理解指数主义、高效AI、人才密度与团结追求

Scott Belsky在最新一期《Implications》第44号中，深入探讨了五个关键主题：理解指数主义、高效AI时代、人才密度评分与基于影响力的招聘、娱乐界从尼克斯队学到的教训，以及一些额外的惊喜内容。文章开篇指出，人类天生难以把握指数级变化，但当前正经历类似“寒武纪大爆发”的技术跃进。Belsky引用与Anthropic投资者的对话，说明即使是内部预测也屡屡低估计算需求和收入增长，线性增长模型已不足以应对现实。他强调，我们不仅需要承认技术和社会变革正在加速呈指数级发展，更要创造性地去理解其真正含义。

关于高效AI，Belsky认为我们正进入一个新时代：大多数AI任务将由运行在本地设备上的廉价模型处理，而前沿模型仅用于最复杂的问题。Coinbase CEO Brian Armstrong预测，80%的工作负载将在12至18个月内转向成本降低99%的模型。HuggingFace CEO Clem Delangue分享的斯坦福研究显示，本地模型已能准确回答71.3%的真实世界查询，而成本仅为前沿API的极小部分。斯坦福引入的“每瓦特智能”指标揭示了当前云端过度使用博士级模型解决简单任务的低效现象。Belsky还提到Uber在四个月内耗尽代币预算后，开始为工程师分配月度预算，暗示“代币投资回报率”将成为衡量个人效能的关键指标。

未来将涌现出效率生态系统：模型与代理的编排层将成为关键基础设施，BaseTen、Modal、OpenRouter等推理服务商将进入高效路由领域，HuggingFace等开源平台将在本地模型主导的世界中蓬勃发展，Ramp等公司则推动自主智能支出。Apple的策略清晰体现了这一趋势：全力投入本地AI处理全栈，仅在必要时调用前沿模型。然而，Belsky也指出了相反观点：如果本地模型以1%成本处理71%的查询，那么这部分工作将被商品化，经济剩余将集中于稀缺的20–29%前沿任务，从而推动前沿模型的价值。

在人才管理方面，领导者已从炫耀团队规模转向炫耀团队的精干程度。衡量“人均影响力”成为新焦点。Belsky提出“人才密度评分”，评估每个人利用AI工具扩大多重角色的能力，并指出每个岗位的成本不仅包括薪资，还包括消耗的代币资源。基于影响力的招聘模式将扩展到销售之外的更多职能，将薪酬与可衡量的成果挂钩。

最后，文章提到娱乐界应从尼克斯队的成功中学习，注重原创性和精密生成工作流（PGW）。Belsky强调，讨论指数时代的深层含义是加速人类适应能力的关键。