本文来自微信公众号：金捷幡 （ID：jin-jiefan），作者：金捷幡，头图来自：视觉中国

最近朋友们问题比较多，“硅谷银行怎么倒闭了？”“瑞信怎么回事？”“比特币怎么涨了？”“OpenAI有那么颠覆么？”“国产AI到底怎么样？”……

这个月索性一次吹爆吧。

一、金融变局

先说银行，（外国）银行这种模式在未来10年有可能出现比较大的问题。

硅谷银行的情况比较简单，起因就是当初特朗普因疫情逼美联储放水，直接流入实体经济（发给老百姓以及大量中小企业零利率贷款补贴）。硅谷银行存款大幅度增加后，顺理成章买成美债赚钱，毫无错误。

只是这次直升机撒钱和以前量化宽松不同，QE因为强控制大多在金融系统内循环，而这次造成了巨量通货膨胀。

美联储的核心职能之一是控制通胀，而去年开始的疯狂加息，可以看出美国真实的通胀其实远比公布的要高得多。各国在通胀上玩数字游戏也是标准操作了。

硅谷银行没有对冲加息对债券的风险，亏损消息曝光后囚徒困境导致挤提倒闭。瑞信的情况则完全不同，纯属投资失败。瑞信不像硅谷银行是那种传统存贷银行，但挤提仍是无法承受的，这需要立刻遏制避免恐慌传导到其它银行就全崩了。

当然我们可以把责任归因于外部环境大变局和银行风控不佳，俄乌冲突打破供应链和中概股暴跌等黑天鹅到处都是。但背后的关键因素是整个世界体系毫无好转的迹象，地缘政治冲突和逆全球化愈演愈烈。

银行生存最关键的基石是信用，挤提对各家都是死穴。这两家造成对银行模式的信任冲击将是有长期后遗症的。尤其瑞信，仓皇贱卖时居然把170多亿美金的AT1债券减记清零，坏了债权优于股权清偿的规矩。

对成功跨越多次世界大战及金融危机的百年银行都会倒闭这种恐惧，让黄金和比特币大涨。

二、GPT变局

在银行体系开始不可靠的变局下，再聊一下将比银行问题对人类冲击更大的GPT。

我们在《蓝狐岛》里说过，ChatGPT是纯语言模型，靠统计模式来回答知识类问题。这导致了一个现象，就是ChatGPT回答问题有时胡说八道（Hallucination）。ChatGPT显然自己不可能知道自己在胡说八道（幻觉），一个原因是整个互联网上各种语言和答案本身就是错误百出。

尤其在中文世界GPT胡说这个毛病更大一点，一方面在我们口语中病句比例已经大到吓人，因缺主语和介词滥用等情况极多导致很多歧义；另外一方面因为科学观和价值观的激烈冲突，导致网上答案前所未有地不一致。

此外，ChatGPT作为通用AI模型，在专业和私域中仍有不足，原因是很多私有知识库并未公开在互联网上。

为了解决这个问题，除了反馈强化学习（RLHF），在3月24日ChatGPT引入了插件，正式成为了完整的AI操作系统。

为什么说它是操作系统呢？因为插件就是应用软件：这些（插件）软件可以是由组织内部开发自用，也可以拿出来给公共使用。

除了可以实时接入互联网，引入了数学插件后，ChatGPT可以不再靠语言统计来算一加一了。引入了病例插件后，医生可以随时得到最专业的诊疗指南。这样，胡说八道可以在专业和私域中大幅度减少。

凡事都是双刃剑，一旦某专业的插件完善，这个领域的专业人才将迅速变得没有价值。甚至律师和内科医生这种高门槛，都将不得不靠执照撑起保护伞，因为AI将在一年内迅速超过他们的能力。各行各业只要有完善的知识库，就不再需要专业人士，只需要有会问问题的人（Prompt maker）。

GPT-4则打开了另外一扇窗：多模态。AI不仅懂语言，而且有了视觉，推理能力更强，这使更多的应用成为了可能。GPT-3.5到GPT-4的进化，更是一种可怕的能力，因为目前还看不到进化的终点。这是马斯克等大佬们焦虑的地方。

我们已经看到OpenAI宣布ChatGPT-5将在今年第四季度发布，而传说GPT-5的核心改进是和科技的交互。

三、做操作系统

首先，面对AI的从业公司和人员，只有两个选择：未来做操作系统，还是做应用。

做操作系统，需要考虑是做OpenAI这种通用操作系统，还是做专用操作系统。

OpenAI的壁垒有多高，这个目前还不够清晰。

GPT训练模型有点像芯片流片，一般的模型花个几十万几百万美金，机构自用也能用。最顶级模型如同3nm芯片，要玩估计10亿美金起。

何时能打破美国算力霸权，目前也还看不清：NVidia DGX/NVLink集群都在禁售，这情况有点像ASML。

对于谷歌这样的公司，因为动摇了其根本，则一定会全力追赶试图反超。人才和算力并不是它的瓶颈。

从Notion AI/Claude的水平看，ChatGPT似乎领先并不多。国产的ChatGLM初始表现也挺亮眼。在中美对抗的大环境下，国内独立生态的AI操作系统也是有可能生存的。

这几个月，我们看到微软配合OpenAI的速度吓人：New Bing、Office整合GPT、开发工具整合GPT……大象真的在跳舞。但也许说明了其护城河也许不够高。

我们也要看到，GPT的训练时间是个无解的难题，如果这个量级是半年+来计算的，那对竞争者是很痛苦的。如果真是这样，OpenAI会在较长时间内保持领先一个身位。

部分追赶者会采用开源的战略，比如Meta的LLaMa，会不会实现Linux vs Windows和Xen/KVM vs ESXi的共存模式。好消息是，我也看到不少朋友的LLaMa模型已经成功跑在个人电脑上。而谷歌能否再次用Android的模式开源对抗OpenAI，也是我们值得期待的。

那么，一直憋着不举手的苹果同学呢？我觉得也不能小看，iPhone里性能远超需求的A系列芯片里的神经网络引擎，现在看非常有前瞻性，它使得个人模型和AI边缘计算成为可能。（6月份的WWDC，有可能使弱智的Siri一去不返）

四、做应用

谈到做应用呢，各种想象是无边的，难度也大幅度降低。除了翻译、聊天、学外语、编程和画画等，我觉得私人助理和虚拟女友男友大概是最快的杀手级应用了。

做操作系统会存在有很多政策和伦理上的风险。我们现在看到ChatGPT被调教成特别服从的模式，就是这个原因。在ChatGPT开发者模式放开时，我们也看到了它可以be evil的一面。

做应用则各方面可控性就高多了，目前生产力工具已经迅速铺天盖地。而且，通过应用来实现AI的民主化，也是避免未来数字围墙和阶级隔离的关键。

我听接近OpenAI的朋友说，ChatGPT发布时的版本只有100G大，真是这样的话运行它的硬件要求就不高了。各种边缘计算和消费者终端的低延时使用也将成为可能。定制ASIC运行则可以进一步降低成本，未来能实时对答如流的充气娃娃也许只要$200成本。

企业组织里的私有知识库模型，跑起来要求会更低，装在手机上也没问题。

私有模型不仅组织需要，个人可能也需要。比如根据按去世亲人的生前讲话风格和录音，可以训练出有个人风格的模型，让她一直陪伴你说话。人类对话和ChatGPT的prompt/token并无本质不同，我们录下来一个人一年的对话声音，就能够复制这个人的完整风格（性格）。

那么，大模型AI有什么做不了的事吗？

暂时我们可以认为，社会科学和AI存在边界，因为社会科学很多没有标准答案。当然，胡说八道的能力也是需要的（《论扯淡》），谈情感时多半是需要说没有实用意义的话。

《蓝狐岛》里提到，ChatGPT只需要通过语言就能掌握（窃取）人类知识，这其实是非常可怕的，等于人类在非创造性领域再难有超越AI的机会。好在ChatGPT目前只能学习知识，尚不能拓展人类科学边界。而未来AI的进化能否突破这一点，目前还是个谜。

五、大变局中的教育

眼下最值得反思和探讨的问题是教育。当我们每个人未来都能随身携带一个超级智慧的GPT伙伴时，是否还有必要上小学、中学、大学这种成本极高的传统教育？

这种“通识”教育的代价是花人生的1/5时间和一生收入的1/5。

我个人认为绝对不需要。

在我上小学的时候，还有算盘课。数学老师还很得意地说老祖宗就是厉害，计算加法时算盘比计算器快。

后来我们算了至少几千遍的一元二次方程和牛顿定律等习题，也无非是背公式和笔算（不让用计算器），这和算盘背口诀并没什么本质区别。虽然做题家们当年把这些搞得滚瓜烂熟，但99.99%的人在毕业后再也用不到它们了。

当下中学和大学的学习目标仍集中在期末笔试，这说明了这类教育只是维护一种传统，甚至是在维护一种生态和生意。在GPT时代到来的时候，这种教育模式变得并不是真的为了学知识和解决问题，本质上就是另外一种科举：靠一种几乎没有用的技能来筛选阶级。

李鸿章在1872年喊出“数千年未有之大变局”时，他说的是对的，但科举考试仍持续了30年才取消。现在的孩子们，仍埋在现代科举中，没时间奔跑嬉戏，甚至没时间好好睡觉，更可悲的是他们没时间学习自己有兴趣的东西。

本文来自微信公众号：金捷幡 （ID：jin-jiefan），作者：金捷幡