MacTalk
订阅
MacTalk 开通于2012年末,内容起于 Mac 而不止 Mac,内容覆盖了技术、创业、产品和人文思考。文风有趣,又有一点力量。
MacTalk微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ 1 / 27
多给微信点算力,让它好好做 AI昨天看新闻,腾讯马化腾开了年度员工大会,马老师说的不少,其中我最想聊的是那句——AI 全家桶未必是大家都喜欢的。我想说,你咋知道大家不喜欢呢,我就喜欢微信 AI 全家桶,可你也没有啊,除了那个微信 AI 搜索。过去一年,几乎所有大厂都在做同一件事:把 AI 塞进自己的每一个产品里。搜索加 AI,浏览器加 AI,输入法加 AI,办公套件加 AI,恨不得日历和天气也加上大模型。用户打开任何一个 App,都能看到一个闪闪发光的 AI 入口在那里等着。微信只做了个一个 AI 搜索,还非常隐蔽。企业微信、微信输入法和微信读书里的 AI 功能倒是不少,但都是独立应用。外界对此有两种解读。一种是"微信慢了",另一种是"微信在憋大招"。看了马化腾老师在年会上的讲话,我觉得微信不是慢,也不是在憋大招,而是在等待算力的同时,要想清楚一件事:在一个十几亿人每天使用的产品里嵌入 AI,代价和边界到底在哪里。微信太大了,它的特殊性在于承载的东西也多——社交关系、支付、公众号、小程序生态、视频号、企业服务等等。任何一个模块接入 AI,都不只是"加一个功能"那么简单,而是牵动整个生态的信任结构。马化腾提到微信会继续坚持"去中心化"原则,兼顾用户需求和隐私安全,这种思考放在 AI 语境下其实很具体:AI 要不要读聊天记录?要不要替用户买东西?要不要做群聊机器人,每一个问题背后都是一条红线。还有算力的问题,不好办呀。好在 2026 年可以买 H200 芯片了。相比微信,腾讯在其他业务线上的 AI 动作并不慢。元宝产品官宣了春节 10 亿红包计划,还要在 AI 助手群聊里探索新的社交玩法。这个思路很腾讯,能不能做好两说。元宝这个产品,年初借着 DeepSeek 和投放,日活增长还是挺猛的,最近也没有公开数据,我估计应该是到千万级的活跃度。社交这件事,在 AI 助手里做,还没有成功案例,毕竟社交都在微信了。相比社交,我觉得模型能力和 Agent 工程能力更重要一点。回到微信。每个企业的基因和体质不同,腾讯的风格是"稳扎稳打"。这话放在 AI 竞赛白热化的当下,也就腾讯有说出口的勇气了,毕竟是中国互联网一哥。当所有人都在比谁跑得快的时候,承认自己要慢一点,本身就是一种判断——AI 的竞争不会在半年内结束,它是一场需要十年来计算的长期博弈。微信最不缺的就是用户和场景,最需要的是想清楚 AI 进入这些场景的方式。多给微信一点时间,多买点卡,让它好好做 AI。
^__^ 1 / 22
我已被 AI Agent 燃尽;AI 越聪明人越忙;需要关注人类的休息权今天读了一篇很好的文章,叫: 10 things I learned from burning myself out with AI coding agents作者 Benj Edwards 是一位在科技新闻界颇具影响力的记者和历史学家。Benj是个 AI Agent 狂人,他通过 50 多个 AI 辅助编程项目的亲身体验,分享了 10 个核心感悟: AI 编码工具像 3D 打印机,能快速生成原型但需人类把控生产细节;人仍是关键,经验和架构能力无法被替代;模型在训练数据外脆弱;创造新的东西是一场艰苦的战斗; 90% 的问题依然存在;功能蔓延非常容易失控; AGI 远未到来;工具加速工作却让人更忙,需关注人类的休息权;快速迭代令人兴奋也引发焦虑; AI 工具不会消失,终将成为人类创意的放大器。核心观点是:AI 是强力工具,但人类始终是掌舵者。在阅读和学习的同时我做了一份精校的中文版本,图文注解高亮齐全,放到墨问里了,欢迎阅读收藏: 我被 AI Coding Agent 累惨了,并从中学到了 10 件事 内容节选: 4、90% 问题一个 AI 编码项目的前 90% 往往来得又快又惊艳。最后那 10% 则变成和 Agent 来回试错、补充繁琐细节的过程。那些需要比 Agent 更深层洞察或理解的任务,仍然得由人来完成“串联”和“决断”,把它往正确的方向上引导。之前提到的那些局限,都可能让你的项目撞上看不见的墙。从我近期的观察来看,更大的 LLM 通常能在上下文里建立起比小模型更深的关联。它们拥有更多参数(被编码的数据点),而且这些参数在多维空间里彼此勾连,因此在语义关系上会有一张更深更密的地图。可即便如此,人脑对语义关系的把握似乎仍然更深一层,还能在概念之间做那种“疯狂跳跃”,这是 LLM 不太会做的事情。从这个角度讲,创造力也许就是:你能从篮球跳到肥皂泡成膜时气泡的形状,然后在这两个看似无关的领域之间建立某种有用的联系,实现一个突破。而 LLM 通常会沿着那些更保守、更常规的语义路径行进,完全被训练数据里已经铺好的关系牵着走。 5. 功能蔓延变得不可抗拒在用 AI 编码工具开发软件时,那种不断体验新奇的快感,会驱使你不停给项目加各种有趣的新功能,而不是老老实实去修 bug 或打磨已有系统。而 Claude(或者 Codex)也非常乐意配合,它会一头扎进那些新点子里,迅速做出看起来赏心悦目的小 demo(又一次典型的90% 问题),而不是静下心来把代码打磨好……