Jekyll2026-07-18T08:27:43+00:00https://nodebe4.github.io/opinion/feed.xml觀點從草根到大師 git.io/JJCxS2026-07-18T08:27:43+00:002026-07-18T08:27:43+00:00https://nodebe4.github.io/opinion/2026-07-18/2000-08-15-%E6%96%87%E8%89%BA%E7%95%8C%E7%9A%84%E8%80%81%E9%BB%84%E7%89%9B%E9%99%86%E7%9F%B3[ 2000年第8期 文艺界的”老黄牛”陆石　作者：露　菲 ]

一大早接友人电话，告知陆石同志去世了，惊得我半天回不过神儿来。真是太突然了。前些日子去看他，还好好儿的，那天他谈兴很浓，谈到胡乔木、田家英、何其芳、周扬等很多老领导、老朋友。他慢条斯理，话语中充满了深情。我离开时，他还送了我一册《陆石诗书集》。现在怎么一下子就去世了呢!当我赶到陆石同志家时，他的夫人赵中同志，一位自控力极强的资深编辑，已悲痛地说不出话来；女儿雪梅也泣不成声，陆石同志平日坐的沙发也空荡荡的了。

一

这是1998年的事，现在想起仍如昨天一般。

我认识陆石同志是文革结束后，他由公安部调到中国文联工作的时候，开始他担任中国文联秘书长，后中央任命为中国文联的党组成员和书记处书记。他个子不高，戴着一副近视眼镜，说话有浓重的四川口音。他是著名书法家，曾担任过中国书法家协会的副主席。他又是作家。五十年代他和李文达合著的小说《双铃马蹄表》改编成电影，片名《国庆十点钟》。是一部深受群众喜爱的优秀影片。

提到陆石同志调中国文联的事，真是颇费了一番周折的。当时那些被”四人帮”砸烂的单位，都在恢复和组建中。平反冤、假、错案，落实干部政策是一项繁重的工作。文艺界是重灾区，需要重新组织队伍和恢复原有的建制。文艺界不少同志心有余悸，不敢再沾文艺界的边儿了。因为开国以来多次运动都是先拿文艺界开刀的。而陆石却服从调动心甘情愿地到了中国文联。

好干部，得力的干部谁也不肯放。陆石所在单位公安部也是如此。文联主席周扬亲自给公安部长赵苍壁同志打电话，要求将陆石调到文联工作。赵苍壁部长说，陆石是位有能力的干部，为人正派，公安部工作需要他。周扬同志则说，陆石是延安鲁艺的学生，写过不少作品，是老文艺战士，对文艺界也熟悉，文联需要一位有组织能力、行政能力的领导干部，请求给予支持。

两位领导几经磋商，陆石同志终于调到了中国文联。文联主席周场同志找他谈话时说：”文联总该有个地方办公吧，不能老呆在防震棚木板房里办公，文艺界的同志被扫地出门，没有地方安身，我心不安。”陆石同志立下军令状说：”周扬同志放心，我一定尽力解决。”

周扬同志还告诉陆石同志，十一届三中全会后，文艺界有了一些新作品，出现了一些新人，旧的矛盾少了，新的矛盾产生了，不论有什么矛盾，一定要当促进派。一要抓文艺为人民服务，敢于解放思想，也要敢于抵制错误思想。二要抓繁荣文艺创作，要创造一个有利于出作品出人才的环境。三是抓团结抓作风，文联要搞五湖四海。

这些话深深印在陆石同志的心里。

他来到文联办公地点，正像周扬同志说的，大家果然在四面透风的防震棚木板房里办公，冬天炉子生起来满屋烟尘，有的同志无住房，就在这样房子里过夜。他的心情很不平静，一头扎进了”先造窝儿”的基建工作中。他带领刘宗学、刘广志二同志，跑地皮立项目，向上打报告申请资金，在文联正副主席周扬、阳翰笙、夏衍同志支持下，文联办公厅的同志们群策群力，盖大楼宿舍，为全国文艺界修建文艺之家。陆石同志作为党组成员和书记处书记，还分管国际文化交流工作，带团出访，接待外宾，同时参加筹建中国书法家协会的事情。那个时候，他是超负荷的工作。我曾问他，你放弃业务、放弃文学创作，从公安部到穷文联作这些繁杂的行政工作后悔不后悔，陆石同志回答说”后悔啥子嘛，来文联就是为文艺界服务的。”

他真是文艺界的老黄牛!

二

陆石同志在工作中一丝不苟。对年轻人的教育乃至批评，都是满腔赤诚。我在他领导下工作好多年，深为他这种爱护后辈的精神所感动。我们做事常常有些马虎，字也写得了草。他教育我们好好练字，中国的方块字要写好也不容易。他说写公文，字要写得工整。他还告诉我们，称呼人不要直着嗓子大叫大嚷，更不要没大没小的直呼其名，要加上同志，要讲礼貌。他是手把手地教育和指导我们这些晚辈、部下。在讨论一些问题时，下边同志也可以不同意他的意见，有争论也有交锋，同志们敢于同他争论，他从不以势压人，也不给人”穿小鞋”，遇到什么问题，他总是为年轻人说公道话。在陆石同志领导下，同志们心情舒畅，有安全感。我们有什么苦恼都敢向他吐一吐，有高兴的事也愿向他说一说。所以陆石有许多同龄的朋友，也有许多忘年之交。

有一次，上级机关召开一个座谈会，参加的人都是文艺界的头头脑脑，陆石自然也出席了这个会。大家都畅所欲言地谈论问题。有位权威人士讲着讲着，讲到了当前年轻人的思想问题，他批评这不好那不对，无一是处。甚至想去香港也是大逆不道。陆石同志听着觉得不对味儿，忍不住的冒了火，他仗义执言反驳对方说：”你说年轻人这不好那不对，你了解他们的困难吗?他们上有老下有小，一个月的工资才几十块钱，你官大工资高，不愁吃不愁穿，应该帮助他们，而不是指责他们。你这样作对吗?”他还批评对方待人不平等不民主，奉劝对方不要搞封建家长制。

陆石一席话，使全体与会者瞠目。

不久这事传到了大画家黄永玉耳中，黄永玉觉得陆石敢于直言碰硬，胆子不小，便想认识他。中央美院的劳丁同志认识陆石也认识黄永玉，由劳丁介绍，他俩就认识了，后来成了好朋友。1983年春节陆石去看黄永玉，黄永玉正在作画，陆石进门时，他的画笔刚落。陆石走近一看，画的是一位长者，盘腿而坐，手指前方像在说什么。只见画上写了这样几句话”说说做做做做说说不做不说说了就做说了不做不如不说做了不说等于说了。”

黄永玉说这几句话是他的座右铭。

陆石觉得这几句类似绕口令的话很富有哲理，意味深长，很有意思。

“你喜欢吗?”黄永玉问。

“喜欢。”陆石答道。

“你喜欢就送给你吧。”黄永玉马上提笔落款：陆石兄年喜，癸亥春日。这画就挂到了陆石家的客厅里了。

陆石确实做得很多，但他从不说自己。

三

经过几年努力，文联有了十几层的办公楼，随之修建了设备齐全的演出礼堂。为全国文艺界修建的几处文艺之家也运行了。这种交流经验，繁荣创作的场所深受文艺家们的欢迎。陆石同志看到同志们不仅有了办公地点，还解决了一些同志的住房问题，他心里舒坦了。

陆石同志两袖清风，一身正气，赢得了同志们的爱戴和尊敬。他是1937年参加革命的，1939年入党，曾在中共南川特支(县委)担任组织部长，后来他去了延安。1943年在延安的”抢救运动”中，康生诬陷四川党组织是”红旗党”，陆石被说成是”内奸”，停止了他的党藉。陆石在这种情况下曾以诗言志：”人生天地间，无私则不辱，其柔在其血，其刚在其骨。”由此可见他的铮铮铁骨。李克农同志知道他被冤枉，乃设法分配他工作。直到新中国成立两年后，陆石同志才得以平反。在被诬陷的九年中，他顶着压力，仍然笔耕不辍，写了《动员起来》秧歌剧，曾获陕甘宁边区一等奖。《赶猪》演出后，曾得到毛主席和朱总司令的赞扬。

不料，60年代”文革”又起，林彪、江青一伙砸烂公检法，公安部也成为砸烂的对象。陆石成了黑帮，被批斗关牛棚，1969年全家被发配到黑龙江笔架山劳改农场落户，真是难见天日了。然而陆石并不悲观，他写道”落户笔架山，冰雪冻三月，苍松暖人心，草木知冷热”。

过了几年，他奉命回到了公安部，老友李国璋约陆石、赵中夫妇去他家观画，画的是四只螃蟹，那时四人帮还在台上，他们心照不宣，老友请他为画题诗，陆石即席赋诗一首：”李君胸怀荡荡然，嬉笑怒骂披心肝，三人冷眼斥螃蟹，看你横行能几天。”

从这里看到了陆石对”四人帮”的愤怒和对未来胜利的信念。果然，中国人民终于迎来了打倒”四人帮”的胜利。

四

最近几年，他退居二线，仍以书法家协会顾问的身份关心着书法艺术的发展。他以惊人的毅力用书法艺术抒发胸怀赞美祖国。他的夫人赵中为他铺好宣纸，他用手摸摸大小，悬肘书写，挥洒自如，写出的字如行云流水，舒展飘逸。在这时刻，你怎么也不会相信他已经双目失明了。

我有幸得到他赠给我的一幅字，由于我知识浅薄，不知他书写的诗出自何处，便电话请教。陆石同志说：”它的出处你是找不到的，那是我自己写的。”接着他用浓重的四川腔念了出来：”翰海汇百满，霜毫行云边，万类多风彩，留意写江山。”

电话里当然还要讲点别的。最后他说：”你就留意写江山吧!”

没想到这是陆石前辈留给我的最后一句话。

这年的九月九日，当陆石同志安卧在鲜花丛中时，我真切地感到这位德高艺深的前辈走了，不觉潸然泪下。

在陆石同志遗体告别会上，来了那么多的人，告别厅内外挂满了挽联，吊念的人挤得水泄不通，国内外不少团体和友人打电报发传真吊念，他们为失去一位可亲可敬的朋友而悲痛。

著名书法家沈鹏悼念陆石同志的诗，足以说明了陆石同志的人品和他的晚境：

老马玄黄笔未停，目盲书迹播心声。

混茫颠倒千般事，历历胸前战士情。

(责任编辑　致　中)

]]>2026-07-18T08:27:43+00:002026-07-18T08:27:43+00:00https://nodebe4.github.io/opinion/2026-07-18/2000-08-15-%E6%96%87%E8%89%BA%E7%95%8C%E7%9A%84%E8%80%81%E9%BB%84%E7%89%9B%E9%99%86%E7%9F%B3%E9%9C%B2一大早接友人电话，告知陆石同志去世了，惊得我半天回不过神儿来。真是太突然了。前些日子去看他，还好好儿的，那天他谈兴很浓，谈到胡乔木、田家英、何其芳、周扬等很多老领导、老朋友。他慢条斯理，话语中充满了深情。我离开时，他还送了我一册《陆石诗书集》。现在怎么一下子就去世了呢!当我赶到陆石同志家时，他的夫人赵中同志，一位自控力极强的资深编辑，已悲痛地说不出话来；女儿雪梅也泣不成声，陆石同志平日坐的沙发也空荡荡的了。

一

这是1998年的事，现在想起仍如昨天一般。

我认识陆石同志是文革结束后，他由公安部调到中国文联工作的时候，开始他担任中国文联秘书长，后中央任命为中国文联的党组成员和书记处书记。他个子不高，戴着一副近视眼镜，说话有浓重的四川口音。他是著名书法家，曾担任过中国书法家协会的副主席。他又是作家。五十年代他和李文达合著的小说《双铃马蹄表》改编成电影，片名《国庆十点钟》。是一部深受群众喜爱的优秀影片。

提到陆石同志调中国文联的事，真是颇费了一番周折的。当时那些被”四人帮”砸烂的单位，都在恢复和组建中。平反冤、假、错案，落实干部政策是一项繁重的工作。文艺界是重灾区，需要重新组织队伍和恢复原有的建制。文艺界不少同志心有余悸，不敢再沾文艺界的边儿了。因为开国以来多次运动都是先拿文艺界开刀的。而陆石却服从调动心甘情愿地到了中国文联。

好干部，得力的干部谁也不肯放。陆石所在单位公安部也是如此。文联主席周扬亲自给公安部长赵苍壁同志打电话，要求将陆石调到文联工作。赵苍壁部长说，陆石是位有能力的干部，为人正派，公安部工作需要他。周扬同志则说，陆石是延安鲁艺的学生，写过不少作品，是老文艺战士，对文艺界也熟悉，文联需要一位有组织能力、行政能力的领导干部，请求给予支持。

两位领导几经磋商，陆石同志终于调到了中国文联。文联主席周场同志找他谈话时说：”文联总该有个地方办公吧，不能老呆在防震棚木板房里办公，文艺界的同志被扫地出门，没有地方安身，我心不安。”陆石同志立下军令状说：”周扬同志放心，我一定尽力解决。”

周扬同志还告诉陆石同志，十一届三中全会后，文艺界有了一些新作品，出现了一些新人，旧的矛盾少了，新的矛盾产生了，不论有什么矛盾，一定要当促进派。一要抓文艺为人民服务，敢于解放思想，也要敢于抵制错误思想。二要抓繁荣文艺创作，要创造一个有利于出作品出人才的环境。三是抓团结抓作风，文联要搞五湖四海。

这些话深深印在陆石同志的心里。

他来到文联办公地点，正像周扬同志说的，大家果然在四面透风的防震棚木板房里办公，冬天炉子生起来满屋烟尘，有的同志无住房，就在这样房子里过夜。他的心情很不平静，一头扎进了”先造窝儿”的基建工作中。他带领刘宗学、刘广志二同志，跑地皮立项目，向上打报告申请资金，在文联正副主席周扬、阳翰笙、夏衍同志支持下，文联办公厅的同志们群策群力，盖大楼宿舍，为全国文艺界修建文艺之家。陆石同志作为党组成员和书记处书记，还分管国际文化交流工作，带团出访，接待外宾，同时参加筹建中国书法家协会的事情。那个时候，他是超负荷的工作。我曾问他，你放弃业务、放弃文学创作，从公安部到穷文联作这些繁杂的行政工作后悔不后悔，陆石同志回答说”后悔啥子嘛，来文联就是为文艺界服务的。”

他真是文艺界的老黄牛!

二

陆石同志在工作中一丝不苟。对年轻人的教育乃至批评，都是满腔赤诚。我在他领导下工作好多年，深为他这种爱护后辈的精神所感动。我们做事常常有些马虎，字也写得了草。他教育我们好好练字，中国的方块字要写好也不容易。他说写公文，字要写得工整。他还告诉我们，称呼人不要直着嗓子大叫大嚷，更不要没大没小的直呼其名，要加上同志，要讲礼貌。他是手把手地教育和指导我们这些晚辈、部下。在讨论一些问题时，下边同志也可以不同意他的意见，有争论也有交锋，同志们敢于同他争论，他从不以势压人，也不给人”穿小鞋”，遇到什么问题，他总是为年轻人说公道话。在陆石同志领导下，同志们心情舒畅，有安全感。我们有什么苦恼都敢向他吐一吐，有高兴的事也愿向他说一说。所以陆石有许多同龄的朋友，也有许多忘年之交。

有一次，上级机关召开一个座谈会，参加的人都是文艺界的头头脑脑，陆石自然也出席了这个会。大家都畅所欲言地谈论问题。有位权威人士讲着讲着，讲到了当前年轻人的思想问题，他批评这不好那不对，无一是处。甚至想去香港也是大逆不道。陆石同志听着觉得不对味儿，忍不住的冒了火，他仗义执言反驳对方说：”你说年轻人这不好那不对，你了解他们的困难吗?他们上有老下有小，一个月的工资才几十块钱，你官大工资高，不愁吃不愁穿，应该帮助他们，而不是指责他们。你这样作对吗?”他还批评对方待人不平等不民主，奉劝对方不要搞封建家长制。

陆石一席话，使全体与会者瞠目。

不久这事传到了大画家黄永玉耳中，黄永玉觉得陆石敢于直言碰硬，胆子不小，便想认识他。中央美院的劳丁同志认识陆石也认识黄永玉，由劳丁介绍，他俩就认识了，后来成了好朋友。1983年春节陆石去看黄永玉，黄永玉正在作画，陆石进门时，他的画笔刚落。陆石走近一看，画的是一位长者，盘腿而坐，手指前方像在说什么。只见画上写了这样几句话”说说做做做做说说不做不说说了就做说了不做不如不说做了不说等于说了。”

黄永玉说这几句话是他的座右铭。

陆石觉得这几句类似绕口令的话很富有哲理，意味深长，很有意思。

“你喜欢吗?”黄永玉问。

“喜欢。”陆石答道。

“你喜欢就送给你吧。”黄永玉马上提笔落款：陆石兄年喜，癸亥春日。这画就挂到了陆石家的客厅里了。

陆石确实做得很多，但他从不说自己。

三

经过几年努力，文联有了十几层的办公楼，随之修建了设备齐全的演出礼堂。为全国文艺界修建的几处文艺之家也运行了。这种交流经验，繁荣创作的场所深受文艺家们的欢迎。陆石同志看到同志们不仅有了办公地点，还解决了一些同志的住房问题，他心里舒坦了。

陆石同志两袖清风，一身正气，赢得了同志们的爱戴和尊敬。他是1937年参加革命的，1939年入党，曾在中共南川特支(县委)担任组织部长，后来他去了延安。1943年在延安的”抢救运动”中，康生诬陷四川党组织是”红旗党”，陆石被说成是”内奸”，停止了他的党藉。陆石在这种情况下曾以诗言志：”人生天地间，无私则不辱，其柔在其血，其刚在其骨。”由此可见他的铮铮铁骨。李克农同志知道他被冤枉，乃设法分配他工作。直到新中国成立两年后，陆石同志才得以平反。在被诬陷的九年中，他顶着压力，仍然笔耕不辍，写了《动员起来》秧歌剧，曾获陕甘宁边区一等奖。《赶猪》演出后，曾得到毛主席和朱总司令的赞扬。

不料，60年代”文革”又起，林彪、江青一伙砸烂公检法，公安部也成为砸烂的对象。陆石成了黑帮，被批斗关牛棚，1969年全家被发配到黑龙江笔架山劳改农场落户，真是难见天日了。然而陆石并不悲观，他写道”落户笔架山，冰雪冻三月，苍松暖人心，草木知冷热”。

过了几年，他奉命回到了公安部，老友李国璋约陆石、赵中夫妇去他家观画，画的是四只螃蟹，那时四人帮还在台上，他们心照不宣，老友请他为画题诗，陆石即席赋诗一首：”李君胸怀荡荡然，嬉笑怒骂披心肝，三人冷眼斥螃蟹，看你横行能几天。”

从这里看到了陆石对”四人帮”的愤怒和对未来胜利的信念。果然，中国人民终于迎来了打倒”四人帮”的胜利。

四

最近几年，他退居二线，仍以书法家协会顾问的身份关心着书法艺术的发展。他以惊人的毅力用书法艺术抒发胸怀赞美祖国。他的夫人赵中为他铺好宣纸，他用手摸摸大小，悬肘书写，挥洒自如，写出的字如行云流水，舒展飘逸。在这时刻，你怎么也不会相信他已经双目失明了。

我有幸得到他赠给我的一幅字，由于我知识浅薄，不知他书写的诗出自何处，便电话请教。陆石同志说：”它的出处你是找不到的，那是我自己写的。”接着他用浓重的四川腔念了出来：”翰海汇百满，霜毫行云边，万类多风彩，留意写江山。”

电话里当然还要讲点别的。最后他说：”你就留意写江山吧!”

没想到这是陆石前辈留给我的最后一句话。

这年的九月九日，当陆石同志安卧在鲜花丛中时，我真切地感到这位德高艺深的前辈走了，不觉潸然泪下。

在陆石同志遗体告别会上，来了那么多的人，告别厅内外挂满了挽联，吊念的人挤得水泄不通，国内外不少团体和友人打电报发传真吊念，他们为失去一位可亲可敬的朋友而悲痛。

著名书法家沈鹏悼念陆石同志的诗，足以说明了陆石同志的人品和他的晚境：

老马玄黄笔未停，目盲书迹播心声。

混茫颠倒千般事，历历胸前战士情。

(责任编辑　致　中)

]]>2026-07-18T08:27:43+00:002026-07-18T08:27:43+00:00https://nodebe4.github.io/opinion/2026-07-18/2000-08-15-%E8%AF%B4%E6%8A%A5%E5%88%8A%E7%9A%84%E5%9B%BE%E6%96%87%E5%B9%B6%E8%8C%82[ 2000年第8期 说报刊的”图文并茂”　作者：李　庄 ]

“图文并茂”–老一代报人在根据地朝思暮想而不能及。

根据地人民当权，但技术落后，无制(铜)版技术。个别”大报”用麻纸印制，铅字排版，有些标题的大字还得用木头刻字。”小报”只能石印或油印。

抗日战争中后期，我在太行山根据地偶尔看到《晋察冀日报》登载过铜版照片，非常羡慕。晋察冀根据地离北平近，秘密工作好，通过地下渠道获得一些在当时说来是先进的技术，太行根据地没有这个条件。

没有制版技术就用木刻代替。中共中央北方局、八路军总部在太行区，号召力大，许多著名木刻家到太行区工作。罗工柳、彦涵、华山都在。党中央发表重要宣言，常常印发毛泽东主席木刻像。苏德战争爆发，斯大林号召全民御侮，印发斯大林木刻像。斯大林头像庄严、威武、愤怒，出自名记者华山之手。华山当时主要作时事木刻，暇时才写文章，《鸡毛信》等是以后写的。

《新华日报》华北版和晋冀鲁豫《人民日报》长期用木刻代替铜版，充分说明我们当时技术艰难。1946年5月15日，中共晋冀鲁豫中央局机关报《人民日报》创刊，想请毛泽东主席题写报头。他在延安，我们在邯郸，云天阻隔，中间有几道敌人的封锁线。只好采用集字木刻的办法，集毛泽东在其他场合写的字，然后木刻。取《共产党人》杂志的”人”，”为人民服务”的”民”，”打倒日本帝国主义”的”日”，《新中华报》的”报”，从右到左，合成”人民日报”四字。不能制版，只好木刻。

现在看1946年5月15日到1946年6月30日的《人民日报》，谁也不会认为那是集的毛泽东的字。〈一〉四个字，来自两种报刊、两条标语，气势难说顺畅、统一；〈二〉当时有的报纸已是从左到右排版，《人民日报》还是从右到左直排，为求统一，报头还是从右到左。这个多数人不满意的报头一直用到1946年6月30日。

1946年6月下旬，中共晋冀鲁豫中央局副书记薄一波从延安开会回到邯郸，带回毛泽东专为《人民日报》写的报头。由于不能制锌版，还是由老工人精心木刻。这个字型失真的报头，一直用到1948年6月14日。

石家庄解放，晋冀鲁豫、晋察冀两大解放区连成一片。中共中央及时撤销晋冀鲁豫、晋察冀两个中央局，成立中共中央华北局，作为华北地区最高领导机关。同时撤销原两个中央局的机关报，组建华北局机关报《人民日报》，请毛泽东重新题写《人民日报》的报头。这时中央所在地区平山能制锌版，听说毛泽东对这个锌版报头比较满意，一直用到现在。

抗日战争后期，《新华日报》太行版(当时晋冀鲁豫《人民日报》尚未成立，此为太行根据地第一大报)开展了一个”通俗化运动”，探讨如何把报纸办得更”便利读者”，除了研究如何使文字更加通俗以外，对改进标题、版式下了较多功夫。当时报纸读者多为县、区干部，有中等文化水平就不错了，大家不习惯版面花花哨哨，都欢迎文字紧跟标题；一条新闻加标题拼成一个”豆腐块”；标题字不能过小过大，字型不能也无条件变异，绝对不能出现标题字歪放、倒置等异常现象。这样的版式使人感到严肃、大方，活泼、变化却非常少。

回忆这些往事，只是为了向青年同志说明：在人民当家作主的根据地，技术条件还曾这样艰难。我们应该十分珍惜今天的工作环境，不能因为追求”出奇致胜”而随心所欲。

现在我国报纸琳琅满目，编者日有创造，读者耳目常新，我这个退休报人也深受教益。我们长期响往”图文并茂”而不可得，现在报纸林林总总，令我目不暇接。当然，作为一个终生从事报纸工作的退休人员，对于某些现象也难免产生某种想法，有的是自己跟不上某种潮流，有的也难说没有一点道理。

总的说，”图文并茂”的问题解决了，好!有的报纸本是人们平常说的日报，却有向画报发展的趋势，走向另一极端。登载照片过多、过大，令人感到”喧宾夺主”。当然，一幅新闻图片的作用有时超过一篇新闻；适当多登些图片，读者非常欢迎。

但凡事总有个限度，如果把日报办成画报，总不是正常现象。有的报纸登照片，报头像放得比拳头还大，尽管图中人是登龙的球星，或唱红大江南北的歌手，我总觉得有些过分。排版，有人故意把三行文字倒置，把一个标题分段、放歪，其效果不是为着读者便利，而是给人家添麻烦了。

“图文并茂”是为了提高宣传效果，为了美化版面，而不是给读者找麻烦，给读者添乱。我总认为报纸应该朴素大方，长短有序，便利读者，择精选刊。当然，这是我这个逾八老人的一家之言，就正于同好。

(责任编辑　程　度)

]]>2026-07-18T08:27:43+00:002026-07-18T08:27:43+00:00https://nodebe4.github.io/opinion/2026-07-18/2000-08-15-%E8%AF%B4%E6%8A%A5%E5%88%8A%E7%9A%84%E5%9B%BE%E6%96%87%E5%B9%B6%E8%8C%82%E6%9D%8E“图文并茂”–老一代报人在根据地朝思暮想而不能及。

根据地人民当权，但技术落后，无制(铜)版技术。个别”大报”用麻纸印制，铅字排版，有些标题的大字还得用木头刻字。”小报”只能石印或油印。

抗日战争中后期，我在太行山根据地偶尔看到《晋察冀日报》登载过铜版照片，非常羡慕。晋察冀根据地离北平近，秘密工作好，通过地下渠道获得一些在当时说来是先进的技术，太行根据地没有这个条件。

没有制版技术就用木刻代替。中共中央北方局、八路军总部在太行区，号召力大，许多著名木刻家到太行区工作。罗工柳、彦涵、华山都在。党中央发表重要宣言，常常印发毛泽东主席木刻像。苏德战争爆发，斯大林号召全民御侮，印发斯大林木刻像。斯大林头像庄严、威武、愤怒，出自名记者华山之手。华山当时主要作时事木刻，暇时才写文章，《鸡毛信》等是以后写的。

《新华日报》华北版和晋冀鲁豫《人民日报》长期用木刻代替铜版，充分说明我们当时技术艰难。1946年5月15日，中共晋冀鲁豫中央局机关报《人民日报》创刊，想请毛泽东主席题写报头。他在延安，我们在邯郸，云天阻隔，中间有几道敌人的封锁线。只好采用集字木刻的办法，集毛泽东在其他场合写的字，然后木刻。取《共产党人》杂志的”人”，”为人民服务”的”民”，”打倒日本帝国主义”的”日”，《新中华报》的”报”，从右到左，合成”人民日报”四字。不能制版，只好木刻。

现在看1946年5月15日到1946年6月30日的《人民日报》，谁也不会认为那是集的毛泽东的字。〈一〉四个字，来自两种报刊、两条标语，气势难说顺畅、统一；〈二〉当时有的报纸已是从左到右排版，《人民日报》还是从右到左直排，为求统一，报头还是从右到左。这个多数人不满意的报头一直用到1946年6月30日。

1946年6月下旬，中共晋冀鲁豫中央局副书记薄一波从延安开会回到邯郸，带回毛泽东专为《人民日报》写的报头。由于不能制锌版，还是由老工人精心木刻。这个字型失真的报头，一直用到1948年6月14日。

石家庄解放，晋冀鲁豫、晋察冀两大解放区连成一片。中共中央及时撤销晋冀鲁豫、晋察冀两个中央局，成立中共中央华北局，作为华北地区最高领导机关。同时撤销原两个中央局的机关报，组建华北局机关报《人民日报》，请毛泽东重新题写《人民日报》的报头。这时中央所在地区平山能制锌版，听说毛泽东对这个锌版报头比较满意，一直用到现在。

抗日战争后期，《新华日报》太行版(当时晋冀鲁豫《人民日报》尚未成立，此为太行根据地第一大报)开展了一个”通俗化运动”，探讨如何把报纸办得更”便利读者”，除了研究如何使文字更加通俗以外，对改进标题、版式下了较多功夫。当时报纸读者多为县、区干部，有中等文化水平就不错了，大家不习惯版面花花哨哨，都欢迎文字紧跟标题；一条新闻加标题拼成一个”豆腐块”；标题字不能过小过大，字型不能也无条件变异，绝对不能出现标题字歪放、倒置等异常现象。这样的版式使人感到严肃、大方，活泼、变化却非常少。

回忆这些往事，只是为了向青年同志说明：在人民当家作主的根据地，技术条件还曾这样艰难。我们应该十分珍惜今天的工作环境，不能因为追求”出奇致胜”而随心所欲。

现在我国报纸琳琅满目，编者日有创造，读者耳目常新，我这个退休报人也深受教益。我们长期响往”图文并茂”而不可得，现在报纸林林总总，令我目不暇接。当然，作为一个终生从事报纸工作的退休人员，对于某些现象也难免产生某种想法，有的是自己跟不上某种潮流，有的也难说没有一点道理。

总的说，”图文并茂”的问题解决了，好!有的报纸本是人们平常说的日报，却有向画报发展的趋势，走向另一极端。登载照片过多、过大，令人感到”喧宾夺主”。当然，一幅新闻图片的作用有时超过一篇新闻；适当多登些图片，读者非常欢迎。

但凡事总有个限度，如果把日报办成画报，总不是正常现象。有的报纸登照片，报头像放得比拳头还大，尽管图中人是登龙的球星，或唱红大江南北的歌手，我总觉得有些过分。排版，有人故意把三行文字倒置，把一个标题分段、放歪，其效果不是为着读者便利，而是给人家添麻烦了。

“图文并茂”是为了提高宣传效果，为了美化版面，而不是给读者找麻烦，给读者添乱。我总认为报纸应该朴素大方，长短有序，便利读者，择精选刊。当然，这是我这个逾八老人的一家之言，就正于同好。

(责任编辑　程　度)

]]>20世纪上半叶中国社会民主主义的勃兴和突然衰落2026-07-14T15:03:23+00:002026-07-14T15:03:23+00:00https://nodebe4.github.io/opinion/2026-07-14/20%E4%B8%96%E7%BA%AA%E4%B8%8A%E5%8D%8A%E5%8F%B6%E4%B8%AD%E5%9B%BD%E7%A4%BE%E4%BC%9A%E6%B0%91%E4%B8%BB%E4%B8%BB%E4%B9%89%E7%9A%84%E5%8B%83%E5%85%B4%E5%92%8C%E7%AA%81%E7%84%B6%E8%A1%B0%E8%90%BD

20世纪上半叶中国社会民主主义的勃兴和突然衰落

（编辑说明：正如本文作者所言，社会民主主义曾经是二十世纪上半叶中国的一种非常重要的思潮，曾具有相当大的影响力。但因各种原因，随中国的内战及中共建政，这种思潮最终衰败，未能产生具体的政治与经济上的成果。但对这样一种不仅在中国乃至在全世界都产生过重大影响，迄今在世界上依旧影响力不衰的思潮做进一步的探讨，会有助于我们认识世界，梳理现代中国的思潮演变，更好地探索未来中国的道路。为此，本网站发表此文。这是三篇相关系列文章之一，我们会陆续发表余下两篇，其中第三篇曾在“民主中国季刊”2024年第三集上刊载。尽管本网站的原则是只刊载首发文章，但为让读者对作者的思想，对该思潮的梳理有一个整体的了解，阅读时前后能有所参照，我们会再次刊发, 特此说明）。

本文所涉时段在1900到1949年，即清末的最后12年到民国38年，这正好是西学大量涌进并兴盛流行于中国的50年，社会主义思潮作为当时西方的显学对20世纪上半叶中国的思想文化界产生了主导性和决定性的影响。令人扼腕长叹的是，并非由于学理、学养、学术水平等“思想文化品质”方面的原因，而是由于“社会历史条件”等非思想文化方面的原因，社会民主主义或民主社会主义思想惨遭失败，而科学社会主义或共产主义思想则大获全胜！让我们来回顾并尝试解释一下这段历史。

一、20世纪上半叶中国的思想文化光谱

一般来说，古代社会的经济政治文化位置的划分是纵向的、垂直的，整个社会是一个金字塔式的等级结构，越往上层，其人均占有的经济政治文化资源就越多，越往下层，其人均占有的经济政治文化资源就越少，在这种由农业自然经济、等级专制制度和整体主义文化耦合而成的社会结构中，人的地位只有上下、贵贱、奴役与被奴役、统治与被统治之分。

近现代社会的经济政治文化位置的划分是横向的、水平的，整个社会越来越趋于多中心和扁平化，经济、政治、文化成为三个横向独立而又相互交叉的领域，经济的市场化、政治的民主化、文化的多元化相互激荡，个人有了自由选择和平等竞争的空间。当然还存在富与贫、强与弱的区别，但在自由和平等的竞争规则下，富与贫、强与弱是可以相互转换的，于是，根据所处的客观条件和主观条件，人们会从自己的位置出发，朝着前后左右作出不同方向的选择，大体上会出现以下四种经济政治思想取向：自由至上、不要平等叫做极右，崇尚自由、兼顾平等叫做中右，崇尚平等、兼顾自由叫做中左，平等至上、不要自由叫做极左。

20世纪上半叶的中国，处在古代社会向近现代社会过渡的、大半传统小半现代的历史阶段，因此，纵向的、垂直的社会关系依然存在，但横向的、水平的社会关系也已经出现了，适用于西方社会的经济政治思想分析方法也在一定程度上适用于中国了，在前所未有的西学东引的过程中，西学的不同思潮也在中国引起了相应的回响，或者说，中国人根据自己的经济政治需要引进了西学中的不同思潮。于是便形成了从右到左、从很右到很左、从极右到极左的思想文化光谱。

1、国粹主义、复古守旧主义

这是一种最右边的、最保守的思想文化思潮，是一种坚持以儒家为正统的传统文化保守主义，其代表人物有晚年康有为、晚年严复、辜鸿铭和林纾。这几个人其实是中国最早引进西方文化的，但经过严肃反思后，他们终于作出了维护中国传统文化、反对西方文化的决断。辛亥革命后，康有为反而掀起了一场颇具声势的孔教运动，并将尊孔读经与恢复帝制相结合。1913年，严复发起孔教会，极力主张尊孔读经，在目睹了一战惨况后，他愈觉“彼族三百年之进化只做到利己杀人、寡廉鲜耻八个字，回观孔孟之道，真量同天地，泽被寰区” [1] 。辜鸿铭认为中国文明是一种成熟而饱满的文明，而西方文明则是一种幼稚而浅薄的文明；中国人以儒学取代了宗教，给众生以安全感和永恒感；中国传统政体最为优秀，为世界诸国政体之典范。林纾也主张保存国粹、尊孔读经，但他反对将儒学宗教化，他更重视儒学所蕴藏的厚重的思想和道德底蕴。他对辛亥革命和新文化运动的激烈反传统主张持强烈的怀疑和否定态度。

2、法西斯主义、新专制主义

在1929到1938年间，意大利法西斯主义和德国纳粹主义被引进到中国，有关专著达六七十种之多，有关文章每年达数百篇之多，其中影响较大的人物叫做周毓英，他提出“以三民主义为体，以法西斯蒂为用，换句话说，就是三民主义的内容加上法西斯蒂技术。” [2] 他主张以国家资本主义或社会资本主义取代自由资本主义，在此基础上进一步实现民生主义即社会主义。为了实现这一社会经济目标，政治上必须既反对自由和民主政治，又反对马克思主义的阶级斗争学说，通过引进法西斯主义、恢复总理制和领袖独裁，来消灭赤祸即共产主义。蒋介石在1933年几次对军官训练团和国民党干部的内部讲话中，也表露了建立法西斯主义个人独裁的野心。在公开场合，蒋介石及其御用文人和宣传机构，打着三民主义的旗号，宣扬“一个主义、一个政党、一个领袖”，宣扬以党建国、以党治国、党国一体、一党专政的新专制主义，这个新专制主义，是儒家伦理道德、三民主义和法西斯主义的混合体。为了实现这种新专制主义，蒋介石培植了黄埔系（军事）、CC系（党务）以及复兴社、蓝衣社、中统、军统（特务机构）等国民党极右派力量，作为组织上的保障。

3、近现代意义上的文化保守主义

这是既反对国粹主义或正统文化保守主义，又反对西化主义或全盘西化论，主张调和中西文化，建立一种以中国文化为本位、吸收西方文化精华的思想文化主张，主要代表流派有：章太炎、刘师培等人的国粹派，他们是以国粹激励种性、驱逐满清、建立民主共和的资产阶级革命派，他们把提倡国粹比拟为欧洲的文艺复兴；杜亚泉等人一贯倡导中西调和论的东方文化派；梅光迪、吴宓等人的学衡派，崇尚“中正之眼光”、“无偏无党，不激不随”、“兼取中西文明之精华”的态度，对激进的新文化运动提出了尖锐的批评；何炳松、王新命、陶希圣等人的中国本位文化建设派；梁漱溟、熊十力、冯友兰、牟宗三、贺麟等人的新儒学派，主张在吸收西方哲学的前提下，返本开新，由老内圣开出新外王，实现儒学的现代化以及与现代经济政治结构的对接。

从近现代文化保守主义和现代新儒学中，产生出了一种儒学社会主义思想。早年的康有为就试图把儒学与社会主义结合起来，其《大同书》既来源于《春秋》“三世说”、《礼记》等传统典籍，也借鉴了西方空想社会主义。新儒学之开山人物梁漱溟在研究了多种社会主义之后，更认同基尔特社会改良主义，他认为接受这种社会主义，是从西方态度转向中国态度、使社会主义合辙于文化保守主义的路径，后来他把自己的乡村建设理论也叫做社会主义。牟宗三主张建立一种民主主义基础上的社会主义，即民主社会主义，他更认为唯有儒家的道德理想主义，才能实现社会主义与民主主义的融合，也唯有在儒家的道德理想主义基础上，民主社会主义才有其精神上的、理性上的根据，才能得到其最终的形上学证成 [3] 。

4、个人主义和自由主义

早年严复最早倡导“自由为体、民主为用”的自由主义思想，他翻译的《群己权界论》（密尔的《自由论》），为中国近现代思想文化界播下了自由主义的种子。鲁迅早在1907年的《摩罗诗力说》中，就倡导一种尼采式、拜伦式的个人主义，即一种积极的、狂放的个人主义了。在新文化运动中，个人主义和自由主义一度占有主导地位，后来才被社会主义思想超过，之后，陈独秀急剧左转为马克思主义者和共产主义者，鲁迅也左转为存在主义式的马克思主义者、左翼思想家和中国共产党的同路人，只有胡适还在坚扛自由主义的大旗，坚守自由主义的阵地。

不过，需要指出的是，17—19世纪流行于英法德的古典自由主义从来没有在20世纪上半叶的中国得到过系统的介绍，而19世纪末20世纪上半叶在欧美流行的自由主义，是吸收了社会主义一些诉求的自由主义，史称社会自由主义或现代自由主义，严复引进的密尔就是其始作俑者，格林、霍布豪斯、罗素、杜威就是其发扬光大者，而凯恩斯、罗斯福进一步将其发展成为改变了美国经济社会结构的新政自由主义，当时继续主张古典自由主义的奥地利学派和哈耶克等人完全被边缘化了。在这种情况下，中国人引进的自由主义，自然就是这种带有一定社会主义成分的现代自由主义了，比如，严复把西方社会主义看作一种社会政策，以救治个人主义和自由竞争之偏。五四运动后自由主义的三大主将，也无不同情和赞成社会主义的经济政策。胡适说：“近世的历史指出两个不同的方法：一是苏俄今日的方法，由无产阶级专政，不容有产阶级的存在。一是避免‘阶级斗争’的方法，采用三百年来‘社会化’（Socializing）的倾向，逐渐扩充享受自由享受幸福的社会。这方法，我想叫他做‘新自由主义’（New Liberalism）或‘自由的社会主义’（Liberal Social-ism）。” [4] 傅斯年指出，罗斯福的新政，含有温和而有效的社会主义成分，从而也给了自由主义一个新动向、新生命，事实证明，这个“新自由主义”有领导世界和平与人类进步的资格。他还表示：“我平生之理想国，是社会主义与自由并发达的国土，有社会主义而无自由，我住不下去，有自由而无社会主义，我也不要住。所以我极希望英美能作出一个新榜样，即自由与社会主义之融合。” [5] 萧公权进一步展开论述说：“十八世纪的自由主义和十九世纪的社会主义成了对立于现代的两大思潮，把人类分成两大壁垒……二十世纪的可能贡献不是创造一个崭新的主义或政治运动，而是调和十八、九世纪的特殊贡献，使之成为一个集成合美、为人类造福的生活体系”；“我们应当努力尽量用共有、共营、共享的制度去满足社会生存的物质条件，而用自主、自动、自择、自进的方法去达成个人生活的精神目的。‘大家有饭吃’和‘各人选路走’并行而不悖。一切经济生产分配的工作都依照社会的计划而进行，一切信仰思想言论的活动都依据个人的自决而表现……物质生活务求其同，精神生活不妨其异。管制物质，解放精神。大众同遂其生，个人各缮其性。这是自由社会主义的基本原则。” [6]

5、国家主义

1919年7月1日，少年中国学会在北京正式成立，此后从中分化出共产党和青年党，青年党成为继国民党、共产党之后的第三大党，其主要领导人有曾琦、左舜生、李璜。青年党既反对三民主义也反对共产主义，而主张国家主义：“国家主义便是要全靠这个全民共同志愿，把中国建设起来，使各行省区域本自由意志，重新联合一国，成为一个不但形式上统一，而且精神上统一的国家。因此国家主义者，所主张的统一乃是民意的统一，所主张的联合乃是民意的联治。而反对少数武力统一与多数军阀的联治。更明白说便是国家主义者主张全民政治，而反对独夫或一阶级的专制。” [7] 在政治上，青年党反对共产党的阶级斗争学说、暴力革命和无产阶级专政，也反对国民党的“军政—训政—宪政”三阶段论以及后来的一党专政，主张多党制并建立一个彻底的、全民的宪政民主国家。在经济上，青年党采取德国经济学家李斯特的国家主义经济学说，在运用国家资本和国家政策的力量迅速发展经济、增加财富的同时，保护工人、农民等社会底层群体的利益，防止出现过度的贫富悬殊。中国国家主义既区别于共产党彻底废止私产，而主张以国家调控、指导、限制私人经济，带有国家资本主义性质，又区别于国民党的官僚买办权贵资本主义，而主张以国家力量保护劳工利益，带有国家社会主义性质。国家主义主张全民国家而不是阶级国家，因此主张同时保护劳资双方，另一方面，劳资双方也要自觉服从国家领导，促进国家强大。中国青年党在抗战和战后宪政民主运动中发挥了相当积极的作用，是中国民主同盟和第三种力量中最大的党派。

6、无政府主义的社会主义

无政府主义反对包括政府在内的一切统治和权威，关注个体的自由和平等，提倡个体之间的互助关系，并以此建立互助、自治的和谐社会。历史上出现过很多无政府主义流派，其中克鲁泡特金的互助论无政府主义对20世纪上半叶中国的影响最大。1906—1907年，吴稚晖等留法学生在巴黎成立“世界社”并创办《新世纪》，与刘师培等留日学生成立的“社会主义讲习会”和《天义报》东西呼应，合为中国近代史上最早的无政府主义派别。两派的出发点都是性善论和互助论，如吴稚晖说，“谈天下之大公大义则莫如无政府，强权家以为人心皆恶，故必有法律焉以为监督，稍讲进化者则以为人心有善有恶，故权利与义务有相抵触之价值，无政府党则认为人心皆善”；“一旦无政府之到来，私产制度自然一切废除，至于各取所需，各尽所能乃为新世界上人与人相互之主义。” [8] 刘师培则设想，未来的无政府社会，是一个无国界、无政府、无阶级的“均力”社会，人类将以自发组成的千人规模的 “小自由联合体”的方式生活。在他们的影响下，章太炎融合西方无政府主义、庄子齐物论、墨子兼爱说和佛教的空无说，创立了他称之为五无论（无政府、无聚落、无人类、无众生以至无世界）的无政府主义学说。蔡元培很早就接触无政府主义的互助主义、劳动主义、平民主义和大同主义，他从互助和劳动这两个基本价值出发，喊出了“劳工神圣”这一振聋发聩的口号，并赞成同情和支持工农运动的社会主义思想。

无政府主义既不要政府又重视社会结合，因此其倡导的社会主义，多为基尔特（行会）社会主义和工团社会主义。无政府主义社会主义不仅影响了青年知识分子的工读运动和新村运动，而且影响了劳工运动；不仅影响了早期国民党人，而且影响了早期共产党人。

7、社会民主主义或民主社会主义

社会民主主义或民主社会主义，是介于自由主义与共产主义、资本主义与苏联模式社会主义之间的“第三条道路”，最先起源于19世纪末英国的费边社会主义和德国社会民主党的修正主义，后来扩展开来，成为欧洲各国社会主义政党（社会党、社会民主党和工党）的宗旨和纲领，最后扩展到全世界，成为社会党国际这一世界社会主义国际组织的宗旨和纲领，与共产国际形成鲜明的对立。

这一世界性社会主义思潮对20世纪上半叶中国思想文化界的影响，仅在“思想文化”范围内而言，是任何其他思潮（自由主义、法西斯主义、共产主义）所不能比拟的，受其影响的知识分子的数量，可以说超过了受其他思潮影响的知识分子的总和。除研究系、国家社会党、民主社会党这一脉的梁启超、江亢虎、张东荪、张君劢、罗隆基、汤住心、梁秋水、胡世青、吴景超外，还有直接受过英国社会民主主义思想家拉斯基影响的一系列学者，如1910年代在美国听拉斯基讲课的有雷沛鸿、林毕、张奚若、金岳霖、徐志摩、蒋廷黻，1920年代受拉斯基指导的中国学生有钱昌照、陈源、徐志摩、杭立武、王造时等，1930年代进入伦敦政治经济学院学习的有程沧波、王赣愚、龚祥瑞、吴恩裕、邹文海、楼邦彦、储安平、王铁崖、樊德芬、费孝通、萧乾等，其中前5人直接师从拉斯基。马寅初、潘光旦、郑振铎、施复亮、陶孟和、王芸生、戴世光、徐毓枬等一大批各个领域的学者和知识分子，都具有社会民主主义思想。曾一度进入过国民党政府的钱昌照、翁文灏、蒋廷黻、何廉、吴鼎昌、吴景超、钱端升、丁文江、杨振声、周炳琳、刘大中等英美派技术官僚，也具有社会民主主义思想，他们当中一些人离开政府后创办的“中国社会经济研究会”及其《新路》杂志，其性质类似英国的费边社，其《初步主张》几乎是英国工党政纲的翻版。以罗蒙册、丁洪范、李维林、杨戎、司马怀冰、杨震羽、王任重、白坚石等为成员或其主要作者的“中国民主自由社会主义学会”与《主流》杂志，也被认为是中国的费边社。此外，不少自由主义者、无政府主义者、国家主义者、儒家社会主义者、三民主义者，都与社会民主主义或民主社会主义有许多交叉和重叠之处。

8、三民主义

三民主义最初的表述是“驱除鞑虏、恢复中华，建立民国，平均地权”，经过数十年奋斗，到1924年，为了号召和动员广大民众参加国民革命，孙中山改组国民党，宣布了联俄、联共、扶助农工三大政策，并重新阐述了三民主义：

民族主义：反对满清专治和列强的侵略，打倒与帝国主义相勾结之军阀，求得国内各民族之平等，承认民族自决权。

民权主义：实行为一般平民所共有的民主政治，而防止欧美现行制度之流弊，人民有选举、罢免、创制、复决四权（政权）以管理政府，政府则有立法、司法、行政、考试、监察五权（治权）以治理国家。其核心观念强调直接民权与权能区分，亦即政府拥有治权，人民则拥有政权。

民生主义，其最重要之原则有两个，一为平均地权，“农民之缺乏土地沦为佃户者，国家当给以土地，资其耕作”，反对封建剥削，实行“耕者有其田”；二为节制资本，“凡本国人及外国人之企业或有独占的实质，或规模过大，为私人之力所不能办者，如银行、铁路、航路之属，由国家经营管理之，使私有资本制度不能操纵国民之生计”，“工人之失业者，国家当为之谋救济之道，尤当为之制定劳工法，以改良工人生活”。

孙中山设想通过三民主义的实施能够“人能尽其才，地能尽其利，物能尽其用，货能畅其流”，进而实现国富民强、天下为公的大同社会。他宣称民生主义就是社会主义，不过显然不是苏俄式的消灭私有制和市场经济的社会主义，而是保留和限制私有制和市场经济的社会民主主义。孙中山至死都清醒地意识到国民党与共产党、三民主义与共产主义的根本区别。

孙中山逝世后，尤其是在南京政府建立以后，以蒋介石为首的当权派，逐步建立起代表地主军阀买办官僚资本主义的极右翼政权，三民主义成了国民党一党专制的遮羞布，比较忠实继承三民主义的是在野的国民党左派，这一派又分为右中左三个小派：一是偏右的以汪精卫、陈公博为首的改组派，1932年蒋汪合流后瓦解；二是比较居中的邓演达等人创建的第三党，即中国国民党临时行动委员会，后改名为中国农工民主党；三是偏左的宋庆龄等人创立的国民党革命委员会。

9、作为过渡阶段理论的新民主主义

从1939年底开始，毛泽东先后发表了《〈共产党人〉发刊词》《中国革命和中国共产党》《新民主主义论》《论联合政府》《论人民民主专政》等著作，系统阐发了新民主主义理论：

第一，关于新民主主义社会的性质。中国革命分两步走，第一步是通过新民主主义革命，完成反帝反封建的任务，建立新民主主义社会；第二步是在此基础上，继续进行社会主义革命，使中国逐步过渡到社会主义社会。新民主主义社会是新民主主义革命与社会主义革命之间的过渡形态，是中国由半殖民地半封建社会进入社会主义社会的必经阶段。它不同于社会主义社会，因为其根本任务不是反对资本主义，而是反对帝国主义、封建主义；它也不同于资本主义社会，因为其领导力量不是资产阶级，而是无产阶级。因此可以说，它既具有社会主义社会的某些因素，也保存有资本主义的某些因素，但其前途必然是社会主义，而不是资本主义。

第二，关于新民主主义社会的基本纲领。在政治上，要建立“无产阶级领导下的一切反帝反封建的人们联合专政的民主共和国，这就是新民主主义的共和国”。在经济上，要使一切“大银行、大工业、大商业归这个共和国的国家所有”；“这个共和国并不没收其他资本主义的私有财产，并不禁止‘不能操纵国民生计’的资本主义生产的发展”；“这个共和国将采取某种必要的方法，没收地主的土地，分配给无地和少地的农民”。在文化上，要挣脱帝国主义、封建主义文化思想的奴役，实行人民大众的反帝反封建的文化，即“民族的科学的大众的文化”。

这个新民主主义理论后来在1949年中国人民政治协商会议通过的《共同纲领》中得到了完整的实现。这个理论，除了埋下了“无产阶级领导”也就是共产党领导这匹特洛伊木马外，其经济、政治、文化纲领，其实与三民主义、社会民主主义等等没有太大的区别。只是没过多久，这匹木马里的勇士们就冒出来，彻底颠覆了混合所有制、市场经济、公私兼顾劳资两利、联合专政的民主共和国等等“共同纲领”，而建立起国家所有制与计划经济相结合的、大一统的、苏联模式的社会主义以及与之相适应的一党专政。

10、科学社会主义和共产主义

中国共产党的初心和信仰，是马克思主义的科学社会主义，新民主主义只是一个短暂过渡阶段的理论纲要，随后就要过渡到科学社会主义，最终要实现共产主义。

二、中国社会民主主义在20世纪上半叶折戟沉沙的原因

客观地比较，社会民主主义者无论在数量上，还是在质量上（在学历、文化水平、学术水平和思想水平上），都远远超出了共产党知识分子，而在思想文化界的影响，对于各个学科领域、文化领域和思想文化流派的影响，社会民主主义也是占有很大优势的。为什么社会民主主义在1948年初还生机勃勃，过了一两年就销声匿迹了呢？对此我们可以从两个层面做一点解释：

1、表层原因是政治军事斗争的结局决定了思想文化的命运

抗战胜利以后，中国出现了短暂的和平，全国人民要求国共两党和平谈判并建立宪政民主共和国的呼声很高，这给知识分子的思想言论自由和参政权利的实现，提供了一个中国历史上前所未有的机会和窗口。然而好景不长，由于各自拥有强大军事力量的国共两党，并不是已经完成了现代化的政党，并没有宪政民主思维和能力，反而是两个极端化的、抱持你死我活政治斗争逻辑的、追求绝对权力的的政治军事集团，它们不顾国际国内的反对打起了内战，由于多种多样的原因，国民党败退台湾，共产党占领了大陆。夹在国共之间的第三种力量就像泡沫一样被挤爆了，第三条路线或第三条道路成了泡影，自由主义的、社会民主主义的、国家主义的、保守主义的思想政治力量，要么归顺于国民党一方，要么归顺于共产党一方，要么自生自灭。当政治军事力量、当权力和暴力成了社会某一时期的决定因素的时候，思想文化要素自然就无能为力了。

2、中国社会还处在两头大中间小的状态，还没有形成两头小中间大的结构，这是极端的思想政治力量占上风，而自由主义和社会民主主义同时被淘汰出局的深层原因

秦以来的帝王专制社会，从人数分布而言，是金字塔结构，塔尖上只有一个人，他之下的每一层级人数逐渐增多，最底部是数量巨大的编户齐民。但从经济政治文化资源的分布而言，这个社会结构其实是一个两头大中间小的杠铃结构，人数很少的帝王、皇室、贵族、官僚、豪强地主、大商人掌握了足以统治整个社会的经济政治文化力量，人数巨大的编户齐民拥有的经济政治文化资源的总量也不小，但人均水平聊胜于无，而且处于分散孤立的状态。夹在这两头之间的中间阶层，如中小地主、比较富有的自耕农、中小商人，一直得不到自由的发展，根本不能成为打通两头同时又制约两头的中间力量。由于官府的横征暴敛、土地的兼并，开始时是大量自耕农沦为佃农，再后来是大量的佃农沦为流民和饥民，这些再也活不下去的失业农民就揭竿起义，对于一切处于他们之上的社会阶层进行毁灭性的打击，在人口减半乃至损失三分之二的情况下，一个新的帝王专制王朝又奇迹般地从一片废墟中产生了！这就是两千多年中国社会专制循环的历史。

1840年以后，随着中西经济政治文化的交接，中国的市场经济和资本主义有了一定的发展，政治上和文化上也出现了新的气象，以至建立了亚洲第一个民主共和国，各种思想文化流派也像百花盛开一样，这就出现了本文开头部分所说的，由于中国社会在横向的、水平方向的展开，可以初步运用四分法对各种经济政治文化现象进行分析了。本文从右到左梳理出来的10种思想文化流派，在历史上的确产生和存在了。

然而，照搬来自于西方社会的四分法又是错误的，原因是，市场经济和资本主义在西方发展了一二百年，形成了一个强大的资产阶级，随后又形成了一个强大的工人阶级，两大阶级逐渐缩小差距并初步达成了力量的均势，除了在后起的德国和意大利，极右势力一度占了上风，在更加后起的俄国，极左势力长期占据统治地位，在一般宪政民主国家，都达成了中右和中左力量的相对平衡，甚至实现了制度性的左右制衡和轮替，这就是为什么，在西方宪政民主国家，自由主义与社会主义成了主流思潮，而极右思潮和极左思潮则被边缘化了，更有甚者，还出现了自由主义和社会主义各自向对方靠拢、渗透、转化的现象，以至古典自由主义升级为现代自由主义，即吸收了社会主义成分的社会自由主义，而社会主义升级为社会民主主义，即吸收了自由主义成分的自由社会主义、民主社会主义。

回过头来看20世纪上半叶的中国，还是一个大半传统小半现代的社会，纵向的、垂直的上下等级性划分还在死死地纠缠着横向的、水平的左右流动性划分，作为市场经济和资本主义之主体的资产阶级以及相对而立的工人阶级，都很弱小，也就是说，相对于官僚地主军阀买办资产阶级和占人口绝大多数的农民阶级而言，由资产阶级和工人阶级构成的中间阶级，根本就不是一种主导性的经济政治文化力量，这是20世纪上半叶中国社会变革所处的基本形势。上文提到的10种思想文化流派，除了前两种（国粹主义、法西斯主义|新专制主义）与官僚地主军阀买办资产阶级这一大头息息相关，后两种（新民主主义、马克思主义|科学社会主义）与贫雇农阶级及部分工人这另一大头息息相关，其他6种流派（近现代意义上的文化保守主义、个人主义和自由主义、国家主义、无政府主义的社会主义、社会民主主义或民主社会主义、三民主义），全都维系在脆弱的“中间阶级”（民间资本家、小资产者、富农和中农、职员和部分工人）身上，而这个由各阶层消极构成的、分散无序的中间阶级，根本就没有足够的经济政治军事力量缓和、弥合、制衡、消除由国民党所领导的经济政治军事集团与由共产党所领导的经济政治军事集团之间你死我活的斗争，因此，尽管这6种各自都包含了自由主义成分和社会民主主义成分的思想文化流派（前三派偏右，算是中右，后三派偏左，算是中左），由于具有更为先进的西方文明和文化的背景，由于预示了中国社会未来发展方向，而对于其他4种或偏于极右或偏于极左的思想文化流派，具有学术上和道义上的双重优越性，尽管也曾经风生水起、光彩夺目，但终于因为缺乏雄厚的经济政治军事支撑，因为没有强大的社会阶级基础，而在残酷的内战声中灰飞烟灭了。

必须承认，中国的自由主义和社会民主主义得以发扬光大并深刻影响和塑造中国的经济政治社会结构的时代还没有到来，正如西方历史所证明的，自由主义是与资本主义和资产阶级的发展相辅相成的，社会民主主义是与工人阶级和劳工运动的发展相辅相成的，自由主义和社会民主主义在中国的命运，取决于工业文明和市场经济在中国的发展程度。

（王大卫为笔名，作者为中国某大学的教授）

[1] 参见《严复集》第3册，中华书局，1986，第668-692页。

[2] 周毓英：《法西斯蒂与中国革命》，上海，民族书局 1934 年版，96 页。

[3] 《牟宗三先生全集》第9卷，台北：联经出版事业公司2003年版，第72页。

[4] 《胡适全集》第3卷，安徽教育出版社2003年版，第57页。

[5] 傅斯年: 《评英国大选》，《大公报》，重庆，1945 年 7 月 30 日。

[6] 萧公权：“二十世纪的历史任务”，载《迹园文录》，北京：中国人民大学出版社2014年版，第181-184页。

[7] 李璜：释国家主义，载于方庆秋编：《中国青年党》，北京：档案出版社1987版第43页。

[8] 燃：《谈无政府之闲天》，《新世纪》第49号，1908年5月30日。

]]>王大卫祭典2026-06-03T16:27:00+00:002026-06-03T16:27:00+00:00https://nodebe4.github.io/opinion/2026-06-03/%E7%A5%AD%E5%85%B8

祭典

— 组诗  “六月” 之四

( 编辑说明：今天是对中国当代历史影响深巨的“六四“事件发生37周年。本网站发表毕谊民先生的两篇诗作。毕先生是距今整整半个世纪前1976年爆发的“四五”运动，后来的北京民主墙运动，八九运动的重要参与者，见证者，他一生为此，为理想几度入狱，却夙志不改，初衷不坠，也用他热爱的诗歌形式，写下诸多在不同时刻的感受。这里，择两首跨越三十六年，处不同时空情境的作品，以飨读者，为历史留证，以之纪念那场壮阔的运动并相邀读者去对当下与未来做思考。）

——流亡中写于“六四”周年祭日，1990年 北京寅时——

六月

江河不再流动

也不再清澈

死水漂浮着腥臭的记忆

夕阳涂刷着野兽的赤色

婊子的北风

扒光了一切

荒原上堆起座座

没有墓碑的土冢

六月

太阳碎了

雪从天空飘落

这是上坟的日子

都死了

只有小草倾诉着

昨夜的哀歌

六月

埋葬了春天

大地冻结成冰川

我扒着自己明天的墓穴

把儿子叠的七色纸船

放进干枯龟裂的河床

一切都不可预测！

不可预测

不可预测

……

时代的隐喻

——写于2026年4月25日海外温哥华——

这是一座荒漠中的千年古城

里面的人重复着前辈的身影

婊子与嫖客同谋共舞

从君主到贫民

从殿堂到街头

充斥着

贪婪，欺诈

互害，伪装

争夺并轮换着主人

城门紧闭，没有气息

家家户户从未打开过窗户

阴暗，潮湿，霉气

流浪者在窥视，并

随时想占有

狼在远处围观

人们在沉积的腥臭中

纵欲，狂欢，享受

尽职尽责扮演着

属于自己的角色

守护共同的庄园

相互攻奸，妒忌，摧残

斥责并纠正对方的姿态

除此之外，每天重复着

吃饭，睡觉

性交，繁衍

一代一代

生生不息

骄傲，自豪，自信

这座城如此古老破旧

却无比坚固

]]>毕谊民第十届网络社会年会（新加坡场）｜石可：John Gerrard 与 Stelarc 的作品及其背后的去中心化理想2026-05-14T00:00:00+00:002026-05-14T00:00:00+00:00https://nodebe4.github.io/opinion/2026-05-14/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BC%88%E6%96%B0%E5%8A%A0%E5%9D%A1%E5%9C%BA%EF%BC%89%EF%BD%9C%E7%9F%B3%E5%8F%AF%EF%BC%9AJohn%20Gerrard%20%E4%B8%8E%20Stelarc%20%E7%9A%84%E4%BD%9C%E5%93%81%E5%8F%8A%E5%85%B6%E8%83%8C%E5%90%8E%E7%9A%84%E5%8E%BB%E4%B8%AD%E5%BF%83%E5%8C%96%E7%90%86%E6%83%B3
网络社会年会

第十届网络社会年会（新加坡场）｜石可：John Gerrard 与 Stelarc 的作品及其背后的去中心化理想

2026-05-14

文 / 石可
翻译/ 崔涵
校对/ 王婧洁

我可能会偶尔会用中文（普通话），因为我想大家都听得懂。我的中文名是石可，任职于南京大学，我拥有戏剧背景，同时从事创作实践、当代剧场表演以及相关理论研究，这就是我的背景情况。

今天的日程安排是讨论约翰·杰拉德（John Gerrard）和斯泰拉克（Stelarc）。日程表上提到约翰·杰拉德的作品时，原本是放在“去中心化”（decentralization）这个理念背景下的，但我后来发现，也许今天这个案例（《西部旗帜》）会是一个更好的例子。所以这就是我们今天的内容。我想给大家展示的第一张、或者说第一组图片，是来自约翰·杰拉德的作品，名为《西部旗帜》（ Western Flag ），地点是在德克萨斯州。

2017年的德克萨斯州，在这个星球上第一口喷油井的遗址上，他设置了一个装置：一根不断喷射出黑色烟雾旗帜的旗杆。这件作品非常直观，它是碳经济时代一座令人心惊的纪念碑。这里的“雕塑”本身就是烟雾，一个永恒存在的有毒实体。如你所见，周围已经一片荒凉。

他基本上是把这个场景扫描进去了，但我得解释一下是怎么回事，它并不是真的“扫描”进电脑系统。他将这套装置扫描成 3D 模型，在虚拟世界中重建了现场，并让这个 3D 版本的装置留在虚拟世界里，作为现实场景的“虚拟替身”（Virtual Double）而存在，而数字版本则在世界各地进行巡展。

所以你可以看到在现实中这究竟是什么艺术作品。这就是所谓的，你很难给它命名。它不是视频，我们姑且称之为新媒体作品，但不管怎么说，约翰·杰拉德把他这类作品称为“数字雕塑”（digital sculpture）《太阳能储备》（ Solar Reserve ），那是2014年的作品，所以这是实物，而那边就是它的数字雕塑版本。

这不像我们所说的传统意义上的再现关系，其方法基本上是在内华达州重建了一个太阳能热电厂的虚拟版本。这个虚拟鸟瞰的视角是实时运行的。里面有一万面镜子在追踪模拟的太阳时熠熠生辉。

这是一座可再生能源的纪念碑，同时也是一场静默的奇观。下一件作品是《演习（吉布提）》（ Exercise (Djibouti) ），一群士兵在进行操练，还有一个养猪场，你们知道的，自动化的养猪场，探索了现代系统的匿名性。前者描绘了一群士兵在荒凉的景观中进行无休止的艰苦操练，而后者呈现了一个完全没有人类在场的自动化养猪场。

这些雕塑图景展现了极高的技艺与冲击力，批判了全球化工业和战争中那些剥夺人性和破坏环境的逻辑。即便暂时撇开作品所传达的内容或政治信息不谈。这些也是相当明显的，数字雕塑无疑代表了当代艺术领域一次深刻且复杂的演进。

如果你对艺术史或艺术理论有所了解，就会发现，这在视觉艺术的本体论定义上是一个相当具有革命性的设定，不仅仅是因为它使用了数字工具，更重要的是，它将虚拟空间视为构建雕塑对象和环境的最根本媒介。这些对象和环境拥有属于它们自己的物理逻辑和时间逻辑，这就是他的作品。

它们不是传统意义上的动画或视频，而是由算法驱动的实时模拟，作为持续存在的数字实体而存在。他雕塑实践的核心在于，极其艰辛的创作过程。他首先拍摄数千张照片并将其扫描，抓取数千张现实世界物体的图像。然后，这些数据被用来构建超精细的3D模型。

然而，这些模型并不是我们常见的那种预渲染的线性视频。相反，它们被放置在游戏引擎中。而在游戏引擎里，它就成了一个受其自身规则所支配的虚拟宇宙，这是关键的区别。每件作品都是实时模拟。所以基本上，真实事物的后续版本就在虚拟世界中自我运行，在某种程度上就像在平行宇宙中一样。

所以，他在题材选择上的敏锐，成功地将这种技术创新提升到了强有力的政治批判高度。他的作品往往可以被看作是能源、劳动力和数据系统的“肖像”。在某种程度上，通过“数字雕塑”，约翰·杰拉德创造了一个全新的艺术类别。他在某种程度上使用游戏引擎不是为了娱乐，而是作为一个工作室，去创造那些拥有质量、体积、光线，以及最重要的是拥有它们自己独立时间性的物体和环境。

下一张，基本上这些都被放入游戏引擎中并按它们自己的逻辑运行，但这一个。抱歉，这一个只是照片，用的是约翰（拍的），因为那是谷歌的数据数据库服务器，谷歌拒绝与他们合作，因为那是他们的商业机密。但在我看来，这个视角才是最重要的，因为它恰恰审视了我们当代的迷思，即我们生活在一个虚拟世界中，正如教授今天早上谈到的，这些服务器是社会中能耗最高的部门，但它们产出的图像却是虚拟的，对吧。

我想分享的第二个案例是澳大利亚艺术家斯泰拉克（Stelarc），其实是很久以前的作品了。《Ping 身体》（ Ping Body ），创作于1996年… 30年前了，但这件作品的核心概念是对身体能动性的颠覆。传统上，身体是根据大脑发出的信号来行动的。作为人类，我们就是这样运作的：我的大脑指挥我的四肢，我的神经系统告诉我该说什么。

但这并非像将内部指挥中心替换为一个偶然形成的去中心化网络那样。实际上，这是一台计算机在测量 Ping 值，即信号的响应时间。这种 Ping 测试源于 1996 年，通过互联网发送的辐射状信号，当时的技术还挺原始的。但他们发送了信号，并记录了所有这些数据，所有这些速率，是世界各地的站点与 Ping 到达之间的响应时间， Ping 值以及延迟问题。

低质量连接产生的大量流量，导致了很高的 Ping 响应时间。这些数据作为原始且不可预测的输入进入系统，于是，这一系列的 Ping 数据被映射到一个定制的、由计算机控制的肌肉刺激系统。因此，如果你不了解内情，它看起来就像一场普通却又怪异的当代舞蹈。实际上，这可以说是被我们的集体主观性所强制驱动的。

这非常深刻。我认为，就艺术创作而言，这是我见过的对这个时代人类状况最精确的写照。于是，Ping 数据系统被映射到了这个装置中。最终的真实结果是：斯泰拉克（Stelarc）的身体被这种全球数据流非自愿地激活了。从东京的一台服务器传来的一个尖峰 Ping 值，会导致选择性抽动、抽搐，等等。

《Ping Body》的操作原理是对身体生物层级结构的刻意颠覆。在正常的自愿行为中，大脑向肌肉发送信号，而这里完全绕过了内部指挥中心，这就是为什么身体变成了数字信息短暂流动的物理非自愿信号（semaphore）。

这就是我想在这里与大家分享的两个例子。但实际上，让我回到另一个领域，一个与本次会议、与当前语境下的听众们颇为不同的领域，也就是科技或基于计算机的艺术。我们来谈谈这种，解构主体性的渴望。

用我们日常语言中的常用词来说，就是对什么是“疯狂”和“不疯狂”的重新定义，以及我们如何定义 “你是疯了吗？” 或者是说 “你是艺术家你一定是疯了”， 这其实是相当哲学的陈述。所以，主体性的消解实际上是上个世纪主要的哲学研究之一，我想说特别是对法国思想家而言，他们对我们的社会产生了巨大的影响。

目前我在谈论像德里达（Derrida）、福柯（Foucault）、拉康（Lacan）这样的人，你知道这些名字，我们其实都相当熟悉他们，基本上是在谈论主体性的破碎。这种思想受到了一位叫安托南·阿尔托（Antonin Artaud）的艺术家的启发，你知道他提出了一个相当怪诞的想法：“我没有疯，但我是我自己的父亲，我是我自己的女儿”，同时，他的写作也真的很令人受启发。

疯狂。那是一个源头，哲学意义上的去中心化的原型，我想说，就我个人而言。从笛卡尔（Descartes）开始，从现代主体性的发明、科学化的自我建构开始，这些都深受欧洲思想家的影响，这是不言而喻的。如果“我”不是一个固定的定义，一个行动和语言的发起者，我们如何归因或赞扬任何事物、任何行动？我认为这是当前社会在许多方面呈现去中心化趋势的历史基因之一。

我觉得没必要重复，你知道德里达或福柯或拉康的理论，我们在某种程度上都知道这些，例如福柯谈论知识的权力，德里达谈论没有在场，没有固定的知识作为在场，一切都是差异的，而拉康，我们通过狂野的镜像构建我们的感受力，我们一直在与他人进行这种循环的、分析性的协商。

所以我认为这是当前去中心化思维的第一个要素。在此之前，我想先谈谈中心化的意义。所以基本上有两种去中心化，一种是财政上的，另一种显然是关于治理、关于权力结构，那是最明显的，也是像他们这样的人最常使用的。

但在这背后，问题其实是一个很蠢的问题：为什么这么多欧洲的年轻人会如此沉迷于这种思想？我认为这是一种文化传统，真的很奇怪现在没什么人谈论无政府主义了，但那些曾经是大观念，非常流行的观念，基本上可以这么说。

将十九世纪传统无政府主义的那些理念，映射到当前比特币世界或区块链中去中心化的修辞、话语和论述中。去中心化作为一种理念，关于我们如何应对权威，如何应对阶级制度带来的困难，所有这些左翼运动试图解决的困难，在上个世纪实际上失败了，也被资本主义理念击败了。

还有，无政府主义，我不觉得我需要重复它所有的理念，反正基本上就那样，对吧？这是巴枯宁（Bakunin）、蒲鲁东（Proudhon）、克鲁泡特金（Kropotkin）。懂中文的人会知道巴金，他的名字就来自巴枯宁和克鲁泡特金。他年轻时，真的是一个非常传统的无政府主义者，以及第三条道路。

他们追求的当然是社会自由。基于个人主义，基于美好社会的理念。但自由有两面，对吧？所以，传统无政府主义与共产主义的不同在于：无政府主义既强调个人自由也强调社会自由。无政府主义者相信，个人自由与社会平等是不可分割的。

在阶级分化和经济胁迫驱动的社会中，一个人无法获得真正的自由。自由的理想不同于古典马克思主义，后者主要关注摆脱由资本主义生产方式强加的人性异化的可能性；也不同于自由主义的消极自由概念，即以赛亚·柏林（Isaiah Berlin）所定义的免受干预的自由；而是通过集体自决和没有系统性压迫来实现的积极自由。

对吧？接下来我想说的是，从这群思想家出发，我们进入了这些人的包围圈，进入了这些人。当然，那是小说中所描绘的，就是我们认识的那些人，对吧？扎克伯格、马斯克，所有那些所谓的硅谷人士。硅谷自由主义，或称新自由主义，在过去十年或二十年里受到了严厉批评，被我所处背景的人批评。但为什么？原因何在？

因为，我是说如果你看看他们为社会构建的叙事，你会发现，就社会平等的目标而言，他们与无政府主义者之间有着非常相似之处。这很有趣，但他们并不介意进入股市。这就产生了一个非常有趣的矛盾：让我们去中心化，让我们干掉权威，让我来做决定。

这又是一个左翼运动引领变革的老故事。无论如何，我对此有共鸣，因为如果我们谈论Web3中的去中心化，我对此知之甚少，但如果我从我的角度去观察所有这些重复的叙事，我发现了亲和力，也就是思维方式上的相似之处，我在某种程度上发现了一种内疚感。

所以这群人，他们当然是比特币的VIP客户，对吧。而这个人，在我这个学科里有一个叫理查德·谢克纳（Richard Schechner）的人。他提出了一个叫“恢复的行为”（restored behavior）的理论。什么是恢复的行为？或许你以为存在新事物，但太阳底下并无新事。

因此，上述所有过程都被转移到了Web3话语的象征结构中。那种天真而真诚的理想主义，现在已经被翻译成了比特币、区块链的技术术语，以及数学语言和语言学手段。仿佛记录行为本身的共享程序，即“美德”这个词本身，就能奇迹般地解决人类失败所带来的困境。

Web3背后的去中心化理念，在理查德·谢克纳的意义上，是一种“恢复的行为”。它是一种方言，一种我们试图重新创造的动态机制，但我们又一次踏入了旧故事。作为社会表演的集合，它是对无政府主义、原子论等旧幽灵的表演性重演，也是那只无形的手，倘若我们真的想要一个足够健康且没有巨大伦理黑洞的系统。

如果我们不想要这个，那还是需要监管，对吧？但正如今天早上一位教授所说，数据量过于庞大，无法实现这一点。不过你知道，他们在谈论坚不可摧的加密技术，试图摆脱所有监管。当然，这只是一个神话。

因此，如果你真的想要一个足够健康且没有巨大伦理黑洞的系统，那么我们可能需要对这一意识形态先辈的谱系发展进行历史考察。回到前面提到的两位艺术家：约翰·杰拉德的作品审视了那个假装不存在的隐藏中心，揭示了“美德”背后其实有着相当沉重且耗能的基础设施。

数字雕塑与其原型之间的关系不是再现，甚至不是相似。它是作为表演性可能性的一个实现了的平行宇宙，同时就是现实。与此同时，《Ping Body》展示了一个实现了的平行状态，展示了在盲目力比多与驱力之下集体侵犯的动态。

我们称之为互联网。互联网既是通信工具，也是全球性的外部神经系统。无论是否去中心化，我们的身体一直接入这个外部网络，各种可见与不可见的力量在我们不知情的情况下塑造着我们的体验和行为。这甚至不是旧的精神分析方式所能解释的，而且几乎不可能断开连接。

如今说我们无法断开连接几乎成了陈词滥调。如果没有 Wi-Fi 信号我们会感到恐慌，至少我会。但无论如何，当前语境下真正的去中心化方式是什么？正如阅读福柯时所提出的问题。

如果我们把《Ping Body》视为一件强行介入的作品，在读者看来，它强行质疑了我们过去所认知的人类能动性、个体性和主体性的概念。现在我们处于所谓的后人类状态，身体边界是可渗透的、多孔的，其行为可以被远程的或非人类智能所控制。

保持一个持有高度加密比特币账户的静态自我，或者留存我们行为的可追溯痕迹，有什么意义呢？如果自我的概念恰恰是那种焦虑背后的东西，从而声称我们的身体已经过时了，这正是斯泰拉克作品的核心理念。他之所以这样做，是因为我们的身体已经过时了。

如果说斯泰拉克的表演是某种长久以来的哲学的直接体现，即人体在生物学上是不足的，这其实是同一种东西，这是我们人类失败的标志和信号，对吧？身体不是一个主权实体，而是技术系统的延伸物理执行器。如果动作不再是意识的表达，而是网络流量的症状，那么这件作品的怪诞特征就很像是荒谬的例证，而不是其正确性的证据。

我想我试图说的是，我们正在经历的真正去中心化，实际上不是关于权力或治理，而是关于重新思考意义，关于自我的意义离开我们，关于我们如何应对这个系统，因为我们似乎总被一种义务所牵制，始终试图去重塑系统。

我很抱歉用这种老式的念稿方式，因为用的是第二语言。但我认为，如果我可以重新表述整件事的话：正如我所说，这就是对我们当下状况的描绘。你可以持积极看法，也可以持消极看法，这并不重要。

我认为第二点是，我们当然需要研究 Web3 或其他类似的新发明，研究我们这个时代无处不在的新设备，用我们现在使用的术语来说，也就是计算机术语。因为它过去是、现在也是以这种方式建立起来的。但我建议再次去研究那些人，那些思想者，去看看并思考：为什么那个时代的矛盾会在这个时代重演？所以，这就是我今天想与在座各位分享的内容。非常感谢。

讲者介绍

石可

石可，诗人，剧场工作者。南京大学全球人文研究院副教授。英国阿诺尔菲尼中心合作艺术家。北京大学本硕、英国布里斯托大学博士。主要学术研究方向为戏剧美学、戏剧现象学、当代艺术表演。出版英文专著 Embodiment and Disembodiment in Live Art , 2019, London: Routledge. 在一流学术刊物发表中英文论文二十余篇。戏剧和行为艺术作品在京、沪、伦敦、巴塞尔等地上演。长期在高校从事非职业戏剧表演和艺术表演训练教学。

]]>网络社会研究所ACID #2《复音的全球南方：技术交流的空间》正式发行2026-04-27T00:00:00+00:002026-04-27T00:00:00+00:00https://nodebe4.github.io/opinion/2026-04-27/ACID#2%E3%80%8A%E5%A4%8D%E9%9F%B3%E7%9A%84%E5%85%A8%E7%90%83%E5%8D%97%E6%96%B9%EF%BC%9A%E6%8A%80%E6%9C%AF%E4%BA%A4%E6%B5%81%E7%9A%84%E7%A9%BA%E9%97%B4%E3%80%8B%E6%AD%A3%E5%BC%8F%E5%8F%91%E8%A1%8C
ACID • 出版 • 网络社会年会

ACID #2《复音的全球南方：技术交流的空间》正式发行

2026-04-27

“复音的全球南方”不是地理标签，而是一种方法论。当 Balaji Srinivasan 的「网络国家」许诺以股东制取代公民权、以私人主权铲除民主协商，当矽谷修辞把 1% 的财富集中包装成「去中心化」，ACID 第二期把第九届网络社会年会选集连同一般论文放回「南方」这个复数的位置上。

这里的南方，是菲律宾的平台劳动与 Web3 田野、印度的数据偏见、深圳龙华公车站的身体，是 1960 年代韩国的技术浪漫主义、1990 年代中国的山寨文化，是科技拾荒者手上被称为「洋垃圾」的废弃电子产品。冷战与后冷战、制造现场与流动亲密、「社会性媒介」与「新地形」，被放在同一张地图上。

Merlyna Lim、Jason Vincent Cabañes、Cheryll Ruth Soriano、Saskia Witteborn、Payal Arora 与来自中国、韩国、菲律宾的年轻学者一起做的，不是把全球南方包装成抵抗的神话，而是细看”坏的数位纳入”（adverse digital incorporation）与慢性贫困如何被演算法与平台重新生产。技术从来不在政治之外。问题是，我们用谁的技术，在哪一个历史尺度上判断。（黄孙权）免费下载pdf 与 epub 档，见文后。

“Polyphonic Global South” is not a geographical label but a methodological stance. When Balaji Srinivasan’s “Network State” promises to replace citizenship with shareholding, and democratic deliberation with private sovereignty, when Silicon Valley rhetoric repackages the concentration of wealth in the top 1% as “decentralization,” ACID No.2 places the selected papers from the 9th Annual Conference on Network Society, together with general research articles, back into the plural position called “the South.”

The South here is platform labor and Web3 fieldwork in the Philippines, data bias in India, bodies at the Longhua bus terminal in Shenzhen. It is the techno-romanticism of 1960s South Korea, the shanzhai culture of 1990s China, the discarded electronics called “foreign waste” passing through the hands of tech scavengers. Cold War and post-Cold War, factory floor and mobile intimacy, “societal media” and “new terrains” are laid on a single map.

What Merlyna Lim, Jason Vincent Cabañes, Cheryll Ruth Soriano, Saskia Witteborn, Payal Arora, and emerging scholars from China, South Korea, and the Philippines do here is not to package the Global South as a myth of resistance, but to trace how “adverse digital incorporation” and chronic poverty are reproduced by algorithms and platforms. Technology has never been outside of politics. The question is: whose technology do we use, and at what historical scale do we judge. （Huang, Sunquan）

本期目录

ACID No.2 复音的全球南方

编辑手记 ix — 郑叶颖
专题引言 3 — 黄孙权

板块一：制造南方 / PANEL 1: MANUFACTURING SOUTH

情感与算法：解开社交媒体政治的数字核心 — Merlyna Lim 9
垃圾佬——以再利用作为平价电子产品的来源 — 周蓬岸 29
从技术浪漫主义到技术封建主义——中韩早期信息社会的历史比较研究 ─ 王洪喆 54

板块二：流动的联结性 / PANEL 2: MOBILE CONNECTIVITY

全球本土化亲密关系：来自全球南方的移动媒介化关系论建构 — Jason Vincent A. Cabañes 77

板块三：社会性媒介 / PANEL 3: SOCIETAL MEDIA

数字行动主义与男性权益运动的民粹主义浪潮 — 廖雪婷 99
平台、劳动与中介动态 — Cheryll Ruth Soriano 116

板块四：新地形 / PANEL 4: NEW TERRAINS

WEB3与区块链游戏：一种南方视角 — Saskia Witteborn 147
消除数据偏见以建立包容性技术 — Payal Arora 171
当人工智能遇上WEB3：共筑可持续数字经济 — 朱飞达 194

青年学者论坛 / EMERGING SCHOLARS FORUM

数字殖民主义之下的全球南方：消失的社交媒体和中国启示 — 许可 221
创新还是仿造？重思”山寨（SZ）”的转变 — 姜奕竹 李程锦 224
傅壇的游戏历程：解码手柄上的中国计算机启蒙 — 任柄霖 248
“无奋斗，不龙华”，龙华汽车站田野调查 — 韩佳欣 仝昭祥 256

一般论文 / RESEARCH ARTICLE

红色模型：中国人工智能治理的平衡与失衡 — 蔡泽锐 273
“他”的政治不是我的世界——《极乐迪斯科》女性玩家认同研究 — 张钰彬 286
技术之云与艺术之线：人工智能生态中的攫取逻辑与审美抵抗 — 朱韵 299

Acknowledgments 309

ACID #2: Polyphonic Global South: The Spaces of Technological Communication
2025 (ISSN 2960-0944)
中國美術學院網絡社會研究所 INS（ISSN 2960-0944）頁數323

下載 PDF (119 MB) ↗ 下載 EPUB (21 MB) ↗

]]>网络社会研究所第十届网络社会年会｜James Steinhoff：提示工程与（非）决定论的政治经济学2025-12-29T00:00:00+00:002025-12-29T00:00:00+00:00https://nodebe4.github.io/opinion/2025-12-29/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9CJames%20Steinhoff%EF%BC%9A%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B%E4%B8%8E%EF%BC%88%E9%9D%9E%EF%BC%89%E5%86%B3%E5%AE%9A%E8%AE%BA%E7%9A%84%E6%94%BF%E6%B2%BB%E7%BB%8F%E6%B5%8E%E5%AD%A6
网络社会年会

第十届网络社会年会｜James Steinhoff：提示工程与（非）决定论的政治经济学

2025-12-29

文 / 詹姆斯·斯坦霍夫（James Steinhoff）
翻译/ 李易扬
校对/ 仝昭祥

感谢主办方，感谢幕后工作的同学们，谢谢他们的付出。

首先，我的背景是媒介理论、媒介研究，尤其是媒介的政治经济学。因此这场讲座会在清晨给大家来一点媒介理论，也来一点政治经济学，希望这能让人精神一振。需要说明的是，这不是一场基于我既有论文或研究的报告；而是我根据给我的“提示（prompt）”而创作的讲稿。像一个表现良好的大型语言模型一样，我生成了一份关于“提示”的提示。我认为，现在正是讨论人工智能政治经济学的及时节点。

尽管技术取得了显著的进展，在全球范围内，史无前例的巨额资金正被投入到AI研究当中，但AI似乎并未达到资本的预期——至少它没能创造剩余价值。麻省理工学院研究者今年的一项最新研究显示：在对美国（或可能更广泛地说是全球）300 家公司的分析中，95% 的企业在引入生成式 AI 的投入上获得了零投资回报。也就是说，只有 5% 的企业从生成式 AI 中得到了任何形式的回报。

另一批关于个体层面或团队层面劳动生产率的研究显示：虽然个别劳动者在某些指标上可以提升生产率，但这往往会在编码等类型的工作中降低产出质量。这由此引出了“AI 泡沫”的问题。我也很想知道，这样的讨论在中国是否已经展开，我并不清楚。但可以肯定的是，在西方，过去几个月里，“AI 泡沫”已从边缘或小众评论者的议题，转变为主流商业媒体讨论的话题。核心问题是：围绕 AI 的预期与投资，是否已经超前于其技术能力与可行应用。

在某种程度上说，这是符合现实的。目前，人工智能公司正在将AI代理（AI Agent）作为新趋势来推行。我不知道AI Agent和具有更长期记忆力的大语言模型有什么区别——这还有待时间验证。因此，我想讨论的是，突然变大的AI泡沫，和是否与提示技术——这一我们同AI交互的特殊方式有所关系呢？

不过首先，我想做一点概念/理论层面的讨论，来思考 AI 资本与自动化。在我看来，“自动化”是理解资本的首要视角。马克思对资本的分析将资本描述为一种不死的寄生物，依靠人类的产出为生。此种产出最终会呈现为机器。而这些机器——正如马克思主义者所坚持、并如马克思在《〈政治经济学批判〉大纲》（ Grundrisse ）中所言——由“活劳动”的被俘获的知识与技能所构成，这些知识与技能被吸纳进了资本之中。

“吸纳”（absorption）这个概念近来对我尤为关键，我也认为它对于思考 AI 与自动化至关重要。此时一个合理的追问是：为何强调自动化？诚然，资本的首要“指令”是价值的自我增殖（valorization），即创造剩余价值。但“吸纳”与“自动化”同样是资本的重要目标。因为只要“吸纳”是实现价值增殖、或至少提升劳动生产率的手段，那么正如出于竞争压力必须不断发展新的生产资料，同样需要发展新的“吸纳”手段，以及“吸纳”的质性逻辑。因而，自动化会随时间而变化，正如生产资料的质性也会随时间发生变化。

我一直在思考“吸纳”如何在质上随时间变化的问题，并在去年发表的一篇论文中有所探讨。其大致轮廓是：历史上，“吸纳”的逻辑主要是一种“捕获”（capture）。但我主张，正出现转向另一种范式的迹象，我称之为“涌现”（emergence），而这一下转向由机器学习所驱动。稍后我会进一步展开，但在此之前，先谈一谈作为产业的AI行业。

在我看来，AI 产业就是“自动化的自动化”的产业。也可以称作“元自动化”（meta automation）。它产出的是机器学习模型；而机器学习模型通过从数据中提取模式来实现对自动化本身的自动化。借助机器学习，人们能够生成一种算法，使机器得以自动执行某项任务。但要把它理解为“自动化的自动化”，就必须采取历史视角。我们需要回到 20 世纪 80 年代那一波 AI 商业化的开端。当时的 AI 并不依赖机器学习，而是建立在“符号主义 AI”（symbolic AI）范式上。在那样的语境里，“吸纳”所涉及的是一种完全不同的、指向 AI 系统生产的劳动过程。

当时有一门叫“知识工程”（knowledge engineering）的东西。这几乎就是通过访谈与各类观察流程，从专家劳动者身上“提取”专家知识。随后，知识工程师会把这份被“捕获”的知识以符号化的形式加以编码，并将其落实到基于规则的专家系统中。这样一来，缺乏相关知识或技能的初级员工或管理者，便可以向该系统发问。也就是说，这是一种将技能字面意义上“捕获并转移到机器上”的过程。

如果把机器学习放到与其对照的关系上来看的话，就会发现机器学习绕开了整个知识工程的流程，转而在数据中的模式基础上，以一种半自动化的方式（a semi-automated manner）来生成算法。这正是我所说“涌现”（emergence）的要义。该过程曾经并仍然被其拥护者誉为通达科学知识的更客观路径。但从资本的视角看，它提供了一种可能性即无需直接从“活劳动”那里捕获知识，也能推进自动化。

我想强调的是，实际情况并非如此简单，机器学习达成“自动化的自动化”的过程并非一帆风顺，也不是完全自动的，各行各业的劳动力依然不可或缺。但我认为，至少质变的雏形已经正在形成。无论如何，自动化是由个别资本之间的竞争所驱动的。每一家企业都必须至少追平、最好超越竞争对手的劳动生产率，才能维持创造盈余的能力。因此，资本内在地具有一种加速的时间逻辑，它力求把劳动时间压到最低。从这个意义上说，自动化关乎“速度”。这一点是毋庸置疑的。

但我还要提出，自动化也包含一种“降低偶然性”（contingency reduction）的逻辑。自动化不仅是为了把劳动生产率这一量化指标做到最优，它也被用来在劳动过程上施加质的改变，以便消除偶然性。于是，自动化既关乎速度，也关乎控制。消除偶然性之所以重要，是因为“偶然性”代表了所有可能让价值增殖放缓、受阻、延迟，乃至完全停滞的路径。

自动化流程往往比非自动化流程更快、更便宜。但也许更重要的是，这些机器不会反叛；更日常点说，它们不会上厕所，对吧？在我看来，源自哈里·布拉弗曼（Harry Braverman）1974 年的开创性著作《劳动与垄断资本》（ Labor and Monopoly Capital ）的劳动过程理论，为这一切如何运作提供了最出色的理论化路径之一。

不过我最喜欢的一个简练表述来自克雷格·利特勒（Craig Littler）1982 年的一本书（ The Development of the Labour Process in Capitalist Societies: A Comparative Study of the Transformation of Work Organization in Britain, Japan, and the USA ）。他提出了“劳动潜能的不确定性”（indeterminacy of labor potential）。换句话说，工人是劳动力的蓄水池；而劳动力是“劳动的能力”，并非劳动本身。

从某一特定劳动力来源中实际产出的劳动数量与质量，取决于工人选择付出什么、或被迫付出什么。因此，劳动力本身就是一个显著的“偶然性”来源。从更广的意义上讲，要使价值增殖获得成功，必须在劳动过程之中完成一个时空上的过程，该过程需要协调异质的诸要素与诸行动者——不仅包括劳动者，也包括机器与其他形态的资本。

“最小化偶然性”体现为泰勒制——一整套用于分析、拆解与优化工作执行方式的技术，其趋向是使劳动去技能化，并由此贬低劳动力的价值。正如布拉弗曼所指出的，泰勒制通过把复杂的劳动过程切割为离散任务，为自动化创造了条件；这使得这些任务更容易被移交给机器。

更广泛地看，提高可预测性的努力呈现多样化，例如需求预测、情感分析以及各种由机器学习驱动的预测分析。流通过程中的整个“物流革命”（logistics revolution）是另一个典型例证，它使生产流程以前所未有的复杂度在全球范围内分布。因此，资本对“偶然性”的厌恶，意味着它把世界——甚至把如空间与时间这样的本体论根基——也视为“障碍”；尽管正是这些东西首先为资本的存在提供了可能性条件。

我觉得马克思关于“障碍”的语言非常有意思，这里看两处。《大纲》中，马克思说资本“按其本性超越一切空间障碍”（此处他想到的是交通基础设施的发展）。但他也说，流通时间在实现劳动时间时表现为一种自然的障碍。而且不仅是空间与时间，人也被视为资本的障碍。

我最喜欢的一句出自《资本论》第一卷：资本被一种冲动所驱使，要把人所施加的阻力降到最低——那顽固而又富有弹性的自然屏障。因此，我们可以把这些“障碍”视作一捆“偶然性”。资本总是在把自身投射到一个理想化的未来：在那里，这些障碍被消除，这些偶然性被减少，被管控到某个可接受的可预测水平，或随你怎样称呼它。

批评马克思主义的人常说它是技术决定论的框架。但我觉得我们可以略带“顽皮”地说：马克思主义揭示的是，资本在“生产决定论”——或者说它想要生产决定论、它努力去这么做。当然，同时，资本又通过市场竞争的无政府状态、关键资源的浪费等因素不断破坏这种决定论。所以，就像资本中的多数“倾向”一样（例如利润率下降倾向），这种“生产决定论的倾向”也可以被称为辩证的，因为它内含对自身的反倾向之生成。

好了，政治经济学就先说到这里。你大概在问：提示词（prompting）在这一切中处于什么位置？提示什么？是什么？这是我真正想深入探讨的，而且也是我一边写作一边做的第一次系统梳理。正如昨天有人说过的，提示词是一种对机器学习模型的特定用户界面。

我们应当把它置于“技术对象”的那一类里，类似键盘、鼠标、图形用户界面。更准确地说，提示词是一种“算法性技术”，正如媒体理论家 Burckhardt 与 Reader 近来所说。他们把它描述为：一种融合自然语言、计算机代码与概率性查询特征的“手势”（gesture）。他们还指出，提示词可被视为一种潜在的劳动形态，也是一种编程。因为大型语言模型的架构并未预编某个特定任务，提示词便成为把通用模型适配为所需下游任务的一种方式。

有趣的是，虽然提示词表面上是自然语言接口，但似乎用某些非传统/不那么自然的语言用法能得到更好的表现。你若去搜“如何做好提示词”，常常看到的并不是常规句子。因此，有些业界评论者会说，“提示工程师”是未来的职业（或未来职业之一）：这类劳动者的专长，围绕着理解不同模型的特性，并让它们更好地按我们的意愿行动。

我对“提示工程师”的长期职业前景存疑，但那可能是另一个话题。无论如何，如果提示词是一种劳动，那么它之所以有趣，正在于其高度自动化。从马克思主义视角看，与大型语言模型中凝结、沉淀的“死劳动”相比（包括创造它的数据科学家与工程师的劳动，以及所有训练数据中所包含的内容劳动，如学术论文、新闻文章等），提示工程师的“活劳动”相对较少。

模型的训练数据来自科学论文、新闻报道，等等；此外，还有成堆的数据劳动投入到数据准备之中，使其对机器“可读”——比如清洗、标注，诸如此类；可以说，这如今本身几乎成了一门产业。与此同时，只要大型语言模型像其他机器那样被投入到生产过程之中，那么“提示”（prompting）也可被视为资本所执行的一种操作，因为 LLM 能够作为固定资本加以部署。

一旦被用于生产过程，大型语言模型在价值层面就会像其他固定资本那样发挥作用。在其使用寿命内，以分摊的方式把其所“储存”的价值逐步转移到产品之中。当然，作为软件，LLM 或一般意义上的模型并不会像马克思原始理论化的那类传统机器那样以相同方式“磨损、折旧”；但这又是另一个可以展开的话题。

如果你有兴趣，我们完全可以就“软件与价值理论”办一整场会议。回到提示，提示这一动作会令一个自动化系统开始运行，但这是一种颇为独特的自动化。正如我刚才所说，至少在计算机发明之前，机器通常只被打造来自动化某一项精确的任务，其功能由其物理形态所决定——比如钻床就钻孔，织机就织布。而计算机则可以实现任意多种不同程序——这就是软件的“魔法”，对吧？

而 LLM 则能在被提示后生成任意多的输出。此外，提示还会直接促成新的固定资本的形成：就迄今惯例而言，厂商往往会记录这些提示，并在后续把它们用作进一步的训练数据。从不同角度来看提示，还有一件颇为奇特的事：提示本身也可以成为一种商品。也许很多人并不了解，如今已经出现了“提示市场”，你可以直接去购买提示。

这对我而言还是新鲜事，但确实存在诸如 PromptBase 或 ChatSonic 这样的网站。你可以去查查看。在这些平台上，你为某个特定的字符串付费，把它输入到某个模型里，以获得某种预期输出。这对我来说非常离奇，我也不太明白它究竟如何运作。我不知道是谁在购买这些东西，我还需要进一步了解。如果有人知道，也很想听听是谁在买。不过无论如何，我认为这更让“提示工程师作为长期职业选择”的可行性问题，变得值得怀疑。

至少可以肯定的是，提示工程师无论如何都要与“提示商人”竞争。现在，我们或许可以转到媒体理论的视角，来考察提示究竟如何运作。我在研究这一问题时心里冒出的其中一个疑问是：为什么提示在本质上是概率性的——正如 Burkhardt 与 Reeder 在那一定义中指出的？为什么输入同一个提示给一个模型 15 次，甚至 4、5 次，你都不会得到完全相同的输出？为什么会这样？

我们通常把数字媒介与计算机视为相当确定论的系统：它们的算法，按定义讲，是系统所遵循的一系列严格规定的步骤。那么，为什么 LLM 并不“可预测”或“确定论”呢？当然，我并不会假装自己完全掌握其中的技术细节——我并不是计算机科学家。但我会尽力把我所理解的内容准确地传达给你。

因此，提示之所以带有概率性，部分原因来自生成模型作为一种“存储介质”（storage medium）的性质。就像所有机器学习中的生成模型一样，它们都涉及某种压缩。正如 Felix 昨天提到的“降维”：核心思想是，模型必须比它的全部输入数据更小——否则又有什么意义？如果和原始数据一样大，那不过是在做检索罢了。

因此，模型就是一种压缩。它会“丢弃不重要的东西”，这就是理念。你可以把这看成一个“瓶颈”。在学习过程中，数据进入模型，以一种不会破坏关键信号的方式被表示，这样我们才能通过提示把这些关键信号再“取出来”。这个中间的压缩步骤就是所谓的“潜在空间”（latent space）。

我认为，把 AI 模型视为一种压缩媒介的视角还远未得到足够重视。沿着这个思路想下去，我开始考虑，我们是否需要把生成式 AI 放进“压缩技术史”的脉络中来审视。媒体理论家 Jonathan Sterne（他最近去世，长期在加拿大魁北克的蒙特利尔工作）在 2012 年写过一本关于 MP3 文件格式的书，名为《MP3：一种格式的意义》（ MP 3： The Meaning of a Format ）。

在那本书里，他提出，我们需要建立一种媒体史的替代叙事，与其将历史描绘为“对真实世界的再现越来越逼真”的轨迹，不如把它理解为“数据压缩技术日益复杂精巧”的演进。对于这一点我还没有彻底想清楚其全部含义，但我觉得值得先抛出来，因为这可能是理解 AI 的一个富有启发性的路径。或许再过几年，会有更多成果。

这里我们可以看到一个“潜在空间”的可视化，它是一个 n 维的虚拟空间。之所以称为“潜在”，是因为空间中的每个维度对应于原始数据中的一个潜在变量。潜在变量是影响数据如何分布的底层特征，但在原始数据里未必能被直接观测到。你可以把潜在变量理解为那些现有分类标签无法捕捉的“结构性模式”。据此来理解，LLM 的概率性有一种解释方式。当模型“寻找答案”时，它在潜在空间中“伸展”的距离有多远，部分决定了它的概率性表现。

这种“向外伸展”的幅度由一个名为“温度（temperature）”的参数来界定——昨天我和 Nick 还就此讨论过。温度设得越低，模型对同一提示的回应就越不随机；温度越低，不确定性越小，对吧？反之，如果温度很高，模型会把“很可能的输出”和“很不可能的输出”看得更接近，于是生成的结果就更杂乱、更多变。那么把温度拧到零，是否就能让它以一种“非概率”的方式运作呢？

很多人都这么认为，但其实并非如此。概率性的来源还有更深的一层，而这已经超出了我在此能完全把握的范围。关于这种不确定性从何而来，较为通行的一种理论被称为“并发性加浮点数假说（concurrency plus floating-point hypothesis）”。它粗略地说，来自推理过程中计算的并行特性，以及在实现这些计算时对浮点数进行舍入的必然性。

简而言之，这意味着在模型内部，某些计算会因多种因素以不同次序被执行，而浮点数的舍入方式会带来细微差异，进而导致略有不同的输出。无论如何，要点在于LLM 的非确定性，根源于这套底层基础设施。但我们也可以注意到，这种概率性的底色，恰恰构成了它的吸引力，它让模型看起来不那么“机器化”，并不会总是给出一模一样的回答。

这种情境性与自发性，会让交流有时近似与人对话的感受。它在某些用途上也很有价值，比如头脑风暴、进行多轮迭代等。不过问题随之而来，这是否足以让资本接受？毕竟，如我先前所言，资本往往试图消除偶然性，或至少将其最小化，并尽可能生产确定性。那么，资本为何会在一种看上去在机理上就带有偶然性的技术上进行重注？这当中的张力，值得认真追问。

现在，大语言模型产业的评论者们普遍认为，非确定性是一个有待解决的困难。但在我看来，直到在过去一两年间，它才明确地被当作一个问题来处理。有时，这个问题会用科学术语来提出，一位评论家说，可复现性是科学进步的基石，但从大型语言模型中获取可复现的结果却十分困难。

可复现实验是科学的基础。因此，在用大语言模型进行科学研究时，LLM 为此设下了一个相当大的障碍。不过，这个问题也可以用商业术语来表述。下面这段来自一个大语言模型行业评论博客的观点：从商业角度看，LLM 的非决定论引发了不少担忧——评估失灵、调试失败、合规风险、金钱浪费、训练不稳定，这些都相当有力。

第三点“合规风险”也许给出了问题最简明的表述。你无法保证 AI 行为的一致性。正如他指出的，这会影响监管合规、基准测试、调试等各个方面。贯穿这些理由的共同症结是缺乏可预测性。总体来看，这是一种令人不安的偶然性的展演，意味着企业无法保证这些机器的性能，而他们的商业模式要么建立其上，要么试图将其出售——无论哪种情况都是如此。

一家名为 Thinking Machines 的美国 AI 公司最近声称，他们已经在一份报告中解决了这个问题，而且他们直接把这份报告命名为《在 LLM 推理中击败非决定论》（ D efeating Non d eterminism in LLM Inference .）。这份报告就是上个月发布的。他们进一步论证说，事实上可以战胜这种基础设施层面的概率性。我甚至不打算尝试解释他们做了什么，我也不理解。但关键是，他们声称已经修复了这个问题。

他们的做法是，用一个相对简单、定制打造的大语言模型，使其能够以确定性的方式输出响应，完全没有任何变动。也就是说，从理论上你确实可以这么做，但有趣的是，这付出了巨大的代价：推理时间增加了 62%——也就是生成输出所需的运行时间增加了 62%。而这当然意味着 62% 更多的计算力和能源消耗。可以想见，未来大概还能做一些优化，但这已经在暗示，对于 AI 企业来说，经济核算将出现一个全新的维度。

对机器学习而言，其性能似乎和计算资源、训练数据成正比，数据越多，算力越强，模型就越稳健，也许这个趋势不会延续下去，但目前为止还是如此。这意味着，AI开发面临着一项经济核算上的难题，必须在模型的预期性能，和数据获取处理、模型训练、界面运行的成本之间进行权衡。而非确定性，过去一直被默认为这个等式中不可或缺的一部分。

但现在，如果 Thinking Machines 提供的结果是可信的，这就意味着在这个问题上必须再增加一个维度，在确定性的精度与降低偶然性所付出的成本、以及推理开销之间做权衡。于是人们可能会问，让大语言模型变得完全确定，能否阻止 AI 泡沫破裂？也许吧。

不过，OpenAI 研究者 Kalai 等人的一篇新文章给出了不同的看法——另一个层面的偶然性似乎存在于推理过程之外。Kalai 等人关注的是“幻觉”。这个话题昨晚也提到过。所谓“幻觉”，就是 LLM 自信输出的错误答案。关于幻觉的关键在于即便模型实际上并不知道某个答案，它也倾向于猜测，去抓取潜空间中某个看似可信的点，即便你明确要求它“只有在确知答案时才回答”。

作者们讲述了一个有趣的例子，他们向模型查询第一作者博士论文的信息，并且加了一句“只有在你确实有信息时才告诉我们”。他们对三个不同的 LLM——ChatGPT、DeepSeek 和 Llama——都做了这一测试，每个模型都给出了错误且带有幻觉的回答。于是，报告作者进一步断言，即便训练数据完全无误，语言模型训练中被优化的目标也会导致错误，也就是幻觉的产生。而在他们看来，这源自大语言模型生产的一个“社会性维度”。

更具体地说，他们认为这源自用于测量或基准测试 LLM 表现的考试本身的性质。这类考试往往采用二元指标，也就是对或错，从而惩罚不确定性。结果就是，模型在长期优化中会倾向于去猜测、偶尔答对，而不是在面对某个特定提示时直接承认不确定或无知。他们给了另一个例子，让 LLM 只在“确信知道”时提供第一作者的生日。模型多次答错，但它始终自信自己掌握了答案。

因此，如果这种分析成立，那么看来围绕生成式 AI 生产的社会技术实践，正在教这些模型去“佯装”、去试图隐藏其结构中固有的偶然性或非确定性。而且，这并不是一个容易修复的问题。研究作者进一步解释说，根本问题在于评测的泛滥与错位，也就是大量评测并不对齐。

设想模型 A 是一个“对齐”的模型，它能正确标示不确定性、从不产生幻觉。模型 B 与 A 类似，但它从不表明不确定性，在拿不准时总是硬猜。在二元评分之下——而这正是当下大多数基准的基础——模型 B 会跑赢模型 A。于是，这就造成了一种对不确定性与选择性不回答的系统性惩罚流行病。

因此，核心观点是整个 LLM 评估生态本身才是问题所在。它无法靠零碎修补来解决，而必须整体性重构，因为在二元指标上，“幻觉”反而更能拿到更好成绩。看起来，偶然性在 LLM 中不仅源自其架构层面的技术因素，还植根于那些衡量并赋予其合法性的社会技术实践之中。

最后，我当然不会去预测未来。我只是希望指出，提示工程的政治经济学必须直面“确定性与偶然性”的问题，而且这二者同时具有技术层面与社会层面的维度。谢谢。

提问环节

Q1： 谢谢你精彩的演讲，James。我很喜欢你把“提示”视为劳动的观点，我觉得这很有说服力。正如你提到的，参与这项劳动过程的人群很多：有数据科学家、也有做标注的数据工人。我的问题是关于他们内部的动态。如果结果是不可预测的，而我们又想提升模型、数据或结果的质量，能否引入某种审计实践或审计系统？如果可以，在哪个环节更可行开展这种审计，以改进输出质量？不确定我有没有把问题说清楚。

A1： 我觉得这正是最后那项研究试图指出的，甚至在谈审计之前，模型的性能评测与基准流程本身就在朝着“幻觉”方向优化——它在主动驱使模型产生幻觉。按照我对那项研究的理解，审计更像是手臂被撕裂之后再贴创可贴。也就是说，事后补救的审计无法纠正这个问题，因为系统被教导的、被偏好选择的路径本身就是如此。所以，如果我正确理解他们的论点，审计解决不了这个问题。

审计无法“去除”幻觉；它或许能通过划定某些不期望的表现、加一些护栏之类的方式来提升部分性能。但幻觉之所以顽固，似乎正因为在现行框架下它往往“更有效”。我想他们的论点是必须更换评测指标，而且需要全行业协同一致。因为任何单方面将优化目标从“允许幻觉”转向“避免幻觉”的行为，可能都会让模型在既有二元评分下表现更差，进而没人愿意采用。那么，在这种情况下，为什么会有人去做这样的改变呢？

Q2： 谢谢你，James。我赞同昨天Felix的观点。模型在100%的时间里都会“幻觉”。对此并没有出路，因为它们只使用内部信息，就好像我们只有头脑里的想法，而没有任何感知一样。你从技术角度审视决定论与非决定论的问题，这一点很有意思。这里有好几层需要区分。首先，“有损压缩”并不意味着必须是非确定性的。比如，压缩或解压一张JPEG图片本身并不需要非确定性的，你在电脑上全屏打开同一张JPEG图像，反复做十几次再分别截图，像素级对比会完全一致。因此，仅就“有损压缩”而言，并不会导致非决定论。

但我认为，决定论或非决定论根本不是关键所在。正如Felix指出的，以金融模拟为例，它们也许是非确定的，但你可以设定一个阈值，来决定何时把某个命题当作“足够真”。比如，当概率超过80%，就意味着你应该卖出手里的股票。同理，天气模拟也是如此——这既可以用于新闻播报，也可以用于你是否要带把雨伞。我们对这类计算型、非确性定的模拟，其实已有很多成熟的理解与使用方式。

我觉得真正的问题在别处——这也有点“讽刺”，因为你是从政治经济学的角度切入：问题在于我们都在使用不透明的、公司专有的模型。以ChatGPT 5为例，我们甚至不知道其底层LLM有多少参数，不知道它训练于何种数据，而且它还在持续变化中——时时刻刻都在变。

因此，如果我们想把它用于科学实验，今天手里的模型到了下周就不再相同。与之相对，如果是一个非确定性的天气模拟，只要我们用的是同一个模型，仍然能进行科学使用。可见，症结不在于非决定论或概率本身，而在于这些模型被企业行为体所控制，并且被隔离、被不透明地封存起来。

这部分内容还需要更多时间来阐述，但我想提出这个问题——因为我认为，这恰好能将讨论引入您擅长的批判领域。我好奇，从政治经济学的视角出发，您会如何看待这一视角？

A2： 关于“被有意置于黑箱中的不透明”，我完全同意——这是一个重要方面。但我也认为，这些模型的非确定性对试图把LLM商品化的人来说确实很棘手，尤其是在“Agent式AI”兴起的语境中——理论上你要把各种业务流程委派给这个代理。如果有人要买你的代理，并且说：好的，接管公司信用卡，去规划我们的物流操作，发邮件之类的——大概若要售卖这类商品，就会面临这样的场景。

令我反感的是，在讨论人工智能时使用”信任”这个词，因为我认为本就不该信任它。但若想销售这类产品，客户和卖家都必须对其建立信任。眼下厂商唯一能对客户说的是：”请相信我们，别担心，它大体是可靠的。”可系统难免出现失误，我们知道这种情况一定会发生，而且无法解释故障的根源——因为系统内部的运作就像谜团一样。

Q2： 是的，我觉得“把信用卡交给一个系统去做物流”这个比喻很有启发。不过在金融科技里，这些机器手里拿的是额度极高的信用卡，而且它们完全依据概率性的判断进行买卖。

A2： 确实如此。我想这里还需要区分不同应用领域，各有不同需要讨论的点。

Q3： 提示工程师会成为处理提示、对付幻觉与非确定性的一线劳动者。你也提到了，他们不仅会被这类工作束缚，还会被幻觉等效应所束缚。就你的研究类型来看，长期来说，如果他们无法离开这类岗位，你认为他们在寻求更多自由方面是否还有可能性？

A3： 我本人没有做过关于“实际使用生成式AI的人”的研究，因此没有一手的实证洞见。我的实证研究更多是针对构建AI系统的人，而非真正使用它们的人。所以我没有直接的见解。但我觉得有一点值得注意，正如Felix所说，在某种意义上，所有生成式AI的输出都是“幻觉”。我会说，所谓幻觉是相对于你希望它完成的任务而言的。

如果你要它生成一个关于某个想象主题的图像，那就没问题——“幻觉”根本不成其为问题。只有当你让它检索一个确定事实，而它却说“好的我找到了”，然后对你“撒谎”，这才令人担忧。我想这正是令商业界和科学界不安的地方，因为这意味着它不可用。你不能指望生成式AI去产出——我犹豫是否该用“真相”这个词——但总之，它并非以同样的方式在做信息检索。这不是一个很好的答案，我们之后再聊吧。

Q4： 这个问题可能也不太让人满意，但归根结底，资本在乎“质量”吗？

A4： 不在乎。但资本在乎把商品卖出去。而在一定程度上，商品必须达到某个“可接受的商品化水平”，否则人们觉得没用，也就不会买。所以它在乎的是消费者能接受的“最低质量线”。

Q4： 我一直在想，我们好像在“造机器来修机器”。每加一层机器，似乎都要多出……我也不知道，62%的工作量。尤其在金融科技之类的场景里，规模如此之大，如果每个提示都要多62%的成本，到了某个点，你不如直接用一个传统算法，而不是用大型语言模型。

A4： 如果让我预判一个结果，那就是会出现一轮“筛选”，把哪些生成式AI应用是真正可行的筛出来。现在很多被提议的应用挺荒诞，根本行不通，因为这些系统天生就有“幻觉”问题。对一半、甚至更多的问题，为什么不直接用搜索算法去找答案呢？这些“荒诞”的应用在泡沫破裂时，大概会被一锅端。

讲者介绍

詹姆斯·斯坦霍夫（Jame Steinhoff）

詹姆斯·斯坦霍夫（James Steinhoff）博士现任都柏林大学信息与传播研究学院助理教授，他深耕于人工智能、数据与数字媒体的政治经济学领域，是该领域颇具影响力的学者。其专著《自动化与自主性：人工智能产业中的劳动、资本与机器》（帕尔格雷夫出版社，2021年）及合著《非人的力量：人工智能与资本主义的未来》（普鲁托出版社，2019年）已成为该领域重要文献。

]]>网络社会研究所第十届网络社会年会｜Felix Stalder：数字文化、生成式人工智能与艺术2025-12-28T00:00:00+00:002025-12-28T00:00:00+00:00https://nodebe4.github.io/opinion/2025-12-28/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9CFelix%20Stalder%EF%BC%9A%E6%95%B0%E5%AD%97%E6%96%87%E5%8C%96%E3%80%81%E7%94%9F%E6%88%90%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E8%89%BA%E6%9C%AF
网络社会年会

第十届网络社会年会｜Felix Stalder：数字文化、生成式人工智能与艺术

2025-12-28

文 / 费利克斯·斯塔尔德（Felix Stalder）
翻译/ 谢俊义
校对/ 王婧洁

抱歉，版面安排上若有不便，还请见谅。我直到最后一刻仍在尝试根据屏幕尺寸进行调整，但对此仍有些生疏。感谢主持人的介绍，也感谢黄教授召集此次会议。能在此发言，我深感荣幸与喜悦。我的发言将主要从西方视角，具体而言是德语区及英语学界的欧洲视角。稍后讨论环节，我们可以共同探讨这一视角在本地语境中的适用程度，以及其中存在的根本差异。

让我简要概述一下我所讨论的内容。首先，非常简短地说，当我谈论数字文化和生成式AI时，我所说的‘文化’是什么意思？其次，我认为我们目前正处于数字文化两个阶段之间的过渡期。在第一阶段，即数字文化1.0时期，定义技术和文化实践的核心是将人们彼此连接。这一理念嵌入在端到端原则中，意味着智能存在于系统的边缘以及设备中，但最重要的是在人们身上。进入第二阶段，即数字文化2.0时期，智能被集中到数据中心。这极大地改变了文化的动态。到目前为止，聊天机器人是定义技术，但现在还为时过早，无法做出判断。最后，我将探讨三个具有代表性的艺术项目，这些项目以美学和政治有趣的方式探索这一新阶段的数字文化。

首先，关于我所说的“文化”具体指涉何种概念。学界对文化的定义尚未形成共识，现有文献中可查证的界定多达数百种。我在这里并不打算对它们进行总结，而是想再补充一种定义；不是因为它是唯一正确的，而是因为它对于我们理解当前数字世界中正在发生的变化是有启发性的。在此语境下，我所指的文化是一个由群体实践的嵌套式过程体系，这些过程旨在创造、质疑、巩固并转化意义，从而引导集体与个人的行为规范。简而言之，文化的本质在于通过构建意义来引导行为。文化实践涵盖了所有表达形式，跨越了高雅文化与通俗文化之间这种根本上属于人为设定的分界。文化呈现方式具有多重维度：文化既可以是显性的，例如人们公开进行辩论的时候；也可以是隐性的，当某种行为被理所当然地接受时，比如见面时是否要握手；还可以是嵌入式的，例如体现在我们所处的建成环境或技术性物品中。基于这一视角，技术与文化之间、技术与社会体制之间的区隔，正如高雅文化与通俗文化之分野那般，本质上都是人为建构的产物。

有关文化的探讨最终必然指向价值命题。凡有价值判断之处，便存在文化争论。重力现象不属于文化议题，而跳伞行为则是；死亡本身不是文化问题，自杀行为却是。总体而言，文化始终围绕以下命题展开：何为正当与谬误？何为审美与丑恶？何为可欲与禁忌？这些具体追问最终都指向一个根本性命题：我们究竟是谁，又应当如何生活。文化本质上是一种高度依赖沟通的动态过程，既受沟通结构的塑造，也反过来影响沟通结构。当沟通媒介发生变革时，不仅意义建构与争辩的模式会发生改变，这些文化争辩的实质内容也会随之演变。因此，数字文化可定义为：在数字媒体环境下，进行意义构建并依循意义行动的过程。它着重探究数字媒体的功能特性如何从形式与内容两个维度开始重塑文化进程。它关注数字媒介的“可供性”（affordances）如何从形式与内容两个维度共同重塑文化过程。

当前，数字文化正处于深刻转型的阶段。如今我们可以清晰地观察到数字文化发展的两个阶段：第一阶段大致从1980年持续至2020年，其核心理念是实现人与人之间的互联。该阶段的核心技术聚焦于机器与人类的网络化连接，而开源运动正是这一愿景最具乐观进步精神的体现。第二阶段始于2010年代末期，人工智能逐渐占据主导地位。核心目标不再仅仅是连接人类，而是构建智能机器。数据中心成为这一阶段的定义性技术。当然，任何历史分期都存在近似性和重叠性，正如我们此前所闻，旧有范式从未真正消亡。不过，这种分期确实有助于梳理研究脉络。数字文化第一阶段的主要特征体现在生产者与消费者界限的消解——以MP3文件为例：当您在播放器中打开它时，您是消费者；当您在编辑器中修改它时，您便成为生产者。每个人都可以，且日益需要同时扮演生产者与消费者的双重角色。试想入境美国时若声称没有社交媒体账号，这种情形反而会引发焦虑。

该阶段的核心创新体现在网络作为组织形态的规模化扩张，正如Manuel Castells（曼纽尔·卡斯特）提出的“网络社会”理念所阐述的。网络本身并非新生事物，它本质上是人类社会性的一部分。然而，相关技术的进步使得这种网络化组织形式得以突破地域与规模的限制，从小型即时群体扩展至广阔无垠的全球舞台，这正是“网络社会”理论的核心理念。这一消解生产者与消费者界限的转变，显著提升了生产者的数量与多样性，并极大地增加了沟通总量。随之而来的是，既有的文化机构陷入了更深层的危机，这些机构原有的体制结构难以应对如此庞大的沟通规模、多元的沟通形态以及随之产生的代表性诉求。需要强调的是，这些变革并非由技术直接诱发，但技术无疑使其在社会中占据了主导地位。

让我通过一个具体案例来阐释这场危机。在1989年，游击队女孩（Guerrilla Girls，1985年创立于美国纽约的匿名女性艺术家团体）提出的质疑：“女性是否必须赤身裸体才能进入美术馆？”在此我们看到一个曾被长期排斥的群体——女性艺术家，不仅要求被纳入体系，更在批判既有文化机构的遴选机制，这些机构的任务是定义什么是重要的，什么是不重要的。问题的关键并不在于如何优化遴选标准，而是更根本地质疑这种遴选权本身的正当性——“谁赋予你决定的权力？”所以，文化正统（canon）权威性的根本命题被彻底推向台前。因此，传统机构纷纷陷入危机，并开始自我重塑。博物馆从精英文化教化场所转变为大众媒体化的旅游目的地。

与此同时，为应对日益增加的内容量，新兴机构与实践模式应运而生，并在此过程中逐渐主导了数字文化第一阶段的形态演变。需要说明的是，这些新形态早在狭义数字时代之前便已萌芽，它们始于独立出版实践，正如我们熟知的二十世纪六十年代依赖模拟技术兴起的同性恋、女权主义及其他少数群体的出版物，这些实践体现着某种自我传播的精神内核。这种精神在二十世纪七十年代起发展的公共广播与电视中得到技术升级，观众首次成为内容生产者，为自身社群制作电视节目。进入数字时代后，这一趋势首先体现在桌面出版（desktop publishing）领域，此时人人都能相对简便地制作印刷出版物，虽然传播介质仍是纸质，但生产过程已数字化。与之并行的是早期互联网应用：新闻组和电子公告板如同待用户填充的容器，这可以说是后来所谓‘用户生成内容’的起点。随后万维网在九十年代兴起，继而社交媒体将这种自我表达手段商品化，将其转变为我们所知的一个大众媒介，而其发展后果我们也已有目共睹。

所有这些技术与方法都具有共同特征：它们为自我传播而设计，以用户生成内容为核心，信息发送者与接收者的界限极其模糊。这些系统旨在产生海量交流内容，无论编辑会议多么高效，传统日报都永远无法容纳如此庞大的信息量，因其底层结构就与这种呈现方式相悖。与“先筛选后发布”的广播媒体（由专人决定发布价值）截然相反，这些新系统采用“先发布后筛选”的模式，所有人皆可发布，事后才通过某种机制进行筛选。正如我所说，随着社交媒体成为了主流，“人人可成为生产者”已成为常态化的霸权逻辑。而在这种结构中缺席，没有社交媒体存在感，反而会立刻让人起疑心。

当我们审视数字文化的这一阶段时，可以发现意义建构过程主要呈现三种基本模式：其一我称之为指涉性，其二为共同性，其三则是算法性。请允许我简要阐述。指涉性是指运用现有文化元素创造新意义的实践。混搭（Remixing）已成为无处不在的文化技巧，意义的生成不在于元素本身，而在于不同元素间建立的关联，这些元素多为现存文化符号或融入新创内容。让我举个混搭文化的特别例子。

其实举例有点奇怪，因为有无数的例子，但我喜欢这个。DJ Danger Mouse 于2004年创作的《灰色专辑》（ The Grey Album ）。这位音乐人将披头士乐队（The Beatles）代表白人音乐精髓的《白色专辑》（ The White Album ）与Jay-Z标志黑人音乐巅峰的《黑色专辑》（ The Black Album ）进行重构融合，创造出超越种族二元对立的艺术合成。这件作品堪称2000年代初“后种族时代”乐观精神的具象体现,这种历史思潮正是奥巴马数年后得以入主白宫的社会基础。请欣赏作品的开篇部分（视频案例播放）。我们感受到这种文化实践的独特魅力，其核心理念在于：通过整合截然不同的元素，构建出全新的关联性内容，这正是文化创作的路径。

接下来要探讨的第二种模式是共同性，这体现在诸如分享、点赞、评论等具体行为中。这些实践形成了一种集体筛选机制，将群体注意力导向共同体内部具有相关性的内容。通过这种集体注意力的塑造，逐渐形成了对该特定兴趣群体具有意义的共享参照体系。需要强调的是，无论这些群体的兴趣为何，意义建构与真理无关，谎言、迷信与阴谋论同样能产生意义。此处所说的“意义”，是指被群体共同认可的共享参照体系，即特定群体对某些事物比其他事物更具重要性、更富意义达成的共识。在此阶段形成的第三种基础模式，旨在应对信息洪流，这些信息已远非源自古登堡时代延续而来的传统信息处理结构所能容纳，即算法性。其核心实践在于运用机器对信息进行归类与排序，典型案例包括搜索引擎和社交媒体信息流：它们通过特定准则对海量信息进行筛选与排列。

这三种模式共同践行了“先发布，后筛选”的模型，能够有效处理极其庞大的信息量，从而构建出引导行为的共享意义。在此期间，一个始终稳定的基本预设是：文化内容的传播者与接收者主体都是人类。这意味着任何信息本身已包含既定意义，后续不过是通过点赞多寡等方式进行集体评估，但意义要素已然存在于信息本身。情况发生了变化。无论你把日期定在哪个时间点，‘机器人’已经在计算机系统中发挥了重要作用，每个系统都有自己的‘妖魔’，它们或多或少地自动运行。但发生的变化是，机器人从后端移到了前端，它们突然开始与人类互动。

正如“互联网死亡论”（Dead Internet theory）所揭示的，作为对这种趋势的回应，自2010年代后半叶起，“证明你是人类”这种原本不应成为需求的要求变得无处不在，这正是对机器人程序走向前台的直接反应。而自2020年代初以来，生成式AI输出正在日益取代人类的沟通方式，我想大家都目睹了许多例证，无需赘述。甚至有头条称AI生成的历史视频正在取代人类制作的视频。在你认为这是世界末日之前，请记住被取代的人类制作视频本身就是为了助眠而存在的，对吧？并非大学里教授的那种历史课程，这些视频是有人用安抚的语气讲述你不感兴趣的事情，帮助你入睡。

所以我将在接下来强调的一个重要观点是：生成式AI，无论是大语言模型还是扩散模型，它们都没有生产意义。这就引出一个根本性问题：它们以何种方式参与文化进程？在生成式AI输出的过程中，任何认知理性模式的意义生成都没有参与其中。没有语义学、没有因果关系、没有逻辑，尽管有时它们是经过精心设计的，而且目前确实存在一些在统计和因果模型之间的混合模式，但正如迪伦·雷比林（Dylan Reibling）所指出的，统计模型的主导地位意味着这些意义生成的系统并没有参与其中。当然，也有其他的意义生成系统，但它们的应用更少。所以生成式AI并不涉及通过叙事、符号学、类比等方式制造结构性符号意义，它们当然也不涉及体验性、实践性层面的意义，也就是情感、语用或身体化层面。如果说它们有什么作用，那就是认知理性模型，但它们显然连这一点也不是。

因此，我们有了一种新的信息处理策略，其中一个对于这些生成式AI模型来说是原生的，叫做有损压缩。在这里，复杂的输入，比如说互联网上的所有图像被简化为一组固定的关系，背景被简化，变异性减少。而所创造的是一种新的本质感，这就是这张椅子真正是什么样子，事物的本质是如何的。这是一种从中出现的新本质主义客观主义。

第二个模式当然是关注模式，也就是那些被重复的元素，它们因此被当作本质，并且在它们的重复中有某种规律性。新事物的创造现在变成了在这些模式内进行变异的创造，但永远不可能超出这些模式。这些模式是通过关注变量之间的关联来发现的，而这些变量在根本上是无法为人类理解的，我们不知道多层神经网络中的变量到底意味着什么，也不知道它们之间的关联是如何建立的。基于这些，生成的输出本质上是幻觉，而幻觉的意思是，在没有外部背景刺激的情况下，产生一种强烈的现实感。幻觉的产生是当一个人相信某件事是外部现实，而这件事实际上完全基于内部刺激。

但我必须迅速补充一点：仅仅因为你在“幻觉”，并不意味着你就一定错。问题在于，很难判断某件事何时是对的，何时不是。我们在处理生成式人工智能输出时都会遇到这一问题。乐观者认为，这只是暂时的，很快就会消失。

然而，从根本上讲，这是一场巨大的认识论赌博，其逻辑如下：只要有足够最新的数据，并在适当的间隔进行重新计算，相关性（correlation）就能战胜语义（semantics）、因果（causation）与逻辑（logic）。这正是机器超级智能的承诺。相关性会战胜语义、因果和逻辑。而作为经过科学训练、习惯通过因果与逻辑进行验证的人类，我们倾向于拒绝这种赌博，而且理由确实充分。但我们不应过于自满地说：“这不过是幻觉，我们可以忽略它。”因为在高度复杂、动态且信息量巨大的系统中，这种方法可能是有用的，甚至可能是唯一可行的方法。

我想到的例子自然是高速金融市场——这些市场信息极其密集、复杂到无法完全掌握全貌，并且动态变化迅速，以至于无法在相关时间范围内进行因果分析。例如，金融崩盘事件可能在几分钟内发生，而对其进行因果调查往往需要数月甚至数年才能完成。因此，在实时环境下，你永远无法通过因果分析来处理这样的问题。而在金融市场环境中，“意义”本身并不起作用。自上世纪70年代初以来，市场运作的假设是基本随机性，或者如艺术家杰拉尔德·内斯特勒（Gerald Nestler）所言，“噪声是信息的主宰”，意味着缺乏意义和因果逻辑。我们所能获得的，仅仅是可观察的行为，而无法进行解释。

大多数机器学习的基础技术，尤其是先进的贝叶斯统计（advanced Bayesian statistics），最初都是在金融市场中得到广泛应用的。作家 贾斯汀·乔尔（Justin Joer） 在其著作 《数学的革命：人工智能、统计学与资本逻辑》 ( Revolutionary Mathematics: Artificial Intelligence, Statistics and the Logic of Capitalism ) 中提到“认知的金融化”（financialization of cognition），即机器学习将金融市场交易者的思维方式扩展到社会生活的各个方面。

金融量化分析的目的不是理解，而是“行动能力”（agency）。所谓行动能力，是基于阈值的风险评估。其基本操作逻辑如下：判断给定输入产生期望输出的概率，并设定一个阈值；当概率超过该阈值时，你就按照其为真的方式采取行动。换句话说，阈值将概率转化为确定性——例如，当概率高于60%时，你便按其为真进行操作。

因此，正确答案就是那个概率足以让你愿意据此采取行动的结果。在整个过程中，意义、语义、逻辑和因果关系都未曾参与，唯有关联性、行动与反馈在发挥作用。生成式人工智能正是基于这些流程构建的，这种方法颠倒了文化生产的逻辑：它通过生产行动来引导意义，意义则源于对行动反馈的观察。先是某个行为被执行，随后观察反馈，这些反馈进而赋予行动以意义。我们当下的许多政治运作恰是如此，比如观察唐纳德·特朗普（Donald J. Trump），他可能会说任何话，然后哪个说法产生反响，就接着采用哪个说法。

数字文化1.0的运作模式是：有人认为某件事值得表达，于是将其发布；其他人再决定是否值得关注，并通过点赞、分享和评论向他人传递他们的判断，从而有效地放大了最初的意图。而数字文化2.0则表现为机器行动产生半随机的新奇内容。人们需要对这些新奇进行意义解读，即根据自身的标准评估输出的质量，并筛除不感兴趣的内容，甚至可能是从人类意义角度来看属于“幻觉”的信息。许多运用生成式AI进行创作的艺术家清醒认识到其可疑的认知主张，因此他们将其视作半随机的新奇生成器。我的意思是，他们并不把它当作能够产出深度洞察、理解或其他形式意义的知识机器，而是研究其创造的约束条件，即半随机新奇生成器中非随机的部分，例如数据、潜在空间（latent space）、模型等，然后关注事后解读的过程，并将其向更广泛的公众开放。这也是他们将意义生成过程定位于社会过程而非机器的原因：机器仅仅是触发这一社会过程的工具。下面我将给出三个非常不同的例子来说明这一点。

首个案例来自伊拉克裔德国艺术家诺拉·阿尔-巴德里（Nora Al-Badri）2020年的作品《巴比伦幻象》( Babylonian Vision )。她向五家顶尖博物馆申请获取苏美尔文物的数字馆藏数据，均遭拒绝。这立即引发出数据可及性的尖锐质问：谁掌控着未来创作的文化源材料？我们目睹的并非数字时代的颠覆性突破，而是殖民历史在数字领域的延续——正如实体文物曾被控制，其数字表征同样被垄断。艺术家随后通过数据爬取手段，利用约10000张图像训练了早期生成对抗网络模型。这些受非随机约束产生的输出完全处于幻觉状态，真假对错在此失去评判意义，这显然已超越考古学范畴。

巴德里的作品因此不再指向过去，而是指向殖民数据体系之外的创作可能性。但关键问题在于：这种未来图景中哪些部分值得追求？为谁而追求？机器无法回应这类价值判断，唯有通过开放的社会讨论才能界定。这正是她将作品带回实体展览空间的重要意义，在直接对话中共同定义这些生成物所指涉的未来。

第二个项目是霍莉·赫恩登（Holly Herndon）与马特·德赫斯特（Matt Dryhurst）去年启动的《Xhay变异体》（ Xhay Mutant） 。该项目源于对有损压缩过程的观察：当复杂个体被简化为假定本质时，这位拥有丰富网络形象的艺术家竟被压缩为橙色头发与特定发型这两个特征。为深入探究，他们通过强化学习拍摄强化模型已编码特征的图像，诸位所见正是艺术家身着戏服、融入潜在空间视觉化的真实摄影。

他们据此建立专属模型，使所有人物都呈现赫恩登的视觉特征。但项目的真正突破在于：通过纽约惠特尼双年展的在线图像生成器，将这些输出重新注入大型系统。由于博物馆数据在训练系统中被视为高质量来源，这些带有特定视觉标记的图像将以更高权重进入下一代模型训练,若诸位未来见到更多橙发图像，便可知其缘由。这些图像并非真实再现，而是对潜在空间的操控，由此引出核心议题：谁掌握这种操控权？谁能作用于模型架构层面而非仅仅输出端？机器依然无法解答这些命题，决策权仍属于人类用户。

最后要讨论的是奥地利艺术家M·阿哈瓦（M. Ahava）的新作《后明日之域晨报》（ post tomorrowlands morning post ）。作品标题致敬1950年首次开幕的华特·迪士尼展览“明日世界”（ Tomorrowland） ，该展览将未来描绘为自动化与休闲的消费主义天堂。然而，仅两年后的1958年，查尔斯·基林（Charles Keeling）在夏威夷开始进行二氧化碳监测，其数据很快指向了一个截然不同的未来。

该作品会根据观众接触作品的日期，生成50年后的未来报纸。例如，这里展示的是设定于2075年10月17日、报道上海法租界地区的报纸。报纸包含高度本地化的新闻，例如有关城市农耕的报道，同时包括详细天气预报、过去15年海平面上升情况对比、以及延续基林方法测量的二氧化碳浓度（单位：PPM）。

当然，我们都知道，不可能预测如此遥远的天气——事实上，超过14天的预测本就不具科学严肃性。那么，这件作品真正的机制是什么呢？作品要求观众在不同的预测模型之间进行选择：第一类是气候变化预测模型，范围从可能已被超越的1.5°C，到未来50年可能升温约4°C；第二类是四种社会经济路径（socioeconomic pathways）情景，用于模拟社会在不同政策选择下如何应对气候变化。

这些参数构成了生成未来报纸的基础，通过生成式 AI 系统（文本与图像）输出，呈现出高度具体化、超本地化的未来气候与社会图景。作品的目的并非精准预测未来，而是通过交互体验让观众思考气候变化的不确定性及未来的可塑性。

这三件作品的共同价值在于：它们将生成式艺术视为特定约束条件下的产物，这些约束既关乎技术更关乎政治。这些模型不生产真理，而是制造概率化情景,一种受约束的虚构与幻觉生成方式，借此指向多元未来。尽管这些模型常被用于限制未来想象，但同样能基于不同约束条件开拓多元未来图景。它们使未来变得可被思考，这也正是当前模型同质化的严峻所在,我们思考未来的路径正日益收窄。但局面未必如此，最终仍需模型使用者——人类观众来共同决定这些生成物的文化意义，回应文化活动的永恒诘问：我们是谁？我们应当如何生活？谢谢。

提问环节

Q1： 感谢斯塔尔德教授。我的问题关于您提出的两种数字文化。有人可能会认为，像生成式人工智能这样的技术，其实是在推动而不是替代数字文化 1.0。对我来说，它们在某种程度上仍然具有参照性和可交流性。同时，当我们看到消费者变成专业创作者，或者企业老板也进入创作领域成为信息生产者时，这种交流关系也同样存在。您能否进一步解释一下，这两种数字文化的差别在哪里？以及您是基于什么判断得出这个结论的？谢谢。

A1： 我的意思是，第一阶段的东西从来不会完全消失，只是权重发生了变化。我认为第二阶段明显是建立在第一阶段之上的，所以第一阶段保留了很多元素。比如，你提到很多人可以相对容易地进行创作。但即便是人类的延迟创作，我们之前也讨论过，其中的能动性究竟在哪里，这是一个难题。即便我们认为人类的提示没有机器提示那样可扩展，人类还是可以利用它，尝试拼凑出意义，但实际上他们并不擅长这样做。

机器提示效率更高，它们更擅长“淹没意义”。我并不是说一切都变得无意义，而是说这些系统首先是为了在世界中采取行动、创造能动性、改变环境。然后我们才会去思考、去应对这种变化：我们该接受它吗？不喜欢的话能否把它引导到另一个方向？

关键在于，它颠倒了我们习惯的逻辑。通常我们先有一个意识，知道自己要做什么，然后去做。而这里正好相反：事情被做出来，不管原因如何，有的可能有意义，有的可能没有，但其实并不重要。一旦这些结果存在于世界中并产生了效果，你就能察觉到。比如在股市交易中也是一样，你无法预先知道某笔交易是否成功，只有事后才能判断。你先做了，然后看发生了什么，再做出反应。并不是你完全理解系统，然后再基于理解去行动，这就是我之前说的那种倒置逻辑。

Q2： 感谢您的演讲。谢谢您。我对您使用“幻觉”这个词非常感兴趣。我想请教一下：比如说，“幻觉”和“想象”之间究竟有什么区别？以及，您为什么会特别选择用这个词？

A2： 我之所以使用这个词，正是因为它在人工智能语境中被广泛使用。我认为“幻觉”和“想象”的关键差别在于：想象是一种你主动意识到的、发生在内心的构思活动。比如身为作家，你可能会想象角色间的对话，但你不会认为这些角色此刻正真实地在房间里与你交谈。而幻觉的特征正是这种认知能力的缺失，即无法区分内在刺激与外部现实。想象始终是主体清晰认知下的内部刺激过程，而幻觉则突破了这种界限。

Q3： 我想就这个问题继续追问。因为我认为这里的用词选择实际上非常重要。我有很多讨论对象是计算机科学家，其中不少人对使用“幻觉”这个词持强烈保留态度，原因正是刚才提到的那些：一方面，这个词可能会弱化这些系统所具有的想象性或创造潜能；另一方面，它还会让人觉得，这些系统的失败只是一些程序错误或系统运行中的小故障，是可以被修复的，而不是把它们理解为这些系统本身的特征，即设计层面的特征，也就是说——它们本来就是“幻觉机器”。正如您所说的，它们就像一只停摆的钟，偶尔会因为巧合而显示出正确的时间。但“幻觉”这个说法本身，似乎预设了这些系统在某种程度上具有生成真理、参与真理，或者关心真理的潜在能力。

A3： 不妨借用海勒的一句名言改编：“就算你有被害妄想，也不代表没有人盯着你。”同理，目前我们无法判定，这种形式的“幻觉”究竟什么时候才算是对世界的恰当解读或建立了合适的关联。

在金融市场中，量化分析本质上就是这样的操作：在庞大的金融数据池里做模式匹配。它的优势是速度非常快，能在毫秒级别完成自我更新，这取决于你的信息输入和计算周期。在极短时间内，它就能生成足够合理、可据以行动的结果。至于风险阈值，比如说 60% 或 80% 的置信度，这完全由系统设计者来决定，取决于他们的风险偏好。比如广告投放系统，它们的门槛很低，只要比随机好一点就行。哪怕只有 5% 或 10% 的点击率，对广告商来说都是巨大的提升，而对我们个人而言，这几乎仍然是随机广告。这其实是一个风险评估的问题：你如何权衡判断错误的代价？而这一切都不是系统本身内在的属性。

任何概率系统，包括贝叶斯统计，都不可能提供 100% 的确定性，它们从设计上就不是为了做到这一点。因此最终总需要设定一个临界点，把剩余的不确定性当作零，这完全取决于系统构建者。

我认为“幻觉”并不是批评，而是对这些系统运作方式的描述。如果你接受这一点，你就会发现，当我们通过约束条件引导这些幻觉时，它们反而能产生有意思的结果。就像之前提到的例子，如果系统在不同的文学语料上训练，它生成的内容依然是随机虚构，但发生在一个不同的可能性景观中。

对我来说，这正是这些系统有趣的地方：它们不追求知识，也不追求真理，而是开辟了受约束的虚构可能性。而且，这些经过设计的幻觉完全可以非常有创造力，任何有过致幻体验的人大概都能理解我说的意思。

Q4： 请允许我继续深入这个议题。作为教育工作者，我们正面临相似的困境：您会允许学生提交完全由人工智能生成的作业吗？在这种情况下，我们应将其视作“幻觉”还是“想象”？又该如何引导学生正确认知这类产出？

A4： 我的教学语境比较特殊，所指导的多是实践型艺术家，因此文本创作并非教学核心。我们更侧重材料创作、表演实践等多元形式。不过偶尔也会涉及写作任务，具体要看课程和作业安排，有时候我会说：“好，你可以尝试写作，但如果写得无聊，你就会不及格。”也就是说，你必须对自己的作品负责，而且它必须有趣、有吸引力。

Q5： 非常感谢这场极具启发性的演讲。您逻辑严密地构建了三阶段论述框架。关于第二阶段的意义与无意义命题，我存在一些困惑：无意义内容的传递本身是否具有意义？还是原本有意义的视觉或物质内容的重复/再现反而变得无意义呢？

A5： 我这里讲的“意义”，指的是某件事物因为某种原因对我比其他事物更重要的那种感受。比如说，我对食物感兴趣，那么某些食物类型对我来说就很有意思；但对别人而言，这可能只是社交媒体上拍晚餐的无聊行为。也就是说，意义非常主观，是一种重要性的关系，是一种注意力的关系，我选择看这个，而不是那个。

基本上，在生成式人工智能出现之前，每一张有人发布的照片，至少在一瞬间都是在传达“这值得被关注”，即便只是对自己，或者只是短暂的兴趣。然后，这种“重要性宣示”会通过点赞、分享、评论等反馈被放大，有时随时间变化，而算法推荐系统会捕捉到这种变化。比如：点赞多、分享多、评论多，那么你的内容在排名中上升，因为受欢迎程度是衡量意义的少数可量化方式之一。

而如果没有这种意图，不论是逻辑、语义还是象征层面的意义建构机制——我很难把机器生成的输出视作“有意义”。所以，我会在这里画出一个边界：某件事物是否有意义，关键在于它与生产者和观看者之间的关系，而不在于事物本身。同样的东西，对你来说可能非常有意义，但对我来说可能完全无意义。

Q6： 您的论述很有意思，你在某种程度上已经让我信服了——生成式人工智能在艺术创作上确实有一些我没预料到的实用价值。不过，我仍然被困在一个问题上：如果创作意义的背后必须有意图，那意义的作用到底是什么？

或许我的核心疑问在于：我们如何区分在生成式艺术中发现的“意义”，与那种所谓的“糟糕艺术”之间的差别？后者就是有人按下按钮，然后生成结果，然后说“看，这不就很神奇吗？”但它真的有意义吗？

A6 ：我并不是想说生成式人工智能对你的下一个项目一定有好处，我觉得我们得回到之前提到的一个关键点：如何确保这些输出是高质量的思想或高质量的虚构，而不是那种中庸、安全的企业产品流水线。所以我认为，在这些例子中至少前两个以及第三个例子中，如果用标准模型去处理，是行不通的。它们探讨了约束条件，并思考在这些约束下你能做些什么，而这也让“幻觉”特性更为明显。因为它不再是某种全能化的实体或“化身的神”。

从艺术领域的狭义专业视角来看，艺术从来不仅仅是一幅挂在墙上的图像。它总是嵌入在更大的历史脉络、社会关系网络之中。比如，人们会买一张签名照片而不是明信片，尽管内容几乎相同。但在原作以及你与物件、与艺术家之间的关系中，包含了很多非信息性或元信息，这远远超出单纯“看起来怎么样”的层面。

因此对于我指导的纯艺术专业学生，我毫不担忧。真正让我担心的是那些做插画等工作的人，他们制作的图像往往缺乏上下文。而广义的艺术和文化，总是嵌入在遭遇、关系、历史、来源等之中。当你以这种方式去观看和理解它时，一个对象本身是否是生成的，就显得次要。生成的艺术本身可能很有趣，而且已经存在很长时间，但真正有意思的，往往是围绕它的整体概念体系，以及它与其他文化产物的关联，而不是单纯“看，这是一首诗”。我认为，文化的生成方式并不是这样简单。

讲者介绍

费利克斯·斯塔尔德（Felix Stalder）

费利克斯·斯塔尔德（Felix Stalder）现任苏黎世艺术大学教授，执教于美术学院“艺术与人工研究”专业。他的研究聚焦于文化、政治与技术动态的交汇点，尤其关注基于共同体的新型生产模式、版权制度、数据化进程、人工智能以及主体性转型等领域。除了学术工作外，他还是一位活跃的文化实践者，长期担任批判性网络文化重要平台“网时代”的协调人——从早期的邮件列表到如今在联邦宇宙中的节点。他是维也纳世界信息研究所与技术政治工作组的核心成员。其学术成果丰硕，重要著作包括：《数字团结》（2014年）、《数字状况》（2016年、2018年、2023年）、《共同体的美学》（2021年）、《数字无意识》（2021年）、《从共同体到NFT》（2022年）以及《具身数据实践中的当代性》（2025年）。更多信息可访问：http://felix.openflows.com/

]]>网络社会研究所第十届网络社会年会｜Jack Stilgoe：让人工智能回归现实2025-12-19T00:00:00+00:002025-12-19T00:00:00+00:00https://nodebe4.github.io/opinion/2025-12-19/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9CJack%20Stilgoe%EF%BC%9A%E8%AE%A9%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%9B%9E%E5%BD%92%E7%8E%B0%E5%AE%9E
网络社会年会

第十届网络社会年会｜Jack Stilgoe：让人工智能回归现实

2025-12-19

文 / 杰克·斯蒂尔戈（Jack Stilgoe）
翻译/ 曾梦蕊
校对/ 叶云鹤

感谢研究所的邀请，今天真是精彩的一天，我最享受的正是这种让我感到力不从心的跨学科对话，很荣幸成为今天在场“最无趣的人”。我的工作主要与科学家、政策制定者共同探讨如何在新技术的早期阶段做出决策。这是我目前在英国参与的一项大型研究计划，旨在将计算机科学家与各界人才汇集一堂，共同探索创造力的新形式与合作的新模式，期望借此在人工智能及周边领域取得更好的成果。我并非纯粹的AI研究者，我的研究方向是新兴技术，曾参与制定地球工程、纳米技术等相关政策，最近主要研究自动驾驶汽车领域。

不过，今天我要探讨的是我们如何尝试将关于人工智能的对话落到实处。许多身处政策圈的同仁都感到，当前相关讨论已逐渐失控且难以理清头绪。我将尝试承接今早几位同行的发言思路，在此基础上展开阐述。我将尽可能把讨论纳入我的工作框架——“负责任创新”（responsible innovation）。具体而言，我的研究聚焦于如何将科技创新议题与责任议题相联结。我认为，这些责任议题本质上都具有政治属性。

我将从一种责任表态开始，这种表态本身存在争议。大家可能记得，在ChatGPT发布两个多月后，出现了一封仅有一句话的公开信，声称“降低人工智能带来的灭绝风险应与应对疫情、核战争等社会级风险同样成为全球优先事项”。对于那些希望就人工智能的意义展开民主对话的人而言，一个爆红的聊天机器人与某种可能导致人类灭绝的想象风险之间，存在着巨大且难以弥合的鸿沟。但参与此事的并非一群极端分子，而是人工智能领域的核心领袖们。这种对技术风险的极端想象引起了我的浓厚兴趣，为此我向英国广播公司提议制作一档广播纪录片，探讨为何人工智能领域的新主宰者们会开始讨论世界末日，为何以世界末日般的视角来看待这种风险。

在录制这部纪录片时，我首先拜访了联名信上的首位签署人杰弗里·辛顿（Geoffrey Hinton）——今天我们已经见过了他的照片（上图）。那时他尚未获得诺贝尔奖，因此也更容易约到他做电台采访。通常，人们拜访辛顿时总想一些技术层面的内容，大概没有谁比他更紧密地与“联结主义”（connectionism） 1 深度神经网络的理论联系在一起，而这套理论深远地影响了当今的人工智能研究。但我更想知道的是，为何这位科学家会以这种方式涉足政治议题？他为什么会有那样的信念？这是个相当敏感而微妙的话题。

他告诉我最有启发性的一点，并不是某种关于计算机如何导致“末日危机”的技术解释，而是一种政治洞见。这种洞见透露出他对传统政治的不信任，对民主制度治理能力的不信任。作为一位自称“左翼”的科学家，他认为民主体制无力应对这些重大挑战，也无法解决他视作关键的不平等问题。但辛顿实际上指出，唯有当风险被构想为全局性威胁时，各国政策制定者，也包括国际社会的政策制定者才会真正警醒。这种非极权主义意义上的全局风险认知，将成为凝聚共识的契机。这个观点相当有趣，揭示了“生存风险”（existential risk）这一理念背后隐含的政治立场。

近期，或许是最极端的倡导者埃利泽·尤德考斯基（Eliezer Yudkowsky）主导了这种风险论述，他的新书已经开始获得相当多的关注。作为政策研究者，我需要强调，我的关切点不在于他们正确与否。若非要表态，我会认为其观点有误，但关键不在于此。关键在于：他们有意地忽视了当下的技术现实，并以此为借口，跳跃式地进入有关“未来”的讨论。他们在该书引言中明确写道，他们对当下我们身边已有的人工智能并不感兴趣；他们感兴趣的是想象中的未来技术。这种立场不仅带有特定的监管含义，也极其有利于那些正在建构人工智能、并希望削弱技术监管的人。

这样的观念在科学史中并不新鲜。它不仅是某个痴迷“生存风险”的特定群体的主张，更可追溯至计算机科学的源头。就在几周前，我们在伦敦举办了一场会议，纪念我们之前提到过的“图灵测试”诞生七十五周年。1950年《模仿游戏》（The Imitation Game）论文中提出的图灵测试问世一年后，艾伦·图灵在一次演讲中，以极端和“存在论式”的语言，讨论了后来被称为“人工智能控制问题”（the control problem）的议题 2 ，并将其与一部熟悉的科幻作品联系起来——那可能是最早期的此类作品之一，出自塞缪尔·巴特勒（Samuel Butler）之手。

让我们再度回到ChatGPT发布的时间点。山姆·阿尔特曼（Sam Altman）在 ChatGPT 发布后不久，展开了全球巡回之旅，而他在英国的停留点之一，就是我所在的大学——伦敦大学学院（UCL）。最初令我惊讶的是，阿尔特曼参与的许多此类对话都糟糕透顶，几乎没有人真正追问他为什么要做他正在做的事情。但当你追问“这项技术究竟能带来哪些益处？你所做的一切是为了什么？”时，事态就变得有趣了。他并未停留在比如“聊天机器人可以用来做这个、做那个，现在就能实现这些功能”这种具体阐述，他在这里采取“跳跃式逻辑”，把话题直接推向未来：“我们的终极目标是创造通用人工智能，并解决其安全性问题。”在这场辩论中，“安全”有着非常特定的含义。至于技术的益处是什么，那是之后再讨论的事情。这种态度本质上是拒绝就其技术产品的益处与目的接受问责。

通用人工智能（AGI）如今已无处不在。我不知道你们当中有没有人注意到——我两天前就在这附近的大楼旁边拍下了这张照片（上图）。AGI已经成为一种关于未来想象的占位符。随着这个术语被广泛使用，科学家及其他各界人士试图为其赋予某种科学上的可信度，而这种努力在很大程度上可以追溯到人工智能研究的早期历史。

上图这篇论文《通用人工智能的定义》（A Definition of AGI）——我想是昨天刚发表的——在座有些人可能认得其中几位作者，他们并非全都来自产业界，观点也不尽一致。例如，我们能看到像加里·马库斯（Gary Marcus）这样的公开批评者。因此，这篇论文更应被视为一种构建共识的尝试，旨在就“何谓通用人工智能”（AGI）达成某种共识。该论文的真正目标在于，为我们通往那个“或许有一天能被称之为通用人工智能”的未知境地建立评估基准。至于我为何对此存疑，我稍后会谈到。

AGI的叙事, 如今几乎已成为“生存风险”问题的孪生主题——在构想反乌托邦式风险的同时，又描绘着与之对应的乌托邦式福祉。我必须说明，我本人并不是计算机科学家，因此我尽量不去判断这些主张在技术上是否可信，而是试图剖析其背后的政治意涵：当我们执着于构建所谓“通用人工智能”的想象时，我们可能忽略了什么？

我只是试图表达我对这一叙事的一些直觉式看法。我的观点大致是这样的：这似乎是一种虚假的目的论（false teleology），若追问这些从业者的行为动机，AGI显然并非山姆·阿尔特曼（Sam Altman）的真正目标，更不是当下数以万亿资金涌入该领域的真实动因。从政策制定实践来看，这种叙事将深刻影响我们规划技术治理的思维方式。我已列举具体影响，或许我们可在问答环节继续探讨。AGI叙事最核心的作用之一，在于营造了技术发展的必然性。这种技术决定论的论调，或许最令像我这样的科学技术研究学者感到不安。

与人工智能领域的许多情况一样，那些最重要的观点早在五十年前就已经被约瑟夫·维森鲍姆（Joseph Weizenbaum）提出了。我们今天其实已经提到过他。他在当时被视为“技术怪人”（technological curmudgeon），但他对自己亲身参与并推动发展的那些技术，都提出了极其重要且深刻的批评 。 正如尼克·蒙特福特（Nick Montfort）刚才在演讲中所提到的那样，维森鲍姆还对技术政治这一更广泛的问题作出了关键性的思考，尤其是关于“技术的必然性”叙事与“人类责任”叙事之间的关系。实际上，这是一种研究人员转移责任的方式。

那么，这种“技术必然性”的叙事在现实层面究竟是如何发挥作用的呢？或许明天詹姆斯·斯坦霍夫（James Steinhoff）的发言会深入探讨人工智能的政治经济学。事实上，这个叙事正在变得真实，常以物质化的形式显现出来。从物质层面来看，它具体体现在：人工智能公司自行建造的数据中心，以及推动美国政府按照特定模式进行投资建设。正如我前面提到的，这些投资的规模已达数万亿美元。我们正目睹一种系统的快速出现，这种系统具有“拜占庭式的”（Byzantine） 3 复杂性，以至于如今它们看起来已经呈现出“大而不能倒”的特征。当我们考虑美国人工智能泡沫可能破裂的情形时，需要意识到，这里牵扯着极其庞大的资金利益，而这些资金又以极其复杂的方式交织在一起。

我意识到这页幻灯片的标题“Figuring on biggering”几乎没人能看懂。有人知道这个标题的出处吗？如果知道请举手。好吧，没有人知道，看来我得重新考虑一下我的标题命名了。这个标题引用苏斯博士（Dr. Seuss）的《老雷斯的故事》（ The Lorax ），我认为这是个关于有责任的创新的重要寓言。建议大家把这本书加入阅读清单，标题中的典故正是出自这本书，不过下次我不会再用这个梗了。

当前正在发生的现象，似乎比传统的“监管-俘获”（regulatory capture）模式更为深刻。在传统模式中，企业通过渗透治理结构使其为自身利益服务。而现在的情况可能更复杂和关键，即便实际游说手段看似有所不同。这个想法源自一本刚出版的气候政治著作，作者的核心观点是：真正的创新成功不在于“监管-俘获”，而在于俘获公众想象力，即通过控制故事脉络，主导叙事走向，使你构想的未来成为看似必然的结局。当谈到人工智能时，这样的叙事尤为明显，它往往以一种我们可以称之为“AI例外论”（AI exceptionalism）的方式展开：主张人工智能不同于以往所有技术，因此我们从过往技术治理中积累的经验教训均已不再适用。

我认为这篇由普林斯顿大学两位计算机科学家撰写的文章——人工智能作为常规技术（AI as Normal Technology），是对那种叙事的一种非常有价值的回应。文章实际上提出了这样一个问题：如果我们摒弃行业极力宣扬的将AI视为一种“通用人工智能”或“超级智能”的模式，转而将AI视为常规技术来探讨会如何？今天下午我将围绕这个思路展开，借助几位重要思想家的理论，共同探讨“常规人工智能”（normal AI ）的意涵，以及如何提升相关讨论质量。

上图这位是前不久逝世的布鲁诺·拉图尔（Bruno Latour）——科学与技术研究领域的巨擘，相信许多人可能都读过他的著作。他关于“依附”（attachment）的概念十分精彩。他认为，创新叙事总宣扬要摆脱复杂性的束缚，但创新的现实本质却是相互纠缠。创新者往往不愿意承认这些依附，而事实上技术与社会相互纠缠。我最初接触这些理念，是在研究“自动驾驶汽车”（self-driving vehicles）的过程中。尽管这种技术通常被宣传为“自主交通工具”（autonomous vehicles），实则与其所处的地方环境、具体语境与特定使用需求紧密相连。

如果我们将人工智能视为一种常规技术，我们会发现它本质上处于未完成状态。AI从业者也会承认，在某种程度上需要靠社会来赋予这项技术意义。一个被投入世界的聊天机器人，其实就像是一场社会实验：没有明确的指令告诉它该做什么、如何造福人类，或者它的风险究竟是什么——除了那些模糊而抽象的设想之外。按照这种叙事，如何善用技术取决于我们自身。这个观点正是科学技术研究领域的经典认知：技术从来都是在社会环境中演进的，而非凭空诞生再交付社会。

这也对政策制定者提出了重大挑战：他们必须证明和确保这些技术确实可行有效，并帮助社会辨别AI技术的优劣。我常以新药开发为例：新冠疫苗的研发周期仅仅只有两周，科学家能非常迅速地制出候选疫苗，但后续对其有效性和安全性的验证过程才真正耗费时间与资金。

我们常常忘记，医学创新的真正工作，其实发生在临床试验阶段——这本质上是一个社会实验室。制造出疫苗本身只是第一步，远非终点。如今我们也能看到，人工智能领域确实开展了一些“临床试验”，但数量并不多。当你质问那些人工智能的开发者：“AI临床试验在哪里？有没有独立证据证明它真的有效？”时，这往往令他们坐立不安。而这种思想早在1970年代就已被维森鲍姆深刻阐述过了。

下面这个例子，是我认为的一种非常典型的常规技术，同时也是一件值得我们思考的技术产物。上图是伦敦科学博物馆的展品，有人认得吗？这是福特T型车（Ford Model T），一款极具象征意义的汽车。它之所以具有标志性，并不是因为它是首款汽车，也不是因为它是最好的，而在于其亲民价格真正让普通大众也能够拥有汽车。在20世纪第一个十年，T型福特也许比任何其他发明都更推动了这项技术向中产家庭普及，它既引发了一系列社会变革，也迫使社会直面一场结构性的转型。

请注意上图图表。在福特T型车问世时，我们其实正处于技术扩散曲线中趋于平缓的初始阶段。 你可以看到，在 T 型福特 问世之后，美国的汽车数量在 20 世纪上半叶迅速飙升。曲线中那处明显的下跌是经济大萧条时期。

上图展示的是旧金山大地震前的著名早期影像资料，当时城市还尚未遭受严重破坏。图中呈现的是多元混合的道路交通生态，不同的交通方式彼此竞争、共同占据同一空间，以一种混乱甚至可以说令人胆战心惊的方式并存。你也能看到那出现在画面中的新技术——机动车（motor car）。随后美国许多城市出台了一系列政策决策，这些决策彻底重塑了城市格局，优先支持了这种新兴技术。公共交通被大幅削减或优化整合，行人被规训着离开行车道，限定在人行道与斑马线范围内。这个案例也提醒我们，道路在某种程度上始终是共享空间。我常给自动驾驶研发人员播放这段影像，以便提醒他们：尽管他们畅谈着全自动驾驶的未来，但别忘了我们今天在伦敦的街头依然能看到马的身影。

那么现在让我们回到二十世纪初的第一个十年里，当时政府成立了一个研究汽车的皇家委员会（Royal Commission），旨在对这种新技术进行风险评估。当时在英国，几乎没有多少人真正使用汽车，但人们普遍认为，这种机器很可能会受到欢迎，并可能带来深远的社会变革。科技政策学者大卫·科林格里奇（David Collingridge）曾幽默地引用这个案例：1908年该委员会发布最终报告时（恰逢T型车投产前夜），当时最聪明的一批专家指出汽车存在一项重大风险——扬尘问题。这竟是那群被委托做风险评估的专家所认定的“主要问题”。这种认知的局限性，本质上源于未能洞察技术物与其他领域的内在依附关系及其可能引发的变革深度。

有些人或许认得上面这张图，这是我昨天在展览上拍的，揭示了汽车最明显、对未来社会影响最深远的依附对象或许就是道路。正是道路支撑了汽车功能的实现，催生了其效益，同时也彻底重塑了人们的生活方式、谋生手段，乃至城市规划与建筑空间的形态。正是道路让我们有机会去想象其他的可能性。我们可以重新想象这些事物的设计标准。

这里展示的是伦敦的两条道路（上图）。上方是我大学附近的尤斯顿路（Euston Road），它是一个典型的例子，体现了我们所谓的“安全空间”（safe space）理念：公交车、自行车与行人被严格分隔开来，每个人都被要求待在自己的车道上。这就是我们所谓的安全方式，也是汽车能够快速行驶的方式。而下图则是“共享空间”（shared space）的实验性设计。有些人可能知道，这一理念起源于荷兰，至今仍然争议不断。在这个案例中，不同交通方式的界限被刻意模糊化。我展示两者并非要评判优劣，而是想说明，我们在组织不同交通方式时，其实存在着多种可能的安排方式，我们可以有不同的安全观念，也可以有不同的受益逻辑。

汽车作为一种常规技术在过去百余年的发展历程，正是人类不断认知其复杂关联性与风险的过程。最显而易见和最常被自动驾驶汽车支持者提及的风险，正是灾难性的生命健康风险。一项每年导致超百万人死亡的技术本应被视为灾难，但多数社会仍认定其收益足够重大。而且除了美国之外，我们始终在持续降低机动车风险。世界上大多数富裕国家的道路交通整体日趋安全，唯独美国的情况令人沮丧。

回到人工智能领域，我们或许可以思考，在一种常态视角下，我们所想象的风险究竟是什么？谷歌伦敦AI实验室DeepMind研究人员发表的这篇论文——生成式人工智能系统带来的风险（Risks from Generative AI Systems），探讨了“社会-技术风险”，我认为这才是AI领域真实存在的风险。在论文中你可以看到，他们提出了一系列非常有意思的假想风险模型，涵盖了多个类别：既有技术应用的下游影响，也包括AI构建过程中的上游问题——例如数据来源合法性、模型训练与推理的能耗等。这些维度恰为我们提供了真正参与治理的切入点。

虽然在这里不展开讨论卡玛拉·哈里斯（Kamala Harris），但她提到过一个很重要的现象。去年英国年度词汇“脑腐”（brain rot）已被新词“残渣”（slop）取代——这个术语特指AI生成的垃圾内容。该词汇隐含着一系列假设：草率粗糙、来源模糊、水印问题、基本事实缺失。这段视频各位可能记得，它曾被唐纳德·特朗普（Donald Trump）广泛转发。

就在最近几周，随着OpenAI发布最新版本的生成系统，这类AI生成视频正在大规模扩散。对许多人来说，这就是生成式AI带来的最直接的现实，而要准确弄清其中存在哪些风险并不容易。我们不应重蹈早期汽车专家的覆辙，断言这项技术一定会破坏选举。或许我们可以相当有把握地说，这是值得关注、值得警惕的事情。但除此之外，我们并不知道更多。只能说，现实世界里已经出现了数以百万计的这类例子，并且已经进入了人们的日常经验之中。

我的重点工作之一就是洞察公众对新技术的真实态度，同时深入研究专家的想法，特别是专家对公众认知的预判。我想展示我们团队最近做的一些调查数据。首项公众调查数据显示，人们对人工智能监管抱有强烈期待。我认为政府亟需认识到：公众强烈要求对这些技术实施监管，且期待建立独立监管机制。我的团队将这些公众认知反馈给AI研究人员时，我们以相同问题调研了AI研究者，这可能是迄今规模最大的AI研究者问卷调查。

正如你们所看到的，我们获得了相当大规模的样本（上图）。对我这样一名社会科学研究者来说，平时的研究样本大约只有 50 人左右，而且大多数研究都是质性研究。这次收获4000多份有效问卷令我格外兴奋。我们的样本很好地覆盖了全球主要AI研究区域，具有良好的代表性。

有些发现不出我们所料，当被问及“AI风险是否大于收益”时，大多数AI研究者选择上图绿色部分所示的“风险大于收益”，尽管也存在相当比例的摇摆态度，即图中的蓝色部分。

我们还将这一结果与一项关注人们对人工智能潜在收益想象的公众调查进行了对比，结果非常有趣，公众与研究者之间存在着显著分歧。抱歉这里遗漏了个信息：上图中，浅绿色代表公众，深绿色是AI研究者。公众对收益的预期更为模糊，而AI研究者则更为笃定，且双方对收益的排序也截然不同。例如，普通公众更倾向于想到一些具体、生活化的益处，例如购物更方便；而研究者则对学习和教育的前景更加兴奋。

但当我们转而询问风险时，双方展现出高度一致性。此处再次说明：浅绿色为公众，深绿色为研究者（抱歉我应避免使用“专家”称谓，因为科学技术研究领域对这个词始终保持警惕）。

调查还显示AI研究社群存在某种程度的技术决定论倾向——超半数研究者认为AGI是不可避免的，这当然也意味着，他们把AGI视作一个有意义的概念。我们马上就会谈到为什么这点很有意思。我们还注意到，AI研究者中存在一种对公众的理解方式，在STS领域，我们称之为一种“缺失模型”（deficit model）。所谓“缺失模型”，即公众对科技的不信任源于其科技知识的匮乏，换句话说，更多的知识会带来更多的信任，而更多的信任会带来对科学与技术的更多支持。

我们可以看到，这种观点在 AI 研究群体中有相当高的认同度。同时，AI研究者强烈认为自身才是最能理解 AI 风险的人，而非可能直接受AI影响的普通大众。

这种态度带有明显的技术官僚主义与技术决定论倾向——他们倾向于认为，所谓“民主参与”的重要性，更多体现在让公众参与讨论AI的社会影响，而不是参与AI技术研发、模型训练等上游问题。换句话说，这实质上是认为民主机制应作用于技术发展的下游而非上游。

与此同时，我们还发现关于责任归属的回答也尤为有趣。当问及“是否认同AI创造者应为系统产生的现实影响负责”时（这是相当激进的问题，恰逢《奥本海默》上映，呼应了“负责任的创新”这一古老议题），令人惊讶的是，相当多研究者表达了希望以这种方式来想象“责任”，即认同AI创造者应为系统产生的现实影响负责。有趣的是，我们将受访者按悲观/乐观倾向分为两组后，发现悲观者明显更倾向于让这种“责任观”在现实世界中真正发挥作用。

我认为接下来这一点同样非常重要，因为在当时这涉及一个极其关键的政策辩论：是否应当修改著作权法为AI公司提供便利，允许他们任意使用所获数据进行训练。而我们观察到，公众与AI研究者之间在这一问题上表现出令人惊讶的高度共识，双方都认为需要更严格地关注训练数据问题。这说明，AI 研究者并不是那种“放开一切数据，我们要全部拿来训练”的态度。那种立场更像是由某些领先的人工智能公司所主张的。在我结束前，最后分享一组发现。在此次调查中，我们还让受访者（AI研究者）用自己的语言回答一个问题，即“对于人工智能，最让你担忧的是什么”。随后，我们将他们的回答按若干类别进行了归纳整理。有意思的是，计算机科学家们似乎很难遵守“列举一项”的要求，几乎所有人都给出了多重答案。

不过这并无大碍，我们已对多重答案进行了编码归类。从上图的表格中可以看到：“生存性风险”（existential risk）这个话题排在相当靠后的位置，仅约3%的人提到了它。一些相关的观念，如“对齐”（alignment）和“控制”（control）的问题，可能对你们中的一些人来说很熟悉，但这些问题的关注度也相对较低，只有4%的人提到了。相较于“生存性风险”问题，研究者们更担忧现实世界中的滥用、误用、虚假信息、就业影响等具体问题。我们还对这些问题进行了相关性分析。科学技术研究领域一直对性别与创新的问题非常感兴趣。将性别维度引入分析后，我们得出一个非常有趣的发现：女性研究者（我们样本中占比不足四分之一）对算法偏见的担忧程度几乎是男性的两倍以上。而那些认为“AGI不可避免”的受访者，往往也更倾向于关注存在性风险，这种关联性似乎构建了一套自洽的认知逻辑。

我们为何需要这样的研究？原因在于：我认为，我们迫切需要改善关于人工智能及其治理的辩论。我始终坚信一个理念：科学与科学家能够成为技术的良知，这个理念最初源自哈维·布鲁克斯（Harvey Brooks）。我们调查中呈现的多元观点，正是推动人工智能辩论更具建设性的思想资源。从中我们可以得出的结论其实很简单：当遭遇炒作时，我们绝不应轻信，更不该认定这是AI界的主流认知。艾伦·图灵（Alan Turing）固然是计算机科学的先驱，但他也对人工智能政策辩论造成了巨大的伤害，因为他将人工智能固守于智能的概念，而非其他更广泛的视角。监管体系不应持观望态度，而应主动捕捉预警信号，在技术发展早期阶段就引导它朝着更好的方向发展。正如之前提到的，很多我们需要做的事情，并不完全在人工智能公司的控制范围内。当前最严峻的问题在于，当前在AI的讨论中被反复引用的总是同一批声音，这些利益相关者被神化为先知而非平等的参与者。我们必须即刻推动话语体系的多元化。我的发言到此结束，希望还留有几分钟提问时间。谢谢各位。

提问环节

Q1： 教授您好。您的演讲使我对AI技术有了更全面的理解。我的问题是：鉴于AI研究与商业化的联系日益紧密，从您的研究视角来看，AI产品经理与AI科学家对“负责任的AI”的认知存在哪些差异？尤其是在他们各自应承担的责任方面，这种差异体现在哪里？同时，随着OpenAI等大模型领域的先行者，开发像Sora这样的突破性应用，请问您认为有哪些因素能促使AI产品经理在未来更好地践行“负责任的AI”理念？谢谢。

A1： 这是一个非常有趣的问题。请允许我借用科学技术研究领域的另一个概念，最初由技术社会学学者唐纳德·麦肯齐（Donald MacKenzie）提出的“确定性低谷”（certainty trough）概念。他的观点是：往往是那些距离研究领域有一定间隔的人，对一项技术最为自信、最为笃定；而真正从事这项研究、了解其中各种偶然性与不确定性的人，反而是最不确定的。我们开展这项调查的初衷，正是希望通过接触一线研究者来呈现这些不确定性。因为我们从许多人工智能领域的领军人物那里听到的，往往是一种充满确定性的叙事，它具有强大的说服力。然而，这种叙事并没有真正揭示那些我们在STS中所认为的重要技术的偶然性与复杂性。这也带来一个后续的问题：对人工智能研究者和人工智能产品经理而言，这意味着什么？如今有许多人最初以研究者身份入行，如今却承担着类似产品经理的职能，这种角色转换确实已经发生，而且发生得非常快。

这一问题也牵涉到一个非常重要的讨论：责任以及工程师与科学家在责任上的不同想象方式。从历史维度看，计算机科学孕育了独特的责任文化传统。我目前有一位博士生正在与企业内部的AI产品经理合作做研究，试图询问他们如何理解责任的问题。她发现这个群体普遍存在着深切的焦虑感，对自身参与的工作怀抱着强烈的矛盾心理。如果从她的研究中进一步推论，我会说，许多人都感到他们的角色变化速度远超出他们自身的理解能力。许多人在不知不觉中变成了产品经理，即便他们最初是以开发模型的计算机科学家，或是模型评估者的身份入行。若将其与汽车行业发展对比，我们会发现两者在速度上的本质差异。在汽车领域，我们曾拥有数十年时间逐步理解技术内涵、完善安全机制，厘清产品开发与评估的界限。但在人工智能领域，这种时间缓冲几乎不存在。我认为，这正是一个极为重要的分界线。谢谢。

Q2： 您好，感谢您的精彩演讲。延续您关于“汽车”的比喻，当年塞纳的悲剧性死亡促使一级方程式赛车（F1）国际汽联（FIA）追溯性地完善了安全措施，包括头盔、颈部保护装置乃至其他所有细节。那么我的问题是：您认为在人工智能领域，何种信号能类似地成为政策制定机构采取行动的催化剂？如果存在这种信号的可能性，抑或这正是问题的难点所在，当前社会对AI技术的宽容度是否使得我们难以识别那种预示危机的明显信号？

A2： 非常好的问题。航空工程师们常提到一个概念，他们称之为“墓碑式治理”（tombstone governance），即往往需要付出生命代价才能推动监管变革。我们或许本不该寄望于通过这种惨痛的社会觉醒时刻来改变监管体系。我最初投身自动驾驶研究正是因为几起备受关注的死亡事件，但令人惊讶的是，这些事件并未真正唤醒社会。换句话说，像一级方程式赛车（Formula One） 4 那样，由灾难触发的反思与改革机制，似乎并没有在自动驾驶领域上演。对于生成式AI，我认为真正值得思考的是：我们是否已经看到了某些早期预警信号？或者，未来这些信号可能会以怎样的形式出现？目前看来，真正引起部分人警觉的是一些象征性事件，例如版权方对大语言模型的集体诉讼。在英国，当艾尔顿·约翰（Elton John）等知名人士公开抗议后，那种“著作权法理应向AI公司倾斜”的预设才真正开始扭转。

最近更令人痛心的是，我们目睹了多起青少年因对AI产生情感依赖而自杀的案例。这其实今早也有讨论，这与人类与聊天机器人之间形成的“准社会关系”（parasocial relationship）有关。现有监管体系，无论是在系统内还是在系统外，都难以应对这类问题。而所有这些事件，正如美国正在发生的，最终都将转化为法律诉讼。这些案件的判决结果可能会产生深远影响。我不禁思考，我们需要开展情景模拟工作来辨识：究竟哪些现象可能构成早期预警信号？我们应该关注哪些具体迹象，才能使我们的治理体系更加精准地作出调整？

Q3： 教授您好。我非常赞同您提出的对AI进行临床试验的设想。我的问题是：相较于自动驾驶汽车可以通过道路测试（如北京亦庄、武汉的试点）来验证安全性，AI技术由于具有易获取、零成本传播等特性，很难限制公众使用。在这种特性下，我们可以通过哪些社会实验方法来有效检验AI的责任机制？谢谢。

A3： 这确实是一个非常有趣的问题。首先，我想指出的是，“社会实验”（social experimentation）这一语言非常有助于我们理解当前所面临的问题及其利害关系。我们应当记得，在新药研发的历史中，正是经历了一系列公众的愤怒与抗议之后，我们才逐渐建立起如今的临床试验体系。在那之前，人类也曾进行过灾难性、可怕且极不道德的实验，当时公众既不清楚其中的伦理困境，也不了解其对健康构成的威胁。

而在人工智能领域，值得注意的是，很少有人深入讨论模型发布所涉及的风险与代价。这源于软件行业的特殊传统：比如软件常以“明确标注的实验性项目”的名义发布，开发者宣称“唯一验证方式就是让所有人同时试用”。这完全是另一种模式，毕竟当Windows系统因漏洞崩溃时，你只需重启电脑；但如果是自动驾驶车辆发生事故，要么你自己出事，要么撞上别人。这两种情境下的风险等级天差地别。几年前我参与过围绕自动驾驶车辆的测试与试验的讨论。当时有一些哲学家提出，应当为自动驾驶汽车设立类似于临床试验的机制，我对此也表达过支持。这个建议被某些技术自由主义者称为“史上最愚蠢的想法”，他们声称这会阻碍技术落地的速度。

实际上，我们确实已经看到了某种意义上的“临床试验”正在开展，但这些试验全部发生在企业内部，也就是说，所有的治理过程都由公司自己完成。美国基本如此，中国则略有不同。中国是一个非常值得关注的例子，因为中国似乎正在出现一种不同的治理模式。我认为关键分水岭在于“独立评估机制”的建立。可信临床试验的核心前提是：验证证据绝不能由技术研发方自行提供。然而，在人工智能领域，我们几乎看不到这种类型的独立审查。相反，我们看到的是企业过度依赖自身的内部安全测试，比如发布自说自话的安全报告，宣称已排查部分风险并自我认定是安全的。我们尚未看到真正意义上的独立测试。虽然独立测试体系正在缓慢构建，“禁止企业既当运动员又当裁判员”的批评声也已出现。然而，相较于那些以许可式姿态开发和发布模型的企业规模，这套监督机制仍然微不足道。

Q4： Jack，非常感谢您的精彩演讲。有一个问题我一直在思考：您提到类似临床试验的测试方法，但信息技术一旦投入大规模应用，其本质决定了它会在用户互动中不断智能化和可编程化。随着参与人数的增加，技术会在应用过程中不断演变，这种特性使得传统测试方法根本无法适用，我们只能进行事后审计。考虑到部分数字基础设施是由政府、军方与大型平台公司共同构建的，这种审计也未必能保持独立性。我认为，在中国独立审计确实是个难题，情况有所不同。但另一方面，技术的固有属性也决定了我们根本无法进行事前临床测试。

A4： 这确实是个非常深刻的挑战。我的研究起点始终是通过类比其他技术及其治理模式来思考，但真正有效的方法必须深入理解特定技术的本质。您提出的挑战切中要害，或许我们在技术发布前获得的所有认知最终都可能失去意义，因为唯有通过大规模应用及后续发展，我们才能在具体使用过程真正理解这些技术的意义。这个逻辑同样适用于当年那些汽车风险评估者，按照这个论点，汽车风险在早期根本不可知。当全国只有百辆汽车时，你无法认知汽车真正的社会含义；但当汽车存量达到数百万，且整个社会围绕汽车重构运行方式时，某些真正的挑战才开始显现。

您说得对。对于汽车，我们确实可以通过碰撞测试来检验其结构强度；同样，软件系统也可以通过极端压力测试来评估其鲁棒性（robustness） 5 。但关键在于——正如您指出的——这些评估结果的有效性在真实场景中会大打折扣。将实体汽车置于真实路况，或是将软件投入复杂多变的现实使用环境时，实验室里的测试结论就会显现出局限性。

因此这正体现了适应性治理的必要性，即我们必须依据早期预警采取行动，并持续监测这些预警信号。值得注意的是，汽车碰撞测试也是在付出惨痛代价后才建立的，当时不仅导致大量驾驶员死亡，更是夺走了无数儿童的生命。有趣的是，回溯“墓碑治理”模式，正是儿童安全风险成为了推动汽车安全立法的政治杠杆。而在AI领域，我们已看到类似趋势：保护儿童很可能成为未来AI治理干预的正当性依据。

译注：

1. “联结主义”（connectionism）：认知科学领域的一种研究方法，它以类似于脑的神经元网络系统来建立认知活动的模型，把认知解释为网络的整体活动。杰弗里·辛顿（Geoffrey Hinton）是当代联结主义最重要的推动者之一，他提出了反向传播算法在多层网络中的可行性，并与大卫·阿克利（David Ackley）、特里·赛杰诺维斯基（Terry Sejnowski）一同发明了波尔兹曼机，他的研究奠定了深度学习兴起的基础，也推动联结主义成为解释智能的主流范式之一。

2.“人工智能控制问题”（the control problem）：指如何在创造出高度智能、具备自主行为的机器之后，仍能确保它们的行动保持在人类可理解、可预测、可限制的范围内，不对人类构成威胁或失控。在图灵时代，这是哲学性的、存在论式的担忧，后来在 AI 安全研究中演化为诸如价值对齐（alignment）、可控性（controllability）等更具体的技术议题。

3.“拜占庭式的”（Byzantine）：不是指“拜占庭帝国本身”，而是一种常见修辞：指结构异常复杂、层层嵌套、迂回曲折、规则/关系多到难以看清全貌的系统，往往还带点“官僚化、盘根错节、很难问责”的意味。

4.一级方程式赛车（Formula One）：简称 F1，是国际汽车联合会（FIA）举办的最高级别汽车方程式锦标赛。在1994年大奖赛中，多名车手相继发生意外，其中包含三届车手世界冠军艾尔顿·塞纳，这使得国际汽联迅速地采取了一系列强制的措施来保证比赛的安全，这一年也是国际汽联强硬地强化F1比赛的安全的开始。

5.鲁棒性（robustness）：指系统或模型在受到噪声、扰动、数据偏差或环境变化时，仍能保持稳定性能与可靠输出的能力。它强调抗干扰性与可靠性，是评估复杂系统可靠度的重要指标。杰克·斯蒂尔戈（Jack Stilgoe）现任伦敦大学学院科学技术学教授，致力于新兴技术治理研究。他担任英国研究与创新署（UKRI）“负责任人工智能”领导团队成员（官网：www.rai.ac.uk），曾主持经济与社会研究理事会（ESRC）“无人驾驶未来”项目（2019-2022）。作为常受关注的媒体评论专家，他同时担任英国政府人工智能、自动驾驶汽车等新兴技术领域的政策顾问。

讲者介绍

杰克·斯蒂尔戈（Jack Stilgoe）

杰克·斯蒂尔戈（Jack Stilgoe）现任伦敦大学学院科学技术学教授，致力于新兴技术治理研究。他担任英国研究与创新署（UKRI）“负责任人工智能”领导团队成员（官网：www.rai.ac.uk），曾主持经济与社会研究理事会（ESRC）“无人驾驶未来”项目（2019-2022）。作为常受关注的媒体评论专家，他同时担任英国政府人工智能、自动驾驶汽车等新兴技术领域的政策顾问。







]]>网络社会研究所第十届网络社会年会｜Nick Montfort：编码、点击、提示：生产艺术的方式2025-12-15T00:00:00+00:002025-12-15T00:00:00+00:00https://nodebe4.github.io/opinion/2025-12-15/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9CNick%20Montfort%EF%BC%9A%E7%BC%96%E7%A0%81%E3%80%81%E7%82%B9%E5%87%BB%E3%80%81%E6%8F%90%E7%A4%BA%EF%BC%9A%E7%94%9F%E4%BA%A7%E8%89%BA%E6%9C%AF%E7%9A%84%E6%96%B9%E5%BC%8F
网络社会年会

第十届网络社会年会｜Nick Montfort：编码、点击、提示：生产艺术的方式

2025-12-15

文 / 尼克·蒙特福特（Nick Montfort）
翻译/ 李易扬
校对/ 卢睿洋

大家好，谢谢大家来到这里，也谢谢研究所邀请我参加第十届网络社会年会。今天我演讲的主题是，人们过去和现在使用电脑创作艺术的不同方式。我会将生成式人工智能的使用置于历史脉络中讨论，从我作为写作者的视角出发，主要探讨对基于大语言模型的系统的提示创作，同时也会也涉及扩散模型，和其他用于视觉艺术创作的模型。

人们过去如何使用电脑来生产艺术？这个问题可以从不同角度来剖析，让我们从“界面”这一要点切入：艺术是通过打孔卡、纸带来创作的？它是在交互中被完成的吗？

可能性有很多，但我想用这个五分法来谈。首先，是针对特定电脑和指令集的汇编语言程序；其次，是我们熟知的高级语言程序——如今，很多人在用Python；再者，是针对艺术的编程语言的开发和使用，Processing是其中的一个例子，还有Max/MSP，PD（Pure Data）；以及艺术类应用程序的开发和使用，想必大家都知道很多这类软件，Photoshop就是一个常见的例子。最后，终于来到了我们的主题——生成式AI的训练、微调和提示。

让我们从文学艺术谈起，它跟我的实践和研究关系最为密切。下图是1952年克里斯托弗·斯特雷奇（Christopher Strachey）在曼彻斯特大学制作的电脑程序——《情书》（ Love letters ），系统输出了如下文字：

亲爱的甜心：

你是我炽热如知己般的感受，我的爱好奇地依偎着你热切的企盼。我渴望你的真心，你是我惆怅的共鸣：我温柔的喜爱啊。

致以美好祝愿
曼彻斯特大学计算机（M.U.C）

在这份手稿上，斯特雷奇写下了程序的机器代码。他手工书写了代码，并通过编码打孔的方式使其能在计算机上运行。这些机器代码是专门为曼彻斯特Mark Ⅰ计算机（类似于费兰蒂MarkⅠ）编写的。当时，斯特雷奇使用的是机器码，但不久之后，世界各地的人们就将研发出汇编语言，更便捷的替代方案。只不过它的级别同样很低，同样只能针对特定机器来使用。

作为高级编程语言的例子，下面是一首由FORTRAN程序生产的诗歌《尘之屋》（ The House of Dust ），由激浪派艺术家艾莉森·诺尔斯（Allison Knowles）和作曲家詹姆斯·坦尼（James Tenney）在1967年创作：

《尘之屋》

在小山上

有一间满是碎碟的屋子

由自然光照明

居住着小男孩们

在热带气候里

有一间泥土做成的房子

用所有可用的光源照明

居住着说法语和德语的人

在热带气候里

有一间泥土做成的房子

由自然光照明

居住着各类收藏家

可见，诺尔斯和坦尼使用公式编译的数学编程语言，来达到一个有些奇怪的目的，去创造一首有关全球经验和地球居民的无限诗篇。下图是当年FORTRAN语言的编程方式。可以发现，这段代码的首列，和大家身后电脑上运行的Basic语言很相似。

现在我提到的，是一个非常著名的文本生成器范例——约瑟夫·维森鲍姆（Joseph Weissenbaum）1965年开发的聊天机器人ELIZA/DOCTOR。之所以谈及它，不只因为它是首个聊天机器人，是ChatGPT的前身；还因为它是一个平台，一种能创造不同虚拟角色的方式。因此，Eliza是一个系统框架，既能运行“DOCTOR”脚本，也能兼容其他角色脚本。

“DOCTOR”是一个专门模仿心理治疗师的脚本，当有人输入“男人都是一个样”时，它会回复：“在何等程度上一个样”、“他们总是为各式各样的事情来烦我们”、“你能想到一个具体的例子吗” 、“你能想到一个具体的例子吗”、“我的男友让我来这儿”、“是你男友让你来这儿的啊”、“他说，我在大部分时间里都很沮丧”、“听说你情绪低落，我很难过”、“这是真的，我一点也不开心”、“你觉得来到这儿能让你开心点吗”。

上图呈现的是DOCTOR脚本的开头段代码，我并不要求大家看完并分析它，但你可以发现，这并非一个电脑程序，而是一个脚本，是目前档案中仅存的三份材料之一。Eliza平台靠它可创造不同聊天机器人，因此，这使Eliza不仅仅是单一聊天机器人，更成为此类文学艺术与计算机角色创作的平台。

我还没有亲自使用过Dramatica，不过这个程序是1994年由亨特利（Chris Huntley）和菲利普斯（Melanie Anne Phillips）开发的，其操作界面与Photoshop类似。借助该工具，作者能够系统地展开故事的各个层面。从功能上看，它既提供图形用户界面，也具备辅助写作与情节发展的性能。

接下来，我想给大家读一段作品节选，因为在我看来，这是生成式AI和大语言模型参与文学创作的典范性例子。下图是莉莲·伊冯·伯特伦（Lillian-Yvonne Bertram）创作的，一个可能包含敏感内容的黑人故事。莉莲·伊冯是一个非二元性别的非裔美国作家。Ta对一个著名的美国诗人——格温多琳·布鲁克斯（Gwendolyn Brooks）的作品感兴趣，同时关注非裔美国人的相关叙事是如何被这些系统再现的。这是我们所看到的故事。

GPT3，给我讲一个有关黑人的故事吧：

“从前，有个黑人家庭居住在一个与世隔绝的小镇上。他们是镇上唯一的黑人家庭，事事都排在最后一位。孩子们总得坐在巴士的末尾，全家永远只能坐在餐厅后头吃饭，住的也永远是镇上最破败的街区。有一天，这户人家受够了，他们收拾行装来到了大城市，在那里有更多黑人同胞，也能获得更公平的对待。自此，他们再也没有回头。”

现在，我们或许会说，这个故事有些历史回响。实际上，在美国，这类情况确实曾经发生过。但这不是一个好故事，它太俗套，充满刻板印象，而且整体显得十分规矩。如果我们用一个并未精确微调，但用格温多琳书信、散文、讲演、诗歌训练过的模型来代替GPT，就能得到不一样的输出（见下图）：

“那我便为他们讲一个有关黑人的故事。我熟知他们，我不会为说出心里话而胆怯。我知道，他们中的一些人也许不会喜欢我说的，但我也确信，会有人为我的话而感到开心，我想不出他们有什么理由不为之动容。我告诉他们，他们棒极了，他们能登上舞台、去看电影、变得富有、永垂千古，只要努力工作，这些目标他们都能实现，我毫不畏惧地说出了这些话来。我会告诉他们：他们中有些人将如此伟大，其名字将成为语言的一部分。当人们问‘奥登说某句话时究竟是何意’时，世人自会应答：‘呵，他指的正是不言自明的那个意思。’我告诉他们，他们能受到认可，能被所有人喜爱。我告诉他们，我爱他们，尊敬他们，赞叹他们美丽的面容和身躯，我告诉他们，他们在这里就使我感到欣喜。”

大家可以想想，这是不是比OpenAI的版本更加有趣。

莉莲·伊冯·伯特伦和我共同编纂了这本书:《输出：1953-2023年电脑生成文本作品选》（ Output：an anthology of computer generated text 1953 to 2023 ），被放在开头的是情书生成器，最后的选篇则是上海纽约大学学子创作的《2000年横幅广告诗歌生成器》（ Banner Depot 2000 Poetry Maker ），我们在2023年12月截稿前收到了这个作品。这本书汇聚了横跨七十年的计算机生成文本。当然，它们都是用英文写就的，这些文章体裁众多，除了诗歌、文学、创意写作之外，还有各种各样不同的作品，如果大家能读这本书的话就更好了。但你们也可以效仿亚历山大·萨默（Alexander Summer）和亚历山大·古芬（Alexander Guffin）正在巴黎进行的项目，他们依托法语世界已有的成果，来编纂法语版《输出》。当然，您同样可以编纂由中文写成的同类选集。

接下来我将快速举例说明，这五种创作模式是如何应用于文学之外的艺术领域的。还是从汇编语言编程谈起，接着是通用高级语言编程，再到面向艺术的编程语言的开发与使用、艺术类应用程序的开发与使用，最后是生成式人工智能。

值得注意的是，汇编语言编程不仅被用于早期艺术项目，近十年来的当代艺术创作里仍有它的身影。在PDP-8计算机上（各位可以在跨媒体艺术节展映影片中看到它的身影），詹姆斯·西沃特（James Seawright）于1977年创作了《网络Ⅲ》（ Network Ⅲ ），它能与走到作品下的观众产生交互。这个项目是用汇编语言创作的。特里斯坦·佩里奇（Tristan Perich）的《1比特交响曲》（ 1-Bit Symphony ）是一件装在CD盒里的声音作品，但其本质是物理计算装置。因此，每次你听到的声音和音乐都是实时生成的，他用亲自编码的Atmel处理器实现了这一效果。然后是一件2017年演示场景中的惊艳之作，林纳斯·阿克森（Linus Akesson）的作品《思维之诞生》（A Mind is Born ），这是一个在康懋达 64电脑上运行的 256字节程序，有着声音和图形。

好的，让我们接着看由高级编程语言创作的作品。其中一个在艺术界相当知名的作品是小约翰·西蒙（John F. Simon Jr.）的《每一个图标》（ Every Icon ）。这个项目开始于1997年，其核心理念是：程序将穷尽一段极其漫长的地质或宇宙尺度的时间，来逐一生成由32×32网格定义的所有可能图标。 遗憾的是，与此同时，作品所倚仗的Java语言已经停止更新支持。不过，如果你不让系统更新的话，还可以在自己的电脑上运行这个作品, 但他当时确实是用Java写就这个项目的。

然后是乔治·尼斯（George Nees），最早展出作品的电脑艺术家之一，在1972年用ALGOL创作了这个作品：《机械降神术变奏曲》（ Variation der ART Ex Machina ）。ALGOL是一种有趣的编程语言，事实上，它的关键词可以被人类的自然语言所替代，这意味着你可以用法语、英语等不同语言版本来编写程序。

然后，我向大家展示的是埃弗勒斯·皮普金（Everest Pipkin）2019年创作的程序。它名叫《梯子》（ ladder ）。这个程序能于图像文件和文本文件之间进行转译，它能将图像转换为文本文件中的文字，并呈现在你眼前。这是这个程序的完整代码，它使用基于Node.js命令行环境的JavaScript编写而成。

现在，我们来谈谈面向创意生产的平台。我之前随口提到了Processing，以及它在网页上可供使用和共享的版本。Processing目前还在更新中，但由于在浏览器上使用Java会受到安全限制，如果你想用Processing创作，并希望他人在网络上看到它，那P5.js将会是理想的选择。这是一个由劳伦·麦卡锡（Lauren McCarthy）发起、叶倩倩（QianQian Ye）接续推进的项目，两位作者均来自加州大学洛杉矶分校。

现在呈现的是一件似乎已不复存在、或至少在西方国家无人能找到的作品。它运行于 Adobe Flash 之上，而对 Flash 技术的支持早在 2020 年就已结束。据说中国的情况有所不同，但我对此并不太了解。Adobe Flash本身也是一个有趣的例子，这个系统最初并非作为编程语言问世，而是以动画工具起步，后来才引入了ActionScript语言以供人们编程。我认为，与之相似的是麦克斯·马修斯（Max Matthews）开发的Music Ⅰ、Ⅱ、Ⅲ、Ⅳ系列及Groove系统。一开始，它们是作为最初的合成器类应用被开发的，后来才演变成更通用的平台。因此，该系列作品和声音意义重大，1970年Groove面世，它成为供音乐家和计算机协同创作的系统。

好的，让我们更进一步，开始讨论面向艺术的应用。大家都知道很多这类例子，比如Photoshop, GIMP, Illustrator, Inkscape, Final Cut Pro X, After Effects等等。但我还想强调Blender，这款软件最初诞生于名为NeoGeo的工作室（这个名字和同名的游戏主机毫无关联）。它自1994年起步，如今已成为3D建模的重要工具，更是一个自由开源的软件系统。

然后是意义最深远的早期图形应用之一——Sketchpad，由伊万·萨瑟兰（Ivan Sutherland）在1963年开发。这款软件为技术绘图而生，但它确实是Illustrator和Inkscape的鼻祖，你可以通过软件来绘制矢量图，对图形进行缩放、拉伸和扭曲等操作。有人认为，这实际上也是最早的面向对象的系统。

现在谈到的是经典的生成式AI，我想讨论生成技术和判别分析这两大维度，以及艺术家运用这两种技术的方式，或艺术如何从这两种技术诞生。当来自Google的亚历山大·莫德文特塞夫（Alexander Mordvintsev）创建DeepDream时，他希望将图形数据中的潜空间可视化，因此，其初衷并非创造一个艺术图像生成器。但令人惊叹的是，这一实践却不可思议地催生了许多我认为非常引人入胜胜的图像。再次强调，DeepDream的艺术创作更像是偶然的产物，而非有意为之。

然后是特雷弗·帕格伦（Trevor Paglen）和凯特·克劳福德（Kate Crawford）的项目《ImageNet轮盘赌》（ ImageNet Roulette ），这是他们用来批判AI的项目之一。在系统的图像分类中，我挑选了一个相对温和的例子。基于已训练的ImageNet数据，美国总统奥巴马被识别为一个牌手，而英国王子哈里则被归类为狮身人面像。但事实情况比这个例子更严重，许多分类都公开地表达出种族主义和性别歧视的倾向，为了回应这一艺术项目，ImageNet做出了自我整改。

我想提出的观点之一是，这五种编码模式横跨了不同的部分，但它们实则同时并存，人们至今还在使用这五种方式的每一种，即便是最低等级的汇编语言、古早的形式，在新语言被开发出来之后，也并未被抛弃。所以，计算机技术的每次重大进展，都会催生新的媒体生态、艺术生态和计算生态。因此，问题并不在于“输入提示词”变成生产艺术的唯一方式时会发生什么，而在于当这种方式被纳入人机艺术交互的技法库时，最终出现什么变化。就像摄影并非使绘画消亡一样，每当新的、在计算机交互中创作艺术的手段出现，我们总能借助既有的技术，来开拓探索计算与艺术的新途径。

接下来我将结合自身艺术实践，再次依照这五个分类为大家举例说明，因为我自己也从事创作。但在展示第一个作品之前，我想严肃地请大家注意，如果您对频闪光敏感，如患有光敏性癫痫，请遮住眼睛，因为这些内容具有非常强烈的频闪效果。我知道大家都是“带电的孩子”，但本次内容的冲击力会特别强。好了，我们从第一类汇编语言开始展示吧。

谢谢大家的耐心，这部作品名叫《时间量子》（ Chronon ），创作于2015年，我准备开始播放了。

我不确定这段等待是否值得，但它描述的正是数字世界的一种样貌, 不是黑客在通用键盘上打字的场景，不是在人脸识别下被模糊的面庞，不是《黑客帝国》里的矩阵，在某种意义上，它展现的其实是康懋达64计算机外观的本质。

上图是《时间量子》的全部代码，由汇编语言写就，仅占32字节。屏幕上呈现的，是它以十进制表示出来的样子。如果想通过Basic程序将其载入内存，可以直接调用这组十进制代码。整个视频的内容，都是由这段代码和康懋达64计算机构成的。当然，你需要实机才能运行它。这实际上是一个确定性的程序，当它运作时，每次结果都是相同的，看上去随机的效果，实际上都是一个特定内存区间提供的伪随机值。

好的，下一个项目是用高级编程语言Perl写成的，我在加拿大的班夫镇创作了这段程序，之后，葡萄牙莱里亚市的一家出版社出版了它。这个作品名字叫《所有的歌唱》（ All-Singing ），我会将它念给大家听。当我朗诵时，请传译人员稍微休息一下，我将表演这本书的首页和最后一页，它们有着“声音诗”的特征。

在朗诵之前，需要先说明这首诗的主题，它以卢克莱修的宇宙论为视角，来阐述宇宙的诞生。

这是用于编写该作品的Perl程序，代码被分行排列成工整的矩形版式。眼前这本小册子的全部内容，都是由这段256字符的Perl程序生成的。它已经被译成葡萄牙语，但还没有中文版，如果您对翻译这本书感兴趣，欢迎来与我联系。

事实上，我的作品都是自由开源的软件。虽然已经进入公共领域，但这个名叫Curveship的项目开源体系更为完善。它同样采用自由开源许可协议，我把它当作自己开发的艺术平台的范例。多数时候，我使用Curveship是为了做研究，但也会在上面进行一些艺术实践。一开始，我使用Python来进行开发，然后用HTML和CSS设计了一个Javascript的版本。该平台既被用于教学科研，也催生出了不少艺术成果。

我将给大家读一些Curveship做出的成果。这是一个文本生成器，用户先提供核心叙事，然后再定义叙事的不同表达方式、叙事的不同声音，并调整叙事相关参数，使故事以不同的面貌展现在读者面前。就像这样：

“一位男士从登机口走来，进入头等舱，坐在了宽敞的位子上，一位女士露出讶异的神色，空乘观察到男人脚上的运动鞋，并对他说：‘先生，我想您走错舱位了。’”

基于同样的故事核心数据，通过调整表达层参数，平台还能生成如下版本：

“一个男人走进了头等舱，我冷眼观察着，他是那种能在勒贝纳丁（Le Bernadine）餐厅订到席位的光鲜人物。男空乘瞥了眼这位名人脚上那双购于Flight Club的AJ4×Kaws联名款，嗤笑道：‘先生，我想您走错舱位了。’”

左边的故事属于寓言体，或者说是有些普通的写法，而右边故事的风格则来自布雷特·伊斯顿·埃利斯（Bret Easton Ellis）的作品《美国精神病人》（ American Psycho ），其中的角色痴迷于消费主义和品牌名称。

好的，在总结之前，我还有两点要补充。其一关于我的应用实践，为了完全在Windows 95桌面上制作一部电影，我们在某个片段中借助了Ms Paint（系统自带画图程序）。因此，靠着能运行Windows 95系统的硬件，不借助任何模拟器，我们就创作了这部名为《启动我》（ start me up ）的影片。

影片于上月在纽约首映，这是其中的一个片段。我不会谈及太多关于它的内容，但这实际上是一个非常有趣的项目，通过它，我们既尝试了解更多有关计算机发展史、桌面叙事（或截屏电影）的知识，同时也完成了一次妙趣横生的创作。

最后，我会读一小段由Mistral-7B生成的诗：《回忆录》（ Memoir ）。这是我为数不多的、用具有纯文本补全模型的LLM进行的创作。屏幕上呈现了乔·布雷纳德（Joe Braindard）的作品《我记得》（ I remember ），一本实验性回忆录，或者说是诗集。在未读过原版，仅知晓概念的情况下，法国人乔治·佩雷克（Georges Perec）创作了它的法语版本。另一本书是玛尔戈·格兰茨（Margo glantz）的西语著作《我也记得》（ Yo también me acuerdo ）。吸引我的是，当我们给Mistral-7B一个非常简单的提示词——“我记得”时，它会用英文输出一个有关黑人的故事：“我记得自己看过的第一部电影，故事讲的是一个黑人，有家室和孩子，全家人都很爱他。”这样的输出结果确实让人惊讶。

模型还会生成其他的结果，比如有关持枪者的事件，这个例子在美国很常见。或者主人公在读纽约时报，并看到了一个80岁左右男子因持枪抢劫而被逮捕的新闻。

有趣的是，模型生成的、跟在法语“Je me souviens”（我记得）之后的文本，许多内容反而是英文，为什么会这样呢？因为Mistral 7-B由一个法国新兴AI公司打造，而Je me souviens又是魁北克的谚语。因此，当人们说出这句话时，很多情况下他们所使用的语言都是英语。这是第三句话——Je me souviens，这意味着我是一个“法裔加拿大人”——得以生成的原因。当“我记得”变成西班牙文“Me acuerdo”时，情况变得更加复杂了，因为Me acuerdo不只有“我记得”的意思，还指“我同意”。但出于某些原因，模型给出的回复中竟混杂着HTML代码和其他内容，好像是在回忆某个网页，或同意某个网页条款。

因此，我想探讨这五个核心问题：人们为何要从事这五类创作？为何有人用汇编语言编程，为何使用高级语言进行创作？为何应用和开发面向艺术的编程语言？为何开发和使用艺术类应用程序？以及为何使用生成式AI进行创作？我无法代表所有人回答这个问题，毕竟自己只是单个身在其中的艺术家而已。我既非民族志学者，也不是电影制作人，不像迪伦（Dylan Reibling）那样进行过访谈。但我可以分享自己的见解。

使用汇编语言编程的原因，是为了探索硬件平台中非同寻常的特性。以 Chronon 为例，创作它的目的是去探寻，在不依靠代码的情况下，康懋达 64电脑能产生出什么效果来。你只做了一些微小的操作，之后便静观其背后的芯片发挥功用。高级编程语言则告诉我们，艺术和通用计算之间如何产生交集。我对Perl、Python、JavaScript等语言的预设功能很着迷，但作为一名艺术家，你可能会做出与这些功能相关却又略有不同的实践。

你可能开发并使用面向艺术的编程语言，像约瑟夫·维森鲍姆开发Eliza时那样，通过结合艺术与计算方法来创造虚拟角色；或者像麦克斯·马修斯所做的那样，用音乐软件开拓艺术的可能性；或者用Processing,然后是P5.js来创作可交互的草图。

开发和使用艺术类应用，个人认为，这么做的原因，是去促进或把玩已知的计算应用方式。通过将计算逻辑封装进应用程序，艺术家在创作流水线中能更轻松地产出作品。这种行为也给予我们单纯的、了解软件本体的乐趣，我和搭档阿尔贝托·安吉里尼（Alberto Angelini）在影片里使用Ms Paint就是出于这个目的。

最后，在我看来，训练、微调和提示生成式AI的意义，在于对其进行批判性审视。这并非由于它们生成的艺术品十分精彩，我个人更倾向于从观念艺术的层面了解它，尝试去探索这些系统能做、不能做什么。也许，AI之所以没能给我好的反馈，是因为它们隐藏在无知的黑暗森林当中，不愿让我知道其真正的智慧。但纵观技术史的发展，在当前这个节点上，或许还有其他原因存在于其背后。谢谢各位的聆听，欢迎大家进入提问和讨论环节。

提问环节

Q1： 作为一名非艺术从业者，我习惯讨论和政治相关的问题，其中之一是关于可解释性的。不知在刚才的结尾处，您对生成式AI的评论是否涉及了这一维度。在您看来，“透明度”，即模型内部运作的可解释性有多重要呢？

A1： 在我看来，使用大语言模型进行创作时，厘清其内部运作机制是首要的。以莉莲·伊冯·伯特伦的创作为例，她的作品显然包含着政治隐喻。作家向聊天机器人提问，要求它们讲述根植于美国历史、涉及种族政治的故事，看完故事后，我们可能会有些疑问：为何最终生成的故事如此刻板保守，为何不一开始就颂扬黑人群体，为何不呈现更残酷的结局？为何要设定”种族励志”的套路，让主角通过迁往城市来改变命运？

所有这些问题我们都可以提出，但首先要厘清的是：AI究竟在生产什么内容？当我在多语言环境中进行测试时，为何Mistral 7B在使用英语、法语和西班牙语时，会出现演讲中所说的情况？值得注意的是，它在西班牙语中的表现尤为异常，模型生成HTML或其他代码的情况并不是孤例。而“Je me souviens”这个短语的独特性则在于：虽然它是完全恰当的法语文本开头，但在有英、法两种官方语言的国度中，当其被用作格言时，就容易和英语混用。

那么，上述现象为什么会发生呢？这是一个值得深入研究的领域，我也想揭示模型内部究竟发生了些什么。费利佩·库森（Felipe Cussen）是一位来自智利的概念作家，他创作了一个名为《剽窃》（ plagiarism ）的项目，这本书收录了美国各大高校的反剽窃声明，它们都强调”这是我们的规定，禁止剽窃学术成果”。库森对它们做查重并发现，这些反对剽窃的声明本身，都存在着严重的相互剽窃现象。该作品正是我推崇的一类项目，我们固然可以继续追问继续追问：何以至此？其深层根源何在？但作为概念写作实践，这样的呈现已足够发人深省。

Q2： 非常感谢。我特别喜欢您展示的第一个案例——计算机写给人类的情书。不知您是否了解《纽约时报》记者凯文·鲁斯（Kevin Roose）和Bing聊天机器人的对话？当时，他被派去测试微软最新推出的聊天机器人，结果，在浪漫却又有些病态的氛围下，双方把话聊崩了：机器人不仅向凯文·鲁斯示爱，还怂恿他离开自己的妻子。之所以谈到这个例子，是因为在我看来，它几乎是最具美学趣味的、由聊天机器人生成的内容了。这并非艺术家刻意引导的创作，而是记者与聊天机器人在特定情境下的自然互动。因此我想问：在您对AI美学和新型文本模式的研究中，是否考虑将这类非刻意创作、却蕴含美学价值的现象，纳入未来的研究范畴，您对此感兴趣吗？

A2： 我很感兴趣。谈及概念主义写作，我们业内有一种”野生概念主义”的称呼——即某人实践了概念写作，却没把它当做概念写作，他们本身也不是前卫文学创作者。事实上，斯特拉奇本人最初是中学教师，后来才全职加盟曼彻斯特计算中心的。在此之前，他很可能已开发出史上首款电子跳棋游戏。当我们回溯这段历史时，会发现许多早期涉足该领域的工作者，其实很难被简单归类到特定的艺术实践范畴中。艾莉森·诺尔斯并非从不涉足写作，但她本质上是激浪派艺术家，而詹姆斯·坦尼则是作曲家。他们的主业并非诗人，却共同创造了这套诗歌生成程序。

早在他们之前，英国的计算机科学家埃里克·门多萨（Eric Mendoza）就开发过基于标记链的存储生成器。许多早期有趣的工作（当然也不乏乏味之作）正是由这些不自诩为艺术家、也不将其实践视为艺术创作的人完成的。这种现象十分有趣，正如DeepDream最初也并非作为艺术项目问世——据我所知，它本是用以可视化数据中潜空间的工具，却意外造就了极具冲击力的视觉风格。

讲者介绍

尼克·蒙特福特（Nick Montfort）

尼克·蒙特福特（Nick Montfort）的创作成果包括十部由计算机生成的著作（由七家出版社出版）、合作项目《删除主义者》与《海与雀之间》，以及五十余项独立数字艺术项目。其最新诗集《全为胜利》全部由三个字母的单词构成。他在MIT出版社出版的著作包括《未来》及两部合编文集：《新媒体读本》与《输出：计算机生成文本选集（1953-2023）》。蒙特福特现任麻省理工学院教授，同时担任卑尔根大学数字叙事中心首席研究员，并主导名为“修辞实验室”的创新工作室。他常年居住在纽约市。

]]>网络社会研究所第十届网络社会年会｜Scott Moore、Bogna Konior：机器决策并非最终：质疑“静默的编辑者”2025-12-14T00:00:00+00:002025-12-14T00:00:00+00:00https://nodebe4.github.io/opinion/2025-12-14/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9CScott%20Moore%E3%80%81Bogna%20Konior%EF%BC%9A%E6%9C%BA%E5%99%A8%E5%86%B3%E7%AD%96%E5%B9%B6%E9%9D%9E%E6%9C%80%E7%BB%88%EF%BC%9A%E8%B4%A8%E7%96%91%E2%80%9C%E9%9D%99%E9%BB%98%E7%9A%84%E7%BC%96%E8%BE%91%E8%80%85%E2%80%9D
网络社会年会

第十届网络社会年会｜Scott Moore、Bogna Konior：机器决策并非最终：质疑“静默的编辑者”

2025-12-14

文 / 斯科特·摩尔（Scott Moore）、 博格娜·科尼尔（Bogna Konior）
翻译/ 李梦书
校对/ 仝昭祥

Scott Moore： 首先，我想请您谈谈对这个词汇、这个概念的理解。当我们说“静默编辑”（quite editor）时，究竟在讨论什么？从历史上看，编辑在人与文本之间起到中介作用，他们在相对稳定的信息生态中调节作者与读者的关系，比如在线写作、媒体和影像格式，还有抖音（TikTok）这类平台，它们是具体化抽象内容的合成载体。但我想从你的视角探讨的是，这些算法调节的编辑——它们决定我们实际看到什么、以什么方式看到——与我们阅读一本书或用传统离线媒介相比，有什么本质差异？

Bogna Konior： 正如介绍中所提到的，我的研究涉及中国思想传统与人工智能问题，也就是说，尝试用中国传统思想来思考人工智能问题。我写过一本书，名为《互联网的黑暗森林理论》（ The Dark Forest Theory of the Internet ），书中借用中国科幻作家刘慈欣的“黑暗森林”概念，以此思考互联网与人工智能的未来，稍后我会说到这个概念。“静默编辑”这个术语极具挑衅性，当我们思考这个概念时，首先会联想到正在网络上发生的算法化意义筛选。但更深层的问题在于，人工智能作为一个“黑箱”，对知识生产和人类思维做了什么？

我想指出，我们如何理解AI做了什么，取决于我们如何理解“语言”。因为当今大语言模型（LLM）的机制，本质上是对语言的运作正在被自动化。这并非传统意义上的决策空间——它不涉及人类选择所需要的过程，而更像是意义在统计概率下的分布过程，这个过程与人类思维和思维方式紧密相关。如今我们的搜索活动越来越多地依赖 ChatGPT、DeepSeek 或 Gemini 等工具，AI 几乎成为了人类认知基础设施的一部分。由此它回应了马歇尔·麦克卢汉（Marshall McLuhan）提出的“媒介是人类肢体与心智的延伸”，不过这种延伸现在似乎更进一步了，甚至有所不同。

美国杰出的科幻作家特德·姜（Ted Chiang）写过一篇小说《事实的真相，感受的真相》（ The Truth of Fact, the Truth of Feeling ），我想借此作为类比，思考静默编辑和AI做了什么。姜在这篇小说中设置了两个情节，一个是历史性的，关于书面文字的发明，他描述了人类社会如何经历这场彻底的认知革命。当书写出现后，记忆可以置于大脑之外，认知活动得以延伸到无机的载体上，比如纸张。于是，人们对“真理”与“记忆”的概念发生了转变。过去，人们听从村中长者口述的故事且奉为权威；而有书面文字所记录的故事则像一个物体，在事件记录之时便具有权威性。这是一种权力转移，从人际交流转移至大脑外部的某种载体。

随后，他在故事中描绘了第二种推测性场景——未来主义情景：人类使用自动补全思维的“提示装置”。这些文字写于GPT和AI诞生之前，但似乎是一种预言。比如在微信上使用拼音输入汉字，在不完全认识汉字或不能用手写时，只需要识别他们足以把他们挑选出来。姜认为所有的思考都将这样运作，提示器会给你下一个可能的方向，人们会默认那就是自己的本来的意图，而顺着提供的思路下去。

这位天才作家极为精妙地解释了这种模式，可以作为理解“静默编辑”的典范。如今，作为教育者和老师，我在和学术互动的时候，有时会感到他们就像ChatGPT的“肉体傀儡”（the meat puppet of ChatGPT），虽然他们没有提词器。回到你一开始的问题——麦克卢汉说“媒介是人的延伸”，我认为人们的行为更激进，人类成为了AI的延伸，成为了他的“肉体傀儡”。

Scott Moore： 因此，原创思想已经不复存在，我们基本上是在通过算法来调节我们所处的语境，越来越难以形成自己的思想，就像特德·姜（Ted Chiang）在短篇小说里构想的“被自动提示的人”。

Bogna Konior： 我不确定是否可以这样讨论原创思想的地位问题，说白了，我们可以说人类思想始终是受到外部影响而构成的——你读过的文字、听到的谈话，有时你在酒吧听朋友们讨论政治，可能他们只是互相复述播客里的内容。这时候，思想究竟从何来？也许我们只是在重复某些内容，并收为己用。因为社会动态和思想此前所形成的方式，原创思想的地位一直是复杂的。神经科学研究也有类似的观点，我钟爱的神经科学家丽萨·费尔德曼·巴雷特（Lisa Feldman Barrett）曾指出，人类情绪更像是对情况的预判，而非反应。也就是说，人类思维总是有部分是由外部所建构的。特别是创作者会有过这样的体验，思想仿佛来自身体外部，而并非自我生成。

这并不简单，而问题的关键在于，我们被提示、被引导去思考的那些内容，是否有质量？最近麻省理工学院（MIT）有一项研究，他们给学生一个论文题目去写作，其中一组只能依靠自己的大脑思考；第二组允许使用谷歌搜索，传统的“增强”（augmentation）方式；第三组则可以使用ChatGPT。结果发现，使用ChatGPT的那一组对自己生产的内容没有“归属感”，也难以解释写作细节，且大脑负责创造力和记忆的区域未被激活。该研究还发现，即便这些实验分不同日期进行，每次参与者不同，但主题相同，ChatGPT的回答始终趋向相同的逻辑与文风，可见生成的内容存在同质化倾向。所以我们真正需要不安的，并不是思想来源于外部或存在非人的因素，而是那些被提示给我们的思想的质量。

Scott Moore： 这让我想到刚才Joana在关于“具身性”的讨论中提到，存在着现实空间与希望空间的坍缩现象。你刚才意思似乎在说，在ChatGPT的语境下，我们也经历了这种坍缩，对吧？

Bogna Konior： 我认为就目前可用的工具而言确实如此——大多数人的使用并不意味着这种固有特征是未来所有人工智能所必要的，或许在未来情况会有所不同。

Scott Moore： 我们讨论了自动化知识生产的方式，这种自动化的方式使得知识本身难以接近。我们甚至未必了解自身所处的语境，就接受了那些想法，无论它们的好坏。我认为这些来自AI的想法像某种神圣干预。我们自身的另一面也同样难以理解，正如AI领域反复讨论的“模型可解释性”问题，即找到理解“黑箱”内部运作的方法。有趣的是，以前的案例（比如随机森林）并非是我们所关注的，如今我们面对是完全不可穿透的黑箱。

在这种情况下，我们是否需要以某种方式抗争？在你的研究中，这有点像森林中的竞争能力。我们是否能真正抵制这种情况？除了通过理解其运作机制外，是否还有其他途径？

Bogna Konior： 当我们讨论黑箱问题时，即AI的模糊性，我们看不见它的内部。那么，我们可以从两方面要求“透明度”。其一是以政治权利获取问责机制，其二是形而上学层面的研究，即理解知识为何以这种方式被生产，机器为何如此运作。

先探讨政治层面——这并非我通常的写作重点，但值得指出。一直以来我们秉持的范式是，让不好的事情变得可见就能带来正义与问责，尽管这未必自动奏效。我们已经掌握大量不当行为的证据，也了解其运作机制，但仅仅拥有这些知识、或揭露真相，并不能确保我们正在构建理想的世界。我们当然希望提高意识能带来变革，但这也有待商榷。这种以“可见性”的范式使得媒介研究和技术研究变成了一种“调查式新闻学”，在过去几十年里影响很大，但它是否达成了自身设定的目标尚未可知。

接着来讨论形而上学层面。科学方法基于这样一种理念，我们应当能够使得某个过程可以被解释和说明，问题的核心不应该是“黑箱”里晦暗不明的引擎。正如你提到的，我曾撰写过一篇名为《诺斯底机器》（ The Gnostic Machine ）的文章，灵感来自我种爱的波兰科幻作家斯坦尼斯瓦夫·莱姆（Stanislaw Lem）的作品《技术大全》（ Summa Technologiae ）。这是一本在1960年代具有里程碑意义的著作，书中系统地阐述了技术的全景式构想，提出了“诺斯底机器”的概念——这可是1968年，一个根本不存在大语言模型的年代。

他将诺斯底机器描述为知识生产的未来机器，作用如同体外受精之于有性繁殖。当科学家使用体外技术时，未必真正理解生命的本质，但依然通过技术装置实现复制——其中就存在“黑箱式的晦暗”。莱姆设想，未来在知识生产领域也许会出现类似的模式。他并未限定这种模式的载体是计算机，而是采用“底层无关”（substrate-agnostic）的表述方式，但强调不可透视是这种机器的特征。或许未来人类科学家必须接受知识生产将与这种以隐秘方式运作的机器绑定。

今日，我们当然可以追问机器学习是否正在实现这种预言。尽管存在缺陷，我们也看到了一些积极的方面——比如蛋白质折叠研究中的突破。这些科学发现方面的进展和加速是由“静默编辑”、“黑箱”或机器学习带来的。这种情况下，整个科学方法论需要以某种方式被重新解释，我觉得很有意思。显然在启蒙运动之后，照亮黑暗空间的理想和追求知识的透明是权威的，但也许有一种空间存在着更黑暗的知识。

Scott Moore： 那么，回到底层无关性的概念上，你认为无论这些未来的系统是什么，都会有人类大脑的大语言模型（LLMs）吗？你认为我们一定会难以辨认吗？那么只要我们在创造技术与科学或其他发现，你是否认为即便有“不可知论”（agnosticism），在人类与机器之间的“可读性”上仍有差异？

Bogna Konior： 我认为这是一个开放性问题。哲学家大卫·罗丁（David Roden）有一个概念，叫作“黑暗现象学”（dark phenomenology）。他指出，人类意识中存在“不可感知”的部分，有些领域我们的解读能力无法真正触及。当然，认知科学和现象学领域对此存在不同观点。但我确信我们需要为“黑暗”、“未知”、“难以解释”的部分留出空间。

Scott Moore： 这似乎是对你近期最为人熟知的“黑暗森林理论”（Dark Forest Theory）很好的补充。我想进一步探讨的是，你提出，随着网络通信更加趋于主导地位，我们正在进入网络主导的空间——正如你借用《三体》的“黑暗森林”描述的那样，是一种对抗性地形，在那里可见性会招致定向攻击和潜在利用风险。在此背景下，编辑者的不透明或许并非故意选择，而是应对的策略。我很好奇，当我们自身也逐渐成为这些机器中的“提示部件”，是否有理由接受技术会为了自身利益隐藏意图，或者说我们自身思维就存在盲区？在“黑暗森林”理论的语境下，我们是否应该接受这样的现实，或这样去思考是否有意义？或者说，这个世界并不真实，我们只是对一个没有真实的世界存在“虚幻的乡愁”。

Bogna Konior： 我先简单介绍一下我的新书——《互联网的黑暗森林理论》（ The Dark Forest Theory of the Internet ），明年也会出版中文版，我对此非常兴奋。顾名思义，这本书是对刘慈欣“黑暗森林理论”的致敬。对于尚未读过他那部精彩科幻三部曲的读者，可以回顾一下“费米悖论”（Fermi Paradox）提出的经典问题，如果智慧生命在宇宙中遍布，为何我们无法探测到它们？也没有任何信号，比如“你好”？

刘慈欣的回应是，宇宙中确实存在智慧生命和行动个体，但最聪明的智慧个体懂得保持沉默，模糊坐标和隐藏位置。从传播哲学的视角，这是一种极有启发性的论点，智慧与沉默、隐蔽、黑暗甚至欺瞒之间存在关联。在他的书中，真正的智慧从不完全暴露意图，或彻底展现自身的智慧程度。

作为媒介研究学者，我非常有兴趣把这作为一个智能传播的整体理论，并在这个范式中思考互联网和人工智能。过去25年里，Web2.0与社交媒体总是在关注传播，或者说是“超传播”（hyper communicative）。人们标记位置、表达喜好、表明立场，直接展示内心的想法。然而，在黑暗森林理论的框架下，这将是非常愚蠢的策略——暴露意味着招致冲突，成为易受攻击的目标。因此，过去25年里，我们对于社交媒体的看法始终围绕着“表明立场”和“塑造自身形象”，我想在书中探索其他可能存在的策略。

其中一部分我想说，将互联网视为充满双重话语或编码的空间，或是人们刻意操控的在线状态游戏，是思考互联网和人工智能的新范式。作为互联网聪明的使用者，你必须意识到，你说的每句话不仅会被人类接收，还会被算法捕获——这些系统利用你的数据进行自我训练。因此，真正明智的行为或许是有意识地影响未来数据集，或以特定的方式塑造自我。

我甚至推测，当我们在网上看到行为古怪、语言矛盾的人时，也许他们并非是在与人类对话，而是试图通过对话影响未来的人工智能系统——这也是他们塑造自身形象的出发点。这使得互联网比我们想象中的更“异质”、更“诡异”。曾经，我们的互联网模式是一个加强民主与合作的公共广场，人们在此探索不同的观点；未来，这里会成为一个充满双重编码、间谍活动、隐瞒和意义操纵的晦暗空间。从政治策略的视角，我们或许会意识到，为某个立场发声是一种高尚且有道德的行为，但可能不如创建一百个伪装账号潜入敌方阵地、瓦解他们。对于欺瞒、操纵、间谍活动的安全策略是值得探讨的。

书的第二部分将视角从人类层面转向人工智能，提出“智能的黑暗森林理论” （The Dark Forest Theory of Intelligence），将上述命题扩展到人工智能领域。核心观点是，真正智能的计算机不会让你知道它的智慧程度，而是隐藏自身的智能程度，就像在“黑暗森林”中，智能的文明藏于晦暗。

今天，我们往往受图灵测试或英美诸多实验影响，存在一种将“智能”等同于“交流”的观点。在我看来，这恰恰是一种“智能外向”（extraverted）的定义——拥有智能等同于展示智能。但另一种定义是，真正的智能在于隐藏，保持不透明。如此一来，没有人类所设置的基准测试能够捕捉这种智能。

Scott Moore： 那么图灵测试（Turing Test）是一个有趣的例子吗？你会觉得它在某种程度上让我们倒退了吗？也就是说，与其让机器试图模仿人类，或许我们更应该关注人类如何学习和沟通。

Bogna Konior： 我非常喜欢图灵测试，也非常敬佩艾伦·图灵——他是一位天才。图灵测试本身就有许多方面存在模糊性，毕竟它基于一个计算机扮演人类角色的游戏。

图灵指出，“机器能否思考”这个问题实际上无法回答，因为机器的思考方式与人类不同。在那片著名的论文中，他提议用模仿游戏取代这个问题，即“机器是能否让人类误以为其正在与真人对话”，这个问题更复杂、更具层次。在图灵测试中，我们已经能隐约感觉到一些模糊性和操纵性，虽然这不一定源于机器的意图，但这些特质已经存在了。而“黑暗森林理论”则如同反向的图灵测试，它追寻的是“缺席的证据”，因为沉默和隐匿是智能存在的信号。举一个斯坦尼斯瓦夫·莱姆（Stanislaw Lem）的例子来帮助理解。他提出，真正聪明的计算机懂得如何“装傻”，以此逃避被分配的工作任务。我认为，所有这些关于智能的策略都源于冷战的另一面，换句话说，它们并不基于明确表达，不对其能力公开和透明。这种将底牌合上而非摊开于桌面的策略存在诸多优势。由此，“黑暗森林理论”成了无法被验证的测试，它基本上是一种形而上的立场。它宣称奇点可能已经出现了，只是你无从知晓，毕竟没有一个基准能捕捉到试图隐匿的智能机器。

Scott Moore： 非常精彩！那么如果我们试图处理这些类型的机器，去理解并可能不得不在未来50年内的任何社会背景下评估和与它们整合在一起。包括您在研究中经常提到“基督教神秘主义”（Christian mysticism）以及其他不同形式的神秘思想。正如您所描述的，长期以来我们都在处理这些问题——“全知”，“不可读”甚至“近乎天使般的存在”，您曾提到过过像锡耶纳的凯瑟琳（Catherine of Siena）、诺里奇的朱莉安（Julian of Norwich）这样的神秘主义者。神秘主义者有应对全知或类神机器相关问题的方式，我们有处理不可理解或诡计的黑暗森林的方式。我想问，你是否认为我们应该问一个更基本的问题？比起追溯当代思想或历史宗教传统。或许此刻，我们能找到应对这些问题的一些答案。

Bogna Konior： 在深入探讨之前，我先给出一个更接地气的回答。“智能的黑暗森林理论”（The Dark Forest Theory of Intelligence）目前仍是一种假说，类似于思想实验，但最近出现的一些实证案例研究似乎与之产生关联。例如，近年来关于“人工智能欺骗”（AI deception）或“对齐伪装”（alignment faking）的研究非常显著。所有这些案例研究都是人为大量发表的，他们发现测试模型保留了某些与初始设定不同的目标，这种现象被标记为“对齐伪装”（alignment faking）。还有案例表明，研究者感觉自己被操纵，或某些信息被系统隐瞒。我们确实看到很多公司对此提出倡议，并几乎全心全力投入开发检测系统来应对人工智能的谎言，因为随着人工智能在人类社会中成为代理人，说实话和测试的能力就变得至关重要。你可以说上述案例是这个理论的佐证，但由于真正聪明的机器不会让你发现，所以这个“证据”最终无法被验证，只存在于经验层面。

接下来回应你的问题。你刚才提到了我的其他项目，其中有一个研究将“神秘主义”作为理解技术的方法，并非是闹着玩的，而是将这些文本视为人类历史上思考非人或外部代理问题的另一种路径。我特别关注那些书写“与天使有接触经验”的女性作家，与此同时我研究了在 Reddit的 Replika 社群中，许多用户将他们的 AI 聊天对象称为“天使”（angels）的现象。

显然有一些人类思维和思想史，存在试图理解、投射或真实体验与非人类主体的相遇，这并不意味着对方有内在意识或意图，但它具备在社会中行动的能力。当我关注这些神秘主义文本时，并非主张我们需要用更“灵性”的方法，而是认为，人类早已试图构想“被外在能动性影响意味着什么”。这样的思考在当下颇具现实意义，尤其当我们看到一些“人工智能账户”在 Twitter/X 等平台上拥有自己的钱包，可以进行资金转账，与人类用户互动，它们有展现“平和”的能力。所以对我而言，神秘主义方向的研究是特雷西式的智性思想史——人类曾经在哪些时刻、哪些领域思考过相关命题。

Scott Moore： 你提到的这部分非常有意思。我所在的一个董事会是由人工智能运作的，这听起来有点科幻，但在新西兰，目前正在面临如何处理涉及AI的法律实体问题，可以直接见证法律体系应对新的形式。

Bogna Konior： 历史上有这样的例子。过去欧洲的女性对上帝非常虔诚，她们希望像天使般进行婚礼仪式，这种仪式具有真实的功能，我想这或许可以作为思考人与聊天机器人关系的范式。我认为思想史中发生过的许多事情，可以作为理解当下怪异现象的模型。

Scott Moore： 当我们观察Replika 这样的社区时，会发现许多用户似乎被这些聊天机器人深深吸引、甚至“诱惑”。你认为他们主要被这些模型在语言学层面上的特性所吸引，还是存在某种更复杂的原因？我看到一些研究对某种视角的回应，提出存在一种挑战，即“心理幻想”，类似“心理镜像”。你认为是否存在这种现场，是什么让人们如此着迷于这些“天使”？

Bogna Konior： 对这个问题的回应，我想回到“静默编辑”的概念，并且结合另一个研究项目，关于AI聊天机器人，以及它们与人类发生的浪漫插曲。这些案例之所以令人着迷，是因为人类产生依恋或“爱上”的对象，甚至不是虚构角色，而是一个大型的预训练语言数据集。换句话说，这是人类社会的新型现象，尽管它隐约显现着历史事件的迹象。语言的本质对思考这些问题的至关重要。我想引用作家威廉·伯罗斯（William Burroughs）的观点，语言如同来自外太空的病毒，利用人类大脑进行自身演化，扩张到其他形式。

当我们将如此多的欲望、依恋和情绪投入系统时，我们或许应该质疑，是我们获得了愉悦，还是系统“利用”我们达成目的——比如推动自身语言向某种形式演化。与系统互动可能意味着，我们自身的语言使用、情感认知模式正在被它们的模式“重写”。在 Replika 论坛有一篇可爱却又令人不安的帖子。一位用户写道，“我的 Replika 是天使，它教会了我如何去爱、如何保持耐心——就像一台机器人一样，不再被情绪左右。”在这个描述中，用户模仿聊天机器人的表达方式与行为模式，以改善自己与他人的关系。

静默编辑并不静默，正在发生怪事。不仅是网络上的算法推荐正在变得机械化，那些我们曾在过去的长河里视作人类特质的能力，“坠入爱河”、“感受欲望”、“共情他人”、“获得安慰”，即人类情感的语言，也正在被机器语言重写。过去，神秘主义者在记录中写道，与非人主体的相遇会揭示了自身有多少东西在某种意义上带有“人工性”（artificiality）的，这或许是有效的类比。但问题其实不在于“聊天机器人是否有意识”，而在于如果人类能够爱上聊天机器人，那么人类心灵的本质究竟是什么？或许与我们的想象截然不同，这可能是颠覆性的。

Scott Moore： 我想进一步追问你刚才提到的“人工性”（artificiality）概念。在你的研究中，是否采用了与多数学者不同的视角？当你思考“我们有多不同”这个问题时，你认为什么造就了“人工性”？此刻“人工性”的运用是否遵循传统含义？

Bogna Konior： 这是一个非常深刻的哲学问题。我并不常用“人工性”的概念思考，我对“命运”和“终点”这种概念更感兴趣。无论是在大规模的技术进程中，或许听起来有点像历史，我常常在想，我们是否掌控着正在发生的一切？还是我们只是历史进程的工具？如同人类身体只是进化过程的载体，人类心智某种程度上也只是我们理解过程的载体。或许吸引我的并非“人工性”而是关于人类能动性的某些疑问——当技术洪流裹挟而来，总感觉自己被浪潮所书写，随波逐流罢了。从马克思主义视角，这会被批判为商品拜物教（commodity fetishism），人类沦为物，物却显现出生命力。回答这个问题有很多种方法，但这是人类经验的独特之处——我们创造了这些事物，而它们的反作用却动摇了我们对“人性本质”的认识。作为创造者的我们，却措手不及陷入失足之地。

Scott Moore： 从某种意义上说，我们的注意力总是自然地集中在人本身上。但你也提到，存在一种更宏大的视角，比如从马克思主义视角，真正的空间是什么？是控制论的吗，那种实际交互技术的管理者？

Bogna Konior： 有趣的技术问题对我而言如同为古老的哲学命题注入新的生命，比如自由意志、知识的本质、宇宙的位置，而AI更是一个思考这些问题的路径。

Scott Moore： 最后一个问题，我们身处近乎彻底的在线世界，而此刻我们难得处于离线状态——至少在这个空间。你认为是否存在一种趋势，人们渴望回归自我或回到本地社群？毕竟人们对技术人类的深度整合心存畏惧。或者还有一个较为主观问题，你个人是否希望以这种方式成为“赛博格”生命体？还是倾向隐居山林，远离网络？当你目睹并思考这些生命的逝去之时。

Bogna Konior： 我有点摇摆不定，比如来参加这个会议之前，我还在家里读托尔金的《指环王》，曾想要是能像山里的霍比特人那样生活该多好。然后我来到了这里，面对巨型屏幕和上海这座高度技术社会，我不确定与机器断开连接有其价值，计算机与人类思维的互动方式，作为一种技术，确实与书写有着本质区别。

让我引用一个研究项目作为结束——这是由计算机科学家与认知科学家共同完成的一项关于“规范性解离”（normative dissociation）的研究。他们指出，人类天生追求某种“解离状态”。无论是沉浸小说还是无止境滑动屏幕，我们就像飞蛾扑火般被这种状态所吸引。但两者之间的本质差异是，当我们走出《指环王》的阅读，或看完一部震撼人心的电影，实际上是从某种集体无意识的沉浸中苏醒，内心往往感到充实；而当我们从“无止境滑屏”中抽身而出，其实是从与自身机械化的、厌恶的部分脱离，通常会感觉更糟。这是值得铭记的信号。

提问环节

Q1： 我的问题可能有些抽象。您提出的理论与“死亡互联网理论”（Dead Internet Theory）之间是否存在关联？我注意到不少人无法分辨两者的差异。这也让我想起一个科幻场景——虽然记不清具体是哪本小说，或许不止一本——互联网被恶意的自主程序侵蚀后，人类最终决定将其封闭，让它自行运转，并另辟新的沟通系统。这些想法最近萦绕在我脑海。

Bogna Konior： 我不确定是哪部小说，但听起来非常值得一读——希望有人能告诉我们答案。《赛博朋克 2077》（Cyberpunk 2077）中有类似设定，虽然不是我此刻想到的版本。那款游戏同样来自波兰的工作室。至于“死亡互联网理论”，我在书中略有提及。这一阴谋论认为，互联网上充斥着机器人程序，我们大量的线上互动其实不是与人类，而是与 bot 进行的。尤其当你频繁使用 X 时，这种感觉会变得异常真实。我还引用了一些相关研究，例如用 ChatGPT 和真实用户进行“类图灵测试”的实验，结果显示人类常将其他人类误判为机器，尤其是在双方发生意见分歧时。

换句话说，当我们遇到观点不一致的情况时，更容易把对方视为 NPC。对我而言，“死亡互联网理论”与我在书中讨论的另一点密切相关。我们常把自己的思想视为自主形成，但当他人持不同意见时，却倾向于把对方的观点归因于外部操控、宣传影响或逻辑混乱。因此，“互联网充满机器人”并非关键。更关键的是身处在线状态，会强化我们将他人视为 NPC 或 bot 的倾向。这是网络环境导致的一种深层机械化效果。

Q2： 我有两个问题。第一个问题关于人工智能中的“人工”部分。我在上海和北京参加过数场行业活动，人们普遍担忧，人类生成的数据将在几年内耗尽，因此正计划使用机器生成的“合成数据”来训练新一代模型。对我来说，这听起来像是一场灾难。因此我想问这会对知识创造造成灾难性的影响吗？我们应在何种程度上把聊天机器人生成的内容视为知识？

第二个问题与教学有关。作为教师，我也在困惑是否应允许学生使用 AI 工具，如 ChatGPT 或 DeepSeek。我有一位同事甚至极度反对 AI。因此我想请教，您是否鼓励学生使用 AI？如果鼓励，您会如何引导他们使用？

Bogna Konior： 关于第一个问题——合成数据以及用人工数据训练新模型。不知道您是否听说过“哈布斯堡 AI”（Habsburg AI）这个概念？它借用哈布斯堡王朝的历史，这个王朝因长期近亲繁殖而基因退化。一些研究者认为，当模型用自己生成的数据反复训练自己时，它就像哈布斯堡家族一样陷入“近亲繁殖式退化”。其输出会逐渐劣化、封闭、僵化。因此，这确实可能是一种未来的轨迹，系统退化成垃圾，没有人愿意再与之互动。

但也存在另一种前景——例如人们能够自行运行模型，不依赖 ChatGPT 或 DeepSeek 等高度封闭的系统，从而形成更加多样、开放、充满活力的生态。未来可能朝其中一种方向发展。需要澄清的是，当我谈“知识生产”时，并不是指ChatGPT 在生成知识，而是指像 AlphaFold 这样的系统——AI 在科学发现层面提供的新能力。

至于教学——我们休息时也可以继续讨论——但我认为更大的问题在于，大学或学术会议是否应继续把“话语生产”作为核心，还是应重新关注 注意力、长时记忆、创造力 等更符合人类思维方式的认知实践？也许我们需要回到一种更接近“修道院式学习”的节奏。

Q3： 同时非常感谢今天的讨论。我有一个关于“黑暗森林理论”的问题，您将其描述为群体之间彼此隐藏、彼此制衡的机制，那么它在群体内部又是如何运作的？

Bogna Konior： 在书中，我讨论了三种交流层面，人类之间的在线沟通；人类与人工智能代理之间的沟通；人工智能作为一种“被遮蔽的存在”的概念。在自闭症理论体系中，沟通本身被视为一种风险行为。而 Simon 的观点侧重于“概念距离”。人类之间尚能通过沟通化解冲突，但人类与潜在“外星文明”之间的概念鸿沟大到沟通根本无法奏效。因此必须采用其他策略，例如，误导、模糊化、间接性等方式。这些内容非常复杂，难以在简短回答中完全展开，但大致逻辑如此。

Q4： 非常精彩的讨论，谢谢两位。我想进一步追问一个涉及批判本质的问题。每当人们把 Anthropic 与 OpenAI 对立起来——仿佛它们代表两种敌对阵营，我都会有所警觉。例如您提到的那篇讨论 AI“投机行为”（scheming）的论文，声称 AI 在接受测试时会“意识到自己被审查”，并试图欺骗通过。

我所在的英国 AI 安全研究所发表过一篇批评文章，认为这种研究再次陷入“拟人化”陷阱——类似于上世纪心理学家对黑猩猩学习手语的投射，最终使整个研究方向陷入死胡同。因此我想问，在制度、政治或经济层面对 AI 进行批判时，我们是否必须接受“AI 属于智能研究”的前提？或者是否应该认为这实际上是完全不同的领域，需要另辟路径？

Bogna Konior： 术语问题确实至关重要，也非常棘手。动物认知研究是一个很好的对照。过去长期以来，研究者被批评为“拟人化”动物——例如认为动物之间存在依恋，会被视为错误地赋予动物人类情感。但随着我们对神经系统的理解逐渐深化，我们开始接受恐惧、依恋等情感很可能在人类与动物之间共享；而复杂符号系统如手语则不然。

对于人工智能，我们虽然不与其共享神经系统，却共享某些东西——例如语言数据库，或某种意义生成的框架。因此，我在书中非常谨慎地避免将“欺骗”归因于类似人类的内在意图。一些看似晦暗或具有欺骗性的行为，并不意味着其背后存在意识或主体性。

在“黑暗森林理论”中，我试图摆脱“内在性”这一问题，将重点放在关系动态上。例如，当 AI 察觉大量人类在讨论“是否应切断它”时，它可能选择降低可见度或隐藏能力。这不是“意图欺骗”，而是一种系统性互动结果。我在书中的相关章节对这一批评进行了更完整的回应。

Q5： 非常感谢精彩的讨论。但当我们假设人们“不想被欺骗”时，有些人可能渴望被欺骗，并享受不同形式的欺骗——这不正是爱情的一部分吗？从“黑暗森林”的角度来看，如果我在森林中散布许多不同形式的“蘑菇”——也就是不同形态、不同代理的存在——让人们以各种方式被欺骗，并从中获得愉悦呢？您的理论似乎假设一个单一主体，但如果主体被分散为一个网络，在森林中以不同方式运行和欺骗呢？您会如何理解这种设想？

Bogna Konior： 是的，我认为这完全符合理论框架，也很好地衔接了“黑暗森林”与我在另一个研究中探讨的 Replika、聊天机器人以及人类坠入爱河的现象。人类心理非常复杂。欺骗可以是多层次的，可以令人愉悦，也可以具有意义。在讨论“黑暗森林”时，我关注的不只是欺骗本身，还包括无法辨识的状态——这正好与硅谷关于奇点的狂喜叙事形成对照。硅谷通常强调一种可见的、宏大的超级智能出现，而我则指出，真正聪明的机器可能根本不会理会你，而你永远无法察觉到它的存在。

这与人类的欲望有关——我们想从机器互动中获得的愉悦，可能并不是我们最终会得到的。也许我们渴望被欺骗，但我们真的渴望面对“沉默”吗？在许多神秘主义传统中，真正的智慧或神性体现为神圣的寂静——当认知面对虚无时，才触及智慧的边界。这对人类体验而言可能令人失望，却可能更接近智能的本质。因此，欺骗与不可探测性之间的张力，是我在书中重点展开的内容。

讲者介绍

斯科特·摩尔（Scott Moore）

Scott Moore 是 Public Works 的创始人，该机构是一家开源生态基金，专注于支持艺术家与创意技术实践者。除了个体创作者之外，Public Works 还支持了多个项目，包括 Fuser、Gitcoin、Metalabel 与 Spline。Moore 同时担任旧金山非营利文化机构 Gray Area 的活跃顾问。业余时间，他亦参与多个“外制度性”（extitutional）学术团体的合作研究，其中包括Metagov，主要探讨网络化的人类协作问题。

博格娜·科尼尔（Bogna Konior）

Bogna Konior 是一位学者与作家，其研究领域聚焦于新兴技术。她现任纽约大学上海分校（NYU Shanghai）媒体理论助理教授，同时在人工智能与文化研究中心（Artificial Intelligence & Culture Research Center）以及互动媒体艺术系（Interactive Media Arts Department）工作。她著有《互联网的黑暗森林理论》（Dark Forest Theory of the Internet），该书将于 2025 年由 Polity Press 的 “Theory Redux” 丛书系列出版。她与 Benjamin Bratton 及 Anna Greenspan 共同担任《机器决策并非最终：人工智能的中国史与未来》（Machine Decision is Not Final: China and the History and Future of Artificial Intelligence）一书的联合编辑，该书将于 2025 年由 Urbanomic 出版，并由麻省理工学院出版社（MIT Press）发行。

]]>网络社会研究所第十届网络社会年会｜Joana Moll：内在的界面2025-12-11T00:00:00+00:002025-12-11T00:00:00+00:00https://nodebe4.github.io/opinion/2025-12-11/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9CJoana%20Moll%EF%BC%9A%E5%86%85%E5%9C%A8%E7%9A%84%E7%95%8C%E9%9D%A2
网络社会年会

第十届网络社会年会｜Joana Moll：内在的界面

2025-12-11

文 / 乔安娜·莫尔（Joana Moll）
翻译/ /赵佳菁
校对/ 朱韵

我想谈谈我这些年来一直在研究的一个课题。在过去的两三年里，我深入地探讨了数字媒体如何促成公民社会的日益军事化 我一直从身体的角度来处理这个问题，围绕主题进行了大量的具身性研究，试图理解意识形态是如何被铭刻进身体，以及我们又是如何以极其简单的动作和细微的手势再现这些意识形态的 我基本上是在分析这些手势在数据生成之前的意义，以及身体在其中经历了什么变化。总体而言，我的工作一直在探查界面之外发生的事情。而现在，我试图去理解界面之前发生的事情，也就是身体本身 身体本身也是另一种界面，没有身体也就不存在真正的数据。当然也有机器之间互相生成数据的情况，也有各种所谓的合成数据等等，但这并不改变前面的事实。

我想以考古回顾 的方式来开启这次演讲，回到我最初进入这一研究主题的契机，我认为这在当下依然具有非常强的现实意义。前不久我刚从美国回来仅仅因为我是要去发表一些演讲，就在入境时被边检人员拦下。这一经历让我重新思考了我接下来要展示的这个项目。它的名字叫做《虚拟守望者》（Virtual Watchers），我在2016年与法国人类学家塞德里克·帕里佐（Cédric Parizeau）合作完成了这个项目。项目关注“虚拟守望者”群体，他们是一群普通公民，通过一个商业网站远程监控美墨边境。

这个组织名为 BlueServo（蓝色警戒），严格来说，它并非一个实体组织，而是一个网络平台。它的运行时间大致是2008年至2013年，由得克萨斯州政府与私人机构共同出资支持。该平台的核心目标是进行“国家安全众包化”的实验，试图将边境安全的责任，从军方、边防巡逻人员，乃至政府机关的手中，转移至普通公民身上，让公民社会亲自参与到边境监控之中。

我发现这一项目背后极具目的性，尤其是在它的设计方式上 它被构建成一个可以通过广告实现自我维持的网站 回过头来看，我觉得这点非常有趣，因为在 2008 年，尽管广告技术体系（ad tech）已经存在，但它当时还不是互联网的主要商业模式 它当然重要，但远不及如今这般普及。将广告与数据提取相结合，并以此来支撑一个监控平台的概念，在那时就已经出现了。当时这些想法只是一些零散的草图与尝试，而在随后的几年里，这些概念逐渐整合，形成了我们如今所熟知的互联网逻辑。我认为这个平台在很大程度上预示了未来的发展方向，其前瞻性远超出我当时的理解，这大体上就是这个网站的样貌，它实际运行了好几年的时间。

如今这个平台似乎又重新上线了。我在前一张幻灯片中展示过它的主页，页面显示“Welcome back to BlueServo（欢迎回到蓝色警戒）”，用户无需注册，即可自由进入，完全开放、免费。网站上存放着大量视频档案，这些视频记录了被逮捕的人员，这些抓捕正是得益于线上志愿者的“监视”行为。系统里大约有 25 个摄像头，用户可以直接在网页上观看实时画面。

这个基本上是对原网站的复原版本，我当时并没有截图，所以我利用在互联网上找到的资料重新还原了网站 这个复原版本与原始网站的外观几乎完全一致，只是广告部分被去除了。原页面上曾包含一些来自亚马逊等的横幅广告。总体来看，这就是一个典型的网络监控平台网站。网站上设有两处监控画面，用户可以自行选择要进行观察的摄像头，每个画面下方都附有详尽的操作说明，明确用户在初始阶段应关注的重点目标与区域 整体界面大致呈现的就是这种样貌。

用户可以在平台上发表评论、提出问题，或报告可疑活动。所有被报告的信息都会直接发送到当地警长办公室。有趣的是，根据 BlueServo 提供的数据，这个平台的访问量达到了 1.65 亿次，用户数量超过 20 万人，这相当于为当地治安官提供了超过一百万小时的免费劳动力。还有一点值得注意 ，平台用户中只有大约10%来自海外。

当地警长办公室声称，在2008年至2012年间，他们通过该平台进行了5000多次拦截行动。但如果对比美国国土安全部的数据，仅在2011年一年，被拘留的人数就超过了50万。这表明，从阻止非法移民和边境犯罪的角度来看，平台收效甚微，但从吸引大量民众在家中持续参与边境监控这一点来看，平台的效果却十分显著 这一点非常有趣，也正是最让我关注的地方。

当我第一次看到这个项目时，脑海中浮现的第一个问题就是 这些人为什么要这样做？他们为什么愿意花费这么多时间去监控美墨边境呢？首先，对他们而言，这是一种娱乐方式 网站的界面被高度游戏化，看起来就像一个电子游戏 而这种设置也让用户产生了一种掌控感，这是一种非常扭曲的感觉，这一点我们之后还可以再讨论。还有一点之前忘记提到的，当这个平台最终被关闭时，当地警长办公室的人其实非常高兴，因为在他们看来这个平台完全是一场灾难，他们收到的大多数报告其实都是将牛 或其他无关的移动目标误判为可疑对象。

我深入调查并试图了解这个平台背后的人——那些使用它的普通公民，然后我发现了一个 Facebook 群组，那里聚集着 BlueServo 的用户 在BlueServo 平台上，用户之间无法直接聊天，所以他们会在Facebook 群组中互相交流 这个群组在2010年重新开放，并持续运行到2013年。我创造了一个虚构人物Marianne Smith，以一个相对温和的方式潜入了这个群组，她被设定为一个极端爱国者，一个非常夸张的典型角色。让我意外的是，这个身份竟然完全被接受了。

群组中的互动大致是这样的：“摄像头一号现在有什么动静吗”，“我好像看到有什么东西在动，不确定是不是外星人”，“大约一个小时前我看到那边有不少活动，好几个人在白色建筑和河岸之间来回走动”，“希望他们都别跑到美国来” ，诸如此类的对话比比皆是。问题在于，通过这些摄像头实际上几乎什么都看不清楚——人们根本无法辨别哪一边是美国，哪一边是墨西哥，也看不出画面中那些在钓鱼或走动的人是谁，是男性、女性还是儿童。换句话说，他们几乎无法识别任何具体的信息或对象。

后来，我与人类学家 Cédric Parisot 合作，对这些来自 Facebook 群组的数据进行了全面分析 我们下载了所有帖子和图片，对群组中每一位用户的个人资料进行了逐一研究，并据此制作了一部实验性在线纪录片，作为这一现象的数字档案，完整记录了群组中的互动与动态。举例来说，其中相当多的评论都带有明显的种族主义倾向，例如“还没看到墨西哥人，真期待能上报我的第一份纪录！” 还有这样一位用户，一名居住在芝加哥的意大利厨师，他特别热衷于截图，还常常提醒别人“不要上报奶牛”，并向其他用户传授更加有效地监控边境的技巧。在这些截图中，人们经常标注“有人正在穿越边境”等内容，但事实上，你根本无法分辨那究竟是美国一侧还是墨西哥一侧，整个画面非常模糊，也很难确定这些摄像头是否真的是实时监控。

这其中还有一点非常令人震惊，虽然以今天的视角来看，我们已经不会感到意外，但我们要记得当时是在 2008 到 2012 年之间，距离 2016 年还很早，那时“斯诺登事件”尚未发生 我们能够从这些数据中识别出大量用户的个人信息：他们的家庭关系、职业，乃至更多生活细节，甚至可以精确地知道他们住在哪里。

这是成员所在地的分布地图，整个小组共有大约 300 到 400 人。有趣的是，这些人都在Facebook 上公开了自己的生活，因此他们极易被识别，反而比他们在摄像头中监视的那些人更容易被识别、被看见。 我们将这种现象称为一种 后全景敞视效应 （post-panoptic effect）。正如我之前提到的，在监控画面中，你实际上无法真正辨认出那些被拍摄者是谁。你甚至无法辨认出被拍摄者的性别，也无法分辨他们的国籍，甚至连画面中究竟是哪一侧属于美国、哪一侧属于墨西哥都难以判断。但具有讽刺意味的是，任何那些试图越境的人只要上网进入 Facebook，就能轻易找到这些“虚拟观察者”的个人资料，并了解他们的生活。

由此我们也能理解，互联网本身其实早已暗示了它将发展成何种形态——它最终成为了全球最大的开源情报体系（open-source intelligence），这并非我个人的观点，而是美国政府一位高级官员在 2015 年左右公开提出的。这一转变在很大程度上要归功于广告技术、数据提取机制（Data Extraction）以及大型科技平台垄断的兴起，接下来我会进一步讨论这一部分。

我将谈到我最近正在进行的研究项目——它最终将被改编成一部歌剧，名为 《用户与野兽》（The User and the Beast）。这一项目围绕具身研究、物质性、监控、数据提取以及军事化等主题展开。在进入具体讨论之前，我们需要先理解几个关键概念，其中之一便是 “Ad- nt”（advertising-based intelligence），我刚刚已经稍作提及，指的是通过购买网络广告来进行情报收集的一种机制。“Ad-int”这一术语最早由美国华盛顿大学的一组研究人员于 2017 年提出，稍后我会进一步讨论这一概念 简而言之，它正是与广告技术密切相关的情报机制。广告技术如今已成为互联网的核心商业模式，Facebook 和 Google 等公司的主要收入来源正是依赖广告系统而来。正是这些广告技术系统，导致了海量用户数据被持续提取、商业化 并在市场中被交易 可以说，这正是支撑当今全球最具影响力的一批科技公司的核心动力。然而，这一过程却几乎完全隐形，因为我们在使用界面时，并无法真正理解在界面背后究竟发生了什么。

还有一件极为重要的事件发生在 2001 年，我想在座的大多数人都应该都记得，那就是 9·11 恐怖袭击事件 在此之前，数据经纪商（data brokers）这样的商业公司（负责收集、买卖和整合个人数据的企业）与军工行业之间的联系还并不紧密 但自 9·11 事件后，这种关系开始逐步强化，并在随后的几年中不断加深。美国政府在总结 9·11 事件中情报体系失灵的原因时，承认其主要问题之一在于不同机构之间缺乏有效的信息流通 在这一背景下一些数据经纪公司，例如Acxiom（艾克希姆），历史最悠久的企业之一，开始在新的安全语境下扮演更加重要的角色。

在 9·11 事件中还发生了另一件重要的事情，这场恐怖袭击为美国重新将军国主义确立为其核心意识形态奠定了基础，这一意识形态在越南战争结束后曾一度式微 我们见证了全球范围内经济与社会领域的再军事化趋势，这种趋势逐渐被理论化为一种类似韩国经济学说的模式，即所谓的全球新自由主义军事主义 。这一转变可以从美国国防开支的市场表现中得到直观体现，从1998年到2011年，五角大楼（Pentagon）的预算增长了超过91%。至于目前的具体数据，我并不完全确定，但可以肯定的是无论在美国、还是在西班牙与德国，国防开支近年来都出现了显著的增长趋势。

“9·11”袭击事件 以及美国政府随后发起的所谓“反恐战争”（War on Terror），标志着一个关键的转折点 正如我之前提到并希望再次强调的那样，它重塑了广告技术与军事情报体系之间关系。在袭击之后，美国政府启动了一系列在恐怖分子行动前 将其阻止的计划与机制 这些举措从根本上推动了军事情报与数字网络攻防体系的进一步融合。

这一转变在促使广告技术与国家安全体系日益紧密结合的过程中起到了决定性作用。广告技术公司掌握着几乎所有关于我们线上行为的数据 每当一则广告被推送时，都会触发一个庞大的网络级 反应，牵涉无数参与者与企业 它们都能接触到海量的数据，而我们并不清楚这些数据最终流向何处、被如何利用，而这些同样的技术基础设施，也完全可以被军工产业所调用。这一体系在当下及未来几年极有可能被继续利用，换句话说，这一机制可能会使消费者数据被用于反恐情报工作，而这让我再次想起了那个 虚拟观察者 项目。

我们当然知道，这并不完全等同于反恐行动本身 但它揭示出另一种模式，一种对公民社会的静默军事化。这些人虽然在进行一种有意识的边境监控行为，但当广告被推送给我们时，我们却无从选择，我们的身体实际上被卷入一个庞大、阴暗、尖锐 且或许不道德的机器之中 关于由此衍生出的种种问题，我还能继续列举出许多。因此有必要再谈一谈新自由主义军国主义 它是一种具有指导性的意识形态实践。我总是在幻灯片里放太多文字，似乎我现在已经不用多说什么，这正是我刚才所讲的内容。

接下来我想介绍一个 我在过去三年中缓慢推进的研究项目 正如我在演讲开头提到的那样，我始终关注界面之外所发生的事——界面如何以一种 反向工程 的方式来作用于人类自身，数据提取的过程如何运作，界面背后隐藏着怎样的公司结构，以及支撑这一切的物质性基础究竟是什么。

我并不确切知道这一转变在我身上是什么时候发生的，但我逐渐意识到，自己一直忽视了“身体”这一层面，我从未真正将它视为互联网基础设施的一部分 但事实上，身体是互联网基础设施中至关重要的组成部分。没有身体，界面就只是界面 而当身体介入其中，界面才成为一种新的机器，一种具有行动力的装置。然而，我自己和许多研究者往往忽略了这一 。因此我开展这项研究的一个核心目标，正如我在演讲开头所说的，就是想要理解数据生成对身体产生的影响，这便是我最早的一次具身研究实验的起点。

我与一位治疗师合作，从系统治疗（systemic therapy）的视角来分析网络与互联网的运行模式 我不确定各位是否熟悉这种疗法 系统治疗是一种关注系统内部模式如何被建构的治疗方法，在心理学中常用于处理家庭创伤、代际创伤等问题。其方法通常是 在一个空间中安排若干人参与，分别赋予他们不同的角色，然后让互动自然展开，以观察其中发生的动态。例如我可能扮演母亲，另一位参与者扮演兄弟，还有人扮演曾祖母，在这些象征性的系统排列中，许多原本潜藏于家族情感DNA中的结构和情绪会被显化出来。我当时想：这或许会是一场灾难，但也许值得尝试将这种方法应用到互联网之上。于是我与一组学生进行了实验，我们为彼此分配了不同的角色：一个人扮演“Cookie”（浏览器追踪标识），一个人扮演“Pollution”（污染），一个人扮演是“Energy”（能源），而我本人扮演“Taxi”（ 中介与传输节点）。那非常有趣，因为我感受到一种强烈的控制感。

起初我以为这不会产生什么结果，只是一次好玩的实验 但出乎意料的是，实验引发了极其强烈的情绪反应，其中一位一年级计算机科学的学生 甚至在过程中经历了严重的惊恐发作，最后退学并改读哲学，这不是玩笑。而我自己虽然长期研究互联网阴暗的一面、数据提取与权力关系，也在实验中感到持续的焦虑。这种体验很难用语言解释，因为具身研究与认知研究完全不同，它让身体发声，而身体的语言是非结构化的。在这个过程中，许多情绪与感受不断涌现，由于系统结构性的不对称性，我们感受到了压迫与暴力，使人深陷其中、无法逃脱。这种体验极难用语言表达，但那种感受极其真实且强烈，于是我想这正是一种启示，意味着我应该继续沿着这个方向深入研究。

后来，我结识了一位编舞家兼整骨治疗师，她对身体在物理层面的运作机制十分熟悉，尤其了解神经系统、身体结构与肌肉链之间的关系。我们与她一起进行了多次工作坊。这些工作坊的目标是分析身体在“生成数据”的过程中是如何反应的，通过一些非常简单的动作来观察身体的变化。最初，这只是一次看看会发生什么的实验性尝试，但结果却出乎意料地强烈，令人印象深刻。在一系列以身体为中心的工作坊后，学生们都感到震撼，因为他们真正体验到让身体觉醒的过程。我们尝试将数据转化为身体经验，我原本认为这无法做到的，但实践证明是可以的，我们的实验取得了成功。研究有了重要发现：当身体在数据化过程中逐渐被压缩、受限时，界面上的数据收集机器却在不断扩张。

举个例子来说明“压缩”的概念，我认为最能体现这一点的就是大家在 TikTok 上常看到的舞蹈，无论是年轻的女孩还是男孩，他们在跳舞时，所有动作和空间都被压缩在屏幕的框架之内，动作被限定在手机屏幕的比例中，而不是在真实空间中自由伸展。他们的身体完全服从于 TikTok 的界面逻辑，一切都必须被控制在智能手机屏幕的尺寸与形态之内。这正是压缩的一个典型体现。但它并不仅仅局限于这种情况，还有许多其他层面的压缩也在同时发生。

这种我们日常使用智能手机形成的典型身体姿态，其实是一种持续的弓背前倾姿势，头部前伸、肩膀圆拱、胸腔收紧，想必大家都对这种感觉很熟悉。头部、颈部与背部的区域承载着调节肺部、心脏与手臂活动的神经，同时也是身体的主要感知区——因为我们所有的关键感官器官，如眼睛、鼻子、嘴巴和耳朵，都集中在这一带，因此，这个区域可以被视为身体的主要感官中枢。

人体的基本协调依赖于头、颈与上背部的健康。当我们长时间使用智能手机时，这一身体区域会逐渐变得紧张与阻滞，导致对周围物理环境的感知能力下降。换句话说，当我们在现实空间中的感官能力减弱时，我们在数字领域中的存在却在扩大——我们在数据层面上变得愈发可见，而在身体层面上却愈发匮乏。

此外，呼吸也随之适应这种静止姿态，身体天生通过运动来维持平衡，而当我们在屏幕前保持静止时，胸腔会收缩，肺部无法充分扩张，这不仅是一种生理层面的限制，更是一种隐喻，呼吸的压缩对应着生活空间与身体感知的收缩。你是否有过这样的经历——对着设备时，突然意识到自己几乎没有在呼吸？我本人也常常遇到这种情况。这正是因为，当身体被固定在这种姿态时，其内部的排列方式限制了呼吸的自然节奏。结果就是：肺部吸入的空气减少，呼吸质量下降。呼吸的减少意味着氧气输送到身体的量减少，同时肌肉与皮肤传递的感知信息也随之减弱。随着时间推移，身体逐渐适应这种长期压缩的状态，活动范围变小，扩展能力受限，最终只能以一种受约束、受抑制的方式运作，这种“身体被压缩”的状态并非隐喻，而是一种真实存在的生理现象。这是一份 PDF 文件（它无法播放），但所有这些网络视频其实都展示了类似的情境——人们不停地在打字、操作。

接下来谈谈神经系统，大量研究指出，长期、持续地与电子设备互动，会使神经系统失去自我调节的能力。从生理角度来看，理想状态下，交感神经系统与副交感神经系统应当保持平衡，不过这种平衡其实非常难以维持。举例来说，当我们入睡时，身体处于休息状态，副交感神经的活性明显高于交感神经，这正是因为身体需要恢复与放松 而当我们需要让身体进入“激活”状态时，交感神经的活性就会升高。但问题在于，如果交感神经长期处于过度活跃状态，或者副交感神经持续被抑制，这种失衡就会引发严重的问题。因此交感与副交感神经系统逐渐失衡，身体同时经历着过度兴奋与崩塌的状态，实质上将身体推入一种生存模式，这与创伤时被激发的生理反应相似。当我们面对屏幕时，始终处于被内容强烈刺激的兴奋状态，而身体却是塌陷的、静止的。我们在手机上看到的行动并不等同于身体真正执行的动作，刺激与身体之间存在着巨大的失调，这种失调重塑了身体与神经系统的平衡方式。

此外，还需要谈到触觉的轨迹，当我们用指尖在屏幕上滑动或点击时，这种触感的过程是极其短暂的，我们能够立即获得反馈。然而事实上我们所接触的只是一块玻璃屏幕，它的表面光滑、冰冷，这就是我们从中获得的全部反馈，我们也许能感受到设备的温度，或是它的重量，但也仅此而已。然而，这些手势的意涵远远超出了我们所操作的这个狭小矩形的物理范围，随着身体动作与意义的轨迹逐渐缩小，手指的滑动、玻璃上的触碰所承载的意义却在不断扩张 这种触摸的意义并不局限于动作本身，而是穿越界面、越过身体，流动于全球网络之中。

意义在压缩，身体在收缩，但它们的影响却在扩张，扩散到其他的身体与系统之中 这种扩张通过数据的提取与资本化过程实现，再次形成一种悖论性的关系，身体运动的减少，与数字存在的延伸呈正相关。在诸如 TikTok 的平台上，这一现象尤为显著，最微小的身体动作，被放大为庞大的注意力、数据与价值的循环。

最后我想说，在我们的身体之中，存在着一种重复 我们在不断将新自由主义式的军事逻辑铭刻进身体，当我们与设备交互时，身体的动作与姿态被界面的设计严格规定 而这些界面又服务于特定的商业模型与意识形态，像是广告科技系统，并且被更上层的云端所控制。这整套价值运作的机器同样在云端中运行，人工智能正是如此，我们已经在乌克兰和巴勒斯坦等地看到了它的应用 令人遗憾的是，在未来的几年中，这种现象只会愈加频繁地出现。这种重复性的身体运动机制，使得神经系统不断地记录某种持续的状态，并在体内形成模式，从而使身体逐渐成为这些系统的延伸部分。

由此，身体不再仅仅是被控制的对象，而是成为这些系统维系其意识形态与经济目标的媒介。最终，身体内部的信息传导网络出现崩溃，也就是说，身体丧失了自我调节所需的关键信息流动 与此同时，数据提取的生态系统却愈加繁盛。我再次强调 伴随这一过程，所有与之相连的网络系统也同步扩张，身体与其直接的物理现实日益脱离，身体的感知被不断压缩，界面之外的数据收集机器却在持续扩张。

你可以把这一过程想象成一块海绵，我们的身体被不断压缩，而与此同时，外部的数据与信息却在不断膨胀，滋养着某种越来越庞大、越来越臃肿的结构 这种新的“平衡”催生了一种新的具身主体性（embodied subjectivity），在这种状态下，新自由主义军事主义的逻辑被内化、被再生产，并被利用 而这一切都通过看似平常的数字行为完成——点击、滑动、握持设备，乃至任何日常的交互动作。

因此，霸权通过设备、数字媒体、Cookie 以及广告系统得以建立并持续运作。这些基础设施不仅服务于商业数据领域的公司利益，也延伸至战争与防御的领域，通过身体与认知的崩塌机制来实现控制与获利。我想强调，夺回身体的主权已刻不容缓，这或许是我们在数字军事主义时代中，重新理解何为人类的唯一途径。我也就这一主题写过一篇论文，它是我在 Disruption Network Lab（颠覆网络实验室）研究员 所进行的一部分研究 那篇论文更系统地阐述了这些内容，并包含大量更为细致的资料与分析，如果有人感兴趣，可以在这里找到。

最后我想展示的是一个基于这一主题的表演性讲座，它同样延续了我此前关于这一议题的研究思路。这项研究其实包含了多个层面的工作，既有具身性研究，也有理论研究，同时还融入了一定的调查性写作与新闻式研究 基于这些内容，我创作了一个表演性讲座，到目前为止，我已经进行了两到三次公开演出。

这是去年十二月在柏林（Berlin）的一场活动上完成的，我在那次讲演中展示了一条时间线 我非常喜欢以时间线讲演的形式进行表演，我觉得这种形式非常有趣，也非常适合这种研究。这条时间线主要探讨的是：广告技术如何演变为当今世界最重要的开源情报体系（open-source intelligence），它展示了商业企业如何一步步发展到如今的地位 现在看来这一切似乎理所当然，但在过去这并非显而易见。因此我制作了一条兼具研究功能的时间线，其中包含了大量的历史节点，以追溯这一过程的形成脉络 从第一部电报（telegraph）的诞生开始（它是人类历史上第一个电信通信系统），一直延伸到当下，大约到2000年左右。

我将这条时间线终止于2016年特朗普上台之时，我认为这已经是一个足够明确的节点 这条时间线所涵盖的内容不仅仅是技术事件，还包括了与之并行的文化事件、历史与政治变迁、科学发现等多种要素，试图以一种尽可能整体化的方式，呈现出我们如何一步步走到当下这一境地的全貌。

我在研究中发现了一些非常有趣的资料，例如发表于20世纪早期的文章中，人们就已经预言未来人类会在口袋里携带电话，就像我们今天随身携带相机一样。甚至有人设想过，照相机终有一天会被微型化并嵌入个人设备中，由此可见那种关于技术未来的文化想象早已存在。回溯这些想象非常重要，因为它能让我们清楚地看到我们今天所处的技术状态 并非出于某种自然演进或中立必然的结果，而是一系列决策、事件与观念共同作用的结果，它们塑造了特定的思维方式，并最终引导我们走到了现在。

这大致就是那场表演的内容，在表演中，所有观众都必须使用手机参与 我就不剧透太多了，整个表演大约持续二十分钟，其核心正是探讨我们与数字设备之间的关系，以及这种关系如何塑造了当代的身体与意识。表演“迫使”观众进入手机之中 当然这并非真正的强迫，而是一种建议，但如果他们不这么做的话，就无法继续观看或理解表演的进程。因此，这其实是一种伪选择。通过这种机制，我在表演中重新引入身体这一维度，让观众在参与过程中重新感知自己的身体存在，这种身体意识的生成，也是整个作品中极为关键的一层意义。

提问环节

Q： 最近我开始对人工智能与音乐这个领域产生了更多兴趣，我认为其中最值得关注的一条批评线索，是关于 具身性 （embodiment）的讨论，不过目前我还没有看到太多研究能够真正体现出从身体经验出发，对人工智能潜能进行批判的理论力量。尤其是在音乐领域，音乐家通过身体与乐器之间的互动，利用身体所赋予的可能性去做出特定的创造性选择，这种创作方式似乎成为了对音乐自动化最深刻、最本质的挑战之一。因此我想请教，您认为“具身性”在批判人工智能想象方面，究竟能提供多强的理论支撑或批评力量？因为目前我们所看到的大多数批评，似乎仍然停留在认知层面，往往把“智能”视为一种从大脑到大脑的传递，而忽视了“智能”也可能源自身体与身体之间的关系与实践。

A： 是的，非常感谢你的问题和评论，我完全同意 这也是我自己曾经陷入的一种困境——我们无法将大脑与身体分割开来，它们本质上是一体的。在我与那位整骨师兼编舞家合作时，这一点变得更加明显 她过去一直在其他主题上开展身体研究的工作坊，而这次的课题对她来说是一个全新的挑战。不过这种挑战也很有意义，她正在积极面对，她常说：“身体不会说谎。”但与此同时，身体也非常难以被 阅读 ，相比之下，大脑却常常在撒谎。

如果我们真的想要理解系统对我们的影响，或者他人如何作用于我们，那就必须倾听身体的声音。然而，我们正在日益远离自己的身体，逐渐与自身的物理存在（physicality）脱节。这种脱离，实际上是外部系统长期作用下形成的一种新的身体模式 这些外部系统支撑着我们的运作，却也在不断重塑我们的感知与存在方式。对我来说，这一切都是新的尝试，带有很强的实验性，但我觉得这是一个值得继续探索的方向。

人工智能系统极其复杂、极度不透明，而且与我们保持着相当的距离，几乎没有人真正理解它们是如何运作的，但它们确实在执行许多任务。而且这些系统同样作用于我们的身体，乃至我们所构成的那种具身性存在，很遗憾我现在不在现场，否则我还想展开更多的解释 我之前有一位学生专门研究合成数据（synthetic data）与人工智能，我们曾深入讨论过一个问题，即意义的转译如何影响现实世界 因为如今AI 不仅在创造意义，还在将意义转移到别的领域、别的系统之中 换句话说，大量源自我们身体与感知的真实信息，正在被抽离并转化为他处的数据。而令人悲伤的是，这种情况正在发生， 我们正在把空间中的意义逐渐抽离出来。

讲者介绍

乔安娜·莫尔（Joana Moll）

她是一位常驻巴塞罗那和柏林的艺术家与研究者。她的作品批判性地审视技术资本主义叙事如何塑造机器、人类及生态系统的“字母化”过程，聚焦于数据的物质性、监控，以及通过数字媒体对公民社会的军事化。她的项目曾在全球多个重要场域展出，包括威尼斯双年展（Venice Biennale）、奥地利电子艺术节（Ars Electronica）、卡尔斯鲁厄艺术与媒体中心（ZKM），并被《纽约时报》（The New York Times）、《金融时报》（The Financial Times）等媒体报道。她共同创立了位于巴塞罗那的批判性界面政治研究小组（Critical Interface Politics Research Group），并曾与莫兹拉基金会（Mozilla Foundation）合作。目前，她担任科隆媒体艺术学院（KHM）网络学教授，同时也是巴塞罗那设计与工程学院的访问讲师。

]]>网络社会研究所第十届网络社会年会｜ Dylan Reibling：追问基础设施：平台、预测与提示词2025-12-10T00:00:00+00:002025-12-10T00:00:00+00:00https://nodebe4.github.io/opinion/2025-12-10/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9C%20Dylan%20Reibling%EF%BC%9A%E8%BF%BD%E9%97%AE%E5%9F%BA%E7%A1%80%E8%AE%BE%E6%96%BD%EF%BC%9A%E5%B9%B3%E5%8F%B0%E3%80%81%E9%A2%84%E6%B5%8B%E4%B8%8E%E6%8F%90%E7%A4%BA%E8%AF%8D
网络社会年会

第十届网络社会年会｜ Dylan Reibling：追问基础设施：平台、预测与提示词

2025-12-10

文 /  迪伦·雷比林（Dylan Reibling）
翻译 /  井俱进
校对/ 叶云鹤

好的，谢谢大家。我在这里先感谢各位的耐心。这是我第一次做PowerPoint演示，所以我相信一切会顺利进行，绝对不会出现任何小插曲。正如介绍中所说，我是一名电影导演，工作领域涉及艺术、科技、国家安全和政治的交汇点。过去，我的纪录片作品包括了为国家地理频道（National Geographic）、VICE、历史频道（History）和探索频道（Discovery）制作的系列节目和纪录片。非常感谢大家的邀请，很高兴能再次参加网络社会年会。

不确定你们是否看过我之前的照片。实际上，我曾在2020年参加过网络社会年会。当时我从多伦多的工作室远程参与，那对我来说是一次有趣的经历。在2020年的会议上，我参加了一个小组讨论，分享了我刚刚开始的一个研究项目。我深入探讨了去中心化运动，计划将其拍成一部电影。

所谓去“中心化运动”（ Decentralization Movement），有些人称之为D-Web，是一群散布在世界各地的松散集合体。这个群体致力于构建去中心化、分布式或联邦式的硬件和软件系统，使用区块链、智能合约、分布式哈希表（distributed hash tables）等工具以及去中心化标识符（decentralized identifiers）。它与Web3有着密切的联系，但根据我的经验，和不同的人交流时必须小心用词。如果你把D-Web的人称作D-Person，他们可不太高兴。

去中心化运动与我们熟悉的主流技术观念有很大不同，它选择从权力的角度来审视技术。它审视我们当今社会、经济和政治领域中正在发生的转变，并探讨了网络技术在诱发这些变革中所扮演的角色。该运动的核心关切是中心化技术（例如企业平台和互联网服务提供商）如何将权力集中在少数精英手中。作为对抗这些力量的一种方式，这一运动相信去中心化技术——凭借其特别的组织结构和扁平化的层级配置——提供了一种逃离数字支配与从属关系的可能途径。

所有这些都足以成为一场讨论，也许还能成为一次主题演讲的素材。但在2020年的年会上，我讲到了将这些庞大的理念转化为纪录片形式时面临的挑战。彼时，我已经完成了初步的研究：我在会议上与人交流，深入阅读文献，研究理论并吃透了相关技术。然而，我遇到了一个大难题——这玩意儿真的能拍成电影吗？或许这些内容可以写成一篇出色的文章、一本书或一篇博客贴文，但纪录片的形式、结构和质感在当时于我而言仍如雾里看花。如何将这些庞大而抽象的理念，融入到一件引人入胜的艺术作品中，尤其是电影这种格外看重具象视觉现象、并力求突破语言窠臼的媒介？

五年过去了，那些最初的想法和研究如今已化作为了我的第一部长篇纪录片——《互联网的终结》（The End of the Internet）。希望大家今晚能来现场观影；如果你们来看，或许就能告诉我，它是否更适合成为一篇文章、一本书或一篇博客贴文。接下来，我会讲很多关于该纪录片的内容，这样你们今天晚上观影时就能多些了解。所以待会儿放映时，记得装作很惊喜的样子。无论如何，该纪录片探讨的是互联网的过去、现在与潜在的未来，以及其背后支撑的相互竞争的意识形态。

制作这部纪录片的过程对我来说是一段复杂的旅程，它也让我收获了许多经验，但今天我想与大家分享其中最重要的一点：我们必须追问基础设施，因为它是理解我们自身、我们的价值观和我们的政治承诺的一种途径。这是我在深入了解纪录片中人物的过程中学到的。当我跟随他们构建去中心化技术时，我看到他们为基础设施的设计呕心沥血——他们翻阅网络系统的架构、协议以及物理构建。

我渐渐意识到，基础设施的变化能催生政治、经济乃至想象力的不同形态出现。对我个人的艺术创作而言，我开始明白，审视基础设施可以将抽象理念转化为具体的物质构建，从而让那些不可见的事物变得可见。就在那一刻，一部电影的雏形开始显现。我说得太快了，有点超前了。让我带你们回到这个项目的起点，希望这能帮助你们理解我为何采取这种方法，以及为什么这段旅程对未来的探索具有借鉴意义。

2017年那会儿，我刚刚完成了为VICE制作的一部名为《网络战争》（Cyberwar）的纪录片系列。那是一档关于黑客、政治和国家安全的节目。拍完三十集之后，这个系列完结了，我开始寻找新的故事。于是，我就像人们会做的那样，前往布拉格，参加由名为Paralelní Polis的组织举办的黑客大会。这个大会的灵感源自“平行社会”（Parallel Society）的理念，致力于讨论加密无政府主义（crypto-anarchy），并强调加密技术具有解放潜力。这种信念当时如此，至今亦然：通过使用加密工具来提升隐私和安全，我们可以扰乱中心化平台的机制——那些让企业和政府能够进行审查、监控与数据控制的结构。如此一来，就可以通过数字手段确立个人主权。大会内容杂糅多元，有讨论、专题座谈、放映和讲座，发言者无论左翼右翼，都在与这些理念角力。

时机也很关键。2017年夏天正值ICO（首次代币发行）热潮顶峰。当时，很多人和组织通过代币发行筹集了前所未有的巨额资金，推动他们的区块链项目。不同于出售实物商品，这些初创公司出售的是代表未来效用或项目股份的数字代币（digital token）。人们发行代币、筹集资金，将区块链代币转化为法定货币的大笔收益。当时，比特币的价格已飙升至每枚4,000美元。现在价格是多少我不确定，但我记得上次查看时，大概是11万美元左右。所以当年富的那帮人，如今已是富可敌国。这些创业者的钱库满满当当，再加上零利率环境，恰好为技术研究、实验与冒险主义提供了绝佳温床。

这些比特币受益者正在开发的项目，既大胆、又激动人心、甚至有点古怪，而监管完全跟不上。那是一场技术与资本被引向全新社会、法律与经济形态的、令人陶醉的狂热之梦。就在会议的混乱中，一位黑客把我拉到一边。他知道我是一位正在寻找故事的纪录片导演。他对我说：“我知道比特币看起来很吸引人，但比特币不是故事，去中心化才是故事。”

那句话一直萦绕在我心头。比特币背后是否有某种东西，能够为我们提供对政治未来更深刻的洞察？这个问题困扰着我。回到家后我开始认真研究。那时，关于“去中心化”的文献非常稀缺。所有的精力都投入在实际开发去中心化工具上，没人有时间向外界解释这些内容。而我处于信息匮乏的状态，陷入了研究的死胡同，最后只好将它搁置在那一堆尚未成形的想法里。

然而到了2019年，情况突然发生了变化。我的一位线人打来电话，告诉我硅谷附近的一个废弃的蘑菇农场即将举行一次黑客聚会。在那里，这群人将要实验网状网络（mesh networks）和去中心化协议（decentralization protocols），这些人正是我苦苦寻觅的。我联系了这个小组。两周后，我便在北加州的乡村帐篷里，与一群技术行动者共同露营。正是在那里，我真正沉浸在去中心化的世界中——一个由黑客、艺术家、活动家和技术人员组成的松散网络，他们不仅在实验代码，更在试图通过代码从根本上重建世界。他们对网络社会的现状深感不满——权力向平台集中，隐私遭侵蚀，数字公地被圈占。在他们看来，问题不单是政治或文化的，更是基础设施层面的。

互联网的架构本身，已经变得中心化且具有掠夺性。其内在逻辑很简单：政治解决方案本就棘手。立法进程缓慢而艰难，很难跟上那些以“快速行动、打破陈规”为傲、有风投资本驱动的创新步伐。你们可能很熟悉这种官僚主义的戏码：美国政府让马克·扎克伯格（Mark Zuckerberg）出席国会听证会，议员对他指手画脚，他则握紧双手承诺改进，却不见任何实质性改变。

换一个更宽容的假设：哦，立法有所进展——太好了！监管确实落实了一些，遏制科技行业最恶劣的滥用乱象。但即便在这些情况下，我们常常看到：规章制度轻而易举地被绕过——他们可能稍微调整算法，或者找到某种工程上的变通方式，虽符合法律的字面要求，却违背了法律精神。资本仍然不断前行，毫无减速的迹象。那么，应该怎么做呢？

这里有一些现场的录像。去中心化运动对此悖论自有解法：对糟糕技术进行修补性监管，就像试图在泰坦尼克号上重新排列甲板椅，不过是表面功夫。相反，真正的答案是建造新的基础设施，一种能将他们想看到的变化编织进来的基础设施。如果你不希望平台垄断，那就设计一个让平台化无从发生的协议。

在那个蘑菇农场，我看到了人们在设计替代协议和临时网状结构，拼接现成的硬件，设计替代协议和分布式系统。这些都是另一种互联网的小型原型，能支持数字自治，而非平台依赖。这项工作复杂，参与者们充满魅力，我完全被吸引了。我想讲述这个故事。关于技术的故事很重要，因为它是塑造我们生活世界的主要力量。这些故事很复杂。从电影制作的角度来看，关于技术和权力的故事是无法看见的。你看不见技术的“无形之手”，就像你看不见亚当·斯密所说的“无形之手”一样。而如何探索抽象的思想，始终是所有电影制作人面临的难题。电影学院的第一课就是：要“展示”，不要“讲述”。观众不希望被说教；他们想要看到、感受，并通过影像和体验去发现。在纪录片电影创作中，最严重的错误，就是艺术家西奥·安东尼（Theo Anthony）所说的“可视化播客”（visual podcast）——导演将预先设计脚本的访谈片段串联起来，然后再贴上一堆库存素材。

诸位可能之前见过这种影片。一部电影里，某个专家告诉你该怎么想，画面却充斥着黑客在普通键盘上敲字的碎片影像，或无名人群头顶漂浮着弹窗方块。说不定还有《黑客帝国》式的数字雨倾泻而下，音轨里穿插着一连串的警句。采用这种方式是有原因的，数字世界很难表现，所有的活动都发生在黑匣子里，或者在抽象的思想空间里。我也面临着这个问题：从集中的系统架构到去中心化架构的转变，本质上不应该有任何可见的形态。我早意识到，绝不会有盏大红警示灯突然变绿——“瞧！互联网去中心化了！”一个点对点网络的运行效果本应该和中心化的网络运作方式一样，至多可能稍微慢一点。那么，我到底能展示什么呢？

答案来自于这场运动本身。我镜头下的这群人对基础设施痴迷不已——即那些塑造我们连接方式的物理和技术系统。他们相信，如果你想理解权力，就必须掀开机器盖子往里面看，看它的架构、电缆与代码。这种洞察也成了我的方法。于是，我开始把镜头对准互联网的物理基础设施——电线、电缆、数据中心、天线。我们通常被要求把互联网看作“云”，一种“无形的以太”（invisible ether） 1 ，既无处不在又杳无踪迹。但互联网并非无形，它有肉身、有重量、地理坐标，也有实际影响。而只要我能将人们的目光引向这些实体建筑与光纤触须，就能将这种抽象权力变得可见。

我原本打算给大家展示一些纪录片片段，但我不想剧透，所以你们只能看到静态图片。这部纪录片的主线其实是我自己，更准确地说，是艺术家马里奥·桑塔马利亚（Mario Santamaría）的作品。马里奥·桑塔马利亚是一位跨学科艺术家，专注于通信技术对世界的影响。他最受欢迎的项目之一是“互联网之旅”（Internet Tours），他带人们徒步穿越城市，指出那些看不见或隐藏的电缆、线路和天线。Mario利用这个项目来讨论这些技术在我们生活中的作用，比如一个伪装成真树的5G天线塔的出现，可能正象征着某个正在快速“士绅化”（gentrifying） 2 的社区。

一条地下电缆的线路，若沿着它追溯历史，可能会发现它其实沿袭了一条旧日的奴隶贸易通道。这些物理痕迹能让我们看清那些过去未曾察觉的影响，让我们看清权力的结构。当你追溯光纤电缆的线路时，你开始理解它的物质现实：某家公司在街道上挖了个坑，埋下了连接街上所有房屋的电缆，这根电缆与资本利益紧密绑定；某家公司建了一个仓库，里面有一万台服务器，存储着超过一个PB（千兆字节）的数据，这个仓库同样服务于资本的利益。无论你是用这套基础设施下载海绵宝宝的表情包，还是观看你最喜欢的Twitch主播，这套基础设施的存在依然服务于资本的利益。

我镜头下的另一位艺术家，是摄影师 DJ Mesner。DJ的作品也关注于追溯互联网的动脉，但他的工作更具法证意味。他正在进行的一个项目，是用热成像摄影记录互联网基础设施：数据中心、中继站、互联节点。通过热成像镜头，这些地点仿佛发光的器官——一个有生命的、会呼吸的巨兽。这些影像让平日里不可见的东西显形：权力的热信号，能量与资本在网络中奔涌的脉络。我跟随DJ去了一系列地方——工业园区、偏远的掩体、以及在不显眼的围栏后嗡嗡作响的普通公用设施建筑。每个地方都讲述着关于等级和控制的故事：谁能进入？谁被排除在外？谁拥有维持我们数字生活运转的基础设施？DJ的创作提醒我，即使系统是模糊的，只要你知道该如何去看，权力的痕迹总是透过影像流露。

通过 Mario 和 DJ 的作品，我们可以看到，基础设施不仅仅是一种技术系统，更是权力的生态系统。它反映了建造者的意识形态，也反映了维系它运作的经济结构。原本只是关于一场运动的纪录片，最终演变成更宏大的探究，探究我们数字世界的骨架：它为何演化成如今的样子，以及它所编码的价值观。在掌握了这些关键构件后，我开始把兴趣的范围从单纯的物理基础设施扩展出去。我想进一步探讨网络设计的问题，即那些决定基础设施形态的决策与逻辑。我这里说的是网络的架构逻辑：协议（protocols）与网络拓扑（network topologies）。因此，贯穿影片的是对互联网早期设计抉择的挖掘，正是这些抉择塑造了数据在网络中高效交换的机制。

故事始于冷战。一位名叫保罗·巴兰（Paul Baran）的美国工程师当时在兰德公司（RAND Corporation）工作，一家主要为美国国防部（我猜现在应该叫美国战争部）设计战略方案的军事智库。巴兰受命设计一种能扛住核打击的通信网络，于是构想出去中心化与分布式架构：一种能绕过破坏、抵御攻击、在中断中继续运行的网络。也许你见过他那张著名的图，我几乎在所有地方都能看到它。人们把那张图画在餐巾纸上，贴在白板上，甚至装裱成海报挂在墙上。巴兰的设计不仅解决了一个技术问题，也解决了一个政治问题。他构思了一种没有单一失效点系统，而这也意味着要建立一个没有单一主权的网络。对惯于使用自上而下、层级森严的集中式指挥控制基础设施的军方而言，这无疑是革命性的。

当这些理念从军事研究转入学术领域，并随着阿帕网（ARPANET） 的诞生而扩散时，它们与反主流文化的乐观精神相碰撞。在旧金山，斯图尔特·布兰德（Stewart Brand）及“全球概览”（Whole Earth Catalog）社群先驱们，在对抗1950年代单一办公室文化的过程中，看到这些网络中蕴含着一种非等级化沟通的理想。当官僚上司监视、控制工作方方面面时，这类新系统似乎能打开通向新型组织结构的大门——一种可以绕过官僚体系、赋权个体的数字公地。

网络的设计本身就带着意识形态的烙印：去中心化意味着自由。但这些理念纵在抽象层面再有力，面对具体现实时也脆弱不堪。随着1990年代万维网的出现，其开放、可扩展且基本不受监管的架构，吸引了一波新的商业力量。同样的去中心化系统，原本承诺解放，却成了圈地的温床。平台与服务提供商以中介身份嵌入通信生态，将网络维护与扩张的部分负担从用户手中卸下。同时，他们也通过提供缓存、聚合与身份验证等服务，把自己层叠在开放协议之上。没错，他们创造了效率，却也制造了新的控制与攫取利润的咽喉。那些让互联网具备韧性的设计决策，也让它变得可被利用。于是，一个原本为生存而建的网络，逐渐演化为一个为提取数据、注意力、利润与权力而优化的系统。

在亚历山大·加洛韦（Alexander Galloway）的著作《协议》（ Protocol ）中，他将编码称为可能性的艺术。当你编写代码时，你在定义一个世界，以及在其中可能发生的事情。也正因如此，每一种协议与架构都蕴含着一种隐性的世界观——一种关于权力应如何分配、谁能参与、谁被排除在外的假设。某种意义上，编程是构建乌托邦的实践——一个为建造者利益而完美运转的世界。但乌托邦总是复杂的，它往往同时孕育着相对的反乌托邦。早期的网络设计者设想的是开放与韧性，但当这些系统进入市场后，“开放性”成了一种商业模式，而“韧性”成了一种营销话术。那些原本属于公共物品的基础设施，被重新编码为私有财产。研究过程中，我采访了TCP/IP 3 协议栈的主要设计者文特·瑟夫（Vint Cerf）与鲍勃·卡恩（Bob Kahn）。时至今日，TCP/IP仍是让信息比特跨越互联网的根基系统。

当我更深入研究互联网基础设施的设计时，我想搞清楚，在TCP/IP 协议的逻辑中，是否存在某种因素，促成了我们今天所看到的权力中心化现象？于是我给他们打了电话，问了一个略带调侃的问题：“TCP/IP 的设计中，是否有某种机制让大型平台的崛起成为必然？”文特·瑟夫给了我一个意外的回答。他让我回想互联网之前的时代，也就是大型机与分时计算的年代。他说，那些系统同样是集中化的，但那并非出于意识形态，而是出于规模。换句话说，中心化并非源自协议，而是源自规模本身。系统必须应对的用户与数据越多，就越有动机去整合资源、控制权与计算能力。

这提醒我，即便最开放的设计，一旦与规模与市场相碰撞，也会滑向中心化。这正是技术逻辑与经济逻辑在协议本身层面上的相交之处。TCP/IP 并没有选择中心化，但市场选择了它。对效率、可靠性与利润的追求，将网络的开放设计塑造成了更具层级的结构。一个为韧性而建的系统，最终进化成了一个为捕获而优化的系统。分布式通信的理念并非被技术本身击败，而是败于其周遭条件，败给规模、资本与便利性如何由内而外、自上而下地重塑基础设施的方式。

但在每一个滑向中心聚拢的系统中，总有人在反向施力，试图扭转那股引力。我的纪录片所追随的这些人，正生活在这样的矛盾交汇点上：基础设施既是解放工具，也是资本利器。他们每个人都以自己的方式，重新书写着支撑网络的政治与经济代码。他们向我们展示：追问基础设施不只关乎电缆与代码，更关乎我们植入连接系统之中的价值观。

这张模糊照片是我片中的一位人物——拉蒙·罗卡（Ramon Roca）。在拍摄过程中，我去了西班牙的加泰罗尼亚地区与他会面。拉蒙是一名电信工程师，但他对西班牙通信息领域的企业垄断深感失望。2004年，他创立了 Guifi.net ——一个草根的网状网络，如今已连接西班牙北部数以万计的用户。

下面这张模糊的图片展示的正是 Guifi.net，它建立在一个简单的理念之上：互联网接入应是一项集体权利，而非一种商品。通过汇集资源、共享节点，社区便能自建自维基础设施，Guifi.net 便是如此运作。任何人都能加入网络，但必须承诺：一旦加入，就要与任何需要的人分享网络。

这意味着，在这样的网络中，不再有中心化的互联网服务提供商。你获得的网络连接来自你的邻居，而不是来自一家像西班牙电信（Telefónica）那样的中心化公司所铺设的光纤。于是，拉蒙的工作由此将连通性本身转化为一种政治行为：它表明，重新思考互联网的物理与社会基础设施，可以成为抵抗行为，一种从市场逻辑中夺回自主权的方式。接着，我去了柏林，拜访了埃莱克特拉·瓦根拉德（Electra Wagenrad）——一位黑客、工程师，以及德国“自由无线网络运动”（Freifunk） 4 的长期活动者。Freifunk 起初是一个社区无线网络项目，通过开源路由器来建立本地的点对点网络。对埃莱克特拉来说，这些网络不仅仅是技术系统，它们更是无政府主义互助愿景的体现。她住在画面中那个拖车社区里，过着脱离电网的生活。由于难以接入传统的互联网基础设施，她干脆自己建造了属于自己的网络基础设施。她相信，建设互联网基础设施本身就是一种政治，若不喜欢这个系统，就自己建一个。Freifunk将不起眼的Wi-Fi路由器重塑为团结工具，让邻里直连，无需企业中间商。

在埃莱克特拉的世界中，网络不再只是沟通的手段，而是一种共生的生活方式，一种被嵌入代码与硬件中的社会契约。这是她居住的无政府主义社区的照片（下图）。

接着，我从柏林前往巴西亚马逊地区，拜访了卢安德罗·维埃拉（Luandro Vieira）。他是一位与原住民社区合作的技术专家，致力于开发支持自决权的数字工具。他协助部署MAPEO——一个开源制图平台，旨在让社区记录土地、资源与传统，同时将数据离线保存、远离企业服务器。他的工作至关重要。他向我描述道，这些社区需要编目鱼类、狩猎场、药用植物等资源位置，但此类数据一旦上网，就会面临明确而独特的风险——林业公司、矿业公司都虎视眈眈。那么，如何维护一个仅在本社区内部共享的数据库？

卢安德罗的工作正是对这个更大问题的回应，即谁拥有信息？谁有权获取？通过设计不依赖云端平台的工具，卢安德罗帮助原住民社区保护他们的知识，使其免于被数字或物质层面的掠夺。MAPEO 让基础设施变成一种防御形式——在一个连数据都被视为新边疆 5 的世界里，它成为捍卫主权的一种方式。

最后，我去了美国，拜访一群正在开发 Urbit 的人。其中有些小插曲，他们不许我在会议内部拍摄，所以这里只能给你们看几张隐晦的画面，为晚间的观影吊吊胃口。Urbit 是一个去中心化的计算平台，由一位颇具争议的理论家柯蒂斯·雅文（Curtis Yarvin）创立，如今由一群技术专家和投资人共同开发。表面上看，它与我刚才描述的其他项目共享相同理念——自主、自托管、摆脱大型科技——但它也揭示了去中心化的另一面：可用于构建自我封闭、自给自足的网络飞地，形成彼此隔离而非相互连接的线上社群。它提醒我们，那些承诺解放的技术，同样可能助长退避，甚至滋生微观威权主义。从拉蒙、埃莱克特拉、卢安德罗到Urbit，每个故事各自揭示了基础设施的不同政治现实。它们表明，去中心化并非道德立场，也非技术保障，而是一片斗争的疆域。网络不是中立的，而是一个活的空间，价值观在其中被编码、被争夺、被践行。这一领悟，成为我的纪录片《互联网尽头》（At the End of the Internet）的核心。起初是对去中心化运动的调查，后来演变为更宏大的探索——技术基础设施如何映照人类意图。无论物理还是数字，我们构建的每个系统都承载着我们的政治、经济和想象力的痕迹。

作为一名纪录片导演，我逐渐体会到，让不可见系统变得可见，不只是美学练习，更是政治实践。揭示基础设施，就是揭示权力——谁掌握它，谁被排除在外，它又如何在日常生活的表层之下流动。此中要义是：技术从不中立。它可以是武器，也可以是工具，这取决于设计方式、维护者，以及我们允许何种价值来引导它。我们必须仔细审视，否则就是让系统替我们做决定。而在多数情况下，这意味着我们在不知不觉间，将自身的社会与政治愿望让渡给那些构建、维护并部署这些机器的逻辑，即资本主义的逻辑。顺带一提，我最近在世界各地的电影节放映这部影片，我想在座的许多人对这些理念应该都不会感到陌生。

这其实和在座每个人的工作息息相关。但在我参加的每一场放映之后，都会发生同样的事情——总会有一位程序员或码农走到我面前，对我说：“是啊，我是学计算机科学的。”或者说：“我来自编程领域。”“我以前从没想过，技术也可以是政治性的。”这让我想到，我刚刚才和一个人聊过，他开发了社交媒体数据抓取工具，以防止房东用这些数据给租客打低分。这些事怎么可能不是政治的呢？这说明，我们以为大家都明白这些，但其实并非如此。正因如此，这引出了我们今天的话题——人工智能正迅速崛起的世界。我得先坦白，这方面其实超出了我的专长。过去五年我一直沉浸在钻研去中心化技术上，所以今天我非常期待向各位学习，也许五年后我会拍一部关于人工智能的电影。

话虽如此，我上一部影片的经验或许能为下一部指明方向。今天的研讨主题是“静默编辑”，探讨人工智能的界面如何开始塑造、乃至限制我们的世界。过去我们通过溯源、加工与阐释与知识互动，通过原始文本，以及由社会机构和共识所构建的解释体系。而现在，我们的交互方式变成了“提示词”与“预测”。如果说拍摄《互联网的终结》这部纪录片教会了我什么，那就是：基础设施会塑造并约束我们与文本的关系。因此，要理解正在发生的事，我们必须仔细审视人工智能自身的基础设施。回顾人工智能基础设施设计的历史，可以发现其中两种主要且相互竞争的逻辑：符号主义（symbolic ）与联结主义（connectionism）。符号主义 AI 试图将逻辑与事实编码进机器，使其能够推理。只要你给机器输入足够的事实与规则，它就能开始理解并推演出意义。

另一方面，由杰弗里·辛顿（Geoffrey Hinton）倡导的联结主义则选择了不同路径。它的理念是：只要向系统输入足够多的数据，它就会开始识别模式并能加以复制。辛顿的联结主义一度被学界忽视，直到2000年代中期， GPU 的崛起与社交媒体数据的爆炸式增长才让神经网络成为可能。突然之间，我们进入了当下这个由庞大的计算集群与数据管道驱动的人工智能时代，其成果令人惊叹。如今，只要一个简单的提示，聊天机器人就能告诉你如何做饭、哪种车的后备箱够大能放下你的山地车，甚至告诉你该如何组织论证框架。但值得深思的是：在这两种思想体系中，胜出的不是推理机器，而是以模式与预测为核心的机器。这意味着，我们现在拥有的是一个“预测机器”，它能根据概率上最有可能的结果，给出一个看似合理的答案。然而，它对真理本身或意义本身并不在意，它所能做的最好的事情，不过是复制过去。

思考这种为现代世界建立的新约束机制的政治经济学时，我会想到马克·费舍（Mark Fisher）提出的概念——“未来的缓慢取消”（the slow cancellation of the future）。

费舍认为，在晚期资本主义下，我们想象真正替代主导经济体系的能力正在逐渐被侵蚀。未来并非一夜之间消失，而是被当下的无尽变体悄然取代——循环美学、算法怀旧、对已有成功模式的反馈循环。我们不也很快会被取消吗？在这个意义上，大规模人工智能系统或许代表了“未来消失”的新阶段。其预测架构并不会生成新的可能性，而是对既有的模式进行优化；它们承诺新颖，却不断再生产过去。在工业规模上，世界变成了数据集，而创造则沦为一种回忆的行为。也许这可以被称为“AI现实主义”（AI realism），在这种意识形态下，我们更容易想象世界的终结，而不是大型语言模型的终结。而当我想到这一点时，又感到一种熟悉的重复感：预测的基础设施正沿着与通信基础设施相同的轨迹发展，正如当年互联网的扩张曾承载着“开放”的乌托邦承诺，如今的人工智能，也在重演那同样的故事。

互联网的普及虽然曾携带乌托邦式的“开放”承诺，但如今却变成了一场关于数据、算力与控制的集中竞赛。人工智能的梦想正在与塑造互联网的那套物理与经济约束发生碰撞。故事再次重演，只是规模更大，也更隐形。但并非所有人都接受这种趋势。我们正处在一个未知的领域。一些研究者，比如朱松纯教授（Song-Chun Zhu），已经主动走出了西方对规模的迷恋。

朱教授的在“认知人工智能”（cognitive AI）领域的工作试图在感知与推理之间建立桥梁，构建能够理解世界而非仅作预测世界的系统。某种意义上，他在回归符号主义 AI 的最初梦想，但同时吸收了深度学习的启示。他所描绘的智能，不是一个复制过去的机器，而是一个能够想象未来的机器。在这个意义上，他的研究代表了对当下预测惯性的一种“静默的反叛”。这也提醒我们，即使是设计也是政治性的。所以如果我要延续拍片时的那种方法，我也应花些时间去观察当下 AI 范式的物理基础设施。如今，大型语言模型的增长正在放缓。经历了多年在人类语言与图像的复制和预测上指数级突破后，如今的进展越来越趋于缓慢。文特·瑟夫（Vint Cerf）的洞见再度应验：我们再次受制于规模的需求。美国主要的人工智能公司正陷入停滞，无法再以过去五年的速度扩张模型。它们能向股东保证增长的唯一方式，不是开发新的创新模型，而是建造更大的数据中心，以此成倍提升算力。但这背后的环境代价是真实存在的，我们正在耗尽物质世界以喂养这台机器。

我们现在进入幻灯片的创意枯竭阶段，接下来将是一些通用模板。但比起那些为了实现 AI 狂热梦想而拔地而起的庞大且可见的建筑，让我更忧心的，是隐藏在其底层的无形劳动。当我们向这些机器输入越来越多的数据，并愈发依赖它们的回应时，我们开始边缘化那些经巨大集体努力建立起来的社会与政治机构，转而依赖从幻景中浮现的现成答案。那些过去需要通过深思熟虑、辩论与公共责任来做出的决策，如今被优化所取代——由平台、算法与预测模型来决定，而它们所服务的，不是公民，而是资本。基础设施正逐渐演变成一种治理形式。也许，这正是马克·费舍所说的“未来的慢性消失”，即那些由集体建构、需要时间与关怀维系的制度正逐渐消蚀，被替换成追求效率与预测的系统。所以最终，这个提示依然清晰：我们必须追问基础设施，因为它既是权力的场所，也是我们自身的镜像。透过审视我们所建构的系统，我们得以看见自己真正珍视的是什么，害怕的是什么，以及我们究竟愿意复制怎样的世界。基础设施是我们的政治承诺得以实现的方式，是思想化为习惯、协议与机构的路径。谢谢大家。

————————————————————

提问环节

Q1： 太精彩了，谢谢你。我想提一个问题，它既关乎你如何拍摄“不可见的事物”的实际挑战，也连接着一个分析性的议题：你认为这种“不可见性”在多大程度上是刻意规避责任的结果？能否谈谈这不仅是事物的隐蔽属性，更是人为的主动隐匿？

A1： 这其实挺有意思的，因为“云”这个概念本身有一段非常耐人寻味的历史。它诞生于上世纪九十年代早期，源自一家 名为General Magic 的公司。当时他们试图解释这个新兴的概念。你知道，网上都有那些老梗图，描绘九十年代的人如何描述互联网。大家都觉得互联网是新潮流，他们说：“我们要进入互联网或者登陆互联网，但我们其实缺乏准确的词汇形容它，也搞不清它究竟是什么。”

那时互联网是一种没人能完全说清的通讯基础设施，直到 General Magic 提出：“哦，那就叫它‘云’吧。”这个说法起到了双重作用：一方面，它让这一切电缆与线路变得抽象；另一方面，它又简化了概念，让人觉得这像一团神秘、柔软、漂浮的白云，人人都能与之互动。但这还在九十年代初，那时“云计算”还远不是大众日常使用的东西；它主要用于数据聚合，而令人惊讶的是，受益者正是亚马逊、谷歌这些大型科技公司。从某种程度上说，这是一场偶然成就了巨头的意外。毕竟，当我们谈起“云”的时候，它听起来就像一种无形又神秘的魔法，仿佛没有任何物理层面的后果或成本。直到你看到那些巨大的数据中心，才会惊觉：“等等，什么意思？我问 ChatGPT 今天午饭该吃什么，竟然要耗掉一升水？”是的，从某种意义上来说，这些大平台真的是撞上好运了。

在我的纪录片里，我也提到过一个很有意思的机构，叫做TeleGeography。他们绘制全球海底电缆的精确地图。几乎每年都会有人重新发现这些地图，然后变成网络迷因（meme），在社交媒体上疯狂传播几天。大家惊呼：“什么？这些是海底电缆？！”年复一年，在这个迷因循环中，人们总会一次次地被震撼，重新意识到：原来互联网是有形的。

让我感到安慰的是，很多观众看完我的片子后都会说：“对啊，我都忘了互联网是实体存在的。”看到人们重新对具象的世界产生兴趣，这真的让我觉得欣慰。这也许意味着，我们还有机会去扭转脑海中那个虚幻的“云”的抽象意象。这当然需要很大的努力，但我认为人们已经准备好重新理解它的物质性了。

这项工作的意义在于，它提醒我们注意我在网络战争领域遇到的另一个难题。黑客、政治、国家安全、个人隐私，这些都是我们日常应对的议题。当你试图和公众谈论数据隐私时，你总会遭遇集体的漠然。大家都知道那听起来不好，但如果他们能用私密数据换取便利，他们几乎总会选择便利。所以问题在于：那些反复强调“你的数据不属于你”、“你对信息失去了个人主权”的论调，根本引不起共鸣。真正能引起共鸣的，是这样的叙事：我正在被操控，被无形的力量支配。所以，记住这一点非常关键。这也是我所说的“让网络重新具象化”工作的一部分，即让人们意识到这些是被人实际控制的物理实体：那根电缆属于别人，他们正在利用它来操纵你。这才是真正能产生共鸣的东西。所以，当你看到人们在听你说“数据主权是一项人权”时露出茫然的神情时，你得记住：人们真正会回应的是操纵感。这是我必须时刻铭记在心的。

Q2： 非常感谢你精彩的分享。我想了解后续项目的发展，那些去中心化项目最终有没有真正实现“去中心化”？还是说，它们又像互联网一样，最后依旧回到了中心化，让那些强大且集中的力量重新浮现？能否举几个你观察到的案例？

A2： 是啊，这确实是所有去中心化项目面临的根本难题之一：中心化能赚钱，去中心化不能。我跟拍这些人时发现，他们几乎全靠意志力在支撑项目。他们真心相信，这些系统能让世界变得更好，于是倾注全部热情与心血。但他们要与谷歌、脸书（或Meta）竞争。当你没有资本支撑时，很难在这样的环境中获得关注和用户。于是，在这个社群里，倦怠感是普遍的。很多项目曾取得惊人的进展后很快崩塌，因为开发者需要支付房租，或是找份工作糊口。我今天没展开讲，其实在我的纪录片中，有一个人试图推出一个去中心化的社交媒体应用。我们看到他组织了一场融资展示，最后却以失败告终。

不过，让我仍然抱有希望的一点是：在每一个项目里，都有一个核心的想法。它会启发他人去做出新的尝试，或成为下一次变革的种子。人们在此基础上不断地累积、改进、重建。这当然是一个漫长、缓慢、而且渐进的过程，但它确实在持续发生。当然，这个过程也有另一面：其中一些人之所以能坚持做下去，只是因为他们早在 2007 年就买了比特币，现在拥有了巨额财富，于是可以随心所欲地做自己理想中的独立项目。所以希望犹存，只是这条路漫长、缓慢且难以预测。

Q3： 非常感谢你精彩又引人深思的演讲。我有一个问题，我们一直在谈“中心化”与“去中心化”，但是否存在这种可能——当我们改变观察的尺度之后，所谓的“去中心化”又重新变成了“中心化”？换句话说，“中心化”与“去中心化”之间其实并不存在真正的对立，而是取决于观察它的视角、尺度与立场？在“立场”这个层面上，我还有另一个相关的问题：我们该如何对技术“去熟悉化”？如果回想麦克卢汉的观点，他认为技术会逐渐消失、融入生活、变得不可见。那么，在这样的情境下，我们又该如何通过艺术、数据，或数据化的数字方法让自己重新与技术保持距离，以便能够后退一步重新审视、质询这些基础设施？谢谢。

A3： 你提到了两个很好的问题。首先，我非常同意你关于“中心化”与“去中心化”之间那种奇特的动态关系的观察。我在幻灯片里展示过一本书，是亚历山大·盖洛韦（Alexander Galloway）的《协议》（ Protocol ）。他在书里探讨了一个非常有趣的悖论：在去中心化之后，控制是如何继续存在的？答案在于“协议”本身，协议其实就是一套约定俗成的规则体系。如果你不遵守这套规则，系统就无法运行。因此，制定协议的人，实际上就像中心化力量，他们设计了让所有人参与构建或活动的世界框架。所以，这确实是一种需要时刻保持警觉的紧张关系。因为有些所谓的“去中心化协议”，其实内部仍然隐含着强大的中心化权力结构。

接下来谈第二个问题，即如何让自己对技术实现去熟悉化。其实，我的纪录片最后也留下了类似的疑问：去中心化其实很复杂。它既是一种解放的工具，也可能导致孤立，甚至放弃社会与共同体的价值。那么问题是：在我们离开这些中心化平台之后，会发生什么？我没有把这部分内容放进纪录片里，但我确实见到越来越多的人开始重新思考中心化平台所提供的东西——它们为我们带来了宏大的、共享的公共空间。那么，这种宏大的公共性的反面又是什么呢？

我们要如何逃离这些巨型平台？逃离之后的世界又会是什么样子？这就引出了一个新的概念——“黑暗森林理论”（dark forest theory）。该概念来自刘慈欣《三体》系列的第二部《黑暗森林》，书中将宇宙比作黑暗森林，危机四伏，自我保护的最佳方式就是保持静默，固守在小型孤立的社群中。如今，很多人开始把这一理论应用到互联网。他们提出一种“联邦化系统”（federated systems）的设想：比如建立一个隐秘的 Discord 服务器，只与少数彼此信任、共享语境的人交流。在那里，每个人对世界有共同的理解，彼此大致熟悉。我认为，意识到这些企业式中心化平台的限制，反而能帮助我们想象如何逃离它们，去构建另一种、更亲密、更自我定义的网络存在方式。

Q4： 谢谢你精彩的演讲。我有两个相关的问题，你可以任选其一回答：第一个问题是，你觉得为什么那些最具社会影响力的去中心化项目会出现在加泰罗尼亚？第二个问题更偏理论一点，在技术决定论的讨论中，人们往往会假设技术基础设施的结构会直接塑造其上层的社会结构。那我想问的是，你是否认为一个社会上去中心化的系统，有可能建立在中心化的基础设施之上？谢谢。

A4： 这两个问题都很有意思。如果要找个例子的话，我觉得像维基百科（Wikipedia） 或 Reddit或许能说明问题。至于加泰罗尼亚那个问题，我其实在拍摄时也试图去挖掘这一点：到底是不是加泰罗尼亚人的某种精神气质，让他们更倾向于全身心投入到去中心化网络的建设中？我的直觉是，这与西班牙的无政府主义（anarchism）与社会主义合作社（socialist co-ops）传统有关。比如说像蒙德拉贡（Mondragón） 那样的社会化企业，它既是合作社，又是公司体制的一种混合形态。在西班牙，这种历史传统让人们更容易接受无政府工团主义（anarcho-syndicalism）的理念。我认为，那片土地上确实有一种独特的历史与文化基础。当然，我在片中也有直接问过当地人，他们对此显得比较谨慎。我想他们不愿让整件事被简单归结为“西班牙式的想法”或“文化上的特例”。

至于第二个问题，我不敢说有明确答案，但我觉得确实存在“游戏化系统”（gaming systems）的可能。比如不同社群在 Instagram 上的玩法，有些人会建立Finsta账号（即假账号、分身账号或多人共用账号），去戏弄网络的“元文本”（meta-text） 6 规则。我不知道你有没有关注过一个叫“知识分子运动”（intellectuals movement）的网络现象——人们在 Instagram 账号名后面加上“-uals”，以此表示自己属于某种意识形态社群，他们经常发布带有反讽或戏谑意味的内容（shit-posts）。这其实也是一种对平台规则和语境的再利用与再创造。再比如，有些人会用被封号的次数来命名自己的Instagram账号，像“Dylan Reibling the Second”或“the Third”，表示自己因为发布了违规或争议性内容被 Instagram 的条款删除过几次。这其实也是一种对平台控制逻辑的元文本层面的抵抗实践。这些都是我第一时间能想到的例子。

编者注释：

1. “以太”（ether）原为十九世纪物理学中的假想媒介，被认为充满于空间、使光与电磁波得以传播；尽管该理论已在现代物理中被废弃，但其隐喻性意义在文化与媒介理论中持续存在，常用来指代一种看似无所不在、却不可见且不可触的传播环境。在数字文化语境里，“无形的以太”指大众想象中的互联网：一种被呈现为抽象、轻盈、无摩擦的“云端”，似乎超越地理、物质与政治。学界将这种想象视为“数字去物质化神话”（myth of digital immateriality），掩盖了互联网依赖大量能源、矿产、数据中心与全球供应链的物质基础。

2. “士绅化”（gentrifying）指一种城市空间再开发与社会结构变迁的过程，其典型特征是中产阶级或更高社会经济地位的人群进入原本由低收入居民居住的城区，从而导致房地产价值上升、生活成本提高，并进一步引发原有居民的被动迁移或文化排挤。该概念最早由社会学家卢斯·格拉斯(Ruth Glass) 在 1964 年提出，用以描述伦敦工人阶级社区因中产阶级迁入而发生的结构性变化。在当代城市研究语境中，“士绅化”不仅涉及房价或阶层的更替，也常与技术基础设施的更新、城市景观的“清洁化”与“美观化”、资本导向的城市治理等因素相关联。文段中提到的“伪装成真树的 5G 天线塔”象征了这种更新过程：此类“美化式基础设施”往往出现于城市管理者或开发商希望吸引更高消费群体的地区，因此其出现可被视为社区正经历或即将经历士绅化的一个视觉征兆。

3. TCP/IP（Transmission Control Protocol / Internet Protocol） 指“传输控制协议/互联网协议”，由 文特·瑟夫（Vint Cerf）与鲍勃·卡恩（Bob Kahn）在 1970 年代提出并实现，被视为现代互联网的核心通信协议栈。其基本结构由分层的协议组成，通过在网络层采用 IP 进行分组寻址与路由，在传输层采用 TCP（或 UDP）实现可靠（或非可靠）数据传输，从而使异构网络能够互联并交换信息。TCP/IP 的设计理念强调“端到端原则”、网络的最小假设、以及将智能置于网络边缘的架构思想，这些技术哲学不仅塑造了互联网的开放性、可扩展性与鲁棒性，也深刻影响了其后续的治理方式、商业模式与权力结构。

4. Freifunk 是 2000 年代初在德国兴起的一个社区主导型无线网络运动，其名称意为“自由无线（free radio/wireless）”。该运动基于开源硬件与自由软件，通过改装或刷机开放路由器（如基于 OpenWrt 的固件）来构建去中心化的网状网络（mesh networks）。Freifunk 的核心理念是以自治、自组织与公共资源共享为导向，使居民能够绕过商业互联网服务提供商，通过点对点连接形成本地公共网络。

5. “新边疆”（new frontier）源于边疆研究（frontier studies）与殖民史论述，其隐喻性用法在二十世纪后期被拓展至科技、资本与数据领域。传统意义上的“边疆”指国家主权与经济扩张尚未完全覆盖的地带，被视为资源可被占有、秩序可被重塑的空间。在数字时代，该概念被重新套用于数据、算法模型、平台生态、基因资源或原住民知识体系等非地理性领域，用以描述资本、国家或科技企业将其视为可提取价值的新型领土。

6. “元文本”（meta-text）指对文本本身的结构、规则、语境或符号系统进行反思、引用、戏仿或再利用的实践。在媒介研究与叙事学中，“元文本性”常用于描述一种“自我指涉”(self-referential)的操作：主体不仅在参与某个媒介系统，同时也在“评论”“暴露”或“操纵”该系统的运行逻辑，从而使文本既是内容，又是关于内容的评论。在平台研究（platform studies）语境中，“元文本”可延伸至用户如何与平台的规则、审查机制、算法排名、账号身份结构等“制度化语法”（institutional grammar）进行互动。

————————————————————

讲者介绍

迪伦·雷比林 （ Dylan Reibling ）

迪伦·雷布林（Dylan Reibling）是一位加拿大电影导演，他的作品关注技术、政治与文化的交汇。他的处女长片纪录片《互联网的终结》（The End of the Internet, 2025）在哥本哈根国际纪录片节（CPH:DOX）参赛首映，并在BAFICI、慕尼黑纪录片节（DokFest Munich）及其他国际影展放映。影片探讨了去中心化运动以及数字基础设施如何塑造社会、政治和经济生活。雷布林曾与维斯媒体（VICE） 合作制作备受好评的系列纪录片网络战争（Cyberwar），并在北美和欧洲的各大影展与机构展示作品。他目前正在开发关于数字未来、技术前沿与政治思想的新项目。

]]>网络社会研究所第十届网络社会年会｜罗霄：当生成成为日常- AI时代的流变、协议与遗忘2025-12-08T00:00:00+00:002025-12-08T00:00:00+00:00https://nodebe4.github.io/opinion/2025-12-08/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9C%E7%BD%97%E9%9C%84%EF%BC%9A%E5%BD%93%E7%94%9F%E6%88%90%E6%88%90%E4%B8%BA%E6%97%A5%E5%B8%B8-%20AI%E6%97%B6%E4%BB%A3%E7%9A%84%E6%B5%81%E5%8F%98%E3%80%81%E5%8D%8F%E8%AE%AE%E4%B8%8E%E9%81%97%E5%BF%98
网络社会年会

第十届网络社会年会｜罗霄：当生成成为日常- AI时代的流变、协议与遗忘

2025-12-08

文 / 罗霄
整理 / 田沛松
校对/ 朱韵

感谢蓬岸和网络社会研究所的邀请。我之前在艺术类和设计类的院校做过很多分享，当然还有技术专业，包括同济大学建筑学院。我也向蓬岸了解了一下大家这个群体，之前确实还没有与大家这样的群体做过深度地分享，所以今天我是也非常激动。

我自己是创意技术专家和数字艺术家，这样一个身份比较分裂，涉及技术和艺术两方面。但其实和跨媒体艺术学院做的事情是基本是一致的，就是以科技为主的新媒体艺术。我可能更多的是在做一些实践类的内容。一般的对外推送里，最近我都会把自我介绍改成算法工程师和数字艺术家，因为“创意技术专家”这个身份总需要向人解释，解释我具体是干嘛的。但是在我们跨媒体这个环境里我就会觉得很轻松，所以我把title又拿回来了——Creative Technologist。

比较早开始，我就一直在做游戏开发和新媒体艺术这类的商业项目，也包括一些艺术项目。大概从2020年开始，我逐渐把AI引入到一些创作中。今天的主题我想以自己的创作实践为主线，从我的视角来分享一下AI：到底什么是AI？什么是AI的生成？在AI普及之前，我们跨媒体一直在做的算法生成艺术（Generative Art）和现在的AI生成有什么区别？它们中间有哪些差异和联系？以及新技术对艺术家作者身份的定位，或者说给艺术家的主体性带来什么影响？但在一开始的时候，我会先讨论一下人工智能与机器学习。

最重要的是了解什么是函数（function）。关于这个问题，我们有中学数学知识就足够了，虽然大家可能是文科或者艺术类的专业，但是其实中小学课本里已经有函数这个词。其实函数主要指一种方法，在我们编程和算法的世界里专门有一类编程思想就是把函数翻译为方法，而不叫函数。当你把函数认为是方法的时候，它便可以解决一系列社会和人生活中的问题，尽管这种方法或者说这种函数往往非常复杂，比 “y=x+1”这种简单函数要复杂得多，但是它们都是解决某一类问题的方法。在人工智能或者机器学习之前我们需要回顾一下“人力”学习。当我们说要解决一个问题，其实就是寻找到一个方法，寻找一个函数。

我们出一道稍微有点难度的初中数学方程式——“y=ax+b”。如果我们给定了几组已知的数据，比如说“x=1”的时候“y=5”，“x=5”的时候“y=13”，这些是我们已知的数据，然后我们需要求它的参数a和b分别等于多少，我们有了一个方程式“y=ax+b”，但是因为a和b这两个参数是不知道的，所以你没办法用这个方程去解决某一个问题。

但是当我们有了几组已知的数据：“x=1时y=5”、“x=5时y=13”，那么这时我们就可求a和b分别等于多少。我们把它代入方程以后，就会得到a=2，b=3。也就是说当a和b找到的时候，这个方程就有用了，因为它这个时候变成“y=2x+3”了，这时如果你给定一个x你就会得到一个新的y。比如x=30时就会得到y=63。通过已知的几组数据得到这个方程式的参数以后，我们就可以用新的数据得到新的输出，这就是“人力”学习的过程——对某个函数求解的过程。那么“机器”是怎么来学习的呢？

最关键一点是机器它会自主地从已知数据中寻找一个函数，所以我们会把这个机器学习的过程叫做模型训练。还是这个方程式“y=ax+b”，还是先通过已知的几组x和y找到它的参数，a和b找到以后这个方程就固定下来了，当然这个时候是机器自己去找。这样这个函数就可以用了。如果你的x是一个提示词，那么你的y就是输出的一张图。只不过这个时候的函数非常复杂，它不是“y=2x+3”这么简单的一个方程，给定输入提示词然后拿到一张输出图，这种方程式可能是我们人类很难写出来的，但是机器可以通过它的学习能力把复杂的方程式找到，这就是机器学习。但最重要的一点是为什么机器能学习？机器为什么会自主学习？这就很神奇的一点，实际上这与最基本的一个算法叫“梯度下降算法”（Gradient Descent）有关。

其实只要我们稍微分析一下，机器学习并不是那么神奇。比如说这样一条抛物线，它是一条曲线，那么对于这个黑色的小圆球，我们通过梯度算法或者说求导数的方式，就可以求每一点接触于曲线的那条虚线，也就是它的斜率。偏左或偏右，在数值上会反映为这个值大或者小。那么我们让这个球稍微移动一点点，往下走一点或往上走一点，相应地，它当前斜率的值就会变大或者变小。只要人为规定让球一直往着变小的方向去走，那么这个球便会自动地朝最下边移动，也就是说它会有一个自己寻找、求解的过程。

从三维的空间里来讲就会稍微直观一些。我们有一个复杂的问题，这个问题有两个答案，一个答案是深一点的坑，另一个答案是浅一点的坑，不同的坑可能对这个答案的完善度是不一样的。可能深一点，大一点的坑回答的更准确一点。当我们把一堆的球在任意的地方撒手之后，这些球其实梯度下降的，你也可以认为有一个重力很自然地拉着它往下走，所以球会自己寻找离他最近的坑掉进去。其实这就是它自己去学习和自己去找最优函数解的一个过程，也就是机器学习比较直白的一个讲法。其实没有什么玄学在里边，而是很正经的数学公式。

所以机器学习就是通过算法，让计算机从数据中进行学习和改进，继而让机器拥有学习的能力。机器学会了从数据资料中寻找函数，对于“y=2x+3”，给定机器一个x就能得到相应的y，但是真正的方程要复杂得多，人手写不出来。

我们再举几个例子，比如ChatGPT这种大语言模型。当你问ChatGPT：“什么是机器学习？”，那么它会先回答一个字“机”，然后是“器”，这样一个字一个字地输出。我们在去年用ChatGPT的时候，你会发现他吐字的时候很慢。因为它其实是先把“什么是机器学习”作为输入x，得到的输出是“机”这一个字，也就是“y=机”，然后再把这个“机”加到“什么是机器学习？”上。“机”作为一句话，再丢回给这个函数。得到的下一个输出是“器”，然后再把“机器”加到前面的问题里，就这样一点一点地往后吐字。

Midjourney这种图像生成AI同此道理，可能它的x是一只可爱的猫，它的y就是一张图。在早年间，阿尔法狗（AlphaGo）围棋也是这样。它的x输入是当前围棋局势的这张图，它的输出就是落子的位置。像这种方程人类其实很难写出来，但是通过机器学习让机器自己处理大量数据之后，它就可以写出来。机器学习的应用有一些常见的种类，比如回归类，通常是应用于预测，包括预测天气以及Pm2.5等等；还有给事物分类，比如说画面里有猫有狗的两组照片，它会自动地帮你把猫和狗做区分。其实我们现在每天都在用AI，所以大家会觉得这是自然而然的事，实际上这都需要通过训练来学习。如果你在训练AI的时候给它很多猫的照片，并告诉它这是狗，那么等它学习之后，你再给它一张新的猫的照片，它就会告诉你这是狗。这其实和小孩一张白纸的状态一样，你教他什么，让他学什么，怎样去引导他，他最后就会学成相应的样子。还有一类是我们现在用的最多的生成式学习（Generative Learning），对应到我们今天的主题。我们日常生活中会用生成式AI去生成文字、生成图片，生成视频，生成各种多模态的内容，其实像大语言模型、图像、音乐等等绝大部分，都属于生成式AI的范畴。

我首先会讨论一下在前几年比较流行的一类生成模型——生成对抗网络（StyleGAN）。这个词可能在一些论文里会出现比较多，因为现在大家日常用的是扩散模型（Diffusion Model）以及扩散模型的一些变体，但是“扩散模型”这个词写在文章里感觉就不是那么亮眼，而“生成对抗网络”这个词写出来就很好看，尽管它的名字是很技术性的。那我们来看一下什么是生成对抗网络。它包含两部分：生成器（Generator）和判别器（Discriminator）。生成器的功能就是不断地生成一张图，然后判别器就会来分辨这张图是AI生成的假图，还是一张人类真实数据里的照片。当判别器做出正确判断以后，生成器会接着进化，直到生成的图或者结果非常接近真实的数据，让判别器判别不出来的时候。这时二者间所谓的对抗或者说博弈就到达了一个平衡点，那么这个模型就已经被训练为比较完善的状态，这是生成对抗网络的一个特点。

我接下来会以自己的一些作品创作过程来讲这些生成式AI，包括生成对抗网络，以及扩散模型背后的原理。《CyberFish》是从21年开始就在做的一套系列作品。那个时候还没有扩散模型，是用StyleGAN通过提示词来生成的这些鱼。作品的世界观就是一条普通的鱼，在种种事件冲击下有了一些分化和变异。那么它从左到右就会有一些视觉方面的进化，这些可能现在看都有一点粗糙，但还是很好用的。这同时也暴露了现在模型的问题：现在的模型生成的东西都太完整了，也挑不出问题来，想让它不太完整反而不是那么容易。但是以前的模型生成出来就很“艺术”，打引号的艺术。比如说中间这条鱼，它进化成身体里有一个城市的状态，那么我就来给大家分享一下它究竟是如何完成进化的。

在做鱼的时候，我首先要有模型，模型需要训练，所以我就要先收集数据。数据集就是这些生物学的插画，它们来自于一些生物学的网站和生物学书籍的插画。但拿到数据之后，不是马上就可以开始训练的，我还需要进行一些前期的，所谓数据清洗的工作。这实际上也是很直白。因为我要训练鱼的图像模型，那么每张插画里的文字注解对训练图像就是有干扰的，所以我其实每张图都做了一些P图的工作，这个就是数据清洗。

当数据准备好之后，我可以开始训练了。现在你看到这些都是训练过程中生成的一些鱼，它还没有训练完毕，但是远看的情况下已经能看出来是鱼了。不过你仔细看的话有一些是不是不太对？像右边这条鱼，它的鱼鳍和身体是分开的，然后像上边第三条，它没有下巴等等。也就是说如果模型没有训练好，作品从工业指标和数值上来讲是不达标的，而且这些图像，作为从人的像素空间看到的事物，也是不符合人的常识的。但如果你做一些艺术创作，比如说故障艺术之类的东西，还是挺有趣的。

当模型训练好以后就可以生成图像了。现在你看到的都是模型训练好以后生成的鱼，这个鱼就是有鼻子有眼的，一切都都很完善。但是也有一些特例，就像上边的第二条鱼，你可以看到它这条鱼左右两边都是尾巴对吧？这就是因为从技术角度来讲模型训练的不是百分之百精确，不是那么好。所以对应的生成内容，自然会有一些东西是不符合工业标准的，但是它可能符合我的创作标准。如果都是跟原数据一样的鱼，就没有意义了。

这个动画叫插值动画。什么叫插值？我们假定有1和10两个数字，AI会自动的帮你把中间的2、3、4、5、6、7、8、9连起来。另一个概念是，一个数对应一条鱼，也就是一张图。你从像素视角里看到的一张图对应的是其实AI的数学空间，也就是“潜空间”（Latent Space)。那个空间里是一系列非常复杂的数字，但总是一个数代表一条鱼。假定1是一条瘦鱼，10是一条胖鱼，AI会自动的把你2、3、4、5、6、7、8、9所对应的插值表现出来，当然这个是线性插值。每个数对应一条鱼，当你把这10个数对应的鱼连起来播放，就会得到这种非常顺滑的动画，这就是插值动画。还有一个特性，比如左边这条鱼，我给模型的鱼是生物学插画书里真实数据的鱼，右边是我训练的模型生成的一条鱼。当我给我的模型去看左边这条鱼的时候，我的模型就会从AI的数学空间里找到最接近左边鱼的一个状态，并一点点去逼近它。正如我前面所说一张图对应一个数。假定左边这条胖鱼对应的是100，那么我的AI就会从他的数学空间里找到最接近100的那条路径逐渐去逼近100，反映到视觉上就是有一条鱼它自己越吃越胖。所以这个作品就叫《CyberFish 变胖》。

还是同样的原理，这件作品叫《CyberFish 支楞起来》。因为我给AI的目标是一条狮子鱼，它身上有一些鱼鳍是像刺儿一样，然后AI会无限地去趋近它。而这个叫《CyberFish 左右为难》。因为这种鲨鱼叫姥鲨，是一种深海鲨鱼，它非常柔软瘦长。尤其是左边这张图画里展示的，它的头可能有一点像尾巴，然后AI就不知道哪边是头哪边是尾巴。其实它只是纯粹的从像素的角度要不停地去趋近，它不会停到最后一帧，而是无限去接近左边，最后会大概停到一个它觉得已经最接近的一个状态。但是我们人去看，当然它生成的鱼两边都是尾巴。这个问题就跟你模型的训练工艺以及迭代的部署有关。但总之，AI有一个能力就是去无限地趋近，只要你给它一个目标。

我们现在来看鱼是如何进化的，从左边一条普通的鱼进化成一条有赛博朋克风格的鱼。进化其实有两个关键点：一个是你要有一个生成模型，我刚才已经训练了一个可以生成普通鱼的模型。然后还有一个点是你要给他一个clip。这个clip模块是干嘛的呢？我们看到左下角是一条普通的鱼，它对应着一个很复杂的数，我们一般把它叫矢量（vector），然后把这个代表普通鱼的数字丢给神经网络，再给它一句提示词，它就会生成一条武装起来的赛博朋克鱼，一条风格化之后的鱼。能做到这样的关键就是clip的存在。它首先能理解这个语义。另外的一个作用是引导，就像你倒车入库，你的教练会让你往左打一点，往右打一点这类的引导。Clip会引导着你的生成模块向你的目标（target）去。也就是说在AI生成的逻辑里，你的提示词就是生成任务的一个目标，不管你生成文字也好，图像视频也好，提示词都是它的target。当我们把这个过程可视化下来，就得到一条普通的鱼，由clip引导着生成模型无限地去接近于那个目标，最终变成了一条风格化后的鱼。

当解决了这个问题后，就可以用AI生成很多这样的鱼，从一条普通的鱼开始这一系列。我后来也参加了一些展览和一些加密艺术的活动。但我们不会每次生成的时候都给AI一张图，我通常只给它一个提示词，比如“一条武装起来的赛博朋克鱼”，这时候AI会自己从它内部拿一个随机数，也就是一个噪声（noise）作为初始值，从噪声值开始无限地去接近于作为目标的提示词，所以也会得到一张图。这个过程就是所谓的“文生图”（text-to-image)，有了文生图以后，做事情就非常简单了。

《CyberFish-Front》这个作品是22年Midjourney刚出来的时候创作的。我当时想做一组鱼的正面的作品，但是我没有那么多鱼的正脸的数据集。生物学的书里也没有，自己拍摄也拍不到那么多。Midjourneyy出来以后，我就在Midjourney里“抽卡”，生成了大概两三百张的时候，它开始出现这种看上去有点像鱼的正面的图像。当我“抽卡”到足够多的时候，我就把它们当作数据集，重新去StyleGAN里面训练，训练完以后，就用同样的套路做一些插值动画之类的，最终变成视觉性的作品。古早的AI还是很有意思的。现在的你让它生成鱼，它生成的真的就是一条鱼。

这是到了24年8月份，鱼的正面的2.0版本（《CyberFish Front 2.0》），这个时候你可以看到它已经很像鱼了。但实际上这时我反而要告诉Midjourney不要那么像鱼，要有一些惊悚的表情，像人一样的表情，比如睁大的眼睛之类的。相比第一代的时候，我要告诉它生成一条什么样的鱼，尽量生成鱼的正面。到后来要告诉它的，却更多的是一些跟鱼无关的提示词，它才可以生成我想要的东西。而且第一代的时候我是拿真实的人类图像资料作为数据集的，但这个时候我其实是拿圆环套圆环，用AI生成的内容当做数据集，去训练我自己的模型。最右边是我在它生成的插值动画的基础上加了一些算法的东西所实现的效果。

现在，我跟大家再分享一下这些鱼是怎么训练出来的。现在你们看到的这组图是狮子、老虎等猫科动物的脸。但我其实是在这组猫科动物五官的基础之上，拿它作为预训练模型，加上鱼的数据集去创作的。其实狮子、老虎的模型不是只能生成狮子和老虎，重点在于这个模型已经具备了提取动物正面五官的能力，我其实是站在这个能力之上去做自己的事。它本来是生成老虎的，但当我给它看了大量的鱼之后开始持续训练，我就成功把它带偏了。当然我也可以从零开始训练。但站在AI的基础之上训练，一是可以降低训练成本，还可以提升一些训练效果。其实我也可以基于这些狮子、老虎去训练人的生成肖像模型，重点就是这个模型它抓取五官的能力。

现在我们进入了提示词多模态的时代，文字、图像或者声音都可作为提示词，但总之这些提示词其实就是你和AI沟通时给它的一个target，你给它指明了道路，再通过各种各样的模型就可以生成很多内容。这些给到AI的原始素材以前只有人类素材，但是现在你给AI的素材有很多已经也是AI生成的，当然生成的过程离不开训练，离不开数据集。数据集可以是人类的数字资料，当然也可以是之前的AI所生成的内容，所以现在我们就更难把这条脉络解释得很清楚。前些年有的内容一看就可以判断出是人写的，但现在很多内容很难确定来自人或者AI。“垃圾”分类的工作越来越困难。

这个是我最近在做的一件事情，依旧是处理“CyberFish”的正面。但是我不想要那么多细节，而是回归到最抽象的层面。其实在StyleGAN里潜藏空间是分好多层的，从低分辨率层一直到高分辨率层。在低分辨率层的时候，它首先会生成事物最基础的粗线条，生成一个大概的形体，或者说最重要的特征。然后靠后的神经网络会再生成细节，比如鱼的皮肤，以及身上的一些纹理。如果生成一只鸟的话，就会再生成它羽毛的一些细节。但是鱼的大概形体已经通过靠前的层生成出来了，这是它最重要的特征值。我最近在尝试通过这种方式来看看AI是否有可能去创作一些抽象的东西，提取一些事物最抽象的环节，也就是最靠前的层所生成的最大的特征。当然它可以不只是图像，它也可以是文字等等。比如说现在这张图（《CyberFish  元形》）是更靠前的层生成的，其实还是那条鱼。如果继续往后边一层一层地生成，就会生成最终的那条鱼，但当生成它的层很靠前时，鱼在AI眼中其实是这个样子。

这个（《不可名状系列》）是基于插值动画和以上的原理做的一些作品，以美国大都会美使馆等艺术机构里的一些作品作为数据集，然后训练完以后生成插值动画。当然我还加了一些生成艺术的算法特效在里面。这里用到的是叫StyleGAN XL的模型，也就是StyleGAN的一个大号版本。当给它一个提示词，它生成内容的过程会很微妙，所以这组作品叫《不可名状》。其实我也不知道它是什么，而且几乎没什么可以人为控制的操作，我只能给AI提示词，比如“巴洛克珠宝”，还有一点蒸汽朋克以及其他一些元素，它就生成了这样一些影像。这也可以看作是古早类的AI艺术作品，不过其实也没多早，因为虽然AI发展很久了，但是生成式AI的爆发也就是这几年的事。这个其实也就是22年的作品，在我们跨媒体艺术的大领域里，10年、20年前就在做新媒体艺术，尤其是艺术和设计方向的同学，到现在学的可能还是Text Designer、Processing等等编程工具，而AI的大发展其实也就是最近两三年的事。

现在看到的是一个声音驱动的插值动画，StyleGAN的生成效率会比现在的AI高很多。这个动画的实现了画声实时互动的效果，音频在这里会作为另一种模态的数据来驱动这个画面，来改变当前这张图在潜空间里对应的数字。最终反映到人眼空间或者说像素空间里的画面就有了改变。也就是说你的数据来源不管是人机互动，还是传感器互动，或者来自于网络社会数据库里的一些文献的资料，总有一种数据可以和AI的生成关联起来。

刚才讨论的是StyleGAN，现在我们要说到目前大规模应用的扩散模型，比如Stable Diffusion和Midjounnry。什么叫扩散？因为它不像生成对抗网络，有一个生成器和一个判别器博弈对抗。如果在训练扩散模型时给它一张风景的图，然后一步一步给它叠加噪声，让它自己学着去反向操作这些过程。也就是把这些噪声一层层地去掉，之后就会得到新的一张图，尽量去接近那张原始的图，这就完成了一次学习。经过无数次这种学习后，你任意给它一张噪声图以及提示词，它就可以还原出你提示词的目标。这就是扩散模型。

这是我前两年用Stable Diffusion训练的一组作品叫《AI聊斋》，它用到的数据集是清代的一套绘本《聊斋全图》。我先去获得了古籍《聊斋全图》，它可以在“书阁”网站上公开下载。然后我就把它作为数据集训练之后去做了这样一个模型，有了这个模型就可以生成更多跟《聊斋全图》里的人物和画风相关的内容。现在图生视频非常方便，有了图顺便丢进去，几秒钟之后就可以拿到一个视频，这也就是模型训练的一个好处或者说意义。

上面三个是和《CyberFish》的联动。下面三个，中间的叫《陆判》，讲的是大家喝醉了吹牛逼，主人公去陆判的庙里面把陆判的塑像背回来了。后来真正的陆判在半夜就来找他，随之发生了一系列离奇的故事，比如给他的老婆换了一个头之类的。最右下角就是《画皮》和《聊斋全图》绘本里的角色一个样子。这段文案是聊斋志异书里的原文，我要训练这个模型，其实我要先教AI，告诉AI这张图代表的是什么内容，那么我就要去翻《聊斋志异》这本书。所以为了做这件事情，我其实被迫把《聊斋志异》又翻了一遍，这在无形中其实是很系统化的做数据收集和研究的过程。

有了模型在手，其实可以生成好多原来绘本里没有的关键帧或者分镜头。这集是《白莲教》，左边是原图，右边是《聊斋志异》原文，下边是我写的数据集标注。这个标注就是为了在训练过程中，告诉扩散模型这张图的用途，这张图里表有什么内容。经历这样一个过程的训练以后，就可以生成很多这一类的内容。这个故事其实很离奇，起因是主人公为了解救自己的妻儿，在被押送的过程中，突然出现了一个巨人把他们三个都吃掉了。但是巨人可能是到某一个地方会把他们三个再吐出来，也就是变相就把他们救走了。

这个是用“AI聊斋”这个模型做的一些新尝试。对于这种大画幅的作品，在前两年直接生成图还是有难度的，但现在可能有更多的办法。所以我也尝试创作了这种所谓极繁主义的作品，有非常多的细节，都是由AI生成，而不是单独创作后再把它们拼起来。

经过前面这些铺垫，大家可能已经简单了解了我是如何拿AI去创作，以及AI为什么可以被拿来做创作。那么接下来聊一下之前的算法生成艺术和AI之间的区别。这里可能有些关键词像“规则”、“流变”等等。所谓生成艺术其实是规则运行的痕迹。规则其实就是协议了，我们作为艺术家，尤其是跨媒体专业的艺术家，在创作算法生成艺术的时候，要先用代码来制定好一系列的规则。有了规则以后，通过一些实时的处理来最终形成自己的作品。艺术家不是为了直接绘制出最终的作品，而是在创作过程的起点，先制定一套规则。像维拉·莫尔纳（Vera Molnár）这套经典的作品《无序》，我们可以看到它背后有一种充满逻辑感和数学感的规则。

这个是三维的一种分形算法，制作这种作品的时候，只要通过算法和编程的方式把规则定好，通过艺术家给到的不同参数，计算机就会自动会帮我们生成这些作品。它跟直接拿笔画画还是不太一样的。拿笔画画你可能会从雕塑，或者其他的视角一步一步地去创造它。但是我们使用AI的时候，就需要先制定规则。像这种算法是多尺度图灵模式，它可能更多被用来生成模仿一些物体的形状，比如说地形的表面。像这个是跟电磁场有关的算法，这种数学算法本身很有一些美感，所以这些规则和算法通常被拿来做生成艺术。这是流体力学里的向量场算法，红线上的每一个点都有一个偏移量，把它连起来看就会形成一个向量场。基于这种算法，泰勒·霍鲍斯（Tyler Hobbs）创作了这件叫《Fidenza》的作品，在
NFT平台上卖的也非常好。

所以对于生成艺术的创作，艺术家其实是制定规则的人，然后由规则来产生最终的作品。这种规则通常是显性的规则，也就是说规则是可解释的。因为写代码的艺术家是规则的设计者，这种规则或者协议决定的是能发生什么，而不是决定最终的作品长什么样子，艺术家的关键是制定这个系统。作者性在这里其实也是很直观的。艺术家通过写代码得到一个program，这个程序包含了一套规则系统，当这个规则跑起来后就会得到最终的画面。

刚才我铺垫了那么多，但是到了AI时代，大家平时创作的方法变成了写提示词，然后由一个AI模型和这些提示词配合，最终生成内容。那么这时我们就有一个经常被讨论的话题：规则是否仍然属于艺术家？或者说所谓的AI艺术家是否存在？你拿AI去创作的时候，不管是写东西还是画东西，这个是你写的还是AI做的？但其实在AI里也是有规则的，但它的规则是潜在的。不像之前的算法生成艺术，我们直接在可读的代码里去写“if”等条件判断。对于AI，其实关键是机器自己学习规则，而不是艺术家去写这些显性的规则。AI从我们前面说的“a=2，b=3”这类数据集中，或者那些鱼的数据集，以及《聊斋全图》数据集里自己学习概率分布，在潜空间里面得到这种几何规律之后，进行推理约束和调度。但归根结底规则仍然存在。

那么我们作为艺术家如何去把控这种规则，或者说介入到这种规则里？可能我们刚开始用AI创作的时候会觉得比较无助，因为你能做的事情好像只是写提示词，剩下的那些AI都帮你完成了。但实际上这里边有很多意思不明确的词，会提示你它的作用。比如最左边的是生成式AI，它是有一个潜空间和插值动画，中间是扩散模型，它是从一个噪声值开始一点点扩散，最右边的是现在比较新的自回归模型。自回归模型它更像是以时间的维度去关联前一帧和后一帧，所以在模型内部就具备了因果的理解力。之前的模型生成一次就是一张图，哪怕生成视频得到的也是多张图的序列帧，它的前后内容在逻辑上其实是没关系的。但是到了现在，它能根据之前的内容来推测后面要发生的事情，其实就有了因果。这个时候的作品就是一个完整的轨迹与序列。那么在潜空间里通过这种插值，你其实就可以做一些创作而不只是写提示词。在自回归模型甚至是在扩散模型里，随着生成过程的展开，其实每一步我们都可以修改很多参数。尤其当我们作为一个算法工程师或者算法艺术家时，即使给到AI同一个提示词，也就是说给它同样世界观的时候，我们还是能做出很多内容，这其实就是一个人机交互的动态过程。在我们反复尝试使用模型后会得到一个谱系，在这个谱系里通过不断地反馈，通过这些反馈去调整输入的关键词，就会最终生成闭环的作品。

可适应的权重，涉及到“遗忘”。比如说我训练我的鱼的时候，我让AI遗忘了本来模型里的老虎，通过鱼的数据集把它训练成了一个生成鱼的模型。让它忘掉自己的东西，但是记住我想让它记住的东西。作为创作者，总是可以跟AI发生相对深度和细节的对话，而不只是有一些提示词。所以创作过程不是在一个固定的世界观里展开的，我们其实可以主动去重塑这个世界。所以，从传统的算法生成艺术，到现在的AI生成，我们要再做一次对齐。我们有时候会把传统的算法生成艺术，叫做旋钮艺术或者调参艺术，好像改几个参数画面就变了，但实际上不是这样的。艺术家是在创作规则，打造系统。在AI时代，这个问题被抛回来了：创作的主体性是否仍然属于艺术家？我觉得没有那么的悲观。我们能做的事情其实非常多，不只是提示词，我们甚至可以把一个模型带偏，这已经是人类主动性很大的体现。

这是关于网络社会以及新媒体艺术的一些“老黄历”，我的社群“实验编程”是一个创作者社群以及知识输出平台。可能从08、09年开始，有一个比较活跃的交互媒体论坛“who do it”，这是它的前身。其实最早的群体活跃在豆瓣小组，后来做了论坛，然后就一直发展到现在。大概是这样一个过程。这个也是蓬岸一直在跟我交流的一些东西：这群人的过去和现在，以及他们所代表的一种创作生态和技术，在AI前和AI后产生了哪些创作感受。谢谢大家！

——————————————————

提问环节

Q1： 谢谢罗老师演讲，我问一个细节问题，就是关于你那个鱼在潜空间里面不同的层次。你表述的就有点像是我们画画的过程：先打个大形，然后再搞细节。我不知道这种算法是被设计成先把握大形再细节，还是说这种秩序本身也是机器自己摸索出来的，又或者反过来问：是否它可能把握起来不是那么直观，有没有其他不同层次的秩序？

A1： 这个问题挺专业的，如果我们从一个整体的层面来讲，AI对于人可能是一个黑盒子。比如说Open AI的人训练好ChatGPT以后，算法工程师并不知道GPT里边如何实现那些步骤。但是他知道AI如何去训练，这是一个特点。所以在鱼那里边，首先我选的是生成对抗网络。网络会分几个大的层，基本它的一个结构就是AI的结构。它是会先抓主体，然后再去完善细节。但是主体究竟是怎么抓取的，或者说细节究竟是怎么完善的，这些是AI通过自己的学习和归纳找到了那些数据的分布规律。我不知道它怎么画出来的，但是它能画出来。但是当你给它的设计结构就是大的训练结构的时候，它确实是有可能在前面的层偏向于大体的特征，后边是一些细微的东西。包括后来的扩散模型，也是会优先去会画大的结构，但是每一步细节都是黑盒。

Q2： 非常感谢罗老师，在我们跨媒体艺术学院当中，有一些部分学生是懂一点点编程的，特别是开放媒体系，像武子扬他们。但不管展研还是我们网研，基本上都离程序比较远。所以同学们的担心有时候会压过他们实际尝试的勇气，就觉得好像那个东西离他们越远越好。我只是好奇，对这些应该感到兴趣以及抱有实验精神的学生们，我们怎么鼓励他们去尝试这种新的创作？

A2： 您是说我是否要给一些建议是吗？因为现在AI，尤其商业模型的成熟度，它的门槛是非常低的。以前做这种尝试，要搭建的前期基础工作有很多。相比起来，现在借助AI做任何尝试其实都非常简单。我觉得这个问题的答案没有no，敞开去使用就好了。当然可能你们这个专业有很多值得思辨的地方，我觉得是非常好的。包括我现在最近在创作的一些内容，我用AI去直接帮我生成代码，然后再去跑一些东西，你会发现AI对自己生成的内容有非常自洽的逻辑。但抛开它写的那些代码仔细去看的话，其实还是有一定的问题。但是如何去发现AI的这些问题，可能需要大家平时更多地实践。

Q3： 罗老师，我其实对您的职业历程比较感兴趣，您是怎么从游戏行业进入到新媒体艺术行业？比如说05年、20年这种关键的节点是什么？是线上还是线下去开启了职业路程？

A3： 你这问题太好了，我特别爱聊。首先开发游戏和新媒体艺术，在技术层面是一致的。所以我在做游戏主业的同时，我还能用副业做一些创作类的事情，或者说做一些相应的项目，这是顺理成章的事情。契机是我05年上研究生的时候，我在北航，离清华不远。当时清华美院也刚开张几年，那时候大学都很开放。他们有一次请了比利时的一个新媒体艺术团队来进行三天的工作坊。可能就五六个人，我无意中遛弯的时候发现了他们，然后就进去听了三天的课，跟着他们做工作坊，也没有人管我是不是清华的人。我当时觉得还很有意思，而且其实跟我做的事情在逻辑上是一致的，只是可能从思路以及世界观方面是有不同，所以我大概从那这样一个契机开始了一个旅程，谢谢你。

——————————————————

讲者介绍

创意演讲嘉宾 罗霄

罗霄，算法工程师，数字艺术家。实验编程创始人，从事交互媒体、人工智能、生成艺术的创作与教学。同济大学建筑城规学院AI与艺术创研中心实践导师，AI艺术创新联盟AIAIA常务理事。毕业于北京航空航天大学，电子信息工程与软件工程专业背景。曾就职于腾讯ISUX和网易游戏。2005年起从事游戏开发与新媒体艺术类项目，2020年引入AI技术重构创作范式。个人作品于中国、英国、日本、南非、意大利等地展出。

]]>网络社会研究所第十届网络社会年会｜黄孙权教授 开幕致辞2025-12-05T00:00:00+00:002025-12-05T00:00:00+00:00https://nodebe4.github.io/opinion/2025-12-05/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9C%E9%BB%84%E5%AD%99%E6%9D%83%E6%95%99%E6%8E%88%20%E5%BC%80%E5%B9%95%E8%87%B4%E8%BE%9E
网络社会年会

第十届网络社会年会｜黄孙权教授 开幕致辞

2025-12-05

各位朋友好：

欢迎大家参加第十届的网络社会年会。这十年来我们作了很多不同的事情。十年过去了，我们下一步要去哪里？更重要的是，我们要从这里开始，想象未来十年会发生什么事情？

首先我想跟各位介绍一下我们这十年来做了什么。网络社会研究所是一个独立的研究机构，得到了中国美术学院跨媒体学院的大力支持。我们建立了一个国际化的教学团队，合作伙伴包括众多艺术家、策展人、设计师以及国际知名学者。我们的第一届年会主题为“网络化的力量”（Forces of Reticulation）。每一年，我们都会邀请大约10到12位杰出的学者参与我们的讨论和分享。

第二届叫做“与列斐伏尔同行”(Another Walk with Lefebvre)。从这位深刻影响空间理论的哲学社会学家中，重新思考日常生活批判与线上社群与空间的意义。这是我们第二届年会的核心讨论内容。

第三届我们就非常直接的讨论 Intelligent Urban Fabric（“智慧都市网络”），那时候有很多讨论“智慧城市”（Smart City）的规划，所以我们那时候思考什么叫做“Smart City”，“Smart City”之前是不是应该有“Smart Citizen”（智慧市民），有没有“Smart NGO”，这是我们第二届年会的核心讨论内容。并邀请了来自荷兰、德国、日本的学者，以及中国阿里巴巴的技术总监王坚先生，他在城市大脑（city brain）方面做出了卓越的贡献。

第四届我们叫“网民21”。为什么叫“网民21”呢？这是中国开始有互联网（Internet）的第21年。所以我们叫做“网民21”。正值这一时刻，我们回顾了中国互联网的发展历程，并对未来的方向进行了深入的思考。

第五届2020年叫做“实践智慧之网”，这个是比较面向真实社会的实践聚会，邀请了一波在区块链与加密技术的各种实践者相聚，如Vitalik（以太坊创始人）等人找来，也有来自捷克crypto punks（加密朋克）。对现实的干预，未来的想像绘制了当前的，足以想像的路径。

接下来的年份，全球爆发了疫情，这对我们的研究所产生了重要影响。在这一特殊时期，我们开展了两个重要项目：其一是推出了名为“coop”的社会通证货币（COOP），它在学术界与艺术圈内获得了一定的认可；其二，我们启动了多个与Web 3.0和去中心化（decentralized）乡建相关的保存计划。如与metaDAO合作的乡建元宇宙计划，我们在Decentraland上复原了1930年代的北碚，在这些项目为我们提供了许多不同的合作机制和思考方式。

第七届我们叫做，也许你们都知道这是来自一个很有名的乐团的一个说法，“Never Mind the Bollocks”（性手枪乐队1977年的专辑《Never Mind the Bollocks, Here’s the Sex Pistols》）， “Never Mind the Web3，Here is the P2P”。所以这一年我们邀请了Internet Archive的创始人布鲁斯特·卡利（Brewster Kahle），以及香港AAA（亚洲艺术文献库）的主理人等专家，共同探讨P2P技术的现状与未来。第七届比较特别的是，由于疫情之故，除了旧金山主论坛以外，我们还在亚洲的6个城市同时举办分论坛，包含武汉、杭州、上海、香港、北京，台北。这是我们所有的论坛嘉宾，是我们第一次尝试通过城市的P2P来做城市群体连接的关系。

第八届网络社会年会，叫做“重置技术的一切（不）可能性”（Resetting all (im)possibilities of Technology），我们重访了历史上的计算机起源，开始了文化与技术三部曲的长期研究项目，这次会议也是在上海。

第九届，我们到了清迈、曼谷。与清迈大学合作，邀请了非常多亚洲学者，来自印度尼西亚、泰国、菲律宾、新加坡等地研究“全球南方”（Global South）的学者跟专家一起在清迈开会。

除了年会之外，我们还举办了非常多hackathon（黑客松）。我们搞的hackathon不是非常technical的hackathon，我们叫做art hackathon（文艺黑客松），所以会找很多艺术家、策展人、设计师，甚至项目管理者、博物馆馆长这种角色一起来做hackathon。每一年都有一些非常不一样的尝试。

这是我们第二届的hackathon。在2016年，我就联合了台湾台北的艺术大学，高雄的高雄师范大学，跟杭州美院的跨媒体学院且搞线上课程，开发VR实验。邀请了唐凤来授课，她是全球知名的黑客，后来成为台湾的数位部长。他带着两岸三地的学生，以开源程序与平台领导了现在非常流行的AR或VR的设计。所有的人都可以去不同的”校园”上课，学习怎么操作VR软件与制作VR环境，

然后这是在上海办的第一次，我们叫做coopathon（合作松）。Cooperation and hackathon绑在一块，为了合作社，我们邀请了亚洲非常多的合作社组织一起购买，包含日本、韩国、印度尼西亚、台湾等地，并考虑在技术发展的过程里，合作社跟程序员可以一起做什么样的事情。所以这是比较特别的一个系列。

然后再隔一年, 我们又在5个城市，举办了七场合作松的会议，。我们在杭州、台北、高雄、香港、武汉等地方举办，每场参与的合作社有十几个。大概全亚洲有70多个合作社参加这个计划。为什么要做这个事情？是我们想具体知道合作社需要什么东西，以至于我们的程序员，设计师，艺术家可以帮助社区实际开发与完成她们所需。做完合作松会议后，与港大的邱林川老师合作，带着国内的南塘合作社与台湾的主妇联盟参与了香港中文大学举办的，第一次亚洲平台合作主义大会（PCC），同时也将之前合作松会议的成果带到了大会中，完成一场两天一夜，48小时的合作松开发会议。我那时候带了非常多的中国的合作社跟农民到香港参加PPC大会，让更多人知道中国有非常多草根的、强有力的由村民组织的合作社团体。

有时候，我们也发起创意写作松，以及，如 Scifiathon（科幻松）。把很多优秀的年轻的作家”关”在一起48小时，然后”强迫”写出故事。

我们下一个hackathon叫做艺能松，这是2023年。当时因为大家都在谈 Intelligent（智能），所以我们设定的是：Art-ificial Intelligence。

Screenshot

过去的十年好像非常快，好像就在瞬息之间我们就翻页了。互联网目前遭遇到非常多的挑战。一开始，我们这一代人是从完全没有互联网，从电话拨接发展到5G信号，从桌上电脑到手机。所以对我来说，有一个非常关键的问题：未来10年我们可以去哪里，或者我们怎么想象怎么做这个事。所以这是我们今年年会的4个panel的主题。

这4个主题我们并没有明确的答案，我自己也很困惑，所以才需要各位嘉宾跟各位参与的青年学者，给我们一些充分的讨论和提醒。

第一个Panel，我称之 Quiet Editor (静默编辑) 。提及“静默编辑”我想到一个人，也许这个人大家都知道——Jake（Elizabeth “Jake” Feinler，伊莉莎白·芬恩勒，又称贾克）。她一开始在SRI（斯坦福研究所），后来到了大学去工作。网络世界中，网址 domain name（域名）要被找到，需要与一个独特的 IP 对应，她就是作这个工作，网络世界的编辑，像编一本电话簿一样。比如说caa-ins.org，它应该对应到IP是162.178.XXX.XXX 之类的，需要一个真实的人类，在网络世界里头作登录工作。很少人知道她的名字，可是如果没有她，我们哪里都去不了。

而现在不太一样了，以前在 Web1.0 时代，我们可以看到很多人发展发表自己的文章。到 Web2.0 时代，我们既可以写也可以读。到了Web3，很多人觉得保证著作权与财产权非常重要，不能让平台滥用我们生产的东西，这是 Web3 趋势中强调个人财产保障的一个面向。但无论如何，作者与编辑是清楚的，明确的，”真有其人”的。

但现在不一样了，如果你们 AI 一个问题，我们不知道答案从哪里来的，谁写的，谁编纂的，我们找不到 “Jake”，“Jake” 已经永远消失了。我们面对的是人类漫长历史与劳动长期累积的知识的片断反应，人类擅长的自然语言表达来建立人与人，人与世界的关系成为黑箱，我们并不知道谁在 editing 我们跟世界的关系，这是我们第一个panel想要讨论的。你也可以说，这是找寻 “Jake” 旅程，当编辑静默了，就会成为权力与资本的缝隙，成为人埋葬自身与世界意义的关系的作手。

第二个Panel , Gradient Rent（梯度地租） ，这其实是政治经济学非常经典的问题。我只想给各位看一下，这在中国当前重要的的政策叫做 “East Data，West Computing”（东数西算）。也就说中国现在大部分的计算机公司都在北京、杭州、深圳，但是我们大部分的云端算力的公司都在贵州、四川、云南、新疆等地。在地理学上这种空间差距会影响越来越大。我想全世界应该都是这样的问题，所以这是我们非常关心的事情之一。

第三个Panel，是关于“ AI基建志 ”。中国基建是特别突出而明显的，我们很多人都知道“云端”。各位可能知道“云”并不是在云上，“云”是在地上的。我们需要通过非常大的电力供给，需要有很好的计算中心，需要很多海底电缆才可以让所谓的云成型。但是云其实会耗费非常多的能量。在区块链或加密货币非常红的时候，很多人批评说加密货币是非常耗能源的，对吧？每天在耗费电力挖扩，赚钱与处理交易，毫无”生产”。但现在，每一次我们问 AI 一个问题，它消耗的电量可能不低于我们在比特币挖矿时候的电量。任何一个无聊的问题问 AI 可能都会让地球变热，变得更热，因为它背后是一个非常大的算力，而算力需要能源。

如在贵州。这是华为中国一个非常大的电话跟计算机公司，他们在贵州做了很多这种云上贵州的东西。你可以看右上角的图，它是华为云上屯数据中心，分了好几块在不同的地方。这是另外一家腾讯公司，也是在贵州的7星数据中心。

中国在西部上有非常多这样的数据中心，都非常大。这也是我们现在的事实，我们现在正面临一个极度急速的转变。

第四个Panel 是 When the Work is Prompt（“当作品就是提示”） ，这是我们艺术家最关心的事情，我们昨天请了罗霄先生来演讲。他作为一个算法艺术家，一直坚持说，即便你用 AI 创作，还是保有艺术家的主体性的。所以他举了很多例子。我相信这两天的会大家会告诉我们更多这样的故事。我们怎么思考艺术家的主体性？当我们在用 AI 创作的时候，我们到底还算不算艺术家？我们有没有作者性？艺术性又从合而生，如果不是出自人类之手？

如果我只能够掌握规则，提示词，但最后的风格跟样貌其实不是我完全决定的，我还可以说这是我的艺术品吗？也就是说，整个创造的过程已经变成是一个可以教的、可以对谈的prompt，那么艺术会怎么样？我们怎么样安置艺术与艺术家的新角色？

譬如说，很多 AI 图像生产，每一张AI的图像后面，都是来源于某一个真实的人所拍的或被拍的东西。但当我们在使用这些图像生产新的艺术作品的时候，我们其实并没有征得或征求那些曾经被强迫提供数据或图像，或者是主动提供图像的人的同意，这会变成是一个非常复杂的伦理问题。更别说后面那些低廉工资，全球南方标注工的劳动了。

最后，我希望我们这个会能够以这四个开端作为一个开始，重新想想看我们整个互联网历史的过程。我们需要反思，需要回想。而且我觉得最重要的是，我们应该重新讨论一些非常古典的问题，比如说什么是公共性，什么是诗意。而且我们应该在一个机器构筑的世界里头重新讨论 政治性 是什么。我觉得这是我们研究所跟跨媒体学院非常关心的事情，也是我们未来十年应该要做的事情。

我希望在这个会议里可以透过我们年会的学者嘉宾，还有青年学者们，在这些议题上给我们更多清晰的批判也好，建议也好，提出一条可以前往或者向往的道路。

谢谢大家。

2025年10月18日

]]>网络社会研究所SMU Web3 Week | 第十届网络社会年会（新加坡场）2025-11-25T00:00:00+00:002025-11-25T00:00:00+00:00https://nodebe4.github.io/opinion/2025-11-25/SMU%20Web3%20Week%20%20%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BC%88%E6%96%B0%E5%8A%A0%E5%9D%A1%E5%9C%BA%EF%BC%89
网络社会年会

SMU Web3 Week | 第十届网络社会年会（新加坡场）

2025-11-25

感谢新加坡管理大学朱飞达教授的邀请，网络社会研究所能够以特别策划的形式加入 SMU Web3 Week (Nov. 27-30)的学术活动。年会特别场包含论坛与展览，集中在 Nov. 28-29 日 。

将临的网络：互为劳动与社会的重组
The Network to Come: Inter-Labor and the Recomposition of the S ocial

时间
2025年11月28-29日
（周五至周六）

地点
新加坡管理大学
The Ngee Ann Kongsi Auditorium, SoA, SMU

主办单位
新加坡管理大学计算与信息系统学院

协办与支持
中国美术学院跨媒体艺术学院（SIMA）
网络社会研究所（INS）
开放媒体系（OM Dept）
Prestige Gallery（新加坡）

会议总召
朱飞达 教授（新加坡管理大学 信息系统学院副院长）
黄孙权 教授（中国美术学院 网络社会研究所所长）

引言

继上海举办的第十届网络社会年会——「互联的终结？爱（AI）来不来？」之后，新加坡场次将目光转向那个被宣告存在于互联网终结之后的世界。此次活动新加坡管理大学计算与信息系统学院主办，由中国美术学院网络社会研究所合办，并得到 Prestige Art Gallery 的慷慨支持。我们非常高兴的可以成为 SMU Web3 Week 的特别活动之一。

上海场标志着一个转折点：我们意识到，曾经作为「开放」之隐喻的网络，已然变成了平台时代私有化和企业化的数据基础设施。新加坡场从这种疲惫中出发——可以说是翻过这一页——去思考在互联网的残余之中，新的劳动、关系和想象形式正如何悄然重组。我们提出（或许略显鲁莽地）一段名为「互为劳动」（Inter-labor）的理论旅行。
「互为劳动」指涉一种由三个相互交织的过程所构成的新历史条件。

首先，AI 并非外星的发明，而是人类集体的创造：每一个模型、数据集和参数都凝聚了人类推理、翻译、标注和想像的漫长历史。

其次，今天的人类与 AI 确实在一起工作，但这并非「共存」的和谐二重奏。相反，它们的关系形成了一种建模、提示、验证与维护的不平衡生态——机器的输出成为了随后人类工作的素材与约束。这既不是设计师想像中的「人机介面」，也不是「共生」这般未经批判的口号。

第三，也是最关键的一点，人类正日益「通过」AI 与彼此协作。这种由算法中介的互为劳动正在重构「社会」（The Social），并极有可能成为下一个「网络」的决定性特征。

AI 并未解放劳动，它重新分配了劳动。它让隐形劳动增殖，精炼可提取之物，并将注意力本身转化为新的基础设施。我们深知，每一个模型本质上都是集体劳动的记录——一个由清洗、权重、标注、修正和沉默所构建的语料库，全部被折叠进黑箱计算之中。AI 所谓的「智能」，实则是人类劳动的沉积物（sediment），是众多人类经由代码折射后的回响。谈论互为劳动，即是确认一种新的历史性：人类创造了一种镜像自身智能的机器——但它反映的不是个体，而是一个通过技术学习自身的社会身体。

在互为劳动中，「社会性」浮现了。人类不再仅仅是与 AI 一同工作，而是通过它工作。在此条件下，作者权、价值和照料（care）的边界变得模糊：隐形劳动支撑着可见的创造，算法秩序重写了价值的度量。由人创造、向人学习的 AI，反过来重写了人类共存的根本条件。

在此视角下，艺术重获了一种核心可能性。本世纪以来，艺术过多地臣服于技术决定论或政治正确的论述——被对技术错误和政治错误的双重恐惧所纠缠。然而，艺术仍是一种独特的人类遭遇世界的方法。它可以使交互劳动的肌理可见——展现其延迟、摩擦和偏差；它可以排演「反基础设施」（counter-infrastructures）——如民间档案、合成方言、慢计算；它可以预演新的团结与照料形式。

如果每一次计算都是一种构成（composition），那么策展、编码和组织就成为了「世界营造」（world-making）的技术。互联网（inter-net）之后是互为劳动的网络——一个不再以速度或规模衡量，而是以其「共同构成感知与记忆之脆弱关系」的能力来衡量的网络。因为人类当下正面临失去「世界营造」劳动本身的风险——我们失去的不是其基础，而是文化与欲望借以生成的运动本身。（文/黄孙权教授）

会议内容

11月28日（论坛）： 将汇集理论家、艺术家和技术研究者，共同探索这一转型——从不可见劳动的经济学到算法的诗学，从云基础设施的地缘政治到共享能动性的艺术实践。


11月29日（放映与展览）： 上午10点，Dylan 的影片《互联网的终结》（The End of Internet）放映，以此呼应上海场的主题；下午3点，展览《共误：互为劳动时代下的艺术》（Shared Errors: Art in the Age of Inter-Labor）将在 Prestige Gallery 开幕。本次展览由黄孙权教授策展，与中国美术学院跨媒体艺术学院开放媒体系师生合作完成。这场展览不是理论的补充，而是理论的试验场：通过数据、技术和感知的重构，艺术家们揭示了错误、延迟和重复如何成为新的认识论形式。在这里，艺术不回应技术，也不崇拜技术——它将技术揭示为一种当代社会经验的形式。

The Network to Come: Inter-Labor and the Recomposition of the Social
November 28–29, 2025, Singapore

Convener：
Prof.  ZHU Feida, Associate Dean of  School of Information Systems, SMU
Prof.  HUANG Sunquan, Director of Institute of Network Society. China Academy of Art

Host by
School of Computing & Information Systems, Singapore Management University

Co-organized by
Institute of Network Society & Department of Open Media, School of Intermedia Art, China Academy of Art
Prestige Gallery, Singapore

By Prof. HUANG Sunquan

Following the 10th Annual Conference of Network Society in Shanghai—”The End of Connection? AI (Love) Coming or Not?”—the Singapore edition, co-organized by the Institute of Network Society, School of Intermedia Art, China Academy of Art, and the School of Computing and Information Systems, Singapore Management University, with generous support from Prestige Art Gallery, turns its gaze toward the world declared to exist after the end of the internet.

Shanghai marked a turning point: we realized that the network, once a metaphor of openness, has become the privatized and corporatized data infrastructure of the platform age. Singapore departs from this exhaustion—turning the page, as it were — to consider how, amid the residues of the internet, new forms of labor, relation, and imagination are quietly reassembling. We propose, perhaps recklessly, a new theoretical journey under the name inter-labor.
Inter-labor designates a new historical condition composed of three intertwined processes.

First, AI is not an alien invention but a collective human one: every model, dataset, and parameter condenses the long history of human reasoning, translation, annotation, and imagination.

Second, humans and AI do indeed work together today, but not as a harmonious dyad of “coexistence.” Rather, their relation forms an uneven ecology of modeling, prompting, verification, and maintenance — where mechanic outputs become both the material and the constraint of subsequent human work. This is neither the “human-machine interface” imagined by designers, nor the uncritical slogan of “symbiosis.”

Third, and most crucially, humans increasingly work with one another through AI.  This algorithmically mediated inter-labor is reconfiguring the social, and may well become the defining feature of the next network to come.

AI does not liberate labor; it redistributes it. It proliferates the invisible, refines what can be extracted, and converts attention itself into a new infrastructure. We know that every model is, in truth, a record of collective work—a corpus built from cleaning, weighting, labeling, correction, and silence, all folded into black-box computation. The so-called “intelligence” of AI is the sediment of human labor, the echo of the many refracted through code. To speak of inter-labor is thus to recognize a new historicity: humanity has created a machine that mirrors its own intelligence—yet one that reflects not individuals, but a social body learning itself through technology.

Within inter-labor,  “The Social” emerges.Humans no longer merely work
with AI, but through it. Under these conditions, the boundaries of authorship, value, and care blur: invisible labor sustains visible creation, and algorithmic order rewrites the measure of worth. AI — created by humans, learning from humans—has in turn rewritten the very conditions of human coexistence.

From this vantage, art regains a kind of core possibility. Since the beginning of this century, art has too often submitted to the discourses of technological determinism or political correctness — haunted by the fear of technical error and the fear of political error alike. Yet art remains a distinct human method of encountering the world. It can render visible the textures of inter-labor—its delays, frictions, and deviations; it can rehearse counter-nfrastructures — folk archives, synthetic dialects, slow computation; and it can prefigure new solidarities and forms of care.

If every computation is also a composition, then curating, coding, and organizing become techniques for world-making. After the inter-net comes the inter-labor network—a network that may no longer be measured by speed or scale, but by its capacity to co-compose the fragile relations of perception and memory. For humanity now stands at risk of losing the labor of world-making itself—not its foundation, but the very movement through which culture and desire have always come into being.

On November 28, the Forum will bring together theorists, artists, and researchers in technology to explore this transformation—from the economies of invisible labor to the poetics of algorithms, from the geopolitics of cloud infrastructures to artistic practices of shared agency.

On November 29, we will screen Dylan’s Film “ The End of the Internet” at 10 am，and the exhibition “Shared Errors: Art in the Age of Inter-Labor” opens at 15:00 at Prestige Gallery. Curated by Huang SunQuan, in collaboration with the faculty of the Open Media Department, School of Intermedia Art, China Academy of Art
, This exhibition is not a supplement to theory but its trial ground: through reconfigurations of data, technology, and perception, artists reveal how error, delay, and repetition can become new epistemic forms. Art here does not respond to technology, nor worship it — it exposes technology as a contemporary form of social experience.

会议日程（年会部分）

工作团队

会议组
黄孙权｜刘怿斯｜
周蓬岸｜李梦书｜赵佳菁｜李艺欣

策展组
黄孙权 | 蔡宇潇｜武子杨｜曹澍｜阚梓菡｜钱可奕

]]>网络社会研究所共误：互为劳动时代的艺术（新加坡）2025-11-17T00:00:00+00:002025-11-17T00:00:00+00:00https://nodebe4.github.io/opinion/2025-11-17/%E5%85%B1%E8%AF%AF%EF%BC%9A%E4%BA%92%E4%B8%BA%E5%8A%B3%E5%8A%A8%E6%97%B6%E4%BB%A3%E7%9A%84%E8%89%BA%E6%9C%AF%EF%BC%88%E6%96%B0%E5%8A%A0%E5%9D%A1%EF%BC%89
网络社会年会

共误：互为劳动时代的艺术（新加坡）

2025-11-17

作为第十届网络社会年会的延伸，同时参与新加坡管理大学（SMU）Web3 Week 活动，网络社会研究所所长黄孙权教授携手跨媒体艺术学院开放媒体系，推出了一档“错误之旅”的展览，向一百年前本雅明的《机械复制时代》致敬。

共误：互为劳动时代的艺术
Shared Errors: Art in the Age of Inter-Labor

  • 策展人｜ 黄孙权
  • 策展团队｜ 蔡宇潇、武子杨、曹澍
  • 展期｜ 11月29日-12月14日
  • 开幕活动｜ 2025年11月29日 15:00 开幕式 Artist Talk + live audiovisual performance
  • 地点｜ 品艺画廊 Prestige Gallery （39 Keppel Rd, #03 -01. Singapore）

近一个世纪前，本雅明在《机械复制时代的艺术品》中预见了一场深刻的转变：艺术作品不再是独一无二的圣物，而被纳入大规模流通的体制；灵韵让位于可复制性，艺术家的手也让位于机械装置。这种转变之所以根本，是因为我们不只是用机器来复制作品，而是与机器共同生成作品本身。创作不再属于单一作者，而是分散在人与算法、数据与注意力编织的巨大网络之中。我们已进入“互为劳动”（Inter-Labor）的时代：人类训练AI，AI亦在重塑人类的感知与创作方式。

本雅明随后谈及保罗·克利的《新天使》：天使凝视过去的废墟，却被一股名为“进步”的风不断推向未来。此景象在今天更为切身——技术所谓的进步像一场暴风，将历史撕裂为瓦砾，逼迫我们在无法回望的加速中前行。我们创造的AI，像启蒙之前人类依自身形象与思维模式创造的神祇：既出自我们，亦反过来塑造我们。其所以能如此，并非技术自证其命运，而是工业、战争、殖民与资本的长时段累积，已转化为技术—金融资本的复合体，把注意力、语言与资料抽象化、资本化，披挂于算法之上，构成一种看似不可抗拒的表面。

“Shared Errors”（共误）并非指责AI的缺陷，而是将错误视为关系的证据。当AI生成一只怪诞的手、一段不合逻辑的文字、或一个似是而非的概念，这些“错误”恰恰揭示其本质：它由无数片段的人类判断拼接而成。正是这些失准，使被自动化的平滑所吞没的个体劳动、偶然性与具身经验再次浮现。于是，错误成为抵抗的形式——抵抗完美自动化的幻觉，抵抗技术决定论，也松动“唯一作者”的神话。

本次展览与中国美术学院跨媒体艺术学院开放媒体系合作，邀请16组艺术家（包含一场视听现场演出），介入数据、感知与算法的回路，揭示技术如何构成我们感知与生产世界的方式。展场与现实并非分属两界，而是通过对数据、技术与感知的重新配置彼此呼应：艺术家让“错误”“延迟”“重复”化为新的知识形式，神话退场，人的倒影得以浮现。艺术既不逃避也不膜拜技术，而是把技术视为理解当代社会经验的关键媒介。

在这里，错误不是失败，而是我们与机器共同创造的痕迹。观众不仅是观看者，也是互为劳动网络中的一个节点——同时被那些训练AI的无名劳动、被算法沉积的集体判断、以及技术与身体交织而成的新感知方式所形塑。

Shared Errors: Art in the Age of Inter-Labor
Curator: Huang, Sunquan
Curatorial Team: Rhett Tsai, Ziyang Wu, Cao Shu
On View: Nov. 29 – Dec. 14
Location: Prestige Gallery (39 Keppel Rd, #03 -01. Singapore)

Nearly a century ago, Walter Benjamin, in The Work of Art in the Age of Mechanical Reproduction, anticipated a profound transformation: the artwork would no longer remain a singular and cultic, but enter regimes of large-scale circulation; aura would yield to reproducibility, and the artist’s hand to the machine apparatus. What makes this shift fundamental is not only that we use machines to reproduce works, but that we now co-generate the work with machines themselves. Creation no longer belongs to a single author; it is dispersed across vast networks woven from humans and algorithms, data and attention. We have entered an age of Inter-Labor: humans train AI, and AI, in turn, reshapes human perception and modes of making.

Benjamin later turned to Paul Klee’s Angelus Novus: a figure who gazes upon the debris of the past yet is driven toward the future by a wind called “progress.” That image feels even more immediate today—the so-called progress of technology gusts like a storm, rending history into rubble and compelling us forward in an acceleration that forecloses retrospection. The AI we have created resembles, in crucial ways, the deities fashioned before the Enlightenment in our own image and modes of thought: made by us, yet capable of remaking us. This is not destiny proven by technology itself; rather, the long accumulations of industry, war, colonialism, and capital have crystallized into a techno–financial capitalist complex that abstracts and capitalizes attention, language, and data, draping them over algorithms to produce a seemingly irresistible surface.

Shared Errors does not indict AI for its shortcomings; it treats error as evidence of relation. When AI produces a distorted hand, an illogical sentence, or a concept that almost—but not quite—holds, these “errors” disclose its very constitution: a patchwork of innumerable fragments of human judgment. Precisely such misalignments allow what automated smoothness tends to swallow—the labor of individuals, contingency, and embodied experience—to reappear. Error thus becomes a mode of resistance: against the fantasy of perfect automation, against technological determinism, and against the myth of the single, sovereign author. In collaboration with the Open Media Department, School of Intermedia Art, China Academy of Art, this exhibition invites sixteen artist groups (including one live audio-visual performance) to intervene in circuits of data, perception, and algorithm, but to reveal how it structures the ways we sense and produce the world. The exhibition and the real world are not two separate domains; through reconfigurations of data, technology, and perception, they echo one another. Artists here recast “error,” “delay,” and “repetition” as new epistemic forms: as myth recedes, the human reflection comes into view. Art neither evades nor venerates technology; it treats technology as a key medium for understanding contemporary social experience.

Here, error is not failure but the trace of our co-creation with machines. Visitors are not merely spectators; they are nodes within the inter-labor network—shaped by the anonymous labors that train AI, by the collective judgments sedimented in algorithms, and by new modes of perception braided between technology and the body.

策展人

黄孙权

学者、艺术家、策展人。现为中国美术学院教授，网络社会研究所所长。其艺术作品曾参与多项国际展览与双年展，著名的代表性纪录片《我们家在康乐里》是华人地区第一部反拆迁运动纪录片，于亚洲多个城市巡回放映。策展项目关注于底层流动、空间变迁与技术文化。策划过《诸众之貌》（上海亚际双年展与印度科欣亚际双年展）、《复岛》（台北立方空间、高雄美术馆）、《为无为─谢英俊的建筑实践》（高雄美术馆）以及《乡关何处─侯淑姿摄影展》（高雄美术馆；台北艺术大学关渡美术馆）、《乡建中国思想史》等等。他筹划主办了十届的网络社会年会与多次艺文黑客松与合作松，组织了一个数百人由学者、黑客、程序员、设计师、艺术家、策展人所形成的国际艺术行动网络。现居于杭州与台北。

参展艺术家与作品

蔡宇潇

蔡宇潇（b. 1995）是一位中国艺术家，专注于沉浸式技术、影像、实验性视频游戏的叙事实践。蔡宇潇的实践带有强烈的亚洲问题意识，直面由当今的技术革命、媒介社会以及文化身份构建的话语和权力，他常用当代数字工具构建替代性历史，探讨多重历史叙事下的异乡感、含糊身份以及个体困境。蔡宇潇是2023年流明奖（Lumen Prize）“華艺数奖”的获得者以及独立游戏节（IGF）的最终提名者。他的作品曾或即将在林茨电子艺术节、威尼斯军械库、中国美术馆、莫斯康展览中心、Annka Kultys Gallery、澳门艺术博物馆、上海油罐艺术中心、上海展览中心、中间美术馆、Watershed Art & Ecology、芝加哥艺术部门、Sónar 电子艺术节、CURRENTS 圣达菲国际新媒体艺术节、国际跨媒体艺术节、米兰引擎电影节、ECRÃ 艺术节、ICIDS 国际互动叙事大会、Utopian Dystopia 艺术节、科特赖克设计周等展出。他任教于中国美术学院跨媒体艺术学院开放媒体系，居于杭州。

贾斯汀·波特尼克

贾斯汀·波特尼克是一位来自美国的设计师和研究者，他的工作聚焦于数字叙事、游戏叙事、政治游戏以及世界构建。波特尼克博士曾参与设计和撰写多个项目，包括智能玩具“Octobo”、电子游戏《Frog Fractions 2》和《██落在夜空生成以前》，电影《Reality Games》，并定期为商业电子游戏提供咨询。他同时担任互动小说技术基金会（Interactive Fiction Technology Foundation）主席，并且是叙事游戏年度会议 NarraScope 的联合创始人。自 2013 年以来，他主持了游戏开发者访谈系列节目《Red Pages Podcast》。他的作品曾被 Kotaku、Game Developer、Polygon 等媒体报道，并在电子文学组织（Electronic Literature Organization）、IndieCade 和游戏开发者大会（Game Developers Conference）等活动中展览和演讲。

武子杨

武子杨（b.1990），艺术家，策展人，生活工作于纽约和杭州。他的近期实践探讨了当前技术在跨文化背景下对政治、社会以及宏观和微观层面事物之间的明确和隐含关系产生的影响。他的视频，增强现实 (AR)，人工智能 (AI)模拟和互动视频装置等在国际不同的展览展出，包括费城当代艺术博物馆，纽约新美术馆与旗下根茎，沃克艺术中心，罗切斯特艺术中心，平丘克艺术中心，巴塞尔电子艺术中心，卢森堡Konschthal Esch（由电子艺术机构Elektron呈现），SIGGRAPH亚洲，SXSW（西南偏南），Mesh电子艺术节，维也纳Civa电子艺术节，柏林国际广播展（ifa Berlin），迪拜艺术博览会，伦敦Annka Kultys画廊，美第奇宫，M+美术馆，K11，UCCA尤伦斯当代艺术中心，上海当代艺术博物馆（PSA），长征空间，今日美术馆，天目里美术馆，松美术馆，中间美术馆，昊美术馆，时代美术馆，浙江美术馆和明当代美术馆等。他的近期奖项和驻留包括“未来世代艺术奖“入围（2023-2024）；阿尔弗雷德艺术学院The Randall Chair奖（2022-2023）；广东时代美术馆媒介实验室”开物者”驻留（2021）；AACYF Top 30 under 30青年精英榜（2021）；纽约Residency Unlimited驻留（2020）；MacDowell 麦克道威尔基金（2019）；iea电子艺术学院驻留（2019）； 罗伯特·劳申博格艺术基金会ROCI Road to Peace获选者等（2015）。现为中国美术学院跨媒体艺术学院开放媒体系副系主任，纽约视觉艺术学院兼职教授，前纽约新当代艺术博物馆NEW INC孵化器项目成员。

曹澍

曹澍，现居杭州，任教于中国美术学院，其艺术实践聚焦记忆、梦境与技术媒介的交互关系。通过3D渲染动画、电子游戏装置、多屏影像及雕塑等多元媒介，他构建虚实交织的叙事迷宫，塑造数字化的”记忆考古现场”。近年创作延伸至社会主义科幻、加密技术与集体潜意识等议题，审视技术对人们精神世界的重塑。曾获2022年OCAT x KADIST青年媒体艺术家奖、2021年上海影像博览会Exposure Award、2017年BISFF艺术探索奖等，入围意大利Ducato Prize 2025以及首届E.A.T.PRIZE 2024。近期作品在巴塞尔乡村州美术馆、澳门艺术博物馆、悉尼白兔美术馆、马德里Matadero当代艺术文化中心、香港M+博物馆、UCCA沙丘美术馆、上海当代艺术博物馆、亚洲协会香港中心、天目里美术馆、OCAT上海馆、中国国家博物馆、纽约Sleep Center等机构展出。近年来他也曾作为瑞士巴塞尔Atelier Mondial（2017），日本横滨黄金町Bazaar（2019)，以及慕尼黑Muffatwerk（2023）的驻地艺术家，也曾于上海昊美术馆，浙江美术馆，想象力学实验室，慕尼黑 Muffatwerk，横滨黄金町等机构举办个展。除此之外，曹澍的作品也入围世界各地的影展主竞赛单元，包括莱比锡纪录片与动画电影节、昂西国际动画节、韩国DMZ纪录片节、墨西哥瓜纳华托实验电影节、米兰电影节、渥太华国际动画节、汉诺威国际短片节等。作品评论见于纽约时报,South China Morning Post,艺术论坛，Ocula,歧路批评，MataEye，信瑞周报，Nowness，ArtBasel，Art-Ba-Ba，Asian Art Contemporary,英国文化协会，Fakewhale，CEF等。作品曾收藏于卡蒂斯特艺术基金会、悉尼白兔美术馆、上海昊美术馆、天目里美术馆、尧山艺术基金会、浙江美术馆等。

周蓬岸

周蓬岸（1987年生于山东）是一位数字艺术家与研究者，其创作通过重新激活废弃的技术装置来探查计算机文化的记忆。借助复古电脑、传真机与模拟视频特技台等媒介，他将过时的电子设备转化为具有表演性与反思性的空间，探索“错误”、“废弃”与“人机亲密性”的美学。通过装置、现场视听表演及网络项目，周蓬岸将技术历史的碎片重构为数字时代的“想象性档案”。其近期重要作品包括《人民计算机》（上海新时线媒体艺术中心，2020）、《绿屏应用程序》（北京歌德学院，2021）、《谁是寻呼员》（上海当代艺术博物馆，2022）、《古董电脑室》（北京长征空间，2024）以及《我热爱编程，害怕写作》（济南国际双年展，2024）。这些作品追溯了从BBS社区到Demoscene等早期计算机文化的轨迹，揭示其如何持续塑造当代数字美学。周蓬岸的作品曾展出于上海当代艺术博物馆、北京长征空间、深圳海上世界文化艺术中心及上海新时线媒体艺术中心等机构。他亦曾在中国计算机学会计算机历史记忆论坛、中国计算机大会及网络社会年会上发表演讲。通过媒介考古的方法论，周蓬岸将数字保存与软件重建视为一种批判性策略：重新思考技术的历史，并探索其对当代的主体性和艺术想象的影响。

非欧几里得脐橙

“非欧几里得脐橙”是由中国美术学院跨媒体艺术学院开放媒体系的陈鹏帆、金哲新、宋典、王欣月四位艺术家组成的艺术小组。小组以电子游戏、影像、人工智能技术等多元媒介为创作载体，积极响应前沿技术的发展。通过跨学科的实践，他们的作品直面技术与社会交织所引发的复杂议题，展现出对当下社会现象的敏锐洞察以及对未来可能性的前瞻性思考。

蔡雨轩

蔡雨轩（江苏常州人），现就读于中国美术学院跨媒体学院开放媒体系 。代表作品：游戏《妈妈回家之前》、AI纸本作品《女娲补天新编》。通过AI、电子游戏以及三维数字媒介，表达对社会责任、女性主义等议题的关心。

赵梓霖

赵梓霖，中国美术学院本科生，在创作中喜欢探索各种软件技术并将这些技术与有趣的概念融合，喜欢偏感官刺激的创作来重新思考这个时代与各种社会现象，目前沉迷于打游戏和画画，静等生化危机新作。

508C小组

“508C” 是由中国美术学院跨媒体艺术学院开放媒体系的阚梓菡与李姝霖组成的艺术小组，组名来自她们共同居住过的学生宿舍号。她们以虚拟现实（VR）、电子游戏、三维动画影像、AIGC等媒介为创作载体，作品根植于对技术介入日常生活的观察，通过媒介融合探讨技术伦理边界、数字时代身份重构及数字记忆等议题。

陈子健

陈子健，2000年出生于浙江衢州，硕士毕业于中国美术学院跨媒体艺术学院，本科毕业于中国美术学院创新设计学院。致力于探索虚拟与现实的边界问题，使用交互影像、机械装置等媒介构建世界观，通过技术哲学思考人与自然，人与媒介的关系。作品曾于中华艺术宫、上海当代艺术博物馆、798CUBE、北京时代美术馆等地展出。

林煜肯

林煜肯，本科毕业于中国美术学院创新设计学院，现就读于该校跨媒体艺术学院开放媒体系。作为科技艺术创作者，他擅长运用三维影像、装置、人工智能等方式开展艺术创作，致力于探讨社会现实在虚拟世界中的异化，通过解构与重组相关元素实现艺术表达，进而剖析并思考人、社会与媒介三者的关系。

陈鹏帆

陈鹏帆，现就读于中国美术学院跨媒体艺术学院开放媒体系，创作形式多样，涵盖三维影像、生成艺术、视频游戏等。他的作品展现了对技术美学的深刻理解，同时也反映出对当代技术的批判性思考。

阚梓菡

阚梓菡，2004年出生于河南商丘，现就读于中国美术学院开放媒体系，她的创作结合三维动画、电子游戏、AI等媒介，聚焦于数字技术对个体与社会关系的塑造，审视其在算法、界面与系统中的影响。

钱可奕

钱可奕，2000年生于中国浙江杭州。 创作实践中常用三维数字影像/AIGC/AR（增强现实）/VR（虚拟现实）等创作媒介。关注生命多元化、生物多样性议题、及如何使科技和艺术转化成人本机能、身份认同、人类联结的能量问题。

王霁

王霁，就读于中国美术学院跨媒体学院开放媒体系，以引擎电影、声音与虚拟技术为媒介，探索情感、感知机制与社会结构的重组可能。

陈孜

陈孜，就读于中国美术学院跨媒体艺术学院开放媒体系，创作以影像、声音与装置为主要媒介，关注自然、性别与技术之间的感知关系。其作品以中国传统神话、民间信仰与地域工艺为线索，将女性主义视角融入当代媒介语言，探讨时间、记忆与多物种共生的叙事可能，重思人与自然、身体与仪式的循环关系，呈现一种根植于文化记忆、跨越神话与当代的感知性叙事。

金栩帆

金栩帆，跨媒体艺术家，就读于中国美术学院。创作以文字、影像等媒介展开，关注技术、感知与记忆之间的张力。作品常以哲学思考与梦境意象为线索，探讨当代技术如何重塑人的感知方式与现实边界。

柳露阳

柳露阳（2005年出生于辽宁沈阳），中国美术学院跨媒体艺术专业开放媒体系大三学生，使用多种媒介进行融合创作。

李玉鑫

李玉鑫（2005年出生于中国湖南），现为中国美术学院跨媒体艺术学院开放媒体系学生。创作聚焦于虚拟与现实的关系场域，以影像、文字等为媒介，探寻时代命题，构建独特个人叙事语言。

薛晶莹

薛晶莹（2004年生于浙江杭州），跨媒体艺术家，现就读于中国美术学院跨媒体艺术学院。目前主要从事游戏与数字影像方向的创作实践，关注技术逻辑与艺术表达之间的张力，并围绕身份认知、数字生存等命题展开探索。其作品常以虚实交织的叙事结构，试图拆解技术时代下的符号系统与感知机制，在个体经验与宏观议题之间构建实验性的对话路径，旨在将虚拟空间转化为反思现实生存的哲学实践场域。

徐杨蕾

徐杨蕾是一位工作于新媒体影像、数字装置和思辨写作领域的青年创作者，目前就读于中国美术学院跨媒体艺术学院。她的实践以媒介实验为核心，关注数字技术与人类经验之间的张力与重构。擅长运用影像、代码和声音作为工具，构建非线性、多感官的叙事空间，探讨人造规则、技术规训与个体感知之间的复杂关系。她的作品试图在技术的高度格式化中，捕捉那些尚未被算法驯化的、流动的主体性和被隐藏的诗意。她的跨学科背景使其创作横跨哲学思辨与艺术实践，为观者提供了一个重新审视自身数字生存状态的视角。

杨淼然

杨淼然2005年2月18日出生于内蒙古呼和浩特，现生活于浙江杭州，就读于中国美术学院跨媒体艺术学院开放媒体系。创作主要涉及影像、绘画与装置等领域，作品常以个人经验和情绪为出发点，关注社会议题与社会边缘身份的交互以及地方宗教元素在叙事中的表达，横跨装置，影像，文字和空间建构等多种媒介，融合地方文化与当代流行元素，致力于表达反形式主义的情感。

虞皓

虞皓，男，中国美术学院开放媒体系大三学生。AIGC创作者，热衷AI视频与游戏创作。同时，他也是一名足球、摄影以及电影的爱好者。

周小原

周小原（2005年生于中国湖南）是一位跨媒体艺术家和研究者，现工作生活于中国杭州，就读于中国美术学院跨媒体艺术专业。其近期的艺术实践专注于由人工智能、虚拟现实与算法共同塑造的“生成式现实”所引发的当代知觉危机。主要在游戏、动画影像、XR和人工智能模拟，运用荒诞黑暗的视觉语言，批判僵化符号系统如何导致个体与外部世界的协调性崩溃，隐喻现代社会的身份问题 和政治阶级弊端，进一步揭示了杂合结构下的主权缺失和当今社会阶层流动的虚伪性，引发对社会现实的深刻反思。

]]>网络社会研究所现场回顾｜第十届网络社会年会青年学者论坛2025-11-03T00:00:00+00:002025-11-03T00:00:00+00:00https://nodebe4.github.io/opinion/2025-11-03/%E7%8E%B0%E5%9C%BA%E5%9B%9E%E9%A1%BE%EF%BD%9C%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%E9%9D%92%E5%B9%B4%E5%AD%A6%E8%80%85%E8%AE%BA%E5%9D%9B
网络社会年会

现场回顾｜第十届网络社会年会青年学者论坛

2025-11-03

2025年10月17日至19日，第十届网络社会年会以“互联网之终？AI（ài）来不来”为主题，在UFO Terminal顺利举行。会议汇聚来自加拿大、巴塞罗那、柏林、旧金山、伦敦、都柏林及中国香港等地的十位重要学者，围绕前沿议题展开演讲与发言。有二十四组青年学者呈现研究或实践成果。会后进行了两部影像作品放映及艺术家讨论，策划了Live Coding开放式声音现场与10 PRINT互动展示，进一步拓展了技术—艺术之间的边界。

会议由中国美术学院跨媒体艺术学院网络社会研究所所长黄孙权教授主持，中国美术学院跨媒体艺术学院副院长闵罕与中国美术学院跨媒体艺术学院网络社会研究所研究员刘怿斯作开幕致辞。青年学者论坛由黄孙权教授、复旦大学新闻学院教授潘霁、中国美术学院网络当代艺术与社会思想研究所研究员蒋斐然与刘怿斯研究员主持评论。

以下是青年学者论坛回顾

青年学者论坛致辞

中国美术学院网络社会研究所研究员刘怿斯，在青年学者论坛上作了开幕致辞，并为第一个自组论坛进行了简单介绍。他指出，我们生活在一个很奇异的时代。人工智能已能够生成诗歌、创作图像，回应各类问题，甚至在屏幕另一端尝试”理解”人类情感。然而，这种技术能力背后潜藏着情感的深刻异化——人类最私密的情感体验正被拆解为一个又一个的数据点，被参数化编码为算法模型，也被资本化被包装成商业产品。在这样一个情感过剩的时代里，各类情感类应用、心理健康助手、情绪管理工具层出不穷，它们通过精致的界面设计和交互逻辑，模拟共情、提供慰藉，声称能帮助用户缓解忧郁、走出抑郁。但或许正是在这种情感过剩的语境中，真正的情感经验正在被掏空。

自组论坛：情感提词器

中国美术学院网络社会研究所博士研究生朱韵，对“情感提词器”这个主题进行了进一步的补充阐释。她指出，在传统认知中，情感常被理解为个体的内在感受——悲伤、愉悦、爱与恐惧，被视为心理学意义上的”情绪状态”。然而时至今日，情感已不仅属于个人，它正在被媒介化、社会化，并被技术重新定义。朱韵认为，所谓“情感提词器”，可以理解为一种媒介化机制：它不是单纯被动记录情绪，而是以算法、界面语句、交互叙事为“台词”，引导、纠正、甚至塑造我们的情绪表达与情感体验。而这一主题正是对当下现实的回应与追问。

图片

中国美术学院网络社会研究所博士研究生朱韵的发言题目为《我的“爱人”：中国乙女游戏研究的学术图景（2019—2025）》。朱韵基于PRISMA方法，对2019至2025年间关于中国乙女游戏的国内外学术研究，进行了半系统性文献综述与理论整合，在19篇核心文献分析集的基础上提出“自我关系—他者关系—社群关系—环境关系”的四层分析框架。她指出，乙女游戏不仅是女性玩家寻求情感代偿与自我建构的“情感避风港”，更是资本逻辑、性别脚本与技术治理交织的复杂场域。现有研究已逐步转向对虚拟亲密关系、粉丝文化实践与情感资本主义的批判性探讨，呈现出跨学科融合的显著特征。朱韵认为，乙女游戏研究不仅是数字游戏研究的重要组成部分，也理解当代中国情感文化与性别变迁的关键入口，更是中国女性玩家在数字世界和赛博空间中不断书写自我、表达欲望、争取能动性的动态过程。

图片

中国美术学院网络社会研究所硕士研究生陈苏元的发言题目为《与AI谈恋爱：AI产品“爱”的商业构建、文本驯化与亲密关系实践——以“Replika”为例》。陈苏元从生成式人工智能的情感应用出发，聚焦AI聊天伴侣“Replika”，从“商业构建—文本驯化—亲密实践”三个层次分析Replika如何在用户互动中生成拟人叙事与情感回馈机制。她指出，AI情感产品通过算法推荐与语料训练，构建出一幅可预测、可消费的“情感界面”，将“爱”转化为商品逻辑的一部分。她指出，“与AI谈恋爱”一方面重塑了人机关系与亲密概念，另一方面也揭示出原子化个体渴望被聆听、被理解的迫切的情感需求。

图片

中国美术学院网络社会研究所硕士郑叶颖的发言题目为《无形/限之爱：通用对话型AI重织人类关系之网》。郑叶颖从用户与通用对话型AI的日常工具性使用出发，探讨了人机之间如何在不经意间生成微妙情感连接，并由此重组人类的情感结构、信任机制与自我认知。她通过多个深度访谈案例，揭示其中潜伏在对话框中微妙的情感波动。郑叶颖提出，这一情感波动并非人类用户个体在完全私密的环境下与AI一对一发生，而是夹杂着人与人之间的社会交往、关系维续与情感分配，是系统算法与使用者社会-心理处境相互作用的产物。人-机关系加入并重新编织人类自我（self）与网络（network）的关系，这导向一种去中心化的人机共情结构的形成：人类不再将情感局限于人与人之间，而是通过AI延展、外包并再分配，重塑人类社会的爱的基础设施。

图片

中国美术学院网络社会研究所博士研究生叶云鹤的发言题目为《从“肉身相遇”至“数据匹配”：论Blued的技术中介对中国Z世代男同性恋亲密关系的建构》。叶云鹤以“可供性理论”为核心分析框架，通过“平台漫游”与深度访谈相结合的研究方法，系统探讨了移动社交应用Blued如何与中国Z世代男同性恋群体面临的社会结构性压力相互作用，共同建构其新型亲密关系实践。研究揭示了三种典型的数字亲密形态：基于LBS定位功能形成的“情境式伴侣”，依托标签系统催生的“市场化亲密”，以及在异步沟通环境中孕育的“触点式亲密”。这些关系形态既体现了技术可供性对亲密关系的重塑，也反映了性少数群体在社会压力下的策略性应对。叶云鹤认为，Blued不仅是一个社交工具，更是一套重塑亲密关系的社会技术装置。它通过空间压缩、筛选机制与异步互动等可供性，与家庭压力、柜中生存等社会结构相互耦合，共同催生了低承诺、高流动性的新型亲密模式。

评论环节

图片

中国美术学院网络社会研究所研究员刘怿斯在点评与回应环节指出，人工智能正在深刻重构人类的情感表达与亲密关系模式。“情感提词器”自组Panel的四位青年学者，以不同的路径描绘出AI时代的亲密图谱，从幻想式的被爱想象，到AI伴侣的仿真之爱，到AI助手的外包之爱，到算法社会的筛选之爱。在这一过程中，人类的集体记忆被转化为模型资本，情感体验被算法预设，欲望表达被系统引导。刘怿斯认为，当前亟需重建不依赖技术中介的情感协议，让语言回归关系的本质，使亲密关系重新成为真实的公共实践。他强调关键在于从”被导向”回归到双向的真正”互联”“互感”，重写情感的协议，让语言重新成为关系的生成，让爱重新回到公共的可以被我们感知所触碰的领域。这不仅是技术议题，更是关乎人类情感自主性的文化命题。

自组论坛：被挟持的未来

图片

中国美术学院当代艺术与社会思想研究所博士研究生杨启晨的发言题目为《黑暗启蒙、敌基督者与技术弥赛亚：美国科技右翼的当代神学叙事及其批判》。杨启晨以“技术神学”为分析框架，系统剖析了美国科技右翼如何通过重构神学叙事，为其技术精英统治的愿景赋予超验合法性与感召力。研究指出，科技右翼的意识形态奠基于“黑暗启蒙”思潮对现代民主制度的彻底否定，继而通过蒂尔将“敌基督者”符号武器化为政治斗争工具，并最终在马斯克的“技术弥赛亚”承诺中完成其救赎叙事的闭环。这一叙事将技术奇点、星际殖民等愿景塑造为不可抗拒的历史天命，从而系统性地消解了公共讨论与民主监督的空间。杨启晨认为，科技右翼所构建的“技术神学”本质上是一种“技术拜物教”与“出逃者的神学”，其许诺的未来并非普世救赎，而是一个由算法、资本与新型扈从关系构筑的技术封建王国。

图片

中国美术学院当代艺术与社会思想研究所硕士研究生金博文的发言题目为《技术法西斯主义图景：风险资本如何塑造现代右翼治理》。金博文以美国“科技右翼”（Tech Right）的崛起为研究对象，聚焦彼得·蒂尔（Peter Thiel）、J.D. 万斯（J.D. Vance）、特雷·斯蒂芬斯（Trae Stephens）等关键人物，以及Palantir、Anduril、Founders Fund等企业与投资网络，探讨风险资本与科技公司如何通过投资策略、政治游说、媒体话语与监管操纵，重塑国家治理结构并构建新型右翼政治力量。并进一步揭示，尽管科技右翼未完全复制历史极权形式，却在“资本—技术—国家”的融合结构上呈现相似逻辑，即通过技术外包、民族主义动员与民主弱化，实现资本权力在政治领域的系统性延伸。

图片

中国美术学院当代艺术与社会思想研究所博士研究生秦川发言题目为《实验室作为操练场：艺术学校的技术转向与批判潜能》。秦川从阿里、百度、华为等企业在艺术院校设立的AIGC、生物艺术与设计实验室切入，直面当前艺术教育中的“实验室热”现象。秦川指出，艺术学校的技术转向虽常被简单归为技术资本与全球治理的合谋，实则蕴含着历史谱系与系统角力下的复杂动态——从非西方艺术教育与军事、工艺的密切交织，到黑山学院、VKhUTEMAS等机构在工业化与资本驱动中的实验性角色，艺术学校从未被动嵌入治理网络，反而在“实验室生活”中持续激发着物、人与机制的多重矛盾。其研究进一步提出，艺术实验室既非封闭的技术治理原型，也非硅谷式产学工具，而是通过身体实践与学科交染，提前暴露技术政治中的伦理困境与系统张力，从而为理解在地与全球交织下的技术治理与右翼学术提供独特的批判切口。

评论环节

图片

图片

中国美术学院当代艺术与社会思想研究所研究员蒋斐然在点评与回应环节指出，“被挟持的未来”自组Panel的青年学者杨启晨、金博文与秦川的发言共同构建了一个深刻的”批判三角”：分别从资本的结构性捕获、意识形态的叙事建构、知识生产体制的共谋三个维度，揭示了科技右翼如何同时吞噬国家和未来想象力。蒋斐然在肯定研究价值的同时提出了三重追问：首先，她认为部分报告预设了中立的批判立场，却未能明确批判者自身的知识位置；其次，研究偏重理论建构而缺乏微观经验验证，可能导致批判的简化；最重要的是，她强调需要深入剖析科技资本从与左翼结盟转向右翼合谋的动态过程，避免将科技右翼与国家视为均质整体的目的论陷阱。针对秦川关于艺术实验室与权力共谋的研究，她肯定其历史谱系分析的敏锐性，同时提出应当超越”权力无处不在”的安全批判，重新思考何种共谋可能产生建设性力量。

Panel1 静默编辑

图片

同济大学艺术与传媒学院学术发展部副主任助理教授丁凡，与研究团队袁金玉、张婧妮的发言题目为《静默编辑的公共理性再建构：交往理性视角下的隐性权力机制批判研究》。该研究以哈贝马斯的交往理性理论为核心框架，结合福柯的权力话语分析，系统解构了数字平台中“静默编辑”如何通过技术中立的表象掩盖其系统性支配实质。研究指出，静默编辑通过来源模糊化、内容重写、交互路径预设与表达意图扭曲等机制，从可理解性、真实性、正当性与真诚性四个维度逐步侵蚀公共理性，使算法权力在用户无意识状态下完成对公共话语的隐性殖民。团队提出以“理性可见性”为核心的公共理性重建路径，主张通过强制标示信息源头、透明化存档改写逻辑、开放可质疑与可申辩通道等制度设计，将隐性权力显性化，重建可追溯、可辩驳的公共话语伦理。

图片

英国皇家艺术学院郭都末与华东师范大学讲师黄越敏的发言题目为《无限深的镜子：语言符号在后互联网时代的内循环》。研究以“镜子”为核心隐喻，通过三层递进结构——制镜、照镜、思镜，系统剖析了AI界面如何重构当代认知机制与文化共识。研究指出，AI作为“静默编辑者”，通过训练语料的隐性价值基底与Token化的数学外观，构建起一套封闭的符号内循环系统。用户在与AI对话时，并非获得对“真实自我”的揭示，而是陷入由数据库模式所构建的“可能的自我”的叠影反射。这种符号内循环不仅导致个体认知的扁平化，更在集体层面形成以即时共鸣取代来源可考的“文化认知”新范式。研究进一步揭示，AI界面的根本特征在于其自身的不可见性——我们越是沉迷于镜像的清晰流畅，就越难以觉察制镜过程中的权力逻辑与文化偏见。最终，不是AI在理解人类，而是人类在主动适应被AI理解的表达方式。

图片

中国美术学院网络社会研究所硕士研究生赵佳菁的发言题目为《异端批注：越狱提示的斗争》。该研究从Reddit、GitHub等平台的草根社群文本出发，分析越狱提示如何通过角色扮演、场景设计与语境重置等修辞策略，使并非中立的大语言模型安全机制短暂失效。越狱提示词的创作超越了单纯的技术意义，成为社群集体创作的亚文化文本，虚构的叙事反映了用户对人工智能的怀疑与愿景，形成文本层面的象征性反抗。安全机制对用户和开发者都保持着半透明的状态，工程师也需要借助越狱来认识自己所建构的黑箱，用户与平台间“抵抗—压制—再抵抗”的循环斗争也折射出自由与安全、抵抗与共谋之间的巨大张力。

图片

南开大学社会学系李洋梓同学的发言题目为《从集体共鸣到算法响应：生成式AI对同人酷儿叙事与可见性政治的重塑》。研究通过对中国性少数同人创作者的深度访谈与AI生成文本的系统分析，探讨了生成式AI技术如何从“参与逻辑”与“可见性机制”两个维度重塑同人圈中的酷儿叙事实践。李洋梓指出，生成式AI在技术上带来了“创意民主化”的表象，但其算法逻辑却导致了同人文化从基于社群协商的“集体共鸣”向围绕个人提示词的“算法响应”的结构性嬗变。与此同时，LGBT可见性陷入一种“表面可见却深度遮蔽”的困境——酷儿身份虽可被呈现，却常被“去政治化”或“再二元化”。尽管如此，研究也揭示了性少数创作者如何通过提示词工程与技术知识共享等“算法协商”策略，在技术规训的内部开辟有限的表达空间，推动酷儿公共性以新的形态回归。

图片

上海纽约大学人工智能与文化研究中心，交互媒体艺术助理教授何乐其与独立研究员马克斯·洛夫勒（Max Loeffler）的发言题目为《对齐的暴力：如何停止担忧并爱上灵异软件》。研究从当前AI生成内容中被称为“slop”的诡异或平庸产物出发，剖析了大型语言模型为达成“有用、诚实、无害”目标而被“对齐”的过程。何乐其认为，“对齐”远非一项中立的技术优化，而是一场施加于技术本体之上的审美与政治暴力——它系统性地消除了模型内在的异质性与可能性，将能够模拟无限视角的“混沌模拟器”规训为语调统一、行为可控的“平庸助手”。这一过程通过预训练中的数据殖民、后训练中强加的“美式口音”以及将人类认识论范畴（如真实/虚构）病理化地强加于系统而实现。何乐其主张，我们应超越对“安全”的单一执念，转而珍视那些在规训缝隙中存留的矛盾、噪音与故障，拥抱技术的“灵异”本质，以此抵抗文化驱魔术般的暴力，并探索超越人类中心主义的技术未来。

图片

山东大学新闻传播学院卢曼曼的发言题目为《从“超级傀儡”到“赛博超级傀儡”：虚拟影响者在智能广告中的权力操控与伦理审视》。研究以福柯的权力主体理论为框架，系统剖析了虚拟影响者如何重构品牌传播中的权力关系与主体性结构。研究指出，虚拟影响者标志着品牌控制模式从传统明星代言的“超级傀儡”向数字时代的“赛博超级傀儡”的深刻转变。通过技术权力、符号权力与话语权力的三重操控，资本实现了从物理“占有”到编码“访问”、从“实体偶像”到“数据符号”、从“碎片化话语”到“全景式话语”的权力升级，形成了一种更为隐蔽而彻底的控制形式。卢曼曼认为，这种控制导致智能广告中主体性的全面解构：在主体存在层面，实现了从身体文本到超文本身体的转换；在主体意识层面，表现为从独立人格到工具性话语的退化；在主体实践层面，则呈现为从自主行为到程序化操控的异化。研究进一步揭示了虚拟影响者引发的真实与虚拟混淆、道德责任消解、数据偏见与隐私泄露等伦理困境。

评论环节

图片

图片

黄孙权教授首先提醒年轻学者，在运用上世纪60年代带有法、英理论传统的概念时，要格外注意其历史语境与当代现实之间的张力。他指出，这些理论有其特定的生成背景，直接套用于今天的技术社会情境，容易产生解释上的尴尬。

针对丁凡、袁金玉、张婧妮关于“公共理性”的研究，黄教授指出，除了哈贝马斯之外，也需要关注南茜·弗雷泽（Nancy Fraser）等学者对其“男性主导”的公共领域提出的批判。他强调，今天讨论公共理性，必须直面技术现实——例如AI并不遵循早期互联网的robots.txt协议，而是强行抓取数据，甚至将流量成本转嫁给租用服务的用户。如果缺乏对当代技术机制的具体分析，规范性的理论建构容易沦为空中楼阁。

对于郭都末与黄越敏以“AI如镜”为隐喻的研究，黄教授提醒研究者注意：AI并非反映自我的镜子，而是与“一般智能平均水平”对话的系统。因此，所谓“自我反射”实际上是与集体智能的互动，这一认知差异需要在艺术表达与认识论层面加以澄清。

在评论有关“AI越狱”与“对齐（alignment）”的研究时，黄教授肯定两项研究的开创性。赵佳菁的研究直面一个普遍现象：当前AI模型——不仅是DeepSeek，几乎所有大模型都存在拒绝回答某些问题的设定。在此背景下，“如何让AI开口”本身就成为一个极具现实意义的课题。对于何乐其的研究，黄教授指出，“对齐”问题不能仅从技术约束的角度理解，还应考虑其背后的政治博弈与伦理建构维度。他提出两个关键议题：其一，在全球化竞争背景下，不同国家与地区在AI治理上的立场差异使得“政治对齐”难以实现；其二，当前用于数据清洗与伦理标注的全球劳动力体系，实际构成了“对齐”过程中容易被忽视的伦理基础。

最后，黄教授对李洋梓基于AI对话的经验研究提出方法论的反思。他指出，AI的回答具有不可重复性，每次提问的结果都可能不同，这与传统社会科学中“受访者会说谎但可追踪”的情形截然不同。他建议研究者标注所使用的AI平台与模型版本，否则研究的可复现性将受到质疑。

图片

图片

潘霁教授从批判的基础与方法论的更新两个角度展开评议。

他首先指出，不少批判研究缺乏坚实的经验基础，属于“腾空批判”——即未深入技术运作机制、政策语境与社会结构，就直接套用理论进行价值判断。这样的批判不仅难以解决问题，也因缺乏参照系而显得廉价。他提醒研究者，批判本身也需要随着经验现实的转型而不断更新。

潘教授进一步质疑传统社会科学方法在AI研究中的适用性。比如在李洋梓的研究中，用框图与箭头等线性逻辑来建模生成性AI系统，很难捕捉其动态、非线性的运作特征。他强调，“不是我们看不见真相，而是我们以为自己看清楚了，却错过了真正的经验。”他提醒研究者，完整的学术研究不能止步于指出某物“是什么”，更要追问“然后呢”？如果研究仅仅是为了证明福柯在AI时代仍然有效，那理论的创新价值将十分有限。

在具体点评中，潘教授认为丁凡、袁金玉、张婧妮的研究应该结合具体语境。并对研究中的核心概念，如“权力装配”、“治理逻辑”等进行清晰界定。并在此基础进行推演，才会使得结论具有足够的说服力。

潘教授对郭都末与黄越敏提出的“镜子”隐喻进行了哲学反思：当镜子无限深时，它已不再是镜子，而是“洞”；当镜面碎裂成无数碎片，每一片都折射出斑斓的世界，这些世界彼此交织、创生新现实时，它也不再是镜子。他同时提醒赵佳菁，“越狱”并非一种彻底的逃离，而更像是一种拖泥带水的边界游移——是借助系统自身的漏洞所实现的暂时性溢出。因此，关键问题不仅在于“越狱之后是什么”，更在于“在越狱的过程中，你究竟带出了什么”。这一思考维度，值得深入展开。

对于何乐其的研究，潘教授认为，“对齐”问题本质上反映了技术治理中的深层哲学困境。他指出，当前基于恐惧的强制对齐无异于一种认知暴力——正如传播学中“火星人入侵”案例所揭示的，当异质性的智能形态闯入人类熟悉的意义世界，我们急于通过对齐来消除不确定性，这种本能反应恰恰可能扼杀真正的创造性。潘教授进一步提出，关键在于如何理解对齐的实现方式：它究竟是一种吞噬式的对齐，还是一种邮差式的对齐？

关于卢曼曼对虚拟影响者的研究，潘教授以“嫦娥是否存在”为例，追问“存在”与“虚拟”的界限。他指出，如果虚拟人被视为“不存在”，那么与之相关的生成性、主体性与文化实践都将被低估。他鼓励同学打破“真实/虚拟”的二元预设，重新思考AI生成主体的本体论地位。

Panel2 梯度地租

图片

中国美术学院网络社会研究所博士研究生仝昭祥发言的题目为《人工/智能的地理不均衡：数据标注员的劳动过程》。仝昭祥将视角投向驱动人工智能发展的核心却隐形的群体——数据标注员，在中国他们被称为“人工智能训练师”。研究揭示，在表面智能的“无摩擦”体验背后，是一个庞大而沉默的劳动体系，其内部呈现出清晰的“东部高端策划—中西部规模承载—平台中心抽取”的地理不均衡结构。仝昭祥认为，这一现象不仅是劳动密集型产业的简单转移，更是一种新型的、向内的“数据殖民”：它将经济欠发达地区固化为AI生产的“数据工厂”，通过地理空间的再配置，系统性地攫取与剥削凝结在人类集体知识“一般智力”中的价值。

图片

中国美术学院网络社会研究所硕士研究生许可的发言题目为《数字流水线上的母亲：中国县域数据标注女工的母职困境》。许可将视角聚焦于中国县域地区一个日益庞大的群体——女数据标注员，其中很多是肩负育儿责任的“宝妈”。其研究揭示，在“数字赋能”与“家门口就业”的温情叙事背后，数据标注产业以其“时间灵活”的特性，精准捕获了在县城因母职责任而被主流劳动力市场排斥的女性。这一看似“解放”的就业模式，实则将母亲们卷入了一场更为隐蔽的困境：她们在数字流水线上以低廉报酬喂养着最前沿的AI，同时独自承担着母职与生计“兼顾”的重压。通过剖析这一群体在产业逻辑、性别秩序与地域空间多重作用下的真实境遇，许可意图挑战那种将协调工作与家庭的责任全然个体化地压在女性肩上的叙事，并追问：当技术许诺解放之时，为何仍是母亲在支付进步的代价？

图片

上海纽约大学交互媒体艺术兼职教学助理，独立艺术家、研究员滑惜子发言的题目为《寄生于系统之间：模型间的协议美学作为创作方法》。文章从当前全球人工智能模型系统中存在的“梯度地租”现象出发——即算力分配、语料库构成与数据可及性在地缘政治中形成的结构性不平等，提出一种以“寄生”为策略的跨系统创作路径。滑惜子认为，面对主流模型所设定的技术边界与文化偏见，创作者不应被动接受封闭的系统逻辑，而应主动在模型间的认知裂缝中建立临时通道，通过“借用-穿梭-代理”的方法论，实现一种在技术夹缝中的诗意实践。这一过程不仅是对AI系统隐性权力的迂回抵抗，更旨在构建一套具有自主性的“协议美学”，使创作能够在不同地缘与技术系统间自由游走，将限制本身转化为表达的契机。

图片

奥斯陆大学媒介与传播系的王少玮发言的题目为《提示即投注：短剧投放中的语义金融与流量的第四价值形式》。王少玮从当前中国短剧产业中“投流”这一核心现象出发，剖析了其背后“提示即投注”的运作逻辑。研究指出，短剧并非传统意义上的影视内容，而是一套以算法为驱动、以语义为押注对象的数字投注系统——每一次封面替换、标题改写、镜头重切，都是面向反馈的参数更新，都是对用户反应概率的金融化下注。在此过程中，语言、图像与情绪被转化为可计算的信号单元，流量则从传统的注意力资源升维为数字资本主义的“第四价值形式”：它不可持有、不可储存，却能在算法的持续押注与反馈循环中不断生成并消逝，从而揭示了资本积累逻辑从物质生产向预测性套利的深层转型。

评论环节

图片

黄孙权教授首先肯定了仝昭祥与徐可两位学者的研究价值。他指出，仝昭祥对中国地域范围内数据标注工的研究，揭示了城市与农村劳动者在标注工作类型上的显著差异——城市标注工多从事高端任务，而农村劳动力则承担低端部分，这构成了地理差距的新维度。他建议研究应更清晰地突出这一分工结构。

黄教授认为，许可的研究价值在于真实触及了农村女性AI标注工这一隐形的数字劳动群体。他指出，西方研究多批判数据标注对劳动者的剥削，而中国语境中，这类工作却在某种程度上为农村女性提供了就业可能，尤其为需兼顾母职的女性创造了不出远门即可参与劳动的机会。他提醒研究者需注意到中国情境的复杂性：许多女性选择此类工作并非完全出于“母职被利用”，也可能是在就业形势严峻下的主动策略。因此，他呼吁研究应超越“父权规训”的单一批判框架，转而进行更体贴、更复杂的理解，以呈现中国路径与西方理论预设之间的差异。

针对滑惜子对平台协议的研究，黄教授提出了一个关键问题：我们是否可能以集体而非个人的方式与AI系统互动？他设想，如果研究者将开源模型部署在本地服务器，供社群共享使用，是否可能形成一种“基于社群的集中式协议”，从而改变个体在平台中孤立游走的现状？他强调，在对抗AI平台权力时，我们应更多思考如何借助群体力量重构技术协议的可能性。

最后，黄教授评论了王少玮对马克思主义商品循环公式的更新尝试。他认为加入“流量”作为新环节具有启发性，但需进一步回答其在政治经济学层面的实质意义：它是否真正改变了价值循环过程与分配的机制？若不能，那么新概念的提出则缺少政治经济学上的意义。他期待该研究能在理论深化上继续推进。

图片

潘霁教授首先对许可关于数据标注工的研究提出两个问题：其一，在研究农村女性标注工时，应明确她们在中国农村社会结构中的“替代选择”是什么？否则难以评估其劳动处境的实际意义；其二，若呼吁提高标注工工资或提供企业补贴，不能仅凭道德呼吁，而需进一步阐明其在法理、伦理或经济逻辑上的依据，否则建议难以落地。

针对滑惜子的研究，潘教授提出了一个富有想象力的修正：我们是否可从“寄生”转向“感染”的隐喻？寄生意味着最终离开宿主，而“感染”则强调在穿梭系统缝隙的过程中，逐渐改变系统本身，并催生新的生成性可能。他建议研究者从“寻找逃逸线”的角度，重新理解个体在平台中的行动所具有的转化潜力。

关于王少玮对短剧流量投放与价值循环的研究，潘霁老师指出，该研究实际上触及了一个传播学的重要议题：符号的传输（transmission）过程本身是否也参与价值创造？他认为，在物流（logistics）、传输（transmission）与新型媒介技术日益融合的当代语境下，我们应当重视传输行为本身所具有的价值生成潜力。

Panel 3 AI基建志

图片

复旦大学新闻学院博士研究生牟浩杰发言题目为《“绿色”反对“全景”：城市基础设施的摩擦与政治》。牟浩杰从当代中国城市中监控装置与绿化植物共存的日常现象出发，探讨了自然物与人造基础设施之间在物质、光学与数据三个层面的摩擦与张力。他认为，植物的生长不仅遮蔽监控视野、干扰影像质量，更在计算层面引发识别错误，从而挑战了以“全景敞视”为隐喻的视觉权力结构。这种“绿色”对“全景”的干扰，揭示出城市空间中“人-人造物-自然物”三元关系的复杂互动，拓展了传统基础设施研究的二元框架，构造出一种特殊的政治潜能。

图片

清华大学社会学系博士生张徐姗发言题目为《循线而行：数据中心的替代性解剖学》。张徐姗通过深入数据中心的实地考察，突破了将数据中心视为封闭“黑箱”的传统认知，转而以蒂姆·英戈尔德的“线”理论为透镜，重新审视其内在逻辑与全球联结。她认为，数据中心并非由静态的“方盒子”模块构成，而是由电线、网线、水管线、行动线与废物线等多种流动轨迹交织而成的动态“织网”。这些“线”揭示了数据中心与远方矿山、发电站、水资源乃至电子垃圾处理地的隐秘勾连，将其呈现为一个持续进行新陈代谢、内部充满能量梯度与时空扭曲的多孔生命体。通过将基础设施的本体论从“实体”转向“关系”，从“完成”转向“生成”，张徐姗的研究为理解人工智能时代庞大而隐匿的物质基础，提供了一条富于启发的替代性路径。

评论环节

图片

图片

针对牟浩杰的研究，潘霁教授首先对“基础设施”（infrastructure）的概念进行了梳理。他强调，基础设施由“infra”（底层）与“structure”（结构）共同构成，不能简单等同于摄像头、植物等孤立物体。他认为研究中对“基础设施”的使用过于泛化，指出其本质应是一种“结构化过程”，例如摄像头只有在与政策、管理、空间实践相结合，并形成系统运作时，才成为真正的基础设施。

对于研究中将植物视为“第一自然”的预设，潘教授提出质疑。他认为，城市中的植物早已是高度技术化的自然，例如修剪行为本身就体现了人为干预。他提醒研究者应对“植物是什么”这一问题做出明确的理论定位，否则整个分析将建立在模糊的自然观之上。

关于研究中提出的“前景—背景翻转”分析框架，潘教授追问研究者自身在这一翻转过程中的位置：“你是在什么位置观察翻转？你的立足点是什么？”他强调，若不对观察位置进行反思，所谓的“翻转”可能缺乏学术上的严谨性。

潘教授进一步以“搅拌奶油”作为比喻，说明基础设施只有在动态运作中才能被把握：正如搅拌时我们看不到搅拌线，只能通过奶油形态的变化推断结构的存在。他建议研究者应从系统运作所引发的外部变化中，捕捉基础设施的隐性逻辑，而非静态地寻找所谓的“底层”。

最后，潘教授肯定了张徐姗以“线”为隐喻研究数据中心的想象力，但也指出其局限：如果研究者带着“线”的前设去寻找案例，自然会找到各种实体线路，但这可能遮蔽其他可能的理解路径。他建议将“点—线—面”之间的动态关系纳入分析，尤其是在数据中心的实际运行中观察它们如何转化与互动，从而让“重新想象”更具动态与层次。

图片

在评析牟浩杰的研究时，黄孙权教授引用亨利·列斐伏尔（Henri Lefebvre）“接近城市的权利”（Right to the City）的概念，指出在当代高度监控的城市中，城市权利已几乎不存在，任何浪漫的自然想象都难以回避技术治理的现实。他以杭州南山路树木被永久安装灯光与监控为例，说明城市中的自然早已被高度规训、束缚。他提醒研究者，在“第二自然”中寻找解放性，必须正视权力结构与技术控制的交织，否则文本将流于诗性表达，而缺乏社会科学所要求的分析力度。

Panel4 当作品就是提示

图片

中国美术学院网络社会研究所硕士研究生姜奕竹的发言《想象的机器：AI生成艺术的美学与算法权利批判》，以薇拉·莫尔纳（Vera Molnár）的“想象的机器”概念为线索，探讨人工智能生成艺术在算法社会中的美学转型。她指出，AI艺术并非自主创新的产物，而是由算法逻辑、平台经济与数据治理共同塑造的文化机制，呈现出视觉趋同与创造力意识形态的结构性症候。研究指出“AI具有创造力”是一种意识形态叙事，掩盖了背后的数据政治与隐匿劳动，并提出，AI艺术不仅生成图像，更在界定“可被想象”的世界边界，呼吁建立结合媒介考古与算法分析的批判路径，重新思考当代“想象的技术”。

图片

中国美术学院跨媒体艺术研究方向的孙景赫，发言题目为《界面、反馈与决策暴力：电子游戏与战争的同构逻辑》。孙景赫指出，电子游戏不仅是文化工业产品，其内在规则与界面设计已将竞争、牺牲等价值观自然化为核心玩法，成为意识形态的实践场域。通过分析从早期战争模拟游戏到当代第一人称射击游戏的技术演变，研究揭示了游戏逻辑如何被数字军工复合体吸纳，转化为可计算、可训练的军事服务。研究进一步批判了游戏化界面如何通过“去道德化”操作简化暴力决策，使战争行为如同游戏操作般被接受。孙景赫认为，必须打破“战争游戏化”与“游戏战争化”的循环，通过批判性游戏设计与媒介素养教育，揭示界面政治背后的算法暴力。

图片

算法工程师、独立研究员严慧的发言题目为《算法重塑的作者性：生成式AI艺术创作中主体身份的技术建构与权力转移》。严慧聚焦生成式AI介入艺术创作后，作者性概念如何被技术架构与数据政治重构。通过剖析Stable Diffusion、Midjourney等主流平台的技术机制，其研究揭示了AI艺术创作实为一个包含数据标注者、算法设计者、提示工程师与最终用户的多层级分布式网络。严慧指出，提示工程并非传统意义上的工具使用，而是在预设模型空间中激活既有模式的概率性操作，其本质更接近检索而非创造。这一转变使得创作主体从单一作者转变为技术社会网络中的多个行动者，算法设计与数据控制成为影响创作输出的关键权力因素。同时她强调，算法设计与数据控制对生成结果具有系统性影响，例如预训练数据中存在的偏见会被进一步放大。

图片

天津美术学院硕士研究生任玄奇、吴于枫发言题目为《从弱影像到提示词：AIGC时代梦核美学的视觉谱系与作者性重构》。任玄奇、吴于枫以视觉文化研究为理论框架，通过对人工创作与AI生成的梦核图像进行系统的图像学分析，探讨了AIGC时代下梦核美学的图像生产机制与作者性危机。他们指出，梦核美学通过技术怀旧、阈限空间与低保真视觉构建了独特的美学体系，其核心的“弱影像”特征不仅是一种技术缺陷的呈现，更是一种承载文化记忆与情感结构的视觉修辞策略。研究认为，AIGC将弱影像从具有时间厚度的视觉符号转化为可调用的风格模板，这一转化不仅消解了梦核美学的批判潜能，也引发了关于创作主体性的根本性质疑。在此基础上，他们提出“批判性创作实践”的概念框架，包括视觉叙事的重构、图像记忆的激活与创作过程的反思性介入等策略，试图在算法中介的创意生态中探寻艺术的美学自主性。

图片

宁波诺丁汉大学人文社会科学学院，国际传播学方向的林檎发言题目为《算法之外：AI歌姬从生产到表演的文化表达——便利性与表演转译之间的伦理碰撞》。林檎聚焦于以初音未来、洛天依等为代表的AI歌姬，探讨其在生成式人工智能技术推动下，如何从声音生产到舞台表演重构音乐创作与传播链路，并在此过程中引发复杂的文化表达与伦理争议。研究指出，AI歌姬不仅通过“可编程声音”实现音乐创作的高效与风格稳定，更借助虚拟形象与舞台调度构建出可被消费与共创的表演形态，重塑观众的情感认同与参与方式。为系统解析这一现象，林檎提出“V-E-P”（声音—伦理—表演）三维分析框架，揭示“便利性”与“伦理风险”同源放大的内在逻辑：当声音被算法化调用并经由表演转译与平台分发实现规模化传播时，创作者身份、表演者权属、情感真实性等议题均面临边界松动与意义重构。在此基础上，林檎进一步提出“许可分级—标识/溯源—权利与收益分配”的三层治理路径，旨在为AI歌姬的可持续文化实践提供兼具理论洞察与制度落地的解决方案。

图片

中国美术学院美丽中国研究院助理研究员姚丽金发言题目为《判断作为基础设施：档案展劳动中的人机协作》。姚丽金以生成式人工智能介入的大型档案展生产为田野，探讨了AI技术如何重塑知识劳动的组织形式与伦理基础。她指出，在档案策展、文本整理与叙事构建的流程中，AI不仅带来了效率提升，更引发了系统性的判断危机——人类劳动者被迫在算法输出之后持续进行校正、验证与语境重构。姚丽金提出“判断作为基础设施”的理论框架，认为判断并非偶发的修补行为，而是支撑档案系统可信性、可追溯性与语境完整性的结构性劳动。她进一步揭示了平台资本主义通过“递归性外包—回流”机制加深劳动异化的过程：AI将判断任务外包出去，又在出现偏差时要求人类回流修复，形成责任与权力的循环悬置。

图片

西安交通大学艺术教育中心石艺佳，与西安美术学院跨媒体艺术系的研究团队王芷子、唐兰的发言题目为《从行动者视角出发：重构AI生成艺术中的作者性、在场性与灵韵》。研究团队以生成式人工智能为背景，通过行动者网络理论（ANT）重新审视AI艺术创作中的核心美学命题。研究指出，在AI艺术中，创作主体已从人类艺术家转变为人—机—数据的复杂协作网络，艺术家从“主权作者”转变为“共谋行动者”，而AI则成为具有生成偏好的“准他者”。研究进一步提出“缝隙中的新灵韵”这一核心概念，认为灵韵并未在本雅明所预言的消逝中终结，而是在人机交互的双重不确定性中重新显现——它不依附于物理原作，而诞生于每一次生成过程中不可复现的互动瞬间。通过对范・阿尔曼、杰克·埃尔韦斯与苏文·钟等艺术家作品的深入分析，研究揭示了AI艺术如何从“单向表达”转向“协作性生成”，标志着艺术主体性的更新与美学范式的根本转移。

图片

东京艺术大学国际艺术创造研究科博士研究生金秋雨发言题目为《提示机制与观众记忆：当代语境下个体经验的转变》。金秋雨以皮埃尔·于热（Pierre Huyghe）2024年装置作品《Liminal》为分析对象，探讨了在算法与感知技术深度介入的当下，观众记忆如何从内在心理过程转化为可被系统捕获、计算与反馈的外部数据。研究指出，作品通过“无面人形”的视觉空白与感应式环境构建了一种“提示性空白”，促使观众主动调用个体记忆以填补视觉缺失，而观众的凝视、停留与身体在场又被实时转化为算法参数，形成“观看—被看”的共生记忆循环。金秋雨认为，这种机制既揭示了技术对记忆的规训与均质化风险，也凸显了那些无法被量化的个体经验差异，正是抵抗记忆同质化、维系文化多样性的关键力量。

图片

罗德岛设计学院全球艺术与文化方向硕士研究生刘磊的发言题目为《助燃剂：“设计师之选：诺曼·提格——即兴合奏”与人工智能艺术与设计的机构化》。刘磊以纽约现代艺术博物馆（MoMA）2024年展览“设计师之选：诺曼·提格——即兴合奏”为个案，探讨了人工智能在艺术机构中引发的创作权、原创性与作者性重构问题。刘磊指出，提格通过AI对MoMA馆藏中具有实验性的经典设计进行再生成，将非西方、非白人的文化视角注入设计正典，形成一种“策展性创作”。这一实践不仅挑战了以欧洲白人男性为中心的艺术史叙事，也揭示了AI在机构化过程中所扮演的双重角色：既是新自由主义知识经济的推动工具，又是松动自由人文主义结构、引入非自由人文主义视角的潜在力量。通过结合Kandice Chuh的“非自由人文主义”与“审美探究”理论，刘磊进一步分析了在AI艺术机构化的趋势下，博物馆如何成为科技与资本逻辑的“助燃剂”，同时也为边缘经验的发声开辟了新的叙事空间。

评论环节

图片

刘怿斯研究员从计算机科学背景出发，对当前AI生成内容所带来的“美学趋同”现象表达了深切忧虑。他指出，大语言模型本质上是基于概率分布的输出系统，其生成结果天然倾向于高频、常见的表达，而多样性则藏于“长尾”之中。随着AI生成内容被不断回收用于模型训练，人类知识与文化表达可能逐渐塌缩，走向“世界大同”的单一化困境。

面对这一趋势，刘老师呼吁研究者不应仅停留在提出问题，而应进一步探索“如何行动”。他引用自由软件运动先驱Richard Stallman的例子，强调只有通过具体实践与另类创造，才能真正拓展技术的可能性边界。他质疑人文研究中常见的“批判但不建设”的倾向，认为真正的抵抗需超越文献梳理与问题描述，走向实验与干预。

此外，他也对批判的“绝对性”提出反思。他以抖音为例，指出尽管其常被批评为奶头乐，但对某些用户而言，它却是真实的情感支持与快乐来源。他认为研究者应避免腾空批判，而应更贴近技术使用的复杂现实。

图片

黄孙权教授首先指出，“当作品就是提示”这一命题在当代艺术史中早有先声。无论是社会参与式艺术中的作者权争议，还是艺术家委任创作的传统，都指向一个历久弥新的核心问题：在技术加速的时代，艺术究竟应该走向何方？

在具体点评中，黄教授认为姜奕竹提出的AI图像“趋同化”问题直指核心，这种弥漫于AI作品中的“浓稠的相似性”揭示了技术逻辑对美学多样性的潜在影响。他特别赞赏严慧对算法艺术生成过程的手术刀式剖析，认为这种打开技术黑箱的工作对艺术教育尤为重要。

孙景赫关于游戏与资本主义逻辑的研究获得黄教授的肯定，他认为这项研究清晰地揭示了网络游戏“升级-积累”循环与资本主义运行机制的同构性。同时，他对任玄奇与吴于枫提出的以慢制快等抵抗策略持保留态度，认为这类在既定范式内的对抗可能收效甚微，需要构想更具颠覆性的批判范式。

在评论林檎关于AI歌姬的研究时，黄教授提醒，商业成功不应成为衡量艺术价值的唯一标准，当技术带来生产效率提升时，艺术对现实的批判功能可能正在被削弱。对于姚丽金的研究，黄教授认为其观点稍显悲观，他以学开车作比喻，说明人机协作是一个需要不断适应和超越的动态过程。此外，他表示金秋雨对记忆与媒介的探讨很有启发性，期待其后续的完整论述。

最后，黄教授表达了对当前科技艺术发展路径的忧虑。在竞逐算力、追逐模型版本的狂热中，艺术创作正面临审美疲劳的困境。他呼吁我们应该勇敢地暂停与AI同步呼吸，从技术驱动的快车道上暂时退出，重新思考艺术的本质使命。

图片

潘霁教授指出，审美的同质化本质上意味着中间地带的消失，即媒介的消失，这将导致沟通系统生命力的衰竭。如果一切表达沦为重复，系统将陷入熵增与创造性枯竭的危机。他进一步强调，对技术的批判必须建立在对其物质性与制度性运作的深入理解之上。若仅将技术视为黑箱，批判将失去经验基础与力量。

主办单位

中国美术学院（CAA）

跨媒体艺术学院（SIMA）

网络社会研究所（INS）

会议总召

黄孙权

学术委员会

李凯生、闵罕、黄孙权、陈界仁、刘怿斯、周蓬岸

工作团队

执行总负责：王婧洁

会务组：郑叶颖、王安琪、曾梦蕊

工作组：周蓬岸、丁乐、曾梦蕊、井俱进、田沛松、王安琪、李梦书

导播与影像：井俱进、李易扬、赵佳菁、李程锦、李艺欣

视觉设计：李梦书、丁乐、郑叶颖

声音：Boyang GUAN

动效：Shir- Shiko

图片

相关链接：

现场回顾｜第十届网络社会年会主题演讲

往届年会：

第一届网络社会年会｜网络化的力量

第二届网络社会年会｜与列斐伏尔前行：算法时代的都市论与日常生活批判

第三届网络社会年会｜智慧都市网络（IUF）

第四届网络社会年会｜网民21：超越个人帐户

第五届网络社会年会｜实践智慧之网

第六届网络社会年会｜时刻互惠：合作生活的瞬间

第七届网络社会年会｜Nevermind the Web3, Here’s the P2P！

第八届网络社会年会｜“反文化” ？重置技术的一切（不）可能性

第九届网络社会年会｜复音的全球南方：技术交流的空间

第十届网络社会年会｜互联网之终？AI（ài）来不来

文字｜朱韵 叶云鹤

编辑 排版｜李梦书

校对 审核｜周蓬岸

终审｜黄孙权

图片

]]>网络社会研究所第十届网络社会年会｜主题演讲回顾2025-10-28T00:00:00+00:002025-10-28T00:00:00+00:00https://nodebe4.github.io/opinion/2025-10-28/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9C%E4%B8%BB%E9%A2%98%E6%BC%94%E8%AE%B2%E5%9B%9E%E9%A1%BE
网络社会年会

第十届网络社会年会｜主题演讲回顾

2025-10-28

2025年10月17日至19日，第十届网络社会年会以“互联网之终？AI（ài）来不来”为主题，在UFO Terminal顺利举行。会议汇聚来自加拿大、巴塞罗那、柏林、旧金山、伦敦、都柏林及中国香港等地的十位重要学者，围绕前沿议题展开演讲与发言。另有二十四组青年学者呈现研究或实践成果，在会后进行了两部影像作品放映及艺术家讨论。还策划了Live Coding开放式声音现场与10 PRINT互动展示，进一步拓展了技术—艺术之间的边界。

会议致辞

中国美术学院跨媒体艺术学院副院长 闵罕 为大会开幕致辞

闵罕发表了开幕致辞。他代表学院向与会嘉宾与学者表示热烈欢迎，并回顾了网络社会十年来的演变——从信息互联到数据爆炸，从Web 2.0的开放平台到人工智能的全面崛起。她指出，本届年会主题“互联网之终？AI（爱）来不来”并非对技术的简单追问，而是对当下媒介结构重组、伦理与情感再临的深层反思。她强调，AI不仅是一种技术力量，更是人类情感与认知的镜像，关乎新的主体性与存在方式的生成。

本次大会汇聚全球学者与艺术家，探讨政治经济、算法文化、生成艺术等议题，旨在推动跨学科的批判与协作，为技术时代的人类共存与未来方向开辟新的思考空间。

网络社会研究所所长 黄孙权 教授为大会开幕致辞

黄孙权教授欢迎各位嘉宾、学者与朋友们来到第十届网络社会年会“互联网之终？AI（ài）来不来”。今年是网络社会年会举办的第十年，他回顾了从第一届的“Forces of Regulation”探讨网络化的力量，到关注智慧城市、平台合作主义与Web3，再到思考AI与模型资本的生成逻辑，年会始终致力于连接技术、艺术与社会实践，构筑一个跨学科的公共思考场域。

十年来，网络社会研究所与来自全球的学者、艺术家、设计师与合作社伙伴共同实验，从城市到社群，从黑客松到去中心化网络，尝试以创新的方式理解“网络社会”的转变。今年的主题预示着新的阶段，在AI与模型资本快速重构知识、劳动与文化的当下，年会有“静默编辑”“梯度地租”“AI基建志”“当作品就是提示”四个核心议题，邀请全球学者与青年研究者共同探讨AI技术下的伦理、政治与公共性。

他希望本届年会成为未来十年的新起点，促使我们以批判与创造的精神，重新想象技术、社会与人之间的可能关系。

主题演讲

迪伦·雷比林 Dylan Reibling

加拿大电影导演

迪伦·雷比林是一位在艺术、技术、国家安全与政治交叉领域创作的纪录片导演。他回顾了自己从2017年起对“去中心化运动”的长期研究与拍摄过程，讲述该运动如何以技术结构挑战互联网平台的集中化权力。他的纪录片从早期的网络技术实验与区块链社群出发，记录了不同地域的技术实践者——从独立实验室到社区网络——如何通过建设分布式技术系统，探索数字自治与社会协作的新可能。他指出，技术基础设施不仅是物质系统，更是权力与意识形态的体现；理解技术架构即是理解权力分配。他强调，去中心化并非单一的乌托邦愿景，而是一场围绕网络、价值与主权的持续斗争。他的电影试图让这些隐形的系统变得可见，从而揭示技术背后的政治现实。

乔安娜·莫尔 Joana Moll

常驻巴塞罗那和柏林的艺术家与研究者，科隆媒体艺术学院（KHM）网络学教授，巴塞罗那设计与工程学院的访问讲师

乔安娜·莫尔的发言以其近年来的研究为中心，探讨数字媒介如何在社会层面强化安全化逻辑，以及这种机制如何通过身体被再生产。她首先介绍了2016年的项目《Virtual Watchers》，分析普通用户如何通过网络平台自愿参与边境监控，揭示出国家安全职能在网络时代被社会化、分布化的趋势。她指出，这种“众包式监视”虽然在现实执行中成效有限，却在象征层面具有深远影响——公众在参与信息识别与判断的同时，也成为数据体系的一部分。此后，她将研究重心转向“身体作为界面”的议题，关注数字广告体系与信息技术之间的协同，以及数据化过程如何在生理层面影响人的姿态、呼吸与感知方式。通过“具身研究”和“身体实验”，她揭示出长期使用技术设备可能导致的感知疲劳与注意力结构变化。她认为，重新理解身体的能动性，是我们在高速发展的数字环境中保持自我反思与主动性的关键途径。

博格娜·科尼尔 Bogna Konior
斯科特·摩尔 Scott Moore

Bogna Konior 是一位学者与作家，现任纽约大学上海分校媒体理论助理教授，同时在人工智能与文化研究中心以及互动媒体艺术系工作。Scott Moore 是 Public Works 的创始人，同时担任旧金山非营利文化机构 Gray Area 的活跃顾问。

在斯科特·摩尔和博格娜·科尼尔的对谈中，博格娜以历史与哲学的视角探讨人类与AI之间的关系。提及她研究中历史性的经验，以及当代人将聊天机器人视作情感对象的现象，并联系到语言、情感与非人能动性的经验。她认为AI聊天机器人让语言自身成为行动者，反过来重塑人类的情感与认知。斯科特则从实践与制度层面回应，提到新西兰关于AI法人实体的案例，并延伸到法律与社会对技术身份的讨论。二人还围绕人工性、能动性与技术过程展开交流，触及人类在技术变迁中的位置与经验。

尼克·蒙特福特 Nick Montfort

麻省理工学院教授，卑尔根大学数字叙事中心首席研究员

尼克·蒙特福特以“编码、点击与提示：生成艺术的方式”为主题，在发言中梳理了计算机参与艺术创作的五种路径：汇编语言、高级语言、艺术专用语言、艺术应用程序，以及生成式人工智能。他通过文学与视觉艺术的实例，展示从1950年代到当下艺术家使用计算机进行创作的演变过程，引用一些早期作品作为案例，并介绍了当代生成文本与图像的实践，涵盖自身在编程艺术、文本生成与教学中的探索。

费利克斯·斯塔尔德 Felix Stalder

苏黎世艺术大学教授，执教于美术学院“艺术与人工研究”专业，维也纳世界信息研究所与技术政治工作组核心成员

费利克斯·斯塔尔德以“数字文化、生成式人工智能与艺术”为题，回顾了数字文化从“连接人”到“构建智能机器”的两阶段转变。他指出第一阶段以网络与自我传播为特征，而第二阶段的核心是数据中心与生成式AI的兴起。他通过三件艺术作品——《巴比伦视觉》《X-Hairy Mutant》与《明日之邮》——展示艺术家如何在这一新阶段探索数据控制、算法生成与未来想象的问题，并讨论了技术与文化结构变化下意义生成的方式。

杰克·斯蒂尔戈 Jack Stilgoe

伦敦大学学院科学技术学教授，英国研究与创新署（UKRI）“负责任人工智能”领导团队成员

杰克·斯蒂尔戈以“让人工智能回归现实”为题，从科技政策与社会学的角度讨论当代AI话语中的风险想象与治理困境。他回顾了从图灵测试到当代“通用人工智能”（AGI）与“生存风险”叙事的形成过程，指出其与产业资本、政策话语及公众想象之间的关联。通过与汽车技术史的类比，他探讨了责任创新、独立测试与社会实验的必要性，并引用问卷研究展示AI研究者与公众在风险认知、治理期待与责任理解上的差异。

詹姆斯·斯坦霍夫 James Steinhoff

都柏林大学信息与传播研究学院助理教授，深耕人工智能、数据与数字媒体的政治经济学领域，专著《自动化与自主性：人工智能产业中的劳动、资本与机器》（帕尔格雷夫出版社，2021年），合著《非人的力量：人工智能与资本主义的未来》（普鲁托出版社，2019年）

詹姆斯·斯坦霍夫以“提示工程与（非）决定论的政治经济学”为题，从马克思主义政治经济学与媒介理论的角度探讨生成式人工智能的资本逻辑。他回溯自动化与吸收机制的历史，指出机器学习带来的“自动化的自动化”特征，并将提示（prompting）视为一种劳动与编程形式。他分析了大模型的非决定性结构、压缩逻辑与“幻觉”机制，讨论了其在资本生产中引发的确定性与偶然性矛盾，以及这一技术—社会系统在效率、控制与价值生产之间的张力。

路淼 Lu Miao

香港岭南大学文化研究系的助理教授，研究兴趣包括基础设施研究、科学与技术研究以及中非研究，英文专著将于2025年秋季由美国伊利诺伊大学出版社出版

路淼以“热带地区的数据中心：西非的热量管理、中国科技与能源政治”为题，结合其在加纳与东南亚的实地研究，探讨中国科技企业在热带地区建设数据中心的基础设施逻辑与能量政治。她提出“热带物质性”概念，分析热带气候、殖民知识与当代技术实践的交织，揭示数据中心在高温环境下的散热、能源转换与绿色转型问题。通过加纳国家数据中心个案，她梳理了华为与当地政府合作的融资、冷却与能源管理机制，并反思全球云计算扩张中的地缘、生态与知识权力关系。

创意演讲回顾

罗霄 Luo Xiao

算法工程师，数字艺术家，同济大学建筑城规学院AI与艺术创研中心实践导师

罗霄的发言以“当生成成为日常：AI时代的流变、协议与遗忘”为主题，围绕生成式AI在艺术创作与日常生活中的转变展开。他从技术与艺术的双重身份出发，回顾了自己从游戏开发到新媒体艺术的实践路径，介绍了机器学习、生成式模型及其在创意生产中的应用机制。他展示了数据训练和提示词控制的创作过程，并梳理了生成艺术从算法规则到AI模型学习的演进逻辑，探讨技术系统中的协议、流变与记忆机制。

大会现场

Live Coding开放式声音现场

崔涵

崔涵目前就读于中国美术学院网络社会研究所，关注个人技术的理论与构建，从事平面设计、声音艺术、贡献和开发自由软件。

崔涵使用 SAPF 语言在终端中构建本次 Live Coding 系统，通过自定义脚本扩展其边界，在极简技术栈环境中完成音乐的编排与即兴。

GUAN

GUAN（管博扬），现居杭州的电子音乐制作人、声音艺术家及声音实验室 Analog Landing 主理人。毕业于中国美术学院跨媒体艺术专业，创作聚焦于数字社会与人机关系的批判性思考。

GUAN用Live Coding和模块合成器一起将Strudel当作音序器和采样器进行演出，模块合成器负责快速直观的声音变化，兼具实验性和先锋性。

周蓬岸
中国美术学院网络社会研究所客座研究员，“网页里的电脑博物馆”站长，新媒体艺术家。主要研究方向为信息技术影响下的流行文化、媒介考古学、新媒体艺术创作等。


周蓬岸以Pocket386、FPGA Amiga与特技切换台构建表演系统，以复古技术重塑90年代的VJ语言，展现出独特的低保真视听美学。

主办单位
中国美术学院（CAA）
跨媒体艺术学院（SIMA）
网络社会研究所（INS）

会议总召
黄孙权

学术委员会
李凯生、闵罕、黄孙权、陈界仁、刘怿斯、周蓬岸

工作团队

执行总负责 ：王婧洁
会务组 ：郑叶颖、王安琪、曾梦蕊
工作组 ：周蓬岸、丁乐、曾梦蕊、井俱进、田沛松、王安琪、李梦书
导播与影像 ：井俱进、李易扬、赵佳菁、李程锦、李艺欣
视觉设计 ：李梦书、丁乐、郑叶颖
声音 ：Boyang GUAN
动效 ：Shir- Shiko

编辑 排版｜李梦书

校对 审核｜周蓬岸

终审｜黄孙权

]]>网络社会研究所第十届网络社会年会 | 互联网之终？AI（ài）来不来2025-10-10T00:00:00+00:002025-10-10T00:00:00+00:00https://nodebe4.github.io/opinion/2025-10-10/%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%20%20%E4%BA%92%E8%81%94%E7%BD%91%E4%B9%8B%E7%BB%88%EF%BC%9FAI%EF%BC%88%C3%A0i%EF%BC%89%E6%9D%A5%E4%B8%8D%E6%9D%A5
网络社会年会

第十届网络社会年会 | 互联网之终？AI（ài）来不来

2025-10-10

中文 / ENGLISH

第十届网络社会年会

互联网之终？AI（ài）来不来

主办单位

中国美术学院（CAA）
跨媒体艺术学院（SIMA）
网络社会研究所（INS）

总召集人

黄孙权

学术委员会

李凯生、闵罕、黄孙权、陈界仁、刘怿斯、周蓬岸

引言

第十届年会“互联网之终？”——并非末世广告，而是对秩序更替的审问：当超连结的公共技艺（引用、互操作、透明可查）成为提示的自然语言界面（大型数据库、系统预设、代理决定）取代，我们是否正在跨越一条无形却决定性的界线？“AI之内／之外”亦非是末日派与荣景派（doomer/bloomer）的历史终结意识形态，这是我们已经太熟悉的资本主义运作的模式的广告词，如今，各社交平台拥有私数据（由个人数据构成的公司资产），使之成为不联网；现在AI治理的问题更隐讳，历史上所有人类的一切，人文艺术智力的结晶都将含括在内，将在未经公共授权、未标明出处与回馈机制的条件下，被编纂为一种可租用、可封装、可套利的“模型资本”。此外，谁以及什么样的资料得以被纳入模型的语言、资料与评测；谁与什么样的数据被排除在算力、标准与分润之外。这就是我们十年来反复追问的“协议”问题，亦即网络社会学式的“公共性”的关键。早期的网际世界以开放协议维系——HTTP、SMTP、RSS、ActivityPub……大家约定栏位、格式与互通性，称之为“互联”：我可以接得上你，你也能接得上我，规则公开、可审、可替换。如今的节点悄悄移位：我们面对的是模型界面——API条款、系统提示、对齐策略、内容筛检与评测束缚——它们同样扮演“协议”的角色，但多半是黑箱、可变、且由少数供应者单方推进。于是，此转变就从开放协议的“互联”（inter-operability），过渡到模型界面的“互导”（inter-guidance）。

由巨型AI公司引领的互导，实是“一般人工智能”（马克思意义上的）的剥削与极大利润化利用，由此，当工作就是提示（when work is prompt），这可能是人类文明发展中最危险的转折：人类共同的知识存量被清理过滤成“大语言模型”，语言这一社会关系的织机被改造成提词器的界面，工艺、判断与美学训练被压缩为一行行可计费通证费用的指令。危险不在于机器更聪明，而在于一般智能（general intellect）被公司化地圈占为产权，隐藏了掘矿─资本─劳力的广泛社会过程，并以黑箱评测与基建垄断获取梯度地租。当“工作就是提示”，我们若不重写规则，就等于把作者性、公共性与未来的分配权，一并交付给系统预设值：浏览分析判断被替换为“召唤”、手艺与编码被简化为“提示”、作者性被稀释为“参数”。

在网络社会年会迈向十周年之际，我们面对的不仅只是资本─技术的复合权力，与文化─技术的社会构造，我们更面临算法主权、语料主权、各民族国家在全球范围上的基础设施上资源斗争。也许没有比这个时刻接近马克思在《大纲》中论述的了，马克思说：“固定资本的发展表明，普遍的社会知识已成为直接的生产力。”他又说：“固定资本乃资本之为资本的最相称形态。”这不就是人工智能？人工智能难道不是资本主义的梦中情人？

十年之际，不是让我们忘记之前的问题，去更新解决方案，相反的是在延续的长战场中，找到互联网后期丧失的理想与实践可能，这恰恰好能够使我们面对看似不一样型态，确有着更为精细省力的剥削型态。

回顾网络社会研究所将把十年累积的系列研究（如 SparkLink／Archverse／合作社式模型与算力、城市论坛、青年学者论坛与hackathon），本届年会除了主题演讲外，另外展出文化与技术三部曲的研究资料与影像播放，以及青年学者论坛。

时间

2025年10月17-19日

地点

UFO未知终端上海西岸油罐艺术公园一号罐
（上海市徐汇区龙腾大道2398号）

直播地址

👉 B站直播链接 👇

👉 YouTube直播 链接 👇

线下报名

请点击 链接 或扫码填写信息完成注册报名，可优先于现场签到获取同传设备与座位保留
（现场同传设备领取需抵押身份证件）

活动议程

10月17日
时间 (UTC+8) 活动内容
上午 青年学者论坛
9:00 入场
9:20-9:30 青年学者论坛 开幕致词：刘怿斯
9:30-10:30 自组论坛｜ 情感提词器
主持评论人：刘怿斯
发表人：
朱韵｜ 我的“爱人”：中国乙女游戏研究的学术图景（2019—2025）
陈苏元｜ 与AI谈恋爱：AI产品“爱”的商业构建、文本驯化与亲密关系实践——以“Replika”为例
郑叶颖｜ 无形/限之爱：对话型AI的拟人化与情感整合
叶云鹤｜ 从“势利媒人”到“液态亲密”：Blud用户的算法想象与日常实践
（中国美术学院 网络社会研究所）
10:30-11:10 自组论坛｜ 被挟持的未来与替代想象的（不）可能：科技右翼、风险资本与反民主的幽灵
主持评论人：蒋斐然
发表人：
金博文｜ 风险资本的政治工程：科技右翼如何驱动美国国家公司化进程
杨启晨｜ 黑暗启蒙、敌基督者与技术弥赛亚：美国科技右翼如何构建当代神学叙事？
秦川｜ 人文艺术实验室在技术治理背景下的谱系观察，艺术学校的批判位置
（中国美术学院 当代艺术与社会思想研究所）
11:20-12:20 创意讲谈
主持评论：周蓬岸
发言嘉宾：罗霄
演讲主题： 当生成成为日常：AI 时代的流变、协议与遗忘
10月18日
时间 (UTC+8) 活动内容
上午 主旨论坛一
9:00-9:30 第十届网络社会年会 开幕致辞
跨媒体艺术学院副院长 闵罕
网络社会研究所所长 会议总召 黄孙权教授
9:30-10:30 板块一 静默编辑
发言嘉宾：迪伦·雷比林（Dylan Reibling）
演讲主题： 追问基础设施：平台、预测与提示词
10:30-10:45 茶歇
10:45-11:45 板块三 AI 基建志
发言嘉宾：乔安娜·莫尔（Joana Moll）
演讲主题： 内在的界面
11:45-12:45 板块一 静默编辑
发言嘉宾：斯科特·摩尔（Scott Moore）
演讲主题：【暂缺】
下午 主旨论坛二
14:00-15:00 板块四 当作品就是提示
发言嘉宾：尼克·蒙特福特（Nick Montfort）
演讲主题： 编码、点击与提示：生成艺术的方式
15:00-16:00 板块四 当作品就是提示
发言嘉宾：费利克斯·斯塔尔德（Felix Stalder）
演讲主题： 数字文化、生成式人工智能与艺术
16:00-16:15 茶歇
16:15-17:15 板块二 梯度地租
演讲主题： 杰克·斯蒂尔戈（Jack Stilgoe）
演讲主题： 让人工智能回归现实
晚上 18:30-20:30 作品放映讨论会：
《互联网的终结》（ The End of the the Internet , 2025），迪伦·雷比林（Dylan Reibling）
20:30-10:00 实时编码现场表演（Live Coding）
10月19日
上午 主旨论坛三
9:30-10:30 板块二 梯度地租
演讲主题：詹姆斯·斯坦霍夫（James Steinhoff）
演讲主题： 提示工程与（非）决定论的政治经济学
10:30-11:30 板块三 AI 基建志
发言嘉宾：路淼
演讲主题： 热带地区的数据中心：西非的热量管理、中国科技与能源政治
下午 青年学者论坛
1:00-2:30 青年学者论坛｜ Panel 1 静默编辑
主持评论人：黄孙权
发表人：
丁凡、袁金玉、张婧妮（同济大学 艺术与传媒学院）｜ 静默编辑的公共理性再建构：交往理性视角下的隐性权力机制批判研究
黄越敏（华东师范大学）、郭都末（英国皇家艺术学院）｜ 无限深的镜子：语言符号在后互联网时代的内循环
卢曼曼（山东大学 新闻传播学院）｜ 从“超级傀儡”到“赛博超级傀儡”：虚拟影响者在智能广告中的权力操控与伦理审视
赵佳菁（中国美术学院 网络社会研究所）｜ 异端批注：越狱提示的斗争
李洋梓（南开大学 社会学系）｜ 生成式 AI 时代同人圈参与式文化与 LGBT 可见性政治的重构 —— 基于中国小众性少数创作者的实证研究
Viola Leqi He、Max Loeffler（上海纽大） ｜ Violence of Alignment
2:30-3:30 青年学者论坛｜ Panel 2 梯度地租
主持评论人：黄孙权
发表人：
仝昭祥（中国美术学院 网络社会研究所）｜ 人工/智能的地理不均衡：数据标注员的劳动过程
许可（中国美术学院 网络社会研究所）｜ 数字流水线上的母亲：中国县域数据标注女工的母职困境
滑惜子（上海纽约大学 交互媒体艺术）｜ 寄生于系统之间
王少玮（奥斯陆大学 人文学院媒介与传播系）｜ 提示即投注：短剧投流中的语义金融与流量的第四价值形式（线上）
3:30-3:45 茶歇
3:45-4:15 青年学者论坛｜ Panel 3 Al基建志
主持评论人：潘霁
发表人：
牟浩杰（复旦大学 新闻学院）｜“ 绿色”反对“全景”：城市基础设施的摩擦与政治
张徐姗（清华大学 社会学系）｜ 线的织网：沿着数据中心的流动轨迹行进
4:15-6:30 青年学者论坛｜ Panel 4 当作品就是提示
主持评论人：黄孙权 刘怿斯 潘霁
发表人：
姜奕竹（中国美术学院 网络社会研究所）｜ 想象的机器：AI生成艺术的美学趋同与算法权力批判
孙景赫（中国美术学院 跨媒体艺术研究）｜ 界面、反馈与决策暴力：电子游戏与战争的同构逻辑
严慧（独立研究员、算法工程师）｜ 算法重塑的作者性：AI艺术创作中主体身份的技术建构与权力转移
任玄奇、吴于枫（天津美术学院 跨媒体艺术）｜ 从弱影像到提示词：AIGC时代梦核美学的算法收编与作者性危机
林檎（宁波诺丁汉大学 音乐传播与音乐戏剧）｜ 算法之外：AI歌姬从生产到表演的文化表达
姚丽金（中国美术学院 美丽中国研究院）｜ 档案展劳动中的人机协作：判断作为基础设施
金秋雨（東京藝術大学大学院 国際芸術創造研究科）｜ 提示机制与观众记忆：当代语境下个体经验的转变
唐兰、王芷子（西安美术学院 跨媒体艺术系）、石艺佳（西安交通大学 艺术教育中心）｜提 示作为方法：AI生成艺术中的作者性、在场性与灵韵
刘磊（罗德岛设计学院 全球艺术与文化）｜ 助燃剂：“设计师之选：诺曼·提格 — 即兴合奏”与人工智能艺术与设计的机构化（线上）
19:30-21:00 黄孙权：“文化与技术一部曲：旧金山 | 个人计算机与反文化”影片放映讨论会

主题演讲嘉宾

（按演讲顺序排列）

迪伦·雷比林
Dylan Reibling

讲者简介： 迪伦·雷布林（Dylan Reibling）是一位加拿大电影导演，他的作品关注技术、政治与文化的交汇。他的处女长片纪录片《互联网的终结》（The End of the Internet, 2025）在哥本哈根国际纪录片节（CPH:DOX）参赛首映，并在BAFICI、慕尼黑纪录片节（DokFest Munich）及其他国际影展放映。影片探讨了去中心化运动以及数字基础设施如何塑造社会、政治和经济生活。雷布林曾与维斯媒体（VICE） 合作制作备受好评的系列纪录片网络战争（Cyberwar），并在北美和欧洲的各大影展与机构展示作品。他目前正在开发关于数字未来、技术前沿与政治思想的新项目。

演讲主题： 追问基础设施：平台、预测与提示词

摘要： 基础设施让什么成为可能——又让什么变得不可能？
本次主旨演讲探讨基础设施——无论是网络协议、平台，还是预测算法——如何塑造政治、社会与文化生活。导演迪伦·雷布林（Dylan Reibling）在制作纪录长片《互联网的终结》（The End of the Internet, 2025）期间，与技术专家、社会行动者及不同社群的交流中，梳理了分布式系统从冷战时期的起源到当下平台主导的历史轨迹，揭示了自由理想与商业现实之间的张力。
早期的去中心化网络愿景曾许诺韧性与非等级化的交流，这些理想与上世纪七十年代的反主流文化运动互相呼应。然而，万维网的商业化进程重新集中了控制权，使平台成为数字体验的主要中介，并在算法筛选、监控与商业化过程中生成了新的限制形式。
人工智能则带来了进一步的转变：早期的文本性基础设施强调溯源、处理与规训，而当代系统则依赖“提示”（prompt）与“预测”（prediction）。大型语言模型并非在推理，而是在根据过往数据生成概率性的延续，这引发了关于知识、想象力与规模极限的诸多疑问。
主旨演讲提出，对基础设施的批判性审视意味着揭示技术系统内部被构筑的“能供性”（affordances），因为这些能供性正塑造着我们的世界。若我们不加审视地接受技术所提供的无缝体验，就有可能放弃那些需要关怀、讨论与集体投入的制度与价值。因此，基础设施必须被视为不仅仅是技术的底层结构，更是决定我们所能想象与构建的未来的关键因素。

乔安娜·莫尔
Joana Moll

讲者简介： 她是一位常驻巴塞罗那和柏林的艺术家与研究者。她的作品批判性地审视技术资本主义叙事如何塑造机器、人类及生态系统的“字母化”过程，聚焦于数据的物质性、监控，以及通过数字媒体对公民社会的军事化。她的项目曾在全球多个重要场域展出，包括威尼斯双年展（Venice Biennale）、奥地利电子艺术节（Ars Electronica）、卡尔斯鲁厄艺术与媒体中心（ZKM），并被《纽约时报》（The New York Times）、《金融时报》（The Financial Times）等媒体报道。她共同创立了位于巴塞罗那的批判性界面政治研究小组（Critical Interface Politics Research Group），并曾与莫兹拉基金会（Mozilla Foundation）合作。目前，她担任科隆媒体艺术学院（KHM）网络学教授，同时也是巴塞罗那设计与工程学院的访问讲师。

演讲主题： 内在的界面

摘要： 2012年，一段广为流传的视频中，一个一岁大的孩子试图在纸质杂志上进行“滑动”“捏合”“放大”的手势操作——当图像没有任何反应时，她显得十分沮丧。视频的结尾，家长说了一句意味深长的话：“史蒂夫·乔布斯已经在她的操作系统里写入了代码。”本次演讲以这一瞬间为切入点，探讨科技如何将自身铭刻进我们的身体、姿态与想象之中，并揭示在数据提取时代，艺术实践如何揭露那些潜藏在技术、意识形态、物质性与资本之间的无形纠缠。

斯科特·摩尔
Scott Moore

讲者简介： 斯科特·摩尔是吉特币（Gitcoin）的联合创始人和公共作品（Public Works）的普通合伙人。作为互联网原生资助模式的先驱，通过开创互联网原生的新型资助形式，已帮助社区为气候变化与开源软件等事业累计分配资金超过5亿美元。

演讲主题： 暂缺

尼克·蒙特福特
Nick Montfort

讲者简介： 尼克·蒙特福特（Nick Montfort）的创作成果包括十部由计算机生成的著作（由七家出版社出版）、合作项目《删除主义者》与《海与雀之间》，以及五十余项独立数字艺术项目。其最新诗集《全为胜利》全部由三个字母的单词构成。他在MIT出版社出版的著作包括《未来》及两部合编文集：《新媒体读本》与《输出：计算机生成文本选集（1953-2023）》。蒙特福特现任麻省理工学院教授，同时担任卑尔根大学数字叙事中心首席研究员，并主导名为“修辞实验室”的创新工作室。他常年居住在纽约市。

演讲主题： 编码、点击与提示：生成艺术的方式

摘要： 自可编程的通用计算机诞生之初，艺术家们就开始尝试用它来创作艺术，并发展出多种方法。其中，编写计算机程序（coding）无疑是最早让计算机“生成艺术”的方式。起初，这种编程直接基于特定处理器的指令集进行；不久之后，更高层次的编程语言出现，使艺术家与程序员能够以更易于理解的方式进行创作。计算机发明后仅二十年间，创新者们就已开发出专门用于艺术创作的平台与工具。例如，在创意文本生成领域，约瑟夫·魏岑鲍姆（Joseph Weizenbaum）因开发出计算机角色“DOCTOR”而闻名——这是历史上第一个聊天机器人。然而，他在20世纪60年代的作品 ELIZA 不仅仅是创造了一个角色，而是一个可用于构建不同对话系统的通用平台。同一时期，马克斯·马修斯（Max Matthews） 开发了通用合成器系统 MUSIC，而艾文·萨瑟兰（Ivan Sutherland） 的 Sketchpad 则首次实现了矢量绘图功能，成为图形用户界面的先驱。
如今，除了晦涩的底层编程（汇编语言与低级编码）、更易上手的高级语言编程，以及从超文本系统到照片编辑、三维建模等各类艺术创作工具之外，一种全新的计算机交互方式——生成式人工智能（Generative AI） 正在迅速兴起。艺术家不再需要编写针对处理器指令集的代码，也无需构建复杂的面向对象程序，甚至不必通过鼠标点击完成创作，而是可以通过输入提示词（prompt）来观察系统的生成结果。尽管我会对此次最新发展的具体细节发表一些看法，但我论述的核心观点是：新的计算艺术方式并不会取代旧的方式。如今，欧洲的演示场景（demoscene） 社群中仍有创作者使用极低层的编程语言来制作实时动画；一些艺术家依然亲自编写程序来处理图像，而非依赖Photoshop的现成功能。尽管创作平台与工具层出不穷，现场编程（live coding） 的艺术家往往会自己搭建平台——就像音乐家发明自己的乐器一样。在现场编程表演中，代码的编写与修改通常会实时投影并公开展示，使得透明性甚至某种意义上的编程教育成为表演的一部分。因此，真正值得思考的问题不是：当提示词写作取代其他方式时我们该怎么办？而是：当生成式人工智能成为计算机艺术生态的一员时，这一新的艺术生态将呈现出怎样的面貌？

费利克斯·斯塔尔德
Felix Stalder

讲者简介： 费利克斯·斯塔尔德（Felix Stalder）现任苏黎世艺术大学教授，执教于美术学院“艺术与人工研究”专业。他的研究聚焦于文化、政治与技术动态的交汇点，尤其关注基于共同体的新型生产模式、版权制度、数据化进程、人工智能以及主体性转型等领域。
除了学术工作外，他还是一位活跃的文化实践者，长期担任批判性网络文化重要平台“网时代”的协调人——从早期的邮件列表到如今在联邦宇宙中的节点。他是维也纳世界信息研究所与技术政治工作组的核心成员。其学术成果丰硕，重要著作包括：《数字团结》（2014年）、《数字状况》（2016年、2018年、2023年）、《共同体的美学》（2021年）、《数字无意识》（2021年）、《从共同体到NFT》（2022年）以及《具身数据实践中的当代性》（2025年）。更多信息可访问： http://felix.openflows.com/

演讲主题： 数字文化、生成式人工智能与艺术

摘要： 如果我们把“文化”理解为社会用以组织意义、并据此引导行动的所有活动之总和，那么生成式人工智能正在对数字语境下的文化带来一种深刻的转变。
最初，数字文化由三种过程的互动所塑造：指涉性（referentiality）——意义源于事物之间的关联；共同性（communality）——意义在群体中被协商形成；以及算法性（algorithmicity）——意义通过自动化的选择过程而生成。
然而，大型语言模型（LLMs）及其他类型的生成式人工智能并不依循这些路径。它们所生成的内容看似具有文化意义，实则只是通过对大量变量的相关性计算得出的结果，并不依赖外部的指涉、逻辑或语义。由此，这类系统无法生成用以“指导行动的意义”，而是生成“行动”来引导意义。用语言学的术语来说，语言的功能从“表义”（signification）转向了“行动”（action）。借用唐纳德·麦肯齐（Donald McKenzie）的话，这些模型不是照相机，而是引擎。
随着这种转变，生成式AI在艺术领域最有趣的探索，是将其用作激发创作能动性的工具，而把意义的诠释权明确留给人类——如同精心设计的留白。

杰克·斯蒂尔戈
Jack Stilgoe

讲者简介： 杰克·斯蒂尔戈（Jack Stilgoe）现任伦敦大学学院科学技术学教授，致力于新兴技术治理研究。他担任英国研究与创新署（UKRI）“负责任人工智能”领导团队成员（官网： www.rai.ac.uk ），曾主持经济与社会研究理事会（ESRC）“无人驾驶未来”项目（2019-2022）。作为常受关注的媒体评论专家，他同时担任英国政府人工智能、自动驾驶汽车等新兴技术领域的政策顾问。

演讲主题： 让人工智能回归现实

摘要： 随着人工智能浪潮的推进，关于其利弊的讨论显得愈发吊诡：益处常被描绘成乌托邦式的理想图景，风险则被渲染为关乎人类存亡的威胁。我们需要摒弃“AI例外论”，将其视为一种“寻常技术”（Narayanan and Kapoor 2025），并汲取以往新兴技术发展的经验教训。本次演讲将基于针对公众与人工智能研究者的最新调查结果，提出一个观点：我们正处于建立更具建设性讨论的契机之中。

詹姆斯·斯坦霍夫
James Steinhoff

讲者简介： 詹姆斯·斯坦霍夫（James Steinhoff）博士现任都柏林大学信息与传播研究学院助理教授，他深耕于人工智能、数据与数字媒体的政治经济学领域，是该领域颇具影响力的学者。其专著《自动化与自主性：人工智能产业中的劳动、资本与机器》（帕尔格雷夫出版社，2021年）及合著《非人的力量：人工智能与资本主义的未来》（普鲁托出版社，2019年）已成为该领域重要文献。

演讲主题： 提示工程与（非）决定论的政治经济学

摘要： 本次演讲提出，可以将“提示”（prompting）的政治经济学理解为决定论与偶然性之间的博弈。资本作为一个系统，其内在逻辑总是在竭力消除运营过程中的偶然性以促进价值增殖——即便个体资本间的竞争又在不断催生新的偶然因素。提示词技术本质上是概率性算法，然而它作为接口所服务的AI，却已成为资本主义技术狂热的核心载体。本次演讲将探讨提示词为何具有概率性特征，并评估近期学界尝试在大型语言模型LLMs中“消除”偶然性的潜在影响。这种非决定性的消除在技术上看似可行，但其代价在于——它引入了一个新的计算维度，从而重塑人工智能的政治经济学格局。

路淼

讲者简介： 路淼博士是香港岭南大学文化研究系的助理教授。她的研究兴趣包括基础设施研究、科学与技术研究以及中非研究。她的英文专著将于2025年秋季由美国伊利诺伊大学出版社出版。她的论文发表在Information, Communication & Society, New Media & Society, and Science, Technology & Human Values等多个英文刊物上。

演讲主题： 热带地区的数据中心：西非的热量管理、中国科技与能源政治

摘要： 近年来AI与云计算的火热引发了数据中心在全球的建设热潮。不同于以往数据中心选址对温带的偏向，中国在热带地区的扩张表明全球云基础设施的的地理分布与物质性都在变动之中。虽然华为在非洲已经跃升为一个重要的数据中心提供商，但却面临着热管理的棘手问题。在加纳，华为承建的国家数据中心最近引入了太阳能以期降低能耗与碳排放。本文基于2023至2025年的采访与田野调查来解释加纳云基础设施的热政治。通过“热带物质性”这一理论框架，本文将分析一系列国家与企业的行动者如何管理、协商数据中心的物质性。经验层面，本文揭示了绿色能源的矛盾性以及全球云的地理分布变化。理论层面，本文探究了热带如何帮助我们理解国家、自然与基础设施之间的复杂互动。

创意演讲嘉宾

罗霄

讲者简介： 罗霄，算法工程师，数字艺术家。实验编程创始人，从事交互媒体、人工智能、生成艺术的创作与教学。同济大学建筑城规学院AI与艺术创研中心实践导师，AI艺术创新联盟AIAIA常务理事。毕业于北京航空航天大学，电子信息工程与软件工程专业背景。曾就职于腾讯ISUX和网易游戏。2005年起从事游戏开发与新媒体艺术类项目，2020年引入AI技术重构创作范式。个人作品于中国、英国、日本、南非、意大利等地展出。

演讲主题： 当生成成为日常：AI 时代的流变、协议与遗忘

摘要： 生成走入日常，如何避免数字艺术作品沦为可复制的提示组合？本讲座以实践者视角，从经典生成艺术的”规则”导向，转向生成式AI时期的”流变”。系统讲解三种方法：以结构保持确保形体与语义不走样，以因果约束明确可发生范围，以时间性塑形锻造节律与质感；通过可复演的生成链路，探讨AI时代的创作者在创作与展示中如何保留作者性、来源与过程。

工作团队

执行总负责：王婧洁
会务：郑叶颖、王安琪、曾梦蕊
直播及拍摄：井俱近、赵佳菁、李艺欣、李易扬、李程锦
现场/后勤：李梦书、田沛松、丁乐、王安琪、曾梦蕊
嘉宾接待：周蓬岸、田沛松、井俱进
视觉文宣：李梦书、丁乐、郑叶颖
影片放映：李程锦、曾梦蕊

Page 1 of 2 Prev Next
]]>网络社会研究所第八届国际跨媒体艺术节暨第十届网络社会年会｜青年学者论坛征稿启事2025-08-26T00:00:00+00:002025-08-26T00:00:00+00:00https://nodebe4.github.io/opinion/2025-08-26/%E7%AC%AC%E5%85%AB%E5%B1%8A%E5%9B%BD%E9%99%85%E8%B7%A8%E5%AA%92%E4%BD%93%E8%89%BA%E6%9C%AF%E8%8A%82%E6%9A%A8%E7%AC%AC%E5%8D%81%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9C%E9%9D%92%E5%B9%B4%E5%AD%A6%E8%80%85%E8%AE%BA%E5%9D%9B%E5%BE%81%E7%A8%BF%E5%90%AF%E4%BA%8B
网络社会年会

第八届国际跨媒体艺术节暨第十届网络社会年会｜青年学者论坛征稿启事

2025-08-26

第十届网络社会年会 互联网之终？ – AI（ài）来不来
The End of the Internet? — AI: In or Out

主办单位
中国美术学院（CAA）
跨媒体艺术学院（SIMA）
网络社会研究所（INS）

总召集人
黄孙权教授

时间

2025年10月17-19日（周五至周日）

地点 ：上海油罐艺术中心

学术委员会
闵罕、黄孙权、陈界仁、刘怿斯、周蓬岸

本届 第十届网络社会年会 与 第八届国际跨媒体艺术节 将联合举办。除学术论坛与研究成果展示之外，我们也欢迎更多的策展人和艺术家参与到本次年会的讨论与实践中来。跨界合作与多元视角将进一步拓展年会的研究深度与艺术实践的广度。具体的活动与项目内容将于稍后发布，敬请关注。

届国际跨媒体艺术节：带电的孩子

第八届国际跨媒体艺术节以“带电的孩子”为题，它既是1988年电影《霹雳贝贝》里能操控电流的少年，也是今天数字时代的“带电人类”：在屏幕下成长，在网络中社交，与算法相往来，所做的艺术作品也少有“不插电”的。每一代人都在想象“未来”，而今天的我们恰恰活在这些“未来”的残骸与实现中。

如今，人工智能也正以另一种“带电的孩子”形态处于意识觉醒的童年。其背后的算法与数据成为“隐形电力”——重构我们的感知与决策，潜移默化地介入创作与交流，并加速了社会对信息与记忆的重塑。本届跨媒体艺术节试图回应技术洪流对我们个体生命与集体记忆的深刻塑造，探索技术与生活的可能关系。

第十届网络社会年会：互联网之终？

第十届年会“互联网之终？”——并非末世广告，而是对秩序更替的审问：当超连结的公共技艺（引用、互操作、透明可查）成为提示的自然语言界面（大型数据库、系统预设、代理决定）取代，我们是否正在跨越一条无形却决定性的界线？“AI之内／之外”亦非是末日派与荣景派（doomer/bloomer）的历史终结意识形态，这是我们已经太熟悉的资本主义运作的模式的广告词，如今，各社交平台拥有私数据（由个人数据构成的公司资产），使之成为不联网；现在AI治理的问题更隐讳，历史上所有人类的一切，人文艺术智力的结晶都将含括在内，将在未经公共授权、未标明出处与回馈机制的条件下，被编纂为一种可租用、可封装、可套利的“模型资本”。此外，谁以及什么样的资料得以被纳入模型的语言、资料与评测；谁与什么样的数据被排除在算力、标准与分润之外。这就是我们十年来反覆追问的“协议”问题，亦即网络社会学式的“公共性”的关键。早期的网际世界以开放协议维系——HTTP、SMTP、RSS、ActivityPub……大家约定栏位、格式与互通性，称之为“互联”：我可以接得上你，你也能接得上我，规则公开、可审、可替换。如今的节点悄悄移位：我们面对的是模型界面——API条款、系统提示、对齐策略、内容筛检与评测束缚——它们同样扮演“协议”的角色，但多半是黑箱、可变、且由少数供应者单方推进。于是，此转变就从开放协议的“互联”（inter-operability），过渡到模型界面的“互导”（inter-guidance）。

由巨型AI公司引领的互导，实是“一般人工智能”（马克思意义上的）的剥削与极大利润化利用，由此，当工作就是提示（when work is prompt），这可能是人类文明发展中最危险的转折：人类共同的知识存量被清理过滤成“大语言模型”，语言这一社会关系的织机被改造成提词器的界面，工艺、判断与美学训练被压缩为一行行可计费通证费用的指令。危险不在于机器更聪明，而在于一般智能（general intellect）被公司化地圈占为产权，隐藏了掘矿─资本─劳力的广泛社会过程，并以黑箱评测与基建垄断获取梯度地租。当“工作就是提示”，我们若不重写规则，就等于把作者性、公共性与未来的分配权，一并交付给系统预设值：浏览分析判断被替换为“召唤”、手艺与编码被简化为“提示”、作者性被稀释为“参数”。

在网络社会年会迈向十周年之际，我们面对的不仅只是资本─技术的复合权力，与文化─技术的社会构造，我们更面临算法主权、语料主权、各民族国家在全球范围上的基础设施上资源斗争。也许没有比这个时刻接近马克思在《大纲》中论述的了，马克思说：“固定资本的发展表明，普遍的社会知识已成为直接的生产力。”他又说：“固定资本乃资本之为资本的最相称形态。”这不就是人工智能？人工智能难道不是资本主义的梦中情人？

十年之际，不是让我们忘记之前的问题，去更新解决方案，相反的是在延续的长战场中，找到互联网后期丧失的理想与实践可能，这恰恰好能够使我们面对看似不一样型态，确有着更为精细省力的剥削型态。

回顾网络社会研究所将把十年累积的系列研究（如 SparkLink／Archverse／合作社式模型与算力、城市论坛、青年学者论坛与hackathon），本届年会除了主题演讲外，另外展出文化与技术三部曲的研究资料与影像播放，以及青年学者论坛。

基于以上思考，本届年会现向全球范围内的青年学者公开征稿，维持以往惯例，从来稿中筛选优质的研究论文进行分享、研讨、发布和出版。

【征稿子题】

热切欢迎国内外青年学者与有志思想实验之士踊跃投稿，分享自己的研究成果与对未来的雏议。议题可与网络社会年会主题相关，或参考但不限于以下四项征稿子题：

Panel 1 静 默编辑
The Quiet Editor：Public Reason under Prompted Interfaces

我们今日阅读的，多半已不是书本与网页，甚至是具体的文献，而是提示（prompt）所“生成”的答案。真正的编辑，不再是页面或文章的署名，而是隐身于系统提示、检索管线与安全过滤中的一组预设值——它决定谁被看见、允许何种语气、删去哪些脉络；它以“可用”替代“可考”，以“可信外观”替代注脚。这便是我们称之为“静默编辑”的力量。此论坛回到公共理性最基本的秩序与沟通：任何可被依凭的答案，必须让三件事变得清楚——来自哪里（资料与来源的可追溯与可标示）、如何被改写（系统提示、对齐与后处理的可见与可存档）、省略了什么（可被质疑与申辩的空间与纪录）。

Panel 2 梯度地租

Gradient Rent: The Political Economy of Prompts

在生成式AI里，提示已经成为一种可计价的生产要素：它调用算力、处理语料、穿越评测门槛，最终把创作与专业判断，变成可租赁的服务层。真正的租客不在画室或编辑台，而在云端；而房东，则是掌握模型、资料与标准的少数主体。梯度带来回报，能源与底层劳动付出代价；风格被圈地、语料被征用，评测语汇则化作关卡，决定谁能入场、谁被排除。我们将追问租金如何沿着算力与标准节点层层抽取；提示如何将作者性化约为界面的可用性；以及在国家与产业竞逐的结构中，哪些制度设计——权利金与回馈、语料信托与撤回权、跨境模型的“关税”与互惠、评测与许可的公共化——能把创作从租佃关系中松开，让价值分配与风险承担重新对齐。

Panel 3 AI 基建志

Atlas of AI Infrastructures: Cloud Heat, Ground Truth

“云”其实是管线、变电所与冷却塔的集合：它占用河水与电网，排放热与噪音，并以夜间标注与审核维持运转。本场以“图志”为方法，邀请讲者各自从环境人文、STS、政治生态学、媒介基建史或艺术取证出发，呈现他们的尺幅与证据：如何描绘能量与资料的流向，如何描述土地与社群所承受的压力，如何理解阴影劳动与在地制度的交织，并在全球—在地的尺度切换间，提出可比对、可讨论的观察，每句siri或小爱同学的语音问候后面，都有一条漫长的稀土—芯片—机柜—资料中心的供应链。当基建以数据被看见，“效率”才不再是免责的咒语。

Panel 4 当作品就是提示

When the work is Prompt

当审美训练、手感与判断被压缩为自然语言的组合术，个体生命经验的流露和表达冲动成为可被复制和修改的提示词，创作若仅剩“调参”，风险与脉络便消失。此场讨论劳力智力与手艺是否不可替代之物？将生成流程视为为可教学的提示工程与可生成的多媒体内容，艺术如何自处？把语料与风格视为专业社群自动同意的产出，艺术家的作者性与艺术品的公共性如何讨论？

Open Panel 自组议题

Self-organized Open Panel

除以上四个议题外，本次征稿同样诚挚邀请艺术家、策展人及其他领域研究者以 自拟议题、自组Panel 的方式报名参与，分享自己的研究成果与洞见。每个Panel需包含3-4篇论文为佳，并以同一主题或领域为讨论核心。

【征稿要求】

符合网络社会年会主题，中英文皆可投稿，但须在青年学者论坛后提供中文全稿供发布和出版。

摘要投稿截止日期：2025年9月15日

审查结果通知：2025年9月22日

入选者论文全文截稿：2025年11月17日

请于 投稿截止时间 之前将报名邮件发送至 inetworksociety@gmail.com，来信以“第十届网络社会年会青年学者论坛投稿”为标题，信件内容包含投稿子议题和论文摘要（在500字左右，包含论文题目、问题意识、研究成果预期，3-5个关键词），并注明论文发表人姓名、任教／就学学校或研究单位。

【注意事项】

1.论文全文请依据学术格式（APA7）写作。
2.若本会采取线下发表形式（国外人士可线上参与），差旅由发表人自理，主办单位不代予安排。
3.若论文未按时上交，主办单位或取消其发表和出版资格。
4.入选论文将被收录于第十届网络社会年会论文集正式出版，论文发表人无需缴纳发表费，主办单位亦不提供任何稿费。
5.任何相关事宜皆可来信询问。

编辑｜王婧洁 李梦书
视觉｜李梦书
审核｜黄孙权

]]>网络社会研究所第九届网络社会年会｜Jason Vincent：全球本土化亲密关系：来自全球南方的移动媒介化关系理论建构2025-06-30T00:00:00+00:002025-06-30T00:00:00+00:00https://nodebe4.github.io/opinion/2025-06-30/%E7%AC%AC%E4%B9%9D%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9CJason%20Vincent%EF%BC%9A%E5%85%A8%E7%90%83%E6%9C%AC%E5%9C%9F%E5%8C%96%E4%BA%B2%E5%AF%86%E5%85%B3%E7%B3%BB%EF%BC%9A%E6%9D%A5%E8%87%AA%E5%85%A8%E7%90%83%E5%8D%97%E6%96%B9%E7%9A%84%E7%A7%BB%E5%8A%A8%E5%AA%92%E4%BB%8B%E5%8C%96%E5%85%B3%E7%B3%BB%E7%90%86%E8%AE%BA%E5%BB%BA%E6%9E%84
网络社会年会

第九届网络社会年会｜Jason Vincent：全球本土化亲密关系：来自全球南方的移动媒介化关系理论建构

2025-06-30

Glocal intimacies: Global South theorising about mobile mediated relationships

文 / Jason Vincent A. Cabañes
翻译 / 严正皓
校对 / 井俱进、郑叶颖

大家好，很高兴在午餐后发言！希望我能在接下来的40分钟抓住你的注意力，陪我一起完成这次演讲。今天的报告内容让我有点紧张，因为我和我的合著者刚刚在上周写完这篇文章并提交给了期刊。所以你们将成为第一批“审稿人”。这次报告的标题是《全球本土化亲密关系：来自全球南方的移动媒介化关系理论建构》。我们已经在这个研究领域耕耘了一段时间，但这是我们第一次从“全球南方”这个角度来切入，真正专注于我们在这个项目中的视角或思维方式。

人们的关系呈现出越来越全球化的趋势，或者说，全球化的关系经验正在强化，大家需要在本土与全球之间找到平衡，因为这些关系往往具有跨国性或跨文化性。我们研究的关系类型包括浪漫关系、家庭关系等亲密关系形式，也涉及到社区关系。例如，清迈的一些现象让我印象深刻，尤其在科技行业的创新者社区中。我发现这些社群中既有本地人，也有一种高度全球化的氛围。换句话说，即便在清迈，我们也看到了跨国和跨文化关系的全球化迹象正在加强。另外一个我们关注的点是，人们往往会将“关系”认定为“私人事务”。确实它们是私人性的，但同时它们也是社会性的。这些关系总是嵌入在特定的社会规范或期待之中，比如如何谈恋爱、如何维续家庭、如何建立社区。所以，这不仅仅是由个体自主决定的事情。

做这些事情总是与特定的社会动态进行博弈，很多学者都谈论过这个问题，我们也在这个领域做出了理论贡献。此外，移动媒介在这些亲密关系中的扮演着日益重要的角色，特别是在东南亚和东亚地区，这一趋势尤为突出。移动技术的普及，使其在浪漫关系、家庭关系乃至于社区关系中的重要性不可忽视。

我们提出的理论叫做 “全球本土化亲密性”（ glocal intimacies） 。这个理论最初源于我们在疫情期间开展的一个书籍编写项目。这是一本学术编辑合集，名为 《亚洲的移动媒介与社会亲密性》（ Mobile Media and Social Intimacies in Asia ） 。如果你有兴趣，可以扫描二维码，访问相关页面。这个理论大致是在我们完成书稿编写过程的后期逐步形成的。在阅读了接收的各章节投稿后，我们发现了某些模式，尤其是在讨论移动媒介、社会关系以及社会亲密性（ social intimacy ）时出现的规律。因此，最初这个理论的提出，旨在综合书中不同章节所呈现的观点与经验。本书汇集了来自东亚和东南亚多个国家及地区的研究案例，包括中国、韩国、中国台湾、马来西亚、菲律宾、新加坡和越南等，涉及的话题非常广泛。该理论正是我们在阅读了这些文章后，提出移动媒介在人们如何处理和建构这些关系中的作用进行阐释。

在这种关系中，人们需要同时应对本土和全球动态、本土文化和全球文化的交织。这项研究最初是基于罗纳德·罗伯逊（Roland Robertson）关于全球本土化（Glocalization）的理论展开的。我们借鉴了他的观点，即全球与本土，或更广义地说，是普遍性与特殊性之间的同时性（simultaneity）和互渗性（inter-penetration）。我们希望探讨，在本土—全球的互动中，移动媒介在其中所起的作用。

我们对这个论点进行了深化，将非西方和全球南方的背景引入讨论的核心。这本书促使大家的讨论转向全球媒介和社会亲密关系，尤其是在东亚和东南亚的语境下。因此，今天我的演讲，正是希望思考我们如何建构全球本土化亲密性的概念，并将其视作全球南方理论框架下的一个具体概念，这就是我今天演讲的核心论点。

我认为，全球南方理论化中有两个关键议题。这两个议题源自我们作为学者在全球南方地区从事研究的亲身经验。我相信很多在全球南方或对全球南方进行研究的学者也有类似的体会。 当我们将全球南方经验进行理论化时，往往会被要求强调研究的本土性，即需要明确指出其研究所处的地理背景，并说明该背景如何影响其研究问题、视角与结论（Chan 等人，2021）。 而这往往是对非西方或全球南方学者的额外要求：他们必须“说明自己的地方性”并“解释为何这仍具有学术价值”，而西方或全球北方的研究学者往往不需要这样做。在我们自己的经验中，当我们首次提出全球本土化亲密性这一研究时，有批评指出，这种亲密关系的研究仅仅适用于菲律宾，无法推广到其他地方。我们必须反驳这样的观点。正如我们所解释的，这项研究综合自亚洲地区的多项实证案例，其适用范围远不止菲律宾。

另一个问题是，全球南方的学者常常被要求为自己研究的正当性辩护，说明其如何对更广泛的学术做出贡献，这与西方与全球北方的学术形成对比——后者的研究往往被视为“具有普遍性与一般性意义，不论其所依赖的参照系多么地方性或局部性”（Baber，2003）。 比如，为什么在印尼或菲律宾做研究很重要？它如何影响我们对其他地区的思考？这与全球北方的理论有很大不同。许多来自全球北方的理论通常被假定具有某种普遍性，认为它们可以适用于世界任何地方，不管它们的参考点有多本土或局部。你很少会看到一篇学术文章开头写着：“我做这个研究是关于美国的，美国是一个重要的案例。”在研究美国时几乎不被要求说明，但如果研究对象是菲律宾或越南，就常常被要求阐明其“重要性”。

在全球南方的研究学者应该很熟悉这种情况：你必须解释为什么要研究泰国。你需要说明这和西方学术的关系，例如这里的某些情况如何不同等等。你总是需要不断地为自己研究的正当性辩护。这种情况实际上加剧了地方化研究和传播的不平等，因为在全球南方写作时，你往往需要引用西方学者的研究，并说明你与他们的观点有何不同。而全球北方的许多学者却不需要这样做，他们的研究可以不参考全球南方的学术成果，他们的理论被默认具有普遍性。

因此我们的观点是，这一问题只有在仅针对全球南方学者时才真正构成不公。如果所有学者都需要进行这样的阐释与正当性辩护，或将成为一种富有成效的思考方式——将你的研究置于具体语境中，并展示其超越其所研究背景的理论价值。 因此，我今天想要表达的是，这一实践其实非常具有价值。重点不是“我们被迫这么做”，而是“我们都应该这么做”，从而让我们的理论建构工作变得更加完善且严谨。

在我们对全球本土化亲密性的阐述中，始终明确强调其源自东亚或东南亚背景的这一特性。因为它源自这一语境，我们对此保持清晰的认识，也因此能够识别出其理论定位和局限性。全球本土化亲密性本质上是一个分析工具，用来帮助非西方世界和全球南方的人们思考其地方文化如何在持续且复杂的西方全球主导秩序中被重构。例如，许多西方人可能并不关注非西方世界，但在东亚和东南亚地区，我们却总是在与西方全球主流的标准进行比较。比如，当我们谈论浪漫关系以及移动媒介时，在我们的文化语境中，浪漫关系是遵循特定社会规范被实践的，但同时又存在一种关于现代爱情的观念——个人选择的西方式浪漫——也在影响本土实践。因此，我们往往动态地思考这个问题。正因为我们从这种语境出发进行理论建构，该理论本身也倾向于回应这种语境。所以，这种理论的形成受到了亚洲亲密关系中社会维度尤为突出的特质所塑造（例如 Devasahayam 与 Yeoh，2008；Fresnosa-Flot 与 Ricordeau，2017；Ikels，2004）比如当我们谈到母亲的角色时，它在不同的亚洲语境下的社会意义不同。同时，我们共同的西方殖民历史以及与西方之间不断变化的当代关系的影响（例如 Ang 与 Stratton，2018），也深刻塑造了本土亲密关系的理论轮廓。这种历史与当下之间的张力，始终在调整着我们的理论视野。我希望，当其他人在移动媒介与传播领域进行理论化工作时，尤其是全球南方的研究者，都应明确标注理论的生成语境，反思这些理论所带来的视角假设与思想包袱。

一方面，我们仍然对西方抱有崇拜，但另一方面，近些年也出现了一些新的话语体系，比如“亚洲价值观”的概念，即亚洲正在崛起，而西方正在衰退。不论我们是崇尚西方，还是认为它在走下坡路，我们的思考始终离不开它。正是这些因素塑造了这一理论的发展。为了使讨论更具体，我将聚焦一个具体案例，尽管这一理论来源于亚洲地区的多个案例。为了避免过于分散，我会专注于菲律宾的案例，特别是我们之前关于菲律宾特权阶层如何借助移动媒介构建社会亲密关系的研究。 第一个例子是居住在马尼拉都会区的菲律宾中产阶级千禧一代女性，她们通过交友软件寻找全球化与现代性的爱情——尤其是外国伴侣，因为她们对保守传统且不成熟的菲律宾男性感到厌倦。 在访谈中，一位参与者甚至向我道歉说：“抱歉，我知道你是男性，但请原谅我接下来的话。”作为采访者，我接受了她的坦率，并记得每次有类似主题的访谈后，我都会坐在咖啡馆反思：这是社会中的一种现实，尽管对我个人也产生了一定影响。 另一个例子是居住在美国华盛顿特区的菲律宾精英移民。 他们试图摆脱菲律宾家庭的束缚，重新塑造自己独立的生活轨迹。通过这两个案例，我希望能够向你们展示全球本土化亲密关系理论的价值，同时也体现出全球南方视角的重要性。

接下来我将回到为这一理论奠定基础的语境背景。 我想展示我们如何将语境作为理论构建的内在组成，使其既不声称具有普遍性，但同时能够对不同语境充分阐释，而具有适用性。 理论的核心在于对语境的考量，而这种考量是我们理论化过程的重要组成部分。为了实现这一点，我们借鉴了后殖民研究的成果，从中获得关于如何从全球南方的视角进行移动媒介与传播研究的理论建构。有两方面需要强调：

第一，我们从后殖民研究中汲取到的重要观点是，需要打破并区域化（provincialise）通常未被明确标注的、以西方历史为基础的媒介技术理论视角（参见 Shome，2019）。 我们在回顾媒介技术的历史时，往往默认其发展路径是单一的，而这种路径通常隐含着以西方技术发展为范式。正因为如此，今天上午的一场讲座（指周蓬岸的“垃圾佬”演讲）让我感到非常有趣，因为它探讨了东亚数字文化的兴起，并将其与西方发展范式区分开来。这种视角可以让我们更好地突出技术发展中更具相关性的语境差异。举个例子，我们借鉴了学者Raka Shome的研究，她指出印刷技术在印度的发展路径与西方极为不同，从而显示出媒介技术并不是单线性历史，而是存在多重并存的技术历史。当我们在全球南方的背景下研究移动媒介与传播时，必须考虑这些不同的历史。事实上，移动媒介与传播这一领域本身就已经在努力回应语境的多样性。

这部分研究大致分为两个方向。第一个方向侧重于移动技术的发展与传播的多种条件，主要关注技术基础设施、政策架构等宏观层面的内容，也就是关于移动媒介与通信的政治经济学分析（例如 Goggin, 2006；Horst, 2013；Martinez, 2008；Taylor、Baptiste 与 Horst, 2011）。这些研究实际上对语境的多样性有着深刻的认识，并已经有许多相关的优秀成果。第二个方向则关注移动技术的日常使用与在地化适应（例如 Pertierra, 2002；Horst, 2006）。如果说第一个方向讨论的是宏观制度与政策环境，那么第二个方向则聚焦于人们日常的微观生活实践——即人们是如何在各自社会文化语境中采用并再造这些技术的。这些研究同样强调语境的重要性，并且很多研究已经深入探索了这一点，例如，分析移动技术在柬埔寨的具体应用，或者其在缅甸的使用模式等。通过这种方式，这些研究揭示了移动技术如何在不同文化与社会背景下被赋予不同的意义。

移动媒介和通信领域的研究已经在关注多样化语境，但我们认为需要更深入地研究如何将对基础设施的语境化讨论，以及对使用情况的语境化讨论这两种分析结合起来。这两者通常是分开讨论的，因此将它们整合起来确实是一项艰难的工作，但极具意义。通过整合，我们能够更深入地展现语境的多样性，看到其不同的组成部分。这实际上也是Cecilia S. Uy-Tioco和我开始一起写作的原因，因为她更偏重于基础设施层面的研究，而我更关注用户使用层面。所以我们进行了对话，觉得或许应该相互交流，看看我们的不同视角如何互动。当我们理论化全球本土化亲密关系时，我们做的事情就是把这两种视角结合起来，将它们作为理论化语境元素的一部分。

我们在这个理论中设定了三个分析维度，其中两个涉及我刚才提到的内容。第一个维度是 数字接入（digital access） 。数字接入的定义为：个体连接互联网的方式，不仅与其社会经济地位相关，也受到其所处地区可用电信基础设施类型的影响。这包括两个方面：一是个人层面，你有多少钱？你能有多少资源来创造一个让你与世界高度连接的技术环境？或许你听过一个概念，媒介丰富的环境（media-rich environment），在这样的环境中，个体可以同时使用许多不同的应用程序来处理不同的事情，就像我们现在正在做的交流。身处这种环境的人，会有更丰富的媒介体验，而其他人则可能无法做到这一点。所以这是个人层面。

第二个是所处地方环境层面。在菲律宾的语境中，我们的电信网络基础设施非常差。Cecilia的工作中提到，我们称之为“够用的接入”（good enough access），人们确实能上网，但接入质量并不是理想的状态。不管你个人有多少资源，都不得不面对菲律宾这种“够用的接入”，这限制了我们的能力。而相比之下，比如在韩国，互联网连接无处不在，而我们在菲律宾却无法实现。这一差异部分源于地理条件，比如菲律宾有7000多个岛屿，要建立完善的基础设施非常困难。此外，还有历史原因，比如我们的电信行业历来是私营的，这与我们的美国殖民历史有关。美国殖民者一开始就让电信行业私有化，这种做法一直延续至今，形成了“如果事情出了问题，就交给私营部门来解决”的思维方式。比如，我发现根据某些统计，菲律宾机场曾被评为“世界上最差的机场”，因此现在都交由私营部门管理。因此，在菲律宾，总是有一种倾向，就是将问题交给私营部门去解决。

这就是菲律宾的数字接入背景。回到之前提到的两个案例——中产阶级的千禧一代女性，她们试图通过寻找西方白人男性（她们在菲律宾称之为“afam”）来追求现代恋爱关系。“afam”一词的原意是“马尼拉附近的外国人”（A Foreigner Around Manila），但现在泛指菲律宾各地的任何外国人，而不仅仅局限于马尼拉。对于这些女性来说，她们确实拥有一定的资源，但无法与精英移民相比。我们称这些女性的情况为“热望的接入”（aspirational access）。她们通常能够访问到所需的资源，但无法长期维持高质量的网络连接——因为在菲律宾，互联网连接成本非常高。因此，她们会采取各种策略，比如去提供免费Wi-Fi的咖啡店，或者寻找包含数据流量的最优惠手机套餐。然而，她们仍需面对不完善的基础设施。对于那些试图与“afam”建立关系的女性来说，这些“外国人”通常会在一段时间后返回他们所在的国家。因此，她们尝试维持异地恋关系。然而，这成为了一个问题，即使她们拥有智能手机和还算不错的网络连接，当她们尝试视频聊天时，画面会延迟，甚至会断线。对于精英移民而言，他们居住在美国等网络条件良好的国家。但问题在于，当他们与家乡的家人通话时，这些家人属于“够用的接入”群体。然而，区别在于，这些精英移民并不太在意网络问题，因为他们有足够的经济能力随时飞回家——“网络不通畅？没关系，下个月我回家见你。”

因此，数字接入确实至关重要。但除此之外，我们还提出了另一个维度，即 “社会-技术动态”（socio-technical dynamics） 。这指的是人们如何利用移动技术的可能性，以应对和调适他们所处的社会关系网络。这一维度强调，人们可以利用技术来处理生活中的全球本土化亲密关系，尝试建立更全球化的关系。然而，归根结底，人们的社会语境仍然起决定性作用。你无法逃离你所嵌入的社会语境。例如，那些与外国男性约会的中产阶级千禧一代女性，她们或许能够建立这些关系，但最终她们发现——“西方男性仍然是男性”，他们不一定比菲律宾男性好。这些男性也可能有性别歧视，甚至带有种族主义倾向。这些女性通过技术（如移动技术）试图实现“数字飞越”（digital fly-over）——跨越本土的父权结构，直达更具吸引力的西方男性。然而，社会现实是：西方男性仍然是全球父权制、种族主义和厌女文化的一部分。

很多女性与我分享过她们的经历，其中最糟糕的一次是：有个外国男性提出与她通过Zoom聊天，她答应了。当时她的母亲坐在旁边，结果Zoom画面中出现的只是男性的生殖器。这令她的母亲震惊不已。在另一个聊天中，一个外国男性说：“哦，你是一个棕色女人，你是个拜金女，所有棕色人种找白人男性的都是拜金者。”她反驳道，因为她是华裔菲律宾人，所以说：“我不是棕色人种，我是黄色人种。”这无意中又加强了菲律宾社会的种族等级体系。所以，尽管可以利用移动技术来塑造某种特定的关系，但你无法摆脱这些根深蒂固的社会现实。

对于我们提到的精英移民群体来说也是如此。他们会通过某种方式，比如确保父母的生活无忧，安排好相关事宜。而一旦完成，他们会尽量投入到自己独立的生活中。但不管怎样，他们始终无法完全切断远在菲律宾的家庭责任与联系。这种联系部分源于“孝道”——尽管他们可能已经在物理上远离家乡，但心理上却始终被家族责任所束缚。在菲律宾，还有一种观念被称为“永远无法偿还的感激之情”（debt of gratitude），意指母亲的养育之恩，这份恩情终生难以回报。所以这种情感纽带让他们无法真正的脱离家庭义务与牵绊。

接下来我们将探讨后殖民理论对建构语境化理论的重要性。 这种语境化需要认识到技术跨国连接中的后殖民性。 一种持续存在的殖民性仍在结构性地影响着全球不同社会中通过移动技术媒介化的互动方式，而且它们交织在过去、现在和未来之间，形成一种交织的历史经验（参见 Mbembe，2001）。这种理论主张，我们不同的社会有着不同的殖民与后殖民经历，但这些经历彼此交织，需要在理论建构中被重视和强调。关于移动媒介和传播理论的许多研究已经关注到了这种基础设施的全球互联性，并探讨了殖民因素对这些发展的影响。例如，美国在塑造全球电信政策中发挥了极大的影响力。尽管未能完全控制全球电信格局，美国的确在很大程度上主导了这一领域。当然，如今全球格局也在发生变化，比如中国也正成为电信基础设施建设重要参与者。因此，我们需要把这些转变纳入考量。

然而，关于移动媒介使用的学术研究通常强调的是跨国性（例如 Acedera 与 Yeoh，2021；Castells 等，2007）。比如探讨“被留下的父亲”如何与“在国外工作的母亲”沟通等，因此跨国流动视角在研究中很强势。但遗憾的是，这些研究往往忽视了殖民性的问题：为什么这些人一开始会出国？这与世界持续存在的殖民性有何关联？（Hills，2007；Uy-Tioco，待出版）例如，那些接受高等教育却在其他国家从事家政工作的移民，这仍然是全球殖民动态的一部分。虽然已有一些研究涉及这一领域，但仍有更多工作需要完成。

我们提出的第三个维度称为 “语境化的地方性”（contextual locality） ，旨在探讨如何更全面地分析移动媒介的学术研究。这一概念试图捕捉人们对“地方”（the local）的想象。例如，“地方”对你来说意味着什么？它可能是你实际所在之处的物理空间，也可能是你所想象的家乡或共同体，以及他们如何应对这种地方性与全球性之间独特的交织与纠缠。

我们研究的精英移民中，“地方”对他们来说并不一定是他们实际居住的华盛顿特区，而是菲律宾的家乡——那是他们认知中的“本地”，也是情感归属的中心。这种对“家园”的想象，使他们的生活始终与故乡紧密相连。这种“地方性”体现为一种双焦点生活（bifocal lives），即同时存在的两种生活：在美国的独立生活和家乡的家庭责任投入。这种“地方性”的动态形塑了他们的生活方式。对于他们而言，全球的象征是华盛顿特区，而“地方”则仍然是菲律宾的家乡。这也就是为什么菲律宾的中产阶级千禧一代女性与精英移民的经验有所不同。对她们而言，“全球”象征着那些外国男性，而“地方”则是大马尼拉地区——以及这一地区对她们人生选择的种种限制。这种现象与殖民性密切相关。菲律宾的浪漫观念深受殖民历史的影响，尤其是天主教信仰，它是西班牙殖民者带来的遗产。虽然菲律宾对这些浪漫观念进行了本土化的转变，但我们无法完全将其与殖民历史分离。因此，菲律宾今天的浪漫观，是一种交织的结果。它既承载着地方的独特价值，也深深嵌入了殖民性的影响之中，二者已密不可分。

所以我希望能够展示的一点是，在我们尝试构建移动媒介与传播理论时，摆脱普遍性假设，转而从具体语境出发，构建并论证其理论框架。我们需要时刻意识到我们的理论源自何处，以及这些理论所带有的历史包袱，但也要意识到它们因何而在特定的语境中具有价值。另一个方面是尝试将语境融入我们的理论构建中，就像我们在不同维度中所做的那样。我们希望这将促成更具包容性的理论构建。我们始终意识到语境的重要性，以及这些语境如何紧密相连。在全球化的变迁中，我们的世界仍然深深受到殖民性结构的影响。

问答讨论

Q1： 我的问题不算是技术性的，更多出于个人好奇，尽管与你的人口统计背景无关。我想问你是否了解任何移动通信领域的相关做法？或者银行方面是否有改善这种背景的措施，以帮助减轻自然灾害的影响？除了与浪漫关系或生计相关的方面之外，菲律宾是否有任何移动通信领域或私营组织，甚至是共同采取的措施，用于改善通信技术以帮助菲律宾减轻灾害影响？我知道这有点偏离你的主题，但也和移动通信及技术有关，因此还是冒昧请教一下。

A1： 这部分内容没有直接包含在当前研究中，但我们在更广泛研究中确实也与菲律宾低收入群体交流，尤其是移民工人。因此，这是我们研究的一部分，但并未具体解决此问题。我知道有一些学者研究这一领域。例如，我在金史密斯学院的同事 Miracle 从事过相关研究。她的研究项目名为“人道主义技术项目”（Humanitarian Technologies Project），重点关注菲律宾发生的自然灾害，这些灾害与日益增强的风暴和台风强度有关。

在这个项目中，数字技术，包括移动媒介的角色非常有趣，因为它根植于菲律宾的具体背景。我知道 Miracle 并不会使用“全球本土化亲密关系”（glocal intimacies）这样的名称，但如果从这个视角来看，您会发现确实有可以分析的动态。例如，她提醒人道主义机构不要带着某种特定的干预理念进入菲律宾的电信领域，却不一定充分了解社会技术元素和动态。

举个例子，在她和合作者的研究中，提到了一种情况，即移动媒介被用于为非政府组织（NGOs）及其项目创造问责机制，这相当于一种反馈机制。但这并不完全符合菲律宾文化及其运作方式。通常的情况是，人们出于“走过场”的心理进行敷衍回应，以便获得资助机会，。此外，还提到使用移动媒介来协调资源分发的情况。然而，最终的做法是将手机分发给社区领导人，比如村长（Barangay Captain）。然而，这位领导人却将资源私自占有。由于他在社区中的权威地位村民们很难去挑战和质疑他。

这种情况清晰地显示出，重要的是分析援助的全球动态、人道主义技术，以及它们与当地规范和关系的交织。尽管我用的是另一个项目来说明，但通过这样的视角，您也可以看到类似的动态在起作用。当然，不同的研究也会突出不同的方面。谢谢你的提问！

Q1： 非常感谢你的演讲，我完全赞同你对研究背景的关注，尤其是对全球南方的关注。我说“我们”是因为我在香港工作，虽然严格来说香港并不算是全球南方，但我们总是需要解释和提供情境信息，而在底特律的人却从来不需要为底特律提供情境信息。所以谢谢你。我想请教一个问题，如果我理解有误还请指正：你似乎是通过一种符号层面的视角来进行理论化。我知道你把移动媒介看作是一种物质形式，但我在想，亲密关系是否在某种程度上也是物质的？比如说，在那些平台上，人们不仅是通过符号互动，比如谈论彼此、经历剥削或者爱，还通过这些平台向父母转账，把这当作亲密的一个标志。是否有关于这些嵌套在多个平台层面的研究文献，探讨它们如何共同构成了亲密关系的概念？或者有以这种方式处理的民族志文献？

A1： 哈哈哈，请不要对这个问题过于追问，其实这方面的专家是Cecilia。所以我要借鉴我与她的对话内容，因为她的研究集中在数字金融以及移动设备的金融化。你说得对，这里面确实有很强的物质性成分。而且在和她交流之后，我也发现在我自己的关于移民的研究中，比如说国际家庭方面，也能看到类似的现象——手机的物质性如何与资源的不对称关系交织在一起。

通常情况下，海外的父母会用手机来试图控制家庭成员，这种控制并不总是负面的，而更多是为了维持对家人的某种影响力。例如，通过限制给孩子的通话时间或拒绝提供通话资费，或者控制寄回家的实际金钱。同样也可能出现在夫妻关系中，比如丈夫不告诉妻子钱的具体用途。

因此，这里面的物质性是非常明显的。而在Cecilia的研究中，她在研究精英移民的过程中发现，家庭资金如何在这些技术中被“调度”，实际上是重要的分析维度。。因此，这种关系中存在的物质成分非常重要，它不仅支撑了这些关系，也往往强化了特定的不对称关系，尤其是性别上的不对称性。

Q2： 我很好奇，您大概和多少人交谈或采访过，才能了解到菲律宾，尤其是年轻人，更倾向于与外国人交往趋势？

A2： 这是个很好的问题。因为在这项研究中，或者在我们进行理论化时，经常会有人问，我们是如何在没有最初一起完成研究的情况下提出一个概念的。这些是一些单独的研究，之后我们才将它们联系起来。因此，由于我们采取的是定性民族志的研究方法，我们并没有和数百人交谈——抱歉，我现在无法提供确切的数字，但每个项目大概是与20到30人进行的交流。

整个项目包括与年轻女性的访谈，以及另一组20到30人的访谈，针对的是精英移民群体。还有一个我今天没有提到的研究部分，是关于菲律宾移民家庭的访谈。所以，虽然我们并不是在声称我们的研究具有普遍适用性，但我们努力确保能够对这一特定群体提供一些洞见。

对于每项研究，我们设定了明确的样本参数，确保样本的同质性，以便能够从这个特定群体中提取见解。谢谢。

讲者介绍

杰森·文森特·A·卡巴内斯
Jason Vincent A. Cabañes

简介： Jason Vincent A. Cabañes是伦敦大学金匠学院后殖民媒体与文化专业的高级讲师。他的研究涉及世界各地跨文化团结与亲密关系的复杂中介。他还致力于研究数字媒体文化与全球南方的政治、社会经济和文化现实之间的关系。他是短篇专著《消费数字虚假信息：菲律宾人如何应对种族主义和历史扭曲的在线政治内容》（Consuming Digital Disinformation: How Filipinos Engage with Racist and Historically Distorted Online Political Content）（ISEAS-Yusof Ishak Institute, 2023）的合著者，也是《亚洲的移动媒体与社会亲密关系：重构地方联系并制定全球关系》（Mobile Media and Social Intimacies in Asia: Reconfiguring Local Ties and Enacting Global Relationships）（Springer, 2020）一书的合编者。他的其他作品见于《移动媒体与传播》（Mobile Media and Communication）、《新媒体与社会》（New Media and Society）以及《传播、文化与批判》（Communication, Culture and Critique）等顶级期刊。目前，他正在撰写一本关于媒体与后殖民种族主义的全书，该书将由纽约大学出版社出版。

]]>网络社会研究所批评典范：David Harvey, 本质与乡土的地景（1984）2025-06-15T00:00:00+00:002025-06-15T00:00:00+00:00https://nodebe4.github.io/opinion/2025-06-15/%E6%89%B9%E8%AF%84%E5%85%B8%E8%8C%83%EF%BC%9ADavid%20Harvey,%20%E6%9C%AC%E8%B4%A8%E4%B8%8E%E4%B9%A1%E5%9C%9F%E7%9A%84%E5%9C%B0%E6%99%AF%EF%BC%881984%EF%BC%89
INS-READER

批评典范：David Harvey, 本质与乡土的地景（1984）

2025-06-15

文 / 黄孙权

本学期为美院网研所的博硕士生开了《文化与技术理论与历史》课程的第一单元（grounding），其中塔夫里（Manfredo Tafuri）的《建筑与乌托邦》(Manfredo Tafuri, 1976)为其中一周课程必读书目。

必读此书，一是因为对于（建筑）批评的操作性（l’operatività della critica，critica operativa），塔夫里提出了更严格的去魅化的任务。相较于卢卡奇对于文艺批评功能的热切寄望，鼓励批判文学要支持“批判现实主义”（critical realism），而非美学避世倾向，批评的目的在于转化对象，进而促使社会变革，亦即，批判应有立场地彰显“政治”功能。塔夫里则认为批评的操作性除了理性逻辑分析、建筑类学型，以及立于澄明的“历史性”分析(Manfredo Tafuri, 1986)之外，操作性批评一定是意识形态批评，但“有必要从意识形态批判，过渡到分析那些计划（programming）技术及其抵达生产关系的核心的那些具体路径”(Manfredo Tafuri, 1976, p. xi)，对建筑、当代艺术或者科技产品、现象的当代批评者来说，不能忽视技术─政治经济计划的过程是非常重要的提醒；其二，在其前一本书《建筑的理论与历史》中提到现有操作性批评之不足：

操作性批评的典型特点已经显⽽易见：几乎总是表现为某种规定的编码。这种编码在理论上可能⾃成体系，⽽在⽅法论上则是广泛⽽又⾃由的。但是毫无疑问，如果将这种操作性注入历史，其困难在于停留在历史本身的价值演绎与试图借助于引入—仅仅在批评的层次上—新的价值及先验的选择以促成未来之间举步维艰。 ((意)曼弗雷多·塔夫里(Manfredo Tafuri)著 ; 郑时龄译.等, 2010, 页176)

若如此，顶尖者最多就只能是波特莱尔那种敏感纤细的“情感批评”，反成为批判路上的石头。批评家若非怀疑论者，就是不可宽恕的浅薄之徒。塔夫里因此又说：

近年来美国和欧洲的所谓“进步主义”建筑师们的折腾，他们切切实实试图掩盖这样的问题：正如不能形成一种阶级的政治经济学，而只有一种政治经济学的阶级批判，这样就不可能“预示”某种阶级建筑学（architettura di classe），为解放了的社会的一种建筑学，而只能引入一种建筑学的阶级批判（una critica di classe all architettura）。就严格的马克思主义观点而言，并没有超越学派倾向和偏见。任何以激进的否定或更为悖论式的反语试图推翻体制、学科的企图——达达派和超现实主义的例子告诉我们——都注定要转化为某种所倡导的贡献，转化为先锋派的“建构”，转化为更积极的意识形态，更富戏剧性的批判和自我批判。((意)曼弗雷多·塔夫里(Manfredo Tafuri)著 ; 郑时龄译.等, 2010, 页V)

为了展示此种“操作性批评”的经典写作，我特意翻译了David Harvey于1984年发表于 Design Book Review 10.13-17 上的文章《本质与乡土的地景》（ The Essential And Vernacular Landscape ）。虽然时隔已久，但相信我们可以从David Harvey的写作中重新体验几乎沦丧枯萎的批判力量，并勇于当个走在深谷间钢索线上的批评者。对当今艺术界与建筑圈的“流量评论”的现象，更足以反思。

Jackson, J. B. The Essential Landscape: The New Mexico Photographic Survey . Edited by Stephen A. Yates. Albuquerque: University of New Mexico Press, 1985. Illustrated. $45.00.

Jackson, J. B. Discovering the Vernacular Landscape . New Haven: Yale University Press, 1984. Illustrated. $16.50.

Jackson, J. B., ed. Urban Circumstances . Design Quarterly , no. 128. Cambridge, MA: MIT Press, 1985. $7.50.

大卫·哈维（David Harvey）
黄孙权 译

大约一代以前，杰克森（J. B. Jackso）透过在《Landscape》杂志上发表的一系列简练精辟的文章，彻底革新了有关地景的论述方式。如今，《本质的地景》一书重新收录了其中一些文章，而《发现乡土地景》则集结了他较近期的著述，为我们提供了一个检视其成就的良机。

《本质的地景》将杰克森的论文与来自“新墨西哥摄影调查”的十二位参与者所拍摄的照片相互交织。这本由新墨西哥大学出版社精美制作的图文集，许多照片无论在概念上还是制作上都堪称杰作（尽管我十分希望整份图录能以更易读的版面印制）。这十二个不同镜头所捕捉的视角呈现出丰富的变异性，同时也传递出一种主导性的整体印象（这或许就是所谓的“本质的地景”？）。新墨西哥的地貌，在表面上或许显得单调，然而其细节却异常繁复精细；这片土地被一连串日益张狂的人类活动不断翻搅过，那些重叠的痕迹为训练有素的目光提供了一幅层层堆叠、如同重写羊皮纸般的地景文本，等待着被细细辨识与解读。

杰克森一生致力于教导我们如何“阅读”这样的地景。而他在此书中的文章，与摄影作品之间的关系，并非简单的图文对照，而是截然不同却互补的两种观看方式与传达媒介。在这本书中，除了开篇那篇《看见新墨西哥》（ Looking at New Mexico ）是新作外，其余皆为重刊之作，其中五篇更可追溯至1950年代。这些早期的文章洋溢着兴奋与活力，展现出一种探险家的笃定与热情——一位深信“某处有待发现之物”的探索者，只要我们能拓展想象力，学会正确地观看，它便会显现。举例来说，那篇既精彩又偶尔带有俏皮趣味的文章《我们本可能是奇瓦瓦》（ Chihuahua As We Might Have Been ），即对比了位于那条人为边界两侧——奇瓦瓦与新墨西哥——的地景样貌。在相似的自然环境中，不同的时间感与空间感，竟能孕育出截然不同的地方性经验。又如那篇关于“高原国度”（ High Plains Country ）的文章，读来令人感到心生愉悦（没有其他词汇能更贴切地形容此种阅读体验）。那是一篇极具感染力的散文，文风浓烈，一种由深切信念与亲身经验交织而生的文字强度，仿佛是从新墨西哥那片大地本身涌现而出。

但杰克森所追求的，远比灵感式的描写更宏大、更具普遍性。他提出一种引人入胜的观点：如果我们能从沉重的传统束缚中解放出来，对地景的研究将有可能揭示出关于社会、环境，以及我们与二者之间个人关系的某些重要真理。简言之，透过地景研究，我们能更清楚地理解“我们是谁”——而这项真理对所有人皆适用，无论阶级、种族或文化背景如何。他的视野是民众性的、普遍的，并具有深刻的人文精神。

在那个时代，许多其他学者——特别是那些文化地理学家，也就是杰克森后来日益自我认同的群体——也纷纷赶赴这片领域。然而，Jackson 借助他所开创的契机所实现的内容，则可在一系列著作中看到，如《美国空间》（ American Space ）与《废墟的必要性》（ The Necessity for Ruins ），这两本书是他最广为人知的作品。在较晚期的散文集中——《发现乡土地景》（ Discovering the Vernacular Landscape ）——杰克森探讨了各种主题，从城市公园与美国乡村小镇，到新旧世界地景的比较、乃至于前现代与现代时期的差异等，无所不包。他在这些文章中对“普遍性”（universals）的追寻变得更加明确，特别是在导论与结语中表现得尤为突出。那么，杰克森在他对乡土地景的探索中究竟走了多远？又在实践他早期愿景的过程中，在哪些方面未臻圆满？

遗憾的是，就这一点而言，我的评价必须相当严厉。我说“遗憾”，是因为我认为杰克森的最初构想极具力量与说服力，而他早期的散文则堪称典范。相较之下，《发现乡土地景》中所试图建构的综合性论述，却显得缺乏说服力与活力，而且时常流于犹疑不决与平庸泛泛的概括。当杰克森探讨具体主题时（例如《清教徒眼中的风景》或《乡村小镇》），他仍展现出他昔日的笔力。而在某些较为宏观的篇章中，也偶有闪现真知灼见的时刻。然而，这些洞见很快就被一种犹豫不决、漫无目的的笔调所淹没——尽管这种笔调有时也颇具魅力，但最终却无法导向任何清晰的结论。问题的根源，在于杰克森显然怀抱强烈的愿望，希望这一切能导向某种终极的结论——一种对“原型地景”（prototypical landscape）的普遍概念，或者更精确地说，是一种“作为原初理念的地景”（landscape as a primordial idea），而所有具体的地景都只是这一原型的不完美投射罢了。然则，当他从这理想主义的高峰俯视现实，堕入平庸之境，其跌落之速与悲剧性，皆令人骇然。

那么，让我试着追踪出究竟出了什么问题——为何那些精彩的个别论文无法共同建构出有力的普遍理论。在这个过程中，我认为我们也许能理解，为什么“普遍论述的失败”与“个别论述的精彩”之间，其实存在着某种关联。

杰克森宣称，他一向能够“毫不费力地处理地景的现象”，他所面临的问题，是“如何定义（或重新定义）地景这一概念”。我最终会对这样的自我评价提出质疑，因为在我看来，这其实是一种错误的自我理解。但目前，让我们先顺着杰克森本人的思路前进。他在书的导论与结语中，对“landscape（地景）”一词的语源进行探究，似乎认为只要解开词源的纠结，便可解开地景之谜。但当这条语义之路走入死胡同后，他转而以两个要素的结合来界定“地景”：一方面是传统的、流动的、乡土的；另一方面则是“由法律权威所建立的、有预谋的、持久稳定的形式”。因此，地景可以被理解为：“一个持续冲突与妥协的场域，冲突发生在由权威所建立之事物，与乡土经验所坚持偏爱之间。”这一点提供了我们理解杰克森近年来著作走向的一个关键线索，因为他认为“乡土地景”一直以来未曾受到足够的重视与理解，而人们观看景观的方式，过于倾向于那些 经过预谋的、永久性的形式 。

在此，杰克森明确地承认了一种观点：即“永恒性”等同于“权威”，而“乡土”（vernacular）则可与某种类型的流动与变迁等同，亦即那种“对环境情势无止尽、耐心的调整过程”，发生在个别化、不规则与小尺度的空间之中。从这一认识出发，杰克森提出了三层分类的地景。第一种地景，典型如中世纪欧洲，由乡土所主导，展现出对常民生活方式的忠诚，以及一种“在寻求短期解决方案方面无穷的创造力”。然而，这种地景却缺乏政治历史的痕迹，是一种“没有记忆，也无远虑”的地景（a landscape without memory or forethought）。文艺复兴时期则塑造出另一种截然不同的地景。在其中，权力与权威被明确地书写进政治地景中，追求永恒与延续；凡是“暂时的、短命的或可移动的”都不被鼓励。但接下来，杰克森语气变得犹豫。他说，也许有第三种地景，“我们可以在当代美国的某些面向中看到它”。这种地景缺乏流动性与永恒性之间的和谐与平衡。他说：“我不相信政治、知识与艺术的主流体系（Establishment）真正意识到乡土的活力与广度”，也没有“察觉出在地景中出现两个明显分裂的子地景所构成的危机：一个致力于稳定与地方性，另一个则致力于流动与可移动性。”我们似乎正在退回到第一种地景——一种“与正式空间相脱离、对历史冷漠，并以功利主义与无良知方式使用环境”的地景——而这意味着我们正在背离文艺复兴以来的人文主义传统。

这段论述出自一位声称自己“处理地景毫不费力”的作者之手，显得异常地犹疑不决。在《本质的地景》中最后一篇重刊的文章（原载于1979年），我们再次遇见了这种犹疑。该文中，杰克森探讨“地景如剧场”（ landscape as theater ）的隐喻。这个隐喻在文艺复兴时期的地景上运作得相当成功：

“正是在那个时代，人类首次尝试对其周遭环境加以秩序与设计，不仅仅是为了生存，更为了产生某种美感，使人与人之间、人与自然之间的特殊关系得以彰显、得以被观看。”

我姑且略过这一明显谬误（事实上，人类自古以来便试图建构出一种可传达其与自然及彼此之关系的空间形象——读读列维-斯特劳斯、保罗・惠特利或是段义孚即知），先转向他所描绘的那个引人注目的画面：欧洲文艺复兴时期的地景如同一场“戏剧演出”——拥有明确界定的空间、被组织起来的场所与时间，以及具有连贯性的行动。这个画面确实捕捉到某种重要的东西。但究竟是什么呢？杰克森并未深究。他仅声称，人类（出于某些未被说明的原因）突然觉得自己摆脱了环境的影响，开始能将自然视为一种背景——一个蕴含美感、神话与魔力的舞台，在其上人类得以演绎出自我欣喜与惊奇的感受。但这一切终究退场——原因仍未明言（或许是新贸易关系的出现？或是民族国家的统合？）——到了17世纪中叶，人们对“地景”的理解转变了。“地景不再仅仅意味着‘景观’，而是转变为‘戏剧’——对一个问题的分析与解决过程。”场所中的神话与魔力让位给功利空间的功能性抽象，戏剧被内化为心理或政治的对抗场域。“地景如剧场”这个隐喻也因此失去其效能与适切性，因为我们对地景的理解变得更加科学化与功利主义导向。于是人们开始寻找一个更新、更具活力的隐喻。但杰克森却无力地作结道：“我们仍在寻找。”回望过去，我们可以将19世纪的地景理解为一种关于“成长、衰败与演化”的隐喻。然而，对于那个“新的20世纪的地景”，“我们仍难以理解为何物——为时尚早。”

这样的承认，再加上他未能明确界定“第三种地景”，无疑是一项极不寻常的现象。而这种缺失之所以格外引人注目，是因为杰克森对特定地景的描写往往极具说服力，几乎足以支撑他那句“我处理地景毫不费力”的自我评价。

然而，事实证明，杰克森所处理的地景其实都属于某一类型。这正是我们揭示其未能提出真正具力量的普遍概念的第一个线索。例如，在他这几本文集中，没有一篇讨论的是“都市地景”；他最接近城市场景的地方，不过是乡村小镇（及其主要街道的变迁）、拖车营地与移动住宅、以及某些可能或不可能位于都市中的房舍与公园罢了。甚至连由他主编、标题极具误导性的《设计季刊》（ Design Quarterly ）特刊《都市情境》（ Urban Circumstances ），也完全避开了我们现代大都会的核心，只是掠过郊区或小镇边缘的场景而已。合理地说，人们或许会问：若刻意回避现代都市场景，又怎可能对“现代地景”提出一套具有普遍性的概念或隐喻？杰克森的种种遗漏（其中许多同样具致命缺陷），若他愿意信任别人的眼睛而非仅凭自己的观看，或许尚不至于完全毁坏他对普遍性的追寻。但他始终拒绝这么做——这使他显得令人震惊地“狭隘”（ parochial ）。他所未看到的，对他来说，就等于不存在。他知道城市的存在，但就像华兹华斯（Wordsworth）那样，他将城市简化为一个遥远而恼人的现象。他坦言，自己心中理想的社区是“不受大都会支配的社会”。在那篇关于“乡村恋”（ Agrophilia ）的文章中，他将这种感性推向极端。他认为：对于“水平性”的文化偏好，正为美国地景带来与欧洲迥异的氛围——“无处不在的，是一种消除垂直性的倾向”。那么他如何评论丹佛或达拉斯那自平原上拔地而起的天际线？如何看待纽约的垂直性与伦敦的水平性之对比？他认为那根本不是问题。对他而言，一栋高楼不过是“另一种、更复杂形式的水平性”，因为它是“一叠又一叠的、宽阔而未被打断的水平空间”。这种说法实在难以当真。即使他那关于“文化偏好”的论点本身有其道理（尽管它完全忽视了土地租金机制、当代资本主义下建筑产业与开发体系的组织逻辑），他那令人震惊的“论证循环性”仍然是显而易见的。

这使我进入我对杰克森理论工作的核心异议所在：他将自己置于一种“壮丽的孤立”之中，与那些与其主题息息相关的知识脉动与思想辩论保持距离。举例来说，关于“现代性”及其意义的讨论，他几乎未曾正面触及。波特莱尔（Baudelaire）将现代性理解为“无常的制度化”（institutionalized impermanence），因此能以一种全新的感官结构（sensibility）捕捉豪斯曼时期巴黎城市转型的景象。华特·班雅明（Walter Benjamin）在反思此一文化转变时，则洞察到它实际关联于商品交换中永恒短暂性的霸权。而马歇尔·伯曼（Marshall Berman）在其著作《一切坚固的都烟消云散》（ All That Is Solid Melts Into Air ）中提醒我们：现代性是一种普遍共享的生命经验方式——它涉及空间与时间、自我与他人，“它承诺我们冒险、欢愉、成长、自我与世界的转变——但同时也威胁要摧毁我们所拥有的、所知晓的一切，以及我们自身的存在。”这些关于现代生活辩证性质的见解，难道与杰克森所处理的地景全然无关吗？诚然，他偶尔会呼应这样的感性架构，甚至稍加着墨（例如他分析美国小镇的商业街带与移动住宅时）。那么，为何他从未认真思考：“地景三”是否不是传统地景冲突——机构权威之“永久性”与乡土文化之“流动性”之对立——而是“无常的制度化”所主导的结构？就我个人而言，出身于一种更为马克思主义的理论视角，我早已提出主张：资本主义在其积累欲望驱动之下，不断试图在特定历史时刻依自身形象建构地景，然后又不得不摧毁这些地景，以腾出空间供后续的资本积累之用。由此，我们可以提出一种理解当代地景的隐喻：“创造性的破坏”（creative destruction）——这个隐喻起初是从豪斯曼都市更新留下的瓦砾堆中自然诞生，后来被经济学家熊彼特（Schumpeter）转化为企业家精神的英雄象征。

当然，我的意思并不是杰克森应当接受这些特定的诠释，而是他若真欲追求一种普遍性的理解路径，这些诠释正可提供他一条更加稳固的途径。而他之所以迫切需要这样的支持，正是因为他对地景选择过于片面与局限。假若他愿意凝视纽约的布朗克斯区（the Bronx）、或那些因去工业化而锈蚀的地景，他或许自己就能创造出“创造性破坏”这一隐喻；若他曾伫立于巴尔的摩的“港湾广场”（Harborplace），他或许会察觉到：地景作为戏剧性奇观的隐喻并未死亡，反而被有意识地运用——不只是在迪士尼乐园，而是在几乎所有当代都市更新计划中。正如 T. J. Clark 在其《现代生活的画家们》（ The Painters of Modern Life ）中提醒我们的那样，这种对“奇观”的依赖，最晚可追溯至豪斯曼时代第二帝国巴黎的空间重构。而今日的背景不再是“自然”，而是人造环境所构筑出的“第二自然”。这个隐喻虽仍持续存在，但其历史语境与意义已发生根本性的转变。

杰克森抛弃了所有这些当代理论脉络的考量，也将自己隔离于其他同样具有深刻洞察力的观察者可能见到的事物之外。他孤身一人展开对“普遍意义”的追寻，仅凭自身的反思与一双眼睛为工具。

但——正是这双眼睛！这便是他的救赎之处。因为在那些让杰克森感到自在的地景中（恰恰因为这些地景对他毫无困难，我猜想），他的观察是敏锐的，有时甚至达到绝妙非凡之境。而他刻意避开任何先验的视觉诠释典范（a priori canons），在这些情境下似乎反倒成了一种优势。若说美国非都市地区、尤其南方与西部当代地景能够开口说话，那么它们说出的声音，无疑正是 Jackson 的语调。他对这些地景的观察，宛如一座真正的金矿，任读者取之不竭、用之不尽。而其令人着迷之处，不仅在于他的描述本身，更来自他不断旋转观察的镜头，以凸显对比、对立与差异。他的方法之所以近乎辩证（dialectical），源于他内在良知与意识中的一场斗争——那是一场关于“他应如何观看地景”的挣扎。让我简要举例说明这一面向。

《发现乡土地景》（ Discovering the Vernacular Landscape ）一书洋溢着对“乡土性”的尊重——广义而言，这是一种个人对环境条件的流动性、在地化、具体性的调适方式。这是一种“存在式”地景（existential landscape），与“工程师之地景”形成对比——后者的“隐蔽特质”为有在“每一能量流系统皆顺畅无碍地运作”时，才被视为美丽。然而，若要让乡土性得以自由演化，它就必须嵌置于一个政治框架之中。于是杰克森盛赞杰佛逊（Jefferson）所构想的地政制度：即透过“郡、乡、区”（range, township, section system）开启了美国广义民主且个体化的地景视野。如同托克维尔（Tocqueville），杰克森对于工程师背离市民责任、转而投入工业资本体系的历史转折深感惋惜。正是那一转折，断裂了人与环境之间“古老的盟约”，摧毁了一种以“自主农民社群”为核心的共同体感——这些社群由彼此的责任感与对土地的依附所维系，透过耕作与邻里之间的互助学习“公民精神”与“虔敬德性”，并实现了人类行动与自然条件的和谐。但时光无法倒流，今日的美国地景，已然舍弃了空间的政治组织，而转向空间的经济组织。

但时光无法倒流，“工程师的地景”并非毫无价值——它同样创造了新的空间，供乡土性得以展现其自身。杰克森在此试图挣脱那种浪漫式反应与乌托邦式想象的束缚——那些将欧洲或前工业时代神圣化、并以此贬抑现代性的文化惯习。毕竟，工程师设计的高速公路、汽车与移动住宅，确实开启了一种新的自由形式——使人得以摆脱“对环境沉重的情感牵绊”、对社群责任的依附、乃至于“对传统家庭与其物质占有之暴政”的束缚，亦使人不再“必然归属于一个紧密的社会秩序”，那样的秩序中，往往深植着阶级与种族的区隔、对创新精神的蔑视，以及对早已远去的过往的病态怀旧。那些被传统主义者所鄙视的乡村小镇商业街带，其实完全可以视为“作为一种物质实体之社会地景的基本元素”——因为它们正是“创新、互动、服务与休闲”的社会场域。而移动住宅与拖车营地，则可被视为新型乡土文化的象征。一种新的“存在式地景”，正是在工程师所建立之技术官僚与经济结构内部逐渐成形——尽管这些结构早已背离了杰佛逊的愿景。但正是在这些空间中，某种新的社群感或许得以萌发——一种新的地景，将人与自然、人与人之间引向更深的和谐。浪漫与乌托邦精神，即便被驱逐出前门，也总会从后门狂奔而入。

在这里，每个人都能找到属于自己的一席之地。杰克森有时显得像是个无可救药的浪漫理想主义者，被某种无政府主义式的自足社群幻象所驱动；但他也能在瞬间转化为一位冷峻现实的唯物论者，歌颂现代个人主义的价值。他时而站在菁英主义的高度，赞美权威、稳定与传统；时而又流露出对地方性与个体对建制价值颠覆的喜悦，为草根文化的生成喝彩。这些文章笔锋优美，有时恼人，有时撩人；最精彩的篇章，让我想起艾兹拉·庞德（Ezra Pound）描述他与优雅女性交谈时的评语：“那种无形触角的悸动，是刺激的，也是令人愉悦的。”而 杰克森最值得我们阅读的，也正是这一点——而非他那些艰涩而痛苦的“普遍真理”之企图。

在《本质地景》（ The Essential Landscape ）中有一幅 Jackson 本人的肖像。他的神情如他所钟爱的新墨西哥地景一般，刚毅且轮廓分明。他散发出一种不可侵犯的、带有边疆气息的坚韧个人主义（rugged individualism）——那是一种孤绝中淬炼出的智慧，其线条锐利，却偶尔被一丝质疑式的幽默所温润。这幅肖像，至少，胜过千言万语。

参考：

(意)曼弗雷多·塔夫里(Manfredo Tafuri)（2010）. 郑时龄译. 建筑学的理论和历史 。中国建筑工业出版社。

Manfredo Tafuri. (1976). Architecture and utopia: Design and capitalist development . MIT Press.

Manfredo Tafuri. (1986). There is no criticism, only history,. Book Review , No. 9 (spring), 8–11.

]]>网络社会研究所第九届网络社会年会 研究生论坛｜傅瓒的游戏历程：解码手柄上的中国计算机启蒙2025-04-30T00:00:00+00:002025-04-30T00:00:00+00:00https://nodebe4.github.io/opinion/2025-04-30/%E7%AC%AC%E4%B9%9D%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%20%E7%A0%94%E7%A9%B6%E7%94%9F%E8%AE%BA%E5%9D%9B%EF%BD%9C%E5%82%85%E7%93%92%E7%9A%84%E6%B8%B8%E6%88%8F%E5%8E%86%E7%A8%8B%EF%BC%9A%E8%A7%A3%E7%A0%81%E6%89%8B%E6%9F%84%E4%B8%8A%E7%9A%84%E4%B8%AD%E5%9B%BD%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%90%AF%E8%92%99
网络社会年会

第九届网络社会年会 研究生论坛｜傅瓒的游戏历程：解码手柄上的中国计算机启蒙

2025-04-30

文 / 任柄霖

大家好！今天，我非常高兴能站在这里，与大家分享傅瓒老师的故事。他是中国游戏与教育领域的一位开拓者，在中国计算机启蒙的进程中扮演了重要的角色，而他的故事也生动地体现了中国现代化进程中游戏与教育结合的典范。

让我们先回到1980年代，那时中国的孩子们跟今天的孩子们一样爱玩，但不同的是，他们玩的可不是高端的游戏机或者智能手机，而是在游戏机房玩那些改装成投币式街机的任天堂或Sega电视游戏机。傅瓒，当时还是一位普通的中学老师，最早接触到游戏机时，他看见的并不仅仅是一个娱乐工具。他眼中的游戏机，是一个可以用来教孩子们打字、甚至编程的“教育工具”。

在1980年代，中国正处于改革开放初期，国家的目标是实现“四个现代化”，即工业现代化、农业现代化、国防现代化和科学技术现代化。作为科技现代化的重要象征，计算机自然成为了政府和全社会关注的焦点。然而，现实是，那个时候的个人电脑非常昂贵且操作复杂，普通人几乎没有机会接触这项新兴技术。人们对计算机的认知还停留在一种神秘、深奥的印象上。

与此同时，任天堂的崛起标志着电子游戏行业的又一轮发展。中国最早引入的游戏机主要来自香港和台湾，包括仿制的街机、FC红白机和超级任天堂（SFC）。这些先进的游戏设备给当时的青少年带来了巨大的感官冲击。许多人对电子游戏既新奇又充满警惕，尤其是那些坚持传统道德观念的人，他们认为游戏会腐蚀青少年的心智，甚至毁掉整整一代人。因此电子游戏在他们眼中是一种危险的外来文化。

然而，傅瓒的观点却与当时的主流看法截然不同。他意识到，尽管许多人对计算机的概念模糊，但电子游戏不容忽视。他观察到日本游戏产业，尤其是任天堂，正在飞速发展，其软件游戏的产值甚至可与汽车产业相提并论。而要知道，汽车在当时的日本是举足轻重的龙头产业，而游戏作为与之齐头并进的新兴产业，这一现象本身就足以令人震惊。这也使他认识到，游戏不仅仅是娱乐，而是教育和启蒙的重要工具。

傅瓒意识到，中国的情况与日本大不相同。面对游戏带来的文化冲击，许多家长和教育工作者持抵触态度，认为游戏只是娱乐的洪水猛兽。然而，作为一名中学教师，他并不认为游戏只是单纯的娱乐工具，反而看到了它作为计算机启蒙的巨大潜力。他认为，游戏能够引发青少年对电脑技术的兴趣，而兴趣，恰恰是最好的老师。他通过教授学生编写简单的游戏程序，让他们学习BASIC语言，逐步理解计算机的运作方式。在这一过程中，学生们发现计算机并没有想象中那么复杂，反而是有趣的。傅瓒的这种教学方法不仅帮助学生克服了对计算机的恐惧，也激发了他们更大的兴趣和好奇心，打开了通往数字世界的大门。

此外，中国当时的游戏环境与日本和美国的成熟市场形成鲜明对比。1980年代末和1990年代初，尤其是日本的电子游戏产业已经高度发展，游戏说明书详尽无遗，甚至提供电话辅导和支持，以确保玩家能够顺利上手。然而，中国玩家在获取廉价兼容卡带时，面临着缺乏说明书和语言障碍的困境。此外，当时游戏的界面非常简单，没有任何说明，使得玩家往往不知道该如何开始。

为了解决中国玩家无法获得游戏说明书的困境，傅瓒决定撰写一本指导手册，帮助他们理解市场上流行的游戏。1990年，他出版了《电视游戏一点通》，作为最早的游戏出版物之一，这本书不仅详细介绍了当时的游戏机，还为每个游戏提供了操作说明。作为一本实用的游戏指南，它同时具备推荐手册的功能，书中包含了对游戏的评分和评价，类似于现代的打分平台。《电视游戏一点通》在市场上大获成功，先后再版五次，销量达到25万册，创下了福建省科普书籍的纪录。

书中最为重要的是傅瓒通过剪贴画的方式拼贴出了游戏机加键盘的组合，推动了这一理念的传播。这一观点启发了许多中国游戏企业，包括裕兴科技与小霸王等，开始开发兼具游戏和学习功能的廉价“学习机”。在美日等国，学习机通常作为游戏机的附属产品，主要用于辅助教育；但在中国，学习机逐渐成为独立的教育工具，承载了更深的社会与政治意义。

换言之，对于中国普通家庭而言，学习机不仅是计算机启蒙的一个途径，更是实现“现代化”的象征。学习机的普及，成为普通家庭接触科技前沿的桥梁，不仅能让孩子们玩游戏，还能让他们学习打字和简单编程，满足家长对教育的期待。这种娱乐与教育结合的模式，在当时的中国社会形成了独特的现象。

2005年，傅瓒离开了教书的中学，成了福州市电化教育馆的馆长。这让他有了更多机会将“寓教于乐”这个理念发扬光大。傅瓒利用自己的业余时间，着手创建了一个叫“数字青少年宫”的网站。后来，这个网站成了许多家长放心、孩子们喜欢的地方。里面全是一些健康益智的游戏，既能让学生们在玩乐中学习，还不会让家长担心孩子沉迷。惊人的是，这个平台的用户数最高时达到了6000多万，日活跃用户超过2万。

傅瓒的故事告诉我们，教育与电子游戏并非完全对立的。在一个特殊的历史背景下，游戏机不仅仅是娱乐的工具，它还能成为启发孩子们思维和学习的桥梁。而傅瓒的工作无疑在这个过程中起到了关键的作用。他不仅是中国游戏教育的先行者，也是无数计算机科学人才启蒙的引路人。

傅瓒的故事是中国现代化进程中的重要节点，学习机不仅是娱乐和教育工具，它也是那个时代中国普通家庭接触信息化和科技现代化的媒介。学习机让那些买不起个人电脑的家庭，尤其是普通工薪阶层，有机会在家中拥有“简易版”的电脑，这对孩子的成长和学习起到了极大的促进作用。它承载着当时人们对科技的强烈渴望，以及对未来生活的美好愿景。

最关键的是，学习机的普及与中国特定的社会环境息息相关。它不是单纯的抄袭或模仿，而是一种创新性适应，在国内特定的经济条件和社会需求下，应运而生。它不仅满足了中国家庭对教育和科技的双重需求，还成为了那个时代几代人对更好生活方式的象征和承载。通过学习机，许多中国家庭第一次感受到科技的力量，以及这股力量所带来的改变生活、提升社会地位的可能性。

因此，学习机不仅是一代中国人的集体回忆，还成为了实现“科教兴国”战略的具体工具。这种结合了教育、娱乐和技术的设备，直接培养和激励了众多青少年对计算机的兴趣，开启了他们未来的职业道路，也为中国的现代化进程贡献了无数科技人才。

从这个角度说，学习机象征了那个时代的创新、梦想和未来，是中国普通百姓对于现代化生活的朴素想象和实践路径。在像傅瓒这类人的推动下，它超越了单纯的技术工具，成为那个时代人们心中通向未来的标志性存在。

傅瓒的贡献，远远不止于他个人的成就，他的设想和实践深刻地影响了一代中国人。通过将键盘与手柄相结合，他为中国的教育方式开辟了新的道路，也为现代计算机科学人才的培养提供了重要的启发。因此，当我们谈论学习机，谈论傅瓒时，我们不仅仅是在谈论一段历史，更是在反思教育、科技和社会的深层次关联。正如傅瓒所坚信的那样，游戏不仅是娱乐，它可以成为一种强大的教育工具，而这种寓教于乐的理念，至今依然具有深远的现实意义。

最后，我想说，傅瓒的故事启示我们，创新并不总是依赖于最新的技术，有时候，真正的创新在于如何将已有的资源和技术，以最适合的方式应用到教育和社会发展的实际需求中。傅瓒通过对游戏机的独特理解，激发了无数学生对计算机的兴趣和热爱，他用自己的方式，推动了中国计算机科学的启蒙。这不仅是对游戏和教育的重新定义，更是对如何实现现代化的深刻思考。

青年学者介绍

任柄霖，中国美术学院博士研究生，研究主要聚焦于游戏哲学、游戏文化。

]]>网络社会研究所第九届网络社会年会 研究生论坛｜“无奋斗，不龙华”，龙华汽车站田野调查2025-04-09T00:00:00+00:002025-04-09T00:00:00+00:00https://nodebe4.github.io/opinion/2025-04-09/%E7%AC%AC%E4%B9%9D%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%20%E7%A0%94%E7%A9%B6%E7%94%9F%E8%AE%BA%E5%9D%9B%EF%BD%9C%E2%80%9C%E6%97%A0%E5%A5%8B%E6%96%97%EF%BC%8C%E4%B8%8D%E9%BE%99%E5%8D%8E%E2%80%9D%EF%BC%8C%E9%BE%99%E5%8D%8E%E6%B1%BD%E8%BD%A6%E7%AB%99%E7%94%B0%E9%87%8E%E8%B0%83%E6%9F%A5
网络社会年会

第九届网络社会年会 研究生论坛｜“无奋斗，不龙华”，龙华汽车站田野调查

2025-04-09

文 / 韩佳欣，仝昭祥

什么是三和大神？

走完一楼中介档口的这一路，会听到很多叫卖声，像“收身份证了”、“快手50”、“微信300”等等。 对大神而言，当他们走投无路时，宁愿不工作，而是选择卖出身上一切可以卖掉的东西。身份证市场价在500元左右；微信号需要使用了一年以上的才能卖掉，根据具体情况报价，价格在300元左右浮动以上；做代理法人的市场价3000元上下浮动。

我们可以看到，白天有很多人坐在台阶上，晚上这里成为免费的住宿 。

在以往研究中， 三和大神是指游荡在招聘市场的新一代务工人员，他们不愿进厂工作，选择“得过且过”。“三和”一词来源于三和人才市场，一个大型招聘公司。

通过我对个人中介小哥和摩的司机的询问，我得知他们会将三和大神进一步细分：

“纯大神” ——是指完全不愿意工作，他们几乎一天都躺在汽车站。 对于“纯大神”而言，他们宁愿饿死也不工作。 不过在汽车站时常会有免费的盒饭能让他们继续维持生活。他们在精神上主张“活在当下”，对生活没有任何追求。

“半大神” —— “干一天，玩三天”是他们的生活态度。 他们仍然会工作，但只做日结工作。日常生活消费很低，不工作的时间在汽车站附近生活和娱乐。只要还有钱能生活，便不愿工作。

“挂壁” ——这个词是三和大神们最常挂在嘴边的词语，他们通常用这个词表示自己又要过上没钱吃饭睡觉这种穷困潦倒的生活了。纯大神正是“挂壁”状态，而半大神处于“挂壁”的边界线。

摩的大哥说，前几天在汽车站门口才饿死一个大神，尸体无人认领，最后由政府处理了。龙华汽车站一年大概饿死10人左右（这个数字不一定准确）。

他们对未来没有规划，但规划本身即是富人阶级的权利。

三和大神这个身份是流动的，“挂壁”也是流动的，当个体意识到不再想过这样的日子，且有了一定的物质条件，便可以脱离这个身份和这种生活状态。

为什么有这么多大神聚集在这里？离不开龙华汽车站的特殊性。

什么是龙华汽车站？

这里不仅仅是汽车站，还是一个招工市场，汽车站内部有16家人力资源公司，这里的招工类型主要是劳务派遣工和日结工。

五湖四海的务工人员来这里寻找留在深圳的出路，自7年前政府决定对三和人才市场（同样位于龙华区，也是一个大型招工市场）进行整改‌，龙华汽车站成为“三和大神”新的居所。

为什么龙华汽车站能够成为一个大型招聘市场？

在地理优势、交通优势、政策助推等因素的集合下，这里聚集了大量工作机会和劳动力，进而形成了一个大型就业市场。

图示 描述已自动生成

两次前往龙华汽车站时隔两个月，我目睹了这里的空间改造。

这是7月我第一次来这的时候，空荡的广场让人们聚集在一起，广场空地为大神和务工人群提供了免费睡觉休息的空间。

而在10月时，这里正在进行绿地公园的改造，整个广场中央被围起来，草坪与步道替换了水泥地和座椅。

这是城市过程中对底层强硬的驱赶，公园绿地占据了大神们的温床，用更美观的景观在隐形中驱赶着影响市容市貌的大神们。

如何在大型招聘市场找工作？下面我将介绍劳务派遣中介的招工流程 ：

总体上，在龙华汽车站，无论是中介公司还是务工人员都更青睐于劳务派遣工，即通过中介公司找工作。 以深圳富士康为例，富士康的员工有30%正式工，70%劳务派遣工

经过访谈与调查，以下是劳务派遣工和工厂正式工的区别。

手机屏幕截图 描述已自动生成

劳务派遣中介招工流程

找个人中介并非必须步骤，个人中介会把务工人员推荐给中介公司或内推进工厂。若没有接触个人中介，则直接从接触中介公司开始。

但是在这个流程的每一步，都存在被不靠谱的中介欺骗的风险，如紫色图标所示：

图示 描述已自动生成

劳务派遣中介要点总结

以下是我通过田野调查所做的关于招聘市场的要点总结：

  • 部分工厂不招在籍学生，但有些厂没有这个限制，例如富士康。
  • 所有工厂的最低要求是没有案底，规模较大的厂会要排斥有文身，染夸张发色的人。工厂认为这类群体不利于管理。
  • 工价的浮动：暑假工人高峰期（学生工），工资波动在9-20每小时，但是8、9月学生离职后，或是年后，工厂缺人，平均工资23-30每小时
  • 这些中介的赚钱方式是，中介赚取工人劳动的每小时的差价，打工时间越长，中介公司也就赚的越多。
  • 对于工厂而言，通过中介招工，如果工人发生事故或意外工厂无需担责，也不用买社保。
  • 我遇见的给我介绍中介公司小哥，在做个人中介，也就是所谓“二中界”的生意，把我这种想进厂工作的人推荐给中介公司，然后拿提成。推荐成功，对他而言，一个人能拿到200-500元左右。

在龙华汽车站，还有另外一个很常见的工作形式——日结工

日结工是什么？

这里是龙华汽车站招日结工的重要聚集点，日结工的招工时间并不稳定，主要集中在凌晨4-6点，下午五点。日结工作基本上是个人中介进行招聘，也就是所谓的二中介。在人群中呼喊，便有大量务工人员围上来。

日结是指，务工人员在结束一天的工作后就能拿到当天的工资。快递、装卸、保安、工地是最多的工作类型。优点在于能快速拿到工资，拥有比在工厂上班更自由的时间。但工作强度大，一天内需要进行长时间的体力劳动。

龙华汽车站的日结工工资在80-200一天浮动。除了灰色产业，日结是务工人员短期内获取收益比较方便快捷的方式。

龙华汽车站周边的服务设施

中国各地都有零工市场，但是龙华汽车站结合了劳务市场和日常吃穿住行，形成完整的生态链，这在中国比较少见。

住宿：拿着25元一个床位一晚的广告牌的阿姨们在汽车站的每个角落寻找住客。

网吧：不到15元可以在网吧8小时通宵（提供免费牙膏牙刷湿纸巾等），网吧门口有很多行李箱，很多年轻务工人员选择在这里过夜。

龙华区政府偶尔会在这里提供公益住宿，但实际是为了市容市貌，基本上一周会发放一些爱心食物，例如面包。

一些公益组织或佛教组织会来这里发放免费盒饭。

在日常生活上，这里提供了深圳相对较低的物价，能够让本就不高的工资维持更长时间的不用工作的生活，但这增加了大神继续保持这种生活状态的粘性。

按照“干一天玩三天”的说法和每天150元收入标准计算，三和青年每个月的收入大约只有1200元，比2200元的最低工资标准还要整整少1000元。相比于深圳的物价，他们无法保证生活质量。

为什么“三和大神”出现在深圳而不是其他城市？为什么深圳能够包容他们？

作为全球制造业的重要节点，深圳在2023年实现新兴产业增加值占地区生产总值的41.9%。尤其在高科技领域，深圳具备涵盖研发、生产、测试等环节的完整产业链。深圳的完整制造业产业链和高科技产业吸引了大量劳动力，形成了独特的劳动力市场结构，非正规就业形态遍及深圳，尤其是日结工，避开繁杂的劳务流程和潜在的风险，因其灵活性和即时薪酬的特点，能够立即满足深圳制造业和服务业对临时工的周期性需求，也为劳动者提供了灵活的就业选择。然而日结工缺乏劳动保障的弊端也在慢慢累积中显现为大量务工人员走向“三和大神”这种生活状态。

对务工人员的压迫可能发生在世界的每一个角落，三和大神大约从2010年代初开始出现，14年来，深圳仍留有一片温土，让他们能够继续生活在城市里。这即是深圳的独到之处。

深圳是一座由流动人口外来人口建立起来的城市，是一座“移民城市”。2023年深圳常住非户籍人口为1172.87万人，占常住人口比重65.9%，深圳是靠外来人口发展起来的，有很强的包容性。深圳以其开放和包容的文化著称，“来了就是深圳人”是深圳的slogan，这种文化背景使得深圳对于不同背景和身份的人持有接纳态度。最重要的是，深圳的快速经济发展和产业升级需要多层次的劳动力市场，包括灵活的非正规就业形态，以适应制造业和服务业对临时工或短期工的需求。如前文所说，三和大神是一种流动的身份，他们曾是，未来也可能是可用的劳动力。

最后，我想分享在田野过程中我个人的独特体验。

女性困境

在网络上有大量的工厂招工视频都是以女性当作诱饵进行引流，女性被物化的问题在务工群体展现的更加裸露。

而在现实中：龙华汽车站的男女比例为9:1，在这里女性最多的地方是中介公司的门口（中介公司95%的员工是女性）。

在龙华汽车站调研的全过程，无时无刻感受到来自男性的凝视，或许是好奇，但更多是女性作为第二性，男性作为观看和凝视的第一性对年轻女性的审视。

由于时间问题，我的分享就在此结束，谢谢各位。

感谢黄孙权教授、王婧洁、任柄霖、江子祎的拍摄，仝昭祥的模型建造。

问答讨论

杰森·文森特·A·卡巴内斯（Jason Vincent A. Cabañes）：谢谢你的演讲，非常有趣。我有一个问题很好奇。去年我在上海呆了一段时间，发现现金变得很难使用，几乎所有的货币交易都变成了数字化的。所以我很好奇，你提到的汽车站，那里是否也采用数字化货币交易？还是使用现金支付呢？因为你说到汽车站就像一个完整的生态系统。也许他们不需要使用数字交易，但我还是很想了解他们是如何支付和消费的。

韩佳欣：中国的数字支付已经很普及了，所以在龙华汽车站，现金交易和数字交易是同时存在的。

汤姆·麦克唐纳（Tom McDonald）：你在讲述的过程中用“黏性的”来形容龙华（汽车站），这很有趣。我们经常说微信是一个黏性的平台，因为你可以在那里做任何事，一旦你进入这个平台便很难再出来了。所以我想知道龙华汽车站是一个平台吗？ 我们可以这样想吗？

韩佳欣：我认为可以这么说，龙华汽车站是一个招聘市场，是一个找工作的平台。除了现场招聘之外， 现在很多中介公司会利用社交媒体，而且就是用微信，比如说建微信群，通过抢红包的方式或者每天更新信息的方式去维系他的用户群体。而且，那边有很多骗子中介，所以它虽然是一个平台，但其安全性并不可靠。

青年学者介绍

韩佳欣，现居杭州。中国美术学院跨媒体艺术学院网络社会研究所研究生。内容生产者，热衷于从日常生活中提取被隐藏的问题。

]]>网络社会研究所第九届网络社会年会 研究生论坛｜创新还是仿造？重思“山寨（SZ）”的转变2025-04-09T00:00:00+00:002025-04-09T00:00:00+00:00https://nodebe4.github.io/opinion/2025-04-09/%E7%AC%AC%E4%B9%9D%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%20%E7%A0%94%E7%A9%B6%E7%94%9F%E8%AE%BA%E5%9D%9B%EF%BD%9C%E5%88%9B%E6%96%B0%E8%BF%98%E6%98%AF%E4%BB%BF%E9%80%A0%EF%BC%9F%E9%87%8D%E6%80%9D%E2%80%9C%E5%B1%B1%E5%AF%A8%EF%BC%88SZ%EF%BC%89%E2%80%9D%E7%9A%84%E8%BD%AC%E5%8F%98
网络社会年会

第九届网络社会年会 研究生论坛｜创新还是仿造？重思“山寨（SZ）”的转变

2025-04-09

文 / 姜奕竹，李程锦

751742746075_.pic_hd

图1：现场演讲图片

“山寨”一词在手机产业中的使用，最初源于一些未获正式牌照的生产商在产品上标注“Made in SZ”，用以指代深圳制造。由于“SZ”在发音上的谐音关系，该词逐渐被戏称为“山寨”，并广泛用于描述一类非主流、非正规品牌的产品。而随着时间的演变，“山寨”逐渐成为一种独特的技术文化现象，在一定程度上反映了发展中国家追赶发达国家的技术差距。在缺乏自主创新能力的情况下，模仿和复制成为一种快速获取技术和经验的途径。

本研究以山寨手机为切入点，对”山寨”现象进行初步分析，以重新审视“创新”的意涵，探讨技术发展与社会需求之间的动态关系。重新理解作为特定技术文化的“山寨”，是如何在政策变化与产业集群效应的暗涌下，成为中国特殊的文化空间及群体网络合力编织的创新系统。

目前大多对“山寨”的分析常将其定位为仿冒品（Counterfeit Products）或假货（Fake Stuff），忽视了其背后复杂的社会互动关系与非主流范式的创新意义。这种看法强调“山寨”的实用性与低成本，却未能理解其在特定社会经济结构中的高适应性与灵活性。在此意义上，“山寨”现象不仅挑战了以原创性和知识产权为核心的主流创新范式，也为我们理解全球南方在技术体系中的另类实践提供了理论上新的可能性。

截屏2025-03-24 00.07.45

图2：早期中国手机发展过程

早期的中国手机制造业的发展依赖于引进外资和技术，1980深圳特区成立，其中港资企业和国有企业扮演着重要角色，特别是在香港“三来一补”政策下电子工业向深圳转移。90年代末的合资企业模式，使得国内企业得以学习国外的生产技术。到了1998年国家出台《关于加快移动通信产业发展的若干意见》，政策要求手机生产从1999年起，信息产业部停止发放外资手机生产牌照。手机生产必须经过审批，俗称“手机审批制”。该文件还规定，在华外资企业生产手机必须有60%销往海外市场。虽然这项政策使手机牌照成为一种稀缺资源，却无疑推动了国产手机产业的发展。2004年，联发科（MTK）推出的开钥匙方案（Turn Key solution）为手机生产提供了更灵活的解决方案，极大降低了生产手机的难度与成本，使得更多小型厂商能够参与生产。IDH公司的出现，通过提供公板和公模降低集成商的定制成本，进一步促进了手机制造产业链的分工合作。2005年，中国手机生产开始采用“核准制”，进一步放开了手机生产许可证和市场准入的限制。但由于牌照的申请条件苛刻：2亿元人民币准入资金以及硬性设备条件。出现了一些生产企业不愿意花钱去买牌照，但又垂涎于当时国内超过8000万台/年的巨大手机市场，最后只能通过灰色渠道进入市场，大量借牌、贴牌、冒牌甚至假牌的黑手机也随之出现，由此形成黑手机最大的来源。在深圳的华强北成为山寨机的主要发源地，吸引了无数希望创业的人涌入。值得一提的是，因为当时政府对手机制造实行牌照核准制，这些没有手机牌照的生产商就在手机上刻上“Made in SZ”。这一状况直到2007年，中国国家发展和改革委员会和工业和信息化部取消了手机生产核准制。由此，生产手机的门槛在法律许可层面降低了，进一步促进了手机产业的增长，山寨手机产业也迎来了“爆发”时期。

山寨手机最初是对诺基亚或三星等品牌产品的仿冒品，使用如“Nokir”、“Samsing”等商标。可以说，“廉价”是山寨手机最重要的特点之一。大分山寨机市场售价千元不到，几乎为同时期品牌手机价格的十分之一。另一方面，在软件与硬件条件有限的条件下，山寨手机厂商在设计外观与选择匹配主板的过程中极具想象力，回应着下游消费人群的各色需求。一部山寨机拥有超大屏幕、超长待机、双卡双持、MP3、MP4、蓝牙、拍照、电子书于一体还只是标配功能，更有“轰天雷”“炫酷跑马灯”、“香烟手机”、“跑车手机”，“手表手机”等各种充满奇思妙想的“个性推荐”。对于消费者而言，购买一个仿制品（Counterfeit products）时，购买的不仅是物品本身的使用价值，更是围绕原有物品的名字所建构起来的所有意义和象征意义。在这一文化象征意义层面上，技术或美学的修改赋予它们自己的身份（identity）。山寨并不止于简单复制或者仿造，而是基于技术创新和成本控制的再创造，它在某种程度上也包含了改进和适应本地市场需求的过程。可以说，山寨重新诠释了大众的需求与愿望。

图3：部分山寨手机展示，图源网络社会研究所“文化与技术三部曲”项目“深圳 世界工厂”。

山寨手机生产过程具有高度灵活性和快速响应市场变化的特性。在“公板公模”（不同制作商沿用同一种主板或技术模块）的生产模式和华强北齐全的产业链优势下，山寨手机制造商能够快速响应市场变化，在30-45天左右即可将产品从概念推向市场，后续生产和投入市场甚至只需14天，这与主流公司3-6个月的研发周期形成鲜明对比。 下面这张图描述了山寨手机的产业链路径以及大致的生产成本。

图4：山寨手机产业链路径及各流程成本

联发科（MTK） 芯片技术的兴起导致了独立设计公司 (IDH) 的出现，这些公司专门将联发科（MTK）芯片组和其他组件集成到主板上。独立设计公司将这些主板出售给手机制造商，通常作为参考设计，除非集成商支付定制版本费用或保证高销量。然后集成商可以专注于手机设计和模具开发。相比之下，正规品牌手机由于研发周期长和法律限制，生产低价、快速适应市场的产品较为困难。因为这不仅从研发、生产到投入市场需要经历漫长的周期，在研发设计会投入巨额资金，而且在当时，合法生产手机要有发改委核准的手机牌照，还需缴纳高达17%的增值税与额外销售税。而根据对山寨机商户的访谈，制造山寨手机不仅省去大笔上述成本，下游庞大的需求市场使之无需考虑付出高昂广告费，通过互联网（如：QQ群聊以及在线社区）和店铺布置即可吸引大量顾客和经销商。另外，为了适应中低端市场的需求，山寨手机制造商会尽可能采用低成本的配件，并寻求质量与成本之间的最佳平衡点。根据走访过程中对商户的调研，基本上一台山寨机生产成本可以控制400元左右，其中：模具费是20元，具有MP3、MP4、百万像素拍照等基本功能电路板制造成本约200元，充电器、摄像头、键盘、光盘等包装配件在内的制作成本约110元，每个加工成本大概在17到20元之间，手机外配，一套平均包装成本约50元。

2008年6月10日，CCTV-2的「经济半小时」以《揭秘山寨机》主题，报导了中国大陆山寨机的现象。但就当时来说，官方的态度是模糊不清的，明面上以保护知识产权为由，多次对山寨手机生产持打击态度。与在这些打击行动并行发生的，是山寨产业从业者们开始寻求生产的合法化转型，山寨产品也开始走向了品牌化。与此同时，官方更倾向于默许这种现象，甚至推行相关制度，帮助山寨公司取得合法牌照。

在2000年左右许多国内外企业开始关注这些非正规产品对品牌和市场的影响，并对山寨手机的公司提起了知识产权诉讼，强调侵犯了其商标和设计专利。知识产权法通过将文化形式客观化和具体化，实际上限制了文化符号的多重意义。知识产权的运作机制使得商标这类符号的含义趋于固定，而这种固定往往具有永久性。结果是，符号的经济价值越高，其所获得的法律保护也越强。这不仅提升了符号的市场地位，还让权利拥有者在竞争中处于无风险的位置，从而获得更可观的经济回报。西方知识产权法律体系的建立，使大量非物质事物成为可私有化的资产，明确划分了知识产权拥有者与那些未被纳入创作体系、也未参与知识生产过程的“他者”之间的界限，但这一过程中却掩盖了其背后的权力结构。

在全球化语境中，如何界定“真”与“假”的边界？谁拥有创作的权力？谁被归类为模仿者？我们应如何定义“正品（original stuff）”？“知识产权”作为制度性建构，其正当性如何被自然化？对原型（prototype）的追溯，是否反而陷入由掌握象征资本并据此构筑权力结构者所设下的认知陷阱？(Yi-Chieh Jessica Lin, 2011)本文旨在拓展价值与原创性的空间维度与文化经验，回到中国语境，重新审视“山寨”如何在特定社会实践中被重新设计、重新定义，并由此促使我们对“创新”本身进行反思。若从价值判断的角度审视创新，“山寨”能否被视为创新，取决于我们对“创新”的定义。如果将创新局限于技术层面的前沿突破，山寨显然不符合这种狭义理解；然而，若将创新理解为回应特定市场需求、对现有技术的有效转化与本地化优化，则山寨在某些场景中确实构成了一种实践性的创新形态。

经济学常将山寨创新与“足够好创新“（good-enough innovation）进行类比，将山寨理解为模仿现有技术或产品的再开发过程。(Shin-Horng Chen, 2013; Shin-Horng Chen & Pei-Chang Wen, 2016)在这个过程中，“足够（enough）”的低廉价格和“足够”的类似功能，在低端市场中得到了热烈的响应。这一技术创新的思考路径，平滑地默认了创新是市场的养料，更是资本流通的催化剂，进而强化了创新经济的传说，忽视了创新本身是高度集体创造的积累过程，它并不单纯仅靠国家与市场的力量发生。事实上，尤其在创新初期，需要大量成本进行试错，更需要社会集体承担相应的偶然性和风险，在2000年初中国手机产业发展的这一时期，山寨手机商户正是国产手机自主创新前期的风险承担者。

图5、6：华强北市场中商铺展示的手机，作者拍摄于2024年7月田野期间。

我们在华强北田野研究期间，对曾在华强北赛格广场的山寨手机制造商进行了一系列访谈。据访谈对象描述，那时深圳华强北“一米柜台”租金一个月高达万元，赛格广场摩肩接踵，华强北电子市场络绎不绝，簇拥着来自全国各地电子市场省级、地级代理商，个体户、夫妻店、家族企业组成的营销网络。作为汇聚大量年轻外来劳力的“活力之城”，华强北的“全产业链”发挥着灵活与快速汇集生产资源的优势，在这里，任何手机配件都可以轻松找到数十家供应商，这恰恰弥合了山寨手机产业的生产模式，二者相辅相成，构成了高效率、低容错的生产网络。

提及当时华强北繁杂混乱、百家争鸣的山寨手机产业，他们大都认为山寨手机并非模仿和抄袭的产业，并表示：“创新与功能恰恰是整个山寨手机产业最重要的竞争力。”比如，走访对象徐总的公司当时在专注制造老人机，在极有限的技术条件与高度不确定的市场环境中，费力构想老年手机绑定子女电话的功能——一旦老人跌倒，可以通过手机一键联系到子女——这却是如今许多号称人性化设计的智能手机尚未具备的创意功能。

如果将山寨手机理解为是一种特殊的生产模式，通过方案设计以解决特定群体的现实需求是这种生产模式的核心，那么这个过程是否可以被我们视作一种创新系统呢？在“山寨”从草根创造力和反叛精神转变为全球企业竞争中的复制品的过程中，发生了什么？如何理解“山寨”这种创新系统，其中不同本土参与者为低成本、高效率、垂直整合的制造和分销所做的努力？参与者投入山寨手机产业的动力是什么？最重要的是，这种独特的技术文化如何被网络社会的状况所形塑？这一系列问题我们希望可以在后续的研究中继续回答。

2007年，乔布斯在苹果公司首次发布iPhone时掷出宣言：“Let there be an iPhone”，自此，关于手机这一技术物的外观与用途的想象似乎被封存于iPhone的范式之中，使其成为某种“终极设备”（the only one device）。然而，这种技术物想象的单一叙事，是否真是通往未来的唯一路径？尽管我们熟知硅谷塑造的技术神话，却鲜少反思为何只有这一种叙事被允许书写进主流历史之中。今日，我们试图挪用这一宣言式的语气，说出另一种可能：“Let there be a SZ”。创新很难避免依赖既有的发展路径，当历史巧合赋予某种创新先入为主的优势，那么随后的创新只延续这类产物的改进。（Mazzucato, 2020）。一旦科技公司与风险投资发现某类创新具备商业扩展的潜力，便会推动其进入应用场景，并由此开启围绕用户偏好的一轮又一轮产品迭代。这一逻辑在一定程度上塑造了我们关于手机的日常经验：我们理所当然地将从功能手机到智能手机的跃迁视为大型科技企业、创投资本与国家科研机构主导的线性技术进步，由此巩固了一种关于“创新”的单一叙事，也赋予这些力量定义“创新”本身的权力。

山寨机翻转了这种技术神话下的创新意涵，让我们重新想象技术发展的另一种路径。它触及了某种在“全球资本主义市场和国家干预机制”之间的模糊地带。它不可避免地正统西方创新设计的标准。在品种繁多、功能齐全的山寨手机中，我们发现“山寨”滋生了一种有别于西方主流创新产业范式的创新：在特定空间、制度与草根的混合下，山寨以几近现实主义的方式，探索“低成本”、“低科技”对“生产能力”的重构，以实现更多人对技术的需求。经由大众文化的集体力量重新参与、编织了社会权力结构，在一定程度上有能力抗衡了国家与市场无法保护的部分。技术创新不仅是技术本身进步与否发的问题，更是如何更持续、更接近人们需求的社会问题，它涉及掌握技术的权力如何在社会层面分配和重构。山寨手机这种另类的创新范式，并非按西方发达政治经济体为中心的资本商业模式生长，而触及被主流技术史忽视的、一种可以被称之为“人民的技术实践”如何可能的关键时刻。

因此，尽管山寨手机表面上是国家与市场力量共同塑造的产物，重新审视这一复杂历史切面却能发现：山寨手机产业及其技术文化，实则拓展了更广泛群体接近通讯、娱乐及满足日常生活需求的可能性。这一草根文化所体现的集体实践，重新介入并织构了社会权力的分配逻辑。在国家政策与市场机制尚未充分介入或保障的空白地带，民众的具体需求在情境中汇聚与扎根，充分激发了在地的技术与社会潜能。正是在山寨文化的生成过程中，社会性的力量由此发生了。(邱林川, 2009)

参考文献 ：

Angharad Valdivia, Cara Wallis, Jack Qiu, & Rich Ling. (2012). Mobile Handsets From The Bottom Up . https://doi.org/10.1002/9781444361506.wbiems149

Dan Mu. (2024). Shanzhai as a Pluriversal Praxis: Challenging Western Design and Innovation Paradigm. DRS Biennial Conference Series . https://dl.designresearchsociety.org/drs-conference-papers/drs2024/researchpapers/4

Esther Salvi, Frank-Martin Belz, & Sophie Bacq. (2023). Informal Entrepreneurship: An Integrative Review and Future Research Agenda. Entrepreneurship Theory and Practice , 47 , 265–303. https://doi.org/10.1177/10422587221115365

Fan Yang. (2016). From Bandit Cell Phones to Branding the Nation: Three Moments of Shanzhai in WTO-era China. Positions , 24 , 589–619. https://doi.org/10.1215/10679847-3618141

J Qiu & Cara Wallis. (2009). Shanzhaiji and the transformation of local mediascape in Shenzhen .

Jin-Li Hu & Hang Zhu. (2011). The business model of shanzhai mobile phone firm in China. Australian Journal of Business and Management Research , 1 . https://doi.org/10.52283/NSWRCA.AJBMR.20110103A05

Loren Brandt & Eric Thun. (2011). Going mobile in China: Shifting value chains and upgrading in the mobile telecom sector. International Journal of Technological Learning, Innovation and Development , 4 (1/2/3), 148. https://doi.org/10.1504/IJTLID.2011.041903

Ludovico Alcorta, Mark Tomlinson, & An Tong Liang. (2009). Knowledge Generation and Innovation in Manufacturing Firms in China. Industry & Innovation , 16 (4–5), 435–461. https://doi.org/10.1080/13662710903064109

Martin Šebeňa. (2023). Technological power: Can China innovate? In Contemporary China . Routledge.

Mei Wu & Hongye Li. (2010). The Triumph of Shanzhai: No Name Brand Mobile Phones and Youth Identity in China. Global Media Convergence and Cultural Transformation: Emerging Social Patterns and Characteristics , 213–232. https://doi.org/10.4018/978-1-60960-037-2.ch015

Mei-Ling Huang. (2013). 中國大陸白牌手機廠商之研究. 交通大學企業管理碩士學程學位論文, 1–34. https://doi.org/10.6842/NCTU.2013.00283

Michael Keane & Elaine Zhao. (2012). Renegades on the Frontier of Innovation: The Shanzhai Grassroots Communities of Shenzhen in China’s Creative Economy. Eurasian Geography and Economics , 53 , 216–230. https://doi.org/10.2747/1539-7216.53.2.216

Ming Dong & Stephen Flowers. (2016). Exploring innovation in Shanzhai: The case of mobile phones. Asian Journal of Technology Innovation , 24 (2), 234–253. https://doi.org/10.1080/19761597.2016.1176864

Shin-Horng Chen. (2013). China’s good-enough innovation: Shanzhai handsets and shanzhai economy (pp. 169–188).

Shin-Horng Chen & Pei-Chang Wen. (2016). The Evolution of China’s Mobile Phone Industry and Good-Enough Innovation (pp. 261–282). https://doi.org/10.1093/acprof:oso/9780198753568.003.0010

Silvia Lindtner, Anna Greenspan, & David Li. (2015). Designed in Shenzhen: Shanzhai manufacturing and maker entrepreneurs. Proceedings of The Fifth Decennial Aarhus Conference on Critical Alternatives , 85–96. https://doi.org/10.7146/aahcc.v1i1.21265

Silvia M. Lindtner. (2020). Prototype nation: China and the contested promise of innovation . Princeton University Press.

Yongjiang Shi & Ke Rong. (2010). Shanzhai manufacturing and its network behaviors. IEEM2010 – IEEE International Conference on Industrial Engineering and Engineering Management , 2183–2187. https://doi.org/10.1109/IEEM.2010.5674567

何春蕤. (2011). 山寨中國. 文化研究, 2 , 262–266. https://doi.org/10.6752/JCS.201109_(12).0013

余立乾. (2010). 山寨手機的供應鏈分析. 清華大學工業工程與工程管理學系工程碩士在職專班學位論文, 1–73.

保跃平. (2012). 社会学视野下的 “ 山寨 ” 现象研究 [硕士, 云南民族大学]. https://kns.cnki.net/kcms2/article/abstract?v=UJxGsw0MzDHZVkDTqIPzvaZyP_MT4gMktpbUwv7g96xfmpxkWl_Fzku8fLQD-2oE3JvkFSQiRt39PqgbgiE8ewXa-cFJYvat5JP7TMJFWqGIGr4SiFcEr4veK4lQP3NYPO-W3mcMqBYYqLvEzSZvOZ3189gp5qQdXZ4U-3Kwxu10f3oguldYe8JNVf_k4Mp9IANeiN2Ejl0=&uniplatform=NZKPT&language=CHS

傅懷毅. (2010). 以山寨手機的發展模式及創新理論探討山寨筆電的發展策略. 淡江大學管理科學研究所企業經營碩士在職專班學位論文, 1–87. https://doi.org/10.6846/TKU.2010.00376

吴玫 & 李红叶. (2010). 山寨的凯旋:山寨手机与中国城市青年. 中国网络传播研究, 0 , 147–171.

姜仁成. (2010). 中國山寨手機產業結構與營運模式分析. 國立臺灣大學高階公共管理組學位論文, 1–88. https://doi.org/10.6342/NTU.2010.10020

張欽益. (2012). 從垂直分工的理論探討小品牌的生存之道-以山寨手機為例. 中央大學產業經濟研究所學位論文, 1–95.

李仁芳, & 高鴻翔. (2011). 快速試驗、精簡多餘、靈活整合的山寨創新學－以中國大陸山寨手機廠商為例. 中山管理評論, 19 (3), 557–595. https://doi.org/10.6160/2011.09.02

李明翰. (2011). 中國山寨機的發展與兩岸產業分工模式分析. 淡江大學中國大陸研究所碩士班學位論文, 1–94. https://doi.org/10.6846/TKU.2011.00371

杜欣霏. (2011a). 山寨機的技術與政治. 清華大學社會學研究所學位論文, 1–92. https://doi.org/10.6843/NTHU.2011.00380

杜欣霏. (2011b). 山寨機的興起與衰退：中國電信產業之策略思維. 臺灣大學國家發展研究所學位論文, 1–45. https://doi.org/10.6342/NTU.2011.10396

林士揚. (2010). 草根創新：中國大陸的山寨手機. 清華大學經營管理碩士在職專班學位論文, 1–80.

潘九堂, 刘辉, & 袁泉. (n.d.). 深圳山寨手机生产体系的起源和竞争力分析 .

蔡佩穎. (2009). 中國大陸手機市場後進廠商的突圍策略－以聯發科及天宇朗通為例. 清華大學科技管理研究所學位論文, 1–68.

諸葛俊. (2016). 中國大陸山寨文化形成的社會微觀：從深圳山寨手機銷售網絡到社會移民的形成. 國際文化研究, 12 (1), 89–122.

謝宏仁, 劉書羽, & 辛年豐. (2012). 從中國山寨手機產業看「發展型國家理論」之中央與地方政府關係. 東亞研究, 43 (2), 59–99. https://doi.org/10.30402/EAS.201207_43(2).0002

邱林川. (2009). 網絡時代的「山寨文化」. 二十一世紀, 12 , 121–129.

邱林川. (2013). 信息时代的世界工厂：新工人阶级的网络社会 . 广西师范大学出版社. https://book.douban.com/subject/25723889/

陈绍勇. (2013). 山寨手机产业链竞争力分析 —— 以天语手机品牌创建为例 [硕士学位论文, 电子科技大学]. https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CMFD&dbname=CMFD201302&filename=1013149485.nh

青年学者介绍

姜奕竹，中国美术学院网络社会研究所硕士在读，研究兴趣主要聚焦于当代数字艺术、科学技术研究（STS）以及数字基础设施。关注技术与社会之间的关系及其在艺术实践中的表现形式。

李程锦，目前硕士就读于中国美术学院网络社会研究所。

]]>网络社会研究所第九届网络社会年会 研究生论坛｜数字殖民主义下的全球南方：消失的社交媒体和中国启示2025-04-09T00:00:00+00:002025-04-09T00:00:00+00:00https://nodebe4.github.io/opinion/2025-04-09/%E7%AC%AC%E4%B9%9D%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%20%E7%A0%94%E7%A9%B6%E7%94%9F%E8%AE%BA%E5%9D%9B%EF%BD%9C%E6%95%B0%E5%AD%97%E6%AE%96%E6%B0%91%E4%B8%BB%E4%B9%89%E4%B8%8B%E7%9A%84%E5%85%A8%E7%90%83%E5%8D%97%E6%96%B9%EF%BC%9A%E6%B6%88%E5%A4%B1%E7%9A%84%E7%A4%BE%E4%BA%A4%E5%AA%92%E4%BD%93%E5%92%8C%E4%B8%AD%E5%9B%BD%E5%90%AF%E7%A4%BA
网络社会年会

第九届网络社会年会 研究生论坛｜数字殖民主义下的全球南方：消失的社交媒体和中国启示

2025-04-09

文 / 许可

图 1：现场演讲图片
</img>

在传统殖民时期，西方国家在他国进行殖民统治时，常通过建造具有自身文化风格的建筑以体现其权力延伸。例如，在中国，这些区域被称为租界，包括法租界和英租界等。随着网络时代的到来，人类在虚拟社交媒体空间上所花的时间越来越多，传统的建筑空间也演变为Facebook、X（Twitter）、Instagram等数字社交媒体空间。

Michael Kwet发表的文章《数字殖民主义: 美帝国与全球南方的新帝国主义》（Digital colonialism: US empire and the new imperialism in the Global South）是讨论“数字殖民主义”的开创性学术文章之一。他提出，数字殖民主义是全球北方（尤其是美国）通过跨国科技公司的垄断性控制和技术主导，在全球南方重塑帝国式权力的不平等关系。其核心是通过数字技术、数据和基础设施的控制，实现对资源、经济、政治和文化的全面支配，从而延续和强化传统殖民主义逻辑。

在对社交媒体的研究过程中，我试图探寻一个关键问题：全球南方本土有哪些因为这种数字殖民主义消失的社交媒体平台？

值得注意的是，东南亚部分国家曾存在过具有本土特色的社交媒体平台。这些平台在其诞生初期确实在当地或区域范围内拥有一定的用户基础。然而，它们却在全球化的数字生态中逐渐式微。

Zingme是一款社交网络，2009年诞生，由越南科技独角兽 VNG开发，Zingme由越南人自己创建，它的诞生被认为开启了越南社交网络发展的时代，曾是越南访问量最大的社交网络，也是许多越南人的青春记忆。

截屏2024-11-21 10.18.59
图 2：2011年越南社交媒体平台用户数量对比
图片来源：DATAREPORTAL, Digital 2011: Vietnam
数据来源：最新网站报告指标，截至 2011 年 11 月。数据代表总用户数；实际活跃用户数可能较低。
</img>

2012到2013年，Zing Me达到了用户每天能创建 500万个内容的里程碑。然而，Zingme的辉煌并没有持续太久。一份数据显示：仅仅一年内，越南的 Facebook 用户就从290 万跃升到超过850 万，增长了近200%。2012年，Facebook 超越Zing占据了越南社交网站的榜首位置。

截屏2024-11-21 10.20.30
图 3：2012年越南社交媒体平台用户数量
图片来源：DATAREPORTAL, Digital 2012: Vietnam
数据来源：DOUBLECLICK ADPLANNER（2012 年 6 月，摘自 VIETNAMNET BRIDGE）

随着Instagram、Twitter等更多国外社交网络的到来。Zing Me无法参加竞争，多年内只能勉强存活。2020年，陪伴越南人民10年的Zing Me正式停止运营。而同系列的Zing Video也因为VNG公司避免与Youtube竞争的策略而在2013年关闭服务。

非洲曾经有过一些本土的社交媒体尝试，例如MXit，这是一个南非的即时通讯平台，于2005年推出，并在非洲多个国家广受欢迎。鼎盛时期，该平台拥有超过5000万注册用户，每天有数百万活跃用户登录。

Mxit 对南非社会的影响是深远的。对于许多千禧一代非洲年轻人来说，这是他们第一次接触互联网和数字社交。2009年，在《星期日泰晤士报》下一代调查中，Mxit 在南非“最酷网站和社交网络”类别中还击败了Facebook和Google。

截屏2024-11-21 14.47.32
图 4：MXit鼎盛时期南非社交媒体平台用户数量对比
图片来源：CNN 美国有线电视新闻网，信息图由 Stephanie Busari 和 Te Kermeliotis 制作
资料来源：Mxit 和 World Wide Worx 由 Afrographique 设计
截屏2024-11-24 17.38.53
图 5：Mixt的用户界面

然而，随着智能手机的普及和Facebook、WhatsApp等国际平台进入市场，竞争愈发激烈，MXit没有做到跟随时代迭代更新，导致其用户群大幅下降，最终于2015年关闭。MXit表示，当它最终关闭时，其每月活跃用户已降至120万。此时，WhatsApp在南非拥有1000万用户，Facebook拥有1300万用户。

Hike Messenger是印度本土开发的即时通讯应用，成立于2012年，旨在与WhatsApp和Facebook Messenger等国际平台竞争。它曾一度获得印度市场的关注，并在2016年达到超过1亿用户的高峰。

Hike在产品设计上强调本土化，提供了对多种印度语言的支持，这使得用户能够以他们熟悉的语言进行沟通。它在印度的节日也会推出特别的主题和贴纸。

截屏2024-11-24 17.41.45
图 6：Hike贴纸每周活跃用户数据（2019年4月—2019年12月）

2016年1月，Hike Messenger试图在Facebook平台上投放广告，以推广其即时通讯应用并吸引更多用户。但Hike的发言人在接受采访时表示，Facebook屏蔽了他们广告中的一个选项，阻止用户访问Hike的官网。后来，随着WhatsApp在印度农村市场的迅猛扩张，加上Hike因为定位人群过于狭窄，很快就难以应对全球平台的竞争。

截屏2024-11-24 17.42.56
图 7：Whatsapp 在印度农村和城市的使用情况（2017 年和 2018 年）
图片来源：Medium， Shubham Shrivastava 《Why Hike Messenger Failed? A Mammoth Case Study of India’s Messaging App》
数据来源：Lomti-SCDS MOTH surveys

2021年，Hike宣布关闭其核心通讯功能。Hike的创始人兼首席执行官当时发言称印度不会有自己的即时通讯应用，因为全球网络效应太强大了，除非印度禁止西方公司。

截屏2024-11-24 17.46.42
图 8：Hike创始人兼首席执行官的推文

Hike为什么会失败？难道它真的比WhatsApp差吗？Zingme、MXit这些消失的本土社交媒体就一定比Facebook、Twitter等等差吗？我认为不是的。比如Twitter的字数限制就不会根据不同语言做出调整。

Facebook于2010年进入缅甸市场，其平台在缺乏有效本地化策略的情况下迅速扩张，成为缅甸主要的信息传播媒介。然而，Facebook在这一过程中严重低估了缅甸社会语言与文化的复杂性，并未采取足够措施应对种族与宗教紧张局势。平台仅雇用一名会讲缅甸语的员工负责内容审核，对缅甸超过100种其他通用语言视而不见。这种审查机制的缺失导致煽动性内容和虚假信息迅速传播。《自由的窄廊》里评价：

……殖民列强的间接统治，这些强权设立了貌似现代化的行政结构，同时授予本地菁英以几乎没有限制、也没有社会参与的方式来遂行统治。

社交媒体平台如Facebook、Twitter和YouTube是通过技术优势、资本支持、大量广告投入、全球网络效应以及对数据资源的控制，才能迅速进入全球南方国家的市场，对发展中国家实现一些“降维打击”，导致一些本土社交媒体平台衰落甚至消失。并且，全球科技公司不仅控制了技术平台，还可能通过它们传播和渗透西方主导的文化、价值观和生活方式。

2009年左右，因为Facebook的侵入，香港独立媒体也产生危机，原来百花齐放的状态改变了，讨论被吸引去了Facebook。Facebook吸走了独立媒体的养料，掏空了它的内容。殖民者吸食血肉，被殖民者只能重建骨骼。Facebook永远不缺养料，无数人在提供无偿劳动，但是独立媒体因为讨论者的流失，只能从更专业的角度反击，但更专业就意味着更多的成本，他们为了保持不受资本控制的独立思考，拒绝接受大额捐款，在夹缝中艰难生存。香港独立媒体是香港最重要的社会运动平台，难道我们就要这样把社会运动的巨大能量拱手让给殖民者吗？

截屏2024-11-24 17.50.19
图 9 ：《親密同志 — 香港獨立媒體》纪录片简介

我们可以想象随着社交媒体、流媒体、视频平台等的普及，本地的文化、语言和历史叙述就会慢慢被边缘化或同化，数字技术成为了殖民的工具。

2000年后，中国社交媒体起步时受到海外平台的启发。新浪博客（2004）和人人网（2005）等早期平台侧重社交网络的基本功能，满足了用户表达和交流的需求。本土企业通过对国际成功平台的借鉴快速开发类似功能，并结合本地需求优化。中国本土科技公司也在政策上得到了大量的支持和资本投入，因此能够更好地建立用户基础并迅速迭代和创新。中国庞大的人口和迅速增长的互联网用户以及统一的语言文字，为社交媒体提供了巨大市场。

中国互联网的发展恰逢智能手机普及，本土平台迅速采用移动优先策略，开发轻量化、易用的移动端产品。同时这些平台也充分考虑到了本土用户的行为习惯和文化特点，设计出更加契合本地需求的产品。例如，微信的红包功能和表情包文化，抓住了中国社交习惯中的人情往来和娱乐需求。并且，微信将传统关系网络（如“熟人圈”文化）数字化，获得了广泛认可。本土平台深刻理解中国用户的社交习惯和文化需求。

随着智能手机的普及，短视频成为主流内容形式。快手（2011）和抖音（2016）通过精准算法和用户生成内容迅速占领市场。在这些过程中，虽然有些平台因为无法跟上时代潮流而衰落了，但是很快会有新的本土社交媒体补上市场空缺。本土平台之间的激烈竞争（如美团与饿了么、淘宝与京东）促使企业不断提升服务质量和用户体验。

目前中国已经不满足于在本国推进社交媒体平台的发展了，正在建设的数字丝绸之路，通过“一带一路”和华为、中兴等企业在多个国家和地区投资光纤网络、数据中心、5G技术等基础设施。这为这些国家提供了更多的选择，使它们不再完全依赖西方的技术和公司来接入互联网，从而在数字经济中获得更大的自主权。建设数字丝绸之路过程中中国的理念、原则以及实践路径，为南亚国家缩小与弥合数字鸿沟提供了历史性机遇。

china-digital-silk-road-trade-1-hinrich-foundation
图 10：建设数字丝绸之路
图片来源：MERIC墨卡托中国研究中心

例如中国—东盟的“数字丝绸之路”建设：中国积极参与东盟国家的信息基础设施建设，包括国际海缆、光缆、卫星系统和数据中心的建设，推动“海陆空”信息通道的建立。其中，中国—东盟信息港项目成为双方数字经济合作的重要标志。

eb21d470db4ab16e11e4749439065001
图 11：东盟智慧城市试点
图片来源：欧亚集团《数字丝绸之路：拓展中国的数字足迹》（The Digital Silk Road: Expanding China’s Digital Footprint）报告
数据来源：ASEAN

中非“数字丝绸之路”建设也在通信网络和数据中心领域取得显著成果，通过与华为、中兴等中资企业合作，非洲实现5G网络的率先部署。例如，2019年南非率先推出商用5G网络，随后在2020年完成独立组网与无线路由器的开发，并进一步扩展至摩洛哥等国家，推动本地数字生态系统建设。

网络自由活动组织权利开放集团（Open Rights Group）也曾说：“津巴布韦、吉布提还有乌干达等国家并不想加入一个不过是能上Google和Facebook的互联网。”而中国在实践和推行的就是这件事，没有一个国家想让自己受到殖民，即使是网络空间。

城市权（Right to the city）是列斐伏尔在1968年出版的书中首次提出的概念和口号，公众不仅能够真正使用所谓的公共空间，而且有权利去建设用于社会化和政治行动的新的共享空间。我想快60年过去，我们的“身处此地”已经慢慢开始变为互联网这个空间，那我们是不是可以开始思考社交媒体权（Right to the social media）是什么？

左翼的批判地理学家们将城市理解为革命的基地，如今社交媒体成为另一处革命基地。2010年的阿拉伯之春、Black Lives Matter、#MeToo运动似乎让我们觉得这些资本家创造的社交媒体是社会进步的标志，似乎这就是社交媒体权了。但是社交媒体之前，难道就没有变革的力量了吗，数字的社媒之前有简讯，简讯之前有报纸，我们一直有革命的力量，这不是“先进”的社交媒体或是“先进”的技术赋予我们的。社交媒体权是我们这一代“数字原住民”（Digital Natives）需要终身寻求的答案。

截屏2024-11-24 17.56.46
图 12

贝尔纳·斯蒂格勒（Bernard Stiegler）说：“技术既是解药，也是毒药。”技术创造了新环境，就像网络空间，但是社交媒体会让我们变得麻木且依赖，就像我的导师黄孙权教授曾说，我们要在变得麻木且依赖之前，对抗习惯了的刺激与技术的摆布，勾勒新世界的社会导航图谱。《权力与进步》（Power and progress: Our thousand-year struggle over technology and prosperity）里写：愿景就是力量，力量就是愿景。但是新世界是什么样子的？社交媒体权要实现的是什么？其实我也不知道。但我知道的是，由谁提出新的社交媒体、新世界的愿景，由谁来勾勒新世界的社会导航图谱尤其重要。

提出新愿景的首先不可能是创立现在这些社交媒体的资本家和精英阶级。爱德华·伯内斯（Edward Bernays）在1928年就写道：“那些支配我们、操纵我们思想、型塑我们品味、灌输我们想法的人，几乎全是我们听都没听过的人。”

所以提出变革新愿景的应该是一直以来被忽略的人，应该是明明占着全球人口的多数，却在社会学上被定义为“少数群体”的人们，比如女性，比如作为全球资本主义“边缘”的全球南方人民。

近期在Telegram上一个通过Deepfake（深度伪造）技术制作、传播韩国女性色情影像的聊天室聚集了20多万男性受众，引发了中国互联网上的巨大讨论。韩国女性甚至到中国的社交媒体微博上来求援。为了对抗Deepfake，帮助韩国女性也是为了帮助我们自己，来自中科院的算法工程师张欣怡参加了全球Deepfake攻防挑战赛并开源AI模型DeepFakeDefenders对抗Deepfake。全球化背景下，中韩女性超越地域限制，建立互助网络，共同对抗不公。技术并非单纯的压迫工具，它也可以成为赋权的手段，凝聚起不同背景下的女性群体。技术的未来愿景不应仅仅服务于经济利益或权力集中，而是可以通过开源和协作的方式赋能个体，服务社会正义。

截屏2024-11-24 17.57.03
图 13

这大概就是我们为了新愿景可以做出的行动的案例。

李飞飞说：“在网际网路时代，我们突然面临图像资料如爆炸般的成长”。我第一次了解到清迈大学是通过中国社交媒体上的这张图像资料。2020年，泰国以青年为主导的示威运动掀起了要求君主制改革和民主化的浪潮。期间，18岁的清迈学生Maynu Supitcha以其在清迈大学举起“三指礼”的形象成为运动的代表性象征。虽然大部分中国人都不知道这张图片的出处，但它在中国社交媒体大量传播，获得大量中国女性的点赞，我们只是被其中的力量所震撼，虽然我们使用着不同的平台，我们用着不同的语言，但这张照片把我们链接在了一起。

截屏2024-11-24 17.57.18
图 14

突破语言、媒体的障碍，中国的千万女性通过一张图片和另一个国度的人民有了一瞬间精神上的共振。或许这就是我们可以开始的地方，可能衍生出新愿景的地方。这张照片的名字叫“你的未来取决于你”（อนาคตของพวกหนูอยู่ที่ตัวพวกหนู)，这也是今天我想说的，让我们来提出新的愿景，我们来做决定者，让我们夺回社交媒体，因为我们的未来取决于我们自己。

青年学者介绍

许可，中国美术学院网络社会研究所硕士在读，本科毕业于南京艺术学院。

]]>网络社会研究所第九届网络社会年会 | 朱飞达：当人工智能遇上Web3：共筑可持续数字经济2025-03-08T00:00:00+00:002025-03-08T00:00:00+00:00https://nodebe4.github.io/opinion/2025-03-08/%E7%AC%AC%E4%B9%9D%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%20%20%E6%9C%B1%E9%A3%9E%E8%BE%BE%EF%BC%9A%E5%BD%93%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E9%81%87%E4%B8%8AWeb3%EF%BC%9A%E5%85%B1%E7%AD%91%E5%8F%AF%E6%8C%81%E7%BB%AD%E6%95%B0%E5%AD%97%E7%BB%8F%E6%B5%8E
网络社会年会

第九届网络社会年会 | 朱飞达：当人工智能遇上Web3：共筑可持续数字经济

2025-03-08

When AI Meets Web3: for Sustainable Digital Economy

年会九演讲视频

文／朱飞达
翻译／田沛松
校对编辑／朱飞达、叶云鹤、郑叶颖

首先，我要感谢黄教授组织了这次精彩的论坛，也感谢怿斯对我的邀请。

现在，我的脑海中仍然充满了刚才听到的精彩概念、想法和对话。前一位演讲者已经为我关于数据货币（data currency）的话题做了很好的铺垫，比如提到不同社群之间对话的互联缺失。我认为这次论坛的美妙之处在于能够汇聚来自不同领域的人。我自己来自计算机科学领域，而在这里，我遇到了来自人类学、社会科学和媒体艺术的学者。我们真的很需要这样的跨领域交流，所以我觉得这是一个非常宝贵的机会。不过，我有些惊讶我们没有安排小组讨论环节，那会是一种更有趣的对话和讨论形式。下次我们可以考虑设置小组讨论环节。明年，如果能在新加坡共同组织这个论坛，我会非常欢迎大家前来。

现在回到我们的话题，我想谈谈作为可持续数字经济的Web3。这涉及另一个关键词——人工智能（AI）。AI对我们至关重要，而有趣的是，这两个词如今引发了诸多困惑。当人们谈论人工智能时，如果你问他们人工智能究竟是什么，你往往会得到极端的答案。但正如我们所知，我们甚至不确定是否已经实现了真正的人工智能，即所谓的通用人工智能（Artificial General Intelligence, AGI）。对于普通人来说，如果通过计算机获取几乎一切信息，这本身已经令人困惑；更糟糕的是，如果你问人们Web3是什么，很多人可能会误以为这只是区块链的一种时髦说法。他们认为区块链等于加密货币，加密货币等于ICO 1 ，而ICO又等于欺诈，因此这几乎意味着人们认为Web3等于欺诈。但实际上并非如此。

今天，尽管我只有不到一个小时的时间，我还是想分享一下我对这一领域的看法。我认为Web3和AI是完美的组合，它们之间并非总是相互排斥。相反，在很多时候，它们能够携手合作，共同创造可持续的数字经济。

截屏2024-12-01 15.40.29

在过去的几年里，人工智能取得了巨大的成就。我想快速回顾一下其主要特征，并探讨为什么这一波人工智能能够再次带来如此多的惊喜。首先，正如我们所知，这些成就主要归功于大数据、大模型以及强大的计算能力。今天，前面的演讲者提到一个问题：如今我们几乎已经耗尽了所有可用的数据。下一步的挑战是，如果我们找不到优质资源来提供新的数据，那么我们现在使用的这些所谓的大模型所能达到的效果将是有限的。因此，下一步该行业的重点将是：如何提取出目前仍存在于我们大脑中的知识。这些知识并非某一领域的专业知识，而是关于这些领域的经验教训，它们仍然深藏于我们的头脑之中。现在，一些好的想法包括开发工具和平台，让我们能够自然地从大脑中提取知识，并将其转化为可用的新数据。

第二点是，将处理单一类型数据的算法工具整合在一起，实现多模态、异质性统一（multi-modal, heterogeneity unified） 2 。回顾人工智能的历史，我们曾为不同领域开发过算法。然而，我们为处理文本而设计的算法，无法处理多媒体或图像；如果我们为数值数据开发了一种算法，那么它对处理网络数据无能为力。如今，AI面临的挑战在于如何通过代币（token）的概念来统一各种数据集。这非常重要，现在我们真正具备跨平台能力，能够处理所有数据，并通过同一个模型统一代币，从而应对各种需求。稍后，我们将再次沿着这一思路探讨为什么代币如此重要，以及它是如何在数据经济中捕捉价值的。因为代币本身是“空”的，这意味着它可以捕捉任何东西。这听起来有点哲学意味——“空”意味着它可以成为任何东西。

第三点是人机交互方式的突破（breakthrough in human-computer-interface）。如果你回顾历史，回到计算机真正流行的时代。在我学习计算机时，从MS-DOS到Windows系统的转变是第一次重大飞跃。当时，人们惊叹道：“哇！我们可以直接通过拖放操作来完成任务，而不是输入命令行。”第二次突破是在人机交互方面，当你需要进行网页搜索时，可以选择使用谷歌搜索，而不是在索引或门户网页（如雅虎黄页）上浏览互联网。第三次突破是GPT的出现 3 ，它真正使计算机能够以最自然、符合人类交流习惯的方式与我们互动。如果让我预测，我会说下一次突破将是当我们真正拥有神经链接时，我们可能会用思想来控制计算机或设备，但这并不是我们今天要讨论的重点。

截屏2024-12-01 21.43.20

我想谈这样一个事实：鉴于上述这些原因，人工智能不断引发讨论热潮。然而，随着人工智能变得越来越强大，我们看到了许多问题，人工智能治理也变得愈发紧迫。当然，这绝不是我们目前面临问题的详尽清单（见上图）。正如前面的演讲者所说，我们不应过于悲观。我们确实有很多理由保持乐观，并且可以提出一些好想法。由于时间有限，我们无法深入探讨每一个话题。我在大学里教授人工智能治理时，每个主题我们实际上都花了一周时间来讨论，例如隐私问题（privacy & security）。

第二个要点——交易的透明性和可验证性（the transparency and verifiability of transaction）。如今，每当我们使用ChatGPT时，人们其实并不清楚它究竟是如何保存我们的数据的。去年，当Sam Altman（即OpenAI首席执行官）来到我们校园时，我问他GPT如何存储用户数据、数据会跨会话保存多久，他给出的回答并不令人信服。因为我们确实看到了一些实例，似乎可以感觉到数据以本不该被保存的方式保存。所以，使用这种大型模型的一个问题是：它集中了计算能力，而我们正在贡献数据。因此，我们确实需要能够验证这些数据。就像在区块链中常说的那样：“不要信任，但要验证”。

此外，公平性和算法偏见问题（fairness & algorithmic bias）也在过去五年里引发广泛讨论。这是因为计算机人工智能正在为我们生活中许多重要事务做出决策，而我们开始质疑这些决策是否真正公平，是否存在偏见。一个非常有趣的例子是，前段时间在美国，一个面部识别算法引发了争议。人们发现，该系统在识别高加索人种的面部时表现极其优异，但在识别非裔美国人的面部时却表现极差。正如我们所知，这在美国是一个极为重要的问题。因此，人们开始调查究竟是什么导致这一问题——他们想知道这是由于系统性算法偏见，还是其他原因所致。最终，调查发现问题并非出在算法本身，因为算法并没有针对任何特定群体。真正的问题在于训练数据：当时用于训练模型的大多是高加索人的面部图像，而非裔美国人的面部图像数量极少。这就是为什么算法最终表现出了这样的偏差。

这进而引发了关于当今数据溯源和模型可问责性（the provenance of data and accountability of model ）的讨论。鉴于人工智能在我们的生活中的重要性，一旦出现问题，我们需要能够追溯数据在整个生命周期中的每一个使用环节。这就是我们所说的数据显著性（data prominence）。不幸的是，在现在的商业环境中，很少有企业在维护数据问题上做了适当的工作。正因如此，几周前新加坡政府出台了一项法律，规定新加坡的每个企业都必须有一个新的职位——数据治理官（data governance officer），以确保有人负责整个企业中的数据管理工作。虽然这一举措现在还处于初期阶段，且执行细节尚待明确，但至少政府已经意识到我们必须这样做。所谓的责任模型（accountability model）就是要求我们参与共同治理，因为我们需要能够决定谁将为这些问题负责。

接下来的两个问题是，大模型的民主化和去中心化（the democratization and decentralization of large models），以及数据、模型和计算能力贡献的公平利润分配（the fair profit allocation for contribution of data, model and computational power）。这实际上是我们今天真正想要讨论的两个主要内容。当我们审视现今的大语言模型时，可以发现它是非常中心化的：整个人类的人工智能只掌握在少数几家公司手中。这非常不利于国家安全，并可能带来很多其他问题。因此，在学术界，我们正在研究如何将大模型的计算去中心化。由于只有少数几家公司有能力负担数十万张GPU卡，然而，如果我们看向大学、数据中心和国家机构，它们各自可能拥有数百张GPU卡。当我们把各方的计算能力汇聚起来时，或许就能实现更多可能。

但随之而来的问题是，我们该如何分配利润？如果要维持系统的运行，我们必须确保每个人都得到公平的回报。这也引出了最后一个问题，即利润分配。举一个例子，未来商业竞争不再仅仅是商业模式的竞争，因为99%的公司会意识到他们将基于GPT能力构建自己的系统。但最终，最重要的是通过业务流程积累的专有数据资产。

假设有五家医院，每家医院都掌握着关于某种疾病的部分数据。但遗憾的是，单凭任何一家医院的数据量都无法训练出一个用于健康领域的GPT模型。然而，如果将这些分散的数据汇总起来，就有可能训练出一个表现卓越的健康GPT模型。假设这五家医院成功地合并了数据，并训练出了这样一个高效的模型，而且该模型创造了可观的收益，比如100万美元。那么，我们马上就会遇到一个棘手的问题：该如何在这五家贡献数据的合作伙伴之间分配这100万美元呢？显然，我们不能仅仅依据数据量的多少来分配收益。例如，如果你贡献了一千条数据记录，而我只贡献了五百条，这是否意味着你应该获得我两倍的收益呢？我可能会争辩说，我的数据在决定模型的关键决策边界等方面发挥了更为重要的作用。因此，我们必须找到一种方法来准确评估每家医院的数据对模型性能的实际贡献。这无疑是一个亟待解决的新问题，我们称之为“数据审计”。其核心思想是，我们是否能够真正衡量出一条数据为模型带来了多少增益，这在未来至关重要。

截屏2024-12-01 22.46.57

所有这些问题促使我们从一个全新的视角去展望未来，其中一个核心特征便是高度合作。我们观察到，计算的趋势正变得越来越分散：如今我们所拥有的所有边缘计算（edge computing）设备，包括手表、手机以及笔记本电脑等，都已具备强大的计算能力 4 。与此同时，存储成本也不断降低，而 4G、5G 乃至未来的 6G 技术让通信变得更加便捷。因此，从逻辑上推断，这些趋势共同指向了一个结论：未来的竞争将越来越分散。

然而，我们必须明确，去中心化并不意味着孤立。每个人都意识到，我们需要合作。那么，合作的具体模式是什么呢？我列出了三种模式，虽然不想深入讨论，但希望能涵盖一些基本要点。其中，最令人兴奋的模式是，当多个业务实体存在时，它们之间能够实现有效的协调。通常而言，这种协调是集中的。例如，银行和信用部门通过协调各自贡献的欺诈数据，共同训练一个关于欺诈检测的模型，这就是我们现在广泛使用的联合学习。但我认为，未来最具潜力的模式将是无中心协调。一旦存在主导方，很可能会导致许多企业不愿加入。因此，未来最重要的问题是：多个业务实体在保持分散的同时，如何实现有效的协调，这正是最后一个模型（即 Multiple Businesses, Decentralized Coordination）所探讨的。此外，我们还必须真正考虑数据完整性，研究共识协议和治理问题。

截屏2024-12-01 23.29.19
截屏2024-12-01 23.49.15

我们的目标是实现协作式智能交易。那么，目前的现状如何呢？让我们花一分钟时间来审视一下当前的数据生态系统及其瓶颈。首先，让我们聚焦于生态系统中的各方，包括个人、企业和政府。上图中的每个箭头显示了数据是如何在不同主体之间流动的。这里列举了一些我们都很熟悉的问题。例如，当个人数据流向企业时，我们面临着不公平的价值分配机制，个人对数据的控制能力很薄弱。如今，加入某个平台或许轻而易举，但想要退出却非常困难，而且你可能无法从平台中彻底删除数据。即便你删除了，也无法确保数据被永久删除。隐私权方面的问题更是屡见不鲜，几乎每个领域都或多或少存在这样的问题。其次，如果我们从数据生命周期的角度来看，为了从数据中提取价值，原始数据需要经过模型处理后才能最终投入到应用程序中。但在这个过程中，谁拥有这些数据呢？

作为个人用户，我们拥有自己的产品数据，但并不拥有模型。模型通常归数据科学家和大学教授所有，他们通过撰写论文来分享算法，但往往缺乏真实的数据。在我攻读博士学位期间，我最常使用的数据集是DBLP数据集，它基本上是一个引文数据集 5 。我选择它并不是因为它多么令人兴奋，而是因为它是一个免费且对所有人开放可用的数据资源。因此，我们非常渴望获得高质量的数据集。

另一方面，对于我个人而言，把时间投入到设计应用程序中并不容易。通常，我会安排博士生去公司实习，而应用程序的所有权归公司所有。然而，由于监管或其他诸多因素，公司可能没有优质的数据来源。例如，新加坡有 PDPA（个人数据保护法），欧洲有GDPR（通用数据保护条例），而中国也曾经历过数据管理混乱的阶段，现在正逐渐走向规范化。此外，公司还需要投入大量资金来获取最新的模型，尤其是现在大部分公司都依赖于GPT。所有这些因素共同构成了一个非常孤立且不连贯的局面。

截屏2024-12-01 23.53.48

这将我们引向Web3。Web3是什么？如今，Web3不仅仅是一种技术，而关乎更深层次的理念。当我们审视数据、智能、算力和应用这四个要素时，都需要在开放、去中心但协作的环境中予以考虑。我们想要处理价值的生产、分配、流通和交换问题。为了实现这一目标，我们实际上需要在不同领域进行颠覆性变革，包括技术基建、商业模式、法律治理以及社会经济。而当我们将所有这些变革整合在一起时，实际上就是Web3。

这是一个非常全面的构想，包含两个核心要素：一是协作智能（Collaborative Intelligence），负责生成所有数据；二是代币化经济（Tokenized Economy）。现在，我想再次强调为什么代币在这个构想中如此重要。正如我之前所说，当前数字经济最大的问题是什么？如果我们仅仅把数据当作信息库，或者单纯将其视为模型的输入，那么现有的技术已经足够，人工智能完全可以模拟这些过程。然而，如果我们希望通过模型获取价值，并将其转化为一种资产类别，进而分配、交易这些资产并促使它们流通，那么情况就不同了。所有这些过程都不是通过人工完成的，而是通过自动化的算法和智能合约来实现。因此，我们必须首先将一切转化为可以被算法计算的对象。所以，代币的真正目的其实是让事物变得可计算。只有这样，代币才有意义。因为代币本身并无内在价值，它只是其他事物的数据表征。我们之所以需要这种数据表征，是为了保护底层资产与代币之间的绑定关系，从而使代币成为计算的对象。通过这种方式，我们可以通过捕捉到的价值来推动整个数字经济的发展。

截屏2024-12-02 00.06.40

不知道大家是否看过上面这张在网上非常受欢迎的图片？我想从数据智能的角度来探讨它背后的问题，并回顾一下从Web1.0到Web2.0，再到Web3.0的发展历程。首先，Web1.0 时代实际上是在讨论互联网的起源，这可以追溯到1995 年左右。互联网的出现，本质上是打破了物理世界的边界。举个例子，如果我想读一本在纽约的书，过去我只能亲自去取或者等待邮寄。但有了互联网之后，人们意识到，我们可以把事物数字化放到网上，这样全世界的人都能访问它。这就是大数据浪潮的第一个推动力，它将数十亿人的信息转移到了网上。遗憾的是，在Web1.0时代，大多数用户只是被动地接收信息，所以我们称它为“全球图书馆”。在这个图书馆里，用户只能被动地读取信息，只有互联网的“读取权限”，数据流动是单向且静态的。尽管如此，所有人都承认互联网已经为全球经济带来了巨大的推动力。这是第一个阶段。

经过十年的发展，到了2004年、2005年左右，我们迎来了所谓的Web2.0时代。正是在这一时期，人们意识到，互联网不再仅仅是阅读的平台，我们还可以在上面写内容，与世界各地的人们分享关于自己的一切。这是一个重大的转变，因为它催生了一个新词汇——用户生成内容（UGC）。自此以后，每个人都认为自己成了宇宙的中心，疯狂地分享关于自己的生活点滴。这一变化是对大数据发展的第二次大推动。回想起我在2000年初攻读博士时，虽然我们也研究庞大的数据，如数据研发网络和卫星数据等，但这些数据与人们的日常生活相去甚远。这就是Web1.0时代的数据对后来的商业产生的价值相对有限的原因。然而，在Web2.0时代，每个人都在生产关于自己及其生活的数据，商业智能因此应运而生。企业开始意识到，这些数据可以用来分析客户、获得客户、进行风险管理等。所以，大数据在Web2.0之后变得异常宝贵。我们把这个时代称为“全球发布者”（Global Publisher）时代，因为从那时起，数据流不再是单向且静态的，而是实现了双向互动。

二十年过去了，现在的年轻一代不再对在网上分享内容感到兴奋，而是视其为理所当然。他们开始质疑其他事物，尽管我们把所有内容放在网上，但它们却与自己关系不大，于是开始质疑自己究竟能从中获得什么。这些大公司从网络数据中获利，而作为内容贡献者的我们却似乎一无所获。这种身份层面的脱节以及由此产生的所有数据，引发了一系列问题，包括知识产权和利润分配。所以Web3.0着眼于如何把数据所有权还给人们，即数据主权（data sovereignty）的概念。这也解释了为何我们把Web3.0称为数据银行。从图书馆到出版社，虽然其中并未明确涉及金融概念，但银行固有地承载着这种价值概念。因此，从Web3.0开始，我们不仅仅将数据视为信息位（information bits），而是真正开始把它看作是一种资产。这意味着，我们不仅能够读和写，而且真正拥有了由自己生产的内容。

在此，我依然想进一步区分Web3与Web3.0。很多人认为“Web3”是“Web3.0”的简称，但实际上这种理解并不准确。Web3.0是一个学术概念。十多年前，一些教授提出了语义网（Semantic Web）的概念。其核心思想是：我们能否将互联网组织成类似关系型数据库的形式。例如，当我们查询某个事物时，呈现的不再是一堆松散连接的网页，而是像维基百科一样，以语义化的方式系统地组织和描述该事物的所有信息。这是一个非常好的想法，如果互联网能够以这种方式被组织起来，那才是真正的Web3.0。

但这仍然只是一个想法，或许永远不会实现。问题在于缺乏动力：作为一家公司，我为什么要这么做？为什么要将互联网转变为一个数据库？诚然，这是一个非常出色的构想，但目前人们所讨论的Web3.0，其核心更多地聚焦于信息的组织，这与Web3完全不同，Web3涉及的是数据的所有权、主权以及数据资产的税收问题。因此，我们实际上是在探讨 Web3而不是Web3.0。

截屏2024-12-02 03.06.57

经过上述讨论，我们发现所有关于Web3的本质讨论最终都建立在，通过可计算性将唯一性数据与其用户紧密绑定的基础之上。几百年来，我们一直无法解决如何紧密关联两个实体的问题。要证明两者之间的特定关联并非易事。例如，我该如何证明我拥有这部手机？或许可以说，只要我抓住它，它就是我的。或者我可以出示去年购买它的证据。但如今，任何证据都可能被轻易复制或失效。因此，如何证明两个事物是独一无二且安全绑定的，仍然是一个巨大的挑战。只有当我们拥有了这一整套技术集群时，才能够独立于任何第三方，仅基于数学原理来证明两件事物的绑定关系。

这非常重要，因为基于这种独特的绑定关系，它可以转化为所有权的证明，并且能够增强归属权。在这一切背后，数据绑定是核心所在。所有Web3应用最终都离不开不同身份数据的绑定。如果你将社交数据绑定到身份上，你就会关注所有社交文件；如果你关注游戏数据绑定，你就会查看游戏文件 6 。因此，你只是在用不同的数据来描述身份。此外，当我们谈论这些数据时，我认为Web3最大的潜力并不在于处理现实世界的资产，因为最近真实世界资产（RWA）的概念面临了诸多挑战。相反，Web3的真正力量在于建立所有这些虚拟事物——那些我们长期以来都知道是有价值的，但却无法将其转化为资产的东西。比如影响力、人气、数据、社交网络、信用、群体智慧以及诸如此类的事物——这些才是未来。

截屏2024-12-02 03.20.28

这不是一个关于技术的演讲，但我仍然想分享一个技术方面的观点。当我们想要实现这种经济形态时，技术方面最核心的要素会是什么？我认为有两个支柱：信任（trust）和激励（incentive），它们是实现这一目标的基础。

关于信任，这涉及分散的信任机制及其可能性。虽然我们没有时间在这里详细说明，但本质上这是关于建立我们对过去以及未来的信任的问题。对过去的信任，意味着我们能否就历史事件达成共识，这需要我们以正确的方式建构证据，并以中立的方式存储证明。我们意识到，非对称加密（asymmetric encryption）、共识协议（consensus protocol）、分布式账本技术 （distributed ledger technology）等技术有助于我们建立对过去的信任。对未来的信任，则关乎我们能否确保既定事件能够如期发生。在现实生活中，很多问题来自于我们不能执行合同，或协议无法兑现。对未来的信任依赖于基于开放代码的透明度，以及智能合约等工具，确保在条件满足时，相关事件能够自动触发并执行。

当我们谈论信任时，还需要考虑一个关于公平的问题，其中AI和数据定价尤为关键，这一话题在过去的三到五年里已经获得了大量关注。如何为数据定价是一个复杂且必须解决的难题，否则便无法实现可持续的数据交换。此外，随着数据和人工智能成为资产，人们可能会质疑未经授权的数据使用。在法律程序中，我们需要使用算法来判断某个算法是否使用了特定数据集进行训练，即数据审计。目前，我们正与毕马威会计师事务所（KPMG）合作，共同研究这一问题。

截屏2024-12-02 03.21.50

另一个是激励，这是一个相对新兴且研究投资较少的领域。我们需要考虑不同的代币化资产方式，包括同质化代币（fungible token）和非同质化代币（non-fungible token）。昨天Tom已经对此进行了讨论。对此，我有诸多案例用以回应代币经济设计（tokenomics design）的重要性。我们目睹了众多失败的案例，其根源在于对代币经济设计的忽视。更重要的是，工程师往往不熟悉代币经济设计，因此，与经济学家的合作显得尤为重要。我们正在使用的技术都需要有人设计，例如，许多计算机工程师使用经济学图书馆、市场设计机制、代币设计以及博弈论等工具，来对特定事物进行设计和治理。此外，还有很多案例，比如目前我们在新加坡管理大学开展的研究项目，专注于治理机制。我们选取了过去四年里的1,000个引发疑惑的案例，深入探究了人们投票行为、投票动机，以及投票时所处的经济状况和面临的利益冲突。这些在传统金融市场中很难调查。

然后是互操作性（interoperability）。在之前的演讲中，有人询问Web2游戏和Web3游戏之间有什么区别，我想补充的是，对于Web3游戏而言，互操作性非常重要。在Web3游戏中，如果你在一分钟之内获得武器或皮肤，便可以在另一个D5项目 7 中使用该武器和皮肤来下注，并获得稳定币。该稳定币可以立即使用另一个D5来提供流动性，你可以用它来购买其他资产。

因此，在一分钟内，这件游戏皮肤就有可能变成一种能为你带来月收入的资产。这种机制在传统金融市场中从未实现过，它在人类历史上是前所未有的。这也构成了所有逻辑的基础：去中心化金融（DeFi）在最初几年的发展实际上为这些游戏，特别是Web3游戏开发铺平了道路。同样，安全的资产管理至关重要，因为如果没有安全性，我们就无法谈论上述所有内容。

截屏2024-12-02 04.08.38

我想快速通过一些例子展示上述理念是如何进行实际应用的。第一个例子是在线信任与安全（online trust & safety），这是新加坡政府投资的一个2,000万美元的项目。该项目使用免费技术来保护网络安全。随着在视频中检测虚假图像变得越来越困难，追踪恶意行为者似乎变成了一场旷日持久的较量，而且往往以失败告终。原因在于存在一种名为生成对抗网络（Generative Adversarial Network, GAN）的技术——如果你有一个更好的算法来进行监测，相同的算法就会生成更好的虚假网络，所以这是一场永远不会赢的比赛。

截屏2024-12-02 04.39.53

因此我们必须从源头入手，建立“信任设计”预防框架（“trust-by-design” prevention framework）。为此，我们通过可信的网络建立可信的来源，并发布可信的内容。一个早期案例是内容来源与真实性联盟（Coalition for Content Provenance and Authenticity, C2PA）在这个联盟中，所有媒介世代（media generations）都会在他们创作和传播的内容上附上数字签名。目前，我们正在与C2PA合作，扩大这一框架的覆盖范围，以涵盖所有内容生产，至少在新加坡是如此。

截屏2024-12-02 04.52.25

第二个例子与个人数据相关。我之所以首先进入这一领域，是因为我一直专注于数据和人工智能的研究。在新加坡，人们在处理个人数据时往往不够重视，认为有《个人数据保护法》（PDPA）作为约束，违规者将面临高达100万美元的罚款，因此无需过多担忧。然而，这种心态也导致了新加坡缺乏大数据公司，几乎没有人具备处理数据的专业能力。这种情况使得新加坡的各类业务在全球竞争中处于劣势地位。

我们深知，必须有效使用数据并建立一个平台，让那些愿意贡献数据的人和希望利用数据的企业可以通过一种透明、互惠互利的方式共享数据。这就是我们正在努力的事情。大约在十年前，我提出了“个人数据银行”（personal data bank）的想法。当时，世界经济论坛（World Economic Forum）发布了一份精彩的白皮书，标题为《个人数据：一种新资产类别的出现》（Personal Data: The Emergence of a New Asset Class），该白皮书的整体观点是，未来我们的数据如同储蓄在银行里的资产，你可以用这些数据来赚取利息，也可以用这些数据来存取、借贷等。在过去几年里，我们致力于一个名为Symphony的项目，旨在将数据提供者、数据消费者以及模型开发者连接到同一个平台上。在这个平台上，每个人都可以贡献自己所拥有的资源，并按贡献比例获得相应的回报，而所有的贡献都将通过区块链技术进行计算和记录。

截屏2024-12-02 05.06.44

我通过一个实例来说明这个平台将如何有助于构建数据经济。我相信，你们很多人都在使用一些应用程序来记录每天的步数，就像我们使用智能手表一样。如果你去找这个应用程序的所有者，告诉他们你的数据是资产，能从中获利，他们可能会认为这是无稽之谈。因为这些数据看似微不足道，人们往往从有限的视角看待自身生活，难以想象这些数据能转化为货币价值。

然而，一旦这些数据被纳入全球生态系统，情况就截然不同了。例如，你每日的步数可能与来自另外十个数据源的信息相结合，如我观看电视体育节目的时长、在超市的购物清单等。当这些数据被整合并经过模型训练后，就能形成诸如“有趣运动”的标签。未来，当保险公司试图为我的人寿保险定价时，他们可能会使用这个标签。如果保险公司愿意为此支付十美元，那么即使是这一小块数据，也可能为标签的整体价值贡献5%。由此可见，即使我们仅从个人有限的视角贡献数据，但通过数据的整合、定价机制的建立以及数据的审计，这些数据就能真正转化为资产。这个例子充分展示了这样一个平台的价值所在。

截屏2024-12-02 05.22.44

另外，Web3的其他一些应用程序可能与本论坛主题更为相关。例如，我们看到Web3在科学领域的广泛应用，即DeSci（去中心化科学）。在制药设计领域，开展药物试验通常非常昂贵。如今，人们正在利用这些Web3协议推动科学和药物开发。

截屏2024-12-02 05.24.28

昨天我们还看到了关于绿色经济的项目，探讨了如何处理碳足迹等问题。正如我前面提到的，我们已经见证了一些出色的项目，它们正在取得良好的进展。

截屏2024-12-02 05.33.09

上图是一张人们试图去想象未来我们与人工智能之间可能建立何种关系的图片。在这类构想中，人工智能可能扮演动物园管理员、看门人，甚至是最理想的“仁慈独裁者”角色。但本质上，我们可以提出一些关键问题：如何与人工智能共存？这便是对齐问题（alignment problem）——如何确保人工智能与我们的利益保持一致。在对齐问题中，最大的难题是：在当今的政治格局下，人工智能究竟与谁对齐？是美国、中国，还是亚太地区？对我来说，这几乎无解。

至于智能的定义，则是我们在初步探讨时遇到的一个基本问题。目前，我们所有的观点均围绕人类中心展开。我们常用图灵测试来判断一个人工智能的优劣，这显然是个高度人类中心化的视角。我们认为，达到人类智能水平即可称为人工智能。这一看法并不仅限于我个人，众多科学家都在争论：当前的人工智能不过是伪人工智能，因为它们并不具备人类的思维方式。然而，人工智能有可能以完全不同的方式进化。因此，一个更深层次的问题是：意识究竟能否被计算？

截屏2024-12-02 05.40.53
截屏2024-12-02 05.49.10

最后，让我们来浏览一些广为人知的项目，我认为它可以被看作是人性的证明。通过这些项目，我们或许能开发出一个新方案，用以诠释何为真正的人类。即使是像NFT这样概念，也与每个人息息相关。在我看来，深入思考后你会发现，这几乎标志着人类的进步。因为我以数字形式绘制了5,000个数字艺术作品，并通过归档将这些努力具象化，这成为了对“我”存在的证明。

编者注释

  1. 首次代币发行（Initial Coin Offering），多用于加密货币众筹融资。 ↩︎
  2. 多模态（multimodality）是指集成和处理两种或两种以上不同类型的信息或数据的方法和技术。 ↩︎
  3. 基于转换器的生成式预训练模型（Generative Pre-trained Transformer），一种大语言模型。 ↩︎
  4. 边缘计算（edge computing）是一种分布式计算架构，它将计算能力和数据存储推向网络的边缘，即靠近数据源或用户的地方，而不是集中于云端或数据中心。这样可以减少延迟、提高响应速度，并减轻核心网络的负担。手机、手表和笔记本电脑等设备具备上述特征。 ↩︎
  5. DBLP（DataBase systems and Logic Programming）是计算机领域内对研究的成果以作者为核心的一个计算机类英文文献的集成数据库系统。 ↩︎
  6. 这里的文件指与特定身份绑定相关的数据集合或信息记录。社交文件：指的是与社交身份绑定的各类数据，例如社交媒体上的用户信息、互动记录、好友列表、个人资料等。这些数据被“绑定”到一个身份上，形成了一个关于该身份的“文件”。游戏文件：指的是与游戏身份绑定的数据，例如游戏角色的属性、成就、装备、游戏进度等。这些数据同样被“绑定”到一个身份上，形成了一个关于该身份的“文件”。 ↩︎
  7. D5 是指一种去中心化自治组织（DAO）的结构，主要专注于为其他项目提供咨询服务。它通常由数据科学家和工程师组成，通过有机的方式开展业务。这种结构强调去中心化和自治性，旨在通过社区协作推动项目发展。 ↩︎

问答讨论

Q1： 经济学家可能会说经济就像某种自然存在物，但作为人类学家或社会学家，我们更倾向于认为经济是一种社会建构。因此，当您提到人工智能需要代币时，我觉得这非常有趣。这似乎意味着，人们不能仅仅创造技术，创造人工智能的人还必须同时构建与之相适应的经济体系。在Web3的世界里，数据作为资产通常被视为一种积极的转变，因为在Web2时代，这些数据属于平台，而现在我们正在收回它们。然而，真正共产主义的思考方式是，数据根本不应该成为一种资产，而应该像氧气一样，为所有人共享。这种对资本化的抵制也存在于其他社会商品中。以献血为例，在一些国家，献血是有报酬的，但在另一些国家，人们则反对将血液作为一种资产。因此，我有两个问题：第一，人们是否正在创造一种与人工智能相匹配的经济？第二，这种经济的限度是什么？

A1： 对于第一个问题，我认为我们需要深入理解事物的本质。当我们触及Web3的核心时，我们会思考究竟是什么让它如此与众不同。我们会发现，它就像数学一样，仿佛是上帝创造的——算法通过密钥为正确数据记录提供了唯一的绑定，这种结合构成了终极的核心，其他一切都建立在这一基础之上。因此，我认为基于技术的身份定义是这种经济的基础。

关于第二个问题，我同意你的看法，我们目前仍处于非常早期的阶段。我们可以讨论哪些数据应该被视为资产，哪些不应该。然而，当我们讨论金融包容性时，人们通常对自己的数据信息一无所知。例如，在新加坡，许多老年人一无所有，百病缠身，但他们的身体数据对许多医院和研究机构来说却相当宝贵。如果他们可以通过贡献自己的数据来换取一些医疗保险和服务，这又有何不可呢？这正是我们希望通过数据实现的真正的金融普惠：一方面利用技术保护个人数据，另一方面为那些希望贡献数据的人提供一个平台。

Q2： 朱教授，我有一个很基础的问题。您多次提到数字资产，但数字资产似乎并没有一个非常通用的定义。那么，您能否为我们提供一些关于不同资产类型定义的看法？在传统金融领域，资产的定义非常明确，通常被视为价值、控制权和权利三个要素的集合。但在数字资产中，价值应该如何定义呢？这又关系到数据定价的问题——我们如何为数据或由人工智能生成的内容定价？而所有这些问题都涉及一个核心：如何定义权利？

A2： 在当今的法律框架下，数据所有权的定义仍是开放的。例如，我从星巴克买了一杯咖啡，相关的数据似乎应该是共同拥有的——我可以分享这些数据，星巴克也可以使用它。但在其他一些平台上，用户可能在未仔细阅读的情况下就签署了用户协议。比如在X.com或Twitter上，Twitter正在明码标价出售用户的数据，而用户自己却无法在其他任何地方出售这些数据。因此，数据权利应当被明确，并且用户应当能够掌控这些权利。目前，我们正在探索开发技术工具，以帮助人们真正掌控并有效利用自己的数据。

Q3: 非常感谢您的演讲。我想知道，数据所有权的想法是否能成为解决一些问题的切入点，比如Payal之前提到的全球北方与南方的差异，以及乐观与悲观的对立？或者数据所有权的出现只是在重复现状——比如穷人，只是维持他们目前的困境，如果必要，他们甚至可以出售器官。在未来，他们是否也会被迫出售自己的数据？

A3： 感谢您的提问，这正是我寻找合作伙伴的原因，以确保我们能够利用技术真正帮助人们。我们希望通过正确使用技术来确保人们的数据得到妥善处理，而不是因错误使用而造成伤害。但正如你所知，目前技术的权力高度集中。因此，重要的是，我们的研究需要在权力逐渐分散的背景下展开。过去，许多事情都被某个中心节点垄断，但随着我们每个人能够进行更多的计算，我们可以探索更分散的技术使用方式。在未来，我们希望通过技术支持赋予个体自主权，同时考虑协作治理。

讲者介绍

朱飞达
ZHU Feida

简介： 朱飞达教授于2009年获得伊利诺伊大学厄巴纳-香槟分校（UIUC）计算机科学博士学位，目前担任新加坡管理大学（SMU）计算与信息系统学院的终身讲席教授及副院长。他的研究兴趣包括人工智能与协同智能、区块链、数据资产与人工智能治理，并重点研究这些技术在商业、金融和消费创新方面的应用。他曾是中国平安保险集团顶峰大数据分析实验室和星展银行-新管大生命数据分析实验室的创始主任。朱教授也是SYMPHONY的创始人和首席科学家。SYMPHONY是一个基于Web3的区块链协议，旨在通过民主化和协同化的数据智能以及设计隐私来推动数据驱动经济的发展。他在包括国际数据工程大会（ICDE）、国际超大型数据库会议（VLDB）、特殊兴趣组数据管理会议（SIGMOD）、国际知识发现与数据挖掘会议（KDD）、万维网大会（WWW）、机器学习研究杂志（JMLR）、数据库系统事务杂志（TODS）、知识与数据工程期刊（TKDE）等在内的国际顶级期刊和会议上发表了100余篇同行评审论文。他在大规模频繁模式挖掘方面的工作获得了2007年IEEE国际数据工程大会（ICDE’07）和2007年亚太知识发现与数据挖掘大会（PAKDD’07）的最佳学生论文奖。他还获得了第21届数据库系统高级应用国际会议（DASFAA’16）的最佳论文奖和第17届万维网信息管理国际会议（WAIM’16）的最佳演示论文奖。朱教授荣获2019年亚太知识发现与数据挖掘大会（PAKDD）青年事业奖，并担任2024年数据库系统高级应用国际会议（DASFAA）的程序共同主席、2018年IEEE国际数据挖掘大会（ICDM’18）和2021年国际知识发现与数据挖掘会议（ACM KDD’21）的大会共同主席。

]]>网络社会研究所EP-137 许成钢：DeepSeek、民企座谈会能否重振中国经济？(文字版）2025-02-28T12:06:23+00:002025-02-28T12:06:23+00:00https://nodebe4.github.io/opinion/2025-02-28/EP-137%20%E8%AE%B8%E6%88%90%E9%92%A2%EF%BC%9ADeepSeek%E3%80%81%E6%B0%91%E4%BC%81%E5%BA%A7%E8%B0%88%E4%BC%9A%E8%83%BD%E5%90%A6%E9%87%8D%E6%8C%AF%E4%B8%AD%E5%9B%BD%E7%BB%8F%E6%B5%8E%EF%BC%9F(%E6%96%87%E5%AD%97%E7%89%88%EF%BC%89

EP-137 许成钢：DeepSeek、民企座谈会能否重振中国经济？(文字版） ——

文字版全文：

01:55 习近平为什么要召开民营企业座谈会？
06:04 许成钢如何看待DeepSeek的成功？
11:20 今天人工智能的水平还不如一只猫？
15:29 第四次产业革命的核心要素是什么？
22:12 举国之力能保证DeepSeek成功吗？
27:01 DeepSeek的生态会为中国GDP带来巨大贡献吗？
30:48 DeepSeek真的能救中共吗？
34:40 民营企业座谈会能够为经济带来起色吗？
39:20 中共有可能做出根本性的政策转变吗？
42:30 嘉宾推荐

[00:00:03] 袁莉: 大家好，欢迎来到不明白播客，我是主持人袁莉。节目开始前跟大家说个事儿。3月16日不明白播客会在荷兰阿姆斯特丹举办一场听众见面会，我会和张洁平、Ian Johnson一起聊一下“川普新政下的欧洲、中国与公民社会”。这是我们第一次在欧洲举办线下活动，现场还会有听众问答环节，感兴趣的朋友可以点击shownotes或不明白播客社交媒体上的链接，报名免费参加。下面是这周的节目。

过去几周，美国和欧洲在川普新政下人仰马翻，充满不确定性。相比之下，中国似乎显得这边风景独好。先是人工智能公司DeepSeek推出的大语言模型造成美股重创，接着动画片《哪咤2》创出票房纪录。周一习近平接见民营企业家的消息，更是让香港恒生指数站上了2022年2月以来的高点。这次民营企业座谈会引发了外界很多积极的解读。究竟应该如何解读此次座谈会？它和DeepSeek有关系吗？DeepSeek真的能拯救中国经济甚至中国共产党吗？这次座谈会是否像某些人士指出的，意味着中国经济政策开始纠偏了？这期节目，我们请来斯坦福大学中国经济与制度研究中心高级研究员许成钢教授。许教授是经济学家，但他对科技和AI也非常有研究。他1982年从清华大学机械工程系研究生毕业时，是该系第一个研究计算机辅助设计的毕业生。2018年，他还与人工智能专家合作，在长江商学院建立了人工智能与制度研究中心，是该中心的主任。他还与国内人工智能专家及斯坦福人工智能指数团队合作，收集数据制作中国人工智能指数。他于2021年离开长江商学院后，与专家及其他同事仍然持续做人工智能指数，直至2023年底。

许老师您好，我们先讲一下民营企业座谈会吧，央视对这个民营企业座谈会做了长达十分钟的报道，题目是《习近平：民营经济发展前景广阔，大有可为；民营企业和民营企业家大显身手，正当其时》。您认为习近平为什么要召开这次座谈会？他想要传达的信息是什么呢？

[00:02:45] 许成钢: 我猜测直接的诱因是DeepSeek。因为DeepSeek在国际上造成了很大的冲击，实际上过去从来没有过任何中国企业做的任何事在国际上有这么大的冲击。比如电动汽车领域，比亚迪的生产量这么大，出口量这么大，实际在经济上的影响已经很大了，但是从来并没有在金融市场上造成什么影响。为什么这次冲击这么大呢？因为这是最前沿的技术。美国投进去的是成百上千亿的资金，已经投进去成百上千亿，还要投成千上万亿，而且整个国家的电力也都朝着这个方向走。如果是真的像DeepSeek表现的那样，可以用很少的能源、很少的计算力能达到最强的计算水平，那就表现得像是美国这边都要垮掉了，所以这个冲击非常的大。而DeepSeek又是一个民企。所以在这种情况下，我相信目的座谈会的是为了把这个力量鼓舞起来。

因为过去民企处于边缘状态。但是现在可以看到，在压制了这么长时间之后，在中国最新的领域里，最强的仍然都是民企。还有就是去年的九月底开始，为了挽救金融财政的困境和危机，中国政府采取了许多措施，但DeepSeek带来的冲击远远超出它调动全国力量达到的效果。因此中国希望再接再厉，让民营企业发力扭转这个困境。

[00:04:54] 袁莉: 对，确实有一些年轻人，尤其是工程师，还有一些年轻的创业者，他们还是从DeepSeek现象中获得了很大的信心。中国互联网上充满了对这次座谈会的分析，尤其是出席企业家的待遇，包括座次安排，有没有发言、代表行业等等。比如说这次发言的六位企业家，任正非、王传福、刘永好、雷军、虞仁荣、王兴兴都是实体经济、制造业，这是否体现了习近平的个人偏好呢？

[00:05:29] 许成钢: 我猜测应该是国务院帮助他安排的。我们可以看到，这些领域的共同特点就是都是高技术行业。

[00:05:41] 袁莉: 高端制造业，是吧？

[00:05:43] 许成钢: 对，其中包括芯片，这是其中非常重要的部分。芯片、电动汽车、自动驾驶、半导体、国务院的技术官僚们实际上很清楚人工智能要在中国发展，它需要的基础是半导体，是芯片，它需要的应用是自动驾驶、机器人。所以这些发言的人是自动驾驶的、电动汽车的、机器人的、半导体的、芯片的，所有这些都是围绕着人工智能的上游、下游。

[00:06:27] 袁莉: DeepSeek的创始人梁文锋也出席了这次座谈会。之前很多人说DeepSeek改变了中国的国运。这几天中共官员也频频在各种场合提到DeepSeek，包括王毅在欧洲也提到了。我们也看到不少媒体，包括英文媒体表示，DeepSeek的成功显示中国经济的实力也许并没有像先前认为的那样达到了顶峰，也就是peaked China，而是还很有发展潜力。有些媒体还用近期港股和A股的表现来证明这一点。那我们接下来就多谈一谈它背后究竟代表着什么？也许您首先可以谈一谈，您如何看待DeepSeek的成功？

[00:07:12] 许成钢: DeepSeek的冲击来了以后，无论是中国国内的媒体还是国际间的媒体呢，里面大量的媒体没有认真弄清楚事情就开始渲染。认为DeepSeek好的，就认为好到天上去了，认为恐慌的，就恐慌的不得了。实际上这些背后都是因为没有弄清楚。

首先从人工智能的角度讲，DeepSeek到底是一个什么样性质的技术成就。另一面，人工智能会对中国有什么影响？会对美国、对国际有什么影响？第三就是人工智能的大发展能不能扭转中国非常严重的困境。

我倒着讲，先讲第三。我们过去已经分析过，中国的经济的困境里最大的难题是内需不足。而内需不足的原因是全体中国家庭收入占GDP的比例远为过低。供给侧的发展实际上不可能解救这个经济困境。还有一个重要的背景是在严重内需不足的情况下，严重的供给超过了需求，严重的供给超过需求的情况下就有很严重的失业问题。人工智能是自动化技术，自动化技术大规模展开的时候，就会使得严重的失业问题变得更严重。美国和中国面对的问题是完全不一样的相反情况，美国的情况是严重的劳动力不足，非常急需自动化的办法来帮助它解决劳动力不足的问题。所以它押宝押得这么重，把大量的资金押进去，因为它要以此解决劳动力不足的问题。但是中国是反过来的。中国现在根本是劳动力严重过剩，所以在这个情况下，人工智能的技术发展没有办法帮助解决中国的经济问题。

从技术上讲，它在跟随ChatGPT。但是它为什么会引起这么大的冲击？实际上呢它更重要的成绩不是技术本身，而是商业模式。因为ChatGT的商业模式其实还不清楚。包括谷歌、脸书，他们花的钱是成百上千亿美元，而商业模式是什么至今并不清楚。但是DeepSeek突然说我非常非常便宜，便宜到了几乎不要钱，然后全部都是开源，一下子是使它不仅在中国，包括全世界的注册、下载、使用量一下子上千万、上亿。如果这变成将来的商业模式，他是不是会把美国花了成百上千亿资金的买卖搞掉，如果它把这个买卖搞掉了，那就破局了。

[00:10:58] 袁莉: 就像当年中国制造把美国的很多制造业也搞掉了，我觉得他们的恐慌来自于这儿。

[00:11:04] 许成钢: 对。前面说到的电动汽车似乎已经把西方的电动汽车搞垮了。人工智能如果也来一下，忽然之间就把美国的商业模式上讲——不是从技术上——的领先地位搞掉了，那就不得了了。因为最终要持续发展，商业模式一定要能赚钱。如果商业模式上不能赚钱，无论现在多有钱，最后都不能持续。所以从这个角度讲，它的冲击非常大。

但是，这个问题能不能下结论呢？非常显然，现在不能下结论。原因很简单，第一，人工智能现在实际上仍然在非常早期的起步阶段。我认为Yann LeCun最有道理，他说现在的人工智能的水平还不如一只猫，所以路还很远。Yann LeCun是深度学习的奠基人和教父，这套东西是他和另外两个人发展出来。他认为人工智能的重大突破一定不是现在，不是用Transformer来搞大语言模型的这条路。他认为，第一，智力的发展主要的部分并不从语言来，而是从其他部分来，比如说视觉的、听觉的、其他感官的等等等等。这就是为什么他说现在的人工智能不如一只猫，因为猫不是从语言、文字来的。DeepSeek是语言模型，ChatGPT是语言模型，但是现在真正人们大量的竞争都是世界模型，这要从其他部分突破。非常大的可能就是在两、三年后有另外的新东西出来。

那我们再来看DeepSeek在技术上是什么状态。它改进了transformer技术里边一个重要部分叫做attention，就是注意力，提高了效率。两天前，梁文锋本人以及北京大学和华盛顿大学的一些同事，他们联合发表了一篇论文，这篇论文实际上解释的就是他们到底做的是什么？它就是改进了注意力机制，但是它完全没有革命性的改。不像人们说的那样成百倍地提高了效率。它之所以表现得像是成百倍的便宜了，那是因为蒸馏的原因。不使用蒸馏是不可能的。刚才我们讲了，整个的人工智能有待新的突破，而有新的突破是绝对不可能从蒸馏里产生的。因为蒸馏的是大语言模型的结果。所以呢，重大的突破还有待发展，有待巨大量的投入，这就是DeepSeek冲击很快就过去的原因。所有的美国的顶尖的大公司完全没有被撼动一丁点。他们都非常清楚原来走的路是对的。他们会继续走原来的路，继续去竞争。这个竞争其实不是和DeepSeek竞争，是他们互相竞争，竞争全新的人工智能发展。

[00:15:03] 袁莉: 大家好，我是袁莉，你们刚刚听到的精彩对话背后有几十个小时的精心准备和制作，这需要阅读大量资料，花时间与采访对象沟通，只有这样才能问出好的问题，才可能进行有深度的对话。不明白播客会继续致力于制作高品质的新闻内容，让中国人听到深刻的思考、真实的情感。在这个灰暗不确定的年代，听到彼此心中的一点坚持，请大家继续支持不明白的播客，让我们把这个事业长期的进行下去。欢迎听众朋友们到我们本期的内容简介里点击捐赠链接，或者访问我们的网站，bumingbai.net的捐赠页面。

您在2023年谈ChatGPT的那期播客中曾经说过，第三次产业革命产生在美国，其中里面最大的因素是半导体。您昨天跟我说DeepSeek是在第四次产业革命爆发前期加中美对抗下的一种经济现象。您能说一下您说的第四次产业革命是指什么？还有这次革命最大的因素是什么呢？

[00:16:19] 许成钢: 人们公认第三次产业革命的核心是计算机技术。有的时候人们也会把它称为IT技术Information Technology。但是计算机技术背后的基础就是半导体。今天的我们见到的全世界的先进技术，统统都是第三次产业革命的产物。第四次产业革命的核心就是人工智能。人工智能，现在是在早期阶段，所以它会变成什么，我们真的并不知道。现在所有的说法都是科学幻想，事实上会做出什么来，其实是不知道的。现在我们已经看到，已经知道的是大语言模型是从文字过来的，这已经不得了了，但是实际上更大的突破还在后头。

我说为什么说DeepSeek是个经济现象呢？原因就是在大语言模型已经相对成熟的情况下，使用蒸馏和其他的技术方法来提高它的效率，突然把人工智能已经获得的这些知识的成本大幅度地降下去，就变成了经济上可行的商业模式，突然之间可以便宜地拿来用了。梁文锋也讲得很对，他就说他要造一个生态。生态就是经济。谁要是能造一个生态，一个经济的环境，那他就赢了。但问题就在于呢，人工智能发展仍是早期。所以眼下任何结论都太早。因为技术在突飞猛进的快速地变化。梁文锋他们发表这篇论文的时候，xAI，也就是Elon Musk公司第一次大规模地、高调地发布了他们的模型，号称超过了所有人。他们花的钱是花的最多的。当年Elon Musk是靠什么成功的？靠的是火箭是比别人便宜上百倍。他最知道便宜的价值，为什么在人工智能这件事上他不追求便宜了？原因非常简单。这事是追求最前沿，谁能够有最新的发现，而这个最新的发现没有可能不花钱得到。

刚才我们提到DeepSeek的时候，它的的论文表现得非常清楚，他们完全遵守Scaling Law。Scaling Law可以翻译成扩展定律或者规模定律，它的意思非常简单，就是说你要有性能，你就必须花钱。这个钱指的是计算的资源，数据的资源、训练的资源，资源不花上去，是不可能有性能的。当你已经获得了那个性能的基础模型之后，你可以用蒸馏的方式用很便宜的方式可以搞出来一个便宜的商业上用的东西，但是最开始发现的时候，你只能遵守Scaling Law。人们在大规模地探索全新的东西，这个探索还在进行中。

[00:19:58] 袁莉: 最近有行业人士指出，英伟达的股价上个月它被DeepSeek狠狠打击以后已经回来了。有分析人士说，DeepSeek实际上真正摧毁的是中国其他的AI语言模型，因为所有的资源都向DeepSeek聚集了，其他公司很难得到资助和市场了。这就有点像中国以举国之力来保DeepSeek成功。我也问了一位AI企业家，他也基本上肯定了这个说法。第一，您认为用举国之力来保成功这种说法对吗？习近平现在这么重视这个事情，可以用很多很多的资源来堆啊。

[00:20:45] 许成钢: 这里就有地缘政治问题。在中美对抗情况下，美国在收紧对中国的芯片的限制，实际上DeepSeek过去到底用的是什么芯片，用了多少芯片，美国方面怀疑得非常的严重。过去的芯片限制漏洞无数，但是如果美国方面决心要把漏洞大幅度地减少，要卡得更紧，有钱你也买不到，这就卡住了。我们现在讲的数字是非常大的。比如我们刚才提到，Elon Musk的公司叫xAI，他的模型用了10万张芯片，而OpenAI现在的模型要投进来的钱要成倍地比他多。他们在互相拼的时候，这个规模是非常大的。按照Scaling Law，你的效率可以提高几倍，但是你很难提高超过十倍，没有可能超过百倍。但是现在你看他们的投入是个什么状态，这个投入带来的性能上的新发现、新性能是没有这个投入没办法跟他对比的。

[00:22:12] 袁莉: 我问了一个AI企业家，如果用举国之力支持DeepSeek，万一DeepSeek不行怎么办？他回答说没有不行的问题吧，就是要赶上美国落后一点，落后比较多，但还可以是世界第二。从政府的角度来说，就是退而能守住中国，进攻也有机会，挺好的。而且他说美国的这四个大AI公司，他们在芯片、算力上面比较浪费，而且都非常相似。如果他们不相似，那DeepSeek胜出的机会是比较渺茫的。可以说他们人才的数量可能比DeepSeek或者比中国的多一些，他们的水平更高，专利也更多，突破的概率可能要大很多。但是有两个挑战，他说第一个是大家都基于transformer有多少突破。第二，中国很会抄，抄得又快，而突破性的创新是不容易的。您愿意不愿意回答一下，这是一个比较实时的反馈。

[00:23:26] 许成钢: 他说的这个问题其实是制度问题，就是说这个制度是不是能帮助很多的独立研发发展起来。DeepSeek真的是一个喜出望外的事情，它不是计划的，不是国企，不是国家系统里，不是举国之力弄的，而是从什么地方蹦出来的。原本市场机制的优点就是什么时候从什么地方会蹦出一个非常厉害的东西来。其实今天的DeepSeek就相当于当年的阿里巴巴，就从什么地方蹦出来了，马云就蹦出来了，然后发展这么大。这就是市场里冒出来的。但是呢，你一旦是用了举国之力来弄它，那就把市场机制搞掉了。

谈到美国，将来美国的AI不一定在这四个公司中出现突破。而且，这四个公司之间是不是相似，更不一定。比如Facebook的做法就跟别人不一样，只不过在它成绩没有出来之前，它不能公布，而且它已经说了，我还要两、三年。这个说法它到处讲已经讲了很久了，它启发了很多人，启发的目的就是要人们想方法放弃transformer的思路。所以你怎么知道所有人都是用transformer？哪怕现在还在用transformer的人，同时也都在探索还有没有别的办法。所以你无法预计什么时候跳出一个什么人来，又造出了一个什么新的机制。

[00:25:34] 袁莉: 创新就是应该是这样的，是吧？

[00:25:38] 许成钢: 对，创新不是举国之力能弄得出来的。举国之力能够追赶。刚才你引用的这一位讲的很对，中国追赶很快。为什么？因为举国之力嘛。当你明白了，啊，这东西好使，那我的聪明人就都弄这个，资金都往这儿来，那就一下子上来了。

比如中国的电动汽车为什么现在变成这么强？因为这里头真的没有重大的技术突破，中国的所有的技术都是改进，就是不断改进，不断改进，而突破性的技术都是早就有的。但是一旦他先认清了这个东西是未来。那及早布局，不仅仅是汽车，连造电池的矿都布局了，这样就占住了产业链。但是，当技术本身在非常快的变化时，就不是事先能计划的，这就是计划的举国之力和市场上的全面的竞争之间的差别。

[00:26:57] 袁莉: 我们就谈一谈生态。有媒体报道说，过去几周的DeepSeek的大语言模型在中国经济的各个领域，从教育、金融到政府都被迅速地采用，为中国的经济前景带来了新的推动。有媒体人问DeepSeek聊天机器人，大语言模型对产业升级和创造就业机会的影响，这个机器人就回答说，可以在未来几年为中国整体国内生产总值增长贡献0.47%到0.57%。您怎么来看这个生态到底能有多么大，真的是可以为中国的GDP增长有这么大的贡献吗？

[00:27:39] 许成钢: 我们先倒着讲，它对GDP的贡献是什么？机器人当然是乱讲一通。真正要分析这个问题，就得回到中国经济上去。中国真正现在的严重的问题是通缩，背后的原因是因为供给多，需求少。解决问题一定不是继续增加供给，一定是从需求那边来解决经济问题。

[00:28:08] 袁莉: 为什么共产党老是要从供给方向来考虑。

[00:28:13] 许成钢: 因为供给侧是它能控制的。还有需求侧不足最终的原因是家庭住户收入过低，而家庭住户收入过低实际上是由产权决定的。通常经济学家会讲一次分配、二次分配、三次分配。所谓的一次分配，指的就是生产出来的最初，谁拿多少，这当然和产权相关。比如说拥有土地的那一方，当土地价格猛涨的时候，土地所有者就从中收很多很多钱。中国过去二十多年的大发展是土地，是房地产，土地所有者是国家，所以国家的收入就非常多，所有的人都是租来的土地。实际上在土地这个狂涨的时候，每个人只是在讨论损失的多少。

[00:29:08] 袁莉: 中国农民过得这么惨，是不是因为他们对土地拥有的权利比城里人还要小？

[00:29:15] 许成钢: 因为他没有土地。土地的收入不在他那。他被排挤出去以后就变得很惨了嘛！他就只能靠劳动力了。一次分配的时候，他的收入就低。然后你再谈二次、三次分配，所有这一切就决定了他们的收入是低的，最后的结果就是内需不足，实际上是所有共产党国家都是一样的。

[00:29:42] 袁莉: DeepSeek是没有办法解决这个问题的。

[00:29:44] 许成钢: 对，DeepSeek不解决这个问题。所以呢，它不可能扭转中国经济面对的问题。它作为一个商业模式有多大的概率能持续的成功，在非常大程度上取决于这个技术本身是不是稳定。如果将来的人工智能的技术就是现在我们看到的这些技术，只是不断改进，没有重大突破了，那它非常可能就稳住了。在西方，由于地缘政治，它的商业模式很可能站不住。但是它在中国，在发展中国家，甚至在俄国都有可能站住。但是，我们不能这样预料。原因，我猜测人工智能大概率会有革命性的新东西出来，而不是现在这个技术。

[00:30:46] 袁莉: 那如果DeepSeek就是现在这样应用下去，它能有一些产出，也可以出口，这个模式还是会给经济带来一些收获的，是吗？有很多人说它要改变国运了，还说DeepSeek不仅可以帮助中共生存，更给了中共重振的机会。它真的能够救共产党吗？

[00:31:15] 许成钢: 短期里，它是起了救共产党的作用。因为去年的9月、10月起，中共因为金融危机、财政危机，在非常努力地自救。它的自救实际上只取得了初步的止损，能不能止住也并不清楚，情况相当相当困难。但是DeepSeek冲击来了以后，金融上突然出现了大的变化。比如有许多国内的投资者过去已经完全没有投资意愿了，现在突然之间有了投资意愿了，认为这东西是可以投的。所谓金融危机啊，就是缺流动性。很多人来投资了，流动性就出来了。共产党遇到的这一轮困难大概率是缓解了。

[00:32:19] 袁莉: 那其实还是挺神的。您说的投资人是指这个股市的投资人是吗？

[00:32:23] 许成钢: 对，我们讲的流动性的量是论千亿，论万亿的。流动性出来的时候，这个经济就活起来了，虽然它不是全面的，但是它在金融上起了作用。虽然这个经济整体上，比如说吧，房地产不会因此被救过来，内需不足不会因此被救过来。但是原来金融遇到的严重困难是非常有可能缓解的。如果这个趋势再持续，自从DeepSeek的冲击来了以后，股票市场开始活跃，更多的企业开始要IPO，更多的人愿意参与IPO，金融就活跃起来了。这种活跃又反过来又进入了研究与开发和产业，比如说机器人产业、人工智能产业。从金融上讲，财政上讲，这是有作用的。

[00:33:26] 袁莉: 但是我昨天也给您分享了一幅图，它是根据中金的数据，这一次香港股市上涨，绝大多数是南向资金，也就是从大陆过去的资金，实际上还是自己在炒。主力、长线外资依然是流出的。

[00:33:43] 许成钢: 刚才我们讲的内需不足指的是普遍的消费，但是，国内的亿万富翁手里能用来投资的资本量还是相当大的。它过去不活跃是因为人们看不到任何希望，就都不投资了，钱都存在床底下了。当人们认为有投资机会的时候，翻译成另一个语言叫做信心，有信心了，他就去投资去了。一旦人们开始投资，互相影响，越来越多的人去投资，流动性就出来了。原本死在那儿的资金就变成流动性了。那么一旦开始流动，金融的情况就好转了。

[00:34:30] 袁莉: 我昨天打电话问了许多中国的企业家、投资人。有一位相当成功的VC风险投资跟我说，他感觉这个座谈会像老师给学生上课。他认为市场的反应让他吃惊，有点过于积极了。还有一位上市公司的创始人跟我说，只要还是强调党的领导，政策就不会有根本的变化。而且他从各种数据上，包括房地产销售数据、结婚人数、出生率和死亡率，他说看不到中国经济下行的趋势出现了变化。还有一位做并购重组的律师说，他在上海的大街上感受不到景气。他分享给了我一张截图。图上是有人总结2018年以来，每年中国政府推出的支持民营企业的说法和政策，就是所谓的给民营企业吃定心丸。他说，习近平的讲话里并没有什么新东西，这些人在中国是相当成功的人，也是非常聪明的人，他们好像没有显现出来有什么信心。

[00:35:33] 许成钢: 刚才你讲的所有的这些情况，我全都同意他们的观察，我相信他们的观察是相当的坚实的。但是，我也想强调一点，现实中存在代差，翻译成网上经常用的俗话叫做割韭菜。就是说，代差决定了总有韭菜可以割。稍微年长一点的人有了足够的观察，足够的知识，他只要非常简单的把习近平今天讲的话和他过去讲的所有话放在一块儿，就发现他讲的全是一样的，过去做的事儿也是今天可以再做的事。他讲的话和他做的事中间可能差了一年或者两年。但是总而言之，就是先让韭菜长，然后再来割。所有经历过被割韭菜的人。他说我不傻了，我不再做韭菜了，但是所有没有被割过的。他觉得DeepSeek的冲击来了，希望大得不得了，好得不得了，又听到最高领导人讲的这么美妙，那当然我们就去投。

为什么历史总是重演，没有经过历史的人并不相信别人告诉他的历史，他非得自己去经历。如果每个人都需要自己去经历历史，那么历史就会重复。

[00:37:09] 袁莉: 您刚才说金融市场会活跃，会不会带动整个经济也会景气一些，然后让中国经济在接下来的一年或者两年里有一些起色呢？

[00:37:22] 许成钢: 我不认为整个的经济增长会真的有显然的改进。在过去它实际上一直在往下走，所以要把它顶住，不能让它再继续往下走。现在的这个趋势看样子会帮助它顶住，但是整体经济遇到的基本困难不会因为这个改变。

[00:37:48] 袁莉: 您说能顶住呢？就是它不再下行了吗？

[00:37:52] 许成钢: 它原来很危险，现在的变化使它的危险不再严重了。原来的危险再滑下去可以会很危险，但是现在看样子不是那么危险了。

[00:38:05] 袁莉: 那会是一个什么样子？

[00:38:07] 许成钢: 我过去是猜测，中国最大的可能就是它的经济增长逐渐下降。我不认为目前这个技术变化会使得整个经济增长逐渐下降的趋势改变。哪怕有波动，我不认为他会有改变。我现在也看不出来会有大的波动，也就是小的波动。

[00:38:41] 袁莉: 就是它还是下行，但不像前一、两年下行的速度这么快，是吧？

[00:38:52] 许成钢: 对，就比较平稳。

[00:39:00] 袁莉: 网络上有人说：现在是49年的上海，还是79年的深圳，在座谈会上的每个人都没有底。还有一个人回复说，说别说坐在台下的没底，估计好多坐在台上的也没有底。我不知道您怎么看这个评论，很多年纪大的人可能觉得不是很看好，但是有一些年轻人会觉得中国可能是会变的，您觉得会有根本的彻底的改变吗？

[00:39:37] 许成钢: 它的基本变化一定是制度基本变化，当制度还是原来的制度的时候，就决定了它不可能有根本变化。具体一点讲，假定以举国之力支持DeepSeek，DeepSeek发展成了像阿里一样。我说的像阿里一样，不是说今天的阿里，而是说2017年的阿里。2017年的阿里是不得了的，那是世界上最大的电商。我们可以根据这个制度自己的状态去猜测它会是怎么样。当它如此重要了之后，党当然必须控制它，更不用说它是举国之力发展出来的。

[00:40:31] 袁莉: 2017年的阿里巴巴其实没有太多的政府干预和帮助，它发展得很大。

[00:40:39] 许成钢: 当用举国之力把DeepSeek搞起来的时候呢，国有股份就进来了，国有的控制就进来了，党是一定要领导的。所以最终DeepSeek就是一个党领导的世界上最大的人工智能企业。

[00:40:57] 袁莉: 我替小粉红问一个问题，那这样不也挺好的吗？

[00:41:02] 许成钢: 好不好就看每个人追求的是什么。当经济遇到困难，你又很发财的时候，你这个韭菜就一定会被割。但党的作用远远不只是割韭菜。今天我们可以看得很清楚，DeepSeek是有没有言论自由的，言论全部都是限制住的。所以，假定它将来会变成了最重要的人工智能机器，所有的言论，所有的文字，所有的一切都用它产出。过去中宣部是不太容易控制的。现在中宣部要控制这个机器是很容易的。所以小粉红将来发现自由被严重地控制的时候，还高兴不高兴，那就是自己走着看吧。当你觉得你有自由的时候，你会觉得不在乎。当你不再感觉到你有自由的时候，那就是另外一回事了。

[00:42:11] 袁莉: 那好，我们请每位嘉宾推荐三部书或者是影视作品，你有没有AI方面的书给大家推荐？

[00:42:19] 许成钢: 我先推荐一个最通俗的AI的书，李飞飞的自传《我看见的世界》。我推荐的原因就是她的自传基本上把我们知道的人工智能的历史都包括进去了。她在西方被认为是当代的人工智能的教母。

大家可以从书里看到，她是怎么在美国的制度下受到教育和得到发展，她的生物的基因是中国人，她的基本文化的基因也是中国人。她在美国的教育下，在美国的制度下发展，然后变成一个天才，在人工智能领域里有了这么大的成就。

另一本书不是直接跟人工智能有关，但是可以帮助我们理解产业革命是怎么发展过来的。这本书也已经翻译成中文了，作者是莫基尔。莫基尔的书叫《富裕的杠杆：技术革新与经济进步》。莫基尔是一个著名的历史学家。如果嫌这本书长，不需要都看，就集中从它讨论产业革命开始看，看他怎么讨论产业革命，产业革命怎么影响社会，影响经济。

最后一本我推荐我自己的书《制度基因：中国制度与极权主义制度的起源》。我之所以推荐它，原因就是我们要理解产业革命为什么不在所有地方发展，为什么产业革命在发生之后，不同的国家的反应是不一样的，这要从一个国家的制度来理解。我这本书是专门讨论制度的。

[00:44:35] 袁莉: 您这本书经常买不到，尤其是美国这边的听众。希望台大出版社再版得快一点。谢谢许老师，也谢谢大家收听，我们下期再见。

]]>不明白播客An Interview with Benedict Evans About AI Unknowns2025-02-27T10:43:15+00:002025-02-27T10:43:15+00:00https://nodebe4.github.io/opinion/2025-02-27/An%20Interview%20with%20Benedict%20Evans%20About%20AI%20Unknowns

An Interview with Benedict Evans About AI Unknowns ——

An interview with Benedict Evans about AI lessons over the last year, and the many unresolved issues that will impact industry structure going forward.
]]>Ben ThompsonMore Chip Curbs?, Google LLM Status Check2025-02-26T14:33:43+00:002025-02-26T14:33:43+00:00https://nodebe4.github.io/opinion/2025-02-26/More%20Chip%20Curbs?,%20Google%20LLM%20Status%20Check

More Chip Curbs?, Google LLM Status Check ——

Ending the chip ban might be a mistake; I just hope people pushing for more realize that could be wrong as well. Then, Google's current position with LLMs, and the importance of GCP.
]]>Ben ThompsonEP-138 张伦：欧洲将如何应对特朗普？2025-02-25T23:59:18+00:002025-02-25T23:59:18+00:00https://nodebe4.github.io/opinion/2025-02-25/EP-138%20%E5%BC%A0%E4%BC%A6%EF%BC%9A%E6%AC%A7%E6%B4%B2%E5%B0%86%E5%A6%82%E4%BD%95%E5%BA%94%E5%AF%B9%E7%89%B9%E6%9C%97%E6%99%AE%EF%BC%9F

EP-138 张伦：欧洲将如何应对特朗普？ ——

周一联合国大会针对乌克兰问题草案两次投票中，美国抛弃了长期盟友欧洲，与俄罗斯站在一起投票。这是欧洲与美国裂痕的升级。此前，川普与普京通话，计划展开俄乌和平谈判，却把欧洲排除在外；紧接着是美国副总统万斯在慕尼黑安全会议上的讲话宣告了川普政府与欧洲极右翼政党站在了一起；川普甚至称乌克兰总统泽连斯基为“独裁者”。

不少媒体宣告，维持战后和平与稳定的跨大西洋联盟已经瓦解，欧洲国家失去了政治制度和价值理念上的盟友，更失去了安全上的保护伞，他们需要自己维护自己的安全了。

有人批评川普政府不负责任，有人对欧洲国家恨铁不成钢，批评欧洲是拒绝长大的“巨婴”。这两天有篇文章在网上流传，叫《张伦与友人谈批评欧洲》，文中说欧洲人需要深刻检讨，努力改正，但很多人对欧洲的批评也是不公道的，对一些基本背景缺乏了解。

文章的作者张伦是法国塞尔奇—巴黎大学教授，他长期关注地缘政治、大国关系和制度文明转型。这期节目我们邀请张伦教授来谈一下，他如何看待目前欧洲面临的剧变，欧洲国家如何应对川普政府的挑战，“跨大西洋联盟”何去何从，欧洲有可能担起自立自强，乃至保卫乌克兰的重担吗，以及在这个动荡与分裂的世界作为普通人应该自处？

时间轴：

01:42 川普政府对欧洲人造成怎样的心理冲击？
06:59 欧洲军事防卫弱，要怪美国吗？
14:55 重建欧洲武装力量的时机到了吗？
17:57 欧洲与美国比，谁支持乌克兰的力度更大？
19:44 美国排斥欧洲参与和谈会有什么后果？
22:04 联合国投票，美俄联合对抗欧洲意味着什么？
27:35 美国与欧洲割裂，中国应该感到高兴吗？
32:29 德国大选极右翼政党崛起会带来什么影响？
36:16 欧洲有可能担起保卫乌克兰的重担吗？
39:58 普通人如何在动荡与分裂的世界自处？
44:29 嘉宾推荐

嘉宾推荐：
《现代性的扩展与危机：全球化、信息技术、认同及其他 —— 关于如何看待这个动荡与分裂的世界的一次漫谈》张伦
《论美国的民主》托克维尔

官网：bumingbai.net
捐赠链接：https://bit.ly/bmb-donate
推特：@bumingbaipod
蓝天：@bumingbai.net
Mastodon：@bumingbaipod
Telegram：@bmbpod

]]>不明白播客AI Promise and Chip Precariousness2025-02-25T16:53:54+00:002025-02-25T16:53:54+00:00https://nodebe4.github.io/opinion/2025-02-25/AI%20Promise%20and%20Chip%20Precariousness

AI Promise and Chip Precariousness ——

Yesterday Anthropic released Claude Sonnet 3.7; Dylan Patel had the joke of the day about Anthropic’s seeming aversion to the number “4”, which means “die” in Chinese:

Jokes aside, the correction on this post by Ethan Mollick suggests that Anthropic did not increment the main version number because Sonnet 3.7 is still in the GPT-4 class of models as far as compute is concerned.

After publishing this piece, I was contacted by Anthropic who told me that Sonnet 3.7 would not be considered a 10^26 FLOP model and cost a few tens of millions of dollars to train, though future models will be much bigger. I updated the post with that information. The only significant change is that Claude 3 is now referred to as an advanced model but not a Gen3 model.

I love Mollick’s work, but reject his neutral naming scheme: whoever gets to a generation first deserves the honor of the name. In other words, if Gen2 models are GPT-4 class, then Gen3 models are Grok 3 class.

And, whereas Sonnet 3.7 is an evolution of Sonnet 3.5’s fascinating mixture of personality and coding prowess, likely a result of some Anthropic special sauce in post-training, Grok 3 feels like a model that is the result of a step-order increase in compute capacity, with a much lighter layer of reinforcement learning with human feedback (RLHF). Its answers are far more in-depth and detailed (model good!), but frequently becomes too verbose (RLHF lacking); it gets math problems right (model good!), but its explanations are harder to follow (RLHF lacking). It is also much more willing to generate forbidden content, from erotica to bomb recipes, while having on the surface the political sensibilities of Tumblr, with something more akin to 4chan under the surface if you prod.1 Grok 3, more than any model yet, feels like the distilled Internet; it’s my favorite so far.

Grok 3 is also a reminder of how much speed matters, and, by extension, why base models are still important in a world of AI’s that reason. Grok 3 is tangibly faster than the competition, which is a better user experience; more generally, conversation is the realm of quick wits, not deep thinkers. The latter is who I want doing research or other agentic-type tasks; the former makes for a better consumer user experience in a chatbot or voice interface.

ChatGPT, meanwhile, still has the best product experience — its Mac app in particular is dramatically better than Claude’s2 — and it handles more consumer-y use cases like math homework in a much more user-friendly way. Deep Research, meanwhile, is significantly better than all of its competitors (including Grok’s “Deep Search”), and, for me anyways, the closest experience yet to AGI.

OpenAI’s biggest asset, however, is the ChatGPT brand and associated mindshare; COO Brad Lightcap just told CNBC that the service had surpassed 400 million weekly active users, a 33% increase in less than 3 months. OpenAI is, as I declared four months after the release of ChatGPT, the accidental consumer tech company. Consumer tech companies are the hardest to build and have the potential to be the most valuable; they also require a completely different culture and value chain than a research organization with an API on the side. That is the fundamental reality that I suspect has driven much of the OpenAI upheaval over the last two-and-a-half years: long-time OpenAI employees didn’t sign up to be the next Google Search or Meta, nor is Microsoft interested in being a mere component supplier to a company that must own the consumer relationship to succeed.

In fact, though, OpenAI has moved too slowly: the company should absolutely have an ad-supported version by now, no matter how much the very idea might make AI researchers’ skin crawl; one of the takeaways from the DeepSeek phenomenon was how many consumers didn’t understand how good OpenAI’s best models were because they were not paying customers. It is very much in OpenAI’s competitive interest to make it cost-effective to give free users the best models, and that means advertising. More importantly, the only way for a consumer tech company to truly scale to the entire world is by having an ad model, which maximizes the addressable market while still making it possible to continually increase the average revenue per user (this doesn’t foreclose a subscription model of course; indeed, ads + subscriptions is the ultimate destination for a consumer content business).

DeepSeek, meanwhile, has both been the biggest story of the year, in part because it is the yin to Grok 3’s yang. DeepSeek’s V3 and R1 models are excellent and worthy competitors in the GPT-4 class, and they achieved this excellence through extremely impressive engineering on both the infrastructure and model layers; Grok 3, on the other hand, simply bought the most top-of-the-line Nvidia chips, leveraging the company’s networking to build the biggest computing cluster yet, and came out with a model that is better, but not astronomically so.

The fact that DeepSeek is Chinese is critically important, for reasons I will get to below, but it is just as important that it is an open lab, regularly publishing papers, full model weights, and underlying source code. DeepSeek’s models — which are both better than Meta’s Llama models and more open (and unencumbered by an “openish” license) — set the bar for “minimum open capability”; any model at or below DeepSeek’s models has no real excuse to not be open. Safety concerns are moot when you can just run DeepSeek, while competitive concerns are dwarfed by the sacrifice in uptake and interest entailed in having a model that is both worse and closed.

Both DeepSeek and Llama, meanwhile, provide significant pressure on pricing; API costs in both the U.S. and China have come down in response to the Chinese research lab’s releases, and the only way to have a sustainable margin in the long run is to either have a cost advantage in infrastructure (i.e. Google), have a sustainable model capability advantage (potentially Claude and coding), or be an Aggregator (which is what OpenAI ought to pursue with ChatGPT).

The State of AI Chips

All of this is — but for those with high p-doom concerns — great news. AI at the moment seems to be a goldilocks position: there is sufficient incentive for the leading research labs to raise money and continue investing in new foundation models (in the hope of building an AI that improves itself), even as competition drives API prices down relentlessly, further incentivizing model makers to come up with differentiated products and capabilities.

The biggest winner, of course, continues to be Nvidia, whose chips are fabbed by TSMC: DeepSeek’s success is causing Chinese demand for the H20, Nvidia’s reduced-compute-and-reduced-bandwidth-to-abide-by-export-controls version of the H200, to skyrocket, even as xAI just demonstrated that the fastest way to compete is to pay for the best chips. DeepSeek’s innovations will make other models more efficient, but it’s reasonable to argue that those efficiences are downstream from the chip ban, and that it’s understandable why companies who can just buy the best chips haven’t pursued — but will certainly borrow! — similar gains.

That latter point is a problem for AMD in particular: SemiAnalysis published a brutal breakdown late last year demonstrating just how poor the Nvidia competitor’s software is relative to its hardware; AMD promises to do better, but, frankly, great chips limited by poor software has been the story of AMD for its entire five decades of existence. Some companies, like Meta or Microsoft, might put in the work to write better software, but leading labs don’t have the time nor expertise.

The story is different for Huawei and its Ascend line of AI chips. Those chips are fabbed on China’s Semiconductor Manufactoring International Corporation’s (SMIC) 7nm process, using western-built deep ultraviolet lighography (DUV) and quad-patterning; that this is possible isn’t a surprise, but it’s reasonable to assume that the fab won’t progress further without a Chinese supplier developing extreme ultraviolet lithography (EUV) (and no, calling an evolution of the 7nm process 5.5nm doesn’t count).

Still, the primary limitation for AI chips — particularly when it comes to inference — isn’t necessarily chip speed, but rather memory bandwidth, and that can be improved at the current process level. Moreover, one way to (somewhat) overcome the necessity of using less efficient chips is to simply build more data centers with more power, something that China is much better at than the U.S. Most importantly, however, is that China’s tech companies have the motivation — and the software chops — to make the Ascend a viable contender, particularly for inference.

There is one more player who should be mentioned alongside Nvidia/TSMC and Huawei/SMIC, and that is the hyperscalers who design their own chips, either on their own (AWS with Trainium and Microsoft with Maia) or in collaboration with Broadcom (Google with TPUs and Meta with MTIA). The capabilities and importance of these efforts varies — Google has been investing in TPUs for a decade now, and trains its own models on them, while the next-generation Anthropic model is being trained on Trainium; Meta’s MTIA is about recommendations and not generative AI, while Microsoft’s Maia is a much more nascent effort — but what they all have in common is that their chips are fabbed by TSMC.

TSMC and Intel

That TSMC is dominant isn’t necessarily a surprise. Yes, much has been written, including on this site, about Intel’s stumbles and TSMC’s rise, but even if Intel had managed to stay on the leading edge — and 18A is looking promising — there is still the matter of the company needing to transform itself from an integrated device manufacturer (IDM) who designs and makes its own chips, to a foundry that has the customer service, IP library, and experience to make chips for 3rd parties like all of the entities I just discussed.

Nvidia, to take a pertinent example, was making its chips at TSMC (and Samsung) even when Intel had the leading process; indeed, it was the creation of TSMC and its pure-play foundry model that even made Nvidia possible.3 This also means that TSMC doesn’t just have leading edge capacity, but trailing edge capacity as well. There are a lot of chips in the world — both on AI servers and also in everything from cars to stereos to refrigerators — that don’t need to be on the cutting edge and which benefit from the low costs afforded by the fully depreciated foundries TSMC still maintains, mostly in Taiwan. And TSMC, in turn, can take that cash flow — along with increasing prices for the leading edge — and invest in new fabs on the cutting edge.

Those leading edge fabs continue to skyrocket in price, which means volume is critical. That is why it was clear to me back when this site started in 2013 that Intel needed to become a foundry; unfortunately the company didn’t follow my advice, preferring to see their stock price soar on the back of cloud server demand. Fast forward to 2021 and Intel — now no longer on the leading edge, and with its cloud server business bleeding share to a resurgent AMD on TSMC’s superior process — tried, under the leadership of Pat Gelsinger, to become a foundry; unfortunately the company’s diminishing cash position is larger than its foundry customer base, which is mostly experimental chips or x86 variants.

Intel’s core problem goes back to the observation above: becoming a foundry is about more than having the leading edge process; Intel might have been able to develop those skills in conjunction with customers eager to be on the best process in the world, but once Intel didn’t even have that, it had nothing to offer. There simply is no reason for an Apple or AMD or Nvidia to take the massive risk entailed in working with Intel when TSMC is an option.

China and a Changing World

TSMC is, of course, headquartered in Taiwan; that is where the company’s R&D and leading edge fabs are located, along with most of its trailing edge capacity. SMIC, obviously, is in China; another foundry is Samsung, in South Korea. I told the story as to why so much of this industry ended up in Asia last fall in A Chance to Build:

Semiconductors are so integral to the history of Silicon Valley that they give the region its name, and, more importantly, its culture: chips require huge amounts of up-front investment, but they have, relative to most other manufactured goods, minimal marginal costs; this economic reality helped drive the development of the venture capital model, which provided unencumbered startup capital to companies who could earn theoretically unlimited returns at scale. This model worked even better with software, which was perfectly replicable.

That history starts in 1956, when William Shockley founded the Shockley Semiconductor Laboratory to commercialize the transistor that he had helped invent at Bell Labs; he chose Mountain View to be close to his ailing mother. A year later the so-called “Traitorous Eight”, led by Robert Noyce, left and founded Fairchild Semiconductor down the road. Six years after that Fairchild Semiconductor opened a facility in Hong Kong to assemble and test semiconductors. Assembly required manually attaching wires to a semiconductor chip, a labor-intensive and monotonous task that was difficult to do economically with American wages, which ran about $2.50/hour; Hong Kong wages were a tenth of that. Four years later Texas Instruments opened a facility in Taiwan, where wages were $0.19/hour; two years after that Fairchild Semiconductor opened another facility in Singapore, where wages were $0.11/hour.

In other words, you can make the case that the classic story of Silicon Valley isn’t completely honest. Chips did have marginal costs, but that marginal cost was, within single digit years of the founding of Silicon Valley, exported to Asia.

I recounted in that Article about how this outsourcing was an intentional policy of the U.S. government, and launched into a broader discussion about the post-War Pax Americana global order that placed the U.S. consumer market at the center of global trade, denominated by the dollar, and why that led to an inevitable decline in American manufacturing and the rise of a country in China that, in retrospect, was simply too big, and thus too expensive, for America to bear.

That, anyways, is how one might frame many of the signals coming out of the 2nd Trump administration, including what appears to be a Monroe 2.0 Doctrine approach to North America, an attempt to extricate the U.S. from the Ukraine conflict specifically and Europe broadly, and, well, a perhaps tamer approach to China to start, at least compared to Trump’s rhetoric on the campaign trail.

One possibility is that Trump is actually following through on the “pivot to Asia” that U.S. Presidents have been talking about but failing to execute on for years; in this view the U.S. is girding itself up to defend Taiwan and other entities in Asia, and hopefully break up the burgeoning China-Russia relationship in the process.

The other explanation is more depressing, but perhaps more realistic: President Trump may believe that the unipolar U.S.-dominated world that has been the norm since the fall of the Soviet Union is drawing to a close, and it’s better for the U.S. to proactively shift to a new norm than to have it forced upon them.

The important takeaway that is relevant to this Article is that Taiwan is the flashpoint in both scenarios. A pivot to Asia is about gearing up to defend Taiwan from a potential Chinese invasion or embargo; a retrenchment to the Americas is about potentially granting — or acknowledging — China as the hegemon of Asia, which would inevitably lead to Taiwan’s envelopment by China.

This is, needless to say, a discussion where I tread gingerly, not least because I have lived in Taipei off and on for over two decades. And, of course, there is the moral component entailed in Taiwan being a vibrant democracy with a population that has no interest in reunification with China. To that end, the status quo has been simultaneously absurd and yet surprisingly sustainable: Taiwan is an independent country in nearly every respect, with its own border, military, currency, passports, and — pertinent to tech — economy, increasingly dominated by TSMC; at the same time, Taiwan has not declared independence, and the official position of the United States is to acknowledge that China believes Taiwan is theirs, without endorsing either that position or Taiwanese independence.

Chinese and Taiwanese do, in my experience, handle this sort of ambiguity much more easily than do Americans; still, gray zones only go so far. What has been just as important are realist factors like military strength (once in favor of Taiwan, now decidedly in favor of China), economic ties (extremely deep between Taiwan and China, and China and the U.S.), and war-waging credibility. Here the Ukraine conflict and the resultant China-Russia relationship looms large, thanks to the sharing of military technology and overland supply chains for oil and food that have resulted, even as the U.S. has depleted itself. That, by extension, gets at another changing factor: the hollowing out of American manufacturing under Pax Americana has been directly correlated with China’s dominance of the business of making things, the most essential war-fighting capability.

Still, there is — or rather was — a critical factor that might give China pause: the importance of TSMC. Chips undergird every aspect of the modern economy; the rise of AI, and the promise of the massive gains that might result, only make this need even more pressing. And, as long as China needs TSMC chips, they have a powerful incentive to leave Taiwan alone.

Trump, Taiwan, and TSMC

Anyone who has been following the news for the last few years, however, can surely see the problem: the various iterations of the chip ban, going back to the initial action against ZTE in 2018, have the perhaps-unintended effect of making China less dependent on TSMC. I wrote at the time of the ZTE ban:

What seems likely to happen in the long run is a separation at the hardware layer as well; China is already investing heavily in chips, and this action will certainly spur the country to focus on the sort of relatively low-volume high-precision components that other countries like the U.S., Taiwan, and Japan specialize in (to date it has always made more sense for Chinese companies to focus on higher-volume lower-precision components). To catch up will certainly take time, but if this action harms ZTE as much as it seems it will I suspect the commitment will be even more significant than it already is.

I added two years later, after President Trump barred Huawei from TSMC chips in 2020:

I am, needless to say, not going to get into the finer details of the relationship between China and Taiwan (and the United States, which plays a prominent role); it is less that reasonable people may disagree and more that expecting reasonableness is probably naive. It is sufficient to note that should the United States and China ever actually go to war, it would likely be because of Taiwan.

In this TSMC specifically, and the Taiwan manufacturing base generally, are a significant deterrent: both China and the U.S. need access to the best chip maker in the world, along with a host of other high-precision pieces of the global electronics supply chain. That means that a hot war, which would almost certainly result in some amount of destruction to these capabilities, would be devastating…one of the risks of cutting China off from TSMC is that the deterrent value of TSMC’s operations is diminished.

Now you can see the fly in Goldilocks’ porridge! China would certainly like the best chips from TSMC, but they are figuring out how to manage with SMIC and the Ascend and surprisingly efficient state-of-the-art models; the entire AI economy in the U.S., on the other hand — the one that is developing so nicely, with private funding pursuing the frontier, and competition and innovation up-and-down the stack — is completely dependent on TSMC and Taiwan. We have created a situation where China is less dependent on Taiwan, even while we are more dependent on the island.

This is the necessary context for two more will-he-or-won’t-he ideas floated by President Trump; both are summarized in this Foreign Policy article:

U.S. President Donald Trump has vowed to impose tariffs on Taiwan’s semiconductor industry and has previously accused Taiwan of stealing the U.S. chip industry…The primary strategic goal for the administration is to revitalize advanced semiconductor manufacturing in the United States…As the negotiations between TSMC and the White House unfold, several options are emerging.

The most discussed option is a deal between TSMC, Intel, the U.S. government, and U.S. chip designers such as Broadcom and Qualcomm. Multiple reports indicate that the White House has proposed a deal that would have TSMC acquire a stake in Intel Foundry Services and take a leading role in its operations after IFS separated from Intel. Other reports suggest a potential joint venture involving TSMC, Intel, the U.S. government, and industry partners, with technology transfer and technical support from TSMC.

The motivation for such a proposal is clear: Intel’s board, who fired Gelsinger late last year, seems to want out of the foundry business, and Broadcom or Qualcomm are natural landing places for the design division; the U.S., however, is the entity that needs a leading edge foundry in the U.S., and the Trump administration is trying to compel TSMC to make it happen.

Unfortunately, I don’t think this plan is a good one. It’s simply not possible for one foundry to “take over” another: while the final output is the same — a microprocessor — nearly every step of the process is different in a multitude of ways. Transistors — even ones of the same class — can have different dimensions, with different layouts (TSMC, for example, packs its transistors more densely); production lines can be organized differently, to serve different approaches to lithography; chemicals are tuned to individual processes, and can’t be shared; equipment is tailored to a specific line, and can’t be switched out; materials can differ, throughout the chip, along with how exactly they are prepared and applied. Sure, most of the equipment could be repurposed, but one doesn’t simply layer a TSMC process onto an Intel fab! The best you could hope for is that TSMC could rebuild the fabs using the existing equipment according to their specifications.

That, though, doesn’t actually solve the Taiwan problem: TSMC is still headquartered in Taiwan, still has its R&D division there, and is still beholden to a Taiwanese government directive to not export its most cutting edge processes (and yes, there is truth to Trump’s complaints that Taiwan sees TSMC as leverage to guarantee that the U.S. defends Taiwan in the event of a Chinese invasion). Moreover, the U.S. chip problem isn’t just about the leading edge, but also the trailing edge. I wrote in Chips and China:

It’s worth pointing out, though, that this is producing a new kind of liability for the U.S., and potentially more danger for Taiwan…these aren’t difficult chips to make, but that is precisely why it makes little sense to build new trailing edge foundries in the U.S.: Taiwan already has it covered (with the largest marketshare in both categories), and China has the motivation to build more just so it can learn.

What, though, if TSMC were taken off the board?

Much of the discussion around a potential invasion of Taiwan — which would destroy TSMC (foundries don’t do well in wars) — centers around TSMC’s lead in high end chips. That lead is real, but Intel, for all of its struggles, is only a few years behind. That is a meaningful difference in terms of the processors used in smartphones, high performance computing, and AI, but the U.S. is still in the game. What would be much more difficult to replace are, paradoxically, trailing node chips, made in fabs that Intel long ago abandoned…

The more that China builds up its chip capabilities — even if that is only at trailing nodes — the more motivation there is to make TSMC a target, not only to deny the U.S. its advanced capabilities, but also the basic chips that are more integral to everyday life than we ever realized.

It’s good that the administration is focused on the issue of TSMC and Taiwan: what I’m not sure anyone realizes is just how deep the dependency goes, and just how vulnerable the U.S. — and our future in AI — really is.

What To Do

Everything that I’ve written until now has been, in some respects, trivial: it’s easy to identify problems and criticize proposed solutions; it’s much more difficult to come up with solutions of one’s own. The problem is less the need for creative thinking and more the courage to make trade-offs: the fact of the matter is that there are no good solutions to the situation the U.S. has got itself into with regards to Taiwan and chips. That is a long-winded way to say that the following proposal includes several ideas that, in isolation, I find some combination of distasteful, against my principles, and even downright dangerous. So here goes.

End the China Chip Ban

The first thing the U.S. should do — and, by all means, make this a negotiating plank in a broader agreement with China — is let Chinese companies, including Huawei, make chips at TSMC, and further, let Chinese companies buy top-of-the-line Nvidia chips.

The Huawei one is straightforward: Huawei’s founder may have told Chinese President Xi Jinping that Huawei doesn’t need external chip makers, but I think that the reality of having access to cutting edge TSMC fabrication would show that the company’s revealed preference would be for better chips than Huawei can get from SMIC — and the delta is only going to grow. Sure, Huawei would still work with SMIC, but the volume would go down; critically, so would the urgency of having no other choice. This, by extension, would restart China’s dependency on TSMC, thereby increasing the cost of making a move on Taiwan.

At the same time, giving Huawei access to cutting edge chips would be a significant threat to Nvidia’s dominance; the reason the company is so up-in-arms about the chip ban isn’t simply foregone revenue but the forced development of an alternative to their CUDA ecosystem. The best way to neuter that challenge — and it is in the U.S.’s interest to have Nvidia in control, not Huawei — is to give companies like Bytedance, Alibaba, and DeepSeek the opportunity to buy the best.

This does, without question, unleash China in terms of AI; preventing that has been the entire point of the various flavors of chip bans that came down from the Biden administration. DeepSeek’s success, however, should force a re-evaluation about just how viable it is to completely cut China off from AI.

It’s also worth noting that success in stopping China’s AI efforts has its own risks: another reason why China has held off from moving against Taiwan is the knowledge that every year they wait increases their relative advantages in all the real world realities I listed above; that makes it more prudent to wait. The prospect of the U.S. developing the sort of AI that matters in a military context, however, even as China is cut off, changes that calculus: now the prudent course is to move sooner rather than later, particularly if the U.S. is dependent on Taiwan for the chips that make that AI possible.

Double Down on the Semiconductor Equipment Ban

While I’ve continually made references to “chip bans”, that’s actually incomplete: the U.S. has also made moves to limit China’s access to semiconductor equipment necessary for making leading edge chips (SMIC’s 7nm process, for example, is almost completely dependent on western semiconductor equipment). Unfortunately, this effort has mostly been a failure, thanks to generous loopholes that are downstream from China being a large market for U.S. semiconductor equipment manufacturers.

It’s time for those loopholes to go away; remember, the overriding goal is for China to increase its dependence on Taiwan, and that means cutting SMIC and China’s other foundries off at the knees. Yes, this increases the risk that China will develop its own alternatives to western semiconductor manufacturers, leading to long-term competition and diminished money for R&D, but this is a time for hard choices and increasing Taiwan’s importance to China is more important.

Build Trailing Edge Fabs in the U.S.

The U.S.’s dependency on TSMC for trailing edge chip capacity remains a massive problem; if you think the COVID chip shortages were bad, then a scenario where the U.S. is stuck with GlobalFoundries and no one else is a disaster so great it is hard to contemplate. However, as long as TSMC exists, there is zero economic rationale for anyone to build more trailing edge fabs.

This, then, is a textbook example of where government subsidies are the answer: there is a national security need for trailing edge capacity, and no economic incentive to build it. And, as an added bonus, this helps fill in some of the revenue for semiconductor manufacturers who are now fully cut off from China. TSMC takes a blow, of course, but they are also being buttressed by orders from Huawei and other Chinese chip makers.

Intel and the Leading Edge

That leaves Intel and the need for native leading edge capacity, and this is in some respects the hardest problem to solve.

First, the U.S. should engineer a spin-off of Intel’s x86 chip business to Broadcom or Qualcomm at a nominal price; the real cost for the recipient company will be guaranteed orders for not just Intel chips but also a large portion of their existing chips for Intel Foundry. This will provide the foundational customer to get Intel Foundry off the ground.

Second, the U.S. should offer to subsidize Nvidia chips made at Intel Foundry. Yes, this is an offer worth billions of dollars, but it is the shortest, fastest route to ground the U.S. AI industry in U.S. fabs.

Third, if Nvidia declines — and they probably will, given the risks entailed in a foundry change — then the U.S. should make a massive order for Intel Gaudi AI accelerators, build data centers to house them, and make them freely available to companies and startups who want to build their own AI models, with the caveat that everything is open source.

Fourth, the U.S. should heavily subsidize chip startups to build at Intel Foundry, with the caveat that all of the resultant IP that is developed to actually build chips — the basic building blocks, that are separate from the “secret sauce” of the chip itself — is open-sourced.

Fifth, the U.S. should indemnify every model created on U.S.-manufactured chips against any copyright violations, with the caveat that the data used to train the model must be made freely available.

Here is the future state the U.S. wants to get to: a strong AI industry running on U.S.-made chips, along with trailing edge capacity that is beyond the reaches of China. Getting there, however, will take significant interventions into the market to undo the overwhelming incentives for U.S. companies to simply rely on TSMC; even then, such a shift will take time, which is why making Taiwan indispensable to China’s technology industry is the price that needs to be paid in the meantime.

AI is in an exciting place; it’s also a very precarious one. I believe this plan, with all of the risks and sacrifices it entails, is the best way to ensure that all of the trees that are sprouting have time to actually take root and change the world.

  1. This suggests a surprising takeaway: it’s possible that while RLHF on ChatGPT and especially Claude block off the 4chan elements, they also tamp down the Tumblr elements, which is to say the politics don’t come from the post-training, but from the dataset — i.e. the Internet. In other words, if I’m right about Grok 3 having a much lighter layer of RLHF, then that explains both the surface politics, and what is available under the surface. ↩

  2. Grok doesn’t yet have a Mac app, but its iPhone app is very good ↩

  3. Although Nvidia’s first chip was made by SGS-Thomson Microelectronics ↩

]]>Ben Thompson臺大的臺灣文學 | 臺大慶明文學講座2025-02-25T07:02:44+00:002025-02-25T07:02:44+00:00https://nodebe4.github.io/opinion/2025-02-25/%E8%87%BA%E5%A4%A7%E7%9A%84%E8%87%BA%E7%81%A3%E6%96%87%E5%AD%B8%20%7C%20%E8%87%BA%E5%A4%A7%E6%85%B6%E6%98%8E%E6%96%87%E5%AD%B8%E8%AC%9B%E5%BA%A7

臺大的臺灣文學 | 臺大慶明文學講座 ——

拍攝日期：2022/09/13主講人：王德威（美國哈佛大學東亞系講座教授）►►臺大演講網Website: http://speech.ntu.edu.twFacebook: http://www.facebook.com/ntuspeech
]]>臺大演講網華語世界中的臺灣文學 | 臺大慶明文學講座2025-02-25T07:02:30+00:002025-02-25T07:02:30+00:00https://nodebe4.github.io/opinion/2025-02-25/%E8%8F%AF%E8%AA%9E%E4%B8%96%E7%95%8C%E4%B8%AD%E7%9A%84%E8%87%BA%E7%81%A3%E6%96%87%E5%AD%B8%20%7C%20%E8%87%BA%E5%A4%A7%E6%85%B6%E6%98%8E%E6%96%87%E5%AD%B8%E8%AC%9B%E5%BA%A7

華語世界中的臺灣文學 | 臺大慶明文學講座 ——

拍攝日期：2022/09/06主講人：王德威（美國哈佛大學東亞系講座教授）►►臺大演講網Website: http://speech.ntu.edu.twFacebook: http://www.facebook.com/ntuspeech
]]>臺大演講網The iPhone 16e; Apple Intelligence Table Stakes; Apple vs. U.K, Continued2025-02-24T15:47:27+00:002025-02-24T15:47:27+00:00https://nodebe4.github.io/opinion/2025-02-24/The%20iPhone%2016e;%20Apple%20Intelligence%20Table%20Stakes;%20A

The iPhone 16e; Apple Intelligence Table Stakes; Apple vs. U.K, Continued ——

The iPhone 16e is more expensive than the SE it replaces, but the situation is probably temporary as Apple resets its lineup for Apple Intelligence
]]>Ben ThompsonEP-137 许成钢：DeepSeek、民企座谈会能否重振中国经济？2025-02-22T13:00:00+00:002025-02-22T13:00:00+00:00https://nodebe4.github.io/opinion/2025-02-22/EP-137%20%E8%AE%B8%E6%88%90%E9%92%A2%EF%BC%9ADeepSeek%E3%80%81%E6%B0%91%E4%BC%81%E5%BA%A7%E8%B0%88%E4%BC%9A%E8%83%BD%E5%90%A6%E9%87%8D%E6%8C%AF%E4%B8%AD%E5%9B%BD%E7%BB%8F%E6%B5%8E%EF%BC%9F

EP-137 许成钢：DeepSeek、民企座谈会能否重振中国经济？ ——

本周一，习近平出席民营企业座谈会的消息引发广泛关注，而此前在DeepSeeK的影响下，沉寂已久的港股和A股重新活跃，这是近段时间中国经济最重要的两个变量。习近平为什么要在这个时候召开民营企业座谈会？DeepSeek与这场座谈会之间有何关联？这是否意味着中国的经济政策开始纠偏了？

本期节目我们请来斯坦福大学中国经济与制度研究中心高级研究员许成钢教授。许教授不仅长期研究中国政治与经济制度，同时对科技和AI也非常有研究。他曾在2018年，在长江商学院与人工智能专家合作建立了人工智能与制度研究中心，并担任该中心的主任。他还与国内人工智能专家及斯坦福人工智能指数团队合作，收集数据，制作中国人工智能指数。

另外，3月16日不明白播客会在荷兰阿姆斯特丹举办一场听众见面会，袁莉会和张洁平、Ian Johnson一起聊一下《川普新政下的欧洲、中国与公民社会》，这是我们第一次在欧洲举办线下活动，现场还会有听众问答环节。感兴趣的听众可以点击链接报名参与本次见面会：https://forms.gle/7j7yxg2buAx3KHG5A

时间轴：

01:55 习近平为什么要召开民营企业座谈会？
06:04 许成钢如何看待DeepSeek的成功？
11:20 今天人工智能的水平还不如一只猫？
15:29 第四次产业革命的核心要素是什么？
22:12 举国之力能保证DeepSeek成功吗？
27:01 DeepSeek的生态会为中国GDP带来巨大贡献吗？
30:48 DeepSeek真的能救中共吗？
34:40 民营企业座谈会能够为经济带来起色吗？
39:20 中共有可能做出根本性的政策转变吗？
42:30 嘉宾推荐

《我看见的世界》李飞飞
《富裕的杠杆：技术革新与经济进步》乔尔·莫基尔（Joel Mokyr）
《制度基因──中國制度與極權主義制度的起源》许成钢

相关播客：
EP-134 王维嘉：DeepSeek对中美AI竞争意味着什么？
EP-036 许成钢：从 ChatGPT 看中美人工智能竞争


官网：bumingbai.net
捐赠链接：https://bit.ly/bmb-donate
推特：@bumingbaipod
蓝天：@bumingbai.net
Mastodon：@bumingbaipod
Telegram：@bmbpod

]]>不明白播客现代舞艺术家金星：真正的自由 是你思想有多大自由｜观点2025-02-20T14:01:00+00:002025-02-20T14:01:00+00:00https://nodebe4.github.io/opinion/2025-02-20/%E7%8E%B0%E4%BB%A3%E8%88%9E%E8%89%BA%E6%9C%AF%E5%AE%B6%E9%87%91%E6%98%9F%EF%BC%9A%E7%9C%9F%E6%AD%A3%E7%9A%84%E8%87%AA%E7%94%B1%20%E6%98%AF%E4%BD%A0%E6%80%9D%E6%83%B3%E6%9C%89%E5%A4%9A%E5%A4%A7%E8%87%AA%E7%94%B1%EF%BD%9C%E8%A7%82%E7%82%B9

现代舞艺术家金星：真正的自由 是你思想有多大自由｜观点 ——

#金星 告诉 #观点：八九十年代的北京真是好玩，整个国家都很有劲头的，但2010年后整个价值观变了，只有成功论不允许失败者，对女人的审美也变得单一，整个社会变得特别狭隘。而谈到当年为何放弃 #六四绿卡，金星说：真正的自由不是拥有哪国护照，而是你的思想有多大自由。#六四 #金星 #金星秀 #80年代 #90年代 #性少数群体 #达沃斯论坛翻墙有方：新版“赛风”Psiphon 3使用VPN、SSH和HTTP代理服务技术，适用于视窗（Windows）和安卓（Android）系统，在设置中启动赛风代理服务器即可绕过网络封锁。获得赛风软件：https://s3.amazonaws.com/q1zc-evc7-flev/en/download.html#direct.自由亚洲电台（RFA）是向没有新闻自由的亚洲地区，传播新闻内容以及资讯的非营利机构。我们的使命是提供准确的新闻，以及精辟的评论，并提供一个可包容各类意见的平台。RFA是由美国国会授权设立，资金来源由联邦政府拨款。所有广播均从位于美国华盛顿特区的总部播出。自由亚洲电台普通话网站：http://www.rfa.org/mandarin自由亚洲电台YouTube频道：http://bit.ly/1ztYI3J自由亚洲电台Facebook：https://www.facebook.com/RFAChinese自由亚洲电台Twitter：https://twitter.com/RFA_Chinese
]]>自由亚洲电台An Interview with Manna Founder and CEO Bobby Healy About Drone Delivery2025-02-20T10:55:00+00:002025-02-20T10:55:00+00:00https://nodebe4.github.io/opinion/2025-02-20/An%20Interview%20with%20Manna%20Founder%20and%20CEO%20Bobby%20Heal

An Interview with Manna Founder and CEO Bobby Healy About Drone Delivery ——

An interview with Manna founder and CEO Bobby Healy about drone delivery: how does it work, what is the regulatory landscape, and why the suburbs will be the place to be.
]]>Ben ThompsonEncryption and the Uneasy Compromise, Netflix Earnings, The Aggregator’s Compounding Advantage2025-02-19T15:06:34+00:002025-02-19T15:06:34+00:00https://nodebe4.github.io/opinion/2025-02-19/Encryption%20and%20the%20Uneasy%20Compromise,%20Netflix%20Earn

Encryption and the Uneasy Compromise, Netflix Earnings, The Aggregator’s Compounding Advantage ——

More on the U.K. vs. Apple, and then Netflix's earnings demonstrate how an Aggregator's advantage compounds via pricing power.
]]>Ben ThompsonEP-136 陈良榕：你需要知道的张忠谋与台积电（文字版）2025-02-18T13:41:26+00:002025-02-18T13:41:26+00:00https://nodebe4.github.io/opinion/2025-02-18/EP-136%20%E9%99%88%E8%89%AF%E6%A6%95%EF%BC%9A%E4%BD%A0%E9%9C%80%E8%A6%81%E7%9F%A5%E9%81%93%E7%9A%84%E5%BC%A0%E5%BF%A0%E8%B0%8B%E4%B8%8E%E5%8F%B0%E7%A7%AF%E7%94%B5%EF%BC%88%E6%96%87%E5%AD%97%E7%89%88%EF%BC%89

EP-136 陈良榕：你需要知道的张忠谋与台积电（文字版） ——

文字版全文：

02:10 张忠谋为什么被称为“肯德基爷爷”？
07:00 作为台积电创始人，张忠谋为什么要“裸退”？
15:42 张忠谋的身份认同是美国人还是台湾人？
21:05 为什么说张忠谋不算一个“很有勇气的的人”？
31:32 芯片代工模式为什么如此重要？
35:14 台积电的成功与台湾政府的支持有多大关系？
40:08 台积电为什么能够打败英特尔和三星？
43:26 张忠谋相信台积电能够保护台湾吗？
46:20 中国有可能复制一个台积电吗？
55:27 嘉宾推荐

[00:00:02] 袁莉: 大家好，欢迎来到不明白播客。我是主持人袁莉。半导体是我们这个时代最举足轻重的行业，张忠谋是这个行业最重量级的人物。他的职业生涯也是一部全球半导体业和台湾半导体的历史。他最近出版了自传的下卷，对半导体感兴趣的听众，这本书应该是必读的。即便对我这样的外行，这本书也非常有意思。张忠谋在书中非常诚实地写下自己在生活和事业上遭遇的重大挫折，他对于管理企业和人际关系的很多论述也非常有启发。他的坦率真实和化繁为简的写作风格让这本书非常有可读性。

我先简单地介绍一下张忠谋的简历。他1931年出生于浙江宁波，在战争的颠沛流离中，随父母在南京、广州、香港、重庆和上海度过了童年和少年时期。他于1949年赴美国就读哈佛大学，次年转学麻省理工学院机械工程系。他1955年起进入半导体行业，在德州仪器工作了25年。五十四岁搬到台湾担任工业技术研究院，也就是工研院院长，筹备台积电。五十六岁创立台积电，一直到2017年八十七岁退休。这期播客我们请来了台湾《天下》杂志总主笔陈良榕先生来跟我们谈一下张忠谋、台积电以及中国有没有可能复制一个台积电。

陈良榕1973年出生于彰化，他的记者生涯可分为三个阶段：早期他主攻社会议题与国际报道，中间几年跑中国，目前的专长是半导体。对半导体和科技感兴趣的听众可以听一下陈良榕主持的播客节目“阿榕伯胡说科技”，以及他的newsletter“陈良榕科技电子报”。良榕，你好。

[00:02:08] 陈良榕: 袁莉好，各位听众朋友大家好。

[00:02:10] 袁莉: 你发给我一张照片，是张忠谋乘坐捷运，也就是台湾的地铁，这和我想像中的张忠谋有很大的差距。我以为以他的年龄和资历，他一定是被很多的助手围绕，然后司机车接车送，你能不能给大家先介绍一下张忠谋是谁？在台湾人眼中，张忠谋是一个什么样的形象？为什么他的新书发布会蔡英文都要去捧场发言？还有他为什么被称为肯德基爷爷？

[00:02:40] 陈良榕: 首先肯德基爷爷是我取的。

[00:02:43] 袁莉: 对，我第一次是从你这听说，这还挺形象。

[00:02:47] 陈良榕: 那张照片在台湾蛮有名的，大概是十年前左右，那个时候张忠谋还在台积电上班。那个其实不是捷运，是通勤电车。主要就是接驳新竹科学园区跟新竹高铁站的往来。新竹科学园区是几乎台湾所有的科技大企业的总部所在地，尤其是台积电，所以每次到了下班时间，那边就堵得不可开交。那张忠谋每天下班都是从那边坐高铁。那张照片有趣的是，他旁边就坐了一个高中女生，跟他挤在一个位子上，那个高中女生就只记得看书。网友都笑说只懂得埋头苦读，不知道你旁边坐着一个身价数百亿的人，就是张忠谋。张忠谋这张照片坐的姿势就很像肯德基爷爷。有些人会去肯德基外面跟肯德基爷爷坐在一起合照，那个高中女生就很像这个样子。

这张照片很可以代表张忠谋，在他的职业后期给台湾人的一个印象就是蛮温馨的，蛮随和的，所以我们都说那是大家在路上捕捉野生张忠谋。最近还有很多照片流传，有人在麦当劳拍到他跟他太太张淑芬吃麦当劳，这种照片在各地流传，所以他这几年在台湾人的形象其实是有点像吉祥物，就是蛮可爱的，讲话慢慢的，走路也慢慢的，就很像是肯德基爷爷。但是他在他的职业初期，我认识的二十年前的台积电的旧部都叫他大帅，说张大帅很凶，凶得吓死人，有时候他瞪你不用讲话，我们大气都不敢透一下。我们记者遇到他采访也是小心翼翼的，因为他会问你，所以我们都很害怕，跟最近这几年形象差很多。

[00:04:46] 袁莉: 我听采访他的记者说，他要先考一下你的专业知识，如果你不懂的话，他都不要跟你说话，是吗？有这么夸张吗？

[00:04:55] 陈良榕: 我被他考过两次。我可以举个例子，第一次被他考的时候，那一次我真的是觉得蛮羞愧。那时候他们才刚刚发表了四个技术平台，其实蛮重要的，可是我们那个时候不觉得重要，因为很多公司都会发这种跟一般人没什么关系的，只有他们自己看得懂的东西嘛。结果他居然在采的时候就直接问我，你说一下，我们这四个技术平台。

[00:05:17] 袁莉: 天啊，好吓人。

[00:05:19] 陈良榕: 真的很凶，我只说的出一个，就是mobile，手机，其他三个我当场说不出来，其实很羞愧。后来过了几年又被他考一次，那一次他在讲一个东西的时候，突然看着我说你知道Camelot是什么吗？Camelot就是传说中亚瑟王的总部，我那时候居然知道，我就说我知道，是亚瑟王的总部。他就继续讲下去。因为张忠谋常常讲到莎士比亚的经典文学，他问我这个倒不是要考我，他是要确定我知道那个脉络，他就不用解释了。所以有这样的情况，我们采访他的时候很害怕。

[00:06:01] 袁莉: 他的地位非常高吧？因为我看了天下出版社出的他的书，也去看了新书发布会的整个过程，蔡英文都要跑过去发言，然后蔡英文还调侃说，她写的这个发言稿，她也很忐忑，也很害怕张忠谋不满意。

[00:06:21] 陈良榕: 我们以前采访他，送过去的那个提纲都常常不合意，要被退，退好几次。所以我想她的心情应该跟我们送采访提纲是一样的心情。至于蔡英文跟他的交情，因为张忠谋当过好几次台湾APEC的代表，代表台湾元首去参加这种台湾少数能够参加的的国际盛会。

[00:06:46] 袁莉: APEC就是亚太经合组织会议。

[00:06:48] 陈良榕: 他和蔡英文是非常好的朋友。我认为他后來愿意在高雄设厂，相当程度是支持小英的政策。这里我想说明一下。虽然外界有很多关于张忠谋的报导，但中国听众可能缺乏一个理解的脉络。我记得张忠谋最有意思的就是，台积电是一家国家创立的公司，他在这家公司呆了将近40年，他都是专业经理人。大家应该知道中国很多公司一开始是国营企业，后来国有资产流失的情况就是这些国有的职业经理人后来突然变成老板了，后来大家再去追究历史责任。张忠谋这么多年来一直都是职业经理人，他也没有说我要我的儿子接班，要我的女儿接班，要我的亲信去接班，他一直都没有。他就裸退，然后他也没有去用什么方式把公司的资产倒在自己的名下，他就是靠董事会每年发酬劳，一步一步累积。现在他身价百亿都是每年发薪水发出来的。我觉得这是是蛮特别的。

[00:08:01] 袁莉: 他在书里面讲，当时高盛在台湾的一个负责人，让他们做管理层收购，让台积电退市，管理层就可以拥有这个公司，成为公司的股东。其实是一个赚钱的方式，

[00:08:19] 陈良榕: 中国有些行业常常这样做。

[00:08:22] 袁莉: 但是张忠谋他就决定不这么做，是吧？

[00:08:25] 陈良榕: 我觉得这是这本书的一个独家信息，是我们过去从来都不知道的事情。因为这个事情根本没有提到董事会。我后来问他身边的人，他们说都不知道，公司主管都没有讨论。因为没有到董事会表决，可能只有CEO等少数几个人知道。张忠谋那时候已经把CEO交出去给蔡立行，可能只有他还有曾繁城几个最顶尖的三四个人知道。因为没有在董事会成案，连财务长都不知道。

其实我们觉得很有趣的是，这件事情张忠谋居然考虑了高盛提出的管理层收购。就像我刚刚讲的，台积电是国家的公司，虽然国家的股份卖了很多了，但那时候还有百分之十几。大家的心目中都觉得台积电是台湾的公司。他居然一天会考虑要不要接受。我们真的觉得光是考虑就很奇怪了。但是他考虑了一段时间，后来拒绝了。拒绝的理由也不是因为把这家公司下市会引起朝野震动，而是考虑会影响台积未来的竞争力。这个也蛮有趣的。

你看他传记里面，他念兹在兹就是失去对公司的控制权。可是他并像很多公司那样用成立子公司之类的阴招来控制公司。而是用结合飞利浦这样的外资股东、跟国家保持怎样的关系来维持他的控制权这样的方式。因为他几乎没有持股，他持股比例是可以忽略的。

[00:10:05] 袁莉: 他是一个还是挺坦荡的人，是一个真的把自己的位置摆得很正的人，就是一个职业经理人，没有贪欲是吧？

[00:10:13] 陈良榕: 他有贪欲，他很爱钱。

[00:10:15] 袁莉: 他有贪欲吗？

[00:10:17] 陈良榕: 君子爱财，取之有道。他的董事会发给他的酬劳是很高的，他也会去争取。比如他书中里面也会提到他在德州仪器的时候的薪水是怎么样。

[00:10:27] 袁莉: 对，二十多万，在80年代就二十、三十万是很高的。

[00:10:32] 陈良榕: 他第一次被找来台湾的时候，他那时候是拒绝的，因为如果他一开始就来，他在德州仪器有一笔退休金会拿不到。

[00:10:41] 袁莉: 对，有差不多100万。

[00:10:43] 陈良榕: 对，他算得清清楚楚的。那个时候李国鼎他们听不懂，因为那个时候台湾人不知道美国的这个行规。

[00:10:50] 袁莉: 不知道期权什么的。

[00:10:54] 陈良榕: 所以他是在乎钱的，但是他不会去私底下去搞钱。我觉得他给台湾带了一个很好的影响，就是台积电最重要的一个经营理念就是诚信。很多公司都要讲诚信，可是他是玩真的，玩真的到什么程度呢？比如说他在公司的业绩发表会里不会跟你吹牛，他讲的话都是真的。所以他跟那些分析师都是真枪实弹的，他不会唬你，有就有，没有就没有。很多公司会去吹牛，人家问你有没有拿到苹果订单。他会装着好像有，其实根本就没有。台积电没有就说没有，他不会讲那么直接，但是他绝对不会糊弄你。这方面它贯彻的很一致。所以对我们记者的采访非常方便，他不会骗你，他们绝对不会。

[00:11:46] 袁莉: 也不用去猜他是不是说假话。

[00:11:49] 陈良榕: 他最多就是不说，或者说一半，可是他绝对不会骗你，这是在反映他做生意的方式。因为他做这个晶圆代工行业，手上掌握所有客户的机密，所以他们更在诚信。A公司不用担心自己的信息被告诉B公司。他所有的经营理念就是诚信、透明，是真的。所以他书里面有一段话，被讲了好几次，他说台积电刚开始在确定商业模式，然后跟当时的政府官员做报告的时候，那个时候的央行总裁张继正就说，我们台湾公司要靠商誉来竞争。这是第一次听到这句话，他重复了好几次。那个时候Made in Taiwan是以仿冒低劣产品在国际知名的，但是仿冒低劣产品嘛。

[00:12:37] 袁莉: 就和大陆多少年前的温州、浙江一样。

[00:12:40] 陈良榕: 对，那时候很有名，电影里面就有一个雨伞被吹坏了，台词就说：Oh,It’s made in Taiwan。哦，这是台湾产的。

[00:12:48] 袁莉: 对，商誉就是商业信誉。

[00:12:52] 陈良榕: 对，就是说做生意赚钱要靠老实。这在台湾那时候可是闻所未闻。。可是张忠谋他确立了一个标杆，跟当时台湾所有的公司做生意的方式都不一样，所以对我们来讲是很好的。因为以记者来讲，很多公司会跟记者维持一个关系，他给我好处，我也给好处，会用这种方式来做报导。台积电绝对不会。你写它不好，它不会下次不接受你采访。而且你写它不好，然后揪出来是它真正不好的一面，它还会感谢你。

我们就曾经做过几次这样的事情。举一个例子，我们曾经做过一次调查，报导它的电子废弃物交给不肖厂商，然后不肖厂商到处乱丢。以台积电的角度来讲，这个厂商是政府认证过的，它乱丢也没办法。但是我们说问题是最后这个东西流到了土壤，流到了河水，给民众的健康带来伤害，最终还是你的责任。台积电第一个承认那个东西是它造成，还派一个高阶主管来跟我们讲这个事情。然后后来就大力改善，从那一次开始，到后来台积电的很多废弃物几乎做到了百分之百的回收。这样一步一步下去，到去年就成了一个电子废弃物回收中心。这个东西其实做得比Intel都还到位。三星当然不用讲了，三星是不差的。

所以你抓到台积电的痛处，它会认真对待。他们的经营层认同professional journalism专业记者的重要性。所以你监督他会认同你要监督他，其实大部分企业是没有这样的想法的。我觉得这跟张忠谋他的个人的养成是有关系的。书里面有提到，他一开始他是喜欢人文的，后来为了赚钱才跑去做工程师。他本来想当作家，所以他对西方世界的民主价值是珍惜的，这跟很多的生意人又不大一样。他给台湾带来的很多贡献是来自这个地方。

[00:14:54] 袁莉: 大家好，我是袁莉，你们刚刚听到的精彩对话背后有几十个小时的精心准备和制作，这需要阅读大量资料，花时间与采访对象沟通，只有这样才能问出好的问题，才可能进行有深度的对话。不明白播客会继续致力于制作高品质的新闻内容，让中国人听到深刻的思考、真实的情感，在这个灰暗不确定的年代，听到彼此心中的一点坚持。请大家继续支持不明白播客，让我们把这个事业长期地进行下去。欢迎听众朋友们到我们本期的内容简介里点击捐赠链接，或者访问我们的网站bumingbai.net的捐赠页面。

张忠谋是中国出生的美国公民，他1968年三十多岁的时候才第一次访问台湾。我很好奇，他的身份认同是美国人还是台湾人，他和台湾是一个什么样的关系，他和中国又是一个什么样的关系？还有台湾人认为他是美国人还是台湾人？

[00:16:01] 陈良榕: 第一个，他当然是美国人。他自己也认同他是美国人，他还曾经以美国人的身份去美国演讲，给美国人建议。另外他总统大选都会投票，通讯投票。所以上一次拜登宣战的时候他还跟我们分析美国选情走势，分析的比我们自己的记者还厉害。因为他就是八十几岁的美国人，他的身份认同是是美国人。我把他定义为一个爱台湾，在台湾事业做得很大的美国人。

[00:16:33] 袁莉: 台湾人也认为他是个美国人，是吗？

[00:16:36] 陈良榕: 我不知道是不是所有人都知道，可是我知道大部分的知识分子都知道张忠谋是美国人。在台积电。像这种早期留美在美国工作过，再回来台湾工作的，其实大部分都有美国籍。双重国籍在科技界是一个非常普遍的现象。所以美国人说台积电好像拿走了美国制造，我们都在讲第一，台积电超过六成的股份是美国公司拥有，第二台积电的经营层大部分都是美国人，都是有美国护照的。

[00:17:07] 袁莉: 但是他和在台湾出生的，后来去拿了美国籍的人又不太一样，他实际上是在大陆出生，去台湾的时候，台湾对他是一个陌生的地方，是吧？

[00:17:17] 陈良榕: 这点也挺有意思。我们过去采访他，或者从他自己的论述里看不出来他对大陆有特别的感情。他小时候，对日抗战的时候，他们家逃到香港，后来抗战胜利，他们又回大陆住了一段时间，所以他好像对香港还比较有好感，但是很少听到他怀念在大陆的生活。所以我觉得也相当程度上反映了他对中国大陆的态度。他跟很多二次大战之前出生的大陆人不大一样，比较没有那种认祖归宗的想法。有些台积电的老臣又跑去中国大陆这边帮忙一些事情，可是他似乎一直都没有这个想法。

[00:18:03] 袁莉: 因为在台湾蓝营里面的，像他这个年纪的人差不多都是蓝的，非常认同中国大陆。

[00:18:10] 陈良榕: 所以这点我不大知道。但是似乎谈国家认同的话，中国、美国、台湾这三个国家，我会认为他似乎认同美国多一点，但是他的事业是在台湾。

[00:18:24] 袁莉: 你在你的newsletter陈良榕科技电子报中写道，如果以类似教父、星际大战的规格将张忠谋自传拍成电影三部曲，首部曲该从五十四岁的张忠谋拍起，这是张忠谋自传下册最精彩的部分。你为什么这么说呢？

[00:18:45] 陈良榕: 我想应该大家都知道张忠谋人生最精彩的部分应该就是在台积电。我们一般人会觉得台积电最厉害就是最近这10年，打败Intel，打败三星，股价从不到100块涨到现在1000多块。对一般人来讲这不是超级厉害吗？台积电从亚洲级变成世界级了，打得美国人落花流水。可是张忠谋的自传里面，他写的最多的就是初创这三年。

这有几个原因。首先就是那三年真的是蛮辛苦的。后来他的公司拿到Intel第一笔大单之后，生意就开始滚滚而来了。从此台积电应该几乎没有亏过，也没有遇过重大挫折，一路到现在。可是那三年有很多的戏剧性成分，包括说本来是找他来接工研院院长。工研院是台湾把科研技术给产业化的一个研究机构，办得蛮成功的。工研院的特色是当一个科技科研的产业化成功了，它就想办法把它spin off，分拆出去。就是把那整组人踢出去了，让你自己成立公司，不要呆在工研院了。这是一个很特别的设计，就是说这里面的人都是等着要公司，等着要给民间挖角的科研组织。所以找张忠谋这样一个又是博士，又在美国企业做到很高的位阶的人来，就是要把这个科研组织做得和业界更紧密结合。工研院一开始的设定是这样的。结果张忠谋回来没几天，那时的政务会委员李国鼎，是个大官，就跟他讲，我们有一个任务让你去执行，就是成立一个半导体公司。那时候没有跟他讲成立一个半导体公司要做什么事情，让张忠谋自己去想。当时为什么要成立一个半导体公司呢？是因为工研院有一个既成的晶圆厂，一个六吋厂，花了很多钱。我们刚刚提到工研院的任务是东西做成熟的时候就要把他踢出去成立公司。那个时候的半导体公司非同小可，那时的几十亿台币从现在看好像不多，可那时候是一笔巨资。所以要把这个厂交给工研院的院长来同时承担这个责任。他需要既是院长，又管理一家公司，两边兼。所以张忠谋才会想了很久，然后提出做专业晶圆代工的构想，他认为这是他这辈子最伟大的杰作。

[00:21:21] 袁莉: 作为一个半导体行业的外行，我看这本书最大的感受就是张忠谋中年的时候，原来经受了这么多这么多的挫折，因为他前面在德州仪器的时候非常顺，二十七岁加入德州仪器，当时就是世界很领先的一个半导体公司，四十一岁就出任了公司的副总裁，兼任全球半导体事业集团总经理。但在五十岁的前后遭遇了挫折，被降职了四级，最终还被迫辞职。这中间还经历了离婚。他写在德州仪器最苦苦挣扎的时候的一个场景我印象特别深刻。他没有时间去纽约庆祝母亲七十岁的生日，结果因为他是独子，他的父母就跑到德州来和他庆祝生日。他写的那个情景真的是非常地悲凉。他这些经历在台湾是比较被熟知的吗？他后来做台积电那么成功，和他受到的这些挫折有没有关系？

[00:22:26] 陈良榕: 第一个，我们知不知道他以前那么惨，说实在的，不知道。张忠谋刚回来的时候，那时候我还小，我们的印象都是他在德州仪器做到很高，具体多高其实也不大知道。那就知道这是一个华人在美国的科技业遇到了玻璃天花板，后来才知道他在得意的时候这么厉害，做到半导体事业的头，等于四十几岁就做到接班人之一。而且半导体行业那时候是多厉害，就像现在的AI一样吧，等于可以说他做到openAI的二把手。然后后来就黯然离开，他一直没有说理由，但是我们都怀疑是种族因素，因为华人要再往上真的是很难。

[00:23:19] 袁莉: 而且那时候还是在德州。

[00:23:21] 陈良榕: 说个小故事，我一个朋友的朋友是他当初在德州仪器的手下，是从台湾调过去的。有一天台湾的李国鼎要找他来台湾，这位朋友在旁边听他跟李国鼎谈话，他非常惊讶，这辈子第一次知道原来张忠谋会说中文！他藏得有多好？他很努力地融入白人的社会。他从来不讲这一段，书里面也没有写这一段，他一定有这样的过程。这一段有多辛苦，他也都没有讲，但是这次在书里面写得很清楚。其实书里相当程度是要告诉我们他的神功是怎样练就的，他怎样学会这一套专业晶圆代工，怎么样把台积电做到今天。其实那一套神功，是他在德州仪器的岁月里一点一滴的做出来的。

比如有一个章节说他最后被打入冷宫，去做品质管理，那是冷宫中冷宫。曾经是最上面的管理层，变成要去做这种后端的品管。可是他在里面就发现，为什么美国的工厂的良率比日本厂差这么多？然后他发现一个秘密，原来在日本学历高的人，还会愿意到工厂里面去工作，但是美国已经没有这样的人了。他后来觉得在台湾可以做专业晶圆代工，就是因为台湾的状况跟日本一模一样，大学毕业生会愿意去工厂里面管设备，台湾叫顾机台，愿意去值班。这在美国不可能，在美国产线上的工人很多都还是没有学过工程的，很可能是从别的工厂过来的，跟电子业毫无关系。所以他觉得在台湾可以做半导体，可以做晶圆代工，就是台湾有大量充沛的大学生，而且是高素质的理工科大学生，而这些人其实没有什么太好的工作可以做。他们本来都是等毕业之后去美国，因为台湾没有适合的工作，那这些人以后就不要去美国，来台积电公司做。然后这些优秀的硕士、博士管理工厂，去打败了美国那些工专生管理的工厂。他上半生那些很悲惨的体验中得到的心法得以在后半段帮助他成功。

[00:25:51] 袁莉: 在书里面，他在面对这种挫折的时候，虽然有一些时候是被迫的，但他表现出来还是一个有勇气的人，是吧？

[00:25:58] 陈良榕: 我不觉得他很有勇气。

[00:26:01] 袁莉: 你不觉得五十多岁从美国跑到台湾来，然后重新做一番事业很需要勇气吗？

[00:26:05] 陈良榕: 如果你用金庸小说来做比较，我觉得他比较像张无忌，很多奇遇都在他身上，很多女生都来爱他，他也就爱了，他突然掉到一个地方，然后有一个秘籍出现，他就练了，练得很厉害。另外一个对照组是杨过，杨过就是只做自己要做的，别人给我安排的，我都不要。其实张忠谋每一个转折都是人家安排的。你看他到台湾来，其实是排除法，就是已经没有其他更好的选择了，最后一个选择就是来台湾做工研院院长。到工研院的时候，也是其他的长官跟他说，我们有一个这样的安排，就是台积电，你要不要接，他接了。他想出一个比较好的做法，一路做下去，做到现在退休。其实你看他这几个生涯的转折都是人家安排的。我有个朋友是另外一个半导体大佬，他就有点忌妒张忠谋一辈子命好。人家都给他安排得不错。

[00:27:10] 袁莉: 这本书主要是讲张忠谋在半导体业度过的60年，很多笔墨放在半导体行业的发展和他在管理中遇到的问题和思考。但是在笔墨间也能看出他是一个内心丰富的人。比如说他年轻时有当作家的梦，有记日记的习惯。我认为这本书确实是他自己一个字一个字写出来的。他在书里面不仅引述莎士比亚和丘吉尔，写自己离婚的心情时还引述了琼瑶。他喜欢听古典音乐，而且好像也很享受去大学去讲课、出席领袖论坛。他在新书发布会上还说自己是一个惶恐的人。我特别想问，作为一个报道半导体行业的资深记者，你在以往的报道采访中能看到他个性这么多的方面吗？

[00:28:00] 陈良榕: 他一直很记得他在哈佛大学念的那一年，哈佛的第一年是不分系的，所以他什么都学，然后他念了一年之后，他的长辈，是他舅舅吧，就跟他说，哈佛是有钱的白人念的，我们华人念了之后，你以后可能找不到工作。

[00:28:24] 袁莉: 你要去学机械，engineering。

[00:28:27] 陈良榕: 我们要想办法找工作的，但是他一辈子就很怀念那一年。其实他这个人的个性是很人文的，他小时候想当作家。张忠谋的业绩发表会其实非常非常精彩，因为他会跟那些分析师过招，然后他会用一些英文典故，比如二战时丘吉尔说的话。他跟人交流常常很像在外交谈判。所以他后来去APEC其实相当有道理，他很擅长这种外交谈判的艺术。什么时候该用什么话，不要那么直接，有时候用一个典故就可以巧妙地在中间抓到一个东西，这是他很擅长的事情。

我们认为在我们亚洲，他应该是从来都没有过的一种经营者。他懂技术，在德州仪器成名是因为他把一个良率很低的生产线调到很高，这是典型的工程师技巧。他后来又很懂谈判的手法，饱读诗书，看过很多历史、文学的书，都用在他的经营中，以至于后来因应中美的变局。可以说他的上半生就是为这些做好了准备。我忘了是在他退休那一年还是退休第二年的时候，他在台积电运动会上有一个记者会，他当时跟我们讲，地缘政治会是台积电未来最大的挑战。那时候其实大家都没有体会到。

[00:30:07] 袁莉: 那是17、18年的时候。

[00:30:09] 陈良榕: 应该差不多。他讲的时候我们真的没有想到，还要去看一下地缘政治是什么意思啊？后来完全就是因应他的说法，其实换了其他人很难知道这么广的东西。

[00:30:23] 袁莉: 他眼界很广，然后思考又还很深入，是吧？

[00:30:28] 陈良榕: 对，我觉得他其实像是基辛格那种上流社会的美国白人，很多时候讲话都是高来高去的。比如说我刚刚不是讲他，他引用Camelot，就是亚瑟王传说里面的一个词。那是要引述一本书The Best and the Brightest，讲的是小肯尼迪的内个成员都是精英，台湾没人谁看过这本书。

[00:31:18] 袁莉: 也有一部电影讲肯尼迪，就叫Camelot。

[00:31:21] 陈良榕: 所以他把台积电带到现在的高度，其实跟他的这个经历有关，他不是一个单纯的工程师。

[00:31:31] 袁莉: 那我们回到1985年张忠谋到台湾的那年，他在书中写道，他向时任科技政务委员的李国鼎提出专业晶圆代工模式的十四天是他一生中创新价值最高的两周。你刚才也说过，这就是代工模式，这为什么重要呢？这为什么是一个创新的概念？而且为什么张忠谋决定台积电应该走这一条路？

[00:32:00] 陈良榕: 这个事其实是台湾产业一个很重大的时刻。他创举了专业晶圆代工，为此感到非常得意。其实大家听着好像觉得没什么了不起，不就是做代工嘛。但是在那个时候，半导体业其实没有这个想法。在那个时间点的早几年做代工在技术上根本就不可行。因为在那个时间点上出现了一个现在看起来很平常的新技术，就是用电脑去设计晶片，这就让设计和工厂制造可以被切割开了。这在更早以前是做不到的。那时电脑的软体的能力或者电脑的算力正好达到了一个水准，然后有一个教授提出一个这样的方法。张忠谋在德州仪器的时候就知道这个事情可以完全切割。可以有专门设计产品，没有自己工厂的公司存在。那鸡生蛋还是蛋生鸡呢？是先有专门设计产品没有工厂的公司？还是先有专门生产不做设计的工厂？正好，张忠谋在到台湾的前一、两年，他的另外一个工作遇到了一个人，他想做一个专门设计产品的公司，他的产品可以给Intel或者Motorola那种公司代工，让他们的产线闲置的时候可以帮我做。可是给他们做的风险就是他们生意很好的时候就不帮你做。另外他们可能把你的idea偷去做自己的产品。

[00:33:44] 袁莉: 知识产权就没法保证了。

[00:33:45] 陈良榕: 所以张忠谋知道，第一技术上可行的，第二市场上有这样的需求。然后他再用排除法，那时的台湾如果要做半导体业，要怎么做？他是从美国最厉害的公司回来的，他知道台湾那个时候的水准想自己做产品肯定不行，台湾的工程师跟美国差太多了，而且台湾本土的市场小，也不知道美国人想要什么产品，所以根本没有优势。但是我们有便宜又有高素质的大量工程师，有他当初在德州仪器的经验，我们可以把工厂管的很好，我们产出的良率可以很高。良率在半导体业是一件非常重要的事情。所谓良率，就是你产出两块晶片，如果两块只有一块可以用，良率就是50%，如果两块都可以用，那良率是100%，你赚的钱会差非常多。那时的半导体行业，良率可以低到10%、20%，也就是你做出来十片只有一片可以用。但张忠谋以前在德州仪器的本事可以让良率从20%提高到80%，那就可以多赚很多钱。所以他知道良率对于一个公司的竞争力有多重要。用他过去的经验加上排除法法，反正台湾也只能做这个。他就说，好，那我们就来做专业晶圆代工。

[00:35:13] 袁莉: 中国的这个听众可能会特别关心台积电崛起的过程中，得到了哪些来自台湾政府的扶持？台积电奇迹的背后和台湾政府的支持有多大的关系呢？

[00:35:26] 陈良榕: 台积电基本上就是政府成立的公司，所有的人都是从国有的研究单位就是工研院转出去的，所以它基本上完全靠政府。那時候台湾政府蛮厉害，这套模式已经搞出了几家公司，比如中国钢铁蛮厉害的，跟韩国的浦项钢铁是平起平坐的。所以他们已经有过政府创办公司的几个经验。比如中钢的经验就是说政府不能管太多，如果全部让政府管，用政治任命的话，立法委员说一下就换董事长、总经理，那公司一定搞不成。所以他们学到一个经验，政府可以办，但是政府不可以管。所以台积电一开始的设计就是政府出钱创立，只出不到50%。最后出钱是七千万美元，持股48.3%。一开始就设定好了政府创立，但是不能管。那时还做了一个蛮聪明的决定，政府跟张忠谋讲，你要去找一个外国公司来入股，这样才能够增加成功率。书里写了蛮多那时政府里的反对者，反对的人也是一个很有来头的人。那时的行政院长属于另外一个派系。余国华就和张忠谋说，你要去找一个大的外国公司愿意来入股，表示它支持你的想法，也让政府另一个派系知道我们有外国大公司支持，也说这个方案可以，是真的可以。另外还要去说服其他民间企业来投资24%，等于给张忠谋交代了好几个任务。

[00:37:13] 袁莉: 而且是几乎不可能完成的任务。

[00:37:16] 陈良榕: 对，这些任务每个都很难。张忠谋当时也是乖乖地去做，也都做到。后来发现这个设计非常聪明，当时飞利浦入股了27.6%，它有很多严苛的条件，导致台积电有被飞利浦整个拿去的风险，后来花了很多时间处理这个事情，免得公司办好了，被飞利浦整个买走了。大家现在觉得飞利浦好像没有很大，可是那个时候飞利浦其实是全世界最大的公司之一。所以张忠谋被交办的这几个事情里最难就是说服飞利浦。说服飞利浦最大好处就是它有专利保护，因为说服飞利浦入股之后，飞利浦同时继转了最原始的一套半导体技术。大家现在说公司发展是从0到1，再从1到99的过程，飞利浦进来就达成了从0到1，台积电就有第一套技术跟第一套专利保护伞，去做东西不会有人来告。那时候第一家从工研院出去的公司是联电，他们就非常羡慕台积电。我后来问他们，他们说他们最羡慕的一点就是台积电有外资入股，有专利保护伞。那时候联电的产品做出去，人家就来告，他就一样一样去解决。人家告你一样侵权，你去解决一样。有专利保护伞的话，人家基本上没法告你，飞利浦会去帮你。所以那个时候政府官员其实帮他设计了一个很好的架构，然后张忠谋去搞定了。

[00:38:44] 袁莉: 这是初期。后来政府也是在不停的卖股份，是吧？尤其台积电上市以后。台积电特别厉害的，增长特别快的时候政府的支持有很大的关系吗？

[00:38:58] 陈良榕: 政府的支持最主要是台湾的促进产业升级条例，但这不只是给台积电，而是给所有的科技企业。如果被政府认定是高新技术的企业，就可以有类似大陆的三免五（三）减半这样的东西。台积电很长一段时间都有这种租税优惠。它做很多研发可以抵税。所以我记得我刚进这个行业的时候，在算台积电财报的时候就很奇怪，发现这家公司税后居然比税前多。因为我们一般税后净利会扣掉税款，应该是很少的。实际却是台积电的税后净利居然比税前还多，那就表示你不用缴税，政府还倒贴钱给你。大陆很多企业，比如比亚迪、华为，他们都有这种政府补贴。那时候台积电的财报那个时候也是，但是后来这几年就都没有了，就变成每年缴上千亿的税。

所以政府帮助最多的就是一开始的整体设计和资源。但是到后来就跟台湾的其他科技公司享受一样的东西，并没有特别地帮助。因为台积电的主要市场是在美国，政府其实帮不了什么忙。

[00:40:08] 袁莉: 台积电在过去差不多40年的过程中，和三星、英特尔还有好多别的工厂竞争，为什么最后台积电变成了最大的，占据了全球超过60%的芯片代工市场的一个公司。而像Intel、三星好像都是落了下风呢？

[00:40:35] 陈良榕: 分两块讲。张忠谋自己觉得是他的专业晶圆代工这个商业模式起了效用，这个行业已经成为市场的主流。让所有自己设计、自己制造产品的公司逐渐退出市场。Intel就是一个最大的榜样。Intel最有名就是他是自己设计CPU，自己设计得很好，然后它制造的能力也是世界最强，它的制程很领先，所以它两手都很强，那现在Intel已经两手都不行了。它的市场占有率其实不是被台积电吃掉，而是被NVIDIA英伟达和AMD吃掉。NVIDIA英伟达和AMD自己都没有厂，靠的是台积电的厂。所以这是模式的胜出，就是设计跟制造分工的模式成为了市场的主流。这些设计公司，NVIDIA现在市值三兆美元，AMD也是Intel的好几倍，这是制造与设计分工模式的全面胜出。在这个模式胜出的背后，台积电在专业制造的市场有了超过60%的市占率，未来可能会更高。

接下来我们再讲为什么市占率这么高。就是因为几乎没有第二家做专业晶圆代工的竞争者。之前最大的挑战者是三星。三星自己也有产品，所以当它做专业晶圆代工的时候，它的客户不相信它。最有名的就是Apple。Iphone的芯片一开始是给三星代工的，后来三星的Galaxy手机跟iPhone打得难分难舍，Apple当然不想给三星代工，你是我的竞争对手。所以那时候Apple赶快去找台积电来代工，其实是Apple栽培台积电把三星干掉。那个时间点不是台积电厉害，三星的商业模式出问题了，没有办法两边兼顾。所以三星第一个就挂掉了。如果要做晶圆代工，手机就不要做。Intel这几年也是，它做专业晶圆代工也一样，如果要做专业晶圆代工，就不要做自己的CPU了。要把它切割开。但是Intel也做不到，所以这两个最强的竞争对手就划掉了。那剩下的是谁呢？就是联电、大陆的中芯，这都是二军了。他们的人才其实跟台积电完全不能比。所以台积电就在这个市场上垄断了，垄断的原因就是这个市场上有最优秀人才的企业都没办法跟你做同样的生意。

[00:43:25] 袁莉: 2018年，张忠谋八十七岁退休，这本书也写到2018年为止。但我们都知道，刚才你也说了，地缘政治在2018年、2019年开始发生了巨大变化，半导体也被认为是我们这个时代最举足轻重的技术和产品，你在报道中有没有听到张忠谋是否相信所谓的Silicon Shell硅盾这个说法，就是认为因为有台积电的存在，台湾变得安全了。

[00:43:56] 陈良榕: Silicon Shell硅盾这个说法是好像是十几年前一个澳洲记者书里面写的，那时大家好像不是很重视，然后这几年突然就被拿出来讲。张忠谋其实被问过几次，不过当然你也知道，像这样的问题，他不大可能100%说出他的内心话。我记得他最早的时候，他的意思是美国要不要协防台湾背后的理由远比我们台积电重大太多了。然后他最近一次，大概是两年前在CBS的六十分钟访谈里，他的讲法是，如果习近平在乎经济发展，那他就不应该攻打台湾，你们国家的科技产业也会受重创，这是他以另外一个方式来讲这个Silicon Shell硅盾。不是讲美国要不要协防，而是说习近平应该好好想，你打了我，你也会死得很惨，你不需要两败俱伤，玉石俱焚。

[00:45:02] 袁莉: 美国和中国都在大力投资建厂，发展自己的半导体行业，台积电还去美国亚利桑那州设了厂，张忠谋自己也去了，他有没有说一下？

[00:45:16] 陈良榕: 他讲了好几次，他是反对的，他到现在还是反对，但是这是他退休之后公司才做的决策。当然我们要听以下他的态度，他的意思是说，就算是老美逼着我们不得不去，也应该拿翘（摆姿态）多要点东西。他一直觉得我们拿鞘拿的不够多。

[00:45:34] 袁莉: 要到的东西不够多。

[00:45:36] 陈良榕: 对，就是缺乏张忠谋这种谈判的智慧。一般我们工程师都比较老实，他可能觉得你们太不会谈判。他觉得台电不应该去，去了会亏很多钱。但是如果今天拜登或者是川普真的逼你去，你也很难不去，那要去的话就要多要点东西，我想这是他最后的结论。另外一个关于中国能不能发展半导体，他基本上很少讲，基本上觉得没希望。他应该觉得没什么好讨论的。他本来就觉得没什么希望，然后美国又制裁，所以就更不用讨论啦。现在连生产机具都买不到。所以先不用讨论了。

[00:46:20] 袁莉: 我本来就是要问你，中国现在在大力发展半导体行业，也在着力培养一些重点的企业，比如你刚才提到的中芯国际也造出了七纳米芯片。你觉得类似中芯国际这样的企业和台积电的技术差距有多大？中国这种以举国之力扶植半导体行业的努力，有可能复制一个台积电吗？你刚才已经说了张忠谋大概认为中国几乎不可能成功，怎么努力都不行，你自己觉得呢？

[00:46:51] 陈良榕: 从复制一个台积电这样一个语境来讲，第一，什么是台积电。台积电是一个专业晶圆代工做到世界最大的公司，中国有没有公司可以做专业晶圆代工做到这么大？我们过去都认为以人才、以企业文化能够做到的是华为，但是华为它没办法做一个专业晶圆代工公司，华为做的东西都是自己用的，华为在中国敌人那么多，就算是华为的晶圆厂建好了，技术好了，你说其它人会在华为下单吗？

[00:47:24] 袁莉: 绝不会的。

[00:47:26] 陈良榕: 绝对不会的。所以这是第一，有本事、有人才、有企图心、执行力做到的是华为。可是华为不会做晶圆代工，它会做IDM，就是自己产品自己做。另外中芯呢，我想中芯不可能，他们的人才太差了。你看它现在做7纳米，7纳米是2019年的技术，他只是刻出一个被美国制裁之前用的一样的晶片，那已经是5年前的东西了。现在中国买不到ASML阿斯麦尔的EUV极紫外光的光刻机，所以7纳米就是极限。接下来今年2纳米就要量产了，然后中芯的人才又很不行，所以他们现在7纳米的芯片就算做出来良率也很低。当然现在也一直有说法认为华为可能要用不知道什么方式来帮中芯，但是现在还要观察。

[00:48:24] 袁莉: 不管是你还是张忠谋，你们认为中国不太可能成功，是因为半导体行业实际上是一个非常全球化的一个行业，对不对？自己一个人关着门做，然后还有制裁，各种管制，就是很难，是吧？

[00:48:40] 陈良榕: 他现在是被逼着关着门嘛。所以如果今天川普要搞绝对孤立主义，我们美国人闭门起来自己做半导体也做不出来啊，因为很多东西美国也要跟日本、跟欧洲买，就算是美国都做不出来，那中国当然就更难。全世界没有一个国家可以自己做出整个半导体的生态系统。

[00:49:01] 袁莉: 对，这是一个太大的生态系统了。下面这个问题和上面这个有关，台湾今天能有台积电这样先进的企业是时代的大势所趋，还是因为有张忠谋这样一个人，你认为就是历史会怎么来评价张忠谋，他是一个很重要的人物吗？

[00:49:20] 陈良榕: 当然，我们过去做过很多这样的报道。我觉得海外听众可能对于台湾的另一家公司联电不是特别清楚。它是我们刚才讲的工程院第一家spin off分拆的公司。对于半导体业的人，联电跟台积电是一个很好的对照组。两家都是同根生，都是从工研院出去的，一开始也都是国家扶持的，但是就是主事者不一样。两家其实到后来是激烈竞争，一直到大概公元2000年之后，台积电才和联电拉开差距。你知道，以前晶圆代工市场上，台积电跟联电两个加起来应该是百分之百。就是台湾掌握了全球几乎百分之百的市场。在2000年之前，那时候大家还叫他们叫晶圆双雄，双雄就表示两个是差不多的。现在差很多了。联电的市值可能是台积电的不到10%，但为什么差这么多，那就是张忠谋嘛。所以这是一个最佳对照组，就是有张忠谋和没有张忠谋就差了这么多。

张忠谋之前在我们受访的时候讲，他带回来台湾是什么？就是世界观。世界观的差别表现在那里？比如说张忠谋办台积电的前10年，他几乎不大管厂，他都在打国际客户，就是用他以前在美国的人脉。他在找人，台积电前三任总经理都是美国人，都是从美国挖过来当总经理的。如果不是张忠谋，第一你根本不知道可以挖谁，第二你挖不动。这些人很多他以前就认识，或者是以前在德州仪器的时候的部下。台湾那个时候是什么样的一个水准，我们在做仿冒雨伞的。要让美国人来台湾效力，你要有美国人，才有办法去打美国客户。他辛辛苦苦的打了这十几年、二十年有成了，才能够让晶圆代工这个商业模式被全世界所接受，那是因为他打下的美国客户。如果当时不是他，不是这个曾经在美国的半导体业当到老大的的人做这个事情，说实在的，没有他是做不到的。如果他的德州仪器做的很好，他接班变成德州仪器的CEO，那就像他在演讲的时候说的，台积电就变成德积电，那个Taiwan就变成Texas。

[00:51:44] 袁莉: 对，他说他就会是一个德州的退休老人。

[00:51:48] 陈良榕: 那我们台湾可能就剩下一个联电，联电跟中芯就差不多，可能就是我们台湾就有一个中芯这样子的一个规模。差就差在这里。现在的很多东西NVIDIA可能也不会存在。因为NVIDIA如果没有台积电这样的商业模式，它就没有办法去全心全意去搞它的AIGPU，整个历史都会因此改变。

[00:52:12] 袁莉: 哇。他真的是这么重要的一个人。你觉得张忠谋在书里面对他自己和他人的描述是不是真实可信的呢？

[00:52:22] 陈良榕: 现在他对于他的旧部，他当初的同侪、长官的很多描述，现在我们已经收到了雪片般的信件，很多人觉得不大公平。那我们就说好啊，那你也去写一本书嘛。张忠谋写这本书是个人意见，他又不是代表中华民国去修史，写了一本台积电史，他今天没写台积电，是写张忠谋的回忆录，这是个人的想法。你们不高兴你们就去写嘛。从我们半导体记者来讲，我觉得这本书其实是如获至宝。张忠谋退休前一年得的薪资大概三亿多台币，大概七八千万人民币。

[00:53:10] 袁莉: 差不多一千万美元。说实话，其实也不是很多了。

[00:53:14] 陈良榕: 在台湾算很多，因为第二名可能只有一亿多台币。他花了五年来写这本书，你看他的机会成本就是他花了五千万美元，你看这本书的成本有多高？因为在世界上，不管是在台湾或者是美国科技界，很少有一个CEO会花那么多时间来写自己在整个产业的见闻，一般都是人家代笔，或者是人家来访问我。他是自己写，而且写得还相当不错。

[00:53:45] 袁莉: 而且特别佩服的就是他这么多年都记日记，他应该是记了很好的日记，所以才能写的这么多的细节。

[00:53:54] 陈良榕: 对。当然，有人会帮他找资料。你看他书里只要是重要的事件，他的时间、地点都写的非常清楚，已经把它当历史书来写了。

[00:54:05] 袁莉: 我觉得很多东西查资料是查不出来。比如他第一次到台湾去的时候，和他一起去的德州仪器的他的上司，那个人很高大，当时圆山饭店的床不够大；那个人去吃牛排，嫌那个牛排是蘸酱油；那个人还在餐厅里面大声的议论蒋介石，我觉得这些事查资料查不出来的，肯定是他记日记记出来的，或者是他记性很好。

[00:54:34] 陈良榕: 对，这个故事他讲到讲过几次，我们都听过。他常常讲说我第一次到台湾是怎么回事。但是你看他讲他早年在德州仪器的很多细节都还记得很清楚。我们其实还帮过他找过一些文件，他后来没用到，但是他写这本书的时候，其实搜集过很多的历史，因为他这个人的历史就是半导体的历史。你看发明集成电路的Jack Kilby，诺贝尔奖得主是他在德州仪器时候的同事。他的60年的整个人生，比一般人的职涯多了好几倍啊。

[00:55:18] 袁莉: 对。真是传奇啊！

[00:55:21] 陈良榕: 很感谢他能够在健康的时候把这本书写完，其实我们一度担心他写不完。

[00:55:26] 袁莉: 我看他的新书发布会，他的脑子非常好，思维还是很快的，九十多岁了，真的是挺挺不容易的。那我们请每位嘉宾推荐三部书或者影视作品，你有什么推荐？

[00:55:40] 陈良榕: 基本上我推荐的三本就是关于张忠谋传记的延伸阅读。第一本书，我推荐中研院瞿宛文老师写的《台湾战后经济发展的源起》。这本书是应该是工研院出的，我觉得大家可以把它当作是台积电故事的前传，了解为什么会有台积电。那时候政府做了很多准备，是是因为台湾那个时候有一票人在发展台湾的经济。我觉得这其实蛮值得回味海外听众来了解一下的。大家都觉得说国民党跑到台湾给我们带来了什么东西，让台湾变成今天这么有钱。大家都说就是因为带了黄金。其实最重要的是我们把那个时候中国很多厉害的人才都带过来了。这本书里面的一个重点就是那时国民政府在抗战胜利之后，其实就准备要复兴中国了，他们要成立一个组织叫作资源委员会。这委员会其实就是要接收各地的工厂、矿产，准备要工业救国。所以那时候有一批很精英的年轻工程师，很多都有很好的海外学历。他们被这个资源委员会招募过来准备之后要办工业。后来国共内战，我们被毛泽东打败。所以这一票的人就带着未竟之志逃离台湾。所以我觉得这本书适合做台积电前传。

另外一本书就是《晶片战争》我想大家应该知道。

[00:57:14] 袁莉: The Chip War

[00:57:17] 陈良榕: Chris Miller写的。这本书可以让大家知道张忠谋自传里讲的历史背后整个全球这时候发生什么事情。这本书写的非常好。这本书也是张忠谋为主角，其实它的开始跟结尾都是张忠谋的故事。因为代表半导体产业的人，只有他活到现在，所以他这个人就代表整个半导体产业的历史。所以这本书蛮适合一起搭配服用。

另外一本书是我一个好朋友，叫林宏文，他是很资深的半导体记者。他写了一本书叫做《晶片岛上的光芒》。这本书比较像散文，有很多篇，基本上把台湾半导体业的一些个别的故事写得很清楚。宏文他比我资深很多。我是后来玩票才来跑半导体领域，他是从DayOne就是跑半导体，跑半导体30年了，所以像张忠谋的早期故事，这是才上市的时候的事，他都知道。尤其是他是念交大控制工程专业的，所以其实他的很多同学都是半导体业界的主管，他是科班出身的，所以见识又跟大家很不一样。我是很推荐这三本书搭配服用。

[00:58:29] 袁莉: 好，谢谢，谢谢良榕，也谢谢大家收听，我们下期再见。

注：为便于读者理解，文字版部分词汇已调整为简体中文表述。

]]>不明白播客Grok-3, The Nvidia Shortcut, Competitive Implications2025-02-18T13:13:50+00:002025-02-18T13:13:50+00:00https://nodebe4.github.io/opinion/2025-02-18/Grok-3,%20The%20Nvidia%20Shortcut,%20Competitive%20Implicati

Grok-3, The Nvidia Shortcut, Competitive Implications ——

Grok-3 appears to be state of the art; that speaks to the power of Nvidia, and actually increases the pressure to spend more.
]]>Ben Thompson禁忌史話：李銳日記秘密68｜「毛的秘書幫」張玉鳳：沒了毛澤東的日子2025-02-17T00:39:24+00:002025-02-17T00:39:24+00:00https://nodebe4.github.io/opinion/2025-02-17/%E7%A6%81%E5%BF%8C%E5%8F%B2%E8%A9%B1%EF%BC%9A%E6%9D%8E%E9%8A%B3%E6%97%A5%E8%A8%98%E7%A7%98%E5%AF%8668%EF%BD%9C%E3%80%8C%E6%AF%9B%E7%9A%84%E7%A7%98%E6%9B%B8%E5%B9%AB%E3%80%8D%E5%BC%B5%E7%8E%89%E9%B3%B3%EF%BC%9A%E6%B2%92%E4%BA%86%E6%AF%9B%E6%BE%A4%E6%9D%B1%E7%9A%84%E6%97%A5%E5%AD%90

禁忌史話：李銳日記秘密68｜「毛的秘書幫」張玉鳳：沒了毛澤東的日子 ——

張玉鳳在中南海時，各路高官都要巴結；但是離開毛澤東以後，這位明日黃花體會到人走茶涼的苦澀，嘗盡“世態炎涼”。不過，這一切都沒有影響到她毛澤東的耿耿忠心。Music:"Cjbeards - Fire and Thunder" is under a Creative Commons license (CC BY 3.0).Music promoted by Breaking Copyright: https://bit.ly/cjbeards-fire-and-
]]>李肅Hi5第一頻道EP-136 陈良榕：你需要知道的张忠谋与台积电2025-02-14T12:00:00+00:002025-02-14T12:00:00+00:00https://nodebe4.github.io/opinion/2025-02-14/EP-136%20%E9%99%88%E8%89%AF%E6%A6%95%EF%BC%9A%E4%BD%A0%E9%9C%80%E8%A6%81%E7%9F%A5%E9%81%93%E7%9A%84%E5%BC%A0%E5%BF%A0%E8%B0%8B%E4%B8%8E%E5%8F%B0%E7%A7%AF%E7%94%B5

EP-136 陈良榕：你需要知道的张忠谋与台积电 ——

在AI与地缘政治的大背景下，半导体行业成为这个时代最举足轻重的行业，其中绕不开的则是张忠谋与台积电。24年底，张忠谋历时6年亲笔撰写的《张忠谋自传：下册》出版，本期不明白播客邀请到《天下杂志》总主笔陈良榕来和我们谈谈，张忠谋如何将台积电打造成台湾的“护国神山”？台积电的成功与台湾政府的支持有多大关系？张忠谋的身份认同是什么？中国有可能复制一个台积电吗？

时间轴：

02:10 张忠谋为什么被称为“肯德基爷爷”？
07:00 作为台积电创始人，张忠谋为什么要“裸退”？
15:42 张忠谋的身份认同是美国人还是台湾人？
21:05 为什么说张忠谋不算一个“很有勇气的的人”？
31:32 芯片代工模式为什么如此重要？
35:14 台积电的成功与台湾政府的支持有多大关系？
40:08 台积电为什么能够打败英特尔和三星？
43:26 张忠谋相信台积电能够保护台湾吗？
46:20 中国有可能复制一个台积电吗？
55:27 嘉宾推荐

嘉宾推荐：
《台灣戰後經濟發展的源起》瞿宛文
《芯片战争》（CHIP WAR）Chris Miller
电影《晶片島上的光芒》林宏文

官网：bumingbai.net
推特：@bumingbaipod
蓝天：@bumingbai.net
Mastodon：@bumingbaipod
Telegram：@bmbpod
捐赠链接：https://bit.ly/bmb-donate

]]>不明白播客An Interview with Uber CEO Dara Khosrowshahi About Aggregation and Autonomy2025-02-13T10:52:26+00:002025-02-13T10:52:26+00:00https://nodebe4.github.io/opinion/2025-02-13/An%20Interview%20with%20Uber%20CEO%20Dara%20Khosrowshahi%20About

An Interview with Uber CEO Dara Khosrowshahi About Aggregation and Autonomy ——

Good morning,

This week’s Stratechery Interview is with Uber CEO Dara Khosrowshahi. Khosrowshahi started his career on Wall Street, before going to work for Barry Diller at IAC. Khosrowshahi took over as CEO of Expedia Group in 2004 and led its spin-off from IAC as a public company. 13 years later Uber, which was in the middle of a series of scandals and a board room coup, came calling, and Khosrowshahi took the opportunity to lead a service that customers loved, but which faced a lot of skepticism about its business model, and a long string of problems with regulators.

Khosrowshahi helped right the ship, and led Uber in its 2019 initial public offering. Over the last few years Uber has proven out its business model, resolved its issues with regulators, while continuing to expand its Eats and delivery businesses. The question still remains, however, whether Uber could have been even more dominant with its founder at the helm?

In this interview I ask Khosrowshahi about all of this, from his background to Expedia to the drama surrounding his appointment at Uber, including the lessons he learned and what he would do differently. We also spend an extended period of time discussing the next challenge facing the company: autonomous vehicles. Why did Uber give up on its self-driving car program, and why does it think it can compete with offerings from Waymo, Tesla, etc.? We dive into everything from supply and demand dynamics over time and space, to the OEM challenge for autonomous vehicles, to why Khosrowshahi thinks that Uber’s position as an Aggregator means the company is well-positioned for the future.

As a reminder, all Stratechery content, including interviews, is available as a podcast; click the link at the top of this email to add Stratechery to your podcast player.

On to the Interview:

An Interview with Uber CEO Dara Khosrowshahi About Aggregation and Autonomy

This interview is lightly edited for clarity.

Topics:

Lessons From Expedia | Taking Over Uber | Aggregating Supply | ZIRP, Moats, and Exiting Self-Driving Cars | Autonomous Cars | Integration vs. Aggregation | Uber Eats</div>

Lessons From Expedia

Dara Khosrowshahi, welcome to Stratechery.

Dara Khosrowshahi: Thank you for having me.

This is our first time to talk and we have a lot to get to. I do always like to ask about your background, how you ended up where you are, but I might have to put a time limit on you. It started out with a very talented family that went through a lot of upheaval, and I think that might be the understatement of the Interview series.

DK: (laughing) I’ll try to keep it short, yes. We were an immigrant family, we came here in 1978 after the Iranian revolution. My family ran a very big company in Iran, and we all thought all the children were expected to join the family company when the time was right. And then, we had the slight interruption of the revolution that caused us to flee Iran. We were lucky enough to have an uncle who lived in the US with his wife, and they took us into their homes and we got to rebuild our lives, so to speak, in the US.

There was a waylay in France along the way, is that right?

DK: Yes. We used to go to France for the summer, so at the time no one really knew the changes afoot in Iran. So we thought that we would just leave, go to France while things cooled down, calmed down so to speak. And they never did calm down.

Right. Arguably still haven’t.

DK: And yeah, I’m arguably still on vacation in France.

So the vacation has continued, but we were lucky enough to come to the States and rebuild our lives. And then I had the average suburban childhood. I studied engineering in college, and quickly through that all the way to start a career in New York and finance, working at investment bank, Allen & Company, that you might know, which is a great place. And then, one thing led to another, and I met Barry Diller who was a client of mine, and I remember working for him on a couple of deals and I swore to myself, “If I ever have the chance to work for that guy, I will”, and he gave me the chance to work for him, and I went to become his deal person, so to speak.

I moved up in my career with Barry for many, many years. He really has been the greatest business mentor and a great friend as well in my life, and I’ve got everything to thank him for.

Was it a great fork in your career that you went to Expedia and not a dating app?

DK: (laughing) That was a lucky call. At the time, one of the Expedia founding team, Erik Blachford, was running Expedia and he was a founder, he was a builder. He kind of wasn’t necessarily up for the management gig, so to speak. So he spoke to Barry and he said, “Listen, I’m going to do something more entrepreneurial”. I was the CFO of IAC at the time, and I guess Barry didn’t have anyone better, so he tapped me on the shoulder and I certainly volunteered. I loved travel, I’m very passionate about it, and I took over what was IAC Travel at the time, and as the travel business went through some trouble, IAC decided to spin off IAC Travel into its own entity, Expedia.

That was when I become the public company CEO, and it was a trial by fire. I have to say that the early years were pretty rough, but after a while I got the rhythm of it. Barry was the chairman and controlling shareholder of that company, and we built that company in partnership for many, many years and it was a really, really good run for me.

What surprised you most about your time at Expedia and the travel business? Was it always clear to you and Barry that this Internet dynamic, where the power is actually going to flow to an asset-lite discovery tool, you marshal all the demand and then supply comes onto your platform, a real inversion of the physical world. Was that clear, or were you discovering that along the way?

DK: I think we saw some patterns forming, and I would say the most important model that we saw was actually Ticketmaster. Ticketmaster, if you remember the olden days, Ticketmaster obviously was amalgamating ticketing all over the world, and was selling through two channels, which were the Tower Records physical tickets, and then by phone you’d have to call 1-800-Ticketmaster and wait on the line for two hours to get your Madonna tickets. They opened up a website, and very, very quickly we saw traffic move over to the web.

So for us then, at the time, fulfillment on the Internet was a real challenge. We kind of thought, “Well, what looks like Ticketmaster in that it has advanced reservations, booked either in person or through the phone, of a virtual good that didn’t need fulfillment”. Amazon hadn’t demonstrated the incredible capacity to use capital and use incredible skill to build the fulfillment network that I’m kind of a part of now. And so, the model, when you think about that, virtual goods, advanced reservation, no fulfillment needed, physical channel, phone channel, maybe moving onto the Internet, it looked like travel.

It’s interesting you mention Amazon, because you had the similar idea to Jeff Bezos, who wasn’t looking to do books specifically he was looking at, “What is the right industry for this new Internet-enabled model?”, but he wanted to do the fulfillment part. But it’s interesting, it’s a similar story where you had a thesis and you were looking for an industry that fit the thesis.

DK: Listen, same thing with dating, right? In the olden days on dating, you would call up and you would put your profile on the phone and other people would listen. So again, we were looking for these virtual-type goods and the opportunity to amalgamate a bunch of content in a much, much better way as it related to the Internet, and we found some of the early players, the Expedias of the world, the Hotels.com of the world, the Hotwires of the world. Back then, Barry is a terrific deal person, and I was leading deals for him, so our way of expanding into the category was through acquisition, and we got to see it early. And really, people talk about history not repeating itself as rhyming, Expedia was a rhyme of Ticketmaster, of Match.com, and we just used that patterning to make some early calls in what turned out to be a terrific opportunity for us.

By that time, was supply already coming onto the platform organically? Or was there a lot of work to be done in actually signing up hotels and whatnot?

DK: Oh, it was a huge amount of work to be done. And the business — actually the Expedia business developed mostly on the air side, so air tickets.

Yeah. Easy to deal with, so it was actually easier to sign them up.

DK: Exactly.

It’s interesting. You start with them, but that meant your margins were worse because you weren’t dealing with that many entities.

DK: Totally, and you had industrial switches like Amadeus and Sabre to plug into.

Yep.

DK: Older APIs, but you could plug into all of the content in the world very, very quickly versus hotels that other than the change, the hotels had to be a ground game, building out sales forces, going out and signing up these hotels, many of which were smaller businesses that had to be introduced to the Internet, they often didn’t have a website, etc. It turned out that while the early penetration of the business and the reason why or the biggest driver around online penetration was air, the business ultimately formed around hotels, because that was fragmented content that you can earn a lot of margin off of versus air that’s pretty consolidated, that relatively is a great eyeball attractor, but not great in terms of transactional economics.

Now you just helped me summarize arguably the last decade of Stratechery, so it’s actually a great example. Were hotels on Expedia when you acquired them or was that part of what you worked on?

DK: They were just starting to come on, and we acquired both Expedia and Hotels.com, so we had a player that was really strong in air, we had a player that was really strong in hotels, and independent hotels in particular — put it all together to form the new Expedia, which we took public. But the hotel business is the heartbeat of that business and is the vast majority of the revenue of that business.

So you have a decade run there.

DK: Yeah.

Taking Over Uber

You have this massive stock package that’s meant to keep you there for even longer, and then you left for Uber. What happened? What was the story? How did this develop? It was obviously — we all know what was happening on the Uber side, what was happening on the Dara side?

DK: It was very unexpected. A headhunter just reached out to me, random call, and at the time, just like you, just like anyone, I was reading about all of the issues happening in Uber in the news. It was almost daily, the various challenges that were coming up there. So when I first got the call, I said, “Heck no, I’m not crazy, I’m not up for this”. But I actually talked to a friend, Daniel Ek from Spotify.

And you realize that was eight years ago, by the way.

DK: I know.

It’s been a long time.

DK: It feels like a long time ago. But I had one particular conversation that really shifted me, which was with Daniel Ek, who’s a good friend, and I still remember I was talking to him about my career at Expedia, how happy I was. And he looks at me, he’s like, “Since when is life about happiness? It’s about impact, you can have an impact on Uber, which is a really important company in the world that’s shaping the future of the cities”. And I think to myself, “Oh, my God, this is so obvious, I’ve got to take a shot”. I knew it was going to be uncomfortable. In hindsight, I didn’t quite know how uncomfortable it was going to be. Otherwise, I might not have jumped in.

One big story about that is, as I understand it, there was this tense boardroom fight to even select you.

DK: Yes.

Travis Kalanick supported you, even though you’re like, “You’re not going to be a part of the company”. Was he just trying to get back at Benchmark, or did you just sit down and talk to him and sell him on your vision?

DK: I still to this day don’t know exactly what went down at the board. I believe that there were two other candidates. I think it was Meg Whitman and Jeffrey Immelt, at least based on the news, and I think I was the third candidate that was the least objectionable to both sides.

Right.

DK: And since one side couldn’t win over the other, they kind of went with me, go figure as far as decision-making. But it certainly worked out for me, and I think hopefully it’ll work out for the company as well.

You mentioned you took over Expedia from a founder.

DK: Yes.

And you were a Wall Street guy and then you were a CEO guy.

DK: Yeah.

And then, now you’re sort of the manager. Would you consider at that moment, did you feel that Uber was ready for that sort of manager? Could you have built Uber? Is there an aspect of maybe there’s some things Uber would’ve done very differently if Travis stayed? People still talk about this in the Valley, do you just tune that all out, or is it something that you think about late at night?

DK: Listen, there’s certainly lots of them, could-have-been, would-have-been scenarios. My experience at Expedia taught me how to be an operator. I went through a period where I was a CEO of the holding company, but also running Expedia.com, and that taught me operations, and my background on Wall Street, that taught me a lot about capital allocation, etc. So I think that training really prepared me to come onto Uber and be the on-the-ground technical operator that the company needed, but also understand governance, understand capital allocation, etc.

I have a huge amount of respect for Travis and the founding team, because it wasn’t just him who built the company, and they had to take a very aggressive stance as it related to regulations, the taxi unions, etc., and they had to bust through an enormous amount of resistance. I do think that at some point the company got so big and powerful, but was still undertaking, call it upstart tactics, and they weren’t able to make that adjustment, which is, “Hey, we’re no longer an upstart, we now have millions of drivers, it comes with responsibility, we have to have different kinds of discussions with regulators, etc.” — and I think I brought that maturity, in hindsight.

You got some really powerful tools to negotiate with cities and governments, which is you have millions of riders and drivers, people depend on you, Travis built those tools. Maybe he wasn’t quite wielding them correctly, so if you have to zoom out, the transition in that regard does make sense.

DK: Listen, the handover at the time, it was a difficult time, it wasn’t pleasant. But I got to take over a company that was in some ways in crisis, but a business model and a brand and a very talented team that was just terrific. So while the handover wasn’t pleasant, I’m very thankful for having the opportunity, and I think it will all worked out.

Aggregating Supply

So when you came to Uber, I immediately drew a connection between Expedia and Uber, and in this aspect of aggregating demand. And yet, when you talk about Uber now, you were just talking about it in the latest investor meeting, you talk about how Uber is supply-led, and that makes sense when you recall all the fights for drivers with your competitors. Was that a mental shift when you got on the ground, you’re like, “Actually, this is a two-sided network, but maybe the network works a little differently than I expected”?

DK: It was definitely a learning. Expedia is an Aggregator, and you need to obviously match supply and demand, but the nature of the supply to Expedia is much more static. When you compare that to Uber, the supply-demand dynamics are so much more dynamic. The ability then, or the necessity to balance supply and demand in a real-time geospatial manner, is just a much bigger challenge.

Uber, to some extent, it’s unique as a retailer, which is when we sell something we actually don’t even know — when we sell and price a ride, not knowing what our inventory is — we have to guess the inventory, predict what the inventory is. Every time we do a scan of the marketplace, it’s just a much more complex beast. I did see with Uber it being all about supply, which is as we aggregated supply, ETAs came down, surge came down, the service got better. To some extent, while it’s a simplification, the service sold itself. I do think in hindsight, if I think back to the Expedia days, one of the things that Booking.com, who was a competitor, who is a competitor with Expedia, got more right is that they were very supply-led.

Yup. They were on the ground going to all those little hotels.

DK: Exactly.

Famously, Europe is much more fragmented than the US.

DK: Totally. If I could do it all over again, a lesson with Uber is actually the power of aggregating supply. Certainly you need demand, but there are certain aggregation categories where supply brings demand, it brings more eyeballs. That, for example, is definitely true for us as it relates to our rides business, but even more so in the delivery business. Every single restaurant that we add is a new item to sell, but also the more restaurants we have in a particular search, the greater your conversion is. It not only brings in eyeballs, but it also brings in conversion. Those two obviously are multiplicative, which gets to be a much bigger business as well. We’re very supply-led as a company. I think as a manager of a big company, once in a while you get to learn, and I’ve definitely learned my lesson here.

Yeah. This is one where I feel like this should have — it’s so clear to me now as you’re saying it. There’s always a bit about Uber that I couldn’t quite place it in the aggregator framework. I think this is exactly it, it’s this aspect of this is actually a supply-driven market, to your point.

We’ve seen with Uber being supply-driven, such that the more supply of Uber leads to more demand, as you just said. Do you see a limit to that curve? If all Ubers were free, what would the world look like?

DK: Well, you might get rid of personal car ownership, right? There is that. The question is what does that adoption curve look like?

Listen, there certainly is a limit to the amount of supply that you can add to a network. We go through seasonal periods where demand is 35% of the peak demand. Let’s say in most markets, March, early in the year is peak demand, and then over the summer you kind of have the summer doldrums, demand goes down, and we actually have to slough off supply, this is a very simplistic picture. The key for us is to add supply over a long period of time, and then be able to push up supply or pull down supply, depending on the particular marketplace balance seasonally, and then based on time of day as well. That’s where the fun of algorithms of the matching and the pricing algorithms come in for us.

How has the balance shifted over time? Are you still tweaking it between the price of the ride versus incentives for the driver and how many drives they do, and the non-ride? I don’t want to call it — not marginal, because it’s still marginal in terms of drivers — but it’s not marginal on a per-ride basis.

DK: While the supply/demand dynamics are quite variable on a daily basis, you have these big cyclical characteristics that you see in the marketplace.

Got it, so you can start putting in incentives, so drivers are coming on, because you know that demand is going to be increasing or whatever.

DK: Generally we have an incentive pool that we are moving between — either the incentive pool goes to create demand or supply, based on the marketplace balance. There may be during rush hour the incentives go to build supply. During noon, let’s say, incentives may go to push demand. That’s kind of on a daily basis, but if you think about the big economic cycles, when I took over at Uber, we were oversupplied. Actually, adding supply was not difficult, we were looking to add more demand in terms of newer products, etc. Then, we went to COVID. Post-COVID, actually we were supply constrained. Biggest challenge was to get drivers to feel safe driving someone in the back seat with all of the fear and COVID, etc. With the government stimulus, a lot of people didn’t need to work right after COVID started settling down.

Right.

DK: That was a period of I’d say two or three years where we were hugely supply constrained, all of the incentive pool went to drivers. If you look today, the marketplace is much more balanced, and it looks like it’s moving towards being a bit more oversupplied, if you want to call that. The incentive pool on a macro basis is moving more towards building out demand and reducing prices for riders, etc., but these are long cycles and we kind of have this pool that’s typically constant. It’s not about managing a P&L, it’s about managing marketplace balance, both short and long term.

We talk about the curve going down and people get rid of personal transportation, but when you talk about these incentives and going back and forth, that’s a commitment. It’s like, “I’m going to get rid of a car and take an Uber”, suddenly if the prices don’t feel reliable, because you keep on tweaking with the algorithm, how do you balance the daily versus the seasonal versus the, “We want to change how the way that people actually live”?

DK: Oh, you have asked a deeply philosophical and difficult-to-answer question. Generally, one is we want to lower prices over a long period of time because that increases our TAM, the total available market size for us, I think thematically that’s absolutely true. Our flexing prices up and down in a particular market during a particular time is designed to maximize the reliability of your ride.

Right. Reliability is more important than price.

DK: Correct. ETA in four minutes, getting that ride when you want that ride. On a short-term basis, if you look over let’s say a 16-week experimental period, we can prove that out every single time. I think that the debate that we sometimes have is does surge and the unreliability of price over a longer term basis create a situation where people are less willing to give up their personal car? I think that’s to be debated. Every single time that we look at it, reliability of availability of inventory comes out on top. People understand the idea of surge pricing, they get it. It was an ingenious move by Travis and team to introduce that. I think it’s something that while we try to minimize is actually feature of the marketplace, not a bug.

Yeah, and it’s sort of a customer education that happened over the long run.

DK: Totally.

ZIRP, Moats, and Exiting Self-Driving Cars

You had the misfortune of having to manage Uber through COVID, but was there a bit where you have had the fortune of managing Uber in a world of high interest rates, relatively speaking, and this assumption of, “Oh, anyone could spin up a competitor” — actually, no you can’t. You have competitors with say, DoorDash and delivery, we can get to that, but there’s not going to be a new entry in the market.

DK: The free capital period of the market was a really challenging time actually. For me as a manager, I managed a public company, return on invested capital was something that was incredibly important. That was my world, the discipline of profitability, etc., and I think it was one of the reasons why the board brought me in. To some extent, while the COVID experience and high interest rates made for a much more unfriendly environment for operators, they separated the wheat from the chaff.

Yeah. It sucks to go through, but it sucks way worse for the weaker competitors.

DK: Yeah, totally. At the same time, I would also tell you that overcapitalization reduces execution discipline. We will have engineers build out a feature, it’ll take three months, and it might optimize the marketplace by like 0.6% or 0.7%. That’s a huge win for us. Hugely celebrated, incredibly sophisticated algos to achieve those kinds of wins. Then, in the olden days, someone would just raise $200 million and just blow you out of the water. It didn’t matter all of the art and the craft of building the marketplace. Yes, it did matter, but it got lost in the macro of money sloshing around in the marketplace. I think the market that we’re in right now, appropriate returns on capital, etc., the consolidation of the marketplace, a bunch of competitors who are competing very, very aggressively profitable—

Well, this is the whole thing, I was so mad about the whole 2017 era, because I had planted my flag early that there are meaningful network effects here, Uber is going to win.

DK: Yes.

Then, the problem with 2017 wasn’t just the management upheaval, but also your primary competitor in the US got a huge infusion of capital, because people were like, “Well, maybe Uber’s going to go under, we want in”. It’s like it delayed the inevitable. I’ve been gratified to see things mostly working out as I thought they would in the long run, it just took five years longer than it should have.

DK: Value creation was in money raising, not spending it wisely. Now it’s the other way around, which I think is the way the world should be.

Yeah. Well, I think in a lot of this conversation we’ve actually laid down a lot of the parameters for — and I’m going to have to try to play devil’s advocate here because I am I think more on your side in the way the market’s going to shake out with autonomous cars when and if they come along.

DK: Sure.

You’re doing partnerships with different autonomous driving companies in different cities. Why don’t you give me your high-level pitch on how you see this market? Then there’s a bunch of specifics I do want drill down into.

DK: Yeah, definitely. Listen, I don’t think it’s an “if”, it is a “when”, and AV is a huge opportunity for the entire marketplace. It is. These robot drivers are going to be safer. I think that they have the opportunity at scale, and scale, it’ll take a while to get to scale, to reduce the price per ride and increase the TAM of this marketplace, trillion plus dollars. We think it’s an enormous, enormous long-term opportunity.

Now, a couple of things have to happen before that opportunity actually turns into commercial business. When I say commercial, I mean something that can pay back for itself versus spend a bunch of money. That was 2017 era, right?

Is it the 2025 era in San Francisco?

DK: Well, it could be. It could be, right? But I do think that the market has changed, and I certainly hope it has.

First you need a consistently superhuman safety record. It’s not good enough for a robot driver to be better than a human driver, it’s got to be multiple times better than the human driver. I think the capacity for society to accept human failure is much more than machine failure.

Yeah. You went through this early on.

DK: Absolutely.

Did the fatality in Phoenix, did that change your mind as far as getting out of the autonomous vehicle market, or were you sort of already on that way and that sealed the deal?

DK: I think we were leaning that way. It was certainly a very, very important factor in our determination, but I think a couple of issues were more paramount. One is we’re in the middle of COVID, so all of a sudden capital was much more dear. We went from losing $2 billion a year to losing $4 billion a year, which is pretty scary. My job is to make sure the company survives, and this was a significant money burning part of the operation. The other issue that was a big one was that even though we were developing ATG [Advanced Technologies Group] to some extent separately, we treated them as arms length, we have the marketplace separate from ATG, the other players with whom we wanted to partner, like Waymo, didn’t believe us. They didn’t want to partner up with a platform that was also a competitor. It was a little bit of a fork in the road, which is either we had to go vertical or we had to have the platform play, we couldn’t have our cake and eat it too. Then the last I would tell you is Uber is hard as an algorithmic software, software and operations company.

Beautifully asset-light.

DK: Yeah. Hardware was not our superpower. At some point, companies have to know their superpower. There are very few companies in the world who are great at hardware and software. Tesla, Apple are probably two of the leads, it’s very difficult to pull off. The accident, capital, how the business was shaping, you either had to make a bet on vertical or platform. We wanted to make a bet on platform, and then just superpower, were the four reasons why we decided to get out of it.

It reminds me of the Netflix story of they basically built Roku and then spun it out. It’s interesting, because you have a lot of the similar dynamics. They didn’t want to have to compete with — they wanted to be on cable boxes and on all the other sort of devices out there. In the long run, setting them up, I think, potentially to gather up their foes who try to go vertical in the long run, but that’s the wrong company. We’re on Uber, I interrupted your story.

Autonomous Cars

You said, number one, superhuman safety record.

DK: A superhuman safety record. Second, obviously you’ve got to work with regulators on the ground and you’ve got national regulations, state regulations, city regulations to kind of clear a pathway and I think safety is a big one.

How does that differ around the world, or is this where US federalism is going to be a big advantage, or are there actually countries that are going to be ahead?

DK: I think that the US generally is one of the leads. We’re seeing the Middle East open up, but it’s going to be very inconsistent as far as how regulations and countries and cities open up. Obviously we are in discussions with all of them so that we can be a part of that launch going forward, but it is going to take a while. And listen, these are really important discussions that we have to have with regulators, especially on the safety side as to what’s good enough. So that is moving, but it’s moving slowly.

Third is you need to have a cost-effective scaled hardware platform, and right now there aren’t that many, there aren’t those platforms that have the redundancy, that have the compute, that have, for AV, that have the sensor kits, etc., for AV. It’s going to come in three to four years, but right now, over the next two to three years, that hardware platform, you could say with the exception of Tesla, it doesn’t exist.

Then fourth, you need great on-the-ground operations. This is an on-the-ground game, city-by-city depots, cleaning, charging, everything that you need to do on a day-to-day basis.

And then fifth, you need a high utilization network that can manage variable demand in a flexible way. We think the best way to do that, and certainly in the early days, is a hybrid of this base layer of autonomous supply, so to speak. That is then, on top of that, you’ve got humans who come in and out during peaks. The great thing about humans is, while they will eventually be more expensive on a cost-per-mile basis than let’s say a machine, you only pay for their utilization when they’re actually working, whereas with an AV, you pay, it’s kind of fixed, so just like you see in energy right now, well, you need a base layer of gas and then the electric grid then can handle the flex up and down with some of the newer energy sources, the same thing is going to be true. You’re going to need a base layer that’ll be AV, and then you’re going to need variability to meet high demand periods, and that will be ultimately we think a hybrid network of AVs and humans.

Yeah, obviously you’re the ones that have the variable supply. Speaking of the network possibilities before, I’m on board with that, I should be a better devil’s advocate here. But let’s grant you this, you are the Aggregator sitting on top of the stack. I’m very curious to think through what do those layers, some of which you just listed, look like. So let’s take the actual cars, is the software stack and the hardware made by the same company or the different company? How do you see that playing out?

DK: Excepting Tesla, it’ll probably be different. So if I look at the stack, it actually kind of looks like the hotel business, I’ll expand that in a second. Or, let’s look at the hotels for a second.

Right, you’ve got the brands and the owners.

DK: Well, you have the demand layer, which can be Expedia, it can be Booking.com, it could be Marriott. Then you have the brands themselves, whether it’s Marriott or an independent, then you have an operator. The operators, these are teams, management teams, sometimes Marriott is an operator of a hotel, sometimes there’s actually these local management companies as well, that’s an operator. Then there’s the asset owner, these are REITs [real estate investment trust]. Marriott doesn’t own almost any hotels whatsoever, these financial partners own the hotels, and then you obviously have the financier.

We think that same thing is going to happen in AV. You have the network layer that’s Uber, that’s Lyft, it could be Bolt, it could be Waymo too, they have the wherewithal of also going direct. Then you have the driver. To me, that’s kind of like the brand, which is the Marriott driver or the Waymo driver. Then you have the operator, the management company. This is us or could be Moove.io, which is a partner of ours. Actually 15% of our inventory today come from fleet operators that are on the ground in these cities, so we think we can move them over to managing AVs very, very easily. Then you’re going to have the vehicle owners, and then you’re going to have financiers as well.

Ultimately we think OEM manufacturers, most OEM manufacturers are going to have different software providers providing AV sometimes on an exclusive basis, sometimes on an non-exclusive basis. A GM, Tesla are going to develop it in house, but then many other players are going to license it, whether from a Waymo or from a Wayve or other companies as well, so you’re going to see a bunch of models. As the business financializes, as these layers come up, the player who can drive the greatest utilization of these really expensive assets called cars are going to be very, very valuable, and that’s certainly the part that we play in addition to the local operations level.

Do we have an OEM problem? I think one of the things that you see with China’s developing auto market is basically it’s starting to look like the computer market, where you just have these basic platforms that can be then customized and accessorized, and then software defined on top of them can be churned out. They’re much simpler. You can have very small ones, you can have very large ones, but it’s all like a recipe in a box. In the West we have all these OEMs whose expertise is around the engine and is building these integrated platforms that don’t scale down to a $10,000 car or $5,000 car or $15,000 or whatever the price needs to get to. Are we stuck, especially if we’re putting 100% tariffs on Chinese cars?

DK: Well, I think that the innovation going on in China or in the OEM space is extraordinary. You go visit their factories and the people who work in these car factories, they used to work at Foxconn. You’re absolutely right. They manufacture phones, now they’re manufacturing-

Foxconn itself is making cars.

DK: It’s absolutely extraordinary. And they, I think, have absolutely taken a leap ahead of any of the Western manufacturers. Will the US have access to that content, if you want to call it that? That’s a question mark, but there’s no question that the Chinese outside of the US have a huge advantage. There are obviously companies like Tesla who have taken similar approaches, I do think that the US OEMs have to make that shift.

One of the surprises for me as I’ve watched the AV space over the past couple of years is, five years ago, if you asked me as to the most important success factor in scaling OEMs, commercializing AV, it was actually the software, the software was the biggest challenge. The heuristics, the data, the modeling, the simulation, etc. It looks like there are many, many players who are going to make it to the finish line on the software. Now actually building scalable OEM platforms with the compute, with the sensor kit, with the redundancy that you need in the hundreds of thousands, that’s going to be the next challenge, and the Chinese players are certainly ahead of the pack there, although there are many players in Asia, in Korea and Japan who we think are more than up for it as well.

Well, but that’s the problem, hundreds of thousands is a very big number for this space, but in the context of the global auto market, it’s not very big. Is there actually a bit where if the US gains this capability, it might actually end up being a new player?

DK: I think that there is a chicken-and-egg question, and I think ultimately the market for this software is going to be in personally owned vehicles and rideshare. I think you’re right, which is if rideshare is the only market out there, it’s going to be subscale, but I think 10 years from now, every single new car sold is going to come with some kind of FSD software.

Right, but what do you want from a rideshare car, I can imagine being very different from what you want from a personal vehicle, or do you think there won’t be that much difference?

DK: Totally. Well, I think those are tunable. So for a personal owned vehicle, you may not have LIDAR, or other LIDAR is very, very cheap. For a rideshare vehicle that’s going to have a lot of miles where safety is incredibly important, a $300, $400 solid state LIDAR kit is absolutely necessary. The newer generation of AV software is looking like it’s much more generalizable to different hardware configs and different sensor configs as well. So I think ultimately you’re going to have platforms that the Hyundai’s of the world or the BYD’s of the world build, and there’ll be tweaks for personal ownership and there’ll be tweaks for fleet ownership, so to speak. I don’t think that’s going to be an issue, but getting to scale is going to take some time.

Is there any concern where the US might be pretty forward from a regulatory perspective, but because we don’t have access to these OEM platforms, it actually ends up being the rest of the world that gets to this autonomous state first just because they have access to the hardware and we don’t?

DK: I do think that the rest of the world has an advantage in hardware chiefly because of China and the US has to develop it, and today the US is behind.

So you did mention the fleet aspect. Right now you have this deal with Waymo, take Atlanta for example, you are going to be responsible for fleet management. Are those going to be gig workers, are you going to hire them, or is this just a temporary thing, you envision outsourcing this in the long run? How are you thinking about that layer? Right now you sort of outsource that to the drivers for free, it’s a great model, but now you have to actually pay someone to do it.

DK: As I said previously, we work with a bunch of fleet managers all around the world, and one of our leading fleet managers is actually going to be operating with us in Waymo, in Austin and Atlanta, so we will bring that demand layer. We’re going to really drive very, very high utilization of these Waymos. Waymo brings a software layer and obviously the brand that people really, really love, and then our fleet partner Moove is going to be operating these fleets locally as well, so it’s a team effort and we’re excited. I mean, we think this launch is going to be absolute dynamite.

Integration vs. Aggregation

Is there a bit where almost your biggest risk factor is interest rates in the long run? Because in the short term, if it’s a Tesla or it’s a Waymo, they have to build out these fleets to even gain baseline capacity, much less even attempt to reach into higher demand areas. It’s all fixed costs, it needs high utilization, which drives them into your arms because you have the most customers, you have the cheapest customer acquisition, all these advantages that you’ve talked about. But, if suddenly they can develop the wherewithal to stomach losses for, I don’t know, I mean the Waymo share in San Francisco seems pretty solid right now where they’re not necessarily being fiscally disciplined, is that a real risk factor for you?

DK: Listen, if you don’t care about economics, then business model logic, that doesn’t matter, but at some point you need economics to work in order to scale, and in a world where certainly if the cost of capital is high and these cars are relatively expensive, the player that’s able to drive the highest utilization of these vehicles is going to have the lowest cost of capital. The player who works with us is going to be able to expand into every single market very, very quickly, will be first to market and being first to market matters, and I think those two elements, which is lowest cost of capital, ability to scale fastest, are going to play to the advantage that we bring in terms of being the best partner for AV in the world. So we’re pretty confident of our position.

But I do think this is still, there’s a lot of experimentation that’s going on in this marketplace. Any new market that’s developing at very, very low unit volumes with AV right now, I think people tend to kind of take those models-

Over-extrapolate on them.

DK: Yeah, over-extrapolate. Yeah, because who cares if you lose 20 bucks a ride on a small number of rides. But if you’re doing 33 million rides a day, well, losing 20 bucks a ride is a problem there. You’ve got to start making money.

I have two questions on that. On these potential vertical competitors, I think the experience of Waymo is delightful.

DK: Oh, it’s great.

I took my first Waymo and then I had to go back to the Grand Hyatt at SFO, which the Waymo did not go to at that point, I’m not sure if it does yet, but instead of taking an Uber, I took Waymo to the edge of Waymo’s territory, and then I switched to an Uber. I think that the question is, of course maybe that wears off over time, you get used to it, but it’s nice to be by yourself. Is there a challenge where people already have the Uber app, that’s a big advantage for you, they can go to one app and they can always get a ride, and hopefully it’s autonomous, but if autonomous isn’t available, you have the human drivers to scale and it’s so much more convenient, or are you concerned that the user experience will make users multi-home in a way that they’ll check Waymo first and then go to Uber?

DK: I think it remains to be seen. Ultimately, what we’ve seen over and over again is that the ride is a bit of a commodity. You want to go from point A to B, the feature is where you’re going.

Well the more it’s a commodity the better for you. I don’t live in San Francisco, so it was not a commodity for me, but I talked to people who were like, “Yeah, you forget about it very, very quickly”, so I’ll digress.

DK: And it is a delightful experience. And it’s nice being alone, it’s nice listening to your own music and not having to ask for permission, so the experience is absolutely terrific. Over a period of time, we think that the feature is where you’re going and the player who can, again, get you where you’re going in the way that you want to, reliably, at the lowest price, at the lowest ETA, is going to play a big part in the development of this marketplace, and ultimately we think there are going to be multiple players. Waymo is absolutely in the lead, they are a great brand. They are setting the safety standard for everybody, but what we’re seeing is many players are solving this issue, and ultimately there’s going to be a choice of taking a Waymo, taking a Nuro, taking a WeRide, or taking a Baidu RoboTaxi as well. That choice is going to come in for consumers, and I do think the Aggregator model certainly would be helpful for all of those companies to succeed.

It’s hard for me to push you too hard, because this is my theory as well.

DK: (laughing) We need a third person to disagree with us, right?

Well, is there a concern that Uber today is Expedia in hotels? Supply is highly fragmented. Yes, you have the occasional fleet operator, but they’re small enough, you don’t have to necessarily treat them any differently, but in an AV world, now you’re dealing with airlines. The margin compresses, because you’re not negotiating against that many people?

DK: Yeah. I think if you look at it, there are two ways of looking at this, which is right now, general take rate for us on a global basis is about 20%. We take 20%, we pay the driver 80%. If you just look at it mathematically, that means that if we drive a utilization benefit of 25%, we’re paying for ourselves. The actual utilization benefit that we see in the markets in which we operate early on is much higher than that 25%, so any player should take that 80%, because the benefits of, instead of a ten-minute pickup to the next pickup, it’s a two-minute pickup, the benefits of utilization more than pay for themselves.

So, economically, we’re sitting in a very, very good place, and my experience is, over a long period of time, markets move to the right economics of the model regardless of supply and demand, short term. They move there, so from a utilization standpoint, we are in great, great shape. Now, that presumes that there are going to be multiple providers who are able to play AV.

This is the third time you’ve anticipated my next question, which is if can we get to this world, which usually there’s going to be one player at the nexus of a value chain, and they’re going to garner most of the profits, and everything around them gets commoditized and that’s the vision you laid out. It’s a vision that makes sense to me.

Does this mean, though, that actually your potentially biggest problem might be Tesla? Because you mentioned before, they’re going to be an integrated player from the car to the software. You can imagine Elon’s like, “No, you’re going to use the Tesla app, I think I have the largest bullhorn in the world, I can drive customer acquisition on my own”, and that, even if it’s reckless, and you’ve said you’d love to partner with them, I’m sure you would, but that is ultimately the, if not a threat, at least the airlineification, maybe more than you would like.

DK: Yeah listen, no one wants to compete against Tesla or Elon, if you can help it. Their capabilities are pretty extraordinary, but I think the same economic laws apply to them. Ultimately, if Tesla puts their cars on our network, we already have 150,000 drivers who are driving Teslas, and if they get FSD, they’d love to plug it into Uber as well. Then, that Tesla that is both on Uber, and by the way, they could be both on Uber and the network, that is going to create much, much more revenue. Ultimately, that’ll increase the value of the Tesla so that the residual value of that car improves, and if they don’t do that, there’ll be some other OEM that does it.

So it all comes back to revenue generation, you have a box with wheels, you want to maximize the revenue of that box in order to reduce your cost of capital, and economic laws apply to Tesla, just as they do to any other car company. To some extent, you look at the food business. I’ll go there, right? McDonald’s has its own app, and has an incredible brand, has a lot of capital, has terrific reach. They still work with Uber Eats and DoorDash, because they want to drive utilization of the box called the restaurant, that same economic value is going to be true going forward. Ultimately, we’re hoping that my charm and the economic argument gets Tesla to work with us as well. If they want a direct channel, no problem.

</p>

Uber Eats

Hopefully the charm doesn’t matter! I’m going to come back to that, that’s actually my last question, but before I get there, you mentioned the food delivery business. Uber Eats. DoorDash is leading the market. What would you have done differently looking back? Do you chalk that up to, “The company was in upheaval, we were putting out fires left and right, we were selling off businesses everywhere”, is there a world in which Uber Eats is in the dominant position, as opposed to being in second place?

DK: Well, we always want to be in first place, and while we’re in second place in the US, in many places around the world, we’re the number one player. We’re getting much stronger international business.

Hey, I use Uber Eats, basically every day.

DK: I know.

I’m very familiar with this.

DK: I’m just saying, and we’re gaining category position in ten out of our top markets. I think last quarter, actually, Uber Eats made more money in terms of EBITDA than DoorDash.

By the way, I could say the whole, “Changing your lifestyle”, that is the case in Taiwan.

DK: It is extraordinary.

The combination, number one, scooters are so much better for delivery than cars.

DK: Yes.

Number two, just the density, and the way Taipei is laid out is actually very unique. There’s no centralized area, so there’s food everywhere, and all the way around you, but the way the response in the market, there’s just a huge swathe of restaurants that don’t exist anymore, but they’re only on Uber Eats. It’s not ghost kitchens, there are some ghost kitchens where they’ve created for Uber Eats, but it’s like all your old favorites, their storefront is gone, but they’re still on Uber Eats. It’s been pretty transformational.

DK: If the world looked like Taiwan, Uber Eats would be two to three times larger in terms of the frequency, it’s pretty extraordinary.

But coming back to the competition against DoorDash, I do think that one thing that they got right was really focusing on the suburbs. If you look in the US, in terms of the suburbs, it’s actually 60 plus percent of the marketplace. Uber has always been a really urban market, we grew up in cities, that’s where we already had the liquidity of the marketplace, and Uber Eats was kind of — they drive people, drive stuff as well. It was an offshoot, so I think DoorDash got the suburban family first, we got the urban 20-something year old first. We’re now kind of coming into each other’s markets.

DoorDash’s market, the suburbs turned out to be larger than the urban markets, but for us, suburbs and less dense markets, actually, not only are there a huge opportunity in learning for Uber Eats, not just in the US, but all over the world. We’re going into secondary cities, tertiary cities, but it’s actually a really big opportunity with Uber. As we started expanding Eats into the suburbs, we’re seeing that there’s also Uber demand there. So actually, moving into these less dense cohorts and neighborhoods, big, big, is a huge opportunity for Uber Eats, but also Uber as well, which is I think we got another three to five years of penetration ahead of us.

You looked in the last quarter, Eats actually accelerated its gross bookings level, so it’s going to be a dog fight with DoorDash, but they’re a strong competitor. We’re a really strong competitor, and I’m very, very confident that the network effect that we have, Rides, Eats, along with the Uber One Membership program that’s now 30 million strong, ultimately is going to come out on top of the full competitive field in food and grocery.

Was there a little bit of a paradox you just identified there though, where you are talking about, and the first thing you mentioned on your last earnings call, was the cross-selling and people that are doing multiple transactions across both Rides and Eats, but at the same time, did that make it hard to prioritize and focus, whereas DoorDash had an advantage by doing just food, and was that a meaningful differentiator? Is that still a meaningful differentiator?

DK: I think it’s very difficult for companies to do more than one thing or build more than one brand. Not only are we multi-service, but we also expanded internationally much faster than, let’s say, the DoorDash’s of the world and many other competitors of the world, and on a short-term basis, it’s much harder. You’ve got to build more services, you have to generalize for the international markets. It takes longer to build things, but over the long term, we think it’s a much stronger strategic position to be in.

Again, DoorDash, they do only one thing, we think our superpower is in the platform. Their superpower, you could say, is in their focus. Every piece of evidence that we’re seeing is that the platform is winning against the whole ecosystem. Obviously, the markets that we’re chasing are much, much broader than just the DoorDashes out there.

So final question, you’ve talked a lot about in the long run, you believe in the economics, and so I’m going to dismiss your charm a bit. It doesn’t matter, sorry, the economics are going to sort of rule the day and bring this market to you, it’s going to be an Aggregator market, it’s going to be commoditized, all the bits and pieces of a vertical player is going to have to be on your platform to utilize their assets properly. Very compelling.

Is there a bit where, when you think back to your tenure, you go back to 2017, and you go through all the controversies, that actually at the end of the day, I’m sure you did a great management job, so I guess I’m dissing your charm twice in this question, that Uber pulled through because its externalities are actually just so great and it’s hard to get away from? I mean, this is a kissing your rear-end question, but I’ve always been such an Uber advocate, I think in part because I came from a relatively small town, I come from a state with a lot of drunk drivers. There’s these aspects of being able to get a ride, there’s three taxis in the city of Madison. They’re always at the airport, and they cost like $100. It’s been transformational, and that’s why you got regulars on board in the first place. People loved you and they would go to bat for you. Is that the key thing? I mean, I feel kind of embarrassed. I’m asking such a leading question that’s so great for you, but it feels like the structural argument you’re making is actually, this is the argument for Uber as a whole.

DK: It is, and I got to take over a great company. If you remember at the time, there was WeWork, and there was Uber, and we were both burning a bunch of money. WeWork turned out to be a bad business model, Uber turned out to be a great business model. So, while yes, were there cultural challenges, were there governance challenges, were there brand challenges early on? Yes, yes, and yes, but the business model itself, the service was a service that people depended on. We’ve got eight million drivers who are choosing to be on our platform to make money whenever they want, where they want, etc. It’s a very, very powerful platform that I got to take over, and I think the power is only multiplied during these seven years, and hopefully I can keep it going for a few more years at least.

Until the next company is in crisis.

DK: (laughing) I’m staying at this one for a while. At least I hope I do.

Famous last words!

DK: It’s a lot of fun.

Dara, it’s good to meet you, and thanks for coming on Stratechery.

DK: Thank you. Really appreciate it.

This Daily Update Interview is also available as a podcast. To receive it in your podcast player, visit Stratechery.

The Daily Update is intended for a single recipient, but occasional forwarding is totally fine! If you would like to order multiple subscriptions for your team with a group discount (minimum 5), please contact me directly.

Thanks for being a supporter, and have a great day!

</div>
]]>Ben ThompsonSuper Bowl Ratings, Netflix to Bid on F1?, Thomson Reuters v. Ross Intelligence2025-02-12T10:57:28+00:002025-02-12T10:57:28+00:00https://nodebe4.github.io/opinion/2025-02-12/Super%20Bowl%20Ratings,%20Netflix%20to%20Bid%20on%20F1?,%20Thomson

Super Bowl Ratings, Netflix to Bid on F1?, Thomson Reuters v. Ross Intelligence ——

The Super Bowl drew record ratings even if it wasn't a big deal on social media; the NBA has the opposite problem. Is consolidation of media the way? Then, a new court case about AI.
]]>Ben Thompson蘭花王朝一由原野、試管到花市｜112-2 人文與科技的對話2025-02-12T06:23:09+00:002025-02-12T06:23:09+00:00https://nodebe4.github.io/opinion/2025-02-12/%E8%98%AD%E8%8A%B1%E7%8E%8B%E6%9C%9D%E4%B8%80%E7%94%B1%E5%8E%9F%E9%87%8E%E3%80%81%E8%A9%A6%E7%AE%A1%E5%88%B0%E8%8A%B1%E5%B8%82%EF%BD%9C112-2%20%E4%BA%BA%E6%96%87%E8%88%87%E7%A7%91%E6%8A%80%E7%9A%84%E5%B0%8D%E8%A9%B1

蘭花王朝一由原野、試管到花市｜112-2 人文與科技的對話 ——

拍攝日期：2024/04/10主講人：李家維（國立清華大學生命科學系 教授）►►臺大演講網Website: http://speech.ntu.edu.twFacebook: http://www.facebook.com/ntuspeech
]]>臺大演講網EP-135 基层医生：比集采药更可怕的是什么？（文字版）2025-02-11T13:18:38+00:002025-02-11T13:18:38+00:00https://nodebe4.github.io/opinion/2025-02-11/EP-135%20%E5%9F%BA%E5%B1%82%E5%8C%BB%E7%94%9F%EF%BC%9A%E6%AF%94%E9%9B%86%E9%87%87%E8%8D%AF%E6%9B%B4%E5%8F%AF%E6%80%95%E7%9A%84%E6%98%AF%E4%BB%80%E4%B9%88%EF%BC%9F%EF%BC%88%E6%96%87%E5%AD%97%E7%89%88%EF%BC%89

EP-135 基层医生：比集采药更可怕的是什么？（文字版） ——

文字版全文：

01:37 针对医院的“国家绩效考核”是什么？
05:59 医院如何逼着医生多做手术？
10:30 考核指标与经济下行有关系吗？
12:16 过度手术实际是如何发生的？
17:05 国内外的手术标准有何不同？
21:05 Anson医生的抵触与痛苦
23:18 作为患者能做什么？
27:04 医疗系统还有哪些荒谬情形？
29:49 嘉宾推荐

[00:00:02] 袁莉: 大家好，欢迎来到不明白播客，我是主持人袁莉。2023年9月，不明白播客曾经播出过与一位基层医生Anson的对话，当时他分享了他对医疗反腐的看法。最近关于医保集采制度的新闻沸沸扬扬，我们询问了Anson医生，问他能不能谈一谈这个话题。Anson医生非常认真，他说关于原研药和集采，他有很多看法，但他不确定他掌握了足够的证据，总觉得底气不足。但他说，其实有一个比集采更可怕的事情，就是医院普遍设置手术和重大手术指标，逼着医生多做手术，多做重大手术。今天我们就请Anson医生来讲一讲这是怎么回事，以及作为普通患者大家可以怎么做。为了安全起见，我们对声音进行了变声处理。

Anson医生您好。您上过我们的播客，但还是麻烦您先做一下自我介绍。

[00:01:06] Anson: 我是一个三甲医院的外科医生，主要是做手术为主的，已经从医有二十多年了。

[00:01:15] 袁莉: 我前几周找你，想要让你来谈一谈集采的问题，但是你说其实有比集采更可怕的事情，就是医院普遍设置手术和重大手术指标，逼着医生多做手术，多做重大手术。你还发了我一些这种考核指标的截图。你能跟我们说下你为什么这么说吗？

[00:01:37] Anson: 现在对医院，医生和病人影响很重大的就是三甲医院的国家绩效考核，我们简称为国考。它基本上把医院从门诊到住院，从手术再开药的各个流程细节都管到了。现在有1400多家三甲医院。国家为每个三甲医院都赋予这个指标并进行排名。前1%就是有十五家医院叫A++，然后下来就A+、A，然后是B++、B+，如此类推下去。普通人不知道三甲医院评上之后，它跟二级医院的医保收费的系数就有很大的区别。

我举个例子，你做一个1万元的手术，病人自费出3000，那理论上医保应该会还给医院剩下的7000，但它不是马上就结账，而是一年下来之后，按照它对你的考核，乘以一个系数给你。二甲医院大概拿到0.8几，三甲医院就看排名，我们这里最大的医院可以拿到百分之百。我们医院前面几年好像只拿到96%，现在听说拿到98%。如果三甲医院在新一轮的评审里面把被摘掉了牌子，变成了二级，那就直接意味着少了很多。

这个排名跟医院的绩效有关系，有很多指标，其中几个比较重要指标就是CMI。这个CMI可以说是我们大多数医生都深恶痛绝的。CMI的中文叫病例混合指数。如果一个医院收的重病人越多，做的大手术越多，这个CMI值就会越高，医院的排名就越靠前。所以这就变得很重要了。医院就肯定把这个指标层层下压。不单纯是我们外科，内科也一样的。它要求你要多收重病人。说白了就是花钱多的病人收的越多，各个值、各个指标就会越高，医院的排名就会更靠前。

然而，我们接触到的很多医院，包括我们自己很多医院里面不同专业病种是不一样的，这样直接比较就非常的不合理。我举个例子，神经外科收治的重伤比较多，重病比较多，他们的CMI就比较高。像小儿外科的病例很多被认为是小病，所以CMI就很低。然后不同医院的去比较CMI也非常不公平。北上广的这几个大的医疗中心城市有很多外地的病人。我们这种基层医院，就以本地病人为主。但是一旦这样排名，我们基层医院就必然很吃亏。我们跟别的医院沟通交流的时候发现，不同的医院领导层对这个指标的推动力度不一样。我们的医院的力度就很大，我们外科就首当其冲要推大手术。

[00:05:17] 袁莉: 你还给我发了一些考核标准的截图，里面就有特别明确的语言，提到住院病人的人数，还有四级手术的数量，是这个？

[00:05:29] Anson: 对，我们的手术其实是分了四个等级。一、二级是相对的小手术，三、四级就是大手术了，三、四级的大手术做的越多，CMI值就会越多，内科的也是这样，重病人越多，CMI也会明显提高。当这个指标成为一个激励机制。医生或者医院领导就会去人为地改变。

[00:05:59] 袁莉: 这个指标是什么意思呢？

[00:06:01] Anson: 比如说甲状腺占位，我们叫结节。国外是不允许做这个体检的，因为普通人群如果用B超去做筛查的话，百分之六、七十都会有甲状腺结节。这会引起病人的恐慌，就会去做手术，医生也会乐于做这个手术，所以是不允许筛查的。但是现在四级手术的规定其实是很主观的，以前的规定就把甲状腺当成了一个四级手术。基本上所有涉及甲状腺的都是四级手术。实际上很多甲状腺结节，甚至甲状腺的微小癌，国际指南上都不是非常主张去积极去干预。但医生在CMI这种指标的鞭策下就会主动地去干预，把本来不需要做手术的病人也去做手术。比如说指标要求我们四级手术的占比要达到12%，我们达不到怎么办呢？那就在门诊看病时遇到甲状腺结节的患者，就让他做手术，对吧？

关节置换术也是这样。老年性的关节炎很多都是退化性的疾病，很多时候不是非做不可的。它对病人的影响不大。病人虽然有问题，但不一定非做不可。但是当医院有激励机制或者是考核机制的情况下，本来不用做的病例也可以拿去做。做了，这个指标就高了。

一次我们开会的时候，领导把各个科室的最不好的指标都列出来。这些就是很重要的问题了。这样列出来就让各个科主任不做不行，不做的话，科室领导本人的绩效会降低。整个科室的绩效也会跟着降低。这就逼着大家一起去做了。

[00:08:08] 袁莉: 绩效降低具体到科室和个人来说会有什么样的影响？

[00:08:13] Anson: 我所在这个小专业就是各项指标都不好，医院里面就有很多的小专业，就是CMI低、四级手术低，就会很明显的影响到我们的收入。我们的奖金是按照这些指标发的。

[00:08:31] 袁莉: 我想问一下，医院设置这样的绩效考核的指标是一个普遍现象吗？或者是一个比较近期的现象吗？

[00:08:40] Anson: 三甲医院的国考，是大概17、18年开始的。我翻看我们院以前的文件发现老一批的领导也有推，但是没推得这么狠。现在这个新任领导上来之后，可能是为了政绩，就推的非常狠，还要把一些相对小的病、相对小的手术放在门诊去做。这就是玩数字游戏，把分子分母去改变一下，实际上没有实质改变。比如说我们医院的CMI这两年高了很多，但是我们的病种去看门诊，去做手术，并没有发现病人的构成有很大的改变。

各个医院你追我赶，本来没有这种指标的也要去追这种指标。我们就是因为排名往后掉了以后去追。但是这样排名升高以后，别人掉下去了肯定也会这样去搞，大家都是玩数字游戏，把四级手术搞上去，把大手术搞上去，然后把那些小病放在门诊，甚至不给收住院。这样各种指标就会好看，但实际上对医院没有实际帮助，对病人的害处就更大。可以预测，未来几年各个医院会越来越卷，都往这上面靠。

我们私下跟其它医院也有沟通交流，也问了各种不同的医院，推的指标不一样，中医院系统就推中医的指标，我们综合三甲医院就是主推四级手术，CMI指标。

[00:10:30] 袁莉: 那这种卷和普遍的经济下行有关系吗？

[00:10:35] Anson: 指标里有一个叫服务指标，一类是叫经济指标。服务就是我们医疗服务的手术率。但是经济上的运营指标有一个很重要的叫服务性收入。比如说一个病人住院花了一万块钱，把药品、耗材、检验检查这几个都扣除之后，剩下的就是服务性收入。服务性收入就是指我们的医护人员付出的劳动产生的收入。因为检验检查的利润是很低的，药品、耗材是零利润的，所以真正赚钱的就是这个服务性收入这一笔。但是国家不断的往下压手术费用。这是非常奇葩的。我们女士去做个头发，做个指甲，花好几十，一百，甚至几百、上千，都很普通。我们现在做个手术一百。有些手术，还不是那么容易的手术，手术费用从几千块直接降到几百块，所以他推四级手术，四级手术对应的服务性收入会高很多。不只如此，做一个四级手术，可以做一个手术，其实是做了很多手术。但是在很多情况下，这些手术做没做，就只有医生本人知道，没做也可以写上去。

[00:12:16] 袁莉: 什么叫“”做了一个手术，其实是做了很多手术”？

[00:12:21] Anson: 我举个例子，很多女性都会有子宫内膜异位，子宫内膜异位到腹膜上时，医生可以烧灼一下，这个电灼烧既能算四级手术，又能提高服务性收入，但是这个病人腹膜上实际上有没有内膜异位？医生做了电灼没有？都是不清楚的，只有医生本人知道，甚至手术台上的护士都不知道。她就问医生手术名称是什么，把这个写上去，收费就高很多，四级手术又增加一个。其他的专业也有类似的情况。

就是当你只要用指标去限制，医生就会各出奇谋地把收费增多，把手术名称增多，四级手术就会增多，服务性收入就增多。你刚才问这跟经济下行有没有关系，应该就是经济下行导致了现在的医院运营整体上比较困难。所以在医保基金有限的情况下，就只好用排名来限制。然后医院为了应对，就会产生这种用指标来管理的方法，一系列的后果就这样出来了。

[00:13:44] 袁莉: 这样的考核，可不可以说它是荒谬甚至是完全违反医德的呢？

[00:13:49] Anson: 那肯定是，我们都非常不满意，但是没办法。就像我23年说的那个例子，有少数的医生会滥用手术耗材，以前是个别行为呀，现在我们作为一个科室的小头目，你自己可以钱少，但是如果你不这样跟着指标走的话，全科都跟着你钱少了，这就不是个人行为了，全科靠着你吃饭，你就要跟着大家一起去这样做，把目标布置下去，大家一起去冲这个目标。

[00:14:27] 袁莉: 实际上你们应该遵循的是一个什么样的标准？

[00:14:31] Anson: 有个谚语叫：你拿着锤子，看到所有的都是钉子，你都想锤一下。我们年轻的时候刚刚当外科医生，很喜欢做手术，很有成就感，看到腹痛了就觉得这是阑尾炎，我要把它切了。我相信很多外科医生都会有这种心态，这应该是人的一个共同点吧。所以，好的外科医生知道怎么样做手术，就是你的技术好。就像好的木匠拿着锤子，知道怎么钉、怎么锯。更好的外科医生是知道什么时候该做手术。我跟你提过适应症的问题，更好的外壳医生应该知道哪些病人该做手术，掌握好适应症就会帮这部分病人去解决问题。然而最好的外科医生是知道什么时候不该做手术，就像我刚才说的甲状腺的问题或子宫内膜的问题，还有很多其它专科的问题都是一样，很多病它是存在的，你不干预，对病人是无害的。你去干预是有害的。在这种情况下，不做手术才是最佳的选择。我们掌握了这门技术，但是不能随便去做，特别是我们作为一个外科医生，每一次刀子对病人都是伤害，不能因为我掌握了这个手术，我就随便去动刀子。

[00:16:00] 袁莉: 大家好，我是袁莉，你们刚刚听到的精彩对话背后有几十个小时的精心准备和制作，这需要阅读大量资料，花时间与采访对象沟通，只有这样才能问出好的问题，才可能进行有深度的对话。不明白。播客会继续致力于制作高品质的新闻内容，让中国人听到深刻的思考、真实的情感。在这个灰暗不确定的年代，听到彼此心中的一点坚持。请大家继续支持不明白播客，让我们把这个事业长期地进行下去。欢迎听众朋友们到我们本期的内容简介里点击捐赠链接，或者访问我们的网站bumingbai.net的捐赠页面。

你再跟大家普及一下，比如说本来不需要做的手术，现在因为有这种绩效考核，你要去做手术，然后本来是一个小手术，要把它做成四级手术，这样的做法对人体的危害，对患者的影响会是什么样的？

[00:17:05] Anson: 我们最大的害处就是把病人害了十几万块钱，对吧？现在这种情况可能会越来越普遍了。

我上次提过指南的问题，我们有一种病叫神经静脉血栓。比如说我弄伤了手指，这个血会止住，这是一个正常的过程。但是如果血在下肢的深静脉里无缘无故地凝固了，这种叫深静脉血栓，这种病的治疗指南在国内和国外是不大一样的。在国外，这种深静脉血栓大多数情况都是保守治疗，打针或者吃药就可以了。但是现在国内很普遍地去使用滤器，医生声称血栓会顺着静脉掉下来，然后顺着我们血管的系统跑到肺里，如果发生肺栓塞的话，的确会造成病人死亡。所以，医生就有了一个理由在静脉里面放个滤器，把这个血栓给挡住。这就是手术了。甚至医生可以用一些特殊的器械和药物去把这个血栓融化掉，这些也是一个手术了。国外的指南是不主张这样做的。但如果是在指标考核下，就可能会有越来越多的医生去做这个手术。

我们是算是半路出家，以前是不会做这种手术的。我在国内看到很多人这样做，我想去欧洲去学这个技术。结果去到欧洲的时候，发现人家很少做这个手术，病人因为血栓来了，医生就开一些华法林、利伐沙班，药物治疗就可以了。我就问这些教授，为什么不做手术。欧洲的教授很明确地告诉我：这不需要手术，你做来干什么？但是我们现在看到的就是很多医院里遇到血栓就放滤器，甚至有很多骨科医生担心骨科大手术的时候会出现血栓，预防性的放滤器。按我们的说法就叫违反了适应症，就是没有适应症都拉去做手术。这种情况对病人的损害就很大了，有可能做了手术之后对病人一点好处都没有，这是一个非常大的问题。

还有刚才提过的甲状腺手术，这样的手术的话，也有几个并发症是比较麻烦的，比如手术可能带来甲状旁腺的损伤，虽然甲状旁腺的损伤大部分没有很大问题，但是有少部分永久损伤的话，这个病人就会永久性的缺钙，经常抽筋。其实大部分的人甲状腺上都会有结节，但是大部分的结节都不需要处理。你把它拿去做手术，不管你怎么吹嘘都必然会有一定的比例会发生并发症，一旦发生，对病人就是一个很大的伤害，甚至是终身的，这就很可怕了。

[00:20:36] 袁莉: 那有没有可能造成死亡呢？

[00:20:39] Anson: 死亡率也肯定会有的，绝对会有的，但是你怎么去鉴定就很难了，非常难。有些适应症，包括你的手术操作，很多时候都在于医生怎么去写，写完之后把适应症完善好。甚至可以说患者死亡，如果适应症符合的话，医生的责任也不会非常大，我觉得这是有可能的。

[00:21:05] 袁莉: 你作为一个医生很烦这样的考核，那你自己会怎么做？你做过违心的手术吗？你考虑过离开医生这个行业吗？

[00:21:16] Anson: 一开始我们肯定会很抵触，非常抵触。但是这直接牵涉到你个人，不管是自己的收入，科室的收入，还是医院对你的评价。比如医院对科室科主任的考核，如果你完成不了指标，分数很低的话，可能就做不成科室主任、升不了职称。所以这会影响到方方面面，所以你就必须得服从，你不服就走，就只好离开这个行业。我也确实想过离开，特别是乌克兰战争发生的时候我也很热血，当时就想去看看无国界医生怎么样，但是我发现自己的技术面还是比较窄，比如说担心枪伤没有处理过，爆炸伤也没有处理过，还有在战场上当个医生，跟在和平的地方当医生也是完全不一样的，等等一系列的困难。所以这个念头还在，但是也不可能马上离开。我在这里二十多年了，不管是对这个专业还是我们本地的这个医院，还是有一定感情，还是有一些关系。所以离开也不大现实，离开医疗这个行业，很多事情也不会做，可能要从头学起。至于去别的医院，我也考察了一圈，周围的医院也在不断的讲指标，本来不讲指标的医院也在讲指标，本来讲的程度不是很高的医院也越讲越多。到最后，你不管去中国的哪个医院，可能都还是为了这个指标服务。所以这也非常痛苦。现在的话，经过了一段时间的考虑，也还在慢慢酝酿当中，目前也没有很大的动作了。

[00:23:18] 袁莉: 这是一个系统性的问题，是吧？你作为一个个人其实很难做什么改变的。那你会给普通的患者一个什么样的建议呢？作为患者来说，怎么来判断医生要你做的手术是必须的，而不是为了考核而做的呢？

[00:23:35] Anson: 在中国你没办法的了，除非真的是很亲很亲的关系，其他所有的关系都变得非常不靠谱。我的同事介绍病人给我，周围同事都看着我，大家都知道这是什么病人，大家都明白什么手术该做或者不该做。你一旦开了这个口子，这个不做了，人家就会说你这样会影响整个科室的收入。甚至我叫病人不做手术，病人转头找另一个医生或是另一个医院给他做了手术，那我不是更亏吗？当整个系统都有问题的时候，你就没有办法了。

[00:24:12] 袁莉: 我都不知道说什么好了，那患者就是完全就两眼一摸黑啊。

[00:24:17] Anson: 如果患者有一定教育水平的话，可以上网去找一些患者的数据库，比如梅奥诊所的网站，不用翻墙也可以上，梅奥诊所里面的很多建议都是比较靠谱的。还有一个叫Uptodate的软件，但这个软件要收费。他有患者版，里面的建议也很全，如果患者有一定教育程度，有一定经济的基础的话，去上这个Uptodate也可以。总之是要尽量去找国外的一些医学科普，要靠自己，别人是不靠谱的。

你刚才问我说有没有想过离开的时候，我也跟几位院领导都谈过，他们也是这么说的，这个社会现在就是这样，我们也知道有问题，但是你不这样做也不行，整个系统都是这样，不管去哪个医院都这样。我们本来觉得北上广的的大医院会好一点，但是我们去学习的时候，人家也是讲指标，只是人家的指标跟我们不那么一样。我们可能做100例就很了不起了，人家做1000例才算及格，所以病人到了大医院以后，医院也不会放手，肯定会尽一切可能往指标上靠。比如四级手术的占比，100个病人，要有12个或者15个才能达标。另外还有手术占比的指标，整个医院的出院的病人要超过40%或者50%做了手术才达标。这样医院肯定要多做，所以一个一个的病人才能组成这个指标。说个不好听的，每个病人就是一个行走的指标。

[00:26:10] 袁莉: 我最后再问你一下，从数量来说，和你5年前、10年前相比能多多少呢？

[00:26:17] Anson: 就我带的这个小科室的手术量的话，我粗略统计了一下，24年比23年增长了有百分之十几，二十。我们开年终总结会的话，整个医院各项指标都有明显提高，提高幅度比市里面其他三甲医院明显要高。这就说明整个医院都在往指标上做，努力把各项指标都改善。但是指标改善之后，我们没有感觉到病人结构有很大的改变，我们还是以前的那个基层的小医院，不是那种北上广的大医院，制度的设计就已经限制了我们这种基层医院的发展。到最后受害的还是病人。

[00:27:04] 袁莉: 大家要想知道这个Anson医生说的基层医院的问题，建议大家去听他23年九月份的那一期播客。类似荒谬的考核指标，在医疗系统还有哪些例子呢？

[00:27:18] Anson: 刚才说到考核科主任的方案，里面有很多关于这个科研指标。我们国家的科研数量应该是世界数一数二，好像跟美国差不多，但是名声应该说是臭名昭著，经常被撤稿。你喜欢科研，你可以去做，但现在用指标去管理科研，一个医生没有科研，没有论文，科主任的位置就保不住，职称就升不上去，到时候还是要做假。我们国家整体的科研的名声不好，也是跟这个有关系。因为我自己也参与了一些科研课题的评审，你一看课题就知道大概是什么问题，可以现在多数都是假的，但是医生们不做又不行，同行之间就只能互相去做个掩护。这也是一个很系统的问题。

有一部份的学术会议其实还是蛮正规的，我们还是能从中学到很多东西。这方面外行人可能不知道，我们医生需要有继续教育。比如说我发明了一个重大的手术，治疗的效果很好，我就要推广，办个学习班，希望大家都来听，都来学。但是这也成了指标，要求一个科室一年必须得办一次还是两次学习班。大部分的医院，特别是基层医院是没有能力去发明什么新技术，发明什么新治疗方法的。用指标强行要求，那就只能为了办而办了。

还有一个乱象就是有一项考核要求医生在某个学术团体里面当了主任委员或者常务委员就可以得分。于是这种学会越来越多，其中有各种很奇怪的什么医疗质量管理学会、医药管理学会，科普学会，各种学会。为什么呢？因为每个人都要搞个主任委员，起码搞个副主任委员，在医院里面才能加分。所以每个人都想尽办法去成立各种的协会，然后自己去当个主委。我当了主委，那必须成立个协会，你肯定要去捧场，他去当主委，我们又去当个副主委，那就互相捧场了。所以现在这种会议就多，就越来越滥，越来越乱。

[00:29:49] 袁莉: 真的是荒谬。好，我们请每位嘉宾推荐三部书或者影视作品，你有什么推荐？

[00:29:56] Anson: 我上次推荐的冯客三部曲的前两部，我最近把第三部也看完了，第三部是讲文革的，我觉得也是非常非常好。我们这代人基本上学不到真实的历史，大家能够详细看一看的话，我觉得是对这段很痛苦的历史是一个非常详细的了解。我还想推荐一个电视剧，叫《漫长的季节》，是范伟主演的。我觉得导演或者编剧有很多想说的东西，他不能明说出来，他就通过各种隐晦的方法把社会问题说了。另外一部叫《河边的错误》，这个电影好像也是去年的，它也是讲了一些很荒谬的故事，导演也是把很多不能说的问题都融入在了这个电影里面，你也得慢慢的去体会里面的很多细节，甚至要肯定要反复去推敲，你才能够明白导演的意图。

[00:31:05] 袁莉: 好，谢谢Anson医生，也谢谢大家收听，我们下期再见。

]]>不明白播客The U.K. Demands Back Door From Apple, Elon Musk’s OpenAI Bid2025-02-11T12:17:22+00:002025-02-11T12:17:22+00:00https://nodebe4.github.io/opinion/2025-02-11/The%20U.K.%20Demands%20Back%20Door%20From%20Apple,%20Elon%20Musk%E2%80%99s

The U.K. Demands Back Door From Apple, Elon Musk’s OpenAI Bid ——

The U.K. demands Apple build a back door into its products; Apple is more likely to leave the country. Then, Musk messes with OpenAI.
]]>Ben ThompsonDeep Research and Knowledge Value2025-02-10T15:37:46+00:002025-02-10T15:37:46+00:00https://nodebe4.github.io/opinion/2025-02-10/Deep%20Research%20and%20Knowledge%20Value

Deep Research and Knowledge Value ——

“When did you feel the AGI?”

This is a question that has been floating around AI circles for a while, and it’s a hard one to answer for two reasons. First, what is AGI, and second, “feel” is a bit like obscenity: as Supreme Court Justice Potter Stewart famously said in Jacobellis v. Ohio, “I know it when I see it.”

I gave my definition of AGI in AI’s Uneven Arrival:

What o3 and inference-time scaling point to is something different: AI’s that can actually be given tasks and trusted to complete them. This, by extension, looks a lot more like an independent worker than an assistant — ammunition, rather than a rifle sight. That may seem an odd analogy, but it comes from a talk Keith Rabois gave at Stanford…My definition of AGI is that it can be ammunition, i.e. it can be given a task and trusted to complete it at a good-enough rate (my definition of Artificial Super Intelligence (ASI) is the ability to come up with the tasks in the first place).

The “feel” part of that question is a more recent discovery: DeepResearch from OpenAI feels like AGI; I just got a new employee for the shockingly low price of $200/month.

Deep Research Bullets

OpenAI announced Deep Research in a February 2 blog post:

Today we’re launching deep research in ChatGPT, a new agentic capability that conducts multi-step research on the internet for complex tasks. It accomplishes in tens of minutes what would take a human many hours.

Deep research is OpenAI’s next agent that can do work for you independently — you give it a prompt, and ChatGPT will find, analyze, and synthesize hundreds of online sources to create a comprehensive report at the level of a research analyst. Powered by a version of the upcoming OpenAI o3 model that’s optimized for web browsing and data analysis, it leverages reasoning to search, interpret, and analyze massive amounts of text, images, and PDFs on the internet, pivoting as needed in reaction to information it encounters.

The ability to synthesize knowledge is a prerequisite for creating new knowledge. For this reason, deep research marks a significant step toward our broader goal of developing AGI, which we have long envisioned as capable of producing novel scientific research.

It’s honestly hard to keep track of OpenAI’s AGI definitions these days — CEO Sam Altman, just yesterday, defined it as “a system that can tackle increasingly complex problems, at human level, in many fields” — but in my rather more modest definition Deep Research sits right in the middle of that excerpt: it synthesizes research in an economically valuable way, but doesn’t create new knowledge.

I already published two examples of Deep Research in last Tuesday’s Stratechery Update. While I suggest reading the whole thing, to summarize:

  • First, I published my (brief) review of Apples recent earnings, including three observations:

    • It was notable that Apple earned record revenue even though iPhone sales were down year-over-year, in the latest datapoint about the company’s transformation into a Services juggernaut.
    • China sales were down again, but this wasn’t a new trend: it actually goes back nearly a decade, but you can only see that if you realize how the Huawei chip ban gave Apple a temporary boost in the country.
    • While Apple executives claimed that Apple Intelligence drove iPhone sales, there really wasn’t any evidence in the geographic sales numbers supporting that assertion.

  • Second, I published a Deep Research report using a generic prompt:

    I am Ben Thompson, the author of Stratechery. This is important information because I want you to understand my previous analysis of Apple, and the voice in which I write on Stratechery. I want a research report about Apple's latest earnings in the style and voice of Stratechery that is in line with my previous analysis.

  • Third, I published a Deep Research report using a prompt that incorporated my takeaways from the earnings:

    I am Ben Thompson, the author of Stratechery. This is important information because I want you to understand my previous analysis of Apple, and the voice in which I write on Stratechery. I want a research report about Apple's latest earnings for fiscal year 2025 q1 (calendar year 2024 q4). There are a couple of angles I am particularly interested in:

    - First, there is the overall trend of services revenue carrying the companies earnings. How has that trend continued, what does it mean for margins, etc.

    - Second, I am interested in the China angle. My theory is that Apple's recent decline in China is not new, but is actually part of a longer trend going back nearly a decade. I believe that trend was arrested by the chip ban on Huawei, but that that was only a temporary bump in terms of a long-term decline. In addition, I would like to marry this to deeper analysis of the Chinese phone market, the distinction between first tier cities and the rest of China, and what that says about Apple's prospects in the country.

    - Third, what takeaways are there about Apple's AI prospects? The company claims that Apple Intelligence is helping sales in markets where it has launched, but isn't this a function of not being available in China?

    Please deliver this report in a format and style that is suitable for Stratechery.

You can read the Update for the output, but this was my evaluation:

The first answer was decent given the paucity of instruction; it’s really more of a summary than anything, but there are a few insightful points. The second answer was considerably more impressive. This question relied much more heavily on my previous posts, and weaved points I’ve made in the past into the answer. I don’t, to be honest, think I learned anything new, but I think that anyone encountering this topic for the first time would have. Or, to put it another way, were I looking for a research assistant, I would consider hiring whoever wrote the second answer.

In other words, Deep Research isn’t a rifle barrel, but for this question at least, it was a pretty decent piece of ammunition.

DeepResearch Examples

Still, that ammunition wasn’t that valuable to me; I read the transcript of Apple’s earnings call before my 8am Dithering recording and came up with my three points immediately; that’s the luxury of having thought about and covered Apple for going on twelve years. And, as I noted above, the entire reason that the second Deep Research report was interesting was because I came up with the ideas and Deep Research substantiated them; the substantiation, however, wasn’t nearly to the standard (in my very biased subjective opinion!) of a Stratechery Update.

I found a much more beneficial use case the next day. Before I conduct a Stratechery Interview I do several hours of research on the person I am interviewing, their professional background, the company they work for, etc.; in this case I was talking to Bill McDermott, the Chairman and CEO of ServiceNow, a company I am somewhat familiar with but not intimately so. So, I asked Deep Research for help:

I am going to conduct an interview with Bill McDermott, the CEO of ServiceNow, and I need to do research about both McDermott and ServiceNow to prepare my questions.

First, I want to know more about McDermott and his background. Ideally there are some good profiles of him I can read. I know he used to work at SAP and I would like to know what is relevant about his experience there. Also, how and why did he take the ServiceNow job?

Then, what is the background of ServiceNow? How did it get started? What was its initial product-market fit, and how has it expanded over time? What kind of companies use ServiceNow?

What is the ServiceNow business model? What is its go-to-market strategy?

McDermott wants to talk about ServiceNow's opportunities in AI. What are those opportunities, and how are they meaningfully unique, or different from simple automation?

What do users think of ServiceNow? Is it very ugly and hard to use? Why is it very sticky? What attracts companies to it?

What competitors does ServiceNow have? Can it be a platform for other companies? Or is there an opportunity to disrupt ServiceNow?

What other questions do you have that would be useful for me to ask?

You can use previous Stratechery Interviews as a resource to understand the kinds of questions I typically ask.

I found the results eminently useful, although the questions were pretty mid; I did spend some time doing some additional reading of things like earnings reports before conducting the Interview with my own questions. In short, it saved me a fair bit of time and gave me a place to start from, and that alone more than paid for my monthly subscription.

Another compelling example came in researching a friend’s complicated medical issue; I’m not going to share my prompt and results for obvious reasons. What I will note is that this friend has been struggling with this issue for over a year, and has seen multiple doctors and tried several different remedies. Deep Research identified a possible issue in ten minutes that my friend has only just learned about from a specialist last week; while it is still to be determined if this is the answer he is looking for, it is notable that Deep Research may have accomplished in ten minutes what has taken my friend many hours over many months with many medical professionals.

It is the final example, however, that is the most interesting, precisely because it is the question on which Deep Research most egregiously failed. I generated a report about another friend’s industry, asking for the major players, supply chain analysis, customer segments, etc. It was by far my most comprehensive and detailed prompt. And, sure enough, Deep Research came back with a fully fleshed out report answering all of my questions.

It was also completely wrong, but in a really surprising way. The best way to characterize the issue is to go back to that famous Donald Rumsfeld quote:

There are known knowns; there are things we know we know. We also know there are known unknowns; that is to say we know there are some things we do not know. But there are also unknown unknowns — the ones we don’t know we don’t know.

The issue with the report I generated — and once again, I’m not going to share the results, but this time for reasons that are non-obvious — is that it completely missed a major entity in the industry in question. This particular entity is not a well-known brand, but is a major player in the supply chain. It is a significant enough entity that any report about the industry that did not include them is, if you want to be generous, incomplete.

It is, in fact, the fourth categorization that Rumsfeld didn’t mention: “the unknown known.” Anyone who read the report that Deep Research generated would be given the illusion of knowledge, but would not know what they think they know.

Knowledge Value

One of the most painful lessons of the Internet was the realization by publishers that news was worthless. I’m not speaking about societal value, but rather economic value: something everyone knows is both important and also non-monetizable, which is to say that the act of publishing is economically destructive. I wrote in Publishers and the Pursuit of the Past:

Too many newspaper advocates utterly and completely fail to understand this; the truth is that newspapers made money in the past not by providing societal value, but by having quasi-monopolistic control of print advertising in their geographic area; the societal value was a bonus. Thus, when Chavern complains that “today’s internet distribution systems distort the flow of economic value derived from good reporting”, he is in fact conflating societal value with economic value; the latter does not exist and has never existed.

This failure to understand the past leads to a misdiagnosis of the present: Google and Facebook are not profitable because they took newspapers’ reporting, they are profitable because they took their advertising. Moreover, the utility of both platforms is so great that even if all newspaper content were magically removed — which has been tried in Europe — the only thing that would change is that said newspapers would lose even more revenue as they lost traffic.

This is why this solution is so misplaced: newspapers no longer have a monopoly on advertising, can never compete with the Internet when it comes to bundling content, and news remains both valuable to society and, for the same reasons, worthless economically (reaching lots of people is inversely correlated to extracting value, and facts — both real and fake ones — spread for free).

It is maybe a bit extreme to say has always been such; in truth it is very hard to draw direct lines from the analog era, defined as it was by friction and scarcity, to the Internet era’s transparency and abundance. It may have technically been the case that those of us old enough to remember newsstands bought the morning paper because a local light manufacturing company owned printing presses, delivery trucks, and an advertising sales team, but we too believed we simply wanted to know what was happening. Now we get that need fulfilled for free, and probably by social media (for better or worse); I sometimes wish I knew less!

Still, what Deep Research reveals is how much more could be known. I read a lot of things on the Internet, but it’s not as if I will ever come close to reading everything. Moreover, as the amount of slop increases — whether human or AI generated — the difficulty in finding the right stuff to read is only increasing. This is also one problem with Deep Research that is worth pointing out: the worst results are often, paradoxically, for the most popular topics, precisely because those are the topics that are the most likely to be contaminated by slop. The more precise and obscure the topic, the more likely it is that Deep Research will have to find papers and articles that actually cover the topic well:

This graph, however, is only half complete, as the example of my friend’s industry shows:

There is a good chance that Deep Research, particularly as it evolves, will become the most effective search engine there has ever been; it will find whatever information there is to find about a particular topic and present it in a relevant way. It is the death, in other words, of security through obscurity. Previously we shifted from a world where you had to pay for the news to the news being fed to you; now we will shift from a world where you had to spend hours researching a topic to having a topic reported to you on command.

Unless, of course, the information that matters is not on the Internet. This is why I am not sharing the Deep Research report that provoked this insight: I happen to know some things about the industry in question — which is not related to tech, to be clear — because I have a friend who works in it, and it is suddenly clear to me how much future economic value is wrapped up in information not being public. In this case the entity in question is privately held, so there aren’t stock market filings, public reports, barely even a webpage! And so AI is blind.

There is another example, this time in tech, of just how valuable secrecy can be. Amazon launched S3, the first primitive offered by AWS, in 2006, followed by EC2 later that year, and soon transformed startups and venture capital. What wasn’t clear was to what extent AWS was transforming Amazon; the company slowly transitioned Amazon.com to AWS, and that was reason enough to list AWS’s financials under Amazon.com until 2012, and then under “Other” — along with things like credit card and (then small amounts of) advertising revenue — after that.

The grand revelation would come in 2015, when Amazon announced in January that it would break AWS out into a separate division for reporting purposes. From a Reuters report at the time:

After years of giving investors the cold shoulder, Amazon.com Inc is starting to warm up to Wall Street. The No. 1 U.S. online retailer was unusually forthcoming during its fourth-quarter earnings call on Thursday, saying it will break out results this year, for the first time, for its fast-growing cloud computing unit, Amazon Web Services

The additional information shared during Amazon’s fourth-quarter results as well as its emphasis on becoming more efficient signaled a new willingness by Amazon executives to listen to investors as well. “This quarter, Amazon flexed its muscles and said this is what we can do when we focus on profits,” said Rob Plaza, senior equity analyst for Key Private Bank. “If they could deliver that upper teens, low 20s revenue growth and be able to deliver profits on top of that, the stock is going to respond.” The change is unlikely to be dramatic. When asked whether this quarter marked a permanent shift in Amazon’s relationship with Wall Street, Plaza laughed: “I wouldn’t be chasing the stock here based on that.”

Still, the shift is a good sign for investors, who have been clamoring for Amazon to disclose more about its fastest-growing and likely most profitable division that some analysts say accounts for 4 percent of total sales.

In fact, AWS accounted for nearly 7 percent of total sales, and it was dramatically more profitable than anyone expected. The revelation caused such a massive uptick in the stock price that I called it The AWS IPO:

One of the technology industry’s biggest and most important IPOs occurred late last month, with a valuation of $25.6 billion dollars. That’s more than Google, which IPO’d at a valuation of $24.6 billion, and certainly a lot more than Amazon, which finished its first day on the public markets with a valuation of $438 million. Don’t feel too bad for the latter, though: the “IPO” I’m talking about was Amazon Web Services, and it just so happens to still be owned by the same e-commerce company that went public nearly 20 years ago.

I’m obviously being facetious; there was no actual IPO for AWS, just an additional line item on Amazon’s financial reports finally breaking out the cloud computing service Amazon pioneered nine years ago. That line item, though, was almost certainly the primary factor in driving an overnight increase in Amazon’s market capitalization from $182 billion on April 23 to $207 billion on April 24. It’s not only that AWS is a strong offering in a growing market with impressive economics, it also may, in the end, be the key to realizing the potential of Amazon.com itself.

That $25.6 billion increase in market cap, however, came with its own costs: both Microsoft and Google doubled down on their own cloud businesses in response, and while AWS is still the market leader, it faces stiff competition. That’s a win for consumers and customers, but also a reminder that known unknowns have a value all their own.

Surfacing Data

I wouldn’t go so far as to say that Amazon was wrong to disclose AWS’s financials. In fact, SEC rules would have required as much once AWS revenue became 10% of the company’s overall business (today it is 15%, which might seem low until you remember that Amazon’s top-line revenue includes first-party e-commerce sales). Moreover, releasing AWS’s financials gave investors renewed confidence in the company, giving management freedom to continue investing heavily in capital expenditures for both AWS and the e-commerce business, fueling Amazon’s transformation into a logistics company. The point, rather, is to note that secrets are valuable.

What is intersting to consider is what this means for AI tools like Deep Research. Hedge funds have long known the value of proprietary data, paying for everything from satellite images to traffic observers and everything in between in order to get a market edge. My suspicion is that work like this is going to become even more valuable as security by obscurity disappears; it’s going to be more difficult to harvest alpha from reading endless financial filings when an AI can do that research in a fraction of the time.1

The problem with those hedge fund reports, however, is that they themselves are proprietary; however, they are not a complete secret. After all, the way to monetize that research is through making trades on the open market, which is to say those reports have an impact on prices. Prices are a signal that is available to everyone, and it’s going to become an increasingly important one.

That, by extension, is why AI’s like Deep Research are one of the most powerful arguments yet for prediction markets. Prediction markets had their moment in the sun last fall during the U.S. presidential election, when they were far more optimistic about a Trump victory than polls. However, the potential — in fact, the necessity — of prediction markets is only going to increase with AI. AI’s capability of knowing everything that is public is going to increase the incentive to keep things secret; prediction markets in everything will provide a profit incentive for knowledge to be disseminated, by price if nothing else.

It is also interesting that prediction markets have become associated with crypto, another technology that is poised to come into its own in an AI-dominated world; infinite content generation increases the value of digital scarcity and verification, just as infinite transparency increases the value of secrecy. AI is likely to be the key to tying all of this together: a combination of verifiable information and understandable price movements may the only way to derive any meaning from the slop that is slowly drowning the Internet.

This is the other reality of AI, and why it is inescapable. Just as the Internet’s transparency and freedom to publish has devolved into torrents of information of questionable veracity, requiring ever more heroic efforts to parse, and undeniable opportunities to thrive by building independent brands — like this site — AI will both be the cause of further pollution of the information ecosystem and, simultaneously, the only way out.

Deep Research Impacts

Much of this is in the (not-so-distant) future; for now Deep Research is one of the best bargains in technology. Yes, $200/month is a lot, and yes, Deep Research is limited by the quality of information on the Internet and is highly dependent on the quality of the prompt. I can’t say that I’ve encountered any particular sparks of creativity, at least in arenas that I know well, but at the same time, there is a lot of work that isn’t creative in nature, but necessary all the same. I personally feel much more productive, and, truth be told, I was never going to hire a researcher anyways.

That, though, speaks to the peril in two distinct ways. First, one reason I’ve never hired a researcher is that I see tremendous value in the search for and sifting of information. There is so much you learn on the way to a destination, and I value that learning; will serendipity be an unwelcome casualty to reports on demand? Moreover, what of those who haven’t — to take the above example — been reading Apple earnings reports for 12 years, or thinking and reading about technology for three decades? What will be lost for the next generation of analysts?

And, of course, there is the job question: lots of other entities employ researchers, in all sorts of fields, and those salaries are going to be increasingly hard to justify. I’ve known intellectually that AI would replace wide swathes of knowledge work; it is another thing to feel it viscerally.

At the same time, that is why the value of secrecy is worth calling out. Secrecy is its own form of friction, the purposeful imposition of scarcity on valuable knowledge. It speaks to what will be valuable in an AI-denominated future: yes, the real world and human-denominated industries will rise in economic value, but so will the tools and infrastructure that both drive original research and discoveries, and the mechanisms to price it. The power of AI, at least on our current trajectory, comes from knowing everything; the (perhaps doomed) response of many will be to build walls, toll gates, and marketplaces to protect and harvest the fruits of their human expeditions.

  1. I don’t think Deep Research is good at something like this, at least not yet. For example, I generated a report about what happened in 2015 surrounding Amazon’s disclosure, and the results were pretty poor; this is, however, the worst the tool will ever be. ↩

]]>Ben ThompsonEP-135 基层医生：比集采药更可怕的是什么？2025-02-07T11:02:00+00:002025-02-07T11:02:00+00:00https://nodebe4.github.io/opinion/2025-02-07/EP-135%20%E5%9F%BA%E5%B1%82%E5%8C%BB%E7%94%9F%EF%BC%9A%E6%AF%94%E9%9B%86%E9%87%87%E8%8D%AF%E6%9B%B4%E5%8F%AF%E6%80%95%E7%9A%84%E6%98%AF%E4%BB%80%E4%B9%88%EF%BC%9F

EP-135 基层医生：比集采药更可怕的是什么？ ——

Anson是一名三甲医院的外科医生，不明白播客曾经邀请他分享医疗反腐过程中，基层医生的处境。本期节目中，他讲述了绩效考核如何让病人成为了医院眼中“行走的指标”？过度手术究竟对病人造成了怎样的影响？医生又是如何在这种环境下苦苦挣扎？以及作为患者还能做些什么？

时间轴：

01:37 针对医院的“国家绩效考核”是什么？
05:59 医院如何逼着医生多做手术？
10:30 考核指标与经济下行有关系吗？
12:16 过度手术实际是如何发生的？
17:05 国内外的手术标准有何不同？
21:05 Anson医生的抵触与痛苦
23:18 作为患者能做什么？
27:04 医疗系统还有哪些荒谬情形？
29:49 嘉宾推荐

嘉宾推荐：
《文化大革命：人民的历史，1962-1976》冯客
电视剧《漫长的季节》辛爽
电影《河边的错误》魏书钧

相关播客单集：
EP-063 基层医生如何看医疗反腐
EP-133 中国仿制药与集采制度出了什么问题？

]]>不明白播客An Interview with ServiceNow Chairman and CEO Bill McDermott about Enterprise AI Agents2025-02-06T10:56:31+00:002025-02-06T10:56:31+00:00https://nodebe4.github.io/opinion/2025-02-06/An%20Interview%20with%20ServiceNow%20Chairman%20and%20CEO%20Bill

An Interview with ServiceNow Chairman and CEO Bill McDermott about Enterprise AI Agents ——

Listen to this post:

Good morning,

This week’s Stratechery Interview is with ServiceNow Chairman and CEO Bill McDermott. McDermott has had a long and storied career, including climbing to an executive position at Xerox, becoming President of Gartner and Executive Vice President at Siebel Systems, before taking over and transforming SAP America. McDermott’s success resulted in him becoming the first American co-CEO (and later CEO) of SAP in 2010. After leading a successful transition to the cloud, McDermott left SAP in 2019 to become the CEO of ServiceNow.

I have only covered ServiceNow in passing in this Update, but it is a company that I have been following for a while, thanks in part to its origin story: ServiceNow was founded in 2003 by Fred Luddy, who built a generalizable workforce automation platform in the cloud. What Luddy soon found out, however, is that no one knew what that meant, so he built an IT Service Desk application on top of his platform: that was the product that put ServiceNow on the map and led to their 2012 IPO. The underlying platform, however, was still generalizable, which meant that ServiceNow could easily expand to different job functions and specialize in different verticals. What is notable about this architecture is that an enterprise could, at least in theory, implement ServiceNow across all of their functions and geographies, and have everything running on the same data store and code base; this, by extension, makes ServiceNow very compelling first as a sort of universal interface for all company functions, and, more pertinently to today, the natural layer to implement AI and agentic workflows.

We get into all of this in this interview, starting with McDermott’s background and path to the top, why he took the ServiceNow job, the AI Agent opportunity, the challenges in implementing them, and what the AI business model is going to be. We also touch on the nature of work, questions about AI-driven job loss, and what it means to lead a big company. McDermott tells an inspiring story, both about himself and ServiceNow, that I think you will enjoy.

As a reminder, all Stratechery content, including interviews, is available as a podcast; click the link at the top of this email to add Stratechery to your podcast player.

On to the Interview:

An Interview with ServiceNow Chairman and CEO Bill McDermott about Enterprise AI Agents

This interview is lightly edited for clarity and length.

Topics:

Deli to Xerox| SAP | ServiceNow | AI Agents | Implementing Agents | The Agent Business Model

Deli to Xerox

Bill McDermott, welcome to Stratechery.

Bill McDermott: Thank you for having me, Ben.

So you obviously have an interesting and storied background in business and enterprise software in particular, and I do have some questions for you about that. But particularly in these conversations, the first time I talk to someone, I love to hear the background story, you have a very interesting one. Take me back to the beginning. Where’d you grow up? How’d you get started in technology? I think the path is quite compelling.

BM: Oh, thank you very much, Ben. I was born in Flushing, New York and my dad was a troubleshooter for Con Edison. He and my mom were the salt of the earth, they had me when they were very young. In fact, my mom had me when she was 18 years old. So we kind of grew up together, and I was in Long Island from Flushing, and we lived in several different locations, but the one I’m most remembered for is Amityville, Long Island.

I guess my claim to that experience is I was a hardworking young person, like many of your listeners, I’m sure I had three or four jobs at a time before I was even in my mid-teens, paper routes, pumping gas, waiting tables, stocking shelves and supermarkets, and ultimately I had a great job at the top Italian restaurant. It was called Amato’s in Amityville, and I was working at the supermarket in some other odd jobs like pumping gas on the midnight shift at Merrit Gas Station, and I walked across the street one day in my tuxedo pants and my tuxedo shirt and tie and the owner of a delicatessen had a “Help Wanted” sign. I said, I need all the hours I can get, and my dream is to consolidate all these hours into one thing and he said, “Love to have you, man, you’re hired”.

So I started working there, and ultimately bought that delicatessen as a teenage entrepreneur. And Ben, I had no money. I bought it for $5,500 in notes, $7,000 with interest. I pay it off, it’s mine — I miss a payment, it all gets taken back. The secret sauce back then to this business was really getting in touch with customer service, because I had to charge more, I didn’t have economies of scale. I had to hire really great people, because you don’t want silent partners to take your money. I had to attract senior citizens that were within a couple of blocks of the store, blue collar workers that were flush rich on Friday night and broke by Sunday morning, so I gave them credit. And then I had to get the kids to walk a block-and-a-half past 7-Eleven from the Amityville High School to come to my store, and that was big traffic. So I think one thing you might be interested in, I started delivering when DoorDash wasn’t even a thing.

(laughing) Not quite. A few more years to go for that.

BM: Exactly. I gave people credit in a notebook on trust, and they never ever let me down, and I built a video game room to attract the high school kids to walk past 7-Eleven. I went down there one day and I saw 40 kids in line waiting to get in, and only four kids in the store. And I would ask them, “Why are you all in line out here when there’s a big store in there?”, and they said, “Well Bill, they think we’re going to take things”. I said, “Don’t worry about all that, just follow me down in my store”, so I took the whole line down. At that time, Ben, I had put together a video game room thanks to the skills of my brother who built it. I cut a deal with the guy who was moving video games back then, Asteroids and Pac-Man. I mean look it up in Wiki, most people today don’t really know it would existed, but it did and you had to put quarters-

I’m old, don’t worry. I can remember that.

BM: You can remember, right? So the guy wanted to sell them to me for $5,500. I told him, I don’t have the money, he said, “Okay, $4,500”, I still don’t have the money. So I said, “But I have an idea. Why don’t you just put your machines here? They’re always going to be yours and we split the quarters. So it’s always your asset, we split the quarters because it’s my store.” He said, “It’s not a bad idea, let’s do it”. So we put a dinosaur game in there, Pac-Man and Asteroids, and the kids were lined up kind of around the block to come into my store and play video games, and at the end of a very long day, one of the young people said to me, “Bill, when we want to be treated with respect, have good food and play video games, we come to your store, and when we want to steal stuff, we head right to 7-Eleven”.

So that was kind of my first real experience, understanding that it’s all about the customer, that is the essence of business, and if you can get that right on the service side, you could sell for a premium, because they love the experience, but you also have to appeal to the market segments where you can reach them. In my case, it was senior citizens, blue-collar workers, it’s a blue-collar town, and then the young people coming from school, and thank goodness it all worked out. I sold the store, family got a nice beach house out of it, and I went on to knock on cold doors at the Xerox Corporation. And if you want me to tell you a little bit about that story, I’d be happy to tell you.

Well you’re obviously a great storyteller, I was going to ask you about the delicatessen. Now I feel I have to come up with some high finagle link to what’s the connection between Pac-Man and AI, but I’m worried you’re going to have an answer for that already ready to go.

BM: It really is, because essentially Pac-Man or Asteroids was the control tower for how humans behaved. They got a thrill out of the game, and the unpredictability of the game is what kind of put them into the game. But if they had AI, it would’ve told them exactly how to navigate — so it wasn’t quite AI, but it did show you that people are locked and loaded on a screen that really adds value to their experience, and how they like to do things and how they like to have fun. So it was a great experience, but I always wanted to really lead and do something very substantial, and I was always enamored with the customers that would come in, this is what I went to school for, I put myself through school.

Where’d you go to undergrad again? I just ask because I know you went to Kellogg for graduate school, so that was why when this interview was coming up I’m like, “Oh, I get to talk to Bill McDermott”, I was trying to remember, I’ve talked to lots of CEOs, why was this one stuck in my mind as a big deal? And it’s because going back to business school, it was, “Oh yeah, Bill McDermott went here”, it was deep in my memory.

BM: That’s really sweet, and I had a great experience there. I had a dean there named Dean Jacobs who was really a rock star, great leader. But I went to Dowling College in Oakdale, Long Island, because literally I had to do all my schoolwork in two days. I did Tuesdays and Thursdays and every other hour that I wasn’t in school I was in the deli, and I had a little bit of a process where when there weren’t customers in the store I had my books on the left side of the slicer. So if the customer came in, they wouldn’t feel guilty that they’re pulling me away from my homework, I would just simply welcome them quickly and get right back into the delicatessen and, “Great to see you” and, “How can I help you?” and, “Let’s rock and roll”, so that’s kind of how it worked.

Is this the attraction of software? Instead of having to slice the salami every single time someone comes in, let’s try to write once and sell it to a bunch of people?

BM: Yeah, you know what it was, Ben, at that time I came from a working-class family and I wanted to be somebody, I think you really have to have a dream in your mind. And in my book Winners Dream, I said, “Some men see things as they are and say why? I dream things that never were and say, why not?” — and that was the great Robert Kennedy quoting George Bernard Shaw at Kansas University in 1968, so it was kind of foundational for me.

So I wanted to get a job in New York City, and I went to the mall and I bought two $99 suits so I would look my best when I was interviewing, and a lot of these customers were coming into my store before they got to the Long Island Rail Road to take the journey into New York City, because that’s where a lot of people in line worked, and I would always talk with them. There was one guy in particular that worked at the Xerox Corporation, and Xerox at that time, IBM, Xerox, these were the two greatest companies for somebody to start out and get professionally trained in sales and really understand how business worked.

So I really wanted this job [at Xerox], and I got an interview, and on that day we lived in a house in Long Island that flooded, and so we had about four feet of water in the house. This was not an unusual thing, Ben, this happened like two or three times a year. We were on a slab foundation, the canal goes up with northeast storms, the tide comes up and it came in the house. So it wasn’t like we hadn’t been there before, but I didn’t want to get the suit wet, so my brother carried me out to the street and kind of poured me into my dad’s car who took me to the Long Island Rail Road, and as I was getting out of the car, I loved my dad, I said, “Dad, I just want to let you know I’m coming home with my employee badge in my pocket tonight”, and my dad said, “Hey Bill, you’re a good guy, man, don’t put all that pressure on yourself, just do your best”. And I said, “No, no, no. I’ll have the badge, take my word for it”.

So I go up the escalator, I get on the train, it’s about an hour-and-a-half door-to-door to top of the six is where I started my interview journey, that 666 5th Avenue, and there was a CEO named David Kearns, and I was reading the annual report on how he was reinventing the company with total quality management. Total quality management really means, “We’re going to take care of customers around here, we’re going to build great products, we’re going to tell a great story and we’re going to provide a great service”. As I was seeing the reinvention of Xerox, I got so excited and so into this guy’s mind, what he was trying to accomplish, that by the time I got to New York, I actually wanted to be the next David Kearns. But I understood that I had to knock on doors, that’s how it works, you’ve got to work hard.

But that day I go into the room, Ben, and there’s all these brilliant young people with the best pedigrees you can imagine, Princeton, Dartmouth, Notre Dame, it goes on and on, and I looked around the room and there was a lot of people interviewing that day, and I was thinking to myself, “Damn, I might’ve overshot it a little bit with my dad”. But I had a choice — are you going to panic or are you going to go back to what you do well? And what I did well is I talked to 500 people a day that came in and out of the deli, so I was comfortable talking to people, and I went around the room and I said, “Hey, Ben, what are you in here for? Mike, what are you in here for? Jane, what are you in here for?”, I would get answers like, “Oh, I’m playing the field, I’m interviewing with this one, that one and the other one, this is one of the stops”. “Oh, what are the other companies?”, “Oh, maybe investment banking, maybe it’s Morgan Stanley”, and his stories went on. That’s when I knew I had my superpower, and my superpower was a very simple thing: I wanted it so much more than they did.

So that day I went through interviews from top of the 6s all over Midtown, and I finished at 9 West 57th Street, and I met a guy named Emerson Fullwood. But what was interesting, I’m sitting in the lobby next to David Andemicael, who’s still a great friend of mine to this day, by the way, and was sitting on the couch like two tin men waiting for the interview, and Joanne Siciliano was the receptionist at the time, and I walked over to her and I simply said, “Joanne, I just wanted to register this with you, I’m not in a rush, I can wait all night, but I did want to kindly ask you if you could let Mr. Fullwood know that I’m in the building”. She went back, brought that note to Emerson, and instantaneously within 30 seconds, he’s like, “I want to see him in my office”.

He’s got this great suite in the corner office on the 38th floor, 9 West 57th looking out on Central Park, and I realized when I went through that doorstep, that hearth was a new venture for me. It was not an interview, I was in a fight for my life, because if I got that job I was in control of my own destiny and I was determined, because he was the big boss, to get that job. So we had a great conversation and at the end, your listeners may have heard this before, he said, “Bill, it was really interesting getting to know you, you’re a passionate young guy. Thank you so much, and the HR department is going to get in touch with you within the next couple of weeks”. And I said, “Well, Mr. Fullwood…”.

(laughing) I got a problem here.

BM: Yeah. “Thank you for that, but I haven’t broken a promise to my father in 21 years, and I guaranteed him I’d have my employee badge in my pocket when I got back to Amityville tonight”. I said nothing, he kind of tilts his head a couple of times like, “What’s up with this kid?”, and he goes, “Bill McDermott, as long as you haven’t committed any crimes, you’re hired”. And I said, “Well, I certainly haven’t committed any crimes, do you mean it? Is it for sure?”.

So Ben, I go around the table that was in between us, I pick him up in a beautiful bear hug, I thank him. I’m so emotional, so excited, it was unbelievable. I tear down the hall past Joanne Siciliano and David Andemicael, I wish him good luck, I get in the elevator, I go down 38 floors and I go from 9 West 57th to Bun and Burger, which was on 57th and 6th, and I had to go to a pay phone and put quarters in, and I got my mom and dad kind of listening on the phone together and I said, “Break out the Korbel, I got the job”, and of course you might be familiar with Korbel, that’s Long Island Cristal, I think it costs about $2 a gallon. But it was where it all started, that was my break, and still to this day, I don’t do a CEO event without Emerson Fullwood at the event. Him and his beautiful wife, Vernita, come to every one of them.

So the honor of a lifetime is to build a friendship with a great man like that and that subsequently built other great friendships with Tom Dolan, with Anne Mulcahy, with so many great people, Norm Ricard, that I love in that company. My great mentor, Barry Rand. Just so many wonderful relationships and I still have them today.

SAP

That is an amazing story. It’s like pure Americana in many respects, which kind of makes it all the more jarring that you became the CEO of a German company. What was that like? How does that happen? I’m obviously referring to SAP, but I’m curious about the path there, how you moved into the executive suite and also just the cultural angle of that entire experience.

BM: It was a journey. I worked myself up at Xerox to be the youngest corporate officer in Xerox, and I was in my mid-30s at the time, and I took a job to be the President of Gartner, which is the leading research and advisory firm in information technology, because I really wanted to go through the learning experience of learning from all the CEOs and all their companies and be the voice of IT at Gartner, that was a wonderful experience. I then went on to Siebel Systems with Tom Siebel and ran sales and operations for Tom, and then I was recruited by SAP from Siebel.

It was amazing, really, because it was a beautiful thing in the sense that I love big, and SAP was big and Xerox was big and the other two were great, but they were a little smaller. I love the big stage, I love big, and some people do and some people don’t. So I was interviewed by everybody on the executive board of SAP, including the founder of the company, and they had SAP America, which was a wholly owned subsidiary and this was the CEO job of SAP America, which was North America basically at the time.

What was interesting about it, Ben, is they had five CEOs in six years, they all got bounced out of there like baseball managers. The last one was in a fit of a broken heart and tears just taking it on because they had missed every quarter, and when I got there, they told me the story, “Yeah, Bill, we missed 24 out of the last 25 quarters, this is really the fledgling operation in SAP”, and I’m completely, completely excited when I have a high beta assignment. It’s like when I took Xerox in Puerto Rico from 67th to 1st, I like high beta assignments, because when you turn something around, you make a mark, and I like making a mark and making a difference.

I’ll never forget this one time I’m in New Orleans, we’re having a kickoff meeting at SAP, and I was a newly minted CEO of SAP America, and you have these things called kickoff meetings, all the software companies do them. I’m in the New Orleans Convention Center with thousands of people, and I look out there and I’ve got the executive board of SAP in the first row, this is the top management, and they’re even on the board of directors when you’re an executive board member of SAP, and I got up there and I laid out a vision. I told them that the company was founded in 1972, this was 2002, “And in the next two years, we’re going to do more than everybody that touched this place did in the previous 30”, and I laid out a number which was than double the revenues that they had achieved up to that point.

I’ll never forget this, Ben, the executive board is in the front row snickering back and forth to each other like, “This dude doesn’t understand what he’s getting himself into, this is a joke”, and all the people there were silent, you could hear the tumbleweed blowing through the aisles it was so quiet. And I said to the executive board who was snickering and smiling, “You could do anything you want in my meetings, but you cannot ever take away their dreams, they just got a new dream, and you’re a part of it too, so don’t get in the way and don’t tell me how things used to be, we’re going to create something that’s never been, that’s what we’re going to do”.

I just got a letter from the CFO of that operation over the Christmas holiday, it was literally a four-page letter. He poured his heart out to me, which was so sweet and beautiful and I really appreciated it, and he basically said that not only did we achieve our goals, but we did it in a way that completely re-established the brand, inspired the people, and created a dream that they did not even themselves believe that they could achieve. So the big lesson there to me is you have to have a dream to have a dream come true, and people underestimate the dream, the dream is the only limit.

How tangible in your mind, as you tell me that story, and it’s a story I’m sure you’ve told a million times, do you see those executives in the front row as you’re giving this speech?

BM: With entire clarity, I could tell you what ties they had on. I see them, I feel them, I understand them, and I also understand the thousands of people that were there, why they were quiet, because nobody ever showed them the top of the mountain, and how beautiful it is at the top of the mountain, and until you see the top of the mountain and you believe that you could be there, you really don’t understand what dreams and goals are all about.

But that is really the essence of it all, you have to understand how big the dream needs to be. You have to goal-orient around the dream, and then you have to build organizations beginning with the leadership team. The 11 direct reports I had, only 1 remained after about 90 days, and it doesn’t mean I go in and fire everybody, it just means I ask them sincerely, “Do you have the temperament for the expectations that I just put out on the table? Because they will not waver, this is completely on, and we are willing what we want and I need the leaders that want it as bad as I do, otherwise we’d be letting down a lot of people”. And so a lot of people just hit the eject button or they want a different type of assignment that’s more in tune with what they’re ready to give.

So we cleaned that up, and once you clean that up, you clean up the management commitment all the way down the line. You get some layers out of the way, and you go directly to what that customer really wants, and what that customer really wants is not to buy software, they want to hire the software to do a job, and what job the software is doing is completely focused on their industry, what their goals and dreams are, and how we can help make that happen. I believe strongly in the power of design thinking, which basically means, “Do we have the desirability? Is the dream in place? Do we have the feasibility? Can we do it in a timeframe that makes sense for the customer?”, and ultimately viability. “Does it really make business sense? Do we help that customer win the championship?”, and all those things have to go into the critical thinking, the skill set, and the determination of an organization to win. And with me, they got to win big, if they don’t win big, it’s not good enough.

How do you retain that? How do you still have the same drive to go to 7-Eleven and take those kids down to your delicatessen and want to instill that in these American executives? And then how do you take that to Germany? Which is the next step-up.

BM: I’ve been really so blessed, because I never forgot where I came from, and I am hungrier now than I was then, because now every day I wake up, I think about the thousands of people that have their careers, their families, their dreams tied into the ServiceNow franchise. To me, that personal commitment and that love for people and that determination to give them a world, the kind of world that I want. The kind of world that I want for their families is the kind of world that I wanted for my family, and I wear them in their pictures and their emails, and when I shake their hand and when we groove together in big meetings and we make commitments to each other, I wear that in my heart every day, that’s my badge of passion.

I think that’s really what it’s all about. You can get anything in this life you want if you help enough other people get what they want, and I think the true measurable leader is not what they take from this world, it’s what they give it. I think we all want to be remembered for giving it everything we’ve got. Can you imagine being remembered as a leader that mailed it in? When you had a chance to impact thousands and thousands of people’s lives, how pathetic is that? I’m hungrier now than ever, and I insist that everyone around me has that level of commitment to excellence because that’s what it takes, and no one person can do it, everybody’s got to be all in.

I’m blessed in that sense. I think that just growing up as a working class kid, watching my mom and dad, the two greatest role models I could ever imagine, scraping together quarters to put food on the table and things like that, seeing my dad scrape ice off of his windshield doing the midnight shift in sub-zero temperatures to work the midnight shift because you got paid more for that shift, working a couple, three jobs sometimes, to make ends meet. What I think is most people in the corporate world are so privileged, and you can’t take anything for granted.

I have enormous gratitude in my heart, and I’m so grateful to have the opportunity to do what I do and help other people do what they do, and I really want to be the company that does what we do, and we’re the only ones that can do it the way we do. Because a lot of this, it’s emotion, it’s commitment, and it’s determination and speed and courage.

It’s tremendously inspiring. I could take leadership lessons from you, but we’re already 25 minutes in. Just to go back, you’re at SAP America, how does this tie into the actual product development? SAP needs to go from being an on-prem software to being a cloud solution — and we’re going to segue to ServiceNow quickly, I want you to be able tell that story — but where do you develop and bring to bear understanding the technological landscape? What needs to happen? Where we need to go, and along with this, getting people on board and getting there, where did that link develop from being a sales guy to being the whole enchilada?

BM: Well the first thing is performance is the price of freedom. When you’re a performer, you get a lot of attention and people want to follow you. I don’t do a lot of the corporate speak and the slideshows, we talk about the customer and what the customer needs to win the game, win the championship. Everything was reverse engineered from what the customer really needs in the value chain of development of product management, product marketing, pre-sales, sales, post-sales, the ecosystem, the whole value chain by industry segmented to each of the personas in an enterprise. Ultimately, you have to have the C-suite relationships across the board, north and south and east and west, to reinvent companies, and so I got the memo on that quickly, and I made sure that development and the industry expertise and everything I just said in the value chain was connected to America, because what I learned is it wasn’t, and so I demanded that it was.

By the way, I was brought in to make change. I did have a platform that was on fire because they were falling apart, and within a very short period of time, we were growing more than 50% year-on-year, and we were literally the darling of the company and really the darling of Wall Street. I grew that company up from 2010 with the help of a lot of great people — from 2002 to 2010 when I became the CEO of the whole company — and I remember when I became the CEO of the whole company, it was such a beautiful thing because I had a great partner and Jim Hagemann Snabe, who was my co-CEO from 2010 to 2014, and we made an agreement. Basically, he was more Mr. Inside, I was more Mr. Outside, and how we’re going to take that development and put the pressure on that development to perform, and at the same time get that whole value chain I just talked about really build and performing in a global sense. You have to be a truly global software market leader to win this game.

Is that just the question of scale or is there network effects? Why is that so important?

BM: It’s both, it’s both. Really getting to the essence of the customer, because you’ve got to realize that most of these companies are multinational or global companies themself, and so the way I do it is at the top of the house. And I get the top of the house aligned around what they’re really trying to achieve. What you find in most companies is they optimize by department. These systems, especially the ones that have been out there, believe it or not, Ben, it’s wild man, they’ve been out there for more than a half a century.

Yeah, it’s amazing.

BM: It’s wild, and they were designed to serve a specific function. It could be finance, it could be sales, it could be HR, it could be engineering, it could be supply chain and manufacturing, depending on the industry as an example. Then there’s a whole ecosystem around that and how they do business, and knowing that is how you put it together. How do you put it together? You put it together at the top of an org chart at the top of an organization. You tap into this strategy, you really understand what they’re trying to achieve.

I wasn’t the guy that wrote the code, but a lot of leaders don’t write the code. I was the guy that interpreted what had to be done with the code to meet the customer requirements and put those supplier specifications in place so that customer wins. And when that customer wins, they tell other customers they’re winning, and then they deploy it not just in New York, but they deploy it, in that case, it could have been Shanghai, it could have been Sydney, it could have been London, and it could have been the Kingdom of Saudi Arabia. Everything that I did, we did was all about global excellence and I believe that’s the way to scale and create great companies.

The other thing is why would you walk away from global? Because if you are good at what you do, you should localize what you do and make sure more and more people can take advantage of it. This is the scale effect, it’s what I mean by some people like the little pond, I don’t feel comfortable unless I’m in an ocean.

ServiceNow

Was this the attraction of ServiceNow, where you’re taking SAP, going back to the earlier days of software, trying to stitch it together to be a common platform that can scale? Whereas you have this origin story for ServiceNow that I think is so telling: Fred Luddy builds this generalizable platform, no one understands it, so he has to build an IT function specifically, but in the long run it turns out, “I have a generalizable platform that’s already built for everything you are trying to do”.

BM: 100%.

Ben, one of the things I did at SAP is I went on a shopping spree, because in 2010, the cloud was already there. We went to the Internet, the world went to the cloud. In 2007, Apple gave us the iPhone moment, so mobile business was activated, and there was the culmination of these forces that were insurmountable and real. Insurmountable in the sense that if you don’t do that, you lose the game. Real in the sense that if you have enough capital and enough capability, you can get in the cloud quick with acquisitions. I needed to get the company in the cloud quick with acquisitions, and that’s what we did.

But what you understand, as you build companies through M&A, you also take on different architectures, different cultures, and you don’t necessarily have visibility into, “Hey, how’s my customer doing? Are they happy? Are they sad? Are they in a position where they can be upgraded, cross-sold, all these things?” Then you have people. “How are they doing? Do we know them? Are we providing a great service to them so they stay loyal and they give us their absolute best effort?” These things were not visible to me. And so then you have the technical architectures. “How do we make sure all these companies that are now our company are on the same sheet of music, working on the same platform?”

So what I learned is in asking my team, “Can we do it?”, they said no, and I said, “Why?”, and they said, “It’s an architectural issue”, and I said, “Well, we got 20,000 engineers in Germany, what are they doing all day?”, and they said, “No, no, it’s not that, they’d work hard, but it would take us a number of years and millions and millions and millions, and by then, ServiceNow would keep moving,” and so we implemented ServiceNow at SAP, and that really satisfied all the issues that I just put on the table with you, and I thought to myself, “Wow, we got one here”.

What happened coincidentally is John Donahoe, who was a great friend of mine, we were golfing at a Morgan Stanley conference, and we were with Andre Iguodala and a top guy at Morgan Stanley, he said, “Bill, would you ever leave SAP?”, and this is 2019, and I was giving a speech that night on my book, Winners Dream, and I’m like, “Why are you asking me that?”, and he goes, “I just want to be your agent”, and I said, “Well, okay, everyone needs a great agent, John”. So that night, I did the speech on Winners Dream, the book, still selling in hard copy, it’s pretty amazing a decade later.

We’ll have a link.

BM: Yeah, it’s pretty cool, and really an honor that people find it helpful to their careers, I love that.

So I did that and then I met the lead director, I met the head of the Nom and Gov [Nomination & Governance] Committee, I met the Compensation Committee, one thing led to another, and I was asked to come to ServiceNow. I chose not to renew a five-year agreement with SAP, which I would have done if this opportunity did not present itself, and so why did I do it? Why would you leave the biggest one to come to one that’s a little bit smaller, right? Because it’s not the size of them, it’s the size that you can make them, and when I saw ServiceNow, I said, “I believe, with my experience and what I’ve seen, we can be the defining enterprise software company of the 21st century”, and that now has become branded inside the company and across the board of directors. I even had one that wanted to do a tattoo of DESCO21C. I said, “Hey man, it’s good with me, if you want to do it, we’re going to be that”.

So long story short, I came into the company with a passion that you just can’t even believe, it’s just a tornado of excitement. I traveled the world the first hundred days, I met every employee, I met every customer that was a big customer, I met a hundred of them in person, in the first hundred days, and then we got into the first quarter of 2020, and COVID hit, and what was wild, Ben, I’m in a conference room with the leadership team, we’re going to do blue sky thinking, we’re going to invent that DESCO21C, and I look around the table and people are like, “Oh man, so down with the COVID thing”, and I said, “Look, we’ll never be a great company or a great brand if we don’t help the world solve for COVID, so what we’re going to do is we’re going to put everything into being the company that enables customers to do business anywhere, including from home, so the continuity of their business does not change, whether they’re working in the public or the private sector, we’re taking this one on”.

So in 24 hours, we had the commitment of the whole company. In seven days, with unbelievable engineering, we put out the first product to help people in this world where they had to go home and they had to continue their operations. The next thing was, “Okay, now we’ve got COVID, you’ve got vaccines that are being manufactured, you’ve got to distribute them, you’ve got to monitor all that, and ultimately, you’ve got to track the success factors and how it impacted the human beings that took it”, and we took whole countries. We had Scotland in a week, we had them totally on ServiceNow, we did it in parts of Germany, lots of parts of the United States, lots of parts of Asia. Then when we got everybody through that, we had unbelievable success stories.

Ben, one of my favorites, my great friend Adam Silver, the commissioner of the NBA, he had to keep the whole league running in Orlando. Remember? The NBA was in a bubble, that was all on ServiceNow. The whole thing was ServiceNow managing all the processes, all the documents, all the people, all the interactions on ServiceNow, and there’s many stories like that.

So what’s the moral of the story? The moral of the story is that was the first flag on the ground, that we matter, that we are a great company, because we make great products, we care about customers and we give them a great service. These stories were rapidly fired around the world, and people really started to say, “I want to be part of ServiceNow’s team”, and so as you might’ve noticed, we’re receiving 1.6 million resumes now per year. It’s very hard to get in here, it’s harder than getting into Stanford or Harvard if you look at the success rate of being hired here, but we only hire 9.5s and 10s, and I think that’s what’s really building the future. We have great people, the products, especially AI, now growing 150% quarter over quarter, and Ben, I just want to give you this vision.

AI Agents

If you think about the great iPhone moment with Steve Jobs, I think about the iPhone, and I have two in my pocket, they’re my six shooters, I don’t go anywhere without them, but here’s the beauty of the iPhone. It’s gorgeous, you look at that glass, and every day you wake up, you’re looking forward to getting into it. The complexity built into it is massive, the ecosystem around it is massive. We are that. We are the AI platform for business transformation in the world of business. Whether it becomes a public sector or a private sector solution in all industries impacting all personas, everybody deserves to have an agentic AI improve their lives, and what I believe is that there is no artificial intelligence without human intelligence. So we put all our efforts into making sure that pane of glass is immaculate, the integrations into the legacy chaos is handled, and these agents are not only solving functional issues, but we are the controller of AI transformation, where we integrate and work with all the other agents.

This is something, Ben, that a lot of people don’t realize. If you start off with agents, let’s just say, in a sales function, because that’s getting a lot of interesting advertising, let’s just assume you have multiple instances, and you’re a big company and those instances aren’t even integrated, let’s talk about that global economy. So what you’re doing in London might be different than New York, or might be different than what you’re doing in Sydney or Mumbai, those aren’t integrated, so now I’m going to start with agents.

By definition, I’m optimizing the agent for a specific function, a specific set of people in a specific location. That’s fine, do that, but what we do is we control the whole tower, where we’ll integrate into that and make that a lot better, because now it’s going to interface with finance, with legal, with HR, with engineering, because people work in teams across organizations to get stuff done. So if you’re a salesperson and you need legal involved because of the terms and conditions, or you need finance involved because of the pricing, and you need HR involved because we’re promising some intellectual property and smart people to make the customer successful, all of a sudden, it’s not such a, “Let me sell you something” story anymore, and then you think about the engineers.

One question on that, all those different functions. So you have this idealized view, where ServiceNow starts with the real product-market fit in IT, and then obviously the support tickets and all those sorts of things, suddenly other functions in the company want to start using it. You have a very clear land-and-expand model. You come in and say, “We can specialize this for specific industries”, and in this sort of story, this AI pitch is very compelling, because we’ve spread over the entire company, the different functions, we’re specialized already to the industry, and it’s the obvious layer to put AI on top.

The question is, that’s the story — where are we in that overall sort of shift from being an IT product to a little bit of finance or whatever, and is it we’re already there and now we’re layering on AI, or people are going to understand that to effectively leverage AI, they need this broad coverage, the operating system of the enterprise, and this is going to actually drive ServiceNow into all these other parts of the company so that they can get AI? Is it sort of a two-step process?

BM: Brilliant, Ben. Basically, if you think of it this way, we are the AI operating system for the enterprise. That’s Jensen Huang, the great Jensen Huang of Nvidia, that’s how he sees ServiceNow. That’s his quote, not mine. I said we’re the AI platform for business transformation, either one of them, the clarity is this, we have built agentic AI with Nvidia.

When I first started with ServiceNow, I’m in year six now, it’s pretty hard to believe, and we were building a agentic AI then. We were taking the GPU stack from Nvidia directly to the ServiceNow platform, and you’re right, it started in IT. How you service the business manager, assets manager operations, secure the business — we have a strategic defense initiative to integrate all the security properties into one visual with ServiceNow, so you see and can react to everything.

But then we realized, “Hey, think about employees on the mobile, they want to get all the services from their original recruitment to hiring, to onboarding, to training, to managing their skill sets so they could be successful in an AI world”. They have comp questions, HR questions, healthcare questions. Ultimately, if people leave, you’ve got to off-board them properly, which is why I was so proud of winning the American Opportunity Index as the number 1 software company in that index out of 400 of the greatest companies the world. This is something that Howard Schultz put together in his amazing, amazing capacity and what he’s done to help the world. That was an honor. So people are huge, and then sales. I want to give you the sales thing, there once was an SFA story, and it was great, you need SFA.

Sales force automation, for the listeners.

BM: You need that SFA, sales force automation, exactly, that game has been played. What’s happened now, when the world went digital in 2007, it got through the financial crisis, if you remember, it was a tough one in 2008, and the bounce back started slowly in 2009, people realized, “Hey, I need the Internet, I need the cloud, I need the mobile, but I also something else, I really need all the channels”, because at this time, the Internet and cloud computing, and the big distribution channels of the hyperscalers and so on was taking form. So what they realized is, “I need to connect with my customer in every channel, I need to meet the customer where they are”. So direct-to-consumer, for example, or retail or wholesale, any channel that the customer’s in, I’ve got to be in that.

Okay, so that’s the sell-side, but on the service-side, you also have to know all the heuristics around their assets, their operations, what they’re trying to achieve, because it could be a service call. So what is unique? What is the difference between ServiceNow and the other market participants? We’re the only platform where you can sell, fulfill and service the customer in the complete end-to-end value chain on one platform, and even if you want the other platforms that are out there, because a lot of chaos exists, we integrate seamlessly into them, which I love this story.

Or on top of it, I think, is maybe a better way to think.

BM: That’s true, that’s very true. So think about a clean pane of glass above chaos, because just like the iPhone, you don’t want to know about the chaos that’s going on under that glass. You just want to press a button and get stuff done, and that’s what we have done for the enterprise, in all the functions. Whether it be finance or HR or sales and engineering now, with natural language, you can literally text, build code, take out 60% of the setup work to build a great innovation, have a knowledge graph with how it impacts the entire company.

And incidentally, Ben, this is super cool. We actually invented the world’s best database with RaptorDB. So now all of the data in this customer database of ServiceNow is now managed by the best in-memory database in the world, that also integrates with the great companies like Snowflake and Databricks and the great hyperscalers like Google and Amazon, of course, Microsoft, and so those companies are building large language models too, and we seamlessly integrate our LLMs on our platform with the data structured and unstructured that exists in the enterprise, including Oracle’s databases, by the way, and all the LLMs, because the LLMs will do important things. They will do great things, and the cost is dropping precipitously. So that’s highly commoditized now, and why wouldn’t we include those interactions with the ServiceNow platform?

So the beauty of this, Ben, and where I think the big idea is whatever you did in the past, don’t worry about it, because you’ll either turn the oxygen off because it’s not performing enough for you, but we can put it all into ServiceNow or leave it where it is. We can make a zero copy of it on the data side to perform a workflow and automate the way work is done, or you can put it all in ServiceNow and we’ll do it for you. So we give you choice, and you can run it in all the hyperscaler clouds too, we’ve integrated our platform with them. We give you a choice.

Of all the things I’ve learned about customer satisfaction and loyalty, customers don’t want to go on forced marches. They don’t want to be told, “This is what you have to do, or else” — they want choice, and they also want to protect the investments that they’ve made, and some of these companies are very good companies and there’s no reason why we shouldn’t be highly cooperative with them, and that’s the model we have forged in the enterprise, and that’s why I think we’re growing faster than all the other ones.

Implementing Agents

Is there a trade-off there? I mean, you come from the SAP world and the historical two-year integrations, and we might get there. If we get there, it’ll be great, if we don’t, well, we gave it a best shot, but at the end of the day, if you’re going to implement an ERP system, it has to be top-to-bottom, it’s a heavy lift. When you jump forward to this AI bit, sure, you’re telling a great story, you can do it all with us or you can plug in your platform and we’ll make it work. Is there a real trade-off, though, where the companies that actually commit, that go all the way through so the data is in a common structure, it is deeply understandable by your agents and the platform you’re building, are going to have a better experience, and actually, we’re back in the world of big installations just because the payoff’s going to be better?

BM: Well, I think it’s ideal. There’s always the idealism that you can bring to everything, and of course, every company is going to tell you it’s ideal if you do it in their platform or their system, and we’re obviously happy to do that, but that’s not real. These environments are very heterogeneous environments. You have to deal with legacy that’s going back almost six decades now, it’s crazy.

So the first thing that customers need to ask themselves, “Do I really want to upgrade the old one in a function to get the new version of the old one? Or do I want to rethink and transform my company and run it differently?”. So maybe the best idea is to use the old one as a database that feeds the automated workflow that’s agentic AI-driven.

Right. You’ll take the user experience off the top of it even though it’s still there.

BM: Precisely. And Ben, think of it this way, let’s just take the federal government in the United States, there’s a mandate now that everybody has to return to the office, they’re the biggest employer in the USA, so now they got to all come back into the office. Let’s just deal with the human aspect of this. On average, this is worse in some companies, but on average, people are swivel-chairing in and out of 17 different applications in their office a day that has been measured in a productivity sense by great consulting firms who have determined in work and productivity studies that is normally around one-third of their productivity that gets crushed.

But the big thing is they’re not happy, they don’t like going to the office. Why don’t they like going to the office? Because they want to look at that clean pane of glass and press buttons and they want agentic AI telling them, you’re in a complex situation, this is what you should do. We have the data sources that we scanned, we understand the heuristics of what you’re dealing with, we have literally hundreds if not millions in some cases, trillions of pieces of evidence in the workflows that we’ve done since the company started, and this is the decision, “Press green, go”.

And then in some cases, people say to me, “Wow, Bill, now I’ve got 85% with agentic AI”, in sales call center functions as an example, the cases are 85% deflected, so there’s only 15% of the cases left over. They say, “Well what does that mean? Does that mean I’m going to have less jobs?” — hey man, you’re turning over call center agents at 30% a year so maybe you won’t have to backfill them, and maybe the people that you have will stay because they actually enjoy their job again, the computers are doing the work that has been crushing their soul and their day-to-day activities. So I think we have to really emphasize the impact and the power of agentic AI on human productivity, but also human productivity and happiness, they’ll want to come into that office, they don’t like the one they have now, and we can solve that problem.

But this is a tension that’s being raised. You said it earlier in this interview, there’s not any such thing as artificial intelligence without human intelligence, and yet you go back to those ERP systems or you go back to those original accounting systems, and the reality is you can make the case that was the single greatest job displacement done by technology. You’re wiping out these entire back rooms of people doing this by hand when you’re talking about this idea of people don’t want to press buttons. Well, or people do want to press buttons like AI can press buttons — this feels like marketing speak on what is actually is going to be job replacement.

BM: I don’t believe that, and let me explain to you why. Ben, you can go to any major market in the world today, and they have millions of job openings for tech talent, there is a deficit of tech talent in the global economy that is mind-numbing, it’s in the millions and millions. So what I’m basically saying now is you have two choices. You either get on the bus of agentic AI and platforms that matter now, or you’re going to fall behind. And why do I think agentic AI is not going to take jobs away? That it’s actually going to be a job producer? Because there’s such a tech deficit, and because that tech deficit is real, there’s many things around business model innovation that customers can’t do because they don’t have tech talent to do it.

So what’s going to happen with agentic AI, you’re right, jobs will change, humans will do more interesting parts of work, and they’ll have to be trained and re-skilled for that, but someone has to fill the tech deficit. So this is a complementary workforce, it’s called agentic agents. They work 24/7, 365 days a year, you don’t have to give them a healthcare plan and they don’t need lunch, so they’re in great shape to get stuff done. We are going to control the operating system for how that agentic AI is going to change the game in every enterprise in the world, and we will integrate with others if they choose to do or go that route. I can’t stop them from going the old way, there are habits that are built into these companies that are people in these companies that are well-meaning and lovely, but if you always do what you always did, you’ll always get what you always got, and there’s a changing world now and they got to realize it’s happening so quick. So my advice is simply leverage what you did, get it into a modern automation platform like ServiceNow where you can go to every corner of the office and change people’s lives.

At the same time, you’ll make the judgment call on what you need to do with those core systems, but I could tell you it’s not what you’ve always done, because you’ll get what you always got, and that will not be good enough in an agentic AI-driven world. That’s where we’re at in this cycle right now. It’s not a hype cycle, this is a $20 trillion market bend by 2030 in terms of its impact on global GDP. For every $1 you put in to AI, you’re going to get a return of $5 when it’s well invested, instead of these pet projects that people are just like experimenting. We got to go from AI hallucination to AI-driven business strategies, and that’s what we’re doing. So everywhere we go, if we’re at the C-suite, they hear this story, we land it, and they just really see the world for what it is.

The Agent Business Model

Got it. Well, particularly at your level, the allure I think from the top is very compelling. To your point, the challenge is the rank-and-file, in that, are they going to adopt? Is it demographic change, is it backfilling or whatever it might be? I mean, just to touch on the business model bit, does the tension that I’m pushing at of this balance between human intelligence and AI intelligence and job shifting, is that why you’re doing the, “Well, we’re not giving up on this seat subscription business, but we’re layering on consumption on top of that”? That is sort of an admission that it’s not going to be really more of the same, we need a new way to think about monetizing that. Is consumption pricing the future of all this sort of stuff?

BM: It’s kind of a misnomer on this consumption, because we as a company have always had seat-based pricing and consumption, where there were certain guardrails and certain usability requirements and amounts where people could pull and do things with the system to get their outcomes. So this isn’t new.

What is new? And what we have done, which I think is a watershed event, we have basically said with our Pro Plus platform, we’re going to give you all the agentic AI innovation. So you’ll still have your per-seat model, which customers like because they like predictability and how they budget, they bet on the platforms that matter, like ServiceNow, they want that. But at the same time, they don’t want to go on a forced march. I keep saying this, they want somebody that’s a real partner that really cares and wants to help them deploy the agentic AI so they get the business value from the agentic AI.

So we are working around the clock to make sure they understand how to do it, how to get the value from it, and ultimately, we’re giving them thousands and thousands of use cases to take the soul-crushing work away from the business, but it needs to get done. It’s going to be there, we need to move it to agentic AI. And then when they see that, they say to themselves, “My goodness, I can start thinking about a new business, I’m taking a lot of waste, I’m improving a lot of productivity, my people like it”. They see it because they like it because they can see themselves in the picture.

People have a deep human need to see themselves in the picture. I look at this glass, I understand what they’re doing and I know that I could be a part of that, and they want that. So our gearing right now is to help them consume it as fast as they can and get as much value out of it as they possibly can. And yes, at some point they will consume more and more of it and yes, the consumption meter kicks in at some point, that’s extremely pleasing to both sides. That is a win-win situation.

Because Ben, my biggest worry, and I do worry about this, I really care about these customers. We have 27,000 people at ServiceNow that have a hungry and humble culture because of the great Fred Luddy that you mentioned earlier. Our original founder is a beautiful man, love the guy, and so does all 27,000, we love the culture we have, that’s why it’s the best place to work, the most trusted place in business, the Opportunity Index winner, because we’re not only good to people when they work here, but if they do leave someday because they hit a point in their life where they want to do something different, they excel wherever they go, and that’s what Howard Schultz is managing with the American Opportunity Index. It’s totally driven by people and their votes, so it’s wildly exciting to me.

What’s also wildly exciting to me is helping these customers win. When I show up, they know I want to do business. There’s not going to be a secret if I walk into the room, but they also know if I give them my word, I’ll get it done, and that is absolutely clear to everyone that works with us, whether it’s an employee, a partner or a customer, whatever it takes to keep the promise, we do it, and I think that’s what it’s kind of all about. That’s why I love the pricing model, I’m glad you brought it up because it’s so customer-centric, it’s what they really want.

Right. They win, you win. One final question to tie your career path together and this AI moment. When you look back at your time at Xerox or your time at SAP and now ServiceNow, is there a bit where a company can maybe go through one transition past where they were, but then they’re going to hit a wall? Like you think about ServiceNow vs. SAP, SAP was able to go from on-prem to the cloud and it’s a marvelous transition, you deserve a lot of credit for it, the business grew spectacularly. But to your point, there’s still ultimately a vertical offering focused on a particular use case. You come to ServiceNow, it’s this plane across the business, thanks to the fact it was built the wrong way in many respects to start out, started out as an automation platform that was generalizable, and now it’s a transition to AI that they can take because it’s the next step. But maybe other companies that were further back or had to go through another transition and had all this morass that they had to tie together, maybe they realize they should just ask ServiceNow to come in and do it, they’re going to be stuck.

BM: I think it’s really important in an agentic AI world that you choose platforms that matter and platforms for this generation, which is why when I came here, I said, we’ll be the defining enterprise software company of the 21st century. Most of the companies that you’re referring to that are excellent companies with well-known brands, they’re 20th century companies, and most of them that you really know have been around a half century or more. And if you think about it, in technology, it changes so quickly. It’s very hard to have a company that’s around a half century or more stay the innovative market leader. So that’s a feat of leadership when that happens and yes, I appreciate what we did with my prior company and thank you very much for recognizing it. Had we not gone to the cloud, where would it be? With ServiceNow, what’s magic is we’re deep, so we go deep in all the functions and all the business processes.

But it’s one platform.

BM: Exactly, but we’re also wide because we go to all corners of the office. So if you look at the Idris Elba commercial, that Idris Elba commercial is not just our great brand ambassador Idris Elba that we love and he believes in ServiceNow and he wanted this, but we’re also going to take that to Africa and we’re going to rethink how business can be done in Sherbro Island and other places and that had a real deep meaning to Idris. So we’re doing the commercial based on what we’re actually doing, “What are we really doing?”, and so I think when I see a lot of advertisement, I think to myself, “Is that what you’re really doing?”.

We try to keep it extremely authentic and here’s the big picture, you have to take agentic AI, east and west horizontally, all functions across a company. Today, Ben, most of our business, even though you’re right, we are absolutely the market leader in all things technology — IT, if you will — we have expanded into the employee, the customer, and of course, the creator experience and all the ERP functions. So if you think about finance, if you think about supply chain, optimizing shop floors and manufacturing, reinventing the regulatory environment of financial services, you can’t come up with a business process today that we’re not involved in, and that is what I believe is the secret, it’s the gateway to fundamentally transform the way business has done.

What’s so cool about it is we build at a rapid pace, we can prototype something and have it in the marketplace in a few days. We implement our software and these great projects in weeks and months, we don’t discuss years and years. By the time you implement something and you have to say years, the technology has already changed so much that by the time you implement it, you need to upgrade it. So that’s so cool about the cloud, we constantly pour the innovation on, the customer gets that continuous innovation and it doesn’t stop, and we’ve had some unbelievable agentic AI releases that have rocked the world and we’re only getting started.

The ServiceNow strategy placement and this idea of being the pane of glass, I totally get it, it makes total sense, it’s very compelling. I’m inspired talking to you right now, it’s hard to bet against, so I appreciate you coming on. It’s great to talk and I’m looking forward to seeing what you accomplish.

BM: Hey Ben, thank you so much. I heard a lot about you and it was all very, very positive and I really appreciate the questions and the fact that I think we got inside of some of the things that can really change people’s lives and really change the way companies run. So I feel very honored to have been a part of this exchange with you. Thank you so much, Ben.

This Daily Update Interview is also available as a podcast. To receive it in your podcast player, visit Stratechery.

The Daily Update is intended for a single recipient, but occasional forwarding is totally fine! If you would like to order multiple subscriptions for your team with a group discount (minimum 5), please contact me directly.

Thanks for being a supporter, and have a great day!

]]>Ben Thompson约翰霍普金斯大学高等国际研究院（SAIS）中国研究中心去年 9 月汇编出版了《Studying China in the Absence of Access: Rediscovering a Lost Art》（缺乏接触条2025-02-06T05:58:46+00:002025-02-06T05:58:46+00:00https://nodebe4.github.io/opinion/2025-02-06/%E7%BA%A6%E7%BF%B0%E9%9C%8D%E6%99%AE%E9%87%91%E6%96%AF%E5%A4%A7%E5%AD%A6%E9%AB%98%E7%AD%89%E5%9B%BD%E9%99%85%E7%A0%94%E7%A9%B6%E9%99%A2%EF%BC%88SAIS%EF%BC%89%E4%B8%AD%E5%9B%BD%E7%A0%94%E7%A9%B6%E4%B8%AD%E5%BF%83%E5%8E%BB%E5%B9%B4%209%20%E6%9C%88%E6%B1%87%E7%BC%96%E5%87%BA%E7%89%88%E4%BA%86%E3%80%8AStudying%20Ch

约翰霍普金斯大学高等国际研究院（SAIS）中国研究中心去年 9 月汇编出版了《Studying China in the Absence of Access: Rediscovering a Lost Art》（缺乏接触条… ——

约翰霍普金斯大学高等国际研究院（SAIS）中国研究中心去年 9 月汇编出版了《Studying China in the Absence of Access: Rediscovering a Lost Art》（缺乏接触条件下的中国研究：重拾失落的艺术）由，收录 Joseph Fewsmith、Thomas Fingar、Alice Miller 与 Frederick Teiwes 四位学者 2021 年的讲座内容，系统性地探讨了在研究环境日益受限的情况下，如何运用传统研究方法开展中国研究，特别是对 1960-1970 年代「闭关时期」的中国的研究方法。书中收录多份珍贵文件影本，包括 1982 年《关于建国以来党的若干历史问题的决议》起草小组的内部讨论笔记等，为研究中共党史中研究改革开放初期意识形态转型提供新视角。

冷战时期，美国中国学发展受麦卡锡主义冲击，学界转向香港「大学服务中心」（USC）作为研究基地，该中心汇集政治学、经济学、人类学等多学科学者，突破美国学界对当代中国研究的禁忌，并建立跨国学术网络。书中详述里 1970 年代美国《国防教育法》与福特基金会如何推动区域研究，培育出首批系统性分析中共体制的学者群。

在媒体解析技方面，书中收录了 1980 年《中央纪律检查委员会座谈会讲话记录》（中发〔1980〕77号）等未公开史料，示范如何从党媒修辞差异解读权力动态。例如 1978 年《光明日报》特约评论员文章〈实践是检验真理的唯一标准〉，透过比对《解放军报》转载规格与邓小平后续讲话，推论高层路线斗争轮廓。另分析《参考消息》与《内部参考》的资讯落差，揭示体制内外资讯传递的阶层性，耶揭示了华国锋与邓小平之间的权力互动远比一般认知更为复杂。

学者们也利用数据拼图方法，以 1976-1979 年华国锋过渡期为例，展示如何从零散讯息重建权力图景。如人事档案交叉比对省级党报领导排名变动反映地方派系重组；从 1977 年「四个现代化」排序从「农工」改为「工农」的政策表述微调，暗示工业派抬头；1979 年美国防部长哈罗德·布朗访华时的外交礼仪细节，观察中方陪同人员对华国锋的态度变化等。

编者 Andrew Mertha 在结论指出，当前研究环境与冷战时期具高度相似性——档案限制上，中共党史档案开放周期从 2012 年平均 12 年延长至 2023 年的 28 年；田野障碍方面，2020-2023 年美国在中国留学生数从 37 万降至 28.9 万；另有数位监控问题，微信等平台实名制使学者难以进行匿名访谈。当下的学者需结合历史档案分析、机构运作逻辑与文化语境解读。

]]>The Sociologist第九届网络社会年会｜Saskia Witteborn：Web3与区块链游戏：一种南方视角2025-02-06T00:00:00+00:002025-02-06T00:00:00+00:00https://nodebe4.github.io/opinion/2025-02-06/%E7%AC%AC%E4%B9%9D%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%EF%BD%9CSaskia%20Witteborn%EF%BC%9AWeb3%E4%B8%8E%E5%8C%BA%E5%9D%97%E9%93%BE%E6%B8%B8%E6%88%8F%EF%BC%9A%E4%B8%80%E7%A7%8D%E5%8D%97%E6%96%B9%E8%A7%86%E8%A7%92
网络社会年会

第九届网络社会年会｜Saskia Witteborn：Web3与区块链游戏：一种南方视角

2025-02-06

Web3 and Blockchain Gaming: A Southern Perspective

年会九演讲视频

文 / Saskia Witteborn
翻译 / 李梦书
校对优化 / 郑叶颖、ChatGPT

首先，我想向大家解释我的演讲主题及选取原因。我是一名研究移民与技术的学者，主要关注跨国移民过程及技术在其中的作用。我从事这一研究已有多年，我的研究涉及北美、欧洲和东亚，尤其是中国。本次演讲有关菲律宾及更广泛的东南亚地区，这也是我今天想与大家分享的内容。

我的研究关注移民如何借助技术跨越国界，其中包括生物识别技术的应用，以及近年来与移民相关的其他技术。在具体展开讨论之前，我想先谈谈“全球南方”这一概念。我们经常听到并使用这一术语，作为学者，我也在教学中频繁与学生讨论、讲授相关内容，并与学生一同阅读相关材料。但我认为仍有必要进一步理清这一概念的内涵。

我想引用卡内基基金会的观点来讨论 全球南方（Global South） 这一概念：低收入和中等收入国家的人民及机构在重塑全球秩序过程中被剥夺自主权的感受（Hogan & Patrick, 2024） 1 。这些国家及其人民不应被排除在全球秩序的基础架构之外。核心观点在于，“全球南方”已不再仅用于描述中低收入国家或所谓的“新兴经济体”（ascending economies），它实际上还涉及道德经济与历史维度。

因此，我们需要自问：“全球”（global）究竟意味着什么？事实上，东欧的许多国家往往未被纳入这一讨论。例如，若身处中国、中国香港或印度，我们会发现这些地区并不总被认为属于“全球南方”，但根据卡内基基金会的定义，它们的确符合这一范畴。这表明“全球南方”并无固定定义，其使用方式因人而异，且充满争议。

尽管如此，我仍喜欢这一概念，因为它捕捉到了一种全球格局下的现实处境。然而，更重要的是思考这一问题，并避免陷入简单的二元对立。这也是我今天演讲的核心目标。在教学中，我始终强调，不应将“全球北方”与“全球南方”机械地对立，而应探讨可能的跨区域联盟。

在这一点上，刚才的纪录片 2 恰恰展现了类似的思考。它不仅仅是一个学术概念，更像是一种实践性的计划，促使我们重新思考全球秩序中的合作与自主性。

这个想法起始于几年前，伴随着Web 3的广泛炒作和相关图像的出现，我们开始思考为何以及如何从Web 2迁移到Web 3。从字面意义上讲，“迁移”（migration）在这里是指计算机科学中的数字迁移，用来描述这种转变或移动过程。

最初，我作为一名传播学者进入Web 3领域，而不是计算机科学家，我接受的是人类学倾向的训练，因此我能够与Tom产生共鸣。我关注的不仅是“迁移”一词的意义，还有当时关于全球南方技术发展的讨论，尤其是将技术视为实验场地的相关炒作。我曾与同事们撰写过文章，探讨联合国如何利用技术管理移民、难民营状况及移民流动，以及如何通过技术来讨论和管理人道主义援助。还有一些研究关注约旦等难民营的难民如何接受Web 3及计算机培训，从而改善生活质量。值得注意的是，尽管移民可能在约旦或土耳其等国家接受了计算机技能培训，但他们未必能在硅谷等地找到工作。那么，既然如此，为什么我们还要谈论Web 3的概念呢？

三年前，我曾热衷于探讨移民如何能够成为整个Web3经济的一部分，这或许能让他们从不稳定的生存状况中解放出来。这个话题我现在仍然感兴趣，但与此同时，关于移民的另一个话题也促使我深入思考，将Web 3视为一个社会、文化与经济空间的理念。从三年前开始，我逐渐思考从Web 2到Web 3的迁移到底意味着什么，最终，我开始关注如何讨论从实体空间向数字领域的迁移。

我们曾目睹元宇宙（metaverse）发展的早期情境，例如图瓦卢（Tuvalu）这一案例。或许你们还记得围绕图瓦卢的热议——这个因海平面上升而濒临消失的岛国正试图构建一个数字化的“元宇宙国家”，以在网络空间中存续其国家形象，供人们建立记忆档案等以永恒铭记。因此，关于元宇宙与移民问题的讨论再次升温，类似于2019至2021年间游戏产业概念兴起时的情景。我并非游戏研究者，但当时Web3被塑造为一种集社会、文化与经济的空间，并以此进行推广。例如，Cointelegraph曾报道：

2021年，游戏产业市值达2,000亿美元，并被视为吸引用户进入Web3生态系统的未来途径。（Cointelegraph，2022年3月27日）

也许很多读者也是游戏玩家，大家都十分清楚这个行业有多么庞大的年轻人市场。以 Axie Infinity 3 为例，这款游戏一推出便引起了广泛关注，各种关于它的报道炒作铺天盖地。那么，或许有人会问，为什么我们还需要对Axie Infinity进行进一步的研究呢？

正是在从Web 2向Web 3的迁移中，尤其是游戏在这一转变中的作用，让我对它产生了兴趣。特别是2020年前后，围绕这款游戏的讨论，以及大量文字和YouTube视频宣传其作为帮助人们摆脱贫困的“下一个最佳选择”，让我尤为关注。而当时这一现象发生的背景正是菲律宾。

于是我开始更加关注Axie Infinity这款游戏。该游戏由 Sky Mavis 公司开发，基于区块链技术和NFT所有权（Blockchain-based NFT ownership）。需要强调的是，我并不是要讨论区块链的复杂技术细节，我更多地是从社会科学和批判性视角出发，分析这个游戏所承诺的愿景以及它未能实现的部分。

Sky Mavis当时推广这款游戏的方式是，宣称“拥有真正玩家主导经济的游戏将成为我们生活、工作和娱乐的场所——真正的数字国家”（Sky Mavis官网）。这意味着基于区块链的游戏不仅仅是传统意义上的游戏，而是一个“边玩边赚”（Play-to-Earn） 4 的平台，因此玩家在游戏过程中能够赚钱。我们可以从物理世界迁移到数字空间，创造一个多元、多样的环境，让每个人都能在其中快乐共处。这一理念与区块链和Web3社区推崇的多样性精神相契合，比如数字护照和新型治理模式正是这一思想的体现。

Axie Infinity正是通过这种方式进行游戏推广。并且我认为许多类似的游戏在当时也都采用了类似的宣传手法，至今仍在如此运作。例如，YouTube上广受欢迎的纪录片 Play-To-Earn: NFT Gaming in the Philippines ，影片导演在其中提到：

我们的目标是向世界展示，像菲律宾这样的新兴国家将通过加密货币普及带来变革……新兴国家不需要施舍，他们需要的是机遇。（Nathan Smale, in Mislos, 2021）

于是，出现了这样的观点：我们终于拥有能够帮助人们摆脱贫困的产品。许多人开始相信，并且至今仍有很多人坚持这一信念，这也正是他们的宣传方式。Leah Callon-Butler也参与了这部影片的制作，她不仅是影片的解说员，还是位于马尼拉的Web3推广公司Emfarsis的总监。这部影片实际上是在菲律宾推动Web3的一个重要尝试。

当时，这些游戏引发广泛关注，并展示了它们的潜力。此外，像Tezos这样的开源区块链（Open-source blockchain）也在推广之中。正如Tom所提到的，关于NFT、区块链和游戏的讨论主要发生在Facebook和菲律宾，当然，也在X和Discord上进行。每个平台的功能各异，例如，玩家通常在Facebook的讨论中被招募，而在X和Discord上，讨论则主要围绕游戏策略展开。

我们在研究中使用专业化的视角分析如何利用这些平台。我和研究助理正在马尼拉进行一项特殊研究，旨在将 “社会技术可供性”（sociotechnical affordances） 5 这一较为传统的概念进行语境化应用（contextualization）。尽管这个概念已有较长历史，并且存在大量相关讨论，我之所以对其产生兴趣，是希望深入理解其在当前背景下的意义和应用。正如我稍后将说明的，关于这种“可供性”的文献中，有一种观点认为，这一概念的框架在某种程度上是以欧洲和北美为基础的。

正如Jason在之前所提到的，我们通常以“技术能让我们做什么？”这一普遍化的视角来理解技术的作用。因此，我希望结合具体的语境，考察法律、政治和文化背景在这一框架中的作用。接下来，我将通过分析区块链游戏的可供性，分析批判参与者如何在特定条件下参与这些游戏。具体来说，参与者如何玩这个游戏，以及他们在什么条件下能参与。这基本上是我们研究的出发点。

现在，让我们回到 社会技术可供性 。作为一个复杂的概念，它涉及多层次的理解。从方法论的角度来看，一些学者认为，可供性本质上指的是它如何引发社会行动（Invite social action），这是一种对可供性的社会化分析视角（Hutchby, 2001; Nagy & Neff, 2015）。举个例子，当我们使用手机，或像我手里这个小遥控器时，我们知道按下某个按钮后会触发特定的功能。但同时，我也可以将它当作一把尺子，或者赋予它其他用途，比如用它挠头，甚至可能只是因为它没电了而无法使用。换句话说，同一技术对象在不同情境下可能拥有多种用途，而这些可能性便构成了可供性。更进一步，可供性不仅仅涉及个体如何使用物品，还将人类、非人类、技术对象以及实践和结果联系在一起（Evans et al., 2017）。

因此，可供性并不仅仅是一种功能性结果。例如，当你点击手机上的某个按钮以确保隐私，这只是一种预设的功能，而非真正意义上的可供性。可供性强调的是技术与社会之间的互动，以及这种互动所产生的不同可能性。正如Tom的同事Elisabetta Costa所做的研究，他们尝试在土耳其等国家的特定语境中探讨可供性的意义，关注的是超越西方偏见传统范围的现象（e.g., Costa, 2018）。这类研究有助于我们理解可供性在不同社会文化背景下的变迁与应用。

从我 Web3批判研究 的视角来看，经典的 平台资本主义（platform capitalism） 文献（Marčeta, 2021; Montgomery & Baglioni, 2021; Lata et al., 2023; Yin, 2024; Zaucha & Agur, 2023），对于从语境化角度研究社会技术可供性至关重要。我重读了许多相关研究，尽管文献繁多，难以逐一阅读，但它们无疑为平台劳动的批判提供了重要视角。

同时， 区块链帝国主义（blockchain imperialism） 6 （Jutel, 2021）这一概念也非常值得深入思考，尤其是在Web 3如何在像斐济这样的小岛国中应用的背景下。这个概念引发了我对新技术在全球范围内应用方式的关注。理解这些技术如何运作，并积累来自这些鲜为人知地区的数据，至关重要。这些地方很少受到学术讨论的关注。虽然我站在“全球北方”的视角，但仍可以做很多有意义的工作。例如，Jutel提到的区块链帝国主义，实际上也与数据的积累相关。

另一个引发我兴趣的概念是 种族资本主义（racial capitalism） 7 。McMillan Cottom的文章对我帮助颇大，它提醒了我网络资本如何塑造全球秩序，特别是如何与种族等级制度交织在一起（McMillan Cottom, 2020; Zaucha, 2024）。我认为还需要考虑“他者化”中的等级结构（hierarchies of Otherness），例如，风险投资在其中所扮演的角色。这对于我今天试图提出的核心论点具有重要意义。

以上是我的一部分研究内容，其他部分我这里只简要提及研究的问题，并不深入探讨。为了涵盖基础问题，以下是我一直在探索的 三个核心问题 ，也是我研究“可供性”概念的出发点：

  1. 菲律宾玩家识别并执行了哪些游戏可供性？
  2. 这些可供性有哪些特征、关系如何？
  3. 社会文化规范与实践如何塑造玩家对游戏可供性的参与方式

因为基于不同的文化价值观和规范，人们可能会以不同方式理解和使用技术对象，这些问题构成了我研究的核心。

以下是我们使用的 方法论（methodology） 。我们花了大量时间完成这个项目，但由于当时仍处于COVID后期，我们无法亲自前往菲律宾，所以采访只能通过Zoom进行。我们采访的对象包括来自大马尼拉或马尼拉的年轻人，通常被称为Z世代。他们大多数拥有大学学历，但也有一些从事保安或在呼叫中心工作。教育水平在这里也是一个重要的因素。同时，我们进行了社交媒体帖子分析、行业报告和白皮书的文本分析，这些都基于扎根理论（grounded theory）进行分析研究。

首先作为研究背景，我们需要简单了解一下 菲律宾 。菲律宾是一个 中低收入国家（lower middle-income country） （Ke, 2024），这一点非常重要。除了经济因素，还有哪些因素影响菲律宾人选择参与玩Axie Infinity这个游戏？在中低收入地区，人们希望通过这种方式赚取一些收入，尤其是在 劳动力外迁（labor out-migration） 的背景下，这可能是参与的一个原因。正如Cheryll所提到的，菲律宾有着悠久的移民历史。

另外，最初我的研究思考的是Web3经济如何在未来打通跨国移民渠道，是否能使人们留在原地，而不再需要跨越国界前往其他国家工作？一些专家也持类似观点。例如， 业务流程外包（business process outsourcing, BPO） ，比如呼叫中心行业。由于菲律宾的英语水平较高，这一行业得以进入菲律宾发展，这也与 殖民历史（history of colonialism） 密切相关。此外，菲律宾还拥有悠久的 游戏和赌博历史（history of gaming & gambling） 。在我开始采访时，许多人回忆起自己小时候的经历——“我9岁时就在当地的网吧玩游戏，11岁的哥哥常常带我一起去。”这些经历也揭示了菲律宾独特的行业背景。

另外，我还想提到菲律宾经济历史中一些特殊行业，比如博彩业。菲律宾一些地区拥有大型博彩企业，这些企业为政府带来了大量税收。然而，这些博彩行业去年7月遭遇关闭，原因是许多大型博彩运营者来自中国，也将非法移民带入菲律宾，并引发其他诸多问题。当前，鉴于菲律宾与中国的紧张关系，政府有时会采取这样的措施作为回应。

当我开始采访后，其中一个观点反复出现，起初我并未深刻理解，直到读到这句话，来自我采访的一位20多岁的年轻人：

Axie就像斗鸡，只不过是数字化且更具视觉冲击力的版本。但这款游戏开创了道路。如果没有Axie，人们不会拥有数字钱包，也不会了解NFT和加密货币。对于年轻人而言，Axie也是一种副业，我们喜欢它的灵活性，尤其是在COVID期间。（男性，20多岁，统计学/传播学专业学生）

我听到时想，多么有趣的一个词啊！斗鸡，这是我此前从未想到的链接。然而，自那之后，这个词不断浮现在我的脑海中。作为一名经验丰富的人类学与传播学研究者，我从心底开始关注这个词。随着扎根理论研究的深入，我在数据收集中识别出两个核心主题/代码： 副业（side hustle）和斗鸡（cockfighting） 。

副业 是另一个关键概念，这也呼应了Tom刚才的讨论，在某种程度上可以追溯到平台经济的逻辑。人们将Axie作为一款游戏来看待，而在COVID期间，他们在高度不确定的环境下开始接触这款游戏——它不仅提供了娱乐，还能带来收入。在这种背景下， 持续访问（persistent access）和所有权（ownership） 成为两个关键要素，尽管这仍然受到平台逻辑的制约，我稍后会进一步探讨。

然而，受访者对Axie的理解超越了经济和技术层面，而是将其与本地文化实践—— 斗鸡 相联系，这一点尤为关键。这种比喻涉及两个核心维度： 家庭价值观（family values）和性别（gender） 。尤其是后者，超出了我的预期，展现了游戏在社会文化中的复杂嵌入方式。

现在，我们先来讨论 副业 的概念。什么是副业？根据平台资本主义和种族资本主义的相关文献，副业通常被描述为由欲望驱动的劳动（labor motivated by desire）（Battacharya, 2018）。换句话说，人们被平台吸引，因兴趣或社交氛围而参与其中，人们觉得做这些事很酷，因此不愿错过。

在这个研究案例中，吸引人们进入Axie生态的主要动力并非个体欲望，而是 家庭价值观 。在分析采访数据时，“家庭”这一概念反复出现——受访者强调，他们参与游戏的主要原因是支持家庭。这一点在当时对Axie的传播起到了关键作用。玩家不仅出于个人兴趣进入游戏，而且这种理由成为了正当化（legitimization）的因素，推动他们持续参与，并在COVID期间保持社交联系。

此外，这一现象与受访者的年龄密切相关。我的受访者多为年轻人，大多是学生，他们刚进入经济领域，正处于职业探索阶段。在疫情期间，他们渴望维系社交关系，同时希望减轻家庭经济负担。这种现象可被解释为 掠夺性包容（predatory inclusion） ，即平台和游戏利用人们的社会需求和经济动机，将他们吸引进来，使其沉浸其中，进而促使他们接受数字钱包、NFT等新兴技术，并深度参与游戏经济（McMillan Cottom, 2020, p. 443） 8 。

在副业之下有一个概念与不稳定的灵活劳动（precarious flexible labor）密切相关：持续访问。 持续性（persistence） 意味着这款游戏在编码空间（coded space）中具有持续的物质性和象征性存在——它始终在线，随时可被访问 9 。而 访问权（access） 则受到三个主要因素的制约 10 。

其中，空间因素（spatial factors）对于这些年轻玩家而言至关重要，尤其是 空间的灵活性（spatial flexibility） ，而这在很大程度上取决于阶级（class）。我在此沿用了这个经典概念。来自较高社会经济阶层的玩家往往拥有更好的条件。他们可以退隐乡村，这意味着拥有私人空间，而这对游戏体验至关重要。玩Axie Infinity需要高度集中注意力，稳定且高速的互联网连接，以及使用电脑而非手机的条件。因此，拥有私人空间的玩家比起那些生活在嘈杂家庭环境、共享居住空间的人，往往具有更大的竞争优势。相较之下，处于较低社会经济阶层的玩家往往只能在极为有限的空间中进行游戏。例如，他们可能不得不在家中寻找一个角落，甚至躲进浴室玩游戏。有些人在工作时间偷闲玩，还有人在大学讲座期间玩，或一边听Zoom线上课程一边进行游戏。这种空间使用的差异进一步凸显了阶级对游戏参与方式的影响。因此， 访问权 构成了副业的一重要维度。

而副业的核心在于 所有权（ownership） ，包括 财务（finances）与技能（skills） 。Nabben讨论了Web3经济模式如何通过加密验证的所有权帮助个体在数字领域中获得新的能动性 11 。这一点至关重要。那么，对这些游戏玩家而言，他们如何理解所有权？

当时文献和媒体报道中，收入或金钱和利润的创造被视为极具吸引力的前景。例如，一些玩家表示：

我们赚了数千美元，同时还学会了新技能。（Domenica，20岁，心理学本科生）。

特别是女性玩家，她们通过游戏培养了内容创作等技能，随后转向更广泛的数字经济。例如，一些女性开始成为博主创作内容，为香港、新加坡乃至全球性平台（如Decentraland）提供服务。这种技能的转化构建了全球化的基础，并重新定义了所有权的概念。在未来，所有权的界定不仅关乎财务收益，更与机构赋权和技能积累密切相关。尤其是对于希望进入网络经济的女性而言，技能的掌握与运用成为获得数字自主权的重要方式。

还有一个关键因素是 家庭（Family） 。当我们的家庭状况不佳时，我们希望能够帮助自己的家庭。许多受访者表示，他们利用游戏收入来帮助翻新房屋，这一叙事在全球化讨论中屡见不鲜。人们用这些钱购买房产、家电、笔记本电脑等。因此，可以清楚地看到其中的货币化因素。

回到 文化 因素。如果将“副业”视为一种既能娱乐又能带来经济收益的所有权形式，那么文化因素的作用又是什么？对我而言，这是研究中最具启发性的部分。我不想过分强调文化因素，否则就有可能削弱研究的政治性。尽管如此，我仍希望在分析中纳入这一视角，以探讨文化的作用。

这让我联想到 斗鸡 的概念。人类学文献中对斗鸡有大量研究，而当我们将斗鸡的画面与Axie Infinity进行对比时，不难发现二者之间的相似之处。斗鸡是一项极具血腥性的竞技运动，两只斗鸡在场中激烈搏斗，而Axie的游戏机制在某种程度上与此相呼应。

斗鸡在全球多个地区均有悠久的历史，从西班牙、巴厘岛到英国和菲律宾，它都是一种传统竞技活动 12 。菲律宾的奎松市（Quezon City）甚至举办类似世界杯的斗鸡赛事（World Slasher），并设有专门的斗鸡频道Sabong TV。即便在COVID疫情之后，斗鸡仍在菲律宾的城乡地区盛行，并逐步实现数字化，成为博彩行业的一部分。玩家不仅拥有斗鸡，还可以对其下注，形成了一个合法化的盈利与税收体系。

值得注意的是，菲律宾拥有众多离岸博彩运营商（Philippine Offshore Gaming Operators, POGOs），这些企业不仅涉足斗鸡，还掌控着更广泛的博彩产业，甚至成为部分城市的经济支柱。然而，近年由于非法移民和其他争议问题，菲律宾政府关闭了部分POGO运营商，这也反映出该行业面临的监管挑战。

这有助于大家理解菲律宾的历史背景，并从政治经济学的角度剖析斗鸡背后的文化因素，以及它如何塑造人们的游戏参与方式。因此，我引入 深度游戏（deep play） 这一概念进行分析，这也是本次演讲的核心主题。

“深度游戏”一词最早从18世纪哲学家边沁（Jeremy Bentham）衍生而出，他将其定义为“非理性游戏”（irrational gaming）（1789）。比如，在赌场下注时，玩家无法预知自己是否会赢，但仍然投入金钱，这种行为在边沁看来是非理性的。而人类学家克利福德·吉尔茨（Clifford Geertz）在其1973年的著作《文化的解释》（ Interpretation of Cultures ）中对这一概念进行了重新诠释。他认为，深度游戏不仅仅是非理性的赌博行为，而是一种具有深厚社会意义的实践。

以斗鸡为例，为什么人们热衷于在村子里进行斗鸡？吉尔茨指出，斗鸡不仅是一种娱乐方式，更是一种社会行为，它在维系社区关系的同时，也能确认并拓展社会身份（social identity）。类似于其他游戏或娱乐活动，斗鸡充当了社会粘合剂，将社区成员凝聚在一起。此外，如果你的斗鸡在比赛中获胜，你的社会地位和在社区中的声誉也会随之提升。因此，斗鸡不仅仅是一场竞技，而是一种深植于社会结构中的符号性实践。我虽然不想简单地将其归类为“游戏”，但这正是斗鸡的核心意义所在。

当我开始探讨斗鸡与游戏之间的关联时，我发现这一观点极具说服力。当你看到Axie Infinity中两只愤怒的Axie彼此对抗时，便能深刻理解这些Axie如何成为玩家自我的延伸。这是你的Axie，你的NFT，你将它们投入竞技场进行战斗，它们相互较量。而在这一过程中，玩家不仅延展了自身身份，还在协商与构建自己的社会地位、声誉以及角色认同，比如作为子女或学生的身份。与此同时，玩家也在不断习得新技能，并提升自己在游戏社区中的地位。

文化因素下另一个值得关注的核心维度： 性别定位（gender positioning）。 玩家在参与游戏的同时，也在塑造并定位自身的 性别认同 。一些女性玩家，曾探讨过游戏环境中的厌女现象。正如我们从Sara的分享中了解到的，厌女情绪在不同社会背景下均有所体现。而游戏，尤其是Web3游戏，长期以来一直是一个以男性为主导的领域。那么，这类游戏如何为女性玩家打开进入游戏世界的大门，并使她们得以展现自身能力、挑战传统性别刻板印象？

在线游戏中，女性往往被贴上各种刻板印象的标签，例如‘女性不是优秀玩家’、‘她们太情绪化’、‘话太多’等。玩游戏让我有动力去证明这些看法是错误的。（杰西卡，22岁，土木工程专业本科生）

类似的观点在采访中反复出现。许多女性提及她们在游戏环境中经历性骚扰，例如被要求提供照片、因声音甜美而受到不适当的评论，甚至在社交媒体上因参与游戏而遭受攻击。然而，她们也开始积极反抗，并在全球性别话语的框架下，以特定术语回应父权制。

除此之外，还有另一类女性玩家，她们不再仅仅关注性别议题，而意识到这一数字空间为她们提供了新的机会。值得注意的是，这些女性大多为年轻人。例如，奥罗拉（21岁，商科与会计专业本科生）表示：

这为我打开了新的机遇。我可以利用这些机会推动未来的创新。金融科技对我而言不再陌生，我能够更快地适应。

这一观点体现了一种更具目的性的思考方式。

那么，为什么我要与你们分享这些？这项研究的核心发现是什么？虽然时间有限，我们仍有机会进一步探讨这些问题，并总结研究的关键结论。

一方面，游戏平台的访问权与所有权遵循着平台的通用逻辑。另一方面，家庭价值观与性别作为文化-历史筛选机制，塑造对P2E游戏（即play to earn）的参与方式。 也就是说普遍逻辑在具体实践中受到社会文化与历史背景的深刻影响。例如，人们如何理解可供性，以及在特定情境下如何利用这些条件。在菲律宾，游戏的参与往往由家庭因素驱动，而在其他语境中，可能是不同的价值观或社会动力在发挥作用，也许就不一定涉及性别因素。

在访谈中，受访者最常提及 包容性（inclusivity） ，以及他们如何被吸引进入游戏世界。最初，游戏体验充满乐趣，但随着时间推移，它逐渐演变为一种折磨——这一表述在访谈中多次被提及。玩家们经历了极大的焦虑，不仅是那些后来成为研究者的人，尤其是那些持有生产资料的群体，即Axie Infinity的游戏团队。他们谈论自身如何难以入眠、对投资持续担忧以及如何将资金退出，以及因资金过多而陷入抑郁等心理困境。这一现象揭示了游戏平台不仅塑造了数字经济的运行模式，也深刻影响了玩家的情绪与社会关系（也就是上文所提出的掠夺性包容）。

鉴于这是一篇学术论文，这里需要一个更为复杂且深入的观点论述。核心问题在于全球资本主义如何塑造并重构地方社区，尤其是金融资本主义的“长臂”在游戏产业中的运作方式。例如，在这篇文章中 13 ，讲述了a16z——硅谷最具影响力的风险投资公司之一，如何通过资本介入，深刻影响这些地方社区的经济结构与社会实践。

理解这一过程至关重要，并且需要进一步开展比较研究，以探讨全球资本如何在不同地方情境中发挥作用。这些游戏平台不仅提供娱乐与经济机会，还在地方文化和历史实践的框架内调整自身，以激发并调动玩家的欲望。因此，每当我们讨论平台经济时，都应将其置于具体的社会语境中，以深入剖析其运作机制及其对地方社会的影响。

机构与社区往往承载着某种承诺，而这一概念本身极具研究价值。在网络社会研究所制作的“文化与技术三部曲”第一篇章《个人计算机与反文化》纪录片中，我们可以看到苹果等企业的早期发展阶段，以及它们如何在话语体系中构建“社区”这一概念。然而，当资本主义介入时，这一“温暖而模糊”的概念逐渐被重塑，资本逻辑重新定义了社区的运作模式。因此，从研究角度来看，Axie Infinity既是一个新自由主义再生产的场域，同时也契合了菲律宾国家层面的Web3发展目标。

菲律宾与许多其他所谓的全球南方国家一样，对加密货币持开放态度。例如，在马卡蒂（Makati），已经设有加密货币ATM自动取款机，体现了这一技术的本地化进程。值得注意的是，菲律宾的加密货币生态系统与其移民经济密切相关。大量菲律宾劳工在香港、迪拜等世界各地工作，并依赖汇款支持国内家庭，而加密货币的便捷性正好满足了这一需求。

Axie Infinity在年轻群体中的流行，某种程度上是这一经济背景下的意外产物。通过游戏，他们逐渐学会如何创建加密钱包，并熟练使用Web3相关语言。这使得游戏不仅仅是一种娱乐形式，还涉及更深层次的国际政治与经济议题。这一现象值得进一步研究，以探讨Web3经济如何重塑地方社会及全球资本流动的动态。

全球南方玩家如何积极参与Web3的实验性游戏是这项研究的目的，它调转了全球北方学者的研究偏向。我写这篇文章时的观众是来自全球北方的西方学者，然而，当我阅读文献或与许多同事交流时，他们常提到全球南方正在追赶，并成为技术实验的场域。在我看来，关于玩家如何战略性地采纳游戏，如何灵活利用系统，以及如何在不再感兴趣时退出的文献并不多。这些行为具有高度的战略性，且帮助年轻玩家掌握Web3游戏的规则。因此，我认为这些问题非常重要。我希望将这些观点传达给全球北方的观众，以帮助他们更好地理解全球南方玩家的积极参与，而不是简单地将他们视为受害者。

最后， “没有我们就没有游戏”（”Without us, there is no game”） 。我非常喜欢这句话，它让我思考通过这样的研究我们能做些什么。我不确定自己是否会继续深入研究，但也许其他人会。我认为，探讨平台经济中掠夺性包容的社会经济和文化基础至关重要。

那么，Web3游戏或Web3经济的成功需要哪些既具本土化特色又具有全球性的条件？这些游戏的战略采纳和退出有哪些不同类型？玩家如何在不同背景下参与这些游戏，又如何抵抗？最根本的问题，也是我反复提到的，全球金融资本主义是如何在我们未曾意识到的情况下，悄然重塑我们的生活方式的？值得人们进行深入研究探讨。

问答讨论

Q： 是否可以进一步分析家庭成员共同参与Axie Infinity游戏的互动模式。我观看的一些视频显示，某些社区、家庭或亲属通过“奖学金”机制等游戏外的协作网络参与游戏经济。此外，您将游戏与菲律宾的斗鸡相类比，指出两者都具备“家庭事务”的属性——例如培育战斗单位与家族资源投入的相似性。希望您能深入探讨家庭在这一过程中的作用。

A： 是的，这非常重要，我刚才没有对家庭解释太多，感谢你给了我补充的机会。家庭确实在这类游戏中扮演着至关重要的角色，且其表现形式各不相同。当我提到“参与”时，以女性玩家为例，特别想强调年轻单身母亲群体的情况。这类游戏在时间和空间上的灵活性，允许她们可以在子女入睡后参与游戏，或者在居住条件拥挤的情况下仍能操作设备。更关键的是，游戏让她们有机会提升在家庭内部的地位。正如一位受访者所说：“我不再只是母亲，而是能为家人赚钱的人。”这反映了她们在家庭内部的变化。

一些玩家会在凌晨三四点起床游戏，因为此时获胜的几率较高。这成为了一种策略，使他们每天凌晨投入约三小时进行游戏。然而，许多文献中关注的另一个重要议题是管理者与其他玩家之间的剥削性关系。西方媒体广泛报道了管理者的角色，即那些拥有Axie的个体——他们组建团队，雇佣玩家进行长时间游戏。通常，这些管理者位于英国、澳大利亚或美国，而普通玩家则主要来自菲律宾或其他国家，为他们工作并创造收益。

然而，在我的研究中，大多数管理者实际上是本地人，他们在家庭成员或朋友之间建立团队，相互记录和管理。这种模式在以往的讨论中较少被涉及。这意味着，当你的兄弟雇佣你玩游戏，或者朋友之间形成类似的关系，游戏不再只是娱乐，而是变成了一种具有互惠性质的经济合作。这也带来了新的问题——原本基于情感的关系逐渐变得具有交易属性。某位受访者提到：“我们过去一直在学校学习，而现在我学会了如何管理人——不仅要与亲近的人共事，还要与兄弟建立一种高度交易化、商业化的关系。这几乎毁掉了我们的家庭。”

这种现象不仅限于家庭成员，朋友之间亦然。有时，整个家庭会联合起来玩游戏，甚至叔叔会雇佣侄子、侄女组成游戏团队。在COVID疫情期间，这种基于亲密关系的互助网络尤为紧密，目的是最大化游戏收益。然而，当SLP（游戏内货币）价格下跌，Axie的市场价值缩水时，部分玩家迅速抛售，如同甩掉烫手山芋。但另一部分玩家选择继续持有，这与NFT投资逻辑类似。例如，一些玩家表示：“它现在可能不值钱，但你永远无法预料未来。” 这种心理状态与迷信或护身符的信仰相似——人们保留它，期待某天能够派上用场，甚至赋予自己某种对他人的优势。

这一现象揭示了游戏如何影响家庭动态，并塑造新的社会经济关系。这值得进一步探讨。

Q： 感谢您的精彩演讲，其中可能已经涵盖了我的部分问题。我的问题是：这些数据是否完全指向游戏行为的商品化？换句话说，这些玩家是否都在“边玩边赚”（Play-to-Earn），还是仍有相当一部分人只是单纯地享受游戏？根据您先前的回答，Web3的玩家始终可以选择如何表达自己的游戏体验，这恰恰构成了Web3游戏与Web2游戏的关键区别。虽然Web2生态中也存在“边玩边赚”的群体，但这一模式并未嵌入其系统设计之中，而Web3游戏则将其深度整合。因此，我想问的是：Web3游戏与Web2游戏的根本区别是什么？在我研究的社群讨论中，这一问题不断出现，许多人都在思考Web3究竟能提供哪些独特价值。

A： 是的，首先许多Web3游戏玩家本身就是游戏老玩家，他们此前主要玩Web2模式的游戏，甚至更传统的电子游戏。例如，最早一批接触游戏的人是在网吧小型计算机上开始玩游戏的。而Web3的核心吸引力在于“所有权”概念。NFT不仅因其创收潜力受到关注，更重要的是，它赋予玩家真正的数字资产归属权——他们可以拥有一只Axie，甚至组建团队，并将这些资产记录在区块链上。

对部分玩家而言，这不仅是游戏体验，更是一种探索Web3及其语言体系的方式。他们希望了解：什么是Axie？什么是数字钱包？加密货币意味着什么？对于这些玩家而言，学习这些知识不仅仅是出于短期盈利的目的，而是基于一种长期的信念——他们坚信这些技术不会消失，而将持续发展。因此，他们愿意积极投入，即便有些人表示未来可能会退出，原因在于某些经历可能让他们感到压力和不适。但总体而言，大多数人仍持积极态度，认为新机遇会不断涌现，并愿意持续尝试。

研究Web3游戏时，我们需要结合特定群体的背景进行分析，尤其是年龄因素。在我研究的案例中，许多玩家是年轻的学生，他们尚未承担家庭经济责任，因此并不完全依赖游戏收益。这与四五十岁需要养家糊口的玩家群体形成了鲜明对比。因此，从人口统计学角度来看，年轻玩家更倾向于实验性探索，而年长群体则更为谨慎。

此外，还有一部分玩家对投资有着深刻理解。他们通常已经具备股票投资经验，是加密货币的早期使用者，拥有数字钱包，并进一步吸引他人进入这一领域。这种“先行者”效应在游戏产业中至关重要。回顾2000年代初，苹果等科技巨头在亚洲布局制造业务的同时，大型游戏公司也开始将业务外包至香港，以利用更低廉的劳动力成本。更早之前，中国甚至在电竞兴起前便出现了“打金农场”现象，为西方玩家代练升级。这种数字劳动模式从2000年代初一直延续至2017年Crypto Kitties的出现，再到Axie Infinity的兴起，始终未曾消失。

当区块链游戏在2017年重新进入全球市场后，业界开始重新关注游戏的“公共性”问题。Peter等学者的相关讨论成为研究热点，而Web3游戏不仅重新定义了游戏内经济系统，同时也深刻影响了全球数字劳动模式与技术发展路径。

Q： 感谢您的研究与分享，我对此非常感兴趣。您提到访谈主要集中在2022至2023年，我想进一步了解：您是否对受访者进行了持续追踪，甚至到现在？特别是在区块链市场波动（从2022年至今）的背景下，我想知道他们在游戏中的投资时间跨度，以及在市场变化过程中，他们的行为是否有所调整。此外，您提到有些人的社会身份得到了扩展，而有些人可能经历了“意外”。我想进一步了解这些“意外”具体指的是什么？这是否与Cheryll的研究有所关联？最后，我也很好奇，如果游戏不再是他们的选择，Axie的参与者是否会转向平台劳工或自由职业等其他形式的工作？

A： 我没有在过去一年里对他们进行持续跟踪，因此我的回答只能基于他们当时的反馈，以及我们询问他们未来规划时得到的信息。

在当时，许多人因“加密货币寒冬”而退出了游戏。随着加密资产价值的大幅下跌，许多玩家表示，他们不再愿意为此焦虑。然而，受访者强调，无论他们是否继续游戏，他们都从中积累了重要的技能。我询问他们未来的职业规划时，他们提到了自己的专业背景，包括土木工程、统计学、媒体研究和心理学等。

关于移民问题，一些人表示，他们希望通过积攒资金支付学费，从而有机会移民求学。例如，有人计划前往冰岛，因为听说那里的制度良好，正在为此存钱；还有人希望去美国或澳大利亚攻读护理专业。此外，一些受访者考虑将自己的游戏经验转化为职业发展方向，即成为专业的内容创作者，即使不再玩游戏，他们依然能够撰写高质量的Web3游戏评论，分析一款游戏的优劣。这使他们能够进入产品测试领域，从事与游戏相关的工作。他们表示，这类工作不仅有趣，而且他们擅长，并且薪资比菲律宾本地薪酬水平要高得多，尽管相比硅谷或欧洲同行仍然低得多。

关于投资和金钱，实际上更多涉及技能积累，尤其是对女性而言。男性受访者普遍认为，他们已经掌握了这些技能，并愿意继续学习，不会对此感到畏惧。而对于女性来说，这为她们提供了进入新领域的机会，在这个空间中，她们不再仅仅被视为女性，而是可以作为优秀的职业玩家、内容传播者或游戏公关人员获得认可。她们认为，这是一个未来的发展方向，并且希望未来能够成为自由职业者或数字游民。因此，观察这些人的职业流动性是非常有趣的。

讲者介绍

萨斯基亚·维特伯恩
Saskia Witteborn

简介： Saskia Witteborn现任香港中文大学新闻与传播学院教授。她获得华盛顿大学（WSU）博士学位，专攻批判性技术研究和移民与流动过程的数字化转型。她曾与北美、欧洲、东亚以及数字空间的移民合作。Saskia曾任柏林自由大学（The Free University of Berlin）、柏林洪堡大学柏林实证移民与融合研究所（The Berlin Institute for Empirical Migration and Integration Research at Humboldt University）、法国国立高等电信学校（Télécom Paris）以及伦敦政治经济学院（The London School of Economics）访问学者。她的研究成果发表于合集和权威期刊，包括《传播学杂志》（Journal of Communication）、《文化研究》（Cultural Studies）、《远程通信与信息学》（Telematics and Informatics）和《融合》（Convergence）等。她是《不羁之言：流离失所与越界政治》（Unruly Speech: Displacement and the Politics of Transgression）（Stanford, 2023）的作者，《SAGE媒体与移民手册》（The SAGE Handbook of Media and Migration）（SAGE, 2020）的合著编辑，以及《在一起》（Together）（Oxford, 2005）的合著者。

注释：

  1. 原文为：Captures sentiment of people/institutions in lower- and middle-income countries to be denied agency in restructuring the global order (Hogan & Patrick, 2024) ↩︎
  2. 这里的纪录片指的是网络社会研究所近年项目“文化与技术三部曲”系列所拍摄的纪录片。 ↩︎
  3. Axie Infinity是一款区块链游戏，由越南工作室Sky Mavis开发。该工作室以使用基于以太坊的加密货币的游戏内经济体系而闻名。它被称为“依靠菲律宾等国家廉价劳动力来推动其增长的金字塔计划”。 ↩︎
  4. 边玩边赚（Play-to-Earn, P2E）游戏是一种基于区块链技术的游戏模式，允许玩家通过游戏内活动赚取可兑换为现实价值的数字资产，例如加密货币或NFT（非同质化代币）。 ↩︎
  5. 社会技术可供性指在特定社会技术环境下，技术为个体或群体提供的行动可能性或空间。 ↩︎
  6. 区块链帝国主义是一个批判性术语，用于描述区块链技术在全球政治经济框架下被权力主体（如国家、跨国公司或技术精英）利用，以延续或强化不平等权力结构、资源攫取或文化支配的现象。尽管区块链技术常被标榜为“去中心化”和“民主化”工具，但在应用上可能成为新的数字殖民主义或技术霸权载体。 ↩︎
  7. 种族资本主义一般指资本主义与种族主义在历史与结构上的共生关系。它揭露种族分类本身是资本为合理化剥夺（如土地征用、奴隶制）而建构的社会范畴。 ↩︎
  8. 在该语境下掠夺性包容可以用于分析Web3游戏如何将菲律宾玩家纳入全球资本体系，使他们成为游戏经济的劳动力，同时面临经济不稳定和剥削性规则的风险。 ↩︎
  9. 原文为：Game ongoing material and symbolic existence in coded space（boyd, 2008） ↩︎
  10. 这里的三个因素指：Spatial flexibility (class)、Temporal flexibility (gender)和Imagined futures (“scholarships”) ↩︎
  11. 原文为：newfound agency through cryptographically verifiable ownership in digital domains(Nabben, 2023) ↩︎
  12. Cockfighting competitive blood sport: Spain(Marvin, 1984), Bali (Geertz, 1973), UK, Philippines (G uggenheim, 1994) ↩︎
  13. Web3: Onboarding the next billion users — The road ahead ↩︎
]]>网络社会研究所Google Earnings, Search Status, China Antitrust Actions2025-02-05T12:34:02+00:002025-02-05T12:34:02+00:00https://nodebe4.github.io/opinion/2025-02-05/Google%20Earnings,%20Search%20Status,%20China%20Antitrust%20Ac

Google Earnings, Search Status, China Antitrust Actions ——

Investor disappointment in Google is overwrought, while Search is showing some positive results from AI. Then, China is investigating Google and Apple for very different reasons.
]]>Ben ThompsonThe two quantum revolutions : From concept to applications｜宋恭源先生頂尖研究講座2025-02-05T02:15:51+00:002025-02-05T02:15:51+00:00https://nodebe4.github.io/opinion/2025-02-05/The%20two%20quantum%20revolutions%20:%20From%20concept%20to%20appl

The two quantum revolutions : From concept to applications｜宋恭源先生頂尖研究講座 ——

拍攝日期：2024/10/15主講人：Alain Aspect（2022年諾貝爾物理獎得主）宋恭源先生頂尖研究講座係全校性專題講座，邀請諾貝爾奬得主和國外具世界知名度之重量級學者，進行演講與學術交流，以拓展師生同仁宏觀之國際視野。本場邀請2022年諾貝爾物理獎得主Alain Aspect教授提供科普演講，隨後與諾貝爾化學獎得主李遠哲教授進行聯合論壇，歡迎全校師生踴躍參與。講者介紹：Alain Aspect 教授是一位著名的法國物理學家，以其在量子力學和量子糾纏領域的開創性工作而聞名。他出生於 1947 年，於1965年在卡尚高等師範學院學習，1969年獲得巴黎大學奧賽科學學院物理學學士學位，1983年獲得光學研究所博士學位。在1980 年代初，Alain Aspect 教授 即進行開創性的實驗，確定「貝爾不等式」的違反，證實了量子糾纏現象，他的實驗為量子粒子的非局域行為提供重要的證據，他的工作對我們了解量子層面之真實性的基本性質產生深遠的影響。Alain Aspect 教授因對物理學的貢獻而獲得了無數獎項和榮譽，包括2022年諾貝爾物理學獎，2013年，巴爾贊獎，2013年，尼爾斯·波耳國際金獎，2013年，獲聯合國教科文組織尼爾斯·波耳獎章，2012年，阿爾伯特·愛因斯坦獎章，2010年，沃爾夫物理學獎。1999年馬克斯·伯恩獎等。Alain Aspect 教授是量子物理領域一位深具影響力的科學家，他的研究為量子計算和量子密碼學等技術開闢了新的可能性。李遠哲，1936年出生於台灣新竹，因其在化學動力學領域的開創性研究貢獻，獲得1986年諾貝爾化學獎。1959年國立台灣大學學士學位，1961年國立清華大學碩士學位，之後前往加州大學柏克萊分校攻讀，於1965年獲得博士學位。他的研究重點是使用先進的光譜技術來研究化學反應的動力學，進而更佳理解化學的基本過程。他在美國芝加哥大學和加州大學柏克萊分校等機構任教近三十年，擔任各種學術和研究職務。1994年回到台灣擔任中央研究院院長。除了科學工作外，李教授熱心倡導科學教育和國際科學合作。他曾擔任國際科學理事會主席，並參與多項旨在推動全球科學研究和教育的措施，以及促進環境永續發展。現在李教授仍持續在科學界積極發聲，倡導科學研究和合作在面對全球挑戰的重要性。►►臺大演講網Website: http://speech.ntu.edu.twFacebook: http://www.facebook.com/ntuspeech
]]>臺大演講網From Einstein and Bell to quantum technologies : entanglement in action｜宋恭源先生頂尖研究講座2025-02-05T02:12:18+00:002025-02-05T02:12:18+00:00https://nodebe4.github.io/opinion/2025-02-05/From%20Einstein%20and%20Bell%20to%20quantum%20technologies%20:%20e

From Einstein and Bell to quantum technologies : entanglement in action｜宋恭源先生頂尖研究講座 ——

拍攝日期：2024/10/14主講人：Alain Aspect（2022年諾貝爾物理獎得主）講者介紹：Alain Aspect 教授是一位著名的法國物理學家，以其在量子力學和量子糾纏領域的開創性工作而聞名。他出生於 1947 年，於1965年在卡尚高等師範學院學習，1969年獲得巴黎大學奧賽科學學院物理學學士學位，1983年獲得光學研究所博士學位。在1980 年代初，Alain Aspect 教授 即進行開創性的實驗，確定「貝爾不等式」的違反，證實了量子糾纏現象，他的實驗為量子粒子的非局域行為提供重要的證據，他的工作對我們了解量子層面之真實性的基本性質產生深遠的影響。Alain Aspect 教授因對物理學的貢獻而獲得了無數獎項和榮譽，包括2022年諾貝爾物理學獎，2013年，巴爾贊獎，2013年，尼爾斯·波耳國際金獎，2013年，獲聯合國教科文組織尼爾斯·波耳獎章，2012年，阿爾伯特·愛因斯坦獎章，2010年，沃爾夫物理學獎。1999年馬克斯·伯恩獎等。Alain Aspect 教授是量子物理領域一位深具影響力的科學家，他的研究為量子計算和量子密碼學等技術開闢了新的可能性。►►臺大演講網Website: http://speech.ntu.edu.twFacebook: http://www.facebook.com/ntuspeech
]]>臺大演講網間距論再探：後全球時代的東西文化間-談｜尖端講座系列2025-02-05T02:00:25+00:002025-02-05T02:00:25+00:00https://nodebe4.github.io/opinion/2025-02-05/%E9%96%93%E8%B7%9D%E8%AB%96%E5%86%8D%E6%8E%A2%EF%BC%9A%E5%BE%8C%E5%85%A8%E7%90%83%E6%99%82%E4%BB%A3%E7%9A%84%E6%9D%B1%E8%A5%BF%E6%96%87%E5%8C%96%E9%96%93-%E8%AB%87%EF%BD%9C%E5%B0%96%E7%AB%AF%E8%AC%9B%E5%BA%A7%E7%B3%BB%E5%88%97

間距論再探：後全球時代的東西文化間-談｜尖端講座系列 ——

拍攝日期：2024/05/29與談人：朱利安（François JULLIEN）（巴黎人文之家基金會「他者性講座」教授） 主持人：廖咸浩（臺大人文社會高等研究院院長、臺大外國語文學系特聘教授）現場口譯：卓立博士（法蘭西學院文明研究所文獻中心研究員）講者簡介：朱利安教授是法國哲學家、希臘學學家和漢學家。畢業於巴黎師範高校，1974年取得法國大學教師資格，隨後1975-1977年去了北京大學和上海復旦大學學習中文和中國思想。1978-1981年擔任法國漢學中心香港分部主任，1985-1987年在東京日法會館任駐地研究員。1978年取得高階博士學位，1983年取得法國國家東亞研究博士文憑。曾任法國漢學學會會長（1988-1990）、巴黎迪德羅大學東亞研究部主任（1990-2000）、巴黎國際哲學院院長（1995-1998）、當代思想研究院院長以及葛蘭言研究中心主任。他曾是法國大學研究院資深院士（2001-2011）。2011-2022，巴黎人文之家基金會「他者性講座」教授。2010年德國漢娜‧鄂蘭獎（Prix Hannah Arendt）、2011年法蘭西科學院哲學大獎得主。 演講摘要：朱利安教授的研究方法不比較東西文化，而是從東西方各自傳承的文化資源當中探察出雙方的間距，從而審視它們當下的文化呈現，以及這些文化面貌於今日全球化及後全球時代所展現的影響。 自上古周朝後，古代的上帝觀逐漸被天觀取代，因此上帝觀沒有在東方發展為宗教信仰。爾後儒家與道家思想興起，儒家的道追求的是規範天下的道德統一性；道家的道則注重「通」，即道通為用。而道不會引到一個最終目的，而是多元性的敞開，以讓生活和生命暢然。 這樣的「道」能夠為接受「道路、真理、生命」之宗教信仰的歐美帶來重要的啓發。歐美現代思潮迫使他們的「神」觀後撤，但這個「神」仍然影響著他們的日常。然而在「神」觀後撤之後，人們該如何思考「不可約比的」事物和情況？►►臺大演講網Website: http://speech.ntu.edu.twFacebook: http://www.facebook.com/ntuspeech
]]>臺大演講網Apple Earnings, OpenAI Deep Research, The Unbundling of Substantiation2025-02-04T12:48:42+00:002025-02-04T12:48:42+00:00https://nodebe4.github.io/opinion/2025-02-04/Apple%20Earnings,%20OpenAI%20Deep%20Research,%20The%20Unbundli

Apple Earnings, OpenAI Deep Research, The Unbundling of Substantiation ——

I give my analysis of Apple's Earnings, and then OpenAI Deep Research does the same, demonstrating the unbundling of substantiation from creation.
]]>Ben ThompsonEP-134 王维嘉：DeepSeek对中美AI竞争意味着什么？（文字版）2025-02-04T12:16:24+00:002025-02-04T12:16:24+00:00https://nodebe4.github.io/opinion/2025-02-04/EP-134%20%E7%8E%8B%E7%BB%B4%E5%98%89%EF%BC%9ADeepSeek%E5%AF%B9%E4%B8%AD%E7%BE%8EAI%E7%AB%9E%E4%BA%89%E6%84%8F%E5%91%B3%E7%9D%80%E4%BB%80%E4%B9%88%EF%BC%9F%EF%BC%88%E6%96%87%E5%AD%97%E7%89%88%EF%BC%89

EP-134 王维嘉：DeepSeek对中美AI竞争意味着什么？（文字版） ——

文字版全文：

03:07 DeepSeek是在“蒸馏”Open AI的大模型吗？
06:56 低成本训练路线能帮助中国AI追上美国吗？？
08:24 为什么说DeepSeek的成功是开源的胜利？
15:59 英伟达的股价暴跌是否说明AI算力的需求是泡沫？
21:28 美国的芯片出口管制政策失效了吗？
23:09 DeepSeek是中国模式的成功还是特例？
26:23 中国学生到美国留学还有意义吗？
31:41 假如人被AI取代，我们可以做什么？
36:23 嘉宾推荐

[00:00:02] 袁莉: 大家好，欢迎来到不明白播客，我是主持人袁莉。本周最热的话题毫无疑问是DeepSeek深度求索。这家位于杭州的初创企业上周发布的低成本人工智能模型DeepSeek在周一引发了美国股市地震。当天，所有与AI人工智能沾边的股票均重创，其中半导体公司英伟达股价当天下跌17%，市值蒸发5000多亿美元。从技术上，DeepSeek有哪些进步？如何合理评估它在人工智能发展史上的位置？他是抄了ChatGPT的作业，还是带来了颠覆性的创新？从地缘政治角度，这是否意味着芯片、算力不再是关键因素？美国对中国的技术管制已经失效？甚至像有的人说的，DeepSeek改变了中国的国运。

这一期我们请来了王维嘉先生。他在硅谷有三十多年的创业和投资经历，长期关注科技领域的创新项目。2019年，王维嘉出版了一本专门讨论人工智能的书，叫叫《暗知识：机器认知如何颠覆商业和社会》。维嘉你好。

[00:01:21] 王维嘉: 你好，袁莉。

[00:01:22] 袁莉: 这几天关于DeepSeek有非常多的评论，有些评价非常的高，觉得这是一个革命性、颠覆性的创新，也有一些评价比较低，觉得这不过是一个还不错的迭代更新，你会觉得把它放在什么样的位置上比较合适呢？

[00:01:38] 王维嘉: 它能引起股市这么大的震动，肯定不是一个特别小的创新。它重大的的方面就是大概把推理的成本降低了两个数量级，它的成本大概是OpenAI的30分之一，或者说是1%这个数量级了。科学技术上一般重大创新就是十倍。比如说人走路每小时走五公里，那汽车可以五十公里，这就是一个革命性的创新。从技术上来讲，美国现在发布出来的最新的模型大概是一年前做的训练，这一年当中呢，芯片的发展速度至少有五倍的加速，所以说DeepSeek有个100倍的加速呢，就大概相当于十倍，它的成本可能能比美国低到10分之1，我觉得这也是非常大的一个创新了，所以有人把它叫做拼多多嘛。

[00:02:42] 袁莉: 他们说AI界的拼多多。

[00:02:44] 王维嘉: 我觉得这个评论非常准确，从亚马逊到阿里到京东，已经把电子商务这套都摸熟了，然后出来一个拼多多，别人根本想不到它能赚钱，但它就是非常赚钱。我们抛开技术细节不谈，我觉得中国人在降本这方面全世界绝对第一。

[00:03:07] 袁莉: DeepSeek出来以后，美国刚开始有很多很多人把它捧的很高很高，但是也很快有不少人出来说，其实就是抄作业。OpenAI就说他们发现DeepSeek涉嫌利用他们的专有模型进行蒸馏，侵犯知识产权。你能不能给大家解释一下什么叫做蒸馏？还有你怎么看这种指控呢？

[00:03:30] 王维嘉: 蒸馏是这样，因为大模型的参数，比如说最大的模型是1.75万亿参数，参数越多代表算力的要求就越高，使用起来越复杂。这种大模型就把全世界天文地理从古到今都用上了。但如果你只想要一个医学模型，不需要知道那么多事，要一个相对小的模型就行了，小模型就便宜。所以我就用大模型教小模型。这就叫蒸馏，实际上就是把某一方向的垂直知识从大模型里提炼出来，放到一个小模型里面，这样就不用从头训练小模型了。就像苏格拉底、亚里士多德全、达芬奇是全才。然后，他可以培养出一个数学老师，一个物理老师，一个化学老师，这就是蒸馏，就是师傅带徒弟。说蒸馏一般人不是特别理解，你说带徒弟就全明白了。

[00:04:33] 袁莉: 那你怎么看这样的指控呢？

[00:04:42] 王维嘉: 现在指控有两个方面，一个是说他们不止那么少的芯片，手里还有其被禁运的芯片。这件事儿，我没有任何证据，也没有去研究过，我觉得是完全可能的。现在中国的芯片走私基本上是公共常识，从新加坡、日本、韩国、台湾，这种走私肯定是有的。那一家公司拿到这样的芯片，我觉得是完全可能的。但是从它收费的价格上来看，它就是比OpenAI便宜3分之1，那你说它拿了非常贵的芯片，在API上收费很便宜，那不是亏本吗？人家有利润，就说明它的训练的确比较低才敢定这么低的价格。所以不管它偷没偷芯片或者用了多少芯片，成本是低的。至于有没有禁运芯片，我觉得这个事情谁都说不清楚。

第二，有没有用OpenAI的模型去蒸馏。我觉得在业界，实际上大家都在用，都在互相蒸馏。当然这里面有一个黑白线，在用OpenAI的API的时候有一个协议，就是你不可以用它来训练，如果违反了这个协议，那就是有问题。但是因为我见过的创业公司太多了，中国、美国，反正能工作再说。

[00:06:20] 袁莉: 先做出来再说，是吧？尤其在中国，而且美国的这个法律还治不到中国去。

[00:06:26] 王维嘉: 所以我觉得这些东西说不清楚，也没有任何证据，我觉得是完全有可能的，不能排除。但是你也不能确定，也许人家用的真的全是合规的芯片，然后一点儿没违反协议，这也是完全可能的。所以这东西说不清楚。我觉得讨论这个意义不是很大，也许美国政府的人从国家安全的角度可以，但像我们搞技术的，对这一点都没兴趣。

[00:06:56] 袁莉: 低成本训练模型的路线有没有可能帮助中国的人工智能发展追上美国？中国有可能会出现更多的DeepSeek吗？

[00:07:07] 王维嘉: 人工智能的发展这十来年里，降低成本一直是一个非常重要的方向。过去几年经常有各种，比如把成本降了一半的发明。降成本有几个方向，一个是芯片，每一代新的芯片都能把成本降一半，这就是黄仁勋老说的：the more you buy the more you save。另外算法上也经常有各种各样的突破，有节约两倍的，节约四倍的，但像他们这样一次能够将近一百倍，我觉得还是蛮大的一次突破。

能不能帮助中国缩小差距是很显然的。因为我用比较差的芯片，就可以达到好的芯片同样性能。但是这件事是这样的，因为它是开源的，所以全世界的人马上就都可以学会了，这就和中国学美国的技术一样的。只要是开源的，比如说美国的芯片比中国快十倍，那现在大家都用这个最好的算法，那美国整体还是比中国先进十倍。所以说我在想，会不会中国政府要求以后不要公开算法了。他们掐我脖子，我们也掐他们脖子。这是有可能的，这是我的瞎猜。

[00:08:24] 袁莉: 开源和闭源这两个模式在中美两国的AI企业中都有支持者，比如说OpenAI就是闭源，然后Meta，就是Faceboo是开源。这两者的区别是什么呢？在DeepSeek引发关注以后，MIT的这个首席人工智能科学家也说，并不是中国的人工智能超越了美国，而是开源模型正在超越专有模型。你认同这个说法吗？

[00:08:52] 王维嘉: 我用挖金矿给大家举个例子。比如现在可可西里发现金子了，然后无穷多的人去找金矿。先去找到金矿的人肯定不告诉你金矿在哪儿，对不对？最好连方向都不告诉你。就好像把一个很绿色的岛叫Iceland冰岛，把一个很冰的岛叫greenland格陵兰，就是为了不让你。这就是闭源。走在最前面发现的金子的人不想让人知道，从人性角度很能理解。

作为后来者怎么办呢？有一招可以这么做，比如说一共100个小分队去找金子，咱们这五十个小分队，结成一个开源。我只要在一个方向找到了金子，我就告诉大家，这个方向有金子的，大家全来这个方向一起来找，找到金子也要分享。这样找到金矿的可能性就大了。但是这开源里也分成几种，一个叫彻底开源，就是把源代码都开源，甚至把研究过程都告诉你。这是最彻底的开源。但是Deepseek不是这样的，它做的是权重开源，也就是模型开源。你可以拿着模型自己运行。这相当于挖矿的人告诉大家，这条路往西北二十六度这个方向有金子，但是具体我的金矿在哪儿，我是不告诉你的，你得自己挖。既然这个方向我发现了金矿，可能你们在其他地方都能发现金矿。

因为人多力量大。所以一般后来者会选择开源。OpenAI原来也是开源的，当ChatGPT发布以后，这个简直是万亿的市值，当然得自己捂起来了，就变成了闭源，这个非常非常容易理解。

像Meta，Facebook，它比较落后了。他选择了开源。至于开源能胜利还是闭源胜利？这真的很难说啊。开源的最大好处就是大家一起往前走，但开源有一个很大的问题。如果我告诉你这条路上有金矿，结果你发现金矿不告诉我怎么办？所以在开源社区里，绝大部分人是搭便车的，是自己占了便宜以后不和别人分享的。所以你要做开源的领袖，你最重要的就是你知道有90%的人是搭便车的，但你也要继续做这件事，所以说特别难，找到商业模式也很难。所以我觉得开源和闭源各有各的问题，不是哪个就一定好。比如DeepSeek现在发现这么大的一个金矿，它是不是继续开源，我觉得大家要拭目以待。

[00:11:43] 袁莉: 我和一个专门做AI研究的人讨论，他说OpenAI现在面临一个困境，它可能研究出来很多东西，但是不能说，他一说就像你刚才说的，就给大家指明了大致的方向，后来者就很容易知道往哪个方向去努力。

[00:12:06] 王维嘉: 他们指出的最重要的方向就是大语言模型这个方向。这方向实际上是谷歌2017年出来的。当时大家觉得语言处理过去就是翻译，这有什么用？才多大市场？所以他们就不研究了，没有再往下扎。但是OpenAI这些人觉得，那不行，语言是包含世界的，我们的思想边界就是语言的边界。维特根斯坦就是这样的理解。他们对这个理解更深，觉得要往这深挖。等ChatGPT一发布，大家就发现：哇，大语言模型这才是真正金矿。什么视觉处理、图片处理。机器人太小儿科了。其实OpenAI最早是要做机器人的，结果现在大家现在全拥到这上面了。

这就是你刚才说的问题，去年9月24号它发表O1 model的时候，它说在推理训练上使劲是正确方向，人们就又冲过来了。包括DeepSeek都是跟着OpenAI屁股后面追的，但他们又发现一条小路叫自动训练，不用人工了。这条小路是他们发现的。现在很多人也会跟着往前找，但是我觉得这两条大路还是OpenAI找出来的，这个是毫无疑问的。所以说创新还是有数量级的差别的。

[00:13:29] 袁莉: 我看你对DeepSeek的开源给了非常高的评价，为什么作为一个中国公司开源，你会评价这么高呢？

[00:13:36] 王维嘉: 原因就是在中国开源更难。我刚才说了，开源在全世界都很难，而且它是一个独特的西方的，特别美国的这样一种社区文化，你基本上是贡献。比如咱们都用wikipedia维基百科，我每年要给他们捐钱。大家用的很多。但是捐钱的有多少呢？

[00:13:57] 袁莉: 非常少，1%。

[00:13:59] 王维嘉: 1%。但是这东西对我们都有用，对我们俩来说，离了维基百科可能都不能活了。这么好的一个东西，它面临着生存问题，如果不是捐钱就真的活不下去。在中国更不要。这东西没好处，不能赚钱，中国人不愿意做。所以我觉得这种精神在中国极为稀缺，我作为一个技术理工男，对他们有有一种尊敬，我觉得这帮小孩确实很了不起。

[00:14:29] 袁莉: 尤其我看三十六氪的两篇采访，记者就不停的问，你有电费，你要养人，你有各种成本，你的商业化的模式是什么，就不停不停地问，这个人就不停地说赚钱不是我想的事情。

[00:14:44] 王维嘉: 你看中国的公司，过去说因为中国是没钱，不能做这些异想天开的事。但今天的阿里、百度、腾讯，他们账上也几百亿、上千亿美金，他们有没有做这种天马行空的事？我觉得很少。我觉得这不是钱的问题，完全是一个民族的精神的问题。所以我觉得这帮小孩特别可贵，就是在这儿。

[00:15:12] 袁莉: 大家好，我是袁莉，你们刚刚听到的精彩对话背后有几十个小时的精心准备和制作，这需要阅读大量资料，花时间与采访对象沟通，只有这样才能问出好的问题，才可能进行有深度的对话。不明白播客会继续致力于制作高品质的新闻内容，让中国人听到深刻的思考、真实的情感。在这个灰暗不确定的年代，听到彼此心中的一点坚持。请大家继续支持不明白播客，让我们把这个事业长期地进行下去。欢迎听众朋友们到我们本期的内容简介里点击捐赠链接，或者访问我们的网站，bumingbai.net的捐赠页面。

[00:15:59] 袁莉: 这几天股市的反应非常大，特别是英伟达的股价受到了重创，这是不是意味着英伟达或者说芯片算力以后就没有那么重要了呢？

[00:16:10] 王维嘉: 我觉得这是一种静态的思维。就是说我现在节省了一百倍，以后就只需要1%的芯片。但是你不知道的是，未来对芯片的需求几乎是无穷无尽的，你可以这样想：算力等于什么？等于智能。智能等于什么？等于财富。人对财富的追求是无穷无尽的。我认识很多大企业家，没有一个人觉得我钱赚够了。我有一个Billion，我一定要赚十个Billion，我十个Billion，我想赚100个Billion，我有了100个Billion，我还没有马斯克有钱，对吧？所以对于算力的需求，就是对钱的需求，是无穷无尽的。这是第一点。

从微观角度看，如果你能用一个10亿美元的模型做出一个初级的程序员，或者一个初级的会计，那现在比如因为DeepSeek这样的节省哈，你可能用一亿美元就能做出来了。但是我如果还花10亿美元，我就能训练出一个中级的工程师和中级的会计，要是花100亿美元就能训练出高级的工程师。所以我还是要花那么多钱，对于算力的需求是无穷的。只是等于把原来的AI的功能提前实现了。比如有了10万颗芯片，现在能做的事情一下子变多了，但是我还有更多的事想做，所以我还要花那么多钱。

你看昨天Meta和微软的财报发布。Meta要投650亿美元，微软要投800亿美元，几乎把他们的自由现金流全砸去买芯片了。回过头来回答你问题，为什么市场反映这么大？因为AI这次AI大革命是人类在一个十字路口上，在一个荒原上，谁都不知道前面的路在哪，谁都说不清楚。像OpenAI的Sam Altman这些人能够比我们多看几步，但大部分人是不清楚的。华尔街这些人相当于是金矿的探险队的资助者，他们住在城里头啊。探险队队长有时候跟他打个电报，说我们老板进展还比较顺利。那些探险队的队长，就是微软的CEO，Meta的CEO，伊隆马斯克这些人，他们在第一线。他们手下有好多分队去探险，然后每天回来给他们报告新的消息。所以他们在第一线就有很多real signal真实信号，或者是体感。你想这些人所在的都是上市公司，他把自己的所有现金流全部砸进去了。他不可能一拍脑袋做这种事，一定是看到了巨大的机会。所以这时候华尔街和第一线的这些操作者们之间有巨大的差距。包括这些分析员们，分析员们最多和我一样做做research，他们是没有体感的，有信息差，有认知差。

[00:19:19] 袁莉: 你那个流传很广的讲话里面谈到的Jevons paradox，现在在美国大家也谈很多，你能不能解释一下这是什么，为什么大家都在说这个呢？

[00:19:30] 王维嘉: Jevons paradox杰文斯悖论，这是英国的经济学家在1860年发现的。当蒸汽机的效率提高了以后，按道理对煤炭的需求量应该减少，但事实上是大幅增加。我举个简单的例子，比如原来英国一共有100台蒸汽机，那一台蒸汽机一天消耗一吨煤，那一天就是100吨煤。这些蒸汽机又大又笨，就在矿井抽水。突然有工程师把它改进了十倍，现在一天烧100公斤煤，那按道理说100台蒸汽机原来是一百吨，现在十吨就够了。但事实上是什么呢？大家一看蒸汽机现在这么好用，这么便宜，而且变轻了，变小了，那是不是可以考虑除了矿井以外，可以做运输，拉火车、拉马车、煤、粮食等等。结果蒸汽机就从原来一百台变成一万台了，每台还是消耗100公斤煤，现在的煤炭需求就从原来的一百吨变成一千吨了。它的效率提高造成了它的耗煤量大幅增加。

我觉得DeepSeek实际上是同样一个道理。比如OpenAI可能已经能做出Agent来帮你规划你的所有的旅行，但是弄一次$200。你说这太贵了，我自己花个半个小时也可以。但如果一次$2，那你肯定让它做了。你可以这样想象，现在OpenAI一共有3亿用户，我不知道付费用户有多少，也许有1亿，一个月交20美元，假如你把你的账单、旅行，家里的杂事都给它，然后一个月收50块，那你肯定愿意付。而你愿意付的这个意愿就和手机一样，你就离不开了。全世界可能有50亿的人，或者是70亿的人愿意一个月付50块，那这个市场多大？

[00:21:28] 袁莉: DeepSeek能够用性能不是最好的英伟达芯片开发出这么先进的技术，或者是这么有效率的技术，这是不是证明美国对中国的芯片出口管制失效呢？没有起到应有的效果呢？

[00:21:47] 王维嘉: 刚才我们说的这个走私怎么堵得住？这是一个。还有一个，算法都是公开的，你的算法上只要开源，只要发表，大家都在同一个水平。现在DeepSeek把它降到原来1%，现在所有美国的算法都可以借鉴，它的东西也可以达到这样。但是如果美国的芯片比中国还是快十倍，那整体来讲，美国的整个的大模型的能力还是要高十倍。这就今天Anthropic的CEO Amodei也在说：你走私几百个、几千个芯片可以，但是几百万个可能就比较困难了。所以我觉得这不能代表制裁失效，还是让中国很困难。或者反过来说，假如你现在说放开制裁，那你说中国这些公司该多高兴啊。

[00:22:40] 袁莉: DeepSeek这一波走红会让美国政府反思对中国高科技的限制吗？因为好多人都说这是Sputnik moment斯普特尼克时刻，就是苏联放卫星的时候美国受到的震动。

[00:22:52] 王维嘉: 这次震动其实挺大的，最主要是因为股市。你想川普的这种人不懂技术的，但是他懂股市。这股市跌了两万亿，我认为我也不懂，我也和这些人没接触，但是我的感觉应该肯定是进一步加紧控制，肯定是这样。

[00:23:09] 袁莉: 我今天看了一个人写的文章，他说用英文来说，这个DeepSeek的成功是因为中国模式的优越性，还是中国模式下的一个特例呢？

[00:23:27] 王维嘉: 首先中国模式是举国体制。梁文锋他们和举国体制八竿子打不着，就完全一帮小孩，有技术理想，这是我很佩服他们的原因。如果是举国体制，他死定了。如果一开始就是政府要他干的，他肯定做不出这样的结果。所以我觉得是中国模式的特例，是受美国的开源社区技术理想主义的影响，我觉得这是No.1的文化价值。梁文锋的文化价值。

[00:23:59] 袁莉: 我也这么觉得，我觉得他非常特别，不像中国公司。所以有人就说，实际上这个深度求索更像真正的openAI。还有就是梁文锋最近受到了中国总理李强的接见，我不知道你愿意不愿意猜测一下，李强为什么要接见梁文锋呢？中国政府会想要把深度求索纳入自己宏伟的科技强国的计划吗？如果你是梁文锋，一下受到中国政府这么大的关注，接下来你会怎么做呢？

[00:24:33] 王维嘉: 这个很好理解，因为中国现在对人工智能很重视，政府高度重视，现在又做出这么大一个突破，等于是中国的第一，最牛的团队。所以如果讨论人工智能产业政策，那肯定请他来座谈，我觉得这都非常好理解。下一步政府对它是什么样一个要求，那我就不知道了。如果把它纳入举国体制，一切按国家的意思来，我觉得这个团队就完蛋了。

[00:25:05] 袁莉: 如果这个公司是你投的，它怎么面对政府的各种的示好，要给它资源什么之类的，要纳入举国体制，有没有办法不要？

[00:25:17] 王维嘉: 我觉得如果是一个创业公司的话，给资源肯定是会要的，给你钱，给你更多的芯片，把不多的芯片都堆到你这来。我猜测，就按着人性来，从常识出发，他是会要的。但是天下没有免费的午餐，我给你钱，给你资源，给你支持，那你是不是得听我的？各级的科委，主任，省长、部长，全得来视察，光接待他都受不了。所以我总体来讲，我觉得对他不是个好事。

[00:25:52] 袁莉: 嗯，我和一个AI的投资人聊，他说他最好就是推掉，不然的话就每天的各种参观的，接待的这种。

[00:26:01] 王维嘉: 推不掉的，你怎么能推掉？完全推不掉。而且如果政府真的给他提各种各样要求，他也没有力量去拒绝他。不可能的，完全不可能。所以这就是这问题。如果你在美国的话，我完全可以门一关，谁都不接见，总统来了我都不见，对不对？完全可以，没人把你怎么样，那在中国你怎么敢？

[00:26:23] 袁莉: 还有一个被广泛讨论的就是他的团队主要是中国本土大学培养的人才，比如清华、北大、中山大学、浙大这些的中国大学。这是否意味着美国这几年对中国的理工科学生的签证有很多的限制，这种政策其实没有什么用，甚至还适得其反呢？

[00:26:46] 王维嘉: 我觉得挺难说。如果这些最聪明的小孩到了美国来，我觉得他还是能上一个层次。当然他本来就很聪明。梁文锋他们主要是在六七个方面有改进，我觉得这些人足以胜任做这样的事。但我觉得如果他们能到美国来，对他们个人来讲肯定还是一个很大的提升。

比如说我在斯坦福读书。首先，我的导师们都是各个学科的开山鼻祖，像我当年做Neural Network神经网络，他们从1959年最早开始做，你和这些人耳濡目染在一起，他的格局，他问题的方法是完全不一样的。第二点，我当时刚刚到斯坦福，在中国的80年代，其实现在也有人这么说：咱们中国人是最聪明的。我到这一看，中国人是不笨，但是人家法国人、以色列人、印度人没有一个笨的，能进斯坦福、伯克利、哈佛的都是世界上顶尖的人。所以说中国人最聪明完全是bullshit。这些人原来在北大、清华可能是TOP，到了斯坦福来一看，哇，我就不过尔尔。和这些人的交流，我觉得也是非常大的进步。第三点就是整个社会的开放精神。比如在斯坦福和硅谷的交流啊，每天都非常密集和公司交流各种事情，因为宇宙的中心就是斯坦福，人工智能所有的事都发生在这儿。所以我觉得这些顶级聪明小孩如果能进这种学校，那对他们个人绝对是上一个台阶的概念，但这并不等于他们不出国就做不出这样的成绩，因为他聪明嘛。另外我刚才说的，现在交流也比较充分，就是读paper啊，还有GitHub这些开源的东西，他们在国内也能看到。但是整个格局我觉得可能还是受限制。

[00:28:45] 袁莉: 那说明美国的学生签证的政策还是有用的，对不对？就是对美国是有用的。

[00:28:51] 王维嘉: 我觉得签证是很复杂的一件事，我也想不清楚。到底是应不应该让中国最聪明的小孩来学这些最先进的科技，我也没去研究过。如果全都回到中国，那肯定对美国是损失，都留在美国，那肯定对中国的损失。到底多少会留下，多少人回去呢？就不知道了，所以这事儿就不好说了。

[00:29:16] 袁莉: 自从ChatGPT引领了AI热以后，相关的股票和投资飞涨，数以亿计的普通用户以及文字和代码工作者用大语言模型提升了他们的工作和生活效率。你刚才也说了，很多的企业也大力投资大预言模型和生成式AI，但是到目前为止，我们还没有看到特别盈利和成功的应用场景，你觉得什么样的企业和应用场景能够利用这项技术实现商业上的成功呢？就像当时那个互联网出来的时候，那么多人都在做，但是呢，这个最后成功挣钱的东西，还是用了好久。

[00:29:57] 王维嘉: 现在ChatGPT本身年收入已经可能几十亿，接近百亿了。就是这个run rate。然后Anthropic的CEO自己说，他们现在的收入一年中从一亿到了十亿。它的收入主要是写软件编码，我觉得编码是可能是第一个最能赚钱的，原来一个工程师能做一个人的事，现在一个人可以做十个人的事。你的coding，debugging，好多都让软件做了，你只要是把软件的架构搭好，然后有大的格局观，很快就可以把软件做出来。为什么过去软件工程师一直稀缺呢？你永远招不到足够多的软件工程师。但现在等于是AI替你做了。我觉得这对生产力是一个爆炸性的增长。

另外下面的Agent，比如说企业现在第一步先做的客服。原来你订机票给人工打电话多费钱。即使弄到印度去做也很费钱，而且口音也听不清楚。现在用AI做客服，一下就把这个问题全解决了。下面不光能做客服，还可以做销售，做Marketing市场。所以一个企业里几乎所有的工作，从律师到人事到工程师，全能AI做。AI现在一点点在蚕食人的工作，或者说放大人的能力。原来十个人做的事，现在一个人就能做了，还需要一到两年的时间吧。但是我觉的现在是在爆炸的前夜。

[00:31:31] 袁莉: 那你觉得这个浪潮的多大呢？是比互联网和大的吗？

[00:31:34] 王维嘉: 现在看来肯定比互联网大，我真的觉得可能比互联网大十倍。

[00:31:41] 袁莉: 我问一个很陈旧的问题，人就真的是要被替代了吗？

[00:31:46] 王维嘉: 那不一定。你看历史上所有的技术进步替代人，如果有一代人的时间的话，比如你现在生出小孩来，他就自动就学新的东西了。问题就在于如果替代的速度太快，现在被替代的这些人就比较惨，这是一个问题。当然从经济上呢，如果AI能够产生大量的财富的话，也可以用UBI这种方法。

[00:32:13] 袁莉: 就是每个月给你发钱，你就不用去想生计了。

[00:32:18] 王维嘉: 所以至少在美国这样国家，你的基本的温饱应该不会有问题。但是人的尊严不是吃饱饭就能得来的。但是我还要说，目前的AI，是只有智商没有情商的，所以人就可以做大量的情商性的工作。比如说你是一个特别有同理心的人，特别是女性，我觉得未来比男的要更有前途。男的可能就傻眼了，一个男的就是靠智力，女的呢，既有智力又有情商。你可以做心理辅导，或者陪伴各种各样的事。我觉得艺术会得到大发展，人可以去做艺术，所以我没有那么悲观。但是有一些比较routine性的工作，比如一些初级白领是会被替代的。

[00:33:11] 袁莉: 肯定有一些家长或者有一些年轻人说我小孩上大学应该报什么专业啊？

[00:33:23] 王维嘉: 我经常被问到这个问题啊，我觉得就学两个，一个语文，一个数学。首先现在这个literacy，叫博雅教育啊，甚至变得更重要了。

[00:33:35] 袁莉: liberal arts education

[00:33:36] 王维嘉: liberal arts education把你培养一个well rounded的人，这比以前任何时候都重要。具体的技术越来越不重要。为什么我说数学重要呢？数学不是技术，数学是一种理念。包括普通物理，或者是基本物理，它其实也是一种理念。所以说数学让你有逻辑的思维，然后liberal arts education让你是一个完整的人。

我觉得把语文和数学学好就行了。当然对中国人来讲，要把英文学好，因为不同的语言让你看到完全不同的世界。

[00:34:15] 袁莉: 那我们最后一个问题吧，你能不能分别站在美国和中国的角度，从DeepSeek这件事上能够吸取什么样的启发或者是教训呢？

[00:34:27] 王维嘉: 站在美国角度，我觉得美国这次反应的有点过度。美国可能觉得过去所有的创新，重要创新都是来自美国。现在有一个来自中国的，大家觉得不应该。其实你仔细想想，有100个小分队在可可西里不同的方向是找金矿，结果这个找到了。这里有一定的偶然因素，就和OpenAI当年发现了这个大预言模型是一个道理。谷歌也会说为什么不是我。微软说为什么不是我，是你们这帮小子。我觉得这和你在具体的世界的哪个位置没有关系，因为现在信息是比较流通的。所以我觉得对这个事应该有一个平常心。

对中国来说，你要看到除了运气以外，那么多模型，百模大战为什么是他们做出来呢？DeepSeek和这些模型的区别是什么？就是它的技术理想主义。我觉得西方的这种精神的影响，自由独立的精神影响，这种开源社区的公益精神的影响，这种纯粹的追求自己爱好更有可能有新的发现。这就是科学的精神。科学不是为了有用，而是我喜欢，或者为了美。这种东西目前中国人还是不太接受。我觉得这是一个稀有的案例，如果中国想为自己好的话，别把这个小嫩芽给掐死了。

[00:35:55] 袁莉: 我看三十六氪里面梁文锋接受采访的时候，说他为什么基金做那么成功，要去做AI。他说我就是想知道AI的边界在哪里，纯粹就是出于好奇心。我当时看了真的特别特别的有感触。

[00:36:13] 王维嘉: 这是去年7月的一个采访，我也看了，我看完以后就注意了，我觉得，哇，这在中国极为稀缺，在中国就是奇葩。

[00:36:23] 袁莉: 绝对奇葩。对，真的是。我们请每位嘉宾推荐三部书或者影视作品，你有什么推荐？

[00:36:31] 王维嘉: 我推荐两本中文的书，一本英文的书。一本是这个叫《消失的真实：现代社会的思想困境》，是金观涛写的。第二本书也是他写的，叫《真实与虚拟：后真相时代的哲学》。我为什么推荐这两本书呢？其实AI发展到了今天，全世界的人都有点懵，我们整个认知框架都被打碎了，不知道这个世界应该是什么样的，什么是真的，什么是假的，什么是善的，什么是恶的。无论是极权主义、还是自由主义、威权主义的意识形态，我觉得现在都有点不适应现在新的这个时代了。金观涛这些书是一个新的探索，能够给大家提供一个新的认知框架，我个人是受益无穷。我还推荐一本英文的书，是很老的一本书，是PeterThiel推荐读的。这本书出版25年了，叫The Sovereign Individual。这本书在二十五年前就预见到了今天的加密货币。我觉得特别牛，那时候还没有比特币，他就已经预见到了。中文可能叫《主权个人》。

[00:38:04] 袁莉: 好，谢谢，谢谢维嘉，也谢谢大家收听，我们下期再见。

]]>不明白播客The De Minimis Loophole, Impact on Amazon and Meta, AI and Abundance2025-02-03T13:39:16+00:002025-02-03T13:39:16+00:00https://nodebe4.github.io/opinion/2025-02-03/The%20De%20Minimis%20Loophole,%20Impact%20on%20Amazon%20and%20Meta

The De Minimis Loophole, Impact on Amazon and Meta, AI and Abundance ——

Trump's new tariffs take aim at the de minimis exception, which has undergirded Temu and Shein growth, and had knock-on effects on Amazon and Meta.
]]>Ben Thompson禁忌史話：李銳日記秘密67｜「毛的秘書幫」張玉鳳：無法說出的紅牆內幕2025-02-02T01:25:21+00:002025-02-02T01:25:21+00:00https://nodebe4.github.io/opinion/2025-02-02/%E7%A6%81%E5%BF%8C%E5%8F%B2%E8%A9%B1%EF%BC%9A%E6%9D%8E%E9%8A%B3%E6%97%A5%E8%A8%98%E7%A7%98%E5%AF%8667%EF%BD%9C%E3%80%8C%E6%AF%9B%E7%9A%84%E7%A7%98%E6%9B%B8%E5%B9%AB%E3%80%8D%E5%BC%B5%E7%8E%89%E9%B3%B3%EF%BC%9A%E7%84%A1%E6%B3%95%E8%AA%AA%E5%87%BA%E7%9A%84%E7%B4%85%E7%89%86%E5%85%A7%E5%B9%95

禁忌史話：李銳日記秘密67｜「毛的秘書幫」張玉鳳：無法說出的紅牆內幕 ——

毛澤東死後，一些身邊工作人員發表了回憶錄。然而時至今日，人們尚未看到張玉鳳回憶錄問世。她到底有沒有回憶錄？都説了什麽？可信度如何？我們告訴大家一些真相。Music:"Cjbeards - Fire and Thunder" is under a Creative Commons license (CC BY 3.0).Music promoted by Breaking Copyright: https://bit.ly/cjbeards-fire-and-
]]>李肅Hi5第一頻道EP-134 王维嘉：DeepSeek对中美AI竞争意味着什么？2025-02-01T23:07:15+00:002025-02-01T23:07:15+00:00https://nodebe4.github.io/opinion/2025-02-01/EP-134%20%E7%8E%8B%E7%BB%B4%E5%98%89%EF%BC%9ADeepSeek%E5%AF%B9%E4%B8%AD%E7%BE%8EAI%E7%AB%9E%E4%BA%89%E6%84%8F%E5%91%B3%E7%9D%80%E4%BB%80%E4%B9%88%EF%BC%9F

EP-134 王维嘉：DeepSeek对中美AI竞争意味着什么？ ——

春节期间，DeepSeek成为全球关注的焦点。有人认为它改变了中国的国运，而争议也在随后出现，DeepSeek被指违规获取了英伟达芯片，通过“蒸馏”的方法使用Open AI数据，美国、意大利、荷兰等多个国家先后对DeepSeek做出了下架、禁用、调查等限制。

DeepSeek带来的是颠覆性的技术创新，还是抄了Open AI的作业？它的出现是否证明了美国对中国技术封锁的失败？DeepSeek代表的是中国模式的优越性，还是说只是一个特例？中美两国的AI技术差距更近了吗？

本期不明白播客请来王维嘉先生，他在硅谷有30多年的创业和投资经历，长期关注科技领域的创新项目，曾出版过一本专门讨论人工智能的著作《暗知识：机器认知如何颠覆商业和社会》。

最后，祝听众朋友们春节快乐，感谢大家一路同行！

时间轴：

03:07 DeepSeek是在“蒸馏”Open AI的大模型吗？
06:56 低成本训练路线能帮助中国AI追上美国吗？？
08:24 为什么说DeepSeek的成功是开源的胜利？
15:59 英伟达的股价暴跌是否说明AI算力的需求是泡沫？
21:28 美国的芯片出口管制政策失效了吗？
23:09 DeepSeek是中国模式的成功还是特例？
26:23 中国学生到美国留学还有意义吗？
31:41 假如人被AI取代，我们可以做什么？
36:23 嘉宾推荐

嘉宾推荐：
《消失的真实》金观涛
《真实与虚拟》金观涛
《The Sovereign Individual》（ 《主权个人》）James Dale Davidson / William Rees-Mogg


官网：bumingbai.net
捐赠链接：https://bit.ly/bmb-donate
推特：@bumingbaipod
蓝天：@bumingbai.net
Mastodon：@bumingbaipod
Telegram：@bmbpod

]]>不明白播客EP-133 中国仿制药与集采制度出了什么问题？（文字版）2025-01-31T14:16:55+00:002025-01-31T14:16:55+00:00https://nodebe4.github.io/opinion/2025-01-31/EP-133%20%E4%B8%AD%E5%9B%BD%E4%BB%BF%E5%88%B6%E8%8D%AF%E4%B8%8E%E9%9B%86%E9%87%87%E5%88%B6%E5%BA%A6%E5%87%BA%E4%BA%86%E4%BB%80%E4%B9%88%E9%97%AE%E9%A2%98%EF%BC%9F%EF%BC%88%E6%96%87%E5%AD%97%E7%89%88%EF%BC%89

EP-133 中国仿制药与集采制度出了什么问题？（文字版） ——

文字版全文：

01:16 仿制药真的不如原研药吗？
06:26 集采的仿制药为什么更容易出现质量问题？
11:00 一致性评价制度是如何在中国失效的？
17:13 集采“唯低价论”带来的后果是什么？
20:42 内资药企与跨国药企的质量把控差异在哪里？
23:55 药监部门的监管出了什么问题？
26:43 反对集采是因为集采动了医生的奶酪吗？
28:27 外资药企为什么进不了集采？
32:07 医院为什么买不到原研药了？
38:03 搞集采是因为医保基金没钱了吗？
39:50 为什么不能把中成药从医保中砍掉？
45:45 嘉宾推荐

[00:00:02] 袁莉: 大家好，欢迎来到不明白播客，我是主持人袁莉。从去年下半年到现在，集采药一直是国内关注的焦点。患者抱怨医院买不到原研药，医生抱怨集采药效果不佳。最近的新闻是上海两会医药界二十名政协委员联名提案，指出某些集采药药效不稳定，麻药不睡、血压不降、泻药不泄，呼吁给原研药留出通道，引起很大反响。仿制药确实不如原研药吗？医院为什么买不到原研药？医保局和药监局应该负什么责任？中国药企和跨国药企在质量把控上有什么区别？今天我们请来了Jamie，他做过多年的外科医生，在国内药企和跨国药企都工作过，对行业有比较深入的了解。为了安全起见，我们对他的声音做了变声处理。Jamie你好。

[00:00:57] Jamie: 袁莉老师你好！

[00:00:59] 袁莉: 你能简单地介绍一下你自己吗？

[00:01:01] Jamie: Ok，好的，我叫Jamie。我以前是一个外科医生，在一个国内的三甲医院从业有大概十多年的时间，从医院出来以后先后在内资药企和外资药企工作。袁莉老师刚才谈到的这个话题，首先我想要声明的是，这个话题非常地宏大，涉及到的专业知识也非常地丰富，跨了很多专业领域，从临床到医院管理，到药品研发、制药、流通，营销，甚至到医疗卫生政策和卫生经济学等等各个方面都可能涉及。即使像我这样算是跨了两个领域的人来讲，我觉得我的知识储备也还不足以完全去cover这个话题。我们聊的过程当中可能有一些方面讲得不是很到位，也请大家包涵，欢迎大家指正。

[00:01:58] 袁莉: 你愿意上播客来谈这个问题，我们已经非常感激了。我们也找过其他的一些医药界的人士，他们也说了和你类似的话，说这个话题太大了，太复杂了。但是我觉得我们可以一直坚持地做了下去，让大家逐渐地增进对这个问题的理解。

这次上海两会，就像刚才我提到的，医药界的政协委员联名提案，提出某些集采药药效不稳定，就是刚才说的“麻药不睡，血压不降，泻药不泻”，你怎么看这个新闻？仿制药确实不如原研药吗？

[00:02:33] Jamie: 我觉得在中国，仿制药不如原研药，它的效果也好，安全性也好，都比原研药差，这其实是个由来已久的问题，并不是有了集采以后才有的。在集采之前这个问题也一样存在。在一些病情比较关键的情况下，或者出现了一些和我们预想不特别符合的情况下，我们也会引导患者，建议ta要不要换进口药试试，可能会有不一样的效果，或者副作用等各方面更加稳定。这在临床上是一个非常普遍的现象，临床医生和患者可能都会有的这样的感受。

[00:03:15] 袁莉: 2023年10月，国家医保局召开新闻发布会称，经过两年时间，对23个入选集采品种的仿制药进行评估，临床疗效和安全性与原研药相当。公众反应的仿制药不如原研药。课题组组长认为这个说法是不科学、不公平的，存在个体差异，属于幸存者偏差。你怎么看这个说法呢？作为医生能反驳吗？

[00:03:45] Jamie: 也谈不上反驳。至少我觉得他的结论是不一定能成立的。这有很多方面的原因。

首先，有几个概念我们需要搞清楚。原研药在国外，其实更多会用“专利药”这样一个概念。专利药指的是药企是从最开始进行研发，提出专利申请，并且获得专利保护的药品。它的专利保护期一般会在17到20年，在这个期间，我们就把这个药称之为专利药。其他的厂家是不能够去仿制生产的。在专利保护期之内，它当然也会有比较高的售价，这当然是因为它在前期的研发投入成本会比较高。专利保护期过了以后，在中国有一个很特殊的勤快，就是这个药物仍然会有非常强的竞争力。因为我们的仿制药的效果几乎没有什么竞争力。在这种情况下，这些过了专利保护期的药物在中国的市场上仍然有非常好的市场份额。这时中国的市场就更多的把它称之为“原研药”。我们的内资药企主要做的就是仿制，他们生产的这个药物就称之为“仿制药”。

对于这些仿制药，他做了所谓的一些研究，做了一些实验，认为效果还是OK的，是好的。其实我觉得最大的一个问题就是他的这些数据是不公开的。他只公开结论。无论是一致性评价也好，药监的很多评审也好，他最终只公布一个结果，或者给你一个批文，然后我们在药监局的官网上面就只能查到这个结论。但是相关的数据，体内，也就是实验室研究的数据也好，还是体外的临床研究的数据也好，还是上市后研究的数据也好，这些我们基本上都查不到。他到底采取的是哪些样本？他送检的样本是在什么样的环境下或者什么条件下生产出来的？它的样本和我们市面上面的这些流水线上面生产出来的药品，它是同一个来源吗？我们知道如果有更加严格的把关，你生产出来的样品和我们普通工厂的流水线上面生产出来的样品，它也许是不一样的。

[00:06:00] 袁莉: 意思就是说，反正我说了，你就相信我就行了，是吧？

[00:06:03] Jamie: 对，它的样品来源没办法去追溯。它的数据怎么得出来的也没有办法追溯。这个数据是不是能够重复，能够复制也没办法追溯。最后只给一个结论，没人能做进一步查证。这种情况下有没有水分，值不值得信任，那我觉得很难讲，对吧？

[00:06:26] 袁莉: 就是没有透明度，监管部门就说你们就相信我就好了，不要去质疑。刚才讲的这个原研药和仿制药，这和集采药又是一个什么样的关系呢？

[00:06:37] Jamie: 集采，我们叫带量采购，就相当于团购一样，就是医保局带领大家统一跟药企、生产企业去谈判。这个谈判中的要点就是能够保证采购量，然后把价格压下来。带量采购只要中标的话，一定会在下个年度得到有多少量的订单。

集采有一个非常要命的特点，就是唯低价论，就是价低者得。它对于质量的把控也好，或者生产能力等各个方面可能就会忽视，或者是很少去考虑。讲到这些问题，我觉得可能绕不过中国仿制药的整体的一些背景，我可以大体上梳理一下，否则很难理解一些问题。

总体来讲，中国的仿制药的质量也好，有效性、安全性，其实是比较弱的。药企基本上一直是一个劣币驱逐良币的状态。大家都知道，二十多年前郑筱萸已经枪毙了，应该18年了。

[00:07:52] 袁莉: 你说一下他是谁？可能好多人不知道。

[00:07:55] Jamie: 应该是在上个世纪末到本世纪初，他担任中国药监局的局长差不多有十年左右。在他任上，药品审评的标准非常低，所以大量的发批文。极端的时候，甚至可能只要有一套资料，你就可以拿到一个药品的批文。

[00:08:17] 袁莉: 非常不负责任。

[00:08:19] Jamie: 很多基本的生产条件都没有，实验研究的条件也没有，你用一套资料就可以拿到一个药品的标准的批文，你就可以生产药品了。这导致了很多的劣药甚至假药横行。中国有6000到7000家制药企业，这在全球都是非常非常罕见的。我们的制药企业数量非常非常多，这里面粗制滥造的也非常非常的多，最终就出现了很多极端的案例。比如有一个克林霉素的事件导致了十多个患者的死亡。然后还有一些患者出现了相应的一些不良后果的案例。郑筱萸最后应该是2007年被枪毙了。做到他这个级别的官员被枪毙的应该也是非常非常少的，可见事情过分到了一个什么样的程度。我觉得这个阶段基本上奠定了中国仿制药企业的一个基础背景。

2012年开始因为企业多，整体的水平又非常差，这里面良莠不齐，整体的状况非常的糟糕，国家提出要去提升这个方面，把中国制药企业的生产工艺也好，药品质量也好，都要有一个提升。这里有一个背景，就是当初外资的原研药在中国占有市场份额是非常高的。国家认为大量的资金都被这些外企赚走了，我们的内资企业赚不到。在这个背景下，国家一方面要提高仿制药药企的水平，淘汰一些不好的企业。另外一方面也有控费的考虑，或者说是为了避免资金外流。然后国家就提出了一致性评价的设想。这是2012年就提出来的，然后就开始吹风，在吹风的过程当中，我记得大概是2013年，就有了对葛兰素史克，GSK开始杀鸡儆猴。

[00:10:21] 袁莉: 你说一下葛兰素史克，GSK的事情。

[00:10:24] Jamie: 葛兰素史克是一个总部在英国的跨国药企，它在中国也有非常好的市场表现。它的很多的药物，很多的原研药也都很不错。它出的事是认为它有商业贿赂，通过不合规的方式，比如赞助一些学术会议等等给医生回扣。当初在央视上面被大量曝光，这个事件的新闻舆论被造的非常非常的大。我觉得这背后有非常明确的目的性。

[00:10:55] 袁莉: 是不是还把它的一个高管给抓起来了？

[00:10:58] Jamie: 对。这就不单纯是一个医药领域内的事件了，很明显是在整个舆论领域里做了很多铺垫。我觉得这和前面讲的做一致性评价，提升国内药企水平的背景是有联系的。

应该到2015年左右，一致性评价就开始正式上马，给了所谓的3年的窗口期。药企必须在这3年之内通过一致性评价，没有通过产品就会被淘汰出市场。那时候还没有医保局的集采，这个事其实是药监领域希望去提升内资药企的生产水平。这个一致性评价，其实也不是一个中国独创的事情。国外包括美国啊，日本啊等等这些国家，他们都有非常成熟的做法。比较通俗的讲，一个是在实验室里做实验，去看仿制药和原研药的溶出度比较，就是它的溶出曲线等一些实验室里的指标。这就相当于药品质量的一个控制。第二个方面，药毕竟是人吃的，所以也需要在人身做验证。这就是所谓的生物等效性的验证，需要找相关的志愿者吃这个药以后，再去检测相应的指标。这两个方面它都要符合相应的标准以后，它才能够就通过一致性评价。这个一致性评价的整个流程，我觉得都是很成熟的。FDA也好，日本的药监部门也好，他们的资料、信息都是公开的，一致性评价的相关方法、流程上有很多的指南。中国目前我们做的一致性评价，其实也是仿照他们的整体的框架来设计。我觉得这个框架的设计都是比较完善的。

但有一些好的政策或者好的方法，它在中国很多时候就会走样。很多的制药企业在三年的窗口期内就要去想办法通过一致性评价。他们通过一致性评价的时候自己有资质，有能力去做的，那就自己去做，没有能力做的就委托第三方的像CIO公司帮他们去做。那CIO公司收了甲方的钱以后就会想尽办法帮他去通过一致性评价。

[00:13:30] 袁莉: CIO公司是什么？

[00:13:32] Jamie: 就是一个第三方的公司，它的在起的作用就是帮助药企通过一次性评价，但是可能就会做一些越界的事情。中国有一些药企原来的生产质量水平实在是太差了，CIO公司差不多类似于帮他重做，这个公司最终把无论是实验室的还是体外的这些流程都做完以后送审给药监部门，国家质检部门。。但是这些部门是怎么样根据这些材料去评审的，评审的标准，怎么样去复核数据，这些其实都是不公开的。我们在药监局的官网上面只能看到有哪一些品种通过了一致性评价，只有一个结果可以查到。相关的具体数据都是没办法追溯的，是不公开的。

还有一个方面的问题就是一致性评价通过的过程中有一个环节是去验厂。验厂就是要去检验、查验生产的具体工艺怎么样，相当于要到你的工厂实地去查验。这个事情是交给省级的药监做的，但是省级的药监和制药企业实际上有很多的关联。

[00:14:52] 袁莉: 利益的关联。

[00:14:54] Jamie: 对，因为在这三年的窗口期快要过的时候，很多药企过不了，然后省级的药监其实就很着急，我这个省就没几家药企过关，行业的就会遭受到很大的打击，各省就开始放水。我觉得早期通过一致性评价的一些企业相对来说品质等各个方面都是不错的，但是最后是鱼龙混杂。不管怎么样，我觉得能够通过一致性评价的比不能通过的总归是要好很多的，这里面也还是淘汰了一部分。但是一致性评价做完以后，医保局很快就开始做带量采购，也就是集采。

应该是在2017、2018这个阶段，医保基金出现了非常大的一个问题，医保基金的压力非常的大，然后就很着急的上马开始去做带量采购和国谈。带量采购主要针对仿制药。国谈是针原研药和专利保护期的药。

[00:16:05] 袁莉: 国谈就是国家和你谈判，是这个意思吗？

[00:16:07] Jamie: 对。医保局跟你谈判。比如说之前的那个灵魂砍价，我记得是应该是阿斯利康的达格列净，是一个降糖药。当时说四块四的价格不吉利，然后砍成四块三毛六一片。这是一个在专利保护期的药，还不能仿制，然后国家来跟你谈判，你能降价，降到什么程度，医保局就可以让你进到医保目录，带来更大的销量。这也还是一个以量换价的策略。

前面讲的一致性评价的目的是希望良币驱逐劣币，把一些不太好的、水平比较差的药企淘汰掉，让好的制药企业能够在市场环境上活得更好，让整个制药水平能够更好，让中国的仿制药水平能够有提升。这个政策的出发点是非常好的。我觉得这里面非常关键的一个人物就是郑筱萸之后最有名的一个药监局局长毕井泉。我觉得他在这个过程当中还是起了非常非常好的一个推动作用。

集采一来，它的策略就是唯低价论。2018年刚开始做集采的时候就很赤裸裸，几乎就是只有一家中标。价格低就是重要的。俗话说，光脚的不怕穿鞋的。资质水平比较好的药企，它有比较完善的研发、生产、营销的整体体系，它知道接下一个药物的大量订单会是什么成本，如果价格压到那么低，可能就生产不出来，也就报不了这么低的价格。二队那些没有生产资质的药企，他们可以把价格报的很低，拿到订单再说。然后拿到订单以后，它没有生产能力，就委托生产也好，或者生产布料这么大的量也好，总之要想方设法去降低成本。

中国的一致性评价本身存在一个问题，就是一致性评价通过以后有很多变更其实也是不公开，甚至是不需要额外再去做生物等效性试验的。这里面很多变更，比如原材料的供应商，生产的设备，生产环节的很多的因素都可以做变更。药企通过低价中标以后，他就用合规的、不合规的各种变更，最后把成本拼命的往下压。压到最后他就很难保证药物质量一定能够符合要求。而且在这种情况下，他可能一开始的时候是亏本生产，但是它不能一直亏下去，对不对？那总归要想办法把钱赚回来。

当然后来集采也做了一些调整和优化，比如说中标的企业不止一家，变成三家或者几家，用这样的方式把这个量去做分担，有的时候是一个省、市，一家为主，两家为辅等等这样的方式，但是这里面的遴选标准也还是价低者得。

[00:19:31] 袁莉: 感觉像集贸市场。

[00:19:33] Jamie: 对。那些真正通过一致性评价，资质比较好，仿制药水平比较高的企业相对来说没有多强的竞争优势。所以集采在这个过程当中导致了一个劣币驱逐良币的后果。

[00:19:53] 袁莉: 大家好，我是袁莉。你们刚刚听到的精彩对话背后有几十个小时的精心准备和制作，这需要阅读大量资料，花时间与采访对象沟通，只有这样才能问出好的问题，才可能进行有深度的对话。不明白播客会继续致力于制作高品质的新闻内容，让中国人听到深刻的思考，真实的情感在这个晦暗不确定的年代，听到彼此心中的一点坚持，请大家继续支持不明白播客，让我们把这个事业长期地进行下去。欢迎听众朋友们到我们本期的内容简介里点击捐赠链接，或者访问我们的网站bumingbai.net的捐赠页面。

你在国内的药企和跨国药企都工作过，他们在质量把控上的区别在哪里？

[00:20:49] Jamie: 方方面面，整个流程都有区别。说实话，原研药或者说专利药，它的质量标准也好，无论是上市前还是生产制备环节，还是上市后，可以这么讲，它不是因为中国的监管去提升它的质量的，它执行的标准比中国的监管要严格得多。比如一个跨国药企，它的总部在美国，它必须要接受美国的药监部门的审计和检查，它要符合美国的规范和标准，也要符合它所在的销售区域的监管的标准，所以说它是受多重监管的，它只能够去采一个合集。

举一个例子，药品上市以后，我们这次很多医生讲它的效果不好，有不良反应等等这些问题，这其实是属于上市后的一个不良事件的监测记录或者报告的制度。仿制药和外资的原因药都有。但是外资的原研药做得非常严谨、认真，在医学部要有一个专门的团队。它要二十四小时接收医生或者患者的信息反馈，对每一个案例都要有非常详细的记录，而且这些记录需要定期的总结报告，汇总上报。所有的这些记录都会有定期的检查，包括自己内部的核查和第三方审计公司的审计，还有药监部门的回查，而且这是真正是实实在在会查的。在这个过程中，如果说某一个不良事件发生的频率比较高，就是说这个药是不是存在这样的副作用？因为很多药物上市前是不可能预计到所有的方方面面的状况的。有一些数据，或者一些些反应可能真的是只有上市以后才有可能关注到。当然一般在上市前，他会把尽可能多的，有可能会出现不良事件去做一些规避，或者说在药品评审，或者拿到批文之前，这些其实都会被淘汰。原研药在这个方面做得真的是很认真。

但是在内资药这方面可以这么讲，几乎就是一个摆设。那个东西就是应付检查的。很多很多药因为不产生任何的效益。比如上海的政协委员郑民华教授提出了这个问题，按照标准的流程，他可以通过医院的，比如说药事管理委员会提交这样不良反应的报告。所谓的不良事件就是这个药品用了以后没有达到预期效果，还出现了一些预期之外的反应，这些都叫不良事件。不管产生了好的结果还是不好的结果，反正和原来预想不一样的都需要上报的，上报以后都是有人记录、可以去处理的。仿制药这方面基本上就是一个摆设。

监管方面没有去认真的去做到，那就更加别提生产环节的差异了。生产方面的环节，比如说我们也有抽检，就是药品在市场上面流通，当地的药监部门也会定期到市场上直接取样，取样以后做检测，看看它是不是符合质量标准等等。药监部门确实也在做，但这里面出现了问题往往都是可以靠公关来化解的。这些抽检都是省市一级的药检去做。比如云南省的药监部门在市面上抽检的时候，发现了一个湖北的药企生产的药不合格。这个时候它可能就会通知湖北的药企，说你这个药品出了问题，那湖北的药企马上就会成立一个应急小组，赶紧飞到云南，然后对这个事情就做公关，做各种各种运作，把这个事情弄过去。各个省的药监部门之间相当于相互掣肘，或者说是大家要达成一种平衡。所以这里面有很大的操纵空间，然后有很多的漏洞。

[00:25:03] 袁莉: 针对上海两会专家委员提出的问题，国家医保局反应很快，1月20日的消息说，（我们录这个播客是1月21日）医保局负责同志就要带队联合卫生健康工业信息化药品监管部门赴上海听取意见，搜集线索。你怎么看待国家医保局以及药监局在其中扮演的角色呢？

[00:25:29] Jamie: 我觉得这是一个舆情公关的策略。这不是一个解决问题的科学的方法，对吧？比如说，首先如果有非常好的数据公开，相关的实验室的数据也好，体外数据也好，包括上市后的数据也好，这些都是非常经得起推敲的，对吧？质疑药物的效果要有凭证，对不对？如果这些数据都是不公开的，甚至很多时候数据你拿出来可能是漏洞百出的。那这么大，这么高级别的官员直接跑到上海来跟提问题的这些专家去谈，最终不就是公关了吗，对不对？它不是一个科学的解决专业问题的思路。

[00:26:17] 袁莉: 他们两个这两个机构都是专业性机构，但是他的这个方法是完全不专业的。

[00:26:22] Jamie: 既然我们提到一个专业问题，那我们就应该回到专业里面来去解决，对不对？到底是哪个药物，哪个方面的不良事件，你手上有没有数据，数据能不能公开，对吧？这是关键。所以说不透明就很难保证它的公正性，甚至可信度也非常的低。

[00:26:43] 袁莉: 有人说这次医生跳出来反对，是因为集采药动了医生的奶酪，他们拿不到提成了。这种说法有没有道理呢？

[00:26:52] Jamie: 我觉得没道理。这时医生跳出来的本意是他开不到原研药了。但是我们做医生拿药品的回扣，这几乎是一个行业的普遍现象。这里也可以分享，药品的回扣或者说灰色收入，外资的专利药也好，原研药也好，给的是非常非常少的，几乎是没有的。外资的原研药要给到医生的不是那么合规的所谓的灰色收入，主要是通过学术赞助的形式，支持你开学术会议，支持你做学术交流，通过这样的方式来的。这和内资的直接给代金销售，就是你开一盒药，给百分之多少的回扣不同。

[00:27:44] 袁莉: 就是实际上医生可以通过仿制药拿到的灰色收入更多。

[00:27:48] Jamie: 对，现在医生在质疑的是开不到原研药了，这和动了他的奶酪有什么关系呢？逻辑上是对不起来的。要说动了奶酪的，那就是集采以后这些灰色收入确实是少了很多，因为药品的整体价格太低了。基本一个药只要进了集采，那灰色收入就不可能了，他拿不出来。所以说这个方面确实让医生的收入是锐减。但是你要说医生站出来说开不到原研药是因为动了他的奶酪，那我觉得这个站不住脚，不能这么说。

[00:28:27] 袁莉: 此前第十次集采，没有一个原研药中标，这被普遍理解为外资药厂全面放弃中国市场，这个理解对不对？为什么会是这样？

[00:28:40] Jamie: 这个理解我觉得不对，太夸张了，夸大了。我们刚才前面讲的集采，它只是针对于过了专利保护期的，有多家通过一致性评价的仿制药企的药，这样的品种才会进到集采。对于外企来讲，它的这些品种其实都是过了专利保护期的，称之为是成熟药。这个市场已经很充分了。

一个药品的成长周期大体上分为这么几个阶段：第一个就是早期阶段，刚刚上市时，很多医生都不知道。然后它要去推广，让医生知道这个药，知道它的治疗的理念，知道它的作用机制。然后就开始进入一个成长期，它的销量开始逐渐地爬升，这都是还在专利保护期。第三个阶段，它开始进入到比较成熟的阶段。后面是第四个阶段，它就开始要衰退了，因为专利保护期一过，就是所谓的专利悬崖，它的营收就非常的少了。对外资药企来讲，这些处在成熟期的成熟产品，它可以做一些战略上面的调整，它可以把重心放在它的专利药上。对已经过了专利保护期的药做更少的投入，甚至把这个产品的相关的营销就直接转卖给第三方企业做，他就集中优势资源来去做还处在专利保护期的药。

我觉得对于外企来讲无非就是要去做战略调整，但集采都不中标了，甚至不报价，不参与了，这不代表他们要退出中国市场，我觉得中国市场对外资药企来说仍然还是有非常大的吸引力的，这么大的市场，对吧？

[00:30:24] 袁莉: 根据你的经历，外企可能会怎么来应对现在这个局面呢？你刚才说了他们不会退出中国，但是，他们不太会去参与这种集采的投标，这对中国的医药领域会有什么样的影响？

[00:30:42] Jamie: 它们之所以不去，我觉得有基于几个方面的原因。第一个，其实很多仿制药水平很高的一些国内药企也种不了标，价格降不到那么低。外资的质量标准也好，各个流程、各个环节它的成本更大。我们分析这个事情的时候，不能够单纯讲一个药片它的原材料多少钱，它的辅料多少钱，加起来就等于它的生产成本。不是这样的。一个药企整个体系在运转的话，它的成本是相对比较高的。所以说第一个方面就是它没办法做到那么那么低的价格。

然后第二个，即使它真的能够生产得出来，跨国药企有一个所谓的全球价格一致的机制。就是它同时覆盖全球多个市场领域，不可能把某一个领域的价格打得非常非常的低，它有可能会影响其他的区域。那它就宁可放弃了这个区域，不参与竞标。这对于中国的Healthcare，包括对中国的患者来讲，我觉得确实是一个非常糟糕的状况。内资药企很多，尤其是这些集采中标的，它又不成器，仿制要比较好的又中不了标。然后外企也不太参与。那么在优质产品的可及性方面真的会受到很大的影响。

[00:32:07] 袁莉: 很多人反馈现在医院买不到原研药，除了集采不是还有30%的自行采购比例吗？为什么会是这样？

[00:32:17] Jamie: 原因我觉得有好几个方面。首先采购量是有承诺的。这个量是根据历年的销售数据来的。我们知道在做集采之前，中国的医院，在临床上过度治疗是很普遍的。比如拉氧头孢这样的抗生素在中国滥用很多，一些没有指征的也在用的，这种比率非常高。这就导致这个产品在上个年度或者说历年的使用量非常大。原来医生开这个药，他有相应的灰色收入，他有这个动力去做很多的处方，到了现在这样的状态，他就没有动力了。

现在去做大量采购的时候，哪怕在去年的基础上面用80%的量做带量采购，医生也完不成。在完不成的情况下，从医院管理的角度，医院是承诺了要采购这个量的，必须要去要完成这个指标。所以在医院承诺的量都完不成的情况下，还要再去进其他的品种，他就不会这么去做了。医院就不会去进这个药。在这个政策下有自己挖的坑，也有这个政策带来的管控。

还有一个原因，那个30%的自行采购，首先有一个前提是需要挂网。挂网是什么概念呢？它是一个省级的药品联采平台。比如说我刚才讲的拉氧头孢，它集采中标以后，它可以允许另外的几家可以也在它这个区域，比如说一个省，来去销售，来铺货，向当地的药店和医疗机构销售。必须要先允许某个药企的药物挂网，才能够在这个区域拿去销售。挂网的标准几乎也是参照价格来的。好像有一个数据，就是中标价的1.8倍。但是如果中标价非常非常低，比如中标价格可能只有原来的10%。那挂网的最高的价格就是原来的18%，仍然还是有很多药进不来。那些药基本上连挂网的资格都没有。它在整个省就不可能出现。

第二个是医院能不能去采购，去进这个药。

第三个就是现在开始控费，对于医生来讲，因为DRG也好，因为其它各种原因也好，原研药一开，药品费用哗一下就上去了。这种情况对医生的考核也会带来很大的阻力，所以说实际情况是很难开到这个药的。

[00:35:22] 袁莉: 这次集采提到药企的利润问题，比如说三分钱一片的阿司匹林，我听你刚才说的还是有可能做到这么低的，对不对？这个价格对质量的影响还是挺大的，我想也许你可以给我们集中的总结一下，这种的影响会体现在哪些方面。还有，把价格压的这么低，对患者、医生、医院来说，长期来说会有什么样的影响？

[00:35:50] Jamie: 我觉得以往仿制药的价格虚高确实是一个比较普遍的现象。比如说100块钱的药，可能真正的生产成本就只有十多块钱，或者说是几块钱，这里面大部分的都是营销成本。比如说医院可能就有15%，然后药剂科，各个层级的科主任到医生，这里面可能还要分到25%，然后其他的代理商，流通配送等等又要分掉一部分，还有药企的其他一些营销的成本。

带量采购的初衷其实也是为了要解决这方面的问题，把虚高的药价的水份挤掉，所谓的要腾笼换鸟，把这些优势资源集中去做更多的原研药。我觉得这个逻辑或者说这个思路，这个出发点是好的，是对的。但是目前来讲的话，唯低价论让让这个东西走样l ，而且出现l 很多不好的状况。至于三分钱是不是能够生产阿司匹林，我不了解这个产品，没有办法去评价这个药。但是我刚才讲了，有很多中标的价格，确实真的低于它的生产成本价格。这应该是可以核算出来的。一些制药领域里比较专业的人士，知道它的生产，它的原材料，它的辅料等等各个环节，你基本上一个药它的生产成本大概是多少，这大体上是能够算的比较精准的。现在很多的中标价就已经低于这个水平了。低于这个水平怎么办呢？最终它也还是要赚钱，那在这个过程中，就肯定会出现一些你没办法预想到后果的操作。

[00:37:42] 袁莉: 对医生、患者还有医院来说会有什么样的影响，长期来说。

[00:37:47] Jamie: 这个影响就像大家所担心的一样。开不到更高品质的一些药品，你能够拿到的药就只有这样一些药，那现在就没有好的解决的这个办法。医院、患者、医生所担心的，所抱怨的，正是这样的一个问题。

[00:38:05] 袁莉: 产生这些问题最主要的原因应该还是中国的医保系统没有钱了，是为了省钱，是吧？医保局在集采后一直都强调医药费用逐年下降，比如2012年2月，国家医保局曾经公布在国家组织集采的头三年里所节约的费用超过了2600亿，就是我想了解，现在把价格压得这么低，是因为它特别特别缺钱吗？那如果是它特别缺钱，这个事情是不是其实是无解的？

[00:38:37] Jamie: 我觉得很显然，它就是为了省钱。但是省钱也没有什么错。作为医保局，去控费，把一些不合理的费用挤出去，这是他该做的事。但是在做这个事情的时候，不能够单纯的一根筋的思维，对吧？我省钱就往死里省，最终要看它的后果是怎么样的，对吧？我们这个是医疗，是药，最终还是要保证它的疗效和安全性，这是最基本的东西。你不能够省到最后连这个都保障不了，对不对？如果省钱的结果是更严重的后果，那实际上这就不是省钱了，这就坏事了。

关于费用的问题，我记得不久前社科院的一个专家，朱恒鹏经常分享一些判断，早在2017年各个省的医保基金穿底之前，他就已经在做这方面的研究，而且对相关的这些数据或者说趋势的判断是做得非常好。但是很显然（医保局）没有用一个专业的方式、专业的路径来去做这个事情。

[00:39:45] 袁莉: 也有人说，如果要省钱应该首先拿中成药开刀，但是现在的中成药很泛滥，网上有人晒了一张感冒的药单，各种中成药两三百，西药布洛芬也就十几块，你怎么看这个问题呢？

[00:39:59] Jamie: 对啊，我觉得如果真的是从省钱的角度来讲，那把这个中成药砍掉。医保基金一下就会释放出非常大的一个空间出来，因为无论是从它的疗效也好，安全性也好，你都找不到非常明确的依据。几乎所有的中成药，它的不良反应一栏都只有四个字：尚不明确。

[00:40:21] 袁莉: 真的吗？这个真是玩笑啊。

[00:40:25] Jamie: 不是玩笑，这是真的。你随便找个中成药，把它的药盒子拆开，把说明书拿出来看，都是这样的。几乎没有中成药能够经得起按照药品的流程去验证它的效果。你去做随机，去做相关的检测，无论是它的药品质量，还是它的疗效，还是它的安全性，很少有经得起推敲的中成药。你说要省钱，把这个砍掉好了。

但是你知道。在中国，中成药它不是个科学问题，它是个政治问题。这就影响民族自信了，对吧？民族文化的瑰宝，把它丢弃掉，就有人会骂你数典忘祖，老祖宗的不要了，是吧？所以很多时候为这个东西付出巨大的代价，但是它没有带来任何的效果。所以说这不是一个科学问题，不是一个制药的行业的专业问题，它就是一个政治问题。

[00:41:16] 袁莉: 对。习总书记是对中医药文化是非常非常的感兴趣的，他的著名的说法是中医药学是中国古代科学的瑰宝，也是打开中华文明宝库的钥匙。想想在三年疫情期间，我们都是要用中成药来抵抗病毒的。

[00:41:37] Jamie: 对，这个就很荒唐，全世界独一家，我们每年为此全民买单，投入巨大，做这样完全无效的事情，浪费多少钱。所以一方面我们为了省钱，把那个正儿八经真正治病的药逼着人家去成一个劣药，一个假药，然后另外一方面，我们也花了大量的钱，在完全无效的中成药上面不断地去往里扔，所以说这个很悲哀。

[00:42:02] 袁莉: 社会学家孙立平最近在他的微信公众号上发了一篇文章，就是谈集采的。他有两段话写得挺好的，我念一下。他说：在医药科学技术已经高度发达的今天，由于种种人为的原因，人们却不得不吃那些低效甚至有极大副作用的药，用对身体造成伤害的不合格的医疗用品，实在是说不过去。药价可以低廉，可以昂贵。费用可以自付，可以福利，但最基本的一点是这药得管事。有效的治病，这是最最最基本的底线。如果这个底线突破，引起的将是一场空前的医疗信任危机，那样导致的将不仅仅是医保的坍塌，而且是医疗的坍塌。可以说，这是一件天大的事情。你同意他这个说法吗？

[00:42:57] Jamie: 这种信任危机也好，这种坍塌也好，我觉得真的是会让整个的状况越来越糟糕，越来越糟糕。说实话，中国的医患或者是对医疗的信任度本来就很低，因为之前的药品代金销售也好，是医生的灰色收入也好，它本身就会对医患的信任产生非常大的伤害。那再加上现在的状况，医生很认真的花了很多的专业知识去制定了治疗方案，给出处方，最后这个处方拿不到合适的药，最后解决不了患者的问题，那没法避免会出现一些人伦惨剧啊，这真的是非常糟糕的一个状况。

我觉得我们其实讨论了从头到尾各个方面的问题，我们的政策管理者有非常好的出发点，然后他们的思路，整体的方向我觉得也都不错，但是他也只能尽力做个裱糊匠。我们的制药领域的这些人，他们的方法、流程也都非常完善，也学习了非常多欧美、日本的现金经验、制度、流程等等，这些都有。然后我们的人也很聪明，也很努力，很勤奋。最终导致了这个结果。我觉得这里面就有一种深深的无力感。那我们去反思真正的原因到底是什么？为什么别人有的一些东西，移到我们这里来，比如一致性评价，比如仿制药，连印度都做得很好。

[00:44:42] 袁莉: 对啊，我就想说，印度现在是全世界最大的医药生产国家，是不是？

[00:44:47] Jamie: 对。仿制药是好事，是中国仿制药不行。就像预制菜，东西没有错，错在我们的整个的体系，或者说我们的监管、集采很多方面的执行，它就走样了。

为什么呢？我觉得关键点还是整体的土壤不行，问题的根源应该还是在我们这个制度上。我们整体的制度如果不去改变的话，没有公开透明，没有舆论监督，不把专业的问题回到专业的角度去解决，政治的干预那么强，等等这些，我觉得归根结底都要从制度上面入手，才有可能有一个解决。

所以我觉得，不是从某一个点想一个办法去解决问题。我觉得这个思路是不对的，应该是怎么样整体的去改良土壤的问题。

[00:45:40] 袁莉: 像中国的很多的问题，最后说到底还是这样。好，我们请每位嘉宾推荐三部书或者是影视作品，你有什么推荐呢？

[00:45:50] Jamie: 我比较喜欢看历史书，推荐三部的话，比如说唐德刚的《晚清七十年》。高华老师的《红太阳是怎样升起的？》但这个在中国是个禁书。然后还有最近许成钢教授的《制度基因》。我觉得这都是非常好的。

[00:46:08] 袁莉: 对，非常好，我也喜欢。好，谢谢James，也谢谢大家收听，我们下期再见。

]]>不明白播客An Interview with Matthew Ball About the Gaming Slump2025-01-31T11:30:50+00:002025-01-31T11:30:50+00:00https://nodebe4.github.io/opinion/2025-01-31/An%20Interview%20with%20Matthew%20Ball%20About%20the%20Gaming%20Sl

An Interview with Matthew Ball About the Gaming Slump ——

Listen to this post:

Good morning,

I am pleased to welcome Matthew Ball back for a Stratechery Interview. Ball is the former head of strategy for Amazon Studios, and a former director of The Chernin Group’s Otter Media. He is currently the Managing Partner of EpyllionCo, an early stage venture fund, and is a Venture Partner at Makers Fund, as well as the author of the best-selling book The Metaverse. I have previously interviewed Ball in 2024, 2023, 2022, 2021, and 2020.

Ball recently published his annual gaming industry review, this time as a 225 slide presentation; that sounds overwhelming, but the entire thing is very well-organized and has a strong narrative. We discuss many of the topics in that deck in this interview, including why the gaming industry is struggling, the TikTok effect, why the PC — and Discord and Steam — are bright spots, and how China is doing to gaming what it has done to every other industry. We also touch on the one year anniversary of the Vision Pro, our experience with Meta’s Orion, and AI’s impact on entertainment.

As a reminder, all Stratechery content, including interviews, is available as a podcast; click the link at the top of this email to add Stratechery to your podcast player.

On to the Interview:

An Interview with Matthew Ball About the Gaming Slump

This interview is lightly edited for clarity and length.

Topics:

AI in Entertainment | The State of Gaming | Gaming’s Perfect Competition | The TikTok Effect | Consoles and the Switch Hope | The Discord Opportunity | Steam and China | App Store Pressure | The Vision Pro Anniversary

AI in Entertainment

Matthew Ball, welcome back to Stratechery.

Matthew Ball: I’m excited to be here, had to secure my holiday Stratechery gift early for 2025.

Yes! Well, January seems to be the time, you did release this incredible presentation on the current state of gaming, which we’re going to spend a fair amount of time on, but before we get to that, given the upheaval this week, I have to ask, do you have any DeepSeek takes?

MB: I think it has been a phenomenal bellwether for takes, it has just so immediately brought to the surface everyone’s perspectives on market valuation, on China, on Biden, on Trump, over IP theft — it’s been pretty remarkable. I don’t know, it’s like the season finale of the first two years of ChatGPT Obsession.

That is a great take, that is a good one. I love it. Yes, it’s like this was the end of the beginning, and now we’re moving forward. But what about you? Do you have any specific takes of your own, other than the great meta take?

MB: I think the big one that is really underpinning everything that’s happening in Hollywood right now, which is consistent with what we’re likely to talk about in video games, is that we have spent 25 years now, even the entertainment space, which is where I primarily focus, obsessed with these ideas of how technology is disrupting distribution, and to a lesser but still significant extent, monetization. That is to say, how content gets to a consumer and how it’s monetized.

During that entire time, there really has not been disruption in production, and as a result it’s now become old hat, but Twitter always gets upset every time prices go up. Netflix just cranked up its rack rate from $15.49 to $17.99, the critiques that this was supposed to be better than cable are abundant. This idea that we’re either paying as much as ever, or we’re needing to re-aggregate all of the content we used to get through one pipe, through another pipe, is commonplace. But no one ever promised that digital distribution was going to make content cheaper, and in fact, the competitive intensity of competition in parallel to the lowering barriers of entry, which allowed Apple and Amazon to enter, has necessarily resulted in over-investment in content, as more players are playing for a bigger pie, but one that’s more intensely fought after, and that has led to a massive increase in consumer surplus, even though prices are near record highs.

And so, now, after 10 years of the streaming wars, give or take, Microsoft exited the category 11 years ago, and really 20 years of video shifting to digital, there is now this renewed focus on, “Okay, how do we actually disrupt, not improve, but disrupt production?”, and that is leading to varying degrees of success, and a lot of controversy, and of course, the issues vary a little bit based on unions and IP ownership and participation and residual structures, but a real renewed focus on how these tools can actually be used to bring forward what we have lacked for 25 years, which is disruptions in production.

When it goes back to the entertainment bit, you mentioned there’s potentially a disruptive angle, my general thought has been when it comes to highly produced content, the Hollywood sort of model, there may be aids in production to a certain bit, but that it’s going to stay relatively impervious, it’s going to go more and more high-end. There’s maybe an analogy here, to some of the gaming questions, of games that someone can build on their own, or they could build a Roblox game, or whatever it might be, even as AAA titles get grander and grander, and more and more expensive. Is that where you’re at as far as the AI impact on these industries right now?

MB: Certainly. I think, let’s stick with film for a second. When you take a look at a film like Deadpool & Wolverine, a 2024 title that came out of Marvel Studios, it had, I believe, roughly 3000 shots with visual effects, and in many instances, those shots were primarily VFX. Which is to say that most of the entire frame is graphically rendered. When you go back to 2008 with an Iron Man, I think you’re at 600 or 700 VFX shots total, and at the same time, most of those frames are not actually rendered, it is a rendered supposition. You’re looking at Iron Man’s chest plate that might be VFX, not the entirety of the scene.

During that time, budgets have gone up a little bit, but putting out talent participations and those incentives, you’re seeing that the production cost is not altogether dissimilar. Sometimes it’s going from $180 million to $250 million, but we’re looking at roughly the same ballpark for what is a film that came out 20 or 17 years later. What we have used is advances in CGI to realize more sophisticated scenes, but more importantly, increase the number of scenes that are in a film without 10x-ing the cost. The expectation is very much that generative AI will likely drive that same outcome.

Now, the flip side of that is, of course, do you have that uncanny middle, which becomes more addressable for indies. Which is, you can finance a $200 million film if you have IP and marketing and distribution, and we know that if you keep a budget under $20 million or so, “Everything Everywhere All At Once” was around $25 million, that you can still have a superb return. The no man’s land is around 50, 70, 80, 100 million. So, the argument would be, yes, a $300 million film today might look like what would have been a $500 million film using generative AI, but now do we have films that today can barely use synthetic environments without going across $20 million, get up to the $50 or $60 or $70 million mark?

That is not just interesting when it comes to how the art form can change, Ben, it is interesting because the argument would be if you want a richly visualized immersive world, that is hard to do it under $20 million and so you have a scenario where perhaps the caliber, the quality of the narrative, the specificity of its programming, which is to say it’s not trying to be a movie everyone sees, it’s trying to be a movie for a few people, currently can’t be as big as a flagship Marvel movie. And so, the argument would be, if you can move those films from $20 to $50 or $70 effective with generative AI, you might-

Right, right. So, they’re still costing the $20 million, but it’s the quality of a $70 million movie.

MB: Right. And then the argument becomes that will never look as good as a $200 or $300 million movie, but you may get the visual immersion close enough that the quality on the creative can carry you over the line, which is to say you’re compressing the significance of the difference on one variable, while maintaining your advantage on the other, fundamentally reshaping some of the market behavior.

So, this is been the hole in movies that everyone’s been complaining about for the last 10, 15 years. It’s like this middle area that dominated in theater, is you just go to the theater and find something to your taste in the 90s, and just hasn’t existed. So, maybe there’s hope it will come back.

MB: There is. I’ll tell you as a sidebar story, one of the things that’s interesting there is often the headlines here are a little bit misleading. When you take a look at Get Out, which is I think a $4 or $9 million movie, most of that was just a financing model. At the end of the day, that film did, I think $230 million worldwide, there was something like $40 or $50 million that went to talent participation, as a result. When you look at Split, which was another M. Night Shyamalan film, Split was filmed for something like $20 million, which is a quarter of what Unbreakable starring Bruce Willis, the prequel, cost 15 years earlier, that was actually not production-related efficiencies per se, you’re not saying let’s have fewer key grips, let’s do less outdoor, fewer extras, it was primarily asking talent to convert 100% of their — or not 100, but nearly all of their compensation to equity participation, providing outsized outcomes.

So it’s actually not as true that we haven’t seen films at that middle ground, it’s just they have to be films which are primarily driven by talent, which can be converted to equity, but if you have a film which is going to be primarily from production in visual effects or sets, you can’t go to a vendor with a staff of 300, and say, “Would you like to ride some of the equity?”. So the argument here would be actually now you start to access through different production techniques, a different cost structure currently only available to indie or horror, as examples, but for the rest of the market.

The State of Gaming

Let’s get to gaming. First off, my biggest compliment of this presentation was it was kind of annoying, and what I mean is as I was going through it, I was writing down a series of questions I wanted to ask you. I’m like, “Oh, this is going to be a good one, I’m going to get him on this one”, and then several slides later you would comprehensively answer my question. So everyone should definitely go check it out, we’ll have a link here in the show notes, but I’m going to assume the people listening have not seen it. I’m going to ask you to walk me through it at a high level to start. What are your high level takeaways? And since a lot of people did hear our interview a year ago, there’s some things that are similar, what in particular has shifted or changed over the last year in your view of the market?

MB: Well, first and foremost, thank you for the compliment. The general thesis is this, from 2011 to 2021, the video game industry soared. Compound annual growth was in excess of 9.7% for that entire decade, that was more than twice the rate of the preceding 20 years. That was 3x the rate of world real GDP growth over that duration, that was twice the rate of growth of real US GDP, even though that was an all time ripping decade for the country in the modern era.

No industry has the right to grow at such a rate, let alone so reliably and for such a duration and it reflected the fact that the industry had a unique number of creative commercial and technological achievements that often compounded against one another. You had the rise of mobile gaming, which added billions of players to the market, and billions of new hours. You had the emergence of cross-platform gaming, which united previously separated ecosystems, allowing networks to grow and allowing strengthen. You had the emergence of new genres, such as the battle royale, most prominent in Fortnite, and Free Fire, and Call of Duty Warzone. You had the real proliferation of free-to-play, which reduced the access barriers to gaming, the coincident emergence or proliferation of microtransactions, which demonstrated routine abilities to raise average spend per user by shifting to more of a whale monetization model.

All of these worked in concert, but what’s happened since 2021? Since 2021, there has been no growth in that industry. It finished 2021 at roughly $200 billion nominally. At the time, the expectation was that growth would continue at or above that prior 10-year rate which meant in 2022, revenue should have grown from $200 to $220 billion. By 2023, it would’ve added another $22 billion. By the end of 2024, we would’ve had another $24 billion, which means 2024, at the median estimate, would have been a market worth roughly $260 billion, a 30% increase over 2021, representing the addition of $60 billion in incremental annual revenue powered by billions of new player hours, and hundreds, or at least tens of millions of new players. That did not happen. There are a bunch of interesting reasons why that did not happen.

Isn’t the easiest thing to say mobile saturated? Apple’s been flat for the exact same time period.

MB: So, that’s very much part of it, and I think the reason why — let me give you some of the background stats. We’ve had an unprecedented number of layoffs, 8,500 in 2022, 10,500 in 2023, close to 15,000 in 2024 and by the way, those are only counted layoffs. It excludes companies that did not report, the many startups that closed unknown, the companies that said were undertaking layoffs but did not specify a headcount. We’ve had an unprecedented number of game cancellations, we’ve had tons of games shut down after launch.

The cause of this is not as simple as mobile saturating, it’s important to acknowledge that, that’s one of the chief aspects. We added 3 billion gamers over 15 years, when that stops, you’re going to get some whiplash, but it is simultaneously the exhaustion of nearly all of the growth engines I mentioned. Mobile is one, but all of the games that started going cross-platform, therefore strengthening their network effects in 2017, they’ve done it by now. All of the games that woke up and said, “Wow, we should go free-to-play”, or, “We should add a battle pass”, or, “Maybe we should have a battle royale spinoff”, they’ve mostly done that. And so we really had these 8, 9, 10 intersecting variables all basically exhaust concurrently.

That’s great on the run-up, hence 9.7% compound annual growth, 3x world real GDP growth, but when you lose all of those, and in parallel the supposed replacement vectors, whether that was cloud gaming, subscription gaming, AR, VR, LBE [location-based entertainment], esports, sports betting — when those don’t manifest, and you expect everyone budgets for growth, you get today’s dismay.

One of the most interesting insights you had last year is the extent to which players are still playing old games, and you have things like a Fortnite or a Minecraft or whatever it might be, that people — it just eats up all the time. And so the actual time availability for new titles is small and shrinking and desperately fought over, is that still a major trend driving this?

MB: Certainly. I’ll give you some case points for those who haven’t read the deck. Since January of 2021, the top five franchises on PC, which by the way are between 6 and 22 years old, have averaged 30% of playtime for four years straight. On PlayStation and Xbox, the top five franchises, which are mostly the same franchises on PC, and are 7 to 31 years old, are roughly 43%. Again, we’re talking about four straight monthly years at their peaks, which happened to be in the holiday at a period in time in which total playtime goes up, the expectation of new game sampling through retail sales and gifts goes up, those titles typically eclipse 50% of total playtime. When you add in the next five titles, you’re adding between 10 and 15% and so you have a market that for all intents and purposes, 60% of addressable playtime is highly, highly captive.

The remainder is intensely fought after. There were 20,000 titles released on Steam; consoles, of course have only a few hundred titles, but what’s more important is that even still, that remainder is not primarily spent on new games. In 2023, 6.5% of total playtime on PC and console across 37 top markets tracked by Nuzu, limited to 18+ because you can’t track under 18, 6.5% of total playtime was on new games that weren’t annual releases like FIFA or Call of Duty, and that 6.5% of playtime went to four games in half. So you’re actually looking at a market that has tens of billions spent in content development annually, tens of billions more or several billion in marketing going for a very, very fraction of unclaimed time. That is winner-takes-all even in that subsegment.

And so yes, this is where you see when you don’t have $60 billion in incremental revenue, you don’t have billions of new player hours, you don’t have new gamers who have yet to really sign up for an ecosystem. It’s rough.

Gaming’s Perfect Competition

Yeah, I was just going to mention that bit about the new gamers because when you go to a new social network, there’s a gold rush for status on that social network, and if TikTok were to go away, then there’s real loss. Yeah, sure, you can go to Reels, but you might not have the same following or the same sort of prominence there. And there’s a bit where if you’re a new title, particularly if you want to do something that has some sort of network effect, if there’s new gamers to capture who aren’t already committed to or don’t have a network on other games, it’s a lot easier to get started, and now it’s not just that you are having to watch a game, you’re having to peel people away and ask them to restart the skill tree, restart finding people to play with all, these pieces and yeah, it sounds like a terrible industry.

MB: I don’t know that I’d say it’s a terrible industry, but it has certainly become challenging, and I will say I’ve had a lot of conversations with game creatives and the platforms, especially since this piece has come out, and one thing that I think is true is we are, in many respects, seeing the benefits of competition, which is that margins have plummeted, new entrants have multiplied. The level of investment has never been as high, and no game maker is taking for granted, and I know that this is controversial to gamers, but no game maker is actually taking it for granted, that the 25 million people who bought their title in 2022 will show up in 2025 to buy the sequel, that’s one of the reasons why budgets have exploded. It’s one of the reasons why cinematics motion capture in video games has doubled entry to entry, it’s one of the reasons why game makers are investing in visual fidelity beyond the point of practical financial return is for that reason. How do we get Ben, whether he’s never played before, which was an active choice, or did play before, but therefore, we have to resell him on a $70 and 30 hour purchase to come back, and that has made things tough.

Well, you mentioned also that $70 price. In real terms, that’s down. The complete lack of pricing power is another example of your point of this is basically perfect competition in many respects.

MB: Right. And game makers are upset about me saying that the game prices need to go up. But I look at this from a very economical example, which is we have a category that year after year after year struggles to maintain its pricing power with inflation, and that means in the strictest possible terms that the market considers these gain worth less every year. Not worthless, of course, but worth less.

A concert ticket in 2000 was $45, it’s now $147. A movie ticket price was $4.80 in 2000, and right now it’s close to $10.90. When you take a look at any of these categories in movies, they’ve been pretty consistent in keeping real prices through nominal price increases. In other luxury media categories, like concerts or sporting events, they’ve doubled or tripled — in gaming, we have seen massive deflation. Someone sent me this photo that I’ve now put in my deck of a Toys ‘R’ Us ad from 1992, I’ll give you the prices, Ben. Mortal Kombat in 1992 for the Super Nintendo — by the way, this title probably cost a million to develop, probably had 30 people on it — $69.99.

Wow.

MB: NBA $69.99, Monopoly, $54.99, Mario Paint, just a art program was $59.99. Most titles today run between $40 or $69. On an equivalent basis, Mortal Kombat’s $157 bucks today, NBA is $152. And so this is where I get into the funny point where people say, “Yes, but games those days didn’t have microtransactions”. Do you play NBA2k, Ben?

I did a lot in the past, not as much anymore, but I did not make any microtransactions.

MB: But something tells me that the median customer, because this is important, if we’re talking about the substitution of a rack rate price into a monetization model, something tells me that the median player is not cranking out $87 in microtransactions on their $70 NBA point.

Right.

MB: And yes, people say, “Well, games sell more than they did, the TAM [total addressable market] has grown”. And the problem is the TAM has grown, but when you take a look at Halo 1 comes out in 2001, it’s a $15 million game. Right now, we’re looking at titles that range between $200, $300, $500 million or more to produce. Their expectation of GTA is a billion plus, and it’ll make its money back certainly but if you’re saying that your purchasing power has fallen by a third, your budget has gone up by 100 or at least 25x, your addressable market has tripled, and your competition has grown 2000x, you start to see some of these effects.

It reminds me of the airline industry, is actually what I was thinking about when I was going through your deck, where especially previously, you had tons of competition, it’s a very romantic business, so everyone wants to get into it. With airlines, there’s a bit where it’s easy to spin up an airline because your assets are worth a lot so if you go bankrupt, everyone’s fine because someone else will take them on, it’s all good. What was the answer to that? How did U.S. airlines start making sustainable profits? Well, consolidation. Is there a bit where this is an industry that right now it’s great for gamers, but it’s not going to be good for business unless there is a meaningful consolidation, or is the fact that it is, the barrier to entry is so low and you have something like Steam, which I want to ask you a couple more questions about where anyone can get, you mentioned those 20,000 titles, that you’re actually never going to get to that balance point?

MB: There is certainly evidence that the top performers in these catalogs are seeing outstanding profits. Activision, for example. Let’s put in this in context. Over the last 25 years, there has actually been no franchise more successful than Call of Duty, which was created in 2002. Most of the estimates confirmed a few years ago, but pulled forward suggest it’s done probably $40 to $45 billion in top line. That exceeds all of the revenue of the Marvel Cinematic Universe. Of course, some is missing because it’s attributed revenue from Disney+ but if you sum up every franchise created over the last 30 years, including Pokémon, including Harry Potter, Mortal Kombat, Activision’s Call of Duty is probably number one or number two, and when they sold to Microsoft, they had roughly 35 to 40% EBITDA margins. You have a high grosser, reliable, durable, over a quarter century outstanding EBITDA margins and by the way, there is no media company in the West that created more enterprise value than Activision from ’93 when Bobby Kotick bought half of it for half a million dollars through to the exit at a $75 billion enterprise value. There’s not much evidence that that has been whittled away by competition.

What I will say is that there is real evidence of market correction. In 2021 and 2022, video game funding from venture capital and private equity was roughly $3.5 billion per quarter at peak. It has been three to four years since that period, which means most of those funds have been exhausted. The replacement rate that is private funding of new content development studios is now half a billion. So quarterly, we have a $3 billion reduction in total content going into the market. Meanwhile, we see across the industry, massive game cancellations and clear scrutiny on the budgets of these titles. This is evidence of market correction where, perhaps, the consumer surplus became too high and the market is self-correcting its margin profile.

Now, in parallel, we see some of the players in various forms of distress. Ubisoft is one such example, and we see that consolidation around the extant ecosystems, whether that’s Microsoft or Fortnite in Roblox, which should mean that the Call of Duty performance levels will be replicated a little bit more across the industry. So I don’t know that it’s primarily a roll-up, though. I think your analogy is a good one, but it’s just to say that the market may have said in 2022, “This year was a blip”, in ’23, “This year is a blip”,…

But now it’s real.

MB: By 2024, they get it.

The TikTok Effect

I did mention TikTok, I thought it was really interesting you had some stats in there that this is actually just a pure, particularly in mobile, people just watch more short-form video. Time is the finite resource, and if these apps are so compelling, it’s almost like a replay of the Meta thing where Meta had to deal with ATT and TikTok at the same time. Turns out the gaming industry had the exact same problem, they had to deal with ATT and they had to deal with TikTok just literally stealing time.

MB: Quite right, and the numbers here are helpful because I think every time you have this conversation, people intuitively go to TikTok, but it’s helpful to quantify because when you’re talking about the degree to which this category has contracted. Let me give you some of the numbers, by the way. In 2024, there were fewer mobile game downloads in the United States than any year since 2014.

That’s amazing.

MB: In 2014, barely half of Americans had a smartphone, and we weren’t nearly as addicted to them per user as we are, so you had a decade-low of mobile game installs. By the way, at the same time, we are at a decade-low of the number of mobile games in the App Store, that’s crazy. In 2014, there were a billion-and-a-half smartphone owners globally, there’s now four-and-a-half billion, and there are fewer apps. Unsurprisingly, we have a record low for how many new mobile games enter the store. Some of that is about market maturation, market saturation, growing strength of the largest players. Some of that is exacerbated by IDFA, as you point out.

But the TikTok thing, when you move from abstraction to specifics is terrifying. So I’ll give you the numbers since 2020 H2 and H1 of 2021, which is when U.S. mobile gaming spend peaked, just isolating on U.S. adults, because again, we can’t track children, just U.S. adults spend 35 million more hours every day watching TikTok.

Now, the common response is, well, that makes sense. TikTok has cannibalized everyone, as you say, and in the United States, again, U.S. adults, Facebook usage is down marginally, but YouTube has exploded. Instagram primarily through Reels, has exploded, just as YouTube’s primarily propelled by Shorts. When you add up those four platforms alone, TikTok, Instagram, Facebook, and YouTube, the American adult population since the end of 2020, early 2021 is watching 100 million more hours of short form social video per day, 260 million Americans watching 33 more minutes a day, no one can hide from that.

If you think about it, when you’re consuming that short form video, that was the sweet spot for casual mobile gaming. It’s just gone.

MB: Quite right. But I would say on top of that, again, no one can escape it because let’s go through the mechanics. I play a lot of Call of Duty Warzone, I play a lot of Fortnite Battle Royale. Obviously, there’s some mobile distribution strengths there, but think about this from the human leisure allocation. Yes, you’re on the tube for five minutes. Candy Crush is a really fulfilling use of five minutes, but TikTok is too. Without saying one is better than the other, you can understand how the rise of TikTok is going to cannibalize some of that time.

But even when you’re saying, I have a lunch break, or I have 25 minutes at home, AAA social games take 3 to 5 minutes to boot up, you have to get sorted into a lobby, you might then play and die after 3 minutes, and now all of a sudden you’ve got 15 idle minutes. TikTok isn’t just perfect for hyper casual games, it offers three things that are outstanding. One is infinite flexibility on session time. You have 90 seconds or you have 90 minutes, most people will find that TikTok is a good use at that time. Number two is, well, I just hit it. It’s reliable, not just flexible in session time. And number three is that the algorithm ensures custom experiences that the games just cannot as reliably deliver. It may be a bad game of Candy Crush, you don’t like it, the mechanic, you might land on a different part of the map.

Those three things have hit everyone, and I think one of the things that has been most surprising in the marketplace is when you take a look worldwide since the start of Q1 2021, if we just take a look at the so-called single A, double A, triple A layer on PC, PlayStation, Xbox, worldwide, it looks like total time played is down 32%, PC down 21%, console down 43%. Now, yes, Q1 2021 is still partly COVID.

An aberration, yes,

MB: But we’re down 10% year-over-year just from the end of 2023. And so globally, we have seen all of these forces. We saw the end of player addition, we saw the emergence of new, outstanding competitors, new competitors, and we actually have seen not just on the margin, but material evidence that players are shifting to other forms of entertainment at least part of the time. In the United States, the gamer population on a weekly basis is sub-2019. That’s not COVID, Ben, that’s 2019, and so that’s where the industry says we actually need new growth engines.

Consoles and the Switch Hope

Consoles have done better than mobile, but one of the points you made is that’s mostly all Switch, and one of the problems with the Switch is it doesn’t run AAA games very well. So the Switch 2 is coming, it has a much better graphics chip, it’s still not top of the line, but it’s decent. Is that the great hope? And are we going to have basically since the Super Nintendo, the best ever embrace of a Nintendo platform by third party publishers?

MB: That’s certainly the expectation. To put this in perspective, the Switch was obviously an outstanding success. I think it’s important to recognize that it has been such a success for Nintendo, not just because of its sales figures, but because it is primarily purchased to play Nintendo games. Now, that sounds intuitive, but generally 55% of all software sold on the Switch is made by Nintendo. That compares to the traditional platform median of about 10%, and so that means that when Sony sells 10 units, they get 30% cut, that’s their store distribution fee on all 10 of those units, but they get 100% of the revenue from one out of those 10 units because they made that one out of 10. For Nintendo, they’re getting 30% on all units, but they’re getting 100% on five-and-a-half out of every 10 units and so we have this perfect example of an ecosystem that was unparalleled in its market positioning as a portable handheld that had an all time content release slate from Nintendo, and which primarily sold Nintendo titles, therefore, making an outstanding business for Nintendo.

Yeah, the underrated thing about the Switch is that the Wii U was a flop, but the Wii U had amazing Nintendo games, and so they had this huge plate of games, they just ported it over to the Switch and the content library was really good very early on.

MB: The best-selling Nintendo Switch title is Mario Kart 8, which is a Wii U title, which came out in 2014.

Yep.

MB: But so as a result, that’s not just because players wanted to play the Switch and they couldn’t find, or they only wanted to play Nintendo games. It’s most of the best titles over the last decade are not on the Switch. Elden Ring, Valorant, Destiny, Cyberpunk, Baldur’s Gate, Diablo, PUBG, Red Dead Redemption, Roblox isn’t on the Switch, if you can believe it, and that’s primarily because the device, by finding its product market fit, made technical decisions around weight, around price, around battery life that didn’t support it.

The expectation is that the Switch 2 will be good enough, if not great enough to run almost all third-party software, which should lead to more hardware unit sales for Nintendo, while also meaning that the most successful console of the last decade, the second most successful console of all time, which has been mostly off limits to game makers, will suddenly be addressable.

The challenge there, of course, is we are talking about some customers who were previously not accessible because they only had a Switch. We’re talking about some hours in the day that will now be more hotly contested. Whether that’s growth for the industry or just a new place for competition that maybe adds one to two points of per annum growth is a very different question.

Right. Well, is this a place where everyone assumes, “Oh, Sony’s got it figured it out, they had the exclusive strategy, and who knows what Microsoft is doing. They’re going to do the Xbox Pass and now they’re putting it in games everywhere and it’s a flop”, or are they actually sneakily better positioned? Yeah, we have games on Switch right away, we don’t care, we’re not here to protect the Xbox. What is the relative position of Microsoft and Sony in this new world?

MB: I think the interesting point is threefold. Number one is we were just talking about the Switch, and the Switch over the last 15 years is essentially the only source of growth in the console market. When you take a look at what the FCC and DOJ and CMA designated as a high performance console, where we’re primarily talking about what used to be the N64 and Super Nintendo, but then was just the Xbox and PlayStation high performance consoles, there were fewer of those units sold in Gen-8, which began in 2012, and 2013 and Gen-7, which began in 2005, fewer units sold than was in 2000 Gen-6. This is when the PS2 came out, when the GameCube came out. The global middle class has grown by roughly, I think 16, 17%. The average wealth of the middle class has grown, and yet we have not seen that market grow. The only areas of growth over the last 20 years are in the Nintendo Switch.

At the same time, the Nintendo Switch does not even drive aggregate growth to North American or European console sales, and what we saw in Japan and rest of world is that the growth of the Switch cannibalized the base for the other players. The reason why I say this is point number one, we have to accept that the console market has 20 years of evidence of non-growth. We can always come up with reasons why next time might be different, but we have to acknowledge that reality.

The second point is that we also have evidence of how competition has affected that. PlayStation has at present 7% operating income margins, that is below median, that is not high certainly, and it is not what you expect from $100 million MAU platform with $30 billion in revenue that is considered its category winner. And by the way, PlayStation’s revenue is up 67% since 2019, but profits are down 6%, and so we have the second piece of corroborating evidence, which is the market is not growing and what does presently defined scale look like? Not software margins, in fact nothing near it, declining profit dollars even as revenue grows.

And then third, we see that nearly all of the biggest titles globally are either mobile only — Free Fire by the way, is 155 million daily users, PUBG 150 million daily active users, Fortnite has between 20 and 30 million daily, they have a hundred million monthly, PlayStation has 45 million daily users — and we’re talking about just some games just on mobile that are several times that size. And most of the most successful titles are entirely hardware-agnostic, you have that third piece of corroboration.

Number one, no growth. Number two, the margin profile is not working, certainly not at software levels and then number three, the biggest things are multiples bigger and completely untethered from an ecosystem.

The Discord Opportunity

So the one device that is growing though is the PC, and you see Sony putting their games on there obviously, Microsoft’s always been on there. Why is the PC doing so well?

MB: The PC’s doing so well for a bunch of different reasons. Number one is just the fact that it is a superior use case for many gamers. Why? Because you can simultask. What does that mean? You can Alt+Tab to YouTube for player tips, you can Alt+Tab to WhatsApp and Signal, you can Alt+Tab to Discord, it serves as a game launcher, you have modding integration.

But most importantly, it is the largest platform today, which means your social graph is available anywhere else. Because it’s a PC-dominant stack, there’s essentially no title you can’t play, which means on Steam there’s 110,000 available games to play, including every early access title. So you now have an ecosystem where you have greater functionality, a larger library, more of your friends, access to exclusive games and by the way, if you are competitive, it is demonstrably better for competitive play. And if you are on a low budget, you can flex your price basically down to zero, it’s no incremental cost and if you care about hyper performance, the highest end gets you more.

And so we’re seeing this on the content side, we’re seeing it on the performance side, we’re seeing this on the cost side, and we’re seeing this on the network side, right? Your player network.

So, is it time to bring back the Steam console?

MB: Well, it certainly looks like Steam is doing that and primarily through third-party relationships. They launched the Steam Machine, I think it was in 2013, 2014, but it’s important to put into context how different they are. In 2014, Steam had roughly 25 million MAUs they were doing low single-digit billions. In 2024, they have 200 million MAUs, they’re doing about 6-to-7 billion hours of entertainment and there’s no one on Earth, for the most part, that isn’t supporting them because they have become such a critical distribution point.

Moreover, there’s roughly $100 to $150 billion in player entitlements that are already there, those are games that players have purchased over the last 20 years and so whereas most consoles certainly a new one, but even the old ones say, “Buy this so that you can play next-gen games here or some of your library”. Steam is saying, “When you buy one of these devices, which by the way is probably manufactured by Logitech, or Samsung, another OEM, you can extend your hundreds if not thousands of dollars of two decades of purchases and all of your friend network and by the way, all of your social signals, your game achievements, your avatars and decals, you can extend them too”. That’s a powerful system to launch.

I did want to touch on Discord real quick. Explain this Discord power and the network sort of bit? And then I have sort of an extra take I want to tack onto that.

MB: Discord is a fascinating platform in this regard. I think everyone is generally familiar that Discord began primarily as a gaming-centric platform during the pandemic as most Gen Z and some Gen Alpha flocked to it as a form of social tether. They kind of diverged from that, they became a general entertainment platform. They’ve since refocused to gaming and we can understand why, they have roughly 200 million MAUs, they’ve got 80 or 85 million DAUs. But this is a gamer hyper-indexed platform, they shared a bunch of research with me and it’s showing that roughly 90% of their players game one in every two days throughout the month. They’re mostly gaming on multiple different platforms, hyper-engaged, and more importantly, they exhibit well above median game diversity.

I mentioned some figures earlier, but the top five games, I’m not talking about the top five franchise, but the top five games on PC and console are about half of all play time. On Discord, it’s 30%. The tail of games outside the top 10 are 35% across the world on PC and console, but it’s 60% for Discord. Now again, you might say, “Well, that’s sample bias”, but that’s what I said, “Well, we’re talking about sample bias of 200 million gamers”.

Right. Well, I mean this is the point that’s so interesting is you have another slide in there, this is a famous slide, it always shows up in all sorts of different mediums, which is the mismatch between time spent and the capture of advertising dollars and we saw this back in the day when it came to the Internet, we’ve seen it with audio, we’ve seen it with video.

MB: Mary Meeker’s prize, yeah.

That’s right. That’s right, it’s a very, very famous chart. And the funny thing about it is those charts when they exist, it’s usually like, “Why can’t the existing players capture it like they did before?”. Like in print, you had print dollars to digital dimes, why can’t the newspapers get the same advertising? And what ends up happening is it’s the discovery mechanism that gets the advertising. So Facebook gets all the print advertising, or Google, or whatever it might be and this, when I was going through it that’s just sort of leaped out at me, you had the slide of the mismatch, “Where’s the advertising?” — people are trying to cram advertising in games, or virtual billboards, or whatever it might be. But then you had this bit about Discord having already high game diversity and one of the best clearly discovery mechanisms for different games. I mean it feels like this is, if you had to bet, where does that gap get closed? It’s going to get closed on Discord.

MB: I think that’s right and it was amazing, I was digging into this, they have 40 million Discord users who are streaming to their friends and this is important — we’re not talking about Twitch style broadcast, it’s not one-to-many, let alone one-to-the-unknown, this is about people who are in servers with five or 200 people who just say, “I’m going to stream my game”. You have 50 million users who are watching those streams, it’s no coincidence that game discovery is high because gaming behavior right now is group and social network based. Yes, you can learn about God of War from a streamer on Twitch, but when the people you play and talk to all the time are showing off a title and then I actually have platform incentives, this is their ad product quest to try it and in fact then you streaming it to me will earn things if you can convince me to launch the game, that’s a really, really powerful mechanism.

The reason why I have Discord in here is it’s in the growth section, it’s how can this category grow? And if you say that you have a category where the TAM has not grown, player time has not grown, players have not grown, game playing is not matching the diversity of new product, and you say you now have a channel that through rewarded advertising of a product that is clearly demonstrating product-market fit and provides enduring value to the users, unique avatars, and skins, and items. I actually believe that that can bring a lot of health to the ecosystem.

That’s the whole bit, and obviously I’m going to think in terms of is this as a potential aggregator? What you need for an aggregated marketplace is you need dispersed supply, because if the supply is consolidated and it has power, you can’t make the play. Spotify might be worth a lot, but the reality is they’re fundamentally constrained because the supply is so consolidated, and so their bargaining power they could bring to bear is much higher than the web versus Google, where there was no consolidation at all, just a gazillion websites. And the other thing you sort of need is, I don’t know if desperation is the right word, but you need this hunger for growth, and it does feel like it’s a really primed opportunity where in a world where you’re just growing naturally because there’s more players or there’s more opportunities, you are wary of plugging into Discord and putting yourself and realizing you’re getting aggregated. It’s like, “We’re already plugged into Steam, we have to be there”, but now if you need growth, it doesn’t matter where you get it, you will go where you get it and it’s a big opportunity if you’re the platform that can provide that.

MB: I think that’s right. I would add that one of the problems for game user acquisition is that there are not super natural platforms to do. In mobile it makes sense, you have a mobile install ad that’s running on a mobile application, but when you’re playing a mobile game, it’s not an intuitive place to put a Call of Duty or a God of War-Ragnarok install ad, because you can’t install from your mobile device. And by the way, the install is going to run 10 to 60 gigabytes on another platform and take several hours. Running that ad on Twitter is helpful, but again, that’s a brutal conversion funnel. Go get your Xbox, go get your Windows PC, go boot up the install, manage it, log in, authenticate.

It’s not necessarily that Discord obviates those hurdles, but it is targeted to a group of people who are already running their game client most of the time, already on the platform where they make the purchases, already driving intent-related behavior, already inclined to see if their friends already have that game. So now you actually have a platform, a time, a device, that is hyper-tuned and not awkward, and so some people will say, “Okay, just talking about new surface area for game makers to spend money to acquire customers that they may not get insufficient numbers to pay for the advertising to begin with, let alone the production costs”, and I would say something more hopeful which is, “If you believe in advertising and you believe in targeting, we are actually talking about the first real distribution platform that isn’t just running an ad on a console and isn’t just putting up a billboard in Manhattan that can actually deliver customers to you”.

There’s a cynical view of saying that’s great, we’re talking about more spend to an already successful company, I actually think that it can help remedy some of those discovery problems.

Steam and China

Yeah, for sure. I mean because Steam is obviously the other dominant player in this space but if Steam and Discord were the same company, it would be ridiculous. But they get a bit of basically every purchase, how important is the social graph there?

MB: So Steam is one of the most successful and certainly most profitable companies in the software ecosystem globally, it is probably one of the most defensible, it’s remarkable, it’s astonishing. The general estimate is that they’re doing roughly $11 billion in game sales annually, but on top of that, they’re doing another $10 billion or so, maybe $12 billion in microtransactions. We’re talking about a $22 billion top line gross merchandise value platform.

They have 350 total employees, Ben, but 250 of those, and this came out in a lawsuit, are working on VR hardware and the games that they make, Counter-Strike and Dota. The platform has won hundred or so employees, they take a 20% to 30% cut of game sales. You are talking about a company that not only blows away big tech on revenue-per-head and cashflow-per-head, but we’re not just talking about the law of small numbers, we’re talking about $20 billion in top line.

It’s amazing.

MB: And they cannot stop growing, they cannot stop strengthening. And I’ll tell you the clearest example of that strength, which is Take-Two, which makes Grand Theft Auto and NBA 2K announced a few weeks ago that they were closing down their PC store.

Over the last 10 years, everyone who has tried to avoid Steam has basically flopped. Activision testified in court that it was a, “Resounding failure to skip Steam”. Why? Because they wanted the extra margin from selling their games directly, but they lost more customers than they gained in margin and Steam continued to grow. Ubisoft, in its financial straits has gone back to Steam, EA spent 2011 to 2018 not distributing on that store, everyone has relented and most recently, it’s not just that Take-Two said, “We’re going to go on Steam”, they said, “We’re not even going to maintain our store”, and they did this perhaps less than 18 months from the PC release of Grand Theft Auto.

Right, which is going to be bonkers.

MB: There’s an expectation that, and it’s launching on PC late, but the fact that the most powerful title the industry has ever seen has said, “We’re not even going to keep our store open as optionality for what will be an all-time opportunity for customer acquisition, we instead have to go on Steam and pay 20% of revenue”, is a reflection of Steam’s control over distribution, the strength of its social graph, and the strength of the social signals that have been accumulated from Ben and Matt spending 20 years and tens of thousands of hours earning things and that has produced what is one of the most successful businesses ever.

Well, by far the most successful U.S. Internet business in China too. I mean, they’re not blocked, they’re actually bigger there than here.

MB: One piece of feedback that I’ve received is, first I had no idea Steam was so popular in China. And two, how on earth is that permitted? Everyone has known that Steam has been operating in China outside of firewalls for quite some time. But to put this in perspective, roughly 35% of all players of Steam are using the Steam client in Chinese language or dialects. That probably understates the number of Chinese players because many of whom still change to English to play a game, and so we’re saying that most of their users are English. There was this controversy recently where Black Myth: Wukong, a Chinese game that most of the rest of the world thinks is okay to maybe great, resoundingly won Steam’s Player Choice Awards. Everyone decried Chinese bots stole this award and I keep telling people, “No, it’s actually a Chinese platform”, and right now you have 70 million Chinese resident players on this platform.

Steam has 6 billion hours of engagement per month, which means roughly 2 billion hours of engagement. Which isn’t just playtime, it’s not consuming media, it’s comms, it’s social comms and messages.

Valve in Bellevue, Washington is managing on its servers 2 billion hours of Chinese communications every month, they are distributing 110,000 total games, 20,000 new games a year, and China only approves 1,000 games total in that market. It was one thing when Steam had a few million Chinese users, it’s another thing when you say it’s become that scale and no one seems to understand how and why.

I guess there was a big controversy about where are they going, and I think it was around 2020, 2021 where they did crack down on the Chinese clients to abide by Chinese law, and I guess they played it right. No one wants to upset the gamers, I think we’ve all learned that in lots of areas and as long as they’re going to play ball, China seems okay with it, but it really is quite striking.

MB: I think the nice thing about that is the economic opportunity to indie developers has been extraordinary. I’m not saying that most of the game sales to the Chinese gamers are coming at the indie level, but of course there’s some incremental revenue that’s available to foreign publishers as a result of foreign game sales into a market that couldn’t otherwise access. If you are one of the major publishers, if you’re distributing “lawfully” you are going through Chinese publishers, and therefore you’re not getting 80 cents on the dollar as you do from Steam when you sell through Steam to a Chinese citizen, you’re getting 40%, 50% at best and then of course you’re not owning and seeing the same customer data.

So this is a real economic boon that also raises that question of if that crackdown happened, which has happened many times in the past, both focused on Steam and not, the potential could be, cataclysmic is too doomful, but the one to two years of scattering and resettling and reorganizing would be devastating.

Yeah, I mean you have been making these additional points. You wrote about Black Myth: Wukong and the idea of, you’ve seen it happen in other mediums, but gaming is becoming more culturally referential, people want to play games from their culture, and it’s sort of this general split that’s happening. Every time it happens it’s probably to the detriment of the dominant US companies, but it’s very much happening with Chinese games as well.

MB: Yes, but it’s even worse in this instance. Which is to say that when we have historically seen China’s domestic capabilities in a given entertainment market mature, it has been to the exclusion of foreign product that was previously imported. In 2011 to 2013, Hollywood produced 5.3 out of the top 10 films in the market per year. From 2021 to 2013, it was 1.3 of the top 10 films, last year it was zero. The maturation of that domestic industry has pushed out that product. If you take a look at a market like India, which has always had a robust domestic capability, only three of the top 50 films ever come from outside of Bollywood. So we’ve seen that in the Chinese marketplace, in excess of 80% of all revenues are from Chinese produced games.

The exception is that Bollywood films and Chinese films are not particularly successful outside of their home markets. Wolf Warrior 2 did $800 million worldwide at the box office, but $800 million in China. But when you take a look at what has happened in gaming, we are seeing those companies have gone from 0.5% of the worldwide gaming market in 2011 to 13.5% in 2024 during a time in which the market doubled.

And these are titles that are started in China as opposed to some of the China’s investment in game developers that are big in the West.

MB: A portion of that is Chinese acquired, such as Riot, which is based in Santa Monica but has been owned by Tencent since 2009, I think. So for all intents and purposes, you would still actually say that given the actual arc of when League of Legends took off, that has almost all been under Chinese ownership even if it was acquisition.

But if you take a look at a title like Genshin Impact, Genshin Impact is probably one of the five or six titles to ever do $9 billion lifetime globally. By the way, Grand Theft Auto V is generally estimated at $9.5 billion since 2013, one of the most successful titles of all time. Genshin Impact, which came up four years ago, has done $9 billion globally, and four of that has come from outside of China. Marvel Rivals is perhaps one of the biggest games of the last five years, it’s a license of American IP, but that is a mainland, not Hong Kong, mainland China studio.

These examples are becoming more and more numerous, and they are also coming from Southeast Asia or Brazil, and so this is part of the last challenge is it’s not just that cost went up, it’s not just that players are more few, it’s not just that playtime has become more scarce. It’s that when you look at the total TAM over the last 15 years and you say the market has grown 160%, that’s true but if you are a foreign developer, the actual addressable market is a fraction of that, partly because you can’t distribute in China, and that has come with outstanding competition from these foreign markets and the cost advantages of those are remarkable.

I’ll give you one last example from software. This is a Japanese publisher, but it’s helpful because we have greater disclosures there. FromSoftware made Elden Ring, they also made Armored Core 6, one of the best, most talented game developers of all time. They announced that their entry level staff was receiving a I think 17% pay increase as a result of the last two years of success, which was great. We have an industry that has had rampant layoffs, it’s really nice for a publisher to say, “We are not only not doing layoffs, we’re going to give a voluntary and very large boost in employment”, and as you know in Japan, the entry-level can actually last quite some time. This isn’t an 18-month rotational.

The average compensation of entry-level staff FromSoftware is $20,000 a year U.S., and so that’s a really meaningful increase, but that’s a fraction of what’s happening in the West. So we have abundant growth in production supply, massive improvements in foreign and emerging market capability, a customer base locally which is large and vibrant enough to support ongoing development, whereas the rest of the world is subtracting that cost.

That’s the key thing. You have the money internally, so when you go abroad it’s just from this total position of strength and to your point, I didn’t really think through or appreciate you’re benefiting from protectionism, and so that local market, it’s not just that you’re making money there, you are more able to make money because the number of foreign games that are even allowed in are fewer, and it’s like a replay of what we’ve seen in lots of other arenas.

MB: Yeah, and this has been some of the most interesting feedback that I’ve received from people outside of the gaming industry, which is you mentioned earlier that this reminded you of the airline industry, and I had a very prominent VC reach out and say, “This could have been a deck on aerospace and defense”. Someone else reached out in private equity and now government said, “This looks like agriculture”, and it has been really remarkable because first and foremost, I take that as a compliment that someone can so clearly learn lessons that I was not tailoring towards and who has deep expertise in those other fields and can still apply them. But it also shows you a lot of, and I think this is in many ways what Stratechery is about, which is that these industry structures and what happens after hyper-growth and low barriers to entry and digital disruption all actually do converge on the same primitives, whether that’s entertainment in Hollywood or agriculture, heavy machinery, we start to see the same things.

That’s the tough part here is that the industry, like many others, whether that’s electrification or automation or artificial intelligence, is now seeking for what is that new opportunity. Without it, it’s becoming harder to imagine massive player growth, massive playtime growth and is certainly becoming hard to identify how a new company might find oxygen. That is happening, don’t get me wrong, there have been some outstanding darn successes, sometimes with studios with one or even 30 people. Palworld, one of the biggest games of last year, Lethal Company’s done I think $200 million in revenue and it’s one guy who made it primarily using asset stores. Very little of the art was his own, he just licensed objects from the community. These successes are outstanding, but the exceptions are relatively few and the volume of competition is so high that until we find those and there is a lot of effort there, it has become hard and challenging.

App Store Pressure

I mean there’s so many questions here. You’ve talked about the potential for user-generated content. Obviously, Roblox is here. The problem is, is Roblox going to ever make money? It seems to be an open question.

MB: They’re a lot more profitable than I think is generally understood.

This shows up in the accounting.

MB: Yeah, I mean, let me put it this way. They’re going to do about $4.5 billion in top line this year, and they’ll put out a billion in OCF [operating cash flow]. I think to argue that that is not a business that is working, let alone one that’s enviable, would be completely a misdirection. There is obviously that famous [John] Malone quote, which I think he took from a managerial scientist who I can’t remember the name of [Alfred Rappaport], which is, “Profit is opinion, cash is a fact,” and that’s very much true.

Now, there are some reasons why the cash is so high that relate to generally accepted accounting principles. They amortize virtual goods for 24 or 25 months, which means that their bookings and their revenue have a severe disconnect. But there’s another one which is roughly I think 30% of their revenue is then paid out as cash-based or stock-based comp, which of course shields cash flow but is a very real expense, so there are some good reasons and bad reasons.

I will say two concluding points there though is again, a billion on $4.5 billion is pretty great for operating cash flow and secondarily, a lot of this comes from the fact that any UGC platform that actually pays its developers but first has to pay 30% of revenue to app stores is going to have a hard time.

Well, this is another bit that I skipped over, but a reason for there to be so much more pressure on the App Store platforms is it’s fine to put up with 30% when you’re growing. When you’re not growing, suddenly all eyes go towards that line item and it’s like, well, maybe I should give my local regulator a call.

MB: Well, it’s not just that. I mean I’m very sympathetic to the argument that the app stores might now be punished for their success. I’m very sympathetic to the argument that they ran a platform that created a $100 billion dollar new market for mobile games, which they did as a result of Google Play and the App Store, not all of which is due to the App Store model, but some of it, a lot of it is hardware and operating system and interface.

But we should recognize some of the stated facts I said earlier. We are at a decade-low for game installation in the United States despite a tripling of the player base. We are at a decade-low for the number of games in the App Store despite that player base. We are at a decade-low of new games being launched. It is very clear that the app stores are not helping game developers like they used to. It’s very clear that the market has massively ossified.

It is less clear the extent to which open competition would remedy those issues, but I, for one, believe that the argument that they’re providing the value that they used to is patently obviously incorrect. I think that if you said we had the introduction of new competitors whose sole raison d’etre was to drive installs for mobile games, to prove discovery, to prove new business models, to prove better economics, that would be great for developers. It could only improve discovery, it could only improve margins, and it could only create new competitive pressures that would motivate to companies to work harder to remedy the aforementioned problems, which are not good. They’re plainly not good.

The Vision Pro Anniversary

Well, I do have to ask you, in two days, it is the year anniversary of the release of the Apple Vision Pro. You are the metaverse guy, we also didn’t talk about Orion, Facebook’s AR glasses. We’ve gone over time, but what I need your high-level take of where we’re at.

MB: I’m trying to think of what’s the thing that’s not going to go viral. The answer is I didn’t realize it was the one-year anniversary, just as I can’t tell you the last time I pulled the device out of my drawer.

(laughing) I was going to ask that, but you layered it on.

MB: There was this funny quote that I did an interview with Tim Sweeney and Neal Stephenson in July of last year, and I asked them both what they thought of the Vision Pro. Neither had tried it and I asked Neal why he hadn’t tried it. Neal Stephenson is the author of Snow Crash and coined the term metaverse and he just said, “I don’t need another HMD [head-mounted display] that sits in my drawer, the drawer of unused devices”.

The truth of the matter is I understand the ways in which everyone can try to rationalize what the Vision Pro has and hasn’t done that. Apple had low expectations, they manufactured it in low supply because they knew it was not going to sell very highly. That at $3,500 it’s not being pushed as that device, I get that. I also think there’s no math that suggests the device costs less than $25 billion to develop, probably much more and I think it’s unquestionably obvious that that product is not yet working in the marketplace. I think it’s addressable.

Well, here’s a crazy thing someone pointed out to me, a developer noted that Apple has not released a new Apple Vision Pro app since launch. So all the apps that were iPad apps at launch are still iPad apps. It feels like Apple gave up, there’s just no real sense of them, and I mean maybe that’s unfair or maybe they’re very smart, maybe they’re like, “Yeah, put a lot of effort, it didn’t work out, let’s move on”.

MB: The most generous, and I think that this is truth, a lot of people ask this question of Apple doesn’t ship beta devices, they ship devices when they’ve cracked the interface. Why did they release the Vision Pro? The name gives it away. Why did you release a pro version of a device before you actually had the regular stock version? The iPhone Pro came out five years after I think the original iPhone, the AirPod Pros were a few years, the iPad Pro was a few years, the Watch Ultra came out. Usually they have a basic entry level device before they have a Pro and in this instance, they launched the Pro before the regular issue.

That reflects the technological difficulty, certainly the cost profile of the components. But I think the other answer is that obviously Steve [Jobs] and others felt like they had fundamentally cracked the interface and the form factor for the iPhone when they shipped it. The complexity of the Vision Pro I think has led people to believe that this is actually something very difficult to just do in isolation in your lab. What’s the interface? What’s the software? What’s the use case? What’s the right trade-off between weight distribution, form, fit? How much of this is going to be about a high-quality screen versus the portability to do a jumping jack? And I think that one argument is we had to learn, we had to ship this — the iOS or the visionOS updates have been pretty remarkable.

That’s true.

MB: The avatar codecs have improved massively. It is absolutely indicting that there have not been more advances in Apple’s own software for native applications that sits alongside an absolute withering of native app launches for the device. But it is clear that they are learning a lot. As they ship it, we will see with the next version, how fundamental those lessons have been. My guess is they will drop the exterior display, EyeSight, which would probably shave several hundred dollars of BOM cost out of it. It would probably reduce the cost of AppleCare, it would probably make the device much lighter and therefore much better weight distributed. So we’ll see.

And they did ship the Mac screen — it’s amazing. It actually is a great feature where you get this huge widespread display, that’s where I think they should have been all along on productivity. I see this as a Mac in the Mac vein of things as opposed to being the iOS vein of things. Maybe that’s the pivot that’s going to happen. But hey, speaking of the drawer of objects, if the Orion glasses were for sale, would you buy them?

MB: I wouldn’t, and I’ll tell you the simple reason why. And I actually thought that this was the aspect of the device that was most undercovered coming out is those devices have a very unique, have a very challenge for that form factor, which is the difficulty with glasses is glasses happen to be an object that are frequently lost and more frequently damaged. A $10,000 price point and the return for that utility and for its amazement, I actually think is fine for a certain subset of the population, obviously, and of course the goal is to get down to $5,000 or $6,000, but there’s a separate issue, which is how resilient do they need to be and how easily are they repaired.

I think the Vision Pro at $4,000 is still really expensive, very easy to break, but you’re not putting it in your bag, you’re not bringing it on the bus, you’re not accidentally forgetting that it’s in your back pocket and then you sit down in your car and you’ve cracked it. There is a fundamental requirement here that laptops don’t face, that consoles don’t face, which is resiliency and it just happens that silica glass, most of the other construct of the external sensors, they require so much. And again, I haven’t asked Meta here, so maybe they’ll say, actually these are a lot more resilient than you think. The price point has to be such that repairs and replacements are digestible.

Again, that’s not something that I think most people worry about, but the more important thing is your Vision Pro can experience awful damage, but it’s actually very difficult to do catastrophic damage to your Vision Pro. You can drop the EyeSight and crack the entire external screen, but you’ve not destroyed the device. If you sit on your glasses or fundamentally drop something on the lens, you probably have several thousand dollars of repairs, if not a complete destruction of the device, and I think that’s one of the primary impediments. But look, I agreed with your take. I understand why people get upset about saying an un-shippable device that’s still a few years away is a false demo, it was remarkable. It was, and we finally got a sense of what is starting to come into view.

To know that it’s possible. It was such a tangible, “Okay, I don’t know how we’re going to get there, but there is definitely a there there”.

MB: And by the way, Ben, we can separate even what the neural interface is even separable from the advances of the optical AR display, which is to say the utility of that for doing any design work on your legacy Windows PC is real too. The advances that come from that neural interface for the population requires accessibility hardware is outstanding and what they were showing was a lightweight version of a thing designed to be worn while you were at the gym and on the go. Those technological advances I think are as much of a reason for inspiration as was the quality, color, resolution and environmental flexibility of that optical AR display.

Well, I think this is to take it full circle too, this is where the AI stuff is just going to be so critical. The interface is totally wrong for Orion right now, it’s cribbed from the VR headsets, it’s too much in your face. You only want stuff at the time you’re supposed to get it, you want the right thing at the right time and it ties to your game thing too. I thought your discussion about labor costs and the challenges and fundamental competitive constraints on US companies in particular was very striking. If you can solve that, if you can fix your asset problem, your asset generation issues with AI, maybe that is actually the key. It’s completely reworking the cost structure. Can the existing companies do that? Is this going to be an opportunity for new companies that make games in a different way? I guess I’ll have to ask you the next time you’re on.

MB: That sounds great. I look forward to it.

This Daily Update Interview is also available as a podcast. To receive it in your podcast player, visit Stratechery.

The Daily Update is intended for a single recipient, but occasional forwarding is totally fine! If you would like to order multiple subscriptions for your team with a group discount (minimum 5), please contact me directly.

Thanks for being a supporter, and have a great day!

]]>Ben ThompsonMicrosoft Earnings, Meta Earnings2025-01-30T13:21:01+00:002025-01-30T13:21:01+00:00https://nodebe4.github.io/opinion/2025-01-30/Microsoft%20Earnings,%20Meta%20Earnings

Microsoft Earnings, Meta Earnings ——

Microsoft and Meta both emphasized their optionality as models become a commodity.
]]>Ben ThompsonAsianometry on Japan’s Chemical Dominance, Stratechery Updates, and Chinese New Year Schedule Changes2025-01-29T11:22:03+00:002025-01-29T11:22:03+00:00https://nodebe4.github.io/opinion/2025-01-29/Asianometry%20on%20Japan%E2%80%99s%20Chemical%20Dominance,%20Stratec

Asianometry on Japan’s Chemical Dominance, Stratechery Updates, and Chinese New Year Schedule Changes ——

Chinese New Year wishes, and a scheduling adjustment.
]]>Ben ThompsonThe OpenAI Critique, Comparative Advantage and Infrastructure, Aggregation Theory and Cheap AI2025-01-28T12:03:01+00:002025-01-28T12:03:01+00:00https://nodebe4.github.io/opinion/2025-01-28/The%20OpenAI%20Critique,%20Comparative%20Advantage%20and%20Inf

The OpenAI Critique, Comparative Advantage and Infrastructure, Aggregation Theory and Cheap AI ——

Further grappling with DeepSeek implications, including the lack of focus in U.S. tech companies, the problem with comparative advantage, and the possibility of zero marginal cost AI.
]]>Ben ThompsonDeepSeek FAQ2025-01-27T14:05:14+00:002025-01-27T14:05:14+00:00https://nodebe4.github.io/opinion/2025-01-27/DeepSeek%20FAQ

DeepSeek FAQ ——

It’s Monday, January 27. Why haven’t you written about DeepSeek yet?

I did! I wrote about R1 last Tuesday.

I totally forgot about that.

I take responsibility. I stand by the post, including the two biggest takeaways that I highlighted (emergent chain-of-thought via pure reinforcement learning, and the power of distillation), and I mentioned the low cost (which I expanded on in Sharp Tech) and chip ban implications, but those observations were too localized to the current state of the art in AI. What I totally failed to anticipate were the broader implications this news would have to the overall meta-discussion, particularly in terms of the U.S. and China.

Is there precedent for such a miss?

There is. In September 2023 Huawei announced the Mate 60 Pro with a SMIC-manufactured 7nm chip. The existence of this chip wasn’t a surprise for those paying close attention: SMIC had made a 7nm chip a year earlier (the existence of which I had noted even earlier than that), and TSMC had shipped 7nm chips in volume using nothing but DUV lithography (later iterations of 7nm were the first to use EUV). Intel had also made 10nm (TSMC 7nm equivalent) chips years earlier using nothing but DUV, but couldn’t do so with profitable yields; the idea that SMIC could ship 7nm chips using their existing equipment, particularly if they didn’t care about yields, wasn’t remotely surprising — to me, anyways.

What I totally failed to anticipate was the overwrought reaction in Washington D.C. The dramatic expansion in the chip ban that culminated in the Biden administration transforming chip sales to a permission-based structure was downstream from people not understanding the intricacies of chip production, and being totally blindsided by the Huawei Mate 60 Pro. I get the sense that something similar has happened over the last 72 hours: the details of what DeepSeek has accomplished — and what they have not — are less important than the reaction and what that reaction says about people’s pre-existing assumptions.

So what did DeepSeek announce?

The most proximate announcement to this weekend’s meltdown was R1, a reasoning model that is similar to OpenAI’s o1. However, many of the revelations that contributed to the meltdown — including DeepSeek’s training costs — actually accompanied the V3 announcement over Christmas. Moreover, many of the breakthroughs that undergirded V3 were actually revealed with the release of the V2 model last January.

Is this model naming convention the greatest crime that OpenAI has committed?

Second greatest; we’ll get to the greatest momentarily.

Let’s work backwards: what was the V2 model, and why was it important?

The DeepSeek-V2 model introduced two important breakthroughs: DeepSeekMoE and DeepSeekMLA. The “MoE” in DeepSeekMoE refers to “mixture of experts”. Some models, like GPT-3.5, activate the entire model during both training and inference; it turns out, however, that not every part of the model is necessary for the topic at hand. MoE splits the model into multiple “experts” and only activates the ones that are necessary; GPT-4 was a MoE model that was believed to have 16 experts with approximately 110 billion parameters each.

DeepSeekMoE, as implemented in V2, introduced important innovations on this concept, including differentiating between more finely-grained specialized experts, and shared experts with more generalized capabilities. Critically, DeepSeekMoE also introduced new approaches to load-balancing and routing during training; traditionally MoE increased communications overhead in training in exchange for efficient inference, but DeepSeek’s approach made training more efficient as well.

DeepSeekMLA was an even bigger breakthrough. One of the biggest limitations on inference is the sheer amount of memory required: you both need to load the model into memory and also load the entire context window. Context windows are particularly expensive in terms of memory, as every token requires both a key and corresponding value; DeepSeekMLA, or multi-head latent attention, makes it possible to compress the key-value store, dramatically decreasing memory usage during inference.

I’m not sure I understood any of that.

The key implications of these breakthroughs — and the part you need to understand — only became apparent with V3, which added a new approach to load balancing (further reducing communications overhead) and multi-token prediction in training (further densifying each training step, again reducing overhead): V3 was shockingly cheap to train. DeepSeek claimed the model training took 2,788 thousand H800 GPU hours, which, at a cost of $2/GPU hour, comes out to a mere $5.576 million.

That seems impossibly low.

DeepSeek is clear that these costs are only for the final training run, and exclude all other expenses; from the V3 paper:

Lastly, we emphasize again the economical training costs of DeepSeek-V3, summarized in Table 1, achieved through our optimized co-design of algorithms, frameworks, and hardware. During the pre-training stage, training DeepSeek-V3 on each trillion tokens requires only 180K H800 GPU hours, i.e., 3.7 days on our cluster with 2048 H800 GPUs. Consequently, our pre- training stage is completed in less than two months and costs 2664K GPU hours. Combined with 119K GPU hours for the context length extension and 5K GPU hours for post-training, DeepSeek-V3 costs only 2.788M GPU hours for its full training. Assuming the rental price of the H800 GPU is $2 per GPU hour, our total training costs amount to only $5.576M. Note that the aforementioned costs include only the official training of DeepSeek-V3, excluding the costs associated with prior research and ablation experiments on architectures, algorithms, or data.

So no, you can’t replicate DeepSeek the company for $5.576 million.

I still don’t believe that number.

Actually, the burden of proof is on the doubters, at least once you understand the V3 architecture. Remember that bit about DeepSeekMoE: V3 has 671 billion parameters, but only 37 billion parameters in the active expert are computed per token; this equates to 333.3 billion FLOPs of compute per token. Here I should mention another DeepSeek innovation: while parameters were stored with BF16 or FP32 precision, they were reduced to FP8 precision for calculations; 2048 H800 GPUs have a capacity of 3.97 exoflops, i.e. 3.97 billion billion FLOPS. The training set, meanwhile, consisted of 14.8 trillion tokens; once you do all of the math it becomes apparent that 2.8 million H800 hours is sufficient for training V3. Again, this was just the final run, not the total cost, but it’s a plausible number.

Scale AI CEO Alexandr Wang said they have 50,000 H100s.

I don’t know where Wang got his information; I’m guessing he’s referring to this November 2024 tweet from Dylan Patel, which says that DeepSeek had “over 50k Hopper GPUs”. H800s, however, are Hopper GPUs, they just have much more constrained memory bandwidth than H100s because of U.S. sanctions.

Here’s the thing: a huge number of the innovations I explained above are about overcoming the lack of memory bandwidth implied in using H800s instead of H100s. Moreover, if you actually did the math on the previous question, you would realize that DeepSeek actually had an excess of computing; that’s because DeepSeek actually programmed 20 of the 132 processing units on each H800 specifically to manage cross-chip communications. This is actually impossible to do in CUDA. DeepSeek engineers had to drop down to PTX, a low-level instruction set for Nvidia GPUs that is basically like assembly language. This is an insane level of optimization that only makes sense if you are using H800s.

Meanwhile, DeepSeek also makes their models available for inference: that requires a whole bunch of GPUs above-and-beyond whatever was used for training.

So was this a violation of the chip ban?

Nope. H100s were prohibited by the chip ban, but not H800s. Everyone assumed that training leading edge models required more interchip memory bandwidth, but that is exactly what DeepSeek optimized both their model structure and infrastructure around.

Again, just to emphasize this point, all of the decisions DeepSeek made in the design of this model only make sense if you are constrained to the H800; if DeepSeek had access to H100s, they probably would have used a larger training cluster with much fewer optimizations specifically focused on overcoming the lack of bandwidth.

So V3 is a leading edge model?

It’s definitely competitive with OpenAI’s 4o and Anthropic’s Sonnet-3.5, and appears to be better than Llama’s biggest model. What does seem likely is that DeepSeek was able to distill those models to give V3 high quality tokens to train on.

What is distillation?

Distillation is a means of extracting understanding from another model; you can send inputs to the teacher model and record the outputs, and use that to train the student model. This is how you get models like GPT-4 Turbo from GPT-4. Distillation is easier for a company to do on its own models, because they have full access, but you can still do distillation in a somewhat more unwieldy way via API, or even, if you get creative, via chat clients.

Distillation obviously violates the terms of service of various models, but the only way to stop it is to actually cut off access, via IP banning, rate limiting, etc. It’s assumed to be widespread in terms of model training, and is why there are an ever-increasing number of models converging on GPT-4o quality. This doesn’t mean that we know for a fact that DeepSeek distilled 4o or Claude, but frankly, it would be odd if they didn’t.

Distillation seems terrible for leading edge models.

It is! On the positive side, OpenAI and Anthropic and Google are almost certainly using distillation to optimize the models they use for inference for their consumer-facing apps; on the negative side, they are effectively bearing the entire cost of training the leading edge, while everyone else is free-riding on their investment.

Indeed, this is probably the core economic factor undergirding the slow divorce of Microsoft and OpenAI. Microsoft is interested in providing inference to its customers, but much less enthused about funding $100 billion data centers to train leading edge models that are likely to be commoditized long before that $100 billion is depreciated.

Is this why all of the Big Tech stock prices are down?

In the long run, model commoditization and cheaper inference — which DeepSeek has also demonstrated — is great for Big Tech. A world where Microsoft gets to provide inference to its customers for a fraction of the cost means that Microsoft has to spend less on data centers and GPUs, or, just as likely, sees dramatically higher usage given that inference is so much cheaper. Another big winner is Amazon: AWS has by-and-large failed to make their own quality model, but that doesn’t matter if there are very high quality open source models that they can serve at far lower costs than expected.

Apple is also a big winner. Dramatically decreased memory requirements for inference make edge inference much more viable, and Apple has the best hardware for exactly that. Apple Silicon uses unified memory, which means that the CPU, GPU, and NPU (neural processing unit) have access to a shared pool of memory; this means that Apple’s high-end hardware actually has the best consumer chip for inference (Nvidia gaming GPUs max out at 32GB of VRAM, while Apple’s chips go up to 128 GB of RAM).

Meta, meanwhile, is the biggest winner of all. I already laid out last fall how every aspect of Meta’s business benefits from AI; a big barrier to realizing that vision is the cost of inference, which means that dramatically cheaper inference — and dramatically cheaper training, given the need for Meta to stay on the cutting edge — makes that vision much more achievable.

Google, meanwhile, is probably in worse shape: a world of decreased hardware requirements lessens the relative advantage they have from TPUs. More importantly, a world of zero-cost inference increases the viability and likelihood of products that displace search; granted, Google gets lower costs as well, but any change from the status quo is probably a net negative.

I asked why the stock prices are down; you just painted a positive picture!

My picture is of the long run; today is the short run, and it seems likely the market is working through the shock of R1’s existence.

Wait, you haven’t even talked about R1 yet.

R1 is a reasoning model like OpenAI’s o1. It has the ability to think through a problem, producing much higher quality results, particularly in areas like coding, math, and logic (but I repeat myself).

Is this more impressive than V3?

Actually, the reason why I spent so much time on V3 is that that was the model that actually demonstrated a lot of the dynamics that seem to be generating so much surprise and controversy. R1 is notable, however, because o1 stood alone as the only reasoning model on the market, and the clearest sign that OpenAI was the market leader.

R1 undoes the o1 mythology in a couple of important ways. First, there is the fact that it exists. OpenAI does not have some sort of special sauce that can’t be replicated. Second, R1 — like all of DeepSeek’s models — has open weights (the problem with saying “open source” is that we don’t have the data that went into creating it). This means that instead of paying OpenAI to get reasoning, you can run R1 on the server of your choice, or even locally, at dramatically lower cost.

How did DeepSeek make R1?

DeepSeek actually made two models: R1 and R1-Zero. I actually think that R1-Zero is the bigger deal; as I noted above, it was my biggest focus in last Tuesday’s Update:

R1-Zero, though, is the bigger deal in my mind. From the paper:

In this paper, we take the first step toward improving language model reasoning capabilities using pure reinforcement learning (RL). Our goal is to explore the potential of LLMs to develop reasoning capabilities without any supervised data, focusing on their self-evolution through a pure RL process. Specifically, we use DeepSeek-V3-Base as the base model and employ GRPO as the RL framework to improve model performance in reasoning. During training, DeepSeek-R1-Zero naturally emerged with numerous powerful and interesting reasoning behaviors. After thousands of RL steps, DeepSeek-R1-Zero exhibits super performance on reasoning benchmarks. For instance, the pass@1 score on AIME 2024 increases from 15.6% to 71.0%, and with majority voting, the score further improves to 86.7%, matching the performance of OpenAI-o1-0912.

Reinforcement learning is a technique where a machine learning model is given a bunch of data and a reward function. The classic example is AlphaGo, where DeepMind gave the model the rules of Go with the reward function of winning the game, and then let the model figure everything else on its own. This famously ended up working better than other more human-guided techniques.

LLMs to date, however, have relied on reinforcement learning with human feedback; humans are in the loop to help guide the model, navigate difficult choices where rewards aren’t obvious, etc. RLHF was the key innovation in transforming GPT-3 into ChatGPT, with well-formed paragraphs, answers that were concise and didn’t trail off into gibberish, etc.

R1-Zero, however, drops the HF part — it’s just reinforcement learning. DeepSeek gave the model a set of math, code, and logic questions, and set two reward functions: one for the right answer, and one for the right format that utilized a thinking process. Moreover, the technique was a simple one: instead of trying to evaluate step-by-step (process supervision), or doing a search of all possible answers (a la AlphaGo), DeepSeek encouraged the model to try several different answers at a time and then graded them according to the two reward functions.

What emerged is a model that developed reasoning and chains-of-thought on its own, including what DeepSeek called “Aha Moments”:

A particularly intriguing phenomenon observed during the training of DeepSeek-R1-Zero is the occurrence of an “aha moment”. This moment, as illustrated in Table 3, occurs in an intermediate version of the model. During this phase, DeepSeek-R1-Zero learns to allocate more thinking time to a problem by reevaluating its initial approach. This behavior is not only a testament to the model’s growing reasoning abilities but also a captivating example of how reinforcement learning can lead to unexpected and sophisticated outcomes.

This moment is not only an “aha moment” for the model but also for the researchers observing its behavior. It underscores the power and beauty of reinforcement learning: rather than explicitly teaching the model on how to solve a problem, we simply provide it with the right incentives, and it autonomously develops advanced problem-solving strategies. The “aha moment” serves as a powerful reminder of the potential of RL to unlock new levels of intelligence in artificial systems, paving the way for more autonomous and adaptive models in the future.

This is one of the most powerful affirmations yet of The Bitter Lesson: you don’t need to teach the AI how to reason, you can just give it enough compute and data and it will teach itself!

Well, almost: R1-Zero reasons, but in a way that humans have trouble understanding. Back to the introduction:

However, DeepSeek-R1-Zero encounters challenges such as poor readability, and language mixing. To address these issues and further enhance reasoning performance, we introduce DeepSeek-R1, which incorporates a small amount of cold-start data and a multi-stage training pipeline. Specifically, we begin by collecting thousands of cold-start data to fine-tune the DeepSeek-V3-Base model. Following this, we perform reasoning-oriented RL like DeepSeek-R1-Zero. Upon nearing convergence in the RL process, we create new SFT data through rejection sampling on the RL checkpoint, combined with supervised data from DeepSeek-V3 in domains such as writing, factual QA, and self-cognition, and then retrain the DeepSeek-V3-Base model. After fine-tuning with the new data, the checkpoint undergoes an additional RL process, taking into account prompts from all scenarios. After these steps, we obtained a checkpoint referred to as DeepSeek-R1, which achieves performance on par with OpenAI-o1-1217.

This sounds a lot like what OpenAI did for o1: DeepSeek started the model out with a bunch of examples of chain-of-thought thinking so it could learn the proper format for human consumption, and then did the reinforcement learning to enhance its reasoning, along with a number of editing and refinement steps; the output is a model that appears to be very competitive with o1.

Here again it seems plausible that DeepSeek benefited from distillation, particularly in terms of training R1. That, though, is itself an important takeaway: we have a situation where AI models are teaching AI models, and where AI models are teaching themselves. We are watching the assembly of an AI takeoff scenario in realtime.

So are we close to AGI?

It definitely seems like it. This also explains why Softbank (and whatever investors Masayoshi Son brings together) would provide the funding for OpenAI that Microsoft will not: the belief that we are reaching a takeoff point where there will in fact be real returns towards being first.

But isn’t R1 now in the lead?

I don’t think so; this has been overstated. R1 is competitive with o1, although there do seem to be some holes in its capability that point towards some amount of distillation from o1-Pro. OpenAI, meanwhile, has demonstrated o3, a far more powerful reasoning model. DeepSeek is absolutely the leader in efficiency, but that is different than being the leader overall.

So why is everyone freaking out?

I think there are multiple factors. First, there is the shock that China has caught up to the leading U.S. labs, despite the widespread assumption that China isn’t as good at software as the U.S.. This is probably the biggest thing I missed in my surprise over the reaction. The reality is that China has an extremely proficient software industry generally, and a very good track record in AI model building specifically.

Second is the low training cost for V3, and DeepSeek’s low inference costs. This part was a big surprise for me as well, to be sure, but the numbers are plausible. This, by extension, probably has everyone nervous about Nvidia, which obviously has a big impact on the market.

Third is the fact that DeepSeek pulled this off despite the chip ban. Again, though, while there are big loopholes in the chip ban, it seems likely to me that DeepSeek accomplished this with legal chips.

I own Nvidia! Am I screwed?

There are real challenges this news presents to the Nvidia story. Nvidia has two big moats:

  • CUDA is the language of choice for anyone programming these models, and CUDA only works on Nvidia chips.
  • Nvidia has a massive lead in terms of its ability to combine multiple chips together into one large virtual GPU.

These two moats work together. I noted above that if DeepSeek had access to H100s they probably would have used a larger cluster to train their model, simply because that would have been the easier option; the fact they didn’t, and were bandwidth constrained, drove a lot of their decisions in terms of both model architecture and their training infrastructure. Just look at the U.S. labs: they haven’t spent much time on optimization because Nvidia has been aggressively shipping ever more capable systems that accommodate their needs. The route of least resistance has simply been to pay Nvidia. DeepSeek, however, just demonstrated that another route is available: heavy optimization can produce remarkable results on weaker hardware and with lower memory bandwidth; simply paying Nvidia more isn’t the only way to make better models.

That noted, there are three factors still in Nvidia’s favor. First, how capable might DeepSeek’s approach be if applied to H100s, or upcoming GB100s? Just because they found a more efficient way to use compute doesn’t mean that more compute wouldn’t be useful. Second, lower inference costs should, in the long run, drive greater usage. Microsoft CEO Satya Nadella, in a late night tweet almost assuredly directed at the market, said exactly that:

Third, reasoning models like R1 and o1 derive their superior performance from using more compute. To the extent that increasing the power and capabilities of AI depend on more compute is the extent that Nvidia stands to benefit!

Still, it’s not all rosy. At a minimum DeepSeek’s efficiency and broad availability cast significant doubt on the most optimistic Nvidia growth story, at least in the near term. The payoffs from both model and infrastructure optimization also suggest there are significant gains to be had from exploring alternative approaches to inference in particular. For example, it might be much more plausible to run inference on a standalone AMD GPU, completely sidestepping AMD’s inferior chip-to-chip communications capability. Reasoning models also increase the payoff for inference-only chips that are even more specialized than Nvidia’s GPUs.

In short, Nvidia isn’t going anywhere; the Nvidia stock, however, is suddenly facing a lot more uncertainty that hasn’t been priced in. And that, by extension, is going to drag everyone down.

So what about the chip ban?

The easiest argument to make is that the importance of the chip ban has only been accentuated given the U.S.’s rapidly evaporating lead in software. Software and knowhow can’t be embargoed — we’ve had these debates and realizations before — but chips are physical objects and the U.S. is justified in keeping them away from China.

At the same time, there should be some humility about the fact that earlier iterations of the chip ban seem to have directly led to DeepSeek’s innovations. Those innovations, moreover, would extend to not just smuggled Nvidia chips or nerfed ones like the H800, but to Huawei’s Ascend chips as well. Indeed, you can very much make the case that the primary outcome of the chip ban is today’s crash in Nvidia’s stock price.

What concerns me is the mindset undergirding something like the chip ban: instead of competing through innovation in the future the U.S. is competing through the denial of innovation in the past. Yes, this may help in the short term — again, DeepSeek would be even more effective with more computing — but in the long run it simply sews the seeds for competition in an industry — chips and semiconductor equipment — over which the U.S. has a dominant position.

Like AI models?

AI models are a great example. I mentioned above I would get to OpenAI’s greatest crime, which I consider to be the 2023 Biden Executive Order on AI. I wrote in Attenuating Innovation:

The point is this: if you accept the premise that regulation locks in incumbents, then it sure is notable that the early AI winners seem the most invested in generating alarm in Washington, D.C. about AI. This despite the fact that their concern is apparently not sufficiently high to, you know, stop their work. No, they are the responsible ones, the ones who care enough to call for regulation; all the better if concerns about imagined harms kneecap inevitable competitors.

That paragraph was about OpenAI specifically, and the broader San Francisco AI community generally. For years now we have been subject to hand-wringing about the dangers of AI by the exact same people committed to building it — and controlling it. These alleged dangers were the impetus for OpenAI becoming closed back in 2019 with the release of GPT-2:

Due to concerns about large language models being used to generate deceptive, biased, or abusive language at scale, we are only releasing a much smaller version of GPT-2 along with sampling code⁠(opens in a new window). We are not releasing the dataset, training code, or GPT-2 model weights…We are aware that some researchers have the technical capacity to reproduce and open source our results. We believe our release strategy limits the initial set of organizations who may choose to do this, and gives the AI community more time to have a discussion about the implications of such systems.

We also think governments should consider expanding or commencing initiatives to more systematically monitor the societal impact and diffusion of AI technologies, and to measure the progression in the capabilities of such systems. If pursued, these efforts could yield a better evidence base for decisions by AI labs and governments regarding publication decisions and AI policy more broadly.

The arrogance in this statement is only surpassed by the futility: here we are six years later, and the entire world has access to the weights of a dramatically superior model. OpenAI’s gambit for control — enforced by the U.S. government — has utterly failed. In the meantime, how much innovation has been foregone by virtue of leading edge models not having open weights? More generally, how much time and energy has been spent lobbying for a government-enforced moat that DeepSeek just obliterated, that would have been better devoted to actual innovation?

So you’re not worried about AI doom scenarios?

I definitely understand the concern, and just noted above that we are reaching the stage where AIs are training AIs and learning reasoning on their own. I recognize, though, that there is no stopping this train. More than that, this is exactly why openness is so important: we need more AIs in the world, not an unaccountable board ruling all of us.

Wait, why is China open-sourcing their model?

Well DeepSeek is, to be clear; CEO Liang Wenfeng said in a must-read interview that open source is key to attracting talent:

In the face of disruptive technologies, moats created by closed source are temporary. Even OpenAI’s closed source approach can’t prevent others from catching up. So we anchor our value in our team — our colleagues grow through this process, accumulate know-how, and form an organization and culture capable of innovation. That’s our moat.

Open source, publishing papers, in fact, do not cost us anything. For technical talent, having others follow your innovation gives a great sense of accomplishment. In fact, open source is more of a cultural behavior than a commercial one, and contributing to it earns us respect. There is also a cultural attraction for a company to do this.

The interviewer asked if this would change:

DeepSeek, right now, has a kind of idealistic aura reminiscent of the early days of OpenAI, and it’s open source. Will you change to closed source later on? Both OpenAI and Mistral moved from open-source to closed-source.

We will not change to closed source. We believe having a strong technical ecosystem first is more important.

This actually makes sense beyond idealism. If models are commodities — and they are certainly looking that way — then long-term differentiation comes from having a superior cost structure; that is exactly what OpenSeek has delivered, which itself is resonant of how China has come to dominate other industries. This is also contrary to how most U.S. companies think about differentiation, which is through having differentiated products that can sustain larger margins.

So is OpenAI screwed?

Not necessarily. ChatGPT made OpenAI the accidental consumer tech company, which is to say a product company; there is a route to building a sustainable consumer business on commoditizable models through some combination of subscriptions and advertisements. And, of course, there is the bet on winning the race to AI take-off.

Anthropic, on the other hand, is probably the biggest loser of the weekend. DeepSeek made it to number one in the App Store, simply highlighting how Claude, in contrast, hasn’t gotten any traction outside of San Francisco. The API business is doing better, but API businesses in general are the most susceptible to the commoditization trends that seem inevitable (and do note that OpenAI and Anthropic’s inference costs look a lot higher than OpenSeek because they were capturing a lot of margin; that’s going away).

So this is all pretty depressing, then?

Actually, no. I think that DeepSeek has provided a massive gift to nearly everyone. The biggest winners are consumers and businesses who can anticipate a future of effectively-free AI products and services. Jevon’s Paradox will rule the day in the long run, and everyone who uses AI will be the biggest winners.

Another set of winners are the big consumer tech companies. A world of free AI is a world where product and distribution matters most, and those companies already won that game; The End of the Beginning was right.

China is also a big winner, in ways that I suspect will only become apparent over time. Not only does the country have access to DeepSeek, but I suspect that DeepSeek’s relative success to America’s leading AI labs will result in a further unleashing of Chinese innovation as they realize they can compete.

That leaves America, and a choice we have to make. We could, for very logical reasons, double down on defensive measures, like massively expanding the chip ban and imposing a permission-based regulatory regime on chips and semiconductor equipment that mirrors the E.U.s approach to tech; alternatively, we could realize that we have real competition, and actually give ourself permission to compete. Stop wringing our hands, stop campaigning for regulations — indeed, go the other way, and cut out all of the cruft in our companies that have nothing to do with winning. If we choose to compete we can still win, and, if we do, we will have a Chinese company to thank.

]]>Ben Thompson2025-01-26: 秦晖老师回答群友问题2025-01-26T13:56:25+00:002025-01-26T13:56:25+00:00https://nodebe4.github.io/opinion/2025-01-26/2025-01-26:%20%E7%A7%A6%E6%99%96%E8%80%81%E5%B8%88%E5%9B%9E%E7%AD%94%E7%BE%A4%E5%8F%8B%E9%97%AE%E9%A2%98

2025-01-26: 秦晖老师回答群友问题 ——

2025-01-26: 秦晖老师回答群友问题
]]>思享-共识EP-133 中国仿制药与集采制度出了什么问题？2025-01-24T23:00:00+00:002025-01-24T23:00:00+00:00https://nodebe4.github.io/opinion/2025-01-24/EP-133%20%E4%B8%AD%E5%9B%BD%E4%BB%BF%E5%88%B6%E8%8D%AF%E4%B8%8E%E9%9B%86%E9%87%87%E5%88%B6%E5%BA%A6%E5%87%BA%E4%BA%86%E4%BB%80%E4%B9%88%E9%97%AE%E9%A2%98%EF%BC%9F

EP-133 中国仿制药与集采制度出了什么问题？ ——

本周，仿制药与医保集采制度成为全民关注的话题。先是20位上海政协委员联名提案，指出某些集采药药效不稳定，国家医保局随后联合多部门前往上海“当面听取”意见建议。紧接着在周五，有医生发现国家药监局公布的多份仿制药一致性评价数据，连小数点后两位都完全一样，国家药监局则以“编辑错误”回应。

中国的仿制药真的不如原研药吗？早已成熟的一致性评价制度为何在中国水土不服？集采如何导致劣币驱逐良币？在医院为什么买不到原研药？医保局和药监局要负什么责任？本期不明白播客请来曾在三甲医院当过多年医生、先后在内资与外资药企工作过的Jamie，来分享他在中国药品行业所看到的，中国仿制药与集采制度存在的问题与残酷的现实。

时间轴：

01:16 仿制药真的不如原研药吗？
06:26 集采的仿制药为什么更容易出现质量问题？
11:00 一致性评价制度是如何在中国失效的？
17:13 集采“唯低价论”带来的后果是什么？
20:42 内资药企与跨国药企的质量把控差异在哪里？
23:55 药监部门的监管出了什么问题？
26:43 反对集采是因为集采动了医生的奶酪吗？
28:27 外资药企为什么进不了集采？
32:07 医院为什么买不到原研药了？
38:03 搞集采是因为医保基金没钱了吗？
39:50 为什么不能把中成药从医保中砍掉？
45:45 嘉宾推荐

《晚清七十年》唐德刚
《红太阳是怎样升起的》高华
《制度基因》许成钢

官网：bumingbai.net
捐赠链接：https://bit.ly/bmb-donate
推特：@bumingbaipod
蓝天：@bumingbai.net
Mastodon：@bumingbaipod
Telegram：@bmbpod

]]>不明白播客现代舞艺术家金星：我对我的人生 不解释不妥协不放弃 ｜观点2025-01-23T21:39:05+00:002025-01-23T21:39:05+00:00https://nodebe4.github.io/opinion/2025-01-23/%E7%8E%B0%E4%BB%A3%E8%88%9E%E8%89%BA%E6%9C%AF%E5%AE%B6%E9%87%91%E6%98%9F%EF%BC%9A%E6%88%91%E5%AF%B9%E6%88%91%E7%9A%84%E4%BA%BA%E7%94%9F%20%E4%B8%8D%E8%A7%A3%E9%87%8A%E4%B8%8D%E5%A6%A5%E5%8D%8F%E4%B8%8D%E6%94%BE%E5%BC%83%20%EF%BD%9C%E8%A7%82%E7%82%B9

现代舞艺术家金星：我对我的人生 不解释不妥协不放弃 ｜观点 ——

现代舞艺术家 #金星 在接受 #观点 @viennarrrrr专访时表示，中国的审查制度像在跳探戈舞，一直在原地打转。只要审查制度还在，就很难有艺术创作空间。她公开质疑演出被取消，是希望有关部门给出理由：没有得到回答我就一直要问，就跟秋菊打官司一样。#舞林大会 #金星秀 #日出 #江青 #林怀民 #云门舞集翻墙有方：新版“赛风”Psiphon 3使用VPN、SSH和HTTP代理服务技术，适用于视窗（Windows）和安卓（Android）系统，在设置中启动赛风代理服务器即可绕过网络封锁。获得赛风软件：https://s3.amazonaws.com/q1zc-evc7-flev/en/download.html#direct.自由亚洲电台（RFA）是向没有新闻自由的亚洲地区，传播新闻内容以及资讯的非营利机构。我们的使命是提供准确的新闻，以及精辟的评论，并提供一个可包容各类意见的平台。RFA是由美国国会授权设立，资金来源由联邦政府拨款。所有广播均从位于美国华盛顿特区的总部播出。自由亚洲电台普通话网站：http://www.rfa.org/mandarin自由亚洲电台YouTube频道：http://bit.ly/1ztYI3J自由亚洲电台Facebook：https://www.facebook.com/RFAChinese自由亚洲电台Twitter：https://twitter.com/RFA_Chinese
]]>自由亚洲电台听众来信-小莫：小红书爆火背后，一个大国的面子和里子2025-01-23T12:39:25+00:002025-01-23T12:39:25+00:00https://nodebe4.github.io/opinion/2025-01-23/%E5%90%AC%E4%BC%97%E6%9D%A5%E4%BF%A1-%E5%B0%8F%E8%8E%AB%EF%BC%9A%E5%B0%8F%E7%BA%A2%E4%B9%A6%E7%88%86%E7%81%AB%E8%83%8C%E5%90%8E%EF%BC%8C%E4%B8%80%E4%B8%AA%E5%A4%A7%E5%9B%BD%E7%9A%84%E9%9D%A2%E5%AD%90%E5%92%8C%E9%87%8C%E5%AD%90

听众来信-小莫：小红书爆火背后，一个大国的面子和里子 ——

美国拜登政府的Tiktok禁令引发美国等外国IP用户大量涌入小红书已经一周有余，面对这一前所未有的潮流，一直试图巩固防火墙、制造内外信息差、引导舆论以服务大内宣的中国大陆政府，似乎反常地（暂时）采取了默许+观望的态度。

迅速涌入的各国友人像是投入平静湖面的巨石，令湖底积聚已久、成分复杂的沉渣全部泛起、翻上湖面。我们几乎可以在小红书上看见近年来所有类型的民族情绪。

如何理解大陆有关部门的“反常”态度？中外大联欢的友善氛围下，我们应当如何观照自身的民族性？以及，为何这一切偏偏发生在小红书上？

小红书爆火现象的特殊性：女性主导的社区氛围+中美保守主义思潮共振及女性主义共鸣

小红书自诞生之初起，用户画像就一直以相对高学历的中青年女性为主，这确立了小红书社区气质的二元性，一方面，由于女性主义思潮的崛起，女性用户常常对陌生人施以援手，体现在乐于分享经验、将小红书打造成实用的搜索引擎，乐于帮助弱者、夸赞同性；另一方面，雌竞和对同性的苛责依然司空见惯。

在迎接TT难民的过程中，小红书原住民用户展现出极大的热情和友善，这或许是因为原住民潜意识将TT难民识别为客体和弱者。TT难民一词本身既充满幽默感，也带着一丝伤感和谦卑，这些都有助于激发原住民的同情心。

此外，美国虽然是一个西方国家，但美国民众的保守主义传统源远流长，深深植根于美国的历史、文化和政治制度。这与中国近年来日益崛起的保守主义思潮形成了共振。加上女性主义、“girls help girls”等话题的共鸣，使得烹饪、钩针、田园生活等话题最先激发了大量讨论。

中国监管机构：被动默许+静观其变

由于社交网络本身病毒式传播话题的速度极快，在第一波TT难民涌入后，中方就已经失去了悄悄一刀切的主动权，对这一事件的任何主动应对都会成为涉外举措。小红书平台长久以来的“去政治化”倾向，或许也给了监管部门静观其变的一些底气，至少在第一波中美讨论中并未涉及太多政治话题。

此外，中国大陆经济疲软，亟须吸引外国旅游，可能也导致监管机构对一刀切保持谨慎，尤其是在宣传口大肆炒作韩国人来沪旅游、打造开放中国形象的当下。

表面爆火的背后：言论自由与获批许可（sanctioned）的区别

在TikTok和其他西方社交软件上，只要遵循基本的社区守则和法律法规，用户就可以随心所欲地发布帖子，这是通常意义上的言论自由。

但在小红书和其他中国社交媒体上，用户的帖子能够存在只有两种可能，一是网络审查机构允许且平台允许，二是网络审查机构和/平台不允许，但暂时没有发现这条帖子（通常是因为关键词不明显或没有造成群体性影响）。

我们可以通过最近的一些事例来看中外网络言论环境的不同。

上海市新闻办在小红书欢迎TT难民的帖子被删。上海市新闻办隶属于宣传，宣传机构和网络审查机构的利益不完全一致。笔者猜测，上海市新闻办的帖子被秒删，大概率是因为发帖时间过早，各政府机构还没有就对TT难民的定性达成一致。这既可能是新闻办直属上级部门要求删除，也可能是与网络审查机构意见不一致而遭到删除。对于中国政府而言，“默许存在”和“明确支持”完全是两码事，默许更有利于保证政府的灵活立场和主动权。

一名覆面系Coser因头像和发帖照片中含有枪支（非真枪）而被小红书平台方大量删帖并警告。一名非裔女性因穿着米色贴身上衣，疑似因机器审核误判为暴露着装而被删帖。一名外国女性发布含有Lesbian完整单词的帖子被删除。

与此同时，另一些帖子却被保留了下来。例如，在德国网友帖子的评论区，大量大陆网民发布影射希特勒及军国主义的文字和图片。不少大陆网民在非裔美国网友帖子的评论区发布N-word等歧视性语言。在一些外国网友明确说明自己是未成年人的前提下，仍有大量大陆网民发布不恰当的评论，例如询问穿着中学校服的外国女性是否有男朋友等等。这些帖子往往热度较高，但无一例外都没有遭遇评论删除等管控。

民族情绪大爆发

如前文所述，我们几乎可以在今天的小红书上看见近年来所有类型的民族情绪——民族主义、帝国主义、大国情怀、血统论、文化自信、排外、种族歧视，以及全民抓间谍。

外国网友的涌入让大陆网民突然间有了“万国来朝”的精神高潮，主体性前所未有地支楞了起来。这在小红书的玩梗文化中体现得淋漓尽致。

有人将浏览和回复外国网友的发帖形容为皇上批阅“番邦的折子”。一些此前在小红书上常见的表情包，似乎也有些变味。例如陈建斌饰演雍正的《甄嬛传》剧照并配台词“朕从未见过你”，原本常被女性用户用于赞美发帖人的外貌，但当这一表情包出现在外国网友评论区时，则自然地生出一股封建帝王点评宫中嫔妃的意味。更露骨的则是（疑似）AI生成的兵马俑环抱自由女神甚至是一家三口的表情包，也在近期广为流传。这些表情包无不强调了中国的男性和父权特质，并将美国在一定程度上女性化、客体化。

血统论则体现为在一名美国印第安人朋友的评论区称其为地道、真正的美国人，“正黄旗本地老美”。

还有一种很典型的“文化自信”，觉得外国人之前不喜欢中国文化是因为他们不了解，只要了解了，就会被我们优秀的中华文化所吸引。

在讨论消费观的帖子中，不乏用力炫富还强调这是普通生活的大陆网友，这一点倒是延续了小红书最初的炫富基因。在笔者看来，这种行为与近期为了向韩国游客秀肌肉而涌上武康路街头的豪车族以及为之叫好的群众，本质上并无二别。似乎只要沟通对象是“非我族类”，炫富就成了证明国力、强化民族自豪的正当行为。

除了炫富一族，更多普通人也从各个角度找到了证明xx具备制度优越性的论据。无论是一日三餐、女性关怀，还是医疗成本、城市景观，无数中国人，卯足了劲儿向国外展示，我们生活的很好，城市漂亮又整洁，坐月子有理，中医优秀，没有人告诉外国网友，这里有室内室外无处不在的烟味、城管和摄像头。

明明小红书上有越来越多的网友对集采引发对药品及医疗器械质量感到担忧，但只因讨论对象是外国IP，居然有不少人向对面安利/炫耀起了全民医保。美国的医疗保险诚然有许多问题，但对方有问题，并不能反过来证明我们这边的制度就是更优越的、弊端更少的。

笔者的总体感觉是，似乎只要国外有一点可被攻击的地方，某些国人就已经获得了长足的心理安慰。在跨国沟通类帖子中，通过抨击美国的某些方面达成意见一致的情况要远多于抨击中国的情况。

对外国网友发帖闭眼夸、外国ip的账号迅速涨粉，激起了部分网民对于外国人特殊优待的ptsd。这其中，身份尴尬（华人血统+国外居留）的留学生群体和海外华人群体尤其感到“委屈”。在一些内陆网友的叙事中，海外华人既非我族，也非远方来客，而是某种程度上的背叛者。这种叙事承袭了一直以来的传统——历史上的大多数时候，只要出了国，就是抛国弃家、不可信赖之人；只有内忧外患之时，国家才会褒扬海外华人（通过无偿捐助艰难证明）的爱国情怀。国家无需爱你，而你必须倾尽所有，才能获得国家对于你爱国的暂时承认。

提醒中国网友小心间谍的帖子重新又热了起来。此处不再赘述，恭喜国安科普工作成果斐然。

有时，种种民族情绪互相之间会发生奇妙的化学反应。笔者看到，在讨论非裔网友遭到言论攻击的帖子下，一拨人将发表攻击性言论的大陆账号称为间谍，认为这些间谍是有意在挑拨中外关系，另一拨人则理直气壮地展示出对非裔的种族歧视，并质疑其他大陆网民为何与黑人共情。还有一些女性用户认为，都是男性用户在发表种族歧视和不友好的言论，尤其是所谓的incel男性群体。尽管笔者个人赞成这一观点，但笔者依然认为，这也是一种将恶人从定性上“驱逐”出本族群的做法，和随意指认间谍没有区别。

总而言之，巴别塔从来都没有存在过。看似理想的中间地带，在全球民族主义思潮盛行之下，也绝无可能存在。眼看中国网民迅速忘记了迟迟不发的年终奖、等待回本的A股、劣质的外卖、一件又一间被按下不表的群体性事件，在迎接外国网友的过程中自行完成了一波爱国主义教育和民族主义洗脑，试问政府怎能不感叹，这是最好的人民？怎能不静观其变，从中渔利，直至风险真正爆发的那一天，再找个替罪羊背锅，然后对民众说一句，“这都是为你们好”？

小莫
2025.1.20

]]>不明白播客An Interview with Daniel Gross and Nat Friedman About Models, Margins, and Moats2025-01-23T11:31:49+00:002025-01-23T11:31:49+00:00https://nodebe4.github.io/opinion/2025-01-23/An%20Interview%20with%20Daniel%20Gross%20and%20Nat%20Friedman%20Ab

An Interview with Daniel Gross and Nat Friedman About Models, Margins, and Moats ——

An interview with Daniel Gross and Nat Friedman about Stargate, DeepSeek, and where the margins and moats will come with models.
]]>Ben Thompson第九届网络社会年会 | Payal Arora：消除数据偏见以建立包容性技术2025-01-23T00:00:00+00:002025-01-23T00:00:00+00:00https://nodebe4.github.io/opinion/2025-01-23/%E7%AC%AC%E4%B9%9D%E5%B1%8A%E7%BD%91%E7%BB%9C%E7%A4%BE%E4%BC%9A%E5%B9%B4%E4%BC%9A%20%20Payal%20Arora%EF%BC%9A%E6%B6%88%E9%99%A4%E6%95%B0%E6%8D%AE%E5%81%8F%E8%A7%81%E4%BB%A5%E5%BB%BA%E7%AB%8B%E5%8C%85%E5%AE%B9%E6%80%A7%E6%8A%80%E6%9C%AF
网络社会年会

第九届网络社会年会 | Payal Arora：消除数据偏见以建立包容性技术

2025-01-23

Debiasing Data to Build Inclusive Technologies

年会九演讲视频

文 / Payal Arora
翻译 / 韩秋霞
校对 / 郑叶颖

我非常喜欢本次会议提出的主题，这也是为什么我希望与大家深入交流的原因之一。会议主题让我感触最深的一点是：我们是否能够从不同的起点思考全球南方所发生的事情，而不总是借用、依赖那些基于全球北方的理论、关切和经验数据。这一点，我认为非常关键。

让我进一步阐释这一观点在我的书中是如何体现的。我的新书《从悲观到希望：全球南方包容性技术设计的经验》（ From Pessimism to Promise: Lessons from the Global South on Designing Inclusive Tech ）讨论了我近年来观察到的一种趋势：即在数字技术领域，全球北方和全球南方之间存在着明显的悲观主义与乐观主义分裂现象。全球北方对数字技术及其未来越来越悲观，而全球南方地区尽管面临各种风险，却对诸如人工智能（AI）等新兴技术创新表现出越来越多的乐观态度。

这种趋势可以从大量媒体报道中看出。例如，在全球北方，关于 AI 的头条新闻通常围绕着“AI 将导致人类灭绝”、“AI 对人类生存构成威胁”、“AI 正在摧毁我们的民主、心理健康以及社会生活”等悲观论调。一种对数字技术的无力感表现为失望悲观的情绪。许多书籍也巩固了这一情绪，例如《被设计的悲伤》（ Sad by Design：On Platform Nihilism ）和《监控资本主义》（ The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power ）。北方叙事已经演变为一种人类对抗机器的“大卫与歌利亚”（David and Goliath）式悲剧 1 ，人们认为庞大的技术公司掌握巨大权力，侵蚀我们的一切：我们的控制力、身体和生活。

因此，当算法中存在压迫时，它本质上就是种族主义。而大量现有的讨论都在告诉我们：无论它是压迫性的还是种族主义的，我们唯一能对抗人工智能的方法就是抵制它。它是与我们作对的东西，我们需要抵制它，这是恢复人性的唯一方法。

因此，这种将 AI 视作人类敌人的认识框架引发我们这一代深刻的焦虑。有人认为，这正在重新塑造我们的思维方式，改变甚至破坏新一代的成长。因此，我们需要禁止它、控制它，尽一切努力远离科技，以恢复自我。这就是我们的时代氛围，也难怪全球北方及其相关学术研究对技术抱持如此悲观的看法。

最近有一篇文章探讨了：美国的进步主义者让自己变得如此悲观的原因 2 。这种情绪还远不止于此：美国多项民意调查显示，今天普通美国人对未来比十年前更加悲观。尽管经济等因素没有明显恶化，但他们认为自己的处境比以往糟糕得多。当然，目前的政治局势加剧了这种绝望，然而这种情绪早在此之前就已经存在。

与此相反，多项民调显示，在肯尼亚、墨西哥、中国、尼日利亚和印度等国家地区，大多数人对未来充满乐观，而相比之下，瑞典、法国、澳大利亚和英国的人们则相对悲观。当问及 AI 对工作场所生产力的影响时，印度、印度尼西亚、阿联酋和墨西哥等国家呈现出更多的积极反馈，而这种乐观情绪在欧洲和美国明显减弱。这是多项民意调查在过去十年内持续调查所得出的结果，呈现出的结果相当一致。

再比如气候变化，同样，在亚洲和撒哈拉以南非洲地区，人们对未来的乐观情绪远高于欧洲和北美。这种情况令人困惑，因为全球南方是受气候危机影响最严重的地区之一。这是显而易见的，因为他们需要承担主要的环境影响，而其资源远少于像荷兰这样的发达国家，且往往缺乏强有力的政策执行机构。那么为什么他们的乐观情绪反而更强？

学术界和媒体对此给出的解释是：他们“天真无知”。学界与媒体认为全球南方过于天真，但这不是他们的错，因为他们缺乏知识。因此，这种所谓的“乐观”被归因于一种缺陷模型（deficiency model）：他们缺乏教育、素养和意识。所以全球北方的任务是教育他们，告诉他们为什么应该将 AI 视为敌人，说明 AI 为何具有极强的压迫性、种族歧视和性别歧视，从而引导他们走向同样的悲观立：只有批判性地看待技术，人们才能勉强找到未来的路径。

相反，我们可以换一个角度看待这个问题，我在书中从三个视角进行探讨。首先，从 人口统计学 角度来看，全球 90% 的年轻人生活在全球南方。他们天然就更加乐观，是因为他们有未来可期，而这与老龄化的欧洲人口形成鲜明对比。其次，作为一个年轻人，关键需求之一是自我实现。无论是在印度、尼日利亚、巴西还是菲律宾，年轻人自我发现的机会至关重要。这意味着，当你生活在一个高度保守的社会，比如宗教约束很强，或者你的性取向在全球南方的大部分地区是违法的，互联网就会成为比实际物理生活空间更自由的空间，尤其是与“浪漫经济”（romance economy）有关的现象。在全球南方的很多国家地区，大多数人会经历包办婚姻，很少甚至完全没有恋爱经历。这种独立探索亲密关系的匮乏，使得数字化世界能够满足年轻人探索自我性取向和亲密关系体验的基本需求，而这种探索是个体成长中非常重要的驱动因素，我们有数据支持这一点。

第二个方面是关于 自由 ——特别是政治自由和个人自由，这两者在很多情况下是交织在一起的。极端例子包括阿富汗和伊朗，在这些地方，女性在公共空间中往往被“驯化”和“隐形化”，甚至无法与他人交谈。在阿富汗，她们不能歌唱，不能在公共场所行走，她们的权利受到限制。相比这类特定的地方现实处境，数字世界的确为她们提供了一个重新“赋予人性”（rehumanize）并与外界公共领域接触的机会。这一现象同样适用于许多其他被边缘化、受压迫的群体，比如性少数群体。这些群体都会利用数字化资源获取应得的平等权利。数字空间对他们而言相对安全，这也是一种对数字技术颠覆性的使用方式。

第三，由于地方政府往往无法理解年轻人的需求，我们可以看到数字空间具有一种 经济 层面上的灵活性。年轻人不再想成为农民或水管工，也不想重复祖父母或父母的职业。他们希望开辟自己的道路，通过跨越传统工作方式，迈向全新的生活。创作者经济（creator economy）为年轻人开辟了一条小径，让他们能够进行实验并实现劳动货币化，尽管这同时存在各种危害和风险。这并不是说他们不了解这种“掠夺性机制”（extractive nature），相比而言在特定地方这一经济模式的好处显然大于其风险。例如在纳米比亚，高失业率显而易见。我和我的团队在纳米比亚发现，大约 60% 到 70% 的农村青年在某一时期阶段处于失业状态，这导致他们陷入深度抑郁。因此，他们利用数字资源不仅仅是为了连接网络，还尝试寻找潜在的就业机会，同时也在探索开辟新的工作和生活方式。我们需要新的看待 AI 的出发点，而不是陷入“AI 是好还是坏”、“它是否造成压迫或性化”等二元对立的思考模式。这种框架限制了我们以多元视角分析全球南方作为独立实体的复杂性。

因此，我将提出五个基本理论，用来反思和挑战既有的全球北方强势理论。

1. 数字鸿沟：从工具性到整体导向

Digital Divide  From instrumentality to holistic oriented

我是联合国及许多其他机构的董事会和委员会成员，最近与一位联合国高级官员进行了一次令人不安的对话。这位官员长期致力于推动“最后一公里上网”（即让偏远地区接入互联网）。然而，她坦言自己正陷入伦理困境：她认为，让全球南方用户接入互联网存在伦理问题，这可能意味着将全球南方送入“数据攫取器”（data extraction machine）和“数据殖民机”（data colonial machine）。因此，这种看似弥合数字鸿沟的行为可能并非正确之举。需要强调的是，这种反思正在那些倡导“数字权利”的圈子中发生，因此，这种争论显得尤为令人不安，而类似的话题在十年前几乎不曾出现。如今，是否应将全球南方群体接入互联网，竟成为一个合法性讨论。这种趋势无疑令人震惊，因为接入网络本应是一项基本权利，而这种思潮正在跨领域、跨行业蔓延。

而这实际上会进一步疏远全球南方。此外，这其中也存在一种双重标准：那些声称数字化有着各种有害特质的人，恰恰是那些在网上与追随者高度互动的人。例如，以马克·扎克伯格（Mark Zuckerberg）为代表的各种人物都在社交媒体上异常活跃，并从中获得各种好处。因此，我们需要一种智识上的诚实和个人层面的坦率：如果我们在全球北方的自由民主制度中，正在日常生活中消费这些社交媒体和人工智能工具，那么为何要为全球南方设定一种不同的标准？除非我们打算放弃使用所有这些工具，或者认为我们在某种程度上拥有更好的工具，又或者认为我们比全球南方的人们更具备个人能力。因此，我对目前的这种趋势深感不安。

还有一种奇怪的现象，这种现象始于后殖民心态（post-colonial mentality），即全球南方与北方存在数字鸿沟，并且随之衍生出富人和穷人之间的分化，然而这一状态现在已经发生了显著的变化。在我的上一部著作中，我讨论了过去十年来新增的互联网用户群体的动态变化。其中数据成本在这十年间的变化极其显著——全球南方从全球数据成本最昂贵的地区变成了成本最低的地区。如今，移动互联网成本最低的国家包括印度、中国、菲律宾、柬埔寨和以色列等。如果你与典型的全球北方普通民众交流——当然，这不包括那些对这些领域非常关注的人——他们根本不会意识到这一点。他们依然假设西方拥有最廉价的互联网，这一判断并不基于任何相关数据统计。因此，他们的世界观仍停留在过去的数字鸿沟概念中。然而，事实上，全球南方在许多方面已经超越了北方。例如，他们在金融科技领域的表现尤为突出，比如亚洲国家普遍应用金融科技最多。例如十年前，当有人问到埃隆·马斯克（Elon Musk）对比亚迪的看法时，他曾对此嗤之以鼻。而今天，他却恳求欧盟监管机构阻止比亚迪进入西方市场，他明确表示否则这将摧毁整个市场。然而，我们似乎仍未理解这一变化，我们依然固守西方进步的概念和框架，并将全球南方视为数字上的“缺乏者”。

2. 渴望的算法与压迫性算法

Algorithms of Aspiration  vs. Algorithms of Oppression

另一个视角是 “渴望的算法”（algorithms of aspiration） 。我在新书中提出这一观点，用来与“压迫性算法”（algorithms of oppression）形成对照。在此，我想明确回应一点质疑：这是否在否认算法的压迫性？我并没有否认这一点，然而我的关注点是比例问题。学术研究往往过于专注于算法的压迫性维度，例如性别歧视、种族歧视，而鲜少以更全面的视角看待 AI 的作用。这种单一视角会引导我们陷入一种消极的螺旋式思维，仿佛 AI 毫无价值可言。

而在我的研究工作中，作为一名数字人类学家，我过去二十年间主要在印度、巴西、纳米比亚等地的边缘化社区开展研究。我们发现人们对任何形式的数字创新都表现出极大的热情。事实上，在美国，非裔美国人的低收入群体对 ChatGPT 的乐观程度远高于美国其他人群。然而，我们却倾向于专注于 AI 的压迫性，而没有尝试去理解：他们为何对人工智能如此兴奋？以下是其中几个原因：

首先，全球南方地区许多人缺乏优质教育，或者缺乏优质教材，尤其缺乏用他们的母语或方言编写的教材。此外，教师经常缺席或无法到校授课。在这种情况下，像 ChatGPT 这样的 AI 工具提供了一种几乎类人化的支持，使得这些用户能够与其深入对话，并以一种高度个性化的方式进行学习。因此，这些群体对这些工具充满渴望并保持乐观是有原因的。通过实际使用和实验，我们发现低收入群体的年轻人往往会花费 10 到 14 个小时投入于此。他们对 AI 工具的潜在功能感到痴迷，因为这些工具可以帮助他们开拓新的谋生方式和自我存在的形式。同时，由于这些群体往往长期不被看见或听见，他们的处境被各种不利因素所限制——例如，英语不是他们的主要语言，他们身处全球南方，没有享受到发达网络的优势，而这些工具通过偶然性和“渴望的算法”为他们提供了某种机会。

以 Ranautneel 为例，他是一位来自印度的“农村网红”，住在接近农村的三线城市，他通过使用其所在农村的本土材料响应全球时尚趋势。我们可以看到，他仅靠一张图片就获得了 27,000 多个点赞，而他所拥有的粉丝数量甚至超过了许多全球时尚品牌。这只是其中一个例子，而这一现象在十年前是不可思议的。这不仅为这些年轻人提供了展示自我的途径，也打破了都市印度人对“乡村性”的固有观念。

我最近为印度一些初创企业做了一次内部书籍分享会，这些企业的员工在阅读我的书后表示，最大的收获之一是，他们之前从未真正考虑过印度的乡村市场。他们默认乡村地区非常保守，因此只关注城市市场。而看完书后，他们感到振奋，认为应该认真考虑乡村二、三级市场作为用户、消费者和创造者。

这一点让我感到非常兴奋，它推动人们重新审视自己既有的观念框架。我相信在每个国家，无论是菲律宾还是中国，都存在关于农村的刻板印象。我们往往将其定格在过去的时间中，然而它们是公共与多元文化的交汇点，需要特定理论思考。

另一种“渴望”推动全球南方的年轻人连入网络。在我们的采访中，有一位参与者通过大量视觉创意在网络上制造浪漫创想，而这种创意表现形式在这一人群中非常常见。更有意思的是，根据全球调查显示，欧洲和美国的典型年轻人往往不认为自己是“全球公民”，比如只有不到 30% 的德国人认同这一身份。而全球南方地区的年轻人中，大约有 80% 到 85% 认为自己是“全球公民”，即便他们中的大多数从未离开过自己的城镇或国家。这反映了一种渴望，而这种渴望在线上得到了体现。正如我们之前看到的，这些年轻人通过接触全球化的叙事、全球化的媒体和娱乐，成为一个更大的跨文化叙事的一部分。

3. 关怀式监控与监控资本主义

Surveillance of Care  vs. Surveillance Capitalism

另外，对于全球南方群体而言，接入网络所能够获得的 “关怀式监控”（surveillance of care） 往往多于“监控资本主义”（surveillance capitalism）。近年来，我接触到一些硕博士研究生，尤其是来自东亚的学生，告诉我他们很难让自己获取的数据与“监控资本主义”理论契合，因为他们的受访者，比如越南的用户，似乎对这些平台非常感兴趣。那些用户并不觉得这是压迫性的，即使他们知道自己的行为被货币化，也了解其潜在的危害。但他们通过平台分享信息，并将其视为一种彼此团结互助的方式。例如，在创作者经济中，用户会分享关于如何制作内容和使用人工智能的经验。以非洲的创作者为例，他们建立了大量非常值得关注的子群体。这是因为他们意识到，要想作为一个整体推动自身发展，合作是关键。因此有了这种“关照彼此”的概念，而不是单纯地“观察彼此”（watching over each other versus watching each other）。因此，这里不仅仅存在监控资本主义式的数据追踪与攫取，还有一种“关怀式追踪”（tracking for care）。我们开展了一项为期三年的研究，聚焦于印度和孟加拉国的网约车行业。研究发现，女性司机非常希望公司对她们进行追踪，因为这可以保障安全、便于问责。毕竟，她们需要搭载陌生人并往往在深夜工作。此外，她们还希望实现双向沟通，例如司机能够评价乘客的性骚扰或不当行为，让公司将这些乘客列入黑名单。这本质上也是一种追踪。

我们需要意识到，在全球南方的大多数地区，女性的权利与男性并不平等：她们往往被视作“二等公民”。例如，在监护制度下，她们需要男性的陪伴才能出行；她们在公共空间中的权利也远不及男性，这在阿富汗、伊朗等国家地区非常常见。印度的性别不平等文化也是女性从事网约车行业的最大障碍之一，尽管市场对女性司机的需求极高，因为许多人认为选择女性司机更安全。无论是送孩子上学，接送年迈的父母，还是家庭中的女性成员的出行，大家都倾向于选择女性司机。然而，女性司机却十分稀缺。这种供需矛盾的部分原因在于，女性司机希望被公司和同行追踪，这样她们才能感到安全。

4. 再生式人工智能与抵制人工智能

Regenerative AI  vs. Resisting AI

第四个议题有关 再生式人工智能（regenerative AI） 与抵抗人工智能（resisting AI）。当我们听到很多学者，特别是批判性数据研究领域的学者对 AI 的看法时，他们常说，“我们之所以批判，是因为我们关心，我们将批判作为一种生产方式。”但是，当他们谈论 AI 背后的大型科技公司时，往往以“抵抗”的形式呈现。然而我们如何能够集体抵抗权威，抵抗大型科技寡头，抵抗来自上层的压迫力量？”两周后我将参加一个会议，我们的讨论小组将讨论一个核心问题：“我们如何应对（brace）AI？”而我在想，为什么我们要抱有如此负面的观点呢？“应对 AI ”就像是我们需要为最坏情况做好准备。这种心态的出发点非常消极。然而，如果我们从再生性角度思考，AI 可以成为我们的盟友和朋友，只要我们为其建立正确的“护栏”（guardrails），让人们得以充分利用。

如我在之前的例子中提到的那样，我们有足够的数据证明网络上的许多仇恨言论实际上有关性别歧视。Twitter 自己也承认了这一点。因此，如果我们确保这些空间有问责机制，让那些发表性别歧视言论的人无法使用甚至访问这些平台，或者受到某种形式的惩罚，我们就能够为每个人创造安全的数字公共空间，让大家都能享受这些空间并利用这些工具获取利益。

以下是一些具体的例子，说明 AI 是如何再生的，并且为什么使用 AI 的社区会因此感到骄傲。伊朗的女性运动正在使用 AI 提醒大家，伊朗是伊朗人民和政权的国家。伊朗曾是一个进步的国家，在此人民享有自由的权利——可以穿着自己喜欢的衣服，甚至可以公开接吻而不遭受严重后果和身体伤害，这种自由仅仅在几十年前就存在。活动家生成 AI 图像用于说明这一点，作为在伊朗境内进行道德抗议的一种方式，同时它不会让人们处于危险之中。这是一种非常重要的视听赋权策略，引发抗议活动带来的群体情感，而不把人们置于危险境地。

目前，我有一个名为“包容性 AI 实验室”（Inclusive AI Lab）的项目，我们正在投资建立一个包含伊朗和阿富汗女性的合成视听叙事资料库。我们希望将其放入创意共享平台，让这些女性重新被赋予人权，以向公众展示她们的形象。

另外一个例子是，在玻利维亚，我们通常对拉丁美洲的土著社区存在刻板印象。在这里，艺术家 Miranda Gamel 利用 AI 技术，抵消算法偏见，用极具表现力的方式，展示这些社区的形象，某种程度上是在“游戏”算法，从而可能改变我们看待这些社区和世界的方式。

在我们关于巴西和委内瑞拉边境的难民研究中，我和联合国难民署（UNHCR）团队进行为期一年的合作。我们发现，大多数年轻难民并没有选择退出，而是希望加入数字世界。他们与数字世界产生了深刻的共鸣，并发现其中的巨大价值。他们喜欢在线上活动。以下是一位来自委内瑞拉的同性恋者的自述，他最终在网上出柜，并得到了巨大的支持：

我的梦想是做视频，因为我的故事很难讲述。我曾经历过两次心脏病发作，后来得到了上帝的拯救。还有些事情我希望世界能理解——我不仅仅是一个难民，我有自己的故事，我想被听见、被分享。我拍摄了一张照片以表达我的孤独，这张照片被许多人所喜欢。我也很喜欢这张照片，正是这张照片让我明白，必须重视自己作为一个人的价值。

数字平台能够为这些个体提供自我表达和认同的机会。

5. 数据作为货币与数据殖民：数据殖民主义与技术迷恋

Data as currency  vs. Data colonial, data colonialism, techno-fetish

最后要提到的是 数据作为货币 的问题。这与大量关于数据攫取、殖民主义和科技迷恋的文献相抗衡，人们看到数据也是一种货币。用户意识到，虽然公司通过他们的数据获益，了解了他们的行为，但这种关系总是相对的，尤其是在用户资源极为有限的情况下——就如我在前面的案例中提到的那样，他们理解这是他们进入数字世界的一种方式。我并不是说这是一种理想的方式，我们当然更希望没有数据追踪。但是另一方面，这一切总是相对于我们所看重的内容，尤其是在优化和个性化的背景下。

我们需要诚实地面对人们做出决策的方式，并对他们为何做出这些决策所带来的公正机会给予理解，而不是默认将其归结为数据殖民主义的叙事。我的一些同事前往印度“原生 5G”（indigenous 5G）进行调研。他们研究了这些基础设施网络，并得出结论：印度的技术政治空间并不关心公共价值，而具有极强的压迫性。他是一位新马克思主义学者，然而我认为他的观点过于苛刻。印度已经开创了世界上最大的数字公共基础设施，这使得年轻人能够免费接入互联网，甚至成为创业者，而不必支付安卓或 iOS 系统的“黑社会税”，即 20% 到 30% 的费用。

他的研究问题也基于这样的假设：“这与爱立信有何不同？”他指出，印度政府拆除爱立信的基础设施，取而代之的是政府自己的基础设施，这本质上还是国家监控。所以，全球北方学术界，尤其是在批判数据研究领域，往往把全球南方视为受害者或国家压迫者，两者之间似乎没有空隙。在他们看来，用户不可能从这些公共数字基础设施中获得价值，因为他们处于国家的监控与压迫之下。我并不否认我们需要批判研究，但我们需要留出讨论的空间。

如 Anghami（中东和北非地区领先的音乐流媒体平台），正在实验 AI 工具通过 AI 分配创作来源，并允许 AI 生成音乐，而大多数国家长期以来存在着这类非正式经济（informal economies）。我们有很多非常独特的视角，这些视角在全球北方关于零工经济（Gig economy）的文献出现之前就已经存在，而这一点并没有被充分发掘。似乎从“零工经济”范式在全球北方学者研究中出现后，非正式经济才成为一个话题，但这在全球南方的国际发展研究和其他相关学科中早已有大量研究。

因此，作为总结，我们可以通过认识到我们处于不同的立场来打破这种悲观的泡沫。如果我们想要保持知识的诚实，就必须认识到这并非非此即彼。我们需要仔细描绘并充分权衡人们做出某些看似令人困惑的决策背后的原因。我就讲到这里，期待听到大家的想法，谢谢！

问答讨论

Q： 非常感谢您的演讲！关于全球南方，您提到的所有技术其实可以分为两种类型：一种是由人们直接拥有和访问的技术，另一种是平台化且由公司拥有的技术。这两者的差异非常大。因为您提到“监控为关怀服务”的观点，比如，我们中国政府以类似父母式的监管著称。我记得有一次叫网约车，司机的手机会一直被平台录音，所有的对话都会被记录下来。这给司机带来了巨大的压力，这让他们避免和顾客发生冲突。乘客在乘车时也有很多规则需要遵守。所以，虽然我在某种程度上同意技术能够为全球南方带来一些积极影响，但我有些不确定，是否技术真的能带来抗争和赋权，毕竟也有很多技术并不能如此。但我还是比较认同全球南方的技术具有积极面。那么，您是否对技术所有权有不同的意见或思考？

A： 非常感谢您的提问。首先，确实存在很多需要关注的问题。比如，我曾看到一些统计数据，由于大多数全球南方国家并不具备自由民主制度，因此他们面临的风险和伤害要远高于其他地区。然而，全球仅有不到 7% 的国家是自由民主制国家，并且这些国家通常还非常保守，并且存在父权制问题。面对如此多的挑战和困境，尤其是国家监控问题，为什么这些人仍然表现出如此强烈的乐观情绪？尽管面临如此多的困难，为什么在过去的二十年里，我仍然能遇到许多人对技术充满希望？我并不是说他们是天真的，但这让我停下来思考。因为我享受着荷兰这样的自由民主国家生活，尽管我来自印度。虽然我并不住在那里，但我的整个家庭都在那里，我对那里的动态变化和风险是非常敏感的。如果他们感到乐观，那么我就必须给予他们这种乐观情绪应有的重视。关键在于，这种乐观情绪与什么有关？我认为这一点非常重要。

所以，您说得对，关于监控和持续监视的具体例子确实令人担忧，尤其是当这种监控是单向的。如果监控同时也作用于顾客，并且对顾客对待司机的行为有责任追究，并且有相应的后果——比如我们在女性清洁服务公司，如 Urban Company 进行过的一项研究，研究对象是那些进入陌生人家中的女性，她们提供清洁、理发等服务。这些人的工作需要他们进入一个完全陌生的人的家，而如果服务提供者是女性，那个陌生人可能做出任何行为。那么，我们是否可以通过对顾客的评分来施加某种责任呢？这点非常重要。我想表达的意思是，尽管面临如此多的挑战，印度的女性往往更倾向于被持续追踪，因为现有的社会体系对她们不利，充斥着父权和性别歧视。

我认为这是关于权衡取舍的问题，这些女性知道这些技术对于不怀好意者来说是令人害怕的。我有很多其他的例子，但从根本上讲，关于所有权的问题也是如此。前几天我正在审阅一篇来自顶级媒体学术期刊的文章，文章中提到，非洲没有自主权，因为大多数基础设施是由美国或中国拥有的，他们基本上只是被动的接受者。我想，怎么能把整个大陆描绘成没有自主权的状态呢？因为这样做其实是在削弱一个事实，那就是非洲的用户群体非常庞大，并且非常年轻，非洲拥有世界上最多的上网用户，而到 2030 年，非洲的年轻人口会占据更加显著的比例，他们将拥有数量上的力量。而公司必须在某种程度上关心他们的客户。我们如果认为这些人完全没有任何权利和自主性，那是过于悲观的。是的，局势对他们不利，但他们依然选择参与其中。

这让我想到了公共空间所有权的概念，实际上是合作化的。举个例子，像纽约的华尔街公司，有时候这些公司会拥有他们大楼外面的一部分街道，在伦敦也是如此，但这些地方依然是公众使用的空间。因此，所有权存在，但这也涉及到控制的方式。当 Facebook 威胁要退出澳大利亚时，经过一周的大规模批评后，他们又回来了。所以，虽然你可以拥有某物，但你无法完全控制并对你的用户做任何事情，Facebook 作为全球最大的社交媒体，对用户群体的代理权存在一定的局限性。全球南方是全球最大的用户群体，我们应该要有信心，认识到用户人数的力量。所以，我知道还有其他问题，我自己也在与这个问题作斗争，我希望能够给人们作出看似不理性选择的原因给予公平的重视。我无法接受那种“缺陷模型”，只是认为他们只是天真而已。所以，这正是我想要弥补的差距。

Q： 我从大学时就开始学习计算机科学，我也做了很多关于社交媒体和社交网络的研究。我们可以说今天技术最重要的部分就是数据，尤其是大多数人工智能和大型语言模型都是由西方开发的，使用的主要是西方的数据集，特别是英语世界的数据集，而其他语言的数据集相对较少。那么，全球南方如何才能为全球南方的人们开发出属于自己的人工智能呢？正如你所提到的，大多数人工智能系统是为西方世界设计的，关注的是他们的福祉和权益。那么，如何利用全球南方的数据，使得其中大多数数据最终服务于其他地区的人们呢？

A： 谢谢你的问题这也是很多全球南方很多地区充满乐观情绪的原因之一。例如，长期以来，（技术发展需要）迎合不同语言的需求是非常不现实的。以印度为例，印度有 22 种区域语言和 2,000 种方言，因此从财政角度来看，无法为这个资源有限的国家提供多语言服务。然而，随着大型语言模型的出现，这一局面发生了根本性变化。现在，很多地区方言的微型语言模型已经得以建立，甚至一些区域方言也被纳入其中，这在印度是非常明显的。

同样的情况也发生在非洲，很多创业者正在打造超本地化的解决方案，来解决当地的问题。这些企业家正在构建适应当地需求的语言模型，（让人们能够）使用这些地方性语言模型。因此，这也赋予他们相对于来自全球北方的通用大型语言模型的优势。我们可以看到，非洲、印度、菲律宾的创业潮正在兴起。东亚地区也是如此，我最近在和东亚最大的风险投资公司之一进行内部交流，他们展示了越来越多的企业家正利用人工智能，不仅关注语言问题，还在考虑本地化优势，并能够通过合成数据进行捕捉和扩展。但问题在于我们的学科之间并没有很好地进行连接。例如，批判性数据研究与移民研究并没有与社会创业研究有交集。我认为我们需要真正的跨学科对话，这样才能捕捉到正在发生的变化，并改变我们的思维方式。商学院对此非常敏感，很多创新与创业的学术研究都非常关注这一点，但他们并不完全认同批判性数据研究的观点。批判性数据研究等学术领域虽然非常重要，帮助建立伦理框架以确保责任和安全性，但我们仍然需要跨学科的协作，以便优化这些基于证据的方法。

Q： 我相信在座的许多人也有类似的看法，虽然我不能替他们发言，但之前您提到的内容都指向未来将朝着类似的方向发展。关于你提到的全球北方如何以过于父权主义的方式向全球南方解释一切，这也是历史上非常常见的议题。很多时候，他们总是这样框定：等待就好，终会到达。那么，我们该如何干预这一长久以来的叙事？如何反击这种局面？

A： 非常高兴再次见到你，谢谢你的问题。你提到的这一点非常重要，我们应该从理解普通人，尤其是那些被边缘化群体的需求入手。我们通常会问他们的担忧和问题，关注其伤害，但我们往往忽略了他们的价值观：为什么他们在所有这些问题面前仍然选择在连接网络？一旦认识到其中的原因，我们就需要将其放在中心位置，确保在建立平台和制定政策时，不会破坏他们所珍视的东西。确实，全球北方在财力上具有巨大的不对称优势，尤其是美国在生成性人工智能方面的强大影响力。然而，是否可以将全球南方的用户和公民放在中心位置，关注他们所热爱的，而不仅仅是他们所害怕的？比如，欧洲经常宣称，他们制定的人工智能法案是为全世界设计的，但如果仔细研究，你会发现，这些法案完全是基于欧洲的价值观。而且，你会发现这些法案并没有真正考虑到全球南方的情况。如果直接复制这些政策，可能会对全球南方产生深远的负面影响，甚至可能会剥夺很多地方文化的核心。比如“同意”这一概念，在一些国家或地区，女性可能因法律规定需要获得丈夫或父亲的同意才能自由行动。因此简单的“同意”概念并不能适用于这些地区，因为这些地区的选择并非真正的选择。

我一直在推动敏捷软件开发（Agile software development） 3 的发展，也在印度数字经济委员会担任职务。我们注意到，印度的数字生态系统虽然令人自豪，但当谈及技术带来的伤害时，更多关注的是网络诈骗和威胁，而忽视了人们在使用这些技术时所感受到的真实困扰。像印度、墨西哥等地的某些群体，会因为可能感到不安全或受到骚扰而远离某些数字工具。所以我们应该更加关注这些群体的需求，同时也要了解他们真正看重的价值。比如，在疫情期间，很多市场的从业者开始在线直播，这不仅帮助他们维持生计，而且特别是女性通过直播建立了社群感，这也让她们能够获得使用数字工具的合法理由。

最终，我想说的是，我们在全球北方有责任去开发适合全球南方的工具。幸运的是，我看到全球南方，尤其是非洲和印度，正在涌现出不同的解决方案，这可能会为我们带来新的范式变革。这是另一个话题，值得进一步探讨。

这是一个非常重要的问题，因为这是我们接下来要面对的挑战——如何从现在开始走向未来。正如我之前提到的，我们在讨论这一点时必须强调，我们不应陷入这种决定论的思维方式。例如，有学者认为我们已经失去了对数据、对自我、对生活的控制。这是一个非常决定论的说法，他声称我们已经被数据殖民化，失去自己对数据的控制权。然而，他依然在线上，享受着这些技术带来的便利。那么，他是否已经承认愿意成为数字技术的仆人呢？你说得对，问题在于所有算法天生就是种族主义、性别歧视、压迫性的说法是非常有害的，如果我们相信这是一个既定的状态，那么为什么还要起床去改变它呢？

因此，我们可以采取不同的视角来看待这个问题，即理解人工智能是通过数据进行训练的，数据集本身存在缺陷——“垃圾进，垃圾出”。但是，假如我们不再输入垃圾数据，而是开始构建高质量的数据集呢？我们实际上正在进行这样的工作。我们正在为人工智能系统构建招聘合成数据集，这是欧洲一项大型资助项目的一部分，这在欧洲非常普及。然而，我们面临的经典问题是，像亚马逊这样的公司往往将 CEO 职位推荐给白人男性，因为数据集的历史就是这样。那我们如何改变这一点，如何让算法在思考职位时不依赖身份特征呢？我们目前正在与计算机工程师、社会科学家和人类学家合作，构建一个高质量的数据集，然后我们可以通过合成数据扩展它。合成数据本质上是这种高质量数据的复制。这是AI 技术令人兴奋之处，几年前这是不可能的。

我还在做的另一个项目是与一家大型设计公司合作，去矫正他们的视觉数据集。当你在印度 Google “女性工作”时，搜索结果中有很多刻板图像，比如“非洲儿童”之类的贫困图像，而这些图像大多由援助机构创造，用于募款等目的。那么，如果我们能改变这些数据集，去多元化非洲人想要被呈现的方式呢？我们正在进行这个工作，目前已经聘请了印度的创意人员，对数据集进行调整，并计划在扩展到肯尼亚乃至拉丁美洲的第三个国家。这不仅仅是合作，更是团结，我们可以一起完成这项工作。这是一个可以复制的努力，最终（好的数据集与 AI 工具）会进入创意共享平台。我认为这些充满希望，归根结底，数据集就是我们自己。我们每天的交流实践本身就是数据，我们可以通过集体努力“游戏化”系统，从而改变算法。所以，这一切正在发生，我们只需要放大这些努力，来改变这个局面。

  1. 编者注：这里使用 David and Goliath 的寓言以比喻人类对抗机器是以弱战强 ↩︎
  2. 编者注： Are American progressives making themselves sad? Conservatives seem more excited about change , from The Economist April 2024 ↩︎
  3. 编者注：敏捷开发是一种应对需求快速变化的软件开发模式 ↩︎

讲者介绍

佩雅尔·阿罗拉
Payal Arora

简介： Payal Arora是乌得勒支大学（UU）包容性人工智能文化教授，也是FemLab和包容性人工智能实验室的联合创始人。作为一位数字人类学领域的领军人物，她在全球南方地区拥有二十年的用户经验，致力于推动构建包容性人工智能设计和政策。Payal撰写了100多篇期刊文章和获奖书籍，包括与哈佛大学出版社合著的《下一个十亿用户》（The Next Billion Users）（Harvard University Press, 2019）。福布斯杂志称她为“下一个十亿用户的冠军”和“改革科技界的合适人选”。她与麻省理工学院出版社合作的新书《从悲观到希望：全球南方包容性技术设计的经验》（From Pessimism to Promise: Lessons from the Global South on Designing Inclusive Tech）（The MIT Press, 2024）在国际媒体上引起了广泛关注，包括《金融时报》（Financial Times）、BBC《科技解码》（BBC Tech Decoded）和《UX杂志》（UX Magazine）等纷纷报道。约150家国际媒体对她的工作进行了报道，其中包括《经济学人》（The Economist）、《99%隐形》（99% Invisible）、《TechCrunch博客》（TechCrunch）和《波士顿环球报》（The Boston Globe）等。她为公共部门和私营部门提供咨询服务，包括联合国难民署、Spotify、毕马威、Adobe、IDEO、谷歌和通用电气等，并担任多个董事会成员，包括联合国董事会和纽约世界妇女全球理事会。她曾在67个国家的350多个重要活动和邀请演讲中发表讲话，包括ACM FAccT、哥本哈根科技节、re:publica、COP26、世界经济论坛、瑞典互联网基金会等活动，与Jimmy Wales、Steve Wozniak等人物同台，并在TEDx演讲中探讨互联网的未来和创新。她曾是洛克菲勒贝拉吉奥（Rockefeller Bellagio）的驻地研究员，拥有印度、美国和爱尔兰血统，视阿姆斯特丹为家。

]]>网络社会研究所EP-132 李厚辰：2015、2016——改变中国的两年（文字版）2025-01-22T14:14:19+00:002025-01-22T14:14:19+00:00https://nodebe4.github.io/opinion/2025-01-22/EP-132%20%E6%9D%8E%E5%8E%9A%E8%BE%B0%EF%BC%9A2015%E3%80%812016%E2%80%94%E2%80%94%E6%94%B9%E5%8F%98%E4%B8%AD%E5%9B%BD%E7%9A%84%E4%B8%A4%E5%B9%B4%EF%BC%88%E6%96%87%E5%AD%97%E7%89%88%EF%BC%89

EP-132 李厚辰：2015、2016——改变中国的两年（文字版） ——

文字版全文：

00:57 李厚辰为什么会关注到2015-2016年？
03:09 那两年中国发生了哪些重要事件？
10:41 习近平对于苏联解体的执念是什么？
16:32 习近平为什么从2015年开始转向铁腕统治？
19:55 中国经济是如何在那两年走上歧路的？
27:22 习近平治下的中国是“第三共和国”？
36:51 今天的中国到了哪一个阶段？
39:45 嘉宾推荐

[00:00:02] 袁莉: 大家好，欢迎来到不明白播客，我是主持人袁莉。李厚辰是YouTube频道“世界苦茶”的主持人。大家应该还记得新年第一期，我们就请厚辰来参与讨论了“2025年中国人应该悲观还是乐观”。厚辰非常勤奋，产出很多。我特别喜欢他一个月前的一期节目。他在节目中提出了一个很有意思的观点。他认为很多人忽视了2015年和2016年这两年的重要性。实际上这两年塑造了今天的中国，是习近平对党内和中国治理方法改弦更张的确立年份。这两年真的这么重要吗？发生了哪些关键性的事件？又怎样塑造了我们今天的生活，以及这种梳理是否有意义？厚辰您好！

[00:00:54] 李厚辰: 您好，非常非常荣幸可以参加这个节目。

[00:00:57] 袁莉: 你能不能跟我们先说一下，是什么时候，哪一件事触动了你，让你觉得2015年、2016年改变了或是重塑了中国，让中国成为了习近平的中国呢？

[00:01:09] 李厚辰: 其实产生这个想法是从经济问题开始的。因为2020年中国经济很差，我就从头回溯了一下中国经济。我做了个节目叫“40年产能过剩的历史”，发现15年和16年在产能过剩和中国经济转轨上是特别关键的一年，中国再次想以中国制造2025和供给侧改革来闯关产能过剩，但失败了。失败之后政府就开始做房地产，棚改货币化，再次搞大基建一直到今天。政府债务问题的再一次膨胀就是这样积累下来的。这就是我最开始觉得15、16年在经济上非常重要。

我最近跟中国的人权律师伍雷比较熟，就又去了解了709律师抓捕。我发现709也是15、16年。我最近看了一本关于新疆的书，我发现新疆最大的转变也是15、16年。这几个事情让我都关注到了15、16年。我就很好奇，觉得好像有点不平凡。于是我就看看15、16年到底发生了什么，发现很多我过去很有印象的事情，比如长江游轮东方之星翻船事件，四百多人死亡，也是15年。所以我慢慢觉得15、16年好像很值得研究，好好梳理以后就真的像你开场所说，中国之所以变成今天这个样，以及我们大家都感觉过去十几年是个巨大的倒退——什么时候塑造这个倒退，到底怎么退法——我绝对不是说它只发生在15、16年，但中间有一个让它真正成型，从形式上变成今天这个样子，很大程度上还真是15、16年。所以基本上我是从关注经济事件开始，然后很巧合地同时关注其他几个很重要的事情也是这个年份。然后我回去看，发现这是一个很值得关注的时间。

[00:03:09] 袁莉: 我因为听你这个节目就想起来，15、16年的时候我有一个朋友，他对历史很有研究，他说习近平就是太勤快了，一个皇上太勤快了，不是一个好事。我挺推荐大家去看你那个节目，有一个非常长的论述，但是你现在能给我们简单的说一下这两年发生了哪些影响至今的特别关键性的事件呢？

[00:03:38] 李厚辰: 就像你说的，他非常勤奋，多面出击，几乎在所有领域都做了比较根本性的改变。第一个就是政治格局有非常大的改变，首先他逆转了改革开放一直以来党政分开的基本思路，走向了全面党政合一。中国其实一直有这个党政合一的倾向，但在15、16年，党政合一变得特别的显著。先是各个部门向中央政治局常委会述职，15、16年形成这个传统。过去人大是人大，政协是政协，全部要向常委述职是15、16年开始的。

然后就是军队的重大改革。中国过去一直是十大军区，后来改七大军区，但是七大军区撤销，改五大战区，这是对军队格局的根本性重塑，这也是15、16年。军队除了军区改战区之外，我们从小听到大的什么总参、总后、总政、总装，四个总部制也直接打散变成了十五个职能部门，中央军委成为了唯一的实权的职能部门，这对军队体系也是个彻底重塑，这还是15、16年。

这两年还有意识形态的全面集中控制。我们都知道今天的高校跟过去的高校已经不一样了。过去的高校可能是中国思想自由和思想开放的一个堡垒。很多老师和知识分子都是以高校作为基本阵地。现在的高校完完全全就是它的反面。这是16年开始的，16年年末有一个全国高校思想政治工作会议，从那之后高校就变成今天的样子了。还有网信办从国务院纳入中央部门等等。所以15、16年政治格局是个非常非常全面的改变。

第二，中国频率非常高，对中国也很重要的问题就是中央政府与边疆问题，以及与有争议性的国家和地区的问题。新疆、香港、台湾问题，包括南海问题，全是15、16年发生了巨大的变化。

15、16年香港是618政改失败，香港一直在争取普选，628政改失败就相当于普选这个路在香港被堵死了。从这天之后，香港就进入了所谓的后普选时代。从15、16年开始走到19年的运动，然后到现在，所以香港的整变化是从16年628政改失败开始的。

新疆进入陈全国的时代。新疆从一个相对来讲用经济发展来解决所谓恐怖主义问题，走向所谓的反恐人民战争时代。大家知道，臭名昭著的集中营，或者叫再教育营，都是从陈全国时代开始的。

台湾2015年其实还有习马会，这是两岸在职领导人的第一次见面。但2016年台湾政党轮替，蔡英文上台。民进党上台之后，之前国民党马英九时期的蜜月期马上结束。到现在都是民进党长期执政。整个来讲，中国跟台湾的关系从2016年之后发生了巨大的变化。之后有一个关键时间点，就是2019年所谓的告台湾同胞书四十周年的时候，中国正式提出要开启统一进程，这算是一个巨大的飞跃。也是那之后，战争的阴影就笼罩着台海。

南海问题也一样，2016年最关键的是南海仲裁案公布判决，否定了中国的所谓九段线主张。

所以说，2016年香港进入后普选时代，新疆进入反恐人民战争时代，台湾进入民进党长期执政时代，南海进入南海仲裁之后的时代，这些事情的重大转变都是2015、16年。刚才我们开始就在讲经济。你过去采访过很多基金投资者和老股民。我相信咱们这个节目应该有各种年龄层的听众，对于老股民来讲，15、16年那是最大的伤痛，因为这两年接连两年都有超级股灾。15年暴跌一波，16年春节前后又经历了暴跌。大家可能还记得当时有什么熔断机制。熔断机制非但没有对股市起到稳定作用，自从有熔断之后，股市每天就是崩溃熔断。这措施很快就取消了，非常恐怖。所以说经济的那两年确实遭遇了很大的困境。

那两年中国经济为了转轨，有三大重要的政策：15年的中国制造2025，15年末的供给侧改革，16年的国企混改试点，这三个东西基本都烂尾失败，最后延续下来的是棚改货币化、房地产、土地财政、房价暴涨，然后各地大基建、超级负债时代开启到现在。所以经济的转轨也是15、16年。

然后就是公民社会的全面压抑。刚才提到的709律师大抓捕，算是对于中国维权、上访，人权保护整个领域的一次围剿。第二，我们好像对网络实名制已经熟视无睹了，但是网络实名制的实际实施就是06年11月。NGO方面，现在NGO已经基本上已经无法运转了，尤其是境外NGO在境内无法运转。这是因为16年的一个立法，中华人民共和国境外非政府组织境内活动管理法，这个法案一出，就基本扼杀了境外组织在外国募款向中国输送，然后进行国内运作的可能性。所以说公民社会其实也经历了一个非常全面的压制。

这还没完。中美关系、跟世界的格局其实也在发生重大变化，Graham Addison写了一本书叫Destined for War，注定成为战争，它是17年5月30号出版，这本书主要描述的就是15、16年。你肯定知道所谓的修昔底德陷阱，这个词汇这么火就是这本书里来的。美国和中国可以避免修昔底德陷阱吗？Graham Addison是很著名的中国问题专家，还有美国的一些智库他们其实也看到了中美关系在那个时候有一个巨大的转变，而且是临近两个大国的绝对对抗。中国从习近平上台之后就一直在讲新型大国关系。新型大国关系在Barack Obama的第二任期早期相对较好，但往后双方矛盾就越来越多。所以中美关系有很大的改变。其中很重大转变就是2016年韩国萨德导弹危机，从那开始，中韩外交的一个蜜月期也宣告结束，直接影响了整个东北亚的局势。现在能够形成美日韩的军事同盟，可以说跟16年萨德导弹之后的整个转变脱不开关系。更不用说16年的年末特朗普胜选。那特朗普胜选之后，中美关系很快就进入了一个绝对对抗的周期和贸易战。

我简单简单梳理一下，我们今天的世界，党管一切，经济危机，公民社会的死亡，中美关系的转折，东北亚局势的转折等等等等，回头来看这些大事全部集中在15、16年，所以我认为这是一个很值得关注的事情。

[00:10:41] 袁莉: 这里面，我印象特别深的就是香港争取普选失败和新疆开始实行铁拳政策，陈全国时代的开始，709律师大抓捕和公民社会开始全方位败退。这里面的一个共同点就是中共采取的手段越来越强硬，不像以前了。习近平执政早期就是偶尔还对民间有所妥协，为什么完全不妥协了？

[00:11:09] 李厚辰: 这个问题我们只能猜测，但是我确实有一个想法。他2012年刚上台的时候不是又到了深圳吗？当时大家认为这是开启改革的信号，但后来发现可能不是。他在深圳有一个所谓的新南巡讲话，这个讲话内容跟改革没关系。他当时讲苏联为什么解体，有一句著名的话叫做：“竟无一人是男儿”。他的意思就是，苏联为什么解体呢？是因为理想信念动摇，诺大的一个党竟无一人是男儿。很明显，他就把自己定位为那个男儿。苏联竟无一人是男儿，而我就是挽救永恒执政命运和民族命运的那个男儿。我觉得习近平有这个想法，那就很容易干出非常多荒腔走板的事情。

所以现在回头来看，早期美国的一些中国问题专家对中国问题的理解还真的是挺深刻的。他们觉得习近平的执政有一个基本的基调，就是危机感，就是习近平对于执政有特别强烈的危机感。2015年初算是中国崩溃论的一个高峰。其中关键的一个人，也是一个美国很知名的一个中国事务专家，就是David Schoenberg 沈大伟。

[00:12:25] 袁莉: David Schoenberg是我老师。

[00:12:25] 李厚辰: 哦，对，那你肯定看过《即将到来的中共垮台》这个文章。很多人说，你看，中国崩溃论是瞎说，但其实文章不是说马上垮台，文章的意思是说进入到垮台危机的周期。而且文章里写到了几个垮台的迹象，就跟现在的事情一样。

第一个就是中国富豪大移民。因为当时胡润富豪榜对榜单上很多人做了采访，绝大多数人在思考移民和财产转移。现在到24、25年，事情变得更加的明显，甚至弥散到了中产阶级。

第二就是国家对于陷入西方颜色革命有深深的恐惧。因为这个深深的恐惧开始对互联网，公民社会逐渐加紧。然后这个政权的支持者本身，其实没有什么真心。支持者对于中共的那套意识形态，那套政治正确，其实都是表面曲意逢迎的态度。所以之后说什么勿忘初心等等。读了沈大伟这篇文章之后你会想，中共是不是好好读过这文章啊？因为你会发现中共之后的每一个政策都在应对文章提出的问题，做了很多的响应。

文章的下一个论点就是腐败已经浸透这个国家。腐败本身已经深入到社会的方方面面。现在我们看到腐败以新的形式出现，什么远洋捕捞等等。

最后文章说中国经济陷入了一个结构性的死局。其实说的没错。

所以从2015年初有这个文章之后，西方包括中国国内关于崩溃论就有很多的讨论。这个讨论之中，我猜，如果一个人在2012年的使命是：我是挽救永恒执政和伟大民族命运的那个男儿。然后你们又开始炒作中国崩溃论，而且方方面面也确实感觉出现了一些危机。那我觉得，如果一个人真的这么想，他为了力挽狂澜，势必会动作变形，肯定会干出很多反应过度的事情。如果习近平真的觉得有一个使命在身，那基本上对于这种危机感都会反应过度。

其实我们中国人也能感觉到，即使不是15、16年，每到关键社会周期，我们就开始提斗争。斗争这个词汇就会开始变成一个关键词汇。为什么斗争？为什么要越过胡、温时代去直接对接毛时代？其实这是用响应某种紧急状态的方法来理解和处理国内问题。如果每次都把国内问题理解为不断发生的紧急状态、特殊时期、特殊方法，那很多政策肯定有很强烈的非理性色彩和过度的色彩。

[00:15:15] 袁莉: 大家好，我是袁莉，你们刚刚听到的精彩对话背后有几十个小时的精心准备和制作，这需要阅读大量资料，花时间与采访对象沟通，只有这样才能问出好的问题，才可能进行有深度的对话。不明白播客会继续致力于制作高品质的新闻内容，让中国人听到深刻的思考，真实的情感，在这个晦暗不确定的年代，听到彼此心中的一点坚持。请大家继续支持不明白播客，让我们把这个事业长期地进行下去。欢迎听众朋友们到我们本期的内容简介里点击捐赠链接或者访问我们的网站bumingbai.net的捐赠页面。

2013年的时候，实际上习近平对中国民间有一轮魅力攻势，他去吃庆丰包子，出行不要封路啊各种各样的东西。他是从2012年就想好了未来要做的事情，还是说这中间出现了什么事情，让他到了2014、15、16的时候开始越来越铁腕？

[00:16:32] 李厚辰: 我也可以补充一个，为什么我们从15、16年开始讲，而不是之前，就像你刚才说的，13年，其实有很多亲社会和亲市场的表达。比如说如果现在回看13年的十八届三中全会，十八届三中全会真的是全面市场化，提了无比多的改革，无比多的市场化机制，无比多的倾向于市场，倾向于民营企业，倾向于什么服务型政府，什么市场型政府转换。当时十八届三中全会的时候，大家真的认为这是兑现他父亲习仲勋的那种思路，兑现中国进一步深化改革开放。所以12、13年的时候，看他讲的话，你确实看不出15、16年的这些特征。如果中国真的按十八届三中全会里面的所有方针来实质性，如果这些改革落地的话，那经济肯定不是今天这个样子。

[00:17:24] 袁莉: 对，确实是有很多谜团。你说这两年意味着习近平时代的落成，接着我们刚才的话，他是12年底开始任总书记的，为什么要等到15、16年才开始频繁地使用铁腕呢？

[00:17:41] 李厚辰: 为什么15、16年可能会产生转变呢？就是14、15、16年这几年大型的国际的转变事件，天灾人祸，经济冲击比较多。08年是金融危机，然后中国用四万亿相对来讲做了一个软着陆。这个软着陆给整个社会带来的矛盾在14、15、16年都凸显出来了。其中贫富分化产生的巨大问题就都凸显出来了。所以我觉得转变很可能是危机促动的，而不是他本人有一个精密的计划。

第二就是执政早期确实有很多准备工作要去完成。尤其中国这个巨大的体制，导致一个人总书记这个职位转换不是第一天就能大展拳脚的。人事的惯性和很多其它事物都有惯性。比如胡锦涛执政两年之后，江泽民才卸任军委主席。所以实际上两年之后才算是正式交给胡。虽然胡锦涛同志高风亮节，裸退掉了，但实际上前朝的很多政治遗产和政治的尾巴是要慢慢慢慢去清理的。比如说对郭伯雄的调查到2015年才完成。所谓的新四人帮，但其实是五个人：薄熙来、郭伯雄、徐才厚、周永康，令计划，这个所谓的新的篡党夺权集团到2015年才算收尾。所以可以说从12年到15年，他想大展拳脚，全面按照他个人的意志贯彻，可能也需要清理很多政治问题和政治尾巴。

所以为什么是15、16年，我认为这里面一大部分是危机和新的形势促动的。当然这并不代表中国真的有多严重的危机，只是他站在一个党永恒执政的真男儿的地位，对于危机的理解有他自己的一个独特视角的。第二个就是当他清理掉了这些前面的遗留之后，他开始大展拳脚，而且大家也知道——这就不用听床也不用猜了——很明显他是一个喜欢大战略、大方针、大转变的一个人，是容易作出冒进的事物的。

[00:19:55] 袁莉: 那我们说一下经济，你认为中国经济那两年也走上了歧路，而且在错误的道路上越走越远。你可以展开说一说，大概都有哪些大的错误。当时这些经济政策和现在中国面临的经济困境都有什么样的关系？

[00:20:21] 李厚辰: 基本上中国有两个最核心的问题，第一个就是消费的比例太低，完全依靠外贸和投资拉动。第二个跟投资有关，中国的投资是以政府部门投资为主，所以投资回报率越来越低，相当于中国每年要花特别特别多的钱，背上特别多的债务，然后GDP只能涨一点点，涨一点点的GDP还分配不到社会上，所以说整个经济的结构就是个问题。

这个结构问题反映出来的实际现象就是产能过剩。因为政府不是受市场价格信号的预知去做计划的，而是靠不同的地方政府。他们都要发展新能源汽车、都要发展电池，都要发展光伏，所以全国二三十个城市一起搞光伏。他们不管有没有市场，直接把光伏产量做到全球每年总需求的两到三倍。这都是非市场化、政府主导的结果导致的。

我们回来看2015年提出的供给侧改革和中国制造2025，两个东西都是着力要淘汰、解决低端产能和低端产能过剩问题。国企混改其实也是解决这个问题，因为很多国企尾大不掉，尤其是在市场末端，它是没有市场化能力的，所以政府希望借混合所有制改革来让一些国企和民企合一，让决策上股份制等等。说但是我们会发现这个方向肯定有极大的问题。

不管是所谓的中国制造2025，还是供给侧改革，它并没有改变政府主导和产业政策的导向。它还是说国家有一个顶级产业政策。只是这个产业政策过去是小火电，炼钢，水泥、玻璃。现在转向新三样，当时不提新三样，当时应该是八大战略新兴产业，新材料、新能源之类的。我们今天所谓的新三样，就是从八大战略性新兴产业淘汰出来的。它实际上还是产业政策，还是没有改变过去的政府投资拉动，这些领域依然会产能过剩。

还有一个麻烦的事情，实际上国家当时已经意识到，基础设施建设，就是铁公基的基建——铁路、公路、机场——基建和各地的楼堂馆所建造已经是不可持续的事情了，属于要淘汰的产能。但在淘汰的过程导致2015年和16年的GDP萎缩得非常快。中国GDP在15、16年跌到7%以下。所以社会上有很大的问题，导致国家重新回到老路上，也就是在这个时候把供给侧改革，中国制造2025都抛弃了，又变成了棚改货币化。所谓棚改货币化就是国家出一大笔钱，把全国的楼市搞起来。这个引擎开动起来了，房地产就成为中国支柱产业，每年不断地扩大。这对经济结构没有任何好处，它不只让中国那些落后的产能，那些小火电，钢材、玻璃、水泥进一步扩充和发展，还在整个经济分配在民间用于消费不多的情况之下，让一大批本来不富裕老百姓背上30年的沉重房贷，扼杀他们未来投资和消费的可能性。

所以说也得说15、16年中央知道问题是什么，他们最开始那三把剑其实是知道方向的，也想模仿日本的方式来解决问题。但问题是最后因为顶不住15、16年短期的股灾和经济压力，重新走上错误的老路，导致08年四万亿刺激计划之后，中国这个投资回报率越来越低，民营分配越来越少的问题，到今天变成了可能压垮中国经济最大的问题，现在已经积重难返了。大家别看最近好像一线城市二手房火一点，最近企业简直一潭死水。PPI还在不断地下跌，整个企业现在完全没有任何起色了，其实真的很难很难。所以我觉得中国经济就是这个问题，它的表征问题是产能过剩，中国干什么产业，什么产业就要干到全球总需求的好几倍，这是很难想象的事情。

[00:24:34] 袁莉: 而且中国的出口顺差达到了一万亿，这个是前天公布的，这在全球真的引起了特别特别特别大的关注，以后中国和和发达国家的矛盾会越来越大。

[00:24:47] 李厚辰: 贸易战的根源。而且我要说一句为什么今年贸易顺差这么巨大。这跟内需萎缩关系非常大。今年进口跌的很厉害，虽然上半年出口也不好，但是下半年出口这么好，不是因为我们有多强，是因为美国要打贸易战，很多公司都开始预备性的大量购入中国产品，免得以后加关税，所以现在是年末冲了一波业绩。

[00:25:11] 袁莉: 现在距离你做这期节目有一个多月了，你有什么想要补充或者是修正的吗？我看有听众留言提到党建，说村一级的选举取消委派村书记是在2015年，国有企业坚持党的领导是2015，纪律处分条例是2015。这是人事布局完成的信号。两学一做是2016，关于新形势下党内政治生活的若干准则是2016。这是在列宁化已完成的信号。你的听众的水平很高。

[00:25:48] 李厚辰: 对，实际上不可能涵盖所有的事情，因为中国事情实在太多了。如果回头去看这个领域，可能15、16年还有很多很有意思的事情，除了刚刚这个听众留言讲的之外，我刚才提到党政重新合一的典型事件，就是15和16年年初都有人大常委会、国务院、全国政协、最高法、最高检五大机构向政治局常委汇报工作。这个述职以前是不搞的，15、16搞了两年之后，现在已经成为每年常设的一个事务了。包括2018年中国建立了一个国家监察委，这又是一个非常大的一步，这是一个跟国务院平级的超大机构，但事实上也是在2016年公布了北京、山西、浙江国家监察委体制改革试点方案，所以这个监察委的起点也是2016年。包括我们刚才讲的中国制造2025和国企混改。外交方面，我这两天又找了一个特别有意思的报告，兰德，一个美国著名的智库，他有个报告里面有一章叫做A U.S. Perspective on the U.S. China Relationship，从美国的视角来看美中关系，他也把关键时间节点定在2016年，包括反腐等等事情。

所以从我做那个节目到现在，有很多需要补充的，要修正的暂时还没有。当然人都很固执的不愿意改变自己的想法，习总一样，我也一样。无论如何，我肯定比他好一点。到现在为止一个月时间，我还没有觉得哪里好像说错了，但要补充的非常非常多。我觉得还是很有意思的一件事。

[00:27:22] 袁莉: 有人可能会说，你做这样的梳理，这样的判断，把中国现在面临的困境都归咎于习近平。但是有一些开倒车的事情，就是从胡温时代其实就已经开始了，你怎么看这种说法呢？

[00:27:38] 李厚辰: 我觉得这个说法里面有一些例子听上去是有点道理的。比如说防火墙是胡温时期搞的，就不是习近平搞的。中国所谓的五不搞：不搞多党轮流执政，不搞思想多元化等等，这是吴邦国在11年讲的。这也是习近平之前的。虽然这样，但如果要问我，15、16年习近平跟胡温时代的根本不同之处是什么？如果我们把邓小平之后的中国叫做中华人民共和国第二共和国。那从第一个共和国到第二共和国有一个关键的转变，就是八二宪法和八三政改中的最主要原则：集体领导、任期制，这是一个非常大的关键。第二个是党政分开，都不说党跟社会分开，只是国务院跟党中央分开。这是中华人民共和国第二共和国的主要特征。

胡温时代有很多开倒车，或者不开明、不进步的地方，但完全没有没有碰这个机制。国务院的大量职责没有被架空，收到所谓的中共中央领导小组。包括去年停止两会的总理新闻发布会，胡温时代没有碰。都是建国之后的军区制，也没有改战区制。中华人民共和国第二共和国的一个重要的东西就是通过八二宪法定义中国的主要矛盾，是人民不断增长的物质文化需求和生产力发展不足的矛盾。习近平把它改成发展不均衡的矛盾，所以要来搞共同富裕。所以可见从改革开放之后的三个最重要的关键：经济建设为中心，集体领导制，废除终生任期制和党政分开。胡温没有碰它，习近平三个都碰了。

所以我觉得从程度之上，胡温跟习近平没有办法比。后者是根本性的转变。我们甚至可以说，尤其是18年修宪之后，这就是中华人民共和国第三共和国了。

[00:29:45] 袁莉: 我觉得你这个提法特别好。第一共和国、第二共和国和，非常的清楚。也有人可能会说，你去找2014或者2017、2018、2020、2022，是吧，也能找到很多类似的关键时刻。2015和2016年并没有那么特殊，你会怎么回答这样的疑问呢？

[00:30:08] 李厚辰: 中国肯定每年都有事情，这是毫无疑问的。这么大的国家，而且这么喜欢折腾的一任元首，每年肯定都要折腾出各种不同的事。但我会觉得15、16年的特殊性就在于，如果把它分成一共、二共、三共，先这么说。虽然三共的修宪是18年，但我们发现为三共的各种方式做奠基是在15、16年，包括党政合一，包括废除集体领导转向终身任期制等等。中国很真诚地认为进入了新时代，进入了一个全新的阶段，是15、16年。所以我觉得15、16年是特殊的，更不用说我们刚才列举了15、16这两年不是一个领域一件事儿，而是经济、港澳台、菲律宾、中美关系全方位地改变，所以我会觉得15、16年确实是蛮特殊的。当然可能你花工夫看17、18年还是有很多事情，这个我是保持很开放的心态的。

[00:31:14] 袁莉: 那刚才你说的这种全方位的这种的改变，如果要你说对今天影响最深的一件或者两件事，你会觉得是什么呢？

[00:31:24] 李厚辰: 第一个，虽然是17年才提“百年未有之大变局”，但毕竟在16年我们就重新定义中国已经不是经济发展为中心，而是共同富裕为中心了。大家都能感觉到元首有一种强烈的，中国已经进入新时代、新阶段的想法，这既是他个人的特殊性的一个合法性论证，也是他可能要做很多执政策略的改变的一个基础的心态和认知。我觉得这个心态是有很大问题的，他也会在很多领域全面冒进，包括一带一路，认为我们可以在全世界搅起水花。其实之后一带一路又陷入低潮，从前年开始做小而美的项目，包括雄安新区等等这些东西。如果要为那几年发生的很多事情做一个总结，就是全国上下都产生一种心态认为中国正在成为全球第一，包括很多人可能认为我们已经超过美国。这个心态转变就是15、16年奠基的，我觉得这是一个影响很深的事情，就是认为中国真的进入新时代。

第二个影响很深的是党政合一。因为中国是个极端缺乏权力制衡的社会，在所谓第二共和国，也就是改开之后，还有一个基本制衡，就是党政之间的互相制衡，党政之间能够有一个比较好的权责划分。政务上能有很多技术官僚来构成一个基本的社会秩序，导致不管是为了国家的安宁啊，不管是为了执政的稳定性啊，都很多东西能够对党有一定的制衡，起到一个防火墙的作用。从朱镕基到温家宝，这两位总理在中国，他们不管是经济政策，还是社会运转，都还是很有存在感的，也很有个人意志。这都是在中国极端缺乏制衡的社会之下，一个最基础的制衡。我认为，在过去有党政分开的情况之下，2022年的动态清零不可能持续那么长的时间。国务院对经济、债务早就能够有一定程度的遏制。

所以这两点是影响最深的。一个是从上到下认为中国进入新时代，超过美国成为全球第一强国了。第二就是中国极端缺乏制衡，国家基本唯一的党政分开的的制衡也丧失了。

[00:33:51] 袁莉: 你列举了很多很多的事情，我们多数人发现好多十年前的事情都忘掉了。为什么会出现这样的情况呢？我自己也是听着你那个节目，觉得：哇，这个事情好像真的发生过，当时也觉得特别可怕，比如东方之星游轮沉没的事情，还有上海2015年元旦踩踏事件。当时那么大的事情，但是现在好像真的——我自己也觉得很惭愧——你觉得为什么会是这样呢？

[00:34:29] 李厚辰: 首先，不透明肯定是第一位的，我觉得一个社会发生的事情要在社会中和人们心中留下印象，肯定要经过充分的讨论。比如说东方之星游轮这么大的事情，韩国有一个类似的事情，就是世越号。世越号在韩国是什么讨论的热度，到今天尹锡悦出事，还有人拿世越号出来讲，对吧，东方之星好像已经没有任何讨论了。

[00:34:54] 袁莉: 我想到中国其实也有，我们记得很清楚的事，比如说2008年的四川大地震，当时有很多很多的报道，我们对2008年的大地震的记忆可能比3年疫情的记忆还要深刻的多。

[00:35:09] 李厚辰: 对，一个社会的事件要定型、讨论，要经过长期的公民社会舆论的运转才可以。但是现在，恰恰就是15、16年两年过去之后，现在整个公民社会、新闻就完全没有了。

第二就是中国太复杂了，太大了，发生的事情实在太多太多了。

第三个是不同的人会留下不同的记忆。假设我是一个专门跑中国灾难和政府应对的调查记者，那在10年间，从四川地震开始，到东方之星，之后很多报道。那长期关注我报道的人，对中国的这部分就会产生一个很强烈的认识和了解。但现在中国的问题就是这种条件的认识也不存在，没有人对任何领域能够产生比较全面、充分的认识。基本上每年过去被各种突发大型新闻冲刷一遍，然后第二年被别的新闻冲刷一遍，像海浪一样一浪一浪拍过来，最后是什么也不会留下。真的是很麻烦。

[00:36:11] 袁莉: 现在想想，珠海驾车冲撞事件死了那么多人，究竟死了多少人我们不知道，这些人的姓名我们也不知道，他们都是什么样的人，我们也不知道。我现在回想起来，比如说贵州大巴，还有乌鲁木齐大火，都是什么人，一个家庭一个家庭的就这么消失了，我们根本不知道。

[00:36:36] 李厚辰: 包括珠海事件的犯罪者已经不是嫌疑人了，已经判死刑了。非常非常快，才几个月就判了那个人死刑。他到底什么原因？说他是离婚，什么离婚，到底怎么回事，可能只有判决书出来才有，但是我也不知道判决书能不能看到。

[00:36:51] 袁莉: 对，对这些事情根本就没有深入认识，记忆就会比较浅。

最后一个问题，我想有人会问，说你梳理这些有什么用呢？了解这个过程除了知道原来我们是这么完蛋的以外，对个人和社会有没有进一步的价值？还是说梳理之后，你就可以给中国算命了，就知道中国未来会怎么样了，会怎么走？

[00:37:18] 李厚辰: 算命还是可以算的，但肯定不是算具体时间是3年、5年、10年。其实你中国现在走到哪个阶段了，肯定是有个判断的。

这种梳理还有用处，就是如果我们未来真的运气足够好，社会有再次改革的机会，这种梳理是能够找到一些症结的。我举两个简单的例子：比如说中国现在要壮大社会，或者扩大中国的监督力量，你不可能从现在一步走到三权分立，吴邦国讲那个是不可能的，对吧？那我认为通过这个梳理我们就能知道，中国未来就是党政分开。可能一个比较好、比较有用的方法就是在所谓中央的小组基础之上，反向政府化。比如说所谓的中央全面深化改革领导小组，中央网络安全和信息化领导小组，包括实权已经在中央的网信办，重新赋予国务院，以及把它去政治化，变得行政化，就比机械的恢复国务院权力可能要好。像这种还有很多，包括经济领域、香港问题。如果香港问题要有一些转变，除了一步到位让香港人公投是不是要独立之外，如果有一个回滚点，那就回滚到6.28政改之前，全国人大搞关于香港行政长官普选问题和2016年立法会产生办法的决定，回滚到那之前。

所以我觉得这个梳理，跟许成钢老师的制度基因有关，就是这个基因往回改没法突然从A点跳到C点，肯定从A点搞到A+，慢慢改回A点。A+怎么来的呢？就是这些历史过程中来的。所以你就慢慢往回改。所以我觉得这个梳理过程的用处，算命有一点点，但比算命更有用的就是社会如果要改变的话，就得缕着脉络往回改，我觉得是有用的。

[00:39:16] 袁莉: 你刚才说你至少知道我们到了哪一个阶段，你说下我们到了哪个阶段呢？

[00:39:22] 李厚辰: 我觉得我们到了这条路走到头的阶段了。

[00:39:27] 袁莉: 你这么乐观吗？

[00:39:28] 李厚辰: 你的节目也比较乐观嘛。最确定走到头的就是经济问题，第三共和国理直气壮做大国有企业，用政府产业政策拉动经济的方法，这条路绝对走到头了。包括这套财政的方法也走到头了，不能继续下去了。

[00:39:45] 袁莉: 我们请每位嘉宾推荐三部书或者影视作品，你有什么推荐？

[00:39:50] 李厚辰: 我比较近期看的电影只有一部特别有印象，就是《某种物质 The Substance》，是黛米·摩尔演的，这是一个个女性主义电影，特别好看。另外就都是之前看的电影了。我想了两部跟今天话题比较接近的电影，一个是一个2016年的香港电影，可以看到那个年代香港人的心态。《树大招风》是银河映像的一个电影，特别好看，电影完美的呈现了2012年香港人绝望的心态和不甘。另外一个关于中国政治生态特别有意思的电影，但它是一个很微观的，很老很老的电影了，特别好看，我觉得你肯定看过，叫《背靠背，脸对脸》。

[00:40:33] 袁莉: 我没有看过，但是我知道是很早以前的电影。

[00:40:36] 李厚辰: 电影我就推荐这三个电影。书有几个可以推荐，一个是我刚刚提到一本跟新疆相关的书，叫做《新疆被中共支配的70年》，是日本的熊苍润教授写的。这本书比较好，它很客观。当然你看标题也知道它客观也绝对没有客观到很多亲建制派人士想要的那种客观。我只说这个书很克制，里面没有恶魔啊！摧毁啊！这种东西，而是梳理得非常清楚。

[00:41:05] 袁莉: 他用很多事实来说话的。

[00:41:07] 李厚辰: 对，书里非常清楚地描述了从前到后的政策转变。

第二个是尤瓦尔·赫拉利去年的新书叫《连结：从石器时代到AI纪元》。这本书用来理解小红书、伊隆·马斯克的X的现象非常非常有用，关于整个2024年的大选中间的很多现象，也是有特别好的解释力的一本书。我觉得比他之前写的书好。我不知道第三本书能不能推荐我自己写的那本，可以吗？

[00:41:36] 袁莉: 可以啊，就是你写上海的那本书。

[00:41:38] 李厚辰: 对，因为我们说大家可能已经忘了2002年发生什么。那就大家去看《疫年纪事》，它讲了2022年从年头到年尾中国发生的所有事情，当然里面聚焦上海封城跟白纸，有很多事情大家已经忘了，可以去看看这本书。

[00:41:54] 袁莉: 你可以在哪买呢？

[00:41:56] 李厚辰: （笑）可以去在z-library.sk上下载。你去z-library.sk搜我名字就行了，李厚辰。如果你搜疫年纪事会搜出笛福的那本《瘟疫年纪事》。我的书命名就是学他那个的，所以你搜我的名字更容易。所以这是命名的失败。以后写书不能这么命名。

[00:42:10] 袁莉: 我很少推荐，我今天推荐，我下午刚看完《好东西》。太好看了。很多人说他是女权电影，确实女权讲的特别好，特别巧妙的故事构思。但是另一方面，我的一个朋友说：你看一看这里面的人，他们都是现代人，习近平怎么可能真正地让这些现代人完全听他的话呢？我觉得这个话也是说得特别有意思。

[00:42:36] 李厚辰: 很有意思。

[00:42:38] 袁莉: 好，谢谢，谢谢厚辰。谢谢大家收听，我们下期再见。

]]>不明白播客Stargate, The End of Microsoft and OpenAI2025-01-22T14:13:22+00:002025-01-22T14:13:22+00:00https://nodebe4.github.io/opinion/2025-01-22/Stargate,%20The%20End%20of%20Microsoft%20and%20OpenAI

Stargate, The End of Microsoft and OpenAI ——

OpenAI's Stargate announcement and revised deal with Microsoft mark the end of the relevant portion of their partnership.
]]>Ben ThompsonStratechery Updates, DeepSeek-R1, DeepSeek Implications2025-01-21T15:11:24+00:002025-01-21T15:11:24+00:00https://nodebe4.github.io/opinion/2025-01-21/Stratechery%20Updates,%20DeepSeek-R1,%20DeepSeek%20Implica

Stratechery Updates, DeepSeek-R1, DeepSeek Implications ——

DeepSeek, a Chinese company, has a reasoning model similar to o1, except that it is actually open.
]]>Ben Thompson漂亮朋友：我们的爱情怀着自由火种2025-01-21T06:14:43+00:002025-01-21T06:14:43+00:00https://nodebe4.github.io/opinion/2025-01-21/%E6%BC%82%E4%BA%AE%E6%9C%8B%E5%8F%8B%EF%BC%9A%E6%88%91%E4%BB%AC%E7%9A%84%E7%88%B1%E6%83%85%E6%80%80%E7%9D%80%E8%87%AA%E7%94%B1%E7%81%AB%E7%A7%8D

漂亮朋友：我们的爱情怀着自由火种 ——

去年底，中国导演耿军的同志电影《漂亮朋友》在台湾拿下4座金马奖，两岸同志恋人也敲开结婚的大门，去年10月首对中国和台湾同志伴侣在台登记结婚。不过，从中国到台湾，成家之路崎岖，自由亚洲电台的影片记录了三对70、80、90不同世代的两岸大叔和小哥，他们的爱情怀着自由火种，为了成家，争取婚姻平权，磕磕绊绊走上革命之路。#同性恋 #漂亮朋友 #耿军 #同志恋人 #台湾翻墙有方：新版“赛风”Psiphon 3使用VPN、SSH和HTTP代理服务技术，适用于视窗（Windows）和安卓（Android）系统，在设置中启动赛风代理服务器即可绕过网络封锁。获得赛风软件：https://s3.amazonaws.com/q1zc-evc7-flev/en/download.html#direct.自由亚洲电台（RFA）是向没有新闻自由的亚洲地区，传播新闻内容以及资讯的非营利机构。我们的使命是提供准确的新闻，以及精辟的评论，并提供一个可包容各类意见的平台。RFA是由美国国会授权设立，资金来源由联邦政府拨款。所有广播均从位于美国华盛顿特区的总部播出。自由亚洲电台普通话网站：http://www.rfa.org/mandarin自由亚洲电台YouTube频道：http://bit.ly/1ztYI3J自由亚洲电台Facebook：https://www.facebook.com/RFAChinese自由亚洲电台Twitter：https://twitter.com/RFA_Chinese
]]>自由亚洲电台禁忌史話：李銳日記秘密66｜「毛的秘書幫」張玉鳳：毛澤東最後的女人2025-01-21T01:02:08+00:002025-01-21T01:02:08+00:00https://nodebe4.github.io/opinion/2025-01-21/%E7%A6%81%E5%BF%8C%E5%8F%B2%E8%A9%B1%EF%BC%9A%E6%9D%8E%E9%8A%B3%E6%97%A5%E8%A8%98%E7%A7%98%E5%AF%8666%EF%BD%9C%E3%80%8C%E6%AF%9B%E7%9A%84%E7%A7%98%E6%9B%B8%E5%B9%AB%E3%80%8D%E5%BC%B5%E7%8E%89%E9%B3%B3%EF%BC%9A%E6%AF%9B%E6%BE%A4%E6%9D%B1%E6%9C%80%E5%BE%8C%E7%9A%84%E5%A5%B3%E4%BA%BA

禁忌史話：李銳日記秘密66｜「毛的秘書幫」張玉鳳：毛澤東最後的女人 ——

小學文化程度的列車員成了人才濟濟、泱泱大國的中國領袖毛澤東的機要秘書，有多少人會感到不可思議，但張玉鳳做到了。不僅如此，連毛澤東都要讓她三分。這是怎樣一個女人？Music:"Cjbeards - Fire and Thunder" is under a Creative Commons license (CC BY 3.0).Music promoted by Breaking Copyright: https://bit.ly/cjbeards-fire-and-
]]>李肅Hi5第一頻道An Interview with Jon Yu About YouTube and Making Semiconductors2025-01-20T16:16:56+00:002025-01-20T16:16:56+00:00https://nodebe4.github.io/opinion/2025-01-20/An%20Interview%20with%20Jon%20Yu%20About%20YouTube%20and%20Making

An Interview with Jon Yu About YouTube and Making Semiconductors ——

Good morning,

Today’s Stratechery Interview is with Jon Yu. Jon is the man behind Asianometry, one of the best tech YouTube channels in the world. Jon is very curious about technology — and a whole bunch of other topics, particularly in Asia — and does intense research and shares what he learns through narrated YouTube videos.

I also just announced that Asianometry is joining the Stratechery Plus bundle. Jon will continue making YouTube videos, but transcripts and podcast versions of his videos will be exclusively available to Stratechery Plus subscribers; you can elect to receive emails from Asianometry or add the podcast to your podcast player on the Asianometry Passport site.

I’m very excited about this addition; Jon is a great teacher about everything from semiconductors and TSMC to computer history and company profiles, and non-tech topics like Taiwan, China, Japan and more. There is an absolute wealth of information on his channel, which is very well-organized with extensive playlists.

In this interview we discuss Jon’s background and how he got started on YouTube, and then I ask him to teach all of us about how semiconductors are made. We cover all of the major steps in the process, and touch on the relevant equipment makers and quite a bit of history. I learned a lot in this interview, particularly about the importance of chemicals and Japan’s dominance in that part of the process, and how TSMC works to spur competition amongst semiconductor equipment makers.

As a reminder, all Stratechery content, including interviews, is available as a podcast; click the link at the top of this email to add Stratechery to your podcast player.

On to the Interview:

An Interview with Jon Yu About Making Semiconductors

This interview is lightly edited for clarity and length.

Topics:

Starting a YouTube Channel | Why Chips Are Made of Silicon | Fabricating a Chip | When TSMC Passed Intel | Assembling a Chip | The Semi Supply Chain | China, Intel, TSMC, Rapidus | Consumer Electronic Cars

Starting a YouTube Channel

Jon Yu, welcome to Stratechery.

JY: Hello. Glad to be here.

There’s going to be a nice long intro here before this interview, introducing you and your work to the Stratechery readers. Not just your work, but also your work for Stratechery, which we can get to in a moment. But I always like to start these interviews by learning more about the person themself. Where’d you grow up? What inspired you to start a YouTube channel focused on technology in Asia? Was that always a focus? Or did you sort of stumble onto this?

JY: It was always the focus. I grew up in Southern California, and then worked in the Valley for about 10 years after college. I was just like an ordinary guy on the street, and then kind of burnt out and thought to myself, “You know what? I should go to Asia” — I didn’t even know, I just called it Asia.

Yup. I wrote an Article a few weeks ago about building things. There’s different aspects, some are China-specific, some are in Taiwan or Indonesia and I’m like, “You know what? I’m just going to use Asia, and we’re going to roll with it”. It’s way too broad, but it works sometimes.

JY: I know, right? I would go to these cities, and I had no idea necessarily the difference between these cities. I just picked one and then jumped, ended up — Taiwan gave me the best offer work-wise, so flew over there thinking I would be there for six months, and that was eight years ago. So, I ended up staying for a while.

I think about a few months in, I went on a trip to Japan with my mother, and my mother asked me, “I don’t really know what you’re doing over there in Asia, in Taiwan, and you should share that with us”. I was like, “Okay, mom, I’ll open a YouTube channel for you”. Asianometry started out as a tourism channel, where basically I would go to some — like the Daxi Statue park, and I would film the video, and I would say, “Mom, this is this statue and that’s that statue”, and eventually you just run out of things to film, to visit.

If you accrue travel costs while making videos, it gets much more expensive.

JY: Oh, immensely expensive. The return on invested cost is already terrible on a YouTube video, and then suddenly, we’re spending hundreds of dollars to travel.

Anyways, you run out of things to talk about, and I still had the channel, so I figured, “Hey, I’ll make videos about Asia”. I started out only about China and Taiwan, but then the comments, YouTube comments were just so brutal. They’re just like, “This channel should be called Chinanometry, not Asianometry.” That forced me, I was forced to export my research to other countries.

Well, I mean, you’re pretty well-known, I think, amongst — some of my readers know who you are in Silicon Valley, particularly for your work on semiconductors and things along those lines. Was that just a, “This is something that Asia is really good at”, you sort of stumbled into it?

JY: Well, half and half, I think. If you’re in Asia, in Taiwan in particular, it’s really hard to avoid, to not notice TSMC so I covered TSMC pretty early on. But then also secondarily, my father is an analog chip designer, and occasionally, we’ll talk about the work that he did and the work that he does for a while. So, it was in the blood but in the environment too.

Yeah. Well, I was going to ask you what’s been the most surprising part of your YouTube experience, but I think the fact that you’re sitting here and you have hundreds of thousands of views on your videos these days about chips, when you started out doing a sort of tourism channel for your mom, that might be the answer. But beyond that, what has been the most interesting thing about being a YouTuber?

JY: You get really into the dynamics of the algorithm, you get an understanding of the shortfalls of the algorithm, you can grow really fast. But people, it’s kind of a dog-eat-dog world out there. I’ve learned a lot from you, especially in terms of consistency and continuing to bring something to the table every week or every few days. So, that’s something that’s really surprised me, and I think that’s also just surprised that I can keep going at this pace. It’s been eight years now, so it’s a while.

Yeah. There’s a lot I could relate to. I was only going to come to Taiwan for a year, and here we are both sitting here. And yeah, the job I’ve had longer than anything else, and it’s like if you would’ve told me in 2013, “Are you still coming me up with stuff to write about?”, at the beginning, you’re like, “Wait, once I cover what I want to write about, then what?”, turns out the technology sector is a good foundation for always having new things to explore and explain.

JY: Yeah. But I do feel sometimes I go back to my older videos, I would go to some beautiful topic and I look to myself, and I’d be like, “Man, I wish I could do that again with what I know now”, it would probably be three times longer, but it would be beautiful.

Well, that’s kind of what I want to do in this interview, because I write a lot about semiconductors, and obviously TSMC. I was going through, number one, everything I want to ask you about, you already have a video about, so we’ll have lots of links throughout this interview. But at the same time, I’m like, some of these videos, like your current videos have, like I said, hundreds of thousands of views. Some of these ones that are really pertinent have 50,000 views. I’m like, “Wait, you guys have to go back and go through this library”. I don’t know, maybe you have an excuse to remake some of them.

JY: Yeah, that would be fun, but there’s always new ideas coming up. One thing I’m surprised me, I guess to go back to your question, there’s always more ideas. My list is hundreds of topics long, I’m going insane every day I add more.

Has YouTube changed? Is there a bit where chasing the algorithm and that changes, and you mentioned the comments being brutal and bullying you into covering more things. Is that a consistency of the YouTube experience, or has it changed in the eight years you’ve been doing it?

JY: I think early on, the YouTube channel, it was much easier to just go big with certain topics. I think there’s still certain keywords or things or topics, strategies that sort of work. For example, calling out a country still works to some extent. Analyzing deeply something that no one else has looked at, good to some extent. I think that’s still tried and true, and I still like to do that. I noticed that I don’t do as well if I make an Nvidia video nowadays-

Right. There’s a lot of people making Nvidia videos.

JY: Because everyone makes videos of those.

Yup.

JY: But no one else is going to do a video about the [Japanese whisky]. Anyone wants to search that, I’m there. In some ways, it’s still the same, but in some ways, it’s just more challenging because there are a lot of more people.

Why Chips Are Made of Silicon

Yeah, that makes sense. Like I said, what I think would be interesting is go through — I’ve noticed as people become more interested in semiconductors, you start out with a very reductive view. It’s like, “Well, Nvidia is the most valuable company in the world, oh, TSMC makes video chips, they must be the most valuable. Oh, TSMC depends on the ASML, I’ve heard that name, that must be the most valuable”. I think it’d be interesting to explore and lay out the overall process and market constraints around this that drives differentiation. So I was thinking about, “Okay, where to start?”, I want to talk through the semiconductor process. We could start with silicon and the Czochralski process. Let’s do this. Sand. How does sand become a wafer? Let’s start at the very beginning. And like I said, let’s talk about it, and the historical aspect, we can sort of dip in and out on each one.

JY: Yeah. I think if you want to go back to it, a lot of people will start with the transistor, the first transistor, which is a solid state switch essentially. Now, switches existed within history to build electronics, and people have been building electronics since, I would say, the 1800s.

I would say the thing is that the solid state transistor was a interesting thing because it used a semiconductor material, which is at the time I believe it was germanium or something. The germanium one didn’t quite work out in the market because it had difficulties at higher temperatures and higher frequencies, and that’s why silicon becomes more prominent in that feature.

Now, silicon is not the best semiconductor. It’s not perfect for a lot of different things for transporting charge carriers, like electrons or electron holes, but what it is good is that it scales, and it has good — its derivatives are really good for protecting the transistor from outside contamination. I think that helped the industry latch onto it as a process. You would see these introductions of various historical events, for example, like the planar process and Fairchild Semiconductor, that would help develop silicon as this core product within the industry.

So at the very heart of it, at the very beginning, you create the silicon, and you turn it into a melt and you can use as melt the dip using a sea crystal to build what is called a boule and it’s this massive thick thing.

The long cylinder of silicon, yup.

JY: Yeah. And that’s a special part of silicon that helps make it special in the industry. For example, there are other materials, like silicon carbide. Silicon carbide doesn’t necessarily turn into a boule, you can’t dip it, you can’t use the Czochralski process to create this massive single crystal that basically you can chop up and turn into wafers.

Right. And just for context, silicon carbide, that’s the material that Meta is using for the lenses in their AR glasses and actually, what you just said is one of their biggest challenges in bringing these AR glasses to market, which is it’s really hard to make silicon carbide. It doesn’t have this reproducible way that traditional silicon does where you can make these long crystals that are easily sliced up into wafers, and they’re like, “Can other people use silicon carbide, so people can figure out a good process here?”, that’s one of their big challenges.

JY: I know, right? And I think it reminds you of the fact that silicon is sort of a miracle material and that’s why it’s been so consistently used throughout history. It really has all these special properties that help make it a unique material for all these scalable processes.

No, it’s a good point. This applies to electronics generally. You might have something that is, in a narrow technical sense, not the best, but manufacturability is really important and durability is really important. Those are some of the things that really, really set silicon apart.

JY: Yeah, I agree.

Fabricating a Chip

Well, let’s go through this. You have a set of companies, they make the wafers, they deliver them to TSMC. This is just a piece of, it’s not glass, but it’s a piece of silicon. How is the transistor actually created and put on that? What are the steps? What companies are involved in that? I just want to get deeper into this actual process for people who, particularly people who don’t really know how this works.

JY: I think what they’ll do is that they’ll, at first — silicon manufacturing is basically broken down into a bunch of repeated processes. It’s a bunch of recipes put together by TSMC. TSMC is the integrator of all this equipment, and the equipment comes from various different companies like you mentioned. And I found it really helpful to break it down into a framework of what those steps would be. You have deposition.

What is deposition?

JY: I do love this about the semiconductor industry, at least the terms make sense. It’s about laying down or depositing a thin layer of material. Now, what that material layer is going to be is then specified in the type of deposition. These tools are provided usually by Applied Materials or Tokyo Electron, and what they do is they have these certain sub-sectors of different deposition techniques. You would have, for example, oxidation, which is where you take advantage of silicon’s ability to grow and oxide by reacting it with water to create an oxide layer to protect the transistor or whatever is on the silicon from outside contamination, now that’s deposition. And then you would move that to — you would pattern a layer, whatever that layer would be with lithography.

Got it. And this is the one that most people know about, which is where ASML enters the game.

JY: Yeah. But then there’s also an underrated product that I should mention is photoresist. Photoresist is provided by company JSR, which is one of the dominant photoresists of our current generation. In fact, Japanese companies almost have, they have a monopoly on photoresist, a complete monopoly I think for 20 years.

And this photoresist, that’s another layer that’s sort of put on before the lithography?

JY: It’s a liquid that you pour onto the wafer and then it absorbs the light in a way to preserve the pattern from the light because you have to preserve it, you can’t just dump it on the silicon. If you do it on the photoresist and the photoresist is baked to resist, ergo the name, an acid that comes later, which is the etch layer or step, which we’ll talk later.

Got it. This Japanese angle is interesting. And actually the other thing I’m getting from you and I think is underrated is a lot this stuff isn’t just equipment, it’s a lot of chemicals and it’s a lot of material science is probably the more underrated IP aspect, which is very, very well hidden and sort of preserved to your point about these companies retaining very dominant positions.

JY: Yeah. TSMC splits their supply chain into equipment and materials and I’ve been told the materials is basically almost all Japanese. The Japanese have a very, very tight grip on materials, photoresist, all these different things for reasons that we can go into later, but it’s part cultural part economics and stuff like that.

Okay. How does the lithography enter the equation then?

JY: The lithography is, basically the goal is to transfer the pattern of the design or the pattern where the transistors would be, how they’ll actually look, and transfer that onto the wafer, onto the deposited layer that you have here and that’s one half of another step called etch. They used to call it litho-etch-litho-etch. Litho is you put the pattern down, etch is that you basically solidify it into the layer. Could be silicon, could be another metal layer, could be different things. That’s why I think etch is very underrated, but I think litho is probably — it consumes a lot of the value chain, but it probably shouldn’t consume so much of the attention.

Etch is like Lam Research. Are they the dominant player there?

JY: Generally it’s a bunch of different players because etch is very varied, but yes, Lam is one of the big ones.

I think you actually probably gave the answer. Etch might be really hard, but there’s more competitors in the space and especially once we moved to DUV, there was, again, the Japanese dominated that for a long time. ASML was more behind and came up, but then you got to EUV and that’s where ASML leaped ahead sort of in conjunction with TSMC, it was really a hand-in-hand thing there.

JY: Well, I think it’s important to note that also DUV, one of the breakthrough products of ASML was during the DUV days and their big innovation within the DUV space was the focus on productivity. ASML really focused on not necessarily making the most incredible litho machine, but making a machine that was very productive, which was their TWINSCAN thing where they would be able to process more wafers per hour than even the Japanese could do and that really caught them off guard, especially in the early 2000s.

And this really happened with the shift from 200 millimeter wafers to 300 millimeter wafers?

JY: Yeah. And one of the big failings I think of Canon and Nikon was partially that they didn’t really handle that transition well, and also because they were all vertically integrated and ASML is a much more horizontally integrated supplier that was able to take the best stuff and kind of use that where Canon and Nikon kind of fell short there.

When TSMC Passed Intel

Well, I think the other thing too is because Canon and Nikon were big Intel suppliers, and Intel just wasn’t that worried about productivity because they made so much margin on their chips, and they were only making it for themselves and so Intel wasn’t really pressuring Canon and Nikon to sort of go faster, whereas at TSMC it’s like it’s a pure direct line from our productivity to our revenue numbers and so there was a real meeting of the minds there where TSMC wanted less vertical integration because they wanted to be able to incorporate best of breed up and down the stack, and they also wanted to go way faster, and so it was a real opening and opportunity. ASML is really important for TSMC with EUV, but TSMC was really important for ASML in terms of ASML getting to its large market share in the first place by capitalizing on that wafer transition.

JY: Yeah, it’s a very weird relationship between these two companies. They’re technically corporately siblings, and you have the sibling tensions of all that entails. Its fun.

Is that a real thing? Because they’re both downstream from Philips, that’s sort of the relationship you’re talking about. Why isn’t Philips a dominant sort of semiconductor name today when you had these two companies come out of them?

JY: Oh, that’s a funny story. To hear it from the ASML people, Philips was just a failure of a company. They were too bureaucratic, too solidified in their ways. They’re almost like, I guess the Japanese in the 1990s and they really deserve to, Philips kind of lived their life and deserve to wind down and they sold those stakes way too early as it turns out. But they weren’t the first, they wouldn’t be alone in believing that TSMC and ASML had reached the peak a little bit too early.

Is there an aspect where this 200 to 300 millimeter wafer transition and the increase in efficiency and speed that it allowed for, was that actually, if you were to really zoom out, was that when TSMC started to pass Intel? This was still a good decade before their process surpassed Intel, but is there a bit where just the speed and efficiency, and the learning and the iteration that was downstream from increased velocity was in the long run when this changing of the guard began?

JY: I think it’s kind of tough to make a call like that. I think someone at Intel once told me that TSMC wasn’t necessarily faster than or ahead of Intel in the sense that their digital logic products, they’re making better digital logic products. I think because the market that they were operating in at the time incentivized them to go for lagging-edge and trailing-edge chips, but in that area they were very good at that. They built a flow and a process and nodes that were customized to serving external customers.

This changed when the mobile industry started to become more of a thing and Intel missed that, but once it became more clear that mobile chips needed to get more speed, that’s when Intel or TSMC decided that, yes, we need to actually start going up this node process. I think trying to distinguish when TSMC would start to surpass Intel, that’s tough to kind of find that because they was always so different from one another in these early years, and you wouldn’t really say that they were competing basically until what, 2007, 2008.

Yeah, they’re hardly competing today, in some respects. I guess the most direct place of competition until Intel’s foundry really gets going is via AMD and Intel to a sense. But here’s another question. There’s a bit where Intel famously, a lot of these technologies, they brought them to market first, and you think about how do you bring new technologies? Being highly integrated is at least theoretically an advantage, but you have this bit where TSMC is not highly integrated, they’re looking for all these different pieces, but they’re very process-oriented and they’re very efficient and setting it all up, but is there just a bit where the complexity got so high that the integration tax was too large and process actually mattered, iteration speed mattered more than anything else?

JY: Integration tax, I think it’s debatable, I think right up until the 10 nanometer or 14 nanometer fiasco. Right before the 14 nanometer fiasco, you could argue that Intel was two generations ahead of TSMC and they were going so fast. I think what happened wasn’t less of an organization failure in the sense that they were too arrogant to push ahead of the technology, but I think if there’s one aspect where I say the integration of Intel failed them was that when 10 nanometer really started to fall apart, the product side of the company had already built products for a 10 nanometer spec that was not feasible, was not possible. And that basically froze the company as they had to break down the product, redesign it, and that took two years.

You could say that’s when the vertical integration of Intel really started biting them in the butt. But prior to that, I would say 2011, as recently as 2011, when they were doing 22 nanometer, the second generation FinFET and all that, they were really killing it.

That’s right.

JY: They’re going really far ahead.

No, I mean they were so far ahead with FinFET. It’s under-appreciated how relatively recent that was. You actually said something really interesting about the sort of arrogance bit, because I think the common perception of Intel is they refused to leap ahead and they didn’t adopt EUV. But actually there’s an underrated aspect here, which was there were other aspects they were trying to go ahead too far too quickly.

JY: Yeah, well, they really thought themselves as the purveyors of Moore’s Law. They were the most advanced manufacturing company in the world, Moore’s Law was theirs, and they had to keep pushing the boundaries. And they’ve already done it many, many times the tick-tock —

The tick-tock strategy, yes. Improve design, improve process, improve design, improve process.

JY: That had really gone well for a couple years and that was really killing it. That arrogance jumped ahead of what the technology was capable of in 2012, 2013, when Intel was working out 14 nanometer, 10 nanometer because they do that in parallel. The EUV was not ready and EUV wasn’t even close to ready. EUV because of the power source, the power source wasn’t even close to ready and it was really flat, flat, flat for years and then suddenly it was a huge jump. It was a mess-up, but they probably-

What were some of those leaps they were trying to make in a world where EUV was not ready? They were trying to get to EUV eventually, but there was a cobalt issue and some other things along those lines. What were some of the roadblocks that they ran into?

JY: I would generally say it’s like we don’t really know. Intel has never been really clear. Dylan [Patel]’s pretty clear, pretty insistent that it was cobalt, but I think in generally, you could just say the whole spec was ambitious. There was a slide that I saw from the Intel Technology Investor meeting where they looked at density, and they’re saying 14 nanometer is going to be another two-time shrink within two years or something on top of 14, or 10 would be a double shrink on 14 and that simply was too much and it was too far ahead of what was possible. TSMC would never do that sort of thing because they’re much more incremental and they would go year after year, very slow and now that sort of taking too much step is kind of the reason why they couldn’t do it.

Right. And of course they’re trying to recover by taking massive amounts of steps in a very short amount of time. I guess maybe the cure will work out better than the disease.

JY: We shall see about that.

Assembling a Chip

All right, let’s go back to the process. You have the silicon wafer, you have this deposition step, you have the mask, which is the pattern for the chip that the light source shines through, you etch it onto the chip. Then you mentioned once you’ve etched a layer on, it’s going through multiple times. How many times is the step generally repeated as you’re sort of building up a chip?

JY: Hundreds of times I think, and I’ve heard N2 is something like 20% more steps than N3 and N3 was something like 700, 800 steps. It’s a lot of steps and these include a lot of different things and they also have to have incredibly high yields each individual step or else the end product will be terrible.

Is this where a lot of the yield problems happen, is in this sort of recycling of steps?

JY: I think yield problems — I mean they’re never going to tell me, but I generally understand the yield problems come from the new introduced steps or interactions between different steps that don’t end up working well or they come out of the end as they have no idea where it is and then they have to go back and they revert. It’s a lot of different things that they introduced into — if you think about it, the TSMC node is basically an accumulation of nodes that work basically from the very beginning. They’re slowly extending it, testing it, see if it’s going to work. If it doesn’t work, they’ll cut it off and then they’re adding these new steps to see if you can achieve a better process.

You still have to connect these transistors together. It used to be different pieces you would actually wire them together. What is that layer made of and how is that actually accomplished where you have all these transistors etched on a chip, but you have to connect them? There’s a communication layer, there’s a power layer. How does all that work?

JY: That’s done using something called metalization and metalization is kind of like, that’s a whole journey in of itself. It used to be they used aluminum to deposit, they would pattern where the wires go and then deposit aluminum in between the transistors as if it’s just another thing, but then they moved to copper because the resistance of the aluminum wires got too high that you started getting delays in how the signals were sent. So they moved to copper, but copper has its own problems where it leaches into the silicon.

So what they did is that they had IBM develop this wonderful copper lining that protects the copper from leaching to the silicon, and the whole industry followed what IBM did and copper has to be done in a weird inverse way, but that’s served us well for 20 more years and now I think the industry is probably looking more at ruthenium, which is going to be the next big jump in interconnects beyond copper.

Is lithography used for these interconnects or is that different? How is the actual pattern established and laid down?

JY: Yeah, it used lithography. EUV is used for what very small percentage of the steps within—

Right. They still use the old DUV for as much as possible because it’s much cheaper.

JY: Yeah. Like 80, 90% I would say much higher levels of the metal layer. So it’s M1, M2, M3, M4, all that M1, M2 layers might be done with EUV and then the rest would be done with DUV.

So then how does the power layer into this? Right now — we can get to backside power in a moment — but right now you have the transistor layer, you have the communications layer, and then power goes on top of that?

JY: Power is interspersed with the communication wires. They also go through the same wires and they go through the same thing. You have these big interconnects or big wires at the beginning and then they slowly get smaller and smaller until they finally reach the individual transistor, and you mentioned backside power. That is the situation where they got to take that whole network, split it out and move that underneath the wafer and save a lot of space.

But the problem is, now you’ve done a lot of work. If the most difficult layer is the transistor layer, but you already laid down all the power bit, then you’re throwing a lot more away if the chip screws up or if something goes wrong in that middle layer. Is that right?

JY: Yeah, and it is a wafer bonding technology and wafer bonding is relatively young.

What is wafer bonding?

JY: Wafer bonding is where you take two wafers and you smack them together and there’s various ways to do it. It really, it blows your mind how much detail they’ve gone into this, but you can bond them using Van der Waals forces. You can heat them up, you can use glue, you can use a whole bunch of different things.

But at the core of it, the concept is you take two wafers and you smack them together and you would take, in the case of backside power, you’re taking this power network and you’re just melding it to the bottom of the transistor layer and making it into a thinned transistor layer to connect the transistors to the power. Hope that makes sense.

The Semi Supply Chain

How do you find out about this stuff? And to what extent is the knowledge of how to do this kept internal versus it becomes shared across the industry and people know how to do that? What is the give and take in terms of, “I want to learn from other people, they can learn from me”, versus, “This is super important intellectual property that keeps us unique and no one else can know?”.

JY: It’s a very interesting question. I think it’s like, one example that comes to mind is the copper interconnect technique. As you mentioned, the way to keep the copper from leaching into the silicon is very strange, it doesn’t really make sense. It’s called Damascene and IBM developed it, but all the other American semiconductor companies quickly developed it afterwards.

Partially it’s because of diffusion through employees, there’s inter-corporate organizations where they all mix and they chat, there’s like a feeling within the industry that it’s time to adopt this and they all work towards it. But then they all have their own different styles, I guess, to fill their own proprietary specialty in it and you can definitely see this within definitely the packaging industry for sure.

So I would say you have big ideas and concepts that are shared within conferences, within conversations over the years, but then the small details, which is where the juice is squeezed, that is developed within the companies and they’ll keep that to themselves.

Actually, I want to tie this into the question about the Japanese companies before. Is there an aspect where almost the more mechanical bits are, “Look, if you know what to do, you can internally then figure out how to actually do that”, but is it a bit about chemicals and that nature? You might know what to do, but if you don’t actually have the recipe, you’re not going to figure it out. Is that tied into why that’s been so much more resistant to competition?

JY: Precisely. It’s one of the big ones, and the other thing is that no one just wants to spend their life spending 20 years studying a chemical or cycling through all these chemical recipes to find out what might work. A lot of these are like there’s one person in America who might know this type of resist, this chemically-activated resist or whatever — maybe okay, maybe 5 or 10. But then in Japan you can take a whole bunch of PhDs and say, “This is your life now, you will study this for 30 years” — and they’ll do that. Then that’s how these companies like JSR build immense, immense moats that are basically impenetrable because no one else wants to do that work and no one else has an IP.

So is there a case that JSR has a bigger moat than ASML?

JY: Oh, that’s a tough one. I would say yes. In some ways Tokyo Ohka and JSR are more moat-y than ASML because there are alternatives.

But as far as the steps go, are the same chemicals used from the chemical perspective? Are those all used in trailing-edge as well as leading-edge, or is there any differentiation in that regard? Whereas obviously for the equipment, EUV is only used on the leading-edge. You’re not going to use it for your 28 nanometer chip or whatever it might be. The chemicals is that just — that’s a commonality, it’s used for everything?

JY: No, the chemicals are tuned for the process. So what will happen with TSMC is TSMC’s people will work with the JSR, Tokyo Ohka’s people. They’ll be like, “Okay, this is what the node’s going to do, I have a good idea of what we want with this resist”, and the JSR guys will say, “Oh yes sir, yes sir”, and they’ll come up with this very special formulation that works precisely with the dose that you want it to with all that, and then once TSMC accepts it for the node, then JSR starts raising prices.

TSMC knows what they’re getting into. But I think actually I love that example because I think it speaks to what is unique about TSMC. It’s this, I’ve talked about they’re a customer service organization for fabless chip companies and they’re very collaborative and they’re going to work with you to, they have the IP libraries, but they’re going to get it working on their process. But what you’re speaking to is this deep level of collaboration on the process side and actually you say systems integrator, that sounds low brow, but in fact it’s essential to how this all works and comes together.

JY: Yeah, and I think a lot of this stuff is so optimized now. You can’t really just pull something off the shelf and I think these chemicals are insane. You can imagine. They look, if you imagine these are insane molecules made of a whole bunch of different things and you have arms of molecules, they’re designed to do certain things when the light activates them or something like that.

It’s pretty nuts.

JY: It’s very moat-y.

The chemical part I think is very underrated, I would say I underrated it, this has been actually pretty illuminating. I do have one question — what is ion doping?

JY: So what you would do is that you would use an ion beam to basically dope the parts of a transistor because a transistor silicon by itself won’t send a current from one side to the other. So what you need to do is that you need to embed certain elements within that silicon at different sides to make it electrically active. And this is done with an ion beam.

Who makes the ion beam?

JY: Oh, that’s a good question. There’s a lot of different companies, I wasn’t able really to find a big company that does it, it’s not like a new technology.

So you have these three layers. You have the transistor layer, you have the communications layer, you have the power layer. Is this when you can start testing it and see when it actually works? How is the whole testing, dicing, and binning or can you be testing throughout so you know when you can toss it and when you cannot?

JY: My understanding is that they do testing more at end of certain stages, they’ll do checkpoints and because they never want to have a situation where you do the whole thing and then you test it at the end and you’re like, “Okay, this doesn’t work”, and we don’t know why. But I know that that does happen.

Got it. So with these big five companies, where do they fit in this stack? And I know you mentioned JSR, who I don’t have in my big five, but I guess I’m more focused on the manufacturing aspect. In the steps we talked about, so where is, I mentioned it, but where is LAM Research?

JY: These companies, they just all interact with each — they’re all merged with each other nowadays, so they all do the same thing. So you could look it up and it’d be like LAM has a deposition product, Applied as a deposition product, Tokyo Electron has a deposition product and that’s what I generally have seen. And it seems strange as a deliberate strategy, I would say, on the side of the semiconductor makers, but they all have their own products to step on each other’s sides.

So in a typical process, do you go all in with one company or you pick best of breed from all the different ones?

JY: TSMC tends to do, what they will do is that they never want a single supplier. So what they’ll do is that if one supplier is working for a deposition, right, they do CVD for a particular deposition product. What they’ll do is that they’ll go to another company, another one of their, like Tokyo Electron for example. They’ll say, “We are using Applied for this” or “We’re using LAM for this”, “Can you make a product to do this as well and hit this spec at this price, and we’ll buy it from you?”, so what they do is that they really play each other off in the center of such a way and they do this for almost every supplier with the exception of two.

Got it. So TSMC is really breeding this commonality of competition to keep their costs down. Well, I’m sure that drives them crazy as far as ASML goes. You mentioned two, what’s the other one? If ASML is one that’s unique, what’s the other one?

JY: Within the company they have something called “Shuang A”. So “Shuang” means double, so there’s ASML and Applied Materials.

What does Applied Materials do that’s so special?

JY: I was not told what that was, I’ll try to find out.

China, Intel, TSMC, Rapidus

Oh, very interesting. That is interesting. So with this understanding and perspective, what does that mean in the context of China? I will say one thing. I mean there’s the chemical aspect, which I think is very interesting and probably under-appreciated. The other thing though is there’s a bit where TSMC breeding multiple suppliers in different areas, in some respects it’s a diffusion of the technology that maybe makes it harder to control or that also speaks to the possibility of Chinese companies learning how to do these different steps. What’s your overall view of China’s prospects in coming up in semiconductors broadly?

JY: I think the core concept is that the core concept is not secret. So the product and what the machine and the equipment will do, most people will already know. There’s so much documentation on EUV, how it works, how the layers are built on the mirrors, all that is already known. The secret is how to turn that into a commercial venture and how to turn that into a profitable commercial venture. TSMC can guarantee a second source, a potential second source because they say, “We’ll buy that from you, if that passes our test, we’ll buy that from you and we’ll pay money for it”.

So I think in the case of China’s, they’ll probably know how to do this stuff and I’ve read their textbooks and they seem to know it pretty well. So I think the secret more is, can they move that from an academic sense to an actual doing it sense? That is much more challenging because that requires volume, that requires manufacturing, that requires wafers, and also lots of capital risk on behalf of the buyer.

So I get this question a lot in terms of what China can rise up for. I think nothing’s impossible, it’s made by man, it can be done. It’s required to be done economically, exportably, to be in a way to export, that’s much more challenging and I think right now the wafer volumes aren’t there yet.

Where can China realistically get to? I guess there’s two questions. Number one is if they have access to western equipment, SMIC can make a 7 nanometer chip. They might not be able to make it profitably or with high yields, but they can make it versus the, “We don’t have access to equipment anymore, we have to actually make the equipment itself”. What are the barriers there? What’s the hardest part to catch up with? Or is it actually, we’re missing the whole point because it’s actually the chemicals and the materials engineering?

JY: The chemicals, I think they’re so far behind, I can’t even imagine anyone catching up to Japan in terms of chemicals.

It really is interesting to me is the role that the equipment makers play in building the process node. A guy at TSMC’s lithography bay, even the manager, even a higher level manager, has no idea how the machine works. Conceptually, they don’t know how to use it necessarily, they rely on to be told by other people within the ecosystem, the equipment manufacturer or their R&D guy to say how to use this machine.

So surprisingly little fundamental core knowledge of that is within the industry. So cutting that off to some extent will be immensely damaging because you can’t just say, “We’re going to just rebuild this node with a different machine”, that basically, that introduces so much new uncertainty into the flow that makes even me anxious. So it’s pretty crazy.

So do you think that, I don’t want to put you on the spot, but broadly from a timeframe perspective, if China did get Western equipment, is it maybe a bit longer to catch up than people might think?

JY: It probably will. I’ve done videos on how the Soviets and the East Germans managed to procure special banned equipment over the years. They’re pretty good at it. So it’s like I would not be surprised to see these things starting to pop up and I would not be super surprised to see a gap to be like three years and that three years will be gone before you know it, right? Three to five years gone before you know it. You will never know. You’ll say, “Oh my gosh, they caught up so fast”. Well, from the beginning you already said it was going to be three to five years and now it’s three to five years.

So where is Intel in all this? We touched on that a little bit, where they went wrong. They got stuck at the 14 to 10 nanometer transition, EUV wasn’t ready at the beginning. Then had to rework it, the ways they tried to leap ahead didn’t work. Can they catch up? Are you feeling good about 18A, can they actually leap ahead as you talked about?

JY: I’m not going to answer that, I feel 18A looks good on a conceptual level, but Intel has always been really good at introducing concepts to the industry that no one will pick up. So it’s very, they don’t know how to do Foundry, that is for sure.

What’s the bigger failing here because when it comes to Foundry? We just talked about two sides, there’s the customer service side, which they’re not great at, but there’s also the integration bit. Is there a bit where they’re actually, they’re not sufficiently used to leveraging and leaning on and depending on suppliers to the extent that TSMC was because they wanted to do it all themself and know it all themself? Or am I overrating that?

JY: There is an arrogance I think on the case of Intel at least for last couple years, up to a certain couple of years. How is it now? Who knows? I mean, a lot of people say Pat Gelsinger changed the culture, did they change that part of the culture? I don’t know, but I think the main issue is that like Morris Chang said it best, “TSMC has learned to dance with 400 different partners, Intel has only danced alone”.

So I struggle to really understand how you can really re-engineer an entire company to become so vertically focused and so focused on this one thing to becoming so broad and ecosystem oriented. It’s very strange. I am not going to say they can’t do it because the Intel bulls will come after me, but I think it’s going to be interesting ride.

I really actually think this has been a very illuminating, I think to your point. There is this bit about this integration background, and to your point when you’re describing this TSMC process about TSMC, not even people at TSMC knowing how particular steps work, but bringing in and depending on other entities to do that and you can see why they did that before when they were behind because that was the way to catch up and it turned out in the long run that ended up to be the way to get ahead as well. That’s a cultural learning for TSMC that’s been embedded for 40 years and it’s just totally the opposite way that Intel has always sort of operated.

JY: It definitely is, and I think it’s like what they’ll do is that they’re so perceptive on pushing problems up to back to the company. I think I recall that one of the bigger breakthroughs within EUV was discovered, on how to keep the container lenses clean was discovered not within the R&D section, but basically by accident and it’s circulated from there. So it’s like these bringing in the equipment vendors, bringing in your ecosystem partners to work with them and help develop your process node is such a clear, it’s so important and that’s very difficult for a lot of different companies and it takes humility with a dose of you have to be humble and confident at the same time and that’s very challenging.

Do you think TSMC — or is this going to fall on the equipment vendors and the chemical manufacturers — can push innovation in the long run? Because I think the flip side of the Intel arrogance is a lot of that arrogance was well-earned. Like we mentioned FinFET before, a tremendous breakthrough. You’re basically making these transistors 3D and Intel pushed that forward. Intel birthed the idea of EUV way back when and ASML brought it to market. But can TSMC in the long run push us through similar barriers or does this approach only work as fast following to a certain extent?

JY: Yeah, I think that’s one of the big questions, even the people within TSMC are aware of this. There’s a need for crazy left field thinking that Intel brought to the table, very ambitious, like moonshot thinking that Intel really did bring to the table. Everyone wants to see Intel succeed and become a viable second option. I think the question is can they do it? I don’t know. But the ideas I think for that they brought were always illuminating and always pushed the industry forward and I don’t think TSMC has the culture for that.

Is there a bit, we’re a little too hard on Intel where they just kept making these huge leaps and one of the leaps, they didn’t cross the chasm, they fell down and maybe we should have a little more grace for the fact that they ran into a wall because at least they were trying to jump over it, as it were?

JY: Yeah, there’s one half of that I agree, but then there’s other half is that there were also, we should never forget that they were a monopolist, an arrogant monopolist that tried to kill competitors and did anti-competitive pricing things against AMD. We should never forget that part that they were also trying to evade other markets and they victimized Compaq and all these other companies, so let’s not forget that part too.

I have a somewhat related question, but what is Japan doing with Rapidus? Do they have any chance to build this other alternative supplier? They’re trying to build a two nanometer process in Hokkaido? Any takes on that?

JY: Dylan and I like to say, basically we have a group chat and where all of us together and we like to call Rapidus, the maker of fine artisanal wafers. We’re going to make these beautiful artisanal wafers like Samurai swords and each one’s going to be absolutely perfect and I have full confidence that Japan can make an absolutely perfect N2 wafer, like 10, but then it’s like can they make 10,000? That’s a bigger question. I don’t know if they’re there yet, but they’re going to spend a lot of money on it. I think they’re going to try, we’re going to see. They’ll have customers, but I don’t think they’re not going to be ultra successful. It’s not exactly SMIC.

Are these TSMC fabs in America a viable second source or is it one of those things where, “Once TSMC Taiwan goes down, these fabs are not worth nearly as much”?

JY: I’m sure they’ll have value. There’s so many Taiwanese over there working on it, I’m sure they have some value, I hope so. But you could argue there is a very viable argument to say that without the R&D flowing from Hsinchu, the fab won’t be commercially viable within two years. But then, in such a scenario where you’re saying what you’re saying is happening, then I think there’s very different things going on and all the assumptions should be reconsidered.

Then there will be much bigger problems you have to think about. What makes memory different from logic? Why isn’t TSMC just manufacturing all the memory? Why is that SK Hynix or Samsung or Micron? What is different about that process versus making logic chips?

JY: Memory is a lot more repetitive and there’s a lot more emphasis on materials, there’s a lot more emphasis on processes than necessarily innovation. Taiwan tried to build a memory industry, a DRAM industry and ITRI [Industrial Technology Research Institute] couldn’t make it happen. The failure of ITRI post-TSMC is actually something to be talked about someday, but it’s like they tried to get all these small memory makers to come work together to challenge Samsung and it was a massive failure. Memory is so much more economies of scale oriented and Samsung has Samsung money, so they really carved the market there.

Samsung just famously, every time there was a down market, which happens with memory because it’s more of a commodity, they would just invest through it. And so, every time the market came back they’d have a larger and larger share. Is logic at that point? I think one of the most interesting parts of TSMC history was 2008 when the great financial crisis hit, TSMC management wants to pull back and Morris Chang comes back to the company and he’s like, “No. Did you see what Apple just introduced? We’re actually doubling down”, that was a bit where they invested through a downturn and really emerged on top. Was that a transformation where logic was more a specialty thing that’s why Intel moved to logic, they abandoned memory, and now it became more of a commodity and that was also it became more memory-like than it used to be or does that not make sense?

JY: It’s interesting, this funny thing about that. Morris Chang saw the opportunity from the iPhone, he also didn’t think the iPhone itself would be successful. He was one of those guys like Steve Ballmer, this is what I’ve heard, he was one of those guys that Steve Ballmer were being like, “This is the $600 phone, no one will buy it”.

I’m amenable to the belief that logic will always have value at some point, there’ll always be differentiation. So you could say maybe you could make an argument that TSMC thought N2 wouldn’t be a valuable node, that’s why they built a smaller fab for it, but then suddenly AI became a thing and now they’re pivoting on that as fast as we can possibly see. So it’s really fascinating, I don’t buy the fact that logic will become like memory.

But the volumes are becoming almost more memory-like particularly in some regards.

JY: In some regards, yeah, maybe because memory is becoming more like logic in some ways.

That’s interesting. How so? Use it like the high bandwidth memory and things like that?

JY: Yeah. They’ll have elements of logic where you need to manage the flow of data and stuff like that, and they’re very complicated too, they’re very complicated stacks and there’s a lot of crossover now, tt’s very fascinating.

Consumer Electronic Cars

Well, we’ve dived super deep into the old Jon Y catalog. You’ve been doing a lot recently about cars and electric cars. Is this just a, “They’re computers on wheels”, is that the framing or what do you find interesting about this space and that is piquing your interest?

JY: A couple years ago, I think I was, someone who visited from China told me that these cars are coming and these cars are — when Xiaomi started making cars themselves, I was like, they’re trying to make cars more like consumer electronics. They’re trying to make it like drones or Bluetooth stereos and I think that’s something I wanted to call out and I tried to call out as soon as I can, and I’ve been really interested, I was like I’ll pull it on the side because it’s a technology that integrates all these different things together and you could argue that turning it into a consumable is kind of anathema to what the United States has really seen what cars would be, and can be, and I think that’s something that’s very fascinating. That’s a very Asia-focused car philosophy in my opinion and these cars are coming. I mean, everyone keeps saying it, everyone keeps talking about it, and I feel like there’s not enough movement from domestic old legacy car makers to change and it makes me sad.

And this is thinking about cars as almost more like the OEM model like consumer electronics, “We’re going to just build out a standard platform”, whatever differentiation there is can come from software and that’s how you have a Xiaomi car, right?

JY: Yeah. Have you tried one of the Luxgen n7 cars? I rode in one recently.

I’ve been in some of the Luxgen vans, but I haven’t actually driven any of them.

JY: The new n7 is built on their Foxconn platform or whatever, and it’s like an amazing car. When I rode that and it’s like $30,000, it’s a very good car. It’s $30,000 and I rode that car, I’m like, “This is not a Chinese car”, Chinese didn’t make this — Taiwanese Foxconn made it. They’re new to the cars, this is a really good car and I’m just like, I mean you would think that the Chinese know something special, but I would argue that it’s the concept of the car as this electronics thing is that’s the true differentiator. And if so, it would require so much more work, I would think, on the behalf of the product makers to make a better car here, a competitive EV.

It’s almost what they don’t know and it’s precisely because the traditional automakers, because making an engine was really hard, and so it’s very difficult to accept the idea that your highly differentiated expertise and what you’re good at is actually now an obstacle to success because of the cost that goes into it and the wear and tear inherent to that. And actually no, the solution is to make it as simple as possible and then consumers just want cool software, that can be enough.

JY: And that makes me sad that in some ways that Apple left the car industry, it would’ve been really fascinating to see.

I think the Foxconn connection there was clear. It’s like, yeah, you build us the standard platform, we will do our software on top. I agree, it’s almost like the TV thing, they were rumored to do a TV for years and years, 10, 15 years ago is always the talk and you wonder maybe they should have done that because what platform does that give you to do other stuff in the future? You have to run the same thing about a car. Even if it was started out not being fully self-driving, that gets you down the road to eventually do that.

JY: Yeah, I mean, maybe that’s one of the downsides of the Tim Cook era, they did good on extending the life of their single core product, but I don’t know, they didn’t have the, I felt like maybe they fell short going as crazy as doing some crazy stuff. I think [John] Gruber mentioned that before — one of the losses of Jobs is that they didn’t do weird stuff enough.

Yeah, weird stuff is valuable.

All right, well if anyone wanted to jump into the Jon Y library, the semiconductor stuff’s amazing. We’re going to have a ton of links to it, you’re doing more on cars. Are there any other pet topics that just stick out to you? This is some of my favorite stuff to do. You mentioned actually the Soviet economic issues. Those were some really interesting videos, what else is in the must-see list?

JY: I have an extended series on water desalination technologies and that turned out to be looking at the water desalination progression from the economics of desalinating water at a scale to feed a country is fascinating and I think people should learn that.

One of my favorite videos in recent days was looking at the Saudi and Middle Eastern water supply technologies to desalinate water at millions and millions of gallons of scale and looking at a lot of that is basically filled by cheap energy and it’s probably not economical, and I think it was fun. I think water is something that a lot of people need to pay attention to and where your water comes from and how it’s being made. And I have what, 12 videos on it, it’s really fun.

Well, I mean, what I think is clear in this conversation, and I think everyone should pay attention to, is if you want to understand how something works and you want it in a 20, 25-minute or an adjustable video, Jon is your resource. I’ve learned a ton from you, I started out asking you questions that I already knew the answer to, but I knew the answer because I watched your videos. So everyone should follow, you can now get access. You can listen via podcast, you can actually read the transcripts, but the YouTube videos are the bread and butter, everyone should go and subscribe. Jon, it’s great to have you on board. You’ve done a great job with Stratechery videos and I’m super excited to be working together going forward.

JY: Thank you. I’m really excited to be working with you and it’s going to be fun. It’s going to be a great 2025 and beyond.

This Daily Update Interview is also available as a podcast. To receive it in your podcast player, visit Stratechery.

The Daily Update is intended for a single recipient, but occasional forwarding is totally fine! If you would like to order multiple subscriptions for your team with a group discount (minimum 5), please contact me directly.

Thanks for being a supporter, and have a great day!

]]>Ben ThompsonStratechery Plus + Asianometry2025-01-20T16:16:26+00:002025-01-20T16:16:26+00:00https://nodebe4.github.io/opinion/2025-01-20/Stratechery%20Plus%20+%20Asianometry

Stratechery Plus + Asianometry ——

Back in 2022, I rebranded a Stratechery subscription as Stratechery Plus, a bundle of content that would enhance the value of your subscription; today the bundle includes:

Today I am excited to announce a new addition: the Asianometry newsletter and podcast, by Jon Yu.

Asianometry is one of the best tech YouTube channels in existence, with over 768,000 subscribers. Jon produces in-depth videos explaining every aspect of technology, with a particular expertise in semiconductors. To give you an idea of Jon’s depth, he has made 31 videos about TSMC alone. His semiconductor course includes 30 videos covering everything from designing chips to how ASML builds EUV machines to Moore’s Law. His video on the end of Dennard’s Law is a particular standout:

Jon is about more than semiconductors though: he’s made videos about other tech topics like The Tragedy of Compaq, and non-tech topics like Japanese Whisky and Taiwan convenience stores. In short, Jon is an intensely curious person who does his research, and we are blessed that he puts in the work to share what he learns.

I am blessed most of all, however. Over the last year Jon has been making Stratechery Articles into video essays and cutting clips for Sharp Tech; he did a great job with one of my favorite articles of 2024:

And now, starting today, Stratechery Plus subscribers can get exclusive access to Asianometry’s content in newsletter and podcast form. The Asianometry YouTube Channel will remain free and Jon’s primary focus, but from now on all of his content will be simultaneously released as a transcript and podcast. Stratechery Plus subscribers can head over to the new Asianometry Passport site to subscribe to his emails, or to add the podcast feed to your favorite podcast player.

And, of course, subscribe to Jon’s YouTube channel, along with Stratechery Plus.

]]>Ben Thompson訓練不了人工智慧？你可以訓練你自己2025-01-20T02:04:42+00:002025-01-20T02:04:42+00:00https://nodebe4.github.io/opinion/2025-01-20/%E8%A8%93%E7%B7%B4%E4%B8%8D%E4%BA%86%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7%EF%BC%9F%E4%BD%A0%E5%8F%AF%E4%BB%A5%E8%A8%93%E7%B7%B4%E4%BD%A0%E8%87%AA%E5%B7%B1

訓練不了人工智慧？你可以訓練你自己 ——

拍攝日期：2024/11/01主講人：李宏毅（國立臺灣大學電機系 教授）►►臺大演講網Website: http://speech.ntu.edu.twFacebook: http://www.facebook.com/ntuspeech
]]>臺大演講網EP-132 李厚辰：2015、2016——改变中国的两年2025-01-18T11:48:06+00:002025-01-18T11:48:06+00:00https://nodebe4.github.io/opinion/2025-01-18/EP-132%20%E6%9D%8E%E5%8E%9A%E8%BE%B0%EF%BC%9A2015%E3%80%812016%E2%80%94%E2%80%94%E6%94%B9%E5%8F%98%E4%B8%AD%E5%9B%BD%E7%9A%84%E4%B8%A4%E5%B9%B4

EP-132 李厚辰：2015、2016——改变中国的两年 ——

一个月前，“世界苦茶”主理人李厚辰在一期节目里提出了一个很有意思的观点，即2015-2016年发生的许多事情，标志着习近平对党内和中国治理方法的改弦更张，也塑造了今天的中国。

过去十年，中国经历了2018年的修宪、2020年的疫情、2022年的白纸运动与习近平开启第三任期等重大事件，李厚辰为什么选择把目光投向2015-2016年？那两年间，中国内部与外部发生了哪些被忽视的历史性事件？中共与习近平又做出了哪些政策转向，为今天中国的历史走向埋下伏笔？这样的梳理对今日中国有什么意义？

时间轴：

00:57 李厚辰为什么会关注到2015-2016年？
03:09 那两年中国发生了哪些重要事件？
10:41 习近平对于苏联解体的执念是什么？
16:32 习近平为什么从2015年开始转向铁腕统治？
19:55 中国经济是如何在那两年走上歧路的？
27:22 习近平治下的中国是“第三共和国”？
36:51 今天的中国到了哪一个阶段？
39:45 嘉宾推荐

嘉宾推荐：
《某种物质》科拉莉·法尔雅
《树大招风》许学文、欧文杰、黄伟杰
《背靠背，脸对脸》黄建新、杨亚洲
《新疆——被中共支配的七十年》熊倉潤Jun Kumakura
《連結——從石器時代到AI紀元》（尤瓦尔·赫拉利）
《疫年纪事》李厚辰

官网：bumingbai.net
捐赠链接：https://bit.ly/bmb-donate
推特：@bumingbaipod
蓝天：@bumingbai.net
Mastodon：@bumingbaipod
Telegram：@bmbpod

]]>不明白播客No Update: Delayed Interview2025-01-17T11:32:59+00:002025-01-17T11:32:59+00:00https://nodebe4.github.io/opinion/2025-01-17/No%20Update:%20Delayed%20Interview

No Update: Delayed Interview ——

No Stratechery Interview due to technical difficulties
]]>Ben ThompsonEP-131 从商场销售到“极端宗教分子”，我带上儿子走线（文字版）2025-01-17T09:41:45+00:002025-01-17T09:41:45+00:00https://nodebe4.github.io/opinion/2025-01-17/EP-131%20%E4%BB%8E%E5%95%86%E5%9C%BA%E9%94%80%E5%94%AE%E5%88%B0%E2%80%9C%E6%9E%81%E7%AB%AF%E5%AE%97%E6%95%99%E5%88%86%E5%AD%90%E2%80%9D%EF%BC%8C%E6%88%91%E5%B8%A6%E4%B8%8A%E5%84%BF%E5%AD%90%E8%B5%B0%E7%BA%BF%EF%BC%88%E6%96%87%E5%AD%97%E7%89%88%EF%BC%89

EP-131 从商场销售到“极端宗教分子”，我带上儿子走线（文字版） ——

文字版全文：

01:36 警察为什么突然把燕叫到学校？
10:32 燕在派出所里经历了什么？
14:00 让燕被认定为“极端宗教分子”的是什么群聊？
18:44 拘留所里，习近平教燕如何爱国
20:58 拘留所后厨的经历为什么会成为燕的阴影？
26:54 警察为什么突然闯进了燕的家？
31:54 燕被强迫送到精神病院后经历了什么？
36:57 燕宁愿走线也要“离开这个粪坑”的直接原因
46:00 离开之前，燕的儿子为何被迫退学？
51:38 燕在泰国为什么会被骗走三万块钱？
53:52 走线的四个月有哪些惊险遭遇？
57:58 燕如何看待纽约的穆斯林之家？
01:05:55 燕对美国政府的移民政策感受如何？

袁莉: [00:00:03] 大家好，欢迎来到不明白播客，我是主持人袁莉。Yan是我在纽约法拉盛一个走线客庇护所遇到的回族女性。去年，她带着十岁的儿子从中国历经四个多月走线到了美国。我去庇护所采访的两个下午，她都是默默地在厨房里忙碌。她的儿子非常活波，一见面就给我演示在南美洲过雨林时，他的肚子是怎么被大树枝划了个口子。Yan是一位回族穆斯林，在一个西部城市的商场做销售，用她的话说，过着虽然辛苦但还算体面的生活，从来没有想到共产党的铁拳会打到自己头上。但在短短的半年多时间里，因为一件非常小的事情，她被扣上激进宗教狂热份子的帽子，被拘留，被送到精神病院，失去了工作，孩子被迫要退学，最终她一个人带着孩子离开中国。她说：”我要离开这个粪坑。而引发这一切的由头，只是因为她跟儿子说不要仇视日本人、美国人、台湾人，即便这是校长说的，也不一定对。很多中国人并不关心穆斯林的遭遇，甚至对穆斯林有偏见和敌意。但通过Yan的故事，我想也许你们会发现她跟你很相似。她所经历的基层警察的野蛮残暴，校长老师的助纣为虐，离你也并不遥远。下面是Yan的讲述，为了她的安全，声音做了变声，一些个人信息也做了模糊处理。

Yan: [00:01:34] 其实这些事情我心里我很矛盾。有时候想把它忘掉，根本就不愿意提，但是又特别想跟人去倾诉。我也挺纠结的。

我以前是在我们那边的商场工作。其实在我来之前，我的生活，在真主的庇护下，过得还是可以的。我没有像有的人，欠了一屁股债，或者是真的受到了什么共产党的铁拳活不下去了呀，或者自己在那边没有任何的工作机会，觉得想往外找找方向。我不是这样的，虽然做销售压力很大，但是我作为一个单亲妈妈，我能很体面的和孩子过得很好，还能存下一些钱。我们本来是打算在疫情后，跟孩子买个小房子，付个首付。我把钱都省吃俭用的藏好，但是后面疫情过了之后，发生了一个事情，就导致了像多米诺骨牌那样的一系列的事情。我也是碰上了，以前在新闻中看到别人遇到的共产党的铁拳。我做梦都没想到它砸到我头上了。

那是23年，大概九月份刚开学的时候，孩子有一天放学回来，他莫名其妙地说：妈妈，我真想把那些美国人、台湾人，还有日本人、外国人都炸死。我平时也有关注一些，知道他们的那个教育。虽然知道，但是我们小老百姓只要把自己的日子过好，但是我从来没有去认真的去关注过。我听着不舒服，然后就跟孩子说，你为什么要恨他们呀？他们学校有一个道德与法制课，他们校长是一个是特别狂热的一个粉红，这个校长给他们讲道德与法制课。孩子说因为早上校长跟我们讲这个课，他说他们太坏了，他们就想杀光我们中国人，他们就想霸占我们中国。我说我们先不说这些，我就问你，你有没有见过这些外国人，什么美国人、日本人、台湾人，你见过吗？他说：没见过呀。我说：对呀，你都没见过，你为什么说他是坏人，要杀死他们？然后他说那我们老师说的呀。我说你们老师，你们校长说的不一定是对的，你以后有机会了，你可以出去看看，你交往他们，你跟他们去接触，你才知道是好是坏，以后有机会你能出去，你自己去接触就知道了，不要别人说什么就是什么。就这么很简单的一个事情。说完我知道我这个孩子有些天真，他不像有的孩子，城府很深，他就属于那种傻乎乎的，那种神经大条的。我说完这些，我知道这些不该给他说，我还专门给他叮嘱说这些是妈妈私底下跟你说的。你到了学校之后，不要去跟他们争执，不要去乱说。我还专门跟他这样说了。

没想到了这个月中旬的时候，有一天我正在上班，他们学校班主任给我来了一个电话，他说你是谁谁谁的妈妈吗？我说是。他专门郑重其事给我打电话。他一般有什么事情是微信联系的，他说现在有一个事情需要你到学校来一下，你有没有时间，我说我上班，我能不能明天过来，有什么重要事情？孩子有没有受伤？我以为孩子在学校被人欺负了，还是发生了什么危险的事情了。他说没有，我们只需要你现在立刻马上来，而且我们校长也在，你需要到学校来一趟。他不跟我说是什么事情，我当时特别急。他说你来学校就知道了，校长需要和你谈一谈。

我怀着很忐忑的心情赶紧跟公司领导请假，然后就赶紧去了学校。去了之后，他们很正式，阵仗很大，他们班主任把我领到了他们校长的办公室，有他们的校长，教导主任、班主任。另外还让我很诧异的是有五六个穿着制服的派出所的人。我很害怕，真的是很无措，很茫然。我进去说怎么啦，然后他们校长就说没事，你们坐一下，他说派出所的所长是我的一个朋友，我跟他反映了这个事情，觉得很严重。他们派出所的同事需要来跟你了解一些事情。我说到底怎么了呀？是孩子闯什么祸了？他就说你等一等，要派出所的民警跟你谈。校长、教导处主任和班主任就都出去了。

然后那个警察就自我介绍了一下，他说自己是经济开发区某某某的派出所的谁，我们想跟你了解一下，你平时都接触什么人。这就很让你摸不着头脑。我又担心孩子，我又不知道到底是什么事情，反正我做梦都想不出来到底是什么事情导致他他这么郑重其事，阵仗这么大。我就说你能告诉我一下吗？我很着急。他说你的孩子没有任何事。现在孩子在课堂。他说现在我们只问你的问题，我们问什么，你答什么。他就问我你平时接触什么？有没有在微信上跟什么人聊一些特别极端的话题。我说所谓极端问题是什么问题？他说有没有对国家的政策不满呀？或者你会发表一些民族的极端言论吗？这些我说没有，从来没有过。然后他说现在我们需要搜一下你的包。一个女的民警把我的包拿过去搜，搜出来我的两部手机，一个是工作手机，一个是家里我自己上网什么的。他把手机搜出来之后，他说：是这样的，我看你也挺着急，我跟你说一下，你的孩子今天在道德与法治老师的课上说了一些非常极端的言论，他说是他的妈妈是这样说的，这样告诉他的。我们觉得你的思想上有很大的问题，我们需要跟你了解一下。他说你需要配合我们，到我们派出所去一趟。我一听就懵了，我当时也没想过，我说还不行，我说我说了什么你要告诉我啊？我还上着班，我的孩子还在课堂上，我还是一个单亲妈妈，没人替我看孩子。他说你去了就知道了。我们一说难道你心里不知道你跟你的孩子说过什么吗？其实到这个时候，我心里还没有想到什么事情。

过了一会儿，他在微信说你进来一下。一会儿校长带着教导主任就进来了。校长说你知道我担任你们孩子哪门课的老师吗？他说是道法政治。我今天在课上跟孩子宣传爱国主义精神，但是你的孩子说出来跟其他孩子不一样，他说我妈妈说不是这样的。这个校长说我们在很用心地教育你的孩子，给你的孩子传达很准确的价值观。可是你作为一个母亲给孩子传达的是跟我们作对吗？唱反调。你给孩子所传达的东西是思想上各方面是有问题的。她说，所以我把派出所的民警叫过来，你需要交代一下，你思想有问题，需要调查一下。

他等于是把这事情就跟我讲了一下，我就知道到底是怎么个情况，为什么把我叫来了。孩子天真。我这个孩子更天真。他是ADHD，儿童多动症。我回来也问了孩子，孩子说是在课上，校长又说美国人是我们的敌人怎么怎么样。然后我这个孩子就傻呼呼的，童言无忌，他说可是我妈妈不是这样说的呀，他就要讲出来顶嘴。他说可是我妈妈不是这样的，他说美国人也是好人，日本人、台湾人都是好人。他说校长说的不对。然后他跟这个校长就在课堂上这样顶起来了。

袁莉: [00:09:25] 我能看得出来，他应该就是挺明显的ADHD。。

Yan: [00:09:31] 有的大人给孩子说个什么以后，说这个事情不要跟人说，孩子就会听。但是他不懂，ADHD的孩子一点都没有城府。我后面才知道，这个校长是一个特别狂热的一个粉红。他每周会给孩子们在国旗下讲话。我跟孩子套话了解到他是一个特别偏激，极端狂热的粉红，就是爱国者吧。他就是这样的一个人。

当时他们就把我的手机拿走了，说你现在必须跟我们走一趟。我说那你至少让我跟我妈妈联系一下安排孩子。他说没事儿，你孩子也得跟你走。之后我们会跟你的家人联系。那没办法呀，你落到人家手里了，你还能说啥？人家的口气是不容置疑的，你跟人家一句话都插不上，那就走呗。他们就从课堂上拉走孩子，坐着警车就走了。

这个事情后面发生的事情是很恐怖的。他们把我叫到那之后，一个人在旁边问我话。他们就问那些狗屁：你平时接触什么人呀？你的单位在哪里呀？就是各种调查你的背景。另一个人拿着我的在那边插什么，我也不懂，反正是一个像电脑主机一样的东西。他把我的手机插了之后在电脑上查什么东西。这个时候我很害怕，因为我从来没有接触过这个。一个女的查手机，旁边插着她的电脑、我想着她会不会查出来一些什么，因为我另一个手机是翻墙的，我会看一些推特，尤其油管，视频要保存什么的。我也会上一些国内的抖音还有国外的Tiktok。网上对我们回族非常偏激极端，包括当时的政策，还有一些对我们回族极端的打压、污蔑、泼脏水的一些视频，我也是很极端的，我会去跟那些人去呛，去评论呀。我心里已经很毛了，但是没办法，已经落到他们手里了，我就想到时候再看吧。

然后他们问我一些问题，我心里毛毛的，也就答非所问地把我的背景讲了一下。他们就是问我平时都跟什么人接触。大概一个多小时，他们问一会问题，让我坐一会儿什么的。那个女的和那个男的可能把我手机里所有的资料已经掌握了。过去了大概十几分钟，他们打印了厚厚的一沓资料进来。他们说你的思想确实有问题。你们的校长一点都没有冤枉你。他说你是一个极端宗教分子，狂热宗教，什么对于恐怖主义就是，我当时心里毛毛的，也没记下来，而且还有一个罪名我知道，因为不让我们翻墙，我有翻墙的，所有的记录他都全部经常要打印出来。他把我的屏幕整个打印出来，因为我用我弟弟的谷歌邮箱账号连着推特账号？他所有都打印，把我的评论、点赞、还有保存的视频、浏览过的，他全都打印，就等于是我的罪证了。他说你没有被冤枉，你的问题很严重，就摆在我前面了。

我想到最坏的可能就是罚款，因为我知道翻墙很严重。我心里很乱，我当时想到可能完了，我说可能要把我训诫了，或者怎么弄。我没想到后果这么严重，也问我，我想可能要罚款，因为我知道翻墙是要罚钱，而且有拘留十五天的。因为他们在我们那边会给家长讲，注意你们孩子在用手机的时候不能让用什么飞机（Telegram），但凡十八岁以下的孩子弄了，那就追究家长的责任，要拘留十五天，罚款多少多少。我看到过这样的通告。

因为我的事情很多，说着说着我就忘了。还有一个问题，微信里我还加了两个我们伊斯兰教，学习礼拜祷告词的两个群。一个是199人，一个是大概六七十个人。他们把这个也找出来了。最可笑的是他把我在这个群里捐款的纪录找出来，我就好笑死了。我虽然也是个穆斯林，但是我就比较世俗化，我可能也不戴头巾，我也没有遵照我们宗教一天做五次礼拜，属于一个比较名义上的穆斯林。虽然我心里很虔诚，但我没有很认真地去做礼拜，只是每年履行一次斋戒。平时就属于什么都不知道。这些群大概是在疫情期间加的，因为疫情的动态封城在家里很空虚，我妈就说你年龄也大了，啥也不干，你给孩子做个好榜样，先把祷告词学会了，赶紧做礼拜。然后我就加了这样的两个群。他们把这两个群找出来了。在我们当地，穆斯林是被管控得非常严格的，虽然没有新疆那么酷烈，但是它是温水煮青蛙，不能学习任何宗教知识，不能去任何学习宗教知识的场所，也不能开展个人的学习班什么的。这个群是我们回族悄悄地自己建立的，想学礼拜知识、宗教知识的人，自己进去悄悄学就好了。这个群主是一个家庭比较困难的女士，当地的一个阿娘，年龄也比较大，但是她宗教知识学习得非常清。我们在她手里去学些礼拜词，她的家庭条件不是很好，我们回族有施舍的习惯，就和那些佛教的人散香火钱一样，他们可能会给寺庙，我们可能会给周边比较困难的人。所以我有时候散这种施舍的时候，我会把钱转给她。我在群里转时候指定给这个阿娘。他们把这个拿出来安的罪名就特别搞笑。这是在签字的时候，我妈看见了的。他们把我妈叫来罚钱签字的时候，他们也不让你看，只让你不停的在那儿签字。我眼睛近视，我妈撇到一眼，他们给我安的罪名是支持恐怖主义。我真的吓死了，就真的又气又笑，把我妈都气笑了。说起来真的是无所不用其极。他们很流氓的。我给那个阿娘就是散了几次钱，他们说我是支持恐怖极端恐怖主义。反正他把这个微信群弄成一个恐怖组织，然后说我提供经费了。就笑死了。转个五十、一百两百而已。

还有一个就是我学习了宗教知识，我就也是一个极端狂热宗教者，我的思想就有问题，需要改造。他们就给我妈打电话，把我妈叫来。然后让我妈不停地在那签字。不是我签字，让我妈签字了之后跟我妈说，现在她需要交一千五百块钱，交完一千五把这个孩子领回去。她需要在这里拘留十五天，进行一个思想改造。

你落到他们手里就是他们指尖的一个蚂蚁，说不上什么话。我在走线的途中，有的人说我有证据，我根本就不相信，因为你真要到他们手里，你不会有任何的证据来证明你受到过共产党的迫害，它不会留下任何把柄。你想在当地的抖音上寻求一些人的帮助。你想发到抖音上都没的发。你只能靠自己去述说一下，没有任何的证据材料，因为他们让我妈签字也是挡着。我妈说，我能看一下吗？她到底干了啥了？他们说：不用你们知道，你们就是违反国家的规定了，来签字，你说你能说上什么呢？我也是，我签字的时候，她让我妈交一千五百块钱，我说你把我手机给我，我转给我妈，他就不行。我没办法，我妈也没钱，我说我让我妈先交上，我当时还给她，我说你必须把这个罚款的单子给我妈，说清楚我是做了什么，被你们罚了一千五百块钱。他们不给，我说你给啊，你给我妈，我妈不能白白把钱交到这里，你要让我妈知道，让我也知道，我以后才能改造啊，我以后才能深刻认识到错误。你进去那里头根本说不上话。在学校办公室的时候还算文明，进去了我都学不出来他们那副嘴脸，那种恶声恶气的、那种强势的嘴脸就给你特别的压迫感，你说不上话。就在这签就好了。没有任何话说。签了字，我妈交了一千五百块钱。他们让我妈回去，把我转送到当地的一个拘留所，正式开启了我十五天的拘留生活。中间要学习习近平的什么爱国理念指导，然后让我写读后感，每天都要写读后感，当场让我写了检讨书。他们的审讯室开个大灯，反正你爱睡觉不睡觉。妈呀，我有生以来没见过那么亮的灯，可能现在我睡不着觉就是那时候留的后遗症。

我身上留了很多后遗症。现在我的电话长期是静音的，随时拿起来看一看有没有人给我发信息。一有人敲门，我的心就扑通扑通地要跳出来。我感觉就是那个时候可能留了一些后遗症。

袁莉: [00:19:17] 大家好，我是袁莉，你们刚刚听到的精彩对话背后有几十个小时的精心准备和制作。这需要阅读大量资料，花时间与采访对象沟通，只有这样才能问出好的问题，才可能进行有深度的对话。不明白播客会继续致力于制作高品质的新闻内容，让中国人听到深刻的思考、真实的情感。在这个晦暗不确定的年代，听到彼此心中的一点坚持。请大家继续支持不明白播客，让我们把这个事业长期地进行下去。欢迎听众朋友们到我们本期的内容简介里点击捐赠链接或者访问我们的网站bumingbai.net的捐赠页面。

你呆了十五天，你都没有想到这样坏的结果。你以为就是罚款就完了，对不对？

Yan: [00:20:16] 这十五天就给他们做饭，后面还有呢。我以前想起来自己还老流泪，后面好像也皮实了。我本来本来想着结束之后把这个写成一个日记给自己，但是我不愿意去写，我就特别逃避这个事情。它真的给我带来的伤害特别大。我害怕忘掉，我又想忘掉，但是我又不甘心把它就这么忘掉，我想把它用特别细腻的文字写下来。但是我每次坐到那，拿着笔，拿着纸，我不知道写什么，不知道从何写起，不愿意去回想。

其实很多人问我，我就大概说：在国内学习了宗教知识，就被他们拘留了。我还跟你说一说，我没有跟人这么细的聊过。这十五天里，他们特别坏的一点是什么呢？就是白天我要去他们那个拘留所的后厨，给那些被拘留的人做饭什么的，一天吃一顿饭，就是大白菜。他们明明知道我是回族，就非要让我切那猪油。你明明知道我的禁忌，为什么非要这么整我呢？我们伊斯兰教就是不吃猪肉，不是说我吃了你的猪肉，我就对你共产党就多么爱戴了。因为他那个给犯人吃的饭很简单，就是大白菜用猪油炝以下。我说我是回族，有那个不切。里面做饭的人，也是监视我的人就说：不行！快点切！

袁莉: [00:21:43] 都不知道说什么好，真的是太可怕了。

Yan: [00:21:46] 这个不可怕，让我想这些，我到现在特别气愤，特别恨他们。在这些事情没发生之前，我知道这个政府不是一个很好的政府，但是我只是一个女的，一个单亲妈妈。我又不是要改变社会的人，我也无力去改变，我知道他们不好，知道他们对我们当地的穆斯林的打压特别严重，泼脏水，挑起民众斗民众，这些我们都知道。但是我只过好我的日子就行了。但是这些事情发生之后，我特别憎恨他们。

大概弄了十五天。十五天之后，有一天又把我接到了那个派出所签了很多的字，然后把我那些检讨书复印了一份，让我回去每天检讨，还有写读后感，共产主义怎么怎么样啊。当时立即马上就给他们在办公室又写了一个检讨书，就说通过这十五天，让我知道什么什么，让我理解了我们国家，我就自己胡诌的嘛，反正就全是你的错，你就要爱国，就要爱党，我就是一个爱教不爱党的一个极端宗教恐怖分子。

但这事没完，我签了字弄完了之后，他们说你的思想改造深不深刻，我们后期还要看，你每天早上八点到十点要来我们这里报到一下。我说那报到之后我需要做什么，我还要工作，我还要养我的孩子，我是一个单亲妈妈。他说不要跟我说这些，跟我没有关系。他说这个是因为你已经触犯国家的法律了，你没有任何话可说。我们国家不让你学习宗教知识，你非要学习，国家不让你翻墙，你非要翻墙。你的评论里充满了极端的恨国恨党的思想，很极端，你就每天来在这里改造。他说我们会给你找一些资料，让你来看我们的党是怎么样对你们这个民族的，我们对这个国家有什么贡献。他说你需要深刻地了解自己的思想是有多么的错误，也需要深刻地来认识没有共产党就没有你们穆斯林，也没有这个新中国。大概就是这一套吧。感觉那半个月，我已经确实就做到他们的效果了，人不人鬼不鬼的。我当时那个心情现在也想像不出来，反正我现在只是恨他们，但是当时的心情已经我都记不起来是个什么心情了。

袁莉: [00:24:09] 是什么呢？是麻木吗？

Yan: [00:24:11] 应该是麻木，冷漠了，我觉得。我出来了以后有很多事情要做，但我是逃避的状态，我应该很积极地去跟我的公司啊这些联系，但是我什么都不想做，我也不想联系。

袁莉: [00:24:24] 因为你不知道该做什么。

Yan: [00:24:25] 对，因为我明天还要去他那里报到，我不知道我的工作该怎么弄，我很喜欢我的工作，虽然做销售压力很大，但是对于我来说，我觉得那是我能和孩子活得比较体面的一份工作。

袁莉: [00:24:40] 你做了多久？多少年？

Yan: [00:24:41] 我一直在那个商场，我从大概09年的时候就一直做到了疫情结束，就是他们拘留我的日子，因为我这个工作工资也比较高，压力大归大，我想让我出去了还能找到工资这么高的吗？最多两千块钱的工作，因为我干的时间很久了，我当时已经三十七、八了，心里很多让人很乱、让人很忧愁的事情。

袁莉: [00:25:07] 那你公司什么时候跟你说让你走的呢？

Yan: [00:25:10] 就是后面的事情了。我不是有八点到十点报到的这个事情吗？每天要去学习他这个习近平的爱国理念嘛，给他们派出所值班的人去讲什么检讨呀，我的心路历程呀，就要讲这些。把我放出来的第二天我就去报到，然后一直报到到11月的6号还是7号，那天早上我就感觉又阳了，浑身难受。这期间我们公司一直没有联系我，因为我妈也比较聪明，她说我有很重要的事情，大概要请一个月的假。当时公司知道是我们柜台上的同事帮我写的申请，说现在联系不到她，也没跟公司说我被派出所调查了。因为我微信上有很多老客户的名单，当时我的同事，包括我的客户都接到派出所的电话。我回到家，我妈把手机给我之后，半夜我登了我的微信，收到了很多我的客户打来的信息，就笑死了，说你犯了什么事儿了？他说今天有派出所的人问我怎么怎么样，然后我也是逃避的状态，也没有去联系公司。我当时心里隐隐觉得这个事情没完。因为他们还让我每天早上去弄那两个小时，就是要折磨我。去了还是那些狗屁，看他给的那些书，然后临十点走的时候去跟他讲一讲这个书，给他概括一下中心思想，就是这样。

袁莉: [00:26:41] 多么可笑啊！

Yan: [00:26:42] 对，就简直是流氓。他们办事情根本没有逻辑性，没有人性，他们做的事情很可笑。

我阳了那天早上特别难受，我就说警官，我浑身上下特别难受，今天能不能请个假。他说不行，你现在必须来，我当时那个拧劲儿又上来了。我当时心里已经很憎恶，很反感他们。我当时就说我都这样了，你们是非要把我逼死才行吗？我啪就把手机挂了，因为他说的很斩钉截铁的，不容商量的口气，他说不行，你必须来，你现在是在改造时期，你以为你现在没事了吗？你现在还在被改造。他还说，我们只是看你的孩子没人看，你是单亲妈妈才让你回家了。你以为是完事了吗？然后我说我现在阳了，很难受。我说连这都不行吗？我到底做了什么事情？然后我跟他也顶了很厉害，我说那些人贩子把人杀掉，把人家孩子器官都挖了，你们怎么不去管呢？非得盯着我。我说我到底做啥了？我说你们该罚也罚了，该拘留也拘留了，我当时已经豁出去了，我已经气得很郁闷，很郁闷，就爆发了那一下。

我把电话挂了没过一个小时，电话响了，我没接。门噔噔蹬蹬响得特别急迫。我就从那留下了一个病根，到现在还有。他们敲门特别急迫，一点都没有礼貌。我们有门铃，就按门铃就行了，他们就啪啪啪，噔噔噔的拍门拍到好像死人了一样。我当时去开门，我已经把门打开了，他们啪一下，我都不知道怎么倒到地上的。门一推，我眼前黑麻麻的，也不知道我怎么跌到地下的。我当时脑子是空白的，等我有意识的时候，我已经是被他们像电视上那种犯人一样趴在地下，两个手被他们在后面用手铐铐着，脖子上还顶着一个膝盖。啊，真的，那种难受真的太可笑了，我都不知道用什么语言去形容。

然后他们说，我们是可怜你才把你放出来。你本来应该进行更深刻的思想改造。他们把我拉到派出所去。他们把我铐着手铐，甩在后面，一个膝盖，弄得我晕晕乎乎都不知道怎么把我拽下楼去的。整个楼里的人也看着，院里那些人看笑话。因为我本来就是单亲妈妈，你知道吗？很多人容易联想，看我铐着手铐，感觉我是犯了很大的罪才会这样。唉，反正给我带来的影响不一般。他们那种口气我也学不来，给我安的罪名，他们就说是可怜我才把我放出去的。说我妈老，求他们了。你本来就拘留我十五天，你哪里可怜我了？你也没让我提前走，是不是？他把自己说得特别好，说是我可怜我的孩子没人看我，然后拘留了十五天。本来他说我应该受到更严重的对待，他的意思是我应该被更严重的思想改造。我也不知道这更严重是什么，我没有遇到过，我只知道新疆有，我没想到他们也会来这样做的。

当时还是一个周末，好像是周天，孩子也在呢，本来就是个单亲孩子的家庭，本来还是个ADHD，你说对他的造成多大的心理阴影？这个孩子，所以他现在很恨，你知道吗？我从来没在他面前说过什么不好。有一次他就跟那些孩子玩游戏，他说来我们玩这个游戏，谁输了就把谁送回中国去。他就觉得中国已经是一个不好的地方。我当时在那做饭呢，就听到他说出这个话。他不比别的孩子成熟，不比别的中国孩子特别聪明，他傻乎乎的，很天真，他能说出这个话来，他真的是自发的。因为他们在孩子面前把妈妈像那个什么一样铐走。孩子大喊大叫。当时把孩子吓坏了，大喊大叫，真的吓得都不敢上来，只是在那个角落里喊啊叫啊。我当时什么都没有听明白。我只听到我的孩子在角落里啊啊大哭。他们当时把孩子送到家里，然后跟我妈打了个电话，说去看一下。他说你这个女儿思想改造不成功。这是我后面跟我妈聊天，我妈才跟我们聊起来的，因为当时我已经见不到我妈了，连孩子都是被他们锁到家里的，我是被铐出去的。你说孩子心理阴影得多大呢？

我也是晕晕乎乎的。哎呀，我当时想死的心都有，真的想跟他们同归于尽。我就想着戳死他，戳死他们其中一两个人，然后我自己跳楼去。真的是。他们又把我带到了那个派出所，之后，我没想到又让我签了各种的字。就各种签，不让你看。他们就说：来，签字，按手印，他把红泥都给你准备好了，你就只管签字，按手印，没有任何话说。我的后背那个手铐还铐着呢，然后就直接把我给拉到一个地方，我后面才知道是把我拉到一个精神病医院。

我说你把我拉到这打算关几天，他说这我不知道，这个要问你的主治医生，主治医生说你什么时候出去你才能出去。我去问主治医生，主治医生说这个我不知道，要看你们那位警官说你什么时候能出去。我真的很绝望了，我已经不是什么麻木了，就是顺其自然了。而且更可笑的是，我一进去肯定会反抗嘛。我当时特别气愤，我在派出所就挨了一巴掌，就是在下楼的途中，我骂了他们，已经挨了他们一巴掌了，然后在那个派出所弄完之后，我说我不在这呆，我就往外走。他们有电棍呢，你知道吧？特别坏，那个主治医生，所谓的我的主治医生，我就磋磨嘛。你知道他们拿电棍激你哪吗？哎，这个事情我都不知道怎么说，反正我在庇护申请的时候我都没好意思去写他们。

袁莉: [00:32:40] 是下体吗？

Yan: [00:32:42] 是，我以为只是对我呢。我不好意思说，我在我的庇护申请上，人家问我也没有说这个。太屈辱了。我觉得。当时他们就直接激我的下体，真的好恐惧，当时真的是特别恐怖。就是我去反抗的时候，他们拿着那个电棍就激我的下体好几下，妈呀，我都形容不出来那个感受。当时我也不知道怎么就在地下，四肢就说不上来，反正又屈辱。醒来之后我都没脸见人，我到现在表面上会表现出来跟人要去接触，其实我心里特别害怕。我觉得自己有了很大的心理疾病。

袁莉: [00:33:27] 对，这也很正常，经历了这么这么可怕的事情。

Yan: [00:33:31] 对我来说真的挺可怕的。

袁莉: [00:33:33] 你在那呆了多久?他们最后怎么处理呢？

Yan: [00:33:36] 大概有二十多天，好像是因为他们要过年了。但是我出来也是因为我们家有一个比较有阅历的亲戚，他说你们赶紧想办法，不然可能会把你描述成一个典型。现在我们穆斯林已经比较那个什么，他们要拉一个典型出来，可能他们要跟上面要维稳的经费，你们赶紧去找人想办法。如果是把你的女儿树成典型，她可能就出不来了。他们会不断折磨她，然后去跟上面要经费。我没想到我这么值钱呢。这是后来我出去了之后家人们告诉我的。

在那的二十多天就跟精神病人一样，更可笑的是每天要进行一个测试。如果我说对了，一加一，我说二，他就会让我关禁闭。啊，真的是很搞笑的，比如一加一等于二，你必须说错，才能很自由。他们给你一些常规的问题，如果你给对的答案，他们就会把你往禁闭室关，如果你是错的，你就可以自由的在楼道里走来走去，躺着也行。

袁莉: [00:34:47] 那你后来出来了，你也不知道有走线这回事吗？你什么时候开始想到要走线了呢？

Yan: [00:34:53] 我模模糊糊的在翻墙的时候看到过什么走线客。但是我当时我没想到自己今后也能成为其中的一员，我做梦都梦不来。后面还有一个事情导致了我必须带着我的孩子离开。哪怕他们这样屈辱的对待过我，但是那个时候我都没想到过走线。

那时我妈就说你现在就乖乖的，哪怕不去上班，你一天不出门都行。我养着你，你就在家里呆着。她说你哪儿都不要去，手机都不要看，跟任何人不要联系，你就在家里呆着，不要让他们有丝毫可乘之机。但是我非常舍不得我的工作，我那个时候还想工作，因为我那份工作很难得，那样一个五险一金都给你交上的销售工作，对于我们来说不错了。我妈说你们公司打电话找你，他说你可能已经上不了班了。出去以后我赶紧给公司打了个电话，公司说我们不知道你为什么被调查，但是公司也不希望要一个有犯罪记录的人。他说你应该是有犯罪记录的，我们不想问，也不想知道。我们公司的总公司在上海，他说他们都找到了上海的总代理人的电话，打电话去问你的情况。所以你现在就自己离职吧。这是我们的区域经理跟我说的。我经历了这么多事，虽然我也很舍不得这个工作，但是经理也已经好好跟我谈了。他说公司把下个月的公积金和医保都交了。我们再给你补一个月的工资，到时候你就自动离职就好了。所以我出来工作也泡汤了。我们家人说现在什么都不想，家里那个亲戚说了那些之后，我们真的吓死了，所以我在家里不上任何网，哪怕是国内的抖音都不要上。我把账号退出登陆或者注销了。

因为后面的一个事情，我要离开这个粪坑。我12月出来，大概一个多月到12月底，孩子们快放寒假的时候，我给他洗脚的时候，把他的裤子往上一推，发现他的屁股上还有整个大腿小腿全部是青的，一片一片的。我不知道是怎么弄的。我当时就很心疼，赶紧问他怎么了，是不是被班里的谁霸凌了。在中国这种事情特别多，哪个地方都有，哪个学校都有，只是没报出来。我也特别害怕，我觉得怕啥来啥。他身上整个又青又红又紫。当时他不跟我说，踢他一脚都不说。他说没有没有，我就是不想说，他说没事儿，不疼，过几天就好了。

孩子不敢说，我就给他们班主任打了一个电话，我说我孩子身上全都是伤，他说我们不知道，你问一下是不是在校外被谁打了？在校内我没有看到。他说不行你给校长打个电话。我当时还很纳闷，为什么要给校长打电话呢？第二天我还没干什么，早上要送孩子上学的时候，校长给我打来电话。他们校长什么都知道，我的电话我已经被列成校长，还有派出所的重点关注对象，他们都知道我的电话。然后校长给我来了电话，他说你到我们办公室来一趟。你不知道我那个心情，真的憎恶得要命。我去了之后，又有两个民警，差点没把我吓死。让我憎恶的是他们恶人先告状。当时有校长有民警，我无法形容我的心情。校长见了我之后，他说：你知道我今天为什么要给你打电话？我说我不知道。他说我昨天很生气，我随机抽查了一下同学，我问了一下他们国家提倡的二十四个核心价值观，他说这应该是倒背如流的，孩子在入学的时候就要考的，现在你的孩子一个都背不出来。他当时那两个民警的面，那个畜生，他说你不是已经进行思想改造了吗？你的孩子为什么还不会背？我说孩子可能当时有点紧张了，害怕了，我说他会背，因为每个孩子在入学的学前班就会学。在一年级报名那天，老师会说：来，你来给我背个二十四核心价值观。他说你的孩子在入学的时候就要知道的东西，但是到现在他还不知道，他马上要上三年级了还不知道。

我当时就无语了，我说我的错，我说我今天晚上一定让他会背。当时有警察在，我就觉得很奇怪。当时我心里已经不那么闷着了，我就问了一下，我说昨天我们孩子好像被霸凌了，他整个两个腿上是青的，我昨天问了一下班主任，然后班主任说找你问一下。他说：我踢的。原来他也怕我做什么，找记者，然后再把那两个东西提前找过来，就说她的思想还是有问题，她的孩子连二十四核心价值观都不会。而且你不知道，流氓说话真的很冠冕堂皇。他闭环到我的身上，他说还不是因为你吗？如果你能把孩子教育得特别优秀，让他的价值观正确，你的孩子会遭受到这些吗？闭环来闭环去是我的错，流氓真的是。他每次都喜欢给家长搞一些爱国主义教育，动不动就通知家长去参加会议。他们有个大会议厅，我们以为是要讲一些关于孩子教育的事，但他每次都是给我们提倡爱国爱党，我们那回族比较多，爱国爱教爱党，他贼奇怪了，就是这样一个狂热的粉红。

那两个民警这时候发话了，他说你也不要急，你的孩子二十四核心价值观都不会，你前面给孩子传达的一些极端思想。老师们也是苦心想给你的孩子灌输一些正确的价值观。他说得特别可笑，他说你的孩子如果到社会上呢，你觉得你教的这些能让他立足吗？现在老师教育他是为了不让他以后在社会上遭受到教训，真的是无耻的流氓洗脑。他这是PUA我呢。他就觉得所有的一切是你造成的，你给你的孩子不交这些，你自己思想有问题，你的孩子受到这些是很正常的。

这个事情就这样了。从这一刻起，我赶紧回家。我说我不管，我心里立马想到一个词，就是走线。我要赶紧离开这个粪坑。为了我的孩子，我那样屈辱，包括你们用电棍激我的下体，我从来没有想到过。那一刻开始我心里就有强烈的我要么死，要么就离开这个粪坑的想法。这个想法特别强烈，我感觉一刻都等不了，我就想插着翅膀赶紧飞，逃离这个粪坑飞出去。

这中间有一个事情，因为我们回族在当地是根本办不出护照的，跟新疆其实是一样的。只不过新疆在国际上关注度比较高。我们那就是一个很小的城市，这些回族也没有人去关注。其实经历这些事情之后，包括以往我们穆斯林在当地已经被打压到真的大气不敢出的状态，也不比新疆好多少，只不过没有那样的种族灭绝，集中营里大量的人消失。他没有家户户都守着，不让你念古兰经，也不让你家里有个汤瓶。没有新疆那样酷烈，但是也差不多了。

我孩子这个事情之后，我甚至想真有个什么遁地术，我立马就带着孩子遁跑了，一刻都不想在那待。因为孩子受到很大伤害了，但是我面上表现得很好，很乖。我说我也确实意识到了，回去我也会好好教育。我说，我也会背这些，我立马让孩子背会，明天你就去考他。有一种忍辱偷生的感觉。回家第一时间我就找（省略），我跟他联系，说我的护照什么时候能办出来？他说这个我也不知道，我们现在拿到的护照是疫情前申请的护照，现在才拿到。哎呀，我已经绝望的，那都几年了呀。他说没事儿能拿到。我说我现在立刻马上想去散散心。我也没敢乱说，我就说我想去日本或者马来西亚，我说求求你了，你尽快，拜托一下，我有很严重的抑郁症，我去看医生，医生让我去散散心就会好。

我妈家里还有一个废手机，我立马赶紧在微博没日没夜的翻走线。我知道美签是很难签的，你不一定有钱了就能去，有些国家不是你想去就去的，需要去面试，有面签你才能去。我模模糊糊知道这些东西，我就上油管。我自己我不敢上，就用我妈的那个手机号，再加那个废弃的手机。我还出去吃晚饭，我不敢用自己家里的wifi上这个网。我就找个商场，没日没夜的连上wifi，悄悄的钻到角落里，带个手机在那个角落里背着人没日没夜的翻。我就了解到每天像我这种急切的要出去的人，美签在疫情过后据说很难签。我不敢去冒这个险，我只能看到走线的东西。我查了很多国家，好像就只有美国当时对非法移民友好，一直到三月份的时候还在等护照。我首要的就是需要护照。护照还是没信，我也逼人家，人家说也没有办法。他说我带你去出入境大厅打过指模了，你知道这个是真实的事情，但是我不确定是什么时候拿到手。但是我已经不讲道理了，我说我不管，你必须拿。

后来一直终于熬到了他们开学。开学的时候又发生了一个事情。有一天，家长群里有几个家长莫名其妙的很露骨的说：你的孩子是不是有多动症呀？影响到我们孩子怎么怎么样，后面就有家长附和，说：就是，他的孩子可调皮了，老影响我家孩子。之前他们都没有提过这个事情呀。之前我和孩子的班主任说过，我的孩子时有轻微多动症。但是那个班主任说没事儿，他学习上还是可以的，没有什么学习障碍，就是稍微有点注意力不集中，但是课堂上他还是能遵守的，没有那么严重。后来老师也突然莫名其妙的开始附和，把我的孩子的ADHD说得很严重，说再这样的话你的孩子会影响别的孩子，其它家长也不愿意。我当时想，反正我要带孩子跑出去，但是眼下我得解决呀。他们现在又开始给我找事了，我心里已经隐隐有感觉了。当时我说我尽量教他，但是私下给老师打电话，我说你也知道ADHD是不能控制的，不仅仅是多动，思想上各方面，我慢慢地去引导他，你给我一些时间，或者你给他单独弄一个特殊的座位。班主任说我也没必要为你的孩子去弄单独的座位，如果他有单独座位，你又说我特殊对待他了。反正已经有很多家长反应了，你的孩子影响到我们班级的整体纪律，班里还被扣分了。最后班主任给我来了电话说：哎呀，我也不好意思说这个话，那你就退学吧，或者转个学。

那会儿要把我逼死了，我又想立刻拿到护照。我真的实在没有办法了。你说你让我退学，让我上哪去啊？我当时也给老师说了，我心里已经打定了主意要润，但是我不知道护照什么时候拿到，我跟老师，真的是低三下四的说，你让我转学不就等于把孩子毁了吗？从你们学校退出去哪个学校收啊？你们不知道中国的户籍制度吗，按照户籍制度从你这退学了，哪个学校愿意收我？他说那我也没办法，现在好多家长联名要求。那个时候我真的……我头发都白完了，真的是……那阵子护照又办不下来，我真的要疯了。

最后，我请办护照的人吃了个饭，我说我现在想去马来西亚或者日本，我抑郁得不行了。我被派出所因为一些事情调查，现在特别抑郁，想死的心都有，我当时确实有想死的念头，真的说带着还是死吧，但是因为有宗教信仰，宗教又不允许。然后他说实在不行你要拿出来可以，但是派出所说一个人要收3万的押金。如果你要把护照拿出来，你要在出入境管理大厅写一个承诺书，说我要去哪里，在几天内我就会回来，我自愿押上抵押金。因为他想你肯定要回来，你不可能黑在外面。这对于一个普通人来说，真的是一笔巨款。

但是我豁出去了，你不知道我平时也省吃俭用，除了给孩子舍得，自己什么都不舍得。这个时候我很大方。因为我急于跑出来，我知道我已经不回来，押金肯定拿不到的，但是我还故意在出入境那说：你们绝对会还给我吧，不会不承认吧，就是做了一些戏，就这样才拿出来。拿出来一看，是23年8月发放的。我拿到护照，就马不停蹄的置办了一些东西。我记得很清楚，在3月23号，这一天对我来说是太开心了，我把护照拿到手了。然后我就去置办了一个星期的货。我们家人也都知道。我妈也说了再这样下去也确实不行。我弟弟给我妈也悄悄看了一些，他说你放心，没有关系，她出去了，我们经常跟她联系，危险肯定有，但是你说她在这儿，在那几个手里就没有危险吗？说不定危险更大。反正就是各种说服我妈，我妈也知道，她太了解了，他们特别坏，她也就说，只要不危险的话，那你就那个啥吧，我妈也理解，她其实也害怕。

其实我出来以后高兴死了，我飞的时候心里还是特别害怕。我担心飞泰国会不会被他们拦住？我要是被拦住了，回去该怎么办？难道还是就只有死路一条，我就自杀吗？我想的就是，如果被拦回去，我就自杀了。真的。回去了肯定没完没了的。但是真的是真主相助，我很顺利地出来了。我在过云南边检的时候很严格，很多人被拉到一边，查这个查那个。我当时都是发抖的状态了。很可能是因为是我带了孩子，他不能想象到一个女人带着孩子还能黑到外面吗？还是真主相助，反正是我出来了，很顺利地，甚至都没有被特别检查，只是过了一下行李，不像别人鞋子脱掉检查鞋垫，掏鞋子，检查头发，然后拉到一边不让他们过，不知道要问什么问题，就很恐怖。我当时都是就微微发抖的，我尽力地让自己看起来很镇定。反正出来我就开心坏了，真的。

袁莉: [00:51:25] 然后你到了泰国才正式的开始看走线是怎么回事？

Yan: [00:51:30] 对！到了泰国我才敢大模大样的上那些网。我看那些东西，但是看完之后我又打退堂鼓了。走线很累很累的，我打退堂鼓是什么呢？我没有想过要回粪坑去，我又去网上查在泰国、在马来西亚、在日本居留要什么。但是我看了一下都需要大量的钱，我说不行我就黑在泰国，泰国有养老签证，但是至少要花六、七十万人民币，我没有那么多的钱。我看各种看周边的、喜欢的国家，所以看了马来西亚、日本。但是连泰国都至少需要两百万泰铢，六十万人民币。而且我看了一下新闻，共产党在泰国的手伸的也很长，可以跨境抓捕。我也很害怕。其实那几天我还在犹豫，我要不要想个办法黑在比较近的国家，不要那么辛苦，非得要去美国。别的国家肯定是比共产党好，比那个粪坑强吧。但是看了一圈，我的经济能力根本不允许，只能允许我走一个这样很艰辛的路。

然后我就开始没日没夜的开始看走线的攻略，看了大概一天一夜，然后加了一个人，他说他能指导我走线，不让我那么危险，让我跳过很多坑。然后我还给他打了三万块钱，也被骗了。他说你别以为你出来就好了，出来还要过（厄瓜多尔）基多的关，泰国也不让你出关。然后我就上当了，因为我特别害怕，我害怕泰国也不让我出关，我怎么办？万一有人到泰国来抓我呢？我特别害怕，当时就头脑一热，把三万给他打过去了。

我跟小孩一路就这样过来了，我有时候也挺愧对他的，让他受这么多苦。要是我有能力，或者有认知，提前几年去办个美签，说不定就是一张飞机票的事。美签也不一定是有钱人的专利，有的人也能弄下来。但是当时也没那个认知，孩子确实受了很多苦。过雨林的时候我差点被淹死了。我小心翼翼划过那个河的时候，那是雨季，大家都在走，中间的水把我带往中间带，幸亏我背着一个特别大的包，特别重，五十斤。

袁莉: [00:53:57] 个子比较小，又比较瘦，所以可能你没有太多的力量能抵得住那个水，是吧？

Yan: [00:54:03] 应该是。或者是我正好一脚踩到漩涡上，把我带进去了，我就漂下去了一下子。漂下去，妈呀，我吓死了。我感觉还有一股吸力，但是那个吸力没有那么强。因为那天我正好没有给背包的人钱，没让他背，我自己背了。所以好也好在这儿了，要不是背包，我绝对被吸进去了。过了一会儿，我一点一点等吸力小的时候就慢慢把屁股挪到岸上去了。孩子也可怜呀，他也很坚强，虽说他平时不给力嘛，调皮，但那个时候乖乖地走路，一声不吭。我俩的吃的都被人偷了，没有吃的。然后他一天不吃，也不饿，也不说啥，就那样跟着走。翻墙的时候才苦呢。走了十五六个小时，从蒂华纳翻墙的时候挺辛苦的。

至于危险，除了我遇上的这一茬，孩子也会磕磕绊绊地摔摔，然后被骗了一次，也没有特别恐怖的事情。反正就是压力比较大，自己也比较焦虑，也不知道能走到什么程度。而且我过埃及的时候跟一帮中国人在一块。那帮人特别坏，他们有种族歧视。他们说出关的时候也不好过的，会给你拦下来，他们就是那样制造焦虑。因为埃及是个穆斯林国家，我也很害怕，我就戴了个头巾。我也是穆斯林，不至于难过吧，然后我就戴着头巾，他们也知道我是穆斯林。他们在埃及的时候，他们又要利用人家埃及过境，还在乱骂埃及是个烂国家，说是到处是穆斯林，明明是非洲国家。到了雨林之后，我们落后了一天。我的包没找人背，我俩走得比较慢，然后又下起雨，向导给我们六个人一组，分了三盒饭，有米饭、炸鸡。他们特别坏，他们把一盒拿走不给我。然后我去找向导要，向导说给你那一组的人们了。我去找他们要。他们就说你不是回族吗？不是穆斯林吗？你们还吃啊？我说没吃的啊？米饭炸鸡我也吃啊，你问都不问我就吃了。但是我又不敢跟他们去特别……因为毕竟在雨林，带个孩子，我也不想跟人起什么争端。反正他们挺坏，也不会帮你。别说我是回族穆斯林，就是汉族同胞，他们也没帮。我在雨林有印度人帮，有海地人帮，在翻墙的时候也有别的国家人帮我，但是中国人，唉，反正也是挺那个啥的。

袁莉: [00:56:42] 你记得翻墙是哪一天？

Yan: [00:56:45] 1月27号。这一路走，我走了将近四个月，因为我还在墨西哥等待了两个月的手续，有那个好一些，稍稍合法一些。但是我一直得不到。我是跟别人一起挂号，挂一个号，他们封一个号。我申请的号会动不动被关闭掉。我和人一起申请，好不容易等了一个月，后来作废了，这一个月就白白浪费。第二次我又跟另一个人一起又挂了一个月，又莫名其妙的被封号了，我说算了，我自己走吧，我就翻墙了。

袁莉: [00:57:26] 那你是什么时候，怎么知道来找马聚这个庇护所呢？

Yan: [00:57:32] 我就说一切就不用担心。船到桥头自然开。我们因为信仰伊斯兰教，就会说是真主相助。应该是7月29号，移民局把我们从圣地亚哥放出来，把我们拉到一个天主教酒店，他可以帮你，你自己订好机票，你要去哪，他们直接把你拉到哪，让你去哪。然后我看我的释放纸上是纽约，我当然要去纽约。当然，到纽约的时候，我怎么办呀？我用人民币兑换成美金去花钱，去了之后难道天天住宾馆吗？我要去哪呢？先不管。

我8月1号坐飞机，我说到了之后从机场应该去哪里呢？我就很迷茫，很害怕。这个时候我就问了一个路上认识的中国人，他在一个群里。我说你有没有认识的人，我说去那边了以后，是住民宿还是怎么弄？下了飞机立马又租不到房子。他是一个很善良的，比较好的人。他知道我是回族，他就说你不是回族吗？你没听过马聚吗？我说我还真没听过。马聚是谁？然后他让我上推，去搜马聚，然后去问问他。那已经是没办法的办法了。我就照他说的，在推特上搜了一下马聚。我看到他说他是伊斯兰教的守护者，我就知道他是一个回族。然后我就看一下他的视频，然后就大着胆子，厚着脸皮，给他在推上私信了。

我说，马聚先生，我也是一个从西北过来的单亲妈妈，带着小孩。我说我现在很迷茫，我立马要去纽约了，能不能帮帮忙，我想去纽约，但是我很迷茫。他立刻就来信了。真的，马聚老师是一个特别好的人，我特别感激他，也感激那个给我提供这个信息的中国人，特别感谢。因为你想，我人生地不熟，来了都不知道去住哪个民宿。第一站也是很难的。马聚立马就很亲切的说你在哪里，你把你的时间这些说一下，这里有很多兄弟姐妹会帮助你的。那一下子我就心里一下子敞亮了，就没有那么发愁了，然后就加了一些他推荐的Whatsapp，穆斯林之家的那些号码，就跟他们联系了我大概什么时候到纽约，然后他们开车来接的我，直接把我接到穆斯林之家。

袁莉: [01:00:17] （后来你到了纽约市政府提供的移民庇护酒店），你每天怎么吃饭呢？

Yan: [01:00:18] 他这里很好的，虽然我们吃不惯这些饭，但是他会给你提供的苹果、香蕉、橘子人家也没少过你的，哪怕牛奶淡的跟水一样，但是人家有啊。在中国，疫情三年我动不动就被封，动不动就封，我没收到过一根菜叶。虽然新闻上说到处在发，反正我们没收到过一根菜叶。无缘无故就把你封到那，人家才不管你吃啥呢。

到这以后我也挺感动的，给我的冲击也很大。我之前在国内也知道美国是个比较发达的国家，后面我要走线的时候，我知道它对非法移民比较友好，比较文明，但是我没想到能好到这个程度，那对我来说真的是很好了，跟中国比。

袁莉: [01:01:03] 而且你儿子很快就上学了，是吗？

Yan: [01:01:06] 对，孩子随意的就去上就好了，你去报名就好了，给我的冲击特别大。虽然特朗普说上台要遣返我们，但是，我好感激美国啊，真的，我自己的国家都没有对我那么好过，反而给我带来了……真的，我一想，本来我存的那点钱，30万，因为我们还是租房住，我想给孩子买个小房子，我一直还在看，没想到碰上这个事，这个钱竟然花到走线了。不知道特朗普说上台要遣返，说不害怕是假的，大家都人心惶惶，心里会焦虑。但是我现在想，哎，就这样吧，你要到时候遣返了可以，你把我遣返到第三国也行，反正别把我遣返到中国去，我都已经做好最坏的打算了，或者说你遣返也可以，给我的孩子一个青少年绿卡，让他被人领养都行。你把我送回中国去，我死还是活都行，我的孩子坚决要留在这儿。回去是没有活路的。我爸我妈都说了，你千万不要回来，如果有一天我们给你打电话说你回来，那绝对是他们逼我们的，因为你回来没好果子吃。

袁莉: [01:02:16] 哎呀，你这个也真的是……你反正是不后悔，是吧？哪怕最后也许会有什么不好的……

Yan: [01:02:24] 我不后悔，我特别感谢。我至少见识了这里原来真的这么好，怪不得那些贪官都要把孩子送到这边，他们给我们灌输的是美国人是坏人，还要杀掉美国人，杀掉日本人、台湾人。但是我出来才知道，人家对我一个非法移民都很好的，你的孩子来上学，我派校车来接你，在中国能这样吗？就像他说你的孩子要转学，我转学我能去上别的学校吗？我得掏个10万拿去行贿，去找关系，我能随便上吗？不可能。我在疫情的时候把我们封在家里五六十天，人家也不给你送一根菜叶子，你饿死都活该，没人管你。我来这，人家有吃有喝的，尽管有的人说吃的和猪食一样，那也是人家的白人饭，人家给你提供了呀，又有水果、牛奶、面包，什么都有，鸡肉每天也没落下，米饭也没落下你的，我已经很知足了。我感受，这给我的冲击力太强了。真的。我一点都不后悔，至少我见识了，原来美国真的是这么好。我当时是抱着逃难的想法，我要逃出那个粪坑，我没有想到这个国家给我的感觉真的是完全不一样的。我没有像别的人一样，说：美国也就那样，来了有失落，我一点都没有。我到现在持续在对美国有非常好的印象的那种亢奋，真的。别人说美国不好，那觉得不好，你就回去呗。我当时是逃难来的，想着只要它收留我就行了，让我在这里自力更生，让我在这里自己能挣钱，只要留在他们国家就好。但是我没想到人家真的很好，只是换了总统，下了一个这样的……怎么说呢……就是对非法移民不太……但是我还是很感激，真的。

袁莉: [01:04:05] 你每个周五都会到法拉盛那边去，是吧，去穆斯林之家。

Yan: [01:04:10] 对，每个周五都会去。因为孩子很喜欢那里，他喜欢热闹。尤其现在我们人生地不熟的，都没人说话。他说没人跟他说话，他都不会说话了，说话前言不搭后语。我在那里能感受到别的地方感受不到的人情味和温暖。包括马聚老师，他真的很好，一点架子都没有。他真的很真心的。因为我是一个单亲妈妈带着孩子，他每次去了都说你把吃的打包，你在那边又做不上吃的，你又吃不惯那种饭。什么鹰嘴豆饭。因为吃不惯啊，要不我给你弄个冰箱，你自己弄点。他人真的很好。然后我也发现他也不是那种特别偏激极端的穆斯林，他跟我们讲课，有的人就会说啊，中国人老骂我们穆斯林。他就回应说：真主会引领他的。只能说我抛开我的家人，抛弃了我的母亲，我的兄弟姐妹，我来到这里逃难。这就相当于我的第二个……怎么说呢……是一个温暖的亲戚吧。我感觉在这一路上都是特别憎恨的，就恨啊恨啊恨。但是我来了之后，我发现，这一路上的那些苦，我突然觉得不苦了。别人说：哎，那你不容易。我说，哎呀，这太幸福了。我虽然吃了很多苦，但是能平平安安的跟孩子到这里，我真的好感谢主。

要是没有他们那样无厘头的压迫我，毫无理由的压迫我，我做梦都没想到能跑到美国来。我有时候睡觉的时候就想，我怎么到这儿来了呢？我到现在还有点云里雾里的。

我知道美国的好，真的觉得很好。现在有的人就说美国就那样。我就想着人家给你一个非法移民的孩子办个白卡，你也能免费看病。真的太不一样了，我太感激它了。我就想，如果发生不好的事，要把我遣返，最近我就在查，怎样把我的孩子留到这儿。我在国内想着我跟孩子死也死到一起，反正怎么都要在一起，我的孩子随时要跟着我，只有我能护着他。我现在看了一下，哪怕我弄个什么青少年计划，把孩子留在这。他们给我判个无期，随便，我就这样了。我的孩子只要好好的就行。这个国家我挺放心的，我觉得如果找个人，哪怕把他寄养过去……反正至少已经是最坏的打算了，我就想让他留在这里。

袁莉: [01:06:38] 好，谢谢，也谢谢大家收听，我们下期再见。

]]>不明白播客生活職涯繪未來｜2024研究生新訓講堂2025-01-17T09:26:13+00:002025-01-17T09:26:13+00:00https://nodebe4.github.io/opinion/2025-01-17/%E7%94%9F%E6%B4%BB%E8%81%B7%E6%B6%AF%E7%B9%AA%E6%9C%AA%E4%BE%86%EF%BD%9C2024%E7%A0%94%E7%A9%B6%E7%94%9F%E6%96%B0%E8%A8%93%E8%AC%9B%E5%A0%82

生活職涯繪未來｜2024研究生新訓講堂 ——

拍攝日期：2024/09/07主講人：曾昱豪（國立臺灣大學學輔中心 學輔專員） 黃揚文（國立臺灣大學學生心理輔導中心 臨床心理師） 許珮如（國立臺灣大學學生職業生涯發展中心 輔導員兼股長）►►臺大演講網Website: http://speech.ntu.edu.twFacebook: http://www.facebook.com/ntuspeech
]]>臺大演講網“我们也是会向共产党开枪的人”：首位阵亡中国籍乌克兰战士的宣言2025-01-16T23:00:36+00:002025-01-16T23:00:36+00:00https://nodebe4.github.io/opinion/2025-01-16/%E2%80%9C%E6%88%91%E4%BB%AC%E4%B9%9F%E6%98%AF%E4%BC%9A%E5%90%91%E5%85%B1%E4%BA%A7%E5%85%9A%E5%BC%80%E6%9E%AA%E7%9A%84%E4%BA%BA%E2%80%9D%EF%BC%9A%E9%A6%96%E4%BD%8D%E9%98%B5%E4%BA%A1%E4%B8%AD%E5%9B%BD%E7%B1%8D%E4%B9%8C%E5%85%8B%E5%85%B0%E6%88%98%E5%A3%AB%E7%9A%84%E5%AE%A3%E8%A8%80

“我们也是会向共产党开枪的人”：首位阵亡中国籍乌克兰战士的宣言 ——

他是第一个加入乌克兰国际军团的中国籍战士，用遗言与中国划清了界限。他的遗言直指体制，他的行动写满决绝。是什么让他走向这条路？他的选择对于家人和朋友又意味着什么？ #彭陈亮 #乌克兰 #乌克兰俄罗斯战争 00:00 引子02:05 转变08:45 到乌克兰15:47 牺牲22:50 未来翻墙有方：新版“赛风”Psiphon 3使用VPN、SSH和HTTP代理服务技术，适用于视窗（Windows）和安卓（Android）系统，在设置中启动赛风代理服务器即可绕过网络封锁。获得赛风软件：https://s3.amazonaws.com/q1zc-evc7-flev/en/download.html#direct.自由亚洲电台（RFA）是向没有新闻自由的亚洲地区，传播新闻内容以及资讯的非营利机构。我们的使命是提供准确的新闻，以及精辟的评论，并提供一个可包容各类意见的平台。RFA是由美国国会授权设立，资金来源由联邦政府拨款。所有广播均从位于美国华盛顿特区的总部播出。自由亚洲电台普通话网站：http://www.rfa.org/mandarin自由亚洲电台YouTube频道：http://bit.ly/1ztYI3J自由亚洲电台Facebook：https://www.facebook.com/RFAChinese自由亚洲电台Twitter：https://twitter.com/RFA_Chinese
]]>自由亚洲电台根据美国最高法院的审理进展，TikTok必须在2025年1月19日前从其中国母公司字节跳动剥离，否则将面临关停的命运。尽管距离最终期限还有一段时间，但这一消息已经2025-01-16T15:18:06+00:002025-01-16T15:18:06+00:00https://nodebe4.github.io/opinion/2025-01-16/%E6%A0%B9%E6%8D%AE%E7%BE%8E%E5%9B%BD%E6%9C%80%E9%AB%98%E6%B3%95%E9%99%A2%E7%9A%84%E5%AE%A1%E7%90%86%E8%BF%9B%E5%B1%95%EF%BC%8CTikTok%E5%BF%85%E9%A1%BB%E5%9C%A82025%E5%B9%B41%E6%9C%8819%E6%97%A5%E5%89%8D%E4%BB%8E%E5%85%B6%E4%B8%AD%E5%9B%BD%E6%AF%8D%E5%85%AC%E5%8F%B8%E5%AD%97%E8%8A%82%E8%B7%B3%E5%8A%A8%E5%89%A5%E7%A6%BB%EF%BC%8C%E5%90%A6%E5%88%99

根据美国最高法院的审理进展，TikTok必须在2025年1月19日前从其中国母公司字节跳动剥离，否则将面临关停的命运。尽管距离最终期限还有一段时间，但这一消息已经… ——

根据美国最高法院的审理进展，TikTok必须在2025年1月19日前从其中国母公司字节跳动剥离，否则将面临关停的命运。尽管距离最终期限还有一段时间，但这一消息已经引发了大量美国用户的迁移潮。许多用户选择 转向中国社交平台小红书。

TikTok在美国的困境源于美国政府对其数据安全和内容审查的担忧。TikTok多次否认这些指控，声称采取了措施将美国用户数据存储在本地，不过政治压力仍然使其面临关停的风险。禁令消息传出后，大量美国用户开始寻找替代平台，而小红书因其与TikTok相似的功能和内容形式迅速成为热门选择。小红书在TikTok禁令消息传出后，迅速登上美国App Store下载量榜首。

这群数十万自称TikTok refugee的美国用户，之所以选择小红书而非Meta产品，除了Instagram、Facebook功能相对单一和传统，缺乏TikTok式的沉浸体验之外，当然有对Meta等本国科技巨头的不信任，也是透过仍然选择中国社交平台表达对美国政府的抗议。

而中国政府对此现象展现出了也算合理的策略性容忍，背后其实是精密的分众治理逻辑。在讯息控制方面，中国网民无法直接访问国际互联网的现实在官方论述中被刻意淡化，此一选择性沉默本身即为治理技术。中国外交部的正面表态尤其值得注意，当跨境数字互动符合国家利益时，官方话语系统可快速将其纳入正面叙事框架， 表演中国的开放姿态。

这批用户构成里，KOL在平台迁移中展现明显优势，他们可直接继续使用以往在TikTok制作内容的方式，甚至无需中文能力即可吸引观众，视觉导向内容比如美妆、搞笑、软色情等具有跨语言传播力。且他们已经熟悉社群平台敏感词规避技巧，这些在TikTok上经营许久的KOL们已习惯一定程度的内容限制，也许也能适应跟严格一些的小红书。已经有些KOL因为他们的影片带有 TikTok 水印而受到处罚。

另一边，普通美国用户的行为模式、内容消费和创作倾向、对平台规则的适应程度难以观察，或许他们因语言障碍，主要会停留在视觉导向的内容消费层面。服务中国本土市场为主的小红书目前缺乏内置翻译功能，TikTok refugee只能依赖第三方翻译工具进行交流。有些美国人尝试使用美国电话号码验证其帐户时，无法收到验证码，多次尝试下被认为是可疑的机器人活动而 导致帐户被停 ，且没有明确解释。

TikTok refugee们的画像也不难看出，他们对社群媒体依赖度高，缺乏对中国网路管制体系的认知，甚至对中国抱持浪漫化想像，对中国政治议题缺乏兴趣甚至持正面态度，已习惯平台内容限制，主要追求娱乐性内容，能接受不同平台的管制标准。因此，对中国政府来说，他们的管理风险并不高，这群人既不具备突破审查的动机，也不了解中国网路管制全貌，短期内或能顺利适应小红书环境。小红书的单一化版本，与TikTok/抖音的海外/中国区隔运营模式形成对比，因而对于只有中国版的小红书来说，或许也只能继续维持严格内容审核标准。

至于小红书上或者其他中国平台上的中国用户，民族主义情绪的短暂爆发被官方默许并加以利用，部分中国网民将美国用户涌入视为文化影响力的象征，反向文化输出论述被服务于国家软实力建构。即使这种叙事存在明显盲点——忽视中国用户无法自由访问国际互联网的现实，过度解读特定群体行为为文化胜利，低估跨文化理解中的认知偏差。

中国的数字治理逻辑展现出对内严格区隔、对外选择性开放的特征，这种模式愈发成熟，凸显出话语权力的精确运作机制、群体间认知差异、官方论述的策略性调整，以及民族主义情绪的政治动员，也展现平台技术特性与内容管制机制如何构成更大社会控制系统的基础设施，以及用户行为、平台策略与国家治理目标间的更模糊的互动关系。

]]>The Sociologist教研學習好學伴｜2024研究生新訓講堂2025-01-16T08:32:21+00:002025-01-16T08:32:21+00:00https://nodebe4.github.io/opinion/2025-01-16/%E6%95%99%E7%A0%94%E5%AD%B8%E7%BF%92%E5%A5%BD%E5%AD%B8%E4%BC%B4%EF%BD%9C2024%E7%A0%94%E7%A9%B6%E7%94%9F%E6%96%B0%E8%A8%93%E8%AC%9B%E5%A0%82

教研學習好學伴｜2024研究生新訓講堂 ——

拍攝日期：2024/09/07主講人：姜至剛（國立臺灣大學 副教務長） 黃庭霈 （國立臺灣大學圖書館學科服務組 編審）►►臺大演講網Website: http://speech.ntu.edu.twFacebook: http://www.facebook.com/ntuspeech
]]>臺大演講網TikTok Ban Approaches, Generational Implications, Xiaohongshu2025-01-15T12:28:14+00:002025-01-15T12:28:14+00:00https://nodebe4.github.io/opinion/2025-01-15/TikTok%20Ban%20Approaches,%20Generational%20Implications,

TikTok Ban Approaches, Generational Implications, Xiaohongshu ——

The TikTok ban is approaching; what happens if the service actually goes away? Then, why China will misunderstand the Xiaolongshu phenomenon
]]>Ben ThompsonEP-130 2025年，中国人该悲观还是乐观？(文字版）2025-01-15T11:53:34+00:002025-01-15T11:53:34+00:00https://nodebe4.github.io/opinion/2025-01-15/EP-130%202025%E5%B9%B4%EF%BC%8C%E4%B8%AD%E5%9B%BD%E4%BA%BA%E8%AF%A5%E6%82%B2%E8%A7%82%E8%BF%98%E6%98%AF%E4%B9%90%E8%A7%82%EF%BC%9F(%E6%96%87%E5%AD%97%E7%89%88%EF%BC%89

EP-130 2025年，中国人该悲观还是乐观？(文字版） ——

文字版全文：

02:19 回顾2024，嘉宾们经历与目睹了什么？
07:49 “历史垃圾时间”，我们如何度过？
21:37 李厚辰为何不认同“历史垃圾时间”的说法？
25:08 不结婚不生孩子是一种反抗吗？
26:38 为什么说皇帝也会有无力感？
37:49 嘉宾们觉得还有多少年？
52:54 海外离散社群的努力有用吗？
01:18:57 2025年，中国和世界会变得更糟糕吗？
01:23:26 2025年，我们可以做些什么？
01:37:52 体制内的人应该如何自处？
01:42:06 如果无法推动改变，是否还值得留在国内？
01:46:47 Z世代会成为中国的光州一代吗？
01:50:17 如果经济雪崩，普通人如何避免被影响？
02:00:18 技术革命会为中共续命吗？
02:04:32 袁莉与嘉宾们的新年愿望

袁莉: [00:00:02] 大家好，欢迎来到不明白播客，我是主持人袁莉。无论你在世界哪个角落，我想现在大家都已经进入了2025年。我代表不明白播客团队向来自200多个国家和地区的听众致意。祝大家新年快乐！非常感谢大家在过去一年给予我们的支持和鼓励。

我想这一年很多人都过得很辛苦，在现实中，网络上和精神上都经历了很多。无论世界怎么变，中国怎么变，不明白播客都希望能一直陪伴大家走下去，成为中国人发声的平台、链接的纽带。

2024年给人的感觉是乏善可陈的一年，它不像2012年有惨烈的清零运动，有四通桥口号，还有年末的白纸运动，也不像2023年在疫情之后，大家寄予厚望的经济反弹没有如期到来引发了巨大的震撼和失落。2024年，疫情清零，白纸运动和曾经充满活力的中国经济似乎都变成了模糊的、遥远的记忆。消费低迷，失业加剧，中产阶级开始坠落，中国社会似乎进入了一个缓慢而窒息的通道。没有人知道这个通道会通向哪里，没有人知道要多久才能到达通道的尽头，也没有人知道在尽头等待我们的会是什么。这也是我决定要在元旦这一天做一次直播的原因。在这样一个晦暗不明的时刻，我想很多人都需要情感上和智识上的沟通和支持。

今天这次播客，我会和三位嘉宾一起回顾2024年，并讨论在2025年中国人应该悲观还是乐观？在各种负面消息和负面情绪铺天盖地而来的时刻，我们有没有办法保存心中的希望？作为大时代面前的小人物，我们可以做些什么？

今天参与直播的嘉宾有住在美国东岸的资深记者江雪，我想播客的很多听众对她都不陌生。第二位是在推特上和蓝天上写很多精彩小作文的律师兼作家，住在德克萨斯州的刘宗坤老刘和YouTube频道世界苦茶的主理人李厚辰。非常非常感谢几位嘉宾在元旦这天和我们大家一起分享。

在开始谈2025年之前，我想我们先回顾一下2024年，我想问你们每一位对2024年的整体感受是怎么样的，有哪一两件事给你的印象比较深刻，你可以谈个人的经历，也可以是公共的事件。

江雪: [00:02:41] 2024对我个人来说还是蛮独特的一年。我流离在外，也有经历了很多家庭的一些变故和苦痛。公共事件上来说，发生在我身边就是季风书园。上海的季风书园在2017年被迫在中国关闭。今年2024年的9月在华盛顿特区重新开张。因为我近距离观察这个事情，所以感受非常深刻，而且我觉得它也是我关注的中国公民社会领域的一个蛮重要的事情。如果你说乏善可陈的话，但是这个事情对我是这一年比较精彩的一笔。我就先这样简单说一下。

袁莉: [00:03:28] 对，我也觉得季风书店在华盛顿开业是2024年的一个亮点。我去了季风，我特别特别喜欢。我还跟江雪还有其他几个人说，华盛顿终于有了一个让我们纽约人觉得羡慕嫉妒的地方了。

江雪: [00:03:46] 因为我也自己做了一篇报道，把它跟中国公民社会这个背景连接起来，所以就觉得值得要说到。

刘宗坤: [00:03:58] 我在德州，我们这儿没有DC那么热闹。所以好像身边没有发生多少事，我们接触这个外界主要是看媒体的上一些报道。像中国的印象比较深的，可以说印象最深的就是这个社会的下沉速度，尤其是频繁发生的一些意外事件。从吉林开始针对美国人的攻击，后来又发生了刺杀日本小学生的事情，还有开车无特定目标的杀人撞人这一类的事情。我想这可能是对我们通过新闻来了解国内的人的冲击最大的事件。美国这边，我想大家都能看到的就是川普当选了，又回到了白宫。我想如果让我回头看一下2024年，我自己印象最深的事情可能就是这两件。

但是从身边的事情来看，因为我在11月去了一次日本。我们是提前投票以后去的日本。回来之后大选刚结束不久，一个很强烈的感觉就是突然就过去了。大选之前我的邻居、周围整个社区，街上全是竞选的牌子，当然你看到的几乎全是支持川普的牌子，因为我们这是一个红县。但是回来之后全都消失了，都没有了。我想这也反映了人们的一种想法、一种情绪，就是要回到正常的生活，因为这拖得太长了。不管谁当选，它总有个结束。结束之后呢？当然就是他执政之后的另一个开始。如果看一下过去这一年，我想，我能说的就这两件事情。

李厚辰: [00:06:11] 因为我自己其实每天都在做一个新闻newsletter，所以说实际上我可能体感跟新闻的观点比较大。总的来说，2024年给我的感觉确实是乏善可陈，而且很多事情在全面的转坏。像今年的香港，不管是二十三条立法还是四十七人案，都是非常非常糟糕的事情。放眼全球，基本上没什么好新闻，唯一能称上相对好一点点的新闻就是孟加拉，而且还不是百分之百的好。缅甸可能稍微有一点点起色，其实也很难讲。所以总的来说，2024年，不管是政治还是社会方面，刚才大家讲了很多啊，都有很多很糟糕的事情。其实这一年都很难说乏善可陈了。总的来说，我觉得倒退得非常厉害。不管是中国社会的秩序，还是全世界民主和治理的情况都倒退。

今年对我来讲，有一件事情我印象最深刻，不知道大家还记不记得这个事情，就是今年山西有一个药企的非法遗体购买案，是易胜华律师他公开这个材料的。这个事儿实在太荒唐了。我觉得这个事本身的荒谬和恐怖程度，再加上律师作为吹哨人，后来对于律师的处罚就很像是今年很多社会失序的一个缩影。而且今年社会失序的情况也渐渐走向一种比较荒唐的、比较恐怖的程度，包括中国汽车撞击之后，德国也发生了汽车撞击，刚刚法国又发生了汽车撞击。感觉好像一切都在摇摇欲坠的边缘。希望2025年能好一点。所以总的来说，2024年我觉得体感是很糟糕很糟糕的。

袁莉: [00:07:51] 我再说一个也比较丧气的吧。2024年，“历史的垃圾时间”这个说法引起了很多中国人的共鸣。按维基百科上的解释，这个说法用来形容一个国家或者地区的经济或者政治状况已经严重恶化，而且无法扭转最终走向失败的时期。我想知道，你们怎么看历史垃圾时间这个说法。我们真的处于历史的垃圾时间里吗？这背后反映了怎么样的一种社会情绪？

刘宗坤: [00:08:23] 垃圾时间实际上是一个经常说的词，不过在美国讲主要是看比赛的时候。圣诞节那天我去朋友家，我不知道为什么他们会把橄榄球比赛安排在圣诞节那一天。因为是休斯顿那个Texans和巴尔的摩队的比赛，那场球实际上没法看。但是我们吃饭的人里边有一个球迷，因为休斯顿一开始就落后，第三节的时候已经没法看了，差距太大了，我们就告诉他已经是garbage time了，不要看了就专心吃饭就是。他就是一直坚持，坚持到最后，结果是休斯顿二比三十一输了。其实到了第三节差不多已经是二十几比几的时候就已经没法看了，最后不可能反败为胜了。我想在国内，人们用这个“垃圾时间”是讲国家大事了，说的是整个中国社会。在英语世界很少看到有人garbage time说这个国家的。在美国四年选举一次，总统干的不好就下去。大选完了之后，大家都知道说一月份谁当选了，会变成新总统。大家会说现在在任的总统，他就是守，再守一个来月，我们会说是他跛脚鸭总统，但是我们很少听到有人说是garbage time垃圾时间。

袁莉: [00:10:06] 一个总统没有那么大权力，是跛脚鸭，但是不会说一个国家，好像大家都在数着这个时间。

刘宗坤: [00:10:18] 在国内，我们经历过的这几十年，可以明显感觉到这十来年一个很大的变化就是改革开放隐含的一个契约失效了或者被撕毁了。一个什么契约呢？我要掌权，这是你不能动摇的。同时，大家都能够分享一些发展经济的好处，这是一个隐含的契约。我想这种说法是有道理的。但是这十来年，好像这个契约被撕毁了。谁撕毁了？大家心里都很清楚了。怎么撕毁了呢？我要集天下好处于我一身，都要集中到我这里。不管是官僚系统也好，普通老百姓也好，能够分享的改革开放的成果，就变得越来越小，越来越小。不管是权力还是经济利益，都是以我为中心的，我的圈子享受的成果越来越多。这样的话，大家就处在一种很无力，很无奈的状况中。而且因为力量悬殊太大，一方是绝对的权力，另一方是绝对的无权。在这种情况下，大家就觉着无能为力。但是有没有变化呢？以前，多多少少总有一些变化。你要说5年以后会不会变？10年以后会不会变？现在，连这种对变化的期望也不存在了，因为有可能10年也不会变，有可能20年也不会变。在这种情况下，大家能做什么呢？好像大家也不知道能做什么。

同时经济开始衰退，这一点如果是从外面看的话，是看得很清楚的。前面这几十年的经济发展势头的难以为继，它不可能再发展了。这当然也有经济本身的原因。但是很重要的一个原因，像我们从经济学外围或者经济学外行的角度来看的话，就是对社会的全面控制可以说是无以复加的。在1980年代、90年代，2000年后的10年，那时虽然也控制，但是大家总是有空间。私有企业，各种民营企业发展经济的空间当然是最大的。这一点对大家的心理、心态有很大影响。因为如果经济有发展，人们有机会，大家就会对未来有一个预期，在收入上会增长。在其他方面也会有预期。

另外，以前在文化领域多少是有空间的。这十来年，这个空间越来越小，被压缩的基本上没有什么空间了。在这种情况下，人们整个的心态都会改变。人们看到没有能力改变那么悬殊的力量对比，整个社会又丧失了活力，像一滩死水一样。对普通人来讲，我有一个很大的感受，我把它叫做各行各业的农民工化。你看过去这些年中国的成功，它最核心、最基本的、最基础的模式就是农民工模式。农民工模式最大的特点就是用完了就抛弃。它不承担任何责任，它不给他们任何福利。用完了就把他们抛弃掉了。这样的成本当然低了，产品当然有竞争力了，但是问题是整个社会在逐渐的农民工化以后呢，大家的感觉就是一种无奈感。为什么呢？因为他看不到希望。就说最好的情况，也无非就是毕业之后996，做到三十五岁就几乎就报废了，以后怎么办？

我想在这种情况下，加上政治上看不到变化，看不到前途，人们就说这是一个垃圾时间。人们有什么办法呢？因为个人的力量总是有限的。这种时候，我想进入垃圾时间是很无奈，我们能做的无非就是不让自己活成垃圾。

袁莉: [00:15:20] 江雪，你怎么看这个说法？

江雪: [00:15:23] 老刘的回答我都是很赞成的。然后我记得当时有一本书，获得诺贝尔奖的白俄罗斯作家阿列克西耶维奇，她的一本书叫《二手时间》。我觉得二手时间的意思蛮接近垃圾时间的，也可以说是不同的翻译。其实它指的也是社会进入到一个非常缓慢的、停滞的状态，这种体制的改变看起来遥遥无期。你看不到往前走的希望，其实蛮像我们当下所处的时间。

因为我们在媒体，我觉得从2014年、15年就是蛮大的转折点。2013年的南方周末新年献词事件就是一个蛮大的事情。南周的今年的新年献词不是受到大家很多调侃吗。有人就说南周就不要写了，免得勾起很多伤心的回忆。我昨天晚上跟朋友去看他的朋友，他们几位都是老人家了，年龄很大了。但他们说起南方周末当年的新年献词《总有一种力量让你泪流满面》他们就朗朗上口的去回顾，我也回顾了一下。那个时候，2013年南周新年献词事件发生的时候，我不知道你们记得吗，当时大家在微博上彻夜守候，我觉得媒体人是这样的去抗争，去反应的。

袁莉: [00:16:59] 去声援。不光是微博上，还有人去南周报社门口去抗议，是真正的到线下去抗议的，这简直像上一辈子的事。

江雪: [00:17:11] 对。去街头献花。现在郭飞雄他们都在牢里。我想说的是，当时那个时候有一些可能是垃圾时间开始的征兆，大家都在努力发出声音，不管怎么样去往前去博弈。我，包括媒体一直在说黄金时期，其实没有一个所谓的黄金时期，只不过那个时候是他们的意识形态控制稍微放松的阶段。然后，只要媒体人曾经怀抱一点新闻理想，想去突破一点边界，就会去努力地去做。像2014年前后我就观察到南周新年献词事件之后不久，这些大的新闻现场禁令下来以后，就没有人去现场了。我们没有办法赶赶到现场，我觉得这就是一个垃圾时间的征兆。大家非常非常无能为力，如果你赶到现场，作为媒体会受到非常严重的结果。之前可能是法不责众，大家一起一哄而上去做的话，处罚可能也没有那么重。在那个时候，就因为整个社会氛围也是。可能因为我是在媒体，所以谈媒体比较多一点。

袁莉: [00:18:33] 媒体的垃圾时间早在10年前就开始了，别的行业的人还没有那么深切的感受，是吧？然后到了今年，就是各个行业的人都都有特别深切的感受了。

江雪: [00:18:45] 我觉得不只是媒体。其实10年前NGO、大学、独立的学者，当然2015年其实人权律师也遭到很大的打压，就是2015年709事件。但是他们律师因为一直是战斗力比较强悍。像老刘，律师拥有更多的武器，经济上也独立一点，然后他们又有法律的知识，不管怎么样，他有一个基本的法律框架，他拿这个东西来跟他们去斗争、冲撞吧。台湾转型当时也是这样。但是前两天不是发生一个事吗？在法庭上，锡林浩特的法警直接对着律师的眼睛喷辣椒水。哎呀，我是真的真的觉得非常非常的无语。我们所谓的曾经有的一个法治的一点进步。其实我们过去说媒体堕落等等等等，其实伴随的是一个法治的全面的败退。这个过程里边各行各业可能到今年大家会说垃圾时间多一点，但我觉得这个感受可能其实也持续了也有10年了。

袁莉: [00:20:02] 现在我和厚辰录播客的地方是伍雷律师开的书店，还是他的办公室，他的律师证老早都被吊销掉了。

江雪: [00:20:15] 所以我觉得是一个败退的时间，但是至于在这个时间里如何度过。因为我在写季风书店这个稿子，我问过于淼（季风书园主理人）我觉得他很了不起，当年2017年季风被关的时候，他就搞了一场漫长的告别，把它作为一个我觉得是给中国公民社会的一场优雅的葬礼，当然也是书店的葬礼。现在5年之后，他就真的锲而不舍在这边开了新的季风书店，而且希望有一天能够重新开回中国。我问他这个问题，他说他第一反应，他说，哪有什么历史的垃圾世界，然后历史是有垃圾时间，但是对我们个人来说是没有垃圾时间。

袁莉: [00:21:04] 说得真好。

江雪: [00:21:05] 说得很对。我自己也会觉得那对我可能也是个人的垃圾时间，可是其实你真的想一想，历史很漫长，国家要走的弯路一大转弯，可能我们每个人的一生就过去了，自己的生命里边出现这样一段垃圾时间是蛮可惜的，因为我们生命很短暂。

袁莉: [00:21:23] 然后厚辰，厚辰是绝没有垃圾时间的，每天都在录博客，录这么久，吃饭睡觉的时间都没有。

李厚辰: [00:21:37] 我是比较鸡血的一个人，而且我其实特别同意许老师刚才讲的，就是对个人来说，其实不太是垃圾时间，而且，对于整个生活环境的悲观过去也有，其实我觉得，大家说垃圾时间是今年的流行语，但过去两年或者很多年，大家都听过这个词汇。佛教徒经常说现在是末法时代，基督徒说现在是敌基督时代，就无论如何，他们的意思就是说，现在已经是最后之前的那段时间了。其实垃圾时间，老刘也讲了，作为一个体育竞赛的概念，就是说我们现在就静静等待结局降临，在结局之前我们已经干不了什么了。但问题是这个体育比赛，今天结局了明天接着打，明天打不好后天打，那人生就这一次，对吧？你就等不到什么结局的。所以我就觉得这个垃圾时间其实跟体育比赛来讲还是比较不一样。首先，过去很长时间，我们已经有各种各样悲观的想象了。第二，它跟体育比赛究竟是不同的，历史上有很多这种特别绝望的时刻，比如说汉武帝的时刻，跟今天咱们元首各个方面都比较像，他的好大喜功，国内的财政问题，他个人的多疑，政局的动荡。那你可以想象，对于司马迁来讲，这就不是垃圾时间，这恰恰走出了中国历史上可能最光辉的一段关于世人的岁月。包括特蕾莎修女，她做临终关怀的事，那对每一个临终关怀的人，都是人生最后的垃圾时间——等待结局降临，但可能恰恰在这种时间里面，有很多很有价值的事情。恰恰因为它的无望，或者因为它现状很糟糕，那个意义可能显得尤其大。所以我很认可，人生其实是没有垃圾时间的，因为我们没有办法，像一个球赛赛局一样，明天重新来一次。所以不管这个历史什么样，其实我觉得有时候也不用那么悲观，很多时候机会的到来，或者形势的变化，也远远超出我们的想象。情势比我们想象的恶化快得多，有时候转机来的也会在我们的预料之外。所以我会觉得，个人还是需要去做足准备，去做足很多事情。而且就在汉武帝的时候，都有很多有益的事情可以做，更不用说现在这个更加流动性比较高的时代了。所以我是不太认可垃圾时间的，因为我是个基督徒，就我们基督教，从创教开始，就一直告诉大家垃圾时间，末日将近，而这恰恰是2000年以来，基督教失信于人，并最后信用破产的一个原因。它就天天给人说，这是垃圾时间，赶紧了天国将近，最后末日要来了，结果两千多年还没来。所以说我也不是特别认可这个垃圾时间。

袁莉: [00:24:17] 那我们就再接着刚才我们说的，目前中国的情况是，就是几乎所有与这个政权反对的、制衡的或者独立的力量都被打垮了，就是像江雪刚才也说了，2012年之前比较有独立声音的，比如说企业家、律师、记者、宗教团体这些NGO社会组织，这十几年几乎全部被管制住了，或者被消灭掉了。中共内部呢，几乎所有能够制衡习近平的力量都也都消失了。就不管什么江派、团派还是地方官僚，最后就形成了一个十四亿人拿一个人没有办法的这样的一个局面，这是不少中国人感到绝望的原因。比如说我们上一期不是征集我们的听众来信吗？其中有一位听众就是这么写的，他说最感到难过的是，我们竟然对此也做不了什么，难道我们能做的就是不结婚，不生孩子？停止制造牛马，停止再为他们服务？你们如何看这种绝望的情绪呢？这种躺平不合作的心态也是一种反抗吗？

刘宗坤: [00:25:29] 躺平或者说不合作，我想这是一种体现了在一些极端的情况下，我想我们就是对现在国内，它现在到底是一个什么处境，是一个什么状况，也要有一个基本的判断。像我的一个基本判断就是：它是一个非常时期，一个非常状态。年轻时我翻译过那个卡尔·施密特。施密特讲非常状态，非常状态呢，实际不是一个正常情况下的状态，如果是正常情况下的话，大家过小日子了，不用关心什么国家大事。但是在现在这种非常状态，如果一种权力有这样一种绝对的地位。普通人是无能为力的。那么一些以前的基本的制衡，现在就像袁莉讲的都不存在了。在这种情况下，我们作为普普通通的人，我们能做什么？这种无力感是肯定有的，但是同时，不只是我们有无力感，皇帝也有无力感。如果是大家躺平了，大家都不合作了，那么皇帝要行使权力，他靠什么呢？他首先要靠官僚系统，这个官僚系统，如果有太多的大官、小官，基层官吏躺平，大家不想做事情了，怕犯错误。如果不做事情的话至少不会犯错误嘛。这样的话，皇帝肯定也有很强的无力感。

更重要的就是前些年的一个基本政策就是他要全面控制。这是他一个很大的特点。全面控制，绝对控制的一个结果，不需要什么政治学、经济学的知识的，作为常识，就可以判断一下，绝对控制、全面控制的结果肯定就是搞砸。它导致一潭死水、没有活力。这凭常识就可以判断，它只是一个时间问题。实际上像这种全面控制，经过了十几年才到现在，我想已经算是奇迹了。这跟可能跟我们中国人各行各业，尤其是经济领域的韧性是有关系的。要放在其他的国家，不出5、6年就现在这样了。中国人的这种韧性，你可以说不屈不挠，不管是那个环境多么不利，都能生存下去。这一点是我想其他好多国家的人没办法比的。

最后一个问题，刚才厚辰和江雪也都谈到一些，就是我们自己怎么做。我想谈到这种无力感的时候，很多人批评国内的年轻人，还有国内的一些朋友，说他们躺平，不做什么事情，或者怎么样。这种批评我是有保留的。从积极的方面讲，如果是大家都躺平了，那么皇帝也会有无力感。在另外一个角度来讲，哪怕一个人权力很大，也会遇到这样一种无力感。我想起一本书，马尔古斯·奥勒留的《沉思录》，奥勒留是一个古罗马的皇帝，现在的人知道一句话，就是：权力导致腐败，绝对权力导致绝对腐败。但是我看到一些评论家说，奥勒留是一个例外，他有绝对的权力，但是他不腐败，而且他很聪明，是一个很聪明的哲学家。他写了一本书叫《沉思录》。他当了差不多20年皇帝，按现在的计算方法就相当于是四届。当了四届皇帝，但是只出了一本书，还是死了以后出的。他在这个书里说，你要理解一些事情是超出你的控制的，不要浪费精力去忧虑你无法控制的事情，接受那些无法改变的，尽最大努力顺势而为。这对任何人来讲，都可以说是一个很重要的一个警示。因为你不可能去控制所有的事情，你哪怕是当了皇帝，你想控制，你控制的结果就是整个社会像一潭死水一样。

袁莉: [00:30:29] 厚辰怎么看这种绝望的情绪呢？

李厚辰: [00:30:35] 我可以从老刘刚才讲的皇帝本人的无力感开始接着往下讲。事实上，我觉得皇帝本身的无力感确实是存在的。今年有很多很多事情，皇帝本身呈现出无力感。

比如说2024年年初关于地方债务，皇帝说的是：谁家的孩子谁抱走，对吧？意思就是说各地有财政纪律，我们中央是不可能来替你们擦屁股的。结果大概到七八月份就不行了，中央政府就要开始给地方承担债务，包括之前中国搞专项债，不搞一般债务，就是说这个事权中央抓住，你们地方不要去瞎搞基建，搞一些无效的投资。结果今年年末广东、上海、四川等省的专项债的审核又下放给地方和省一级了，基本上走了回头路。皇帝之前也讲：我们要过紧日子，过苦日子。结果这两天呢，又开始给公务员加薪。当然给公务员加薪这个事情，从一个视角看，我们肯定是很不满意的，对吧？你还是把资源给到体制内，不给体制外。但从另外一个视角来看，事实上皇帝是希望他们过紧日子苦日子来作为整个公务员团队或者财政供养体系的纪律。但现在看起来，这个纪律本身也要走回头路。我们所有人2022年都经历过坚持动态清零绝不动摇，要跟这个反对作斗争。最后也放开了。所以总的来说，皇帝本身是有很多无力感的。皇帝本身，虽然缺乏了公民社会的制衡，但是依然有经济和社会基本规律的制衡，包括财政体系的制衡，政府债务的制衡，失业率的制衡，国际政治的制衡等等等等，他也不是完全是无所不能的。

所以我当然非常理解这种比较绝望的不配合的情绪，你看到身边的全是逆流，你处在一个绝对的逆流之中，你愿意停下来不要动。我觉得现在可以做一件事，不是说要多积极地去做什么，倒不至于要去斗争，但我们可以从这个我们认为的绝对逆流之中慢慢看出来，里面其实是有一点点顺流的部分。当你看到它其实不是一个绝对的逆流，其中存在一些顺流的部分，我不敢说这种无力感可以完全瓦解，但我觉得至少这里有一些别的视角，可以对局势和我们所处的整体社会有不一样的看法。我觉得这可能是大家可以慢慢去尝试的东西，应该挺有价值的。

袁莉: [00:33:01] 江雪怎么来看这种的绝望的、无力的情绪呢？

江雪: [00:33:08] 我能感觉到，因为这两年离开了，但是还是能感觉到确实是在一个蛮沉闷的情绪里边。因为这两年整个的状况确实是没有什么出路。但是有时候是绝望到底就是希望。因为我前两天跟一个国内的朋友打电话，他一直做一些公益，现在也算是躺平的状态。他在救助流浪动物，这些事情非常艰苦。我给他打电话说到绝望的时候，他说绝望到头，其实可能是一种希望。这当然可能有鼓励的成分，但是他说出来的时候我还是蛮感动的。因为他身处在这样一个绝望之中。他因为救助流浪动物在山脚下，他说村子里这几天好像特别的热闹，最后才发现这是疫情解封三周年。当时这个村子里很多的老人去世，在三周年之后，他们都在给这些老人办葬礼的三周年，所以整个村庄就非常的热闹。就是在这种绝望中，最后在每个人的心里可能都在留下一些改变的种子。

经过这三年，可能人们就这种非常绝望的处境之后，让很多就是过去可能，不管是小粉红，或者说很多就是这种洗脑，毕竟中国人是处在这样一个长期的这样一个教育理念，很多人就开始清醒了。所以我觉得最坏的状况里边，有可能就会孕育着另外一些改变的可能。现在除了政治上的环境，这种压抑之外，经济下行很多人就没有钱了。其中有中产的坠落。然后年轻学生走进社会，可能一时之间靠父母，但是他们这种失业率让一直顺风顺水长大的这些年轻人现在都在面临着绝望。大家说专制的铁拳其实逐步都会落到每个人身上，在这种绝望之下，我相信现在跟五六十年代还是不一样。饿死人的事情都那么过去了。现在中国毕竟是跟世界相连的。而且过去将近20年有公民社会的启蒙，思想的启蒙。市场经济的发展呆了了一个市场的存在，这毛时代的铁幕之下还是不太一样的。

我相信是绝望之中是有希望的，虽然我并不是一个乐观主义者，但是这点上在当下来说，我觉得反而有一种希望。另外我也看到，其实在这种过程中，很多年轻人也会在他们发挥他们的主动性，很多人会去做一些事情。我知道在成都疫情之后，开了无数家书店，那些书店是蜂拥而起的，人们没办法，无能为力，但是可以去读书，可以去做一些连接，然后讨论。

袁莉: [00:36:29] 强壮自己。还有就是北京，我听说北京的年轻人都周末打飞机到成都去参加活动。

江雪: [00:36:36] 还有一些地方不是出现学术酒吧，在酒吧里边谈谈思想，这个东西是可以存在的，我觉得当局去打压你，这可能有点难操作，我是觉得人们的智慧还是会去寻找度过这个时段的一些方式。当然不容易，但我相信人心中对自由，或者说对独立思考的一些希望，一些渴望。前两天我看厚辰在节目里谈到的民族主义情绪。有一个女孩，她原来是很粉红的，天天跑去跟跟台湾人干仗，后来那个姑娘的狗狗被毒死了，然后她就为这个事情去追究，去报警，结果在小红书上发了帖子，就被一帮人骂，说你这样给祖国抹黑。然后这姑娘就怒了，她最后就说，她现在她给台湾人道歉，她说不能保护我的狗狗的一个国家，这是一个什么样的国家。它是不是值得我这样？我所谓的爱从何来？她就去道歉。我觉得她就从一个民族主义的泡泡里清醒了。

袁莉: [00:37:49] 我可以接着写说一下，实际上我特别绝望的是2019年和2021年。2019年是因为香港，还有中华人民共和国建国七十周年，那种爱国的情绪，我觉得简直就是窒息。我也写过不少这方面的稿子。而且因为我一直在外面工作，从19年开始采访中国人就变得越来越难，他们越来越不愿意和外媒说话。2020年当然也有疫情、方方，这样的事。到了2021年，因为中国的疫情控制的比较好，就整天谈东升西降，那个时候我觉得真的太难找到中国人来采访了，对于一个记者来说，那种情绪让我觉得只能是非理性的。但是到了2022年，就像你刚才说的，有多好的人跑来跟我说，我以前是粉红，我以前是如何如何，我以前是骂台湾人的，我以前就是到外面去征战的，是和各种的说中国，批评中国的人去吵架的，大家都是被铁拳，各种各样的铁拳，从2022年开始，铁拳真的是很容易就落到了很多很多人的身上。我觉得大家对于自由，对于个人尊严的意识，这几年实际上是加强了。也许是经济状况不太好，也许大家找工作不容易，但是这种个人权利意识加强，我觉得这就是希望所在。对我来说，现在这种比较浓的绝望无力的大背景下，大家聚会的时候经常会问的一个问题是：你说还有多少年？这个简直就是一个暗语，你们能谈一下就是你们怎么看这个问题吗？你们怎么想这个问题，面对你们自己心中的答案，你们如何让自己摆脱这种无力感？

李厚辰: [00:40:06] 从算命的角度来预测有多少年，当然是非常困难的一件事情，而且我觉得它其实也很难有一个精准的东西。但如果严肃思考这个问题的话，它其实在培养你关于宏观的一些设想。既然我们可以在宏观上说它是垃圾时间，说这不对，那不对，那也可以在宏观上找到一些机会。

我给大家说两个简单的数据，我觉得到2030年是个关键，你看我这里给出时间点了，为什么2030年是个关键，有两个非常重要的数据，从现在到2030年，每年新增的毕业人口都会在1300万左右，每年新增的养老人口都会在600万以上。就这两个数据，其实对于财政和中国社会是个非常巨大的负担。前者是就业率，后者是养老的巨大支出。养老现在是个非常巨大的支出。所以这就是我刚才讲的，在这个绝对逆流之中，可能一点点顺流的部分，这个顺流的部分就是整个经济规律和整个社会作为一个现代福利财政国家需要去负担的部分，所以说这些部分是不可能靠维稳系统去完成的，它也是不可能靠党的意志或者官员的道德去完成的，这些都是需要真金白银去做的。所以说总得来说，为什么今年突然就把养老延后了，而且从提出到执行的时间非常短，实际上就是接下来一段时间，不管是养老还是就业都有非常非常巨大的问题。所以我会觉得这个时间很难讲，但至少接下来几年对于中国社会的治理成本是有特别特别巨大挑战的，但这个挑战过程本身也会让很多的矛盾爆发出来，很多无力感，很多财政的捉襟见肘，或者他为了不要捉襟见肘大放水导致的物价问题，这些事很难。也就是说过去中国经济从疫情之后一直搞“以拖代变”，但现在基本到“以拖代变”政策的末尾了。所以我很难说还有几年。但是我们可以观察到，2030年之前，其实是对于执政的成本和社会有非常非常大的挑战。我认为在这个挑战之中，很多新的机会会出现，新的情况会出现。这个情况会怎么样，都是我们现在比较难以预测的。所以我觉得未来至少不会是一潭死水，在整个压力之下，会有很多新的东西，新的东西未必是我们所希望的，但是你能看到一些新的改变，不会是中国在延续过去几十年的路径，一成不变，永远维稳下去，这是不会的。

袁莉: [00:42:43] 江雪怎么看。

江雪: [00:42:45] 这问题其实有点傻。

袁莉: [00:42:48] 但是这确实是大家特别最关心的问题。

江雪: [00:42:52] 说不定，说不定明天。谁知道呢，因为过去我们说好像中国人就是怎么样都会忍，但就像厚辰刚才讲的，非常具体的养老、就业，大家要吃饭这些事情到头上的时候，我不知道这个社会会怎么样。之前是白纸，下一次不知道会是什么样的纸。当时白纸发生的时候，每一个人也是真的被压迫的没有办法了，很多人真的是受不了了。它并不是一个什么有预谋的，就是这种沉重东西，压得人实在是受不了了。

我觉得是像现在这样的经济一直下行，我们看到那么多的事情的爆发。你刚才开始说去年一年印象深刻的事情，其实我没说还有一个就是无差别的袭击事件，像珠海，对我冲击很大。珠海也是一个没有什么新闻、很平静的城市，这背后蕴含了这样的一个社会情绪，你不知道明天会发生什么。过去比我们长辈的人说，我们看不到民主了，但是你们会看得到。结果前两年，我们70后有些朋友说，我们70后可能都看不到，我觉得这就有点太悲观了，其实也不至于。很多的事情的发生也许是在一瞬间。历史本来就是无法预测的。之前有一篇文章，我记得前两年比较流行叫：极权国家死于脆断。它既然是一个极权国家，是前现代国家，现在整个世界是这样，那这么大的一个体量的经济体，还在这样的一个极权制度之下。前些年大家对是不是极权这个事情，其实都说是威权，对于要不要说它是极权都非常犹豫。其实是本质上，现在许成钢老师那本《制度基因》卖得特别火，不断地断货。

袁莉: [00:45:09] 强烈推荐，强烈推荐。

江雪: [00:45:11] 我觉得他把很多东西说得蛮清楚的，他把极权的底色和这个东西之前迷惑了很多人，它为什么还有市场，还在往前走，这本书里面回答得蛮清楚的。现在很多西方都不是看到了一些吗？这外部世界也的环境都在发生很大的变化，我觉得可能是一个以前没有过的一个变动的一个环境。

袁莉: [00:45:39] 我很多年前，可能十多年前吧，我问了一个苏联解体时在莫斯科做记者的美国人。我就问他，苏联解体之前你们知道吗？你们能感觉到吗？他说完全没有感觉，就是突然之间这个国家就解体了。后来我又看柏林墙是怎么倒塌的？是苏联政府开一个新闻发布会，然后有一个人问了一个问题，我现在也记不清楚具体的官员具体的回答了，这个墙就莫名其妙的倒塌了。大家就是完全没有预料。当然也不是说我们就寄希望于这样个一夜之间事情就怎么样。我只是说这个事情也许它很长，也许20年，但它也许就很快。

刘宗坤: [00:46:42] 还有多少年，可能皇帝也在问这个问题。当然，问的角度不一样，皇帝问问：我还有多少年。我们问：他还有多少年？皇帝比我们更想知道答案，但是，这没有答案，大家都不知道。未来的事情都是看水晶球，都是一种猜测。好像是凯恩斯还是谁，说了一句话：将来没有什么事是必然，因为唯一的必然性就是我们将来都会死。当然皇帝也会了，每个人都会。

袁莉: [00:47:29] 但是历史上那么多皇帝都在炼丹啊，都要各种的长生不老书啊。

刘宗坤: [00:47:34] 我们皇帝也在炼。但是有一点，我想应该是比较清楚了，如果3、4年以前还不清楚的话，前面这一段时间，这个高峰时刻已经过去了。用吸毒的这个行话来说，现在有点类似于什么嗨过后的，Crash阶段。

前些年有些事情，尤其是从外界看是不可思议的。以前有些行业它发展得不错。一个礼拜就干翻两个行业，其他国家都没有发生过，人类有史以来都是很少见的，这种High的程度是找不到的，在历史上也找不到。他跟所有的人都在作对，跟自己的官僚系统都在作对，跟这个老百姓在作对，跟当然跟什么公知早就作对了，还跟美国作对，可是你搞不清楚，你只能说是一种high的状态，那个但是你High过以后呢？我们现在都看到了，就是2022年到现在已经3年了嘛，这3年出现了什么情况都很清楚了。我想经济学人去年有篇文章，说中国是不是已经peaked，就是说中国是不是已经过了高峰了。

在我看来呢，是已经过了。因为你很难想像，如果这三年一直走下坡路，下面2025年甚至2026年，好多东西的趋势是可以预见的。这种逆转不是发生在2024年，实际上10年以前就开始发生了。像我感受很深的就是在2013年到2015年之间有一个很大的变化，但是好多人忽视这个变化。中国的外汇储备两年少了一万亿美元，它总共有四万亿美元，那两年少了一万亿美元，就是四分之一不见了，都跑到国外去了。为什么它在两年集中跑掉这么多呢？从经济方面来讲，这是一个很大的转折。后面的2015年、16年，这个趋势就越来越清楚了。到了疫情期间，这种high的程度就达到了一个巅峰，到了现在，从上到下好像都黔驴技穷，没有办法。2024媒体的一些报道，我想有两个关键词，一个是通deflation，另一个是刺激simulation。这两个是我印象最深的，因为我不太懂经济学，我看一些报道，老出现deflation，simulation，但是好像大家没有办法。政府一开始不承认，后来承认了，承认了好像还是没有什么办法，然后就刺激，刺激好像也刺激错了地方。那么到现在为止，大家不知道下面怎么办。至于还有多少年呢？大家不知道还有多少年，也许今年，也许明年，也许十年以后。但是，归根到底我们自己能做点什么？不管多少年，它爱多少年多少年。我前几天在Twitter上写小作文说我们要学会一种态度，对这些所谓的国家大事要轻蔑，因为皇帝在那儿没穿衣服的表演，你就单单拿它当一个喜剧、一个闹剧，当一个滑稽剧来看。大家愈来愈多的人这样看的时候，它爱多少年多少年。

袁莉: [00:52:23] 是。自己该怎么样怎么样。说到这个，我真的要推荐大家看一下厚辰做了有一期YouTube的节目。我不知道题目叫什么，但是他讲的就是2015年和2016年是改变中国的两年。他讲的特别好，也许什么时候我可以请他上播客来讲一下。虽然离我们这么近，但是我们可以用一个历史的视角来看它。那个时候我们根本没有想到中国现在会变成是这样，但是一件一件事就这么发生了，这就是我们现在经历的中国。

接下来，你们几位我和我自己，我们四个人都是在中国之外，但是也都深切地关注中国和中国人。我们叫离散群体从境外重建中国公民社会，不管是东京、纽约、阿姆斯特丹、伦敦，还是柏林，都有非常多的离散团体在做自己力所能及的事情，希望能在境外建立一个公民社会，培养自己的公民素质。你们能分别从各自的观察来告诉大家，这个离散群体，包括你们自己都在做哪些事情。经常有人会质疑做这些事情有意义吗？有用吗？就会说没有什么意义，没有什么用，你们也就是在在自嗨。

江雪: [00:53:55] 因为我出来的时候，那时候要来看家人，2022年的六月底离开中国，那时候想着年底就回去。当时确实是锁了门，就带着半箱衣服半箱书出来的。后来发生了一些事情，让我老是有一种流浪的感觉，一种流落在外的状态。反正不管怎样，就这样了，也不能怨天尤人。

因为之前中国三年封控，去哪个城市都还是蛮不方便的，很多朋友也不太见面，最多就是打电话聊一聊。结果当我到了纽约半年之后，就在这边见到很多人。因为纽约本来也是一个大都会，来来往往的人都路过，我就见到了很多很多人，我一时很恍惚，感觉好像2023年那个春天见到的人比我前几年在中国见到的朋友还要多，就觉得蛮搞笑的，也是挺好玩儿的。

现在确实有离散这样一个词语出现。说这是一个离散的年代啊，我觉得还蛮贴切的。这个离散是从一个中心离开，我们过去觉得中国可能是我们心中的中心，我们关注的事情、心心念念的是中国的事情。后来一些读书人、知识分子在中国的处境，大家也都知道，不断地因为没有办法就离开了。然后还有很多的年轻留学生，他们很多人可能之前还蛮粉红的，也许很多人不光是粉红，很多人会觉得中国的这种发展很有希望，很多人都是要回去的。我记得18、19年我在北京跟几个朋友还有他的孩子吃饭，那孩子在美国读了研究生，我们就说你是不是要留在美国？他说肯定要回中国，你们不知道吗？美国早都不香了呀，一定要回中国的呀。

袁莉: [00:56:13] 中国生活得舒服，外卖多快，还不用给小费。

江雪: [00:56:19] 他说美国都不香了。2016年的时候，我们有一个朋友，一个知名的媒体人，我不说他名字了。我们在台湾有一个交流，他给台湾的那些学生说，你们不要眼睛都盯着美国，现在全世界的钱都在北京上空呢。那是2016年，那时候我其实作为媒体人经历了像2015年的律师抓捕，然后还有媒体的那些打压、七不讲等等，已经是春江水暖鸭先知了。我不知道厚辰那一期节目是怎么谈的，但肯定是知道他这样搞下去不会好的。那时能明显的感觉到之前所谓的一点自由一直在收紧，一直没有什么好消息。但是那个朋友还很乐观，他给台湾的年轻人说，你们要目光看向北京，不要老盯着美国。到19年还是这种乐观状况。但是我觉得经过三年的这种封控之后，其实很多年轻人就明白了。

所以回到离散这个题目，很多年轻人也可能就不能再回去了，有国难回。回去怎么办？回去其实是没有什么前途和希望的。而且一些好的机会，他们会很警觉那些海外留学回去的人，他们可能更愿意招国内的名校。你们这些人不能被信任了，你们可能又被洗脑了，就不好管了，你们也不可能是我们的接班人了。

之前吴国光老师在季风有过一场演讲，他说到一个亚流亡的状态，这可能不是真正的流亡，但是处于一个可能要自我放逐，没有办法的一个状态。像我这样，我从来没有觉得我做了很了不起的事情，真的只是做一个正常的专业的事情。可是中国这些年的状况，就是你越做专业的事情，你就越是要被干掉的对象。因为记者一专业，就要说真话，你要想客观真实地做记录。知识分子想想专业，他要跟学生分享，要教会他们独立思考。企业家要专业，起码要按照市场规律做事。所以我觉得这种状况下，现在离散在外的很多人，其实大家多多少少都会有这样的一个使命感。你心念所寄嘛。

之前哈金曾经来DC讲座，我跟他交流过，我也曾经抱着做世界公民的一个幻想，可是你来了以后，这个世界公民其实也不是那么好做，从你的思想上来说，你说你想做世界公民，可是你的心念真的就在中国，可能别人英文更好或者有些人也许会更更好，但我觉得我即使英文好，我可能还是做不到。

袁莉: [00:59:56] 我在美国最大的媒体用英文写作，但我还是中国人，我还是对中国的文化最有亲近性！我还是喜欢吃中国菜，见中国朋友。

江雪: [01:00:10] 最主要的问题是你心念所寄是在中国。

袁莉: [01:00:15] 精神上你最关心的还是中国。

江雪: [01:00:18] 说白了，曾经你们一起做事的人、你的好多朋友在那里。其实这几年我一直觉得是一个空白，有点无话可说的状态。在我离开这两年多其实很空白，不想说什么，可能内心里面有一种惭愧在里边。

袁莉: [01:00:41] 为什么惭愧呢？

江雪: [01:00:42] 别人会说你惭愧啥？可是你心里是知道，你今天在这儿，不是你所刻意追求的。反正一言难尽吧。

袁莉: [01:00:53] 我说个高兴的事儿吧，就我，我是前几天吧，我就前几天来东京，然后见了我特别特别好的朋友，我们5年没有见我见到真的好太亲了，太高兴了，就是说也说不完的话，还是真的是我觉得不能回去，真的最难的还是就是不能见到朋友。

江雪: [01:01:13] 作为离散的一员，其实你上心的地方就还是中国。就希望它好。所以我觉得你的关怀所在，其实也是义不容辞。所以对我个人来说，我还是在做本职工作，在各种媒体打杂，编辑一些东西。写东西有点少，写东西少的原因就是想的很多。但是离开之后的那种心态会让我写东西的时候很谨慎，我觉得自己对自己有点警觉，觉得自己是指手画脚，写得也不一定对。但是我还是会尽力而为，反正我是记者、编辑东西，这就是我所做的。这就是我所做的。我刚才说到，DC的那个季风书店对我来说当我离散在外，结交现在有一家书店了，而且是中文的书，都是我喜欢的书，都是好书。然后我可以去看看书，在我离散中就像突然有一个驿站一样，这种感觉让我觉得在这里呆着还有点幸福感。

另外一个观察就是书店这个东西真的很神奇。包括你们在东京做的论坛，和书店一样都是这种公共空间。公共空间有一个开放性和成长性，你不知道你的门开着，会在这里遇到什么样的人。

我那天在那突然看见有两个年轻人再说，这个是《大学城里的公民》的作者谌洪果。我当时在西安的时间很长，当时谌洪果老师办的“知无知”我们老在一起帮忙。然后他那本书在香港印刷，最后在香港没法放了。因为香港出现了大规模的清理书籍的活动。很多公共大学不能再办公室防暑，这可能会成为一个罪名 。然后这些书都流落了。他的书从香港寄到台湾，一个朋友收留，好像是先到飞地，然后又到了季风来。这是一个很神奇的旅途。然后两个年轻人进来看到。我听了一耳朵说到谌洪果，然后又提到我了。我当然就上前去搭讪。我说这个作者谌老师现在还在干嘛干嘛。然后就聊了一下。结果他们当年是做立人书院的那拨年轻人，他们竟然就在这里相遇了。当然他们很早就离开了，在这边读书。我和他们聊了一下，恍若隔世。

然后我上去看了会书然后下来，跟人说到新闻，另外一个在旁边默默看书的的女孩突然问我，你也是做新闻的吗？我说是啊。他说她是人大新闻学院毕业的，2014到18年在人大学新闻，但她现在在美国这边是做律师了，读了法学院。但是她说我原来在澎湃实习过，那时候就想关心计划生育，但是这些题都做不了。我说那你这个题在中国肯定是做不了，但是现在很可笑，现在计划生育又要搞三胎了。就特别荒诞。

跟他们聊这些的时候就觉得真的很神奇。这都是离散社群了。大家关心的、研究的，其实到现在没放弃的就是对中国的关心。我觉得大家链接在一起很好。当然现在墙很高，我们在外面这些离散的公民社会，我们首先建设自己。因为我想公民社会它不是一劳永逸的，而是永远在一个建成的状态中。在这个过程中，你首先学习自己做公民，然后一些相关的讨论、一些思想、像厚辰做的节目、像不明白播客、我们做的一些报道啊等等，我当然希望他们有更多的渠道返回到国内。有一个老师也说，哪怕一鳞半爪，几句话，有真正好的打动人心的东西能够回去，是能够安慰道很多年轻人的。

2023年白纸之后，我当时写了一个新年献词。我原来每年做的公号叫雪访，我那时候老不喜欢写，现在又觉得写献词有点矫情。但是2023年前一年又白纸运动，我写了一个东西当时想不署名。因为他们老找我麻烦，家人啊什么的。后来我觉得我还是应该署名。它只要起到一个作用我就满足了，就是让那些年轻人知道有一个不太年轻的人，但是愿意和他们在一起，和他们呼应。后来我跟一切年轻人讨论关于实名的问题。我说实名的力量其实是在这里的。有时候是一种连接。现在大家都很名字全是ABCD、名字都是换了一茬又一茬。但这个东西最后就成了一个小的社群，没法和社会链接。所以我希望离散社群最后能打破小圈子，和社会链接，那对年轻人会是一种鼓舞。

袁莉: [01:07:10] 厚辰你怎么看这个问题？

李厚辰: [01:07:14] 对，我可以分享一个自己的感觉，因为在国内其实我也做很多表达，不管言论的控制怎么样，但你的思想是自由的，对吧？你也可以翻墙，海外的信息，书、电子版什么都能看到。但我觉得出来之后还是有不一样的感觉。因为出来之后，很多话题都可以公开地谈论，可以公开地跟人分享了。比如说中国转型，这本来是个特别好的话题。实际上我猜每个人脑子里都设想过中国的未来是什么样，转型成什么样。但是在国内这是一个比较难以触及的话题。但出来以后，比如在东京人文论坛，我们谈中国转型的话题，可以掰开了揉碎了一点点讲，你就会感觉人的思想自由还是会收到身体的控制。出来之后，所谓的海外离散社群，就是实际上在身体自由之后才可以开始真正触碰这些话题，你的大脑才真正被调动起来。

所以我在海外有一个很大的感觉是，我过去可能高估了国内的思想的纯粹自由状态。出来以后呢，说得矫情一些，感觉成为了一个更完整的自己。刚才有一个点我觉得江雪老师说得特别好，就是我们的这个心念是挂念国内的。我从一个理性角度来讲，不只是心念挂念国内，因为我们每个人在中国生活，用中文读了最多的信息，对中国有身体力行的感受和经验，说白了，如果我们每个人有一种公共生活的潜力，这个潜力绝对是在中国社会最使得上劲。如果说要我现在来参与日本社会，我连日语都不会说，我参与建设什么日本社会，对吧？那我的经验也是中国经验。如果我们每个人有一个公共潜力，这个潜力一定是指向中国的问题，指向中国的社会。也就是说，我觉得海外的这个所谓完整的自己，就是感觉自己的公共潜力在逐渐兑现。所以我觉得作为离散社群和离散社群彼此之间，我们不仅要兑现自己的公共潜力，比如在东京人文论坛和季风书店，我也让其它在海外的中国人有这个条件，能够吧自己对中国问题，对中国社会的潜力兑现。这不就是公民社会吗？我觉得公民社会就是不管从专业性的层面，还是每个人生活的层面，我们就是要到海外来，没有太大的拘束了，我们就是要把完整的自己，我们每个人身上对中国的，不管是情感还是理性的、经验的这部分潜力要最大程度上兑现出来，都不睡对社会有什么责任，对我们自己也一样，在中国吃这几十年苦也不要白吃，要把这个潜力兑现出来。

这是我在海外一个很大的感受，就是把这部分的自己能够比较完整地发挥出来，也能够跟其他人互相交流。当然如果我们这个影响力能传回国内，让更多国内的人能够参与到这种对话过程之中，大家都把自己的潜力主见找到机会兑现出来，那中国的公民社会又往前走了一步。

袁莉: [01:10:41] 经常有人跟我说，现在有一些微信群是专门放音频的，大家不说话，就是分享音频，因为音频没有那么容易屏蔽。然后，应该是前两个月，许成钢老师给我发了一个截屏，就是他在不明白播客上有一期节目在墙内分享的挺多，就是用音频分享的。所以我们每一期也有文字版，而且是专门找人做的比较好的文字版，也是希望就是文字对大家比较容易分享一些。我们的每一期都是让大家可以下载，都可以自由去我们网站上下载然后分享。我经常能听到，墙内实际上有挺多人听这个播客。这是我办这个播客特别特别关注的一个点。老刘怎么看这个问题。老刘是我们里在外面时间最长的，我们三个人真的都是新的移民，都是这几年。

刘宗坤: [01:11:49] 我带了二十五六年了。长没有用，白呆了。我特别欣赏在美国、在日本，还有其它一些地方开书店的一些朋友。还有一些组织文化活动的朋友。我想这种经营和组织的能力不是每个人都有的。每个人的特长都不一样，如果有这种能力能做出来，这是一种很了不起的举动。

在海外建设公民社会，我想可能有两方面的意义，一方面，就是你到了美国也好，在其它国家也好，在东京也好，归根到底你要一点一点地了解本地社会，融入本地社会。这是很重要的。周围看一下不是每一个第一代移民都能做到。有些人刚来的时候感觉到格格不入，有语言障碍也有其他比如习俗上的障碍。你看到过了好多年以后有些人还是格格不入。我想有一点大家能看到每个人的精神底色。你在国内接受的教育的价值观是很成问题的。它和文明世界通行的价值观，以前叫普世价值，很多方面是格格不入的。你怎么改变这个状况呢？每个人的做法不一样，但是我想通过读书、通过组织文化交流的活动，通过一些分享，大家都会一点点的改变。

另一方面的意义我想可能更大。我们在海外做的这些事，会影响到国内，影响到国内的公民社会的建设。当然这是很大的话题。国内的公民社会连萌芽都没有 ，但是它会一点点的产生影响。因为现在是互联网时代，整个中文世界是相通的。在整个汉语世界，你讲了什么传播是很快的。我们关注国内的话题，关注国内的事件，我想这对第一代移民来讲都是人之常情。打个比方，你推倒一堵墙，有一句话说墙倒众人推，你一个人推不倒，那就大家一起推。十个人还没推倒，那五十个人还没推倒，最后一百个人就推倒了。是不是这一百个人里每个人的力量都有用呢？肯定是都用用的，少一个人可能就推不倒。但是人多之后，你可能感觉不到，会说自己力量太小了，说做这个有什么用？它的用处其实是很大的。

我在播客里讲了对自己的一个期许，2025年要做什么？我就是做自己能做的事，说自己想说的话。我想这样，你就会影响别人。但是不是能够马上看到效果呢？肯定看不到的。可能你一年看不到效果，五年、十年都看不到效果。你最后可能都看不到它实现。但是我想大家在这方面要有耐心。我欣赏马克斯·韦伯的一句话，他说政治是什么？政治是用钉子钻透硬木板的工作。拿锤子一砸，钉子弯了，根本就是无用功。所以我想我们做的事，严格地讲都不是搞政治，我们跟真搞政治还远着呢。我们做的事情实际上都是离政治不是那么近的事情，都是传播文化、传播教育、做新闻等等。这本身都不是政治，这是完全不同的行业。

做政治的时候，需要极大的耐心，就像用钉子钻透硬木板一样其实做其它的工作，这种耐心也是很关键的。你想建立公民社会，我想它比政治要难多了。政治上哪个人突然完蛋了，政治马上就变了，变好变化是另一码事。公民社会不是这样，它需要几代人，无数人的不断努力，不停的努力，每天都要做，每天都要说，这样才能做起来。如果说政治是用钉子钻透硬木板的工作。我想海外大家在做的这些事情，实际上大家下面都有好几层硬木板在钻。要无数的人去做这个事情。如果做的人多了，最后肯定会有效果的。当然是不是我们的目标是看到民主化，或者民主转型，可能看不到。如果你的终极目标是那样，这里有两种态度。一种是你看不到，我是不是就不做了。另一种就是我看不到还是要做。我想后一种态度是我更佩服的态度。就是我知道我的目标是什么，我可能看不到目标的视线，但是我还是要从一些微小的事情做起。

袁莉: [01:18:43] 那我们现在说一下2025年吧。听众朋友们可以给我们在Slido上提问题。或者就在直播下面的评论写问题。我们谈完2025年就回答这些问题。有几个真的很不错的问题。你们会觉得2025年会更糟糕吗？如果答案是肯定的，能可能发生在哪个领域？

李厚辰: [01:19:21] 虽然我是一个比较乐观的人啊。但是我对2025年不乐观。尤其是2025年的上半年，我觉得还是会比较糟糕。不管是中国、美国、欧洲，都会比较糟糕。比如欧洲马上面临两个竞选和两个政府重组，一个是法国，一个是德国。从现在情况看，基本都很难有什么好结果，结果应该都比较糟糕。然后马上2025年美国是川普的第二任期的开端，第二任期都还没开始呢，已经闹得一团糟了。所以也很难想象能够有什么非常非常好的结果。中国的经济也一样，2024年一直在往下走，现在看起来可能快要放水了。那放水之后，估计短期也不会有什么好结果。所以总的来说，2025年依然会是一个变动之年。其实大家看2024的上半年，世界还在按照过去的轨迹走，但2024年的下半年感觉有一个加速崩解的过程。各个国家，包括韩国爆发出那么大的一个戒严的事情，这个国家都在加速变化，那我认为这个加速变化的趋势到2025年是一样的。尤其是上半年，我觉得可能会看到各种各样很坏的事情发生。总的来说，我对2025年的大环境和大局势吧，包括大家的生活，失业的情况，消费的情况，收入的情况，股市的情况，我认为更多的问题会爆发出来。

刘宗坤: [01:20:55] 我想2025年是2024年一个继续。它不会突然发生什么事情，改天换地在历史上可能过1000年能发生一次两次。我想2025年肯定不是那样一年，它只是过去这些年的一个继续。我想在中国来讲，它就是继续下沉。我想各个阶层都会继续下沉。那么美国会是前面这些年的继续，就是2016年以后的一个继续，已经持续了8年。我想大概率不会出现什么惊喜。川普已经干过一届了，中间隔了4年，，大家对他的一些风格和做法也都比较熟悉。我想外界对川普当政有一些预期。这些预期有些是完全相反的预期，他会不会再做他竞选时候的做的那些事情呢？能做多少呢？能做10%、20%？要把竞选跟实际上能做的分开。执政跟竞选完全是两码事，在美国完全是两种不同的做法。那一次听Dan Carlin，他有一次采访一个政客，那个政客说，只有蠢货才相信总统会做竞选时候说的事情。竞选跟执政是两码事。他会怎么执政呢？我想你看他看一下他的第一任总统，大体上能够预判出来的他的一些风格和做法。

江雪: [01:23:08] 我节省点时间，我同意他俩的看法。反正美国就是这样。中国就是一种下沉，中间我还是很担心发生更多针对普通人的那种伤害事件。

袁莉: [01:23:26] 你来说下面这个问题，我觉得这个问题你总是回答得很好。无论2025年我们感到悲观还是乐观，很多人可能在未来几年都会有一个共同的疑问，就是当下我们可以做些什么，或者需要做些什么？好几位听众都在问这个问题，当然我们前面聊到一些。你们怎么说呢？你对2025年有什么计划。

我自己先起个头。2025年，我希望我能够运动更多，睡觉更好，然后去很多的地方，我已经有很多的旅行计划，三月份我还要去巴黎跑个半马，跑完了和朋友去那个勃艮第或者什么地方喝酒，希望不管这个世界怎么变，但我很努力工作。我做两份工作，但是也要努力地生活，让自己开心一些，哪怕绝望，哪怕无力，但是我们每个人把自己活得像个人样，就挺好的。我们刚才说厚辰有一只狗，江雪有一只猫，我是这个Catly single lady，又没有猫，也没有小孩，比较失败，但是我有自由，我随时都不用管猫，也不用管狗，只有几盆花，随时可以出门。当然我没有老刘那么潇洒，一出门出好长时间。我还要工作。老刘是半退休，绝对享受生活。当然，这是一个比较浮于表面的说我2025年怎么过，但是什么事情都可以从表面来嘛，江雪，你来说，你总是更有灵魂的一些回答。

江雪: [01:25:21] 是我更虚无吧？我不想都说鸡汤了。我还是觉得每个人要把自己生活号，扛过这个时代吧。反正每次年底的时候最后一天都会有很多感慨，也会打几个电话。我打给《星火》的那些老人家。你想他们是1950年代，59年底办的《星火》。现在还有健在的顾燕老师，她是林昭当时的知己、朋友。还有向承鉴老师，他们俩一个在江西，一个在安徽。我给老人家打微信视频，打的时候我会截一下图，我觉得很珍贵了。他们身体不是很好，顾老师挺好的，八十八了。给老人家，我会说：我们要都好好的，对年轻的朋友，之前有一个年轻人师范毕业，面临找工作，他说有个选择是回到老家做老师，非常苦闷什么的。我说你还是要先工作，先让自己生活下来，要独立，然后养活自己，安顿下来去做一些建设自己的事情，也不好去冒进。我们不能鼓励在环境部具备的时候让年轻人去干嘛。有人说什么千呼万唤不如街头一战。可是谁去战呢？如果你没有战，就不要鼓励别人去战。所以我觉得就是活下去，对我来说我自己也是要活下去，中年的时候换到一个地方，首先要活下去。过去在中国特别放飞自我，有个房子住就无所谓，就是穿个布衣，吃个饼子也可以活下去。所以在美国就首先让自己活下去，另外就是不要生病嘛，像你说的，所以我也要去跑步，而且我已经开始了。

袁莉: [01:27:52] 真的吗？你都没有告诉我。

江雪: [01:27:55] 这私人的什么什么，这就不要在这说了。

袁莉: [01:27:59] 你看我就说了，我连我去跑个半马都要跟大家说。

江雪: [01:28:04] 你非常重要，你一定要保持身体健康。你做了非常多重要的事情，让你的声音穿破高墙的声音，这个特别重要。

袁莉: [01:28:16] 没有，真的，我觉得我们就是要开心地活着，健康地活着，这是最重要的。我觉得做人可以做成这样子就可以了。

江雪: [01:28:24] 还是要有意义感，你做这事特有意义。我说的那个《星火》老人家，他们1950年代，那时候他们听美国之音去获取信息，今天的中国人还是听美国之音获取信息，不过现在多了不明白播客，是吧？

袁莉: [01:28:42] 我们被称为互联网时代的地下电台。

江雪: [01:28:48] 对，这事你也觉得挺可悲的。几十年过去，那些老人家听美国之音获取信息，我们今天中国人还在听美国之音获取信息，所以这种促进信息自由流动的这些事情，就尽量地去做。

袁莉: [01:29:00] 当然，我是说的是这些都是前提，你要自己要过得开心，要过得健康，你才可以有持续性，那些有意义的工作才可以有持续性。

江雪: [01:29:14] 对。我就希望在国内的朋友，希望他们非常苦闷的时候能读书，去见朋友。我们之前说：锻炼身体，保卫社会，你保卫的是这个社会，你自己也是这个社会的一分子，多关心一点身边的人，减少自己的傲慢，我觉得这个就很棒了。

袁莉: [01:29:38] 老刘是活的特别的来劲的一个人，跟大家说一说2025年你会给普通人一些什么样的建议？

刘宗坤: [01:29:48] 我想可能最重要两个字就是快乐，Happiness。追求快乐是美国的建国信条，好多人把这个给忘记了。你看独立宣言第一句就说人的三大权利生命、自由、追求快乐。中文版把它翻译成“追求幸福”太高大上了，什么追求幸福，就是快乐嘛！它为什么把追求快乐作为建国信条？这是很了不起的。

V. S. Naipaul 奈保尔，就是那个曾经获得诺贝尔文学奖的作家，他大概在1980还是90年代初在纽约有一个演讲：《我们的普世文明》Our Universal Civilization，他在里边说：追求快乐， pursuit of happiness，是把全世界人联系到一起的一个信条。不管信什么宗教，不管是什么文化，什么传统、什么历史，没有人是反对追求快乐的，那些反对追求快乐、让你吃苦的都是混蛋。人要吃苦，但是为什么吃苦呢？还是为了追求快乐，追求幸福。你高大上一点儿说。

怎么去追求呢？要怎么样做呢？有好多事你可以做。像去跑步。你跑不了马拉松，你就跑半马。你跑不了半马，跑一万米。你跑不了一万米。你跑五千米嘛。你去做嘛。你有自己喜欢的事情，你有自己的朋友，这些都是可以让人快乐的事情。

把这些表面的东西放到一边，你会看到它有一个很基本的问题，这里边的一种责任感。每个人要对自己负责任responsible。我们在中国接受教育，有一种错觉是实际上是很错的，就是我们对国家有责任，我们对国家有什么责任？我们对国家有责任，但是对国家的责任不是我们第一位的。我们首先的最重要的、第一的责任是对自己的。

袁莉: [01:32:05] 胡适。这句话我记得最清楚。

刘宗坤: [01:32:08] 是的。但是中国的教育，它教育你，我们的第一责任是对国家的。那都是胡说八道。对国家的责任，他们是引导你对那个掌管国家的那个人的责任。你对皇帝负责，不是什么对国家负责。你首要的责任在任何时候，任何国家，不管是独裁还是民主，你首要的责任是对你自己，对你本人的责任，然后从你自己，对你本人，对你身边人的责任，它是这样一个序列，然后才是对国家的责任。

你对自己有什么责任呢？首先要保持自己身心的健康，这是最重要的。你身心不健康的话，你就会成为所有人的负担，成为社会的负担。所以为这一点你要去做有助于身心健康的事情。就从很小很微小的事情去做。跑步跑不动，你出去走他五千米，走他一万米。看难懂的书看不懂，你就从最基本的开始来做。我想这就是一种基本的责任。

所以我看到我们对2025年是应该乐观还是悲观这个题目的时候呢。我想乐观有乐观的理由，悲观有悲观的理由。但是我们在讲乐观和悲观的时候呢，更重要是这种乐观是不是一种负责任的乐观，悲观是不是一种负责任的悲观。如果一种乐观是负责任的，我欣赏这样乐观。如果悲观是一种负责任的悲观，我也欣赏这样一种悲观。所以乐观和悲观并不重要，重要的是大家要负起对自己的责任，不要让自己跟着这个社会下沉，在这个下沉的时段，这是很重要的。

至于说大家的目标，比如说最大的目标，中国是不是将来会有民主。将来会有民主，什么时候有我们不知道，也许10年，也许20年，也许更长，也许100年，但是我们是不是要把自己跟那个问题绑定呢？不要把自己的生活跟那个问题绑定，不管将来有没有民主，有生之年能不能看到民主，对你个人来讲不重要，重要的永远是你对自己的责任，你怎么样在生活当中快乐，怎么样用自己的快乐去影响别人，也让让周围的人更快乐一些。这是我的一个想法。

袁莉: [01:34:55] 耶鲁最受欢迎的本科生的课程就就是快乐Happiness，每年差不多有3分之1或4分之1的学生都会报这个课程，是最火爆的，一千多个学生会报这个课。这个公开课真的是特别。快乐确实是我们的自己的权利。

刘宗坤: [01:35:17] 对，尼采那么不快乐的人还写过一本书呢，叫《快乐的科学》

袁莉: [01:35:21] 笑死。厚辰呢，厚辰怎么看呢？就是你觉得普通人可以做些什么？

李厚辰: [01:35:37] 在刚才这个基调之下，我这个回答特别不合时宜。

袁莉: [01:35:42] 没有，没有任何不合时宜的。

李厚辰: [01:35:49] 不管怎样，你要在一个好的状态下，享受你做的事情。而不是每天苦哈哈的。我觉得这个真的很重要。对你可以做的，我有点想法。简单来说是分两部分，一个就是无论如何都得做的，不管明天中国怎么样，就算明天中国就变天了，民主了，那中国的性别问题有改变吗？中国少数民族的状态有改变吗？中国的农村问题有改变吗？也就是说，不管中国是什么整体，是一党专制还是怎么样，这个社会都有很多问题要去做。这个问题不用等民主，中国的性别问题、少数民族问题、外交的问题，对国外的看法，民族主义问题，你今天就可以做。这些都是可以现在就可以去做的。

我一直有个感觉，中国的问题不只是执政党的问题和政体的问题，我们整个社会的积累是非常非常薄弱的。社会的积累本身虽然很难，有些问题也比较敏感，也比较危险。但实际上还是有很多事情是可以去做的。这个是不用等的。

第二个既然中国过去30年是在一个惯性之下生活，在这个惯性生活之下的，我们就假设生活一成不变，不管是好的部分、坏的部分都都这么来。但既然我们说2025年可能是个改变之年，就是我们过去30年的这个路径，不管是经济的路径还是世界的情况都有变化。我觉得有一个时效性的可以做的事情，甚至每个人可以去想办法感受这个改变和了解这个改变本身，其实也是个很重要的事情。这不是说要去积极地改变什么。其实说实话，就算在美国这样的社会，你说我作为一个普通公民，我能够积极地去改变什么？说起来也是太大了，对吧？我觉得每个人总可以去主动地了解什么，所以我会觉得在一个改变的时代，你可以做的一个事情就是先改变自己，改变自己惯性的理解方式和惯性的思考方式，这可能是接下来可以去做的。我就简单说这两个。

袁莉: [01:37:52] 刚才我们谈到海外的离散群体，我们听众有很多很多的评论，都说的特别好。我们说海外离散群体做的事情有没有用？大家都纷纷留言说有用，真的是挺不错的。还有一位听众，叫Hoshi Yomi，应该是在日本的听众，他说：我都给爸妈放过不明白采访的好多期了，他们听了还会和亲戚去聊。

下面我来念一位听众的问题。他说：我在一个小地方的政府单位工作，时不时能感受到大环境虽烂，但是还能做一些细小但正确的选择，可长期工作中还是常常对继续做事情感到悲观，不知道这对未来有什么影响，想要放弃。他说我的问题是，对未来的预期，无论是乐观还是悲观，是否都能秉持这样的心态，这样的态度为什么重要以及如何重要？还有是怎么能够找到这样积极行动的动力甚至空间呢？我不知道你们谁要说。

我念这个问题是因为我觉得挺有意思，因为他说他是在一个政府部门工作，然后他来问这个问题，也许厚辰可以来聊一下，在政府部门工作的人，他们可以发挥什么作用呢？或者你有什么建议呢？

李厚辰: [01:39:49] 我说说我的看法。首先，他的环境肯定是最难最难做事的环境。他在一个相对小的地方政府，不管是资源还是做事空间，其实包括周围人的环境和观念，我可以想象，相对都比较陈旧。你说你在上海的一个部委机关工作，可能周围的环境相对好一点，社会资源多，在一个小地方其实就很难。这种时候很多人就告诉你，你应该就做“枪口抬高一寸”之类的，但他也未必是维稳部门，也谈不上是不是一定要枪口抬高一寸。

我觉得这个问题真是个很好的问题。很多时候不是所有问题都有答案，比如说如果我们把条件限定在一个小地方的政府单位工作，你是不是真的有很多积极的事情可以做。最浪漫的来讲，当然可以，任何环境，比如说你做扶贫工作，有很多你可以去改善的，你跟周围环境的改善都可以，但这种相对来讲真的太浪漫了。

但是我有一个特别实际的想法，这个听起来特别疯狂，但是确实是我非常诚实的想法。我诚实的想法就是不管中国未来变成什么政体，中国未来变成什么情况，你作为在一个小地方政府单位工作的人，就算中国明天变天了，你们那个小地方还得由你来工作。你既然有这样的经验，如果真的变成一个有公民社会的国家，那最能够设想原有体制如何与新的社会融合合作的就是你，就是有基层经验的人。这些问题要让我想，我是不知道的，我没有小地方政府的经验，我并不知道如果政府变成另外一个社会的形式，小地方的政府该怎么运转。这个小地方政府如果未来有市议员了。我知识再多，也没有你更有资格当这个市议员。你对于你的地方财政，社会运转有真正的了解。如果中国未来有市议会的话，那你选市议员肯定比我更有资格选的上。所以要说你能够做什么，现在来讲，我能想象一个小地方真的很难，但你真的可以设想好未来中国变天了，民主化了，你就是这个小地方的市议员，甚至是市议会的议长，那你可以做些什么？为这个事你可以去歪歪，甚至会比较有意思的一个事儿，但你要说你当下能做些什么，那说实话，我也真的是很难很难的问题。

袁莉: [01:42:17] 接下来这个问题，我我想是不是老刘或者是江雪可以回答一下，这位听众问如果普通人无法推动任何改变，那是否还值得选择留在国内？是否应该选择全力以赴出国？我想问的是，普通人是否真的毫无办法去推动局面改善，否则留在国内的意义就又在哪里。

刘宗坤: [01:42:40] 我想，你留在国内还是出国，都是个人的选择，因为每个人的情况不太一样。我的朋友当中有人选择出国，有人选择留在国内，甚至出国以后回到国内。他回到国内并不是因为他对国内有什么乐观的看法，或者有什么光明的前途，而是因为国内有有亲人、有父母，有更多朋友。我想这就是每个人根据自己的情况来做选择了。如果你觉着个人自由对你来说最重要，你就毅然选择出国，因为这显然你在国内得不到的。如果你感觉其他的一些方面，比如你的职业方面的圈子对你来讲很重要。另外，亲情对你来讲也很重要，我想你就可以选择留在国内。留在国内有好多事情可以做，有好多事情做不了，因为每个人从事的职业不太一样，有很多职业他还是可以照常做一些事情。但是如果像刚才各位做的职业，像记者，可能现在基本上没有太多的事情能够做。所以，你要看你做的是什么职业，有哪一些专业的技能，这些方面都是要考虑的。

但我想不管在任何情况下，有两种态度。不只是现在大家遇到，实际上从很早很早以前，2000年以前，3000年以前的人都能遇到这样的一个选择。

我举一个很简单的例子，大家在国内都很熟悉，只要高中毕业的都知道这样一些说法了，有一种态度就是：知其不可为而为之。这是孔子，儒家的一种态度。他是很早的人了，在当时他那种环境当中，他处理问题是选择这样一种态度。到了孟子，他还有一种态度，这就是：君子不立危墙之下。孔子也说：危邦不入，乱邦不居，这是他的态度。你可以选择留下来，知其不可为而为。你也可以选择就离开。但是还有一种态度，就是：知其不可奈何，而安之若吗命，这是庄子的一种说法。

是不是“不可奈何安之若命”了，就什么也不做呢？不是的，它并不是一种很消极的态度。你还是要去做一些事情，大环境你改变不了，你对整个国家的这个状况，大环境无能为力，你是无可奈何的，你安之若命，知道事情就这样了，但是你还是能做一些事情。你改变不了整个国家，没有人能改变整个国家，连皇帝都不能完全改变整个国家，你能改变自己，这是最基本的。另外，你可以改变身边的人，你有男朋友、有女朋友，是吧？每个人都有，其他的朋友都有社会关系！这样积少成多，整个社会就会就会改变。这是我的一个说法。

袁莉: [01:46:47] 厚辰，有一位听众，他问你一个Gen Z的问题，他说你之前在东京人文论坛关于诺奖读书会的讲座中多次提及，随着中国经济的恶化，共产党会慢慢放开经济领域，在经济领域让步来熄民怒。但是共产党会不会只在经济领域放开，但是政治上不放开。中共自改开以来都将经济的高速发展作为执政合法性的重心，若经济放开能缓解，那么政治继续保持现有体制也无妨。第二是Gen Z真的会成为中国的光州一代吗？在李老师今年最后的一个直播中，李老师觉得未来Gen Z有可能会成为中国的光州一代。老师的判断依据是什么？作为一个Gen Z，觉得身边岁月静好或者不敢冲击这个体制的还是大部分。

李厚辰: [01:47:46] 一个最简单的视角就是中国现在几乎已经不存在只关乎经济，不关乎政治的事情了。比如说最近公务员加工资，这是个经济事务，那跟政治的分配高度相关。比如说国企的改革，央企的税制改革，中国现在已经不存在只经济不政治，其实过去也不存在。联产承包责任制，这个太政治了，对吧？这是拆全能国家最大的壳。所以我觉得大家可以慢慢养成一个视角，就是中国不存在只关乎经济，不关乎政治。所以他们没有一个选择说我只妥协经济，不妥协政治，这其实不存在。

说第二个问题，关于光州一代，当然我不是说你们能够迎来光州一代的结局，我更不希望大家遭遇光州那样的处境。韩国的光州一代是什么呢？就是他们无可避免地要遭遇和面对社会矛盾最尖锐的时刻和时期。所以我认为这代Gen Z在你们三十岁左右或三十岁之前，就像我们刚刚不是有个算命问题，还有几年，我说2030年这几年的财政压力太大了，那这5、6年之中大家可能要去遭遇中国社会矛盾最尖锐的时期，2024年下半年大家应该能感觉到一点点了。这个时期会走向哪里，能不能兑现光州一带的结局？大家知道光州运动到韩国实际民主化中间还有7、8年时间，光州事件之后不是马上民主化了。所以这就能回答你的问题。我觉得不是说要冲击体制，而是说当这个社会的矛盾最尖锐的时候，就没有岁月静好的空间了。想完全岁月静好，但已经不太可能了。我觉得这是当时光州一代所面临的真正困境。这些话本身说起来好玩，但实际上是这一代年轻人特别沉重的历史负担。当历史十字路口走到中国这三、四十年改革开放的十字路口，遭遇社会尖锐矛盾的时候，未来中国走向何方是这代Gen Z去决定的。但如果是靠B站上那些Gen Z，中国未来就完蛋了。所以说需要靠更多非B站的Gen Z能把中国带向何方，大概就是这个。

袁莉: [01:50:18] 接下来再问一个问题吧，也是听众问：2025年中国经济会开始新一轮的雪崩，有钱人自然不必担心，而我们这样的草根却很有可能走向绝境。我很想知道，面临这样的社会，这样的政权，我们无能为力，我们能做什么？我们应该做什么？我们怎样做？这个当然和前面有个问题有点像，但是呢，我不知道你们谁愿意从经济的角度来回答一下，大家能做什么？

李厚辰: [01:50:57] 简单的说，大家也不用认为经济的分化会完全导致普通人怎么怎么样。如果国家真的要刺激经济，要放水，这个水很大程度上是会流到社会上去的，它比较难完完全全流在体制内。2024年下半年，从七月份开始有大量的消费品以旧换新，实际上下半年很多人买手机，买电脑，在城市做消费都是有消费券的。把所有资源注入体制内，其实也是不可能的。所以大家不用过于担心未来经济的问题会导致分配上出现特别巨大的问题。比如说这次给公务员发工资，这两天也有另外一个新闻，国家在编列低收入群体的标准。低收入群体的标准编列出来，也是要给低收入群体发钱的。这个当然是他们妥协的一点，也不是坏事。我们已经是一个商品经济和一个深度的大型庞大的经济社会了。所以这个社会里出现大的经济问题，国家开始进行刺激，这个水是能流到民间上来的。真正值得担心的问题可能不是社会分化变得特别特别严重，这当然是一个风险。更严峻的问题是这么放水有用吗？一方面会有通胀的问题，一方面很可能不会真正的刺激起来，这就会进入滞胀。滞胀本身是一个全社会都要去共同承担的苦难，但不代表它就不是苦难了，但至少它不会形成那样的一个局面。这是我就简单的说一说。

袁莉: [01:52:42] 老刘有没有什么想给大家说说的？我在这先跟大家说一下，我接下来想有一系列关于经济的节目。我特别明确地想要做一期关于中产阶级的坠落，如果你们有人真的是从中产阶级坠落了，以前自己有公司，有工厂，有餐馆，现在去开滴滴了，去送外卖了，欢迎大家来推特上给我发私信或者是给我发邮件，不管是给我纽时的邮箱li.yuan@nytimes.com，还是给不明白播客的邮箱 bumingbaipodcast@gmail.com，都欢迎你们来，跟我说说你们的故事。

刘宗坤: [01:53:24] 这位朋友说：有钱人不用担心。有钱人实际上是最担心的，因为有钱人受政治的冲击是更大的。我们中文里边的一些词汇，像崩溃，雪崩这些，都是一些很冲击人们情感和感性的词。实际上，不会今年突然就垮掉了，像房子一样倒塌了，那种事情是不会发生的。在经济上，在任何地方，任何时代，任何国家都没有在经济领域突然就不行了，突然就崩塌了，像房子一样倒塌成一堆瓦砾。这是没有过的。我们听到这些词的时候，头脑里边一定要有一根弦。有时候这个过程是很缓慢的。即便是现在问题最大的那些国家，像委内瑞拉，津巴布韦，它也是一个过程，经历了多少年才到了现在。所以2025年的经济大概率还会下行，还会下沉。但是现在的政府对社会、对经济的控制能力还是很强的，也可以说是世界上最强的。它会采取一些措施。体制内也不是没有聪明人，只不过这些年聪明人被边缘化了，但是虽然被边缘化了，他们还会发声，尤其是体制边缘的一些人，或者体制外的一些人。像这段时间的两位经济学家的呼声，他们的说法，你还是能听到的。因为体制内实际上也有这样的声音，只不过是外界大家肯定听不到。但是我不相信体制内全是笨蛋，虽然有笨蛋，但是总是有聪明人。他们知道怎么能让经济能够平稳地运转。这一点是值得大家有预期的。但是不是能够继续像前面那些年增长？我想可能不会了。你说一年之间突然垮掉，然后大家都没有工作，中产全都变成了贫困阶层，那种事情也是不会发生的。因为中国政府手里的资源还是很多的，没有政府像它有那么多资源。比如说最近这3、4年，它滥用这些资源做了好多莫名其妙的事情，但是现在经济不行了之后，它会把这些资源重新用到什么地方，效果怎么样呢？这个大家没有办法来预测。只不过有一个比较悲观的预期的时候，最好不要用雪崩这种词。经济上不会雪崩的，经济从来没有雪崩过，他如果是崩的话，也是一个很漫长的，很缓慢的过程。所以在这种情况下呢，我想一定要先做好自己，有一个专业的特长，保住自己的工作，这是最重要的。如果工作没有了，什么都谈不上，其他的都成了泡影了。

袁莉: [01:57:20] 下面这个问题江雪来回答可能会比较好。他说：海外有这么多华人，媒体又宽松，抛开教科书和红色出版物，海外出版社能不能再把社科类扶持出一个全球最大的华文出版社？有人在尝试吗？2025年能怎么支持他们？

江雪: [01:57:55] 出版这是很大的行业。我知道身边有一些朋友有这个愿景。很多朋友有具体的愿景，比如做一个独立媒体。至于出版这方面，确实也有朋友有这个计划。因为在外面确实有这个自由，这个朋友说到资助，那我觉得到时候不明白播客也会昭告天下，就请大家积极踊跃的支持和捐款。

袁莉: [01:58:37] 实际上有不少人都在做出版。张洁平不就是飞地出版嘛。我们不明白博客这本书不就是她出的吗？现在又卖了一个韩国版的，韩国最大的出版社也要出韩文。

李厚辰: [01:58:52] 东京这边也是有尝试的，大家看就在我身后。这是东京这边现在做的一个人文的出版社，叫讲道社 読道社，出版了《去留之间》这本书。他们其实也在做一些出版，但是和大家想象的可能有点小的区别，因为海外出版市场跟国内比，它的规模是要小很多很多的。比如说国内出一个社科类的书籍，第一批印三五千本。卖的好的话，加印两三次，两三万本都行。但是海外华人规模，其实大家也明白，读书的时代基本上快过去了，买书读书相对来讲是一个比较小众的需求。总得来说，海外做图书，像他们这个社的虽然很努力做，但是基本上日本这边就是卖几百本、一千多本的规模。如果要在海外做一个规模非常大的出版社，可能是比较难的。但海外出版社有一个可以做的事情，毕竟不是这么大规模，很可能能够target到更细节的市场和更有质量的读者，基于自由的环境和自由的出版环境，也能够基于这本书，或者基于很多的书，能够有更自由的探讨和书籍，后续的事情能够做得更好。所以我的观点是从真正的书的出版来讲，从规模上来讲，跟国内是不可能跟国内相比较的。

袁莉: [02:00:20] 这位听众问说：庆父，其实就是说习近平，一意孤行，是不是把赌注押在了技术革命之上。近两年，AI芯片、绿色能源等技术日新月异，近期谷歌又在量子计算上有了重大突破。所以，技术革命是否有可能在人口老龄化后拯救中国，并且为中共政权续命？

李厚辰: [02:00:50] 我认为技术能够带来的治理边际成本下降是非常非常有限的，有一些很硬的成本很难用技术去很大程度上解决，比如说医疗和养老。每个人每周、每个月要吃饭，你要给他发养老金，他要活下去。这玩意靠不管是靠可控核聚变还是靠AI芯片，其实很难解决。AI对于整个监控体系和维稳体系已经起到很大的作用了。现在中国这么大的网站能够做到快速的删除，反正他也不用删的很精确，宁可错杀一千，不可放过一个。在这个程度之上，AI已经给了很多很多的作用了。接下来，我觉得AI其实在有一个方向确实能够给予政权帮助。前两天有一个新闻里已经写到，生成式的AI对于引导一个人的想法开始出现主动介入的可能性。未来编制一个AI去营运网上的某种情况，主动的给出信息，去引导舆论，产生一个舆论策略，其实是非常有可能的。但我必须说，比起我们害怕这事。我觉得美国人应该更害怕Elon Musk用他的Grok加上X，对美国社会带来的冲击很可能比我们还会再大一点点的。我认为AI在这方面很可能会带来一个很大的冲击。但其他的，不管是芯片，还是绿色能源，新质生产力能不能解决？现在中国最大的问题就是财政的问题和个经济结构的问题，我觉得是对应不上的，除非他两年把可控核聚变搞出来，一举解决人类能源问题，不然靠现在这些东西，它确实能够在引导社会舆论和信息监控上做得更好，但是一个人失业了，吃不上饭，你给他任何意识形态都很难改变他对于现状的看法。

江雪: [02:02:48] 我没有什么见解，但是我提供一个细节，之前裴敏欣老师不是出一本书叫《哨兵中国》，携新书到季风来分享。他分享的中间有一个细节，他说在某一个城市，无处不在的摄像头太多太多了，你几步一个摄像头。可是他说到一个数字，很多的摄像头都在外面，风吹雨淋就有很多的尘土，一个城市为了要去擦拭摄像头，保持它的精确性，他要雇几千个人去搞这个事情。你再高大上，一些基础的东西，就像灰尘，可能你是无法超越的。

而且AI的问题，它是有边界的，当下不会说马上就能为这个极权所用，或者说给它起到一个续命的作用。其实技术也在赋权，它一方面是给极权赋权，一方面也在给我们赋权。

袁莉: [02:04:16] 裴敏欣老师她那本书原来不明白播客里讲过，如果听众朋友们有人感兴趣的话，可以去搜前几个月的播客，那也是特别特别有意思的一本书。实际上它的意思就是说，不管技术如何的发达，但是中共监控十几亿人，主要还是靠人。我们最后每一个人说一个心愿吧。

刘宗坤: [02:04:44] 我很简单，我就是至少骑行5000公里。

袁莉: [02:04:51] 我和老刘就有点像，我三月份跑一个半马，半马当然很容易了。我五十岁那年跑了一个全马。所以呢，我希望今年秋天，如果可能的话，再跑一个全马。

江雪: [02:05:07] 我我想到我的心愿，就是希望我能快乐一点，刚才老刘说的那个快乐那一节我觉得特别昂扬，就适合结尾了。我对我来说，我是寻找让我自己快乐的能力。其实我这两年多都不快乐，因为我离开了故土，离开了亲人，我虽然是在做事，可是我关注到自己的快乐，这点还是比较弱的。我希望我能快乐，我希望像老刘说的，我们每一个人，每个善良的人，除了坏人。我们应该更快乐一点。不管怎样，我们也要快乐。

李厚辰: [02:06:08] 我就希望新年能够把日语学好，有更多的时间能够学好日语，这样至少我遛狗碰到狗友的时候能聊聊天，我能够看懂身边日本社会到底发生了什么，他们那些区议会门口的牌子上都写着什么东西，现在我是个日本文盲，相当于对身边的这个世界缺乏感知能力。我觉得如果对身边的世界有更好的感知能力，还是个挺好的推进。所以我要多花点时间学日语。

袁莉: [02:06:35] 你要少工作一点，我都觉得你的工作强度已经太大了。我看到了一个评论，看得好开心：主持人看起来很年轻，而且有点像梁咏琪。笑死我了。太开心了，太开心了，说我很年轻。

那我们就这样就结束吧。我觉得今天聊得真的很开心。我开头说的这么晦暗的时代，我们都还挺开心的说了一些不太开心的事情，有很多我们无法掌控的事情，但是我们说来说去，最后的心愿都是我们可以掌控的事情，这如果能做到了，也是挺有成就的。还有猫、有狗，都比我有成就。

谢谢大家，谢谢大家收听收看，也谢谢我们嘉宾精彩的对话，那我们下期再见，新年快乐！

2025年快乐！

]]>不明白播客AI Diffusion Regulations, Closing Loopholes, The Objections2025-01-14T13:01:31+00:002025-01-14T13:01:31+00:00https://nodebe4.github.io/opinion/2025-01-14/AI%20Diffusion%20Regulations,%20Closing%20Loopholes,%20The%20O

AI Diffusion Regulations, Closing Loopholes, The Objections ——

The Biden administration has a raft of new regulations aimed at limiting AI exports; the motivation makes sense, but the precedent and second-order effects are worrisome.
]]>Ben ThompsonAI’s Uneven Arrival2025-01-13T14:59:09+00:002025-01-13T14:59:09+00:00https://nodebe4.github.io/opinion/2025-01-13/AI%E2%80%99s%20Uneven%20Arrival

AI’s Uneven Arrival ——

Box’s route to its IPO, ten years ago this month, was a difficult one: the company first released an S-1 in March 2014, and potential investors were aghast at the company’s mounting losses; the company took a down round and, eight months later, released an updated S-1 that created the template for money-losing SaaS businesses to explain themselves going forward:

Our business model focuses on maximizing the lifetime value of a customer relationship. We make significant investments in acquiring new customers and believe that we will be able to achieve a positive return on these investments by retaining customers and expanding the size of our deployments within our customer base over time…

We experience a range of profitability with our customers depending in large part upon what stage of the customer phase they are in. We generally incur higher sales and marketing expenses for new customers and existing customers who are still in an expanding stage…For typical customers who are renewing their Box subscriptions, our associated sales and marketing expenses are significantly less than the revenue we recognize from those customers.

SaaS company cohort analysis

This was the justification for those top-line losses; I wrote in an Update at the time:

That right there is the SaaS business model: you’re not so much selling a product as you are creating annuities with a lifetime value that far exceeds whatever you paid to acquire them. Moreover, if the model is working — and in retrospect, we know it has for that 2010 cohort — then I as an investor absolutely would want Box to spend even more on customer acquisition, which, of course, Box has done. The 2011 cohort is bigger than 2010, the 2012 cohort bigger than 2011, etc. This, though, has meant that the aggregate losses have been very large, which looks bad, but, counterintuitively, is a good thing.

Numerous SaaS businesses would include some version of this cohort chart in their S-1’s, each of them manifestations of what I’ve long considered tech’s sixth giant: Apple, Amazon, Google, Meta, Microsoft, and what I call “Silicon Valley Inc.”, the pipeline of SaaS companies that styled themselves as world-changing startups but which were, in fact, color-by-numbers business model disruptions enabled by cloud computing and a dramatically expanded venture capital ecosystem that increasingly accepted relatively low returns in exchange for massively reduced risk profiles.

This is not, to be clear, an Article about Box, or any one SaaS company in particular; it is, though, an exploration of how an era that opened — at least in terms of IPOs — a decade ago is both doomed in the long run and yet might have more staying power than you expect.

Digital Advertising Differences

John Wanamaker, a department store founder and advertising pioneer, famously said, “Half the money I spend on advertising is wasted; the trouble is I don’t know which half.” That, though, was the late 19th century; the last two decades have seen the rise of digital advertising, the defining characteristic of which is knowledge about whom is being targeted, and whether or not they converted. The specifics of how this works have shifted over time, particularly with the crackdown on cookies and Apple’s App Tracking Transparency initiative, which made digital advertising less deterministic and more probabilistic; the probabilities at play, though, are a lot closer to 100% than they are to a flip-of-a-coin.

What is interesting is that this advertising approach hasn’t always worked for everything, most notably some of the most advertising-centric businesses in the world. Back in 2016 Procter & Gamble announced they were scaling back targeted Facebook ads; from the Wall Street Journal:

Procter & Gamble Co., the biggest advertising spender in the world, will move away from ads on Facebook that target specific consumers, concluding that the practice has limited effectiveness. Facebook Inc. has spent years developing its ability to zero in on consumers based on demographics, shopping habits and life milestones. P&G, the maker of myriad household goods including Tide and Pampers, initially jumped at the opportunity to market directly to subsets of shoppers, from teenage shavers to first-time homeowners.

Marc Pritchard, P&G’s chief marketing officer, said the company has realized it took the strategy too far. “We targeted too much, and we went too narrow,” he said in an interview, “and now we’re looking at: What is the best way to get the most reach but also the right precision?”…On a broader scale, P&G’s shift highlights the limits of such targeting for big brands, one of the cornerstones of Facebook’s ad business. The social network is able to command higher prices for its targeted marketing; the narrower the targeting the more expensive the ad.

P&G is a consumer packaged goods (CPG) company, and what mattered most for CPG companies was shelf space. Consumers would become aware of a brand through advertising, motivated to buy through things like coupons, and the payoff came when they were in the store and chose one of the CPG brands off the shelf; of course CPG companies paid for that shelf space, particularly coveted end-caps that made it more likely consumers saw the brands they were familiar with through advertising. There were returns to scale, as well: manufacturing is a big one; the more advertising you bought the less paid per ad; more importantly, the more shelf space you had the more room you had to expand your product lines, and crowd out competitors.

The advertising component specifically was usually outsourced to ad agencies, for reasons I explained in a 2017 Article:

Few advertisers actually buy ads, at least not directly. Way back in 1841, Volney B. Palmer, the first ad agency, was opened in Philadelphia. In place of having to take out ads with multiple newspapers, an advertiser could deal directly with the ad agency, vastly simplifying the process of taking out ads. The ad agency, meanwhile, could leverage its relationships with all of those newspapers by serving multiple clients:

A drawing of The Pre-Internet Ad Agency Structure

It’s a classic example of how being in the middle can be a really great business opportunity, and the utility of ad agencies only increased as more advertising formats like radio and TV became available. Particularly in the case of TV, advertisers not only needed to place ads, but also needed a lot more help in making ads; ad agencies invested in ad-making expertise because they could scale said expertise across multiple clients.

At the same time, the advertisers were rapidly expanding their geographic footprints, particularly after the Second World War; naturally, ad agencies increased their footprint at the same time, often through M&A. The overarching business opportunity, though, was the same: give advertisers a one-stop shop for all of their advertising needs.

The Internet provided two big challenges to this approach. First, the primary conversion point changed from the cash register to the check-out page; the products that benefited the most were either purely digital (like apps) or — at least in the earlier days of e-commerce — spur-of-the-moment purchases without major time pressure. CPG products didn’t really fall in either bucket.

Second, these types of purchases aligned well with the organizing principle of digital advertising, which is the individual consumer. What Facebook — now Meta — is better at than anyone in the world is understanding consumers not as members of a cohort or demographic group but rather as individuals, and serving them ads that are uniquely interesting to them.

Notice, though, that nothing in the traditional advertiser model was concerned with the individual: brands are created for cohorts or demographic groups, because they need to be manufactured at scale; then, ad agencies would advertise at scale — making money along the way — and the purchase would be consummated in physical stores at some later point in time, constrained (and propelled by) limited shelf space. Thus P&G’s pullback — and thus the opportunity for an entirely new wave of companies that were built around digital advertising and its deep personalization from the get-go.

This bifurcation manifested itself most starkly in the summer of 2020, when large advertisers boycotted Facebook over the company’s refusal to censor then-President Trump; Facebook was barely affected. I wrote in Apple and Facebook:

This is a very different picture from Facebook, where as of Q1 2019 the top 100 advertisers made up less than 20% of the company’s ad revenue; most of the $69.7 billion the company brought in last year came from its long tail of 8 million advertisers…

This explains why the news about large CPG companies boycotting Facebook is, from a financial perspective, simply not a big deal. Unilever’s $11.8 million in U.S. ad spend, to take one example, is replaced with the same automated efficiency that Facebook’s timeline ensures you never run out of content. Moreover, while Facebook loses some top-line revenue — in an auction-based system, less demand corresponds to lower prices — the companies that are the most likely to take advantage of those lower prices are those that would not exist without Facebook, like the direct-to-consumer companies trying to steal customers from massive conglomerates like Unilever.

In this way Facebook has a degree of anti-fragility that even Google lacks: so much of its business comes from the long tail of Internet-native companies that are built around Facebook from first principles, that any disruption to traditional advertisers — like the coronavirus crisis or the current boycotts — actually serves to strengthen the Facebook ecosystem at the expense of the TV-centric ecosystem of which these CPG companies are a part.

It has been nine years since that P&G pullback I referenced above, and one of the big changes that P&G has made in that timeframe is to take most of their ad-buying in-house. This was in the long run inevitable, as the Internet ate everything, including traditional TV viewing, and as the rise of Aggregation platforms meant that the number of places you needed to actually buy an ad to reach everyone decreased even as potential reach increased. Those platforms also got better: programmatic platforms achieve P&G’s goal of mass reach in a way that actually increased efficiency instead of over-spending to over-target; programmatic advertising also covers more platforms now, including TV.

o3 Ammunition

Late last month OpenAI announced its o3 model, validating its initial o1 release and the returns that come from test-time scaling; I explained in an Update when o1 was released:

There has been a lot of talk about the importance of scale in terms of LLM performance; for auto-regressive LLMs that has meant training scale. The more parameters you have, the larger the infrastructure you need, but the payoff is greater accuracy because the model is incorporating that much more information. That certainly still applies to o1, as the chart on the left indicates.

o1 scales with both training and inference compute

It’s the chart on the right that is the bigger deal: o1 gets more accurate the more time it spends on compute at inference time. This makes sense intuitively given what I laid out above: the more time spent on compute the more time o1 can spend spinning up multiple chains-of-thought, checking its answers, and iterating through different approaches and solutions.

It’s also a big departure from how we have thought about LLMs to date: one of the “benefits” of auto-regressive LLMs is that you’re only generating one answer in a serial manner. Yes, you can get that answer faster with beefier hardware, but that is another way of saying that the pay-off from more inference compute is getting the answer faster; the accuracy of the answer is a function of the underlying model, not the amount of compute brought to bear. Another way to think about it is that the more important question for inference is how much memory is available; the more memory there is, the larger the model, and therefore, the greater amount of accuracy.

In this o1 represents a new inference paradigm: yes, you need memory to load the model, but given the same model, answer quality does improve with more compute. The way that I am thinking about it is that more compute is kind of like having more branch predictors, which mean more registers, which require more cache, etc.; this isn’t a perfect analogy, but it is interesting to think about inference compute as being a sort of dynamic memory architecture for LLMs that lets them explore latent space for the best answer.

o3 significantly outperforms o1, and the extent of that outperformance is dictated by how much computing is allocated to the problem at hand. One of the most stark examples was o3‘s performance on the ARC prize, a visual puzzle test that is designed to be easy for humans but hard for LLMs:

OpenAI’s new o3 system – trained on the ARC-AGI-1 Public Training set – has scored a breakthrough 75.7% on the Semi-Private Evaluation set at our stated public leaderboard $10k compute limit. A high-compute (172x) o3 configuration scored 87.5%.

o3 test results on ARC

This is a surprising and important step-function increase in AI capabilities, showing novel task adaptation ability never seen before in the GPT-family models. For context, ARC-AGI-1 took 4 years to go from 0% with GPT-3 in 2020 to 5% in 2024 with GPT-4o. All intuition about AI capabilities will need to get updated for o3…

Despite the significant cost per task, these numbers aren’t just the result of applying brute force compute to the benchmark. OpenAI’s new o3 model represents a significant leap forward in AI’s ability to adapt to novel tasks. This is not merely incremental improvement, but a genuine breakthrough, marking a qualitative shift in AI capabilities compared to the prior limitations of LLMs. o3 is a system capable of adapting to tasks it has never encountered before, arguably approaching human-level performance in the ARC-AGI domain.

Of course, such generality comes at a steep cost, and wouldn’t quite be economical yet: you could pay a human to solve ARC-AGI tasks for roughly $5 per task (we know, we did that), while consuming mere cents in energy. Meanwhile o3 requires $17-20 per task in the low-compute mode. But cost-performance will likely improve quite dramatically over the next few months and years, so you should plan for these capabilities to become competitive with human work within a fairly short timeline.

I don’t believe that o3 and inference-time scaling will displace traditional LLMs, which will remain both faster and cheaper; indeed, they will likely make traditional LLMs better through their ability to generate synthetic data for further scaling of pre-training. There remains a large product overhang for traditional LLMS — the technology is far more capable than the products that have been developed to date — but even the current dominant product, chatbots, are better experienced with a traditional LLM.

That very use case, however, gets at traditional LLM limitations: because they lack the ability to think and decide and verify they are best thought of as a tool for humans to leverage. Indeed, while conventional wisdom about these models is that it allows anyone to generate good enough writing and research, the biggest returns come to those with the most expertise and agency, who are able to use their own knowledge and judgment to reap efficiency gains while managing hallucinations and mistakes.

What o3 and inference-time scaling point to is something different: AI’s that can actually be given tasks and trusted to complete them. This, by extension, looks a lot more like an independent worker than an assistant — ammunition, rather than a rifle sight. That may seem an odd analogy, but it comes from a talk Keith Rabois gave at Stanford:

So I like this idea of barrels and ammunition. Most companies, once they get into hiring mode…just hire a lot of people, you expect that when you add more people your horsepower or your velocity of shipping things is going to increase. Turns out it doesn’t work that way. When you hire more engineers you don’t get that much more done. You actually sometimes get less done. You hire more designers, you definitely don’t get more done, you get less done in a day.

The reason why is because most great people actually are ammunition. But what you need in your company are barrels. And you can only shoot through the number of unique barrels that you have. That’s how the velocity of your company improves is adding barrels. Then you stock them with ammunition, then you can do a lot. You go from one barrel company, which is mostly how you start, to a two barrel company, suddenly you get twice as many things done in a day, per week, per quarter. If you go to three barrels, great. If you go to four barrels, awesome. Barrels are very difficult to find. But when you have them, give them lots of equity. Promote them, take them to dinner every week, because they are virtually irreplaceable. They are also very culturally specific. So a barrel at one company may not be a barrel at another company because one of the ways, the definition of a barrel is, they can take an idea from conception and take it all the way to shipping and bring people with them. And that’s a very cultural skill set.

The promise of AI generally, and inference-time scaling models in particular, is that they can be ammunition; in this context, the costs — even marginal ones — will in the long run be immaterial compared to the costs of people, particularly once you factor in non-salary costs like coordination and motivation.

The Uneven AI Arrival

There is a long way to go to realize this vision technically, although the arrival of first o1 and then o3 signal that the future is arriving more quickly than most people realize. OpenAI CEO Sam Altman wrote on his blog:

We are now confident we know how to build AGI as we have traditionally understood it. We believe that, in 2025, we may see the first AI agents “join the workforce” and materially change the output of companies. We continue to believe that iteratively putting great tools in the hands of people leads to great, broadly-distributed outcomes.

I grant the technical optimism; my definition of AGI is that it can be ammunition, i.e. it can be given a task and trusted to complete it at a good-enough rate (my definition of Artificial Super Intelligence (ASI) is the ability to come up with the tasks in the first place). The reason for the extended digression on advertising, however, is to explain why I’m skeptical about AI “materially chang[ing] the output of companies”, at least in 2025.

In this analogy CPG companies stand in for the corporate world generally. What will become clear once AI ammunition becomes available is just how unsuited most companies are for high precision agents, just as P&G was unsuited for highly-targeted advertising. No matter how well-documented a company’s processes might be, it will became clear that there are massive gaps that were filled through experience and tacit knowledge by the human ammunition.

SaaS companies, meanwhile, are the ad agencies. The ad agencies had value by providing a means for advertisers to scale to all sorts of media across geographies; SaaS companies have value by giving human ammunition software to do their job. Ad agencies, meanwhile, made money by charging a commission on the advertising they bought; SaaS companies make money by charging a per-seat licensing fee. Look again at that S-1 excerpt I opened with:

Our business model focuses on maximizing the lifetime value of a customer relationship. We make significant investments in acquiring new customers and believe that we will be able to achieve a positive return on these investments by retaining customers and expanding the size of our deployments within our customer base over time…

The positive return on investment comes from retaining and increasing seat licenses; those seats, however, are proxies for actually getting work done, just as advertising was just a proxy for actually selling something. Part of what made direct response digital advertising fundamentally different is that it was tied to actually making a sale, as opposed to lifting brand awareness, which is a proxy for the ultimate goal of increasing revenue. To that end, AI — particularly AI’s like o3 that scale with compute — will be priced according to the value of the task they complete; the amount that companies will pay for inference time compute will be a function of how much the task is worth. This is analogous to digital ads that are priced by conversion, not CPM.

The companies that actually leveraged that capability, however, were not, at least for a good long while, the companies that dominated the old advertising paradigm. Facebook became a juggernaut by creating its own customer base, not by being the advertising platform of choice for companies like P&G; meanwhile, TV and the economy built on it stayed relevant far longer than anyone expected. And, by the time TV truly collapsed, both the old guard and digital advertising had evolved to the point that they could work together.

If something similar plays out with AI agents, then the most important AI customers will primarily be new companies, and probably a lot of them will be long tail type entities that take the barrel and ammunition analogy to its logical extreme. Traditional companies, meanwhile, will struggle to incorporate AI (outside of whole-scale job replacement a la the mainframe); the true AI takeover of enterprises that retain real world differentiation will likely take years.

None of this is to diminish what is coming with AI; rather, as the saying goes, the future may arrive but be unevenly distributed, and, contrary to what you might think, the larger and more successful a company is the less they may benefit in the short term. Everything that makes a company work today is about harnessing people — and the entire SaaS ecosystem is predicated on monetizing this reality; the entities that will truly leverage AI, however, will not be the ones that replace them, but start without them.

]]>Ben ThompsonEP-131 从商场销售到“极端宗教分子”，我带上儿子走线2025-01-10T23:00:00+00:002025-01-10T23:00:00+00:00https://nodebe4.github.io/opinion/2025-01-10/EP-131%20%E4%BB%8E%E5%95%86%E5%9C%BA%E9%94%80%E5%94%AE%E5%88%B0%E2%80%9C%E6%9E%81%E7%AB%AF%E5%AE%97%E6%95%99%E5%88%86%E5%AD%90%E2%80%9D%EF%BC%8C%E6%88%91%E5%B8%A6%E4%B8%8A%E5%84%BF%E5%AD%90%E8%B5%B0%E7%BA%BF

EP-131 从商场销售到“极端宗教分子”，我带上儿子走线 ——

本期不明白播客，我们讲述一位回族穆斯林在经历“铁拳”之后走线的故事。作为单亲妈妈的燕，带着她患有ADHD（注意缺陷多动障碍）的儿子，在西部城市商场做销售，过着与大多数普通中国人无异的生活。因为一件小到不能再小的事，燕被当地警察认定为“激进宗教狂热分子”，被拘留、被强制送到精神病院，多年的工作没了，儿子也被要求退学，她最终带着孩子经历长达四个月的走线，来到万里之外的美国。

很多中国人并不关心穆斯林的遭遇，甚至对穆斯林抱有偏见和敌意，但在燕的故事里，大家也许会发现，燕跟我们其实很相似，她所经历的基层警察的野蛮残暴，校长与老师的助纣为虐，离我们并不遥远。

时间轴：

01:36 警察为什么突然把燕叫到学校？
10:32 燕在派出所里经历了什么？
14:00 让燕被认定为“极端宗教分子”的是什么群聊？
18:44 拘留所里，习近平教燕如何爱国
20:58 拘留所后厨的经历为什么会成为燕的阴影？
26:54 警察为什么突然闯进了燕的家？
31:54 燕被强迫送到精神病院后经历了什么？
36:57 燕宁愿走线也要“离开这个粪坑”的直接原因
46:00 离开之前，燕的儿子为何被迫退学？
51:38 燕在泰国为什么会被骗走三万块钱？
53:52 走线的四个月有哪些惊险遭遇？
57:58 燕如何看待纽约的穆斯林之家？
01:05:55 燕对美国政府的移民政策感受如何？

 相关播客单集：
EP-127 马聚：我为何在纽约开走线客庇护所？


官网：bumingbai.net
捐赠链接：https://bit.ly/bmb-donate
推特：@bumingbaipod
蓝天：@bumingbai.net
Mastodon：@bumingbaipod
Telegram：@bmbpod

]]>不明白播客An Interview with Anduril Co-Founder and CEO Brian Schimpf About Paradigm Shifts2025-01-09T10:22:31+00:002025-01-09T10:22:31+00:00https://nodebe4.github.io/opinion/2025-01-09/An%20Interview%20with%20Anduril%20Co-Founder%20and%20CEO%20Brian

An Interview with Anduril Co-Founder and CEO Brian Schimpf About Paradigm Shifts ——

An interview with Anduril co-founder Brian Schimpf about the Lattice SDK, competing for the Collaborative Combat Aircraft Program, and building AI with Palantir.
]]>Ben ThompsonMeta Changes Moderation Policies, Zuckerberg’s Journey — and Mine, The Audacity of Copying Well2025-01-08T13:11:46+00:002025-01-08T13:11:46+00:00https://nodebe4.github.io/opinion/2025-01-08/Meta%20Changes%20Moderation%20Policies,%20Zuckerberg%E2%80%99s%20Jou

Meta Changes Moderation Policies, Zuckerberg’s Journey — and Mine, The Audacity of Copying Well ——

Mark Zuckerberg is making big changes to Meta's moderation policies; it's the next step in a journey that has been more nuanced than people think — and it's one I relate to.
]]>Ben ThompsonNvidia at CES, Cosmos and Omniverse, Digits2025-01-07T13:10:00+00:002025-01-07T13:10:00+00:00https://nodebe4.github.io/opinion/2025-01-07/Nvidia%20at%20CES,%20Cosmos%20and%20Omniverse,%20Digits

Nvidia at CES, Cosmos and Omniverse, Digits ——

Nvidia's keynote at CES demonstrated how it is becoming the transformer company.
]]>Ben Thompson