AI Strategy

德米斯·哈薩比斯在四年內解決了蛋白質摺疊問題。但真正的故事是他在開始之前等待了二十年。以下是他對時間、根節點和動態規劃的思考方式。

探索建構者經濟如何重塑角色，以及為什麼「按結果支付」是 AI 時代蓬勃發展的關鍵。

日本的移民打擊標誌著AI經濟的轉變，精英人才成為新的優先考量，而非大量勞動力。

提示工程的軍備競賽已經結束。對於像 Fable 5、Claude 和 Codex 這樣的前沿模型，獲勝的方法是 CROCC 框架：上下文、請求、輸出格式、限制、檢查點。James Huang 解釋了為什麼較短的任務風格提示優於 800 字的模板。

人工智慧重新定義了人類變得有價值的門檻。詹姆斯·黃利用費米能級的物理概念，主張人類在某一能力門檻以下的努力，相較於人工智慧具有負邊際價值。只有當人類 + 人工智慧超過單獨的人工智慧時，價值才會變得指數增長。

AI 不是互聯網——它有不斷上升的邊際成本，而不是零。James Huang 解釋了為什麼贏家會將數位工作者視為一次性炮灰，並以投資組合邏輯進行平行實驗。地緣政治的數學是殘酷的：矽正在消耗碳，而掠奪的窗口是開放但有限的。

埃森哲洩漏的錄音揭示 PDF 轉 PPT 是他們最大的代幣消耗者。這是古德哈特法則的實踐：當代幣消耗成為 KPI 時，員工會優化以燒掉代幣。黃詠傑解釋了為什麼衡量 AI 使用而不是結果會產生扭曲的激勵——以及該如何做。

深入探討 AI 編碼中的理解債務概念，乾淨的代碼可能導致災難性的錯位和脆弱的系統。發現應對這個問題的策略。