标签: ai
不知道大家有没有注意到，去年年初红得发紫的Deepseek和梁文峰，现在都没什么
不知道大家有没有注意到，去年年初红得发紫的Deepseek和梁文峰，现在都没什么声音了。去年没有抓住宝贵时间窗口进行融资和发展的Deepseek，可能已经错过了成为万亿企业的机会，梁文峰也遗憾地错失了本来可以争取的首富地位。这事儿跟技术好不好关系不大，关键问题出在了对时机和节奏的判断上。2023年11月推出的DeepSeek-Coder，用2万亿Token的训练数据，其中87%都是代码，在编程辅助场景下直接超越了同量级的CodeLlama-34B，甚至部分指标逼近GPT-3.5Turbo。紧接着月底发布的67B通用大模型，是国内首个完全开源的千亿级模型，中文理解和数学推理能力都很突出，直接对标Meta的LLaMA-270B。后续在多模态、长上下文推理上也有突破，能看出团队的技术功底确实扎实，放在当时的创业公司里绝对是第一梯队水平。梁文峰本人更是科班出身，浙大本科硕士连读，深耕人工智能领域多年，之前在量化投资行业也做出过成绩，按说既有技术视野又有商业经验，不该在关键节点掉链子。但问题恰恰出在对行业节奏的判断上。2023年是什么时候？是ChatGPT引爆后“百模大战”的野蛮生长阶段，整个行业的核心逻辑是“先占位再优化”。数据显示，2023年国内AI大模型领域融资总额高达862亿元，同比增长62%，百度、阿里、字节这些巨头纷纷砸钱抢算力、扩团队、铺场景，创业公司里智谱AI、MiniMax也都在这一年完成了大额融资，拿到钱就快速迭代产品、抢占用户心智。那个时候的资本就像疯了一样，只要模型有亮点、团队有背景，都愿意高估值入局，因为大家都清楚，大模型是资本密集型赛道，早融资就能早占资源，晚一步可能就被拉开差距。可Deepseek偏偏选择了一条反常规的路：不接受任何外部融资，全靠梁文峰之前创办的幻方量化全额支持。这种策略看似能保持战略独立，避免资本的短期诉求干扰研发，但却严重低估了大模型赛道的烧钱速度和竞争烈度。要知道，千亿参数模型的单次训练成本就高达数亿元，后续的迭代优化、算力维护、人才招聘都是持续的巨额开销。巨头们能靠生态输血，创业公司就只能靠融资续命，2023年的融资窗口是行业发展至今最宽松的一次，错过之后再想找钱就难了。2024年行业风向就变了，资本从“疯狂追概念”转向“理性看落地”。融资总额虽然还在增长，但投资逻辑完全不同，机构不再只看模型参数和技术亮点，而是更关注商业化能力、场景适配度和合规性。这时候监管政策也收紧了，《生成式人工智能服务管理暂行办法》要求模型训练数据合法、算法透明，提高了融资门槛。而Deepseek因为没有外部资本注入，资金来源单一，既没法像字节豆包那样绑定生态做全场景覆盖，也没法像智谱AI那样联合硬件厂商做细分突破，只能在开源领域靠低价策略吸引用户，规模始终做不起来。更关键的是，大模型行业的马太效应特别明显。2023年那些拿到大额融资的企业，快速抢占了用户和场景：字节豆包依托抖音、头条生态，月活做到了3.15亿，成为国内唯一日活破亿的独立AI应用；阿里通义千问绑定电商、办公场景，月活也突破2亿。这些头部玩家形成生态闭环后，用户留存和转化都有了保障，反过来又能投入更多资金做技术迭代，差距越拉越大。而Deepseek因为资金受限，没法大规模推广，虽然技术上有亮点，但普通用户感知不到，慢慢就从大众视野里淡出了。梁文峰可能是太执着于“长期主义”，想靠技术慢慢突围，却忽略了大模型行业的特殊属性：这不是一个靠单点技术就能赢的赛道，而是技术、资本、生态、时机的综合较量。2023年的窗口期，本质上是资本和市场给所有玩家的“起跑机会”，巨头靠资源碾压，创业公司靠融资加速，谁能抓住这个机会把规模做起来，谁就能进入下一轮竞争。Deepseek选择闭门造车式的发展，相当于主动放弃了这个起跑权。这事儿也印证了一个道理：在风口行业里，时机和节奏往往比技术更重要。技术可以慢慢迭代，但窗口期一旦关闭，就再也回不来了。2023年的AI赛道，就像一场限时起跑的马拉松，大家都在抢着占位，Deepseek却在起跑时放慢了脚步，等想加速的时候，前面的人已经跑出了很远，再想追赶就难了。梁文峰可能原本有机会凭借技术优势和先发名气，通过融资快速扩张，甚至冲击行业龙头，但因为对资本周期和行业节奏的判断失误，最终错失了这个改写行业格局、实现商业跃迁的机会。Deepseek和梁文峰的沉寂，不是技术的失败，而是时机判断的失误，这样的教训，在任何风口行业里都值得深思。
![网友查了一下，单依纯的道歉文，疑似100%AI，无人工痕迹。[笑着哭]](http://image.uczzd.cn/3045467441517003468.jpg?id=0)
回收后的旧手机可没闲着，而是进入了精细化的资源循环体系。现在AI产业爆发，存储
回收后的旧手机可没闲着，而是进入了精细化的资源循环体系。现在AI产业爆发，存储芯片短缺，旧手机成了“城市矿山”。回收商从“挑成色”变成“认内存”，只要主板好，高价收。拆解出的二手芯片成本低、现货足，90%的手机内存扩容业务靠它，还供给智能硬件、工业设备等。此外，经专业质检和数据清除后，性能完好、外观达标的手机，会进入二手流通市场，国内当官翻机售卖，还会出口到东南亚等地，也有精品机做公益捐赠。旧手机就这样开启了“重生”之旅。
我敢说，人工智能的普及，可能就是人类灾难的开始。不是危言耸听，是正在发生。现
我敢说，人工智能的普及，可能就是人类灾难的开始。不是危言耸听，是正在发生。现在的手机正在废掉人类的大脑。2026年行业统计数据显示，国内移动互联网月活用户已经突破12.8亿，成年人日均使用手机时长接近5.5小时，年轻群体日均使用更是超过7小时。人工智能已经渗透到生活的每一个角落，出门靠导航，学习靠搜题，写文案靠生成，做决策靠推荐，就连简单的加减计算，很多人第一反应也是打开手机计算器。我们正在主动把本该自己完成的思考、判断、记忆，一步步交给机器去代劳。大脑本身遵循用进废退的规律，长期依赖AI和手机，认知能力会出现实实在在的退化。悉尼大学相关认知研究早已证实，人工智能使用频率与独立思考能力呈明显负相关，重度依赖智能工具的人群，逻辑推理、信息分辨、深度理解的能力都会出现不同程度下滑。生活里这种现象随处可见，很多人记不住常用的电话号码，提笔忘字成为常态，遇到问题不会先梳理思路，而是下意识掏出手机搜索答案，离开了智能设备，连基本的信息整理都难以完成。短视频和算法推荐，更是在不断摧毁人们的专注力。十几秒一条的内容快速切换，让大脑习惯了浅层次接收信息，很难再沉下心进行长时间深度思考。北京大学脑科学中心相关调研显示，日均刷短视频超过1.5小时的人，有效专注时长比普通人群缩短一半以上，阅读完整长文、钻研复杂问题、静下心学习的耐心基本消失。不少人明明有学习和工作任务，却忍不住频繁刷手机，久而久之，主动专注的能力越来越弱。很多人把问题归结为个人自控力不足，认为技术本身没有对错，这种看法其实过于片面。人工智能普及的核心影响，是大幅降低了人类主动思考的成本，当不动脑就能解决问题成为常态，群体性的认知退化就很难避免。AI可以作为辅助工具提升效率，却不能替代人类思考，但现实生活中，越来越多的人直接把AI生成的内容当作标准答案，不再去验证、质疑、梳理，慢慢失去了独立思考的习惯。麻省理工学院曾开展过一组对照实验，让学生分别通过独立思考、搜索引擎、人工智能三种方式完成写作任务。实验结果清晰显示，完全依靠自主思考的学生，大脑神经活跃度最高，对内容的理解和记忆也最深刻；而使用AI完成任务的学生，在结束后很难回忆起文章核心内容，整个思考过程几乎处于空白状态。长期让大脑处于被动接收的省电模式，负责思考和记忆的神经连接会不断弱化，认知能力自然会持续退步。这种个体层面的能力退化，放到社会层面会形成更明显的隐患。当大众普遍失去独立判断能力，就很容易被算法困在信息茧房之中，只看得到自己感兴趣的内容，分辨不清虚假信息，很容易被舆论带偏节奏。同时，基础生活技能也在不断流失，离开导航就分不清方向，离开外卖软件就不知道如何安排饮食，离开智能支付就手足无措，一旦出现技术故障或网络中断，很多人连基本的日常生活都难以自理。我们不必刻意妖魔化人工智能，它确实为生活带来了便利，也大幅提升了社会运转效率。但如果把思考、记忆、创造这些人类独有的核心能力，全部交给机器，才是真正值得警惕的危机。技术的定位永远是服务人类的工具，而不是控制大脑、替代思考的枷锁。想要避免被智能工具反噬，就要有意识地锻炼大脑，保持主动思考的习惯。日常少一些无意义的刷屏，多去记忆、阅读、钻研问题，多和身边人面对面交流，主动放弃一些不必要的AI辅助。过度依赖智能设备，最终只会让自己变成失去思考能力的工具人，守住独立思考的能力，才是AI时代人类最核心的竞争力。各位读者你们怎么看？欢迎在评论区讨论
扫码付款快得像眨眼，外卖小哥却在雨里绕路跑；AI能算清一亿人的喜好，却算不清老师
扫码付款快得像眨眼，外卖小哥却在雨里绕路跑；AI能算清一亿人的喜好，却算不清老师傅该去学啥。这事儿挺奇怪，但又天天发生。去年底我老家厂子换了新系统，老师傅们干了三十年的活儿，现在得学看屏幕上的报警代码。人事说培训两周，可上课用的还是三年前的旧PPT，字小得看不清。听说北京有公司招“AI协作师”，教快递员盯无人机调度后台；长三角那边试点给换岗工人发技能补贴，可我表哥问了几家劳务中介，没人听过这名字。高校AI课全在教怎么让短视频更上头，连个工业机器人实操实验室都没有。航天院所招算法岗，要求会写抗辐射代码，简历筛下来一半人连单片机都没碰过。基金要企业把15%研发费投进深海深空，但老板们算账：投十年不赚钱，银行不放贷，股东先撤资。技术不冷，人才不笨，只是路标被风刮歪了。
