啥叫科技公司？用信息更有效地转化能源。传统编程是一种转换能源的方式，有啦大模型之后，仅传统编程相较于AI辅助编程转换效率变低。
以前没有大模型的时候我们需要为每个任务构建单独的模型。大模型最先是将所有NLP的任务都统一一起做了，人类很多任务包括分析和推理其实都属于NLP的范畴，在OpenAI, DeepSeek这些公司付出固定边际成本后，下游不用AI就是在违背发展之道，但并不意味着我们需要任何时候都依赖AI而完全抛弃原来的工作方式，信息革命也没有淘汰掉所有的纸笔，一个好的模型组合应该是人脑的模型和AI的模型共同进化。
当下社会正在从服务经济向体验经济转型（比如星巴克，不仅是卖咖啡，也是卖的“第三空间”的氛围），除非一个人有独特的认知模型、独特的领域模型，这个人能做的AI都可以做，现在指的是一些重复性的工作，已经不能说简单了，因为编码以前被认为是一件很复杂的事情，但现在只要具备一定的代码领域模型都可以用AI进行编程，代码本质上一种语言，如果自然语言能够将需求描述清楚，那么AI也帮助不懂技术的人编程，但 其实这些人还是懂技术的，因为他们有科学的培养，技术自大论完全就是培训班或者媒体为了某种利益而单独塑造的。真正高顶尖的技术人才往往生活最简朴的。
OpenAI为啥能够打败谷歌和微软推出ChatGPT, 一个高效有判断力的小团队比一个总体高效却不灵活的组织创新能力更强，尤其是在一个范式变革的时期。transformer真的是一个很厉害的创新。
ChatGPT内部封装了一个高材生，如何有效利用这个高材生的能力比和这个高材生比赛可能更有意义，本质上人类要做的是熵减-转换能源。人类仍然需要思考，但和传统的充当执行者的思考已经不同。这些模型需要不断的改进，这些工作需要人来参与，这里需要专家来做，普通人则通过用AI提供数据。模型是在进化的，从一代又一代的模型发布可以看出，这个进化过程显然是人在推动，就像早期猿类在过渡到人类的繁衍时，猿类依然需要扮演推动进化的作用-因为这个智能体还不能独立行动。现在的大模型更多的是在系统一和系统二上工作，所以现在科学研究依然是人来主导。如果说大语言模型和围绕其的生态是一个新物种，我觉得还不完全是，更像是超人的一种外延，本质上还是人类创造的一种工具，这是这个工具已经超越来人类理解的范畴。
当下为模型付出来很高的成本，比如程序员，现在用AI编程能够完成的工作在没有AI编程时雇主需要付出很高的成本，随着AI编程的发展，雇主对普通的编程领域模型支付的成本将会变低。