苹果公司今日在 WWDC 2026 上宣布，对其 Apple Intelligence 平台进行重大架构升级，引入与Google深度合作开发的基础模型，并采用 Gemini 系列技术，为用户带来更强的理解、推理与多模态处理能力。 新架构围绕双方联合打造的 Apple Foundation Models 展开，这些模型经过专门适配，既可在本地设备上运行，也可通过苹果现有的 Private Cloud Compute（私有云计算）基础设施在服务器端执行，从而在性能与隐私之间寻求平衡。 苹果表示，与Google的此次合作是一次“深度”技术协作，旨在为 Apple Intelligence 带来“巨大升级”，包括更先进的语言理解与推理能力，以及支持图像理解与生成在内的多模态能力。 依托升级后的模型，Apple Intelligence 将支持一系列新的使用场景，例如更逼真的图像创作、更高级的照片编辑，以及基于视觉内容的问答功能，拓展了系统在创意和生产力领域的应用边界。 根据介绍，在特定设备上，用户还将获得计算能力更强的高阶模型版本，从而解锁额外功能，包括更自然的语音生成、更高精度的听写转写，以及更强的自然语言理解能力。 不过，苹果尚未在发布中具体说明哪些机型将支持这一高性能版本，仅强调会根据设备算力差异提供不同等级的智能体验。 在架构层面，苹果为新版 Apple Intelligence 设计了全新的系统“协调器”，作为整个智能功能的中枢组件，负责在各平台上安全地统筹不同智能能力的调用。 苹果称，该协调器可以结合当前正在使用的应用以及用户当下的具体任务，对系统的响应进行动态调度与定制，从而实现真正意义上的“系统级智能”，而不仅仅是单一应用内的局部功能。 在发布会上，苹果也刻意将自身路线与业内其他厂商进行对比，认为部分竞争对手在人工智能竞赛中“一味向前冲”，而未充分考虑用户权益与隐私保护。 因此，苹果再次强调 Apple Intelligence 将延续“本地优先”的处理策略，并通过 Private Cloud Compute 在需要云端算力时，尽可能降低隐私风险，确保数据仅用于完成用户当下请求。 苹果重申，在这一模式下，用户数据不会被苹果或第三方访问或用于其他目的，云端处理过程也建立在严格的技术与制度约束之上。 公司同时表示，将开放外部专家对其隐私与安全实现进行独立验证，称相关隐私承诺“随时可被检验”，试图以更高透明度回应外界对大模型时代数据安全的关切。 查看评论
先断了入口，接下来就该开始杀号了 3 个帖子 - 3 位参与者 阅读完整话题
因为openai的神人改动 现在项目中创建新对话需要点击那个小小的图表才可以 用起来难受的一 所以我用gpt打败gpt vibe了一个油猴脚本 让用鼠标中健点击就可以创建新项目 油猴脚本.txt (16.2 KB) 复制丢到油猴里面就可以 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 5 月 29 日消息，由天津市人民政府、重庆市人民政府共同举办的“2026 世界智能产业博览会”于 5 月 28 日在天津国家会展中心开幕。联想集团董事长兼 CEO 杨元庆，在大会开幕式上发表题为《以混合式人工智能加快推进“AI 向实”》的演讲。 大会期间，联想集团跟天津签署了建设新一代 AI 基础设施的协议。根据协议， 联想集团将在联想（天津）智慧创新服务产业园内投资建设新一代 AI 算力产品研发制造中心 ，抢占产业竞争制高点，新产线计划于 2027 年秋季量产。 今年 9 月， 联想投资的通用服务器产线（IT之家注：包括 CPU 服务器和 GPU 服务器）也将在天津实现量产 。杨元庆表示，联想将与天津携手，共同打造 AI 算力新生态，共赢 AI 产业新机遇。 杨元庆认为，未来的电脑、手机、平板乃至眼镜、手表等各类终端， 将成为用户个性化的“超级智能”的载体和入口 ，以及数据采集与存储的工具。“龙虾”这样的智能体将跨设备、跨应用、跨操作系统使用，形成全新的产业生态。因此，推动新一代智能终端、智能体等广泛应用，将促进电子制造产业转型升级，培育智能产品消费新业态，打造出新的经济增长极。 杨元庆强调，人工智能时代的创新，早已不再是单一产品、单一技术的突破，而是包含技术、场景、生态、标准、治理等生产要素在内的系统化创新， 因此必须跳出工业经济的思维窠臼，以生态思维推进 AI 创新 ，尤其是充分发挥链主企业的“头雁效应”，引领和组织 AI 生态体系协同创新，提升全链创新整体效能。 5 月 22 日，联想集团发布了 2025/2026 财年的业绩，营收较前一年猛增近千亿，达 5899 亿人民币的历史新高，利润增速达到 40% 以上。智能设备、智能基础设施、解决方案和服务三大核心业务营收全部实现双位数高速增长。 “可以说， 这是联想迄今为止业绩最好的一年，但更好的还在后面 ，因为这仅仅是我们‘人工智能新十年’的开篇。”杨元庆在演讲中表示。 据介绍，天津产业园率先落地了业界首创的基于 GE VLM 视觉语言大模型的 LCD 缺陷检测系统，成功攻克了水波纹等行业疑难缺陷检测瓶颈，搭载屏偏、阴影、暗场 AI 增强算法，具备缺陷自主学习和新型缺陷识别能力，融合 AI 深度学习与迭代机制。不仅实现了全流程无人自动化检测，检测精度和效率也大幅提升， 屏幕不良率从 3.5% 降至 0.4%，达到行业标杆水平 。
Codex 长时间使用一个对话框会导致Codex 未响应发生，想问一下老友们如何在创建新的聊天框的同时尽可能让他记住我们都聊过什么呢？ 就这末一会功夫，codex又死机了 15 个帖子 - 6 位参与者 阅读完整话题
这怎么回事
IT之家 5 月 14 日消息，据工业和信息化部今日消息，工业和信息化部节能与综合利用司主要负责同志 2026 年 5 月 12－13 日带队赴广东省广州市、深圳市开展 新能源汽车动力电池回收利用行业调研 ，与相关行业重点企业、专家等进行座谈，听取有关意见建议。赛迪研究院、中国资源循环集团、广东省工业和信息化厅等单位参加调研活动。 调研组先后赴广汽集团优美再生技术有限公司、欣旺达电子股份有限公司等，调研了解汽车企业废旧动力电池回收利用有关情况，以及电池生产企业履行回收利用责任有关情况等。 座谈期间，中国资源循环集团介绍了“新能源汽车动力电池回收利用”课题研究成果， 宁德时代、比亚迪、长安汽车、中汽新能、广汽优湃、邦普循环、格林美、华友钴业、金川集团等企业 ，以及赛迪研究院、中国电子技术标准化研究院、中汽数据等研究机构代表，重点围绕新能源汽车动力电池回收利用行业现状、存在的问题及困难等进行交流研讨，提出了有关政策建议。 下一步，节能与综合利用司将认真落实党中央决策部署，充分发挥全国新能源汽车动力电池回收利用工作专班办公室作用，进一步加强与各相关方沟通协调，坚持系统谋划、多措并举、协同推进， 加快构建新能源汽车动力电池新型回收利用体系 。 综合IT之家此前报道，工业和信息化部、国家发展改革委、生态环境部、交通运输部、商务部、市场监管总局等六部门 1 月 16 日宣布联合印发《 新能源汽车废旧动力电池回收和综合利用管理暂行办法 》，据有关研究机构测算， 2030 年当年的废旧动力电池产生量将超过 100 万吨 。做好废旧动力电池回收利用工作，关系生态环境保护，关系人民群众生命财产安全，也关系到我国新能源汽车和动力电池产业高质量发展。 为加强动力电池回收利用标准化工作统一管理，市场监管总局会同工业和信息化部强化标准化技术组织建设，正在筹建“ 全国动力电池回收利用标准化技术委员会 ”。
公司提出全员AI、实现0 Coding ，你们觉得能实现吗？AI建新工程还可以，以前的老代码，还是弄不了额，AI写的屎山，继续堆成屎山？出了问题谁来负责？ AI 写出来的代码，不仅会对后续的迭代产生影响，而且这种影响在大多数情况下是 负面且随着迭代逐渐放大的 。 简单来说，AI 非常擅长“从0到1”的白手起家（比如快速写个原型、做个简单的增删改查），但一旦进入“从1到N”的持续迭代阶段，AI 代码往往会成为拖慢进度的“技术债”。 代码质量会随着迭代“断崖式”下跌 结构崩坏： 研究发现，在 80% 的迭代项目中，AI 代码的结构会随着版本更新持续恶化。 冗余爆炸： AI 经常会在代码库里生成大量重复的“垃圾代码”。 维护成本飙升，甚至“不敢动” 变成“黑箱”代码 隐藏的并发与性能雷区 导致团队“审查过载”与能力空心化 审查噩梦 新人成长受阻 维度 AI 生成的代码 人类编写的代码 初始开发速度 极快（几小时/几天） 较慢（几天/几周） 长期可维护性 差（缺乏结构，迭代越改越乱） 好（遵循规范，易于扩展） 代码冗余度 极高（是人类代码的 2.2 倍） 较低（会主动抽象复用） 缺陷与漏洞 缺陷多 1.7 倍，漏洞多 1.5-2.7 倍 相对可控 技术债务 积累迅速，长期成本极高 可通过规划有效管理 这些问题，都不考虑么？ 9 个帖子 - 8 位参与者 阅读完整话题
IT之家 5 月 14 日消息，科技媒体 9to5Mac 昨日（5 月 13 日）发布博文，报道称苹果加码广告业务，已组建名为 Emerging Team 的新团队， 主动联系开发者，推动他们首次投放、恢复投放或扩大 Apple Ads 广告活动。 基于该媒体披露的邮件内容，苹果 Apple Ads 部门已组建 Emerging Team 团队，目前正拉拢开发者，邀请其尝试投放广告，或重新启动已经停掉的广告活动。该媒体认为苹果公司不再只等客户上门，而是开始更直接地拉动广告预算。 该媒体解读指出，苹果公司在 2016 年推出 Apple Search Ads 服务，初期广告产品只覆盖 App Store 搜索结果中的推广位。 苹果公司随后不断加码广告业务，扩展投放范围，去年已把 Apple Search Ads 更名为 Apple Ads。从管理层表态看，广告已经被纳入 Apple 服务业务的增长叙事。 IT之家援引博文介绍，在 2026 财年第一季度财报电话会上，苹果首席财务官 Kevan Parekh 提到，App Store 搜索中的新增广告位，为广告主提供了更多拉动下载的方式。 与此同时，Parekh 还确认，Apple Maps 将于今年夏天在美国和加拿大引入广告，投放场景集中在关键搜索和发现时刻。 这类广告更偏向本地商家获客，而 App Store 广告则更直接服务开发者拉新。相比只在应用商店内部竞争曝光，Apple 正把广告触点扩展到更多高频入口，从而增加可售卖库存。 回到 Emerging Team 本身，这个新团队的工作方式也更像“顾问式拉新”。邮件内容显示，团队成员会邀请开发者参加 30 分钟会议，介绍团队能提供的支持，并讨论增长计划和用户获取策略。 如果开发者需要更细化的帮助，团队还可以对接其他成员，协助设计广告结构、优化关键词策略等具体环节。 对普通用户来说，这次变化不会立刻改变使用方式，但广告可能会继续出现在更多 Apple 自家服务里。
IT之家 5 月 12 日消息，微软 GitHub Mobile 现已支持在手机上 随时随地创建新项目 。 根据 GitHub 官方博客 5 月 11 日介绍，用户可以选择基于模板创建仓库，简化创建过程， 还支持对可见性、README 文件和开源许可进行设置 。 IT之家查询获悉，GitHub Mobile 应用已推出 iOS 和安卓版，方便开发者进行一些轻量化操作，比如查看项目、消息，以及 Review 合并 Pull 请求等。
IT之家 5 月 3 日消息，据《日本经济新闻》报道，丰田汽车计划在印度新建三座新的整车工厂，目标在 2030 年前将该国年产能提升至 100 万辆，进一步彰显了印度在其全球布局中的战略地位。 消息人士透露，这三座新工厂将建在印度西部的马哈拉施特拉邦。其中首座工厂计划于 2029 年投产，另外两座预计在 2030 年代陆续投用。总投资规模约为 3000 亿日元（IT之家注：现汇率约合 130.38 亿元人民币）。这三座新工厂也将作为出口枢纽，同时面向印度本土市场以及中东和非洲地区供货。 届时，丰田汽车在印度的工厂总数将达到六座。目前丰田在印度南部已有三座工厂，这些工厂主要服务本土市场，而新工厂将兼顾国内供应与出口业务。 根据日本研究机构 Fourin 的数据，丰田目前在日本、中国和美国的年产能分别为 310 万辆、220 万辆和 150 万辆。本次扩建完成后（IT之家注：届时印度整体年产能将突破 100 万辆），印度将成为丰田第四大生产基地。 在新产品方面，丰田计划推出一款面向印度及其他新兴市场的三排座 SUV 新车型，该车型归属于卡罗拉车系。此外，丰田还将生产更多插混车型，并计划在印度推出 15 款全新或改款车型，力争将其乘用车市场份额从目前的约 8% 提升至 10%。 印度已成为全球第三大新车销售市场。根据数据分析公司 GlobalData 的预测，到 2030 年印度新车销量将达到 644 万辆，较 2025 年增长 20%。 此外，联合国预测非洲人口到 2050 年将翻倍至 25 亿，中东人口也将增长 50% 至 7 亿，印度人口则预计突破 17 亿。能否把握住印度以西的广阔市场，将成为各大车企未来能否持续增长的关键。
AI 的驾驶方式? 好像比较容易学习掌握, 应该算不上核心 如何指导 AI 快速定位解决问题? 当前好像算是比较不错的核心, 但是未来 AI 变强之后呢? 天马行空的创意? 这个确实是核心竞争力, 但是 AI 时代, 抄袭一个创意的成本太低了 有哪些东西可以做到人无我有, 人有我优, 人优我贱, 人贱我走的呢? 人无我有这个条件, 在 AI 时代, 对普通人来说太难达成了, AI 时代让有和无的界限变得模糊了 人有我优这个我觉的普通人还是可以挣扎一下的, 更全面的业务经验? 更专业友善的售后服务? 但是业务经验和售后服务在未来很难说不被 AI 掌控, 特化的训练集可能会训练出更强的领域专家和金牌售后 人优我贱这个更难达成, 未来普通人的竞争对手可能不只有同类, AI 在一些领域内的效率以及成本低的令人发指, 目前还有很多缺陷, 但是未来一定会被解决掉 人贱我走, 这好像是普通人的唯一可靠退路了, 寻找 AI 不可替代的领域, 尝试做到人无我有 -> 人有我优 -> 人优我贱 -> 人贱我走 形成循环. 工作的间隙就突然的胡思乱想了一番, 未来的领域专家可能不需要现在这么多, 普通人的出路可能是要走出一个固定的模式, 在不同的细分行业里面摸爬滚打 未来变化太快了, 与其杞人忧天, 不如脚踏实地的做好眼前的事情 想到哪就随手敲了出来, 没有排版, 没有润色, 没有逻辑, 仅记录我当前的思绪. 收回思绪, 开始工作了, 之前非常喜欢的一句话: 功不唐捐, 玉汝于成. 与诸君共勉
AI 的驾驶方式? 好像比较容易学习掌握, 应该算不上核心 如何指导 AI 快速定位解决问题? 当前好像算是比较不错的核心, 但是未来 AI 变强之后呢? 天马行空的创意? 这个确实是核心竞争力, 但是 AI 时代, 抄袭一个创意的成本太低了 有哪些东西可以做到人无我有, 人有我优, 人优我贱, 人贱我走的呢? 人无我有这个条件, 在 AI 时代, 对普通人来说太难达成了, AI 时代让有和无的界限变得模糊了 人有我优这个我觉的普通人还是可以挣扎一下的, 更全面的业务经验? 更专业友善的售后服务? 但是业务经验和售后服务在未来很难说不被 AI 掌控, 特化的训练集可能会训练出更强的领域专家和金牌售后 人优我贱这个更难达成, 未来普通人的竞争对手可能不只有同类, AI 在一些领域内的效率以及成本低的令人发指, 目前还有很多缺陷, 但是未来一定会被解决掉 人贱我走, 这好像是普通人的唯一可靠退路了, 寻找 AI 不可替代的领域, 尝试做到人无我有 -> 人有我优 -> 人优我贱 -> 人贱我走 形成循环. 工作的间隙就突然的胡思乱想了一番, 未来的领域专家可能不需要现在这么多, 普通人的出路可能是要走出一个固定的模式, 在不同的细分行业里面摸爬滚打 未来变化太快了, 与其杞人忧天, 不如脚踏实地的做好眼前的事情 想到哪就随手敲了出来, 没有排版, 没有润色, 没有逻辑, 仅记录我当前的思绪. 收回思绪, 开始工作了, 之前非常喜欢的一句话: 功不唐捐, 玉汝于成. 与诸君共勉
AI 的驾驶方式? 好像比较容易学习掌握, 应该算不上核心 如何指导 AI 快速定位解决问题? 当前好像算是比较不错的核心, 但是未来 AI 变强之后呢? 天马行空的创意? 这个确实是核心竞争力, 但是 AI 时代, 抄袭一个创意的成本太低了 有哪些东西可以做到人无我有, 人有我优, 人优我贱, 人贱我走的呢? 人无我有这个条件, 在 AI 时代, 对普通人来说太难达成了, AI 时代让有和无的界限变得模糊了 人有我优这个我觉的普通人还是可以挣扎一下的, 更全面的业务经验? 更专业友善的售后服务? 但是业务经验和售后服务在未来很难说不被 AI 掌控, 特化的训练集可能会训练出更强的领域专家和金牌售后 人优我贱这个更难达成, 未来普通人的竞争对手可能不只有同类, AI 在一些领域内的效率以及成本低的令人发指, 目前还有很多缺陷, 但是未来一定会被解决掉 人贱我走, 这好像是普通人的唯一可靠退路了, 寻找 AI 不可替代的领域, 尝试做到人无我有 -> 人有我优 -> 人优我贱 -> 人贱我走 形成循环. 工作的间隙就突然的胡思乱想了一番, 未来的领域专家可能不需要现在这么多, 普通人的出路可能是要走出一个固定的模式, 在不同的细分行业里面摸爬滚打 未来变化太快了, 与其杞人忧天, 不如脚踏实地的做好眼前的事情 想到哪就随手敲了出来, 没有排版, 没有润色, 没有逻辑, 仅记录我当前的思绪. 收回思绪, 开始工作了, 之前非常喜欢的一句话: 功不唐捐, 玉汝于成. 与诸君共勉
AI 的驾驶方式? 好像比较容易学习掌握, 应该算不上核心 如何指导 AI 快速定位解决问题? 当前好像算是比较不错的核心, 但是未来 AI 变强之后呢? 天马行空的创意? 这个确实是核心竞争力, 但是 AI 时代, 抄袭一个创意的成本太低了 有哪些东西可以做到人无我有, 人有我优, 人优我贱, 人贱我走的呢? 人无我有这个条件, 在 AI 时代, 对普通人来说太难达成了, AI 时代让有和无的界限变得模糊了 人有我优这个我觉的普通人还是可以挣扎一下的, 更全面的业务经验? 更专业友善的售后服务? 但是业务经验和售后服务在未来很难说不被 AI 掌控, 特化的训练集可能会训练出更强的领域专家和金牌售后 人优我贱这个更难达成, 未来普通人的竞争对手可能不只有同类, AI 在一些领域内的效率以及成本低的令人发指, 目前还有很多缺陷, 但是未来一定会被解决掉 人贱我走, 这好像是普通人的唯一可靠退路了, 寻找 AI 不可替代的领域, 尝试做到人无我有 -> 人有我优 -> 人优我贱 -> 人贱我走 形成循环. 工作的间隙就突然的胡思乱想了一番, 未来的领域专家可能不需要现在这么多, 普通人的出路可能是要走出一个固定的模式, 在不同的细分行业里面摸爬滚打 未来变化太快了, 与其杞人忧天, 不如脚踏实地的做好眼前的事情 想到哪就随手敲了出来, 没有排版, 没有润色, 没有逻辑, 仅记录我当前的思绪. 收回思绪, 开始工作了, 之前非常喜欢的一句话: 功不唐捐, 玉汝于成. 与诸君共勉
AI 的驾驶方式? 好像比较容易学习掌握, 应该算不上核心 如何指导 AI 快速定位解决问题? 当前好像算是比较不错的核心, 但是未来 AI 变强之后呢? 天马行空的创意? 这个确实是核心竞争力, 但是 AI 时代, 抄袭一个创意的成本太低了 有哪些东西可以做到人无我有, 人有我优, 人优我贱, 人贱我走的呢? 人无我有这个条件, 在 AI 时代, 对普通人来说太难达成了, AI 时代让有和无的界限变得模糊了 人有我优这个我觉的普通人还是可以挣扎一下的, 更全面的业务经验? 更专业友善的售后服务? 但是业务经验和售后服务在未来很难说不被 AI 掌控, 特化的训练集可能会训练出更强的领域专家和金牌售后 人优我贱这个更难达成, 未来普通人的竞争对手可能不只有同类, AI 在一些领域内的效率以及成本低的令人发指, 目前还有很多缺陷, 但是未来一定会被解决掉 人贱我走, 这好像是普通人的唯一可靠退路了, 寻找 AI 不可替代的领域, 尝试做到人无我有 -> 人有我优 -> 人优我贱 -> 人贱我走 形成循环. 工作的间隙就突然的胡思乱想了一番, 未来的领域专家可能不需要现在这么多, 普通人的出路可能是要走出一个固定的模式, 在不同的细分行业里面摸爬滚打 未来变化太快了, 与其杞人忧天, 不如脚踏实地的做好眼前的事情 想到哪就随手敲了出来, 没有排版, 没有润色, 没有逻辑, 仅记录我当前的思绪. 收回思绪, 开始工作了, 之前非常喜欢的一句话: 功不唐捐, 玉汝于成. 与诸君共勉
AI 的驾驶方式? 好像比较容易学习掌握, 应该算不上核心 如何指导 AI 快速定位解决问题? 当前好像算是比较不错的核心, 但是未来 AI 变强之后呢? 天马行空的创意? 这个确实是核心竞争力, 但是 AI 时代, 抄袭一个创意的成本太低了 有哪些东西可以做到人无我有, 人有我优, 人优我贱, 人贱我走的呢? 人无我有这个条件, 在 AI 时代, 对普通人来说太难达成了, AI 时代让有和无的界限变得模糊了 人有我优这个我觉的普通人还是可以挣扎一下的, 更全面的业务经验? 更专业友善的售后服务? 但是业务经验和售后服务在未来很难说不被 AI 掌控, 特化的训练集可能会训练出更强的领域专家和金牌售后 人优我贱这个更难达成, 未来普通人的竞争对手可能不只有同类, AI 在一些领域内的效率以及成本低的令人发指, 目前还有很多缺陷, 但是未来一定会被解决掉 人贱我走, 这好像是普通人的唯一可靠退路了, 寻找 AI 不可替代的领域, 尝试做到人无我有 -> 人有我优 -> 人优我贱 -> 人贱我走 形成循环. 工作的间隙就突然的胡思乱想了一番, 未来的领域专家可能不需要现在这么多, 普通人的出路可能是要走出一个固定的模式, 在不同的细分行业里面摸爬滚打 未来变化太快了, 与其杞人忧天, 不如脚踏实地的做好眼前的事情 想到哪就随手敲了出来, 没有排版, 没有润色, 没有逻辑, 仅记录我当前的思绪. 收回思绪, 开始工作了, 之前非常喜欢的一句话: 功不唐捐, 玉汝于成. 与诸君共勉
AI 的驾驶方式? 好像比较容易学习掌握, 应该算不上核心 如何指导 AI 快速定位解决问题? 当前好像算是比较不错的核心, 但是未来 AI 变强之后呢? 天马行空的创意? 这个确实是核心竞争力, 但是 AI 时代, 抄袭一个创意的成本太低了 有哪些东西可以做到人无我有, 人有我优, 人优我贱, 人贱我走的呢? 人无我有这个条件, 在 AI 时代, 对普通人来说太难达成了, AI 时代让有和无的界限变得模糊了 人有我优这个我觉的普通人还是可以挣扎一下的, 更全面的业务经验? 更专业友善的售后服务? 但是业务经验和售后服务在未来很难说不被 AI 掌控, 特化的训练集可能会训练出更强的领域专家和金牌售后 人优我贱这个更难达成, 未来普通人的竞争对手可能不只有同类, AI 在一些领域内的效率以及成本低的令人发指, 目前还有很多缺陷, 但是未来一定会被解决掉 人贱我走, 这好像是普通人的唯一可靠退路了, 寻找 AI 不可替代的领域, 尝试做到人无我有 -> 人有我优 -> 人优我贱 -> 人贱我走 形成循环. 工作的间隙就突然的胡思乱想了一番, 未来的领域专家可能不需要现在这么多, 普通人的出路可能是要走出一个固定的模式, 在不同的细分行业里面摸爬滚打 未来变化太快了, 与其杞人忧天, 不如脚踏实地的做好眼前的事情 想到哪就随手敲了出来, 没有排版, 没有润色, 没有逻辑, 仅记录我当前的思绪. 收回思绪, 开始工作了, 之前非常喜欢的一句话: 功不唐捐, 玉汝于成. 与诸君共勉
AI 的驾驶方式? 好像比较容易学习掌握, 应该算不上核心 如何指导 AI 快速定位解决问题? 当前好像算是比较不错的核心, 但是未来 AI 变强之后呢? 天马行空的创意? 这个确实是核心竞争力, 但是 AI 时代, 抄袭一个创意的成本太低了 有哪些东西可以做到人无我有, 人有我优, 人优我贱, 人贱我走的呢? 人无我有这个条件, 在 AI 时代, 对普通人来说太难达成了, AI 时代让有和无的界限变得模糊了 人有我优这个我觉的普通人还是可以挣扎一下的, 更全面的业务经验? 更专业友善的售后服务? 但是业务经验和售后服务在未来很难说不被 AI 掌控, 特化的训练集可能会训练出更强的领域专家和金牌售后 人优我贱这个更难达成, 未来普通人的竞争对手可能不只有同类, AI 在一些领域内的效率以及成本低的令人发指, 目前还有很多缺陷, 但是未来一定会被解决掉 人贱我走, 这好像是普通人的唯一可靠退路了, 寻找 AI 不可替代的领域, 尝试做到人无我有 -> 人有我优 -> 人优我贱 -> 人贱我走 形成循环. 工作的间隙就突然的胡思乱想了一番, 未来的领域专家可能不需要现在这么多, 普通人的出路可能是要走出一个固定的模式, 在不同的细分行业里面摸爬滚打 未来变化太快了, 与其杞人忧天, 不如脚踏实地的做好眼前的事情 想到哪就随手敲了出来, 没有排版, 没有润色, 没有逻辑, 仅记录我当前的思绪. 收回思绪, 开始工作了, 之前非常喜欢的一句话: 功不唐捐, 玉汝于成. 与诸君共勉
AI 的驾驶方式? 好像比较容易学习掌握, 应该算不上核心 如何指导 AI 快速定位解决问题? 当前好像算是比较不错的核心, 但是未来 AI 变强之后呢? 天马行空的创意? 这个确实是核心竞争力, 但是 AI 时代, 抄袭一个创意的成本太低了 有哪些东西可以做到人无我有, 人有我优, 人优我贱, 人贱我走的呢? 人无我有这个条件, 在 AI 时代, 对普通人来说太难达成了, AI 时代让有和无的界限变得模糊了 人有我优这个我觉的普通人还是可以挣扎一下的, 更全面的业务经验? 更专业友善的售后服务? 但是业务经验和售后服务在未来很难说不被 AI 掌控, 特化的训练集可能会训练出更强的领域专家和金牌售后 人优我贱这个更难达成, 未来普通人的竞争对手可能不只有同类, AI 在一些领域内的效率以及成本低的令人发指, 目前还有很多缺陷, 但是未来一定会被解决掉 人贱我走, 这好像是普通人的唯一可靠退路了, 寻找 AI 不可替代的领域, 尝试做到人无我有 -> 人有我优 -> 人优我贱 -> 人贱我走 形成循环. 工作的间隙就突然的胡思乱想了一番, 未来的领域专家可能不需要现在这么多, 普通人的出路可能是要走出一个固定的模式, 在不同的细分行业里面摸爬滚打 未来变化太快了, 与其杞人忧天, 不如脚踏实地的做好眼前的事情 想到哪就随手敲了出来, 没有排版, 没有润色, 没有逻辑, 仅记录我当前的思绪. 收回思绪, 开始工作了, 之前非常喜欢的一句话: 功不唐捐, 玉汝于成. 与诸君共勉