看到8u人间**客关于某劳模的最新演讲帖子，其中某劳模对ai有着许多不切实际的幻想，偏偏我正好对这方面有点了解，于是忍不住想打一大堆字。
不讨论技术是否能实现，这并不是主要问题。
如果方向正确，技术并不是问题，那是能通过投钱砸人做出来的东西。
可能有人说米的混沌汤会搅乱一切，但这也不是主要的。西山居也是混沌汤，还是有狸花猫这样的独立制作组存在，只要子公司切割得够好，这些都不是问题。
问题其实还是方向。
米做鹿某的项目时，曾经宣传过（以及根据后续信息分析推测得出），他们是希望做一个真正的“爱酱”，完全存在于虚拟世界、通过AI算法控制的虚拟主播（而不是
皮套
人）。
是这个想法最终告吹后，才降格成皮套人主播（然后现在还彻底坟了）的。
但这里就存在一个方向问题了，或者说是对事物发展规律的核心思考问题——
怎么样在科技树缺一大块的情况下去点出最顶端的果实？
AI技术它压根就不是用来做虚拟人的，至少现阶段的AI技术就做不到这个东西。
事实上，现阶段能够商业化应用的AI技术，还都是老式的AI技术，即仅能根据学习结果导出一个（或者一系列）布尔值结论的程度（即是或否）。产品类似于图像识别、ocr、智能驾驶这一块，都是通过大量数据投喂以期能够取得传统代码难以实现的效果的工具。（米就打算用这种东西做出虚拟人你敢信？就好像要原始人那木棍砸出一个空间站一样！）
类似CGTP这一代的AI技术仅停留在理论模型中，它们的特征是能基于一定的初始值用伪随机的方式组合出一系列数据。之所以会有ds，cgtp这样的产品出产，仅仅是因为这些理论模型要测试其效果就需要一个测试项目，而这个测试项目很碰巧地勉强能达到看上去高大上能唬人投资的程度，但实际距离真正的商用发展还有很大的距离。是的，现在的生成AI，无论ds还是其它生成图、生成视频的东西，就是一个demo，甚至都不是AI的真正发展方向。
生成式AI的商用标准，最起码的一个要点就是它的运营公司愿意就它的一切生成内容承担法律责任，如果它生成的内容是错误的，运营公司会就其造成的损失承担一切法律责任。
而这已经是AI最前端的领域了。
在这种技术背景下，米居然打算做一个完全由AI作为“神”（游戏全部内容的生成者）的游戏，这至少要求算法能够进行相当于人类程度的对生成内容进行筛选区分、甚至创造出新内容的的能力，去实现所谓的虚拟宇宙，这不就和拿着棒槌去砸出一个空间站一样的魔幻么？
如果人完全无法控制一个算法会生成什么样的结果，那么这个算法就不可能用于商业化产品中。
而从另一个角度考量，米做的压根就不是AI，而是一个用假想的AI驱动的概念，所以当然做不出AI。
既然技术差了这么一大截，为什么米还会想着去做这些呢？
我觉得这并不是单纯这帮人缺点算力，而是它们从一开始就不是为了做出产品，而是要搞投资人的钱，搞各种各样的补贴，搞各种各样的事情。
甚至，我可以很明确地猜到，某二字游戏的“成功”对他们来说反而是意外，因为它们从一开始就不是想做成功一款游戏，而只是想用一个看上去高大上、潜在玩家很多的游戏去搞投资人的钱。
也正因如此，各种奇怪的东西才有了空子，能够把角色当皮套——因为这些角色从一开始就是没内涵的皮，没了里面活生生的人它们甚至都动不起来。

骗投资嘛，不寒碜，应得的。我只是好奇，这种一眼假的东西为什么那么多人“深信不疑”，就好像他们从来就没有说过谎一样

我算半个生物专业出身，可以毫不夸张地说，如果把创造出和人类一样的、真正意义上的自我意识比做写一本书，那别说米，整个所谓ai产业现在估计连识字这个级别的门槛都没迈过去，更遑论写作了毕竟连现在已有的能产生自我意识的结构（人脑），想摸清它的工作原理对于现代科学都属于遥不可及的事，从零创造自我意识更是纯属做梦

不用扯什么业内，其实就一句:把ue5项目带崩的人去搞ai项目。菜狗是整个团队里最大的短板。

你知道的信息太少了，米创始人的愿景是刀剑神域，原神只是技术达不到的妥协。只不过这个妥协赚的盆满钵满

投资人？米才不在乎投资人，原神赚的钱太多

什么这的那的，米桑哪怕做个neurosama水平的ai主播都算是他们努过力了

做什么AI，做个AI问两句就要急了，爱用用不用滚

感觉不如

读书，我快等不及了
这些文字，我看不懂!

没那个能力，真以为最前沿的ai是做游戏的能做出来的啊，米根本连上桌的资格都没有

米桑只是想拿ai这个概念骗投资人的钱吧？

现在的llm上下文一长就开始抓不住重点了，搞长对话得人工干预它重点在哪，再一个就是目前参数量太小，神经网络方法的潜力很足但是现有的规模和人脑比太弱了，训练方法也得改进可能（

为什么米做不了ai，因为米就是做不了ai，不关乎任何非技术的内部外部因素，他就是单纯的没有任何能力做ai，就这么简单，仅此而已
你对技术有一种误解，尤其在llm这块，技术不是砸钱是有用的，要长期的持续的高强度的砸钱，还要加上一点点的运气，这里说的是能突破闭源公司技术壁垒级别的技术，如果仅仅只是做一个“能用的、差不多还行的、没有突出优点”的llm，那确实很简单，米桑完全能做到，甚至我可以说你给我一样多的资金我都能做到：打标员，挖点技术人员、足够多的语料，照着已经被别人走过好几回的路子往前走，炼几个月，就这么简单，路上有困难，但不多，智谱和01就是这种很典型的例子。
但突破技术上限是完全另一回事的难度，能走在前列的无论开源还是闭源，都有自己的逆天过人之处，我举一下例子大伙就明白了：
ds在低成本训练和性价比推理上做到了恐怖的程度，qwen专精小模型发力基本干到了世界第一（llm科研思路验证首选），closeai和a社是全面发力，有的是藏着掖着的底蕴，虽然4.5和4.1拉胯，但o3的图片推理比盒都猛，谷歌的gemini当了两年的便宜老三，但人家有TPU不吃老黄脸色，transformer架构是他们提出的，cot思维链的概念也是谷歌提出的，现在厚积薄发，2.5pro在综合能力世界第一的位置上已经霸占了一个多月了，做到了逆天的1m巨量上下文强注意力，寻回率95%以上，可以说是稀疏注意力方面的成果巅峰，上述种种，哪一个不是时间积累的成果？哪一个不是投了巨量的资金进去？哪一个不需要突破性的技术成果？哪一个是外行公司能轻而易举学得了的？没有，技术壁垒是越来越厚实的，两年前的入场机会没跟上，那就一直跟不上了，在这个领域深耕两年的巨头公司都不一定能跟上，像meta一样坐拥全世界第二多的显卡结果掏出了羊驼4出来贻笑大方，只堆料而没有技术长板的活例子就在这里，米桑再有钱能比扎克伯格有钱？显卡还能有meta多？他有什么特殊的实力螚做ai？