和 NotebooLM 讨论最近 Anthropic 公司发出的「2028: Two scenarios for global AI leadership」的某个时刻，我发现我使用的输入法居然一改往常，那个指代人物的 ta 居然从单人旁的「他」变成了女字旁的「她」，只因为——我觉着应该是我的表达中充斥着人类社会里刻板印象中的女性的特征。
再结合我眼前的这份甚至可以说是宏大叙事层级的材料，感到莫名地悲哀又想笑。
这篇记录，是我经由这个触电点写出来的文章，阅读愉快。
01 商业利益 VS 主权地位
其实我有点不懂，很明显这篇文章一发出来，大部分人都能读出其中的私心，但为什么 Anthropic 还是决定要做这样的一件事情。
文章中提到，Supermicro 联合创始人 Wally Liaw 等人联合策划，将价值高达 25 亿美元的GPU服务器送去它们被限制到达的地方，再加上前不久 Dwarkesh Patel 和 Jensen Huang 的访谈中，聊到芯片出口限制相关时 Jensen 的言语过于激动，此后相关片段、甚至是在斯坦福 CS153 课程中的相应片段也被截取发出来——在 X 上引发诸多讨论，这背后都和一个又一个美国公司的商业利益有关系。
Anthropic 此举，看起来有点像是，把自己的利益得失包装成更宏大的地缘竞争，尝试挂靠大树挽回自己的损失的同时，也反踩竞争对手一把。
蒸馏攻击这事儿，我不太了解，但看大家态度，像是中间地带的灰色操作。如果真如 Anthropic 所愿，那么不仅是国外的竞争对手，甚至是国内大大小小的模型的迭代，都会受到影响。
正中下怀的后果可能是，「代偿」的出现。那会以什么样的方式呢？且看局势如何发展。
02 个人与集体
虽然对荣格不够了解，但和他有关的视频中提到一些关键字眼，让我印象深刻。
比如「平均数」（、「共时性」和「因果律」）。
平均数，用例子理解便是，当我们说起 Anthropic 对华的态度时，我们是把整个公司里的个体包含在内还是指的只是以这个公司为集体本身——如果是前者，那就是集体淹没个体，我们无法知道那些具体的个人会怎么想；再比如当我们说起某些国家的不齿行为时，是否把情绪嫁接到这个国家中的所有个人头上——如果是，那依然是个体被平均的表现。
（共时性，比如我正在对话框中打字，想给朋友发消息，这时——对方的消息先发过来了；或者说我今天产生了某个想法，结果第二天读到了和这个想法不谋而合的观点——所谓「有意义的巧合」，距离主观更近的可以关联。
刚刚提到的两个「共时性」举例，都是我的真实经历，还想补充最近经历「共时性」的两个例子：1）我问不同的 AI 同一个问题，它们给出的回答的相似度高到让我诧异；2）和一位伙伴聊起，她认识的某人也认识我，我这才知道原来某人和 ta 之间相互认识。
诸如此类语境发生后，我总告诉自己说，是因为我所在的行业也就那么大，因为我关注的领域、我的兴趣太集中，以及我是个对自己的一致性要求很高的人…尝试把「自以为的奇妙」合理化，或者说是「去特殊化」——这就引来了下一个概念：
因果律，即因果关系，A 的发生导致 B 的出现…诸如此类。）
这就像是把个人的特殊性——无论是经历还是性格、人格等套进那个宏观的数学意义上，用概率来解释现实。
这一点延伸到各大组织的考核或是招聘上，更是如出一辙。前不久听一个做 ToB 生意的人讲，他们公司的人在介绍自己时，从不说自己有过什么光环，只说自己在哪个公司做什么事儿——我当时觉得，哇，这个智慧——难得啊。
回到那个终极命题就是，如果剥离掉所有的「外在」，我们还剩下什么？
03 「何不食肉糜」
OpenAI 前不久开始派工程师到客户公司驻扎，帮助客户落地 AI 前进工作流这件事儿。无独有偶，也看到一则招聘需求，它在新加坡新开了个岗位：Developer Experience Engineer，找一个会中文的工程师，做开发者关系运营。
大厂终于看到，前沿科技战场与实际淤泥地之间的 gap 有多深。
想起，过年期间我回到老家，身边的小朋友们，连 AI 编程是什么都没接触过。我带着小侄女建迷宫时，她知道这个迷宫太简单了，需要增加难度，她还知道，这个迷宫的计时不太科学，需要改到符合她的速度——她只是个低年龄段的小学生…靠北！我竟然忘了她是三年级还是二年级…救命啊啊啊啊啊！
那当她这样的小朋友（或是更大的一些小朋友）接触到足够多的渠道和资源，她们会不会呈现出我所想象不到的模样呢？
目的不是为了做出什么项目，而是这个过程中她的试错、与 coding agent 的协作——从中得到的启发和领悟。
可惜啊，我们那个四五线小城市，伸手能碰到的东西着实不够多。
老师、学校算是其中最大的、最有可能增加新变量的中介。但当一所学校的教学发心已算是一线水平可教育者、平台还身处局限之中时…中介的力量仍有极大空间往大有所为走。
其实当我敲出以上这段文字时和那个真诚发问「何不食肉糜」的人一样，陷入「能这样为什么不这样」的荒诞境地。
俗话说得好，站着说话不腰疼。
那问题来了，什么样的人应该不再在高处站着？或者说，什么样的人会被需要？
前段时间看到有位 X 用户的帖子，写的是他觉得 AI agent 在哪些方面有巨大机会，其中好几条内容都集中在「没有合适的人帮助这些行业坐上 AI 时代的车」，那这「合适的人」便是「不再在高处站着的人」——OpenAI 招聘的工程师便是其中的模样之一。
忘了是在哪里看到，如果公司、组织尝试转型失败，时代留给它们的选择就只有卖掉，或者，等着被抛弃——有点危言耸听，那为什么会转型失败？那事实如何？只能在真实的市场中找痕迹——能找出痕迹的人也是模样之一。
文章一开头提到的语音识别工具虽然是豆包输入法。但我想，不管是本土的 AI 输入法，还是国外的 Typeless、Speakly 等，又或者是各大模型的 api 或者 AI，也都会出现一样的问题。
我就在好奇，大家不约而同地往实现 AGI 的愿景走，为什么不也顺便把这些人类历史遗留问题给解决一下呢？
之前我提到说，AI 的训练数据来源于人类数据，但现在已经有人知道绕过人类数据创造新数据做强化学习的方法，但还没开始往 scaling（规模化）的方向走。
背后和什么有关？还挺好奇的。🤔
P.S. 关于新数据如何产生这块，近期涉猎的材料主要是论文「Welcome to the Era of Experience」，还有 Dwarkesh Patel 最近和 Eric Jang 的对话——一前一后出现在我眼前，也算是「共时性」的一种印证吧。