理解指數主義、高效AI、人才密度與團結追求

Scott Belsky在最新一期《Implications》第44號中，深入探討了五個關鍵主題：理解指數主義、高效AI時代、人才密度評分與基於影響力的招聘、娛樂界從尼克斯隊學到的教訓，以及一些額外的驚喜內容。文章開篇指出，人類天生難以把握指數級變化，但當前正經歷類似“寒武紀大爆發”的技術躍進。Belsky引用與Anthropic投資者的對話，說明即使是內部預測也屢屢低估計算需求和收入增長，線性增長模型已不足以應對現實。他強調，我們不僅需要承認技術和社會變革正在加速呈指數級發展，更要創造性地去理解其真正含義。

關於高效AI，Belsky認為我們正進入一個新時代：大多數AI任務將由執行在本地裝置上的廉價模型處理，而前沿模型僅用於最複雜的問題。Coinbase CEO Brian Armstrong預測，80%的工作負載將在12至18個月內轉向成本降低99%的模型。HuggingFace CEO Clem Delangue分享的斯坦福研究顯示，本地模型已能準確回答71.3%的真實世界查詢，而成本僅為前沿API的極小部分。斯坦福引入的“每瓦特智慧”指標揭示了當前雲端過度使用博士級模型解決簡單任務的低效現象。Belsky還提到Uber在四個月內耗盡代幣預算後，開始為工程師分配月度預算，暗示“代幣投資回報率”將成為衡量個人效能的關鍵指標。

未來將湧現出效率生態系統：模型與代理的編排層將成為關鍵基礎設施，BaseTen、Modal、OpenRouter等推理服務商將進入高效路由領域，HuggingFace等開源平臺將在本地模型主導的世界中蓬勃發展，Ramp等公司則推動自主智慧支出。Apple的策略清晰體現了這一趨勢：全力投入本地AI處理全棧，僅在必要時呼叫前沿模型。然而，Belsky也指出了相反觀點：如果本地模型以1%成本處理71%的查詢，那麼這部分工作將被商品化，經濟剩餘將集中於稀缺的20–29%前沿任務，從而推動前沿模型的價值。

在人才管理方面，領導者已從炫耀團隊規模轉向炫耀團隊的精幹程度。衡量“人均影響力”成為新焦點。Belsky提出“人才密度評分”，評估每個人利用AI工具擴大多重角色的能力，並指出每個崗位的成本不僅包括薪資，還包括消耗的代幣資源。基於影響力的招聘模式將擴充套件到銷售之外的更多職能，將薪酬與可衡量的成果掛鉤。

最後，文章提到娛樂界應從尼克斯隊的成功中學習，注重原創性和精密生成工作流（PGW）。Belsky強調，討論指數時代的深層含義是加速人類適應能力的關鍵。