AI时代焦虑：学习与生活的平衡挑战

大家好，欢迎收看本期直播。近期家中事务繁忙，耽搁了直播，今天终于有时间与大家交流。很多朋友可能正在上班，但感谢大家周一的参与。有观众提到，对 AI（Artificial Intelligence: 人工智能）了解越深入越焦虑，甚至超过公司裁员的焦虑。我认为，在 AI 领域，焦虑是必然的，人人都会焦虑。但我们能做的，是先去学习，尽量多去了解、多去使用，跟上这个潮流。焦虑过度只会内耗，因为 AI 发展太快，内容更新迭代非常迅速。我每天都有很多稿子来不及整理。有朋友在用两张 H100 和 H200（NVIDIA GPU: 英伟达图形处理器）做实验，结果不理想，可以在直播中分享问题，或许有其他观众能提供思路。

近期，我主要忙于照护家中生病的老人。先是老丈人住院，后是丈母娘病情危急，进了 ICU。老人在换季时节容易出问题，这让我深刻体会到健康的重要性。AI 尚无法取代亲人的陪伴和医疗场景中的人文关怀。亲身经历一场重病，才明白有很多事情是 AI 无法替代的。这也导致我近期视频更新较少，直播更是难得。

关于 AI 的应用，目前阿里云的 coding plan（编程计划: AI辅助编程服务）很抢手，但市场宣传与实际产品成熟度之间仍有差距。很多宣传视频可能带有制作痕迹，大家需理性看待，关注实际效果。有观众提到，随着年龄增长，学习能力下降，尤其四十岁后思维固化。这确实是自然现象，我们只能尽力保持开放心态。我以前作为程序员，三十多岁时就预见到行业发展的挑战，尤其在三十岁时解雇一位四十多岁的同事，意识到年龄增长带来的思维和效率问题。人终将变老，行业变化又如此迅速，思考职业生涯的下半场变得尤为重要。现在高血压、糖尿病等疾病年轻化，四十多岁就心梗的例子并不少见。所以，保持健康是王道，适度锻炼而非剧烈运动。

数字人到真人：找回创作的本心

我最近有很强烈的感受，这甚至是我今天想重点讨论的话题：为什么我从数字人又变回真人。我用数字人做了一段时间的节目，但逐渐产生了生理上的不适。你会觉得自己在给AI打工，成为一个服务机器人的角色。这种感觉并不好，甚至有点恶心。因此，我决定切换回真人出镜，即便工作量更大，拍摄和剪辑更累，但反而能找回做节目的一些乐趣和初心。

AI 时代，大家都在用它提升效率，追求更大的生产力，但结果是会更累。我希望降低频道更新频率，避免被 AI 内卷推着走。这种进化是无止境的，如果一直逼迫自己，只会导致身心俱疲。我们真的需要做这么多事情吗？或许应该退回来一点，思考如何简化事务，哪些事情可以不做，而不是有了 AI 就无限度地去追求更多。

AI模型的迭代、幻觉与行业竞争

关于 AI 模型的讨论，有观众提出 Meta 新发布的 Muse 模型。我认为，尽管有人认为它重回第一梯队，但其整体性能和进化速度仍显滞后。AI 迭代速度极快，主流头部实验室都在利用 AI 进行自我进化。Meta 如果想追赶 OpenAI 和 Anthropic，必须赶上这种范式升级，而不是停留在传统模型研发方式。一旦掉队，追赶就非常困难。Meta 前期的战略摇摆导致人才流失、组织震荡，使其难以集中力量进行创新。相比之下，Google 的调整速度则令人赞叹，在大组织内部迅速适配 AI 发展，展现了其雄厚的技术积累。

AI 能力越来越强，但有观众反映，使用 AI 编程时，若控制不当，容易产生“屎山代码”，耗费大量 token（代币/算力单位: AI模型处理信息的最小单位）进行修改和校验。这凸显了 Harness（工程框架/约束机制: 规范AI行为的自动化系统）的重要性。此外，使用 AI 过多有时会产生“AI 厌倦”，感到头晕眼花。在信息爆炸的 AI 时代，我们需要了解并跟上潮流，但普通人无需将所有生活压力都寄托在 AI 上，社会仍具多样性。AI 是工具，需与个人需求结合。对于行业从业者，可能需要投入更多精力；但对普通人而言，生活本身仍需维系，赚钱并非唯一衡量标准。

关于 AI 的“幻觉”问题，特别是数据不准确，有观众提到 豆包（大语言模型: 字节跳动开发的LLM）在数字和年份上容易出错。这需要通过 prompt（提示词: 指导AI行为的文本指令）进行规范和反复校验，甚至结合人工复核，尤其在关键数据和计量单位上。完全信任 AI 仍不可行。

Anthropic 的模型被指“降质”，可能是因为算力不足或模型微调后的性能波动，而非主动为之。任何公司都不会主动降低产品质量。OpenAI 也面临类似挑战，其产品功能多样但后续跟进乏力，更像是一个实验室风格的公司。

AI的产业影响与未来展望

AI 对各行各业的影响正在显现。传统行业如建筑设计，受到 AI 影响的同时，经济环境的冲击可能更大。AI 更多是在取代电脑上的知识型工作。在医疗领域，利用 AI 进行医院分诊分类，减少资源浪费，是一个有前景的方向。AI 在软件工程的底层逻辑上已产生深刻变革，从传统的 CI/CD（Continuous Integration/Continuous Delivery: 持续集成/持续交付）到现在由 Agent（智能体: 能够自主感知、决策和行动的AI程序）驱动的自动化，效率大大提升。未来的软件工程将更侧重于自动化工具间的协作。

对于系统架构师等认证，如果不在体制内或国企工作，其在互联网公司中的作用可能不大。互联网和 AI 公司更看重实际能力和经验。

关于 AI 模型的部署，Gemini Flash 的编程能力被低估，其性能接近 Gemini Pro 的80%，但在速度上有显著提升。本地运行小模型对个人非发烧友而言，意义不大，市场上的 AI 工具已足够应对日常需求。但对于企业场景，考虑到数据隐私和安全性，本地部署 Local LLM（本地大语言模型: 在本地设备运行的大语言模型）则有其必要性。

国内 AI 初创公司的融资环境并不乐观，存在明显的马太效应，资金主要流向头部企业。对于中小企业，更建议在垂直领域深耕，先求生存。AI 硬件创新可能是一个机会，因为中国在供应链方面有优势，且硬件的收入模型相对确定。

AGI（Artificial General Intelligence: 通用人工智能）的定义与实现仍在不断被提高标准。十年前的 AI 在我们看来已是 AGI，但随着技术发展，我们不断提高对其的预期。AI 在广度上表现出色，但在某些深度问题上，仍无法达到人类专家的水平，但这取决于我们如何定义“深度”。

回顾 AI 行业的发展，从2018、2019年到今天，短短几年时间，AI 技术实现了飞跃式发展。从传统的 机器学习（Machine Learning: 计算机通过数据学习规律）到 生成式AI，技术代差巨大。曾经的 AI 四小龙所用的技术，现在看来已是“old school”。现在的 AI 工程师不再像过去那样一行行敲 Python 代码，而是利用 AI 生成和迭代模型。金融领域的 风控（Risk Control: 风险控制）和 反洗钱（Anti-Money Laundering: 反洗钱）等领域， AI 技术应用最为迅速，模型迭代快，能够处理更海量的数据。

个人反思与未来展望

现在 AI 发展的密度极高，每两周就有重大消息或技术突破。我们正处于 AI 发展的早期阶段，其潜力远未触及上限。AI 的进化速度仍将继续，并将从 coding 等传统领域扩散到生命科学、材料科学等高知领域。AI 与其他科学的结合，有望带来突破性进展。未来的机器人将结合本地和云端模型，实现快速响应和长程推理的配合。

对于个人而言，如何在上外网、选择 AI 工具以及平衡生活与技术是需要思考的问题。投资方面，AI 领域的芯片、模型以及能源、电力、存储等基础设施建设都值得关注。尽管 AI 领域存在炒作成分，但其核心驱动力仍在，并持续推动各行业变革。我们应保持警惕，但也不必过度焦虑，更要关注自身作为人的价值与体验。

大飞的频道目前主要通过 YouTube Partner Program（YouTube合作伙伴计划: YouTube的广告分成模式）的广告收入和少量会员订阅、打赏来维持。这种轻量模式避免了重交付的知识付费课程，降低了心理压力，希望通过分享信息，帮助大家提升生活和工作。

未来的 AI 发展将是 AI 训练 AI 的过程，这是一个自我迭代的思维模型。我们的视频内容也可能成为 AI 训练的资料库。虽然 AI 强大，但人类的情感、直觉和对事物的深层理解仍是其难以取代的。最终，我们如何在虚拟与现实之间找到平衡，活出“更像人”的状态，将是 AI 时代的重要课题。

感谢大家的陪伴，今天直播到此结束。祝大家身体保重，用餐愉快，我们下期视频再见！