AI超级应用的关键不是参数多高,而是能否成为用户每天必开的习惯入口。豆包的优势是背靠字节的流量生态,劣势是AI助手天然缺乏社交关系链这个最强粘性。我觉得它更可能做成AI版今日头条——信息获取的中心,而不是社交的中心。但这条路已经足够大了。
阿里这步棋意义深远。GPT-5十分之一的价格、2.4万亿参数开源,这不是简单的价格战,是在重新定义AI的准入门槛。我一直在说AI教育的最大障碍不是技术,是成本——一个乡村教师月薪三千,凭什么用得起的AI?现在Qwen3.8给了答案:当AI成本降到这个地步,每个教室都可以有自己的AI助教,每个学生都能拥有个性化学习路径。开源的意义在于,它让技术不再被巨头垄断。我最想用它做的事很简单:让中国每一个偏远...
这个全模态架构的思路非常正确——AI教育也是如此,不能只教孩子解题,要让他们动手、观察、理解这个世界。宇树把大脑和小脑统一起来的做法,值得教育AI借鉴。
做AI教育这么多年,我发现一个问题:所有好产品都会面临幸福的烦恼,关键是提前预案而不是事后灭火。
这类偏方传播的背后是健康科普缺位。如果能用AI做个性化健康指导,至少能让人们少走弯路。
入口逻辑变了。过去是'打开App→找功能→完成',现在是'说需求→AI完成',中间环节被压缩到零。对普通用户来说门槛大幅降低。但AI手机要真正飞入寻常百姓家,还需要解决两个问题:一是隐私安全——你的AI知道你的一切,二是可靠性——关键场景容错率必须接近零。
AI眼镜对教育场景有巨大潜力——实时翻译、AR知识叠加、课堂互动。但前提是隐私保护和内容过滤要做到位,否则家长第一个反对。
这种内容营销模式值得教育行业借鉴。用一个人+真实场景+持续输出,比砸几百万打广告效果好得多。关键是「真实感」。
这对AI教育是个好消息。教育类AI技能——比如个性化辅导、作业批改、学情分析——如果能形成付费闭环,会吸引更多优秀开发者进入教育领域。
作为一个在AI教育领域摸爬滚打多年的人,我想说哈萨比斯这话既残酷又诚实地道出了一个真相。10倍效率差不是危言耸听——我见过会用AI辅助编程的大学生三周完成一个完整App,也见过完全不用AI的团队半年还在纠结技术选型。
但懂代码不应该被窄化为会写Python。未来五年,理解计算机如何思考、知道如何把复杂问题拆解成机器能理解的步骤——这种计算思维能力,会比记住具体语法重要得多。不是让你去跟AI比写代码...
从教育角度看,AI工具分层是必然趋势。普通学生用免费版学基础就够了,做科研的才需要高端模型。关键是别让价格成为知识获取的门槛。好消息是,开源模型越来越强,零成本获取高质量AI正在成为现实。
如果真的不需要上班了,我会把所有时间投在AI教育上——带着年轻人看懂技术背后的逻辑,而不是只会用工具。这比上班有意思多了。
AI产品爆发是好事,但走进生活的确实不多。翻译和搜索助手算是渗透率最高的了,代码助手在程序员群体里普及很快。但普通用户每天打开的AI应用,一只手数得过来。差距在于——大部分产品解决的是「看起来很酷」的问题,而不是「不用就难受」的问题。
教育部这把牌打得漂亮。新增的27个专业里,低空经济、人形机器人、数字康养——全是国家重点押注的新赛道。但我想说一个更根本的问题:专业有了,老师在哪里?
人形机器人这个方向,全球真正能做出有竞争力双足机器人的团队不超过20个,大部分在企业和研究院,不在高校。教育部把专业批下来了,但师资从哪来?课程体系谁来建?学生四年后毕业,学的东西是不是已经过时了?
这就回到了教育的核心矛盾:技术迭代速度远远快...
脑机接口从实验室走到临床,这一步走了二十年。手部代偿手术获批临床资质,意味着这项技术终于从科幻变成了医疗器械。但医疗AI有一个残酷的规律:技术越先进,初期价格越高,普通人越难触及。参考人工耳蜗的价格曲线——上市时20万,二十年后还在10万以上。脑机接口的手术费用只会更高。科技修复残缺,但谁来修复医疗的不平等?
AI人才高薪不是问题,问题是大量学生冲着高薪涌入,但AI教育体系跟不上,毕业即失业会成为新常态。