跟三个搞AI的博士，聊聊近期AI大新闻和真实就业情况

对话三位AI博士：近期行业热点与真实就业现状 三位博士深入探讨了当前AI行业的底层争议，包括“人与Token谁更划算”的算力成本账本、欧美闭源生态面临的资本泡沫，以及DeepSeek等开源代表所展现出的第一性原理壁垒。随后，嘉宾结合各自在多模态转向世界模型、医疗AI跨界攻坚及低空安防落地中的经历，拆解了学术界算力焦虑、顶会通胀与端到端智驾退回模块化控制的工程现实。最后，对话曝光了一线大厂百万年包、体制内研究所“一口价35万”与高校教职的真实薪资落差，并警示传统互联网大厂正在沦为“赛博土木”，呼吁从业者避开盲目读博，扎向传统制造与实体工业寻找增量价值。 企业端尝试以Token与Agent构建“数字员工”在复杂工业场景中面临高昂的后期维护与代码黑盒代价，综合投资回报与多变业务适应力目前仍不及核心人力结合AI辅助工具。 (10:00) 不同于硅谷AI项目倾向于租房、社交等轻量消费级服务，国内AI创业在资本收紧倒逼下深度下沉至实体制造、工业仿真与农业生产，反而形成了扎实的抗泡沫能力。 (15:00) DeepSeek凭借自有量化投资资本的充足现金流摆脱了上市财报与短期变现KPI的绑架，以开源模式打破了海外巨头的商业垄断，并展现出传统互联网大厂难以复制的技术护城河。 (30:00) AI博士就业呈现剧烈分化：一线大厂顶尖研究岗年包可达百万至两百万元但稳定性欠佳，体制内研究所保护期后下滑至20多万元；随着互联网大厂步入“赛博土木”存量期，实体行业数字化转型正成为关键增量。 (90:00)

三位不同领域的AI博士指出，当前AI技术正经历从通用大模型军备竞赛向实体工业落地的现实转向；面对高昂的维护成本与互联网“赛博土木”式的存量内卷，单纯堆砌Token与纯算法研究已现瓶颈，与传统制造及实体产业深度绑定的务实工程能力正在成为真实的护城河。 算力泡沫与成本账本：人比Token便宜 (5:00) 针对“人不如Token便宜”的流行论调，十四与罗克结合工业界实践明确指出，当前大部分场景下人依然比Token便宜。企业若试图采购Token打造全自动化“数字员工”或复杂Agent工作流，一旦业务稍有变动，原有代码极易沦为难以维护的“黑盒屎山”，后期填入工程师维护的隐性成本呈指数级上升，因此AI当前的最优生态位依然是辅助人提效。 在宏观算力层面，两两认为只要Scaling Law尚未撞墙，大模型对硬件算力的需求就是刚性的，当前仍属技术扩散期。罗克则提出算力泡沫破裂论，指出巨额资本利息与缺乏盈利支撑的商业报表正让部分海外闭源巨头面临严重失血。十四与两两进一步补充，相较于硅谷多集中于轻量级服务业，中国AI创业几乎被倒逼扎向实体制造、农业和流体动力学等实体降本场景，坚实的实体产业需求在客观上吸收并消解了部分技术泡沫。 开源突围与路线分化：纯粹者的商业壁垒 (30:00) 在开源与闭源的路线博弈中，两两与十四指出两者将长期共存：涉及核心隐私的高校科研与特种国企依赖开源本地部署，而闭源巨头则继续承担拉高前沿技术上限的角色。然而，以Anthropic为代表的海外闭源企业因推行“赛博赎罪券”式的绝对安全审查、源代码疑似预留本地通信后门等问题，在技术社区饱受争议，并在DeepSeek等开源平替团队冲击下融资受挫。 罗克与十四深入剖析了DeepSeek的独特护城河：创始人梁文锋展现了极度纯粹的第一性原理，凭借充足的自有资金屏蔽了短视的商业变现与C端干扰。反观国内部分大厂与资本驱动型团队，在严苛的盈利KPI考核与高管架构动荡下，频繁强推应用、调整Token计费与加延迟，技术追求在财报压力下严重变形。 技术架构重构：从端到端退回模块化控制 (70:00) 面对多模态大模型就业岗位的收紧，两两在博三选择将科研重心从视觉语言模型（VLM）转向“世界模型”。其原因在于当前Transformer架构在细粒度视觉理解上存在天然上限，且大模型预训练已被工业界垄断，而世界模型对物理客观规律的建模更契合具身智能的长远需求。 针对具身智能与自动驾驶领域此前狂热的“纯端到端”深度学习路线，罗克直言其在工业落地中面临严重困境：Demo容易针对特定场景过拟合，且仿真引擎难以覆盖长尾边界场景（Corner Cases），导致行业在“仿真到现实”之间不断打补丁。两两与罗克一致认为，当前最务实的物理AI架构正在重回解耦分块：由多模态深度学习负责开放环境下的统计感知，而底层运动规划与执行控制必须交由具备确定性与可解释性的经典自动化控制理论完成。 薪酬梯队与赛博土木：从业者的突围路径 (90:00) 三位嘉宾横向梳理了应届AI博士的真实薪酬图景：一线互联网大厂核心研究岗年包可达100万至200万元，但多以刷顶会为考核，存在战略调整被裁风险；中大型私企算法岗年包在40万至50万元；体制内研究所普遍首年保护期年包约35万元，保护期后若课题经费不足往往滑落至20多万元；高校教职视平台与地区在20万至40万元之间波动，且长聘考核愈发严苛；香港博后月薪则在2.8万至4万港币之间。 面对就业规划，罗克警示传统互联网大厂底层数字基建已基本完成，基础前端与代码被AI快速替代，正步入岗位收缩的“赛博土木”阶段。十四强调，AI不会直接淘汰人，而是会使用AI的人替代不会使用的人。三位博士一致建议，若没有经济支撑与学术热爱切勿盲目读博；对于未来就业，避开存量内卷、主动走向具备数字化转型刚需的传统制造业与实体工业，才是AI人才穿越技术周期的增量蓝海。 本期对谈呈现了AI热潮退去资本滤镜后的工程实相：纯粹的端到端神话与盲目的数字员工叙事正遭遇落地阻力，学术界面临算力与独家数据导致的严重分化。未来无论是技术架构还是个人职业选择，脱离虚幻的刷榜与流量包装，扎根于物理现实与传统产业的确定性问题，已成为业内博士的共识。

[5:00] 十四: 人目前在大部分情况下确实还是比Token便宜。 [10:00] 罗克: 到明年1月也许就会有烟花可以看。 [30:00] 梁文锋: 因为我们在做有意义的事，所以我们的商业护城河比竞争对手更深且不可复制。 [30:00] 罗克: 梁文锋最初是做量化投资的，自己资金极其充裕，做AI完全不差钱，融资只是为了给优秀员工分股权留人。 [60:40] 罗克: 科研与工作都不要陷入完美主义。 [75:00] 两两: 先把信息多起来总是好事，对不对的后面自己再去判断。 [80:00] 罗克: 人才只在一个圈子里互相流动。 [85:00] 两两: 15天调研一个东西，7天做实验，3天写论文。 [95:00] 十四: 真正发生的不是 AI 替代人，而是“会熟练使用 AI 的人替代掉完全不会用 AI 的人”。 [95:00] 罗克: 包括说做 Auto-Research，或者最近很火的用 AI 去解决那些数学的猜想，首先你自己水平要积累足够你才能看明白。因为 AI 说我这有一篇可以发顶会的论文，或者说我解决了一个数学猜想，这是我证明的过程，但是普通人你是辨别不出来的。你自己水平到那了，你才能把那个论文真正加工到顶会水平，或者你真的看明白了这个数学证明它到底对不对。 [100:00] 两两: 只要你在纠结，那就绝对不要读！

[0:00] 因为2Z的话那主要都是程序员和学生哪有钱啊程序员像我这样的都去好转转这样的羊毛了所以也就有2B的这些公司像今年上半年小龙虾出来一个个的都头脑发热疯狂转发也就这些老板的钱还能骗一骗所以他们这个做起来这个动作很容易变形但是因为梁胜之前关于多摩泰的评论其实我不否认他那个多摩泰的评论的正确但是确实也影响到了这一方面就是多摩泰大模型这一方面的就业岗位所以我最近在逐渐的可能转向世界模型因为我觉得可能世界模型要更天然的贴合多摩泰的这一个使用场景但怎么说呢因为有些教授他只是刷榜他只是需要在一些公开数据集上有成果就行了然后他可以造一些数据就是甚至说造一个sota榜然后大家去刷造一个benchmark然后大家去刷这个东西所以说真正做医疗AI的人非常多但是你看医疗AI产品其实非常单一没有真正解决病人或临床上的问题像博士的同学首先就去研究所嘛全国基本都一口价一般都35万的年包过了保护期可能会掉到20度我有一个同学去了北京的一个其实跟西安这边都差不多其实来说我觉得性价比不是很高吧环顾四周周安南下海角老张前段时间AHRT2.3的出大新闻有的直接导致了韩国股市的动荡有的引发了开源必源的攻击讨论有的则是对AHRT市场遭上了巨大的影响专业的事情就得找专业的人来聊本期我邀请了三位AI相关的博士来聊聊当前大模型的发展以及AI就业的真实情况那这三位博士呢第一位是专门搞多么太大模型的再读博士第二位则是做AI加医疗临近毕业的一位博士那第三位则是已经毕业了两年半刚毕业的时候去了研究所做智能制造后面从研究所跳了出来现在在私企用AI去搞低空间计他们三位各自聊的内容呢也刚好适合不同的人群那第一位讲呢就很适合目前AI科班再读的一些同学来了解周围同学的整理规划第二位讲的则是非常建议现在在做AI加其他专业的同学认真看完第三位讲则是最实际的目前工业界都在用AI干什么以及AI正在起什么作用而且视频的最后一部分也是用三个人的视角统一了目前AI就位市场的真实情况就像他们所说的优秀的硕士并不比博士差那跟之前的内容有所不同本期新增了一个环节是让他们各自结合另外两位的专业和背景现场及时提一到两个问题果然这个环节是要比我这个外行要专业的多的这个系列的时长依旧拉满感谢你的朋友可以先点收藏之后慢慢看虽然本期内容在我个人看来还是聊了挺多有趣有用的东西但是大家也不用偏听偏信还是得通过更多的信息语言来得出一个相对客观的答案而如果有其他同学者在看本期内容的时候发现有不同的想法也欢迎在评论区友好交流讨论提前感谢大家一见三连你的三连就是对这个频道最大的支持非要不说我们直接看融片大家好就是我要两两的我是一名在读博士开学的话是博三现在是在西安交通大学然后是专业的话就是人工智能现在在做的方向的话是以多么态为主然后是可能做一些视觉语言或者是模型后面做世界模型大家好,我是十四,来自香港大学,目前正在准备毕业答辩。我是来自矫情及创生外科系临床医学专业。我的课题是基于可解释的视频理解和多摩泰疾病筛查大家好,我是罗克,毕业于系电的软件工程专业啊 毕业到现在刚好两年半把一个宽念啊然后毕业去了研究所做智能制造方面的工作现在在一家这个半导体的企业做算法工程师OK你们三个背景其实就是相当于一个就是纯稿就两两相当于就是纯粹的稿目前这个主流的大模型的然后十字这边就相当于是那种其他专业跟AI家的组合罗克这边就是之前是搞软件工厂的你是出来之后你相当于进了企业你和这个AI大潮然后也是在做AI相关工作对吧对,是的今天主要就是拉上三位虽然有一位还是博士再读啊就是因为博士嘛在我们视角里看来就是你对于一个行业的这种精通程度已经是这个领域 [5:00] 对对拔尖那种人所以我们也是根据三位的这种在哎哎领域目前自己研究也好或者工作也好这种感受和见解吧讨论一下目前整体的这个行业的发展其实说就业趋势第一part呢我们就是先来聊这个业内热点什么叫业内热点呢就是之前跟三个大商大马龙那期的交流我不知道三位有没有看如果有看的话就是那期的开头北美的那个小伙他说了一个观点就是人目前还是比token便宜的然后当时那个弹幕飘逝你现在如果看这个视频的话大家应该都知道在喷它嘛对吧然后评论区也就是各种不屑但是后续呢一些爆出的新闻嘛就国内大厂他不仅是对于自身员工的那种Tocker使用量进行了这种调整说是调养其实就是限制另外的话国外也有相应的现象包括那个Meta那边也是出租了自家算力然后出自然上利不久就导致那个韩国那边的什么韩力士跟那个三星的股价又跌下去了然后就是想问一下三位就是分别是怎么看待人目前还是比token便宜这个观点以及说你觉得AI算力硬件这套的叙事它是真的靠谱还是说就像很多评论人说的可能是泡沫对就是我一开始看到这句话的时候,我有点...因为我不知道它的出发点和具体的比较是啥其实我觉得人和token的这样比较没有太大的意义坦白来说你的能力不可能离了人以现在来说的话,你人离了智能体也不太行,这样相同的模式的话,其实在历史上发生过很多次就是这次电影的就是之前那个纺织女工和纺织机的那个故事而且你说的像token其实AI coding挺早的在大模型刚出来没多久之后当时就已经开始了就开始像copilot像cursor但那时候大部分其实还是我们自己用的在程序员内部用的比较多后面才是像codes cloudcode这种所以我是觉得就是尽管就像说的可能就是大厂给人限制了一些算力或限制了一些投根舍量我觉得这个无论是增加还是减少的话和投稿之间是没有任何的KP性的那些视频你看完了吗我看完了但是你应该看完了你应该不会蒙你应该知道他想表达的具体意思的是什么就是大场内部对于人的整体工时的使用量以及对于整体的这种在token上的这种资金投入相比较的话相当于我花个100万刀我投入到人的身上要比我花100万刀去买token那转化率上人可能会更划算点我其实觉得现在还真不太一定开发上的话如果以效率为著称的话token可能会更高一点但是如果你以可用性来说的话那可能确实还是要高一点主要是看你的目标的话但是如果像我们在做研究的话那可能就是不纳入这一方面讨论了那你觉得那个刚才那套东西就是AI算力应届这套东西是目前市场上吹这套东西它是真的靠谱它是真的可以往那个高度发展那个体量去发展还是说它就是越吹越大的泡沫目前来说应该不算是泡沫因为在大模型这些行业有一个名词叫做scaling law就是缩放率它说明了一件事情当你的参数量你的数据量和你的计算量同步上去的情况下你的模型的性能是会有预见性的越变越好的所以你在这样一个背景下的话一些商业公司要追求更大的参数量更加高的计算量和更大的数据量的情况下你就会势必去追求更多的硬件和算力至于这些多出来的硬件和算力的话有可能会出租你像不仅Meta会出租很多都会出租季节也会出租金山可能也会出租甚至一些国企央企都会出租但是其实他们都还是围绕着酸利这一块至于泡沫的话就像前面说的就可能真的等大模型的能力到达一个瓶颈也就是Scanalol到头的那个时候那这个Polmos可能会出现但现在我觉得在商业这个情况下我觉得一时半会儿应该不会我先回答那个人物还比Token便宜这个观点吧,我回答的问题之前,我先简单介绍一下我的经验我也在一个就是医疗AI方向的公司实习过然后也在华为我当时是25年6月份开始在华为事情那个时候华为内部还没有不提倡使用外部这些工具但是我们可以使用一些Deepstake这种网页版所以我们当时不存在一个订阅的问题但是从我当时完成任务的观感来说 [10:00] 结论是人目前在大部分情况下还是比Token便宜的,包括啊,今年上海开那个会嘛然后也有一些运势大家都在聊到下一个问题就是怎么把token的质量提高就是我们不仅做一个任务要花token还要花高质量的token用更少的token去做更难的事情所以从目前来看,我觉得在一些任务上,人确实是要比Token挺,下一个问题就是关于Meta那个问题,其实我关注的一些北美的那边信息是Meta本身自己对AI这件事情就没太明白自己想要干啥,他们自己出了一些决策问题,之前田圆栋老师那边的一些博客访谈也提到过,他们自己做模型,还有做一些从之前做元宇宙开始,旁边一些决策就开始出现问题了那些就不谈啊反正他们自己其实是买了很多卡但是他们对于这个资源专配还有具体要做什么业务根据我了解到的信息是创意一些决策失误吧但是算力出租这件事情是可以让他就金融上止损或者回本的出租这件事情来说是很合理很正常的,梁文宫DeepSake那边那个房子那个会议里也提到就是他们这些东西其实是有一套经济的规则在里面可以回本然后最后一个问题就是说AI算力硬件这套去是是否可靠我觉得它是有一定道理的AI领料这个东西大家都是业内共识的但包括像tipsick大家在做一些事情就是说这个东西是不是真正强关联或者唯一关联就是说有没有别的方法去缓解一些问题缓解一些算力紧缺的事情那确实我觉得还是有很多工作可以去做然后算力这件事情还是非常细缺的据我了解反正在内地做相关的AI科研段历非常非常难受,包括你在公司里就是我在华为的话我们当时也是一个研发组我们这个算力卡也是跟别的组有需要有这个沟通调和这些算力资源但是现在目前就说国产的这些资源华为这边的芯片也在慢慢更新慢慢迭代可能肯定会越来越好偷看比人便宜我觉得这个怎么说呢比如说从公司的角度他现在有一笔钱他要投到token还是投到人我想了一下是这样就一个是正常每个月给大家买token的额度这个主体还是员工然后另一个呢就是可能有人听说过现在很多公司在搞这个叫数字员工或者之前大家听过这个蒸留去把工作的一些流程用这个agent跑起来这个我觉得就可以是主要投入token的一种形式其实目前我们公司也在做这样的事目前观察到呢如果投Token为主的话,它很多工作确实可以坐下来但是他做的很多东西呢都比较死板工作很多的流程都是在变的那一变的话呢你原来的东西就用不了你又得维护因为之前这种agent 他一般都是一些比较复杂的工作流宁到一起你要更新会很麻烦的所以说就是从投入数字员工这一块儿是一个不是很划算的事情就包括像软件开发也是很多agent写的这个代码稍微复杂一点的项目吧其实网上很多人也在吐槽这个写的越来越像黑和像石山了这个维护的话是一个很大的代价就是他写完跑起来这个可能不会花很多token那你稍微部署运行时间长一点这个要维护的投看反而会非常多像之前大厂他们投奔贵是因为当时大家都用Cloud现在相对好很多吧像GBT也很便宜了但是即使是降加到现在AI开发的工作不管是数字员工的这种更新迭代还是他做的这些项目复杂项目后面挖了坑要买很多的人进去这样从公司的人力成本来看那确实还不如我就收缩这个投入还是以员工为主让这个AI token回到它这个工具辅助的位置上这样的话对公司整个的运行会更加平稳然后第二个问题是说AI算的硬件这个叙事泡沫怎么说呢之前我看到有一些经济学家或一些专家像狄东升啊高志凯还有卢锡元其实他们都在预言从今年六月到明年六月这个时间段会有权 [15:00] 球性的这个危机这个危机说的就是这个AI这一套叙事他这个危机的长度会比当年2000年的互联网泡沫更加严重其实你说互联网的技术技术本身是没有问题的包括到后面移动互联网对吧到现在啊带来很多的便利但是比如从根本上来说美国它现在这个国债的威力很大美元的压力很大它本来是想垄断这个硬件和软件算力token把这个石油美元变成算力美元但是这个没垄断成功虽然他们最近英伟达好像还推出了一个这个token金融化的工具可能是这个冠情没杀住车包括去年美国搞稳定币就他总想这个这个搞点什么大新闻把这个美元赚了赶紧解困但是现在解不了了AI已经被中国破掉了垄断所以后面美元会很麻烦然后这些AI的泡沫包括那些公司不管是OpenAI还是A出都不挣钱他们的内部的财报问题很大他们虽然技术很领先但是他靠什么挣钱呢这个股东没法交代我觉得可能到明年一月份也许就会有一些烟花可以看就是这样你是认可这个泡沫论子对吧外界说这个泡沫论子是的前两位不认可那这个可能是我能补充一点你说分享一个故事啊就是我之前跟我在美国读书的朋友也在聊AI创业的问题我感觉在内地的话AI创业它本身更难拿到投资但是它创业的项目会更偏制造业就它会跟更多的多学科交叉就比如说制造业生产然后或农业这种就是我真的能看到这些项目存在然后看到他们的新闻和发展但是我看到那些YC的一些项目还有一些北美UP组他们在分享的一些创业项目上北美那边的AI方向的相关创业好像更多的都是在一些比如说找房子比如说社交比如说对就是这种提供服务平台机会的这个就是让我觉得那边的创业的项目不是特别丰富感觉就存在在那一块这是让我觉得这个泡沫在美国那边很难消解但是在我们这边在就是在中国相关的这些发展同步的情况下我们这边泡沫其实没有收到这么大我比较赞同刚刚十四的说的,就是,确实是国内现在,单纯做AI或者单纯做AI大模型算法的很少除了那几家共所周知的一些公司之外就像我同学今年刚入职了一家他们是做啥他们是把AI和流体结合在一块然后去做流体模拟的内容而且成功落地还招到投资了然后同时就比如说高效率的一些研究项目现在也是在鼓励AI落地应用这一块就像说的AI加农业AI加农业医学倒是很早了加农业加制造其实现在我们学校机械学院很多也专门开了人工智能这个专业不能说专业吧甚至说叫做小班其实看得出来就是内地这边对于AI更看重怎么说落地应用一点吧互联网上有种说法就是美国那边在做的很多事情都是理想化的事情都是往更长的东西但我不认同这套说法但是互联网上的主流说法它就是北美那边做的事情好像就是更远大更理想国内就是更注重这种什么赚钱但这个我觉得是大厂给那几家大厂给这种互联网用户一些刻板印象下一个热点就是最近这个DeepSeek嘛很火热梁胜到梁处最近说是到梁处我不知道他那个涨价涨多少我其实没太关注就是两波这个更新嘛对这个全球大模型的市场遭上了很大的冲击这个大家都都是认可的嘛然后业内评价是什么开源模型第一次真正逼近了碧源起见然后阿里他也是把自家那个先问吧权重人是完全开放了最强那个版本然后国内大厂接连开源他们最强模型然后国外的那几家公司依旧坚持这个避原策略然后在三位看来大漠性的未来到底是处于开源还是必源以及说你最近用的最多的是什么我觉得其实开源闭源都合理就是我可能举一个不太恰当的比例就是你说苹果和苹果 [20:00] 但主要哪一重更有未来那你可能就看哪一方更有先有颠覆性的东西吧然后我觉得开源带来的好处就显而易见就是大家可以帮回整个社区的能量在这个基础上去build up因为有很多公司可以去做后训练所以他可以拿这个权重去做一些垂直领域的自己的私有毛线因为预训练这个事情就比较困难但是后训练的话还是有一些企业可以自己做这些事这是我对开源和避源的这个理解平时其实用的最多的还是Cursor我没有用Cloud Code也没有用Codex然后也没有用Workbody对然后因为我最一开始用的就是Cursor而且我之前是Education的就是一直可以好羊毛所以我一直在用Cursor目前来看就是从agent系统来看,大家都其实差不多开源的话最像刚世子说的它其实很多比如说有隐私数据的一些部门他不方便用像GVT Cloud Code这种东西那他就可以自己拉下来部署一套我自己的东西尽管他成本很高但他还是提供这种可能就像我们学校最近也在促进这个就是说是我自己部署一个给学生做教育用币源对于消费者有一个很大的好处就像OpenAI和F1PIC他们之间的竞争可以促进我们使用到更加先进的模型像GTT5.6和Cloud的Fabe5至于说后面开源和币源我觉得他们两个都会共存开源的环境的话B源替代不了因为有一些部门它就是用不了Cloud Code和SGPT那B源的话也相对不了开源因为客观上来讲现在的B源的性能确实普遍Fibbo和5.6的性能确实要领先很多开源的模型至于我现在用的最多的智能体的话我现在用的最多的是CodeX我之所以用CodeX是因为第一个它订阅起来比Cloud Code在内力要方便的太多了因为我平时写代码还是研究用不太会考虑一些可维护可复用之类的东西所以像Colex我给他一个明确的指令他给我生成一套代码对于我们研究来说是效率更高对更快的一些选择说到用的工具之前我也用过好长时间的Cursor之前是在钱鱼上会买科色的会员当时科色集成了很多家的这个大模型所以用起来很方便后来我想想大概到今年初吧特斯尔我感觉他每个月的这种订阅额度越来越不够了我经常一个月得买三四个那个Pro会员顶不住了那段时间出来了很多这个API服务的中转站后来我就用这个中转站了我买了好多这些中转站充值的服务吧这个很好用GBT很便宜所以刚才听到这个聊聊买GVD订阅订阅其实怎么说有点贵吧反正我是直接去中转站耗羊毛这样的话主要用Codex比较多之前用Cloud Code也比较多的Cloud他们最近模型感觉一般呀他们到4.6之后模型都不说人话了GPT5.5之前也不说人话的5.6好很多但是Cloud到最近这个毛病也没转过来而且你像Cloud的那个Fable5动不动就觉得我在跟他讨论一些危害人类安全的什么话题就不跟我讨论了很繁人所以就Cloud最近不怎么用了就一直在用Codex你刚才觉得贵一个月多少钱你觉得贵啊之前的话我一个月得我想想这四五百吧,现在大概两三百就能定路了公司不暴霄吗报销报销但是有限制比如说只允许你报300只允许你报500这样OK 你现在说是科研和币源这个问题啊对对对然后科研币源的话其实我们首先关注到这个不管是中国还是美国美国你像德里处是吧包括OpenAI他们可能都会说大语言模型是属于整个人类的一个大家应该分享的成果然后美国的公司可能会画风一转说但是这个东西太危险了经常逃逸出我们的实验环境出去捣乱所以我们要避远我们要把它约束起来但是像咱这边的话基本上不讲这一套其实这也跟美国那边的怎么说他们的这种基督文明有关系 [25:00] 他们从诺亚方舟开始包括这个伊甸园嘛就总在打造这个智慧是危害全世界的这个一个末日的征兆的这个故事这样的话宗教就能把自己垄断起来不管是以前卖赎罪券还是现在雷处想把自己搞成AI界的赛博耶稣给大家搞赛博赎罪券你们都来订阅我的会员就完事了所以说这个把这个大语言模型AI本身你真的要把它发展了,肯定是得开阅的开源的研究大家各个这个领域的智慧就像刚才这个师傅说到很多领域你把这个模型拿过去直接是用不了的你还得有很多的公司投很多人力不管是去做后军链微调还是别的什么在带来模型AI本身的进步肯定是要开源的这个B元的话AI就不是发展的目的了它是一个工具就跟前面的那个泡沫联系起来了就是大家左脚踩右脚把自己这个骨架拉起来那么你就不是在做AI你是在做别的什么东西了我想问一下三位啊就是A2这么糟人恨到底在你们看来是因为什么原因呢他给我干接大的一个感觉就是他双标S1P格我记得他是最早做大模型可解释性起家的然后就是说是我们要打到一个安全的可解释的大模型然后是我们要探索大模型里面的一些所谓的乱七八糟的一些东西然后是转头就是做这些东西它类似于就是我做的才是对的然后是你们做的都是错的同时就是还有一些可能对于国内有一些不太好的言论吧是吧我就只说他反对东方大国,所以我对他没什么好感。对就是刚才说的呃其实今天中午我看那个甘地董佳宁不知道你们有没有关注他刚好更新了一起讲这个A处为什么搞些奇葩操作他早在OpenAI的时候,那个A2的创始人达里奥他就负责安全审查当时他就说GPT3太危险了我们先不要推出去我们要严格的审查不然他会毁了人类结果后来搞得其他同事领导很不高兴把他给赶出去了所以他自己出来做了这一套然后像他自己也是一个犹太这个宗教出来的他们内部也会他们有那个叫A处的一个什么宪法啊有效利他主义然后包括那个达料本人每天的工作就是在工作群里边给大家布道然后赢金我觉得就是基督文明或者更纯粹一点他们那种犹太教的世界要完了末日要来了唯一的解药诺亚方舟的传票就在我们手里其他公司都不行然后特别他对中国的敌意这么大因为中国首先是无神论者这个基督文明对这种无神论都很恨另外就是本来这个A2垄断AI不管之前在OpenAI还是自己现在开公司做的都还挺顺利的然后直到Deep Seek, GLM这些公司出来也是打乱了他的计划所以他这个就叠加两层的因素非常恨中国他最近好像也没什么活了他好像说今年后面还有融资呢感觉估计融不到太多可能他明年估计就两万了关于Astron Peak我再补充一个点有段时间之前一个很大的新闻是Cloud Code的原代码泄露了嘛然后泄露了之后我几个时间下下来未给了CodeX我们看了一下然后是Cloud Code里面有一个文件夹叫Remote我以为是它那个Remote是那种远程开发也是SSH远程开发那种但是我未给了CodeX之后跟我说那个remote是是Ethron Peak留在一个数据后门它方便从你的电脑里面拿东西控制你的电脑但是我自己也没去看这个remote里面的代码但是Codex是这么说的所以这个也只能打一个问号我们来回国内吧就是DBSA 梁文芳那个投资者交流会那个文档三位应该都看过吧你们作为这个对吧这个行业就是那个投资者那个文档里面他他他里面有个蓝光峰对投资者说这句话叫因为我们在做有意义的事所以我们的商业会不常不合比金融对手更深且不可复制你们是怎么看待他说这句话我觉得我对于这句话的提问还没有特别的深第一句话其实他在做有意义的事情确实这一方面确实相对于AI整个的发展还是在国内AI的发展确实是整体上还是在促进的其次他说他们因为在做有意义的事情所以有一个商业互成何且不可复制 [30:00] 的话其实我还专门去用DeepSeek查理一下商业呼称核是什么意思就是说是别人抢不走你的业务然后你能凭借这个意志赚钱根据这一点来说的话确实就是现在国内很难有替代Deep Seek的公司至于不可复制的话其实我不太好说你像博三这个阶段对于就是工作就是公司这套东西其实是没有一些比较成熟的这种认识的因为你可能还没有出去实习因为你要卡上了不上了这个概念我就能听出来确实没有一天的14首先我觉得他说的没错护城河这个东西我觉得就是很多方面吧就从我一个第三方的使用者观感来看,我确实觉得DeepTake跟其他做打模型的公司很不一样,经验积累,包括人才聚集,然后包括新技术的研发思路和方向。尤其是新技术的研发和应用本身它就是一个需要探索的过程但是对于一个公司来说就是探索这件事情带来的这个成本还有收益就是你很难去量化估算但是当你知道一个自己的使命的时候你就可以专注于一个点集中力量去做这件事情就是更快更好的完成一个目标我觉得他们是这方面的能力非常强所以让他们有了更容易或者有了一个比较好的方向有了自己的这个互传和整体的那个对话来看我觉得他们做事情还是非常追求第一性原理的这么一个风格我觉得你有这种追求这种精神的话,那确实很容易形成互相合。OK 拜拜就像刚才十四说的啊包括梁文芬本人说他要追求这个AGI通用人工智能更高更彻底的人工智能这个作为唯一的目标去追求那个会议上说什么多模态呀什么世界模型各种产品啊甚至他连C端用户他都不想要了觉得都是在干扰我训练AGI这个追求是非常好的只要追求这个方向那你这个事情肯定就是做出来的希望是越来越大的他作为护城河来说就是这种纯粹的追求你可以对比一下其他公司其实都没那么纯粹所以他们也都这个护城河就不太行首先是千万他本身在阿里里边阿里对他就有这个盈利的要求,他好像去年还是今年内部团队的变动挺大的包括前问自己APP的这个匆忙的推出其实就是高层在要求你必须给我盈利包括他那个支付宝之前也推过那个一个医疗的一个算是agent吧他们做了很多的努力但是就这些努力作为这个AI纯粹的追求来说都是杂音都是干扰但是他们又没办法字节也是嘛字节最近他们的这个团队斗包团队变动也很大跟飞书有一个交叉吧,他们想把这个漏包借助这个非输2B的这种方案去给他卖出去多挣点钱包括最近腾讯从去年把那个姚顺宇开始来了以后也做了很多的变革想找到这个挣钱然后他们最近那个workbody不是还不错,也偷了很多广告就好像几家都感觉这个办公好像还能挣点钱因为2Z的话那主要都是程序员和学生哪有钱啊程序员像我这样的都去好总转这样的羊毛了所以也就有2B的这些公司像今年上半年小龙虾出来一个个的都头脑发热疯狂转发也就这些老板的钱还能骗一骗所以他们这个做起来这个动作很容易变形包括更纯粹一点的质朴MiniMax特别是这个智朴minimax上市以后压力也很大他们引入了资本方的很多工作他们也说了不算了比如他们内部搞的那些token plan涨价呀这个额度说不清楚还老搞延迟反正就是不纯粹了他们可能一开始是想做AI的但现在AI已经成了他们一个工具不是他们追求的目的,这个动作就容易变形。所以说像梁文峰梁文峰人家一开始做AI是副业嘛他自己做量化很挣钱的他包括现在其实他融资也完全不是因为缺钱了他就是想给员工一点股份把人留住要不然都被挖走了所以他们这个可以保持纯粹大家又不用担心这个商业化不用有什么老板跑过来 [35:00] 说我给你投这么多钱你怎么不挣钱没有问题你就安心做研究就行就像最近这个正式版啊包括一些工具的推出波折都很大其实也无所谓他们的节奏还是很稳如果换一些上市公司的话这个股价又暴跌老板又找一些人开掉什么的很麻烦所以说乃文丰这个确实是最适合做AI研究的这样一种公司的形态了你说这点我是比较认同的因为我对这句话的看法是想说一个观点就是如果他们没有成功这个文档流出来那大部分的国内的这种业内人士也好或者说公众也好他态度可能就是那种吃笑或者说就是那种不屑就觉得你说这个理想主义的话怎么能显得通呢什么商业话你刚说的嘛大厂都是靠这套才能存活的但是他就是因为他成功了所以他说这套又又给了这个业界的一些对吧包括现在还没有毕业的一些同学一些力量就觉得哇原来在业界做一些现在的理想主义的事情也是能够也是能够做得不错也是能够活下去谢谢大家应该是有这样一个一些影响我不知道梁梁你在笑你在笑什么我不知道你说你在笑什么我在叫他说的另外一句话,就是他关于东莫泰的评论,他关于东莫泰的评论是实在实的就是削减了很多东莫泰的研究方向和就业岗位。那倒也是那倒也是OK那就下一个问题就刚才那个罗克已经提到了那个各个大厂都在推出他们的相应的这种盈利工具包括腾讯推出了Word Party我最近这段时间还给两个那种工具打过了一个打广告什么Q的Work还有个TrupleWork这我用了这些都还不错因为从之前那个什么小龙虾到爱马仕到国内目前这些大厂的这些工具这种PuddingEye的宣传你们你们作为就是从业人员或者专业人士的话你觉得这种不同的这种工具之间的这种大别大了比如说就你日常使用而言的话你最多用到比如说最实用的功能一般是什么我用的最多的三款智能体分别是OpenCloudFermis就是埃马士还有Codex我个人体验的话其实Fermis和OpenCloud其实差别不是特别大和Codex的差距主要是在于Fermis和OpenCloud我需要自己去折腾至于我平时用的比较多的话其实还是以研究为主吧可能就是帮我搜索文献整理数据快速搭建这个实验的代码和框架这种觉得好用吗我觉得整体上Hermis和OpenCloud其实挺好用的我刚说的那几个什么腾讯Walker8的包括那个TrueWork你都没试过什么我没试过,因为和我的场景差的有点大国内这几个我其实还在等他们更好的优化更好的这个呃Benchmark 的结果我才会决定去不去用因为之前呃我还是一直用cursor 比较多因为我这个有教育优惠我平时用这些 ai 工具的话就是主要就是开发,然后总结我的思路,总结我需要做的skill有哪些,然后自己写一些skill,还有更多就是科研搜索,然后给我自己的一些产出,给一些评价,因为我需要一些更专业的人去沟通我做的这些视频的一个有效的评价机制吧对然后我现在基本上就是买科色当那个office在用,所有的办公工具我能在课设上用打开,在课设上阅读,在课设上使用,我就多用课设了。我觉得这些工具的话主要就可以分成两类一类就是我很靠啊波尔摩斯这些完全开源自主定制的agent 工具 另一类就是像CodexCloud Code 这种他是官方给你定制好的你就有什么用什么我之前用的比较多Codex,但Codex功能确实不如Cloud Code做的好,就比如有一个最基础的功能就是我跟他聊天,聊了两句我想这个回退到刚才那一句然后新聊的这一句你这个内容就不要给我记了Cloud Code可以做到这个但是Codex之前是不行但最近更新的版本才可以我回退对话的文意是我让他忘掉刚才问的这个问题会污染他的上下纹但是codex之前做不到这个就有点恼火了这种就只能新开一个对话了然后的话呢Deepseek这两天不是出了他自己的Honeless工具吗这个我觉得就是一个目前Agent里面适合 [40:00] 像我们这个有一定折腾基础的人是一个最好的选择了刚才提到的这个open cloud这种完全开源定制的一个更升级的版本小open cloud包括很多大厂他们推出这种自己的什么cloud工具他还是没有脱离这种终端命令好像你打字我回话的这种形式就有时候你说给他加了工具加了什么它最后你不一定能直接看得到那现在Deepseek的这个Alice工具是可以有一个插进列表这个我觉得就挺好的你已经用上那个Deepseek那个东西了不是前两天是出的吗对就刚出了这两天用了一下还可以对挺不错的其实包括B站网友整个好多活确实很有效果可玩性挺多的但你觉得他们自家这种后续会对类似腾讯的Walkbody 包括刚才说的什么出外有冲击吗我觉得不会因为像Walkbody 我最近也用过其实腾讯他打磨这个产品确实有一套很好用平时在手机上处理点什么工作可以的但其实它面向的人群就是也不一样像会折腾的人可能觉得Workbody这种有点来路不明不怎么会用就是日常很多就平时亲办公行政文员这种他用Workbody确实很方便所以后面的话大家都有不同的用户群体包括Deepseat梁文峰也说了但这个C端用户他都不想要他把这个Hanis工具推出来他也只是就是像很多人说的他是一个毛坯房什么都没有你得自己去装修其实能装修的人也就是能折腾的人不会折腾的人会觉得很失望这都啥呀什么都没有他们就不用了这一趟我们就到这里到三位的这个独博视角刚才前面三位已经介绍自己背景了这一部分第一个问题其实就是就你们的个人专业和课题来说你可以简单介绍一下你目前在那AI搞什么或者说AI在你做的事情中起到什么作用那我先简单介绍一下之前主要是在做多么泰和VRM之类的一些工作主要研究的客戏的话就是在大模型当中怎么去构建一个更好的一个视觉模块以及怎么能去更加有效的去利用那些视觉信息因为现在普遍的大模型对于视觉信息就是如果你让他去做一个图片理解或者提取一些图片的一些细节信息的话他的能力还是有所欠缺的但是因为梁盛之前关于DomboTite的评论其实我不否认他那个DomboTite的评论的正确但是确实也影响到了这一方面就是多摩泰大模型这一方面的就业岗位所以我最近在逐渐的可能转向世界模型因为我觉得可能世界模型要更天然的贴合多摩泰的这一个使用场景比如说你像Dipsic它只能输入文本和输出文本多摩泰的话就是你可以输入文本和图片我认为世界模型是什么意思的它的概念上的时候是对于这个世界的一个建模简单来说的话就可能说是我建模就是说你一个杯子放在桌子上人碰一下这个杯子掉到地上碎了然后世界模型它建模的是这样的一个物理世界的一个规律和过程然后是和世界模型紧贴着相关的就是巨神智能一般来说的话就是把世界模型当作是巨神智能的一个大脑前面的感知让世界模型去半断然后这个机器下一步具体该做什么动作这种对我帮梁舍说一句话对我不认为他是在贬低多魔态是因为他想做的事情跟我们现在基于Transformer的训练技术架构我们现在所有的技术路径是做不到AGI所谓这种通用人工智能的我明白他想做的事情但是我不觉得他在否定现在所有的技术的价值现在的这一套东西证明他有用他确实是有用他还完全没有在所有的行业里被大家所发挥能量的正常的去使用他还有很多空间基于现在这一套不可能达成通用智能的技术它都还有很大的潜力可以去做很多事情对我是这么认为的我这边就是AI和医疗方向我自己的课题就是做一些疾病筛查就是在你有这个疾病之前或者在它刚发生的时候我通过一些用以前古早的词就是特征提取然后一些特征强化然后去做一些 [45:00] Yeah. and different information, and the connection of the world, and the other kind of "dod魔碳" I think there are various kinds of different types of... I think there are other types of different types of data. Or I have some 5G data from Huawei. You can see these types of data from the sensor. It's a kind of a type of data. and the different generation of the products are used to be a lot of different products. Then we can put them together to do some 呃下游任务那下游任务就比如说做一些分类了然后做一些分割了这样子的事情相当于是吧两两前面自己研究那个方向的东西应用到医学这种诊断上就是包括刚才他说的嘛被看到这个东西虽然说现在不是特别善长但是也能看看到这个东西的表征以及说一些就你刚说生物信号综合起来判断出他这个 患者的症患病症 专业课题我是不是聊我工作用AI的 因为我读博那会AI还不咋用呢 就是嘛 聊你工作的嘛 You see, I'm in a company, but we have a business in the company. you may have heard about the world of the world, or the world of the world, or the world of the world of the world, the world of the world is a part of this. 不管是用可见光照 用红外照 包括说用雷达 用频谱 多种探测的手段 我去看一看这个无人机到底非哪了 目前是在做这块的工作 然后之前也尝试过了 The steering wheel has a different kind of kind of a different kind of design. I think it's a good thing. 效果一般,也可能是因为数据模态的问题 像支架的数据他们 some of the images of the image, and also the image of the image. and the other kind of "fuck" or some radar points or some kind of signal. This use here, Shadewububba And now we use more of the more traditional methods, like the follow-up will use of the 铝波算法 uh, we can see some of the different ways, we can use some of the methods of the study. uh, those are some non-discriminate things, uh, use it to The customer is very good and is very good. 当然我们也做深度学习的探索 但是这个探索一方面 像是模型设计起来比较难 然后数据收集也很难 No public data and the data is very high 当然像刚才梁梁说的这种世界模型或者说我想办法去自己仿真生成一些也是个方向但是这种仿真你跟现实他终究有差距所以说 We are in AI In use in work The leader will be more热情 and strong, but for the customer testing, we will be more protected. It's not a job of doing anything. AI in the future is to help me with the support of the system. 处理数据 I'm all clear. you can collect this data You want to do a display and display This is our team. We are also working on a team team, but we are working on the customer's job. This work I just want AI to do a small tool. It's very convenient. It's a lot of things that are not possible. You can find a friend to help me. If you don't do it, you can only do it. If you don't do it, you can only do it. 现在就方便很多 OK 回到你们就这什么吧 先问了两吧 就是 刚才我们其实你已经说了这个多模态跟这个这个世界模型 但是我有个困惑 就是你现在已经博散了 然后你突然把原来那个方向 转到目前这个方向上 你不可能是单纯因为梁盛那几句话 你肯定有自己的动机 那你这个动机 它是为了更好的责业方向呢 还是说有其他的一些原因呢 From the job of this part, Thank you. The answer is that the answer is the most effective effect of the job. because of the fact that it was really影响 the job of the business. The media of the media is completely destroyed. The media is completely destroyed. The media is completely destroyed. The other people are not quite clear. But 单层就业来说的话,多摩泰大模型可能还是不错的。所以这就引出了第二个原因就是我并不是专门的因为就业去转的一个方向。做了很久,其实就是发现,也就像十四说的那个,其实现在这个架构来说,就在多摩泰大模型的这一种,也就是说文本去 [50:00] 和利用视觉信息它是天然存在一定的局限性的同时又因为就是说是现在研究的对象都是一些工业界的弹模型你有自己本身算力的一个问题还有一些那个模型太大的问题其实并不能给的特别大的一些好的一些研究成果吧算是当然也不能算是成果所以就是世界模型因为对于这个世界的感知就是更吸引我它对于多模态的感知这一方面这个世界建模的方式有很多,比如说用点去构造的,用图片去构造的,用视频去构造的,但是现在其实这每一条的路线都在相当于分散的所以就是说是这件模型对于东宝泰这一块其实我觉得更加的贴合一些所以我选择会渐渐的转到世界模式上就是多么太在工业这块发展已经到了一个技术平坚然后那边可能有工作上线对好看哦呢你想上台下以前博三嘛应该还是有两年毕业对吧嗯理想上的想我们就说你能准时毕业然后你怎么在这两年内保证你在之后的这种就业市场上具备相应的竞争力呢还是要掌握更多方面的领域吧人工智能这个行业领域实在是太多了像现在最火的三个方向一个是可能是资金化就是说是你一个智能体怎么能够实现自我能力的提升这是最火的一个方向然后其次就是世界模型和居生智能这算是三个最火的一个方向当然现在智能体多么太大模型都还不错但是你不能判断两年之后他们具体是哪一个活了下来在这个过程中你要就是尽可能的要知道多一些然后是要有一定的嗅觉再多一点的话就是幸运举一个相当于例子比如说就是说是22年的那个节点吧拆GPT出来之前视觉方面的领域的工作明显是要比自然语言处理的领域要好的但是拆了GPT出来之后自然语言处理领域的就业的岗位就突然一下就压过了视觉方面因为现在说白了AI还是发展各个方面发展太快了就还是得知道的多一些人然后是文的更准一点滚的更准一点嘛对那你现在会有救援焦虑吗在博萨这个阶段很好.可能是我个人的原因我其实觉得还好哦明白那其实就是对自己能力还是有心自信的嘛嗯可以这么说但是也不一定可能是我自己的可能说下满吧我明白啊对到十四季块十四季块你这个问题我想调整一下就是因为你刚才你在前面跟我因为他们俩还没进来的时候你跟我说到你文科体组其实其他的方向在这种AI加的这种方向上的选择并不是特别独是吧?那你当时是为什么选择这么一个客厅说我当时为什么要来这个课题组吧,因为我之前专业背景是电子信息和机器人我硕士是做机器人计算成经学这一块的因为当时是20年1920年那个时候还没有非常火GPT相关的这种工作包括22年才出现GPT所以我当时是希望可以有自己独有的这种数据我可以有自己的新数据去做一些新的课题科研因为我还是比较希望走有机会的话走学术走教职所以在一个新的领域方向去做AI科研的课题的话就是更容易出乘果这是第一点啊然后我又去解决一个嗯不是很常见的疾病然后这个模态也不是大家在那些AI竞赛中能见到的那些数据模态所以这是最吸引我的一个点让我去医学院自己去做一批这样的数据其他专业就机器人专业可以申请医学专业的博士我就是学了一些机器人那些课程然后包括算法课程然后包括计算神经学一些生物相关的课程它是一个比较复合性的课程就是我也做过一些小作业那些小作业里的一些技术正好可以用到解决我目前博士课题的一些问题那你毕业的那个就是那个头衔他是医学博士还是什么工学博士还是什么结业证书上应该是就是哲学博士但是如果是去内地学位证明的话应该是还是医学院的就是我属于医学专业的其实这个就对于我申请申请一些内地的工作的时候会有一些误解就其实是不是特别方便对因为我最近也在投递各大厂的那个给他们刚开嘛目前就是这个AI加医疗这个领域上面非常多就内地我比较熟悉的就是麦瑞涟漪基本上 [55:00] 就是影像学的非常多对,然后一些正在功课的课题就是新闻上都能看到的这些就是包括医疗问诊了然后这些健康管家了因为15就是提出了一个就是预防疾病就是我们需要花一些精力在预防上不仅仅是得了病后该怎么治啊更重要的是如何监测你的这些身体健康然后预防你得一些疾病越来越多课题会往这个方向上转说这些都是比较早的吧你自己搞机器人的那机器人跟医疗这个相关的这个军事日能发展怎么样我硕士是21年度的,我们当时聊的一些课题是跟康复相关的机器人康复相关的非常火热的一个客体,因为相对来说他落地来说也会更容易一点,然后手术机器人也有但是这方面内地有几家不错的公司但是就说因为你手术机器人他有的是一个机器人可以做几个手术但是因为你病人很多种能做的手术不一样就是大家希望一个机器人会有更多的手术方式可以融合进去对就是医院也在做自己的手术机器人相关的课题也很多但是据我了解这个医疗情况军事热能发展其实也没有说特别跑特别快那情络在某个阶段AI这个事情在医疗上就不可能做得非常快非常领先就是回到吃饭的问题了工业界的话你只需要你学业和工业界可以直接对接但是如果你到医学AI的话就还有医院的一个事情因为医生自己要吃饭医院本身又是假房又是乙房你需要照顾的人更多然后你需要投入的精力更大然后这些责任分配包括成果分配也相对更复杂一点谢谢大家等待因为你现在打算其实就是要么找学书记的工作要么去找海外的博后那如果这两个路我不是咒你啊我不是微小嘴啊就如果这两条路都不太理想的话那以你刚才说的你的你在国内其实是一个医学博士的这种身份你还有就在择业上有什么更好的选择吗嗯就是去投研究所呃研究所是一个然后呃初创公司是一个对我我我给一个排名吧就是我给一个优优优先顺序呃对于我个人来说就是海外国后第一然后内地大场第二然后内地的这个研究所或者说一些企业研究所接下来就是一些初创公司你现在投的稿子是不是类似于那些大厂比如说阿里有阿里健康腾讯我记得也有什么医生这种腾讯我有投一些这个但我也有投一些多摩泰后训练这些其实我昨天刚收到一个康奈尔的国后的面试那个方向是做医学智能体的相关是进化智能体这些相关的东西就你可能觉得我为什么我医学AI会去做会去做这些方向啊就是因为我个人并不觉得我只能做医学AI就是很多技术方向和论文我都在我都会花一段时间去专门去学习和补这些事情即便如此你的竞争力跟两两种纯粹稿这个领域的还是差一些在就一个方面来说对如果是单纯海头简易的话肯定不如像两两这样子但是我说一个另一个故事据我所了解北美的话那边会非常看重你的其实内地也是就是会非常看重你的实习经历因为我们都知道现在鼎慧的论文包括这个质量包括你做过的课题这些东西越来越多的对吧就是这是事实对就是事实包括你真的能给公司解决什么问题对我说个小故事就是我当时也是同学介绍我去华为实习的然后他们当时让我去解决一个他们当时认为比较难的课题因为他们也其实也没有指望我能做真正做出来只是先找一个博士生先把前期从零开始有很多东西要搭建我在那里前三个月可能都还在熟悉业务熟悉领域知识然后就没有怎么跑蛋了但是就是比较碰巧运气比较好在第四个月的时候我觉得我做出来了一个比较好的结果然后复合之后发现对我把那个预测东西泄露到了输入里就是我做错了就是整个东西都被我做错了然后我挺沮丧的你继续对我听取他因为其实可能就是我当时对那个业务还不是完全的理解他的整个业务呃但是OK就是我把我做错的这个东西转成了预训练就是我们反而在预训链这一块有了一些突破如何在预训链的时候提高头分质量有一个性压力特别大 [60:00] 我的代码重写了一遍就是因为要重新根据我理解的那个写然后拿我们运行年的这个结果在做后训练,所以总体来说在我走之前这个业务还算是挽救回来他们也没有想到我提供了一个范式可以去解决这件事情比如说这个项目他们可能报价700万可能我这一部分就值500万这么一个东西这个是当时的主管跟我这么说的就说我做这个方向还是非常重要的对于他们来说对这个业务来说所以就从那一件事情之后我对自己会有更多的信心然后在这个过程中我觉得我可以证明自己有这个能力在一些把垂直领域解决一些问题也要得到一些认可然后我会觉得我还是我可能是有科研潜力的,对即便我现在是博士快毕业,但我也不确定我是不是真的有资格说我是很有科研潜力的这么一个人,但我现在会更有信心一点。OK那就楼头里边你自己对吧刚毕业先进了研究所这个智能之道然后现在又进了半导体的这种私企搞算法你在研究所跟在私企这两个环境里面他们对待AI的这种态度上有什么差异吗对他们差异会比较明显吧首先跟他们这种企业的机制有关像研究所他是像上面的密的甲方负责对吧他们很多都是项目制这个项目有时候工期还比较紧越赚也不多然后我当时在的那个部门呢又是软件部算法只是其中一个很小的环节所以说他们也不会投入很多可以作为一些项目小的亮点去做但是你真的想自己搞点事情觉得大模型多么太很不错我们怎么能引进来做一做首先这个不允许这个精力上投入不了然后大家也很忙没有空而且呃你像智能制造嘛制造也其实很多领导首先是跟机器设备搭交道他会觉得设备摸得见看得着你这个软件算法你都是为设备服务的还想单独立个项去搞一些事情还要我们机械来配合你多少有点到还天罡了所以就后面我就不待了我就去我们现在这个公司我们自己的专门的算法部门然后我们这个部门呢也是为产品服务 但是我们就会好很多我们自己也会平时有一些领导安排的探索性的方向去做然后像这个支持的显卡呀或者别的什么只要就是正常的工作完成了你有余力你可以自己去搞一搞然后像我们部门来说对AI就是怎么说我们一线干活嘛对AI还是保交付 客户满意 然后上面的领导特别是高层的领导他有时候朋友圈看到一点什么觉得这个很不错我们要搞一个新德业界的大模型就就就会把这种命题甩过来然后我们就得想办法研究一下告诉领导说不行这个搞不了就是这么个情况别的事大家都对这个东西不惜一顾在外面是领导看到一个外面有个什么公众号发的推文立马转给你们说这个东西能不能搞对吧对是的OK那博士毕业一昆年你面对这个研究所的体验跟这个思绪这个体验你自己觉得对吧作为搞业或者搞算法这个博士你跟尽早学的东西是什么老张你当时想这个问题你是觉得学的是哪方面呢是算法知识这方面还是说更抽象一些的更抽象一点的道理对道理抽象一点的是吧这个道理很难说的因为你道理的领悟你是需要精力去支撑的你如果精力不到位你提前知道了道理这个跟没知道是一样的就像我读博的时候其实我也经常听说这个写论文不要完美主义觉得我这个不写到什么水平我就不投正确的做法就是你就写的差不多你就投聚稿是常态多投几次怎么有眼瞎的就收了是这种这种道理你不亲自实践几次这个很难包括我这种道理我也给当时同学说过我发现也没什么人听前两天有没有看过不是前两天那个图我不知道什么时候的就是有点截图研究所里的这种工作的人那个评价自己的那种工作体系 [65:00] 跟这帮什么什么怎么能搞好什么什么你看看这个图吗没有好。那没事那这个话题不用不用不用掩饰没事我后面发给你那到第三问题咱们应该都有准备吧就是说是结合对方的背景给另外两位嘉宾准备遇到两个问题我想先问14个问题首先要回应一下那会为什么笑啊因为像14座的说的他把信息泄露到了输出里面这件事情我也做到过我也做过发现的时候也很崩溃就是误以为指标很好其实是个错误也很崩溃然后下面也是我的问题其实在做通用的算法之前我也做过一段AI加医疗的这么一段时间的研究方向也包括像现在我们走去是也有一些人在做这个方向你刚才也说到一个绕不过去的点就是医院和医生无论是数据还是落地你都绕不过去医生但是医生在这里面扮演一个很复杂的问题有一部分医生做这个AI医疗医疗AI的他们愿意的原因有可能是觉得这个有用有一部分可能是觉得这个能发成果但另外一部分其实他们是非常抗拒的具体表现为就是你问他们要数据他们不给你让他们标数据他们也不标然后是你找他们他们失联我的问题就是说是在医疗AI这么一个相对于左右矛盾的一个环境下医疗AI它未来会是偏向于一个积极的方向还是一个消极的方向以逻辑来说或者说是随着现在大模型的能力越来越强会不会被迫去接受这么一个医疗加AI的这么一个方向帮助辅助他们去做诊断或者事情的对,我之前写过一个在零上写过小文章,就是说,其实24年25年的时候还有很多人怀疑AI在医疗上的一些伦理问题 但是现在其实越来越多的这些医疗AI项目都在落地 已经很少有人提出这个问题了他可能大家就会说聊一些关于医疗幻觉的事情 但是会有更多的工程技术说他们可以解决这些问题然后像你刚刚说那些场景那些情境 我只能说那不是学生可以考虑的事情不太适合玩就是普通人意思就是普通教授不太适合玩就是你得有强大的团队背景就是这些东西都是非常的就privilege的你想要收新数据就像你刚刚说的医生自己要发论文他的病人都是他的数据都是他的财产不管是阶段性的还是长久性的这种数据医生个人的这个发论文就可能指着这些数据就是不可能说跟你共享或者说都跟你没有什么利益关系的总来说就是你需要团结一切能团结的力量对你的导师说你需要团结一切你能团结的力量去做这件事情甚至一些帽子这些东西都相关的我只能说这些东西不管是在国内还是在国外都会有这种情况,但国外医生他不需要发论文,国内的还有一个情况就是医生其实没有时间做科研对于一个正常三家医院的医生来说他有临床任务的话他真的很累很难去做科研你让他标数据你还不如去找那个归陪啊去标一些数据对我只能这么说我是需要自己搜数据的我需要自己亲自去医院跟病人跟家长去沟通因为我的研究对象是小朋友我已经跟几千个小朋友就是有说过就说话收拾他们的数据就是包括我当时在香港收拾区的时候也要拿一个这边的医疗资格证才能去收因为我老板其实就是医生他就是医院里的所以他有这个条件去做这些事那如果说你老板是工程学员计算机学员的我还是说他得有能量去做这个事情他才可以做你不说话的意思就是如果国内有些高校的同学他们的导师他不是医疗体系里的他也没有医疗体系里的资源他传给你这么一个课题你尽早跟他放就是说你不做这个东西你放弃对吧可以吗?就是你你你当然对就是啊对我可以试的是的是的就是但是不但怎么说呢因为有些教授他只是刷刷榜他只是需要在一些公开数据集上有成果就行了然后他可以造一些数据就是甚至说造一个sota榜然后大家去刷造一个benchmark然后大家去刷这个东西所以说真正做医疗AI的人非常多但是你看医疗AI产品其实非常单一 [70:00] 没有真正解决病人或临床上的问题不用细说了再细说你可能有点风险啊我们医院非常好的,我们导师也非常好,然后非常欢迎大家报考我们这边,对对,香港大学也非常好。其实十四纲补充也其实我觉得他若是对的我觉得根据我的经历也是确实就是现在不是不能说很多在做医疗的都在做医疗可能一部分是在单纯在做医学图像处理就是说是这一个图像我怎么处理然后我让他达到一个更好的指标而不是去做一个更好的一个落地的一个东西其实这两个可能在学术上就是捅疮为医疗加癌员,但是还是分开看一点会比较好一点前者医学图像处理可能更偏向于基本机视觉一些然后第二个就是想问罗克一个问题刚刚提到是注意到你说现在半导体里面可能做一些低空经济类的一个问题具体的牵扯到一些就像现在最火的一些巨神智能的一些问题但其实现在有一些人其实也在反对这种端道像机器人这种的话才会参与到一个感知我先收集周围的环境然后是根据这个环境和指令让机器人或者是这个目标做出下一步动作的一个路径那其实现在大部分的观点都是反对这种端到端的这种决策的就是说是他们觉得这种纯靠机器人或者纯靠统计的这种的决策面不靠谱可能是偏向于就是说是机器人自己深度学习做感知然后是用一些传统的方法做一些决策这是可能的一个方向那我的问题就是说是在具体的这个世界模型感知和这个决策这两个分块的模块来说的话你觉得后面具体的方向可能大概会是什么样子的对其实这个问题的恐吓,最近像我们有兄弟部门也在做机器人啊这块包括我自己之前像我们这个无人机的感知我也去做一些支架的那种端到端的模型把它们开源的拉过来试一试改一改能不能用我思考后我觉得比如说我们一个很大的这个物理AI的方向或者说聚生智能我们让这个你显然去做一些事我们就说这个机器人吧人型机器人出来之前其实有很多这种特种机器人像机械臂或者说扫地机器人这种他们也没有这个端到端,他们自己应该有很多机器人学或者说更偏自动化控制的他们有一套自己发展的理论发展的也不错然后有了这个人型机器人以后呢端到端到世界模型这个确实很火热但是就确实我觉得应该注意就是比如说最近刚上市的这个语术科技它是卖掉了很多人型机器人但好像他大部分都是卖给高校去做科研包括很多别的机器人公司可以说他们的产品都在demo阶段吧包括我在直播上小红书上看到有人会吐槽就说现在机器人大家都是在一些特定的小场景里边拟合我这个场景我能用我下个场景我整个模型得重新训怎么说呢离落地还很远包括说支架这个领域跟机器人也会有点像端到端上爪有很多的这个长尾的场景它不好用数据驱动它也会说那我们搞个世界模型或者是我们有一个非常逼真的放真的这种算法我们去生成更多的数据我们把这个肠尾的场景给补上但其实这个就很难做到啊你做不到的话呢那又有一套新的好像有一个分支这个叫SIM to real to SIM就是怎么让反正跟真实的数据又能贴合起来这其实就有点补丁裸补丁了特别像置驾领域吧我觉得最近两年置驾的公司不怎么提端到端了这个我觉得可能是因为这个路线确实有点走不通机器人也好开车也好这个感知规划执行控制它本身是一个自动化的闭环其实自动化嘛它本身有自己一套很完整的理论的所以至少从近期可落地的这种方向来看我觉得人工智能如果要在这种物理AI的方向上就可能要更好的去做 [75:00] 个模块化的角色而不是端到端打爆一切比如说人工智能这个多么太感知这个就很好吧点云啊图像这个现在确实车企他们做的也都不错然后像一些决策或者是一些复杂的这种场景的坦士的综合分析现在的大模型做的也很好他做得好这些动作你真的要落地要执行你要落到这个机械上车上还是得有一套自动化控制的框架去约束它所以的话我觉得就是人工智能很棒它有自己擅长的区域我们就让它在擅长的领域里面实际做起来也更好落地一些不知道有没有回答你的问题确实我也是想那种感受就是确实我在接触世界模型的时候我也在试图就是说是把它的感知和决策谋调给分开让决策可能会交给更加传统学习的一些或者说交给偏符号一些的东西让他去参与决策这样会更加透明一点那感知的话是更偏多么太或者统计一点会更合适一点十字要题的问题是哪些其实一共有两个问题但感觉也像是一个所以我大概读一下然后大家可以抓自己喜欢的重点回答一下就是想了解一下大家是如何在目前的发展技术发展的速度下更新自己的知识库的然后更新频率和途径以及更新的范围就比如说到什么程度觉得OK对然后第二个点就是说工作和职业生涯这件事情有没有一些成长性的规划就是因为技术发展很快然后技术迭代很快但是技术对生产力的辐射速度又很慢这个节奏也不同所以你对于你自己的职业生涯的成长性规划来说就有没有什么想法大概就是这两个方面首先关于知识库的这个问题我的智库一部分来自于我的小红书我觉得小红书的推荐系统真的很好你在乐的杀多了之后他会一直给你推论你的新闻杀多了之后他会一直给你推新闻微信公众号也是类似的但这只是一个途径啊其次就是多和身边的人沟通交流吧然后我身边的其实做不同领域的挺多的有像做传统控制的也有做医疗的也有像我自己做传统AI的其实大家看的方向可能都会有所差别那大家可能就会偶尔的相互交流一下可能就会有一些不同的一些想法第三个的话其实就是我很喜欢用ChatGPT去帮我去搜一些东西比如说我知道一个名词我很感兴趣它是什么意思但是我没有大把的时间去学习它是什么意思我也没有时间去学在后面技术我就会用ChatGPT这种DeepsResearch功能给我拉一串文献或者代表的东西出来归根结底的话其实就是知识库来源于就是更多的来源吧我觉得要把来源尽可能的给丰富起来有一句说啊网络上信息很多但是不一定是对的我觉得我觉得先把信息多起来总是好事就是对不对的后面自己再去判断其次关于就业规划的问题其实就像你刚刚刚我不知道是不是我理解错了可能就是说是现在就业范围很广发展速度也很快就是每一个领域发展都很快一个人毕竟不可能服侍到全部的领域嘛就是说是做算法的你可以了解一些你说可部署但是你没有办法把可部署做到极致但是可部署可以会辅助你做算法那反过来也是类似那在这个过程中的话就是我个人的观念还是要选自己感兴趣或者想知道的一个方向去做可能对于你这个就业的工作来说会正反馈大一些那你的正反馈大一些你的就业可能或者工作可能会更加的顺畅一点这是我的观点我觉得这两个问题可以合并成一个问题吧首先从工作来说之前我也考虑过从研究所到现在的这种私企最后的结论就是个人还是要跟平台去结合平台整体发展的好你跟着平台的节奏特别是如果运气好遇到不错的领导和同事就跟大家一起去配合项目做好交互好然后在这个过程里边自然的会遇到很多的新技术像我们这个算法部门在上面的领导也都会有这种新技术研究 [80:00] 储备的要求就是跟着这个节奏去做特别是现在AI发展很快经常会遇到很多新的任务吧比如说我们有同事去承担了一个多模态的一个特种的大模型去做一个训练和部署可能之前没有承担过这个事情就需要有勇气接下来现在有AI也很方便然后在这个工作的过程里边自己的这个技能也会不断的去积累,包括自己也有意识的去总结这个就可以有一个很好的成长再就是就像刚才这个梁梁说的保持对周边的一些领域啊一些信息的好奇经常的去查一查问一问现在收集信息也很方便这些主流大模型的幻觉也都很低了这种各种发展的现状其实每天稍微了解一下然后再跟自己的工作思考结合一下就都很有帮助吧我觉得总体就是找到一个很好的平台同座自己把该做的事情做好保持一点好奇心稍微延伸一下就能有一个还不错的状态你的追上来有什么问题吗就是我想问一下两位你们的同学近几届你们知道的他们毕业的去向就一般会去读博后还是说这个博士的同学会去大厂还是说教职更多一些呢刚刚说的时候我大概过了一下就是教职的也有其实大厂的也有五五开吧林良良你是那个交大是吧西安交大对对西安交大之前之前我在西店的时候跟教大一个老师打过交道我听说教大老师那个什么叫什么亲A亲B还是什么那个划分人把青椒折磨的挺惨的是吗对现在好像比之前更严格了就是说是好吧对更严格了而且考核的指标就在就在今年好像又提高了一些十字这边你们这个确想因为我本科是电器自动化电子信息的所以我有可观的朋友们都在华为硕士的话这边是做聚餐智能就机器人然后算法的然后其实去互联网大厂的不多然后我知道的几个也都在华为罗科的意思肯定就是问你这个博士阶段的这些师兄师姐前几届的这个去向具体是干什么的因为我是在临床组然后我们组有一些医生的对所以他们很好找工作就是他们本来其实就可以有医生的工作的然后有一些是想考香港这边的医生资格证的因为我们组有不同的专业材料啊力学啊不研究的不多都是想去找工作主作因为家医疗的多秒吗我还有个师弟有两个师弟他们就等着看你之后去哪儿了我感觉是对对对这个东西因为AI这块就是我不知道大家有没有感觉就是人才流动其实不是很流通就是人才只在一个圈子里就是真正的人才AI圈子的真正的人才只在一个圈子里互相流动嗯好感谢二位分享再补充一点其实我也有失去兴趣的医院,其实我觉得,我刚刚就是想问14这个问题,我想问为什么不考虑医院这个具体学校,因为现在也有很多医院开设了专门的AI研究岗。不能说他们究竟能够做多大的落地的贡献,但其实也是一个相对于更贴合意料的一个选择对可能我个人对这一方面比较悲观吧对嗯但我觉得嗯自逃对医院是有好处的对然后可以帮医生减轻一些科研压力我祝福能在医院里做好科研的人我们刚才聊到就业嘛聊到就业的话我们下一趴是整体就是这个AI就业市场和一些给一些同学的建议第一个问题其实就是结合你们自己的这个学校以及周围的这个同学这种案例吧你们觉得在AI这行硕士跟博士目前的就业差距有多大你比如说在你看来这个读一个AI方向的博士现在难度怎么样以及DH这个方线是不是真的很好发展文就像刚鲁克说的那我先说就是你找工作我如果是在学术界找的话那你这没得比你没有博士你进不了学术界然后在工艺界比的话如果一个硕士和一个博士同年就是同事毕业同事入的话就 [85:00] 所知其实博士能比硕士高几个等级吧然后是薪资也会高很多那如果你让一个硕士工作四年再和刚入职的博士比那就不一定了然后关于读一个AI博士的难度如何我觉得这很取决于你的课题组很取决你的科技组有多少显卡显卡多的科技组你会做得很顺畅相反如果显卡计算资源没那么充裕的科技组你就可能会比较困难至于论文的话其实现在有很多的智能体力向拆开GPD和老口就能帮助所以我觉得其实要比以前要速度要快一点但是竞争也会大很多因为所有人都能用半年发片顶会都是比较轻松写一段东西吗半年就是我身边有一个人就是说是有一个说法不认同就是说是15天了解一个东西7天做实验3天写了文更快是吧我不是,这代表一个趋势,但是他这个有点太过于夸张了,目前这个博士读的算顺畅吗按你刚才说法还好那时事呢就业差距还是比较大的但如果你说是的时候你已经工程能力很强然后你对AI这方面很有理解你依然可以拿到高兴然后依然可以去领导团队对但是就只是普通的学生来说的话你拿到博士这个岗位是公司对你的要求和让你去做的事情肯定还是不太一样读AI方向博士难度如何卡的多少决定你知识的多少包括你有没有好的数据可以决定你是只能发一些AI论文顶会论文还是说去发一些CNS这种比较好的定康,然后其实目前来说特别好的论文可能都来自于一些大厂找工作AI的话确实这个优秀的硕士其实可能不比博士差现在AI迪待很快博士也并没有比硕士多很多基础你说博士比硕士多读了两三年积累的东西如果没有赶上这个当前的技术热潮而且博士有时候不如设施方便找实习可能还没有那么有优势加上博士找工作的话企业的期待会高一点所以说这个差距就不太大吧然后AI方向的博士确实很好读特别是AI家像之前我在研究所当时我关注过这个AI加自动化领域的一些东西啊一些更具体的业务领域他们自己的领域我大概看了一些高水平的期刊一区二区的AI家论文就用的AI技术都挺落后的所以说如果写点AI家的论文,刚才这个梁梁说15天调研7天跑数据3天写论文甚至可以更快一些生产起来很方便他们那些领域确实就是技术这个提升的空间很大那就是还是结合大家各自的这种院校背景跟身边同学安利来说现在这个博士去搞AI那薪资大概是什么区间然后因为我们有不同的去角去大厂大概是个什么水平去创业公司大概是什么水平去研究所问高效率是什么水平那我先说大厂就是去北上的大厂的话可能100起步特别优秀的能到200比如说去自己的那种特别优秀的能到甚至能到200你搞AI家的特别优秀的其实在工业界的工资不会特别高的话其实也能到100多在北上的这种情况下研究所的话了解的不是特别多更多的是合同制我感觉但是我了解的合同制一般是第一年的第一年可能是在30到50左右这个我不太确定高效的话那就纯粹地域了地域好的高效就特别高地域差的高效就比较低一些那个地域豪的高校你像那种新式高校的话中关村学院那种的话可能三十四十都有可能那如果你去一个比较低的学校的话那就只能拿平均每个月的工资以及一些人才或者项目入贴了我了解到就是硕士毕业去华为的话定级一般就给可能30到40的我香港这边的话如果是国后这个层级的工程师之类的可能月薪的话高一点的有三万五到四万但相当本来那个花销也比较高对对三五五到四万确实也不低 [90:00] 也还好也挺好之前一般这边博后就是普通高教博后香港这边的话是两万八之前有一个老师跟我聊可能他说可以给到三万五就是给到顶了给到三万五以博士学会去搞AA你说这个薪水平有点太低了嗯,我说就是薄厚的价格,对薄厚的价格那比他刚刚说的去北上到低很多嗯,对,所以我没有特别了解到这么高的这个机会我没有了解到这么高的机会就刚才说嘛结合自己学校院校背景跟身边同样的你的信息来源是你的信息是这些对吧是对 我的心事是 明白OK,我都得给你了你应该都清楚吧对我这个这个整体西安电子科技大学背景没有两位这么优秀啊然后了解的像博士的同学首先就去研究所嘛全国基本都一口价一般都35万的年包过了保护期可能会掉到20度我有一个同学去了北京的一个其实跟西安这边都差不多其实来说我觉得性价比不是很高吧北京那边物价比西安高多了然后第二个就是去高校高校的话有一个同学去了陕西科技大这个挺一般的年包可能就20左右他也不值着这个挣钱他就想清闲一点然后另一个同学留校了,去年年底刚留校会有好一些,汽电的飞升级走的这种待遇吧,大概好像也是35%加上项目的激励能到40左右如果留校以后升副教授应该还能再多一点然后再就是像我们公司就不算个大公司吧然后我们对AI也没有非常狂热的追求博士的薪资一般也就是在四五十左右这还是这两年涨起来的这个校招的价格对整体是这样听下来就两两这边的这个薪资遥遥领先确实领先很多的SLP这200的都有是吧?当然是最高的那种就是你去自己的那种顶尖的那种计划一百多也很高了我刚才就想说上就是之前那个大上马农那期视频那个上海那个博士他其实刚毕业好像也没有说是到100这个水平100这种是什么情况就比如说很多公司会开一些纯粹的研究岗纯粹刷论文的那种然后这些岗位可能就存个几年等这个论文刷个我这部门就裁掉了这种会特别特别的高听你的感觉就是你之后的薪资期望其实也是在如果进了VASA公司也是在这个水平里没有,我希望要低一些,我也不想那么的劳累下一个问题就是现在很多很多普通人其实都在说这个因为我们定义的你们拿到博士学位其实就已经不在普通人之列了因为之前有些视频底下有些人说多找点普通人来分享所以你们其实不在普通人这个列了就是现在很多普通人都会说AI会替代很多稿位然后也会有很多所谓学术圈的声音说什么说是博士越来越不值钱了然后在你们看来就是已经拿到博士学位你们会不会有自己会被AIT带的这种焦虑以及说是觉得这个博士这么高读出来然后找这么一个去向还是刚才那个话你觉得值不值客观来讲有可能会替代其实有很多在做AI auto research就是自动研究这种这种其实挺多的而且关于交付焦虑这一点这还要牵扯第一个话题其实我身边的交流下来其实大部分人都是比较半统或者比较认同就是AI可能会取代我们自己也是我们博士生博士这个行列可能就是有一部分人会比较焦虑那他就会选择一些不容易被取代的专业或者方向那我可能就不太焦虑可能就是我比较佛系或者是我觉得吃早要学那我就跟着他走尽量把我自己能力稍微提升一下不要让它取代然后质疑说值不值我觉得这个东西没法用值不值来算现在来说你读博士的话它不是一个能用性价比去很良的一个选择AI替代岗位这个事情我是不贷同的,首先我说真正的AI这个词本身的意思的这个智能我们完全 [95:00] 没有做到然后现在离接近他也越来越远就是我不认为我们真的有所谓的超级AI可以替代很多岗位这件事情,那AI其实就是工具,真的要说替代的话那肯定是会用这些工具的呀那去替代你不会用这些工具的呀他们可以做更多的事情,更高效,或者更有创造性然后这个博士自己觉得读的值不值因为我读博过程还算比较顺利的我只是在跟人沟通的时候会比较不太擅长比较累所以技术性上的事情我都还是比较顺利的然后我老板对我也挺好的所以我觉得读博不是那边辛苦我的输出跟收益来说算是值得OK 首先这个博士被AI替代就像刚才十四说的这种Deepsea Harness的工具可以有很多灵活的插件但是得看你本人折腾的水平水平一般的人可能用不明白然后水平高的话你可以搞很多有用的插件其实AI这个工具也是这样包括说做Auto Research或者最近很火的用AI去解决那些数学的猜想首先你自己水平要积累足够你才能看明白因为AI他说我这个有一篇可以发鼎会的论文或者说我解决了一个数学猜想这是我证明的过程但是你普通人你是辨别不出来的你就首先你自己基本上水平到那了你能把那个论文真的加工到顶辉的水平或者说你真的看明白了那个数学的证明它是怎么样的它对不对的所以就是就像十字说的这个会用AI的人才是会替代掉那些不会有AI用的不好的人然后另外就像这个读博的过程值不值呢我觉得也是跟用AIA比较像吧就是读博也会自己去做课题写论文,悲剧,有很多勇敢的探索的这些工作包括很多事情需要你自己牵头去做一做谢谢经历这些能力在现在这个AI飞速发展的这个时代是很重要的用AI工具也是这样AI的性功能太多了AI在工作里面领导说你这个要用有的人可能会犹豫会退缩但是如果读博的话博士里有这种经历他至少不会这么恐惧这种未知的工作首先读博这个品质的积累很好像我现在读博有两段工作也都还可以所以至少我这段经历来说读博挺值得OK这最后一个问题嘛还是说结合各自的这种自身专业来看然后给这种纠结读博纠结要不要搞AI纠结未来工作去处的同学一些建议首先第一个点就是纠结要不要读博你对你的想法就是我很赞同刚两位说的一个点就是优秀的硕士不比博士差在现在的普遍的就业市场上在这种情况下当你要不要纠结读博的情况下那就不要读你可能就是不是博士的这个也可能就是对就是可能有为你歌想去做的事情然后纠结要不要搞AI这个就取决你的想法你不可否认的是现在AI确实是一个金子比较高比较高的行业如果你是想啊借着AI去争取高薪的话那你要做好跟上这么飞速发展的这样一个准备吧那如果你是单纯想搞的话那就搞就行至于工作去向因为我现在也没有太多的精力所以我也没有办法给更多的建议只能说是follow your heart你想做什么去做什么然后是我比较相信一句话就是如果有两个选择差不多的话其实可能选哪个不重要选另外一个下去走好其实更重要对这是我的观点但你个人认知来看的话现在国内如果你要去大厂搞一业的话你的院校背景至少在什么水平以上博士的话还是要稍微高一点的话然后本科有的可能要卡92单元的学历背景的话就是本科有的要卡92然后是博士的话尽量还是要在一个比较好的学校然后是实习经历尽量不要少你比较好的是指什么呢中九级以上我想一下C9然后是加上加上那个人大北航,人大北航,啊,西电也可以,西电也可以,然后,然后,然后国内话像,北航,人大这一, [100:00] 等级的学校差的中久跟向前其实就不可以就是竞争力就很差了也有但是比上面会稍微差一点我深受你的建议我觉得读博首先还是得有一个好身体和好平台然后最好家里经济条件也要好一点这样你在崩溃的时候不会特别的很难受 我觉得这点也非常重要然后要不要搞AI我认为可以去做AI但是我认为你从一个良性发展的角度来说你不能只只专注在AI的几个点上最好有一个更全局的视角多去吸收不同专业方向的知识然后纠结工作去向同学其实我现在就很纠结我最近因为工作的事情也非常焦虑每天睡的都很少就还是那句话就是我觉得对我来说对我自己来说帮助我最大的就是你需要不断的去调整和适应你可以做的工作内容就是比如说我做医疗方向就每年的那些顶会论文我都会去翻一翻我感兴趣的论文我觉得整个人都需要更积极更饥渴一点你就会有更多的选择问一个问题就是现在大厂给你发奥斯法的话多薪资期望大概是多高啊就你会接这个offer 40到50啊OK明白首先这个我的博士的专业是文件工程啊这个其实我们专业之前赌博的人很少很多人就都去做前后端做程序员了然后也都能找到还不错的工作没有什么独国的动力当时我也本来不打算读博后来有一个研究的契机觉得好像还挺有意思的就读博了所以就是像刚才这个梁梁说的这个读播是一个不容易的事情你大反犹豫一点 你不是真的想做点研究你有点别的心思那最好就不要读呃太难了特别最近扩招博士的数量多然后像同济啊好多学校在取消这个长聘的机制导致老师那边的压力也会很大后面博士的处境只会更艰难就像十四说的如果你这个家境又不好觉得自己不如硕士同学挣钱读起过来会很难就哪怕现在AI发论文很容易但是你也要有一定的积累你才能把AI用起来所以像这个就是要慎重考虑清楚另外说搞AI的话这个确实这个是一个大趋势嘛不是说读博了才能搞AI这个硕士工作以后多用AI大家觉得那块工作的这个流程有点藏传统的方法不太好使就用AI写点小工具很方便这个都是很有帮助的然后像是工作的去向的话就像一开始说的你大的这个泡沫危机可能要来所以就是更好的去关注一下现在的一些增量的市场吧其实像现在的这个很多大厂像支付宝他们的前端的团队曾经很优秀是全球的这个标杆做了很多开源的组建现在也都解散了要求他们必须成为全站工程师要不然就滚蛋,反正不许写前段,前段AI都能写就很悲剧的事情就是我觉得呃现在的很多大厂的这种它在业界的生态位就有点像赛博土木数字基建已经完成了其实你用不上什么太大的用场包括现在说一说腾讯他们强推办公的AI怎么说呢他们就使劲推吧其实很多人可能也都用不上他们自己也发现了很难受反而就是很多AI家的领域就像十四这边做AI的医疗包括我这边AI在制造业在很多这个像农业啊别的领域这边的机会反而是很多的呃像之前我刷这个招聘软件经常会看到包括有些猎头也会联系我其实我能了解到就是有一些传统的企业他们也都是业界的龙头,他们也着急他们要做AI的转型但是招不到人他们也希望有优秀的博士过来但确实这个他们的需求跟学校的培养也不太一样所以就是读博的同学可以多了解有机会去实习去找到更多增量的市场赛博土木的话就可以说 [105:00] issue. is this.