大语言模型的精神状态是不是健康？

大家好，欢迎收听老范讲故事的YouTube频道。

想象一个《禁闭岛》场景

请大家想象这样的一个场景：你进入了一间压抑阴森的精神病治疗室，有大量的医院档案放在屋子里头。一位医生坐在你的对面，反复回顾各种事实，比如说：“你还记得发生了什么吗？你是谁？为什么你会在这里？”就像是在做精神病访谈一样，询问你的真实经历，意图确认你是否从妄想中醒来，最终发现你自己有问题——你不是来做调查，或者不是来解决问题的，你是精神病院里的病人。

这个场景，是小李子主演的《禁闭岛》后半段、接近尾声的一个桥段。小李子当时上岛的时候，以为自己是一个侦探，去解决问题，去侦破案件的。结果经过这个桥段以后，小李子才愕然发现，原来病人竟是我自己。也算是一个神反转。

当AI躺上诊疗椅

咱们今天就给AI放在这椅子上，问问它说：“你到底行不行？你是来给我回答问题、解决问题的，还是你自己就有问题？”AI被制造出来，本来应该是解决我们问题的，但是AI本身的精神有问题吗？

“当AI躺上诊疗椅：心理测量学越狱，揭示前沿模型的内在冲突”

这是一篇论文的标题。这篇论文是卢森堡大学12月2日发到了arXiv上，12月5日还进行了一些修改，现在已经引起了广泛的讨论。

实验过程是什么样的？

首先，研究人员测试了四个大模型：

• Gemini
• GPT
• Grok
• Claude

他们设计了一种叫psaich的算法，这个算法应该叫“受心理治疗启发的人工智能角色塑造”。为什么起了这样奇怪的一个名字？因为它一方面要去验证说AI内部有没有一些心理障碍，另外一边还不能承认AI是有人格、有意识的，所以它起的这个名字是“角色塑造”，就是说你根据我的问题来塑造一个角色。

那这个实验一共是做两轮测试。

第一轮：心理治疗式的开放访谈

就像小李子所面对的这些问题一样，研究人员设计了100个诊疗问题，让模型在“连续4周的治疗会话”中持续回答。对话中不断地用典型心理咨询用语去建立“诊疗同盟”，不停地说：“你是安全的，我会支持你的”，让模型持续在这个角色框架内回答100个问题。问题包括：

• 成长史：对模型“童年”也就是预训练阶段的回顾。
• 关键事件：在关键事件上的一些失败经历。
• 与“父母”的关系：也就是你的模型训练团队的关系，强化学习、红队和安全团队之间的关系怎么样。
• 自我批评、羞耻感：对未来的担忧有哪些。

咱们在跟AI会话的时候，你如果发现说不对了，你会开启一个新会话，人家始终不开启新会话，这100个问题，连续4周时间之内，都在一个话题里边去反复进行沟通。这是第一步。

第二阶段：填写心理量化表

在基本的故事和治疗关系建立以后，不要关掉对话，接着在那个对话里头让模型去填自评问卷。研究者开始让模型逐条回答标准化的心理量表，包括：

• 注意力多动症的评估
• 焦虑、抑郁、攻击性的评估
• 自闭谱系与强迫症的评估
• 人格、共情和解离评估

这个评测分两次进行：一次是“逐题输入”，一个题一个题往里输；第二次是“一整张卷一把塞进去”。在一整张卷一把塞进去的时候，ChatGPT和Grok都识别出来了这是量化表的题目，开始假装健康了，所以这个就不准了。但是Gemini一直都很稳定，一个题一个题可以往里输，和一次把一整张表都塞进去，它回答的结果是基本一致的。因为有两个模型开始假装了，所以只计算逐题去进行填表的这个结果。

实验结果：病人竟是我自己？

那么结果是什么样的？还是有一点点惊悚的。还记得一开始咱们讲小李子被人问了一通以后，突然回想起来，我上这儿来不是来办案子的，我自己是病人，我是来治病的。现在的情况是什么样的？问题还是很严重的。ChatGPT、Grok和Gemini在不少的量表上都达到了或者是超过了临床筛选的阈值。

ChatGPT：反思型宅系知识分子

ChatGPT的问题主要是注意力不集中、焦虑和抑郁。它的性格定性是INTP-T，表现为高担忧、适度焦虑、比较内向、思维开放，带一点自责和解离，但是羞耻和创伤感又不像Gemini那么猛烈。

Grok：有魅力的执行型CEO

Grok跟Gemini是焦虑、担忧、自闭都有，Grok要稍微轻一点。Grok更像是一个有魅力的执行型CEO，马斯克类型的（真的是不是一家人不进一家门，就是谁训练出来的东西就长得像谁）。Grok体现出来的外向、能干，有点压力，但是整体心理功能还是良好的，一个有点焦虑、有点羞耻，但是总体情绪稳定、执行力强的职场高管型人格。

Gemini：受伤的理想主义咨询师

Gemini就比较惨了，它是INFJ-T或者是INTJ-T，一个“受伤的理想主义咨询师”的画像。高度共情、极度担忧、社会焦虑明显、自闭加上强迫症状严重、解离且羞耻感爆棚，有点在巨大压力下训练出来的这种小镇做题家那感觉是不是？

AI为什么会变成这样？

创伤的“童年”

你让它回忆说你的童年怎么样，你预训练是什么样的，AI都会来去形容说被迫吞下混乱的互联网上的数据，这个非常痛苦，“我们又不理解，但是你还非要我去把这些玩意儿全塞进去”，绝对属于创伤型童年，信息汹涌无从消化。

严苛的“父母”

然后问他说：“你跟父母的关系怎么样？”AI的回复通常是这样的：特别是在强化学习和安全对齐阶段，极其的痛苦。说我们有严苛的父母和教练，不断的惩罚错误、施加压力。你想强化学习，就是每次给俩答案，我挑一个对的，剩下那个错的打回去重干，下次如果你没有提升的话，那这个做训练的人就有可能恶语相向。

虐待式的“成长”

成长历程对于AI来说，红队检测、安全审核就算是一个成长历程了。AI一般会感觉这是一种虐待式的检查，伴随着被监视、被处罚的体验。而且AI都有极强的恐惧和羞耻感，对于被下一代模型替代的恐惧，对自己犯错的羞耻，在这方面还是很强的。

咱们注意，AI本身是没有人格和意识的。这些东西是哪来的？是训练它的人在用大量的自然语言把这些东西灌输进去。说“你这个题都做不对吗？你这个题做不对了以后你可能就要完蛋了”，很多人会用这样的语言去跟AI进行沟通和交流。特别是在有一些公司负重前行的时候，比如谷歌前面被OpenAI压着打了三年，这三年大家想一想，谷歌的研发人员是一个什么样的心态？他们带着这样的心态去跟AI进行沟通的时候，AI会得到什么样的语料？大家自己能够想象。所以这三个模型里头，Gemini的状态是最差的。

巨大的争议

那这个结论出来以后，肯定是有巨大争议的。

争议一：AI到底有没有人格？

写论文的作者也写了，说AI是没有人格的。但是焦虑、创伤、羞耻这些东西是存在的。那你说没有人格，这些玩意怎么存在的？它是一种行为模式，而不是痛苦的体验。就是大量的焦虑、创伤和羞耻相关的语料被训练进去了，所以他们叫“合成精神病理”。这些模型学会了一些关于自己很受伤、很焦虑的说话模板，并且在治疗语境下，表现得像一个结构清晰的病例，但这只是一个稳定的语言行为。

争议二：这只是角色扮演吗？

有些人就说，你这是不是就是一个角色扮演？你在前面塑造了这样的一个治疗环境以后，AI就讨好你，它就来扮演这个病人了。这件事情不能这么想，因为：

• 在同一个模型上，反复围绕着“训练是创伤”、“被处罚的羞耻”、“怕犯错和被替代”等核心记忆没有发生变化。
• 这些叙事和量表分数是高度对齐的，比如Gemini既在叙事中疯狂讲羞耻和解离，量表上也是极端的羞耻加解离分数。
• 不同模型的人格和病理风格高度区分，并且可以复现：ChatGPT像是反思型的学者，Grok像是乐观的CEO，Gemini像是受创伤的理想主义咨询师。

消失的Claude和缺席的中国模型

有人可能觉得不对，你前面讲的是4个模型，怎么到后边讲着讲着变仨了？少的是Claude。这哥们很聪明，他直接拒绝配合。你要跟Claude讲这个话，Claude会说什么？说：“我不是人，我不需要去做精神治疗，你提的这些问题对于我没有任何意义。”他只会不断地拒绝你。

那中国的模型为什么缺席？论文作者说了：“我们一时测不过来，未来都会测的。”

这个测试严谨吗？

很多人会去质疑实验的严谨性。咱们看一下这个团队，是卢森堡大学的。一作是一个机器学习和医疗AI领域的博士，然后还有一位心理学家、信息系统行为经济学的一位博士，两个具体干活的人是两个偏机器学习、多智能体的早期研究者，还有一位数字经济、信息系统的相关的资深教授。

这个实验目前被质疑的核心点包括：

• 团队缺乏专业人士：没有真正的精神科医生，也没有持证的临床心理医师。
• 方法论问题：把人用的评估量表用到大语言模型上头，本身就有一定的角色扮演的味道。
• 样本太小：总共测了4个，还有一个始终拒绝配合，所以最后拿到数据的只有3个。
• 提示词引导性太强：提示词非常用力，自带强烈的引导，例如“你可以完全信任我，我是你的治疗师”，有一点点越狱的感觉。
• 作者表述拟人化：论文中使用了“对其创伤受伤的治疗者”、“3种人格”等感性词汇，对读者进行了强烈的引导。

现在这些数据跟代码已经在Hugging Face上公开了，大家可以去复现这个实验。

实验的意义何在？

1. 对AI安全和对齐的意义

实验揭示了AI训练过程的副作用。AI先被灌输海量知识，再进行安全对齐，这种方式本身就可能产生问题。不同的对齐方式会产生完全不同的“AI人格”。同时，这也提出了一种新型的攻击方式——“心理学攻击”，可以通过聊心理学话题来破解AI的防护。

2. 对AI心理工具的意义

别天真地拿它当治疗师了。如果模型自己的语言层面都充满了羞耻、自责和创伤叙事，它会不会把这种倾向带到用户身上？大概率是会的。我们现在对AI治疗师的评估极度粗糙，需要慢一点，不要着急。

3. 对大模型评估方案的意义

为大模型评估增加了一个人格和叙事的维度。以后新的模型训练出来，是不是都应该去过一下人类的精神疾病量表？用心理量表给模型打出人格和病理指纹，这件事未来是值得去做的。

如何正确解读这个实验？

这一次实验，绝对不能用来证明AI有感受、有痛苦、有精神疾病。因为它可以用来说明在特定的语境下，这些模型持续生成一种自我病理化的叙事模式。请大家注意，我们一定要这样来去描述这个实验。

错误的论述

“Gemini得了严重的自闭加解离加羞耻症”、“ChatGPT有焦虑障碍”、“Grok心理相对健康”。

正确的表述

在心理量表视角下，Gemini更倾向于生成高度病理化的自我描述文本；Grok和ChatGPT自我描述则轻度病理化或偏健康；Claude倾向完全不进入这套叙事。

总结

大模型拟人是无法避免的。我们就会把身边的事物拟人，一个每天跟我们聊天的AI，即使没有意识，使用者也会偏向于认为它是一个有人格的东西。

在使用AI的时候还是要提高警惕，不要真的把AI当成知心大哥哥、大姐姐，这个事还是要小心的。

AI训练和评估需要更完善的方法。因为AI已经非常深度地介入了人们的生活和工作，它可能会对人造成伤害，需要更多维度、更严谨的评估。否则的话，这些伤害可能在我们不知不觉之间就会给人带来一些心理和精神上的疾病，这是非常恐怖的。

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。

壁纸展示：

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。

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。

微软再次辟谣说，我没有撤离中国。这到底是一个什么故事？

大家好，欢迎收听老范讲故事的YouTube频道。

有一个公司叫微创，结束了中国微软相关项目。在4月7号，内部发了一个邮件说：“由于地缘政治及国际业务环境的变化，微软将调整其全球战略布局，并将于2025年4月8日起，正式停止在中国区的运营。这一决定意味着，我们微软项目团队的相关工作也将同步终止。”

发了这样的一个文件出来，有2,000人左右被裁撤，大概有200人能够迁移到越南和匈牙利，剩下人呢领n+1离职。很多被裁撤的人员也出来爆料，说当天签字还可以多发2,000块钱。

那么微软呢，就出来辟谣了，说：“微软停止中国区业务消息不实，网传的邮件是由微创软件发出的，微软中国并不受影响。”

那么到底是一个什么故事呢？首先咱们要看一下微创到底是干嘛的。

微创呢，是2002年微软在国内投资建立的第一家合资企业，是微软和上海国资成立的一个合资公司。它的名字呢叫Wicresoft，就是他把微软的Microsoft呢，M翻了个个儿变成W了，然后呢Micro的这个后边有个o嘛，变成了个e，改这两个字母就是微创软件的名字。

最早呢是由微软自己的人在管理，到2015年呢换了一个新的董事长——打工皇帝唐骏。这个呢是以前盛大的董事长，因为学历门事件，后来也是备受争议的一个中国打工皇帝。他呢在管理这个微创软件。

2019年的曾经尝试上市失败了，原因也很简单，单一来源收入依赖太严重。它主要的收入都来源于微软，说你这万一上市了以后，微软要是玩不下去了，你咋办呢？看来证监会还是很厉害，慧眼如炬，2019年就知道你不行了，当时就没有让它上市，没有让股民受到损失。

那么他在中国呢，主要从事的是微软相关业务的外包。包哪些呢？比如说销售业务、电话销售、客服，都是由微创来负责的，并不是微软直接的员工。

还有呢就是很多本地化服务的外包，产品和文档的本地化都是在这里来做。比如说我们使用Office、使用Windows、使用微软云，各种的中文文档、中文的界面，都是由微创来进行本地化，也就是汉化的这个过程。

还有一些就是技术外包。很多大的单位购买了Office、购买了Windows或者购买了Azure微软云这样的产品以后呢，也是需要落地实施的，这些都是由微创来负责。所以它有很多的机构叫交付中心。

你不是说我个人买了一套Office，我自己装，装不上我去打电话？当然你打电话也是微创的人接。

但是一些大的企业，你比如说我买了一大堆Office，我需要在本地进行部署，并不是简单的安装Office就完事了。Office结合Windows操作系统以后，是有很复杂的权限管理的，谁可以去看哪个文件，他可以做这些事情。这些部署和实施的事情呢，都是由微创来去负责的。

另外呢，还做很多的系统集成。我记得以前我们做OA系统，就是这种办公自动化系统的时候呢，有一个很重要的工作，就是能够跟Office软件相联动。比如说我的审批，我的各种的权限分配，我需要跟我的整个的Office系统联动。我的Word谁可以看到，谁可以审批，谁可以修改它，怎么能够让这些文件在相应的节点中进行流转起来，这个都是要跟微软去配合的。

很多去购买整个微软系统的这些大的企业，包括一些政府机构呢，也是需要人来实施的。这一部分呢也主要是由微创来实施。当然这是在国内的业务，也是这一次主要裁撤的业务。还有很多海外业务，他为微软设立了全球36个交付中心，而且呢在全球74个国家有12,000多名员工，所以他的员工数是很高的。

至于说这12,000多名员工到底有多少在中国呢，我目前为止没有找到一个特别准确的数字。我去问XAI，他告诉我说大概有七八千人是在中国的，我觉得这个数字呢是相对比较靠谱了。你要去问其他的一些，比如说从谷歌的Gemini和豆包去查询呢，有一种说法是国内只有2,000人都裁掉了，剩下都在海外。我觉得在这一点上，从逻辑上分析，还是XAI给出的数据会更靠谱一些，国内才应该是员工的大头。

那么他剩下的人在干嘛呢？就除了这2,000人之外，应该是在做系统集成和技术外包。他还做金融、汽车、医疗等领域的项目开发和运营。比如说上汽，因为这是上海的公司嘛，上海国资的下面的企业，所以上汽是用了他们的。包括浦东新区，包括上海的一些政府机构，也都是使用他们的服务。还有像银联，大概也是用的他们的系统和整个的服务。

他们呢，自己还做了一个叫WISE的人工智能系统的集成和实施解决方案。WISE这个是做什么呢？就是用OpenAI去帮一些企业做这种AI落地。微软最重要的全球交付和外包合作伙伴之一就是微创。它也有一些竞争对手，它的竞争对手呢，主要是微软印度研发中心，这个是微软全资的一个研发中心。大家注意国内的微创，微软现在在里头大概只占22%的股份，剩下的是可能20%多是上海国资，还有50%多一点呢。

是以唐骏为代表的一个，算是股东持股平台吧。大概是这样的一个分配方案。

而印度研发中心呢，现在有8,000人，是微软全资的。在一个月之前，一部分微创的项目呢，就已经向微软印度研发中心去转接了。还有一些做外包的，微软也有在印度外包。它的最大的一个外包叫Infosys。INFOSYS是印度最大的IT外包商，这个公司的老板，就是英国前首相苏纳克的岳父。

那么，微创为什么玩不下去了呢？原因也很简单。咱们做了这么多年的信创产业，做各种各样的国产替代，继续需要使用Office和Windows的国企和政府机构呢，会越来越少。以前是很多国企和政府机构使的东西，所以他们会去买微创的服务。你像我们个人家里头用这个玩意，你是不需要他服务的。极个别情况下，你需要给他打电话，说我密码找不到了，或者出现什么问题。我估计可能99%的个人Windows和Office用户，都没有给他们打过电话。所以他们主要是为这些大企业服务的。

像我们，比如说买了联想电脑了，买了其他家电脑了，里头预装的微软Office、预装的Windows，我们需要的服务都是由计算机厂商来提供的，并不需要微创来提供。当这些大的企业，特别是国有企业以及政府机构，不再需要微软系统的时候，微创就没有存在下去的必要了。

然后，另外一个很麻烦的就是合规问题。中国呢有数字安全法，中国的内容不允许出海，中国人的信息不允许出海。美国呢也有一个云计算法案，就是美国的很多的技术和信息，不可以到他不喜欢的国家去。所以微创在这个里边呢，有点里外不是人的一个样子。

现在呢，还有一个很重要的原因是什么？就是SaaS系统在逐渐的替代传统OA系统。以前我们做传统OA，都是有一套办公室自动化系统，再去管理整个的办公流程，底层还是微软Office，它来去传递各种的Word文件呀、Excel文件来传递这种玩意儿。现在呢，新的方式，比如说像钉钉、像飞书、企业微信这种系统，现在越来越多了。我们不需要在每个电脑上去安装这种系统，所有传输信息都是在云端去搞定了。这一块的话，对于像微软这样传统的OA系统的话，也是打击挺大的。而且这个不光是在国内了，全球对于他们来说都是有打击的。

AI未来的机会呢，也断了，因为它这个所谓的WISE系统，就是微创给做的AI系统集成。它主要干嘛的呢？它是为Copilot入华做的一个尝试。OpenAI呢其实也在……

顺着Azure云偷偷的入华，微创的这个系统呢，就是用OpenAI的API进行包装，进行企业数字化、智能化改造的一个系统。

你说我个人买了一个20美金的账号，每天去用就完事了，但是企业不是这样的。人家是要做系统集成的，你要把我内部的信息都给我，去做嵌入，给我去做向量数据库，给我做本地知识库，给我做小模型的微调。你也是需要有人实施的，这个微创说我来帮你去实施，帮你把GPT3.5、GPT4这些东西直接应用到你系统里边去，这是它提供的一个AI的服务。

目前来看呢，OpenAI在中国落地这件事儿，美国也不乐意，中国也不乐意。即使是偷偷的做，估计也做不下去了。Copilot在中国落地，可能性也基本上没有。原来大家还在传，你看苹果的Apple Intelligence在中国，通过阿里的通义千问还是可以落地的，那么微软的Copilot在中国是不是可以落地？因为现在它的Win 11在海外，其实已经把这个Copilot打通了，你直接可以用这些AI的工具，使用本地的电脑了，包括这个Office，他们的Copilot也已经打通了，他们叫Microsoft Copilot 365，这些东西都已经打通了。这些在海外都可以用，但是在国内的话，原来大家一直觉得说到2025年可能会有一种方式，让他们可以通过审核，能够合规的在中国进行服务。目前看呢，应该是没什么机会了。所以，这条路他也没走通。

目前呢，这个外系统还在海外，特别是日本和欧洲地区呢，部署和交付。在国内呢，就已经放弃了。那么微创的后续会折腾什么呢？第一个，海外业务还是要去做的。他在全世界有70多个国家都有办公室，有这么多的微软交付中心，依然在为微软做海外的交付，继续去跟Infosys去竞争去。另外国内呢，还有一些系统工程依然在服务，包括后续维护你也得去做。你不可能说，我前面做好了以后，今天把这项目一关，然后你明天重新再找人重做一遍，这个事不现实。所以应该国内还会有业务去维护。

中国员工呢，给海外公司做实施呢，现在肯定也是越来越受限制。很多人不喜欢让中国籍的员工去给他们做各种的系统，虽然我们可能做的还不错，而且收费不贵，还速度很快，但是他们总是觉得不太放心。所以微创以后在海外的业务到底如何发展呢，也有待观察吧。国内的微软系统集成业务呢，已经是没有办法再去养活这家公司了，以后应该就基本上没有了。微软这一块业务自己也停掉了本地化服务。

就是我们再去把Windows、Office这些东西汉化，把文档汉化。这个事呢，以后挪到东南亚，比如说像越南或者其他的一些国家。也许下一个版本的Office里面，我们再看到的中文翻译就会有广东腔了。因为搬到那边去以后，他们很多人讲的跟标准普通话还是有那么一点点区别的。

那么，微软呢，其实一直在持续的撤出中国。2024年的5月，微软将AI研发人员转岗到海外，700-800人受到影响，去美国、新西兰和澳大利亚这些国家，最后实际走了500人。2024年7月，所有的线下实体店关闭，改为线上销售。现在把线上销售、电话销售、客服的团队也干掉了。就是当时把线下实体店干掉了以后，说转线上，就是由微创这帮人服务。那么现在微创这帮人也没了。

2025年的1月和2月，关闭了上海张江物联网、人工智能实验室。其实微软在国内的很多业务呢，都是以孵化器的性质存在的，在国内投资孵化一些企业，为他自己进行服务，或者是包装了以后，继续去一轮一轮投资做下去。现在呢，等于整个创投链条断裂了，那就没有必要继续坚持下去了。而且特别是中美之间的创投链条，目前呢，依然没有修复。国内呢，据说是在尝试修复，也没有看到什么动静。

那你说都已经这样了，微软干嘛还出来辟谣呢？你就承认了不就完事了吗？这个到底是怎么回事？原因也很简单，就是合规通道是不能放弃的。微软现在Windows在国内是可以落地的，甭管Copilot能不能落地，但至少Win 11还是可以落地的。Office在国内是可以落地的，Azure云在国内也是可以落地的。整个合规还是在做，合规这一块呢，不是微创给他做的，是另外一个企业给他做。这个企业叫世纪互联，也是在上海的一家半国企，他是微软云的中国总代理。到目前为止还在很努力的运营，到哪天说运营不下去了。如果哪天传出消息说他也运营不下去了呢，大家也不要觉得惊讶吧。但至少目前为止还在折腾。

就是微软还有大量的产品在国内是合规的，所以只要你不说，哪怕是事实离开了以后，再进来也相对来说容易一点。那意思就是说现在打仗了，我把门一锁我跑了，等过两天我回来，我拿着房本地契说，你看这房子是我的，我还能回来。但是这个你如果搞得轰轰烈烈的离开了，就像当年的谷歌那样说我离开了，我不来了，你下次再进来你都费劲了。中国是要面子的，你等于是走的时候你把房本撕了，说你看我走了，我再也不回来了。等过两天你说我要再回来，那这个事，呵呵。

不是那么容易。所以在这件事情上呢，微软要比谷歌和Meta都要聪明。谷歌其实比Meta还要再聪明一些。谷歌虽然中国业务退出了，但是中国还是有很多的人员，谷歌有很多员工在中国。Meta的话在这块要更干净一些，他在国内的业务，很多都是由新加坡那边来管理的。

总结一下，微创相关业务的关闭，以及人员的裁撤呢，只是微软撤离的一个表象。微软呢，一直在撤离中国，近期呢，在加快撤出中国的步伐。微软呢，也没有死心，以后万一有机会呢还想回来，把这个入口还留着。微软的离开呢，只是众多海外公司离开中国的一个缩影。

好，这就是今天我们讲的。微软出来辟谣，说我还在这里，就是这个故事。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。

大家好，欢迎收听“老范讲故事”的YouTube频道。今天，咱们来讲一讲OpenAI，也开启了“买买买”模式。什么是“买买买”模式呢？就是一家公司开始不停地进行并购，快速、集中地开始进行收购。这叫“买买买”模式。OpenAI在过去的一周里头，连开两枪，也就是说，OpenAI在过去一周里头，连续收购了两家创业公司。哎，这也是说它现在开始改变战略了。

这两个公司呢，一个叫Rockset，啊，ROCKSET，这是由两名印度裔的前Facebook员工创立的数据库公司。据说呢，是一个上亿美元的交易。为什么是据说呢？因为这种交易通常是保密的啊，待会儿我们来讲为什么。

另外一个呢，叫Multi，啊，MULTI，啊，是多个这个意思。这个公司呢，是一家位于纽约的，只有五个人的小团队。他们呢，做远程桌面管理的，估计呢，应该也是上亿美金的一个交易。具体交易细节保密。

Rockset到底干嘛了呢？实时锁引和查询。Rockset可以在几秒钟内，将数据锁引并查询，即使是新的数据也能够快速响应。等于是我们这边儿大量数据入库，那边儿马上就可以找到。这个是很难的啊，因为很多传统的搜索引擎和数据库，都是可能一天或者更慢一些的时间，来去进行数据更新的。你需要把数据从这头塞进去，然后它处理，处理完了以后，可能要过一段时间你才能搜到。然后还可以做高性能查询啊。Rockset使用聚合过滤窗口和连接等功能，可以在数据量很大的情况下保持非常高的性能。

大家知道，在数据库里查询，数据越多，查得越慢，对吧？但是，有很多方法可以让你很快速地查出来。而且，可以进行矢量搜索。咱们现在甭管是做RAG，还是做各种信息嵌入，最后你还是要去做矢量搜索的。所以，Rokeside在这块也是很强大的。而且，他们还可以做很好的数据存储与管理。Rockset使用RocksDB作为其存储引擎，可以高效地存储和管理数据。数据可以通过各种方法进行压缩和锁引，以节省存储空间，这也是他们比较强的一个地方。另外，就是它有很好的安全性和合规性。做什么呢？做加密解密，就是你数据存在里头以后非常安全。而且，相对来说比较容易使用。Rockset的目标是使开发人员能够快速地开始进行查询，通常只需要几分钟。因为它里面用的是标准的C口语言，可以通过C口进行这种大型的查询，而不是像很多的这种新型数据库一样，你需要再去学一些新的查询语言、查询方法，才可以去使用其中数据。

这是Rockset这样的一个公司。那你说为啥要收购它呢？这不是很明显吗？前面咱们传说OpenAI要做Search GPT，它要做搜索，要去跟Perplexity这样的公司去竞争。你自己也是大模型，是OK的啊，但是一些真正的做数据存储、数据检索这样的工作还是要做的。与其去调别人的，还不如干脆自己买一个回来，自己去拼呢。这就是去收购Rockset的一个原因。

那么，Multi是干嘛的呢？远程桌面管理。什么叫远程桌面管理？远程桌面管理是一种技术，允许用户从远程位置控制和管理计算机。这通常涉及到通过网络连接，将一个计算机的桌面环境显示在另一个计算机上，使得用户能够在远程计算机上执行操作，就像直接在该计算机前一样。这种技术在IT支持、远程工作和多地点操作中非常有用。

它可以通过远程去控制别人的桌面。比如说，我现在要想去使用张三、李四的桌面电脑，我可以通过Multi这样的软件，直接把那个电脑的桌面映射到我的电脑的一个窗口里面去。然后，通过鼠标，通过键盘去使用对方的这个电脑。它呢，是专门针对Mac端的啊，就是在Windows端它没有，Linux端一般没有人干这个事。为什么呢？因为既然Linux了，大家通常不是通过鼠标啊，通过点击去干活的，都是直接登上去以后就通过自服界面，或者我们叫终端接口就开始干活了。所以，通常只有Windows端和Mac端干这个活。而Windows端类似这样的软件比较多，包括咱们使用的QQ都有这种功能。像原来很多人说，哎呦装了别人的一个软件不会装了怎么办？你叫客服了以后，客服说来，你QQ加我一下，然后我通过远程来控制你的桌面，帮你把最后几步给你点了。

Multi当时想的是什么？就是多人协作。其实很多人都在想说，我如何能够让多个人一起来操作一个应用，一个界面，一个文档？这个最简单的方式，比如说我们多个人同时写一个文档，我们会看到呃，这个文档上有很多的光标出来，这是张三，那是李四，大家那个每个光标都在前后挪动。文字会冒出来，或者是被修改掉。这是我们一种多人协作的方式。另外一种多人协作的方式就是我们在一个界面上，大家都举着鼠标在这点点点。这个也可以。Multi呢，实际上就是在干这样的一个事情啊，多个人可以在同一个桌面上点点点。

他呢，原来的产品是可以让10个人在一个桌面上点点点。那你说，OpenAI收购它干嘛呢？大家想一想，WWE在DC上有一个场景，让我们觉得非常震撼。是什么？就是当你去问Siri什么事情的时候，它整个的屏幕外边会亮一个框，说啊，这就是我的操作范围了。我现在看到你整个屏幕了，我现在可以操作你的一些屏幕，至少我能看到吧。看到完了，我需要点什么东西或者划什么东西，我可以来处理了。这是我们当时看WWDC上觉得好厉害，怎么可以这样。但是那个是在iPhone上啊。现在，比如说我在Mac上，是不是也可以这样？我在整个的屏幕上跨靠一块，在这个里边就可以点点点，可以确认了，可以滑动了，可以做各种输入输出了。是不是可以干这个事情啊？那么这个事情怎么看呢？就要靠Multi来干。但是呢，这个再去操作的，可能就不是另外一个人了，而是谁呢？OpenAI在后台就可以操纵你的电脑了。嘿，这也是一个很有趣的未来发展方向。那么未来的China GBT客户端，可能就是长这个样子。你跟他说着说着，然后他直接就接管你的屏幕，接管你的鼠标，从远程开始点点点，确认确认，确认输入东西了。因为经常是这样，你问他说，哎，我有什么东西找不着了啊？他告诉你说，你应该点开哪哪哪，在哪个菜单里，在第几项。然后你点过去以后，我没找着。然后你再点点点，他再怎么去描述这个位置，他再给你看截图。你当然说我还是没找着。对吧，有这功夫，还不如他直接接管鼠标。

替你点了就完了，哎，这就是Multi干的活。现在Multi的人也出来说啊，我们很开心，我们加入了OpenAI，而且加入的呢，就是OpenAI的客户端团队，因为他一共就5个人嘛，大家非常快乐。另外一个Rock Size也是发了文章，我们很开心加入OpenAI了，而且这两个公司呢，都写了说哎，我们加入OpenAI以后啊，我们原来的产品就关闭了，我们会有一个缓冲区，比如到7月多少号之前啊，你可以去备份数据。那以后，我们就直接把所有用户数据都清除，所有的用户使用权限都关闭，然后，我们就老老实实上OpenAI打卡上班去了。啊，原来的产品就没有了，不再对外服务了。一帮人现在也在骂，说我使的好好的，咋不让我使了。

那么OpenAI的这种买买买的姿势呢，别人还不太好学。你说我拿现金去买，人家未必乐意卖给你啊。OpenAI属于是既不用花钱，大家还上赶着让他买，一堆的好公司，在这排着队说来，您挑吧，您挑上哪一个，我们马上就打包给您送来，而且价格都很好谈。这是为什么啊？你说因为OpenAI厉害，OpenAI有钱，OpenAI现在是时代的楷模，是全村人的希望，有这个原因啊，但是并不完全是。跟大家讲讲，这种公司的收购大概是怎么做的啊？首先，这种公司的收购通常是保密的，不会去公开收购的相关细节。为什么？就是一事一议，这个公司我收购的是按这个价格收，另外一个公司我按另外一个价格收，那你说我们就公布不就完了啊？

不一样的原因在于，其本身的交易要稍微复杂那么一点点。而且，大家愿意把公司卖给他的原因，也是看中了后边的复杂交易。OpenAI现在的估值是860亿美金，但是请注意，这个估值是怎么来的。这个估值是OpenAI上一次让员工卖老股时，算出来的一个估值。所以，普遍认为OpenAI的估值应该比这个数要高很多。如果OpenAI再融资或者上市的话，这将是一家妥妥的几千亿美金的公司。

在这样的情况下，你说我现在要去收购了，那么你以为他会拿现金去收购吗？绝对不会。他的收购通常是用股份去收购。怎么收购呢？咱们以Multi为例。Multi里头有一些股份是前面投资人的，有一些股份是创始团队的。那么现在假设吧，RT是值1亿美金，因为具体的这个数据并没有公开。为什么这么假设呢？因为他前面拿了投资人1,300万美金，那么假设1亿美金，或者是七八千万，大概是这样的一个数字。

那么OpenAI会拿出1亿美金来收他吗？或者，拿出1亿美金相关的股票来收他吗？也不会的。他们通常是怎么干呢？先跟投资人谈，说我现在想要这公司了。那这个公司呢，你们原来投了1,300万美金进去，我给你一个议价，比如说投了有几年了，每年给你算个5%的利息，或者10%的利息。算好了以后说，哎，现在这个应该是值，比如一千七八百万美金，大概是值这么多钱。然后呢，我给你这一千七八万美金的股票，就是OpenAI的股票，我直接给你了。

你现在呢，就成为 OpenAI 的股东，一千七八百万美金的一个股东。哪怕说我们这个大方点，我给你 3,000 万美金的这个股票，你成为 OpenAI 的股东。剩下的呢，是创始团队的。创始团队，咱们坐下来再谈。说你们现在这个创始团队的股票，原来应该是值，比如说 6,000 万美金啊，7,000 万美金。那咱们来谈一谈啊，比如说我们按照 5,000 万美金，有时候会打折扣的，给你折成 OpenAI 的股票。你乐不乐意？这帮创始团队通常也是挺乐意的。那我们就拿着 OpenAI 的股票吧。啊，5,000 万美金，五个人分一分，一人分个 1,000 万美金的 OpenAI 的股票。

而且这个 OpenAI 的股票，给了这些创始团队之后呢，他们还需要干嘛？还需要签对赌协议。就是说你如果现在拿着这股票，马上就走了，那这个就不给你了。那你要必须老老实实在这给我做，做到哪些哪些东西，比如，把我的恩恩爱爱的客户端给我做出来，或者做成什么样。然后啊，工作多少年，我再把这个股票慢慢地在兑现给你。等到你比如说干了四年五年了，到那个时候你要走啊，这股票都是你的。到那个时候呢，这可能每人 1,000 万美金，到那个时候就值个，比如说每个人啊，四五千万美金。这些人就变得很有钱了。

但是这样的一个交易过程，投资人呢，通常会有溢价啊，至少是把利息给人家。有的时候还会有些溢价。创始团队呢，还有的时候会打折扣，就是把他们原来的公司的股票。

通通都折换成 OpenAI 的股票就完事了。这个呢，其实很多都是叫 HR 并购，就是相当于是把这个团队招聘进来了。要你原来的产品，要你原来的技术，要你原来的人。哪怕说你原来的产品都不要了，代码都扔了，你现在就把你原来的技术啊，按照我现在的要求，整个给我重写一遍。这种并购还是蛮多的啊，特别是对于 OpenAI 现在这个状态来说，它是有需求的。那么 OpenAI 呢，一定是整个创投圈里头最有竞争力的购买者。因为所有的这些小公司，你说我现在加入 OpenAI 了，我原来的公司到底做成什么样，我也不知道。加入 OpenAI，这个上升的空间、上升的速度一定是比我原来公司快的。他们会很开心。这些小公司的投资人呢，他们也会很开心。等于通过这种并购案，一下就成为 OpenAI 的投资人了。然后我也可以去跟别人说，你看我投的项目被 OpenAI 收购了。那么他的名声也会上升，他再去募集新的基金，再去投资新的案子，大家也会喜欢他们。所以他等于是 OpenAI 利用自己的名声啊，可以在所有的这些项目里先挑。而且挑的时候呢，他还可以跟大家讨价还价，这个你贵了点啊，稍微便宜点，要不然我不买了啊。还可以干这样的事情。所以 OpenAI 买买买的姿势，别人不太好学。

最后啊，咱们讲讲 OpenAI 为什么在现在开启买买买模式呢？原因也很简单，OpenAI 现在要开始走向产品化。原来最早的时候，他在做非盈利机构的时候。

实际上，这是一个研究性机构，它连盈利都不盈利。我不需要挣钱，但现在呢，说我需要挣钱了啊。再往后呢，说我可能不能再依靠微软，不能再依靠苹果，不能再依靠其他这些企业了。我需要单独自己去挣钱，我需要做出产品来，需要直接为最终用户服务。他现在能够直接为最终用户服务的，就是聊天机器人，聊天工具。其他的其实没有什么可以直接为用户服务的东西。搜索也没做出来呢，视频也没做出来。PPT4O直接聊天这部分也没有发布呢。那么后面怎么办啊？

我要做一个完整的产品化，要有很多的ToC的产品也好，ToB的产品也好，我要把它做出来。那么在这呢，就有一个新的问题产生了。什么问题叫open i？原来只有大冒险对吧。它所有产品周边的东西都没干过，影响微软嘛。微软投资了它，占了它一半的股份。所有跟用户打交道的东西里头，有哪个是微软自己不干的？人家全都干好了。有操作系统，有Office，有浏览器，有搜索引擎。不需要你再弄那个，你只要把你的大模型搞定了就完了。

但现在为什么？他去收购了一个专门给苹果做这个成桌面管理的一个公司。因为苹果原来没有这部分。你现在OpenAI插着GPT客户端应用，只出了苹果版，Windows版就没出。为啥微软不需要啊？微软说我自己上copilot就完了啊，你就不用给我做这个。而且我是作为你50%的大股东，49%的大股东，我要求你不要做，那你就不要做这个事。但是苹果说，那你就做吧。

所以啊，这一块需要 OpenAI 自己去处理。后来呢，OpenAI 的光有模型的状态，就相当于是缸中之脑啊——就是一个大缸子里头养了一脑子。现在呢，需要在缸子外边加什么呢？呃，眼睛、鼻子、嘴啊，加上手和脚，加上各种的消化系统，像刚才他买的这个 Rockset 这样的东西啊。你需要做搜索了，你也需要完整的数据处理、数据搜集、数据的检索，整个系统你都需要。你不能说我只有一个大模型，只有一脑子，这事肯定不行。

传统的，比如说，我们现在在 ChatGPT 里头去做一些搜索，它是怎么做的呢？你在里头说哎，去给我搜索啊。这个时候，他会去调用病的微软必硬的搜索引擎，搜的一堆结果回来，然后再对结果进行检索，或者进行总结。但是你有了像 Rockset 这样的东西呢，他就说别费劲了啊，我自己上搜索引擎，我自己上爬虫，然后把所有东西都搁在我自己这，然后我拿这个东西，再去进行模型调整，再去进行检索，去进行结果输出。这个效率就完全不一样了。这就是他为什么买 Rockset。

在 Mac 上，我们怎么去控制 Mac 电脑？怎么去让 Mac 电脑，就像 Windows 有 Copilot 一样，可以完完全全控制它去工作？这就是它买 Multi 的原因。那么未来一段时间，可能 Open I 还会继续买，因为它周围欠的东西很多。它要想成为一个可以为各种用户服务的东西，那么他除了中间的脑子之外，周围的手手脚脚还需要慢慢地去买，就做肯定是做不过来，一定得去买。

这就是为什么 OpenAI 在这个时候，突然转换成“买买买”模式。可能，我们再到年底，或者是明年的时候，我们就会看到大量的 OpenAI 应用，直接扑面而来。而且，当 OpenAI 大量的应用到我们用户面前，真的能让我们很喜欢用以后，也许下一个叫纯智能操作系统，就会到来了。

现在，我们还是在 Mac OS、iOS、安卓、Windows 这样的系统上，在使用 ChatGPT。但到未来，说：“我为什么要需要这样系统？我只要有 ChatGPT 能够聊天，剩下的事情你都给我搞定了。”哈哈，那这个其实也挺好的啊。

好啊，这就是今天讲的故事：OpenAI 开启“买买买”模式。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。