人工附加值是什么意思

附加值是指在产品的产值中扣取原材料、税金、设备和厂房的折旧费后剩余部分的价值。 这部分价值是指当产品从原材料开始，经加工到产品的过程中实际增加的价值。它包括工人劳动、动力消耗、技术开发和利润等费用，所以称为附加值。 精细化学品的附加值一般高达百分之五十以上，比化肥和石油化工的百分之二十到百分之三十的附加值高的多。日本曾将化学工业分为三大行业及精细化工、无机化工、化肥和石油化工，并对其原材料费率和附加值率进行统计和比较。

这里边我们今天来聊一下什么样的人工智能产品可以持续的价值落地。我们要聊这个话题呢，我们是做数据标注，那数据标注是完全伴随着人工智能的发展而发展 好些年的，从这个像智能家居到智能安防，到智能医疗，到智能驾驶，到大模型到全智能， 一路走来他的领域发展是有阶段性的，一阶段中呢，有一些他的数据需求非常的旺盛，也非常持续，有一些呢，人在某些阶段他的这个数据标注的需求量 会很快的就不多了。为什么会有这样的原因呢？主要是因为人工智能产品 他是不是达到了一个可以持续价值落地的这么一个阶段。既然我们做数据标注，我们就要能够判断什么样的人工智能产品在未来是可以持续价值落地的， 有有这么一个能力才能够让我们提前布局。关于这个呢，我们大概要注意三个方面的特征，一个就是这个能够持续价值落地的人工智能产品 一定是在数据层面上相对单一，并且他的数据获取和处理相对不是那么复杂的。举个例子，早期的这个智能家居，我们的时候，其实我们在谈论什么？ 我们其实谈论的并不是有一个叫智能家居的产品，而是智能冰箱、智能空调、智能音箱、智能电视机、智能洗衣机一系列的家居产品里面就会带来一个比较大的困扰，它的数据需求是都不一样的， 而单一的只做其中的一个产品的智能化又非常不容易的形成爆款， 这就意味着家居的生产企业需要做大量的投入，将不同的产品都进行智能化，他的数据获取难度比较大，比较复杂， 所以早期的智能家居的数据需求并没有一直持续下来，而现在有一些新的范式，可能会有一些新的变化。第二个特征呢，是这款产品一定是在本身就拥有巨大的需求，并且可以通过 ai 赋能， 形成巨大的增长空间。我再举个例子，比如说智能安防，我讲智能安防主要的产品是摄像头，摄像头的购买虽然也有很多 c 端的消费群体，但是绝大部分情况下，他的主力客户群体是 b 端客户， 而弊端客户的购买就有一个特征，他是有决策链的，而且他的决策链可能还比较长，会形成一个情况，本来需要购买摄像头的企业，不会因为你有还是没有人工智能， 他就决定买还是不买。所以智能安防的数据标注在早期慢慢的也没有那么长的持续时间， 他现在一直都有，而且一直在迭代，而且随着大模型这些发展，他会有新的发展，这个未来可能还会有新的增长空间。但至少在早期的时候，安防的需求持续了一段火爆的时间以后，又 相对冷静了下来。第三个特质就是这款产品的商业闭环的客观条件要形成。什么叫商业闭环呢？我再举个例子， 现在巨生机器人非常的火爆，机器人这个东西不是近两年才开始有的概念，也不是近两年才开始研究的， 为什么以前就没有这么火爆呢？因为早期的机器人不具备向大模型，向大量的数据，向新的算法，还有大量的硬件以及被人工智能前面这么多产品培训过的消费群体， 是因为有了以上各种客观条件的形成，才顺理成章的让现在的巨星机器人走上了台前，变得异常的火爆，并且他完全有可能在这一波的浪潮里面 实现落地。早期的时候不具备这样客观条件，有没有什么人工智能产品是都符合以上三个条件的？有人驾驶。首先，智能驾驶我们甚至不需要讲舱内，只需要讲舱外就可以了， 舱外虽然有点云数据，也有二 d 的 视觉数据，我们有些时候还讲四 d 数据，相对是比较单一的，而且他的处理方式也是相对统一的。 其次，车本来就是刚需，本来就有巨大的消费市场，且会有很多人因为智能泊车辅助驾驶的这些功能， 让自己本来对买车产生犹豫的状态情况下，变成更加愿意去购买一辆车辆，所以智能驾驶是带来了车辆的增长空间。最后， 车嘛，他本身就有市场的消费壁环，所以这三个条件智能驾驶都完全符合。所以兄弟们，你们是不是已经想到下一个数据持续增长的人工智能产品是什么了吗？

各位投资者和科技粉注意，咱们的经济国家队！各大央企刚刚接到了一个重磅的新任务，全面加码 ai 加！这不是简单给机器装上大脑，而是要用人工智能给整个国家的工业体系 来一次智慧进化。这个信号来自于国务院国资委最新的定调。简单说，在未来的十五五时期， ai 将不再是央企展厅里的秀肌肉项目，而是要像水电煤一样，深度融入钢铁、能源制造这些传统产业的血液里。 举个例子，你感受一下，以后 ai 链钢可能比老师傅更精准， ai 找矿能像透视眼一样看清地下资源， ai 发电能让整个电网自己优化调度，这相当于给咱们国家的工业基础安上了一个超级智能引擎。那央企为什么要这么做呢？两大原因，一是为了强身健体， 用数字化和智能化推动传统产业向高附加值、高技术含量跃迁。二是为了开疆拓土，把人工智能作为培育新质生产力的关键抓手，在新兴产业和未来产业里抢占先机。 所以你看，这轮 ai 加浪潮，正在从互联网世界实实在在地砸进工厂、矿山和实验室。你觉得哪个传统行业被 ai 改造后变化会最大？是傻大黑粗的钢铁？还是深藏不露的能源？欢迎在评论区聊聊你的观察。

欢迎大家收看拉斯有约节目。大家好，我是三十六课的科技作者心雨。那今天呢，我们也很开心邀请到了 pinkcap 的 联合创始人兼 cto 东旭老师。那首先呢，我们也请东旭老师跟大家做一个简单的自我介绍。 hello， 大家好，我是黄东旭，是 pinkcap 的 联合创始人兼 cto， 然后 pinkcap 是 一个知名的分公司，数据库，泰迪币背后的公司。然后其实我们全球服务了。呃，首先跟这个亚马逊云科技也是多年的合作伙伴啊，我们也是通过这个亚马逊云去提供我们的这个数据库服务，其实服务了包括像 啊，全球知名的客户，包括 data bricks， pinterest， airbnb， plad 这样的。呃，大型的这种这种国际化的企业 啊，最近其实让我比较兴奋的就是包括泰迪 b 已经开始在服务，像包括 manos 啊，包括 devi， 还有一些这种新一代的这种生城市 ai 和 agent 的 这些创业公司。 其实我觉得像，就是对于您这样的就一直跑在一线的工程师来说，可能像每年的 reinvent 应该都是一个就是比让人非常兴奋的科技盛会嘛。其实我也比较好奇，像今年的话是您第几次参加 reinvent？ 对，今年其实应该数来是第五次了。呃，然后也算是这个 reimagined 的 常客。对，老朋友，老朋友。对，其实像如果是今年是第五次的话，那说明其实您也是跟 the event 大 概有就是五六年这样的一个，就是对他有一个密切的关注吗？其实像五六年的时间，对于科技行业的发展来说，其实他是一个跨代级的，期间应该您经历了非常多的技术变化，所以其实我也特别好奇，像您作为一个一线的工程师，像今年的 event， 您觉得让您感到最兴奋的一些发布，或者是一些新的现象是， 对，嗯，其实我觉得，反而我觉得今年 ring win 给我的感觉是，呃，意料之中或 no surprise， 对， 就是 因为大家都知道现在这个世界在发生什么，是吧？呃，有很多人说二零二五年是这个 ai agent 的 元年啊，我觉得，当然这个呃，亚马逊、云科技，包括 remant 也不会错过这个事情，所以没有任何意外，整个，尤其是 keynote 啊，绝大部分的时间都是在讲这个 agent 跟 ai 相关的事情 啊。所以我觉得，对，这是我的第一个比较直观的感受。第二个就是，呃，当然了， 被 win win 或者被 a w s 去认可，这是一个正确的方向，或者说既然这么大的一个公司都花了这么长的篇幅在啊 a j 的 这个事情上啊，所以我觉得啊，对，也也也算是 就是为为因为现在做 agent 呢，或者在做这个 ai 相关的开发，有各种各样不同的路线啊。那至少我觉得亚马逊的这个态度啊，是说 agent 呢，应该是到达了可用的状态，所以这可能是给市场的一个信号。 明白，那其实在就是 kindle 上，像 mac， 它也发布了就是非常多的一些新的产品和技术。对，像对于 pinkcap 这样一个数据库场上来说，您觉得在这一些新的发布当中，对业务影响最大的或者最有价值的一些。呃，发布是什么呢？对，其实 啊，虽然今年他留给云和基础设施的这个或者说存储的这个部分还挺少的啊，但是其其中也也是有很多令人很兴奋的这个发布吧 啊，比如说像 s 三就是他的这个对象存储的服务啊，我们其实是重度的依赖亚马逊云科技的这个 s 三来去构建我们的整个数据库的一个服务。 所以不管是从成本还是从这种 ai first 的 这种能力来说，我觉得对我们去构建这种 agent 的 服务，或者说一些围绕着 ai 相关的这种数据服务啊，我觉得都是很很很有必要的。对对对， 我其实主要关注 s 三这款。嗯，明白，对这一项您也提到就是这一经典的 remit， 它的核心重点就放在 agent， 但其实我相信就是 agent 的 这样一个 呃产品形态的一个爆发，对于数据库场上来说其实也是个非常大的忌讳。是的是的，所以就其实我也蛮好奇，在呃 pick up 自己的业务实践当中，目前会不会对就是 agni 的 应用场景有一些探索呢？ 啊，是这样的，我分两个部分讲，一个是从外部我们的这个客户对于数据库的这个需求的一些变化来讲，另外一部分是我们自己作为一个公司啊的一个内部的这个这个实践。我先说外面那个部分， 就是其实我刚才说了啊，二零二五年作为 a 型的元年啊，或者说大于模型以及 ai 这一波会对我们未来产生一个巨大的影响，已经是一个社会的共识 啊。这里边其实还有一个共识，就是数据其实是非常宝贵的一个一个资源，在过去我说 ai 时代之前的数据很多其实是没有办法被充分的利用的，所以我们只能发明各种各样这种 分析或者大数据的工具，来去从这些海量数据里提取出一个趋势，然后再用这个趋势来去指导我们这个现在的啊一些工作。但是在 ai 和 agent 的 时代，这个这个模型变了，为什么呢？就是我们其实对于每个人产生的所有数据， agent 或者说大约模型都可以被利用上，比如说今天我，我一天都干了什么，我去了什么地方，其实这这个数据可以给 lm 来给我这个人做一个个性化的一个这个利用。 过去这些数据其实对于企业来说没有这样的能力去利用上，那对于大家来说就扔掉了，或者说干脆我就不存。 但现在刚才我说到，由于这个 agent 的 这个能力，提供这种极度的 flexible 和个性化的服务的能力，这使得企业不管现在他有没有 ai ready， 他 都要把这些他的客户的数据都存储下来，所以对于数据的存储的需求我觉得是有个极大的爆发。这是第一个这个 我们观察到的趋势，就是我们的客户，不管是新客户还是老客户，存储的数据量以及这个吞吐以及他的场景 大了非常多，就是在在去年就不管怎么样，先存下来再说，对吧？第二个这个在外部的一个大的趋势啊，其实是对于很多过去我们的数据库 核心来说，还是面向开发者或者面向一个企业里边的人来去操作。但是我们现在渐渐的看到越来越多的这种 agent， ai agent 的 公司，尤其是些通用 agent， 类似像 manos 这样的公司，在使用我们的数据库的时候，他操作的这个主体已经不再是人了，也不再工程师了。 但其实我觉得有一个词特别好，就是啊，这是上一位嘉宾刚才提到的啊，计算民主化 过去，比如说你想想开发一个应用，或者说再去做一个系统，其实这是属于这种工程师的绝活，或者说一个企业，哎，可能要雇佣这个这个程序员啊，来去开发啊，这个这个东西可能最快的小应用可能都得一个礼拜吧。 但你想想现在去做一个这种全站的 ai 的 应用，加上这种靠近 a 卷的，可能一句话几分钟这个东西就上线了，你不需要去关心数据库怎么搭，不用关心这个，这个应用代码怎么写， 所以这个带来的一个很不一样的点，就是他对规模的这个需求变得巨大，因为无数长尾的需求 变得一瞬间被满足，所以过去我们可能这个对于这个数据库的这个能力的需求就是，哎，我能支持个一千两千个这个表或者库就够了， 但现在你想想每天可能都创建一百万个这个库，而且每个库可能就用个这个，呃，几几下可能就就就销毁，所以其实这种不同的使用的 pattern 啊，我觉得对于 啊，这个，呃，我们做基础设施的这些公司来说是一个很有意思的范式的变化，所以我也在学习这些 ai， ai 这样该怎么去用啊，这些这些迭个背才挺有意思的。这从外部的视角，两个大的趋势， 从我内部自己的这个实践来说啊，第一呢肯定就是企业的这种知识库啊，因为现在我们已经基本上 把公司内部的这些所有的文档，包括外部内部的这些文档，还有这个通信的这个 i m message， 都作为 单元模型的这个啊，知识图谱的一部分啊，所以我们其实越来越习惯，就是来遇到什么问题，我先去问这个这个 ai， 然后这个 ai 其实是连接着我们这个企业里边所有的这些这些这些数据啊， 因为其实拼开眼作为一个数据库公司，本身我们的这个数字化也做的还不错啊，所以这些啊，对 ai 的 这个这个实践可能可能比其他的很多更大的企业啊，或者说不在这个行业企业 走得更前一点，所以所以我觉得这块企业内部的这种知识图谱，或者知识大脑的这种 chatbook 是 一个一个好的应用。 另外一个就是因为我们其实大概有一半的员工是 engineer 啊，所以在这个里边啊，去用这种 coding agent 啊，其实也变成了一个比较主流的事情。所以 现在出列的统计吧，可能有接近百分之二十到百分之三十的这个代码，基本上已经是由不管是 copilot 啊，还是一些这个呃，就是编程的这些 agent 来去来去提交。对， 然后其实整个这个开发的过程中，不仅是写代码，其实包括测试，包括 code review， 包括环境的这种部署啊，其实整个环节里边都有这个啊 coding agent 的 协助 啊，所以啊，这是我们内部的一些一些体验吧，嗯，相当于就是内外都在变化。对，是是，其实我也比较好奇，在这个过程当中您会感受到一些挑战吗？其实刚才您已经提到了，就可能是一种，怎么说呢？是甜蜜的负担吧。一方面客户他需求其实是爆发式的一个增长。对，那对于其实像数据库这样一个基建来说，应该也是 小的一个挑战，是不是扩容？没错，其实我觉得比较幸运就是一是依赖着亚马逊云科技底下的这些非常稳健的技术设施啊，我们其实 啊，面向这样的一个变化的时候，我，我觉得我们还是能够应对得住的，毕竟有一些这种， 呃，很幸运，在当年的一些技术选型，我们其实选择了那条更适合这种海量的 scalability 的 这个道路啊，正好印足了今天这个由 ai 带来的这个拓展性的一个大的一个一个浪潮吧。所以技术选型上我觉得前几年做了一些比较正确的决定， 包括跟这个 a w s 亚马逊云科技的合作。第二个方面，呃，我觉得更大的挑战其实我可以再更上升一个维度，就是 我觉得虽然今天我们一直在谈 agent 的 应用，但是从我个人作为啊工程师的角度有点想泼个冷水，就是因为现在， 呃，很多的这个应用都是 polo type 或者说一个 demo， 做 demo 当然简单，但是如果你要真正做到这种生产环境非常稳健，我们还缺非常非常多的基础设施。 数据库我就不用说了，因为我们本身做数据库的啊，其实这个是我们比较熟悉的一个，比如说对于数据库来说，他的挑战就是 以后我们可能做的这些系统不再是给人用的了，是在可能我们要去面向 ai， 去作为用户去设计这个系统的接口，以及设计这个系统的拓展性。 这，这是这是第一个挑战，怎么样让 ai 觉得这个东西是好用的，这可能是很重要的。第二个就是成本，正如我刚才说了， ai agent 来去生产代码，去实现这种需求的速度和效率是人类工程师永远比不了的， 它可能就是一个这个走路跟开车的这样的一个区别，但这样这种区别会带带来一个巨大的这个 scalability 的 challenge， 对 于这个这个 inforce 来说，所以过去其实 第一波的这个挑战在于算力，但我觉得慢慢的，尤尤其是大家去把这些啊，不管是啊，训练也好，推理也好，不管从硬件和软件上各种进步啊，我觉得 暂时解决了一波，但我觉得下一个巨大挑战会对于存储的这个这个算力啊，存储的技术设施从硬件到软件上都会有一个特别大的挑战，可能大家的这个视角会从 gpu 短缺变成到这个硬盘内存短缺，现在已经开始出现这个趋势了。对， 所以我觉得短期的未来可能更大的挑战是在数据这一侧。嗯，和技术设施这一侧，其实像您刚才提到一个很重要的趋势，但就是未来所有的软件它都会， 就是开发成给 ai 使用，而不是给人使用。那其实像作为数据库的话，其实您之前也一直都在提到说未来 data base 它就是给 agent 用的，而不是呃 dba 或者是数据工程师？对，然后，但其实我特别好奇是给 agent 用的数据库和给 人类工程师用的数据库，它两两者之间的本质区别在哪里？然后以及像，对于像 pickcap 的 话，你去开发一个给 agent 使用的数据库，它的挑战性是什么呢？嗯，第一，我觉得一个特别大的区别就是 flexibility， 就是 它的灵活性。 因为就像我刚才说的，由 agent 来去使用这个数据库，或者说是让 agent 的 构建应用，它会满足非常多的这个这个东西。 因为如果是对于人类工程师来说，哎，你可以说啊，这个东西就这么用，你就一个 k v 或者说一个这个，呃，这个，这个简单的这个接口，它就是一个文件系统，你就用吧。 但是呢，对于 ai 来说，你最好的办法是提供一套灵活的这个接口，让 ai 自己发挥自己的创造力。所以这里面去对于设计这个软件的 interface 这一层，我觉得需要下更多的功夫。对，怎么用一个 最简单同时最符合直觉，我这里指的是符合大语言模型的直觉去设计一个最小化的接口，但是它基于这个接口又能干最多的事情。 这样的一个例子，我觉得是 cqsl 这个语言，其实它是一个这个这个操作数据库的语言，对吧？这个语言它其实本身能够表达很多事情 过去。可能 dba 想了半天啊，我写了一个 c 口，但可能 ai 这边，哇，这个，这个一秒钟给你生成一百行，就是很复杂的东西。这是我觉得一个很好的一个例子，就是一个 unified 的 interface 能够让 ai 去干很多事情。第二个这个特点是一个，我觉得 东度就是不要做的一个事情，就是把数据分散开，这个是 ai 很 不喜欢的。比如说，哎，我的照片在这，我的这个文档在这，我的这个交易数据在这啊，我的向量数据在这， 其实对于 ai 来说他更擅长或更喜欢的方式，就像我刚才说的统一的这个是是一样的道理，就是他最好能够在一个系统里边完成所有刚才我说的这些数据的访问 啊，因为你的这个数据的孤岛其实对人类来说很不爽，但对于这个 ai 来说他其实更不爽，对吧？因为这这里边涉及到很多这些交叉和这个，呃，要花很多无无谓的这个图腾去去做这种数据打通的事情，其实是很对于 ai 来说是很不开心的。 对，第三个这个特点我觉得是成本，就是过去，其实我们对于 成本的预估，因为你这个这个应用可能是提前去做好，或者说就是会，至少人类这边做的东西大多是静态的。我知道，哎，这个东西是一个限行增长，每年我的技术设施买十台机就够了。但对于 ai 来说，它再去使用这些，不管数据库也好还是其他技术设施也好，它是有一个。嗯， 第一你的成本一定要能够控制住你，你不能说，哎，这个随着这个量大了，然后这个，这个这个收不住，对吧？这第一个，第二个就是极致的弹性， 对吧？因为我刚才说到其实很多需求是个长尾的需求。比如说你一句话给你这个家人做了一个这个家庭小网站 啊，这个小网站你不希望说他是，呃，这个只能访问一下，以后就访问不了，还是想去访问他。但是你想象一下现在这些这些小型的这个服务，他的本身的 hosting 是 就是成本是很高的，然后未来像这些这些服务 变成变得越来越多，越来越简单的时候，你可以认为他就是你底下的基础设施和这层怎么控制这种爆发式的这个，这个这个应用的这种部署的成本这块啊，我觉得 啊，其实还是挺挺难做的一件事情啊，其实我们在这方面有一些探索啊，就是我稍微总结一下，就是 unified 的 接口，让这个 ai 能够用最简单的方式去表达灵活的需求，这是第一个，第二个不要去把数据变成一个数据孤岛， 第三个就是极致的弹性和成本控制。其实我觉得这三点其实是当下如果要去设计一个给 ai 的 技术设施，尤其 ai 智能用的技术设施的时候，一定要去考虑的事情。 明白，那其实我们也可以展望一下二零二六年，因为二零二六年也快到来了嘛。就是像您觉得对于数据库行业来说， ai 下一个非常重要的场景可能会是什么呢？对啊，我，其实， 嗯，作为提供给 ai agent 公司做数据库呃服务的开发者来说啊，呃，就像其实刚才我反复再提到的， 对于这个数据库的使用者的主体在发生变化这件事情，现在我看到了像 madison 这样的公司，在它的那个最新的版本里边 已经开始在使用大规模使用这样的这样模式了啊，所以我觉得接下来会越来越多的这种 a 卷的公司会使用类似的这个这个模式， 所以啊，这点上我也不敢预测什么，但是我可以说现在我看到了一个特别大的趋势，就是比如说我在我的云服务上，现在每天超过百分之九十五的新建的这个数据库，实力已经是由 ai 卷去创建了。对， 这是一些啊，我觉得明年这个数字可能会变得更加极端一些。是，所以就其实像，就是这一个 a 证的变更没有我们想象的遥远，他其实已经是真正落地到各个场景当中。 是，其实像您作为就是 reinvent 这个活动五年的老朋友的话，其实像除了主论坛之外的话，你还会特别关注哪一些？呃，比如说像，呃 圆桌也好，或者是展览也好，就是我特别好奇，像您有就是推荐给我们的观众朋友或者是给您自己朋友的一些就是环节吗？嗯，第一，反正我我大部分时间都是泡在那个 expo， 就是 那个展展会上面 啊。第二，推荐的就是来我们的 boss 看看，哈哈哈，对，我们其实基本每年都会在那个 renren 的 expo 里面去去放一个展台，然后 啊，但这几个做广告啊，但是我觉得就是在 xbox， 你 可以去聊到非常多的这些，不管是大企业还是这种创业型的企业，他们都在干嘛，对吧？我觉得这可能是去比去听 talk 要 更更有意思的一个事，因为啊，但这个这个 prevent 的 这些 speech 或者 talk， 大家未来都可以在 youtube 上或者说在在视频晚上能够看到回放啊，但是 这么一个集中的场合，能够去跟在云和这个软件领域这么多的厂商有一个这个近距离的交流的机会啊，我觉得还是很难得的。所以 啊，可以多去这个 xpo 看看。嗯，都是互联网上获取不到的知识和数据。是的是的，是，对，那像就是今年的 xpo， 您觉得就是和往年相比的话最大的不同。嗯，可或者是改变是哪里呢？ 嗯，人人都在说 ai story， ai story， 对 对，就每一家公司都会有一个 ai story， 我 觉得这是啊，这是很不一样的。嗯，第二个我的个人体感来说啊， 我不知道为什么，好像今年的这个好像观众更多了一些啊，就是大家热情好像更高涨了一些，我也不知道为什么，因为对比去年的，呃，这个展会的感觉，今年明显大家低于人数，但这是我没有数据，但我的体感人变得更多，大家这个交流可能会更加的这个 这个这个这个多一些。嗯，感觉又热了起来。对啊，其实，哦，还有还有一个在 xbox 里面我觉得特别值得去参加的一些活动，就是很多厂商他自己会在他的展台上去讲一些 talk， 可能都是那种十五到二十分钟的小声的 talk。 那 些那些 talk 我 觉得还挺值得看的啊，如果你在 rewind 本身的那些 session 啊， 就是有些感兴趣的话题，他是由第三方啊来提供的话，你你其实可以跑去那个展展台去听，直接人家这些 one 的 第一手的分享啊，这个挺有意思的。嗯， 其实您刚才也提到一个很重要的概念，叫做技术民主化。对，其实我也特别好奇，在真正的就是这个技术不贵的时代到来的话到来，在那个时候对于开发者也好，对于创业者也好，您觉得可能最稀缺的一些品质和最有价值的一些事是什么呢？ 对，我觉得会会是一些跟人更相关的东西，比如说好奇心啊，比如说勇气， 是吧？就是，嗯，因为现在不管是通过这个 coding agent 还是其他的各种各样的 ai 的 工具，你想要做成一件事情的门槛其实比以前是要低太多了， 但是呢，现在最大的门槛变成你有没有想法，你有没有好奇心，以及你有没有勇气去迈出这个第一步。所以反而我觉得随着 ai 的 这个这个段子，这个发展， 大家对于人的主体性可能会被重新的这个就唤醒起来。所以，呃，可能对于未来，不管是开发者还是对于普通人，呃就是 对世界保持好奇以及去做出一些变化的勇气啊，这可能是特别重要。 其实最后一个问题也是想问问您，就是其实到今年的话，整一个 ai 大 模型浪潮已经爆发三年的时间了，就是在这个三年时间里，您觉得有哪些事情是让您打破以往就是对整个科技行业也好，对整一个技术变更也好的一些认知的？嗯， 我觉得一个非常但跟技术比较相关，呃，让我一个惊讶的 moment， 呃，不能说 aha moment， 呃是其实是在今年年初，呃， dippie r one， 呃，开源发布的那个那一项， 嗯，大家想象一下，就原来可能大家在整个这个行业里面，不管是开源的模型啊，还是这些闭源的这些大的这些，呃， 就是就是 ai 的 厂商都有一个尼斯，就是规模，我我我的模型一定要大大大大大大大， 呃， deepstack 其实做了很多开那个，尤其是 r one， 其实做了很多开创性的事情，就是第一个事情就是 我在一个较小规模下，但是通过一些方法我就不展开技术细节了，能够让这个模型的这个效果和智能上一个台阶，其实直接去把 reasoning model 这件事情就是民主化了。所以我觉得到那个 moment 的 开始， 大模型已经足够聪明去做一些有用的事情了。所以如果在那个 deepsea 阿 one 出来之前，我们去谈 agent， 其实是就不 make sense， 因为模型本身的这个智商其实不太够。但在那个那个那个瞬间之后，我觉得不管是开源的模型还是闭源的模型啊，就是 的一些就是方法吧，我觉得呃已经就是能够 smart enough to do something useful。 另外一个在 deepsea r one， 呃让我带来比较震撼的一个瞬间是，呃关于大容量的成本，其实过去大家如果去看像 openai 或者说一些大的这些，呃 之前的一家公司就就说哈，我需要更多的钱，更多的算力，然后现在我亏的非常多，要输血，哎，但这个这个直接跳出来说，哎，我通过 system 上的一些优化，以及一些这个 呃很扎实的这个工作，我，我这个成本其实是非常低的。其实我觉得这个是如果在圈外很少人注意到这个点，嗯，但是从那个时间点开始，我觉得 呃这个模型或者 token 的 cost 开始显著的在下降，而且这个趋势我觉得到现在还没有变，就是未来整个大衣模型的服务成本我觉得会低到 这个，这个跟大家现在喝这个喝的水啊，或者说用的电其实差不多是一个，这才是技术或者说 ai 民主化的一个基础。就如果他，他是一个这个谁搞谁亏钱这样的一个事情，他其实没有民主化的基础的。所以我觉得啊，一个是 智商，一个是这个成本啊，在在那个时间点上，让我觉得这个事情终于从一个实验室的东西变成一个可能真的改变世界的东西。嗯， 您觉得这个是在您预期之意料之外的一个变化，是吗？对，那这件事情的发生，对您就是对未来，就比如说整个科技行业的发展会带来怎样的一些影响呢？你觉得像 deepsea 这样的改革者还会继续出现吗？我觉得肯定会出现。嗯啊，就是，嗯， 这么说吧，我觉得科技的发展其实很多时候都是某一些很 这个特定的事件，然后一下出来，包括我的全息笔记的这个发布，是一个很典型的这样的一个事件，突然一下把整个人类带到另外一个台阶，然后过去，呃，然后之后的很长一段时间，大家就再去把这技术是什么东西都给补起来，然后再到某一个时间啪，又一个一个跳跃式的发展 啊。所以我觉得肯定未来，因为现在有太多的 open question 值得去解决，但是没有去解决啊，很多东西还没有标准答案啊。所以 啊，再加上包括像这种抠钉 a 针的越来越强，包括我自己，其实写代码现在我觉得我又行了。就是就是，对啊。嗯，整个我觉得这种创新的第一创新不会停止，第二创新速度会加快，这是我觉得还是挺挺有信心的。 所以就是总结起来就是说我们就要看到现在其实是一个向上走的一个泰式，就包括像 a 制，他其实落地已经开始了。那同时呢，我们还是要关注基础设施的问题，然后慢慢把基建做好。那今天呢，也特别感谢东西老师的分享，然后也感谢大家观看这一期的拉丝有约。 好，谢谢谢谢。

各位，眼下的经济如果要好啊，你只需要关注两条指标，第一，中国制造的所有商品中，中国人能够自己吃得下的比例。第二，真正具有消费能力的群体占总人口的比例。 因为眼下的情况，关键的关键它就是消费的问题。过去三十年，在分配端真正受益的群体，既有能力消费的群体占总人群的比例太小，或者直接就不在家里消费了。而占总人口绝大多数的普通人，则没有消费能力。 只有让人值钱了，消费才能变好，经济才能变好，日子才能慢慢变好。一定会有人说，这个是否具有消费能力这个标准没有办法量化。是的，没问题，但很多现有的却被忽略的数据，却完全值得参考啊。 比如我举个例子，每百万人口拥有商业综合体的数量及商业综合体的销售总额，中国两千多个县，绝大多数的县城都养不活一个万达啊。通常啊，沿海地区要三十万人口以上的县才可能支撑得起一个万达或是五月印象城这个级别的商业体的销量。 在中西部地区，则需要五十到一百万人口的县城才能撑得起这样的一个商业体。眼下，看经济，你就得看消费数据， 看 gdp、 看固定资产投资都参考意义不大。看消费数据，你也别看社会消费品总额，参考意义也不大。反而是这种被视为边角料数据的商业综合体数量啊，星巴克密度等数据更值得参考啊。 美国一万人的小 ct 就 可以撑得起三到五个商业体，日本一百万人口的城市就能拥有爱马仕、 lv 等奢侈品一条街， 而在中国内地消费，即便是最强的上海，两千五百万人口，有规模的商业体数量也就六七百个。要知道，这个已经是最高密度的上海了。这种中外对账啊，不是引战，而是请你认清消费能力的差距。 商业体的密度这个数据为何这么重要？原因我说几点啊。第一，判断一个人他是否具备消费能力，在不在商业综合体内，消费就是一项重要的指标。首先，现代人的绝大多数消费场景都能在一个现代化的商业综合体里能够找到， 不仅包括传统的购物、餐饮、看电影，甚至包括教培啊，酒店啊，足浴按摩啊，密室逃脱等等。 其次，一个人的消费构成里，如果几乎没有商业综合体的消费比例，比如他买菜就是去菜市场，出门就只吃街边店，下楼只要买包烟或者买瓶牛栏山或者打个酱油，那基本就能判定这个人他并不具备真正的消费能力，或者他根本没有消费的意愿嘛。 第三，商业综合体里普通的工业品可以得到服务增值工业品的才能在眼下的时代已经完全不是经济的晴雨表了，服务附加值才是真正的晴雨表。服务附加值可以创造出更多的就业岗位，可以让人变得更值钱。 商场里卖十块钱的面包，他可能一天卖出去一两百个，就能养活提供几个就业岗位。但淘宝和拼多多卖一块钱的蛋糕，一天生产几万个，也不一定养得活流水线和工人啊。 简而言之，在有制造业增值的消费场景里，每一块钱的消费就有更多的部分流向了人工。 第四、三产物业的从业人员，他同样也是消费者，而且消费意愿更强。一个从事物业月薪五千的人和一个厂里打螺丝月薪五千的人，前者的消费能力、消费意愿远高于后者。 一个地区，他的消拼毛数量增加一倍，就代表他的地区消费能力增加了一倍吗？事实上，远远不止， 因为这个消费魔力新增的所有就业岗位，他同样也是消费者。二产从业人员他不能反哺二产，三产从业人员却可以反哺三产。一个给你做足浴的工作人员，可以下班后立马拐进美甲店，做个美甲厂里打螺丝的，他就算想去， 他也得凑个周末啊。哦，对了，打螺丝还不允许做美甲以上啊！真的希望大家不要沉溺于宏观经济数据，而是多关心关心这些不被重视的边角料的数据。 一个数据，比如山姆啊，苹果直营店、星巴克密度等等，破防的人越多，则说明问题的关键就在这。