抛开时间谈变化 都是耍流氓

道琼斯指数经历了一次超800点的下跌,不过现在已基本收复失地。

2月23日,一篇题为“THE 2028 GLOBAL INTELLIGENCE CRISIS”(2028 全球智能危机)的研究报告(原文链接:https://www.citriniresearch.com/p/2028gic)发布在互联网上,这篇充斥着各种术语的长文引起了相当多科技圈、资本圈人士的关注。美股道琼斯指数下跌逾800点,被大多数人认定为此文导致。这里给出个机翻链接

长归长,术语多归术语多——这些都属于推导过程,这篇报告的核心结论其实没有什么太多的新意:它预测到2028年,ai将全面渗透。人类大面积地失业。ai的全面渗透会导致海量供给,人类大面积失业会导致需求极度萎缩(因为ai没有需求)。于是产生幽灵GDP。是为全球智能危机。

我在某群里参与讨论这篇文章的时候,就认为它正好站在了火山口上。意思就是ai带来失业的恐慌已经不是一日两日,前阵子由于小龙虾(openclaw)的横空出世,导致了一轮saas公司市值大跌。岩浆已经汹涌欲出,这篇文章产生的气体炸破了最后一层薄薄的岩石,火山就此爆发。

这是一次比较典型的恐慌性抛售,到今天(也就是27日),道指已经收复失地,至于未来怎么样,不好讲。

2010年,著名的科技杂志《连线》发布了一篇文章:web已死,互联网永生。——我当时作为一个科技blogger,是深度卷入到此文的讨论的,所以印象颇深。

其实这篇文章的术语用得并不对,web即万维网,至今都没有死。 比如你现在在看我这篇文章,就是典型的web,它有一个极其显著的特征:http协议。但我们抛开这些细节不谈,连线的意指是很明确的:web指代桌面互联网站,互联网指代移动互联网app。

十六年之后回望,它说对了吗?

对,也不对。

作为一种产品,网站这个东西确实在衰落,app确实成为了主流。网站时代喜欢用的术语,比如PV、UV之类,让位于app时代的术语:DAU、MAU。

但你要说网站“死”了么?显然没有。我在群里讨论时说了一句:各位要知道,AOL还活着呐。

这家本世纪初曾以蛇吞象态势并购时代华纳的初代网络霸主,现在的价格不过十亿美元出头(去年10月,雅虎打算以14亿刀的价格出售AOL),活得当然不算意气风发,但确实也没有猝死。

这有意义么?

有的,兄弟姐妹们,有的。猝死和苟活,有极大的区别。

所谓有赌不为输。

从产业态势上讲,就是以时间换空间。

突然就完蛋,是没有转弯可能的。但如果是一个慢慢衰落的过程,其实就是转型的过程。我当然不是说AOL可以转型,而是说,一个行业的慢慢衰落,会使得产业作为一个整体,转型是可能的。我这里用了行业和产业两个不同的表述。

传统媒体这一行业在互联网的冲击下,确实在衰落,甚至可以说成是“断崖式衰落”。但它不是猝死。作为一种产业,内容产业从所谓的传统业态向数字业态转型的过程中(这一过程在中国大概前后二十年),大量媒体公司死去或变相死去,但也催生了更大量的内容商业组织。

从商业角度讲,内容产业一片欣欣向荣,这话一点不夸张。比如说,字节是非常典型的内容公司,它构建了一个极为强悍的内容数字飞轮,但它不是媒体行业。

当时间变量被引入后,我在讨论时引用了一句电影台词:生命,自会找到出路。

事实上,《连线》这本杂志的一任主编(01-12年),长尾理论的提出者克里斯安德森(在web已死那篇文章被发布时,他还是主编)在他另一本著作《免费:商业的未来》一书中写下过这么一句话:

“Every abundance creates a new scarcity(每一种丰裕都会创造出一种新的稀缺)”

即:当某一种产品或服务变得极其丰富且免费时,价值的锚点就会转移到更高阶、更稀缺的层面。

但前提是:时间。发现并验证那个更高阶更稀缺的层面,杰文斯悖论是需要时间的。

几十年的互联网经济的内核,是“增加交易频次”。因为互联网是跨越时间和空间的,这使得人类之间的接触达到了一个史无前例的地步。

作为一个互联网移民的我,对于前互联网时代的消费依然是有记忆的:我会在周末去采购一轮商品,但平时基本没啥特别消费。桌面互联网推动了我消费频次,移动互联网再次推动我消费频次,连蹲坑拉屎都可以买一件衣服了。

同样的,信息消费频次也在大幅提升,前互联网时代的媒体信息消费,是有固定时间段点的,但现在几乎是anytime anywhere。这意味着广告总量也在大幅提升——这其实就是为什么媒体经济一片欣欣向荣的根本原因。

无接触,不交易。有接触,必有交易。这是网络经济背后网络效应的商业逻辑。

但这不是没有上限的。当网民增长已经见顶(中国目前11亿),每周上网时长已趋固定(中国目前周时长不到35小时),交易频次已经很难再看到大幅拉升。

AI时代,能再次提升吗?

我不知道。朦胧的感觉是:似乎不能。ai在我睡觉时看信息、买东西,这似乎没有什么意义。

如果按照提升交易频次的分析路径去看待AI时代,确实就是这么个结论:幽灵GDP。人与人的网络效应在被agent和agent之间的关系所取代。

但问题就出在“提升交易频次的分析路径”,这是不是唯一的分析路径呢?

这确实很让人迷惑。

我们几乎能肯定一件事,自互联网以来,生产资料的下放是很明显的,越来越多的供给,过去需要成百上千的人,现在似乎几个人就能完成。而未来,一人公司指挥成百上千的agent,怕真不是科幻。

供给会大幅增加,这没有什么疑问。但是不是就真会导致普遍意义上的大面积失业而使得需求迅速低迷,至少人类历史经验不是这么说的。

2028全球智能危机这篇文章有个假设,社会对智力和劳动的需求是恒定的,AI替代了现有的白领工作,就会导致大规模失业和消费崩塌。然而,人类的历史经验却得出这样一个结论:当一项技术提高了某种资源的利用效率并降低其成本时,反而会激增全社会对该资源的总需求——是为杰文斯悖论。

时间这个变量上,这篇文章其实是很荒唐的:它假设从2026年到2028年短短两年间,企业能无摩擦地完成对核心业务的AI替换。这近乎不可能。文章把一个复杂系统演化的过程简化为类似技术决定论的框架。常识就能证明,技术的理论上限不等于商业的普及速度。企业级替换不仅受制于大模型的能力,还受制于数据确权、隐私合规、能源供给上限、地区发展差异、各国政府政策等等等等。

更何况,当今的大模型,还是个大语言模型,并非世界模型。

作者自己都明确将其定义为思想实验和左尾风险(即统计学中发生概率极低但破坏力极大的极端负面事件)的情景模拟,而非基准预测。

恐慌性抛售后迅速收复失地,便是再自然不过的事。

我是一个信奉ai将改变世界的人,正如我上世纪末接触互联网时,第一次使用过电子邮件就深感这货将来不可想象,并辞去体制内编制下海。

那时候根本不晓得互联网走的是大幅提升交易频次的路数,也不知道它会飞速下放生产资料。在2000-02年所谓互联网泡沫破灭的岁月里,我想99%的人都不会想到,20年后它是今天这个样子。

02年,我所服务的第一家互联网公司资金链断裂,作为该网站的portal manager,我盯着硕大的网站日均访问曲线图——依然是一个坚挺陡峭的上升态势——写下了PaveView could be the money PaveView would be the money PaveView should be the money。

创始人兼CEO路过工位,他说他也这么认为,只是怎么做到,谁都不晓得。

我确实不大在意ai会带来的负面后果,正如我不是不知道互联网上当然有所谓不好的内容。但这又怎么样呢?

拥抱它吧!

相信时间这个变量。

—— 首发扯氮集 ——
我对ai的态度,基本上可以视为“投降派”。态度首先是膜拜,然后在使用过程中却未见得全盘依赖。我甚至给gemini的限制性指令就包括它必须自己和自己抬杠。
这种投降态度太过明显,以至于朋友馒头大师拿着我的数字分身做了一个ai视频:

一个“小”问题:为什么是元宝+聊天,而不是聊天+元宝

腾讯大张旗鼓地推出了“元宝派”这项服务,在元宝这个ai聊天机器人产品中,用户可以创建“派”,邀请朋友加入一起聊天。而在这个聊天群里,元宝机器人也是一个聊天参与者,用户在at它之后,它会根据聊天的上下文做出相应的智能的反馈。

目前是测试阶段。

我浅浅尝试了一下,觉得至少于我而言,在当下,没啥需求——但这无关紧要,因为也许可能或者我会有的。

在我看来,此时此刻,这是一个很别扭的场景:当我点开一个聊天机器人里时,我的诉求大体上是寻求ai的帮助——比如信息搜索之类。和朋友聊天则有微信这个场景。现在我要努力把微信群聊这个场景往元宝这样的机器人里搬,好像有那么点重起炉灶的意思:我是不是该再建一个IM(即时聊天工具),就像当年从QQ到微信那样?

换而言之,我会不会迎来一个IM的变迁:从桌面时代的QQ到移动时代的微信再到AI时代的元宝派?腾讯的意图大约应该是这样的:你可能不需要每天和 AI 聊天,但你每天都需要和朋友聊天。 通过把 AI 塞进社交场景,建构一个叫Social AI的东西,从而提高用户在元宝的使用时长——然后,就是“入口”了嘛(很多人对入口的理解是狭隘的,我文末做个注展开一下)——当然,还可以挖一些深意,就不再展开了,也不是本文重点。

所以才会说,当下没啥需求的我,其实无关紧要。很多人在IM上的迁移,是被朋友们裹挟的。

保不齐腾讯下血本撒币十亿红包,就能撬动起来呢?——当我五六七八个长期高频联络人在元宝派上出没时,我也就有需求了嘛!

但问题来了:放着微信群这种现成的工具加个机器人就能建构Social AI,腾讯何苦绕个大弯子?

AI是需要数据来进行训练的,这在今天,已经成为大众的常识。但什么样的数据可以碰,什么样的不可以,这里涉及到隐私问题,而且,其实有讲究的——可能不是你想象的那样。

大致上,我们可以用红绿黄三个区,来做一个略显粗浅的比方,仅用于一般意义上的理解:红区,绝对禁止,毫无异议地不可训练。绿区,与之相反。所以红区绿区,有些人会用“私域公域”来形容。黄区,就是争议地带。这块比较复杂,不同企业的选择不一样,去碰的,也不是没有辩护理由,而且也可以脱敏化处理后再碰。

腾讯在大众眼里,可能是和隐私议题最近的一家互联网顶流大厂,毕竟微信在中国上至达官贵人下至普罗大众,几乎是人手一个,且高频使用——QQ都没到这个份上。各种各样的聊天,稍微有点脑子的人,都会觉得这事关本人隐私。腾讯如果在微信群聊里放个聊天机器人,是极其容易被大众和媒体舆论拷问的:你这个机器人是不是在收集我们聊天记录?

那么,元宝派为什么就可以在用户聊天时在一旁看着乃至插话?让它输出它还输出的恰到好处,好像很了解你们在聊些什么的样子。

因为微信聊天数据在红区;而元宝派,在绿区,或者黄区——其实,是有点复杂和迷糊的。

当你使用元宝派这项服务创建一个“派”时,实际上,是你和派里的群友签署了一份新的服务调用协议(请注意,我这里使用了“调用”,这个词比较关键,我后面再展开)。机器人为了实现类似总结群聊、气氛调节、提供背景信息等,AI就需要实时读取和分析群内的每一条信息。这就是这项调用协议里的数据权限。

“派”中的每个用户的每句话,都是AI的上下文,这是一个为了换取AI辅助增强体验而主动让渡隐私的产品。

我前面用了一个“碰”字来概括对数据的操作,其实很笼统。事实上,这个碰字,可能包括且不限于这四个操作:读取、分析、存储、训练。

元宝派这项服务,涉及到了两件事:服务的必要性,和数据的训练权。大致上,你可以把读取分析归为前者,存储训练归为后者。

在服务的必要性上,由于你主动在元宝这个产品里建立了“派”,主动索要ai的增强体验服务,所以,读取分析聊天记录,相当有正当性。

有没有用这些数据“训练”大模型的正当性呢?

我们需要回到25年2月底到3月初的一次元宝面临的舆论危机。这起危机由元宝当时的用户协议5.4款引发,中间经历了大约为期一周的媒体舆论的拷问,腾讯期间做了一次让步但并没有度过危机。最终的结果是,腾讯道歉,协议修改,比如用户输入的内容,知识产权归用户。

更重要的地方在于,规定了训练边界。本来的协议逻辑是默认同意,修改后新增了“体验优化计划”开关(这是一个物理开关,在设置-数据管理中),且默认为关闭。

这起危机不算特别大(和当年的3Q大战以及后来的央媒游戏拷问完全不能比),但在我看来,其实很重要。腾讯作为顶流大厂的态度,是有行业锚的作用的。默认关闭有行业标准之势。

(最新的元宝用户服务协议有如下陈述:)

根据现行元宝服务协议,逻辑上,元宝派可以被拆解成两层:

其一为推理层,也就是它能听见你的声音,大体上属于绿区性质(但有例外,且迷糊,后述)。

当你创建或加入一个有 AI在场的元宝派,你在群里at元宝,让它“总结一下刚才大家说了什么”时,你就必须把聊天记录“喂”给它。此时,数据必须流经腾讯的服务器进行实时处理。

这是服务的前置条件。如果你不让它收集聊天记录,它就成了聋子,无法完成你要求的任务。推理层完全没有任何问题。

所以,这里可以视为一种调用服务。

调用这个词很重要。比如在微信生态里,你和他人的聊天,是在生成内容,这不是调用服务。所以属于红区。但你使用微信搜一搜功能,这是在调用服务,所以搜索记录是绿区。

是的,google其实也是这么干的:gmail属于红区,用户的gmail内容不可用于大模型训练(倒是可以用于反垃圾训练),但用户的搜索记录,可以用于大模型训练。gemini很大一块训练素材,来自于全球海量用户的搜索行为。

其二为训练层。也就是根据你的声音来练。这需要额外授权。默认状态下,为红区。

所以,元宝派呈现出一个叠加态的味道:为了更好地服务,它得听你们在说些什么。但是,它承诺,不把听来的东西写到它的学习课本里。

是,是承诺,不是物理层面上的隔绝。

现在一个迷糊的黄区的地方在于:

张三是一个充分信赖腾讯的人,他去特地打开了那个默认关闭的开关,以寻求更好的体验,或者帮助腾讯成长。李四则没有。

那么,他们的派,该怎么处理?

依据短板原理(有人关闭就禁止)还是木桶原理(有人打开就允许)?

我就此问题提问元宝:“你推出了元宝派服务 如果张三特地去打开了体验优化开关 即允许元宝派使用派聊天数据进行模型优化 而李四默认还是关闭。这个派的数据怎么处理”

元宝的回答很长,大意就是:我们尊重用户的选择,张三这么选我们就这么处理张三的聊天,李四那么选我们就处理李四的聊天。并贴心制表:

—— 首发 扯氮集 ——

注:所谓入口,很多人第一反应就是流量分发中心、大节点。这个理解不算错,但有点狭隘。在今天中国互联网人口已经滞涨、周时长无法大幅提升的情况下,入口还代表了以下这个特点:中国互联网用户总时长在我这里每增加一个小时,就意味着友商将失去一个小时。而在我看来,后者在当下的竞争态势下,更重要。

再多啰嗦一句,区分“推理”和“训练”在法律合规上有效,但在绝对安全工程上无效。真正的隐私安全必须基于端侧模型,数据不出本地。