什么还值得做？
AI加速淘汰，网络基建仍有饭碗，身份混淆对抗，但世界不止AI。
1. 关键信息
- #1 @Chao 提出AI可扫描arXiv并自动提升算法复杂度，但发现自身可替代性后放弃；认为科研应从存档转向缓存+计算，低层次文章将被冲击。
- #1 指出人之间差距因工具使用能力放大，可能产生“一个月后不识字”的加速淘汰。
- #1 认为值得做的事：头部AI公司推动核心模型，或做头部公司不做的niche方向（如Axiom），或非LLM范式AI。
- #1 预测沟通将被AI重排翻译，最终可能接入大脑（Matrix/黑镜式）。
- #1 希望ASI（超级智能）尽快到来，即使有灭绝风险，但能放大有效寿命。
- #2 @Wechat 批评A+B+C、工程、生成式AI不算研究，但支持水文章。
- #3 @ssinz7 询问许超老师回国原因（未获回复）。
- #4 @Wi-Fi 批评某些“前沿公司”核心竞争力是骗钱。
- #5 @ssinz7 表示已无学术理想，只想毕业找工作，靠ChatGPT写论文。
- #6 @Wechat 安慰说工作比学术界更无聊，学术理想不赚钱。
- #7 @dxw1491 认为物理机器人+AI普及前谈UBI/共产主义为时过早，不改变分配制度会走向赛博朋克。
- #8 @rollingcat 赞同“躺着晒晒太阳”。
- #9 @wuyu 简短回复“爱”。
- #10 @yml14 从网络工程师角度指出：当前30k-40k GPU训练大模型存在scale-up network性能问题；GPU每3年换代，数据中心建完后的显卡迭代是recurrent大问题；Meta的LLM训练网络靠奇技淫巧和暴力Arista large memory fabric，Google和Alibaba做得较好；未来十几年只要显卡继续堆叠换代，high performance network infrastructure仍有饭吃，link failure/network failure随规模增长只会更多；这些前沿实践只有OpenAI、Meta等头部公司能接触；普通人可用AI优化生活决策、提高生产效率。
- #11 @DMV 调侃Chao的愿景：全世界每个人拥有一个像Chao一样的人，远不如人人都能拥有一个飞机杯。
- #12 @ShuDong 表示看完帖子后感到深深的无力感和虚无，认为人类社会未来由AI公司少数人才决定，留给普通人的只有丑陋的现实。
- #13 @什么名字呢 提出：可以很多人使用同一张脸、假扮同一个人、使用同一个ID、称呼同一个名字，让AI认不出谁是谁。
- #14 @whtf 调侃：你是否在找bigbrother（指向#13的身份混淆策略）。
- #15 @什么名字呢 回应#14，认为可能是诈骗团伙，询问网友在中国和美国是否有类似见闻，想知道套路。
- #16 @clinica 提出：世界不是只有AI这个行当，只是AI从业者叫声最大而已。
- #17 @什么名字呢 赞同#16：世界不止tech行业，科技大厂嗓门大是因为钱多（假装钱很多，想要很多钱）烧的。
- #18 @otonoco 简单回复“当然是AI”并附YouTube视频链接（https://www.youtube.com/watch?v=kCQBXZMcYPA）。
2. 羊毛/优惠信息
无
3. 最新动态
- #1 提出AI可主动扫描arXiv并自动改进算法，但作者因感到可替代而放弃。
- #1 预测科研论文形式将因AI改变，低层次文章价值下降。
- #1 认为头部AI公司（如OpenAI）和少数前沿公司（如Axiom）是当前值得投入的方向。
- #10 补充：高性能网络基础设施（如GPU集群的网络工程）在未来十几年仍有长期就业机会，头部公司才能接触前沿实践；普通人应利用AI优化自身效率。
- #12 新增观点：普通人面对AI主导的未来感到无力与虚无，认为命运由少数AI公司人才决定。
- #13 新增对抗策略：通过多人共享身份/面孔/ID来混淆AI识别，使AI无法区分个体。
- #14 对#13策略的调侃，指向“老大哥”监控。
- #15 讨论#13策略可能涉及诈骗团伙，询问网友见闻。
- #16-17 提出新视角：世界不止AI行业，AI从业者声音大是因资本驱动，其他行业同样存在机会。
- #18 简单支持AI（附视频链接）。
4. 争议或不同意见
- #2 反驳“生成式AI是研究”，认为多数论文是缝合怪、换皮，reviewer直接丢LLM。
- #4 批评某些“前沿公司”实际是骗钱，不应奉为圭臬。
- #7 反对在物理机器人普及前谈论UBI/共产主义，认为不改变分配制度只会导致赛博朋克。
- #11 对Chao的“人人拥有AI分身”愿景提出戏谑性质疑，认为更实际的欲望（如飞机杯）才真正影响社会。
- #12 对#1等乐观技术愿景提出悲观回应，认为普通人无力改变，未来由少数精英决定。
- #13 提出一种非技术精英的对抗方式：通过身份混淆让AI无法追踪个体，暗示普通人仍有主动抵抗空间。
- #14 调侃#13策略可能反而招致更严密的监控（bigbrother）。
- #15 质疑#13策略的实际意图，怀疑是诈骗团伙套路。
- #16-17 反对“AI决定一切”的叙事，指出世界还有大量非AI行业，AI从业者声音大不代表其他领域没有价值。
5. 行动建议
- #1 建议：要么加入头部AI公司推动最强模型，要么做头部公司明确不做的niche方向（如Axiom），要么躺平学习晒太阳等AI领主。
- #5 实际做法：靠ChatGPT水论文、尽快毕业找工作。
- #7 隐含建议：关注物理机器人+AI普及后的分配制度变革，避免被边缘化。
- #10 建议：若从事网络工程，可深耕高性能网络基础设施（GPU集群、数据中心网络），未来十几年仍有稳定饭碗；普通人应利用AI优化生活决策与生产效率。
- #12 隐含建议：接受无力感，但可尝试在AI公司少数人才之外寻找个人生存策略（未明确给出具体路径）。
- #13 建议：若担心AI监控或身份识别，可尝试多人共享身份/面孔/ID来混淆AI，作为一种低成本的隐私对抗手段。
- #15 隐含建议：对可疑的“身份混淆”套路保持警惕，避免卷入诈骗。
- #16-17 建议：不要被AI行业噪音裹挟，其他行业（如传统制造、服务、艺术等）仍有发展空间，可结合自身优势选择赛道。
之前2个AI文章(https://www.uscardforum.com/t/topic/488654/,https://www.uscardforum.com/t/topic/502061/)我没说太多科技以外的思考，我现在可以来聊聊一些更加远一点的东西。 #p-8143872-h-1科研的重构 我在arXiv上看到一个文章，发现里面的算法可以提高。 有时人找到我，说有一个问题。我看一下，把它转换成算法问题，对其做提高。这些问题原本不是理论界的，但理论界的工具是可以来处理的。https://zhuanlan.zhihu.com/p/2035761838294578382，抽象出来是个很好玩的算法问题，我也蛮喜欢这个结论本身的。 这是有成就感的。感觉到自己做的事情能帮助更多人，自然是好的。 理论计算机多数的研究是没实际用处的，偶尔做做这种给自己一些清新的感觉。 拥有我这种算法能力的人并不少，一万个总有，肯定够全世界所有在思考研究问题的人用了。 这里只是匹配的问题。 应用领域的人不知道算法工具很常见。而算法领域也不知道各种应用也很合理。 不过研究还是小作坊类型，就算知道另一个领域的人能帮忙，也不会想去问，除非这个问题解不出来连paper都发不出来。 以前会想，全世界每个人都能拥有一个像我一样的人，遇到算法问题就问，会省下世界上多少的计算资源，会产生多少有趣的新问题？ 现在这个东西是可行了，因为有AI。 为此我做了点实验。让AI看了arxiv上的近期文章，的确发现蛮多问题我可以直接上手把里面算法复杂度提高。 那可以做一个很简单的系统：每天AI盯着arxiv，看到新的研究，就去测试自己是否可以对它做提升。 以前靠别人偶然找到我，或者我偶然看到一篇文章。现在可以扫一个领域的大量文章，按一个人的技能画像和判断标准，把可能可改进的问题都筛出来。 一个可能：研究里很多问题是没有被正确的人看到，AI可以把问题重新分发给可能解决它的人，跨领域研究会从偶然合作变成大规模匹配。 有意思的是，在制作这个系统的同时，越发觉得自己的可替代性。 AI原先只是做筛选，但我加了一步，帮我做提高，我只要看看对不对。 让自己成一个用声誉做抵押的验证者。 然后想想就好没意思，根本不想再搞了。 毕竟交叉领域大多问题都只是low hanging fruit。 更大的可能：跨领域交叉意义也不大，需要的只是每个研究者可以好好的用AI。 科研论文是人类用来共享知识的方式。那根据时代的进步，共享知识的方法也应该要变化。 哪些知识是真的应该写成paper的呢？ 论文是在cache人类知识：想过、实验过、整理过，其他人不用重新发现。书、课程、数据库也是cache。 人类用memory（存下来的文字）换time（自己消化知识的时间）。 知识可以读出来，也可以推理出来，也可以做实验做出来。 人类知识要从archive改成cache和computation来理解。 当重新推理或者做实验比读文章更快时，读文章就不是默认路径。 AI会让这个情况变得更常见。low hanging fruit并不值得摘了。 人类需要保存的东西会变，大量低层次文章会因此被冲击。 我是感觉到了文章变多了。后面整个科研界会改变来应对吧。 对于一些完全不需要现实世界做实验的文章，那完全可以由AI自己去发现，去拓展人类知识边界。 这也是我很关心AI4Math的原因。我想看到的是一个自动在人类已知的数学上，去不断拓展边界的机器。 #p-8143872-h-2人之间的差距的放大 人的社会地位建立在“我能提供别人不能提供的东西”上。 如果没法快速把AI用的更好，AI会从一些知识工作者这里拿走他们的社会地位。 人类本身做决策速度有限，以前整个世界的发展就是再快，也感觉是人可以承受的范围。 但现在速度太快了，而且还在加速。 人的能力是根据能用的工具改变的。 可以预见发展速度会不会快到大多人跟不上工具的改变。 那会和不识字差不多。而且可能今天识字，一个月后就不识字，2星期后不识字… 能用好工具和不能用的人，生产力能差百倍。而且如果多个能用工具的人还能互相合作，可能还能更强。 这样，一些人够不着一些工具，会不会卡在底层？ #p-8143872-h-3值得做的事 各个领域都会快速被AI重写，在旧范式下做得再好，或者试图融合AI继续加速旧范式，也只是短期工作。 在海啸来的时候，用沙子堆城堡。把自己塑料铲换成挖掘机也没用。 该淹没都会淹没。 那还是要做有意义的事情。 我现在感觉，就在头部AI公司推动最强模型和核心基础设施，或者做头部公司明确不去做的另一个方向才是最有意义的工作。 我认识的很多做理论人都跑去OpenAI了。他们选择了推动AI的发展，用内部更强的模型，做很exciting的工作。 个人和startup的空间在第二类。个人化、niche、和特殊workflow或taste强相关的东西，但本身又需要极大context或者exploration才能做好的，好像还有点可做的。但感觉可能也不长久。模型继续变强，multiagent orchestration的成熟，可能后期其他人烧烧tokens也能很快做出一样的产品。 少数非常前沿的，如Axiom这样的公司做的就不是OpenAI和Anthropic直接通过模型升级直接碾压的东西。 或者一些不准备用LLM范式做AI的公司，也是很值得去做的。因为至少在试错，有一定可能成功。 不去做这些东西，那就很适合躺着，每天学点好玩的东西，晒晒太阳，等着AI领主来拯救。 #p-8143872-h-4沟通和感触的重构 现在做UI、排版、语言表达、品牌风格还有用。 但如果每个人看到的东西都经过AI处理，那设计的重要性会下降。 同一个内容可以被AI重新排版、解释、翻译、组织。 每个人用自己最喜欢的设计看东西，用最适合自己的语言和信息密度读东西。 你可以想象这样一个AI，就在你浏览器里，每次打开页面，都会把它变成你最适合看的设计。文字也成为你喜欢的风格。 我们现在还在用这些网页的呈现会过时，会像Telnet BBS一样变成陈旧系统。 那干嘛不更近一步，让所有的内容都被AI重排。 包括人之间直接的交流。 现在AI已经在不同语言之间的翻译。 之后有的是不同人之间的翻译。 任何人说的话，都会翻译成另一个人最能接收的东西。 把所有想表达的东西都能完整的表达。 不需要猜。人类之间的意愿都能变的清楚。 那干嘛不更近一步，AI变成人类感知更前面的一层。 它直接生成你看到的对象。 直接接入大脑，变成The Matrix里那样，接入母体。 黑镜里面很多集都能直接再现。 #p-8143872-asi-5ASI AI带来的巨大变化，让很多投资和人生规划都可能失效。 辛苦存的钱，一定概率在未来没什么意义。 可能会是好的未来，社会转到UBI或类共产主义。 可能是坏的未来，人类直接被ASI灭绝了。 还有可能ASI这一代来不了，但AI加大贫富差距，使得有钱和没钱的人终究分开。 那存点钱看起来好像有意义。 但还是很希望ASI能到来的。 Yudkowsky和Soares写的If anyone builds it, everyone dies很值得读。 ASI肯定要毁灭人类。 但还有很多人会试图让ASI的诞生。 比如我就很希望ASI诞生。 世界上有太多问题人类想不出答案，而我想知道答案。 而且，我关心的是有效寿命。 ASI能放大有效寿命。活一分钟，可能等于以前活一年。 那我肯定希望ASI在我活着的时候来。 到时候是UBI、类共产主义、还是人类灭绝，我都能看到呢。不亏。 那最值得做的就是让它赶快诞生。。。或者躺着，每天学点好玩的东西，晒晒太阳，等着AI领主来拯救。
A+B+C is not research Engineering is not research Generative AI often is not research 能水文章是真，如果有在读PhD要和我吵架了，别，我给review挺松的，支持你们水文章
我一直好奇许超老师当时为什么要回国 是因为疫情吗
少数“非常前沿的公司”核心竞争力是骗钱。把他们对外说的东西奉为圭臬以至于欣赏他们大可不必…
我已经没有学术理想了 我只想找份工作速度毕业 刚刚熬夜改完文章交了neurips 一会下午还要intern面试 bq算是有话题讲how to manage ur time了 这坨玩意的诞生全靠cc 接下来的暑假还有更多坨内容要靠他
找工作毕业赚钱没毛病，这两年CVPR ECCV ICML 和马上要出的neurips大部分都是无聊的topic，基本上看一眼标题就知道是缝合怪，换皮，etc. 也不能怪reviewer直接丢进LLM, 因为真的挺无聊的 想开点，工作比在学术界更无聊，学术理想不赚钱
物理机器人+AI普及之后再吹UBI和共产主义吧。另外不改变分配制度更大可能是赛博朋克，没资本的人全部赶到一块自生自灭。
很有深度的好文！ tldr：躺着晒晒太阳
爱 zszs
想法有点超前了，目前30k 40k GPU一起训练大模型，我觉得这个问题是还没有很好的解决，而且以后scale继续上去，又会多一堆奇奇怪怪的scale up的network performance问题… 而且GPU 3年更新一代，现在这批data center建完里面的显卡迭代，这也是个recurrent的大问题。 反正就我所知meta现在的llm train network traffic engineering全靠奇技淫巧和暴力的arista large memory network fabric在做，这方面做的比较好的可能是google和alibaba. 我是做network的，反正我觉得未来十几年只要显卡接着堆接着换代，high performance network infrastructure还是能有饭吃的，毕竟市场体量太大了，link failure network failure 只要scale上去肯定是只会越来越多的，等做这行做个20年差不多也就攒够了退休养老了。。。 不过这些前沿的pratical的东西确实只有openai, meta这些头部公司才能接触了。普通人能用ai优化生活决策，提高生产效率已经很不错了
Chao: 全世界每个人都能拥有一个像我一样的人 这个愿景的作用远远不如人人都能拥有一个飞机杯啊
看完普通人只觉得深深的无力感…非常虚无，人类社会的未来是由AI公司里头的少部分人才决定的，留给其他人的大概只有丑陋的现实
可以很多人使用同一张脸，假扮同一个人，使用同一个ID, 称呼同一个名字，让Ai认不出来谁是谁
你是否在找bigbrother
不知道你在说什么，我觉得他们可能是诈骗团伙，想知道有没有网友有类似见闻。 我在中国和美国都有见到过，这套路是打算做什么啊
有无可能世界不是只有ai这个行当，只是ai从业者叫声最大而已？
当然一直如此，这个世界不止tech这个行业，是科技大厂嗓门最大，嗓门大是钱多(假装钱很多，想要很多钱)烧的
当然是AI https://www.youtube.com/watch?v=kCQBXZMcYPA