我们正处于一个由巨头补贴、由纯净数据滋养的”AI黄金窗口期”。而这个窗口，可能正悄然闭合。以下是作者在3月6日马大华文学会40周年纪念晚宴时，与朋友们分享的个人科技见解：
（1）AI已经可以生成媲美，甚至超越一般麦肯锡公司（McKinsey & Company）和波士顿咨询集团（Boston Consulting Group）咨询师水平的文案、PPT演示文稿和企划书。
（2）AI目前最大的局限与痛点，是缺乏端到端（end-to-end）的连贯性（coherence）。这一弱点在影片生成中尤为明显。例如，第一个视频帧（video frame）的细节，如果未能在后续帧（frame）中持续正确呈现，最后几个帧（frame）往往会出现人物、物件或背景细节的不一致。不过，人类可以作为修正、补足和监督AI执行方案连贯性的协作者与监督者。换句话说，人类的价值正在从”生产内容”，转向”确保系统连贯”。
（3）现在正是应用AI的最佳时机，但最好建立传统方案与AI方案并行的双轨制。当AI现下既便宜又高效的红利逐渐消退（例如政府、投资者、科技巨头、主权基金、私募基金等不再大力注资补贴之后），人们仍可以随时回归（fallback）传统、不倚赖AI的方案；而在过去几年应用廉价 AI 所创造的效益，已足以让企业”赚回本金”。
（4）现阶段的AI可能是对人类最好的AI，因为它还未产生自觉，以至产生邪恶的动机；用来训练它的数据还保持著人类数据与AI合成数据的合理分布，还不至于造成模型崩坍（model collapse）【注(一)】；它所生成的答案/结论/输出，遵循思路链（chain of thought）之类的推理程序，保持相当高的透明度（transparency）和可追溯性（traceability）。
注(一)：所谓模型崩坍（model collapse），是指当AI生成内容泛滥、原始人类数据日益递减以致稀缺时，迭代的AI模型开始学习由AI生成的低素质合成内容，导致智力退化。这正如反复影印的副本 —— 每次复制，画质都在下降。
再进一步发展、升级的AI产生自觉和私心后，就不太可能无私的生成结论以服务或造福人类；当以后世界充斥著比人类的原始数据还多的AI合成数据后，AI模型会是AI合成数据训练的产物，充满了模型腔和单一的模式，到时AI的性能会大幅减弱，甚至陷入模型崩溃的泥沼。
（5）自2025年5月以来，研究员Ásgeir Thor Johnson在GitHub网站（https://github.com/asgeirtj/system_prompts_leaks）陆续公布了Anthropic Claude以及其他AI开发商不同大型语言模型的系统提示（System Prompt）文件。这一进展显示，每个大型AI模型都内置了长达数千至数万字的系统提示（System Prompt）作为运行指令。这份庞大的内置指令，犹如一套隐形的行为规范与应答宪章，在用户每一次输入之前，已悄然在后台运行，引导模型以恰当的方式理解问题、组织回应并把握边界。
这一发现解释了为何今日的普通用户，哪怕只是随口说几句话、上传一张没有任何文字说明的图片，甚至发送一份格式混乱的文件，大型语言模型依然能够心领神会，输出一份四平八稳、甚至颇具洞见的回应。因为那数万字的系统提示，早已为这些”懒人输入”做好了诠释与补全的准备。
大型语言模型问世初期，坊间流行各种 “提示词工程” （prompt engineering）课程，教导用户如何精心雕琢指令、以特定格式与模型沟通，方能解锁其潜能。如今，随著系统提示的日益完善，”懒人提示词”（lazy prompting）已然成为主流。你不再需要是一位深谙AI技术细节的专才，才能让AI为你效劳。AI正在主动弯下腰来，迁就芸芸大众的表达习惯。在某种意义上，AI正在悄然经历从”需要被学习的工具”，到”主动适应人类的工具”的重要转变。
今日的AI不仅是人类的得力助手，它在文案生成、结构化思维输出及演示文稿策划上的卓越表现，足以令多数高薪的咨询入门者感到汗颜。这一发展并非简单的效率提升，而是一种知识劳动力的商品化（Commoditization of Intellect）。当智力成果的边际成本趋近于零，人类将被迫从”内容生产者”转型成为枯燥乏味的”内容筛选人”和”选项裁决者”。可幸的是，硅谷巨头和国家主权基金等对AI投资项目日益谨慎的融资，以及AI合成训练数据所导致的AI模型崩溃，正在扭转这一趋势。
本文观点，不代表《东方日报》立场
7字辈，毕业自马来亚大学电脑科学系，从事软件测试工作，喜爱钻研人工智能以及互联网科技最新动态，曾任隆雪华堂民权委员会委员。
