本地AI杀疯了！ClaudeCode本地运行，OpenAI云端策略要凉？

文 | 环球

编辑 | 小策

OpenAI的o3模型突然火了，不是因为参数又变大了，而是它用了个叫RLVR的新技术。

这玩意儿跟以前的AI训练方法完全不是一回事，以前是人工教机器做题，现在机器自己就能在虚拟环境里试错，找到最优解。

这技术去年底在o1模型里就露过脸，当时没多少人当真。

没想到才过几个月，o3直接来了个能力大跃迁，搞得整个行业都在研究这玩意儿。

DeepSeek团队发的R1论文里就拆解过，机器自己会设计推理路径，走不通就回头换条路，跟人解数学题思路有点像。

这项技术不光改变了训练方法，连算力使用都跟着变了。

以前大家比谁的模型参数多，现在风向转了，开始拼训练时长和推理阶段的算力分配。

有人发现，推理时多投入点算力，AI的表现能提升一大截，成本反而降了不少。

不同公司的应对策略也挺有意思。

OpenAI还是抱紧云端不放，Anthropic却另辟蹊径，搞出个ClaudeCode能在本地跑。

本地运行有三大好处，隐私不用愁，能跟设备环境深度整合，响应还贼快。

这两种路线到底谁能笑到最后，现在还不好说。

AI的能力分布也越来越奇怪，业内管这叫"锯齿状智能"。

就是说同一个模型，有时候聪明得吓人，有时候又蠢得让人无语。

比如能解高等数学题的AI，可能连简单的常识问题都答错，这种反差感特别明显。

为啥会这样？有专家分析，这跟AI的本质有关。

以前我们总把AI比作"召唤幽灵"，现在发现更像"培育动物"，它的智能是在数据里泡出来的，不是真的理解世界。

跟人脑比，结构、数据、目标都不一样，表现自然就不稳定。

这种不稳定让评估体系彻底歇菜了。

以前搞的那些基准测试，现在AI都能针对性"刷题"，成绩好看但实战不行。

行业里悄悄流行起"测试集培育"，就是专门针对测试数据优化模型，结果搞得测试失去意义。

真实场景评估倒是个新方向。

有团队尝试把AI扔到复杂环境里，比如让它独立完成一个项目，从规划到执行全流程跟进。

这种评估虽然麻烦，但至少能看出真本事，比纸上谈兵靠谱多了。

应用层面的变化更让人眼花缭乱。

最火的要数Cursor，一个代码编辑器把AI能力封装得明明白白，程序员用起来贼顺手。

现在各个行业都在抄作业，想做出"XX领域的Cursor"，把AI能力变成普通人也能用的工具。

编程这块的变化最大。

现在流行一种叫VibeCoding的模式，直接用自然语言描述需求，AI就能生成代码。

专业开发者和普通用户的界限越来越模糊，有人开玩笑说，以后会不会写代码不重要，会不会描述需求才重要。

软件生命周期也跟着变碎片化了。

以前开发个软件要大张旗鼓搞很久，现在小团队甚至个人就能快速迭代，用完即弃的小程序越来越多。

这种快速周转的模式，让整个行业的节奏都快了不少。

别看现在AI炒得火热，真实利用率其实不到一成。

大部分企业买了AI工具，也就用用最基础的功能。

要想把技术潜力挖出来，安全、可解释性、鲁棒性这些硬骨头还得啃。

这些工作看着不起眼，却是决定AI能走多远的关键。

人机协作的新模式也在慢慢成型。

不是AI取代人，也不是人监督AI，而是两者各干各的强项。

AI擅长处理重复性工作和复杂计算，人则负责创意、判断和决策。

这种分工合作，可能才是未来的主流形态。

不同规模的公司玩法也不一样。

大公司掌握基础模型，小公司就深耕应用层，把AI能力拆解成一个个小工具。

这种分工有点像手机行业，有人做芯片，有人做APP，最后受益的还是普通用户。

普通人最关心的，可能还是AI到底能帮自己做啥。

现在看来，每个领域都在出现能力封装的工具，设计、写作、数据分析这些工作，以后可能都有专属的AI助手。

关键是找到适合自己的工具，把AI变成生产力。

当然挑战也不少。

AI犯起错来有时候特别离谱，而且还不知道自己错了。

怎么让AI更可靠、更透明，让普通人用得放心，这些都是亟待解决的问题。

这行现在最缺的不是酷炫的演示，而是踏踏实实的基础工作。

技术发展这么快，有人担心自己会失业。

其实大可不必，AI更像是个超级助手，能把人从繁琐工作里解放出来。

以后的核心竞争力，可能是你能不能用好这些AI工具，能不能提出有价值的问题。

行业里有种说法，可能是AI真正实用化的元年。

基础技术的突破，加上应用生态的成熟，让AI终于能落地解决实际问题。

但这只是开始，要走的路还长着呢。

不同国家的发展路径也不太一样。

美国在基础研究领先，中国在应用落地方面进展很快，欧洲则更关注隐私和伦理。

这种差异化竞争，反而可能促进整个行业的健康发展。

最后想说，AI不是什么神秘黑科技，它更像是一种新的基础设施。

就像当年的电力和互联网，刚开始大家也不知道能干嘛，慢慢才渗透到生活各个角落。

现在的AI，可能正处在那个即将爆发的临界点上。

普通人该怎么应对？其实很简单，保持好奇心，多动手试试。

现在很多AI工具都免费开放，亲自用一用，比听多少分析都管用。

毕竟，未来的人机协作，说到底还是人与人之间的协作。