斯坦福大学的研究表明，近半AI创业者选错了方向。这里边到底谁对谁错呢？

大家好，欢迎收听老范讲故事的YouTube频道。大家都在指点江山，但是人家斯坦福大学肯定要更专业一些。

7月7号，斯坦福大学的HAI（叫以人为本的人工智能研究所）与数字经济实验室，发布了一个工作论文，叫“员工真正希望从人工智能中得到什么”。这样的一篇论文，有兴趣的可以自己去找这个论文来看一下。里边讲到很大比例的AI创业者呢，都找错方向了，大概41%的AI自动化，正在做没人想要的事情。那这论文到底说什么了呢？

他呢，首先做了一个打分。论文我们要去看他的研究方法，数据来源是不是可靠。像我老范坐在这，我可以一拍脑袋说，以我过去的经验怎么怎么样，大家听个乐就可以了。但是人家这个呢，一定是要有严谨的数据收集过程的。

首先呢，他们先去选择任务，每个月至少要做一次的任务，而且呢能够被数字化的任务挑出来，一共是2,131项任务。你说我这个任务十年碰不到一回，这用不着了；或者说我这个任务完全没法数字化，也用不着了。然后呢，对这些任务进行去重，你说这个任务跟那个差不太多，算一项，去重了以后呢，一共剩了844项任务。

然后呢，要求一帮人，对这些任务打一个五分制的分。首先呢，他选了1,500名美国的在职人员，囊括104个行业，和刚才我们讲的844项任务，就是你至少要参与过其中的哪项任务，你才可以对他打分。你说我这事从来没干过，你去给打个分，这个不行的。而且呢，在题目前面还要插上说，跟工作的乐趣和失业风险，你也要进行考虑，帮助受访者呢平衡理性和情感。

他呢，通过语音访谈，让被调查者回想真实的工作场景回答，避免拍脑袋。所以呢，他先对这844项任务呢，进行了一个有没有人想要的一个调查。调查的过程，就是刚才我们讲的语音访谈，说你干过这事吗？干过，那你到底想不想要呢？这样的一个过程。

然后，再找了52名拥有AI agent系统研发经验的研究者和工程师出来，也是5分制打分。他们打什么呢？按照现有的大语言模型和工具链，让AI单独完成该项任务的把握有多大。同时做任务分类，H1级全自动，H5级必须人类主导。他对这个844项任务，再去做一个这样的打分。等于两个维度，一个维度说你想不想要，另外一个维度说做得了做不了。

把这两个维度的分数搁在一起，把所有844项任务呢，变成了四个象限，上下左右四块。这四块里头呢，第一个呢叫绿灯区，所谓的绿灯区就是高需求高能力，什么意思呢？就是员工也很喜欢，现在的技术也可以实现了。第二个呢叫做低需求高能力，这叫红灯区，就是技术很炫，但是呢没人想要。第三个呢是高需求低能力的区域，就是呢市场特别想要，但是现在做不出来。第四个呢是低能力低需求的区域，现在技术也做不出来，市场也不想要。一共分了四个区域。

为什么说错配呢？他们说现在看了一下，41%的热情都给了高能力低需求，或者是低能力低需求的这个区域了。而上面这个高能力高需求，和高需求低能力这个区域呢，配置的并没有那么多。

那他这个是怎么统计出来的呢？他呢，抓取了YC 5,156个项目的描述，这个直接上爬虫就可以了。爬完了以后呢，找GPT来做分类，说这项目跟AI到底有没有关系。抓完了以后呢，发现有1,723个项目呢，跟AI是有关的。然后呢，对公司的项目，与刚才咱们讲这个844项独立的项目，进行对齐，你干这事儿跟上面的哪一项是相关的。这个也是由GPT就可以搞定的。做完了以后，按这四个象限一分，发现41%在红灯区，绿灯和高需求区，配置的并没有那么多。

那么四个象限里，都包括些什么样任务呢？首先咱们讲绿灯区，有29%的创业者在这儿。绿灯区就是高需求高能力，我现在完全能做的了，大家也需要。第一个是访客日程安排，大家都打了5分，我们需要这东西。因为在美国做的调查，美国很多事情都是需要预约的，而且预约这个过程呢又特别麻烦。他呢，跻身在绿灯区的top one。任务本质是结构化信息的写入加提醒，AI专家评估为，现有的大语言模型技术和日历的API，可以一步到位。因此属于两轴皆高的立刻可落地区域。

搜集的信息是这样搜集回来的，但是他真的表达的是说，大家赶快都去做AI日程排布，这样的一个功能吗？其实不是这样的哈。大家仔细思考一下，这个绿灯到底说明的是什么？说明的是有大量的需要去进行预约的，这种需求是没有被很好满足的。你说我要去看医生，那这个医生预约两个月以后，这个并不是说，你需要把预约系统做的更好，而是需要更多的医生。但是你说医生多了以后，是不是现在医生的薪资就降低了，就跟韩国似的，说我们多招点医生上来去上学，医生就跑去罢工，说不行，你这多招了医生上学了以后，我的薪水就降低了。这个事呢，肯定需要靠AI进行更深层次的解决，但是这个报告里他就不管了，反正我们搜集了，排日程是最有需求的。

第二个呢叫做维护紧急呼叫档案，就是911，你打了电话去，进去以后发现有很多档案是错的。那么自动化意愿呢，1-5分制算完4.67。需求呢是批量整理索引去重，典型的CRUD项目。这个CRUD就是create，read，update和delete，就是把这个数据库增删改查的，这样一个事情。专家判定的是，完全可以靠现在这个能力搞定的事情。为什么大家需要干这个活呢？传统人工处理，导致15%的紧急呼叫响应延迟。你给我打电话了，说我这出一什么事，结果发现呢，你登记的什么路牌，或者是很多这些信息是错的。AI呢，可以将错误率从8.3%直接降至1.2%。边缘计算设备呢，也可以提供实时的这种GPS通话，记录警力分布数据，响应时间也可以极大的缩短。这个是美国人很需要的一个功能。

然后呢，叫更正工资记录。这个自动化愿望是4.6。比如说你到底迟到了早退了，还是有需要有奖励，还是需要有处罚的事情，这些呢是要去反映在工资里边。在这一块读取误差，计算差额，写回表单，AI在这个表格处理文本生成上的能力，其实已经很成熟了。所以也放到绿灯区里头。

我以前是做过人力资源管理系统的，给员工算工资，是一个非常非常麻烦的事情。而且呢，他需要在极短的时间内完成，需要考虑的东西呢虽然很多很复杂，但是呢毕竟是有限的东西，相对还是要容易一些的。基于规则引擎和自动化系统，可以处理92%的常规薪资纠纷，准确率呢高达98.7%。以前人事部和财务部，每个月底算工资的时候，都是这个脾气特别不好的时候，我们一般在这个时候，都是躲着他们走的。他们非常需要这个玩意，可以释放员工80%的时间用于合规审计，降低企业用工的一些风险。因为每个人收到工资以后，都会去算一下我自己的东西对不对，为什么多了为什么少了。工资发下去，他们还会上来说，为什么少发我了，到底怎么回事，这个月谁谁谁说了要给我涨工资，或者要给我一什么奖励，我怎么没拿着。这个事还是挺多的。这个就是绿灯区的项目。

但是绿灯区的项目，刚才我们也讲了，大家需要去思考这个绿灯背后，可能隐藏着更深层次的市场需求。有可能并不是让你把表面上绿灯的事情做完，而是需要去思考，整个的社会希望向哪个方向发生改变。特别是一些非常高需求的东西，都不是让你直接去干活了。

再往后呢，叫高欲望低能力区，有30%的创业者在这块选择，就是大家很需要，但是又做不太好。因为有技术的人呢，就肯定喜欢做这件事嘛，在这块努力是没毛病的。第一个呢，叫季度预算整合。工人呢，希望借助AI减轻繁琐的汇总，但是呢牵扯到多表关联权限校验，解释性要求，专家认为当前的大语言模型，仍然很难做到端到端的自动化，能力低。所以呢落到这个区域里边来了。

再往后，医疗影像诊断的多模态分析。现有的模型对于罕见病，如肺淋巴管肌瘤的识别准确率是62%，需要结合基因数据和临床记录，就是可能需要更多的数据搁在一起，进行多模态识别吧。联邦学术技术可整合跨院数据，在保护隐私前提下，将准确率提升到89%。这一块肯定是有需求的，看片子原来其实人在这块也是有问题的，看片子的人，可能对于其他的什么血象，一些这样的数值也没那么了解。现在有AI以后的话，让AI大模型，把各种的数据进行综合考量，一定是可以把诊断率提高很高的。而且对人进行医疗诊断，这个是有很大需求的。

再往后呢，叫教育领域的个性化学习路径规划。当前自适应学习系统的知识图谱，覆盖率仅有40%，无法动态调整难度系数，就是说我们没办法去根据人的学习能力，或者学习反馈，去给他设计新的教学方法。而且呢这种教学计划的调整，是很难进行有效的结果评估的。所以这一块呢，目前为止大模型也做不太好。一旦跟教育有关，他的需求还是很高的。

再往后呢是生成生产设备的维护排期。这个也有很高的需求，什么意思呢？你需要去排期，说我的设备到底什么时候应该生产，什么时候应该去检修。目前为止呢，工业设备的传感器数据，存在很大的噪音，15%的噪音，就是里头有很多数据不准，导致呢故障预测误报率高达38%。现在经常有什么波音飞机怎么样了，或者其他的一些设备出什么问题了，是怎么回事？他收集了很多数据，回来以后来确定说，从工程上说，你这个飞多少公里需要检修一次，但这玩意他不准。在这里头呢，大模型也没有做的那么好，需求还很高。你飞机掉下来了，这玩意需求肯定高。所以这一块大家如果有能力的话，也可以努力的冲锋一下。

再往下呢，叫红灯区，就是低欲望高能力区，我现在可以做的很好，但是没人要。有21%的创业者在这里努力。第一个任务是撰写创意文稿，这个是AIGC干的第一个活写文章。大语言模型已经可以生成流畅的文本了，而且能力很高。但是呢工人愿望仅有1.6，5分1.6是他的愿望。72%的编辑认为AI创作缺乏深度，61%担忧技术价值被削弱。这就属于担心失业的这帮人。尽管技术可行，但是编辑岗位的自动化接受率，仅有17.1%，远低于技术乐观派的预期。

然后是客服聊天机器人。GPT4已经能够处理85%的常规咨询，一响应准确度高达91%。但是呢40%的客服人员认为AI缺乏同理心，32%担心客户满意度下降。但其实他们担心的还是失业嘛。员工呢更倾向于H4级协作，就是人类主导加上AI辅助。刚才我们讲了，有50多个专家打分的时候呢，H1是AI全都能搞定的，到H5是完全人搞定的。在这里头这些客服希望做H4级的工作，我自己呢又可以省点力气，但是呢我还是主导。但是现在所有的研发都是向H1级，就是完全由机器主导，完全脱离人这个方向去发展的。

还有就是物流分析师的供应商联络工作。这个呢现在大语言模型也可以做的很好了。它基于大语言模型的供应链管理系统，可以自动生成谈判策略，响应速度比工人快5倍。但是呢53%的受访者认为，AI无法处理供应商的隐形需求，比如账期灵活性，41%担心失去客户关系的一个控制权。你去管理供应链的时候，这个里边还有很多灰色的地方，这个是人类不希望被替代的。这个是红灯区。

最后呢，就是低欲望低能力区，就是没人想要，也做不好这个区域。20%的创业者呢在这个里边努力。第一项任务解读工程图纸，愿望分是1.75，5分里头只有1.75分。现阶段多模态理解，3D语义抽取仍然比较难。现在看不懂这个图，AI能力低，优化级别低。现在呢在这一块也没有那么大需求。

再往后呢，叫追踪行李去向。愿望呢是1.5。该任务需要电话航空后端多方沟通，当前通用的代理难以整合。这个技术低需求也低。现在不太好搞。

然后是心理咨询师的情感支持对话。GPT4的共情准确率只有53%，无法识别非语言线索，比如微表情，包括语气语调都比较难以识别。82%的心理咨询师认为，AI可能泄露用户隐私，且缺乏法律责任界定。

然后是律师的复杂案件策略制定。现有的法律AI对于判例的关联分析覆盖率仅有35%，无法处理跨法域的冲突。91%的律师认为，AI应该定位为法律检索工具，而非策略决策者。法律这块我不是特别懂，但是写程序这块我是知道的，你问他各种细节的东西，他都做的很好，但是呢他特别容易钻牛角尖。我们一定要看着他的COT，就是思考过程叫思维链，你一定要看着这个东西，发现他走错路了的时候呢，你要给他提供新的思路，把他揪回来，他才能回的来。所以呢甭管是心理咨询师，还是律师的复杂案件决策，这个事到目前为止还只能依靠人。

还有一项是什么呢，就是绘图创意。愿望分呢是1.71。他们认为呢生成式视觉模型，在客户化的创意上，版权合规上都还存在着局限性。Midjourney、达利生成的图片，在这块都是有问题的。专业设计师不期待AI全接管。达利3生成的设计方案呢，仅12%符合品牌调性，且缺乏文化隐喻的深度。你让他去理解一些我希望隐藏的一些含义，基本上没法整。艺术创作者，艺术创作的需求呢，集中在H5级别，就是人类完全主导，AI呢仅提供一些素材就可以了。这一块呢是低欲望和低能力区。

现在呢红灯21%，低欲望低能力是20%，他们俩加起来是41%。最后这种报告的意义在什么地方？我们是不是应该照着这个报告的方式，去选择我们的创业方向了？不是这样的。这个报告最重要的一点，是展示了有效的信息搜集和形成决策的一个过程。我应该怎么去搜集信息，我们应该如何去划归任务，我们应该去做什么样的访谈，访谈完了以后呢，怎么对这些任务进行象限的划分，怎么去判定大家到底都在做什么事情，而且哪一部分是可以靠AI来搞定的。你比如说我爬虫，爬了YC的四五千家的创业公司，找到其中跟AI相关的1,700家，再对他们进行844项任务的对齐，你们到底是做哪项任务的，然后再拿四个象限去套。后边的部分完全是AI搞定的，就是AI负责了整个的数据统计和分析的部分。前面怎么去找人去设计问卷设计报表，应该也是AI搞定的。他们只需要给1,500个人打电话，然后去找到51位AI editor的专家去打分，就可以搞定了这样的一个报告出来。

但是呢要注意一点，就是这个报告并不完全可靠。大家不要说这一块是绿灯的我要冲，那一块是高欲望低能力，我要去研发。不要去直接这么简单的使用这个报告。第一个呢是搜集信息的过程并不全面，存在情感和偏见。还有一点是很重要的，什么呢？就是打分的是打工者，不是决策者。打工的人是没有权利去决定我买谁家的系统的，他们是要被AI替代，是要失业的这帮人。所以他们在这个里边会有一定的偏差。未来的世界呢也是动态变化的，不是按照现在这个状态不一成不变的。所以呢我们可以去仔细的思考和解读这个报告，但是解读的方式并不是简单的是使用。

那么应该如何选择创业方向呢？你说我有关系有行业背景，也有行业数据，先找个绿灯区域先做起来，先挣一笔钱再说。或者说我是不是可以去做一些颠覆性的事情，你也可以在绿灯区域去找。刚才我们也讲了，很多绿灯区域都是需求极其强烈的，但是他强烈的过程，并不是因为说我们真的想要排好日程，而是说整个美国社会的预约制度，给大家带来了极大的痛苦。解决的方法并不是说我做好预约系统，而是增加前面的供给。这个可能就需要换一个思路去思考了。

第二个有技术，可以尝试一些高欲望低能力的区域，突破AI的技术瓶颈。最多的人在这块，30%的创业项目都在这。你比如说我去解读一下，医疗影像这块，肯定还是值得大家去努力的，而且这一块呢也更容易拿到钱。

至于红灯区呢，不是说到红灯区，就是高能力低需求，这些东西我们就躲着走。比如说智能客服机器人这种东西，大家注意访谈是来自于打工人，不是来自于决策者。打工人是害怕失业的，决策者是想降本增效的。所以呢对于决策者来说，这个区域未必是红灯区。大家做的时候自己去思考。

至于最后这个低欲望低能力区呢，确实需要谨慎一些。但是呢如果你是真爱，说我真的喜欢这一块，那也不妨去尝试一下。真正的有可能出大型公司的，这个领域呢，其实是绿灯区跟这个低欲望低能力区。这里头有可能会真正的出现，颠覆社会的这种大型公司。而其他这些区域里头，红灯区和高需求低技术的这个区域，咱们做一做，有可能会出一些小型的成功公司。大型成功公司，或者是真正的跨时代的这种，成为美股七姐妹那样的公司，是比较难的。

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

ChatGPT的桌面应用更新了，直接可以跟应用结合了。这又是什么新方向吗？大家好，欢迎收听老范讲故事YouTube频道。今天咱们来讲一讲11月15号ChatGPT桌面版的一个更新。大家注意，这次更新的不是网站，而是桌面端，就是你要有Windows或者是MacOS才可以使用的这个版本。

在这个里面，MacOS永远是走在Windows前面的，因为MacOS的操作系统其实相对来说要简单一些。为什么呢？因为MacOS的硬件简单，它没有那么多兼容性问题，所以它整个的操作系统，或者说整个的操作系统环境也相对来说要更单一一点点。Windows呢，现在也在跟上，但是Windows的所有功能对于ChatGPT的桌面版来说，都要稍微滞后一些。

现在的Windows上呢，已经有APP了，而且可以上传文件，可以拍照，可以截屏，可以做高级语音，这些都可以干了。MacOS是这些功能早都有了。这一次增加的是什么？这一次增加的叫跟应用相结合。那么跟什么样的应用相结合呢？不是所有应用都可以的哦，主要是跟编程工具一起干活。

Xcode就是苹果自己家的这种编程工具，然后是文字编辑器。很多人写程序是不会看IDE的，IDE叫集成开发环境，他们会直接开一个文字编辑器就干活了。然后是VSCode，这个是最常用的一个IDE，这是微软做的。还有Terminal，Terminal是叫终端，Linux也好，MacOS也好，有大量的操作是在终端里边干的，所以呢，你也可以跟终端直接结合。还有一个比较高级一点的终端程序叫ITerm2，也是支持了。

现在呢，就是支持这5个应用，其他都不支持。那这是不是要去抄Github Copilot的后路去了？那是不是有没有必要去花一个月10美金去订这个Github Copilot呢？我赶快去测试了一下，首先测试第一步，检查梯子，因为呢，我们的网站上去其实还是比较容易的。

但是呢，你使用他的桌面客户端，有的时候还需要对梯子做一些特殊的设置。如果你自己没有这个问题，这块可以越过。再往后呢，就是更新你的桌面客户端，就是ChatGPT在MacOS上的这个应用。当然，这个很神奇，他这个更新居然是手动的，这要稍微吐槽一下。为什么呢？因为我们以前做APP的时候，有一个重要的指标，就是当你每一次新版本出来以后，用户是不是都更新了。因为你的新版本更新经常是要换这个广告商。如果用户不跟着更新的话，一旦更新了以后，你就没法挣钱了。你的广告商换了以后，用户没跟着更新，这事是不行的。可能前面那个广告商的广告服务协议已经到期了，你必须要更新，这个事是一个很重要的指标。

但是呢，ChatGPT是要手动更新的，它不会说一启动了以后，哎呀，我发现有新版本了，咱们更新一下吧。反正这个他没提醒我，我是手动更新了一下。更新了以后呢，需要去点设置，设置是在这个应用的左下角，有一个人脑袋的地方。点一下，然后要允许使用应用，他那个名字是这样的一个名字，叫“允许使用应用”。我显示的都是中文，因为我已经把我的ChatGPT的桌面版换成中文的了。

然后呢，就是去授权。对于一个要去操控你电脑的程序来说，所有操作系统都是会有严格管理的，因为你不管的话，这就要出病毒了，有可能会给你造成损失。授权是什么呢？就是在设置里边有个叫辅助功能，在这一项里头，允许下面的应用程序控制你的电脑。这边有这么一项，在里头找到ChatGPT，把它打开就可以使用了。

后边呢，就是管理应用，就是我到底要用哪些。Xcode因为我自己不使，所以呢我就没有测试。Terminal只要是你把上面授权开了，你的Terminal窗口打开了以后，就可以在ChatGPT的应用程序下边，这个对话框底下多出一个图标来。这个图标呢是一个小方块，中间有一个指针。哈哈，这个我就不跟大家截图了，就是你点完了这个图标以后，就可以选中你的Terminal的这个窗口。

他就会根据你Terminal窗口里面的信息进行问答了。他会把Terminal窗口里的最后200行读出来，根据这200行的信息去给你做各种回复。这就是连接这个terminal窗口的一个操作方式。而且呢，这个terminal大家知道，我们经常通过SSH连接到远程的云服务器上去，或者连到我们的NAS上去。那么这个的话，它依然是可以工作的。我在云服务器上做各种操作，报错了或者什么的，你就可以直接问ChatGPT说：“哎，报了一个什么错，该怎么改呀？”他会给你去解决问题。

文本编辑器也是可以的。我试了一下，打开文本编辑器，里面有内容，它就会根据内容进行回复。VScode这个是我的主力IDE。在使用VSCode的时候，先需要装一个插件。在VSCode里头下载一个VSIX的文件，这个是从OpenAI的网上下载。下完了以后呢，到VSCode里头去安装这个插件。装上以后就可以使用了。但是要注意，这个插件在VScode的插件商店里没有。这也是一种“萝卜急了不洗泥”的方式。就是说，按道理说应该把这个插件上架到Vscode的插件商店里去，但是呢，它就没有上架。有可能是因为太着急了，没上去；也有可能呢，是因为他们惦记抢这个GitHub Copilot的饭碗，去上微软那里去上架的时候，因为VSCode是微软家的嘛，去上架的时候被微软横挑鼻子竖挑眼，说：“你这不行，这个不太安全，回去接着改去。”要给他拖一拖，所以干脆他们就自己升级了功能，自己做了个插件，从外面让你去装上去。

这个系统呢，是可以在本地工作的。什么意思呢？就是VScode在编辑代码的时候，你可以编辑本地的代码，也可以通过SSH编辑远程云服务器上的代码。但是如果要去编辑远程代码的话，你需要重新装所有的插件，这个搞不定，所以它只能在本地工作。这个系统呢，是只能够查看当前窗口的代码，因为VScode里头是可以开好多窗口的，它只能查看当前的。

如果你在当前窗口里头选中了一些高亮代码，他会优先专注于高亮代码进行解析，也就是这样的一些功能。所有生成的代码，比如说我这哪错了，那些代码是有什么问题，他会生成很多的代码来帮你去解释，帮你解决问题。但是呢，这些代码必须要拷贝粘贴，他不会直接把这些代码应用到你的程序里边去，也不会直接把这些指令送到Terminal，就是命令行终端里边去执行。你要自己手动地从这个聊天窗口里头把他给你建议的代码也好，命令也好，粘贴到相应的地方去，打回车。这呢，也是让大家觉得很不爽的一个地方。

那么这东西到底能不能替换GitHub Copilot呢？我试了几下以后就换回去了，我接着使用GitHub Copilot。为什么呢？第一个，ChatGPT不能直接修改代码，每一次都需要你去拷贝粘贴，自己去改，很有可能改错呀。你再问他说这对不对，操作起来非常麻烦，这是第一个原因。第二个，不能处理远程代码，这是我不能接受的。我是经常需要处理云服务器上的代码，他只能在本地工作，这个不行。第三个，他不能使用不同的模型，现在甭管你是用Cursor也好，还是用GitHub Copilot也好，你都可以选不同的模型。但是OpenAI的ChatGPT只能选OpenAI自己家的模型。你说我想去选Anthropic下边的Claude行不行？我想去选谷歌的Gemini行不行？不行，没有这个能力，所以这个也是让人不太爽的地方。

还有一个很烦的是什么，他只能处理当前的文件，没法去处理workspace上的东西。我们做一个程序，这个程序都是一个很复杂的目录结构，这个目录结构我们要管它叫workspace，就是这个工作空间，这里头会有很多很多的文件。如果说不能够根据整个的workspace一起去给我建议，只有根据我当前打开这个文件去建议，那这个完全没有意义，改程序会越改越乱的。

我们推崇的是每一个程序尽可能短，每一个程序之间相互配合，而不是说我们写一个特别长的程序。因为特别长的程序不好维护。你使用ChatGPT的APP，直接调用当前窗口的代码进行提示，那这个效果应该是很差的。我的Cursor呢，是过期了，所以我就没有再回去测试。现在我主要的编程工具是GitHub Copilot。从用户体验上来讲，Cursor应该是最好的，其次是GitHub Copilot，再差的就是今天我们讲的这个ChatGPT。

你说ChatGPT为什么会选择这样的一条路出来，明明做得又不好，还要去跟GitHub Copilot、Cursor去硬刚呢？其实很多做大模型的公司，他们预期的方式就是这种。什么叫全能助理？就是你不需要在编程的时候打开GitHub Copilot，在Office里头去打开Office Copilot，在浏览器里面去打开Web Copilot，在操作系统里头去打开操作系统的Copilot。他们希望你有一个统一的全能助理，打开什么样的工作我都给你搞定。这是这些做大模型的公司，无论是Anthropic还是OpenAI，他们想干的活。

所以你看他的应用，可以截图、截屏、照相、上传文件，还可以听到你的声音，现在还可以直接从IDE页面里把代码拎出来。他们希望说我都干了，你不用再去烦别人了。但是这里面有一些困境，就是不能直接操作电脑。原来Anthropic不是演示过直接操作电脑吗？我上一次出去参加活动，还有人问我说这太可怕了，他就直接操作电脑了。我说这个没有那么可怕。第一个，Anthropic演示的直接操作电脑的那个程序是一个实验室版本，他们也不敢把这种东西直接给用户去用。因为一旦给用户用了，咱不说他有恶意或者什么的，他弄坏了以后你咋给人修啊？这个是没法整的。

所有的公司里边的IT人员，最害怕的就是：“哎呀，我的电脑不行了，我有一个程序找不到了，哪个东西起不来了。”你要到现场去部署，现场去看当时的环境是什么样，可麻烦了这个过程。这是不允许Claude直接操作电脑的。现在用户能够用到的还是Claude从电脑上读东西，操作的过程还要你自己拷贝粘贴，都是如此的。ChatGPT也是这么干，所以它不能操作电脑。

那么用户体验，到底什么是用户体验？或者这种大模型应用的用户体验到底是什么样的？这里头其实有两个关键点。第一个关键点叫做找到合适的内容，第二个关键点是在可预期的范围内进行操作。

咱们先说第一个，找到适当的内容。那么什么叫找到适当的内容？就是我们要解决一个问题，你需要解决问题所需的所有内容。就像刚才我们说，我们要改程序，你要改程序的话，你需要在Workspace里，这个工作空间里边的所有程序、所有代码，然后你才能够去改这个程序。甚至你还需要什么？就是很多的环境信息。你说：“我这个电脑是Oracle云上面的一个乌斑图的主机，还是一个Oracle OS的主机，还是一个什么样的主机？我这个主机是什么样的CPU？什么样的内存？”你说：“我是arm的CPU，还是Intel的CPU？”你都要告诉这个大模型，否则的话，它给你的很多建议就会是错的，所以你需要全部的信息。

第二个呢，还有一个问题是什么？你不能被其他没用的信息干扰。什么叫被没用的信息干扰？这跟大家讲一个小故事：以前的杀毒程序在这个硬盘里杀病毒的时候，最怕的是什么，知道吗？最怕的是别的杀毒程序。为什么？因为杀毒程序干活的方式是拿病毒库去比较。我读了这段代码了，谁到我病毒库里比较一下是不是病毒。但是他一旦遇到了别的杀毒程序，在硬盘里安装着这个杀毒程序，里头也有一个病毒库，那你拿出来一比较，哎呦，跟我这里一样，接着往下比还一样。到最后几个字节可能不一样了，这个不是一个完整的病毒，不用管它。

再到下一个，哎，又一样。因为人家那病毒库里头所有病毒都有一遍，他就到人那去检索，说这个好好厉害。你看你这个病毒库里边所有的毒都有，这就是被无用信息所干扰了。我们硬盘里也是这样，各种各样的信息是非常多的。当你这个大模型需要去给我回答问题的时候，你不能把我硬盘里所有的内容都找出来，然后来给我回答。有些是我希望你看到的，有些是我不希望的，或者有些是我不希望你这一次拿去参考的，这个一定要搞清楚。

而且还有一点，什么叫不能让用户害怕，这个是很关键的。如果一个用户告诉他说，现在大模型来了，我要把你硬盘里头所有的内容都搜索一遍，我来给你解决问题，用户说那算了，咱别费劲了。我这个里头还有一些什么学习强国呀，或者这种目录里头放的文件，是我不希望你拿来解读它，可能是一些宝藏、小电影什么的。他还是要让用户知道，你这个大模型是在他允许许可的范围内在工作，不能吓着他。

这个是找到适当的内容。下一个呢，在可预期的范围内操作。什么意思？第一个先要保证做对，这个其实很难。为什么呢？现在给出来的答案，甭管是GitHub Copilot还是ChatGPT，还是Claude，或者它的Cursor这样的产品，它给出来的答案基本上很难一次正确。原因也很简单，就是他们得到的信息不够完整，环境信息不完整，其他的代码没有研究。

就算你告诉他说，你根据我所有代码去做处理，其实他也没有办法真的这么干，因为大模型是有上下文窗口的。你不可能说我把一个程序的所有代码都塞进去，这个是非常非常费劲的。就算他的上下文窗口足够大，你还有大量的网络传输的开销，这个也是很麻烦的。

所以现在的这些大模型处理这种workspace的方式是什么呢？就是做嵌入。他把你所有的代码拿去做这个embedding的处理，做完了以后再根据你的命令，在embedding之后的代码里头找到相关的内容，然后再去回答他们。现在只能这么干，所以他们给出的答案。

其实，通常都是错误的。你拿到了以后，还要人工判断，然后再去调整，才有可能把它做对。这个第一个要做对，这事很难。第二个，什么？你还是不能让用户害怕。一上来说，我们执行一个命令叫“RM -RF *”，那这个什么意思？就是把硬盘上所有东西都删光。执行命令这件事，有很多是比较吓人的。所以，为什么现在 ChatGPT 和 Claude 都不敢直接去执行命令，就是这样。他怕吓着用户。而且，如果真让他执行了，万一出错了以后，他又没有补救措施，这个也是一个很大的开销。

为什么呢？就是你要看正规的工程师，或者叫网络工程师，他们的操作手册都是什么？你做任何的升级，做任何操作之前要备份。备份完了以后才能做操作，万一做错了以后还能恢复。但是这个操作的开销就非常大了。所以，现在他们这两个应用都不敢直接下手。

那么，这算不算是一种纯视觉方案？咱们想的稍微远一点，什么叫纯视觉方案？就是特斯拉在推自动驾驶的时候，就推这种纯视觉方案。别人还在研究什么毫米波雷达、激光雷达的时候，马斯克说不，我就要纯视觉方案，我不跟你费劲了。那么，什么时候上纯视觉方案呢？就是要去对抗各种雷达，对抗车路协同系统。雷达还算是一个相对来说比较简单的玩法，车上加毫米波，加这个激光雷达，这还算简单一些。车路协同是什么？就是在路上加各种传感器，加各种各样的处理终端，加各种标记，让你的车在这样的智能公路上可以畅通无阻。

但是，这条路看来现在应该不是主流方向。就算是国内的国产新势力们，也没有向车路协同的方式走。大家还都是惦记说，我怎么在车上把这事搞定就完事了。那么，这个事情跟咱们今天讲的 ChatGPT MacOS 上的这个客户端到底有什么关系呢？我们来类比一下，现在的 ChatGPT 和 Claude 这种桌面客户端，干的活是什么？就是给桌面应用增加眼睛、耳朵、嘴和手脚。什么意思呢？原来这个东西叫聊天工具，但现在我们希望这个聊天工具自己可以看到你电脑上的屏幕。

它可以截屏，可以看到你的代码，可以听到你说话，也可以对你说话，甚至可以做一定的操作。那么在这个过程中，如果是走纯视觉方案，实际上就是ChatGPT和Claude现在用的这个方案。什么意思呢？就是看到用户能够看到的部分，用户看不到的部分就算了。然后呢，通过摄像头截屏以及与IDE结合，不需要做其他的改造了，我们只需要做最简单的一个改造，就可以使用了。甚至只是说我给你一个授权，你就可以使用了，也不需要跟操作系统的厂商进行深度的整合。你要做这种很复杂的底层操作，你一定要操作系统厂商给你授权才可以，否则他是不能去做的。

最终是要像人一样工作。什么意思呢？大家想，马斯克为什么推纯视觉？两个原因。第一个，你跟各个国家的公路系统去打交道，说你给我在公路上加一标签吧，或者加一牌子吧，或者加一个什么传感器吧，这个事就没法整。你万一走到没有传感器、没有经过改造的公路上，你智能驾驶系统是不是就没有了？这是一个原因。说我们不愿意跟你打交道，我在车上自己都解决完就完了。

第二个原因是什么呢？他希望这个车像人一样工作，因为你的大模型还是在不断地迭代、不断地升级的。那么到底向哪个方向升级呢？比如说我升级了带有车路协同系统的、带有激光雷达和豪美涡雷达的这样的大模型，那这个到底对不对？其实很难去衡量。但是说，哎，我就向人的方向去转变。人是怎么开车的？我怎么开车？人反正也没有毫米波雷达，也没有激光雷达，也没有什么车路协同。我们走到哪，这路甭管认不认识，我都可以开走。那么我们就以此为基准进行训练就完了。这是纯视觉系统的一个核心底层逻辑，就是我们以人为标准，向这个方向不断前进。

那么这是纯视觉方案。如果是车路协同方案是什么样的呢？就是Github Copilot走的这个方案，还有各种操作系统，像什么AIPC、AI手机，新带Copilot的Windows 11。

带有这个 Apple Intelligence 的 MacOS 和 iPhone 16，以及咱们国内号称带大模型的各种安卓手机，这就是标准的车路协同系统。在这个过程中，那你就需要对基础设施进行改造。反正这个微软没事，他说：“我是做操作系统的，我就在操作系统上改呗。”苹果说：“那我也在操作系统上改。”安卓这帮手机，甭管是小米还是华为，说：“我们也上操作系统 IC，直接底层修改，这样用户体验才最好。”它就变成这样的方式了。

在这块，操作系统厂商跟 IDEE 的这些厂商有一些天然的优势。你那些做大模型的厂商，你就过不来了，因为你搞不懂这个操作系统到底是怎么运作的。就算你能搞懂了，我不给你授权，你越过我的授权也是病毒。他是这样来工作的。

那么，我们在电脑上是不是需要这种纯视觉方案？这个路是不是对的？你说马斯克在做 FSD 的时候，做纯视觉方案，大家都觉得这条路是对的。那么在电脑上，我们是不是也该这么干？除了环境方的配合度之外，模型发展方向才是最重要的考核。自动驾驶这件事，其实相对来说还比较简单，纯视觉方案是可以搞得定的。人就向这个方向走就行了，你只需要让自动驾驶的汽车达到驾驶员的高度就可以了。我不需要达到 F1 方程式赛车，也不需要达到修车老师傅的程度，你只要能够达到一个正常驾驶员的程度就 OK 了。

所以，自动驾驶可以走纯视觉方案，但在电脑上这事不行，为什么？因为我们需要专家模式，我们需要解决很多我们自己解决不了的问题。这个跟刚才我们讲的自动驾驶是不同的。自动驾驶是，你只要模型变成普通驾驶员就够了，而我们去操作电脑是需要电脑上辅助，我们的专家模型能够达到比我们更高水平。那你如果是这样的话，去做纯视觉就不合适了。

现在摆在 OpenAI 和 Anthropic 面前的困境是什么呢？他们需要克服什么？就是操作系统厂商不愿意配合他们。你说：“我希望有更多的功能给用户用起来，我明明可以做更多的事情，可以做得更好。”

但是，你没有操作系统厂商的配合，就做不了。用户量上去了，但是用户也没法使用全部的功能。大家还是在跟你聊天，那用户的付费意愿就低。他们这两家公司最后能够实现盈利的可能性，就基本上等于零。他现在是遇到这样的问题，原来还想着说：“哎呀，微软你就向OpenAI老老实实地交授权费就完了呗，我就让你去用去了。”结果，GitHub Copilot现在不仅能够用OpenAI的GPT-4，还是能够用Anthropic的Claude，人家还可以用谷歌的Gemini。

这个OpenAI说那不行，你们不在一棵树上吊死，我也不能在一棵树上吊死，咱们双向奔赴了。你们这个不忠诚，我们也不忠诚，搞成这样的一个事情。那么，大模型厂商还在解决用户需求的路上继续前进。甭管最后他的商业问题是不是能够解决，是不是能够挣到钱，这个事我们不管他。但是，如果你没有办法把用户的需求解决掉，这条路注定是条死路。

现在呢，就是两条路。刚才咱们讲过了，一个是车路协调的路，一个是纯视觉的路。纯视觉路实际上就是我关起门来自己把事搞定了，你们不用管我，我也不用配合我，我自己能搞定。车路协同的方式就是我从底层把基础设施改掉。现在车路协同的方式就是AIPC、AIPHONE，这条路是车路协同的方式。

纯视觉方式，现在甭管是OpenAI的ChatGPT，还是Anthropic的Claude，都在尝试走这条独立的路线。我不需要你跟我配合，我自己搞定。我就看到用户能看到的东西，然后我在用户可眼见的范围内去解决问题。用户看不着东西，我也看不着。至于哪条路能够走通，咱们拭目以待。

好，这个故事跟大家讲到这里，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。

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

好，这就是今天跟大家讲的故事。感谢大家收听，请帮忙点赞，点小铃铛，参加Discord讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

iPhone 16跟微信要二选一了。大家好，这里是老范讲故事的YouTube频道。最近网上关于iPhone 16将不支持微信的说法，甚嚣尘上。因为9月10号iPhone就要开发布会了，每年在这个时候，最新版的iPhone都是整个互联网上热度最高的词。微信呢，任何时候都是互联网上热度比较高的词。这两个词碰在一起，那这玩意简直是没有任何办法，大家一定要来蹭一下。

现在网上说什么都有，有的人说iPhone 16跟微信你必须二选一，有人说苹果一定要去收苹果税，微信不干了。还有人在讲，苹果做出了重大让步，也有说微信做出了重大让步。还有说微信你一定要挺住，甚至还有说中国拿到了全世界最高额的苹果税。也有人讲说微信咱就不装苹果了，去装鸿蒙，咱们去装华为吧，咱们不用它的了，行不行？咱们要坚持民族气节。现在说啥都有。

当然了，现在好巧不巧的，华为也宣布了，说苹果九月十号开发布会吧，那我也九月十号开发布会，我跟他一点关系没有啊，纯属巧合。苹果呢，要发iPhone 16，Apple Intelligence应该这次是十几的，这种最新的CPU一般就是这么几件套。华为现在大家传说，它要发这种三折屏的手机。咱们现在使用的折叠屏手机，甭管横折竖折，就是两块屏这么折在一起。他要把三块屏折两折，怎么折开了，这个我们也拭目以待。

而且现在很多人都在讲，9月10号华为的发布会，有可能发布出来的是鸿蒙next，就是彻底不支持安卓的第一个版本。这个我觉得也需要拭目以待，我个人不太相信。马上就可以见真章了。

目前官方对这个事的回应是什么呢？苹果的客服回应说，目前没有这样的消息，iPhone 16不支持微信，不用担心，iPhone手机都是可以正常使用微信的。然后微信给出的回应是什么呢？他说我认为大家对目前情况的本质有一些误解，那就是目前我们并没有通过内购绕开支付，对iOS上的小程序进行商业化，这事我没干。

他讲了这样的一个话，而且腾讯也讲了一个话去补充一下，叫什么叫希望以经济上可持续、同时也公平的条件来实现商业化。目前这一讨论正在进行中，希望讨论能取得积极的成果，因为这将是一个三赢的结果。这是微信的表态。

结论：大家在积极沟通，但是还没有结果出来。这就是现在苹果跟微信之间的一个状态啊。会不会二选一？大家相信绝对不会。虽然说现在苹果已经禁止微信更新了，但是你以前只要下载过微信，你还是可以去用的。哪怕说你以前从来没有下载过，或者你找了一个新的手机需要重新下载，你也可以下载上一个版本的微信。它并不是说这个产品下架了。苹果里头有一些应用会下架，一旦下架了以后，这个产品你就没有办法在新的手机上安装。微信并不存在这种情况。你现在去买一个新的iPhone 15 Pro Max，或者买一个iPhone 16，重新去安装微信都OK，就是装上一个版本而已。

那么这种谈判大家到底谈什么，可能跟大家想的不太一样。这个事呢，不是一个你死我活，非黑即白，正义一定要战胜邪恶，跟这个没有什么大关系。也没有哪件事说这个原则寸步不让，祖宗传下来的国土一寸都不可以丢失，跟这也没啥关系啊。

我们以前呢，参加过类似这样的谈判。以前我在猎豹的时候，跟Facebook之间有过类似这样的谈判。当时主要是一些广告相关的收益，双方有一些争议，那就谈呗。当时我记得，应该也是派了十几二十口的人，跑到美国Facebook的办公室里头去。大家对数据，实际上这种谈判最主要干的一个活，是对数据：哪些钱该给，哪些钱不该给，哪些钱该怎么给。它是这样的一个过程。

所以大家要注意，这种谈判一般是分成三块的，不是说上来寸步不让，这个事差一点我就丢人了。一般三块是什么呢？第一块叫大原则谈判。什么叫大原则谈判？就是收不收，收多少，这叫大原则谈判。我们的苹果税是收30%的，还是收20%的，还是怎么样啊，到底是不是应该给，这叫大原则。

第二块叫操作细则谈判。什么叫操作细则？哪些收，哪些不收？因为微信的情况是很特殊的，它上头有电商、有支付、有游戏，有很多这样的相关内容在里边，都要去支付。那么这些支付，到底有哪一部分是符合苹果税要求的？你应该交，哪些不符合，哪些属于灰色，有可能不符合。那么我们应该如何去界定，怎么去进一步界定？这部分算是一个相对细节。而且最后其实这里头有一个很关键的，就是如何对账，如何审核，你到底花了哪些钱，这个钱我们怎么来进行双方相互可以信任的一个对账？那么怎么去确认这个事，这个是很重要的。你不能说你倒数一数我就认了，这个事是不行的。而且在细节谈判里面，还有一个很重要的点，是什么呢？就是出了问题怎么解决，怎么处罚。我们现在已经规定好了，发现有人违规了，违规了以后，我们应该如何去解决这个问题，这都是细节谈判。

这是第二块了。第三块是什么呢？特殊案例谈判。什么叫特殊案例？这总有些新情况，谈的时候没谈明白，上次说这事的时候，有一些新的可能性我们没有考虑清楚，或者说原来有一些可能性我们也知道，但是呢，它占的比例很小，不太影响，我们就没有为它去费这个劲。现在这种新生事物，或者这种新的可能性的这种收费，它案例变多了，或者金额变多了，我们现在应该坐下来好好谈一下这个事了，这个叫特殊案例谈判。有的时候呢，是作弊，有的时候是系统有bug，或者呢，就真的有的时候是有一些新的玩法出来了，那咱们要重新坐下来再谈一谈。

通常这种特殊案例谈判是比较多的，过一段时间就与时俱进一下。而且这种谈判通常是以核对账目开始，一定是说账目上有一些差距了，对不上了。我觉得你挣了好多钱，你没分给我，或者是你让我花了好多成本，但是我又没挣到相应的钱，这个时候呢，我们就要启动一下，咱们看看是不是对一下账，是不是哪个地方有问题。这个可能很多人没有玩过类似这样的系统，他没有一个直观的形象。给大家举一个相对直观一点的案例吧，上岁数的人。

在以前的老小区里头，有可能收过水电费。那个时候收水电费啊，不是每家自己有水表。他也有，但是他算的时候，有一个总表。什么意思呢？我们要到每家去抄，你这个电表是多少，水表多少。你不是拿着这个数就直接去，一个电多少钱，一吨水多少钱就收钱去了，不是这样。你还有一个单元，或者整个楼的一个总表。他一般走的字会多一些，因为他还有走廊的灯，或者有一些公共的厨卫设施，他也走一些水。而且有时候线路跟管道的老化，他也会再走一些水。

所以通常这个总表会多走出几个字来。当然还有就是偷水偷电嘛，这个事以前的老小区里是存在的。那么如果这个数大差不差的，那我们以前处理的方式是什么？就把它摊掉，摊到每一户里头去。最后呢，让大家按照各自的比例，比如说我用的水多，你用的水少，最后多出三个字来，我也按照我这个比例跟你这个比例，咱们去把这个钱交掉就完事了。以前我们是这么处理的。

但是如果说差的特别多，那这个时候怎么办？那就要把这个住户们都叫出来。我们现在发现，这个数差的有点太多了，咱们是不是做一下线路排查，管道排查，看看是不是有跑冒滴漏，或者有人私搭线了，或者是有管道破裂了，那我们去处理一下。实际上这种大厂之间的谈判，更多的就是像我们以前收水费电费的这个过程。有些新情况了，我们来补一补，出现这种情况，就需要制定一些新的标准，或者是说我们拟定一下，这一部分应该算成是，我们给他算一个税率，我们怎么来处理一下，也就完事了。

那么腾讯跟苹果之间的谈判属于哪一种呢？咱们以腾讯官方的表态来看，第一个大原则，我们有意见，但是呢，我们在没有谈出新结论之前，在一丝不苟地执行。所以腾讯说，你们理解偏差了，我们并没有去偷逃这个税款，我们该交的都交了，也没有什么不合规的地方，我们都完完全全符合规定。在操作细节上呢，腾讯说我们也都认真执行了，双方可能理解会有一些偏差，比如说腾讯的具体某一项收费上，会有一些小问题。

是在特殊案例上，现在呢，估计应该是在对账，上下对不上。那咱们坐下来谈。对于苹果来说，就是腾讯你收了这么多钱，是不是应该有一部分是属于我的？按照大原则，这一块应该归我。那咱们坐下来谈一下这块。

在干这样的一个事情，腾讯也在讲什么。我对大原则，虽然现在我们执行了，但我也有意见。我们希望能够降低一些费率。我们长期的三方有利吗？腾讯、苹果和在腾讯上做开发的这些开发者，三方都要有利。那么你少收点，我也少收点，咱们让开发者可以在上面开发更多的游戏，可以让更多人在微信里头玩小游戏。这是腾讯整个的一个表态，但苹果就什么也没说了。

所以现在应该就是在处理腾讯里边，比如微信小游戏，或者是一些比如公众号订阅，这种虚拟物品的交易。这些东西到底应该怎么去算？如何对账啊？如何去确认这一部分销售额是什么？或者说我们这一部分到底算还是不算？现在在干这件事情。

那么这种谈判一般会有什么样的结果呢？首先大家要记清楚，这是个生意，这不是一个说你死我活的事。那么生意的最终结果通常是妥协，就是各退一步，或者我们就拖一拖。现在没有一个结论，回头再说这事也行。

那么平台跟超级APP之间的博弈，会一直存在下去，不停地谈，不停地妥协和让步，不断地寻找新的平衡点，这个才应该是常态。当然了，他也会不断地发现新的问题，不断地打补丁。一直也会有一些头脑简单的朋友喜欢这种话题，就像前面鸿蒙next跟微信之间也是，一开始没谈懂，那么大家就要上来谈。华为跟微信有二选一了，大家就会喜欢。

那这个事你说谈完了，谈好了是非黑白搞明白了，这一天其实永远也不会有。所以从来就不会说，大家彻底搞明白一件事，这个才是跟大厂之间打交道的一种常态。不会哪天说苹果你错了，微信怎么错了，苹果对了，以后我们就这样了，再也不改了。自古以来就如此，那我们以后不能动，这个都不是现代文明人或者现代这种大企业正常说话的语调。大家一定要注意，最后跟大家强调。

辟谣：iPhone 16可以使用微信，甭管他们弹成什么样，都可以用。还有人在鼓动大家说不要升级苹果操作系统，那就属于纯坏。为什么苹果操作系统升级，你微信在里头的版本依然是可以下载，依然可以使用，不会有任何影响。而且，苹果操作系统升级通常是改bug，或者说发现了有些漏洞，他给堵上了。

这些人建议大家不要去升级苹果操作系统，就是什么，他可能知道漏洞了。他建议大家别升级，他想办法钻漏洞去偷你东西。所以，该升级的升级，该买苹果的买苹果，该用微信的用微信。

当然了，也不妨碍咱们继续吃瓜吃下去。这也是一个可以给咱们不断贡献话题的一个事件吧。苹果税在全世界各国家的这种不受待见，全世界各个国家跟苹果税之间的抗争，这也是一个可以继续玩下去的话题。

好，这一期节目就跟大家讲到这里，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。

长城汽车的董事长魏建军呼吁对中国所有的汽车企业进行全面的审计。大家好，这里是老范讲故事的YouTube频道。长城的董事长魏建军前几天在接受采访的时候，讲到了困扰中国汽车行业的排行榜问题。

关于排行榜到底是什么呢？就是谁家卖的车多，谁家卖的车少。以前呢，是每年会出，后来呢，开始出月榜，最近呢，开始出周榜。这一个礼拜，谁家的车卖的多，谁家的车卖的少。有人就乐意了，有人就不乐意了，甚至还有几个车企的老板在发布，甚至是推广周车辆排行榜的时候，出来互怼了。这事儿是一个什么故事呢？

现在在发布周排行榜的是谁啊？是理想。理想为什么会发这种东西呢？因为在中国电动车这个领域里头，第一名永远是比亚迪。比亚迪呢，车型很多，也相对来说比较凌乱一些。你比不过比亚迪，这个事儿大家也不觉得丢人。第二名呢，通常是特斯拉的Model 3、Model Y，这些车型在中国卖得还是不错的。第三名就是李想。现在有的时候，可能李想没准还能超过特斯拉，因为李想这几个月卖的还是相当不错的。所以他就不停地发周排行榜。

而蔚来、小鹏这些车呢，他们其实卖不了那么多，那他就只能说咱们稍微缓一缓，行不行？甚至出来怼，说我们从来没有发过这个周排行榜。而且周排行榜这个事情，你也没法去确认他到底是卖了多少辆，这个车到底是卖掉了，还是在经销商手里压着呢，谁也说不清楚。你又没到我这核实过，你也没对我做过审计，我也没给你做过授权。

你凭什么发布我的周排行榜？你说你自己的就完了。这两边都打起来了。那何小鹏最后说：“想哥，咱差不多可以了。”最后到这样的一个程度，魏建军呢，现在也出来说这没意思啊。你光一个销量排行榜，这事有什么意义呢？

当然你说，对于普通人来说，我们看到一个车卖得很好，那我们是不是也去买啊？特别是很多人说，买车的时候不知道该买什么车，那我们就买这个卖得好的车，不就完事了吗？这是一个很朴素的观点。

你像我们以前都是怎么买车的。我买第一辆车的时候，富康实际上也是雪铁龙的一个车型。当时买的时候想，出去看看大家都用什么车做出租车。为什么看这个呢？因为你想出租车嘛，皮是维修便宜，这是出租车的特点。那我买第一辆的时候，经济实力也不是很好，肯定是要用实用性的方式来去选一辆车。

等我买最近这辆车的时候，我想的是什么呢？哎呀，看看美国的警车在用什么车。这种车肯定是结实啊，相对来说维护起来会比较容易一些，也比较威武霸气一点点。我就买了现在这个福特探险者。

每一个人买车的时候，总是要去参考一下。那么卖得多的车一定是什么？就大家喜欢嘛。而且车辆卖得越多，它维护起来其实是越容易的。很多人是抱着这个比较朴素的态度去看排行榜的。

那么卖车的人呢，肯定也是这样啊，谁家车卖得好啊，谁就赶快去刷一把排行榜。甚至排行榜出来以后，赶快再花钱推广一下，让更多的人可以看到，说：“哎，你看我这个排行榜在这放着呢，赶快来买我的车呀。”

而且，现在在电动车上，大家其实车辆都比较趋同。什么意思呢？就是没有那么大的差别。一开始做出来的都是这种大SUV和中型SUV，最多的差别也就是说你是纯电的还是增程的，其实就差这一点。那么在这样的趋同情况下，如果谁家的车卖得好，那你一定是什么？他们家的车本身品质好，大家喜欢。但是要注意点什么呢？车这个玩意儿，特别是国内的新势力，这些车啊，没有回头客。为什么呢？他总共没玩几年，你说哪有那么多说我买了一辆，回去再买第二辆这种事情，这个事是不太可能的。

所以呢，这种车卖得好，其实跟周围是不是有很多人用车可能会有关系，或者跟他的服务有关系，跟他的价格有关系，与他的口碑啊什么的有关系。但是没有那么大的关系。当这个车都差不多的时候，排行榜就还是会起很大的作用吧。长城的魏建军呢，就对排行榜深恶痛绝。他觉得单纯的排行榜啊，实在是太单薄了。大家买车的需求是不一样的啊，你需要一个大点的车，我需要一个小点的车。但是你只看排行榜的话，他等于把所有的需求都给你并在一起了，这个事很不科学。而且呢，因为长城缺乏相应的车型，所以基本上也不怎么出现在榜单上。为什么呢？因为榜单上卖的都是新能源车，甭管你是纯电车特斯拉，或者是增程车，比如像理想，他们都是在这个榜单里头排。但是另外一些车啊，这种混动车是不排在里头的。

什么是混动车？什么是增程车？增程车就是说，我这个车始终是靠电动机往前走的。

而且没有油了以后，这个电池是可以走非常长的距离的。滚动车是什么呢？他这个车正常情况下是用汽油机在往前走的啊。只是呢，在你有电的时候，或者在低速运行的时候，他会把电动机打开，用这个电池往前走一段。而且他的这个电池呢，通常也没有那么长的续航。为什么混动车不排到这种排行榜里去呢？因为混动车卖的量很大，跟这个电动车、跟这种增程车比起来，这个量太大了。所以他们从来不带他们去玩长城的，就说：“哎，这个不公平。”所以呢，魏建军希望什么呢？他说：“咱们能不能搞个综合榜单？”什么叫综合榜单？就是说我们看口碑啊，看品质啊，看性价比啊，各种的维修保养都放一块看。你不要光看一个销量。他想搞这么个东西，但是这个东西呢，更像什么呢？更像我们以前做安兔兔，对吧？就是我们把手机拿回来，整个评测一下。因为你想，一个手机评测的时候，我们能去评测说你这个手机多少钱吗？或者卖了多少个？这个事其实意义没有那么大了。但是安兔兔可以干嘛？我给你手机进行一个跑分，把你的CPU、内存、屏幕，所有东西都评测了以后，按照不同的权重给你做出一个总分来。就是所有的手机都会有一个总分，他能够保证说总分高的用户体验会更好一些，总分低的呢，就会差一点。当时我们在手机上做了这种软件，魏建军说：“咱们是不是也整一个这样的东西啊？咱们按品质榜，不要去搞这个销量榜。”中国人呢，是没有办法，就是离不开榜单，甭管是跑个分，还是说我们去看销量榜。

我们为什么总喜欢看榜单呢？原因很简单啊，就是我们进行数值化以后啊，就更容易进行选择了。我不要去搞这么复杂的说，你到底是什么CPU，它是什么发动机，到底是什么内存，什么硬盘，那边是装的什么电池，我们不要去搞这么复杂的东西。你给我一个简单的总分，就排一下就好了。这个过程是不是有点像大家参加高考，最后算出一个成绩来？这个是我们相对来说比较认可的方式。

汽车行业你说有没有办法做安兔兔呢？其实不太容易啊。手机可以干啊，但汽车不行。为什么呢？汽车呢，其实是互联网广告最早的支柱，他这个东西贵啊，所以呢，汽车厂商也愿意花更多的钱去打广告。你说像安兔兔这样的一个产品，它一定是什么？就是第一，在很早期的时候，我要确立标准，确立完标准以后，要有相对一个比较长的时间，没有人跟你竞争。这个过程中呢，再去猥琐发育一段时间，才可以说成为一个事实标准，大家说来，我们去跑个分吧。

但是现在M2、M2也没人看了啊，这后来雷军说我已经不跑分了，华为是从来不跑分，罗永浩做的锤子手机做反向跑分，一旦发现跑分就给你故意降速，后来安兔兔也就失去了他的权威性，最后没得玩了。那汽车呢，它没法整啊，很简单，权重跟排序到底谁说了算？有些人说，我们是不是把电池做大了，按这个排序吧，谁的电池大谁排在前头；有些人说，我们是不是把电机功率排前头，电机功率大我可以跑得快啊，对吧？甚至有些人说，哎，我是不是把这能效比排前头。

你要按能效品牌，特斯拉永远排第一。像小米啊，其他的这个车都不行啊。中国车都是最后堆料，用更重的电池，更大的这个发动机，把这个速度堆起来，但是它能效比其实相对来说比较低的啊。所以我们只能用笨办法，用更多的成本，卖更低的价格，然后跟人家升扛。

但这个事到底谁说了算啊？谁也说不清楚。所以到底如何划分权重与排序，这件事情谁说了都不算，而且谁也不服谁。还每家都特别有钱，我出个榜单，别人不服气；你出个榜单，别人也不服气。上一堆第三方评测，每一个车场都上去给钱，给完钱以后所有评测都在那掐饭。终于有一个说不恰饭的人，直接给封号了。

前面有一个小牛，说车四处拿着人家的车撞来撞去的，最后也不知道撞了谁的车，直接把号给封了。所以在中国这个事是走不通的。

那你说国外那么多口碑营销，在这里行不行呢？我记得在日本啊，日本人就告诉我说他们是最重口碑的，任何口碑的瑕疵，这个车就没法卖了。我去日本，在日本接待我的朋友，然后也是中国人。他呢，就跟我讲了一个案例，说有一次报纸上讲了，说大众的车还是哪个车，美国排放不太合格，不是在日本，日本还没有发现他排放不合格，这个事情日本人就不再买大众的汽车了。

而他就会出现这样的问题啊，日本人就很重视口碑。所以日本汽车就非常非常的去小心地维护自己的口碑。那你说这些事情在中国行不行呢？在国内这事没法玩啊，为什么呢？因为咱们已经把水军、黑公关这个事给玩透了，你不好，他更不好啊。

咱们就把水搅浑，有各种负面赶快去报导。报导完了以后再花钱去买量，给他推广一下。甚至没有什么事的时候，咱还去造谣去。大家看看，中国各个厂商都有一个很奇葩的部门，这个部门叫什么呢？叫做黑公关举报部。像比亚迪，他们举报黑公关奖励500万。你知道他对这个事情有多么害怕吗？为什么？因为特斯拉每一次维权，维权的负责人很多都是比亚迪4S店的店长。

所以比亚迪啊，也就怕这个黑公关。就经常是什么？你掐别人脖子的人，最怕别人掐脖子，对吧？你天天害人的人，天天怕人害你。长城呢，是1,000万啊，清理黑公关。广汽埃安也专门有黑公关举报部，国内各大的汽车厂商都干这个事。

最近被黑公关黑得最惨的是谁呢？理想的那个Mega，他们做了个MPV，结果那个车因为形状稍微有点奇怪，直接在这个车尾巴上喷了一个祭奠的垫子，像个灵车一样。最后导致李响同学寄以厚望的Mega，直接翻车了啊，没卖出去或者卖得不太好吧。

中国你说汽车出口，是不是也遇到这样的问题呢？长城其实对外出口的车是比较多的，特别是俄罗斯，买了非常多的长城汽车出去。因为大家知道，长城主要是做越野车和皮卡的啊，像俄罗斯这种地广人稀的地方，买这种车还是比较划算。而纯电车你到俄罗斯这么冷的地方，其实不划算的。长城正常情况下都是用汽油机往前跑的啊，但同时呢，也有电的部分。

所以对于俄罗斯来说，他们比较划算。而有人呢，在日本遇到了一个特别神奇的事情啊，因为现在国内有很多品牌的车。

准备去开拓日本市场，他们遇到了一些什么事呢？跑去试驾了国产车，发现这个车好像比国内的好开，各种操控和感受上都要比国内的好，价格跟国内的差不多。特别神奇的事情发生了，店员发现他是一个中国人时，告诉他说：“你不可以在这里拍照。”他说：“为什么？”店员回答：“因为你是中国人，你是不可以拍照的。”在日本试驾中国车的时候，因为是中国人不可以拍照，这件事让大家去思考。

魏建军也在讲述：“我们现在在国内这么卷来卷去，国内这么骗来骗去，这个事是不行的。”这为什么呢？就是我们常说的“出老千”。出老千出多了以后，别人就不跟你玩牌了，这个事是有问题的。内卷不仅仅是汽车厂之间的事情，这是一个国家形象的问题。他已经把这个事上升到这样的程度了，就像前面我们讲的，你中国人在日本试驾中国产的汽车时，不许拍照，这也是很奇葩的。

魏建军说：“我们怎么解决这个问题呢？审计。”他说：“我们来审计吧，长城愿意第一个接受审计，而且长城出钱。我们给全国所有的市场都做一次审计，为什么这样干呢？”同时，按照现在能够公开的统计，去年一年，中国汽车行业累计亏损了1,600亿人民币，这是非常大的一笔钱。内卷你说卷的是谁的钱？以前挣的钱，或者投资人的钱，或者股民的钱，他们在卷这些钱进来，大家完全是在赔本赚吆喝。

而且审计还可以审什么呢？你这个钱到底花哪去了？你到底是不是真的亏了这么多钱，还是说你说的利润是假的，宣传的数据是不是真的？

有没有虚假宣传？你这个销量是真的是假的？这个东西是真卖掉了，还是说你逼着经销商把货提走了，就算完事了，把这货都压到经销商那里去了？抢购到底是真的是假的？是不是真的有那么多人排队？这个都应该去审计一下，要不然的话，你们天天在这抱这个周销量，抱这个月销量，大家在这排销量排行榜，真的假的呀？审一把，审计了以后啊，大家就可以看看到底谁在裸奔。

长城这两天又在折腾什么事呢？又把去年比亚迪秦使用长压油箱的这个事又捅出来了。咱们正常的增程车里头，这个油箱的加不太一样。在长期把油存在这个油箱里头以后吧，它是不会跑冒的，而这个油不会溢散出去。为什么呢？就是我们的这种增程车，它这个油加在里头，实际上是很长一段时间是不会动的。它不像我们汽油车，汽油车这个油只要加在里头，它等于一直在烧，它是不会说长时间存在油箱里的。

但是增程车啊，它这个油可能会长时间存在油箱里头。如果使用常压油箱的话，它会造成空气污染啊。但是啊，比亚迪秦为了节省成本，他这个车大概是7万多块钱一辆，就使用的常压油箱，被长城直接给点了，啊，说你怎么可以这样。而且同样的款式的车，在海外卖的就是增压油箱的，在国内卖的就是常压油箱的，说你这不是欺负人吗？这个事情本来去年报了一次，报完了以后呢，比亚迪说我想个办法来去处理一下，定期的让这个车的汽油机动一下，让他把这个废气给他烧掉。但是呢，这个事情到底是不是有效，其实也不太好说了。

而且呢，比亚迪还去跟长城说：“咱们你好，我好，大家好啊。我把我的一些品牌转让给你，咱们可以一起往前走。这事咱就别说了，行不行？”保定车神魏建军说：“不啊，我还要再讲这事。”讲完了以后呢，雅迪还是老大，稍微动一动手脚，马上长城的销量就开始下滑啊。比亚迪动什么手脚？把自己的车降价呀。比亚迪自己也是有SUV的，你长城不就是个卖SUV的吗？我直接把SUV降价，我卷死你。这个对于长城来说也是很重的，大气啊。既然都这样，咱们就审计啊，咱们都看看到底谁对谁不对。

审计这个事，到底谁出钱？审计大家是最害怕的呢。正常上市公司的审计，都是自己出钱审计。你说能不能审出真实的问题来？能审出一部分啊，但是呢，大量的问题会被隐藏起来。为什么？因为你就这么想吧，你花了钱请人审计你，然后呢，你自己要签了字，这个审计报告才能出的去。当然对方审计公司也要签字，就是太假了，人家也不签啊。但是总的来说，大家还是有得商量的。如果是第三方审计，这个钱是别人出的，那这个就没什么好商量的，你爱签字不签字，反正有人给我出钱。你到底是好还不好啊？那我就只管秉公断案了。

那你说，如果是长城出钱给所有的公司做审计，那吓死他。我告诉你，由你的竞争对手出钱请审计公司给你做审计，谁敢接受这种审计啊？谁也不敢啊。但是呢，我觉得魏建军讲的这个话还是对的啊，就是反内卷的最好方法，就是审计。由国家出钱也好，或者是建立一些行业协会统一出钱也好，进行审计。

审计完了以后，给大家把数据拿出来看。这应该是让整个行业健康发展的最好方法，甚至维护国家形象。你们觉得是不是这样？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。

OpenAI在封禁中国IP访问其API之后，第一个大动作居然是发布了一个GPT4o mini。你发布了个小模型，这究竟是要卷死谁啊？中国团队是不是有机会弯道超车呢？大家好，这里是老范讲故事YouTube频道。Open AI第一次发布微型模型，以前的Open AI都是一个比一个大，因为原来人家讲的叫Scaring Law，就是这种伸缩法则，只要是变大，我一定会变强。而且，也嘲笑那些小模型说你们肯定不行啊，一定是大的好使。我自己原来也是很喜欢使用大模型，有大的不识小的，这是我原来挑选模型时候的基本原则。但是现在，Open AI开始卷小模型了。

Open AI的这个GPT4O mini有什么特点呢？第一个，快啊，小模型一定是比大模型跑得快的。另外，就是极其便宜，它这个里面输入的信息，100万TOKEN，15美分啊，非常非常便宜了。输出的信息呢，是100万TOKEN，60美分，也就相当于是100万4块多人民币啊，已经快要接近国内的这些模型的价格了。效能呢，也应该是比GPT3.5要强一些啊，这是GPT4O MINI的一个基本情况。

那么，这样的一个鼓励越大越好的公司，原来更多的人力肯定是去研究更大的模型去了。现在说不，我要上一个小的，而且这种小模型呢，跟一般的小模型还有区别。区别在于它可以支持Function Call，可以支持视觉多模态的识别。那么，这是GPT4O MINI比其他的普通小模型所独有的特点。

以上就是关于Open AI发布GPT4O mini的全部内容，如果你对这个话题感兴趣，欢迎在评论区留言。我们下期节目再见！

型U的地方，那么MINI到底有多大呢？并没有说。其实啊，大家出的这种小模型，这种必原厂商出的小模型，都是不会对外讲说“我到底有多大”。包括一些开源厂商自己去出的一些啊，闭园小模型，也不会告诉外边到底有多大。比如说吧，灵异万物对吧，他的对外模型是开源的，告诉你这个是6B的，9B的，34B的。但是呢，它自己内部壁源的这些模型，就是你直接通过商业方式去买的啊，它就分什么medium，large，是这样分的啊，你不知道它到底有多大。包括像谷歌啊，Gemini Flash到底有多少个参数，你也不知道。Gemini Pro你也不知道有多少参数啊，cloud三个版本，其实各个参版本有多少参数，都是不说的啊。所以啊，Open AI的GPT4O mini到底有多少个参数，也不知道。现在呢，大家普遍猜测应该是在10币以内，大概也就是7币，也就70亿到100亿之间的参数，应该算是最小一个档次的。

怎么用这个模型呢？免费用户跟plus用户，已经可以跟GPT3.5说再见了。那就是我们现在打开了啊，Open AI的聊天网站之后，能够看到的三个模型：一个叫做GPT4O，一个叫GPT4，一个叫GPT4欧mini。三点五已经彻底成为过去式了。API的用户，你现在依然可以使用3.5，因为这个是不可能马上取消的啊，大家都写在程序里头了啊。模型的名字叫GPT3.5，特本什么什么的叫这样名字，你要说我直接把这个模型关闭了。不过，这通常不会发生，因为很多用户和开发者都依赖于它。

然后，上1GPT 4O mini一下替代掉的话，这事肯定不行对吧？那个程序会报错的。所以啊，GPT4O mini啊，现在已经可以为啊，直接使用Open AI API的这些用户开放了。啊，但是呢，3.5还是可以用的，现在我还没法使啊。为什么呢？因为我没有办法，直接从Open AI去买它的API服务的啊。它会识别出来，我在中国大陆不会为我服务的。所以，我现在的CPT相关的API，是通过扣子或者是一些Open AI代理服务去购买的。但现在，这个上面都没有GPT4O MINI的这个模型。为什么在这样的一个时间点，出了这么一个产品呢？他把中国大陆的API的IP封掉了以后，本来想着，他是不是专心的做个GPT5出来，或者做一点啊，把这个前面吹过的牛稍微能还上一点啊。怎么现在整了那么个小东西出来？

首先，大家要想清楚一个问题啊，Open AI就是行业里边的老大。老大最怕什么啊？老大怕竞争吗？啊，现在没有人跟他竞争啊，谁也竞争不过他。虽然现在号称御三家，就是谷歌、Siropic和Open AI里头，已经可以打个有来有回了。但是，从市场占有啊，从整个技术的程度上来说，Open AI还是绝对领先的。那么，他到底怕什么呢？他害怕的东西叫分叉啊。什么叫分叉呢？就是有很多的人是不会去看别的服务的，也不会去用任何其他的大模型，上来就用Open AI家的啊，其他所有我都不用。那么，这个呢，就属于忠实铁粉。但是一旦分岔了以后，可能会出现一些小的分支，这些分支会逐渐壮大，最终可能会影响到Open AI的市场地位和影响力。为了避免这种情况的发生，Open AI可能会采取一些策略，比如推出GPT4O MINI这样的产品，来吸引更多的用户，保持其在市场上的主导地位。同时，通过限制某些地区的直接访问，Open AI可能也在试图保护其技术和市场，防止技术的过度扩散和滥用。

大家说：“哦，不，我不能只用Open AI的，我所有的都要用一下。我要在不同的场景里头，找到不同合适的模型来使用。这个过程要分叉了，老大最怕的就这件事情。他现在已经看到了有分叉的这种方向了啊，或者说，他现在已经看到了有分叉的趋势了。所以，必须要冲出来说，我要把所有分叉的趋势，掐死在萌芽状态啊。这就是GPT4O MINI发布的一个大的前提。因为GPT4和GPT4欧，包括GPT4 Turbo所有的这些模型呢，它比较贵。越来越多的人呢，就希望转型。像我现在做很多这种AI agent，这种工作流，我会把最费劲的一个点交给GPT去做。对于理解能力，对于推理能力没有那么强的节点，我都尽可能去选择更便宜的，这种大模型来工作，或者更小一点的大模型来工作。这个是经济的考量啊，而且我们发现，在这种稍微小一点的大模型，你让他做简单的工作，效果其实是很好的，并不比GPT4差啊。这个是现在Open AI不能允许的啊，你们就老老实实的，你要想去用这个小模型，我也给你提供上啊。这个是要注意。

而且呢，现在所有在跟Open AI竞争，或者说在Open AI这条道路上，追赶他的这些人呢，目标都很明确。怎么叫目标明确呢？每一个人上来说，我现在都是接近GPT4对吧，没有人超过啊，就很少有人超过，或者可能只是在个别指标上超过。整体超过的，现在还没有，或者说不多吧。但是呢，我们现在甭管国内的大模型，国外的大模型，都在努力地追赶，试图在某些方面超越Open AI，这是一个非常明显的趋势。

都说我现在已经接近GPT4了，然后呢，遥遥领先于GPT3.5。对吧，这也是现在的一个时间点。而且，很多的小模型，甚至是这种70亿、100亿、300亿、几百亿这种模型，都已经超过GPT3.5了。GPT3.5有多少个参数呢？当时是1750亿个参数，这么多的参数，怎么还这么差呢？这么多年了，时代在进步，而且AIGC大模型的发展，真的叫日新月异，每一天每一个小时都在发生变化。

这么长时间过来以后，你用原来这种架构，GPT3.5的这种架构，它确实是效能比较低了。所以现在很多的这种1000亿以内的，700亿的，或者是更小一点的，几百亿的，都可以超过GPT3.5。那么GPT3.5就已经必须退役了。

退役的原因也很简单：第一个，原来GPT3.5一直挂在那，不是说Open AI没有更好的模型给大家用，而是什么呢？他希望让你去买它的Plus，让你说，哎，你看这个实在是难使吧，你直接升级，一个月20美金就可以有GPT4用了。GPT3.5跟GPT4之间，一定要有一个很明显的，个人可以直接感知到的差异，你才会觉得我这20美金一个月花的值，否则的话，你会觉得花的不值了。

但是现在其他的模型都赶上来了，你再继续摆这么一个3.5在这恶心人，就已经不太合适了。另外一个是对于免费用户来说，GPT3.5实在是缺乏吸引力，我不愿意付钱，我可以使用Gemini呀，我可以使用很多的其他免费的这种模型。

这些模型，现在已经完完全全超越三点儿五了。所以，这个也是到了该抛弃三点儿五的时候了。另外呢，很多的API代理也让Open AI非常不爽。像我就是用的API代理啊，API代理呢，像跑冒滴漏。像我现在用Open AI的所有API，价格应该是至少打到4折，或者是还要更低一些的折扣啊。我就可以去使用。

到了那么这些的话，Open AI觉得就算是打折，也应该从我这打啊。凭什么你就去打折了啊？这个他是不开心的。而且他现在降到这样的一个程度，为什么这些API代理没有跟进呢？他没利润啊，这些啊，也是会对他们造成一定的影响和损失。

另外，也要开始应对中国了。Open AI肯定发现，封堵了中国IP的API调用之后，Open AI调用数据一定是在暴跌的啊。这个肯定也不是他们希望看到的。

现在我们要讲一下田忌赛马的故事。田忌赛马是什么？就是用我最好的马，对应你这个中间的马啊，用我中马对应你的下马啊。你最上面那个你赢一场算了，剩下的我赢两场。在大模型这个行业里头，其实也是如此的。大家呢会分成不同的层次去竞争，端侧的竞争，就是说我们甭管在手机端、PC端还是各种的啊，设备端吧。那么现在大家在争的是什么？Open AI基本上是不参加端侧竞争的啊。哪怕它是GPT4OMINI，到目前为止，也没有说，这个产品可以给大家在端上使用啊。当然你说，未来会不会把这东西拿到端上来使用？不确定啊。但是至少现在没有说这个事儿。

呃，它这个大家猜测在10B以内，可能7B到8B这样的一个水平上。按道理说，是在手机上可以运行的。对吧，可以在iPhone里头跑。那么是不是说，呃，跟苹果合作了，我干脆就把这东西呃，拿出来就给大家用了。是不是他给了苹果一个类似于一个GPT4OMINI的版本，但是苹果你不允许拿出去再扩散了啊。但是在iOS 18里边，应该会带这样的一个东西，可能性是存在的啊。啊，但是这个事谁都没说。

在端侧竞争上，一般移动端呢，5B以内的跑的是比较好的啊。你如果手机的配置高一些，跑到7B到9B应该也还是能跑的。台式机呢，你到10B左右啊，都是没有什么问题的。包括我们后边讲的这些AIPC，其实AIPC是所有能够跑大模型的台式机里头，水平比较烂的啊。那么工作站呢，就是我们比较高端的台式机，比如说你这里头有独立显卡啊，4090，然后不是4090，你有个四零六零，四零七零那样的独立显卡，或者比如说像我们使用麦克这种呃，M1，M2 Max，或者M3 Max这样的这种机器的啊，那么它就基本上属于工作站级别了。这种机器里头呢，大概跑到三十几B都是可以跑通的啊。再大了跑不动了。

然后像这种个人服务器上，是可以跑到70B的。咱们现在能够接触到的开源大模型，可以到本地跑的，基本上也就是70B，72B到头了。再大一点呢，啊，通1,000问1.5的时候出过一个110B啊，但是那个模型流行的并不是很广泛。

绝大部分都是在七十几币就到头了。这个呢，就是在思域服务器上用的。而且，在70B这个档次上，现在Open AI肯定是感受到压力了。中国团队基本上在70B这个档次上，站稳脚跟了。咱们国内推的各种各样的大模型，基本上都是70B上下的。为什么？因为懒。Meta的LaMa3就是70B的。我们在这个基础上再去进行调整，或者再去进行一些相应的训练吧。我们出到72B，或者七十几B这样的一个模型，效果其实已经很好了。加上RAG，就是本地知识库的这种辅助，加上长上下文，再加上多模态搜索的辅助，效果其实跟GPT-4之间，已经没有那么差了。对吧，GPT-4就是说你不加上这些东西，它也可以回答的很好啊。你如果是加上这些，搜索辅助啊什么的，70B基本上够使。

对于快速反应的这种低价模型来说，大家竞争的是什么？刚才咱们讲的是端侧模型啊。在云端模型其实也是分两拨的。一拨呢，就是大模型啊。大模型是，GPT啊，Gemini Pro这个，呃，Cloud Opus啊，这些就属于大模型啊，比较贵，性能比较高。那么大家都去推这种小模型，特别是另外两家。刚才预三家我们讲了啊，Open AI，谷歌和Anthropic。谷歌跟Anthropic都推了一种小模型，一个叫Gemini Flash，另外一个呢，叫做Cloud Haiku，叫这样的一个名字，都是相对比较小的，很便宜，反应速度很快。原来啊，GPT3，GPT是没有的，现在出来就是要去卷它们。大模型竞争。

咱们自己去比一比啊。这个小模型，你们出了，我也得出一个。所以，咱们回答开题的那个问题：“Open AI到底想卷死谁啊？”他想卷死的是Gemini 1.5、Flash和Cloud 3，嗨酷啊。是选这两个产品，但是要注意啊，Cloud 3.5现在已经出来了。但是3.5呢，只出了Sonit一个产品啊。它是分三个档次的，这种大模型啊。一个叫做High酷，是最小的，估计应该是10亿币以内，也就是7亿左右的一个模型。然后是Sonit啊，3.5已经到Sonit，它呢应该是在二三十亿币。但是都不是对外公开的啊。还有一个叫Opus啊，Opus是最大的，但是Opus到底有多大，可能是上百亿币的一个模型对吧。现在呢，3.5已经把中间这个模型出来了，上下两个还没出，估计呢应该本月会出。

所以在这个时候啊，Open AI说不行，我要把你这个底层的，这个给你封掉啊，让大家觉得啊，就算是用这种底层的小模型啊，这个也有一个更便宜的Open AI来用啊。这是他真正要去干的事情。那么对于开源模型来说的话啊，就是本地部署这个呢，Open AI应该不在这个赛道上啊。它有可能说，我用一些必源的模型，直接跟苹果，跟谁去合作，这个事可能是存在的。但是呢，他不会说我到GitHub上，到HuggingFace上，直接把这个GPT40 mini扔出来啊。应该不会干这个事情。

那么对于中国团队来说，到底有没有弯道超车的机会？这是一个值得探讨的问题。

这也是我们开题上的一个问题，对吧？“卷”就一个字，在这个字上呢，中国团队绝对是遥遥领先的。中国现在已经开始卷下一个层次了啊，在上一个层次里头，中国团队发现：哎，我只要把模型推到七十几，对吧，加上搜索辅助，加上reg，加上这个啊，长上下文，效果已经非常好了，对吧，不需要再往前推进了啊。真的效果非常好了吗？很多人说你是不是吹牛啊。他这个事是这么算，就是再有相差的这部分，个人感觉不出来，因为人的感受有时候很主观的啊。你不可能说：哎，我去招聘了，对吧，我一定要挑出最好的那一个来，不可能的。你一定是找了一个相对顺眼的，然后磨合了一段时间，发现：哎，这个工作还能干得下去，日子也能过得下去啊，也不讨厌，你就可能一直用这个人用下去。你不可能说：哎，旁边这个人，好像比我招的这小伙子，还要更厉害一点，对吧，我就马上把我这开了，把那个人招回来，不会干这个事了。在这样的一个情况下啊，我们只要用习惯了，慢慢的对于我们已经招聘进来的人，就会有更高的容忍度。为什么要讲招聘的故事呢？其实我们使用大模型的过程，跟招聘的过程差不多。在挑选的时候，我们一定是非常小心的，来去确定到底哪一个适合我们，我们的这个任务，它是不是可以很好的完成。一旦你把它挑进来了，下一件事是什么？就是我们要去跟他磨合，怎么能够跟这个大模型一起，把我们要做的事情做完。当大家互相习惯了以后的话，你不会说：哎，那个更好，我马上换人的。一个大模型，它是有很高的粘度的。

所以，中国团队在70亿参数这一块，基本上已经达到了一个阶段，我们可以说，我们已经能够吸引一部分用户，而且这部分用户愿意留下来，持续使用我们的产品。再往前推进，当你提到我现在发布的几千亿参数的模型，也就是几百亿参数的这类模型时，第一个问题在于训练上，我们可能还没有完全搞明白，应该如何应对这个挑战，因为目前开源出来的就是70亿参数的模型，再大的版本现在还没有开源，所以这件事情还搞不定。

那么再往上，你说我们闭着眼睛去研究一下行不行？也不行，为什么呢？因为越大的模型，你训练的成本就越高，而且越难去控制。在这种情况下，我们可以说，我们就停在这了。那么停在这，中国团队现在在干嘛呢？他们搞APP开发，搞各种接触用户的方式，我们现在要去获取所有用户，这是我们已经开始卷的东西，Open AI还没卷到这呢，我们其实已经开始弯道超车了。

你说Open AI不是也有APP吗？它有安卓APP，有iOS APP，甚至最近还开始出Mac APP。但是你要想清楚，中国人做的是什么呢？聊天、搜索、绘图、情感陪伴，都整合在了一个APP里头。而且，我们的APP是Windows、Mac、安卓、iOS全都有。你说Open AI自己为什么不做一个Windows APP？亲爹不让啊，谁是亲爹？微软。微软说这个事情打住，我在那边玩Copilot，你自己不要来找这个事情，你到Mac那边去玩耍就可以了。有什么问题，去霍霍苹果，不要来霍霍我，这个他就没法整。而在中国，你看看啊，豆包，所有的平台，都在积极地推进和用户接触的策略。

Windows、Mac、iOS、安卓，全都出齐了。而且，它还把所有的功能都集齐了。像Open AI做的Mac版的APP，只能干嘛呢？就是回答问题。也就是说，你可以听话，可以去语音识别，他就干这些事情就完事了。中国的就什么都可以干啊。你让他去唱歌跳舞，让他去画图，让他去做图像识别，包括各种的角色扮演，就是Carrot AI做的那些事情啊，咱们也都可以搞定。只要是外边有的，只有咱想不到，没有咱做不了的啊。这一块还是非常好用的啊。我现在用的量很大的就是豆包APP啊，非常好使。然后另外一块我们再卷的是什么呢？啊，Chrome的这个插件啊，就是在浏览器上做插件。因为现在的浏览器，基本上都是Chrome的内核啊，甭管是Chrome的啊，还是这个微软的Edge，底层都是Chrome啊。所以我们现在在上面做插件，甭管是Kimi还是豆包，都在上面卷插件。而且那个插件的功能，那全的是一塌糊涂。你一旦在浏览器上装了豆包插件了，然后你去用谷歌搜索豆包，就在侧边栏开始对搜索结果进行总结。你说哎我现在去看一下YouTube，马上旁边就开始给你做，我给你做个视频总结吧啊。甚至说你在这看YouTube的时候，他说我给你翻译个字幕吧。或者我随时在浏览器里头，选中一个单词，选中一句话，他说我帮你翻译一下吧。或者说你在浏览器里头有一个空格啊，或者叫有一个输入框，需要你输入信息的时候，他马上跳出来想输入点什么，我帮你润色一下。

要不要从上到下，事无巨细，只要他能粘手的地方，全都给你冲上来？说来，我在这呢，让我看点什么吧。或者说你现在浏览一个网页，说帮我总结一下。那这是人家的本行，干的甭提多好了。这一块，中国已经彻底卷风了啊。那你说美国人不做这种浏览器插件吗？也做，但是呢，美国人做都是小团队或者个人做。那你跟像豆包这种，可能后边有好几十人，上百人的团队，大家领着薪水，加着班，然后疯狂的往前卷。这事谁卷谁啊？对吧，你肯定卷不过他。现在在接触用户这角度上说，甭管是做APP，做浏览器插件，这啊，中国团队已经弯道超车了啊啊。

至于说Open AI，现在再去推出的GPT4 Omni，实际上它已经是在追赶其他人，但不是追赶我们啊。它在追赶的是谷歌的Gemini Flash和Anceropic的啊，CloudHi苦啊，在追赶这两个产品，希望把他们卷死。我们现在已经在另外一个层次上，在卷了，等他们把这仗打完了以后，发现哎，这个用户都已经被中国团队卷干净了啊。可能会出现这样的情况。

好啊，这个故事就跟大家今天讲到这里。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”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。今天咱们来讲一讲中国短剧。真的像在国内 IT 媒体上宣传的那样，已经在全世界流行了吗？是不是已经彻底改变了全世界很多人的生活了呢？

为什么想起来跟大家讲这个故事？前两天，在 Twitter 上看到了一位中国籍女演员，啊叫邵逸凡。她呢录了一个视频，这个视频里头她讲这样几点：第一个说国内的媒体都在讲中国短剧已经在海外霸榜了，已经在海外的 APP Store 上当第一名了，很多的老外都非常喜欢看短剧。

怎么怎么挣钱了啊？他呢就跑去温哥华的影视制作中心去问，人家说哎，你们听说过这东西吗？从没听说过呀。这个东西的英文名字叫 shot drama，说这个名字从来没听说过啊。他就马上下载了一个 real shot 啊。这注意啊，它上头说的是马上下载了一个，意思什么呢？就是说我平时手机里是不装这个东西的。

这个里边有浓浓的这种阶级隔离的味道在里面啊。看完了以后呢，人家说哎，你给我看了个预告片吗？因为一分钟一集吗？他说不，他说你已经看完正片了，这就是一集。说当时人都傻了，说这怎么可能有这样的东西出来，对吧他们不但是自己没拍过，也没有看过，听都没听说过这个东西。

这是讲的第一段。

第二段的，人家讲说说，身边真的没有人听说过这东西吗？也不是啊，也有人听说过。然后呢他找了一个什么人呢，他说他上口语课，里头有一位老师他呢听说过这个东西吗？这个老师呢，首先要强调啊，这是个墨西哥裔，不是美国的传统白人啊。墨西哥裔，他的老师还没有亲自看过短剧，而是往返于美国与墨西哥期间的时候，在墨西哥那一侧，发现楼下小卖铺的老板娘在看短剧，而且只看免费的，没有付过费啊。

这是说有人看到过，大家看到了。这里，他有很浓的这种积极隔离的感觉在里面吧。啊，再往后说什么呢？原来不是说这东西第一名吗？多少的第一啊？赶快去看这个排行榜啊。说发现现在不是第一了，现在是第199名。这第一跟第199差的还是很远的呀。看看第一的时候什么时候报道的呢？去年11月份报道的，到现在过了六个月了。说六个月不行了呀，这没人喜欢看了呀，讲了这样的一个结论。然后呢，他发现说，哎呀，这个real shot的短句里头啊，除了中国人之外，100%全是白人，就没有任何的其他肤色的人。他呢，也找到了一些在美国拍短剧的团队，说你们为什么都是白人呢？没办法，甲方就要这个啊，人家要白人，还要长得漂亮的，黑黑胖胖的美人鱼公主，这种事情在短剧里头是不会发生的。他就讲说这个你不知道吗，美国、加拿大的主流审美是多元化的呀，有没有人给你提过建议啊？你听没听啊，你到底是过于高傲，完全不理会用户的需求呢，还是说你压根不在乎有没有人看呢？提出了这样的一种质疑啊。
你这一帮人，政治太不正确了。最后讲了一件事，讲说拍短剧啊，做real shot，这公司400多人的公司，一年挣了多少钱啊？说一年只挣了24万人民币啊，就挣了这么点钱，说这你这也叫挣钱了吗？说你后边那个投资人啊，或者说大股东，中文在线还亏钱呢啊，而且一个季度比一个季度亏的多，这怎么回事啊，说但是你这个后面股价倒是涨了，从6块多钱涨到了30多块钱，说是不是你这就是个资本游戏啊，你压根就不见你有人看，也有没有人看也无所谓，你也不认同欧美的主流价值观，短剧这东西，在欧美到底有没有这么火爆，至少在美国加拿大啊，是不是就是你们吹牛的。
大大讲了这样的一个视频，我自己看一下啊，这个到底是一个什么样的情况。第一个就是real shot排第一这件事呢，是去年11月份。这个没有任何问题，但是大家要想清楚一点，就是美国排行榜的前面几名里边，除了比如说呃，Facebook、WhatsApp这些大牌之外，剩下的这排行榜上的产品，这些小伙伴们，甭管是TikTok啊，呃剪映啊iPad，它叫什么，它这个剪映在那边，然后呢，加上呃，Table啊深印，这些都是花钱买的。

你想在第一的位置上站一天，那是要花多少钱的？你说我这个花钱买上去以后，大家都知道我了，然后在我这里头看短剧，该给我付钱了。呃那我不能一直花钱，花这钱买它，那后边我开盈利，我去盈利去了，我就没必要让它再往上了。那我后边，比如在需要这个有新的剧上来的时候，我再去花钱买不就完事了吗？对吧，这也不叫骗钱啊。

咱们举一个另外的例子，你比如说网飞，网飞每一次上这种大型剧集的时候，他的股票都跟着上，因为网飞是靠订阅费活着的，他主要收入是订阅费。他每次有这种神剧大剧出来的时候，就会有一帮人冲上去，买网飞的这个订阅。所以大家做这种文娱产品的逻辑，其实都差不太多，我觉得这不是一个什么大的问题啊。

那么你说温哥华影视中心，这些人从来没有听说过短剧，这事合理吗？其实也挺合理的，为什么呢？这社会是分层的。咱们现在看的各种名著，包括咱们的四大名著，在当年这些书刚写出来的时候，很多都是禁书，甚至是有很多书，都是被文人墨客所不齿的，很多都是这样来的，就是现在正在流行的非常多的文化，对于主流的当时的文化圈来说，就是隔离的，大家就不知道这事，是非常正常的一个事情。当然你说哎，现在不是互联网时代吗，这个信息流通速度变快，大家应该都知道啊，这个事呢，可能跟大家的认知稍微有一点点差异。互联网时代因为信息爆炸，就是信息的量实在太多了，导致形成了大量的信息茧房。很多人在互联网里头，就关注自己喜欢的这些东西。只要是自己喜好的东西之外的东西，推荐算法搜索引擎、任何你周围的社交网络都不会露出的。所以每一个人都在活在自己的信息茧房里头。岁月静好啊，这些人从来没听说过，是非常非常正常的啊。

关于演员的问题啊，白人演员为什么都要白的，都要好看的，而且翻拍的都是国内爆款，到底是发生了一个什么事呢？说这帮人就是正事不正确啊，你完全罔顾于每家观众的这种喜好吗？还这个事呢，我觉得正好说反了啊。这些做短剧的公司，他是流量公司啊，那不是艺术公司。这些做艺术的公司、拍电视剧的公司，人家要做正直正确，而流量公司考虑的只有一件事，叫投入产出比啊。我这边把短剧拍了，我去放了，然后呢我去做广告投放，广告投放完了以后看转化率啊，这边投了1万美金的这个广告出去，是不是给我挣了10,001美金回来啊。咱们不说挣多挣了10,001美金回来。如果没挣到，那就说明选角或者整个这个是有问题啊。如果挣回来了，比如挣了10,002美金回来，多挣出一美金来，那下一次怎么办呢？下一次投10,001美金出去，多挣出一美金来就够了。

其实，真正这种流量公司的逻辑是这样的，所以并不是说做reushout的公司或者做短剧的这些甲方公司，罔顾欧美的这种正式正确，这种所谓的多元审美，而是这些欧美的用户用脚投票，用手指去点击，告诉了这个流量端后头的这些数据模型我就喜欢看白人我就喜欢看长得好看的。那些黑人胖胖的美人鱼公主就没有人愿意看，就这么简单的一个问题。迪士尼用了这样的这种角色上去以后不照样翻车吗？什么叫欧美主流审美？就已经是这样了。那就纯纯的是左派正式正确啊。跟用户手指的点击一点关系没有啊。没有人跟钱过不去的。用户喜欢看什么，咱就拍什么。

前两天PS5上那个游戏叫星刃，韩国人做的，油腻小姐姐。很多人说啊，你怎么可以这么正直，不正确这么物化，女性当然就喜欢看这个。你怎么看呢？

那我们不是为了迎合你正式正确了，我们是来挣钱的。所以这件事情上来说，我觉得刚才这位演员，美女演员，他又犯了这种阶级隔离的问题了。他就觉得我高高在上，我要去指点见山，我来去代表主流审美。对吧，他又干这个事情。

那么另外一个问题呢，其实我觉得是咱们中国的这些甲方啊，犯了一些政治正确的错误。是什么呢？就是我们每次啊，都是选择爆款剧去拍。什么叫爆款剧？就是他在中国验证过了啊，这个剧是一个爆款，中国人很喜欢看。然后呢，他们想说，哎呀全世界的人都是一样的啊，心理都是相通的，没有那么本质的差别。中国人爱看，美国人应该也爱看，对吧？我们就把这种剧翻出来去拍就好了。

这个呢其实是有一些问题的。为什么呢？就是大家各自有各自的文化，各自有各自的流传的梗。你比如说在中国他有彩礼的问题，他在欧美他就没有这种问题。在中国大家需要卷各种各样的学历，卷各种的资源，在欧美可能大家不追求这件事情。那你把很多中国这样的梗搬到欧美去看，他们就看不懂这样的东西。

但是为什么他们要做这件事呢？因为刚才我们讲了，他是个流量生意啊。他的投入产出的周期是非常短的。比如说我这头投放买广告去了，我可能几秒钟我就回收数据了啊，回收完了以后我就看到啊，这个广告出去以后点击率是多少，然后呢到明天我就知道这些人的留存率是多少，再过一个礼拜我就知道这些人的付费率是多少。这样的一个非常高投入，这种完全走钢丝的玩法。刚才我也讲了啊，这个投1万美金，挣10,001美金就可以了。甚至投1万美金，如果挣了10,002美金的话，下一次多投一美金。在这种情况下，他为了追求更大的确定性，怎么办呢？只能拿已经在中国验证过的这些版本，拿去再去啊做投放啊。他不太敢说啊，哪一些从来没有验证过的这种数学模型，因为他所谓的爆款，什么爆款？就是数学模型，这个数学模型是跑得通的啊。第几集第几分钟，应该是有一个什么点，在这个时候实现用户转换，从免费版本转换到收费版本，他搞的是这样东西啊。

如果说我们写一个完全按照美国价值观的这个本子，这个就会有很大难度。现在是什么人在拍这些短剧呢？就是在欧美这边实际上，主要的是一些中国赴美国的留学生，他们在拍。这边学艺术学影视，学导演的呀，学表演的呀，他们去拍。拍完了以后呢，在国内有甲方说我来去花钱啊。我要去定制一个片子，订到片子了以后呢，他们再拿回来去进行投放啊，叫投流然后呢，拿去变现。

你说我现在有一个美国的人，他们在本土写了一个本子，国内人要不要啊？他们不敢啊，他们没有测试过就不敢去玩这个事。那么你说未来会不会有一天说欧美人也准备自己去写本子自己去拍这个呢？一定会有。为什么说一定会有呢？因为现在的短句其实已经影响到很多人了。这个东西在美国投流已经影响到墨西哥了。其实他刚才讲到说他的墨西哥裔的口语老师在墨西哥看到楼下小卖部的老板娘在看短剧。这说明什么？就这东西已经流传开了啊，你要相信。不会有短剧公司跑去墨西哥投流的。为什么你在墨西哥投放了广告以后，你挣不回来啊。墨西哥的广告很便宜的，所以这个东西一定是在美国投放的广告。然后啊，墨西哥的人看到了已经有自主传播了。这件事本身已经从侧面表现出来了，短剧这种艺术形式的生命力是有很强的传播力的啊。当这样的东西被传播了以后，他们就会尝试着自己去创作这个事情呢。

网文已经做过一次了，中国人努力的把网文传播出去。实际上网文也不是咱发明的。咱们自己发明的叫张户一体小说啊。然而日本人发明的是这种什么单行本啊，或者是杂志核定本啊。现在网络小说实际上是把所有的这些商业模式集合在一起的。一个东西，我们肯定也是先看日本的，看台湾的，然后咱自己写。写完了以后再反销到台湾去，反销到日本去，或者反销到其他地方去。然后我们也尝试把这些网络小说输出到全世界各地去，也挣到钱了。他们在当地的人看了以后呢，也在尝试自己开始写。所以他会有一个慢慢的过程啊。

现在既然短剧这种形式已经在他们那流传开了，那么他们一定会尝试自己去创作啊。自己创作完了以后再去传播。但是这个过程没有咱们现在这种直接投流来的快啊，这是一定的。所以稍微有一些耐心，再往后呢，real shot到底挣不挣钱的问题啊。real shot呢，它们叫枫叶互动，这个公司是中文在线在美国孵化的一个项目，号称是纯纯的美国公司，400人的团队，一年折腾下来挣了24万人民币。这件事呢来说呢，只能说短剧real shot这种模式在美国确实发展的并没有那么好。

那你说，是不是因为400人一年只挣了24万所以发展的不好？正好说反了，如果发展的好是什么样？400人一年在美国亏10亿，这叫发展的好。为什么说亏10亿比这挣24万发展的好呢？大家注意啊，你要不然狂亏啊，那意思是什么？就是大家对未来看好，愿意借钱给你，让你花去，要不然你就狂赚啊。那我这个东西，已经把钱的亏钱的部分都干掉了，后边我就齐了。咔嚓开始盈利了，但是稍微赚了那么一点，那只能说明什么？就是大家对于未来稍微有一些迷茫，对吧，这个是存在的啊。所以这个确实发展的没有那么好。至于中文再现啊，是连年亏损，所以大家对于他未来还是看好的，大家愿意给他钱让他去接着烧啊，愿意支撑他，而且用缴投票买他们家股票对吧。从6块钱涨到30多，现在我看了一下，大概20多对吧，那么大家对他未来是有信心的。所以我告诉你，一个公司挣钱赔钱，不是说你挣钱就是好，赔钱就是坏啊，挣大钱这事肯定好，但是挣小钱呢，就属于比较尴尬的了，你赔大钱说明大家对你未来有信心。真的，有的时候资本市场这个事是有点反人性的啊。

那你说real show的这东西，在美国到底有没有那么火？有一点我觉得赵奕凡这位小姐姐，她说的是对的，没有国内宣传的那么火，但是呢也没有她看到的那么冷清。这个事情是分层的，他正好是站在这个层级上面，就看说，“哎，你们这帮穷人怎么玩这个东西啊”，对吧啊，这玩意富人从来不玩啊，他有点这样的感觉，但是呢也绝没有国内说的这个“已经打遍大江南北，无敌手”的那么一种啊，这个有点吹牛了，业余一个中间状态啊。短剧形式，现在在国内已经验证成功了，在国外为什么没有那么火，大概有几个原因。

第一个原因呢，就是有一点点水土不服，拿国内的这种爆款本色直接出去拍，这样的方式其实是有问题的啊，因为他文化上还是有差异，大家关注的点，或者说真正能够引起共鸣，嬉笑怒骂吧，或者说恩怨情仇，这些东西呢，并不是完全共通的。另外一个问题是什么呢，就是real show的这种模式，其实并不是特别适合短剧的传播，real show的是什么模式，就是它有一个独立APP。你需要花钱把这APP抓起来。抓起来以后呢，他在APP内部进行变现，支持他的模式。而短剧真正的腾飞在国内靠的是什么？靠的是抖音快手啊。所以你应该是什么？不是说我拍了一个短句，放在自己的APP里放，应该是到Instagram、到talk、到YouTube shot，到这个里面去放。放完了以后在那个里面去变现。 现在在YouTube里头，其实是有大量的短句在流传的。他们把中国那种一分钟一集、两分钟一集的短句串起来。哎串成，比如说40分钟一集啊，大概也就是可能20多集啊、30集串在一块，然后给大家一起放了。这个播放量很大的，然后直接可以变现。挣的钱虽然没有那么多，但是也还是在挣，对吧这个其实是呃，短剧真正在海外应该采用的方式啊。

现在在这个时间点里，你再想去推一个独立APP，肯定是要稍微费劲一点的。这是现在real shot这个模式的两个短板。第一个就是呃，他的这个本子是国内爆款本子啊，没有本地的这种文化的融入。第二个就是说，他推独立APP这样的一个方式，有点吃力不讨好，这才是现在遇到的问题。 那么短剧的未来到底是什么样的？在国内，这个事情肯定已经在快速的发展了，甚至呢国内因为政府的管控，短剧已经开始向精品短剧的方向发展了。

什么叫精品短剧？就是比较粗制滥造的这种就不允许上了啊。最早的短剧那真的是俩人往那一坐，就开始聊了对吧，只拍上半身，没有下半身，然后基本上没什么外景。现在新的一些短剧还是要有浮道化的，甚至还要做的比较精美的布景，因为流量的成本不断的上升，而且国家管控啊，或者说我内容审核成本的不断上升，短剧的质量在国内在快速上升。 那么在国外这件事呢，啊短剧肯定也会经历一个可能稍微长一点时间的等待。在这个过程中，西方本地的这些作者、这些演绎者，他们也会慢慢地演绎出自己的故事来。那你说到底是应该正人正确上多人种，还是说上被流量认证的呢？大家注意，流量认证这件事情，这个怎么说呢，一定是人性最诚实的那部分。在这件事情上，我们相信所谓的说主流观众喜欢看正人正确的这样的东西我是不相信的。为什么？因为如果你真的喜欢看这些，甲方在发现头瘤失败以后，马上就会换，可能一分钟都不需要他，就马上就可以看到了。啊，说这个，我上了一个黑人的日本武士。这两天刺客信条硬对吧，又翻车了。为什么？因为他把这个日本武士变成了黑人啊，这个还真是历史上存在的。这黑人是存在的，但是上来以后被骂上天了。你如果是投放广告，发现转化率很差，投了1万块钱美金，出去以后只挣回来4,000美金，那这事肯定不行，马上换人。这个没什么好说的。大家在手机屏幕后头还是很诚实的。你如果说我就要白人啊，就要很好看的，不管是白人看还是墨西哥人看，可能大家都会喜欢看。而且这里头还有一点，就是你真让黑人看，墨西哥人看，他可能最很漂亮的那些白人演员，他也会伸手去点这件事呢。呃，他有好的一面，也有坏的一面。坏的一面是什么？就是，呃最后审美会趋同啊，因为大家通过流量去算嘛，就跟国内搞那种叫什么网红脸，大家长得都能一个样啊，这叫锥子脸，这个算是他比较不好的一面啊。最后会趋同。呃但是好的一面呢，就是大家很诚实，我们会明确地知道大众喜欢什么。那么当越来越多的短剧团队离开了独立的APP，是像real shot这些，然后到TikTok、到Instagram use，到YouTube shot，或者是到YouTube上，到这些地方去发短句，或者是到推特上。因为推特现在也可以发短句啊。慢慢的会大浪淘沙，会有新的明星短剧产生出来。所以中国短剧出海这件事情上，我觉得未来还是可以好好期待一下的。

但是现在呢，应该是遇到了一点点小挫折。咱们说回来这位啊，算是个职业演员吧。这位邵逸凡，他演繁花，演了很多电视剧，但是在繁花里头，好像演的也就是一个反正不太说得出名字的角色吧。

这样的人呢，他看不到短距，这是正常的，他那个阶层就看不到。但是呢，没有必要看不起这东西。别看这就是呃，老虎大众们喜欢的艺术形式，然后这些艺术形式呢，可能在过个几年以后也逐渐会被主流所接受啊。

或者说这个里面也会产生出新的主流艺术家出来啊，就像啊最早期的这些四大名著的这些作者啊当时是禁书啊，或者大家看不起的书，后来也变成四大名著了。

咱们原来网络小说刚出来的时候，所有人说这是什么东西啊，一点意思都没有对吧，竟毒害青少年了。现在网络小说里头也开始出各种作协的这种主席了啊，各省作协主席，好多都是网络小说的作家了。

我小时候看金庸也是不允许的呀，看武侠小说，哎呦耽误功课，你怎么可以好勇斗狠。我小时候还有这个说那个谁谁谁，因为看了金庸小说一脚把同学踹死了啊，大家就宣传这个。

现在金庸也变成了武学大加了。所以呢，要稍微给这种劳苦大众发展出来的新兴艺术形式一点点耐心，这才是我们正确的看待短剧这种艺术形式的方式。

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们的付费频道。再见。