Technology

真正伟大的产品从不纠结于"它能做什么"，而是追问"它能为生活带来什么改变"。Waymo One在App Store拿下满分，本质上不是因为它是全球首个商用无人驾驶网约车服务，而是它用AI撕开了传统出行的边界，把"必须有人驾驶"的固有认知，变成了"人人可自由支配的出行时间"。它到底是什么？是从谷歌2009年自动驾驶项目孵化而来，用十六年时间打磨出的"移动自由空间"，更是未来智能交通的基础设施雏形。 这种对出行本质的重构，从来不是突发奇想。Waymo的起点是谷歌内部一个看似不切实际的目标：让出行更安全、更平等。2009年，当大多数公司还在纠结辅助驾驶功能时，他们已经开始搭建完整的自动驾驶系统。2016年从谷歌独立成为Alphabet子公司，Waymo的使命更清晰——做"世界上最值得信任的司机"。2018年Waymo One应用推出，从凤凰城的小规模测试，到如今覆盖旧金山、洛杉矶、凤凰城等多座城市，甚至通过与Uber合作进入奥斯汀、亚特兰大，每一步都不是为了抢占市场，而是用真实场景打磨技术，建立用户信任。这种长期主义的打磨，让它积累了1.55亿英里安全行驶里程，完成超2000万次付费出行，周订单量突破45万单。这些数据不是炫耀的资本，而是支撑"永远不疲劳、永远不分心"承诺的基石。 真正用过Waymo One，才会明白它的聪明之处从不是"无人"这个标签，而是把技术彻底融入体验的细节里。打开App叫车，你不用像传统网约车那样反复确认位置，系统会自动选择最安全的上下车点。车辆到达前，车顶会亮起你在App里设置的专属字母，再加上可以通过App让车辆鸣笛或播放旋律的设计，在停车场找车变成了一件轻松的事。坐进车内，没有司机的局促感，宽敞的全电动Jaguar I-PACE车厢每天都会细致清洁，你可以通过屏幕连接Spotify播放音乐，调整到自己舒服的温度，甚至随时添加中途停靠点。最关键的是那份安全感。车内屏幕会实时显示Waymo Driver看到的路况，行人和车辆都被清晰标记，你能直观感受到它的决策逻辑，这种"透明化"的设计，比任何宣传都能打消对无人驾驶的顾虑。而技术层面，它没有走纯视觉的捷径，而是用激光雷达+摄像头+雷达的三重感知方案，在旧金山停电导致信号灯失效时，依然能稳定运行，这种冗余设计不是技术堆砌，而是对生命的敬畏。更难得的是它的包容性，为视障用户优化的屏幕阅读器、可预约的无障碍车辆，让出行自由不再是少数人的特权，这才是技术应有的温度。 至于Waymo One的未来，绝不止于"更大的网约车公司"。它刚刚获得内华达州的全面运营许可，计划2026年引入极氪RT平台把单车成本从12万美元降到8万美元以下，还将与丰田合作进军东京市场，这些动作都是在为规模化铺路。但规模化的终极目标，是让无人驾驶成为像水电一样的基础设施。当单车成本足够低，覆盖范围足够广，改变的就不只是个人出行。更少的交通事故会减轻社会负担，更高效的路线规划能缓解拥堵，全电动车队会推动环保，甚至城市规划都会因为"无需大量停车场"而重新设计。未来的Waymo One，可能不再只是一个叫车App，而是智能出行管家，提前预判拥堵，联动目的地的服务，把"出行"和"生活"无缝衔接。更重要的是，它积累的每一公里路况数据、每一次AI决策经验，都会成为智能交通的核心资产，推动整个行业从"有人驾驶"向"智能出行"跃迁。 说到底，Waymo One的5分好评，是用户对"技术向善"的投票。它证明了最先进的AI技术，不该用来制造焦虑，而是要帮人们摆脱负担。最伟大的产品，不是颠覆世界的口号，而是让每个人的生活都变得更自由、更平等。这也是所有伟大产品的共通之处：用技术读懂人性，用体验改变生活。

本文解读的是Tom Brown等人于2020年发表的划时代论文《Language Models are Few-Shot Learners》，该论文提出了GPT-3模型，以1750亿参数的前所未有规模，首次展示了大语言模型的上下文学习（In-context Learning）和涌现能力（Emergent Abilities）。GPT-3证明了一个惊人的事实：足够大的语言模型无需更新参数，仅通过在输入中提供少量示例，就能执行从未见过的任务——这一发现彻底改变了AI的发展轨迹，直接催生了ChatGPT的诞生。 从零样本到少样本的飞跃 问题一：零样本学习的局限 GPT-2展示了零样本学习的可能性，但性能仍然有限： 任务 零样本GPT-2 微调SOTA 差距 CoQA 55 F1 82 F1 -27 翻译（法英） 11.5 BLEU 45.6 BLEU -34 摘要 21.6 ROUGE 44.2 ROUGE -23 零样本学习虽然证明了概念，但实用性不足。 问题二：微调的代价 传统微调方法虽然有效，但存在显著问题： 数据需求：每个任务需要数千到数十万标注样本 过拟合风险：在小数据集上容易过拟合 分布偏移：微调数据与测试数据分布不一致 计算成本：大模型微调需要大量计算资源 灵活性差：每个任务需要单独模型 问题三：人类学习的启示 人类可以从极少量示例中学习新任务： “看一个例子：‘狗’的复数是’dogs’。那’猫’的复数是什么？” 人类不需要数千个训练样本，仅需要任务描述和少量示例就能泛化。GPT-3的目标是：让机器具备类似的学习能力。 GPT-3的核心创新 前所未有的规模 GPT-3将规模推向极致： 参数 GPT-2 GPT-3 Small GPT-3 Medium GPT-3 Large GPT-3 XL GPT-3 175B 层数 48 12 24 24 32 96 隐藏维度 1600 768 1024 1536 2048 12288 注意力头数 25 12 16 16 24 96 参数量 1.5B 125M 350M 760M 1.3B 175B 最大的GPT-3模型参数量达到1750亿，是GPT-2的100倍以上。 ...

OpenAI的12天发布会终于结束了，我全程追完了所有直播。当演示者用自然语言和视频交互时，我突然有种穿越到未来的感觉——这可能就是生成式AI的终极形态了。 表层：AI视频的技术突破 Sora的视频生成能力又提升了，现在能生成5分钟高清视频，连人物微表情都能模拟。视频交互模式也落地了，直接对视频内容提问，AI会实时回答。上周跟做内容创作的朋友聊天，他说：“以前拍短视频要2000块，现在用AI只要200块，效果还不差。“已经不用请摄影师了。 深层：中美视频AI的竞争格局 中美在生成式视频领域的竞争很激烈：谷歌发布了Veo 2大模型，腾讯也开源了视频大模型。美国在技术前沿领先，中国在落地应用更快——抖音已经在测试AI生成视频功能了。但冷静下来想，深度伪造的风险也不容忽视：生成的人物和真实几乎一模一样，要是用来制作虚假视频，后果不堪设想。 终局：GPT-o3的营销噱头？ 最让我感慨的是OpenAI预测的GPT-o3，2025年发布，据说能实现真正的多模态交互，甚至理解人类情感。但这会不会是又一个营销噱头？毕竟，GPT-4o刚发布时，也有很多承诺没兑现。 生成式AI的终极形态到底是什么？是理解和创造任何内容的超级智能，还是人类想象力的延伸？ 2025年的GPT-o3会给我们答案。但无论如何，OpenAI的12天发布会已经展示了AI的未来——更加智能、自然的人机交互时代。我已经迫不及待想看到那一天了。