sora为何被openai放弃
曾经统治全球社交媒体的 sora， 竟然在二零二六年开年撞上了南墙。最新数据显示， sora 的 下载量和收入在一月份双双遭遇滑铁炉，下载量直接腰斩，暴跌百分之四十五。 到底发生了什么？答案只有两个词，版权与合规。为了规避法律风险， openai 给 sora 套上了沉重的枷锁。 你想生成的明星想引用的经典电影桥段，甚至是一些稍微敏感的视觉创意，通通被系统拦截。当创作者发现 ai 生成的视频越来越像 样板间一样千篇一律时，自由度更高的竞品们正在疯狂分流。这不仅仅是 sora 的 危机，更是整个 ai 行业的十字路口。当技术撞上版权的红线，创新的边界到底在哪里？ 二零二五年，我们还在惊叹 ai 的 无所不能。二零二六年，现实就给我们浇了一盆冷水。 zora 的 滑铁炉或许正是 ai 视频回归理性的开始。你觉得 ai 视频创作应该为了版权而牺牲自由度吗？评论区欢迎发表您的看法。
粉丝189获赞2023
相关视频
01:17查看AI文稿AI文稿去年十一月， openai 推出视频生成模型 zora 及其独立 app， 凭借经验的物理理解、音画同步和长剧情生成能力，上线四天就取代 tiktok 登顶 apple store 免费榜榜首，堪称天湖开局，但势态发展很快就让人大跌眼镜， sora 首日用户留存率仅百分之十，长期留存更是惨淡，原因很简单，难用还贵。 sora 不 支持局部剪辑，只能靠反复调整提示词获得理想成片，免费生成额度也从一百降到十个，付费则高达十美元，仅二十五个额度。别家平台内容限制严苛，推荐算法和内容生态缺陷， sora 很 快黯然落幕。 sora 的 量生成原因是经济性愈冷，让我们引出一个概念， t c o a i。 算力的总拥有成本。 sora 生成视频需要调用堪称电力黑洞的庞大计算机群，面对美国高昂的工业电价和紧绷的电网，成本压力可想而知，这也是顶级闭源 ai 的 共同 困境。反观中国，优势在于正向循环的 ai 生态，软件普遍开源，使用门槛低，硬件和能源上有电力保障和规模化成本优势保障用得起之外，我们还追求用的省力、空转， 像领存、 m r d 码这类前沿技术，就能在发送端赋予数据自恢复能力，从源头避免重传和浪费。 soara 降温是明确的分水岭， ai 想走得远，必须是从炫酷 demo 转向规模化盈利的追求。
11领存数码
00:56查看AI文稿AI文稿solo 二彻底翻车，别再当冤大头了，也别信网上那些吹上天的话了。最近是不是被 solo 二整蒙了，打开就崩以及深层失败？还以为是自己网的问题，其实早在几个月前就爆出经常性宕机的新闻了，其实根本不是单一点的故障， 三点给你们说透。首先，免费用户从一月十号开始就被官方直接限权，压根不能深层， 不是崩了，是没权限。第二，付费用户总提示负债过高，核心是收入二烧算力太狠， open ai 扛不住，全球用户挤着用。第三，一月中旬和下旬两次系统宕机， 大量用户被风控拦截，全网都用不了。最后郑重提醒，不要听信网上那些低价接口，出了问题连人都用不了。最后郑重提醒，不要听信网上那些低价接口，出了问题，全流程操作。
99名萃漫剧
01:30查看AI文稿AI文稿openai 把那颗捂了两年的核弹 sora 二点零终于扔了出来。看完演示，我手心全是汗，这回好莱坞真的是要慌了。 还记得两年前 sora 一 点零刚出来的时候吗？虽然画质很炸裂，但那是哑剧，没声音，而且人物走着走着脸就崩了。大家当时还安慰自己没事， ai 也就是做点空镜，拍电影还得靠人， 结果呢？ siri 二点零今天狠狠地抽了所有人一耳光，他不过画质能达到八 k， 最恐怖的是他开口说话了，声音、配乐台词居然跟口型严丝合缝，而且那个女主从第一秒到最后一秒长得一模一样，再也不会变脸了。 这意味着什么？意味着摄像机这个东西在今天正式沦为了古典乐器！以后谁还去横店？谁还去请那些一天几百万片酬的明星？你只要有一个剧本，有一台电脑， sara 二点零就是你的灯光师，摄影师，也是你的全套班底演员。说白了，影视行业的门槛今天被彻底踩碎了。以前拍电影那是资本的游戏，没几个亿，你别想现在，哪怕你只是个普通老百姓，只要你脑子里有故事，你就能拍出一部流浪地球。 我是文思，我不怀念那个只有大导演才有花有钱的时代，我只兴奋这个。只要有脑洞，人人都是斯皮尔伯格的疯狂世界。 最后问大家一个细思极恐的问题，当屏幕里的那个人说话表情动作都跟真人一样，却完全是算出来的，以后刷视频，你还敢相信那是真的吗？评论区告诉我你的答案！
96文斯说AI
02:38查看AI文稿AI文稿我去年就在说， oppo i 很 有可能成为齿轮每股压死骆驼的最后一根稻草，刺破 ai 泡沫。而现在，这一猜想正在接近现实。我们来看最近的一系列事件，首席科学家和副总裁相距离职， 为了保 chad 的 gpt 的 研发， sora 和 dle 团队被边缘化，二零二六预计仍将亏损一百四十亿。但更重要的是，面临 jammer 和 colod 等大苗型的围角，市场份额持续下滑，先发优势一点点被蚕食。为什么会这样？主要是两点。 第一，对大模型这种编辑成本几乎为零的产品来说，如果竞争积累，那么它最终会变为公用事业提供商，比如电力、移动网络等。 这意味着，一旦技术的互成格消失，商业模式就将完全被颠覆。所以现在欧鹏 i 一 门心思将赌注压在了 g p t 五上，希望能有脱胎换骨的变化，继续维持领先优势。 但我们要知道， ai 训练所需的算力是昂贵的，而大智，而大模型的智能水平受到摩尔定律、现有数据耗尽等限制，提升是越加缓慢的。一旦撞上叹气之墙，整个 open i 的 估值模型都要重塑。 所以 openai 的 当务之急并不应该是提升智能水平，而是在还拥有领先优势时，迅速建立生态圈和商业互成合。之前做的不错，绑定了微软，但代价太大，被微软拿走了利润分红权。这直接导致了他在后续与苹果的合作中败给了谷歌。因为给不出更多的筹码， 所以通用技术不值钱，只有商业模式和生态才值钱。一旦股东和合作伙伴意识到 openai 变现困难，甚至公司都面临解体。 第二点也是更重要的一点， sam 奥特曼不是产品经理，不是技术奇客，更不要说像马斯克一样的企业家了，他的本质是个贾跃亭一样的操盘手。 我们看看他投资的企业，除了 openai 以外，世界 b 核聚变、芯片制造、锐变、巨深智能等等，所以他不会将赌注都压在 openai 上，这意味着一旦有任何风吹草动，他都会撬挑子走人，而不是像马斯克一样在决定中逆袭。 所以现在 openai 就是 在走钢丝，它只能赌在前，稍晚之前， gpd 五横空之术出世，再度创造奇迹，引领 agi 时代的到来，否则一切都将崩溃。 而 openai 跌落神坛，也必然会引发美股 ai 板块的大地震，特别是与其深度绑定的微软，因为微软整个 ai 体系都是建立在其之上的，二者一荣俱荣，一损俱损。 oppo 就 像一个溺水的人，抓住了微软这根救命稻草，结局只有三种，被同伴救起，拉同伴下水，同伴断壁求生，送你去死。你觉得会是哪一种？关注我，带你看透财富真相！
121麓山财经
10:27查看AI文稿AI文稿openclaw 的 创始人加入了 openair， 上一个视频就说 openclaw 虽然火了，但是从商业上它能不能走出来，这个还是要打一个很大的问号的， 它只是证明了个人智能助理终端这种产品形态的可行性啊，未来各个大厂一定会跟进的。开源项目怎么样去做商业变现，这一直都是一个最大的难题，靠捐献始终是走不通的。通常呢，商业公司都会 针对同一个产品形态推出一个开源版本和闭源版本啊，闭源版本的功能更丰富，安全性更高啊，更加的开箱即用。而开源产品呢，更多的是推向即客社区，用来提升自己的社区影响力啊，用来扩大自己的用户基础，甚至用来获客吧。 而像 openclaw 的 创始人呢，他本身已经获得过啊，商业上的成功啊，他之前的创业项目经历了十三年，成功的卖给了大公司，自己也基本上财富自由了，所以他再来做事情，肯定是因为自己的兴趣作为出发点的啊。那么最终他愿意加入 openai， 在 这样一个大平台里面 继续的来跟随自己的内心，跟随自己的兴趣，去打磨自己能够兴奋的产品，而不用考虑过多商业的问题，这个是最好的选择了。 不过也可以想象到啊， open claw 这个产品虽然还会持续保持开源状态啊，独立运作，由基金会来支撑，但是它的发展速度肯定不会像以前那么快了。 open claw 的 创始人本人也必然要拿出更多的精力放到 open ai 自己的啊商业项目当中去。其实未来作为普通的用户大众啊， 非极客出身的人，可能更需要去关注的反而是 open ai 这家公司最终会推出的个人智能助理终端产品。 open colo 的 创始人本人肯定也会把更多的精力放到这个商业产品当中去的。 open colo 创始人在加入 open ai 以后啊，发布的公开信里面讲他为什么要加入 open ai？ 第一呢，他去访谈了 openai 的 各各个创新实验室，看到了很多还没有公布的啊，令人兴奋的前沿技术和前沿的产品形态。第二呢，就是 openai 本身强大的算力基础设施，让他啊感到 非常兴奋，或者说没有后顾之忧吧。今天一家大模型公司是否有足够的算力来支撑啊？ 一线员工随意的做实验啊，这已经是吸引人才最重要的一个要素了啊。同样一个最前沿的大模型人才，他在选择公司的时候，大概率不会选择薪资更高的那家公司，而是会选择算力更多的那家公司。 因为今天所有大模型的前沿创新都是要靠算力去跑实验来验证，最终都是实验跑出来的嘛。 那如果你公司算力比较紧张，一线员工普通人能够分配到算力就很少，或者要排很长时间的队。而如果你公司内部的算力非常的强大，算力非常多啊，说白了卡非常多，那么你就能够为 最一线的员工随时分配可用的算力啊。这个对于前沿人才的吸引力是巨大的，我之前的视频里面也说过这一点，就非常像二十年前，三十年前，优秀的科学家都会留在美国，而不是回中国发展，为什么不是他们不二不爱国，而是因为美国的实验室条件更好，他们回了中国没有基础实验条件，很多的想法 没办法通过做实验去验证，那就不会有科研产出啊，今天的大模型是一样的局面，抛开这个不谈，那么你 openclaw 作为一个 aint 工具是吧？所谓的大模型的套壳产品，你又不去研发大模型，那么 openai 的 强大的算力跟你有什么关系呢？这个为什么会成为 openclaw 的 创始人加入 openai 的 巨大原因呢？ 那么我在以前的视频里也说过，其实今天一家大模型公司是否强大，表面上是看他拥有的模型是不是强大，更长期的来看是这家公司的模型训练能力， 模型训练的能力，这个是这家公司真正有价值的地方。我们今天这些软件从业者做大模型创业啊，可能只能去开发基于大模型的应用程序，去开发智能代理，去开发 agent 啊， 最后我们调用的都是通用的大模型，但其实你要想让一个智能代理产品真正的好用啊， 那么这个研发工作啊，这个研发流程里面一定会把触角深入到前面这个智能代理的壳的背后的，一定要把手伸进大模型里面去的。什么意思？那么我的大模型一定是要针对我这个智能代理软件去做特别的优化的， 今天我们能让通用的大模型符合我们意图的去工作，无非只有两条路，第一呢是上下文工程，二，在上下文里面给他非常具体的场景指令啊， 比如说开头都有一句话，哎，你是一个个人智能助理，你要怎么怎么样？比如说 opencloud 的 上下文里面啊，他一定会在每一次对话的上下文里面给我们追加上前面这一大段说，哎，你是一个个人智能助理啊，你现在拥有了一台电脑啊， 你可以看一下这个电脑里面有哪些工具可用，你的角色是电脑的操作员等等等等，会告诉大模型它现在所处的环境，它的主要工作范围。 每一轮对话里面， openclaw 都会把这一段话加在上下文的最前面。可是为了达到同样的目的，我同样可以对大模型进行后训练啊，让大模型本身就是针对这个任务场景来优化过的，这样一来，我就不需要每次在上下文里面有很踊跃的前置条件了， 这显然是会让我整个的智能代理产品啊，它的体验会更加好的，这个道理非常简单，为什么今天切 gpt 似乎它的写作能力更强一点？为什么 osropik 的 cloud 模型，它的代码编程水平更强一些？因为它们背后的大模型一定是针对特定的任务方向做过优化的啊，今天切 gpt 背后的模型一定是针对切的 gpt 这个 优化的，那么未来要让 openclaw 这样的个人智能代理终端产品真正的好用，它背后的背后的大模型也一定要针对 openclaw 的 这样的工作场景、产品形态进行特殊的后训练优化， 整个的交互体验才会更加的丝滑。这也是 openclaw 创始人为什么会被 openai 强大的算力集群所打动啊，他一个做套壳应用的人，为什么会这么关心算力？这只手一定是会伸过去的啊，我们这些做软件的啊，创业者 未来也一定是这样的路径，先用通用的大模型套上我们应用场景的壳，变成我们针对特殊应用场景的一个智能代理产品啊。 当这个产品有了广大的用户基础啊，我们需要一步一步增强它交互体验的时候，我们这个手一定会伸向它的背后啊，伸到大模型端，我们要去看一看能不能针对这个大模型进行相关的后训练，针对我们特殊的业务场景来做优化，而不再是一个通用大模型了，让通用大模型变得越来越像是一个专用大模型。 当然大模型的啊，训练成本非常高，哪怕是后训练微调的成本可能也不会很低啊，也不是普通的开发者就能够承受的。所以他是当我们的智能代理产品发展到一定阶段以后，我们才要去做的事情，一开始就不要去考虑这个东西了啊， 完全通过我们的上下文工程，通过提示词优化啊，就能够达到我们想要的目的。这个是从 open 创始人加入 open r 以后，我们去发散的想到的第一条线啊， 他作为一个对产品有极大热情的人，把打造一个世界流行的智能代理终端产品作为自己梦想的人啊， 单单再去做套壳应用，已经很难达到这样一个目的了。所以他要加入 open ai， 利用 open ai 强大的算力，利用 open ai 强大的模型训练能力，来为自己的这个智能代理终端训练专用的模型，再叠加上这个智能代理终端的软件的壳，再叠加上前边特殊形态的硬件， 最终才能形成一个消费级的在全世界流行的智能代理终端产品啊。这样一个产品，一定是去吊打 openclaw 这个开源软件的啊。所以 openclaw 这个开源软件，在未来那个智能代理终端产品的面前啊， 它就只是一个开路先锋，它就只是一个验证关键假设的一个 mvp 啊，一个最小可行性产品，它的历史使命可以说是已经完成了， 也许社区会去接过 openclaw 的 后续迭代， openclaw 也会有很多分叉的版本，但是 openclaw 的 创始人本人应该会有越来越少的精力分配到这个亲儿子身上啊，他应该会去抚养另一个亲儿子去了。 好，那么这条线我们先放下不说，再回过头来说。第二条线就是 openclaw 创始人加入 openr 以后，他会打造的下一款消费级的啊，不仅仅是引爆全世界的个人智能代理终端产品到底是什么样子啊？ 这个定义里面没有一个词是没有用的啊，个人而非企业，一定是面向个人的，就像今天 openclaw， 大家都是个人在装在使用智能代理，也就是我们所谓的 agent 啊，如果更加语义化一些啊， 更加抛掉一些技术概念的话，应该叫智能助理，个人智能助理，而不叫代理。代理还有一点技术角度的含义啊，终端啊，终端也不能去掉。今天如果你只是一个智能代理 产品啊，你可能是一个 app， 你 可能只是一个应用啊，比如说我们用的编程软件，我们用的接了大模型的笔记应用等等啊，他都是智能代理，或者叫智能助理，但是 他还不是终端啊，那么 openclaw 创始人他要做的一定是一个终端，个人智能助理，终端啊，产品。所以我们要着重聊一聊终端的含义。 在上个视频里面，其实我讲了这一点，就是 openclaw 它为什么能爆火？它跟 claw 的 pullwork 这个产品的区别是什么？就是我们给了 openclaw 一个自台自己的一台电脑，我说相当于我们请了一个助理啊，这个助理不要再跟我 挤在一台电脑面前了，而是我给这个助理买一台单独的电脑啊，助理使用这个单独的电脑去进行相关的操作，我想让他干什么，给他发消息就行了。这个是终端的含义嘛？ 它不仅仅在是一个软件了，而是一个硬件设备。你想想看，我们买个 mac mini， 把 openclaw 装进去，它就是一个硬件设备，就是一个终端啊，摆在办公桌上。好，现在我们的落脚点已经放到了终端上啊， 这个终端到底会是什么样？会是什么形态？今天这个时候，这是一个非常非常值钱的问题啊，也非常值得去思考。作为我们相关的从业者，不把这个问题思考清楚，有可能就会让自己的 产品方向走偏掉啊，偏离了大趋势。作为一个消费者，能把这个问题想清楚也有价值，可能会让你在一些边边角角的不那么重要的智能代理产品上，不管是软件还是硬件上，少花精力，少花钱啊，围绕这个主要的趋势，花精力花钱去体验啊，也不要把自己的这个消费方向啊 走偏调好。那么切换一下上下文啊，这个上下文窗口已经满了，切换一个上下文，开一个新的绘画窗口。我们再来接着去发散的聊一聊关于这个终端的话题，做一些畅想吧。
00:41查看AI文稿AI文稿sora 又淡季了，我们这两天工作基本上全停了，包括从工作流到视频的生产全部停工。我们现在每个月有大几千条视频要做，这两天一停下来，好多甲方来催我交视频， 现在确实没什么好的办法，只能希望 oppo ai 可以 早一点把它的赋载给它解决掉，让我们能用上稳定一点的 solo 二。其实在这个期间我们用了一些国内的单模型，也用了一些国外的单模型 风格，看起来那个 vivo 三是最有可能成为替代 solo 二的一个产品，所以我们最近也在用这个 vivo 三做一些短视频，但是试下来你会发现它的价格 hold 不 住，它会比 solo 二的价格要高很多，它的画面有一股很强的电影感， 它不太适合去做一些日常风格的带货视频，所以我们还是要等 solo 二恢复正常的时候才开始做我们的视频，这两天就相当于给自己放了个假。
174请叫我轲总
05:38查看AI文稿AI文稿太离谱了，这个访谈啊，我建议所有想学 ai、 想换赛道的人反复观看。这个叫 gabriel 的 二十三岁瑞典小伙，高中都没读完，跟着表哥呢，出去创业，睡了一整年的合租沙发，零背景零资源起步。 结果五年之后，他直接杀进了欧盟 ai 的 sorry 团队当研究员，拿着和斯坦福 mit 博士一样的顶级薪水，这简直就是年度最强逆袭故事。但这个还不是最厉害的， 真正值钱的是他在视频里把自己这一路怎么学，怎么进顶级公司的方法讲得太清楚了，我把它提炼成三件事， 自上而下的 ai 地归学习法，基于第一性原理的求职方法，还有高反馈密度的成长飞轮法。百分之九十的人不一定能一步到位复制，但只要照着做，绝对能在 ai 时代前进一大步。 而且看完你会发现，未来啊，咱们的孩子不一定要卷数学卷证书卷学历，也能有广阔的天地。我敢说，这条视频能帮你省下几十万的学费。建议呢，先收藏。先说他的 ai 学习法，这套方法呢，特别反直觉，等我看完之后茅塞顿开。想象一下 传统学 ai 的 路径是什么？先啃数学，再学编程，学机器学习，学深度学习。六年过去了，可能连代码都没 碰过，但 gabriel 完全反过来，他想搞懂 sora， 就 直接让 gpt 写出来。代码出来呢，他也不装懂，盯着不懂的地方死磕。这一行在干嘛？为什么要这么写？ gpt 要是讲的太专业，他会立刻喊停，别整术语，像教八岁小孩一样，给我讲个生活里的故事，或者直接画图。比如他让 gpt 解释嵌入这个概念， gpt 跟他说，你把它想象成一家书店，相关的书放一堆，这就是嵌入。 他说，就是这种感觉不是被定义，而是脑子里真的有了画面，然后咔哒一声卡上了。注意啊，这句话必须划重点。其实呢，咱们平时用 ai 的 时候也会追问，也会从问题出发，但是大多数人就是缺了这个，啊哈时刻 other 呢，把它叫做顿悟感，他甚至呢，把顿悟感出现的频率作为了学习唯一的 kpi。 学完之后啊，他还有一招更狠， 就是把自己的理解复述给 gpt。 我 这样理解对吗？你别夸我啊，给我挑错，指出偏差，再追问，再纠正。 他把这个循环叫做地规不动。这里面啊，其实有一个特别重要的心法，那就是一定要对自己绝对诚实。到底哪一块没懂？我是不是在装懂都要一清二楚？ gary 呢，在访谈里经常说这么一句话，我觉得自己就挺笨的。其实这恰恰是他最聪明的地方， 他把我不懂变成了继续追问的子弹，一直打到完全想通为止。就这样，他每天跟 ai 疯狂碰撞一百次，只用了三天时间，就建立了别人读研三年才有的那种技术直觉。再说说他基于第一性原理的求职方法， 这个呀，才是真正的降维打击。艾贝尔说了一句话，我觉得是整个访谈最通透的内容。公司雇你呢，不是因为你有证，而是因为你能帮他赚钱。所以呢，他不卷学历，不卷简历，更不卷面试技巧，只卷一件事证据。 他的求职三步法，普通人都能复课，第一步，做一个三秒钟就能看懂能力的敲门砖。该贝儿说，别写，精通编程没有人性， 你就用 ai， 一 周做一个能用的小工具，网页脚本，发链接，过去三秒钟，对方就知道你是真能交付。第二步也很重要，要过 hr， 直接找老板，因为 hr 呢，只会塞学历，只有老板才看能力， 就直接私信你看，我做了这个，想要免费的，给你们干一个星期，看看能帮上什么忙。他说啊，这招基本都会成功，因为你把对方要不要雇你这个高风险决策，变成了要不要免费劳动力的零风险决定。第三步，这周里面就拼命的交付，疯狂的要反馈， 结果出来， offer 自然就来了。那就算没来，你也拿到了真实的项目经验，继续找下一家，动量呢，就滚起来了。还有一个细节啊，很多人都没注意到， larry 后来申请美国天才签证，他既没有学位，也没有论文，他居然就把自己在论坛上回答技术问题的帖子当做了材料。那些帖子呢，有几百万的浏览量， 结果怎么着？还真有用，这些帖子被判定为等同于学术发表。你看啊，在他表哥眼里的废帖子，竟然都成了他去硅谷的入场券。这个呢，也是我想说的，在这个时代，你的作品就是你最重要的资产。还有一个最大的秘密，就是高反馈密度成长飞轮法 追的资深工程师，拉电话逐条给我评论。更重要的是，他还把 g p t 当做二十四小时待命的顶级四任教练。写完代码就扔过去问这个好吗？有 bug 吗？有没有更简单的写法？这个不是为了偷懒，是为了更快的抵达顿悟，反馈越密，顿悟就越多，顿悟越多，你就越能交付， 交付越多，你又越能拿到更强的反馈。可以说这才是他五年时间就从什么都不懂的高中辍学生到欧本 ai 研究科学家真正的成长。飞轮 表表身上还有一种超级稀缺的素质，极度的主动性。你知道他当年是怎么拿下第一批客户的吗？十八岁的他什么也不懂， 但硬是靠着 ai 提前抓取了对方整个网站，训练了最新的推荐系统，而且打印成一百张对比图。然后呢，就直接去敲 ceo 的 门，指着图纸说，你现在的系统是这样，我优化后呢，能帮你多赚这么多利润， 你要不要试试？让我印象尤其深刻的是，他把客户的每一步疑问都想到，并且提前准备好了答案。这哪里是推销，这就是拿着结果去谈判最后的最后啊，虽然盖贝尔经历很神奇，也有很大的启发性，但是我并不鼓励孩子退学， 房东最后非常反尔塞啊！盖贝尔说，我现在做的这个职位啊，按传统至少要博士才能做，但是我只靠 g p t 就 做到了，这个呢，不是我多厉害，是时代给了我们机会，所以啊，别怀疑，一定要相信自己。 这个访谈真的非常非常推荐给大家，我还整理了十路和二十七个洞察，有需要的朋友呢，评论区告诉我，祝大家开工大吉，我是如子，关注我快人一步，把我 ai 时代给予。
1.6万杨竹筠
02:00查看AI文稿AI文稿如果你想去 openai 工作，常规路径是顶尖名校博士加大厂工作经历。但瑞典小伙 gabriel 告诉你，这太慢了。他十七岁辍学，没上过一天大学，甚至没拿过高中毕业证，却拿到了专给杰出人才的 oe 签证，成了 sora 团队的核心成员。 他是怎么做到的？ gabriel 的 秘密武器叫地归知识空白填补法。传统的学校教育是自下而上，先学微积分，再学现行代数。六年之后，你可能还没摸过真正的模型， gabriel 则是完全反过来的自上而下。他想学扩散模型，第一步直接让 chat gpt 写出完整代码，看不懂没关系， 他对着代码逐行追问， ai 这行 resnet 是 干嘛的？残差连接为什么能让梯度流动？遇到不懂的子问题就继续向下挖掘，直到触及第一性原理。这种学法，掌握扩散模型核心直觉只要三天，而学校要花六年。他每天问 ai 一 百个问题，但他强调，我不是在凭感觉编程， 我是走捷径去理解基础，而不是跳过理解。他会要求 ai 像给十二岁小孩解释一样，打比方，直到大脑里那个 click 的 瞬间出现。在 他看来，大学已经不再垄断知识，如果你不把大模型纳入学习，你就已经落后了。没有学历怎么找工作？ gabriel 只用一招， demo 驱动法。他说， ceo 只在乎你能否帮公司赚钱，与其在简历上写你参加过什么活动， 不如做一个能让人三秒钟理解你能力的 demo。 他 当年的策略是直接爬下客户网站，当场展示优化后的产品推荐系统，直接签单，别去找只会不犯错的 hr， 直接带上 demo 去找能拍版的决策者。最后分享一段 gabriel 击中无数人的话， 百分之七十的人处于永久性轻度痛苦中，因为他们对任何艰难的决定都过敏，只要有什么都不做的选项，就绝不行动。他认为那些所谓的早起跑步等好习惯，如果你不是在做一件真正重要的事，他们毫无意义。关注我，带你提前看懂未来。
146顶级AI观察
00:33查看AI文稿AI文稿现在呢？在上海的虹桥机场，你看机场的每一个人都在拼命的赶路，那像今天英伟达三百亿美元入股 openai， 今年我们春晚狂欢四十亿全民 ai 的 时代真的已经到来了。再看马斯克的 seven cap 的 无人车，没有方向盘，没有刹车，没有踏板， 科幻真的已经照进了现实。当 ai 淘汰人速度的时候，比春运的人流量还要快一百倍。二零年最大的风口其实就是让 ai 为你服务，你不学 ai， 就 只能被 ai 甩在身后。关注我，让 ai 带你超车。
04:43查看AI文稿AI文稿这个小伙子呢，叫盖维尔，二十三岁，高中辍学，但他现在的身份是 open ai 的 研究科学家 sora 的 核心成员，年薪七十万美金。如果你还觉得自己没学历就干不了 ai， 那 你是真的老了。 那盖维尔一个高中辍学的学生，他凭什么？凭他是天才吗？他并非天才，他在采访里亲口说，我不是多牛，而是这个时代变了。 他用了一套 ai 的 递归学习法，把大学生需要六年学的知识用三天时间给暴力拆解。今天我就带你拆解一下这套普通人都能复制的逆袭心法。你想嘛，一个高中生都能，你凭什么不可以？ 首先，传统的大学教育是怎么样的？他是上而下的，先学四年的数学，然后再学编程，再深度学习，最后才能让你碰所谓的视频 ai 投这套流程走完黄花菜基本是凉了，给我给我给我的玩法呢？完全恰恰相反， 叫自上而下递归法。他不懂代码，也不懂数学。他直接对 t p t 说， 给我写一个视频生成模型的代码，难道代码呢？他也看不懂也没关系，他盯着每一行代码问， gbt 这一行是干嘛的？那 gbt 说，这是扩散模型。 还有立刻追问那生活中的例子，帮我解释一下什么是扩散模型，对吧？这种专业词，作为我们普通人，根本听不懂。 g b d 说就像照片，从模糊变到清晰。 那他又继续追问，具体变清晰的数学过程又是什么？我们都知道代码是由数学形成的，听懂了吗？从一个具体的目标出发，遇到不懂的问题就打破砂锅问到底，一直追问到最底层的数学原理， 他每天问 gbt 一 百个问题，还需要让 gbt 检查他的理解对不对。就这么干了三天，他就能上手一个小的 ai 项目了。 这就叫以诈养炼，只学最有用的部分，哪怕是数学，也只学能解决眼前问题的部分。说到这里，屏幕前的你读大学的那些高等数学，你用了多少？同时也反思一下我们 的教育和我们的自学，好，继续有，有他的第一性求知法 更绝了。他说了句大实话，公司呢？作为公司，他只想创造价值。那么你的学历，你的简历，你的面试技巧，全是扯淡的。他教了个三步走，第一步，看作品， 做别做精通的 python 就是 这种废话，因为 python 没几个人看得懂。 花一周时间，用 ai 帮你做一个真实能用的小产品。比方说一个小网站，或者一个小程序、小工具，小程序要让人能在三秒内看懂你说话。第二步， 找老板，不要找公司的 hr， hr 他 只负责筛选学历，他看不懂能力的。记着，在专业方面， hr 一定不如你。你要去推特，去领营上找那些五百家公司的创始人，不是五百强，就随便临时的五百家。 第三步，免费试用。话说就一句，嗨，老板，我做了一个东西，我想免费给你们干一周，你看行不行？我们先拿一个小单元模型去测试， 一百个老板里边只要有一个说 yes， 你 拼命地去干一周，用结果说话， offer 自然就来了。 朋友们， gabriel 的 故事，它不是不仅是一个励志故事，它更是在给旧时代教育体系不管是国内的还是国外的下了一封展书，在 这个 ai 时代，文凭它只是个信号，作品才是你的硬通货。我把该贝瑞欧的采访视频放在了我的公众号，有兴趣的可以去看看， 能帮你省下几年的弯路。别光看热闹去行动，哪怕只是用 ai 协议行代码。我是干妈，只讲实战的 ai 破壁者关注我，下期见。
25GammaAGI
