原创 Lian et Zian 2025-04-12 16:02 法国
自由从不来自于施舍。
自由从不来自于施舍。
作者：MK，Ling，Huiyi，Lian; [视觉]: Yuhui
引子：整点实在的
2025年，已经没有人在质疑AGI技术的进展速度，甚至出现了“全民AI”的热潮；DeepSeek这个词本身也成了流量密码。
和前两年相比，最近来问我AI的朋友越来越多：
我的的工作会不会被AI取代？
我怎么学AI？小朋友怎么学AI？有哪些推荐的课？
我的公司怎么搭上DeepSeek的潮流？AI会不会直接颠覆我的商业模式？
以及，我发现，这些问题的来源大多都是焦虑。
一种普遍的，又难以描述，无可着力的焦虑。
打开各种APP，铺天盖地的都是“炸裂”“颠覆”“吊打”，“再不看就要被淘汰了”，“AI赚钱月入百万”……自媒体的本身的KPI就是“制造噪音”和“贩卖焦虑”。一刷短视频，“李一舟”们把两年前9.9元学习ChatGPT的课程替换成“DeepSeek”，用AI写好脚本+换脸，又开始割另一波韭菜……
我们正在迎来AI内容远超人类内容的历史转折点。
和AI技术的一日十年相比，AI科普却寥寥无几。真实的AI知识把持在少数大厂手中，就像中世纪的教会封锁书籍和知识一样：因为知识就是力量，知识就是权力。而“普通人”正迎来一个“噪音压过真实，茧房密不透风”的时代。
新一代的“数字文盲”并不是得不到知识，而是被过载的信息榨干了最后一点注意力：只能摄取被推荐的短视频，而没有力量去寻找知识，更没有力量去批判和思考。
自由从不来自于施舍。
主动获取知识是自由的第一步。我们也是普通人的一员，在此共勉。
我们去年写了“AI学习资源汇总 | 反割韭菜指南” ；时间已经过了一年，在此更新，希望对大家有用；也恳请多多扩散。
当代的AI科普，就是当年的科学启蒙。
<1>专注主线，减少噪音
首推一线技术大佬科普、中立性质的博客和推特。
Dario Amodei: https://darioamodei.com
Andrej Karpathy: https://x.com/karpathy
Lilian Weng: https://lilianweng.github.io
Jason Wei: https://x.com/_jasonwei
Jim Fan: https://x.com/DrJimFan
Anthropic的研究blog中也有很多关于AI可解释性、对齐和社会影响的内容，其中既有些硬核的技术内容，但也有一些比较文科友好的经济学和社会学研究。
到目前为止，Anthropic的旗号都是“OpenAI是虚伪的坏蛋，Anthropic才是人类的可靠伙伴”；Anthropic在AI的安全性、可解释性的工作是值得尊敬的。所以在这一“屁股”定位不变的基础上，他们的文章可读性还是比较高的。以及隐隐觉得，OpenAI当前受到市场压力更多精力在推理侧取得效果，而真正提高天花板的Pre-train反而是Anthropic最为坚持。
https://www.anthropic.com/research
此外未来值得关注的还有：
OpenAI前首席科学家Ilya Sutskever创办的Safe Superintelligence：专注AI安全
OpenAI前CTO Mira Murati 创办的 Thinking Machines：致力于AI与人合作
这两家公司目前还没有放PR文章，但他们的定位也会给我们一些关于AI更真实的信息。
AI学术机构“三巨头”CMU，Stanford和MIT，他们出的报告也值得一看：
斯坦福大学的人工智能研究所（SAIL）。比如《Artificial Intelligence Index Report 2024》https://hai.stanford.edu/ai-index/2024-ai-index-report
麻省理工学院的 MIT Technology Review 有不少结合技术和商业的内容
https://www.technologyreview.com/topic/artificial-intelligence/
CMU卡内基梅隆大学的内容比较分散：量子计算与信息技术中心（The Center for Quantum Computing and Information Technologies）商业智能中心（Center for Intelligent Business）。这些中心和研究所的研究成果和报告也可以以在他们的网站上找到。
其他大佬的发言是否可看可以参考去年3月份我做的这张图，国内的会有一些偏移，海外大佬除了杨立昆说了真话于是走到了箭头末端、马斯克向往权力于是更向右，其他到目前仍是准确的。
本号去年的文章中除了两篇爆款
更加推荐几篇深度年评
一年之后再打开，我们可以看看当时的预测
去年还写了一些2025-2027的预测。不过最近实在太忙，写年评难度太高了，我可能需要更多粉丝的鼓励……
月评文章——抓住主线：
2025.01-02 | 深度推理&DeepSeek，开源胜利&大加速，Agent的黎明
2024.10-11 | 低估的长期，AI的互联网，AI-3D，数学AI
2024.09-10 | 高估的短期，产品形态探索，诺贝尔AI奖
2024.07 | 开源追齐，OpenAI迷失，视频商业化起步
2024.06 | Apple, Sonnet3.5, 视频生成, AI 3D
2025.03 | AI广告革命: 从“千人千面”到“一人千面”
2025.02 | AGI时代的教育(上)：黎明前的试错
2025.01 | AI算力(上)：成本腰斩-英伟达-个人算力
2025.01 | 2024视觉模型鏖战：谁在吆喝？谁在赚钱？
2024.10 | 万字长文：十问“AI陪伴”
2024.07 | AI x 艺术，谁在定义未来？
2024.07 | Apple: 大模型红利的终极收割者
2024.04 | AI x 医疗 | 难解的必答题
2024.03 | AI虚拟人｜AI原生与未来社交
2024.02 | AI原生公司 | 未来打工人
2024.02 | AGI | 大模型与大国博弈
<2>商业视角：行业专家速成
在过载时代，只有2类信息是有价值的：最新的 & 最深的。
因此，在我们选择AI相关的机构报告和数据时，也是一类来补齐深度理解，一类来追踪近期创业热点。
2.1 入门：投行+咨询公司报告。这类报告大多大而全但不深，一方面是这些公司很难雇佣到懂AI的尖端技术人才，另一方面客户的案例也不好直接放出来。不过入门看这些报告也还是不错的，但速览略读模式比较合适。以下举几个例子
中金
高盛
https://www.goldmansachs.com/insights/artificial-intelligence
麦肯锡 Quantumblack
https://www.mckinsey.com/capabilities/quantumblack/our-insights
BCG
2.2 深度：VC报告。尤其是那些乐于发报告来作为PR手段之一的VC们
A16z
Sequoia
https://www.sequoiacap.com/article/tag/ai/
Air Street Capital
拾象: 公众号：海外独角兽
我们发现，由于去年才是AI大规模爆发的开始，那时候的投资机构们多数还是一脸懵逼的状态，今年开始有了客户的应用案例，他们的报告的质量显著变好了。
2.3 热点追踪: 孵化器。我们推荐2个信息源。
Y Combinator（简称YC，全球最大的创业公司孵化器），通过其官网名单（https://www.ycombinator.com/companies），可以看到每个季度入选YC的初创公司列表及简介，其中有很多是AI相关的。这可以让我们知道最新的创业者都在忙什么。
其次是去年我们也推荐过的AI产品榜 aicpb.com
这个更关注的是商业阶段更成熟的产品的数据，可以从月活、留存时间等多个维度去捕捉最新的大火产品。
但说到底，阅读报告和榜单只是方法，它的本质问题是：
我们如何快速且深入地吃透一个赛道。
关于这种话题，网上的所谓的教程很多…但其实华丽的framework都是忽悠人的，回归商业本质并不需要那么复杂：
第一层：这个赛道市场规模多大，成长性如何，为什么涨得这么快；赛道有哪些玩家，可以分成几类，每个玩家有多大。这个层次的方法是阅读机构报告用来扫盲。需要注意如果研究国外市场一定要看英文媒体。
第二层：这个赛道的关键竞争要素是什么（是技术与算法？是推广？是产品体验？），赛道内的玩家表现如何，为什么能做到这样的表现。这里的方法是阅读精选的公众号、赛道内大佬的访谈与文章。
第三层：到这个层次，我们可以来做预言家了。可以尝试预测赛道未来的变化，如市场能变多大，哪些玩家能成功。这一层的方法相对更难一些，比如与行业内的人聊天，建立自己的实时跟踪清单。当然，最难的是要自己深度思考。
听起来很难，但我们也可以弯道超车，比如用AI来研究AI赛道。AI主要能帮助我们的第一层次的研究，强推ChatGPT/Gemini的Deep Research模式，能在短期内出一个质量堪比一般机构的长报告。在这里，我们想给读者们布置一个作业：尝试用ChatGPT研究一个你感兴趣的AI细分方向。毕竟，对于懒惰的人类，learning by doing永远是第一法则。
上手：培养“AI体感”
但是，纸面的研究只会停在纸面，有些“对AI的感觉”是需要自己上手体验才能培养的。只有有了体感，才知道当前AI的边界在哪里。
除了通用聊天工具之外，其他工具型的产品也值得体验
AI编程：Cursor
AI生图：Midjourney，Flux，以及社区ComfyUI
AI生视频：Runway，快手可灵，minimax海螺
AI Agent/工作流：Manus，Dify，Coze
AI 音乐：Suno
但如果从商业角度来看，小而美的产品反而更有借鉴意义。比如前段时间广为流传的“教老外认花的AI应用每年收入10亿人民币”的产品PictureThis，本质就是AI的套壳，但因为做了一层产品，就成为了一个独立的生意。类似的故事还有帮你改简历的Resume Worded、帮你哄女朋友的哄哄模拟器。
<3>文科生视角： AI帮我写论文
以下内容初稿来自于中科院大学哲学系硕士，适合文史哲类学科。
在学术研究领域，AI工具的价值在于辅助科研的各个环节，使研究者能够更快地聚焦核心问题。
效率的提升体现在日常学习的方方面面，尤其是对于文科生而言，AI工具的应用可以显著优化学习流程。学生在日常学习中主要与两类文本打交道：一类是新闻稿、总结报告、通知通告等实用性文稿；另一类则是科研文献的阅读与学术论文的撰写。
考虑到并非所有人都具备使用前沿AI工具的经验，这两个集合网站提供了不错的信息入口
以下内容将聚焦于更易上手的实用技巧，帮助大家快速掌握并灵活应用。
文书写作方面，AI工具已基本能够满足各类需求。无论是国内的豆包、Kimi、智谱清言，还是国外的ChatGPT等主流AI，都可以高效辅助文书创作。
工具选择：中文文书建议使用国内AI，英文润色则推荐国外工具，能更精准地匹配语言习惯。
提高生成质量：虽然AI可以从零生成完整文书，但质量难免存在偏差。更稳妥的做法是提供一篇高质量范文，让AI“对照改写”，这样比完全依赖AI生成更可靠。
高效处理重复性文书：对于如周报等结构固定、变动不大的文书，可以先提供一篇标准版本，并清晰指出需要更新的部分，使AI快速生成符合需求的新稿。
优化生成效果：
中文附加Prompt：“精简语言，删去冗余内容，使表达更加简洁明了。避免信息过载，提升核心内容的传达效率。”
英文附加Prompt：“Use a natural tone and avoid complex expressions or phrases.”
长篇文稿优化策略：不建议一次性输入过多指令或提供大量文本，最好按章节分批处理。虽然操作次数增多，但能显著提高内容的精准度。
特殊情况注意：中文文书如涉及政治等敏感信息，反而不推荐使用Deepseek，因其内容限制较多，影响生成效果。
在具体的科研工作中，AI的应用主要集中在两个方面：一是繁琐的文献格式整理，二是高效进行文献综述和论文搭建。针对这两部分，以下是优化科研流程的实用方法。
1. 文献格式整理
格式要求：可输入以下指令，让AI自动调整文献格式，例如：“请根据中文期刊的参考文献格式要求（GB/T7714—2015），帮我调整以下参考文献的格式，无需编号。请注意，标点符号全部使用半角，DOI号无需保留。以下是需要调整格式的文献列表：”
上面prompt仅为示例，可根据需求修改，如 APA、MLA 等格式，并提供具体案例进行调整。
进一步优化指令
如：“按照给出的参考文献顺序号导出结果，不要自行调整顺序。”
可加入个性化要求，如去除重复项、保留特定字段等。
注意事项
参考文献数量较多时，建议分批处理，以防 AI 生成时“偷懒”或出错。
AI 生成的内容仍需仔细核对，确保格式完全符合期刊要求。
2. 文献综述撰写
第一步：建立个人文献数据库
国内文献库（如知网）：
进入知网 → 点击 “高级搜索” → 选择检索范围，设定论文主题、时间范围、学科类别 → 检索结果筛选后，勾选合适的文献 → 点击 “导出与分析” → “导出文献” → 选择 “自定义”，勾选“关键词”和“摘要”，导出为 .xls 格式。
国外文献库（如 Web of Science、Springer）：
登录数据库 → 输入研究主题 → 设定检索范围，如出版年份、文献类型等 → 筛选合适论文 → 右上角点击 “导出”，选择 Excel 格式。
第二步：利用 AI 辅助分析
将导出的文献列表上传至 AI 工具（如 DeepSeek），输入指令：“我正在撰写关于 [研究问题] 的文献综述，请基于以下文献列表生成一篇逻辑清晰的综述，并适当加入分析与观点。”
由于 AI 生成的内容基于已有信息拼接而成，适用于短期整理，但不适合直接使用，仍需手动修改打磨。
AI 在此过程中的价值主要体现在灵感激发和信息归纳，而真正的科研核心仍在于独立思考和观点构建。
3. AI 在科研中的高效应用
尽管 AI 无法完全代替论文写作，但它可以在以下场景中显著提升效率：
科研选题与方向确认。通过分析研究领域的前沿趋势，识别可能存在的潜在研究课题，并对其相关性、挑战及预期成果进行初步评估。适用于探索跨学科方法，或识别当前领域的新兴研究方向。
快速理解学术新概念。对复杂概念进行通俗化解释，帮助快速掌握核心思想。
文献大纲（Outline）构建。通过 AI 生成初步的论文框架，理清研究逻辑。
文献阅读加速。上传文献，让 AI 提取核心内容，归纳研究背景、关键论点及论证方式，提高阅读效率。
在实际操作中，合理利用 AI 工具可以显著提升科研写作的效率。不同工具各有所长。例如，在撰写论文时，我们可以使用一个AI工具来生成初稿，然后使用另一个AI工具进行润色。不同的AI工具在不同的方面有各自的优势。例如，GPT-4可以很好地生成初稿，而Claude则更适合长文本写作，学术味更浓。DeepSeek在深度思考方面表现出色，但生成的内容“文青”感较重。ChatGPT则很适合打磨英文表述，做润色工具很不错，做文献综述也很方便。
然而，AI 生成的内容不能直接使用，需要我们进行二次检查和打磨。AI 在科研写作中的真正价值在于加速信息整理、提供思路和优化语言，而非替代独立思考。文献格式整理、摘要提取、论文框架搭建等重复性较高的任务可以交给 AI 处理，但核心观点的构建、逻辑论证的严谨性以及数据分析的准确性，仍然需要研究者自行完成。特别是在涉及理论推导和学术创新的部分，AI 只能提供辅助，最终的深度思考和论证仍依赖于个人的理解和判断。
AI的作用是提效，而不是替代思考。高效的科研工作，依赖的是技术与思维的结合，而非盲目依赖工具。
<4>系统能力提升：优质课程
讽刺的是，付费课程的核心价值在于“付费”本身，金钱的投入往往能促使学习者投入更多时间和精力。然而，从获取知识的角度来看，现有的免费课程已经足够支撑大部分学习需求。各大视频网站上的公开课资源丰富，涵盖广泛的学科领域，是构建知识体系、拓宽视野的重要途径。真正关键的并非课程的价格，而是学习者如何高效利用这些资源，将知识转化为自己的理解和能力。我们将分阶段推荐一些课程进行参考：
1. 零基础入门
Elements of AI ：由赫尔辛基大学和Reaktor开发的免费AI通识课程
www.elementsofai.com
吴恩达《AI For Everyone》
www.coursera.org/learn/ai-for-everyone
2. 进阶
MIT公开课：从基础课程到前沿研究的神课
吴恩达《机器学习专项课程》
www.coursera.org/specializations/machine-learning-introduction
李沐《动手学深度学习》适合有一定编程基础的学习者
zh-v2.d2l.ai、https://space.bilibili.com/1567748478（李沐老师b站主页）
中国大学MOOC《Python机器学习应用》：由北京理工大学开设的机器学习入门课程，适合编程零基础者
www.icourse163.org/course/BIT-1001872001
DeepLearning.AI（吴恩达新课程）
www.deeplearning.ai
3. 实战提升
华为云开发者学堂《AI全栈成长计划》
edu.huaweicloud.com/courses
飞桨AI Studio
www.aistudio.baidu.com
阿里云天池AI学习平台
tianchi.aliyun.com
Udacity AI学院
www.udacity.com/course/artificial-intelligence-for-trading--ud501
后记：旷野
GI到来的时代，一切过去的知识、学习方式、工作方式都会被重新定义。
AI终将把我们从按部就班、机械式的学习与上班中“解放”出来。到了那个时候，人生也会成为真正的旷野。
于是，留给我们真正的命题是：
我们应该学习什么？
