先做个自我介绍：【如果咱们已经是老朋友了，这部分文字请直接跳过。】
我是一位20年经验的编程老师傅。做过创业公司的 CEO，也在上市企业担任过技术总监和首席专家。现在是中科院某重点实验室的高级工程师、研究组负责人。
一直在这个领域深耕，我也深刻感受到 随着软件系统越来越庞大和复杂，如今大规模代码库的理解成为了一项每个程序员都要去面对的极具挑战性的任务。 于是，我和团队一起，借助大语言模型等先进技术，打造了一款颇具创新性的开发者工具。
前段时间参加了AiDD，在圆桌环节和其他嘉宾们就一些比较热门和比较有争议的话题进行了深度的讨论，我觉得有一些话题还是挺有意思的。整理成文稿，希望和更多的程序员朋友们交流和探讨。
OpenAI 的 ChatGPT 发布之后，大模型一炮而红，成为大众特别是普通人广泛关注的重要事件。今年， OpenAI 又发布了 o1 model， o1 model 跟传统的 GPT 模型相比，有一个很大的分水岭。有一种说法叫做 o1是大语言推理模型LRM（大型推理模型）。 o1 发布之后，它的口碑一直是呈现两极分化的。但是不得不说，o1 确实开启了Inference CoT，包括它的训练方法，也更加贴近人类大脑的system2·慢思考。总之，每一轮 AI 崛起都会伴随一次 AI 泡沫论。
我一直在思考，AI 行业的泡沫论再起，对整个行业会有什么影响呢？再者说，AI真的已经膨胀到这个程度了吗？
跟大家分享一些比较抽象的观点吧。
首先是关于“泡沫”这个概念。
为什么会有人认为AI的发展已经出现了泡沫？我想，这可能与一些失败的案例有关。
在这样的背景下，我们是不是应该向AI学习，如何更有效地训练一个优秀的AI模型？AI的训练过程依赖于不断的试错和误差反向传递，只有经历了这些试错，才能构建出有效的神经网络。
硅谷被认为是这一轮的创新高地，也是半导体技术的创新高地。无论是YC孵化器还是在硅谷发展起来的其他企业，都强调“快速失败”（Fail-fast）的理念。只有通过快速试错才能发现问题所在，才知道怎么及时调整。
所以，失败的案例其实是试错过程的结果。只要我们能够找到正确的梯度下降方向，就能发现创造价值的点，那就不再是泡沫。
我认为，即便当下可能真的存在所谓的“泡沫”，那通过合理的市场机制，泡沫最终会导致价值的回归。这样的市场环境不仅能促进创新，也能为企业提供更多学习和成长的机会。
第二个角度是从经济发展的历史来看，实际上没有泡沫就没有增长。
虽然大家都追求增长，同时又对泡沫心存畏惧，但这不是意味着增长只会把握在勇敢者手中？我认为，我们其实没必要那么害怕泡沫的出现，当某个领域出现泡沫时，往往意味着这一领域可能是快速增长的方向，反而应该积极拥抱这种变化。
总的来说，我认为目前的泡沫还远没达到一定的高度，可能会出现另外的反差。
关于 AI 泡沫论，各位兄台怎么看？
代码问题，就问 Eagle！
我们的网址：eagle.capitalren.com
