pre-astra的时代和我（们）的未来The Pre-Astra Era and Our Future

“学过机器学习就对ai没什么感觉了”

在b站上看到一条发布于2025年1月的评论：“ai对数学来说其实只是在用暴力的方式拟合一个函数，一个给定输入可以得到预期输出的函数，虽然有的时候看起来很厉害但也只是拟合的结果，但我不知道为什么有那么多人的眼中ai是那么的科幻，还见过有些宁愿相信ai也不相信事实的人。”

说的非常对，但就是在这样一次次张量运算、一层层残差流中的表征变换，以及 attention 在 token 之间不断重新编织关系之中：从 DeepSeek-R1 第一次引入的长程推理模型，到2026年可以说有点AGI味道的Astra，Scaling law 再次证明，智能（注意并不是智慧）可能只是计算、数据与参数规模不断堆叠之后，某种能力跨过阈值时自然涌现出来的结果。

而最后会抵达何处，scaling law的斜率能更陡峭吗？拉普拉斯妖？亦或是像阿西莫夫说的那样人类最终创造出了predicting machine，但是没有算力去compute。就算去问一个frontier lab的研究员，答案可能也是不知道。

不得不说这个时代是尤其有趣的，有一种上世纪冷战的时候美苏争霸的感觉，只不过这次的主角换成了 generative ai。技术迭代的周期从年缩短到月甚至到现在缩短到周，如果有人每周醒来一次，那宣称 sota 的模型可能每周都不一样。

但这个时代对很多人来说也是非常迷茫的，搞 ai 的兄弟终于把所有人的工作都给干了（在可预见的未来 RSI 非常有可能实现），经济本来就在下行周期，动荡不断；这种工业革命式的割裂留下的是严重的文化落后，制度落后。

事实上，现在的前沿智能是非常非常昂贵的。如果通过 api billing 的方式调用 claude-fable5(medium)，一个 10min 左右的 agent task 消耗超过 20 USD；如果想在本地 serve DeepSeek-v4-flash，一台 m5ultra(512) / 两台 dgx spark 的价格在 10w 左右。我完全能想象一个前沿智能被巨型公司 / 本身就获取了生产资料的个体所垄断的未来。

当然有可能有人说现在 qwen3.8-27b 在 benchmark 上已经超过 opus4.6，但是 vllm / mlx / sglang 等等框架的学习也是要付出时间和智力成本的。

更重要的是，从前他们想要获得只有智能才能得到的结果，比如说生产力、知识……，都要么雇佣受过良好教育的学生 / 有丰富实践经验的求职者，工薪阶级得以存在，社会得以流动。然而未来可能只要向 aws / azure / Google cloud 购买算力，向 frontier lab 购买模型的使用权就可以了。

”fuck the world and make impact”

但也没有那么那么悲观吧，对于一个持有斯多葛主义 / 中国道家态度的人来说，这个时代似乎还不错，如果有一个想法可以很快地去验证，个体的生产力也得到了极大的解放。

具体来说，对于喜欢技术的人来说这个时代或许还不错，每天都有新玩具可以玩，可以在服务器上部署一些之前需要啃几周甚至几月的《web-dev从入门到精通》才能部署的项目（btw 这个 blog 就是纯 vibe 的，甚至服务器运维也是完整的靠 agent 通过 azure cli 实现的）；可以通过 pi / dsh 完整的定制一个属于自己的 coding agent；甚至也有人做了自己的 Linux 发行版获得了百万美金的 funding（omarchyos）（虽然我还是喜欢 macOS）。对于一个足够有能力的人配上前沿的智能，ta 对人类能做出的贡献是指数级增长的。如果人类在没有 ai 的时代就能发现相对论，造出原子弹，那现在又有什么是不可能的呢？

我是那个“足够有能力的人”吗？可能在数学上是可以拟合出一个函数来计算每个人的“能力值”的，but who knows。我很喜欢一位 OpenAI 研究员在一个 podcast中展现的态度：make impact（【B站播客视频】）。

虽然把我的 thinking effort 调整到 max 我也考不上清华更别说姚班，可能到最后也 make 不了像他们一样的 impact，又或者站在一个更宏观的视角自己觉得 make 的 impact 可能本质上啥也不是。但我觉得我还是想这样做，这就是小登不知天高地厚没有被工作和现实洗去锐气的表现吧。

写于大一->大二，想看看明年，4年，10年后回来看看有什么感觉。

written by Bukowskiiiiii