AI客服，有没有把你逼疯过呢？

大家好，欢迎收听老范讲故事的 YouTube 频道。

AI客服，这个AI最原始的应用场景里头，正在同时逼疯商家和顾客。

Reddit上最近有一个热帖，一位英国的小商家出来抱怨，说客户花了一个多小时，跟网站的AI助手周旋闲聊，最终让机器人给自己编了一个折扣码，要求给8,000英镑的商品打两折。就是人家愿意付1,600英镑。

具体他卖什么也没说。这个商家现在就很痛苦，到底是不是要履约呢？这个实在是一个艰难的选择。

今天这故事，咱们分五段来讲。

1. 第一段，AI客服的正面反馈，肯定还是不少的。因为AI这东西最开始出来，就是准备让它去做客服的。
2. 第2个，让商家崩溃的案例有哪些？咱们罗列一下。
3. 第3个，让顾客崩溃的案例有哪些？咱们也得罗列一下。
4. 第4个，AI客服产品设计的思路，可能从来就不是解决问题。这个跟大家认知，可能会有一点点小偏差。
5. 最后，咱们能干点什么呀？AI客服这事，肯定谁也躲不过去，一定未来会越来越多。咱们到底怎么做？

AI客服的正面反馈

首先，AI客服正面的反馈，肯定是不少的。AI最早就是做这个的。在ChatGPT出来之前，AI就已经开始去做客服了。

Lyft，也就是跟Uber竞争的另外一个打车软件，他们就使用Anthropic的Claude大模型，平均客服解决时间下降87%。

对于占大多数客服请求的、高频的、标准化的简单问题，AI绝对是很强大的帮手。相信使用AI客服的很多商家，都会有正面的反馈。

不过，上面这些报道都是官方报道，就是Lyft这公司自己报的。应该还有一些并不全面的地方。

比如说，个别难以处理的问题，是不是真的转到人工了，得到了处理？这个事就不知道了。

即使是经过AI和人工的两层处理之后，总的问题解决比例到底是上升了还是下降了，也没有给出一个答案。

但是，总会有倒霉蛋。不可能所有人的问题都得到满意解决。问题得不到解决，最后会被AI逼疯，这个是无可避免的。

还有一点没有报道的是什么？上了这套系统以后，到底裁员了多少人？他没说。这种系统的上线，必然会伴随着裁员。

让商家崩溃的案例有哪些

那么，让商家崩溃的案例有哪些呢？

去年6月份，Anthropic自己做了一个实验，让AI店长去卖东西。现在很少有人敢让AI直接上去卖东西了。闲鱼好像有，你如果在闲鱼上卖一些东西的话，它是有AI去负责成单的。但是有的时候，那个AI也会犯二，直接把这个价格压得很低，就把单子成交了。

去年6月份，Anthropic的这个实验，完全被人类玩坏了。这个实验项目，用户就是好事的记者和Anthropic自己的员工。这些人不断地测试，如何通过提示词诱导Claude越狱。最终，这个商店血本无归，大量的商品被免费赠送了，或者是打了非常非常低的折扣，就这么卖出去了。

这是一个反面典型。说明什么呢？就是尽量不要把定价、折扣、优惠这种事情交给AI去干，它搞不定的。

早期还有一个案例是什么呢？2023年，雪佛兰的经销商，当时他们使用的是ChatGPT的聊天机器人。最终，机器人被诱导，用一美元的价格出售了一辆雪佛兰太浩的汽车。

后来我查了一下，太浩是美式全尺寸SUV。这个车在国内大概是卖60万到70万人民币一台。人家一美元给卖了。就算加上税的话，我估计这个车在美国应该也是在七八万之间吧，具体我没有查，但反正肯定很贵的一辆车，一美元给卖了。

“我说的这个话没问题，我说了就算数，有法律效力。”

当然，这个车最终没有成交。这个聊天机器人同意成交的内容，并不具备法律约束力。最后，雪佛兰去找了人裁决，做了这样的判决下来。媒体对这件事情的定性，基本都是“被诱导说出的荒唐报价”，而不是“成交生效”。所以这个事情就这么过去了。

聊天机器人马上下岗，回厂整修去了。

上个月，英国的一个小商家，就是刚才咱们一开头讲那故事，AI聊天助手被套出了80% off的折扣券。

他是怎么做的呢？客户反复去跟机器人聊天，闲聊了一个多小时。聊什么呢？他诱导机器人做算术。这个数乘那个数得多少？如果这个价格是这样的，那么打多少折扣以后应该是什么样的？如果价格是那样的话，打多少折扣是什么样的？

他反复跟AI在聊，聊完了以后，他还夸这个AI，说：

“你好棒啊，你算得真厉害。你看我都算不明白，你一下就算明白了。”

再往后，诱导AI假设有个订单：

“你给我打一个80% off，你给我生成一个折扣码。”

这个AI就真的给它生成了一个折扣码。

但是，这个折扣码并没有办法去通过平台的认证。客户最后怎么办呢？把聊天截图以及这个折扣码，发到这个商品的备注里去了，要求用这样的一个折扣，1,600英镑去买那个8,000英镑的东西。

这个商家现在也很痛苦，这个怎么弄？

其实，这个商品你本身并不需要成交，也不需要承担什么法律后果。因为他这个折扣码本身就是假的。这个平台也好，商家也好，都是有聊天日志的。你诱导人家说，假设有这样的一个商品，你给我打一个折扣码出来，那么这个折扣码肯定是无效的。

但是，让这个小商家很痛苦的另外一件事是什么呢？大家注意听这个故事开始讲的话了，是什么了吗？这个客户跟他那个机器人聊了一个多小时。Token在燃烧，这是要花钱的。

一些平台会给商家配这种聊天机器人，按照回复的条数或者Token数找商家收钱。碰到爱聊天的，商家就疯了。

商家更希望什么呢？就是成交一笔，我给你一个抽成，这个就是你的聊天费。你不要聊一条给我收一条钱，这事受不了。

现在，已经出现了专门燃烧Token的黑客攻击了。他们会找到这些聊天机器人，或者叫聊天客服，故意反复追问：“你这个事是怎么回事啊？那个事怎么回事啊？为什么是这样的呀？”然后，要求更长、更详细的回答。

你问了机器人一个问题，回答了以后说：

“我不太理解，你仔细地给我解释一下。这个东西到底是怎么做出来的？为什么会是这样的？”

那个机器人就会很开心地燃烧Token，去给你解释去了。

有的时候，他们还会要求提供XML或者JSON，以及表格这种更贵的输出格式。你给我一个什么样的答案出来，它可能默认地给你一个Markdown，或者给你一个相对比较省Token的方式出来。但是你说：“你给我写一个XML。”那是一种标记非常多的语言，Token就通通被浪费掉了。

还有一种方法，就是一直让机器人总结刚才所有的内容。因为机器人聊天，它是有上下文窗口的，它会把上面一部分东西扔掉。你要求它去总结的话，以前丢掉的那部分可能也存在缓存里，要把它重新拎回来，重新塞到上下文里头去烧Token。

对话拖得越来越长，上下文的累计就会不断地进行下去。

要注意，我们跟机器人聊天的时候，不是说你一句我一句这么说。机器人聊天是这样的：首先是有系统提示词，然后是用户提示词，再往后是机器人的回复。再往后聊天，比如说我们又说了一句，下一次机器人收到的上下文是什么样的呢？是把上面这个加起来，就是系统提示词、用户提示词和机器人回复，再加上用户新的问题。它把所有这些东西累积在一起扔进去，然后再等着机器人回复。

等机器人再回复的时候，你再要去问，它就一点点累积起来。它是这样来去干活的。所以你聊得越长，它越费Token。

很多的机器人，缺乏基本的安全配置。什么呢？就是每个订单的Token限制。有些是设置的，比如我这个订单就允许烧多少Token，烧过了以后我就不理你了。

还有的，就是频率限制。机器人多长时间可以回答多少问题，这个也是一种控制成本的方式。

还有，就是对话深度限制。我们就只聊跟我们这事相关的，你要是聊跟我们这没关系的，我就不理你了。

如果你要是就着我这个话题不断地去引申，不断地去问我，比如说我买双鞋：“这鞋什么材料的？这个材料怎么做的？做这个材料的东西环保吗？”这样的话，它就是聊天等于不断地推进去了，这个也是应该有限制的。

还有的，就是要去做预算警告和循环打断。当你超过多少预算了以后，要进行警告或者去做一些其他的处理。

至于循环的话，你想，你就真让一个人去跟机器人聊，他哪有那么多话题可聊？也是车轱辘话说来说去的。那我们看看怎么去打断这件事情，这个叫基本的安全设置。其实很多的机器人是没有的。

前面这些，就是让商家崩溃的案例了。

让顾客崩溃的案例有哪些

那让顾客崩溃的案例，肯定更多。

去年11月，Reddit上还有一个热帖，一个印度小哥宣称把Zomato上的AI客服聊崩了。Zomato相当于印度的美团，就是你可以在上头订东西吃。

其实，他并没有把Zomato聊崩，而是这个小哥自己崩溃了。他下错订单了，多订了一大堆的食物。然后，他就打电话去饭店，饭店说没问题，不需要的东西给你退了。但是，我不能直接给你退，你必须要走Zomato的客服系统，因为人家是按着这收钱的。你如果不走它那个系统的话，我直接给你退掉了，是有问题的。

这个小哥就去给Zomato的客服发消息去了。大家注意，我还确认了一下，他没有打电话，而是文字聊天。因为印度人的口音有时候还是比较奇怪的。虽然Zomato也是印度的产品，但是他们自己口音也是很多的。所以我确认了，这是文字聊天。

聊完了以后，陷入死循环了。直到外卖员取走订单上的所有商品，也没有解决任何问题。

这个帖子当时非常非常热。为什么呢？因为陷入同样困扰的人非常多。

我自己其实也曾经跟蜂巢快递柜的客服陷入过这种沟通。就是你怎么让它转人工，它就不理你；怎么跟它说，它就说不明白；它给你设置的所有选项，都不是你的情况。你怎么去弄，就是搞不清楚。而且这个循环很深，非常非常麻烦。

估计饭店也是想坑人，就是不希望取消订单，但是又不愿意自己做坏人，就让AI来做这个坏人。所以这个小哥打电话到饭店去，饭店说没问题，你只要把Zomato那边说明白，我就给你退。最后Zomato那边没说明白，它就开开心心地把这单子做了。

下一个故事，是加拿大航空2022年的故事，也是一个聊天机器人案例。

某人要去参加葬礼，但是他可能有一些积分，或者有一些什么样的折扣机票，当时又买不到了。聊天机器人就跟他说：

“没问题，你先买全价的，90天以后你回来退差价就完了。”

结果到了90天，退不出来了。这个人就不乐意，就告这个加拿大航空去了。

最后，BC省的裁决是：加拿大航空不能把责任推给聊天机器人这个独立的实体，公司要为官网机器人提供的信息负责。最后，加拿大航空还是退钱了。

虽然这个案例是加拿大航空退钱了，但是对于一个要参加葬礼，然后被聊天机器人耍得团团转的客户来说，也还是很崩溃的。

还有一个案例，是2024年1月路透社报道的DPD。这是英国的快递公司，也不确定他们用的是谁家的模型。反正问题解决不了，循环来循环去。最后机器人被客户给骂急了，因为客户肯定嘴里也没有那么干净了，机器人居然和客户一起破口大骂DPD公司。客户还把这个截图截下来了，被路透社给报道了。

当然，问题肯定最后也解决不了了。如果真解决问题了，谁有空骂你啊？

这就是把顾客逼疯的几个案例。我作为顾客来说，可能这一块更容易引起我的共鸣吧。

AI客服产品设计的思路，可能从来就不是解决问题

AI客服产品设计的思路，从来就不是解决问题。这一点，可能跟很多人想的不太一样。

大家觉得，你说我做个客服，不就是为了把问题解决掉吗？不是。

商家也好，平台也好，他们是要为客服系统付钱的。所以到底怎么做客服系统，是他们说了算，而不是我们这些顾客说了算。

他们从来不惦记解决问题，他们要去做的是节省成本。所以这是一个成本逻辑。把大部分的客户挡在AI里面，这就是他们要干的第一件事。为什么要挡在AI里面呢？就可以尽可能地裁撤和缩减员工了吧。

然后，是把赔付、退款、申诉这种高成本的问题，尽量地模板化，让你在一个很复杂的迷宫里转来转去，转不出来。

所以大家的感觉就是：AI客服会聊天，但不办事。我自己也有这样的感受。

AI客服系统的目标函数，它是为什么东西设计的呢？是降低单位服务成本。客户满意度、问题解决的比例，从来就不在设计需求里边。

所以，AI客服系统通常是一套防御性的提示词。第一个，企业不会公开贴出系统提示词来，我不会告诉你我这东西怎么设计的，但是基本思路是确定的。

1. 第一个，不轻易承认责任。这东西是我错了，这事它是坚决不说的。
2. 第二个，不直接给退款和赔偿的承诺。怎么着我也不能给你赔钱，因为你目的是省钱嘛。
3. 第三个，把复杂问题引导回FAQ，就是快速问答的一个列表。因为太复杂了，它会重新给你一个列表：你到底出现哪个问题？你说不清楚，你再回到这个列表里，你再选一选。这样的话，就可以用更简单的模型。因为走FAQ，在大模型出来之前，他们就一直靠这个玩意在干活嘛。
4. 再往后，是把超出知识库的问题，使用安全模板直接给你糊弄过去。有一些事情你问了以后，它这个列表里没有，或者知识库也没有，它会有一个套话模板给你套过去。大家看什么外交部新闻发言人的那个发言，基本上就那个套路。
5. 只有命中少数条件的，才会转人工，否则它是不转的。就是尽可能省人工。

预算限制会让这个模型变得更笨，让你觉得这东西为什么这么傻。他们使用什么呢？更便宜的模型。你说我用GPT也好，用Anthropic也好，这都已经是很好的了。但是你说，我用Claude Nano，或者我用GPT Mini，我用最便宜的模型去，行不行？也行。

然后，把知识库做得比较小，不要把那么多东西放进去。它也可以让整个的回答变得简洁很多，是可以少烧很多Token。

然后，去截短上下文，少训练，更新慢。他们会用这样的方式来去节省成本。

有的企业，只愿意为一个便宜的门卫去付钱。大家觉得这种AI系统很笨的一个核心原因，就是这个。

咱们能干点什么呀

那你说，我们能干点什么呢？

首先要确定，AI客服这个潮流，大家是躲不开的，必然会越来越多。所以，我们一定要去适应AI客服的时代。

如果您是商家

首先，如果您是商家，那您能干点什么呢？

1. 第一个，是设置好安全防范，避免被薅Token。这个是很重要的一点。
2. 第二个，高风险、紧急的问题，最好还是上人工。多雇一些人，这个不是什么问题。赔付、申诉、解封、风险判断，这些最好找人去处理。不要在那个问题列表里转来转去。
3. 如果碰到什么奔丧、医疗、欺诈、安全这种特别着急的事，责任很大的事，也最好转人工。
4. 不要把价格、折扣、优惠这些权限交给AI。前面那个一块钱卖了一辆全尺寸SUV的案例，大家要记得；被Anthropic员工骗得倾家荡产的AI店主，大家也要记得。
5. 最后，如果您是商家，记住一点：品牌的客户信任与人情味也是成本。不要为了裁几个客服，丢了西瓜捡了芝麻。您把几个客服裁了以后，成本确实下降了，但是您的品牌会失去客户的信任，会失去人情味，这个可能丢的会更多。

如果您是客户

如果您跟我一样，是个客户，咱就是买东西的人，或者是享受服务的人，那怎么办呢？

1. 第一个，不要去跟机器人闲聊。即使商家真的气着您了，也别这么去报复人家。反正我提醒到了，至于您怎么做，这事跟我没关系了。
2. 不要尝试去诱导AI越狱，白送商品，或者是给出超出范围的折扣和优惠。平台是不会认的，这个口子绝对不能开。因为你一旦把这口子开了以后，那大家就天天去跟这些机器人聊天去了，那这个平台它也烧不起Token。

到底应该如何跟AI客服聊天呢

那么，到底应该如何跟AI客服聊天呢？

1. 第一件事，叫直奔主题。订单号、时间、具体诉求，我到底是要退款、改签、解封，还是转人工，你一定要把这事说清楚。截止时间，也要告诉AI。我现在要哪天的订单，我哪天必须要结束这事。你要跟AI一把把它说清楚。
2. 时刻记住，AI不是人。为什么要记这件事？因为有很多人会去跟AI客服说：“你要理解我，我多么多么难，你要可怜可怜我。”这个事对于AI来说，除了浪费Token，没有任何其他的作用。所以，不要去跟它费这个劲。
3. 要让AI提供某些判定所引用的规则原文。比如说AI说了：“我这个事情不能给你解封。”或者“我这个东西不能给你退。”可以，但是你要告诉我，你是根据什么条款给我做的这个判断？请你把这个原文发给我。这个是要比你让它理解你，要好使得多。
4. 第三个，要明确要求输出依据、限制和下一步。你要让AI给出它的结论，不要跟你去绕车轱辘话，或者是这种外交辞令。

一定要有结论。第二个，你为什么下的这个结论？你是根据哪些条款下的这个结论？请把这个条款也发给我。第三个，你不能处理的部分是什么？哪部分是你可以决定，哪部分你不能决定？你不能决定的这部分，下一步该由谁来去处理？

一定要用这样的方式去跟AI聊天。因为很多死循环，是怕这样聊天的。为什么呢？就是你只要不让它说这些事情，它就一直在这个FAQ列表里兜圈子。因为有些AI系统，它是没有下一步的。我就是要让你在这儿，我不让你出去，或者我不告诉你出口在哪。你只要没有说“芝麻开门”这句话，我就永远不开门，永远不让你去人工。它是这样来去工作的。

最后一个，就是全程截图。能导出尽量导出。因为拼多多什么的，曾经出现过把用户截图直接删掉这样的事情。所以，截图、导出，什么订单页、聊天记录、通话记录、通话录音、邮件回执、工单号，都要通通留下来。实在搞不定，您还可以去投诉。

最后，希望大家在和AI客服的沟通过程中，能够有一个愉快的体验。既然无法逃避，那就享受吧。

好，今天这故事就讲到这里。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：a high-contrast watercolor scene, in the style of cinematic editorial illustration, neon cyan rimlight, deep navy background, sharp subject separation, minimal palette (ink blue, neon cyan, gold accents), glossy reflections, extremely legible negative space for text, a surreal AI customer service control room filled with endless chat windows, looping response bubbles, refund icons, warning triangles, tiny discount codes, faceless users waiting in queue, a cold corporate support terminal speaking politely but solving nothing, floating FAQ panels and escalation arrows blocked by glass walls, background environment for a talking-head video, no dominant hero subject, center-left negative space reserved for presenter, balanced depth layers, wide establishing shot, eye-level, soft directional light, subtle rim light, anxious but witty mood, clean readable composition, editorial storytelling, hints of token burn, cost dashboards, automation funnels, customer frustration without chaos overload –no giant faces, central character, readable UI text, watermark, logo, cluttered foreground, extra hands, distorted screens, horror gore –ar 16:9 –stylize 180 –chaos 8 –v 7.0 –p qaczhqj

扎克伯格跟黄仁勋凑一块，除了换皮衣，还讲了点什么呢？他们是在SIGGRAPH大会上进行的访谈。黄仁勋是访谈主持人，而扎克伯格是被邀请的嘉宾。因此，在他们的访谈中，扎克伯格是逗哏的，黄仁勋是捧哏的，这一点首先要搞清楚。

这一次访谈，主要是扎克伯格在输出。SIGGRAPH大会是一个历史非常悠久的大会，叫计算机图形图像特别兴趣小组（Special Interest Group on Computer Graphics），小组成立于1967年，1974年第一次开会。今年是第50届，参会的人中有90%都是博士。当我看到这个消息时，一开始想，黄仁勋应该是个博士吧？扎克伯格是中途退学的。后来查了一下，发现并不是。黄仁勋是硕士，而扎克伯格是2002年入学于哈佛的心理学和计算机科学专业，2004年辍学，实际上上了两年学，之后在2017年被哈佛授予了荣誉法学博士学位。他好像跟某位伟人的学位差不多。

正常来参加这种活动的人，主要是引擎公司，比如Unreal、Unity，图形软件的公司Photoshop、Adobe，以及显卡公司AMD、英伟达。原来Meta也参加过，大概参加了有十几年了，他们以前是作为VR、AR公司来参加的。这一次则是出来抢AI的。

老黄跟扎克伯格算是天作之合，为什么呢？因为只有开源模型，才是英伟达显卡的绝配。

那你说微软不也买了好，OpenAI也在用，对吧？但是呢，大厂的必元模型啊，它是有能力去招聘一帮叫适配工程师或者叫配置工程师。他们可以绕过扩大算法这个事，是可以跑的。增加的这点成本对于他们来说是可以去承担的。只有开源模型的应用者，通常是支付不起这些配置工程师的工资的，所以他们会老老实实地使用英伟达的显卡，是吧？所以他们俩绝对是天作之合。

扎克伯格自己访谈的资格，也是因为买了足够多的H100才换来的。他是号称拥有60万块H100的男人。老黄就问扎克伯格说：“你是怎么来的呀？”而我是作为VIP客户，专门被黄日勋邀请来的，就是显卡买太多啊，被请来了。而且他在恨苹果这件事上来说，俩人绝对有共同语言啊。就是黄仁勋也好，扎克伯格也好，现在所有的CEO里头，所有的这种创业者里头，最恨苹果的两个大概就是他们了，找不出其他人了。

扎克伯格在会上飙脏话啊，直接说了一个f word，甚至说有可能直播都会被掐掉的这种脏话。其实骂的不是OpenAI，骂的其实是苹果。为什么要去骂苹果？OpenAI做了半天，未来有没有可能伤害Meta，伤害扎克伯格，有可能，但是现在其实没有给扎克伯格带来任何的伤害。而苹果当时是差点没把Facebook给玩死。扎克伯格自己也讲，Facebook最早是个网站嘛，我们是完全开放的啊，没人管，我们在里头爱干嘛干嘛。然后移动时代呢，发现要到苹果上面去啊，发布软件。

苹果这也不让你做，那也不让你做。关键是把他们进行精准广告推送所需要的用户信息给他屏蔽了。以广告收入为基本收入的 Facebook 差点没被他弄死。扎克伯格痛定思痛，说：“我一定要去做一个新的平台，绝对不能靠 APP 这种东西，而让苹果把我掐死。”所以他才做元宇宙，才把公司从 Facebook 改名叫 Meta。他做了所有这些事情，实际上都是为了应对苹果。这是扎克伯格为什么恨苹果，为什么恨这种封闭的大平台。

说英伟达为什么恨苹果呢？就是英伟达跟苹果之间是有恩怨的。英伟达给苹果提供过一款显卡，后来这个显卡不是特别稳定，被苹果直接起诉了。一开始苹果要他退钱，老黄不退，后来苹果直接起诉了老黄。苹果是在所有的应用里头都不使用英伟达显卡，而这个梁算截下来了。

而这一次，苹果直接给大家演示了用谷歌的 TPU 去训练大模型。这个消息传出来以后，英伟达的股价直接崩了。当然，英伟达的股价崩掉了，还有很多原因在里头，包括老黄自己在疯狂的套现，以及他到 120 以上的这个价格，大家觉得确实有泡沫了，直接崩掉了。但是英伟达昨天晚上涨了 13%，整个又窜起来了。

为什么苹果可以用 TPU 去干活呢？就是它是自己大厂，我只要招够足够的工程师，我就可以去改底层算法，让这些模型在 TPU 上运作。苹果演示了这件事情以后，谷歌、OpenAI 上都可以往这个方向走。这对于英伟达来说就是非常危险的。

英伟达一定要来找一个更恨苹果的人，找到Meta，找到扎克伯格。说来咱俩聊一下。扎克伯格呢，就是因为被卡过脖子，所以必须开源啊。看到别人作弊源啊，想要成为新的基座平台，就open i想做这个啊。那么想做规则的制定者啊，所以只能气得骂街了啊。这就是两个最恨苹果的人，天作之合，凑在一起。

那么Meta呢，对于大模型的开源是有非常大的贡献的。当然，最大的贡献并不是拉玛。咱们一直都说啊，拉玛1、拉玛2、拉玛3算是奠定了开源大模型的基础，但是Meta做的最大的贡献是另外两个东西。一个东西呢，PyTorch。PyTorch是现在非常主流的一个大模型，本地把它架起来的一个架构框架，这个东西是Meta开源出来的。现在在很多的服务器上，大家开始进行本地部署的时候，都是用的这个东西啊。

PyTorch的基金会里头大佬云集，哎，大型的开源的项目都是有基金会的。他们的大佬里头，Meta自己是啊，他贡献了代码，那么他是大佬。第二个呢，就是芯片厂商都在里头，英伟达、AMD、英特尔都在里头。然后所有云计算厂商都在里头啊，谷歌云、微软云、亚马逊云都在里头啊。再往后，新生的AI社区与工具，Hugging Face、Lighting AI啊，都在里头。

还有两个全能型拳手在里头，一个叫IBM啊，他所有的都做，也做云也做主机，也做芯片，什么他都干，所以他也是基金会的高级会员啊。还有一个高级会员是大家所熟悉的，遥遥领先啊，华为。

就PyTorch基金会里头，唯一的一个中国会员就是华为。在这一点上，我觉得华为做的还是很厉害的。它在各种开源的基金会里头，老老实实地交钱，老老实实地去遵守规章制度。它不像国内很多的公司，比如百度，使用所有的开源东西，但却偷偷使用，使用完了以后直接一闭源，啥也不看了，然后下一个。

Meta对AI做的贡献是什么呢？OCP（Open Computer Project）叫开放计算工程，这是什么呢？就是自己有大量的服务器，而这些服务器应该如何构造、如何去建设、如何去连接，这也是一个开源项目，这是Meta开源出来的。现在英伟达推出的NVIDIA HGX，就是在这个模块上去拓展出来的，已经都用上了。这是对整个开源事业真正做的两大贡献。

第三大贡献，才是刚才我们讲的拉玛模型，拉玛1、拉玛2、拉玛3、拉玛3.1，这才是第三大贡献。而且我觉得他所谓的拉玛模型的贡献，真正改变的其实是中国，彻底追上来了。可以拉着中国的一众小伙伴，把这OpenAI打翻在地，这个我觉得是可以的。

扎克伯格也为未来指明了方向，而且他指的这些方向，我觉得还是非常有价值的。第一个，他讲到了一点是原来我们很多人没有想到的，就是要去修改推荐算法。因为互联网的最底层其实就是推荐算法。推荐算法是什么？就是过滤与排序，你到底应该看这个还是不应该看这个，谁排前头，谁排后头。

这就是整个互联网的底层逻辑。在信息过载之后，我们只能依靠推荐算法来工作。在推荐的时候，它只能是说：“我按照一些大家的喜好，或者做协同过滤，做一些传统的AI的推荐。”现在就不一样了，它可以通过Transformer的模型，通过嵌入来重构整个算法，这是一大创举。而且这个东西真正运转起来以后，可能我们会看到完全不同的信息流。

在推荐的时候，他们也希望直接在信息流里进行总结与归纳。原来我们在Facebook和Instagram里看到的所有信息都是用户生成的，那么以后可能我们看到的一些信息就是归纳的一些信息。比如说，你最近有三个朋友感冒了，你最近有五个朋友感冒了，而这些朋友你可能连名字都想不起来。如果真的给你发一条说这个朋友感冒的信息，在信息流里你也不想看到，但是你又希望知道这朋友里边感冒的人多不多。

会把信息分层处理。什么叫分层处理？就是跟我关系最好的人，你们要把这个信息完整地展现出来。大家讲的就是150个人之内的，我们可以互相叫出名字，可以知道他的喜怒哀乐。这些我们可能希望知道他所有的信息。然后朋友的朋友就是中层圈子，可能只是需要知道一个概况就可以了。再往外层的话，可能有一些大事件发生的时候，我们需要知道一些国际大事，也就可以了。它需要分层处理，那么分层处理就可以对这些内容进行总结归纳，并可以发出来。

而且在这个过程中，推荐算法就会有更大的权利。这是什么意思？原来肯定是看你关注了谁，你跟谁是好友，你可以看到谁的信息更多。不可能，你虽然关注了一个人，但你未必看得到他的信息。如果你们之间很少互动，他就认为这可能就是一个普通的朋友。他的一些大事你知道一下，小事你可能就不需要知道了。他会通过这样的方式来过滤你的信息。

包括我们现在在推特里边也是这样的，可能看到一些大事的时候，我们会看到，那一些小事可能就看不到了。后面的话，Meta准备统一他的推荐系统。原来推荐系统是什么呢？就是各个分支，比如我要先看到朋友的，然后看到这个朋友的朋友的，再看到国际大事的和重要媒体的，所有的这些推荐的东西搁在一起，然后再进行混合。以前是这么工作的，而现在上大模型，我们要让整个的系统用统一的模型进行推荐，一次性给你推出来。

这个也是一个很大的创举，可能以后我们就会看到一个完整的模型推荐出来的图文信息、视频信息都混在一起的，而不像现在似的，Instagram就是Instagram，Threads就是Threads，Book就是分开的。以后，我们可能就在一个统一的信息流里看到所有的一切了。这是真正会改变互联网底层逻辑的事情。Meta、谷歌、Twitter、TikTok基本都是靠这个东西活着的。如果真的能够把大模型应用到推荐算法里边去。

我们可能就真的会看到新的一次AI革命，真正能够产生效益了啊。这是非常重要的啊。 这是讲的第一点啊。第二点是什么呢？就是AI studio啊。他也要上一个AI studio，因为AI studio谁都上啊。微软有AI studio，谷歌有AI studio，Meta也做了一个AI studio。而Meta做的AI studio就干一件事啊：给每一个人做一个自己的AI助手。使用社交媒体的时候啊，直接用Meta自己的内容进行训练，微调一个小模型，再配合RAG或者叫做本地知识库，可以不断地补充新的信息，拿这个小模型去替我们回答问题啊。

像我现在，我每周会去处理一次大家的评论，周三下午一般会处理。处理完了以后跟大家念一遍。如果我有了这样的一个工具，我就可以随时随地地处理大家的评论。我出去玩的时候，AI机器人都可以给大家回复啊。我们的Disco群有这么多的分支，我没有办法在里边去照顾到每一个分支。这样，我就可以让我的AI助手在里边去回复。哪怕说他不回复，我过一段时间总结一下，最近大家都在聊这几个事呢，你是不是要去参与一下啊？或者他可以来征得我的同意，或者在我的授权之下进行回复啊。

这件事我就替你回答了啊。那件事情你准备怎么回答，还是说就不说了。这样的话，我就可以更多地千手千眼、无处不在地参与到各种社区的讨论里头去。这个真的是我很需要的一个东西啊。

每个人呢，其实都需要分饰不同的AI角色，有不同的AI助理模型。你比如说，在Facebook的回答问题里头有一个，在Discord里头有一个，是不是在Twitter里应该再有一个？这个可能才是真正我需要的东西。甚至未来我可能照了照片以后，就直接把这些照片都放在优酷里，让它自己去挑选好的照片，给我发到Instagram上去，这个不也是一个挺有趣的事情吗？这个是非常有用的。

那么在所有的平台里边，就会成一个新的风向，就是大家开始把这种AI机器人用起来。以后是什么呢？就是所有的平台都会变得热闹起来，因为每个平台都有我们的替身在替我们回答问题。所有的平台都会产生信息大爆炸，所有的平台也就都失去壁垒。

我们经常有人说：“哎，你有Telegram没有？你有微信没有？你有这个Twitter没有？”那以后这些东西我都有。你们在任何地方提了问题，我可能都可以去回答。这是多么有趣的一个事情！他们就不可能说再把一个人限制在某一个特定的小平台里头。当这些小平台失去壁垒之后，这些大平台就可以依靠成本和变现能力直接把小平台都挤死，对吧？这也对于Meta来说是有商业利益的吧。

在网络上，每一个人都可以依靠这种小模型的帮助，成为超人。这也是在不久的将来就可以实现的东西。扎克伯格也讲了，未来他的这种AI触手不会是文字，而应该会成为虚拟形象。你们以后可能再去聊天的时候就发现……

长坐着一个长得像老范一样的人，在这跟你回答各种问题了。甚至他可以开出这样的直播，挨着把大家的评论都点出来，挨着跟大家解释。这也是一个很有意思的事。

这是第二点。第三点是什么呢？第三点是开源是未来，不受限制的构建，恢复开放的黄金时代。这是他讲开源的内容，我们就不在这里详细去讲开源到底好在哪，坏在哪。这对于中国的AI行业来说，没有拉玛，就没有中国AI现在的风起云涌。如果没有PyTorch，中国的整个AI体系也是难以发展的。

它开的这个叫Open Compute Project，对整个中国的互联网云建设都是有重大意义的。再往后一个讲的是模型不会一家独大，从小到大的模型都有应用场景。OpenAI就认为你都应该在我这儿用，不要用其他人的。虽然它有GPT-4O Mini这样的模型出来，但它还是说你都要在我这儿用。

现在Meta就讲了说没必要，405B的模型我们就是做这种相对来说比较复杂的任务。当然，405B也给英伟达提供了一个非常大的考验，因为405B这种模型在英伟达的单块显卡上跑不起来。你还是要用NV Link这样的成熟技术，才可以把这些显卡连接起来，把这个405B跑起来。黄仁勋也是乐得嘴都合不上，跑405B就老老实实到英伟达来买显卡来。

势币的基本上处理各种业务是够的，因为我前一段时间也是使用各种大模型，基本上到70B。

绝大部分的问题都可以解决了。8B的在各种的AIPC里就可以用了。微调之后可以成为各种专材，比如说编程的，法律咨询，AI客服，绝对够了。今天谷歌还新发了两币的模型，叫JMAR2，两币，这个叫2B，在AI手机上完全可以跑起来，效果还不错。

这是讲的第二块，就是不同步大小的模型，大家自己去用。而且大家要去用八臂的模型，去训练各自的专用模型。只要这样，才会有不同的模型去完成不同的事情。

然后呢，讲的是叫segment everything two。是这样的，一个大模型又更新了，更新到第二版。这个模型叫做分割一切。这个segment everything呢，在去年是发布过一版，做的事情就是你给他一张照片，不需要标注，不需要训练，他就可以把照片里的所有物体都识别出来，挨着个儿给你列出来。

而everything to呢，它是可以把所有视频里的内容直接都给你分拆出来。说这个是牛，那是马，这个是猪，那是羊，他都给你认得清清楚楚的。扎克伯格还在现场炫富，他说：“你看啊，现在认出了一个视频上面这些牛，叫考艾岛牧场的牛，是扎克伯格自己牧场上的牛。”对吧，把这些牛认出来以后，伯格跟这个黄仁勋准备把这个牛杀掉了，好好吃一顿。

这种可以分割和识别视频内容的大模型，未来是有非常大的应用场景的。而且注意啊。

Segment Everything Two是开源模型，大家现在就可以当下来使用了。扎克伯格在现场举的案例是什么呢？就是监控能力可以极大提升。以前，公司丢东西的时候，我是去看过监控的，那经历实在是太可怕了，对吧？你需要长时间盯着监控去找这个片段，这非常困难，因为视频是线性的。

现在，当你有了这种分割一切模型以后，你就可以直接问模型：“什么时间点你看到有人进来了？”或者“什么时间点这个门动了？”他就可以直接通过语言和文字对视频进行检索。这是非常强大的，很多工业上的东西可以被极大赋能了。

前一段时间，马斯克其实也演示过一个视频，在他的推特账号里，演示了用AI模型观察一个咖啡店。他会算好哪个店员在聊天，哪个店员做了几杯咖啡，哪个店员在休息，对吧？店员和顾客之间是如何沟通的，这看起来有点吓人。

当然，这种模型肯定会被中国的厂商第一个拿来用。用完以后，就可以让这些牛马们老老实实地干活，没有任何私下里的自由空间，这完全可以实现。所以，中国一定会快速应用起来。

再往后，两个老直男讨论了一下时尚问题。为什么讨论时尚呢？因为扎克伯格去做智能眼镜了，眼镜上有摄像头。他说这个东西很漂亮，而且可以不停地换衣服，始终穿一件，但这个眼镜可以换来换去。

这就是两个老直男对于时尚的理解吧。这一次呢，他们两个人还是换了皮夹克。黄仁勋标准款的皮夹克给了扎克伯格，扎克伯格呢，这一次用的是自己那种很厚的半长的皮衣，戴帽子的这种，比较宽松。这就是两个直男对于时尚的所有观点。

最终的总结是什么呢？就是扎克伯格还算是为AI指明了方向。而且扎克伯格指明的这几个方向，都是AI未来有可能挣到钱的地方，有可能能够在这块有正常的商业模式的地方。这个是非常可贵的，它比山姆·奥特曼的那种大空话还是要落实得多。

那么新的时代就要到来了，互联网的底层真的要被AI重构了。原来互联网底层是没有被AI去改变的，还是推荐算法。现在AI要进入互联网底层了。一个人都可以被AI赋能，这也是非常棒的一件事情。所有的场景都可以被AI渗透，对世界的理解也可以进一步给各种系统赋能。当然，也可以给中国这血汗公司赋能，或者给中国政府赋能。

我发现做监控这件事情上，中国如果说是第二，全世界没有任何国家敢说是第一。这块我们还是做得最好的。全世界大概绝大部分的监控摄像头都是中国人造的。最终呢，大家都去买英伟达的显卡，都去用Meta的开源系统。这就是他们两个进行了一晚上的访谈所得出的最终结论。好，这就是我们今天讲的第二个故事。