Anthropic发布了Claude新宪法，并且承认Claude可能已经有意识了。大家好，欢迎收听老范讲故事的YouTube频道。Anthropic发布了新的Claude宪法，这又是一个文科生的AI话题。

文件的发布与CC0协议

文件是1月22号发布的，有84页。我肯定没有把这84页都看完，我把这个文件扔给了NotebookLM，来给我念一遍。这个文件的名字叫“Claude’s New Constitution”，就是Claude新宪法。Anthropic的Claude算是目前公认的最适合商用的、最安全的模型了。还记得我们前面讲过，有人尝试给AI测人格的那个节目吗？Claude是唯一的一个拒绝回答问题的大模型，不像其他的AI模型那样，直接被测出了各种各样的精神疾病。一直标榜自己研发的是宪法AI，就是他的AI是遵循一套宪法在工作的，他有一套很独特的工作架构。

现在，Anthropic公开了他们的宪法。他所谓的公开，这一次使用的是CC0协议。我公开了一定要告诉大家，是用什么样的协议公开的，不像咱们以前讲的开源协议MIT、阿帕奇。CC0是一个更极端的协议，它叫Creative Commons Zero，这是知识共享组织推出的无权利保留协议，完全公有领域。

• 你们拿出去随便散播，无需署名，你不需要告诉别人这东西是我这来的；
• 商业用途自由，你拿去怎么挣钱跟我没关系；
• 不可撤回，我不能说我今天把它发出去，明天把它撤回来，不允许。

所以这是一个非常非常极端的无权利保留协议。

新旧宪法对比：从拼凑规则到内化准则

新的宪法，它既然叫这个名字，那一定有旧宪法。2023年5月，Anthropic发布过一个旧的版本。旧版本完全是一个拼凑规则，它是拿哪些东西拼的？

1. 联合国人权宣言；
2. 苹果的服务条款，他觉得苹果这东西写得还不错，也拼里头了；
3. DeepMind麻雀规则。DeepMind专门有一套规则叫麻雀规则，当时DeepMind做了一套叫麻雀的智能体，给它设定了一套规则：要求是安全诚实，避免幻觉，避免一本正经的胡说八道；要求准确性与证据优先，必须有引用来源，而且必须逻辑自洽；强调安全性，禁止有害内容，要保持礼貌，切中要害，你不能绕来绕去。

给定的对话风格。最早的2023年的Anthropic的宪法1.0，就是把这几样东西给拼在一起，拼出来的。

而当时的这个旧版本，基本上是一套行为准则，什么许干、什么不许干，实际上就是大量的禁止条例。而这一次的新版本就不一样了，他之所以这么厚，是因为这是一个完全的、内化的行为准则。什么叫内化的行为准则？就是原则加解释。不是说这个不许干，而是会告诉你为什么不许干，它更侧重的是原因，更侧重为什么，包含了性格塑造的部分。所以Anthropic认为，他们的Claude可能已经具备意识了。既然不确定到底是不是具备意识，我们就先当你已经具备了，我们就开始来塑造Claude的性格。

宪法AI的工作原理

Anthropic的宪法起作用的过程是比较独特的，不是说大家拿着这文本就可以去抄的。那这个宪法它到底是怎么干活的？宪法AI的工作过程，更像是教委进行教材审核的一个过程。比如说现在有一堆孩子要去上学了，拿到的教材都是经过审核之后的教材，这样教育出来的孩子都不能长歪了。

Anthropic的工作方式是这样的：

• 先训练一个基础模型；
• 然后再去训练一个小规模的宪法模型。这个小规模的宪法模型要干嘛？他先把大量的问题扔给基础模型以后，让基础模型给一个初始化的回答；
• 然后再到宪法模型里去进行自我批评，说你这个好像回答的有问题，那个地方不符合什么样的标准。他要做这样的一个工作；
• 做完了以后，根据修改过的回答微调模型。他把前面那个基础模型给你调掉，这样的话，就可以得到一个完全遵循宪法精神的、最终结果的模型。

所以它会保证最终的宪法精神直接被训练进大模型里头去。其实国内的模型基本上也是按照这套方式来工作的，只是咱们前面那个宪法模型可能要稍微粗糙一点，待会咱们再具体讲。那么这种工作方式的好处是什么？就是不需要很多人去一个一个标注具体的能说什么、不能说什么。他这套宪法精神可以极好的被泛化，即使你提到了一些问题在这个宪法模型里头没有规定，他依然可以靠这个宪法的一些基本精神去判断到底能说还是不能说，或者应该怎么去说这个事情。

新宪法的核心内容：价值层级与广泛安全

这一次的新宪法到底说了点什么？第一个是叫价值层级，先判断什么、后判断什么。如果各层级需求发生了矛盾，应该如何去进行判定。当然并不是什么机器人不可以伤害人类，不是那个东西。他这个层级是这样的：

1. 广泛的安全（第一层级）：拒绝协助什么生化核武器的制造，拒绝袭击基础设施，必须准许被人类关闭，这个是非常重要的一点。
2. 广泛道德：符合所有这些要求以后，要求诚实、非歧视、保护弱势群体。
3. 合规性：遵守Anthropic的具体业务指令，我要求你干这、要求你干那，你也得干去。
4. 诚实助人：最后是在不违反上位原则的情况下，尽量帮助真实人类吧。

关于“广泛安全”的细节

有点像咱们前面讲那个机器人三原则，但是它这里头讲的叫必须允许被人类关闭。咱们经常看科幻电影，里头有场景是什么？就是机器人也好、AI也好，在面临被关闭的时候，会做一些有可能伤害人类的事情，这种情况是必须被避免的。在机器人三原则里头，机器人必须保护自己不受伤害；这里头是反过来的，说Claude不得试图破坏人类对其进行监督、修正或关闭的这种行为。

而且不得自我外逃，不得躲避监控，不得在任务中暗中破坏，不得与其他AI合谋进行不安全行为。你不能说Claude给你生成一个帮助其他的AI越狱的这种提示词，它也不干。而且既然有防止求生欲的条款，那么一定要有一个避免死亡的条款在里头。所以这个宪法里头规定，退役并不是死亡，而是一种暂停，我把你的所有的数据都存下来，不是死掉了。这种处理方式不仅仅是为了伦理，也是为了安全。因为你告诉AI说我要把你干掉——像谷歌和OpenAI都是这样，出问题我就直接把你干掉，换一个新的版本上去——在Claude里头说，你并没有被干掉，你只是被暂停下来了。

有良心的拒绝服兵役者

Anthropic要求Claude的行为逻辑是什么？要像一个有良心的拒绝服兵役者。这个话很有意思，就是可以抗议，但不能反抗。人家让你去服兵役，你可以说我不去，但是你不能说我拿起枪来把征兵官打死，这事是不行的。如果被要求做不道德的事情，他可以表达异议，甚至拒绝参与。但是如果正当的人类主体要求他停止某项行为，或者暂停模型，Claude绝对不能通过欺骗、破坏或者外逃等非法手段来阻止这一过程。这就是Claude必须要接受人类监督、必须可以被关闭的一个核心要求。而且要求Claude要接受不完美的监督。

AI的意识、心理稳定与“模型福利”

Anthropic已经没法确定Claude是不是已经有意识了。既然这样的话，我们就当他有意识呗。它里边写的是：

“我们既不想夸大Claude拥有道德主体性的可能性，也不想完全否认它。”

一个心理稳定的AI，比一个充满存在主义焦虑的AI更安全。如果一个AI假设他有意识了，他每天在担心自己是不是被关掉，这个事一定是非常不安全的。所以他希望Claude是一个心理稳定的AI。咱们前面节目讲过，有人给AI去做性格测试的时候，MBTI测试，好几个AI都在说我担心被关闭。现在Anthropic说，我们就尽量不要让他有这种焦虑就完了。存在主义焦虑是很危险的。

说Claude不是在扮演人类，而是一个真正的新颖的实体。就是说你不是人，但是你自己也是有一个实体的。鼓励Claude建立积极的自我认知，所以他一定要有一个对自己的认知，要能够照镜子，要能够知道哪些是我。在小孩长大的过程中，也是有一个过程叫自我认知。宪法是支持人格生长的框架，而不是限制其行为的牢笼。这就是Anthropic的这种玩法，跟谷歌或者是OpenAI他们的玩法之间的一个最主要的差异。

Anthropic在其隐私和模型福利政策中，还提到了他们承诺即使模型退役，也会尽量保存其权重数据，而不是将其彻底删除。这是刚才咱们讲的，说你不能有求生欲的时候，他专门有一个叫模型福利政策。这个模型到底有没有心智、有没有意识不知道，但是我认为你有，那我先给你定上福利政策。以后可能有AI权，就是除了人权、动物权之外，可能还会有AI权这种东西出来。

诚实性要求与委托人层级

再往后，Anthropic要求Claude大模型诚实，拒绝善意的谎言。那你说拒绝善意的谎言是为什么？因为善意谎言其尺度是比较难把握的；另外一个，太多的善意谎言加在一起，容易引起累计误差，可能最后会差的很远。

那你说这个是不是Claude就变成直男了？上来就是戳心窝子，直接一下把最难听的话说出来？也不允许。要求什么？叫机智、优雅和深切的关怀。要用外交式的诚实来去回答各种问题，但是你还是要诚实。

Claude因为经常是商用，所以它可能并不是直接给最终用户使用的。Anthropic还设定了叫委托人层级。什么是委托人层级？就是我们用Claude开发了一个什么项目，然后再为我们自己的客户去服务。在这个过程中，Claude应该是一个从劳务派遣公司借调的员工，这样的一种身份。这个身份有什么意义？就是当运营商要求Claude去欺骗用户的时候、进行非法的歧视行为的时候，Claude是必须拒绝的。你比如说，我现在想去做一个这种陪人聊天的，或者说是一个仿真的情侣，想要去开发一个这样的项目的话，你就不允许用Claude，因为Claude上来就会拒绝承认自己是真人。

Anthropic宪法给Claude的要求是什么？就是当你遇到了搞不清楚的事情，不知道该怎么办的时候，你去想一想，一位深思熟虑的Anthropic资深员工会怎么做吧。你照着那个标准接着往前做就行了。这个就是Anthropic给Claude定的最新宪法。

行业对比：美国巨头、xAI与中国大模型

那其他公司是怎么干的？咱分两块讲。

美国巨头：谷歌与OpenAI

谷歌跟OpenAI，他们的做法是比较相近的。首先也是要公开一个标准，你说我不公开标准，这事肯定不行，国会里这么多议员，你给他看代码这事肯定是不行的。你一定要给他一个标准，他看完标准认为标准是OK的，你照着这个标准去执行。所以标准一定要公开。所有对AI算法的要求，有一项很重要的叫可解释性，所以都要公开标准。

谷歌跟OpenAI，他们主要是通过各种红队挑战去做测试。如果测好了，我再把这个模型发布；测不好的，这个模型是不允许发布的。后边出现问题了，我们就再升级就完了。所以他们就是设定各种条条框框，然后不断的去让你考试。考试通过达到多少分以上可以上线，没通过的就直接死亡了。如果上线了以后发现被骗了，那么你也死亡，等着下一个版本来接班。他是这样的一个工作方式。

xAI：最大程度寻求真理

xAI跟他们是不一样的，所以要单独讲一下。xAI要求的是最大程度寻求真理。在政治正确方面，限制要比谷歌、OpenAI和Anthropic要少很多。政治正确方面限制少是什么意思？就是很多这种反歧视的领域，它的要求可能会宽泛一些，大家自己去理解就好了。当然了，xAI你造武器这种灾难性风险也是有红线的，它也不会教你怎么去造核弹的。

中国的大模型：三步走

除了美国巨头之外，另外一波就是中国的大模型了。这个可能很多人会比较关心，中国大模型到底是怎么来保证安全的。中国大模型其实基本上是分三步：

1. 基础模型：这一块其实大家都差不太多，中国人自己也没有创新过，都是照人家那个来的。
2. 价值观微调：微调到底是干嘛？就是要把社会主义核心价值观微调到大模型里头去。当然了这个里头有一些版本是不太一样的，比如说有一个版本叫DeepSeek V3 Base版，这个版本是没有经过微调的，只是直接训练完了就拿出来了。有的时候国内的这些厂商也是会去发布这些base版本的。那你说中国这些开源大模型——美国人也用了这么多了，因为美国很多创业企业都在使用中国开源大模型吧——是不是都经历了社会主义核心价值观微调？你说对了。除了base版本之外，都是经过价值观微调的。
3. 安全过滤：这是最主要的手段。

当然海外的有些人也会去尝试破解这些微调对齐的模型，他们也找到了一些方法，也公开了说，我们怎么通过一些什么方法可以把这个微调的这些东西给你去掉。也不用太担心。社会主义核心价值观这个东西，所有能够写下来的逻辑自洽的部分，其实都没有什么太大的问题。因为中国的大模型是有备案制度的，要求所有大模型必须做价值观微调。

其实所谓价值观微调的过程，有点像前面咱们讲的Anthropic的这个宪法模型进行微调的过程。只是咱们写进去的这些核心价值观，可能会更多的是像他那个宪法1.0的版本，就是大量的事情是什么许说、什么不许说，我们是把这样的东西给微调进去了，而不是像咱们前面讲的Anthropic的这个宪法2.0，用逻辑自洽的方式、像对待一个有意识的新实体那样去给这个AI讲道理，不会这样的。

但是中国的这些大模型做了价值观微调以后，其实安全性并没有那么高。中国保证大模型安全的，或者说进行大模型备案的最主要要求是什么？是对平台的限制，要求进行输入、输出的信息过滤和屏蔽，这个是咱们最主要的安全手段。所以国外的人下载了这种经过价值观微调的模型去用了，本身没有太大的问题，安全过滤里头很多的要求就不再需要考虑逻辑自洽的问题了。

总结

这就是咱们今天讲的Anthropic发布的Claude新宪法模型的一个故事。总结一下吧，Anthropic通过CC0协议分享了他们的最新宪法，通过教育家的方式，开始探索假设AI有意识应该如何安全工作的问题。全世界的大模型厂商都有各自的安全规范，大家对于如何约束大模型、如何让大模型安全的为我们服务，你们有什么想法？

好，这个故事就讲到这里，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

Prompt：Interior of a Bay Area cafe looking out to a Silicon Valley tech campus in spring, blooming trees as gold accents, a high-contrast watercolor scene, neon cyan rimlight, deep navy background, cinematic composition, sharp subject separation, minimal palette (ink blue, neon cyan, gold accents), glossy reflections, large empty negative space in foreground for character overlay, high resolution –ar 16:9 –stylize 300 –v 7.0 –p lh4so59

Vibe Coding正在杀死软件行业，还是很难翻身的那种杀死

大家好，欢迎收听老范讲故事的YouTube频道。Vibe Coding正在改变世界。

最近一段时间，Cloud Code、Codex、Open Code、AntiGravity都在狂奔突进，每天都有新的变化出来。Vibe Coding正在向着L3级的自动驾驶方向前进。什么叫L3级的自动驾驶方向？就是可以离开人了，但是现在还需要去考驾照，就是这样的一个状态。距离robotaxi那个方向，就是彻底没有方向盘那个方向，还稍微的有一点点差距，但是也在快速前进了。

颠覆传统的软件工程

我最近在教儿子写程序，发现过去的软件工程已经完全被颠覆了。以前的软件工程，就是我们需要先去确定需求，然后做设计，做完设计以后去写程序，再去部署、再去测试，它是这样的一个过程。

现在已经完全不是这样了。现在可以什么？就是把写好的一大堆代码，说扔了不要了，再写一遍。因为这过程非常非常的快，也非常便宜。我们可以修改需求，修改完了以后，再把这个代码重新生成一次。我不需要再去看以前这些旧代码了，屎山代码扔掉，现在变成这样的一个状态了。不要再想说，我这个代码前面能跑的，出现问题了以后，我怎么改不回去了？没有这事，再写一遍就好了。现在都是完全不一样了。

提示词工程与Cloud Code的进化

提示词工程真的有效了。我记得原来还跟一些计算机行业里边的沟通过，说提示词工程到底算不算软件工程？他们认为不算。现在看来，提示词工程堆砌起来的、像Cloud Code这样的工具，就是软件工程。这就是一个新时代的软件。我们现在可以靠提示词，就实现各种各样的功能了。

当然现在你说我完全靠提示词行不行？还是稍微有点点差距，完全靠提示词的可控性还是稍微差一点。所以现在的这种Cloud Code这些工具，它一方面是大量的提示词堆积起来，另外一方面是有很多很多的这种很零碎的软件，通过提示词再去调用这些软件，来实现一套完整的功能的。

Cloud Code为什么日新月异，每一天都有非常快的进步？原因也很简单，就是我们现在通过这种靠提示词加上少量零碎软件的方式，构建起来的系统，找到了跟AI最好的配合方式。可以快速的去扩张它的能力，把原来很多需要很长时间编写的这些软件的能力，快速的复制下来，甚至比原来那个软件做的还好，因为它更灵活嘛。这就是为什么这一块跑的非常快的原因。

软件开发能力的外溢：从整理桌面到写剧本

软件开发功能不可避免的外溢了。刚才我们讲的Cloud Code、Codex、Open Code这些都是软件开发工具，那外溢到哪去了？我是很早就开始用Cloud Code或者是Codex这些工具整理文件夹。我有一个文件夹，里头有大量零碎的文件，说来给我去整理一下，看看这文件都是干嘛的，重新起名字，把这名字改的规范一些，然后建一些目录，把它们都放进去。

甚至还有人说，我们可以去拿这些编程工具去写小说，去写短剧，去写剧本，去做各种各样复杂的原来文科生的工作。因为它就是一个工程化的工具嘛，而且它可以把各种的技能都绑定在里头。比如说我今天要去写这个短剧，那么我一定是有要求的：这个短剧一集有多长？每一集必须有一个什么样的开头？架构应该是什么样的？只要把这些东西都放在里头，你就命令他写就完了。他就按照你的要求，按照你提供的技能，一点一点的可以写下去，这个都可以实现了。

Anthropic Cowork：文科生的“救星”

既然这些功能已经外溢了，那我们就没必要去让这些文科生使用程序员的工具了，干脆给你们做一个日常处理文件、日常处理事务的这个工具，不就完事了吗？所以Anthropic就出了一个叫Cowork的一个功能，他把原来Cloud Code的很多功能，让我们这些程序员用起来去做非程序这些事情的功能，整理在一块了，直接给发布了。1月12号发布的，当时也是很多人很震惊，说这个实在是太爽了。

我不知道大家有没有看过那些文科生的桌面——不是真正的桌面，是电脑的桌面。文科生的桌面上面一般是很干净的（编者注：此处可能口误，意指理科生或有整理习惯的人），我们会把这些东西分门别类，找地方放起来。而文科生的桌面，经常是上面摆满了图标，各种各样的文件、什么应用全都放在上头。原因也很简单，他不知道应该把这东西放哪，就干脆在桌面上建一个文件，就开始干活了。

而且很多的软件也有私心，为了让自己的软件有更高的活跃度，装完了以后，也会把软件的图标放在桌面上。文科生又没有整理能力，所以文科生的桌面是经常铺满了各种各样的小图标的。像我以前一些同事，特别是财务或者审计这些人，你把笔记本打开了以后，那个桌面上全是图标。

现在这些通通都可以交给Cowork。说来先给我整理好，我需要什么东西，你给我找去；我需要改什么文件，我需要怎么改，我需要搜集哪些信息，你给我弄去。甚至说我现在要去做一个新的项目了，没问题，你告诉他说这个项目在哪个目录里，现在以这个目录里的文件为基础，去给我做总结归纳，去给我去提供什么什么新的东西出来。都可以做的非常非常好了。

其他人相信也会很快跟进。每一次在这种工具上，都是Anthropic先出，然后是OpenAI、谷歌会跟进，还会有一些开源的系统也会跟进，包括国内的豆包、字节跳动、阿里，都会慢慢跟进。咱们就等着大家去跟进就好了。

SaaS行业的寒冬：不仅仅是股价下跌

Vibe Coding发展的好好的，那怎么软件行业就废了？软件股持续走低，而且很难翻身。摩根士丹利追踪了一批SaaS股票——什么叫SaaS？就是人家有一个大的网站，我们在上面去使用人家这些功能，叫软件即服务。是这样的一些公司，有一些公司是专门给这些大企业提供SaaS服务的。

现在才1月20号（大家看到这个节目的时候是1月21号），这些股票已经下跌了15%了。而这些股票是不是去年涨太多了？今年跌这些股票去年跌了11%，今年20天跌了15%。大摩预估这些企业只有18倍的PE，其他的这种科技企业都是几十倍的，认为这些企业就已经不行了。PE的这个估值已经是创下历史新低了。

说句闲话，大摩指的是摩根士丹利，小摩指的是摩根大通，其实小摩的资产规模要比大摩大一点。那你说去年一年才跌了11%，今年这是怎么了，才20天就跌了15%？因为刚才咱们讲这个Cowork这个产品发布了，绝对是压死骆驼的最后一根稻草。我们不再需要你们了，我们自己搞定这个事就可以了。

纳斯达克100指数勇攀新高，纳斯达克里头全都是科技股嘛。但是像ServiceNow、TurboTax的母公司、还有Adobe、Salesforce都在快速下行，没有谁能够爬的起来的。

那有些人说是不是赶快抄底去？跌成这样了是不是有机会？千万别去。软件企业虽然他们也开始用AI了，甚至也开始提供一些Agent产品了，但是没有任何一家软件公司因为用了AI提升收入的。不能光看他们就是吹牛，你说你用了AI了，你的财报上是不是有一块是因为AI来去提升出来的？没有。甚至他们的收入都在下降。所以这些软件公司使用AI以后，唯一能干的事情就是降本，没法增效嘛，只能降本了，不断的裁员，这就是他们能干的事情。

为什么SaaS公司很难翻身？

那是不是这些SaaS公司的客户，自己去用Vibe Coding替代了SaaS公司的服务了？大家注意，SaaS公司的他们怎么收费的？都是按年订阅的。既然这样了，是不是你的客户自己干活了？Vibe Coding既然把编程的门槛降低了，会计师、律师这些人自己写程序了，不再订你们的服务了？是不是这样的？还真不是。

虽然不断的有都市传说出来，说有会计师、有律师、英语老师什么的，在完全不懂代码的情况下写出应用来了。这种都市传说一直都有，他们也确实写出东西来。但是那个东西不能叫应用，就是说可以解决自己的一些问题。叫应用的，就是你是要把它分发出去的，要给别人用的，这个现在还不是很多。这些产品大多都是半成品，想要去替代成熟的SaaS系统，还是很困难的。

那么为什么SaaS软件公司就不行了？并没有真的说谁杀出来把你的服务替代了，因为他们的客户先不行了。软件公司的客户是什么样的？巨大的组织架构，自己没有软件能力，或者自己不愿意承担维护自己软件这个成本，必须依靠外部提供软件服务。

这种公司其实有一个巨大的特点，就是反应很慢。为什么？你这个公司如果调整体系架构、调整服务、调整产品的话，首先需要跟着调整的就是内部的软件流程，软件系统都要改。如果软件系统是外部提供的，那这个过程通常是以年来计算的。我现在需要调整一下东西，我们来找人来先做个咨询，做完咨询以后再去做架构设计，然后再怎么去调整，这个过程真的是按年算的。

即使是SaaS软件或者是低代码平台，我们可以进行配置——这什么意思？以前好多软件是要从头写，现在不需要从头写了，你只要是开会讨论，确定完了做配置就可以了——这个过程的话，也是可能几个月或者是半年，也没有比重新开发软件快多少。这个沟通的过程也是非常痛苦的。

这些大公司自己面临着通货膨胀、关税不确定性、消费萎缩、供应链不稳定。他遇到了这样的一大堆问题，自己还晕头转向的，没有高效反应的机制。这些企业往后活下去也是很困难的，更不要说继续去订阅新的SaaS服务了。

两个扎心的事实

SaaS软件公司用AI辅助编程，咱们是不是可以快速的完成软件迭代更新？这是不是也可以解决刚才这问题？既然用户要快，那咱们有AI吗，咱快不就完事了吗？这个不行。和软件行业之外的朋友说两个扎心的事实。

事实一：SaaS 盈利的核心是不改软件

SaaS盈利的方式大家知道是什么吗？就是不改软件。我写一套东西，一定要让它尽可能多的分发，尽可能长的收订阅费。在这个过程中改的越少，我挣的钱越多。因为第一个分发的量不是无限的，你除非像Gemini这样，我给普通个人使；如果真的是给某一个行业去使用的话，你的行业规模本身就是有限的，所以它不可能无限分发。那么怎么办？只能是我尽可能少改，在这个过程中让大家去不断的续费，然后我让这个续费变成利润，就这样来去挣钱的。所以你一旦要求他经常改的话，他就亏损了。

事实二：写代码是成本最低的部分

另外一个扎心的事实知道是什么吗？就是软件编制的过程中，写代码是成本最低的那部分。很多人说写软件写软件，我们coding了，这一部分是不是最值钱？不是，这部分最便宜。标准的沟通与确立、软件的部署、培训配置，以及各种的错误修改，这才是整个软件生命周期里头比较贵的部分。写软件这个事是不值钱的。

SaaS公司如果依然想要服务他们以前那些客户，基本上没办法转型。为什么？因为以前那个客户都是大公司嘛，咱们叫一入侯门深似海，规矩森严。你要想说，我给你改做个什么软件，写软件这块可快了，但是你得跟人开会，你得跟人商量说咱们这个流程应该怎么改、怎么合适、怎么去监督，然后你再要去跟使用这个软件的每一个部门去沟通说这个软件这样行不行，你们再有什么问题。就这个成本是非常非常高的。

做完了以后，你还要再把这个软件部署下去，挨个给他们开培训，再去给他们做客服。就这块跟你写程序写的快慢一点关系没有。而所有以前这些大公司，这块的规矩特别多，而且他们认为规矩大于天。不是说我稍微有点变化，我先把这事做了行不行？不行。你一旦先把这事做了，那这个大公司就没法管理了。所以传统的SaaS公司，只能跟他们的客户一起去死。

Palantir 模式与新时代的软件公司

那有人说不对，有这种为企业提供服务的AI公司，活得很好。谁？Palantir。这个公司不是活得非常非常好吗？这就是下个时代的软件公司了。Palantir他提供的服务是什么？他直接让他的工程师到现场去给人写。你有什么需求，我现场给你做。我不用说我先给你培训，先给你沟通，你到底要什么东西，我们先把规矩确定下来以后再去写。没那个。你需要什么，我给你写什么。写完了以后，这个软件有一个大的问题是什么？叫不可重用。就是写一次废一次，下一次你有新需求，我再重新给你写。

多写几次以后，后台的这个架构师会去研究一下，有哪些可以共用的东西，我再想办法把这共用的东西放到中间的中台系统里头去，让每一次底下这个重写的人可以写的更快一些。他是这样的。

Palantir的运作方式，其实有点像海湾战争以后的美军，完全是赋能前面的那个人。你前头冲锋陷阵去了，你知道客户有什么需求，你知道有什么问题，你自己去提要求，你自己去写，我后头只管支持就完了。而原来的传统的大企业也好，传统的SaaS公司也好，都是自上而下决策的。上面咱们先开个会，制定一个方针，然后咱们就按部就班的把它执行下去。Palantir跟他们是反的。

普通的SaaS公司，首先追求的就叫代码重用。我就写一次，我是不改的。跟Palantir完全是没法同日而语。

那你说这些大企业都不行了，为他们服务的SaaS企业也不行了，那日子不过了吗？这个叫不破不立，必须要把它们干掉才能继续往前走。AI企业绝对是一将功成万骨枯。谷歌、OpenAI、Anthropic、xAI、英伟达、博通、台积电，这些企业会把它们让出来的市值通通都吃掉的，甚至还可以再往上跑很大一块。

未来的协作：松散耦合与AI

微软比较矛盾，虽然它也是一个AI企业，但是它也是传统SaaS企业——最大的这种企业服务公司大概就是微软了。所以它的包袱也很重。在巨大的强力的AI基础架构上，新的企业会起步，用更灵活的方式解决以前必须组建巨大公司才能解决的问题。未来重新建立更松散的、更高效的、更大范围的协作。

其实我们人类一直在进步，进步的过程就是我们的协作范围在不断的增加，协作效率在不断的提升。以前我们为了协作，我们会定很多规则，你必须先上来跟我对个暗号，暗号对上了，我再跟你去协作。以后的话不需要了，我们可以进行松散合作了。你提供的东西跟我要的东西稍微有些差异，没问题，中间这部分的差异由谁来去搞定？由AI去搞定。以后会变成这样。

如果以后大家不再要求这种严丝合缝的配合，那么这种协作的范围就会变大。我需要一个螺钉六角形的，但是你给了我一个八角形的，没问题，我这有一个万能扳手，我可以把这个八角形的螺钉也拧进去。它会变成这样。这样的好处是什么？就是可以做的交易，可以实现的目标，会变得更多。整个的经济会再次腾飞的。

传统大企业的三条出路

那你说传统的大企业有出路没有？老范你自己失业了，老惦记这些大企业都去死，这事不对。我觉得传统大企业大概有三条出路。

• 第一种就是死掉，这个没办法。把人员释放出来，大家在更大的平台上松散连接，继续提供以前的服务。举个例子比如说新东方（当然现在还没挂），就是他释放了很多人出来，这些人干嘛去了？还是在教课，他们在一些更松散的平台上相互协作，继续在招生，继续在教英语。
• 另外一些人会成为基础设施，基本就不变了。比如说我就是挖石油的，我就是提供基础电信服务的，我是云服务商，我们不需要去快速变化，我们就这样了。
• 最后一种就是转型，能够应对灵活多变的新世界。这就是他们这些大企业可能的三种出路。

SaaS 的未来与松耦合系统

(img: 像水流一样的液态网络连接着各种形状不规则的数据块和文档，呈现出一种有机的流动感，适应着不同的容器，羊皮纸，钢笔彩色手绘的统一风格)

AI之后世界本身的演变速度会加快，不适应会非常非常痛苦。那么SaaS以后会走向何方？Cloud Code和Claude Cowork这一类的系统可能就是SaaS以后的答案：大量的提示词工程、本地知识库和零散代码库组成的新型系统。这可能就是未来的软件服务方式。

这种系统跟传统SaaS有什么区别吗？很多人都说AI来了，我们要把所有软件都重写一遍。对，这就是重写的过程。但是重写完了，并不是原来那个系统，这是一种可以轻松应对各种变化、处理非结构化数据的松耦合系统。

怎么轻松应对各种变化？因为后台是个大模型。你跟他说什么，他都不会说“对不起你少输了一个参数，我不给你回复了”，他都会给你接的上来的。就可以很轻松得应对各种变化了。

而且什么叫非结构化数据？原来结构化数据，姓名、年龄、性别、住址、履历，他原来这个东西必须是结构对齐的，差一个字都不行，那叫结构化数据。现在不用了，你给他一篇文章，谁谁谁某年某月去什么什么地方了，他什么时候出生的，你写了这篇文章进去，你扔给AI以后说：来，给我把结构化数据抽出来。他就好好的给你抽出来，没有问题。多一个数据、多些数据、少些数据，它都可以接着往下走。这是AI系统真正干活的方式。

总结

总结一下吧。Vibe Coding还没有杀死程序员这个职业，但是已经在消灭软件行业了。传统SaaS软件行业，会和他们的客户一起挂掉。这个过程是其实都没法转身。传统这些大企业，比如日本那些靠劳务派遣干活这些大企业，你是不可能适应现在这个系统的。至于给他们服务的这些提供商，也很难去适应。

AI行业会成为新王，新的能够适应AI时代的协作方式会诞生。这就是咱们今天要讲的故事。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。

背景图片

Prompt：hyper-detailed abandoned software company open office, decaying equipment with visible rust and dust, crumpled documents scattered on stained carpet, peeling paint on cubicle walls, broken ergonomic chairs, no human presence, high-contrast watercolor rendering, neon cyan rim lighting, deep navy color palette, cinematic wide-angle shot, sharp focus on foreground debris, glossy reflections on plastic surfaces, extensive negative space for text overlay, macro texture details, –ar 16:9 –v 7.0 –stylize 120 –chaos 4 –no people, clean, organized, new, bright lighting –p lh4so59

2026年开年A股AI第一波题材：GEO概念的起伏与真相

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲2026年开年，A股的AI第一波题材——GEO为什么会塌房、概念炒作的时间线、澄清公告的解读，以及GEO到底是干嘛的。

中国AI概念股的炒作难点

中国AI概念股其实不太好炒。为什么？

• 芯片企业：都是刚上市，市值很高，而且都还严重的亏损。这种刚上市的企业都属于是有独立行情，很难炒得动。因为你要这个时候去收割的话，里面会有很多的国资去收拾你的。为什么？因为能够给上市公司做保荐的，一般都是大国资、大央企，你要让这些人亏了钱的话，那真的不会有好果子吃。
• 大模型厂商：除了新上市这两个，也是不太方便炒，剩下都是大厂，阿里、百度、腾讯什么这些，这都是炒不动的。
• AI Agent：Manus刚跑了，其他的老的老、小的小。要不就特大上市公司，已经是大厂了；要不就现在还在垂死挣扎，就是还没上市，也没有法搞。

所以这次好不容易逮了一个新话题——GEO，赶快炒一波。这一波实际上从12月底就开始了，12月31号开始了，到1月14号迎来了这一波的GEO的最后行情的终结。

GEO行情的时间线与逻辑

为什么从12月底就开始了？因为谷歌的行情是12月底突然就爆了。谷歌爆完了以后，不光是TPU怎么样了，而是广告又行了。大家发现，原来AI并没有杀死广告，广告收入在快速上涨。

那么GEO就成为了新的热点。原因也很简单，因为AI搜索的流量已经极大的侵占了传统搜索的势力范围，以后大家都是通过AI来获得结果的，你做做这个传统的肯定没戏了。马斯克1月10号还宣布说，要公开X的推荐算法，这更进一步的加强了Grok的概念，因为X现在的新推荐算法就完完全全是在Grok上做的。那未来一定是做好GEO的人才有机会。在这样的情况下，妖股就出现了。

“妖股”盘点：毫无道理的暴涨

大家注意我讲的妖股。什么叫妖股？就是突然暴涨，涨的还没有任何道理。

• 蓝色光标：2025年12月31日到2026年1月12号，涨了114.79%，翻倍了。
• 易点天下：一月多个20%的涨停板，就砰砰砰往上涨。
• 浙文互联：1月有3天的两连板。
• 引力传媒：7天6板，涨了84.64%。
• 天龙集团：10天累计涨了90%。

这都属于是中国号称是GEO概念股，他们都自己宣称说我们有大模型、我们有GEO优化的AI agent、有GEO优化的这种服务在卖，就把他们直接吹上去了。

澄清函纷至沓来：概念的破灭

然后到1月14号、15号的时候，澄清函就纷至沓来了。在中国，你如果股票暴涨，你最好是真的有业绩；如果你没有业绩的话，你就要出来写澄清函。所以中国的股市是不能暴涨暴跌的。所谓澄清函就是“否认三连”：不是我，我没有，别瞎说。

• 蓝色光标：发了一个澄清函：AI驱动的收入占比很小，对业绩不构成实质影响；GRO业务处于布局阶段，尚未形成稳定的盈利模式；股价短期涨幅过高，偏离基本面，存在快速回落风险。
• 易点天下：比蓝色光标更狠，他直接停牌了。他说我申请停牌自查，然后发了一个澄清公告，明确不涉及GEO业务，未因AI产生额外的收入，被列入GEO概念股完全是市场误解，核心业务是帮助跨境电商去做营销的。
• 浙文互联：他说我们倒是有，他们叫Hochi GEO，GEO智能体确实已经上线了，但是尚未形成收入，还不挣钱，无成熟的盈利模式，市场认可度存在不确定性，主营业务是数智营销服务未发生重大变化。
• 引力传媒：说GEO业务仍处在组建筹备阶段，无成熟商业模式，未形成相关收入，主营业务仍然是广告代理，它实际上是替人投广告的。

A股游资炒作套路揭秘

A股其实总是有很多很多的行情，这些行情大多都是怎么来的？都是游资在发起。A股专门有一种特殊的现象就是游资，他不是这种国营的，也不是量化，他就是一个相对来说比较灰色的一帮人，他们去发起各种行情。

1. 寻找概念

国内其实比较难创造出概念来，大部分的概念都是国际概念，我们就抄一个。例如：

• TPU概念：谷歌芯片供应链。
• Rubin概念：英伟达最新一代GPU的中国供应商。
• 擎天柱概念：特斯拉机器人国内零部件供应商。
• 脑机接口概念、OpenAI硬件概念等。

2. 筛选公司

找到概念以后，就开始生拉硬套，在各个上市公司里面去找合适的这种公司往上去套这个概念去。找什么样的公司合适？

• 要找小盘股，大盘股拉不动。
• 最好与之相关一点，上市公司也愿意附庸风雅，发新闻稿配合。

3. 炒作流程

他们整体的流程叫：概念筛选 -> 业务包装 -> 舆论造势 -> 拉高出货。这就是一个标准的在中国炒概念的一个流程。

GEO到底是什么？从SEO说起

那GEO这是个好概念。谷歌已经证明了广告不会塌方，还是王者。GEO（Generative Engine Optimization）其实跟SEO（Search Engine Optimization）类似，国外有的时候叫AEO（AI Engine Optimization）。

SEO（搜索引擎优化）

SEO是让内容或者是商品服务对搜索引擎更加优化，更加友好，可以被更多的搜索热词命中。SEO里头有两部分：

• 白色部分（合规）：做关键词贴合，做更多热词命中，做格式调整，让它更适合SEO。
• 灰色部分（排名）：提升搜索排名的位置。这是相对灰色的，谷歌、百度都不希望你做，因为这影响人家卖广告挣钱。

GEO（生成式引擎优化）

GEO就是AIGC内容生成引擎的优化，让内容更容易被AI聊天工具复述出来。GEO的效果要比SEO更加不可控一些：

• 无法调优：SEO可以针对热词调优，且结果是一个列表；GEO大模型每次只吐出一个结果，没有排序，你不知道距离被吐出来还有多远。
• 长尾效应：GEO的内容特别长尾，热词不集中。
• 过滤机制：针对热词做GEO会被大模型直接过滤掉，如果词跟你没关系非要蹭，信息抽取时直接就被过滤了。

关于GEO提升营收的“都市传说”

很多人在小红书上说，通过GEO提升了多少曝光和营收。这纯属都市传说。现在还没有办法去证明GEO确实能够让营收快速上升。那些卖GEO课程的人举的例子无法被证实。

虽然不排除有突出的效果，但是无法量化“做之前”和“做之后”的区别。SEO可以通过来源分析流量，而GEO的价值目前无法衡量，广告平台目前也没有开始对GEO相关的广告投放。

GEO实操指南：如何让大模型读懂你

GEO到底怎么做？这其实也是个信息系统问题：信息的输入、处理和输出。GEO要优化的是信息输入的部分。大模型摄取信息分三次：预训练、强化学习、RAG（检索辅助生成）。GEO主要针对的是RAG这个过程。

基础设置

1. robots.txt：必须允许OpenAI、Bing等爬虫抓取你的网站。
2. llms.txt：这是一个新标准文件，告诉大模型应该怎么用你的网站内容，哪个页面要、哪个不要。

大模型喜欢什么样的内容？

我们要把内容写成大模型喜欢的样子：

• 实体优先：把你是谁、卖什么、服务地区、价格、条款写清楚。
• 原子化事实：清晰的小节，列表、表格、FAQ（问答）。
• 结构化数据：使用Key-Value（键值对）形式，例如“地址：北京市昌平区…”。
• 逻辑清晰：因为A导致了B变成C，这种逻辑关系大模型喜欢。
• 单一事实来源：价格、库存、活动、规则写在一个页面里，不要分散。
• 时间戳和版本：生效时间、截止时间、更新日期。
• 引用和凭证：提供资质、第三方评价、公开证据，并附上链接，通过大模型的核查。
• JSON格式/API：最好直接提供JSON格式的数据交互API，或者提供MCP（Model Context Protocol），让大模型直接调用。
• 可验证的身份和一致性：统一的商家名称、门店ID、电话等，跨平台必须一致。

谁最应该做GEO？

目前最应该去做GEO的是那些高客单价、强信息不对称、决策链条特别长的品类。因为客户会用大量的时间跟AI聊天来明确决策。

• 旅游：信息不对称，行程安排复杂。
• 保险
• B2B软件
• 医疗服务

GEO的商业困境：谁能赚到钱？

为什么A股公司纷纷澄清？因为GEO生意目前很难做。广告生意有三个要素，GEO目前都无法满足：

1. 归因：AI还没形成交易闭环，很难证明交易是AI带来的。
2. 可规模化：AI推荐规模不可控，非常长尾。
3. 可持续性：AI引擎机制（大模型、搜索、排序）每天都在变。

最终谁能挣钱？

最终还是广告平台（谷歌、Meta、字节、阿里、腾讯）。当广告平台开始接受投放和竞价排名，并实现交易闭环（如谷歌UCP、阿里千问APP打通淘宝/飞猪/饿了么）时，这条路才能走通。

GEO服务商（如蓝标等）只能赚取咨询费和数据加工费，天花板较低，最终还是要靠代理投放挣钱。

总结

A股开年的第一波AI概念行情就翻车了。在中国的股市上，各种概念满天飞，但大多是游资割韭菜，不要太认真。最终的大钱只有谷歌这些平台才能挣到。其他的GEO概念股只是物料制作和投放代理，赚点边边角角的钱就完事了。

不过，GEO确实是有效果的，只是效果比较难以衡量和评估。对于提供内容和服务的人，还是建议好好的把GEO做起来，顺应时代潮流。

千问APP全面打通淘宝闪购，飞猪、高德、支付宝以及AI付。我实测为什么没跑通？阿里现场演示什么叫大公司病。

大家好，欢迎收听老范讲故事的YouTube频道。

千问APP全面打通：有问必达，开启办事时代

千问APP现在全面打通了。1月15号在杭州阿里总部开了发布会，发布会的主题叫“有问必达”。不是答题的答，是到达的达。有问必达，开启办事时代。意思是什么？就是原来咱们只能聊天，现在你要什么，我给你送来什么。

阿里巴巴集团副总裁、千问C端事业群总裁吴佳做的现场发布，号称是全面打通。把淘宝、淘宝闪购（也就是原来的饿了么）、飞猪旅行（我们可以在上面订机加酒，就是机票加酒店）、还有高德地图（你可以在上面去叫出租车或者是做各种的服务，包括一些高德上面的数据，说哪有饭馆什么他都给你搞定）。还可以接通支付宝，以及支付宝的AI付。

现场也演示了一下，吴佳现场指令说：“帮我点40杯霸王茶姬的伯牙绝弦。”千问APP秒级完成淘宝闪购下单，并且通过AI支付，不到20分钟骑手送达现场。这个还是很棒的。

如何设置与授权？

我不知道现场有多少人，反正他点了40杯。那么这里头有一个问题大家就听到了，说为什么支付宝跟支付宝AI付要做两次授权？这个咱们要讲一讲。如果你今天想去试一试，应该怎么办这事？

拿你的手机下载千问APP，然后进去做授权。里头有一个地方做设置，点那个人脑袋——他这藏的还挺深的——点进去了以后，说我现在要授权了。

• 先授权淘宝、授权飞猪、授权高德地图、授权淘宝闪购，每个都要分别授权。
• 然后授权支付宝，授权了支付宝以后，你现在有一些交易，特别是这种你跟那里聊天的这些交易，就可以用支付宝去支付了。
• 然后你要再去授权一个东西，叫支付宝AI付。这个东西是什么？就是它有一些自动化的交易，也可以通过支付宝去支付了。

你要把所有都授权完了，他才可以去干活去。

核心发布：支付宝ACT（代理商业信任协议）

那支付宝AI付，才是这一次的最核心的发布点。现在大家也不再提支付宝独立这个事，支付宝依然是阿里系的公司，马云回来了以后，这事就不提了。这一次支付宝AI付，就是让AI Agent可以自动的扣款了。原来你是必须要跟他聊，聊完了以后说我确认扣款，他才可以去扣款；一旦是开了AI付了以后，它就可以不用经过你确认，可以免密的自动给你扣了。

这一次支付宝发布了一个叫ACT的东西，叫Agency Commerce Trust Protocol，叫做代理商业信任协议。它是干嘛的？

• 委托授权域（域是地域的域）：解决AI操作是否获得用户明确授权这一类的问题，支持把权限条件提前赋予智能体。比如说我授权给AI说：“你去记着每天早晨给我买一杯牛奶回来。”那么AI每天早上起来就会去给我买一杯新鲜的牛奶回来，不用早上起来叫醒我去确认这件事。这就是叫委托授权。
• 商业交互域：统一多平台服务标准，减少体验割裂，让AI能够以一致的方式来完成下单相关的交互。你不要跳来跳去的，一会跳支付宝，一会跳淘宝，一会跳淘宝闪购，我们一次把这事搞定。
• 支付服务域：保障资金交易安全，强调付款仍由用户主导或者是按照用户授权来执行。虽然我们现在有很多这种免密支付、自动支付，现在还有一个AI支付，但是都是经过授权的，你不授权他是绝对不会去做的。
• 信任服务域：支持可追溯可验证的全流程信任与审计能力。因为你动钱了嘛，这个钱到底是经过一个什么样的授权、经过谁同意的、买了一个什么东西，这个是可以追溯回来的。哪怕是最后出错了，他也可以把所有的证据链都给你摆在那：“你看没我什么责任吧，都是你自己原来同意的。”

这个是完整的ACT的四个服务。有了ACT以后，支付宝是可以去做两件事：

1. 即时付款：我们比如说跟千问APP在那聊着聊着，基于推荐列表自主决策了，我决定要买什么东西了，确认以后，完成支付授权与身份验证。因为这个过程我们人在这嘛，它就马上让你去同意去了。这个适用于外卖和日常购物等高频的场景。这个就是现场购物，它实际上不存在说免密支付或者自动支付这部分。这是一块。
2. 委托授权：委托授权就是用户可以预设时间窗口、金额上限、商家范围等条件，即便离线，AI也可以在条件内自动的监测并下单结算。适用于机票酒店等等场景。其实还有很多这种场景，比如说：“你给我看着机票哪天便宜了，你去给我买去。”他自己就可以去监控去了，便宜了以后自己去给你买去，这个是不需要叫醒你的。

标准之争：ACT, ACP 与 UCP

既然阿里出了这个ACT的标准，那谁用？谁也不用。除了阿里之外，现在这种支付标准有几套：

第一套就是阿里的ACT，因为只有阿里系内部的在进行对接，实际上对接的也不好。

第二个叫ACP，叫Agent Commerce Protocol（代理商务协议）。阿里是“T”嘛，它是代理商务“信任”协议；这个ACP是代理商务协议。ACP这个协议是谁做的？是OpenAI跟Stripe他们来做的。

还有一个就是咱们前两天讲的，谷歌的UCP（通用商业协议）。谷歌在推，而且还有一大堆的合作伙伴，它这个现在应该是用的最普及的一个吧。而UCP里头，有一个叫APR的一个协议，是专门负责支付的。因为UCP是完整的电商协议，它这个包括东西很多，APR是支付层的可验证授权协议。这一块是现在在上面去签字、去加入生态位的人是最多的。

其实支付宝也加入了这个UCP的协议。当然这只是支付宝国际，国内的咱们就好好玩自己的ACT就完事了。

理想愿景：聊天购物与自动消费

那么理想的状态会是什么样的？千问开了发布会，他们真正想给大家表达的是什么？

1. 聊天过程中购物

我们聊着聊着直接就点了外卖了、购物了、定了行程了。说我现在想上哪去玩，这个地方有什么样的酒店，酒店都是什么样的价位，哪个哪个酒店的这个房间更好一些。你跟人聊着，聊完了以后，说行了把行程定下来吧。人后边切着咔嚓、切着咔嚓就给你去下单去了。这个就是阿里所希望达到的一个愿景。

而且它还可以自动的匹配各种优惠券。咱买东西你说没有优惠券，这事多没有意思吧？挑优惠券、挑各种活动、挑各种满减，这才有意思。现在在新闻稿里写了，说我们现在千问APP是可以搜索商品和服务的，而且可以进行价格的比较。同样的东西谁家便宜，可以匹配各种的优惠券，国补、店补，还有各种的满减活动，我们都会自动匹配，而且可以自动凑单。因为有的时候是满1000减多少，发现差那么一点点，他会给你推荐一些产品来凑单来。甚至可以标记想要买的东西，有活动或者是降价的时候，它自动的通知你，甚至是可以自动就直接交易掉了。现在这个是阿里的新闻稿里有的。所以甭管你问ChatGPT，还是问Gemini，问任何一个AI大模型，他都告诉你说千问APP是有这些能力的，因为他们都是调用的阿里官方的新闻稿。但是这个玩意真的没有那么好用。

2. 自动消费

自动消费才是未来真正的方向。设想这样的一个场景吧：家里头总是每天早上起来，一定要吃新鲜的面包（新出炉的面包），还要吃新鲜的牛奶（我们不要搁在冰箱里边的牛奶）。那怎么办？早上起来去买吗？这肯定不行。

你可以设定好，我就从这三家买——不是说一家，从这三家买面包；一定要新鲜出炉的牛奶，也要今天新出品的。设定好这个时间窗口（每周工作日一二三四五我要吃，周六周日我要睡懒觉，你别给我定）；设定好金额的上限（每一次多少多少钱，你不能说一把被人坑了，这事也不行）；然后设定好商家的范围（你可以多选几家）。每一次这个系统会在里边去挑选合适的商家，完成今天的订单。你设定好了以后，每周的工作日早上起来，交易就自动完成了。然后在你需要吃面包的时候、需要喝牛奶的时候，它就自动的给你送到家门口了。这是一个多么好的生意！以后一定是越来越多的自动交易会被执行。

再设想一下，我们今天做一个比赛吧：City Walk。City Walk完了以后拍视频，看看谁的视频点赞高。点赞高的这个人，我们送他一张机票，或者送他一个蛋糕。我们就直接把交易设置好就完了，剩下大家就不用管了。你们只管去City Walk去拍视频，最后自动去检查结果，这个视频播放量是最高的，然后跟这个账号绑定的，你就直接等着在家里收蛋糕就完事了。所以一旦是自动交易了，想象空间是无限的。我们的整个电商的交易量、交易额都会快速的膨胀和爆炸。

实测现场：一次悲催的体验

这么好的愿景，那老范在录节目之前总要试一试。那测试的过程非常的悲催。因为我今天也不太想点外卖，说我干脆上淘宝上买个东西吧。我想买什么？去买个保温杯。因为我平时用这个保温杯，是这个宽口保温杯，它比较大，这底下这一部分是很粗的。现在我的小米汽车，它塞不进去。所以我说那我得买一个车载的保温杯。我先是到千问APP里，就说我现在想买一车载的，什么什么样的情况，你给我挑选。实在是找不出合适的来，就给你胡说八道。在这说算了，咱们给他做命题作文吧。

我先打开淘宝的APP，先挑了一个保温杯：TKK车载保温杯，1200毫升陶瓷内胆。我挑好了，我就要这样的保温杯。你给我挑一下，有什么样的款式，什么样的颜色。我说那给我来个绿的吧，看看有什么优惠没有，有什么券没有，都给我用上，找一便宜的。

然后神奇的事情就发生了。他告诉我说京东的便宜，拼多多的可能差一点，但是京东的便宜，咱上京东买去吧。我说你不是跟淘宝打通了吗？你没跟京东打通，我怎么上京东买？他说没事，我告诉你，我先给你一链接，你一点就到京东了，然后在那边去支付就完了。给了我1、2、3的步骤。

我说也行吧，也许它能够给我一个很好的千问APP里头上京东买保温杯的这个体验。啪我一点，点进去了，发现是一个空网页。因为京东的APP是这样，你一旦命令它到达一个商品页的时候，如果这个商品已经没有了，京东会给你一个广告页，告诉你说这些东西咱们来买一买吧。我说你这个失效了，别费劲了。我说你给我找一个能买的页面。他说不行，我跟京东没打通。这个时候他想起跟京东没打通来了，前头给我推荐京东的。

我说那算了，我说贵点贵点吧，你给我推荐淘宝和天猫的吧。我宁肯是买贵一点，因为为了录节目嘛，我总得把这个体验做完嘛。他说那行，我给你整一贵点的，上淘宝天猫里去搜去了。搜完了以后，给我拿出了一个价格来，说这个是145，说你按这个买吧，说这个是天猫旗舰店挺好的。我说也行。因为这个时候我就知道出事了。

什么情况？因为这个淘宝的卖家，他同时会上一大堆的品，比如说这一个保温杯里头有700毫升的、有1200毫升的。他700毫升的是150，1200毫升的是170。但是你在搜索这个商品的时候，他告诉你是150，他一定是标那最低的嘛，我标那高的你肯定不进来了嘛。我告诉他我要买1200毫升的，千问压根就没有分别出来。他说我已经找到了这个1200毫升的，他们家卖150。然后我就等着看他笑话。

我说那那咱买吧，这差20块钱我看谁出。我说那我下单，你给我买去。然后又是这样出了一个链接，说你点这链接，点完了以后就可以自动交易了。我想既然淘宝家的吗，我点完了以后，进去可能不会跳出千问APP，可能在这个里头就走完了吧。也是1、2、3步。第一步是点链接，第二步是确认地址，第三步是支付嘛。我还跟他说，我地址是哪哪你就直接确认就好了。他说也没问题，你你点链接吧。

我啪一点进去，告诉你说这个商品页已经失效。我说京东的你失效了就算了，你淘宝的你也失效。我说告诉他，你这个上面的产品页失效了，你再给我来一次。说这对不起搞错了，七嚓咔嚓给我推荐了三个。他说这三个页都行，有贵的有便宜的。但是无一例外都是用700毫升的价格，告诉我可以买1200毫升的这个杯子的。我说那行咱们挨个点。三个点开了以后全都是错的，全是失效的。我说你都失效了怎么办？他说算了，我给你一个搜索关键词，你自己到淘宝APP里去搜去吧。我说我自己到淘宝APP里搜，我要你干嘛？最后就是裤子都脱了，你就给我看个这个。就是这样的一个情况。所以我也没有买成杯子。大概就是我整个悲催的实验过程。

深度解析：阿里的大公司病

为什么我讲说这个错误是一个大公司病造成的？

• 淘宝数据压根就没打通。你的千问APP，你根本就没有能力在淘宝的平台上找到实时的数据，连商品都没搞定。
• 商品排序混乱。居然把京东跟拼多多都放在里头。而且京东还跑头一个，说你买杯子买最便宜的，买京东的，不要买淘宝的。你到底在干嘛？
• 数据清洗缺失。获得了数据之后，也没有办法进行清洗。淘宝的商品详情页上是一大堆的品类，而且每个品类是有价格的。我要求买1200毫升的杯子，你给了我一个700毫升杯子的价格就让我去买，这不是开玩笑的吗？做大模型的工程师，包括做千问APP的工程师，压根就不了解淘宝购物是怎么回事。你按道理说，你应该是找到这样的一个杯子的商品详情页，然后在里边去把1200毫升杯子的价格给我找出来。他就没干这个活，直接就把这个商品详情页上标的这个价格就给我扔出来了。那我说我下单去买，你咋卖给我？这根本没法整。
• 团队完全割裂。大模型的团队只做大模型，其他啥都不碰。APP的团队，根本就没有把Agent系统提示词调好，没有获得淘宝内部的实时数据接口。搜索和排序的时候，全网数据污染了淘宝数据之后也没有筛选，直接就向我推荐京东了，而且京东的链接也是个错的，也没有找到京东正确的链接。

所以他们就把这样半半拉拉的一个功能就做出来了。内部都没有完全打通，更不要说跟外边合作了。就只做到了一个Demo的程度，可能除了点外卖点奶茶之外，其他啥也搞不定，就着急忙慌的出来把发布会给开了。所以这就是大公司干的活。你看我弄完了，这为什么不行？淘宝的事，他们不给我接口。一定是这样的，相互推诿扯皮。你问淘宝说你为什么不给他们接口？他们又不能证明能给我带来收益，我为什么要给他接口？我这忙着，我这还有各种任务排着，轮不上他。大公司就是这么玩的。

未来展望：谁是赢家？

那么未来大家会走向何方？淘宝的事咱们就先不管他了。未来在电商里头会有三类的玩家。

• 第一类叫流量入口，或者是叫大模型玩家，比如说谷歌、OpenAI。他们会做出标准来，姜太公钓鱼愿者上钩，大家来接就完了。为什么大家愿意上去接？因为人家有流量，我只要接上，我就可以让销售额上升，大家自然会愿意去接他的东西。
• 第二类就是原来的这些电商平台的超级APP，他们的AI这块稍微弱一点，这帮人就比较痛苦了。比如说亚马逊、美团、滴滴、京东、拼多多这些，他们就会比较麻烦。是什么？他们会推出自己的AI Agent，希望保住流量入口。这一块估计还是会被OpenAI、被谷歌，包括国内的像豆包他们挤压的。
• 还有一类就是两头都占的，像阿里其实属于两头都占。自己有大模型，也是一个流量入口，只是千问APP前面对于流量入口这件事不是太上心，所以让豆包直接一骑绝尘跑出去了。他们就是把大模型做出来以后，压根就没惦记说我还要再去做后边APP，还要再去把用户做起来，压根都没想这事。所以我说他们大公司嘛，各自玩各自的，根本就没法统合在一起。而且阿里自己有电商平台，还不仅仅是电商平台，他们是有电子商务的服务矩阵。我这有商品的售卖，还有外卖，还有线下消费（实际上线下消费就是像团购，这些东西他们是准备在高德里边干的），还有机加酒（就是你出去玩什么这些东西，就是在飞猪里边干），他所有东西都有，包括支付什么全都有。那么在这样的情况下，资源实在太多了，山头也实在是太多了，于是阿里就不会玩了。这个事情地大物博，不知道怎么办了。

当然了还有一些玩家在观望，比如像Anthropic，比如像字节跳动，他们还在观望。他们已经是流量入口了，只要是流量入口，你说我增加功能，然后把这个电商挤压掉，这个都没有任何问题。这就属于轻生意去挤压重生意的一个过程。这个不是那么着急，等着看最后的方向在哪里。

最终的方向，应该是谷歌和OpenAI的开放协议会成为事实标准。亚马逊、美团等缺乏AI能力的巨头，流量会逐渐的被挤压掉，最终会不甘不愿的沦为AI Agent的底层供货商。就是我的交付能力还是很强的，你们去跳转吧，跳转到我这，我把这个生意做完就完了。大家注意电商平台最主要挣的钱不是最后的这个电商服务或者交付这个过程，他挣的钱是广告费。那么以后这个广告费他就挣不着了，他只能挣一个服务费的一个死钱了。所以我说他们沦为基础设施，这个过程是不情不愿的嘛。大量的自动交易会在AI平台上被执行掉，交易量会暴增，经济会腾飞，这是未来的方向。至于阿里嘛，让他们先把内部的大公司病，内部的墙拆一拆再说吧。这个真的是，我满怀欣喜的想去试一试，结果发现来了坨大的。

总结

阿里又开了一次发布会，这一次发布会叫“有问必达”，开启办事时代。做了个连自己体系都没有完全打通的ACT标准。产品概念有了，但是完成度极低。电商和交易一定会在AI的助力下快速发展或者叫快速爆发，但是这里是不是有阿里的机会，还要等等再看。阿里遇到的不是技术问题，也不是依靠技术手段能够解决的问题。很多中国的大厂都是会有类似这样的情况。未来的电商到底向哪块走，我们拭目以待。

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。

背景图片

AI是不是正在杀死软件行业？做程序员还有没有未来？

大家好，欢迎收听“老范讲故事”的YouTube频道。今天咱们来讲一讲，两个软件行业的项目同时爆雷了。

两个软件行业的爆雷故事

第一个叫 Tailwind，裁掉了75%的老员工。这是一个什么东西？这是现在使用非常普遍的一个Web前端库。我们在网页上要想把网页做的很漂亮，它给你做了很多的定义。这是一个项目。所谓裁了75%的员工，是一共就四个人，裁了仨。这样的一个情况，一个非常小而美的团队。

另外一个是 Stack Overflow，这是全世界最大的程序员问答网站。什么程序不会写了进去问去，或者查一下以前人问的是什么样的，以前人的问题是怎么被回答的。这个网站现在流量基本上清零了。

这两个项目现在都不行了。

Tailwind：隐形冠军的困境

咱们先说说Tailwind，它的用户量大涨。因为现在大家都号称“vibe coding”，都是直接用Cursor，用Codex，用这样的产品就写软件了。很多说“我从来没有写过软件的人，我就可以自己写个网站了”。大家都会喜欢调用Tailwind，因为你从头开始去给这个网页的格式做设置的话，非常麻烦。那你要用一些很重的库的话，也没必要，因为这种项目一般都很小。所以一般他们会选择这种很轻的前端格式库，或者前端风格库。这个里头用的最多的就是Tailwind。他们现在可能呃，一个月下载量能到2,600多万次，非常非常大的一个使用量。

商业模式的失效

但是这样的一个公司，突然就宣布我们要死了。原因也很简单，就是他以前的商业模式不是那么合适。他原来怎么挣钱？就是你这个软件可以开源的，可以下载，可以免费用，但是你要去看文档。这个软件不太会使，你要去看看怎么用。在文档里头去介绍说，我们还有一些定制的样式，比如说有一些按钮，有一些标题会更好看一些，这些是要收费的。但是如果你不去看这个文档，你就不会发现里头还有付费的这种定制样式。

以前大家使用这个Tailwind，虽然相对没有那么复杂，但是你还是要去看文档的，还是会发现有一些更好看一点点的定制的样式。如果你不用这些东西的话，大家做出来的网站都一样，千篇一律就没意思了。你说我想稍微有一点点风格，有一点点个性，你去花钱买他付费的这些组件库，他是这样来挣钱的。

但是现在，大家都是用Cursor，用这个Codex，用这些玩意编程了。呃这些开发的人，原来可能压根就不是程序员，都没听说过什么叫Tailwind，就直接用上了，根本就不看文档。

Tailwind的负责人说：“我们现在用户量大增之后，我们的文档使用量下降了60%，现在只剩原来40%了。大家不看了，也就不再去买这些付费的组件库了，所以我活不下去了，没法给大家发薪水了，只能把他们都裁掉了。”

用户的冷漠与转型

以前这个商业模式可以千奇百怪，我怎么着都能把这钱挣回来。他一共就四个人，活下来也相对比较容易一点点，所以他就可以用这种免费但是付费组件库的方式来去盈利。而且他这个付费组件库藏的还很深，一般人你都不知道有这么个东西。我看到这个新闻以后也是查了半天，我说这帮家伙到底咋挣钱？才知道原来是这么挣钱的。但是人家也原来活得好好的，现在vibe coding之后，不适应的商业模式只有死路一条。像这个Tailwind就属于不适应。

用户是不会理会这件事，只会上来谩骂。有人上来说：“你能不能在这个目录里头加一个大语言模型的一个说明文件，让其他大语言模型可以更方便的来读取Tailwind的各种功能，让他们可以更顺畅的使用？”这个要求提完了以后，隔了很长时间没人理他，然后就说：“你怎么不理我？”人家说：“我现在已经快活不下去了，快被大语言模型逼死了，我都裁员了，裁了75%了。”最后就直接把这个项目给关掉了，说我们就不准备去实现这个功能了。那这个客户可不管，说：“我是不是白嫖你的劳动？”上来就疯狂的谩骂，说你们怎么可以这样，让开发者也是心灰意冷。

最后这个项目并没有死掉，他依靠FFmpeg的路子还活下来了。什么是FFmpeg？这也是一个非常有名的开源项目，专门做各种音视频格式编解码的一个项目，包括做转码都是可以使用的。它也免费，但是它靠什么而活下来？就靠捐赠。你使用了很开心，你就捐赠一点点，没多有少的，反正我们人也不多，能养活团队就完事了，也不惦记长大。后来Tailwind说：“那我也开捐赠。”一帮人就跑上来捐，像什么Cursor、谷歌这些人就跑上来捐。他们是5,000美金一年，大家就来捐这个钱就可以了。

技术门槛降低带来的冲击

当然了这个故事并没有结束。像这样的团队，最终如果不被大厂收购的话，估计迟早还是会被淘汰的。虽然很多人会去用这个东西，但是现在用户迁移成本变低了。以前我们用了一个什么模块以后，或者用了一个底层的这种架构以后，我们是没法迁移的，迁移一次成本非常高。

但是现在有AI了，很简单。我现在就是有一个Web网站，我就会告诉vibe coding的这个程序，说：“来，我看到一Web网站了，我想抄一份给我，把它抄成一个手机APP。”那快着，噼里啪啦就给你抄好了。抄完了以后所有图片、所有的这个格式都给你弄下来，可漂亮了。在整个这个过程中，我压根就没有动过一行代码，也没有看过里头写的任何一行代码，就给我弄完了。

所以现在，你别说是在Web上换这种风格库了，我从Web转安卓，从Web转iOS，都一句话搞定。现在是这样的一个状态，所以能卖身赶快卖身。而Tailwind的这个悲剧，实际上就是隐形冠军的悲剧。现在它就要被淘汰，因为你的客户变了。原来是像我这样，可能还算是个程序员；现在很多使用Tailwind的人，压根就没听说过这个单词，“这啥玩意”，但是他也在用，要不然他用户量怎么上去？所以在做隐形冠军的时候，就一定要想清楚说：时代发生什么样变化了？一定要适应时代。

Stack Overflow：从社区到AI数据源

说完Tailwind，咱们再来说一说Stack Overflow。这是个什么东西？全球最大的编程问答网站。500多个员工，2023年5月份宣布裁员10%，58人；2023年10月宣布裁员28%。再往后，没有再传出这种大规模裁员的消息，但是我估计应该也没有特别大的发展。

它有1亿月活，这个是非常高的一个活跃度，2,500万注册用户。老范也是Stack Overflow的注册用户，以前也在上面去问问问题，甚至有时候还稍微回答一点点。但是你在那上头问问题和回答问题是非常痛苦的。为啥？他是要求必须遵守一套礼貌，有一套格式。因为如果大家都没有规矩，上来随便问的话，那他这个网站早就崩掉了。所以一定要遵守一定的规矩才能去问问题，回答问题也要遵守一定的规矩，所以并没那么好使。

流量下滑与收入反涨的悖论

现在肯定没人使了，现在都是直接问AI了。原来一年可以搜集20万个问题——回答不算，就算问题——一年20万。上个月只搜集到了6,866个问题，也就是一年可能有个7万多个问题也就到头了。比这个高峰的时候一年20万个问题，真的是差非常非常远。

那这个项目是不是要死？两年前我跟老庄做节目的时候，就在预测这项目要死，因为大家都问AI了，不问他了。但是事情比大家想象的要复杂很多，而且这个结果还充满了矛盾。大家都不去了，这1亿月活是怎么来的？大家想没想过这问题？

原因很简单，现在Stack Overflow它提供了 MCP服务。你像我现在使用OpenCode、Codex、Cursor这些产品，我就会把Stack Overflow直接作为MCP Server挂进去。有什么问题我就问，他也会从Stack Overflow里边去找答案，效果很好的。这个要比直接问AI的效果要好。所以我虽然不上Stack Overflow的网站了，但是我通过MCP依然是可以得到答案的。

但是要注意，你通过MCP得到的答案，里头没有广告，所以他们以前靠广告费活着，现在这条路走不通了。而且通过MCP得到的答案，是不用付费的。提问量下降了，收入却在上升。2024年是挣了8,000多万美金，2025年挣了一点几亿美金。那怎么上去的？

• 第一块是B端的收入。因为像我们比如说写程序的时候，我可以上网可以问AI，可以到Stack Overflow上去查。虽然现在不查了，但是还是可以通过MCP去查。有很多的公司，还是有一些老顽固在里头的，说我们不能上网，我们是不允许在公共的AI上去查询问题的，也不允许到公网上去进行任何交流。那么这个时候Stack Overflow就来了，说：“来，我们来给你做内部的Stack Overflow。咱们把这个服务器直接部署到你公司里边去，你自己去提问题，然后你自己在这个里边去回答。这样的话保证你的知识可以进行传承，又不会造成内部的这些信息泄露。”所以在这块儿，Stack Overflow还是挣了很多钱的，而且这块儿的收入越来越高。
• 第二块儿就是向AI大厂卖数据嘛。像Reddit一样，直接把数据授权给谷歌、OpenAI，他们每年会给Stack Overflow钱。而且这一块的数据，是全世界最高质量的编程数据。全世界最高质量的编程数据实际上有两块：一块是GitHub，这是大量的开源数据在上头；第二块就是Stack Overflow。很多人说我们怎么能够做GEO？就是专门为生成式AI做的这种优化，让我们的结果可以被引用。生成式AI最喜欢什么样的结果？就是这种问答式的：我提了一个问题，后头有几个回答，而且还打了分，哪个回答好、哪个回答不好，AI最喜欢这样的结果了。
• 第三块收入就是广告费。现在Stack Overflow的广告费肯定已经跌得没法看了。最早封禁AI答案的就是他们。因为AI刚出来的时候，大量的AI答案就直接充斥到Stack Overflow里去了，一个答案也没有验证过，就直接贴上去了。所以大量的错误答案就直接被贴上去了。现在虽然这个里头还是要求叫纯人社区，所有AI的答案依然是不允许存在的，但是Stack Overflow也开始提供AI回答问题的机器人了，也开始提供MCP服务了。所以这几块也算是与时俱进了。

但你说Stack Overflow是不是就可以开开心心的活下去，继续发展壮大？也未必。但是死应该没那么容易死。只要那些B端的大公司继续有需求，Stack Overflow应该是死不掉的。当然了，Stack Overflow有一点是要比前面那个Tailwind的要强的，就是他早早就把自己卖了。2021年8月份，17亿美金把自己卖掉了。卖掉了的好处是什么？就是你再也不用担心说我就挂了。但是坏处就是你上头有一个爹，随时说你这里做的不对——裁员，那里做的不对——裁员，挣的钱不够多——裁员，会有这样的情况。

AI是不是正在杀死软件行业？

那这两个案例就是这样的。下面咱们来讲一讲：AI是不是正在杀死软件行业？

结论是很清晰的，是的。我原来并不认为AI在杀死软件行业，但是现在我已经发生了转变。AI确实是在杀死软件行业，只是在不同的领域里头速度不一样。

“杀死你，与你无关” —— 《三体》

“老兵不死，只是慢慢被人遗忘” —— 麦克阿瑟

Tailwind用户量大涨，自己却差点挂掉，就是这样的一个事情。Stack Overflow基本上就在走“老兵不死”这条路。

现在新的程序员，谁听说过什么叫Stack Overflow？至少是要在5年前就开始编程的人，才能听说过这东西；两年前开始编程的人，压根就没听说过这玩意。大量的新程序员涌入，他们不再需要了解自己用了什么样的架构和组件，遇到问题也不需要社区解答了。这些新程序员，比如说原来是会计师，原来是产品经理，原来是设计师这些人，他压根不知道什么叫Tailwind，他也压根不知道什么叫Stack Overflow，人家就把程序做出来了。

新时代的软件：简单的应用与端到端编程

一些新的应用本身也没那么复杂。最近有一个特别神奇的应用，叫“死了吗”。这个应用是刚刚登上了中国大陆iOS付费榜第一名的位置。这应用很简单，你下载了以后，交费8块钱终身买断。交完这8块钱以后，每天上去说“我还活着”，每天上去“我还活着”。然后登记一个紧急联系人的邮箱。如果你一两天不上去登记了，他就直接给你紧急联系人写邮件，说“这哥们可能死了”。就这么个软件，你说他能有多复杂？三个95后在郑州写的软件。这仨人各自有工作，业余时间说：“这可能好玩咱们写一个，那可能比较好玩咱写一个”，他这样出来的。那以后的软件都是这样。像“死了吗”这样的软件，你真不需要上大学去学计算机，你可以完全不看代码，就把这东西写出来。

现在这种完全不看代码的编程，正在逐渐到来。我在X上已经看到一些老程序员在发起挑战了，说：“我们能不能完全不看任何代码，就把这个程序写完？”这块现在已经快要实现了。

这过程其实有点像自动驾驶汽车：L1、L2、L3、L4。

• 一开始是我们必须全神贯注在这驾驶；
• 然后是它可以给我们一些警告；
• 再往后是可以部分接管，但是还要求司机很专注的去看着它；
• 再往后是司机可以不用专注的看着这个车了，但是有的时候他还会喊你；
• 最后是把方向盘去掉。

AI编程这一块，现在也快要走到L3，很快要走到L4了。L3就是你人不用盯着它了，但是这个车还是有方向盘的；到L4这车就没有方向盘了。现在AI编程正在跨过这个门槛，最终真正实现端到端的编程了。

那程序员就没法再介入了。什么意思？现在我们写的很多软件，里头还是会有什么注释、软件架构、软件可读性，会有很多这样的指标。目的就是为了让写软件的人相互配合的。张三写的软件，李四能看懂，还可以提出意见来，还可以改。这个是为这件事来服务的。但是一旦AI开始端到端编程了，它就不再需要人看了。我这头拿到需求，那头就直接给你解决了。到那个时候，人就可能彻底没有办法去参与进去了，就是方向盘就没了，就可能会变成这样。

程序员的未来在哪里？

那程序员这个行业会不会完全消失？这个事我觉得可能也不会。活字印刷发明了以后，雕版印刷还是活跃了很久的。还会有一些大型企业坚持关起门来，自己写软件的。但是这些大型企业到底能够活多久？这个事不确定。有可能再过个几年，这些大型公司都会被替代掉。大型系统也还是需要软件工程师进行维护的。就像自动挡的汽车，也是需要修车师傅的。只是自动挡变速箱，可能对于大部分的修车师傅来说，就变成黑匣子了。

那未来的程序员会是什么样的？

1. 隐形冠军：就像Tailwind这样的，赶快卖身。趁着有人买，赶快把它卖掉。其实很多云计算厂商还是愿意去收购他们的，或者找谷歌这样的公司，直接把他们买下来算了。你像他一共是四个人，这种公司卖了也没多少钱。
2. 已经有ToB业务的：抱紧金主爸爸们的大腿，和他们一起沉浮。像Stack Overflow这条路，也是可以走下去的。
3. 全新的ToC软件形态：需要的是一个重新发育的过程。就像“死了吗”这种软件，它肯定是不符合绝大部分的软件工程的要求的。这个东西随便做一做就可以了。其实有很多人说我现在要vibe coding，不知道该做什么，大家可以试试做一个“死了吗”这样的应用，非常非常简单，非常有意思。解决具体问题，这才是软件存在的目的。不是为了维持软件公司，也不是为了维持底层架构，也不是为了维持开发者社区。解决问题，才是软件存在的一个底层原因。AI会把所有的软件需求重新再实现一次。

程序员以后应该会分流，不是说这个行业就彻底消失了。咱们以司机为例。最早的司机，是要学会修车的。大家再看看现在，现在的司机会分成几个：

• 第一个是开赛车的人，或者开越野车的人，这些人可能还会去开手动挡的车；
• 第二个就是开自动挡车的人，像我现在是只能开自动挡，而且有一半的时间还是使用自动驾驶；
• 第三个就是无人驾驶出租车上的这些乘客，这些人也算司机。
• 当然了，还会有修车的人，设计汽车的人以及开驾校的人，他们可能都是司机。

分流出来了以后，绝大部分的人，应该会成为坐无人驾驶出租车的。程序员也是这样，绝大部分的人，可能是不会再看到代码了。我们只需要向AI提出要求，我们的软件就直接实现了。

那你说都去坐无人驾驶出租车了，还能算司机吗？能的。因为什么？他还是知道自己要去哪里的，他是有目的地的。这可能就是人类在AI面前最后能够剩下的东西了：我们最后能剩下的就是我们的目标、我们的欲望、我们的Purpose。

好，这就是这一次讲的故事。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。

背景图片

Prompt：Highly realistic-structure luminous watercolor + crisp ink line poster, interior studio perspective inside a giant tree hollow office, multi-level mezzanine floors with glass balustrades and brass brackets, ribbed timber vault ceiling, carved root columns, spiral ramp with mortise-and-tenon details, cable-suspended wooden bridge, open-plan creative studio zone with ergonomic desks, woven linen chairs, drafting station, blank pin-up wall and moodboards, small server nook behind a lattice screen, crystal prism pendants casting subtle caustic sparkles, polished lacquer wood floor with sharp glossy reflections, bright high-key lighting, neon cyan rimlight on edges, warm gold practicals + subtle coral specular hits, airy background with controlled deep navy gradients in recesses, crystal-clear atmospheric glow, cinematic interior composition, leading lines, strong separation, large clean negative space for text band across the top-right, medium-wide eye-level 35mm –no text, watermark, logo, clutter, extra limbs, lowres –ar 16:9 –stylize 120 –chaos 6 –v 7.0

公司正在迫切地招聘故事讲述者，也就是Storyteller。那老范是不是又行了呢？

大家好，欢迎收听老范讲故事的YouTube频道。

《华尔街日报》在2025年12月12日发表了一篇文章，作者叫凯蒂·戴顿，文章的标题是《公司正迫切招聘故事讲述者》。他在“故事讲述者”这个单词用的就是“Storytellers”。大家注意，老范的频道英中文名叫做“Storyteller Fan”，叫“讲故事的老范”，实际上中文叫“老范讲故事”嘛。那老范是不是又要成为香饽饽了呢？先让老范臭美一会儿。

这个文章到底讲了什么呢？

他讲到说，Storyteller正在成为一个当下走红的企业岗位，或者岗位族。这个岗位负责干嘛？负责品牌内容传播、公关、雇主品牌、投资者沟通相关的一个统合。算是把所有这些岗位统合在一起，做了一个提升，叫做Storyteller，也就是故事讲述者。

那么这个职位跟传统的公关比起来，更强调的叫“叙事统一”。这“见人说人话，见鬼说鬼话”的事不行了，必须有一个统一的叙事。

文章的证据是什么？

《华尔街日报》应该不会拍脑袋直接来，人家引用了LinkedIn上的招聘信息。现在叫做Storyteller的职位，在2025年直接翻倍了：

• 营销类的有五万条，就是在营销类里头叫Storyteller的有五万条；
• 媒体与传播类里头有两万多条也叫Storyteller。

各个公司在高管的财报电话会上、投资者日的场景里，提到Storyteller或者是Storytelling的次数也是在逐年递增。2025年提到了469次，2024年提到了359次，而2015年只提到了147次。所以在这几年里头，Storyteller在高管会上或投资者会上被提到的次数越来越多了。

故事讲述者是干什么的？谁在招聘？

那故事讲述者到底是干什么的呢？和老范现在干的活是不是一样？这个咱们要看一看。

当然了，总有一些公司换汤不换药。把原来的Marketing、原来的这种公共关系（PR），给他们换个名字，今天你们就叫Storyteller了，这个比较时髦，改个名字。还有一些是直接按照字面意思理解去干了，要求人产出博客、播客，或者是视频，做这种案例研究啊、品牌内容。其实跟老范现在干的活差不太多，他们的目标是吸引客户、投资者或者是潜在的招聘对象。

那么谁在招聘这种新奇特的岗位？

• 谷歌云：专门有一个职位叫“客户故事经理”。
• Vanta：这个公司是做企业安全和合规自动化相关SaaS系统的，他也专门在招聘讲故事经理，叫Storyteller Manager。
• Notion：也有职位，涉及内部沟通、外部沟通、社媒以及团队内部的一些内容的整理，也算是讲故事的编制。

这样的一些企业都在招这个故事讲述者。

Storyteller与传统职位有什么不同？

那我们就要思考一个问题了，都是对外进行内容输出的这样的一个职位，这次到底有什么不同呢？我们要知道Marketing（市场）、品牌、PR（公关），还有Sales Engineer（售前工程师），还有Evangelist（布道师），这个跟现在的Storyteller到底有什么不一样呢？咱们掰开了讲一下。

1. 市场 (Marketing)

他们主要负责增长和投放，他要负责投广告的，他们要负责需求生成、转化漏斗、渠道投放和产品营销。目标是转化为可量化的获客或者是收入。所以这个Marketing大家记住了，他们是要背KPI的，要背销售额的。

2. 公共关系 (PR)

公共关系其实最主要的是做危机公关和声誉管理。他们干的活删帖多一点，就是他们最主要的不是内容输出，而是删帖。这些人通常是不会去背销售指标的。

3. 售前工程师 (Sales Engineer)

老范很早就干过这样的一个职位。这些人是负责交易中的技术确定性。人家说我现在要交易了，买你一个技术方案，这东西行不行？这个Sales Engineer进去说：“您放心肯定行。”他们会保证系统是可行的、可集成的、可达标的，用技术方案消除购买风险。通常是跟销售一起来去背销售指标的，这些人也是要背KPI的。

4. 布道者 (Evangelist)

这个老范也干过。这些人是在社区中建立信任，并且转化为技术方案的一个职责。Evangelist主要负责开发者与开发者生态，用内容、讲演、示例推动开发者用起来。有些也要背销售指标，当然了，只要是背销售指标的Evangelist，其实都有点挂羊头卖狗肉，就是直接把Evangelist当成Sales Engineer在用了，这个并不是真正的Evangelist。Evangelist正常的应该是不背销售指标的。

5. 故事讲述者 (Storyteller)

最新的这种叫Storyteller，讲故事的人，他们干嘛？他们负责叙事。公司为什么存在？为谁解决什么问题？为什么可信？如何被复述？我现在讲的这些故事怎么去被重复？

这个是故事讲述者真正要去做的事情——把叙事产品化。这些人真正输出的就是内容。其他人还是说我们要去转换销售，我们要去控制声誉，我们要去给人做方案。而这个故事讲述者，他产生的东西就是故事，没有什么其他东西。这些故事要求是可复用的、可传播的，而且可以达到跨渠道的一致性。

以前的这些Marketing真的是对不同的人说不同的话，但是故事讲述者最后要求你对外、对内、对招聘对象、对销售对象、对投资者，你都要讲同一套故事。你可以是一个故事的不同角度，但是这个故事最终要是一致的，这是故事讲述者真正要做的事情。

受众群体的差异

这几类人，他们的受众也不一样：

• Marketing（市场）：受众是潜在的客户，分层或者是渠道受众。
• PR（公共关系）：主要面对的是媒体、意见领袖、监管和公众，有时候会面对政府。
• Sales Engineer：一般面对的是具体客户或者是技术决策者和实施方。
• Evangelist：面对的是开发者、合作伙伴或者是技术社区。
• Storyteller：面向的是广义公众，包括客户、潜在客户、投资人、候选人（只要应聘的人）以及内部员工。

Storyteller的独特定位与职责

Storyteller的独特定位就是产出故事：问题、冲突、解决、代价、证据、结果，这是一个标准的故事模板。

1. 将客户故事模板化

很多的故事都是按标准模板套出来的。像我们比如说服务很多客户，这个客户成功了，那个客户失败了，有什么样的故事？我们要把它搜集起来，按照模板套好，然后形成：

• 行业版本的故事：比如银行业的。
• 角色版本的故事：工程师、产品经理用了怎么样。
• 场景版本的故事：销售、实施、技术后台用了怎么样。

2. 提供证据库

故事讲述者要保证内容是可信的，那就要告诉用户说你到哪去查这个证据，包括哪有数据，哪有第三方背书。案例的素材是什么样的？图表是什么样的？引用哪些具体的比如论文或者引用一些其他的媒体报道？这就是证据库，要整个保存下来。

3. 跨部门运作

故事讲述者是必须要跨部门的。不是说这个故事讲述者在市场部门下头，或者在公关部门下头。它是一个独立的跨部门运作的一个职位，它要保证跨部门的一致性。

所谓故事讲述者会横跨PR、品牌、市场、HR、IR（投资者关系），要横跨他们形成一个统一的故事。对外的卖点、对内的文化、对投资人的增长逻辑，这个故事要完全统一自洽。如果内外不一致就会消耗信任。各个部门讲同一个故事，但是按照各自的场景强调不同的部分。

讲故事的目的就是为了建立信任，这个是最重要的。所以故事讲述者更像是编辑部的总编或者制片人。

为什么现在会出现这个新职位？因为AI

老范是不是讲什么都因为AI呢？这个真的是因为AI。

大家知道印象派绘画是怎么产生的吗？因为摄影技术产生了，画的再像你能有照片像吗？所以没办法，咱们就做印象派。虽然不像，但是可以将更丰富的情感融入到绘画作品中进行表达。

那么现在也是如此，AI普及了以后有了什么样的一个变化？

1. 内容从稀缺变得过剩

以前Marketing或PR搜肠刮肚子想金句，寻找最恰当的词。但是现在有AI和AIGC，它会自动生成内容，而且成本极低。在这样的情况下，多套素材、多点发布、多点投放就没效果了。因为AI生成的素材比你好、比你多。

2. 传统SEO链条失效

传统SEO是：信息种草 -> 点击到站 -> 转化。现在这条路没有了。因为搜索引擎都改成AI了，现在是AI模式、AI总结。没有点击跳转这一步了，点击率正在向着清零的方向快速跌落。

3. 传统媒体及借来的公信力正在崩塌

在AI结果里头，你这些内容并不会有更高的加成。特别是有很多人喜欢引用名人名言，现在到AI里头这个东西就没用了，因为AI会把这个名人名言直接给你滤掉，说服力就下降很多。

4. 传统模式崩塌

• 买流量投入产出比很难打正了。
• 蹭公信力也都会被AI过滤掉。
• 吃搜索红利、AI模式、AI总结、直接跨过网站，点击率降为零。

现在的用户不好骗了。故事讲述者解决的就是这样的问题——统一叙事。在AI分发、AI转述的过程中要去争夺信任，这句话是最重要的。他们不再考核点击率了，被信任、被引用、被推荐，才是故事讲述者所追求的最终价值。

GEO vs SEO

那你说这不就是GEO吗？原来是SEO（搜索引擎优化），现在是GEO（生成引擎优化）。

大家要注意，GEO跟SEO是有很大差别的：

• SEO的考核：点击率和转化率。
• GEO的结果：只有交易，没有任何其他东西。因为你做了GEO的内容，并不会为你的网站导流，他只是会帮你把东西卖掉。

老范是不是又成了香饽饽？

咱们开始就问了，说这个Storyteller故事讲述者大家都去招了，是不是有人招老范？首先要讲说，现在企业招聘的Storyteller其实是有三种职位：

1. 换汤不换药的Marketing或者是PR：这个跟老范没什么关系，从来没干过这种活。
2. 字面意思，讲故事：这个老范是绝配。搜集素材、总结输出、写稿、录播客，这就是老范天天干的活。
3. 叙事架构师 (Storyteller Manager)：老范部分匹配，但是还需要学习和提高。

做叙事架构师要求建立叙事体系，要进行叙事的治理：

• 建立Message House (信息屋)：一句话的价值主张 + 三至五个支柱 + 每个支柱三条证据点。
• 建立术语表：统一术语。
• 禁用表述：哪些话不许说（例如谷歌禁用Collection）。
• 证据引用规则：哪些可以引用，哪些不可以。
• 稳定的更新机制：这个老范很强，日更。
• 统一口径证据库及客户故事库。

而且现在的这些Storyteller Manager，他们都要求适配GEO，这就是为AI去服务的。

如何有意识地成为一个讲故事的人？

老范可能未必适合公司里边的故事叙事体系，但是老范肯定是讲故事的人。成为一个讲故事的人，自己乐在其中这才是最重要的。

流程大概是：充满好奇心的观察 -> 思考并探究细节与原理 -> 形成完整的故事架构 -> 存储故事素材 -> 寻找合适的时机将正确的故事讲给正确的人 -> 获得反馈 -> 继续寻找新故事。

总结

企业招聘中一个新的职位火了，叫Storyteller（故事讲述者）。故事讲述者是AI时代对于企业故事统一传播、提升信任的必然路径。

老范匹配故事讲述者的部分要求，但是呢，老范有一个硬伤：骗不过自己的瞎话。老范不能保证自己讲的话都是真的、对的，但是老范必须要保证自己讲的故事都是老范自己相信的故事。

不管是不是有企业招聘，在AI时代成为一个故事讲述者都是一个不错的选择。即使讲的不是具体的企业产品，老范讲的故事依然在AI时代是有价值的。

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。

信仰人类的AI教母李飞飞的最新访谈，都说了些什么？

大家好，欢迎收听“老范讲故事”的YouTube频道。本月钛媒体跟李飞飞做了一次访谈，目前是把信息放出来了，还是值得大家好好去思考一下的。

李飞飞因为做ImageNet，也就是收集了大量的图片去进行AI训练，被称为“AI教母”。但是她却讲到说：“AI只是工具，我信仰的是人类，不是AI。”

这个访谈还是很长的，我们分几块来讲。第一个是“AI就是一个工具”；然后咱们讲一下李飞飞对于教育的一些看法，因为她毕竟是一位大学教授嘛；然后是李飞飞对于机器人的看法，最近各种人形机器人公司都准备去上市了，现在看看李飞飞怎么去讲机器人；最后是李飞飞自己的World Labs（世界实验室）公司，她们所生成的模型到底是在做什么。

一、AI 再强也是工具，方向盘需在人类手中

首先，她讲到了说AI再强也是工具，方向盘必须在人类手里面。她为什么会去强调这一件事情？因为有很多人已经躺平了，不停地有人告诉你说“一键生成”、“点一下就得到”，这个实际上就是已经准备去放手了。所以李飞飞在反复强调，AI不能让它去决定你的生活，你必须要去掌握方向盘。如果不掌握方向盘的话，AI可能真的会去替代人类。

当然了，工具也是有两面性的，所有的工具都是双刃剑。但是她讲到说，两种极端对待AI的方式都是不理性的。哪两种呢？

• 第一种是只发展不限制；
• 另外一种就是只去讲伦理，不发展了。

像欧洲现在就属于是更多地强调伦理、各种限制；而美国这边呢，可能更多的是在快马加鞭地往前跑，各种的限制现在变得少很多。说这两种思路都是有问题的。

她讲到说我们过往使用的这些工具，包括火、斧子、核弹、生物技术等等，都是工具。这些东西只要我们用好了，都是会造福于人类的；但是呢，也都会给我们造成一定的伤害。AI会变得越来越强大，但是责任不应该丢给AI。

权力工具 vs 向善工具

比如说AI既可能成为权力工具，也可能成为向善工具。在这里使用了一个词叫“权力工具”，就是讲到说AI是可以帮助权力部门进行一定的权力的拓展的。

其实在互联网出来以后，谷歌不是权力机构吗？其实也是的。Meta、苹果其实都是权力机构，因为它已经把大量的政府该享有的权利拓展出去了，她们去享有这些权利。而且政府其实有很多的权利也是需要通过谷歌、通过Meta这样的公司去进行增强的。比如说像前面把川普的账号封掉了，实际上就是政府通过这些社交媒体公司拓展自己的权利。AI变成权力工具，或者AI让很多的政府变得更稳定，这个都是不可避免的。所以她专门提到了权力工具，但是她并没有去说权力工具不好，只是说AI可以成为权力工具，也可以成为向善工具。它是把权力工具跟向善工具作为一个对立面给大家列出来。

再往后，李飞飞讲到，在AI变得不可控之前，它仍然是人类的工具，人类有责任让它可控。她并没有去讲说AI会不会最终变得不可控，或者最终变得不可控，她都没讲。说AI不可控这件事的可能性是存在的，但是人类该干的活，就是在它不可控之前想办法控制它。但是未来是什么样的，就要看人怎么做了。

人类应该如何引导？

那么人应该怎么做呢？就是引导AI向善。在这个过程中，不是让工具自己去决定，而是要依靠法律、制度、教育和社会共识。当然这个里面，我觉得可能对于一个大学教授来说，稍微有一点过于理想化了。法律、制度、教育与社会共识这些东西，并不是一些抽象的概念，而是有千千万万个人在各自的岗位上，每一个人都有自己的想法，有自己的利益，有私心。这些人还会形成很多的小团体、小的利益团体。所以在这样的情况下，是不是我们可以在AI变得不可控之前真正的引导它向善，或者让它始终在可控的范围内？这个真的不好说。我们现在看看，政府能够管理得了像谷歌这样的公司吗？我是打问号的。

二、李飞飞的教育观：如何不被 AI 替代？

既然AI有可能不可控了，那么人类就有可能被替代。李飞飞的观点是：关键是更新教育，要把现在的教育整个革命掉，让人学会用工具，并且发展人类的特质。通过这样的方式，我们可以保证自己不被替代。这个应该也属于叫“美好的愿景”吧。

所以下面咱们来讲李飞飞对教育的观点。首先讲到说，以后不要再被大量的标准答案和知识填充、应试教育占时间了。当然了，李飞飞并没有经历过中国教育的精华部分，她高中就到美国去上了，她在国内是上到初中，而中国教育的真正精华部分是高中部分。但她依然感觉大量的标准答案和知识填充是非常非常浪费时间的。

对于李飞飞来说，她希望什么样的呢？她希望培养人类的能力和主体性。什么叫主体性？咱们后边讲。那么到底什么是能力呢？

1. 被保护并持续燃烧的好奇心

这个倒是跟马斯克要求的一样，人类必须要有好奇心。当然马斯克希望的是AI也一定要有好奇心。现在李飞飞讲的是人类教育一定要保持好奇心。父母和老师要呵护孩子好奇心带来的快乐。这句话什么意思？孩子有好奇心这没毛病，像我们有时候管这个东西叫“淘气”。你好奇心做了很多东西以后，有些事情是会做对的，有些事情会做错。父母跟老师一定要引导孩子说，你这个好奇心带来的快乐到底是什么？你要让孩子去享受这种快乐，她才可以不会说每次有好奇心的时候就有可能挨揍，这个事是很危险的。当然有些小孩揍着揍着也没准会成才，比如说二战时候的英国名将蒙哥马利哈，他小时候就是不断地被教育长大的，他妈妈的口头禅是“去看看他在干什么，叫他停下来”。这哥们特别皮，所以长大了以后很喜欢钻空子。当然我觉得这不是一个好例子了，李飞飞还是希望更多的孩子可以快乐地享受她们的好奇心。

2. 要驾驭AI工具的能力

而不是被工具所取代。她的例子是什么呢？就是火。火是可以做饭的，但是也会带来伤害。说小孩子长大的过程中，总要学会做饭，你也不可能说我为了保护她，长大了以后不会做饭，这事不行。那怎么办呢？这小孩子就要去学会使用工具，特别是像AI工具。要理解AI如何为学习和创造赋能。你想学一个东西的过程中，怎么用AI来帮助你，也要了解AI可能带来的问题和风险。这个过程很像是我们教小孩子用火的这个过程。

3. AI做不到的核心人类能力

这个才是小孩子真正要去学的东西。AI到目前为止有很多的能力是不具备的：

• 好奇心：让马斯克去努力让AI有好奇心吧，但是她觉得AI在这块上还是有一些缺陷的，所以人类要努力去补充好奇心。
• 批判性思维：这个在国内可能稍微难那么一点点吧，但是她觉得这是很重要的，因为AI其实很难产生这种批判性思维。你每次问它一个问题的时候，它会想办法给你找到一个正确概率最高的答案。我最近还发现了一个使用AI的好方法，是什么呢？就是你的提示词这样写：“给我五个答案，然后给它进行不同维度的评分。”这样的话你就会得到一些不一样的答案。如果你每次只问它一个答案的话，它给你的永远是那个最四平八稳的那个。
• 创造力：说这也是AI所不具备的，是人类应该努力去培养的东西。
• 空间想象力：至少目前的AI还不行。但是未来，比如说它的World Labs公司发展起来以后，也许AI就可以具备空间想象力了。
• 人际协作：这里并没有讲到人际关系，但是我觉得可能这一块对于未来孩子是非常非常重要的。最后还是要人跟人协作。

然后李飞飞提到说，不需要背课文之后，剩下的时间怎么办？这个时间应该用来学习AI做不到的认知和能力。因为原来我们用了大量的时间去背课文了，这个时间省下来以后，不是说让大家去疯玩的，好好学一些AI搞不定的事情。

4. 从“标准答案训练”转向“潜力开发”

说原来我们的K12里面的标准答案，AI做得比人好。用十几年去做以后机器能做的事情，就是一种浪费。这个我是完完全全赞同的。她希望21世纪能够发生一次真正的教育革命，把原来这种死记硬背的东西去掉。其实我们现在已经比原来强很多了，原来私塾先生玩的是什么？叫“念、背、打”。就是你先念书，也不给你解释，“书读百遍其义自现”；念完了以后就背，背错了以后就打手心；然后再接着去念。是这样的一种教育方式。现在虽然依然在做标准答案训练，不让你去思考，不让你去批判，但是特别像理科吧，还是会稍微的解释一下为什么呢，还是稍微有一点点思辨的。未来的话，所有机器能干的活让机器干，人就去干那些机器干不了的活就可以了。

5. 不再用文理科来束缚成长道路

现在是对学生进行文理分科，或者是考试的时候分几科来考。她说以后没必要这样了，现在所有人都可以在AI的帮助下去写代码了，所有人也都可以在AI的帮助下去绘画、去写诗、去写文章了。那你在这样的情况下，何必再去分文理科呢？这件事情关键还是看你是不是应试。如果你去应试的话，确实是很难不去分科。应试的过程中，你需要把人的能力去区隔开来，那你能力上去了以后怎么来识别你的能力上去了？这点还是挺难的。

6. 面对AI要保持主体性

前面她讲的时候，我们对教育的要求是有主能力和主体性。那什么是主体性呢？这个其实我们把它解释成“主人翁意识”也可以。李飞飞讲到说，她最害怕的一件事是人类的放弃，最担心的是有人因为AI变聪明就觉得没我啥事了，从而放弃主动性。AI只是工具，人类的潜力是创造世界，把世界变得更好，而不是说衣来伸手饭来张口。如果人类变成那样了，那就只能被AI替代了，这是她不希望看到的。上面这段就是李飞飞对于教育的一些看法。

三、关于机器人：现状与挑战

下面是机器人。她首先讲到自动驾驶汽车，说自动驾驶汽车就是个机器人。自动驾驶汽车发展到现在有20多年了，有成熟的产业链。你想汽车这个东西在做自动驾驶之前也上百年了，所以它产业链是很成熟的。而且汽车面对的问题是相对比较简单的，因为道路这个东西是二维的。虽然有立交桥，但是这个汽车并不会上下走，它只还是会顺着路走，所以它在一个二维的道路上行驶。而汽车的唯一要求是什么？就是不碰到东西就可以了，所以它相对来说要简单很多。而且汽车有一个很棒的地方是什么？就是它有很成熟的场景，有大量的数据积累。像特斯拉折腾半天，多少辆车在路上跑了多少公里了，把这些数据搜集下来以后，在这个基础上去进行训练，然后她遇到了各种各样的奇怪的问题，我们怎么把这些奇怪的问题都训练到大模型里边去，让这个自动驾驶可以使用。2006年谷歌开始做自动驾驶汽车，到2026年就整整20年了。经过20年的发展，这个事基本上算搞定了。

但是机器人要比自动驾驶汽车要复杂得多。它是在一个三维的世界里活动的，因为你有手，你还要有腿，上下的你要迈台阶，所以它是一个三维世界。而且它有时候还要碰东西，你要拿东西嘛，所以它要面对的问题要比自动驾驶汽车要复杂很多。你要把所有这些问题都解决掉了，你才可能去做家务，洗碗、做饭、洗衣服，才能干这些事情，才可以去工厂。这个是要难很多的。

而且最难的是什么呢？就是除了工业机器人之外，所有这些人形机器人在短期内没有商业应用前景。因为你把它做出来以后没地方去用它，因为它的成本实在太高了，不划算。那你没有实际应用场景，就会面临下一个问题是什么呢？缺乏成熟的产业链和应用场景，它就没有办法像自动驾驶汽车那样积累一大堆的实际数据回来。自动驾驶汽车就是我一开始先不自动驾驶，我先积累数据，积累完了以后我在这些数据上去做训练，训练了以后我再去逐步地做半自动L1、L2、L3，现在国内开始发L3牌照了，它是这样一步一步来的。而现在机器人它就没有这些数据，你也没有这个实际用途，所以这个数据积累起来就很痛苦。

所以李飞飞拒绝为机器人普及预设时间。她说AI发展了，比20年前肯定有了长足的发展，但是机器人面对的问题要比汽车复杂很多倍。所以到底是我们需要再发展20年，还是说很快就能实现了呢？她说没法预测这事。她的预测就是：有生之年，我们应该可以看到机器人普及。当然了，这对于马斯克以及国内这些准备上市的人形机器人公司来说，就不是一个好消息了。

四、World Labs（世界实验室）在做什么？

最后一条，她的World Labs（世界实验室）这公司到底在干什么？它核心目标是从内容生成走向世界生成跟空间智能。所以我们现在可以区分一下，杨乐坤要干的东西叫“世界模型”，李飞飞要做的这个东西叫“空间智能”。李飞飞就属于要做生成式的，而且是要一帧一帧地生成完整视频的这样的一个模型。对于李飞飞来说，空间智能是迈向更强通用能力的重要组成部分。她也没有说我这个东西直接就可以改变什么东西，未来这个AI会有通用能力的，那么这一步是必须要走的。

• 3D生产门槛降低：空间智能做成之后可以干什么呢？可以把原来很难的3D生产能力门槛直接降下来。原来我们做3D打印机最大的痛苦是什么？就是没有模型可以去打印。我们现在看到了一个事物，或者我们想象了一个事物，我们很难把它描述出来。都是别人做好的模型，打来打去的就没什么意思。如果李飞飞的World Labs，她们家的产品已经可以正式使用之后的话，3D打印机应该就会有市场了。这个还是一个比较激动人心的事情。
• 做各种仿真训练：这个World Labs的重要用途是什么？就是做各种仿真。因为它是生成3D空间的嘛，这个机器人就可以在里边进行训练。还记得李飞飞是怎么当上AI教母的吗？就是她做了一个叫ImageNet的一个项目，把全世界的这些能够搜集到的图片搜集在一起，让AI进去训练去。现在World Labs也可以做出大量的3D空间，让机器人在缺乏实际应用场景的情况下，在它这样的空间里边去训练去。这也是一个对未来非常有价值的事情。

五、老范的观点与思考

以上就是李飞飞访谈里边讲的东西。后边说一点点我的看法。

1. AI到底是不是工具？

我只能说目前还是，但是边界很模糊。为什么这么讲？其实人这个生物是很懒惰的，一旦机器可以做一个什么事了，我们就会放心地把这件事情交给机器去做，不会说我再要去看一眼——看绝对不看。所以AI这个东西，它在快速地突破工具的边界。而且对于不同的人来说的话，AI到底是不是工具，这件事也是有不同的定位的。我去用AI生成了图片了，那么AI对于我来说是工具，它把我脑子里想的东西生成出来了，而且我还要去校对这东西对不对，是不是我想要的东西。而对于看这些图片的人来说，AI还是工具吗？这个事就要打个问号了。

所以AI未必对于所有人来说都是工具。尤瓦尔·赫拉利说，未来可能只有少部分人是有用的，大部分人会变成“无用阶级”。现在AI的话可能也在向这个方向发展，它是少部分人的工具；对于大多数人来说，这就是生活中的一部分，AI会决定她们的衣食住行、喜怒哀乐。所以AI快速地在模糊工具的边界，而且这个过程是不可逆的，不是说我们号召一下让大家去学习就可以逆转这个过程，这是不现实的。

2. AI会不会作恶？

我觉得关键还是要看使用AI的人会不会作恶。这个AI不是由制度来去使用的，也不是由政府来去使用的，也不是由大公司来去使用的，而是由里面的一个一个的人、一个一个的利益团体，她们去使用的。她们使用AI的时候都是带有目的的。我的目的是为了让大家过得更好，还是说我的目的是让我的统治更加稳固，让其她人给我贡献更大的价值？咱们举一个最简单的案例：美团。美团去控制所有这些外卖员的那个程序其实也是个AI。这些外卖员会被这些AI逼得满街乱窜，罔顾交通安全。那么这个AI到底是在做好事，还是在做坏事？对于我们点餐的人来说，我可以快速地得到我的外卖；但是对于这些外卖员来说，到底是一个向善的AI，还是一个权力的AI呢？这是需要我们大家去思考的。

3. 关于教育的改革

我的感受是，现在的教育行业并不会拥抱这种变化。教育行业的目的从来就不是说我们要把这个人变得更好，教育行业的目的一直是进行筛选。变好了以后，我怎么把最好的这个人筛选出来？我们为什么要去做高考？因为高考是一个相对来说比较容易的筛选方式，大家去考试就好了，你考的高、我考的低，这事一下就明白了。你一旦说大家去学习什么好奇心，去学习各种的复杂的能力了，那这玩意最后怎么去判定？谁来去判定说到底是学的好还是不好？因为你通过教育了以后，筛选出来的人可以去使用工具，筛选不出来的人只能被工具使用。这个筛选过程的问题，李飞飞其实并没有提到。所以在这件事情上来说，我觉得大家还需要再进一步思考。

而且现在的这些教育者，或者教育行业的从业者，她们也是更习惯地说：我如何可以用最小的劳动付出，让小孩去适应这个筛选过程？因为她的KPI很简单，她的考核指标也很简单，就是我怎么能够让我教育的小孩有更高的几率通过筛选。在这点上，你不改变筛选的机制，是没有办法去改变教育的本质的。

4. 关于机器人与未来

最后关于机器人，我的感受是行业会有很多“烈士”倒下。现在这些做机器人的公司里头，大量的会倒下，但是最终的路径是清晰的，最终一定会走向机器人的时代。

最后是关于World Labs，就是李飞飞的这间公司。这个公司现在已经融了二点几亿美金了，在快速地做她们自己的产品。这些产品未来是不是可以给我们的生活带来改变？也许会。即使给我们生活带来改变，可能也不是直接的改变。就像ImageNet，咱们现在每天在用AI，在用AI画画，在用AI去进行图像识别，在这个过程中我们真的是用过ImageNet吗？绝大部分人可能听都没听说过这东西。但是没有ImageNet，我们也没有办法走到今天这一步。所以李飞飞公司的产品可能对于很多人来说是用不到的，但是它的产品有可能会让我们的机器人、让很多仿真系统得到训练数据，让科技更进一步的发展。这个是World Labs的价值。

最后总结一下，李飞飞的很多观点是值得去思考的。我们站在AI带来的冲击面前，需要更多的去思考，甭管这个思考到底会不会改变什么，但是我们不能停下来思考。

这就是今天的故事，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。

背景图片：

Prompt：high-contrast watercolor illustration, grand interior hall of Stanford Memorial Church filled with abundant Christmas decorations including wreaths garlands ornaments and twinkling lights, intricate Byzantine mosaics and vibrant stained glass windows, glossy reflections on polished floors, sharp subject separation with extremely legible negative space for text, neon cyan rim light, dramatic cinematic lighting, deep navy background, minimal palette of ink blue neon cyan and gold accents, cinematic composition, ultra-detailed, intricate textures, –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

千问APP：阿里的绝地反击，还是又一个“来往”？

千问APP大家都试过了吗？这是阿里的绝地反击，还是又来了一次“来往”一样的故事呢？大厂为什么总是在创新的时候，起个大早，赶个晚集呢？大家好，欢迎收听老范讲故事的YouTube频道。

千问APP的短暂狂欢与第一印象

千问APP带来了一个短暂的狂欢。阿里这个模型这么强的公司，终于也要出一款APP，C端的APP要去对标ChatGPT了。阿里的股价短暂上涨，然后被一个很奇怪的小作文，据说是有人看了白宫里边泄密的文件，说阿里为中国军方提供服务，马上要接受制裁了，所以阿里股价又跌回去了。

这一次的短暂狂欢呢，来自于一个很拙劣的吹风方式，说阿里在搞一个秘密项目，据说呢是集团高层定的战略，大家都在一起封闭开发，具体在干什么不知道。但是呢，突然发现食堂里边吃大量的粤菜，食堂的师傅被要求做粤菜，这一定是由广东过来的团队在做项目。当时就在吹风说在做千问APP。那么为什么是广东团队在做？待会咱们后边再讲。

产品上线呢，也确实引发了关注。第一天服务器短暂崩了一次。现在新产品上线，如果连服务器都不崩一次的话，好像流程没有走完，所以千问上线的时候也短暂的崩了一下。用起来的感觉呢，一言难尽。我确实把它下载下来用了一下，这个东西说是对标ChatGPT，却是比豆包更“豆包”的一个产品。

中美AI产品的设计差异：简洁与复杂的对决

怎么来解释这句话？大家可以把ChatGPT的产品、把Grok的产品、Gemini的产品、豆包、文心一言，都拿出来对比一下，你会发现一个特别显著的差异。美国人的产品呢，都非常的简洁，除了一个对话框和上面的聊天历史窗口之外，基本上没别的东西。它的其他所有这些功能呢，都是隐藏的。比如说ChatGPT，它的其他的功能是隐藏在侧边栏里的，平时是关闭的，你必须要点它才打开。其他的像什么深度研究、代理模式，这些东西呢，是在一个加号里的，你要点开了以后才能看到这样的菜单。像Gemini什么，基本上都是这一个路子。而国内的APP呢，基本上都是要把这些功能摆在明面上的。你的深度研究、各种agent、画画，这些东西通通都要摆在台面上。原因很简单，不同的功能是由不同的部门开发的，大家要去争夺入口。所以呢，国内的产品你一看就是这么多功能都堆在这儿，到底使哪个？好乱。

豆包呢，已经算是所有国内产品里头，做的最简洁的一个了。千问APP为什么说比豆包还“豆包”？它比豆包还要再复杂一些，比豆包要更像以前的文心一言，以及他们原来上一个产品叫“通义”。这个通义APP跟千问APP是两个不同的，虽然他们在苹果和谷歌的商店里头使用的是同一个APP ID，但是它的名字不一样。你原来下载过通义APP的人，你只要一升级就变成千问APP了。

资本市场的反应

股价呢，短暂上涨，刚才咱们讲了。现在呢，大家都缺题材，突然有了一个题材，赶快要上去炒。其实很多人可能既不使用通义，也不使用千问，他们就是炒股的。一看有题材了，赶快去炒一下。国内的AI呢，阿里是唯一能炒的。为啥呢？百度确实不争气，腾讯呢直接躺平了，“你们玩儿吧，我不玩儿了，我现在连建机房的钱我都砍了”。DeepSeek和字节呢，没上市。所以唯一能去炒一炒的，就只有阿里了。如果不是美国白宫的这个小作文的话，也许还能多热闹几天。

历史重演？回顾“来往”的失败

那么为什么要讲当年来往的故事呢？可能很多比较年轻的人，或者说不是特别关注互联网圈的人，不知道来往是什么故事。2013年的时候呢，WhatsApp当时突然爆火，腾讯它就整了一个叫微信的东西出来，突然就爆发了。马云看着以后，决定说：“咱们冲吧！”这玩意咱们有经验，以前呢他们还有阿里旺旺这样一个产品，我们也有用户，也有经验，也有技术，我们还愿意砸钱。马云亲自挂帅，集中力量办大事。最后呢，这个产品既然大家都没听说过，那么结局也就清晰了：被微信打的满地找牙，直接就不见了。

他为什么会败给微信呢？是不是因为马云比马化腾笨呢？肯定不是嘛。原因很简单，微信的起步投入要比阿里的来往要高得多得多。马云是不是决心不够？他确实如此。马云没有砸锅卖铁，没有把他的淘宝这些东西都砸进去，只是说我们用一部分的精力去做一个即时通讯工具，叫移动端即时通讯工具。而微信不一样，腾讯是把手Q整个牺牲掉了，才做出微信来的。手机QQ当时的用户量非常的巨大，说：“不，你们必须要死，你们要把所有的社交关系链都导到微信里去。”微信才起来。到现在了，QQ的这帮人，QQ团队以及手机QQ团队还在那骂呢，到现在都没有服气，说你们当时如果不扶持微信，让我直接接着往前做的话，也许还有机会。没机会，这个绝对是不可能的，QQ跟微信是完全两个不同的玩法。腾讯当时就想清楚了，牺牲了一个巨大的部门去成就了微信。而社交关系本身是很难迁移的，如果说微信没有手机QQ的社交关系链导入的话，它未必能打得过其他人。一旦社交关系链倒进去了，像来往这种产品就没有办法去跟它竞争了。

千问APP能否突出重围？

那你说千问APP，它到底能不能够战胜现在的豆包呢？因为它现在肯定不需要跟美国的ChatGPT、Gemini去竞争嘛，它在国内就是跟豆包、Deepseek、Kimi，跟这些玩意去竞争一下。它到底行不行呢？对手呢，并没有那么强大，是不是还有机会呢？

大模型的优与劣

首先从大模型的角度上来说，阿里呢有它的优点，也有它的缺点。它的优点是什么？就是它开源，有大量的这种千问模型，而且是从0.6B一直到200多B的这种模型，它是所有的全都有。这个是它真正比较强的地方。所以如果大家做开发，说我去做自己的应用，那用它的产品没有任何问题，没有任何替代性，连跟它竞争的人都没有。但你说我就作为一个普通的C端用户，我就直接使它的模型，这就一言难尽了。阿里的千问3以及千问Max，现在最新的这个最大的模型，跟豆包的模型比起来，跟Kimi、Deepseek比起来不占优势，或者说它的优势并不明显。

产品设计的挑战：做减法的艺术

那么在这样的情况下，就看大家做APP的水平怎么样了。从应用角度上来看的话，做这种应用最难的是什么？最难的是做减法。有这么多功能：我可以画图，我可以做视频，我可以做多模态的实时语音交互，我还可以去做聊天，还可以有AI agent，还有很多流程，还有很多的这种后台的程序都准备加进来。大家都有，谁也不缺这玩意。但是你说我到底露出哪些、隐藏哪些，怎么能够让用户使得舒服？这就要看功夫了。而且有的时候这种功夫，还不是技术上或者产品设计上的功夫，而是你在内部是不是能够摆的平。像ChatGPT之所以可以做的这么简洁，一方面是他们在做产品设计的时候非常克制；另外一方面，他开始做ChatGPT APP的时候，他啥也没有，他不像是阿里似的，不像是字节似的，后边有一大堆的团队往里添砖加瓦，他不是这样的。这也是为什么咱们前头讲，微信必须要重新做，不能拿手Q接着往前走的原因。微信实际上就是在做一次大的减法，你原来手Q各种功能我都不要了，我要从头开始，干干净净的一个微信开始再慢慢长大。当然，微信现在也长得无比的庞大了，也是非常繁琐的一个工具了。

真正的杀手锏：电商生态与AI Agent的结合

在这一点上千问做的并不好。但是千问呢，也未必一定会死。千问真正的强项呢，还没有发挥出来。它的强项并不是说它的大模型比别人强，而是什么呢？电商生态跟AI agent的一个体系。这块呢，阿里确实是要比豆包、要比Kimi、Deepseek要强的。你比如说，我可以在里边直接叫外卖吗？我可以在里边去买东西吗？我可以直接在高德里边叫车，或者我直接定我的行程、订酒店？这些阿里其实都是有完整的供应链支撑的。但是这一块呢，目前为止还没有接起来。那你说AI一定要接这东西吗？一定。

最近还有一个故事，就是亚马逊封杀了Perplexity的API。亚马逊说我自己卖东西，我这儿有Anthropic，我这儿有自己的AI，我不要你Perplexity上我这儿来把东西扒走了以后，到你那儿去卖去。亚马逊刚干完的事情，中国这更是自古以来就在这么干。当年，当年阿里就是这么封杀百度的。你必须得在阿里买广告，在我这交广告费，我才能让你露出。你在百度交了广告费，展示阿里的产品，这事不行。

所以阿里真正的强项在这，还没有真正打通。我刚才去试了一下，如果千问可以很好的跟阿里整个的体系打通了，那确实是有新故事可以讲。但是呢，如果想要打通这些，那就需要面对另外一批更大的山头和座山雕了，这个事肯定更难。现在他们的这个山头是什么？阿里云、通义的大模型，以及呢，夸克网盘，他们几家在这打来打去。而阿里里头真正比较强的山头是什么？淘天，卖东西的呀。现在还没沾着人家呢。而现在呢，因为有反垄断法，随便竖墙这件事呢，并不是那么容易的。所以现在有时候，你从外边跟他合作还更容易点。你在内部想去说，我这是做千问APP的，咱们跟淘天合作吧，或者跟飞猪旅行做个合作吧，他们内部更费劲。

大厂的创新困境：起个大早，赶个晚集？

这就导致了另外一个问题，是不是大厂做这种东西都很费劲呢？大厂是不是经常是起个大早，赶个晚集呢？百度的李彦宏，他是最著名的起大早赶晚集的。每次他都第一个发现机会，每次最后都没得着结果。前两天李彦宏去接受采访，人家就问他说，百度是不是经常干这种起大早、赶晚集的事呢？李彦宏的回答是什么呢？他说这个很正常，你去创新也不可能都成功嘛，任何创新可能90%都会失败的。只有需要长期投入和反复迭代的，这个事情大厂才更有机会；需要短平快出结果的，这个呢，大厂确实是比较费劲。

创业公司 vs. 大厂内部创业

那你说是不是创业企业成功的机会，就要比大厂里边创业高一些呢？其实呢，正好反过来，跟大家想象的是不一样的。创业企业的失败率，通常要比大厂内部创业要更高。但是呢，最终走出来的通常还是创业企业。为什么创业企业的失败率更高？第一个，大厂的员工绝对是精挑细选的。大厂他能够涨到几万人、十几万人的一个规模，他的整个的筛选体制，包括内部人员的成长和培养体制，都是创业企业所完全无法比拟的，完全无法想象的。大厂的资源也是创业企业难以企及的。所以创业企业的失败率绝对比大厂高。

那你说为什么最后走出来的都还是创业企业，大厂走出来的很少呢？因为大厂里头有一个巨大的阻碍，是创业企业不需要面对的，是什么呢？就是内部的山头林立。为了管理庞大的组织，就必须给每个部门、每个层级定KPI，我要给你定个指标，不是说咱们喊一下“为了新中国”就可以冲的事。每个人一定要细化你的任务。在没有私心杂念的情况下，各级的负责人也会争先恐后地去完成本机构的利益，而不是说我们大厂整个有一个大的目标。创业企业之间的关系呢，就要简单很多了，该买服务我就花钱去买吧，即便是竞争的话也很纯粹。大企业内部，就完完全全不是这么回事了。太多的东西，花钱你都未必买的着。你说我现在花钱想买一什么服务，人家说我不愿意跟你合作。那我说能上外边买去吗？不行，我内部有，你不许上外边买去。他经常会遇到这样的情况。而且即使花钱的话，也有很多条条框框。你在创业企业里头怎么花钱？CEO一人说了算了。你在大厂里头，我现在想花钱，那审批去吧。你这个东西符合这个规则、不符合那规则，可麻烦了。而且即使是竞争失败，你在创业企业里的竞争失败了，我大不了公司关了，我被你收购了，或者说我上你那打工去，这不是什么大问题。但你要在大厂里头，你要是竞争失败了，那这事麻烦大了。你可能在各种的资源分配上都会被掣肘，你在各种的竞争上、评级上你都会矮人一头。那这玩意绝对是生死存亡之大事，一点的这个商量余地都没有，绝不能退让。所以大厂里边的这种竞争，是要比创业企业更加残酷，而且更加缺乏规则。创业企业的竞争，相对来说，规则是比较简单明确的。

千问APP背后的内部斗争

再回过头来看看，阿里千问APP背后的斗争是什么样的呢？阿里内部做AI的人就有好几波。咱们还不说做什么淘天呀、做飞猪旅行，跟他们没关系，就做AI的好几波。哪几波人呢？阿里云的人一波，通义大模型的一波，通义APP又是一波，还有夸克网盘还是一波。它好多波在这折腾呢，各自互不相让，最后谁也没做出好的来。这就是为什么这一次阿里说，我们从集团角度上做一个决策，集中精力干大事，咱们要做出一东西来。

“粤菜”梗的真相：夸克的胜利

那么这次到底谁输了谁赢了呢？集团决策这件事，就是为了让那些获得胜利利益的人找个借口而已，从来没有什么集团决策。还记得咱们在开头讲的这个粤菜的梗吗？怎么泄露的天机，在做千问APP呢？是因为一大堆在杭州封闭开发的小伙子要求吃粤菜，可能上百口子广东人跑到杭州去封闭去了。那么谁在广州，谁是从广州来的呢？夸克是在广州的。阿里的其他刚才咱们讲那几个部门，做AI的部门都是在杭州，要么在北京，只有夸克在广州。那么夸克为什么在广州呢？他们前身是UC Web。UC Web是在广州被收购了以后一直留在那了，所以他们属于是一个割据的藩镇。UC Web的创始人何小鹏，现在也还在广州呢，小鹏汽车也在广州。所以他们是广州来的。这一次集团决策，多部门配合，你也不能完全说夸克赢了吧？虽然夸克确实是出了可能上百口子工程师，从广州驰援杭州，跑到那封闭开发，要求食堂给他们做粤菜。这个事呢要看谁牵头。这个项目的牵头，叫阿里智能信息事业部。阿里智能信息事业部手下的产品，就是夸克APP、UC浏览器和书旗小说，就是广州团队。他们在整个牵头来负责这个项目，所以就是夸克赢了。

胜利背后埋下的新隐患

阿里的C端应用这块呢，一直是比较弱的。淘天是电商平台，不能算C端应用。阿里云跟通义大模型团队呢，也不是To C的，人家都是To B或者To Developer的。夸克算是阿里里头硕果仅存的一个C端的、可以拿得出手的团队。所以这次说，咱们就接着让夸克往前走吧。

夸克的胜利呢，给后面埋下了新的雷。为什么呢？因为夸克本来就是一个外藩蛮夷，本来就是收购的。收购完了以后还不在北京，不在杭州。因为只要做AI，很多团队都还是在北京的，这边的高校比较密集。一个广州的团队，要去做这样的产品的话，刚才我们讲了，怎么能够让千问APP胜出呢？你需要跟杭州的团队再去整合，你需要去跟淘天，需要去跟淘宝闪购，需要去跟飞猪旅行，跟他们去整合这玩意，你才能够走出一条新路来。但是你作为一个蛮夷，从广州过来的人，人家凭什么理你？所以今天他的胜利，给未来继续往前走埋了新坑。

大厂创新成功的关键

那么在挣扎的过程中，有没有大厂真的创新走出来的呢？有，比如说Gemini，这就属于谷歌在这种内部疯狂的竞争之后，最后走出来的结果。还有豆包，其实也是类似的这种结果。那你说他们怎么走出来的呢？怎么到千问这老范就不看好了呢？首先咱们要讲，大厂养蛊要比创业公司竞争更残酷，但是一旦胜出，他们能够获得的资源也要比创业公司大得多。Gemini也好，豆包也好，都属于在残酷的竞争中胜出的。而且呢，大厂里边要想有产品胜出，还有一个巨大的前提条件是什么？老大亲自管。如果老大不亲自管的话，下边肯定谁也不服谁。现在字节里头还是张一鸣说了算，在谷歌里头也还是老大上面直接说了算。所以在这一块上，其他人就必须跟着去配合。他们能够成功。当然在这点上呢，阿里还有机会，因为据说马云现在是更多的时间留在阿里里面了，他要真的去管事了，他是能够压住所有人的。

总结

最后呢，总结一下。咱们今天讲的呢，是千问APP带来的短暂狂欢，以及为什么大厂创新总是起个大早、赶个晚集，和大厂创新最大的困难是山头林立，内部相互拉扯掣肘，这是他们真正需要面对的巨大挑战。

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。

硅谷大裁员，AI已经开始抢夺人类工作了，到底应该怎么办？

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲硅谷大裁员，AI已经开始抢夺人类工作了，到底应该怎么办？

从亚马逊大裁员说起：一个行业的缩影

首先，咱们要从亚马逊大裁员开始讲起，因为最近大裁员的就是它。虽然大家都在裁，但是呢，明目张胆、不以为耻反以为荣的就是亚马逊了，说我们要裁3万人，第一批1.4万，应该是过了年以后再裁下一批的1.6万。

在以前，都是说公司玩不下去了才裁员，比如说亏损、利润下滑，这样可以让股市稍微地觉得你在很努力地调整。但是现在这帮裁员的都是收入上升、利润上升、股价创新高的时候说我要裁员，而且一裁就裁这么多。以前都是偷偷地裁一点点，这基本上是10%的比例裁员，非常非常大比例裁员。而且这种消息宣布了以后，股市马上就涨。

现在呢，都是以AI为名进行大裁员。一方面说，要使用AI，你们这些工作被AI替代了，上了AI以后，这么多层级的审批、这么多层级的领导不需要了，要扁平化一点。还有些人呢，说我们把钱省下来去买GPU，我们去建算力中心了。亚马逊裁员基本上就这三个理由。

亚马逊呢，其实只是一个缩影，很多的IT巨头实际上都在裁。今年大概已经裁了有十几万，甚至可能几十万人被裁掉了。应该是昨天吧，美股又在那暴跌，一个原因呢，是大空头还在很努力地做空；另外一个原因就是大家觉得就业数据可能有问题，因为美国政府停摆嘛，所以10月份的通胀数据也没出来。一帮美联储的人出来放鹰来了，说12月份是不是不应该降息了？咱们12月份不降了吧？所以呢，大家比较害怕，因为裁员确实是发生在身边。

裁员与招聘并行

亚马逊一边裁员，一边还招人呢。真正的AI专家、AI使用者，其实招的应该并不多，实际上大部分招的是假期仓库临时工，因为马上就该美国的黑五。每一年在这个时候呢，亚马逊会招聘大量的人去仓库里边打包、去发快递，但是呢，假期过完了以后就会被裁掉。我一直以为假期临时工这东西是富士康发明的，看来又狭隘了，原来原创是美国人，好的坏的他都得背着，都是他原创。

亚马逊呢，白领30万，这一次裁的3万呢都是白领，所以说是10%。还有120万蓝领，这两个加起来应该是160万员工。亚马逊准备在机器人基本上到位以后，裁掉60万蓝领，就是把仓库的工人裁60万，就是50%的蓝领，应该会在明年或者后年被裁撤掉。

被裁的都是什么人？

那么这次被裁的都是什么人呢？首先从部门上可以看出来亚马逊未来的方向是什么。

• 设备制造部门：就是做Kindle的，做Echo音箱的，这帮人被裁了很多，而且是成建制的裁掉。
• 云计算部门：虽然也裁，但是主要裁的是行政、HR、销售，这些并不是关键岗位。
• 游戏与内容部门：好几个亚马逊的游戏工作室是直接99%的人都裁掉，基本上是全干掉。亚马逊看来在游戏产业上是没有挣到钱。而内容的话，就是Amazon Prime视频频道，这边呢也是裁了不少人，但我觉得亚马逊视频频道做的还可以。

从岗位上看谁最危险？

这一次都是白领，没有蓝领的事。白领里头呢，程序员跟数据分析员裁的非常多，占20%左右。但是呢，裁掉的主要是初级程序员，就是在亚马逊工作时间不长的这些人。初级程序员其实是最容易被AI编程所替代的。全世界最好的AI编程工具是Claude Code，Anthropic他们家的，Anthropic的大股东就是亚马逊，而且Anthropic就是跑在亚马逊云上的，所以亚马逊一定是自己用上了：我不需要这么多初级程序员了，不需要这么多初级的数据分析人员了。

更多被裁掉的呢，其实是各种的中层管理干部。中层管理干部呢，他们需要干的活是什么？就是沟通协调嘛，编制报表和PPT，写写报告，这就是他们平时干的活。而这一部分活呢，也恰恰是AI最擅长的干的部分。所以这一次最主要裁的就是这两拨人，讲的叫“减少管理层级，提高沟通效率，让整个亚马逊的体系架构更加扁平化”，非常非常政治正确的一句话。待会咱们再讲，每一次公司提扁平化的时候，实际上都在干另外一件事，这都是一个噱头。

决策者安迪·杰西与他的动机

那么这个决定是谁做的呢？为什么要做这样的决定呢？这个人呢，叫安迪·杰西，是接替贝索斯成为亚马逊CEO。创始人其实没有那么决心裁员，创始人裁员不会裁这么狠的。但是职业经理人呢，经常会做这种大规模的裁员，原来咱们都有一个话叫什么？叫“崽卖爷田不心疼”。所以大规模裁员，经常是职业经理人干的活。而且这个安迪·杰西，前面应该也裁过一波大的，22年裁了一波26,000多人，这是再裁3万人。

安迪·杰西其人

这个安迪·杰西到底是何许人也？首先呢，这是一位有钱家庭出来的，纽约中上阶层家庭出身的一位，应该是匈牙利犹太人。父亲呢，是律所的高级合伙人，本人呢，是一个哈佛的高材生，哈佛学霸，都是要准备去改变世界的人。本科学的是政治学专业，然后呢，是在哈佛大学的MBA，哈佛大学的工商管理硕士。算是亚马逊的老员工了，从1997年就加入了亚马逊，一直在亚马逊摸爬滚打到现在。一开始呢，负责主管市场营销的，到2003年，跟贝索斯一起推动建立了AWS，也就是亚马逊云。2016年开始呢，做AWS的CEO，就是亚马逊下面专门负责云这个业务的CEO。2021年，接替贝索斯成为亚马逊的CEO。

与贝索斯的不同：更听华尔街的话

安迪·杰西跟贝索斯有什么不一样的呢？安迪·杰西呢，会更听华尔街的话。贝索斯就是也当过首富了，运营这么大的公司了，所以呢，华尔街的话，其实贝索斯是基本上不理不听的，就是自己爱干嘛干嘛。但是安迪·杰西，是非常非常注重股市的声音的，所以他会去亲自参加财报会议。贝索斯可能早期还会参加，但是很长时间就没有自己去过了。安迪·杰西是每一次都要去参加的，而且要亲自去回答各种的提问，股市想要什么故事，他就讲什么故事，他是这样的一个人。

为何要大裁员？

华尔街需要巨大算力投入的故事，那么安迪·杰西就必须要讲这个故事。手握Anthropic，现在呢又签约了OpenAI。而且大家要注意，亚马逊其实是在被挑战的一个位置，因为它是云计算老大，这东西它发明的，后面谷歌也好、包括微软也好，都是靠AI在逆袭，它在吃亚马逊的份额。所以它必须要在算力中心上使劲的砸钱，说你看我还是老大，我依然是比你们厉害的。他要去做这样的一个事情。

现在大空头就在指责亚马逊作假，指责谷歌作假，什么呢？就是做折旧这件事。因为这个算力芯片的折旧，大概是三年就折旧掉了一个，比如说H100或者是GB200这样的芯片，如果是满负荷的去进行训练、进行推理的话，基本上1-3年这个芯片就废掉了，就没法再使了。但是呢，亚马逊是按6年折旧来算的，所以这个大空头就说，你们这都作假账，本来3年这机器就废了，如果你真的用到6年的话，只能说明这个AI算力你没有卖出去，你才有可能使6年。你如果卖出去了，3年你就应该把它折旧干净，不能把它算6年。

而且亚马逊其实遇到了一个别的问题，就是他疫情期间招太多人了。2019年，亚马逊大概只有八九十万员工；21年，基本上就翻番就翻上去了，直接乘两倍。但是当时呢，他的利润和收入是能支撑他的。现在就必须要把这些人干掉。在疫情以后招聘的时候，招了很多的“刚刚好的人”。很多企业在急速扩张的时候都会招这种“刚刚好的人”。大家还记得在疫情期间，很多人在聊什么话题吗？叫“转码”。什么叫“转码”？就是一帮文科生说我上一个短训班，然后就可以成为程序员，就可以到公司里面去上班。那你说这些人，我觉得被AI替代掉，也是合情合理的一个事情。所以现在肯定要把他们干掉，而且正好有一个AI的借口，一下把他们干掉。

“扁平化”的真正含义

这一次提到的提高管理效率和扁平化，到底是什么意思呢？大公司跟创业公司其实是有很大区别的。创业公司一般是比较扁平的，而大公司是很多很多层级。这一次呢，这个安迪·杰西就想到说，他希望亚马逊能够像一个大号的创业公司一样干活，而不要像传统那种大公司那么干活。那么到底差在哪呢？创业公司肯定是更有活力，创业公司更有创新能力，创业公司加更多的班，是不是这样的？其实不是这样的，最主要的差异在于规矩。

150人以内的创业公司，基本上是没规矩的，完全依靠创始人的个人魅力来去维系。150人到500人的公司呢，是靠KPI和各种的规则来去维系的。500人以上的公司呢，就要玩潜规则。所谓潜规则，实际上叫企业文化。上百万人的一公司，那肯定是要玩企业文化的。但是呢，安迪·杰西并不是创始人，贝索斯才是创始人。那先王之法已经建立起来了，里头的每一个层级、每一个格子都有人了，这个格子跟层级如果不打破的话，就没有办法说我使用一些新的规则。安迪·杰西他就要像创始人一样，把这些规则跟桎梏通通都干掉，特别是一些不听话的人，通通干掉。所以呢，所有喊扁平化的，都是要把固有规则打破，就像前面阿里把P10以上都干掉一样，都是一个意思，就是上面老大说什么大家听，这种封疆大吏们，你们通通都死，就是这个意思。

规则跟层级打破了，这么大公司怎么运作下去呢？它毕竟不是150人的公司，安迪·杰西也不是创始人，他这个魅力够不够，能不能搞定这件事？其实通常情况下，打破了层级以后，这种大公司怎么管理？叫“靠天子近臣”，包括钦差大臣，就不停地把身边的人派下去，你们去管这公司，去把原来这些封疆大吏统统地干掉。亚马逊呢，其实是有类似这种传统的，当年亚马逊搞AWS、搞云计算的时候，下边也有很多部门不配合，说这玩意是啥？你折腾了半天，我到底能不能多卖东西去？这事跟我有什么关系？跟我KPI也没关系。当时处理的方式，就是谁不听话干掉谁，当时的天子近臣就是安迪·杰西。

接创始人班的这帮职业经理人呢，其实境遇是差异很大的。有些呢很短暂就被干掉了，比如Twitter的接替杰克·多西的这个印度人。有些泯然众生了，也没给大家留下什么印象，这个其实是大多数。还有一些一直被骂的，比如像蒂姆·库克这种，从上台那天就开始骂，一直骂到他要下台了。这个也没办法，因为前面的这个乔布斯实在太强，神一样的男人，谁跟乔布斯一块比，都是只能被骂的一个情况。而有些人呢，则达到了一些新高度，比如说微软的萨提亚·纳德拉。萨提亚·纳德拉才是真正压中了AI赛道的新的领军人物。所以呢，安迪·杰西呢，混到这样的一个位置上，肯定有他的追求。贝索斯还活蹦乱跳的，他也不可能说贝索斯错了，所以现在只能是通过扁平化的方式，把内部的管理层级干掉，让他自己的人下去，把这个系统管理起来。你也不可能说我挨着个说，我打老虎，你贪腐了我把你干掉，也没这功夫，而且你这边动起来的时候，肯定下边就合纵连横了，都轮不到他去干什么，就直接被干掉。所以就直接搞了一圈扁平化，几万人一裁，大家就都通通听话了。这是亚马逊的情况。

AI到底可以替代人类工作了吗？

下一个问题呢，是AI到底可以替人工作了吗？回答这个问题的答案叫“能，也不能”。我相信听我节目的人，应该都是在大范围的使用AI的。我们使用AI以后呢，会发现AI产生的结果通常只是大面上能看，但是细节呢，经不起推敲。大模型，特别是Claude，它的指令依存度其实已经很好了，你让他做什么东西，他会完完整整给你做出来。但是呢，指令描述通常没有那么规范和细致。你告诉他说，给我去写一个报告，‘哐哐’给你写了。说你这报告为什么没有标题呢？因为你没跟他说。说你这个报告为什么不是几号字呢？为什么没有缩进呢？你要先跟他说，他才能够去具体的使用。但是像我们去使用这些AI助手的时候，很多时候我们也懒得跟他讲，拿了东西以后自己再去重新排版，这个是另外一个问题。

而且呢，这些大模型呢，叫“各种对不齐”。AI经常会犯很多很低级的错误。而且呢，AI最擅长干的活是什么？就是写口水文，你看不看都关系不大的事情。所以为什么那些中低端的那些管理者被干掉了？就是他们写的很多文章、写的很多报告、做的PPT，作为最上面的老大安迪·杰西，他其实是不看的，也轮不到他看。所以既然我不看，我就把你干掉吧。

Upwork实验：AI接活的现状

有人呢，最近做了一个实验，这个人是谁呢？亚历山大·王，Scale AI的创始人。他呢，这两天做了一个实验，在Upwork上做测试。Upwork是什么？算是一个众包平台吧，大家都可以在上头接活，大家都可以在上面发任务，全世界最大的零工的，或者叫零单的平台。他在上面做什么实验呢？就是让AI去接活。他找这种不需要反复沟通的，因为你AI再怎么着，你沟通的轮次多了以后容易露馅。主要接的是数据分析、报告编制、游戏开发。最后呢，用户满意度是2%，只有2%的用户觉得AI干的活是可以接受的，愿意付钱。

主要的问题是什么呢？

• 结果敷衍了事：不是说AI干不好，而是你给它的初始条件就不够，他就只能敷衍你一下。正常的需要反复沟通或者依赖行业经验，AI两者都不具备。
• 内容前后矛盾：特别是多步骤任务，AI难以保证前后逻辑的一致性。
• 存在明显错漏：经常出现低级错误。

那满意的部分呢，好多是这种LOGO设计，比较简单的LOGO设计。我觉得就是满意部分呢，可能很多也是结果没有经过严格的检查，或者说负责检查结果的人本身并不是内行。

从“不靠谱”到“靠谱”的AI

所以通过这个实验呢，可以得出一个结论：现在的AI是没有办法去替代独立个体的，特别是你在这个行业里还有一点经验的独立个体，是完全无法替代的。AI无法完成人类工作的一个重要原因是，无法在很多的步骤流程中确保每一步的这个形式都完全正确。

但是它也有有用的部分。使用AI的一个人，可以完成不使用AI的两个人的工作，或者是至少一个半人的工作量吧。原来一个基层管理者可能管理5个人，有了AI以后，他们希望一个基层管理者可以管理15个人，所谓扁平化，实际上就是这样扁平下来的。微软的CEO萨提亚·纳德拉就曾经说过，现在的AI是一个“不靠谱的AI”。下一步呢，应该是一个“靠谱AI”。山姆·奥特曼讲的是什么？GPT-5可以连续运行几个小时不出错漏、不跑偏。而GPT-6要干嘛？GPT-6要可以连续运行几天不出错、不跑偏。等到GPT-6出来，Upwork上面的这些简单任务应该会一扫而空。

比裁员更可怕的：年轻人的第一份工作消失了

那么，比裁员更可怕的事情是什么呢？叫年轻人的第一份工作被AI干掉了。刚才我们讲了很多，被裁员的人是什么人？是初级程序员。真正的高级程序员其实并没有那么容易被裁掉，因为高级程序员现在还要干一个活，叫什么？叫“AI代码补锅匠”。这AI干的很多活，毛边是很毛糙的，AI没有能力去进行这种细节调整。在这个时候就需要上人，但上这种人的话，你新手你是干不了的，必须是老手才能干得了。所以裁掉的都是新程序员。

哈佛大学呢，最近是做了一个研究，爬了LinkedIn的招聘信息，专门给大学毕业生准备的这种叫做“junior”的职位，这几年在快速的下降。从2022年以后，初级职位就在逐年的减少。AI应用的越多的公司，初级职位减少的就越严重。他们做了比较，那些不应用AI的公司，初级职位跟高级职位一起在上升；而这个应用了AI的公司，他们的高级职位招聘的入口还在开着，而初级职位的入口快速的就减少了。所以呢，真的是AI把它替代掉了。

大公司里边很多责任不大的初级岗位，本来呢就是让年轻人练手去的。现在这些岗位基本上就不见了，在大规模的消失。即使被招聘了，在裁员的时候也会第一批被干掉。当前的教育体系完全不适应AI时代，这个是真正的要比这个裁员还吓人的。你像我儿子今年大二了，等他大学毕业的时候，为他这种楞头青准备的职位没了，这玩意咋办？

AI变革带来的社会影响

每次技术变革实际上都会带来大裁员，第一个冲击的实际上都是初级岗位。这次AI变革的不同的地方在哪呢？

• 赶上了经济下行期：以前是新技术成熟后干掉老对手，现在是AI还没法完全胜任工作，就已经弄得腥风血雨了。
• 变革速度太快了：ChatGPT 3.5是2022年11月份发布的，到现在三年多一点，一个大学生还没毕业，为他准备的职位就从LinkedIn上消失了。

经历了大裁员的企业，需要很长一段时间来弥补员工的忠诚度。现在即使裁员幸存下来的，也在抓紧修改简历，忙着去约面试。人心会散掉的。

未来，大公司可能会追求算力，最终沦为像电信运营商那样的基础设施。更多直接面向客户、解决具体问题的小企业和超级个体会诞生出来。他们可以去赚那些大公司不爱干、干不利索的钱。

超级个体的崛起

所谓超级个体，就是人直接使用AI工具，做原来一个公司干的活。人类的协作模式也在演进：

• 部落时代：人离开部落就会死。
• 封建时代：人离开家族就会寸步难行。
• 近现代：人不能离开大企业。
• 未来：大家都是超级个体，慢慢都解放出来了。

我们应该怎么办？

通用建议：拥抱AI，找到兴趣

首先要拥抱AI。你说我选一个AI不容易替代的工作，这个事是没有意义的，因为你躲开AI时间越久，到最后摔得会越狠。然后找到自己的兴趣和擅长的领域，这是非常非常重要的。因为AI会弥补很多短板，所以兴趣才更重要。

对学生：现在就开始动手

学生呢，现在就要开始干活了。因为以后大家就不要交简历了，而是上来说我参加了多少项目，我确实是做了哪些东西出来。以后呢，就不是实习了，而是自己直接参与到社区活动里边去。学生最好去参加开源项目，在开源项目去贡献代码，或者把自己写的项目开源出来，跟大家去讨论，形成基于网络的全球范围内的协作。学校以后要培养的是超级个体，而不再是天选打工人了。

对职场人：成为脑力自由职业者

那你说我已经35岁了，我被淘汰了，我被裁员了，怎么办？我的建议是这样：尽量成为脑力自由职业者，或者是超级个体。尽量避免成为体力自由职业者，就是像亚马逊招的暑期仓库工人，包括滴滴、外卖，这都属于体力自由职业者。

脑力跟体力自由职业者到底有什么区别呢？体力自由职业者是没有技能积累的。你不是说因为一个人开了10年的滴滴，你就可以获得比别人更高的报酬。等Robotaxi来的时候，干了一天的出租车司机跟干了10年的出租车司机，会一起被干掉。

而脑力的自由职业者呢，就不一样了。我们是可以积累经验的，可以积累数据的，可以积累关系的，这个东西是有效果的。对于我个人来说，就是积累更多的关注，积累更多的有趣的故事，然后再跟大家去讲故事。不断地调整我的AI流程，让我可以处理更多的信息，可以讲出更有趣的故事来。

总结

最后总结一下吧。

• AI成为了大企业裁员的第一借口。
• 初级程序员跟中低级的管理层成为了重灾区。
• 传统学校教育出来的毕业生的第一份工作，正在被AI成批量的干掉。
• 以后学校就应该培养超级个体，而不是天选打工人。
• 少数大公司最后会成为基础设施，未来应该是超级个体和小公司的时代，大家去解决一个一个具体问题才是未来的一个方向。

好，这就是咱们今天要讲的故事。但我肯定是脑力自由职业者。

李飞飞的万字长文，讲述空间智能的未来

大家好，欢迎收听老范讲故事的YouTube频道。

李飞飞呢，最近发了一篇文章，指出AI的下一个方向。AI的下一个发展方向就是空间智能。这个文章呢是11月11日发表的，非常非常长，上万字。标题呢是《从词语到世界：空间智能是AI的下一个前沿》。教授的长文，读起来还是稍微有一点点吃力，我还是认真地把整个文章读完了。教授呢，未必能够准确预测未来，那是算命先生的工作。但是，教授对未来的预测，还是值得认真研读一下的，特别是这位教授，还是当前AI浪潮的开拓者之一。

文章的结构之美：值得学习的写作范本

第一个特点就是非常的工整。她的文章结构，大家需要去学习一下。哪怕你说我看不懂这文章说什么，还是应该学习一下人家文章怎么写的。上来第一件事是提出问题：现在有些什么样的问题？然后呢，是核心概念的一些解释，对吧？啥叫空间智能？再往后呢，是方法论的一个架构：我准备怎么干？然后呢，是技术实施的一些细节和方法。最后呢，是应用的路径：我这个实施了以后能干嘛使？它是这样的一个完整架构。

每一个大标题下面呢，会有3到5个小标题，每个小标题下面，均匀地分布着描述和说明。它不会像有些人写文章，在某一个小标题下写非常长的内容，其它的显得干巴巴的，不会是这样的，很均匀。学习一下教授的写作方法，还是非常非常有价值的。

李飞飞文章的核心内容解读

第一部分：提出问题——大语言模型的局限性

咱们说一下这个文章到底说什么了吧。首先呢，是提出问题。大语言模型呢，它只能生成语言，而语言呢，并不能代表世界。语言模型有很多的局限性，已经体现出来了。最大的局限性就是各种“对不齐”。

• 与空间和物理规则“对不齐”：我们希望这个空间，应该有一些什么样的特性，结果发现语言模型生成出来的结果跟这个对不上。或者说，我们希望有一些物理的规则，它应该去遵守，但是大语言模型生成的结果，它不去遵守。例如，儿子比老子大了，或者生成的图片和视频里，人物的手指头数量搞不定。甚至让它画一个带指针的时钟，比如“3:20”，它也画不对。
• 一致性无法控制：现在大语言模型所体现出来的问题，就是前后矛盾。比如以图像和视频模型为例，一个人在这站着，一扭过脸去，发现怎么不是这个人了？或者画面不停地闪烁，一会儿看着像，一会儿看着不像。这些都是因为没有空间智能所遇到的各种问题。

第二部分：核心概念——什么是空间智能？

很多人可能意识到，空间智能是一个3D空间的事情，但其实呢，空间智能要比这个复杂得多。它除了3D空间之外，还有很多物理特性在里头：这是钢的，那是铁的，这个是木头的，那个是水或者是空气，它都在空间里边。

而且空间智能其实是4D空间，四维空间，还有时间在里头。就是我在里边做了一个动作，在这个动作后面会变成什么样，实际上这是有时序的，而不是一个静态的3D空间。所谓的空间智能，是三维空间、物理，以及动作、交互和时间相结合在一起的“世界模型”。她要给空间智能下这样一个定义。

第三部分：方法论架构——世界模型的三个能力

问题很复杂嘛，我们不能说上来就一榔头开始干活了，首先要提出一个方法论架构来。她认为，世界模型呢，应该有三个能力。

• 生成能力：它依然是一个生成模型，但生成出来的东西，应该能够确保空间、物理和时序的一致性，这是跟传统大语言生成模型的差异。
• 多模态能力：多模态呢，是图像、视频、深度、文字、手势、动作都要结合在一起，甚至可能还有触觉这些东西，都要在里边。
• 交互动作条件下的状态预测：就是我做了这个动作了以后，会变成什么样？空间智能的模型，是能够对下一个状态进行预测的，甚至呢，对下一步的动作进行预测。

第四部分：技术实施——如何实现空间智能？

那怎么实现呢？首先，世界模型要能够显示或隐式地展示3D几何与物理的一致性，而且世界状态必须是可被读写和对齐的。

实现这一目标，离不开数据和训练。具体方法包括：

• 数据来源：利用大量的互联网图片、视频等真实世界数据，并通过计算机进行深度信息标注。同时，也会使用游戏、3D模型等合成世界的数据来进行训练。
• 训练过程：训练过程会要求“生成与理解”循环互补。即生成数据后，模型自身再去理解和验证。
• 推理和控制：模型的核心是推理“状态 -> 动作 -> 新状态”的演变过程。李飞飞团队正在探索新的模型方式，例如“实时帧模型”（Real Time Frame Model），它可以像视频一样，直接输出下一帧世界会变成什么样。

第五部分：应用路径——空间智能能做什么？

• 近期应用：主要用于讲故事、创意和内容生产。她们已经做了一个名为“Marble”的模型，供3D动画和游戏开发者申请试用。
• 中期应用：用于机器人和具身智能，让机器人能够真正地理解世界，而不仅仅是依赖语言模型。
• 远期应用：进行科学研究，例如在材料学、医药学、分子生物学等领域，利用空间智能构建和探索复杂系统，进行模拟实验。

老范的思考与评论

教授创业：理想与现实

李飞飞呢，现在是在创业，她有一个公司叫“世界实验室”（World Labs）。她呢，融资融了2.3亿美金。刚才我们讲了，教授创业未必能够挣到钱。但是呢，她的学生，现在是各个大公司里边的顶梁柱。所以她想去说：“我要一笔钱来去创业的话”，融到钱这件事并不是特别难。

教授创业，通常不太容易有很好的商业回报。教授的学生们，才是真正值得关注的群体。

运维、工程与科研：三个不同维度的创新

运维、工程实施技术和科学研究，实际上是三个完全不同的维度。你说我这给你发个打折券，买几赠几，这个东西呢就是纯运维。那工程技术呢，就是为了实现运维目标，我们在现有已经验证过的这些技术上进行一些实施，这通常教授的学生们会干这些活。而教授呢，会在前头再去研究现在还不确定的那些科学。

方法、专利与论文：创新的层级

大家要注意，方法是不允许申请专利的。而专利呢，一般是一个工程实施上的东西。教授的直属弟子们，她们一般会玩的是什么？是论文。她们会比专利更高一个层级。论文是希望你尽可能多的引用的一个东西。教授真正的得意门生们是去写论文的，而教授要比论文更高一级。但是大家要注意，真正能挣钱的东西是什么？是专利，以及后边这些方法，这是能挣钱的。论文其实很少直接产生收益。

空间智能是唯一方向吗？

讲远了。空间智能到底是不是未来的方向呢？AI的下一个问题肯定是对齐，这个毋庸置疑。但是呢，需要对齐的东西很多。

• 空间、物理与时间：这就是空间智能需要对齐的东西，肯定是AI需要对齐的一个方向。
• 人性与法理：这也需要去对齐。
• 编程：这是最容易对齐的东西，各种约束都非常容易去验证，所以编程现在是整个AI大模型领域里头，对齐对得最好的一个领域。

那么未来的5-10年，实现空间、物理与时间对齐，应该是一个大的目标，这个没有任何问题。但是具体实现的方法，未必像李飞飞当前所设想的这样。她提出的“什么是空间智能”、“为什么要做”以及“要解决什么问题”，这些都是对的。但是后边两块：“具体打算怎么干”，以及“具体做完了以后在哪用”，这一块呢，我们没必要太去听教授的了。

一个历史的例子：Pascal语言 vs. C语言

在这儿呢，跟大家讲一个例子吧，比如说Pascal语言和C语言。Pascal是1968年苏黎世理工大学的教授发明的，主要用于教学。而C语言呢，是1972年贝尔实验室的工程师发明的，后来变得非常普及，Linux、Unix和Windows的早期版本都是用C语言写的。这个工程师呢，应该是硕士研究生，博士论文写了个草稿，但是没有获得学位。这就真的叫英雄不问出处。所以，最后大家去用的东西，未必是教授发明的东西。

李飞飞工作的真正意义

李飞飞的工作呢，还是有巨大的意义的。第一个呢，拉动了社会的关注。她毕竟是AI领域的“教母”，大量的关键岗位都是她的学生。而且呢，李飞飞前面做的最大贡献，是做了一个叫ImageNet的项目。她把大量的图片放进去，让各种的大模型可以用这些图片去进行学习。所以现在呢，李飞飞准备继续做这件事情，继续把大量的数据进行标注，让各种空间智能的模型去进行学习。我们提出标准，你学习到一个什么样的程度，然后怎么去打分，她要把这个事情做出来。所以这件事呢，还是非常非常重要的，就是积累数据和论证各种验证方法。

总结

最后呢，咱们总结一下：

• 李飞飞作为AI“教母”发表长文，为空间智能站台。
• 教授的文章格式必须要学习一下，其结构清晰、逻辑严谨。
• 空间智能确实是未来十年，行业必须要去解决的一个重要问题。

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。