一個(gè)“沒(méi)學(xué)歷”的人戳破「AI神話」：“沒(méi)有10x工程師，大多數(shù)人只想朝九晚五、用AI摸魚(yú)”

作者 | JP Caparas 編譯 | 鄭麗媛

出品 | CSDN（ID：CSDNnews）

前段時(shí)間，一條關(guān)于 AI 的推文沖上了將近百萬(wàn)的瀏覽量。

沒(méi)有煽情，沒(méi)有段子，只有六條冷冰冰的 Bullet Point（項(xiàng)目符號(hào)）。

發(fā)帖人是Dax Raad—— 一個(gè)自學(xué)成才的開(kāi)發(fā)者，開(kāi)源圈“高產(chǎn)到離譜”的構(gòu)建者，也是那個(gè)能讓你通過(guò) SSH 在終端里下單買(mǎi)咖啡的極客老板。他沒(méi)有進(jìn)行情緒宣泄，只是針對(duì)“AI 正在對(duì)軟件團(tuán)隊(duì)做什么”這個(gè)問(wèn)題，給出了一份冷靜到近乎冷酷的“診斷報(bào)告”：

• 你的公司本來(lái)就沒(méi)那么多好點(diǎn)子，過(guò)去“實(shí)現(xiàn)想法成本高”反而是件好事。

• 大部分員工根本沒(méi)有超強(qiáng)動(dòng)力，他們只想朝九晚五，然后回家過(guò)自己的生活。

• 他們用 AI 不是為了讓效率提升 10 倍，只是為了用更少精力把任務(wù)糊弄完。

• 團(tuán)隊(duì)里那 2 個(gè)真正在做事的人，會(huì)被所有人產(chǎn)出的 AI 垃圾代碼淹沒(méi)，很快就會(huì)離職。

• 哪怕你產(chǎn)出再快，還是會(huì)被會(huì)被流程、審批和上線真實(shí)產(chǎn)品的一堆現(xiàn)實(shí)問(wèn)題卡脖子。

• 你的 CFO 一臉懵：為什么每個(gè)工程師每月要多花 2000 美元在 LLM 賬單上？

赤裸裸的真相，像一顆已經(jīng)拔掉保險(xiǎn)栓的手雷。不出所料，評(píng)論區(qū)徹底分裂：一邊是“終于有人說(shuō)真話了”，另一邊是感覺(jué)“被精準(zhǔn)點(diǎn)名攻擊”。

但真正值得注意的是：這些話，并非只是情緒宣泄。他說(shuō)的幾乎每一條，都能在學(xué)術(shù)論文或產(chǎn)業(yè)級(jí)數(shù)據(jù)中找到對(duì)應(yīng)證據(jù)。接下來(lái)，我們就把這條推文拆開(kāi)，逐條對(duì)照。

一個(gè)“沒(méi)學(xué)歷”的人，為什么有資格說(shuō)這話？

如果你不在 JavaScript / TypeScript 生態(tài)，可能對(duì) Dax 不熟，但你大概率用過(guò)他做的東西，或者用過(guò)基于他工具構(gòu)建的產(chǎn)品。

Dax Raad是一個(gè)非常標(biāo)準(zhǔn)的自學(xué)開(kāi)發(fā)者：12、13 歲開(kāi)始寫(xiě)游戲，沒(méi)有計(jì)算機(jī)科學(xué)學(xué)位、也沒(méi)有什么名校光環(huán)，高中自學(xué) Web 開(kāi)發(fā)，然后一路“持續(xù)產(chǎn)出”。

他與 Jay Fan、Frank Wang 共同創(chuàng)辦了SST（Serverless Stack），一個(gè)構(gòu)建 AWS 全棧應(yīng)用的開(kāi)源框架，在 GitHub 上拿下 2.5 萬(wàn)+ Star，并完成約 400 萬(wàn)美元融資，其投資人包括：

• Nat Friedman（前GitHub CEO）

• Guillermo Rauch（Vercel 創(chuàng)始人）

• Sahil Lavingia（DOGE 創(chuàng)始人）

• Amjad Masad（Replit 聯(lián)合創(chuàng)始人兼 CEO）

后來(lái)，他又推出了OpenCode（一個(gè)開(kāi)源 AI Coding Agent），GitHub Star 一度沖到 10 萬(wàn)級(jí)，成為增長(zhǎng)最快的開(kāi)源 AI 編碼項(xiàng)目之一；還做了 OpenAuth、自托管認(rèn)證系統(tǒng)、終端 TUI 庫(kù)。

然后，他又搞了一個(gè)更離譜的項(xiàng)目：terminal.shop——一個(gè)通過(guò) SSH 購(gòu)買(mǎi)咖啡的網(wǎng)站，上線當(dāng)天就沖到 Hacker News 第一名，代碼全開(kāi)源。

但他的 Twitter 簡(jiǎn)介里只字未提這些，TikTok 簡(jiǎn)介也只是：“你好，我是 Dax，聊點(diǎn)技術(shù)。”好幾檔 YouTube 訪談都評(píng)價(jià)他 “人非常有趣、好相處”，開(kāi)發(fā)者社區(qū)對(duì)他的評(píng)價(jià)也是：“chill”（佛系、好說(shuō)話）。

這個(gè)人，完全有資格發(fā)這條推文——為什么？因?yàn)樗钦娴脑谧鰱|西、發(fā)版本、親眼看著 AI 注入研發(fā)流程后到底發(fā)生了什么。當(dāng) AI 真正進(jìn)入開(kāi)發(fā)流程，他是第一批被正面沖擊、也是第一批觀察到副作用的人。

“公司很少有好想法，實(shí)現(xiàn)成本高反而是好事”

這是最讓很多人破防的一點(diǎn)，卻也是研究支撐最扎實(shí)的一點(diǎn)。

2019 年，研究者 Acar、Tarakci 和 van Knippenberg 在《管理期刊》發(fā)表了對(duì) 145 項(xiàng)實(shí)證研究的元分析，主題是約束與創(chuàng)造力的關(guān)系。結(jié)論：兩者呈倒 U 型曲線。適度約束帶來(lái)最佳創(chuàng)造力，約束太少或太多都會(huì)扼殺創(chuàng)新。

《哈佛商業(yè)評(píng)論》總結(jié)得很直白：

個(gè)人、團(tuán)隊(duì)和組織，都能從適量的約束中受益。只有當(dāng)約束過(guò)高時(shí)，才會(huì)壓制創(chuàng)造力與創(chuàng)新。

以前做一個(gè)功能如果要兩周研發(fā)時(shí)間，你會(huì)認(rèn)真思考：它值不值得做。這種摩擦不是 bug，而是一種過(guò)濾器。

Mehta 和 Zhu 在 2016 年《消費(fèi)者研究期刊》發(fā)表的論文中表示：哪怕只是想到資源稀缺，都不用真的稀缺，就能減少認(rèn)知固著，提升創(chuàng)造力。畢竟稀缺會(huì)激活一種思維模式，逼你更深地探索，而富足只會(huì)讓人變懶。

如果你是工程師，讀到這里大概率會(huì)點(diǎn)頭：我們其實(shí)都有些懷念那種“折騰”的感覺(jué)。Jessica Abel 創(chuàng)造了一個(gè)詞叫idea debt（想法債），能精準(zhǔn)描述這種狀態(tài)：花在幻想東西有多酷的時(shí)間，遠(yuǎn)多于把它做好的苦功夫。

可當(dāng) AI 令實(shí)現(xiàn)成本幾乎為零，想法債就會(huì)爆炸式增長(zhǎng)——東西老是做一半，沒(méi)人能把它都做到完美。

例如，GitClear 2025 年對(duì) 2.11 億行代碼變更（來(lái)自 Google、Microsoft、Meta 倉(cāng)庫(kù)）的分析顯示：代碼重構(gòu)（優(yōu)化現(xiàn)有代碼，而不是只寫(xiě)新代碼）的比例，從 2021 年的 25% 暴跌到 2024 年的不足 10%。

我們寫(xiě)得更多，但改得更少了。Tailwind CSS 作者 Adam Wathan 對(duì)《Pragmatic Engineer》說(shuō)的話，無(wú)意中印證了 Dax 的觀點(diǎn)：

我現(xiàn)在最大的問(wèn)題是：想不出非常有價(jià)值的想法，能完全利用 AI 帶來(lái)的效率提升。

約束已經(jīng)從「我們能不能做出來(lái)？」變成了「我們應(yīng)不應(yīng)該做？」——而絕大多數(shù)公司，根本沒(méi)有能力回答第二個(gè)問(wèn)題。

“大部分員工只想朝九晚五，沒(méi)動(dòng)力拼命”接下來(lái)這句話更現(xiàn)實(shí)：“大多數(shù)員工只想朝九晚五。”

根據(jù)蓋勒普《2025 全球職場(chǎng)狀態(tài)報(bào)告》顯示：全球只有21%的員工算得上是敬業(yè)的，62% 都不敬業(yè)、能摸魚(yú)就摸魚(yú)，還有 17% 更是極度不敬業(yè)，幾乎是跟公司對(duì)著干。

也就是說(shuō)，全球 79% 的打工人都在摸魚(yú)底線和消極怠工之間徘徊。不過(guò)，這不是啥新鮮事，幾十年來(lái)一直都這樣，2024 年的數(shù)據(jù)比 2023 年還降了 2 個(gè)百分點(diǎn)，跌幅堪比疫情期間。

光看美國(guó)，2024 年員工敬業(yè)度就跌到了 31%，創(chuàng) 10 年新低。蓋勒普把這個(gè)時(shí)期稱為：“大脫離時(shí)代”。那現(xiàn)在，我們把 AI 工具扔進(jìn)去：一個(gè)本來(lái)就不敬業(yè)的員工，拿到一個(gè)能省力交差的工具，他會(huì)做什么？ 答案很顯然：用更少力氣，交差不多的差。他們不會(huì)變成 10 倍工程師，只是變成看起來(lái)忙兩倍、實(shí)際速度慢一半的普通工程師。 安永 2025 年《工作重塑調(diào)查》顯示：88% 的員工在工作中用 AI，但其中只有5%在用高級(jí)能力，剩下的 83% 只在做基礎(chǔ)搜索和總結(jié)——這就像用 F1 賽車去超市買(mǎi)菜。

諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主 Herbert Simon 把這種行為稱為“滿意即可（satisficing）”——人類天生傾向于選擇 “夠用就行” 的方案，而不是最優(yōu)解。而 AI 讓“夠用就行”變得極易達(dá)到，導(dǎo)致大多數(shù)人就直接停在這里，背后邏輯很簡(jiǎn)單：質(zhì)量不變、精力更少、準(zhǔn)點(diǎn)下班。

“大家用 AI 不是為了變強(qiáng)，是為了省力劃水”

2025 年 7 月，非營(yíng)利研究機(jī)構(gòu)METR做了一項(xiàng)隨機(jī)對(duì)照試驗(yàn)，讓 16 名資深開(kāi)源開(kāi)發(fā)者處理 246 個(gè)真實(shí)問(wèn)題。

結(jié)果顯示：用 AI 的開(kāi)發(fā)者，比不用的慢了 19%。

更讓技術(shù)管理者頭皮發(fā)麻的是：

• 實(shí)驗(yàn)前：開(kāi)發(fā)者認(rèn)為 AI 能讓自己快 24%

• 實(shí)驗(yàn)后：明明變慢了，他們還是覺(jué)得自己快了 20%——認(rèn)知偏差高達(dá) 43 個(gè)百分點(diǎn)。

咨詢公司 Substantial 的開(kāi)發(fā)者 Mike Judge 獨(dú)立復(fù)現(xiàn)了這個(gè)結(jié)論：為期 6 周的自我實(shí)驗(yàn)，拋硬幣決定是否用 AI，并嚴(yán)格計(jì)時(shí)：結(jié)果AI 讓他的任務(wù)耗時(shí)中位數(shù)增加 21%。

他說(shuō)的一句話值得裱起來(lái)：“你只記得那些一把成的高光時(shí)刻，卻忘了自己像在老虎機(jī)上塞代幣一樣，干坐兩小時(shí)調(diào)提示詞。”

不僅如此，2023 年《Science》上 Noy 和 Zhang 的研究也指出：

ChatGPT 在很大程度上只是替代了員工的努力，而不是補(bǔ)充員工的技能。

高能力開(kāi)發(fā)者能保持質(zhì)量、稍微提速，然后把省下來(lái)的時(shí)間摸魚(yú)；而低能力開(kāi)發(fā)者質(zhì)量提升，是因?yàn)?AI 替他們思考。

這兩組人都沒(méi)有最大化產(chǎn)出，都處于“滿意即可”的狀態(tài)。

最致命的數(shù)據(jù)來(lái)自 Humlum & Vestergaard 2025 年 NBER 工作論文。他們用丹麥大規(guī)模勞動(dòng)力數(shù)據(jù)研究了 11 個(gè)受 AI 影響的崗位，發(fā)現(xiàn)：AI 聊天機(jī)器人對(duì)收入、工時(shí)、職業(yè)流動(dòng)影響“幾乎可以忽略”——員工只是把省下來(lái)的時(shí)間用來(lái)休息、摸魚(yú)，而不是提升產(chǎn)出。

“團(tuán)隊(duì)里那兩個(gè)真正干活的人，會(huì)被垃圾代碼淹沒(méi)，很快離職”

“Slop”一詞被韋氏詞典評(píng)為2025 年度詞匯。這個(gè)詞最早是 4chan 上的黑話，在 2024 年中被程序員 Simon Willison 推廣到主流語(yǔ)境，大概意思是：“通常由 AI 批量生成的、低質(zhì)量的數(shù)字內(nèi)容”。

韋氏詞典指出，這個(gè)詞的語(yǔ)氣“不那么恐怖，更多是嘲諷”——挺貼切的，畢竟現(xiàn)在的代碼質(zhì)量數(shù)據(jù)，確實(shí)值得被狠狠嘲諷。

據(jù)了解，CodeRabbit 分析了 470 個(gè) PR 后發(fā)現(xiàn)：AI 輔助 PR 的問(wèn)題數(shù)量是人工編寫(xiě)的1.7 倍；邏輯正確性問(wèn)題增多了1.75 倍；安全漏洞也多出了1.57 倍——至于AI 唯一占優(yōu)的維度，只有拼寫(xiě)檢查。

另一篇 2025 年發(fā)表在 arXiv、經(jīng)過(guò)同行評(píng)審的 Cursor AI 研究也顯示：雖然第一個(gè)月代碼新增行數(shù)暴漲3～5 倍，但靜態(tài)分析警告增加30%，代碼復(fù)雜度上升41%。到了兩個(gè)月后，所謂的效率提升完全消失，堆積的技術(shù)債務(wù)開(kāi)始拖垮整個(gè)項(xiàng)目。

Faros AI 對(duì) 1255 個(gè)團(tuán)隊(duì)、超過(guò) 1 萬(wàn)名開(kāi)發(fā)者進(jìn)行了數(shù)據(jù)分析，結(jié)果也堪稱毀滅性：

• 單個(gè)開(kāi)發(fā)者用 AI 完成的任務(wù)量+21%

• 但代碼評(píng)審時(shí)間+91%

• PR 體積+154%

• 線上 Bug+9%

一句話總結(jié)就是：任務(wù)變多了，Bug 變多了，收拾爛攤子的人評(píng)審時(shí)間翻倍了。

《哈佛商業(yè)評(píng)論》與斯坦福 BetterUp 實(shí)驗(yàn)室為此創(chuàng)造了一個(gè)詞：workslop，指這種低質(zhì)量 AI 生成內(nèi)容，平均每處理一次就要耗費(fèi)近兩小時(shí)。他們估算：對(duì)一家 1 萬(wàn)人規(guī)模的公司來(lái)說(shuō)，每年會(huì)因此損失約900 萬(wàn)美元。

再說(shuō)回 Dax 所說(shuō)的“團(tuán)隊(duì)里那兩個(gè)真正干活的人”。

HBR 在 2024 年 10 月報(bào)道：高績(jī)效員工的生產(chǎn)力通常是普通員工的 4 倍，在軟件開(kāi)發(fā)領(lǐng)域甚至能達(dá)到8 倍；凱洛格管理學(xué)院的研究發(fā)現(xiàn)：坐在低績(jī)效員工旁邊，生產(chǎn)力會(huì)直接被拉低30%；Workday《2025 全球勞動(dòng)力報(bào)告》顯示：所有行業(yè)的高績(jī)效人才流失率都在上升，零售業(yè)同比暴漲64%；倫敦政治經(jīng)濟(jì)學(xué)院 LSE 商業(yè)評(píng)論記錄了這種連鎖反應(yīng)：一個(gè)高手走，會(huì)帶動(dòng)更多高手一起走。

你手下最優(yōu)秀的人不是瞎子。他們看得見(jiàn)滿屏的 slop 垃圾代碼，看得見(jiàn)評(píng)審隊(duì)列暴增三倍，看得見(jiàn)初級(jí)開(kāi)發(fā)者扔過(guò)來(lái)的 AI 代碼，評(píng)審比自己重寫(xiě)還慢——所以，他們默默更新了 LinkedIn 資料。

在行業(yè)里摸爬滾打 35 年的老兵 Kin Lane 說(shuō)得很直白：

在我 35 年科技生涯里，從沒(méi)見(jiàn)過(guò)這么短時(shí)間內(nèi)，造出這么多技術(shù)債。

“哪怕你產(chǎn)出再快，還是會(huì)被會(huì)被流程、審批和上線問(wèn)題卡死”

這就是阿姆達(dá)爾定律（Amdahl’s Law），從 1967 年就擺在我們面前。阿姆達(dá)爾定律的核心是：優(yōu)化系統(tǒng)某一部分帶來(lái)的整體加速，將受限于這部分原本占總時(shí)間的比例。

微軟研究院 2025 年的“Time Warp”研究，對(duì) 484 名開(kāi)發(fā)者做了時(shí)間統(tǒng)計(jì)：寫(xiě)代碼只占 11% 的時(shí)間 —— 所以，哪怕 AI 把寫(xiě)代碼做到光速，理論上整體效率提升上限也只有 11%。

而且，這是天花板，不是地板，也不是平均值，就是 AI 寫(xiě)代碼快到極限，你也只能摸到這個(gè)頂。

2026 年 1 月，Rob Bowley 一篇詳盡的歷史分析總結(jié)道：編碼從來(lái)都不是軟件交付的核心瓶頸，最近不是，過(guò)去十年不是，在整個(gè)軟件工程歷史上都不是。

Atlassian 在《2025 開(kāi)發(fā)者體驗(yàn)報(bào)告》列出了 Top 6 的“時(shí)間殺手”：查找信息、學(xué)習(xí)新技術(shù)、上下文切換、方向不清晰、協(xié)作內(nèi)耗、技術(shù)債務(wù)——你發(fā)現(xiàn)少了什么嗎？根本沒(méi)有“代碼寫(xiě)太慢”這一點(diǎn)。

業(yè)界最權(quán)威的 DORA 2024 報(bào)告（覆蓋 3.9 萬(wàn) + 專業(yè)人士）也顯示：AI 普及后，交付吞吐量反而下降約 1.5%，穩(wěn)定性下降 7.2%。該報(bào)告中進(jìn)一步指出：

• 17% 的團(tuán)隊(duì)被流程卡死：冗長(zhǎng)會(huì)議、層層審批扼殺效率

• 11% 的團(tuán)隊(duì)困在歷史遺留系統(tǒng)里不停救火

LinearB 也對(duì) 400 多個(gè)團(tuán)隊(duì)進(jìn)行了分析：67% 開(kāi)發(fā)者用 AI 寫(xiě)代碼，但合并審批仍有77% 靠人，安全評(píng)審 AI 使用率僅15%，線上問(wèn)題調(diào)試 AI 使用率僅12%。

瓶頸已經(jīng)從AI 能加速的地方，轉(zhuǎn)移到了AI 完全碰不到的所有地方 ——開(kāi)發(fā)者需要的不是 AI 幫寫(xiě)代碼，而是別再讓他們陷在無(wú)窮無(wú)盡的隊(duì)列里。

“CFO：為什么每人每月要多花 2000 美元的 LLM 費(fèi)用？”

GitHub Copilot Enterprise 每月 39 美元 / 人，100 人團(tuán)隊(duì)一年就是46800 美元。再加上 Cursor 20 美元、AI 代碼評(píng)審、AI 測(cè)試、Claude/GPT API、Microsoft 365 Copilot 30 美元……

LinearB 數(shù)據(jù)顯示，現(xiàn)在團(tuán)隊(duì)平均使用4.7 個(gè) AI 工具。對(duì)一個(gè)配置齊全的研發(fā)團(tuán)隊(duì)來(lái)說(shuō)：每人每月 2000 美元 AI 成本，一點(diǎn)不夸張，甚至還有點(diǎn)保守了。

而 Dax 這句話之所以扎心，是因?yàn)?CFO 真的在問(wèn)這個(gè)問(wèn)題。Emburse/Talker Research 對(duì) 1500 位財(cái)務(wù)與 IT 負(fù)責(zé)人調(diào)查：

• 58% 認(rèn)為 AI 采購(gòu)比其他軟件更容易獲批

• 62% 承認(rèn)會(huì)特意把普通軟件包裝成 AI 項(xiàng)目，只為拿到預(yù)算

在此背景下，AI 成了“2025 年預(yù)算綠色通道”——但問(wèn)題來(lái)了：回報(bào)呢？

BCG 2025 年 CFO 調(diào)研顯示：AI 投資中位數(shù) ROI 只有 10%，近 1/3 財(cái)務(wù)負(fù)責(zé)人認(rèn)為幾乎沒(méi)收益。Gartner 更是直接把 2026 年定義為 AI 的“幻滅低谷期”：大家將從狂熱，轉(zhuǎn)向要可衡量的回報(bào)。

MIT 媒體實(shí)驗(yàn)室報(bào)告：95% 的企業(yè)看不到可衡量的 AI 投資回報(bào)。Gartner 曾預(yù)測(cè) 2025 年底 30% 生成式 AI 項(xiàng)目會(huì)被放棄，而實(shí)際放棄率高達(dá)42%。

IDC 預(yù)測(cè)：到 2028 年，所有全球百?gòu)?qiáng)企業(yè)，僅在 AI 治理工具上，每年至少花 200 萬(wàn)美元。注意，不是花在 AI 本身，而是花在“管理 AI 的軟件”上。

最終結(jié)論：這不是反 AI，而是反幻覺(jué)

Dax 的那條推特，本質(zhì)上是一份診斷書(shū)。每一條觀點(diǎn)，都對(duì)應(yīng)著：同行評(píng)審學(xué)術(shù)研究、大規(guī)模行業(yè)數(shù)據(jù)，或兩者兼具。

• 約束與創(chuàng)造力的悖論，來(lái)自 145 項(xiàng)研究的元分析

• 員工敬業(yè)度數(shù)據(jù)，來(lái)自蓋洛普幾十年全球樣本

• “省力劃水”模式，由諾貝爾獎(jiǎng)理論 + 隨機(jī)對(duì)照實(shí)驗(yàn)雙重驗(yàn)證

• 代碼質(zhì)量下滑，基于 2.11 億行代碼審計(jì)

• 流程瓶頸，從 1975 年就寫(xiě)在軟件工程教科書(shū)里

• CFO 的焦慮，出現(xiàn)在 BCG、Gartner、Emburse 每一份企業(yè)報(bào)告中

而 Dax 想說(shuō)的，并不是AI 沒(méi)用，而是：AI 只是工具，工具只會(huì)放大原有系統(tǒng)的狀態(tài)。

把電鋸交給有序運(yùn)作的伐木隊(duì)，效率會(huì)飛升；但把電鋸丟進(jìn)一群本來(lái)就協(xié)作混亂、大部分人摸魚(yú)、代碼寫(xiě)不明白、還要過(guò)十幾層審批的組織里，結(jié)果就是 Dax 描述的樣子：代碼更多、質(zhì)量更爛、評(píng)審人員精疲力盡、頂尖人才流失、CFO 血壓飆升，所有人還被工具忽悠著，以為自己變快了。

至于 Dax 的這條推文被瘋狂轉(zhuǎn)發(fā)和關(guān)注，或許本身就是一種認(rèn)同：“我的圈子必須看到這個(gè)。”

原文鏈接：https://medium.com/reading-sh/dax-raad-just-dropped-the-most-honest-take-on-ai-productivity-fd8c552b4dd7

未來(lái)沒(méi)有前后端，只有 AI Agent 工程師。

這場(chǎng)十倍速的變革已至，你的下一步在哪？

4 月 17-18 日，由 CSDN 與奇點(diǎn)智能研究院聯(lián)合主辦「2026 奇點(diǎn)智能技術(shù)大會(huì)」將在上海隆重召開(kāi)，大會(huì)聚焦 Agent 系統(tǒng)、世界模型、AI 原生研發(fā)等 12 大前沿專題，為你繪制通往未來(lái)的認(rèn)知地圖。

成為時(shí)代的見(jiàn)證者，更要成為時(shí)代的先行者。

奇點(diǎn)智能技術(shù)大會(huì)上海站，我們不見(jiàn)不散！