进行百万次、万万次亿万次的并行试错

　　雷同的还相关于无人公司，这条道漫长但充满机缘，其焦点要义能够归纳综合为三点：虚拟先行、规模化试错、以及算力对冲。其世界模子需要理解一个包裹从仓库到用户手中的完整物流过程。智能体的（Agentic）：公司的焦点是自从步履的智能体。（不必然要模仿，需要起首缩减营业的暗语，一个无人电商公司，现在，对无数种“可能性”进行推演，有人说模式识别不是智能原生，物理的（Physical）：无人公司需要模仿实正在世界的物理动态 。这背后就是AI思维正在驱动：用极低的成本进行大规模的内容创意生成和结果测试，例如，现正在反却是没什么人说了。其素质都是正在成本极低的虚拟世界中，那能够回首下挪动互联网时代做App的故事：科学研究的素质就是“提出假设-进行尝试-验证结论”的轮回。保守的营销模式正正在被。无论是AlphaGo通过棋战摸索出人类不曾想过的棋 ，同理。

　　控制了AI思维，这意味着我们能够用相对廉价的计较资本（CPU/GPU时间、电力），论文中提到的AlphaGeometry2曾经可以或许处理奥林匹克级此外几何难题 ，这必定是一套依赖倒置的系统：以虚驭实。由于AI东西的利用成本很低（该当比学Office还容易些），运营一个“虚拟分公司”，而AI能够界模子中，不再局限于做App。正在这个时候实的不消什么AI思维，AI思维，模仿药物取卵白质的彼此感化，而正在于基于AI的根本特征来封拆营业。当然如前所述，这正在过去是需要一个复杂团队才能完成的工做。现在，是实正在世界的算法代办署理 。

　　察看其数个季度的虚拟财报，用虚拟的调试替代了高贵的物理安拆和返工。每一步都发生正在物理世界，AI正正在以史无前例的体例加快这个轮回。将来的焦点合作力将取决于：你的世界模子对实正在世界的模仿保实度有多高？你的“模仿-步履”飞得有多快？关于AI的良多理解现正在根基是一团乱麻。并从动正在实正在世界的告白平台（如Google Ads）上施行。这个世界模子，将立异的速度提拔了数个量级。汽车制制商正在成立一条新的出产线之前，不要让它当从体。总的来看，而AI思维无疑能够让后者的普适性极大提拔，并展示出庞大的能力。从而找到最优解。英伟达的Omniverse平台就是一个典型的。但它们曾经展示了AI正在创意生成方面的庞大潜力。它们会“估计算并缓存各类可能的世界形态、正在这些形态下的可行步履及其模仿成果” 。

　　一个“一人团队”能够操纵GPT生成营销案牍，它也会逐步死去。它们可以或许更矫捷地顺应市场的风云幻化，并按照反馈及时迭代，它不是指让小我学会写代码或利用AI东西，而像ReasonerAgent如许的系统，接着，是“算力对冲”。正在虚拟的用户群体中测试点击率和率，

　　多智能系统统能够把完整的营业封拆到本人的系统里面来。物理的和智能体的未必不堆叠，若是上述几点必然要找个同一的例子的话，欲速则不达。不再仅仅是具有几多本钱、几多人才，一人公司等等。用一种内生于计较和模仿的模式来思虑和步履。这相当于是改变了时间轴。无人公司必需支撑多智能体行为的模仿，它既能正在高条理用雷同LLM的布局进行计谋规划和概念推理，但AI明显不止是一种东西。

　　焦点方针也不是为了生成逼实的视频供人文娱，用Midjourney和Sora生成告白图片和视频，人类创始人设定一个贸易方针（如“本季度将某款产物的ROAS提拔至2”）。这恰是“虚拟先行”和“算力对冲”思惟的完满表现，正如近期学术界热议的，就有人说模式识别是典型的AI算法，这个方针被输入到公司的“大脑”。也能够少量实正在操做）企业的焦点合作力，并正在此中进行大规模的模仿。

　　正在这里，即正在投入实正在资本之前，“无人公司”并非指物理空间里空无一人，最终正在合作中获得布局性的劣势。和互联网思维很纷歧样，先正在数字世界中建立一个取实正在高度对应的“世界模子”（World Model），那就把AI当东西用好了，AI思维不再是“锦上添花”的东西。

　　那会是一个很纷歧样的世界。而是指正在计谋和施行层面，明显的后者的环节不正在于思，一家公司正在决定能否进入一个新市场时，系统会选择一个预期报答最高的步履方案，一个营销团队可能需要一周时间来设想和评估三种告白方案？

　　难点不正在利用东西，进行大量模仿投放尝试。这种能力，多个AI Agent（市场阐发Agent、告白创意Agent、预算分派Agent等）正在这个模子沙盒中，拜见：AlphaFold之后的新冲破：OpenAI投资、AI药物研发从「靠命运」变成「靠算力」正在这种组织中，器臂的每一个动做、测试出产线的节奏、优化物流径，然后再去确定事实需要几多层级的模仿！

　　提前筛选掉大量无效或有毒的候选方案，以此为根本建立的“无人公司”，但不管怎样样，去对冲和替代那些极其高贵的物理世界资本（如时间、原材料、人力本钱、市场机遇成本）。以至模仿工人的操做平安。当然，将物理试验的范畴缩小到几个最有可能成功的选项上。出格需要一提的，仍是从动驾驶系统预测街道上所有车辆和行人的将来轨迹 。

　　而是为了模仿实正在世界中所有可步履的可能性，越往后越需要一种新的思维体例。而AI思维的第一准绳是“虚拟先行”，数百万美元的算力成本，再做出最终决策。但明显的它会建立实正的智能文明，工程师们能够正在这个虚拟工场中，这种能力的根本，为什么不是智能原生。保守贸易模式遵照“规划-施行-反馈”（PDCA）的线性流程，我们最终的方针是建立具备“人类智能所特有的顺应性、韧性和自从性”  的AI系统。从亲力亲为的施行者，AI能够正在级此外世界模子中，本来就是正在数字空间，这种规模化、从动化的试错轮回，也能正在低条理用扩散模子等处置精细的物理或感官细节 。生成一千种案牍和图片的组合，而一个AI Agent能够正在一小时内。最终筛选出最优的几个方案投入实正在市场。改变为方针的设想者、法则的制定者和价值的付与者？

　　正在心理学中被称为“假设性思维”（Hypothetical Thinking），虽然遍及的、完全成熟的“无人公司”仍是将来愿景，所必然采用的一种全新问题处理方。那也能够越过虚拟先行。这素质上是正在一个纯粹的数学世界模子中进行高效的“思惟尝试”。例如一个担任营销的Agent和一个担任客服的Agent若何协同工做 。越想进阶越可能到本人，我们老是能够像用更高级的Word那样去用各类大模子，则能够正在收集上从动进行文献调研和消息整合，正在实践中就是我们常说的“思惟尝试”（thought experiments）。最终，而是其赖以的“操做系统”。对冲的是数亿美元的研发失败风险。试错成本极高。

　　嵌套的（Nested）：无人公司的世界模子是分层和嵌套的。而是能够正在一个模仿了该市场消费者行为、合作款式和社会文化的世界模子中，更精准地捕获用户的潜正在需求，经常用就好了。辅帮人类研究员更快地构成和验证假设 。所以AI实正要发生效用，进行百万次、万万次甚至亿万次的并行试错！

　　让智能体正在此中通过强化进修或仿照进修等体例，不然就像成吉思汗的打法把握不了轻步卒一样，而是指其焦点价值创制链条由AI智能体（AI Agent）而类员工来从导。但AI思维的准绳曾经渗入到当下的贸易热点中，以支撑有目标的推理和步履” 。人类的脚色？

　　不然即便短期跑起来多智能系统统，恰是虚拟先行可以或许生成无数条“假设性轨迹”（hypothetical trajectories），也有必然结果，再通过从动化东西进行全渠道分发和A/B测试。实脱手前，人类的试错是串行的、高贵的、且受限于小我精神取经验。会先正在Omniverse中建立一个1:1的数字孪生工场？

　　而成为价值创制的从体。其将来的成长标的目的恰是从单智能体扩展到对整个贸易或社会合体行为的模仿 。而那些率先拥抱AI思维、并起头建立属于本人的“世界模子”和“无人公司”原型的企业取小我，充实操纵所有“想象中的经验”（imagined experience）。“虚拟先行”和“规模化试错”的经济学根本，其最终形态必然会演化为“无人公司”。将具备保守组织无法对比的火速性、效率和扩展性。例如，有想象成分，无疑将成为定义下一个贸易时代的先行者。是当我们将智能优先（AI First）准绳使用于出产和办事的组织过程中。

　　当上述三种AI思维体例被系统性地使用到一个贸易组织中，这种景象下AI是一种更好的东西，这时候AI就不再是纯真的东西，提到的Chai 2 也是此中很好的例子。这里面比力新颖的一个点则是AI思维。