中美 AI 竞争的现状

中美 AI「军备竞赛」随着大模型的流行又一次成为热议的话题，我选择两个不同视角切入这个话题。

首先是《经济学人》提供的产业分析视角（链接、20 分钟阅读时长），文章谈到中国目前在大模型领域的几个问题，比如数据质量差、硬件短缺和人才不足等，这些问题一定程度限制了中国大模型产业的发展。虽然政府和企业开始围绕开源模型、数据过滤以及芯片自主研发等方面发力，但在大模型基础技术快速应用落地的对比中，中美之间还有一定差距。

第二个角度（链接、30 阅读时长）是站在美国的角度看中国大模型产业发展的现状，除了《经济学人》提到的几个问题，还有一些类似「房间里的大象」的潜在挑战，特别是对于以大模型为代表的生成式 AI 技术，其生成、输出存在一系列不确定性，可能会成为监管重点关注的领域，由此也会抑制进一步创新的可能性。

某种意义上说，上述两篇分析能够帮助身处中文语境的你我进一步了解这场 AI 竞赛的现实，知道落后或问题远比无知更重要。

平台演化的理论框架

苹果首款 MR 设备的亮相，再次点燃了业界对于下一代计算平台的讨论。但过往的历史告诉我们，平台的演化远非发布一款新类型产品那么简单，还有大量「内幕」隐藏在这些跨时代产品的背后。

这篇长文（链接、45 分钟阅读时长）就为我们提供了一个观察计算平台演化的理论框架，作者并没有局限在特定的平台，而是试图勾勒出技术平台演化的一般轨迹或规律，并且探讨了这些平台成功或失败的原因，以及围绕平台的经济价值。

不过需要注意的是，这篇文章不会让你直接学会如何判断一个平台是否成功，也缺乏一些实际操作的案例。它的价值在于，通过一个全面而深入的理论框架，为各位的平台演化思考提供一份建议，这在到处都是碎片化信息的当下，难能可贵。

婴儿荒

上周《经济学人》封面的标题是：婴儿荒经济。这是一个对应「婴儿潮」的说法，含义也不言自明。推荐这期杂志的社论（链接、免费镜像、10 分钟阅读时长），详细分析了「婴儿荒」带来的经济挑战，包括老龄化加剧和劳动力短缺两大问题。针对这两个问题，文章提出了一些潜在解决方案，整篇分析逻辑清晰、证据翔实，而且还对某些生育迷信的社会风俗予以批判。

第二篇文章（链接、15 分钟阅读时长）聚焦特定国家的婴儿荒现象，意大利是全欧洲生育率最低的国家，文章指出，当地社会、经济环境对于生育率的影响非常大，对当地女性而言，工作和生育孩子俨然成了对立的两件事情，这也使得政府鼓励生育的倡议变得苍白无力。

这个案例也凸显出生育问题的复杂性，既需要政府的顶层设计，也需要社会共识与企业的支持，所有这些都需要长期的投入，短期来看，移民会成为包括意大利在内的欧洲国家解决生育率过低的重要方式。

一个问题：你觉得中国会放开移民政策吗？

AI 如何改变图书？

现在去看大语言模型对于图书产业链的影响还为时尚早，但不妨碍我们通过一些微观的实验去探索一些可能性，这篇文章（链接、20 分钟阅读时长）的作者把一本自己写的小册子交给大模型处理，得出一些有趣的结论。

从读者角度去看，大模型（本文使用的是 Claude 最新的 Claude 100k）在处理这本书的时候已经不再存在所谓「幻觉」，这个结论至少在这本书的场景下是可以相信的，毕竟，图书的作者对于自己的内容最有发言权。

不过从编辑的角度来看，当作者试图利用大模型延伸一些新的想法，比如扩充内容的时候，依然存在一些诸如「幻觉」之类的问题，这也限制了图书编辑的场景。

更进一步，随着大模型处理单一文本数据量的提升，接下来我们会有更多机会与大模型进行「读书交互」，相比于搜索引擎仅仅能检索关键字，大模型对于书籍内容的理解，无疑将改变读者查找、浏览甚至阅读图书的习惯。

当 AI 将创造力边际成本降为 0 之后

如果说互联网将内容分发的边际成本降为零，那么以大模型为代表的新一代 AI 技术或产品，也在努力降低内容创造的边际成本，如果你认可这个假设，那么这篇文章（链接、15 分钟阅读时长）提出的六个理论或预测就显得极为合理。

比如作者认为开源会让 AI 创业公司变成咨询公司，这听起来似乎并不合理，但参考开源带给软件行业的变化，或许你会同意这个推论。通过提供定制化的软件产品，以开源起家的红帽公司，已经成为一家企业服务市场的巨头。类似地，大量依托开源的 AI 创业公司，会逐渐成为一类咨询公司，为客户定制特定的 AI 产品，可能是 API，也可能是某种解决方案。

再比如作者提到，「隐性 AI」会成为最强大的产品，一个典型案例是字节系一众面向消费端的产品，其背后都有一系列 AI 算法驱动。在一个可预见的未来，如何把包括大语言模型在内的生成式 AI 技术「隐藏」在产品背后，可能会成为接下来 AI 产品创新的重要观察视角。