AI 決策層:落後,而且差距不小。視覺辨識、環境理解、非結構化場景應對——這些才是讓機器人真正「有智能」的部分。北京通用人工智慧研究院研究員王嘉懿在《麻省理工科技評論》直接說:「國內人形機器人研究主要聚焦於硬體和應用場景,相較於國際同行,控制軟體的成熟度與可靠性受到的關注明顯不足。」歐洲智庫 MERICS 的分析也指出,中國具身智能產業依賴 NVIDIA 的 AI 晶片與軟體生態,在基礎通用模型上仍然落後。
Thursday Murder Club 這個系列非常好讀,近代英文,人物設計非常鮮活,場景與篇幅的設計也都恰到好處,主人公們的已是退休年紀,過去職場商場戰場的豐功偉業也都已是過眼雲煙,對初入中年的我來說,他們多采刺激的生活故事,提供了緩解中年危機的焦慮,很適合夜深睡覺前的放鬆時刻(比短影音或永遠追不上的 AI 新聞來說,好上不少)。
這已經是 20 年前了,現在臺灣學生應付這種狀況的能力好了不少。年輕時,遇到這種場合,我覺得應該學 Ray – God did! 的應對方式,不僅會當場打入圈內,更有可能交到未來的好朋友。
不夜之城之蘭桂芳
大學之巔的隔夜,ESSCA 幫衆帶我們前進馳名已久的蘭桂芳。
那種蔓延在斜坡轉角,不同主題,不同玩法的夜店羣真的非常震撼,但是令我更加吃驚的是當晚酒客的組成,雖然多了很多香港本地人,但是我感覺整個香港的留學生,交換學生,與年輕白領全都集合到此,這些夜店不是一個個獨立的 party ,整個蘭桂芳就像是放大了幾百倍昨天的烤肉 party ,好多舊世界,美洲新世界的年輕人在這邊尋歡買醉,幾杯酒精下肚,任何工作課業壓力都幻化了 party 中(大部分)友好相互吼叫。
當晚,我跟好多不認識的人一起 party ,知道這位老兄是匯豐銀行的新員工,那位大姐在是香港本地外貿商的職員,旁邊這位華裔富二代基本上只是回到香港體驗人生,手上還摟著不知道是不是今晚認識的大美人… 等。
主要原因很簡單:市場人道概念不強,法律相對寬鬆,發展產品與品牌的自由度也高。身為工程師,如果能直接在 production 上用真實情景測試並快速迭代,對產品發展來說是再好也不過的了。
想像一下這種狀況: 雖然我做的手機在市場上有時候螢幕會爛掉、會當機、會進水、會有亮點、會過熱,但在這些問題發生的同時,我也已經蒐集到了幾乎所有會出問題的環節。接下來我只要一個個處理,更換電池供應商、了解 LED 螢幕產商的生產結構、改寫會出錯的軟體……接著重重補償客戶、以舊換新、挽救信譽,然後再大量生產。
Fake it until you make it 的理想操作: OpenAI 與 Sam Altman
如果要看 Fake it until you make it 在理想條件下會如何發揮,AI 產業提供了一個清楚的對照。Sam Altman 與 OpenAI 選擇的是一條高敘事、高風險的路線。在 ChatGPT 爆紅之前,敘事遠早於產品成熟,承諾未來能力,同時承受研究社群、投資人、媒體以及使用者的強烈檢驗。在這種制度下,Fake it 不再只是心理策略,而是一個必須被迫兌現的過渡期。敘事和能力必須逐步對齊,否則整個體制會自動校正。
投資理論是這樣的,像是 Sequoia Capital 這種頂級創投的 Growth Fund ,對那些真正能夠提供股東價值的新時代公司是非常敏感與精準的,反正我沒多少錢,拿他們當投資標的的白名單,目標鎖定那些優質 Growth Fund 篩選過的股票, IPO 以後六個月到一年間決定是否買進,如果買進必長期持有,第一個 10 年,不加碼,也不減持。
另一個故事,也是關於一位來自美國的朋友。他並不是產品經理,只是一位曾在 dot com 泡沫前當過初階程式設計師、稍微寫過一些程式的美國人。泡沫破裂後失去了工作,便開始四處旅行,也在過程中學了中文。後來在中國高速發展的黃金時期,他因緣際會加入了北京一家知名的互聯網公司,負責產品國際化相關的協調工作。那個時間點,正好站上了風口,半年內公司擴編迅速,他也順勢成為一個十人團隊的管理者。