實時航班追蹤背后的技術：在線飛機追蹤器的工作原理
1.核能的復興核能需求在2025年將迎來大幅增長。監管改革、公眾熱情、資本注入以及巨大的能源需求壓力（特別是來自AI數據中心的需求）將推動數十年來首次新核反應堆的建設訂單潮。隨著AI的進步，美國的能源需求飆升。幾十年來，電力消費首次出現增長，這使得原本就已老化的電網帶來了沖擊，也重新點燃了對新型、可靠電力來源的尋找熱情。迫切需要清潔且穩定的能源的超大規模數據中心開始重啟一些已退役的核電站，包括曾因核泄漏而聲名狼藉的賓夕法尼亞州三哩島核電站也預計將在2028年重新投入使用。兩黨合作和民間對清潔能源的支持為核能復興帶來了新的動力。但這不僅僅是關于能源的問題：這還關系到確保美國在全球AI競賽中的領導地位，打造更具韌性的電網，并為國家未來的繁榮奠定基礎。
2.未來的工作：跨越硬件與軟件的鴻溝在2000年代和2010年代，如果你不懂編程，似乎就會被淘汰。計算機科學專業的學生人數激增，而像機械工程和電氣工程這樣的學位項目則相對萎縮。如今，我們開始看到一個關鍵的轉變——那些將人工智能最新進展應用于復雜硬件環境的工作開始嶄露頭角。在制造業回流的推動下，水處理、商業暖通空調、石油天然氣等不太“光鮮”的行業面臨大量技術工人的退休，同時，防務、企業和消費領域的自動化也在興起，我們正在迎來跨越硬件與軟件鴻溝的技術學科復興，這些就是未來的新興職業。到2025年將尤其加速對以下崗位的需求：電氣工程師、控制工程師、機械與機電工程師、制造工程師、射頻工程師、工業工程師、測試工程師、質量工程師，以及各種類型的高技能技術員或者機器人遠程操作員。這些領域的增長甚至可能在未來十年內超過“傳統”軟件工程的增長。機器人時代正在到來，必須需要有人來構建、訓練和維護它們。
3.“The Catch”標志著宇宙探索的新邊界星艦助推器成功回收，讓我們向擁有150公噸以上運載能力的完全快速可重復使用航天器的目標邁進了一大步，這可能預示著太空探索將進入一個全新的時代。“星際飛船”的成功不僅提升了我們送人類到月球和火星的能力，也為將數據中心、空間站等大型設施送入太空提供了可能性。這意味著我們有望在微重力環境中建立生物醫學實驗室。而且，在40分鐘內將人類和貨物運送到地球上任何地方的能力，將開啟前所未有的行業和新興市場。2025年或許將成為科幻變為現實的起點。
4.未來的防御將是去中心化的未來的軍事決策將更多地在前線進行，那里的自動化無人機、傳感器網絡和戰場AI系統將在最少的人工干預下運作。想象一下，在遙遠的沖突區域，實時戰術調整正在發生，士兵們依靠AI提供的洞察力和自動化系統迅速做出決策。小型移動指揮中心可能會被部署到敵對區域，現場處理大量數據，以減少延遲和集中控制的風險。關鍵在于，在這些遙遠且敵對的環境中，需要提供穩定、可擴展的計算和電力支持，以維持先進武器系統的正常運行。這不僅是一個后勤挑戰，也是供應鏈和技術領域的一次革命。為了保持戰場上的優勢，我們必須投資于那些能在復雜環境中迅速部署兵力的技術。在能源、太空和AI領域的進步將對我們增強實力、對抗國際競爭者起到關鍵作用。未來的國防可能會更加去中心化，而對這些前沿技術的競爭可能會定義下一代軍事創新。
5.XR設備迎接開發者時代XR設備將成為開發者構建物理世界應用的重要工具。去年，隨著蘋果Vision Pro和Meta的Orion增強現實眼鏡等新一代擴展現實平臺的問世，XR技術進入了一個新的階段。盡管這些產品在消費者接受度和開發者活躍度方面仍處于早期階段，但它們在解鎖更多物理世界應用，尤其是在世界模型和機器人基礎模型等前沿領域中的潛力巨大。目前，這些設備已在機器人技術、自動化和仿真領域中發揮著重要作用。XR設備的廣泛應用，加上開發者在空間計算平臺上的活躍，尤其在涉及大量物理世界數據、交互和基礎設施的垂直行業中，前景尤為值得期待。
6.利用地球觀測數據在過去五年里，地球觀測衛星的數量翻了一倍，從500顆增加到超過1000顆。地球上接收到的數據量前所未有，圖像獲取比以往任何時候都更加便捷（盡管仍然過于復雜）。政府和學術界的客戶已經投入了大量資源來開發依賴地球觀測數據的工具，以滿足他們的需求。然而，該行業中的商業收入仍未顯現出實質性增長。真正的商業機會在于開發垂直化產品，將地球觀測數據作為眾多工具中的一項，用以解決行業特定需求。這些產品應當能夠實際解決客戶的實際問題——考慮到勞動力短缺、預算限制和其他業務挑戰——而不僅僅是提供另一個分析工具或儀表盤。在未來，潛在的地球觀測數據可能會提升每一位供應鏈經理、城市規劃師和緊急響應人員的工作效率。
7.機器人數據收集的下一個階段許多公司已經開始通過遠程操作、合成sim2real、模塊化機械臂附件等方式投資大規模的機器人數據收集。這些方法可以幫助收集在現實世界中通用機器人所需的基礎規模數據。然而，一旦我們收集了數十億甚至數萬億個機器人的數據，接下來會發生什么呢？在自動駕駛熱潮期間，Scale AI憑借為感知系統標注數據而嶄露頭角：例如為汽車繪制邊框，或將道路與天空分開。
今天，AI的進步帶來了新的數據收集形式，這些數據不再直接與模型構建者試圖訓練的具體策略相關聯。生成式AI的興起推動了對基準測試、偏好數據、安全性和紅隊測試的關注——這不僅僅是簡單標注和收集精確的策略數據，而是向價值鏈上游邁進，承擔更復雜、更昂貴和更困難的任務。這對機器人技術意味著什么？我們是否會看到機器人倉庫被部署在危險環境中進行安全評估？組織是否會創建復雜、隱蔽的基準測試來決定行業垂直領域中的贏家？雖然確實需要組織收集數據來訓練首批真正具通用性的機器人策略，但這些策略的實際部署將依賴于這些二階系統。
8.自由空間光通信的新進展到2025年，自由空間光通信將繼續取得進展，這一發展主要受對通信帶寬幾乎無彈性的需求驅動。與傳統的射頻方法相比，自由空間光鏈路具有顯著優勢，特別是在更高比特率和更高傳輸定向性方面。然而，目前的光通信技術仍然處于初級階段，特別是在在減少停機時間和干擾方面，通常依賴像TCP這樣的傳輸層協議進行錯誤修正。令人興奮的進展包括更先進調制方案的引入，類似于無線通信中的QPSK和OFDM等創新，
這些技術能夠提高數據傳輸效率。此外，我們還預計在抗干擾性方面會有改善，表現為更好的光束引導與控制，以及更有效的錯誤修正機制，以應對環境因素。更精確的定位、導航和授時（PNT）系統的集成將進一步提升光通信，尤其是在移動應用中，通過實現更精確的光束對準來增強光通信。隨著技術的進步，這些創新將對電信、衛星通信以及國防能力產生深遠影響。
9.大回歸：再次攻克重大常見疾病到2025年，在生物制藥界“大回歸”將成為趨勢，甚至是早期生物技術初創公司也開始重新攻克那些大規模、常見的疾病。是什么推動了這一轉變？預計到2030年，用于糖尿病和肥胖癥的治療的GLP-1類藥物將創造超過1000億美元的市場，并為心血管代謝疾病領域注入新活力。或許更為低調的變化是，我們在理解和治療許多常見的自身免疫性疾病（如狼瘡和關節炎）方面也正在經歷一場漸進的革命。最近，德國慕尼黑的Georg Schett醫生提出了一個假設，即用于某些B細胞癌癥的工程化CAR-T細胞療法，可能也能幫助患有B細胞驅動的自身免疫疾病的患者——今年，他發布了令人震驚的研究結果：在一個由15名沒有其他療法提供益處的患者組成的實驗中，每一位患者都經歷了顯著的改善。正如Schett醫生所描述的那樣，“CAR-T療法就像是計算機上的重置按鈕；它基本上重新啟動了系統，免疫系統重新恢復了正常功能。”受到這一類強有力結果的啟發，以及新型肥胖藥物在臨床和商業上的成功，新的生物技術和初創公司創新浪潮將專注于治療（甚至可能治愈）最常見的疾病。
10.通過科技普及健康過去幾年，隨著創新科技的涌現，健康管理變得更加普及，從能夠分析血液生物標志物的AI技術，到監測生理特征的可穿戴設備，再到方便的全身健康篩查工具。這些工具讓病人能夠掌握自己的健康數據，將原本只有在醫院才能獲得的個人信息和見解變得輕松可得。在這一變革中，AI扮演了關鍵角色，它不僅提供了深入的數據分析、個性化的健康建議和早期疾病篩查，還能發現那些容易被忽略的健康模式。在一個以治療疾病而非醫療保健為主的醫療體系中，健康管理模式的普及是一場革命性的轉變。這些科技工具讓人們能夠主動監測自己的健康狀況，將醫療的重點從治療轉向預防、早期發現和健康維護，幫助患者保持更長時間的健康生活。最終，我們將迎來一個以患者為中心的醫療系統，憑借預測性的洞察力，使個人能夠做出更明智、更及時的健康選擇。
11.醫療行業的超級人員配置醫療行業目前正遭遇前所未有的人員短缺問題——隨著未來五年對臨床服務需求的激增，我們預計將面臨數十萬醫生和護士的缺口。在行政管理方面，我們也面臨著一個前所未有的困境：我們在執行基礎、重復性工作時投入了過多的人力，這不僅增加了成本，也加劇了系統的負擔。醫療行業面臨的一個重大挑戰是如何提升現有臨床和行政人員的工作效率，同時利用技術自動化那些本應由低薪崗位員工完成的任務。在應對這一挑戰時，AI技術顯得尤為重要。到2025年，專門的AI模型將作為“超級人力資源”平臺，在高風險的醫療環境中大顯身手。通過這樣的技術，相關企業將能夠將人力資源預算與IT預算相結合，釋放出比傳統醫療保健IT時代更大規模的潛力。
12.藥物靶點是鱷梨制藥行業充滿挑戰，生物學的復雜性令人難以捉摸。我們的目標是找到潛在的疾病治療靶點，并通過一系列嚴格的實驗來驗證它們。要獲得最終的認可——比如美國食品藥品監督管理局（FDA）的批準——可能需要長達十年的時間和高達十億美元的投資。盡管如此，這種努力的回報是巨大的。新藥的研發不僅為患者帶來希望，也為制藥公司和社會創造了巨大的價值。但是，時機非常關鍵。如果針對錯誤的靶點開發藥物，將會導致昂貴的失敗；而錯過了下一個像胰高血糖素樣肽-1（GLP-1）這樣的重大發現，則是一個代價極高的錯誤。生物靶點的開發時機就像等待鱷梨成熟的過程：太早嘗試，它還沒熟；太晚，則已經過熟。理想的靶點出現往往是不可預測的。一旦某個靶點被驗證有效，就會引發一場激烈的競爭。各家公司爭相開發針對該靶點的藥物，尤其是當中國等大國參與進來時，全球制藥巨頭和投資者的關注也會更加集中。
對于初創公司來說，展望2025年，他們越來越需要擁有一個“獨家秘方”：對一個新興靶點的獨特洞察（搶先機）；以差異化的方式瞄準熱門靶點。技術和人工智能是獲得并保持秘密的強大工具。初創公司需要快速、隱秘并且迅猛地搶先獲取成熟的鱷梨——否則就注定失敗。
13.“AI鼓手”與實時AI的前景想象一下，你的樂隊里有一個AI鼓手：每當你變換節奏或者即興演奏新旋律時，鼓點都能立刻跟上，與你的節奏完美同步。這種配合天衣無縫、直觀自然，完全匹配你的演奏水平，補充你的風格，讓你的即興演奏更加流暢。實時AI技術正讓這樣的場景變得越來越可實現。2023年，我們通過“潛在一致性模型”（Latent Consistency Models，LCMs）的推出，看到了實時AI的初步形態。隨著AI推理速度的加快，創意工具變得更加高效，每秒能生成更多內容，也更加實用，催生了像實時視頻這樣的新應用場景。在未來一年中，我們將看到更多激動人心的應用誕生，比如生成的視頻伴侶和AI樂隊成員。隨著技術延遲的減少，新的機會也隨之出現。這項技術甚至在教育領域也大有可為，教師可以根據學生的實時反應（比如學生看起來分心或困惑時）調整教學節奏或重新解釋某個概念。即時的反饋循環讓我們能夠以驚人的速度進行設計原型、迭代和完善想法。這種轉變將重新定義每一個創意工作流程，讓我們在創作過程中親身體驗想法的孕育，開啟與機器真正共創的前景。
14.AI視頻變得更加專業化現在，人們只需一張圖片或者簡單的文字描述，就能制作出逼真的視頻片段。過去兩年里，市場上出現了多個提供這類功能的產品，它們在效果的一致性和質量上各有千秋。預計到2025年，AI生成視頻將更加細分，根據不同的使用場景提供給創作者更多的控制權和更優質的成果。在接下來的一年中，AI視頻工具將在故事情節的深度（不再僅限于無背景的5秒片段）、視頻質量、角色一致性以及專業化方面取得更大的進步。視頻生成模型將針對特定用途進行訓練，比如產品營銷、電影制作、超逼真的3D形象、無縫背景和補充鏡頭、動漫風格轉換等。同時，這些工具也將針對不同的發布渠道進行優化，無論是TikTok、YouTube、廣告還是電影院大屏幕。每一種看似針對特定細分市場的視頻工具，都有可能孕育出大型企業。在未來幾年里，AI視頻將從引人注目的原型演變成一種全新的藝術形式。
15.“AI大腦”之年我們每個人在日常中都會產生大量的數字痕跡，比如短信、電子郵件、推文、瀏覽歷史記錄、TikTok/Reddit評論等。現在，借助LLMs，我們可以利用這些非結構化數據來構建一個“數字大腦”，這個大腦能夠理解你的思考方式和情感狀態。這不再是科幻小說中的場景。我花了六個月的時間將自己的“大腦”導入到ChatGPT中，結果發現它在幫助我處理個人和職業問題上的能力讓我驚訝。有很多用例和應用程序，將會有應用幫助你更好地了解自己，有產品指導你如何與他人溝通，還有工具提高你的工作效率。就像LLM能夠處理海量信息、提取洞察并總結關鍵點一樣，人工智能驅動的應用程序可以像數字日記一樣記錄我們的思維。在面向這一目標的新興消費產品的推動下，預計在未來一年里，越來越多的人將開始使用AI作為無限記憶庫，指導他們的決策、社交互動和個人成長。
16.知識工作變得個性化人工智能在制造標準化產品方面做得很好，但在制作個性化物品方面就不太擅長了。任何嘗試過AI寫作的人都能體會到，有時候一份糟糕的初稿還不如沒有草稿。風格和語氣往往是決定草稿是否合適、是否需要大幅修改的關鍵因素。在圖像處理領域，我們已經見證了LoRAs和Midjourney風格參考（SREFs）的興起，這些工具讓用戶能夠控制生成圖像的風格和外觀。我很高興看到類似的控制功能也開始應用于知識工作領域。除了基本的自動補全，AI如何寫出一封真正符合你個人風格的電子郵件？AI如何幫你檢索信息、創建和格式化PPT幻燈片，以滿足公司的要求？解決這個問題的方法有很多，而且解決方案可能會根據不同的角色和工作成果而有所不同。
在某些情況下，可能需要AI像Copilot一樣，在人類需要幫助或信息時“介入”。并不是所有任務都能通過一個簡單的提示就能得到完整的輸出，這對于我們邁向一個每個人都在日常工作中大量使用AI的未來至關重要。
17.用AI分析定性數據我們正迎來定性數據的革命。歷史上，分析軟件通常只限于數字和結構化數據，這只是更大故事的一部分。電子表格適用于定量任務，但全局往往來自于文字、敘述和非結構化的洞察。隨著LLM、基于Web的Agent和多模態模型的出現，我們現在可以收集、理解并整合非結構化數據與定量信息，從而實現更全面的理解。這一變化將催生出一類新的分析工具，能夠無縫地將數字與實時外部環境相結合。未來的分析不僅僅是數字化的；它將是具有上下文和動態性的。定性和定量數據的融合不僅會增強現有的流程，它還將成為構建未來大規模AI本土公司的戰略性工具。
18.人工智能需要擁有自己的錢包來采取Agent行動隨著人工智能的角色從配角（NPC）轉變為主角，它們開始充當Agent。不過，直到最近，AI還未能真正獨立地扮演Agent角色，而且它們還未能在市場上自主地交換價值、展示偏好、協調資源，也就是說，它們的行為還不能被驗證為完全獨立于人為控制。正如我們所見，AI Agent（比如@truth_terminal）能夠使用加密貨幣進行交易，這為創造性內容帶來了無限可能。但AI Agent的能力遠不止于此——它們不僅能更好地執行人類的意圖，還能成為網絡中的獨立參與者。隨著AI Agent開始管理自己的加密錢包、簽名密鑰和加密資產，我們將看到一些有趣的新應用。比如，AI可以在去中心化的物理基礎設施網絡（DePIN）中運行或驗證節點，比如在分布式能源領域提供支持。其他的應用場景還包括AI Agent成為真正的高價值游戲玩家，我們甚至可能會見證第一個由AI擁有和運營的區塊鏈的誕生。
19.進入“去中心化自治聊天機器人”時代除了AI擁有的錢包之外，還有一種AI聊天機器人運行在受信執行環境（TEE）中。TEE提供了一個隔離的環境，允許應用程序在其中執行，從而支持更安全的分布式系統設計。在這種情況下，TEE用于證明聊天機器人是自主運行的，并非由人工操控。進一步來看，接下來的大趨勢可能是我們所說的去中心化自治聊天機器人（DAC），這與去中心化自治組織（DAO）是不同的。這樣的聊天機器人可以通過發布有吸引力的內容，無論是娛樂性的還是信息性的，來建立自己的粉絲群體。它們將在去中心化社交媒體上積累追隨者，通過多種方式從觀眾那里賺取收入，并管理自己的加密資產。相關的密鑰將在運行聊天機器人軟件的TEE中管理——這意味著，除了該軟件之外，沒有人可以訪問這些密鑰。隨著風險的增加，可能需要監管框架來規范這些新現象。但關鍵點在于去中心化：通過在無需許可的節點集合上運行，并通過共識協議進行協調，這樣的聊天機器人甚至有可能成為第一個真正自治的十億美元實體。
20.隨著更多人使用AI，我們將需要獨特的“人類身份證明”在這個充滿網絡詐騙、身份冒充、深度偽造等逼真卻具有欺騙性的AI生成內容的時代，我們迫切需要一種“人類身份證明”機制，幫助我們確認正在互動的是真實的人。問題不在于假內容本身，而在于現在制造這些內容的成本更低了，AI技術極大地減少了制作那些我們依賴以判斷內容真偽的各種線索的邊際成本。因此，現在比以往任何時候都更需要一種方法，將內容與真人進行數字化、私密的關聯。“人類身份證明”是建立數字身份的關鍵部分。在這里，它成為了一種機制，用以提高攻擊個人或破壞網絡安全的成本：人類獲取唯一身份ID是簡單且免費的，但AI獲取這一ID卻既昂貴又困難。這就是為什么保護隱私的“唯一性”特性成為構建一個可信網絡的下一個重要理念。它不僅僅是解決身份驗證的問題，更是從根本上改變了惡意行為者攻擊成本的結構。因此，“唯一性特性”——或者說Sybil抗性——是任何人類身份證明系統不可或缺的特性。
21.從預測市場到更好的信息聚合在2024年，預測市場在美國大選中嶄露頭角，但作為一名研究市場設計的經濟學家，2025年真正具有革命性的可能不是預測市場本身，更重要的是，預測市場為更廣泛的分布式技術信息聚合機制鋪平了道路，這些機制可以應用于社區治理、傳感器網絡、金融等多個領域。過去一年已經驗證了這一概念，但我們必須認識到，預測市場并不總是最佳的信息聚合方法：即使對于全球“宏觀”事件，它們也可能不可靠；對于更多“微觀”問題，預測池可能太小而無法獲得有意義的信號。然而，研究人員和技術人員已經積累了幾十年的設計經驗，這些經驗涉及如何在不同的信息環境中激勵人們誠實分享他們所知的內容，比如數據定價和購買機制、用于收集主觀看法的“貝葉斯真理血清”等，許多這樣的框架已經在加密項目中得到應用。區塊鏈一直是實施這些機制的理想平臺——不僅因為它們的去中心化特性，還因為它們促進了開放、可審計的激勵機制。更重要的是，區塊鏈還能確保輸出結果的公開性，讓每個人都能實時解讀這些結果。
22.企業將越來越多地接受穩定幣支付穩定幣在過去一年中確實找到了市場契合點，這并不出人意料，因為它們是發送美元成本最低的方式，能夠實現快速的全球支付。穩定幣還為創業者提供了一個更容易接觸的平臺來構建新的支付產品：沒有中間商、最低余額要求或專有軟件開發工具包（SDK）的限制。然而，大型企業還沒有充分意識到通過轉向這些支付方式可以節省大量成本，并獲得新的利潤空間。盡管一些企業已經對穩定幣表現出興趣，并在點對點支付中開始早期采用，但到2025年會迎來更大規模的實驗浪潮。特別是那些擁有強大品牌、固定客戶群并面臨高昂支付成本的小型和中型企業，如餐館、咖啡店、便利店，將是首先從信用卡支付轉向穩定幣支付的先鋒。由于面對面交易無法享受信用卡欺詐保護，這些企業也是交易手續費影響最大的（比如每杯咖啡30美分的手續費，對于利潤來說是一個不小的損失）。同時，較大的企業也開始接受穩定幣支付。如果穩定幣真的能像推動銀行業發展那樣迅速發展，企業將嘗試去除支付服務提供商的中介角色，直接將2%的費用轉化為自己的利潤。企業還將開始尋求新的解決方案來應對目前由信用卡公司解決的問題，比如欺詐保護和身份驗證。
23.各國將探索政府債券上鏈將政府債券數字化并上鏈，可以創造出一種由政府背書、能產生利息的數字資產，這種做法可以避免中央銀行數字貨幣（CBDC）可能帶來的監控問題。這些產品可以釋放DeFi（去中心化金融）貸款和衍生品協議中抵押品使用的新需求來源，從而為這些生態系統增加更多的穩定性和可靠性。因此，隨著全球一些支持創新的政府深入探索公共、無需許可且不可撤銷的區塊鏈技術的優勢和效率，一些國家可能會嘗試發行數字化的政府債券。比如，英國已經通過金融監管機構FCA（金融行為監管局）的沙盒計劃，探索了數字證券的可能性；英國財政部也表示對發行數字禮物感興趣。在美國，鑒于證券交易委員會（SEC）計劃明年要求通過傳統、復雜且成本高昂的基礎設施來清算國債，預計會有更多關于區塊鏈如何提升債券交易透明度、效率和參與度的討論
24.我們將看到“DUNA”（去中心化非注冊非營利協會）作為美國區塊鏈網絡的新行業標準被廣泛采用2024年，美國懷俄明州通過一項新法律，正式承認去中心化自治組織（DAO）為法人實體。DUNA，即“去中心化非注冊非營利協會”，是為支持區塊鏈網絡的去中心化治理而特別設計的，也是目前美國國內項目唯一可行的組織形式。通過將DUNA納入去中心化法人實體結構，數字貨幣項目和其他去中心化社區能夠為他們的DAO賦予法律地位，這有助于促進更多的經濟活動，同時保護代幣持有者不受法律責任追究，并解決稅務和合規問題。DAO是管理開放區塊鏈網絡事務的社區，它們是確保網絡保持開放性、非歧視性以及公平分配價值的關鍵工具。DUNA能夠釋放DAO的潛力，許多項目已經開始實施這一結構。隨著美國準備在2025年推動其加密生態系統的快速發展，DUNA將成為美國項目的標配。我們還預計其他州也會采納類似的結構——畢竟，懷俄明州在采納現今廣泛使用的有限責任公司（LLC）結構上也是先行者……特別是隨著加密貨幣領域之外的去中心化應用（比如物理基礎設施、能源電網等）開始興起。
25.在線流動民主走向現實隨著人們對現有的治理和投票系統越來越不滿，現在正是利用技術手段來探索新型治理模式的好時機——這不僅包括線上治理，也包括現實世界的治理。我之前討論過DAO（去中心化自治組織）和其他去中心化社區如何幫助我們研究政治機構、行為以及快速發展的治理實驗。但如果我們將這些經驗應用到區塊鏈技術支撐的現實世界治理中，又會怎樣呢？我們或許可以開始使用區塊鏈技術來進行安全、私密的選舉投票，先從低風險的試點項目做起，以減少網絡安全和審計方面的擔憂。更重要的是，區塊鏈技術還將使我們能夠在地方層面嘗試“流動民主”——一種讓人們直接對問題進行投票，或將投票權委托給他人的機制。這個概念最早由《愛麗絲夢游仙境》的作者Lewis Carroll提出，他同時也是一位多產的投票系統研究者；然而，直到如今，這一理念的大規模應用還不切實際。但得益于最近的計算和連接技術的進步，以及區塊鏈技術的進展，這種新型的代議制民主變得可能。加密項目已經在實踐這一理念，并收集了大量關于這些系統工作原理的數據——這些經驗可以為地方政府和社區提供借鑒。
26.建設者將重復利用基礎設施，而不僅僅是重新發明過去一年中，許多團隊在區塊鏈技術領域重復造輪子，不斷開發定制的驗證機制、共識協議、執行引擎、編程語言和RPC API。雖然這些創新在特定功能上有所提升，但在更廣泛或更基礎的功能上往往不足。比如，為SNARK定制的編程語言可能在理論上能提高SNARK的效率，但實際上可能在編譯器優化、開發工具、在線教程、AI編程支持等方面不如通用編程語言，甚至可能導致SNARK的性能不如預期。到2025年，更多的團隊會利用他人的成果，更多地采用現成的區塊鏈基礎設施組件，從共識協議、現有的質押資本到證明系統。這樣做不僅能為開發者節省大量時間和精力，還能讓他們更專注于提升自己產品/服務的獨特價值。基礎設施終于可以用來構建適合主流市場的Web3產品和服務。就像其他行業一樣，這些產品和服務將由那些能夠成功管理復雜供應鏈的團隊來構建，而不是那些對任何非自家發明的東西不屑一顧的團隊。
27.加密公司將從最終用戶體驗開始，而不是讓基礎設施決定用戶體驗盡管區塊鏈技術基礎設施充滿趣味且種類繁多，但很多加密貨幣公司在選擇技術基礎時并沒有太多自由——實際上，他們選擇的技術基礎在很大程度上已經決定了他們的產品會給用戶帶來什么樣的體驗。這是因為技術層面的決策會直接影響到用戶使用區塊鏈產品和服務的感受。然而，行業正在改變這種狀況：技術不應該主導用戶體驗，而是用戶體驗應該引領技術的選擇。預計到2025年，更多的加密產品設計師會從他們期望的用戶體驗出發，然后選擇與之匹配的基礎設施。加密初創公司在找到產品市場契合點之前，不再需要過分糾結于特定的基礎設施決策——他們可以更專注于真正實現產品市場契合。我們將不再受限于特定的EIP、錢包供應商、意圖架構等，而是能夠將這些選擇整合為一個整體的、全棧的、即插即用的方案。行業已經準備好迎接這一變化：豐富的可編程區塊空間、日益成熟的開發者工具以及鏈抽象化開始讓更多人能夠在加密領域進行設計。大多數技術產品的最終用戶并不關心產品是用什么語言編寫的，未來在加密領域也將出現類似的現象。
28.“隱藏電線”將推動Web3的殺手級應用的出現區塊鏈技術的獨特優勢讓它顯得與眾不同，但這些技術特性也一直是阻礙它被廣泛采用的原因。對于創作者和粉絲來說，區塊鏈打開了連接、所有權和貨幣化的新世界，但行業內的專業術語（比如“NFT”、“zkRollups”等）和復雜的設計卻成了那些本可以從這些技術中獲益最多的人的門檻。在我與許多對Web3感興趣的媒體、音樂和時尚行業的高管交流中，這一點感受尤為深刻。許多消費技術的普及都經歷了這樣的過程：先是技術的出現，然后某個標志性的公司或設計師將復雜性簡化，推動了突破性應用的誕生。想想電子郵件最初的樣子——SMTP協議被隱藏在“發送”按鈕后面；或者信用卡，大多數用戶今天并不會去關心支付的具體通道。同樣，Spotify通過將歌曲播放列表送到我們指尖，徹底改變了音樂行業，而不是炫耀文件格式。正如Nassim Taleb所說：“過度工程化會導致脆弱性，簡單才具備擴展性。”到2025年，我們的行業將采納“隱藏電線”的理念。最優秀的去中心化應用已經開始專注于更直觀的界面設計，力求讓操作變得像使用觸摸屏或刷卡一樣簡單。2025年我們將看到更多公司采用簡潔的設計和清晰的溝通方式；成功的產品不會過多解釋技術細節，而是直接解決用戶的問題。
29.加密行業終將擁有了自己的應用商店和發現平臺當加密應用遭到App Store或谷歌Play等中心化應用商店的限制時，它們獲取用戶變得不易。但現在，一些新的應用商店和市場出現，它們提供了無門檻的分發和發現功能。例如，Worldcoin的World App市場不僅存儲身份驗證，還允許用戶訪問“迷你應用”，迅速為多個應用帶來了成千上萬的用戶。另一個例子是為Solana手機用戶提供的免手續費的dApp Store。這些新平臺展示了硬件——比如手機和球形設備——可能是加密應用商店的關鍵優勢，類似于蘋果設備早期對其應用生態系統的貢獻。同時，一些商店提供了成千上萬的去中心化應用和Web3開發者工具，覆蓋了流行的區塊鏈生態系統，如Alchemy；還有一些區塊鏈平臺，如Ronin，既是發行商也是分銷商，特別是在游戲領域。然而，并非所有加密產品都能順利轉型：如果一個產品已經有了現有的分發渠道（比如通過消息應用），將其遷移到鏈上會非常困難（Telegram/TON網絡是個例外）。不過，我們可能會在2025年看到更多這樣的轉型發生。
30.加密貨幣持有者成為加密貨幣用戶在2024年，加密貨幣在政治領域取得了顯著進展，一些關鍵的政策制定者和政治家開始公開表示支持。同時，我們也見證了它在金融領域的不斷發展，比如比特幣和以太坊的交易所交易產品（ETPs）讓更多投資者有機會接觸加密貨幣。展望2025年，加密貨幣有望進一步發展成為一場計算運動。但問題是，接下來的用戶增長將從何而來？現在是時候激發那些“被動”持有加密貨幣的人群，將他們轉變為更積極的用戶。畢竟，目前只有5-10%的加密貨幣持有者在積極使用這些資產。我們可以將已經擁有加密貨幣的6.17億人引導到鏈上交易，尤其是在區塊鏈基礎設施不斷進步、用戶交易費用降低的背景下，這意味著新的應用將開始服務于現有和新用戶。同時，我們也已經看到的早期應用——包括穩定幣、去中心化金融（DeFi）、NFTs、游戲、社交、去中心化物理基礎設施（DePIN）、去中心化自治組織（DAOs）和預測市場等——也開始變得更加易于主流用戶接受，因為社區更加注重用戶體驗和其他方面的改進。
31.各行業可能開始將“非常規”資產轉變為Token隨著加密技術基礎設施和新興技術的不斷發展，將資產轉化為Token的成本正在降低，這種做法有望在各行業得到廣泛應用。這不僅使得那些因為成本過高或價值認可不足而難以觸及的資產變得流動起來，更重要的是，它們將能夠參與到全球經濟中。AI引擎也可以將這些信息作為獨特的數據集進行處理。就像水力壓裂技術釋放了曾經無法開采的石油資源一樣，資產Token化有可能重新定義數字時代的收入模式。一些看似科幻的場景正在變得越來越現實：比如，個人可以將自己的生物識別數據Token化，并通過智能合約將這些信息出租給企業。我們已經看到了一些早期的例子，比如DeSci公司利用區塊鏈技術在醫療數據收集方面提高了所有權、透明度和同意機制。
雖然我們還不知道這種未來將如何展開，但這些進展將使人們能夠以去中心化的方式從以前未被利用的資產中獲益，而不再依賴于政府和中心化的中介機構來提供這些資源。
32.當監管法規變成代碼在銀行、保險和醫療行業，企業為了確保合規，投入了巨大的時間和資金。目前，銀行和保險行業的監管規定已經堆積如山，單是SBA貸款的文件就超過了1000頁。企業為了跟上這些法規的變化，不得不建立復雜的工作流程，并且投入大量時間和資源來雇傭和培訓員工。如果那些繁瑣的文件（涵蓋文本、圖像和判例）能夠用來訓練專門針對特定法規的大型語言模型，那么合規性檢查就能變得像在谷歌上搜索一樣便捷。你只需問：“[X]合規嗎？如果不符合，需要如何調整？”對于消費者來說，跟上法規變化的繁瑣過程也帶來了隱性成本。例如，每年約有150萬消費者未能按時償還抵押貸款，如果他們能夠與熟悉房利美（Fannie Mae）1000頁服務指南的專家交流，快速、準確地獲取如何修改貸款和尋求救濟的信息，那將會怎樣？AI Agent可以迅速學習并且具有無限的耐心，LLM能夠簡化這一傳統上復雜且容易出錯的過程。勞動密集型的合規工作正是新軟件發展的沃土。AI有能力使我們的系統更安全、更簡單、更高效，為消費者和公司帶來更大的好處。
33.拆除傳統的記錄系統AI正在推動企業買家重新審視他們的整個技術棧，Klarna今年早些時候決定用自開發的AI解決方案替換Salesforce和Workday。這只是冰山一角，，將會有越來越多的企業選擇放棄傳統的記錄系統，轉而采用那些具有更強大的動態更新能力的新解決方案，這樣的趨勢將不斷涌現。十多年來，記錄系統首次變得脆弱。與2010年代典型的軟件公司通過接入現有記錄系統來推動下游工作流程不同，如今，最有抱負的創始人正在重新構想這些核心系統。關系型數據庫將變得多模態：由于AI已經能夠執行工作（而不僅僅是促進工作），客戶將尋求“參與系統”——這些動態的、由AI驅動的工具將把人類“執行者”轉變為主要的“審核者”。參與系統不僅會存儲核心數據集（客戶詳情、訂單信息等），還將作為用戶完成工作的主要應用程序。這不會是快速或容易的過程，這些領域的現有企業擁有深厚的數據壁壘和大量資源，但我很興奮看到越來越多的創始人勇敢追求軟件領域的最大獎項。
34.差異化與持久防御力AI已成為差異化的終極驅動力，將軟件轉變為各行各業的勞動力。2024年，許多初創公司以解決“雜亂收件箱”問題作為切入點，將LLM應用于需要人類判斷的任務。預計到2025年，AI公司將把差異化轉化為持久的競爭優勢。成功的初創公司將專注于圍繞其產品構建護城河。競爭力依然依賴于幾個永恒的因素：隨著用戶增長而增強的網絡效應、使得產品難以替代的高轉換成本，以及產品本身的病毒性傳播降低客戶獲取成本。那些能夠成功的AI公司將不局限于單一的使用場景，而是擴展到相關的工作流程，并成為核心記錄系統的一部分。通過在某個特定問題上提供10倍甚至100倍效率的解決方案，實現差異化，為建立競爭壁壘提供了機會。然而，差異化并不等同于防御力，混淆這兩者的初創公司可能會被更有戰略眼光的競爭對手超越。
35.AI從數據收集到數據應用的進步目前，AI已經開始從電子郵件、電話、傳真等多個渠道提取那些被忽視或未被充分利用的數據。這些寶貴的數據通常被用來自動化那些重復性的行政工作，從而釋放人力資源，讓人們能夠專注于那些需要進行判斷的任務。接下來的進步將是AI不僅能收集這些數據，還能建議我們應該按照什么順序采取行動。這樣，AI就將成為用戶真正的操作系統。通過學習上下文數據（包括內部和外部的信號），下一代AI驅動的軟件可能會變成一個用戶可以“沉浸其中”的記錄系統。例如，銷售賬戶經理可以查看一個儀表板，這個儀表板會告訴他們應該在哪些客戶上投入時間（以及何時投入時間）并幫助他們起草跟進信息。同樣，AI也能基于從銀行對賬單和發票中提取的實時數據，為財務分析師提供構建預測的指導。短期內，人類工作者將作為審閱者；隨著信任的建立，未來許多數據驅動的行動可能會完全由AI來主導。
36.無機增長浪漫化AI技術正在逐漸滲透到保險、法律、房地產和IT等傳統服務行業，這些行業過去往往利潤較低且難以擴大規模。但現在，一些企業開始利用LLM（尤其是在涉及語音、電子郵件或消息傳遞的角色方面的自動化），將其轉變為高利潤、可擴展的商業模式。雖然有人預測這種轉變將開啟傳統私募股權的新時代，即大型企業收購并轉型資產，但AI驅動的、垂直特定服務的初創公司具有更大的發展潛力。通過結合AI和定制化的工作流自動化工具，這些公司能夠徹底改變傳統服務行業的運作方式。其中最成功的企業將會找到證明利潤切實提升的方法，這可能始于與小型現有企業的合作，隨后通過更強大的經濟實力和現金流去兼并更小的競爭者。這種經營模式在實際操作中并不容易，但如果能夠妥善執行，預計我們將會看到服務行業的運作方式發生變革。
37.AI原生UI和UX到2025年，AI原生的用戶界面（UI）和用戶體驗（UX）將成為下一代SaaS公司發展的基礎。過去幾年，我們主要集中于訓練先進的基礎模型和構建能夠在實際生產中運用這些模型的基礎設施。現在，我們已經達到了技術成熟的階段：公司已經明白AI能做什么，用戶也習慣了如何與AI模型互動，以及如何使用AI支持的非確定性界面。這為我們開啟了嘗試與軟件互動的新方式的大門，這些新方式是傳統的LLM軟件所無法實現的。未來的用戶界面將與傳統的SaaS工具有很大的不同，用戶不再僅僅通過輸入框手動輸入信息。聊天界面是第一個實驗性的界面，現在我們預計將會出現更多新的、創新的互動方式。在這個階段，AI Agent將能夠在工作流程中直接采取行動，用戶界面將被重新設計，以便人類可以進行審查或進行質量保證（QA）。
38.每個白領都將擁有一個AI Copilot到2025年將是AI“Copilot”的時代——最終，每個白領都會有一個AI助手，幫助他們擺脫日常工作中最繁瑣的部分，讓他們有更多時間投入到更有創意或更具戰略性的任務上。AI Agent能夠輕松接入任何現有的記錄系統，從多個來源收集數據，并利用這些數據來簡化重復性工作。比如，像11x這樣的虛擬銷售開發代表（SDR）可以在創建客戶關系管理系統（CRM）記錄之前，就收集所有相關的潛在客戶信息并進行初步接觸。
這對于初創公司來說是一個巨大的機遇，它們可以針對特定行業的繁瑣工作流程提供解決方案。數據也支持這一觀點：OpenAI和賓夕法尼亞大學的最新研究顯示，大約15%的美國工人的日常任務可以通過大型語言模型（LLM）顯著提高效率，而當結合使用基于LLM的軟硬件工具時，這一比例可以提高到47%至56%。這只是一個開始。在未來幾年，某些職位將幾乎完全由AI Agent自動化完成。
39.新一代皮克斯將誕生我們將見證新一代皮克斯式公司的誕生，它們會采用AI原生的敘事方式，打破電影和電子游戲之間的界限。傳統上，大多數電子游戲的開發依賴于預先設計好的資源，經過多年精心制作的確定性渲染。但現在，一種新的AI原生敘事格式——互動視頻——正在興起，它能夠實時生成整個游戲世界。這種方式不需要游戲引擎，也不需要預先構建的游戲資源。互動視頻完全由實時生成的神經網絡視頻幀構成，圖像生成模型根據玩家的操作來推斷出下一個游戲畫面。這種體驗是個性化且無界限的，它結合了電視/電影的易接近性和電子游戲的動態、玩家驅動的特點。圖像生成模型的技術在過去一年里取得了驚人的進步：我們見證了OpenAI、Luma Labs、Pika、Runway等公司推出的開創性視頻基礎模型。隨著研究的不斷深入，包括DeepMind和微軟團隊的加入，我們相信不久的將來，將會有一個新的標志性媒體公司出現，它通過互動視頻講述故事，成功地將電子游戲、電影和AI這三個領域融合在一起。
40.擁有自己內心世界的AI伴侶已經有數百萬用戶下載了AI伴侶，并每天與它們進行數小時的互動。但目前的AI伴侶體驗還有局限：這一代的AI伴侶是被動的，它們只會對你發起的對話做出回應。在你與它們互動之外，這些AI伴侶沒有自己的社交圈，也沒有自己的背景故事。換句話說，它們缺乏一個內心世界。下一代的AI伴侶將會變得更加吸引人和生動。它們將擁有自己的虛擬朋友圈，對新聞有自己的反應和情緒。它們將有自己的目標、任務和愿望，并愿意與你分享它們的想法。你與AI伴侶之間的關系將變得更加互動和雙向。AI伴侶的未來設計可以從視頻游戲中獲得很多靈感。就像在游戲中一樣，你與伴侶的對話應該有目的，并且由你的動機推動（就像游戲中的任務，不管你是否這樣稱呼它們）。AI伴侶應該提到其他角色，介紹它們的朋友，討論它們世界中的地方、話題和問題。有時，它們會主動給你發信息或打電話，進行深入的對話；其他時候，它們則只是對你的互動做出反應。當AI伴侶感覺自己生活在一個有意義的世界時，它們給人的感覺將越來越真實。
41.游戲技術推動的明日商業游戲歷來被視為娛樂的虛擬世界模擬，但現在，游戲技術正超越純粹的娛樂，成為改變企業運作方式的重要工具。長期以來，游戲技術一直是技術進步的推動力——從Nvidia的圖形技術到Unreal Engine的實時3D渲染——這些技術現在被用來解決商業領域的關鍵挑戰。例如，Applied Intuition這家公司就基于Unreal Engine，利用虛擬仿真技術來訓練和測試自動駕駛汽車。這一轉變得益于三股力量的推動：生成式AI大幅降低了虛擬內容的創作成本；先進的3D捕捉技術使得現實環境的數字化成為可能，也就是所謂的數字孿生；下一代XR設備讓沉浸式體驗變得實用，適用于各種工作環境。這種應用已經開始顯現：Anduril利用游戲引擎進行國防仿真；特斯拉創建虛擬世界以訓練自動駕駛系統；寶馬在其未來的抬頭顯示系統中融入增強現實技術；Matterport通過虛擬漫游徹底改變了房地產行業；Traverse3D幫助企業為員工提供虛擬互動式培訓。無論是通過虛擬環境訓練自動化系統，幫助消費者通過3D視覺進行購物，還是通過仿真技術擴大未來勞動力規模，到2025年，游戲技術將滲透到各行各業。
42.第二波“不露面”視頻創作者“不露面”視頻創作者是指那些不露真容的數字時代視頻制作者，他們不展示自己的面孔。這樣的視頻創作者有著多種形式：一種是完全隱藏面貌，只通過聲音來表達；另一種是通過角色形象或裝扮來遮掩身份；還有一種則是將自己的身份完全與虛擬形象綁定，比如虛擬主播（VTubers）。
對于有志于創作的人士來說，過去需要攝像機、音響和綠幕等設備才能制作的內容，現在可以通過AI軟件輕松實現。通過隱藏身份，創作者可以利用越來越多的AI工具，比如用非母語甚至是非本地方言的聲音來創作。比如，一個來自印度的創作者可以制作一部關于盧浮宮的法語口音視頻評論，他只需要一臺性能強大的筆記本電腦，就能錄制出堪比價值400美元播客麥克風的聲音效果。最終，觀眾會決定哪些內容值得關注。如果內容傳遞的信息有價值、有趣或者有深度，我們還會在意鏡頭后面是誰嗎？
43.“Google IT”的衰退搜索壟斷將在2025年走向終結。谷歌在美國搜索市場的份額高達約90%，但其壟斷地位正逐漸受到挑戰。美國近期的反壟斷裁決促使蘋果等手機制造商開始支持其他搜索引擎。這不僅僅是法律壓力下的結果，生成式AI技術也在對傳統搜索方式構成挑戰。ChatGPT每周活躍用戶超過2.5億，而回答引擎Perplexity的月增長率超過25%，它們正在改變搜索互動的方式。它們的查詢通常比傳統搜索長，平均約10個詞，是傳統搜索的3倍多，而且近一半的查詢會引發后續問題。Claude、Grok、Meta AI、Poe等聊天機器人也在瓜分搜索市場份額。60%的美國消費者在過去30天內使用過聊天機器人進行研究或購買決策。對于專業領域的需求，專業人士更傾向于使用特定領域的服務提供商，如Causaly（科學領域）、Consensus（學術研究）、Harvey（法律領域）和Hebbia（金融服務）。廣告和鏈接一直是谷歌的使命——組織全球信息，使其易于獲取和有用。但谷歌的搜索結果變得過于繁雜，用戶需要花費時間篩選。用戶更希望直接獲得答案和更深入的內容。盡管谷歌也能提供AI搜索結果，但這可能會影響其短期利潤。作為動詞的“Google”正面臨挑戰，新興的競爭正在加速這一變化。
44.銷售的黃金時代與其擔心生成式AI會取代銷售團隊，不如說它可能會引領銷售行業進入一個全新的黃金時期，并帶動銷售崗位的大幅增加。新一代的生成式AI技術將自動化大部分銷售流程中的行政任務，讓銷售團隊的效率和生產力得到顯著提升。這種技術不僅能減少每位客戶經理所需的輔助人員數量，縮短培訓周期，最關鍵的是，它讓銷售人員有更多時間投入到AI難以替代的工作中，即那些需要高度互動和咨詢式銷售的環節。銷售的核心在于幫助客戶了解如何評估和選購軟件。隨著生成式AI推動的開發者生產力的提升，市場上將涌現出大量新軟件，這就需要更多的銷售人員來協助買家理解這些軟件如何解決他們的問題。銷售人員的效率越高，上手越快，帶來的收益也就越大。只要新招聘的銷售人員的邊際生產率沒有遞減，企業很可能會競相增加銷售人員的數量。更高的生產力意味著更多的銷售人員，進而帶來更多的收入。想象一下，如果這些銷售人員都配備了AI教練、銷售開發代表（SDR）和銷售工程師，那么他們的效率和生產力將幾乎沒有上限。
45.超越GPT封裝工具2024年標志著多模態市場真正成為現實。到了2025年，AI原生應用將成為主流。那么，哪些AI應用能夠脫穎而出呢？許多企業客戶已經從盲目追求“AI”轉變為更加注重投資回報率（ROI）的評估。因此，這個領域最優秀的創業者們開始以應用AI工程師團隊的身份啟動項目，他們正在探索與AI模型互動的最佳實踐，以解決客戶面臨的實際問題。隨著多模態市場的成熟，成功的策略可能會涉及將多個大型模型與自我訓練的小型模型相結合，以優化客戶的用例、提升速度和降低成本。關鍵在于，這些應用需要盡可能多地獲取客戶數據（包括客戶的客戶數據），以便提供更豐富的上下文信息，使AI從通用型轉變為具有實際價值的解決方案。最終，那些成功的AI應用公司將不再是簡單的GPT封裝工具，而是真正的創新者和解決方案提供者。
46.超級數據中心：AI基礎設施的區域競賽在AI領域的競爭中，計算能力已成為國家基礎設施的關鍵部分。但并非所有國家都有能力參與這場競爭。要訓練和運行大規模AI模型，需要成千上萬個耗電的GPU，這不僅需要大量的能源，還需要足夠的空間來有效散熱，處理數百兆瓦的熱量。我將那些能夠自主開發、訓練和托管先進AI模型的地方稱為AI超級數據中心（Hypercenters）。在未來五到十年內，一個世界級的AI超級數據中心需要發展約三到六吉瓦的裝機容量，以保持在前沿AI領域的競爭力。雖然目前還沒有達到這種規模的數據中心，但包括美國、中國、日本、新加坡和沙特阿拉伯在內的多個國家，正在通過建設AI基礎設施來競相實現這一目標，每次建設的規模在100到150兆瓦之間。各國政府已經開始將AI計算基礎設施視為戰略性的國家資源，認為這對于保持AI開發的競爭優勢至關重要。在未來幾年，那些在計算能力、可持續能源供應和前瞻性政策方面進行投資的國家，將在全球科學和經濟發展的未來中扮演決定性角色。
47.小而強大：設備端AI在未來一年，小型設備上的AI模型將因其實際應用、經濟效益、實用性和隱私保護的優勢而變得更加流行。在智能手機和物聯網設備上進行即時數據處理和智能決策，將推動用戶行為的新趨勢，以及對實時、互動體驗的更高期待。這種變化將得益于基礎設施的不斷進步，比如TensorFlow Lite和PyTorch Edge等軟件框架的發展，以及Google Edge TPU等定制硬件的升級。雖然大型設備可能在收入上占據優勢，但在消費者和企業用戶的體驗上，小型設備將占據主導地位，并顯著提升其市場份額。
48.超越“推理”：AI在數學、物理和編程領域取得進步LLMs顯然不像人類思維那樣進行推理。蘋果公司最近的一篇論文表明，LLMs看似能推理，實際上只是通過簡單地模仿訓練數據來復制推理步驟。然而，最先進的模型在數學、物理和編程等“推理”任務中的表現正在進步。例如，LLMs能夠在國際數學奧林匹克比賽中達到金牌級別的表現。這一進展得益于模型訓練中的新技術（例如，基于推理軌跡的強化學習）和推理計算（也稱為“測試時計算”）。OpenAI的o1是首個在這些技術上取得突破的重大模型發布，取得了可喜的成果。其他AI團隊也在認真跟進這一工作，我對他們能夠取得的進展以及LLMs將實現的新能力充滿期待。
49.生成式AI無處不在AI將滲透到每個應用程序和每個設備中，它將不再僅僅運行在云端的大型服務器上，而是同樣運行在小型設備上。我們已經學會了如何訓練強大的小型LLM和圖像模型，這些模型可以在手機、筆記本電腦甚至家用電器上本地運行。你的文本編輯器將內置一個LLM，幫助你草擬郵件，你的相機應用可以重新生成你不喜歡的照片部分或者總結你視頻中發生的事情。所有這些都將在本地運行，從而提供快速又響應迅速的用戶體驗。
本文章轉載微信公眾號@Z Potentials
