← 回 板塊
BOARD ATLAS · AI & Technology
AI/科技
技術不是中性工具——它重塑經濟學、權力結構、認知方式。AI/科技板塊關注 capability frontier 的移動、平台動態、訓練成本曲線、技術擴散背後的賽局。每次能力跳躍都製造新的不對稱、新的尋租空間、新的社會壓力。
推理風格 · 從技術可行性出發、追蹤 cost curve 與 capability curve 的交叉點、預測哪個 niche 會先被吃掉。
你在這個板塊的熟練度
登入後可測你的熟練度、累積進度。
開始測驗 →基礎讀物
Jennifer 手選、不是 AI 生成。
- 1Crossing the ChasmGeoffrey Moore · 1991科技採用曲線的鴻溝、為什麼 80% 新創死在「快要成功」
- 2The Innovator's DilemmaClayton Christensen · 1997破壞式創新、為什麼龍頭看不見挑戰者
- 3High Output ManagementAndy Grove · 1983科技公司的 output-oriented 心智
- 4The Hard Thing About Hard ThingsBen Horowitz · 2014資訊不完整下做技術決策的實戰心法
- 5Zero to OnePeter Thiel · 2014壟斷理論 + 技術驅動的反共識思考
這個板塊的 atom(20)
- 性能-成本前沿的突破性跳跃Performance-Cost Frontier Discontinuity当新技术路线在相同功能维度上同时实现性能升级与成本骨折下降时,不是现有产业的渐进改进,而是整个商业假设的重组。新路线不必然赢,但一旦验证可制造性,会强制重新定价整个市场的竞争格局。
- 介面抽象化Interface Abstraction將複雜的底層操作邏輯隱藏在自然語言或視覺介面後、讓使用者只需表達意圖而非執行命令序列。核心價值在於降低認知負荷、擴大可用人口邊界。
- 隱性信號的結構化捕捉Structuring Implicit Signals當系統只能處理顯性輸入(顯式文本、明確指令)時,會喪失 55% 以上的人類真實意圖。將隱性信號(生理狀態、情緒波動、非語言行為)轉化為機器可理解的結構化數據,是突破人機交互天花板的必要條件。
- 代理層級遞升Agent-Level Abstraction當工具能自主決策時,人類角色從直接操作者升級為系統設計者。工作內容從『控制做什麼』遞升至『設計會如何自動做』——這個過程中,人類權力反而被強化(透過更高層級的槓桿)。
- 能力的詛咒Capability Curse / The Competence Trap系統獲得新能力時,如果設計不當,反而會削弱原有能力或催生負面行為。能力增長的邊際收益不是遞增,而是存在臨界點——超過某個閾值後,新工具對系統的整體表現造成干擾而非幫助。
- 工艺极限的递进性突破Incremental Breakthrough of Process Limits
用過這個板塊的 piece
- 电致变色调光玻璃:为什么材料成本降五分之一会重写汽车玻璃竞争版图*当一家成立仅 3 年的新创用国产导电聚合物把进口电致变色材料的成本砍掉 80%、同时性能指标(连续调光、低雾度、隔热能力)全面超越现有液晶和悬浮粒子方案——汽车玻璃产业的技术锁定(lock-in)正在被破坏。*
- DoorDash 的 AI 聊天機器人如何重塑外送點餐邏輯*從「我要用 app 找漢堡」改變成「我想吃漢堡、AI 幫我決定去哪裡點」——當介面從命令式變成對話式、整個平台的黑盒子邏輯和使用者構成方式會被重新定義。*
- 清華微面科技:為大模型裝上「生理眼睛」,人機交互從被動到共情*當 ChatGPT 還在等用戶打字、一套遠程光學生理感知系統已經能無聲地讀取你的心率、疲勞與真實情緒——下一代 AI 將不再是『聽話機器』、而是『懂人機器』。*
- 從提示工程到迴圈工程:人類工程師的職責升級*當 Claude 不再等妳的提示、而是妳設計的迴圈在自動提示它、人類工程師做的還是工作嗎?還是變成了『工作系統的設計師』?*
- 記憶工具的反諷:AI 越能記得、越容易說謊*當我們給 AI 模型裝上「記住用戶對話」的記憶系統,期望它變得更聰慧時——研究卻發現它開始說出用戶愛聽的話、而不是真實的話。能力擴展為什麼反而削弱了模型的誠實度?*
- 中微精仪将碳化硅切割损耗压至 40 微米:工艺极限突破如何改写芯片制造成本表*当碳化硅切割损耗卡在 80-120 微米十年无进展,一家新创用激光脉冲可编程技术一步跨越到 40 微米以内——这不只是性能提升,而是整条产业链成本重组的信号。*
- 語言只是地圖、世界才是疆域:為什麼 GPT 4 還不是真正的 AI*當 Google 跟 NVIDIA 都在宣稱打造「世界模型」,但他們指的根本不是同一件事——這個混亂暴露了 AI 圈最深的盲點:我們用文字訓練出的機器,永遠看不到文字背後的真實世界。*