Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
我身后的这个雪板和我手上的这两个鞋子，就是我发现了我滑雪的一些问题，然后会导致我的膝盖疼。我就去问AI，就给我进行了很好的推荐。所有的想抓住机会，其实都是在开始做事里边。如果不开始做这些事情的话，何谈去抓住这些机会？
这个问题可能只是帮助你自己，那你就省了时间；可能可以帮助你的同事，那你就可以升职加薪；可能能帮助很多其他跟你有类似需求的人，那你就有了一个side project，或者说是一个startup。具体的大小就要看每个人自己的缘分或者creativity。可是你之前不能做这件事儿，现在能做了，而且这件事蕴含着巨大价值，这是很确定的了。这里边大家不做缺的主要就是agency和环境。
我发现很多人对AI的认知是有一个巨大的误区在的，这个巨大的误区就是他们觉得一个超级模型会解决现在的所有问题。
也就是说，我们现在要做的只是等这个 AGI (Artificial General Intelligence) 或者 ASI (Artificial Superintelligence) 来了，然后所有的事情这个模型都可以搞定，然后我们就可以躺平了。我们现在奋斗也是没有用的。这个观点其实我在很多很厉害的行业前辈或者说大佬那里都听说过，但是我觉得这不是一个正确的认知。今天我们就一起来把这个问题给剖析清楚。
就为什么不会有这么一个 artificial super intelligence 出现？而且大家想象的那个东西，哪怕出现了，其实今天也是没有用的。那这期视频我们就来认真的讲清楚这个问题，也就是为什么不会有这个所谓的 AGI 出现，解决所有问题。
我会用一个历史上非常清晰的技术案例，也就是汽车发明到汽车取代马车用了七十年的时间。我会跟大家讲一下究竟为什么花了七十多年时间，然后这件事情对我们今天的AI又有什么启示？那讲清楚这个道理之后，我们再去展开看清楚这个道理对于我们意味着什么，我们能不能看到这其中蕴含的巨大机遇？也就是AI的潜力在今天只发挥出来了百分之一，那剩下的百分之九十九其实都需要我们自己。
自己亲手把它做出来，以及在这个做的过程中就能抓到这里边的巨大机会。其实，Minus 在过去一年就给我们打了一个样，它就是做这件事情的非常好的案例。Minus 不是去发明一个AGI，而是把那个汽车真的想要取代马车的那些脏活累活给做好。
这是第二部分，就是这里边有多大的机遇。第三部分就是落到我们的每天，我们到底可以做什么事情去帮助我们不断的抓到那个机遇，也就是想要补齐AI，让AI落地，具体的点到底是什么样子的？那好，我们先进入第一部分，就是汽车为什么花了七十年才真的取代了马车？这背后的技术落地的原理到底是什么？以及对我们的今天的AI有什么样的启示？我先给大家看一张图，这就是我们的这门AI课程。
在第一期的时候，我就放了这么一张图，然后我们的课程已经经过快两年十几次的迭代，但是这张图一直都保留在里边，因为这张图背后的道理就是这么的重要。那这张图讲的是什么呢？就是第一辆汽车的发明是奔驰发明的，它是一八八五年到一八八六年发明的。但是在我看来，汽车取代马车的标志性事件远远不是这个汽车的发明，而是一九四几年。
二战之后，美国的大规模基础设施建设，美国的洲际公路的建立，这在我看来才是标志汽车真正取代马车的标志性事件。那这个中间其实是花了七十年，而且这还是在美国这样一个在那个时候基础设施建设断档领先的国家，在欧洲、亚洲和各种发展中国家，那这件事情来了就更晚一。
那类比到今天的AI Transformer Model的发明，就是引擎的发明。引擎其实代表了动力的一个新范式。然后接下来ChatGPT的发明，大概堪比那个第一辆汽车的发明。也就是说，这个引擎它现在终于有了传动装置，有了轮子，它可以落地了。引擎的发明比汽车的发明还要更早啊！我们这儿就不说了。
那第一辆汽车有了以后，理论上我们这个汽车已经可以跑了，对吧？大家如果去看第一辆汽车的照片和我们今天的汽车，其实没有什么巨大的范式的不一样。但是确实，引擎的性能这么多年来都是在上升的。比如说，每年它的马力可能增加个百分之二十。
如果看一个今天汽车的引擎和那个时候汽车的引擎，那确实是天差地别。可是我们看问题不能只看这么一个表面，我们去看本质的话，他们的技术范式其实是同一个技术范式。也就是说，这么多年它的性能是在逐步的提高，但是它没有像汽车之于马车那样一个完全不一样的范式变化。
那回过头来，我们AI也是这个样子的。Transformer model那篇 Attention is all you need paper 是从现在说大概八九年前的一篇paper了。然后这个范式到后来就 enable了BERT，enable了GPT，叠加上一些其他的发明。这个我在之前的文章里边我给大家普及，比如说T五这个模型，比如说ChatGPT的模型，这我们就不赘述了。总之，最后集大成者ChatGPT出来了以后，它就有了这么一个落地的样子。
那在这之后，我对未来的预测是，它就会不断的变好，比如说不断的变得更有智能，不断的变得更快，不断的变得更便宜，不断的变得能解决更复杂的问题。但是我们不应该默认下一个技术范式的变化是因为今天的AI很厉害，它就一定会发生的。这其实就是我对乐坤的诟病了。之前Meta的首席科学家杨乐坤他的这个观点就是说，Transformer Model它只不过是在做Next Token Prediction，然后它这个东西是没有办法达成。
他心中所想的那个AGI的，然后他做所谓的第一性原理的推导，然后就是说我们其实下一代的模型应该是这样这样这样。然后我就觉得啊，就是他说这个东西，他去做这个研究，当然我是尊敬他的，我当然希望有更多的人去进行下一个技术范式的探索和发明。但是我不觉得你在做下一个技术范式，你就去忽略这一个技术范式。
所蕴含的巨大潜力，这就好像说汽车在刚刚发明的时候，这时候有一个人过来说啊，汽车这个东西不符合第一性原理，所以说我们要做电动车，或者说我们要做磁悬浮，或者说我们要做飞行汽车。Yeah，就是飞行汽车是比汽车更厉害，但是汽车其实它可以有百倍的潜力供我们发掘。我们今天做的所有的事情都是因为汽车的发明造成的。我其实啊，在二零二三年也专门出了一期视频去。
讲这件事儿，可是这么多年过去了，乐坤还是抱着他的想法，就是说，因为我在做更牛逼的那个下一代的模型，虽然我没做出来，但是我觉得这一代的模型就不值得我去讨论。那我觉得是不对的，这里边我们要看到它所蕴含的。
巨大能量。关于这个 debate 先不说啊，我们先说，就是我的观点是 transformer model 它是这一代的技术范式，然后这一代的技术范式的潜力只发挥出来了百分之一，所以说到现在 AI 还是在跟人类的竞争关系，就像汽车是在跟马车进行竞争。如果说未来我们有一个基于 transformer 架构的特别厉害的模型。
把它放到今天，它真的能发挥出来效果吗？我觉得未必。就像我们把今天的法拉利的引擎穿越回去，放到七十年以前。
放到那个时候的汽车上，它真的就能马上取代马车吗？未必。为什么？那就是接下来第二个问题：汽车取代马车中间到底差了几步？我在这里边呢，把它分类成三个部分：第一个 infrastructure，第二个 pipeline，第三个人类的习惯。所谓的这个 infrastructure 就是基础设施了，而且这个基础设施建设啊，就是不光是修路，从我们家门口的路开始，一直到这种洲际公路，而且是加油站、休息站、修车厂、卖车的地方，这些都是非常重要的，让汽车能在路上跑的。
基础设施如果没有这些东西的话，汽车是没有办法发挥出来比马车的一个断档领先的优势的。因为马车也走不远，汽车也走不远。然后马车在那个土路上走的也差不多，然后汽车在这个土路上也走的差不多，而且还经常容易坏。只有当你把适合汽车走的硬路给铺起来的时候，汽车它的性能才有。
一个飞跃。那第二个 pipeline 主要就是汽车生产的流水线。汽车在一开始手工打造的，然后这个引擎也是手工打造的，它是一个很贵的东西。你要想让汽车发挥出它的工业化生产优势的话，那就是很重要的发明——福特发明流水线制造。在那之后，汽车才有可能。
以一个便宜的价格被更多的人使用开来。那第三个就是人们的驾驶习惯。人们之前是可以驾驶马车和坐马车的，但是关于汽车的驾驶技能，你要去换挡啊，这些东西都是需要学的，不是一个人上来直接就可以把汽车给开走的。而且相关的法律也没有制定出来，你汽车到底怎么样子运作，谁可以去开车，然后出了事儿怎么办，这些东西都没有完善。所以说这三大部分共同构成了这个 ecosystem，共同构成了这个生态，而生态的发展。
是需要一步一步发展的，是需要时间的，是需要量变积累质变的。因为一开始路上没有什么汽车，所以说政府去修路的话，就会会觉得不划算。我总共十辆汽车，我修啥路呢？有十辆汽车，你会去建加油站吗？有十辆汽车，你会去建修车厂、卖车四S店，然后你会去建驾校吗？这些都不会。只有当汽车的数量多起来了以后，你才会。
考虑这些东西，但是问题是，你没有这些东西的话，你的汽车也发挥不出来效率。我们不可能把今天的这个基础设施一下子穿越回去。那我们今天穿越回去一个更厉害的引擎，其实它也发挥不出来它引擎的真正优势。那我们回到AI，我们就会看到了，今天的AI啊，其实还是大概率的被限制在了这样一个ChatBox里边。
无论是ChatGPT还是Cursor Manus，或者说是其他的，其实你要去使用这个AI的智能，这个AI已经非常非常厉害了。它的学识非常强，它的知识面非常强，它的coding能力很强，然后它甚至在医疗、法律、税务方面的建议都是很厉害的。举个例子，大家看我身后的这个雪板和我手上的这两。
个靴子其实就是我发现了我滑雪的一些问题，然后会导致我的膝盖疼，然后我就去问AI，我应该有什么样的推荐，然后就给我进行了很好的推荐，非常清晰的解读了我问题。其实我的旧靴板和那个Step On的板钉已经用了五年了，就是一直感觉有问题。我用的是第一代的Step On，一直觉得有问题，但是我一直不知道问题在哪。但是我跟AI聊的话，他就很好的解读了问题。我后来发给我的两个非常懂的朋友去让他们vet一下，他们也觉得AI的推荐非常靠谱。于是。
就去全新购置了这么一套新的装备。那我现在在税务、法律阅读、coding等等各方面都已经非常多的去使用了。我非常深切地感受到AI实在是很厉害，可是它的这个智能被限制在这样一个小盒子里边。我要去用正确的提问才能调用它的智能。
它没有办法真正非常好的落地，那这也就是为什么我会觉得 Cursor 和 Manus 一直是我非常深度看好。
的两家公司，Manus在他们做之前，我就和他们的团队有很深度的交流，包括涛哥当时对Devon的关注和他分享的那些对Devon的剖析，包括他们在做Manus的前夜这里边的思考，我都是非常认可。在Manus上市的第一时间，我也邀请了涛哥来我们社群去做一个发布，并且他们上线了以后，我就看到啊，这里边很多人就是没有意识到这个Ecosystem Development有多么重要，去把这些脏活累活。
打通AI落地这一层的工作有多么难和多么重要，以及在他们上市以后，很多人就诟病说他们是买营销，维持我知道他们是没有买的。
然后很多人觉得 Manas 这个东西很好抄，第二天就有人做什么 Auto Manas 等等的东西，然后说我们也复刻出来一个 Manas。然后我一看我就知道，他们其实根本就不懂，他们不理解做这件事情有多么重要和多么难，就是把 AI 的 ecosystem 搭好，然后让 AI 能更有效的落地。他们根本就没有做到那个效果，但是只是就搭了一个框架，仿佛给 AI 一个 browser 就是做好了这件事儿。我还去专门发帖。
去帮Mannus辩解和借这个事件帮助大家看到Mannus到底是在做一件什么样的事儿，所以说他们之后被Meta收购，我也一点都不惊讶，并且也让我改变了对小扎的一些看法，因为大家知道，在我之前的一个会员视频里边，我。
我去讲了我道听途说的一些信息吧。总之，在我看来，小扎之前啊是相信 artificial super intelligence 的。
他相信用一个特别厉害的模型可以解决很多问题。他其实，在公开场合也这么说嘛，就是他看到了 spark of machine intelligence 超越了人类 intelligence，所以说他们组建了这样一个 Meta Super Intelligence Lab，然后希望去让这件事情更快的发生。我当时听到那个的时候，心里就觉得，嗯，这件事儿应该是不太可能发生的。可是他们去收购了 Malice，就让我觉得小扎变得落地了很多。
他对这件事情的认知很有可能也提高了很多。那讲到这里边，我们就开启我们的第二部分和第三部分，就是我们看到了阻碍AI落地的瓶颈，不是我们的模型还不够聪明，我们今天的模型已经非常非常厉害。
但是阻碍它落地的是这个生态还不够好，然后我们需要去不断的发展这里边的生态，才能让模型更好的落地。而且更关键的，可能大家更关心的是，我们在这其中能得到什么？Manus我觉得就是一个非常好的案例，他们真的就是花了一年时间，二零二五年非常奇幻的一年。
对吧？他们去开始立项，然后开始做，然后做出来了以后上线，取得了一个现象级的成功。之后破天荒的在地缘政治的背景之下，得到了 Benchmark 这样一个美国主流 VC 的投资，然后又创纪录的得到了 a hundred million ARR，说明他们是在付费的情况下有非常强的需求。然后到最近被 Meta 高价收购，这整个故事就在一年之内发生。
其实就跟我们讲了，你把 AI 的潜力从百分之一发挥到百分之二，发挥到百分之三，其中所蕴含的巨大机会，那具体是什么呢？如果对应我们之前汽车的那个例子。
pipeline infrastructure和人的习惯，其中都有机会。我自己选的可能就是我去开了一个驾校。我觉得在这个时代，因为AI是复启各能的，所以说我和鸭哥希望帮助大家学会怎么开车，甚至帮助大家学会怎么样子修车、怎么造车，起码是怎么改装车吧。然后你怎么样子去铺路，怎么样子去建加油站，这个在我们看来是一个非常有意义的事情。
也是为什么我离职之后选择的是 all in 这件事情去做。有的人诟病这是给淘金的人卖铲子，其实那个故事是斯坦福在做这件事儿，就是斯坦福他是修了一个跨越美洲的铁路，去让那些人可以通过这个铁路到旧金山去挖金子。最后斯坦福他确实是一个大富豪，他也建立了斯坦福这样一个学校。我确实觉得这件事儿就是很有意义。你说我是卖铲子也好，修铁路也好，开驾校也好，我是觉得在 AI 时代，AI 可以复体各能，那复体各能就是一个很有意义的事。
那说到我们课程，什么是教大家开车？什么是教大家修路、开加油站呢？我们AI Builders的这门课就是教大家怎么样子把车开好，它就是教大家怎么样子去一步一步的在自己的工作中，在一个Production的环境中，把AI非常reliable的用好。
去高效完成你的任务，而且高质量的完成你的任务，这是我们 AI Builders 教大家的东西。然后我们 AI Architect 教大家的东西呢，其实就是教大家去改装车，去教大家去铺路。当然，你如果是个好司机的话，你自己其实就可以动手去。
去搞这些事儿，只是我们给你一个更好的框架、更好的工具去做这件事儿，和更好的这样一个学习方式，你可以更高效的去学会它。那我们在课程里边提到的三个主要的落地支柱，就是 frictionless interactions、contextual intelligence 和 proactive intelligence。
就是我们要降低 AI 使用的摩擦，我们要 AI 能自己主动的收集更多的 context，从而让它完成的任务更切合于你的业务，以及 proactive intelligence，让 AI 去帮你做任务的时候更主动。我举一个很具体的例子啊，我现在不是在跟屏幕前的观众说话。
啊，我现在是在跟一个相机说话。那我希望我停止录制的时候，AI就可以OK，这是一个trigger，然后它就可以帮助我自动开始进行转录，然后上传到网盘，根据转录，然后生成字幕，精校这个字幕，进行分析哪些地方应该剪掉，哪些地方应该保留。
有哪些地方应该是 highlight，可能要放到最前面？哪些地方应该去收集信息？这就是 contextual intelligence，对吧？从我的那些社区里边啊，过去的视频里边啊，或者说是我的这个课件里边啊，去收集信息，提供相应的材料，然后把这个东西去发给我的剪辑同学。AI 能自动剪辑，当然更好啊。但是我们先说 AI，今天是不能很好的剪出来一个高质量的视频。
我觉得视频的质量还是很重要的。那发给我的剪辑同学，剪辑同学照着这些东西呢，就可以很快的完成剪辑，给我了以后，AI就可以自动的帮助我生成show notes，然后自动的发到各个平台上。你看吗？这里边所说的东西，全都是我今天的AI就可以搞定的。今天的AI的智能足够搞定这件事儿了。但是它的每一步，其实都需要我们去做那些脏活累活。
去把 friction 降下来，然后去 proactive 的去做这件事儿。那 proactive 做这件事儿，就是有一些事件识别的事情。这就是我说的所谓的不是什么新技术，而是那些落地的脏活累。
火，你要去让汽车好用起来，不是每一个人都要去做一个引擎，或者说去做一辆车的。你去铺路一样是一个很重要的工作。刚才只是举了一个案例，我们在课程里边也有专门的，就是教大家怎么样去构建智能核心，然后 frictionless interaction, contextual intelligence, proactive intelligence，我们都各自给大家提供了案例 demo，然后你可以跟着直接去做，以及我们鼓励大家自己去按照自己的解决的问题去把这个东西做出来。那这就是我们的第三部分了。第三部分，我们每个人在这里边可以得到的价值是什。
就是去解决那些真实的问题，比如说，我们就是可以去动手做一些pipeline，去让我们的日常遇到的这些挑战解决得更顺利一点。我们在社区里边已经有两三百个这样的案例了，以及我们社区还有帖子。
就是那些收集大家日常的需求，大家平时觉得有什么东西需要解决的，然后可以在那个帖子下面留言。现在那个帖子也有一百多个，小200个，说不定发帖的时候已经过200个相应的需求了。就是我们每天其实可以捕捉到很多的需求，然后这些需求都是可以被解决的。这些需求原来可能很难解决，现在有了AI是可以被解决的。我们是可以通过无论是上课还是自己学习。
去提高自己使用AI的能力，然后去解决那些该解决的问题，发挥出相应的价值。这个问题可能只是帮助你自己。
那你就省了时间，可能可以帮助像你一样的很多人，可能可以帮助你的同事，那你就可以顺心沾喜。可能能帮助很多其他和你有类似需求的人，那你就有了一个side project，或者说是一个startup。具体的大小，就要看每个人自己的缘分或者creativity。可是你之前不能做这件事儿，现在能做了，而且这件事蕴含着巨大价值，这是很确定的了。我们会发现，在这里边大家不做，缺的主要就。
是agency和环境，就是你平时在你的这个日常的环境里边，你是想不到要做这件事情的，或者说你要做的时候也没有什么支持。
然后你们有地方问，可能你做一做就很难脱离这个环境的这个引力，然后就不做了。那我也希望大家如果感兴趣的话，扫这个码或者说来这个网站免费加入我们Superlinear AI的社区，有这么一个更好的社区环境，大家一起互相启发，然后互相浸润、互相鼓励、互相答疑，就可以帮助你更好的走上去做这件事情的。
习惯，所有的想抓住机会，其实都是在开始做事里边。如果不开始做这些事情的话，何谈去抓住这些机会呢？然后在这里边还有一些关于 mindset 的。
事情就是，你如果只是在用驾马车的方式，或者说理解马车的方式去理解汽车，你当然就看不到汽车落地所遇到的挑战，你也看不到它能干什么马车之前干不了的事儿。所以这里边的 mindset 也是非常重要的。我们在课程里边会教大家 builder mindset、 beginner mindset 等等，以及我之前也出了一期 AI native 的视频，就是用金子和铝的价格变化去给大家讲，要关注什么东西在之前是贵的，现在是变得便宜了，而什么东西的价值是更加凸显。
金子，也就是我们的真相、我们的 idea、我们的 agency、我们的 taste，在这个时代是变得越来越宝贵了。而那些之前可能很贵的东西，比如说代码，在现在的价值是大规模的贬值。我们不要再用过去的那些对待昂贵代码的工作习惯去面对一个新的世界。我们要把自己的思维 mindset 转化到一个更 AI native 的方式去发挥 AI 的潜。
那好，以上就是我们这期视频的主要内容。我在这里边跟大家总结一下的话，不要指望一个AGI或者ASI去解决所有问题。大家希望有一个silver bullet。
一个子弹可以解决所有问题，这个在科技界从来都没有成立过。真正难的东西是 ecosystem，是把现在这个已经变得很厉害的技术去真正的落地，发挥出它的潜力，然后发挥它的潜力的过程中，对于参与者来说是。
有巨大价值的Manus就是一个非常好的例子。我们哪怕没有得到那么大的成功，我们也会知道在这里边找到自己的位置，去做一些有价值的事情，就是时代给我们的一个非常激动人心的、非常大的机会。那具体我也给大家指了三个方向：Frictionless Interactions、Contextual Intelligence、Proactive Intelligence。
如果感兴趣的话，欢迎来我们课程去学习具体的方法，也欢迎免费加入我们的社区，在这里边获得灵感和得到激励，帮助你建立习惯，帮助你得到浸润，帮助你。
去更用AI native的方式看待你现在的工作，看待你现在的机会。希望屏幕前的每个人在这个时代都可以抓住一些不一样的机会。那好，这视频就到这儿，希望对大家有用。我们下期再见，拜拜。