摘要

AI的核心重估不在“会不会写文案”，而在它从封闭算法跃迁成横跨开放场景的通用模型。 庄明浩把扫地机器人、商汤与旷视式视觉识别、只会围棋的AlphaGo归入上一代场景AI；ChatGPT之后，搜集、整理、润色和生成全面渗入白领与内容链，“人类跟AI的区别越来越难”。内容标识、版权灰区和真假识别因此同时成为问题。
AI首先更适合做研究与决策辅助，而不是替普通投资者承担收益责任的自动基金经理。 君娴用DeepSeek、通义筛选AI和低空经济相关基金；庄明浩则强调，所有投资都有风险，现阶段模型更适合定制化搜集与加工信息。它最大的硬伤仍是“幻觉就是胡说八道”，在金钱问题上不能把最终决策外包。
白领标准化技能最先被重定价，身体、情感和经验总结能力则更可能成为稀缺层。 庄明浩称，翻译在“百分之九十九的环境下”已高度可用，文案、PPT、咨询、解说和康复都会提高AI渗透率；相反，人类与生俱来的身体机能、情感连接及后天积累的能力更难替代。更准确的表述不是岗位瞬间消失，而是大量中间环节被压缩。
体育已经被算法改造，只是生成式AI把这条路径推向了实时决策。 NBA“魔球理论”用效率统计把进攻收敛为篮下与三分；庄明浩又举例称，美国国家橄榄球联盟的一支球队已在一场比赛中让iPad上的AI教练排兵布阵，最终虽赢球，却无法证明胜利究竟来自AI还是原有实力。技术条件已经ready，后续问题转为如何优化、变好并提高渗透率。
体育的长期价值不在于永远赢过机器，而在于开放环境、不确定性和人类突破自身的过程。 AlphaGo之后，顶尖棋手的目标趋向“谁最像AlphaGo”，但足球的22名球员、状态波动、临场指挥乃至误判制造了难以收敛的变量。机器可能从60分跑到“一万分、一亿分”，观众仍会看人类把“一百分变成一百零一分”。
装备设计、AI for Science、个性化训练和反兴奋剂构成体育AI的重要应用，也把数据保护与规则制定推到台前。 鞋类科技正从材料延伸到结构、人体工程学和算法设计；蛋白质、药物及生理机制模拟可能扩张现有数据库之外的可能性。节目提出的关键边界是：奥运会要维持“纯洁体育”，还是另设像F1一样科技完全开放的赛场。
算力和智力资源可能进一步集中，但开源是节目认为最重要的反向力量。 庄明浩以DeepSeek为例：量化交易积累的显卡与数据中心意外孕育模型，而模型、架构乃至训练方法的开放，又降低了复制和使用门槛。信息鸿沟可能收窄，真正扩大的会是“提问能力的差距”——同一轮太阳照在所有人面前，稀缺的是把能量导向自身问题的能力。
AI能商品化声音、旋律和信息，却仍难复制记忆、人格与具身体验。 豆包可以把50页英文报告生成七八分钟讲解，AI音乐也足以完成多数商业配乐，但播客的停顿、气口、情绪和长期人格关系仍是另一种产品：“AI可以把你的音色拿走，但是拿不走你的记忆。”庄明浩完全手工制作PPT的选择与赵丽娜对体育的判断指向同一结论——塔尖表达和具身体验，可能是人类最后坚守的阵地。

精读

1. AI的边界早已越过ChatGPT

庄明浩把2022年11月31日之后ChatGPT发布视为大众认知的分水岭：人类第一次日常接触到一个“似乎全知全能”的工具。但AI并非那时诞生，它从六七十年代的机器学习、规则系统和强化学习一路演进至大语言模型。
在日常工作里，写文案、邮件、作图只是可见部分；搜集资料、整理、加工和润色也已普遍嵌入AI。庄明浩的判断是：“人类跟AI的这个区别越来越难了。”
赵丽娜把扫地机器人也理解为AI，庄明浩认为广义上成立：芯片承载程序，算法决定机器人能否建图、记住障碍、限定房间和规划区域，“聪明”的提升正来自算法能力。

2. 这一轮真正的变量是通用，而不只是智能

上一代AI通常被锁在封闭场景：摄像头做人脸识别，却不能替你解锁微信；AlphaGo会下围棋，却不会自动转去下象棋。商汤、旷视等公司的视觉能力很强，但能力边界清楚。
通用大模型不再依赖同等严格的场景、数据和任务限定。庄明浩反复强调的关键词是“通用”——开放环境、开放场景，甚至开放数据，才使这一轮AI更接近科幻作品中的形象。
内容真假随之更难判断：一篇宣称DeepSeek融资的文章本身就是AI生成的假新闻。国家也要求在线内容平台对AI生成内容作明确标识，但赵丽娜追问版权归谁时，庄明浩的回答仍是：“版权问题是另外一个更灰色的问题。”

3. AI能扩张投资研究，却不能替投资者承担风险

君娴没有股票账户，但会让DeepSeek或通义列出参与AI、低空经济产业的基金，再自行搜索可购买产品。这个用法不是让模型报出涨跌，而是把它当作定制化的信息收集与初筛助手。
庄明浩讲述的DeepSeek路径颇具偶然性：DeepSeek背后的公司原本做量化交易，需要显卡、规则和实时数据库让程序执行交易；显卡买得越来越多、数据中心越建越大，闲置算力又被拿去探索模型，“无心插柳”长出另一条业务线。
对赵丽娜“为什么不让AI自己决定”的追问，庄明浩划出明确边界：所有投资都有风险，现阶段AI只能辅助决策。最终决策仍由人来做，尤其不能忽略模型的幻觉。
他给幻觉的直白定义是“胡说八道”：模型本来不知道，却为了交付答案编出世界上不存在的信息。写文章、造句等不那么严肃的场景影响较小，进入投资和金钱场景就必须谨慎。

4. 陪伴AI出售的是永不离线的情绪供给

庄明浩认为，现实中很难找到一个认可你、持续提供正面回应且“七乘二十四小时在线”的人；AI不仅随叫随到，还能被设定为夸奖、讨好用户，或复现某个二次元人物的性格和表达方式。
君娴春节发现，舅舅从早到晚与豆包对话。身边没人能同时陪他聊股市、诗词和历史人物，豆包却能“从诗词歌赋聊到人生哲理，它都接得住”，实际陪伴效果甚至超过部分亲友。
产品跨过恐怖谷的关键不只是文本，而是语音的语气、气口、起承转合和低延迟。对不擅长打字的年长用户而言，直接说话几乎消除了操作门槛。
但庄明浩借《她》式命题提出反问：一个无限满足、无限顺应你的对象，真是人类最终需要的吗？他的偏乐观判断是，人性会在刺激走到极端后“物极必反”，正如一部分人被短视频侵占后重新寻找书、播客和长内容。

5. 标准化脑力劳动比身体和情感更早承压

庄明浩提到，一位朋友抓取BOSS直聘上数万条岗位描述，再让AI评价替代难度。他的结论是，相对难替代的仍是人类与生俱来的身体机能、情感，以及后天通过经验总结出的能力。
文案、PPT、咨询和一般性表达主要依赖后天积累，因而更容易被AI渗透。翻译尤其典型：除最严肃、容错率最低的塔尖会议外，他认为“百分之九十九的环境下”，在线AI翻译已足够准确可用。
实时语音翻译进一步削弱语言门槛：会议中一方直接说母语，另一端即可听到所需语言。赵丽娜延续自己每次听到AI进步后的玩笑：“那我不用学英语了，我还学英语干嘛呢？”

6. 人形机器人先复制了身体，随后才开始寻找任务

工业机器人原本不必像人：机械臂适合焊车，机器狗适合负重，人形结构甚至可能降低效率。但如果人类的肌肉、骨骼和身体架构是造物主留下的高效体系，工程师自然会追问机器是否也应走向人形。
真正的应用难题随之出现：“我造出来一个人形的机器人，然后呢？”在缺少明确用途时，让它展示跑步、运动等能力成了直观选择；但这种展示本身也带有一定的show性质。

7. 体育早已被算法改写，生成式AI只是下一层接口

体育的信息化先于大模型多年：运动员生理机能、现场表现和对手数据被持续记录，再给教练提供排兵布阵、换人时点和战术建议。AI并非突然进入体育，而是在数据化进程中不断加深。
NBA的“魔球理论”是最清楚的样本：算法认为篮下与三分的期望效率更高，于是球队尽量减少中距离跳投。乔丹时代最具古典审美的技术，到了今天可能因为统计结论而被系统性压缩。
庄明浩又举例称，美国国家橄榄球联盟的一支球队曾在一场相对不重要的比赛里，让iPad上的AI教练依据双方数据实时排兵布阵。橄榄球攻防人员分离、回合切换快、决策维度多，恰好适合机器快速计算。
球队最终赢了，但他没有把结果包装成验证：“到底有多少是因为这个AI教练，还是因为本来这个球队实力就很强？”现阶段它更像一次表演，不过也证明基础环境和技术条件已经ready，下一步才是优化与提高渗透率。

8. 最优解能提高胜率，也会抹平运动风格

围棋展示了有限规则系统的终局：AlphaGo出现后，顶尖棋手的训练目标逐渐变成“谁最像AlphaGo”。算法给出了被认为更优的路径，选手越接近它，越可能战胜其他人。
赵丽娜担心足球也被压向单一正确答案：如果所有运动队都采用最优解，差别可能只剩哪支队伍拥有最高水平的运动员，教练临场指挥与个人创造性随之收缩。
庄明浩观察到，英超前场球员已经出现趋同趋势：速度、灵活性、传切等基础值都要先达到约80分，才有资格展示其他特长。身高、体重、体脂率和六边形能力图越来越相似。
赵丽娜的反论是，足球的魅力恰恰来自两队各11名球员、每日状态、临场选择和争议误判共同制造的不确定性。开放环境和多人项目可能更难被唯一策略攻克；单一策略、参与者少的项目则可能在某个节点突然被机器突破。

9. 机器越过人类后，强弱与意义失去了同一把尺子

AlphaGo击败李世石、柯洁后继续演进，但人类已经无法准确感受它到了哪里。庄明浩用分数解释：它从60分追过人类的100分，后来可能到“一万分、一亿分”，两个数字对停在100分附近的人其实没有区别。
同样的问题正在大模型上出现。庄明浩设想，当AI模型的能力被描述为智商超过140、150，几乎所有专业问题的能力都超过这个领域的博士时，人类该用什么标准定义下一步的“更好、更强”？极端悲观者因此说，“人类不过是AI的token”，只是模型成长过程中的养料。
赵丽娜不接受必须同场比较的前提：“为什么要跟一个机器人比呢？我们要比的是人，我们要比的是自己。”机器可以远超100分，竞技体育仍保留人类努力把“自己的一百分变成一百零一分”的观看价值。

10. 体育科技正从装备设计进入生物科学

运动装备已经深度使用AI。庄明浩认为，鞋类过去主要把科技树点在材料上，如今则延伸到结构设计、人体工程学、运动数据重新分析和算法参与的设计。
更大的板块是AI for Science：让模型模拟蛋白质生成、用于药物研发，或研究如何帮助运动员消除乳酸，把过去有限实验环境下无法实现的可能性扩展出去。生物科学是其中非常大的落点。
赵丽娜据此追问：反兴奋剂中心目前掌握的是数据库里已有的东西，未来是否可以通过AI生成数据库之外的更多可能？这并非节目给出的事实结论，而是她对技术发展和反兴奋剂筛查的担忧；庄明浩也提到，相关数据库未来可能需要使用AI。
他们认为边界必须尝试着画出，但没人假装边界容易画。人类此前只在科幻作品里讨论这些规则；当技术真正到来，奥林匹克制度需要决定“左还是右”，而每一种选择都牵动公平性。

11. F1把科技开放赛场的人类悖论提前演了一遍

赵丽娜设想未来或许出现两套赛事：一边是同时限制兴奋剂和AI科技的“纯洁体育”，另一边彻底开放机器人和各种技术，让各方直接比较科技极限。
庄明浩认为F1已经接近后一种形态：F1把车队、比赛、各种数据、系统和天气都纳入科技体系，天气预报甚至可以精确到分钟，以决定阵雨、雷雨或大雨条件下的轮胎策略。
问题因此落到车手身上：当他驾驶世界上最快的陆地引擎，人类价值还剩什么？君娴以电影中布拉德·皮特饰演的角色反抗数据分析和策略为例，认为这种主动性虽是“古典审美的演绎”，却正是观众产生共鸣的原因。

12. 解说链条易自动化，声音与裁判仍有争议

解说具备明确的可自动化链条：现实中的图像识别、比赛统计、实时反馈等模块可以分别处理，庄明浩认为单独看技术难度都不大。赵丽娜还指出，贺伟式的古诗词和升华也可能是AI擅长的。
詹俊的声音已经在FIFA游戏里被充分运用。赵丽娜认为声音可能是解说员的资产，但庄明浩提醒，导航等产品早已有各种名人声音授权，声音也已经被商业化使用。
成名者仍可依靠标签、音色和人格印记继续商业化，年轻解说却面对更高基准线。正如英超球员，基础能力至少要达到80分，才有机会穿过机器和平台共同抬高的门槛。
康复师可能很快被AI替代，其他环节也会或多或少受到渗透。裁判尤其矛盾：鹰眼理论上能提高准确性，但误判和争议也被视为比赛中重要的艺术成分；百分之百理性是否一定更好，体育界并无一致答案。

13. 运动员数据正在从训练资料变成生产资料

赵丽娜区分了公开的身高、体重与更敏感的生物数据：如果未来系统能持续读取生理信息，谁来保护这些数据？她进一步提出一个假设性担忧——生物技术是否可能据此复刻“另一个科比、另一个乔丹”。
庄明浩用体育游戏说明数据颗粒度的扩张：早年的《实况足球》里，球员可能只有六七项能力值；今天FIFA里的一个球员可能有约60项，而且每年随状态、战术与现实表现更新。
玩家控制一名球员时，队友和对手如何跑位、踢出的球为何以某个速度飞行、门将能否扑到，本来就是算法问题。体育游戏早已使用AI，只是过去没有把它包装成这一轮大模型叙事。
赵丽娜更愿意把数据交换成个人进步：AI先给出正确答案，运动员带着问题和答案练习，不必只靠成千上万次重复形成肌肉记忆；每个人还可获得定制教练。日常版则是拍一张食物照片自动计算卡路里，便利与隐私授权同步发生。

14. 算力可能集中，开源则把能力重新向外扩散

赵丽娜担心，AI竞争可能收缩为中美两国、甚至两国最顶尖少数人的游戏，“智力、资本和资源”被封存在小范围内。受影响的不只是中国山区儿童，也包括更广泛的贫困地区与国家。
庄明浩承认训练成本高得惊人，但相信极端集中会召唤反向力量。他给出的名字是“开源”：与ChatGPT式封闭技术不同，开源模型公开模型、训练方法、内部架构、数据结构，以及显卡和数据中心的搭建方式。
DeepSeek之所以影响大，在他的叙述中不仅因为开放模型，还因为连训练方法也开放。具备一定基础的人可以复制和使用，不再需要特别高的门槛，这构成对算力集中的“往回拉”。
围绕山区儿童，赵丽娜担心AI压缩足球带来的就业出口；君娴则提出相反可能：免费模型和移动互联网正在缩小信息鸿沟，AI又更多替代脑力劳动，身体健康的孩子反而可能在体力层面获得新机会。节目还讨论了接手陶瓷等地方手艺，难点是让孩子真正甘于、乐于坚持。

15. 信息鸿沟缩小时，提问与自我认识的鸿沟反而扩大

赵丽娜先列出“提出问题、认识自己、提出质疑、找到快乐”等能力；庄明浩补充，审美也是重要能力。君娴指出，这些能力如何衡量、锻炼并让人长期坚持，都很难。
面对一个“上知天文、下知地理”的模型，很多人实际上不知道该问什么。复杂任务要求交代场景、角色、边界、目标和参考物，问题会越写越长；多数用户却停在“问一下天气”的第一步。
庄明浩的比喻是太阳：模型像无限热量一直存在，能力差异来自谁能用导管把能量引到自己面前。君娴由此概括：“信息的鸿沟是越来越少的，但是提问的能力的差距会越来越大。”
AI也可能把竞争推向“修心和修身”。庄明浩以公司团建登山为例：第二天要走20公里、上升约2000米，他身高1.85米、约220斤，和另一名队友在山里待了15小时才出山；每一步都必须盯紧，这种坚持和属于自己的记忆无法由模型代为经历。

16. AI能完成信息型内容，却未必能建立长期关系

庄明浩称，AI音乐已能按几乎任何苛刻要求生成旋律听起来没有问题的作品；电影插曲、广告配乐等商业任务基本可用。音乐由音符、音阶和音调构成，某种意义上也是有限规则的数字游戏。
短视频会把刺激细化到3秒、5秒、7秒、20秒。赵丽娜认为，人看得多了之后可能会寻找其他内容，但庄明浩提醒这只是一部分人，也有人会一直留在其中；他将这种状态称为“网络鸦片”。
播客的信息型场景同样会被压缩：一份50页英文报告可以交给豆包，生成七八分钟语音讲解。若任务只是整理、搜索和概览，AI“早就把人类打趴下了”。
但听播客还可能是听陪伴、熟悉感、氛围和悬念。声音里的停顿、气口、情绪乃至抽泣，会让人与人靠近；赵丽娜的概括最锋利：“AI可以把你的音色拿走，但是拿不走你的记忆。”

17. 工具差距不大，场景边界和信任差距更重要

庄明浩认为，豆包、Kimi、智谱等国内头部产品的总体差别没有想象中大。纯文案和修辞上DeepSeek可能稍强，但只是“85分和87分”的区别；播客转写常用通义，去口癖、分段、时间戳和标签则有专门工具。
若边看NBA边关掉解说、要求AI实时帮助理解比赛，现阶段仍不够理想；若只是询问球员近况、俱乐部情况和已有公开数据，各家产品基本都能完成。能力边界取决于信息是否已经存在、能否及时接入。
庄明浩举出《AI Talk：科比 vs 奥尼尔》：AI让已故科比说自己“在天上教天使们打篮球”，又把凌晨四点、奥尼尔罚球等共同记忆揉进对话。现实永远不可能发生这一幕，但人物标签和观众情感连接让它显得毫无违和感，也解释了数字化亲人为何具有吸引力。
面对“数据污染如何解决”，庄明浩拒绝制造答案：最顶尖科学家都没解决，普通人不必陷入玄思，“去跑步吧”。AI算命则可视为条件与概率推导，但责任仍在使用者——可以参考，别太当真，“你自己的人生还得你自己过”。

18. 塔尖表达仍靠手工，人类最终要解决的是自己

庄明浩的PPT没有使用任何AI工具，他用一句玩笑概括自己的抵抗：“只要我的PPT足够长，我就可以打败所有人。”儿子讲恐龙诞生之类的标准任务可以一键完成，但他的章节、配图、情绪、slogan、吐槽和前后call back都要手工完成。
他把这种差别比作流水线汽车与“工人一锤子一锤子敲出来”的作品：普通周报无需坚持手工，金字塔尖的表达却依赖细节里连续的人格。它与顶尖运动员坚守的事情相同，也是“最后被坚守的阵地”。
赵丽娜最终从悲观转向有限乐观：人类未必能控制AI，也不必处处和它比较，但可以决定自己是否依赖、如何共处。她的结论是，“最重要的课题是解决自己”——体育、身体和主动选择因此可能成为人类与AI共处到最后仍能守住的部分。

大胆下注：NIH与生物医学科学的未来 Barry Diller 如何打造娱乐帝国