都能說「I can」，但如何回答「why me」？

從生態說起

封面這張圖，是我上周六參加 MiniMax 北京場 DevMeetup 的時候拍的，當時做了場分享《奇觀時代：我們應該 build 什么》

所謂奇觀時代，是「Agent 的能力越來越強，人人都能造奇觀」，在生產力大爆發時代，大家都能說 I can，但越來越難回答 why me

很顯然，我是文明玩家，也是p社玩家

那么，在這個時代，我們可以怎么做呢？我的想法是不執著于每次 build 出來的產品，而是通過 build 進入生態、獲取認可，然后與行業一同發展

這些想法一直縈繞在心頭，但卻也不甚清晰：都能造東西，憑什么機會給你？

適逢上周 MiniMax 發布了視頻模型 h3，很多國內外開發社區里的開發者、創作者已經有了豐富探索。這些驚艷的工作，一直在刺激著我的大腦皮層，想法才逐漸清晰了下來，也便記錄于此

折騰的權利

對比與成品模型，開源給人們最大的權利，我能隨意的「調用、魔改」并且沒有很多詭異的約束，比如來生成個寶可夢

作為更多例證，H3 開源一周，B 站和 YouTube 上冒出來大量技術內容，各種語言都有，量化、LoRA 加速、工作流封裝、顯卡適配

也比如有 UP 做了一套加速 LoRA 和雙時鐘采樣器，把原本二十步左右的采樣壓到四步出片

YouTube 上一個叫 Tensor Alchemist 的創作者，去測了 H3 在 8GB 顯存上跑 FP8 和 INT8 的效果對比，評論區一堆人跟著復現，同一時間，也有許多韓語、日語、西班牙語的部署教程...技術無國籍的具像化了算是

而官方也在此間開了一場 AMA，要點如下，不贅述了：

恍惚間我想到了三年前 ControlNet，當時張呂敏還是斯坦福在讀，一個人寫了個方法，改了整個圖像生成的工作流，后來的事情大家都知道了：ControlNet 成為了當時幾乎每個圖像生成工具的基礎組件

當然，我不是在說天才的敘述，而是想表達：當一個東西足夠開放，你根本不知道誰會在上面做出什么來

生產可以不是閉門造車，而是變成一個開放的、可疊加的過程

開放，是一種身位

前幾天的時候，我在 AGI Bar 部署了兩臺 DGX Spark，給大家提供免費無限量的 Token，反響還算不錯，引起了不少討論

但網上也有一些聲音問道：這怎么賺錢？是不是參了點不純的？...我上面確實也提供了免費的老北京豆包

...這些質疑在我看來挺離譜的，這種東西就是提供一個由頭讓大家相聚，在一個生態環境，能一起把更多的事情做好

大家都說 Token 以后會變成水電網一樣的基礎設施，咱們把推理盒子理解成一個大點的路由器就好了...路由器需要什么商業模式？

而我只是負責把這些東西裝起來，開了個內網接口而已，并沒啥；

其實我還打算把 H3 部署上去，畢竟剛剛英偉達的 SANA 團隊，主動給 H3 做了推理加速，在 DGX Spark 上實現了 3.92 倍加速，在 RTX 5090 上 4.52 倍

模型是開放的，所以所有人都有資格在上面 Build，每一個 Builder 都在擴大這個模型的生態邊界

還有一點，就是合規

今天頭部視頻模型的質量都很好，但在自由度上都必須有很大的取舍，比如如果想生成寶可夢，各種閉源模型一定做不到，它會從風控的角度直接把內容卡掉...甚至寶可夢公司自己，也不能生成自己的版權內容

這算不算一種荒誕？合規保護了版權，但連版權所有者自己都失去了操作空間。開源沒有這個問題。開源模型只負責提供能力，不負責判斷你的意圖

一路而來的人

回到本文標題：大家都能說 I can，但越來越難回答 why me

這個標題是來自于tianzhou，我覺得非常有道理

首先得承認：你哪有 Fable 聰明？哪有 GPT 聰明？...你和 xx 一樣聰明

以前缺的是技能與執行，而現在許個愿就能有了，大家都是 Agent 干活，那么為什么是交給你的 Agent 干活？我覺這是一個必須要回答的問題

對此我是覺得：去做模型生產不出的東西，比如信任

模型可以生產代碼、圖像、視頻，但它生產不了信任，大家都知道你是誰，知道你做過什么

之前有個段子“在 AI 領域，只要你學的足夠慢，就啥也不用學了”

這話有玩笑的成分，但也不全是。過去幾年，我們見過太多生態起起落落，比如 WebUI、GPTs、Stable Diffusion...等等等等，這些現在多半退了環境。幸災樂禍的人說：我就說吧，這些東西沒用

但你仔細去看今天那些在各領域做出真正成果的人，幾乎全是當初在這些生態里折騰過的老手。為什么？手感這東西，真沒法速成

你今天打開一個視頻 Agent 工具，可能覺得也就那么回事：不就是對著一個 chatbot 的許愿嗎？但如果你從 Stable Diffusion 那個時代就開始折騰，你會知道：一致性為什么難做，LoRA 到底是用來解決什么問題的，txt2img 和 img2img 的邊界在哪里，為什么同樣的提示詞在不同模型上差那么多？

AI 使用工具這件事，很多人覺得：不就是個 MCP 嗎？但我們是如何走到這一步的？

最早的時候，是有人發現可以誘導模型生成結構化文本，比如 XML。然后這些技巧被驗證可行，接著被訓進模型里，有了 function calling、json mode、struct output。再往后才有了 MCP、Skill、A2A 這些標準化的協議和框架

以往，我們的每一次進步，都是都是有人卡住然后想辦法繞過去，再把解法分享出來...就這么一層層堆起來的

我常說 AI 時代要練出我們的內功與外功：內功是你自己知道原理，知道什么能做什么不能做，知道怎么調度。外功是別人知道你的功底，知道生態里的種種是你做的，知道你是值得信任的，知道你能 Build

最后

開源這個動作，本身很難直接給企業帶來即時的財務回報，這回避不了。但它對整個行業的價值，那是難以估量的

我特別喜歡黃宗羲的一段話，也時常用以自省：大丈夫行事，論是非，不論利害；論順逆，不論成敗；論萬世，不論一生

對于喜歡折騰的人來說，能夠在一個不斷生長的東西里，留下了自己的痕跡，然后看到不斷有人繼續建設，這才是生態真正的魅力