郭宇：语言模型与世界模型正在汇合，AI 开始真正「动手」

这期我想给大家分享的是，语言模型和世界模型之争，为什么今天取这个标题，其实我们在几个月之前，想要分享的话题，不是这个话题，大家如果看过我之前列的 category 的话，我应该改了很多次，因为我想每次在银座单向街书店，给大家分享的是，第一个是要尽可能跟上前沿的信息，然后现在 AI 的发展非常非常快，每个月都在变化，这个月最重要的发布当然是 GPT-6，因为 GPT-6 有了一个非常非常强大的能力，它现在可以操纵任何电脑的任何软件。

不像以前还需要通过浏览器操作，来去拐弯抹角做一些事情，它现在可以操作专业的 3D 设计软件，像是 Marvelous Designer 或者是 Blender，所以它现在可以做非常专业的建模，和人类工程师，人类设计师没有任何区别，然后第二点呢，我是想在每一期分享的时候，都尽可能跟大家深入浅出地聊一个话题，所以我会把这个目标设计得比较宏观一些，然后这次是想讲，这个 AI 领域在最近一两个月最重要的变化，因为我们的分享已经有两个月没有做了。

第一个变化就是刚才提到的，语言模型迎来了非常大的一个深刻的改变，它现在的 computer use，计算机使用能力已经变得非常非常强大，第二个事情是，李飞飞的实验室做的世界模型，也发布了非常重要的一个版本，现在你可以只通过两到三张图片，就还原一个虚拟世界，当然在这个虚拟世界里面你只能看，你只能换角度不断地看，如果你拍了一张逝去的亲人的照片，但是你不清楚他的背面，他在这个环境当中处于什么样的情况，你又想触碰到他，又想看到他不同角度的样子，那你可以给一两张照片。

给到李飞飞的公司做的世界模型，它会帮你还原成一个 3D 的真实场景，但是它是云的点阵图，就意味着，你不能和它交互，它不能像一个真实的人类一样，在虚拟世界当中走来走去，但是你可以从不同的视角看到它，那么这个工具其实是，世界模型的一个非常大的变化，大家知道世界模型，是另外一种 approach，是用来教会我们所谓的具身智能，就是那些机器人怎么样，能够像人类一样去使用工具，比如大家如果关注 AI 信息，会发现前几天 Figure，就是美国的一家公司。

刚刚在旧金山租了 30 个 Airbnb 的 house，然后在不同的房间里面去做了不同的任务，让它无非就干这几件事情，一个是整理房间、洗衣服，叠衣服、整理床单之类的事情，世界模型的设计就是为了让，在现实生活当中能够发生的事情，被录像录下来的事情的速度能够加快，所以我们需要用模拟世界来模拟，现实生活中发生的事情，然后把这些东西作为视频，扔给这些具身智能的机器人，那样机器人就会学会，在虚拟世界当中我们做的一切事情，也就意味着，如果你要叠床单，对吧？

你要知道床单它的重量，它是用什么材质做的，它的厚度，它拉伸下来之后，会有什么样的一个力表现出来，不然它叠得就不平整，对吧？所以世界模型一开始用来干这个，所以这个时候呢，就在这个月，因为 GPT-6，它升级到，Astra 这个版本之后，它可以操作 3D 软件，做专业的这种软件设计，3D 的这种模型设计，就导致它们两个的功能，在这一刻相交了，就是你可以选择 GPT-6，来帮你自动化操作电脑，来做一个完全可以，可复用的真实的，我们叫数字资产，用它来做一个游戏。

或者用它来做一个，影视剧的片段，我们叫 CG，就是合成的这种 graphic 的东西，或者你也可以用世界模型，通过两三张照片，或四五张照片，来生成一个虚拟的点云图，所以这一刻，他们俩的作用，其实在这件事情上相交了，然后在今天的分享里，我除了讲这个变化，这个很重要的变化，让大家可以用新版的 ChatGPT Astra，自己尝试用 3D 软件做设计，这一个观点之外，我们还会分享一个。

三四天前出来一个非常重要的，叫 Jev，大家如果有关注 AI 信息的话，Jev 在最近这两天就是刷屏了。

因为它号称能做到比 ChatGPT，快 300 倍左右的，就是完全不是一个数量级，快 300 倍左右的快速分类能力，就意味着，有人用，有很多人用它做了很有意思的东西，比如说你跟 GPT Live 在说话的时候，就让它快速帮你选商品，它的延迟可以做到 60 到 300 毫秒。

意味着和人类说话的速度差不多，买一个什么日用品，比如说我家的浴室，有时候经常会有黑斑，然后这个时候我就要问 ChatGPT，但是它帮我选，Amazon 上的东西很慢，所以这个时候我就会接入 Jev，我把 Amazon 上所有的日用品的 data，全都喂给它，然后我跟它说的过程中，它就立马，可能几百毫秒，就出现在这个屏幕上了，告诉我可以用什么样的商品，所以今天的分享呢，GPT，你有在听吗，我希望你可以，因为这个 Keynote 是你来做的。

所以我希望你可以站在你的视角，因为所有的材料，所有的 knowledge base，你都完全清楚，我希望你可以站在你的视角，来向在座的观众，可能很多人是没有工程的背景，或者设计师背景的，你可以用比较浅显的语言，用更多的这种生动的例子，尤其是我们在推特上，在 X 上找的这种例子，来向大家去说明这个 PPT，OK 吗。

然后我就从下一页开始说，这个就是第一页，就是我刚刚说到的那个问题，就是为什么所有不同路线的模型，从 22 年 12 月 OpenAI 推出的 GPT。

就是这个大语言模型的第一代版本，和现在的世界模型汇合到一处，其实最终都有一个非常重要的路线，无论是哪种技术路线，它们想要做的事情在目标上是相似的，就是尽可能地把我们的物理世界，我不知道我们的物理世界是不是模拟的，但是我们现在能够看到的是我们的物理世界，尽可能地搬到计算机里面来，有一个技术叫 Real to Sim，就是真实的东西，To Simulator，然后让这个模拟器，计算机里面这些软件，这些模型能够尽量地模拟真实世界，那为什么要做这件事情呢。

做这件事情的目的，是为了让，不是因为 Facebook 的扎克伯格，说我们要搞元宇宙，不是因为这件事情，主要是为了机器人，主要是为了各种各样的人工智能，用更多的层次，更多的维度了解我们的真实世界，因为现在大家已经，我相信所有人都用 ChatGPT，或者 Claude Code，对不对，然后你可以用它来完成知识工作，因为它是语言模型，它可以根据概率来输出，你想要说的话，或者是别人愿意听到的话，但是它理解不了真实世界，什么东西呢，因果关系。

真实世界当中有因果关系，就是如果你做了一件事情，你可能会影响到其他的人，然后你的因可能会变成别人的果，当然也会影响到你的结果，对不对，这是因为我们的时间是一个线性的维度，所有在之后发生的事情，都是受到之前发生事情的影响，但是语言模型呢，它的训练的逻辑，它的神经网络，并没有这一层的维度在里面，所以它理解不了因果关系，它通过什么样的方式，才能够理解因果关系呢，它可以通过工具调用去网上搜索，比如说它可以通过 Google，它可以通过这种搜索引擎。

通过 Wikipedia 这些，人类知识的沉淀来了解因果关系，但在训练出来的模型当中，它是没有因果关系的，然后世界模型，其实就是为了达到这样一个目的，然后它有因果关系，有物理、有重力、有各种各样的东西，所以它希望能够尽可能地，仿真人类世界当中的东西，到虚拟世界来，那么 ChatGPT，其实一开始不是为了这个发明的，它其实只是为了吐出各种各样的文字，英文、日语、中文，然后再尽可能地，通过概率来组织你的文字，只不过大家用语言模型，干了一件非常重要的事情，写代码。

就是我们今年第一期分享，提到那个问题，因为大家用语言模型，干了一件写代码的事情，但是写代码呢，又可以影响我们的真实世界。

可以影响软件，影响互联网上，你用的所有的网站和 APP，然后甚至影响到我们工业制造，影响到人类生活当中的，真真切切，你可以触碰到的东西，所以其实在今年的一月份呢，因为我们一月份来做这个主题分享，有很重要的原因，是因为去年十月份，Claude Code 推出了 Skill，所以代码变成了即时生成的代码，用来解决一次性的任务或者需求，从那一刻开始，语言模型其实已经慢慢地往真实世界，伸出它的这一只手了，然后一直到这个月，9 月份 GPT-6 的发布。

可以让它把这只手又伸到更深的地方，它现在可以控制电脑，来操作专业的 3D 软件建模，然后做衣服，这两天我就做了好几件衣服，给我那个朋友的小狗做了衣服，你只需要让 ChatGPT 去 generate，就生成一个，我是给它做了一个万圣节主题的，然后它把万圣节主题的衣服，做成三个不同的视图，然后把这些视图导到 Tripo，这种专业的建模软件里面，然后输出了一个 200 万左右三角形的，3D 模型，然后我把这个模型，不是我把，是 ChatGPT 把这个模型。

导入到了 Blender 里面，然后在 Blender 里面，给它绑定骨骼，然后那个小鬼就开始动起来了，然后它又把所有这些衣服的图片，自动导入到 Marvelous Designer 里面，然后就帮它做了裁片的衣服，然后裁片衣服可以选择不同的布料，你可以选择针织的布料，可以选择硬性的布料，然后最后这些衣服会被自动地打板，大家知道什么叫打板吗，就是一件衣服穿在身上是 3D 的，但最后是通过二维平面的布剪裁出来的，然后它会自动帮你剪裁，剪裁完了之后。

自动帮你标注在哪些地方，需要用到什么样的工法，需要用到什么样的一个技巧来进行缝纫，然后这个布料，剪裁出来的文件，就可以交给工厂去进行制造，所有的这一切在 20 分钟之内完成，非常可怕，所以从这个月开始，它这只手呢，语言模型这只手，已经伸到了电脑非常深处的地方，然后我们今天要讲的最后一个话题，Jev，通用快速分类器，又把这只手往里面更深，更深入的伸了一层，因为它操作电脑的速度，要比 ChatGPT 快非常非常多，就意味着有可能。

我们在做那 20 分钟的设计的时候，我还是看着 ChatGPT 操作电脑，我知道它每一步在干什么，但是如果我在，比如说我回去之后，我去引入 Jev，cua 是 Computer Use 的一个开源库，它引入了 Jev，来做电脑操作的快速分类，如果我用这个东西来代替，ChatGPT 内置的浏览器，电脑操作的话，那它的速度可能就快到，我根本看不到，所以到那一刻，我就连观察的资格都没有了，因为我就完全去放手，交给它去做，所以今天我们要讲几件事情，就是语言模型。

慢慢把它的手伸到现实世界来，然后我们要讲 Atlas，Atlas 就是李飞飞的实验室，做的那个世界模型，可以通过两到三张图，还原整个虚拟的点云世界，然后要讲 GPT-6 Astra，这里会教大家怎么用 GPT-6 Astra，来操作专业的桌面软件，像 Blender 这种免费开源的软件，然后会讲刚才说到的，怎么用 Marvelous Designer，来设计衣服，然后会讲 Jev，就是下一步，可能我们下次分享的时候，我就会用上 Jev 这个东西。

让大家去理解怎么样快速操作电脑，我们可能会做一些非常复杂的东西，一开始我想把单向街的这个分享，做成一个 workshop，所以今天会有些东西是我们现场做的，然后，对，现在接着讲 GPT 做桌面任务这个，我们有一个 benchmark 叫 OSWorld，就是 OSWorld 2.0，它是一个考卷，就是这个考卷当中会有一些题目，这些题目会给不同的模型评分，那可以看到，其实 GPT-6 Astra，已经比上一个版本 GPT-5.6，高了 10 个百分点。

然后它每一代模型的进步，它都会有一个比较显著的增长，10 个百分点已经是一个非常显著的增长，就代表它可以操作，除了浏览器，除了那些比较主流的软件之外，其他的软件，它是怎么样操作软件的呢。

它有两种方式，一种是通过观察屏幕，就像人一样，它会把整个屏幕进行截图，它每一次操作步骤都会进行截图，所以有个很搞笑的点，就是说之前我看网上有人说，如果你要用 GPT-6，来操作专业设计软件，你把 Blender 下载之后，设置成英文，因为它截屏之后，它看到那个英文它更能理解，如果是中文的话，识别中文要用的 token 更多，所以它理解就更慢，所以帖子就推荐所有人，用 GPT-6 去操作电脑的时候，把所有的专业软件全部设成英文，你看不懂没关系，反正它能看懂。

所以，这是一种方式，它通过观察屏幕，去观察这个画面的方式，来判断每一步做得正确与否，那么第二种方式，是它通过专业的 MCP，MCP 是 Claude，就是 Anthropic 发明的一种协议，它可以让语言模型，和软件本身后台的代码，直接进行通信，但通过这种方式呢，它只能知道逻辑对或者错，但是涉及到设计的一些问题的时候，它很难从逻辑上来判断对或者错，它可能画出了正确的三角形，和正确数量的三角形，但是人类看起来，它那个衣服就不对，那你得告诉它哪里不对，对不对。

但是做 3D 软件设计，又不像做网页一样那么简单，你说右上角有个什么东西，把它改成绿色，对不对，但是专业设计软件，比如说衣服哪里破了一个洞，或者哪里的形状就是有点奇怪，它走起来、它蹲下来，那个衣服就是偏大或偏小，这个事情很难通过语言来描述，所以我推荐大家，去更新最新的 ChatGPT，然后下载 Blender 之后，你要跟它说一句，你帮我去操作 Blender，但是不要通过 MCP 的方式，我们可以接受消耗多一点 Token。

但是你要通过 Computer Use，就是用计算机操作的方式，用视觉去观察它，这样的话它的效果会好很多，但是它的速度可能会比较慢一些，所以我认为其实，MCP 可能已经到了，它的生命周期比较尾端了，就是 MCP 其实是去年，Anthropic 发明的，一个非常重要的东西，包括后面的 Skill，也是一个非常前沿的东西，他们尝试使用，传统的计算机编程的方式，让语言模型知道，计算机内部的一些，软件的状态和逻辑，这件事情在处理数据库，或者其他的一些。

比较抽象的东西当中，是比较有用的，但是如果要让 GPT-6，让语言模型来操作电脑，它就得像人类一样，去理解这个电脑当中所有的软件，你不可能指望 GPT-6，在训练的过程当中，让它把世界上所有的软件都用一遍，对不对，这是不可能的，所以我个人比较偏向于，在下一代，GPT-6 的下一代，可能会有 Astra 之类的版本，比如 6.5，它可能会更多地去使用更快速的方式，像我们之前提到的 Jev，更快速的方式去分类这些图片，更快速地来处理这些图片，所以我相信。

计算机使用应该会，主要通过视觉的方式来进行，就像真正的人类一样，所以其实在哲学上，我们现在已经很难分清，语言模型操作电脑，和一个真实的人类有什么区别，因为它使用的方式就是一样的，讲到这点大家有没有觉得很有意思，这其实就是特斯拉，训练他们自动驾驶的方式，特斯拉很长一段时间，他们都拒绝使用激光雷达，不是因为他们买不起，当然也有成本控制的原因，但是他们主要的想法是，通过视觉训练的方式，就像人怎么样学开车一样，我们用眼睛学对吧，用小脑用眼睛学开车，所以更多的是。

他希望能够模仿人类的方式，来做到人类能够做到的事情，所以在这一点上，GPT-6 的 computer use 很像很像，特斯拉以前在做自动驾驶的时候，他那一代训练的逻辑，几乎是一样，大家如果有关注特斯拉的新闻，应该可以看到那个 Cybercab，在美国，在 Austin，已经铺开了，非常牛，非常牛逼，非常厉害，然后虽然它只有两个座位。

但是坐上 Cybercab 的人，都觉得非常后现代，因为它没有方向盘，但也没有屏幕，没有什么控制的东西，没有可以让你去干预的东西，你坐上去，从你上车到你下车。

所有东西都是电脑控制的，非常厉害。

所以我相信在下一代，GPT-6 或者是 Claude，但我最近很长一段时间没有用 Claude，因为我觉得 Claude，在桌面软件上的控制，已经远远落后于 OpenAI，所以我相信在下一代计算机使用当中，它应该会领先很多个身位，它使用计算机的方式应该类似于，特斯拉训练他们的，自动驾驶汽车的那种方式。

所以它有了这样的一个变化之后，它就可以真正生成可编辑的三维资产。

我们曾经有一次分享，然后再用图片去给到 Seedance 2.0，让它去生成视频，对吧？但是如果你觉得生成视频不合适的话，你要去修改它，第一个事情是很烦，需要钱，对，大家也可以拍一下，这个是整个的工作流程，目前的工作流程，然后最重要的问题是，Seedance 生成出来是视频，视频可能一秒当中有 24 张图片，或者 60 张，但是它是没有办法进行操作的，你要操作图片当中，视频帧当中的人物，或者是你很难去用语言描述的东西，你就觉得哪里不对，你就需要重新生成。

重新生成虽然可以依照参考图，但是每参考一次它就会失真，它的噪音会越来越多，这个是 Diffusion 模型自带的一个特征，所以你如果参考十几二十次之后，它就会失真得很严重，当然最重要的问题是它第一个很慢，因为它所有东西都要重新计算概率，第二个问题是，它其实并不是你可以真实操作的模型，你想让它腿往前迈一步，如果你的语言描述得不够精确，那 Seedance 可能生成得就不够精确，所以大家如果看到效果非常好的，Seedance 生成出来的视频，它会附上一个几百字。

甚至上千字的提示词，对吧？但是我们正常人，很难写出这样的提示词，我相信真的写出这样的提示词的人，也是要不断地反复尝试，最后才得出这样的经验。

但是提示词工程，肯定不是未来大家使用 AI 的方式，其实大家有能力用 GPT，来生成真实的 3D 模型，就意味着你想要让它走哪一步，以什么样的方式走，往哪个方向转，给它换什么样的衣服，都不需要再额外花钱，但最重要的是，你可以即时地改变这一切，你可以跟 GPT-6 说，它的衣服颜色不对，就像右边这个图一样，这个其实是 UV 展开，一个很典型的例子，UV 展开指的是什么呢，就是二维平面的贴图，要把它贴到右边的模型上，你生成了一个模型，你肯定会想改变它的外观。

比如说给它加件衣服，比如说在这里面给它做个帽子什么的，如果你要做一个针织帽，你就可以让 ChatGPT，使用左边这种 UV 展开的，二维图片来生成，使用 Image Generation，来生成二维图片，生成二维图片是很快的，然后给二维图片切图也是很快的，所以你可以通过这种方式的这种组合，来让 ChatGPT，先用图像创建去创建你想要的图像，然后把这些图像变成 3D 网格，然后再使用 3D 网格，和 2D 贴图的映射关系，在这个专业的 3D 软件当中。

可以轻易地改变这一切，你想让它换什么颜色的帽子，都可以换。

所以现在你想要去处理真实的 3D 资产，可以通过这种方式去做，但你还需要依赖第二个角色，是什么呢，我刚才没有说，第二个角色，有 Meshy 也有 Tripo，这种专门的模型是用来帮你，把几个图片变成一个计算之后的，一个比较复杂的一个 3D 网格系统，这个 3D 网格系统可能有，大家学微积分嘛，把一个圆展示出来，它可能背后有很多不同的三角形的面，它其实并不是一个真正的圆，当然如果你计算能力很强，你可以把它加到两千万个三角形，或三千万个三角形。

你的肉眼已经很难分辨出来，它到底是不是一个圆，就是你可以理解为，如果要在物理世界改变一个圆，削切一个圆，用机床削切一个圆，你就不断去打磨它。

用砂纸去打磨它，但是在微观世界，它仍然还是会有很多的，尖刺的面，尖刺的面、粗糙的面，所以 Tripo 这种模型，就是专门干这种事情的，你把参考图像给到它，给一张图两张图三张图。

然后它会根据这个图像，还原这个物体的 3D 模型，它现在最高支持 200 万个三角形左右，贴图支持 4K 或者 8K，它一开始是用来干嘛的，它一开始不是用来干这个的，它一开始是用来设计，给 3D 打印机打印玩具的，对吧大家应该会有这种需求，比如说你有了小孩，然后你想给他每个成长过程，比如 5 岁、7 岁、12 岁的时候，都给他做一个小玩具，就是这个小玩具就是他的样子，可能是他抱着一个球或者怎么样，然后你就给他拍张照片。

然后你可以把这张照片扔到 Tripo 里面，然后 Tripo 大概一分钟左右，就会给到你这个小孩的这样一个 3D 的模型，然后你可以把这个 3D 的模型，就直接扔到你的 Bambu 的打印机里面，让它打印出一个塑料的小孩，就通过这种方式来做，但是弄巧成拙，现在你可以把 Tripo 当中生成的资产，直接导入到 Blender 里面，让 ChatGPT 来全自动地完成这一切，然后它就可以帮你精修，当然精修完成之后的东西，你依然可以去 3D 打印机打印。

但是它有了更多的用处，比如说它可以帮你绑定骨骼，让你的小孩动起来，然后再把你家里，还原成一个虚拟的世界，让你的小孩就在这里面动来动去，然后给你小孩这个 3D 人物，去接一个语音的 API，你就可以实时地和他对话了，然后这个非常非常 crazy，日本的那些创意工作者，在尝试做他们叫做 VTuber 的东西，还是什么东西，就是一个二次元的人物形象，然后把这个人物形象生成出来之后，直接放到他们的网页上，然后你可以直接跟它聊天，那所有的这一切，你可以操作它走来走去。

你可以操作它蹦跳，你可以操作它唱歌，所有的这一切，可能只要一两个小时就可以把它完全做完，所以今年一定会是一个，你想都想不到的，那种各种各样的内容的爆发之年，对很有意思，ChatGPT，关于这一点，你有什么想要补充的吗，我补充一下，让我核对一下材料，因为我现在不在这台电脑上，也不在这个手机上用它，我在我东京的服务器上用它，在这个服务器里面，有这次 PPT 的所有材料，还有我这一两个礼拜，使用这些 3D 软件的所有数据，所以它会去查一下这些数据。

因为我没有在里面用到 Jev，所以它没有办法做到快速分类，所以它必须全部看完之后，才能够回复，这个和人就很不一样了，就比如说如果靖涵坐在这里，如果她跟我这一个礼拜，都在做同样的事情，她大脑当中很快就会想到，应该说什么、不应该说什么，对，但是如果没有接入快速分类器的话，那 GPT 就需要不断地思考，思考完了吗。

因为它希望，说的每句话都是完全正确的。

我是用 Marvelous Designer，我不知道它打板对不对，所以我需要一个设计师朋友在旁边看。

对，但你觉得对于这种事情，因为它的语言模型的触角，其实已经深入到制造业了对不对，那打板对不对这件事情，如果你要去做衣服，我完全没有做衣服的经验，但我朋友可能在，文化服装学院学了好几年，然后他才有做衣服的经验，那其实我认为语言模型，应该也有做衣服的经验，为什么不能一步到位呢。

喂？

它又在思考，不知道在思考什么，我们看一下关于做衣服的这件事情，大家如果感兴趣的话，可以下一个软件叫 Marvelous Designer，它是一个专门做衣服的，模拟仿真软件，这种软件有很多了，就是传统的。

不是，我的意思是说，这是不是因为，比如说工厂的布料，它在我们电脑当中，它的数据并不是完全，可以在电脑当中做仿真，我理解如果物理世界，所有的事情，虚拟世界都有完全的对应的话，那应该是可以在 Marvelous Designer 里面，去做仿真制造的。

是因为我开了 Extra High 吗，为什么这么慢，这个思考，anyway 就是大家下了这个软件之后，这个软件其实是比较通用的，比较那个什么，就是大家都可以上手的一个软件，因为有很多专业制造的工具，比如说一些自动化程度高的，纺织厂用的那些机器，当中那些专业的 3D 模拟软件，并不是用这个，这个可能更多是用在，做虚拟人物的衣服，或者你需要去做创意设计当中，可能在创意设计快要接近仿真那一步，但又没到可以把文件，直接丢给工厂生产的那一步，学生作业用的多半是这种。

但是它当中的布料模拟和人物，因为每个人，这个叫人台，对吧？这个人台其实也是 GPT 生成的，你可以把自己的照片，像我就把我女朋友的照片拍下来之后，让它生成了一个我女朋友的人台，大家如果感兴趣的话，可以看我推特上的推文，就是这个人台，你可以让它生成出来，你多高，你的三围比例怎么样，你就意味着你可以在虚拟世界，就是量体裁衣，对吧？然后这里面所有的布料呢，它是有默认的一些分类的，就是它会有，这个布料的克重多少，它下垂的感觉是什么样子，它这里面都会做到。

我不能说 99%的仿真，90%以上的仿真应该是可以的，所以在这件衣服试做之前，你可以用白坯布自己试做，然后用缝纫机自己缝，或者把这个东西交给中国的工厂来做，但是你在试做之前，你就会知道哪个地方有明显的不对，对吧？那通过这种软件呢，你基本上就可以尝试，在完全没有任何经验的情况下，使用 GPT 来设计衣服，我很推荐大家去试试看，然后这个软件非常便宜，没多少钱，你把它下载下来之后，你买一个 license 然后让 GPT 去连接它，进行自动化操作就可以了。

我们可以看一下这个，它没有给这个链接，作者原帖。

我们可以看一下这个，也是一个日本设计师做的东西，你可以从不同的角度看到这件衣服，然后还可以操作它的动作，然后你可以把这个人导回到 Blender 里面，因为 Blender 可以帮它绑定骨骼，所以你就可以看这件衣服，在坐的时候、在站立的时候，在各种各样的运动的情况下，是不是符合你想要的效果，为什么这个很重要呢，尤其是设计裤子的时候是非常重要的，你用一个非常合身的等身的人偶，来为你量身做衣服，但是其实专业的裁缝，他在设计的时候会留很多冗余，比如说做西裤。

西裤虽然不是运动裤，但是你坐下来的时候，或者你干别的什么的时候，那个西裤是有弹性的嘛，它的面料是有弹性的，有弹性的时候，你就需要给到一些冗余，让这个布料能够伸展，这些所有的东西都是经验，但是在用这种软件还原的时候。

如果你没有这种专业裁缝的经验的话，那你就需要试做，你就需要让这个模特真的蹲下来，蹲下来之后你去转它去看，或者让 ChatGPT 去转它，去录一个视频，去看这件衣服，这个裤子是不是有真实的变形，是不是真的合身，当然最后你还是得试做，因为你还是得穿到身上来看，那它是不是合身，包括那个布料，对肌肤的触感什么之类的，所以其实真实世界，服装是个非常重要的用例，我 2011 年在支付宝工作的时候，那个时候我们会有一个叫「微群」的概念，就是把中国所有买东西的人。

分成好多好多种群，那个 GMV 里面最大头永远都是女装，女性商品是非常非常重要的一个比例，但是女性商品当中，最大头永远都是女装，因为服装制造不仅在中国，在整个全球制造产业里面，都是最大的大宗商品之一，除了你吃的东西就是穿的东西，穿的东西当中最重要的就是女装，所以如果 AI 可以把服装制造，个性化制造这一点完全打通起来的话，我相信在未来两三年，就会看到这个事情，大家可能就不需要去找裁缝定制衣服了，或者反过来说，你想要做什么样的衣服。

或者设计师想要做什么样的衣服，都可以按照需求来进行制造，这个改变是非常非常大，在工业革命时代以来，是没有这样的事情的，如果个性化制造，能够把大批量制造的份额，吃掉哪怕 10%，我们所见到的很多的，现在世界当中非常合理的东西，比如说通关物流，这些东西、贸易，都会被极大地改变，所以，我其实，我觉得中国，如果不跟着这一点来进行改变的话，也许以后未来制造业，就不需要中国了，也是很有可能的，所以这是一个例子，但是它还有很多，不是特别自然的地方啊。

不过我相信这个随着 AI 模型的变化，哦，不好意思我重新启动一下，因为它的 voice session 还和之前一样，它只有半个小时的有效期限，不好意思你刚断了，可能因为这个 voice session 时间太长了，然后你还记得我上一个问题问你的是什么吗，我确认一下。

对，然后我们再讲下一步，大家还可以通过几张图来组织一个空间，这个就有点像是魔法了，我不知道，现在没有太多的信息，包括开源的这种世界模型也好，没有太多信息指向这一点，所以我不知道李飞飞的 World Labs，是怎么做的，但是它现在做到的最厉害的一个功能，就是可以通过静态的图像，来还原整个空间的深度，包括这个空间当中所有的这个物体，我们看一下宣传视频，这就是很典型的一个应用，它只有两张图片，但是你可以从不同的角度，看这个人投篮，是一个什么样的样子。

然后你可以通过几张 GPT Image，生成的城堡图片，就可以还原整个城堡。

我记得上一个完整的问题是，如果把现实信息都准确带进虚拟世界，是不是就能在 Marvelous Designer 里做仿真制造，你刚提到的 World Labs 宣传视频，第六页底部有官方链接，我这里也可以直接打开，World Labs Atlas 演示，看演示时留意一下，照片没拍到的部分，是模型推测出来的，不一定完全准确，大家可以看到，它的还原其实是非常非常高清的，但是相比它最初的版本，效果已经非常好，然后它的点阵图虽然无法交互。

但是它的高清还原已经可以做很多事情，比如说你生成一个虚拟的房子，然后去做一个房子的一个展示，把它变成一个图片，比如说你如果你要买房子，或者你想要卖房子的话，这一点就非常有用。

然后它最大的一个应用，是生成虚拟世界的交互视频，然后把这些视频喂给机器人，也就是世界模型所建立的初衷，这样的话，它可能一秒钟、一分钟，就有非常非常多的视频生成出来，那机器人就可以不断地进行学习。

大家感兴趣的话，可以去搜索一下 World Labs，这是一位华人创始人，叫李飞飞做的一家公司。

这还有另外一个视频。

我印象中是一月份还是二月份，它出来的这个预览模型，是非常非常粗糙的，但现在已经可以做到非常非常清晰，你在手机这种小型设备上，其实已经很难分辨出有啥区别。

而且大家可以看到，它其实也没有太多的广角畸变，因为这种模型其实之前有个很重要的问题，是它对边缘的预测不是特别准确，然后现在它的精度提升上来之后，它的广角也没有明显的畸变，你可以把它理解为，iPhone 超广角摄像头的视角，拍摄出来的一个画面。

对，这里是 ChatGPT 在解释，世界模型生成的这个世界是什么东西，它是有碰撞网格的，就是如果你在里面拿这个摄像机走来走去，遇到物体你是没有办法撞过去，意味着它有碰撞网格，意味着你不会穿模，就意味着它其实是有一点点，物理世界的真实的这种，这种东西的模拟，它不是一个完全的视图，它可以告诉你哪里能过，哪里不能过，但实际上它还有很多，物理世界的东西没有解决，如果说下一个版本，World Labs 推出的 Atlas，它的篮球，刚刚大家看的那个篮球的例子。

其实就是通过两张静态的投篮的照片，把整个篮球的子弹时间还原出来，但如果它的篮球可以在模型当中任意改变方向，甚至你可以要求它用不同的力度去投篮，或者在一个更远的地方设置一个篮球框，然后让它投到那个框上去，并且它可以正确地掉下来，那就意味着它其实已经把重力这件事情，几乎模拟到 100%，那当然它也可以调整重力，可以去模拟月球上或怎么样，因为大家知道，其实美国要在月球建立永久基地，所以肯定都是机器人在控制，如果你没有办法模拟，月球真实世界当中的物理是怎么样的。

那机器人怎么提前训练呢，对不对，它肯定没法训练，它到那儿可能什么事情都干不了，所以这件事情是必须得完成的，才能让具身智能在不同的星球，在不同的环境下，在不同人的家里面，能够完成具体的任务，所以这件事情其实还是一个非常非常早期的，我们现在是 2026 年的 9 月份，可能到明年，它发布了两三个重要版本之后，就会有很显著的不同，明年如果有机会我当然愿意，在单向街给大家分享，十几期视频，十几期这个分享，我觉得我们这个记录，是非常有意义的一个记录，如果回头去看。

我们一月份的这个分享的话，你会发现很多事情的改变，都非常非常大，其实我在一月份开始讲，这个演讲之前，其实我没有预料到说，它的变化能够这么快，因为 ChatGPT 是 22 年，12 月份推出的，但是整个 23 年和 24 年，其实并没有太多的，让人非常震惊的东西出来，大家还是在适应怎么去和 AI 对话，而且都是那种一来一回的对话，真正的变化，其实去年 10 月、11 月才开始，但是这个变化突然一下，速度就加速了，加速到很快，所以我们从今年开始。

记录这一切非常有意义，然后刚才说到的 Jev，Jev 是一个什么样的模型呢，它是一个前 OpenAI 的研究员，叫 Diogo，我不知道怎么发音，就是他从 OpenAI 离职之后创办的模型，他把这个东西叫做因果模型。

当然其实如果真的要分类，他这个模型叫什么，它应该叫做，大语言模型当中的快速分类器，快速智能分类器，快速通用智能分类器，就是它不需要你预设一个，我是要分类小狗还是小猫，不需要预设这样一个条件，也不需要提前去做微调或者训练，你可以通过自然语言告诉它，我要在这一堆数据当中，找出哪种类型，有哪种特征的数据，然后它可以在毫秒级别，找到真实的数据来进行分类，它没有办法输出文字，意味着你没有办法和它聊天，它没有办法生成，除了选择之外的任何结果，你可以理解为它就是一个。

只能用来做选择的模型，你把一堆的选择项，一堆 option 告诉它，几十万个、上百万个 option，告诉它，然后告诉它，在 300 万个当中我要找出，比如说这上百万个是图片，你告诉它我要找出哪些，中年男性、体重超过 60 公斤之类的，这在侦探领域其实非常常见，对吧？比如说你有一堆的这种 CCTV 的摄像头，然后你要把摄像头当中的数据，闭路电视当中的数据，全部分析出来之后，然后要重新挑选出某个有特征的人，正常来说这种分类模型，在数十年之前就有了。

但是这种分类模型的出现，其实是要用专业的数据集，来进行训练，然后完了之后，要针对你的需求来进行微调，但是 Jev 可以做到通用分类，它不仅可以理解自然语言，它还可以理解你到底想要什么，而且可以理解各种各样的输入，包括计算机，刚刚说到，你可以用 Jev 来做计算机使用，因为它能够理解，计算机的图像当中，哪一部分是什么样的软件，所以它操作 Google，Google Flights 来搜索机票的速度，要比 GPT-6 快很多很多。

然后这就是它使用的一个很经典的范例，然后它的价格几乎可以忽略，而且它的输出费用是免费的，就意味着它输出的选择，大家知道这个模型的收费机制，因为它要吐出 token，它要吸纳 token，所以它有输入的费用和输出的费用，然后对于 GPT 这种模型来说，它的输出费用都是很贵的，因为它反馈的结果，是经过校验验证的，但是对于 Jev 来说，它的输出费用是零，因为它只会告诉你要选哪一个，然后它的速度可以做得非常快，如果是 70 毫秒的话，那几乎已经和正常的网站的。

这个 HTTP 请求，差不多是一个数量级了，然后我们可以看一下，它后面有例子，这里有一个对比，就是，它不仅要快，还得知道它给的答案，是不是准确，所以这里做了一个对比，它的准确率和上一代的 GPT-5.6，其实差不太多，然后如果要比顶尖的模型，SOTA 模型的话，比如说 Opus 的话，还是会有一定的差距，但是如果你把它，和其他的工具一起使用的话，除了速度上有优势之外，它几乎可以做到准确率差不太多，而且几乎不要钱，所以我相信未来的很多 To C 的软件。

就是需要去处理用户输入的软件，都会去使用它来过滤一层选择，然后过滤完了选择之后，包括你选择本身，你几万个、几百万个选择，选择本身，还是叫 GPT-6 这种模型，来帮你建立，对吧？举例子，比如说你希望这个网站，可以根据用户输入的变化，无论是文本输入，还是语音聊天来即时变化，但是它即时变化的那部分选择项，就是你怎么设计这个网站，还是叫 GPT-6 或者 Fable，来帮你设计，但是在处理用户输入这一层来说，Jev 这种通用的，智能分类模型，已经有碾压级的优势了。

然后这个东西其实也是刚刚出现的，所以最近有一段时间，有很多人用它，去做一些奇怪的东西，第一个是我刚刚说的，浏览器查航班，大家可以看原帖的视频。

在右边是它这个时间，然后左边是它操作电脑的速度。

操作很快对吧，比如说人来看的话，还得看一下这个选单程还是选往返，对吧？尤其是机场，因为好多城市有好几个机场，你就是得去分辨出来，你要查航班是用哪个机场去查，它做得非常非常快，所以它的计算机使用，在下一代肯定会有非常多的模型，或者是像 DeepSeek 的 DSH，大家知道 DeepSeek 最近，在做 DeepSeek 的 harness，就是 DeepSeek 本身的那些命令行工具，它肯定会接入这个东西，或者是模仿这个东西，来做自己的通用分类器。

来做电脑操作，来做电脑使用，也就意味着，我相信在未来可能一个月左右，大家就可以看到几乎所有的模型，比如说 GLM，比如说 MiniMax，比如说 DeepSeek，都会有非常快的电脑操作能力，然后这个是一个很好的事情，因为以往只有 OpenAI 这种大型公司，因为 OpenAI 在训练 GPT-6 的时候，他们买了很多 Mac，在他们的数据中心进行训练，就是为了让 GPT-6 去使用 Mac 当中的，几乎所有的专业软件，对，但是有了这个东西之后。

有了这种快速分类器之后，比较便宜的模型像 DeepSeek，它也有能力去使用其他的图像，图像理解的模型，因为 DeepSeek 本身现在理解不了图像，它还是需要一个东西能够理解图像，所以你可以配合，其他的快速理解图像的模型，再配合 Jev 这种分类模型，来做到类似的，可能只要 OpenAI 一千分之一的成本，就意味着大家平常使用的，很多 To C 的软件，应该都会去接入这个东西，然后还有两个例子，在这里非常有意思的，批量分类邮件，用了大概三美分。

但是 500 封，我看到有朋友已经在搞，几十万封邮件的分类，分类邮件其实是一个，我觉得还蛮有用途的一个功能，现在大家其实都会，积压很多未读的邮件，因为垃圾邮件实在太多了，然后其实一开始神经网络的训练，就是 Google 在设计 Gmail 的时候，就是它用来区分垃圾邮件时，所发明出来的一种算法，因为 Google 的 Gmail，区分垃圾邮件很厉害，但是垃圾邮件永远都是禁止不了的，所以它要不断地修改这些算法，来屏蔽那些垃圾邮件，所以其实之前有个比赛。

就关于 email 的 spam 有个比赛，那现在任何人都可以通过 Jev，这种快速分类模型来分类自己的邮件，比如说把你积压的几千封邮件，在两三秒钟之内全部读完，然后把重要东西拿出来，把你需要待办的东西拿出来，把和旅行相关的东西拿出来，对吧？就相当于你可以让自己的邮件系统，拥有 Gmail 这样的分类能力，当然现在大部分人可能还是在依赖 Gmail，也就意味着你可以把 Jev，应用到日常工作中来，再换一个例子，比如说分类你电脑当中的文件夹，这个东西我特别烦。

因为我有点精神洁癖，就是我电脑当中的文件夹，我都整理得很好，但是还是会有非常多东西，掉到下载文件夹里，我昨天看到有一个人，就是专门用 Jev 来分类下载文件夹，然后下载文件夹多出一个文件，然后它内部监听到之后，就马上进行分类，然后把它放到你磁盘当中，正确的位置，然后命名，并且放到它这个模型的，记忆当中，这样的话你下次再用语音，去和 GPT 聊天的时候，那它就可以快速地找到你的文件，而不依赖于苹果的 Finder Spotlight，因为大家知道。

Spotlight 建立索引时间很慢，Spotlight 是苹果的搜索工具，中文叫「聚焦」，它使用的分类方法，还是很古早的分类方法，没有应用到 AI，它是一个传统软件，所以 Spotlight 需要花很长的时间，如果你有一台新的 Mac，它要花很长的时间建立索引，但是通过 Jev，你就不需要花很长时间建立索引，而且几乎不用花钱。

这个例子可以应用到，任何公司的文件管理，仓储文件的管理，比如说你运营一家服装店，运营一个物流中心，这个东西可以应用到任何这种场景。

那么第三个例子是，这我没看完。

他用它来玩游戏，他用这个模拟器，读出这个 JSON 的状态，JSON 就是一种文件交换协议，信息交换协议，然后他就会，Jev 就会选择，这个马里奥要跳还是不跳，我们看一下。

当然这是一个很简单的游戏，他自动玩游戏，但因为它的响应速度很快，所以它几乎可以做到实时，因为你一旦慢了之后，你不就被怪撞到了吗，你就死掉了嘛，对不对，所以也是个很有意思，很有意思的，其实关于 AI 操作游戏，那个魔兽世界啊，就是之前有个比赛，就是专门让 AI 来操作魔兽世界，和人类来进行对打，但是也只是针对于某些游戏，但如果有了 Jev 这种，你可以自己尝试，用它来操作一些经典的策略游戏，比如说什么星际争霸之类的，然后让它来看看，能不能打赢它，或者你可以。

在自己想要做的游戏里面，植入 AI 角色，然后来调整它的智能水平，这是一个很有意思的想法，因为其实以前，在 AI 刚出来的时候，大家就尝试使用 AI，来制作游戏角色，对不对，但是这件事情并没有很火，是因为 AI 成本，第一个比较高，第二个它的延时也比较高，所以很少有人，会在大型游戏当中，真正植入，全功能的 AI 角色，但是有了 Jev 之后，你说不定可以用 DeepSeek，配合它来做完整的 AI 角色，对，而且大家如果有关注，最近视频生成模型的进展。

我在 PPT 里没有提到，最近有一个叫 MiniMax H3 的模型，开源权重，然后 fal 这家公司呢，就把它做了一个特异化的训练，推出了 MiniMax H3 Max 这个版本，然后非常非常快，它可以在零点几秒，大概七点几秒就生成 15 秒的视频，所以它生成视频的速度，要比你浏览的速度都要快，所以有很多人基于 MiniMax H3 Max，是做了那种无限电视台，就是你想要看什么节目，你跟他说，它背后就生成了，然后你下一个看到的就是它。

我打算把视频生成模型，放到下一个版本来讲，因为 Seedance 也推出了 Seedance 2.5，下一个分享来讲，所以下个月，如果有机会的话，下个月我们的分享会，主要是讲 MiniMax H3，我会去在 PPT 上做一个范例，然后我会让大家直接去发言，看要生成什么样的视频，然后这边就可以直接生成什么样的视频，现在我们的 PPT 还是 GPT 做的，所以它是一个固定的，但是在下一期开始，我们就会加入很多可玩性的内容，让我们一起来交互。

去创造一些 AI 生成的东西，所以在这个例子当中，Jev 基本可以做到任何高频的判断，讲到这里，大家是不是想到了一个很有意思的用法，炒股票，炒股票、量化交易基金，其实在十几年前，应该是二十多年前就已经有了吧，当然当中做的最好的，是文艺复兴之类的基金，他们都有一定策略，但是最重要的事情是，他们会请世界上数学最好的人，给最多的钱，并且他们有最强的计算能力，和离这个交易中心最近的机房，所有这一切都是非常必要的，所以他们其实可以做到最快的交易。

他们可以在新闻一出来之后，就可以马上下买单或者卖单，那传统的话，你个体的这种散户交易者，你想要做的这一切呢，比较困难，那第一点是因为，你也没有足够多的信息，第二你也没有足够多的计算能力，而且你的仓位，也不太能够建立真正科学的计算模型，快速分类工具，是有助于你达成这一切的，但是我昨天看到，有人在尝试做这个东西，但他已经赔了很多钱，但赔钱不一定是 Jev 的问题，可能是他自己本身策略的问题，对所以像我刚才说到，如果你真的想用这种快速分类工具。

来做一个量化交易基金的话，你得想清楚在哪些领域，还没有被这些量化交易的人占掉，比如说如果是在去年的 Polymarket，那你可能可以分到一杯羹，因为这种预测市场是这种新兴市场，一般华尔街的这种基金，不会轻易进入，而且它能够承接的资金量，也是比较少的，所以大家如果感兴趣，如果你想要在 Polymarket，或者 Hyperliquid 里面去使用 Jev，你可以尝试让 ChatGPT，帮你把策略定好，或者 Claude Code 帮你把策略定好之后。

让它使用 Jev 去进行分类，看能不能在一个交易日内，真正做到 profit，如果可以做到的话我觉得应该是很有意思，大家可以发挥想象力，比如你可以去做卡牌的拍卖，或者是煤炉上，一些二手商品的交易，都可以使用这个东西来做，这样的话你抢东西，就会比人家更快，对吧？很有意思，而且你不需要提前写代码就能做到，因为日本有很多，这说的有点不道德，日本有很多抽选嘛，对吧抽票，你都要在第一时间进到那个网站，然后填表啊什么这类的东西，以往呢，这个很烦的，所以有时候我都直接。

在二手网站上买黄牛票，但是有了 Jev 和 GPT，现在比较快的 computer use 之后呢，那任何人都可以做到这种东西，而且你也不用编程对吧，你就跟它说一句就行了，它也不用写代码，它其实到那一刻，就像一个人一样，真人值守的那一刻，然后去阅读那个电脑上的信息，然后快速地进行分类，它也不需要写代码，这又和我们今年 1 月份分享的，那个临时写代码的方案不太一样，所以我把它定位为，快速的超级通用分类器，它其实是一个小语言模型，干的事情。

就是远在 ChatGPT 推出之前，就有很多这种，40 亿参数或者 80 亿参数的模型，就是用来做这种分类的，它们通常都是给文本做分类，比如说用来屏蔽那些脏话，或者给图片做分类，用来屏蔽那些成人的内容，之类的这种东西，或者用来去区分猫和狗，来做验证码校验之类的东西，但是 Jev 做到了一件，其他小模型没做到的事情，就是通过人类语言来进行的通用分类，而且非常快，就意味着我们所有人都会用上它，而不需要进行提前的训练，这是一件很好的事情。

大家现在可以在 OpenRouter 上用 Jev，你都不用申请内测，你可以用 OpenRouter，也可以用 Cloudflare 去用，然后你可以让你的 ChatGPT，去 OpenRouter 上注册一个账号，你就可以直接使用它。

所以我这里加了一个，最后一个 PPT，我很想和大家分享的一点，就是其实我们今年的，分享的这个主题，一直想让所有人都能够尽可能快，去适应 AI 时代的变化，所以我个人其实蛮希望，大家看完这些分享之后，不仅在现场提出问题，最重要的是要回家，去真正地把这些 AI agent 也好，ChatGPT 也好，Claude Code 也好，下载下来之后，真的在每天的工作或者生活当中用起来，因为我个人对这个转变的感想是，在我的人生当中，我其实经历了几次比较重大的变化。

因为我在江西农村长大，然后我最大的一次变化，是我爸把我带到深圳，然后我看到这个大城市，尤其是改革开放的这种前沿城市里面，那些人对自身的要求，我的同龄人，就是我以前同学，大家知道最近有两个人，拿了数学界的诺贝尔奖，叫什么来着，对，有一个就是比我大一届的，我们深圳高级中学的，对，其实我读高一的时候他就读高二，所以很震撼了，我们学校有很多很多，每年都会拿数学奥林匹克国际奥赛的奖，但是其实我也没想到会有人，在这件事情上会持续那么多年的努力，但是这件事情确实。

和我以前读高中的时候，我们那些同学的精神气质很像，因为这些小孩有很多是深圳的，来深圳创业的第一代人，然后他们已经赚了足够多的钱，然后他们的小孩，其实在我还在上学的时候，就已经在想自己这一生，到底要做什么非常重要的事情，所以他们根本不会觉得，赚钱是一件很重要的事情，因为他们的父辈，已经积累了足够多的钱，但他们又会觉得，这个世界上还有很多没完成的挑战，所以其实有一些人会去研究数学，有些人会去研究生物，因为我当时考试的时候，是要选一个 X 班的。

所以我以前是生物 X 班的，我们那个班现在还有人在美国，在研究所研究癌症，到现在都已经这么多年，他一直没有改变他的职业生涯，不管我们这些做软件的人赚了多少钱。

他都没有改变他的职业生涯，所以我很佩服这些人，这是我经历的最大的一个变化之一，在童年经历的，第二次变化很明显，大家都知道，就是我们上网不用电脑了，而是用手机，这个大概是从 08 年 09 年，12 年开始变化，然后，现在是第三轮变化，我觉得很神奇，我这辈人有机会，就这么短的时间，经历这么多变化，但我相信这个变化速度，是越来越快，在座的各位，如果活得足够长，应该还会经历很多很多，都是以前你们祖辈，想象不到的变化，然后我觉得这个时代，最重要的一点是在于。

以前我们会觉得，尤其东亚人，我们的父母觉得，小孩子要读书，然后读书、不做体力劳动，才能够有所成长，能够，不说阶层跨越，至少可以实现经济自由、经济独立，对吧？所以其实大家一直以来的想法，几千年的想法，就是说我要去走上仕途，或者至少是在改革开放之后，我要去经商，我要去用我的知识，把我的知识、我的智力，变成我的财富，或者我的收入，对吧？所以以前大家想要去哪里打工，能够挣到更多钱，后来想着要做什么样的生意，能够挣到更多的钱，其实我觉得更多中国人的想法，其实是这样子。

但是有了人工智能之后，这个世界在潜移默化地，发生很多很多重要的变化，就是你现在能够使用到的智力，和你自己能够获取到的智力，已经完全不成比例，我们可以读九年书、十年书，然后去学一些非常基本的皮毛，但是我们不可能每天都不睡觉，去学 ChatGPT 预训练的知识，它现在有个非常强的能力，是它可以边做边学，所以它能够比人类，更快地获取到知识，并且能够获取前人的知识，也就是人类的智慧，所以我觉得现在，你如果还是想着说，或者你的小孩，你的下一代还是想着说，我要好好读书。

考一个好的大学，然后再能找一个好的工作，这个事情已经变成，一个非常妄想的东西，我是这么认为，当然还是有很多人会，会沿袭他们之前成功的经验，去尝试教小孩，教小孩要往这个方向走，但我觉得这个是非常非常，不 reasonable，就是从 23 年、24 年开始，尤其是去年的这个，写代码这件事情被攻克之后呢，我个人认为就是，你想依靠智力去，获取超额收益，比如说做医生律师，或者其他的知识工作，想做高级打工人，这件事情已经成为了一个泡影，它已经不是一个，可以追求的目标。

所以要想一想，那下一个目标是什么呢，我个人认为，我也定了一个自己的目标，虽然赚钱对我来说，已经不是最主要的事情，但我觉得用智能赚取复利，这件事情大家有没有想过，这个概念以前，在什么样的人群，职业当中才有可能，我举个非常，我认为非常非常合理的例子，就是 JK Rowling，就是哈利波特的作者，提到哈利波特大家应该可以想到，哈利波特那几个小演员对不对，对，但是哈利波特，那几个小演员赚的钱，包括他们后来拍的作品，其实远远没有，JK Rowling 赚的钱多。

语言本身就是一个，能够产生复利的东西，无论你是把语言，用来做演讲，写书还是做 talk show，还是做各种各样的东西，因为语言会影响到其他人，最重要的事情是，语言不仅能够影响到其他人，语言还能够创造故事，在西方，大家把这个东西叫做，narrative 就是叙事，你可以讲故事，你可以把你讲的故事，连成一串，然后世界上的人，知道你之后，他们提到你的名字之后，他就会想到你的故事，有的时候他们甚至，会跟着你的故事走，现在这个能力，其实是 AI 还不具备的。

就是怎么决定 narrative，这个能力，是 AI 还不具备的能力，AI 可以调用 Seedance，或者其他的模型，来创建无穷多的视频，但是它没有办法决定，以什么样的方式向人类讲述这些故事，是合理的，也许现在不行。

也许未来两三年之后可以，但现在仍然还是一个疑问，也没有这种工具，这种 benchmark，可以让 AI 做到这一切，那如果能做到，我觉得是非常可怕的一件事，因为它就会骗人了，对吧？因为讲故事其实就是在骗人，所以我觉得，现在使用智能来赚取复利的，你要做的事情，可能不仅仅是写书，以前只有文笔好的人，才能够把这些吸引人的故事写出来，那现在你可以通过 AI，来做制造业，来做衣服，或者是做视频，做 influencer，做各种各样的东西，总而言之。

AI 和 AI 使用的这种智能，以及 AI 借鉴前人智慧这件事情，来增加你的智能杠杆，那这个智能杠杆可以帮你做很多事情，但唯独不是打工，对不对，我觉得未来的这种专业职业的工作，会越来越少，所以之前我说到的前者的路径，是越来越不可能的，就是教你的小孩，培养成一个高级打工人，这件事情越来越不可能，所以所有人，不仅是大人还是小孩，都得重新思考，在未来的时代，到底怎么样去使用智能来赚钱，或者在这个话题当中，是赚取复利，我觉得赚取复利，最重要的一点还是要。

你能够掌握 narrative，就是你要能够掌握讲故事的能力，无论是你想要卖一件商品，卖一件衣服，创造一个自己的品牌，还是很多深圳人，他们会去做亚马逊爆款，其实本质上都是同样一件事情，就是你要学会讲故事，要学会知道，别人对什么样的故事感兴趣，你才能赚到别人兜里的钱，所以我觉得这一点，就相当于逼迫所有的人，把自己的人生定位，从工业革命时代以来的，这个螺丝钉，拔高到一个厂长，我觉得很难，因为并不是所有人，都有讲故事的能力，而且我们的教育系统当中。

很缺乏培养这种能力，西方的教育系统当中，也许在某些学校，他们会比较善于培养这些能力，但是在我们的教育系统当中，亚洲教育系统当中来说，比较难这种，包括我自己也是，我觉得有的时候，我会有很多想象，想象力想象能力，但是我想象出来的东西，不一定会成为我的 narrative，大家如果在网上搜我的名字，可能更多的看到的还是关于 ByteDance，关于我以前退休的一些事情，但我能把我自己的故事讲出来，让很多未来的人知道，我会往这个方向前进，马斯克这一点讲得很好。

他无论做什么事情，他都夸下海口，说他要上火星，他要上月球，但是他又总能把这件事情办成，所以很多人，他故事一讲多了之后，所有人都能相信他的下一件事情，虽然讲得很疯狂，但是他仍然能够把这些事情办成，我觉得这是一个很有意思的一个先例，但是大家如果 review 我们小时候接受到的教育，我们的教育是不允许这种人出现，而且教育也不鼓励你成为这种人，因为大家觉得如果你没有做出来，你就不要对外说，对吧？如果你没有做成功，你更别对外说了，大家所有的大人都会觉得。

那别人在看你的笑话，然后别人在嘲笑你的失败，但这件事情本身在 AI 时代，是 AI 没有办法掌握的，一个非常非常关键的一个能力，我不敢说在未来两三年之后，会不会有这种模型，能够通过重复的工作，来达到这一切，我不敢说，但我觉得至少在现在这一个时刻，这是我们能做的事情，不说了，再说大家又说我要传播焦虑，事实上来说，我们每个月都处在一些，一些事情改变的临界点，那这个事情是非常非常客观的，不是说我在夸大什么东西，如果大家来听我的讲座，我希望大家能够。

客观意识到这个世界的变化，因为无论你是要炒股票，还是要改变你小孩的教育，或者是只是改变你工作的方式，你得先意识到世界在客观的变化，不然你怎么去变更呢，对不对，你怎么去改变自己的策略呢，我觉得这是第一点，就是要更多的 open mind，无论发生的事情是好事还是坏事，我觉得要把这个心胸更多的敞开一些，去想更多的办法去应对这些可能发生的变化，我们还有半个小时的时间留下来。

大家有什么想问的问题，都可以问我，我会尽可能的回答，因为我们时间很多，我觉得应该所有人的问题都会得到解答。