200块钱就可以租一个外骨骼机器人，帮我去爬山了。中国正在变得越来越赛博化。

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲中国快速赛博化的一个故事。

赛博什么意思？它呢是一个英文单词“Cyber”，是“Cybernetics”的缩写。这个词的意思是控制论，由美国数学家诺伯特·维纳于1948年提出来的，用于描述人类、动物与机器之间的控制与通讯的科学。源自于希腊语，译为“舵手”或者是“引导者”，强调系统的引导与反馈机制。

想到了赛博朋克，大家想到的是什么呢？人与机器相结合，对人体进行机械化和电子化的改造。赛博朋克2077那个游戏里头，人都是换个机械手、换个机械腿、加个什么芯片，都在干这些事。所以一旦想到赛博，就是半人半机器。

外骨骼已经来到了我们的身边。什么是外骨骼？男孩比较喜欢机甲——机甲格斗、机甲战斗、各种外星机甲。巨大的机器人，人坐在里边操作，然后他在外边，甭管是一刀一枪还是用盾牌。机甲这种东西再怎么先进，你还是要用冷兵器的。

那么机甲的简化版本是什么样的？就是外骨骼。就是让人穿在衣服外边，像骨骼一样来支撑我们的身体，并且呢，可以帮助我们更省力地完成很多的体力工作。

这个东西听起来很科幻，但其实现在的外骨骼已经开始逐渐走入我们的生活了。几种常见的外骨骼用途：最常见的是军用和工程用，包括消防队。这些外骨骼呢可以在复杂地形里头，帮助军人也好，消防队员也好，或者是一些工程人员也好，去完成沉重的搬运任务。

比如说现在有一些在西藏高原这种哨所，它需要进行补给的时候，就使用外骨骼直接搬着东西走上去。这个现在都是可以实现了，不再仅仅是在科幻电影里了。

这个东西呢比机器人省事。你像轮式机器人，很多场景没法使用，还得给它修路。人形机器人到现在还没有那么靠谱，即使是马斯克的擎天柱。你说请搬上多重的东西到山上，给我送东西去，现在他还干不了这些事。咱们国内的机器人距离这个也还有很远的距离。

那现在省事了，干脆给人穿上一套外骨骼。那人也有了，机器也有了，合一块就是机器人了。我们人是肉人，是生物人，加上机械的外骨骼，加上它的电子系统，我们就形成了这样的一种赛博机器人。

另外一个外骨骼的用途是什么呢？就是康复和医疗。一些行动能力缺失的病人，需要做康复训练的病人，也会佩戴外骨骼，可以帮助他们增加运动范围。有些人可能压根走不了，加上外骨骼以后，就可以进行一定范围的移动了。因为这些缺失运动能力的人呢……

并不是说完全躺那起不来，也有一些完全躺那起不来的人，可以通过神经接驳的方式控制一些外骨骼进行运动。但是这一块目前还在实验室里边。

真正能够去用的，就是说有一些人，比如说我能走，但是呢走不了太远就累。他们加上外骨骼以后，基本上是可以像正常人一样四处溜达、出去玩的。

还有一些人呢，是需要做康复训练。比如受了伤了，原来呢，你需要找康复师来陪着你。现在你可以穿上一套外骨骼，他来陪着你去进行训练。这个过程中可以帮助你怎么去发力，怎么去省力。在你有可能摔倒的时候，他还会保护你。这块现在也在运用起来。

第三种用途呢，就是体育锻炼、户外运动以及中老年健身。中国肯定是要经历老年化的，这些老年人不需要上班，领着退休金肯定想干嘛？四处玩去。但是你想四处玩的这个过程，你让他爬个山，让他去做很大的体力运动，他又受不了。那干脆说你们使用外骨骼吧，他们来替你发力，替你省力，你就可以去爬山了。这也是一个很棒的方向。

还有一些呢去做一些这种越野运动，可以使用外骨骼让人呢可以突破他的生理极限，达到更强的运动能力。现在可以帮助中老年外出爬山。我们今天讲的这个200块钱租一天的这个外骨骼，实际上就是这一类。

今年的五一假期呢，在各个登山景区里头就开始赛博化了。你比如泰山、黄山这些景区里头就开始租外骨骼了。一天200块，两块电池。有一些稍微好一点的外骨骼是支持热插拔换电池的，有一些是不行的。你换电池必须找地坐下来。需要两块电池的就是200块。如果是从半山腰开始爬，说我一块电池就可以上到顶上了，80块，就算是半天了。也看到了爬泰山两块电池什么意思？两块电池可以从泰山底下爬上去，帮助很多体力不是很好的人实现登泰山的梦想。以后我要去爬泰山，估计需要这种装备了。

发现了这么魔幻的场景之后，我就上淘宝上去搜了一下。不搜不要紧，一搜吓一跳。只有你想不到，没有淘宝买不着的。现在的外骨骼从几百块、几千块到几万块的都有，各种各样的。

那么登山外骨骼到底是怎么工作的？几百块钱的登山外骨骼能干活吗？它的主体呢是绑在腰上的。一般登山外骨骼是只有下半身，没有上半身。因为你不需要去搬东西，不需要支撑上半身，所以没有上半身。所以它的主体绑腰上，发力的一端呢是绑在大腿上。等于是一头绑腰上，另外两头是绑在两条腿上。

那几百块钱的它到底是怎么工作的？几百块钱实际上就在帮人抬腿。它上面呢有两个大弹簧，当你需要往起抬腿的时候呢。

他帮你把腿拉起来，就干这么个事，大概是300多块钱。但是你往下踩的时候呢，往上登山的时候你还是需要蹬踏嘛，这个时候你就需要跟这个弹簧较个劲了。所以几百块钱大概就能干这个事。

还有一些几百块钱的是干嘛的呢？是帮助膝盖缓冲的。它实际上就只有两个膝盖这块，它有一个弹簧在膝盖背面，而这个也是几百块钱可以搞定的。正常的在泰山上租的一般是几千块钱，或者是一万块钱上下的这种设备。这种设备里头就有电机了，它里面还有检测的芯片。它能干嘛呢？检测你的步伐，现在到底是要抬腿还是要蹬。需要的时候呢帮你来抬腿，蹬的时候呢一般就不管了，就不再给你使劲了。如果是帮你登，应该是更费电一些。然后重量也不重，这种几千块钱的外骨骼呢，应该收纳起来也就是一个小背包，加上电池的重量，大概是两公斤3公斤的样子。穿在身上并不会觉得沉重，就可以帮助大家极大的提高运动能力。

那你说再贵的外骨骼什么样？就几万块钱都什么样？几万块钱的呢，除了帮你抬腿之外，登山的过程中也是要帮你去发力的。就是当你往下蹬的时候，他也是会使劲。而且呢，在下山的时候，还会帮你去减轻膝关节的冲击。很多人说不要爬山不要爬楼，你的膝盖会很快坏掉的。他也想到了，下山的时候帮你去减轻冲击。

那你说军用和工程用的外骨骼什么样？就是一般登山外骨骼，都是只有下半身，没有上半身。这个军用和工程用的呢，它是有上半身的。在你抬重物的时候，给腿部脊椎和手臂呢提供支撑。这种设备呢首先要去检测你要干什么，进行意图检测。现在的这些外骨骼设备去进行意图检测，相对来说都比较容易了。你不需要跟他什么语音控制，或者是按遥控器，这个都不需要。你在使力的时候，这些芯片或者一些传感器，加上这些芯片都是可以知道你要干什么的。

这个玩意有点像什么？有点像电助力自行车。这个不是电动自行车，电动自行车就是你一按电门，它就往前开。电助力自行车上的是没有开关的，当你去使劲蹬这个车的时候，他感受到你的力量以后，根据你的力量给你加助力，这样来控错的。让你的车是你越使劲，它就越跑得快。现在很多的这种外骨骼机器人也是这样的，他发现你在用力了，然后他来给你加一个助力。

而且还有一个很大的功能是什么？就是支撑。当我们把一个重物搬起来以后，后面就是只管迈迈腿走就完了。原来我们是需要靠上肢的力量，靠脊椎的力量来支撑这个重物。那他现在说我直接给你锁死，你就支撑在这了，你只管迈腿往前走就完事了。这种的大概要几万块。

从今年开始，我们的外骨骼已经彻底走向民用化了。很多做外骨骼的公司都开始做广告，说帮助老年人银发经济，大家都可以带上外骨骼，让你的膝盖慢一些磨损，老年人都可以满山遍野的去玩去了。这个是今年的一个新的风口。

我们在发展机器人的道路上抄了个近道。国外呢，其实也不是说不做这东西，国外也做外骨骼。比如谷歌吧，他呢跟始祖鸟就联合研发了外骨骼设备。始祖鸟嘛，做户外用品的嘛。国外军队呢也在研发外骨骼，但是呢，跟中国不太一样。中国有一些特殊的路径，我们凭借中国人的智慧，将外骨骼不断的精简。像刚才我讲的，有上半身的，没有上半身的，只抬腿的，抬了腿再加上下蹬的，再加上这个膝关节的，甚至说我给你加个弹簧也敢叫外骨骼。就中国人会不断的去精简，精简完了以后呢，把全品类的商品全都扔到市场上去，大家自己试去吧。通过市场验证快速迭代，不断的降低成本，这个是中国独有的道路，国外玩不转这套东西。

现在中国的赛博化从大山脚下开始，机械狗搬运工已经逐渐普及了。我记得我小时候去爬峨眉山的时候，还有背山夫，他们把东西从山下背上去到山上。矿泉水、方便面、火腿肠，在山上都是山下好多倍的价格。为什么？人背上去的嘛。甚至当时还有挑山工，是可以把人背上去。四川又黑又瘦的背山工，可以把这种白白胖胖的胖子从底下背上去。我小时候见过，但是我小时候是爬上去的，没有上金顶，就中间也是爬到一个比较高的地方了，但还是爬上去的。现在等于就全都是机械狗了，需要往山上运任何东西，找一个人带着遥控器，把东西绑机械狗上，可能一次可以绑个几十公斤100公斤的，就直接上去了。这块现在已经做的很好了。

因为机械狗这种东西研发出来，你总要有用途，总要能卖得掉，总要能够让生意运转起来才可以。这就是中国的商业模式。你不能像波士顿动力似的，这帮人把机械狗发明出来以后，还在跟美军在玩成本游戏，这个东西多少万美金一个，在实验室里的小批量生产。到现在虽然波士顿动力的机械狗开始在美国的军方、警方小批量的装备了，但是绝对没有像中国这样，说来满山遍野给我搬东西去，还没有达到这样的一个效果。中国的机械狗，现在已经满山的在搬矿泉水了。

第二个是什么？无人机吊运。现在很多年轻人也在向这个方向转型。你像机械狗，你要想把东西搬上去，你还是需要有人举着遥控器跟着它，还得有路。无人机要比这玩意快多了。你现在想在山上修点什么东西，什么太阳能板，或者是各种山里边的水果蔬菜。

都可以直接通过无人机吊起来。一台无人机大概能够吊100公斤，而且这东西只要飞起来以后，就没有路什么事了，也没有地形的限制了。大家只要去考这个CAAC的认证，举着大遥控器就可以进行吊运了。而且现在这一块还是挺挣钱的，如果你能接到活的话，吊运一天大概也能够挣到几千块钱，这块还是不错的。

还有植保无人机，国内现在开始大量普及，甚至开始出口全球。全世界的植保无人机，大部分都是中国产的，除了大疆之外还有几个牌子。你要想在山上比如说种点树，种点什么其他的东西，不用山上，咱在地里头种东西。你需要去撒化肥，需要去打农药，你要靠人或者靠这种车辆，都是非常麻烦的。

原来美国人是靠飞机，那飞机的话飞的很高，那玩意不能飞太低，导致什么？大量的这个药会浪费掉，因为你飞的高嘛。另外呢，就是非常不精准，有的地方喷上了，有的地方没喷上。或者有些时候两块田挨着很近，你这边该喷的药就喷到那边去了，这个都没法解决。

现在植保无人机上来了以后，直接拿着遥控器把这个地块量好了，说我这是起点，那是终点，中间哪有一个障碍物，这有一电线杆子需要绕着走。把东西加好了以后，他就一次加100公斤农药或化肥，直接顺着你这个田块，给你整个均匀的喷一遍。而且喷的时候，大概离地面也就是一两米远，离地面非常近，喷的极其均匀。而且哪怕你两块地挨着很近，这边该喷的东西也喷不到那边去。这块现在也是在大量普及。

再加上现在满山遍野跑的外骨骼，我们正在从大山脚下，逐渐的跑向赛博化。这就是现在中国赛博化的一个进程吧。

好，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。

谷歌最新的代码中，居然有1/4是由AI写的，这到底是不是真的？程序员是不是又要失业了？大家好，欢迎收听老范讲故事的YouTube频道，咱们来讲一讲谷歌代码的事情。

首先，上面这个消息是哪来的？谷歌在发布三季度财报的时候，开了一个电话会议，由Alphabet的CEO皮彩直接在财报电话会议上讲的。他说我们现在至少有1/4的代码是由AI生成的。人干嘛去了呢？读这些代码，然后再把它确认入库，就像是AI建议大夫怎么开药，大夫开完药以后要在下面签名字一样。现在他是这么来工作的。

其实现在各个公司都在讲这个事情，百度宣称他们的代码里头有27%是由AI生成的，阿里呢，宣称他们最新的代码里头大概有20%是由AI生成的。当然，这个里头，百度应该是在骗人。

那你说为啥呀？有25%的，有20%的，有27%的，咋这27的就骗人了呢？大家要注意，甭管是谷歌说的至少1/4，还是阿里说的20左右，这个数其实都是一个大约的数字，或者说是一个概念性的数字。而这个里面，一旦提到一个很具体的数字，比如像27%这种数，那么这个数通常不会是真的，因为你很难去统计到底哪一行代码、哪一个字符是由AI生成的。你到底是按照行数，还是按字符数，还是按照什么样的方式来去统计比例，这个事情其实是没有一定之规的。

所以真正能够去验证说代码到底有多少是由AI写的，只有一个方法：你开除了多少程序员。原来10个程序员写代码，现在剩8个了，那你20%代码是AI写的；原来5个程序员写代码，现在剩4个了，开了一个，那你25%的代码是由AI写的。那这个里头，你到底能不能算到一个27%这样的一个有零有整的数据呢？这个大概率在骗人。

那咱们讲到开人的事情了，谷歌的程序员肯定就不乐意了嘛，上来说：“我们不承认这个事，你凭什么说我们25%的工作都是由AI做的？这不行，你是要降薪呢，还是要裁员？咱得把话说清楚，咱不能随便一张嘴就来这个事。”

当然，谷歌说这个话，包括百度、阿里说这个话，咱们能够理解他。为什么？因为人家是要靠AI来挣钱的。如果你自己不在身上贴个标签来，我也用AI了，你怎么好意思把AI的产品卖给别人呢？所以这个话人家还要说。其实，真正在里头挣到最多钱，或者说用户量最大的那个产品，他们公司啥也没说。最大的产品是谁？是微软的GitHub Copilot，这个是AI编程工具里的老大。但是微软从来没有出来说过，我们家百分之多少的代码是由AI写的。这已经不需要去争辩了。

其他需要追赶的厂商，挨个儿要出来说。当然，百度呢，属于是想去吹个牛，结果还没吹好的那种。人家20%、25%，他整了27%，稍微有些丢人。那么，从程序员的角度上来说，到底有多少代码是由AI生成的呢？因为我自己也是程序员，虽然现在只能算业余程序员。当然，有了AI编程以后，我觉得我这个业余程序员又行了。现在我的编程能力蹭蹭蹭的往上涨，我现在可以去学习一些原来不会的编程技术，因为我并不需要把一本书看完了。我只需要问GitHub一些问题，然后到VS Code里头用GitHub Copilot，就可以去进行新技术的使用，去编程去了。这还是非常开心的一件事情。

我们要去衡量，到底有多少代码是由AI自动生成的，这件事本身其实没什么意义。为什么呢？很早的时候，我应该是在2007年，在Borland的公司任职的时候，当时我们的开发工具里头就有这种代码自动补全的功能。只是当时的代码自动补全，它是根据你整个项目的编译结果来进行补全的。但是他的补全也不像现在这样，你可以补出一个完整的函数来，或者补出一整段代码来。他能干嘛呢？就是当你去一个地方，说我现在要补全这一个单词后半截，他是可以做到的；或者是说我需要去填参数，需要去填空的时候，他会给你一个比较好的建议，比如说，这里应该是填一个什么样的参数，什么类型的，你前面有没有定义过这样的东西。

可能是哪个哪几个里面去挑一个。他可以把这个约束条件收束得比较紧，然后让你一次性命中，或者可能一两次就可以命中。你真正要去填的这个东西，已经可以极大地提升效率了。这是在很早就开始有的。而且我们写程序这件事呢，我们经常干这种叫“一句顶一万句”的事情。

什么叫“一句顶一万句”？前两天跟一个语言学家去聊天的时候，他给我讲了一个事情。我们问他说，语言发展的方向是什么？人类语言发展的方向是什么？他给我们讲说，全人类的语言发展方向都是变得越来越简单。因为像西班牙语、俄语这种又非常复杂的各种格式的语言，现在都在变得越来越简单。因为你要交流、要沟通嘛。而且会有越来越多的这种代词，会有一些新的词汇产生。这些词汇可能原来会有一个很复杂的意思，他就用一个缩写，或者用一个很简单的词就给你带过了。

它是这样的一个发展趋势。人类可能说的话始终就是这么多，但是呢，我们这个话语里边所表达的含义，会变得越来越丰富，信息密集度越来越高。而且在这个过程中呢，各种对格式的要求会变得越来越低。当时他讲完那个故事以后，我就想起了我们程序员的一句顶一万句了。

我们使用的叫类库（class library）。原来你要去写程序的时候，你要写说：“我在屏幕上哪个点画一个红色，画一个绿色，下一个点再画一个什么颜色，拼起来是个按钮或是什么样的。”以前你要这么来写程序，但是现在的话，我们只需要告诉他说：“请给我画一个按钮，下头有个阴影，什么样的字体，给我写什么字上去就完事了。”那中间执行的部分都是谁来执行的呢？就是类库来执行。

你下一次说：“我连这个按钮具体想摆在什么地方我都不想告诉你了。”那你可以告诉他什么呢？你说：“请给我按照横向平均排列，比如三个按钮横着了。”他给你均匀地排开，或者你给我按照纵向什么排列。为什么我们后来这么写程序，不再告诉他你给我从左上右下去写？这个其实很简单，因为我们后面面临的各种设备越来越多，各种设备的分辨率是不一样的。

你如果每一次都写死了，说请给我从左边哪个点开始画，上面哪个点开始画，右下哪个点结束。你换到不同的设备上，长的位置不一样。所以我们后来都是改成说，请按照一个比例，给我画在一个什么位置上。那甭管你用什么样分辨率的设备，我们都保证这个按钮是在一个相应的比例的位置上。基本上是一句顶一万句。

那你要这样算的话，我们可能写了几百行的一个代码，但是呢，实际上这个代码编译了以后，可能有几十万行，或者有几百万行，因为你每一句后边，可能都调用了非常多的底层程序去工作。所以你说我来算一下，到底有多少代码是由人写的，有多少代码是由AI写的，或者人写的多少代码去调用了AI写的多少代码，或者AI写的多少代码去调用了人写的多少代码，这个事其实是没有什么意义的。

所以为什么我说百度，这个稍微有点夸张，27%算的还有零有整了。那么到底什么样的代码适合AI生成呢？有各种各样的地方都可以写代码。你说C代码适合AI生成，Python代码适合AI生成，Java代码适合AI生成，这个都没有什么意义。现在呢，AI代码生成器是我们常用的代码，都是可以生成的。

那么到底什么样的代码更适合AI生成，应该怎么去分类呢？我们分成四类：界面代码、逻辑代码、算法代码和接口代码。一般写程序大概率就是这4种东西。

什么叫界面代码？就是刚才我描述的，哪个地方写一个按钮，按钮什么颜色，字是多大字，字体什么样的，字写什么颜色，摁了以后该怎么办，这个东西呢就叫做界面代码。

哪一部分叫逻辑代码呢？逻辑代码就是，比如说你现在要去做一笔交易，这个交易我应该先确认一下库存够不够，然后确认库存够了以后，我在库存里扣除你的钱，把东西发快递发给你，然后把钱存到我自己账户里去。这一部分呢叫逻辑。

然后呢，算法代码，比如说我现在需要做个排序，需要做个查找，需要做一个很复杂的分类，这个东西呢就属于叫算法。特别是像现在做AI算法这一块，要求会越来越高。

还有一块程序叫接口程序。接口程序干嘛呢？比如说，我今天要使用谷歌的账号来进行登录，我就需要去查一下谷歌的文档，谷歌账户登录的这个API应该怎么去写。我应该先到谷歌哪个地方去申请这个权限。申请好权限以后，得到一个叫做TOKEN的东西。然后呢，再把这个TOKEN放到我们自己代码里去，按照谷歌的文档去调用某一个接口，把TOKEN放上去，说明现在我要用这个TOKEN，然后用谷歌的账号去登录。

得到了谷歌账号登录以后的一个凭证，之后我们在网上做各种操作的时候，就可以使用谷歌账号登录以后的凭证，再去申请各种各样的权利。这部分呢，实际上就属于接口代码。这四个里面，逻辑代码跟算法代码相对来说没有那么容易被替代，而剩下两部分，界面代码跟接口代码呢，相对来说是比较容易被AI所取代的。

而接口代码呢，是更容易被AI取代的。为什么呢？因为你不需要好看的界面代码，界面好不好看这件事是要靠人来看的，这个事情你没法完全被AI取代。但是接口代码是可以完全被AI取代的。像刚才我们讲的百度、阿里、谷歌，他们所使用的代码里头，接口代码的数量占比是比较高的。像公司内部这么多的分子系统，需要跟公司外部的各种系统去连接，所以他们需要大量的接口代码，这部分完完全全都可以交给AI去处理，而且AI会处理得非常好。

你不需要去看文档了。比如说，我举一个例子，我前两天希望在我的一个程序里边使用谷歌家的Firebase这种大数据库。原来你需要干嘛？看文档，看各种的接口，再进行一步一步的配置。因为你可以直接从Web端访问这种云端数据库，所以它在安全处理上做了非常多的认证，这不是那么容易的。我就交给AI了，我说我现在要干这个事情怎么办。它说，行吧，我给你搞定吧。你第一步先到谷歌那去申请这个授权。我说申请完了，那行了。然后它说，下面我们去执行哪一个命令。

这个命令就可以自动化地帮你做完所有的配置。然后我就开始做这个命令，做完了以后说，谷歌上你申请了哪些项目？你现在想把你这一个APP所使用的数据库挂在哪个项目的授权里头去。然后只要选一下，剩下都不用管了。他在问你说，你这个应用是要在Mac OS、Windows、iOS、安卓、Web，需在哪些端跑。先是打勾，打完勾以后，一按确认，他就呲咔嚓嚓嚓咔给你去搞去了。可能在这个过程中，他就生成了几百行、上千行代码，把所有的配置给你做完。这就是挺好的事情嘛。

现在呢，有非常多的成熟的AI编程工具。我最早使用的AIGC工具实际上就是Github Copilot，它就是AI编程工具，非常好用。现在呢，我自己个人使用最多的AI变声工具还是GitHub Copilot，那没办法，我交了100美金给他，我总要把这一年使完。虽然很多人都说Cursor好用，我也确实用了一段时间，在他给我的免费试用期里试了一下。但是现在看来呢，我觉得Github Copilot还是很好用的，可以把Cursor基本上扔掉了。为什么呢？就是底层的模型还是做得很好的嘛。

你像Cursor自己，底层的模型也是用的GPT-4O，GPT-4O MINI，用的GPT-o1以及Cloud 3.5 Sunnet。现在Github Copilot也是把所有的模型都扔进去了，而且下一步可能还会去开Gemini 1.5 Pro这样的模型进去。他的所有功能又非常完善，我觉得Github Copilot还是可以再战几年的。而且Cursor再怎么着，他需要20美金一个月，他一个月要找我多收10美金，还是觉得稍微有些心疼。

国内呢，有一大堆免费的产品，比如说阿里的通义零码，百度的叫文新快码，质朴的叫Codegeex，字节叫MARSCODE，就是火星代码。这些都不要钱，免费的大家可以随意去使用，效果呢其实都还可以。我用过字节的MARSCODE。

其他几个用的不多，基本上可以满足大家的需求。现在所有的这些工具做的，使用的方式都差不多。你只要向它提出要求，说我想去做什么，什么事情都是有聊天窗口。你直接提完要求以后，它给你生成代码。生成完代码以后呢，你只要说：“哎，我现在需要去进行合并了。”它就把新生成的代码直接跟你原来的代码进行比较。合并完了以后告诉你：“哎，这我给你加点什么，那给你改点什么。”你只要去确认就行了。确认完了以后，这些代码就合并到自己的代码库里边去。

或者说你直接在代码库里边打字的时候，它也会根据当前的情况给你做一些建议，使用方法都很像。另外呢，所有的工具都有代码解释。什么叫代码解释？就是你选中一段代码，问：“给我讲讲这段代码说什么。”以及改错误。遇到错误了，或者有什么错误信息出来以后，把这些东西扔给这些大模型的聊天窗口，问：“这到底咋回事，我应该咋改？”所有这些功能差不多，但也都有很多不方便的地方。

你比如说，我最近在学习一个新的开发环境，叫 Next.js，算是一个前端加后端的开发工具吧。实际上都是错的，因为分很多版本，不同的版本之间有不同的约束。每一次在回答问题的时候，它就忘记了你前面的约束是什么，然后就给你一些错误的代码。现在请给我把错误改掉，它也都给你改的没有问题，能给你改过来。但是你下次再要求它生成的时候，还是会有一些错误。你说：“哎，现在再去给我把这些错误都改了，通通通给我改回来。”这是可以工作的，但还没有那么顺畅。

那么程序员是不是又要失业了呢？百度的李彦宏就讲过说：“再过多少年就没有程序员这个职业了。”当时还引出周鸿祎以及一大堆的行业老大跟他对喷。那么程序员是不是又要没有工作了？这个里头呢还差那么一点点。现在那到底差在哪一点上呢？这个临界点到底是什么呢？临界点就是如果你完全没有受过编程训练，这些工具你使不了。什么意思？你说：“我就是个文科生，我这个程序一点都不懂，完全不知道。”

这个程序的架构是什么样的？什么叫面向对象？什么叫函数式编程？什么叫顺序编程？这些东西，比如说你都不了解，那所有刚才咱们讲的那些工具，就跟你都没啥关系了。等真到哪一天能够达到说“端到端，上帝说要有光，于是就有了光”的时候，那那个时候程序员就真的失业了。现在还不行，你还是需要经受编程教育，才可以使用刚才我们说的这些工具。

那你说这个临界点，是不是在近期就可以快速被突破呢？嗯，可以说是，也可以说不是。为什么呢？因为你去想一下，说你用嘴去描述一个应用需求的时候，你能说得清楚吗？有一些简单的通用化的需求，你可能能够快速地用嘴把它说清楚。对于这一部分来说呢，程序员确实没什么用了，你只要告诉他：“我现在想要什么东西”，马上就交给你了，这个事是可以的。但是所有的复杂需求，你用嘴一句说不清楚的，或者需要很多人去一起才能把一个事情定义明白的这种需求，这一部分呢，短期内或者说在相当长的一段时间内，这个临界点都是过不去的。

所以为什么说既是又不是呢？就是看你的需求到底是有多简单，还是多复杂。昨天还有一个朋友说：“哎呀，我想去学一下编程，想做一些应用。”后来我说：“你想干嘛？”然后提出来的那个应用的需求叫复杂呀。我说：“你再好好想想，你要看什么？你又没学过编程，何必要跟自己过不去呢？”

那么现在学习编程还有必要吗？还来得及吗？首先，现在还是建议大家去学习一下，只是呢，学法可能需要调整一下。就不需要像我当年上大学那么个学法了，我们可能只需要学一些基础知识，剩下的交给AI就完事了。我们上大学的时候，大量东西需要背，记忆这种事情，计算机永远比人强。所以未来计算机编程，肯定也是需要新的教学方式的。

再往后一个问题，什么样的程序员最容易失业呢？第一个，产品向的程序员其实是可以大展拳脚的。什么叫产品向程序员？就是他知道我做这个东西是为什么，我到底在解决一个什么具体的产品需求，而且可以去跟真正的需求方进行讨论，去确定产品需求的这些人。

或者说，他有一部分产品经历，职能的这些程序员，对于他们来说呢，未来大有可为。为什么呢？就是原来他们沟通明白了以后，还需要跟一些编码的程序员再去沟通，再去写一大堆程序，而且这个沟通成本还很高。

现在的话，他们只需要把前期的需求搞明白了，后面他自己就可以在AI的帮助下，快速地完成大量的代码了。然后，算法向的程序员呢，这个其实永远都不够用。你只要是能够把算法的效能提高一些，把一些原来做不了的事情能够做掉，这一块的需求是非常大的，特别是在AI时代，这一块的需求会变得更大。

那你说前端程序员呢？前端程序员，未来应该会更多地被设计师所替代。就是我能把画画出来了，那你这个程序就算写完了，不需要再通过这个画再怎么切，切完了以后再怎么一块一块拼起来。这一块其实就不太需要了。

因为以前我们去写程序的时候，都是先让设计师设计，设计完了以后呢，我们在写程序的时候，再把这个设计的稿件搬到这个程序的表达上面去，原来有这样的一个过程。以后呢，就不需要了，直接设计师就完事了。

当然，设计师说我也烦这了，别来烦我。设计师烦什么呢？这边还有文生图的很多模型，mid journey、达利，还有一大堆这样的模型，我都快失业了，你们不要来烦我。可能是未来会有一个过渡吧，有一段时间还是需要他们的。

等过完这一段时间以后呢，更多的可能是需要他们提出想法，然后再把大量的文生图所产生的结果进行判断，我到底要哪个，不要哪一个，或者拿到一些文生图的结果以后进行一些精修，这可能是未来的一个方向。

现在已经有一些公司里边出现这种岗位了，就是给机器人打工。机器干完了以后，这个图出来了，让美术去修这个图。原来一个美术可能还能挣个一万多块钱，没准只做得好的能有两三万。现在这种给AI修图的美术的话，一个月的薪水大概也就只剩五六千了。

原来写接插件的这些程序员，很多程序员原来是给接口写程序的，这些程序员呢，以后应该重新找找新出路了。

也只能言尽于此了。对于整个程序员行业来说，现在真正需要做的事情，不是说我到底应该向产品向程序员发展，是向前端程序员发展，还是说我应该去做一些算法，不是这个事情，而是什么呢？应该要找出更多的需求来。如果整个程序的需求量不上升的话，那么大量的程序员失业，这件事情是不可避免的。

所以现在呢，还是要去看看，我们到底能够用AI配合程序员做点什么事，这个是需要现在去思考的。未来AI程序的占比呢，一定会越来越高，甭管现在谷歌说的至少1/4，阿里说的20%，还是百度说的27%，未来这个数一定会越来越高的。而且程序员呢，也不像是很多设计师似的，一定要用笔画，没有这支笔了，我就失去灵魂了。程序员从来不讲究这种事情。

现在欧美的程序员已经大量的开始使用GitHub Copilot这样的AI编程工具，国内的我相信也是如此。你说我就不用这个玩意，除非你最后变成行为艺术，否则真的没有任何意义。人以后真正需要做的事情是什么？不是看代码，改代码，不是这些事情。人以后真正需要做的事情，叫提出问题。我到底要解决一个什么问题？我希望通过什么样的方式解决？我需要规避哪些东西？这个是人真正需要干的活。

然后呢，是检查结果。AI拿出来结果以后，你要去检查一下，是不是很好的依从了你前面的提示，还是说你前面的提示本身有一些什么样的问题？是不是有一些代码拼接接口的地方，有不合适的地方？有不合适的，我们就再拿出来修改一下，或者说再告诉AI说这里不对，再给我改一改。就哪怕我自己不会改也是如此。

你像我现在使用新的编程技术去写程序的时候，这个编程技术我除了一些大的逻辑清晰之外，其他的所有细节我都不知道。报的所有错误，都是人给GitHub Copilot说来给我改一下，出什么毛病了，在这个地方我希望怎么个改法，他就去给我认真的修改。只是比较费劲的就是屡教不改，这次犯了错误，下次接着犯，这次是改正了以后，下次接着改。

这个是让人稍微有一些烦恼。所以，人呢，就是提出问题，检查结果，最终再把一些新的问题处理掉。这就是人以后干的事情，找到更多的需求，才是避免大面积失业的一个唯一途径。我觉得现在咱们不用去纠结，到底是有多少代码是由AI写的，这个没有任何意义。

好，这就是今天跟大家讲的故事。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。

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。

大家好，欢迎收听“老范讲故事”的YouTube频道。今天，来跟大家讲一讲AIGC时代的英语教育。为什么要讲这样的一个话题呢？周一，我去参加了塔主的茶话会所举办的塔克学院英语老师培训。我去给他们讲了一下，在AIGC时代，英语老师应该如何使用这些工具。他们的口号也很有意思，叫“go solo, get rich”。以前，大量的英语老师是在机构里面的，比如新东方，或者是其他的这种培训机构。现在，因为有打击嘛，这些人就都回家去自己办公了，solo了嘛。然后，当然那个演讲有一个半小时，今天咱们尽量简单讲一讲。

首先，英语老师是不是要失业了呢？大家要注意，AIGC上来以后，所有人都号称要失业：程序员要失业，化学家要失业，英语老师要失业，各种中介也要失业。所以，首先英语老师是不是要失业了？确实有一部分活AI可以干得很好。比如说，现在的AI工具，你让他说跟我练会儿口语啊，跟我去改一篇作文，给我出一些阅读，这个AI工具已经做得比英语老师要好很多了。在国外，你可以用GPT4O跟他聊个天啊，问问各种问题啊，他都会很好地回答你啊。国内的话，用豆包啊，字节跳动做的豆包还是非常好用的。大家可以跟他练口语，可以让他去给你做各种的作文的批改，做各种的阅读理解，都是可以的啊。甚至说，给我出题，都是没有任何问题的啊。在国内呢，情况也类似。AI工具在辅助英语学习方面，已经展现出巨大的潜力，但是否意味着英语老师将完全被取代，这仍是一个值得探讨的问题。毕竟，教育不仅仅是知识的传授，还涉及到情感交流、个性化的指导以及现场的互动，这些都是目前的AI技术难以完全替代的。

包括像Kimi什么的也是可以去使用的啊，但是Kimi的语音的部分稍微差一点。豆包呢，语音的部分做的还是不错的。那你说都这样了，那英语老师还折腾什么劲呢？这个里头要注意，AI有些事情是擅长的，有些事情并不擅长。这我们举一个最典型的案例啊，AI不擅长的事情，你可以去问他这样一个问题啊，说爱丽丝有3个姐妹和5个兄弟，请问他的兄弟们有多少个姐妹？大部分的AI都是答不对这道题的。这个题其实很简单，爱丽丝是个女生，她有三个姐妹和五个兄弟，那实际上就是一共四个女孩，五个男孩嘛。那么她的兄弟们应该有四个姐妹。这就是一个稍微复杂一点的逻辑问题了，现在的AIGC搞不定这件事情，或者说有时候能搞定，有时候搞不定。所有复杂逻辑，AIGC是搞不定的，边界的判断也搞不定。什么意思呢？比如说我们现在告诉他说，你现在是大学英语老师，改改一篇四级的作文，或者说你要给我一篇四级的阅读理解。这个呢，一般情况下，他未必能执行的好。为什么？因为他搞不清楚到底边界在什么地方，哪些是属于四级，哪些属于六级，哪一些属于托福雅思的。有的他可以认准，那边托福雅思比较有名，他认准了四级六级啊，他可能也能够知道词汇量在什么地方。但是你说哎，我今天是一个什么什么小单位的，我们单位有一个英语考试，请你给我批改一下，按这个标准批改。

他改不出来你所有设计、教育和考试的事情，一定是有标准的。我按照幼儿园的方式给你来批改，行不行？按照中学生的方式来批改，行不行？他这个叫编辑啊，这个AIGC是自己搞不定的，需要老师去设定的。然后呢，一些特定的知识库啊，他也是没有的。你比如说去年考的什么题啊，以前的真题是什么样的，SAT的、ACT的真题什么样，这个里头他肯定是没有的。啊，就算有他也不能承认，这个也是AIGC的一个问题。还有一个问题是什么，就产生幻觉啊，就是胡说八道，这个也是AIGC解决不了的问题。所以，AIGC并不是什么都能干啊。

我们呢，经历一次次失业啊。我在95年上大学，毕业的时候，就已经告诉我说以后程序员要失业了。现在都2024年，我依然在时不常的班门弄斧一下，写点小程序。搜索引擎出来的时候，其实很多人说，哎呀，每个人都可以得到信息了。AI出来每一个人都可以去学习了。线上教育出来的时候，说所有人都可以成才了。但这件事其实是错的。随着工具越来越先进，能够使用这些工具处理相应事物的人，会变得越来越少。我们认为成才它是有标准的，你而是有这个位置啊，要有一个很高端的位置给你才叫成才。所以我们其实很悲观的发现，甭管是搜索引擎，是前头的互联网、移动互联网，包括我们的软件，对吧，还有后面的在线教育和AICC出来以后。

最上层的那些职位其实是会变少的。成才的比例啊，未必会上升啊。这其实是稍微有一点悲哀的事情。对于英语老师来说呢，我们也要去适应整个的潮流。这个潮流是什么？家长会进一步的焦虑。原来可能必须一个很大的班子才可以处理的事情，现在只要很少的人就可以处理掉了。那么，上升的岗位减少了，家长一定会更加焦虑。

后面英语老师还可以在AIGC里干很多不同的事情。是什么呢？第一，我们的效率提高了啊，就可以让更多的小孩可以来学习。至于说谁最后能学的出来，谁学不出来，那是另外一个问题。我们教了这么多的学生去学英语，大家都能达到英语母语吗？或者说都能考试考通过吗？这不可能的吧。但是，可以教更多的学生了。

另外一个是要注意啊，AIGC里边使用的语言是什么呢？自然语言吗？以前很多人说AIGC出来以后，程序员要失业了，因为以后不用程序语言了，都使用自然语言了。这个事跟英语老师有什么关系吗？有关系啊。AIGC其实使用的不是自然语言，不是说我用自然语言就可以编成了。这个东西，使用的是什么？它使用的叫英语，没有第二种语言。它叫英语，为什么呢？因为现在所有的大模型，包括国内的所有大模型，都是拿英文语料训练的。如果你发现你给他下了指令以后，他的反应不是那么敏锐，或者说不是那么忠实的执行里的命令，怎么办？把齿轮改成英文的。

对于英语老师来说，确实存在新的教学机会。你可以教授学生如何撰写有效的英文提示词，这不仅有助于提升写作技巧，还能在使用AIGC（人工智能生成内容）工具时，通过精心挑选的词汇和情感丰富的描述，引导模型生成更高质量的输出。比如，描述一个咖啡厅时，避免使用过于直白和简单的词汇，转而使用如“一个非常舒适的咖啡厅，温暖的阳光照进来，让每一个人都感到时间过得很缓慢”这样的表达，这样可以激发AIGC模型的创造力，生成更具有意境的画面。

此外，鉴于AIGC模型有时会给出不准确或不合理的结果，英语老师还可以教授学生如何批判性地评估这些模型的输出，分辨真伪，这是一项在人工智能时代愈发重要的技能。目前，一些学校已经开始将AI教育纳入课程，甚至将英语专业与人工智能结合，开设“人工智能英语”专业，这反映出人工智能时代对教育领域的影响，对英语老师而言，这既是挑战也是机遇。

因此，英语老师在新时代下面临的机遇包括：教授学生如何有效使用AIGC工具进行创意表达，以及培养学生的批判性思维，教会他们如何在海量的AI生成信息中辨别真伪。这些都是在人工智能时代下，英语教育可以探索的新方向。

那么，我们用AI到底能干什么呢？刚才我们讨论了，AI的目的不是让我们失业，而是让我们能够做更多的事情。那么，我们该如何利用AI呢？首先，获取流量。现在，很多英语老师都选择独立发展，自己在家办公。在这种情况下，大家如何得知你的存在呢？过去，你在机构里，他们会负责招生和广告，但现在，我们需要自己经营自媒体。在这个过程中，AIGC（AI生成内容）大显身手。无论是撰写各种文案，如小红书、博客、公众号文章，还是拍摄抖音短视频，AIGC都能出色完成。它可以为你生成文档、文案，甚至模仿别人的风格，这是它的拿手好戏。

获取流量之后，接下来要做的事情就是课程的标准跟踪。正如我之前提到的，针对小学、初中、高中不同阶段，课程有着各自的要求。如果你给AI一个标准提示，比如“请按照初中二年级的标准帮我修改作文”，虽然AI可能不清楚具体的标准细节，但你可以提供详细的指导范围，告诉它哪些要求必须遵守，哪些词汇可以使用，哪些词汇超出了范围，以及如何评判作文的质量。要做到这一点，前提是你需要将课程标准录入系统。比如说，你告诉AI“现在是初中二年级的英语课程”，它会从课程标准库中调取相关信息，从而确保修改的作文符合教学大纲的要求。

利用AI，我们不仅能够提高工作效率，还能确保教育内容的质量和一致性，让教学更加个性化和高效。

把相应的提示词拎出来，哎，然后呢，再通过这些提示词，对这个作文进行批改。他是可以去干这样的事情啊，但是，前提是我们要能够跟踪这些课程标准。再往后呢，就是内容准备。你说我现在要给人讲课了，讲什么样的课？讲什么样的内容？你说我十年讲一本书，讲一篇课文，讲十遍行不行？可以，但是我们要提高自己的水平吧，提高我们的吸引力嘛，让学生听着有意思嘛。那就要不断地加入新的内容进来。现在有些时事的内容，学生喜欢的内容，我们要把它加进来。那咋加呢？比如CNN，BBC有很多的这样的网站，它是有文章的呀，我们直接可以把它拉回来。但是说这些拉回来以后，他适合比如说初中二年级吗？还是适合哪一个标准吗？他应该是不适合的。那咋办呢？啊，扔给这个大模型啊，说请按照这样的一个标准，重新去给我梳理这篇内容。那我现在要用他们能够读懂的词汇，去把这个内容讲给他听，或者我希望在这个里边，去把某一些重点讲给他听。那么，这个是内容准备，这一块AIGC也可以做得非常好。

还有一点什么呢？就是作业的处理，改作文啊，刚才我们反复在讲改作文。你呢，可以告诉半坡形说，请按照一个什么样的标准，去把作文改掉。再告诉他什么呢？请给我写出批改的详细的意见和标准，为什么我要这样去批改，然后再给我写一篇新的范文出来。这个是AI可以完完全全搞定的，而且，

只要是你把前头的课程标准搞定了，它就可以快速的，可能啊，几分钟处理一篇，几分钟处理一篇就搞完了。这是为什么呢？因为大家要想，每一个人，如果他真的是想自己去学英语，不需要老师，他能学会，还有些人，你怎么教他也学不会。那英语老师要教的是哪些人呢？这个人不笨，你看着他学，你给他一些压力和动力，他就能提高。这是我们最喜欢的学生。那么在这个过程中，我们就需要付出大量的劳动去陪着他，陪着他一起阅读，陪着他一起写作，陪着他一起去改进。这才是真正英语老师作为人，不可被AI所替代的部分。这一块啊，AI可以帮我们去输出大量的修改意见，这块是我们可以去偷个懒的。但是呢，这些东西，我们可以真的去看着学生去做，看着学生去写。这一块是可以让学生也好，家长也好，能够体会到老师的辛劳的。这个懂的都懂。

再往后呢，就是克服和答疑。我们既然已经有了课程标准了啊，也有了一些标准的题库范文了，那么我们可以通过这样的方式呢，给学生去答疑。学生说：“哎，我这块不会写了，我那怎么样了？哎，我今又写了一篇作文，老师帮我看一下。”这些呢，我们现在都可以通过AIGC直接做。做不出来啊，要搭建叫AI agent，叫做智能代理。它呢就可以自动的去答疑，自动的去做一些客服，甚至最简单客服说：“是什么时候上课？我给你预约一节课吧。啊，或者是什么什么时间。”

关于作业的提交方式和评分标准，大漠型AI可以提供详细的解答。它不仅能够回答这些问题，还能记录下学生的信息，比如谁询问了什么问题，谁背诵了多少单词，谁完成了哪些练习，谁教授了何种类型的作文，以及作文的写作质量如何。它能够记住这一切。

现在的AI大模型已经非常先进，我们甚至可以将客服机器人部署在微信、Discord、Telegram以及像飞书这样的办公平台上。这样一来，用户就可以在这些平台上利用AI智能体来完成各种任务，接触面得到了极大的扩展。

然而，接下来的一步是什么呢？实际上，我们刚才已经提到了一点，那就是可以为学生建立个人知识库。每当学生写一篇作文，我们都会保存下来；无论是人工批改还是AI批改，每次的批改记录也会被保存。这些资料有什么用呢？它们能够让我们见证学生的发展和进步。

在计算机行业，我们是如何盈利的呢？我们的盈利模式被称为“提高用户迁移成本”。这可能听起来有些互联网黑话的味道，意思就是让用户搬家变得困难。既然搬家如此辛苦，用户就更倾向于继续使用我们的服务。如果我们能够保存学生以往的作文、题目以及我们给予的批改意见，当学生再次提交新作文时，我们就能根据过往记录给出更加个性化的反馈，这一切都记录在案，为学生的学习历程提供了连续性和深度。

这样的系统不仅提升了教育的个性化水平，还增加了用户对服务的粘性，因为学生的学习历程和进步都被系统细致地记录和分析，形成了独一无二的个人学习档案。

你看，上次你是犯过同样的错误。这一次啊，这个错误你又犯了。我们应该怎么去着重改进一下？或者，你可以告诉他说：“哎，你看你上一次犯的错误，这次没有犯啊，你已经有进步了。”而且，这一次呢，在我们上一次给你提醒说应该在哪块哪块加强的时候，你真的做出来了啊。真的在一块加强了。那么，这个学生和家长都会觉得：“哦，我真的是上升了。”他会非常有感觉。那么，在这样的情况下，你说，这个学生愿不愿意再换一个老师呢？他不愿意换一个老师。他是一个新的老师，以前你到底做过什么，以前到底犯过哪些问题，有了哪些提高，他都不知道。那么，这个是很好的，可以提高学生粘性的方式。或者，用我们教育行业的说法，叫提高复购率的方式。这些呢，都可以用大模型，用AI Agent，用本地知识库的方式解决掉。但是，具体怎么解决，我们今天在这里不讲啊。可能，会在会员频道里头，慢慢跟大家继续上课。

这呢，是AI可以给我们英语老师带来的一些新的工作方式。可以给我们提高效率，可以让我们获得流量，可以让我们去把标准化的工作固定下来，也可以让我们固定下来学生的知识库，让他所有的学习痕迹我们都可以记得住。现在呢，在AITC大模型和AI Agent这样的智能机器人的帮助下，都可以相对来说比较容易地实现。但是，每一个英语老师说：“哎呀，这个很麻烦啊，都要我自己弄起来，实在是太痛苦了。”

这个事情，怎么办啊？这个，其实呢，我们现在要讲到另外一个话题——就是会不会有新的分工合作方式诞生出来？因为大家都是 go solo 了嘛，都已经回去，一个一个人去做。但是，原来大机构做的很多事情呢，其实还是挺有效果的，包括是课程的整理、课件的制作、学员的组织啊，出去打广告，这件事情我们还是很喜欢的。现在啊，在 AIGC 时代里头，我们是不是可以重新做起来这个事情？因为现在呢，我们不再需要大型组织机构了，大型组织机构的价值下降了。每一个人、每一个小团队呢，都可以自己去做这个事情。而且，在做的过程中呢，他的试错成本下降了。原来需要像新东方这样的机构，因为他试错成本很高啊，你要去编一套教材，成本非常高。现在，AIG36 有大模型了，你可以输入提示资讯去，然后看看结果怎么样。这整个的效率都提升了，试错成本降低了，我们可以反复试一下。

那么，在这种情况下呢，我们就可以进行这种相对松耦合的配合。什么叫松耦合？就是原来我们是要进行紧密配合，才可以大家协同一起工作的——先签协议，规定接口，然后再做。现在不用啊，我们做的各种中间结果，都可以再重新扔给大模型，他可以认得出来，然后可以继续去使用。所以，未来是不是有可能会变成一些新的协作方式？有些人就不愿意去上课，说我就去做这个题库去了，我就去做课程标准去了。

咱们剩下的一些老师说：“哎，我实在懒得做课程标准了，我也实在懒得做题库了，我直接用别人的行不行？”那中间，可能也会有一些新的现金流的产生。大家付出劳动都是要有收效的吧。而且在这个过程中呢，大家都可以去商量说：“哎，你这个题库便宜些，那个题库贵一些，或者说哪个题库效果更好一些。”哎，我们是可以去让它运作起来的。大家有更广泛、更松散的选择，不像原来似的，你加入一个大机构，人家甭管做的好赖，你都得用它的。那么现在，大家就可以进行松散的协作了。而且就算是你做了题库没人用，你自己用吧，这个成本也不是很高。或者说你没有题库可用，我就升在里头去编一些东西出来，每一件事情我都每一次现去做，也不是做不出来啊。

所以呢，就是这种合作呢，变成可以做。做了以后效率会提升。但是呢，我不做，或者是我做完了以后东西没有卖掉，卖给其他人，没有被复用，也不是说这日子就过不下去了。这是新的分工协作方式。那么最后呢，AI也会带来新的机遇啊。刚才我们讲了AI时代，英语就是标准的语言啊。而且在英语的使用中，还要求使用优美的、带有感情的英语。一个很有趣的事情，在跟大模型沟通的过程中，所有人都变客气了。为什么呢？就是当我们隔着一个黑板，跟后面的人去沟通交流的时候，我们不知道后面人是谁，这个呢，其实有一点像三体里边黑暗森林法则，我们必须要告诉对面。

那个我不认识的人啊，他也不认识我。我是个好人，一定要去想这件事情。所以，大家现在对啊，这个大模型说话都比较客气啊。而且，也尽量的会去用一些更好一点的语言，去跟大模型去沟通。啊，现在的人类语言，其实已经在被大模型所影响了。就是你跟任何人说话，说时间长了以后，你口音都会发生变化。那么，在这个过程中，其实我们需要更多的英语老师去教说，应该如何的去跟大漠青沟通，跟大漠青打交道。甚至呢，有一门新的学科叫提示词工程，英语提示词工程，没准会变成一门新的课程。也许，大家可以思考一下，能够做一点什么其他的事情。这就是我们今天讲的内容，所有相关的案例演示，我就不在这里给大家演示了。那个，我尽量到付费频道里去给大家演示。那个有专门的成系列的AI课程。这就是今天我们讲的，英语老师在AIGC时代应该如何使用这些工具。好，这期就讲到这里。感谢大家收听，请帮忙点赞，点小铃铛，参加Disco的讨论群。也欢迎有兴趣，有能力的朋友参加我们的付费频道，特别是对相关的课程感兴趣的朋友。可以参加我们的付费频道，再见。