100 lines
7.7 KiB
Markdown
100 lines
7.7 KiB
Markdown
---
|
||
date: 2026-06-13
|
||
type: daily-summary
|
||
tags: [全天总结, 浙大, 讯飞]
|
||
---
|
||
|
||
> 本文共 **2757** 字 · 预计阅读 **9** 分钟
|
||
|
||
## 全天学习总结：AI驱动的产业变革与个人转型
|
||
|
||
**摘要**
|
||
本日学习分为上午浙江大学章丰教授的《AI驱动的产业发展新逻辑：从杭州六小龙谈起》与下午科大讯飞李心博士的参访座谈。上午聚焦AI对产业逻辑的重塑，强调人机协作与智能体应用；下午深入技术底层与行业落地，展示大模型在能源、医疗、教育等领域的实际案例。两场学习形成“宏观逻辑-微观技术-行业实践”的完整链条，共同指向一个核心命题：AI时代，个人与组织如何实现有效转型。
|
||
|
||
**结构**
|
||
- 上午：浙大课堂——产业逻辑与认知升级
|
||
- 下午：讯飞参访——技术原理与行业落地
|
||
- 关联与差异：从“为什么”到“怎么做”
|
||
- 总结：行动启示与未来思考
|
||
|
||
---
|
||
|
||
### 上午：浙大课堂——产业逻辑与认知升级
|
||
|
||
**一、课程背景与核心框架**
|
||
2026年6月13日，周六，浙江大学。章丰教授以《AI驱动的产业发展新逻辑：从杭州六小龙谈起》开启全天学习。课程从杭州本土AI企业案例切入，构建了一个理解AI产业变革的宏观框架。章教授推荐了《有为与有效》一书，并引用王坚院士的“黑土地、牧场、蓝天”理论——黑土地代表基础设施，牧场是应用场景，蓝天则是未来想象空间。这一比喻为理解AI产业生态提供了清晰坐标。
|
||
|
||
**二、智能体：人机协作的新范式**
|
||
课程中最具冲击力的概念是“智能体（Agent）”。章教授举例：9个智能体组成一个团队，分别负责选题、素材、审稿等环节，实现全流程自动化。这一案例让学习者意识到，智能体已从概念走向实用。学习者本人因具备程序员开发习惯，获得了章教授的高度评价，并添加了微信。这提示：在AI时代，技术背景与主动学习能力是重要的竞争优势。
|
||
|
||
**三、三个故事与一个隐喻**
|
||
章教授通过三个故事深化认知：
|
||
1. **蚂蚁阿福**：垂直领域AI应用，被评价为“比三甲医院专家号靠谱”。这展示了AI在特定场景下的精准能力。
|
||
2. **Yuri数字偶像**：AI创造虚拟形象，开启新的内容生产与消费模式。
|
||
3. **2024诺奖时刻**：Demis Hassabis因预测蛋白质形状获诺贝尔化学奖，证明AI在科学研究中的颠覆性力量。
|
||
|
||
核心隐喻是“老铁匠与年轻学徒”的故事：四句话——请他进来、他不会打铁、找到协作模式、快速反馈久久为功。这精准概括了人机协作的本质：AI是工具，人类需找到与其共生的方式。
|
||
|
||
**四、个人行动启示**
|
||
课程引发两个具体行动：
|
||
- 购买AI录音卡，将每日录音整理纳入个人知识仓库。
|
||
- 思考“养虾”问题：如何构建智能体助理模式与工作空间？现有办公室和部门模式是否适配？
|
||
|
||
章教授还提出一个尖锐命题：“所有结果容易被验证的工作，AI都会快速取代。工业时代的教育与AI时代的就业存在巨大矛盾。”这成为全天学习的核心问题意识。
|
||
|
||
---
|
||
|
||
### 下午：讯飞参访——技术原理与行业落地
|
||
|
||
**一、从产品到技术：讯飞的AI版图**
|
||
下午在科大讯飞，李心博士带领参访。展厅展示了多款翻译机、阿尔法蛋、办公本、学习机等明星产品。值得注意的是，同声传译仍受延迟问题困扰，无论耳机还是智能眼镜。这提示：技术落地需克服物理限制，并非所有场景都能即时完美。
|
||
|
||
**二、行业应用：医疗、能源、教育**
|
||
讯飞的AI布局覆盖多个领域：
|
||
- **医疗**：AI参加执业医师考试，超过96%的考生。已服务600多个县市医院和社区医院，实现基层医疗赋能。
|
||
- **能源**：与国网公司、能源局合作，探索AI在电力系统的应用。
|
||
- **教育**：改作业机器去年销量增长9倍，能批注、分类统计、针对性辅导。讯飞教育板块是最大营收来源。每个孩子未来可能拥有自己的AI老师。学校和教委也使用AI评价体系。
|
||
|
||
**三、大模型技术原理与底层逻辑**
|
||
座谈环节深入技术层面：
|
||
- **四次浪潮**：1970年、1990年、2006年、2022年，AI发展呈螺旋上升。
|
||
- **技术路径**：深度神经网络+GPU算力。参数越大，能力越强。
|
||
- **可解释性困境**：开发人员并不完全清楚AI的智能来源，每一点可解释性进步都达到发论文标准。但技术确实“造出来了”。
|
||
- **未来确定性**：“电力+算力”是唯一确定的投资方向。
|
||
|
||
**四、个人学习反思**
|
||
学习者意识到：上午的零散化记录虽有效，但下午应更体系化——经过人脑第一次处理归纳，能加深印象与脉络理解。同时，对“Skill”概念产生新关注，认为这是近期需要加深理解的领域。
|
||
|
||
---
|
||
|
||
### 关联与差异：从“为什么”到“怎么做”
|
||
|
||
**一、核心关联：AI驱动转型的同一命题**
|
||
两场学习共同指向一个核心：AI正在重塑产业逻辑与个人角色。上午从宏观视角揭示“为什么”要转型——工业时代教育无法适配AI时代就业；下午从微观技术展示“怎么做”——大模型原理、行业应用、产品落地。两者形成“认知-行动”闭环。
|
||
|
||
**二、差异：抽象逻辑 vs. 具体技术**
|
||
- **上午**：更偏产业逻辑与认知升级。章教授用“老铁匠与学徒”隐喻人机协作，用“黑土地、牧场、蓝天”构建生态框架。问题意识强，但具体技术细节较少。
|
||
- **下午**：更偏技术原理与行业实践。李博士详细讲解四次浪潮、参数规模、可解释性困境，并展示医疗、教育、能源等真实案例。技术细节丰富，但宏观叙事相对薄弱。
|
||
|
||
**三、互补：从“是什么”到“如何用”**
|
||
上午的智能体概念在下午得到技术支撑：智能体依赖大模型与算力，而讯飞正是这类技术的实践者。下午的“电力+算力”确定性，呼应上午对AI取代可验证工作的判断。两者共同构成“理解AI-应用AI”的完整路径。
|
||
|
||
---
|
||
|
||
### 总结：行动启示与未来思考
|
||
|
||
**一、个人行动清单**
|
||
1. **购买AI录音卡**：将每日录音整理纳入知识仓库，实现信息结构化。
|
||
2. **深化智能体理解**：关注“Skill”概念，探索智能体助理模式与工作空间的适配。
|
||
3. **体系化记录**：从零散关键词转向经过人脑处理的归纳笔记，提升学习深度。
|
||
|
||
**二、组织转型启示**
|
||
- **人机协作**：借鉴“老铁匠与学徒”模式，让AI成为“不会打铁”但能增效的伙伴。
|
||
- **教育矛盾**：工业时代教育体系需加速变革，以匹配AI时代的就业需求。
|
||
- **行业机会**：医疗、教育、能源是AI落地的三大确定性领域，值得持续关注。
|
||
|
||
**三、未来思考**
|
||
全天学习留下一个核心问题：在“所有结果容易被验证的工作都会被AI取代”的趋势下，个人与组织如何找到“不能被验证”的价值？答案或许在于：创造力、情感连接、复杂决策——这些人类独有的能力，正是与AI协作而非竞争的关键。
|
||
|
||
**结语**
|
||
从浙大的产业逻辑到讯飞的技术实践，全天学习构建了一个完整的AI认知框架。上午的“为什么”与下午的“怎么做”相互印证，共同指向一个未来：AI不是替代人类，而是重新定义人类工作的价值。正如章教授所言：“请他进来，他不会打铁，找到协作模式，快速反馈久久为功。”这四句话，或许正是AI时代最实用的行动指南。 |