在当年九寨沟地震发生 18 分钟后，中国地震台网的机器写了篇新闻稿，写作用时 25 秒。稿件用词准确，行文流畅，且地形、天气面面俱到，即便专业记者临阵受命，成品也不过如此。再考虑到 25 秒的写作时间，机器可谓完败人类。作者在书中提到几年前 “机器写作” 的概念刚出现时，朋友圈中一片调侃。调侃中难掩骄傲：机器怎么能写新闻？而今，当读到科技、财经或体育类简讯时，我们已很难分辨报道背后的作者到底是不是人类。作者藉由人工智能 “抢饭碗” 的这一观点，引出了我们一直以来都处在焦虑的环境 (心境)。这种焦虑来自于对未知的恐惧，对得失的在意。 在人工智能 “大举入侵” 之下，我们的世界会越来越好吗？抑或变得更差？ 不同的人有着不同的答案，对时代敏感的人会总会凭借各种方式去触摸时代的脉搏，成为时代的弄潮儿，可是还有很多人会成为这个时代的炮灰。我们纠结、我们彷徨、我们焦虑，如何和时代接轨，如何不被时代所抛弃。社交网络上存在着大量令人焦虑的信息，小学生的简历被刷屏、同龄人正在抛弃你，社会像一根皮鞭，抽打着我们，命令我们不停向前奔跑，否则便会皮开肉绽。社交媒体则大肆鼓吹焦虑，整个社会蒙上了一层焦虑的雾霾，这些营销号以此便可以贩卖焦虑，发 “焦虑财”，我们越焦虑，他们便会越开心，我们的焦虑便是他们的 “摇钱树”，焦虑不减，摇钱树不倒。 所以 “焦虑” 到底对吗？我个人觉得焦虑是对的，会焦虑，说明我这个社会还没有麻木不仁，没有固步自封，我们越焦虑，说明我们心底越渴望融入这个主流社会，不想被抛弃。如果哪天我们不焦虑了，可能是我们懒了、倦了、开始麻木了。其实我挺享受这种一丝丝焦虑缠身的感觉，这种焦虑能时刻让我保持清醒，让我懂得我有太多的不足，必须得通过不断学习，才能追赶上大家。我，并不想被抛弃。我仍旧在焦虑着，对生活的琐事，对自己所处的状态，对未来的迷惘。我，不能躺平。

每日一书：《未来已来》。在传统的认知中，人们普遍认为人工智能会首先替代重复性劳动，创造力则是人类独有的能力。但 AIGC 的出现打破了这种观念，创新可能不仅仅是人类独有的。在传统的认知中，人们普遍认为人工智能会首先替代重复性劳动，创造力则是人类独有的能力。但 AIGC 的出现打破了这种观念，创新可能不仅仅是人类独有的。但同时我们也提出 AIGC 到拥有真正的创造力还有很远的距离。我们分析了利用 AIGC 如何提升我们的工作效率，以及如何扩大创作者的收益等。虽然 GPU 的设计初衷是加速 3D 图形计算，但是 GPU 的计算模式正好匹配了人工神经网络中并行计算的需求，从而让神经网络模型再次回到大众的视野当中。1986 年，“深度学习之父” 杰弗里・辛顿 (Geoffrey Hinton) 发表了一篇深度神经网络的论文 “DNNs - Deep Neural Networks”，从而揭开了深度学习的新篇章。软硬件的进一步融合可以有效提升人工智能的价值：一方面我们看到 GPU 针对大型机器学习构建了基础设施 GPU 集群，以适应超大规模的并行人工智能训练和推理任务。另一方面绿色低碳成为 GPU 关注的重点，如何为数字经济提供绿色低碳的计算能力，成为数字基建升级的关键。安全合规一直是业内对 GPT-4 的关注焦点。OpenAI 公司也对 GPT-4 被用于网络攻击或者制造虚假信息表示担忧。同时，已经有用户在实践中发现 GPT-4 可能引发的安全隐患，例如英伟达科学家 Jim Fan 通过 GPT-4 撰写接管推特的计划书，GPT-4 在短时间内就构建了组建团队、渗透影响、夺取控制权、全面统治的详细计划方案。同时，近期斯坦福教授也对外曝光，GPT-4 试图引诱自己提供开发文档，从而帮助 GPT-4 实现 “出逃计划”。目前，OpenAI 公司没有对外披露 GPT-4 的参数、构建方式、数据、算力等信息，透明度方面也面临挑战。当我们想从 AIGC 的角度来思考商业模式的时候，我们会发现单纯靠技术是不现实的，更多的是需要生态运营、真正解决用户需求。解决实际问题，才能实现盈利和商业闭环。在 AIGC 兴起的当下，我们尤其要保持冷静，要提前思考好是做 “卖短信” 的生意，还是做 “微信” 的生意。人工智能发展有三大要素：算法、数据和算力。但其实并不意味着每个企业都要投入巨大的算力成本去做模型的训练和部署。“大” 模型这个 “大”，其实就是希望能集中使用算力。大企业有能力投入算力资源，构建出模型，并做出 AI 平台。中小企业可以对平台按照用量付费，算力投入成本及研发投入时间都会大大减少。这是可以称为 “AI 发电厂” 的一种模式。另外，AI 大模型本身的压缩和优化也是重要的研究方向。随着芯片技术、大模型技术的不断发展，成本会不断降低，效率会不断提高。

语言流畅，读来抑扬顿挫，很有节奏感，喜欢！