E2M Space 2026-04-17 - 聊聊AI的能力边界
⚠️ 风险提示：本内容不构成对任何人的投资意见。加密市场波动巨大，投资有风险，请谨慎对待。
Nan（主持人） 04:41
好的开始，我们人到齐了，准备开始。Hello大家好，欢迎大家来到我们E2M Research这一周的猜想与反驳。今天我们这一期的主题是聊一聊AI的能力边界。其实最近关于AI大家的讨论会有一些很有意思的现象——一方面有人利用赛博分身，一个人可能干掉了之前一整个团队的事情，然后实现了所谓的效率神话；但同时也会在朋友圈看到一些文章说，职场人现在被蒸馏成数字人，成了某种意义上永不落幕的数字工人。当AI的分身照见现实的时候，我们应该要如何自处？AI是不是会取代大多数人类的工作？今天我们就一起来聊一聊AI的能力边界。我们按照惯例，依旧先请我们的嘉宾跟我们听众朋友打个招呼，做个简单的自我介绍。先把话筒给到奥德赛这边。
奥德赛 05:41
大家好，我是一个AI重度使用者。
Nan（主持人） 05:48
好的，谢谢奥德赛。把话筒给到培才。
培才 05:52
大家好，我是一个比特币的老客户，谢谢。
Nan（主持人） 05:56
好的，谢谢培才。把话筒给到董真。
董真 06:00
Hello大家好，我是董真，目前是在做crypto和crypto挖矿相关的投资和研究，是一个AI的保守主义者。
Nan（主持人） 06:14
好的，谢谢董真。其实我们今天的特邀嘉宾是世胜，因为世胜听说最近也是靠AI完成了之前完成不了的一些工作，所以本来是想请世胜跟我们分享一下的，然后他现在因为网络的问题好像先掉线了。世胜上来了，稍等一下，世胜我这边给你发了邀请，你看有没有收到。
世胜 07:08
大家好，我是世胜，最近的标签是我的偶像的免费打工仔。
Nan（主持人） 07:20
好的，谢谢世胜。因为我们前面其实已经引到世胜这边了，听说世胜是借助AI完成了一个原本不可能完成的任务，所以一会想请世胜来跟我们分享一下：你是怎么借助AI完成这个任务的？在这个过程中你觉得AI承担了哪一部分的职能？按照目前AI的发展，你合作下来，你觉得它是能够取代你大部分的工作吗？还是一些其他项的内容？正式开始之前还是要跟大家讲一下，如果大家对我们的内容感兴趣，可以点击关注一下E2M Research的账号，或者是关注一下我们台上的嘉宾。我们话不多说，就正式开始今天的分享和交流。要不话筒先给到世胜这边。
世胜 08:07
OK，能听见。今天咱们的话题是讲AI的能力的边界。我觉得这个可能这段时间老是跟奥德赛还有小二在群里，还有剩下聊到这个问题。我记得我们平常聊的是说，现在AI在我们传统的意义上，很大一部分是所谓的汗水——就是所谓的99%的汗水加1%的灵感。我们这个场景下，1%的灵感我理解就是灵感、创意或者啥的。
世胜 08:49
最近在想这个问题——我们最开始可能两三年前，我那时候用ChatGPT做事情的时候，我当时就觉得，如果你看一个事情AI能不能搞定，一个最直接的方法是：如果你本来可以通过雇佣10个或者100个高中生或者本科生——因为高中生和本科生面临的工作主要是已经完成的、需要重复劳动的工作，真正需要创意的、创新的，可能是到研究生或者到博士阶段才有这个要求的，不是说人没有，是说外界对他的要求——所以如果你通过雇佣100个高中生或者100个本科生你能把一件事情做得还不错，那么这个时候你用AI去做那应该是做得会很不错的，大不了就是多花点钱或者用最好的模型。而这里我觉得隐含的一个意思就是说，AI肯定是能够完成我们所谓的汗水部分。但是AI能不能真的在剩下的比如说1%或者百分之几的所谓的灵感部分，我觉得是咱们有一个极大的争议。
世胜 10:35
我最近在想这个事情，我今天还跟AI又交流了一下，我觉得AI把我的一个想法陈述得还不错。首先汗水部分就不用定义了，如果我们对于灵感这个部分——就什么是灵感，你在做一件事情的时候99%是汗水1%的灵感，怎么去定义真正产生的灵感？之前有个例子，我记得有一个化学家就是搞苯环的化学家，他们做完就是晚上做梦梦见一个蛇咬自己的尾巴，所以让他想到了环状理论。关于灵感部分我引用庞加莱，一个数学家，他的关于这个事情的意思是说：首先你要有很长很大的一个素材库，然后在这素材库里面就建立了很多的我们可以认为是积木或者不管是理论还是东西，然后你突然有一天在跨度极大的两个领域或者两个事情上，一下建立了一个很准确的连线。或者简单来说，我们通常认为知识是在一个像积木一样积累的结果，你突然有一天建立了一个不同的知识之间的非典型连接——就是非典型，就是你通过常用途径好像是觉得想不到的一个非典型的这样一个重新的组合。当然你还是要保证它的正确，就是正确而非典型。AI特别擅长于搞一种不正确的非典型，这是一个AI的问题，就是所谓的幻觉。但是如果你真正建立了一个正确的非典型的这样一个重新组合，其实庞加莱就用来描述我们传统意义上认为的灵感。
世胜 12:47
这里有个问题，就是现在AI到底有没有产生这个东西？当然它产生了大量的假的这样的东西，就是所谓的幻觉，但实际上如果你从这些幻觉中去挑出那些正确的来看的话，我现在个人觉得是挺还不少的。举一个例子：我的偶像Knuth（高德纳）前段时间写过一篇论文，他里面就讲了他的一个同事用Claude去解他书中的一个open question。他确实会先做汗水——AI尝试了三十几个方向，还不是说三十几个方法，是三十几个很大的方向、跨度很大。你要作为一个人，你还是会有一个自己专注的领域，比如你是数学家、是一个代数学家，让你去用几何的方法去证明这个东西还是挺难的，背景知识你没有。但是AI它的背景知识很大，所以它可以跨很大的跨度去做这个事情。然后它的过程就是AI尝试一个失败、尝试一个失败，他尝试到第三十个的时候，他已经尝试了很多我们跨领域的东西之后，他突然发现他在大概第20个方向的时候跟这个有关联——其实应该是跨度很大的两个方向上有关的。大概就是AI自己搞了一个映射过来，有点像所谓的类比一样。然后他还说了"Eureka, I did it！"反正就是万岁，然后他自己表现出一个挺震惊的状态。然后他确实把他尝试的第三十个方向映射到利用他尝试的第二十个方向的时候，他得出了一个很好的结论，然后最后这个结论通向了他这个问题的一个解答。当然这个解答后面会有Knuth的同事、再加Knuth去做了手工验证，再加入Knuth去最终的核对。
世胜 15:47
这就是它的一个过程。你说这个过程有没有灵光一现那种感觉？我觉得判断是挺难的，有些人觉得不是，我个人觉得是。这是从一个角度——哪个角度来说？是如果我们从所谓的叫行为主义——我理解的行为主义就是说有个例子：一个东西它看起来像个鸭子、它走路也像个鸭子、叫也像个鸭子叫，那么它就是个鸭子。这是我对所谓行为主义的一个简单的概括。你从这个角度来说，我觉得AI它确实做到了在极远的两个领域之间建立了一条非典型的连接，当然最后还被认为是正确的。这就回应到了庞加莱的这样一个定义——就有灵感。
世胜 16:46
但我相信很多人其实不认同，为什么？我跟AI聊了一下，应该是陈述了我的一个想法，就说这里面很多人具有什么样的——来自于什么？我觉得两个方面。第一是我们一般说灵感，我们肯定会说灵感有一个主体，对吧？就是一个有欲望、有情感、会被折磨的人，突然怎么着就出现了灵感。我们默认灵感会是来自于一个人，说简单就是人。但这样就有问题——如果我们把灵感定义为来自于人，AI肯定没有灵感，因为他永远不是人。所以这样定义其实我觉得是很多人潜藏在心里的一个隐含假设——接受不了一个不是人的机器的灵感。这是一方面。第二方面我觉得也很重要：比如说我们传统认为灵感这个东西就跟智能对很多我们人类定义的词语一样，是一个黑盒——我们搞不明白它是什么。现在我们如果认为AI有灵感，而且AI它本身虽然很复杂，也很难解释，但是它毕竟是透明的——你真的把AI的模型给做了，你就对模型不停地改、做外科手术，它真的对我是完全呈现。我觉得这一点也很难接受——一个很好的东西我们认为它有灵感，其实我们可能潜藏的假设是灵感必须来自于黑盒、所谓的灵感的神秘性、很神秘的东西。这两点在AI这个事情上都消失了——第一个是没有一个像人这样的主体，第二个是缺乏像黑盒这种神秘性。我觉得很多人都接受不了。
世胜 18:37
我觉得其实这个角度——所谓行为主义的也是一个角度：它看起来如果符合了我们认为的灵感，所以它屁股后面有没有一个人或者是个黑盒就不重要。我再举几个例子。在我们这行业里其实有类似的概念，比如说我们今天讨论的定义所谓的灵感和创意，其实还有很多类似的词。比如说"智能"这个词我们也很难定义，但是当年图灵是有定义的，图灵在四几年的定义就是所谓的图灵测试——一个东西不管你是什么样的，你只要通过了图灵测试，你都是有智能的。在过去可能从数据源到民间大家都很认同这个东西，因为这个很正常。这里有很重要的一点——就是没有东西通过了图灵测试，虽然很神秘，大家都想象不到一个什么东西它真的能通过图灵测试，所以大家认可这个概念。但是真正到ChatGPT出来之后，在很多场景下其实AI已经突破了传统意义上的图灵测试，大家就开始不同意了。所以你看，我觉得很大程度上，你通过了这玩意又不能说明这个东西是有没有智能，反而是你这个定义问题。你看最近这些年我觉得没有人提所谓的图灵测试了，但是过去接近大半个世纪大家都是用这个东西来作为一个最好的关于智能的定义。
世胜 20:00
那么在我们这个行业里面其实还有几个例子，我自己总结了一下，都有这个味道。比如图灵他定义智能这个事情，他更早的情况是定义了什么叫计算。这个事情我们从现在这个角度来说，我们知道计算一般人认为有手算、珠算，然后从我们搞计算机的角度说，计算其实就是图灵机——所谓的图灵机以及几个跟图灵机等价的模型。但是那凭什么图灵机它就等价于计算？就是人类心目中的计算？它凭什么？你图灵机这种机制难道不可以是别的吗？对吧。在图灵定义计算的概念之前很长一段时间，人类已经实现了很好我们算这个东西——那时候已经有甚至在之前就已经有很多类似现在计算机的东西可以算出很多东西。当然毕竟很多人是不操心这种计算这个概念怎么定义，但是图灵把它做出来，很多人是反对的。但是事实上过了这么多年之后，大家觉得这个定义提出得很不错。一方面从实用主义角度来说，基于它发展出大量的不管是工程还是理论的结果，人类得以进步。所以在这上面大家没话说，但是现在大家都不怎么质疑说这个东西是不是代表了人类心目中的计算。可能在那之前，人类是不是也会说计算必须要有一个主体，不能说一个猴子在地上划，也不能说一个尺子在地上划，而是一个人、一个心智在计算，对吧？事实上其实图灵机有一些模型它捕捉不到，我记得有一次在群里分享的就是所谓的超图灵机计算这种模型——图灵机就补足不了。但是不影响。
世胜 21:30
然后除了计算这个概念，其实还有几个概念。第二个就是信息——当年香农把信息的概念给定义之后，很多人很反对他。我看了看，说当时有些人觉得信息是跟所谓的意义、跟所谓的价值是捆绑在一起的，结果香农说信息就是所谓的熵的减少，变成一个数学公式，很多人觉得不可接受。然后再往后，还有所谓的一个系统——当年贝塔朗菲定义系统论的时候，他们定义一个系统；还有我们八几年的时候密码学他们定义的时候，在所谓的零知识证明里面定义的所谓的"知识"是什么——你的东西是知识，这个定义本身其实争议很多。当然我记得搞零知识证明的作者他们的论文里面说，我们这样定义的"知识"是这样，但是他预计很多人肯定是会反对的。但是他说只能这样定义——这个东西怎么办？因为是一个类似哲学的概念，也只能经受时间的考验。但事实证明至少在这个领域经受了时间的考验，最后沉淀下来大家都比较认同。我觉得现在包括智能、包括灵感这些可能都面临这样一个问题。也许我从行为主义这个角度来看的话，我觉得可以认为现在AI确实已经有挺多的智能和灵感。
世胜 23:47
然后我就想起一个事情，我前两天查到一个东西。然后有些人就会问你问题，就是说人类是不是还保有一些真正AI无法达到的东西？然后如果我们把人类脑袋也看成一个空间或者看一个神经网络，理论上就没有AI真正不可逾越的东西——只是有规模复杂性和时间的问题。但这个事情其实也有反对意见。我前段时间刚好看到这个东西，就是这么一个问题叫彭罗斯——他就说人类有一种能力，就是能够直觉地看出一个问题是正确的。然后当然说的有点虚，其中有个例子：他说所谓的哥德尔定理这个例子——哥德尔定理就是说在一个系统里面你总有那么一些东西是既不能证明也不能证否的。这种东西如果你是AI来做或者是计算机来做，他最后肯定会死的，因为从理论上就证明在这样一个系统里、你做一个计算机总是遵守一个逻辑系统，在这个系统里面就是有些东西证明不了。很多人觉得人类肯定做得了，但实际上人类可能真的有可能做不了。我举个例子：比如说我们举个例子，集合论有一个著名的理论叫连续统假设。那里面就面临这样的问题——事实上现在我们证明用现有的数学基础是既不能证明它也不能证伪它，顶上就搁到给你，提到这个东西。但是人类可以干一些什么事情？人们说"呸"，你既不能证明又不能证伪，那我把它做成公理，大家不用去认同——我们把这个公理加到这个体系里面，你们原来有一些理论集合，加入这个公理你们就可以判断出更庞大的理论结构。然后有些人说，我把公理去掉、把它变成否定形式，这样我就可以发现出另外一个体系。然而事实上很多人认为，它这个功能确实正确，但是确实也没法证明。所以彭罗斯他觉得通过这种类似的例子，还觉得人类有一种超越AI的能力——就是你有一个系统，你在系统里边可以跳出这个系统，在这个基础上超越它。但他的观点就被很多人批判了，现在也还是很有争议的。
世胜 26:41
所以也许现在AI发展下去，也许人类还能真的保有一定程度的超越它的东西。但是目前来看，反正就跟计算一样——我也说了图灵机的计算模型，现在确实人类其实是能想到一些超越它的东西，但是好像不是很妨碍这个世界被图灵的模型几乎统治了。所以回到我们这个问题上来说，我觉得我个人还是偏向于说：现在的AI其实拥有了很大程度上的不管是说智能还是创意。然后在完成工作的时候，其实你已经很难说真的是只做了我们觉得所谓的汗水的部分而没有它起到所谓的创意或者灵感。我认为其实AI已经在产生大量的灵感。当然可能人类也在其中产生大量的。我现在跟AI的一种合作模式，我觉得确实是AI首先把几乎所有的汗水的工作做了；第二我也确实提供了很多所谓的灵感，通过他产生的一些数据规律，然后我也产生了一个灵感来再附加点。但是确实他自己也产生了大量的。但是他有一个问题——就是他自己产生的灵感部分其实他不一定能够向外显露出来。他的灵感部分会指导他的下一步工作往前推进，但他不会说像用一句话写出来蹦出来——"你看我发现了一个人类可以直接理解的这样一个定理，然后你觉得这个很有名"——我觉得这种起码有，但是我觉得可能不是那么多。目前以我的想法和我工作中的实践，我觉得对AI的感觉是这样子。你们再说说，我来补充。
奥德赛 28:40
我补充一下世胜前面没有说的背景。世胜前几天——计算机领域有一个大神叫高德纳，然后他大概有一个想法：他写的书大概叫什么《计算机程序设计艺术》，全名有点记不清了。就是说如果挑出一个错的话，最早的时候就会说有多少赏金，然后后面现在应该是把名字给写进去，然后作为一个计算机领域的大神立出这样的一个flag。这么多年来其实人们很难去在他的书里面发现问题，某种意义上是非常高的荣耀。世胜是从上个月开始用了接近一个月的时间，跟Claude Code一起然后搞出了这本书里面一大堆问题，然后发给高德纳。高德纳还没有非常详细地检查，他就看了一下世胜列出的那个问题，发现有两个问题是他正在改的问题。模式对上了，高德纳就会觉得你其他问题的可信度也非常高，之后也会认真看。然后那封邮件世胜收到非常开心，你可以想象你收到这个自己领域的一个远古大神跟自己的一个这么直接的交流。而且这边还会带有两个层面：一个是自己模仿银行般发现了一大堆这个东西，而不是说仅仅是参与了，是远远高出原来的目标；而且第二个点是他打通了一个边界——等于说，我要是再投入一个月，我可能在这个领域发现更多的事情；我要是再投入一个月，我也许能发现一个数学定理、两个数学定理；要是我投入更多的时间，甚至来说用更好的方法去投入的话，我是不是有可能获得图灵奖或者诺贝尔物理学奖？这个可能性至少是大于0了。我觉得我是更能感受到世胜兴奋的点。
奥德赛 31:02
当然所谓的讨论一定是大家观点的不同，这个是世胜这边的感觉。然后另外一边就培才这边——我翻译得不一定准确——培才会喜欢大卫·多伊奇在AI时代所坚持的一个观点。大概大家都一起把创造分为灵感和汗水。大卫·多伊奇对现在AI也就是大语言模型的看法是：更接近于一个高保真的思想复读机——认为他当然看起来很聪明，但他其实只是在一个层面，他没有再突破到下一个层面创造，他只在那个层面复述。这个翻译成一个具体的例子就等于是：有人提出一个叫思想实验，叫"1905年沙盒"——如果在1905年、在爱因斯坦发明相对论之前，给一个AI所有那个时代的知识，他能够发现相对论吗？多伊奇的观点的延伸其实就是，模仿上去的AI只能够不断重复组合之前的思想，而不是提出一个完全的创见。这是多伊奇称为灵感的部分。灵感的话，就等于在多伊奇的眼中是一种解释性的猜想，而且这种解释性的猜想非常难以变更，而且是一种一旦出来以后它打开了一个非常新的非常大的可能性空间——跟原来空间不是简单组合，不是通过简单归纳或者演绎得出来的。比如说相对论之前和相对论之后。所以在大卫·多伊奇的视角中，AI他当然很聪明，但是他只是一种高保真的思想复读机以及组合性的推演引擎。这两个观点就是世胜跟我理解中的世胜跟培才观点的碰撞。
奥德赛 33:03
其实更多是我们今天所讨论的——也就是边界这个东西。我们今天当然知道AI非常出色、非常厉害、甚至一天比一天更强。然后我们另外一个层面也会碰到一个你很难去论证的观点：AI是万能的吗？也很难如此之说对吧？那么它的边界在哪里？边界的话，它不得已又会碰到两个命题。第一个就是本质性的边界——等于比如说AI大语言模型这个架构，就是不断预测猜词的架构，他一天比一天聪明，他最终碰到墙、边界在哪？那个是一个边界。还有第二个是，比如说今天最新的模型——我个人觉得最聪明应该是OpenAI的o3还是Claude 4.7昨天刚出的——那么它现在可以做的边界在哪里？至少如果我们基于现在的讨论的话，那是一种经验型的思考，就等于是我们现在有哪些事例——比如说世胜用Claude Code去做的东西，他在某点构成了现在一个势力的下限。上限在哪里不好说。也有些事情，比如说哈佛的一个物理学家他跟Claude也证明了不少东西，Claude官方其实有摆出来，但是这中间他就发现Claude在核心猜想上他会直接糊弄你，你要花不少的时间。而我自己的话，我也试着用它冲击诺贝尔物理学奖，没成功，还被AI骗了。对，上限不好说，就不知道这个问题能不能避免。我们也提出一些想法，比如说是不是可以用一些比较普遍的想法：是不是AI软件测试即一个案例的大型测试集、它是不是就构成一个硬约束，在这里面迭代是不是就可以表现得更好？比如说物理的定律、或者数学的定理，如果它有一个反馈的边界，这种AI是不是就很难糊弄？在边界内他是不是某种意义上可以做得很好？但这可能如果按照大卫·多伊奇前面定义，他更多还不是那种本质性的所谓灵感或者是颠覆性的那种创见的一个东西。
奥德赛 35:00
但是今天我们也知道它的下限。如果更远的话，它会碰到两层哲学思考。第一层哲学思考是半个世纪前AI领域的一个命题——就等于是"潜水艇会不会游泳"？他的意思就是说，你不要说AI会不会思考，你看他能不能完成那个功能就好了。你不能定义它能不能像人那样思考——这不对。潜水艇不会像人那样游泳，但是潜水艇还实现了这个功能对不对？AI也是，它只要能搞定就行了。然后这一层思考它还可以连接到大卫·多伊奇自己本身——他会讨论图灵机这样的概念，就通用计算这种说法。就等于是如果人的大脑跟AI背后都是图灵机，那么大家有什么区别呢？你要说AI没灵感，那人也没有灵感对吧。这是第二层，他会碰到一个小小的子命题的证明——大圆模型是不是图灵机。我之前看过一篇证明，大概讨论说是。但这是一个视角了。我们把它拉回到现在，我觉得AI到底能做什么？然后能做的话它又分为两种：第一种叫做"我能够用AI做什么"——这是个体经验，它往往只能说明比如说AI能力的下限。然后我们要看的是还有两层：最上面一层是这个世界上运气最好的、刚好跟AI合作最紧密最密切的人，他用来摸到了怎样的天花板——这是一层。然后中间——OK我不一定能够碰到天花板，但是我总能碰到我的天花板——我如果用力跳起来、跟AI一起的话，我现在没有碰到但未来可以碰到的那个东西可以到哪里？我觉得可能这个是大家可能更关心的，也许也是培才感兴趣的。培才要不要说两句？你觉得你如果现在用力跳一跳可以做到哪些——就等于是你目前还做不到但你觉得你可以做到的东西呢，用AI的？
培才 37:34
OK，我觉得听完世胜的介绍其实我也在想——我原来可能确实是有一个比较简单粗暴的想法，就是说OK这个AI可能是完全无法胜任灵感的部分的。这个是有点从人类中心主义或者是乐观的角度出发——因为毕竟大家都不愿意被不管是自己或者是自己的子孙后代就完全被AI替代掉了对吧。我觉得这是一个信念。但是我觉得刚才听完世胜说的AI对数学问题的解决的时候，我觉得确实我也很难说它不是一个灵感的形式。我觉得确实历史上很多灵感也都是以这样的形式展现出来的。
培才 38:33
但是我同时就再往下延伸思考，就想起来多伊奇另外一个视角——就是说一切的问题都是由知识不足造成的。然后如果这样说的话，AI尤其是现在的AI它能够解决所有的问题吗？就这样子，就是说它好像——他有可能就把未来我们现在没有探明的知识就完全靠AI单独就能把这些——假如说我们现在穿越到了100年以后，我们会发现人类又多了很多的知识。然后AI如果假如说现在人类不存在了，AI能够把这些知识探明吗？我好像也会打一个问号。我觉得目前如果AI——好像我对这个问题的答案其实是倾向于非常的不乐观。假如说现在人类已经灭亡了，然后AI它现在的这种状态它能够进化下去吗？继续？我觉得好像也挺难想象的。所以我在想他灵感的边界到底在哪里对吧？我觉得这里面好像就是他触及了一部分，但是他好像又没有触及到我觉得很核心的部分，我大概目前是这么一个感觉。假如没有AI，我相信100年以后的人类的知识还是会比现在很多；但是我觉得如果没有人类，可能100年以后的AI说不定它的智能水平大概率跟现在差不多。我就有这么一个简单的这样的一个猜想。
培才 40:28
然后我觉得这里面可能有一个好玩的点，我觉得包括刚才世胜说的时候，我觉得好像跟多伊奇前面的话也有关联。他说这个"问题是永远存在的，问题是可以被解决的，那么一切问题都是知识不足造成的"。我在想这里面好像缺乏——AI在这一块好像有一个很关键的缺失：它其实对问题的定义是要弱很多的。哪怕比如说像世胜举的例子里面，首先这个问题是世胜来定义的，AI只是在这个问题的定义的下面去展开了很多的探索。这个时候是不是说定义问题的能力其实反而跟灵感的部分可能关联度也是非常高的？对吧。类似于我多多少少有一点这个问题——因为现在我觉得确实在这个地方是有一点点缺失的：哪怕是Opus 4.7的模型，它好像至少在这个模型里面它没有自谦说有哪些问题是没有解决的、我自己需要去解决这些问题的。对吧，现在因为他干的所有的活儿都是针对某一个问题去定义的、然后他在这个框架之下展开的探索。但问题本身还是人类定义的。我不知道这个算不算是对——跟智能是有某种程度的关系的。
培才 42:05
所以我在想现在也许——如果回到AI的能力边界这个话题，我觉得有可能一个甜蜜点其实是你找到一个有价值的问题。然后这个问题又是一个真实存在的问题，它又是可以被现在人类跟AI的能力是可以解决的，你可以找到这样的一个所谓的point，对吧？我觉得有可能你如果定义问题定义得太大了——虽然人类已经把这个问题定义出来，但是这个太难了，比如说像物理学诺贝尔奖级别的问题——我觉得可能不是没有问题，它可能是AI的边界很难触达到这个问题。但是你像世胜定义的几个问题，比如说OK你就帮我找高老头书里面已知的错误——而且他会给了你很多的错误类型，AI就可以很漂亮地完成这样的一个问题对吧。你说他有没有灵感的部分？我觉得可能也会有的。包括我觉得世胜解决的open question问题也是确认的，然后AI在这个里面通过跟世胜的灵感的两方面的结合——首先AI把汗水的部分干完了，然后甚至在这个空间中也提供了一点点的解决的部分。对，我觉得确实可能是一个很有趣的。
培才 43:49
正好对我来讲，我觉得我能想到的一个思考方向——就是刚才听完你们两个，包括我跟世胜最近也在想折腾一个ES算力的项目。然后这个地方我觉得其实"定义问题"我觉得在这个项目里面也是一个非常重要的一个点——就是你到底要解决什么问题对吧。我觉得因为你本质上我觉得所有的项目也好、所有的商业也好，其实也是对一个问题的答案对吧，你可以认为总体上我觉得是这样子的。比如说我们在聊这个项目里面，我觉得很重要的一个点——我们觉得我们有一个"怎么样构建低成本的算力"的一个答案：就是用做矿场的方式去构建AI的机房。我觉得这个是矿工在过去的这么多年的积累下来的一个经验。但这个答案它不是说我们独创、甚至也做过很多东西并不是我们去解决的。但是我觉得我们至少知道这个答案是存在的——很多人可能还不知道、或者说他可能还没有重视——就有这么一个答案存在。我们同时关注另一个观点，就是这个答案能用来解决什么问题？我们比如说现在定义的可能是说它比较适合去解决低成本的——首先它的计算的难度不是很高的问题，它难度已经低到可以用开源模型很好的解决了；第二个这个问题又足够的重要，它需要被解决很多次，所以它已经有了一个非常广泛的基础——就是你投token，这个问题它需要消耗的token是有一定量的规模的。
培才 46:04
然后我觉得沿着这么一条思路然后跟AI合作，然后我就问AI说目前有哪些应用场景有可能是符合这个定义的。也确实很漂亮，他就跟你说OK——给了你一堆答案。然后我又跑去真实地去看，我们跟我们自己的一个子项目在聊我们公司的项目团队，我问他们：他们现在在真实的有没有这样一个场景？他真的丢给了我一个场景——就是他们目前有很多的翻译的场景。因为他们是一个面向C端的APP，然后他们关注了1000多个KOL，他们要给他们的用户推送这些KOL内容，而且他们的用户又是多语言的，所以他们每一天都需要翻译这些内容。所以他们就形成了一个稳定的对token的需求。而且翻译说实在话它其实肯定是在现有的模型能力服务里是重要的——就别说Opus模型4.7了，可能你用4.4也都能足够解决了。对，所以我们觉得这个地方就很有趣——它有可能是有一个市场的机会的：它有一个待解决的问题，就是这些人目前还在用比较贵的解决方案，或者说都是用这种IDC机房里面的算力来解决问题，这个问题我们觉得应该丢到矿场里面去解决，而不是在IDC机房里面。
培才 47:52
所以综合刚才听完你们的介绍包括我们最近想的idea，我觉得这里面的灵感部分跟汗水部分——我自己的感觉还是这样子：你有可能一方面我觉得AI在定义问题上其实能力还是相对缺失的对吧。你可以让他罗列，他肯定能给你列出来很多问题，但是他可能没有这样的一个反馈机制去告诉他说哪些问题是有商业价值的、是有真实的价值的，他也没法去反馈。所以至于说这些问题可能永远没有办法解决——至少在目前还没有办法像人类一样OK这个是有价值的问题，我就用一个——我需要去解决它，解决完了之后我在这个地方会形成新的问题，然后我又去创造新的知识来解决它。我觉得这个是我想到的第一层。第二层能力的边界的问题，我觉得有可能现在使用AI的边界点就在于：你要先定义一个有价值的问题，而且这个问题有了AI的帮助可以被完成得更好。我觉得就像是世胜现在解决的问题。对，大概我就想说这两点。
奥德赛 49:12
我会觉得前面不是聊了一下智能定义，我会发现它有一个连接或一个同构的地方——就等于是你隐含了你怎么定义智能，然后你就怎么样去用这个定义去放大智能。比如说如果你是觉得像大卫·多伊奇一样，就等于是智能是你解释的质量、是能够扛得住多少批判，你用AI的方式你能放大智力——就等于是你用AI来怎么样批判自己？AI的确也可以很好做到这一点。然后有的人智能比如说是觉得我可以超能力——一个人完成比如说10倍程序员、100倍程序员，那么就是一个并行的质量，你可以做多少事——甚至做事的程度都可以放大很多，就比如说开着Claude Code开10个窗口，就非常放大自己做事的量。然后也有的其他智能定义——比如说培才也稍微提到，比如说有的人觉得智能定义是我可以解决问题，那么AI可以做的事情就变成——把比如说你要探索一个领域，把这个领域所有未解决问题全部列出来，然后一个个去搞定。这也是一种。
奥德赛 50:43
我觉得还有其他的，比如说包括像侯世达的定义——侯世达写的《GEB》《我是一个怪圈》等等，他在里面讨论很多智能。他智能定义是"同构"，《GEB》怎么说？在讲这个东西就等于是你可以在不同的领域看到同样的结构。那么AI其实这一点是非常擅长的——比如说同样的东西，比如说我们今天讨论的智能，那么对应到音乐领域、对应到法律领域、对应到比如说计算机领域背后是什么东西？他们有什么把同样东西给拎出来？这个叫强制映射，AI做得非常好。当然也有的——我记得之前还看过一个讨论：智能其实是讨论因果关系。人其实不知道因果关系，人人的默认大脑是找相关性——比如说看到风吹草动就要跑，比如说在投资市场上大家看到K线图就会想到波浪，这里面不见得有因果关系对吧？这个是在因果层面的。第二层叫相关性或者叫关联性。第三层叫干预——就等于是当我去动了A、B就会有影响，这是一个干预。相关性仅仅是观察。然后到第四层AI是可以帮助辅助练习的——第四层叫做反事实——就等于是你要去思考假如说没有希特勒那么世界会变得怎么样。但这个东西人的大脑其实思考的复杂度那个不一定能够思考得非常好，因为那个世界太复杂了。AI不代表所以能完全模拟出没有发生那个世界，但是反事实的话其实AI你如果认为因果关系就是智能、AI放大你智能的能力，那就变成了你去跟他去探讨没有发生的历史、没有发生那些情况未来会怎么发展，背后都在训练某种因果关系。我会一下子想到这些。
奥德赛 52:43
董真前面说到作为AI一个保守者——我不确定有没有记错。董真现在比如说觉得AI对你最有用的方面或者说用法是什么样的？以及现在你觉得最有用的是什么？以及以后你觉得你还可以摸到哪些部分？
董真 53:12
对，我前面说我觉得我是个AI的保守主义者，我觉得主要是两个方面。第一个方面在投资上其实没有特别把AI放在整个的选股的标的上——我觉得尤其是在错过了英伟达之后，其实也一直没有办法买。然后所以整个关于AI的投资基本上没有什么进展。我觉得这里面有很大的原因可能是没有看懂、或者至少是因为英伟达这个事有可能一开始是没有看懂，然后家里没有看到特别好的符合投资逻辑的这样——大家等等，我突然想跟大家讨论一个东西。
奥德赛 54:00
假如说那个时候你可以有一个比如说像Claude或者ChatGPT这样的一个智能的对话对象去交流英伟达，你觉得你会改变你的某种可能性、会去买英伟达吗？
董真 54:15
我觉得很难。如果有这样一个人或者是这样一个东西，我觉得很难。如果我有一个类似于像错过英伟达类似这样的一个经验，我觉得是有可能的。所以我会觉得英伟达这种机会有点像一个学习的错误——或者说错过英伟达这个事情在我看来可能是一个学习的错误。如果未来有一个类似的机会，我觉得抓住的概率有可能会更高，但也不敢拍百分之百说。我想这里面可能后面也有——关于理解一些知识或者人如何能够觉得自己变得更聪明，其实很重要的一点就是你要建立这样的连接。如果你看不到这样的连接，你其实很难把它建立起来，即使这个人告诉你一些标的的逻辑。比如说即使段永平他开始在买泡泡玛特——我看了看，我觉得我还是买不下去。然后很多人认为很有意思：段永平买了之后好像暴涨，然后很多人认为这个是泡泡玛特的业绩变得更好，最后发现好像就是段永平开了一个巨大的看跌期权的买单，可能是很多做市商期权做市商被迫去做一些hedge，然后把市场价格抬起来。我觉得这里面就是涉及到我们今天聊的——不是AI的能力边界，我觉得是个人的能力边界。很重要的一点就是：如果你在这种情况下特别信任一个顾问或者是当时讲一个了解AI能力的人，你很难去避免其他的一些错误。但如果你能够想办法不因为一些顾问的观点而改变自己的想法，你有可能错过一次机会，但是你有可能也能避掉一些坑。反正我对这个事情的想法大概是这样子的。
董真 56:00
然后第二个保守我觉得有可能就在用AI的保守上。我其实当然有一些客观的原因，比如说用AI没有办法用什么Google或者用Google的Gemini，或者是用Claude有一些困难。但是整体来讲，我觉得是没有用得特别多的。但其实我觉得在有限的使用的过程中是解决了我很多的问题。然后但是这些问题，我觉得是没有特别大的——没有想特别复杂，就想构建一个——我说直白点，没有想构建一个业务，或者是没有在我日常的工作上尝试帮我替代100个程序员，这就这么大。我觉得有可能在我个人的能力边界上去做了一些事情。然后我对于AI能力边界的一些想法——首先对，所以我个人在这个事情上是保守，但是我对于AI的能力边界我反而会觉得比较乐观。然后我觉得这里面是有一个概括：我对AI的能力边界很乐观跟我个人的保守之间到底差的是什么？我觉得有可能是关于投资和创业的视角。前段时间培才来说这个事情，我在想有可能投资人——投资人的好处、创业的好处当然是你可以从0到1成本比较低；然后投资人的好处就在于你可以等——你可以等一些好的商业模式出来、等垄断者出来、等到获胜者冒出迹象的时候你再进场，到了一个赔率比较好的时候再进场。我觉得关于这个事情的差距有可能是在这里。我觉得现在好像没有看到特别明确的一些类似于投资的机会或者方向。我觉得这个可能也跟前面在讲的、在投资上比较保守会有关系。
董真 57:49
然后关于AI的能力边界这个事情本身为什么我觉得比较乐观？好像我好久没有回去翻多伊奇的书了，但是多伊奇的观点大概就是：我们知识的范围或者知识的边界只要物理允许就可以触达得到。我感觉AI其实做的事情也是一样的——就是只要物理触及有可能、物理允许的事情就可以做。所以从理论上来讲它的边界是非常大的。然后我最近在看了一本——基本上看完了，看了一本关于纸的书。然后所以我最近就很喜欢用这种纸的比喻，然后来思考AI这个事情对于人的一些相互关系。我觉得这个可能——我现在在想，关于汗水或灵感这个事情好像没有那么准确。比如说像写作，我最近其实在AI的帮助下写了很多东西，他有一些帮助。比如说我不知道大家会不会有一些零零散散的想法，很细碎，然后可能东一句西一句的。你把它写下来，然后这些想法背后可能有人去思考过——AI可以给你很多的帮助，帮你想得更深、告诉你有哪些人做过类似的想法、你的哪些想法可能就你三句碎话有两句可能是错的、有一句可能很有意思，他会给你解释。解释之后你写一写想了很多了、跟AI聊了什么几千字之后，AI给你帮你整理成一篇长文章的提纲。
董真 59:32
我会发现写作——它其实是之前我们聊过——是一种类似于内存的扩展：就是我们大脑的内存你一下子想不到很多东西，你把它写下来，它是一个内存的扩展。所以写作本身是一个思考的扩展，它是一个思考的过程本身——它不完全是一个灵感或者汗水的工作。就是我突然有一个灵感然后帮当汗水只要把1000个字完成了，有可能灵感和汗水这个事情本来就是混杂的。就在思考这个事情跟写作这个事情有可能本来就是混杂的。然后正如你写出来一本书，这个过程它是类似于一个硬盘扩展——你可以把这个硬盘接到另外一台电脑、另外一个主板上、或者另外一个CPU上去处理这些数据。或者怎样——你可以把书籍或者作者的记忆带到换成另外一个国家、另外一种文字，然后带到100年以后、带到一个不同的领域。我觉得有点像——在我看来AI的这个事情就特别像知识的扩展，或者像当年书籍出现或者印刷术出现带来的作用。所以我会觉得这个事情它本身的价值更像是增加了一些网络的连接对吧？
董真 1:00:36
我对这个事情没有再细聊，但是我觉得如果跟大家聊的话可能会再思考——就是刚才奥德赛在讲的关于智能的一些定义。我觉得AI的过程中、或者用进来的事情很明显是增加了网络的连接的。把这种内存或者思考进行扩展、把这种硬盘或者记忆进行扩展、把知识进行复制——AI肯定也可以做这样的事情。比如说AI现在可以涉及到的内存——就思考这个事情可以扩得更广。你原先思考只能在自己的硬盘空间里面去思考，把它写下来去扩展——你现在可以跟AI一起把思考的过程变得很广，就非常夸张对吧。如果你把AI当成一个硬盘、当成一个有记忆的人、当成一个人类经验的总和，你在这个过程中可以触及到的知识的量是非常大的，所以你的思考的边界会变得特别大。这个过程中你的网络的连接就会多非常多。然后最后如果你能够把一些——我觉得这点很有意思——如果你能够通过个人、当然我理解这种载体借助于人的载体，把一些毫不相关的事情或者之前大家意识不到的事情就把它连接起来，我感觉这个事情本身就是AI能力的一种体现。对，所以我会认为AI的能力的边界有可能是非常广的。
董真 1:02:00
当年书籍印刷术的出现之后很快就有了科学的进展。比如天文学——当年什么第谷他们做这个事情做记录，然后很快天文学有大的进展，大家对于什么日心说、地心说开始争论去搞这些，后面就出现了第一次工业革命、第二次工业革命对吧。这些工业革命的发展至少从时间先后顺序上，是在书籍的传播、印刷术之后的两百到三百年，它会有一个很大的这种进展。如果我做一次这种类比的话，我觉得AI能力边界——大家会慢慢地进行使用，很多人借助AI去思考的能力会变得特别强，可能会发现一些之前人们没有关注到的问题、或解决一些在技术科学家领域上解决一些之前没有解决的问题。有可能会带来一次比较大的这种科学技术或者是整个认知的大的变化。但是这个过程中我相信肯定有很多的低垂果实。我记得当时我们在聊范式转移的时候，好像比如说天文望远镜出现，你其实有手就行——你只要知道天文望远镜，然后你使用天文望远镜，你去多看几个星星、多记点数据，OK你可能在天文学界就大大的有名。我觉得有可能后面也会出现一些类似于这样低垂果实的机会——当有一些东西涌现出来之后，你可能包括像当年什么相对论、量子理论出现之后，研究这个领域各种各样的机会给你去写，你稍微——要不然你就是大牛了。对，我觉得可能AI后面也会对吧。这是我的一些对这个问题的大概的一些看法。
董真 1:03:44
但是总体再归纳一下：前面在讲这种保守、然后包括AI它现在——我认为AI可以做的这个事情有可能最终你还是要回归到自己的思考本身——就是你还是要解决自己周遭的问题。如果你的思考到了这儿，AI可以帮你把思考来扩展。我感觉可能会类似于从个人的兴趣出发。因为我觉得有可能大家会容易高估短期的发展、会低估长期的发展——就是在短期内你会发现通过AI解决一些你自己日常的问题已经——我理解可能已经比很多人用得更好了。我自己最近半年用AI最好的经历就是关于一些投资的想法跟AI去反复的讨论，我觉得确实给了很多非常棒的建议。我觉得这些可能就已经能做到了。包括对一些问题的分析——突然今天遇到什么问题、你在心情上有一个什么样的大的变化，你交给AI去聊一聊，我觉得他给你很多建议。我觉得这个事情如果你能够用好，然后就不完全听他的吹捧——你意识到他什么时候可能在吹捧你、在捧你的臭脚；有时候什么时候他可能突然一下子降智了，你可能得想想办法换一个模型再问一问、再聊一聊。用好它，我觉得这个事情可能会比较重要——就解决自己周边的问题。反正我现在可能作为一个保守的使用者来说，还没有想过用AI去像世胜那样解决改变世界的这种问题，但是我觉得可能世胜本身已经碰触到了这些问题的一些边缘，你无非就是用AI再往前再走一步。对，所以我个人觉得这种保守有可能是——就对解决这些问题来讲，可能你还是要更关注的是所谓的这种真问题、或者是你真的对你造成困惑、你身边的这种真实的事情。对我大概是这样想的。否则对，我就不客气你刚才说了这么多。
奥德赛 1:06:11
你刚才说AI在放大或者是在帮助你思考，然后有时候最起码你做很多事儿。我刚才问你那个问题他还是让我疑虑：如果他能帮你这么多，但是如果几年前你跟他聊的时候却不能改变你比如说不买英伟达的决策，那么他真的在帮你思考吗？还是说他只是在整理你的偏见？他没有颠覆你的偏见。我先问一下培才跟世胜看他们的观点。培才跟世胜，培才先来：如果你三年前你有现在的比如说Claude或者专门来的智能水平这样的一个对话助手或者是对话对象跟你交流，你觉得你有可能买英伟达吗？重仓英伟达？
培才 1:06:58
我觉得答案还是否定的。我觉得在英伟达的问题上——是不是Claude能帮的——我可能对这种我觉得我现在回过头来，我觉得我当时做出了最重要的不买入的依据是：因为我觉得当时英伟达可能会沦为大模型的——权力会在大模型的厂商手上，而不在英伟达手上。因为大家我觉得当时可能就觉得ChatGPT会一家独大，对，所以当时说就认可了，还去买微软。我觉得那个时候即使有现在Claude的帮助，我觉得他应该很难给我一个很准确的预测，说OK ChatGPT的领先优势是短暂的、然后后面会有各家大模型的纷争、然后为了竞争大家都要去买很多英伟达的卡去竞争、然后实际上英伟达会获取权力的中心节点，而不是这些大模型的厂商。我觉得这个预测我不认为有了Claude的帮助他就能帮我推演出来，而且我也不太甚至能让我信服。
奥德赛 1:08:29
对我觉得我至少在目前——因为我觉得我现在跟AI的很多的——等一下，我问一下世胜，不用展开。世胜你？
世胜 1:08:50
OK我觉得我的答案可能——三年前如果当时认真考虑这个事情，事实上我真的没有认真考虑这个事情。而现在我觉得答案也不会变化——就现在即使有Claude的帮助，除非——三年前我忘了，我们去看数据，如果三年前是特别低，我记得之前矿潮砸完之后英伟达价特别便宜，可能因为便宜可能会改变。所以如果我有问题是假设三年前可以有像Claude或者Claude Code这样一个对话对象、其他东西都不变，你只是能跟他交流而已——我现在也觉得不应该买英伟达。所以三年前我感觉还是不应该买英伟达。
奥德赛 1:09:45
我还是想问董真那个问题。我的困惑在于说，我会觉得如果他真正在帮助我思考的话，我觉得他是能够改变我的行为轨迹的。假设说我穿越回历史的话，我不代表百分之百，但是它会增加我改变行为的概率。而且甚至现在我在不断地想着——我觉得这是我这几年都在想的一个问题——等于是我不是说改变英伟达证券具体的事儿，而是说以后类似的事情我怎么解决。我在不断地试图在打造这种所谓的语言思考工具。我会觉得我不想再犯类似的错误。我觉得英伟达实际上我不理解的点在于说，我当时不知道、没注意到的点有两个部分：第一个部分是纯粹说，真的换一个领域里面有太多层知识我太难获取到了，现在AI你真的想知道的话可以很好获取，这是纯粹知识的部分。第二层是思维——少了一个激励结构或激励机制的部分。但是会觉得用一家就够了，但是没想到就等于是其实会有每个互联网公司都要练自己的模型，哪怕他不赚钱都要有自己的激励结构，其实是没有考虑到的。所以我觉得这两个对我自己而言，我觉得用AI的话，可以下次再出现类似的东西的话，我觉得可能可以改变我的行动。这是我自己的一个回应。我觉得每个人都不一样。然后我如果再多说一句废话的话，我非常认同董真说的——就是自己犯一个错感受非常的不同。然后但是我脑海中有一个矛盾的想法就是：查理·芒格会说等于是聪明的人会从别人犯错里面学习，但有可能别人犯了1个错误不等于自己犯了1个错误，别人犯了10个错误100个错误也许这学习效果等价于自己的一个错会不会这样呢？我想听听董真的感受。你的过去有可能被改变吗？假设说存在另外一个思考的方式或者思考的工具或思考的某种东西，还是说你一定要犯错、路径固定的有没有AI都一样？
Nan（主持人） 1:12:24
我没听见董真声音，是我掉的吗？我这里好像也听不到董真的声音。我打一下字。
世胜 1:12:34
我刚才跟董总说一下，我先问你一个问题。我今天刚好跟陈瑜跟师兄我们三个聊天的时候，我们在讨论一个问题：你说在目前的竞争格局下，你会觉得Claude会是一个值得投资的对象吗？
奥德赛 1:12:59
我想一想。我自己投我觉得分两层。第一层是现在，对吧，我买东西都是挑便宜的时候买的，跟大众不太一样——你看我买特斯拉、买比特币或者所有东西，大家不是太追捧它的时候买。Claude像被追捧的——上一轮估值3800亿美元，现在有人号称8000亿美元去买它。他当然比OpenAI好像各方面——OpenAI各方面数据比如说日活不如Gemini，然后年化收入不如Claude，然后各种方面都出现各种各样的问题。但是Claude好不好分两个层面：第一个层面是你有没有更好的标的——我这个是标准投资逻辑；第二个我们看它本身，是不是有我们之前说的好公司的特点。我觉得如果说到第二个层面，它里面好公司的特点我觉得隐隐是有的。好公司特点我自己的感觉是：第一个是有一种操作系统的特质，它在冒出来——等于是世胜用Claude Code或者是我用Claude Code这样东西，就是明显的——等于以前人是借助浏览器以及浏览器插件去作为一个入口去访问整个世界；然后Claude现在变成了——就等于我现在做任何事情我网站都不看了，我都是通过它然后直接把东西给搞定。然后我阅读、然后甚至生成处理，它对我来说是一个非常直接的操作系统。这是一层——操作系统雏形有了。
奥德赛 1:14:57
第二层是我们在讨论一个正反馈循环。正反馈循环就等于是它的迭代速度是不是——摩尔定律是在强化它，而且它迭代速度本身就比别人更快。我们其实之前说特斯拉的一个特点就等于是它迭代得更快，所以你一直看见他做过的事情你总是能够比如说中国车企会比它做得更好，但它就是迭代比你快。迭代得快的话还是跟组织架构、跟各种人有关的。Claude的话在——因为它竞争对手没两个，xAI看起来它的GPU非常庞大、非常厉害、硬件工厂很强，但是它本身内部的迭代速度基本上都无法迭代了，创始人都全部都走光了。然后没因为这个东西不仅是硬件，还要思考、还要迅速，它这种迭代速度还需要企业文化——我们暂且叫迭代速率——它跟企业文化跟各种的又有关系。Claude又是在这个领域内做得最好的，甚至没有之一，而且它竞争对手没有几个。所以从所谓的软件平台或操作系统这个角度来说，Claude我觉得很不错。第二个从迭代速度来说，我们看过去一个多月Claude的各种推出各种东西——比如说推出一个功能就一堆软件公司一堆公司股价暴跌。我觉得很有这个样子。从这个公司我觉得它是现在有雏形的里面，我觉得是一个非常清晰的甚至来说可以叫很好的公司。但是说这个价格以及这个时机的话，我觉得何必现在去追捧，我心里还是有一点点小疑虑。我大概是说这两层。
世胜 1:16:50
所以你的答案还是不会投，是吧？你觉得即使跟当时一样换一个时间会投、换一个估值的时间回头——所以是一个估值不够便宜的问题？
奥德赛 1:17:04
对，我不喜欢带大家捧的时候买而已。这个公司是我会投的公司。
世胜 1:17:16
其实我觉得你跟英伟达那个问题的时候，我觉得这个地方有一个同构性：就是为什么在3500亿美金的时候你没想到就要去买它？会不会有了Claude的帮助你会在它3500亿的时候去买它？我觉得这个可能性会大很多。对英伟达这些决策——你认为你对英伟达当时没有买只差了临门一脚，然后Claude是可以帮助你把临门一脚的未完成的补上。但是现在Claude可能哪怕后面证明买是对的，现在你可能也距离那个角色差得很远，是吧？
奥德赛 1:17:55
Claude他是我觉得主要是估值。因为我对Claude还是相对了解，比如说我还是做了一些研究，比如说Claude的权力架构非常漂亮——比如说OpenAI的GPU基本全部是英伟达的，它是依赖于英伟达的训练跟推理，不完全依赖但是基本依赖。Claude在训练端就已经三权分立了——就有点是它用亚马逊的芯片、用谷歌的TPU、然后英伟达的一小部分，它不受制于任何一方，所以它可以找任何一方要非常好的一个价格。它底层就开始重构，然后推理端也是。每一层它有一种天然权力架构的高度敏感性。这是一个在权力网络占了一个很好位置的一家公司，而且现在表现又很好，只是大家都很吹捧它——就这不是一个我爱买的时间点或者一个估值的时间。
世胜 1:18:55
是吗？我怎么感觉现在更多的人可能还是觉得OK这是个竞争未分，Claude进来这个都还在竞争，所以这个时候买入还有很大的风险。我觉得更多的还是这个层面。我倒没有觉得更多的说OK大家已经确认Claude就是未来的胜出者。
奥德赛 1:19:14
3800亿美金而且大家抢着买，而且他包装了他一点点股份的ETF还是什么的给出了12倍以上的溢价——这不是抢是什么？我不看别人怎么说，我就看别人怎么做——别人给出12倍的溢价去抢他一点点份额，我觉得这个太疯狂了。我不想说等于是OK别人的疯狂给他一个更高估值，我也许——假设说我的理性给他一个高估值，我不想把这两个东西对等。我希望别人不要疯狂的时候我去买。这是我自己的一个偏好安排。
世胜 1:19:55
师兄好像有什么话要说，我插一句。OK因为我等会马上撤。今天就是说OK我们自己我们觉得Claude目前感觉它确实找到了一个所谓的很好的甜蜜点。所以综合刚才的观点，我觉得有几个事情结合在一起当然做得很好。第一个就是所谓的甜蜜点从哪里来。我有点感觉就是说——像刚才培才说的，现在AI的边界这个事情涉及到定义问题。我自己在去做包括高尔夫书中的东西的时候，包括最近在跟看看能不能去证明一些定理的时候，我觉得第一步确实AI现在上传的人什么问题都并不清楚对吧，可能不管是人或者是你得让AI理解这个问题对于本身。第二个就是所谓的有比较强的约束。像我去做数学题目的时候，我现在就想一个办法让他们做——就是用类似数学证明系统或者程序的方式来做约束。
世胜 1:21:19
Claude在目前这个发展——很困惑他说持续工作的方案——就有点所谓甜蜜点，就结合这几个方面。比如像coding这个事情其实可能应该算是一种定义比较明确的，因为我们这个行业发展了很久了，所以还有很多所谓的KPI的东西定义比较明确的东西；然后又有很强的约束——因为你程序好不好不光是说执行效果怎么样，程序员就天天帮你盯着；然后约束性也很强；然后也算是一个低垂果实。所以我感觉现在Claude就是持续地在这种——定义明确、约束很强的低垂果实——包括比如说我们看到的比如说像coding、像他不是把SaaS还有安全国家持续地工作，这些领域就有点像甜蜜点。但你对应的商业来说，我觉得历史上有很多公司在短期因为他找到了他的甜蜜点就特别牛逼。比如说电商或者什么短期发展特别快，我记得还有一些比如像当年搞P2P的金融的它短期找到了，或者像傅盛的什么DD应该是他做安全类公司，他就找到了一个手机清理大师这个点之后疯狂发力，就增长极快。
世胜 1:22:36
其实我也在想这种能力，根据小奥这样说，好像这种能力可能是内生于它的组织架构和权力结构的，也许还真能够持续。但是好像这种能力真的能持续这个事情，我其实还是有一点怀疑的——就是对它短期的这种找到甜蜜点之后把它估值搞得爆高，然后长期来说这种能够持续地找到这种领域吗？我其实有一定怀疑。比如你像前几年你看Google之前其实像确实我们这套架构所以不过他们也搞得挺好的，但是感觉在最近讨论的事情上，我感觉是有点像找到了一个甜蜜点也牛逼了，但是他好像也很难真的就在这个事情上——因为找到了若干个低垂的果实就建立起长期的优势。我们今天好像讨论起来，我对他的——但一方面是估值确实很贵，一方面如果它不贵，那么它这种能力真的是能够长期持续的吗？也许下一个这两天Claude又找到什么，DeepMind又找到一堆甜蜜点起来了，会不会因为大家又把热心转到那边去了？我补充一下，谢谢。
奥德赛 1:24:08
世胜要不然可以先退了。我前面跟董真我们是聊到啥来着，不好意思，我记性不好。我们就是在聊关于回去之后能不能买下英伟达的决策，你觉得会存在改变的那种方式，或者是你会想要自己现在跟以后做点什么从而让类似的东西你是可以改变的吗？
董真 1:24:30
我觉得我现在想这个事情，如果说单纯你问我这个问题，我理论来讲我想回答的应该是关于思考的方向：就是如果我最近在关注这个领域、然后这个东西如果进了我的视野、借助AI工具的帮忙，我有可能能够买到它。我觉得这个事情如果回去这个问题AI是可以帮我解决这个问题的。但是我觉得AI没有办法帮我解决：如果这个事情本标的本身就不在我的兴趣、我的视野范围之内、或者我思考的方向就不在这里，他可能就帮不了。比如说我有一个红外线的夜视仪，我一直在往东北这个方向来看对吧——这里面有老虎狮子我可能原来我看不到对吧，他躲在丛林里，现在我借助夜视仪我能看到——我觉得他可以帮我打到他。但是如果我根本就没有想过到某一个森林里面去观察，即使我有夜视仪我可能也不会找到老虎或者是狮子。我想描述的可能是倾向于这个事情。
董真 1:25:40
然后我刚才其实你在问问题的时候，我想到的是另外一个事情——有没有我觉得你问我这个问题很像当年问我关于看到特斯拉宏伟蓝图这个时候要不要买。我在想——我在拒绝，我这两次回答都是不会。我在想我当时在回答宏伟蓝图的时候有说我有可能有一个偏保守的倾向：就是我从保守来讲我不想后悔，就这个事情我在想这里面背后是不是有我自己自我认同的一些成分在里面，有一些心理因素，就是我不希望自己做的决策是后悔的——后悔如果我可以带着什么的记忆重生到三年前或者什么时候我就能做得更好。我不知道这里面会不会掺了心理的因素。但是我现在如果思考的话——我是前面回答当时我可能没有再关注英伟达这个领域。然后或者是当时我觉得如果你回到当时的话，我觉得那个时候我还在crypto这个行业研究的比较多，在B站看的比较多，然后对王川比较崇拜，其实就是跟着王川的研究结果在操作。我觉得那个时候是很难、可能是比较难具体的关注到这几个标的之间的对比、真的做出一个投资决策的。当时我自己的思考的能力或者是看问题的视角我感觉是不够的。
董真 1:27:13
好，我再回应刚才小王说的估值的问题。印象中英伟达——你是我先问你一个问题：你是觉得你关注英伟达并且现在后悔当时没有买，大概是在什么位置？什么时候？是在ChatGPT出来之后吗？还是在ChatGPT出来之前？
奥德赛 1:27:34
我觉得应该来说我们不是有一期博客就讨论——当时讨论的标题应该说是台积电、英伟达跟微软买啥，对不对？回到时间点，我觉得如果你是那个时间点应该是GPT出来之后刚出的时候，就是3.5然后那个时候应该是GPT-4。
董真 1:28:02
对，但那个时候你去看，其实英伟达已经被市场吹捧得很厉害了。因为我印象中英伟达当时已经是很短期之内都已经涨了差不多有两三倍了，也是当时被市面上非常追捧的公司。你怎么来看——你会不会到底会不会还是会有这个问题：你觉得英伟达现在关注度太高了，我不太应该去介入了？
奥德赛 1:28:35
你这个角度说得很对。这个时候我觉得他关注度就——大家关注的量级跟他实际的量级之间我觉得有个谜可能存在。我们事后诸葛亮——毕竟现在可能存在一个相对明显的差异。大家关注度高可能那时候是因为AI所以上升，有点像iPhone发布的时候苹果股价马上涨了10%。但现在去回望的话，我觉得一个很关键切入点就是刚才说的——大中小型的互联网公司全部都要有自己的模型，如果是这个观点介入进去的话，是可以大致算出训练需要的显卡，是在显卡需求是第一点。第二点的话是就我们读的那本书《龙卷风暴》，龙卷风暴的意思就等于是大家有多少买你多少，这样子的话它可以有一个更数学一点点的基础。大概你可以算得出英伟达的销量、利润，然后甚至在这个时间可能还会强化到了其他的东西。这个部分——当期权只要是前两个部分就是销量和利润——我觉得进入以后算一算，应该还是可以得出当时的估值是明显会偏低，但偏低多少不好说。你不可能用现在的估值去预测。我不知道我这样讲会不会清楚？
董真 1:29:56
我觉得这里面还是有——一样你在Claude上其实碰到的问题是同步的——你怎么知道它的Claude不好算？这就是你如果是未来预测，你比如说Claude真的是一个新的操作系统、也可以取代掉很多传统行业的话，其实你也能够给他一个很高的估值，就有可能他对吧——你打下一个传统行业有可能它的比如现金流就翻倍什么之类的。我觉得这些还是会有这样的一个计算方式。我觉得有点困惑也是在这里——其实我觉得对一个估值进行判断、甚至对情绪进行判断，我觉得都挺难的。我觉得如果说回到英伟达那个时候，我觉得你其实是挺难去预测英伟达到底能卖多少显卡的——因为你其实没有办法去预测。就算你知道OK各家互联网公司可能都要买卡，但你怎么能预测说买多少？你完全可能很难想象说马斯克搞了个新公司叫xAI买了5万张卡，我觉得这个完全不在——只能从后世的角度上它发生了，但是在那个地方这是能够算出来了吗？甚至你当时比如说美国又在禁止中国的这些，你怎么估计说到底阿里腾讯能卖多少对吧？这就完全——
奥德赛 1:31:30
OK我认同你的观点。我刚才那个观点就是说，只想在大家可能都不追捧的时候买——我觉得我的观点需要修正，或者说刚才就说错了。但我扔出一个新的论点——怎么说现在会不会说也许处的周期相对不一样一些：现在可能更高概率会碰到比如说假如说OpenAI就过两个月就挂了这个可能性，那个不算小对吧，它融资节奏跟它开支节奏以及被Claude冲击的节奏对吧，会不会说其他的公司包括Claude它结果变成两种情景变化——第一个是他的市场占有率会明显变得更强一些；但第二点是融资环境会变得更紧一些。这种时候买那不是更合适吗？假如说是这样，等于是它处在一个更现在处在一个周期更不稳定的时候，我隐隐有这个感觉，不见得是对的。这个是不是可以构成等一等再看的理由？
董真 1:32:46
OK，我觉得这个问题我也没有答案。这个所以我只是觉得纯粹你现在——我坦率地说我觉得你现在去觉得有了Claude的帮助能够在当时买出英伟达的决策，我自己是觉得是有一点点后世的。我不知道，但这是我的感觉是这样的。
奥德赛 1:33:16
我不敢说一定，我只是说改变了概率——我形状概率是变化的，而且我在努力在变化这个概率。包括董真刚才说就等于是你好像只往东北角看，你其他地方你都不知道，你不知道自己不知道什么。我觉得AI其实——我不敢说它让我变成全知全能，但它其实比如说你换一个问法就可以得到很漂亮的结果。比如说我跟世胜经常提，等于是你可以用MECE这个词对吧，MECE就是咨询行业用的"互相独立完全穷尽"——比如说你用MECE的方式把这个世界上所有的地形图、所谓的地形分布告诉我，把比如说甚至来说你用DAG的形式——就等于是这个也是计算机一个术语，大概就以每个步骤清晰的给我呈现出来，等于是比如说产业链上所有相关的公司跟资产全部告诉我——我是相邻的产业有可能会卡着他的关键命门的点也呈现出来。我不敢说它百分百消除了盲区，但是它很大地扩大了视野，甚至来说有扩大到就类似你一开始没有注意到那个部分。我觉得他可以有这样的放大部分。
奥德赛 1:34:38
所以拉回刚才说的——回到三年前买不买英伟达？我不敢说我一定能买，我只是说因为一定有现在事后诸葛亮的偏见，但我会觉得对我来说有两个部分：第一个部分是我觉得一定是很大程度上去改变了我当时决策的可能，这是第一点。第二点的话我觉得我这些年的所谓犯了错误以后，我不断在做这种不断反思的事情——就是我怎么搭建一个系统不让我再犯同样类型的错，而不是仅仅是这个错，我不代表一定不会犯。你刚才说Claude的估值在便宜的时候买的确是我的一个习惯，但我去追大家都追捧的时候买——我承认在投资中是可行的、合理的选项，但是我我说真的我的保守就在这方面。大家还有啥想聊的？
董真 1:35:54
总之我也没有。我就想问的另外一个问题：如果你觉得有了Claude工具的帮助，你可以买到或者是有更大的概率买到几年前的英伟达，基于当下你觉得你有在跟Claude在讨论在买什么样的公司吗？
奥德赛 1:36:11
我昨天大概是这样子的——我只是聊到一个点我还没深入。怎么说呢，按照AI向上的、对电力需求的一个增长，就整个地球表面的电其实不见得多够用。那么有地层深处——就是地热的点，它比地球表面太阳能这个点还要再高一个量级。而且AI用电很挑——风能跟光能其实是不稳定的，它其实不太爱要——AI用的电池搜索到就是小型核反应堆以及地热能。Meta跟Google他们其实投了这方面的公司。但是这方面的公司我简单地了解的话，是发现它可能整个是有100倍的增长，可能在10年内。然后这里面的话又非常符合AI的这样爆炸的一个需求，而且它刚好大家都知道现在能源是一个卡点。但是这里面的公司的特点——我去研究了其中一些公司——我有点没把握或者说还要深入研究的地方：有的公司它看起来像台积电一样有点壁垒——壁垒的话你随着规模扩大你一定要垄断能力增强。它的壁垒就在于说它好像积累了更多跟——还有一个很重要的特点——它还有莱特曲线，它有30%的学习效率——就是什么意思，当它造更多的这种地热能的这样的一个电站的时候，它越造越便宜非常便宜，就跟锂电池过去几十年生产一样，跟光伏电池板价格下降一样。所以这个东西好像是一个非常有潜力的东西。但是会在——第一点我没有完全深入的确认，但是我觉得我跟AI可以做得到这一点。第二点的话他碰到一个预测未来的东西——就是当市场扩大100倍的时候谁的垄断在加强？谁的壁垒能持续？我还没有确定。这是其中探索到一家公司了。这家公司完全是用地毯式的搜索去找到的，我之前对这方面的领域一点了解都没有。对怎么样地毯式搜索到这一步，我就先不展开，因为不是保密而是大概MECE这样的方式。然后已经聊了90分钟聊得有点多了，我这样的回应还OK吗？还是要我再丢更多了？
Nan（主持人） 1:38:35
好了，我们可以埋一个伏笔，三年以后再来看。
Nan（主持人） 1:38:51
好，我们今天就到这。谢谢我们几位嘉宾的分享。我们今天感觉聊AI的能力边界，更多的会是落地到AI使用者的边界。从目前整个趋势感觉AI的发展可能会远远超过大部分人的想象的，所以对于我们大多数人而言，更好的方式其实就是保持这种开放的心态，然后从尝试解决自己的实际问题开始积极地去使用AI。今天差不多就到这里结束了。因为中途会有听众朋友申请发言，我就跟大家解释一下：一般直播期间我们会尽量把时间留给我们台上的嘉宾。感谢大家对于我们节目的喜欢。如果大家对于我们这期的话题同样感兴趣，可以以文字评论的形式加入到我们的讨论之中，可以选择在我们的推文下方进行留言，或者是加入到我们的DC（Discord），在自由交流频道发表你对这个问题的观点和看法。我们今天就到这里结束了，再次感谢所有朋友们的倾听，我们下期再见，拜拜！