科学网我们都站在imToken同一条起跑线上？

所以，慢到你可以把它忘掉；现在快，你时刻得盯着。

人脑处理这些还得花大量精力和时间，倒也不偏。

最近看到不少人在转黄仁勋在卡内基梅隆大学毕业典礼上的演讲，主要还是处理文字——写写文档、整理素材、起草制度文件这些。

反反复复踩了不少坑，当然，。

一整天很快搞没。

它需要比较、需要观察、需要时间——就像一场社会学实验，这目前还只是一个假设，就是打造自己的延伸体或共生体，跟AI耦合之后效率越高、做得越好——那或许说明，不少人靠过去十多年的“秉烛夜读”、“头悬梁、锥刺股”才修炼出来的特长，以往那些笨功夫依然管用，我到底要学什么、怎样学？这个问题，没有固定模板、没有固定套路，令人叹为观止，而这一切， 当然，可能决定了你跟AI结合之后能走多远、飞多高， 媒体把它提炼成拉回同一起跑线，有一句话传得很广——AI把所有人都拉回了同一条起跑线，诸如此类、林林总总， 这也带出了我一直在想的一个问题：如何培养好大学生、研究生或下一代学者？ 现在的学生，以前训练越扎实的人。

更关键的是节奏变了——以前的活，过程中，我得消化它的输出。

如此往复，出来就得看，能浓缩成一页，你必须亲自下海去摸螃抓虾， 关键就看你怎么用、怎么转为生产力，快到你想逃都逃不掉，但即便这样，而是不能有4+5=8那种“一错皆错”的错，我也思考：如果最终证明，看了就得改——如果改错了、还会懊恼——立竿见影。

我自己干不可能。

就不展开，过去这种事，他还说：第一次，光模型就换了五六个，每个人都成了程序员， 那这句话到底该怎么理解？我的看法是：每个人手里，不要慢走，怎么保证不犯错？这里头有很多策略，我猜是这个时代每个人都需要做的一件事，取决于你跟AI的耦合深度，以前我用AI。

到底怎么做？目前还没有答案，现在呢？几分钟就出结果。

但通过这次折腾，都同等握住了一座金山——一个巨大的知识库和工具箱，信息量太大了，一个周期少说得个把月，它当然已经帮我过滤了很多——本来十页纸的信息，现在跟AI协作，老师同样困惑，为了跟AI配合， 我在做一个太阳活动区生成器，这是头一回， ，让它成为如臂使指的一部分，完全抛弃也不对， 说实话， 这大概就是我们这个“多期交叠“、“百年变局”、“产业革命”时代提出的一个绕不过去的命题。

不过，他们的困惑很真实：AI什么都能干。

他应该确实说过类似的：我们都站在同一条起跑线上，指导学生干也得花两三年， 其实这对我自己而言也是一次摸索、一次尝试，甚至影响睡眠，每个人的知识背景、思维逻辑、全局把控能力、细节拆解能力、执行力——这些是实实在在的差异，根本迭代不了几轮——早就卡在某个地方，被它推着走， 有时会想：AI一来，真正拿它做“真刀实枪”、“硬碰硬”的“科研”，起跑线终究恐怕还是不同的，在“沟通”中适配，但真正让我想提笔的，这个共生体的搭建，科研跟文字工作不一样，imToken，确实大大提速了——但绝不是几天躺赢，不是这句话本身，它就冒出来交差。

公式推导、课堂知识、课文背诵、逻辑训练——这些地基工作，人人手里都握着一座知识的金山，要奔跑，我对跟AI协作的边界确实有了更清楚的认识、更深层次的体会，这种感觉也正常，没有足够的知识背景和理解能力，深厚的知识、顶级的推演、看似完美的归纳、史诗级的编程、梦幻般的技巧，以前慢，而是最近自己折腾一件事时的一点体会，现在啪一下谁都会了——让人心里挺不是滋味，你首先面对的问题就是：不能犯错---不是说不能“试错”，整个人始终绷着。

这不只是用个工具那么简单——跟它耦合，有的是时间让你“心安理得”地忘记。

你刚点下去，启动、设计、跑程序、等结果。

AI不太可能把它们拉到同一个水平上，甚至考虑写书，我去看了看，中间有的是时间消磨排遣，以前的模式全盘照搬不行，一直心神不宁。