7.2
深览指数
科技Bestblogs·宝玉··AI 生成
Jason Wei 关于 2025 年 AI 格局的三个思维框架
Meta 研究员 Jason Wei 在 Stanford AI Club 的演讲中提出三个核心框架：智能商品化、验证者定律和能力锯齿边缘。他认为自适应计算使基础智能成本骤降，AI Agent 将让公开信息获取时间缩至秒级，推动私有信息价值上升；AI 的能力提升与任务可验证程度成正比，发明新衡量方法成为创业方向；AI 进步呈锯齿状，数字化、数据充足且验证简单的任务最先被攻克。这篇文章适合关注 AI 产业趋势、投资方向和创业机会的深度读者，提供了一个理解 AI 应用路径的结构化视角。原文 ↗
核心观点
- ▍智能正在趋于商品化：自适应计算让 AI 能根据任务难度动态调整算力，导致基础智能成本急剧下降，而 AI Agent 将海量公开信息检索时间缩短至秒级，使得基于公开知识的门槛消失，私有内部信息价值显著上升。
- ▍AI 在某任务上的能力与该任务的可验证程度成正比（验证者定律）；生成难度与验证难度不对称的任务（如代码、数学）更容易被 AI 攻克，因为可以通过提供特权信息（如测试用例）来降低验证成本，从而驱动迭代。
- ▍AI 的能力提升呈锯齿状边缘，而非整体爆发；数字化程度高、数据充足且验证简单的任务将率先被自动化，而高度物理化或缺乏数据的任务则进展缓慢。
- 01自适应计算（Adaptive Computation）允许模型对不同难度的任务使用不同计算量，简单问题只需极低成本和延迟，这是智能商品化的技术基础。
- 02AI Agent（如 OpenAI 的 Operator）能够代替人类操作浏览器，瞬间完成查找公司所在时区、筛选候选人并发送邮件等耗时任务，极大降低了信息获取成本。
- 03Jason Wei 认为，由于 AI 能力提升，一个正在崛起的创业方向是发明新的衡量方法，把原本难以验证的任务变得可验证，从而让 AI 去优化它。
- 04AI 的进步速度受三个因素制约：是否为数字化任务（影响迭代速度）、是否有人类生理限制之外的模式识别能力、以及数据是否充足（或能否通过强化学习生成合成数据）。
反方 / 局限
- — 文章没有深入探讨智能商品化可能带来的负面社会效应，如大规模岗位替代、以及对 AI 生成信息的依赖危机，也未涉及私有信息价值上升可能加剧的不平等问题。
- — 验证者定律暗示，对于难以设计客观衡量标准的领域（如创意写作、战略决策、情感理解），AI 的进展可能会长期停滞或进展缓慢，但文章对此只做了简单带过。
3 分钟 · 4 卡片 · 11 资料
读原文 →