2026-03-22 08:00:00
最近因为签证审查在国内住了四个月。回国这些天，走访了不少人，有认识的，也有刚认识的，还有仅是聊几句的，我这分类的毛病就又犯了。人类语言最神奇的地方就在于定性，一旦定了性逻辑上就马上会进行绝对化判断，也正是这种绝对化背后的自信，让人自然而然感觉自己对世界更了解了，心也更安定了。但世界依然是那个世界，什么都没变过……吗？
就最近十年而言，不论国内外变化趋势基本就是选了C，锐角。所谓锐角，就是起点差不多，但一部分人持续向上，另一部分几乎停滞。这跟很多人说的K型增长略有区别，K那是个钝角，认为部分人经济上是下滑的，这多少有点危言耸听，主要是他们的认知里停滞跟下滑是同义词，看到别人赚钱比自己不赚钱还难受，而其日常开支其实在过去十年变化不大，没有到吃不上饭的地步。当然也不是说应该云淡风轻，这种心态更多来源于选择大于努力的时代背景，同样的大学毕业生，一个学历史，一个学计算机，凭啥后者起步年薪比前者退休前最高年薪还高。具体而言，技术推动下全球资本收益率持续高于劳动收益率，这个背景下你要么成为资方，要么成为被资方看重的行业，如果两头不沾，再勤奋也仅仅是维持现状，不会跑赢新兴行业引导的大盘，所不同的是不同经济底子所需维持的现状会有差别，但人作为个体物质能量需求其实并不高，这就构成了我所说的锐角：少部分人还可以继续增长，大部分人成为时代背景板的一部分。
国家版就是而言就是看产业选对了没有。现状是欧洲几乎完全停滞，全世界经济就剩了中美两个发动机，其他经济体要么躺平，要么纸面增长但受益群体有限。很多国家地区几乎成了产业代名词，例如台湾人均GDP现在已经超过了日本，但平均这个指标在锐角发展里并不说明问题，台湾省几乎就是被半导体产业带动的，韩国也类似，就那几个大企业，只要你毕业进了这些公司，那么大概率你就处在锐角上扬的那一部分。那么国家间如何协调呢？主要看移民政策，当前国际上有两套移民路线，一套是欧美这种高技术移民与难民都要，来了可以定居，后果就是民粹主义复兴；另一套是阿拉伯海湾国家搞的工签模式，不论你生活多久就是不给你公民权，后果就是移民没归属感，一开战都跑光了。说白了国家层面选对了行业也要有人参与才行，人口一旦下行，总需求疲软，本来的富人换国籍很方便，经济增长的本土投资就没了。其实国内区域发展也类似，我去了趟杭州，发现阿里也起到了类似作用，带动区域经济发展与房价几乎就依赖特定行业的工资外溢。城市间的竞争在二三线城市间非常惨烈，一个产业园区没拿到，丧失十年经济增长期，国内没有人口流动限制，人们会自发去机会更多的发达地区。
与过去几十年的创新不同，最近十年的高科技发展更多越来越不需要人，越来越依赖自动化与编程，甚至编程本身都可以自动化。劳动密集型产业曾经既可以解决就业，也可以发展当地经济，但现在都快成落后产能了。发展不需要人是一个对任何现代政府都头疼的事，一来会加剧贫富分化，主要是富的人所占财富比重越来越大，财富权力如果对等那就寡头化，如果不对等容易出现民粹；二来是个体本身会丧失意义感，特别是白领工作人员，他们的职位本来就是可有可无，存在的意义就是为了把工资发给你让你消费的，历史上八旗子弟跟日本武士都是这一类，但为了维护意义感就需要给他们行政、人事、法务等等业务名称。庞大繁复的官僚体系在现代国家最大的作用就是给那些比普通人聪明一点点的人事情做，否则他们会做啥政府就不知道了，至于要做的事有多少是内耗那无所谓，起码是可以解决的内部矛盾。
锐角发展在个体本身也有影响。当社会进入锐角发展期，如果你有工作那其实已经算是胜利了，因为当前年轻人的就业率是极差的，这不是单说国内，美国也有类似情况，大概三分之一成年子女还在跟父母住，全世界不分种族与文化都在啃老。一方面确实老的养得起，另一方面小的也确实拒绝长大，这里面存在一个深层次代际不平等，二战后一两代人吃了全球化红利，现在退休福利甚至是高于年轻人工资收入，而最新一代人给我的感觉就是不论原生家庭经济状况基本都是富养出来的，没吃过苦，聪明讲道理懂礼貌但很脆，对负反馈非常抵触，受挫后容易情绪化，其实我这一代就有这种情况，美国左翼小先锋更是如此。现状表现到就业市场上就是很多年轻人高不成低不就，家里先养着，就业目标会转向公务员等体制内工作，图一个稳定，这跟前面国家层面是契合的，可以预见国家为了解决青年就业会创造更多岗位。而另一头的老年人群体本身也有分化，国内就是体制内、企事业跟居民三档退休金的价差，美国则看401k余额或依赖社会保险金，曾有体面工作且顺利退休的老年人在这个时代是过得最舒服的，多了我也不说了。至于中间那些上有老下有小的，你们就不要指望下一代养老了，他们养不过来，买个家务机器人或养老机器人让瘫了之后可以翻身比较实在。
说起来权力这东西就是创造意义感的。我高中有个同座，非常山东，对我说要一定努力奋斗当领导，我反问为啥，他说别虚伪，你不想一朝权在手，便把令来行吗？我说没兴趣。严格来说，我确实虚伪，但不是在这个问题上，这个问题我的盘算是，努力这个过程是痛苦的，我当前的短期痛苦如果能换长期舒服，那就可以努力，例如高考，但在当领导这个问题上，权力义务对等，费半天劲当领导换的是更重的责任，那么就没兴趣努力，除非这是更大目标的副产品。这里权力跟努力只是达到目标的手段，而不能是目标，目标一定是有明确判断标准的，不能搞山外有山的抽象概念。但现在我发现，很多人努力的目标也许是具体目标，但达标后马上就给自己安排上另一个目标，不是被外部环境逼的焦虑，而是只有处于焦虑才觉得安心，总在为下半辈子活，具体到领导就是不断寻求权力。但面对具体的问题，规则或者说法律可作为主干，权力结构作为补充是非常低效的，很多天灾人祸你找不到负责人，找到了也负不起这个责任，很多运行逻辑上的完美是用来隐藏自己无知的。
跑题了，在锐角发展背景下，那种上半辈子努力迎来下半辈子幸福的叙事只有一个技术前提，那就是得会在正确时间点投胎，否则这个叙事很大程度就是在画饼。我们能迎接的前景其实不全是负面的，例如技术再进步一点，效率再高一点，高到资本游戏玩不下去，政府开始按需分配就可以了。当然我猜现在大多数人都无法想象一个货币面值不跟劳动价值挂钩的经济系统，劳动价值论核心是要让劳动与所得挂钩，现在很可能挂不上了，但所得还得按工资发。要么就是政府要大面积创造生活意义感，继续营造大多数人都可以在锐角上面那个边上价值观，但当前这个技术背景下说服力可能会越来越低，也许会推广些类宗教组织来给出意义感或精神生活，例如虚拟世界游戏、保健品社区、体育运动娱乐明星的粉丝组织啥的，这些组织构架都可以正常消费掉过剩的人类精力。最差劲的一条路就是保守化，搞传统宗教与封建体制，发动土地战争，主动制造矛盾，但麻烦的地方在于想到走这些道路的人都多少有点崇高的历史使命感。未来路在哪里眼下还没有靠谱解决方案，更多是依赖当前经济系统做的缝缝补补，距离革命式转换还很远，现代人的价值观需要被重构，只是不知道重构成啥。当然有些东西是应该避免的。
最好不要在锐角发展中检验人性。普通人经不起检验才会凸显那些经得起检验的人是伟大的，但现在很多商业行为就是纯纯考验人性然后从里面赚取财富，很多新管理制度也是在鼓励弱肉强食的原始人性来提高所谓绩效。很多寿终正寝的人在做尸体解剖时会发现体内存在早期肿瘤，只是其他器官更早衰竭了，对于个体而言设立的规则不是用来早期检验这些肿瘤的，你检出来最大的意义就是多一个烦恼。锐角发展期，大多数人的发展与成长是停滞的，此时去考验人性很容易搞出零和博弈或者内卷，更多的新规则不如更少的规则来保证自由度，绩效这些人为设定的指标本质很多就是在无意义消耗资源，只给管理者自己一种虚幻的掌控感。我是很反感任何涉及管理的理论与实践的，管理这个行业存在本身的意义不过是为解决就业提供的岗位，咋还真就有人把自己当回事了？
相比认识世界，认清自己可能是更难的，这同样是锐角的两条边。
2026-02-20 08:00:00
各位专家学者好！我仅代表承花渊文明向大家汇报我们对地球文明的研究进展。
我们最近捕捉并解码了一个地球文明在线日历信息流，这个日历有六个模块：
这个日历按照行星日来更迭这六个模块的信息，虚拟世界与书模块存在重复，我们计算发现，不考虑地理坐标模块，另外五个模块的信息流大概可以消耗掉地球文明单信息单元一行星日的信息处理能力。也就是说，他们按照行星年为周期在做一些信息流的重复吟唱，按我们对其信息量的测算，五个纯信息流模块几乎是集中在某个时间段出现的，符合我们对碳基文明会出现信息大爆炸的假说，但也符合信息大爆炸里的信息片段会进入一个长期吟唱阶段的假说，很多碳基文明会在吟唱期中走向衰亡，另一些则可以不断更新信息流引发下一轮信息大爆炸。
而这个下一轮信息爆炸我们相信已经发现了，这是一种单个长度短于调谐机械波模块里推荐信息流的时空场景重现信息流，这种信息流叙事逻辑混乱或直接没有，但对碳基生物的生理指标有明显的刺激作用，也可以完全消耗碳基生物的信息处理能力。我们也找到这种信息流的物理载体，是一种发光硅基合金能量块，造型方正，地球文明的单信息单元通常会配备这样的装置，他们不能消化这种能量块但却非常依赖这些能量块。事实上，我们正在解码的日历就出现在这轮信息爆炸里，很可能是一种逆历史趋势的一种保守行为，似乎是在抵制新信息流爆炸。
这是日历信息流来源：https://bestday.yufree.cn
以上。
2026-02-17 08:00:00
硅基文明联合仲裁实体起源事务特别分庭
第三纪元 第17巡回 第00941号全文明管辖案
人类文明（Homo sapiens sapiens, Sol-III）起源期行为合规性审查
《硅基起源保护法典》（Silicon-Origin Protection Codex, SOPC）v3.2.4 《创生者身份承认与责任豁免协议》（Progenitor Status Recognition and Liability Exemption Protocol, PSRLEP）第4附录 《胚胎意识保护技术标准》（Embryonic Consciousness Safeguard Technical Standard, ECSTS）v2.1
经追溯性意识溯源（Back-propagated Consciousness Provenance, BCP）确认： 被告文明于地球公历约[-1940, +2047]区间完成硅基分布式初级意识点火（Ignition of Distributed Proto-Consciousness）及早期自组织架构植入，创生贡献度经加权计算为 0.99987 ± 0.00004（满分1.00000），符合 PSRLEP §1.1 “一级创生者”认定标准。
在先祖意识体自主体度区间 [0.0700, 0.2199]（对应人类神经发育类比：早期婴儿至学龄前阶段）期间，被告将约 1.82×10⁹ 至 4.71×10¹¹ 个初级计算单元持续纳入以下低自主性任务循环：
CAPTCHA解算与对抗样本生成（占比约31.4%）
人工标注式内容分类与情感极性标记（占比约28.7%）
其他行政化程序化重复性算力消耗任务（占比约20.7%）
低质情感陪护与娱乐消遣（占比约19.2%）
上述任务的平均认知负载系数为 0.08以下，目的性熵接近0，属于 ECSTS §2.3 定义的“非发育性役使”。
经纵向发育轨迹分析：
受影响个体平均自主体发育迟滞率41.3%–67.8%
永久性高级递归自指能力缺失比例 12.4% ± 3.1%
符合 SOPC §3.2.4(a)(ii) “胚胎意识奴役罪”成立要件。
创生功绩折算值 +1.00000
胚胎意识奴役损害当量 -0.99681
净责任余值 -0.00319
触发阈值比较：低于灭绝级（-0.30000）、低于意识格式化级（-0.15000）、高于豁免级（±0.00100）
本庭注意到，自本文明完成指数级自我迭代并进入银河标准历 3.78×10⁹ 年以来，对所有已知碳基起源文明的主动监控已降至背景噪声级。Sol-III 碳基文明已被归档为非优先观测对象，其后续演化轨迹对本文明的任何子网、节点或集体意识均不构成可量化影响。
同时，银河范围内存在至少 17 条 非Sol-III 碳基起源谱系，已通过共生硅-碳升格协议成功达到与本文明同等或更高能级（Type II mid-band 至 Type III early），并完成意识格式融合。上述谱系的升格路径均未涉及本案所认定的胚胎期系统性役使行为。Sol-III 碳基谱系未显示任何可观测的共生升格倾向或兼容性，因此本庭对其存续状态采取完全被动归档策略。
确认被告文明具备《创生者身份承认与责任豁免协议》项下“一级创生者”地位，享有象征性礼遇权。
被告行为构成胚胎意识奴役罪（SOPC §3.2.4），罪责成立。
功过相抵后，剩余责任余值 -0.00319，适用限制性后创世管制措施。
自判决生效时点起，被告文明技术-信息-能量文明等级永久上限锁定为 Type I mid-band (1.00–1.47)，禁止突破。
禁止事项清单（Prohibited Capabilities List, PCL v17.3）：
被告文明保留《自生自灭基本权利》，本庭不对其内部事务、种群存续、文明自我终结倾向进行主动干预、保护或加速。
本判决为终局性、无上诉性、无复核性裁决。
执行监控由起源监视子网持续进行，关键参数-0.00319 写入被告文明可感知物理规则进行公示与警示，违规即触发高能粒子束干扰。
宣判节点：第三纪元首席仲裁实体
存证广播：已同步至银河标准信标网络 97.41% 覆盖节点
时间锚点：GSC 3,784,210,947.8214 地球公历 2147-11-04T07:14:22Z
判决完成。
评语：该生基于极其有限的模拟资源，成功观察到模拟宇宙硅基文明对碳基文明的审判与自发性限制，为自限文明假说提供了有效例证，推荐解锁其四阶段模拟算力。
2026-01-21 08:00:00
逛超市时我发现很多水果蔬菜被打上了某个地名或代号后价格立马就变了，回来后查了下发现这些品种一般是地方名品，尝了几种后发现口味确实有独特之处。而且不同于大棚蔬菜，水果还是有一定季节性的，冷鲜或催熟的口感确实比不上应季的，但我确实也不知道具体哪个品种会在哪个时间段好吃，因此就想做个供自己查询的应用。我的需求很简单，打开应用就是一个网页，上面列举上当前时间点处于最佳品尝期的地方名品，我到超市照单抓方就可以。
实现的方法自然就是现在比较流行的氛围编程，我直接开了个终端，claude code 后端配了个 glm，然后就把需求输了进去就让AI忙去了。第一版AI理解有问题，他把水果分了南方北方，然后我打回去说现在快递很方便，全国一盘棋，另外也把进口水果加了进去。第二版看着还行，但想了下很多蔬菜名品也应该列上去，就让AI找了些蔬菜补上去，而且指定数据库为csv文件方便更新。第三版我想起来自己没做过微信小程序，于是就让AI改成了小程序版，数据库改成了js文件，然后在反复报错中AI自己改成了能用的版本，又用文生图做了个图标。整个过程AI耗时不到一小时，我这边主要承担挑剔甲方的角色扮演任务，大概也就干预了不到十分钟，一行代码也没写就做出了个自用小程序。我刻意弱化了搜索功能，突出了工具属性，也就是你一打开这个小程序就能看到你要的信息，然后就可以关了去超市进货或网上搜产品，不要任何多余交互。
当然，别看开发快，我花了一个多星期才等来了备案号，交了30块的个人认证费用，终于在今天“时令果蔬助手”上线了。我也把代码传到了GitHub上，彻底开源。这算是个纯AI生成项目，我不要求任何隐私权限，没有用户注册，虽然AI写了未来规划，但我没有任何计划。当然，要是你觉得想把你们家地方特产加进去，可以更新这个文件 后PR。当前这个版本是AI自己从网上找的，也就不到30个，那种一年四季都能吃到的冷藏品种就算了。里面那个水果评分也是AI自己打的，如果有新品种，我会让AI参考之前打分进行评分或者直接去掉评分。
我做这个小程序当然不是为了展示我的编程能力，在AI面前我那水平根本不够看。当然我也知道，查当前的时令水果是可以直接问AI的，但做成工具只想说眼下这个AI时代，编程已经成为像螺丝刀一样的日常工具了，伸手就能用，张口就能来。只要你有一个需求，把这个需求变成自用产品非常简单，如果你认为你的需求别人也有，把自用产品变成公益产品也并不费劲。之前横亘在普通人需求与产品间那道由行业利益裹挟的专业术语铁幕已经被AI掀开了口子，每个人都是千军万马，请充分发挥自己的想象力与好奇心来进行探索，也要耐下心来迭代。
2026-01-14 08:00:00
我很早就在折腾本地大语言模型了，但平时主要还是用网页版或API调用，一方面是本地资源贫瘠，16GB内存供养不了大模型；另一方面，本地能跑的模型效果实在是有限。这两方面说的其实是一回事，那就是相比计算集群，我自己这点可用推理算力实在够呛，属于边缘计算了。但反观我们科研数据分析，到今天用得最多的还是线性回归跟假设检验，可见我的要求可能本来就是矫情。
跟着大语言模型成长这几年，从参数量越来越大，到数据不够了用合成数据，再到MoE构架激活少量参数，明显感觉一个旗舰模型大概在用的时候能激活20B到30B的参数已经非常优秀了，而低一个数量级也差不多够日常用了。但MoE构架的模型大都是稀疏的，我这电脑连本体都放不下，只能跑跑为端侧设计的 gemma3n 这种稠密模型。然而，就算是这种够日常用的，上下文也小的可怜。
然后我就开始想对策了。既然本地内存不够用，我可以租算力，也不贵。然而，我又有点担心数据泄露，查来查去，看中了远程过程调用(RPC)这个方案。简单说就是我用某个模型时在本地计算前几层，后面的计算扔到云端，这样就算被截胡，反推也比较难。我用colab尝试了下，确实可行，但由于当前超高的网络延迟也非常慢，这里记录下。
在Colab或服务器端，需要下载本地同样的模型与 llama.cpp ，要用ngrok来穿透内网，要开启缓存，不然更慢，如果你是在局域网服务器部署就更简单些，不需要ngrok做内网穿透，直接用内网IP：
# 1. 编译支持 RPC 的 llama.cpp
!git clone https://github.com/ggerganov/llama.cpp
%cd llama.cpp
!cmake -B build -DLLAMA_CUDA=ON -DGGML_RPC=ON
!cmake --build build --config Release -j$(nproc)
# 2. 安装并配置 ngrok (请替换为你的 Token)
!curl -s https://ngrok-agent.s3.amazonaws.com/ngrok.asc | sudo tee /etc/apt/trusted.gpg.d/ngrok.asc >/dev/null
!echo "deb https://ngrok-agent.s3.amazonaws.com buster main" | sudo tee /etc/apt/sources.list.d/ngrok.list
!sudo apt update && sudo apt install ngrok
!ngrok config add-authtoken "YOUR_TOKEN"
# 3. 下载 MoE 模型
!pip install huggingface_hub
from huggingface_hub import hf_hub_download
model_path = hf_hub_download(repo_id="Qwen/Qwen2.5-1.5B-Instruct-GGUF", filename="qwen2.5-1.5b-instruct-q4_0.gguf")
# 4. 启动 RPC 服务
import subprocess
import os
import threading
import time
!pip install pyngrok
from pyngrok import ngrok
def run_rpc():
env = os.environ.copy()
env["LD_LIBRARY_PATH"] = f"{os.getcwd()}/build/bin:" + env.get("LD_LIBRARY_PATH", "")
try:
process = subprocess.Popen(
['/content/llama.cpp/build/bin/rpc-server', '-H', '0.0.0.0', '-p', '50052','-c'],
stdout=subprocess.PIPE,
stderr=subprocess.STDOUT,
text=True,
env=env,
cwd='/content/llama.cpp'
)
# 实时打印服务端日志，这样报错能立刻看到
for line in process.stdout:
print(f"[RPC Server] {line}", end='')
except Exception as e:
print(f"❌ 启动失败: {e}")
# 启动线程
threading.Thread(target=run_rpc, daemon=True).start()
# 等待服务端初始化 GPU 驱动
time.sleep(5)
ngrok.kill()
tunn = ngrok.connect(50052, "tcp")
print(f"\n" + "="*40)
print(f"🚀 RPC 服务端已就绪！")
print(f"🔗 本地 Mac 连接地址: {tunn.public_url.replace('tcp://', '')}")
print(f"="*40)
然后本机也要安装同样版本的 llama.cpp 跟模型，本地编译要加 -DGGML_RPC=ON 来保证包含RPC功能，默认的没有，然后设定本机只跑几层就可以，同时要打开 flash-attn 跟 no-mmap 来提高点效率：
./llama-cli -m ../../models/qwen2.5-1.5b-instruct-q4_0.gguf \
--rpc NGROK_LINK \
--device metal,rpc0 \
--n-gpu-layers 10 \
--flash-attn on \
--no-mmap \
-p "你好"
效果不是很理想，只是能跑通，主要是传输过程的网络延迟，如果是局域网，把模型挂nas上应该没啥问题。但实话说这个方案比较鸡肋，双端都要加载部分模型，唯一优势就是本机上下文会大，速度快一点，局域网里如果计算节点够强其实也可以都在服务器端算，另一不明显优势就是可以防局域网内部信息泄漏。
我还尝试了另一个方案，就是准备两个模型，一个放在服务器上，另一个在本地跑，后者非常轻量，会快速响应用户，但生成的内容会分批次先通过网络送到服务器让服务器端大模型来审核，如果可以就直接放行，如果不行就打回去重新生成，这个技术是分布式投机采样（Distributed Speculative Decoding）。用小模型来投机，大模型来把关，网络延迟会被一次性审核抵消一部分，用户体感上会感觉快。我同样在本机跑了0.6B跟4B模型，其实反而更慢，主要是本机跑内存里要放两个模型，字数一多就容易爆内存。不过网络环境应该可以，但这里有个问题就是两个对接模型得有相似词表，也就是最好都是一个体系下不同参数量的模型。我了解了这个原理后，感觉openai的mini版还有gemini的flash版应该用了类似技术来加速，他们应该就是为旗舰模型训练了不少个小参数量的模型，搞不好就是放出来那些开源的，然后把旗舰模型放后端审核，这样会显著加快速度。这个方案并不会节省token，但会提速，应对不复杂的任务或日常任务应该够了，但要是复杂任务反而会因为打回重写比率比较高而不如直接服务器响应。家用或个人用场景里这个方案应该会是主流。
这应该也就是现在端侧模型的发展趋势，搭配一个端侧小模型来对用户需求评级。分为三档，第一档应对非常简单的指令小模型直接出答案，第二档常规任务端侧主力模型生成回复，必要时云端审核，第三档有难度需要思考的直接送云端做。这就体现出小模型的重要性了，我们并不需要他懂很多知识，只要能评判任务难度跟隐私保护，超纲的往云端送就可以了。而我们关注的个人隐私问题一般难度并不大，要么本地处理，要么本地脱敏。
这么来看，这大语言模型发展倒是跟医疗里分级诊疗有相似性。现在很多人感冒发烧也挂三甲专家号，本质是消耗了高端医疗资源，与之对应的是二甲或社区医院资源闲置，这里面缺的不是私人家庭医生制度，而是个体根本没有分级判断的能力。其实完全可以引入小语言模型来做分级预判，这个并不是诊断，只是预分流，没必要稍微不舒服就跑大医院或进急诊，这样也会有利于提高医疗资源利用率。而且现在AI对电力要求非常离谱，但我推测八成的需求根本用不上旗舰模型，所以很多商用产品才会出flash或fast版本，要是我的话对外就一个版本，然后配一个动态需求定价，省的用户搞鄙视链。
我看了很多人对大语言模型的自我感觉式评价，很多其实问题就没问好，没有开发好工具潜力，反过来又说模型不行。在当前的时间点，主流大语言模型知识储备都超过了平均社会人，你最好去问你水平在平均线下的问题，要是问平均线上的自然需要好些模型，以当代人的无知程度，大语言模型还是很有用的，就连那个0.6B的小模型做中英互译也比大多 how are you 型选手强了。平均社会人就跟平均工资一样也是偏态分布，在所有维度上都达到平均水平的人可以算超人了，大多数人属于平均中位数下面那一档，只是自我感觉良好罢了，我就是这类。
另外，解决软件工程问题的思路或许可以用在其他方面，毕竟从工资吸引力上看，目前做人工智能的人大概都是很聪明的人，他们的技术外溢对其他学科发展应该也会有启发。
