宇树科技的王兴兴给高考生的报考建议突然就火了。大家好，欢迎收听老范讲故事的YouTube频道。

宇树科技呢，就是在春晚上让机器人转手绢那公司。他们家的老板王兴兴，号称是因为英语没考好，所以就留在国内了。公司的名字叫“语文跟数学”——宇树科技，因为没有英语。但后来人家辟谣了，说不是这样的，我们这个是“宇宙间的科技树”，不是英语没考好。

这个哥们最近还有一件事火了，是什么呢？他应该是上完硕士就出来创业。给曹德旺大学做校长的老教授最近突然问了一个问题，说：“王兴兴如果去上博士的话，他还能有这样的成就吗？梁文峰如果去上博士的话，他还能做的出DeepSeek来吗？”当时问的很多人哑口无言。

现在，王兴兴给高考生给了一个报志愿的建议。6月23号，宇树科技创始人CEO王兴兴发了一篇文章，说：

“各位即将进入大学的同学们，大家好，我是宇树科技创始人王兴兴。大学不同于高中，方向千行百业，每个人的选择性非常多，每个人有更多的自我发挥空间。在面对影响自己未来的专业选择上，难免会感到迷茫。

在这个AI加机器人的时代，站在这个激动人心又充满不确定性的技术爆发点前，如果大家想投身巨深智能行业，我结合自身的经历给出一些小建议：

1. 如果你从小喜欢拆解、维修一些电子产品，或者动手DIY做点东西，推荐学习机械或电子相关专业。具体的专业细分名字很多，请注意区分。对于自己感兴趣的学校和专业，大家最好直接去对应学校的官网，直接看看具体的详细介绍，看看老师们在做什么课题或者项目。哪怕专业名字一模一样，每个学校的差别也是非常大的。中间如果想多学习AI，也可以多花时间自学。

2. 如果你对智能如何产生感兴趣，如果你有AGI的梦想，且数学还不错，推荐直接学习计算机科学、人工智能相关专业。也一并请直接多查查对应学校的详细信息，甚至可以直接先去对应实验室看看。当然，还建议中间可以稍微花一些时间学习一些硬件相关的原理，比如自己动手画个PCB板子，简单实用。

当然，现实里大多数同学没有那么幸运能直接进入自己理想的学校和专业，或者进入以后发现不适合自己，或者不喜欢。这其实完全不是大问题，非常常见和正常。请不要放弃努力，寻找自己喜欢和擅长的事情，寻找新的方向，并请一定努力去实践。你可以转专业，哪怕转不了也一点问题没有。你可以直接去找自己感兴趣方向的老师直接沟通，去他的实验室做事，甚至完全可以直接全都自学。

后续上学时，请大家也不要局限于书本和论文。”

具身智能是物理世界的智能，一定要多动手：拧螺丝、调电路、写程序、抵bug。马上自己动手编程，进入实验室参与机器人比赛等等，在实战中迅速提升自己。我自己至今也还会自己直接上手拆解零部件、敲敲代码等等。

如果你想成为最顶尖的人才，一定要脱离课本，主动持续学习。学习当下最前沿的科技领域，或者关注顶级学术会议、最新论文等。积极参与最具探索性的开源项目，并尝试复现和改进。与同样渴望挑战边界的同学、研究者组建小组，共同探讨前沿问题，碰撞思想。每个同学都有机会成为全人类未来科技方向的探索者和实践者。

最后，我想说在未来的学业中，你们或许会感到迷茫，不知前进的方向。但不要担心，每个人都会迷茫，我也一样。在大学期间，要较多的探索自己的多种可能性，多尝试找到爱好点和擅长点。如果你的爱好恰巧也是你擅长的，那恭喜你，你找到了可以为之奋斗一生的目标。

在成长过程中，你们可能目睹了一次又一次的时代浪潮，见证了一个又一个的商业奇迹：外贸、房地产、基建、互联网、消费电子、移动互联网、新能源汽车等等。可能你们会羡慕前人，觉得机会变少了，觉得宇宙的科技树没有太多可以探索的了。但请不要灰心，AI和机器人的时代才刚刚开始，还有大量的挑战和机会在等你们。每一代年轻人有每一代年轻人的机遇，大家一起加油！

写的还是非常好的。我对于宇树科技和王兴兴本身并没有特别多的了解，但是写的这个文章我还是非常喜欢。

首先咱们稍微的解读一下，王兴兴到底说了几件事，以及他为什么要这么说。他第一个事讲的是什么是宇树科技：是科技公司，而不是玩具公司。我们也要参加鼎会，要去学习学术论文。宇宙的科技树嘛，它这个名字是这么来的。宇树还远远没有探索到尽头，还有大量的东西需要去探索。而且现在是AI加上具身智能，或者叫机器人，刚刚开始的时候，我们一起去做科技吧，不是生产玩具的。这个是要树立一个公司IP，这是干第一件事。

第二件事呢，其实他在说清楚一个什么？不是在建议大家怎么报专业，他在说我要招什么样的人。要什么呢？能够主动去发现并参与到行业最新研究方向上的人。你说我考试及格，随便瞎混一混，这种不是他要的人。互联网甭管大厂小厂吧，一般招聘都是这样的一个标准。

再往后呢，是要有动手能力，觉得动手去改进一些东西有意思，并能够从中得到乐趣的人。这个是他要招聘的，因为他毕竟是做机器人的嘛。你说我光是刷个论文，你到这样的公司里是不行的。

因为我们以前也遇到过这种纯刷论文的人来应聘。这些人其实是干不了活的。最终在公司里边，还是要解决很多工程上的东西。工程上的东西呢，可能没有论文让你去参考，但是还是要有一定的动手能力。如果你说我看到烙铁就头疼，这个可能不太适合做工程。

再往后呢，再讲数学大神。研究AI底层技术的同时呢，也请动手玩点儿硬件。因为现在大家知道，AI肯定是未来的方向。而且很多搞AI基础研究的人，都是数学特别好的人。这些人呢，大多其实动手能力不是很强。他说你们这些人，也去研究一下硬件，画画PCB板（就是电路板），也是需要的。当然了，里头也说了一些场面话了。比如说没关系的，你如果选不到满意的学校和专业，你进去以后，还要努力的发现自己的兴趣。只要你找到了自己的兴趣，我感兴趣的事情还我擅长，这种人宇树科技可能也要。他基本上讲了这么几个事情。

那么应该如何看待王兴兴的建议呢？至于有多少人愿意上宇树科技去上班，这个咱不管。如果咱们家里真的是有考生，或者周围有考生的话，我们怎么解读这件事情？其实绝大部分的家长可能压根看不到。他们还在研究说我应该怎么去选专业，怎么去选学校。对于这些家长和学生来说，你让他去把这个招生简章研究明白，2,900所学校，1,600多个专业，你想把这东西选明白，本身就很费劲了。

而且呢，很多的专业从专业名称到专业简介呢，还极具欺骗性。你要想去伪存真，从里边去找到这个真正他在教什么，还是挺难的。有一些比如说it圈的人，稍微关注一点，知道宇树科技干嘛的，知道王兴兴是谁。这些人呢，可能他们也没有能力去研究教授的具体方向。这个不是写在招生简章上的东西，而是你去看看教授参加什么样的会议，发表什么样的论文。这些研究最终的论文到底在写什么，在哪个方向上在起作用。这个其实已经绝对的超越了大部分人的认知能力了，不是普通人能搞定的。

所以呢，他们会发现有这样的一个信息差。他们会发现一个新的焦虑。这些人其实是没有办法的，他会感到痛苦。说我看到了一大堆的学校的简介，先看到了招生简章，看到了专业介绍。但是呢，里头到底在干嘛我不知道。他们就已经发现了这个世界真正运行的底层一角了。

从我们这种it人士来看，或者叫工程人士来看的话，很多的这种招生简章的专业介绍、专业名称里头的一些未来方向、憧憬什么这些东西呢，相当于是前端程序员写的网页。他的目的是什么？目的是转化率。至于底下到底干什么呢？说你这个里头教授到底在研究什么方向。

这个东西呢，相当于是后端程序员写的底层逻辑。绝大部分家长其实是没有透过前端表象去看后端底层逻辑这个能力的，但是你告诉他，他会痛苦。

真正有能力的一些家长是可以去做一些研究的，去看一下说，这个教授到底研究的是什么，那个教授到底研究什么。比如智能制造，好多是土木工程转过来的。我们去看一下这些老师原来的这个方向，最近几年在发一些什么样的论文，他是可以去研究出来的，可以去伪存真。你上面改什么名字都没用，因为你老师的研究方向，你不可能跟着上面这个名字改来改去的，他是可以去研究的。

对于教培和高考志愿填报机构来说，王兴兴的这个建议有什么意义呢？他就发现，这里还有一道信息茧房，这里还可以收一波智商税。那么我就可以继续去跟家长忽悠了，说你看这个名字已经起成这样了，但是呢这个里头底子不是这么回事的。你光看上面这表面的东西是不行的，那么它的价值就上升了，可以再去挣到一些家长的服务费。

对于我来说，我能干的活是什么呢？就是我做好传播就完了，把这个事情告诉尽可能多的人，让家里有考生，或者你周围有考生要去填报志愿的，让你有这样的一个认知。然后呢，甭管是说我愿意去自己研究一下，或者说我愿意去花钱找人填报一下，都算是有一点点小的改变吧。至于那些完全不知道这件事情的人来说呢，岁月静好就行了，这个事情跟他没什么关系。

我个人给填报志愿的建议到底是什么？其实到目前为止，学校还是比专业重要。很多人觉得专业比学校重要，这个事我一直都不是那么认可。因为什么呢？第一个，进去了以后你是可以转专业的，可以学其他内容。就算是说我转不了专业，那我还是可以找到自己感兴趣的东西，还是可以去自学。因为现在学习的资源都是开放的，你去找到相应的教授，找到相应的实验室，去敲门说我对这东西感兴趣，我还有能力去做，一般也没有人会直接把你踢出去。

清华同方工作的时候，我们的很多的总监吧，就是清华里边的这些教授。他们呢有名额吗？有，比如说谁谁谁有几个研究生的指标。你说老师我想占你个指标，成为你的研究生，这个事你得考，没什么好说的。但是你敲门说，老师我不占你指标，我就想来跟你干活，这个大部分的教授都是欢迎的，还是愿意让你去的。然后你做一段时间，你发现，我确实感兴趣也能干，这些事情教授也能看得到。下一次给有机会的时候，或者有名额的时候，他就会先想到你。所以这个事是完完全全可以干的。最后去招聘的时候，我们甭管学成什么样，是不是感兴趣。

你最后还是要走到社会。招聘的HR看的就是学校。你清华的物理系出来，北航的计算机系的，HR大部分的时候还是先看清华那个。更不要说我，既不是985也不是211，就是一个很普通的院校。但是我学计算机的，学人工智能的。那边一个清华的学生物的，这个HR肯定是先看那个清华学生物的。

选对了学校以后，你就要去排这个专业了。一定是最热的专业分高。那我分没有这么高，我就选这个稍微差一点的专业。我先进去，进去了以后，就可以去挖掘老师们的研究方向了。那你说老师这些研究方向，跟我们未来教的，到底有没有什么关系呢？特别是本科阶段。本科其实学的好多是基础课，这个事其实关系不是特别大。但是跟什么有关系呢？这个东西跟未来的人脉有关系。

你学本科学的都是基础课，但你出去以后你会发现，我的师兄师姐们在哪一个行业、哪一个方向里边扎根了。我举一个例子，比如说我原来有一个老板，他的公司叫银河航天，做中国的低轨道通讯卫星，就干的中国Starlink这种事情。他是哈工大的，他就发现说，我的师兄师姐师弟师妹们都在航天部里头折腾乱七八糟这种事情。走到哪一说，你是哪个哪个老师的学生吗？这一下就把关系拉近了。就跟咱们自古以来的这个科举制度是一样的，同门同年，都是走这样的一个关系往前走的。所以老师的研究方向在本科阶段，其实更主要的是他的这个人脉关系，对于你未来到底有什么帮助。

你到研究生方向，或者再往后走一点点，才是真正说，我是不是要去做相应的研究。当然，如果你说我在本科阶段我就已经发现这件事是我感兴趣的，还有能力去做的话，那提前加入也没准。可以提前的在老师面前表现表现，锁定那个名额，这个也是很重要的。

好的学校，烂的专业。因为刚才我们讲嘛，先选学校后选专业嘛。那最后会怎么办呢？其实HR招聘的时候，包括像我以前面试的时候，我们看到简历先看什么？第一，你是什么学校的专业呢？有时候我们也看，但好多时候是不看的。再再往后看什么东西？看的是你的实践经验。

比如北航的吧，不是那么热门专业出来的。但是你拿到这个简历以后你往下看，说我参加过什么实践，我写过哪些哪些项目。比如说AI的哪个项目是我参与的，或者说我在哪一个开源项目里是核心贡献者。那这个不就够了吗？你前面学的什么专业呢？这个事就不重要了。所以就是要积极的参与到各种的开源项目和一些社会实践中去。要写清楚，说我到底在里边参与了什么事情，做了哪些贡献。这个是很重要的。

王兴兴里边还讲了一点，是说我们要去参与很多的这种小组科研小组，这个也很重要。像我是当时上大学第一年，就去参加他们的这种小组。后来到大四的时候，基本上可以当到组长了，带着一帮学计算机的朋友们去玩一些最新的东西，这还是比较好玩的。

兴趣是非常非常重要的，做自己感兴趣的事情可能会稍微的快乐一点点。但是这个事呢，也分两说吧。有的人呢，觉得我要去寻找这种感兴趣的方向，然后去把它作为终身的职业去做下去。像我们以前招聘的时候呢，也会专门去选择那些叫眼睛里有光的孩子。什么意思？就是他找到了自己感兴趣的事情，他就爱这个事，他就干这个事。把他招回来，你让他加班吗？你不用让他加班，我喜欢，我就愿意干。

如果你的全部的业余爱好就是，或者你全部的兴趣就是你工作这点事的话，这个人会比较没意思，或者说他的生活会变得比较无趣。所以有些人呢，也建议说工作就是工作，爱好就是爱好。把爱好当成工作的话，对于人生是一个悲剧。但是对于我来说，反正我们以前面试的时候都是找眼睛里有光的孩子，这个大家自己去选择。

现在呢，学习资源非常多，而且免费开放。上大学以后呢，主要还是要看学生自己的学习意愿和学习能力。当然高考完了以后，你考到了多多少分数，在北京呢叫一分一段，就是哪一分你大概能上什么样大学。今天应该已经出来了，就是照这个东西比一比。至于说剩下的事情，等孩子真正上了学以后，让他自己去领悟。因为上高中呢，还可以家长在后边看着，上大学你看不过来了。你如果孩子在那说我就没兴趣这个事，那你也没有什么办法。你不能说你应该对这个东西有兴趣，这个是不可能的。

再往后呢，我们作为普通家长来说，或者说学生吧，如何去研究一下老师的这个方向呢？这个其实已经超出了绝大多数人的认知范围。因为对于整个社会来说，最顶尖的这些教授肯定也是最顶尖的社会精英嘛，他们所研究的方向一定是社会上绝大部分人看不懂。那我们怎么去理解说这个事情到底是不是我们想要的？这个方向到底是不是我们孩子未来感兴趣的方向？

这个呢，现在是可以做到了，以前搞不定。不是说让大家去买什么服务，这个不是咱们的目标。你们呢，可以借助AI，可以用一些AI agent。上来你比如说某某学校某某系有哪些方向，他们有哪些老师，这些老师他们都发表了什么样的论文，有什么样的影响能力。你把这样的一个完整的提示词给到AI agent以后，他会给你做总结的，他会查到说。

这些论文网是什么样的？这个论文网站上哪些人是怎么样的？他们怎么去评的职称？这些东西都是公开的。原来我们去搜索，搜索完了以后，大量的信息让我们自己去总结，我们也看不过来，甚至看你也看不懂。现在你就不用干这个事了。你去比如说用GPT或者是用Gemini，直接使用这个深度研究的能力，把提示词写进去，它就会去搜索，就会去总结归纳。让他干个20分钟，他就给你找出来某个学校他的这些老师，都是发过什么样的论文，哪年发的，这个论文是什么方向的。

然后呢，再进行总结：这几个老师是一个研究方向的，或者是一个小的团队；那几个老师是一个团队。这个AI都可以自己给你分好。然后呢，根据这些论文的脉络捋清楚以后说，他们这个方向大概是什么研究的，未来应用的领域在什么地方。这个就可以让普通人用一个相对来说比较直观的方式去理解，大家原来在干这样的一个事情。这个事情好像比较有意思，我们应该会去试一试。我明天把这个工具用起来。使用AI就是要挖掘招生简章包装之下的底层真相。希望大家可以玩起来。

今天呢，各省市应该都出成绩了。希望看节目的朋友能够把这个信息呢传递出去，把这个理念传递出去，能叫醒一个是一个吧。说你们现在不要再去看招生简章上这些花里胡哨的字了，不要去看这个名字，不要看那个描述和未来展望。这个东西都是没用的。什么东西才是有用的？就是在这个后边，这个专业真正的这些教授们，他们的研究方向。哪怕说他有一些本科的基础课程，他是按照教学大纲来的，但是如果这个老师是在某一个特定领域里头做了很深入研究的，那么他也是会有很深的人脉。而且他讲的课的内容，也会向他自己研究的方向去发生偏移的。

好，这就是我们今天要讲的内容。感谢大家收听。请帮忙点赞，点小铃铛，参加discord讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

大家好，欢迎收听老范讲故事的 YouTube 频道。今天咱们来讲 GPT O1 发布，科技大爆发应该会到来。草莓模型终于发布了。今天我太太还问我说，这个模型发布了，对于你们这些科技圈的人来说，算是意料之外，还是算意料之中？这个事情直接把我问在那了。

其实，每一个人都希望赶快把草莓模型发出来。但是 OpenAI 从今年年初开始公布 Sora 到现在，他吹的牛有点太多了。到现在为止，这是我们真正见到的能够用的产品。虽然 GPT4O 也是能用，但完整的 GPT4O 其实到目前为止，一直没有彻底开放出来。而这个 O1 上来直接就开放了，今天早上凌晨 3 点突然上线，哐往那一挂，大家愿意用的都可以去用了。我自己也去用去了。他呢，也换了一个名字，叫 GPT-O1。所以呢，这就不是 GPT5。

未来可能会走两条路，一个是继续走这种直接进行语言生成的，而 O1 这条路，走的是深度思考，要去反思一个问题，要深思熟虑以后才去回答。所以他有可能两个路要分开走，而且两个模型可能会相互配合着使用。

现在的 OpenAI 呢，就跟 O 干上去了，OpenAI 以 O 开头嘛，它后边的仪态产品基本上都是 O。GBT4O 这个 O 叫 Omni，意思是全能。下一代大模型，也就是大家等待的 GPT5，它的模型的名字叫 Orin，猎户座。而现在的 GPT O1 意思是从零开始计数，从头开始。

这是一个什么样的大模型？他深思熟虑，具体里边是怎么做的，这个都是大家在猜，或者有一些很简短的文章，因为现在他也不开源，OpenAI 变成 Close AI 了。这个东西到底内部如何实现呢？大家只能猜。

现在就可以用 Plus 用户，像我就是 Plus 用户，一个月 20 美金，可以用到两个版本，一个叫 O1 Preview，预览版，应该是在正式的 O1 版本上裁剪出来的一个版本；另外一个叫 O1 Mini，O1 Mini 是要比 O1 Preview 还要再小一些的版本。但是这个额度非常少，少到什么程度？O1 Preview 一周 30 次，我今天大概已经用了有十来次了，后边几天我要省着点用了。Mini 是一周 50 次，真的是没见过这么抠搜的模型。以前的都是三个小时多少次，或者一天多少次，甚至有一个小时多少次，而现在这个 O1 都是一周几十次。所以用的时候一定要小心。

有人在去传说，准备上 200 美元一个月的 Preview 版本，这个属于传言。今天还去问了 GPT4O，被辟谣了，说我们不准备干这个事。
就是20美元一个月的这种Plus版本，我就让你用，只是数量少一些。未来，我们会想办法把这个数量提升上去的。这个O1的测试数据非常亮眼，数学能力极强。在2024年美国数学邀请赛上，能够达到全美前500名优秀学生的这个水平，这是非常吓人的。然而，他这个数学邀请赛应该是中学生，文中并没有说明到底是初中生还是高中生，但能够达到前500名的北美学生参赛水平的，已经非常高了。

物理、生物、化学方面，可以直接达到博士生的水平，这个也是很恐怖的一个能力。编程能力得到了极大的提升，在信息学奥林匹克竞赛里头，超过半数的参赛选手，如果是打开常考，让他慢慢的想，让他多试几次，是完完全全可以得到金牌水平的。在Code Forces平台做竞争性编程比赛上，已经超越了93%的程序员，已经算是一个比较资深的程序员了。

我自己也在里边做了一些编程的测试，确实非常的猛。我去向他提出一个很详细的要求，我说我现在要做什么事情，希望使用哪些技术，希望效率怎么提升，在界面上怎么去设计。当然，这个提示写的比较长，写完了以后，啪一回车，首先是漫长的等待。不是说啪一回车就出来了，这东西挺慢的。等一会以后告诉你说，应该在哪个地方，怎么去装环境，第一步做什么，第二步做什么，哪个里头有哪个文件，这个文件里写什么东西，啰里八嗦写了巨长的一段。我发现O1这个玩意是非常话痨的一个大模型。

而如果你不是像我这样用Plus版本去直接调用，而是说我要用API去调，那你就上了当了。他会啰里八嗦说半天的，而且他那个TOKEN的费用奇贵无比。那么，为什么讲这就是科技大爆发即将到来？O1其实并不是给普通人用的，普通人去玩GPT-4O就已经足够了。O1这种东西其实是给科学家、工程师、程序员用的工具。

现在限制科技发展到底是什么？其实数学是限制科技发展的一个很重要的因素。因为数学越往后发展，其实越反人性，必须筛选出极少数的数学天才，才能够继续往前面去前进。而且人类为了达到当前科技的高度，必须进行非常长时间的学习。你想，一个小孩从出生一直上到博士，可能研究才能研究点东西出来，这个时间得二十几年，甚至是三十年你才有可能能够学完。学习的成本是非常高的，而且筛选也很严格，因为学习成本很高，必须要选出最能够去学习的人去学。

但是筛选的过程又未必科学合理，不一定说一个筛下去的人，他就比进去读博士这个人差，也许你换一个人上来科技就发展了。
但是这件事我们不知道，没有任何可以试错的机会。在学习的过程中，也会扼杀创新力，因为我们不断地学习，实际上就在学习前任的方法，这会造成路径依赖。所以，其实是导致现在科技很难再往前走的一个很重要的原因。而且，我们必须要阅读大量的信息文献，才能够去做研发。为什么呢？如果不读，你只能重复造轮子。有没有人做过这个？没有查重，那你折腾半天做完了以后发现，哎，20年前有人做过了。这也是很正常的。而且，人的大脑不是说我读了大量的信息和文献，就可以去做新的创新的，而是什么呢？我们的大脑像掰棒子的狗熊似的，你把新的东西进来以后，就把旧的知识可能忘掉。你要想始终得到一个最新的知识，在这个基础上去做研究，这还是非常难的。

但是现在有了O1的帮助，这些问题其中一部分就可以解决了。我们不再需要进行严格的筛选，不再需要进行漫长的学习，让更多的人可以进来进行科学创造。整个科技大爆发，可以带来不同的变化。很多科技前沿的关卡，其实已经开始松动了。学习筛选的过程也必然会发生改变，以适应O1之后的科技研究。

我个人用的体验到底怎么样？首先说，个人使用O1的体验并不好。为什么？第一个是很慢，这刚才我讲了，一个回车下去，你要在那等。而且很贵，如果使用TOKEN API直接调用O1的成本，要比我们使用GPT的各种模型都要贵很大的一个比例。而且给的配额还非常少，你想，一个礼拜才给了你50次，这个事实在是让你不太敢打回车。

编程问题我去试了一个，刚才我们讲的说你给我写一段程序，他思考了多长时间？两分钟。你打完回车以后，两分钟他没理你，做完了以后再告诉你说我们整个用了两分钟，才给你输出了一个结果。每周三50次，这确实是有点费劲。

那贵到什么样的程度？O1 Preview的价格是GPT4O的3-4倍，输入100万TOKEN是15美金，输出100万TOKEN要60美金，这个是非常重的一个价格了。因为我们去写编程那个题的时候，刚才我说他写的特别话痨吧，直接输出了8,000多个TOKEN。按照100万TOKEN 60美金算的话，我等于那一次回车下去，我就已经花了大概0.5美金出去了，所以这玩意是非常贵的。

O1mini要稍微便宜一点点，100万的输入是3美金，输出是12美金，但是MINI可能有一些效果会稍微差一点。那比较一下4O，100万的输入是5美金，输出是15美金。
这个已经是现在大家可以用到的比较好的模型了，而4O mini就是4O蒸馏出来的小版本。100万的输入才0.15美金，100万输出是0.6美金。所以我现在大量的这种模型工作，都是使用的4OMini。而且现在API的调用还非常不完善。

怎么个不完善法？第一个，不允许加系统信息。你正常跟人聊天的时候，你说的话叫用户信息，他回复叫助理信息。正常我们去跟OpenAI聊天的时候，还有一个信息叫系统信息，我们先设定你是谁，张三李四，你擅长什么事，这叫系统信息。现在这个O1呢，是不支持系统信息的，也不支持函数调用，还不支持流式输出。

流式输出是什么？我们在GPT上跟人聊天的时候，GPT都是一行一行一个字这么出来的，因为它出的慢。如果你不是随想出来点什么，随出就会等很长时间。而这个O1压根就不支持这功能，你只能是打完回车生等，等到他彻底算完了以后，啪一把吐出来。Plus用户呢，直接就可以用，但不是很顺畅。为什么呢？他不能访问网页，现在只能是用他已经训练好的数据去给你回答，而且也没有搜索的接口。

思考的过程建议大家不要打开，因为你在这个Plus版本里头说，“现在O1不一给我去回答一个问题”，你打完回车以后，他告诉你说，“我现在在想，我在思考，我有一些什么样的问题。”他在不停的在变化。这个东西呢，如果你点他，给展开一个思考过程。我点开过，我问了一个问题以后，发现他思考的有中文的、有英文的，还有阿拉伯语的，讲的东西基本上是驴唇不对马嘴，完全在胡说八道。但是最后输出的效果并不差，只是中间思考的过程，我估计是什么呢，随便给你写一点信息，让你不要太着急。

所以这个中间思考过程大家就别点开看了。O1这一次的发布其实是非常匆忙的。为什么呢？第一个是钱真的不多了，要尽快完成融资，否则以OpenAI的尿性，肯定还是说我们再放个气球出来，放一个视频出来，让大家慢慢等，而不是说直接咔就把东西扔出来了。现在马上要融钱，据说他们准备融资60多亿美金，再贷款50亿美金。那么这些钱加一块，大概也就够他烧个半年或者八九个月这种水平，再往后可能还得再去找钱。

所以在这种情况下，有一个新的模型发布，对于他找钱来说是比较有好处的。而且O1的很多体验并不好，很多GPT上实现的功能其实都没有实现，包括刚才我们讲的不能接网页、不能接搜索、不能去做流式输出。
而且呢，还没有任何的多模态。比如，你要给他一张图，他认不出来。想让他去做题吧，你必须要先用GPT-4O把这个图识别好了，再把这个识别出来的题扔给他，再让他去做。他自己没有这个能力。而且O1其实并不太适合广大民众，广大民众真正需要的可能是他Orin猎户座大模型啊，而现在那个还没出来，到底什么时候出来不确定。OpenAI最近也不断有员工在离职创业，这对于吹了太多牛、拿不出产品的OpenAI来说，会造成非常多的困扰。

即使有这么多问题，GPT O1不是那么完善，但GPT O1依然是一个划时代的产品。O1应该怎么用？大家知道最早的程序员是怎么干活的吗？最早的程序员应该这样，首先在纸上写代码。那个时候这个机器是非常紧张的，不是说随时就有啊，个人电脑是很靠后才有的。所以呢，早期程序员都是在纸上写好代码，写完代码以后，拿打孔卡或者是打孔纸袋去编程。在这个袋子上打完眼以后，约时间，说我什么时间是要去上机。你要去约，约好了以后，到机房把这个纸袋也好或者是打孔卡也好，装到这个机器上，咔咔咔给你输进去，漫长的等待，在回收结果。回收完了以后，如果发现有错误或者不满意的地方，回去接着改程序去啊，然后再约下一次去上机。最早的程序员是这么干活的。为什么这么干？就是因为资源太少。

O1的使用其实可以参考刚才我们讲的过程。第一个，GPT Plus的账号上每礼拜只能使用几十次，所以一定要珍惜。第二个，就是很昂贵。如果你说我不希望被它限制，我要到这个API上直接调用，那么这个确实是可以突破限制，你愿意使用多少就使用多少，但特别贵。另一个就是反馈很慢，你不可能得到实时结果。

那么现在我是怎么用的呢？第一个，先用GPT-4O或者是4O MINI这样的模型整理提示词。我先要说我要干什么，请把提示词给我写好，要给你省一个非常复杂的提示词。在这个基础上你再改，改完了以后再让GPT-4O去给你修改，得到了一个完整的提示词，要把该问的事情都问好。做完了以后，满意了检查过了，一把塞给O1说行，这就是我要干的事，你去干去吧，进行漫长的等待，可能等个几分钟，接收完整的结果。因为他不能像4O似的，我随时聊，错了以后我再纠正你，我再告诉你哪错了，再给我改一改。他没有这个机会，因为交互次数实在太少，而且很贵。这是GPT O1的一个使用方法。如果你说我现在想用O1去解决一个问题了，建议你们像我这么干。
先用GPT-4O去整理提示词，整理完了以后，一把扔进去。这可以把这些珍稀的使用机会应用到最大价值。再往后，可能很多AI创业的厂商又该有噩梦了。现在，AI agent的创业公司，噩梦又轮到脑袋顶上了，因为每一次OpenAI发布产品，都会有创业公司突然死亡。

AI agent干的是什么呢？就是人工规划设计流程，将复杂的任务分摊到多个大模型，最终获得一个可用的结果。而GPT-4O基本上是把上面的活儿都替你干完了。你给它一个复杂任务，它替你分拆，分拆完了以后一步一步去思考，思考完了再反思，去检验结果，在结果里挑一个最好的，再把这个结论扔出来给你。

我们自己去设计的这些工作流，可能还没有O1内部设计的工作流合理。他这个可能又高效又合理，所以大部分当时做的AI agent，现在都没有什么用了。那么O1算不算一个端到端的系统呢？这个怎么说，响应速度和想一想的过程，说端到端稍微有一点点亏心。

那么现在GPT O1还不适合融入AI agent，因为它实在是太慢了。以前的AI agent要重新做，重新规划。怎么规划？原来的AI agent是很多小模型，通过一个流程处理一个明确的需求，然后再拼凑出结果来。那么现在就应该换了，还是用一堆AI小模型，在人工参与下，输出完整高质量的提示词。这应该是AI还可以干的事。

再把这个提示词扔给GPT O1，得到了结果之后再干嘛？再用那些小模型或者执行代码，再去把GPT O1的结果去分解。说到底要去做哪些操作，哪些的代码要去修改，哪个地方要去建文件，要把这个事情自己再去处理掉。因为这个O1后边的部分都没有，它只是负责把要求出进去，它把结果扔出来，它就干这件事。

GPT O1带来进步，肯定也会带来一些毁灭或者一些伤害，这个事永远都是这样。我们发明枪会有伤害，发明炸弹可能有伤害的，包括计算机也是对社会有伤害的。O1这样的东西，它会对社会带来什么样的伤害呢？第一个，原来我们一直思考的叫有钱人不作恶理论，这个事被打破了。很多人说不对啊，都讲万恶的资本，怎么有钱人就不作恶了呢？

大家想这样一个例子：一个有钱人跟一个穷人过独木桥，每次只能过一个人，这时候该怎么办？通常有钱人会向后退，让这个穷人先过去。为什么呢？因为有钱人身娇肉贵的，如果真的掉下去了，或者出点什么事，这所有的东西就都没法享受了。而穷人呢，一条烂命，其他啥也没有，他输得起。
但有钱人输不起。所以呢，以此为基础，很多西方人认为，只要财富积累到一定程度以后，就不会去做一些特别过分的事情。你会维护社会的规则，继续运转下去。这个也是很多西方人认为大模型不作恶的一个原因啊，因为大模型训练实在太贵了。有钱人是不会花了这么多钱去训练一个大模型，跑去干一些坏事。对于他们来说，没意思。

我记得以前，我们也遇到过类似这样的问题。那时是买瑞士军刀，一个东西一个刀好几百上千。我就问那个卖瑞士军刀的人：“我说这玩意这么老长，算管制刀具吗？”后来人家那个店长也跟我乐，说：“您见过买上千的刀出去挡人的吗？买上千的刀的人都是搁家里摆着的。有钱人是不干坏事的。”

但是GPT-01出来以后，这个就被打破了。为什么呢？失控了。现在不需要那么有钱，也不需要那么天才，每个人都有机会推动科技进步。那么，藏在深山或者地下室里的科技怪人，可能就会越来越多。甚至很多民科，我们管它叫民间科学家。以前这些人只能骗东西，他们是做不出真正的玩意来的。但是现在有了GPT-01后，这些科学怪人和民科，就有可能做出奇奇怪怪的东西来。

那么，社会就会从一个稳定的金字塔状态，变成了散乱的一团沙丘。原来你必须要汇集起整个社会的动力，来供养金字塔尖上的一点点人，成为大的科学家，汇集资源，才可以去做科研。现在不用了，我们拿这样的工具，每个人说：“哎，我想设计一个什么东西啊。”跟咱们看美剧有一个美剧叫《Young Sheldon》，人家小孩坐在家里捅吧捅吧，想去做核反应堆的，可能未来这个事情就会变得越来越容易了。

而且GPT-01其实依然会产生幻觉，他也经常会说错、忽视，认为经过反思、经过很认真的思考以后，他说的就不错了。而且GPT-01的幻觉，它的危害要比传统的这种幻觉要大得多。

咱们先讲一个著名的哈雷彗星笑话吧，大家理解一下这个幻觉是怎么产生的。这个故事是在1910年，当然也有一些其他年份的说法，反正就是哈雷彗星来的那年。故事的重点是信息传递的一个偏差。

说某部队一次命令传递过程如下：少校对值班军官说明天晚上8点左右，哈雷彗星将可能在这个地区看到。这种彗星每隔76年才看见一次，命令所有士兵着野战服在操场上集合。我将向他们解释这一罕见的现象。如果下雨的话，就去礼堂集合。我为他们放一部有关哈雷彗星的影片。讲的就是这样。

然后值班军官就对上尉说：“根据少校的命令，明晚8点，76年出现一次的哈雷彗星，将在操场上空出现。”
如果下雨的话，就让士兵穿着野战服列队前往礼堂。这一罕见的现象将在那里出现。上尉对中尉就说，根据少校的命令，明晚8点，非凡的哈雷彗星将身着野战服，在礼堂中出现。如果操场上下雨，少将将下达另一个命令。这种命令每隔76年才出现一次。

中尉对上士说明晚8点，上校将带领哈雷彗星在礼堂中出现。这是每隔76年才有的事情。如果下雨的话，少校命令哈雷彗星身着野战服，在操场上去。上士就对士兵说，在明晚8点下雨的时候，著名的76岁的哈雷少将，在少校的陪同下，身着野战服，开着他的彗星轿车，出现在操场前往礼堂的路上。

这个实际上就是一个幻觉产生的过程。当搜集更多的信息，而且在这个里边进行反复的推理、反复的传递的时候，那么，产生幻觉的过程就会几何级数上升。虽然GPT O1在推理的过程中，采用了一些手段来规避幻觉，输出一些内容以后，他自己会检查，会反思，但是你毕竟是经历了这么多的步骤，人家也是想了好几分钟才想出来的。综合算下来，他产生幻觉的几率还是在上升的。而且GPT O1也没有那么靠谱。

我用最传统的老虎过河的问题去问了GPT O1，依然是错误。老虎过河，就三只母老虎带着三只小老虎，从这个河的一岸要到另外一条岸去。三个母老虎会划船，三个小老虎里头有一只会划船。任何一个小老虎在没有母亲的陪同下，遇到其他的母老虎就直接被吃掉了。有什么方法可以让所有的老虎都过去？每条船上应该是可以走两个老虎，船上每一次至少要有一个会划船的老虎，而且呢，船必须是老虎划，不能自己从南岸到北岸，或者从北岸到南岸。

这个题呢，每一次GPT出什么新版本的模型了，我都会问，包括GPT Gemini cloud都去问了一遍这个GPO1。本来我是对他抱有巨大的这种期望的，你一个反思、推理这样的一个模型，做这种题还不是手到擒来的吗？结果依然是错的。在这一件事情上，他并没有比GPT4O强到哪儿去，还是到了第三步就直接出生错误。我就纠正他，这个特别有意思啊。第一次告诉我说我这样这样做，我说你哪哪有错。当你做成这样的安排以后，哪个小老虎就被吃掉了啊？他说对不起，我又搞错了啊。他又想了几分钟，告诉我说我换了一个思路你再看看。我告诉他，你这到同样的一步上，你犯了同样的错误，是另外一只小老虎被吃掉了。

这个时候特别逗，PPTO1就告诉我说，我发现了你这题有问题啊，这题是无解的。你应该调整一下这个题，让每条船上可以多坐几个老虎。
这给这个条件放的稍微宽松一些，否则这个题做不出来。那最后，我是把正确答案告诉GPTO1了。PO1把这个答案验证了一下，后来说：“你说的是对的啊，这个第一步应该怎么办，第二步怎么办。”整个都帮你验算了一下，都是没毛病的。

GPTO1并不能解决所有问题，而且像CPTO1这样的东西，为什么说它可能危害更大？所有要求把手放在方向盘上的自动驾驶，其实是最不安全的。你说我如果就要自己开车，这个事其实还是挺安全的，或者说我们符合一个驾驶安全的一个平均数。那你说我这已经彻底安全了，不需要方向盘，车上压根没方向盘，那这个事也没问题。

但是你说我现在有一部分副驾驶，你还要把手扶在这个方向盘上，你还不能睡觉，这个其实是安全隐患最大的。而现在的GPTO1呢，其实就是这样的一个状态。它能够解决一部分问题，但是具体哪一部分它解决不了，它自己也不知道。然后我们如果信任它，那就经常，它会把一些错误埋在整个的研究里边去，而且是很难被找到的啊，就会帮助大家去堆积“史山”。这是GPTO1绝对会干的。而且在这个过程中，如果它前面输出的效果非常好，那么它就可以累计人类对它的信任。后边它在输出错误结果的时候，被人类忽视，直接漏掉，直接放到研究报告里边，这个几率就会上升。所以现在还是一个比较危险的状态。

总结一下，GPTO1在今天早上凌晨发布了啊。这三点虽然并不完美，但是呢，依然是划时代的产品。之所以说划时代，是指明方向了啊，OpenAI老大的位置保住了。因为原来做到GPT-4、做到Gemini 1.5、做到Claude 3.5的时候，大家觉得没有前进方向了，我们把能干的活都干完了。现在O1出来，哎，大家向这个方向卷。当这个方向一指清楚了以后，谷歌、Anthropic，包括国内的各个厂商，就要开始去追赶了。

而且这一次OpenAI不一样，不是说上了一个，放个视频就完事了，而是真的让大家用上了。那么国内肯定会冲的啊。最后，英伟达应该会冲，因为一旦有这种新模型出来以后，所有的大模型厂商就会集中起来，更多的显卡进行训练。另外，GPTO1这样的模型进行推理，应该也是需要更多的显卡，而且可能只能上英伟达的，专门为Transformer优化过的那种LPU什么的，估计会有些捉襟见肘了。

在未来一段时间里，大家可以继续相信AIGC就是现在唯一的出路，大家可以继续在这条路上狂奔了。这就是我们今天讲的第一故事。

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。