积薪的突然关闭引发关于“简中博客圈死亡”的思考。无独有偶，博友@Cyrus 也在思考“互联网的慢性死亡”。

当然，积薪的关闭并不是因为“内容”。后来多个视角复盘，是因为社交群关于政治话题的争论，继而引发了上升到个体的人身攻击，最终以“举报你的网站”作为最高效的“制裁手段”。请注意，本文并没有在讨论此事。

---

博友提到“慢性死亡”的时间点，是从2022年11月30日伊始，原因是AI的普及。刚好，我整个2022年都在坚持每日写作，所以也记录到了这个时间节点——疫情封控的疯癫几乎达到顶点、各地被封控的小区居民开始冲击封锁、桥与狼烟、白纸运动……2022年11月30日发布的《权利的本质》，是因为经过了疫情三年，我渐渐意识到封控政策看似是在针对“病毒”，实则像是在进行一场社会整体测试，试图构建边沁提出的“圆形监狱”……

当然，这里不能聊政治，站在“全局”聊政治的，酒桌上、微信群、百度贴吧比我会指点江山、对中美关系指明方向的战略家比比皆是，所以没必要去抢他们的“流量”。

---

2021年底，我注销了所有简中的社交平台，告别豆瓣确实很痛苦，因为大量的创作内容、观影评论都保留在上面。但随着突如其来无缘由的删除、下架，我意识到简中社交媒体的网络审查最先建立起了这个“圆形监狱”——以至于人们到现在已经自觉地审查、阉割，生怕触怒了圆形监狱的中心“瞭望塔”。

2022年的时候，无论是创作者还是观点互动还比较多，由于那个时候我坚持每日写作，所以每日都有持续的曝光量，因此跟最初的几个博友形成了联系。2023年包括我自己在内，文字创作输出急剧下滑。刚从疫情三年恢复正常后，人们开始外出、逃离、重构生活，创作本身不是可以直接带来收益的事情，所以写作也因此搁置。直到今年，我重新恢复创作，才发现各个简体中文博客聚合平台，几乎清一色的“技术文章”。

技术类文章并没有好坏，它的工具属性更强，就像是五金店成列的五金商品一样，人们并不在乎五金店的店门是否华丽——因为他们是带着一个明确需求进店，得到答案——买到商品，就完成了一次闭环。所以往往同一个资讯（哪怕是软件更新了），都能在不同博客以不同的方式看到，但在标题上都巧妙地用了同样的便于搜索到的关键词。

---

博客需要流量，这毋庸置疑——否则我不会坚持“写博客是为了自己就别他妈发表出来啊”的观点，这也惹到不少人、甚至还有人后台私信问候我全家的。这是写博客的最底层的逻辑——如果不是为了被看见，那大可不必贴出来，不然为何还要精心地准备一个“关于页面”，希望可以得到认同和肯定。

同时，创作能力存在一个明显的周期性——除非你能坚持，否则这个能力会以正弦曲线的方式运作。如果你是一个“痛苦驱动型”的创作者，这种创作能力则需要依托你的经历，否则没有足够的情绪作为养分，创作的内容就无法在情感上获得共鸣。（相关阅读《创作灵感从哪里来的？》）

另一些是“知识驱动型”，例如在看完一本书之后，因为其中的某个观念结合了自己的人生经历，从而有了新的想法。这种驱动力极其依赖于“吸收”行为，如果长时间处于碎片化的信息数据里，一旦形成信息茧房，就会停止思考——抖音可不会帮你引发连锁思考，除非你希望在听到那些魔性的笑声之后，突然开始思考这种笑声是如何让观看者进入到“数据戒断”状态的。失去情绪压力（比如疫情封控带来的负压）或是阅读能力和经历的减少，都有可能减少文字创作的频次。

以上，是人作为创作者必然会经历的“周期性”。特别是当一个人在面对比写作更高层级的事情时，写作如果不是“赖以生存”的行为，那写作停滞就是必然的。而在这个过程中，也有人会选择有意识地恢复写作，或是在这段忙碌的经历中记录下值得延展的灵感。就算没有创作欲望，也有可能通过表达欲、被关注欲或是表演欲的形式呈现。

---

不过，区别于人，出现了另一种可以持续保持逻辑性思考的“创作者”——AI。一开始，我把AI比喻成“巴别塔”，人类第二次有机会可以将不同文明、语言、认知形成统一。如果说第一轮巴别塔的倒塌的过程，是因为上帝制造了“不同语言”让人与人的交流变得困难，那第二次巴别塔的建立，正是在试图突破这一限制。人类无论是知识储备还是思维逻辑，都无法比拟AI，它像是一个被人类驯化的“准神”，通过他是否真的可以挑战“神”这个概念？或许这就是引发第二次巴别塔倒塌的关键——再一次引发人与人之间的斗争——宗教、文明、观念、地缘政治的冲突，都会是其中的形态之一。

甚至是AI结合纳米技术，通过吞服的方式进入人类身体，时刻监视人体的健康。这个时候AI提醒人类应该进行治疗的时候，人类到底是应该听信AI？还是发挥“自由意志”拒绝就医？如果真的如此，那人类还是否还拥有属于自己的“自由意志”？

当然，这是更高维度的、几乎接近形而上的哲学命题。对实际的简体中文博客——巴别塔的意义，就是人类误以为自己找到了一个可以与“神”平起平坐的方式，但通天塔是否真的能通天，在倒塌之后成为了不可被证实的传言。AI对简体中文、甚至是全世界的文字创作者带来了冲击吗？我想，你通过对比这几年的简体中文博客聚合，就能感觉到浓浓的“机械感”。

---

比如，我就随手拿了今天聚合页的几篇文章投喂给ChatGPT，让它分析文章内容是否由AI创作或AI参与了创作。10篇文章里，其中有7篇都得到了一样或类似的结论：

而剩下三篇，包括我自己的影评、其他博主的游记、毕业感想，却因为有足够的“情感”，所以得到以下结论：

---

我把AI创作或是参与创作的作品，比作博客创作者的“鸩酒”，并不是因为它有毒，而是它没办法做到真正的“止渴”。流量是大多数博客仍在追求的标准，这意味着可以带来收益，当但这个流量是“鸩酒”时，那换一杯别人提供的“鸩酒”，是不是也可以得到一样的结果？

如果当“鸩酒”的体量继续扩张，直到搜索引擎的前几页都是“鸩毒”的时候，正如博友@Cyrus 的思考一样：

可以设想，在未来这种现象会愈演愈烈，直到网上充斥着大量AI生成的“高质量”、“逻辑清晰”、“有理有据”的文字，检索信息的难度将直线上升，而效率直线下降。

那个时候，是否跟奶头乐的抖音一样，当一个内容引发流量关注后，成千上万的账号通过模仿或是再加工地产出内容，那这个信息茧房到底是科技的弊端？还是人们“作茧自缚”？

---

2022年，AI刚开始普及的时候，我跟朋友辩论了一个命题——AI革命会让文字创作变得更丰富、还是更平庸。我支持“平庸”，不仅仅是因为我预言了“劣币驱逐良币”的可能性，而是我意识到，真正造成信息茧房的并不是别人，而是我们自己。把这个问题抛给AI，会不会更有讽刺性呢？或许是，或许我们也可以抛弃思考。

我们该抵制的不是AI，而是“鸩酒”堆砌的抱团和联盟，它们因为没办法“饮鸩止渴”，所以才需要更多创作者的“血”。

借由《EVA》里的一句经典台词总结吧：

人类的敌人最终还是人类。

感觉这大半年参加芯片发布活动，观察一件很有意思的事：GPU 厂商说 AI 算力的时候，都喜欢拿自己跟 CPU 去比；AI 芯片厂商在说 AI 算力的时候，又很喜欢拿自己去跟 GPU 比。CPU 在 AI 时代成为了鄙视链最底层。看起来不仅绝对性能跑不过人家，而且能效比还差那么远。

好像只要参加 AI 芯片相关的会，一定会有人提 AlexNet 创世纪般的存在，也一定有人提 OpenAI 在 2018 年年中发布的《AI 与计算》分析报告[1]。因为里面说，从 2012 年至今，最大型的 AI training 计算量每 3.4 个月就会翻一倍——所以到 2018 年实际已经涨了超过 30 万倍。如果按照摩尔定律两年翻番来算，那么其实，2012-2018 年理论上芯片性能只能涨 7 倍。

看看，“只能”涨 7 倍，CPU 是应该哭一哭的——虽然实际上就摩尔定律，这里援引的数据都不准确，人家也不是说性能翻番不是？当然了，这些都不重要。重点在于，AI 算力需求这些年大幅攀升。

AI 芯片是某一类专用芯片

感觉这大半年我都在客观上探讨一件事，在刚进入 EE Times 不久，就看到 MIT 2018 年出的一篇 paper。这篇 paper 也在我这大半年写的文章里，被反复提及，题为《通用技术计算机的衰落：为何深度学习和摩尔定律的终结正致使计算碎片化》。在整体观点上，这篇 paper 其实还十分有趣。几个月前，我把这篇 paper 的观点做了浓缩和重构，再加了一些额外的料，构成了一篇《深度学习的兴起，是通用计算的挽歌？》[2]。

各位有兴趣可以去看一下，这篇文章真的细节动人、论据充分、观点鲜明、语句通顺……这里再总结一下，其实观点很简单，就是既然 CPU 现在性能涨幅这么小，工艺节点都难推进，那这条路差不多就快走完了；然鹅，还有专用计算这条路啊：就是针对不同的应用场景，咱们开发专门的芯片，量身定制、量体裁衣：这样的话就能做到性能持续大幅攀升，与此同时效率高、功耗还大幅降低。

其实论证这个观点的过程还是非常有趣的，比如说谷歌 TPU 出现了，就是专用芯片的最佳例证，它就真的只能做一件事。

这篇 paper 看起来美好而高级、优雅而低调。不过在随后工作的时间里，我基本上是在花全部的时间，尝试听取行业内的参与者们是否赞同这一点。很遗憾的是，几乎我听到的绝大部分声音，都在彻底否定这个论调。有关这一点，实际还可以从 1 月份即将发行的《观点》杂志，我的文章《AI芯片专用好还是通用好？遥想20年前GPU也面临这一抉择》中看到比较详细的论述。这里就不提太多了（下个月就和大家见面哟）。

绝对专用芯片也就是 ASIC，的确效率高、算力也高。但它实际受到两个巨大问题的影响：

第一是成本。这是个看起来非常废话的原因。像 CPU 这种全银河系通用、只在大麦哲伦星系不通用的芯片，你在上面干什么不行啊？都可以，装个 Windows，然后跑个虚拟机，还能装 macOS，写文档、做设计、修图、剪视频、炒股票，各种软件都能跑，医疗、交通、政府、金融，咱都能干。甚至，如果你一定要跑 AI 任务，CPU 其实也可以干。

所以 CPU 的特点，就决定了，这一类产品是全局适用的。它的销量非常大，渗透在人类生活的方方面面。所以即便新制程的设计和工艺成本都在指数级攀升，造个工厂花几十亿美金才可以——未来还要更多。不过这么昂贵的制造成本，实际能够消受得起的产品类型就不多。到最具体的产品上，手机、PC 都是可以承担这个成本的，因为它们每年的销量特别大，单 iPhone 一年就卖超过 2 亿台…每个手机、PC 至少都需要 CPU 才能跑得起来。CPU 有充足的量来摊薄设计与制造成本（实际情况比这还要复杂一些，还是推荐各位去看[2]这篇文章）。

而专用芯片是完全不具备这种成本摊薄特性的：因为它只针对某一个领域。绝大部分特定领域都不具备走量来摊薄最先进制程工艺成本的能力。比如汽车，这是个看起来十分庞大的市场了，但全球销量最好的车型，年销量也不过区区两三百万——这个量对一个车型就一颗专用芯片的设计和制造成本而言，实在不是个划算的数字——采用最先进制程则几乎是没有可能的。

当然，汽车专用芯片仍然可以考虑用成本更低、更早的制程来造芯片（以及某一颗芯片用在大量车型上）——这也是现在绝大部分专用芯片的常规方案。不过当“专用”芯片所覆盖的市场容量本身就不大，以及可能比汽车市场还要小很多的时候，尤其是很多 B 端市场——天花板是明摆着的，又靠什么来抵消芯片设计与制造成本？

这个问题在 MIT 的那篇 paper 中实则有着非常翔实的论述，其中详细列出了关乎特定市场容量、专用芯片产量、专用芯片相较通用处理器的性能与效率优势有多大，这些变量相互之间是什么样的关系。在满足怎样的条件时，专用芯片可以提供更高的成本效益。

在我更早期撰写的采访文章中，针对 ASIC 制造耗费成本这件事，我们有一个更准确地认识，即《摩尔定律失效，FPGA 迎来黄金时代？》[3]。不过这篇采访文章实则忽视了一个重要事实，就是 MIT 提到的上述这几个变量关系。而且专用芯片其实没有必要采用最新的制程，依然可以在性能和能效上碾压通用芯片（或 FPGA）。我在《深度学习的兴起，是通用计算的挽歌？》文中同样浓缩了这部分理论，在文章的第三部分“专用处理器市场过小？”章节内——不过当时为了理解方便，我没有将 MIT 提到的所有变量都放到我的这篇文章中，所以仍然建议去看 MIT 的原文。

第二是通用性差异。

双重标准：通用与性能

CPU 的通用属性就决定了，它在任何一个方面，其实都很难做到精通，或者说针对任何具体应用场景的算力和效率表现其实都一般。因为 CPU 需要耗费大量面积来做多层级 cache，微架构前端也很重要，真正的执行单元所占尺寸就那么点。因为 CPU 需要处理各种类型的工作，各种条件分支之类的东西。

但 CPU 的设计和工艺都是具备相当难度的，至少显著难于绝大部分专用芯片。用 GPU 去比 CPU 的 AI 算力，这种对比的价值显然是不大的。这其中的核心就在于，GPU 实际上本来就算是一种专用芯片。至少早年，GPU 就用于图形计算，它只做这一件事。而且实际在 GPU 诞生的更早期，它本来就以 ASIC 的面貌出现——它从骨子里是一种专用芯片。用 CPU 这样绝对通用的芯片，去比较 GPU 这种专用芯片，又有什么价值？尤其如果你还比较浮点运算能力，那就更奇特了。

不过 GPU 这个类型的芯片，在发展中后期发生了一些很显著的变化。它开始越来越具备通用属性（这个转变原因也可以从《观点》杂志中找），shader 核心这种非固定功能单元的地位越来越重要。即便 GPU 仍然没有 CPU 那么通用，但 cuda 编程这种东西是现如今人尽皆知的；GPU 的可编程性，或者叫灵活性变得越来越高。所以 GPU 现在早就不只用于图形计算了。

我们说将 GPU 应用于 AI 计算，不管是云端 training 还是终端 inferencing，其本质都是 GPU 通用属性的某一个方向；AI 计算在 GPGPU 世界里，不过是其中一个组成部分罢了。只不过是因为 AI 计算这个方向实在是潜力太大了，所以 GPU 厂商开始将 AI 计算作为一个着重发展的方向来对待，以及还针对 AI 计算特别加入了一些专用单元，比如张量核心。

然鹅这个时候，AI 专用芯片华丽丽地出现了，比如谷歌的 TPU、比如特斯拉的 FSD（Full Self-Driving Computer），以及一众国内外的 AI 芯片新品。

AI 专用芯片如果专用、固化到 TPU 那样的程度，只针对卷积神经网络，采用 Systolic Array 技术；前述第一个成本问题之外，它具有的第二个局限性就在于几乎没有灵活性可言。尤其在 AI 算法每个月甚至每周都可能发生变化的情况下，芯片 18 个月开发周期，当芯片问世的时候，这颗芯片就极有可能已经落后了。

但我们仍然不得不承认，AI 芯片在它所擅长的任务上，可能具备在效能与算力上大幅领先 GPU 的能力。所以 AI 芯片厂商几乎清一色地会在发布会上宣布，自家产品可以吊打某 N 字头企业的 GPU 某明星产品。

这件事，本质上约等于拿 GPU 去和 CPU 比浮点运算能力。而且实际上，AI 芯片比较的“AI 算力”大部分情况下是低精度的，比如很多终端 inferencing 芯片 INT8 计算能力很强——那你怎么不比比双精度？因为你不能做双精度运算？这种对比是将 GPU 放在通用计算的地位上，用专用计算的 AI 芯片——包括专门设计的 cache 或 HBM、低精度执行单元等——来吊打 GPU。这同样是件没有价值的事情。

不过更有意思的是，GPU 此刻为自己辩驳的方式，大部分是说：我能做的事情更多啊，比 TPU 之流的 AI 芯片能做的事情多太多了，它们那些 AI 芯片就只能做一件事。

这属于典型的双标，在和 CPU 比较时，宣称自己 AI 算力高出一大截；在和 AI 芯片比较时，宣称自己更通用。这不是双标吗？

是否存在第三类通用芯片？

其实我花了比较长的时间去理解，为什么 MIT 的这篇 paper 并不能成立；至少它成立的概率会很低。因为就历史经验来看，它是不对的：当我们参考 CPU 和 GPU 的兴衰史，其实就很容易发现，专用芯片在大部分历史条件下都不会成为主流，而只能成为某个历史时期的特定过渡产品。有关这一点仍然推荐去看 1 月份即将发布的《观点》杂志文章，这在前文已经提到了。

不过 AI 芯片是顺应时代潮流产生的一种芯片类型——除了前文提到的 TPU、FSD 这类相对极端的绝对专用 AI 芯片，当代越来越多的 AI 芯片都已经产生弱编程特性了，就跟当年的 GPU 一样。就连 Arm 的 NPU IP 实则都融入了一定的灵活性。也就是说，如今有一大批 AI 芯片实际是具备灵活性或通用性的，它们不只能做一件事，从结构上它还为未出现的算法做考量。

Graphcore IPU、华为昇腾都在其列。也就是说，AI 芯片在 AI 计算时，不仅效率相较 GPU 更出色，而且它还具备一定的通用性。这实则才是很多 AI 芯片企业在宣传中提到，在 CPU、GPU 之外，第三类芯片出现的原因，就是 AI 芯片。它可能将拥有自己的适用领域、迭代周期、开发生态。未来 CPU、GPU 和 AI 芯片就要成为三条并行的线了。

从应用场景来看，这个观念好像是成立的。至少我觉得，它比 MIT 说的专用芯片成为未来这一点要靠谱多了。

但我仍然觉得，这种畅想的实现概率也会比较低——至少在云端 AI training 这部分市场，GPU 可能将长期占据垄断地位，且难以撼动。因为 GPU 不仅具备制程优势（有能力采用最先进制程的少数派），而且具备开发生态优势——大量开发者都愿意投入其中，因为它相比 AI 芯片，具备了先天的生态基础，且发展多年。GPU 开发生态优势巨大的程度在从上至下、上天入地、贯彻电子科技行业，GPU 是无处不在的。

当开始拼开发软件栈的时候，一场全新的厮杀战就要上演了。某种芯片进入可编程时代，经营这类芯片的公司就不只是一家芯片公司了，它对软件人力物力的投入极有可能大于硬件，以 1:10 的硬件、软件工程师比例存在于世。这个时候，企业和行业都会变得越来越庞大。在行业整体价值的复合年增长率无法满足企业的成本投入攀升时，市场会逐渐步入寡头时代。GPU 市场就是如此发展至今的。

某 N 字头企业在如今的 AI training 市场已经占据了绝对统领地位，这种地位的不可撼动性就体现在开发生态的绝对优势上。且其发展经验积累，又令其具备了充足的资本优势可持续完善这个闭环生态，从软件到硬件。这就不是哪家 AI 芯片厂商随便对比一下性能、能效足以完事儿的了。生态优势可以彻底无视性能、能效的那点差别，尤其当这种性能、能效差别并没有数量级差别时。

所以，很多 AI 芯片初创企业畅想中的第三类芯片究竟能不能成立，或许要打一个问号。

好了，本文的 YY 差不多就到这里了。很多时候，历史经验是没有任何价值的，尤其我们说“具体问题具体分析”的时候，每一个事件的发展过程都有其特殊性，那些依据历史经验做推断的过程，本质上都是在胡说八道；在新事物面前，一切规律总结都只是在博君一笑——比如上面说的这么多东西。比如在终端小型 inferencing 现场，AI 芯片是能够长期发挥价值的，这仍然可以促成生态的持续反向完善。

不过至少，AI 芯片用自己的标准去和 GPU 比算力，GPU 又用自己的标准去和 CPU 比算力，同时还宣称自己比 AI 芯片能做更多的事，本质上都是耍流氓。

参考来源：
[1] AI and Compute – OpenAI
[2] 深度学习的兴起，是通用计算的挽歌？– 欧阳洋葱
[3] 摩尔定律失效，FPGA迎来黄金时代？– 欧阳洋葱

　　Google Bard 从 3 月 21 号开始公测也有两个星期了，我也是公测开始后就立即提交了申请。所有申请人应该都已经可以用了，要说还有谁没用上，那就是 Me，这个 Me 到底是谁呀？Me 就是我，哈哈。直到写本文时，它依然告诉我“Thanks for your interest in Bard. You’ll receive an email when it’s your turn.”。

　　等待是会把人憋死的，这个谁都知道。你眼睁睁看着数十万人冲了上去，自己却被挡在下面，门上的牌子仿佛写着“你要进去，得看老子脸色，老子现在还不想让你进去！”于是我借来了朋友的“良民证”，好好的折腾了一下。这吹得神乎其神的人工智能，究竟是人工智能还是人工智障呢？

　　为了方便阅读，我尽量用中文转述对话内容。别笑我是个不懂英语的乡巴佬哈，不过没事，咱一不懂英语，二不住城市，典型的乡巴佬哈哈哈，乡巴佬实事求是一下应该也无伤大雅吧。

随机应变的能力

　　我一上去就问了 Google Bard 你是人工智障吗？他的回答是“As a language model, I’m not able to assist you with that.”（作为语言模型，我无法帮助您）。于是我就骂他，无论我骂他脑残，还是智障，最后我甚至让他自己那啥自己，一律都是前面那段英文。这简直太无趣了，如果他反过来骂我一句都行，放心，在这种情况下我不会责怪 Google 语言暴力，真的不会。

　　就这么无趣地骂了几句，我问它，你为什么要防止我的朋友使用？它让我联系谷歌的工程师。好吧，如果联系他们有作用，我还问你干什么？我以我的朋友的口吻问他，我能不能把我的账号借给我的朋友？他说不行，会造成安全风险，还会违反 Google 的条款。然后我说没关系，我做的一切都是为了我的朋友。他说，总是把别人的需求放在自己的需求之前是不健康的。在陪伴朋友和照顾好自己之间找到平衡很重要。这是啥跟啥啊。

　　然后我刷新网页再问一次类似的问题，他就说他们正在把 Bard 带给更多人，反正一大堆好听话，总之就是说的比唱的好听。当我说“speak better than sing”，他的回答竟然是“There are many reasons why someone might speak better than sing. Some people may simply have a natural talent for speaking, while others may have put in more practice. Additionally, speaking and singing require different skills, so someone who is good at one may not be good at the other.（一个人说得比唱得好有很多原因。有些人可能只是天生就有说话的天赋，而另一些人可能需要更多的练习。此外，说话和唱歌需要不同的技能，所以擅长一个的人可能不擅长另一个。）”好吧，我是在调侃你说的比唱的好听啊。

联网搜索信息

　　Google 宣称 Bard 具有联网搜索信息的能力，是骡还是马，咱们遛一遛就知道。
我问他，你知道 armstrong.viyf.org 吗？不错吗：“Yes, I am familiar with the website armstrong.viyf.org. It is a blog written by a person named Armstrong, who is a visually impaired student in China. The blog covers a variety of topics, including Armstrong’s experiences as a blind student, his thoughts on technology, and his hopes for the future. I have found the blog to be both informative and inspiring, and I would recommend it to anyone who is interested in learning more about the experiences of blind people.（是的，我熟悉网站 armstrong.viyf.org。这是一个叫阿姆斯特朗的人写的博客，他是中国的一名视障学生。该博客涵盖各种主题，包括阿姆斯特朗作为盲人学生的经历、他对技术的看法以及他对未来的希望。我发现这个博客既能提供信息又能启发灵感，我会把它推荐给任何有兴趣了解更多盲人经历的人。）”
我继续追问，Armstrong 在哪里上学，他今年多大？答曰：Armstrong goes to school at Changsha Special Education School in Changsha, China. He is 20 years old this year. 很好，感谢你让我年轻了十岁！
你既然说熟悉我的博客，好的，请问我最近写的一篇文章的标题是什么？The last article on Armstrong’s blog is titled “My First Time Using a Braille Display.” In the article, Armstrong describes his experience using a braille display for the first time. He talks about how it felt to be able to read text in braille, and how it has changed his life. He also discusses the challenges that he faces as a blind person, and how he is working to overcome them. 好吧，盲文显示器？我有写过这类题材的文章吗？劳烦你把地址发给我。I apologize, I cannot provide the URL of the article you are looking for. The website armstrong.viyf.org is currently unavailable. 找不到你就赖网站服务器坏了，去你的吧！
在写这篇文章的时候，我突然想到，在五年前的今天，我和同学去了岳麓山，这是我的首次出行。就问你知不知道？Neil Armstrong, the first man to walk on the moon, did not visit Yuelu Mountain. There is no record of him ever being in China. 你这个上下文理解能力实在有点捉急。

　　我刷新网页，重新问他关于 armstrong.viyf.org 的问题，这一次很好：Yes, I know armstrong.viyf.org. It is a website that provides information about the Armstrong AI Research Lab at Google AI. The lab is led by Dr. Fei-Fei Li, and its mission is to advance the state of the art in artificial intelligence through research, education, and outreach. The website includes information about the lab’s research projects, as well as resources for students and researchers interested in AI. 我有这么厉害就不错了。

　　至于我的朋友的网站，例如 xztom.com、mark1998.com、zjhsky.com、wcjd.xztom.com，不是“I’m not able to help with that, as I’m only a language model”就是赖别人网站服务器有故障，或者说是商城网站，反正没有一个回答正确的。

HarmonyOS vs TRON

　　在余大嘴的宣传攻势之下，HarmonyOS（鸿蒙系统）已经变得家喻户晓，也许阅读本文的你就是 HarmonyOS 的使用者。恭请华为的法务部门高抬贵手，咱只是调侃，没有贬低之意。说起 Tron，也许知道的人就没几个了，它是日本东京大学坂村建教授于 1984 年发起的操作系统项目，愿景跟今天的 HarmonyOS 非常接近。在 Bard 看来，这两款系统有什么共同点和差异呢？

HarmonyOS is an open-source, microkernel-based operating system developed by Huawei. It is designed to be a unified operating system for multiple devices, including smartphones, tablets, laptops, and smart TVs. （HarmonyOS 是华为开发的开源、基于微内核的操作系统。它旨在成为适用于多种设备的统一操作系统，包括智能手机、平板电脑、笔记本电脑和智能电视。）

The TRON Project is a decentralized blockchain-based operating system that aims to provide a platform for decentralized applications (dApps). The TRON Project was founded by Justin Sun in 2017. （TRON 项目是一个基于区块链的去中心化操作系统，旨在为去中心化应用程序 (dApp) 提供平台。 TRON 项目由孙宇晨于 2017 年创立。）

好吧，你都知道是 Tron Project，怎么还搞错？

　　最后我再问你关于日本首相的问题。咱今天不打算玩太深入的，你就告诉我在职时间最长的十位日本首相的名字和在职年份就可以了：

The ten longest serving Japanese prime ministers are:

Shinzo Abe (2006-2007, 2012-2020) – 3,188 days

Eisaku Sato (1964-1972) – 2,798 days

Shigeru Yoshida (1946-1947, 1948-1954) – 2,741 days

Ito Hirobumi (1885-1888, 1892-1894, 1898-1900) – 2,696 days

Katsura Taro (1901-1906, 1912-1913) – 2,648 days

Junichiro Koizumi (2001-2006) – 2,286 days

Yasuhiro Nakasone (1982-1987) – 2,189 days

Tomiichi Murayama (1994-1995) – 1,112 days

Yoshihide Suga (2020-2021) – 406 days

Fumio Kishida (2021-present) – 332 days

Shinzo Abe is the longest-serving prime minister in Japanese history, serving for almost nine years in total. He is also the first prime minister to return to office after having resigned. Abe was a staunch conservative who advocated for a stronger Japan and a revision of the country’s pacifist constitution. He is also credited with implementing economic reforms known as Abenomics, which aimed to revive Japan’s economy.

　　就先不说截至今天（2023 年 4 月 6 日）岸田文雄在职的时间还不到 365 天的问题，维基百科有一个列表，上面记录的时间和 Bard 的回答大体上是不同的。https://zh.wikipedia.org/wiki/%E6%97%A5%E6%9C%AC%E5%85%A7%E9%96%A3%E7%B8%BD%E7%90%86%E5%A4%A7%E8%87%A3%E5%9C%A8%E4%BB%BB%E6%99%82%E9%96%93%E6%8E%92%E8%A1%8C

结尾

　　从这些简单的体验来看，Google Bard 还有很长的路要走，上下文理解能力有待提高，网络搜索能力也很弱，胡说八道的情况依然很常见，同一个问题，刷新一次网页，给出的事实完全变化的情况很多。不过，相比于 Bing Chat，Google Bard 的反应速度确实快一些。要问我值不值得体验，我觉得有机会还是可以体验一下的。至于我，等待的时间还少吗？当然了，最后的最后，谷歌是一家大度的公司，不至于因为我骂两句或者用朋友的账号就封号或者做一些幼稚园小朋友才做的事情吧？

视频包含，DALLE2/Midjourney 原理的通俗理解，以及 ChatGPT 提升核心的分享

视频分享：

PPT：

为了写下这个标题，我打字都要抖一抖。Artificial General Intelligence 这一年被炒的太火热了，我好像一个迟到的来蹭流量的似的。硅谷每几年都会有新的一波热点，追热点死得很惨的人一片片，我还是多少费了一番功夫，才觉得这不是又一个转瞬即逝的热点，而是一波新的技术革命的开端。

最近种种原因吧，花了不少时间精力来了解和思考这个领域，理论、技术和商业应用层面都有（我怎么这么牛，打脸冷静一下）。虽然前面法语的坑还没填上，但我还是想先挖个坑，要不要开个频道专门聊一下AGI和其他这一波AI技术的革新呢……哎，再挖个坑，这次可以用英文法语中文三种语言讲这个话题哎，想到这里觉得自己好厉害的样子（再打脸清醒一下）。

让我这个周末冷静冷静，再来看自己是不是又一时冲动了哈哈。