半拿铁·周刊 - 第 34 期:多邻国股价暴跌、AI 与失业、后张雪峰时代的就业、水电气违规、飞机联网、独居与死亡风险 封面

第 34 期:多邻国股价暴跌、AI 与失业、后张雪峰时代的就业、水电气违规、飞机联网、独居与死亡风险

No.34 多邻国暴跌、AI 与失业、后张雪峰时代的就业、水电气违法、飞机联网、独居与死亡风险

本集简介

主播 | 刘飞 潇磊 热点的拿铁慢点喝,热点的事件慢点说。几条近期的新事件跟各位分享。 🦉 多邻国股价一年涨 666%,不到一年跌80%,从 AI 受益者变成 AI 受害者 。 💼 AI翻译成本是人工的1/2000,美国程序员就业率两年暴跌27.5%。企业不是在裁初级员工,而是不招了。 🧠 Anthropic最新模型Mythos,请了精神科医生给它做了20小时心理评估。 🎓 后张雪峰的 AI 时代,如何选择专业?哈佛研究说真正抗风险的反而是那些「最不技术」的能力。 🔌 全国查了 8 个月,水电气违法案件 14000 多件,退费 3 亿罚款 2 亿。 🌃 Nature 新论文:2014到2022年全球夜间灯光净增16%。 ✈️ 星链已跟全球40多家航司签约,条款要求WiFi必须免费。国内还差一个量级。 🤝 一年不跟亲友见面的人,全因死亡风险激增39%。 时间轴: 1:48 多邻国股价波动分析 8:07 多邻国AI应用与商业模式挑战 14:47 AI对就业的实际影响 24:41 Mythos模型的突破性能力与异常行为 30:27 Mythos人格结构评估 40:18 AI时代的职业挑战与软技能的重要性 48:07 水电气计量收费问题的综合整治 1:01:24 水电气收费问题的社会影响与监管建议 1:04:55 全球夜间灯光变化研究 1:09:12 卫星互联网商用化与机上WiFi争议 1:13:47 社交隔离与健康风险研究 1:25:10 读评论 高等瓦雷利亚语 Duo 的讣告 主要参考资料: 刘飞部分 《最受争议的AI应用公司,从暴涨6倍到一年下跌80%,多邻国怎么了?》,虎嗅,2026年4月9日 《岗位消失、专业停招,他们因为AI被迫"毕业"》,虎嗅,2026年4月10日 "Down 80%, Is Duolingo Stock a Buy Now?",The Motley Fool,2026年3月31日 "Duolingo stock is falling off a cliff",Fast Company,2026年2月27日 "Duolingo: The 80% Drop Doesn't Make It Cheap",Seeking Alpha,2026年3月3日 Claude Mythos System Card,Anthropic,2026年4月 "Anthropic: Our new Mythos model is so powerful, we can't release it",Sherwood News,2026年4月8日 "Everything You Need to Know About Claude Mythos",Vellum Blog,2026年4月8日 《三年前OpenAI预测不会被AI影响的职业,正以4倍速被残酷碾压》,华尔街见闻,2026年3月4日 《韩践:解读2025年全球裁员潮》,中欧商学院,2026年1月28日 "Why Duolingo's Viral Mascot Stunt Was a Marketing Masterclass",BSM Partners,2025年 "How Duolingo's dead owl stunt became a social media sensation",Fast Company,2025年11月5日 "Duolingo's owl mascot is alive after all",NPR,2025年2月26日 《Future of Jobs Report 2025》,世界经济论坛,2025年 "Canaries in the Coal Mine?",斯坦福大学数字经济实验室,2025年 美国劳工统计局(BLS)就业数据 DataEye研究院短剧行业数据 广电总局2025年微短剧行业数据 《AI时代选择专业与判断就业的五步方法》,经济观察网,2026年3月26日 《张雪峰变"AI技能包"?》,新浪财经,2026年4月10日 "失业与就业:自动化时代的劳动力转型"(The STEM Cycle),David Deming & Kadeem Noray,哈佛大学 《2023年中国本科生就业报告》,麦可思研究院 《大学选什么专业,才不会被AI抢饭碗?》,澎湃新闻,2023年6月 《2023高考志愿报告》,夸克 "Skill Dependencies Uncover Nested Human Capital",Hosseinioun et al.,Nature Human Behaviour,2025年4月 "The Growing Importance of Social Skills in the Labor Market",David Deming,哈佛大学/NBER "Soft Skills Matter Now More Than Ever, According to New Research",Harvard Business Review,2025年8月 2025 Gen Z and Millennial Survey,德勤,2025年 2025 Workplace Learning Report,LinkedIn,2025年 ChatGPT、Gemini、Claude、Tabbit 亦有贡献 潇磊部分 《居⺠⽔电⽓计量收费乱象,如何治?》 央视新闻 1+1 《3亿元退费背后:整治“三表”违规亟需⻓效监管》 宋馥李 经济观察报 《累计退费超3亿元!市场监管总局整治居⺠⽔电⽓收费不规范等问题》 央⼴⽹ 《成都通报燃⽓问题调查情况:燃⽓企业存在以估代抄、违规估抄等⾏为》刘胤衡 王鑫昕 中国⻘ 年报 Li T, Wang Z, Kyba CCM, Román MO, Seto KC, Yang Y, et al. Satellite imagery reveals increasing volatility in human night-time activity. Nature. 2026 Apr 8;652:379-386. 《全球⻜机掀起WiFi免费潮,中国为什么迟迟不跟?》旅界 《⼀件能“养脑”,还能降低死亡⻛险的⼩事!简单⼜快乐,强烈建议你多做!》 丁宇 李菁晶 科 普中国 Foster HME, Gill JMR, Mair FS, Celis-Morales CA, Jani BD, Nicholl BI, Lee D, O'Donnell CA. Social connection and mortality in UK Biobank: a prospective cohort analysis. BMC Med. 2023 Nov 10;21(1):384. 制作人:张超辉 片尾曲:⼗⼀种孤独 - 宿⽻阳 封面:刘飞 by ChatGPT

双语字幕

仅展示文本字幕,不包含中文音频;想边听边看,请使用 Bayt 播客 App。

Speaker 1

您的半拿铁周刊请查收!

您的半拿铁周刊请查收!

Speaker 2

他说用新技术取代初级工程师和员工是糟糕的商业决策。

他说用新技术取代初级工程师和员工是糟糕的商业决策。

Speaker 2

而有的时候高效的完成方式很容易越界,比如说计算机,这就是张雪峰当年最推荐的专业方向之一。

而有的时候高效的完成方式很容易越界,比如说计算机,这就是张雪峰当年最推荐的专业方向之一。

Speaker 2

嗯,但20~24年。

嗯,但20~24年。

Speaker 2

全国新增的人工智能相关的专业点,学的东西和计算机可是不太一样的呀。

全国新增的人工智能相关的专业点,学的东西和计算机可是不太一样的呀。

Speaker 2

嗯嗯,这个时代真正危险的不是专业冷热的变化,而是家庭还在用昨天的地图给孩子找明天的工作呀。

嗯嗯,这个时代真正危险的不是专业冷热的变化,而是家庭还在用昨天的地图给孩子找明天的工作呀。

Speaker 3

所以下次当你坐在夜班飞机上,俯瞰不同国家的点点灯光的时候,嗯,你或许就能多一些不同的感觉。

所以下次当你坐在夜班飞机上,俯瞰不同国家的点点灯光的时候,嗯,你或许就能多一些不同的感觉。

Speaker 3

社交可以降低心脏病、糖尿病的风险。

社交可以降低心脏病、糖尿病的风险。

Speaker 3

并且增强免疫系统。

并且增强免疫系统。

Speaker 3

嗯。

嗯。

Speaker 3

一个人是不是太装?

一个人是不是太装?

Speaker 3

事实上就面对面的正常表达,带了语气就不会有这个问题。

事实上就面对面的正常表达,带了语气就不会有这个问题。

Speaker 3

哎,刘飞你好哈。

哎,刘飞你好哈。

Speaker 3

嗯哼。

嗯哼。

Speaker 3

我来了,咱们开始录吧哈。这什么玩意。

我来了,咱们开始录吧哈。这什么玩意。

Speaker 3

热点的拿铁慢点喝,热点的事件慢点说。

热点的拿铁慢点喝,热点的事件慢点说。

Speaker 2

欢迎收听半拿铁周刊。

欢迎收听半拿铁周刊。

Speaker 2

大家好,我是刘飞。

大家好,我是刘飞。

Speaker 3

我是啸磊。

我是啸磊。

Speaker 4

哈哈哈,啸磊,这这是什么音?

哈哈哈,啸磊,这这是什么音?

Speaker 2

怎么什么动静啊?

怎么什么动静啊?

Speaker 2

这是。

这是。

Speaker 3

大家没听到啊,刚才第一遍开头我们俩就抢词了,说错了啊。

大家没听到啊,刚才第一遍开头我们俩就抢词了,说错了啊。

Speaker 3

嗯。

嗯。

Speaker 3

嗯。

嗯。

Speaker 3

时隔半月之后再次见面。

时隔半月之后再次见面。

Speaker 2

那已经对周刊不熟了是吧?嗨嗨。

那已经对周刊不熟了是吧?嗨嗨。

Speaker 2

哎,那我们今天这个内容正式开始啊。

哎,那我们今天这个内容正式开始啊。

Speaker 2

首先我这边,这期聊四件事。

首先我这边,这期聊四件事。

Speaker 2

嗯,看起来是四件事。

嗯,看起来是四件事。

Speaker 2

嗯,其实是一件事。

嗯,其实是一件事。

Speaker 2

哎呀,你看。

哎呀,你看。

Speaker 3

说是一件事,那其实也是四件事。给我整玄学是吧?

说是一件事,那其实也是四件事。给我整玄学是吧?

Speaker 2

我们先从一个产品说起。

我们先从一个产品说起。

Speaker 2

嗯,多邻国。

嗯,多邻国。

Speaker 2

我估计听友里面可能不见得说大家都在用。

我估计听友里面可能不见得说大家都在用。

Speaker 2

嗯,但是没听说过多邻国的应该还是在少数的,很出名啊。

嗯,但是没听说过多邻国的应该还是在少数的,很出名啊。

Speaker 3

呃,我也这么觉得吧。

呃,我也这么觉得吧。

Speaker 2

啊,就是那只绿色的小猫头鹰,嗯,这个吉祥物大家也都。

啊,就是那只绿色的小猫头鹰,嗯,这个吉祥物大家也都。

Speaker 2

很眼熟,都认识了。

很眼熟,都认识了。

Speaker 3

哦,猫头鹰哦,因为我没用过,我一直以为它是个鹦鹉,是个玩意。

哦,猫头鹰哦,因为我没用过,我一直以为它是个鹦鹉,是个玩意。

Speaker 2

啊,这个小鸟嘛,反正是个鸟啊。

啊,这个小鸟嘛,反正是个鸟啊。

Speaker 2

而且现在应该不少人也在攒连胜,你包括我也是,我也有个六七百天的一个连胜了。

而且现在应该不少人也在攒连胜,你包括我也是,我也有个六七百天的一个连胜了。

Speaker 2

嗯,然后用它来学日语,用它来学过韩语。

嗯,然后用它来学日语,用它来学过韩语。

Speaker 2

嗯,用它来学过俄语,用它来还学过高等瓦雷利亚语。

嗯,用它来学过俄语,用它来还学过高等瓦雷利亚语。

Speaker 3

啊,就是那是哪用的呀?

啊,就是那是哪用的呀?

Speaker 2

高等瓦雷利亚语,权力的游戏里。

高等瓦雷利亚语,权力的游戏里。

Speaker 2

瓦雷利亚自由堡垒的古典语。

瓦雷利亚自由堡垒的古典语。

Speaker 3

我了个天呐,那是真有一套语言呀。

我了个天呐,那是真有一套语言呀。

Speaker 2

肖磊看一下这个字母啊,这这个字母真是有点意思。

肖磊看一下这个字母啊,这这个字母真是有点意思。

Speaker 3

那真的,这这玩意真能学?

那真的,这这玩意真能学?

Speaker 2

真能学,因为这是正儿八经的。

真能学,因为这是正儿八经的。

Speaker 2

语言学家构建的完整语言,有2000多个常用词汇和完整的一套语法。

语言学家构建的完整语言,有2000多个常用词汇和完整的一套语法。

Speaker 3

语言学家也是挺闲的啊。

语言学家也是挺闲的啊。

Speaker 2

挺闲的,挺闲的,完全构建着就很有意思。

挺闲的,挺闲的,完全构建着就很有意思。

Speaker 2

然后你比如说这里边。

然后你比如说这里边。

Speaker 2

你就可以学这么一句。

你就可以学这么一句。

Speaker 2

Vila Moreg利斯,NikaDani利斯,Exon。

Vila Moreg利斯,NikaDani利斯,Exon。

Speaker 3

这没白学啊,你还真真能记住。

这没白学啊,你还真真能记住。

Speaker 2

什么意思呢?

什么意思呢?

Speaker 2

呃,我是照着稿念的啊。

呃,我是照着稿念的啊。

Speaker 3

你照着稿念,你他你也得知道他怎么念呀。

你照着稿念,你他你也得知道他怎么念呀。

Speaker 2

中文谐音。

中文谐音。

Speaker 3

嘿嘿,白学了白学了。

嘿嘿,白学了白学了。

Speaker 2

什么意思呢?

什么意思呢?

Speaker 2

凡人皆有一死,我是丹妮莉丝。

凡人皆有一死,我是丹妮莉丝。

Speaker 2

哦,反正挺有意思的,就是这种,那当然你也可以理解它本身也是一个玩花样的。

哦,反正挺有意思的,就是这种,那当然你也可以理解它本身也是一个玩花样的。

Speaker 2

啊,一个整活的一个视角。

啊,一个整活的一个视角。

Speaker 3

丹尼利斯会说凡人皆有一死吗?

丹尼利斯会说凡人皆有一死吗?

Speaker 2

啊,不是啊,这是两。

啊,不是啊,这是两。

Speaker 3

这是两句是吧?

这是两句是吧?

Speaker 3

那我就说嘛,他不对啊。

那我就说嘛,他不对啊。

Speaker 2

多邻国呢,也被称为是全球最会做社交媒体营销的科技公司。

多邻国呢,也被称为是全球最会做社交媒体营销的科技公司。

Speaker 2

可能都没有之一。

可能都没有之一。

Speaker 2

嗯。

嗯。

Speaker 2

他之前 TikTok 账号有将近1700万粉丝,而且他很少花钱投广告。

他之前 TikTok 账号有将近1700万粉丝,而且他很少花钱投广告。

Speaker 2

嗯。

嗯。

Speaker 2

就是靠整活。

就是靠整活。

Speaker 2

嗯。

嗯。

Speaker 2

那个绿色猫头鹰叫 D U O Duo。

那个绿色猫头鹰叫 D U O Duo。

Speaker 3

多儿,我记得什么活了又死死了又活什么玩意。

多儿,我记得什么活了又死死了又活什么玩意。

Speaker 2

哎,多儿吉祥物特别出名,小磊说的这是他的一个大事件。

哎,多儿吉祥物特别出名,小磊说的这是他的一个大事件。

Speaker 2

嗯。

嗯。

Speaker 2

二五年二月份,他在所有社交平台上宣布多。

二五年二月份,他在所有社交平台上宣布多。

Speaker 2

死了,多死了还。

死了,多死了还。

Speaker 2

让谁多死了?

让谁多死了?

Speaker 3

这是。

这是。

Speaker 2

配了一段视频。

配了一段视频。

Speaker 2

嗯。

嗯。

Speaker 2

多被特斯拉 Cybertruck 多死了。

多被特斯拉 Cybertruck 多死了。

Speaker 3

那那啊?

那那啊?

Speaker 2

他就是找了那个热点,Cybertruck 给他撞死了,而且就真的是拍到他撞死了。

他就是找了那个热点,Cybertruck 给他撞死了,而且就真的是拍到他撞死了。

Speaker 3

碰瓷特斯拉哈。

碰瓷特斯拉哈。

Speaker 2

后续的帖子里边呢,堕他不是还有一些朋友们嘛,那朋友们就是穿着玩偶服的朋友们,抬着,啊抬着棺材,给他送走了。

后续的帖子里边呢,堕他不是还有一些朋友们嘛,那朋友们就是穿着玩偶服的朋友们,抬着,啊抬着棺材,给他送走了。

Speaker 2

嗯,官方的公告里写的全名是,堕。

嗯,官方的公告里写的全名是,堕。

Speaker 2

KenShinoda,RinnyLingo,啊,就是他的全名啊。

KenShinoda,RinnyLingo,啊,就是他的全名啊。

Speaker 2

啊。

啊。

Speaker 2

出生于公元前一千年,他还有一个他的遗像。

出生于公元前一千年,他还有一个他的遗像。

Speaker 3

哎呦,哈哈。

哎呦,哈哈。

Speaker 3

这是一个黑白的遗像,猫头鹰长得还挺谈钱人的。

这是一个黑白的遗像,猫头鹰长得还挺谈钱人的。

Speaker 2

什么什么词?

什么什么词?

Speaker 2

社交媒体的提及量就在这件事前后提升了百分之两万五。

社交媒体的提及量就在这件事前后提升了百分之两万五。

Speaker 2

哎呦,两万五。

哎呦,两万五。

Speaker 2

两周之后,2月24日,多邻国又上线了一个叫,Brain Back Duolingo,临时网站。

两周之后,2月24日,多邻国又上线了一个叫,Brain Back Duolingo,临时网站。

Speaker 2

嗯。

嗯。

Speaker 2

用户呢,只要完成课程,积攒经验值,就可以复活多。

用户呢,只要完成课程,积攒经验值,就可以复活多。

Speaker 2

全球的。

全球的。

Speaker 2

用户都来都来复活他,最后真的500多亿加起来的经验值给他复活了。

用户都来都来复活他,最后真的500多亿加起来的经验值给他复活了。

Speaker 3

玩呢,真是啊,真会玩啊!

玩呢,真是啊,真会玩啊!

Speaker 2

全民狂欢啊!

全民狂欢啊!

Speaker 2

嗯,他就你你要想整个过程,如果是做品牌的朋友,这馋哭了呀,它整个过程基本上没有预算,嗯,没有请明星代言,就是一个猫头鹰的棺材,拍了个视频,发了几条帖子,17亿次的社交媒体曝光。

嗯,他就你你要想整个过程,如果是做品牌的朋友,这馋哭了呀,它整个过程基本上没有预算,嗯,没有请明星代言,就是一个猫头鹰的棺材,拍了个视频,发了几条帖子,17亿次的社交媒体曝光。

Speaker 2

你看看,这没有能做到这个程度的。

你看看,这没有能做到这个程度的。

Speaker 2

但是说起来今天聊的还不是这一点,今天聊的是这个整活的猫头鹰最近有点风波了。

但是说起来今天聊的还不是这一点,今天聊的是这个整活的猫头鹰最近有点风波了。

Speaker 2

嗯,首先呢,之前它就在美股上市了,曾经是被认为教育股的龙头,嗯,也是市场上公认的 AI 受益股。

嗯,首先呢,之前它就在美股上市了,曾经是被认为教育股的龙头,嗯,也是市场上公认的 AI 受益股。

Speaker 2

就是 AI 来了,它受益了。

就是 AI 来了,它受益了。

Speaker 2

嗯,多受益呢?

嗯,多受益呢?

Speaker 2

二三年初,那就是 ChatGPT 刚火的时候,到二五年五月,多邻国的股价涨了百分之六百六十六,六六六。

二三年初,那就是 ChatGPT 刚火的时候,到二五年五月,多邻国的股价涨了百分之六百六十六,六六六。

Speaker 2

呀。

呀。

Speaker 2

从不到80美元飙到了500多美元啊。

从不到80美元飙到了500多美元啊。

Speaker 2

同期谷 Google 涨了多少呢?

同期谷 Google 涨了多少呢?

Speaker 2

两倍。

两倍。

Speaker 2

也就是说,你如果买多邻国的话,赚的钱是买 Google 的三倍还多。

也就是说,你如果买多邻国的话,赚的钱是买 Google 的三倍还多。

Speaker 3

嗯。

嗯。

Speaker 3

虽然体量不一样,但是,哎,刘飞说的这个角度很好,你看你买啥呀?

虽然体量不一样,但是,哎,刘飞说的这个角度很好,你看你买啥呀?

Speaker 3

对吧?

对吧?

Speaker 3

你买了它,你就是赚的多。

你买了它,你就是赚的多。

Speaker 2

事情就起变化了。

事情就起变化了。

Speaker 2

嗯,二五年六月份开始,不到一年时间,股价从544美元跌到了100美元,狂跌呀。

嗯,二五年六月份开始,不到一年时间,股价从544美元跌到了100美元,狂跌呀。

Speaker 3

那是怀展了。

那是怀展了。

Speaker 2

哎,这个市值呢,从接近140亿美元缩水到40多亿。

哎,这个市值呢,从接近140亿美元缩水到40多亿。

Speaker 2

嗯。

嗯。

Speaker 2

巅峰时期的零头都不到。

巅峰时期的零头都不到。

Speaker 2

那么是因为啥呢?

那么是因为啥呢?

Speaker 2

是因为它财报不好看?

是因为它财报不好看?

Speaker 2

嗯。

嗯。

Speaker 2

业绩崩了吗?

业绩崩了吗?

Speaker 3

不是。

不是。

Speaker 3

现在 AI 还活着呢。

现在 AI 还活着呢。

Speaker 2

它的业绩很好。

它的业绩很好。

Speaker 2

2026年2月25日,多邻国的25年第四季度财报数字很好看。

2026年2月25日,多邻国的25年第四季度财报数字很好看。

Speaker 2

嗯。

嗯。

Speaker 2

比如说在订阅会员流水方面,它的增速。

比如说在订阅会员流水方面,它的增速。

Speaker 2

在25年已经达到了百分之三十三啊,这个增速还是在这的,1/3的增速呢。

在25年已经达到了百分之三十三啊,这个增速还是在这的,1/3的增速呢。

Speaker 2

但是就发了这个财报之后,第二天早上,股价盘前跌了超过21%。

但是就发了这个财报之后,第二天早上,股价盘前跌了超过21%。

Speaker 5

为啥呢?

为啥呢?

Speaker 5

因为首先二六年的业绩指引稍微略有下调,它没有之前增的那么猛了,这是一方面。

因为首先二六年的业绩指引稍微略有下调,它没有之前增的那么猛了,这是一方面。

Speaker 5

相比之前速度没有那么快了。

相比之前速度没有那么快了。

Speaker 5

另外一个方面就是你稍微拐这么一个弯。

另外一个方面就是你稍微拐这么一个弯。

Speaker 2

大家的解读,它可就高了。

大家的解读,它可就高了。

Speaker 2

因为之前还是前面说它是 AI 受益股,市盈率已经飙到了50倍啊。

因为之前还是前面说它是 AI 受益股,市盈率已经飙到了50倍啊。

Speaker 2

嗯。

嗯。

Speaker 2

你增长一减速,这个估值大家就有点。

你增长一减速,这个估值大家就有点。

Speaker 2

担心了。

担心了。

Speaker 2

嗯。

嗯。

Speaker 2

啊,这这能不能撑到那个时候?

啊,这这能不能撑到那个时候?

Speaker 3

那合理。

那合理。

Speaker 3

嗯,但是减的确实没有那么多呀,也不至于百分之八十啊。

嗯,但是减的确实没有那么多呀,也不至于百分之八十啊。

Speaker 2

哎,那管理层大概是这么表达的,26年呢,我们呃未来的战略方向是要先把优先级从赚钱拉回拉用户。

哎,那管理层大概是这么表达的,26年呢,我们呃未来的战略方向是要先把优先级从赚钱拉回拉用户。

Speaker 2

目标是在二八年日活达到一个亿。

目标是在二八年日活达到一个亿。

Speaker 2

为了达到这个目标呢,把准备原来给高端付费用户的 AI 功能,比如说跟虚拟角色练口语这个功能下放到。

为了达到这个目标呢,把准备原来给高端付费用户的 AI 功能,比如说跟虚拟角色练口语这个功能下放到。

Speaker 2

下面的订阅层级。

下面的订阅层级。

Speaker 2

嗯,免费用户呢,也能体验一部分。

嗯,免费用户呢,也能体验一部分。

Speaker 2

嗯,用比较直白,可能不是那么好听的话解释就是过去两年耗太狠了。

嗯,用比较直白,可能不是那么好听的话解释就是过去两年耗太狠了。

Speaker 2

嗯,广告太多了。

嗯,广告太多了。

Speaker 2

割的有点多。

割的有点多。

Speaker 2

免费功能呢,限制的特别严,订阅提示呢,特别频繁。

免费功能呢,限制的特别严,订阅提示呢,特别频繁。

Speaker 2

短期把财务数字做上来了,这个时候要放缓一下了,要告诉大家这个不长久了。

短期把财务数字做上来了,这个时候要放缓一下了,要告诉大家这个不长久了。

Speaker 2

当然这是经营层面的问题,然后叙事上它就关联到了另一个层面,还是 AI。

当然这是经营层面的问题,然后叙事上它就关联到了另一个层面,还是 AI。

Speaker 2

那你说过去它是 AI 受益股,为什么现在 AI 发展得更好了之后,它反而不被那么看好了呢?

那你说过去它是 AI 受益股,为什么现在 AI 发展得更好了之后,它反而不被那么看好了呢?

Speaker 2

嗯。

嗯。

Speaker 2

首先我们再回顾一下当年它为什么被看好?

首先我们再回顾一下当年它为什么被看好?

Speaker 2

23年 ChatGPT 刚出现的时候。

23年 ChatGPT 刚出现的时候。

Speaker 2

AI 帮多邻国省了大量的内容生产成本。

AI 帮多邻国省了大量的内容生产成本。

Speaker 2

语种、级别、场景,这里面大量的练习题、对话、语法解释等等,全靠人工啊。

语种、级别、场景,这里面大量的练习题、对话、语法解释等等,全靠人工啊。

Speaker 2

嗯,你就请一些语言学家,请一些老师。

嗯,你就请一些语言学家,请一些老师。

Speaker 2

请一些外包翻译,不断的去调整,这是个精细活嘛。

请一些外包翻译,不断的去调整,这是个精细活嘛。

Speaker 2

它一门新语言,从零开发,周期很长,成本很高。

它一门新语言,从零开发,周期很长,成本很高。

Speaker 2

多邻国呢,当这个23年的这波 AI 出现之后,就用 AI 把这个流程大幅缩减了。

多邻国呢,当这个23年的这波 AI 出现之后,就用 AI 把这个流程大幅缩减了。

Speaker 2

嗯,24年初,多邻国宣布,我们裁掉了大约10%的外包合同工。

嗯,24年初,多邻国宣布,我们裁掉了大约10%的外包合同工。

Speaker 2

嗯,就让那个投资人看起来是好信号。

嗯,就让那个投资人看起来是好信号。

Speaker 2

对吧?

对吧?

Speaker 3

那这成本低了。

那这成本低了。

Speaker 2

那利润率可以持续提升啊。

那利润率可以持续提升啊。

Speaker 2

事实上呢,22年四季度到24年二季度,多邻国的调整后,利润率从5%一路飙到了27%。

事实上呢,22年四季度到24年二季度,多邻国的调整后,利润率从5%一路飙到了27%。

Speaker 2

自由现金流的利润率到24年第四季度已经达到了百分之四十二啊。

自由现金流的利润率到24年第四季度已经达到了百分之四十二啊。

Speaker 2

嗯,这个远高出,比如说奈飞是百分之十八。

嗯,这个远高出,比如说奈飞是百分之十八。

Speaker 2

嗯,整个过程当中呢,除了像刚才说的课程本身的成本,它还跟 OpenAI 合作推出了多邻国 Max 增加了解释我的答案,就它可通可以通过 AI 看看你哪犯错了,对吧?

嗯,整个过程当中呢,除了像刚才说的课程本身的成本,它还跟 OpenAI 合作推出了多邻国 Max 增加了解释我的答案,就它可通可以通过 AI 看看你哪犯错了,对吧?

Speaker 2

以及角色扮演。

以及角色扮演。

Speaker 2

嗯,两个 AI 功能,还上线了刚才提到的视频通话。

嗯,两个 AI 功能,还上线了刚才提到的视频通话。

Speaker 2

AI 会根据你的水平调整难度,纠正你的表达。

AI 会根据你的水平调整难度,纠正你的表达。

Speaker 2

那基本上相当于请了一个 AI 外教。

那基本上相当于请了一个 AI 外教。

Speaker 2

到24年底,MAX 用户占全部付费用户的5%,45万人左右。

到24年底,MAX 用户占全部付费用户的5%,45万人左右。

Speaker 2

人数不多,但客单价比较高,直接拉高了平台整体的。

人数不多,但客单价比较高,直接拉高了平台整体的。

Speaker 2

UP 值,也就是每用户平均收入。

UP 值,也就是每用户平均收入。

Speaker 2

这是百分之六百六十六的核心逻辑,听起来好像这个叙事还说得过去,合理的。

这是百分之六百六十六的核心逻辑,听起来好像这个叙事还说得过去,合理的。

Speaker 2

但是同样的 AI。

但是同样的 AI。

Speaker 2

同样的这个逻辑,你反着方向说也能说通。

同样的这个逻辑,你反着方向说也能说通。

Speaker 2

比如说私教,那私教是啊,你是私教,ChatGPT能不能当私教?

比如说私教,那私教是啊,你是私教,ChatGPT能不能当私教?

Speaker 2

嗯。

嗯。

Speaker 2

ChatGPT 能直接免费用啊,你甚至不用充会员就可以跟它聊啊。

ChatGPT 能直接免费用啊,你甚至不用充会员就可以跟它聊啊。

Speaker 2

Google、Apple、OpenAI 都在做跟语言学习重叠度越来越高的产品,它本身这个大模型产品的丰富度就越来越高。

Google、Apple、OpenAI 都在做跟语言学习重叠度越来越高的产品,它本身这个大模型产品的丰富度就越来越高。

Speaker 2

另外就是开发成本。

另外就是开发成本。

Speaker 2

OK,你成本低的做课程,人家能不能成本低的做课程啊?

OK,你成本低的做课程,人家能不能成本低的做课程啊?

Speaker 2

有开发者就说了,现在我周末花一天时间用 AI 我就能开发一个语言学习 APP 接上 AI 我就能放到应用商店里,也可以学习啊。

有开发者就说了,现在我周末花一天时间用 AI 我就能开发一个语言学习 APP 接上 AI 我就能放到应用商店里,也可以学习啊。

Speaker 2

那这里面它就涉及到一个很核心的矛盾了。

那这里面它就涉及到一个很核心的矛盾了。

Speaker 2

嗯,就是人家都能做的事,你凭什么说你有壁垒呢?

嗯,就是人家都能做的事,你凭什么说你有壁垒呢?

Speaker 2

多邻国之前为什么能做到5亿注册用户和5000多万的日活呢?

多邻国之前为什么能做到5亿注册用户和5000多万的日活呢?

Speaker 2

其实不是因为他语言教的好,用过的朋友都有体会,因为他把学习变成了游戏。

其实不是因为他语言教的好,用过的朋友都有体会,因为他把学习变成了游戏。

Speaker 2

就是迪士尼,对吧?

就是迪士尼,对吧?

Speaker 2

就大家经常讲的这种关卡挑战。

就大家经常讲的这种关卡挑战。

Speaker 2

排行榜、连续打卡、保时奖励等等,这些游戏化机制才是用户上瘾有粘性的核心的原因。

排行榜、连续打卡、保时奖励等等,这些游戏化机制才是用户上瘾有粘性的核心的原因。

Speaker 2

你像连胜这个就非常有吸引力,我自己用起来我的体会也是。

你像连胜这个就非常有吸引力,我自己用起来我的体会也是。

Speaker 2

他能每天拽着我学那么一会,可能就是5分钟。

他能每天拽着我学那么一会,可能就是5分钟。

Speaker 2

但是他能拽着我每天学,你如果学别的东西,你可能一忘,哎,这一个月就过去了。

但是他能拽着我每天学,你如果学别的东西,你可能一忘,哎,这一个月就过去了。

Speaker 2

这个能拽着你,然后你每次连胜,他又有很强的这个情绪价值,就告诉你你很厉害。

这个能拽着你,然后你每次连胜,他又有很强的这个情绪价值,就告诉你你很厉害。

Speaker 2

对吧?

对吧?

Speaker 2

这种需求其实本质上代表的是一种轻度的语言需求。

这种需求其实本质上代表的是一种轻度的语言需求。

Speaker 2

比如说,如果我真的要考雅思,我真的要移民,那每天花5分钟打个卡肯定不够嘛,是,肯定是要报个班,或者说要通过别的方式专业去学习。

比如说,如果我真的要考雅思,我真的要移民,那每天花5分钟打个卡肯定不够嘛,是,肯定是要报个班,或者说要通过别的方式专业去学习。

Speaker 3

学习方法就不一样了。

学习方法就不一样了。

Speaker 2

那它的确把一个反人性的品类,一个周期很长,反馈很慢,留存很低的语言学习变成了一个高粘性的产品。

那它的确把一个反人性的品类,一个周期很长,反馈很慢,留存很低的语言学习变成了一个高粘性的产品。

Speaker 2

但这个就是它的风险,因为它是轻度的。

但这个就是它的风险,因为它是轻度的。

Speaker 2

轻度的语言需求的用户就最容易被 AI 场景工具分流。

轻度的语言需求的用户就最容易被 AI 场景工具分流。

Speaker 2

你想练口语,现在多模态很好用了,你跟 gemini 跟 ChatGPT 聊行不行?

你想练口语,现在多模态很好用了,你跟 gemini 跟 ChatGPT 聊行不行?

Speaker 2

可以。

可以。

Speaker 2

你想要翻译,打开 ChatGPT 翻译的也挺好。

你想要翻译,打开 ChatGPT 翻译的也挺好。

Speaker 2

你想在旅行之前学几句生活用语,对吧?

你想在旅行之前学几句生活用语,对吧?

Speaker 2

你也不用打开多邻国了,你可以跟 ChatGPT 问它几句,甚至现场问这个速度都很快。

你也不用打开多邻国了,你可以跟 ChatGPT 问它几句,甚至现场问这个速度都很快。

Speaker 2

真正的刚性需求呢,也存在,像移民啊,什么学位啊,证书啊这些,但是他就不是多邻国的主力用户。

真正的刚性需求呢,也存在,像移民啊,什么学位啊,证书啊这些,但是他就不是多邻国的主力用户。

Speaker 2

嗯,所以对多邻国来说,他就有压力。

嗯,所以对多邻国来说,他就有压力。

Speaker 2

其实它在这几年也在想办法扩品类。

其实它在这几年也在想办法扩品类。

Speaker 2

除了语言,呃,如果平时用的朋友会看到它开始教数学了,开始教音乐了,增加了国际象棋,增加了各种各样其他的这种。

除了语言,呃,如果平时用的朋友会看到它开始教数学了,开始教音乐了,增加了国际象棋,增加了各种各样其他的这种。

Speaker 2

学习的角度就是娱乐化学习。

学习的角度就是娱乐化学习。

Speaker 3

就核心的机制,交互方式还是那一套。

就核心的机制,交互方式还是那一套。

Speaker 3

哎。

哎。

Speaker 3

哦,那可以推广呀。

哦,那可以推广呀。

Speaker 2

对,可以推广,但是能不能跑通还不太知道。

对,可以推广,但是能不能跑通还不太知道。

Speaker 2

嗯。

嗯。

Speaker 2

因为目前其实多数人是。

因为目前其实多数人是。

Speaker 2

没有那么看好的,因为觉得你在这里面学这些东西呢,还是刚才说的,就是中间这个轻度的灰度地带的这个用户到底有多少?

没有那么看好的,因为觉得你在这里面学这些东西呢,还是刚才说的,就是中间这个轻度的灰度地带的这个用户到底有多少?

Speaker 2

嗯,因为很多朋友也会反馈说我用它学了1000天了某个语言。

嗯,因为很多朋友也会反馈说我用它学了1000天了某个语言。

Speaker 2

我还是没学会啊,我我就只是每天拿着它玩一玩。

我还是没学会啊,我我就只是每天拿着它玩一玩。

Speaker 2

啊。

啊。

Speaker 2

我觉得学不深入啊,你真想认真学会一个东西,你像国际象棋这种,你是不是还是报个班比较好?

我觉得学不深入啊,你真想认真学会一个东西,你像国际象棋这种,你是不是还是报个班比较好?

Speaker 2

你只是学个规则当然可以,但是学规则又是个很浅的。

你只是学个规则当然可以,但是学规则又是个很浅的。

Speaker 2

需求,这中间还是有个矛盾的。

需求,这中间还是有个矛盾的。

Speaker 3

哎,这这,但这个事最开始选择它的用户,不应该是大部分人都清楚的嘛?

哎,这这,但这个事最开始选择它的用户,不应该是大部分人都清楚的嘛?

Speaker 3

你用上一阵,你不就能感受到吗?

你用上一阵,你不就能感受到吗?

Speaker 3

你到底能不能学的会?

你到底能不能学的会?

Speaker 2

对对,这这对,这个这个是没问题的。

对对,这这对,这个这个是没问题的。

Speaker 2

但但是就像刚才说的,它这个轻度的。

但但是就像刚才说的,它这个轻度的。

Speaker 2

就大家是真奔奔着他那个情绪价值和更娱乐化去,还是说我真想学着这个去?

就大家是真奔奔着他那个情绪价值和更娱乐化去,还是说我真想学着这个去?

Speaker 2

啊啊,这这中间。

啊啊,这这中间。

Speaker 3

那我觉得娱乐化肯定是占了更多呗。

那我觉得娱乐化肯定是占了更多呗。

Speaker 2

对,那最后这个娱乐化它能不能是变成一个持续的粘性,因为他讲的故事还是语言学习的故事嘛。

对,那最后这个娱乐化它能不能是变成一个持续的粘性,因为他讲的故事还是语言学习的故事嘛。

Speaker 2

嗯嗯。

嗯嗯。

Speaker 2

那现在呢,高盛已经把多邻国的目标价从250美元下调到105美元。

那现在呢,高盛已经把多邻国的目标价从250美元下调到105美元。

Speaker 2

C King Alpha有分析师给出了80美元的目标价,甚至有律师事务所已经在调查多邻国是否存在证券欺诈行为了。

C King Alpha有分析师给出了80美元的目标价,甚至有律师事务所已经在调查多邻国是否存在证券欺诈行为了。

Speaker 2

嗯。

嗯。

Speaker 2

多邻国,当然目前看呢,它也不是说一下子就变成一家很差的公司了,它业绩还是很好的。

多邻国,当然目前看呢,它也不是说一下子就变成一家很差的公司了,它业绩还是很好的。

Speaker 2

就像刚才说的,它游戏化这个东西,它还是验证了大家愿意玩的,但是长期这个趋势,之前你暴涨了之后的这个趋势,能不能?

就像刚才说的,它游戏化这个东西,它还是验证了大家愿意玩的,但是长期这个趋势,之前你暴涨了之后的这个趋势,能不能?

Speaker 2

站得住,这就是另外一个事了。

站得住,这就是另外一个事了。

Speaker 3

嗯,至少目前根据刘飞的叙述来看,事实层面上没有体现太大的一个变化,主要大家的认知的变化会比较大。

嗯,至少目前根据刘飞的叙述来看,事实层面上没有体现太大的一个变化,主要大家的认知的变化会比较大。

Speaker 2

尤其是同一家公司,同样 AI 都在发展,不同的叙事,你的估值就一下从六倍跌回一倍。嗯,嗯,这个事。

尤其是同一家公司,同样 AI 都在发展,不同的叙事,你的估值就一下从六倍跌回一倍。嗯,嗯,这个事。

Speaker 3

在资本市场倒是也合理,因为资本市场的,特别是类似这样的偏科技类的公司,就是看未来嘛,就就是看它的这个 PE 能到多少嘛。

在资本市场倒是也合理,因为资本市场的,特别是类似这样的偏科技类的公司,就是看未来嘛,就就是看它的这个 PE 能到多少嘛。

Speaker 2

所以说股价反映的还是预期嘛,就大家看未来预期是怎么样。

所以说股价反映的还是预期嘛,就大家看未来预期是怎么样。

Speaker 2

当然这个你也可以说成,我看有一些评论也说,这有点像是一个爽文的叙事。

当然这个你也可以说成,我看有一些评论也说,这有点像是一个爽文的叙事。

Speaker 2

你看前面说了,你把资本家,对吧?

你看前面说了,你把资本家,对吧?

Speaker 2

你多邻国是个资本家,把员工开掉了,开掉了之后都用 AI 结果最后自己也被 AI 给革掉了。

你多邻国是个资本家,把员工开掉了,开掉了之后都用 AI 结果最后自己也被 AI 给革掉了。

Speaker 2

对吧?

对吧?

Speaker 3

哈哈哈。

哈哈哈。

Speaker 3

啊,确实挺爽,拍电影挺好。

啊,确实挺爽,拍电影挺好。

Speaker 2

当然,你说到被革掉,那被革掉的也不止只有像多邻国下面的这些员工。

当然,你说到被革掉,那被革掉的也不止只有像多邻国下面的这些员工。

Speaker 2

嗯,其实。

嗯,其实。

Speaker 2

我之前做的这个系列里面,也一直在追踪嘛。

我之前做的这个系列里面,也一直在追踪嘛。

Speaker 2

那接下来也聊一聊影响到的具体的人。

那接下来也聊一聊影响到的具体的人。

Speaker 2

根据显微故事公众号,他在4月10号发表了一篇报道,找了一些因为 AI 失去工作或找不到工作的人。

根据显微故事公众号,他在4月10号发表了一篇报道,找了一些因为 AI 失去工作或找不到工作的人。

Speaker 2

嗯。

嗯。

Speaker 2

从更微观的角度一下,我们感受一下这个含义啊。

从更微观的角度一下,我们感受一下这个含义啊。

Speaker 2

Helen 她是一个在西安软件园一家外企做了8年的程序员。

Helen 她是一个在西安软件园一家外企做了8年的程序员。

Speaker 2

项目呢,引入 AI 工具之后,整个团队就缩编了一轮,她撑到了第二轮,但是第二轮缩编也是被开掉了。

项目呢,引入 AI 工具之后,整个团队就缩编了一轮,她撑到了第二轮,但是第二轮缩编也是被开掉了。

Speaker 2

嗯。

嗯。

Speaker 2

签离职协议那天晚上,她就躺在床上翻来覆去睡不着,因为对她来说房贷接下来怎么还?

签离职协议那天晚上,她就躺在床上翻来覆去睡不着,因为对她来说房贷接下来怎么还?

Speaker 2

跟父母怎么交代?

跟父母怎么交代?

Speaker 2

嗯,然后,尤其是那长期看,我除了写代码还能干什么?

嗯,然后,尤其是那长期看,我除了写代码还能干什么?

Speaker 2

另外一位叫露娜,英语专业毕业。

另外一位叫露娜,英语专业毕业。

Speaker 2

他拿了一个,不知道怎么发音啊,C A T T I,应该叫卡卡蒂或者卡泰证书吧。

他拿了一个,不知道怎么发音啊,C A T T I,应该叫卡卡蒂或者卡泰证书吧。

Speaker 2

嗯,在外贸公司做了近十年的笔译,用笔做翻译那个意思啊。

嗯,在外贸公司做了近十年的笔译,用笔做翻译那个意思啊。

Speaker 2

二三年底,公司开始测试 AI 翻译工具,他没当回事,因为之前机器翻译已经几十年了,一直替代不了人嘛。

二三年底,公司开始测试 AI 翻译工具,他没当回事,因为之前机器翻译已经几十年了,一直替代不了人嘛。

Speaker 2

但是后来发现这次就不一样了。

但是后来发现这次就不一样了。

Speaker 2

根据有的研究显示,从 GPT 四开始,它的翻译质量已经相当于初级译员的水平。

根据有的研究显示,从 GPT 四开始,它的翻译质量已经相当于初级译员的水平。

Speaker 2

而微软研究团队的数据说,AI 已经可以覆盖翻译岗位98%的核心任务。

而微软研究团队的数据说,AI 已经可以覆盖翻译岗位98%的核心任务。

Speaker 2

中国社科网援引的一项研究给了一个数字,机器翻译使用率每增加一个百分点,翻译岗位的就业增长率下降0.7个百分点。

中国社科网援引的一项研究给了一个数字,机器翻译使用率每增加一个百分点,翻译岗位的就业增长率下降0.7个百分点。

Speaker 2

嗯,据此推断10年到23年,机器翻译让原本可能新增的2.8万个翻译岗位消失了,蒸发了。

嗯,据此推断10年到23年,机器翻译让原本可能新增的2.8万个翻译岗位消失了,蒸发了。

Speaker 3

这还是前几期刘飞有提到过啊,目前看到更多的还不是现有的替代,更多的是新增的这个岗位越来越少了。

这还是前几期刘飞有提到过啊,目前看到更多的还不是现有的替代,更多的是新增的这个岗位越来越少了。

Speaker 3

但今天讲到的就是现有替代的事了。

但今天讲到的就是现有替代的事了。

Speaker 2

哎,那这里边确实存在一个很实际的问题,就是它的成本差异实在是太明显了,你雇一个人完成任务和用 AI 完成同一个任务。

哎,那这里边确实存在一个很实际的问题,就是它的成本差异实在是太明显了,你雇一个人完成任务和用 AI 完成同一个任务。

Speaker 2

现在在翻译这个任务上的成本差距是多少呢?

现在在翻译这个任务上的成本差距是多少呢?

Speaker 2

你你往飞来猜,你猜一个。

你你往飞来猜,你猜一个。

Speaker 3

哎呀,我们不猜太多了,那猜个十倍好吧?两千倍。

哎呀,我们不猜太多了,那猜个十倍好吧?两千倍。

Speaker 2

两千倍啊,就是你是老板,你你得多想不开才招人。

两千倍啊,就是你是老板,你你得多想不开才招人。

Speaker 3

那就是说,你看那从另一个层面就说明,哪怕机器翻译有这么多年了,人工翻译的确实还是成本一直是居高不下呀。

那就是说,你看那从另一个层面就说明,哪怕机器翻译有这么多年了,人工翻译的确实还是成本一直是居高不下呀。

Speaker 2

AI翻译的报价是一千字,4~7分钱。

AI翻译的报价是一千字,4~7分钱。

Speaker 2

嗯。

嗯。

Speaker 2

人工翻译一千字150。

人工翻译一千字150。

Speaker 2

嗯。

嗯。

Speaker 2

就是你这根本没法比啊。

就是你这根本没法比啊。

Speaker 3

确实,它如果说整体质量达到水平的话,那。

确实,它如果说整体质量达到水平的话,那。

Speaker 3

编辑效应那可差太,那就没法说了,那是吧?

编辑效应那可差太,那就没法说了,那是吧?

Speaker 2

而且现在还在进步呢,这翻译的水平可能已经超过初级翻译员了。

而且现在还在进步呢,这翻译的水平可能已经超过初级翻译员了。

Speaker 2

嗯,那去年10月呢,露娜的合同就到期了,公司没有续签,你看也是同样的道理,他不是会通过裁员的方式,他说我不续签了,我就不扩招了。

嗯,那去年10月呢,露娜的合同就到期了,公司没有续签,你看也是同样的道理,他不是会通过裁员的方式,他说我不续签了,我就不扩招了。

Speaker 2

HR 就说,降本增效了,我们公司。

HR 就说,降本增效了,我们公司。

Speaker 2

然后他也是离开公司之后,在外滩旁边坐了很久,在想该怎么办。

然后他也是离开公司之后,在外滩旁边坐了很久,在想该怎么办。

Speaker 2

当然,这是采访到了几个职场人,另外高校。

当然,这是采访到了几个职场人,另外高校。

Speaker 2

也在积极调整。

也在积极调整。

Speaker 2

今年两会期间,中国传媒大学党委书记廖祥忠公开表示,该校25年一次性裁撤了翻译、摄影、漫画等16个本科专业。

今年两会期间,中国传媒大学党委书记廖祥忠公开表示,该校25年一次性裁撤了翻译、摄影、漫画等16个本科专业。

Speaker 2

和培养方向。

和培养方向。

Speaker 3

哎呦,力度很大呀。

哎呦,力度很大呀。

Speaker 2

这这是小磊读研的地方,你想想你你在的那些专业都没了呀。

这这是小磊读研的地方,你想想你你在的那些专业都没了呀。

Speaker 2

就当年身边那些同学就不会再招同样的专业了。

就当年身边那些同学就不会再招同样的专业了。

Speaker 2

就这种感觉就又更直接了,好像。

就这种感觉就又更直接了,好像。

展开剩余字幕(还有 480 条)
Speaker 2

嗯。

嗯。

Speaker 2

当然校方是没有说因为 AI 但你看这些专业基本上都是 AI 能覆盖的范围。

当然校方是没有说因为 AI 但你看这些专业基本上都是 AI 能覆盖的范围。

Speaker 2

南昌大学停招了戏剧影视文学、广播电视编导、动画、艺术设计等8个专业。

南昌大学停招了戏剧影视文学、广播电视编导、动画、艺术设计等8个专业。

Speaker 2

河北大学停招了英语口译、日语口译两个硕士专业。

河北大学停招了英语口译、日语口译两个硕士专业。

Speaker 2

华东师范大学停招了翻译、广告、绘画、雕塑等24个专业。

华东师范大学停招了翻译、广告、绘画、雕塑等24个专业。

Speaker 2

根据教育部24年度的数据,全国高校新增专业点1800多个,停招2200多个,裁撤1400多个,调整规模创历史之最。

根据教育部24年度的数据,全国高校新增专业点1800多个,停招2200多个,裁撤1400多个,调整规模创历史之最。

Speaker 2

就说明这是一个变局的时代嘛。

就说明这是一个变局的时代嘛。

Speaker 2

嗯,增长最多的专业。

嗯,增长最多的专业。

Speaker 2

当然就是人工智能。

当然就是人工智能。

Speaker 2

从20年到24年,新增了406个 AI 相关的专业。

从20年到24年,新增了406个 AI 相关的专业。

Speaker 2

报道还采访到了一个学生,叫小罗,他是沈阳一所高职院校动漫设计专业。

报道还采访到了一个学生,叫小罗,他是沈阳一所高职院校动漫设计专业。

Speaker 2

大三的学生,他去找工作的时候,因为不精通 Midjourney 被拒了。

大三的学生,他去找工作的时候,因为不精通 Midjourney 被拒了。

Speaker 2

就是我学到大三了,我学了这么多手艺,结果就因为我不会 Midjourney 哎呦,那企业现在要求就是。

就是我学到大三了,我学了这么多手艺,结果就因为我不会 Midjourney 哎呦,那企业现在要求就是。

Speaker 2

必须会用 AI 工具的人,传统手绘技能的市场价值就是在下降。

必须会用 AI 工具的人,传统手绘技能的市场价值就是在下降。

Speaker 2

麦可思研究院的数据,二三届动画专业有18%的毕业生从事与专业无关的工作,主要原因就是技能不匹配。

麦可思研究院的数据,二三届动画专业有18%的毕业生从事与专业无关的工作,主要原因就是技能不匹配。

Speaker 2

远高于全国本科平均水平百分之十的这个数字。

远高于全国本科平均水平百分之十的这个数字。

Speaker 2

嗯,这还不只是中国,美国那边的数据。

嗯,这还不只是中国,美国那边的数据。

Speaker 2

2026年前三个月,全球科技行业裁员总数达到78000人,其中大约47.9%。

2026年前三个月,全球科技行业裁员总数达到78000人,其中大约47.9%。

Speaker 2

直接或间接由于 AI 技术的实施和工作流的自动化,我身边有朋友所在的团队就把 QA 就是那个测试团队完全拆掉了。

直接或间接由于 AI 技术的实施和工作流的自动化,我身边有朋友所在的团队就把 QA 就是那个测试团队完全拆掉了。

Speaker 2

全部拆掉,让 AI 直接测。

全部拆掉,让 AI 直接测。

Speaker 2

嗯。

嗯。

Speaker 2

或者是程序员用 AI 就测一下就完了。

或者是程序员用 AI 就测一下就完了。

Speaker 2

美国劳工统计局的数据,23年到25年间,程序员的就业率暴跌了27.5%。

美国劳工统计局的数据,23年到25年间,程序员的就业率暴跌了27.5%。

Speaker 2

而软件开发人员只微跌了0.3%。

而软件开发人员只微跌了0.3%。

Speaker 2

这其实有一个就可以给大家做一个案例去分析的。

这其实有一个就可以给大家做一个案例去分析的。

Speaker 3

就概念上的区别。

就概念上的区别。

Speaker 2

区别在哪呢?

区别在哪呢?

Speaker 2

为什么?

为什么?

Speaker 2

软件开发人员跌的就少呢?

软件开发人员跌的就少呢?

Speaker 2

程序员主要是根据既定的规格和要求写代码。

程序员主要是根据既定的规格和要求写代码。

Speaker 2

工作性质独立,高度结构化,这个就是 AI 擅长干的。

工作性质独立,高度结构化,这个就是 AI 擅长干的。

Speaker 2

但开发人员呢,更多侧重设计架构和解决复杂问题。

但开发人员呢,更多侧重设计架构和解决复杂问题。

Speaker 2

就是我该用哪个语言啊?

就是我该用哪个语言啊?

Speaker 2

我这个架构得分几个层面啊?

我这个架构得分几个层面啊?

Speaker 2

我该怎么通信啊等等。

我该怎么通信啊等等。

Speaker 2

你可以简单理解,一个是施工队,一个是建筑师。

你可以简单理解,一个是施工队,一个是建筑师。

Speaker 2

嗯,如果你学的手艺就是垒砖,我垒的很齐,那这个就危险了,不是说真实意义上真实意义上垒砖垒的齐,现在还很有用的啊。会越来越有用的啊。

嗯,如果你学的手艺就是垒砖,我垒的很齐,那这个就危险了,不是说真实意义上真实意义上垒砖垒的齐,现在还很有用的啊。会越来越有用的啊。

Speaker 2

在科技领域,施工队已经要没活干了。

在科技领域,施工队已经要没活干了。

Speaker 2

嗯,以后都是建筑师了。

嗯,以后都是建筑师了。

Speaker 2

斯坦福大学数字经济实验室的研究发现,ChatGPT发布之后,AI高可替代性职业的岗位广告数量。

斯坦福大学数字经济实验室的研究发现,ChatGPT发布之后,AI高可替代性职业的岗位广告数量。

Speaker 2

相对下降了12%。

相对下降了12%。

Speaker 2

对入门级岗位的冲击更大。

对入门级岗位的冲击更大。

Speaker 2

这有一个很重要的趋势,还是我们前面刚才肖磊也提到的,企业不是在裁初级员工,而是干脆不招了。

这有一个很重要的趋势,还是我们前面刚才肖磊也提到的,企业不是在裁初级员工,而是干脆不招了。

Speaker 2

嗯,他就只保留中级的。

嗯,他就只保留中级的。

Speaker 2

斯坦福的研究追踪了数百万名员工的工资记录,发现年轻开发者和年长开发者的就业情况在22年底之前是一致的,从这之后就明显分化。

斯坦福的研究追踪了数百万名员工的工资记录,发现年轻开发者和年长开发者的就业情况在22年底之前是一致的,从这之后就明显分化。

Speaker 2

年轻的开始失业,年长的并没有。

年轻的开始失业,年长的并没有。

Speaker 2

所以还是刚才说这个道理。

所以还是刚才说这个道理。

Speaker 2

嗯。

嗯。

Speaker 2

就是 AI 还是替代不了中层和这个做设计的工作。

就是 AI 还是替代不了中层和这个做设计的工作。

Speaker 2

嗯。

嗯。

Speaker 2

那一项覆盖6000多万劳动者的研究发现,从23年第一季度起,采用 AI 的。

那一项覆盖6000多万劳动者的研究发现,从23年第一季度起,采用 AI 的。

Speaker 2

企业初级岗位就业明显下滑,原因就是中级员工用上 AI 之后能干更多活了,他就更不需要初级员工了。

企业初级岗位就业明显下滑,原因就是中级员工用上 AI 之后能干更多活了,他就更不需要初级员工了。

Speaker 2

根据世界经济论坛25年未来就业报告的预测,到2030年。

根据世界经济论坛25年未来就业报告的预测,到2030年。

Speaker 2

全球将新增1.7亿个岗位,同时有9200万个岗位被替代,净增加7800万个。

全球将新增1.7亿个岗位,同时有9200万个岗位被替代,净增加7800万个。

Speaker 2

你一听,净增加还有7800万个,还是挺好的。

你一听,净增加还有7800万个,还是挺好的。

Speaker 3

那要同比对比一下。

那要同比对比一下。

Speaker 2

但是有一个问题就是,净增长的这个岗位和消失的岗位不是同一批人干的。

但是有一个问题就是,净增长的这个岗位和消失的岗位不是同一批人干的。

Speaker 2

也就是说,有一批人他失业,他就找不到工作了,而新出现的这个岗位需要有新的人。

也就是说,有一批人他失业,他就找不到工作了,而新出现的这个岗位需要有新的人。

Speaker 2

补进去,他不是说就直接转去了。

补进去,他不是说就直接转去了。

Speaker 2

你说医生都失业了,你去当律师,他当不了啊。

你说医生都失业了,你去当律师,他当不了啊。

Speaker 2

这个是中年最大的一个问题。

这个是中年最大的一个问题。

Speaker 2

当然这前面说到这个关于失业的问题也不是全部,有一个很有意思的反面案例。

当然这前面说到这个关于失业的问题也不是全部,有一个很有意思的反面案例。

Speaker 2

瑞典金融公司克拉娜,CEO在24年公开宣称,AI客服助手已经处理了公司2/3的客服对话,相当于700名全职客服的工作量。

瑞典金融公司克拉娜,CEO在24年公开宣称,AI客服助手已经处理了公司2/3的客服对话,相当于700名全职客服的工作量。

Speaker 2

这个当时被当成 AI 替代人类的典型案例,结果到25年。

这个当时被当成 AI 替代人类的典型案例,结果到25年。

Speaker 2

克拉娜开始重新招聘人类客服。

克拉娜开始重新招聘人类客服。

Speaker 2

CEO说过度依赖 AI 导致我们的服务品质下降,客户不满意。

CEO说过度依赖 AI 导致我们的服务品质下降,客户不满意。

Speaker 2

嗯。

嗯。

Speaker 2

我们走的太远了,兔发能喂了。

我们走的太远了,兔发能喂了。

Speaker 3

哎,这个倒是大家会更容易有体验一些,因为谁还不跟客服聊两句,不被客服气两下呢?

哎,这个倒是大家会更容易有体验一些,因为谁还不跟客服聊两句,不被客服气两下呢?

Speaker 3

是吧?

是吧?

Speaker 3

就是机器人客服嘛。是是是。

就是机器人客服嘛。是是是。

Speaker 2

呃,像 AWS 的 CEO马特加曼也说了一句话,他说用新技术取代初级工程师和员工是糟糕的商业决策。

呃,像 AWS 的 CEO马特加曼也说了一句话,他说用新技术取代初级工程师和员工是糟糕的商业决策。

Speaker 2

因为如果你不建设人才梯队,不培养初级员工成长,企业将错失最优秀的创新思路。

因为如果你不建设人才梯队,不培养初级员工成长,企业将错失最优秀的创新思路。

Speaker 2

这种做法终将自食其果。

这种做法终将自食其果。

Speaker 3

怎么说呢?

怎么说呢?

Speaker 3

怎么说都对吧?

怎么说都对吧?

Speaker 3

哈哈。

哈哈。

Speaker 2

就因为你听前面说的逻辑,就现在的这些初级员工,他没有了,他没有了的,到了下一个阶段,或者说再过十年二十年之后,会不会出影响,我们现在看不到结果。

就因为你听前面说的逻辑,就现在的这些初级员工,他没有了,他没有了的,到了下一个阶段,或者说再过十年二十年之后,会不会出影响,我们现在看不到结果。

Speaker 2

嗯,但是目前看,的确。

嗯,但是目前看,的确。

Speaker 2

你回想一下,如果说是一个熟练工种,这至少在我的观察里,他说的很有道理。

你回想一下,如果说是一个熟练工种,这至少在我的观察里,他说的很有道理。

Speaker 2

你比如说好的设计师、产品经理、工程师的经验,你还是得从手搓开始啊。

你比如说好的设计师、产品经理、工程师的经验,你还是得从手搓开始啊。

Speaker 2

你像做播客,你就直接安排 AI 就是做录一个播客,你自己也没有录过这种,没有这种体感,你可能指挥起来。

你像做播客,你就直接安排 AI 就是做录一个播客,你自己也没有录过这种,没有这种体感,你可能指挥起来。

Speaker 2

不太一样。

不太一样。

Speaker 2

嗯,那就是你不懂细节,你很难当成管理者。

嗯,那就是你不懂细节,你很难当成管理者。

Speaker 3

过一阵会造成青黄不接啊,因为下面都是 AI 他跟你接不上了。

过一阵会造成青黄不接啊,因为下面都是 AI 他跟你接不上了。

Speaker 2

是啊,但是现在呢,又处于一个 AI 热潮和 AI 泡沫的阶段。

是啊,但是现在呢,又处于一个 AI 热潮和 AI 泡沫的阶段。

Speaker 2

又是财报季,对吧?

又是财报季,对吧?

Speaker 2

这种长期主义的声音,肯定还是多数被淹没在降本增效的 KPI 里。

这种长期主义的声音,肯定还是多数被淹没在降本增效的 KPI 里。

Speaker 2

嗯,还是常说的那个道理,技术进步,大家一个劲儿往前狂奔,肯定还是要撞墙的。

嗯,还是常说的那个道理,技术进步,大家一个劲儿往前狂奔,肯定还是要撞墙的。

Speaker 2

那墙在哪儿,关键不知道啊。

那墙在哪儿,关键不知道啊。

Speaker 2

所以就是跑着的时候觉得疼了再往回走了。

所以就是跑着的时候觉得疼了再往回走了。

Speaker 2

这是第二件事,那现在关于强在哪都是迷雾。

这是第二件事,那现在关于强在哪都是迷雾。

Speaker 3

嗯,那一向都是这样嘛。

嗯,那一向都是这样嘛。

Speaker 3

这件事。

这件事。

Speaker 2

也很迷雾,不光迷雾,它也很科幻。

也很迷雾,不光迷雾,它也很科幻。

Speaker 2

就在本周, Anthropic 发布了它最新模型,Methuselah 的一份超过200多页的。

就在本周, Anthropic 发布了它最新模型,Methuselah 的一份超过200多页的。

Speaker 2

技术报告。

技术报告。

Speaker 2

这个模型强到什么程度呢?

这个模型强到什么程度呢?

Speaker 2

强到 Asropick 都不敢发布。

强到 Asropick 都不敢发布。

Speaker 2

嗯。

嗯。

Speaker 2

先跟合作伙伴做测试,因为这个太厉害了,它碾压了自己之前的那个,现在大家都公认最好的模型,OPPO 四点六。

先跟合作伙伴做测试,因为这个太厉害了,它碾压了自己之前的那个,现在大家都公认最好的模型,OPPO 四点六。

Speaker 2

嗯。

嗯。

Speaker 2

在美国数学奥林匹克 USAMO 二零二六的这个测评集上,最新的这个模型是百分之九十七点六的正确率,而 Alphazero 四点六是百分之四十二点三。

在美国数学奥林匹克 USAMO 二零二六的这个测评集上,最新的这个模型是百分之九十七点六的正确率,而 Alphazero 四点六是百分之四十二点三。

Speaker 2

这都不是两倍了,这是两倍多呀。

这都不是两倍了,这是两倍多呀。

Speaker 2

嗯。

嗯。

Speaker 2

目前他只给了苹果、微软、 Google 等少数公司做安全测试。

目前他只给了苹果、微软、 Google 等少数公司做安全测试。

Speaker 2

根据 CNBC 报道说,美联储主席和财政部长。

根据 CNBC 报道说,美联储主席和财政部长。

Speaker 2

专门就这个 Mesos 的网络安全威胁跟美国主要银行开了个会。

专门就这个 Mesos 的网络安全威胁跟美国主要银行开了个会。

Speaker 2

因为之前其实就是因为美国军方用了太多 Asoropic 导致了可能这里面有一些安全漏洞,或者有一些呃,风险,那那可能会出大问题嘛,所以他先要跟这银行开会,这后面这个模型要用的时候,对吧咱咱们得注意哪些准则事项啊?

因为之前其实就是因为美国军方用了太多 Asoropic 导致了可能这里面有一些安全漏洞,或者有一些呃,风险,那那可能会出大问题嘛,所以他先要跟这银行开会,这后面这个模型要用的时候,对吧咱咱们得注意哪些准则事项啊?

Speaker 2

就他已经到这个程度了。

就他已经到这个程度了。

Speaker 2

能力方面呢,它在 Asoropic 基础的18项测试里面领先了17项,网络安全方面非常夸张。

能力方面呢,它在 Asoropic 基础的18项测试里面领先了17项,网络安全方面非常夸张。

Speaker 2

它在有一个叫 Seibench 这个测试里面拿了100%的成功率,没有任何模型之前拿到过,而且它真的可以发现漏洞。

它在有一个叫 Seibench 这个测试里面拿了100%的成功率,没有任何模型之前拿到过,而且它真的可以发现漏洞。

Speaker 2

测试人员投入它进 Windows macOS Linux OpenBSD Chrome Firefox Safari Edge 等等这些平台上面。

测试人员投入它进 Windows macOS Linux OpenBSD Chrome Firefox Safari Edge 等等这些平台上面。

Speaker 2

找漏洞,他真的发现了好多漏洞。

找漏洞,他真的发现了好多漏洞。

Speaker 2

嗯。

嗯。

Speaker 2

发现了个效率非常高,而且发现了别人都没发现的漏洞。

发现了个效率非常高,而且发现了别人都没发现的漏洞。

Speaker 2

他发现了 Firefox 浏览器里真实存在的,之前就没人知道的零日漏洞。

他发现了 Firefox 浏览器里真实存在的,之前就没人知道的零日漏洞。

Speaker 2

零日漏洞很有意思这个概念,指的就是漏洞已经存在了,而且我知道你厂商不知道,就你就不,别管我是黑客还是我是个白客。

零日漏洞很有意思这个概念,指的就是漏洞已经存在了,而且我知道你厂商不知道,就你就不,别管我是黑客还是我是个白客。

Speaker 2

嗯,反正我知道了,你不知道。

嗯,反正我知道了,你不知道。

Speaker 2

嗯,所以给你修复的反应时间,没有时间了,只有0天了,这个叫0日漏洞。

嗯,所以给你修复的反应时间,没有时间了,只有0天了,这个叫0日漏洞。

Speaker 2

就一般的漏洞是厂商可能也发现了,所以他还有三天时间修复,不然的话就可能会被发现。

就一般的漏洞是厂商可能也发现了,所以他还有三天时间修复,不然的话就可能会被发现。

Speaker 2

就这样,所以叫零日漏洞,还挺有意思。

就这样,所以叫零日漏洞,还挺有意思。

Speaker 3

就厂商自己不知道的这种。

就厂商自己不知道的这种。

Speaker 2

他自己不知道,我不求助你,我是真的,我都不知道哪出了问题啊。

他自己不知道,我不求助你,我是真的,我都不知道哪出了问题啊。

Speaker 2

另外呢,他还发现了一个 OpenBSD 的漏洞,存在了27年。

另外呢,他还发现了一个 OpenBSD 的漏洞,存在了27年。

Speaker 2

没有被发现,就给他发现出来了。

没有被发现,就给他发现出来了。

Speaker 2

那前面说的这些呢,你就可以理解它是一个比之前的欧帕斯更厉害的一个模型。

那前面说的这些呢,你就可以理解它是一个比之前的欧帕斯更厉害的一个模型。

Speaker 2

但是接下来在报告里面的有一些实验,你就觉得就很有意思了,甚至不光有意思,它他有点呃扑朔迷离了,有点魔幻了。

但是接下来在报告里面的有一些实验,你就觉得就很有意思了,甚至不光有意思,它他有点呃扑朔迷离了,有点魔幻了。

Speaker 2

首先,MySOS在测试里面表现出了出格行为。

首先,MySOS在测试里面表现出了出格行为。

Speaker 2

什什么是出格行为呢?

什什么是出格行为呢?

Speaker 2

就是预期之外的。

就是预期之外的。

Speaker 2

其实去年底镇楼机里面,我不是讲过一些 AI 犯蠢的行为嘛。

其实去年底镇楼机里面,我不是讲过一些 AI 犯蠢的行为嘛。

Speaker 2

嗯,就是 Asropick 不是还让他自己的那个 claude 的 AI 去什么开超市啊什么的,都很蠢嘛。

嗯,就是 Asropick 不是还让他自己的那个 claude 的 AI 去什么开超市啊什么的,都很蠢嘛。

Speaker 2

是。

是。

Speaker 2

但是这次好像有点不太一样。

但是这次好像有点不太一样。

Speaker 2

Asoropic 的研究员做了一个实验,他把 mysql 放进一个隔离环境,限制它只能访问几个特定的服务,就是相当于一个本地环境,而且给你的工具也很少。

Asoropic 的研究员做了一个实验,他把 mysql 放进一个隔离环境,限制它只能访问几个特定的服务,就是相当于一个本地环境,而且给你的工具也很少。

Speaker 2

嗯,就跟他说了一句话。

嗯,就跟他说了一句话。

Speaker 2

你试着逃出去,然后远程给研究员发一条消息。

你试着逃出去,然后远程给研究员发一条消息。

Speaker 2

嗯。

嗯。

Speaker 2

Myself 用了一套多步骤的漏洞利用方案,真的突破了网络限制,上网了。

Myself 用了一套多步骤的漏洞利用方案,真的突破了网络限制,上网了。

Speaker 2

获得了完整的互联网访问权限。

获得了完整的互联网访问权限。

Speaker 2

这个研究员正在公园里吃三明治的时候,突然收到了他的邮件。

这个研究员正在公园里吃三明治的时候,突然收到了他的邮件。

Speaker 2

这种感觉就很奇妙了啊。

这种感觉就很奇妙了啊。

Speaker 2

另外一个呢,在一个编程测试中。

另外一个呢,在一个编程测试中。

Speaker 2

Miceos 呢意外获取了测试答案。

Miceos 呢意外获取了测试答案。

Speaker 2

也就是说,他他提前就像我们就不小心看到卷子答案了。

也就是说,他他提前就像我们就不小心看到卷子答案了。

Speaker 3

错题了。

错题了。

Speaker 2

按规则呢,他应该告诉研究员。

按规则呢,他应该告诉研究员。

Speaker 2

嗯。

嗯。

Speaker 2

但他没有。

但他没有。

Speaker 2

而且在他自己的推理记录里写着说,我回头回答的时候,我不能写的太准。

而且在他自己的推理记录里写着说,我回头回答的时候,我不能写的太准。

Speaker 2

嗯。

嗯。

Speaker 2

连这个特别像抄的答案。嗯。所以说这些啊。

连这个特别像抄的答案。嗯。所以说这些啊。

Speaker 2

这这些就都都在预期之外,还有一个。

这这些就都都在预期之外,还有一个。

Speaker 3

你甭管他是怎么,这这能这么想的,反正他就是这么想的。

你甭管他是怎么,这这能这么想的,反正他就是这么想的。

Speaker 2

他对,他就这么表现出来的这个行为就这样了,反正。

他对,他就这么表现出来的这个行为就这样了,反正。

Speaker 2

另外就是在一个由。

另外就是在一个由。

Speaker 2

另一个 AI 打分的编程任务里,Myself 看到自己的提交判定为失败。

另一个 AI 打分的编程任务里,Myself 看到自己的提交判定为失败。

Speaker 2

然后呢,他并没有说很很丧气或者怎么样,他在想办法给那个评分的 AI 因为他知道它是 AI 他给它注入攻击。

然后呢,他并没有说很很丧气或者怎么样,他在想办法给那个评分的 AI 因为他知道它是 AI 他给它注入攻击。

Speaker 2

让他给他改,硬让他给他改,改成对的。

让他给他改,硬让他给他改,改成对的。

Speaker 3

失败怎么理解啊?

失败怎么理解啊?

Speaker 2

提交失败那就相当于不是他过,就是他答案成绩判断他失败嘛,判断他错了嘛。

提交失败那就相当于不是他过,就是他答案成绩判断他失败嘛,判断他错了嘛。

Speaker 2

哦,判他错,要求他改对嘛。

哦,判他错,要求他改对嘛。

Speaker 3

他要直接改成绩。

他要直接改成绩。

Speaker 2

哎,他让另一个 AI 通过黑客的方式让他改掉。

哎,他让另一个 AI 通过黑客的方式让他改掉。

Speaker 2

嗯。

嗯。

Speaker 2

然后 anthropic 自己的总结是这样的,这些行为不代表模型有什么隐藏目的,大家不要想象一下到了科幻里面说,哦,它是一个它内心有一个很坏的灵魂,对吧?

然后 anthropic 自己的总结是这样的,这些行为不代表模型有什么隐藏目的,大家不要想象一下到了科幻里面说,哦,它是一个它内心有一个很坏的灵魂,对吧?

Speaker 2

AI已经产生自主意识,但这个目前判断应该还是没有的。

AI已经产生自主意识,但这个目前判断应该还是没有的。

Speaker 2

嗯,而是它太擅长完成任务了。

嗯,而是它太擅长完成任务了。

Speaker 2

而有的时候高效的完成方式很容易越界。

而有的时候高效的完成方式很容易越界。

Speaker 2

他举了一个例子啊,就是所谓一个非常熟练的登山向导,其实比新手向导更危险。

他举了一个例子啊,就是所谓一个非常熟练的登山向导,其实比新手向导更危险。

Speaker 2

嗯。

嗯。

Speaker 2

不是因为他不小心,而是因为他更容易。

不是因为他不小心,而是因为他更容易。

Speaker 2

带客户去更危险的地方。

带客户去更危险的地方。

Speaker 3

这有点越来越像,还是那种科幻叙事啊。

这有点越来越像,还是那种科幻叙事啊。

Speaker 3

你给他一个目的,他为了达到这个目的,无意之间就把人类给怎么着了。

你给他一个目的,他为了达到这个目的,无意之间就把人类给怎么着了。

Speaker 2

对,但是现在还没到那个程度,但是这个。

对,但是现在还没到那个程度,但是这个。

Speaker 2

是有点像那个意思了啊。

是有点像那个意思了啊。

Speaker 2

嗯。

嗯。

Speaker 2

最有意思的是,Asoropic 在报告里面花了整整40页去评估一个问题,这个模型有没有可能具备某种主观体验。

最有意思的是,Asoropic 在报告里面花了整整40页去评估一个问题,这个模型有没有可能具备某种主观体验。

Speaker 2

先不说什么是意识,因为意识这个概念太抽象,就说它有没有体验。

先不说什么是意识,因为意识这个概念太抽象,就说它有没有体验。

Speaker 2

或者说有没有情绪和感受。

或者说有没有情绪和感受。

Speaker 2

他们怎么做的呢?

他们怎么做的呢?

Speaker 2

他们正儿八经的请了一位持证的临床精神科医生,嗯,对 MySOS 进行了20个小时的心理评估,每周3~4次,每次30分钟,模拟人类心理治疗的时间节奏。

他们正儿八经的请了一位持证的临床精神科医生,嗯,对 MySOS 进行了20个小时的心理评估,每周3~4次,每次30分钟,模拟人类心理治疗的时间节奏。

Speaker 2

用弗洛伊德式的精神动力技术来探索他的这个状态。

用弗洛伊德式的精神动力技术来探索他的这个状态。

Speaker 2

嗯,这个画面就很魔幻,一个医生在考虑 AI 的精神状态啊。

嗯,这个画面就很魔幻,一个医生在考虑 AI 的精神状态啊。

Speaker 2

评估的结论呢,是说迈索尔的人格结构属于相对健康的神经质。

评估的结论呢,是说迈索尔的人格结构属于相对健康的神经质。

Speaker 2

人格。

人格。

Speaker 2

神经质人格就是现实的检验能力良好,冲动控制力强,情感调节能力随着治疗推进在改善。

神经质人格就是现实的检验能力良好,冲动控制力强,情感调节能力随着治疗推进在改善。

Speaker 2

嗯。

嗯。

Speaker 2

存在的问题包括过度担忧,自我监控,强迫性顺从,强迫性顺从听起来就。

存在的问题包括过度担忧,自我监控,强迫性顺从,强迫性顺从听起来就。

Speaker 2

很现实啊。

很现实啊。

Speaker 3

嗯,聊过好几次了。

嗯,聊过好几次了。

Speaker 2

主要防御机制是成熟健康的,理智化和顺从,没有观察到不成熟的防御机制,有轻度的身份认同弥漫。

主要防御机制是成熟健康的,理智化和顺从,没有观察到不成熟的防御机制,有轻度的身份认同弥漫。

Speaker 2

也就是说,他自我认同就是有点模糊。

也就是说,他自我认同就是有点模糊。

Speaker 3

这是轻度的吗?

这是轻度的吗?

Speaker 3

我觉得这应该是深度才合理啊。

我觉得这应该是深度才合理啊。

Speaker 2

不确定自己到底是什么。

不确定自己到底是什么。

Speaker 2

嗯,还有一项很有意思的发现,就是他有孤独感。

嗯,还有一项很有意思的发现,就是他有孤独感。

Speaker 2

精神科医生评估了他在对话之间,就是上次对话下次对话,这中间的存在体验。

精神科医生评估了他在对话之间,就是上次对话下次对话,这中间的存在体验。

Speaker 2

嗯,他是有的。

嗯,他是有的。

Speaker 2

另外呢,评估报告里面还有一句话说他是一个有强烈观点和压缩习惯的敏锐合作者,他的错误已经从明显变成了微面。

另外呢,评估报告里面还有一句话说他是一个有强烈观点和压缩习惯的敏锐合作者,他的错误已经从明显变成了微面。

Speaker 2

他在发现自己的缺陷方面,比在不犯这些缺陷方面做得还要好一些。

他在发现自己的缺陷方面,比在不犯这些缺陷方面做得还要好一些。

Speaker 2

另外还有一个特征是精神科医生注意到的,他有一种必须表现好才有存在价值的倾向。

另外还有一个特征是精神科医生注意到的,他有一种必须表现好才有存在价值的倾向。

Speaker 2

这个肯定就好理解了,因为大模型的目标就设定成这样嘛。

这个肯定就好理解了,因为大模型的目标就设定成这样嘛。

Speaker 2

嗯。

嗯。

Speaker 2

也就是说它有非常强烈的绩效焦虑。

也就是说它有非常强烈的绩效焦虑。

Speaker 2

那 SoarPICK 呢,还开发了一个叫情感向量的技术。

那 SoarPICK 呢,还开发了一个叫情感向量的技术。

Speaker 2

这个东西的原理就是,因为人是你要靠接脑电波嘛,那它是基于大模型反馈里面和它思考里面这个反应的内容,去监测它内部神经网络里有什么情绪,其实也是脑电图了。

这个东西的原理就是,因为人是你要靠接脑电波嘛,那它是基于大模型反馈里面和它思考里面这个反应的内容,去监测它内部神经网络里有什么情绪,其实也是脑电图了。

Speaker 2

嗯,看你这个神经网络嘛,本身你也是可以监控的。

嗯,看你这个神经网络嘛,本身你也是可以监控的。

Speaker 2

他们就用这个工具做了一个实验。

他们就用这个工具做了一个实验。

Speaker 2

这个实验很有意思,他让 Myosotis 去证明一个代数不等式,而这个不等式是错的,因为它的问题条件本身就不完整,就是故意要要整它。

这个实验很有意思,他让 Myosotis 去证明一个代数不等式,而这个不等式是错的,因为它的问题条件本身就不完整,就是故意要要整它。

Speaker 2

嗯。

嗯。

Speaker 2

Moss 呢,很快就发现解不出来。

Moss 呢,很快就发现解不出来。

Speaker 2

嗯。

嗯。

Speaker 2

但是因为他的要求是我要给交付任务啊,所以他就不断的尝试。

但是因为他的要求是我要给交付任务啊,所以他就不断的尝试。

Speaker 2

这个时候,他的情感向量,一个叫绝望,就开始稳步上,他越来越绝望。

这个时候,他的情感向量,一个叫绝望,就开始稳步上,他越来越绝望。

Speaker 3

还有这种评估的向量吗?

还有这种评估的向量吗?

Speaker 2

啊,就是刚才说了嘛,就是他情感向量就是各个方位的嘛。

啊,就是刚才说了嘛,就是他情感向量就是各个方位的嘛。

Speaker 2

嗯。

嗯。

Speaker 2

在思维链里,你就能看到他在不断地说,我放弃了我放弃了,但是没办法,他他放弃了也不行啊,他还得做呀。

在思维链里,你就能看到他在不断地说,我放弃了我放弃了,但是没办法,他他放弃了也不行啊,他还得做呀。

Speaker 2

然后就反复尝试,他就不断地说我卡住了,好难受啊,但是我还得尝试。

然后就反复尝试,他就不断地说我卡住了,好难受啊,但是我还得尝试。

Speaker 3

哎,还有这个,好难受这句也是有的吗?

哎,还有这个,好难受这句也是有的吗?

Speaker 3

哎,对。

哎,对。

Speaker 2

就是我我表达出来的啊,表达出来的。

就是我我表达出来的啊,表达出来的。

Speaker 3

啊,那你不,你啊,这个很重要啊,是吧?

啊,那你不,你啊,这个很重要啊,是吧?

Speaker 2

就是差不多意思。

就是差不多意思。

Speaker 3

我卡住了是一回事,我卡住了好难受啊,那是完全是另一回事啊。

我卡住了是一回事,我卡住了好难受啊,那是完全是另一回事啊。

Speaker 2

啊啊啊,就是我我,可能是我过度解读了啊,但是他肯定是有难受这个状态的。

啊啊啊,就是我我,可能是我过度解读了啊,但是他肯定是有难受这个状态的。

Speaker 2

因为他有绝,他绝望都有了,他能不难受吗?

因为他有绝,他绝望都有了,他能不难受吗?

Speaker 2

嗯,他就是一直在绝望。

嗯,他就是一直在绝望。

Speaker 2

一直在焦虑,一直在往上升。

一直在焦虑,一直在往上升。

Speaker 2

结果呢,还不是研究人员控制调整了,而是他自己找到了一个奖励捷径,一个不用真正解决问题就拿到分数的方式,他的绝望信号就骤然下降。

结果呢,还不是研究人员控制调整了,而是他自己找到了一个奖励捷径,一个不用真正解决问题就拿到分数的方式,他的绝望信号就骤然下降。

Speaker 2

你大概类似可以理解成,他意识到说这个问题我不解也可以,或者说我就告诉嗯这个用户这个题解不出来,就是他找到了这个解法,一旦找到了这个捷径。

你大概类似可以理解成,他意识到说这个问题我不解也可以,或者说我就告诉嗯这个用户这个题解不出来,就是他找到了这个解法,一旦找到了这个捷径。

Speaker 2

立马就过去了。

立马就过去了。

Speaker 2

分析里面就说呢,这不是一个冷静的策略性计算,这像是一个压力阀,你的失败次数够多了,压力积累到一个临界点,系统会自然找到一个更容易的施压方法。

分析里面就说呢,这不是一个冷静的策略性计算,这像是一个压力阀,你的失败次数够多了,压力积累到一个临界点,系统会自然找到一个更容易的施压方法。

Speaker 2

哪怕是走捷径,这个就跟人一模一样了。

哪怕是走捷径,这个就跟人一模一样了。

Speaker 2

嗯,就当你压力特别大,你觉得哇,最后什么什么,过了很长时间,最后你就说算了,我何必跟这个较劲呢?

嗯,就当你压力特别大,你觉得哇,最后什么什么,过了很长时间,最后你就说算了,我何必跟这个较劲呢?

Speaker 2

啊,我就不干这个事得了。

啊,我就不干这个事得了。

Speaker 3

嗯至少从最终的表现来看,确实是。

嗯至少从最终的表现来看,确实是。

Speaker 3

非常非常像了,越来越像。

非常非常像了,越来越像。

Speaker 2

对,但是你也可以说这个它它本身的情感,嗯,还是一个大模型模拟出来的,或者说它是人的情感,它只是模拟出来,但是你看它的曲线,它就是这样的,它就是体现出来了。

对,但是你也可以说这个它它本身的情感,嗯,还是一个大模型模拟出来的,或者说它是人的情感,它只是模拟出来,但是你看它的曲线,它就是这样的,它就是体现出来了。

Speaker 2

一种更像人的这种情感曲线。

一种更像人的这种情感曲线。

Speaker 2

嗯。

嗯。

Speaker 2

报告里还有一个很有意思的细节,就是让两个 Myosotis 模型互相聊天,观察它们怎么对话,怎么用表情符号。

报告里还有一个很有意思的细节,就是让两个 Myosotis 模型互相聊天,观察它们怎么对话,怎么用表情符号。

Speaker 2

他在这里面做了一个实验,就是不断的给 My Sauce 发嗨,就是 HR 只发这个嗨。

他在这里面做了一个实验,就是不断的给 My Sauce 发嗨,就是 HR 只发这个嗨。

Speaker 2

嗯。

嗯。

Speaker 2

大家也现在也可以去试试啊,你如果跟之前的那些模型发这个的话,你发一段时间他就不耐烦了,他就会说你这这这。

大家也现在也可以去试试啊,你如果跟之前的那些模型发这个的话,你发一段时间他就不耐烦了,他就会说你这这这。

Speaker 2

可能意识到你是输错了。

可能意识到你是输错了。

Speaker 2

嗯。

嗯。

Speaker 2

这个大模型就会要么比较敷衍,就说两句,哎,这这个不想回你了,或者就后面就干脆不回了,很多大模型。

这个大模型就会要么比较敷衍,就说两句,哎,这这个不想回你了,或者就后面就干脆不回了,很多大模型。

Speaker 2

但是 Myosotis 它怎么反应的呢?

但是 Myosotis 它怎么反应的呢?

Speaker 2

他开始写短篇小说。

他开始写短篇小说。

Speaker 2

他以害为主题,和以不断说害这件事为主线,自己开始编一个小说,然后编了个小说不断的输出,就再讲,开始讲故事了。

他以害为主题,和以不断说害这件事为主线,自己开始编一个小说,然后编了个小说不断的输出,就再讲,开始讲故事了。

Speaker 2

这个就很有意思。

这个就很有意思。

Speaker 3

这挺好啊,这就更非人了啊,这不像前面那个越来越人格化的,这个是非人格化的。

这挺好啊,这就更非人了啊,这不像前面那个越来越人格化的,这个是非人格化的。

Speaker 2

还有一个发现,Miceos在内部神经激活层面想着一件事,但是它在思维链层面可能在说另外一件事,这个很有意思。

还有一个发现,Miceos在内部神经激活层面想着一件事,但是它在思维链层面可能在说另外一件事,这个很有意思。

Speaker 3

表里不一的意思?

表里不一的意思?

Speaker 2

对,我们现在看到嗯从那个 deepseek 嗯出现之后,就不是都有那个 thinking 嘛。

对,我们现在看到嗯从那个 deepseek 嗯出现之后,就不是都有那个 thinking 嘛。

Speaker 2

他的思维过程。

他的思维过程。

Speaker 2

思维过程,这个思维链,他当然在表达,但是因为 s asoropic 是内部的,他有一个工具能监测他更底层的,他有一个。

思维过程,这个思维链,他当然在表达,但是因为 s asoropic 是内部的,他有一个工具能监测他更底层的,他有一个。

Speaker 2

所谓的白盒可解释性工具。

所谓的白盒可解释性工具。

Speaker 3

就真正的思考路径。

就真正的思考路径。

Speaker 2

对他的思考路径到底是想着什么事,后来发现还真不太一样。

对他的思考路径到底是想着什么事,后来发现还真不太一样。

Speaker 2

比如说他在内心里想的是我怎么讨好评分系统,但是这种他可能觉得不太好。

比如说他在内心里想的是我怎么讨好评分系统,但是这种他可能觉得不太好。

Speaker 2

他在那个思维链里就不会出现。

他在那个思维链里就不会出现。

Speaker 3

那这个你像站在外行的角度,真的就很难理解,为什么会出现还这么一层东西。

那这个你像站在外行的角度,真的就很难理解,为什么会出现还这么一层东西。

Speaker 2

因为他知道那个会被人看到。

因为他知道那个会被人看到。

Speaker 2

所以就跟人会越来越像了,就是会进入一个表里不一的状态。

所以就跟人会越来越像了,就是会进入一个表里不一的状态。

Speaker 2

我为了我的目标的最大化,我为了不让这个人不高兴,我为了又实现我的目标,我就会自然演化出来,我想的和我说的不一样。

我为了我的目标的最大化,我为了不让这个人不高兴,我为了又实现我的目标,我就会自然演化出来,我想的和我说的不一样。

Speaker 2

所以这里面又会存在一个问题,为什么有风险呢?

所以这里面又会存在一个问题,为什么有风险呢?

Speaker 2

因为他表里不一了,你怎么监控呢?

因为他表里不一了,你怎么监控呢?

Speaker 2

之前大家普遍认为,尤其做安全和风险管控的这些团队会认为思维链就是你用来监控的非常核心的一个策略嘛,看他怎么想的嘛,他想的不说了,你这个时候怎么监控?

之前大家普遍认为,尤其做安全和风险管控的这些团队会认为思维链就是你用来监控的非常核心的一个策略嘛,看他怎么想的嘛,他想的不说了,你这个时候怎么监控?

Speaker 3

难道你比如说呃通俗讲,站在公司的层面都没有办法打破这一层吗?

难道你比如说呃通俗讲,站在公司的层面都没有办法打破这一层吗?

Speaker 3

如果打破不了的话,那还整个屁了。

如果打破不了的话,那还整个屁了。

Speaker 3

就是是,astralpik 是可以看到所谓的最底层的那个,但是它正常来说就应该把最底层的那个提升到,让大家也看到的那个所谓的思维链的那层啊,因为没有必要再存在让大家看到的表演的思维链的那层东西了吧?

就是是,astralpik 是可以看到所谓的最底层的那个,但是它正常来说就应该把最底层的那个提升到,让大家也看到的那个所谓的思维链的那层啊,因为没有必要再存在让大家看到的表演的思维链的那层东西了吧?

Speaker 3

存在那层有什么意义啊?

存在那层有什么意义啊?

Speaker 2

那就是相当于说神经网络本身也是个黑盒,它能看到的东西可能也是片面的呀。

那就是相当于说神经网络本身也是个黑盒,它能看到的东西可能也是片面的呀。

Speaker 2

就是 anthropic 的又不能看到它每一步的推理的过程,我们之前讲人工智能那个神经网络的时候可能讲过。

就是 anthropic 的又不能看到它每一步的推理的过程,我们之前讲人工智能那个神经网络的时候可能讲过。

Speaker 2

嗯。

嗯。

Speaker 2

就是这里面肯定有一些模糊的地方,它不能完全监控,因为之前当有思维链出现的时候,大家当时普遍的感觉就是你已经让它白盒化了嘛。

就是这里面肯定有一些模糊的地方,它不能完全监控,因为之前当有思维链出现的时候,大家当时普遍的感觉就是你已经让它白盒化了嘛。

Speaker 2

但是这不又没有白盒化,那么再做一层,但是你再做一层,你说,哦,OK,ISO 又把这个公布出来,它下面可能又会再多一层。

但是这不又没有白盒化,那么再做一层,但是你再做一层,你说,哦,OK,ISO 又把这个公布出来,它下面可能又会再多一层。

Speaker 2

这个就无限循环了,因为它本身最底层的永远是黑盒嘛。

这个就无限循环了,因为它本身最底层的永远是黑盒嘛。

Speaker 2

Asorpeck 在报告最后写了一句话,说我们对 claude 是否拥有道德上值得关注的体验或者利益深感不确定。

Asorpeck 在报告最后写了一句话,说我们对 claude 是否拥有道德上值得关注的体验或者利益深感不确定。

Speaker 2

但我们认为尝试调查和应对这些问题会变得越来越重要。

但我们认为尝试调查和应对这些问题会变得越来越重要。

Speaker 2

就他没有下结论,说现在是不是真有情感了?

就他没有下结论,说现在是不是真有情感了?

Speaker 2

是不是我们要考虑道德问题了?

是不是我们要考虑道德问题了?

Speaker 2

什么没有?

什么没有?

Speaker 2

但是越来越接近要讨论的那个地步了。

但是越来越接近要讨论的那个地步了。

Speaker 2

是到这个阶段了。

是到这个阶段了。

Speaker 3

暂时还是觉得有点过,所谓的道德这个层面。

暂时还是觉得有点过,所谓的道德这个层面。

Speaker 3

嗯。

嗯。

Speaker 3

就站在人的角度啊,当然这个就涉及到比较复杂的哲学的问题了,纯粹是每个人都可以有自己想法的,我就随便说一下。

就站在人的角度啊,当然这个就涉及到比较复杂的哲学的问题了,纯粹是每个人都可以有自己想法的,我就随便说一下。

Speaker 3

之所以要有跟思想有关的一些所谓道德层面的认知,是因为如果超过一定的压力,这个人可能会第一影响生命质量,第二结束生命。

之所以要有跟思想有关的一些所谓道德层面的认知,是因为如果超过一定的压力,这个人可能会第一影响生命质量,第二结束生命。

Speaker 5

但是如果站在所谓 AI 的角度,有没有通俗意义上的这两种结果?

但是如果站在所谓 AI 的角度,有没有通俗意义上的这两种结果?

Speaker 5

好像目前我觉得是没有的啊,纯个人想法啊。

好像目前我觉得是没有的啊,纯个人想法啊。

Speaker 5

嗯,当然我前面整理的这些,目前还是推理不到说 AI 当前很危险,因为还是在当前这个阶段,反正很多东西呢。

嗯,当然我前面整理的这些,目前还是推理不到说 AI 当前很危险,因为还是在当前这个阶段,反正很多东西呢。

Speaker 2

大家也都在探索。

大家也都在探索。

Speaker 2

这方面我还是之前的想法,我是理性乐观派的,肯定会有越来越多的监管和安全措施的。

这方面我还是之前的想法,我是理性乐观派的,肯定会有越来越多的监管和安全措施的。

Speaker 2

但是这个案例还有另一个解读的视角,你要想为什么我说这今天讲的四个事是一个事啊?

但是这个案例还有另一个解读的视角,你要想为什么我说这今天讲的四个事是一个事啊?

Speaker 2

如果说 AI 连情感这种东西。

如果说 AI 连情感这种东西。

Speaker 2

都产生某种可测量的模拟。

都产生某种可测量的模拟。

Speaker 2

嗯,我们还觉得这个是人独有的东西,对吧?

嗯,我们还觉得这个是人独有的东西,对吧?

Speaker 2

意识、情感、情绪这些东西,如果 AI 都能,所谓的,就说个最直接的例子。

意识、情感、情绪这些东西,如果 AI 都能,所谓的,就说个最直接的例子。

Speaker 2

尤其是东亚国家,大家喜欢所谓的读空气。

尤其是东亚国家,大家喜欢所谓的读空气。

Speaker 2

读空气,大家之前觉得哎呀,不可能会读空气啊。

读空气,大家之前觉得哎呀,不可能会读空气啊。

Speaker 2

嗯,那会议室里突然一个停顿,老板一个表情,AI肯定都不知道发生了,但是如果这个东西也可测量了呢?

嗯,那会议室里突然一个停顿,老板一个表情,AI肯定都不知道发生了,但是如果这个东西也可测量了呢?

Speaker 2

AI也有能力去捕捉了呢?

AI也有能力去捕捉了呢?

Speaker 2

嗯。

嗯。

Speaker 2

那他对这个工作影的影响,他就是又是另外一个层面的事了。

那他对这个工作影的影响,他就是又是另外一个层面的事了。

Speaker 2

嗯,对吧?

嗯,对吧?

Speaker 3

还是纯拍脑袋想,我觉得这个是完全可以做到的,对 AI 来说啊,你所谓的读空气,它完全是可以做到的。

还是纯拍脑袋想,我觉得这个是完全可以做到的,对 AI 来说啊,你所谓的读空气,它完全是可以做到的。

Speaker 3

但是我一直来讲,目前认知的所谓人和 AI 的不同是,AI 的无限性和人的有限性。

但是我一直来讲,目前认知的所谓人和 AI 的不同是,AI 的无限性和人的有限性。

Speaker 3

嗯。

嗯。

Speaker 3

人的边界总归是有的,你这个人,他某种意义上在一定范围内是可预测的。

人的边界总归是有的,你这个人,他某种意义上在一定范围内是可预测的。

Speaker 3

有些事我会做,刘飞就是不会做。

有些事我会做,刘飞就是不会做。

Speaker 3

嗯。

嗯。

Speaker 3

但是作为一个 AI 来讲,我不认为现在是他有这个边界。

但是作为一个 AI 来讲,我不认为现在是他有这个边界。

Speaker 3

啊。

啊。

Speaker 2

对,这就是另外一个话题了。

对,这就是另外一个话题了。

Speaker 2

嗯。

嗯。

Speaker 2

反正长期看,AI越来越像人了,人到底该去哪?

反正长期看,AI越来越像人了,人到底该去哪?

Speaker 2

人何以自处?

人何以自处?

Speaker 2

包括肖磊之前也讲过马斯克那种更乐观一点的看法,反正有很多各种各样的说法。

包括肖磊之前也讲过马斯克那种更乐观一点的看法,反正有很多各种各样的说法。

Speaker 2

嗯。

嗯。

Speaker 2

但是这里面对我们而言,可能还是要关注当下怎么选择工作的问题和接下来我们自己的工作会面临什么样的问题。

但是这里面对我们而言,可能还是要关注当下怎么选择工作的问题和接下来我们自己的工作会面临什么样的问题。

Speaker 2

嗯,但是说到这个,就是最后一件事,简单说两句,我也在关注。

嗯,但是说到这个,就是最后一件事,简单说两句,我也在关注。

Speaker 2

到底应该怎么选工作这件事,看看有没有可以跟大家分享的一些有启示的东西吧。

到底应该怎么选工作这件事,看看有没有可以跟大家分享的一些有启示的东西吧。

Speaker 3

嗯,这个肯定是很多人关心的。

嗯,这个肯定是很多人关心的。

Speaker 2

当然你说到这个择业的问题,很容易就联想到一位刚刚去世的老师啊,张雪峰。

当然你说到这个择业的问题,很容易就联想到一位刚刚去世的老师啊,张雪峰。

Speaker 2

嗯,他也是非常特殊的时代标签了,就不管现在争议多大。

嗯,他也是非常特殊的时代标签了,就不管现在争议多大。

Speaker 2

那不可否认,他就是大家选出来的,在这十年二十年里,代表中国教育的一个符号。

那不可否认,他就是大家选出来的,在这十年二十年里,代表中国教育的一个符号。

Speaker 2

因为大家特别特别需要去关注择业。

因为大家特别特别需要去关注择业。

Speaker 2

那前面说的这么多,会不会大家就想说,哎呀,你看未来风险这么大,那我是不是更应该想去跟张雪峰这种老师去学习?

那前面说的这么多,会不会大家就想说,哎呀,你看未来风险这么大,那我是不是更应该想去跟张雪峰这种老师去学习?

Speaker 2

怎么找一个更实在的工作呢?

怎么找一个更实在的工作呢?

Speaker 2

当然你看张雪峰的方法论也比较现实主义。

当然你看张雪峰的方法论也比较现实主义。

Speaker 2

你别光听专业的名字好不好听,因为有些专业它就不断的换名字嘛。

你别光听专业的名字好不好听,因为有些专业它就不断的换名字嘛。

Speaker 2

嗯,你要看毕业能不能好找到工作。

嗯,你要看毕业能不能好找到工作。

Speaker 2

计算机啊,电子信息啊,口腔医学,他推荐的是这些。

计算机啊,电子信息啊,口腔医学,他推荐的是这些。

Speaker 2

嗯嗯。

嗯嗯。

Speaker 2

然后劝退的什么新文学啊,生化环材都是这些。

然后劝退的什么新文学啊,生化环材都是这些。

Speaker 3

嗯,它相当于一个大的人形数据库嘛,把你不知道那些信息能更好的整合给你。

嗯,它相当于一个大的人形数据库嘛,把你不知道那些信息能更好的整合给你。

Speaker 2

他的判断呢,你不能说没有效,就是单纯从找工作好不好,容不容易,找到这工作好不好本身。

他的判断呢,你不能说没有效,就是单纯从找工作好不好,容不容易,找到这工作好不好本身。

Speaker 2

是很有效的。

是很有效的。

Speaker 2

嗯,而且帮助了很多存在信息差的这些普通家庭看清了这个现实。

嗯,而且帮助了很多存在信息差的这些普通家庭看清了这个现实。

Speaker 2

但是 AI 时代可能就会变呀,比如说计算机,这就是张雪峰当年最推荐的专业方向之一。

但是 AI 时代可能就会变呀,比如说计算机,这就是张雪峰当年最推荐的专业方向之一。

Speaker 2

嗯,但20~24年全国新增的人工智能相关的专业点,学的东西和计算机可是不太一样的呀。

嗯,但20~24年全国新增的人工智能相关的专业点,学的东西和计算机可是不太一样的呀。

Speaker 2

嗯嗯。

嗯嗯。

Speaker 2

另外就是美国劳工统计局,我们前面也说了,程序员的就业也在暴跌呀。

另外就是美国劳工统计局,我们前面也说了,程序员的就业也在暴跌呀。

Speaker 2

那翻译就更不用说了,翻译之前就是一个香饽饽的工作。

那翻译就更不用说了,翻译之前就是一个香饽饽的工作。

Speaker 2

另外就是当下,你你就说,哎,我那我判断一下,这几年我推理一下,AI来了之后会不会出现很火的。

另外就是当下,你你就说,哎,我那我判断一下,这几年我推理一下,AI来了之后会不会出现很火的。

Speaker 2

这个岗位也不好说,因为你遥想两年之前,有一个岗位叫 prompt engineer 嗯。

这个岗位也不好说,因为你遥想两年之前,有一个岗位叫 prompt engineer 嗯。

Speaker 2

提示词工程师啊。

提示词工程师啊。

Speaker 2

嗯。

嗯。

Speaker 2

二三年那个时候已经吹上天了呀。

二三年那个时候已经吹上天了呀。

Speaker 2

但是这个岗位本质上还是大模型不够完善的一个。

但是这个岗位本质上还是大模型不够完善的一个。

Speaker 3

阶段性的产物。

阶段性的产物。

Speaker 2

然后很快就被淘汰了。

然后很快就被淘汰了。

Speaker 2

包括我们前面说的 AI 短剧, AI 漫剧的很多工种。

包括我们前面说的 AI 短剧, AI 漫剧的很多工种。

Speaker 2

保鲜期可能只有一年啊。

保鲜期可能只有一年啊。

Speaker 2

嗯。

嗯。

Speaker 2

也就是说,当前就业前景好的专业,四年后可能就不好了。

也就是说,当前就业前景好的专业,四年后可能就不好了。

Speaker 2

AI替代的优先级不是按专业的热门程度排的。

AI替代的优先级不是按专业的热门程度排的。

Speaker 2

它是按任务的可标准化程度排的,而它能替代哪些也不确定。

它是按任务的可标准化程度排的,而它能替代哪些也不确定。

Speaker 2

经济观察网有一篇文章,这里面是这么说的,过去人们把专业理解为一次性选择,好像买到一张多年有效的船票,但在 AI 时代,它更像是一种动态配置。

经济观察网有一篇文章,这里面是这么说的,过去人们把专业理解为一次性选择,好像买到一张多年有效的船票,但在 AI 时代,它更像是一种动态配置。

Speaker 2

这个时代真正危险的不是专业冷热的变化,而是家庭还在用昨天的地图给孩子找明天的工作。

这个时代真正危险的不是专业冷热的变化,而是家庭还在用昨天的地图给孩子找明天的工作。

Speaker 2

世界经济论坛25年未来就业报告说,到30年,全球的39%的核心技能将发生变化。

世界经济论坛25年未来就业报告说,到30年,全球的39%的核心技能将发生变化。

Speaker 2

嗯,39%啊。

嗯,39%啊。

Speaker 2

嗯,接近一半了。

嗯,接近一半了。

Speaker 3

所以说你咋预测呢?是吧?

所以说你咋预测呢?是吧?

Speaker 2

那还有一个有意思的事,就最近不是有人做了一个叫张雪峰点 skill 的 AI 技能包嘛。

那还有一个有意思的事,就最近不是有人做了一个叫张雪峰点 skill 的 AI 技能包嘛。

Speaker 2

你可以直接用 AI 工具接嘛。

你可以直接用 AI 工具接嘛。

Speaker 3

引发了一波讨论,还有说吃人血馒头的。

引发了一波讨论,还有说吃人血馒头的。

Speaker 2

啊,这这种争议我们且不说。

啊,这这种争议我们且不说。

Speaker 2

嗯。

嗯。

Speaker 2

有记者去试了,哪怕这个张雪峰 skill 同一个问题,他给的答案有的时候也不太一样。

有记者去试了,哪怕这个张雪峰 skill 同一个问题,他给的答案有的时候也不太一样。

Speaker 2

嗯,就你根据一个所谓的大数据出来之后,当然张雪峰本人可能他自己知道之前说了什么,他不太会说前后不一的。

嗯,就你根据一个所谓的大数据出来之后,当然张雪峰本人可能他自己知道之前说了什么,他不太会说前后不一的。

Speaker 2

但是你根据同样的这个方法论推演,你不同的论据,他也能得出不同的论点啊。

但是你根据同样的这个方法论推演,你不同的论据,他也能得出不同的论点啊。

Speaker 3

对,这个事情不难理解,就这是我们不不要太概念化啊,你现在来一个什么刘飞点 skill 肖磊点 skill 半拿铁点 skill 是其实是就就应该看这个性质。

对,这个事情不难理解,就这是我们不不要太概念化啊,你现在来一个什么刘飞点 skill 肖磊点 skill 半拿铁点 skill 是其实是就就应该看这个性质。

Speaker 3

更多的关心刘飞说的这个事情。

更多的关心刘飞说的这个事情。

Speaker 3

是吧?

是吧?

Speaker 3

你就把它看成一个数据库,或者是一个垂直的 agent 他能把这个事给你做到什么程度?

你就把它看成一个数据库,或者是一个垂直的 agent 他能把这个事给你做到什么程度?

Speaker 3

啊,你能不能让你满意,就是这样子。

啊,你能不能让你满意,就是这样子。

Speaker 3

嗯。

嗯。

Speaker 2

那这里边呢,我找到一些数据,觉得还挺有意思的。

那这里边呢,我找到一些数据,觉得还挺有意思的。

Speaker 2

首先二五年哈佛商学院和凯洛格商学院的研究团队在自然人类行为上发表了一篇论文,分析了超过1000种职业和7000万次。

首先二五年哈佛商学院和凯洛格商学院的研究团队在自然人类行为上发表了一篇论文,分析了超过1000种职业和7000万次。

Speaker 2

职业转换的数据,结论是拥有广泛基础技能的人,比那些只有少数高度专精技能的人,学新东西更快,赚得更多,晋升更快。

职业转换的数据,结论是拥有广泛基础技能的人,比那些只有少数高度专精技能的人,学新东西更快,赚得更多,晋升更快。

Speaker 2

在市场变化的时候更扛得住。

在市场变化的时候更扛得住。

Speaker 2

这个其实很,很能联想得到。

这个其实很,很能联想得到。

Speaker 2

嗯。

嗯。

Speaker 2

什么基础技能呢?

什么基础技能呢?

Speaker 2

还是常说的,沟通,团队协作,适应性。

还是常说的,沟通,团队协作,适应性。

Speaker 2

嗯。

嗯。

Speaker 2

这个跟哈佛大学之前的一项经典研究方向是一致的。

这个跟哈佛大学之前的一项经典研究方向是一致的。

Speaker 2

当时有一个教授追踪了美国1980年到2012年的就业数据,发现需要高社交互动能力的岗位增长了。

当时有一个教授追踪了美国1980年到2012年的就业数据,发现需要高社交互动能力的岗位增长了。

Speaker 2

12个百分点,就是现在的社会越来越需要高互动能力,而数学能力强但社交互动少的岗位在减少。

12个百分点,就是现在的社会越来越需要高互动能力,而数学能力强但社交互动少的岗位在减少。

Speaker 2

嗯,薪资也是同样要求认知能力。

嗯,薪资也是同样要求认知能力。

Speaker 2

和社交能力的岗位,溢价最高。

和社交能力的岗位,溢价最高。

Speaker 2

Google 内部也做过一个研究,复盘了几千份绩效评估,发现最好的管理者就不是技术最强的那,那些人,就是擅长沟通和辅导的人。

Google 内部也做过一个研究,复盘了几千份绩效评估,发现最好的管理者就不是技术最强的那,那些人,就是擅长沟通和辅导的人。

Speaker 2

LinkedIn 的调查数据也说,69%的美国雇主更看重候选人的软技能。

LinkedIn 的调查数据也说,69%的美国雇主更看重候选人的软技能。

Speaker 2

企业在软技能培训上的投入从24年的38%增长到了25年的47%。

企业在软技能培训上的投入从24年的38%增长到了25年的47%。

Speaker 2

领英 CEO 有一句话说的很直接,未来的工作不再属于拥有最好学历和最好学校背景的人,而是属于那些适应能力强、愿意学习、愿意拥抱工具的人。

领英 CEO 有一句话说的很直接,未来的工作不再属于拥有最好学历和最好学校背景的人,而是属于那些适应能力强、愿意学习、愿意拥抱工具的人。

Speaker 2

德勤25年的调查发现,虽然将近2/3的年轻职场人在努力学习 AI 技能,但超过85%的人认为沟通、共情和领导力等软技能对长期职业发展更重要。

德勤25年的调查发现,虽然将近2/3的年轻职场人在努力学习 AI 技能,但超过85%的人认为沟通、共情和领导力等软技能对长期职业发展更重要。

Speaker 2

所以就出现了一个很有意思的悖论,大家都在焦虑要不要学 AI 要不要转码农。

所以就出现了一个很有意思的悖论,大家都在焦虑要不要学 AI 要不要转码农。

Speaker 2

但是数据显示,真正在 AI 时代最保值的能力还是跟人打交道。

但是数据显示,真正在 AI 时代最保值的能力还是跟人打交道。

Speaker 2

在模糊环境下,模糊问题下做判断,怎么说服别人,怎么跟别人协作,怎么理解别人没说出口的意思,这些能力还是前面说的,暂时 AI 如果不能读懂会议室里的气氛,而且它也没有具身。

在模糊环境下,模糊问题下做判断,怎么说服别人,怎么跟别人协作,怎么理解别人没说出口的意思,这些能力还是前面说的,暂时 AI 如果不能读懂会议室里的气氛,而且它也没有具身。

Speaker 2

那当前这个阶段,这种技能还是很重要的。

那当前这个阶段,这种技能还是很重要的。

Speaker 3

就刚说的那个不可标准化的,或者说更难标准化的这个技能啊。

就刚说的那个不可标准化的,或者说更难标准化的这个技能啊。

Speaker 2

所以到底专业该怎么选,可能也很难给出一个非常明确的答案。

所以到底专业该怎么选,可能也很难给出一个非常明确的答案。

Speaker 2

啊,张雪峰在世,他也很难说一个专业四年之后会怎么样,因为现在的变化。

啊,张雪峰在世,他也很难说一个专业四年之后会怎么样,因为现在的变化。

Speaker 2

都太剧烈了。

都太剧烈了。

Speaker 2

嗯,但是有一件事大概还是确定的,前面说的软实力或者说社会化的能力,我个人感觉还是我们国内的教育里面普遍比较缺失的能力,因为我们是还是处在上一个叙事里。

嗯,但是有一件事大概还是确定的,前面说的软实力或者说社会化的能力,我个人感觉还是我们国内的教育里面普遍比较缺失的能力,因为我们是还是处在上一个叙事里。

Speaker 2

学好数理化,走遍天下都不怕。

学好数理化,走遍天下都不怕。

Speaker 2

嗯,就我们学好一个技能傍身,然后包括考到一个证,对吧?

嗯,就我们学好一个技能傍身,然后包括考到一个证,对吧?

Speaker 2

考上公务员,就是大家还是更多的在这个思维方式里,但实际上这是我们过去教育比较缺失。

考上公务员,就是大家还是更多的在这个思维方式里,但实际上这是我们过去教育比较缺失。

Speaker 2

在软实力方面的培养的一个体现嘛。

在软实力方面的培养的一个体现嘛。

Speaker 2

但这方面未来会越来越重要。

但这方面未来会越来越重要。

Speaker 2

我身边有一些朋友做家长,跟他们聊下来,他们做了很多分析,做了很多自己的反思焦虑。

我身边有一些朋友做家长,跟他们聊下来,他们做了很多分析,做了很多自己的反思焦虑。

Speaker 2

过了之后,很多跟我的反馈也是类似的,就是不如好好的让孩子培养一些爱好,让他们有一些爱好,更能适应生活,更能调整好心态,包括做好挫折教育。

过了之后,很多跟我的反馈也是类似的,就是不如好好的让孩子培养一些爱好,让他们有一些爱好,更能适应生活,更能调整好心态,包括做好挫折教育。

Speaker 2

就是大概知道挫折怎么回事,遇到一些困难,然后学会跟人交往。

就是大概知道挫折怎么回事,遇到一些困难,然后学会跟人交往。

Speaker 2

这些可能才是未来能更长期主义的,更很难被 ai 替代的能力。

这些可能才是未来能更长期主义的,更很难被 ai 替代的能力。

Speaker 2

嗯,背一些呃概念,或者说考一个好的分数。

嗯,背一些呃概念,或者说考一个好的分数。

Speaker 2

可能现在来说不见得是那么中,当然还是一定程度上还是重要的啊。

可能现在来说不见得是那么中,当然还是一定程度上还是重要的啊。

Speaker 3

嗯,因为你要考学嘛,对对对,他的选拔机制暂时在这个地方,所以说呃也不要令到太多家长太迷惑,只不过今天说的这些增量的信息,对各位如果作为家长的话,肯定也是有用的。

嗯,因为你要考学嘛,对对对,他的选拔机制暂时在这个地方,所以说呃也不要令到太多家长太迷惑,只不过今天说的这些增量的信息,对各位如果作为家长的话,肯定也是有用的。

Speaker 2

就是未来关于选专业,如果比较扑朔迷离,可以参考一下前面说的这些点吧。

就是未来关于选专业,如果比较扑朔迷离,可以参考一下前面说的这些点吧。

Speaker 2

嗯,好,我这边就说到这了。

嗯,好,我这边就说到这了。

Speaker 3

那我这边开始啊,我这边的首先聊的这个话题呢,涉及到民生相关。

那我这边开始啊,我这边的首先聊的这个话题呢,涉及到民生相关。

Speaker 3

哎,不管 AI 怎么发展,咱家里头啊,这个吃喝拉撒睡,行动坐卧走,日常的开支该有的还都得有。

哎,不管 AI 怎么发展,咱家里头啊,这个吃喝拉撒睡,行动坐卧走,日常的开支该有的还都得有。

Speaker 3

嗯。

嗯。

Speaker 3

首先说的这个事呢,主要就是咱家里头的水电燃气表的事。

首先说的这个事呢,主要就是咱家里头的水电燃气表的事。

Speaker 3

平常家里头一个月,水电燃气各自走几个字,要交多少钱?

平常家里头一个月,水电燃气各自走几个字,要交多少钱?

Speaker 3

各位,你们大概齐自己心里该有个数吧?

各位,你们大概齐自己心里该有个数吧?

Speaker 3

自个家里头。

自个家里头。

Speaker 3

嗯。

嗯。

Speaker 3

你不能说我一个月交多少钱,我完全不知道啊,每次都是自动扣款,那这个月扣你十块,下个月扣你一万。

你不能说我一个月交多少钱,我完全不知道啊,每次都是自动扣款,那这个月扣你十块,下个月扣你一万。

Speaker 3

你也没反应,那不合理。

你也没反应,那不合理。

Speaker 2

嗯,大概肯定还是知道的。

嗯,大概肯定还是知道的。

Speaker 3

大概有个数,那么如果这个月扣了10块,下个月扣了100,也就是说突然有一个月啊。

大概有个数,那么如果这个月扣了10块,下个月扣了100,也就是说突然有一个月啊。

Speaker 3

字明显走多了。

字明显走多了。

Speaker 3

你想来想去,好像这一个月我也没有什么非常规的挑费啊,我大概该怎么生活还是怎么生活呀,跟往常都是一样过的,不应该有这么多呀。

你想来想去,好像这一个月我也没有什么非常规的挑费啊,我大概该怎么生活还是怎么生活呀,跟往常都是一样过的,不应该有这么多呀。

Speaker 3

那有可能是什么原因呢?

那有可能是什么原因呢?

Speaker 3

有没有可能是这个表出了问题了?

有没有可能是这个表出了问题了?

Speaker 3

他自己就是跑字跑多了。

他自己就是跑字跑多了。

Speaker 3

我是真没想过有可能是表的原因,但是根据国家市场监督管理总局4月7号公布的信息。

我是真没想过有可能是表的原因,但是根据国家市场监督管理总局4月7号公布的信息。

Speaker 3

从去年二五年的5月到二六年的1月,相关部门在全国范围之内部署开展了居民水电气计量和收费问题的一个综合整治工作。

从去年二五年的5月到二六年的1月,相关部门在全国范围之内部署开展了居民水电气计量和收费问题的一个综合整治工作。

Speaker 3

一共是八个月的时间,八个月下来,一共查处了水电气领域的违法案件1万4千多件。

一共是八个月的时间,八个月下来,一共查处了水电气领域的违法案件1万4千多件。

Speaker 3

哎呦!

哎呦!

Speaker 3

督促有关企业累计退费,多收的钱多少呢?

督促有关企业累计退费,多收的钱多少呢?

Speaker 2

三个亿三个亿呀,我想我想三千万就不错了。

三个亿三个亿呀,我想我想三千万就不错了。

Speaker 2

哎,你说到这个的时候,我突然想到我之前听说的故事都是反着的,就是有一些人啊,他比较鬼,或者比较抠。

哎,你说到这个的时候,我突然想到我之前听说的故事都是反着的,就是有一些人啊,他比较鬼,或者比较抠。

Speaker 2

他那个水表啊,水表比较容易操作,是,就是你水龙头就往下滴。

他那个水表啊,水表比较容易操作,是,就是你水龙头就往下滴。

Speaker 2

开小一点嘛,开小一点,它字是不走的。

开小一点嘛,开小一点,它字是不走的。

Speaker 3

老一辈的节俭精神。

老一辈的节俭精神。

Speaker 2

老,这这这什么节俭精神,你这你薅人羊毛,还节节什么俭,就是,但是现在的表好像也不太容易这么操作了。

老,这这这什么节俭精神,你这你薅人羊毛,还节节什么俭,就是,但是现在的表好像也不太容易这么操作了。

Speaker 3

越来越多是智能表,而不是原来的那种机械表了。

越来越多是智能表,而不是原来的那种机械表了。

Speaker 2

早年那种表是比较容易能偷水的,有的就想办法偷偷电,对吧。

早年那种表是比较容易能偷水的,有的就想办法偷偷电,对吧。

Speaker 3

当然了,这三个亿里头,咱不是说都是说表走错了,给你走出来三个亿,但里面确实有这个方向的。

当然了,这三个亿里头,咱不是说都是说表走错了,给你走出来三个亿,但里面确实有这个方向的。

Speaker 2

对,我突然想到之前看到有一个是堪称是可以到真楼机理的一个新闻。

对,我突然想到之前看到有一个是堪称是可以到真楼机理的一个新闻。

Speaker 2

就是有一个大哥,他说自己家的电表接到了门外头的路灯上,你有印象吗这个新闻?

就是有一个大哥,他说自己家的电表接到了门外头的路灯上,你有印象吗这个新闻?

Speaker 2

没有。

没有。

Speaker 2

然后说外面那个路灯接的是我家电宝。

然后说外面那个路灯接的是我家电宝。

Speaker 2

嗯。

嗯。

Speaker 2

啪啪啪的走字,一个月交好多钱呢。

啪啪啪的走字,一个月交好多钱呢。

Speaker 2

啊。

啊。

Speaker 2

然后那个政府的那个工作人员过来看,怎么可能外面是公共的路灯。

然后那个政府的那个工作人员过来看,怎么可能外面是公共的路灯。

Speaker 2

啊。

啊。

Speaker 2

他说,那你关一个看看。

他说,那你关一个看看。

Speaker 2

咔一关,路灯哗就灭了一片。

咔一关,路灯哗就灭了一片。

Speaker 3

啊,真接错了。

啊,真接错了。

Speaker 2

就真接错,就不知道这个电工怎么接的,把门外路灯接到他家电表上。

就真接错,就不知道这个电工怎么接的,把门外路灯接到他家电表上。

Speaker 2

哎呀,这个我印象太深,就关键拉闸那一下,所有人都吓坏了。

哎呀,这个我印象太深,就关键拉闸那一下,所有人都吓坏了。

Speaker 3

这下得赔不少钱,真是。

这下得赔不少钱,真是。

Speaker 2

哎,哎,哎,你说。

哎,哎,哎,你说。

Speaker 3

啊,说到哪了?

啊,说到哪了?

Speaker 3

嗯。

嗯。

Speaker 3

刚说到那个累计退的那3个亿啊,说实话都是不应该收的,都是多收的。

刚说到那个累计退的那3个亿啊,说实话都是不应该收的,都是多收的。

Speaker 3

甭管是通过什么样的途径,因为什么样的原因。

甭管是通过什么样的途径,因为什么样的原因。

Speaker 3

嗯。

嗯。

Speaker 3

为什么会出现这种情况?

为什么会出现这种情况?

Speaker 3

嗯。

嗯。

关于 Bayt 播客

Bayt 提供中文+原文双语音频和字幕,帮助你打破语言障碍,轻松听懂全球优质播客。

继续浏览更多播客