37 篇博文 含有标签「科技」

前几天 Meta 发布的 Muse 被内部人士曝光曾经打算用印度的 call center（电话作坊）来让真人帮 Muse 打电话。¹具体做法是由 AI 生成一个指示发送给 call center，真人根据指示打电话解决问题，电话录音会被自动转录成文字发回 AI。

在 Muse 面世前几天，这项功因为内部员工对舆论的担忧被砍掉了。

「让人类替 AI 打电话」这种大逆不道的事情，听起来当然像是会被极尽耻笑的荒唐事（当然其中还有对 Meta 劣迹斑斑的隐私「保护」传统的担忧）。但是稍一转念，这真的是一个非常合理的模式——智商超过 200 的大模型 AI 代理来负责「计划」，简单遵从指示的工作则交给使用便宜小模型的子代理（subagent），这是现在 AI 代理已经确立的有效模式了。为什么不能把打电话这样的琐事交给比小模型还要便宜的真人来做呢？如果说是出于对隐私的担忧，那么银行、政府等最敏感的部门又如何防止他们的真人客服隐私泄漏的呢？只要照着他们的管理模式，这应该也不算是一个不可能解决的问题吧。

相比 AI，人类劳动力不一定更贵。我完全没有歌颂 AI 的意思，只是觉得照此下去，AI 指挥大量人类打工，人类成为 MCP 服务器（帮助 AI 实现功能的东西）几乎是经济上的必然趋势了。毕竟人只要吃一袋薯片，就能打好几天电话，能源效率没话说。

关于 AI 指挥人类的预测，原本只是我常听见的一种「惊悚言论」，就算是相信，也没有像这次 Muse 的电话门事件一样让我惊觉预测已经到来。我问了周围的几个同事，他们倒都是非常淡定……地认为人肯定逃不过要被 AI 操纵的宿命。

挺好，看来我们都是一群非常乐观的悲观主义者。²

你是如何处理你心里非常在乎的人的呢？给他们买心仪的礼物，时常嘘寒问暖，记得他们生命中重要的日子，每天为他们祷告？

这些其实都不是重点。重点是，你是不是感觉怪怪的——博主的母语到底是不是中文，怎么会说「处理你在乎的人」？

没错，这就是我看到这段话时的冲击：

Try Muse, your personal AI agent that gets things done. Give Muse a goal or an everyday task and it handles the rest, from finances and health to shopping and the people you care about.

来试试 Muse，能替你把活干成的私人 AI 助理。把你的目标或每天的工作告诉它，他来帮你处理剩下的活，包括理财、健康、购物，以及你在乎的人。

这段文字出自于 Meta 最近大红大紫的 Muse.ai 的 HTML 页面简介，就是 HTML 文档头部声明内容大意的地方：

<meta property="og:title" content="Muse — Your Personal AI Agent" />
<meta property="og:description" content="Try Muse, your personal AI agent that gets things done. Give Muse a goal or an everyday task and it handles the rest, from finances and health to shopping and the people you care about." />
<meta property="og:url" content="https://muse.ai/join" />

「你所在乎的人」非但是要被处理的，而且还属于「剩下的活」、「每天的工作」。

• 结婚纪念日，早忘了，但到了日子玫瑰花自己就寄过来了，顺便帮你刷了卡买了老婆梦寐以求的戒指
• 孩子的生日，早忘了，但到了日子蛋糕就寄过来了，口味是根据他们平时买的零食推断出来的
• 亲戚过世了，花圈自动订好送过去，你根本不知道
• 朋友病重了，AI 掐指一算，预订了个花圈一个月以后送过去，你也不知道

「AI 来了，人还有什么价值？」这句话往往是在求职的语境下问出来的，这还是一个值得探讨的问题。但如果连自己在乎的人都要 AI 来处理，那么这个话题我觉得连讨论的必要都没有了。

对于我这样一个对隐私有一点点基本追求的人来说，看见这么多人对于 Muse 这样一款掏空你全部隐私的个人助理趋之若鹜，导致 Meta 的股票暴涨 12%，我的心理健康度也同时暴跌 12%。

看来我最好还是大量买入 Meta 的股票，这样无论涨跌我都能心理平衡，对冲风险。

今天面试来我们公司应聘的学生，聊到了 MVP 这个缩略词——不是那个 most valuable player，而是 minimum viable product（最简可行产品）。

我原以为这是他当场拍脑袋想出来的说法，原来真的是有维基百科词条的，含义也一目了然。它并不是像 prototype 那样只是展示一个概念，而真的是可以完成一个实实在在的任务，在此基础之上不作任何锦上添花。

MVP 的做法其实挺不符合我自己的一贯工程作风。我比较痴迷于搭建非常完善的底层组件，然后一层层往上构筑软件。我非常享受积木搭到最高层时的那种「呼风唤雨」的快感：

import i.have.built.everything as shuang

config = shuang.load_config()
task = shuang.create_task(config)
result = task.run()
window = shuang.visualize(result)
window.show()

不得不承认，AI 就像是个推土机。一个人最重要的是必须尽快直面现实，承认自己苦心堆起了几十年的思维和方法被 AI 彻底摧毁。比如这种自下而上的构造，在绝大多数的工程中已经被完全取代了。¹与其花大量的精力构筑功能超多，架构繁杂的通用软件，不如一开始就以需求为驱动，有一个需求就让 AI 立刻做一个 MVP。前者看似更加可靠，不过一个代码库但凡让 AI 着手修改几次以后，人就没有兴趣再坚持什么 human-in-the-loop 了，它的归宿就是被 AI 彻底接管。既然要被接管，一个个 MVP 小程序的控制和维护，就比一个被无数上层依赖的庞大的库要好管的多。

我想不久的将来，人们需要什么应用软件，就应该不会再去买，而是自己根据需求造了。也许一些复杂的基本功能还是需要依赖外部的库，不过这类核心功能恰恰都是开源居多（ffmpeg、pandoc、openssl），正好可以自由地随用随取。这样做的好处就是不需要去学习软件的使用方法（像 Microsoft Excel 里大概有 80% 的功能我从来没用过），自己做的就不会包含自己不需要的功能，遇到了 bug 也可以自己修，美哉～

我相信今后的 AI 会有一百种方式来理解你的需求：一段提示词，一张手稿，甚至实时与 AI 交流修改方案等等。但是，AI 没有办法代替你来表达需求。

这几年的黑色星期五³，我都是百无聊赖地躺在沙发上刷着购物网站，却想不出来自己要买什么。这种人在 AI 时代就是妥妥的要被淘汰啦。

最近在 Hacker News 上看见 MiniMax 新出了视频生成模型 H3。我其实一直对视频模型没有太大的兴趣，因为想不出什么很好的应用（我看许多 YouTuber 都用视频模型来做场景重构片段，算是一个比较实用的玩法了）。不过当我看到炸裂的模型尺寸（修剪量化过后的模型合计也要 60 GB 以上），反而感兴趣拿来玩玩看了。

第一个任务，就是想测试一下许多光卖颜值，毫无演技的国内「明星」们是不是可以准备退休了，遂写了一段假装一波三折的内心戏。

富有质感的电影，刻画人物内心的特写镜头。浅景深，电影颗粒效果。人物表现细腻丰富且自然，极佳演技。

一位普通的中国年轻女性，大约 35 岁，细鼻梁，皮肤细腻。她双眼看着下方，突然好像意识到了大事，内心震惊。她眼神飘忽不定，嘴角因为内心波动而颤抖多次。她张开一点点嘴，欲言又止，两眼开始翻红，眼泪湿润眼眶。她说“为什……”，然后眨了一下眼，右眼流下一行浅浅的眼泪。她连忙拿手擦拭掉，叹了一口气镇静下来。她抬眼对着镜头，说“无所谓”。她的嘴角微微抽动一下，然后强作欢颜露出一个微笑。

运镜：固定镜头，人物特写，保留整个脸部，头发保留刘海部分。

无字幕、无音乐、无文字、无水印、无标识、无卡通形象。

效果还是挺让我震撼的：这至少也能跟现在「一线女演员」的演技打个平手了吧。不过尽管我多次强调角色的嘴角要「颤抖」、「抽动」，这个演技还是缺乏了一点张力。也许提示词加一个「患有帕金森氏病」之类的能达到这个效果？¹

接下来想看看这个模型对无厘头场景的物理理解力：

一段普通的手机录像

一个 3 岁的小男孩，站在家里的木地板上，他右手拿着一辆玩具汽车。他前面放着一些层叠的物品：最底下是一支竖立的铅笔，笔头朝上站在地板上。铅笔上平衡地放着一本书，书脊上写着“天才儿童”。书上放着一颗静止的水晶球。有一只猫单脚站在水晶球上，纹丝不动。小男孩想把玩具汽车放到猫的身上，结果猫跳走了，物品倒塌在地上。于是小男孩单脚站在了水晶球的上面，另一只脚腾空，身体保持平衡。

运镜：手持镜头，包含小男孩全身和所有的层叠物品。

无字幕、无音乐、无文字、无水印、无标识、无卡通形象。

试了几次，笔头好像都会朝下。我想是模型默认我描述的那个难度系数不够拉风，自己给调过来了。天才儿童的「童」字复杂度好像超过了解析度容许范围？水晶球里的倒像感觉很酷，至少看起来跟视频的其他部分很同步。不过大问题是我让它镜头要包含男孩的全身，但实际上因为是横版视频的原因还是选择了只生成脚的部分。这要怪我不想在博客里插入一个竖版视频。

MiniMax H3 的一致性还是非常厉害的，基本上不太再需要海量抽卡²。如果生成三五个视频发现在同一个地方翻车的话，大概率就是提示词有问题，或者涉及的内容对于模型过于复杂（比如上面的演技部分）。不需要抽卡就能节约大量的电费和时间，这算是目前 AI 实用化里最重要的改进方向了。只要有想法，人人都能在家制作大片，从「自我实现」的角度看，这真是一个神奇的时代。

放眼审视如今的世界潮流，人们的生活到底是变得越来越独立，还是变得互相越来越依赖？

这个问题在我脑海中闪过的时候，我不到半秒就给出了一个显然的回答：「当然是变得越来越依赖」。需要什么东西，网购平台下单，不到 24 小时就能有人送货上门。从前大多数家庭会自己开伙，现在许多人已经习以为常地外卖或者半成品。这样的例子比比皆是。

但是多给自己半秒钟思考一下的话，「多数人的生活依赖性越来越强」的确目前的社会现状，但这非迫不得已的选择。相反，我们独立生存的可能性其实在变得越来越高：投资一台 3D 打印机，外加开源的 CAD 软件和 AI，自己就可以生产许多机械零件和工具。借助 AI，需要什么 App 都可以自己 vibe-code 出来，需要法律和医疗知识也可以了解个大概（甚至还超过了低水平的专业人士）。许多事情之前是不可能靠一两个人制作出来的，现在，越来越多一人制作的「影视大片」、「专业软件」遍地开花。

说得更白一些：大多数人在「能够更加独立」的情况下，选择了变成「更加依赖」，选择的理由就是便利性。这种选择是无可厚非的，通过建立信任，构建相互的依赖性，本来就是经济发展的本质。

一个正常的经济体里，选择「相互依赖」而不是「独立」，「便利性」应该是最主要的理由。可是最近许多事情的走向开始变得诡异起来，「便利性」作为理由的重要性不断下降，「强制性」的成分在快速上升。人们「放弃便利而选择独立性」的权利，正在被快速侵蚀。这种变化是不是有些玩家有意为之，各人心里都有一杆秤。

比如明明有可以跑在本地的 AI 模型，却因为最普通的内存条涨价三五倍而越来越买不起电脑（更不用说高性能 GPU 了）。买来的激光切割机和 3D 打印机，明明可以离线运作的，一定要上网验证订阅才能工作。最让人心生寒意的是，这些限制从一开始单纯的商业利益驱使，渐渐变成了政府的监视管控。世界各国不断有新的法律，要求各种离线的模型、设备内置审查工具，而这些审查工具自然就会要求与网络服务器连接，无法「独立」运作。

就拿最近欧美以披荆斩棘之势通过的「保护儿童网络法案」来说，民众日益高涨的呼声是「我们不懂怎么管自己孩子上网，万能的政府啊～求你让科技巨头来帮我们管」。于是，几年前 Apple 还因为「使用手机本地扫描儿童色情图片」涉及伦理问题（用使用者自己的设备做不利于自身利益的事情）而收到民意的谴责，现在群众的呼声突然变成了「恳请政府查看我们每个人的私信」。

这算是一个社会的大趋势吧，今后我们也许会越来越难买到没有监视摄像头的汽车、没有 TPM¹ 的电子设备（反正现在买什么电脑都变难了）、能自由安装操作系统的手机、不带「AI」功能的电视机……如果你是一个想要为自己保留一定独立性的人，尽早购买这些能够独立提供功能，不受远程操控的设备，尽快下载开放的软件和 AI 模型。这不是说人人都应当立即出家作隐士，而是像诺亚一样准备一艘船，免得洪水突然降临的时候无处可逃。

许多年前，Apple Pay 还刚刚开始普及，大多数商家的读卡器还只能处理磁条和 IC 芯片，并不支持无线感应读卡。

不过，我每次还是会掏出我曾经的 Samsung Galaxy Note 手机。店员看见我要用手机支付，就会跟我说「读卡器不支持手机支付」。但是我并不理会，仍然拿着手机靠近读卡器。正当对方觉得遇上了脑筋不转弯的固执顾客时，机器「哔～」的一声提示结账完成，同时捕捉对方露出诧异表情的那一刻。

那么，为什么一台老旧的，没有接触感应功能的读卡器，居然能读出我手机上的信息呢？

「任何足够先进的科技，都与魔法无异。」

这是科幻小说作家亚瑟·克拉克在《未来的轮廓：对可能性的极限探讨》中写下的一句名言。当我们对一种技术的实现原理毫不知情，却还在信任它的时候，其实把这种命名为「科技」还是「魔法」已经没有本质区别了。换句话说，如果让一千年以前的人来看我们用手机上网、通话，打印机产出画质精良的图案，飞机在天上飞来飞去，他能够想到的解释方法可能只有「巫术」这个概念。

相信「巫术」和「魔法」是迷信，相信「科技」则显然不是迷信，大多数人都是被这样教导的。但是克拉克的这句名言却戳破了这个错误的观点。迷信与否并不在于我们是不是把这种东西叫做「科技」，而是我们是不是懂得它的运作原理，而这些运作原理的底层逻辑是要经得起数学和实现双重检验的物理规律的。

如果我们现在越来越不知道也不关心被我们重度依赖的 LLM 的运作原理，那么我们其实就是活在一个充满迷信的魔法世界了。

说了半天，你关心的也许只是「Samsung 的手机到底怎么让老旧的读卡器读到信用卡信息的？」这个技术魔法背后的思想非常天才，维基百科上有介绍。可惜随着 NFC 的普及，Samsung 已经完全淘汰了这个技术，我也欣赏不到店员们诧异的面容了。

最近在论坛上看到一个报道，是关于谷歌准备进一步收紧 Chrome 的自由，阻止广告屏蔽和隐私保护插件正常工作。底下有一个留言：「所有平台都是跟踪器。」意思就是抵抗毫无意义。

这个以隐私倡导者为主体的论坛上，这条不战自败的丧气留言当然就激起许多的公愤。可是，在社会维权意识每况愈下的潮流里，要逆流战胜巨头，迫使他们改变心意，其实机会非常渺茫。二三十年前，你很难想象欧美社会有朝一日会一致期盼政府来验证每一个人的身份，只为了「保护未成年人不上坏坏的网站」。美国马路上到处安装车牌跟踪系统，有人站出来表示抗议，结果社区绝大多数人回复却是：「如果你没干坏事，你怕什么？」

在这种大环境里，请允许我选择龟缩起来。人人保护好自己的隐私和权利，其实是更有效的反抗。

反驳「所有平台都是跟踪器」的一个观念，是「每个人被跟踪的成本是不一样的」。这是一个量化的对抗游戏，目标并不是「不被跟踪」或者「打垮巨头」，而是「尽量降低自己被跟踪的信噪比」。这样去想的一个好处，就是知道「一分耕耘，一分回报」，少用实名登录查找一个关键词，平台就少知道你的一点点信息，错误率就会高一点点，它们的收益就会少点点，而你的隐私暴露风险也会低一点点。

保护和争取自己的权益，勿以善小而不为。尤其像隐私权，我觉得没有必要上纲上线成「二元斗争」。问题的关键往往不是最终的选择，而是知道自己拥有的选择权。

果然还没过一天，又来补充本人的 AI 拙见了：AI 的出现，让很多情况又退回到了四十年以前。

首先是「代码—数据」的安全模型。四十年前的 CPU 上刚开始出现「保护模式」；在那之前，电脑就是一个毫无「安全性」可言的机器。毕竟，关于电脑的最大风险就是被小偷给偷走。至于上面执行什么软件，有什么破坏性可言？

当 CPU 和操作系统经历了 40 多年的风雨沧桑，已经被历练得百毒不侵的时候，LLM 智能体又把时钟拨回了 40 年前。智能体的功能跟 CPU 本质是一样的——接收指令，处理数据。我们又回到了「指令和数据没办法区分」的裸奔时代。

想要解决这个问题，我有一些很大胆的想法，可是买不起 GPU 和 RAM 🤪

最近我在工作和个人的兴趣项目上同时用 AI 爆肝，整得都点喘息不过来了。趁着许多感触还比较新鲜，我来写一篇非常笼统的 AI 杂谈，也免得今后在这个话题上无休无止地发表拙见。

前所未有的自由时代​

AI 的横空出世让世界出现了「欣喜若狂」和「哀鸿遍野」的两级发展。人们在巨大的不确定面前，担忧和恐惧是合情合理的。不过先撇开 AI 对于劳动力市场和资本分配的影响不谈（呃，那还有什么值得谈的），如果光看 AI 作为一项技术革命的影响，我认为它给我们这代人打开了一个史无前例的自由开放的窗口期。

虽然由 OpenAI 和 Anthropic 领跑的模型是封闭的，但开放模型在性能上紧随其后。重点并不是它们性能上的差异，而是它们的互通性——所有的模型都说「人话」！把 Codex 生成的计划书，复制粘贴到 Claude Code 里修改，真人再通读一下，最后喂给 OpenClaw 实现。这种人、机器、物理世界¹之间互通性，被 LLM 直接提升到了前所未有的高度。对比一下 AI 的近亲「软件行业」——Linux 上的应用程序在 POSIX 的 macOS 上也不能跑，更不用提 Windows 了；同一个软件的新旧版本可能就不互通格式，更别提行业里的兼容性了。

LLM 的出现，让语言基本不再成为人与人书面沟通的障碍，人与机器沟通的障碍也被削掉好几个零。更重要的是，LLM 可能是科技界第一次开发出了毫无互通障碍的标准，甚至不需要什么 ISO、W3C 之类的国际组织开会。我不知道有多少人像我一样，觉得这简直是最不可思议的奇迹。

但是按照任何柠檬市场的宿命，我认为 AI 跟 Web 1.0 的互联网一样，高度的自由互通是不可持续的。这个自由的时代，我认为终究只能是一个「窗口期」。三十年之后，主要的几个 AI 各说各的「方言」，是一个极大概率的事件。²下一代会像我们怀念 30 年前的互联网一样，怀念 🤗³，会说人话的 AI、白菜价格的 Tokens。

AI 到底是聪明还是笨​

我从实际经历中总结出来的规律是：如果你只是向 AI 描述需求，你会觉得 AI 很笨；如果跟 AI 探讨实现的细节，你觉得 AI 非常聪明。

前一种 AI 的使用方法，其实容易陷入「不知道自己无知」的境况。我几乎没有前端开发的经验，所以我只能不断描述自己想要的界面，让 AI 一遍一遍地改，来回折腾其实并不算很有效率。但是到了后端，我就特别有热情跟 AI 探讨各种设计细节。我发现 AI 真的是挺⁴聪明的，跟它聊什么设计细节，它马上就能明白我的深层考量，我在这个过程中也能学到很多的思想。

这两种 AI 使用方法的脑力消耗天差地别：如果只跟 AI 讲需求（这边还不够大，那边点了没反应……），几乎不需要动脑子，当然有时候卡住了情绪消耗反而比较大；但是如果跟 AI 探讨实现细节，我觉得我的脑力经常不够用，几个来回就累得不行——因为 AI 思考的速度太快了，那种心累的感觉，就像是找了一个 IQ 吊打我的人聊天一样。

所以，我用切身体会得出了一个超级显然的结论：人用 AI 可以变笨，也可以变聪明，完全取决于他跟 AI 互动的模式。

AI 带来的恼怒​

当今社会，许多人对 AI 的出现感到焦虑、绝望甚至是愤怒，我觉得更精确的描述应该叫做「恼怒」。因为扪心自问（包括我），最直接的恼怒是来源于我们人生投资的失败——花了大半辈子听从了「学好数理化，走遍天下都不怕」这样的「宇宙真理」，结果短短两三年，积攒的编程能力、数理能力，在 AI 的面前不堪一击。今天，快毕业的体校学生不会站出来忿忿不平，水管工和电工可能还在幸灾乐祸地聚在一起吃瓜，而被长辈和社会灌输「学而仕则优」的一群人，闯过了一段又一段的考试独木桥，却发现正确的方向可能根本不是「前方」这么简单。

我经常会用不同的设备写博客，设备间的同步靠的当然是 SyncThing。不过因为偷懒，我也是用 SyncThing 来发布博客文章的。具体做法是，有两个目录，一个是草稿，一个是发布。草稿不与 CD 服务器共享，但发布目录与 CD 服务器同步。我在设备上把文件拖到发布目录，服务器检测到更新会自动 build & rsync。好处就是已发布的文件也可以随时改动，不用走 git check-in check-out 的程序。

坏处呢……就是不小心改动或者删除已发布的文章，就没了～

虽说 SyncThing 也是有备份和版本功能的，但是那都是用来事后补救的，非常不靠谱。比如最近我不小心把一篇文章全文覆写到另一篇文章上——所有的设备都瞬间同步到错误的内容。去 SyncThing 的版本垃圾桶里稍微找了一下，发现是空的，瞬间傻眼。

不过还好，我有一根最后的救命稻草～

▲ 点击上图查看我的救命稻草

在寻找之前文档的时候，我发现原来 immarcus.com 这个域名有个前世，早在 2011 年的时候就被人注册过了，后来被前主人弃养，才轮到我把它捡回家来养着。

至于它的前世——只是一个跳转页面，会自动转到 starttoblog.net 这个网站（现在已经死掉了，曾经长成这样）……这不会是神给我的呼召吧，要我继承前人遗愿，呼唤大家都来 start to blog 吗？

我现在很像手贱再去把这个域名买过来，不过我现在闲置域名实在是太多了……有哪位愿意接手的话，那个域名现在还没有人认领哦！