@X2S2 #25 不要给自己下定义，你给自己设置了条条框框，就真的套住了自己。这个世界，哪有那么多的 infp ？

非常抱歉，厮混了十几年的老油子，也给不了你什么有实质性作用的建议了。当前的 market ，烂透了。真怀念 201x 年代啊，那时候随便会点什么技术，都有个工作，甚至还能选。

先讲故事，敲钟，融到钱了，落地故事。
虽然是百度系，起码还是真想做事情的；百度江河日下，非臣之罪也。

@KingHL 有点判断的。LLMs 这次范式，从根儿上就不可能达到具身智能所期待和理想的那个效果。当前唯一的突破路线也不是 LLMs 范式，而是世界模型+强化学习，这和 LLMs 没什么卵太大关系了。

@er567 场景发散的维修工作，10 年之内都搞不定。类似家政，汽修。

@zerovoid #45 在民间看来，跳舞和格斗已经是极限了。更多的可用性在场景可以收敛的工厂里。日常生活里的发散场景，10 年也搞不定。你能看到的，明年后年外后年，依然在跳舞和格斗。

2020 年的人工智能和当前上下文里的“AI”，不是一个东西。

LLMs 的能力，以及其被推波助澜的放大化，是始料未及的。现在也没有人能看清未来的局势。Hinton,Sutton,Lecun ，这些潮流前沿的人的见解都是各自不同的。

2000w 只怕有点少，这是 2000e 的摊子。野心大，但是纯工程堆砌现有的技术是走不通的。需要再理论源头重新开一个范式，在新范式下面凿点新技术。依靠现在的这些存量技术，整合起来，只会是四不像。
能堆出来，宇树智元也不至于两三年了，还只会跳舞格斗。

可以的，有点东西的。

@iHaooo #11 痛苦都是自己给的，你当成另外一种生活，快乐点就好了。去哪里都一样的。这个世界没有桃花源。

@wuyadaxian 用心落实一下这个屌毛的想法，是实际且中肯的。从我各种经历，以及你描述的片面情况来看，新公司可能更有搞头点。

@nickfox5880 https://mp.weixin.qq.com/s/gT6sN0a0Wir1Yh1JHlieOQ

已经可以做初级研究员的工作了，拥有了自我迭代的可能。只不过，都是从 100 到 1000 的创新。真正的 0 到 1 的创新，一段时间里还得人。

1 ，初级的问题，好解决，在大学阶段，就训练在不使用 LLMs 的前提下，扎实的学好 cs 的基础知识。最怕的是，大学里也认为有了 LLMs 之后，基础知识的重要性降低，不再为社会训练拥有扎实基本功的 cs 领域种子。这才是人才断代的可能的根本，只要有大学在第一道防线顶住了。

2 ，大部分所谓的“AI”鼓吹者，因为 LLMs 就完全的代表了当前潮流语境里的所谓的“AI”，严重的认知错位。
LLMs ⊂ "AI"。

3 ，不否认当前"AI"带来的进步，未来可能只需要提出好的问题，以及好的提示词。但是，好的问题和好的提示词，并不是每个人与生俱来都有的能力。这部分需要长时间领域沉淀，在各自领域里从初级到高级的过程，恰恰是这部分能力产生的必要条件，没有了这个过程，好的问题和好的提示词，不会凭空产生。seedance2.0 ，有编导知识训练的人和没有这部分训练的人，搞出来的画面镜头调度，完全是两码事。这还只是影视，这个最容易诞生天才的领域。就算是有了工具，也不是每个人都能像诺兰拍出来《跟随》，他的这种代表作的短片。也不是每个人都能像昆汀，从录像厅老板，转成世界闻名的大导演。大部分影视专业的学生，都要经过各种技术的训练，各种影视剧的制作过程，学会和捕捉到，关于镜头画面调度，光线运用，视音协调等技术，最终产生一个高级的艺术。如果因为 seeddance 摧毁了这个过程的各种条件，后续产生的都会是低质量的没有人欣赏的低质量项目。

@thevenin1416 #3 这些东西，一直迭代，了解细节就是徒耗精力。最没有用的就是这些应用的使用细节和所谓的性能。真正有用的是，新的原理研究进展（生成模型的架构演进迭代更新,注意力机制的新花样，记忆机制的新花样......），不过这些粗略瞥一眼已经是对它们最大的尊重了。

@d0o0g 让 codex 把 pubg 从 ue4 迁移到 ue5 嘛。你键盘打烂了也搞不定。

@jianglibo #16 让宇树和智元的机器人，不至于跳舞和格斗的代码，10 年之内也写不出来。确实望尘莫及。

你应该问 chatgpt 。

@dummynode #9 https://www.v2ex.com/t/1191550 ，你可以试一下这个，更挑战。

@yagamil 不是你的个人幻觉，是客观事实。