能源与AI发展 - 能源供应是AI长期发展的关键制约因素，超越芯片的重要性 [1][3][5] - 美国电网扩容缓慢（每七年增加一次），中国每年新增电力产能超过英国和法国的总和 [5][6] - 提出在月球或太空部署太阳能电站的设想，以解决地球能源限制问题，需约1平方公里太阳能电池板提供1千兆瓦电力 [6][7][9] AI人才与隐性知识 - AI领域不存在秘密，但顶尖人才的价值在于隐性知识和判断力，能节省试错成本并加速AGI研发 [3][10][13] - Meta等公司高价挖角顶尖人才，看重其在实际项目中的经验和直觉，而非技术秘密 [10][13] - 物理学背景的人才在AI领域具有优势，擅长视觉化抽象问题、处理连续数学和涌现现象 [23][24] AI智能体的商业化进展 - AI代理技术已从概念验证进入实际应用阶段，如软件开发领域可自主完成复杂多步骤任务 [16] - 法律领域AI助手（如Harvey）已创造可观收入，白领工作流程面临重构 [17] - AI工具将导致30%程序员失业，初级工程师岗位可能被智能体替代，行业标准被大幅提升 [17][19] 教育体系与行业需求脱节 - 高校计算机教育仍侧重传统理论（如离散数学），忽视实际软件开发技能培养 [19] - 未来工程师角色将转向管理AI智能体团队，而非直接编码，项目经验比学位更重要 [19] 物理学思维在AI中的应用 - 物理直觉（如损失函数优化类比能量流形滚动）对AI研究有深远影响 [3][23] - 物理学训练提供的连续数学能力（如路径积分）与神经网络数学本质高度契合 [24] - 物理学家擅长处理涌现现象（如相变），与AI的"量变引起质变"特性相似 [24]