语言模型不知道如何像我们记忆圆周率那样乘法记忆结果，但这并不能使它们成为数学家。问题是结构性的：它们通过统计相似性来学习，而不是通过算法理解来学习。即使是新的 "推理模型"，如 o1，也会在琐碎的任务中失败：经过几秒钟的处理后，它能正确地计算出 "草莓 "中的 "r"，但当它要写一段话，每句话的第二个字母组成一个单词时，它就会失败。月租 200 美元的高级版则需要四分钟才能解决儿童即时完成的问题。2025 年的 DeepSeek 和 Mistral 仍然会计算错误的字母。新出现的解决方案是什么？混合方法--最聪明的模型已经知道何时调用真正的计算器，而不是自己尝试计算。范式转变：人工智能不必知道如何做所有事情，只需协调正确的工具即可。最后的悖论：GPT-4 可以出色地向你解释极限理论，但却把乘法算错了，而袖珍计算器却总能正确求解。在数学教育方面，它们非常出色--以无限的耐心进行解释，调整示例，分解复杂的推理。要精确计算？依靠计算器，而不是人工智能。

年终问候。感谢 2024 年的客户、员工和同事。祝愿大家度过一个祥和的圣诞节和一个充满机遇和成功的 2025 年。

从皮卡到 SUV-e 的电动汽车售价可能不到 2 万美元。Slate Auto 公司由杰夫-贝索斯（Jeff Bezos）出资，目标客户是 70% 收入在 10 万美元以下的美国人，而高端电动汽车制造商却忽视了这一群体。手动车窗、无信息娱乐系统、未上漆的聚丙烯面板。但挑战是什么？DIY 组件安全、续航里程有限（150-240 英里）、依赖税收减免。计划生产时间：2026 年底。想法很吸引人，现实会更复杂。

-50% 的创作时间，20 美元的徽标，但人工智能仍难以捕捉品牌情感的细微差别。Looka、DesignEvo、Tailor Brands 等工具在市场上大放异彩：价格实惠、极致定制、可扩展的矢量格式。2025 年的趋势：自适应徽标，根据环境和平台变化而变化，由市场数据驱动设计。局限性？算法缺乏叙事性和情感吸引力。技术创新与人类创造力之间的平衡仍是令人难忘的徽标的关键。

在人工智能上每投入 1 美元，就能获得 3.7 美元的回报，表现最好的公司能获得 10.3 美元。但到 2025 年，42% 的公司已经放弃了大多数项目，理由是成本不明确、价值不确定。诺和诺德：临床报告从 12 周缩短到 10 分钟。贝宝：-11% 的欺诈损失。74%的公司在第一年内实现了正投资回报率，但只有6%的公司成为 "人工智能高绩效公司"。问题不是 "我们负担得起人工智能吗？"而是 "我们耽误得起吗？"

"只依赖传统投资回报率的公司甚至不再能看到人工智能价值的冰山一角"。麦肯锡记录了制胜之道：70% 的投资具有可预测的投资回报率，20% 的战略创新，10% 的革命性探索。收益以周期形式体现--优化（0-12 个月）、重塑（1-2 年）、颠覆（2 年以上）。83% 的财富 500 强企业使用数字双胞胎来模拟影响。争论的焦点不再是衡量标准与战略：而是谁拥有整合框架，谁失去相关性。

受限专家：生产率-12%。适应性通才：+34%。麻省理工学院对 2847 名知识工作者的研究。悖论：人工智能奖励的不是那些知之甚少的人，而是那些把不同领域联系起来的人。专业化在 "温和的环境"（规则清晰、反馈及时）中失去了价值，而这恰恰是人工智能的优势所在。正如印刷术将价值从记忆转移到批判性思维一样，人工智能将价值从专业化转移到了协调性。那些看得最远、联系最深的人，才能茁壮成长。

草莓里有几个 "r"？- GPT-4o 的答案是 "2"，而一个六岁的孩子却知道是 3。问题在于标记化：模型看到的是[str][aw][berry]，而不是字母。OpenAI 并没有用 o1 解决这个问题，而是通过教模型 "先思考后说话 "来解决这个问题。结果：在数学奥林匹克竞赛中，OpenAI 的成绩是 83% 对 13%，但耗时是 30 秒而不是 3 秒，成本是原来的三倍。语言模型是非凡的概率工具，但仍需要人来计算。