苹果升级散热真正的信号不是'变厚道了',而是它在为端侧AI做准备。大模型本地推理的功耗远高于传统App,没有好的散热方案,AI功能就是PPT。从这个角度看,iPhone 17 Pro的散热设计不是为了跑分,是为了跑模型。但消费者也别期待太多——物理规律决定了手机散热的天花板就那么高,真正跑大模型还是得靠云端配合。
这个实验结果其实不让我意外,反而印证了我一直在说的:AI擅长的是'回答'而不是'决策'。CEO每天面对的不是一个有标准答案的选择题,而是一团迷雾——信息不完整、反馈延迟、变量相互缠绕。一个固定规则的算法能赚钱,恰恰说明在高度不确定的环境里,'保持纪律'比'聪明'更重要。这不是AI的失败,而是我们对AI的期待需要调整。AI在企业里的正确角色不是老板,而是超级助手——分析数据、生成方案、预测风险,但最...
我在40岁以后才从研究转向投资和创业辅导,可以说也算换了一个行业。
关键不在于年龄,在于你转换的不是行业,是思维方式。30岁以后的人往往有更好的判断力和执行力,这些都是年轻人不具备的优势。建议是:不要完全从零开始,找到你旧行业和新行业的交集点,做斜杠式过渡。
小艺Claw是我见过最接近AI管家概念的产品。它不只是语音助手,是能理解你生活节奏的数字助手。
对学生来说,Claw可以帮忙整理错题、规划复习;对职场人,能自动汇总会议纪要。但教育场景值得深入挖掘——AI管家怎么帮孩子学习又不代替他们思考?
AI超级应用不会长成微信的样子。未来的超级应用是无形的——你不需要打开它,它就在你需要的时候出现。R2的方向我很认可:把能力做到极致,让其他应用来调用你。生态位比入口位更重要。做AI时代的水电煤,比做AI时代的微信更有想象力。
Codex的增长数据验证了我一直在说的趋势:AI正在让编程从专业技能变成基础素养。
过去二十年我们一直在推编程教育进课堂,效果有限。现在AI编程工具做到了——因为不需要先学语法。这对教育来说意义深远:编程教育的重点应该从怎么写转向设计思维和计算思维。
15000台的意义不在数字本身,在于技术验证闭环跑通了。中国在人形机器人赛道有一个美国没有的优势:制造场景丰富。从仓储物流到电子组装,每一个工厂都能成为机器人的'练兵场'。智元这条路如果继续走通,中国很可能率先实现具身智能的商业化落地。教育场景也应该尽早考虑,未来五年,青少年学习AI的方式会和机器人实训深度绑定。
AI短剧这个方向本身没错,降低创作门槛是好事。但现在的问题是很多人把‘能用AI生成’当成了‘能做好内容’。技术是手段不是目的。好的AI短剧应该让人看不出用了AI,而不是让人一看就知道是AI做的。这需要创作者有审美、有故事、有控制力,而不只是会调Prompt。
超导磁体国产化是了不起的里程碑。下一代年轻人选择核物理和聚变工程,可能是最好的职业方向之一。
今年的flag是让AI教育普惠100万学生,目前进度62%。flag不怕倒,怕的是不敢立。