本文由 Stratechery 的作者 Ben Thompson 撰写,OpenAI 的 Deep Research 是一项新的 AI 功能,它标志着朝着通用人工智能(AGI)迈出的重要一步。Deep Research 能够独立执行复杂的研究任务,在短时间内完成人类研究分析师需要数小时才能完成的工作。这项技术的核心价值在于其能够综合网络上的大量信息,为用户提供深入的报告,从而极大地提升了知识获取和研究效率。然而,Deep Research 也揭示了互联网信息的局限性,尤其是在处理非公开或专业领域知识时,它可能会产生不完整甚至错误的报告,突显了在信息过载时代,高质量、非公开知识的价值日益凸显。
Deep Research 的功能与特点
- 高效的研究能力: Deep Research 可以在几十分钟内完成人类研究人员数小时的工作,显著提升研究效率。
- 强大的信息综合能力: 它能够搜索、解释和分析互联网上大量的文本、图像和 PDF 文件,并根据遇到的信息进行调整,最终生成综合性的研究报告。
- 基于 o3 模型优化版本: Deep Research 由 OpenAI 即将推出的 o3 模型的优化版本驱动,该版本专为网络浏览和数据分析而设计。
- 经济价值: 作者以每月 200 美元的价格体验了 Deep Research,认为其在某些应用场景下具有很高的经济价值,例如为采访准备背景资料,或快速了解复杂议题。
Deep Research 的应用案例
- 苹果公司财报分析: 作者使用 Deep Research 分析了 苹果公司 的最新财报,并将其与自己之前的分析进行对比,结果表明 Deep Research 能够理解并整合作者的分析风格和观点,生成有价值的报告。
- ServiceNow 公司 CEO 采访准备: 作者利用 Deep Research 快速了解了 ServiceNow 公司 及其 CEO Bill McDermott 的背景信息,为采访准备节省了大量时间,并获得了有用的起始信息。
- 医疗问题研究: Deep Research 在一个朋友的复杂医疗问题研究中,快速识别出了一个潜在的关键问题,这显示了其在专业领域研究方面的潜力。
- 行业分析的局限性: 在一个行业分析案例中,Deep Research 报告遗漏了一个重要的行业参与者,揭示了其在处理非公开或难以获取的网络信息时的局限性,强调了非公开知识的价值。
Deep Research 对知识价值的影响
- 新闻价值的启示: 互联网时代新闻的经济价值降低,反映了信息过载和免费传播的挑战。Deep Research 的出现进一步加剧了信息过载,但也突显了高质量、独特知识的稀缺性和价值。
- 秘密和非公开信息的价值: Deep Research 的局限性在于其无法获取非公开信息,这使得那些未公开的数据和知识变得更有价值。例如,亚马逊 AWS 在早期阶段的财务数据未公开,直到后来才披露,其披露引发了市场对 亚马逊 价值的重新评估,也引发了竞争对手的追赶。
- 预测市场的潜力: 为了应对信息透明度提高和秘密信息价值上升的趋势,预测市场可能变得更加重要。预测市场能够通过价格信号来传播知识,为获取和传播非公开信息提供经济激励。
- AI 的双重作用: AI 既可能加剧互联网信息污染,也可能是解决信息过载和甄别高质量信息的关键。Deep Research 这样的工具,在提升信息获取效率的同时,也促使人们重新思考知识的价值和获取方式。
Deep Research 的影响与未来展望
- 生产力提升: Deep Research 能够显著提升个人和组织的生产力,尤其是在研究和知识工作领域。
- 对研究人员的潜在影响: Deep Research 可能会对传统研究人员的就业市场产生影响,因为它可以自动化一部分研究工作。
- 对下一代分析师的挑战: 过度依赖 Deep Research 可能会使下一代分析师失去在信息搜索和筛选过程中学习和积累知识的机会。
- 秘密和摩擦的价值: 在 AI 时代,秘密和摩擦(即信息获取的难度)可能成为一种有意的价值保护机制,用于保护和利用独特的知识资产。
- 持续发展: Deep Research 仍处于早期阶段,未来将不断发展和完善,其能力和应用场景也将持续扩展。
原文
“你什么时候感觉到通用人工智能 (AGI) 了?”
这个问题已经在人工智能圈子里流传了一段时间,但很难回答,原因有二。首先,什么是通用人工智能?其次,“感觉”这种东西很难定义,就像美国最高法院大法官波特·斯图尔特在 Jacobellis v. Ohio 案中所说:“我看到它的时候就知道它是什么。”
我在人工智能 (AI) 的不均衡到来中这样定义通用人工智能:
o3 和推理时扩展(inference-time scaling)预示着一种不同的可能性:人工智能可以被赋予任务,并被信任去完成它们。这更像是一个可以独立工作的员工,而不是助手,像是弹药,而不是步枪上的瞄准镜。这个比喻可能有点奇怪,但它来自于 Keith Rabois 在斯坦福大学的演讲。我对通用人工智能的定义是,它可以像弹药一样,被赋予任务并以足够好的效率完成。而人工超级智能 (ASI) 则是能够自己提出任务。
最近我有了更深刻的“感觉”:OpenAI 的深度研究 (Deep Research) *感觉*很像通用人工智能。我仿佛以每月 200 美元的超低价格雇佣了一位新员工。
Deep Research 要点
OpenAI 在 2 月 2 日的博客文章中宣布推出Deep Research:
今天,我们在 ChatGPT 中推出 Deep Research,这是一种新型的 AI 智能体能力,可以对互联网进行多步骤研究,从而完成复杂的任务。它能在几十分钟内完成人类需要花费数小时才能完成的工作。
Deep Research 是 OpenAI 推出的又一款能够独立为你工作的 AI 智能体。你只需给它一个提示,ChatGPT 就能找到、分析和整合数百个在线资源,生成一份达到研究分析师水平的综合报告。它基于即将推出的 OpenAI o3 模型,该模型针对网页浏览和数据分析进行了优化,能够运用推理能力在互联网上搜索、解读和分析海量的文本、图像和 PDF 文件,并根据遇到的信息随时调整研究方向。
知识综合是创造新知识的前提。因此,Deep Research 标志着我们朝着开发通用人工智能的宏伟目标迈出了重要一步。我们一直认为,通用人工智能应该能够进行原创性的科学研究。
说实话,我现在有点摸不清 OpenAI 对通用人工智能的定义了。就在昨天,首席执行官 Sam Altman 还定义说,通用人工智能是“一种能够在多个领域以人类水平解决日益复杂问题的系统”。但我对通用人工智能的定义相对保守,我认为 Deep Research 正处于上述定义的中间地带:它能够以经济高效的方式整合研究资料,但尚不能创造新知识。
我在上周二的 Stratechery Update 中分享了两个 Deep Research 的案例。我建议你阅读全文,这里简单概括一下:
首先,我简要评论了 苹果公司最近的财报,并提出了三个观察:
- 值得注意的是,即使 iPhone 销量同比下降,苹果公司的收入仍然创下历史新高,这进一步印证了该公司正在转型为 服务业巨头。
- 苹果在中国的销售额再次下滑,但这并非始于今日:早在近十年前就出现了这种趋势。只不过,华为芯片禁令暂时提振了苹果在中国的销量,掩盖了这一长期趋势。
- 尽管苹果公司高管声称 Apple Intelligence 推动了 iPhone 的销售,但没有任何销售数据能够证实这一说法。
其次,我使用了一个通用提示语,让 Deep Research 生成了一份报告:
我是 Ben Thompson,Stratechery 的作者。请记住这个信息,因为我希望你能理解我之前对苹果公司的分析,以及我在 Stratechery 上的写作风格。我希望你生成一份关于苹果公司最新财报的研究报告,这份报告的风格和语气要与 Stratechery 的文章一致,并且符合我之前的分析。
第三,我使用了包含自己观点的提示语,让 Deep Research 生成了一份报告:
我是 Ben Thompson,Stratechery 的作者。请记住这个信息,因为我希望你能理解我之前对苹果公司的分析,以及我在 Stratechery 上的写作风格。我希望你生成一份关于苹果公司 2025 财年第一季度(即 2024 年第四季度)的研究报告。我对以下几个方面特别感兴趣:
- 首先,服务收入是如何持续带动公司整体收益的?这种趋势对利润率有何影响?
- 其次,我对中国市场很感兴趣。我的理论是,苹果公司最近在中国市场的下滑并非新现象,而是近十年长期趋势的一部分。我认为华为芯片禁令一度阻止了这一趋势,但这只是长期下滑中的一个短暂反弹。此外,我希望将中国手机市场的更深入分析、一线城市与中国其他地区的差异,以及这些因素对苹果公司在中国市场的前景有何影响结合起来分析。
- 第三,关于苹果公司的人工智能 (AI) 前景,你有什么看法?该公司声称 Apple Intelligence 正在帮助其已上市的市场提高销量,但这仅仅是因为该服务尚未在中国推出吗?
请以适合 Stratechery 的格式和风格提供这份报告。
你可以点击链接阅读报告全文,你可以通过以下链接阅读完整报告,以下是我的评价:
考虑到提示语的简洁,第一份报告已经算不错了,虽然更像是一份摘要,但也有一些颇具洞见的观点。第二份报告则更令人印象深刻,它更多地依赖于我之前的文章,并将我过去提出的观点融入其中。坦白说,我个人并没有学到什么新东西,但我相信第一次接触这个话题的人会受益匪浅。换句话说,如果我正在招聘研究助理,我会认真考虑聘用撰写第二份报告的人。
总而言之,深度研究 (Deep Research) 还不能像步枪枪管那样精准,但至少对于我提出的问题来说,它已经算是一块相当不错的弹药了。
Deep Research 的实际应用
即便如此,这些“弹药”对我个人的价值并没有那么大。因为早在早上 8 点 Dithering 录音之前,我就已经阅读了 苹果公司财报电话会议的记录,并迅速总结出了自己的三个观点。毕竟,我已经思考和报道苹果公司近 12 年了,这算是一种优势吧。而且,正如我之前提到的,第二份 Deep Research 报告之所以有趣,完全是因为我提出了最初的想法,而 Deep Research 只是验证了这些想法。但这种验证的水平远未达到 Stratechery Update 的标准 (这当然是我非常主观的看法!)。
不过,第二天我发现了一个更有价值的应用场景。在进行 Stratechery 访谈前,我通常需要花费数小时研究采访对象,包括他们的职业背景、所在公司等等。这次,我的采访对象是 ServiceNow 的董事长兼首席执行官 Bill McDermott。我对这家公司有一定了解,但还不够深入。因此,我决定向 Deep Research 寻求帮助:
我将要采访 ServiceNow 的首席执行官 Bill McDermott,我需要对 McDermott 本人和 ServiceNow 公司进行一些研究,以便准备采访问题。
首先,我想更多地了解 McDermott 的背景。最好能找到一些关于他的个人资料。我知道他曾经在 SAP 工作过,我想了解他在 SAP 的经历与现在的工作有何关联。另外,我想知道他当初是如何以及为何选择加入 ServiceNow 的?
其次,我想了解 ServiceNow 的背景。这家公司是如何成立的?最初的产品与市场是否契合?随着时间的推移,公司是如何发展壮大的?哪些类型的公司会使用 ServiceNow 的服务?
ServiceNow 的商业模式是什么?他们的市场推广策略是怎样的?
McDermott 希望谈谈 ServiceNow 在人工智能 (AI) 领域的机遇。这些机遇具体是什么?它们与简单的自动化相比,又有哪些独特的优势和不同之处?
用户对 ServiceNow 的评价如何?他们的产品是否界面丑陋、难以使用?为什么用户对他们的产品有很高的粘性?ServiceNow 的哪些特点吸引了众多公司?
ServiceNow 有哪些竞争对手?ServiceNow 有可能成为其他公司的平台吗?是否存在颠覆 ServiceNow 的机会?
你认为我还可以提出哪些有价值的问题?
你可以参考我之前的 Stratechery 访谈,了解我通常会提问哪些类型的问题。
我发现Deep Research 生成的结果非常有用,尽管其中一些问题比较普通。在正式开始访谈之前,我仍然花了一些时间阅读了其他资料,例如 ServiceNow 的财报,并设计了自己的问题。总而言之,Deep Research 为我节省了大量的时间,并提供了一个不错的起点,仅仅这一点就值回了每月 200 美元的订阅费。
还有一个更引人注目的例子:我用 Deep Research 来分析一位朋友复杂的病情。出于隐私考虑,我不会分享我使用的提示语和生成的结果。我想说的是,我的这位朋友已经为此病症困扰了一年多,看过很多医生,尝试过各种疗法。而 Deep Research 在短短十分钟内就发现了一个可能导致病症的问题,而我的朋友直到上周才从一位专家那里了解到这一点!虽然最终结果还有待验证,但 Deep Research 确实在十分钟内完成了我的朋友耗费数月、咨询多位医生才完成的事情。
然而,最有趣的例子是 Deep Research 彻底失败的案例。我让 Deep Research 生成一份关于我另一位朋友所在行业的报告,内容包括主要参与者、供应链分析、客户细分等等。这次我使用的提示语是我用过的所有提示语中最全面、最详细的。不出所料,Deep Research 生成了一份内容详尽的报告,回答了我提出的所有问题。
但这份报告完全是错误的,而且错得离谱。要解释这个问题,我们不妨回顾一下唐纳德·拉姆斯菲尔德 (Donald Rumsfeld) 的一句名言:
“世间存在已知的已知事项,即我们知道我们知道的事情。世间也存在已知的未知事项,即我们知道我们不知道的事情。但除此之外,还存在未知的未知事项,即我们不知道我们不知道的事情。”
我让 Deep Research 生成的报告的问题在于,它完全忽略了相关行业中的一家重要企业。我再次声明,我不会分享这份报告的具体内容,原因比较特殊。这家企业并非知名品牌,但却是该行业供应链中的重要参与者。它的重要性足以让任何忽略它的行业报告都显得不完整。
事实上,这属于拉姆斯菲尔德没有提到的第四类情况:“已知的未知事项”。任何阅读 Deep Research 生成的报告的人都会产生一种掌握了相关知识的错觉,但实际上他们并不知道自己“知道”了什么。
知识的价值
互联网给出版商带来的最痛苦的教训之一就是:新闻本身毫无价值。我这里说的不是社会价值,而是经济价值:每个人都知道的新闻既重要,又无法直接转化为经济收益。换句话说,出版新闻在经济上是一种破坏性行为。我在《出版商和对过去的追逐》一文中写道:
“太多报纸行业的拥护者完全没有理解这一点。事实上,报纸过去之所以能赚钱,并非因为它们提供了社会价值,而是因为它们对所在地区的印刷广告市场拥有准垄断控制权,而社会价值只是一种附带福利。因此,当 Chavern 抱怨说“今天的互联网分发系统扭曲了优质新闻报道所产生的经济价值流动”时,他实际上是将社会价值和经济价值混为一谈。后者根本不存在,也从未存在过。”
“对过去的误解导致了对现在的错误判断:谷歌 (Google) 和 Facebook 之所以能盈利,并非因为它们窃取了报纸的*新闻报道*,而是因为它们抢走了报纸的*广告业务*。此外,这两个平台的效用非常强大,即使所有报纸内容都神奇地消失了 (在欧洲就发生过这种情况),唯一的变化也只是报纸因失去流量而损失更多的收入。”
“这就是为什么这个解决方案完全不合时宜:报纸不再拥有对广告市场的垄断权,在内容整合方面也永远无法与互联网竞争。新闻对社会仍然有价值,但出于同样的原因,它在经济上毫无价值 (覆盖的人群越多,能从中提取的价值就越少,而且无论是真实信息还是虚假信息,都在互联网上免费传播)。”
说新闻一直都毫无价值可能有些极端。事实上,我们很难将模拟时代 (其特点是摩擦和稀缺性) 与互联网时代 (其特点是透明度和丰富性) 直接联系起来。从理论上讲,我们这些对报摊还留有印象的人之所以购买早报,是因为当地一家轻工业制造公司拥有印刷机、送货卡车和广告销售团队。但我们也相信自己只是想了解正在发生的事情。现在,我们可以免费通过社交媒体 (无论好坏) 满足这一需求。正如有人所说,有时候知道的越少越好!
尽管如此,Deep Research 揭示了我们还有很多可以了解的信息。我在互联网上阅读*大量*信息,但这并不意味着我能阅读所有信息。此外,随着垃圾信息 (无论是人为生成还是 AI 生成) 的数量不断增加,找到真正有用的信息的难度也在不断增加。这也是 Deep Research 面临的一个重要问题:通常情况下,Deep Research 在热门话题上的表现最差,因为这些话题最容易受到垃圾信息的污染。相反,话题越精确、越冷门,Deep Research 就越有可能找到真正有价值的文章:

然而,这张图表只展示了一部分事实。正如我朋友所在行业的案例所表明的那样:

Deep Research 很有可能 (尤其是在不断发展完善之后) 成为有史以来最有效的搜索引擎。它能够找到关于特定主题的所有相关信息,并以清晰易懂的方式呈现出来。换句话说,依靠默默无闻来确保安全的时代已经结束了。过去,我们需要付费才能阅读新闻,而现在新闻会自动推送给我们。未来,我们将不再需要花费数小时研究一个主题,而是可以随时获取关于任何主题的报告。
当然,前提是重要信息存在于互联网上。这正是我不愿分享 Deep Research 报告的原因:我碰巧对相关行业 (与科技行业无关) 有一些了解,因为我的一位朋友在该行业工作。我突然意识到,未来有多少经济价值蕴藏在未公开的信息之中。在上面提到的案例中,相关企业是一家私营公司,因此没有股票市场文件、公开报告,甚至连一个像样的网页都没有!因此,人工智能就对此一无所知。
科技行业中也存在类似的例子,这说明了保密的重要性。2006 年,亚马逊 (Amazon) 推出了亚马逊云服务 (Amazon Web Services, AWS) 的首个原始服务 S3,随后又推出了 EC2,并迅速改变了初创企业和风险投资的格局。但当时并不清楚亚马逊云服务在多大程度上改变了亚马逊。亚马逊逐渐将 Amazon.com 迁移到亚马逊云服务,并将亚马逊云服务的财务数据列在 Amazon.com 旗下,直到 2012 年。之后,这些数据被归入“其他”类别,与信用卡业务和 (当时规模尚小的) 广告收入等项目并列。
2015 年 1 月,亚马逊宣布将把亚马逊云服务分拆成一个独立的部门,用于财务报告。这一举动震惊了业界。以下是当时路透社的报道:
“在多年来对投资者置之不理之后,Amazon.com Inc. 开始向华尔街示好。这家美国最大的在线零售商在其第四季度财报电话会议上表现得异常坦诚,并表示将在今年首次公布其快速增长的云计算部门亚马逊云服务 (Amazon Web Services, AWS) 的业绩。”
“亚马逊 (Amazon) 在第四季度业绩中分享的额外信息以及其对提高效率的强调表明,亚马逊 (Amazon) 高管也越来越愿意听取投资者的意见。Key Private Bank 的高级股票分析师 Rob Plaza 表示:“本季度,亚马逊 (Amazon) 展示了它的实力,并表示这就是我们专注于利润时可以做到的事情。”“如果他们能够实现 10% 以上的收入增长,并能够在此基础上实现利润,那么该股将会做出反应。”这种变化不太可能是巨大的。当被问及本季度是否标志着亚马逊 (Amazon) 与华尔街关系的永久转变时,Plaza 笑着说:“我不会因为这个而追逐这只股票。”
“尽管如此,对于一直呼吁亚马逊 (Amazon) 披露更多关于其增长最快且可能盈利最高的部门的信息的投资者来说,这种转变是一个好兆头,一些分析师表示,该部门占总销售额的 4%。”
事实上,亚马逊云服务 (AWS) 占总销售额的近 7%,而且盈利能力远超所有人的预期。这一消息直接引爆了亚马逊 (Amazon) 的股价,我将其称为 亚马逊云服务 (AWS) 的“首次公开募股 (IPO)”:
“科技行业最大、最重要的首次公开募股 (IPO) 之一发生在不久之前,估值高达 256 亿美元。这超过了谷歌 (Google),后者的首次公开募股 (IPO) 估值为 246 亿美元,当然也远远超过了亚马逊 (Amazon),后者在上市首日的估值为 4.38 亿美元。当然,大家不必为亚马逊 (Amazon) 感到难过,因为我所说的“首次公开募股 (IPO)”指的是亚马逊云服务 (AWS),而且它仍然由 20 年前上市的同一家电子商务公司所有。”
“我显然是在开玩笑。亚马逊云服务 (AWS) 并没有真正进行首次公开募股 (IPO),这只是亚马逊 (Amazon) 财务报告中的一个新增项目,将亚马逊 (Amazon) 在 9 年前开创的云计算服务单独列了出来。然而,正是这一项目推动亚马逊 (Amazon) 的市值在 4 月 23 日至 24 日期间增长了 256 亿美元。这不仅仅是因为亚马逊云服务 (AWS) 在一个快速增长的市场中表现出色,更重要的是,它还可能成为亚马逊 (Amazon) 释放自身潜力的关键。”
然而,这 256 亿美元的市值增长也带来了相应的代价。微软 (Microsoft) 和谷歌 (Google) 都纷纷加大对自家云业务的投入力度,虽然亚马逊云服务 (AWS) 仍然是市场领导者,但它面临的竞争也日益激烈。这对消费者来说无疑是好事,但也提醒我们,已知的未知事项同样具有其自身的价值。
逐渐显现的数据
我并不认为亚马逊 (Amazon) 披露亚马逊云服务 (AWS) 财务数据的做法是错误的。事实上,根据美国证券交易委员会 (Securities and Exchange Commission, SEC) 的规定,一旦亚马逊云服务 (AWS) 的收入占到亚马逊 (Amazon) 总收入的 10% (目前这一比例为 15%,考虑到亚马逊 (Amazon) 的总收入还包括第一方电子商务的销售额,这个比例并不算高),亚马逊 (Amazon) 就必须披露这些数据。更重要的是,披露亚马逊云服务 (AWS) 的财务数据能够增强投资者对亚马逊 (Amazon) 的信心,并让管理层能够继续大力投资亚马逊云服务 (AWS) 和电子商务业务,从而推动亚马逊 (Amazon) 向物流公司的转型。我想强调的是,秘密本身就具有价值。
有趣的是,这对 Deep Research 这样的人工智能 (AI) 工具意味着什么?长期以来,对冲基金深知专有数据的价值,他们愿意为卫星图像、交通流量监测等各种信息付费,以获得市场优势。我猜测,随着“依靠默默无闻来确保安全”的策略逐渐失效,这类工作的价值将会进一步提升。当人工智能 (AI) 能够在极短的时间内完成信息搜集工作时,想要通过阅读大量财务报告来获得超额收益将会变得更加困难。1
然而,这些对冲基金报告本身就是专有的。尽管如此,它们并非完全保密。毕竟,对冲基金实现盈利的方式是在公开市场上进行交易,这意味着他们的报告会对市场价格产生一定的影响。价格是每个人都能获取的信号,而且它将变得越来越重要。
正因如此,Deep Research 这类人工智能 (AI) 工具才成为支持预测市场最强有力的论据之一。去年秋天,在美国总统大选期间,预测市场迎来了自己的高光时刻,他们对特朗普 (Trump) 获胜的预测比民意调查的结果更为乐观。可以预见的是,随着人工智能 (AI) 的不断发展,预测市场的潜力将会进一步释放。人工智能 (AI) 能够获取所有公开信息,这将进一步刺激人们对信息保密的需求。而预测市场将为信息的传播提供经济激励,即使信息只能通过价格来体现。
同样有趣的是,预测市场已经与加密货币紧密联系在一起。加密货币是另一种有望在人工智能 (AI) 时代大放异彩的技术。无限的内容生成提升了数字稀缺性和验证的价值,而无限的透明度则提升了保密的价值。人工智能 (AI) 很有可能将这些要素整合在一起:可验证的信息和可理解的价格变动或许是在充斥着大量垃圾信息的互联网上获取有价值信息的唯一途径。
这就是人工智能 (AI) 带来的又一个现实,也是我们无法回避的现实。正如互联网的透明度和自由发布逐渐演变成大量真实性存疑的信息一样,人工智能 (AI) 既会进一步污染信息生态系统,同时也是解决这一问题的唯一途径。
Deep Research 的影响
以上所说的很多内容都将在不久的将来发生。就目前而言,Deep Research 是科技领域最具性价比的选择之一。当然,每月 200 美元的价格并不便宜。而且,Deep Research 的表现会受到互联网信息质量以及提示语质量的严重影响。我不能说我发现了任何特别有创意的想法,至少在我熟悉的领域是这样。但与此同时,还有许多工作本身并不需要太多的创造力,但同样非常重要。我个人感觉自己的工作效率更高了,而且说实话,我从来没有打算聘请研究员。
然而,这也从两个不同的角度揭示了人工智能可能带来的风险。首先,我一直没有聘请研究员,是因为我认为信息搜索和筛选本身就具有巨大的价值。在寻找信息的过程中,你会学到很多东西,而我非常重视这种学习过程。如果所有信息都唾手可得,那么我们还会获得意外的收获吗?其次,那些没有阅读过 12 年苹果公司财报,或者没有思考和研究过 30 年科技行业的人又会怎样呢?下一代分析师又会失去什么呢?
当然,还有就业问题。许多公司都在各个领域雇佣研究员,而且这些岗位的薪酬将变得越来越难以维持。我一直都知道人工智能 (AI) 将会取代大量的知识型工作,但亲身感受到这一点是完全不同的体验。
正因如此,保密的价值才显得尤为重要。保密本身就是一种摩擦,它有目的地限制了有价值知识的传播。它说明了在人工智能 (AI) 时代什么才是真正有价值的。没错,现实世界和由人类主导的行业将在经济价值上有所提升,但驱动原创研究和发现的工具和基础设施,以及为知识定价的机制也将同样重要。至少在目前的发展趋势下,人工智能 (AI) 的力量来自于它能够知晓一切。因此,许多人 (也许注定会失败) 将会选择筑起高墙、设置收费站,并建立各种市场来保护和收获人类探索的成果。