OpenAI开发者日，暴露了山姆·奥特曼的隐藏野心。

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们先讲结论，然后告诉大家我怎么得出这样的结论，验证一下这个结论是否正确，再让大家行动起来，看看咱们在山姆·奥特曼指明方向以后，到底能干点什么。

OpenAI的开发者日呢，隐藏在发布会背后的野心和方向到底是什么？表面上这东西咱就不重复了，说到底发布了什么东西，只讲结论。
第一个，ChatGPT要做操作系统了。
第二个，自然语言和语音交互才是未来。
第三个，全栈、全生态、全模态的开发都在OpenAI。
有三个大的结论。

那咱们怎么得到这样的结论的呢？咱们看发布会，要稍微换一个方向来看。我自己呢，举办、参加过很多发布会，也专门受过训练，主持过发布会。咱们发布会一般看什么呢？叫“wow时刻”，一看这个东西，“wow，好厉害”，叫“wow时刻”。在52分钟的发布会视频里头，有哪些“Wow时刻”呢？那你说我是不是拿了个纸、拿了个笔，52分钟的发布会反复看，在这记笔记，哪个地方有掌声？不是这样的。我到GPT里边直接下了一个指令，把YouTube的视频链接贴进去，我说：“请给我统计一下，什么时候有掌声，掌声中度还是高度，有掌声的时候是谁在演讲，在讲什么，给我画个表格出来。”剩下的事情就交给GPT去干了，效果还是很好的。

第一次掌声，是山姆·奥特曼要求观众为消耗TOKEN最多的开发者鼓掌。他呢，屏幕上打了一堆开发者的名字，分颜色的，百万、千万甚至更多的TOKEN被这些开发者所消耗掉了，他们名字是用不同的颜色标出来的。这次掌声的不算很热烈。

4分22秒有一次自发的掌声，山姆在讲什么呢？当开发者使用SDK的时候，他们的应用可以覆盖数亿GPT用户。“我们希望这对于快速帮助开发者来说是一件大事，我们可以帮助他们规模化产品。”在这个时候突然就开始有掌声了，山姆·奥特曼被打断。这个时候屏幕上出现的topic是什么呢？是“变现”这样的一个词出现在屏幕上了。这个地方为什么会有掌声？大家想一想，它已经有这么大的用户量了，几亿的月活用户在那挂着，现在说：“我愿意把这些用户分享给大家，大家在我这个上面开发了应用以后，你们就可以在这个里边去使用各自的产品了，不再是使用我这个20美金的订阅，而是你们各自都可以有一些订阅或者有一些服务在这里边进行销售，可以在里边去变现了。”大家就真的要给他鼓掌了。所以这就是我们的第一个结论，这就是操作系统了，大家可以在这个里边去做项目了。有点像什么呢？有点像微信小程序、抖音小程序，大家现在都可以在ChatGPT里去做小程序了，这个肯定是会受到欢迎的，而且topic上写的是变现，这个非常重要的一点。

在APP SDK的demo结束的时候会有掌声，这个是很正常的演示，说我们怎么让一个应用通过SDK就可以把你们的程序变成了ChatGPT小程序了。他们在里边演示了很多的嵌入的产品，怎么订机票酒店，怎么租房，怎么去做海报。演示很成功，一定会有掌声。而且这个里头有比掌声更强的这种鼓励，就是比“wow”还厉害的东西，这就已经成为了行业领袖的发布会了。就普通人发布会到“Wow”这就结束了，待会咱们讲还有什么更厉害的。

再往后一项呢，有8分钟的限时挑战。它呢，其实就是把dify、N8N、Coze这些工作流编辑相关的功能装到ChatGPT里头去了。这块呢有帮助，但是帮助到底有多大，或者说是不是这种产品一出来，dify、N8N就死掉了？其实我觉得倒不会。因为呢，它这个里边只能使用ChatGPT自己的模型，你说我想在这个里边画一个流程，在里边使用Gemini、使用Grok，这都没戏。至于说调用外部工具的话，到目前为止应该也都是集成的ChatGPT里头的一些工具是可以调用的。你说我想非常自由的调用外部的大量的工具的话，虽然他说现在用MCP是可以挂上，但是应该没有那些已经积攒了很长时间的平台生态更好、自由度更大。所以呢，并不需要太担心说一下就把他们都干掉了。

但是呢，这个8分钟限时挑战还是值得掌声的。一位美女上来说：“来，我现在设置8分钟，我们要做很多很多事情。”其实咔嚓就把事情做完了，都是可以在ChatGPT里头就可以使用这些功能，就使用agent builder做出来的东西就可以跑，跑的还很漂亮。把所有的很复杂的功能做完了以后，居然还剩49秒，8分钟没有用完，确实是值回掌声。以后大家再去做发布会可以去挑战一下，但是呢，没练好别去。开发布会的时候，现场演示是非常非常紧张的，你平时练的好好的东西，上去都有可能出错，更别说在上面还设个时间了，那个绝对是给自己增加演示难度的。

再下一次掌声呢，是山姆·奥特曼宣布“Codex is into GA”，就是Codex现在已经正式发布了。前面我们不是做过视频了吗？讲这个Codex怎么又正式发布？所有这些东西发布呢，都是分Preview和正式发布两个版本，Preview已经过去了，现在我们正式发布了。因为Codex这个产品非常非常受欢迎，OpenAI内部也是大量的使用Codex去写代码，他们说现在Codex已经解决了他们70%的pull request。这样的一个产品，说现在正式的成为发行版本了，还是值得掌声的。这是一次高级别的掌声，GPT去统计的时候，还把掌声的级别也统计出来了。前面几次呢都是中等的掌声，8分钟极限挑战这是一个中高等的，真的是为这个小姑娘捏一把汗。下边坐的人呢，应该也都自己开过发布会，知道发布会有多紧张，在这个上面敢做一个8分钟计时挑战，确实是要佩服他的勇气，所以他的掌声要比前面发布那几个要高一些。真正的高级别的掌声是“Codex is into GA”。

再往后呢是Codex的演示。Codex的整场演示没有碰任何代码，都是靠打字、自然语言描述或者是语音描述来去实现的。它控制了摄像头云台，控制了灯光，而且呢把语音接进去，这个是OpenAI着重要去推广的东西，就是一定是自然语言的语音控制，不是打字，是要跟他说。所以他就跟他讲说：“你现在给我做一个这个，跟我做一个那个。”马上这个摄像头就开始发生变化了，而且是使用的现场设备，它直接把现场的一个索尼的电影摄像机的云台就控制起来，就开始转动了，这个是可以极大的提升演示效果的。

再往后呢，是Xbox手柄控制摄像头。Codex在片尾出这个字幕，做了一个彩蛋花絮吧，这个呢是有一个中高等级的掌声，因为他有参与感。虽然前面这个摄像头也是对着下面所有人的，但是现在一下出字幕了，把大家的名字打出来了，参与感上升，这个掌声是要大一些的。其实最后一次演示是翻车了，为什么呢？就是他把那个照片拍的黑乎乎的，他没有设置好曝光。你要去设置一个电影机去拍照的话，你的光圈、你的快门这些东西还是比较复杂的，他并没有把所有的参数都设对。但是最后这个名字字幕滚动的过程还是很帅的，所以这一块是赢得了大家的掌声。Codex的核心演示是什么？就是从头到尾没有碰代码，虽然它是个代码工具，但是呢没有看到任何一行代码被打进去，完完全全就是语音交互、Xbox的手柄交互、自然语言往里打字，这些东西就可以控制这么复杂的云台灯光，还可以跟ChatGPT一起工作，这个确实是很炫酷的东西。

再往后是山姆·奥特曼宣布GPT-5 Pro进入了API。大家注意，原来GPT-5在API里头，但GPT-5 Pro API是没法调用的。你要想使用GPT-5 Pro，必须是花20美金去定它这个Pro用户。现在说这个东西进入到API里去了，最高等级的掌声。大家对这个还是非常非常期待的，虽然这个模型很贵，它好像100万TOKEN的输入是十几美金，一百万TOKEN输出可能一百多美金。但是呢，大家对于这种非常高智能的模型可以通过API调用，还是抱有巨大的期望的。

Sora 2 Preview进入API，最高等级掌声。Sora 2是我们这几天在玩的视频生成模型，现在它已经进到API里去了，这个是大家所期待的。因为你原来在一个APP上或者在一个网页上，你控制它还是比较麻烦，必须是要进到API里头才可以进行精准控制。原来就是10秒钟一条，你现在就可以生成更长的视频、其他比例的视频，或者说做一些更复杂的搭配。你可以写一个完整的故事，通过API调用，可以让这些完整的故事顺序的去生成，这个就可以直接做成生产力工具了，原来那个东西是个社交工具。这是大家非常非常期待的一个功能。我已经去试过了，调用Sora 2 API生成了15秒钟的视频，花了我20美分，大概是这样的一个成本，还是非常非常有趣的。但是要注意，即使是调用API，它的控制也是很严格的。我上传了一张自己的照片，我说：“请按照这个照片去给我生成。”他说：“对不起，照片里头有人物，我是不可以给你干活的。”未来到底是如何把这东西用起来，如何让形象进入到许可范围内，如何把整套的系统能够跑起来，这个可能过一段时间我试一试，再跟大家录视频再跟大家讲。

后面Sora 2用于品牌电商、广告概念的这种展示，就是说Sora 2一旦变成API以后，你们都能拿它干什么。就是这玩意儿生产力工具了，可以干的东西很多了，又得到了一次中等规模的掌声。

结束谢幕肯定是最高等级掌声。50多分钟接近一个小时，七里咔嚓把这么多东西都扔上来，还是值得掌声的。

那刚才吊了半天胃口说，比“Wow时刻”还让人激动人心的是什么呢？必须是行业领袖的发布会才有这样的效果——股价上涨。你说OpenAI自己还没上市呢，谁的股价涨？这里头第一个涨的是AMD。AMD呢，虽然在整个的发布会里头没有被提名字，但是呢依然上涨了24%。这块的话回头再跟大家细细解读，山姆·奥特曼又玩了个骚操作，黄仁勋1,000亿美金投资OpenAI，OpenAI说一转头我去投资苏姿丰的AMD，去让AMD给我定制芯片，那蹭一下24%就涨上去了。

Figma涨了7%。因为在前面把应用集成到ChatGPT里头去的这个过程中，演示的就是Figma。说你看Figma现在已经集成进来了，我们可以在ChatGPT里头直接调用Figma的功能就可以干活了。相当于是Figma已经成为了ChatGPT的小程序了，直接涨了7%。

然后Expedia group涨了2%，这是机+酒业务嘛，机票加酒店。那你说在这里边，ChatGPT里头规划了半天行程，你总要有人去给你订机票订酒店嘛，Expedia group直接涨。

Coursera涨了8%。这是一个在线教育平台，人家上头直接问，说我现在想去学一下AI，我想去学一下大模型，就给我看看怎么学习一下，你有哪些课程适合。Coursera你给我推荐一下，而且我就可以直接在ChatGPT里头看Coursera的视频了，直接可以看他的这个课程了，这个涨了8%。

Uber涨了4%，它为什么能涨呢？我们现在可以直接在ChatGPT里头叫车了，涨4%。

DoorDash但是相当于美国的即时零售、外卖送餐的这样的一个项目，涨了4%。我们现在可以在ChatGPT里头说给我订一份煲仔饭回来，一会当当当敲门来了。当然对于美国来说，配送应该没有那么快，它不像在国内似的。

那你说有没有提了名字带不动的呢？也有。里头有一个公司呢，叫ZILLOW，是美国一个租房的网站。为什么带不动呢？因为正在被FTC起诉反垄断，就是你一旦在上面做广告了以后，它有排他条款在里头，现在正在被起诉。还有一个是Spotify，放音乐的。里边有一个案例，请给我做Spotify的一个播放列表。这个呢，第一个是Spotify的盘子比较大，就是这公司很大了；第二个呢，就是这个场景没选好，这是一个稍微失败一点的案例。大家觉得在ChatGPT里头去定制播放列表这件事呢，不是那么有趣，也没有那么挣钱，所以在这块上，这个股价基本上没动。

明白了吧？为什么只有行业老大提名字才有用？因为不是行业老大提了名字，股价不会上涨的，股市不会听这玩意的。所以OpenAI现在已经是行业老大了，证明这件事了。

那么验证一下我前面的结论吧：操作系统、入口、商业变现、全场景。这是第一个结论，OpenAI已经向操作系统前进了，它就是超级APP，它就是微信，它就是抖音，大家可以在里边做所有的事情了。OpenAI让应用通过SDK变成小程序，直接把自己集成ChatGPT里头去，所以这个野心已经彻底暴露了。以后它就是独立的操作系统，没有什么iOS，没有安卓，没有这些人的事，这就属于赤裸裸的直接竞争了。

第二个，自然语言、语音交互，这是最核心的。虽然有编程，但是从头到尾没动代码，所有的这些交互都是用自然语言交互的。即使是Codex这样的编程模型，也都是用自然语言交互，所有做出来的项目都是可以语音沟通的。而且人家还发布了实时语音的大模型的API，而且这个API还是高速廉价版本，要比正常的这种满血版本要便宜很多，速度还很快，所以大家赶快去使用吧。山姆·奥特曼在里头讲的，说我不认为未来很多的程序是需要代码去写的，我觉得自然语言和语音交互才是未来。这个野心背后是什么？他们的硬件马上要上来了，山姆·奥特曼的整套的硬件，他的硬件应该不是一个硬件，而是一套硬件，自然语言语音交互的一套硬件。现在OpenAI已经向果链企业下单了，我们很快就可以看到这套硬件到底长什么样，以及如何跟人类进行交互和沟通。

最后，全栈、全生态、全模态都在OpenAI。我们可以去做SDK，我们有MCP，我们有agent builder，你可以在里边去画流程图，也可以Codex直接去写代码，还可以处理语音的、图片的、视频的，我们所有东西全都有。这个就是真正老大要干的活，什么都得干。像其他的公司呢，可能大多是只做其中的一部分，比如像Anthropic，他就没有办法把从上到下所有东西都干一遍。现在能够跟着跑的也就是谷歌，从上到下都在做，虽然可能好多的地方还做的没有那么好，但是从上到下都有。国内的这些平台也都被打样了，说你们想去追OpenAI吗？你看看从上到下你是不是都坐上了？这个是一个新的方向。

最后，咱们要行动起来。不能山姆·奥特曼在上头手舞足蹈了半天，我们不知道该干嘛，那个就没有意思了。咱们该干嘛呢？

第一个，学习一下山姆·奥特曼发布会的组织形式，人家发布会怎么开的，这些掌声都是怎么来的。肯定会有人学，你看雷军，一开始是穿黑色的长袖t恤的“雷布斯”，后来开始穿小西装“雷斯克”，再往后呢，发布新片的时候穿了个皮衣，学谁自己去想。未来什么时候就可以穿这种宽松的套头衫，咱们再看。

通过SDK登录ChatGPT，这个是现在大家要赶快行动起来的，谁都别慢了。而且这个里头可能还有一件事大家想不到的是什么？抢注域名。因为当时在互联网刚开始的时候，大家都去抢注域名，而现在我们要在ChatGPT里头去呼叫、起一个应用的时候靠的是什么？不是域名，就是它的名字。比如说你在里头Coursera里边去讲“开”，或者是其他的一些应用，就直接写名字，写完名字以后就会自动被识别成某一个应用，就开始去干活了。这个名字是要去抢注的，因为他没有办法控制重不重名的问题，所以这块大家要赶快动起来，先做一个能用的东西，把名字占住，等以后其他人说“我们也想用这个名字”，花钱买呗。所以这是一个可能马上能去做的事情。

再往后一件事，所有厂商一定要提供友好的SDK，普通用户都可以玩起来了。这一次他们展示了怎么去玩会场灯光，怎么去玩索尼的电影机和电影云台。以后如果大疆出SDK的话，我肯定是愿意在Codex上去玩耍一下的。而且以后出了这些SDK的话，你的产品一定会卖得更好。原来这些SDK出来以后，只有专业厂商才能用得起来，普通用户是用不起来了。但是现在有了Codex，有了这些AI编程工具了，平权了，每一个人都可以拿着这些产品自己去编个程序，去稍微收拾收拾，这个门槛一下降低了很多。当然除了像大疆这样的拍摄设备或者索尼这样的拍摄设备之外，还有很多东西，它的SDK的使用率、使用量一下就会上升上去。原来都是系统集成商或者是代理商会去用这些SDK，而现在每一个普通用户都会去用。这是什么东西？智能家居。苹果折腾了半天Homekit，谷歌也折腾了半天，小米也折腾了半天这种智能家居的这种网关、智能家居的这些SDK，现在好了，有Codex以后通通都可以跑了。整个生态的竞争会进入下一个阶段。原来比如大疆跟其他的竞争，是竞争我们的图像参数有多好，竞争我的价格怎么样，竞争这个产品的使用有多方便，做的有多轻。以后的话就是生态竞争，谁家的SDK做得好，普通用户可以在Codex的帮助下可以玩出花样来，以后就会变成这样了。

再往后，抓紧把语音交互加到系统中去。如果原来你的系统没有做语音交互的话，赶快做进去。因为OpenAI操作系统的新硬件平台应该距离我们已经不远了。如果我们现在把自己的系统加上语音了，交互的还很好，那么OpenAI再去发布他们的硬件的时候，就有可能你的产品会成为发布会上展示的那个产品。这一次你想，OpenAI点了谁的名字，谁的股价就在涨，这就属于是典型的榜样力量。如果你现在就把这个产品做好了，未来就有可能蹭上这一波巨大的流量。像我以前有一些朋友，他们在iPhone、iPad早期发布的时候，做的产品做的特别好，让苹果直接在发布会上给人展示了，那真的是泼天的流量和财富就砸下来了。所以现在大家赶快动手，把这个语音加到应用里去。

最后一项，Sora 2的API，赶快玩耍起来。这个还是非常非常好玩的，15秒视频，0.2美金，价格还可以接受吧。大家就可以写出脚本来，顺序的让它把这个内容都生成出来，做出这种几分钟的短片出来都是OK的。

好，这个故事就跟大家讲到这里，感谢大家收听，请帮忙点赞、点小铃铛，参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道，再见。

2,000美金一个月的博士水平的AI助手，真的会有人去雇佣吗？大家好，欢迎收听老范讲故事的YouTube频道。这是谁说的呢？OpenAI的CFO，应该叫Sarah Friar。他提出来的，说我们已经准备了更强大的AI助手了，准备收更多的钱。

大家注意，OpenAI原来的ChatGPT是20美金一个月。我现在就是这样，20美金一个月的Plus用户。最近又推出了200美金一个月的O1 Pro用户，主要是在上面使用O1的这种更强的推理模型的。当然，我并没有去订阅这个，只是我的会员频道里，好像有一些朋友准备去做这块的订阅了，因为他们在写论文，确实是有用的。

O1 Pro用不到的话，200美金的Sora还是有用的。就是你如果订了200美金，Sora是允许你画更多的视频出来的。还有一个很重要的事情，我今天上Sora去画视频的时候被拒绝了，因为我提的提示词里边要求有人。我的账号是不能够画有人的视频的，必须是200美金以上的账号才可以生成带有人物的视频。今天又被人歧视了一下。

即使这样，我也不会去订200美金的Sora。那么，2,000美金的博士水平的助手，这瞧不起谁呢？反正我是订不起，不知道别人是不是订得起，以及2,000美金是不是已经达到博士的工资水平了，待会我们去查一下。他同时还提出了一些新的问题，什么呢？同时说要根据AI助手所提供的价值来收取费用。

大家注意，OpenAI的商业模式一直被大家所诟病，因为它是按照TOKEN或者是按照订阅的方式，比如包月订阅一个月多少钱，按这个来收费的。他提供的是垃圾内容，还是提供有价值的内容，这个收费都是一样的。那么在这种情况下，他就收不到太多的钱，所以他就讲说，我们能不能按照价值来收费。他这一席讲话出来以后，也算是一石激起千层浪。有些人说了，我干脆就雇一个博士就得了呗，我何必要用你这个玩意呢？但是博士到底是多少薪资呢？

我刚才上网查了一下，美国的博士生薪资的中位数呢，是85,000美金一年，大概一个月是七八千美金，还是要比2,000美金一个月要贵很多的。那么，中国的博士生一个月有多少钱的收入呢？我刚才查了一下，中位数是15,000人民币，大概也就是2,000美金。所以你到底是买一个OpenAI的这个2,000美金的订阅，还是干脆到中国来雇个博士算了？这个你就要自己掂量了一下了。

日本的博士生呢，收入要更低，1,600-1,700美金左右。印度的其实要高一些，印度是3,000多美金一个月。这个呢是印度博士学位者的平均工资。我并没有找到印度博士应届生的这个薪水，前面那个都是应届生的薪水。但是印度的这个博士生应该也跟咱们差不太多吧，就是2,000美金上下这个水平。

所以呢，你说我们到底是不是需要一个2,000美金的博士水平的AI助手，还是说我干脆雇个博士生得了？你在美国不雇不到，但是在日本、中国、印度这种国家，雇一个2,000美金的博士生是可以做到的。

还有些人在说，我不需要博士生，我需要实习生，该博士生该干的活我自己就干了，我需要有人去给我打杂，把各种各样的零七八碎的事情给我做掉。我记得当时OpenAI号称要出200美金套餐的时候，大家就开始炸锅了，说这怎么可以呢？现在说200美金的好像有人订了，那咱上2,000美金的又有人在炸锅了，这个也很正常。

因为OpenAI呢是行业老大，他提出各种的思考以后，或者各种想法以后，其他的公司有可能会跟的。而且呢，他们提出的很多想法最终还是会实现的。你像200美金一个月，其实挺早就提出来。我记得那时候还录了节目，当时觉得有点难度，但是现在看就实施了，发布了200美金一个月的这个套餐，还真的是有人去订阅。而且订了以后的人觉得还挺划算的。我们那位朋友，就是花了200美金一个月订他这个套餐的朋友，他去写论文，结果他前几天赶上OpenAI宕机。

那简直天都要塌了。说完了，完了，这个论文写不出来了怎么办？现在，2,000美金一个月的套餐正在向我们走来，2,000美金的博士级AI助手到底划不划算呢？首先给大家一个结论，这个事是划算的。就算是你在日本，雇佣一个博士1,600美金、1,700美金，应该是应届生，因为这个数据也是OpenAI通过搜索给我得到的，我并没有自己去问日本的博士生具体工资多少，这个我觉得应该还是比较靠谱的吧。

那你说我2,000美金雇一个AI助手，这个事为什么是划算的呢？第一个，这个AI助手是没有喜怒哀乐的，没有婚丧嫁娶，24小时工作，情绪稳定，这个就能够顶多少个真博士了。你博士他有劳动法的，你不能说你一天24小时不停的去给我干活去，你还是要让人休息的。而且人今儿高兴了，明儿不高兴了，后天说我要谈个恋爱或者是结个婚什么的，他还要休假，这个很麻烦的。

所以这样的一个系统，咱们就算是他的技能可以达到博士水平吧，他的这个工作效率也绝对是要比博士要高很多倍的。而且你要让他去做一个具体的事物，他的生产效率也很高。你比如说，你去给我查个什么资料，推理一个什么样的东西出来，真人的博士需要干一个礼拜的，没准这个AI助手的话，有个几分钟就给你搞定了。

所以这个是完完全全不在一个水平面上，大家不要去拿真人的博士生跟这种博士等级的AI助手去比，谁干得快。这个就跟咱们口算和计算机算数是一样的。你给我了一堆很复杂的数据，你让我去算，我可能拿着纸拿着笔，还得打着草稿算半天；这你要让计算机去算，这边按了回车，那头数就出来了，它不一样。

然后还有一个差异在哪呢？AI的博士呢，他可以进行信息和技能的不断的累积。你说人的不也可以吗？但是在这一块上，AI绝对要比人强得多。这个记忆信息的存取这一块，计算机是要比人强非常多的。你就算是博士很聪明，你给他一本书，说来给我把它背下来，这不是跟杀了他一样吗？但你说这是个AI。

咔，一本书扔进去，就不用跟他说背下来了。扔进去这个过程，人就已经背下来了。说现在根据这个书，给我去找具体什么什么地方，有哪些内容出来，人家马上就跟你告诉你第几行、第几页有什么什么东西出来。这个人是比不了的哈。而且他还会告诉你说，以前你研究过什么东西，都可以给你找得非常非常清楚。

这个你要让人干的话，人只能什么？就是我记得大概在什么地方，然后我还要去翻书，我还要到电脑里去搜索。搜索完了以后，再把一个完整的结果给你拿出来，说：“我这个是从哪里引用的什么东西，那个是哪天哪天，大家做了一个什么实验，验证过的还是什么东西，最后得出一个实验结果了。”所以，AI的这个技能是要比人强非常多。

而且AI，当你给了他这么多的信息之后，人家还能炼丹呢！就还可以对模型进行微调，输出效果会变得更好。所以，AI博士绝对要比真人博士能力要强非常非常多。但是，这个后边是更重要的部分，但是什么呢？想要物超所值这件事呢，也没有那么容易。你别看这玩意算得快，别看他记东西记得特别多，你到底需要什么样的使用者，才能够调动这样AI博士的这个效率，这个是大家需要去思考的。

不是说我有一个AI博士坐这了，然后就等着他给我挣钱去，没这么简单。你还得跟他说：“你今儿给我研究这个，明儿给我研究那个。”研究出来的东西，这个结果对不对，我还要稍微验证一下，或者说我们怎么去设计一个实验，然后做完了以后如何去进行结果验证。你还是要给他去沟通，还是要去提出问题的。

所以呢，在这个里头提出有价值的问题，这件事就会变得越来越难。我们给普通的实习生提问题，这个事是相对来说比较简单的。但是你要想给一个博士生提出一个问题来，就相当于开题似的，这个有多费劲。我记得我以前碰到过一些博士的朋友，我自己没读过这个东西，他们就跟我讲说，读博士最痛苦的一件事叫开题。我说：“什么叫开题呢？”就是你要选中一个题目，选中一个方向，好，要去做研究。我说：“这个这么费劲吗？”他说：“可难了。”

首先要去确认，说这块有没有别人研究，研究到什么样的一个程度了。然后你可以向哪个方向研究，可以研究到这个一个什么样的程度。这个是非常非常麻烦的一个事情。博士生导师就是需要给自己的博士生去做开题，论证完了以后，再带着他一起往前走。那么你想，现在等于大家都要当博士生导师了，要去给这个博士级的AI去开题，这对于每一个人的要求有多高，这是非常非常难的。而且就算你能够开题开出来，或者能够提出有价值的问题，让这个博士级的AI去帮你干活，但人是很难高强度、持续性地提出有价值的问题的。就算是博士生导师，人家也不能说我现在带一堆的博士，不停地给你开题，一天开10次，那博士生导师也会累死的。所以要让这个博士级的AI始终有产出，这个事很难。而且你想，他算的速度很快了，以后这些结果如何去验证，这对于使用这些博士级AI的，咱们就当博士生导师吧，也是一个巨大的挑战。

所以呢，2000美金的账号呢，大概率会被拆分，这样才能够把钱挣回来。什么叫拆分？就是大家轮着使呗。你说我这是一个很大的研究机构，或者是一个很大的公司，我们一堆人轮番去使唤这个博士级的AI，这个有可能还是把这个钱能够挣回来的。那你说我跨公司使用行不行？这个不太容易。为什么呢？就是你要想让这样的AI助手去干活的话，一定需要给他权限去阅读你公司内部或者是研究机构内部的所有文档。那么在这种情况下，你就没有办法让他去跨部门或者跨公司去使用了，你的这个机密就被泄露了。

所以未来可能就是一个公司买一个，然后大家轮流都上去使了就完了，就相当于是咱们买了一辆汽车，出去办事谁就把这车开着走。大概这样子。前几天呢，还出了另外一个故事，是什么呢？就是Devon出了一个叫智能程序员，500美金一个月。当时这个新闻出来以后，很多人也是炸毛了。你说中国好多程序员还挣不到这个钱呢，你咋就500美金一个月？你凭啥呀？而且呢，别人都叫AI编程助手或者叫副驾驶。

做的好一点的叫做AI IDE，比如像Cursor。结果你Devon就直接管自己叫程序员了，叫智能程序员，500美金一个月，这个有点太过分了。但其实呢，这是个噱头。500美金呢，就是企业版。他能干的活，跟前面我们讲的那些什么AI助手、AI IDE的这些功能，差的没有那么老远。他的意思就是，你每个企业交了这500美金，把它订阅了以后，整个企业就可以不限量使用了，甭管多少人用，我就不管你了。

AI现在是真的开始跟人抢工作了，这个人其实很难跟机器卷的，你是卷不过他。特别是刚才我们也讲了，这个博士级的AI助手跟真的博士之间的工作差异，那个博士是会被他卷死的。国内呢，现在也发生了很多的AI抢人工作的事情。最近刚刚曝出来的一个新闻，福州网龙，他是一个很大的游戏公司，也算是国内比较著名的游戏大厂。他们呢，就最近进行了一个裁员，但是他这个裁员跟其他所有公司裁员不一样。他是什么呢，把P8以下级别的人都裁掉。这个是多吓人的一个事情。

他的公司级别是从P1到P11，P8叫专家，从专家再往上还有这么几个小的级别。P8以下的，或者是说你短期内没有期望达到P8的，这些人就全裁了，然后他们的工作岗位通通由AI来替代。那你想，一个金字塔型的公司，咱们没有看他具体要裁多少人，但是绝大部分公司都是金字塔型的，就是越基层的员工越多嘛，越高层的员工越少。那么像他这种P8以下全干掉的话，那可能至少是要干掉公司一大半的人。

现在的游戏行业，还有广告行业，各种的外包、UI设计、美术、翻译、文案，都在快速的被AI所取代。这个形式已经形成了。那么大公司的裁员，也就是用AI来去代替普通人工作的，这个过程是不可阻挡的。但是呢，这些裁员的大公司未必会是笑到最后的那个人。为什么？因为你想，大公司本人都裁了，就像刚才我们讲的福州网龙似的，他把百分之可能七八十人都裁掉了，剩下的极少数人依靠AI，也就可以把原来这些问题解决掉了。

那么这个时候会发生一个问题：是什么呢？就是大公司的护城河就没了。大公司的护城河是什么？就是它大呀。你可以组织起这么多人来协作，去把旁边那些一两个人、两三个人凑在一块搞不定的事情搞定。这就是大公司的护城河。

那么现在它已经告诉大家说不用了，我们没有护城河了。这些事情几个人就都可以搞定了。那么被裁掉的这些人，就完全可以依靠AI打败原来的大公司。你说你也是用AI来干活，我也是用AI来干活。凭什么你那三个人，就比我那三个人好使呢？就算是你千挑万选出来的P8以上的专家级的人，跟刚才我们讲博士生导师似的，这帮人利用这些AI助手可以把活干出来。

但是大家要注意一点：甭管博士生导师也好，还是福州网龙这些P8以上的专家也好，他们都是用传统的旧方式来评定的。到了未来AI时代，应该如何来评价一个人？到底行还是不行？应该达到哪个级别呢？这个评价标准一定是跟以前不一样的。

所以大家都是两三个人、四五条枪的时候，谁能干掉谁，不一定。这其实很像是什么呢？很像是火药的发明。以前在火药发明之前，大家是需要靠骑士来打仗的。这些人需要训练一辈子才能成为骑士。等到火药发明以后，任何一个小孩举着枪，都可以把一个训练一辈子的骑士嘭一下崩在地上。这就是这样的一个时代。

所以，被裁员的人也不用想着说，裁员了怎么办。咱们还是可以干很多原来大公司可以干的事情，原来我们干不了，现在我们自己就可以干了。那么未来到底会变成什么样呢？前面我们讲过，很多人会变成自由职业者。大家不爱听，那现在换一个名字吧，叫超级个体。这事是不是好听一点了？

每个人都有可能成为超级个体，就是我们在AI的帮助下，工作效率极大提升。我们每一个人都是原来的一个大公司。我们像这样去上班或者去创造价值，是不是OK？上班的目的不也是创造价值吗？我现在没有人给我发薪水，我自己创造价值也挺好的。每个人呢……

还是要去思考一个问题：我们如何能够成为那个可以使用和驾驭2,000美金一个月的博士级助理的人？我们怎么能够成为这种博士生导师？怎么能够成为这种专家？这是每个人需要重新去思考、重新去修行的地方。

而且未来呢，这种小范围松散协作可能会变得越来越普遍。即使我们有了博士级的AI助手来协助，可能还是需要那么三两个人，大家凑合凑合才能把事干起来。但是呢，也不需要像以前公司似的，我们先商量好股份，商量好这个责权利分工，再如何去注册、如何注资，可能不需要这么复杂。大家可能凑在一块，一拍脑袋就干起来了。

在同一个AI的数据区里边，把所有的文件都存里头，大家说：“来，咱们就在这个里边，统一雇佣一个2,000美金一个月的博士，咱们三四个人一块使。”使完了以后呢，统一做出一套结果出来，或者相应的产品出来，这可能是未来的一个发展方向。

2,000美金一个月呢，也绝对不是终结。咱们从20美金升到200美金，现在OpenAI的CFO说了，我们以后有2,000美金的，在未来可能还有更贵的。AI所提供的价值呢，在TOKEN和包月的基础上，会逐步地接近AI所创造价值的这个价格。所以这两个数会逐渐接近。

那么大型的平台型公司和超级个体，会组成未来新的经济环境。像中间的这种中层公司，原来比如说几十个人、几百个人，甚至几千个人这种公司，他们只是提供一些产品的，甚至说我可以把底下这些人都干掉，我们剩下这些上面这几个专家就可以把事干掉的这些公司，他们会逐渐被淘汰掉，因为在未来的竞争中，他们是不具备任何优势的。

好，这就是从今天2,000美金一个月的博士级AI助手，到未来超级个体的社会经济环境，我们做的一个思考。感谢大家收听，请帮忙点赞、点小铃铛，参加Discord讨论群，也欢迎有兴趣有能力的朋友加入我们的付费频道。再见。

ByteDance的AI大模型被他们自己家的实习生投毒。这是一个什么故事？大家好，这里是老范讲故事的YouTube频道。今天咱们来讲一讲这起投毒事件。不是说举个小药瓶去投毒，而是恶意代码投毒。

事情发生在6月份，一位姓田的博士生在ByteDance实习。因为某些待遇或者资源分配问题，他对ByteDance感觉不满，于是就在代码里面进行了投毒。投毒的方式是他自己进行了一些代码维护，但这些代码是安全的，主要是一些调试用的代码。这些代码去读取一些上传文件之后，就具备了攻击性。

什么意思呢？就是我们去训练大模型的时候，需要把大量的信息数据上传到大模型进行训练。他的这种调试代码上传到服务器上以后，这个时候还是安全的，然后把一些恶意代码隐藏在训练数据里边。他把这些数据读出来以后，就对整个ByteDance的一些训练集群进行了攻击。这其实是黑客普遍采用的一些手段。

谷歌就曾经将所有含有root代码的应用全部下架。什么叫root代码？就是安卓应用里头有一些代码，它可以帮助这些安卓程序获得root权限，也就是我们俗称的越狱。以前这些代码会被藏在安卓应用的各种数据文件里。大家知道，我们上传的一个应用里头，有一部分是执行代码，还有一部分是数据文件，比如图片呀或者是一些其他的应用需要的一些数据。他们把一些root代码存在这些数据里头，谷歌扫描发现了以后，就会把所有这些应用全下架。

苹果其实也干过这种事。苹果是把所有带有热更新的应用都下架了。这什么意思呢？就是你上传到苹果的时候，这里边是安全的，没有任何问题。但是，你会在这个应用运作的过程中，通过热更新的插件，从远端去下载一部分代码到苹果手机的本地去运行。实际上，这些代码就是躲过了苹果的代码检测。这位田姓博士也是如此，他自己签名上传的代码，其实这种代码上传都是要自己写名字的。

就知道是谁传的这些代码的，都是安全的。他呢，通过读取数据文件里边的一些攻击代码，然后去执行各种攻击操作。它呢，利用了Huggingface的一个漏洞。Huggingface应该是大模型时代最大的开源服务平台了，大量的开源模型、开源数据及开源数据包，都是在这个平台上去运作的。Huggingface相当于是大模型时代的GitHub。但是呢，这里面也是有一些漏洞了。他利用其中一个漏洞，修改了Pytorch的这个集群里边的一些代码。Pytorch是梅塔开源的，现在应用非常广泛的大模型底层支持的框架。

他这种修改呢，会随机的杀死很多的实验进程。因为像大模型训练就是这样，就是说我们现在开始训练了啊，它不是说这边一一命令开始，那边就结束了。它需要很长时间。在这么长的时间里头，可能就会有一些进程就失败了。他的这个程序上去以后呢，就随便点杀几个，说你们就直接死机吧，你们就不用干活了。所以导致呢，这些训练整个就没有完成。而且呢，还会去故意修改其他同事模型上的一些参数。

其实我们现在讲的开源大模型，这个词语不准确啊，应该叫开放权重或者开放一些参数的这些大模型。他去把里头的一些权重、一部分参数给改了，那么导致这些模型最后训练、评测的各种结果就完全不可控了。他就做了很多这样的事情。而且还干嘛，还去参加各种故障排除会议，然后根据故障排除会议的各种结果，再去修改自己的攻击代码，和纯纯的卧底。

那么我们讲到这了，大家是不是没听明白他到底怎么干的呢？我们讲一个普通人非程序员能够听懂的案例吧。一个什么样的案例呢？比如说我们今天用穷举法去破解密码。什么意思呢？比如说你现在有一个四位的密码，是从4个0到4个9，一共呢，是一万种状态啊，从0000到9999。什么叫穷举法呢？就是一个一个试，首先是0000，不对，再是0001，再是0002，它等于是这样的一个过程。现在有人进去攻击了。

攻击的方式是什么呢？就是在每一次从000到0001这样的跳转过程中，他给你随机多跳几个，或者少跳几个，或者倒着往回跳几个。这种攻击一旦发生，前面所有的测试就都失败了。比如说，我应该测完0001，然后测0002，再测0003，应该是这样一个一个挨着测，我才能保证我的穷举，把所有中间过程的数值都试过了。

但是，有一个人给你投毒了，恶意攻击你了。0000完了以后，我就直接测试了0008，啊，然后测试了0007，再然后测试了020几，什么的，就这样了。他等于随机跳了，那你说，我这不是都测了吗？问题在哪呢？就是你测试的过程，其实是没法去一个一个记录的，到底测了哪些，记了哪些，哪些没测，你这个事你不知道了。

穷举法的最大价值就是我挨着个儿的把所有的数都测一遍，但是你在测的过程中来回跳，这就是最简单的投毒方式。据说，这一次投毒造成了几千万美元的损失，因为他的模型评估结果忽高忽低。前面的所有测试数据，实际上都被污染了，必须重新来过。因为做这种大模型测试的话，第一个，这帮人就很贵。据说是因为这位田姓博士生的投毒，导致30多位各层级的员工，他们的工作都被浪费了。

大家要知道，能够干这件事情的人，本身的薪资是非常高的。就算是这种实习生，他们的薪水也不低。你想，他是个博士嘛。这些人啊，准备了大量的数据，可能还有很多人去帮着他们一块准备数据。再加上什么呢？烧显卡呀，你需要用大量的显卡算力来进行模型训练。训练完了以后再去进行评估，现在等于所有的这些评估数据都不可信了，只能把它们都扔掉。

就跟刚才我们讲的这个穷举法破密码似的，你现在告诉你说：“哎，我现在已经从0000破到9999了，没有找出密码来。”那咋办呢？只能从头开始啊，因为你搞不清楚到底哪些数测了，哪些数没测呀。他实际上干了这么一个事情，所以这个是非常严重的损失。前几天李开复还讲了，他说我们训练一次模型，需要三四百万美金的这种成本。

那么，这么长时间被他投毒，也就是数据污染的模型训练过程，现在都不知道有多少。所以，他这个事情到底有没有亏掉几千万美金，真不好说。外界传是有这么多，但是ByteDance自己的人说，应该没这么多。确实有损失，但是没有那么夸张。这个数据呢，我觉得，我们大家自己心里稍微有个数就可以了。

现在呢，对于这位实习生的处理，就是把他辞退了，然后呢，也对行业内的协会以及他所在的学校进行了通报。也就是这哥们再去什么地方上班，你们就别要他了。学校你自己看着办，是不是给一个处分，或者是如何去处理， let不让他毕业啊，你们自己看着办就行了。

目前呢，还没有进一步的诉讼或者追偿的措施。其实怎么说呢，这种学生未来未必不会成才啊。因为前面我们看奥本海默的这个电影的时候，我们知道奥本海默在上学的时候，是曾经尝试往他的导师吃的苹果里边打过毒药的。这种人最后也把原子弹操出来了。所以，这位实习的田姓博士生，反正不算是个笨人啊，未来到底能做什么不好说。当然，在中国这样的一个环境下，可能他也就没有什么未来了。

这个事情告诉我们一个什么样的道理呢？就是在工程管理里头，必然要面对一个人员管理的问题。这个事情呢，其实是谁都绕不过去的。人呢，并不是螺丝钉。很多的工程管理里边，都希望把人变成螺丝钉，变成没有感情的机器，这件事其实是有问题的。我记得以前经常讲说，怎么能够放心地把后背交给队友，这个就是大家在进行协作的时候，必须要思考的问题。

很多人都去参加过那种破冰团建。什么叫破冰团建？就是大家谁都不认识谁，为了能够组建一个团队，要把这个冰层敲开，叫破冰。这个里边都有一个项目，我参加过几次，每次都有这个项目。什么？背摔。就是两个手这么抱起来，站在一个台子上往后倒，就是你看不到后边。后边呢，是你所有的队友伸手接着你。这个过程就是培养对队友的这种信任。你说，我可以把我的后背交给大家，因为人向后摔的时候，特别是不看人的时候，你还站那么老高。

这是很危险的。反正我每次往后摔的时候，都心怀忐忑啊。因为为什么？胖啊，万一下去了以后大家没接住，这事不是很危险吗？当然，我现在还可以活蹦乱跳，在这跟大家讲故事啊，所以我的队友们每次都接住我了。

我记得原来看美剧，有一个美剧叫《梅林》，讲的是大法师梅林的故事。里边呢，就有这样的一个桥段，讲的是什么呢？一个平民冒充贵族成为骑士，在亚瑟王的这个团队里边去征战。而且呢，他的战功还非常的卓越。这个人在继续晋升的时候呢，他的身份就被揭穿了，说你不是一个贵族，你不可以成为骑士，你不可以在这里继续战斗下去，就把他赶走了。其他人就觉得很不公平，去问啊，为什么这样的一个人就不能够跟我们一起战斗呢？

给出的解释是这样的：之所以只有贵族才可以成为骑士，是因为我们必须知道他的父亲是谁，也必须知道他的家族是什么，必须知道他为什么事情感到荣耀。只有在这种情况下，我们才可以把后背交给他。

所以呢，自古以来，如何把后背交给别人这件事情，一直是团队管理、工程项目管理里头一个比较难以逾越的鸿沟，或者一个重大的难题吧。在古代，奴隶呢，可以在鞭子下面去修建金字塔，也可以修建长城。但是呢，奴隶是不太可能带着镣铐去实现现代科技创新的，因为这个需要脑力劳动的。而且这些脑力劳动最终的结果，是非常难以进行解读的。他不像是去修金字塔似的，你把这个石头搬上去了，就是搬上去了，奴隶主也好，或者监工也好，拎着鞭子在旁边是可以看到的。

而现在，你想，这家伙上去写代码，然后这个代码还有一定的隐藏性。我上传的时候，这代码没毛病，等传上去以后，他在里头做了一个变身，开始进行攻击，这种事情，你是一个人拎着鞭子在后边盯着，就可以盯明白了吗？这个事是不行的。

如何让高级打工人在工程允许的范围内，输出可控的结果，这件事呢，是现代很多大型软件工程里边都很头疼的事情。而且是不是可以在整个的工作过程中超越预期，这个也是大家需要去思考的事情。什么叫超越预期？

你想预期吗？一定是有不达到的、有达到的、超过的。现在工程上面说我们能够达到就行了，我们要求你给我做到80分，你给我最后做到80分了就OK了。但是最后做到90分、做到95分，那些产品呢，就叫超越预期的。人是可以输出很多不可解释的结果的，工程管理一般是要求你所有的结果、所有过程可以解释的，但是人经常会输出很多这种不可解释的结果。比如说那种充满了爱的寿司，那个寿司之王，他做出的那个寿司绝对没有标准化啊。工程处理的方式就是标准化，你们必须是多少力量，然后抓多少米、多少克，精确到多少，然后呢，捏几下力量到多少。这是工程用的方式。但是你想，寿司之王他有这个水平吗？人家是靠爱来做这个事情的，充满了对寿司的爱，然后做出了很好的寿司。所以人有时候会做出一些你完全无法想象的东西。

另外一面的话，在996高压工作、心怀怨怼的情况下，需要进行大型协作的工作是非常非常危险的。你说我一个人把这事搞定，那你就算心里再不满意，没准都是有可能能够做出来的。你想以前的铸剑，实在不行就把这个老婆孩子往那个炉子里扔，最后他也能把那个剑铸出来。但是现在不行啊，因为这么多人协作在一起。你说：“哎，有什么事我就扣你钱啊，有什么事你就必须加班啊。”而且要进行很严厉的处罚，每天从早骂到晚。这些人在一起协作，他是不可能做出一个好的产品来的。

其实咱们讲到前面，奴隶们在鞭子的驱赶下去修长城这个事，长城的质量真的好吗？孟姜女哭长城，你以为那个长城真的是她哭倒的吗？那个工程质量一定是有问题的。这一次犯错的是一个博士生，是一个实习生。当然在这个里边我要讲的是什么呢？就是我们不要去怪罪这个个人啊。出了问题一定是整个的工程项目管理有问题，而不是这一个人有问题。就任何人都有可能出问题，你不能说：“哎，别人都是好好的，怎么就你错了？”一定是你个人的问题，千万不要这么想这个事情啊。如果是这样去思考这个问题的话……

那么这一次出问题是一个偶发事件。下面继续出问题，继续是偶发事件。那么就永远不可能有任何改进了。需要改进的，只能是工程系统的这种管理过程，不可能是说我保证每一个人都怎么怎么样，这事是不现实的。

下一个问题是什么呢？就是开放跟封闭到底哪个更安全？其实这一次ByteDance的问题也暴露了一个新的问题。是什么呢？就是它是利用Huggingface上面的一些漏洞来去进行攻击的。那么你说这种开放的系统经常会被攻击， 经常会有问题暴露出来。而自古以来那些，比如中国传男不传女的那些工艺，包括像意大利威尼斯穆拉诺岛上的这些玻璃工艺，就坚决不允许外传，任何外传的人直接被杀头。

那么到底我们是应该使用中国或者是古代威尼斯这种封闭的技术管理方式，还是应该用Huggingface、GitHub这样的开放的技术管理方式呢？现在看，应该还是要开放。为什么呢？就是现代整个的互联网发展、移动互联网发展，包括现在的大模型的发展，都是建立在开放的技术平台上，都是建立在开源的基础上的。

虽然我们看到了很多问题，这一次Huggingface出问题了，前面比如说Linux哪儿出问题了，都是开源系统。但是你要相信，那些被封闭起来的系统里边儿问题更多，你只是不知道而已。开放的系统里边，我们有问题就可以发现，发现了以后就可以去改，这才是不断改进、不断完善的一个过程。越开放的地方，问题就越容易被发现，就越容易被改正，这才是开放真正的意义，而不是说你看出错了吧，下回赶快封起来，咱们再搞这个传男不传女，不能这么干。

开源呢，就是新时代的松藕河的合作模式，全世界陌生人都可以合作在一起，共同在开源项目中去贡献代码，去提升开源项目的这种进度与品质。时代的进步本身就是分工不断细化，以及合作更加广泛的一个代表。我们就是要继续向开放的路上接着走。所以呢，千万不要因为说开源系统出错了，我们以后就封闭。最后我们还要讲一个问题。

未来犯错的可能就不再是人了。这一次犯错的是这位姓田的博士生实习生。以后更多会犯错的是什么？是AITC大模型啊。这可能是我们需要思考的另外一个问题。AIGC也要参与到跟人的协作过程中来。那么，AIGC是否值得信任？

我记得在早期大模型出来以后，很多人就是说：“哎呀，这个大模型就像是一个刚刚走出校门的本科生，具备各种知识，但是呢，进到各种行业里边去，都会有一些水土不服的感觉。”现在我们就要面临这个问题了：我们需要跟这些AIGC大模型合作的时候，它到底是不是可信？

而AIGC的结果呢，其实是非常难以验证的，就跟这位田姓博士生给出的代码是一样的。为什么难以验证呢？第一个是量很大，很多的人可能没有AIGC的知识面全面，反应速度肯定更没有它快。但是呢，AIGC产生了大量的内容，产生了大量的结果，这些东西是没有人可以去一条一条去验证到底是不是正确的，人没有这个能力。而且呢，这些内容非常分散。

为什么要讲到分散这件事呢？就是刚才我们刚讲过，开源系统或者开放系统，它更容易发现问题。但是呢，有一个前提：这个系统有很多人用。有人开源了一个系统，从来没有人用，它的问题就很难被发现。一定是很多人都用过了以后，才更容易发现问题。

但是呢，AIGC生成的内容量非常大，分散在各个角落里头。有些内容会有人认真去看，有些内容可能没有人认真去看。那么，这些分散的内容，你要再想把它所有的错误都找出来，基本上是不可能的。而且呢，AIGC的工作过程基本上是不可解释的，并不是说AIGC整个的工作底层原理都不可解释。现在已经有很多人去尝试理解和分析AIGC到底是怎么工作的，每一次为什么给我们这样的结果。

但是大家要注意一个问题：它是有成本的。你要去确认AIGC这一次为什么这样给我结果，它是有成本的。如果每一次都要进行这样的确认的话，这个成本是没法接受的。

所以呢，AIGC所产生的大量工作过程都是不可解释的。而且，AIGC未来会有更多的端到端的这种结果输出。在这个过程中，他们整个输出的过程，人类是没法参与的。人类想要去参与这种协作，比如说我们几个人凑在一起去写程序，那我们要干嘛呢？首先要商量半天，哎呀，这个我们怎么写，怎么规定啊，这个代码应该怎么放，怎么去命名啊，如何去做架构，这要不停的商量，还要写大量的文档，大量的规范文件，写很多的注释，大家才可以一起去协作。

你一旦AIGC端到端了，我这边输入要求，那边出结果。上帝说要有光，于是就有了光，中间的过程完全都不知道，他也不需要写注释，因为他不需要跟自己解释任何事情。那么这种内容的话，人是没法读懂的。

所以呢，我觉得这一次ByteDance的这位博士实习生造成的投毒事件，其实会告诉我们说，未来我们去跟AIGC合作的时候，他就像这个实习生一样，他到底做了什么，到底怎么做的，为什么这么做，其实我们这些使用者也是不知道的。而且，你是完全没有办法去对过程和结果进行追踪和验证的。

所以可能未来如何去跟更多的人去合作，如何去跟更多的机器进行合作，如何去跟更多的人与机器结合的实体进行合作，可能是我们未来需要面临的新的挑战。好，这个故事就跟大家讲到这里，感谢大家收听。请帮忙点赞，点小铃铛，参加Discord讨论群，也欢迎有兴趣有能力的朋友加入我们的付费频道。再见。