Matrix 首页推荐
Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。
文章代表作者个人观点，少数派仅对标题和排版略作修改。
年底饭局多，AI 肯定会聊。但如果对方说「来了几个 AI 圈的朋友」，而你对 AI 的了解只有用 ChatGPT 写周报，别慌，这份指南能让你 3 分钟速成大佬。
首先记住核心原则：这种饭局 70% 是二手消息，20% 是道听途说，10% 是信息差。你要做的，就是让自己看起来掌握了那 90%。
看完下面 10 条就够了。
Sam Altman 这种网红别提，没新鲜的——提 Claude 的 Dario Amodei，叫他 Dario，显得你熟；但千万别提他和百度的八卦，显得你是狗仔队水平。
要说「Dario 是神经科学背景，跨界给了他更好的观察视角。」
另外深度学习三巨头，Hinton 和 LeCun 被说烂了，这里推荐不太火的 Bengio，就像大家谈 C 罗、梅西，你突然提了个塞尔维亚替补球员：「他带球边路内切那种感觉，太合理了。」
K 神（Andrej Karpathy）刚发了 2025 回顾，你要看，做功课用，但别提具体内容，AI 自媒体都转了一遍，没新意；Ilya 也要提，但别提宫斗八卦。
知道说谁了，接下来是怎么说。
评论大佬时不能仰视，要平视，甚至带点惋惜。
比如提 Hinton 可以带点阴谋论：
老爷子跟大模型公司不利益相关，他警告 AI 危险可能确实看到了什么。
提到 LeCun，可以加点职场哲学：
杨立昆（一定要叫中文名）在 Meta 要向比他年轻二十多岁的人汇报，如果能低头一些，可能就不用走了。
至于 Ilya 则要谈品味：
离开 OpenAI 做 SSI，是研究品味的问题。他可能觉得 GPT 路线不对。
直接说只用国外三件套：ChatGPT、Claude、Gemini。而且不要评价好不好用，那是打工人思维，要评价公司的品味、血统，最好也带着点批判和惋惜。
比如怀旧批判 ChatGPT：
O 记（OpenAI）现在越来越像微软了，产品力在下降，离 Ilya 当年的初心越来越远了。
夸 Claude 的极客审美：
写代码和长文本分析，我还是只信 Claude 4.5。它的逻辑链条比 GPT 细腻，有一种理科生的洁癖感。
聊 Gemini 的意外惊喜：
Gemini 今年确实追上来了。没办法，毕竟是写出《Attention Is All You Need》的祖师爷，底蕴还是深。
对国内厂别叫全名，要叫昵称，而且同样得带点评价：
碰到有些在融资上市的公司，可以顺带聊商业模式：
现在的瓶颈不是模型能力，是 PMF (产品市场契合度)。ToC 卷不动流量，ToB 全是定制化项目，这商业模式很难 Scale（规模化）啊。
技术就别聊了，容易穿帮。另外最后永远记得补一句：
我也在更新认知。
懂黑话越多，看起来越懂行。不然一听就是外行或卖 AI 课的。
这里要记住：Scaling Law（尺度定律）是万能挡箭牌。如果别人问为什么强：
Scaling Law 生效了。
问为什么不够强：
Scaling Law 边际效应递减了。
至于 Agent（智能体），进阶版要说 Skill（能力包）：
现在的重点不是 Chat，是 Agent 的 Skill 编排和 Workflow（工作流）交付。
Hallucination（幻觉）也不能说是瞎编：
这个场景下的幻觉率还是有点高，Grounding（接地/溯源）没做好。
聊到 Context Window（上下文窗口）：
两百万的 Context Window 一开，很多 RAG（检索增强生成）的架构都要重写。
End-to-End（端到端）更是万能形容词：
咱们这杯酒别养鱼，直接端到端（一口闷）。（酒桌用法）
黑话的关键在于不说中文和全称。大模型这个词有点特殊需要额外注意，说「LLM」太装，说 AI 又太土，直接说模型如何如何，一听就是技术口的。
把聊天从新闻八卦抬到「师承」，你就显得学术、业内了。比如：
很多路线是同一条学术谱系分叉出来的。师承不决定对错，但决定气质。
也可以往上寻根，比如：
Ilya 是 Hinton 的学生，所以 OpenAI 早期那个研究风格，其实是多伦多学派的延续。
国内的关系也可以用同样的方法点评：
你看国内这些创业公司，技术 VP 一查履历，不是 MSRA 就是百度出来的，圈子就这么大。
还有：
清华姚班那批人，现在基本都是各家 CTO 或者自己出来做了，这个班太狠了。
最后一定得感慨：
Google 那篇 Paper 打下的江山，8 个作者全出去创业了，AI 界的黄埔军校啊。
聊估值（XX 亿美金）太像一级市场中介了——现在的硬通货是 GPU，一定要表现出对算力短缺的极度焦虑：
估值高没用，关键是拿不拿得到卡。我听说 XX 他们为了搞那两千张 H100，供应链都快住在新加坡了。现在不看估值，看含卡量。
万卡集群是门槛。没有这个量级的算力，做预训练（Pre-training）就是开玩笑，只能做做微调（Fine-tuning）。
H100 现在其实不是最大问题了，关键是配套的网络和散热。你光有卡，集群调度做不好，利用率也就 60%。
注意，这种宏大叙事，一定得抿口酒再说。
当别人聊到具体的算法架构（MoE、LoRA、Diffusion）你听不懂时，迅速把话题拉升到商业或哲学层面，升维打击。
可以用数据论：
模型结构大同小异，最后拼的还是 Data Quality（数据质量）。Garbage in，garbage out 嘛。
可以用落地论：
技术都很性感，但 PMF 在哪？现在大家都是拿着锤子找钉子。
还可以用未来论：
让子弹再飞一会儿。现在的架构可能都不是终局。
或者权衡论（万能）：
（点头深思）确实，这本质上是一个 Efficiency（效率）和 Performance（性能）的 Trade-off（权衡）。
最后还有哲学论：
我觉得这个问题挺有意思的，它其实是在问：什么是智能？
如果实在接不上话就沉默，用看傻子的表情看对方。让对方怀疑自己提的问题是不是不够深刻。
永远只提供「方向性内幕」，不提供「可验证内幕」：
国内这家内部已经跑通了，只是出于合规考量没放出来。不过这也是我看公开信息推测的。
表面看是这样，但我听到的版本是，内部其实分歧挺大。外面看到的是统一口径。
他们现在的重心，不在你以为的那个点上。但具体在哪，我就不方便细聊了。
记住，不是炫耀内幕，是暗示混道上的、最重要的是守规矩。
最后放一些一秒破功的低级错误，千万不能说。
别问会不会被取代。这种焦虑显得你层级很低。要说：
AI 会重构工作流。
别表现得太惊讶。无论听到 Veo 生成了电影，还是 AI 写了小说，都要淡定地点头：
嗯，符合 Scaling Law 的预期。
以上 10 条其实已经够了，如果你想再进阶，可以这样。
微醺之际，你只需轻轻晃动酒杯，望向窗外的夜色，叹一口气：
其实这波浪潮，技术只是表象。最后博弈的，还是碳基生命和硅基生命的定义权。
此时，你已立于不败之地。
本文首发语言学公众号「言辞之间」。
> 下载 少数派 2.0 客户端、关注 少数派公众号，解锁全新阅读体验 📰
> 实用、好用的 正版软件，少数派为你呈现 🚀
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。