十年前,商业竞争的方式是比同行卖得更便宜;十年后,商业竞争的方式是指责同行低价内卷。十年前,“价格屠夫”是对企业的至高褒奖,十年后,它成了伤害经济的元凶。商家甚嚣尘上的抱怨,工厂寥寥无几的利润,消费者对质量问题的担忧,源头仿佛都指向低价。由于价格无限压低,工厂无法提高产品质量,商家缺少利润维持经营,员工收入难以覆盖消费需求,似乎形成了某种逻辑闭环。那么,如果能“守护价格底线”,让商品价格稳定上涨,实现所谓“消费升级”,企业就可以打造品牌升级技术,产业链从业者的收入也会稳定增长,继而反哺企业营收,似乎又能形成某种良性循环。这套看似无懈可击的叙事,恰恰忽视的整个过程中最复杂、最深奥、最关键的环节:当一件商品的价格上涨,它对应提升的附加值在哪里?低价从何而来?无论工业皇冠上的明珠,还是工业皇冠上的边角料,大规模标准化生产的结果,一定是低价。上到汽车和芯片,下到垃圾袋和餐巾纸,只要生产规模扩张,生产成本就会被摊薄。稍微接触过制造业就会明白,不能被摊薄的只有税收,稳定上涨的只有社保基数。松下幸之助的“自来水哲学”、丰田的精益生产、沃尔玛的“Every Day Low Price”,内核都是压缩成本,降低价格。2011年的邮件中,马斯克认为SpaceX最大的优势是便宜[2]:SpaceX的表现会越来越好,价格会越来越低,这是所有科技门类的发展规律。马斯克提出过一个“**指数”概念,即生产成本与原材料成本的比值。一个零部件的总成本为1000美元,原材料铝的成本只有100美元,**指数就高达10,意味着生产环节创造了过多的成本。无论是借助规模效应摊薄成本,还是依靠技术改进降低**指数,只要一件商品的附加值凝聚在原材料与生产环节,成本就始终有下降空间。价格与质量并没有必然联系,在参数标准不变的前提下降低生产制造成本,恰恰是制造业百年来不断探寻的圣杯。相比十年前,一台55寸电视的价格从5000
诺贝尔物理学奖花落“AI教父”杰夫·辛顿(Geoffrey Hinton),一度在学术界和产业界掀起“人工智能算不算物理”的大讨论。今天产业界的百花齐放很容易让人忽视,仅仅十年之前,人工智能这门年轻的学科还在争议中匍匐前进。辛顿对人工智能的意义在于,他的职业生涯就是这门学科的缩影,为后来者提供了一个可以量化的历史坐标系。过去十多年里,人工智能的发展经历了三个关键节点:·2012年,辛顿带着两个学生参加了ImageNet图像识别比赛(ILSVRC),以惊人的84%识别准确率夺得冠军。这个成绩深深震撼了学术界和正在投资人工智能的科技公司,神经网络在人工智能领域的地位从“之一”变成了“唯一”。《深度学习革命》中说:辛顿和他的学生改变了机器看待世界的方式。杰夫·辛顿(Geoffrey Hinton)·2017年,在谷歌工作的八位程序员经过数月的合作,创造了一种处理语言的架构,简称为“Transformer”,并在当年7月的一篇名为“Attention Is All You Need”的论文中描述了该架构。这篇划时代的论文,拉开了生成式人工智能的大幕。·2022年底,ChatGPT横空出世,人工智能过去十年的发展浓缩在一个聊天窗口里,全世界见证了一个用美元和GPU堆起来的理想主义故事,也极其直观的感受到了人工智能身上散发着的下一个时代的气息。短短十年时间,人工智能经历了万马齐喑后又爆裂般的成长,即便对前沿技术最敏锐的人也有可能漏掉它狂奔途中重要的时刻。全球范围内,完整参与了三个关键节点的科技公司寥寥无几。在中国,它是一个意料之外又情理之中的名字:百度。广招天下英雄辛顿早年在多伦多大学任教,曾多次请求学校聘任另一位教授跟自己一起工作,被校方无一例外拒绝,理由是[1]:“一个疯狂的人做这件事就够了”。这代表了2012年之前学术界对深度学习的主流态度——说好听点是百家争鸣,说难听点是死路一