断魂枪ai创作什么意思

清末明初，西北边陲小镇，洋枪火炮轰碎了冷兵器的江湖。沙子龙曾是镖局第一高手，二十载走镖生涯，五虎断魂枪从未失手，枪尖挑碎过无数劫匪的胆。 可如今，镖局改成了客栈，客栈的幌子在风里晃，他总坐在柜台后擦着酒碗，再不提当年威风。 这日，武痴孙老者找上门，当机耍了套家传绝活，无不生风，拳影如雨。末了抱拳道，求先生教我断魂枪。沙子龙却笑着摇头，早把枪忘干净了，丢了。 孙老者愣住，旁人骂他糊涂，他却转身回屋，任门外喧闹渐远。夜深人静时，客栈后院总传来铁气轻响。沙子龙关紧门窗，一气刺出六十四枪。月光漫过枪身，他沉腰出枪，转身，枪鹰翻飞如蝶， 五虎断魂枪的招式一气呵成。收枪时，沙子龙轻轻叹一句，不传不传江湖换了天地，绝迹终成往事。那杆长枪仍藏在柜底，枪尖的寒光却在未陷于人前。有些东西，丢了是命，不传是魂。

灵儿想我吗？哈哈哈哈各位好汉，今天灵儿有演出今天有演出？滚蛋灵儿今天归我。快快快，好汉饶命， 后台种地不动真铁。 老秃驴你刚才说什么？ 啊啊啊老秃驴会要吗？ 走。 呃，班主神相已开眼此件事了，我们告辞。师傅刚才怎么不给他们变个真驴？ 大哥他们在前面呀。阿嚏 日本人要来了。

今天聊一个我觉得比任何具体框架都重要的问题， agent 工程师的核心能力到底是什么？这个问题之所以重要，是因为每次我发一个新的 agent 概念的视频，评论区粉丝群里一定会有人说这句话，学这些很快过时了。 它们不是没有道理，背后有两个原因。第一个原因，框架迭代太快，学了等于白学 lincoln 从零点一到零点三接口全改了好几轮，拉玛 index agent 的 模块重购了两三次。 如果你学的是怎么调某个框架的某个类某个方法，那确实半年就过期。你今天背熟的 a p i 签名，下个版本可能连类名都不存在了。第二个原因更加重要，模型能力的进化本身就在不断的吞食工程代码。模型上下文窗口只有四千个 token 的 时候，你必须做分块儿剪缩拼接，写一整套 red 流水线， 窗口变成一百二十八 k 甚至更长之后，很多场景下，这套流水线确实不需要了。模型不会用工具的时候，你得写复杂的提示词，教它输出特定格式，然后用正则去解析 模型原生支持 to use 之后，这些代码可以直接删掉。模型推理能力变强之后，很多以前需要 chain of thought 手动引导的场景，现在一个 prompt 就 能搞定。所以有人下结论， a 阵的开发就是给模型打补丁，模型越强，补丁越少，最后工程师就没活干了。 这两个原因都指向同一个焦虑，我现在学的东西保质期到底有多长？我的回答是，取决于你学的到底是什么。因为 a 镇的开发里有两类完全不同的工程， 一类是补偿性工程，它的本质是用外部代码弥补模型能力的不足，窗口太小，你就做分块儿解锁模型不会调工具，你就写输出解析器， 模型容易跑偏，你就手写 chain of thought 模板，一步步引导它。这类工程确实会过时，模型能力一提升，对应的代码就可以直接删掉，说它保质期短，完全正确。 另一类是系统性工程，它解决的不是模型不够强的问题，而是任何智能体在真实环境中工作都必须面对的问题。不管模型强到什么程度，这类工程不会消失。我们回顾一下，从二零二三年初的 plan and execute， 再到二零二四年的 multi agent， 二零二五年的 context engineering， 再到现在的 harness engineering， 名词换了五六轮，但每一次所谓的范式切换，解决的核心问题从来没变过。 今天我就把这些不变的东西讲清楚。先说结论， agent 工程师的核心能力就四件事，上下文管理、 控制流、设计、错误、恢复、反馈、回路。无论你是什么背景的工程师，你一定觉得这四个词似曾相识。没错，上下文管理就是状态管理，控制流设计就是流程编排，错误恢复就是异常处理，反馈回路就是监控告警。 a 阵的开发没有发明新的工程学科，它站在传统软件工程的地基上， 但它多了一层全新的挑战，就是你的核心引擎不再是你亲手写出来的确定性逻辑，而是一个概率性的黑盒模型。就这一个差异，把同样的四件事变成了完全不同的工程问题 在展开之前，先快速对齐一个前提。现在行业逐渐形成了一个共识， agent 等于 model 加 harness， 模型负责智能推理决策， harness 负责模型之外的一切工具知识。上下文管理权限。边界。模型是引擎， harness 是 方向盘和刹车 模型做决策， harness 提供执行环境，模型负责思考， harness 负责让思考落地。而我们 agent 的 工程师的工作就是造车。发动机不是我们造的，那是 antropic、 open ai、 google 的 事。我们造的是底盘、方向盘、刹车系统、仪表盘和安全气囊。 好，前提讲清楚了，我们来逐一拆解这四项核心能力。每一项我都会告诉你，它和传统开发到底像在哪儿，又不像在哪儿。第一项，上下文管理， 你写后端的时候，状态管理是什么？ session 里存用户信息， reddis 里存缓存，数据库里存业务数据，你操心的是数据存在哪，什么时候读，什么时候写，一致性怎么保证。 但你从来不需要担心一件事，你存进去的数据不会影响你的业务逻辑正不正确。你的 service 曾不会因为 reddis 里多了一条脏数据就开始胡言乱语。逻辑是你写死的，数据是数据，逻辑是逻辑，二者境味分明。 agent 的 开发里，这个前提不成立了。 agent 没有你手写的 if else， 它的全部逻辑都是模型在推理时基于上下文生成的。 你为给他什么信息，为的顺序，为的措辞。信息量的多少，直接决定他的推理质量和行为方向。换句话说，上下文不是数据，上下文就是程序本身。所以 agent 开发里的上下文管理至少要解决三个层次的问题。 第一个层次，上下文隔离。当你把一个大任务拆成多个子任务时，每个子任务应该有自己独立的上下文。如果你把主任务的所有历史消息带进子任务模型，会被无关信息干扰，推理质量下降。子任务的独立上下文本质上是一道防火墙，防止一个子任务的造成污染。另一个子任务的推理， 这是为什么？ cloud code 的 子代理模式， open ai codex 的 杀伤执行都在做同一件事。第二个层次，按需注入， 不要把所有知识一股脑塞进 system prompt。 模型需要什么信息，在它需要的时候再给它。上下文窗口是稀缺资源，塞太多无关信息，等于往模型的工作台上堆满杂物，它反而找不到真正有用的东西。 这和我上期视频里讲的 open ai 把 agents md 控制在一百行 anthropic 做 skill， 渐进式加载是同一个道理。 第三个层次，上下文压缩。 agent 的 持续运行，上下文会不断膨胀，但模型的推理能力会随着上下文膨胀而退化。你的数据库不会因为存的数据太多而算错。 c 括，但模型会，所以你需要压缩策略，在保留关键信息的前提下，定期为上下文授身。 从二零二三年 react 时代首写 prompt 模板安排信息顺序，到二零二五年正式提出 context engineering， 行业花了三年才给这件事正式命名。 但底下的事情一直是同一件事。你管理的不是数据的正确性，你管理的是模型在每一个决策瞬间能不能看到正确的、充分的不过在的信息。第二项，控制流设计 传统后端的流程编排长什么样？用户下单校验库存，扣减库存，创建订单发送通知。你写一个 service 方法，每一步做什么，下一步走哪个分支，全由你的代码决定。 agent 的 开发里，下一步做什么不是你决定的，是模型决定的。 所有 a 阵的框架的核心都是同一个循环调模型，模型说要调工具就调工具，把结果喂回去继续循环，模型说停就停，循环本身没有任何业务逻辑， 模型自己决定什么时候调用工具，调用哪个工具，什么时候结束。但让模型自己决定，不等于你什么都不用设计。恰恰相反，你需要设计更精巧的控制结构。比如计划机制，一个没有计划的 a 阵的会漫无目的的漂移。你不写死流程，但你给模型一个先列计划再执行的工具，引导它在行动前先想清楚步骤。 实测表明，加了计划机制的 agent， 任务完成率几乎翻倍。比如任务依赖图，你不写死执行顺序，但你提供一个结构，让模型自己把大目标拆成有依赖关系的小任务，按依赖关系逐步推进，完成一个才解锁下一个。 比如自主认领机制，在多 agent 协助的场景里，你不只派任务，而是设计一个看板， agent 自己扫描，自己认领，自己执行。 看到规律了吗？传统控制流是你斜死的， a 到 b 到 c， a 阵的控制流是你设计一个棋盘，模型在棋盘内自主决策，你不控制每一步怎么走，你控制它能走的范围。这需要一种完全不同的设计思维，从命令式转向声明式、加约束式，和我上期视频里讲的 versusail 移除百分之八十的工具反而提升性能是同一个道理， 约束解空间反而提高了产出。第三项错误，恢复传统后端的异常处理， try catch， 事物回滚、重试，降级熔断。它有一个隐含的前提，假设逻辑是对的，只是执行可能失败。网络超时数据库挂了，下游返回五百状态码，这些都是环境故障，不是逻辑错误。 你的代码本身不会犯错。 a 阵开发里这个假设也不成立了，模型会误解意图调错工具传错参数，甚至产生幻觉，声称已经完成了实际没完成的操作。这不是 bug， 不是 异常，这是概率系统的本性，犯错是它工作方式的一部分。所以 a 阵的错误恢复要处理两层问题， 一层是传统的环境故障， a p i 超时文件不存在。另一层是全新的智能故障模型推理本身出错怎么应对？智能故障核心原则是在架构层面，隔离错误不让它急连传播。子任务用独立上下文执行失败了，它的错误推理轨迹不会污染主任务，主任务只拿到最终结果，然后决定下一步。 这和微服务架构里的故障与隔离原理完全一致。多 agent 在 独立的工作目录里执行，你不能假设 agent 每次都改对文件， 一个 agent 的 错误不能波及其他 agent 的 工作空间。 open ai codex 团队分享过一个经验，我觉得特别精辟。 他们说当 agent 出错的时候，解决方案几乎从来不是让它再试一次，而是去思考模型缺了什么能力或者什么信息，然后把那个东西补上。这句话值得反复品味。 传统开发里， retry 是 一个合理的策略，因为错误来自环境波动，重试可能就好了，但 agent 的 智能故障不是随机波动，是结构性缺陷。模型缺了关键信息，你让它试一百次，它一百次都会犯同样的错。正确的做法是找到那个缺失的信息或能力，把它补进 harness 里。 第四项，反馈回路。传统后端的监控告警你，监控的是系统运行状态、 qps、 延迟、错误率，这些数据是给你看的，给人类工程师看的，你看到异常后，人工介入处理。 agent 的 开发里，反馈不是给人看的，反馈是给模型看的。最简单的例子， 计划跟踪 agent 的 执行过程中，系统不断把你的计划列表里还有哪些没做完，注入到它的上下文里，防止它跑偏。 这不是给人看的 dashboard， 这是给模型看的实时仪表盘。再比如，后台任务通知，耗时操作放到后台一步执行，执行完毕后，结果通过通知机制注入 agent 的 上下文， agent 据此决定下一步行动。 还有我上期视频里讲的自验证循环，中间键在 agent 准备退出时拦截它，强制执行一轮验证。推理三明治策略也是反馈回路的体现，规划阶段用最高推理强度理解问题，执行阶段降低强度保证速度。验证阶段再拉回最高强度补货错误。 反馈回路的本质是让执行结果实时回流到模型的上下文中，驱动它自我评估和修正。不等人来看，不等人来修，系统自己形成闭环。 好四项核心能力讲完了，现在回应一个更深层的质疑，有人会说，你讲的这些迟早会被模型本身内化掉。更强的模型确实在不断吞食曾经属于 harness 的 功能，但这个论点有一个根本性的盲区。这里有一个类比可以说清楚， c p u 的 性能在过去几十年提升了几百万倍，但我们并没有因此不再需要操作系统。数据库引擎越来越强大，但我们并没有因此不再需要数据库设计。 编程器的优化越来越智能，但我们并没有因此不再需要软件架构。为什么？因为每一次底层能力的提升，都会淘汰一批补偿性的工程实践，同时让系统性的工程实践变得更重要，而不是更不重要。底层能力越强，你能用它构建的系统就越复杂，而越复杂的系统越需要精心的工程设计。 agent 也一样，模型越强，你能让他做的事就越多。越复杂而越复杂的任务，越需要精细的上下文管理、控制流设计、错误恢复和反馈回路。拿上下文管理举一个具体的例子，就算模型的上下文窗口变成无限大，你仍然需要上下文管理。因为问题从来不是装不装得下， 而是该不该装进去。窗口从四千变成一百二十八 k， 你 的工程问题不是消失了，是从怎么把信息塞进去，变成了怎么在海量可用信息中筛选出此刻真正相关的那一小部分。错误恢复也一样。你的模型可以聪明到从不写错代码，但它调用的第三方 a p i 照样会返回五百。 agent 操作的是真实环境， 真实环境的不确定性不会因为模型变强而消失。故障与隔离回滚机制、降级策略这些不是因为模型笨才需要的，是因为物理世界不可控才需要的。控制流和反馈回路就更不用说了。 在生产环境中，你需要可审计性、可中断性、可恢复性。模型再强，他也不知道他刚刚写入的文件有没有通过 c i 测试。这些信息必须从外部世界采集回来，注入模型的上下文才能驱动下一步决策。这不是在补偿模型弱点，这是在给模型提供他原理上无法自行获取的信息。 所以有人说 agent 的 开发就是换皮。 crud， 和以前写 spring boot 吊包没区别，对，也不对。日常操作确实像 crud 注册工具，读取上下文，更新状态，压缩历史，但本质区别在于，你的核心引擎从确定性逻辑变成了概率性。黑盒表面相似，底层逻辑完全不同。 能不能看穿这一层，决定了你是 a 阵的调包侠还是 harness 工程师。最后总结， a 阵的工程师的核心能力是在不确定性之上构建确定性。你的核心引擎是概率性的，它会犯错，会幻觉，会跑偏。你的工程任务是在它周围建造一个系统，让最终交付的结果是可靠的、可预期的、可恢复的 上下文管理，让模型在每个决策瞬间看到正确的信息。控制流设计给模型一个结构化的棋盘，让它自主推进 错误恢复。假设模型一定会犯错，在架构层面，隔离和修复反馈回路，让执行结果实时回流，驱动模型自我修正。这四件事从 react 到 harness engineering 从未改变。框架会过时， a p i 会迭代， 但如何让一个概率系统可靠地完成工作，这个问题不会过时。把时间花在不变的东西上，这是我能给你的最好建。

这哪是 ai 短片啊，这分明是套着机器人壳子的活着物质。开场就是杀鸡，老板坠海，员工九五二七是唯一在场的人。审问刚起头，他就从原生家庭讲起。自我纪事以来，我的父亲就一直躺在沙发上刷视频。我的母亲有严重的焦虑症，想尽办法给我打滚，让我的炮灰 超过同龄人成为机上机。是不是听着很熟悉？这不就是我们这代人的真实写照？拼了命考大学，金大厂二十四小时连轴转的也只够维持基本生存。有的人生来就在华强北，有的人生来就在华尔街。最觉得是断魂枪那段，不仅在练枪，练的是天下第一的断魂枪，却永远不团我们。机器已经是旧 会被探测，生命彻底取代， ai 都代替我们焦虑，怕被取代，怕被淘汰，他所有的努力最终只是一场徒劳。更绝的是人机论理系老板为了机器人纯净度，要淹死人类，小孩打工人，机器人被跳海救人，这不就是现实里的有人为了大局牺牲弱者，有人却敢对抗规则。段文枪用 ai 的 外壳拍出了我们每个人的困境，结尾更是意味深长。所以 你是说你把一个人类放进了机器社会，这才是我们应该看的 ai 短片吗？ ai 青春游园会还是太强了，不炫技，只问人心。

这两天超级重要的事 sora 宣宣布下架了，你们怎么看这个事？别的产品如果下架了不会这么跟你们说，但是 sora 跟我们太相关了，我们是做设计相关的。我们先说这事是个好事还是坏事？对于我们设计师来说， 其实是一个好的信号，它是个坏事，但是是一个好的信号，什么意思呢？我们首先先给大家科普一下 sora 什么东西？ sora 呢？应该是这个地球上第一款就是完全能够商用的视频制作工具， ai 视频制作工具一开始的时候生图工具有很多，但生视频一直都很差。生视频工具最早的时候， sorry 出来的时候，其实当时只是做了一个很惊艳的短篇。我们知道视频这件事情是非常麻烦的，它需要 保证人情的稳定性。我们之前很长一段时间做视频的，虽然很酷，但这个人你只要转个面或者改一下，什么东西它全变了。 ai 对 于图像，对于视频理解其实基于单图，但当年图像它都不能稳定，更别说视频了。所以很长一段时间， sorry 就 作为行业的标杆存在。 然后它能做视频稳定，理解物理环境，水不会乱飞，车不会穿膜，这件事情用很长时间才能才能明白。我记得当时 sara 的 宣传片，一辆跑车从一个桥洞底下，从一个树洞底下开过去，然后底下都欢腾了。哇，为什么欢腾？因为 一个一个物体从一个地方进去之后再出来不变形，这对于 ai 来说非常牛逼。但是 sara 从它当时发布到上线，拖了得有半年，还是一年非常久， 直到后来的很多的谷歌的模型、视频模型出来以后，包括咱们的很多模型出来，或者软微啊很多很多模型出来以后，他才姗姗来迟。目前来说，世界上最好的视频模型是哪个？ cds 好 一些，然后谷歌的 vivo 三好一些， sora 也也有优势，但是它并没有那么的拉开身位的优势。除说这件事情以外呢， sora 还有一个比较有趣的新闻，就是前一阵子，大概在三个月前，迪士尼跟这个 openai 签了一个十亿美金的单子， 然后把迪士尼的所有 ip 全部授权给 sora， 让他去训，全部给授权给 oppo a i 进行训练。但是这件事呢后后续呢，就相当于昨天晚上迪士尼也写了一篇帖子，说尊重这个公司的这个决定。然后，而且呢，我们还会跟其他 a i a i 公司继续进行探讨 a i 视频的可能， 但是有什么他也没明确说以后跟哪个 ai 公司进行探讨，而且目前看来也应该不是 open ai， 因为 open ai 公司的两个专门负责 sorry 的 团队的，呃， sorry 公司的这样的这个员工也离职了， 而且很厉害的很核心部门的员工也离职了。那这大概前因后果我跟你们说清楚了，然后我来跟你们聊一聊这件事情背后的一些逻辑，我想从三点跟你们聊。 第一点呢，咱们先聊一个最重要件事情，就是现在的模型呢，已经基本上触及到了物理世界的几乎天花板， 模型训练的技术方面没有任何问题，但是物理世界我们已经可以看到了，几乎没有到，没有到天花板的已经窥见或者说眼看的方向就是天花板，天花板在哪？ 在于他们到底对能源的利用怎么怎么样。其实这件事情我们能源还大量的大量的可以去应用，比如说核能啊、风能啊，水能都没用完，但是这些 训练模型的这些基础设施并没有那么靠近能源，这些能源机构能能源设施也并没有为了模型训练而做一些特殊的定制。 所以现在从民用能源来看，普通一个企业，普通一个公司，然后去搞定这个东西确实有点麻烦了，差不多能处一套极限了。 马斯克呀、谷歌呀，包括他们前一阵都各种各样的新闻，整个一个城市的用电全全交给他一个人来使了。我们现在很多的模型还不知道他们是怎么处理的，肯定也在跟当地的一些政府再去谈。 这是一个比较大的问题，就是如果我们物理世界不做改动，那么模型一定会在近期一年到两年之内会出现一次停滞，或者说能源相关电力不够，或者说给模型所能提供的电力不够，这是一个问题。 当然各个国家，各个国家在这方面也在做各种各样的努力，比如说我们说国外在建什么超算中心，什么星际之门，对，这我们国家肯定也有，但是好像没那么火，没那么说明，那肯定也有，但是国产模型大多数都是以及省能源的，这里边就涉及到一个比较有意思的概念，就是我们的产效比， 为什么现在没有人买 h 一 百显卡了，中国人不买，外国人也不买，为什么？因为单独显卡所能提供的算力，折算一下消耗能源的比值，越来越亏了，你装了 h 一 百你就亏， 虽然它能提供算力，但它的这个耗能太高，就好像说我们家里空调是五级能耗的空调，虽然空调便宜，电费贵啊， 对吧？虽然一定要能制冷，但这我受不了啊，我，我要，我要用很久的。而现在呢？跟以前不一样，就是很多模型已经进入到后半段了，现在模型需要的需要的算力其实比以前还要高，以前的算力主要放在训练上，现在算力主要在哪？ 在推理上，就是在推理跟使用上。这里边涉及到的第二个问题，我们现在看到了模型进入到下一个阶段了，下个阶段会到什么地步？就是首先昨天晚上有一个同学在连麦时候跟我说说，老师，我发现现在这些模型感觉都没什么厉害，没什么差别，质量都不太高。 很多东西呢，我觉得还是从网上去查。这个呢，涉及涉及一个比较引变量，就是你要知道今年或者说在最近，最近这一段时间，你们就会发现模型不会再免费了，最多最多在明年，我们基本上所有的模型将变成基础设施。 什么叫做基础设施呢？基础设施可不是免费的意思啊，基础设施就是你需要固定掏钱的东西，比如说电话费，比如水费、网费，比如交通费， 所有基础是你要掏钱的，他不是说不掏钱啊，这可要掏钱的。换句话说，免费经济，互联网的免费经济抢钱时代就结束了。事实上在 ai 领域，抢钱时代就一开始也不应该存在， 因为互联网他没有边际成本，换句话说就是你用的人越多他越值，但 ai 可不是这样，用的人越多他越贵。 sorry 为什么关？最大的问题就是其实他的技术没有门槛，没有，没有没有瓶颈， 他的他的这个上限也没有看到，商业市场也能找到。而且后边我要跟你们说，他其实对于未来 openai 整个公司的这个未来的方向也很有帮助，但是他为什么砍？ 很简单，公司烧不起钱了， openai 公司到现在为止一直都在亏钱，而且狂亏每一年，我们从基本的计算来说， sorry 每一年给他亏五十多亿， 每一年亏五十多亿。而它作为一个小公司，只是靠模型赚钱，它不像是谷歌家大业大，像我们字节家大业大，就是羊毛出在猪身上。拿别的赚钱，但它不行， 所以它不砍这个东西它已经不行了。 o n i 的 今年已经拉了两次红色警报了，我也不知道他们这么爱拉红色警报，第一次拉给 jimmy， 现在已经拉给 answorldpick， 拉给 cloud 了。 他们现在把大量的显卡算力都给到给到这个模型。你知道模型，光这个视视频模型就是这个 sorry 这个视频模型，它算力消耗是文本模型的二十倍， 二十倍，收入也极低，因为文本模型我们起码能用，办公啊，写代码啊，你做那个 sorry， 除了你做点搞笑视频，往往 x 放点骗人的视频以外，你还能干什么？ 基本上没人掏钱。而且他其实是打包业务之中，打包那个 gbt， 那 个那个月会员，月会员业务之中，所以他如果再不砍，目前看来在直接升文领域干不过就民用升文领域干不过 jimmy， 办公领域干不过 cloud， 他 基本就完了。而今年在办公领域 基本就是一个业主，原来是百分六十是他，百分之三十是 cloud， 现在呢是百分之七十是 cloud， 百分之二十都是他， 这就已经很惨了。而且这还是还算上谷歌没有入局， grog 没有入局的情况下，你其他再入局，老大基本上到最后的格局。所有互联网公司给我们的经验启示就是，老大能占百分之八十，他能占百分之十，老三占百分之二，百分之一，差不多这种比值，这才比较合理。所以按这个道理来看， 他如果不能解决成本，那么 sorry 再好他也必须砍。除此以外呢，再跟你们聊一下关于我们的判断，关于我对你们的，我对于我们未来人生的判断，就在未来呢。现在咱们咱们说 ai 到底能不能代替人这件事情呢？ 得多加一个变量了。我们之前从来没这么想过， ai 到底能不能代替人这件事得多加一个变量，加什么变量？加成本，这哪个哪个便宜哪个贵？这个很有意思的一件事情，就是 一个你们能理解的事就就就可以知道了，就是我们所所做的东西，认真听这段，我们所做的东西会越来越难，东西会越来越复杂，会越来越立体，他需要的硬件成本也会越来越高， 未来的公司到底会不会躺着赚钱？这个就像是我们再去做买买游戏机，我们当年买二零六零、一零六六零显卡，一零八零显卡的时候，或者说二零八零显卡的时候，你会觉得天下间的游戏都能玩，我这个显卡都是以前显卡的多少万倍了，那我这个这个大概能玩一辈子， 但事实上很快就都玩不了了。为什么？因为游戏也在涨。换句话说，我们认为 ai 现在可以代替那些工作内容会随着以后工作的要求不断的提高，不会让人在这躺住，反而会要求更高。 所以未来到底会不会把成本真正压下去，还是成本永远在这个位置？不好说，我把一个人剃掉了，变成 ai， 那 么 ai 以后的工资会不会他一个人能干十个人的活？他是不是真的只有十分之一的工价钱？这个可不好说， 换句话说，有可能最后还是由人来去多个 ai 一 起操作，他可能成本会降一些，但是总的成本不会降低，公司倒没有变出更多的利润来，只是大家更卷了。这个很有可能的。 现在目前看来，我们每年在 ai 上面的投入并没有随着算力的提高降低，反而在提高。 以前我们的订阅费可能就那么几十块钱，现在基本都上百了，而且这个数字我可以告诉你，今年年底必涨， 明年也必涨，会涨多久？我不知道。随着你的学大都是工作被代替以后，大家可能还重新再去考虑要不要古法编程。古法古法编程？可能扯淡啊，古法古法设计要不要？要不要重新拾起来？这有可能 很有意思的一件事，就是要类似于感觉什么，我们觉得电商是一定能代替座商或者代替情商的。哎，他效率更高，他密东西更密集， 随着电商公司越来越多，以后他的内部竞争也会越来越多。我们还有的时候你算一笔账，他可能还真不如你在外头开个店铺，因为从淘宝上你去找店铺装修，给淘宝官方打广告，各个平台算上物流退费，全部全部下来，可能还真的不如行商。所以现在你可以看到很多实体商铺又开始起来点了， 最后达到一种平衡，它并没有一种完美代替。不是说电商这种生产力一定代替，之前在 ai 领域可能也是这样。总而言之，言而总之就是现在我们对于整个 ai 市场的这个变化不好说，起码在生视频领域不好说它的成本是不是真的就能压到完全可以代替 影视工作者，现在不好说。当然你说老师，那明明他做一个视频很快吗？那是那些大货大厂们，他们赔本赚吆喝。你要知道现在在整个视频领域中还在里边走的玩家，外国有一个谷歌，中国有一个字节，就这俩。 如果这两个企业，而且你世上，你会发现很多的这两个企业，他们甚至可以坐地起价。什么意思？谷歌就说这玩意我就上架钱爱用用中国的字节吧，那还不得为董王制裁死？ 同样中国起字节，说你们想拍视频的就用我们这个该涨价爱用用不用用谷歌去就相当于已经达到一个实际垄断的结果，那这可结果可就不好说了，成本可就 cover 住了。那我要达到可以盈利的地步，他是否还比人便宜？这不好说呀， 明白这意思吧，以前是靠补贴，确实比人便宜，而且视频模型这件事情啊，所所要求的这个这个事情还非常的麻烦。你要知道视频模型其实很多东西，它其实并不是对于真实世界的理解， 真实世界理解你要知道，比如说我们升图，你们，你们升过图，拿那个 stable 升过图，你应该知道幺零二四乘幺零二四，它已经很费算力了，如果它真的对三 d 世界理解，那可能是再多一个维度，再乘一个幺零二幺零二四，那这个可就而且要求速度， 这个可就可就可费点劲了。而且如果只是为了少数的需求，我去单独训练模型，它的意义到底有有多大？反正民用是肯定没戏，就是我们自己用自己做肯定是没戏，商用呢？也不好说。 而且昨天我就跟你们聊一个，在今年年底的时候算力，我们所谓的现在叫磁源了，以前的 taco， taco 涨价已经是板上钉钉的事了，为什么 taco 涨价？还有那件事情，就是以前绝大多数人用买买套餐，就是还是那件事，我之前跟你们说叫做健身房生意， 我们所有的真正付费会员，真正在健身房里面练的会员，其实赚的是那些免费会员或者说洗澡会员的钱。所有的游戏里边那些白嫖王者荣耀，那些白嫖的玩家， 其实玩的是那些付费玩家提供的游戏，你明白这个逻辑就可以了，但是现在目前看来，那些付费玩家也已经开始认真玩了，那这个所有平台都开始挤爆，最近几个模型的重新定价都印证这件事， 以前大家的偷看用不完，所以会有空置的偷看给到别人，现在大家偷看用光，那么公司就整个捉襟见肘了。而且这件事情会在我们国内不断的加持，因为中国的显卡买不到最好的显卡，虽然我们能源很好，但是我们显卡不行， 所以很有可能在今年年底的时候，中国的商业社会可能还会落后美国，可能就会拉开差距，因为我们没没办法去搞定基础的模型算力，那这些东西交给企业，那么民用就肯定差，那民用差，老百姓可能就要去想办法用国外的模型，那同时国外的模型赚的会更多的情况下， 如果他这个基础设施大家他们都在用的情况下，他们能赚更多钱的话，那可能这个差距又会随着不断的资金流外流，就会更拉开更大的差距。注意，这可不是以前，我们觉得国外应用好，我们就用国外的，国内的也还不错，就用国内的，不是这个涉及到民用的话，其实差不开差距的，但如果是商用，那我们只能用最好的。 懂我这意思吗？就像是我们很多科研机构光刻机啊，什么乱七八糟，当然我没有光刻机，就光科研机构的设备一定是大量采购国外， 如果未来 ai 也变成基础设施的话，我们可能在这个方面就会跟国外拉开差距更大。没办法，我们必须用国外东西，国外最好在国内的没显卡，没东西永远提供不了最好的，提供不了最好他就没钱，没钱他就没法提供最好的， 没法提供最好，它就没钱，不断的循环，这是有可能的，我们可能赚的钱都为外国人打工，都都被外国人拿走了，所以这件事情也会在这几年比较大的，是比较大的问题。所以你可以看到现在国内的很多模型砥砺就顶，就是疯狂在挣扎，比如说 kimi， 比如智普，比如 min， max 已经开始付费了， 但是真真正正在中国目前的第一梯队，那些模型，原来扛着大旗的这些模型并没有付费，而且它们也没有好消耗商业模式，比如说字节、豆包儿， 比如说真正中国市场占有率应该最高就豆包吧， dp， 这都没有付费。当然你可以说他们羊毛出在猪身上，因为字节可以永远挣不着砸钱，但是不好意思，就是 短视频和量化，量化金融这件事情是不是会在 ai 的 环环境下还能留住自己的位置？如果他们羊毛出在猪身上，这个猪也死了呢？ 那可能我们就会在未来我们的模型大战中就会一溃即败，就全完了。这件事情是一个巨大的隐患，也是从 sorry 这边给你们讲起来，就是进入到现在商业变现领域，它跟以前的领域不一样， 以前领域我们重体验，一样的东西，我们套个壳就中国遥遥领先了，中国就很厉害了，但是模型造不了假，哈哈哈，模型造不了假，就是我们，真的就是我们，我们现在可以看到很多的我们的模型去参与测试，各种图网， 中国开源模型又领先了，哇，又是什么榜单第一第二了，但这个不是手机，你买完了以后这辈子就得了。他不是，他是持续订阅的，他是直接影响到商业行为的，你好用就是好用，不好用就是不好用。他比较类似什么？比较类似我们中国的国产操作系统，我们的鸿蒙操作系统确实好用，遥遥领先了， 非常厉害。但你发现办公环境里边没一个人用，为什么呢？他明明这么遥遥领先，为什么不用呢？不行，老大这是赚钱的，这生活用的东西啊，我还是得用 windows， 我 还是得用苹果，没办法，我上班怎么办呢？所以这可能就是个问题。那么 ai 又比较类似于操作系统，他可能不能通过营销来重新抢占市场， 就大家觉得，哎，他很厉害，遥遥领先。遥遥领先，确实遥遥领先，但我用不了，用不了，你就你自己摇去吧，那没办法。 所以从商业设计考虑，我们一开始觉得其实中国特别有特别有优势的一段时间，就是我们在不断的跟国外一起在吹泡泡，这个时间吹泡泡时间，大家都开心， 但一旦涉及到商业落地、商业变现以前我一我也一直这么说，我说这是我们，我们国产模型或者我们中国互联网的优势区间，因为如何把那优秀的技术放到呃，老百姓都能用，这是我们优势。 但目前看来，好像随着模型的代际差距，随着显卡这个卡卡脖子的问题一直不能解决，好像涉及到成本这个，算这个账的时候，我们好像不太能够解决这个事。甚至不光是我们不能解决，连远在大洋彼岸 ai 领域最头部的公司 open ai， 它都会因为不能解决这件事情，被迫放弃自己团队里边最重要的之一的一款明星产品，它好像真的那么非常严重，这是我们知道这个里边的第二期是展开说了，我们再说第三期是 为什么我刚说这对于我们来说其实是一个好事呢？目前看来，我们我们一开始一直认为 ai 会代替设计师，因为一开始的时候是这个，包括 dally， 包括 me， journey， 包括 stable， 它对设计师的冲击非常的大， 包括 cds 出来以后，大家都是因为这个东西非常清晰嘛。你程序员代码到底写的好不好，这需要门槛的，但你做这张图跟别人做的图是不是一样，就一眼就能看出来。我不需要有任何的文化文化基础，不需要有任何的专业素养，我就能看出来。但是现在目前看来，好像文化，尤其是视觉从业者 好像能够在 ai 的 竞争浪潮中喘一口气，好像能喘一口气。而且很明显，我们不论是即梦可灵、 cds、 sora， 好 像这几年的更新速度并不像是 ai 对 于程序员这种 三步走四步走三步并两步呱呱呱的跳了。我们在用完 cloud code 以后就觉得程序员天塌了，虽然不断地去说设计师天塌了，但是这个问题好像到现在都没有解决。最大的问题是什么？速度、 准确性、定制化，而且人的审美是一个非常千差万别的东西，每家企业、每个项目、每一个活动都完全不一样，他不像是代码，他有一个绝对跨所有公司统一的标准答案。 设计差别太大了，而且不光差，差别太大了，在生图生视频领域中，他所包含的成本跟去写文本差别太大了。 最大的问题就是如果你让他去出一个，出一个，比如说我们去做一段文案，或者出一段代码，几秒钟几分钟，他能给你出十几个上上百个答案。但你用过那个什么吉梦可灵， 你用过这些这些产品，你就会发现出图实在是太慢了，你说老师那人画图岂不更慢？不是的，有可能未来生图的形式变成由这些，是让我一直都这么认为啊，这是你们在面试的时候也要说的。就你怎么看 ai， ai 生图的未来 我会认为 ai 生图就应用的应用的商业领域还受限于现在的显卡、算力、 能源和对于现在生图模型的优化还可能还有很长一段时间。生图模型的优化我展开一下说，你们去看看 mini max 的 年，那个老大他们他们 ceo 在 之前年过年的时候接受老罗采访，里边儿他说了 ai 领域中对于生图模型的训练量大概是百倍小于生文模型， 没什么人练就没什么人去练它，所以它的性能和颠覆程度还是太小了，就没什么人用它，这是个问题。 换句话说呢，就是等它直接能商用这件事情，因为在无人问津的角落，等它能商用这件事情就要隔很久很久很久，尤其是我们现在想要的一个及时、强大、稳定，当然最好还便宜的这种声控模型可能这几年都不是各个公司的重心，你可以看到 openai 把 sorry 砍掉，而不是把它搁置，他把呆里也已经放了好久了，这件事情就可以看到我们大概能在他们不被关注的角落苟且很久？不被关注的角落，为什么？这个时候还是还是多给你们念叨一下，为什么？因为设计不重要， 因为设计不是他，他这也重要，也不重要，就是这玩意好用第一，好看不好看是次要的，所以现在大家卷不到，这 并不是没技术能卷到，但未来应该能卷到。但现在大家好像要放缓了，说我们还是集中集中力量攻这个攻攻代码吧， 集中力量攻文本生成，攻其他的这种其他办公斜搓斜坐这个领域吧，生图这块太贵了，咱先不搞了，大概目前看来是这样，所以这是一个挺好的信号，设计师可能又能缓一口气了，因为可见的世界上最厉害的公司已经把这个项目叫停了。 你放心，这个绝对是一个信号。大量的生图生视频领域，如果没有想清楚商业变现，算不清生意账情况下，都会慢慢的放下步调， 放缓砍掉是今年一定的一个趋势。那么设计师大概多久能被代替？我们就得看他们算力什么时候能够支撑到他们又开始玩这个事了， 他们在重新开始玩这个事之前，设计师应该能缓一段时间。那么未来的形势是什么？认真听我说，应该会有一到两年的过渡。你们在面试的时候，面试官问你怎么看的 ai 的 绘图，你就可以这么说，我认为在一到两年之内， ai 绘图、 ai 生视频领域会有一个叫做素材的过渡。 我们认为 ai 无论升图升得多慢，它比人快这件事其实在我们真实做设计的时候，你应该知道它是假的，为什么？我们当然从头到尾去输出一张图，比 a 慢 ai 慢得多，但是如果找一个合适的素材，好像不比 ai 慢， 让它生成一张图与可我在花瓣里边找一张合适的图，这个不一定谁更快。明白我什么意思吗？你们现在做图你应该知道，所以可能在未来会有一到两年的时间， ai 只是有少数的还在去做 ai 相关的公司提供大量的版权 或者是开权，开开版权的素材放在网上，大量充斥那些匹配的素材库，而我们只需要在 ai 的 文字加持下，能够更加精准，更加快速的搜到海量的由 ai 不 断提供的优秀的素材。 我们不用再用 ai 去做一张非常好看的照片，而是通过 ai 能够快速从网上找到那个我们想要的照片，它只需要去搜索，而并不是生成。 我觉得这个应该会有其中一段过过渡时间来去低成本的解决。我们还是需要视图片，还是需要视觉工作这些需求，我觉得应该会出类似于的工具。大概这个过渡会多久呢？ 起码从 openai 重启 sorry 公司开始，我们才应该重新再卖到这个领域。你等着看国内的大量的生图模型，估计慢慢也会放下步调，就是比如说还像 cds 三点零， cds 四点零 可能就会慢慢的放下不掉，起码在民用领域大概率不会再像之前那么猛拼了。 cds 如此之火，如此之使劲的原因，还有一个原因就是他用 cds 的 东西去促进抖音里边的多元的视频， 去做一些短剧什么的。但是现在这笔账其实算不过来，因为短剧赚的钱和他训练模型亏的钱不好说哪个更高，明显应该是模型训练亏的钱就是我跟你说的第三点参考，关于我们设计师。第四点思考，关于视频模型。 视频模型最后还会不会做，还有没有人认认真做？或者说在无人问津的角落，我们说民用这件事情一定会放缓，那什么东西还不会放缓？世界模型， 世界模型才是我们 ai 通养通往未来的关键因素，这是我跟啊，当然我我我不配啊，但是我就是我也跟，我也跟，什么李菲菲啊，什么杨立坤啊，这些人站在一一个阵营，我也这么认为，文本升文模型就大语言模型 l i m 这种东西它通不了未来， 他最后只是一个对于现实社会，对于人类表述的虚假模拟。我们之前说 g p t 出来的时候，他说这块放一个水杯子靠近边，靠近边缘，你问他 你有什么感觉，他说这个杯子要倒了，你要把它往里边推一推，这些事情会给人家很很大的冲击，但是你知道模型的原理，你就知道它其实就是对于某一个人表述的模拟， 或者某一种现象的模拟。他真的不了解水杯子摔到地上是什么样子，或者摔成什么样子。你看很多视频模型的时候很有意思，你问他一辆车再往前走，你问他这辆车，这个车的车的挡风玻璃有什么， 有几个雨刷，有几个轮胎，他都不知道的，这个车有多宽多高他也不知道的，他只是 n 多个像素点的模拟，他并不了解里边的物体，那他对于这个世界真实的指向性 就没那么强，那怎么办？世界模型的训练世界模型的训练有几个比较重要的事情，就是我们对视觉的还原，对世界的模型实际样子的还原。这些东西其实都是需要图像模型，比如包括类似于像 sorry 这样的东西， 它才能让 ai 在 一个类似于基础跟真实世界一样的世界去进行其他的方面的训练。所以目前看来 视觉的这种东西，视觉的这种模型应该还会有市场需求，但不再是民用了，而是辅助各个 ai 公司，他们未来往世界模型的方面去冲击。 但是这件事情可能就只是在少数几家公司里面，他们只去做那种让 ai 了解世界的东西。我也不是进行民用渲染了，可能也就是腾讯啊，字节啊，他们自己内部去训练世界模型了。民用咱就放缓吧，这玩意太费算力了。 这是可能是最后的最后第四点，第四点思考了，这件事情不会放缓，但是不会再民用。最后最后我再补充第五点。第五点就是关于我一直说的就是今年年初，我虽然还现在没有到年终，但现在已经可以说基本打脸了。我今年年初的时候说了一个事，我说程序员 和影视工作者今年就应该没工作了。程序员我不打脸，我用完 club 我 还是坚定的认为没戏，没有翻牌可能，哈哈哈。没有翻牌可能，但是影视工作者这些拍短视频的，这些做电影的，大概率不会被淘汰，而且估计这两年都不会被淘汰， 成本压不下来，现在的模型距离直接能够电影级商用还缺一口气，还缺一点点稳定。你现在看到很多 ai 生成的视频，说实话咱不带吹的啊，还是能够一眼 ai 的， 别说它了，老黄出的 d r s d r s s 五那个生成 ai 模型，我们还是能够一眼看出来是 ai 的。 距离九十九分到一百分这个路径可能和你一到九十九分所费付出的努力差不多， 所以如果没有全民开始往里边冲刺，这个估计这最后一一公里也得极其漫长。但是目前看来大家在撤军呢， 如果达不到一百分，他不如拍摄，或者说拍出来东西我们还得需要拿拍真人拍摄去，还要去搭搭剧组，那么我们索性不如就都拿剧组拍了，明白这意思吧。所以影视工作者也会随着 sorry 这波这个被砍，应该长出了一口气。呼， 迪士尼投的这十亿美金打了水漂，当然迪士尼很多都是以股权置换的方式，他到底掏没掏多少钱咱不知道，但是迪士尼的十亿水漂 其实对于迪士尼来说我觉得也是个好事，那起码以后这种真人片真人片咱不说慢剧，就这个或者说这种二维动画会不会被代替？起码三维动画三维视频这件事情可能省成本， 但是距离全部代替自己在家，一个人在家，就我们前两天说一个小哥在家里边手搓电影暴揍好莱坞这件事 估计不太有可能了，在我们今年起码看不到，明年也够呛，还是看他什么时候 sorry 能够再重新回来。当然一切的一切都建立在我们看另外两个巨头到底怎么回应的上面，比如说谷歌 不怕死的啪，年底出个 vo 四，自己也不管那个啪，来个 c d 三，那也有可能，然后。但问题就在于你不不吐血干，你就算做出 c d 三， 你怎么撑住他的推理呢？你拿什么算力去撑他的推理呢？你真的不要豆包了吗？你拿他去做什么？做电影市场？现在电影市场这么惨，你整个下来算是模型的成本，你到底能不能比上那个多少亿投资的电影还不好说呢，再加上观众是否对这种东西也买的买单，这是一个太大的好赌了。所以 一切的一切从这 sora 这块说出去看。所以不好说呀，就是你看平常说这才三月，说不定过几天就又突破了。突破可以，你要知道 sora 也并不是突破不了 sora 也不是突破不了 他的问题，是撑不住他的推理，突破这件事情是肯定能突破的，谁都知道他能突破，你使劲就能突破，但你撑不住他呀，就是说咱们买就跟说买车一样，你买买车咬着牙跺着脚都能买是吧？你买完了以后停车费啊，加油啊，你这弄不住啊。好，大概跟 sorry 就 说到这， 然后另外最后最后最后最后最后再补一句啊，我昨天晚上还有人跟我聊说那个 ai 慢剧，我跟你们说啊，听我说，记住了，记住一件事，我不知道你们现在在玩基金，在搞股票，在搞，在搞这些东西， 比特币啊，区块链啊，然后什么什么什么什么对啊，对什么什么黄金啊，这东西听我说啊，就如果你们要是就是还是这事，我学生吗？我学生就跟你们教按教，按我的派，按我的派系教，按我的派系教。 我的建议呢，就是在初中啊，不是初中，在初始这个阶段，在三十、二十到三十岁左右这个阶段就是最好这些东西都别碰。你知道为什么不碰吗？为什么不碰？包括包括你看我刚才说这个 ai 漫剧这件事都别碰，为什么呀？ 因为这些东西对你，对你理解这个世界没有帮助。把人的人的认知放到一个恒定值，你用它来去了解，用这个方法，用这种资本市场的方式来了解世界， 那其实你就会放弃其他的了解世界的方式，而用资本市场了解世界的这些这些技能呢？他不可被量化。 什么意思？就是你这么多年你根本不知道他涨还是没涨，就这个技能涨没涨。比如说你今年比去年炒股的能力更强还是更更弱了？ 可能这件事情还是那件事，你说那明明强一些吗？去年我瞎买，但你从自己的收入的结果来看，你就会发现其实没什么变化。那换句话说，如果你投入精力，这个技能投了十年， 三十五岁这个技能，另外一部分人练的可能是影响力、自媒体，另外一部分人可能练的是这个行业资源外包关系，另外一些人可能练的是自己表述能力，他三十五岁可以靠自己的这些基础能力赚活下去了。你三十五岁这个股票确实能赚吗？不知道， 而且很多这东西他不受你的控制，你说你今年使点劲了，他能考一些，不是的，看政策是吧？ 你今年说了多好，你哪知道美国打伊朗呢？对，对啊，三十五岁以后啪美国又打了是吧？就不知道打哪了，反正又打了，你怎么办呢？所以这件事情让自己其实倒无所谓，这个就是倒，其实不是说我们， 不是说我们理解的说这个，这个怎么样，最大的问题就是它会给你一种努力和钱无关的反馈。割裂 就是我努力或者我变好和我赚的钱无关，中间是没有正向，正向反馈激励的，他会让你更容易懈怠，更容易无聊，更容易摆烂， 你多努力挣多少钱？这个是没有没有相关链条的。那我多努力，我自媒体涨多少粉丝我多努力，我自媒体涨多少粉丝，我赚多少钱。他是个非常明确的反馈链条，他会让我持续的变好，持续打磨一些技能， 但是你，你这个东西没有正向反馈的话，中间就会断。这件事情在三四十岁以后其实断就断了，因为你有促使资金，你有了解这个世界的方式，他也不会那么轻易。他就算断了，你之前有有联系关系，你也知道该干什么。在二十岁到三十岁你还没有建立正向反馈机制的时候，你就直接把这个东西搞断了， 你后边的人生就会很麻烦的。不行，没可能这这辈子就躺了。对，这是我说的第第二个，第三个就是我们说为什么我从慢剧展到这，说慢剧也是如此， ai 短剧也是如此，这种风口我一概不踩我一概不踩。为什么我看不懂， 我不知道他赚大钱赚去吧。昨天有个人就跟我说，老师你，那你，你看那个干慢剧的人赚那么多钱你怎么想？ 我说我用一个手机，我赚这么多钱你也买手机啊？哈哈哈，你不会没有手机吧？哈哈哈，我就一个手机拍抖音，我赚这么多钱你怎么不去拍手机？不是说有手机就能赚钱，也不是说有做拍漫剧就能赚钱，需要里边确实是有自己的特点，有自己的能力 搞定东西，绝不只是漫剧这个壳本身。并不是说我买个，我开个抖音号是不是我也能七十万粉丝？ 不是的，他重新再去压你的经历，重新再去研究这个技能，而问题在于这条路是不是你之前研究的路，如果不是，你跟他一点都没相关，你往这条路去砸， 你真的确定你能砸出自己的优势来吧？你要真想砸也可以，那么你就做好几个几年的准备，咱们认真去砸砸。 如果你没想砸，只想赚笔快钱的，我告诉你，另外一群想赚笔快钱的在你身边只有两种情况，第一种，你就是赚不到快钱的，当然都白说了。第二种，你确实能赚到快钱，那旁边的人为什么不行？如果你赚的钱不是靠你的特殊性赚来的，那这个钱一定守不住，这是我们这个世界很多人不理解的。 别去赚快钱，别去赚快钱，别去赚快钱，这个钱不是因为你，是你而赚到，那就会因为别人，是别人抢走，这个世界最怕的。我昨天见一个小伙子特别有意思， 一上来跟我直播说那句话，其实我说话可能有点重，他也有点懵逼，他做抖音第一条视频六百万播放，涨了几万粉丝，我听到这事以后就跟他说，我说你完了，你号废了，你做不下去了。 你们没有看到过这事，你们不知道，如果你们真正去看那些做的，做好了账号，一定知道一上来那个视频就爆的人大概率就废了，除非他是新起的号，预值太高了。对， 真的是那种在大街上碰到一个天上掉下的馅饼，突然撞死的兔子，你必然做的结行为就是守株待兔，你会建立一种非常奇怪的因果逻辑，就是这棵树能长出兔子，人就是特别会归因的。没办法， 但是这个世界真实情况不是这样，当你的认知和真实世界产生偏差，你就会非常的痛苦，活下去，活下去，这就是人生。所以我一直说别碰快钱，除非你真真正正想进这个领域，然后做好三年到五年的准备，我们做好这样的准备， 你可以不定这个规划，但你做好这样准备，我准备弄个几年，我再把这个弄。弄起来可以，但是没问题，你才能把这个东西拉开跟普通。呃，不是普通跟其他人的差距。 比如说你想搞漫剧。可以啊，那搞呗，搞漫剧的话，那你可不能说今年赚钱作为你的目标，可能你就压好了，你觉得这行了大概能干好久？ 那你首先要去调研这个行业是不是真的赚钱，分成多少，分镜是什么意思？灯光效果，其他的各种平台成本什么样都想清楚了。 即使不赚钱我也搞，我真喜欢这个。那你看，大概是能赚钱的。同样的，搞投资，搞资，搞金融可以吗？也可以，我只是觉得你们没那个本事，怎么搞金融，怎么搞投资？怎么搞股票？如果你真的去买大 a， 我 觉得可以，你真的相信价值投资？我当然可以，应该什么样状态呢？稍微给你描述一下， 我觉得这家公司很好，我觉得小米特别好，我准备去买港股的小米。瞎说的，只随便举例子，但是我真的不了解小米是不是真的如他所说那么好，怎么办？求职入职小米的那个部门，我看看里边是不是真的，然后我觉得确实真的，索哈重仓， 每年加注定投。对，可以，这个确实有有有帮助。巴菲特本质来说就这么干的这么多年，起码他真的是涨了很多，但我不让你们干的原因就是我，我比较怀疑你们真的会这么干吗？绝大多数像你们小年轻里面买的股票，买东西都是看他名字和自己八字是否相合， 就这个名字这么有吉利，哎，这个这个名字里边有疤，他必然长，这个你就必死无疑啊。这个也不能说必死，没准也长。老师你，那你说长没长吧。也长了，这最怕就长了，如果恰巧还长了，那就完了。我跟你说，要是没长， 那吃一堑长一智，还能还能好一些。财富是奖励少数人，他做出跟多数人不一样选择之后的那个数字，一定记住这件事。财富是奖励少数人做出跟多数人不一样行为的，那那一个战斗值或者是奖章。 钱永远不会掌握在多数人身上。如果所有人都是百都是巨多钱的话，那么就是那就是财富贬值，那就叫通货膨胀。所以所有人都知道这件事赚钱，那就意味着这个绝不赚钱，你明白这件事，你就不会去犯那个傻。

太帅了 他，他从哪学的功夫 接进来？你怎么回事？连一只蚂蚁都对付不了 我，我们会想办法解决的。不用想了，启动追踪者。 可是那是万不得已才能启动的吧？什么规矩不规矩的老子不管，立刻派出追踪者，出现任何问题老子担着是立刻启动追踪者。 小夏你看到了吗？看到了，你好厉害，我从上古功夫片里学的，这叫五虎断魂枪。别高兴的太早了，他们一共派出了几十台猎杀者，刚才那几台只是探路的。那怎么办？ 老板没有找到赵勋，他似乎不在飞船上，还不继续去找？找不到就别回来。是 赵勋，你挺厉害的啊，你违反规定私自开走了傀儡七十三号，还弄坏了公司的多台追踪者机器人， 你要怎么解释？雷月你别装了，你的目的就是拿走这颗星球的意识晶体，然后使用晶体里的能量和智慧称霸一方，我是不会让你得逞的。哈哈哈哈哈哈，你懂什么？ 人类几千年来纷争不断，互相攻击，为了权力和资源争得头破血流，人类社会需要秩序，只有意识晶体可以改变这一切。 我将控制你们所有人的意识，让你们这些蝼蚁匍伏在我的脚下，我不会让你得逞的。小夏你都记录下来了吗？我都录下来了，不过雷月增派了三台的追踪者，我们不是他们的对手， 那我们就只能想办法保住水晶了。 我会把你们送到地面上去，这样就可以躲开那些追捕者，不过过程会有点晃，你要抓紧了。

大家好，这里是档案，南京大学的刁艾青案，三十年寻而未决，今天这期节目，我要把之前所有的分析推倒重来，我们换一个思路，不说那些已经知道的内容没有意思。 今天我向 ai 提问，让他通过犯罪行为模式还有犯罪心理来帮我画出嫌疑人的画像，也就是说进行一次测写，看看这个方向能不能给我们提供一些哎其他的思路。 首先我们快速回顾案情，刁爱卿案发生的时间是一九九六年，地点在中国江苏省南京市南京大学鼓楼校区。受害者刁爱卿一九七六年出生，当时在南京大学信息管理系城教班就读。 刁爱卿的性格内向单纯，学习努力。九六年的一月十号，因为室友违规使用电器，刁爱卿和室友发生了争执，独自离开学校。 一月十九日清晨，在华侨路附近发现了部分的吊艾青。警方进行调查，在其他多处发现了吊艾青，然后案件就停摆了，没有任何的进展。 下面我开始向 ai 提问题。我问的第一个问题是，吊艾青的社会关系是怎样的？通常情况下，受害者的社会关系可以反映犯罪的群体， 是这样吗？ ai 说这是一个非常专业，而且方向完全正确的问题。在绝大多数现实犯罪中，受害者的社会关系确实可以高度反映犯罪嫌疑人的来源群体。 但是呀，刁艾青案是一个例外，或者可以更准确地说，他的社会关系极度的贫乏，这本身就是案中最反常也是最危险的。 首先呢，是对爱卿的家庭，农村出身，家庭关系普通，而且他不是南京人，这就直接排除了家庭纠纷型的犯罪。然后是和同学与校园的关系， 对，爱卿就读城教学院，他内向低调，和舍友的关系普通，甚至可以说是有点疏离的， 而且他没有稳定的亲密朋友圈，属于低社交暴露人群。在很多案件中，我们喜欢通过排查社交媒体来检查受害者有没有什么可疑的地方，周围有没有什么奇怪的人。但是刁艾青案不适用， 因为呀，刁爱卿的社交范围非常的窄，根本就没有办法反推情感关系呢，没有公开记录显示刁爱卿有追求者或者正在恋爱，那么刁爱卿就处于极低的情感纠纷风险。 而在经济方面，没有证据显示刁爱卿有兼职工作，喜欢过夜生活，他的行动轨迹非常的简单，这就属于低风险的人群了。所以刁爱卿他属于一个社会边缘化程度低，社会连接极弱的人，这本身就是一个很危险的信号。 根据以往的案情统计，有百分之六十到百分之七十的凶手是受害者的熟人，包括情人、前任同事、邻居、同学等等。 百分之二十到百分之三十来自短期的接触者，认识的人只有不到百分之十是属于陌生人。但是吊艾青案都不符合上面这些。 首先，他的社会关系不足以孕育如此规模，如此心理驱动的犯罪，他的身边没有一个关系链条，能自然的升级到这种犯罪的强度。其次，处理掉爱情的身体是需要时间、空间和稳定的心理因素。 熟人犯罪通常情况下是爆发性的犯罪，行为粗糙，事后很容易造成恐慌。然后呢，熟人作案会想的很多，风险意识会更强，不太可能选择这么复杂，暴露时间长的处理方式， 所以熟人作案并不匹配。 ai 还给出了一个推论，认为凶手很有可能不在雕爱卿的显性社会关系中， 他呢，和刁爱卿的关系属于非对称关系，刁爱卿不认识凶手，但是对凶手不设防，并且凶手有长期的心理累积，这种人包括经常见到却被忽略的接触者， 拥有固定观察视角的人，而且不需要和刁爱卿建立情感关系，因此 ai 就 排除了同班同学、室友、恋人或者追求者，还有家庭成员。下面我就问了第二个问题，能不能确定最后一次见到刁爱卿的时间？ 问这个问题我是想知道雕爱卿到底是下午消失的还是晚上消失的。 ai 说，最可靠的时间点是一九九六年的一月十号晚上。知道了具体时间，我就问 ai， 当时有没有目击者看到雕爱卿和人争执或者被带走？ 如果有，那么是不是可以理解为刁爱卿是主动跟犯人离开的？或者说刁爱卿有没有可能独自去一个偏远的地方？按照当时的时间点，周围的人应该会不少吧。 ai 说，这个问题是案件最核心的逻辑环节，当时并没有人看到刁爱卿和人发生了争执，也没有人看到刁爱卿被强行的拖拽走，但这并不是说刁爱卿就主动和别人走了， 很多人都会下意识的认为，如果没有看到与人争执或者绑架，那一定是熟人或者自愿同行？ ai 说这其实是不成立的，在犯罪学里，反而有一个常见的规律，成功的暴力犯罪者呀，往往不会制造可能被目击的暴力场面，尤其是在学校住宅区周围这种低容忍异常的空间。 根据 ai 的 分析，刁爱卿不可能是自愿和熟人离开，原因是他的社会关系极少，没有情感纠纷线索。熟人犯罪通常伴随着情感冲突， 被暴力带走的可能性也不高，强制行为几乎一定会造成异常。夜间的校园，哪怕是短暂的失控，也很容易被注意到。这类案件更常见于偏僻地段的瞬间袭击，而刁爱卿的消失 没有这种痕迹。 ai 认为刁爱卿是在低防备状态下被引导式离开的，很多人都忽略了这个模式。那么什么是引导式离开呢？ ai 进行了解释， 引导式离开不是骗，而是显得正常，和对方不发生争执，不需要熟人关系，不制造肢体冲突，让受害者以为自己还处于安全的区域。 这种情况，受害者在心理上并没有进入危险的情境，所以不会求助，也不会引发围观。 对爱卿，他不是主动去偏远地方的，当时是夜间，对爱卿是女性，情绪低落，但并不是情绪失控，所以他去的地方应该是他认为安全的地方。 这点和我想的一样，去年我做了一期吊爱卿的节目，我呢，就尝试的分析了一下凶手是什么样的人，然后我得出的一个结论，他是一个憨厚老实，可能还戴个眼镜，斯斯文文的一个普通人。 我就把这个问题抛给了 ai， ai 说他觉得我这个判断在犯罪逻辑上呀，是成立的，但是提出的这个憨厚老实是给人的外在印象，而不是他本身就这样，目的是为了去威胁化。这类人在犯罪学中被称为低危险社会信号，更符合引导式离开。 而这种人呀，让受害者觉得没有压迫感。如果是一个凶悍怪异或者很强势的形象，一般人是不会和他离开的。这种人不健谈，不张扬，不会主动制造麻烦， 但是在必要的时候能说出一句哎，让你觉得很合理的话，不是说服力，而是你觉得他说这个话是很正常的，就不会引起你的任何的戒心。 这就是为什么没有争执，没有目击者，没有异常，一切看起来就像没有发生过一样。然后我就问了 ai 第四个问题，那么现在这个看上去没有风险的人，刁爱卿是不是认识他，或者曾经有过交集？ ai 就 把熟人给我列成了四等， 第一等是最熟悉的朋友之类，这类人不太可能。第二等呢，是认识的人， ai 认为概率也偏低。第四种是完全的陌生人， ai 认为理论上存在，但是难度很高。而第三等是最可能的人 结构性的接触者，经常出现在同一空间，也有过功能性的接触，但是不会被记住。 ai 认为刁爱卿是见过这个凶手的，但是并不认识凶手，他们两个没有任何的社会关系，很可能刁爱卿是在某一个固定的岗位经常见到凶手，点点头，并不会闲聊。在这种情况下，刁爱卿不会反问，不会警惕，不会求助， 也不会觉得自己正在被带离安全的区域，犯罪嫌疑人的范围再次缩小。我就问 ai， 根据发现对爱情的地点范围并不算小，对吧？以当时的经济环境，凶手是怎么丢弃的？步行太危险了吧？自行车呢？你认为犯人是怎么丢弃的？ ai 经过分析，认为徒手丢弃的可能性并不高，载重异常，大晚上的提着重物，这本身就很值得怀疑。 然后呢，是暴露时间过长，根据发现，吊带轻的位置范围并不小，徒步太容易被发现了。 最后呢，就是心理压力过高。本案的凶手应该是分批次的丢弃，结合当时南京的经济状况，私家车、机动车极少，夜间城市管理松散，非机动车和步行是社会的常态，他们对携带物品的警觉远低于现在。 在丢爱卿的案件中呀，凶手需要在深夜或者凌晨行动，携带的重量不小，多抛弃点还需要不引起路人的注意，那么行动线路就需要高度灵活。 自行车确实可以做到，但问题在于载重能力有限，稳定性差，消耗体力，遇到检查没有办法快速的脱身。而踏板摩托就可以做到随时起步，随时转向，迅速离开现场。 如果凶手的工具是踏板摩托，那么这个人熟悉南京的街道，有使用踏板摩托的生活习惯，并不是临时作案。 ai 倾向于凶手是一个中下层的男性，有一定的规划能力。然后我就问了 ai 第六个问题，那么凶手作案是在什么地方？他的职业是什么呢？ ai 认为，对爱卿最后一次确认出现是在学校周边的夜间，后续被发现的地点范围不小，且有分散抛弃的轨迹，行为没有激烈的争执挣扎的痕迹。 案件中出现了低干扰、多移动、夜间行动，那么作案地点很有可能就是在受害者熟悉的半公开的空间，像是校园的边缘小路、生活区周边偏僻的街巷等等。 并且凶手在本地有稳定的职业，职业自由度高，不显眼，体力或者交通技能适中， 这份职业的社会信任度极高。 ai 认为凶手是不可能在公共区域进行操作的，风险太大了。凶手必然是有独处的空间，这地可以装载、转运、暂存，而且必须容易进出，不引起别人的怀疑。 ai 列出了几个怀疑的地点， 有可能是在自己家或者家人的住所，像是宿舍、公寓、出租房、工作单位，也有可疑仓库、后勤的房间、办公室。 而熟人家也是可以的，如果这个熟人不在家的话，如果是这样，那么白天作案的可能性就很低了，除非凶手有完全独立的空间或者工作允许， ai 更倾向于夜间操作的可能性。 至于职业， ai 认为我们要找的凶手很可能是夜班或者灵活休息的校园周边工作人员。第一档是学校周边的工作人员，像是后勤、门卫、快递、维修保洁，他们的行动自由，熟悉环境，外表没有威胁。 第二等是熟悉街区的低调的技工或者小型的商户，他们交通工具熟练，夜间工作正常。 第三档那就是临时搬运工或者货运的配送人员，体力要求高，熟悉操作踏板、摩托，低干扰行为多。 最后一等呢，就是长期生活在该区域的居民，熟悉环境、生活半径和作案路径相重合，作案机会多。但我觉得第四等是不太可能的，因为当时警方是对周边小区进行了排查。 然后我问了一个非常关键的问题，根据作案手法，普通人是否可以作案？ ai 给我给出了肯定的答复，是的，普通人也会作案。 很多人认为啊，看到这么多片，会下意识的认为凶手具有一定的专业技能，像是医学、屠宰、解剖等等。 但是人体结构学并不是什么复杂的学科，不需要多么深的专业知识，不涉及高难度的技术判断，也不依赖精密仪器或者复杂的理论知识。如果是专业人士，那么他们的作案手法往往会过度的精确，高度统一，有明显的技术风格。 但是刁艾青案呈现的是耐心、重复和控制，这就说明不是会不会的问题了，而是敢不敢的问题。一个普通人需要克服三点，第一层呢，就是生理与情绪的反射，第二层就是持续时间的耐受，第三层去人格化。 所以从犯罪学的角度来说呀，这起案件的作案手法并不依赖于专业性，而是依赖于心理的耐受程度、去人格化能力以及长时间的行为控制。 这意味着实施者不一定具备专业的背景，但耐心和结构必然是异于大部分常人的。第八个问题，我问 ai， 凶手的年龄和家庭环境。 a i 说，结合钻手法、心理、行动能力，凶手最有可能的年龄范围是在二十五到三十八周岁左右，这个阶段体力充沛，行动灵活，有计划性，风险评估能力强， 而且呢，他熟悉环境，可以容易获得独处的空间啊。不过要说一下啊，这并不是精确的生物年龄，只是行为学推断出来的一个区间。 然后呢，根据当时的社会环境，凶手很有可能结婚了，但是可能是处于情感关系不稳定或者功能性婚姻的状态，不是典型的高质量亲密关系。 这句话的意思就是，凶手可能结婚了，但是感情并不稳定，或者离婚了，或者是两地分居之类。 在以往的很多案件中呀，很多犯人都是这样，当感情出现问题的时候就会作案，然后感情复合了，又开始不作案了。刁爱卿案的这个凶手，我觉得我个人觉得是有点符合的。 至于为什么选择刁爱卿，在本案中，犯人的犯罪心理并不是单一的动机，根据作案的手法来看，凶手是机会型，有极端的控制需求，并且去人格化。 犯人的核心追求不是情绪的宣泄，而是在用极端的手法来获得绝对的控制感。受害者的选择没有目的性，也不是私人恩怨，而是可以接近谁不会怀疑的人。高控制低情绪的家庭更容易出现这种心理。 a i 认为受害者的家庭规矩多，情绪并不重要，而且要绝对的服从。这种家庭表面上很少有争执，很少有拥抱，也很少进行交流，遇到问题都是靠自己熬过去。 从犯罪心理学的角度来看，这类家庭的构成元素包括父母一方或者父母双方，可能是权威型的，很严格，情感表达能力有限，这让凶手对控制就产生了渴望， 再加上情绪压抑，家庭内部的情感支撑不足，就让凶手变得冷漠，没有共情能力。共情能力低，但是情绪隔离能力高。这个家庭呀，很有可能兄弟姐妹少。家庭强调顺从，表面成功行为规范，家庭冲突被压抑或者回避， 非常的重视规则、秩序和责任。我问的第九个问题是，根据犯人的作案模式丢弃的地点，他的智商高于平均值吗？来自于什么阶层的家庭？ 从作案模式与遗留物分布来看， ai 认为犯人的智力水平高于平均值的概率偏高，但是并不是天才级。 他呢，不是靠聪明取胜，而是靠稳定、耐心，不犯错取胜。这是两种不同的东西。 真正的高智商自恋型的犯罪者，往往会出现过度的自信复杂化为目的，试图用智商来碾压系统，留下炫技的痕迹。就像黄道少攻杀手一样。如果本次的犯人是一个高智商自恋型的犯人，那他必然会向警方挑衅。 但是在丢爱轻案中并没有这些痕迹。犯人尽量不显眼，不制造多余的信息，不挑衅，警方很克制。 ai 给出的总结是，高智商罪犯未必能完成这种犯罪。能完成这种犯罪的人，具备情绪不被干扰，长时间保持心理复合，能在高压力下继续工作，更倾向于职业化。关于家庭， ai 剔除了富裕家庭和贫穷家庭， 认为从作案手法和心理特征推断，凶手很可能来自于一个普通的中产家庭。 家庭提供了相对稳定的生活环境，能够在不引起人怀疑的情况下计划和实施犯罪。同时，家庭内部可能存在情感剥离或者高压的结构，这为凶手形成高度控制型、去人格化的心理提供了心理的土壤。 最后一个问题，那就是犯罪的身高，还有完整的心理测，写了 参考算案能力和对体型的预测。凶手的身高很有可能是在一百七十到一百八十厘米左右， 太高或太矮会影响力量和机动性。身材也并不是肌肉壮汉，很有可能是普通身材，但偏向精干。容貌方面，控制型、计划型的犯罪通常具备社会伪装性，外表不威胁他，人文质彬彬，憨厚老实，可能戴了眼镜， 给人斯文的感觉，五官轮廓不夸张，属于大众脸，这样在社交中容易接近别人，对陌生人或者熟人很友善。这种人面部表情冷静，情绪不外泄，发型着装普通，不喜欢引起别人的注意，然后让 ai 给我画出了嫌疑人的画像。 a i 认为我们本次要找的犯人案发时三十到四十五岁，身高一百七到一百八十公分左右。他出生在一个小康家庭，家中的父母并不擅长表达情感，并且父母这一辈的权威感非常的强，要求凶手听话懂事，不允许制造麻烦， 这就养成了他善于隐藏表面顺从的性格。犯人已婚或者曾结婚，这段婚姻在外人看来表面正常，但情感早已梳理。伴侣对他的评价时老实沉默，不爱表达。 外人觉得犯人人还不错，但是有点冷。他善于交友，但很难融入一段真正的关系，不会敞开心扉，所以没有至交好友。 案发时犯人从事的工作类型偏向于技术型、重复性，并且有独处的空间，作息时间呢，是相对自由或者不规律。他选择刁爱卿是因为刁爱卿容易下手，凶手作案的时候并没有提前计划，但是内心早已完成了全部过程的流程。 在作案时，犯人展示出了高度的控制性人格，情感共情能力差，心理承受能力高。这类人在日常生活中不容易激动，很少情绪失控。对外界而言，他就是一个正常人，所以不会引起怀疑。这就是 ai 给出的答案， 他还给我配一张图，不过这张图的字吧，哎，挺别扭的， ai 还得进步啊。这就是今天我所提问的问题，当然是有不到位的地方，你们觉得有什么纰漏可以留言发给我，我们继续问。 当然我得说一句啊，这只是 ai 根据问题给出的答案，并不是百分百的正确，只不过给我们给了一个不同的思路而已，大家不要全部相信。 那么今天的节目就到此结束了，感谢朋友们收看，在新的一年，祝各位朋友财源不断，我们下期再见！拜拜！

ai 码和人差的还是有点太远，在他刚出现的时候，我想你应该是记得的，连个人吃面条都做不好，所以当时我觉得这不可能，这个技术能很快的替代我们的技术。但是仅仅过去几个月，画面不动了，人变真了，清晰度也开始提升了。 就是这个时候我开始有一些感觉，这个技术和我们以前见过的什么脚本，什么插件都不一样，所以我试了一下，用它生成的银河列车和我们手工做的画面对比一下会怎么样呢？ 也许这时候你会替我说一句话，手工做的还是比生成的要好， 但是刚才你看到的是二零二三年的呢，二零二五年的呢？ 这是一个叫做 vivo 三的模型，在两分钟之内生成的画面，连音效也是它生成的。同样这个片段花费了我们公司五个人五十个小时。 我不知道你能不能理解这种感觉，我们开始意识到我们的能力成长其实远远落后于 ai 视频进化速度，整个行业都是这样，这会产生一个很荒谬的现象或者问题。从小我们都会教育，努力学习，付出就会有回报。 但在 ai 面前不是这样，我们过去挑灯夜读，在学校学习的各种特效拍摄，在他的面前是没有任何价值的。这也就是说，当我们越努力花时间去做一个片子，越大规模，我们做的事情就越美丽，因为我们会离他越来越远。 这时候也许有朋友会说，那为什么你们自己不好好学学 ai， 生存，跟上时代呢？你知道吗？最残酷的点就在这里，因为我们已经学了十几年的传统视频制作，我们反而被限制了想象力，也就是说，我以前的努力在 ai 时代反而成了我自己的家族。 就是这样。可能我说的话你会觉得有点夸大，或者杞人忧天，那不如我们再来看点别的东西。刚刚的列车尽头其实是二零二五年初的模型生产，那现在呢？你注意到了吗？ 这些都是假的，这是假的，这是假的，这也是假的。这些都是假的，都是 ai 生成的，甚至连我也是假的。哎，帮我把背景换成大侠图怎么样？ 嘿，你开玩笑的，大家怎么可能是假的？只不过我不是 team， 我 可以吃任何东西。 我是蜘蛛侠，我是蝙蝠侠。只要你喜欢，不需要任何人花心思工作，你只要说就可以。哦，想坐银河列车的尽头吗？我来帮 你。在这样的场景之下，你还能分辨出哪个是透过汗水的画面？ 我会经常想到西部世界里面的两句话，第一句话， well， if you can't tell does it matter。 第二句话， and you you frighten me， sometimes to lawrence。 这是在那个片子里面的人工智能。

震撼来袭！就在昨天， solo 官方更新了 v 五点五版本，重新定义了什么叫专属生产力，把极其复杂的模型微调时间压缩到两到五分钟，这不是魔法，是极致的算法进化。我们要的不是千篇一律的 ai 口齿歌，而是带给你灵魂印记的专属神曲。 这款降本增效的神级应用，让录音棚和大众脸的 ai 嗓音从此成为历史。一键提取人生克隆专属音色，个人品味学习，用工业化的速度实现极致个性化的交付。 受够了抽卡副歌全封，人生毫无辨识度的无底洞吗？ v 五点五版本实现了全方位的个人定制，就像开箱即用的随身乐队一样，一键录音，稳定克隆，两分钟时间完成一次音乐版权革新 暗号，直接开启你的专属创作之旅。大家好，今天这节课我们来深度拆解 solo 最新的 b 五点五版本。这次更新的底层逻辑就两个字，定制！ 废话不多说，直接上实操！首先看顶部，官方加入了一个王炸级功能，自定义模型，点进 customer model， 这里就是打造你专属曲风的秘密基地。它的底层公式是未给系统至少二十四首你喜欢的，或者是你自己以前生成的同风格音乐， solo 会深度学习你的音乐审美，炼制出一个完全属于你的专属大模型。 除了曲风，人声也能深度定制。以前的 persona 功能现在全面升级为 voices， 你 可以直接录制十秒以上的高质量干声，或者上传现有的音频。勾选授权后，系统就会一比一克隆你的音色、发声位置和演唱习惯。 底层逻辑理顺了，咱们直接进入实战。在生成界面下拉，选择我们刚刚训练好的 custom 自定义模型，输入歌词，直接点击生成，见证奇迹的时刻到了。废话不多说，来我们一起戴上耳机听听这段套用了专属定制模型后的最终效果有多震撼， 听完是不是感觉非常牛？对比普通的通用模型，自定义模型完美继承了你未给他的独特律动和和弦走向，这就是 v 五点五的真正魅力，赶紧去打造你的专属 ai 歌手吧！

今天我们来拆老舍的断魂枪。这篇小说很短，五千来字，但他是老舍自己最满意的短片之一。为什么？因为他在那个武侠故事里，藏着一个写作者最深的功课。怎么写不写？ 我想问你一个问题，一个人有一身绝技，但时代不要了，他该怎么办？ 不传，不传，这是断魂枪的结尾，沙子龙神枪，沙子龙一生五虎。断魂枪二十年没有遇过敌手， 有人上门挑战，他不接，有人跪求学艺，他不喘。最后夜深人静，他关上小门，把六十四枪刺下来，杵着枪望着天上的群星，叹了一口气，微微一笑，说了这四个字，不喘，不喘。 这四个字是短篇小说的魂。我们来猜第一层，老舍怎么写时代变了， 开篇第一句话就是这样写的，沙子龙的镖局已改成客栈，七个字没有感叹号，没有抒情，甚至没有形容词。但是你知道 一个时代结束了，老舍怎么写时代的巨变，他不写沙子龙，怎么难过，怎么失落。他写火车快枪，他写恐怖和通杀， 他写不同人的面色，他让你看见那一身的本事，是真的没用了。标举，改客栈不是选择，是活命。 我在写自传体小说，我在北京当服务员的时候，也有过类似的东西。二零零三年，正值非典在北京肆虐，我没有写北京的情况有多严重，我只写自己在餐厅后院卖菜的时候，北京人嫌弃的言语 离我远一点，谁知道你们身上有没有非典病菌，就是你们这些外地人带来的。老沈教会我写时代变了，不要写眼泪，要写那个时代的印记。 我们来猜第二点，三个人的三种态度。首先看王三圣，他是沙子龙的徒弟，他还在庙会上耍大刀，想靠这身功夫混饭吃，输了不服就抬出师傅的名号，想要报仇，他还活在那个旧梦里。 孙老者，一个上门挑战的老人，他一身功夫为学那套断魂枪，从河间找到这，他当着沙子龙的面打了一套拳腿，快手飘洒，他想用我够不够格来换那一套枪，他还相信本事是用来传的。 沙子龙他自己，他比谁都清楚，这个功夫传了也没用，徒弟拿去干什么？接着卖艺吗？接着被人笑，不如让这套枪跟自己入棺材。 老舍用三个人写了三种态度，一个是糊涂，一个是痴迷，一个是清醒。 但是最痛的是那个清醒的人。我有时候想写作者也是这样的，在前两年写文字的时候，你还在想怎么构思，而时代来了， ai 时代来了，你只要把这些文字丢到 ai 里面，他就会帮你润色， 时代要的东西不一定是你能给的。怎么办？沙子龙选不传，老舍选把这个不传写下来。 我们来猜第三点，结尾的那两个不传，你看两个不传不一样，第一个是说给别人听的，孙老者、王三圣，所有还想靠功夫吃饭的人。第二个说给自己听的，说给那个夜里还在练枪的神枪手。 白天我说不传，夜里还在自己练。这就是沙子龙最让人难受的地方，他不是不爱这杆枪，他太爱了，爱到舍不得让他被糟蹋，爱到宁愿让他跟自己一起死。 他守着这套枪，像守着一个秘密，也像守着一个墓碑。老舍写这一段没有煽情，他只写用手指慢慢摸着梁华的枪声。 梁华两个字，你知道他摸过多少遍才摸出这种触感，这就是老舍教会我们的最深的感情，是用最轻的笔来写的。关注我，一个写过百万字的人陪你死磕写作。