是美国联邦通讯委员会制定的一项法规说如果有政治候选人要上这个电视节目你就必须让另外的竞争对手也有相同时间的广播时间不可以去变成任何一方哪做了这么多公屏的我觉得他当时做 YouTube 的这一 part

唯一能够做到的就是你确实左右不了选票被左右这件事情的发生但是你可以左右什么呢就是他们的一个理念叫不要害死人你记得吗就是 YouTube 上的视频很多如果乱发对对对有些人会因为他死掉比如说拿着一把伞从楼上跳下去是可以存活这种事情那就有人会模仿所以他们当时就是有这样一个底线去

一直守着我觉得这点还是挺好的对 Don't be evil 就是一个平台做大了之后确实是要承担一些社会责任这些边界 case 对这个就是逃不掉的所有的大平台都是这样

OK 还有一个话题是提问关于大语言模式你说到提问我就想到了我提到一个特别搞笑的终于听到有人问这个问题了说既然 AI 未来都这么强了都百万 token 了我们还要学编程吗还记得这个吗特别的然后我当时想这个问题如果问我的话其实我很难答我一直在想怎么去答然后 Eric 一句话就答掉了

他说当然要啊你不是会英语吗你还是要学英语就是你可以做得更好你可以把英文做得更精进那同样编程 AI 可以编程然后你如果学了佛讯环学了这种编程的理念你可以做得更好这个回答我觉得很妙

对当然他说的这个回答可能会比较的具体到某一项写代码的技能但是我在想就像我们在那 cloud 的那一期节目里面讨论的一样你如果是一个丰富经验的程序员你可以做的不是更好你可以驾驭他而是你可以充分发挥他的潜能你可以充分发挥他而如果你完全不懂那你真的就只能只能做一点表面的程度了对

对对对当时是说 1.0 但是未来这个百万 token 之后就可以上 1.1 了是真的可以上 1.1 了所以其实我们再深度解读一下它这个点啊就是其实未来不是说要不要学编程我觉得未来学编程会变得更重要就是掌握这种底层一些我们现在所说的底层可能到什么汇编啊或者是大语言的一些结构啊到未来可能底层就是你至少得懂个复循环吧呵呵

我现在还想象不出来希望等百万 token 赶紧出来震撼一下我好吧我现在非常期待等着他来震撼我 OK 回到刚才的提问还有一个提问是说第一关于大语言模型的经济影响你觉得预期的劳动力市场影响速度比较慢估计就是替代一些人工的问题了第二个问题是说学术界应该要获得 AI 补贴还是说要去跟大企业合作

关于企业合作的这个方面 Eric Smith 他是非常乐意于去推动大学来提供数据中心的因为我们知道学 AI 这件事情真的很花很花钱比我们现在大学生想要有一台 MacBook 去开发 iPhone 的应用其实已经非常难了但是你想要去开发一个 AI 应用还要在学校里面去

玩 LLM 那是比开发 iPhone 应用还要更难的一件事情所以他说如果大企业能够去免费或者说有一些合作项目的话会使得整个的这个学生能够获得更多的资源因为学生在这个阶段去接触这个东西他未来肯定是人才嘛所以这个肯定是要鼓励的我觉得这个说的挺好的微软不是有很多这种学生的计划吗然后基本上都是给到非常多的配额

微软 Google 应该都有所有大公司都有国内的大公司其实也都有只是说你跟大企业合作的话会不会反过来受大企业限制这个就不知道了就不知道他们那个协议内容是怎么谈的然后就有另一个问题也是我觉得很有意思的他提的是说现在大模型既然开销这么大有没有可能通过分布式的方式

把这种运算放到每个人的电脑上然后算完之后再集中式的到哪去区块链其实有这种就是记账记账的过程然后这样去做

然后 Eric 就说不行这样我根本达不到我们想要的这个问答的响应速度就还是得大数据中心去干这样事情分布式是解决不了的是的会非常非常难实现 so the way the algorithm works isyou have a very large matrixand you have essentially a multiplication function 反正应该是非常非常难以实现的

它不太像区块链只是算一个结果对只是挖一个带保障的一个 key 对不是的它只是很难算而已但是它不像大模型的当然我不太懂但是估计真的是很难做到的然后另外就是说劳动力市场和人才的他在这里就提到了顶尖 AI 人才来自印度然后都到美国这边来然后印度是关键的摇摆国家对

这个很有趣所以美国应该是要争夺这个印度老大哥的全面的这个都欢迎一些印度的这种顶尖人才来到美国然后好来跟中国去

竞争啊没错世界上发达的大国还有好多个啊这就涉及到这个地缘政治的相关的讨论了啊我们就直接不提但是有一个东西可以提一下就是欧盟欧盟我们最近频频提到他跟苹果之间的这些哈哈对最近各种各样的发案对吧和谐了苹果啊

把这个借口也开出来了也是迫于欧盟就很那个所以说欧洲呢是因为这个欧盟老是搞这些有的没的欧盟老是觉得自己是在给欧洲人民谋福利但是欧盟出来的这种种的法案明显极大的限制了像美国这种习惯了自由的这种企业在欧盟大展拳脚

其实会受到极大的限制你可以细想一下在互联网领域 AI 领域欧盟这边能够出来的明星公司是屈指可数的我现在能想到的是一个像 Spotify 但 Spotify 它也是一个非常奇妙的一个机缘下才成长起来的

欧盟对于美国这些科技公司的种种限制会反过来不仅制约了美国大公司在欧盟的这个发展对同时也会阻止这种新兴公司在欧盟的发展它极大的提高了门槛比如说 Eric Smith 就点名批评欧盟的那个欧盟法案指的就是说那个欧盟之前出了一个 EU 的那个

AI Act 要求你去发展 AI 必须要做到极高的透明度和严格的监管其实就是有一种什么 AI 会谋害人类的那个理论之前好像还讨论过一次然后说要促进可信赖的以人为本的 AI 对高风险 AI 实施严格的监管

这样做会有很多问题会导致在欧洲的这个初创 AI 公司会极大增加开发成本尤其是前期费用可能随便初创公司还要实现欧盟要求的那个企业质量管理系统

40 万美元卧槽我在欧盟开个 AI 公司前期就要 40 万美元这谁创办得了我在新疆开一家公司只要几百块钱对啊几千块钱几百块钱能搞定就是 40 万美元妈呀这欧盟出的这个规定除了限制美国公司当然也会限制欧洲自己的公司对吧所以他就极大的限制了这些初创的创新的 idea 在欧盟的

增长其实反而是一件坏事然后 Eric 他在就是原文中也讲说欧洲那边他目前觉得法国还有一些希望和可能其他的国家他不算看好因为马克龙对然后他就提到了就是现在美国最大的竞争国中国然后说在 AI 这一块美国目前领先 5 至 10 年反正有这样一个 10 年他说了 10 年

对他说十年的原因是因为美国卡脖子就是那个 N 卡不卖给中国对但不卖给中国我听他讲的那些话好像他也有一定的贡献利益又相关我发现他讲的很多东西都是可以打个货号利益相关我投过了

这家我也投了就是这个人嘛他在这一次演说里面确实讲了非常非常多的可能是心里话或者是关起门来才能说的话就远远不止是各种 TikTok 啊抖音啊疯传的那几个什么 World Life Balance 还有那个什么还有那个 Rage Get Richer

这种东西也就在短视频里面看看就好了这种都是他讲的 45 分钟里面最最不重要的东西这可都是互联网金句得了吧那些东西都可以不看反而是那些特别有信息增量的像什么怎么建

数据中心啊它包括什么百万 token 未来可能怎么去应用啊等等这些才是真的有信息价值的东西所以我们更应该去关注这些东西嗯我很同意的就是前面那些互联网疯传的金句我觉得真的要从里面掐金句我倒是掐了一句啊就是他最后去提的这个点叫 if you can't get a prototype building a dayusing those various toolsyou can think about thatyou need to think about that 就是说

你快速把你这个 prototype 给我实现了然后去发出去就先 do it 不要老在那想我觉得这个点还是可以提炼为精致的而其他的那些可能都是一些贩卖焦虑啊或者什么会多一些哈哈哈哈

你记得这个吗就是未来的 AI 工具链会非常多多到我们可以很快的把原型实现这个事情其实对我们创业者来说是非常好的对对对你说的它的应用层面但是他这句话的后半程还有一段是 I guess my biggest advice is when you start thinking about a companyit's fine to write a business planin fact you should ask

The computer to write your business plan for youas long as it's legal 基本上来说未来 AI 这个东西它应该要成为你全方面的助力我今天在准备这期节目的时候我大量的使用了 GPC 4O 来帮我做各种各样的东西你也帮他做了 Summery 和翻译什么的

发挥的点对金句对对对真的非常有用我们是利用 AI 去帮我们减少了以前我们需要手工 Google 然后再总结再摘出来的那些时间我们其实大大节省了这些时间我们今天是下午的时候突然想到这个好像挺有趣的可以聊一期然后下午准备了一下晚上就可以聊了对吧这是 AI 给我们带来的极大的这个效益所以我们更应该去利用 AI 给我们带来的一些好处去是不是把事情做了

对而不是说一直在想我们策划一期节目然后我们应该怎么聊呢巴拉巴拉的但我们从来也没有这样做过我们都是想了之后直接就去做对不感兴趣我们就不做了然后我还做了一个事情我下午在找这个视频的时候首先我是找到了它的原始的完整视频它没有字幕的然后我把它也看完了我就想如果有字幕的话我是不是可以更容易去找出一些东西包括把那些原话给记录下来我看的就是双字幕对

我就去找了他的原文出来然后我找了他原文出来之后我就想如果我现场翻译的话可能又会卡壳要不我直接把它翻译成中文我就试了给 Cloud 和 GPD4O 分别发了全文让他帮我翻译我发现好几个点首先第一我第一次遇到因为我发太长的文本导致 AI 不愿意帮我翻译的情况这是第一种

然后第二就是 4 欧目前的交互他是分段给我翻译的他拒绝为我输出完整文本你知道吧我不一样因为我上来给他的任务就是给我 20 条我只规定了 20 条你觉得有可能会成为金句或者说怎么怎么样的然后另外说给我翻译 20 个摘要

就是断了所以我就避免了你那个需要百万 token 才能完成的事情对我不要我不要他给我 20 条我不信任他我希望他给我全部所以我还是慢慢的等他把我全部给写完了写完一段我就说继续 go on go on go on 他就会不断的吐一些新的出来

Cloud 会好一点 Cloud 会一次过涂很多它也是分段的但是它那一段会涂很多很多出来可能我大概分三四次在 Cloud 里面我就可以把它全部翻译完但在 4O 里面我要分好几十次才能全部翻译完它有时候还会突然间就 reload 或者说就 error 了那个主要是因为你访问 GPT 的时候你自己的网络不稳定是你的网络的问题这个不是 4O 的问题反正我是在用常问本的时候经常会遇到

对是你的网络的问题至于什么网络我们就不展开讲了省得本节目不见了然后 Cloud 我发现它的翻译确实还是跟 GPD 4 还是差距挺明显 4 明显自然了很多 Cloud

还是要差一点所以我觉得这两家现在目前各有所长 Anthropic 和 OpenAI 但是他们都做得很不错都同属于第一梯队都是很好的效率工具我很期待很期待明年看到 GPT-4O 百万 token 出来的时候是什么样以及我们能用它来做什么

这太有意思了我就直接丢工程给他了我把 Notion 的某几个小工程丢给他但如果说他有百万 token 的这么一个基建的话我相信他基于此应该要去做很多东西包括 4 欧可以跟微软合作那么 GitHub 那边能不能做一些事情我可以把整个 report 放在 GitHub 上面然后用 GPTT 来访问我的 GitHub report 然后用 GPTT 来帮我生成一个 branch 这个 branch 就是 AI 迭代

你还记得就 GitHub 它有 CI 嘛 CI 自动化去测试包装什么的到时候再多一个 Tab 叫 AI 续写 AI 维护之类的然后在里面把一些 issues 做掉是的我现在的一个后台的项目我是拿 Cloud 帮我写的 GitHub Action 的那些 CI 的脚本它很擅长非常好用对因为这个部分很多其实我不是特别擅长的但是我问他然后他能够帮我补充一些东西

就我觉得 AI 它最厉害的地方不是说我帮他先铺完所有的细节然后他给我一个明确的答案这个是现状嘛对吧但是未来他能够做的事情就会变成我给他一个我也不太熟的东西但他帮我补完所有的 case 这个才是他最大价值的所在而不是说非得我先补完所有的 case 然后你帮我输出对吧对

很早以前我记得有家公司在做这个事情就是你有一个 GitHub 上面的一个项目然后你 Ethos 里面有先提一些各种各样的要求当然有一些是一些 PR 就是已经被别人做出来的一些功能这时候你不是要去核吗然后 AI 可以帮你去检查

别人的代码合不合规或者有没有优化点然后再不再合那到未来的时候一个用户说我希望你的计算器可以发音然后我说 AI 你帮我写一下写完我看合不合然后 AI 就直接把这个 issue 写成了一段代码然后合进来了然后我说可以直接合吧对你说的这个很有道理而且按照 Eric 他的分享的预测或者说他对未来的畅想这个应该实现起来轻而易举对

挺好的但是我跟你说以后就不会有人类来给你提这个 issue 了以后人类会点一下 folkfolk 完了之后让 AI 帮他实现完了对吧他实现完了之后他再让 AI 说你心情好就帮我提一个 PR 给智力问智力要不要合智力这个时候人不在电脑前他给 AI 留了一句话说你心情好的时候帮我看一下 PR 不你帮我评估一下如果 PR 的可合率超过 95%

你就直接合了然后一周后告诉我 review 一下然后如果可合率低于 95%叫我来处理结果那个社区提交 PR 那个人呢他后来又跟 AI 说你心情好的时候你多给我提几个小的 feature 我信任你你随便合你顺便做好了之后你就也提交一个 PR 给自立然后自立这一个礼拜过后发现傻眼了卧槽我的 APP 居然迭代了 200 个版本什么情况然后其中某一个版本因为某一个别人提的功能而火了呵呵呵

那别人火了你没火是吧我们俩就别再拜拜拜拜对对对对好那非常期待啊非常期待这个 AI 未来能不能像 Eric Schmidt 在 Stanford 分享里面说的那样有这么非常光明和美好的未来嗯

以及现在我们自己用下来确实第一梯队的 Astropic 和 OpenAI 的东西非常非常好用也非常能够用在生产环境了非常鼓励各位的听友们有兴趣有机会有条件的话应该是多用起来而且套用 Eric 他有讲到的一个观点就是他认为 AI 对于软件程序员的生产力的提升至少接下来会翻倍他原话这么讲的我没有说翻几倍但是会翻倍所以大家真的要用起来真好用

然后听一下我们下期节目对至少我自己用起来确实我的效率是提高了因为个人项目本来你时间就不多就那么一点点时间我觉得这里面有一个非常微妙的点我可能在那期节目里面没有说就是心情上的变化以前因为实现一个东西你需要花费比较多的精力和时间去做它然后你就会觉得很烦你心情上让你不想做但现在有了 AI 助力之后你可以 PUA 它让它去做你的心情就舒服很多了你就愿意做了

对所以就是你 work balance 了然后 AI 就多消耗一些 token 而已人类 work life balance 了然后让 AI 自己 balance 自己所以你看嘛心情还是很重要的如果换了这个说法的话如果 AI 到了这个程度当然 Google 估计也怪了我跟你说我本来想说如果 AI 已经到了这个程度 Google 就真的可以实现 work life balance 所以说未来谷歌的程序员可以使用不知道是哪家的然后 AI 谷歌做出来的 AI 去 work life balance

然后再做对但这个是一个悖论因为从工业革命以来这个伪命题一直存在说随着人类科技的发展人类可以越来越少时间花在工作上越来越清闲这个悖论几百年前就存在了到目前为止依然是一个悖论依然是你科技越发展你工作时间越长这个也不能说是悖论看对谁而言可能对于他所说的 the rich get richer 对吧来说就是更闲

那这样的人占这个世界总人口还不到 0.1%呢所以就是讲这个话的人嘛对我希望他做那个战争机器人不要去做战争机器人就是或者说他做完战争机器人之后能不能做一些能够对普惠给更多世界上的普通人类的机器人嗯等马斯克吧这个又扯远了

马斯克那个机器人他最近频频把那个外壳放到各种展厅去展览我不是说前阵子上海还办了一个 AI 什么博览会什么之类的一个展吗马斯克的机器人就放上去展了几下那机器人是不会动的就是一个壳你只有一个壳其实对只有一个壳就还是个期货嘛这期货期到现在也没交付不知道他未来会咋样估计也挺快了 Cybertruck 现在在国内有一辆上牌了已经在路上跑了

我觉得还挺模范的这个东西那看机器人的第一代量产会是一个什么样的状态但是几年前我们还觉得他说的这个机器人有点悬但是过了这几年你突然发现大模型的这个发展是非常离谱的像做火箭的屁眼插火箭的这个速度在发展所以我们还是可期的可期的

好那非常兴奋一起分享了这个 Eric Smith 的这个对完整的 Stanford 的分享他讲的确实特别不错各位听友们还是应该找来这个完整的版本去看一下对特别有趣由于他本人要求下架所以就更想看了哈哈哈哈看他到底不想讲什么东西是啊书越近越多书不进就不读是吧 OK 好

好那么以上就是本期节目的全部内容了如果你觉得我们的节目还不错的话呢请不要忘了给我们点赞转发收藏点个关注点个订阅好吧我们下期节目再见拜拜