趁 AI 的黑箱观察窗口还没关闭前，尽可能学习一些硬核的东西吧
最近 AI 圈的瓜不少，吃腻了。
我开始更关心另一件事：
趁黑箱还没有焊死，到底有哪些东西值得现在学。
某种意义上，我们现在正站在个人电脑的早期。
机箱还没封，电路图还能找到，工程师还在论坛里互相吵架，论文、模型权重、Agent 架构、Eval 、训练方法、失败案例，到处都在往外漏。
因为行业还在抢用户、抢开发者、抢市场。
这个阶段，大家为了证明自己更强，会主动公开很多东西；为了互相攻击，又会被迫暴露一些本来不想公开的东西。
但这种状态不会一直持续。
等江湖地位稳定、商业模式成熟、产品包装完善，未来我们看到的可能只剩：
Upgrade to Pro
然后产品告诉你：
“无需理解任何技术，我们替你处理一切。”
这对普通消费者可能是福音。
但对想靠 AI 吃饭的人，意味着：
观察窗口关闭了。
商业软件天然会把“可理解的机器”，包装成“不可理解的魔法”，最后把唯一留给用户的接口做成付款按钮。
因为很多所谓“神奇 AI 产品”，拆开可能不过是：
OCR
- 分类器
- LLM
- RAG
- 几条规则
- 一个工作流
一堆原本可理解、可拆解、可替换的普通技术，被产品层焊成黑箱之后，你看到的只剩一句：
“¥299/月，立即升级。”
而一旦你真的看懂里面只是 A+B+C+D ，你就会开始问：
等等，这东西为什么值 ¥299 ？
所以现在真正值得抢的，不是几个 Prompt 技巧，也不是天天追谁又发了新模型。
而是趁机器还没封起来，把里面的电路尽量看懂：
模型怎么训练出能力， Agent 怎么形成轨迹， Judge 怎么判断结果， Verifier 怎么验真， Synthetic Data 怎么生产， RL Environment 怎么训练， Harness 怎么把模型变成能工作的系统。
等有一天这些全被包装成一个漂亮按钮，再想拆，可能就晚了。
报告中无意暴露的东西：
- Reasoning trace 很值钱
- Agent trajectory 比普通问答更值钱
- Judge/Critic 是训练核心
- Synthetic Data 已经工业化
- RL environment 是模型能力来源
- Harness 是能力放大器
- 多模型协作已经落地
- 用户真实任务本身就是训练矿
- API 中间商掌握大量数据
- 反滥用系统非常强
- AI 最大提升是速度×规模×深度
- 小团队可以借 frontier model 做研发 为什么“大门可能关闭”
- Anthropic 已经开始隐藏/保护 reasoning
- 未来你可能只能看到最终结果
- 好 Judge 会成为内部资产
- 高质量数据 recipe 越来越保密
- Frontier lab 不会长期公开完整 recipe
- 模型越来越商品化，Harness 反而成为壁垒
- 平台会越来越想把你锁在自己的生态里
- 隐私/法规/平台政策会越来越严格
- Router 将越来越封闭、受监管
- 未来匿名和自由接口会减少
- 最明显的低垂果实会被迅速吃掉
- Frontier 能力会越来越昂贵、受限
@PerFectTime No ，人工生成的，只是想到哪里写到哪了，只是想找更多的共鸣而已，而且纯 ai 生成的东西对我没有任何价值。
@MAVETRICK 就是因为最近瓜吃多了，脑子进水了，就像看看顶级的 AI 公司，竞争对手们拼命在偷学什么东西，方便自己找工作，给自己未来的方向定位，而不是最后成了只会掏钱买订阅的用户
@Livid ai 生成