神经网络与AI技术路线 - 杰弗里·辛顿获得2024年诺贝尔物理学奖，表彰其在神经网络领域的开创性成就 [1] - 辛顿批评当前主流大模型采用RLHF技术为"垃圾"，并比喻为"锈迹斑斑的车仅进行喷漆" [1] - 神经网络研究方向在2000年前后不被学术界看好，被认为没有未来 [3][4] - AlphaGo突破证明神经网络归纳能力优于传统穷举法 [14] - 当前大模型本质是统计模型，仅能归纳无法创造新知识或智慧 [10][11][15] - 人类大脑神经网络通过层级化特征提取实现认知，远超机器抽象能力 [16][17] AI商业化与估值 - AI商业化尚未找到"杀手级"场景，许多公司高估值缺乏支撑 [21] - 人脸识别技术商业需求狭窄，过度依赖政府订单导致泡沫破裂 [21] - AI公司估值泡沫源于技术乐观主义与商业现实脱节 [26] - 垂直领域AI公司若无法拓展市场将面临生存危机 [30] - 英伟达因提供AI计算基础设施而成功，不依赖具体应用场景 [29] AI Agent与DeepSeek - AI Agent潜力在于人机交互革命，但仍处于工具阶段 [31][32] - DeepSeek降低AI使用门槛，类似PC从专业设备向大众工具转变 [36][37] - DeepSeek可能成为AI领域的"Windows"或"安卓"，推动技术平权 [39][40] - AI普及需要解决"边缘场景"需求，如农民语音指令规划灌溉 [39] 中美AI产业对比 - 硅谷正变得傲慢保守，资源垄断限制创新 [42][45] - 中国在资源匮乏背景下可能激发更强创新力 [44][48] - 中国创业者更关注"蓝海市场"和边缘创新 [47][48] - DeepSeek低成本API模式针对中小企业需求，被硅谷视为非主流 [48] 行业历史经验 - 互联网泡沫催生亚马逊等巨头，淘汰无商业模式公司 [28] - 滴滴和淘宝成功源于重新定义边缘场景需求 [50][51] - 科技行业核心是提升社会交易效率而非追求公司永恒 [53] - 每次技术浪潮都会淘汰旧格局并催生新基础设施 [53]