Bom dia meus amigos,

Saudações de Lisboa!

您正在阅读的《壹苇可航》电子报 Weekly Spark No.22。这里是一方独特的思想空间，我以佛学智慧融汇科技思维，兼采东西方哲学交织当代视角，从美学素养与批判性思考中探寻真知，让个人成长与复利思维在多元交融中迸发能量。每周，让我们一起以多元复合的思维方式在纷繁的知识世界里找回内在定力，进而在这个复杂时代找准方向，放大思考与行动的价值。

本期笔记和初稿在 Tana 上完成，这是一款通过将 AI 驱动的结构化数据库与流畅的大纲列表相结合的笔记软件，重新定义了现代知识管理，使用户能够无缝地组织相互关联的想法，同时保持自由形式思考的灵活性。

以下是本期正文。

💫 Review

本期的内容延续了近期对「思考与技术」主题的探索，将思考引向一个更加聚焦的方向——人工智能的最新发展趋势及其对知识工作者的影响。我将从斯坦福大学最新发布的《2025年人工智能指数报告》出发，探讨全球 AI 发展格局的变化、大模型能力的进步，以及这些变化对知识工作者的工作方式和思维模式产生的影响。

在 Insight 部分，我将以知识工作者的视角，对这份报告进行解读，提炼出其中最关键的趋势，并思考如何在 AI 迅猛发展的背景下重新定义我们的工作价值与方向。在 Case Study 部分，我将延续 Weekly Spark No.14 中的思考，探讨如何在 AI 工具普及的环境中保持思维的独立性与创造力，分享一些实践策略与方法。

🔍 Insights

斯坦福大学近日发布了《2025 年人工智能指数报告》（也可在此阅读与下载），这份报告涵盖了人工智能研究与开发、技术性能、负责任的 AI、经济、政策与治理、公众舆论以及科学与医学等多个方面。那么，全球 AI 发展趋势将如何重塑知识工作者的工作方式和未来发展路径呢？

首先，报告中的研究数据呈现了一个明显的全球 AI 知识生产格局变化：2023 年，中国 AI 出版物的引用量占全球总量的 22.6%，其次是欧洲（20.9%）和美国（13.0%）。这一数据印证了我们正在目睹一个多极化的 AI 研究世界的形成。这意味着知识工作者需要跳出传统的「美国为中心」的技术视角，更加广泛地关注来自全球各地的创新和突破，尤其是中国和欧洲地区的研究进展。

在 AI 模型发展方面，有两个趋势尤为引人瞩目：一是行业主导，二是规模效应。报告数据显示，2023-2024年，工业界在显著 AI 模型（指那些在技术上领先、规模庞大、应用广泛、对 AI 发展具有重要意义，并能够推动新的研究方向的 AI 模型）的数量方面占据了超过 90% 的份额。这一现象深刻地反映了当下 AI 研究与应用的现实——真正推动前沿突破的力量已经从学术界转向了企业界。那么，对于知识工作者来说，这一转变是不是意味着要真正把握 AI 的最新进展和应用潜力，可能需要更多地关注产业界的动态，而不仅仅是学术论文？

同时，模型规模的惊人增长也值得关注。从 2017 年 Transformer 模型使用的约 20 亿 tokens 训练数据，到 2020 年 GPT-3 (davinci) 的 1750 亿 tokens，AI 模型的训练规模呈指数级增长。这种规模化趋势一方面带来了性能的飞跃，另一方面也意味着 AI 开发的门槛不断提高，个人或小团队难以挑战大型科技公司在基础模型方面的优势。

私以为，这一点从 Google 最新推出的 Gemini 2.5 Pro 模型就可以看出端倪。2023 年 3 月，Google 匆忙推出了 Bard 模型以应对 ChatGPT 的崛起，试图不让微软和 OpenAI 抢占先机，却因为各方面的差距而使得「Google 江郎才尽」的说法甚嚣尘上（我当时也这样认为）。然而，这家科技巨头迅速调整战略，合并了 Google Brain 和 DeepMind 这两大 AI 研发重镇，并从 2023 年底开始推出和持续迭代全新的 Gemini 模型。到 2024 年，Google 更是采取了全面进攻策略，将 Gemini 无缝整合进其产品生态系统，同时启动了数据飞轮策略，充分利用其独特的规模优势。这一系列举措清晰地展示了大型科技公司如何凭借其丰富的资源和深厚的技术积累，在 AI 基础模型的竞争中占据主导地位。

报告中也包含了一些令人振奋的发现。例如，更小的模型正在展现出惊人的性能提升。在 MMLU 基准测试中，达到 60% 以上分数的最小模型参数量从 2022 年 PaLM 的 5400 亿参数降至 2024 年 Phi-3-mini 的 38 亿参数，两年内减少了 142 倍。这一趋势预示着 AI 的民主化可能正在到来——即便是资源有限的个人知识工作者，也可能通过这些「小而精」的模型获得强大的 AI 能力，甚至在不久的将来，使用先进 AI 模型将不再是一个高门槛的事情。

再例如，技术能力方面，2024 年涌现的众多高性能 AI 模型——如 Stable LM 2、Gemini 1.5 Pro、GPT-4o、Qwen2、Llama 3.1 405B 等——在语言理解、多模态处理、代码生成等方面都取得了显著进步。特别值得注意的是长文本处理能力的提升，最新的一些模型拥有更长的上下文窗口，可以处理和分析更大量的文本数据。对于日常需要处理长文档、进行深入分析的知识工作者来说，这无疑是一个重大进步。

此外，这些新型模型不仅在处理长文本方面取得突破，更在分析和推理能力上展现出令人瞩目的进展。 OpenAI 的 o1 模型以其深思熟虑的推理流程重新定义了 AI 思考的边界；Claude 3.7 Sonnet 在事实准确性和跨领域理解方面表现卓越；Gemini 系列模型凭借其超长上下文窗口能力，为大规模数据分析开辟了新可能；而 DeepSeek R1 的异军突起，更是催化了全球 AI 厂商在分析和推理方向上的技术竞赛。这些进展不仅拓展了 AI 的应用边界，也为知识工作者提供了更加强大且精准的思维辅助工具。

报告还重点关注了负责任的 AI（RAI）实践发展。调查显示，从初创企业到跨国巨头，各种规模的组织都在显著增加对 RAI 的投资，涵盖技术系统开发和专业人才培养等多个方面。网络安全威胁、日益复杂的监管环境和个人隐私保护被企业普遍视为最紧迫的 AI 风险领域，然而令人忧虑的是，实际的风险缓解工作与风险认知之间存在明显的执行差距。这一现象再次为我们这些依赖 AI 工具的知识工作者敲响了警钟：在享受 AI 带来的效率与便利时，我们必须保持警觉，时刻关注潜在的安全隐患和隐私风险，将伦理考量、公平性原则和安全保障视为 AI 应用的基石，而非事后的补救措施。

在科学和医学领域，AI 也正在发挥日益重要的作用。例如，AI 在蛋白质科学、地球科学等领域的应用，帮助科学家更高效地分析数据、预测结果和设计实验，加速了科学发现的进程。医疗领域的 AI 应用，如医疗影像分析、疾病诊断和药物研发等，也展现出巨大潜力。这些进展预示着 AI 在高度专业化和知识密集型领域的广阔应用前景，为各领域的知识工作者提供了借鉴和启发。

读完这份报告，对于我们这些日常与信息和知识打交道的知识工作者来说，我认为报告中的数据和趋势带来了几点重要启示：

  • 首先，拥抱变革，持续学习。我们应该可以做出这样一个判断：面对 AI 时代的浪潮，适应与学习已不再是选择，而是必然。从报告中不难发现，机器学习、自然语言处理和计算机视觉作为研究热点，正预示着技术发展的方向。那么，知识工作者就需要以更加开放的心态，主动掌握这些领域的基础理论和前沿动态，不断更新自己的知识储备和技能图谱，这样才能更加具有竞争力。
  • 其次，重构人机协作模式。随着 AI 能力的进阶，传统知识工作的部分环节无疑会被自动化，但这绝非人类价值的削弱。相反，我们应该聚焦于培养那些 AI 难以企及的能力，例如创造性思维、批判性思维、战略眼光、跨领域知识整合、复杂问题解构等高阶认知能力，甚至是社交互动的能力，与 AI 构建起互补而非竞争的关系。
  • 第三，全球视野，把握趋势。毋庸置疑，AI 的发展已然是一场全球竞赛。深入了解不同国家和地区的研究进展、技术突破和政策动向，能够帮助我们在更宏观的格局中把握时代发展的脉络，发现隐藏的机遇与创新空间。同时，许多看似不相关的国际或地区议题，往往会对 AI 的发展轨迹产生深远影响。例如，近期欧盟在与美国和中国的竞争压力下，正在考虑简化 AI 监管流程，尝试平衡创新活力与监管框架，同时推出「AI 大陆行动计划」以提升其在全球 AI 竞争中的地位，这种政策调整反映了国际竞争对各国 AI 战略的塑造作用。
  • 第四，把握伦理与安全防线。随着 AI 影响力的指数级攀升，其伦理和社会维度的重要性日益凸显。作为知识工作者，我们更加需要积极参与 RAI 的讨论与实践，确保在日常使用 AI 工具和开发 AI 应用时，不仅是在追求效率与便利，也严格遵循伦理标准，尊重个人隐私，维护数据安全。这不仅是承担了一份 AI 时代中的社会责任，也是保护自身专业信誉、声誉和长期发展。
  • 最后，跨界融合，协同创新。AI 已经打破了传统行业的界限，重塑知识创造与应用的方式。可以这么说，跨学科思维和跨领域合作必然成为未来工作的新常态。因此，知识工作者需要有意识地拓展自己的认知边界，在不同知识领域的交汇处寻找突破和创新。

我还有一个不成熟的感想，在这场 AI 引发的变革中，知识工作者或许正站在独特的十字路口——既面临着传统工作方式被重塑的挑战，也迎来了前所未有的创新机遇。与其他行业不同，知识工作者本就习惯于信息处理、概念抽象和持续学习，这些特质恰好为我们提供了在 AI 浪潮中快速调整和适应的先天优势。因此，成为 AI 时代的弄潮儿并非遥不可及，其关键在于我们如何敏锐解读这些技术变革背后的深层逻辑，如何灵活调整自己的技能组合和工作方式，以及如何与 AI 建立健康、互补而非依赖的共生关系。那些能在这场变革中迅速找到定位，将 AI 视为思维伙伴而非简单工具的知识工作者，很可能成为下一个时代的引领者。