1月4日，前Meta FAIR團(tuán)隊(duì)研究總監(jiān)田淵棟在一份公開(kāi)的個(gè)人年終總結(jié)中，回顧了過(guò)去一年其在Meta經(jīng)歷的組織震蕩與被迫離職的經(jīng)歷，并透露個(gè)人新的就業(yè)方向和研究方向。在他看來(lái)，模型的可解釋性是非常重要的研究領(lǐng)域。

2025年10月22日，Meta首席執(zhí)行官扎克伯格批準(zhǔn)了對(duì)該公司人工智能部門裁減約600名員工的計(jì)劃。這是Meta今年在AI領(lǐng)域的最大規(guī)模裁員，主要針對(duì)被稱為“超智能實(shí)驗(yàn)室”的核心研發(fā)部門，2014年便加入Meta的田淵棟也在此次裁員名單中。

田淵棟說(shuō)，在2025年1月底被要求加入Llama4救火時(shí)，就曾想過(guò)未來(lái)的四種可能性，如果最后項(xiàng)目沒(méi)有成功，也至少盡力而為，但遺憾的是，最后發(fā)生的是沒(méi)在計(jì)算之內(nèi)的第五種可能，被裁員。

在被裁后，他曾在網(wǎng)絡(luò)上透露對(duì)于裁員結(jié)果的不滿，“真正應(yīng)該負(fù)責(zé)解決問(wèn)題的人并不是被裁員的人?！?/p>

田淵棟被裁后，曾在個(gè)人社交平臺(tái)上表達(dá)不滿

這份年終總結(jié)里，田淵棟也透露今后的就業(yè)方向，去當(dāng)一家新初創(chuàng)公司的聯(lián)合創(chuàng)始人，但其他具體細(xì)節(jié)暫不公開(kāi)，“希望能安靜地忙一段時(shí)間?！碧餃Y棟說(shuō)。

田淵棟也表示，在這個(gè)AI能力極其充沛的時(shí)代，巨大的便利往往伴隨著巨大的陷阱。唾手可得的便利，會(huì)讓許多人逐漸失去思考的動(dòng)力，久而久之喪失原創(chuàng)能力，

個(gè)人如何保持原創(chuàng)力？

田淵棟認(rèn)為，從戰(zhàn)術(shù)上，我們需要學(xué)會(huì)不停地審視AI的答案，挑它的毛病，并找到它無(wú)法解決的新問(wèn)題。從戰(zhàn)略上來(lái)看，無(wú)論主動(dòng)還是被動(dòng)，每個(gè)人都將面臨從“員工”角色向“老板”或“創(chuàng)始人”角色的轉(zhuǎn)變。如果心中有一個(gè)堅(jiān)定的目標(biāo)，并愿意動(dòng)用一切手段（包括將大模型作為核心工具）去達(dá)成它，那么主動(dòng)思考就是自然而然的結(jié)果。目標(biāo)越遠(yuǎn)大，觸發(fā)的主動(dòng)思考就越多，激發(fā)的潛力就越大。

——以下是田淵棟的2025年終總結(jié)（略有刪減）

在2025年1月底被要求加入Llama4救火的時(shí)候，作為一直以來(lái)做強(qiáng)化學(xué)習(xí)的人，我事先畫(huà)了一個(gè)2x2的回報(bào)矩陣（reward matrix），計(jì)算了一下以下四種可能（雖然在那時(shí)，因?yàn)閬?lái)自上面的巨大壓力，不同意是幾乎不可能的）：

田淵棟畫(huà)的2x2的回報(bào)矩陣（reward matrix）

當(dāng)時(shí)想的是我們?nèi)兔Φ脑挘幢阕詈箜?xiàng)目未能成功，也至少盡力而為，問(wèn)心無(wú)愧。不過(guò)遺憾的是，最后發(fā)生的是沒(méi)在計(jì)算之內(nèi)的第五種可能，這也讓我對(duì)這個(gè)社會(huì)的復(fù)雜性有了更為深刻的認(rèn)識(shí)。

盡管如此，在這幾個(gè)月的努力過(guò)程中，我們還是在強(qiáng)化學(xué)習(xí)訓(xùn)練的核心問(wèn)題上有一些探索，比如說(shuō)訓(xùn)練穩(wěn)定性，訓(xùn)推互動(dòng)，模型架構(gòu)設(shè)計(jì)，和預(yù)訓(xùn)練/中期訓(xùn)練的互動(dòng)，長(zhǎng)思維鏈的算法，數(shù)據(jù)生成的方式，后訓(xùn)練框架的設(shè)計(jì)等等。這個(gè)經(jīng)驗(yàn)本身是很重要的，對(duì)我的研究思路也帶來(lái)了不小的轉(zhuǎn)變。

另外其實(shí)我也想過(guò)在公司十年多了，總有一天要離開(kāi)，總不見(jiàn)得老死在公司里吧，但總是因?yàn)楦鞣N經(jīng)濟(jì)上和家庭上的原因還是要待下去。最近一兩年的說(shuō)話和做事方式，都是抱著一種“公司快把我開(kāi)了吧”的心態(tài)，反而越來(lái)越放開(kāi)。2023年年末我休第一個(gè)長(zhǎng)假的時(shí)候，其實(shí)幾乎差點(diǎn)要走了，但最后沒(méi)簽字還是選擇待在公司繼續(xù)，所以說(shuō)真要做出離開(kāi)的決定也不容易?，F(xiàn)在Meta幫我做了也挺好。

這次波折和今年一年的起起落落，也為接下來(lái)的小說(shuō)創(chuàng)作提供了非常多的新素材。所謂“仕途不幸詩(shī)家幸，賦到滄桑句便工”，生活太平淡，人生就不一定有樂(lè)趣了。還記得2021年年頭上的時(shí)候，因?yàn)樵谀昴┕ぷ骺偨Y(jié)里面寫了幾句關(guān)于”為啥paper都沒(méi)中“的反思，喜提Meet Most（相當(dāng)于被點(diǎn)名談話），有一種突然不及格的懵逼感。但想了想與其到處抱怨世道不公，不如就在大家面前裝成自己剛剛升職吧，結(jié)果半年后果然升了職，而那篇21年頭上無(wú)人問(wèn)津的工作，在2021年7月份中了ICML Best paper honorable mention（ICML 最佳論文榮譽(yù)提名），成為一篇表征學(xué)習(xí)中還比較有名的文章。

10月22日之后的一段時(shí)間，基本上我的各種通信方式都處于擠爆的狀態(tài)，每天無(wú)數(shù)的消息和郵件，還有各種遠(yuǎn)程會(huì)議或者見(jiàn)面的邀請(qǐng)，實(shí)在是忙不過(guò)來(lái)了。一直到幾周之后才漸漸恢復(fù)正常。這兩個(gè)月非常感謝大家的關(guān)心和熱情。如果那時(shí)有什么消息我沒(méi)有及時(shí)回復(fù)，請(qǐng)見(jiàn)諒。

雖然最后有不少offer，大家能想到的知名公司也都聯(lián)系過(guò)我，但最后還是決定趁自己還年輕，去當(dāng)一家新初創(chuàng)公司的聯(lián)合創(chuàng)始人，細(xì)節(jié)暫時(shí)不公開(kāi)，先安靜地忙活一陣吧。

一些研究的方向

2025年的主要方向，一個(gè)是大模型推理，另一個(gè)是打開(kāi)模型的黑箱。

自從2024年末我們的連續(xù)隱空間推理（coconut，COLM’25）工作公開(kāi)之后，25年在這個(gè)研究方向上掀起了一股熱潮。大家探索如何在強(qiáng)化學(xué)習(xí)和預(yù)訓(xùn)練中使用這個(gè)想法，如何提高它的訓(xùn)練和計(jì)算的效率，等等。雖然我們組隨后就被拉去llama干活，沒(méi)能再繼續(xù)花很大力氣往下挖，但這個(gè)讓我覺(jué)得非常欣慰。盡管如此，我們還是在上半年發(fā)了一篇理論分析（Reasoning by Superposition，NeurIPS‘25）的文章，展示連續(xù)隱空間推理有優(yōu)勢(shì)的地方究竟在哪里，獲得了不少關(guān)注。

另外是如何提高大模型的推理效率。我們的Token Assorted（ICLR’25）的工作，先通過(guò)VQVAE學(xué)出隱空間的離散token，再將所得的離散token和text token混在一起進(jìn)行后訓(xùn)練，減少了推理代價(jià)的同時(shí)提高了性能。我們的DeepConf通過(guò)檢測(cè)每個(gè)生成token的自信程度，來(lái)決定某條推理路徑是否要被提前中止，這樣推理所用的token減少了很多，但在majority vote的場(chǎng)景下性能反而更好。ThreadWeaver則是通過(guò)制造并行推理的思維鏈，并在其上做后訓(xùn)練，來(lái)加快推理速度。另外我們也在dLLM上用RL訓(xùn)練推理模型（Sandwiched Policy Gradient），也有在小模型上學(xué)習(xí)推理的嘗試（MobileLLM-R1）。

在可解釋性方面，Grokking（頓悟）這個(gè)方向我大概兩年前就在關(guān)注了。因?yàn)橹拔易霰碚鲗W(xué)習(xí)（representation learning）的分析，雖然能分析出學(xué)習(xí)的動(dòng)力學(xué)過(guò)程，看到模型出現(xiàn)表征塌縮的原因，但究竟學(xué)出什么樣的表征，它們和輸入數(shù)據(jù)的結(jié)構(gòu)有什么關(guān)系，能達(dá)到什么樣的泛化能力，還是個(gè)謎團(tuán)，而通過(guò)分析Grokking這個(gè)特征涌現(xiàn)的現(xiàn)象，從記憶到泛化的突變過(guò)程，正好能解開(kāi)這個(gè)謎團(tuán)。一開(kāi)始確實(shí)非常難做沒(méi)有頭緒，2024年先做了一篇COGS，但只能在特例上進(jìn)行分析，我不是很滿意。在一年多的迷茫之后，在和GPT5大量互動(dòng)之后，最近的這篇可證明的Scaling Laws的文章應(yīng)該說(shuō)有比較大的突破，能分析出之前的線性結(jié)構(gòu)（NTK）看不到的東西，并把特征涌現(xiàn)的訓(xùn)練動(dòng)力學(xué)大概講清楚了。雖然說(shuō)分析的樣例還是比較特殊，但至少打開(kāi)了一扇新的窗口。

2025年年末的這篇《未被選擇的道路》（The path not taken）我很喜歡，對(duì)于強(qiáng)化學(xué)習(xí)（RL）和監(jiān)督微調(diào)（SFT）的行為為何會(huì)如此不一致，在權(quán)重的層面給出了一個(gè)初步的答案。SFT造成過(guò)擬合和災(zāi)難性遺忘（catastrophic forgetting），其表層原因是訓(xùn)練數(shù)據(jù)不夠on-policy，而深層原因是權(quán)重的主分量直接被外來(lái)數(shù)據(jù)大幅修改，導(dǎo)致“根基”不穩(wěn)，模型效果大降。而RL則因?yàn)橛胦n-policy的數(shù)據(jù)進(jìn)行訓(xùn)練，權(quán)重的主分量不變，改變的只是次要分量，反而能避免災(zāi)難性遺忘的問(wèn)題，而改變的權(quán)重其分布也會(huì)較為稀疏（特別在bf16的量化下）。

關(guān)于可解釋性的信念

很多人覺(jué)得可解釋性，或者“AI如何工作得那么好”這個(gè)問(wèn)題不重要，但我卻覺(jué)得很重要。試想之后的兩種場(chǎng)景：場(chǎng)景一：如果我們僅僅通過(guò)Scaling就達(dá)到了AGI乃至ASI，全體人類的勞動(dòng)價(jià)值都降為零，AI作為一個(gè)巨大的黑盒子幫我們解決了所有問(wèn)題，那如何讓AI作為一個(gè)超級(jí)智能，一直行善，不欺騙不以隱秘的方式作惡，就是當(dāng)務(wù)之急，要解決這個(gè)問(wèn)題就要做可解釋性。場(chǎng)景二：如果Scaling這條路最終失效，人類在指數(shù)增長(zhǎng)的資源需求面前敗下陣來(lái)，必須得要尋求其他的方案，那我們就不得不去思考“模型為什么有效，什么東西會(huì)讓它失效”，在這樣的思考鏈條之下，我們就必須回歸研究，可解釋性就是目所能及的另一條路了。

在這兩種情況下，最終都需要可解釋性來(lái)救場(chǎng)。就算最終AI是個(gè)全知全能全善的神，以人類好奇和探索的天性，必然還是會(huì)去研究AI為什么能做得好。畢竟“黑盒”就意味著猜疑鏈的誕生，在大模型技術(shù)爆炸，開(kāi)始達(dá)到甚至超過(guò)人類平均水平的今天，《三體》中“黑暗森林”的規(guī)則，也許會(huì)以另一種方式呈現(xiàn)出來(lái)。

目前打開(kāi)訓(xùn)練好模型的黑箱，去找到電路（circuit），還是處于比較初步的階段?？山忉屝哉嬲碾y點(diǎn)，在于從第一性原理，即從模型架構(gòu)、梯度下降及數(shù)據(jù)本身的固有結(jié)構(gòu)出發(fā)，解釋為什么模型會(huì)收斂出這些解耦、稀疏、低秩、模塊化、可組合的特征與回路，為什么會(huì)有大量不同的解釋，這些涌現(xiàn)出來(lái)的結(jié)構(gòu)和模型訓(xùn)練的哪些超參數(shù)相關(guān)，如何相關(guān)，等等。等到我們能從梯度下降的方程里，直接推導(dǎo)出大模型特征涌現(xiàn)的必然性，可解釋性才算真正從生物式的證據(jù)收集走向物理式的原理推導(dǎo)，最終反過(guò)來(lái)指導(dǎo)實(shí)踐，為下一代人工智能的模型設(shè)計(jì)開(kāi)辟道路。對(duì)比四百年前的物理學(xué)，我們現(xiàn)在有很多AI版的第谷（收集數(shù)據(jù)），一些AI版的開(kāi)普勒（提出假說(shuō)），但還沒(méi)有AI版的牛頓（發(fā)現(xiàn)原理）。

等到那一天來(lái)臨的時(shí)候，我相信，世界一定會(huì)天翻地覆。

未來(lái)會(huì)是什么樣子

拋開(kāi)前公司里每三個(gè)月一次的組織架構(gòu)重組不談，2025年一年的變化本身已經(jīng)很大。2025年年初的Deepseek-R1的發(fā)布，現(xiàn)在想來(lái)幾乎已經(jīng)算是20世紀(jì)的事情了。帶思維鏈的推理模型的巨大成功，讓強(qiáng)化學(xué)習(xí)（RL）又回到了AI的主流視野之中，也帶動(dòng)了AI for Coding及AI Agent的發(fā)展，而后兩者讓大模型有了大規(guī)模落地，大幅度提高生產(chǎn)力的切實(shí)可能。

以前做項(xiàng)目，招人是很重要的一環(huán)，但現(xiàn)在腦中的第一個(gè)問(wèn)題是“還需不需要人？”幾個(gè)Codex進(jìn)程一開(kāi)，給它們下各種指令，它們就可以24小時(shí)不間斷干活，速度遠(yuǎn)超任何人類，而且隨便PUA永遠(yuǎn)聽(tīng)話毫無(wú)怨言。和AI工作，我最擔(dān)心的是工作量有沒(méi)有給夠，有沒(méi)有用完每天的剩余token數(shù)目。這也是為什么各家都在試驗(yàn)讓AI Agent做幾個(gè)小時(shí)連續(xù)不斷的工作，看AI的能力上界在哪里。因?yàn)槿说淖⒁饬τ肋h(yuǎn)是最昂貴的，人要休息，要度假，要允許有走神、睡覺(jué)和做其他事情的時(shí)間。減少人的介入，讓AI自己找到答案，干幾個(gè)小時(shí)活之后再回來(lái)看看最好。

這每個(gè)月交給OpenAI的20塊錢，一定要榨干它的價(jià)值啊。

我突然意識(shí)到，就因?yàn)檫@20塊錢，我已經(jīng)成為“每個(gè)毛孔里都滴著血”的骯臟資本家。我能這么想，全世界最聰明和最富有的頭腦，也一定會(huì)這么想。

所以請(qǐng)大家丟掉幻想，準(zhǔn)備戰(zhàn)斗吧。

在幫忙趕工Llama4期間，我經(jīng)常在加州時(shí)區(qū)晚上12點(diǎn)接到東部時(shí)區(qū)的組員消息，在倫敦的朋友們更是永不下線，熬夜折騰到凌晨四五點(diǎn)是尋常事，但大模型越來(lái)越強(qiáng)，辛勤勞動(dòng)最終達(dá)到的結(jié)果，是看到大模型達(dá)到甚至超越我們?nèi)粘Ｗ鍪碌乃疁?zhǔn)。

這應(yīng)該說(shuō)是一種陷入囚徒困境之后的無(wú)奈。

人類社會(huì)的“費(fèi)米能級(jí)”

如果以后以AI為中心，那還需要人嗎？

如果考慮勞動(dòng)力的投入－回報(bào)模型，傳統(tǒng)思維會(huì)告訴你，工作經(jīng)驗(yàn)積累越多，人的能力越強(qiáng)，回報(bào)也越大，是個(gè)單調(diào)上升的曲線。這就是為什么大廠有職級(jí)，職級(jí)隨年限晉升，越老越香。但現(xiàn)在的情況已經(jīng)不同了。職級(jí)已經(jīng)沒(méi)有意義，過(guò)去的經(jīng)驗(yàn)也沒(méi)有意義，人的價(jià)值從按照“本人產(chǎn)出的勞動(dòng)數(shù)量及質(zhì)量”來(lái)評(píng)估，變成了是否能提高AI的能力，人加AI要大于AI本身的產(chǎn)出，這樣才行。

這樣就讓投入－回報(bào)曲線從一個(gè)單調(diào)遞增曲線變成了一個(gè)先是全零，再在一定閾值之后增長(zhǎng)的曲線（也即soft-thresholding的曲線）。一開(kāi)始人的能力是比不過(guò)AI的，而AI的供給只會(huì)越來(lái)越便宜，所以在很長(zhǎng)一段成長(zhǎng)期內(nèi)，人本身是沒(méi)有價(jià)值的。只有在人的能力強(qiáng)到一定程度之后，能夠做到輔助AI變強(qiáng)，才開(kāi)始變得有價(jià)值起來(lái)。

并且，在跨越閾值之后，厲害的人對(duì)AI的加成，會(huì)高于普通人很多，因?yàn)槠胀ㄈ酥粫?huì)對(duì)AI的一兩條具體產(chǎn)出花時(shí)間修修補(bǔ)補(bǔ)，而厲害的人在看了一些AI存在的問(wèn)題之后，能提出較為系統(tǒng)性和普遍性的解決方案，結(jié)合手上的各類資源（GPU和數(shù)據(jù)等），可以進(jìn)一步讓AI變得更強(qiáng)，而這種效應(yīng)隨著AI的廣泛部署，會(huì)被幾何級(jí)數(shù)地放大?！耙或T當(dāng)千”這種小說(shuō)筆法，將很快變成現(xiàn)實(shí)。

在這樣一個(gè)非常兩極分化的投入－回報(bào)模型之下，如果把人+所有個(gè)人能獲取的AI當(dāng)成一個(gè)智能體，整體來(lái)看，它的能力分布會(huì)和電子能級(jí)在材料里的分布很像：低于或達(dá)到某個(gè)水準(zhǔn)線的智能體遍地都是，求著客戶給它干活，以證明自己還是有用的；而高于這個(gè)水準(zhǔn)線的智能體則指數(shù)級(jí)地變少，獲取和使用它非?；ㄥX，還常常排不到。

這個(gè)水準(zhǔn)線，就是AI洪水的高度，就是人類社會(huì)的“費(fèi)米能級(jí)”。低于費(fèi)米能級(jí)的職業(yè)，可能在一夜之間就被顛覆掉，就像一場(chǎng)洪水或者地震一樣，前一天還是歲月靜好，后一天整個(gè)行業(yè)被端掉了。

隨著時(shí)間變化，這條水準(zhǔn)線還會(huì)一直往上走。其進(jìn)展的速度，和它能獲取到的，比它更強(qiáng)的數(shù)據(jù)量成正比。如果大模型的訓(xùn)練過(guò)程沒(méi)有特別大的進(jìn)展，那和自動(dòng)駕駛無(wú)人車一樣，越往上走，有用的數(shù)據(jù)是越來(lái)越少的，進(jìn)展也會(huì)越慢，最頂尖的那部分人，還能在很長(zhǎng)時(shí)間內(nèi)保有自己的護(hù)城河。如果訓(xùn)練過(guò)程有突破，比如說(shuō)找到新的合成數(shù)據(jù)手段，乃至新的訓(xùn)練算法，那就不好說(shuō)了。

當(dāng)然以上的判斷是假設(shè)有無(wú)限的GPU和能源的供給，并沒(méi)有考慮到各種資源短缺的情況。能源短缺，芯片產(chǎn)能短缺，內(nèi)存短缺，整個(gè)地球能否滿足人類日益瘋狂增長(zhǎng)的AI需求還是個(gè)未知數(shù)，這方面深究下去，或許可以做一篇論文出來(lái)。

遍地神燈時(shí)代的獨(dú)立和主動(dòng)思考

那么，接下來(lái)會(huì)怎么樣呢？

未來(lái)的世界，或許不再是傳統(tǒng)故事里描繪的那樣——人們?yōu)榱藸?zhēng)奪稀缺的武功秘籍，或是千辛萬(wàn)苦尋找唯一的阿拉丁神燈、集齊七顆龍珠而展開(kāi)冒險(xiǎn)。相反，這將是一個(gè)“遍地神燈”的時(shí)代。每一個(gè)AI智能體都像是一個(gè)神燈，它們能力超群，渴望著實(shí)現(xiàn)別人的愿望，以此來(lái)證明自己的價(jià)值。

在這種環(huán)境下，真正稀缺的不再是實(shí)現(xiàn)愿望的能力，而是“愿望”本身，以及將愿望化為現(xiàn)實(shí)的那份堅(jiān)持。

然而，在這個(gè)AI能力極其充沛的時(shí)代，巨大的便利往往伴隨著巨大的陷阱。大模型提供了極其廉價(jià)的思考結(jié)果，在當(dāng)前信息交互尚不充分的市場(chǎng)中，這些結(jié)果甚至可以直接用來(lái)交差并獲取經(jīng)濟(jì)價(jià)值（例如那些一眼就能看出的“AI味”文案）。這種唾手可得的便利，會(huì)讓許多人逐漸失去思考的動(dòng)力，久而久之喪失原創(chuàng)能力，思想被生成式內(nèi)容和推薦系統(tǒng)所綁架和同化。這就是新時(shí)代對(duì)“懶人”的定義：不再是因?yàn)轶w力上的懶惰，而是精神上沒(méi)有空閑去思考，沒(méi)有能力去構(gòu)思獨(dú)特的東西。

最終變成一具空殼，連許愿的能力都失去了。

那我們?cè)撊绾伪３知?dú)立思考？如何不被AI同化？

戰(zhàn)術(shù)上來(lái)說(shuō)，我們需要學(xué)會(huì)不停地審視AI的答案，挑它的毛病，并找到它無(wú)法解決的新問(wèn)題。未來(lái)的新價(jià)值將來(lái)源于三個(gè)方面：（1）新的數(shù)據(jù)發(fā)現(xiàn)；（2）對(duì)問(wèn)題全新的深入理解；（3）新的路徑，包括可行的創(chuàng)新方案及其結(jié)果。利用信息不對(duì)稱來(lái)套利只是暫時(shí)的。隨著模型越來(lái)越強(qiáng)，社會(huì)對(duì)AI的認(rèn)知越來(lái)越清晰，這種機(jī)會(huì)將迅速消失。如果僅僅滿足于完成上級(jí)交代的任務(wù)，陷入“應(yīng)付完就行”的狀態(tài)，那么在AI泛濫的今天，這種職位極易被取代。

AI時(shí)代生存指南 來(lái)源：田淵棟的知乎賬號(hào)

就拿AI Coding來(lái)說(shuō)，用多了，我會(huì)覺(jué)得它雖然可以很快弄出一個(gè)可以跑的代碼庫(kù)滿足需求，但隨著代碼越來(lái)越長(zhǎng)，它貢獻(xiàn)的代碼也就越來(lái)越不如人意，還是需要人來(lái)做大的設(shè)計(jì)規(guī)劃。如何調(diào)教它讓它更快達(dá)成自己的長(zhǎng)遠(yuǎn)目的，這會(huì)成為人類獨(dú)有價(jià)值的一部分。如果只是盲目地命令它做這個(gè)做那個(gè)，而不自己去思考如何做才能和它配合做得更好，那就會(huì)和大部分人一樣停留在應(yīng)用層面，而無(wú)法理解得更深入，就更不用說(shuō)獨(dú)一無(wú)二了。

戰(zhàn)略上來(lái)說(shuō)，無(wú)論主動(dòng)還是被動(dòng)，每個(gè)人都將面臨從“員工”角色向“老板”或“創(chuàng)始人”角色的轉(zhuǎn)變。這種轉(zhuǎn)變的核心在于“目標(biāo)感”。如果心中有一個(gè)堅(jiān)定的目標(biāo)，并愿意動(dòng)用一切手段（包括將大模型作為核心工具）去達(dá)成它，那么主動(dòng)思考就是自然而然的結(jié)果。目標(biāo)越遠(yuǎn)大，觸發(fā)的主動(dòng)思考就越多，激發(fā)的潛力就越大。

因此，如果將來(lái)的孩子立志要去土衛(wèi)六開(kāi)演唱會(huì)，或者想在黑洞邊緣探險(xiǎn)，千萬(wàn)不要打壓這樣看似荒誕的志向。因?yàn)檫@份宏大的愿望，或許正是他們一輩子充滿前進(jìn)動(dòng)力，主動(dòng)思考的根本源泉，也是讓他們始終屹立于“費(fèi)米能級(jí)”之上的關(guān)鍵。