近來百度搜索全面AI化，作為核心業務，內部稱大搜，確如百度AIDay上所稱，為十年來最大變化。

然而眾所周知，搜索的關鍵字零散，隱約指向用戶的問題，而AI預期的Agent模式，能夠輔助執行完整的任務，差距不可以道里計，大約不會受制于搜索框。盡管此次改版擴框，支持長文本和多模態輸入，恐怕仍不夠激進，是一種過渡狀態。

同期百度文庫網盤業務發力，虎嗅商業消費組做了采訪，《百度暗藏一支1200人的勁旅》，這標題略抽象，仿佛在說司馬懿圖謀造反。文庫的野望是做“一站式AI創作平臺”，已經開發內容操作系統和系列創作工具。

或許后者更具想象空間。當下號稱自媒體UGC(用戶生成內容)，仍遵循媒體邏輯，將用戶區分為受眾和作者，這是因為內容制作仍有一定門檻，而字節始作俑的算法分發模式，讓流量變現閉環。內容生產沒有質量，也有數量。若能更進一步，完全消除門檻，且創新分享方式，突出內容本身的邏輯，超越流量，那不啻于一場內容革命。

AI的序幕剛剛拉開，判斷具體業務成敗還為時過早，不妨先回顧產業史，確認真問題。互聯網連接萬物，連接的對象和方式，可分為信息，人與商品(服務)三類，要滿足用戶簡單的需求，供給端并不簡單，構成紛繁的生態，即對應BAT三頭，硅谷FANG大同小異。

自產業開辟，生態經歷若干輪變革。大套娃管住小套娃，不限于巨頭，創業，就業，對變化的把握，回應關系重大。一個人的命運，當然要靠自己奮斗，也要考慮歷史的進程。百度一度沉寂，戰略為坊間議論，也可以放在這個框架下理解。

01 算法的大他者

最初門戶時代以信息為主，社交和電商已經開張，還很弱小，不成為生態。商業模式也以廣告為主。相比門戶主頁平鋪，由海量編輯人工生成，以“標題黨”著稱。

搜索引擎按關鍵字排序，賦予全網信息一個結構，從而接管信息生態。按關鍵字匹配廣告也更精準，圈占可能最肥的一塊油水。同時社交和電商壯大，找到商業模式，于是進入BAT時代。

那時就有個人站，站長同時懂內容和技術，還要搞定域名啥的，堪稱六邊形戰士。2005年新浪博客上線，人人都能零幀起手，說起來UGC(用戶生產內容)這條賽道還是門戶開啟的。當初起高樓何其熱鬧，已于2023年悄無聲息地關閉，也成了時代的一粒灰。

微博2009年上線，顧名思義短小的博客，對其定位兩個平行，高配低配的產品。結果盡管新浪同時掌握了內容和渠道，卻錯過市場機遇，沒能結合，搞撒尿牛丸。有點像硅谷歷史上的施樂帕樂阿托中心。

微博不加思索地沿襲推特的140字限制，超出只能掛外部生成的長圖文，站方聽之任之，重點推名人大V，“我是薛蠻 子，我有987萬粉絲，讓我進去。”全都是浮云……還是受限于門戶的媒體思維。微博如今也能多發字數，發文章，然而為時已晚。

企業官方定義，“基于數據挖掘的推薦引擎產品”。挖掘的是用戶行為數據，實際是一個關于人的觀賞(惡)趣味的引擎，打開App刷第一個內容，算法就開始標注，根據標簽推薦。

刷得越多，標注越細密。交叉多(人)對多(標簽)。理論上可以無限細分，機器的能力沒有上限，如同古人用正多邊形趨近求圓面積，然而人不等于諸多標簽(現象)疊加，后面存在一個整體意識統攝所有，哲學上叫主體性。且隨著時間流逝，人性是會變的。

我們無意探討這一終極命題，已經爭議幾千年，實操并不會無限細分，通過專一高強度投喂，受眾心智會不自覺向標簽滑動，雙向奔赴，反過來驗證標簽，實現閉環。“喂用戶吃矢，用戶吃了，說明用戶愛吃矢。”

費錢費力開發這套系統，當然不是為探索人性的邊界，而是發售廣告，在用戶畫像的顆粒度和營銷的規模經濟之間平衡，也不會無限細分。這就跟傳統媒體的模式一模一樣，只是技術上從狂轟濫炸到精確制導的飛躍。

如果說受眾還是不自覺被規訓，作者則自覺配合標簽生產，有時還會分擔標注工作。賣的人設并非本人，鼓吹“做自己”也是濫大街的標簽。所以生產也是傳統模式，可以看作一個擁有成千上萬頻道的電視臺，或者用機器替代新浪的海量編輯。

雙方實際不構成供需，關注實際無關，各自勾兌算法。站方就像地產中介或村里的媒婆，兩頭忽悠，最大化商業模式。將兩邊的人都分解為標簽，標簽同質化，作匹配，積少成多，由此創造了流量。

流量為王，于是這個時代所有人都不免被流量裹挾，作者追求10萬+，五分鐘熱度，黑紅也是紅，官媒也拙劣地模仿……來歷不明的勢力買量，制造影響，普通觀眾則淪為數字，信息過載，被迫接收大量做作，沒有營養的內容。

將人降級為信息，就不是社交是媒體。而作為一種信息生態，盡管搜索結果也為SEO(搜索引擎優化)污染，永遠博弈，還是能對人們尋求未知有所幫助，而算法分發強化成見，在使用價值，以及社會評價上都稍遜于搜索。

算法分發商業上取得巨大成功，曾經以為BAT格局已定，字節異軍突起，給人印象深刻，騰訊相關業務負責人打急了，說過頭話，百度專門成立“打頭辦”(內容生態市場部)，兩家都和字節高強度訴訟，抖音后來還能帶貨，也即一打三，等等，然而拋開數字，把握定性，并未能侵入三頭的原生生態，構成替代，僅僅威脅到衍生的內容和直播。

在這個意義，BAT的霸權仍然成立，如同IT古典時代，“無法和IBM競爭，只能和IBM的一部分競爭。”百度沉寂多年，市值掉落攜程，市盈率破十，不改變當下搜索還是最高的信息生態。

盡管三頭的護城河都在，受沖擊的程度因人而異，小馬過河。騰訊更適合作為公關戰的目標，然而社交主生態的商業模式不等于信息子生態。在門戶時代QQ不被看好，就因為社交不兼容廣告，后來與游戲結合，算法的沖擊對騰訊只是變起肘腋，而搜索依賴廣告，對百度就是心腹大患。信息模式不構成替代，商業模式卻是零和。

游戲的風評也不高，算法分發的問題還要嚴重一些，前者更多是觀念的慣性，用互聯網搞社會對立卻是個新發明。給人貼標簽，且標簽之間割裂，自然不能像完整的人格那樣內部折衷，按這種模式內在的邏輯，必然上強度，標簽極化，用粉圈術語叫提純結晶，以轉化購買沖動，廉價的情緒比知識更容易制造，劣幣驅逐良幣。

這并非平臺單方面的陽謀，算法分發與下沉市場同步，作者營業配合標簽，下沉市場受眾則在社會學層面擁抱標簽，普大喜奔，如戶晨風“蘋果人生”“安卓人生”，傳統“面子”是由人肉網絡維持的評價。精英也不能免俗，只是追捧的更精致優雅，如山姆會員店，各有各典，求仁得仁。

張小龍干了一輩子程序員，有精神追求(潔癖)，多半想不到這層，咪蒙第一個天才地把握到其中潛力，并付諸實踐(及以下均為比喻，今日頭條與微信公眾平臺于2012年8月幾乎同時上線，咪蒙則遲至2015年才走上人生巔峰)。

奈何咪老師和她月薪五萬的小助理，全是廢物文科生，還停留在手工業時代。咪老師風光了幾年被封，團隊開枝散葉，有絲分裂，手速再快，終究比不過另一批理科生開動流水線生產，一個咪蒙倒下去，千萬個咪蒙站起來。

這是最大的外部性，遠遠超過制造垃圾信息。如今美國的黨爭已接近明末的水平，就在寫這篇文章時，MAGA青年領袖查理·柯克在集會上遭槍殺。國內倒不至于，也不可小覷。種種對抗性議題固然有社會成因，被技術急劇放大，亦難辭其咎。

這不是簡單的企業價值觀，社會責任問題，不想負自有不可抗力制裁。各內容平臺均設立自查，然而主要針對明確違法違公序良俗，軟性的輿論導向，系商業模式派生，用學術黑話是結構性的，現有措施治標不治本，揚湯止沸。作者最終是平臺不可控的，殺君馬者道旁兒，而平臺最終不能以作者的個人行為推脫免責。

微博已經歷幾輪整改，前(翻)車之鑒，從蠻荒時代走過來，屏幕底下沒有新鮮事。大V膨脹了，飄了，以為天兄附體，最終公開處刑，身(賬號)死名滅。此時此刻恰如彼時彼刻。

紅書也是個性推薦，然而刻意與抖音錯位，信奉“自然生長”，漸進滲透圈層，且女生多，養成大不一樣的調性，或為模式演化的更高形態。也隱約可見張力，在紅書，既能找到大量有信息密度的內容，特別是完整可執行的方案，對搜索引擎構成真正的替代，也有豐富的小布爾喬亞景觀，以及打拳。近來也暴露增長焦慮，參考君澤《小紅書的“趙露思悖論”》。

如果一切可以重來，百度身在業內，應該很早接觸到算法分發的概念，有過短暫的時間窗口，假使抓住機會，順利搶占賽道，那不過是將兩個信息生態的沖突內部化，也要承載隨之而來的所有業力，如同當年的醫藥廣告。

02 我還有機會嗎

算法模式統治行業已久，成為事實的標準，甚至塑造了從業者的信念，如同曾經BAT的霸權。然而當初有過別的可能。

2000年代中，曾泛起一陣思想波瀾(夠不上浪潮)，也是財經出版最后的黃金時代，光陰似箭，一晃已經二十年。當時仍以引進概念為主，我游戲文字，選取最熱的四個，拼湊為“藍長平二”，《藍海戰略》和《世界是平的》如今看就是笑話，圖樣圖那義務，而web2.0和長尾理論，長尾其實也是2.0的一種現象，仍然有生命力。

Web 2.0概念源自2004年技術出版機構O'Reilly和Media Live International頭腦風暴，作為對2001年納斯達克互聯網泡沫破滅的總結。2.0由用戶而非網站雇員生成內容，那么早有這樣的認知，可謂遠見。然而先驅們未曾料到算法分發的出現。硅谷真正的思想輸出也就到此為止。

中國同行經歷同一個周期，開始與硅谷分化，出現一些本土的創新。因而那一波概念也與以往有所不同，嘗試作本土化闡述。當時BAT尚未與門戶交接，QQ和淘寶(c2c)也可以說驗證2.0，然而業界心目中最貼合的是豆瓣。

承認對豆瓣有個人偏好，如蔣勛說：“我向你介紹的巴黎，一定不是客觀的，因為我二十五歲時在巴黎讀書，我介紹的巴黎，其實是我的二十五歲。”豆瓣正是我的青春，巴黎的一部分。已是昨日黃花，后來更被1450攻陷。我又在業界混了這么久，閱網無數，豆瓣的模式仍未被超越。

2010年3月美團成立，4月小米成立，標志移動互聯網啟動。手機系于人身，體現2.0精神，盡管概念的熱度已經過去。業界很快掀起一股社交熱，打車軟件，支付寶，都要加點社交的花頭，影響正業，被網友怒斥。

騰訊更成為王中王，眾矢之的，2010年7月《計算機世界》刊發封面《“狗日的”騰訊》，11月爆發“3Q大戰”。轉過年2011年1月微信上線，從陌生人社交躍遷熟人社交，圈層從年輕人為主擴展全民。三頭中第一個完成移動互聯網升級。

移動最初對電商呈中性，關鍵節點支付，物流等，均在終端以外，直觀的不便線上貨架展示，也是手機用戶界面共通的問題，這不難解決。正逢阿里2014年9月紐交所上市，在移動互聯網開局是一個資本故事，收購了我當時任職的UC瀏覽器。

之后逐漸滲透，用戶在行動中觸發消費場景，呈點狀，不顛覆全局，同期本地服務興起，要求線上線下閉環。繼泛社交，又引發泛場景運動，從逐點爭奪，到近期追蹤消費者的即時零售，電商繼終端的躍遷，在業務上又經歷一場由靜至動的轉變。繼騰訊自我革命的新產品新生態，阿里通過一系列改良，積跬步以至千里，也完成移動升級。

然而迄今未觸動信息生態。如上所述，算法分發的內容雖由用戶生成，實為站方操縱，且配合強運營，是偽裝成web2.0的1.0，生態并非直線進化，亦有退化，只是觸動信息的蛋糕。

另一重大的退化緣起底層的終端，傳導到生態，在未建設新生態之前，先破壞舊生態。從人們有智機手機的想法，想到并不難，到各種笨拙的觸控筆，長期局限一隅(專業PDA)。除了通信與IT的行業壁壘，用戶界面始終是大阻礙。喬布斯發揚蘋果的圖形界面，解放筆觸，打開新世界的大門。

然而為此放棄超文本語言HTML，搜索引擎正是建立在超文本上，廣闊無垠的大陸，而采用App模式，將信息分隔在眾多孤島。所以盡管進入移動互聯網很長時間，搜索仍能貢獻巨大的現金流，基于這一明確的預期，資本市場并不買賬。

在App框架內順勢或補救，巨島化，向頭部App集中，終究不成大陸，更加深巨島之間的鴻溝，站內搜索取代廣域搜索。算法分發也有賴App割據，站方得以全面控制用戶，盡管身處同一環境，如今殘存的PC網頁也瘋狂推送，只要用戶能像HTML一樣方便地橫向逃逸，就能抵消縱向的控制。總之App模式一系列連鎖反應，都對百度有減損而無加成。

然而回過頭看，這一路徑并非必然。再稍微等幾年，硬件性能就有巨大的飛升，支持HTML或其它連通的模式，那百度也可以繼續坐地收錢。當然我們不能苛求古人，無損喬布斯的英名。

說到這，百度為什么不自己做一款系統？移動操作系統。當拙劣的先行者，不怕世人恥笑，憑中國市場的“洼地優勢”，調動政策，山寨機等一切資源，先圈地自萌，徐圖進取。

本地服務雖卷出天際，取線性增長，多少能搶些份額，糯米最后就賣掉，又是一條穩妥的路，操作系統取指數增長，贏者通吃，ios和安卓已分庭抗禮，能否構成實質的第三個選擇，或比200億更多的血本無歸，是一條兇險，少有人走的路，然而比本地服務，甚至算法分發，更具戰略意義。至少延展舊的商業模式邊界，至少為行業，國家趟路。

猶記百度最初的定位，向新浪等巨頭提供站內搜索服務，然而隨著納市崩盤，需求萎縮，被迫轉型toc，意味著在中文語境與谷歌正面競爭，谷歌當時也創業不久，已于2000年成為雅虎的搜索供應商。兩個戰略落差何其之大。無疑是艱難的決定，百度邁出這一步，成就后來的霸業。

自研系統只是個頭腦風暴，風險極大，不足為憑，然而綜合百度歷年的經營，投資策略，可謂保守，或者說在這樣的環境，三頭各有各的保守。

總之移動互聯網雨露不均，信息生態始終未起勢，不進反退，百度求其次，追逐自己不擅長的風口，屢戰屢敗也可以理解。這些年投的戰略項目，本地服務為異質生態，與電商更親和，在最近京東美團阿里亂戰中混同，YY給予百度的想象空間很大，語音構成視覺(搜索框)外又一輸入方式，然而落地縹渺，且和支撐估值的直播不搭噶。收購本身一波三折，延宕四年，連現值也耗盡。

俱往矣，AI來了。與移動互聯網的關系不像社交和場景那樣緊密，長期平行發展，當下的焦點通用大模型，主要在B端，數據中心。然而其前程無疑在c端，即移動端，不可限量。普及個人信息助理，群眾知識平權，將是比PC更偉大的革命。

AI面向信息，這是百度同調，等待已久的機會。BAT三頭當初登頂的時間略有先后，可以歸入同一浪潮，而移動互聯網對三大生態的改造相距甚遠，形態各異。用學術黑話叫共時性與歷時性。App的bug也有望由AI在更高維解決，而不必返回去修正用戶界面。

03 講一點唯物主義

百度布局AI很早，2013年即成立深度學習研究院，甚至在2009年的框計算概念中可見雛形，2017年明確AI為公司戰略，2012年還曾參與“AI教父”杰弗里·辛頓及學生發起的競拍(辛頓最終選擇加入谷歌，23年離開)，是為業界一段佳話，不可謂不重視。然而在近期百模大戰中表現并不突出，又引來自媒體一輪群嘲，起個大早趕個晚集。

下判斷還為時過早，整體發展路線存疑的話，短暫的先后并不能決定，說明什么。硅谷帶頭，采取一條堆砌算力(顯卡)，也即資本密集路線，英偉達的市值直沖上4萬億。2025年初deepseek給了當頭一棒，結合創新的架構和算法，明智地開源，用軟件挖潛硬件，將API定價腳踝斬。

算力成本控制引起行業的重視，參考公眾號直面AI文章《OpenAI的命門，決定了大模型公司的未來》，GPT-5新增的路由routing功能，在推理和非推理模型之間分配算力。效果顯著(？)，引起新一輪擴張，又抬高甲骨文的股價。OpenAI還計劃在印度建設1Gw以上的數據中心。

瘋狂擴張算力，以及在deepseek之前閉源，全押在規模法則Scaling Law上，技術屬性上是新生事物，然而轉換到商業策略，并無新意。是著名的信息經濟三定律：摩爾定律，吉爾德定律與邁特卡夫定律，在AI領域的延伸。貫穿產業史，塑造行業的方方面面，從發展到競爭態勢，乃至創業，從業的人性。

1990年代郭士納從外行入主IBM不久，就意識到這種特異性：傳統行業線性增長，競爭將止于若干寡頭，而IT業指數增長，競爭不到贏者通吃，輸者清零，不會罷休。這一幕從IBM的大型機，到Wintel于PC，再到FANG，BAT于互聯網，反復上演，本土業界在PC時代打下手喝湯，在互聯網時代吃好了，自然對這一波趨之若鶩。

我們無從預測Scaling Law的極限，相比技術迷霧，用戶較直觀。在三定律中摩爾定律最接近，主要描述技術，供給函數，要完整理解摩爾定律，技術潛力不會自動成為現實，實際驅動增長的是PC用戶的算力稀缺，饑渴。后來所謂摩爾定律失效，技術上還是可以努力一下，然而存量算力對絕大多數人已經夠用。

邁特卡夫定律就兼顧供給和需求，網絡的價值與節點(用戶)數的平方成正比。用戶而非技術自我驅動，互相分享推薦，滾雪球般導入市場，讓廠商白嫖，效果卻比花錢打廣告好。也是與傳統行業特異之處。統一的價值遠大于分立，也是用戶最終裁決贏者通吃。這正是AI面臨的問題，Scaling Law即使繼續有效，能夠在多大程度上，或者什么層次，轉化邁特卡夫定律。

已堆砌這么多，AI在c端仍形同電子寵物。長文本和多模態具有全網通約性，之前搜索主要處理短文本，多模態是短板，這塊收益預期明確，且很快落袋。然而再之后，當進入專業領域，就只有局部通約，小規模指數增長，廣域主要是線性加成，且各部分進度不均。

不同于App是人為割據，尚能由政策強力調解，知識的壁壘要深刻地多，正是知識累積的結果，現代性學術分科，或者更抽象，個體的有限性，存在主義的困境。

在PC古典時代，軟硬件處在較低水平，通約性是最大的。技術增長簡單粗暴，行之有效，攢機幾大件，千言萬語化作一組指標，每一分錢能精確換算。當朋友都在用QQ，微信，你不可能抗拒。正因為后續發展，彌高彌堅，AI解放生產力，用戶互動，是間接，漸進的，效果是模糊的。

分化并非自現在而始，算法分發已經在構筑繭房。不要被概念蒙蔽，人工智能聽起來高大上，和大數據(算法)，云(網絡)計算，或者還加上元宇宙，其實是同一事物的不同位面，形態，不同時期命名不同，代表特定廠商的賣點。“創新就是把睡了兩個月的床單掀起來抖抖，翻個面接著睡……”

然而專業化已是后話，就目前訓練語料的情況，知識持續進步，專業化，恐是奢望。我們不能詳盡各家的數據來源，顯然以在線公開數據為主，免費也容易扒取，數量龐大，質量普遍不高。這也是IT業的老生常談，傳統ERP廠商：“輸入垃圾，輸出的只能是垃圾。”公開免費的還有學術文獻，這又太高太硬。

一般所說的信息質量，是微觀概念，知識之間的聯系，同樣適用邁特卡夫定律，學術文獻就是高度結構化的信息，與互聯網信息呈截然的反差。早期發布內容極零散，搜索賦予一個結構，不是單純反映，也在揀選，推動信息進化。然而仍是一個扁平的結構。也造成逆反選擇，大量信息被SEO污染，如今AI也或出于幻覺，或用戶蓄意偽造信息。業界在反芻自己的嘔吐物，拉出的屎山。

如果AI主要處理文本，處理主要運用統計，根據上下文，大概率出現哪個Token，那很難說進入知識的層次。AI還遠不能“獨立思考”，其實在整合人類的輸出，比搜索高出有限，大可不必擔憂。輸入低結構化信息，又不能自己創造結構，自然無法循序漸進。

就宏觀的質量，線上數據根本是缺失的。知識指導實踐，實踐要閉環，知識也要閉環。重要的知識植根于場景，經驗，或提煉為文本意猶未盡，總是作為商業機密保守，線上只見鳳毛麟角，以線上數據為主，不免舍本逐末。

更抽象的層面，人們總是通過繼承的概念裝置“看”世界，以為自己在看，其實是大他者通過個體“看”，包括看待個體自身。迄今只有少數人認識到這種遮蔽，處境。AI照本宣科，接收了遮蔽，卻作為技術，擁有中立的形式。人們依賴AI獲取信息，就疊加兩套裝置，如劉禾說：ChatGPT的能力在于放大人類的自戀。

總之整體發展太過失衡，海量資源投向容易量化的部分，高歌猛進，資本大佬已將Token數增長列為比美國赤字和關稅更重要的股市影響因子，然而前述在業務上對AI發展關鍵的兩方面，都很難短時間內，或僅僅通過堆資源改觀：訓練語料是一塊貧瘠的土地，線上數據已發掘殆盡，線下數據獲取就復雜了，而步入應用，穿過長文本多模態一塊平川，前面是陡峭的群山。

這些都可以再討論，精算，應用也會不時涌現亮點……主要技術花錢太多了，蘋果，微軟，騰訊起飛的時候，都還是小公司，時來天地皆同力，出現在合適的時間地點，作合適的努力，初始資源夠他們買票上車，而不是去造風洞。

可以預期知識不斷精進，翻越群山，終將再次勾連，融會貫通，或打破學術分科，回歸博物，社會共享知識，再或純靠技術解決，腦機成熟，個體接入，無縫分享知識。這里沒有一件容易做，對當下的AI業都是何不食肉糜。試問資本市場有耐心等三到五年？當下的氣氛與2001納市崩盤前夜何其相似。

時間，才是最寶貴的資源，和最頑固的成本。我們不低估技術的潛力，也不低估人類的惰性，不幻想跑步進入知識的共產主義。

互聯網自誕生起，因為高成長而高概念。互聯網革命是中國蹉跎二百年后，第一次與西方站在同一起點，有形同步，無形的差距仍然巨大，阿里做支付，京東建倉儲，都有在補工業時代的課。更需要概念來填補差距。然而也正因此，可以補最新的課，彎道超車，是為后發優勢。

2001之后，中國業界即與硅谷漸行漸遠，包含一個三階的遞進：業務本土化，去硅谷概念，去概念。2010前后，“互聯網思維”或許是本土最后的概念狂歡，代表互聯網下沉，轉由業務驅動。

不算加密貨幣，政策給出明確的表態，元宇宙也放了空炮，AI是在分化二十年后，中美再一次合流，同樣有形同步，無形的差距卻易位。當今的中國，互聯網已全面滲透國民經濟，成為背景，而硅谷一直走不出技術的舒適區，或進入新能源，航天這樣的重資產行業。

中美業界都從最初鼓吹的輕資產模式，“快魚吃慢魚”，逐漸重資產，與舊式資本主義合流。國內互聯網資本最終把手伸向社區買菜，這很土很low，然而也標志互聯網下沉見底，已完成的改造尚具價值，如船山說始皇帝：“秦以私天下之心罷侯置守，天假其私以行其大公。”而硅谷發展AI靠資本驅動，固然有路徑依賴，重在缺乏業務支撐。

同理，也依賴概念驅動。有研究報告稱，在美國，AI正通過消滅招聘，而非直接裁員，這樣略迂回的方式，消滅低端崗位。也可以理解為，以迂回的方式下沉，推進拖延了十五年的功課。然而以當今美國的政治環境，其后果恐怕不太妙。

也暴露AI概念與現實脫節，不是互聯網早期的延遲滿足，在不確定的時間，“英特納雄耐爾一定會實現”的豪邁，而根本是兩張皮。

而中國有業務支撐，存量已瓜分殆盡，邊際遞減，AI給我們一個回歸創新，更上層樓的機會，不止行業，帶動中國經濟整體。概念就是多余，甚至有害。國產AI應該走自己的路。

04 中層模型

Create2025百度AI開發者大會李彥宏作《模型世界應用天下》演講，“只要找對場景，選對基礎模型，有時候還要學一點調模型的方法，在此基礎上做出來的應用是不會過時的……模型會有很多，但未來真正統治這個世界的是應用，應用才是王者。”

兩句所描繪的場景隱約對立。“選對基礎模型”代表業界習慣的路徑，基于統一的標準開發多樣的應用，互相成就護城河。從企業系統到個人系統，搜索廣義上也屬于這一模式，又自然沿襲到AI。而“模型很多”則指向未來的不確定性，未必通吃。

回顧傳統企業系統大廠如何衰敗，政策去IOE(IBM主機，Oracle甲骨文數據庫，EMC存儲)只是表象，保持通約性意味著穩定性(保守)，盡管廠商定期更新，PC生態大約每兩年(比摩爾定律18個月稍長)，然而市場的變化太快了，并且存在路徑依賴，有多少實質的更新存疑。

我剛入行就是在企業系統市場，后來去互聯網to c，多年以后在阿里云計算的會場重新聽到行業黑話，居然大體沿用，小小震驚，然而又十分合理，最終電商企業，而非當年哪一家國產系統軟件取代了IBM，因為貼近市場和變化。

舊企業系統的應用開發，在顧問的指導下，將用戶的專有知識注入通用軟件。AI的應用開發，涉及知識蒸餾技術，將大(教師)模型訓練的回路注入小(學生)模型，于是有通用與垂直模型之分，也廣泛應用于算力成本控制。

個人還對歷史感興趣，同為處理大量且多種類型的數據，史學理論就相當于歷史大模型，只是由人腦及人肉網絡(學術共同體)訓練。存在與本章討論相似的問題，歷史學比互聯網悠久，對此反思也要深入一些。

文史哲不分家，哲學作為神學余孽，熱衷追問世界本源，樹立普世 價值，正如AI當下的階段，文學如有可以稱為大模型，隱藏在文本后面，讓人物置身于具體的處境，某種小模型。而歷史介于其間。

史學長期依附于哲(神)學，總是試圖提出大而全的理論。如秦暉老師的“秦制”，就是這樣一個，統攝華夏兩千年歷史的通用模型，諶旭彬，郭建龍等作者再面向專題史作二次開發。這里不是要和秦暉及其后學辯經，他們是一個好的案例，說明通用與垂直模型的辯證。

哲學體系一般由元概念派生，而史學要求對史料有足夠的解釋力，史料先在于理論，且參差，相互抵觸，任何論據都能找到反例。是兩個學科的根本差異。據說秦制綁定法家的意識形態，參見秦暉《秦漢史講義》，要將諸子百家全部塞進法家的筐，或與法家暗通款曲，或已為法家奪舍，就要做大量的解釋。

秦暉的邏輯和史料工夫均屬一流，完成工作，自圓其說，“智足以拒諫，言足以飾非”。然而已經暴露問題：秦制的大模型不僅沒有節省，反而加重小模型的工作量。解釋最終為了解釋史料，而非解釋你的大模型。后學們的功力頗不久，對明顯的反例，要么視而不見，要行強辭奪理。

黃宗智，楊念群等學者，提出一種新的模型開發思路：中層理論。所謂中層，并非簡單的大小之間，而是反轉開發流程。傳統范式，如胡適“大膽假設，小心求證”，還是先有理論，再找證據，中層理論則從史料出發，就有限的組合，提出某種“不完整”解釋，是為中間，僅適用現有材料，不追求普遍。

同理，若干這樣的中層理論，可整合其全部材料，上升更高的中層理論，如此層層遞進，最終得出通有模型。也即自下而上構建，由垂直模型“蒸餾”通用模型，自然與自上而下，通用蒸餾垂直不同。

引申AI，當下更值得做的，走向線下，跟隨業務采集數據，基于原生高質量的數據，訓練垂直模型，生成對實踐完整，結構化的知識。當初導入本地服務轟轟烈烈的地推，甚至見血，導入AI也需要地推，更精細，更宏大，更具技術含量。

此外可以關注一下學術共同體的構建，既是信息生態，也是知識社交。其形成于前工業時代，直至進入互聯網，奇特地結合了創新與保守，業務始終對新技術開放，而作為一個共同體，仍以和中世紀差不多的方式運作。如知識社交關鍵的紐帶之一學術刊物，商業紙媒已被互聯網消滅殆盡，學刊仍頑強地存在，甚至還能漲價。

最后以劉慈欣作品《鄉村教師》選段結束本文：

“這幾百年前就在歐洲化為塵土的卓越頭腦產生的思想，

以濃重西北方言的童音在二十世紀中國最偏僻的山村中回蕩，

就在這聲音中，

那燭苗滅了。

娃們圍著老師已經沒有生命的軀體大哭起來。”