作者 |高飛

周周

今天參加了新浪微博的AI“年度盤點”，其中涉及兩個提問的討論：

1、2024年，AI是否真的已經進入或者影響到了你的生活？

2、2025年，AI將給哪個行業帶來顛覆性影響？

感覺這兩個提問都蠻有意義的，這里淺淺地寫些隨想。

提問一：2024年，AI是否真的已經進入或者影響到了你的生活？

答案是肯定的。當然，用生活這個詞可能不一定那么準確，說工作愛好會更準確。

我是科技媒體行業的，所以先談AI對媒體傳播行業的變化。

有句話叫“AI一天、人間一年”，這句話用在技術傳播領域，一點都不夸張。

傳統IT行業，就算傳播節奏再快，產品技術發布也是有很強的規劃和周期的。比如蘋果一年一度的WWDC，下個月的CES（我大概率會參加一下）。

但AI時代，技術傳播的玩法完全變了。時間上，每天都有技術發布；節奏上，相當不可預測。

拿OpenAI和谷歌Deepmind這對冤家來說：

2月份，國內春節，谷歌Gemini 1.5發布，本來是個大新聞，支持100萬Token的上下文。但OpenAI的Sora橫空出世，一下子奪走了前者的風頭。回過頭來看，這個“期貨”足足等了一年才正式發布，所以搶頭條的意味不能更明顯；

5月份，谷歌I/O大會，核心內容是多模態，OpenAI又在前一天發布了GPT-4o助手，來了一個截胡。

終于，等到12月份OpenAI開發布會，谷歌在中途連發量子芯片Willow、Gemini 2.0等重量級產品，顯然是“忍無可忍，無需再忍”。

谷歌這幾場活動，至頂科技旗下的科技行者受邀做了專訪，所以印象特別深刻。

當然，其實AI傳播戰爭，并不止于這兩家，其他模型公司發布產品，也往往是“X上一個推文，油管上一場播客結束戰斗”。

如Anthropic的MCP，Meta的Llama新開源版本，Pika、Runway等公司的模型新特性，QWQ、Deepseek的開源模型更迭等，都如此。

*然后再用一點篇幅，說一下生活方面的變化。

從我個人來講，AI帶來的最大變化，就是對閱讀的顛覆影響。

我比較愛讀書的。在前模型時代，讀書遇到的最大問題，是看到書中不理解或腦洞大開的片段，想找作者本人，或者相關專家交流而不得。

尤其是看到不理解的地方，更痛苦。

比如你看到作者說，“這個部分我就不展開了，懂的自然懂”，而你偏偏不懂，肯定“抓心撓肝”。

這就像搞數學的人，看到費馬1637年在書的空白處寫下：

關于此（問題），我確信發現了一種美妙的證法，可惜這兒的空白處太小，寫不下。

后人已經為此苦惱了400年！

沒有GPT的時候，有疑問我們只能去搜索或社區提問。但是，和我們有同類想法，又把心得發到網絡上的人，少之又少。長尾效應？只有長尾，沒有效應。

而現在，AI就是閱讀最好的助手。

今年，我已經完全習慣了和AI一起讀書看論文。由于大模型的通用能力，我讀書的廣度和深度也有很大變化，跨學科、高難度的書都會拿來挑戰一下。

因此，當我兩周前，看到Andrej Kaparthy發的一個推說：

“我最喜歡的 LLMs 應用之一是共同閱讀書籍。我想提出問題或聽到產生的討論（NotebookLM 風格），同時根據周圍的內容自動調節。如果亞馬遜或其他公司能制造出一款能正常工作的 Kindle AI 閱讀器，我想這將會是非常棒的。”

那一瞬間，我立刻感受到了什么叫做心有戚戚焉。

當然，當我們說讀書的時候，其實是在說學習。

也正是感受到了AI對實際工作生活的影響，也促成了我們和一些給力的合作伙伴一起，在上個月，開成了國內首個面向提示工程的大會“PEC-提示工程峰會”，目的就是推動AI使用的普及和落地。

今年，也因為對這個主題的研究，有幸在西藏、濟南、上海、北京等地，面向專家教授、C-Level朋友做了AI心得分享。

GPT、Claude、NotebookLM、Perplexity，以及谷歌剛發布的DeepResearch，已經是離不開的AI助手。

提問二：2025年，AI將給哪個行業帶來顛覆性影響？

相比于討論對個人生活興趣的影響，對行業影響這個主題比較宏大。

千行百業之中，我們很難一一列舉。

我試著給出一個相對底層的框架，供大家參考，叫做：“從哪里來，到哪里去”。

這句話借鑒了哲學三問——你是誰，從哪里來，要到哪里去。

具體解釋一下：

先引用一個博文講“你是誰，從哪里來”。

2023年6月10日的時候，OpenAI的一位研究員James Betker寫了一篇非常重要的博客， 標題叫“The ‘it’in AI models is the dataset.”，翻譯過來是“AI模型中的它就是數據集“。

他在博客中講了這樣一段話：

”在同一個數據集上訓練足夠長的時間，幾乎每個模型在有足夠權重和訓練時間的情況下都會收斂到同一個點……這是一個令人驚訝的現象！這意味著模型行為不是由架構、超參數或優化器選擇決定的。它是由數據集決定的，與其他無關。其他一切都只是一種手段，目的是高效地將計算結果用于逼近該數據集。“

這段話的核心意思是：數據集，才是模型的本質。

模型是誰？是數據的化身。模型從哪里來？從數據集中來。

再談AI“到哪里去”，會影響什么行業。

其實，答案就呼之欲出了。

所有為當前模型提供主要“數據集”的行業，都會受到顛覆影響，比如”文章報道、代碼、百科知識“等相關的。

因為，大模型已經學習了互聯網上幾乎所有的相關知識，并且將他們收斂為萬億級的參數。

某種程度上，大模型就是互聯網知識的平替。

在AGI實現之前，“平替”就是AI對人類最大的沖擊。

所以，如果一個行業的主要成果，都已經被上傳到互聯網上成為公開信息，那么這個行業就是最容易被顛覆的行業。

這就是我所說的AI會到“到哪里去”。

一個例子，首當其沖的就是編碼。

不久前，Menlo投資發布了一個企業AI應用調查報告，統計了生產環境中最受歡迎的AI場景，排名第一的就是“編碼生成”，以51%的提及率，遙遙領先于排名第二的“客服機器人”（31%）。

為什么會這樣？

因為編碼是開源文化占主導的行業，很多重要貢獻都是開源共享的。

有這樣優秀的數據集，AI在這個場景的效果自然會好。

這讓我想到西方希臘神話中著名的橋段“弒父情結”——新一代神明挑戰并取代父輩的統治。典型例子包括克洛諾斯篡位其父烏拉諾斯，以及宙斯后來推翻克洛諾斯，成為奧林匹斯的主神。

劉慈欣寫過一部小說《贍養上帝》，也有類似的寓意。

所以，AI逐漸取代人類做編碼，某種程度就是這樣一種弒父關系吧？

據說，谷歌的1/4的編碼已經由AI完成，亞馬遜AWS的CEO也說”人類編碼消失指日可見“，這些話可能有夸張成分，但趨勢是不可逆轉的。

Transformer論文作者、Cohere創始人Aidan Gomez在接受播客采訪時，也講過一段話，大意是：所有創造了大模型的技術，都會逐次被大模型所取代。

但是，人類程序員會無事可做么？當然不是。

Andrej Kaparthy講的另一段話我也很認同。對于技術工作，除了提示工程可以協助完成的編碼，其實還有很多技術工作很重要，類似膠水。

這些膠水，既包括開發環境的配置，也包括和產品市場部門的需求對齊和協作溝通。

因此，提示工程師+膠水技能，就會打造未來新的技術人群：AI工程師，也是我們想報道和服務的人群。

在這個部分的結尾，說一下兩個技術點：

*一個是伴隨o1而來推理擴展，也就是測試時間計算。

顯然，隨著o3等模型的最終發布，強化學習和注意力機制的結合，讓模型的推理能力進一步加強。

因此我認為，從2025年開始，模型將脫離復刻人類知識的舊階段，進入運用已有知識、解決新問題、創造新知識的新階段。

Google 旗下公司 DeepMind 的創始人戴密斯·哈薩比斯(Demis Hassabis)團隊獲得諾貝爾化學獎已經是一個例證。

所以，最近我經常在團隊內部說：

1、以后，面對面、手握手的工作，才是AI一時難以取代的。

數十年來，白領至于藍領的優勢，也將發生逆轉，直到人形機器人普及（這可能還要至少5年，但我們非常看好，限于篇幅不展開說了）。

2、誰更快擁抱AI，誰就越不用擔心AI。

一個類比：

你面前有一個壞人，地上有一個斧子；壞人就是我們所面對的工作生活挑戰，斧子就是AI；斧子固然是一種武器，但更是保護自己的工具。

*另一個知識點就是具身。

如果說測試時間計算是模型的縱深發展，那么世界模型的創新、物理數據的累積、具身智能的突破，則是模型的橫向擴張。

以真實世界數據（當然也包括合成數據）為依托的多模態，將在2025年進入爆發前的起飛期。

*最最后，再說一下常用的模型工具。

如果說人類有種族，我覺得模型也會有種族，因為我越來越發現，單一模型是很難解決全部工作問題的。

雖然數據讓模型擁有大致相同的基因，但是在產品端，模型的表現是參差多態的。

不同尺寸、多種形態的模型，融合在業務工作流中，才是agent的正確打開方式。

我訂閱了幾乎所有主流前沿模型，包括Gemini 、GPT、Claude、Perplexity、Grok，它們都在Lmarena這個競技場排行上，但功能已經出現分化。

于我而言：

GPT依然有更好的推理解釋，也有我常用的GPTs應用；

Claude的創意寫作和編碼獨步江湖，SVG繪圖常常用于PPT創作；

Perplexity是核查信息的助手，寫作引用必備；

Grok用于檢索X上的信息和繪制真人圖片（馬斯克：什么是政治正確？）；

Gemini的長上下文優勢無可替代，再加上最近的Deep Research特性和AI studio、NotebookLM上的多模態也是各有千秋。

所以，我覺得在AI面前，人類不要站隊，誰好用就用誰。

當然，我們更不能用“刻舟求劍”的思維看AI。2024年12月的AI，注定和25年1月份的AI不一樣。AI有過三次寒冬，可能還會有第四次，但一定不是現在。

回顧人類所有顛覆性技術發明，它們創造的新工作崗位，遠大于它們毀滅的工作崗位，并因此譜寫新工業革命的歡歌；但另外一方面，這其中是被毀滅的“少數”，其實也是一種時代的悲歌。

AI是一種技術，但是它對社會的影響，遠在技術之外。

前無古人，后無來者。