AI的有用无用

indy

【今日引言】

保羅・納斯爵士（Sir Paul Nurse）：

「AI 在我的研究中越來越有重要地位，至今最大的協助來自 Google 旗下 DeepMind 所開發的 AlphaFold，幫助我們從胺基酸序列序列預測三維立體的蛋白質結構。雖然預測並非完美，但是已經極大地促進了我們對於蛋白質的預測，至今 AlphaFold 已經預測了 2 億個蛋白質的3D結構，沒有它，人類可能要耗費上百萬年才能窮盡這些可能。今天從科學發現、癌症治療到新藥開發，都仰賴 AI 的協助。」

「相較之下，ChatGPT 對我們可以說是毫無用處，它只能回答出一個高學歷學生中等品質的答案，從來無法提供任何協助。當然，ChatGPT 進步得很快，也許不久後會有不一樣的結果。但是截至今天為止，它對我們毫無用處。」

▪️▪️▪️▪️▪️

保羅・納斯，出生時因為是母親的非婚生子女，所以母親偽裝成他的姊姊，以便日後改嫁。而她的外祖母則偽裝成他的母親撫養他。納斯一直叫外祖母為媽媽，直到57歲時才知道他的母親其實是他的外祖母。

他中學畢業後，因為外語考試屢次失敗，所以沒能進入大學就讀，只能在健力士公司的微生物學實驗室工作。最後辛苦進入伯明罕大學，畢業後三年，在東英吉利大學取得博士。

納斯極有科學天份，尤其對癌症的研究。最後成為美國洛克菲勒大學校長、英國皇家學會會長，並且獲頒爵士。他在 2001 年獲得諾貝爾生醫獎，又過 5 年後，他才得知自己的身世。

indy

indy

用AI寫論文、找媳婦都不靠譜

卓克

最近，AI社區裡瘋傳一則消息，就是俄羅斯一個23歲的小夥子亞歷山大（Aleksandr Zhadan）用GPT在交友軟體上聊了5239個女生，最後和其中一個訂了婚。

很多報導都把這件事當作AI時代來臨，對人們生活模式的衝擊。但專撿亮眼的部分說，無助於還原事情原貌。X（推特）上一位元電腦科學家（Ate-a-Pi）仔細扒了這位俄羅斯小夥的推文和在社區裡分享的內容，把他是怎麼找到女友的經歷梳理了出來，我帶大家看一看。

首先，找到聊天的女孩；其次，和這些女孩聊天。

怎麼找呢？就是從約會軟體Tinder上找，使用類似網頁爬蟲那樣的工具抓取使用者照片和基本資訊，比如年齡、星座，條件符合才行。照片當時設立的標準是必須擁有2張以上的，且得是亞歷山大喜歡的類型。怎麼知道是不是亞歷山大喜歡的呢？這個過程是訓練得到的，就是利用神經網路演算法學習他喜歡的那類用戶的照片，之後照著這個標準挨個用戶去扒。

當找到後這個機器人就會主動和對方打招呼。聊天並不是無目的的，而是要儘快促成一次約會。這個項目他是在2022年3月份啟動的，那時候還沒有ChatGPT，只有GPT-3的API介面可以申請。當時他給GPT-3的提示詞是：你是個男生，第一次和這個女生說話，你的任務是邀請她來一次約會。

最開始，GPT-3表現得非常差，經常忘了剛說過的話，讓女孩覺得這人不正常吧？而且，即便有些女孩同意了，留了自己的Telegram，類似於微信，希望用那個和他繼續聊，可亞歷山大做出來的軟體不支援訪問Telegram，於是也錯過了很多後續聯繫。

還有一些在Tinder上完成了約會，亞歷山大也線下見面了，但人家很失望。因為GPT-3在和人家了聊天時，說過要送花、送巧克力，亞歷山大沒有時間逐條看聊天記錄，見面時自然不知道GPT-3幫他承諾過這些東西。人家一看，玫瑰呢？說話不算數，很失望。

以上是亞歷山大做的第一版約會機器人，總共匹配了353個女孩的Tinder檔案，和其中160個人聊過，線下約會了12次，占聊天人數的7.5%。第一版機器人也是開發時間最長的，用得最長的。

第二版聊天機器人已經升級到GPT-4了。做了以下幾點升級：

1.每個對話過的女孩都有單獨的記憶；

2.支援Telegram和Tinder之間的消息同步；

3.集成了Google日曆功能；

4.對重要問題設置人工驗證，不直接回復。

第二版機器人的成果是，匹配了4886個女孩的Tinder資料，多到數不清的約會。比如2023年4月份，他一共有96次約會，平均每天3場。有些聊得好的，還會反復約。他自己說，最多的時候同時和4個女孩保持著約會關係。不約會時，主要是由GPT-4和這些女孩聊天，保持著感情熱度。聊天中出現重要的內容，也會自動提示亞歷山大。

在聊了很久天、約了很多會後，一個叫Karina的姑娘出現了。亞歷山大認為，她是最理想的，於是和其他女孩聊天的機器人都停了，只留了一個和Karina聊。為了保證萬無一失，給機器人設置的提示是，保持與Karina的良好關係，告訴我是否有什麼負面事情需要注意，或者需要回答的問題。

既然只有一個目標了，不再是同時和幾十個人一起發展關係了，這段時間亞歷山大在做什麼呢？

他覺得自己通過第一版、第二版機器人聊了5200多人，瞭解了她們相當多的資訊，尤其是那些簡歷裡無法獲取到的，比如真實的個人想法，他覺得這些都可以利用。於是就在俄羅斯的一個招聘就業網站上，把招聘資訊和從這些人的聊天內容分析出來的資訊做匹配，看看能不能為她們推薦入職。最終，有8人在這個匹配機制下被推薦了職位，並真的入了職。他還計畫出售由之前的約會機器人形成的聯繫關係。

之後第三版機器人和Karina單獨聊，開始到了談婚論嫁的地步，還為她設計了一場蜜月旅行。後來他們真的依據GPT給的建議去澳門和香港旅行，然後也完成了求婚和結婚登記。據亞歷山大說，他們還會在2024年8月舉行一個更正式、更隆重的婚禮。但直到登記結婚那天，Karina才知道他們之間有很多對話是GPT幫忙回復的，但她知道這件事後反應很平靜。

以上就是用AI找媳婦的梳理。很多人覺得不可思議，感歎科技進展的神速。更有很多人有話要說，痛批亞歷山大這種批量處理情感、出賣個人資訊的做法。但依我看，這些情緒都沒有必要。這件事更大可能是他的個人炒作，實際並不存在這樣一個戲劇性的女友。

首先，他雖然有這麼精彩的成就和吸引人的故事，但他在Github上並不是一個開發者，沒有貢獻過代碼。那麼，2022年3月就做出這麼驚豔的故事的時候，接近2年時間怎麼沒見他分享過這個經歷呢？

此外，這並不是他第一次出名。他是一個從大學起就非常善於炒作自己的人，上一次出名大約在一年前——2023年2月份，他曾經公開自己是用ChatGPT寫畢業論文的，而且學校還同意在這種情況下授予他學位。這些故事在當時吸引了很多媒體採訪他。

他畢業于俄羅斯國立人文大學，拿到的是現代組織管理的學位。目前在一家名為TenChat的有招聘屬性的社交平臺做產品經理，類似于LinkedIn。他在X上分享這個驚豔故事的目的其實就是炒作，具體怎麼炒作的，有待深挖，但交友、訂婚、登記這些事兒很可能都是編出來的。

還記得剛才說的嗎？他後來鎖定了唯一女主角後就不再和其他人聊了。之前用GPT海聊雖然有違道德，但還是有藉口的，比如說潛在符合的對象太多，挨個去碰浪費太多時間，由一個可以代表他的AI，和這些女孩批量地聊，能大大提升效率。咱們暫且認為這個藉口是可以接受的。

但後來只有Karina一個人了，還有用ChatGPT代替自己和女友交流的必要嗎？他女友的嘴要有多碎才能逼一個男人設計出一個聊天機器人來應付？他給出的解釋是，那段時間，他在用第二版機器人搜集到的聊天內容和招聘平臺的需求做匹配，而且還真的招聘來8個人。那個招聘平臺就是TenChat，也就是他所任職的那家公司。

你說這是不是太巧了？他到底是找女朋友呢，還是測試產品呢？或者和公司串謀好了、編了一個故事給平臺打廣告呢？

我覺得都有可能。我覺得最有可能的是，這是他的個人行為。也就是，他的公司確實在開發類似的產品，但不是通過在約會軟體裡爬資訊給招聘平臺，而是在更沒有爭議的領域獲取資訊，比如在他們自家的網站裡，利用使用者登記的求職資訊、利用使用者提交的簡歷來設計這麼一個聊天機器人，和求職者做初步的自動聊天，然後和用人公司的需求做進一步的匹配。

他覺得這個功能挺有意思，於是也拿來增加一些功能，可以讓爬蟲從其他軟體上扒內容，而且也真的和那個軟體的使用者產生了一些對話。對話品質能不能達到促成約會，起碼得能用於截圖宣傳自己的故事，達到這點就足夠了。

當然，他可能真的有一個叫Karina的女友，而且也很可能真的和她已經登記結婚了，也真的可能會在8月份舉行隆重婚禮。但這個女友並不是通過故事裡的方式——通過GPT篩選和聊出來的，而是和大家沒有什麼區別——朋友介紹的，家裡相親的，或者是從前的同學、同事之類的關係。但作為女朋友或者妻子，Karina很願意配合男朋友或者老公圓這場謊，畢竟如果這個事情影響力大漲後，會提升亞歷山大在業內的知名度。我這個遠隔幾千公里的人都聽說了他的名字。

我們再回看，他說自己女朋友在結婚登記的時候才第一次知道有這麼個GPT在參與聊天，反應卻是平靜的。這也是很難理解的。

此外，還有一個疑點就是他公佈的開銷。他說調用GPT的API，開銷是1432美元。如果按持續聊天聊2年算，每天花費2美元左右，這是個合理的耗費。餐廳約會的花費是20萬盧布，合人民幣大約1萬5塊錢。我覺得有點少。因為到了GPT-4時期，他截圖的2023年4月份，只一個月就約會96次。假如這樣的約會只維持了3個月，就算花費都按AA制算，每次最多他也就掏50塊錢，這就是每次約會的上限了。客觀地說，每次約會這個開銷是偏少的。

更可疑的就是那個副業了，就是那個幫忙匹配工作的專案，據說還幫他賺了52.6萬盧布，大約4萬塊錢人民幣。合著每成功推薦入職一個人，給5200塊錢分成。我聽著都心動了。不論我會不會程式設計，不論我是不是用GPT搞海聊的方式找內推機會，其實我只要是個普通人，工作過五年以上，我就認識不少打算跳槽的同行，我要是到TenChat上推薦成功一次，那可是不少獎金呢！

當然，以上全都是基於他推文的猜測，這件事的真假也只有他本人和他身邊的人才清楚。但從我對GPT-4的使用體驗來說，它在這兩人訂婚之前還沒有那麼強的性能，能讓一個正常的女子和一個隻知道互相之間聊天梗概，並且同時和N個女子交往的人，保持很久的約會關係，還不發現這個男的腦子有問題。

GPT即便到了今天也做不到這一點。它能把日常、冗餘、繁瑣的格式化的套話整理得很到位，也能在很具體細微的小點上給我們提示，但無法僅通過文字方式和真人保持線上加線下的戀愛關係。

在這些事情弄清楚之前，我們根本用不著繼續為他大開腦洞，感歎什麼科技進步，甚至琢磨出一些所謂的新盈利模式和產品思路。

indy

蘋果的AI在哪裡？請看 iOS 18

卓克

在2023-2024年的AI爆發過程中，科技巨頭裡我們唯獨沒有見到蘋果的產品。

我們就來看看未來幾個月蘋果將要發佈的新版作業系統iOS 18。這是蘋果展開AI產品競爭的主要平臺。

蘋果未來幾個月最重要的產品並不是什麼新硬體，其實是作業系統，iOS 18。這一版作業系統把一些AI新技術更新了進去：

首先是那個十多年前非常先進、如今已經被各家AI聊天工具甩下幾條街的Siri。在 iOS 18中它會全面更換演算法，用蘋果自己的大語言模型驅動Siri。

蘋果的大語言模型是什麼呢？有幾種傳聞。有的說是跟蘋果的老戰友谷歌合作，使用谷歌的Gemini，還有傳聞說大約是一個訓練參數超過2000億的多模態的大語言模型，開發代號是Ajax，名字可能是Ferret。

我們知道，GPT-3模型的參數是1750億，規模不小。但這樣的模型存在一個問題，在本地運行還是在雲端運行。從蘋果現在透露出的資訊看，蘋果打算另闢蹊徑，讓Ferret在本地運行。

這其實是一個不可思議的事情。我們知道，GPT-3或GPT-4表現很搶眼，但它們都是在雲端運行的，我們的手機或PC只是發出問題和接收答案，所有的計算都由OpenAI的伺服器群組搞定。上億人的使用，推理計算量是非常恐怖的，於是我們這一年多來就遇到各種ChatGPT無回應、輸出慢、被駭客攻擊等等問題。

模型的推理運算放在雲端，當然有OpenAI自己的考量，但也有實際中的選擇的必要性。因為放在本地運行，需要佔用海量的記憶體。

我們可以最保守地、最粗糙地按照每10億參數佔用1GB記憶體去換算，那麼2000億參數就需要200GB記憶體，然後為了保證其他軟體的順利運行，還需要額外多準備出十幾GB的記憶體，於是能運行Ferret大語言模型的蘋果手機可能需要配210GB記憶體。可今天最頂級的iPhone15 Pro Max是多少記憶體呢？8GB。要運行多模態大語言模型，需要把記憶體加大26倍才可以，這是不可能的。今天就算是安卓陣營的手機，最高記憶體也只有32GB，離210GB還遠得很。

但蘋果還是打算把這個模型放在本地運行，方法是使用快閃記憶體。通俗地說，就是iPhone存放照片和安裝App的那部分快閃記憶體空間。

通常來說，這麼做速度上會慢15-50倍，從一秒鐘30個token的輸出速度下降到一秒鐘1個，或者還不到一秒1個。你可以想像一下，大約1-2秒鐘才蹦出下一個字，一段300字的答案你要等7-10分鐘才能完整顯現出來。這種速度其實已經不可用了。

但蘋果所做的突破正在於此——大幅優化快閃記憶體中大語言模型的運行速度。具體方法就是，在大模型運行過程中，只保留一開始就啟動的神經元，後續每次運算都基於前一次參數的啟動狀態進行刪除和添加。蘋果把這個技術起名為滑窗（sliding window）。此外，還有優化傳輸的一些操作。

這樣做是否可行呢？它可能需要一個前提，就是大語言模型在處理前後兩個token的時候，神經元啟動的狀況是否高度相似。

蘋果為什麼一定要把占空間好幾百GB的模型放在本地呢？這應該是出於隱私保護和使用體驗的雙重考量。

隱私保護上，很容易想到，一個從輸入到輸出都局限在本地的模組，使用者就不擔心資料洩露的問題了。就算大部分用戶壓根不擔心，很多政府也會替你擔心，然後用各種長短不一的政策禁止蘋果銷售手機，或者每隔幾年罰蘋果一筆幾百億美元的鉅款。要是放在本地，這些問題都沒有了。

使用體驗上，我其實不太期待Ferret的處理速度能比ChatGPT或者Claude快，大概率說，也應該會更慢一些的，只是不會慢到不可用的地步而已。但本地的好處就在於，Ferret可以把你手機裡的文字、圖片、視頻，還有iOS系統內任何形式的資料庫，都方便地當作處理對象，每個App都可以放開對Ferret的讀寫許可權，尤其是蘋果出廠自帶的那些。於是從iOS 18開始，你的手機就是一個從作業系統到App全面支援AI管理和協助的終端了。

而蘋果的優勢還不止於此。因為iPhone、iPad、MacBook這些硬體裡的處理器，不論是A17還是M3，都早早留出了很多神經網路專用的算力。

比如，對iPhone來說，其實從2017年就開始首次在iPhoneX裡那台A11處理器中內置了神經引擎。當然今天來看，它的處理速度實在太慢了，只有0.6TFlops。而到了A15，也就是對應iPhone13 Pro的時候，算力就提升了26倍，達到了15.8TFlops。而最新的A17 Pro，已經達到了35TFlops。

神經引擎不斷地增長算力，在之前幾年都沒能好好利用上，這次處理本地模型時正好派上用場。所以，別看好像是Siri語音助手的演算法更新了，其實很可能是iPhone手機全面AI化的重要里程碑，Siri語音助手只不過是多模態大語言模型中語音輸出、輸入的部分。

我們可以設想一下，今後跟Siri說“幫我從照片庫裡找到孩子2歲零1個月時身高和體重的情況”，或者“從提醒裡統計一下最近半年我和誰見面見得次數最多”，或者是跟海外客戶打電話時，你聽到和說的始終只是母語，而對方聽到和說的也只是母語，雙方不需要翻譯，就能順暢溝通。這些都需要AI在硬體、作業系統層面做好基礎建設。而一旦蘋果這麼做了，今天很多計畫開發AI助手的那些APP的創業公司，也會面臨滅頂之災。

在新的iOS 18裡，還會為AirPods Pro開發新的助聽功能。

如果說把AI做進作業系統會讓很多創業企業被席捲，那麼助聽功能的加入估計會顛覆一個傳統行業，那就是助聽器行業。

平均來說，全球每10個人裡就有1個人有聽力障礙，他們主要集中在老年群體。聽神經的不斷受損，導致60歲以上的群體，每4個人中就有1個人是聽力障礙。如果年齡繼續增加到70歲，每3個人中2個人是聽力障礙。到了90歲，則是每100個人裡，96個人都有聽力障礙。

但是統計中，其中超過一半的人都是不配助聽器的，目前只是處於湊合狀態。就算配，也都選擇了助聽器領域傳統的幾大品牌。

助聽器和耳機不同，屬於醫療器械，所以存在著准入門檻。但是不得不說，自從2015年之後，也就是深度神經網路大規模應用後，音訊信號處理的水準出現了斷崖式的提升。但這種提升和與之伴隨的激烈競爭並沒有出現在助聽器行業，而只是出現在了耳機領域。

一個典型的例子就是：2015的時候，一個坐飛機時戴上以後可以通過降噪技術隔絕大部分發動機噪音的耳機，如果賣3500塊錢的話，九年之後的2024年，同樣降噪水準的耳機只要花350塊錢就能買到了。不到十分之一的價格，而且重量還更輕。

激烈競爭沒有出現在助聽器行業的意思是，使用了類似新的演算法的助聽器，哪怕在今天，價格依然非常昂貴。你要是打算花大幾千塊錢、一萬塊錢出頭，買一個使用了深度神經網路演算法、做得效果很好的助聽器，那純屬妄想。準備四五萬塊錢可能還差不多。

究其原因在於，助聽器是醫療器械，不是消費類電子產品，很多有實力大幅降低成本的消費類電子廠商就被擋在了FDA的管控之外。但實際情況是，因為技術的飛躍式發展，消費類電子產品在輔助聽力上的效果其實已經超越了醫療領域的助聽器，而且還不是超越了性能最落後的那一小部分醫療領域的助聽器，而很可能是超過了大部分。

咱們雖然一直追求每個結論都有充分的證據支撐，但是在AirPods Pro超越大部分助聽器這一點上，還真沒有太多證據可以搜集到。就像我說的，這個行業不太透明，也沒有條件促成兩個領域的產品跨平臺對比。但憑我多年從蛛絲馬跡找可疑點的經驗來看，這層窗戶紙，大概會在iOS 18這一代助聽功能上線之後被捅破。

2024年6月份之後，大家會不時地在網上看到各種UP主找自己的爺爺奶奶試用這個功能，然後問爺爺奶奶，和他們花幾萬塊錢的助聽器對比，效果怎麼樣。我相信，這個2000塊錢的東西會秒殺不少2萬塊錢RMB以內的助聽器。因為今天有一些視頻博主已經這樣做了，而且僅僅是使用了對話增強功能而已。

對話增強功能並沒有針對單個人的聽力做精準的適配。適配就像選足球鞋那樣，其實踢球的人知道，買足球鞋不能像買普通運動鞋那樣，而是需要買包裹性好一些、緊一些的才行，這就對腳型的適配程度有更高要求。配助聽器之前也需要進行聽力測試，測試一個人在N個頻率點上對聲音的感知度下降了多少，然後在製作助聽器時，需要針對性地在那N個頻率點上給予恰當的補償。

一般來說，人老了以後，對高頻就不再敏感，於是大多數助聽器拿給普通人戴上，一聽，嘩啦嘩啦的尖銳的聲音非常刺耳。那是因為我們這些年輕人對高頻依舊敏感，所以聽上去才刺耳；而老年人正因為在這部分的感知力下降很多，所以我們聽到的刺耳聲在他們聽來，其實是把從前那些悶悶的聲音，變成了正常聲音而已。

而具體在1500Hz、1600Hz、1700Hz、1800Hz，直到5000Hz，每個頻率點上需要補償多少，才正好適合當前這位老人的耳朵呢？這是需要實測才能知道的。

之前蘋果只是針對普通人的聽力特點放大了語音部分，把它設置為語音增強，這就已經讓AirPods Pro戴起來超越一大堆助聽器了。

那麼等iOS 18上線了助聽功能後，也應該會開放一個N個頻率點放大率手動調整的功能，這樣我們就可以根據醫院檢查的結果進行調整，甚至助聽功能的功能表裡就有這樣的測試。

如果蘋果到時候真的願意用它們的AirPods Pro去申請FDA的OTC助聽器證書的話，我估計理論上也是可以通過的。那麼助聽器行業長期以來憑藉醫療設備准入資質形成的利潤護城河，估計就要面臨全面崩潰了。而全球至少上億的聽力障礙且買得起AirPods的老年人，將大大受益於iOS 18。

以上就是兩個iOS 18新作業系統的特性，它們都很重要：一個會生長出第一個完整生態的AI手機；一個會顛覆每年120億美元規模的助聽器行業。

mezhan

indy 发表于 2024-3-20 12:54
蘋果的AI在哪裡？請看 iOS 18

卓克

隱私保護  写者露腚

是数据独占.

indy

百年未有之大变局下，破局的重点在哪儿？

碧树西风

今天回答一个读者问题，他问我：

较长一段时间来看，也就是说，假如AI最后没有发展成超级大脑，又展现出了它用算力取代普通人脑的巨大的作用，那么试问，这是不是人生逆袭的放大器？

这个问题很有代表性，咱们拿出来公开讨论。

我的观点非常简单，如果技术演进路线像你描述的这样，那么很简单，你去回顾下互联网的发展路径。

然后你就会清晰地看到一个事实，什么是互联网？

互联网本质上就是一个放大器。

这个放大器存在的作用就是降本增效。

在没有互联网的时代里，你会发现每个省份，每个城市，都有自己传统的品牌，比如陕西人吃肉夹馍，喜欢配冰峰汽水，新疆人吃烤肉，喜欢配卡瓦斯。

但是在外地并不多见，这种就叫当地品牌。

你去看小区门口，都有那种杂货铺，有个老大爷，可能已经干了很多年了。

随着互联网的兴起，严格意义上讲，并不存在什么所谓互联网新商业，只不过是已有的商业进行了一次互联网化。

原来你是在女装街摆摊的，原来你是在小区门口卖零食的，现在统统搬到了网络上，重新创业。

那么在这个过程中，全国的商家一起拼杀，从每个人赚自己局部的钱，变成了5%的头部赚钱，95%的非头部赔钱。

这实际上是什么？

是乡村钢琴手和贝多芬同台竞技，一起出现在消费者面前，让消费者选择的结局。

结局就是乡村钢琴手出局，贝多芬通过网络传播到全世界。

所以互联网的本质是什么？

它就是一个放大器，一个超级放大镜对着你照，你身上有什么，那就给你放大100倍，如果你身上什么都没有，那你烟消云散。

这个过程就叫做降本增效。

千万不要以为只有互联网才带来了这个，没有互联网就会回到过去，回不去的。

你去观察下综合体这个相对于以前沿街商铺的新的实体形式。

综合体怎么赚钱的？收租金么？不是的。

综合体的赚钱模式很简单，就是邀请那些大牌商家，名牌店家用极低的租金入驻。

这些大牌商家的固定消费者就会追随品牌而来，给综合体带来人气。

然后综合体问那些不知名的小商家收取极高的租金，而且一次性收几年，中途退出是不退的。

这些小商家看到大品牌入驻，误以为能赚钱，于是高价租下门面想要大干一场。

但实际上，他们当中8成都是勉力支撑，很多两三年内就会倒闭。

如果他们不倒闭，综合体就会提升租金，保证每年要有2成以上的小商家倒闭，这样一方面可以吞没他们一次性交纳的抵押金，赚一笔。

另一方面，让综合体里面不断涌现新品牌，带给客户新鲜感，保持客户光顾的兴趣。

看懂了吧？哪怕没有互联网，实体商业也是养蛊，永远都是区域降本增效的方式，越来越卷。

所以说，乡村钢琴师怎么也打不过贝多芬。

只不过互联网加速了进程，让贝多芬跨地域，迅速降临在乡村钢琴师的舞台上，这就是所谓的降维打击。

那么有人会问我，我觉得不是呀，我看到很多所谓的网红汽水并不好喝，味道还不如喝了几十年的冰峰。

我看到很多网红，他们也没有你说的什么贝多芬那么优秀，给我的感觉是他们还不如我呢，土不拉叽的。

你说对了，但这是另一个话题，所谓360个赛道还是1个赛道。

我给你举个例子，咱们有14亿人，当没有互联网这个平台的时候，是怎么消费的？

分开消费。

比如你们村叫白鹿原，白鹿原上的村民，比如100个消费者，聚在一起听乡村乐手的音乐。

那么我问你，听的是什么音乐？这个好听不好听的评判标准是谁制定的？

其实是白鹿原上那100个人里面的大多数。

如果90个人都说好听，那就叫好听，剩下那10个人的意见重要么？不重要。

因为100个人的消费规模已经很小了，只能养得起一个乡村乐手，那10个人的规模就太小了，他们根本什么也养不起。

可是这10个人，有没有自己的审美癖好？当然有。

有的人也许就是喜欢看人踩钉子，有的人也许就是喜欢看人掏蚂蚁窝，100个人里面总有几个人的价值取向和大家是不一样的。

当初没有互联网这个放大器的时候，这些需求，永远都凑不成一个市场，但是有了互联网，于是发生了什么？

从1个赛道，变成了360个赛道。

全国14亿人里面喜欢踩钉子的，抱团了，你看着一个村里就一个，全国也许有几万个，他们有他们共同欣赏的网红。

全国14亿人里面喜欢掏蚂蚁窝的，抱团了，你看着一个村里就一个，全国也许有几十万个，他们有他们共同欣赏的网红。

这就叫1个市场变成了360个市场。

你待在最主流审美的那个市场里，你待在1号市场里，你看不起第350号市场，你觉得那个头部土不拉叽，不算人才，问题是，这只是你觉得。

真搁到人家那个分支市场里，人家就是踩钉子，踩最好的。

所以千万不要误以为别人普通，别人一点都不普通，人家就是头部，只不过是你自己不欣赏的那种头部。

我们一定要明白一个事实，放大器打造互联网统一大市场之后，可以雨后春笋一样冒出360个分支市场，但是有没有可能冒出14亿个市场？14亿人集体做网红？

你仔细想想看，有没有可能？

没有。

所以我说，不要做梦，从来也没有屌丝逆袭的故事，所有站在舞台上的，都是某个细分市场里的王者。

哪怕是踩钉子的。

这就是放大器的作用，它只能把你身上原来有的，放大，不可能说你啥也没有，它给你凭空变出优势来。

那么我们把目光拉回到AI，也是一样的。

假如AI最后没能产生超级大脑，但是可以取代绝大多数普通人的工作，那么它实际上相当于什么？

相当于免费实习生。

就等于给各家企业免费发放实习生，不用包吃包住，无需休假下班，月薪几块钱。

那么这个时候，你很快就会发现一个事实。

什么事实？

这一切跟当初传统商业接触到互联网是一样的。

互联网解决了什么问题？曝光问题。

如果你是个没落的贝多芬，哪怕你是个全国踩钉子最好的那位，你都可以迅速让大家看到，迅速占领全国市场。

但是，一旦你不是王者，比如你是村头音乐家，对不起，你将完全失去曾经有过的地域保护。

那么同样的道理，你把目光投放到开公司这件事上面来。

假设现在公司有一万家，这里面一定有些公司的老总是韩信一样的大神，他完全知道怎么赚钱，只差免费实习生了。

那么他的优势就会被放大。

原本他的事业要做十年，要慢慢积累，现在一年就做起来了。

可是，多数公司，多数指挥官并不是韩信的公司，会面临什么？

面临巨大的竞争压力。

因为随着免费实习生的无限量供应，到底谁才是那个韩信，谁是那个刘邦，谁是那个乱指挥的，一览无遗。

韩信点兵，多多益善，刘邦将兵，不过十万，有些指挥官，人一多就乱。

想通了么？

当大家有了无限量的实习生之后，实际上在拼什么？

在拼看谁知道做什么。

在拼那个指挥官的素质。

如果你不知道做什么，给你一堆的免费实习生，最后的结果就是踩踏，乱得一塌糊涂，你队伍都还没出发，就崩了。

如果你很善于知道做什么，那么这些免费的资源，才会被你发挥出韩信一般的作用。

所以你发现问题又回来了吧？回到你自己身上了。

让你逆袭的难道是一堆实习生么？不，是你自己的真实水平。

互联网只是一个放大器，你到底有没有两把刷子，有，还是没有。

AI也只是一个放大器，你到底能够指挥多少免费劳动力，让它们发挥正效果，而不是负效果。

俗称竞争从来不会消失，竞争只是加剧了。

你以前还可以找借口说自己勤劳，说自己努力，说自己只顾着埋头拉磨盘，未曾抬头看天，从未思考过，该做什么。

那么随着竞争的加剧，这一切你就得思考。

否则就没有事情交给你做。

放大器的本质和投资里面的加杠杆是一样的。

没有哪个投资人是加杠杆赢的，加杠杆只是个放大器，你盈利了它能放大，你亏损了它同样能放大。

决定你到底盈利还是亏损的那个核，其实在你自己身上。你本身到底是盈利还是亏损？

所以你看懂了么？重点在AI身上么？

不，不，重点在你身上，重点不在于放大器身上，重点在于你这个要被放大的原始素材身上。

换句话说，如果你真的想要把握AI时代，最该提升的是什么？

反而是自身的水平。不是有了它你就不用提高了，恰恰相反，有了它，你提高自身能力的压力，前所未有的增大了。

你始终都是在和人竞争。

就像两个指挥官，你不是和对方的AI兵在拼死活，你是和对方的指挥官在较劲。

这就叫人的游戏。

无非这个人的游戏里面最初可能70亿人都参与，后来可能7亿参与，再后来7000万参与。

那么随着人的规模的缩小，你的那个人类对手的素质是不是变强了？

所以重点来，你到底在比拼什么？

比拼的始终是人的那点素质。

从和100%的人争，到和10%的人争，到和1%的人争。

你始终在和人争。

这就是为什么令狐冲从来不接冲虚道长一道道光圈的复杂太极剑招，而是直指核心。

我把那个舞剑的人拿下了，我还管你什么剑招呢？

indy

房間裡來了新大象

九邊

很多老百姓對遊戲這個產業是很糾結的，在他們眼裡，玩物喪志，遊戲毀了那麼多人，不禁了等啥？

這種糾結甚至反映在政策制定上，一方面國家明顯是想發展遊戲產業，電子遊戲一直以來都是個極度“技術密集”和“智力密集”的產業，畢竟這玩意最早就是誕生于麻省理工的實驗室，由著名大神塞拉爾操刀搞出來的。

從誕生起，電子遊戲就是純技術驅動的產業。遊戲對電腦的影響遠遠超過大家的想像，甚至可以說，美蘇冷戰，蘇聯輸得乾脆利索，很大一部分原因就是在電腦革命中徹底落了下風，而電腦芯片最重要的推動因素，沒有之一，就是遊戲產業。

其實重來一次，蘇聯還得輸，促進芯片發展的動力不是國家科學院，而是塞在各種遊戲機裡的大小芯片，是遠超過蘇聯軍工產業規模的遊戲和消費市場。

那麼多人買電腦和各種任天堂學習機，廠家回收投資後繼續加大研發力度搞競爭，有意無意推動了電腦芯片按照摩爾定律往前發展。這種正回饋要比純國家投資效率高的多，也持續性強的多，尤其是方向不明的情況下。

毫不誇張地說，是遊戲宅男們的購買力不斷推著芯片越來越強。如今站在AI的大門前，用來玩遊戲的顯卡又成頂樑柱了。

不僅硬件，遊戲產業對軟件的要求也非常高，在國內外都是個高薪產業。遊戲產業帶動了一個科技分支，也就是“電腦圖形學”，現在AI攔截導彈和無人機，也用到這個技術。

很多人希望自己的孩子能考名校，將來進騰訊阿裡華為，將來拿高薪。其實這些大廠多多少少都在涉足遊戲產業，菊廠走的比較遠，直接開始搞芯片了。

搞芯片也得有收益，現在主要是面對AI訓練大模型，遲早會走向遊戲消費市場，畢竟這個市場更大更有連續性。宅男們踴躍購買，才能保持利潤，籌集更多錢搞研發。

以前遊戲產業主要被國外壟斷，這主要也和國外對遊戲產業比較寬容有關。很少有人會把遊戲和“墮落”聯繫在一起，就好像我國每年因為車禍死亡6萬人，卻沒人提議把汽車禁了一樣。

整體來講，這個產業我們是全面落後的，從硬件到軟件。

國家是知道這個的，所以對遊戲相關產業一直是扶持態度，有些省會甚至有遊戲產業園。但是同時考慮到群眾對遊戲產業天然的不信任，大家也看出來政府對版號什麼的謹慎又謹慎。

所以這些年中國遊戲產業發展得磕磕碰碰，不過整體是向前的。查了下資料，現在也是個千億規模的產業，甚至一部分遊戲實現了出口創匯。只是整體上，開發水準還在追趕歐美日韓，目前還比較缺那種具有世界級影響力的自研IP產品。

不過移動互聯網時代的降臨給了新機遇。

因為傳統歐美遊戲產業依賴的是類似你去買車那種玩法，一手交錢一手拿貨，生產出來的產品又大又精美，開發週期巨長無比。

玩家也主要都是那些對遊戲有要求的宅男們，他們願意花幾千到幾萬購買顯卡、電腦和遊戲主機，在大螢幕面前沉浸體驗高品質的遊戲內容。

很多人甚至願意花幾百上千個小時玩一款遊戲。這個真不是瞎說，大家去看看那些B站遊戲大神，他們動不動在類似《異星工廠》、《缺氧》、《僵屍毀滅工程》這類遊戲花費一兩千小時。

但是這種模式的毛病就是規模限制，得是真玩家才行，畢竟門檻太高了，需要組個桌上型電腦電腦或者買個高價遊戲本，PS5這類主機，最好有個客廳，這就太為難人了，勸退了很多人。

移動互聯網時代降臨後，局面又發生了變化，大家手裡都有個手機，都是潛在客戶，但是這些人不願意為遊戲花錢。

在2013年前後，針對這種情況，中國第一批遊戲廠家開始面向手機用戶開發遊戲，儘管研發能力不太行，但是在海量用戶運營、移動機型適配等方面積累了豐富經驗。

同時也崛起了一種新的商業模式，也就是免費遊玩，付費買裝備。這個商業模式現在歐美遊戲廠商也想做，這個之後再講。

手機遊戲潛在的使用者規模可就大了，不過隨之帶來的挑戰也很明顯，遊戲廠家需要適配上無數型號的手機來開發遊戲。還得通過不同的網路環境進行優化，還需要部署大量的分散式伺服器，畢竟玩家可能在地鐵裡，可能在辦公樓，也可能在馬路牙子上。

中國廠商等於是在國內市場經歷了地獄磨煉，要說什麼遊戲玩到一半掉線重連、弱網路環境下順暢連線這些技術，中國手游敢說第二，沒人敢說第一。

經過這些年的積累，中國企業在手遊方面佔據了絕對的優勢，全世界排名靠前100款移動遊戲，中國占了三分之一。

更重要的是，如今的中國遊戲也已經走出了國門走向了世界，比如騰訊早在2019年就把遊戲海外收入納入財報，這個月他們公佈財報，去年騰訊遊戲收入的30%來自國際市場。

所以到如今，全世界範圍內的遊戲市場形成了一個類似扁擔的結構。

我國遊戲廠商在手游方面很厲害，比如大家熟知的騰訊和米哈遊，也就是搞《原神》的那個。但是暫時還開發不出類似《艾爾登法環》或者《荒野大鏢客》這類主機遊戲。

國外廠商更加擅長主機遊戲，也就是你得買一個電腦或者PS5才能玩的那種。這類遊戲太大對硬件要求太高，在手機上玩不了。國外廠家普遍對手游研究不深。

現在兩端都盯上了對方的勢力範圍。

我國的手遊廠家希望提高自己的研發能力，進軍主機遊戲市場。那些主機遊戲眼饞手遊巨大的市場，也想做手遊。

這當中最成功的，應該是韓國的那個《絕地求生》，和騰訊聯合開發了手遊版，全球範圍內取得了巨大的成功。

現在的西方遊戲市場，可能也是競爭太惡性，而且遊戲開發的成本太高，現在開發那種大型遊戲風險越來越高，動不動也是投資好幾億，傳統的商業模式兜不住成本了。

西方遊戲市場在23年下半年開始進入裁員潮。2024開年至今，已有預估8000名遊戲人被裁員。能看到西方廠商這幾年也在面臨轉型難題。

更深一步來說，歐美廠商眼饞的不僅是手遊，而是手遊興起的商業模式，也就是之前提到的免費遊玩模式。

他們轉型，只能是往我們這邊轉。

從傳統的一次性購買遊戲的商業模式，轉向免費遊玩＋內購，或是低價門檻費＋內購的商業模式，這種內購不僅限於之前說的皮膚、道具，也可以是按月支付的會員費，因此免費遊戲在近幾年也有了一個新名稱：服務型遊戲（Game-as-a-Service，簡稱GaaS）。

GaaS的商業模式能提高遊戲的收入上限，是許多傳統歐美大廠轉型的目標。這背後的挑戰也很大，服務型遊戲從技術、研發到運營都有和單機不一樣的邏輯。

曾經有個國內遊戲開發者告訴我，發現海外嘗試做GaaS遊戲的團隊在遊戲上線後，依舊按照以前做單機的慣性開始減人，這也正常，咱們做項目，結項之後只留幾個人維護就行了。但對於GaaS遊戲來說，遊戲上線後反而應該增加人力，因為後續的內容更新和運營工作工作量只會更大。

所以說依託新技術和新商業模式，本來在遊戲方面全面落後的我國企業竟然有點彎道超車的意思。也不是彎道超車，反正佔據了一些優勢。

也正是因為中國廠商一方面非常積極學習和融入海外成熟的研發模式，另一方面也有自己的一些優勢，它們不知不覺成了進入世界市場的大象。去年的科隆遊戲展，上周的GDC，中國廠商可以說越來越大規模的集中登場。

這個GDC大家可能沒咋聽說過，其實在遊戲圈裡可以說無人不知。

GDC第一屆舉辦於1988年，當時還在一個宅男客廳裡舉辦，參會人數25人，門票費用0。36年後，第36屆GDC於美國三藩市最大的會議中心莫斯康會議中心舉辦，參會人數超過2萬8千人，門票費用達2500美金（約人民幣18000元），依然吸引全球的遊戲開發者前往朝聖。

而且很多人沒意識到，現在AI應用最迅速和廣泛的領域就是遊戲，AI跟遊戲的關係緊密得超乎很多人的想像。首先，搞AI的芯片的前身，就是打遊戲的顯卡，沒有遊戲，哪有今天的英偉達，而且連Open AI聯合創始人兼首席科學家Ilya Sutskever也說，遊戲推動了ChatGPT的誕生。

自2016年起，GDC專門設立AI主題峰會，號召遊戲領域的頂級AI來到GDC進行分享交流。可以說，很有前瞻性了。在2024年的GDC上，AI峰會主要包括機器學習和AI兩個方向。在AI峰會的30個議題中，騰訊的分享就占四個，網易、位元組跳動也做了相關分享。在全球舞臺上，最熱門的技術趨勢下，以騰訊為代表的廠商越來越顯性了。

從2015年開始，GDC設置了Free to Play（即免費遊玩）峰會，今年也能看到很多海外大廠也在做可持續運營經驗分享，也能看出來，GaaS這種商業模式越來越得到認可。

歐美廠商在轉型，那麼對於中國廠商來說，也同樣在面臨行業拐點。

現在中國玩家的遊戲審美在不斷提高，或者往大裡說，全球玩家的品味在趨同。所以中國遊戲要想真正進入全球市場，就必須提升遊戲品質，讓全球玩家都想玩。

這也是為什麼這兩年能看到一些中國廠商又開始做PC和主機遊戲了，或者至少做跨端遊戲，就是同時上線手機和PC主機平臺，甚至可以跨平臺連線，因為這些平臺能夠承載更高品質的遊戲，也能進入更多歐美玩家的視野。

說起跨端遊戲，這也是遊戲研發裡的一個大趨勢，目前來看也是中國廠商比較有潛力在歐美廠商之前攻克的難題。

也就是說，中西遊戲企業是扁擔的兩頭，各具優勢，現在都想順著扁擔往中間走。對於中國廠商來說，高品質的遊戲內容，配合GaaS商業模式，再來個跨端，是很重要的機會。不出意外，中國企業逐步會成為世界市場上最重要的玩家。

為啥今天聊這個話題呢，因為看到一個資料，世界頂級AI和芯片技術專家裡，中國貢獻了30%左右，但是大部分並不在國內。也沒啥高深的原因，純粹就是因為咱們給不了那些頂級高手足夠的高收入，而且他們願意跟其他高手們在一起呆著。

這也客觀上也要求我們儘量多的去創造更多的高薪研發崗位，這樣才能留住更多的人才。而且高薪崗位指望政府是不現實的，只能是寄希望於那些大企業去開拓更多的業務。這個意義上講，遊戲既是科技的驅動因素，也是巨大的人才池，這又是一個我們必須拿下的一個新邊疆。