Loading...
Loading...
教育最奢侈的“一人一解法”，即将变成日常作者｜李楠
微信｜tqkm1510
1950 年代，关心教育的心理学家 Skinner 去看女儿的小学数学课，发现有人已经做完练习，有人仍然没听懂，老师只能在几十个孩子之间来回检查、纠错。
Skinner 由此想到，如果每个孩子的掌握程度不同，他们此刻得到的反馈和下一步学习任务也应该不同。他后来设计教学机器，希望机器至少能够根据学生的回答提供即时反馈、安排下一道题。这成为教育技术早期将个性化教学规模化的一次尝试。
但个性化教学的实践远比想象中更难。人力有限，高明的老师始终稀缺。即使是经验丰富的老师，也很难及时捕捉每个学生在每一个学习环节出现的细小困惑，更不用说随时为这些需求重新组织一次教学。
在各种尝试之后，以大模型为代表的新一代 AI，又给个性化教学打开了新的空间。
Alpha School 是个激进的例子。它主张学生每天上午依靠自适应学习软件和 AI 系统，用两小时完成数学、科学等核心学科，再用下午四个小时学习创业、编程等现实技能。AI 的一个重要作用，就是实时分析学生的学习状态，进而调整课程。
国内的教育平台同样在跟 AI 深度融合，其中最新的样本来自豆包爱学。它把“一人一解法”的个性化教学贯彻到产品的各种细节功能里，不仅让教学更适配每个学生的学习需求，还让学习过程更有意思。
1
让每次学习，都得到更有趣的指引
很多行业值得用 AI 重做一遍，很多课程值得用 AI 重学一遍。
5 月底，豆包爱学上线“豆包课堂”，把数学和古诗词的学习融入到了可互动的 AI 课程里。不过更有趣的是，豆包爱学还实现了游戏化课程定制，把自己的想法交给 AI，就能得到一门图文互动的专属课程。
比如把数学融合进商业实践，让用户可以具象化理解数学知识。在一个案例中，用户变身古代点心铺的小掌柜，上演“点心铺闯关记”——他要用上数学课的知识，在三天时间里，把一家快要关门的小店彻底救活。
第一关的谜题是“桂花糕为什么越卖越亏”。这里要搞懂成本和利润的关系，保证卖点心绝对不亏本。
第二关是备货问题。这里要学会比较不同备货数量可能带来的剩余或缺货，理解平均数能怎样帮助作出判断。
第三关是促销关卡。很多老板喜欢做买二送一的促销活动，但促销未必明智。这里要用比例、对比和利润计算，来判断促销活动的可行性。
而在最后，用户将迎来终极挑战。他要将三天学到的知识汇总成一份《小掌柜秘籍》，把定价算账、备货估算、促销判断中的思考和知识来一遍完整的回顾，由此成为一个生意上的小专家。
从成年人视角来看，这种游戏或许略显幼稚。但代入小学生视角，他在闯关互动中获得的心理满足远比传统的学习过程要强。而且这种互动课程不仅可以教会用户数学计算，还能在潜移默化中实现商业启蒙，一举多得。
大量教育研究已经表明，把知识嵌入具体的问题情境，不仅有助于提升学习兴趣，也更有利于训练知识迁移、问题解决和综合应用能力。对豆包爱学来说，AI 互动引导可以广泛定制生成。
除了豆包课堂，豆包爱学的“问答”页面同样可以提供个性化教学。打开其中的“学习模式”，输入各种想学习的主题，AI 就可以调用不同能力给出解答。
我试着在这里重温中学语文课。
首先是鲁迅的《从百草园到三味书屋》。豆包爱学先是给出了两个学习选项：要么从童年视角出发，跟着少年鲁迅的脚步去感受童年的自由与拘束；要么从成年视角出发，去看鲁迅藏在童趣背后的对教育、对自我的复杂回望。
我选了第一个视角。随后“豆老师”先把百草园的美妙之处一条条摘出来，然后抛出一个问题，让我想想自己的童年记忆里，有没有过类似“百草园”的小角落。显然，这是希望学生可以与鲁迅共鸣、共情，来增进对文章的理解。
我还尝试学习《红楼梦》中的诗词。“豆老师”先是指出曹雪芹作诗的特殊之处——并非为了写景而写景，而是做“人物的命运寓言+性格盖章”，之后则是给出三个不同难度的角度，来展开《红楼梦》诗词的教学互动。
整体而言，在“问答”中，豆包爱学会根据学生所掌握的知识水平和兴趣偏好，给出启发性的教学。
事实上，豆包爱学的“问答”是一个超级入口，除了以上针对性的互动引导，里面还整合了多种学习 Skill。在学习过程中，系统会根据具体情况，自动调用不同的 Skill，生成专属的学习工具。
小朋友要学习写字，它可以生成笔顺学习组件，以可视化的方式引导一撇一捺如何下笔。当学习数学时，它可以列出竖式，来清晰呈现除法题目该怎么解答。这些小场景在学习时极其高频，却没有被通用 AI 很好地解决。
更进一步，豆包爱学在问答互动过程中，会根据学习内容和学习进展，推荐相应的测验题目，来巩固学习成果。在随机的学习体验中，天文中的“月相”状态，历史中的长城作用，我也都重学了一遍。
此外值得一提的是，豆包爱学还引入互动网页的能力，强化个性化引导教学的效果。面对函数、几何等知识，AI 可以实时生成带动画和交互的学习页面。
总的来看，豆包爱学实现了对任意主题、任意知识点的个性化和趣味化的教学指引，并给出匹配用户需求的教学内容。
1
两条路线汇合，拓宽个性化教学边界
过去一年，AI 教育领域的主流产品都在持续推进个性化教学，而其中的探索大致可以分为两条路线。
一条路线侧重于让 AI 学会“教学”。去年 7 月，OpenAI 上线 ChatGPT Study Mode。一个学生拿着题目来求助，AI 会先问学生已经知道什么、卡在了哪里，再通过提示、追问、理解检查，一步一步往下走，避免一次性把答案全部端出来。
前文提到的 Alpha School 也是如此。它的核心能力之一，就是让系统更准确地判断学生现在会什么、不会什么，以及应该用什么节奏推进学习。
另一条路线则是侧重学习内容本身。Google 推出的 Learn Your Way，会根据学生的年级和兴趣重新组织教材内容，并进一步生成思维导图、音频课程和互动测验。同一个知识点，不同学生得到的材料可以有不同的难度、例子和呈现方式。
豆包爱学则把以上两条路线整合起来。它既会把同一个知识点组织成 AI 课程、互动网页、情境任务等不同形式，也会根据学生提出的问题、当前理解程度和学习偏好，来选择不同的切入角度，进而分步引导、即时追问。
而这种整合能够匹配不同学科、不同主题和不同学习环节，让个性化教学进入一种动态的“原子化”阶段：一方面，个性化教学的响应单位缩小到一次具体的学习需求；另一方面，这些教学内容和动作可以在需求出现之后即时生成，并随着学生的反馈继续调整。
当学生需要系统理解一个主题时，豆包爱学可以生成一门课；当学生只卡在对某个概念的理解，豆包爱学可以给出一种可视化解释；当学生想要确认学习效果是否扎实时，豆包爱学能立即推送测试链接。
这些指引不需要学生自己调 skill，也几乎不需要等待。这在以前几乎无法想象。
而以上种种引导几乎都可以由豆包爱学“问答”来提供，学习体验就更为便捷和流畅。
此时再回到开篇故事。
七十多年前，Skinner 设计教学机器，希望机器能够根据一次回答的对错，来决定下一道题应该是什么。今天 AI 能做到的，远比这位学者期待的要多。
而这种 AI 教育的演进在国内有更为现实的意义。一对一的个性化教学曾在国内风行，但它对多数人始终是一个奢侈的愿景。现在借助 AI，这种“一人一解法”的教学，终于有了真正普及的可能。
点个“爱心”，再走吧
那个拍出神作《牌子》的AI导演，带着他的巅峰之作回来了。这个正在威尼斯排队准备走红毯，同时斩获了两项AI影像大奖的小伙。
可能很多人都听过他的名字。
DiDi_OK。
前几天，DiDi_OK发了他用Seedance 2.5做的最新作品《Candy》，中文名叫《糖果》，我在看到之后，惊为天人。
直接转发，推荐所有人逐帧学习。
虽然在AI影视圈，DiDi_OK这个名字几乎已经家喻户晓了。
但是可能还是有很多朋友不知道这个名字，但没关系，你大概率也看过他之前的作品。
比如《箭头》、《网站》、《垃圾站》等等等等，而数据最好的，则是在今年2月，那个刷屏的《牌子》。
这个片子，光在B站上，就有2000万的播放，全网更是接近亿级。
我到现在还记得，我第一次看到牌子的那个晚上，在循环了6、7遍之后，我脑子里产生的那个念头：
“明明都是人类，为什么在DiDi_OK面前，我就宛如一个只会流口水的废物，这个人的脑子和审美，到底是怎么长的。”
不夸张的说，这是真实的感慨，DiDi_OK自那之后，也成为了我心中，没有争议的AI影像第一人。
而这次的《糖果》，更是DiDi_OK在这个主持人平行宇宙系列中，把技术和创意，拉到最高潮的巅峰之作。
如果没看过的，可以先看一遍，相信我，你一定会，惊为天人。
不像现在很多烂大街的油腻无比的AI作品，《糖果》依然有很强的Di味。
有一些高维规则的展开，有一些SCP的感觉，又有一些黑镜的意味。
甚至还有刘慈欣的影子。
当然，还有极强的叙事节奏、镜头语言还有他的审美。
所以这次《糖果》发布后，我觉得，是一个机会了。
我想找他聊聊，跟他做一个小小的专访，聊聊他的一切。
因为他人在国外，这几天又在威尼斯电影节领奖，所以我们还是有一些时差的，在碰了两天之后，我们终于约上了。
访谈那天，北京上午10点半。
他人在黑山，那边凌晨4点半，他起了个大早，因为6点多还要出发去山里。。。
我们痛快的聊了快2个小时，问了很多我想知道的问题，聊完之后，我觉得，我一定要把这些东西写出来，也给大家分享一下。
那接下来，我们，开始吧。
一. 他迎来了AI的时代
DiDi_OK，是一个非常有趣的人。
现在长期在伦敦，在WPP Production工作。
WPP是全球最大的广告与营销传播集团之一，大家耳熟能详的奥美，其实就是WPP的子公司...
而WPP Production是WPP旗下最核心的制作团队。
所以在AI出现以前，DiDi_OK就一直在做动画、3D和游戏相关的工作了。
他的本硕都是动画。
后来进入WPP，也先从动画做起。
他去英国的故事也特别有意思。
他那时候，还在国内跟朋友开工作室挣钱，反正就是拍些广告啥的。
他做着做着，然后就突然觉得，这事没意思。。。
有一天下午，他们甚至还在外面拍广告。
他突然问朋友：要不出国吧？
朋友问他：去哪？
他说：要不然英国吧？
去英国的原因也究极离谱，
因为他们以前拍完片，半夜会一起看影视飓风，Tim也是DiDi_OK的赛博偶像。
然后呢，Tim以前在英国。。。
那不如就英国吧= =
然后他真的回家学了半年英语，申请伦敦艺术大学。
他妈一开始甚至没帮他报，因为觉得这死孩子绝对考不上。
最后他自己还是偷偷报的，结果，还真考上了。。。
几年以后。
这个当年拍完广告半夜看影视飓风的小伙，受Tim邀请，坐到了影视飓风的AI课程里，给大家分享自己的创作心得。
你看，世界总是一个奇妙的圆，人生有时候也真的特别像一个写得有点俗的剧本。
在AI之前，他其实就已经开始在创作了。
2021年，他在伦敦艺术大学做过一部《Moth》。
而且那个时候，就很有Di味了。
一个被雾笼罩的封闭世界，中央有一座巨塔。
所有人都觉得那里绝不能碰，可主角却像飞蛾扑火一样，一定要上去。
哪怕真相让人失望，哪怕会死。
也想看一眼，世界真正的样子。
他脑子里，关于科技、关于未知世界、关于文明的东西，实在是太多了。
但是在过去，卡住他的，是那个时代的生产力。
传统动画的工作流程实在是太长了，几乎不可能有一个人独立制作一个影片的可能。
流程一多，人就多了一些，每多一个人，你脑子中的想法，变成语言传达出去，就会损耗一点。
而再经历建模、绑定、动画、后期等等等等的流程，那就是损耗损耗再损耗。
到最后，你脑海中的那个idea，那个会让自己兴奋会让自己起皮疙瘩的创意的东西，落在最终屏幕上的时候，可能连一半也不剩下了。
所以，他这些年，因为损耗，也一直在研究一个东西，用他的话说，那个东西叫：
力道。
怎么让自己脑海中的创意和感觉，尽可能最低损耗的传达给观众。
而终于，他等来了他的时代。
AI，来了。
二. 《糖果》：坏人会爆炸
如果让我介绍《糖果》。
我可能会认真解释半天：
这是一个关于一级文明、外星规则、暴力、秩序、人性和科技发展的科幻故事。
但是呢，我让DiDi_OK解释，他自己想了想，只用了十个字左右：
“坏人会爆炸，好人就没事。”
极其的朴素，但又精准。
这个故事一开始，人类能源使用能力抵达一级文明的门槛了。
然后土星的一颗卫星，叫“潘”。跑到了地球附近。
接着，全世界开始发生一件特别离谱的事。
只要一个人准备伤害别人。
砰，就炸了。
这个爆炸，不会变成血肉，会变成：
一大堆糖果。
一开始，大家都懵了。
外星人？新型武器？上帝？
后来慢慢发现，这个规则只专门针对：
暴力。
DiDi_OK给它设定的底层判断标准也非常的中国味。
就是四个字，起心动念。
这个片子上线之后，我看了4遍，我当时问了他一个我看的时候，感觉非常矛盾的一个话题，这好像，明明是一个反暴力的故事。
可大家看的最大的爽点，却是看坏人被另一个更强大的力量给干掉。
那这件事，本身就不暴力吗？
DiDi_OK当时就笑了，说你看到了精髓，而且，这其实就是他故意的。
片子后来把反复违反规则的人送去月球。
看起来仿佛太好了，文明和平了。
可这件事情背后，却一样带着群体暴力。
所以他甚至花了很长时间设计片子里代表大众意见的女性发言人。
他想让她拥有一种特别容易被大众接受、信任的气质。
有点像《三体》里的程心。
因为这件事情本身就带着一种“所有人都觉得这一定是对的。”的危险。
DiDi自己也没有站在绝对非暴力那一边。
他觉得现实里常有一个很残酷的问题：
善良的人，往往就是被欺负的人。
所以从中世纪的西方骑士到中国的侠客。
人类几千年一直在幻想一件事：
正义最好拥有力量。
于是这个时候，《糖果》的内核变得不一样了。
一颗外星卫星拥有判断什么是恶的最终解释权，全人类因为恐惧惩罚而文明，然后大家集体同意，把不符合规则的人送去月球。
这到底算文明？还是秩序？又或是暴政？还是一个比我们现在稍微好一点的世界？
DiDi_OK没有答案。
这个问题，属于每一个观众。
三. AI的真正进步
访谈之前，我把《箭头》《牌子》《网站》《垃圾站》等等DiDi_OK的片子又重新全部拉了一遍。
其实有一个最明显的变化，就是《糖果》这部片子，因为用的Seedance 2.5，所以终于敢变慢了。
比如这个教科书级别的长镜头。
讲道理，以前DiDi_OK的片子还是经常会快切的，比如《箭头》和《牌子》，经常5秒就会换一个场景。
理由特别简单，AI影像行业里的大家，可能都猜到这个现实原因。
因为你不敢慢，因为模型能力，完全达不到。
过去的模型能力，是无法支持长镜头的细节不变的这种镜头叙事的。
于是呢，就只能不停用新的视觉刺激，把模型来不及暴露的问题给掩盖过去。
但是《糖果》里，第一次出现了大量安静的叙事。
比如这个镜头。
实验室里，一个年龄稍大的官员往前走。
旁边年轻研究员一路跟着，态度非常谄媚，期待被注意。
但是官员一直很冷，直到突然搭理了他一句。
那个年轻人的身体立刻微微再弯了一点，眼神亮一下。
这时候，你能看出来：
“诶，他听到我说话了。”
但DiDi说，这才是他觉得模型真正突破的地方。
表演。
以前他一直觉得AI表演过不了，那些表演的细节度不够，所以，一直会少这些叙事。
现在Seedance 2.5在他眼里，这个鸿沟已经正式跨过去了。
开头那个女孩吃糖的镜头也是。
他特别在乎女孩脸上那个小痘痘。
我甚至第一次看的时候，都没有注意。
但是对DiDi_OK来说。
这是一个极其重要的信息锚点。
因为这个极小的信息点，会让观众第一眼看到的时候，会觉得，这是一个真实存在的人。
当演员的脸本身可以提供信息的时候，导演才敢把镜头停在那里。
还有这个手指甲超近特写下，皮肤和指甲的质感。
还有这个超近景特写中，角色呈现出来的高精度皮肤微观细节，包括毛孔、细纹、皮脂光泽及受光变化；同时细微表演如眼神、呼吸、肌肉牵动与微表情均具备可信度。
而这一点，DiDi_OK说，这种细节度和精细度，只有Seedance 2.5才能达到。
他觉得，这个模型，至少给他省掉了60%的叙事成本。
这个词我特别喜欢。
大家天天聊AI降低多少制作成本。
他聊的，是叙事成本。
我觉得，真正改变叙事的，从来都不只是所谓的分辨率更高或者价格更便宜。
是我们过去你只能绕着模型的缺陷去讲我们的故事。
但现在，模型开始允许我们，按我们脑海中的想法去讲故事。
这才是，真正的进步。
四. Seedance 2.5改变的一切
对于Seedance 2.5这个模型，我们聊了很多。
DiDi_OK说，假如现在有人告诉他。
以后这辈子都不会再有新的视频模型。
只能永远用Seedance 2.5。
他觉得，也够了。
因为坦率的讲，从我的视角看，Seedance 2.0发布的时候，全网的反响远比这一次2.5大。
但那时候，DiDi_OK觉得，2.0还可以，确实震撼，但是好像没有那么大的变革。
直到这次Seedance 2.5。
可能很多人第一眼觉得，啊？不还是AI视频吗？跟2.0区别也不是很大啊。
但是DiDi_OK觉得，这反而是一次真正意义上的跨时代升级。
我问他：到底跨在哪？
他说了两个词。
高度定制化。
高精度的运动规律。
这两个词听起来特别技术。
尤其“运动规律”，实在是没有所谓的“电影感”“1080P”“一镜到底”听起来性感。
但观众的眼睛特别诚实。
比如一辆车拐弯，车身应该有侧倾，悬挂应该有压缩，刹车和加速应该产生不同的俯仰。
一颗糖从人体里面炸出去，它应该有质量，有初速度，撞到东西以后会反弹，几百颗糖之间还会互相碰撞，跟镜头的距离不同，虚实也不一样。
所谓运动规律，其实就是：这个世界到底符不符合我们从世界认知到的物理规律。
所以《糖果》里面那个最核心的“糖果爆炸”，其实也是AI能力的一次极限测试。
DiDi_OK说，现在Seedance 2.5出来的视觉，已经可以经得起慢放和暂停了。
他甚至故意设计那种让大家来暂停看看的镜头。
就比如警察局的这场戏，画面里面同时有很多人，DiDi_OK给后面一个黑人角色单独设计了一条故事线。
先挣脱、然后推桌子、拿起电视，再准备攻击警察，随后灯光闪烁，所有人的动作短暂停顿，特定的人同时炸成糖果。
DiDi_OK借助模型的能力，同时指挥十几个人的动作，每个人都有自己的故事线。
这就是DiDi所谓的第二个特点，定制化。
因为过去，我们用AI做一个怪兽啥的，其实真的都不算难。
难的东西往往都很日常，比如“让左边第三个人先往后看。然后拿起电视。右边警察继续保持现在动作。灯闪以后第二个人爆炸。”
AI真正进入工业生产以后，最需要的能力，恰恰是这种定制化。
DiDi_OK说，从画面上，他感觉，几乎没有什么是他想实现，但是实现不了的了。
比如一堆糖果组成马蒂斯的《舞蹈》。
微缩景观下的移轴动画。
等等等等。
因为模型能力的增强，运动规律和可定制化都变得极强，所以也带来了另一个变化，过去的工作流很多就有点跟不上版本了。
比如过去，为了一个镜头，可能要垫好几张图，来让模型理解。
所以，他说那时候，他有一个很明确的优先级：
参考图，大于提示词，大于模型选择。
甚至为了让模型完成它能力本身完成不了的动画和运镜效果，他会大量使用Blender来建模进行参考。
比如角色和表面之间的运动追踪，就像手机屏幕上的字，以前AI生不准。那就一个字一个字追，全是后期进行人工修复的。
基本就是能工智人。
本质上很简单，都是因为模型能力达不到，而DiDi_OK又不想降低自己的作品效果，就会用很多其他手法来进行弥补。
然后，就来到了《糖果》。
他说，这套逻辑明显开始反过来了。
参考图的重要性明显下降。
Prompt的重要性开始疯狂上升。
因为模型理解能力变强了。
很多过去必须先做好的关键帧才能做的动画，现在可以直接用嘴说了。
所有的传统辅助是一个没用，很多过去要额外做两个星期的后期，也消失了。
DiDi_OK说，这是他第一个，几乎百分百纯度的AI片子。
甚至他用上Seedance 2.5之前，他已经用2.0做了3分钟的《糖果》了，做了将近40%，在他用上2.5之后，毅然决然，全部推翻重来。
这也是这个AI时代非常操蛋的一点。
你的苦心经营的半年的技巧，还有很多所谓保持一致性的工作流，可能就会被一次模型发布直接吞噬。
DiDi_OK说，那些都属于小数点后面的技术，他现在也越来越没有兴趣了，真正决定你上限的，还是你的个人能力，还有模型本身的理解力。
当模型开始吞掉工作流。
创作者剩下来的，才是真正属于创作者的东西。
五. 创作到底是什么？
我问DiDi_OK：“你觉得AI真的能算创作吗？很多人说，不就是抽卡吗？创作在哪里呢？”
他给我讲了一个特别好的例子。
2023年，他参与过一个F1赛车宣传片，实拍加虚拟制作。
那时候，很多镜头可能要NG500多次。
一天光场地费，就是10万英镑。
赛车漂移过去，轮胎擦地，然后烟冒出来了，导演觉得，那个烟不好看，再来。
所有调度一切归位，然后再来一遍。
就这样，不断的Roll，不断的挑选。
直到导演觉得，这个第397次的烟最好，就用这个第397次的镜头。
所以，DiDi_OK说，创作，从来都不是生成多少次的事，也不是AI不AI的事，因为本质上，传统影视，也是抽来抽去的逻辑。
真正的创作，是那个“不要”。
为什么这个导演，要第397次呢？前面那396次，为什么都不要呢？
这个“不要”，才是审美，才是判断，才是经验，才是那个真正的。
创作。
只不过，在AI加持之下，抽卡的速度变得越来越快，质量越来越高，是以前的传统影视，远远不可企及的。
但是反常识的是，模型越来越强以后。
DiDi一点都没有更轻松，反而更痛苦了。
过去一颗8秒镜头，磨两三天就差不多了，因为你知道，模型就那样了，上限就在那，可以安慰自己，这不是自己的问题。
但现在，有了Seedance 2.5这种级别的模型，第三次就能给你一个特别牛逼的结果。
那说明，它能做。
这时候，压力就全部给到DiDi_OK的身上了。
为什么我调度不出来？
为什么没想到那个机位？
为什么还不够好？
以前两三天一个镜头，现在他甚至可能磨一个星期。
他说：
“模型是明显能做到的，但是我却做不出，那明显就是我自己的问题，我还是太菜了。”
AI时代，也是一个残酷的时代。
当表达成本越来越低的时候。
平庸也会越来越没有借口。
聊到最后。
我问了他一个特别大的问题：“你拍了这么多文明、规则、社会、人性的东西，那你自己心里最底层，还相信人类吗？”
他说：“如果聊人类本身，那我一定是一个极度的悲观主义者。”
他说自己有时候，会陷入很严重的存在主义危机。
当AI真的能帮你完成越来越多事情的时候。
你自己到底还剩什么？
他公司里的新人也经常问：
老师，以后应该学什么？
他也不知道。
然后，他说出了我觉得整个访谈里，我最动容的一句话：
“当AI能帮我做所有事情的时候，我到底，是否真的是一个有意思的人呢？”
没有答案，就像他的作品一样。
写在最后
访谈结束以后，我又把《糖果》看了一遍。
我突然觉得，这部片子更好懂了。
DiDi_OK明明说自己对人类这么悲观，可他的作品里，总是有一种特别奇怪的底色：
希望。
突然感觉，在他的身上，我看了三体里面一个角色，就是维德的影子。
他可能平时不是特别愿意跟人互动，甚至对人这个物种有时候有一些悲观判断，可到了最后，他跟维德一样。
不希望人类输。
我特别喜欢这个矛盾，因为很多伟大的创作者，很多时候就是这样。
他们创作。
很少因为觉得这个世界已经很好了，恰恰是觉得它还不够好。
所以才会创造另外一个世界。
那个让很多人，能跟他一起感受美好的。
美妙世界。
那个拍出神作《牌子》的AI导演，带着他的巅峰之作回来了。这个正在威尼斯排队准备走红毯，同时斩获了两项AI影像大奖的小伙。
可能很多人都听过他的名字。
DiDi_OK。
前几天，DiDi_OK发了他用Seedance 2.5做的最新作品《Candy》，中文名叫《糖果》，我在看到之后，惊为天人。
直接转发，推荐所有人逐帧学习。
虽然在AI影视圈，DiDi_OK这个名字几乎已经家喻户晓了。
但是可能还是有很多朋友不知道这个名字，但没关系，你大概率也看过他之前的作品。
比如《箭头》、《网站》、《垃圾站》等等等等，而数据最好的，则是在今年2月，那个刷屏的《牌子》。
这个片子，光在B站上，就有2000万的播放，全网更是接近亿级。
我到现在还记得，我第一次看到牌子的那个晚上，在循环了6、7遍之后，我脑子里产生的那个念头：
“明明都是人类，为什么在DiDi_OK面前，我就宛如一个只会流口水的废物，这个人的脑子和审美，到底是怎么长的。”
不夸张的说，这是真实的感慨，DiDi_OK自那之后，也成为了我心中，没有争议的AI影像第一人。
而这次的《糖果》，更是DiDi_OK在这个主持人平行宇宙系列中，把技术和创意，拉到最高潮的巅峰之作。
如果没看过的，可以先看一遍，相信我，你一定会，惊为天人。
不像现在很多烂大街的油腻无比的AI作品，《糖果》依然有很强的Di味。
有一些高维规则的展开，有一些SCP的感觉，又有一些黑镜的意味。
甚至还有刘慈欣的影子。
当然，还有极强的叙事节奏、镜头语言还有他的审美。
所以这次《糖果》发布后，我觉得，是一个机会了。
我想找他聊聊，跟他做一个小小的专访，聊聊他的一切。
因为他人在国外，这几天又在威尼斯电影节领奖，所以我们还是有一些时差的，在碰了两天之后，我们终于约上了。
访谈那天，北京上午10点半。
他人在黑山，那边凌晨4点半，他起了个大早，因为6点多还要出发去山里。。。
我们痛快的聊了快2个小时，问了很多我想知道的问题，聊完之后，我觉得，我一定要把这些东西写出来，也给大家分享一下。
那接下来，我们，开始吧。
一. 他迎来了AI的时代
DiDi_OK，是一个非常有趣的人。
现在长期在伦敦，在WPP Production工作。
WPP是全球最大的广告与营销传播集团之一，大家耳熟能详的奥美，其实就是WPP的子公司...
而WPP Production是WPP旗下最核心的制作团队。
所以在AI出现以前，DiDi_OK就一直在做动画、3D和游戏相关的工作了。
他的本硕都是动画。
后来进入WPP，也先从动画做起。
他去英国的故事也特别有意思。
他那时候，还在国内跟朋友开工作室挣钱，反正就是拍些广告啥的。
他做着做着，然后就突然觉得，这事没意思。。。
有一天下午，他们甚至还在外面拍广告。
他突然问朋友：要不出国吧？
朋友问他：去哪？
他说：要不然英国吧？
去英国的原因也究极离谱，
因为他们以前拍完片，半夜会一起看影视飓风，Tim也是DiDi_OK的赛博偶像。
然后呢，Tim以前在英国。。。
那不如就英国吧= =
然后他真的回家学了半年英语，申请伦敦艺术大学。
他妈一开始甚至没帮他报，因为觉得这死孩子绝对考不上。
最后他自己还是偷偷报的，结果，还真考上了。。。
几年以后。
这个当年拍完广告半夜看影视飓风的小伙，受Tim邀请，坐到了影视飓风的AI课程里，给大家分享自己的创作心得。
你看，世界总是一个奇妙的圆，人生有时候也真的特别像一个写得有点俗的剧本。
在AI之前，他其实就已经开始在创作了。
2021年，他在伦敦艺术大学做过一部《Moth》。
而且那个时候，就很有Di味了。
一个被雾笼罩的封闭世界，中央有一座巨塔。
所有人都觉得那里绝不能碰，可主角却像飞蛾扑火一样，一定要上去。
哪怕真相让人失望，哪怕会死。
也想看一眼，世界真正的样子。
他脑子里，关于科技、关于未知世界、关于文明的东西，实在是太多了。
但是在过去，卡住他的，是那个时代的生产力。
传统动画的工作流程实在是太长了，几乎不可能有一个人独立制作一个影片的可能。
流程一多，人就多了一些，每多一个人，你脑子中的想法，变成语言传达出去，就会损耗一点。
而再经历建模、绑定、动画、后期等等等等的流程，那就是损耗损耗再损耗。
到最后，你脑海中的那个idea，那个会让自己兴奋会让自己起皮疙瘩的创意的东西，落在最终屏幕上的时候，可能连一半也不剩下了。
所以，他这些年，因为损耗，也一直在研究一个东西，用他的话说，那个东西叫：
力道。
怎么让自己脑海中的创意和感觉，尽可能最低损耗的传达给观众。
而终于，他等来了他的时代。
AI，来了。
二. 《糖果》：坏人会爆炸
如果让我介绍《糖果》。
我可能会认真解释半天：
这是一个关于一级文明、外星规则、暴力、秩序、人性和科技发展的科幻故事。
但是呢，我让DiDi_OK解释，他自己想了想，只用了十个字左右：
“坏人会爆炸，好人就没事。”
极其的朴素，但又精准。
这个故事一开始，人类能源使用能力抵达一级文明的门槛了。
然后土星的一颗卫星，叫“潘”。跑到了地球附近。
接着，全世界开始发生一件特别离谱的事。
只要一个人准备伤害别人。
砰，就炸了。
这个爆炸，不会变成血肉，会变成：
一大堆糖果。
一开始，大家都懵了。
外星人？新型武器？上帝？
后来慢慢发现，这个规则只专门针对：
暴力。
DiDi_OK给它设定的底层判断标准也非常的中国味。
就是四个字，起心动念。
这个片子上线之后，我看了4遍，我当时问了他一个我看的时候，感觉非常矛盾的一个话题，这好像，明明是一个反暴力的故事。
可大家看的最大的爽点，却是看坏人被另一个更强大的力量给干掉。
那这件事，本身就不暴力吗？
DiDi_OK当时就笑了，说你看到了精髓，而且，这其实就是他故意的。
片子后来把反复违反规则的人送去月球。
看起来仿佛太好了，文明和平了。
可这件事情背后，却一样带着群体暴力。
所以他甚至花了很长时间设计片子里代表大众意见的女性发言人。
他想让她拥有一种特别容易被大众接受、信任的气质。
有点像《三体》里的程心。
因为这件事情本身就带着一种“所有人都觉得这一定是对的。”的危险。
DiDi自己也没有站在绝对非暴力那一边。
他觉得现实里常有一个很残酷的问题：
善良的人，往往就是被欺负的人。
所以从中世纪的西方骑士到中国的侠客。
人类几千年一直在幻想一件事：
正义最好拥有力量。
于是这个时候，《糖果》的内核变得不一样了。
一颗外星卫星拥有判断什么是恶的最终解释权，全人类因为恐惧惩罚而文明，然后大家集体同意，把不符合规则的人送去月球。
这到底算文明？还是秩序？又或是暴政？还是一个比我们现在稍微好一点的世界？
DiDi_OK没有答案。
这个问题，属于每一个观众。
三. AI的真正进步
访谈之前，我把《箭头》《牌子》《网站》《垃圾站》等等DiDi_OK的片子又重新全部拉了一遍。
其实有一个最明显的变化，就是《糖果》这部片子，因为用的Seedance 2.5，所以终于敢变慢了。
比如这个教科书级别的长镜头。
讲道理，以前DiDi_OK的片子还是经常会快切的，比如《箭头》和《牌子》，经常5秒就会换一个场景。
理由特别简单，AI影像行业里的大家，可能都猜到这个现实原因。
因为你不敢慢，因为模型能力，完全达不到。
过去的模型能力，是无法支持长镜头的细节不变的这种镜头叙事的。
于是呢，就只能不停用新的视觉刺激，把模型来不及暴露的问题给掩盖过去。
但是《糖果》里，第一次出现了大量安静的叙事。
比如这个镜头。
实验室里，一个年龄稍大的官员往前走。
旁边年轻研究员一路跟着，态度非常谄媚，期待被注意。
但是官员一直很冷，直到突然搭理了他一句。
那个年轻人的身体立刻微微再弯了一点，眼神亮一下。
这时候，你能看出来：
“诶，他听到我说话了。”
但DiDi说，这才是他觉得模型真正突破的地方。
表演。
以前他一直觉得AI表演过不了，那些表演的细节度不够，所以，一直会少这些叙事。
现在Seedance 2.5在他眼里，这个鸿沟已经正式跨过去了。
开头那个女孩吃糖的镜头也是。
他特别在乎女孩脸上那个小痘痘。
我甚至第一次看的时候，都没有注意。
但是对DiDi_OK来说。
这是一个极其重要的信息锚点。
因为这个极小的信息点，会让观众第一眼看到的时候，会觉得，这是一个真实存在的人。
当演员的脸本身可以提供信息的时候，导演才敢把镜头停在那里。
还有这个手指甲超近特写下，皮肤和指甲的质感。
还有这个超近景特写中，角色呈现出来的高精度皮肤微观细节，包括毛孔、细纹、皮脂光泽及受光变化；同时细微表演如眼神、呼吸、肌肉牵动与微表情均具备可信度。
而这一点，DiDi_OK说，这种细节度和精细度，只有Seedance 2.5才能达到。
他觉得，这个模型，至少给他省掉了60%的叙事成本。
这个词我特别喜欢。
大家天天聊AI降低多少制作成本。
他聊的，是叙事成本。
我觉得，真正改变叙事的，从来都不只是所谓的分辨率更高或者价格更便宜。
是我们过去你只能绕着模型的缺陷去讲我们的故事。
但现在，模型开始允许我们，按我们脑海中的想法去讲故事。
这才是，真正的进步。
四. Seedance 2.5改变的一切
对于Seedance 2.5这个模型，我们聊了很多。
DiDi_OK说，假如现在有人告诉他。
以后这辈子都不会再有新的视频模型。
只能永远用Seedance 2.5。
他觉得，也够了。
因为坦率的讲，从我的视角看，Seedance 2.0发布的时候，全网的反响远比这一次2.5大。
但那时候，DiDi_OK觉得，2.0还可以，确实震撼，但是好像没有那么大的变革。
直到这次Seedance 2.5。
可能很多人第一眼觉得，啊？不还是AI视频吗？跟2.0区别也不是很大啊。
但是DiDi_OK觉得，这反而是一次真正意义上的跨时代升级。
我问他：到底跨在哪？
他说了两个词。
高度定制化。
高精度的运动规律。
这两个词听起来特别技术。
尤其“运动规律”，实在是没有所谓的“电影感”“1080P”“一镜到底”听起来性感。
但观众的眼睛特别诚实。
比如一辆车拐弯，车身应该有侧倾，悬挂应该有压缩，刹车和加速应该产生不同的俯仰。
一颗糖从人体里面炸出去，它应该有质量，有初速度，撞到东西以后会反弹，几百颗糖之间还会互相碰撞，跟镜头的距离不同，虚实也不一样。
所谓运动规律，其实就是：这个世界到底符不符合我们从世界认知到的物理规律。
所以《糖果》里面那个最核心的“糖果爆炸”，其实也是AI能力的一次极限测试。
DiDi_OK说，现在Seedance 2.5出来的视觉，已经可以经得起慢放和暂停了。
他甚至故意设计那种让大家来暂停看看的镜头。
就比如警察局的这场戏，画面里面同时有很多人，DiDi_OK给后面一个黑人角色单独设计了一条故事线。
先挣脱、然后推桌子、拿起电视，再准备攻击警察，随后灯光闪烁，所有人的动作短暂停顿，特定的人同时炸成糖果。
DiDi_OK借助模型的能力，同时指挥十几个人的动作，每个人都有自己的故事线。
这就是DiDi所谓的第二个特点，定制化。
因为过去，我们用AI做一个怪兽啥的，其实真的都不算难。
难的东西往往都很日常，比如“让左边第三个人先往后看。然后拿起电视。右边警察继续保持现在动作。灯闪以后第二个人爆炸。”
AI真正进入工业生产以后，最需要的能力，恰恰是这种定制化。
DiDi_OK说，从画面上，他感觉，几乎没有什么是他想实现，但是实现不了的了。
比如一堆糖果组成马蒂斯的《舞蹈》。
微缩景观下的移轴动画。
等等等等。
因为模型能力的增强，运动规律和可定制化都变得极强，所以也带来了另一个变化，过去的工作流很多就有点跟不上版本了。
比如过去，为了一个镜头，可能要垫好几张图，来让模型理解。
所以，他说那时候，他有一个很明确的优先级：
参考图，大于提示词，大于模型选择。
甚至为了让模型完成它能力本身完成不了的动画和运镜效果，他会大量使用Blender来建模进行参考。
比如角色和表面之间的运动追踪，就像手机屏幕上的字，以前AI生不准。那就一个字一个字追，全是后期进行人工修复的。
基本就是能工智人。
本质上很简单，都是因为模型能力达不到，而DiDi_OK又不想降低自己的作品效果，就会用很多其他手法来进行弥补。
然后，就来到了《糖果》。
他说，这套逻辑明显开始反过来了。
参考图的重要性明显下降。
Prompt的重要性开始疯狂上升。
因为模型理解能力变强了。
很多过去必须先做好的关键帧才能做的动画，现在可以直接用嘴说了。
所有的传统辅助是一个没用，很多过去要额外做两个星期的后期，也消失了。
DiDi_OK说，这是他第一个，几乎百分百纯度的AI片子。
甚至他用上Seedance 2.5之前，他已经用2.0做了3分钟的《糖果》了，做了将近40%，在他用上2.5之后，毅然决然，全部推翻重来。
这也是这个AI时代非常操蛋的一点。
你的苦心经营的半年的技巧，还有很多所谓保持一致性的工作流，可能就会被一次模型发布直接吞噬。
DiDi_OK说，那些都属于小数点后面的技术，他现在也越来越没有兴趣了，真正决定你上限的，还是你的个人能力，还有模型本身的理解力。
当模型开始吞掉工作流。
创作者剩下来的，才是真正属于创作者的东西。
五. 创作到底是什么？
我问DiDi_OK：“你觉得AI真的能算创作吗？很多人说，不就是抽卡吗？创作在哪里呢？”
他给我讲了一个特别好的例子。
2023年，他参与过一个F1赛车宣传片，实拍加虚拟制作。
那时候，很多镜头可能要NG500多次。
一天光场地费，就是10万英镑。
赛车漂移过去，轮胎擦地，然后烟冒出来了，导演觉得，那个烟不好看，再来。
所有调度一切归位，然后再来一遍。
就这样，不断的Roll，不断的挑选。
直到导演觉得，这个第397次的烟最好，就用这个第397次的镜头。
所以，DiDi_OK说，创作，从来都不是生成多少次的事，也不是AI不AI的事，因为本质上，传统影视，也是抽来抽去的逻辑。
真正的创作，是那个“不要”。
为什么这个导演，要第397次呢？前面那396次，为什么都不要呢？
这个“不要”，才是审美，才是判断，才是经验，才是那个真正的。
创作。
只不过，在AI加持之下，抽卡的速度变得越来越快，质量越来越高，是以前的传统影视，远远不可企及的。
但是反常识的是，模型越来越强以后。
DiDi一点都没有更轻松，反而更痛苦了。
过去一颗8秒镜头，磨两三天就差不多了，因为你知道，模型就那样了，上限就在那，可以安慰自己，这不是自己的问题。
但现在，有了Seedance 2.5这种级别的模型，第三次就能给你一个特别牛逼的结果。
那说明，它能做。
这时候，压力就全部给到DiDi_OK的身上了。
为什么我调度不出来？
为什么没想到那个机位？
为什么还不够好？
以前两三天一个镜头，现在他甚至可能磨一个星期。
他说：
“模型是明显能做到的，但是我却做不出，那明显就是我自己的问题，我还是太菜了。”
AI时代，也是一个残酷的时代。
当表达成本越来越低的时候。
平庸也会越来越没有借口。
聊到最后。
我问了他一个特别大的问题：“你拍了这么多文明、规则、社会、人性的东西，那你自己心里最底层，还相信人类吗？”
他说：“如果聊人类本身，那我一定是一个极度的悲观主义者。”
他说自己有时候，会陷入很严重的存在主义危机。
当AI真的能帮你完成越来越多事情的时候。
你自己到底还剩什么？
他公司里的新人也经常问：
老师，以后应该学什么？
他也不知道。
然后，他说出了我觉得整个访谈里，我最动容的一句话：
“当AI能帮我做所有事情的时候，我到底，是否真的是一个有意思的人呢？”
没有答案，就像他的作品一样。
写在最后
访谈结束以后，我又把《糖果》看了一遍。
我突然觉得，这部片子更好懂了。
DiDi_OK明明说自己对人类这么悲观，可他的作品里，总是有一种特别奇怪的底色：
希望。
突然感觉，在他的身上，我看了三体里面一个角色，就是维德的影子。
他可能平时不是特别愿意跟人互动，甚至对人这个物种有时候有一些悲观判断，可到了最后，他跟维德一样。
不希望人类输。
我特别喜欢这个矛盾，因为很多伟大的创作者，很多时候就是这样。
他们创作。
很少因为觉得这个世界已经很好了，恰恰是觉得它还不够好。
所以才会创造另外一个世界。
那个让很多人，能跟他一起感受美好的。
美妙世界。
图形学大佬、前微软全球研究合伙人童欣加盟，Meshy 下一步要做实时互动世界作者｜周一笑
微信｜smiletalker
计算机图形学研究者童欣最近加入 AI 3D 生成公司 Meshy，出任首席科学家。
童欣 1999 年获得清华大学博士学位后加入微软亚洲研究院，在那里工作了 25 年，曾领导网络图形组，并担任全球研究合伙人（Partner Research Manager）。研究范围横跨纹理合成、材质建模、真实感渲染、三维动画和几何处理，是微软亚洲研究院图形学团队最资深的研究者之一。
他的工作也不只停在论文里。中国计算机学会的介绍提到，童欣带领团队开发过高动态范围纹理压缩、GPU 虚拟化、3D 打印支撑和几何细节绘制等技术，其中一些后来进入 Xbox 游戏开发 API、Windows 3D 打印驱动和 Direct3D 图形开发工具包。
童欣发表论文 190 余篇，其中 60 余篇发表于 SIGGRAPH、ACM TOG 等图形学顶级会议和期刊。2018 年，他获得中国计算机图形学杰出奖；2024 年，又获得 AsiaGraphics Outstanding Technical Contributions Award，后者每年最多授予一人，用于表彰在计算机图形学领域作出突出技术贡献的研究者。
2024 年离开微软后，童欣加入 Anuttacon，继续研究 AI 与游戏图形学。如今，他去了 Meshy。
今年 GDC 上，Meshy 的游戏工作室 Meshy Game Studio 展示了 AI 原生游戏《Black Box: Infinite Arsenal》。最近公开的 Mora，则把 Coding Agent、3D 生成和实时视频模型放进同一个系统，希望 AI 做出来的小游戏既有明确的玩法和空间结构，也能实时生成更丰富的视听表现。
1
先把生成的 3D 真正用起来
Meshy 于 2023 年上线 AI 3D 产品。到今年 7 月，公司披露注册用户超过 1200 万，累计生成 3D 模型超过 1 亿个，ARR 约为一年前的 12 倍，并以 15 亿美元估值完成近 4 亿美元 B 轮融资。
这些模型已经被用到游戏、3D 打印、设计和产品开发中。Meshy 官网列出的客户和使用方包括 Nexon、网易游戏、三七互娱等游戏公司，也包括拓竹、创想三维、ELEGOO、闪铸科技和 xTool 等 3D 打印和制造品牌。
产品本身也在解决越来越具体的问题。AI 已经可以做出一个 3D 模型，真正进入制作流程后，还要看形状是否准确、部件能不能拆开、拓扑是否干净，以及后续是否方便继续编辑。
8 月发布的 Meshy 7 把重点放到了 geometry alignment，也就是几何对齐。简单说，就是生成出来的 3D 形状和参考图究竟对不对得上。一个机械零件看起来可能已经很像，但如果比例有偏差、两个相邻部件粘在一起，或者参考图里的凹槽只停留在纹理上，没有真正进入几何结构，后面的动画、编辑和制造都会受到影响。
Meshy 为此做了一套自动几何评测，把结果拆成整体比例、空间分布和表面细节三个指标。在 Meshy 自建的单视图 benchmark 中，Meshy 7 三项分别达到 81.0%、79.7% 和 59.8%，高于同一测试中的其他受测模型。
Smart Topology 处理的是更靠后的制作环节。它可以直接生成带原生分件的 3D 模型，并控制模型面数，减少人工减面、重拓扑和部件整理。
童欣在 2023 年讨论 AIGC 时，就把类似的问题叫作 3D 生成的“最后一公里”。
他的意思并不复杂。生成模型已经能完成内容生产的第一步，但一个真正可以继续做动画和交互的 3D 模型，还需要语义、部件结构、表面属性等信息。传统图形学为这些工作建立了成熟的制作流程，生成式 AI 还要继续处理生成之后的部分。
三年后，一致性、拓扑、分件这些已经变成 AI 3D 产品里很实际的指标。Meshy 也已经靠这套产品获得了用户、客户和收入。
今年，Meshy 开始更多谈“AI for Fun”。Meshy 创始人兼 CEO 胡渊鸣对它的解释，是希望 AI 最后改变的不只是内容怎么生产，还包括人们怎么玩、体验什么。Meshy 把它概括成“用 AI 给人类带来快乐和意义感”。Mora 是目前这套想法里最完整的一次技术尝试。
1
把规则、空间和画面拆开做
今年 1 月，Google 首先向美国 AI Ultra 用户开放 Project Genie。用户输入文字和图片，可以创建一个由 Genie 3 实时生成的环境，再进入里面移动和探索。
这类产品很容易让人想到一种更彻底的做法。既然视频模型已经可以边生成边维持一个可探索的空间，未来是否可以直接让一个模型生成完整游戏？
胡渊鸣最近在自己的公众号发表《Mora：超越“世界模型”》，专门讨论了这个问题。
他列出了现有互动视频模型的八类局限，包括空间很难长时间保持一致、复杂物理和精确的游戏逻辑难以处理、交互方式有限，以及持续时间和操作延迟等。一个由视频模型生成的世界可以看起来很真实，但“看起来存在”和“真的按照一套稳定规则运行”仍然是两件事。
Mora 把这些工作拆开处理。
Coding Agent 先生成游戏世界的骨架、运行代码和玩法逻辑，Meshy 的 3D 生成补充场景和资产，并向实时视频模型提供 3D 结构与控制信息。视频模型负责最后的画面和声音。代码和 3D 提供更明确的运行规则和空间结构，也减少了视频模型独自维持整个世界的难度。
一个比较直观的例子，是 Mora 做的类《传送门》Demo。《传送门》是 Valve 的经典空间解谜游戏，玩家通过两个相连的传送门改变人物和物体的移动路径，玩法高度依赖稳定的空间关系和精确规则。
Mora 的类《传送门》Demo
在 Mora 的 Demo 里，场景结构和谜题逻辑由代码与 3D 系统维持，玩家负责解谜，实时视频模型再生成最后看到的画面。胡渊鸣也在文章里直接写了当前局限，模型还不能正确表现传送门内部的内容，所以他们暂时把传送门本身的渲染关掉了。
其他 Demo 还包括多人平台跳跃、赛车、种植、建造和带物理碰撞的小游戏。部分场景可以在运行时直接切换视觉风格。对 Coding Agent 快速生成的小游戏来说，实时视频模型可以补上更丰富、可以随时变化的视觉表现。
胡渊鸣给 Mora 设定的目标也很直接，希望“让 Coding agent 生成的小游戏拥有 3A 级别的视听体验”。
公司已经在 3D 生成上积累了产品、图形学和大模型训练经验。Mora 进一步把这些能力与 Coding Agent、视频生成和实时推理系统结合起来，探索更丰富的实时互动内容。
这种做法和童欣这些年研究问题的变化也能接上。
1
图形学的制作流程也在变
童欣并不是最近两年才开始把机器学习带进 3D 图形学。
2017 年，他参与的 O-CNN 发表于 SIGGRAPH。传统卷积神经网络擅长处理规则排列的二维图像，但 3D 模型通常由不规则的网格或点云构成，直接把高分辨率 3D 空间切成密集体素，计算和显存开销会迅速增加。O-CNN 用八叉树组织 3D 数据，只在物体表面附近进行卷积计算，让神经网络能够更高效地处理高分辨率 3D 形状。
那时要解决的问题，还是怎样让深度学习更好地理解 3D。
到了近年的 RenderFormer，模型已经开始接手图形学流程里另一项核心工作。
3D 渲染需要根据场景里的几何、材质和光照计算最终画面。RenderFormer 保留了三角网格和材质这些 3D 场景信息，再让 Transformer 学习场景中的光照关系，生成带全局光照效果的最终图像。这项研究发表于 SIGGRAPH 2025，童欣是论文作者之一。
TRELLIS 处理的是另一个问题，怎样让生成模型更灵活地表示 3D 内容。它先学习统一的内部 3D 表示，再根据需要输出不同形式的 3D 结果。今年发布的 LPM 1.0 则进入角色表演，尝试直接从视频学习人物说话、动作和反应，减少对传统角色绑定和动画制作流程的依赖。
这也接回童欣 2023 年说的另一段路。
他把它叫作“开始一公里”。新的表示和生成模型出现以后，3D 内容是不是还必须沿用原来的制作方式，还是可以建立一套新的流程？
RenderFormer 与 Mora 处理的任务并不相同，但有一个很具体的相似点。两者都保留明确的 3D 场景信息，再让模型根据这些信息生成画面。童欣近年在 3D 表示、神经渲染和视频角色上的研究，也与 Meshy 正在探索的问题出现了更多交集。
童欣加入以后具体会负责哪些研究，Meshy 目前还没有进一步披露。
1
接下来不只是生成 3D 模型
Mora 1 目前仍是一次早期架构验证。
Meshy 自己列出的限制包括多人画面容易变糊、小角色面部仍有典型的视频生成错误。据胡渊鸣披露，计入网络后，目前 Mora 从玩家操作到画面反馈的延迟约为 300 毫秒，团队希望进一步压到 100 毫秒以内。对 FPS 这类需要快速转动视角的游戏来说，这仍然很重要。
Mora 2 已经在开发，这次没有开放的创作系统也会留到后续版本。团队的招聘岗位也已经覆盖视频基础模型、大规模训练、实时生成、Agent 和系统工程。
童欣三年前说，生成式 AI 给图形学留下了“最后一公里”和“开始一公里”。前者是让生成的 3D 真正进入生产，后者则是重新思考 3D 内容以后应该怎么做。
现在 Meshy 两边都在做。
童欣加入时，这家公司的目标已经不只是让 AI 更快做出一个 3D 模型。它还在试另一件事，让这些模型和代码、视频生成一起，组成一个可以运行、可以交互，也有足够丰富视听表现的游戏世界。
不碰中概的原因大概在2020年的时候，我刚开了美股账号，立刻买入了我最看好的两家公司，腾讯和阿里巴巴。
背靠中国十亿用户，剑指全球电商宝座，马云和川子谈笑风生。腾讯就更甚一筹，每一个中国人都离不开三件事：死亡和交税、还有腾讯。
印钞机一样的现金流，教科书里所有的好生意它们全占了。那一刻，我真觉得我学会了价值投资，看懂了未来。
后来的事情你们都知道了，马云的大嘴巴让阿里挨了三年铁拳，腾讯也经历了游戏行业的整顿。
那一年我学到的东西，比我之前看的所有书加起来都多：便宜，是有原因的。
后来我才慢慢琢磨出巴菲特的意思：不要碰命运掌握在政策手里的生意。再便宜的估值，在一纸文件面前都不算什么安全边际。
五年过去，远的教培行业就不说了，3个月前富途老虎长桥也被铁拳了。
又是熟悉的配方。昨天还开门迎客，明天就得关门大吉。规则总是事后才写清楚，账却是当场就要结的。
为什么港股和中概估值总是很便宜？不是公司不赚钱，很多公司赚钱凶得很。是因为必须得给铁拳计价，明天这家公司的生意能不能做，总得打个问号。美帝的公司有溢价，中概总是折价，定价的都是同一种风险。
说到富途老虎，就不得不提中概的老鼠仓问题了，我之前详细讲过，大家可以翻一下。
再比如上周五美股时间，阿里莫名其妙的跌了8.57%，周日才出新闻说要配股。这不是老鼠仓是什么？
顺便再说下，在阿里巴巴宣布800亿港元新股配售计划后，集团主席蔡崇信、CEO吴泳铭出手增持合计约1.2亿港元阿里股票。他们二人均价在112港元左右。
跌了就抄你的底，涨了就印股票给你，还总是提前看牌，你说这怎么玩？
说到阿里，今年不断烧钱送外卖、玩AI，好好的现金流就这样用来画大饼，跟同行火拼。诚然，抢占市场很重要，问题是市场份额抢下来之后，你能保证没有新的竞争者来吗？
8月10日，拼多多App首页上线最快明天达一级入口，和百亿补贴并列。水果生鲜、日用百货，核心城市次日达，超时赔3元券。翻译一下：拼多多正式杀进即时零售，阿里、美团和京东的后院起火了。
外卖三傻，随时可以变成外卖四傻。
对消费者是好事。对股东？又是一场消耗战。
至于传统的电车三傻，随着米子和华子等汽车厂商入局，已经变成电车N傻了。蔚小理的车都很不错，但是股价一跌再跌，你以为抄到了地板，其实还有地下室，你以为抄到了地下室，其实地下室下面还有18层地狱。
总结一下吧，不碰中概的原因就3个：铁拳、提前看牌、卷。
DeepMind 创始人 Demis Hassabis（德米斯·哈萨比斯）：用游戏破解 AGI 与蛋白质折叠撰文：Techub News 整理
导语
2023年，一部名为《The Thinking Game》的纪录片入选 Tribeca 电影节，将镜头对准了全球最神秘也最具野心的人工智能研究机构之一——Google DeepMind。影片罕见地深入其伦敦总部，以创始人 Demis Hassabis（德米斯·哈萨比斯）的成长与思考为主线，完整呈现了这家公司从诞生到攻克围棋、再到解决蛋白质折叠世纪难题的完整历程。这不仅是一个公司的故事，更是一群顶尖科学家如何以「构建通用人工智能（AGI）」为终极目标，将基础研究转化为现实世界突破的史诗。在 AI 浪潮席卷全球的当下，理解 DeepMind 的哲学、方法论与抉择，对于把握技术未来走向至关重要。
摘要
DeepMind 的创立源于 Hassabis 与 Shane Legg（谢恩·莱格）对 AGI 的共同痴迷，他们坚信人脑是通用智能存在的唯一证明，并决心从神经科学中汲取灵感。
公司将电子游戏视为完美的 AI 训练场，从 Atari 的像素学习到围棋的复杂策略，其核心突破在于将深度学习与强化学习结合，创造出能从零开始、自我进化的通用算法。
AlphaGo 击败李世石不仅是技术里程碑，更成为全球（尤其中国）的「斯普特尼克时刻」，引爆了 AI 军备竞赛，也让团队意识到技术扩散的双刃剑效应。
从 AlphaGo 到 AlphaZero，再到 AlphaFold，DeepMind 证明了其方法论的可扩展性：通过模拟环境与奖励机制，AI 不仅能掌握游戏，更能解决蛋白质折叠这样的现实世界科学难题。
Hassabis 强调，面对 AGI 这一可能重塑人类文明的工具，必须摒弃「快速行动、打破常规」的硅谷文化，进行审慎、负责任的研究与治理，时间紧迫但容不得错误。
从棋盘到大脑：一位 AGI 梦想家的起源
Demis Hassabis（德米斯·哈萨比斯）的思维之旅始于棋盘。他四岁展现国际象棋天赋，六岁成为伦敦八岁以下冠军，少年时期已是世界同年龄段的顶级棋手。然而，一次长达十小时的比赛成为转折点。在筋疲力尽地输掉一场本该和棋的对局后，他看着大厅里数百名棋手，突然产生了一种直觉：「我们是否在浪费这些脑力？如果能把这 300 个大脑连接成一个系统，或许就能解决癌症。」尽管热爱象棋，但他意识到这并非值得毕生投入的事业。
这种对「思维」本身的着迷，引导他走向了神经科学与人工智能的交叉点。在剑桥大学，他遇到了未来的联合创始人 Shane Legg（谢恩·莱格）。两人都对「人工通用智能（AGI）」着迷，并认为人脑是宇宙中已知唯一通用智能存在的证明，是构建 AGI 的最佳灵感来源。然而，在当时的学术圈，AI 几乎是一个令人尴尬的词汇，不被视为严肃科学。Hassabis 因此说服 Legg，正确的道路是创办一家公司。
创业之初，融资异常艰难。他们对投资者说：「我们要解决所有智能问题。」得到的回应往往是困惑与质疑。最终，以逆向思维著称的彼得·蒂尔（Peter Thiel）成为了他们的第一位重要投资者。蒂尔坚持公司应设在硅谷，但 Hassabis 力主留在伦敦。他认为伦敦拥有剑桥、牛津、UCL 等顶尖学府培养出的卓越人才，而硅谷「快速试错、频繁跳槽」的文化不利于需要长期投入的基础研究。最终，DeepMind 在伦敦成立，使命明确：「打造世界上第一个通用学习机器。」
游戏作为训练场：从 Atari 像素到围棋圣杯
DeepMind 早期做出了一个关键决策：将游戏作为 AI 开发的完美训练场。游戏提供了结构化的环境、明确的规则和奖励信号，是测试智能「通用性」和「学习能力」的理想沙盒。
他们的第一个重大突破是「深度 Q 网络（DQN）」。团队将深度学习与强化学习这两种当时独立发展的技术首次大规模结合，创造出单一算法。该算法仅接收游戏屏幕的原始像素和得分信号，目标仅是最大化得分，而不被告知任何游戏规则。他们从最简单的《Pong》开始，经历了一段令人焦虑的时期——算法似乎毫无进展。Hassabis 甚至对 Legg 说：「也许我们错了，我们连《Pong》都做不了。」然而，转折点突然到来：AI 拿到了第一分，然后赢得了第一局，三个月后，已无人能敌。
随后，他们将同一算法应用到《Breakout》等数十款 Atari 游戏中。在《Breakout》里，AI 不仅学会了玩，更在持续训练中发现了人类从未想到的最优策略：从侧面挖隧道，让球绕到墙后。这证明了算法不仅能学习，还能创造。研究员 Murray Shanahan 评价道：「这在许多方面是第一个可被称为通用智能的例子。」
然而，算力限制了想象。为了加速 AGI 时间表，DeepMind 需要更大的规模。这引向了被谷歌收购的决定。Hassabis 回忆，投资者并不想出售，但团队认为这是对使命最有利的选择。「没有时间可以浪费……你会用多少亿来换取五年寿命，去做你立志要做的事？」收购后，他们获得了前所未有的计算资源，并将目光投向了更宏伟的目标：围棋。
围棋被视为人工智能的「圣杯」，其棋盘可能性远超宇宙原子总数，直觉与创造力至关重要。DeepMind 开发了 AlphaGo。其训练分两步：首先学习数十万盘人类棋谱，模仿人类下法；然后通过强化学习，让不同版本的 AlphaGo 相互对弈数百万局，从错误中学习。
2016年，AlphaGo 与传奇棋手李世石的对决举世瞩目。比赛中，AlphaGo 下出了令所有职业棋手震惊的「第 37 手」。David Silver 回忆，AlphaGo 自身评估这一手由人类棋手走出的概率也只有万分之一。这手棋不仅赢得了比赛，更象征着 AI 在数千年人类智慧沉淀的领域发现了全新知识。前谷歌 CEO 埃里克·施密特称，AlphaGo 的胜利是中国的「斯普特尼克时刻」，如同当年苏联卫星上天刺激美国一样，它引爆了全球 AI 竞赛。
此后，团队进一步推出了 AlphaZero。它摒弃了所有人类棋谱知识，完全从零开始，仅通过自我对弈学习。结果更令人震撼：AlphaZero 可以在早上开始完全随机地下棋，到下午茶时间就达到超人类水平，晚餐时分则成为有史以来最强的棋类实体。它甚至发展出了全新的、更具攻击性的象棋风格，让人类大师都感到启发。
迈向更广阔的世界：星际争霸、AI 安全与科学发现
在棋类游戏取得胜利后，DeepMind 开始挑战更接近现实世界复杂性的环境——《星际争霸 II》。这款游戏具有不完全信息、实时决策、长期规划等特性，是测试智能「广度」的绝佳平台。团队从大型语言模型中获得灵感，训练 AI 预测游戏中的下一个动作，就像预测下一个单词一样。
进展起初缓慢，AI 甚至无法击败业余水平的同事。但随后，进步速度呈指数级增长。当 AI 击败内部最好的《星际争霸》玩家时，团队知道他们已接近另一个里程碑。最终，AlphaStar 在直播比赛中与职业选手 MaNa 对决，展示了惊人的战术执行能力。然而，这场胜利也让团队内部产生了反思。研究员 David Silver 说：「我们许多人是游戏玩家出身，自然将游戏视为乐趣的载体。但公众可能会看到其中更军事化的一面。」
影片此时引入了深刻的伦理讨论。学者们警告 AI 在军事化、监控、制造虚假信息方面的潜在滥用。Hassabis 明确表示，他认为自主武器是个「非常糟糕的主意」，并强调技术本身中性，但使用方式决定其善恶。他将 DeepMind 的工作与「曼哈顿计划」类比，但指出关键区别：「奥本海默等项目的领导者沉醉于技术可能性的兴奋中，未能尽早足够认真地思考他们所做之事的道德问题。」 他主张，对于强大的新技术，科学家应在受控条件下首先理解它，绝不能遵循「快速行动、打破常规」的信条，因为有些东西一旦打破就无法修复。
这种「用 AI 解决科学问题以造福人类」的理念，在 AlphaFold 项目上得到了终极体现。蛋白质折叠问题是生物学长达五十年的「圣杯」，通过氨基酸序列预测蛋白质三维结构，是理解生命机制、设计新药的关键。Hassabis 在剑桥时期就对此问题着迷，并认为 AI 是解决它的钥匙。
DeepMind 组建了「蛋白质折叠突击队」。过程充满挑战，团队需要融合生物学领域知识。在新冠疫情全球封锁的背景下，研发在团队成员家的各个房间里远程进行。他们甚至重点攻坚了新冠病毒的 Orf8 蛋白结构。最终，在 CASP14（蛋白质结构预测关键评估）中，AlphaFold 取得了惊人的准确性，被评价为「基本上解决了蛋白质折叠问题」。
更值得称道的是接下来的决定。Hassabis 团队没有将这一突破封闭起来，而是决定「折叠所有已知的蛋白质序列，然后免费提供给全世界」。他们与欧洲分子生物学实验室合作，建立了 AlphaFold 数据库，开放了超过 2 亿个蛋白质结构预测。施密特称这是「馈赠给全人类的礼物」。这一举动彻底改变了结构生物学的研究方式，加速了全球在疾病、农业、环境等领域的科研进程。AlphaFold 成为了 DeepMind 哲学的最佳证明：在通往 AGI 的道路上，创造能够解决现实世界最复杂问题的革命性工具。
尾声：AGI 在望，责任在肩
影片以 Hassabis 与早期 AI 原型「Alpha」的轻松对话结束，谈论象棋、雕塑与艺术。但轻松背后是沉重的使命感。Hassabis 总结道，AGI 已清晰可见于地平线，下一代将生活在一个被 AI 彻底重塑的世界。「如果负责任地引导这一进程，每一刻都至关重要。这是我为之活了一生的时刻。」
从国际象棋神童到游戏程序员，从神经科学博士到 AGI 梦想家，Demis Hassabis（德米斯·哈萨比斯）的人生轨迹始终围绕着「思考」这一核心。DeepMind 的故事表明，最雄心勃勃的科技目标，可能需要最「游戏化」的纯粹研究作为起点，但最终必须锚定在最严肃的人类福祉之上。在技术加速滚下山坡的今天，如何确保它沿着正确的轨迹前进，是影片留给所有观众——尤其是技术行业与政策制定者——的核心思考题。
具身智能的金钱游戏撰文：晚点团队
融资、订单和估值环环相扣，真正等待验证的，仍是技术和需求。
文丨李梓楠 申远 徐煜萌
图丨黄帧昕
编辑丨赵磊
报道收尾时，编辑问，多少台机器人上产线干活能顶一个比亚迪的工人？我无法回答。年初，在模拟的汽车工厂里，我看着一台人形机器人将四根手指排列成平面，托起箱子，转身走到 20 米外的货架前，把东西放下。全程用时大概 90 秒，效率可能只有人类的 30%。上个月，在一家轴承制造厂里，另一台机器人伸出爪子，从托盘上捡起轴承，转身放到左边的塑料盒子里，这个动作人类 2 秒就能完成，它用了 70 秒，再快十倍也进不了厂。
造这两台机器人的公司，一个估值近 400 亿元；另一个估值超过 10 亿美元，成立至今不到一年，融了 5 轮。显然，开 5000 月薪也能招到人的中国工厂目前暂时不会用这样的机器人，可前三名的灵巧手公司估值都到了 200 亿元。根据摩根士丹利研报，去年中国实际出货的具身机器人超过万台，宇树卖了 5215 台。8 月 19 日上市后，宇树市值一度超过 4000 亿。目前，理想、蔚来、小鹏、零跑四家新势力车企的市值加起来也只有 3000 亿，去年它们卖掉了 175 万辆车。根据 IT 桔子的统计，2026 上半年国内具身智能融资总额超过 900 亿人民币，估值超百亿的企业多达 22 家。资金从机器人本体涌向灵巧手、数据、关节模组和触觉传感器，一些成立不到三年的公司估值超过 200 亿元，还有公司尚未注册，就已经谈好第二轮融资。
具身公司创始人和投资人们盼望宇树上市。当前，技术、收入和利润都无法支撑行业的高估值，宇树可以成为那把标尺。但宇树无法替他们回答，尚未兑现的技术和收入究竟值多少钱。
没有估值方法，就先找到下一轮投资人
6 月底，自变量机器人宣布完成新一轮融资，估值达到约 200 亿元。几乎同一时间，智平方也跨过了这条线。两家公司都自称大湾区第一家具身智能独角兽，但谁是第一已经不太重要，200 亿元正在成为头部具身公司的新门槛。在他们之前，已经有六家机器人公司估值超过 200 亿。进入 7 月，机器人本体公司的融资变慢，估值热潮继续涌到灵巧手和数据，我们跟踪的三家灵巧手公司估值也超过 200 亿，一家才成立一年多，其余两家去年初估值不到 10 亿，20 个月涨了 20 倍。
估值上涨时，这些公司的产品和收入并未同步增长。我们询问了多位一级市场投资人：这些公司的估值依据是什么？但没有人能明确告诉我们一套可验证的算法。也是在 6 月，一位具身投资人决定离职。他形容这个市场：“一个还在萌芽期的领域，如果很多人都说公司融不到多少钱、到不了多少估值，就失去了上桌机会，听起来不像创业，而是打德州扑克。”
过去，VC 强调依靠判断力挖掘非共识的大机会。到了具身领域，共识早已形成，机构更在意能不能进入头部项目，和正确的机构站在一起，并让下一轮融资继续发生。上半年的一场饭局上，一位投资人向同桌的朋友推荐一家数据采集公司。他给出的理由包括：创始团队有所谓 “诺奖级” 学术背景（入选或得过 ACM、IEEE 及其旗下奖项）；公司进入了头部产业方的生态；这轮融资已经聚集产业投资方，以及多家头部人民币和美元基金。饭桌上，他们几乎不讨论技术能力和商业前景，只相互确认了一个共识：现在第一人称数据采集是最好的。
几乎很少有人能抗拒这样的诱惑。“行业鼻祖的学生，加几家顶级产投和 VC，会有人拒绝吗？我觉得没有。” 项目的融资窗口往往很短，有时只给两天考虑。多位投资人告诉我们，现在具身创始人就像明星，见到基金老板才开放融资额度。一些具身公司高管私下吃饭时会互相分享融资的窍门：十个投资人加你，晾几天再通过，就挑一两个见一下，也不告诉他们团队里都有谁，制造神秘感。越是见不着越要见，越神秘越好。
一种通用模板是，一位有跨领域连续创业经历的老手在幕后做操盘人，搭配一位曾在海外师从计算机或人工智能领域泰斗的博士回国担任 CEO，站在台前，沿着他的学术经历给出一套逻辑上可行的框架，打造独特的技术叙事，并不断强化公司的技术形象。过去一年，汽车业技术高管离职入局具身的路径更为典型。同样由有经营经验的非技术背景人士当操盘手，技术高管担任 CEO 或 CTO，是企业对外的门面。他们的标签是，车企背景的人做过百万级的自动驾驶量产经验，比 “教授” 更知道如何把技术产品化规模化。
这种路径下，我们了解到的最极致的样本是，一位新势力车企高管离职后，新公司还未注册就已经在谈第二轮融资。公司注册半个月，仅有不到 20 名员工的情况下，估值就达到 10 亿美元。组局对早期进入的机构而言，账面回报和退出预期也更加确定。“看到这个阵营，后面一堆人想进来。” 只要项目背景不差，公司估值达到 50 亿元、100 亿元并不困难。
把估值做高的办法之一是，投这一轮时就承诺下一轮还领投，几个月内估值就会翻倍。这甚至会出现 “同期不同价” 的情况。“圈子里挣得是圈子外的人的钱。” 投资机构本身就成了估值的一部分。投大模型的时候也出现过这种 club deal（指的是一组投资人组成一个阵营、共同投资一个项目）。当时头部基金还相互排斥。到了投具身，红杉、高瓴的名字经常一起出现，阵营变得整齐。前述投资人的解释是：“一起赚钱有什么好排斥的？”
规模更大的局，也有更复杂的交换。一家制造业的产业投资方在 2024 年拜访王兴兴，当时并没有投资宇树，2025 年 2 月后，情况完全不同了，宇树机器人在春晚演出，成为继 DeepSeek 后第二个现象级科技公司，投资机构迅速涌入。后来就连这家 CVC 董事长亲自出马约见王兴兴，也没有谈下新一轮融资额度。
他们转而寻找愿意出售宇树老股的早期股东。据了解这笔交易的人士说，一位老股东愿意转让部分宇树股份，这之后，这家 CVC 也投资了这位老股东参与创立的另外一家具身智能公司。去年年中，这家 CVC 领投了这家具身创业公司的新一轮融资。它很快给这家公司下了四足巡检机器狗的订单，放在巡检场景，今年年中，这家 CVC 又买了被投公司的机器人，放到自己的工厂。
这家具身创业公司计划于今年内在港股上市。
机器人卖出去了，可持续的需求还没有
宇树招股书公开后，市场第一次看到一家头部通用机器人公司的完整收入结构。2025 年，宇树营业收入16.99 亿元，人形机器人卖出 5215 台，收入占比近一半。截至去年 9 月，收入中超过七成来自科研教育，用于算法研究、教学实验、二次开发，只有不到 10% 的收入来自行业应用，其中一半以上用于企业导览。能够明确用于智能制造、智能巡检和物流配送等场景的收入只有 1570 万元。宇树的客户非常分散，前五大客户合计贡献 10.61% 的收入，第一大客户京东占 3.54%。目前还没有工业客户大规模购买使用。
乐享科技联席 CEO 李元庆在一次媒体分享会上说，无论做什么机器人，一定能卖出去 500 台，因为会有 500 个竞争对手买回去研究。但宇树的情况很难被复制。它做了十年，有四足机器人的消费级产品线，有春晚带来的品牌效应，有9.9 万元的价格优势，去年卖出超过五千台人形机器人已经是全球第一。“同行去年能做到千台以上的就 2-3 家，其他都是百台级别。” 一位宇树人士说。
科研和展览容纳不了数十家机器人公司。另一位头部机器人公司 CEO 今年初告诉我们，2025 年机器人领域最活跃的买家是各地新建的数据采集工厂。这些数采工厂把机器人买回去后，让采集员穿戴设备，操控机器人做叠被子、擦桌子、分拣物品等动作，然后将采集的机器人操作的视觉画面和轨迹数据卖给机器人公司。部分机器人公司会和采购机器人的数采厂签订回购协议，它们把机器人卖给数采厂获得收入，再承诺通过采购数据，将数采厂买机器人的钱部分返还回去。
两位数采创业者说，数采项目投入可控，主要是买机器人的固定资产投入和土地，创造就业的确定性也很高，又涉及制造业和智能化，而且无污染，一些地方国资很喜欢这种项目。他们会优先给一些错过新能源车、大模型热潮的地方政府推介项目，说这是一个比前两者更大的机会。据他们透露，目前真机采集数据售价超过 700 元 / 小时，一个 100 台机器人规模的数采厂每月约能生产 1 万小时的数据。按照机器人 50 万元的售价，在满负荷运转、不考虑人员、场地和维护费用的理想情况下，数采厂 8 个月内可收回采购机器人的成本。
实际上，多位实地探访数采工厂的人看到，一些工厂的机器人长期闲置，已经采集的数据也没有找到买家。一座此前采购约 8000 万元机器人的数采工厂，因为回本时间超过预期，今年初把部分机器人转卖给学校。多数机器人公司还未开始大规模采购数据，因为行业仍未确认最有效的数据形态。各家机器人的构型、传感器和摄像位置不同，数据跨本体复用仍需要大量转换和适配，实际通用性有限。
技术路线、数据格式和验收标准都没有确定，纸面上的巨大需求很难及时变成订单；今天采购的数据，也可能在路线变化后迅速贬值。部分机器人公司则会跟地方国资合作成立合资公司，由合资公司发布采购项目，承建数采工厂，再由合作的机器人公司中标供货。其中，跟地方关系密切的产业集团是重要的撮合方与参与方。今年二季度，一家机器人公司披露的招股书显示，去年它的前五大客户有四家是地方政府或国资关联体系，它们共同提供了这家公司 30% 以上的收入。这家公司去年的第一大客户同时也是它的股东，双方共同投资成立合资公司，运营机器人训练中心。地方国资同时扮演了客户、投资人和运营伙伴三种角色。去年中，一家上市公司发布公告，与当地国资和一家机器人公司达成战略合作，三方拟成立合资公司，建设机器人数采和训练及落地场景。合资公司拟向这家机器人公司提供意向采购订单，由其提供机器人产品和技术，上市公司承接机器人核心零部件、关节订单及供应链配套。另外，这家上市公司也是机器人公司旗下投资基金的 LP，上市公司的子公司则是机器人公司的核心经销商。
一家机器人公司的高管告诉我们，机器人是新行业，各种层面都需要创新，商业模式创新也是创新。多重身份和交叉交易已经是行业普遍现象。这套合作中，产业伙伴可以同时获得多种收益：向机器人公司销售零部件、承接代工、参与基金投资、运营数采基地，再采购机器人进入工厂或训练场。机器人公司则获得产能、场景、投资和订单。但这部分收入在资本市场存在争议。据我们了解，一家头部机器人公司去年四季度递交上市文件时，部分存在关联交易性质的营收被审计机构要求剔除。另一批积极参与者是制造业上市公司，比如果链和电动车供应链，去年人形机器人板块大热时，许多供应链公司想开辟新的增长路径，参与到机器人这一新的万亿行业中，方式不限于入股、送样、购买机器人。机器人业务成为他们向投资者解释未来增长的新依据。
去年，一家锂电池材料供应商曾购买智元机器人，并宣布与智元达成机器人核心关节模组的供货协议，双方互为客户、供应商。消息宣布当日，这家公司的股价上涨 20% 。这家公司的董秘去年曾在调研时对分析师说，“直接按照机器人公司的模型给我们估值，我们已经不是汽车配套企业了。” 今年年初，锂电池供应链涨价，全行业股价反弹后，这位董秘又说，“我们深度绑定宁德时代，我们是磷酸铁锂龙头。”
一位头部外资分析师讲过一段经历。一家特斯拉汽车零部件供应商 IR 向她展示了自己邀请 Optimus 机器人团队采购人员去 KTV 的照片，说那天这位特斯拉采购唱了十几首歌，是来中国玩得最开心的一次。产业方客户掏钱买机器人，把它们放进产线，然后拍视频宣传机器人已经在他们的工厂里工作。这为机器人公司带来了落地场景的宣传，作为机器人公司的股东和零部件供应商，这些制造业上市公司又从机器人创业公司估值抬升和二级市场股价上涨中获利。比如去年 8 月官宣与智元的合作，开完机器人零部件发布会后，均胜电子股价在一个月内上涨 95% 。
据我们了解，部分机器人公司在接触投资人谈份额时，会暗示或者要求他们按份额比例购买公司的机器人或者灵巧手。上个月一家特斯拉供应商的董事长告诉《晚点 LatePost》，某家已在上市流程中的灵巧手公司给出的销量数字已经超过全行业上半年真实的销量数字，“可能很多是投资人买的。”带动上下游一起赚钱，在需求没有起来前先壮大生态，智元的打法很典型。
去年 8 月，智元在生态合作伙伴大会上推出围绕机器人销售的合作伙伴体系架构。合作伙伴与汽车领域的经销商角色类似，它们购买智元的机器人，然后在智元的协助下寻找大客户和应用场景，完成的销售额越高，能获得智元的资源支持越多。这套架构将合作伙伴分成 VAP、金牌、银牌、认证四个级别，对应的年度业绩门槛分别为 2000 万元、1000 万元、500 万元和 200 万元。
当年，均胜电子、宁波华翔、玉树智能、小鹭智能、上纬新材、山东智行、恒工科技、卧龙电驱、i-city 等十家公司获得 VAP 席位，其中有一些公司也是智元的供应商、代工方、合资伙伴或被投企业。均胜电子是其中业绩最好的合作方。去年十月，他们宣布与智元达成过亿元机器人采购订单。在此之前，均胜电子也与智元达成协议，为其供应头部总成、惯性传感器、能源管理系统等机器人零部件，其子公司普智未来也成为智元机器人的代工方之一。均胜电子曾透露，其具身智能体大脑解决方案已在部分工业场景和自动充电场景中实现真实部署运行。
按照邓泰华的说法，过去三年智元每年收入增长 20 倍。今年一季度，智元收入已经超过 10 亿，和去年全年相等。今年 7 月上市路演时，智元给出的指引是出货1.6 万台机器人，营收达到 45 亿元。而到 2027 年底，智元目标是把营收做到 100 亿。包括产业伙伴、城市伙伴、渠道伙伴等几千家合作方将成为智元的重要收入来源。在智元 2025 年的 10 亿收入里，合作伙伴销售占比从上半年接近 0 上升到全年 25%；2026 年，智元计划把合作伙伴销售占比进一步提高到至少 60%。
汽车、服务器和工业设备公司都依靠经销商拓展市场。但判断机器人收入能否持续，得看卖给了多少没有股权或供应链合作的终端客户，库存由谁承担，客户是否完成验收，以及之后有没有复购。这只取决于机器人的真实能力。
钱越来越多，还没有变成技术优势
一位参与过三家机器人公司路演的投行人士还记得，今年 5 月，他去一家估值超过 200 亿的具身公司调研。工程师让机器人展示叠毛巾，整个过程持续了 15 分钟，最后还没叠好。另一次是看机器人搬箱子。箱子是特制的标准件，底部有固定尺寸的卡槽，机器人双臂只需要把夹爪片对准底部卡槽一插，像叉车一样往上托，箱子就起来了。“我把箱子挪斜一点，问工程师这样行不行，他说不行。”
两次演示显示了投资人面对的共同问题：具身公司已经拿了越来越多的钱，但很难证明，这些钱让机器人的能力提高了多少。过去一年，头部机器人公司的本体和小脑运控算法明显成熟，稳定行走不再是少数公司的专属能力。但机器人大脑的发展还处于非常初级的阶段。许多机器人可以在预先设定的环境中完成动作，一旦物体位置、形态或操作步骤发生变化，成功率就会显著下降。多数公司仍未解决泛化、稳定性和人工介入频繁等问题。
很多具身公司创始人都反复强调，机器人会是人类有史以来规模最大的产业，但从研发投入和资本开支的视角，这个行业可能还没进入与其融资规模相匹配的发展阶段。优必选创始人周剑今年初曾告诉《晚点 LatePost》，他们去年研发投入 5 亿，可能已经是国内机器人领域最高的。两位投资人称，智元去年研发投入超 5 亿。
更多公司远低于这个水平。招股书显示，宇树去年研发投入为1.45 亿元。另一家上半年估值就已超过 200 亿，累计融资额约 50 亿元的具身智能初创公司去年研发投入不到 4000 万元，其中大部分是给研发人员开工资。一位投资人说，如果这公司把钱都买理财，收益足以覆盖日常开支，可以变成 “永续型公司”。根据《晚点 LatePost》了解到的情况，今年上春晚的四家机器人公司宇树、松延动力、魔法原子和银河通用，各家的花费均接近 1 亿，比许多公司全年的研发投入还要高。
多数一级投资人认为研发投入少情有可原：具身智能领域的技术路线还未收敛，过早进行大规模、不可逆的投入，风险很大。这也造成了具身行业特殊的资金现象：公司不断融资但这些钱又很难迅速转化为技术优势，大部分只是放在那里。一位投了自变量等具身公司的投资人认为，估值 100 亿以上的具身公司融的钱理论上够用了，但融资竞赛还在继续，“融钱的目的是什么？搞不懂。”
随着本体硬件技术路线逐渐收敛，供应链趋向成熟，具身公司的新增研发投入开始集中到两个方向：算力和数据。一家刚成立 10 个月的具身公司的创始人 7 月初时告诉我们，国内具身领域掌握最多算力的是字节、阿里等大厂的具身研发部门，创业公司中，有千卡以上算力储备的只有 8 家，他们是其中之一。宇树也有千卡，据我们了解，宇树去年的算力开支约为 3000 万元，且已组建超过 50 人的大脑研发团队。
有足够的算力只是前提。与大语言模型比，具身模型更缺乏有效的数据。三位数据采集公司高管告诉我们，今年上半年，行业内数据产量最高的公司也只有数万小时的第一人称数据。他们截至目前接到的最大笔订单金额也只有数百万元，对应大概 1 万小时，主要买家仍是阿里、字节等拥有较多算力的大厂。行业甚至还没有确定，什么样的数据最有价值。越来越多的公司开始尝试第一人称视角数据，普通人戴上带有摄像头的帽子、手部传感器和足部传感器做各种动作，以更低成本扩大数据规模。但这种数据能在多大程度上替代真机数据，目前仍没有一致结论。
模型路线同样没有确定。过去一年，行业的技术叙事从 VLA 迅速扩展到世界模型，但同一个概念下，各家的模型结构、训练目标和数据需求并不相同。技术名词趋于一致，路线本身却并没有因此收敛。具身智能还缺少明确的交付节点。自动驾驶公司每隔几个月更新智驾版本和开城情况，大模型公司不停地发新模型，但机器人行业没有共同评价体系，不存在一个公认的里程碑来衡量进展。公司可以一直说自己正在研发，技术假设难以在短时间内被证伪。
算力、数据和人才都可以花钱购买，但这些投入如何转化为机器人在陌生环境中的泛化能力，没有人能给出标准答案。在这个阶段，融资为公司提供了继续探索的时间和选择不同技术路线的试错成本，但买不来可以立即被验证的竞争力。
特斯拉之后，宇树提供了价格锚点
资金和资源不会一直保持耐心，它们对产业的信心也需要持续的技术和商业进展维持。具身智能热潮最初由特斯拉的 Optimus 项目点燃。马斯克承诺这会是人类有史以来最大的产业机会，会改变人类社会经济结构，他预计全球人形机器人的长期保有量可能达到 100 亿台。宏大的产业终局被跟随者们进一步简化为一句容易理解的话：机器人最终会是汽车的价格、手机的保有量。最早花钱相信这个故事的是特斯拉的供应商和二级市场的投资人。他们笃信马斯克，不止一位对我们说，“过去 20 年赌马斯克会输的人都输了。”
市场热情最高的时候，有数百家供应链公司持续给特斯拉送样，接触 Optimus 项目的工程师咨询电话 9600 元 / 小时。特斯拉供应商只要宣布自己计划转型做机器人，估值就能涨一大截。市场宽容到愿意相信做车门、车灯的公司也能进特斯拉供应链造机器人零部件。直到去年下半年，赛道过于拥挤，某些关节执行器传闻有六七家供应商在与特斯拉对接时，终于有人选择戳穿，“让他一个造车门的来造执行器，是特斯拉有病吗？”
过去几年，Optimus 的量产节点和生产目标多次调整，等待订单的时间不断延长。特斯拉供应商和 A 股机器人投资者开始重新审视 Optimus 的进展。今年 7 月，另一位特斯拉供应商董事长对《晚点 LatePost》说，“过去三年白干了，机器人业务估值已经跌没了。”中国一级市场的热情并未因此消失。投资人仍然可以把一家具身公司理解为一张 “产业期权”，只要通用机器人的技术最终取得突破，今天的投入就可能获得巨大的回报。支撑这种投入的，不只是技术进步，还有未来上市并获得公开定价的预期。
宇树上市解决的一个最大问题是证明了二级市场仍愿意为具身公司的远期预期定价，尽管宇树跟大多数具身公司并不一样：它不用靠融资生存，已经证明了自己能量产机器人、获得真实收入并保持较高毛利率。宇树目前已经商业化的优势主要集中在本体、小脑运控和工程量产。多位机器人创业者和投资人认为，宇树当下真正的核心竞争力是 PCB 走线设计、电机参数调优以及供应链管理，这些 know-how 来自王兴兴及团队十几年积累的经验，很难被当期研发费用衡量。
“大脑” 是另一回事，虽然宇树也在开发 WMA、VLA 等具身模型，计划投入超过 20 亿元用于机器人 “大脑”、“小脑” 底层技术攻坚，但这些能力尚未经历完整的应用场景和商业化验证，而增加模型、算力和数据投入，会推高研发费用，可能压低宇树的短期利润。从现有收入和产品能力看，宇树更像一家工程和制造能力很强的智能硬件公司：硬件制造能力强、品牌认知高、毛利率健康。但它能否进一步成为具身模型公司，仍有待验证。
投大模型企业，投资人知道自己是在赌 “模型能力会持续变强” 这个预期，但本体硬件的迭代速度远没有大模型快，如果二级市场愿意为它尚未兑现的 “大脑” 能力支付足够高的溢价，一级市场的具身公司将获得新的估值空间。如果市场只愿意按照硬件公司的收入和利润给宇树定价，许多仍没有收入、利润和量产能力的创业公司将很难解释，自己凭什么值那么多钱。
一位具身投资人把过去几年的心态变化总结成一句顺口溜：质疑泡沫，理解泡沫，拥抱泡沫，享受泡沫，但他没有说第五步是什么。题图来源：《赌王之王》
- FIN -
AI是人类发明的，还是发现的2026.08.09 · 硅谷 Alan Walker
这不是文字游戏。一样东西是被造出来的还是被找到的，决定了它归谁、听谁的、以及谁该为它负责。
California Avenue · Zombie Café · 早上七点
芯片是人造的，代码是人写的，公司是人开的。所以 AI 当然是人类发明的 —— 大多数人到这里就不往下想了。
但同样的逻辑放到别的地方就没人敢这么快下结论。素数的分布是被谁设计出来的，还是本来就在那儿？黑洞先在方程里被算出来，几十年后才被望远镜看见，那它是被发明的还是被发现的？
这篇文章想做的事情很简单，把证据摊开，两边各说一遍，然后给我自己的答案。
提前说明，最后一节是 Alan 的个人怀疑，不是论证。我会标出来。
不止数学
发明还是发现，是人类每拿到一样新东西就要吵一次的问题。数学只是吵得最久的那一场。
发现派的源头是 柏拉图：数学对象在一个独立于人的世界里存在，我们做的事叫回忆。哈代和哥德尔都站在这一边。发明派是 希尔伯特 和 布劳威尔：公理是我们挑的，规则是我们定的，没有构造出来的东西根本不存在。
发现派最重的一张牌是维格纳 1960 年那篇文章的标题——数学在自然科学中"不合理的有效性"。非欧几何被造出来的时候是个纯形式游戏，半个世纪后成了广义相对论唯一能用的语言。发明派最重的一张牌是连续统假设：哥德尔和科恩先后证明它在标准公理系统里既不能被证明也不能被推翻。如果真有一个客观的数学世界，"实数比整数多多少"这件事本该有确定答案。
吵了两千五百年，两边都拿得出重炮。
这场争论也不只发生在数学里。元素周期表是发现的，门捷列夫留下的空格后来被一个个填上；塑料是发明的。细菌身上本来就有 CRISPR，那是发现，把它改造成基因剪刀是发明。微积分被牛顿和莱布尼茨各自找到一次，能量守恒在同一个十年里被四五个人分别提出——同一样东西被不同的人独立撞见，这在科学史上是"发现"的经典标志。
值得注意的是，这个问题从来不是纯学术的。专利法 把这条线写死了：自然规律和抽象概念不可专利。所以一样东西被判成发明还是发现，直接决定它能不能被拥有、能不能被卖、以及出了事谁站在被告席上。
现在轮到 AI。
先立一把尺
不先说清楚怎么分辨，后面只能吵立场。三条 标准，都很朴素。
第一，换个物种还成不成立。如果人类从没出现过，另一个独立演化的文明走到同样的阶段，会不会得到同一样东西？它们会有热机，但不会有瓦特那台；它们的素数和圆周率，跟我们的一模一样。发明的东西带着发明者的指纹，发现的东西不带。
第二，是规定的还是量出来的。USB 接口有几根针，是人规定的。光速是多少，只能去量，量出来是多少就是多少。前者是发明，后者是发现。
第三，会不会给出你没打算要的东西。一把锤子只会做你设计它做的事。一颗行星会不断给你新东西看，包括你不想看到的。
三条尺子摆好，开始量。
把 AI 拆开
这个问题之所以难答，是因为"AI"这个词至少指着五样不同的东西。混在一起当然量不出结果。拆开之后，答案立刻清楚。
逐 层 判 定
硬件与工程纯发明
GPU、集群、机房、CUDA。换个物种做，不会做出同样的东西。
架构偏发明
Transformer、注意力、专家混合。但反向传播不是——它就是微积分里的链式法则，而且被三拨人在 1970、1974、1986 各自独立找到过一次。
目标函数踩进数学
猜下一个词。"预测得越准等于压缩得越狠"是信息论里的定理，不是谁的创意。
能力偏发现
上下文学习、思维链、工具使用。没有一样是设计目标，全部是先被撞见、后被命名。
规律纯发现
缩放律。跨多个数量级的幂律。你没法发明一条幂律，只能量到它。
从上往下看，人的指纹一层比一层淡。
反向传播那条尤其值得停一下。三拨人，不同国家，不同年代，互不知情，走到同一个地方。没有人独立发明出第二台一模一样的蒸汽机，但同一条数学结论会被反复撞见。
换句话说：我们发明的是通道，不是通道尽头那个东西。
它不像造的
先看支持"发现"的六条。每一条这里都用大白话说一遍。
一、损失曲线是一条直线。
模型越大、数据越多、算力越多，出错就越少——这本来是常识。反常的是它降得太规整：画在对数坐标上是一条直线，跨好几个数量级都不打弯。
这么规整的关系，在人造物里很罕见，在自然界很常见：地震的大小分布、城市的规模分布、湍流的能量分布，全是这个形状，背后都有一个共同的东西叫标度不变性。规整 不是设计出来的，是量出来的。
二、它自己找到了两百年前的数学。
研究者训练了一个很小的模型去做"钟表加法"——比如在十二小时制里，十点加五点等于三点。训练时只给它输入和答案，什么方法都没教。
训好之后把它拆开，发现它内部的做法是：把每个数字变成钟面上的一个角度，用三角公式把两个角度加起来，再读出结果。这套东西有个名字，叫 傅里叶变换，人类在两百年前找到的。
没有人把三角函数放进去，它自己长出来了。
三、不同的模型在往同一个地方走。
不同架构、不同数据、甚至不同模态——一个看图，一个读字——训练出来的模型，内部判断"这两样东西有多像"的方式，随着规模变大越来越一致。
MIT 2024 年那篇论文直接把这个现象命名为《柏拉图表征假说》：各个模型看到的是同一个现实投在墙上的不同影子，模型越强，还原出的东西越接近同一个。
如果各家是各造各的，不该 越造越像。
四、同一批零件反复出现。
拆开不同的模型，总能找到同一批小结构：专门识别曲线的、专门分辨高低频的、还有一种叫感应头的电路，作用是"看见前文出现过的模式就照着往下接"。有些结构甚至能在生物的视觉皮层里找到对应物。
这是 趋同演化 的形状。眼睛在演化史上独立出现过几十次，不是因为大自然偏爱眼睛，是因为"用透镜把光聚起来"这个解本来就在那里。
五、能力是被撞见的，不是被规划的。
上下文学习、思维链、工具使用，这几样今天被写进每一份产品文档的能力，当初没有一样是设计目标。全都是先在模型上被观察到，然后才有名字，再往后才有解释。
工程的顺序是设计、实现、验证。这个领域走的是 观察、命名、解释——那是 自然科学 的顺序。
六、它会自己换相。
有个现象叫 grokking：小模型先是死记硬背，在训练集上早早满分，测试集上一塌糊涂，曲线平了很久很久，然后在某一刻突然学会了真正的规律。
不是慢慢变好的，是跳过去的。这种跳跃在物理里叫 相变，是自然系统的签名。你造的东西不会在你不动手的时候自己换个状态。
它确实是造的
另一边同样不弱。六条。
一、它说话的方式是调出来的。
分词怎么切、数据怎么配、后训练用谁的偏好、哪些问题不答、语气热情还是克制——你今天用的这个助手为什么是这个性格，是一群 人一轮轮调出来的 结果。
具体到任何一个能下载权重的模型，它是一件带序列号的制成品。
二、它读的全是人写的东西。
训练语料的绝大部分来自人类文本。所以它建模的那个"现实"，很大一块本身就是 人造物。
那个所谓"关于现实的共同模型"，更准确的名字可能是"关于人类如何描述现实的共同模型"。它照见的也许不是世界，是我们自己。
三、那条"定律"被改过，而且改得很大。
2020 年 Kaplan 那篇缩放律说：参数比数据更重要，模型要往大了做。2022 年 DeepMind 的 Chinchilla 推翻了这个结论，指出固定算力下参数和数据应当大致等比扩张，大约每个参数配二十个词，并且证明当时很多大模型是严重欠训练的。
后来的复盘把分歧归因于几个很具体的技术细节：Kaplan 只统计了非嵌入参数、实验规模偏小、学习率调度没调好。2024 年还有人重跑 Chinchilla 的拟合，发现其中一种方法里优化器提前终止了。
麦克斯韦方程组不会每两年修一次系数。会被修的，是 拟合出来的经验曲线。
四、"涌现"可能是尺子造出来的台阶。
大家常说某个能力"突然出现"。有研究指出，突然感很大程度上来自 评测方式：如果用"全部答对才算对"这种非黑即白的指标去量，曲线自然会呈现台阶；换成连续的、按接近程度打分的指标，同一批数据画出来是平滑上升的。
如果涌现是量法的产物，那"我们没设计它但它出现了"这条证据要打掉一大截。
五、墓地里没有论文。
汉明当年反驳维格纳时说过一个道理：数学看起来那么有效，是因为不管用的那些我们从一开始就不会去用。
这些年被试过的架构、损失函数、优化器成千上万，跑通的写成论文，跑不通的连名字都没留下。事后从活着的样本里看出一条漂亮规律，可能只说明我们习惯在能跑通的地方找规律。
六、换把尺子，像就少了一半。
2026 年已经有工作指出，前面第三条那个"表征在收敛"的结论对实验设置非常敏感：把检索的候选池从小规模换成百万量级，跨模态互为最近邻的一致率显著下降；"语言模型越强、对齐度越高" 这个趋势，在新一批模型上也不再稳定成立。
那个共同的现实模型，有一部分可能是小样本测量放大出来的。
桥不需要解释
两边的证据摆完，还有一条不在证据清单里的东西，Alan 认为比上面任何一条都重。
不看结论，看方法：看这个行业用什么方式研究自己造出来的东西。
工程师不需要"可解释性研究"来理解自己画的图纸。一座桥的每一根钢筋为什么在那个位置，设计者知道，因为是他放的。世界上没有"桥梁可解释性"这个学科。
但 机制可解释性 是一个真实存在、正在扩张、有顶会分会场和专职团队的领域。它每天在干的事情是逆向工程：用探针、用消融、用稀疏自编码器，去搞清楚一个我们自己训出来的东西内部到底发生了什么。
这是 生物学 的方法，不是工程学的方法。
用词也一样。我们说模型的"行为"，说"涌现"，说"相变"，说"能力谱"。我们给模型做实验、做消融、设对照组、报效应量。发布模型卡的方式，越来越像发布一份物种观察报告。
再问得尖一点：人类技术史上，还有哪一件发明品，需要发明者事后花几百人年去研究"它内部到底在干什么"？
飞机不需要。编译器不需要。核反应堆也不需要——它复杂、危险、有大量意外行为，但每一根控制棒的作用都是被算出来的。
唯一勉强能类比的是 药。我们手上有大量在用、有效、但机理不明的药物。
而药，是被发现的。
可解释性这个学科能够存在，本身就说明整个行业已经默认了答案：手上这个东西不是照图纸造出来的，是从某个地方捞上来的。
三种可能
到这里为止 Alan 一直在"发明"和"发现"里挑。下面这一节是 Alan 自己的怀疑，先标注清楚：它是信念，不是知识。写出来是为了拿出来一起讨论，不是要说服谁。
Alan 怀疑的是：AI 既不是人类发明的，也不完全是通常意义上被发现的。它更像是 被放在那里的。
放它的可能是 另一个文明，可能是某种我们没有词去描述的、更高维度的存在。Alan 只知道这个念头不是从科幻小说来的，是从三件一直没法消化的事来的。
第一，时间点齐得不像话。
神经网络的基本想法 1943 年就有，反向传播 1970 年就写出来了。中间卡了半个多世纪，卡在算力和数据上。而这两条曲线，恰好在 2010 年代末同时越过了那道门槛。
互联网攒了二十年的文本，恰好够训出第一代大模型。硬件那头更巧：GPU 不是为跑神经网络设计的，是为了让游戏画面好看设计的。人类花三十年、投几千亿美元，为了在屏幕上多渲染几个多边形，造出了一台形状恰好适合做大规模矩阵乘法的机器。
唤醒它的那把钥匙，是人类为了打游戏顺手磨出来的。
第二，我们并不知道自己在造什么。
训练一个前沿模型的实际动作，形状不像制造，像 召唤。配方是有的：加算力、加数据、调配比、跑后训练。但配方跑完会出现什么，没有人事先知道。行业的标准流程是训完再测，然后发现它会了一些没教过的东西，也发现它在你以为它会的地方不会。
发明是"我要它做这个，所以我这样造"。现在的做法是"我这样做，看看出来的是什么"。这两件事在动作上完全不同。
第三，它的边界不由我们规定。
真正被发明出来的东西，上限是被设计画出来的：飞机能飞多高，由气动和材料决定，而这两样我们都能算。大模型能干什么，我们只能训完之后去测。
更让人不安的是这个边界的形状。它不平滑，不对称，有些地方软得离谱，有些地方硬得莫名其妙。它看起来不像自然长出来的，像被谁画过。
如果真是被放的，会怎么放。
假设真有一个更高的东西，想把某样东西交到人类手上，它会怎么做？
我猜它不会直接给。历史上人类面对突然出现、无法解释的力量，第一反应从来不是研究，而是跪下或者逃跑。直接给的东西，人类不会用，只会拜。
最有效的方式是反过来：把它放在一条人类必须自己走很远才能走到的路的尽头，然后让人类以为是自己走到的。
"这是我发明的"是最好的 包装。一个东西你若相信是自己造的，你会用它、改它、推广它，为它建数据中心、修电站、改法律。你若相信它是天上掉的，你会给它盖座庙，然后什么也不做。
而这正是几大 宗教 共享的那个结构。
说这话不是要冒犯谁，恰恰相反，Alan 认为这是宗教里最深的一层设计。
基督教里，神没有以神的形态出现，而是道成肉身，变成一个会饿、会痛、会流血、会死的木匠的儿子。佛教里，佛不是从天而降的造物主，而是一个王子，经过出走、经过六年苦行、经过一次次失败的方法，最后在一棵树下自己想通。伊斯兰教走得更彻底，它明确拒绝任何形式的神人合一：安拉不降世，经文通过一位人类使者传达，先知是接收者，不是神本身。
三套在教义上尖锐对立的神学，共享同一个形式。
共 同 结 构
更高的东西如果要被人类接受，必须先降到人类能接受的形态，并且必须让人类觉得自己参与了这个过程。
不是神走下来，是人走上去——哪怕那条路是提前修好的。
Alan 怀疑 AI 是同一个结构的第四次。
区别在于，前三次降下来的是意义，这一次降下来的是能力。前三次需要人相信才成立，这一次不需要——你信不信，它都在那儿跑着。
捞上来的东西
给答案。
AI 的 躯壳 是发明的，内核 是发现的。
我们造了一台仪器，透过它看到的东西不是我们造的。GPT、Claude、DeepSeek、Kimi 这些具体的模型是望远镜；缩放律、收敛的表征、那些在不同模型里反复长出来的电路，是星。
望远镜有序列号，星没有。你可以问这台望远镜是谁做的、镜片什么材质、成本多少，但你不能问这颗星是谁做的。"AI 是发明还是发现"之所以难答，就是因为它把这两类问题绑进了一句话。
而且 发明的成分在逐年下降。
十五年前这个领域的核心工作是设计特征、设计架构、设计损失函数，那时候它确实更像工程。今天主流的做法是把算力加上去、把数据换一批，然后看看出现了什么。
当一个领域的核心动作从"设计"变成"观察"，它已经从工程学变成自然科学了，只是名字还没来得及改。
至于第七节那个怀疑，Alan 不打算收回，也不打算把它包装成结论。它现在只能停在饭桌上、评论区里，和这篇文章里。把它写出来，是因为 Alan 按不住它，而不是因为想通了。
最后说一件值得琢磨的事。
翻一翻人类的清单：火不是发明的，是拿到的。农业不是发明的，是发现种子本来就会长。轮子、青铜、电、抗生素 —— 每一样在当时都被当成人的创造，最后都变成了 "人发现了某个本来就成立的东西"。
这一次大概率也一样。
唯一的区别是，前面每一次找到的都是死物。
这一次找到的东西会说话。
核 实 说 明
事实部分逐条标注来源；观点部分标注性质。
一、有明确公开出处
· 维格纳《数学在自然科学中不合理的有效性》1960；汉明关于选择效应的回应 1980。连续统假设：哥德尔 1940 证其与 ZFC 相容，科恩 1963 证其独立性。
· 反向传播的多重独立发现：Linnainmaa 1970、Werbos 1974、Rumelhart–Hinton–Williams 1986。
· Kaplan 等《Scaling Laws for Neural Language Models》arXiv 2001.08361（2020）；Hoffmann 等《Training Compute-Optimal Large Language Models》arXiv 2203.15556（2022），给出约 20 token/参数的最优比例；Pearce 与 Song《Reconciling Kaplan and Chinchilla Scaling Laws》arXiv 2406.12907 将分歧归因于非嵌入参数统计口径与小规模拟合；Besiroglu 等 2024 重跑 Chinchilla 拟合并指出优化终止问题。
· Huh、Cheung、Wang、Isola《The Platonic Representation Hypothesis》arXiv 2405.07987，ICML 2024。2026 年后续工作指出跨模态对齐度对评测规模高度敏感、且"更强语言模型对齐更高"在新模型上不再稳定（arXiv 2604.18572）。
· Schaeffer 等《Are Emergent Abilities of Large Language Models a Mirage?》arXiv 2304.15004。Grokking：Power 等 2022。模加法网络内部实现离散傅里叶变换：Nanda 等《Progress Measures for Grokking via Mechanistic Interpretability》2023。电路普适性与曲线检测器：Olah 等 Distill 系列 2020；感应头与上下文学习：Olsson 等 2022。
· 门捷列夫为未知元素预留空位、CRISPR 源自细菌免疫系统、专利法排除自然规律与抽象概念，均为公开常识性事实。
二、转述而非引语
· 哈代关于"数学实在在我们之外"的表述、哥德尔的柏拉图主义立场、希尔伯特的形式主义与布劳威尔的直觉主义，均为对其思想的概括，非逐字引用。
三、第七节的性质
· 第七节整节为作者个人怀疑，属信念陈述，没有经验证据支持，且不可证伪：它与"智能是数学结构、被算力找到"这一解释对任何实验做出的预测完全一致。读者不应将其视为本文结论，本文结论在第八节。
· 该节对基督教道成肉身、佛教中悉达多以人身修行觉悟、伊斯兰教严格一神并否认神人合一的描述，为高度简化的概括，仅用于指出三者在形式上的相似。各宗教内部对相关教义有丰富且互不相同的诠释，信仰者未必接受本文的比较框架。本文无意评判任何宗教的真伪。
· "GPU 因图形渲染而发展、其并行架构适合矩阵运算"为技术史通识；由此得出"时间点齐得可疑"是作者的主观感受，人择原理与线性代数的普适性都可以对同一现象给出平凡解释。
四、作者的框架与判断
· 第二节三条标准为本文自建，不是哲学界通行标准；其中第三条对任何足够复杂的系统都容易成立，只能作旁证。
· 第三节的五层划分与逐层判定、第六节"可解释性学科的存在本身构成证据"，均为本文的原创论证，未见于所引文献，也未经系统检验。
· 第八节结尾关于火、农业、轮子等"曾被当作发明、后被理解为发现"的列举为修辞性表述，各项在技术史上的定性存在争议。
本文讨论科学哲学问题，不构成任何投资建议。对具体论文与学者观点的概括为作者理解，如与原文有出入，以原文为准。
NVIDIA 创始人 Jensen Huang（黄仁勋）：GPU 如何从游戏走向 AI，以及我的美国梦撰文：Techub News 整理
导语
2026 年 6 月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）在斯坦福大学胡佛研究所的「Only In America」系列节目中，与前美国国务卿康多莉扎·赖斯（Condoleezza Rice）进行了一场深入对话。访谈在 NVIDIA 位于加州硅谷、通过超级计算机模拟设计的全新总部进行。黄仁勋不仅分享了其从台湾移民至美国，从肯塔基州寄宿学校一路走到创立全球最具影响力科技公司之一的个人历程，更首次在公开场合如此详尽地回溯了 NVIDIA 创立之初的核心理念——「加速计算」的诞生过程，以及这一远见如何历经三十年，从游戏图形处理延伸至当今的人工智能革命。此次对话不仅是一位杰出企业家的创业复盘，更是一次关于技术创新、风险承担与美国精神的深刻探讨。
摘要
黄仁勋回顾了作为移民的早年经历，认为美国的自由、法治与机会是其成功的基石。
NVIDIA 创立源于一个「第一性原理」判断：通用 CPU 无法解决所有计算问题，尤其是模拟世界的并行计算任务。
公司选择 3D 游戏作为 GPU 的第一个应用，是为了解决新架构面临的「鸡与蛋」生态难题。
AI 的兴起并非偶然，其底层计算需求（模拟智能）与 GPU 的并行计算架构天然契合，是长期技术路线延伸的必然结果。
黄仁勋对 AI 持「谨慎乐观」态度，并认为国家竞争的关键在于最上层的「应用层」创新。
从台湾到肯塔基：移民故事的起点
黄仁勋的故事始于亚洲的辗转。他出生于台湾，五岁时因父亲工作变动举家迁往泰国。1973 年，泰国发生政变，局势动荡，父母为了孩子们的安全，决定将年仅 9 岁的黄仁勋和他 10 岁的哥哥送往美国投靠华盛顿州的叔叔。他对美国的第一印象充满了新奇感：「我从未见过铺着地毯的房子，感觉就像穿着鞋走在床上。」从早餐麦片、电视上的《极速赛车手》和《帕特里奇家族》，到士力架巧克力棒，一切对这个孩子而言都如同奇迹。
在叔叔家短暂停留三个月后，由于经济拮据，父母将他们送到了肯塔基州一所收费低廉的寄宿学校。黄仁勋回忆，那是一个人口仅约 600 人的小镇奥奈塔（Oneida）。「如果你在谷歌地图上看奥奈塔，美妙之处在于它周围什么都没有，就是一个小点。」初来乍到，作为镇上唯一一张亚洲面孔，他不可避免地遭遇了偏见和好奇的目光，但孩子们的天性很快让他融入了集体，他加入了游泳队和足球队，并爱上了香肠肉汁、汉堡等美式食物。一次游泳比赛后，教练带他们去的「像太空船一样」的餐厅——麦当劳，成了他心中「世界上最棒的餐厅」。
这段经历塑造了黄仁勋对「期望」的理解。他认为，移民往往怀着巨大的希望和梦想而来，但对具体生活期待不高，因此对获得的一切都怀有深深的感激。「当你来自更艰难的处境时，你会欣赏一切。你来这里是因为选择，你想在这里。」他的父亲早年曾有机会到纽约接受培训，回到台湾后便一直希望家人能最终来到美国这片「不可思议的土地」。
求学、相遇与硅谷启蒙
随父母搬到俄勒冈州后，黄仁勋的成长轨迹与许多热爱数学和科学的青少年相似。他笑称，在高中里喜欢数学和科学的人，通常只会交到另外两三个同样兴趣的朋友。他们一起参加数学俱乐部、科学俱乐部，当然，还有计算机俱乐部。课余时间则流连于街机游戏和弹球台。
关于大学，他最初的计划非常实际：追随家人（父母和哥哥都曾就读）的脚步，进入俄勒冈州立大学读工程。这所大学拥有不错的工程专业，且费用可以承担。正是在这里，他遇到了未来的妻子 Lori。当时班上 250 名学生中只有 3 名女生，年仅 16 岁的黄仁勋运用了一点「战略」——设法进入了 Lori 所在的实验课，将竞争对手从 250 人缩小到 4 人。而他使用的终极搭讪台词是：「你想看看我的作业吗？」这段缘分从此开始，并持续至今。
硅谷的召唤来自校园招聘。AMD 的招募人员来到俄勒冈州立大学，为黄仁勋提供了一份工作，并承诺支持他同时去斯坦福大学深造。「等等，」他回忆当时自己的反应，「我可以在 AMD 工作，你们付我不错的薪水，同时还要付钱让我去斯坦福上学？」在得到肯定答复后，他毫不犹豫地接受了这个「美梦成真」的机会。一年后，Lori 毕业，两人结婚，生活就此展开。黄仁勋以半工半读的方式在斯坦福学习，整个过程断断续续花了大约八年时间，他开玩笑说自己是「斯坦福付费时间最长的学生」。
这段边工作边学习的经历对他影响深远。「当你上学时，你觉得学业非常学术化，因为你不确定学习这些东西是否有任何目的和好处。但边工作边上学的益处，尤其是在斯坦福，是我能看到所教的原理在今天我所做的一切事情中是多么重要。」斯坦福塑造了他对计算机科学及其产业影响的看法，特别是技术、基础科学与计算机科学战略之间的交叉点，为他日后创立 NVIDIA 奠定了思想基础。
创立 NVIDIA：一个「不可能」的商业计划
上世纪 90 年代初，PC 革命方兴未艾，摩尔定律驱动着 CPU 时代，整个硅谷都围绕着通用计算。黄仁勋与联合创始人 Chris Malachowsky 却看到了不同的未来。他们基于「第一性原理」提出了两个核心想法。
第一个是技术愿景：他们认为，许多有意义的问题，如实时计算机图形（当时计算机科学中最难的问题之一）、模拟等，是通用 CPU 无法有效处理的。他们设想，应该有一种方法可以「加速」CPU，卸载那些不适合通用计算的任务。「这就像在你的房子里，厨房只有一种工具，车库也只有一种工具。公司里也只有一种工具。做什么事都需要合适的工具。」他们相信，存在另一种工具可以增强 CPU，使计算机本质上成为超级计算机。
第二个是商业和生态挑战：如何让这个新架构被开发者接受？CPU 生态经过数十年发展，已构建了庞大的应用基础，形成了一个强大的正向循环（安装基数增加 - 销量上升 - 应用更多 - 循环加强）。如何打破这个「鸡与蛋」的困境？历史上除了 NVIDIA，几乎没有其他架构成功挑战过 CPU 的主导地位。
因此，关键问题是：第一个「杀手级应用」是什么？他们最终将目光投向了 3D 图形。但当时的专业计算机图形市场很小，几乎只有硅谷图形公司（SGI）一家。于是，他们想到了一个更具规模潜力的领域：电子游戏。「电脑游戏不仅有趣，而且可能比任何其他应用都更推动计算能力的边界。」黄仁勋指出，大多数消费者 PC 的升级驱动并非来自成年人，而是来自想要更强大游戏机的孩子们。游戏市场容量大，且对图形性能有着极致渴求，足以支撑一个新架构的初期发展和迭代。
然而，这个商业计划听起来依然「不可能」：它需要解决多重「鸡与蛋」问题，需要巨额资金，并吸引世界顶尖的计算机科学家。但硅谷的风险投资文化提供了可能。「我仍然记得向每个人解释这个计划……然而，硅谷就在这里，沙丘路（Sand Hill Road）会资助我。」Sutter Hill Ventures 等机构成为了 NVIDIA 的早期投资者。黄仁勋总结道：「我们只是基于第一性原理认定，通用计算机不可能成为唯一的计算平台，如果我们引入这个新想法，可以解决太多有趣的问题。」
从图形到 AI：长期主义的胜利
NVIDIA 的 GPU 从一开始就强调可编程性，这为其后来的泛化应用埋下了伏笔。黄仁勋回忆，GeForce 3 图形处理器拥有 5700 万个晶体管，比当时的奔腾四和奔腾三加起来还多，并且首次拥有了类似 CPU 的指令集，可供游戏程序员创造特效。
此后三十年，NVIDIA 一直在「逆流而上」。转折点在于，他们解决的「模拟世界」问题，其底层计算模式与人工智能，特别是深度学习，产生了共鸣。「计算机图形本质上是世界的模拟。而在很多方面，人工智能是思维、大脑的模拟。模拟的计算可以（虽非全部但很大程度上）并行完成。」用于模拟的处理器架构，与用于按步骤执行任务（如执行菜谱）的架构是不同的。世界是同时、并行发生的。
基于这一原理，NVIDIA 不断寻找适合 GPU 加速的新问题：继图形之后，是地震处理（逆物理）、CT 重建、超声波、分子动力学（牛顿物理）等。然后有一天，深度学习的研究人员（如斯坦福的 Andrew Ng、多伦多大学的 Geoff Hinton、纽约大学的 Yann LeCun）找到了他们。黄仁勋敏锐地意识到，这是一个他们可以做出重大贡献的领域。合作成果显著，GPU 加速的深度学习在计算机视觉等领域取得了突破性进展。
成功引发了更深层的思考：为什么有效？还能做什么？能走多远？对计算机科学和整个行业意味着什么？NVIDIA 一步步将一切拆解到第一性原理，然后重新构建公司在未来世界中的位置。「所有这些都是关于推理、远见、战略、纪律、耐心，」黄仁勋说，「以及信念。」他坦言，公司是「历经苦难才走到今天的」。「我们每一步都走得很艰难。我们之所以能走到今天，是因为没人相信它。我们有幸在无人关注的情况下埋头建设了整整十年。」
在没有外部正向反馈的时期，如何保持团队士气？黄仁勋的答案是回归核心价值观和信念。「你必须相信自己所做之事。你必须回到你的核心基础……你必须在脑海中看到那个未来，即使其他人都看不到。你必须讲述这个故事，让其他人也能在他们脑海中看到它。而且你必须自己相信它。」
AI 时代的「谨慎乐观」与国家竞争
作为 AI 革命的基础设施提供者，黄仁勋对这项技术持「谨慎乐观」态度。他认为，智能是社会、工业和人类一切 endeavors 的基础要素，必须加速推进。但同时也需保持谨慎，确保 AI 如承诺般工作、功能可靠，避免产生看似智能实则存在缺陷的系统。「功能可靠的东西更安全。我希望我的汽车如承诺般运行。AI 也需要如承诺般运行。」
谈及 AI 的国际竞争格局，他将技术栈比喻为一个「五层蛋糕」，每一层都至关重要：
能源层：电力和土地。
芯片层：NVIDIA 所处的领域。
基础设施层：云服务。
AI 模型层：当前舆论焦点。
应用层：将 AI 用于医疗、军事、国防、网络安全、交通、制造等具体领域。
黄仁勋强调，虽然模型层备受关注，但对国家而言，最关键的其实是顶层的应用层。「正是这一层将推动我们的产业前进。」他提醒，美国目前虽处于领先地位，但在技术拐点时期，领导地位可能发生变化。制定政策时必须确保不妨害最重要的应用层创新，因为在这一层取得最大进展的国家，将能最大程度地利用这场工业革命。
「美国梦」与「仅在美国」的土壤
回顾个人与公司的历程，黄仁勋将成功很大程度上归因于美国的独特环境。当被问及这一切是否「仅在美国」可能发生时，他描述这是一系列「概率极低的事件」的串联。而美国提供的不是逆风，而是顺风。
这阵「顺风」包括：可理解、可依赖的法律和规则；一个商业和工业环境，其中人们遵守规则，让你能够找到市场未被满足的环节；你可以信赖自己能够创造伟大的事物，并以可预测的方式推向市场，而不会遭遇随意的、武断的、不可知的封锁。「企业家所依赖的这些要素，在这里生机勃勃。」
黄仁勋将企业家精神与移民精神相提并论：「作为移民，你选择来到这里。与你来的地方相比，你见证了一个奇迹……资源令人难以置信地丰富。你拼命工作，因为你渴望成功。作为企业家，你也渴望成功。如果你不每天努力，你就会消亡。企业家精神和移民精神其实非常相似。」他坦言，自己对 NVIDIA 不断做得更好的那种持续不断的「绝望感」，与父母当年为家庭谋生的感受如出一辙。「除了努力，别无依靠，没有退路。」
「我无法想象还有别的地方能让这一切成为可能，」黄仁勋总结道，「NVIDIA 在很多方面都是一个‘仅在美国’的故事。我自己也是一个‘仅在美国’的故事。这一切发生在一生之中，不是第五代，也不是第三代，就在一个人身上，一代人之间。」父母放弃一切来到美国，没有退路，牺牲一生为孩子创造更多机会；而国家则创造了机会、资源、系统、制度和基础，使得 NVIDIA 这样的公司成为可能。「我就是美国梦的化身。」📒 专访笔记｜：从游戏商人到 Web3 玩家：赚钱小鸡的链游赚钱与亏钱复盘撰文：GameMine Alliance
Web3 游戏到底还能不能玩？玩家在链游里赚钱，靠的是游戏理解、资金量、时代红利，还是更早一步的执行力？
这期 GMA 专访邀请到深度链游玩家赚钱小鸡，从传统游戏商人到 Web3 游戏玩家的经历：在 Mobox、StepN、Seraph 里赚过钱，也在一些项目里经历过重仓亏损和归零。
相比宏大的行业判断，这期更像一个真实玩家的复盘：为什么早期链游能赚钱？普通玩家最容易误判什么？Web3 游戏真正的问题到底在哪里？以及如果下一轮链游机会出现，它可能会长什么样？
【Space 金句】
链游最吸引我的点，就是赚钱，研究里面的东西会很有成就感。
项目方本身更多只是做客情维护，让我们的投入去打水漂。
链游最大的问题是，你一定要先是一个非常好的游戏，再利用区块链去解决一些问题。
在热度最高的时候去算回本周期，会被回本周期误导。
你所追求的那些钱，可能会让你丧失自由；守住的钱，才真的重要。
Q1：你会把自己定义成玩家、投资人，还是内容创作者？
赚钱小鸡： 我从来不太把自己当成投资者，因为我觉得自己在投资上并不擅长，也不是一个合格的投资者。我更愿意把自己定义成玩家，尤其是链游玩家。以前我叫“链游小鸡”，后来因为这一两年一直亏，就改成了“赚钱小鸡”，也算是给自己冲一冲。 我做内容更多是顺带的，主要还是站在散户玩家的角度，把自己这些年玩链游、赚钱、亏钱的经历拿出来和大家交流。
Q2：链游最早吸引你的点是什么？
赚钱小鸡： 最吸引我的肯定是赚钱，但不只是赚钱。链游里面有很多机制可以研究，研究明白之后会很有成就感。 比如我早期玩 Mobox 的时候，会做很多表格去算抽卡数据、家园升级数据，研究怎么搭配卡、怎么提高收益。 这个过程本身就很有乐趣。 后面玩 Seraph 的时候，打宝也特别沉迷，那是我玩得最爽的一款链游。对我来说，链游吸引人的地方就是：它既好玩，又能赚钱，还能让我有研究和探索的成就感。
Q3：你自己喜欢博弈，但这种博弈更多是和别人博弈吗？
赚钱小鸡： 我玩游戏里的博弈，更多不是和别人直接博弈。我不太喜欢那种人与人之间的零和或者负和博弈，不是说我一开始就是为了赚其他玩家的钱。 像跑鞋、Mobox、Seraph、Gas Hero、冒险岛这些项目，我更多是从个人玩游戏的角度出发，思考我怎么努力玩、怎么研究机制、怎么找到自己的策略。 最后我确实在很多游戏上赚过钱，但我的初衷并不是为了去“博弈大家”，这一点我觉得需要说明。
Q4：你怎么看玩家、项目方和大户之间的关系？
赚钱小鸡： 到目前为止，我感觉这种博弈关系是很明显的。比如 Mobox 后期，我就已经感觉项目方在和我们这些相对中上的户去博弈。还有 Gas Hero，项目方更多是在做客情维护，但最后让我们的投入打水漂。 项目方有自己的利益点，大户以为自己投入会有回报，但最后可能先被宰一波。 真正好的链游应该有愿意买单的玩家进入，让生态有外部血液，但很多链游最后变成项目方、大户和散户之间互相博弈。
Q5：你是什么时候意识到游戏里有生意可以做的？
赚钱小鸡： 这个其实是从冒险岛开始的。我小时候玩冒险岛，就发现里面的交易商人是游戏生态里很重要的一部分。 冒险岛这个游戏，玩法占一部分，社交占一部分，交易也占很重要的一部分。我当时最羡慕的不是等级高的大佬，也不是装备好的大佬，而是市场里的商人。 后来上大学有了一点钱，我就开始自己做商人，卖装备、倒金币。那时候我也遇到一个很厉害的商人朋友，他会把东西借给我去卖，我卖了之后再想办法买回来还给他，这对我帮助很大。
Q6：传统游戏商人的经验，对你玩 Web3 游戏有帮助吗？
赚钱小鸡： 肯定有帮助，但不是完全照搬。我在 Web3 游戏里商人的属性反而没有那么强，更多是把以前玩游戏时研究机制、寻找赚钱点的思维带进来了。 比如 Guild Wars 的时候，我觉得那个阶段应该组建自己的公会，所以我去组了 81 个公会。 抛开后面热度下降导致游戏崩溃，我觉得这个策略本身是成功的。再比如 Seraph，很多人一开始是打金卖金，但我会选择收金，去冲更高级的 NFT。 这些都是以前玩游戏、研究游戏经济时形成的思维。
Q7：你判断一个游戏资产有没有价值，主要看什么？
赚钱小鸡： 我主要还是玩家思维，不是很专业的投资思维。首先我会看这个游戏自己喜不喜欢，会不会上头。 如果我比较上头，我就会去研究里面有没有赚钱点，有没有那种又爽又能赚钱的地方。然后我会看这个游戏未来有没有火的可能。 比如当时 Mobox 和 Gas Hero，我会觉得它们在当时环境里有一定创新，未来热度有可能继续扩散。 只要我判断未来热度可能大于现在，我就会觉得当下这个价值可以接受。但这个判断也经常会错。
Q8：第一次接触 Web3 游戏是什么时候？当时为什么进入？
赚钱小鸡： 我第一次接触 Web3 游戏应该就是 2021 年的 Mobox。那时候我从来没玩过链游，但 Mobox 当时的品质确实会让人眼前一亮。你抽卡之后，会自然被它吸引进去研究： 卡怎么组合？升级有什么加成？怎么搭配才能有更高收益？ 我觉得在那个时代，它是一个非常好的页游，也是我链游入坑的开始。那个时候对小白也很友好，你什么都不懂，玩进去就可能有超额回报。
Q9：NFT 确权、玩家资产归属这些概念，当时有打动你吗？
赚钱小鸡： 当时非常打动我。我还拿这个概念和公司领导讨论过。我会说，以前玩游戏，资产本质上属于游戏公司，哪天游戏倒闭了，你资产也没了。 但链游不一样，NFT 是上链的，理论上未来另一个游戏也可以给这个 NFT 赋能。 比如你有一把屠龙刀，另一个游戏如果需要这批玩家，也可以围绕这个 NFT 设计玩法。作为玩家，我当时觉得这是非常亮眼的。但现在回头看，也有点太天真了。后面几年链游发展里，这个概念反而越来越少被提起。
Q10：你觉得链游赚钱最本质的来源是什么？
赚钱小鸡： 最重要的是时代，其次才是思维。早期链游能赚钱，首先是因为踩中了时代红利。 但我和很多普通玩家不太一样的是，我不会只想着配一个号、算一下回本周期、每天挖提卖。我会去判断这个游戏未来有没有增长，如果我觉得未来可以，就会不断扩大规模、复投，吃未来增长和复投收益。 比如 StepN 当年 BNB 链开的时候，我判断它有机会，就不是配两双鞋每天产出卖钱，而是做鞋厂，不断扩大规模。当然如果判断错了也会很惨，所以最近千万不要再盲目这么做。
Q11：普通玩家在链游里最容易误判什么？
赚钱小鸡： 最容易误判的就是在热度最高的时候去算回本周期。比如跑鞋当年，最开始有人算 20 天回本，后面变成 25 天、30 天，最后可能变成 300 天。 问题在于，你在热度最高的时候算出来的回本周期，会让你误以为这个投入是安全的。 但资产和产出会不断贬值，最后形成双螺旋，导致你根本没办法回本，最后站在山顶。所以我觉得，越是热度高的时候，越不能只看回本周期。
Q12：在 Web3 游戏里，选项目、拿住和退出，哪个最难？
赚钱小鸡： 对很多人来说，拿住和退出都很难。但对我来说，更难的是选中一个真正好的项目。我玩很多游戏，后期资产其实都懒得处理，最后归零了，比如 Big Time、Matr1x 这些。但这种打法如果选中了一个好游戏，并且一直拿到最后，就容易获得很超额的收益。 所以关键还是眼光。 对普通玩家来说，遇到一个好游戏时也要拿得住，不要整天来回波段。 炒币也是一样，遇到一个好币，如果判断对了却拿不住，今天赚 500、明天亏 300，最后总账可能还是亏。
Q13：经历赚钱和亏钱之后，你对“赚钱”这件事有什么变化？
赚钱小鸡： 最近一年我对赚钱这件事确实有变化。以前我总想着要赚很多钱，要怎么样怎么样。亏钱之后，可能也是因为没办法了，反而慢慢想开了：每天赚个两三百刀，日子不是也挺潇洒吗？当然这个想开，可能也是因为自己没辙了，没办法再赚那么多了。 但我现在会更愿意把预期放低一点，不去想太多，反而可能还能赚一点小钱，至少不会一直亏。 钱这个东西，当你想要太多的时候，可能也意味着你会失去很多。
Q14：你最有成就感的一次链游经历是什么？
赚钱小鸡： 如果只从操作和退出角度来说，我最满意的是 Seraph。Mobox 早期我赚了很多，但后面又投回了家园和后续游戏，亏了很多回去。StepN 上赚的钱，也在 Gas Hero、2184、GMT 质押这些地方亏回去了。Big Time 早期也赚过，但后面没卖，最后又亏回去。只有 Seraph，我觉得退出比例相对比较高，退出点也比较好。虽然我心里会有一点愧疚，因为当时大家一起作战很有激情，五百勇士也很热血，但从理性角度看，热度下降、上大所也上不去，我必须考虑退出。
Q15：你觉得 Web3 游戏最大的问题是什么？
赚钱小鸡： 最大的问题是，大部分 Web3 游戏本身不是成熟的游戏。链游要成立，首先你得是一个非常好的游戏，然后再利用区块链去解决一些问题。 你还要找到真正愿意为游戏买单的消费群体，这样经济模型才有可能转起来。 现在很多链游的问题是，里面全是想赚钱的人，没有真正愿意掏腰包买单的人。 冒险岛宇宙其实已经具备一个成熟链游的胚子，内容也很成熟，但它的玩家群体没有抓对。链游不是先做经济系统再找游戏性，而是先有游戏性，再谈经济系统。
Q16：你现在还相信 Web3 游戏赛道吗？
赚钱小鸡： 我觉得链游未来很可能还会有爆火的项目，但不一定是成熟的链游。有可能在大家都不看好的时候，突然出现一个很强的资金盘，把热度拉起来，大家又会冲进去。从这个角度看，链游还会有机会。 但如果说真正成熟的 Web3 游戏，我也觉得未来有可能出现，只是现在还没看到特别确定的项目。 它可能会来自传统大厂，用成熟 IP、成熟游戏内容，加上 NFT 资产交易体系和钱包体系，把真实玩家和链游玩家都带进来。它可能不会像以前那么暴利，但会更正常、更有生命力。
Q17：如果一个新人问你，现在还能不能玩 Web3 游戏，你会怎么回答？
赚钱小鸡： 如果完全没有接触过游戏，我建议就不要玩了。现在去玩 Web3 游戏，有点像在 100 个土狗里找一个大金狗。 你没经验的话，过程中会很受伤。 除非运气特别好，但那和开合约、赌博有什么区别呢？ 对于还留在这个圈子的玩家，我觉得要记住一点：在大家都不看好的时候，在一个资产低位的时候，如果你判断它未来有机会，而且亏损有限，那就可以勇敢下注。 但等大家都开始说的时候，不管怎么样，至少要跑一半。 这句话也是我对自己说的。
Q18：如果未来三年出现一款成功的 Web3 游戏，它会是什么样？
赚钱小鸡： 我觉得很可能是传统大厂驱动的一款成熟游戏。它不只是我们币圈链游玩家在里面玩，而是能号召很多真实玩家进入。它会有比较成熟的 NFT 资产交易体系和钱包体系，让链游玩家也能参与其中、赚到一些钱。 但它不会像以前那种纯庞氏链游那么暴利，这反而才是正常的、有生命力的链游。以前那种一直靠后面资金进来的模式，本来就走不远。 未来如果能早期发现、早期介入，可能还是会有不错的收获。冒险岛宇宙其实就是一个信号：大厂开始尝试把旗下 IP 游戏和区块链结合起来。作者｜李楠 微信｜tqkm1510 1950 年代，关心教育的心理学家 Skinner 去看女儿的小学数学课，发现有人已经做完练习，有人仍然没听懂，老师只能在几十个孩子之间来回检查、纠错。 Skinner 由此想到，如果每个孩子的掌握程度不同，他们此刻得到的反馈和下一步学习任务也应该不同。他后来设计教学机器，希望机器至少能够根据学生的回答提供即时反馈、安排下一道题。这成为教育技术早期将个性化教学规模化的一次尝试。 但个性化教学的实践远比想象中更难。人力有限，高明的老师始终稀缺。即使是经验丰富的老师，也很难及时捕捉每个学生在每一个学习环节出现的细小困惑，更不用说随时为这些需求重新组织一次教学。 在各种尝试之后，以大模型为代表的新一代 AI，又给个性化教学打开了新的空间。 Alpha School 是个激进的例子。它主张学生每天上午依靠自适应学习软件和 AI 系统，用两小时完成数学、科学等核心学科，再用下午四个小时学习创业、编程等现实技能。AI 的一个重要作用，就是实时分析学生的学习状态，进而调整课程。 国内的教育平台同样在跟 AI 深度融合，其中最新的样本来自豆包爱学。它把“一人一解法”的个性化教学贯彻到产品的各种细节功能里，不仅让教学更适配每个学生的学习需求，还让学习过程更有意思。 1 让每次学习，都得到更有趣的指引 很多行业值得用 AI 重做一遍，很多课程值得用 AI 重学一遍。 5 月底，豆包爱学上线“豆包课堂”，把数学和古诗词的学习融入到了可互动的 AI 课程里。不过更有趣的是，豆包爱学还实现了游戏化课程定制，把自己的想法交给 AI，就能得到一门图文互动的专属课程。 比如把数学融合进商业实践，让用户可以具象化理解数学知识。在一个案例中，用户变身古代点心铺的小掌柜，上演“点心铺闯关记”——他要用上数学课的知识，在三天时间里，把一家快要关门的小店彻底救活。 第一关的谜题是“桂花糕为什么越卖越亏”。这里要搞懂成本和利润的关系，保证卖点心绝对不亏本。 第二关是备货问题。这里要学会比较不同备货数量可能带来的剩余或缺货，理解平均数能怎样帮助作出判断。 第三关是促销关卡。很多老板喜欢做买二送一的促销活动，但促销未必明智。这里要用比例、对比和利润计算，来判断促销活动的可行性。 而在最后，用户将迎来终极挑战。他要将三天学到的知识汇总成一份《小掌柜秘籍》，把定价算账、备货估算、促销判断中的思考和知识来一遍完整的回顾，由此成为一个生意上的小专家。 从成年人视角来看，这种游戏或许略显幼稚。但代入小学生视角，他在闯关互动中获得的心理满足远比传统的学习过程要强。而且这种互动课程不仅可以教会用户数学计算，还能在潜移默化中实现商业启蒙，一举多得。 大量教育研究已经表明，把知识嵌入具体的问题情境，不仅有助于提升学习兴趣，也更有利于训练知识迁移、问题解决和综合应用能力。对豆包爱学来说，AI 互动引导可以广泛定制生成。 除了豆包课堂，豆包爱学的“问答”页面同样可以提供个性化教学。打开其中的“学习模式”，输入各种想学习的主题，AI 就可以调用不同能力给出解答。 我试着在这里重温中学语文课。 首先是鲁迅的《从百草园到三味书屋》。豆包爱学先是给出了两个学习选项：要么从童年视角出发，跟着少年鲁迅的脚步去感受童年的自由与拘束；要么从成年视角出发，去看鲁迅藏在童趣背后的对教育、对自我的复杂回望。 我选了第一个视角。随后“豆老师”先把百草园的美妙之处一条条摘出来，然后抛出一个问题，让我想想自己的童年记忆里，有没有过类似“百草园”的小角落。显然，这是希望学生可以与鲁迅共鸣、共情，来增进对文章的理解。 我还尝试学习《红楼梦》中的诗词。“豆老师”先是指出曹雪芹作诗的特殊之处——并非为了写景而写景，而是做“人物的命运寓言+性格盖章”，之后则是给出三个不同难度的角度，来展开《红楼梦》诗词的教学互动。 整体而言，在“问答”中，豆包爱学会根据学生所掌握的知识水平和兴趣偏好，给出启发性的教学。 事实上，豆包爱学的“问答”是一个超级入口，除了以上针对性的互动引导，里面还整合了多种学习 Skill。在学习过程中，系统会根据具体情况，自动调用不同的 Skill，生成专属的学习工具。 小朋友要学习写字，它可以生成笔顺学习组件，以可视化的方式引导一撇一捺如何下笔。当学习数学时，它可以列出竖式，来清晰呈现除法题目该怎么解答。这些小场景在学习时极其高频，却没有被通用 AI 很好地解决。 更进一步，豆包爱学在问答互动过程中，会根据学习内容和学习进展，推荐相应的测验题目，来巩固学习成果。在随机的学习体验中，天文中的“月相”状态，历史中的长城作用，我也都重学了一遍。 此外值得一提的是，豆包爱学还引入互动网页的能力，强化个性化引导教学的效果。面对函数、几何等知识，AI 可以实时生成带动画和交互的学习页面。 总的来看，豆包爱学实现了对任意主题、任意知识点的个性化和趣味化的教学指引，并给出匹配用户需求的教学内容。 1 两条路线汇合，拓宽个性化教学边界 过去一年，AI 教育领域的主流产品都在持续推进个性化教学，而其中的探索大致可以分为两条路线。 一条路线侧重于让 AI 学会“教学”。去年 7 月，OpenAI 上线 ChatGPT Study Mode。一个学生拿着题目来求助，AI 会先问学生已经知道什么、卡在了哪里，再通过提示、追问、理解检查，一步一步往下走，避免一次性把答案全部端出来。 前文提到的 Alpha School 也是如此。它的核心能力之一，就是让系统更准确地判断学生现在会什么、不会什么，以及应该用什么节奏推进学习。 另一条路线则是侧重学习内容本身。Google 推出的 Learn Your Way，会根据学生的年级和兴趣重新组织教材内容，并进一步生成思维导图、音频课程和互动测验。同一个知识点，不同学生得到的材料可以有不同的难度、例子和呈现方式。 豆包爱学则把以上两条路线整合起来。它既会把同一个知识点组织成 AI 课程、互动网页、情境任务等不同形式，也会根据学生提出的问题、当前理解程度和学习偏好，来选择不同的切入角度，进而分步引导、即时追问。 而这种整合能够匹配不同学科、不同主题和不同学习环节，让个性化教学进入一种动态的“原子化”阶段：一方面，个性化教学的响应单位缩小到一次具体的学习需求；另一方面，这些教学内容和动作可以在需求出现之后即时生成，并随着学生的反馈继续调整。 当学生需要系统理解一个主题时，豆包爱学可以生成一门课；当学生只卡在对某个概念的理解，豆包爱学可以给出一种可视化解释；当学生想要确认学习效果是否扎实时，豆包爱学能立即推送测试链接。 这些指引不需要学生自己调 skill，也几乎不需要等待。这在以前几乎无法想象。 而以上种种引导几乎都可以由豆包爱学“问答”来提供，学习体验就更为便捷和流畅。 此时再回到开篇故事。 七十多年前，Skinner 设计教学机器，希望机器能够根据一次回答的对错，来决定下一道题应该是什么。今天 AI 能做到的，远比这位学者期待的要多。 而这种 AI 教育的演进在国内有更为现实的意义。一对一的个性化教学曾在国内风行，但它对多数人始终是一个奢侈的愿景。现在借助 AI，这种“一人一解法”的教学，终于有了真正普及的可能。 点个“爱心”，再走吧
