罗福莉发布了小米MiMo-V2 Flash新模型，小米股价却应声下跌了

大家好，欢迎收听“老范讲故事”的YouTube频道。

关于 MiMo-V2 Flash 模型发布

12月17号开的发布会，罗福莉终于站上了小米的舞台，发布了新模型 MiMo-V2 Flash。这是一个MoE的模型，这倒是不出乎人意料，因为现在新的模型基本上都是MoE。而且罗福莉作为Deepseek V2的主要创作者，MoE就是从他手里头发扬光大的。

但是MiMo-V2 Flash这样的一个模型，使用了更强的后训练算法，就是前头预训练完了以后，后边做更激进的这种后训练。整个的模型是 309B，也就是3,090亿参数，每一次干活只激活 15B。所以他每一次真正回答问题的时候，激活的参数量是非常非常小的。

这是一个云端模型。别看他只激活15B，在本地是没法跑的。如果你想在电脑上跑的话，基本上三十几B就是到头了。不是说你每次激活多少，而是你总模型量有多少。你比如说我现在有一个72B的模型，每一次激活十几B，在我们电脑上是跑不起来的。所以它这个309B每次激活15B的模型，只能在云端跑。

开源、价格与实际体验

这个模型直接开源了，目前API是可以限时免费使用的。即使后边收费了，也是非常非常便宜的，比Deepseek还要便宜很多的一个价格。256K的上下文，刷分的能力还是很强的，就是在很多跑分上，跑的还是相当不错的。但是具体使用，还是要各自去体验一下。

我自己试了一下，感觉很一般，这个模型并不是很聪明的样子。我原来有一个习惯，就是每一次做什么模型介绍的时候，都会用这个模型去搜集相应的信息。比如说像Gemini 3，就用Gemini 3去搜集信息；像GPT-5.2，就用GPT-5.2；讲Deepseek V3.2也是用Deepseek去收集信息。但是今天这个稿子，是用GPT-5.2和Gemini 3 Pro写的，MiMo-V2 Flash这个模型搞不定，我去试过了。它这个模型的能力确实要稍微差一些。

但是据说这个模型，在 Agent以及Coding 的方面，是进行了专项的增强训练，效果非常好。甚至在某些的评分上，已经超过了Claude 4.5 Sonnet，这是非常恐怖的。就算你刷分能把它刷上去也很难，小镇做题家也不是谁都能干的。

资本市场的冷淡反应

但是这样的一个模型发布之后，小米股价应声下跌了。说明什么？就资本市场并不看好这件事。

• 12月16号：这个模型的消息就已经泄露了，说我们准备发这个模型了，当天小米股价下跌了2.25%。
• 12月17号上午：罗福莉在国家会议中心开的发布会，小米股价微涨了一点点，涨了0.78%。
• 12月18日：大家在消化这个消息的时候，相关的文章满天飞的时候，小米股价下跌了3.01%。

所以伴随大模型的发布，小米的股价是在持续下跌的。而相同的时间段，恒生指数是在上涨的。这个就属于叫逆势下跌，说明整个的资本市场，对于这件事都不看好。

为什么资本不看好小米搞大模型？

这是为什么？别人发了大模型，买了GPU或者做了什么事，大家都很看好，怎么到你这小米这就不行了？有几个原因。小米这种大模型搞法，和资本认知是存在偏差的。当然还有一个原因是什么，就是最近AI泡沫正在吹破，所以谁发大模型，都未必是完全的利好了。

1. 算力储备不足

那咱们回过头来讲，为什么小米搞大模型，资本就觉得有问题？现在号称搞大模型的这些公司，没有个10万卡起，都不好意思说自己搞大模型。国内的阿里、字节，都是10万卡起的这种公司。百度也是如此，更别提华为了（华为因为他那卡水平稍微差一些，所以那个量更大）。你没有10万卡，搞啥大模型？小米有多少卡？他应该是在2023年，还是更早一些的时候，买A100的卡买了6,500张，真的是不多，几千张卡。现在号称是准备上更大的集群，也就是万卡集群，还没有说到10万或者几万这个数。所以小米的一直是比较抠抠搜搜的，干这个事情。

2. 缺乏云计算积累

而且小米自己也不是云计算大厂，缺乏相应的积累。甭管是百度、腾讯、阿里、字节，还是国外的谷歌、微软、亚马逊这些，这都是云计算大厂。这些人管理这种巨型的云计算集群，在里边插了显卡以后去做训练，它是有积累的。小米虽然也有小米云，但是小米云最主要的功能是网盘，让大家存照片用的。它在云计算这一块，一直都没有什么特别大的声响出来。

3. 与“性价比”人设不符

而搞大模型这件事，是需要烧很多钱的，这件事跟小米的人设极度的不符。小米的人设是什么？叫“薄利多销型”。小米就相当是一大师傅，在这包包子。皮薄馅大，最新鲜的好肉，面粉、油盐所有的这些配料，都买能够买到的最好的。味道肯定不会难吃，但是也绝对不会有什么独特的、让人回味的这种味道。他也不会做什么特别复杂的创新，量大管饱就完了。

但是他每次去宣传的是什么呀？“你看我用的是什么样的面粉，这个面粉种小麦的时候，晒了什么样的太阳；我这个肉用的是什么样的肉，这个猪长大的过程中，是不是听音乐了。”这就是雷式营销法嘛。他总去强调什么？每一个这种原材料里边，一些不被人所关注的这种小细节。这些细节会感动人，但是你说这个猪在长大的过程中，是听了音乐还是喝了啤酒，跟我们最后去吃猪肉的时候，这个感受到底有多大关系？反正我也没太搞明白。

但是小米整个的雷式营销，就是在不断的强调这些东西，而且堆料堆的很足。甭管是他造手机，造电视、造洗衣机，还是造汽车，堆料都是堆的非常非常足的。但是到底有哪创新了？还真没有。小米向来是硬件堆料，软件相对粗陋。设计基本上就是没有设计，以前就是说小小米有风格吗？没风格。你把所有的小米产品放在一起，让你去猜小米下一代产品长什么样，你猜不出来。为什么没有风格吗？每一代都长得不一样。

利润确实是非常薄，依靠巨大的销量去压缩上游的这种供货商价格，然后依靠巨大的流量压缩销售成本。他通过这样的方式，精打细算的、省吃俭用的积攒了大量现金。小米手里还是有不少现金的，他在研发投入以及大模型相关的投资，其实都不大。在国内做大模型投资的，阿里是做的最狠的，字节做的也还不错，最近腾讯也开始发力了，已经开始向这个OpenAI挖人了，也在疯狂的挖字节的人。但是小米目前为止还是比较节俭的，小米的钱基本上都是省出来的。

4. 罗福莉的背景与技术来源

另外一点，大家不太看好小米的原因是什么？就是罗福莉来自Deepseek，这个身份还是多少有那么一点点尴尬的。在Deepseek最火的时候，就传出了雷军千万年薪挖人的消息，后来小米跟罗福莉本人都进行了否认，说这事没有。那这段时间罗福莉在干嘛？他把自己的名字写在了一篇论文上。这个论文是北大跟小米联合发表的论文，这个论文也是讨论后训练方法的一些新的探索，罗福莉是这篇论文的通讯作者。罗福莉在这段时间在干这个。而这个小米的MiMo-V2 Flash这个模型，就是用这个论文里边写、所使用的这个方法来训练的。所以这一段时间，他就已经在加入小米了，只是没有对外官宣。10月份罗福莉正式官宣加入了小米，12月17号站台发布了MiMo-V2 Flash。

5. 创新模式的质疑

小米的每一次的科技创新，其实都显得不那么大气。你比如说玄界O1，大家一看就知道，这个芯片基本上走的ARM的这种定制套餐。当然是雷军他自己会否认，说“我们没有做定制套餐，我们还是投入了很多的”。但是你投入了很多备不住，人家有一个套餐，跟你这个玄界O1芯片真的是卡边卡沿，一点都不带差的。他那个套餐里还包括台积电生产，你这个玄界O1也是台积电生产的。但是你说我这个就是没有签那份协议，那他也说得过去。

另外澎湃OS，现在大家都得做手机操作系统嘛，但是小米的澎湃OS，那就是安卓。为什么？因为它小米要在国外卖手机，你把这东西改大发了，你怎么去跟谷歌兼容？你没法在国外销售。对，至于自动驾驶，反正一直属于第二梯队里靠前的，能使但是不算特别好的，也一样把硬件堆齐。小米每一次都是把硬件堆齐，它自动驾驶也是直接塞两颗索尔芯片进去，软件稍微差那么一点点，也就是这样的一个状态。

所以在这样的情况下，你要让整个的资本市场相信，说你是按照我们熟悉的配方、熟悉的套路去做大模型投入了，大家不信。所以发个大模型，股价还跌了。

小米的转型与雷军的“挖人”艺术

那大模型发布会，以及最近小米不断的挖人、积累团队的这些行为，可能意味着小米正在进行转型。小米现在在不断的拉高研发投入。要注意，国内这些科技企业里头，研发投入最高的是谁？是华为。那真的是砸死钱在里头去做研发。你可以不喜欢这公司，但是人家研发投入的钱是真金白银的。做出来的东西怎么样，是另外一回事。有的时候他底层逻辑有问题了以后，他们做出来的东西，也是总会透着那么一点点的诡异。现在小米也是不断的拉高研发投入，然后高调官宣罗福莉的入职，从原来的隐瞒到现在官宣，甚至让罗福莉直接站台去发表演讲。

而且最近还有什么人入职了？前特斯拉“擎天柱”灵巧手的工程师卢泽宇，也入职了小米。以后要做机器人，没有哪个汽车厂说我自己不做机器人的，现在直接挖了特斯拉的人回来干。据说有3,000人的大模型团队，但这件事我是表示怀疑的。马斯克的xAI还没有3,000人，小米整3,000人？你在这熬汤吃，还是在这包包子？这个3,000人的团队里头，到底有多少人是真正能干活的，或者真正能够在大模型底层上，有这种研究能力的？这个事我表示怀疑。

雷军的必杀技：挖人

但是有一点不用怀疑的是什么？就是雷军的有一大技能，就是挖人。雷军挖人的能力，是国内这些CEO里头，应该是绝对第一梯队的。

像雷军做小米手机的时候就是去挖人，他当时直接列了一个表，全世界做安卓的人，排第一是谁，排第二是谁，排第三是谁。甭管排的严不严格了，他反正排了一表，然后就一个一个上去敲门，说来你上小米这来做手机来。那排最前面人都是哪人？都是谷歌的人，因为安卓是谷歌发明的。那雷军就去敲门，人家说“我为什么要离开谷歌，上你们那去？”那雷军怎么办？就坐在人那跟人继续聊天，一聊聊10个小时，20个小时。几天的聊下来，那有些实在聊不下来就算了，但是还是有不少人真的被他挖过来的。然后去找魅族跟人去学习去，学完了以后挖人，最后魅族都快疯了，说你不能这么干。

像雷军算是成名比较早，他很早就成为了金山的高管，所以他这个圈子里头比较有名。他这个隐蔽性又很强，跑到人家那去说“我跟你学习一下”，就是这种工程师的本色，还是比较彰显的。他跑那跟人学习还很谦虚，有一些好为人师的人也是愿意跟他讲，讲完了他就这个顺手，就“七嚓咔嚓”开始挖人了。这个是雷军的一大技能。所以小米早期的人，都是雷军照着名单挖回来，以及到别的厂里头去学习了以后，顺手挖回来的。

小米汽车其实也是这么来的。小米汽车在早期的时候，雷军就跑到吉利去学习去了，说“你们这车造的真好，我好喜欢你们这个东西，你们到欧洲也是收购了很多厂，有这么多好的工程师，我们好好学习一下，看看到底是怎么做这个事情。”人家也是很开放的就跟他聊，聊完了以后，就把吉利的一大票人，全都拎回来了，包括很多莲花的人，就是Lotus的人。Lotus这个品牌，当时也是被吉利收购了。Lotus团队的很多成员都是在国内的，直接被小米连锅端回来了。

现在雷军继续在发挥这个技能，大模型上把罗福莉拎回来，机器人也直接上“擎天柱”那去挖人去了。薄利多销这条路，未必能够走的下去了，必须要转型了。再去堆料，然后去宣传原料、那些不被人注意的小众特点，就是雷式营销法可能走不通了。所以现在真的是要自己做出点技术来了，趁着手上还有现金，需要砸一把了。这就是现在小米可能在干的事情。

小米的大模型矩阵

小米都发了哪些大模型？

• 2025年4月份发布了 MiMo-7B：这个是一个7B的模型，这个模型是可以在手机上跑的。
• 5月份发布了叫 MiMo-VL：一般叫VL的模型，都是视觉语言模型，它是有视觉视频推理能力的，或者有视频的识别能力的，我们管它叫多模态模型。我现在在我的汽车上开着开着，我就可以喊：“给我看看前面那什么车？这车多少钱？”他就可以“咔嚓”拍一张照片回来，然后给你讲半天，这什么车，什么牌子，现在多少钱，给你分析半天。这个也挺好玩的。
• MiMo-Audio：这是一个1.2B的模型，9月份发布的。
• MiMo Embody：这个模型是11月发布的，其实是自动驾驶和机器人的模型。

现在澎湃OS 1.11版本正在推送，里头就是这个MiMo-Embody的模型。现在这个版本，已经摆在小米SU7的版本上都推完了，小米Yu期的版本还没轮上我，在分批推送。据说推送到手以后的话，它的自动驾驶能力就会得到极大的提升。今天讲的MiMo-V2 Flash模型，12月发布的，所以它发布的这个频数还是很高的。

“人车家全生态”背后的逻辑

那这么多模型都干什么的？MiMo-V2 Flash是作为云端Agent基座来干活的，其他模型都是端侧模型。其他模型都是相对比较小的，直接可以在这个手机上、你的家的冰箱上，或者是汽车上跑。包括语音模型只有1.2B吗，在各种的家用电器上都是可以跑起来的。这个视觉模型也是7B的，就是这些模型都不大。

云端的V2 Flash这个模型，它主要强调的是AI Agent的能力。AI Agent的能力，实际上是可以进行专项的后训练，是相对来说比较容易增强的。还有就是编码能力，这块也是相对比较容易验证和提升的。像小米喊了半天“人车家全生态”，其实是一大堆设备。这些设备的控制都是靠什么？就是一大堆简单的脚本代码。你要给他写一个脚本：先开灯，再怎么转方向，这实际上都是脚本。那么MiMo-V2 Flash在搜索和推理的帮助下，搜集设备上反馈的信息，生成可靠的脚本，进行设备控制。这个故事还是编的圆的。

所以他就是整个这一套：一堆的端侧模型，加上一个非常高速、非常便宜的AI Agent和简单编码模型，形成一整套的大模型体系。

现在所有这些模型都是开源的。小米自己是个硬件设备公司，大模型通通都开源了。以后有开发者想要基于这些设备，再去开发各种应用场景，相对来说的话会容易一些。这就是小米现在的大模型的主要的思路。

总结

最后总结一下：罗福莉发布了极其偏科的新模型，速度快、成本低，AI Agent和编码都还不错，但是确实不太聪明。资本市场的反应极其冷淡。这不再是那个我们熟悉的小米了，小米现在正在转型。未来这条路是不是能够走得通，现在看还非常非常难说。为什么？因为小米在海外，它是可以直接用Gemini模型的，你只有在国内，你才需要上MiMo这些东西。那么省钱省习惯了的小米团队，未必能适应的了大模型的这种投入模式。所以未来到底会走成什么样，咱们还需要看一下。反而是目前为止，资本市场不太认可他们能够转得过这个弯子来。

好，这一期就讲到这里，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。

背景图片：

Anthropic Claude出了新工具，叫skills技能。这是不是MCP的升级版本呢？

大家好，欢迎收听老范讲故事的YouTube频道，咱们又有新玩具了。这一次，Anthropic出了一个东西，叫skills技能。它呢，应该是大模型功能拓展标准的一个新尝试。

大模型除了可以一本正经地胡说八道之外呢，你还需要去做一些技能拓展。比如说，你可以去写PPT，可以去做Excel，skills就主要干这玩意儿使的。这也算是AI agent以及上下文工程有可能会迎来的一个新标准，甚至呢，在部分功能上已经取代了MCP的功能。待会儿咱们再讲哪一部分可以取代MCP了。

到底什么是skills呢？它呢，是直接给Claude去赋能，让Claude code去做一些琐碎的工作。我举一个例子吧，比如说一个律所，你律所里头需要干一个什么事？就是你们出的所有的这个文件，它是有排版要求的。哪个地方用几号字，哪个地方用几号字，什么地方要用什么样的方式来表述，这个都是有要求的。以前我们律师给写的文件，大概每一个文章倒数第二段的时候，要写一个“以及”还是什么，反正有一个特别奇怪的要求。我第一次看到，我说：“你们为什么写这个？”他说：“律所要求就是必须这么写。”包括哪个标题需要使用什么字号、什么字体、字间距、行间距，他们都有要求。

这个东西你要让大模型去干活呢，就很费劲，特别是大模型每一次干出来不一样。那现在就是你，可以通过skills直接给它赋能，说我们以后按照这个律所什么什么要求去做，甚至是哪个版本的要求，去处理这些文件，最后处理出来的格式跟你的要求是一致的。

这东西呢，配置起来要比MCP省事。MCP配置还挺麻烦的，你需要在本地起服务器，或者就算是远程服务器，你也需要在本地去进行MCP服务的配置。这个配置的过程，可能普通非程序员不是说完全处理不了，但是还是比较费劲的。但是skills就省事多了，直接写个Markdown文件扔里头，完事。你就是建个目录，写一个skills.MD的一个文件，告诉它说，我什么样的字需要使用什么字号，或者说我这个信的结尾要加“此致敬礼”什么，你可以写一大堆这样的要求进去。写完了以后呢，直接在执行的时候告诉它说：“这是我的技能文件，请照着这个干活。”它就去照着执行去了。

而且skills呢，是可以在全客户端执行的。它可以在API上跑，也可以在Web端、手机端客户端，都是可以跑的。甚至呢，还可以在Claude code里头去跑，这个都没问题。如果你是在Claude code这样的本地的AI agent里头跑的话，它可以基本上覆盖MCP的功能。为什么？待会儿咱们细讲。在其他端这个还不太行，它是有一定限制的，至少目前还有吧。

现在呢，普通人都可以用这个skills工具。它主要是用两个格式的文件往里写东西：一个是Markdown。Markdown其实你基本上认为它是个纯文本就完了，只是呢，里头有一点点的简单的这种格式标记，写一个井号后边是大标题，两个井号是中标题，三个井号是小标题，它就是有一些这样的标记在里头，其他的也没有跟普通文本差异的地方。你用任何的纯文本编辑器都可以打开它，只是呢，没有渲染的效果而已。另外一个呢，叫YAML。YAML呢，实际上也是一种纯文本的配置文件，它呢，特点就是缩进，就是你通过缩进的方式来去写配置。现在大家看到很多的项目里头，都有这种文件，前面基本上是一个属性，打个冒号，后边是要赋的一个值。现在很多配置文件都是拿这玩意儿写的。

当然了，skills你要想处理一些更复杂的东西呢，它也允许你加代码进去，但是代码执行呢会比较受限制。因为这个skills是在哪跑的呢？它是在一个虚拟机里跑的，是在Anthropic本地的一个虚拟机里边去跑。这个虚拟机是不能联网的，也不能去调用很多的这种库文件进来，所以它的功能比较受限。

只有是在Claude code，就是在我们本地跑的时候，它可以联网。所以呢，你在本地跑的时候，它不是在虚拟机里头，你就可以基本上取代MCP的功能了。甚至你在skills里头直接写说，我要调一个什么API，这个API的调用方法是什么，返回值是什么，就是我们把很多那个API的文档文件直接贴在那个Markdown文件里就完事了，它就直接干活去了。所以只有在Claude code里头才可以替代MCP，如果不是在Claude code里头，它是不允许联网的。它的格式刚才我们讲了，就是一个叫skills.MD的一个文件放在一个目录里，或者再加一些其他的这种配置文件就完事了，极个别的情况需要加代码。

现在呢，Anthropic官方呢，也给出了一些skills，比如说一些Excel、Word、PDF、PPT这样的处理方式。我本来想去充一个Anthropic的会员，20美金充一个会员，后来翻了翻，发现这东西就完完全全的不支持中文，连繁体中文都不支持，最后算了，就不跟它费劲了。我相信skills应该很快就会普及出来，就像MCP一样，不是只有Anthropic自己可以用。

那skill适合做什么呢？最适合做文件处理、格式处理。如果在Claude code里头，基本上是全能的。技能和标准的固化和重用，这是它主要干的活。这个什么意思？比如说有一个人说：“我就擅长整理律所的文件格式。”这个东西呢，叫一个技能。你要再找一个人来说：“你给我把这个律所的文件都处理成我们要求的格式呢？”他需要重新学习。现在呢，等于是我们把这个东西固化下来了，说这个skills就叫“律所文件格式处理”，把它固定下来了。固定下来以后呢，就直接可以反复地重用了。我下一次需要去处理文件的时候，直接告诉Anthropic我的skills叫这个名字，去干活去吧，它就去干活去了。

Anthropic为什么总能拿出这种推动行业的新标准来呢？这样的一个功能，现在大家都在讨论的核心原因，就是大家觉得这可能是未来的标准。最早它推出的MCP标准虽然不完美，因为它调用的时候必须要起个服务器，这个事还是很讨厌的，但是呢，现在已经是标准了。谷歌、OpenAI都已经跟进了，国内的各大模型厂商、各大AI agent和工具厂商也都跟进了MCP了。原因很简单，就是它会秉承着叫“简单、开放、中立”这样的一个原则，这才是真正的关键。你把这事搞得很复杂，各种方方面面我都想到了，或者说我只能在自己的平台上使，我又不开放，或者说我虽然是中立的，但是呢，我们中间的这些代码是不给别人看的，其他的人你是不知道我怎么去调用这个功能的，这些都很难成为标准。你必须要简单、开放、中立。除了大模型的处理能力这些，MCP也好，skills也好，它基本上不依赖其他技术，这个也是非常非常重要的。你说我现在做了一个新的标准出来，我需要依赖很多很多东西，这个就很麻烦。像MCP呢，还是需要依赖一些外部服务，需要依赖一些这样的技术，但是skills就更简单，什么也不依赖，你直接拿出来就可以用的东西。

大模型能力拓展的尝试呢，其实一直在持续。从ChatGPT 3.5开始，GPT进入到公众视野以后，大家一直在尝试这东西到底能干嘛，除了一本正经地胡说八道之外还能干点什么。现在每天大模型的能力在上升，我又训练出GPT-5了，又训练出GPT-6了，但是还有一些东西呢，是它搞不定的。第一个是角色的固化，或者说技能的固化与重用，这个事情呢，是大模型自己搞不定的，因为大模型都是按照通用的模式来去训练的。另外一个就是要调用外部工具，我不可能自己把所有外部工具都跑通，它真跑通了就吓人了，有可能这个人类就没有存在的必要了。它还是有一定的能力边界的，这一块呢，就是在不断地拓展。

很多人可能会记得，咱们经常在写提示词的时候，第一句话干嘛？第一句话赋能，说“你是一个编辑”，“你是一个律所的文档格式大师”。我们经常会写这样的话在第一句。那你说这个真的会让ChatGPT也好，Anthropic Claude也好，像律所里边的文档编辑大师一样工作吗？是不能的。为什么呢？因为每个律所的文档格式要求是不一样的，它也不知道你要用什么方式去干活。所以你去写提示词的时候，对大模型进行角色赋值，说“你是什么什么”的时候，到底起什么作用？告诉大家，不会提升答案的质量，他原来该答什么还是答什么，但是呢，会让大模型将结果模仿成指定角色的方式说出来。他会去想说，这样的这个角色是怎么说话的，我先生成结果，然后模仿这个人的方式再重新说一遍。这个就是我们每一次去指定说“你是谁谁谁”的时候得到的一个结果。这肯定不是我们所希望的嘛，我们还是希望它真的具有相应的能力。

现在我们就要去做固定技能以及能力拓展，咱们做了很多尝试。前面OpenAI做的一个东西叫GPTS，这个东西呢，推出来的时候我就说这玩意没戏，现在呢，基本上已经没有什么人去玩耍了。GPTS主要干的活，实际上就是一个固定技能，当然它还有很多其他的功能，那个调用处理起来就非常非常麻烦了，你需要在里头写程序的。而且GPTS还有一个问题是什么呢？就是它必须在ChatGPT里头跑，它不能出来，这个是很麻烦的。刚才我们讲了，你要想确立标准的话，必须得中立，它的中立性就没有了。而且这个东西做起来其实没有那么容易，GPTS刚出来的时候我也做过一些，效果呢，差强人意，不一定每一次按照你的要求去做，因为当时模型的能力也没有那么强。折腾了半天GPTS以后，发现不是我想要的东西，所以现在呢，基本上玩的人很少了。

第二个就是function call，就是直接让大模型去通过代码干活。这块呢，甭管是国内的模型，还是国外的这种主流模型，都是支持function call。OpenAI、Anthropic的Claude，还有Grok、Gemini，都是支持function call。但是呢，这个东西比较麻烦，在哪呢？你必须写程序，你不写程序这事搞不定。只能在API里头使，你说我在客户端用，我在Web端用，这事你是没有办法拿它干活的。所以这东西呢，对于非程序员来说，基本上相当于没有。这就是function call的一个情况。

再往后呢，就是MCP了。MCP呢，比function call要简单一些，不再需要那么高的程序能力了。我可以说直接把一个MCP的配置文件写到比如Cursor，或者写到一些其他的这种支持MCP的客户端里去，他就可以去干活了。这个对于很多这种非程序员来说呢，就已经比较友好了。现在呢，你要去调MCP，可以写程序，也可以直接在支持它的客户端里配置就可以用。现在呢，有很大一部分的服务平台都将自己的服务包装成了MCP。你比如说支付宝、微信支付、高德地图、百度地图、大众点评，都开始出MCP了。这一块呢，就是只要上大模型，你挂上这些MCP以后，就可以实现相应的一些功能了。MCP主要干的活是什么呢？就是能力拓展，它并没有说把一些能力固化下来。你说我告诉大模型我有MCP了，那不能保证你每一次输出的结果都是你想要的，但是呢，它可以保证说大模型可以去调用百度地图了，知道这周围有什么好吃的，这个他可以去干了。

现在呢，skills来了。skills呢，和MCP比起来，对于非程序员就更加友好。原来MCP你要去做配置的话，还需要去写JSON，JSON还算是一种程序员使用的配置语言，而现在的话直接Markdown了，你就直接用自然语言去写就完了。JSON的话你要是把它写错了，大模型拿它也没办法，但是Markdown的话，你写错了以后，比如我写了几个错别字在里头，或者哪个地方我写点病句在里头，大模型就直接处理掉了。所以这一块容错率还是比较高的。它呢，可以很好地将技能固化下来，让你再去重用，也可以去拓展一些外部功能。但是拓展外部功能就只能是在Claude code里头用。我相信未来可能会有更多的客户端去支持skills，只要是有客户端支持的skills，就可以去允许你拓展外部功能，可以去联网。否则的话，你跑到Anthropic的自己的服务器上开虚拟机的话，它就不会让你干这个活。现在呢，在网页、API都可以去跑，但是网页、API包括手机端、PC端的这些客户端里头，它都是调用的Anthropic自己的虚拟机，不允许联网。如果你是在本地跑，它是允许你去联网的。

那你说未来大家会不会跟进呢？一个新技术，你不能说上来我就要做标准，这事是不对的。一个新技术出来了以后，一定是什么呢？一定是自己先用起来，大家喜欢了以后，逐渐去遵循你为标准。而且你前提还得是开放，你如果不开放的话，别人想去遵循你为标准也没有这个能力。我觉得呢，大概率skills会成为下一个标准，继MCP之后的下一个标准。为什么呢？就是skills的技术是完全中立的一个技术，因为你写进去的就是一堆Markdown，其他的没有什么，就算写一些Python代码，或者是一些TypeScript，或者是其他的这种代码进去，它要求的也都比较简单，不会要求写特别复杂的代码，因为它是在一个没有网络、也不可以调用外部代码库的一个虚拟机里去执行的，所以这个代码也不会太复杂。所以第一个，完全中立。第二个呢，就是它直接开放的，Markdown文件拿出来看就完了，我到底是一个什么样排版的文件，我直接看就可以了。

WPS里头有非常非常多的模板库，班级的点名表，或者是各种的报告，它都有模板库。以后这些东西通通都可以写成skills，我们就直接调用的时候，就可以产生出符合各个单位里头要求的格式化文档，这个还是很棒的。甚至呢，可以进行一些逻辑上的检查，比如说所有的股权算完cap table以后，加起来必须是100%，你这些东西通通都可以在skills里去干。现在大量的skills文件呢，已经开源了，都在GitHub上，大家可以自己去找去，直接下载下来就可以用。而且支持skills这件事呢，本身对于大模型也没有什么新的要求，完完全全是可以在这种客户端上就跑。你比如说Cursor或者是VS Code，这些东西就直接可以去支持了，并不需要模型做任何的修改，也不需要在模型API上做特别多的调整。所以这个东西成为标准的门槛是比较低的。

skills对模型唯一的要求是什么？就是你模型的上下文要进一步的提升，要有更好的指令依存度。我要求你干什么，你必须老老实实给我干去，这就是skills对模型的要求。现在Anthropic Claude对于skills的这种要求，特别是现在的4.5的版本，基本上是可以满足的。Gemini 2.5相信应该也没有任何问题，甚至马上要出Gemini 3，可能这个礼拜就要出Gemini 3，做这些事情应该也都是OK的。GPT-5处理skills这样的一些小问题，应该也没有任何毛病。国内的话，豆包、DeepSeek和千问应该也都可以完成相应的这种改造，就是你模型不用动，直接在这个客户端上处理一下就可以了。

未来的话，可能就是我们只要告诉大模型说，我有哪些function就是哪些功能，哪些MCP，比如说我可以调用百度地图、高德地图，然后呢，我们再告诉他，我还有哪些skills，哪些技能，我想干什么，然后它就给你干去了。我举一个例子吧，我们现在有MCP是高德地图的，有一个skills叫做“Excel格式整理和数据校验”，然后我们就可以告诉它什么呢？我现在想知道某一个地区周围有哪些日料店，他们都是一个什么样的情况，按照这个打星的情况去排序，还是按照价格排序，还是按照一个什么样的方式排序，然后呢，请给我去进行什么样的格式。把这个命令整个交给这个大模型以后，它就会自动地去调用MCP得到某一个地区附近的日料店，然后把里头所有数据都拎出来，再按照我们的要求调用skills，把这些东西通通都塞到Excel里头去进行校验、进行排序、进行这种格式的梳理，然后生成一个我们所要的这种Excel文件出来。它就是这么干活的。

跟这种标准，国内的这些公司应该会跑得很快的。国内一大堆抄袭Claude code的这种工具，像现在阿里、字节、腾讯都开始出这种客户端上直接进行命令行输入的、类似于Claude code的工具了，他们想去支持skills还是非常容易的。国内的这些AI IDE应该也会第一批跟上。云厂商跟进应该会更快一些，因为刚才我们讲了，skills执行的一个原理是开一台虚拟机，处理完了以后把它关上，这个对于所有的云服务厂商来说，“这个我们熟”，他们会更快的跟上。而国内最大的云厂商是谁？阿里。千问未来去支持skills应该是顺理成章的，国内MCP最早支持的应该也是阿里。

总结一下吧，你想去建立一个新的AI标准，你必须按照“简单、开放、中立”这个标准去，而且除了大模型能力之外，你其他的都不能要求。这个就是MCP成功的原因，也是skills我认为未来有可能会成功的一个底层逻辑。Anthropic呢，可以不断地确立新的行业标准，就是遵守了简单、开放、中立这样的一些基础。当然优点呢，是标准性；缺点是什么呢？就是不能吃独食。很多国内的这些厂商说，我也要去建立标准，建立了半天，他老惦记吃独食，这事你肯定就做不起来。现在AI领域里头是什么？就是一帮巨头，甭管美国的OpenAI、Anthropic、谷歌、Grok，这些都是巨头，非常非常值钱的公司。国内的字节、阿里，这都是巨头，可能DeepSeek稍微小一点点。在这个时候，没有谁说我确立一个标准，你必须在我这跑，其他人都不兼容，这事是跑不起来的。OpenAI就老惦记干这种活，吃个独食，把自己的私货加进去，但是效果非常的不好，所以他建立的各种标准一般是没有人用的，都是Anthropic在建立标准，大家去使用。

好，这就是今天要给大家讲的故事。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。

Palantir成功的秘密，OpenAI都在大量招聘的岗位，FDE会不会是咱们这些毕业的软件工程师未来的出路呢？

大家好，欢迎收听老范讲故事的YouTube频道。

AI带来了很多矛盾，好像什么都能干，但是好像什么也都没有干得太好。业务都达到瓶颈了，只能通过降本增效、不断的裁员获得收益。没法开源，就只能节流。任何公司都不敢说我不拥抱AI，但是呢，真的依靠AI解决问题的效果，又不是那么很好。所以AI这一次真正带来的只有焦虑和内卷，一点希望都没有。这就是AI时代带来的最大矛盾。

现在呢，终于有了一线曙光，Palantir算是一线曙光吧。他们呢，自己有一种职位叫FDE。FDE是什么呢？叫Forward Deployed Engineers，叫前端部署工程师。他为什么有这样的一个奇怪的职位呢？而且这种职位的人数很多。他成功的一个核心原因，就是使用这种FDE职位。

大家想想Palantir是干嘛的？他主要服务的CIA、国防部、美军，他全服务这种人，就会遇到一个巨大的问题是什么？就是他们的需求千奇百怪，千人千面。你上去问说你到底需要什么需求呢，人家又跟你说不清楚，或者说完了以后呢，你也很难能够理解清楚，会有这样的问题。而且呢，他的很多的流程非常小众，就没有哪个说我把这事弄明白了以后，我开发一套系统，放之四海皆准，这个事其实挺难的。

当一个系统需求很难确定的时候，你就没有办法往前走。这种需求一方面是说不清楚，还有一方面，很多做企业AI化的项目呢，都会遇到一个问题是什么？就是甲方对于AI抱有不切实际的幻想，我觉得他这玩意儿下海能捞鱼、上天能揽月，就这样的一个状态。这个还是需要一个沟通过程的。

以前的软件交付其实主要走两条路。第一条路呢，就是工程定制。你跟我说你要什么，我派咨询团队进去出报告，出完报告了以后，咱们在后边一步一步的去实施。然后呢，咱们去验收，验收了以后发现还有什么bug，我们再去咨询，再去给你迭代更新。当然咱们现在讲迭代更新呢，基本上是以年，而且还不是一年，可能两三年迭代一次。两三年迭代一次，以这样的一个频度去把这个软件维护起来的。这是一种方式。

另外一种方式就是做标准化产品。就是我把这产品做标准了，你这个流程跟我这不一样，或者说你整个的决策机制跟我这不一样，照我这改。他是这样的一种方式。前面那个定制工程的那个呢，是肯定人家原来有流程，有决策机制，你必须得照人家那个做。做标准化软件呢，就是要求人家照你这改。你像Palantir这帮用户，那国防部或者CIA的特工，你说我把你拎回来给你做个培训，说现在决策流程是这样的，你必须这么填单子才能报销，这不是开玩笑吗？所以你必须要照人家那个流程做，但是你照人家那流程做呢，成本又非常非常高。定制工程一方面是很慢，另外一个问题是什么？就是很贵。

这个就导致没有办法，只能是上新的方法。那你说我能不能把这标准化产品，我把所有的可能性都覆盖了行不行？现在有一些SaaS系统呢，确实在干这种事情，那就功能大而全呗，非常非常臃肿，所有东西都在里头。那你做了这样的系统以后呢，就会遇到一个问题叫“辣子鸡问题”。什么是辣子鸡？大家有没有吃重庆辣子鸡这种体会？就是一大堆辣椒，你要在里边挑鸡。当有一个这样的系统交到你面前的时候，你就要在大量的、你都搞不清是干嘛的功能里头，去挑那么几个你可能用得到的功能。有可能用错了，还有可能就是你想要的这功能找不着。即使说我进行培训，或者是进行一个很复杂的配置，这种东西呢，没有专业技术人员的伴随，其实你也是搞不定的。这个有时候也是靠咨询师去搞定的，这个也很贵。

那Palantir呢就换了一条思路说，咱们算了，上FDE吧，咱们到现场给你改不就完事了吗？他叫现场或者前端交付工程师嘛，就是派人到现场去说，你哪不不满意我给你改改，或者说你需要一个什么新功能，我现场给你写一个。就是现场给人用的一个半成品的系统，人家用上了。他通过这样的方式去做，他们叫驻场工程师。

当然他们那个驻的现场呢，稍微有点危险，因为有的时候是战场，你需要让工程师到战场里去。他们呢，举了一个案例，比如说阿富汗美军，他到阿富汗去驻场去了。人家说我们的需求是出门怕地雷，看看怎么给你做一个地雷预测呀，或者说怎么去设计巡逻路线呀，还是怎么样。人说不要这么复杂，你能不能给我做一小功能，让我在这个地图上能画一圈，说这可能有地雷。然后下一个人呢，拿着地图，我能看到这个圈，说这个地方有可能有地雷，我绕着走不就完事了吗？他“我就需要这么个功能”。

以前的话，你要想搞定这件事，先上咨询师，写完报告，然后回去开各种需求讨论会，再去做系统系统更新，然后重新培训，是这样的一个过程。现在好了，他有现场的驻场工程师了，你要这功能吧，我噼里啪啦给你写一个。其实这种东西写起来并不复杂，你调这个Google Map的API就可以直接搞定，这个事相对来说还是比较简单的。

开始做完了以后，不是一个特别完善的产品，就是个半成品，人家就拿去用去了。用完了以后，发现被炸死的人少了。这个你想值多少钱？少死多少人呢？碰到地雷的几率一下就下降了，那人家就很喜欢。不算完，他再把这个功能呢，弄回到这个服务器上去，或者弄回到他们的系统架构里边去。下一个人再想要类似的功能呢，就直接可以选配这个项目了。他是这样来去工作的。

美军说我们以后在各个地方去部署你这个Palantir的系统的时候，我们都需要这个圈地雷的功能，或者我们都需要一些，比如说标注毒贩路线的功能，或者其他的在地图上画圈的功能，我们都需要。那它就把它变成了一个标准化的功能。再到现场的工程师能干嘛呢？就是圈地雷我画个红圈，圈毒贩我画个蓝圈，圈偷越边境偷渡者我画个黄圈。他可能就把这玩意稍微改一改就完了，或者我加个小图标。这些部分呢，你就没必要在服务器上，或者在整个的系统里改，这个现场工程师给人改了就可以了。

他现在通过这样的方式把这种问题解决了。最终呢，照着这条路Palantir的走下去了。很多的FDE去到不同的客户现场，现场咨询需求，现场实现。以前都是要去开需求讨论会，会有一个需求评审委员会，评审的人呢，都是离现场非常非常远的人。一评审说这不重要，我们先不做了，我们先做那个吧。这个对于现场这帮人就很郁闷。这就不用费劲了，人现场给你实现了。现场实现嘛，一定是很简陋的，先用起来解决问题，马上被地雷炸到的几率就下降了。这些小需求，他压根没有进到系统里去。但是呢，在地图上画圈这功能，大家都有了，它以后变成这样的一个东西：就是共性的上升到平台，个性的就各自实现就完事了。

Palantir是成功的，大家看看那个股价就可以了。而且大家注意一点，他们用户需求很廉价、很快速的把它解决掉以后，得到了一个什么东西？就是用户粘性不断上升。你说我把这种需求解决了，换一个供应商行不行？别开玩笑了，这样的东西你咋换？换完了以后你需要重新弄吗？这个是肯定没法换的，就属于绑死了，它的迁移成本非常非常的高。而且呢，它通过把这些功能不断的找到共性，把总的服务成本不断的下降。原来到阿富汗去，我要去做这个功能还稍微费点劲，后边呢，把它写到后台的系统里去了，比如说现在又要到哪个地方去扫毒了，要到哪个地方去执行一个别的任务，那再开发出来就简单多了呀。你的服务成本一下就下降了，合同的价值呢会不断的上升。他一开始可能会亏钱，因为你毕竟是要派人上战场嘛，你给钱少了，大家不去的呀。因为你可以解决更多的问题，而且都是高价值目标的问题，你的合同价值上升，利润上升，它最后形成了一个良性循环。

FDE呢，根据描述，好像只是换了个名字的外包和咨询。大家有没有这种感觉？你说了半天这不就是外包吗？你跑到人现场去，然后七拉咔嚓给人做了，给人交上不就完事了吗？或者说咱到现场去询问人有什么需求，这不是咨询干的活吗？那FDE到底是外包还是咨询，还是真的有一什么新东西呢？

首先给一结论：FDE呢，跟外包、跟咨询都是有差别的，但是呢，跟他们也有一定的相关性。咱们来讲一下他到底差在哪。

我上大学的时候呢，就有一种梦想，老师也在给我们讲，后边上班的时候，各个公司都在给我们讲，讲什么呢？叫“软件咨询工程师”。就是我们到现场去，用户说需要什么，我七拉咔嚓到现场给人做了，然后直接交付就完事了。我九几年上大学，那时候就在讲这个事情，但是呢，这个梦想一直没有实现。那为什么没法实现这么美好的愿景呢？原因是软件开发周期太长。你要去开发一个软件，可能正常一两年或者两三年，你才能把它写出来。那在这个过程中呢，沟通效率极低。程序员说的话，人家那个甲方听不懂；甲方说的话呢，程序员又理解不了。这个是一个非常痛苦的过程，为什么咨询服务那么贵？就是这个原因。而且呢，试错成本极高。你要一什么功能我没听明白，我七差咔嚓开始给你做了一两年，做完了交上来以后说，这不是我要的东西，跟我想的不一样，你就需要去为这个错误要买单。而且那么多软件工程师，软件工程师工资很高的，坐在空调房里写了两年，交出来的东西说不对，那你说这成本有多高？这个是以前没有办法走软件咨询工程师的一个核心原因。

原来解决的方法呢，就是要么开发一套通用产品努力销售，做SaaS就是这样的一个过程，靠销量把这个研发成本给它摊掉。另外一种方式就是定制开发了，高收费定制服务。你一旦需求分析错误了，你后边的所有研发、测试、部署成本就全都浪费掉了。为什么咨询师工资那么高？咨询师要比后边的软件工程师的工资还要高，因为他还得懂业务。它实际上相当于一个翻译，它能够把工程师的语言跟甲方的需求之间能够对齐。而且呢，有一整套的规范机制能够保证说我们确实说明白了。为什么搞这么复杂？因为一旦搞错了，你得分责任，谁错了，谁为这个错误来买单，这个事要搞清楚。当然还有一条路就是内卷了，用更低的成本、更多的人去把这事搞定，这个不建议不推广。

那么咨询跟FDE有什么区别呢？咨询是前期介入，出方案，按次付费就完事了。咨询的次数越多，你就给我越多的钱。而且咨询呢，通常是不保证结果的，我并没有说我咨询完了以后我就一定保证你这个是对的。你像华与华那就是咨询公司，能够保证所有买了他们这个方案的人一定能成吗？有些人当然看不上，他们说你这不叫咨询公司，你叫点子公司。国际上那些大咨询公司才是咨询公司。但是其实很多倒霉的公司，也都买了这种大咨询公司的服务，最后也都没玩转。所以咨询公司也好，点子公司也好，是不对结果负责任的。他们只出报告，我报告完了，把所有的该输出的东西都输出给你了，完事了，你该付钱付钱。后边你自己实施怎么样，跟我没关系。而且咨询公司核心要干的什么？就是要改变甲方的组织架构和决策流程，要让他跟SaaS系统配套。当然了，你为了干这件事还要干嘛？要神化你的SaaS系统，“这个东西是多少多少管理大师研究出来的，一定行，比你们这套土办法强多了”，这是咨询公司喜欢做的事情。华与华其实经常干这种活，就是不比价、不投标、不给钱我就不给你干。为什么一定要搞成这样？就是你得信我，你不信我这事咱没法整。而且报告交付了，你就去给钱，后边你自己执行怎么样，跟我没关系了。

外包呢是另外一条路。外包呢，是内部呢自上而下决策，我们决定要做一什么事，然后找人来实现。这个东西呢，是不可重用的。以后需要改什么东西，我就在内部决策，收集需求，然后再找人来干。日本人这种外派，其实基本上就是这种外包模式。

那么FDE跟咨询和外包的差异在哪呢？首先讲FDE呢，是一个合作模式，双人合作模式。Palantir里头呢，有两个职位，一个呢叫做Echo，他是行业里的人。比如说他要为间谍服务，他就得找几个间谍进来，他们能够听懂间谍说什么，也能够听明白说间谍上面这些管理机构他们讲的话到底什么意思。他们通常是从这样的机构出来的，而且还要求什么呢？稍微的有一些颠覆思维。你不能说你原来是间谍，你到这来说我们原来那就是金科玉律，一点都不许改，这种人不要。一定是从原来行业出来，还愿意去尝试新东西，愿意有颠覆的这些人出来做Echo。另外一种人呢，叫Delta，实际上就是软件工程师，是极客。这俩人配一对就出去了。比如说跑到人家那个战场上去，一个人就问他说：“兄弟们最近怎么样？有什么最大的痛点告诉我们，我们来给你去解决去。”把这事聊明白了以后呢，跟这个工程师拍着肩膀说：“我搞明白了，他们就要这这这这东西，你就给我做吧。”这个工程师呢，在后台很完善的、或者功能很强大的系统的支持下，在前台呢，给人做一个简单的实现。这个事就搞定了。他们就是这样的一对一对的出去干活去了。

他们跟咨询的最大差别就是，咨询就是咱们先签咨询合同，你要不愿意干，咱就别签合同，我就不来。签了合同你就要付钱，只要我交了报告出来，你就得付钱。FDE的话，前期有可能会亏钱。而且呢，FDE不是交报告的，FDE是直接出产品的，直接就交付产品出来，然后人家这个功能就可以用了。而且不断的迭代，你觉得哪不对我给你改改，再哪不对我再给你改改，他是这样来干活的，结合了外包的部分属性。这个是FDE跟咨询师的最主要区别。

那FDE跟外包的差别在哪呢？第一个是必须跟CEO和最高决策者沟通，要拿到核心需求下手。外包经常去做一些零零碎碎的东西，这个东西对核心的系统没有什么大的影响。这个其实是外包比较痛苦的地方，因为你一旦给人干了这种活呢，也挺费劲，吭哧吭哧干半天，但干完了以后呢，你的价值没有上升，你没有绑定他的核心利益。你要想绑定核心利益，必须要得到最上面人的支持。其实这块呢，有点像咨询师。咨询师的所有咨询合同，只面向CEO和老大去卖。因为他那个第一合同很贵，第二个的话，因为他需要去改人家的组织架构和决策流程，不跟老大去搞明白的话，你这项目就没法推进。所以在这一点上呢，有点像咨询师。但是外包无所谓，外包就是我找到任何一个神头鬼脸的一个小头头，他给我点小单子，我都能够把这单子做了。

FDE跟外包还有什么区别呢？外包呢，每一次都是人家有什么需求，我就从头给你做。下一次再来一个需求，我再给你从头做。而FDE的话，就是我跟人沟通了半天把项目做了，做完了以后发现这个东西可能有共性，对整个的后台系统的升级是有意义的。所以它后台系统也在不断的升级。其实外包也这么干，只是他不跟人说而已。为什么呢？这就跟现炒和预制菜的差别一样。你到一个外包公司谈合作去了，谈完了以后说：“呀，你这个我需要重新给你做，你那个我需要给你现做”，这样你才能收着钱。你不能说上来了说我们这有一个系统，我在哪干过，我给你改改就行了。这你哪去谈价钱？你谈不出价钱来。但是呢，不上预制菜，你肯定是没有利润的。所以他们一定会开发大量的现成模块，然后到现场去给你拼装去。这个也是中国的这些系统集成公司的一个习惯做法。

那你说为什么以前大家都想去做软件咨询工程师做不出来，而现在就可以有FDE了？到底发生什么样变化了呢？是彼得·蒂尔和Palantir这帮人实在是天纵奇才呢，还是有一些什么样的其他的变化出来了呢？

以前没有，是因为软件开发成本和周期实在是解决不了。现在后台是个大模型。原来你肯定是要写死的一套系统，而现在这种大模型，本身的功能很丰富很完善，啥都能干。虽然可能很多事呢，你直接让他干，他干的没有那么好，但是通过一些AI Agent呀，或者通过一些结构化提示词，你是可以让他干好的。甚至你让他做一次，发现做的有问题以后，你可以让他再做一次。现在的这种后台跟前端之间是个松耦合，以前是个紧耦合。什么叫紧耦合？原来比如说统计了姓名、年龄、族裔，但是呢，突然发现了一个问题，以前的性别只有俩：男、女。后来说叫男、女、不确定，变仨了。再后来呢，变成4个、5个、6个，不断上升。这个在原来的状态下就没法整了，你必须要重新升级版本，你要重新提需求，过需求评审会，上版本测试，然后部署，再重新培训。以前要走这么一个流程。现在后头是个大模型，他没有这个问题。你告诉他说这个性别我需要多存几个项目，或者说我现在需要多记一些字段，他什么时候开始在心理上认可自己是女的，原来没有记过，现在就直接可以干了。直接写一个备注，说某年某月，觉得自己应该心理是变成女了还是变成男了。这个对于大模型来说，都不是什么大问题。你只需要把这个数据拎出来以后，然后拿这个数据去作为上下文工程，它就直接给你输出出来了。现在有这样的一个特别棒的能力了，这是后端强大了嘛。

另外一头是前端。前端呢，有AI Coding了。大家可以快速地在AI的帮助下就可以把代码写出来了。现在前端写代码的速度比原来快好多。在AI Coding的帮助下，再加上后端是个大模型，所以以前没法干的事情，现在就能干了。而且AI Coding呢，其实最适合干这个活了。一上来说我要用AI Coding编程，写个微信、写个抖音、写个淘宝，您想太多了，这玩意不是干这个使的。这个东西最适合干的就叫“最后一公里”，我把最后你需要这点东西稀里哗啦给你抹上，它最适合干这个。所以呢，FDE这个东西以前不能有，现在有了。

那FDE这模式可以推广吗？说的这么好，大家要想清楚，Palantir的这个用户是什么样的？他是美国国防部跟CIA这帮人。一方面他们确实很难伺候，如果没有这么难伺候的甲方的话，他也不会想着上FDE这样的一个前期亏损、还吃力不讨好的一个模式。最后把前面该挨的打都挨过了，终于成为大家仰望的一个高峰了，它是这样的一个过程。但是呢，国防部跟CIA有一些别的特性：有钱。你想我帮着美国大兵少被地雷炸死几个，那你说你得给多少钱出来才算合算？他们是真的有钱，而且也舍得给，这个是他们所具备的一个独特的优点吧。另外一点是什么？就是他们的履约能力、契约执行能力和政策的一贯性都还是不错的。这个话用人话怎么讲呢？就是他们签了协议，后边真的给钱，不会说我签了协议后边就不给了。还有呢，就是很贵的协议，我们也愿意签。什么叫政策一贯性呢？就是前面人签的协议，哪怕你政府换了党派执政了，他们后边还接着执行。不像有些地方，换了一个最上面的领导，你前面的合同不认了。不会有这样的问题。所以呢，如果你的甲方具备这些特性：有钱、履约能力强、政策一贯性强，那么FDE模式是非常非常适合的，并不一定是所有项目都适合。当然了，我们中国呢更卷，程序员更多、更便宜，可能我们适用的范围会比美国要更大一些。

FDE呢还会带来另外一个好处是什么？就是创业。这些懂行的人，他们呢，其实一方面会跟客户沟通，能够理解客户需求；另外一方面呢，他们也会维持客户关系。当他维持了一堆这样的客户关系以后，再加上手头有一个能够干活的小兄弟，那这俩人干脆搭班子创业不就完了吗？所以如果现在有企业愿意招募FDE的话，这些毕了业的35岁以上的，既懂行业又懂编码的这些人，你们就搭伙去干活呗。给人解决一段问题以后，站稳了脚跟就可以创业了呀。像Palantir也在干这个活，他就不断的孵化这些人创业。因为一旦创业了以后，他就可以把这一部分成本就直接扔到外边去了，“你们以后就成为我的一个代理商、承包商，我就相当于把这事外包给你了”，这不也挺好的一个事情吗？所以呢，这是一个新的创业方向。

总结一下吧。Palantir成功背后的FDE模式，为AI时代的软件交付提供了新的模板。现在OpenAI等一些AI大厂，都在成立自己的FDE交付小组，到不同的企业里边去给人做交付去。不要老惦记做这种大而全的东西。前两天也有一个我的付费会员说，你看我做了这样的一个系统行不行。我一看我说，你这个玩意是不是不太接地气？你是不是稍微做一些能够解决具体需求的、小需求的这种东西，然后再逐渐的拓展出去？他说你说的好像也有道理。这当然这种话放之四海皆准，属于正确的废话。但是呢，你看看人家这个FDE的方式，其实这就是现在的新的方向。毕业的Echo和Delta，他们也可以重新上岗了。

好，这个故事今天就跟大家讲到这里。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。

AI时代如何获得流量与关注？跟原来的互联网和移动互联网时代，到底有什么相同与不同吗？

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲，AI时代我们想去获得流量，到底是如何去获得的。

我们现在先不去讲如何做出一个好产品吧。如果你没有办法获得流量，或者说获得免费的流量的话，那你可能还需要花钱去买流量，或者说跟你固有的业务去捆绑、去绑定你的用户获得流量的话，那么你的AI产品本身就没有那么成功。

在AI时代想要去获得流量，想要去获得关注的话，你还是要在某一个细节上做出一个突破，或者做出一个有感知的革新出来。什么叫有感知的？我这个评分跑了多少，我比别人多出什么东西来，这个其实是没有感知的。只有是用户能够使用了，然后真的感觉好了，他才叫有感知。

有感知会带来什么样的结果？就是用户会去口耳相传，会形成一个社交媒体传播的风暴。在互联网时代、移动互联网时代，一旦有哪一个产品在某一个细节上——大家注意，不是在全整体的这个层面上，而是在某一个细节上——能够形成一个感知点了，它就会被传播，就会获得流量，或者我们以前叫做自有流量。这不是花钱买的，也不是从你其他的产品上倒回来的，而是自有流量，叫“自来水”，我们原来的俗话叫。

那么AI时代跟以前的互联网时代有什么不一样的地方吗？不一样的地方，就是热点的时间变短了。原来我们这儿有一个突出的点，某一个点做的特别好的时候，你会有一个很长期的热点，这个点会一直帮你带来流量。而在AI时代呢，这个点消耗的很快，很快就大家不在意了。为什么？原因很简单，这块太热了，所有人都在这一个赛道里挤。你冲上去，“夸”做了一个特别棒的点，后面的人就会拼命的冲上来去模仿，甚至去超越你。你这一个点能够起作用的时间就会缩短。

很多人说：“不对，人家都在讲说我们参数有多大，我可以推理了，我可以做AI agent了，我可以自动化了，我可以去做这个图片了，我可以去做视频了，怎么到你这就变成了这么low的一个东西呢？”

咱们稍微的捋一捋，AI时代的这些产品是如何吸引到关注的。

最早的一个靠AI吸引关注的，其实不是一个产品，而是一个功能。2015年4月5号，微软上线了一个网站，叫how-old.net，特别有意思。它那个网站其实非常非常简陋，能干嘛呢？就是你上传一张照片，它来判断你多大岁数。很多的男男女女就要上去试一试，说我是不是比实际的稍微年轻一点，然后形成了快速的传播。但是呢，因为它后面并没有产品，只是一个单一的功能点，这个热潮大概是流传了两到三周就不行了，这个实在是有一点点可惜。

到2021年的6月，GitHub Copilot这个产品就开始上线了。但是一开始呢，还是一个小范围的使用，基本上大概用了一年的时间吧，到2022年6月才是全方位的推广。那是自然语言生成编程代码的一个产品，也是我们能够接触到的最早期的AIGC的产品和服务了。他呢，这一波大概是4-6周的周期，而且很长一段时间形成了非常非常高的粘性，开发者都会去订阅，这个真的是花钱去订阅的，极其考验一个功能点它的粘性怎么样，因为要真金白银的花钱。

到2022年的7月份，Midjourney就开始公测了。到2022年7月，Midjourney就开放出来了，它可以通过文本生成图像，非常美轮美奂的图像。当然那个时候这个图像比较粗糙，后面到V4.5、V5、V6这样的版本呢，它这个图像才变得逐渐的精细起来。但是即使是早期的Midjourney，它所生成的图像，它的感染力、艺术感，或者里面所包含的情绪价值，也是非常非常饱满的。而且呢，他通过DISCORD群进行裂变，大量的人在里边去分享自己做的这些作品。因为Midjourney的这个裂变方式，就是大家四处去分享自己画的画，去分享提示词说你也可以试一试，这个是非常非常有流量的一个话题。Midjourney的第一波大概是流行了6-12周。因为Midjourney的早期的6-12周，它还可以免费用，后面的话它的服务器顶不住了，说所有人都不免费了，你们必须得花钱我才让你用，这个潮流基本上被遏制住了。

到2022年8月22号，Stable Diffusion这个产品就上线了。它在Midjourney上线之后再上线，你说它怎么能够抢到热潮呢？它开源。虽然我可能画的没有Midjourney那么好，但是我是开源的，每个人都可以下载下来在自己电脑上跑。它也有8-12周的快速的流量增长期。

再往后，重量级产品就来了。2022年的11月30日，ChatGPT 3.5这个东西就出来了。对话及应用，零门槛可用，这样的一个划时代的产品。那个时候我们就开始喊：“AI的iPhone时代就来了。”两个月达到1亿的月活，史无前例的增长。它呢，也是有8-12周的快速增长期。

然后2023年的3月14号，GPT-4发布，更强的推理和安全的通用模型，企业和开发者就开始快速的去使用了。但是呢，这一个升级就没有3.5那么划时代，那么横空出世，所以它这个周期要短一点，只有4-8周的一个快速增长期。

2024年的3月4号，还有一个产品是什么呢？Claude 3。Claude其实早期的版本并没有什么响动，到Claude 3大家发现，这个东西相当棒，非常强的基准，它基本上不胡说八道，而且很长的上下文，与GPT-4终于可以分庭抗礼了。但是呢，它只有3-6周的快速增长期。为什么呢？因为它跟GPT-4比起来没有那么大的变化。

在2024年5月13号，GPT-4o就来了，实时多模态。你可以跟它打电话，可以跟它聊天了，像真人对话一样，又吸引了一波流量，是4-6周快速的流量上升。

2025年1月20日，Deepseek R1，低成本推理模型，而且是第一次实现了这个COT，也就是推理链的全公开。而且呢，它还开源，大家都可以自己去部署一下，引动全球的热潮，6-10周的时间里头，快速的牵引了大量的流量迁移。

然后到2025年5月8日，Gemini 2.5的Flash Image，也就是咱们说的Nano Banana，原生图生图加编辑，加角色一致性的这些东西出来，也产生了4-8周的流量迁移。

其实在去年，还有一次的大规模的流量迁移是什么？就是他们发布GPT-4o的图像版。因为GPT原来是通过一个叫达利的模型去画图的，后来呢说不了，我们直接在GPT-4o里边画图。所以当时大家都去做什么呢？吉卜力风格的各种图片，也是大概有一个四周左右的流量迁移。每一次当有一个点戳破了用户感知之后，流量就开始快速迁移。

然后到2025年9月5日，字节跳动的即梦4.0发布，直接4K直出，出的图的分辨率很高，而且呢可以极高的一致性，基本上是对标Nano Banana去的。在中文圈也带来了3-6周的快速的流量迁移。

这个里头呢，其实我们会发现，这个过程跟Netflix的流量非常像。Netflix每一次发这种大神剧的时候，比如说像以前的《纸牌屋》、后来的《Strange Things》（怪奇物语），只要他发这种东西，它的股价就上涨。为啥呀？咱们都说知道，Netflix的盈利方式是靠大家交订阅费。每一次出大神剧的时候，订阅的比例就会快速上升。有些人可能说我平时不订，一旦出这种大神剧，我就赶快去订去。也不是说这个剧播完了以后我就不订了，因为Netflix都是一次性要把这一季的剧全都放出来的，还有很多人会留下来，还有好多的剧原来还没看，我接着看，可能看几个月。所以只要Netflix想去拉动它的订阅，想去拉动它的股价，就要上这种大神剧。

AI其实也是走的这么一条路。像我们以前做产品呢也是如此，就是你每一次有那么一个点突然打动用户了，那么它就会来快速的冲进来使用。不要说我要把所有东西都做好，样样都强，这个其实是非常非常难的。咱们现在就说Anthropic的Claude，它就是编程强，那么大家就记住了，我要编程的话，我一定要用它。你一定要在某一个点上往前走。

以前做互联网和移动互联网产品的时候，经常在讲的一个事情是什么？就是木桶理论。木桶理论就是这个桶里到底装多少水，取决于最短的那块板，我们要把所有的板做的都一样长。这是一种理论。还有一种理论呢，就是锥子理论。就是我们把一大堆东西装在一个袋子里，如果你有一个锥子，这个锥子那尖呢，就可以从那个袋子里头扎出来，别人就能看见你，你才有机会去被别人感知到，然后呢才可以口耳相传，才可以获得流量。

在互联网、移动互联网里头，我们都是使用锥子理论的。这个产品，其他的点做的差一点没关系，但是我有一个点特别好就够了。当时我们去投资的在印尼放贷款的一个项目叫“唐牛”，他就讲说：“我们这个产品其实做的挺烂的，点十次崩八次。”后来我说：“你这么烂的产品怎么弄？你一定要把这东西改好。”后来说：“你不懂了吧，说这个东西是什么呢？这是贷款的软件，我们真的钱给他钱。这样的一个情况下，哪怕点十次崩八次，剩下两次他能接着往前走的话，他还会耐心的点下去，因为真的可以拿到钱。”所以有的时候呢，跟大家想象的真的是不太一样。

我们在做猎豹浏览器的时候，大家要知道，做浏览器这个东西你是很难做出花来的。大家需要的是你有一个框，那框里最好啥也别填，而我们还需要靠那个框里头做导航站来挣钱。在这个过程中，到底怎么能够脱颖而出？大家做浏览器底层都是Chrome，跟360、跟搜狗、跟腾讯、跟一大堆的这样的浏览器去竞争，怎么能够脱颖而出？当时猎豹想的一个方法是什么呢？就是在里边去做了这个一键到达“草榴社区”，可能有人知道这东西是什么，咱们就不详细讲了。就做了这么一个奇葩的功能，大家就很喜欢，我们有自己的特色，别人都不敢干我敢干，一键到达草榴。然后还专门做了广告，当时那个广告特别有意思，叫“深藏功与名”，咔，一伸手。那意思就是说，一个男性在大城市里边独自打拼，也没有女朋友也没有家人，怎么去解决空虚寂寞冷呢？啪，一伸手，是这么个意思。也有效果。你说我在其他地方你再提升，你能有Chrome自己做的好吗？不可能的呀，人家是原生的，大家都在这个基础上改来改去的。所以你还是要有自己独特的一个点，要能够做得好。

我还记得，当时有一个手机浏览器的一个项目，他说我们很简单，我们就做一个点。在这个安卓手机上和苹果手机上呢，都是不支持Flash的。最早的好多小游戏是用Flash来写的嘛。为什么不支持呢？因为Flash本身的框架做的很烂，所以它经常造成内存泄露，造成手机过热和特别耗电，有这样的问题。所以呢，甭管是苹果也好，还是安卓也好，都把这个接口封掉了。当然还有一个原因是什么？就是Flash小游戏是不给苹果和Google Play去贡献收入的。他说我们就做了这样的一个功能，我们自己写了一个Flash的虚拟机，可以把原来网页游戏里头这些Flash小游戏弄到手机里头去玩，就能干这么件事儿。这个效果还不错，速度很高，也还比较省电，大家就去使用了。其实是一个过时的功能，属于是被两大平台厂商所唾弃的功能，但我做的很好，那大家就会去使用它。

所以在这一点上呢，大家可以看出，AI时代不要讲什么模型及应用，或者是谁家算力高，你真的要去获得用户，让用户口耳相传，获得这个流量，还是要做出一个花来。跟原来的最大区别，就是因为现在各大厂都盯着了，做出花来以后保质期太短。其他的没有特别大的区别。

那你说我跟随行不行？你说别人做的很好，我在后边跟着，这事行不行？首先我们要讲，跟着是有效果的。现在其实很多的大模型出来以后是什么呢？叫做“某些领域领先”，就是一大堆的跑分，我这个分跑的高一点，那个分跑的低一点，甚至说我可能各项跑分都跑的高，但是呢用户使用的时候感知不好。其实国内的大模型经常干这种事，把跑分刷的都特别好，但是你用的时候觉得非常非常不爽。

那你说这个事有效吗？有效。那它的效果是什么呢？刚才老范不是讲说，一定要做第一个出来，去给用户有感知的、创新的这样的产品吗？第二名、第三名为什么有效呢？第二名、第三名的效果在于，你可以阻碍别人掠夺你的流量。什么意思？你比如说ChatGPT做得非常好，那谷歌怎么办呢？我就要拼命推Gemini，我一定要把这个版本拔上去。你拔上去以后，未必能够抢夺到ChatGPT的流量，但是你可以保证谷歌自己的流量不要继续被ChatGPT抢走。而包括微软做Copilot，它虽然后边是GPT-4、GPT-5这些OpenAI的最新模型，但只要我有，那我能够满足自己原来固有流量，比如说Office流量，或者是Gmail的流量，我只要能够满足固有流量的基本需求，这些用户就不会那么容易被抢走，或者他们流失的速度就会下降。这个是他们最主要的一个用途。

那你说在这个过程中，还有什么东西起作用呢？还有一个东西起作用的是“墙”。由于地缘政治的原因造成的互联网割裂，这个东西也是有效果的。你比如说像Deepseek，在全球范围内它的热潮大概也就是6周到12周左右，在这段时间里头快速的吸引流量。但是在国内不一样，国内大部分人是没有能力到国外去使用ChatGPT、去使用什么Anthropic的这些东西，所以他们就只能使用Deepseek。所以这个东西在国内的热潮就非常非常的长。就很像同时上线的另外一个东西，就是《哪吒2》。《哪吒2》大概是六七月份吧，才从电影院下线。Deepseek到目前为止，依然是在国内快速的在抢夺各种流量。百度、阿里、字节、腾讯，谁家说我不上Deepseek的这个模型？不行，这个东西你一定要上。最后变成了这样的一个状态。所以“墙”这个东西，是对于流量的分配有巨大的导向作用的。

即梦4.0也是如此。因为它跟Nano Banana基本上是一样的，甚至有些方面比Nano Banana还强。哪方面强？就是写汉字写得很好。Nano Banana是不会写汉字的，能够写英文，写不了汉字。但是这个即梦可以写汉字，而且各种字体都可以写。在这一块上，发现流量进来了以后，字节跳动做了一个什么样的骚操作呢？免费。原来是每天送88个点，大家够你画80幅左右的画的。现在一看说火了，流量进来了，他要尽可能的去延长大家冲进来的这个周期，那怎么办呢？就免费了。现在所有人去使用即梦4.0的这个模型都不要钱，当然你做视频是要钱的，但是你做图片都是免费的，甚至现在允许你去做4K图片，非常非常清晰的图片。Nano Banana能干的活它都能干，还能写汉字。那你说Nano Banana都已经成功过了，但是中国有几个人能使Nano Banana的？那玩意毕竟是谷歌的产品。但是全中国的人都可以去使用即梦。薅这个“墙”里边的羊毛也是可以的。

那你说有没有开了发布会信心满满，开完发布会翻车的？也有。就是当你的创新没有那么大的时候，你要去开个发布会。这里头有几个反面典型。第一个，2023年3月16号，百度文心一言的第一次发布，就直接翻车了。我还记得当时李彦宏站在台上，系了一条特别神奇的皮带，现在唯一给我留下印象的就是那条皮带。在上面手舞足蹈的讲了半天。当你一旦进行这种重大发布的时候，就要一定小心，因为如果大家来了得到很好的印象，那这事没有任何问题。如果大家来了以后印象很不好的话，你需要用非常非常长的时间才能把这个坏印象再磨掉。到目前为止，百度都没有把这个坏印象彻底摆脱掉。程序员圈里，百度的模型一直是第二梯队到第三梯队的一个位置。

还有什么失败的案例呢？2024年的2月22号，谷歌的Gemini发布了绘图功能，但是呢当时翻了一个什么车？就是太政治正确了。你要求他画一战时候的士兵，他给你画各种肤色，有男有女。后来人说一战的时候有这么多肤色的人，男男女女上前线打仗吗？出了几次这样的事情以后，直接把产品下线了。Gemini又是一蹶不振了很久。我记得Gemini第一次发布的时候也出过一个事情，当时谷歌的老大皮查伊上来说，我们去使用Gemini做了很多的儿童教育，他说我给儿子写信，但是里头有好多错误，什么哈雷彗星是什么样的，大概是这样的一些基本常识性的东西，他就拿出来做宣传了，导致谷歌的股价暴跌。Gemini一直真的是到后边的2.5 Pro以后，才逐渐的被大家所接受，能够稳住它原来的基本盘，让它的用户不再流失，不再向ChatGPT去迁移。到这个Nano Banana，真的是打了一个翻身仗。

然后OpenAI，你说一直都踩在点上了吗？它也翻过车。2022年的2月，跟人讲说我要去做世界模型Sora，结果这事呢他喊了一年，到12月份终于把这个产品拿出来了。这个属于典型的什么呢？预热时间太长了。而且在这一年的时间里，全世界的人都在去做视觉，都在去做视频模型，一个一个的在视频模型上都稍有建树，而且很多的产品呢，在视频模型这一块还都做的不错了。等到12月份千呼万唤始出来，Sora的产品出来了以后，发现也没有什么了不起的嘛。很多的OpenAI粉一下就转黑粉了。这个就属于典型的预期管理失败，不断的拔高预期，不断的拔高预期，最后一拿出来，“就这个？”

所以前面那个Nano Banana就吸收这个教训，他就没有先预告说我们要做这么个东西。人家偷偷的上线，先去用假名字叫Nano Banana让大家去测试，测试了非常好了以后，才把这个认回来，说：“你看这是我们家儿子，这个做的不错吧？”他是这样的一种玩法。

从前面我们讲的成功案例以及失败案例，大家看到的是什么？不要尝试去做所有方面都很强的这种大而全的东西，也不要惦记说我就去做超级应用、超级APP，而是呢要做个锥子，要在某一个点上把它扎透，然后再围绕这一个点慢慢的往外做，你有可能做出超级APP来。但你一开始如果说我就要做一个大而全的东西，这个翻车的概率就非常非常大。还有一个经验教训是什么呢？就是一开始把预期拉的非常非常高，拿出产品来发现不是那么回事。

最后总结一下吧。在AI时代想要去获得自来水，就是自有流量的话，还是要做锥子，不要去尝试做大而全。大家可以去根据AI时代这些成功的和失败的产品，去看一看是不是这样的。所以呢，虽然时代变了，但是获取底层流量、获取用户关注的基础逻辑，并没有发生大的改变。

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。

GPT-5-Codex的发布，普通人通往技术平权之路的又一个里程碑。

大家好，欢迎收听老范讲故事的YouTube频道。

记得上次在天津做线下活动的时候呢，有一位程序员问我说：“我们这些普通人，应该如何应对AI大潮呢？因为现在很多程序员被AI淘汰失业嘛。”我想了一下告诉他说：“你要想清楚一个问题，在AI大潮面前，我们不是普通人，我们是程序员。那些不会写程序的人，才是普通人呐。”

所以，咱们今天要讨论的就是，那些不会写程序的普通人，在GPT-5-Codex的帮助下，怎么能够像我们这些会写程序的人一样，去遨游于代码的海洋之中，知道代码到底在干什么，为什么这么设计，哪里做错了。这个是真正给了他们一个能用的工具。

OpenAI呢，趁着Anthropic屏蔽了程序员的主体族群（也就是咱们中国人的时候），适时地召开了发布会，发布了GPT-5-Codex。大家要注意，它这个名字起得稍微有些混淆。GPT-5呢，是一个大模型；Codex呢，是OpenAI发布的一个编程的agent；GPT-5-Codex呢，是一个在GPT-5的基础上，专门训练的一个用于Codex这个编程AI agent的一个专有模型。它稍微有点绕，就是GPT-5-Codex是一个模型，不是一个简单的agent。

GPT-5-Codex呢，可以自动地判断复杂度，而且可以可靠地执行。自动判断复杂度这件事呢，现在大家都在干。你问了一个简单问题，我就简单回答一下，不会浪费很多的TOKEN。其实，有时候AI想太多，也是一个很烦的事情。什么叫AI想太多？你问豆包一个问题，甭管你问他什么问题，都啰里八嗦给你讲半天，那就属于AI想太多的一个典型体现。

真正难的是可靠执行。什么叫可靠执行？就是AI这种东西呢，每一次执行实际上都有可能出错，都有可能出现一些偏差。如果说我一次执行了以后，自动地再做下一次执行，它就会把这些偏差累积起来，或者我们叫累积误差吧。这种AI agent，它是没有办法做长期执行的，因为它的累积误差会越累积越多，他自己瞎想越想越偏，就这样的一个状态。

但是，GPT-5-Codex在这块会做得很好。OpenAI已做了测试，它最长连续运行了7个小时，中间不会停下来，这是非常非常强大的，而且最终得到了你想要的结果。这个是怎么做到的？肯定内部是有很多的纠偏机制，很多的校验机制。我往东走一步发现不对了，我再往西走一点。其他的AI agent为什么不行？因为有时候钻牛角尖，钻进去以后就钻不出来了。像我们使用Claude Code或者Java CLI这些AI agent的时候，你就必须得盯着它，你发现他越钻越偏、越走越牛角尖的时候，你就要把他打断，告诉他说：“你别往那边走了，那边是错的，有一个正确的方向，你应该如何如何去处理。”这个才是比较麻烦的地方。GPT-5-Codex在这块，已经非常非常强了。

GPT-5-Codex呢，跟OpenAI的Codex这个AI agent结合在一起，绝对是强强联合，而且还不贵。这个很重要，因为使用这些AI agent本身是非常非常昂贵的，它会把你整个的代码库直接塞给这个大模型，你的TOKEN会像流水一样哗啦哗啦地一下就不见了，所以非常非常昂贵。有些人使用Claude Code，一个月能够消耗2万美金的TOKEN，这是非常吓人的。

而像这个GPT-5-Codex，本身在这一块上还是相对比较便宜的。像我这样的Plus账号，就是一个月20美金的账号，基本上够我使了。给出的额度是这样的：每5个小时30-150条通话。你如果是问的很简单，可能就是150条；问的很复杂呢，就是30条。如果你把它耗光了以后呢，它会回答你说：“咱歇会吧，待会再弄。”很多人呢是这样，工作干一白天，如果被提示了说“咱歇一会吧”，他就下班回家了。这样来去使用，它的额度基本上够使，要比使用Anthropic的Max这种，就是200美金一个月的账号，要好用得多。

现在去使用OpenAI Pro账号，200美金一个月的账号的话，它是每5个小时可以回答300条或者是1,500条，就是简单问题1,500条，复杂问题300条。实际上你给它一个复杂问题以后，它自己且跑呢，你想再给他下一条都比较费劲，除非是你并行的同时再开多个窗口一起给他这个命令，有可能这个额度会不够用。正常如果是一个人单人使用的话，其实Plus账号，就是30条复杂任务或者是150条简单任务的话，五个小时之内是够使的。你上午弄完了以后，中午吃个饭休息休息，下午又可以满血复活了。所以它还是比较省钱的。

GPT-5-Codex这个模型呢，其实是在GPT-5的模型上做的提升，本身呢提升并没有那么明显。如果你不是用来编程的话，你就不要拿这个模型来使。如果你要是拿它来编程的话，普通的编程任务呢有提升，但是可能也就是在一些跑分题库上，你能够看到它提升那么一点点，提升的也不是特别多。但是呢，在一些比较特殊的编程场景上，是有比较高的提升的。所以呢，这个提升不重要，发布会本身更重要一些，就告诉大家华人程序员们、中国程序员们：“Anthropic不让你用了，上我这儿来，非常非常好用。”

那么，Codex和其他这些编程工具比起来，有什么差别呢？咱们就使用这个GPT-5-Codex最新的模型，而且上来以后，你可以选择High模式，就是更多的思考的这个模式，这个效果非常好。Codex跟其他这些编程语言工具比起来，最大的优势是“言出法随”。什么叫言出法随？就是你给出指令，你就可以放心等待了，这个就是最大优势。前面也讲了，你给了他一个指令以后，他可以吭哧吭哧跑7个小时，7个小时基本上就是一天了吗？你上一天班不也就8个小时吗？他在这个中间不会跑偏，而且最后会给你一个你所预期的结果。这个非常非常重要，千万不要说他折腾半天给你一结果，最后发现不是你要的，这不是白忙活一场吗？

使用这个AI agent跟这个模型配合起来像什么呢？就像是在一个陌生的国家、语言不通的情况下打Uber的感受。比如说我在泰国吧，泰语肯定不会，他们也不会讲英语，我英语也不怎么样。我去打Uber，这个钱是可控的，你在打车的时候，他告诉你需要花多少钱。目的地呢也是很清晰的，你都是在谷歌地图上挑好了目的地，直接输进去，也不会发生什么错误。中间过程你就不用管了，愿意去跟司机闲聊两句呢，可以试试。我在泰国清迈，我也会用蹩脚的英语尝试跟司机闲扯两句，有时候人家理我，有时候人家不理我，这个也无所谓。如果你不想跟他聊天，你中间睡个觉也没毛病。最后呢，都会在一个你所预期的时间、你所预期的金额下到达目的地。这就是Codex真正给大家的体验。

而如果你使用其他的工具，比如说像Cursor、Claude Code或者Gemini-CLI这些工具的话，你就像是在一个陌生的国家、语言不通、陌生城市坐公交车的感受。这是一个什么感受？太多未知因素了，消耗也是完全不可控的，到底要花多少钱你也不知道。而且呢，这国家可能治安还不太好，有一些坑掉进去未必就爬得出来。是否可以在你所预期的时间和预期的费用下到达目的地？不好说。所以这就是最大的区别，为什么我现在已经完完全全转到Codex上去了，就是这样的一个原因。

现在的这些编程工具呢分三类。一类呢是云端agent，有个网站，你向他提要求“给我做一什么什么东西”，他直接给你做好，你中间就不用管了。他在自己的虚拟机上整个搭环境做，做完了以后，直接给你完整代码就完事了，这是一种方式。第二种方式呢，是给你一个命令行，像咱们刚才讲的Gemini-CLI、Claude Code都是这样的，给你一个命令行工具，你在这个命令行的下面直接给它指令，它去干活去。第三种呢，就是IDE或者是这种IDE插件。比如说Claude Code，就是自己做的IDE；GitHub Copilot，就属于叫IDE插件。它是给你一个集成开发环境（IDE叫集成开发环境），在这个里边的话，咱们直接把所有的事情做完。而Codex的话，它是一个三位一体，就是它三个都给你了。如果你一旦决定使用Codex，你就会有一台服务器，他在服务器上去给你搭建所有的运行环境、搭建开发环境，然后到那边去干完活，给你提交完整的代码。回来也给你一个本地的命令行工具，同时呢给你一个IDE插件，就是VS Code上的一个插件。三个都有，而且都挺好使的。

Codex跟其他这些AI编程工具最大的差异在哪？最大的差异是，它是直接在GitHub仓库上干活的，直接可以管理GitHub仓库，接受各种PR（叫pull request），就是这种拉取的需求。开源仓库什么时候会收到pull request呢？就是别人看着你的开源代码说：“这儿有一bug，我去给你改一改；我那儿想增加一功能，我给你改一改。”这个东西我不能直接在代码库上改，它会提交一个拉取请求，说：“我改好了，你拉回来合并进去吧。”叫pull request。大量的pull request上去以后呢，代码仓库的主人其实是看不过来的。

这个Codex干的第一件事，就是叫自动过滤，直接把骂人的筛选掉。因为有很多人提pull request，什么也没有就上来骂人，这个是很正常的一个事情，林子大了什么鸟都有嘛。华为鸿蒙系统的这些拥趸们，就曾经提交了大量的pull request，要求别人去支持鸿蒙。现在就不需要看这些东西了，这个直接交给Codex，你把pull request拉上来，你去校验一下，看看这东西能不能合并得进去，是不是有问题，这个代码是不是有害，上来是不是骂人呢，还是说提交的代码是完全无效的。他直接看了，看完了以后发现没什么用，就直接扔掉了。所以这些以后就不会再给大家造成困扰了。

这个Codex会自动筛选出重要的pull request出来，交给这个代码库的所有人，你去甄选一下，看看是不是要去合并进去。它不会自动合并进去的。然后呢，也会自动地去review这些代码。这个review是什么？就是给你代码了以后，要有第二个人、第三个人去看一下这个代码。它呢，可以自动地去做安全review。为什么要做安全review呢？前面咱们发生过代码投毒事件。有一位非常同情乌克兰的程序员，在给俄罗斯的一些开源仓库去提交代码的时候呢，就直接投毒了，导致了俄罗斯人使用这些开源代码的时候就有可能会出现问题，这个是不能接受的。Codex可以直接把这些问题都排除掉。

还可以做过期依赖的review。什么叫过期依赖？就是我们有大量的代码，这个代码是一个一个的代码库、代码文件，每一个代码呢，会去依赖一些其他的这些库。有的时候呢，这些代码可能已经不用了，特别是一些屎山代码，可能已经不用了，但是这些依赖还写在里面，这个是非常非常危险的。他会查一下，说这些依赖已经不需要了，我们可以把它去掉。这样的话，代码库呢就会变得清爽一些，否则的话这个屎山就会越聚越多。因为原来代码量太大，咱们也没有办法把整个代码库从头到尾都看一遍，里头有很多的这种过期的依赖就一直会留在里面，后面人就没法改了，这个屎山就堆起来，后边的维护难度就会变得越来越高。

所以Codex可以极大地提升开源项目的管理效率，也可以极大地提升整个代码库的品质。因为屎山就是一堆的代码搁在里头，谁也不愿意把它扒开。能跑，但是为什么能跑，谁也不知道。在里头改任何东西，可能就都不能跑了，谁也不敢动这个东西。屎山在被提交的时候，现在有Codex的维护的话，就很难再入库了。大家一看这是个屎山代码，咱就别把它弄进来了，就搁那了。你按道理说，你这个代码提交上去以后，应该有人去看，应该有人去做review，review完了以后才能入库。但实际上呢，人这种东西，他是爱偷懒的。“这个人每次提交的代码都是对的，从来没有出过什么事，我信任他吧，下次我不看了吧。”就会出现这样的问题。为什么会有人在开源代码库里投毒成功呢？他就是这种信任造成的。现在有Codex了，甭管你提交了多少代码，以前的代码的质量有多好，你这次提交了，我还是会一丝不苟地把你都拎出来去做一次review，它不会偷这个懒的。机器在这点是相对来说比较可靠的，人是不可靠的。所以很多屎山代码就不会入库了。

而且呢，现在Codex可以直接把屎山挖开。为什么以前屎山挖不开？就是人处理代码是有极限的。我们从头到尾去读这个代码的时候，其实我们处理的能力是有限的。一个好程序员，或者说一个顶尖程序员，他比别人强在哪？就是他处理的代码量大。不是说我写了10行代码，写了1万行代码，还是写了多少行代码，就是当我看10万行代码的时候，我知道哪错了，这个错的地方在什么地，这个代码跟哪个代码是相互依赖的，哪个代码是调用哪段代码，这个东西我能搞清楚，这个就是一个程序员的一个基本素养了。另外一个说，我可以在100万行代码里头去把这个问题搞清楚，这个就更厉害一些。但是这个是有限度的，像我们去写一个浏览器或者操作系统，那这个多少亿行，没有任何人可以在里头看完。那你说这种大项目怎么做？就是通过工程的方式把它们切块，每一个程序员负责一部分，你就在这里头去处理，处理完了以后呢，写好接口，写好接口文档，其他人只跟接口去打交道，一个代码别人就不看了。原来是这么来处理的，但是在这个处理过程中的话，这个屎山就很有可能埋在里头，而且谁也没有办法把它挖开。去年我去日本，他们就跟我讲，说日本有好多70多岁的程序员，他写完了代码，除了他自己别人没法看。你再找一个人来看，这么大代码体量你咋看？这个是完完全全的屎山。

现在的话，有了这个GPT-5-Codex这样的新模型，它就可以把屎山挖开。它可以直接把所有的代码，把整个代码库都扔进去，它是有这个能力的，人已经超出极限了，人搞不定这个事。所以呢，他可以去重新替换代码，说这个代码我们整个去重写一下，把这个问题解决掉。这个以前不可能的事情，现在可能了。

那你说原来有没有人说“这个屎山我把它扔了重干一下”？也有。最近咱们看到的一个案例是谁呢？就是埃隆·马斯克。把Twitter买下来以后，把人都裁掉了以后，“咱们重新写吧，以前那屎山我不要了。”那你说他怎么干成了？因为他是埃隆·马斯克就干成了吗？其他人干不成，这是天才？也不是。干成的原因很简单，他不怕宕机。整个代码库更新的时候，这个X系统是宕机了好长时间的，而且有一段时间宕机还是挺频繁的。马斯克说：“反正公司是我的，也不是上市公司了，宕机我认了。”那这种情况下，他可以去把整个代码库扔掉了重写，否则根本没法干。如果是按原来的这种传统公司的架构，任何人都不敢去扒这个屎山代码，因为宕了机以后谁也负不起这责任。最上面管事的人，绝对是一帮普通人，甭管他是叫CEO，还是叫什么别的名字，那都是普通人，他不会写程序的。他只要求就是“你不许宕机”，具体这事是怎么回事，他是不管的。只有马斯克这种工程师，而且有钱任性，他可以说：“咱们把它整个屎山挖开。”其他人搞不定。

那么，GPT-5-Codex到底怎么能够让普通人去进行技术平权呢？分两步。

第一步，大厂会落后。大厂为什么会落后呢？因为很多大厂，最上面是一帮完全不懂技术的叫CEO，或者是叫一些其他的title的人在管。他们会很固执的要求，我们所有的代码不能上网。特别是像日本这样的国家，他们就没有办法去使用刚才我们说的这些工具：Claude Code、Gemini-CLI、OpenAI的Codex。它只能使用本地部署的一些小模型，那它的整个的数据库就会落后，就没有办法去跟那些新兴的企业去竞争。新兴企业，可能你没有钱去雇佣那么多的老程序员、高端程序员，但是可以靠一堆业余程序员、有业余爱好的程序员，就在Codex的帮助下就快速地追平大厂。而大厂呢，守着一堆屎山代码，因为不允许连接外网，那他就只能等着这些新的企业去超越他，他没有任何办法，只能眼睁睁等死。大厂原来的优势就是长期积累，以及呢，可以花高薪去雇佣最好的程序员，但是现在这些通通都成为包袱。被高薪雇佣到大厂的程序员，他们会进到大厂里去，看到大厂里头的系统到底是怎么做的，看完了以后说：“算了，咱们出去创业吧。”掘墓人就这么产生了。所以大厂会在这个过程中轰然倒下。

另外一个是什么？就是普通人也可以参与到技术平权里来了。咱们刚才讲“普通人”是非程序员，在这里的定义。当然了，这里的普通人，并不是说完全不懂程序的人。就像什么呢？比如摄影吧，原来有职业摄影师，但是你像我，我算业余摄影爱好者，但是对于职业摄影师来说呢，我肯定就是普通人了。能够理解这个逻辑吧？对于我这样的人来说，我现在也可以在大疆的这种傻瓜型的摄影工具的帮助下，拍出一些还不错的照片和视频出来了。现在也是这样的，一些稍微懂一点点编程的门外汉、编程的业余爱好者，也可以在Codex的帮助下，去做出一些很专业的产品出来了，完成一些很专业的工作了。这就是普通人的一个技术平权之路。而一点都不会，说我完全也不想看，这个事您还是普通人，跟我们没关系。稍微有点兴趣看一点，我们叫“略会”。很多东北的脱口秀里都在讲这个话：“你会打乒乓球吗？”“略会。”“会游泳吗？”“略会。”稍微会一点点的意思。略会编程的人，就可以解决很多大问题了。

你说我们去看一下Linux内核怎么回事？你原来需要学很久的，现在不需要了。略会一点点，我就可以去看看Linux内核到底怎么写的，有什么问题，哪有bug，哪个地方有可能有漏洞，都可以搞定。Linux内核是开源的，我们直接可以在源代码库上看。现在网上有大量的代码库，原来普通人是拿它没有办法的。现在这些“略会”的代码库，就可以进行解读，找出其中的bug，提出有见地的意见和建议来了。前一段时间有一个500G的代码库莫名其妙传到网上去了，很多的普通人拿他是没有办法的。现在的话，你说我略会一点点，稍微知道是怎么回事，你就可以把这个代码库弄到本地来，交给Codex说：“来，告诉我，这里头都写了什么？分几个模块？它们是怎么实现的？这个是为什么？那个是为什么？里头到底是做了些什么东西？”大量的普通人，可以参与到这个过程中来了。

咱们最终的结论：GPT-5-Codex就是一个普通人平权的工具。我们这里讲的普通人，不是说你没有钱、没有这个公司，而是说你不是专业程序员的这些普通人，就可以在GPT-5-Codex的帮助下，做很多原来专业程序员才能做的事情。

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！

大家好，
欢迎收听老范讲故事的YouTube频道。

今天咱们来跟大家讲一讲，人工智能+和互联网+的这个十年之差，到底差在什么地方，这个“+”到底有什么相同与不同。

人工智能+，这是一个国务院发的文，它呢叫《国务院深入实施人工智能+行动的意见》，正式有文号了，叫国发2025第11号文。首先呢，肯定是高屋建瓴、开宗明义嘛，他上来写的第一段写的是什么呢？就是我为什么发这文。“是为深入实施人工智能+行动，推动人工智能与经济社会各行业、各领域广泛深度融合，重塑人类生产生活范式，促进生产力革命性跃迁和生产关系深层次变革，加快形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态，现提出以下意见。”

第一句话写得稍微有点绕，我读着也稍微有些费劲，但是我们要看到这句话里头写了什么。他要重塑人类生产生活范式，要促进生产力革命性跃迁，以及生产关系深层次变革。至于前面讲到的，已经不是中国人了，而是人类，“人类生产生活范式”。但是后边这句话是很吓人的，叫“生产关系深层次变革”。大家知道什么东西叫生产关系？谁拥有资产，谁怎么去分配这些利益，这个玩意叫生产关系。咱们从小学政治，就是不断地进行生产关系的演进，而且每一次生产关系的改变都是要革命的。所以呢，他现在惦记说，我们生产关系要发生深层次变革了。而且呢，他对未来的这个憧憬是什么？不是中国人民过上好日子，而是“加快形成人机协同、跨界融合”。以后就没有人了，以后都是人机了。这个也可能也是有些超出大家想象，国务院的文通常写得四平八稳，敢写这么大开头的也不是很常见吧。

然后是三个阶段、六个重点领域和八大基础支撑体系。不知道从什么时候开始呢，必须要用数字代号来进行一些规范和代指一些什么东西了。这些号会变成一大堆密码和暗号，一上来我不跟你讲别的，“你知道6个重点领域吗？”被问的人就满脑子问号，“您说的是哪事？什么就是6个重点领域？”“这6个重点领域都不知道，你看报了没有？你学习了没有？”人家也不好意思说不知道，后边我就编了。现在国内的很多说话，是变成这样的一种形式了。

那么遥远的事情先不急，现在马上可以干的事是什么呢？股市先行吧，咱们先让股票涨起来。美国科技股一直在涨，咱们看着也眼红，所以寒武纪正式超越茅台了，现在中国股市的第一股是寒武纪了，不再是茅台了。原来都想说，你看看人家美国，苹果、微软、英伟达，这是市值第一的公司，怎么到中国，茅台站在那都站这么多年不下来？终于有人来接班了：寒武纪。但是呢，在中国大家注意，有一个特别神奇的现象叫“茅台现象”，任何的公司的市值、股价超越茅台以后，都会造成巨大的这种抛压，或者是股票下跌，整个的市场可能会跟着一起下跌。

原因呢，其实也很简单，就很多人可能原来我们炒白酒的、炒房地产的、炒医药的，我们也不知道寒武纪是啥，也不知道它干什么，因为股票这么多嘛，你要对它进行这种行业研究，也是挺耗功夫的一个事情，可能很多的关注就不在寒武纪身上。但是一旦它超越茅台了，那一看老大换人了，那我们要上来看一看。有很多人一看说，你这个虽然盈利，但是你的市盈率好几千倍，没什么利润，挣这点钱你就敢超越茅台？他就要做一些动作在里头，就会出问题。前面好像是宁德时代，还是谁也超越过茅台，就反正只要有人超越过茅台，就会发生股市波动，这个算是中国特色了。

这一轮的牛市呢，也还是需要题材的。到目前为止，中国牛市呢，依然在艰难前行吧。怎么叫艰难前行？就是今天虽然指数在涨，但是5,000多家上市公司里头，3,000多家在下跌。我们后来通过各种各样的方式吧，让这个指数可以比较好控制，比较听话，所以至于其他人跌不跌，我们就不管了，反正这个指数在涨。现在呢，有一个核心的题材，也就是AI算力，什么光模块、服务器，那咱们就可以继续在这个题材上往前做事情了。

回顾一下互联网+的时代吧。十年前，2015年提出来的。提互联网+的时候，我们还都挺开心的那个状态，为什么呢？因为我们觉得我们是互联网企业，一提互联网+，我们老想着谁干掉谁，或者谁指导谁的事。在中国呢，谁跟谁都没法去平等地相处嘛，所以一定是谁指导谁。我们想着我们是互联网企业，我们肯定要去指导这些落后产能。说我们是不是去收购一些工厂，在我们的指导下，他一把就腾飞了还是怎么样的？很多人都有这样的想法，这就是2015年的状态。

而且2015年呢，整个的经济呢，号称要软着陆，但是大家还是在一个比较亢奋的情况下，跟当时讲的说“广阔天地，大有作为”，我们就到了这样的一个时代。因为我在猎豹移动，2014年我们去上市，到2015年呢，我就成为一家上市公司的投资总监，然后就看到了互联网+是怎么落地、怎么往前飞奔的，当时大家都干了点什么。而且互联网+的时候，讲的是什么？叫“大众创新，万众创业”。所有人都要去创业，投资人赶快去投钱，天使、A、B、C、D，然后去上市。而且当时新三板什么这些东西都出来，大家都去上，新三板都可以上市了，都可以去割韭菜了。“你看旁边那个人是不是比你笨？咱们就割他的行不行？”当时大家都是这样的一个状态。

互联网+呢，其实并不是“互联网+”，互联网+其实是“移动互联网+”。就是互联网其实早就开始了，互联网从零几年、08年、07年就开始了。到喊互联网+的时候，其实大家已经开始在玩移动互联网，在玩手机了，在做移动支付，在做这些东西了。为什么要强调这一点？就是原生的移动互联网企业是谁？比如说像拼多多这样，拼多多到现在为止在国内没有网站，他网站是有，但是你网站上不能买东西，你要想在拼多多上买东西，必须在手机上买，这个就叫原生的移动互联网企业。你像淘宝这种就不算，淘宝你现在还可以在网站上买东西呢，京东你也可以在网站上买东西。美团虽然可以在网站上干，但是后来他做了很多的限制，你不在手机上，他很多的功能就没有了。滴滴这样的东西，你必须在手机上打车，你不在手机上打车，不知道你在哪，这都属于叫原生的移动互联网企业。

当时的互联网+，真的是一次运动式的全民狂欢。因为互联网+开始的时候，还有什么众包、众筹等等，一大堆的妖魔鬼怪在，比如说中关村创业大街上，群魔乱舞。我们到那看的，真的有好多老头老太太说，我们也要去参与一下，我们也要去创业，我也觉得这个产品不错，我要去投他一把。当时大家真的是非常非常狂欢的。

那你说，互联网+最后的结果怎么样呢？其实还算是成绩斐然。因为产生了新的公司，产生了新的业态。生产力没怎么提升，这个咱们要承认，就整个互联网+并没有怎么提升生产力。但是呢，生产关系的变革确确实实是发生了。比如说我们现在都去点外卖了，我们现在出门都去打滴滴了，我们满街跑的都是外卖员了，这个就是生产关系在发生巨大变化的一个体现。

互联网+的大背景是什么？为什么在那个时候，大家会去喊这样的一个口号？互联网+呢，十年前，应该也是咱们当今这一位在执政嘛。他是在干什么呢？第一个就是互联网基础设施基本完成了，滴滴、美团、支付宝、微信支付、移动支付，基本上都已经13年左右就都完成了。再往后过了两年，发现没有什么新仗可打了，那咱们就折腾点其他的事情呗，咱们就开始搞这个互联网+。所以首先是基础设施完善，这个跟今天我们要讲的人工智能+有一个巨大的差异，因为人工智能+底子没有，你没有一个基础设施，你到现在还在写“智能终端”呢，到底那东西叫手机还是叫什么还不知道呢，我们就开始搞人工智能+了。所以这个跟互联网+是完完全全两个不同的概念。

第二个原因是互联网产业有一些虚火，也就是大家去内卷，卷完了以后，主要是以广告、电商与娱乐去变现。资本的泡沫呢，也开始闪现了，就是P2P、O2O这些东西，折腾了半天，最后谁也没挣着钱。所以呢，互联网产业也需要找一些新的地方来去发挥我们的这种活力和热力吧。

另外就是需要产业转型，产业转型是有压力了。它呢是进入了一个叫“新常态”。什么叫新常态？在2015年之前，中国的GDP经常是在两位数增长的。后来呢，说我们就要“保8”，一直在喊我们要保8，就GDP每年要涨8%。到2015年以后说不行了，涨不动了，产能过剩了，说我们要让经济进入新常态，进入到一个相对来说软着陆的这个状态了。所以当时讲的是，我们要适应GDP年增长率是7%，这个日子还得过下去，不能有8%了。当时为什么喊保8呢？因为当时的普遍认为是，一旦GDP年增长率低于8%的话，很多被隐藏起来的这些矛盾和一些问题就会爆发出来。如果你到了8%，这些东西就可以继续隐藏下去，或者可以寅吃卯粮，可以拆东墙补西墙。一旦不到8了，那这些东西就要爆发了。

那我当年在干嘛呢？你看2014年年底我就转成投资了，在那之前我是做开发者关系的，然后就开始四处找项目了，所以我基本上算是见证了互联网+整个的一个流程。当时大家主要关注的方向是什么呢？其实一方面呢，叫流量裂变。最早的时候说，我们怎么拿微信公众号挣钱？公众号一个人变10个人，10个人变1,000个人，怎么去把这钱挣回来？这是当时第一个关注的点。这一块呢，最后没有长出真正的上市公司来，因为有几家公司在这块也很挣钱，最后想去上市的时候被证监会给摁下来了。因为当时就讲说，“你200人运营300个还是几百个这种公众号，还更新很多内容，你告诉我你信息不是抄的，是你自己原生创作的，你跟我讲我信吗？”当时是给了他们这样的一个理由，把他们给摁回来了。所以呢，这一个赛道等于最后就没有出来什么结果，但是还有很多人在这挣钱，就是流量裂变这块是非常非常挣钱的。包括到现在抖音里头这些人，其实还是非常活跃的。只是呢，你不让他上市呢，他就会慢慢地转向灰色的地带。正常的公司如果想要上市的话，你必须要在阳光下，因为你要最后做审计嘛，你没法做审计的话，也就不用为这个事费劲了。

第二个呢，当时大家都在关注的一个点是短视频。现在大家看到抖音、TikTok就是那个时代。你像我2015年投的musically，后来被字节收购了，变成了TikTok嘛。所以TikTok这种短视频，是当时大家关注的，而且算是开花结果，快手也上市了，TikTok现在也是非常非常巨大，搞得中美两国还在为这事到底归谁还在这折腾呢。抖音现在也是强的在国内没有朋友的一个状态，而且现在所有的平台全都要上短视频，什么拼多多、京东、阿里、美团现在都在这上短视频呢。所以短视频呢，算是当时大家找对了一个方向。

然后工业4.0，这个呢是当时大家在看的一个方向，就是柔性生产。我造一个你也得挣钱，造10个也得给我挣钱，你不能说我这一批必须是一万个，一万个不到9,999个我不给你做，这个是不行的。中国呢，最后付出了巨大的努力，把这事这条路走通了。现在我们能够有Shein这样的企业，其实背后是工业4.0在起作用，没有这种东西的话，你是不可能说我这么小批量、快速地去进行产品迭代的。

消费升级呢，其实是在互联网+稍微靠后几年才开始做。后来因为经历疫情，整个消费升级的这个产业呢，基本上算是废菜了，基本上没剩下什么。现在两个消费升级项目，一个是老铺黄金，另外一个是泡泡玛特，其他的反正活得稍微有一点点艰难吧。

再往后是智能家居。智能家居呢，其实最后是让小米、华为他们给捞着了。最开始投入智能家居的，其实是阿里和京东，他们在里头花了好多的钱，发现这个事儿不是这么个玩法，最后让小米、华为、手机厂商还有OPPO、vivo，他们现在都在猛扎智能家居。这条路呢，其实也算是让我们趟通了。

还有一个比较可惜的方向就是AR/VR。15年、16年大家就开始找项目，我们也看了非常非常多的AR/VR项目。到目前为止，虽然苹果出了Vision Pro，但是这条路到底走得通走不通，其实还都是有问号吧。有些人一直相信说这条路能走通，但是我呢稍微感觉有一点点悲观在这上头。

这就是当时互联网+的一个状态。所有人都在那努力地折腾，骗子也横行，有很多很多骗子，老头老太太很多买菜钱都被骗走了。特别是很多的智能家居做出来的时候，都是走众筹的这个路线。众筹的路线就是你先花钱，我东西还没做出来呢，等我做出来了我再给你寄去，或者干脆我最后人就没了。众筹最后的很多的产品都不见了，只有像什么小米众筹，因为米家自己还是要脸的嘛，大家还能看着点东西，很多的这种众筹都没了。

但是呢，在这么热热闹闹地折腾了半天以后，还是有一些互联网+的项目上市了，还是可以跟大家去分享一下的。人工智能+最后能不能有企业剩下来，能不能长出一些真正让大家听起来当当响的这个公司出来，真的不好说。因为人工智能+是走国家控制的，而互联网+走的是市场化的。我这个人一直是相信市场，不相信政府能够很好地管理市场吧……不相信政府这事就不对了，政治不正确了。

那么什么样的公司在互联网+里头留存下来了呢？Shein、拼多多、抖音、TikTok，在这样的大潮里边留存下来了。所以为什么我跟大家讲，整个的互联网+里头，对于生产力的提升是没有贡献的。你说拼多多对生产力提升有贡献吗？Shein对生产力提升有贡献吗？抖音和TikTok也一样的。但是呢，他们对于生产关系、社会结构，对于这方面的改变，确确实实是做出了巨大的影响。以前你们能想象有一种叫MCN机构的东西吗？你们能想象以前有一种这个人叫“主播”吗？或者像我这样人，坐这吭哧吭哧跟大家侃山也能挣着钱，还能养活自己？这个原来是没法想象的。那么现在，经过互联网+十年的这种锤炼，整个的社会结构已经发生变化了，包括信息的流转方向、协作的方式、交易达成和分配的方式，都在发生变化。所以这个是互联网+真正的结果，不能说最后折腾了半天没有结果，这事不行，这是有结果的。

像这种运动式的全民狂欢，它到底有什么意义呢？第一个，海外呢，其实是没有移动互联网时代的，他们也没有互联网+这样的概念。我们其实是将很多的商业模式推动到了一个非常高的高度，国外压根就没尝试过。而且我们也淘汰了很多其实可能未必该死的东西。你到美国，他现在好多的公司说我就有个网站，我没有APP。你做互联网+，你必须得有个应用，你得有个移动APP。人说我有网站够了，你在我手机上用浏览器打开我们网页也可以访问我的服务，没有问题。但是在中国这事就不行，你没有APP你就必须得死。所以很多其实本身服务还不错的这些产品，因为它不做APP，我们把它干掉了。而且很多饭馆儿、实体经济，那你既然不做APP，你就要被这些做APP的人收割。比如说美团我做了APP了，我花钱装得满满街都是了，我就可以去收割你，因为你这个饭馆你做不出APP来。这就是互联网+干的一个事情，我们把利益分配体系整个扭曲掉了。

这一次的叫人工智能+，跟互联网+到底有什么样的不一样？首先讲，互联网+其实算是成功了吧，因为我自己经历过嘛，让我说失败了我也不太忍心，算是成功了。短视频、外卖、滴滴，确实给社会结构、生产关系带来了改变。而且呢，延缓了GDP跌破8%之后很多问题爆发的时间点。跌破8%，这些问题确实是在累积准备爆发，但是呢，我们玩了一圈互联网+以后呢，这个就向后延了，至少当时没有爆发，至少让这些问题一直积攒到了疫情爆发。疫情是2019年爆发的嘛，所以我觉得我们基本上算是满足了国家对我们的预期吧。拼多多、抖音也都是我个人比较喜欢的商业模式和项目吧，我们确实在商业模式上做了各种各样的尝试，走在了世界的前列。那时候我们就讲说，中国的很多的互联网方式或者移动互联网方式在全世界都领先。但是领先的就是商业模式领先，生产力上就是这样，因为手机也不是咱自己设计的，操作系统也不是咱自己做的。而且呢，也算是市场上最后一波造富神话。你要想让市场动起来，下政策是没用的，你必须要有榜样的力量，要有造富神话，这个市场才能动呢。最后的造富神话是谁？是滴滴跟瑞幸。他们两个退市了，基本上就结束了。资本市场推动商业模式创新的这个时代，就是到这就结束了，再往后就没什么事了。

那么这一次人工智能+最大的差异是什么？第一个是技术并不成熟。刚才我们讲了，互联网+是在技术完全成熟、找不到新模式的时候才去干的，但是人工智能+技术就不成熟。第二个巨大的差异是什么？就是从市场推动转变成了政府推动。我脑子里边肯定充满了什么流量、交易、什么留存，都是这玩意，这都是上一个时代互联网+的主旋律。但是呢，这一次呢，太宏观了。像刚才我念了半天，念了半天才有100来人在这听，就实在那个文件也没有什么意思，我还在尽量地用有意思的方式给大家念，但是呢，那个文件整个念完了以后，除了记住了一个“368”之外，其他啥也没记住，没地儿下手。所以呢，没有重点，整个这个文件里头到底该做什么不知道。

经济呢，其实都在下行。互联网+跟人工智能+，我们都赶上经济下行，但是呢，市场消费的信心，这一次是完全不一样。当时呢，我们还在高歌猛进的时候，只是说我们是不是软着陆一下，还在想我怎么能够让公司上市。因为我2015年干了好多事，是什么？把以前投资的项目看看怎么弄到新三板去上市，最后我还好像弄上去一个。所以当时大家还在全民狂欢的一个状态。而现在的话，2025年了，这个市场消费和信心都在什么地方？不知道。2015年的GDP增速是从两位数降到了7%，进入了新常态。2025年的话，我们现在是在进入5%的一个“新新常态”。而且我们这种5呢，就是5%，正好一点都不多、一点都不少的那种5%，巧合得一塌糊涂的5%。这个大家自己心里去想吧，我们到底在干什么。而且现在我们看到了美团的财报直接崩掉了，百分之九十几的利润没了。华为也崩了，大概是比去年同期损失了30%多的利润。你想华为都不挣钱了，这玩意咋弄？那爱国都爱不出钱来了，韭菜快要被割秃噜的一个状态，这个还是非常非常危险的。所以现在整个的经济环境，要比2015年要严苛得多得多。

还有一点跟2015年差异的在哪？创投链条整个斩断了。在2015年的时候，你想一喊“全民创新、万众创业”的时候，一堆的投资人跑上去投项目。但是现在呢？还有吗？没了。为什么没了？因为投资人很简单，就是你投完项目最后要上市、要退出。那你现在你没法上市，在中国投了案子到美国上市，不许去，你有这个数据安全法。你说我在中国上市？那对不起，前面排队排太多了，一旦开闸上市的话，这个股价就维持不住了，这个指数没有了，所以不许上市。到现在为止，还没有说让大家可以随便上市。去年折腾了一段时间起注册制，到今年又给你收回来了。什么时候才能再重新放开上市，投资人才会再重新动起来，否则没法整。那你只能怎么办？只能比如拿国资的钱来投，投完了以后，等到国资那说，你投了钱怎么退出？退不出去。您再想办法拿项目在养这个项目，比如说您城市里的AI数字化建设，你再把咱们国资投的这个钱再给它挣回来，也只能走这条路。那这个就很难了，因为资本是有放大作用的，你要靠这种挣钱挣回来，这个基本上不现实。所以创投产业链断掉这件事情，对于现在的所谓人工智能+，是一个非常非常不利的一个因素。

再往后是什么呢？国际形势也发生变化了。2015年其实咱们在国际形势上还不错，我们上次还是把大量的过剩产能给输出出海了。但是这一次的话，我们整个的朋友圈都变小了。我记得前两天有记者去问外交部发言人说，“你93阅兵的时候，为什么西方国家的领导人都没来？您给解释一下。”这玩意没法解释。你说我没邀请，那你想干嘛？你说我邀请人没来，这玩意多没面子。只能解释了一下，所有的名单都已经公布了，我们是纪念一下历史，缅怀一下过去，就完事了。我们也不能回答说到底是我请的人没来，还是那个我压根没请，这事你没法说。这一次的国际形势是比较严峻的，而且这一次国际形势还面临一个问题是什么？就是卡，英伟达的最新的卡你拿不到，这个是非常非常麻烦的一个事情。

所以，这就是这一次的人工智能+跟10年前的互联网+之间最大的区别。所以人工智能+最后能剩下什么，真的不知道。

那么，运动式“加号”每次都能带来点什么，或这次能带来点什么呢？第一个是整个社会对于某些新技术应用的紧迫感会起来。中国人呢总是比较有紧迫感的，一句“输在起跑线上”就能带动多少消费，带动多少产业，所以要把这个紧迫感要拉起来。第二个呢，就是各种基建还是可以再花一波钱的，比如说我们去建设算力中心，就又有人能够捞钱了。第三个呢，就是整个的社会结构有可能还是会发生转变的吧，但是呢，未必会向着他们所预期的方向进行转变。其实互联网+最后发生的这些社会结构转变，也不是一开始喊口号的时候我们所预期的或者所期望的。只要我们把这个车轮推起来，最后剩什么样再说了。

然后全球也会在我们的帮助下，继续消耗我们过剩的产能。我们又什么产能过剩了？很简单，我们这么多大模型呢，现在都可以干活了，国内又用不了，那全世界你们谁愿意用用吧，免费开源还不用，还等什么呢？要什么自行车？我们的人才也过剩，我们所有的这些应用都过剩，包括我们未来生产的这些算力卡都是过剩的，大家赶快来买。如果你实在没有钱买，没问题，中国可以借钱给你买，最后看你怎么还就可以了。所以呢，这块我们依然可以靠“一带一路”的小兄弟们，也就是今年93阅兵来的这些小兄弟们，把这些东西都跑起来。其他的智能车、机器人、机器狗、美团、京东、滴滴这些东西都在出海。你像滴滴跟美团现在在巴西还在干仗呢。字节、TikTok、Shein、拼多多也没有停下脚步，依然在全世界努力地去卖东西。短剧、游戏也都在出海，我们各种过剩的产能依然会冲出去。而且现在更好的是什么？大模型解决了语言翻译的问题，这个不太爽了吗？我们再也不用担心说我们的产品没法适配什么斯瓦西里语了，一次就可以搞定这个事。所以呢，这件事情上，我觉得全球化还是要很努力地去做的，而且包括前面人家国务院的文章里最后一条也是讲了，我们要去做全球化、全球合作。

当然了，最后到底会不会有“妖怪项目”产生呢？这个就需要打个问号了。刚才我们也讲了什么叫原生企业，拼多多就是标准的原生企业，原生互联网+企业。现在原生AI企业或者原生人工智能企业到底长什么样，我现在还想不太出来。但是我们为什么要管它叫妖怪项目？大家看看最后剩下的Shein和拼多多，这标准的妖怪项目吧？TikTok和抖音，标准的妖怪项目吧？大家一开始觉得四平八稳的项目，最后都没剩下来，最后剩下全是妖怪项目。所以AI如果最后能剩下，项目一定也是妖怪项目。当然这次有可能连妖怪项目都未必能剩得下来，因为这次毕竟不是市场推动的，而是政府推动的，所以可能在小妖怪还没长大的时候就被他们干掉了，这个可能性是比较大的。因为大家做了半天，最后没法上市、没法退出，所以整个妖怪产生的土壤其实也不是那么健全。

在应用领域呢，也许我们也还是可以再做一次极限内卷的“养蛊式”进阶。比如说医院大家都去AI了，这些工厂我们也都去AI，这块呢有可能会去做一些。但是现在很多医院里头差的还是比较远，或者说这些真正的企业里边差的其实还是比较远。而且做这个事情呢，还是一个很核心的问题是买卡。你说我现在企业里就想要AI，你买不到卡，你这个模型布不起来，这事就没法弄。

好，最后总结一下吧。人工智能+确实是提出了一个新的愿景吧，文件高屋建瓴、包罗万象，缺乏市场驱动，未来太美，实在不敢想象。不管能养出什么样的妖怪来，咱们只管吃瓜，这个跟我们关系其实并没有太大。

这就是我们今天讲的这个故事。

AI是不是已经可以替代张雪峰的高考志愿填报服务了呢？

大家好，欢迎收听老范讲故事的YouTube频道。最近几年，AI都在尝试帮大家填报高考志愿。现在高考志愿确实比较难以填报，2,900多所高校，1,600多个专业，未来职业到底应该怎么样去发展，这些都是需要去考量的东西。到底是选专业还是选学校，也是很多人在争论。你不强调选专业的话，填报志愿服务就没有价值了。

现在很多人看到这么多专业、这么多学校，特别是搞不清楚未来哪块云彩会下雨，也搞不清楚自己家孩子到底喜欢什么。在这种情况下，高考志愿到底怎么填？有AI这样的一个大杀器，全村最后的希望，那是不是他就可以来干这个事情？其实最近两三年都在干这个事，只是到了今年会更加的厉害一些，或者说更多的大厂冲进来。今年是阿里、百度、腾讯都冲进来帮大家去做AI志愿填报去了。

为什么今年都冲进来了呢？而且这些大厂都冲进来了，原因也很简单。第一个，AI特别是有了推理模型以后，比较擅长做这个事情，至少表面上是这样的。他为什么擅长干这个事呢？他可以快速的把信息都同步起来。你别说几千个学校、1,000多个专业了，你就算再翻10倍，他也可以快速的去进行排序和选择。而且各种有条件的筛选和推理的话，就是现在这些推理模型擅长干的。

但是各家的模型之间差异比较大。你比如像腾讯可能用Deepseek，阿里用的是千问，至于百度的话，就不提百度的什么事情了，反正他也在努力的折腾这件事情。而且现在AI大模型的志愿填报呢，通常都是免费的，因为这是一个巨大的流量入口。你只要是高考，甭管家里头有没有人参加高考，都会去关注这个事情。高考家庭、大学生本人，都属于非常非常有质量的流量。这些人你后边可以给他推荐各种各样的教培服务，或者一些其他跟教育相关的这种服务。而且大学生本身很年轻嘛，只要是说能把这个用户留下来的话，未来他还要消费很多东西的。所以这个时候，是各大厂商冲进来抢流量的时候，这是今年跟往年不一样地儿。

那么张雪峰的这种高考填报志愿服务是多少钱呢？刚才我们讲了AI那个免费，而且填的还行。就是你告诉他说我们考了多少分，我们有什么样的要求，在哪些范围内选择，希望在本省还是在哪个区域内选择，他都会给你告诉说你这个冲一冲可以冲到什么位置，大概率在哪儿，保底是保到什么地方。他会给你做出很详细的这个规划来，特别是这个阿里的夸克浏览器里边做的高考填报志愿，据说填的还是不错的。

那你说张雪峰这个1万多的套餐，他到底卖什么呢？这个还卖的掉吗？是不是跟这个免费的比起来，就没法整了？

不会，这个供不应求，大家还在抢呢。类似的服务机构其实挺多的，只是张雪峰的声量最大，所以咱们今天拿他来说事。现在张雪峰这个1万多的套餐，根本抢不到。张雪峰本人的，据说三年内的都抢光了。你现在在买到的，都是张雪峰团队下边的这些资深教师和专家给大家提供的服务。

梦想卡是12,999一张，圆梦卡是18,999一张。而且他这玩意分省卖，就是这个省还剩多少张卡要买，那个省还剩多少张卡要买。他分省卖这事也很好理解吗？因为各个省你命题、招生什么都不一样，而且最后排名什么也都是按省排的。

这个价格，像一个12,999，一个18,999，这么好卖一定是涨价。他比2024年各涨了1,000块钱。而且呢，这个梦想卡也好，圆梦卡也好，他不是一锤子买卖。他是从高中阶段就开始去介入的。你高中你需要选科呀，语数英你必须得学，剩下的你到底怎么个选法？每个省其实要求不一样。很多的院校，你必须是物理化学都得学了，你才可以去报。所以高中选科目的时候，你就需要有人来指导了。

你未来想去什么学校，需要去做模拟预案设计。你还没考呢，我先帮你去规划一下志愿填报方案的生成。这个才是今天我们讲的这一项服务，就是12,990也好，18,990也好。填报志愿只是其中的一小项服务。

考上大学以后呢，你还有四六级的考试规划、考研指导和职业培训的一些项目。张雪峰他们原来最主要的本行是做考研的，所以呢他是从高中一直把这个项目延续上来。所以后边有考研指导和职业训练营的这个项目。

你说有一个12,990，一个18,999，这个差6,000块钱差在哪了呢？这个圆梦卡就是比较贵的卡呢，是额外提供苏州市优质企业实习对接机会。不是其他的任何省会任何市，就是苏州市的。原因也很简单，就张雪峰他们公司就在苏州。你实在不行，你上我们公司来实习来。

苏州呢也有很多外企，像微软还有博世，软件呀或者半导体这块的外企有蛮多的。张雪峰呢在苏州，肯定还算是一个比较大的知名企业嘛。所以呢，跟苏州政府也有很多的关联。有学生到这来实习，苏州政府说我们愿意帮他安排。万一他留下来，还可以留在苏州买套房子嘛，这个政府还是大力支持的。

但是你必须要买多6,000块钱的这个套餐，才可以享受到苏州优质企业实习这个对接机会。张雪峰他们提供这种套餐的价值，到底在什么地方呢？

就是真人服务多轮沟通，个性化的策略定制与长期规划，这个才是真正的价值。你说我就上来，夸克浏览器上来，你给填一个说我考了多少分，有哪些需求。孩子一辈子的事情，你就这么填俩数，你就放心让他干嘛？所以一定是多轮沟通。

而且呢，他写着说：“我们更适合需要综合家庭资源、职业倾向等复杂因素的考生。”你去AI接口上去聊天的时候，去填信息的时候，你能填多少信息进去？填不了那么多信息进去。而且很多东西呢，并不是写在纸面上的，特别是某些特定的知识，只在小范围之内传播，没法形成一个明面上的东西。

你比如说吧，内蒙古有这个定向委培的去上戏的机会。这种事能写在纸面上吗？不能写在纸面上。但是像张雪峰他们这帮人，你知不知道？肯定知道。因为每年到底哪招了多少学生，哪个班到底是怎么招出来的，他肯定心里是有数的。哪个事你是可以去惦记的，哪个事不可以去惦记，他心里都知道。但这些东西，你又不可能把它写在明面上。

所以这个是可以成为张雪峰他们这帮真人老师的一个决策支撑。但是你要让AI把这个东西训练到模型里边去：“内蒙古有这个去上戏的定向委培班，咱报那吧。”这不是坑人吗？你是谁？你看看家里都什么人，你就报那？所以这个是有差异的。

另外呢，就是沟通的过程。因为他有真人嘛，多轮沟通，很多潜台词并不是文字可以表达的。人是可以感觉的到，但是文字表达不出来。你比如说吧，有些人说：“哎呀，我们不希望离开大城市。”或者不希望去一些比较偏远的地方。他可能这么说，但是你就问他说：“你是不是不想离开北京？”比如北京考生不想离开北京，上海考生不想离开上海。

如果给AI的话，AI一说：“你不想离开大城市，那是不是北上广深都可以考虑？成都、西安这些是不是也算大城市？”AI的判断它只能是这么判断。但是你对于真人来说，就可以有一些其他的判断方式。甚至真人你还可以跟他聊一聊，说：“哎，你家里干什么的呀？有些什么样的资源呀？以后希望怎么怎么做？”这些事，你人可以聊得出来，你机器你是聊不出来。或者给你一个这样的窗口，你敢往里填吗？你也不敢往里填。

所以呢，这个是真人真正的价值。陪伴跟情绪价值也是价值。你说我有一个人就在那陪你聊了半天，帮大家纾解了一下心情，你这不也得付钱吗？这么多专业的老师，他也得领薪水。

另外呢，对于张雪峰他们公司来说，“建档”两个字非常重要。两个字很简单——建立档案，但是呢，这个价值很大。就什么意思呢？就跟病例似的。你说我去看病，你为什么一定要有个病例呢？

这个大夫给你开药的时候，一定要看看你原来开过什么药，以前做过哪些检查，大概有些什么样的毛病，他才给你去开新的这些药出来。你原来对什么药过敏，吃什么药有效，吃什么药没效果，这病例都写着呢。那你这个多轮沟通，长期的跟踪，那我就整个建档了。

你家里是一个什么样的情况？父母都在哪呢？家里有什么资源？小孩喜欢什么样的事情？参加过哪些竞赛？参加过哪些的课外活动？考了哪些成绩？对未来有一些什么样的想法？中间哪个阶段有些什么样的变化？都给你记上。哪怕后面换人了，我拿着这个小本本一翻，我知道你大概应该去什么地方，还是不错的。这个是真正有价值的东西。

就算是你说我特别有耐心，愿意往夸克或者往百度、腾讯这些入口里边去填这些信息，你填完了以后，人家都不知道该怎么用这个玩意。或者说给你了这个接口，你都不知道该往里填些什么。人家是有一个格式化的东西，让你去建立这个档案的，这个还是有价值。

那你说AI跟张雪峰比起来，到底差在哪呢？AI干的活，其实第一个就是叫专家经验蒸馏。张雪峰也天天开直播，天天在那讲说我给你推荐这个，我给你推荐那个了。那所有这些信息是公开的，这些信息通通都会被这些做AI大模型的公司拎回来，拿它去蒸馏一下，训练他们自己的模型，或者微调一下自己的模型。

而且这些大模型去做推理的时候，模拟的就是张雪峰这样的天天公开在外边讲的这些专家的公开逻辑。为什么一定要强调公开逻辑？就是你真跟他谈的时候，一定是有很多不足为外人道的这些逻辑在起作用。

为什么我们喜欢看张雪峰？一个是这哥们确实说话特别逗，另外一个就是有很多没法对外边说的话，他真敢说。比如说新闻专业没前途，穷人家庭孩子别学医，他真敢说这话。别人都是好好先生，你看看你自己爱好什么，张雪峰他就敢放炮。

但即使是这样，你真的让他去给你做高考志愿填报的时候，一定还有很多他平时都不敢说的东西，在里头去支撑他的逻辑。但是呢，AI不管这个，你说什么我就信什么，然后我把你所有说过的话直接训练到模型里去，这就是它干的活。

第二个就是AI有一点是要比人强的，就是数据的快速迭代更新。因为就是当高考过去了以后，大家要开始去招生的时候，他有大量的信息会去迭代更新。就是像我们儿子去年考完了以后，就很多人说，我们这个学校大概是多少多少分有戏，你是不是先来看一看。因为你只要是考完了，你分出来了，他们就会给您一个分数线，超过这个线的，在我们学校应该有戏。

你就可以带着孩子去跟人去聊，去看看哪个专业有戏。像我们当时去的时候，也是有一个学校说没问题，应该能进来，结果最后就没进去。就是他肯定会给自己打点富裕。

这些信息呢，大模型是可以快速更新的。现在夸克也好，或者其他的这些大模型也好，号称是每天更新三次数据。比如说哪个学校说我们有一个建议分数线，他马上更新上去，然后他再告诉你说，这个学校可能是这样，那个学校可能是那样。这个2,900所学校，1,600多个专业，再加上千奇百怪的个人喜好、扑朔迷离的未来市场发展情况，对于一个可以每天更新三次数据的模型来说，肯定在这块还是要比人强一些的。

人类是不太可能在每一次决策的时候，都考虑到这么多因素，或者考虑到所有因素，这个事很难。另外呢，就是输入信息。可以输入的信息其实还是比较有限的，考生和考生家长也没有耐心真正的把那么完整的信息输进去。特别是什么？你不付钱，大家就没有那么认真。因为甭管是夸克也好，还是百度也好，都是免费的。

很多中介机构为什么说你只要找我咨询，给我打电话了，必须先付钱？很多人觉得这是骗子。你说有没有骗子？肯定有。但是呢，这个里头也是一个行业的基本规则。你只要付钱了，你才认真，你才能节省大家的时间。你上来打电话了，你不付钱的话，就随便问一嘴你就走了，我也没那么大功夫接待你。你给我的各种信息都不完整，我再给你出很多的建议和意见，也不靠谱，所以就没有任何意义。

所以付钱才是大家坐下来，认真的去进行服务也好，交易也好的一个大的前提吧。也有人突然有时候跑来找我，说我有个主意，我有个idea，看看我有没有空吧。要是有空我就跟你闲聊一下，没空就拉倒了。这个也是一样，如果你觉得你有一个特别认真的事情要找我，先想想是不是要付钱。

讲远了。另外呢，AI过往的跟踪是跟踪不了的，因为你没有给他过往信息嘛，他咋跟踪你？他如果真跟踪了你，会吓死你的，会让人恐惧的。另外一点就是现在的AI还不太容易去了解大家的隐藏信息，因为这一块的话，真了解了也会吓死你的。

AI呢，现在还有一个小问题，就是它有幻觉，这个事没法避免。幻觉呢，就是当它把各种的资料混合在一起以后，他有时候会出错。百度呢，反正不建议大家去尝试。夸克呢，有兴趣可以去试一试，挺好玩的。如果你家里有考生的话可以试一试，但是也不要太认真。

现在呢，他的结果一致性还不是特别好。什么叫结果一致性？就是你在同一个平台上，同样的输入，你比如我考了多少分……

我有什么样的要求？我是学了哪几门课？家里可能有些什么样的偏好？你把这玩意输进去以后，它每次输出的结果是不一样的。因为大模型嘛，它就是这样的。你每次跟他聊天，每次输出结果都会有一点点偏差。但是像夸克这种还好了，偏差不会太大，就在一个比较小的范围内偏来偏去的。你可以多试几次，千万不要说啪打一个回车进去了以后就是他了，拿这东西我就填那个表格去了。别干这个，多弄几次。

现在你用不同的平台，给出来的结果是天差地别，这个就很麻烦。而且也很难去验证说谁更好谁更不好，这个事没有办法验证的。因为虽然都是推理模型，有COT（就是思考过程），但是呢，这些东西你拿它去验证，人基本上是没有这个能力的。即使这样，我还是建议大家多试几个平台。试完了以后呢，自己去想，到底是怎么回事？我应该如何去下这个决心？这个就跟AI辅助看病一样，最后签字的还得是那大夫，不能是说AI直接给你出单子，你就开药去。

在测试的过程中，建议大家不要去试百度的，因为我试过它的模型，它模型还是不太好使。底层模型不好使的话，上面这个结果就基本上不可信。再往后，从高考志愿填报这一个工作上来看，人应该如何跟AI协作呢？我们来思考一下：

有经验的真人应该去做面谈，提供情绪价值，获取隐藏信息。这一块呢，是到目前为止AI还无法替代的。然后建档，进行用户个人和家庭情况的长期信息跟踪。这块呢，是可以依靠AI agent或者说一些软件开发的部分，是可以搞定的。不是说AI就可以搞定，现在虽然AI有记忆，但是呢你要求它进行这么复杂的记忆，它其实也搞不太定。这块可能还是要去做开发的。

人应该干嘛呢？就是利用AI实时跟踪最新的高考公开信息。这个是AI可以搞定，人不是那么容易搞定的。各自做擅长的事情嘛。另外的那些真正的内部经验，比如张雪峰整个机构内部有一些流传的这种经验和知识，特别是历年的录取情况、毕业生的就业和分配情况。这些东西也应该录入到一些内部知识库中，协助大家去决策。这就是这个公司的价值吗？

你说夸克这些，他只能是根据公共知识库去形成一个推荐的逻辑。而每一个机构是可以做很多这种内部知识库的。最后呢，就是一定要提供付费服务。因为不付费，就没有人去认真对待。

总结一下：AI介入高考志愿填报之后，会发生什么样的变化？更多的人可以去使用了。毕竟张雪峰这种服务还是一个小众服务，1万多块钱的这种服务。你别看说高考是多么重要的一个事情，影响孩子一辈子。

一千几百万考生，最后能够上本科的可能有四五百万的人。这四五百万的人，不可能都去买他们家服务吧？最后可能买服务的人是很少的。大部分人还是会去利用AI，使用免费服务去进行高考填报志愿的。不一定是真的让他填，但是反正免费吧？你让他参考一下，总没有什么太大的毛病。

而且呢，从今年开始，因为有推理模型，整个的模型和AI agent的工作能力也非常强了。所以可能从今年开始，AI进行高考志愿填报就会逐渐成为一个常态了。这个AI填报里头有一个很大的bug，其实是比较难以解决的。而且可能最终要解决这个bug，还需要整个社会一起去调整。

这个bug是什么呢？就是过于集中。像土木工程，现在肯定是已经崩了。从张雪峰开始反复宣传土木工程可能没戏以后，土木工程再想去招生就比较费劲了。未来一定是旱的旱死，涝的涝死。今年比如说人工智能特别火，那大家就拼了命地去报人工智能。其他的一些没有那么火的这些专业，可能就没法整了。高考志愿填报会出现极度的不平衡。

原来张雪峰也告诉大家土木工程不能报。第一个有多少人信？第二个买得起他服务的人很少。他这样的建议，其实对于整个大盘子来说，影响没有那么大。但是AI上来了以后，每个人都可以拿这玩意去干活了。那可能对于各个学校里面的专业和院系的设置，就会产生影响了。

对于学校来说，未来如何应对AI辅助填报志愿？如何让AI辅助填报志愿的时候，把自己真正需要的那些学生推荐到自己这来？就是学校以后要去思考的问题了。当然这块也还是要有很多的摩擦和碰撞以后，才会让整个中国的这种高考报名和大学的这种培养方向发生新的改变。

好，这就是今天讲的故事。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。

从深蓝汽车的强制广告，看商品的售后再盈利问题。

大家好，欢迎收听老范讲故事的YouTube频道。在讲整个故事之前，我们先稍微回顾一下深蓝汽车强推广告的事件。

2025年5月27日上午，有人反馈车辆启动以后弹广告。因为电动车并没有像汽油车那样强制点燃发动机的过程，通电就算启动了。所以它特别逗：人不坐在车里，广告不出来；你人坐在主驾驶上，广告就弹出来了。挂前进档，据说这个广告就会消失，或者是手动点击广告也可以退出。

他也知道，直接给你弹广告是很不安全的，因为把整个车机都覆盖了，导航、监控全都给你覆盖掉，这确实是不安全。所以你只要是把车挂到前进挡上，就给你去掉广告，会有3-5秒钟。有的客户反映，在车辆行驶过程中也会弹出，这玩意就很危险了。

目标客户群体是买了深蓝03、7或者是07的用户，据说是有48万辆车。那么是向48万辆老车主去推送的。里边写的是：“感恩48万深蓝车主的信任，现在面向首任车主发放1万元的S09专属购车券。”您原来开的是深蓝老车，我现在给你发新的购车券了，你要去换新车，我多奖你一万块钱。大概发了这么一个广告出来。

有些车主也去尝试了，说该购车券需要叠加很多的特定条件才能使用，实际上优惠的力度还是很有限的。这个事情当时就炸锅了。深蓝汽车的CEO赶快出来道歉。5月27号上午被曝光的，5月27号晚上，深蓝汽车CEO邓成浩通过官方微博及个人账号双重道歉就来了，说承认我们这是一个决策失误。

道歉完了还去狡辩了一下，说什么呢？说我走访了一些老客户，发现有一半人都不知道我们这么大的优惠，你亏死了，我一定要尽到义务告诉你。就要求下边人尽到通知义务，下边人把这个弹窗就做了。说我们这个确实有问题，回去我优化流程。什么意思？就是我下回还得给你推，有这样的好消息，我还是得告诉你，这个义务我要尽到。

当然，你说这到底是义务还是权利？他造了你的车，就有权利在你的车机上随便弹广告？但是他承诺我以后保证安全。因为你想，车机在行驶过程中该拐弯了，啪一下给我弹出一广告来，都给我盖上，这个是影响安全的。而且按照中国现行的法律，这个事绝对违法了，是绝对不允许的。

同时，他们还修改了隐私保护协议。他这个真的是骚操作。前面这个CEO他做了这样的狡辩，我觉得也还能够接受。至少以前很多互联网企业的CEO也是这么道歉的，说我都是为了你好。你跟原来360说，我把中国移动的应用市场卸了。

给你装了一个360应用市场，我是为了客户好。他那个应用市场里都是垃圾，我这个应用市场好。或者说，我把原来浏览器给你换了，因为我这浏览器比他好，所以我都是为了你好。以前互联网人都是这么说话的，但是后边这个骚操作，是已经超出了互联网人的无耻程度了。

他后边修改了隐私保护协议。在5月29号过了两天，实际上也算过了一天。你看5月27号晚上CEO道歉了，5月28号这帮律师们绞尽脑汁折腾了半天，到5月29号修改了深蓝汽车的隐私保护协议。深蓝汽车的APP以及车机端同步都要更新隐私保护协议，要求用户同意接受产品推广活动、车机端消息推送等内容。如果用户拒绝更新，APP将强制进入游客模式，导致远程控车、预约充电等核心功能无法使用。

车主实测发现，选择不同意后，APP会闪退。车机端也存在类似限制，不让使了。你必须让我去给你推送这些广告，你不让我推送，我就不让你用车了。这个车虽然是你花钱买的，但是对不起，我有最终解释权，变成这样的一个状态。一般互联网企业没有这么无耻的，反正又让我们看到了新的无耻高度。

深蓝汽车是谁家的呢？长安汽车旗下的一个子品牌，长安占股85%，所以是老牌的军工国营厂。他现在被推送的车，都是原来他们自己的车机。现在准备让他们去买的这个S09，是长安投资华为车BU之后，准备要装鸿蒙智驾或者鸿蒙智能座舱的这个车。

深蓝肯定这事做的是很愚蠢的。这个不是他头一个干的，如果你说头一个干的我不知道，那也不算最蠢。你最多不知道，不知者不怪。前面有人干过，大众第一个干。大众ID6上也是直接推广告说，我们最近有一个什么优惠或者什么的。当时，也是被骂惨了，因为它弹出来以后，就直接覆盖在导航页面上头，你没法把它关掉。当时就一堆人骂，必须要去升级，要去回厂才能把它处理掉，这个非常麻烦。

蔚来ES6也干过类似这样的事情。这蔚来就属于比大众要更笨一些了，因为人家被骂了以后，他还接着干。大众跟蔚来这两个事，都引起了极大的舆论风波。现在深蓝这个老板拍了脑袋，下边干活的人依然不管不顾的接着干去了，肯定是要比前面这些人要更笨一点点。

被骂了就去问律师，后边那个隐私保护协议就肯定是律师给写的，绝对不是下边人随便就敢写这种东西的。但是律师这种职业，他其实是处理很多非常极端情况的，你让他直接去处理这种事情，经常会搞出这样让人哭笑不得的结果出来。广告投放这个事，你是要进行精准的数学模型计算的。

不是随便就可以去放的。第一个，我投放的成本是什么？你比如说，我现在要到YouTube上投广告，我到Facebook投广告，我在腾讯或者字节跳动，我上他们家买广告去。1,000次展示是有价格的。就算是不买这个展示，我买点击或者买转化，也都是有价格的。花钱买完了以后，我再去看转化率，最后是不是把我投放的钱挣回来了？你要去看这样的一个模型。

那你说深蓝这帮人，我直接向车机上投放这48万辆车，反正是我卖的，随便投，我也不用花钱。这不是投放成本是0吗？你转化率是0都无所谓，反正不亏钱。这样想问题的人就是没有玩过广告的。像我们以前做APP，上去投广告以后，这个里面有一个非常非常重要的指标，是什么叫卸载率。你投完广告以后，你的用户就有可能卸载你的APP。这个他是没有考虑的。实际上对于汽车厂商来说，叫商誉受损。虽然他们自己家的车机投放不要钱，但是商誉受损，这个成本是可以去量化的。现在有很多人跑到深蓝去退车去，我订了车我不要了。你这弄完车以后，还必须同意你给我推广告，我不同意你还不让我使了。哪有你们这么无耻的人？这个对于他们来说是可以去计算的。不能随便说我拍脑袋就去上，这个事是不对的。

那你说这个事有没有正确的做法？老板想了说，我这有46万个车主，我现在想去给他们推送这个广告。我有这么大一优惠，他们居然不知道。有没有正确的做法？有。找这个电话呼叫公司，去确认一下，这个车使得是不是开心。如果使得开心，愿不愿意去换一个新车？他车用了几年了？他其实完完全全不需要给46万人都去打。他可以去筛选说，你这个车已经用了多少年了，跑了多少公里了，中间有没有出现过一些愉快还是不愉快的事情。你筛选了以后说，这些人如果我打过去，可能转化率会很高。打个电话去问一声呗，完完全全是可以。比如筛选出来其中有5万人，换车的概率比较高的，我先给他们打一下试试。打完了以后，发现换车的比例还可以，那我再筛选一些。我又筛选出3万人出来，这些人可能最近买的车，那我也给他们打一打。说你使过车，使的还不错，你愿不愿意推荐你朋友也接着买我们家车？你们一家两辆我们家的车，我给你一什么优惠。跟人嘘寒问暖一下，关怀一下，这个总没毛病。

你像我前面定了小米的车，小米就不停的给我寄东西。今天寄个杯子，明天寄个帽子，后天寄个什么气门芯，再后天寄个什么靠垫什么，不停的给我寄。这就属于关怀呀。这些关怀你说他花了钱了，我也没为这东西付钱。

但是，这些东西都会记录到品牌溢价里头去。你会觉得这个品牌是有价值的，这个都是可以通过公式去计算的。而上面他们采用这种方式，是比较愚蠢的。那么，汽车售后的再盈利这条路，到底走得通走不通？咱们去讨论深蓝这个事情，其实没有那么大的意义。那就蠢就完了，没有什么别的。

但我们真正要想聊的事情是：汽车卖了以后能不能再挣到钱？像传统的汽车，我只要把这车卖了，想要再从他身上挣到钱，也能挣到一些，但并没有那么容易了。你比如说我卖配件这个事是可以的，特别是原来的汽油车，保养这套东西，还是可以挣到一些钱，但是挣的没有那么多。

为什么大家老惦记这么一个事？有一个特别典型的案例，挣很多钱的案例摆在前面，大家想去抄。这个案例是什么？智能手机。智能手机里头有相当一块的利润，是靠售后再盈利来的。你卖手机完全可以亏着钱卖，只要用户用我的手机了，我后边再从他身上把这钱再挣回来，而且还能挣出很多钱出来。你说我现在也叫智能汽车了，不是一个普通汽车。那既然智能手机能挣出这笔钱来，那我智能汽车应该也能挣出来。大家就开始想这个事了。

到底有哪些售后在盈利的方案呢？可以让我们去思考。第一个电视的方案其实基本上算走通了。从贾跃亭那里说，你看我电视是亏钱卖的，我每年找你收订阅费。因为你每年要订阅他的电视服务，你才可以看到一大堆的乱七八糟的电视剧这些东西。我通过这样的方式，我再重新把这钱挣回来。跟这些传统电视机厂商竞争的时候，我就有优势了。我卖的比他便宜，因为我亏钱卖的，我靠收订阅费把这个钱挣回来。我即使不收订阅费，你比如说你不愿意订了，我还可以在电视上放广告，我还可以收广告费的，把这钱挣回来。这也是一条路。

虽然可能大家看电视广告觉得挺烦的，有些人可能也不是那么愿意订阅这个东西，但是这条路基本走通了。因为小米也是走这条路。就小米电视，你上来订阅小米的电视节目的会员，或者是开机的时候看看广告呗。而且现在小米电视已经算是在国内三分天下，前三名它是第三，基本上都是20%多。所以它已经三分天下了。这条路是走得通的。

冰箱这条路就没走通。原来设计各种各样的智能家居的时候，在电视之后，大家想的第一个就是冰箱。为什么呢？冰箱要卖东西给你。你把什么蔬菜肉蛋奶放进去以后，它能记着你什么东西哪天进来的，还剩多少了，哪些不够了应该去补充。因为你能够去引导消费了，这是一个非常好的盈利入口。各家做冰箱都惦记挣这个钱，但是谁也没有真正把这条路走通。

三星测试了一个这样的方式，结果因为隐私保护的问题。你等于在里头装摄像头，这个大家就不乐意了。说你在我这个冰箱里装个摄像头，我每天偷吃点糕点都给看见了，这个事不太合适。所以这条路走得并没有那么好。但是等以后有大模型，有agent以后，可能这条路会走得更顺一点吧。这是以后的问题了。

音箱其实也是想走冰箱这条路。亚马逊为什么前面会去做智能音箱？他也是希望你通过音箱去下单买东西。但是这条路大家都没有太走通。甭管是苹果的音箱、谷歌的音箱，还有国内的各种音箱，走的都不是特别好。现在音箱基本上还是要靠卖硬件挣钱。后期服务可能稍微能够卖掉腾讯音乐会员或者是喜马拉雅会员。但是你希望通过音箱走电商这条路去挣钱，到现在为止谁也没走明白。

那么各种设备的售后再盈利模式呢？都有哪些模式？第一个就是订阅模式。电视机就属于典型的订阅模式。你买了电视了，你后边需要订阅他的节目。还有一些汽车也是订阅模式的。你比如说特斯拉的FSD，那是订阅模式，每年交钱，但是也允许你买断。奔驰有一款车的后轮随动转向是要订阅的，你不交钱没有。宝马的有一些车的智能APP也是要订阅的，不交钱这功能就不给你。这个算是一种尝试。但是所有订阅模式的，除非你的内容做的特别好。有些电视说我干脆直接绑定网飞或者绑定亚马逊HBO，这个是可以的。你说我自己去整一堆乱七八糟的东西让你去订阅，骂人的居多。

第二种是什么？就是耗材模式。这耗材模式最早是从打印机开始。打印机这个东西，很多卖出来的是不值钱的，都是亏钱卖给你。但是你只要是买了打印机了，你就要不停的去买耗材。但是最后这条路在中国是废掉了，因为中国有特别多做这种兼容耗材或者叫非原厂耗材的。那他们卖打印机就得挣出这笔钱来。如果你挣不出这笔钱来，你想靠后边卖耗材把这钱挣回来，是会亏死的。但是打印机确实是发明了一种很好的售后再盈利方式。

其他的一些你比如说空气净化器，那里头那个滤芯你是要后边不停地去换的。净水器那个滤芯，你要不停地去换。这个都属于是耗材模式。传统汽油车其实也是个耗材模式。你需要定期保养机油机滤、刹车片、火花塞、刹车油这些东西，雨刷器你都要去换去。电车这点省事，电车除了雨刷器、刹车片需要换，其他的没什么了。这是耗材模式。

还有一些是配件模式。比如手机，手机壳、手机膜、手机挂绳，就是他有一大堆这样的东西是可以卖的。相机也有很多配件。

你比如兔笼、灯、包、三脚架。原来为什么说相机穷三代呢？你一旦买了相机以后，各种镜头、镜片、小配件你就买不完了，你需要一直买下去。车其实也是有很多配件的，在这块做的最疯狂的就是小米。小米就是专门做配件起家的，所以你看小米做Su7的时候，他推了多少车的配件出来。那后边等我们家的小米到手以后，估计这些配件的消费也不会少。

还有一些是车或者其他人搞不定的是什么？APP跟内容销售，这个只有手机可以。手机之前就是游戏机，你比如你买了switch、买了PS5、买了Xbox，你除了订阅之外，你可以不停的在上面去买游戏，买游戏里边的各种充值的钻石、点卡。你可以买这些东西，他等于是一个消费平台开始了。这个是很多人都想去学的，但不是那么好学。你像手机上面，游戏、音乐什么都可以购买，都可以订阅，还可以看小说，还可以看视频。苹果每年靠这玩意挣上千亿美金回来，而且这一部分挣的钱全是利润，不像造硬件似的。你这吭哧瘪肚造半天，还有运输、原料成本，还要中间供应链金融，你还要压货压钱。做中间这一块的，卖APP全是利润，他这一块利润70%多，所以大家想挣这个钱。苹果光为了每年千亿美金的APP收入，他的苹果税的官司在全球打完了以后还特别硬气。谁判了以后，我都在跟你接着矫情下去，我就是不松手，因为那真的是钱，真金白银的钱。这个大家都想学。

还有一个相对来说比较容易挣的钱，就是广告模式。手机、电视、冰箱、车机上都在做广告，但是现在效果最好的广告就是手机广告。其他的广告，包括电视广告、冰箱广告、车机广告的效果都很烂，效果一般。还有一些比较特殊的售后再盈利方式是什么？就是关怀服务。这块主要是汽车，我买了车了，你不停的给我寄东西，不停的嘘寒问暖。甚至还有一些，比如说蔚来汽车车场的二楼、三楼，都是专门给车主服务的区域。还有很多的4S店，比如别克的4S店，它专门有车主的娱乐区在里头。这算是一种关怀服务，这些关怀服务算是一些品牌价值的这种充值或者转换，它也是挣钱的。你只要一直给他这种关怀服务，他就愿意向身边所有的人去推荐这款车。你现在跟买了蔚来的这些车主去讲，说蔚来不好，他马上跟你急眼。我告诉你这玩意儿跟宗教信仰似的。

还有一些金融模式，也是可以产生售后再盈利的。贷款、购买、租赁或者是二手交易，这个都算是一些金融模式。这块其实还是挺挣钱的，手机上肯定是更多的，金融衍生模式就都出来了。你可以在手机上买保险。

可以在手机上做投资理财，可以在手机上借钱，那这个就是完全另外一回事了。

最后一种售后再盈利的方式是什么？就是品牌和渠道的价值溢出。小米跟华为现在算是当代的典型。你看小米把手机卖好了以后，小米电视、小米空调、小米冰箱、小米洗衣机、小米电饭锅、小米汽车，你买所有这些东西，实际上我们都在消费小米的品牌和渠道溢出价值。华为现在其实也在干同样的事情。

这东西谁发明的？松下、飞利浦他们发明的。当时他们玩的是什么？叫松下全屋智能。你把松下的所有电器在家里买一遍，因为他们是黑店白店全都做。飞利浦也是做类似这样的东西，全屋智能，算是品牌价值溢出的开山鼻祖吧。小米就跟着他们学，效果还是相当不错的。

那么我们为什么在讨论这样的一个问题？深蓝这种老牌军工车企的脑回路，就没什么好说的。智能手机作为上一个门户，已经将售后在盈利的各种边边角角都摸透了。车呢，被很多人寄予厚望，会成为下一个门户入口。如果在车成为下一个人门户入口之后，如何在车卖出去之后继续变现，就是大家需要思考的问题了。

因为手机也好，电视也好，完完全全可以把利润拉低，甚至可以赔钱卖，依靠售后再盈利的方式，再去跟其他人卷，再去跟其他人打价格战。所以车的事情大家也可以这么去思考。

那你说我现在开着开着车，你给我谈广告这事有点过分。这个里头就要有一个分界线，这个分界线叫什么？就是自动驾驶。你首先还是个车，你要让我开出去。但是你一旦自动驾驶了，这就是另外一回事了。这个自动驾驶的车就完完全全可以像手机一样变现了。

那你说我坐在车上打个游戏，刷个视频、看个广告，在里头去做一些特殊的金融服务。马斯克说了，你以后买了特斯拉的车以后，不开的时候，就可以把车交给斯拉公司，特斯拉公司拿你的车出去开车挣钱去。这个都是新的金融衍生模式。

所以大家就会去思考说，我到底怎么能够让这辆车去挣钱？我把这一块的利润算进来以后，我怎么能够把车的价格降低？

另外一个问题是什么？robotaxi马上就要来了。现在马斯克也是在快速的测试，我相信他回归了自己的特斯拉之后，robotaxi一定会快速推进的。而robotaxi这种东西一旦推进了，传统车企就会被彻底洗牌。

因为robotaxi这样的东西，或者说自动驾驶这样的车，它就完完全全可以像手机一样变现。当有这些利润进行补贴的时候，你想他那个车能卖多便宜？整个的出行的成本能够下降到多低？所以robotaxi这种东西上来以后……

绝不是说我把出租车公司干掉，把Uber干掉。他是要把所有的汽车企业都干掉的。就像现在我们虽然没有办法在共享单车上去做什么变现，但共享单车上也被贴满了小广告，人家也在变现。但是共享单车在国内普及了以后，原来这些自行车厂就基本上全废了，都没了。

现在自行车在中国已经不再是一个出行工具了。它已经像欧美一样，变成了一种娱乐工具。咱们玩的不是这个自行车出行，咱们现在玩的叫骑行。你骑这个几千块钱的车出门，都不好意思跟人打招呼。人家都是骑几万块钱的车出门。所以以后汽车可能也会变成这样。

Robotaxi把现在的绝大部分乘用车都干掉，剩下的都是生产这种高端车、娱乐车。日常出行完完全全就是robotaxi。Robotaxi一边让你坐车，一边还不停地给你去推各种各样的广告、各种各样的金融服务、各种的购物服务。

你像美团，它在国内推共享单车的时候，虽然他没有往那个车上去贴广告，但是你使用美团共享单车的时候，你要干嘛？你要打开美团APP。美团APP活跃一次，这个对于美团来说，就相当于是已经做了广告了。他其实已经抽到这笔钱了。那他再去跟其他的这些传统自行车厂，做出行自行车的这些人去竞争的时候，就无往而不利了。

过一段时间，可能一年到两年的时间，特斯拉可能会变得很值钱。我们好像又讲远了。深蓝往车机上刷全屏广告，是一个非常愚蠢的事情。但是汽车等这些大件，售后再盈利的问题，已经到了可以去思考的时候了。

这个故事今天就讲到这里。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。

开发AI作弊软件被学校开除的人，为什么还能够拿到融资呢？大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲这个神奇的故事。按照中国人的想法，这不应该算是劣迹吗？有劣迹的人都不能再去开直播了，怎么还有投资人愿意把钱给他们呢？因为投资人很害怕别人把钱卷跑了呀。有劣迹的人怎么可以拿到投资呢？今天咱们来讲一讲。

这是一个哥大的学生，这是真的哥伦比亚大学的学生。这个人呢叫李钟仁，钟表的钟，仁义的仁。他呢开发了一个AI面试作弊软件，叫Interview Coder，可以在面试的时候呢潜伏在屏幕上，可以看到屏幕的信息，听到声音，并且自动的调用大模型，找出并显示答案。他呢为了炫耀和销售这个软件，拍摄了一条视频发到了YouTube上。他使用Interview Coder软件通过了亚马逊的面试，做了这样的一条视频。

亚马逊发现了之后，那天都塌了。伤害不大，但侮辱性极强。我跑去给你面试，结果你全程用作弊软件，我还没有发现。这个肯定是丢大人了。然后亚马逊给哥伦比亚大学写信说，必须开除，否则永远不再录用哥大的学生了。这个对于哥伦比亚大学来说，还是非常强的一个威胁。虽然说哥大的学生并不愁找工作，但是你被亚马逊以这样的一个理由封杀的话，这个也是侮辱性很强的。

于是哥伦比亚大学对此事开始进行调查。李钟仁就出来解释说，我们这款软件不会针对学校考试，只是针对公司的这种远程面试了。但是这种解释肯定是很苍白的。哥大最终开除了李钟仁，以及他的合作伙伴，一位印度裔的小哥。当然了这个开除呢，是一个叫暂时开除。我对于美国的学制并不是特别了解，所以他给出的决定叫暂时开除，且在2026年5月之前不得重新入学。所以到2026年5月以后，是不是这个李钟仁就又可以入学回来了？这个不确定。

在这个时候呢，投资人就找到了他们，给了530万美金的投资，让他们在旧金山开始了创业，创建了一个叫Cluely的公司，意思叫线索，或者叫提供线索的一个公司。在这呢，首先要跟大家注释一下，这个李钟仁呢并不是一个华裔，他呢是韩国裔美国人，应该是在美国长大的。他的合伙人呢是一位印度裔美国人，从德州考到的哥伦比亚大学。因为我特别喜欢讲各种华人华裔的故事，所以在这呢一定要稍微注释一下，别以为我又讲了一个华人故事。不是。

那么Interview Coder这样的一个软件，到底有什么样的神奇之处呢？

你说ChatGPT找答案这个事，没什么新鲜的呀。他们为什么做出了这种软件，就会被人追着投资呢？

首先，我们要先讲一个问题，是大厂去面试。像亚马逊这样的大厂去面试，他们喜欢用什么样的方式面试呢？他们叫Leetcode。Leetcode怎么说呢？就是它是一些比较麻烦的算法题，要考察你应对各种算法和数据结构，以及算法逻辑的一些能力。因为每一个厂自己的编程环境，其实差异是很大的。我没办法说给你提供一个我们厂内部的编程环境，让你去解决实际问题，但是我又想看一下你具体的编程能力，那就让他刷Leetcode。因为这些大学毕业生，你到了这些互联网大厂以后，甭管人家用的是什么样的编程语言、编程环境，基本上都是可以在一两周之内重新学习上手。所以上大学期间，学习的这些基础知识是有效的。但是真正的应用知识，都是上班以后再学，甚至是你可能每换一间公司，你都需要重新去学习的一个知识。

那你说考Leetcode这个事情，对于考验学生能力到底有没有效果呢？一开始其实是有效果的，它确实是可以把一些算法能力比较强，或者逻辑思维能力比较强的人筛选出来。但是当可以刷题的时候，意义就没有那么大了。因为很多人为了进入大厂，就跑到Leetcode的网站上去刷题。这个是有教程的，你可以通过一个很高强度的训练，把这些题都刷一遍。因为Leetcode的题其实不是很多，很容易就穷举干净。你可能没有办法找到最好的解法，但是都是有一个相对不错的解法可以拿出来的。

而且Leetcode的这些东西呢，在真正写程序的时候，就是你真正上班的时候，其实是没什么用的。你还是要符合大厂的规范，去把真正的逻辑完成掉。不是说你要使用Leetcode的很多可以得高分的这些很技巧的逻辑、很技巧的编程手段去完成任务，这个是不行的。如果你真的在你的工作过程中使用Leetcode技巧的话，会被骂死的。为什么？因为真正大厂的项目，他的要求是你的代码有很好的可读性。如果你使用Leetcode的技巧去那炫技的话，你的代码基本上是无法维护的。

那么好了，解释清楚他们到底在解什么题之后，interview coder真正的能力是什么呢？解题肯定是ChatGPT解题，肯定不是它解题，它只是一个类似于电脑助手的东西，悬浮在屏幕上。而且在悬浮在屏幕的同时呢，还要规避所有的截屏软件的捕获。什么意思？面试的时候也知道，你有可能用AI去作弊，那怎么办呢？

他们要求你共享全部屏幕。如果你在电脑上开了ChatGPT，或者开了一些其他东西，他要能看到，这个是不允许的。

现在，Interrailcoder把它的窗口放到屏幕上去，还让这些截屏软件没有办法发现它。哪怕是你使用Zoom或者是Google Meeting这样的会议软件，你也没有办法看到它。这个是有一些技术难度的。

而且呢，这个软件还能够实时的去截屏、去录音，这个也是很难的。虽然现在你比如说ChatGPT，他也有这些能力，豆包也有这些能力，但是呢，这个你是需要操作的。他这个是不需要任何操作。因为你不能说我这边面试的，你还经常有一些小动作，手上的鼠标或者什么的，经常做一些其他的动作。这个事是不允许的。

因为你面试的时候，摄像头是开着的，他能看到你。如果发现你经常有一些零碎的小动作的话，即使截屏没有发现什么，对面的考官也会怀疑你在作弊。所以他基本上是不需要操作的，这个也很强。

当你做了这么多的屏幕截取，包括录音的时候，你还不能让系统卡顿。因为如果你占用了很多的系统资源，也是会被考官发现的。说你到底在干什么？你的电脑是什么样的配置？为什么这样的活动了以后，你的电脑就跑不动了？你后边到底在干嘛？这个都是会被发现的。

所以它整个的系统呢，不能占用太多的资源。写出这样的系统的人，第一个对于计算机前端界面的系统层逻辑是非常熟悉的，这个不是一般人能搞定的。

第二个呢，他对于整个用户的操作逻辑也是非常清晰的。如果你的操作逻辑是错的，就会经常遇到人工智障的事情。他一定是说，我这边录到了考官的问题，录到了屏幕显示的题目，然后我去找到了正确的答案给你。你不能说考官跟你聊个说“今天气不错”，他在后边吭哧吭哧给你找答案去了。这个事一定不能这么干。所以他的逻辑很清楚。

而且呢，写这样的程序，他对于底层的高效编程要求是非常高的。为什么要专门强调这个？我们正常去写一个应用，可能会调用各种各样的组件、库，或者是编程框架。使用这些东西呢，写出来的项目很漂亮，但是呢，占的资源非常多。

你要想说，我占的资源很少，你就不能使用这些玩意。你就必须要使用系统底层的、很原始的东西去编程，你才可以占用很少的资源。而且在很高的权限下去工作，才可以躲过别人的截屏，才可以保证说我去录音录像了。而且在这个过程中还不跟别人冲突。

你想，他在面试的时候，可能后边还开着Zoom，还开着Google Meeting，还不能跟他们冲突。

在这个过程中，还不能让他们卡顿，还能把所有事都干出来。所以这块的编程能力还是很强的。我们已经解释了 interpreter coder 到底强在什么地方。下面我们来讲一讲这些没法毕业的科技公司创始人们，到底都有什么神奇之处。他们为什么没有成为劣迹学生，让他们永世不得翻身，没有成为这样的情况。那些没法毕业的创始人，在美国或者在欧洲整个的科技发展史上，还是占有相当大的一席之地的。

今天这位李钟仁呢，又是一位没毕业的创业者。当然，这个过程中呢，肄业跟开除是两个概念，他是被开除的。肄业的创业者有哪些比较著名的？第一个是史蒂夫·乔布斯，19 岁的时候因为经济压力，从里德学院主动辍学。然后呢，马克·扎克伯格，他呢，本来是可以被开除的。他呢是开发了 Facebook 的早期版本，非法获得学生照片，侵犯隐私，接受审查后自愿从哈佛辍学。他这个呢，基本上是够开除的份了。

另外一个有名的是比尔·盖茨，这也是哈佛的。他是未经授权将大学计算机资源用于商业目的，并准许非学生使用其账户，受到告诫后自愿从哈佛辍学。这个呢，其实也算是接近开除的水平了。下一个呢叫罗伯特·诺伊斯，这个人呢是英特尔跟仙童半导体的创始人。基本上整个美国的半导体时代，互联网这个计算机时代，就是从他这开始的。他是在格林内尔学院就读时，因为与同学在宿舍私建滑雪场，导致水管破裂被短暂停学，后转入麻省理工，获得了博士学位。这个也是有一个短暂停学的一个过程。

像现在这个李钟仁，可能到明年 2026 年 5 月以后，还可以恢复他的学业。迈克尔·戴尔，他就是戴尔电脑的创始人，19 岁时从德州大学奥斯丁分校辍学，专注于组装和销售电脑。彼得·泰尔，这个人很有名，是 Paypal 创始人，Facebook 的早期投资人，现在也叫 Paypal 黑帮的老大。整个硅谷里面，做硬件做芯片这些人，大部分都是从仙童出来的。而很多从 Paypal 里面出来的创业者，管他们叫 Paypal 黑帮。Paypal 黑帮里边原来最有名的人应该是埃隆·马斯克。现在呢，还有一个哥们比他还有名，是 JD Vans。万斯是彼得·泰尔基金会的律师，在他从政之前在这边做律师。

还有一个是原来我投的一个案子，编程猫的李天池，在法国读硕士，学的就是创业。到最后说不行了，再不肄业我就要毕业了，出来创业了，创建了编程猫，现在发展的也还不错。这些都是肄业的。真的跟这个李钟仁一样被开除的有哪些呢？1877 年就有这个人，叫威廉·伦道夫·赫斯特。

就是现在的赫斯特集团的创始人。这个赫兹集团是美国非常强大的媒体集团，这是这个集团的创始人。他呢，是因为向经济学教授赠送刻有其名字的夜壶，被认定侮辱教职工，被哈佛开除了。后边有一个电影叫《公民凯恩》，这个就是原型人物。

然后是特德·特纳，因为违反校规在宿舍留宿女性，被学校开除。他呢，是被布朗大学开除的，创办了CNN。反正媒体人喜欢干这样的事情。

还有一个人叫史蒂夫·沃兹尼亚克，这个呢，是因为黑客行为入侵学校计算机系统，修改成绩并向同学发送恶作剧信息，被克罗拉多大学博尔得分校开除。1976年，与乔布斯联合创建了苹果公司，主导设计了苹果1和苹果2电脑。

这些是被开除的。为什么基金会喜欢投资这种人呢？基金呢，特别是风险投资基金，早期的风险投资基金，会专门找这种叫特立独行的人来去投资。因为按部就班的人很多，特立独行的人呢，是相对来说比较少的，比较难找到。

按部就班的人呢，未来通常是可以预测的，一眼就可以看到你的退休。所有的这些按部就班的人，他们的未来中呢，并不包括风险投资人所期望的那种成功。什么叫他们所期望的成功？不是说我今儿给你100，明天你还我110。你想他投10个案子要死9个，所以他一定是希望有一个人能够一下就把10倍或者是100倍的钱给你挣回来。这样的人肯定不是按部就班的人。

特立独行的人呢，未来是很难预测的。他们一定会成功吗？不一定，而且他们成功的几率也很小。但是再小，他也是有可能出现风险投资者所希望看到的这种成功的。

那你说特立独行到什么程度就会被关注呢？你说特立独行的人多去了，有些人疯了，有些人什么黑暗科学家了。什么样的人会容易被投资？

第一个，一定要聪明。你说我这人不够聪明，这事肯定是不行的。

第二个，要对未来或者对人性有一定的洞察力。你说我做了半天，完全陷入在自己的世界里边，别人说什么我都不听，这个是不行的。

第三个呢，要有极强的实现能力。你说我光会想，四处吹牛很厉害，我东西做不出来，这事也不行。

那咱们现在看看这个interview coder这个项目。这个项目呢，做出来了，这是非常难得可贵的，而且符合当前的需求，很多人需要使用，而且也有可能符合未来的方向。因为大家都在做AI助手，他也在做一个AI助手。而且他这个AI助手，因为是给人作弊用的，做的还相当不错。

刚才我们也讲了，interview coder实现的难度是非常高的，普通人做不出来，他给七扯咔嚓给做出来了。

还经过了市场的证实。市场验证过了，这个软件靠收订阅费，一年也能收出几百万美金来。所以，这个是非常非常难能可贵的。

听了这样的一些标准之后，如果有听我节目的年轻人，在你们决定辍学创业之前，先想清楚你们具不具备这些能力。如果不具备的话，先培养一下，再去研究说是不是要去辍学创业。

最后呢，咱们讲一下CLUELY这个软件未来的方向是什么样的。很多流氓软件后面都转去做安全软件了，比如说他去做一个可信面试，这个也是一种思路。当然了，这个未必是一个好的赛道。你像360原来就是做流氓软件的，后来说，我去给你做安全软件去。因为怎么耍流氓他最熟，我去把所有耍流氓的路都给你封上。他既然可以做作弊软件，可以逃避各种的检测，他就知道说，有哪些方式可以逃避检测。那最后大家就去拼呗，道高一尺魔高一丈的事情。那这也是一个思路，但是这个不是大的方向。

真正大方向是什么？现在大方向就是AI个人助理，大家都在做。包括我现在使用的豆包、Claude、ChatGPT的客户端，实际上都属于AI助理。而且甭管是豆包、ChatGPT还是Claude，这些客户端其实要比现在的Interview Coder还是要差一些的。从用户的体验、从前端的兼容性介入上，还有资源占用上，都还是要差一些的。

做个人助理这件事，本身技术呢并没有那么难，都是可以做得出来的。只是呢，在用户交互设计、产品场景设计上，这块才是比较难的。我现在用豆包，那个就真的是戏精产品，把各种能够想到的端口、各种能够想到的入口都要占一下，而且不停的在各种你使用的过程中加戏。如果我要拿这样的软件去作弊的话，可能第一分钟就被人发现了。所以从软件设计或者从交互设计上，这个东西绝对没有Interview Coder做得好。

如果一个AI助手可以像Interview Coder这样，非常好的跟当前系统相互结合，那就不会造成什么兼容性的问题。这个对于助手类软件也是非常关键的。所以他们可能能够做出来未来比较有趣的AI客户端助手来，这是大家可以去期待的事情。

而且你想这样的一个客户端助手，还不需要你去过多操作。你该写程序写程序，该打游戏打游戏，他在你的界面旁边适时的弹出，给你提供你需要的帮助。不会出来没事找事，也不会说你需要他的时候找不着他。这是多么强大的一个AI助手。

你就想，我们可以在面试的时候不被考官发现，不用操作它，自动的把答案找出来。这就是他们未来的方向。

大家好！欢迎收听老范讲故事YouTube频道。今天咱们来讲一讲李飞飞的S1K模型。50美金成本超越DeepSeek R1和ChatGPT O1。

首先呢，DeepSeek到底是怎么震惊全球的？就是因为训练成本低。他的训练成本是OpenAI的3%，所以震惊了全球。

那么现在李飞飞的S1K模型，16张H100的显卡，跑了26分钟跑完了，拿到了一个32B的模型。多项测试超越了DeepSeek R1和GPTO1。

大家要注意，评测大模型呢，它有很多很多测试项。一般我们说基本上达到什么什么水平，就属于叫互有伯仲。有些你强点，有些他强点。原来大家都超不过GPT 4O，是因为只能接近它，距离它的全项指标都有差距。现在的话，大家就已经基本上可以达到GPT 4o的水平了。

现在R1跟O1算是最强的推理模型。李飞飞做的这个S1k，也算是部分超过了R1和O1，绝对超越了DeepSeek R1的32B。

DeepSeek R1呢，讲的时候一般有两个不同的说法。第一个呢叫蛮血版。什么是蛮血版？671B的那个是蛮血版。然后另外一个呢，是通过通义千问也好，LLama也好，这些模型蒸馏了以后重新微调出来的版本。所有你看到什么70B，什么32B，都是这种微调出来的版本。

李飞飞这个50美金他这个版本呢，要比他自己的32B版本还要好。大家是不是先想想，先站个队。这到底是原创呢，还是抄袭呢？对于粉红来说这是绝对原创，对于支黑来说这可能是抄袭。

因为李飞飞是个中国人，他是个北京人。后来呢是跑去四川上的学，他是成都七中出来的。SOGO的王小川，B站的陈瑞，都是他的中学校友。但是呢，另外一头呢，他是个美国的大学教授。普林斯顿大学物理学学士学位，出于对东西方哲学和科学奥秘的探索，他前往西藏研究过藏药。后来是在加州理工学院得到的电子工程博士学位，现在是斯坦福大学的教授，人工智能教母。这算是个创新吗？还是个抄袭呢？

我估计很多人可以炒半天这个事。咱们先不炒这个，在我这个频道里头，吵这个事没意义。咱们去讲讲这50美金到底咋花的。

首先呢，是蒸馏一个小样本模型。有一个什么基座呢？通义千问32B。拿这个模型去做微调，就跟刚才我们讲的那个DeepSeek R1 32B的那个基座是一样的，都是通义千问2.5 32B。但是呢，拿进去做微调的这个样本是不一样的。DeepSeek R1 32B 是使用DeepSeek R1满血版产生的数据去微调的千分2.5。而现在李飞飞呢，他使用的是谷歌的推理模型Gemini 2.0 Flash thinking产生的问题去进行的微调。而且还有一个呢，就是它的问题特别少。就是DeepSeek自己微调的时候，有多少个问题？80万个问题。而李飞飞的问题有多少个呢？1,000个。拿了1,000个问题，就把这个模型给微调出来了。所以1K就是1,000，1,000个问题的意思。S1K这个模型只有1,000个问题。每一个问题呢，都是通过Gemini 2.0 Flash thinking进行解答，并且获得思考的过程与结果。因为他总共就1,000个问题嘛，你把他塞进去16块显卡，26分钟就跑完了。成本也就是50美金。那么是不是我来我也行？我也找1,000个问题上去，50美金我也整一个出来。

最近互联网上有个新梗，什么呢？就是“中国行我也行”。这个是嘲笑那些不自量力，想要学习中国大力出奇迹，结果翻车了的外国友人的一个新梗。这个并不是那么容易。你要想说，我用1,000个问题把这事训练好，那你想去挑这1,000道题，一定是非常非常难的。它这个S1K里头，实际上有两个大的创新点。一个是1,000道问题的筛选，另外一个呢特别神奇的东西，叫做预算强制，budget forcing。咱们先去讲这1,000个问题怎么筛出来。首先呢，这一帮的学者们从16个不同的来源，收集到了5万多个问题。

在59,029个问题中筛选出1,000个问题，其筛选标准主要包括以下几点：

1. **质量要高**：所谓质量高，指的是问题的解答过程和最终结果的格式完整、逻辑清晰。如果某些问题的解答过程格式不完整或混乱，则不予考虑。
2. **难度要大**：难度大的问题通常具有更长的推理过程、更详细的步骤、更多的推理步数和更长的推理时间。
3. **全面**：最终从50个不同领域中选取了1,000个问题，确保覆盖广泛，避免领域单一。

这三个原则——质量高、难度高、全面性，是筛选的基础。在此基础上，还需要探讨艺术、技术与科学之间的差异：

– **艺术**：偶然所得，无法重现。
– **技术**：在技艺基础上不断迭代与创新，但无法跨领域应用。
– **科学**：理解底层原理，可以跨领域应用。

中国在技术上表现强劲，但在科学方面略有不足。S1K实际上是一种科学，因为其筛选和训练过程并非简单的试错，而是通过科学的方法验证和优化。例如，仅筛选出最优质的1,000个问题进行训练，效果并不理想；同样，仅筛选出最难的或最全面的1,000个问题，效果也不佳。最终，将全部59,000个问题一起训练，效果虽有提升，但并不显著。这一过程体现了科学的严谨性和系统性。

就是真正在找到底层逻辑了。找到了逻辑以后，我就可以在这个逻辑上进行优化了。下次再去选问题的时候，我就选这1,000个题。大家注意，你选的题越多，他肯定是效果越好。但是呢，选的问题很多了以后，他你这个效果提升变得非常非常的不显著了。等于你花了很多的钱，后边都没有什么用了，这个就没有必要了。我们就到第1,000道题就可以了。所以大家就可以按照这个逻辑，在不同的领域里去应用这个筛选1,000道题的方法了。这个是一个真正进入科学范畴的东西。

建议以后这些大模型团队呢，可以去学而思、新东方找一些老师回来筛选问题。这个过程其实很像什么？我这个学生要去参加竞赛了，我这个学生要去参加高考了，他的时间非常非常有限。怎么能够筛选出一套特定的题目来，让他去训练？训练完了以后，可以在有限的时间内得到最好的提分。这个过程是不是跟学而思的这帮老师们干的活非常非常像？以后再去选问题的时候，比如说我们今天要去选一些物理相关的、数学相关的，或者什么这样的题的时候，那你就找这些老师来，他就有效果。

下一个创新是什么呢？下一个创新叫预算强制。这个特别有意思，其实还是学而思老师的范畴。预算强制说白了是什么？就这个题如果太难了，就别浪费功夫了，直接终止，写一答案在这就行了。你也不是说终止就不写答案，因为咱们知道考试的时候，你万一写对了呢？该蒙你还是得蒙一个答案出来的。如果这个问题你觉得太简单了，没有用到相应的时间，你就把答案直接做出来了，那你是不是等一等，再回去想一想，稍微检查一下。但是呢，到底哪道题需要尽快结束，哪道题需要多想想呢？这才是关键点。

咱都知道说，这个题如果太难了，咱就把它扔掉。我儿子小时候学奥数的时候，他就讲过哪道题你先看一眼，如果发现没什么这个概念，就直接pass就别做了。这就不是给你预备的。如果你把时间耗在这上头了，下边题就没法做了。而且那个时候考奥数的时候，还告诉你说第几题是多少分。

多少分的题，你应该在上面耗多长时间？如果你发现你在一个3分的题上耗了多长时间以上，你就赶快放弃掉。咱们现在就需要去做这个测算了，它叫预算强制法嘛。这个budget到底怎么定的呢？推理的步数和推理的时间，以此来定这个budget。首先要对任务进行复杂度评估，先看一下这个任务大概应该推多少步，花多少时间。

然后呢，在当前推理过程中得到一些中间结果。因为我们做题的时候也是，有时候做的中间结果出来。这个时候呢，我们就要对中间结果进行一个评估。第一个评估是什么？叫置信度评估。什么叫置信度？给大家讲一个故事吧。比如说今天这个天气预报说了，降水概率99%，这就属于置信度很高，那就肯定下雨，别费劲了，就下雨吧。咱们就不用再去花时间在后边推理去了。待会来一个专家说，这个专家认为今天降水概率是51%，这个呢就叫置信度不够高。您再花点功夫，再好好想想，能不能把这事说说的确定一点。这叫置信度。

然后下一个是什么呢？叫收敛性评估。什么叫收敛性？如果你得到了几个结果，这些结果相对来说都是稳定的，而且越来越稳定，这个就结束了，就是他吧。就算是我给出的结果不是一个完全准确的结果，但是呢，应该误差也不大了。这叫收敛性。但如果说，我现在得到了三五个结果，但是这结果呢值上蹿下跳的，这都差异非常非常远。那你在这种情况下，你就回去再想一想，多花一点时间再思考一下，再重新给一个结果。然后对结果进行质量评估。

还有是什么呢？就是任务特性和标准。因为你不同的任务，对结果的质量要求是不一样的。咱比如说吧，都是打比赛。篮球比赛比赛结果100:70，看着有点像，差不太多可以交差了，就这样吧。足球比赛结果100:60，您回去再算算吧，这事好像不太对。那么在这个基础上，再进行一些动态的调整，再进行一些预设的结果。什么叫预设结果？就是当我发现某些结果达到的时候，就直接停止。比如说我推理了半天，开始骂人了，那停下来吧。

或者推理了半天，发现涉黄涉黑了，那这事停下来吧。他也会有一些这样的停止命令在里头。他呢，就是这样来工作。第一个，我们先看看这个题值多少分。你可以给他一个多大的预算？你应该是推500步，还是推50步，把它推出来？先有一个预算，然后呢，我们在推的过程中就不停地来检查结果。哎，这结果已经不错了，那就到这吧。这跟考试的过程很像。

再往后呢，就是要去看你的预算了。比如说，我的结果出来了，发现我预算呢，应该做500步的，现在做了50步就把这个结果做出来了。那你再回去想想，可能有问题。但如果有时候超预算了，我原来评估说这个结果推出来应该是50步就推到头了，但是呢，我已经推到第80步了，还没推出来呢，那就赶快停止，别浪费时间了。写一个你觉得最靠谱的答案上去，就完事了，接着做下一题。这个就叫做预算强制。

那么这种论文发出来以后的话，我估计未来所有的推理模型应该都会去使用这套东西。实际上，整个过程是不是真的很像我们儿子小时候做奥数题的过程？你先看看这个题，3分的题你应该用几分钟，5分的题你应该用几分钟。你做的过程中再去看看说，中间这个答案已经很像了，直接把它写上就完事了。这个答案看着怎么看怎么不像。咱们经常说，数学这个东西，正确答案都很美。我没感到那种美，回去再想想。

还有什么呢？我儿子小时候学的也是说这个，做题做着发现，你写出来公式越来越复杂，最后算不出来了。那这个你再回去算算可能哪错了。或者说明明挺大的一个题这么难，我怎么三步两步就把它做完了。回去再想想，大概就是这样的一个过程。

当这些东西有了以后，S1K这个模型就有了今天这样神奇的结果。所以50美金就是1,000道题。训练是50美金。咱们把刚才讲的质量最好的1,000道题，最难的1,000道题，最全面的1,000道题，59,000道题都训练，再加上什么数据准备，这些东西都算一块。这个50美金是打不住的。

但是，你就训练1,000道题，就是50美金，再加上后边这个预算强制，它就可以达到很好的效果。现在，科学的车轮滚滚向前了。S1K模型出来以后，虽然没有用到Deepseak，但是方向是明确的，筛选问题就好了。老师们又有价值了，甭管你原来是教数学的，教物理的，赶快出来说，我们再筛选一下。我们要像培养奥数种子选手那样，去微调训练这种推理模型了。而且在不同的领域里头，都可以快速的蒸馏出小模型来，并且呢，实现领域内的突破。

你比如说，我今儿不是说做数学题，我们今天想推一个这种法律的，或者想推一个财务的，那其实都是可以找到一些专门做这个法考的老师，或者专门做财务资格证考试的老师，来给我们筛题。筛完题以后进去去这个训练去，这都是可以搞定的嘛。而且呢，让所有的推理模型可以一起解答，他没必要说我一定用DeepSeek R1去解答，还是说我要去用Gemini去解答，用O1，O3去解答。我们可以把所有的推理模型都抛下来，你们挨个给我答一遍，答完了以后，我们去挑里头质量好的1,000道题或者几千道题，然后再去训练也就可以了。

现在呢，有一堆的推理模型，DeepSeek R1、GPT的O1、O3 Mini、Gemini 2.0 Flash thinking。这一次李飞飞用的就是Gemini 2.0 Flash thinking。国内还有一堆的推理模型，比如说QWQ32B，就是一个标准的推理模型。Minimax和Kimi也都有各自的推理模型。哪怕你付费的这些模型，那就付呗，反正付完了钱以后，我就得到这一堆结果，拿着这个结果，我再去训练自己的这个小模型就完了。像这种32B的模型，我是完完全全可以在我自己电脑上跑的，我就不需要再交任何钱了，这个效果就好极了。所以以后这些付费推理模型，都应该会被拿来做蒸馏。千问2.5 32B的这个模型的底子很好，下面就都是老师的事情了。就是有人去试过，比如说千问的72B的。

Llama的70B、14B、7B、1B等模型现在普遍认为，能够产生比较好的中间结果。目前，大家主要在调整32B的模型，并且已经形成了一定的共识。接下来，可以进行更精细的质量管控。因为当我们调整完模型后，就可以进行测试，比如有多少道标准题库，跑完以后有多少对多少错，就可以去测试它是否正确。如果不对怎么办？不对就再花50美金，看看是不是好一点。又不对，再花50美金，然后再整1,000个题，再试试是不是好一点。最后找到一个最优解不就完事了吗？这样，你就得到了一个在某个特定领域里特别好用的32B小模型，然后进行微调和评测。

未来，比如像硅基流动、Together这些开源微调模型就要起飞了。因为我们现在可以在硅基流动上直接点出一个32B的模型来，实际上就是你把1,000道题做好了以后，把这个文档上传给他，然后一键确认，他可能连50美金都不需要，就给你搞定了。做完了以后，你就有自己的模型可以去使用了。Together是在美国的，他们调一个模型，我记得32B的模型也差不多是几十美金就可以调一次，在国内应该会更便宜。

很多小公司原来都在喊“适合你的小模型才是最好的”，但原来这个话其实是错的。为什么呢？因为微调出来的小模型原来的效果是没有那么好的，它未必比这些大模型加上RAG效果更好。现在，李飞飞给出了科学的方法，那么行业推理蒸馏小模型的春天就来了。因为你一旦推理了小模型以后，你就有什么东西叫用户粘度，用户会继续购买你的服务，继续让你去服务下去，而不是说上来说“哎，我今天用你的，明天用他的，反正模型都不是你们家的”，这个就没有任何用户粘度。原来有这样的问题，现在就好很多了。现在的话，就直接跑到人家行业里边去做问题筛选就可以了。问题筛选完了以后，再不断的测试、调优、评估。

这个路径其实已经很清晰了。以后小公司的春天就来了，就是可以卖模型、卖服务、卖数据。原来都说我要去做一个AI公司，那你手里头没有个一两亿美金，你都不好意思说你是做AI公司的。因为你需要去租显卡、去租GPU，去做预训练模型的训练。现在不用了，现在只要筛选好问题，哪怕你多试几次，最后花个几百美金试了十次，也不是什么大不了的事情嘛。而且这些模型，就是你的用户最需要的这些东西。

我记得我原来在学软件的时候，那还是九几年，整个软件行业有一个梦想，什么呢？叫系统咨询构架工程师。什么意思呢？原来我们都说，这个软件是需要分开的，先去做需求分析，然后去做这个加工设计，然后编码，编码完了以后测试，测试完了以后部署，然后再实施它，是这样的一个过程。说以后这个软件系统就很厉害了，他就不需要这些东西了，我们只管坐到用户面前，一边问用户你需要什么呀，等于在做咨询嘛，同时就在手里点点点，确认确认确认，打钩打叉，把这事情做完了以后说，哎，你这个问题都讲清楚了，你的软件也做好了，你可以拿去使去了。从九几年就有这样的梦想，现在的话这离这个梦想就又近了一步。

现在呢，让大模型改变每一个行业，终于要开始了。原来折腾了一两年都没有什么动静。以前都说大模型可以把每一个APP都重做一遍，大模型可以把每一个行业都改变一遍。为什么喊的这么大声音？大家都在使劲裁员，都在降本增效，原因很简单，就是以前很多的公司上了大模型以后，没有效果或者效果很难评估。那么现在的话，这种可感知的效果已经到面前来了，很多的公司就要开始上大模型，去改变他整个的业务链了。因为他现在改变了以后，就可以在特定的领域里头竞争胜利，他就可以把其他竞争对手干掉，快速的往前跑了。

你想咱们做了两年大模型，每一年看到的都是什么？谷歌裁员、微软裁员，国内也是什么百度裁员、阿里裁员，全是这个。但是，李飞飞这个模型的建立，以及靠这个蒸馏推理模型去进行微调小模型的这个方式。

发布了以后，我觉得未来的2025年，就会有大量的公司出来说：“我们去给你们微调小模型吧，我去给你解决实际问题吧。”真的是可以解决问题的，就会实实在在的发生改变了。这就是咱们今天讲的第一个故事，就是李飞飞的这个50美金的模型到底是怎么做出来的，里头到底干了点什么。