主题：【原创】德国大众和工会达成协议 -- 假日归客

大众是欧洲第一大汽车公司，旗下又涵盖了从平民到超豪华的全应用场景。奔驰宝马在各自细分领域也仍然独占鳌头。这三家没有可能合并嘛。

今天算是美国的腊月29了罢，老板在群里发的最后一个消息不是拜年的话，而是发了一堆相关技术文档，敦促大家放假期间抓紧时间学习：

再看看公司日历从新年第一周开始，密密麻麻的那么多课程表，年前基本上已被抢注满：

为抢一个热门课程座位同事之间争得打破头：

同事之间聊天都是询问你注了啥课、如何抢课：

你道为啥美国打工人这么酷爱学习啊？

无他，但裁人尔。一年之内，相关部门悄无声息（你在美国公开的就业率新闻上只能看到一鳞片爪）的裁了XX%（大于一半，绝对人数超过X万），公司的股票却蹭蹭蹭涨了100%，成为花街热捧之一 ---- 你说作为打工人你还会缺乏学习的动力嘛？

这就是为什么美国在资本主义国家竞争中仍然能保持竞争力。

人这一辈子，要么主动顺着命运走，要么被命运推着走，无论如何都得走。

支持这个

就是一个问题，预留“冗余”

这个东西，说着简单，其实做也简单。

难在哪里呢？

就是生产专家（必须得是会干活的，不然都不知道，哪里留冗余),在设计阶段没有发言权。

“预量和预域”的优化不仅是算出来的，更是通过时间和精力“实践”出来的。

精益生产的本质原来是“零库存”和“零等候”，但是那需要整个系统的改造和改善，更需要不断地“坚持”和“磨合”，也缺不了无数次的“试错”。

而键盘侠的最大误区：就是把复杂问题简单化的同时，也把简单问题复杂化了。

我个人对人工智能的最大忧虑：就是它的发展，会助长一些“懒人”的这些倾向。

作为早期接触自动化和人工智能的老年人，我真正地希望自己是“杞人忧天”！

这个对冲就是，AI分析也能找出“南郭先生”。

客观上增大实干人才的话语权。

甚至会形成现实中，很难形成的天才团队。

不过真问题是，不愿意启动这套系统，（原因会很搞笑！)

其次是发现大伙都是南郭先生，全靠预录制的MP3播放机。

这不是我的话，而是公司一把手前几天的原话。他是去年习总来美国，能一起上桌子吃饭的之一。

公司是世界上一只手数得出来的靠AI话题实现市值超XXXXX亿美元的业内公司。也是给市场上最大的那些玩家提供AI芯片的公司。

有一位美国同事打了个比方：美国淘金热时，有多少人真正淘到了金子发了财不知道，但是卖淘金工具的公司都发了大财 ---- 单位就是给怀着AI淘金热的众多公司提供淘金工具的。

这里分享几点一把手的判断：

1、现在市场上有太多的公司的CTO们被CEO与董事会逼迫着，不得不拿出相当多的科研预算来搞AI----因而必然挤占了自身业务发展所应该的科研预算投入

2、而这些跟风开发出来的AI原型，真正能落地的极少，能赚钱变现的几乎没有

3、投入AI看上去，可以裁人，减少成本，但是考虑到硬件、软件投资、更新（并不是一次性的），数据采集成本、模型训练成本，尤其是培训具备AI相关知识的员工成本 ---- 加起来，现阶段并不比不用AI省成本

4、预计真正能在AI上咬牙持续投资下去（每家公司每年净投资须X百亿美元以上比如微软，坚持Y年），并能看到AI盈利的，全世界不超过5家

5、一把手曾问过世界上靠广告最赚钱的那家公司的一把手：你们花这么多钱搞AI，现在已经有了新的赚钱应用场景吗？对方老老实实回答：还没有，不过是更有针对性的向肚子饿了喜欢吃买麦当劳的人，投放定制麦当劳广告

6、水果的AI很落后（或者说，远远落后业内领先者）我公司作为苹果20年的供货商，知根知底

再分享一下我老婆公司的AI实际应用（她的硕士在国内中科院自动所模式识别实验室，博士在美国一只手数得着的图形图像实验室，毕业论文也是基于AI的医学应用）

她公司技术部门也跟风花了很大一笔钱，买了Google的AI产品，然后不停的敦促她的部门尝试。然而尝试项目下来，总结分析时，结论是如果不计算AI投资成本，仅仅能提高相关效率10%，而且不能应用到关键、敏感、核心领域 ---- 必须靠业内专家去人工把关。

我在美国的导师，也是人计算机视觉/工智能领域的专家，他最大的成就不止是那么多学术头衔，而是靠自己的技术办了两家公司而且都在美国上市。他多年前写了一篇文章批评他从事了30年的研究领域的一个风气：总是试图拿着理论的东西当锤子，去解决所有实际问题，而不愿意花真功夫去深入研究特定具体场景的复杂性（比如实验台的光照随时间变化等），结果导致多年来鲜有实际应用的成功案例。

老河友既然是自动化和人工智能领域的老人，肯定明白我导师指的是什么倾向 ----““预量和预域”的优化不仅是算出来的，更是通过时间和精力“实践”出来的”。这个问题，这种“复杂问题简单化，简单问题复杂化”的倾向，现在AI过热中，依然存在。

AI肯定是大有前途的，前提还是老老实实的一步一步走，一个一个具体场景的实践/打磨/优化，不要总想着既然“风”起来了，是头猪明天也能飞起来，还早呢。

如果我没理解错的话这里的仿真落地指的是digital twin。

仿真落地需要大量的开发工时和资金投入，好处是可以在前期设计阶段模拟并找出产线(这里我指工业生产线)系统设计的缺陷和对产线进行设计优化，后期在产线调试阶段可以节省调试工时.

全世界的通病就是，能拍板的不懂技术，懂技术的没有话语权。当然只懂技术也有自己的局限性，有时候兼顾不到企业真实的需求，预算和工期要求。要是又懂技术又懂企业管理，那就很牛。迄今为止我只碰到过一个，他是个富二代 (他父亲以前当中介往中东贩卖坦克发的家)也是个一级方程式车手(上报纸的那种级别), 又很懂技术，自己是公司老板，靠父亲的资助和人脉年轻时投资汽车相关生产线一步步起的家，产品主要主要供加拿大 M家， 他家和 M家几代人关系不错，10年前我做项目经理生产线交付仪式时 M家的二代从加拿大飞过来参加仪式。

春运的主体，我理解，三大块：高校学生、在城市定居的人回老家探望父母、农民工返乡。这里面，前两者在现代社会是完全正常的，而农民工大规模返乡则是不正常的。

其实，“农民工”这个词本身就不正常：到底是农民还是工人？本来，到哪里工作，就在哪里安家，就不会有大规模的农民工。但是城市户口的限制，导致大批农民只能临时性地进城工作，不可能落地生根。所以，他们只能以农民的身份临时性地参与工业，居无定所，工无定职，为城市的建设贡献之后，还要作为低素质人口被驱赶。

在国内，仿真更多指的是设计阶段的仿真，数字孪生通常指的是实时生产状态，通常还要加上3D建模才好意思说是数字孪生。

以我上贴提到的大厂为例，他们做的数字孪生，实际上是厂房产线做了3D建模，实时显示各种数据，包括能耗的，产能的，人的，车的等等。插一句，这套系统放在他们的总部展厅演示，非常好看，他们的展厅，是我见过最漂亮的。

同样这家厂，仿真又是另一回事，他们的产品都是根据项目定制的，在设计阶段，他们就有一套系统进行仿真，用了很复杂的数学计算，务必使能耗，效果，成本做到一个最佳的平衡。我个人认为，这套仿真系统是他们的核心竞争力之一，主导的负责人是一位拿国务院津贴的专家。

仿真系统他们投入多少我不知道，但是3D建模就花了好几百万，后来我想把数字孪生的概念介绍给另一个厂，他们一听这个费用，就连连摇头，太贵了，他们只要实时数据，是否漂亮无所谓，让他们花十几万做个简单的3D模型都不愿意。

后来我想，数字孪生是不是需要重新定义一下？虽然长得不像双胞胎，只要有实时的数据都算是孪生了，毕竟基因给复制了。。。。😏😏😏

毕竟他们接手的牌太烂，能让百姓温饱就是极其伟大的成就。他们当然都犯了错误，这个无需讳言，也无法掩藏。但更重要的是，后人应该走新路了，不要总是幻想那套办法可能成功。

今年字节nvidia计算卡的第二大买家（怎么买到的我挺好奇）。

在这个领域又一次实践了，美国起个头，中国大规模推开挣钱。

美国使用场景太少，费用太贵导致根本铺不开。OPENAI，Google，facebook 都赚不到中国市场的大钱。微软能通过阉割版copilot，赚点小钱钱。

欧洲鸟还没打下来就在那监管各种烹饪和餐桌礼仪。

只有中国是当年的美国大西部，撒了欢的跑。从政府到企业，从消费到制造百无禁忌，都在应用。而且“便宜”，便宜用得起才是硬道理。

最近字节以火山引擎的名义最近大规模杀入云市场，主打大众AI，推豆包和扣子，每token费用直接比先有市场价格降85%。

国内的商用大模型使用本来都很多了，基本IT巨头每家一个，以前还在幕后，使用者用着也不知道。

豆包和扣子的大规模推广，标志着国内AI开始进入全民普惠时代，不需要太多专业知识，就可以基于AI 智能体（agent）开发行业小应用。

如果直接tiktok能大难不死，豆包扣子卷到国外只是早晚的事。

失败者联盟

deepseek，千问，智谱，kimi，豆包都是原创都做的很好，智谱glm4-flash，小并发下，api免费，正经提供了大模型平权。

每隔多少个月，相同尺寸的模型，性能提升一倍，比方说llama 3.3的70B基本上提供了之前llama3.1 405B的性能。