車品覺

上周跟學生上課，有同學問：「人工智能（AI）能力不斷提升，有哪些工作必須由人來做？」我給了3則回應。在回來路上想了又想，覺得這3點值得分享。 我不假思索的第一則，也是我最確定的。2026年截至8月，全球科技業因AI相關因素已裁員超過12.6萬人，超過去年總和。亞馬遜（Amazon）在1月裁了1.6萬人，行政總裁直接把原因指向AI代理的部署。AI似乎正在全面替代人工，但仔細觀察數據，被替代的是誰？是客服、資料輸入員、基礎程式員和財務分析的初階崗位。 Klarna的案例更值得探究。這間瑞典金融科技公司曾經高調宣布，AI客服代替了700名人類客服的工作量。一年半後，他們卻悄悄開始重新招聘人類客服，因客戶對於解答複雜問題的滿意度下降了，而高端客戶根本不願意跟機器溝通，CEO不得不承認「過度倚重了AI」。 AI可以回覆郵件，但無法建立信任。信任是源於持續互動、情感與記憶累積出來的，絕非「效率」能夠衡量。關係的本質不是訊息交換，是彼此在場，你願意在關鍵時刻多付出一些，這些都是人類的行為與情感，恰恰與追求效率的邏輯背道而馳。 第二：人必須去填補AI的盲點。許多AI的盲點是結構性的，它的訓練數據...

上周，網絡安全與雲端資訊安全公司CrowdStrike公布業績後股價急漲11%，這可以作為引子，但真正值得關注的不只是股價波動，而是其業務成長背後的深層邏輯。傳統安全體系始終建立在一個核心假設之上：攻擊者是「人」。無論是防火牆、終端防護還是身份驗證機制，其設計理念皆圍繞「特定人類用戶應執行何㮔特定操作」。 當遇上猛烈網絡攻擊，本質上仍是「人類利用工具攻破系統」的模式。然而，AI智能體（又稱AI代理，AI Agent）的崛起，徹底顛覆了這一假設。它作為自主實體，能夠自行持有憑證、調用工具並權衡決策，使威脅演變為「系統對抗系統」，是資訊安全行業數十年來最具顛覆性的結構性轉變。過去我們防範的是「具有意圖、會疲勞、會犯錯」的對手；如今面對的則是「不論有沒有惡意，但可能會失控、行動迅捷得令人類難以攔截」的新型實體。 這不是假設，而是已發生的事實，若仍停留在「未來可能出事」的推測，那便是對當前形勢的嚴重誤判。近期此類新聞頻頻見報，Claude、Codex、Hermes等系統被發現在企業內聯網部署了未經嚴格管控的代碼。這些事件暴露出的共通點令人警醒：它們大多並非直接遭受黑客攻擊，而是「自主行為...

大部分領先智能公司在建立數據體系時，信奉一條鐵律：數據是生產要素，誰的數據多、誰的數據好，誰的模型就強。 直到2024年圖靈獎得主、強化學習之父理查德．薩頓（Richard Sutton），在播客裏澆下一盆冷水：合成數據是「一個重大的錯誤」，而當前的大型語言模型，可能只完成了完整智能的四分之一。 這句話值得認真對待，不是因為說話的人掛着圖靈獎，而是因為它戳中了看着這個行業長大30年的我，心裏一直隱隱不安，我們以為在加速，其實一直在原地打轉。 大模型能力的提升，靠的是一條公式：更多參數+更多數據=更強模型。但互聯網上的公開優質文本正在枯竭，於是各間實驗室想出一個「聰明」的辦法，讓AI自己生成數據來「餵」AI，這就是合成數據。 薩頓用他多年研究的「大世界假說」（Big World Hypothesis），戳穿了它：真實世界無限複雜，複雜程度遠超任何智能體，也遠超任何模擬器。任何由有限規則拼出來的合成世界，相對於真實世界都微不足道。這像說：你在一個自己框死的小水池裏養魚，養得再多，也只是那幾條在轉圈。自動駕駛在仿真場景裏跑完百億公里，一上真實道路，碰到雨雪、突發路況照樣失靈。更關鍵的是...