多干少想

关于我：Hi, I’m Zem!

在看什么：TextPurr
最近沉迷于看访谈以及技术分享讲座，目前是在TextPurr边看边写评论了，我感兴趣的领域：AI、数学、物理、商业，因为时间也不多所以只看best among best

2026-7-26

更新频率感人，还是个人观点，不一定对：

9. Agent的本质是工程，工程的核心是复杂性管理，从而做到更大更复杂的事情。所以我判断Agent长期有价值，因为人想做到的更大更复杂的事情是无止境的
10. AI现在的状态处于能极大提升生产力，但又做不到100%自动化的程度，而且我怀疑会长期处于这个阶段，因为100%自动化的范围实际上一直在扩大，比如最开始写函数，到写脚本、feature、项目，只要AI做不到一句话从零到一手搓宇宙飞船或者可控核聚变，就总是需要人的

推荐input，详见textpurr.com：
a. Stanford CS25: Transformers United 讲座形式，现在已经第六期了，从每一期的主题可以看到当时的热点，比如目前这一期主要讲的是世界模型
b. 3Blue1Brown 所有视频都很推荐，我最近看了信息论+陶哲轩讲宇宙距离阶梯的视频
c. 费曼信使系列课程，我其实只看了第一节，不幸的是一直处于很想看但优先级不高的状态
d. 张小珺-谢赛宁，表征，英文是representation，非常有意思的概念（特别是对于我这种之前不做CV的人）
e. 2026 Ewan Lecture by Prof. Geoffrey Hinton: “Living with Alien Beings” 虽然有些很怪的地方（比如让AI对人类有母爱），但是他提到人类神经元的运作方式：“将权重设为电导，你可以让万亿个权重并行运行，消耗极少的能量。“说明了人脑为什么这么节能，因为在物理法则下，宇宙本身在实时求解，这一点细想起来好神奇
f. When AI Agents and Robots Enter the Physical World | Nils Pihl 专注做感知层应用的，强推，明显感觉到创始人很有想法，最有意思的是谈眼镜从发明到普及800年，一直到材料科学让眼镜重量小于40g人才能做到一整天带着它，所以判断如果AR眼镜做不到这个克数人就一定会摘下来
g. $46B of hard truths: Why founders fail and why you need to run toward fear | Ben Horowitz (a16z) 推荐，领导力、团队建设和心理素质，有些教训只能通过挣扎、痛苦和失败才能学到，我个人是认为真的要对商业有敬畏之心
h. Warren Buffett speaks with Florida University 巴菲特是唯一一个让我觉得很有智慧的人，这篇是经典中的经典，很多有名的观点出处于此，但还是强推演讲原文，包含非常非常多细节，我觉得我至少每年都要重温一次
i. Stanford ECON295/CS224N 2024 The Age of AI, Eric Schmidt 这篇演讲发生在24年8月（这个时间点cursor+claude3.5刚火），讨论了1million上下文（那个时期的畅想还是lets把所有信息放到上下文里，上下文越大越好力大砖飞），coding agent，谷歌的劣势（太wlb），微软的成功（风水轮流转，我记得那时候微软也算风光无两，现在彻底掉队），思维链（o1 24年9月份发布的），agent，电力-工厂布局，非常有见地的观点：对于"侵权"的事情，如果产品成功了，那么你会雇佣一大堆律师来收拾残局。但如果没有人使用你的产品，你侵权了也无所谓

11. AI能替代所有人和世界难题不可解互斥，从这个角度来说，智力还是有着极高的价值，所以我其实有点后悔之前没有花更多的时间在数理上，并且目标定得太低，浪费了很多天赋和时光
12. 我强调做，是因为我本身很擅长想；反过来说，擅长做的人其实应该多想想
13. 人生最重要的事情就是想明白自己要什么，到底是什么让自己快乐，什么让自己痛苦
14. 我认为一个成熟的人应该能意识到万事万物都有trade-off，而不是什么都想要，我最近发现这点不仅体现在工程上，还体现了公司管理上
15. 公司的组织形态设计其实和系统架构设计还挺相似的，所以说为什么将帅无能累死三军，因为将帅决定了组织形态
16. 太年轻的时候对世界的复杂性没有敬畏之心，一眼看到终局就会觉得事情没有做的必要，但实际上就算看到的终局是对的，中间也还有着曲折的过程和漫长的时间，更别说没看对或者在做事的过程中发现了其它的机会
17. 以前对风水轮流转认知不够深刻：既然风水会转走就应该在风水转到自己头上的时候加倍努力，而不是反过来
18. 面试是一个非常好的了解各行各业的方法，特别是风口行业

2026-3-21

只有时间写bullet point

1. AI让人思路打开，想做点以前不敢想的事情，我说的不是构建更大更复杂的软件系统，我说的是想要解决世界级难题

2. AI会取代所有职业，和世界难题不可解这俩个担心互斥

3. 计算机系视野太狭窄了，软件工程以外还有很多工程难题

4. 推荐看一看斯坦福CS230 Career Advice in AI，有一些有意思的观点：

• 4.1 美国的就业形势22，23走出疫情+AI爆发，公司疯狂招聘，AI人才争夺战，过度招聘，很多人仅仅因为简历上有 AI 就被录用了，导致24、25的美国招聘寒冬
  锐评：中国有延迟，中国25，26年的状态（25年初deepseek开启的）就有点像美国22，23过度招聘的状态，25年很明显都在砸钱让人来工作，按这个推算，中国可能27，28年会是寒冬
• 4.2 成功的三个支柱之一（Business Focus）：尝试找到可以努力工作并产出成果的领域，让你产出的成果与你想要的商业聚焦以及你想做的工作保持一致；不要让你的产出是为了你现有的工作，要让你的产出是为了你想要的工作；直接构建产品，与你想做的事情对齐，为了想要的工作产出成果
  锐评：为想要的工作产出这一点还挺有启发的
• 4.3 社交媒体更看重参与度而不是准确性，炒作：主动过滤，深入基础，紧跟脉搏，分辨出信号和噪音
• 4.4 获取一个开源模型并针对特定下游任务进行微调的能力在未来2-3会很重要

挺对但不意外的观点：

• 4.5 这就是我看到的 AI 分化。我认为较早的泡沫是在更大的、非自托管的模型上。较晚的泡沫是在较小的、自托管的模型上。但无论如何，为了你和你的职业生涯能避免任何泡沫破裂的影响，专注于基础，构建真正的解决方案，理解商业方面，最重要的是，多样化你的技能。不要做那种只会一招的小马（one-trick pony），只知道做一件事。我和很多才华横溢的人合作过，他们非常擅长编写特定的 API 或框架代码，然后行业向前发展了，他们被留在了后面
• 4.6 传统的观念认为涉及 AI 时计算平台是 CPU 加 GPU，但这也在改变。CPU：通用型。GPU：专用型。但在移动领域，有一项名为 SME——Scalable Matrix Extensions 的技术正在进行大规模创新。SME 的核心实际上是允许你把 AI 工作负载放在 CPU 上。这方面的领跑者是几家中国手机厂商，Vivo 和 OPPO，最近刚发布了启用 SME 芯片的手机。看到那个趋势并顺着那个向量得出逻辑结论：随着模型越来越小，嵌入式智能无处不在不再是白日梦。不再是科幻小说。这将是我们在很短时间内看到的现实。这种 AI 的融合，因为小模型变得更聪明，低功耗设备能够运行它们——我们看到这种融合正在发生，我看到那里有巨大的机会

其它还有很多我觉得挺对但我不意外的就没记录了，大家可以自己去看

5. 据我观察，开始高强度做事，去validate一些猜测，会让你的认知比“网络上开始流传的共识“快一个季度
6. 想不通的事情就直接去做，用现实带来的反馈作为你的决策上下文进行迭代，加快靠近“答案”的速度
7. 软件价值参考翻译，翻译价格早就无限接近token，软件也会，价值会从“翻译”转到“写作“本身，aka自然语言编程（产品设计/决策）
8. 工程的价值在于复杂性管理，把问题变简单永远是有价值的；不过注意价值不等于价格，价格取决于供需关系