如何在这波产业革命中立足

[wdong]

是同一个人。我确实是很乐观的。你说的“人类仍然需要做最后的把关”我觉得有一些错觉在里面。第一，把关的是人类的精英。那目前AI自然没到达这个层次。但是从内容输出上来说，AI显然已经超越bottom 50%的普通人了。第二，这种说法有点事后诸葛亮，就是把关把得好的大家才知道，把关把的拉夸的其实到处都是。

目前网上看到的反馈，一般都是行业精英对AI效果的质疑。但是大家需要看到科学的发展不是逼近，而是发散。精英一般都有一些技术或者艺术的ideal，这种ideal往往不会超出精英本身的认知水平太多， 而是精英目前水平的理想化而已。比如sailor会对sailing skill有ideal，马夫会对养马有ideal，赛车手会对手动车有ideal，C程序员会看不上C++。这些ideal其实只是皮革马里翁眼里的雕塑。如果以这些为目标，自然永远不可能达到，而只会是各种程度的overfit。 就像今人写复调音乐写不过巴赫，写交响乐写不过贝多芬一样。是事实这些ideal并不是AI真正要逼近的对象。AI就是一种新的生产方式， 我们都没见过。我觉得比较好的心态是，想象自己正处于1982年，手里拿着一块80286芯片。DOS发明还不到两年。比尔盖茨刚刚说了，640K内存对任何人都足够了。这时候该怎么办？你周围的engineer普遍认为，定制化电路才是出路，怎么可能通用计算机解决世界上所有的问题？再不济，也是把计算问题送到IBM的巨型机里去算。

你是老版的wdong？好久不见，你们开的公司记得就是做AI的吧。

个人觉得你这些进展过于乐观了

现在最好的AI大模型本质上是一种智能搜索引擎。当他学习了人类全部知识之后，功能可以很强大

但是AI并没有能力做一个事情的结论做最终判断。他只能说根据以往的知识，最优解可能是。人类仍然需要做最后的把关。

[TheMatrix]

如果top 0.0001%可以实现绝大多生产自动化，用机器狗。。。为啥还要这么多穷人？

社会是消费驱动，需求驱动的。人是需求的主体。top 1%产生不了足够的需求。

[wdds]

社会是消费驱动，需求驱动的。人是需求的主体。top 1%产生不了足够的需求。

top 0.0001% 为啥要这么多需求？人少点，地球干干净净的不好吗？

[TheMatrix]

top 0.0001% 为啥要这么多需求？人少点，地球干干净净的不好吗？

没有足够的需求就没有发展的动力。top 0.0001%也不想停留在现在。他们想要更好。

[wdong]

你会的话确实不难。但是喂数据这事情得有人去做，数据得整理出来。AI的反馈得去看。还差多远得评估。其实事情是很多的。我组织这些观点的时候想的是非IT的普通从业者。现在Llama 3.2刚刚统一了图像和文本。别的数据格式，比如CAD文件（我没试过），我觉得还没到扔进去就行的程度。

比如cursor怎么做的？我并没有去验证过，但是我怀疑他们很可能就是finetune了一个出diff结果的模型。用diff这种标准化的修改格式，不管训练数据(github上所有的PR)还是现有软件支持(vscode高亮显示diff)都很完备，东西很快就能做出来。但是你要用别的方式让AI修改代码，攀错了科技枝，可能就会千难万难。

“ 一方面，需要了解AI的接口；另一方面，怎么把自己行业的问题和语言翻译成AI可以接受的形式。”
这个基本不是事。数据直接喂进去就完了。
其他的观点都有启发性。

[wdds]

没有足够的需求就没有发展的动力。top 0.0001%也不想停留在现在。他们想要更好。

机械化自动化生产粮食，医药人工智能的突破，人体器官的培育。。。
top 0.00011%会留一些仆人，还有一些暗地里做实验用，that's it ...

[hahan]

是同一个人。我确实是很乐观的。你说的“人类仍然需要做最后的把关”我觉得有一些错觉在里面。第一，把关的是人类的精英。那目前AI自然没到达这个层次。但是从内容输出上来说，AI显然已经超越bottom 50%的普通人了。第二，这种说法有点事后诸葛亮，就是把关把得好的大家才知道，把关把的拉夸的其实到处都是。

目前网上看到的反馈，一般都是行业精英对AI效果的质疑。但是大家需要看到科学的发展不是逼近，而是发散。精英一般都有一些技术或者艺术的ideal，这种ideal往往不会超出精英本身的认知水平太多， 而是精英目前水平的理想化而已。比如sailor会对sailing skill有ideal，马夫会对养马有ideal，赛车手会对手动车有ideal，C程序员会看不上C++。这些ideal其实只是皮革马里翁眼里的雕塑。如果以这些为目标，自然永远不可能达到，而只会是各种程度的overfit。 就像今人写复调音乐写不过巴赫，写交响乐写不过贝多芬一样。是事实这些ideal并不是AI真正要逼近的对象。AI就是一种新的生产方式， 我们都没见过。我觉得比较好的心态是，想象自己正处于1982年，手里拿着一块80286芯片。DOS发明还不到两年。比尔盖茨刚刚说了，640K内存对任何人都足够了。这时候该怎么办？

Llm出来也快3年了
有啥应用
就你说的工业和基础科学领域

[Jack12345]

我感觉 所谓的 AI 就是在现有人类知识范围内 做内插值，没有 向外扩展 人类的新知识。所以 开拓知识新边疆的事 还是要 人类来完成

[wdong]

你说的这个是一个目前很核心的问题。接下来5年之内肯定会有突破。但是即使暂时没有这个突破也没有问题。就是把现有的知识用好也能省很多事了。

我感觉 所谓的 AI 就是在现有人类知识范围内 做内插值，没有 向外扩展 人类的新知识。所以 开拓知识新边疆的事 还是要 人类来完成

[wdong]

Llm出来也快3年了
有啥应用
就你说的工业和基础科学领域

我现在已经不怎么自己从头写程序了。先在chatgpt里把初稿弄好，然后导到cursor调试。比stackoverflow oriented programming舒服太多了。AI没有一个程序是直接出来就能用的。但是要改到能用费的力气和从头写相比少太多了。而且出来的程序漂亮。

我其实是带过团队的。美国10万美元一年，中国20万人刀一年能招到的人写出来的程序直接能用的也很少。人比AI强的地方是，会对着一个目标来来回回地磨。目前AI来回磨的能力和开销都还不行。

[bullogger]

欢迎Dong哥

大家2025年好！老买买提倒闭后，虽然我也一直在这里潜水，但是一直没有正式报到。因为当时我觉得我想要一种更加年轻一点的上网方式。虽然但是，大概什么时代的人还是要活在什么时代吧。这两年发生了很多以前想都不敢想的事情，迫使我进行了大量的思考。 我打算慢慢把我的想法发到这个版上，希望有一二老友看到并能有些碰撞。

Short term strategy: 以自己和自己的（或者自己了解的）行业为中心，把自己定位成“带路党”的角色。如果现在还拿着工资，不妨暂时不要考虑“转方向”了。往未来看5年，我感觉没什么方向看起来比别的方向更好。显然未来几年AI需要渗透各个产业。AI会以agent的方式慢慢代替人类，但是这中间会出现大量硬的（软硬件对接）和软的（思维方式，domain know how)问题。也就是这些agent会需要有师傅手把手教。这里面大家需要解决的核心问题是，一方面，需要了解AI的接口；另一方面，怎么把自己行业的问题和语言翻译成AI可以接受的形式。再说得直接一点，就是做benchmark，并且在新版本AI出现的时候测试和改进这些benchmark。IT业发展到今天，consumer market都是大头。然而这波AI的发力点应该会转移到工业和基础科学。

Mid term strategy: 学会新的编程方式。我们现在已经进入魔法时代了。现在的编程语言不再是狭义的编程语言，而是包括所有自然语言和编程语言和机器语言在内的“人类语言”。编程的内容也不再是一行一行写代码，而是会有点像social engineering。很多事情已经不需要实现了，只要说出来 AI就能实现（念咒，召唤AI，所以说我们已经进入魔法时代了）。关键是说的内容得对。所以设计会变得越来越重要。AI会对“知识就是力量”这句话有新的诠释。这种更大的自由度需要更高的思维层次来匹配。“带路党”角色的下一步是指手画脚的“股东”。你不是程序员，不是架构师，甚至不是CEO。这些角色都需要AI来充当。你最好的角色是director，手里有若干AI团队给你干活。当然你经常需要下降到基层进行指手画脚。但是随着AI版本的改进，这种指手画脚的需求会越来越少。我们需要用发展的眼光来看问题，如果按照今天gpt 4o的水平来设计系统，那么这个系统的寿命很可能就是一年。必须看着5年后gpt的水平来设计系统。

Long term strategy: 不管是个人还是社会，都需要准备退休计划， 慢慢从“社会需要我干啥”转变到“我乐意干啥”。从管理者的角度来说，怎么分批把权力交接给AI。从社会层面说，比如显然AI需要取代大部分医生。但是实际操作不能让这些医生一波都失业了。所以政策上需要对医疗领域进行划分（考虑学科年龄，从业者年龄，社会成本等），然后分批次批准AI进入。以后的社会没工作会是大部分人的常态， 需要从没工作可耻的传统思维中解放出来。Andrew Yang was ahead of his time。

先起个头，具体慢慢再聊。

[hahan]

我现在已经不怎么自己从头写程序了。先在chatgpt里把初稿弄好，然后导到cursor调试。比stackoverflow oriented programming舒服太多了。

这个是的
但llm要达到你说的影响力/变革力
只是在码农界提高效率远远不够
我上次看的数据
Chatgpt的用户基本还是码农和学生
Llm在工业界现在在广告界的creative生成有一些non trivial的应用
其他还看不到
科研领域也许有应用
但我猜也是类似对码农这种辅助
说实在的 3 年不短了
历史上其他大的技术革新/进步在应用上都是非常快的

[hahan]

我现在的工作就是和llm有关
这个东西要落地甚至productionize非常困难
现在比较成功的应用可能就是狗家那个notebook?
也是帮你学习的
但除了码农好像也没有哪个行业的人要不停学校

[hahan]

如果从high level去思考
很多东西都可以是革命性的
包括llm
但从implementation和business的层面去思考
比如llm
怎么产品化
现在还是不知道

[wdong]

这个是的
但llm要达到你说的影响力/变革力
只是在码农界提高效率远远不够
我上次看的数据
Chatgpt的用户基本还是码农和学生
Llm在工业界现在在广告界的creative生成有一些non trivial的应用
其他还看不到
科研领域也许有应用
但我猜也是类似对码农这种辅助
说实在的 3 年不短了
历史上其他大的技术革新/进步在应用上都是非常快的

你的说法没问题。这个进度确实有很大的不确定性。而且我很怀疑immediate摆在我们面前的不是美丽新世界而是泡泡破灭。

下面从我的视角address一下这个问题。2012年AlexNet突破。2014年左右我开始在实际项目中用cafe。2015年tensorflow发布。2016年我自己开始在kaggle上搞比赛。2018年左右才实际做了大量CNN的项目。这个进度有一个前提，就是机器视觉所有的问题早就都准备好了等着被解决，只是之前的算法效果都不好。 LLM的突破相对与CNN来说是更大的突破，而且相对而言怎么用这个技术人们其实是没有太大的准备的。

[coolcat]

以我的标准AGI已经实现了，否则我不会是帖子里这种立场。当然以后会越来越好表面上看和现在很不一样，甚至算法都很可能会变，但是这些都只是渐变。事实上一直都只有渐变，但是每一步都不可或缺。你可以去看原始的麦克斯韦方程组，或者原始的门捷列夫元素周期表，甚至想想8086芯片，这些东西和它们今天的形态都想去甚远，但是同时又差不了多少。如果把现在的chatgpt放到20年前，甚至可以把最近20年的新知识都去掉，当时的人类会认为这个软件是一种超级智能。

我一直怀疑AI到底是不是理解它自己说的话，我最近几个月花了很多时间来使用chatGPT和其他一些AI。我的观点
1. chatGPT远超其他AI
2. AI似乎并不理解它自己说的，证据就是它一旦出错进入死胡同就很难出来，即使你百般提示

但目前来看并不妨碍AI的一些应用，比如初级码农这些职位，熟练应用AI，一个人绝对可以顶好几个用。我之前没有App编程经验，最近几个小时就编了两个App。

[coolcat]

如果top 0.0001%可以实现绝大多生产自动化，用机器狗。。。为啥还要这么多穷人？

你觉得穷人活不下去会发生什么？

[wdds]

你觉得穷人活不下去会发生什么？

自杀啊。。。

depopulation已经进行中啊，homeless, 不婚不育，吸毒，。。。

现在的社会在批量创造哪些职业？

如果现在创造的职业是送快递送外卖的，
你们告诉我为啥未来社会需要很多人口？

[qiangjin]

现在是不是应该把自己有限的资金拿出来，投资几个ai相关产品先捞它一笔？

[newrover]

楼主的分析不错，这样的讨论非常好。
作为一个半业内人士，我对这波由DL/LLM引领的AI浪潮还是感到非常乐观的。显然现在基于LLM的AI还处于婴幼儿时期，局限性还很多也很明显，但任何一个知识行业的专业人士对它的潜能都不应该抱嗤之以鼻的态度。

现在LLM AI系统的一大弱点还在于推理能力，但是一大批的聪明人和大公司已经在着手解决这个问题。一旦AI系统的基本推理能力的准确性和可靠性能够提高到一个初中生或者高中生的水平，商业应用的泄洪闸就打开了，无数的基础工作将被替代。