本期嘉宾视觉设计师Lok，一个“职业生涯被AI对半评分”的真实样本——正统美术院校毕业，5年工作经历，恰好覆盖生成式AI的“史前”到“史后”。 作为与AI交集较深的职业之一，Lok的履历，从最初的普通品牌视觉设计岗，变成在科研机构里担任视觉体验师。 这是一个真实个体不断打碎自我、重建绝活的过程。从他的经历出发，我们讨论了几个问题： * 初级设计师的路被堵死了吗？ * 专业能力作废了吗？如果 AI 生成能60分凑合用、如果知识唾手可得，专业度和职场竞争力还是正相关吗？ * 千人千面的human-machine loop，AI可以是你的谁？下属、陪练、其他专业线同事... * “系统-岗位-任务”，自上而下地看创意工作的自动化（经济价值） —————— 时间轴 00:00 本系列内容立意——当我们站在AI重构职业价值的分水岭 一问：初级设计师，路变窄了吗？ 03:31 从地产公司品牌设计到科研机构视觉体验经理，真实职场里的设计师并不只干设计的活 08:25 AI辅助拓宽能力边界，设计师也能投顶会 12:33 目前并没看到有设计师因为AI被裁掉 二问：AI的能与不能？如何让自己更好地被赋能？ 14:04 初级设计师的任务已有60%可被AI替代或增强 15:32 work with AI的正确姿势，设计师从“执行者”变成“判断者” 20:15 目前AI的主要短板难是以进入传统生产工作流 22:18 AI丰富了设计师工具箱，曾经高度分化的专业线壁垒被拉低 三问：专业、专家，还有必要吗？ 24:40 AI赋能下，零门槛转行做设计师是否有可能？ 26:42 AI是一个照妖镜，“下好单”的关键是具有拆解专业问题的能力 四问：价值与意义 29:14 新格局尚未成型，AI的产出还未有稳定价值衡量体系 32:52 不断抛弃旧自己，才是职业成长常态 实用经验 36:17 写好prompt的秘诀 38:00 实用小众工具 —————— 本期推荐读物 《共智时代》，作者伊桑·莫里克 如果你对与AI合作感到无从下手，书里提供了一个框架，供参考： 对你工作中所包含的任务，进行分级 * 只属于人的任务（今天的 AI 毫无用处，碍事儿；或有版权等隐患） * 委托任务（先让 AI 干，你检查和指导它改进） * 自动化任务（你基本不用费时间检查） 协作模式（推荐第二种） * 半人马：人和 AI 有明确分工，界限鲜明 * 半机械人：两者的劳动深度交织在一起，根据技术的发展，根据个人的长短板，动态调整

AI资讯大爆炸，早知道，不如真知道。 新开一档AI新闻观察栏目，每周精选最值得关注的AI动态，尽可能为大家做客观、多维的AI趋势洞察。 以下是本期内容： 02:01 英特尔、谷歌们继续”围剿“英伟达 为何CUDA是英伟达AI霸主地位的护城河 TPU的诞生背景与发展经历 05:32 Transformer被优化：更省内存、更省计算资源 非Transformer架构的进展与猜想 Infini-attention论文原文 MoD论文原文 09:08 ChatGPT向付费用户开放GPT-4 Turbo 10:05 ChatGPT暗黑玩法Dan模式突然爆火社媒 在 ChatGPT 上，许多人开始主动追求被 AI 骂 11:17 谷歌搜索考虑对用户收“AI使用费“ 知乎AI革命：智能搜索与事实问答的融合 《金融时报》报道原文 14:16 本周一问：你今天kimi了吗？ 【很高兴认识你】 先见，必然未明。创新路上，我们一同求索。 当人们说“某人真有先见之明”时，它本身就已经是“后见之明”。任何创新，无论技术还是商业，都必须经过验证。验证的过程，往往是漫长、混乱、挣扎，充满失败的——甚至，验证的结果也可能是被证伪。 幸运的是，自人类在地球上扎根至今，创意不息，创新不止。这档播客希望发掘和记录生生不息的创新，探索创新背后的真价值，不人云亦云，不后见之明。 赛博认好友请搜微信ziyuanao。

过年期间听了一档YC集团合伙人的播客，聊到AI创业中的tarpit ideas（直译是“沥青坑想法”，意指某些创业想法看似fancy，但其实背后有种种难以解决的结构性问题，实际执行后会让你进退维谷，宛如深陷沥青坑）。 其中有一段讨论挺有趣。他们观察到当下很多人选择“摘星星”的创业方向，追求不平凡，但在这几个投资人看来，平平无奇也甚好。“Mundane is great”，“something boring can be amazing business”，他们说，尤其体现在LLM方向上，办公提效类需求非常旺盛，但收到的相关创业提案很少。 紧接着，开工首日，Sora来了，我们又被告（炒）知（作）要失业了。（如果你不是恰好在一家做视频生成的初创，大概率，今年，Sora干不掉你吧。。。 于是我想起mundane is great。咱仰望星辰也脚踏实地，概念是抽象的，体验才是具体的。不如就从用户的角度，来聊聊那些平平无奇但好用是宝、已经渗透到我日常工作、离取代我还有段距离的AI工具。 * 本期只分享无需科学上网、无需海外信用卡充值的产品，绿色无广 【本期嘉宾】 舒月 | AI圈内打工人 【时间轴】 01:35 AI产品从浅尝辄止的⌈玩具⌋，变成了每天在用的⌈助手⌋ 07:00 有口皆碑KimiChat，万能效率助手，既免费又有自行车 15:14 AI生成PPT工具，难用，但有用 22:03 AI思维导图工具有助于提升结构思考效率，但总体较鸡肋 25:14 使用AI工具，须警惕思考懒惰和信息茧房加重的陷阱 28:00 AI几乎可以充当实习生，打工人的自我降本增效 33:53 亲测最有用、最好用的几个AI产品 【对话中提到的AI产品】 ReadPaper：AI辅助论文阅读工具 KimiChat：智能助手（ChatBot） ChatMind：AI思维导图工具 Monica：基于ChatGPT的浏览器插件 Gamma、WPS AI：AI生成PPT工具 通义听悟：聚焦音、视频的工作学习AI助手 【扩展阅读】 如今AI初创企业的真相 | YC圆桌讨论 2024.2 【很高兴认识你】 先见，必然未明。创新路上，我们一同求索。 当人们说“某人真有先见之明”时，它本身就已经是“后见之明”。任何创新，无论技术还是商业，都必须经过验证。验证的过程，往往是漫长、混乱、挣扎，充满失败的——甚至，验证的结果也可能是被证伪。 幸运的是，自人类在地球上扎根至今，创意不息，创新不止。这档播客希望发掘和记录生生不息的创新，探索创新背后的真价值，不人云亦云，不后见之明。 赛博认好友请搜微信ziyuanao。

刚刚结束的极客公园年终大会上，美国工程院院士、智源研究院原理事长张宏江和谷歌DeepMind资深工程师卢一峰进行了一场对话。 谈及大模型幻觉问题的难解，张院士提出了一个被卢一峰称为“价值百亿美金（甚至更多）”的问题：Transformer是否当下唯一可靠的架构？大模型向未来发展的过程中，技术路径上还会不会有新的、根本上的变化？ 在这场对谈发生前不久，卡内基梅隆大学（人称全球AI专业“天花板”）和普林斯顿大学的研究者发布了一种名为Mamba的新架构，解决Transformer核心注意力层无法扩展的致命bug，推理速度提升5倍。论文一出，国内媒体惊呼：难道Transformer架构垄断终于要被打破了？ 无独有偶，半年多前，我们采访了一个正在研发非Transformer架构模型的国内团队，RWKV。团队坚持模型开源（RWKV已成为Linux基金会孵化项目，所有底层模型的知识产权将放在这家非营利机构），并成立了一家商业公司，做围绕该模型的微调量化及To C、To B商业化落地。 采访中，团队核心成员罗璇说，自己在与国内AI圈、投资圈朋友交流时，经常会争论几个“非共识”：Transformer是不是唯一选择？AIGC的未来就是云服务了吗？小公司能不能做大模型？ 随着时间推移，罗璇曾经的某些“非共识”观点似乎正在成为共识。在大模型底层架构创新上，除了上文提到的Mamba，微软和清华团队也在7月推出了RetNet架构；端上大模型更是近期的话题高地。RWKV自身，则累积了近万的全球开发者，与高通、MKT、英伟达等大厂展开合作（据悉，阿里达摩院近期在开发基于RWKV架构的语音识别模型）。 当然，RWKV要验证其可广泛应用性，还有更长的路要走。但正如我们节目名称想传达的，先见必然未明，生生不息的创新才是最为可贵。于是，我们特别邀请罗璇年终返场，聊聊他对大模型创业的新体会。 【本期嘉宾】 罗璇 元始智能（RWKV）联创兼CPO | 前阿里机器人产品总监 【时间轴】 02:49 “所有基于Transformer的基础设施和应用都值得用RWKV重做一遍”？ 04:13 全球顶尖团队都在探索大模型底层架构创新 05:27 Transformer有多贵、效率瓶颈有多大？谁用过谁知道 07:36 RWKV比Transformer，具体效率提升几何？ 09:24 身后站着近万全球开发者的“小团队”，成为高通端侧模型合作方 10:58 曾经被质疑“一个中国小团队做的方向是不是靠谱？”现在全球前沿研究所都在关注 13:09 Transformer的专利在商业公司（谷歌）手上，对其生态上的模型和应用公司都是风险 15:21 AI世界需要一个类似Linux的底座，开源生态上要长出繁荣的商业化 16:55 为什么国内鲜有公开讨论“Transformer架构是否足够好”？ 19:35 端侧大模型离实际应用还有多远？ 23:14 国内的AI发展其实就卡在“Transformer+GPU”上 24:58 Transformer天花板临近？PMF难寻 26:38 过去半年，看着自己的非共识逐渐变成共识 27:53 AI世界里数据既业务，应用类创业公司要自建数据飞轮 【扩展阅读】 智源张宏江对话谷歌卢一峰：什么才是大模型「皇冠上的明珠」？ 五倍吞吐量，性能全面包围Transformer：新架构Mamba引爆AI圈 被Stability AI赞助算力，被Open AI招募，这个大模型小团队是？ 【很高兴认识你】 先见，必然未明。创新路上，我们一同求索。 当人们说“某人真有先见之明”时，它本身就已经是“后见之明”。任何创新，无论技术还是商业，都必须经过验证。验证的过程，往往是漫长、混乱、挣扎，充满失败的——甚至，验证的结果也可能是被证伪。 幸运的是，自人类在地球上扎根至今，创意不息，创新不止。这档播客希望发掘和记录生生不息的创新，探索创新背后的真价值，不人云亦云，不后见之明。 赛博认好友请搜微信ziyuanao。