今年我对 AI 经济学(也包括 Token 经济)这个话题特别上头。
宏观的原因是既然把AI叫第四次工业革命,那么经济影响绕不开,所以值得花力气研究。
微观的原因是参加了今年 Stripe 峰会,和现场的Speaker聊完,有了一些非常真实的体感,确定了值得深挖。所以,我们今年 9 月办 PEC(AI 创新者大会),也打算把它做成一个主要议题。(有兴趣的同学欢迎来一起共创)
要搞明白一件事情,学习是第一位的。于是我翻到了一份个人觉得非常赞的学习资料。去年 9 月,美国国家经济研究局(NBER)在斯坦福召集了一批世界顶尖经济学家,办了一场"变革性 AI 经济学工作坊",讨论的正好是AI经济议题:如果 AI 强到能完成人类大部分脑力工作,经济会变成什么样?工作、收入、物价、增长、贫富差距,甚至国家财政,会被改写成什么模样?
17 场报告,容量非常大。
于是,我借助 Hermes Agent + Claude Code,把这 17 场完整改写成了一本读后感式电子书。本着费曼学习法的目的,以及独乐乐不如众乐乐,做都做了,干脆开源。目标是高中生也能读懂(毫无疑问,这是广告语),同时一个专业术语也没删。电子书提供中 / 英两种语言、HTML / PDF 两种格式,还配了入门小课、术语表、配图等。
项目地址(欢迎 star):github.com/feigaobox10/ai-economics-reader
在线阅读 / 下载:feigaobox10.github.io/ai-economics-reader/
声明一下:这是基于会议公开字幕做的非官方改编,我是经济学外行爱好者,所以一切以演讲者的原始论文为准。 最后,读者群微信:rohanjojo。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。