本帖最后由 aka000 于 2026-1-19 14:29 编辑

上一个帖子讨论了一下25年赚钱小门路，今天我就直接戳穿AI的真面目。
先叠个甲：非985、211精英，我只是个破二本，刚好在华为那边学习。计算机科学专业，跟计算机各个分支都打过交道（真·全栈），报过班学过中端技术，因为技术不行卷不过屡次被优化。我的个人见解如果不合真大佬，当我放屁吧。

问：AI到底是什么？
答：AI是人工智能，目标是以人的思考方式模拟人的行为。在未来，将会代替人进行复杂的脑力或体力工作。
问：AI可靠吗？
答：目前来说还不咋地。毕竟AI是依托人的现有知识面进行解构重组，在思维方式没任何创新的情况下，不可靠。
问：AI会取代人吗？
答：取决于对象。如果是中级及以下技能的人来说，一定会取代的，资本家也不想多雇一个人；如果是头部专家，永远不会取代。毕竟AI的目的是代替人，而不是人造人。

我不喜欢贩卖焦虑。这个是我自创的三元问答，其实也是帖子表达的核心思想：AI这东西是一把双刃剑，取决于用的人怎么用，如果是傻子，那他只会当成神器去膜拜；如果是勇者，他会去讨伐恶龙。但目前而言，AI显然被某些人神话了,下面就让我进入正题.
AI起步阶段分为：暴力穷举、优化算法、决策树、模型比对、神经卷积、多模态。用人话讲就是：
      1、我下围棋，机器人从围棋图谱中找个和我风格一样的比对。我学围棋用这招，巧了，机器人翻开图谱，开挂秒了我。什么？机器人找不到这个图谱，高手啊！机器人耍赖，它不走了……（当年FC时代那个下围棋的游戏）
      2、我开导航，AI根据A到B点,给我三种选择:少红绿灯但是绕远路（深度优先）、路程最短但不保证可靠（广度优先）、上高速然后国道再转高速（最优化图），如果哪个缺德在高速施工路段跨行，污染了算法，那恭喜你^-^(致敬缺德地图).
      3、万能的扫描王啊，这有一份领导手写的报销单，请帮我转成文字吧。什么！锟斤拷……(致敬早期ORC，因为样本数量少，被逼从谷歌验证码买数据模型)
      4、请选择是“魔法少女”的图片。选择有：小樱、伊莉雅、远坂凛、马猴喝烧酒、鹿木园子、丘比 （致敬谷歌的抽象验证码平台）
      5、各种免费的翻译软件，当下载了离线包开开心心去旅游后，嫌弃你的口音不正老是翻译不了，被逼无奈买流量包才正常翻译。（神经卷积网络的局限性，手机SOC性能运行不了）
      6、“你是个XX，你对XX十分专业，现在请帮我分析XXXX,要求xxxx，并用XX字进行简短回复。
所以，问题来了。每一次的科技进步，总是带有点小瑕疵，而且每一次进步的缺点完好无损的迭代到下一个版本之中。现在是26年了，以上场景你依然遇到，只是主流叙事都是AI Agent 解决万能。大企业也不是傻子，百度这种出了名的，起了个大早赶了个晚集的大厂，早在08年就研究AI，还是到第五阶段。最近大火的marus，都是百度玩剩下的，再不济，携程系靠这个配合爬虫和大数据，精准杀熟+铁道部抢票，一张200的票能给你弄出1000还是无座中途下车。大公司玩烂了才丢出来让我们开开眼。

说重点，现在的AI怎么样。现在AI其实就是赛博产品，大公司训练出来的超大模型，通过类似淘宝竞价的模式贩售解决方案。训练用的金铲铲（英伟达牌）其实是淘金热下人人必备的”牛仔裤“，坏的差不多了丢给垃圾佬折腾，最终还是回归3A。如果有富哥充值最高档次的AI会员，随便聊聊天，你就会发现豆包的数据源和CHATGPT差不多一样，文心一言部分数据引用也是美国那边训练的，明牌的华为早就被爆料直接抄袭，区别在于什么？在于这些都是造壳子的。就像造汽车，一群杰出的工程师在60年代就把轮子方向盘传动轴造好了，阿尔法狗弄好车载电脑，ChatGPT装载发动机，deepseek加装了插混模块和电池管理系统，sora弄了个车载大屏，claude负责倒车雷达和辅助驾驶，然后文心一言、豆包等国内AI装上冰箱彩电大沙发，车标换自己的。国外亚马逊、微软、特斯拉等老品牌一看不行，这样显得自己很low,收购不了国产汽车，那我把你的中控版收购了。
说白了，各家都有自己的看家本领，但是汽配厂不能生产整车，所以通过挂车标的方式卖自己的车。但汽车不能没油啊，所以国内有新的AI园区，负责买炼油设备（算力卡）炼油，发掘新油田（数据源），有时候大企委托开发油田（某些机密数据或者核心学科）。这样车才能跑得动。如今订阅的那些满血AI Agent, 其实就是租保时捷加101号汽油，能炸街，但是这条街都是富哥的时候，保时捷就不重要了。
有些AI根本不配叫AI,就像保时捷和小米SU7。我见识过一种AI，你换着法子问同一个问题，它永远只给一种程序化答案。有些AI本质上就是调用老掉牙工具，也就是模型比对那个水平。所以大家大可放心，能影响你的只有高级AI，不对外公示，都是大企业的宝贝疙瘩和摇钱树。如何分辨？想想我上面举的例子，有6种毛病，就说明这玩意就是降智版，都是开源项目装配在自己的车子上，能动但不保证交通事故。降智版区别在于犯多少个毛病。
大公司早在10年左右就对AI炉火纯青了。你大名鼎鼎的淘宝拼多多，早就不用大数据干龌鹾事，都在你手机里内置一个小型AIAgent（调用手机AI助手，特别是小爱同学和siri）获取偏好，联网到主脑找商家要优惠劵，高价低价吃差价吃出市值百亿。什么狗屁活动，那都是骗你玩的，摄像头情绪分析啥的早就把心里小九九摸透了。包括客服机器人，成熟方案。你不信，去淘宝调戏客服，有些客服真的比人还真。
目前AI服务于互联网财阀，阿里系、腾讯系、百度系、字节系、讯飞系，当家AI都在拳头产品上应用，就连米哈游自己都有AI（貌似代号fairy，负责人物动捕）。私有化算法术业有专攻。所谓的AI，说白了就是先进的算法+模型，解决当下的问题。所以，少看点AI神话吧，你看到的那些都是人家训练好的模型，卖奶头乐罢了。人家看门本领怎么可能给庶民看看？
对于我们普通人，如果你的老板有米，完全租的起保时捷911，随他便吧。如果你是中高层领导愿意当底层牛马，又或者爱付费上班，可以考虑租凯美瑞然后摸鱼.当你已经是专家学者,从事科研工作,租不如买.真的别怕AI洪流，十年前都泛滥了，怕个鸡毛。

列这六种其实是领域不同啊，比如ORC靠模式识别，围棋现在深度学习强化学习配一个检索算法，最后都是靠统计。真的路线之争应该是自下而上还是自上而下，现在吹牛的地方是指望堆极大的数据之后，自下而上型能弄出超出给出的数据范围的内容。这想法令人怀疑我觉得非常正常

现在的ai虽然还算不上成熟但是从去年ds普及了之后也算是给了一种对于传统搜索网站的一种替代方案，之前发现我父亲手机里都装了元宝遇到不懂的事情会问问他问题我就觉得还是有意义的，虽然回答专业的东西有时还是会有错误

说得这么明白, 还怎么让人家骗投资, 骗流量 ^^

确实是，就是早年的p2p骗投资套路一样，目前的现阶段AI的发展方向，是完全做不到像科幻电影看到的那样的
就像考试懵三长一短就选C一样，目前AI就总结出来高胜率的一个工具
完全没必要神化，目前不过用来资料整理还是不错的

你举的那些例子也特别戳人：导航的“缺德”、OCR的“锟斤拷”、翻译软件的离线拉胯、验证码的抽象识别，这些都是普通人每天会遇到的AI“小瑕疵”，恰恰印证了它没那么神。还有大厂早就在玩的“用户偏好捕捉”“客服机器人”，也说明AI早就渗透进生活，只是我们没意识到而已。

现在AI确实没那么成熟，但我感觉，嗯，未来可能会更...感觉不会单单成为一个普通整理工具

Edited by AIUD at 2026-1-19 19:57

看到楼主分享了这么多对 AI 的深刻洞察，特别是那个“汽配厂”和“换标车”的比喻非常有意思。作为一名从 GPT-3 时代就开始深耕的老用户（附上我目前续费中的 ChatGPT Pro 和 Gemini Advanced 订阅截图，算是交个“作业”），我也想借此机会分享一些不同的观察，和楼主以及各位技术同好切磋一下。

[查看图片][查看图片]

1. 关于“神话”与“泡沫”：理性看待投资风向
楼主提到大公司在“卖奶头乐”，这点在资本市场上确实能找到印证。那位“08年房贷泡沫的投资人”，大名鼎鼎的 Michael Burry。他在去年底到今年初（26年初）确实多次在 Substack 和 X 上警告 AI 泡沫，并大手笔做空了 Nvidia 和 Palantir。他认为这种“循环投资”会导致严重的股市脱节。

但我认为，市场的泡沫并不等于技术的无用。AI 带来的改变是实打实落地的。比如 B 站现在实装的 AI 字幕和实时配音，极大地打破了语言壁垒；又比如视频网站上网友自发制作的那些科比（Kobe）剧情短片，在过去需要极其昂贵的动捕和渲染成本，而现在一个普通人就能让想法落地。这种“门槛的降低”就是 AI 最真实的社会价值。

2. 对 AI 技术演进逻辑的补充
楼主总结的“六个阶段”很有趣，但在学术和工程视角下，它们的关系其实并非简单的“线性迭代”，更多是不同技术路径的共生与混合：

• CNN 与 Transformer： 它们是两种并行的架构。在现在的 Multimodal（多模态） 模型中，它们往往是“各司其职”。例如在视觉理解中，CNN 擅长局部特征提取，而 Transformer 擅长全局建模，两者经常被混合使用，不存在谁取代谁。
• 多模态 (Multimodal) vs 提示工程 (Prompt Engineering)： 楼主提到的第六点（Prompt）其实属于“下游应用技巧”，而真正的多模态是指 Multimodal Learning——即模型在训练阶段就同时吸收图像、文字、声音等异构数据。
• 决策树的价值： 楼主提到的 Agentic AI（如最近大火的 Manus），其底层逻辑其实非常依赖决策树式的架構。在 AI Workflow 中，决策树是保证逻辑闭环的关键，是“大脑”思考路径的骨架。
  

3. 闭源与开源的“Tick-Tock”战略
楼主担心大厂隐瞒“看家本领”，但我观察到目前更像是一种类似 Intel 的 Tick-Tock战略：闭源领先半年，开源迅速追赶。目前的竞争非常透明：

• 传统大模型： 有 Zhipu AI 的 GLM-4.7 坐镇。
• 多模态： 阿里系的 Qwen 3 VL 在视觉识别和 OCR 上提升显著。
• 思考/推理型 AI： Moonshot 的 Kimi K2 Thinking（1T 参数）已经能在长链路推理上抗衡闭源。
• 代码与 Agent： MiniMax M2.1 在 Agentic 任务上的表现也非常亮眼。
  

诚然，目前的“开源”大多是开放权重，竞争者确实只能通过“数据蒸馏”来学习，但这已经足以让中端模型普及化。真正被严防死守的顶级闭源模型确实存在（比如 Gemini Nano Banana Pro 或 OpenAI 的 Sora），但其實，真正影响普通人生活的，反而是那些已经深度嵌入工作流的中端模型。

总结：
AI 不是神话，也不是骗局，它更像是一把正在不断自我磨砺的“瑞士军刀”。我很认同楼主说的“别怕 AI 洪流”，因为对于真正懂得利用它的人来说，这不过是多了一个更趁手的工具而已。

本帖最后由 萤月 于 2026-1-20 12:52 编辑

本来说了好多…不过还是觉得自己才疏学浅啊…
就都再编辑去掉了…膜拜大佬们…

所以现在吹的牛回到大厂老本行--大数据领域


aka000于2026-1-20 12:57补充以下内容：
你这个该不是用我的帖子跑AI吧？{:7_367:}
我在里面干过，阿里系12年大数据已经往AI方向靠拢了，浪潮那时候卖服务器赚的纸醉金迷。人家就是拿落后技术改改就拿出来炫技的。
关于多模态，内部文档就解释：利用现有的知识模型进行仿真模拟，利用外部工具（手）触摸真实世界，使用预测分支判断真实世界将会发生的事情并学习，积累经验后应对相似度最高为9的事件。举个例子，自动驾驶汽车是怎么运行的？老司机预训练，直到科目二科目三合格了，进入新手实习期。新手实习期可能会出现意外事故，新手对真实路况（路怒族、飙车党、乱闯红灯的行人等）缺乏判断，需要老司机踩刹车。过了实习期，方向盘交给新手开，新手有了经验就可以直接上高速了（高速300米每秒，电子狗启动，摄像头预测，刀片超车）。{:7_367:}
说白了，所谓的专家只会告诉你怎么用工具，但是大佬只需要指点方向，成熟的AI自己无师自通，相当于IQ200的你^-^


aka000于2026-1-20 13:09补充以下内容：
别说大学了，院士都没几斤几两。
当年我给大学教授打下手的时候，就发现，你丫的用VC++写程序发论文，现在都是Python的天下了。
但说回来，AI是谁创造的？码农啊。现在市面上的那些，中国AI都是遮遮掩掩的，都是拿内部核武器无害化改造。外国不说了，PPT骗投资的。
所以别怕，AI神甫的满口胡诌只会让你更焦虑,它的知识都是从奸奇那下载的.不要被亚空间的混沌能量影响,相信神皇陛下……
未来码农的唯一出路就是，自己写AI。（好消息，现在造车门槛降低了很多，只要你看得懂行业大佬的天书论文并复现）


aka000于2026-1-20 13:22补充以下内容：
最新的发展方向是，行动上的多模态感知与操作。
好吧，我不够咖位，我只知道这玩意不是我能接触的。我在厕所看论文，想了一下，我赚够未来20年的钱，为毛要关心禁忌知识。
我列的那六中，其实是AI发展过程，是领域不同，但不纯统计。说白了，你学习英语，学习词语就是统计，学习语法就是算法，你的英语水平如何不取决于背多少单词（除非考级），而是取决于使用场景。你在小学能考100分，难道大学就一定能过四六级吗？还是看你的语法行不行啊。英语一个“get+介词” 能代表多少意思？