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。

扎克伯格在梅塔Connect的大会上发布的AR最新概念产品Orion，并不是划时代的产品。AR领域里的iPhone时刻，也还远远没有到来。大家好，这里是老范讲故事的YouTube频道。今天咱们来讲一讲梅塔在Connect大会上发布的AR概念产品Orion，到底是一个什么样的情况。

今年的Connect大会呢，发布了几样东西。第一个是快速的3S，应该可以稳住VR市场，300-500美金的价格，在VR领域里头应该还算是能打。至于Orion这样的一个产品，它的英文叫猎户座，真是一个好名字。OpenAI的下一代大模型也是叫这个名字的。

梅塔在原宇宙领域里头累计亏损了500亿美金，单就这一项产品，研发费用50亿美金。把这些钱花掉了以后，扎克伯格终于拿出了最新的概念产品。大家注意啊，我们讲的叫概念产品，不是一个量产产品哦。甚至扎克伯格还吹牛说，今年准备量产这样的东西，但大家听一听也就可以了。

有AR行业里边忠实的信仰者欢欣鼓舞，当然也有很多人冷眼旁观，像我应该就属于后面这一类的人。那么Orion到底是一个什么样的产品呢？具体产品的介绍呢，建议大家像我一样去电玩科技AK的频道里去看看。他呢是跑去美国现场，拿了人家的产品自己研究了一下。他把Orion的所有的零部件拆开了以后的这个图，跟大家讲解了一下，具体的细节是什么样的。

可以去看他的。如果你没有工夫去看AK的讲解的话，稍微跟大家介绍一下。它是将几个镜片压在一起了。所有的这种AR眼镜呢，你都有一个问题，就是首先你要有一个眼镜，然后你要在镜片上显示东西。以前做的眼镜都是几个镜片是分开的，显示的是显示的，前头可能还有遮挡的，有这么几个镜片是分开来去使用。

那么现在呢，梅塔是第一次把所有东西压在一起，导致了每一层真正工作的镜片都非常薄，而且也很贵。他们使用了非常昂贵的碳化硅技术。

能够让它在里边进行显示。美坦肯定是努力地把整个眼镜做薄了，但是呢，从图片上来看，或者从视频上来看，这个东西依然是很厚、很重、很笨。这个眼镜有一个很大的黑框，100多克，这也是没办法的事情。他要把所有的这些原部件，包括电池，都要做在眼镜里面。你还要能把它戴在脸上，做得太大太厚了以后，就没有办法戴在脸上。

他因为把所有镜片压在一起了，所以可以像一个普通眼镜这样戴在脸上，而不像国内的一些AR眼镜，你必须要用一个很长的角托，或者比较大的鼻托，才能把这个眼镜托离脸比较远，才可以去看到信息。这个AR眼镜就是Orion，这个眼镜里面包括了多少个摄像头、一堆的传感器、很多的麦克风，具体有多少个，我们就不去细研究了。再加上芯片、再加上电池、加上整个的显示设备，还有无线的网络设备。你把所有的这些东西塞到一个100克重量的眼镜里边，你说这个框子丑一点也就丑一点了，它所有的这一圈都是这些元部件。

这个眼镜里边是带电池的，100多克里面应该可以工作一个小时，但并没有现场试用。真正被邀请使用这样眼镜的媒体应该是非常非常少的。我估计即使是让他们用起来了，这个眼镜待机到底能不能到一小时，还很难说，有可能只能待几十分钟。我记得最早的Google Glass大概也就20多分钟就没电了。

现在猜测呢，这个眼镜上显示的分辨率应该是640*480的，是相对来说比较低的一个分辨率，也比较难用这样的设备去做娱乐，可能能够做一些轻办公或者做一些信息指示，这大概率是未来的用途吧。因为大家知道，谷歌Glass最早出这种产品，它当时的显示只是在眼睛上有这么一小块，分辨率也是非常非常低的。它除了日常显示一些提示信息之外，其实没什么用处。

现在据说是小批量生产，有可能产了1,000台或者2,000台这样的数量，在邀请媒体测试。这个眼镜从造型上，虽然看起来还是比较丑陋，也比较笨重，但是已经可以带出门了。跟其他的这种AR眼镜相比，已经有划时代的进步了。价格方面的话，这就比较搞笑了。据说是超过一辆跑车的价格。在美国的话，一般是以10万美金为界限，超过10万美金算豪华车，低于10万美金就不算嘛。那这个眼镜的价格，应该是超过10万美金，甚至可能是远远超过10万美金的一个价格。所以我说，扎克伯格号称要量产这个东西，大家开心一笑也就可以了。

现在国内同类的产品做成什么样了呢？国内的产品一般镜片是分离的，就是你能够把这个眼镜拿起来，看到它是很厚的，而且上面会有一个非常厚重的设备仓。在这个眼镜里面，几个镜片分开，需要靠一个很长的鼻托，把这个眼镜架到离眼睛稍微远一点的地方。国内的类似产品的电池都是外挂的，就是这个眼镜里面不带电池。所以这个眼镜是70克，你别看扎克伯格的眼镜是100克，它里头是带电池的。

扎克伯格的计算设备跟这个眼镜之间是分离的，中间没有线连着，它是通过Wifi 7的这种高速Wifi连接进行沟通的。很多的计算，很多的存储都是在这个外置设备里面，再通过无线的方式传到眼镜里边去。在眼镜这边再进行一些渲染，再进行显示。而国内普遍采用的都是眼镜后面拖一根线，然后把这个线拖到一个长得像手机一样的设备上去，像手机那么大，但是里头主要是什么呢？电池啊，可能5000毫安时或几千毫安时的一个电池。有些是带触控板的，等于可以把它当作一个鼠标的触摸板来用。里头有比较强的算力镜面，还有比较大的存储，国内一般是这么来处理这个问题的，所以可以把眼镜做得稍微再轻一点点。

国内同类眼镜的价格的话，大概在3000块左右，有2000的，可能贵一点的有四五千的，基本上是在3000块钱上下吧。品牌呢，x real、雷鸟还有ROKIT几个品牌还在努力的在路径上前行。为什么用了这样的一个词呢？因为这个设备……

在2024年上半年，中国消费级AR设备的全渠道销量也就是11万台。据说，同比增幅达到了49%。但如果按这个数字算的话，去年同期，也就是去年上半年，大概也就卖了7.38万台。就算去年下半年比上半年多卖了一些，应该也不到20万台，这是去年全年的销量。而且还要三家来分，这个日子是很难过的。大家把数据搞得扑朔迷离。我刚才在网上查，他们各家都卖了多少，但没有一个特别确切的数字，说我一年卖了多少个。可以肯定，数字已经少到羞于启齿的状态了。所以大家也不要对整个行业有太高的预期。

那么，下一个问题，Orion到底能不能量产呢？可能性基本为零。Vision Pro苹果算是顶着巨大的压力把它量产了，但现在销量并不好。像AR产品，这种像Vision Pro其实还不能算AR，它应该算是一种MR产品，就是混合现实类产品，或者说它们叫空间计算类产品，这个应该是跟Quest那一类产品去进行竞争的。而AR产品，刚才我们讲了，就算是全球加一块，我估计一年的销售量也就是几十万台，可能是50万上下这么一个数字。

这种生意根本就不应该是扎克伯格关注的范围。你想，他手里的这些软件都是日活十几亿、几十亿的产品，突然有一个品类里头有几十万的全球销量，那这种事他应该连正眼都不带看一下的。而且超过跑车的价格，你咋量产，对吧？跑车都是说手工加工，每一辆都是手工装配，一年产个几万辆或者几千辆，也就这种水平。那你按这样的方式去造这个眼镜的话，谁买啊？买了以后他们真的戴吗？所以距离量产还很远。

还有，现在的技术方案其实并不成熟。虽然这个东西拿出来以后，确实是让人看到了一点点希望，它把所有的镜片压在一起了，也真的是像眼镜一样可以戴在脸上了，但依然有很多不成熟的地方。第一个，它丑。眼镜这个东西算是一种时装的配件，很多人会买很多的眼镜，跟着衣服一起配。但是你像扎克伯格拿出来的欧瑞这样的眼镜，显然还不够吸引人。

请告诉我，应该把它配什么样的衣服合适呢？是不是还是要穿这个格子衬衫啊，程序员标配啊？还是什么样的？所以很丑啊。性能呢，其实也比较低劣。你想，如果是640乘480的一个彩色分辨率的话，你基本上是没办法娱乐的。国内做的同类产品，它们的分辨率一般是1080P，而且是单眼1080P，就是两个屏幕，每个屏幕1080P。

那国内做的AR设备呢，基本上是娱乐用的。就是他们最核心的使用场景是看片子、看视频。你真的有多少人在这样的AR设备上去做办公或者做一些其他的应用吗？反正他们在设计产品的时候都说我们有这功能，但是真的那么用的人应该并不多。

但是以Orion这样的分辨率来说，他可能连这种娱乐的场景都没有了。你说我想在上面看个片子，640乘480的你咋看？而且它这种镜片压在一起以后，你到底怎么去遮蔽前面透进来的光呢？像国内的同类产品一般是有遮光罩的。就是你虽然可以把它戴在脸上，可以有一个半透明的镜片，可以看到外面，或者有一个像墨镜一样的东西，可以看到外面，然后呢，你有一个遮光罩可以把它整个遮起来，你就会完全沉浸式地享受自己的视频了。

还有一些国内的产品是带电控变色，就是他那个镜腿按一下就从透明变成黑的了，而且分几级可以变成全黑。他们是这样来处理的，你可以做娱乐场景的使用。但是Orion基本上没有这个能力啊。续航肯定也是非常差的。咱们就说吧，就算是他能使用一个小时，你一部电影也看不完，因为他这个眼镜的电池是在里面的，你要想给他充电，你必须把他从脸上摘下来。他不像国内同类产品，眼镜里头没电池，电池是在这个手持终端上的，靠这个USB直接Type-C直接连在眼镜上，实时地去供电，那它可以看一部电影，或者稍微续航再长一些，都是可以实现的。

Orion这个方案续航也不行，最大的问题是什么？没有实际用途，娱乐也做不了，高强度办公肯定也没法支撑。那你说你拿这玩意干嘛？还是一辆跑车的价格。

那你说，这是不是一个概念性产品呢？因为大家知道，很多汽车厂会在车展的时候推概念车，很多的手机厂商或者其他的一些消费电子类厂商也都会推出一些概念产品。但是，概念产品一定要有概念才可以。Orion呢，应该连概念产品都算不上。为什么呢？大家想，概念产品应该是引领潮流的技术，谁敢照着Orion这个样子去做下一代产品？应该没有吧。

50亿美金研究出来的，国内刚才我们讲这三家公司，你把他们所有的估值加一块，都不一定有这么多钱。你光研发一个产品，50亿美金没法弄啊。上所使用的技术也都还不是很完善。即使是过几年有相似的产品推出来，应该也不是用现在这些技术拼出来的了。没准到那个时候，有一些新的电池技术，或者有些新的无线的电力传输技术，可以让这个电池变得更小，可以让它的功率更高，让续航更长。或者到那个时候，有些新的显示技术，那是以后的事情。

现在欧瑞上做的这些技术，你把它拼一块，大概能够做成Orion这样，已经到头了。另外，概念产品有的时候技术并没有那么先进，但是概念产品通常会展示艺术设计的大胆尝试和可能性。那你说Orion这样的这么丑的一个东西，艺术呢？咱还是说点其他的吧，这个事不重要。

那你说扎克伯格为什么会在这个时候发布Orion这样的一个产品呢？原因也很简单，这个账要交代一下了。什么意思？他从把公司的名字改成维塔，要去做元宇宙，要去做VR、AR，这么多年，整个的元宇宙或者说叫VR、AR这个部门一共亏损了500亿美金。这真的不是一个小数字，不是你一个亿万富翁拍个脑袋就可以把它亏掉的。

那还有股民呢，你有那么多股东，你凭什么就把人家500亿美金打在这样的一个项目上？而且很多人并不看好这个项目。他现在也说，我要拿出一个东西来，你看看，我已经把它做成这样。虽然还没法量产，没法给你们用，但是我已经真的把东西做出来了，我真金白银的把它花出去了。

把500亿美金的亏损在这里呢。这一个设备50亿美金，大家把东西往这一看，说：“哎，这个东西可能真的要花掉50亿美金啊，这个好像是值的。”很多新的技术被融合在一起了，虽然凑出来的东西还是没法使，但确实做了新的尝试。这个赛道呢，还是需要再闹出一些动静来， 否则真的是没法交代了。甭管是像梅塔的股东，或者是像行业里边其他创业者和整个的里面的从业者吧，作为行业领军人物，作为行业老大，总还是要站出来再喊最后一嗓子。

为什么说的这么凄凉呢？怎么就最后一嗓子了呢？马斯克的脑机接口已经可以让盲人看见东西了，所以AR这个方向有可能就要彻底凉凉了。如果真的以后，我们就在脑袋上插一小接口，把一个脑机接口插上去，以后闭着眼睛睡一觉，我就可以把很多的娱乐、办公、什么事情都做完了，那为什么我还要在脸上戴一个眼镜呢？

在这样的一个时候，扎克伯格必须站出来喊：“我还活着呢！”前面咱们花的所有的钱是有响动的，这就是Orion这个产品现在发布的最主要的意义了。好，这一期就跟大家讲到这里，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，我们来讲一讲AIGC如何改变我的工作与生活。之所以录这个视频，是因为我应邀参加了一个访谈，题目就是“生成式AI如何改变我的生活与工作”。

啊，我是从什么时候开始接触到AIGC的呢？或者叫生成式AI的呢？应该说，第一个产品是Github Copilot，啊，一个自动生成代码的产品。第二个产品呢，是Midjourney，啊，一个可以画图的产品。这应该是在2022年，5月6月左右的时间。大家注意啊，那个时候，ChatGPT 还没有爆火。应该是在2022年11月左右，啊，GPT 3.5突然爆火，大家才知道，说有AIGC这样的一个东西出来。在这个之前的话，一般管这个叫做生成式AI。当时呢，我还录了节目啊，有节目为证。Github Copilot如何震惊到我了。我们觉得，有了这样的一种生成式AI以后，程序员的工作与生活会变得多么不一样。Midjourney刚刚发布的时候，当时Midjourney应该还是啊3.0的版本，还没有到4.0版本。现在我们使用的是Mijourney的6.0版本了。当时我们已经可以画出很多很有趣的图画出来。我记得啊，Midjourney最早改变我生活的是什么呢？就是我生成了一个自己的迪斯尼风格的3D头像，把这个头像发布到了推特上去。呃，我正常一个推特的阅读量，应该是几百条，因为当时的推特的关注数还比较少。这一条推特发出去以后，阅读量突然飙升，我收获了成千上万的点赞和评论，这让我意识到生成式AI的影响力，以及它如何迅速地融入并改变了我们的生活和工作方式。

我的这一条推特的阅读量，应该可以达到几十万，甚至还要更高一些。到不到百万，这也算是改变我生活的一个案例吧。原来，一个不会画画的人，一个只能在推特上用他匮乏的言辞去表达自我思想的人，可以通过一幅画得到这么多的流量，得到这么多的关注啊。这深深震撼到了我。再到2022年的11月份啊，DALL·E横空出世，AIGC这个名头就算彻底火了。对于我来说，流量才是AIGC天生的组合。你说我用AIGC生成了内容，这些内容我拿它去做了科学研究，拿它去做了各种各样的伟大的事情，其实意义没有那么大啊。对于我来说，AIGC可以获得流量，可以被更多的人关注，可以被推荐算法所推荐，这才是AIGC真正有价值的地方。AIGC极大地降低了内容创作成本，提升了生产质量，提升了生产效率。当有了更多内容之后，下一件事呢，就是要争夺更多的用户时长。在DALL·E刚刚发布的时候，我就已经预见到了这一点。我们的用户量没有上升，我们的用户使用时长没有上升，那么当内容不值钱了以后，人和流量就会变得越来越贵。经过了两年啊，我觉得我当时的猜测和预言吧，逐渐在被证实。我们讲一个小故事啊，以前经常有很多饭馆和包括一些酒店，会去做抽奖啊。怎么做呢？就是往一个盒子里头，不透明的盒子往里去扔名片。等这个饭馆的老板或者酒店的老板，从这个盒子里头摸出某一张名片的时候，你就可以免单啊，或者是得到一些住房券。怎么能够提高中奖的概率呢？

大家有没有思考过这个问题？方法很简单啊。多放几张——你想啊，一大家都在往这个盒子里头放名片。如果你只放一张的话，比如说这盒子里有啊，100张名片，你中奖的几率就是1%。当我放两张的话，就是2%啊。当我一次把一整盒名片，一整盒应该是100张名片，把都扔进去，那我不肯定中奖吗？

AIGC来了以后，我们可以往盒子里多放一些名片了啊。你中奖的机会就会上升。而且呢，AICC给我们赋能，让我们拥有了一些原来没有的能力。一个不会画画儿的人，现在可以去画画儿了。而画儿对于用户的点击，对于情绪的感染，绝对是比文字高非常多的。所以，AIGC呢，可以让我们创造更大量的内容，在推荐算法，在流量的洪流里边去获得更多的流量，获得更多的关注，也就是说，获得更多的金钱。这是AIGC对于我来说最大的改进啊。

让我来还原一下，一个日更科技、创投、互联网、流量方向的博主，每天是怎么工作的啊。然后我们再去看，说AIGC到底怎么改变这个工作。我每天的工作是从阅读和选题开始。我先要看看今天有什么新闻，然后选一些题目来进行个人的演绎。对于我们来说呢，讲的永远是叫大众话题的小众观点，对吧。你说我如果讲一个很小众的话题，没人听。如果我也讲一个很大众的观点啊，大家都这么讲，我也这么讲，也没有人听，而且讲的也没意思。那么一定是大众话题的小众观点。所以第一件事呢，我们先要去筛选话题啊。那你说，你不能自己去讲一些独特的东西吗？人生短短几十年。

你要是讲自己的人生经历，估计一个礼拜就讲完了。啊，所以每天第一件事是阅读和选题；第二件事是撰稿。撰稿的话，就是具体要讲什么，还是要去写一个简单的稿件呢？对于我来说，写的是提纲，对于我，逐字稿是不适用的啊，因为阅读起来有一些障碍。然后呢，是录制，就是真正拿设备也好，拿手机也好，把整个的稿件讲出来。再下一步呢，是剪辑——你录完了以后，肯定还是有一些不是那么满意的地方，要把它剪掉。再下一步呢，是进行点击率和SEO优化。什么意思？呃，就是YouTube也好啊，TikTok也好，任何这种视频平台，想去推荐我们的内容，或者想去理解我们到底在说什么，其实是有难度的。那在这种情况下，我们就需要给他一些信息，说我们今天到底想什么，通过标题，通过简介，通过分段信息，通过标签，把这些东西呢，告诉YouTube也好，告诉TikTok也好，告诉这一些推荐算法啊，推荐引擎，然后呢，他们才可以啊，根据我们提供的这些信息，去将我们的内容，推荐给他们认为应该看的人。这一块呢，是有很多需要优化的地方，包括用户看完了以后，如何提高点击率，比如说，YouTube把我的视频给一些用户看了，然后看的过程是展示在这个页面上，用户到底点不点，这是我要关心的事情。用户点击率上升了，那么YouTube认为说，哎，这是一条很好的视频啊，我应该推荐给更多的人看。如果用户去搜索了，那我怎么能够让这些搜索关键词，命中我的视频，而且在最后。

YouTube给出的视频搜索结果里头，排的性可能是靠前一些。而这也是我们需要去思考的问题。这个是我们录完剪辑完视频以后，要去干的事情。做完这个事情以后，我们就可以把视频发布到平台上去。然后呢，进行数据回收。啊，什么叫数据回收？就是到底有多少人看了呀，点击率怎么样啊，评论都是什么样的，有多少人点赞了呀。然后呢，再进行新内容的调整。我下次怎么吸取经验教训，把它做的更好一点。总之呢，要形成一个闭环。当我总结了一定经验教训以后啊，我再去选题的时候，我看选一些什么样的题目。这是一个完整闭环啊。

那么，从一个Youtuber的角度上来看，让我们来看看AIGC到底是如何来提高我的效率的。先说错误的选项啊，首先，要告诉大家啊，他到底什么不能干。因为AIGC现在有很多课程，很多人上来去告诉你啊，这个东西无所不能，你什么都不用干，就可以躺在这挣钱了啊。首先，要告诉你他不能做什么。第一个，要放弃AIGC肯定是不可取的。你说别人都用，我不用这事肯定不行。为什么呢？逆水行舟，不进则退。AIGC是提高我们创作效率的。你创作一条，我可以创作10条。就像我们在一个名片箱子里头，去抽奖的过程中一样，这个箱子里头有你一张名片，有我10张名片啊。那么，抽出来我的名字的几率，一定是更大的啊。所以，一定不能放弃。第二个呢，叫不劳而获，也是错误的。任何人告诉你说哎，你使了AICC以后，你就可以自动起稿，就可以自动生成稿件。请注意，这里应该是AIGC，不是AICC。

在当今的数字时代，确实存在一些关于数字人或虚拟人物能够自动创造收益的神话，你或许会听到这样的话：“拥有一个数字人，你就可以躺着挣钱，无需任何努力。”然而，对于这些言论，你需要保持警惕，因为它们往往出自那些意图收取智商税、推销课程的骗子之口。切勿轻信这些承诺，它们通常都是虚假的。

在构建个人品牌或内容创作的过程中，我有一套完整的闭环策略，特别是在作为Youtuber的旅程中，我巧妙地结合了人工智能生成内容（AIGC）的应用。这一切的起点是阅读和选题。为了提升阅读效率，我自建了一个RAG系统，亦即个人知识库。这个系统能够存储我从网络上筛选出的大量信息，随后，我通过向知识库提问的方式，快速获取所需知识，极大地提高了阅读速度。这样一来，我不必通读整篇文章，特别是针对那些为了吸引点击率和延长阅读时间而采用夸张标题的文章。这些文章往往利用夸张的标题吸引点击，一旦点击量增加，推荐算法就会给予更多曝光。同时，为了在文章中插入多次广告，一些写手会将关键信息放在文章后半部分，迫使读者阅读冗长的无关内容。面对这样的文章，阅读体验无疑是痛苦的，浪费时间且信息重复。

因此，在这个信息泛滥的时代，构建高效的信息筛选和处理系统，显得尤为重要。通过使用RAG系统和AIGC技术，我能够更高效地获取和利用信息，避免时间的浪费，专注于创造真正有价值的内容。

没有意义的内容啊，但是，我一旦把它扔到这种个人知识库里，以后我就可以通过AI搜索，直接找到相对应的重要信息出来啊。这是我用的第一个工具。第二件事呢，是撰稿——就是我还是要去写这个提纲。现在呢，我也用AI提示词做了一个专门的保健，或者说提纲优化的一个过程。在这一块呢，我觉得AI起到的作用还没有那么大，因为AI给我的结果并没有那么让我满意。经常是它出了一个稿件之后，我最后会扔掉重写啊，这个没有办法，因为我没法确定，到底是自己直接做的稿件更好一些，还是AI写的稿件更好一些。因为这种内容的结果回收周期太长，污染因素太大，所以没有办法简单地做A/B测试啊。但是，作为一个视频博主，我是要坐在这讲这个故事的，只有我自己写的稿件，我可能讲得更痛快一点。做视频博主很重要的一点，不是说有多少人看你，你自己先得把自己讲开心了。如果你讲得越讲越痛苦，越讲越难受啊，那么听的人也会感受到这一点的啊。所以在撰稿这一块，我虽然使用AI，但是并不依赖它啊，而且我觉得AI在这块还有待提高吧。录制这一部分呢，我只能说，我的各种设备都号称使用上AI了，但是具体怎么用的我也搞不清楚，就据说是有各种AI优化美颜啊。对，你们看到了我吧，这个还是有一定的AI参与。在剪辑这一块的话，AI其实是帮了大忙的。现在呢，各种的剪辑软件，都有专门的AI剪口播的这种功能啊，他会先把我们讲的内容，整个识别成文字，然后根据内容的连贯性和重要性，自动剪辑成一段流畅的视频。这个过程大大提高了我的工作效率，让我有更多的时间专注于创作本身，而不是技术细节。虽然AI在某些方面还有待提高，但在剪辑方面，它的表现确实令人满意。

然后，再将其中的重复语气词删掉，把空白时间直接自动删掉。我们还可以直接根据文字去剪辑视频。原来剪辑视频是很麻烦的，你需要看这个地方说重复了，需要找到这句开始的地方，一句结束的地方，再把它删掉。现在，已经完全不用了。现在，你只要在文字上去删删改改，就可以得到最终的视频了。但是，这一块还不是那么成熟，就是你删是没问题的。你说，我想改几个字，这事就费劲了。因为改的话，它需要重新平衡你的语音，重新生成你的口型。在这块，有一些工具在做，但是成本很高，效果也还没有那么好。我相信，可能在不久的将来，这一块也可以补上。

至于说自动配音和数字人，我尝试过，效果一般。我可以写一段话，它就自动的给我配音去了。也找了一个人在那给我稍微演绎一下。这个有，但是不喜欢。至于说自动的字幕优化、翻译和高亮这一块，这是现在剪辑软件最新的功能。原来，这些字幕会自动的给你识别出来，但是这个识别，是做的传统语音识别。传统语音识别的话，就有一个很严重的问题，就是一句话，它其实很难去判断里头每一个字具体是什么，所以它错误率很高。那你说，AI怎么这么笨。这个跟AI没关系，我们如果是人的话，去听别人单独的说某一句话或者某一个单词，你可能识别正确的几率也是不高的。但你说，我们没感觉，听人说话听不明白，那是因为什么？有上下文，以及有各种生活习惯。你把它这些东西综合在一起，进行考量的时候。

识别的准确率就会上升。所以现在，在AI识别字幕的这个板块里头，也应用上了这些知识和功能。现在的字幕识别已经相当准确了，但不是完全准确。然而，准确率已经上升很高了。而且，AI识别完字幕后，还会自动地将它认为相对重点的地方标注成比较明显的高亮，让用户看到字幕的时候知道这一块相对来说重要一些。它还可以进行自动翻译。其实，翻译对于它来说相对容易，就是它可以把我们的内容变成中英双语字幕。只是，现在这个交互的过程还有一些问题。你想让它再提高准确率，其实已经挺难的了。应该是什么呢？就是先去识别，然后呢，有一个跟用户交互的过程，让用户去进行错误修改，或者告诉它说哪一块你没听清楚的词应该如何去纠正。这样的话，可以慢慢地让AI熟悉我们的语气语调，熟悉我们各种口头禅，熟悉我们的各种发音，然后可以逐渐提高准确率，也可以进行一些特定的修订。应该在这个之后再去做翻译，否则的话，就是属于完全单纯的浪费算力了。所以，很多跟AI相关的操作，不是AI有多厉害，而是我们的交互应该如何设计的问题。这一块呢，也有待提升。

待字幕处理完了以后，我现在的整个拍摄环境还是相对比较杂乱的。所以呢，我会进行AI抠像。这也算是多模态识别吧，把人抠出来。后面呢，用me journey再去画一幅跟我们今天讲的话题相对来说比较贴近的背景，再把人放上去。哎，也算是一个AI应用。

这是关于剪辑相关的内容。再往后，点击率和SEO优化也全都是AI干的事情。封面很重要，因为用户在决定是否点进去之前，先要看封面。这个时候，Mijourney又大显神通了。我们现在能够使用到的画图软件，基本上是三个：第一个是Mijourney，第二个是Open AI的DALL·E 3，第三个是Stable Diffusion。国内使用的，诸如“同1,000问”、字节跳动，基本上都是Stable Diffusion的各个版本。

在这三个画图软件里头，Stable Diffusion的特点很明确：稳定性非常好，但是艺术性差一点。操控要稍微麻烦一些，而它的优点就是稳定性。你要求它按照统一的风格，出连续的内容的时候，它相对来说要好一点，所以更适合工业生产。DALL·E 3是Open AI的这个产品，它语言理解能力非常强。当你跟它说我要画什么的时候，它是所有这些工具里头理解能力最强的一个。但是它的艺术性要稍微差一些。但是看各取所需吧，有些人说我不需要那么精细、那么艺术的这种内容，但是我希望我讲的所有东西都给我画出来，那么在这个时候，DALL·E 3会更适合一些。

我也在用，Stability AI我用的很少。最后一个就是我常用的Mijourney。Mijourney的最大好处是什么？就是它的艺术性最强，感染力也最好。但是它的缺陷是什么呢？就是稳定性可能没有Stable Diffusion那么好，而语言理解能力可能没有DALL·E 3那么强。不过，如果你追求的是艺术性和感染力，Mijourney无疑是最佳选择。

稳定性没有那么好啊。你每次让他画的时候，他未必会出来统一风格的内容啊。第二个是什么呢？就是他对于文字的理解能力呢，也要稍微差一些啊。他毕竟不是一个语言模型，对吧？他是一个画图的。你给了他太复杂的描述了以后，他可能理解不了啊。这是它的各自优缺点啊。对于我来说呢，啊，最主要的是用me journey，用me journey画封面了以后啊，再加上一些其他的工具，做出视频的封面来。再下一步是做标题啊。标题这个东西呢，呃，我现在基本上都是让AI去声称标题。要注意啊，前半截，或者说前面十几个字是给人看，后面呢是给机器看的。它什么意思？因为人会会看到标题，然后他看到标题以后，会决定点不点进来。对吧？所以前面是给人看的。那为什么人不看后面的呢？因为我们的标题后面的部分，都变成点点点了。甭管是YouTube还是TikTok，后面都是点点点啊。TikTok你可能连标题都看不见啊，直接划过去了。YouTube是可以看到标题的。那你说我就写前面这个简短标题，不就完事了吗？啊，不要这样啊。当你去搜索的时候，比如说吧，我今天要搜索open AI这个词，你的视频里它出现了，我的视频里也出现了，那么谁排前头呢？如果我这个open AI这几个字，出现在标题里头，我这排前头。如果是出现在简介里头，也可以排的相对靠前一些。你说我标题简介里都没出啊，我只是出现在啊标签里面了。因为它是允许我们在里面去打标签的。那这个呢？

就会出现在最后，或者可能压根对这个搜索结果排序影响就会比较小。它是有权重的，所以，我们要利用人看不到的这个部分标题，尽量呢把一些搜索高频的词放上去。这样的话啊，在用户使用搜索的时候，我们可以占到一些小便宜。那么你想去啊，写出这么复杂要求的标题来，你还是让AI去干吧。甚至呢现在还有人去总结出经验，比如说这种咆哮体标题啊，我不能允许你不知道，99%的人都不知道，就属于咆哮体。包括像小红书，二极管式标题也是这样的啊，只有我知道的秘密这个事情，难道你还不知道。反正有很多这样的标题风格啊，这个也是允许我们直接写提示词，让AI来替我们生成的。这是标题啊，简介呢也是如此的啊。简介我们会呃给机器看，你说有没有人去看那个简介，有啊但是很少。绝大部分的简介是机器看的，在谷歌啊，或者在其他的这种平台上，在搜索推荐的时候，由机器来去读取这些内容，来决定把我们的内容推荐给谁。所以简介呢，我现在完全是由机器生成的啊，我的标题，我一般是机器生成完了以后，会人工去改。简介基本机器生成完了我是不改的。

再往后呢，是做分段信息。AI呢，也可以去自动的给我生成分段信息，我这个视频第从哪个时间点开始讲哪一段，从哪个时间点开始讲哪一段。这个呢是盖码史啊。如果用户点开你的视频以后啊，他不想从头看，他想从中间哪个地方开始看，他可以直接点击分段信息往后走。另外呢，所有分段信息是先加入搜索的。用户搜完了以后说。

我想搜一个什么什么内容啊，你这里的写好分段了。我的视频是从几分几秒以后讲，这一段内容，你有可能直接被搜索命中啊。搜索命中了以后，一点就进去就可以看了。然后是视频的标签啊，你可以给视频打很多很多标签啊。那么这些呢，通通都是由AI自动生成的。我呢，自己写了一个AI agent啊，写了一个很长的流程。这个流程输入什么？输入的是字幕。刚才我们讲了，我们在剪辑的时候，已经生成了字幕了。我把字幕扔给这个AI agent，它会一步一步的去完成，刚才我们讲的所有工作：生成标题，生成简介，生成标签，生成分段信息啊，生成一个完整的博客。最后我还会把所有内容，生成一个完整的博客。这些博客呢，我也会贴到一些博客网站上去啊。为什么呢？啊，有些人说我不，我不能给你字幕。你给了你字幕以后，你们就不好好看我的视频了。啊，你都用YouTube GPT啊，或者说Tube GPT，用这样的工具去看。我不开心了，你让我没有挣到广告费啊。千万别这么想，哈哈，为什么？就是，当你提供更多的内容到网上去以后，啊，真正能够看到这些内容的，其实不是人啊，而是搜索引擎的爬虫。当他爬到了以后，我们就又有被谷歌，搜索引擎去命中的机会了。比如说我写了一篇博客，把我的一个视频录完了以后，把博客贴到我自己的网站上去了，那么就有可能会被谷歌搜索命中啊。命中了以后呢，用户大概率还是会回来看视频的。永远不要跟流量过不去。我们到啊这一步了。

是后期点击与SEO优化啊，再下一步是数据回收与再优化。这一块呢，基本上目前还是人工在处理啊。未来是不是有机会改成AI处理呢？啊，那是未来的问题了，现在还搞不定啊。我每天还会去看数据啊，看评论，然后来决定未来的内容怎么做。下一步说，我们可以如何更进一步的使用AI来改进我的工作呢？前面是我现在已经做到的，未来的是，以后边是一些未来畅想。

第一个呢，内容收集和整理还可以进一步优化。那我现在的处理方式是先去阅读啊，然后录入到机器的数据库，或者本地知识库里头。以后再通过AI智能搜索，得到我所需要的信息。但是我们真正去做研究的时候，会怎么样呢？会进行延展的阅读。那么我可能会再去写一个更复杂的AI侦探流程啊。当我搜索结果之后，然后我会在搜索结果中啊，自动的，再去生成进一步需要去探索的信息啊，进一步需要去收集的数据。把这些东西拿出来以后，再进一步去搜索，再进一步啊，结合我内部的个人知识库，或者是外部搜索的一些结果，得出更复杂的或更完整的调查结果出来啊。这是可能未来要做的事情。

我的评论内容啊，应该会自动的阅读，至少要统计，这个事还是应该去做的。现在呢，并没有做啊。我现在是人工去阅读所有的评论啊，找有趣的去回复啊。以后的话，我会去啊，让AI去读所有的评论，但我不会让AI去回复的啊，因为AI回复的话，是对所有给我发评论的人不够尊重啊。但是我会让AI去统计啊，哪些评论特别有趣。

在评论区中，一些明显的风向或思潮正在流行，这是AI可以自动总结的。下一步的目标是自动总结评论中的主流观点或情感倾向。至于短视频的自动剪辑，这是一项我尚未着手的工作，但我认为这是应该去做的，也希望AI能在这方面给予我一定的帮助，或是提供剪辑建议。不过，这可能还需等待AI剪辑软件的进一步进化。我自己直接完成AI短视频剪辑，可能仍有些许难度。

AI视频生成，以及音乐和音效的智能生成，这些领域我正在尝试，但尚未找到实际应用的方法。之前我提到过，AI在内容生成、代码编写、图片生成方面，我都有所涉猎。对于AI生成视频，我试用了目前几个较为领先的产品，但使用方法仍需探索。我曾尝试将用majority画好的图交给AI视频生成软件，让它生成动图，再将这些动图作为视频背景，但用户反馈不佳，他们认为太过杂乱，甚至不如静态背景图，这样他们可以专心听我讲故事。

当前AI视频生成的可控性和艺术性尚未达到理想状态，我们还需等待其进一步进化。至于音乐生成，我尝试过几次，但生成的音乐连我自己都难以忍受，因此未敢拿出来“污染”大家的耳朵。期待未来AI音乐生成能有更合适的发展。

技术，或者更进一步说，技术的进步，有了更好的商业模式。有的时候，其实跟技术没关系。就是当大家都生成了很好的AI音乐，因为它成本降低了，决定把这些音乐无版权的开放出来，给大家用。然后再有一些筛选的机制，能够自动的筛选出来，我应该用的音乐的话，可能我以后会去用这些音乐。但你让我自己去生成音乐，短期内应该不会去做。至于更进一步的剪辑呢，比如说AI的一些，呃，阿巴塔，不是说数字人，而是什么呢？我可以跟AI的一些虚拟形象进行问答。这个，可能是未来我希望有的一些功能吧。至少现在还做不了运营数据，或者说，我视频播放数据的回收，以及优化建议呢。嗯，未来应该也还是会用AI agent，再去做一个。目前还没有开始做这个，工程量稍微大了那么一点点。这也是未来需要去思考的一个问题。还有一些什么可以用AI来做的呢？就是更多的，人与人之间沟通的润滑剂，也是很适合AI去在里边去尝试的一个方向。什么叫人与人之间沟通？比如很多的博主，我们经常会一起去录一些节目。那么在这个过程中，AI可以去给我建议说，哎，这个话题你去找谁谁谁去录，其实会更好。包括他可以帮我去看一些别人的视频。因为我现在每天自己去阅读，撰稿，录制，剪辑，上传，优化等等，这个过程的话，没有那么多的时间去看其他人在做什么。嗯，这一块的话，AI其实是可以给我一些帮助。其他人都在做什么？哪些话题更有趣？哪个话题更受欢迎？

技术的进步，尤其是AI技术的发展，正在改变商业模式和人与人之间的沟通方式。AI音乐的低成本生成和无版权开放，使得音乐的使用变得更加便捷。AI的筛选机制能够帮助用户快速找到适合的音乐。未来，AI将不仅限于音乐领域，还能实现与虚拟形象的问答互动，提供更个性化的体验。在数据分析方面，AI能够回收和分析运营数据及视频播放数据，为优化提供科学建议。此外，AI还能在人与人沟通中发挥润滑剂的作用，例如，为博主提供话题建议，分析他人视频，节省时间，提高效率。AI技术的广泛应用，正逐步改变我们的工作和生活方式。

你可以跟谁谁谁去讨论一下啊，或者两个人一起去做一些联合直播。这是AI可能能够大展身手的一个地方吧。总结一下，AIGC或者叫生成式AI呢，肯定是一场革命。在AIGC时代呢，一个人就是一支团队啊。像刚才我分享了我工作的整个过程啊，所以你们看看啊，我基本上是按照一个整个团队在工作的啊。与AI在一起呢，主要是要卷那些不用AI的人啊。有一些人说我就不使啊，那我们就卷死他，不用AI的人。最后呢，只会留下来很少的一部分精英，作为文化遗产传承下去也就可以了。给大家表演一下，就跟日本这个寿司仙人一样，你就去看一下他的表演。但你说所有日本人吃寿司，都是需要那么做吗？这个事是不行的。找到自己的定位啊，做人适合做的事情，让AI去做AI适合做的事情。这是非常重要的啊。就是在我们去使用AI的时候，一定要注意：AI不是无所不能的。里头怎么去让他干他擅长的事情啊，这是我们需要注意，需要不断尝试和碰撞的地方。永远不要相信不劳而获啊，这个一定要大家记住啊。大家都在寻找新的机会与定位，社会是不允许不劳而获的啊。为什么呢？因为如果不劳而获可以在社会中生存的话，整个社会会发生崩塌的。这会破坏社会的稳定性与发展啊。所以千万不要相信不劳而获，所有对外宣传不劳而获的人都是享受智商税的人。好啊，这就是这一期的内容啊。这一期内容里边提到的各种的流程，我一般会在付费频道里头跟大家分享。

说：“哎，这个流程具体是怎么做的，对吧？或者有人希望说：‘啊，我希望了解一些很特殊的流程，应该如何去做。’你也可以跟我讲，我会在付费频道里去录出来。好，啊，这一期就跟大家讲到这里。感谢大家收听，请帮忙点赞，点小铃铛，参加Disco讨论群，也欢迎有兴趣、有能力的朋友加入我的付费频道。再见。”

大家好，欢迎收听“老范讲故事”YouTube频道。今天，咱们来讲一讲AI时代，现在学计算机还来得及吗？啊，首先要跟大家讲说，这个内容是怎么来的。呃，儿子要成人礼了，也是马上要高考了，太太给了我一个任务，让我给儿子写一封信。所以呢，我就前面录了一个视频，是给儿子的一封信。这个里面呢，有一部分就是讲AI时代，学计算机应该怎么学的。现在呢，我把这一部分摘出来，单独跟大家聊一下。

首先呢，要讲一下我的父母跟我太太的父母，在我们两个人选择大学专业的时候，跟我们说的话。我父母两个呢，都是学机械的——机械制造、机械设计、机械原理。我太太的父母呢，应该都是学电子工程的。啊，当我去高考的时候呢，我的父母跟我讲说：“不要去学机械啊，去学计算机吧。”为什么呢？说学机械这事儿啊，太辛苦太累，需要去工厂，需要跟这些设备打交道，太累了。他说学计算机这事儿啊，虽然也挺累的，但是你好歹是在空调的机房里呆着呀，你跟这个在工厂里的人比起来，你要好很多了。当然，我自己也比较喜欢，这是大前提。

我太太的父母呢，在他高考的时候说：“学电子太累了啊，你要不停地学新东西，电子元器件啊，电子的各种设备啊，不停地更新换代，这事儿实在太累了。”

你去找一点这个不发生变化的东西吧，你去学习那个吧。所以他学英语的，哈哈，我太太是英语老师。这个是当时我们的父母在我们选择专业的时候给我们的一些建议。现在呢，我儿子要去高考了，这个我很开心。未来我儿子应该会选择计算机科学，DS这条路，就是软件啊，或者是软件开发呀。啊，就是相当于这些专业，等于还是走的我原来的这条路，因为我自己是学软件出来的。

首先啊，学软件也是很累的，因为软件更新的比这个电子还快，基本上每两三年就要更新一次。而且现在呢，软件工程师也不都是坐在有空调的机房里了，我们还可以坐在啊海滩上，还可以坐在数字游民村里，还可以坐在星巴克里。我们可以在各个地方去写程序了，这个应该跟那个时候又有一些新的变化了。

而且计算机这个东西呢，真的是活到老学到老啊，你不可能说学到哪一部分我就停在这里，这件事是完全不现实的。机械你基本上应该变化的是比较小的，电子啊，呃也变化，但是肯定比这个慢。学计算机有一个好处是什么，不是说我们可以坐在空调房里啊，就是比较好玩啊，比较有趣。我记得我当年学计算机的时候呢，有一次去参加一个汽车俱乐部，像九几年时，大家都不会开车，也都没有汽车，然后一帮没有车的人坐在一起。

来畅想一下，如果有了车会怎么样？当时呢，有一位我忘了叫什么了，也是一位前辈了，就在这儿讲，所以为什么汽车特别有意思，很多男生喜欢开汽车啊。突然你会看到说，这么大的一个东西，就算是一个小轿车，它也有个一两吨重，你可以驾驭这样的一个一两吨重的东西，用一个你自己永远也跑不到的速度，在公路上奔驰，可以到达你永远到达不了的地方。这是一种男人的乐趣。啊，当时我听了以后就异常的兴奋，异常的感动。对吧，我们驾驭了我们原来无法驾驭的东西，一个一两吨重的铁疙瘩，然后达到了我们从来没有能够达到的速度，甭管是一个小时100公里还是80公里，我肯定是跑不到的，然后到达了我们原来没有办法到达的地方。这是汽车有序的地方，而计算机有序的地方呢，跟汽车非常像。那我们不但去操作了这台电脑，现在我还可以操作整个的网络，我可以跟一些有智慧的东西一起去工作，甚至我可以操作这些有智慧的东西，达到一些我原来从来没有达到过的地方，操控我原来从来没有操控过的那么多的信息。对吧，所以它会比较有意思，特别是对于男生来说，学计算机相对来说比较有趣。而且呢，随着时代的变化，这种乐趣呢不但没有消失，还变得更加有趣了。

你想，我学计算机的时候玩的是单机。后来呢，开始有网络；再往后来，开始有手机；现在有AI可以玩了。所以，会变得越来越有趣。我们的能力会变得越来越强，让我们可以操控的网络，可以操控的数据，可以真正做到的事情会变得越来越多。这个乐趣就会变得越来越大。那么，AI时代的程序员都要被取代了，为什么还要学这个东西呢？AI系统啊，还是用程序员的方式进行工程化的工作的。首先，大家要想清楚，AI的背后的实现，并不是程序员错了。所以，AI的整个的输入输出的过程，整个的运作过程，这还是按照程序员的方式运作。为什么？因为程序员的想象力就这么大，我们习惯了这么干活。那么，AI你也得老老实实这么干。所以，未来肯定还是需要大量的程序员的。这个程序员呢，在未来需要干三件事：

第一个事，底层的架构与维护。AI系统还是要有人做的，AI系统还是要升级的，新的算法还是要有人写的，新的算法还是要有人维护的。那么，这个还是需要程序员的。这是第一件事。

第二个事是干嘛呢？做数据挖掘。对吧，有这么多的数据回来了以后，我们如何在其中找到规律，如何在里面去理解人性，如何在里面去找到流量的变化，这个是需要程序员去干的活。

第三个是什么呢？第三个是上层应用构建。

对吧，AI大模型，无所不能，无所不知。但是呢，你真的要让他完成具体工作的时候，还是需要有人去构建一些相应的应用出来。这个也是需要程序员去做的。所以，程序员未来需要干这三件事，而且数量会更多，而且程序员的薪水也会更高，因为他创造更大的价值。那么，AI时代，程序员应该怎么学呢？如果现在说我又高考了，考到了计算机系里头，我到底应该怎么学这件事情？第一个要想清楚，我们要学习更多的逻辑思维能力。对，其实学计算机就是学逻辑思维。你学那么多的课程，学各种编程语言，这个事情本身并没有那么重要。我在大学期间学的编程语言，到现在早就不用了。我印象里我大学学的什么DOS, FoxPro, 包括BASIC这些，基本上在大学毕业的那一天，就不用了。所以这些东西没有那么重要。真正重要的是什么呢？就是一些基础原理，很重要，而且一些底层的逻辑思维方式，很重要。这些东西是永远不会发生变化的。我们一般讲叫哲学，是研究科学的科学。所以在计算机里头也是这样，我们要学习逻辑，逻辑是确定所有计算机系统工作的最底层。而且呢，要学习很多基础的原理。

你说，我是不是应该学习一下？什么叫并行？什么叫存储器？什么叫做交换？什么叫做比较？什么叫指令级？这些工程的东西，我是不是要去学一下？这是最底层的东西。如果你不去学这些最底层的东西，你跟那些半路出家的，或者说从其他行业转过来的计算机人员来说，就没有任何优势了。对吧？有很多人，从半路出家——原来学法律的、原来学金融的、原来学财会的——你说在大模型的帮助下，他能不能利用一些大模型的工具去实现一些功能呢？也能，没有任何问题。那么，在这个领域里，程序员本身的优势在哪？就是我们知其然还知其所以然。如果你不知道它的底层运作原理，它上面的很多由大模型直接规划出来的路径，可能是错的。他也可以得到结果，但是，当并发数量上升，当遇到一些特殊情况的时候，这就会有问题。像我们以前常说，哎，一看这是名门大家里头训练出来的弟子，一板一眼，动作都是有规范的。而我们，不是要让大家学会这些规范，而是希望能够知道，这些规范原来是为什么建立的。那么，在这样的一些底层逻辑的帮助下，可以更好地设计出应用来。那么，除了学这些计算机相关的课程之外，AI时代来了以后……

还需要学一个东西，对吧？我们要知道社会是怎么运作的，所以需要更多的去了解和学习一些其他的科目，不仅仅是计算机之外的。比如说，我们刚才讲到的法律、金融、财会等领域的知识。现在，这些相关学科的人已经可以在大模型的帮助下使用电脑了。那么，我们这些学计算机的人，是不是也应该稍微学习一些其他领域的知识呢？这为我们以后跟他们一起配合工作，打下一个良好的基础。我们也要了解他们的领域里有哪些标准，底层的逻辑应该遵循什么，这是对齐的一部分。我们要对大模型做对齐，首先得对我们自己做对齐。

在这样的情况下，光是学编程语言、数据结构是不够的。我们还要去学一些商业的东西，一些社会人文的东西，一些应用的学科。这样，我们才能真正地做好工作。以前很多人说，学计算机的以后就可能变成工具，容易被替代。但如果你不仅懂计算机的底层逻辑，还懂商业上的一些事情，那你的价值就不同了。因此，这也是提前做好对齐准备的一部分。

除了学习这些科目之外，还有一个非常重要的东西，那就是学习沟通与协作。

这件事非常重要。想要说服大模型按照你的意愿展示活力，过去我们很简单，编写程序就能搞定。但现在，你可能需要与之对话了。要想和大模型，甚至可能是多个模型，像人们一样协同工作，你得好好学习沟通与协作的技巧。首先，得学会如何说服他人与你合作，再者，能将问题描述得清晰明了。这对于我们这些受过高中教育的人来说，是一个不小的挑战——给你一个主题，让你说清楚，对大模型而言尤其重要。

许多人认为，有了Sora这样的大模型，大家都会制作视频了；有了Journey和Dalí，大家都会画画；有了Sona之类的技术，就可以写歌创作音乐。大家都这么说，但每当听到这话，我就会问，看完一部电影后，你能描述给我看你看到了什么吗？能说清楚吗？这事很难，但至关重要，需要练习。如果一个问题你都不能清楚表达，又如何能让大模型理解你的意图，为你服务？这是一个现实问题。

因此，在新时代，学好语文、英语，掌握沟通技巧，学会与人相处、协作，成为了学习计算机不可或缺的技能。

除了刚才我们讲的，要学习这些东西，然后还要学会与人沟通协作之外，AI对所有学计算机的学生提出了一个新的要求——要有批判精神。这个要求可能是我们上中学时不太强调的。为什么要有批判精神？因为AI大模型所给出的答案并不保证正确。所有的AI大模型底部都有一句话：“内容由大模型生成，不保证正确。”重要的内容，请自己去核实。当我们使用AI大模型生成了大量内容后，如果就相信它是对的，这是非常危险的。因此，我们不仅要有能力判断AI大模型给我们的结果是否正确，还要知道如何评价AI给我们的模型的好坏。毕竟，结果不是非黑即白的，同样的输出结果，我们可以评价其质量：“这个是5分的，那个是4分的，这个是8分的。”我们要能够识别哪个更好，并且知道如何获得更好的结果，如何通过反复迭代，最终得到最优解。这需要具备批判或甄别能力。

那么，总结一下，AI时代程序员到底学什么？首先，学习基础原理至关重要。如果没有基础原理，你就不明白AI大模型究竟是如何运作的，也不了解整个网络环境、数据存储等是如何运行的。

如果没有这些基础知识，直接去上手干活，这些程序员就没有价值了。他们跟那些从其他行业里转行过来的计算机操作者之间就没有区隔了。所以这个很重要。然后，第二个是要学习我们的逻辑思维能力，这个是必须要学的。接着，第三个是工程能力。所谓工程能力，其实就是如何用可以接受的成本获得我们可以接受的结果的能力。所有的结果都是有成本支出的，有时间成本、有金钱的成本、有人工，还有其他的一些算力等，这都是成本。那么，我怎么能够在里面得到平衡？我们能够让更多的系统搭配在一起，得到一个大家想要的，或者可以接受的结果。这是工程。然后，学习沟通与交流协作，学习逻辑思考与批判。AI时代，如果有朋友从现在开始要上大学，那么这是应该去学的东西。最终，我们再做一个总结。需求顾问时代真的可能已经到来了。我在上大学的时候，很多人就跟我说，我像是91年到95年上的本科，人家跟我说，未来就没有程序员了，未来叫需求顾问时代。什么叫需求顾问呢？就是我们做到用户的面前去，用户说：“我要这个，我要那个，这个东西要来三份，那个要来两份。”当这个发生的时候，我们要如何应对。

他会给我提出这样的要求来，然后我呢，应该听到这些要求以后，直接就把这个结果做出来，而不是说我听到这个要求以后，回去以后再做个半年一年的，然后再把结果回去验收。不是这样的，而是人家提完要求我就直接做，做完了就有结果了。那以前呢，这个是实现不了，但是有了大模型以后，这件事情有可能就可以实现了。软件呢，会重新变得完全可定制化，而非标准化。因为以前我们告诉大家说，写软件的成本是很高的，所以啊，软件的价值是靠重复的次数来体现。这话怎么理解？就是我写了一套软件，如果被100个人用了，那么是可以挣到多少钱，或者它的价值是怎么样的？如果被100万人用了，那么这个软件是有什么样的价值，这个是不一样的。所以，我们要尽可能地提高软件的标准化，尽可能写一遍让更多的人使用。而现在呢，因为有大模型了，生成软件的成本下降了，在这样的情况下，OK了，我们可以干嘛呢？为更多的人提供个性化和定制化的服务，这是一个新的变化。所以，最终的结论：AI时代，程序员依然大有可为。好啊，这一期节目就讲到这里，感谢大家收听，请帮忙点赞，点小铃铛，参加Disco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。今天咱们来讲一讲山姆·奥特曼对于前一段时间因为伊利尔以及很多科学家离职，open AI所造成的负面影响，进行的紧急回应，以及open AI跟员工签的这种霸王条款，到底是一个什么样的东西。

open AI公司呢，原来是一家非营利组织，一直是以让全人类都可以由AI受益为使命的。这样一家公司，按道理来说呢，是一家非常非常高大上的公司。结果，在山姆·奥特曼将他们从非营利组织转移到公司的这个架构上之后，慢慢的爆出了一些负面影响啊。

前一段时间，伊利尔和很多的超级对其团队的科学家相继离职之后，又爆出了另外一个很大的负面，特别是对于一个有这么高远景的公司来说，是绝对的负面。什么样的东西呢？就是他们的霸王条款离职协议。

这个离职协议呢，非常有意思啊。他写的是什么？离职保密协议和非贬低协议啊。什么叫非贬低？就是你不能骂我。我前面做直播的时候，给这个协议起了一个外号，叫不骂街协议。我们以前其实真没见过这玩意啊。而且呢，这个非贬低协议是没有有效期的，是永久的。就是你一旦签了这东西以后，这辈子你都不能骂他。这个是很吓人的。

因为像我们以前公司离职，或者是有人被开除了，我们有的时候会去签这种叫做竞业协议啊，或者竞业补偿协议。竞业补偿协议呢，通常还是有有效期的。通常的格式，是这样的：就是说啊，我要给你一笔钱啊。注意啊，一定要给钱。不给钱的这些补偿协议是无效的。这笔钱呢，是你工资的百分之多少啊，一般比如说30%到50%之间。然后呢，我要求你遵守多长时间的竞业补偿，我就要发多长时间的这笔钱。比如说我希望你三年之内满足我的竞业补偿要求，那我就要给你发三年这笔钱啊。通常这个钱是一次性发出来的。比如说吧，你这个人的工资是2万啊。那么一半的话，比如说1万，他就跟你商量好了，我给你发1万块钱的敬业补偿金。三年的，那么就是36万。他会在你离职的时候一把都给你。那你如果在这个期间，违反了竞业这个条款，他就会罚你这个钱，甚至会规定说，你要按照一个几倍的这个数字，再来罚这个钱啊。因为前一段时间拼多多干过一次，就是，也是给一位离职员工发了敬业补偿金，然后呢在敬业期快要结束的时候，这位员工去面试，他们的HR，就雇佣了一些类似于私家侦探的人，在外面去拍照，拿着这个照片缺席审判，等于完全没有通知这个员工缺席审判，判他赔赔拼多多1百多万啊。一下变成失信人员了，就出现了这么狗血的事情啊。

正常情况下啊，一个员工从公司离职以后，添的这种敬业补偿啊，通常还会有一个范围啊。这个范围呢，一般规定的是，比如说啊，跟我竞业的几家公司，比如拼多多啊，他说我跟比如淘宝京东啊，还有什么抖音电商，跟他们去竞争，你只要别去这几家，其他地方都可以啊。以前处理这种协议的方式是什么呢，就是啊你在外面再成立一家新公司，然后把人挂在那边，然后那个新公司呢，向这些公司，去提供一些商业咨询服务啊，这样的话其实也是可以混的过去的啊。当然也有一些公司呢，写的非常笼统啊，就是写着说敬业不偿啊，凡是我认为跟我敬业的都算啊，而且我随时增补啊，这个就属于流氓协议。嘿，到底是哪些算敬业范围，我随时增补，这个就比较过分吧。但是它这种呢，并不规定你不可以去哪些公司，但是它规定呢，你要保密啊，就是你在open i期间干的什么事，不能不允许出去，说去第二个非贬低你，出去以后不许骂我，这个也是很有意思。而且呢他这个协议里头，刚才我们讲竞业补偿，你是要给人发钱的。发完钱以后违反了，你要扣这个钱，然后再有一定倍数的赔偿。他这呢是不给发钱的啊。他是拿什么为质押呢？叫既得股份。拿记得股份做质押，说你一旦违反了这个协议，我就扣除你的记得股份。而且呢，时间很短，7天就是从这个人说我要离职，好啊，马上给你一个协议，7天之内必须签，如果不签，你的记得股份就给你扣掉了。有些人说我能不能多用一些时间，因为这种协议一般很长啊，很厚，里边坑很多。而这样的协议，他肯定也要多找几个律师去咨询一下。那么在这个过程中，可能需要两周或者更长的时间。有可能大家说不行，你必须7天之内给我签字啊，不签字不行。咱们现在在这吃这个瓜，在国内这些公司离职哪有7天，都是现场签啊，现场不签，你根本出不了那门，想都不用想。7天其实已经挺仁义的了。

那么这一次引起轩然大波的，这个既得股权，到底是一什么东西？大家要知道，像Open AI这样的公司呢，它的市值非常高啊，已经800多亿，最高的时候达900多亿美金的一个市值。这些人你说在里边能够发多少薪水，肯定也不低，但是呢，跟谷歌跟微软比起来，应该竞争力并没有那么强。那他靠什么样的方式，来去吸引世界最顶尖的科学家，来给他干活呢？就是靠股权。一般情况下，这种股权呢，是分两类的啊，一类呢是既得股权，另外一类呢，可能是未来的一个期权，或者说未成熟股权。你比如说这个人来了，跟他签一个协议，说来这个部分是工资，那一部分是股权。那么这个股权呢，一般怎么授予啊？说吧，咱拍脑袋，1,000万年薪，那么这1,000万年薪里头发不出来，哎，发不出来怎么办呢？来，我给你发这个200万啊，那剩下800万呢，啊，我给你这个股权。股权我给你算多少年啊，每年应该有多少，甚至呢，有时候还会少一点。比如你要1,000万，那我给你发，呃，1,000万的里头，可能发800万的股权给你就完事了。就是总共就给你800万啊，甭管你在这干几年，就这800万了，不是说每年给你800万。

也有这样，那你说他为什么会同意呢？其实大家赌的是什么？赌的是你这个公司的这个呃，股价快速上涨。你比如说我进来的时候，这公司值1亿美金，他给了我啊1,000万的股权，等过了两年，这公司值1,000亿美金了，那当时给我的1,000万的股权能值多少？成100倍变成10亿了。他是这样来算。

所以很多人就希望说，每年的公司市值上升个十倍百倍，这么涨上去，那么我手里拿的这个股权，实际上价值也就在快速上涨。跟这个股权有关的第一个因素呢，叫起始价啊。这些股权经常不是说白给你的，他一开始会有一个底价，而有些是直接就是0的，也有啊。还有一些就是你需要去行权的时候，什么叫行权？就是我要卖这个东西的时候，他会有一个基础的价格。为什么呢？因为你像前头还有人来啊，你每新来一波人，这个时候公司的价值已经上升了，再按照0的价值给你去，呃，发这个股权，对于前面人来说也不太公平。所以呢，他们有的时候会有这样的一个底价，而且越往后边进来的人，他这个底价越高，对吧？而且你越往后边进来的人，其实你分到同样价值的股权的时候，你手里分到的股数就越少。为什么？因为那个股票变值钱了吧，一股的单价变高了啊。他会分成这样的情况。

第一个是底价，第二个呢，是成熟规则。不是说给你了，你这个东西就是你的，他通常会有一个简单的成熟规则。最简单的是什么？按时间成熟。比如说给了1,000万，规定的是分四年还是五年成熟，比如说每五年吧，每年成熟20%。现在给了我1,000万啊，然后我干了半年走了啊，这个就都跟我没关系了。都属于没有成熟部分的股权。这就都回归公司了，回到这个七泉池里边去。有些呢，比如说哎，我干了两年了，我要走啊，那么两年呢，就是有40%就成熟了，这40%就属于随时可以去Max，这就属于我的了。那我再离开的时候呢，剩下60%还原公司啊，这40%是我的啊。

还有一些呢，会有些对赌啊。你比如说你从公司领一任务，你把这任务完成了，这一部分就归你了；没完成啊，这一部分就不归你。前面马斯克跟人打官司那一部分，实际上就是这样的。当时呢，他说我不要薪水啊，特斯拉发一堆期权给我，这些期权，如果我让特斯拉的市值涨多少倍，他就归我了；如果我没让他涨上去，他就不归我。后来，马斯克确实让特斯拉的值涨上去了，结果呢，他拿到这些股权之后，有人起诉他，说你当时拿到这个股权的，这个协议的时候啊，你的董事会缺乏监管，都是你的人，这个是不公平的。结果就被特朗华法院给判了，说你这个不成立。

最后呢，是什么，就是你怎么去卖这个东西啊。咱们注意啊，前面呢，其实说的时候稍微有一点点小乱。哪乱呢？就是有的呢，我们讲的期权啊，有的我们讲的是股权。其实啊，指的是同样的一个东西。期权跟股权最主要的差异是两个。第一个是有没有底价。你比如说到一公司去，人说我给你多少股票，多少多少股权啊，这个东西是没有底价的，而且呢，这个股票呢，通常很快就可以成熟了。然后期权呢，有的时候是有底价的啊，不是上来底价是0的。这是第一个。第二个呢，期权呢，便宜的时候，你其实是不能用这个东西的啊，“期”嘛，有一个时期的意思。但是呢，他们指的都是类似的东西。然后期权跟股权里的，还有一个呃小的差异在哪呢？就是正常情况下，股权是应该有投票权的。开股东大会时，一人一票。但是呢，通常公司内部发给员工的这些股权也好，期权也好，都是没有投票权的。他们都把投票权委托给了公司管理层。

通常情况下，你所签的这种股权授予协议，或者期权授予协议里边都会有这样的规定。这个里面最典型的是谁？华为。华为呢，任正非是占大概0.1%，还是零点几的一个股权，然后剩下的都属于叫华为员工代表大会。这些人能不能投票把任正非投出去？不行啊，他们的都把投票权授予了任正非啊。最后他们自己实际上只能分红，不能去做任何其他的事情。

那么好，咱们讲回来了，OpenAI这些离职的员工，手里边拿的所谓叫既得股权，到底是什么东西？既得股权呢，就是OpenAI在他们入职的时候，或者说在中间工作有重大突出表现的时候，授予他们的这种股权。而且既然叫既得股权，就是已经成熟了，不再受任何约束条件的约束。这个东西是属于这个人个人的啊，他随时想去卖，他可以去卖这个东西的。

这一次OpenAI就说，你要么跟我签保密和非贬低协议，要不然，我就把已经属于你那部分股权没收掉。哈哈，干了这样的一个事情。这个事情呢，肯定对于硅谷来说是很快规矩的啊，为什么？因为硅谷大家创业的时候，都是靠这种期权也好，股权也好去吸引高端人才的。一旦OpenAI作为AIGC行业里的领军企业，啊，他在这个地方动了大家的这种底线了，这个事是不可容忍的。

有些人去跟HR去沟通去了，说我不想签行不行。然后这个HR呢，说你不签也行啊，我们也不会马上收回你的既得股权，但是呢，你在后边卖股票的时候，我们会给你施一些办子，或者说我会去拿捏你一下。而这个呢，就涉及到另外一个问题，如果是一个上市公司，比如谷歌特斯拉这些股权啊，一旦是记得股权了以后，实际上它就放在什么地方呢？是放在股市里边。你是一个流通股，你随时可以卖，你想卖就卖。但是呢，也不是完完全全想卖就卖。像我以前在猎豹的时候，我们也分到猎豹的股票，对吧？我们是有窗口期的。

什么时候是窗口期呢？就是在发财报那几天，我们不能卖。因为他怕什么呢？就是我们作为公司员工，你发财报的时候你肯定知道有事，有可能今年财报特别不好，发了以后会跌，我们可能会提前把股票卖了。这个事他是不允许的。所以呢，他一般会在财报周期的前面一点点，后面一点点，把这个啊锁定啊，你们在这个时候不许卖。其他的时候可以去处理。但是呢，大部分情况是属于我们自己决定的，哪天想卖就卖，不想卖就拉倒。这个对于上市公司来说是OK的。

但是对于没上市公司，比如像open AI这样的没上市公司，怎么办呢？他们处理的方式是邀约竞价。每过一段时间，他就会干这个事情，说来哎，我们邀约一下，谁愿意买open AI的股票，你们来买来。然后呢，大家都来去集合竞价，竞完了以后说，按照一个什么样的价格，你们来买open AI的股票了啊。那么谁卖呢？就是这些员工说来，你们可以去报名，谁想卖谁卖啊，想卖这个数都给写上。然后呢，按照统一谈判好的价格一次处理掉。

大家注意啊，这个股票虽然是属于他个人的，但是呢并不是说你随时想卖，随时就可以卖，想高卖想低卖，你都可以随便啊，不是这样。如果大家就这么去处理了，你说我就线下交易了行不行，也不是完全不行啊，但是你最后有可能会面临说，open i不承认这个交易的这种可能性是，呃有可能的啊，因为为什么，因为谁都不希望把自己的股票卖给竞争对手嘛，你万一把这个股票偷偷卖给竞争对手了，也是会有一定的问题啊。正常都是每年啊，或者一年一次到2次吧，由open AI的CFO去组织。说哎，我们最近准备去卖一次股票。你们所有想卖的人来报名啊，然后呢在外边招呼啊，谁想买啊，大家也报名，一起来去竞价，做出一个价格来。这部分还那个市值就是，这么来的，或者说再现在叫估值吧。就是每一次竞价完了以后啊，他就会交易一次这个股票，然后按照他们竞价价格，再乘以open i现在所有的股数。所以open i现在值800多亿美金，那个数是这么来的。如果这种公司真上市了，这个数翻个几倍是很正常的啊。现在呢，这个HR的意思就是说哎，如果你们这些离职员工，不跟我好好的，去签这个保密和非贬离协议，那么等下次卖的时候啊，我就不叫你，或者，你想去参加卖股票这个活动的时候呢，哎我不允许。大家就很慌了，股票虽然是我的对吧，但是你公司没上市，我要交易必须公司要认可，要登记。如果他不允许我去卖，这不就一堆废纸了吗？这个事也是让大家非常的不爽。现在呢，这个事情肯定是引起了轩然大波。open AI的CEO山姆奥特曼就赶快出来说，我从来不知道里边有这样的一个条款。虽然那个协议上，都是山姆奥特曼的签名，但是我没看到过这里的，我不知道还有这样的条款。他说，我们从来没有回收过任何人的记得，股权只要这东西给你了，甭管你在这不在这，跟我们关系好关系不好，我们都没有回收过任何人的。对，我们以后也不打算回收任何人的股权。其他的一些高管也纷纷出来表态，这个事真的有吗？说我们签的时候都没注意啊，这也很正常啊，像我们以前去找老板签字的时候，那一份合同都很厚的，高厚的时候，那合同能有，一两尺厚。需要老板签字的时候会怎么办呢？啊我们会在老板要签字的那个页上，贴一小纸条。最后老板会看到厚厚的一摞文件，上面贴满了各种颜色的小纸条。为什么各种颜色的呢？就比如说这个老总啊，他签红色的。那个老总呢，签黄色的。下一个老总签绿色的。你以为这么厚一摞文件他真能看吗？他不可能看的。这个事是非常非常不现实的。

那你说这帮人，怎么能够保证自己签的文件，都是符合自己心意的呢？原因也很简单，就是他有秘书啊，或者说有一些助理啊，包括有法务团队。这些人会替他看。看完了以后呢，一般到他手里头会有一个签字表。这个签字表上写着说，这个法务已经确认了啊，这个你的助理也确认了，他们都认为没有问题，请签字吧。他们就会放心大胆的把自己签上去。

所以呢，现在山姆奥特曼说我不知道啊。一般人说哎，山姆奥特曼，你就是天天说谎，你自己明明签上名字，你怎么可能不知道？哎，这个不知道太正常了。千万不要觉得他签了字的都知道啊。这个条款呢，不是今天才有的啊。这个条款大概是从2019年就开始，出现在这个协议里边，一直执行到今天，被曝出来。因为也是伊利尔，这个事他实在是太有名了，而且因为前面有山毛特曼被赶出董事会的事情，被开除的事情，绕到现在，大家关注度有点太高了。

那么出现了问题以后，大家就进去找啊，说还有这样的一个条款呢。现在翻出来了。那你说这些高管不知道这个事啊，那为什么下面这些负责沟通的HR，会去很认真，严格的来执行这些条款呢？这个其实也是这样的。像我们以前，去做公司内部的很多协议的时候，很多很严苛的条款，都是我们底下这些办事人干的。真要出事了，要当好人了，一定是上面老板当。恩出于上嘛，锅我们要背啊。而且呢当公司大了以后啊，公司的管理层级，分了比较多的层次之后，每一个层级的负责人，都还是希望在自己所管辖的范围内，尽可能的把事情做好啊。这个事大家其实也是可以理解的。你想这个里头有法务说哎，一个大聪明一拍脑袋说：“我们来设计一个非贬低条款，又不想再给人钱，还想这个东西一直有效，怎么办呢？”

他说：“那我们就用他的既得股权进行质押，不就完事了吗？”

这肯定是某位大聪明突然就想出这么个条款来。这个其实很正常，因为像我们以前，你想我们签协议的时候，每份协议会自己去拟定吗？肯定不会的。我们一定是拿各种各样的格式协议的文档，拿那个格式协议稍微改改，把名字改改，把金额改改，然后就上去签协议去。

但是呢，我们每一次拿的这个协议，送到法务部去审核的时候，人家一定会给法律意见的，不可能说什么都不给你的。人家也要显示在干活嘛。所以不一定哪一次呢，谁一拍脑袋就把这条款加进去了。加进去了以后呢，下面执行的HR啊，或者是其他的法务部门一看，哇，惊为天人，你们这帮人实在太厉害了，这么神奇的条款你都想明白了，那干呗。

以后大家就很认真的去执行这个事情，而且从19年到现在也执行了五年了，一直也没什么问题。出去了以后，大家都说我很好啊，没有任何人敢说咱们坏话。所以大家会很不渝一类地，很认真地，作为自己的本职工作，去执行这些老板说不知道的条款啊。这个丢人，老板肯定是不会承认的。

现在呢，山毛特曼啊，你说光不知道这事肯定不行吧，你一定要补救嘛。他的补救方式是什么呢？就是紧急声明说，我们从来不剥夺任何人的既得股权，而且呢，也声明说，这员工是有权利在离职以后，说我们的坏话的，没有任何问题。即使他说了坏话，也不会丧失他的股权。而且呢，他现在讲说，我们要根据已经签署这个协议的名单，挨着个的去找他们，告诉他们说这个事你不用担心，原来是我们搞错了，是我们没有注意这个事，2019年就把这东西写在协议里了，到今天我们终于发现了啊。所有从2019年之后签了有这种条款的员工啊，我们都要找到他，然后跟他道歉啊。要解释清楚，是不是再去签一个补充协议啊，或者说再去做一个啊，怎么样的其他的谅解函。一般我们管这种就是废除某些条款的这种东西叫谅解函。有可能后续还要再去往前走一点点啊。那么这个事呢，就算是他已经解释清楚了，就是我不知道啊，我们补救我们，把前面签过的挨个道歉，跟人做个谅解函。

那么大家有没有想过，山姆他们为什么要干这个事？他为什么不像京东的刘强东那样，上来说，“你们这些人就不是我兄弟就完事了”，保持自己伪光正的这个立场，而是上来说啊，“对不起我没注意，你们离职了，以后我要向你道歉啊”？为什么要搞这个？原因很简单，做open AI这样的公司，他一定需要什么呢？世界顶尖人才来给他干活。这些世界顶尖人才，不是找不到工作的社畜，你是需要跟谷歌，需要跟微软亚马逊，跟很多这样的公司去抢的，你未必抢得着他。

那么在这样的一个情况下，这些顶尖人才对于公司的名声，是非常看重的。所以为什么我们一开始上来先讲说，open AI的愿景，是让全人类都可以因为AI受益。你光靠这样的一个愿景，就可以忽悠到很多顶尖人才。现在这个愿景已经稍微有一点点崩塌，我本来已经变成close AI了啊。如果后边还要去搞这样的事情，说哎我去封你的嘴啊，你出去了以后，我还要绑架你的既得股票，这个顶尖的人就不来了啊。伊利尔带了一堆的顶尖科学家跑了以后，他现在正是需要再去补充这个坑，再把这个伊利尔留下的这个空缺，补起来，然后能够让公司继续往前运转的时候，你如果还要传出一大堆这种负面，那你让最顶尖的这些人怎么看你，对吧？你不是说我发一个招聘启示，然后等着大家来投简历，不是这样的你。一定还是到全世界里头去筛选最好的人，去跟大家抢的。那在这一块上，如果他有这样的封口费瑕疵的话，那么他可能就只能获得二流人才，甚至是三流人才。哎，获得一些不介意被封口的这些人。而这些人，可能也不是山毛他们想要的啊。那么，他就一定要把自己的名声守处推吧，说哎这个事跟我没关系，然后啊你们依然可以到open i来，让AI赐福全人类，这是他现在要去干的事情。

好啊，这就是我们这一次跟大家讲的open AI的霸王离职条款，到底是怎么回事，詹姆奥特曼到底如何去回应，以及为什么要这样的回应啊。这故事讲到这里，感谢大家收听，请帮忙点赞点小铃铛，参加Disco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。