上午的航班十点二十起飞，韩路一和张彪八点多到了大兴机场。

候机大厅里坐了不少人，一眼望去半数都开着笔记本电脑，标准的工作日出差景象。韩路一端着咖啡找了一个空座位坐下，张彪站在他身旁，观察四周。

斜前方坐着个穿灰色西装外套的女生，把笔记本电脑摆在腿上，浏览器里开着一个ai软件对话框，正跟聊天机器人较劲。她打了一长串话，等了几秒，盯着屏幕看了一会儿，嘴角往下一撇，然後打开一个新会话，重新打。

韩路一的位置恰好能看见她屏幕上ai的回复：“好的！以下是为您生成的q4业绩汇报ppt大纲”，然後刷刷列了十几条，里面夹杂着星号加粗和破折号，每一行都有加粗标题，跟着一个emoji表情，看上去条理清晰，但说的全是“回顾本季度核心业绩指标”、“总结团队协作亮点”这种没什麽信息量的万能模板。

女生长长的叹了一口气，一边打字一边小声念出声：“你、可、真、蠢、啊。”

ai回复的很快：“很抱歉让你觉得我笨。我就在这，不躲不逃，先接住这句骂。”

女生扶着额头摇了摇头，停了一会，她准备再试一次。

韩路一好奇地看向那个女生的屏幕。

她这次打的提示词明显比上一轮详细多了：“你是一个有二十年工作经验的四大审计业务线的经理，需要做一个q4季度业绩汇报ppt，面向合夥人汇报，要包含营收数据、团队人效、客户满意度，措辞专业大气简洁，这些是原始数据。”

然後她从桌面上拖了几个文件到聊天界面上传，回车。

韩路一都看笑了，哪有二十年工作经验还在当经理的，这是典型的被网上流传的提示词模版给忽悠了。然後他打开视界。

淡蓝色的面板浮在那个女生头顶。

再继续往下看。

韩路一好奇地展开了详情。

陈玖玖在提示框里打的是“业绩汇报”，但她真正想做的是一份独立提案，说服合夥人，她带的那块新业务不该继续挂在别人的业务线下面当配角。

这两件事的ppt结构、数据选取、叙事逻辑完全不一样。

但她自己可能都没意识到这个区别，或者意识到了，不知道怎麽把这个诉求翻译成提示词。她的需求和她写的提示词，差了十万八千里。

韩路一收回目光，喝了一口咖啡。

有意思。

登机後韩路一靠在窗边，闭上眼睛，继续整理自己的思路。

金手指。

自从韩路一获得了这个金手指，他每天都在用，还升级了两次。随着不断的使用和总结，他对视界的了解也越来越深。

首先说说他推测的视界的工作原理。

获取信息，这是他从一开始就了解到的功能。把注意力集中在人或者物体上，就可以得到相关信息，准确性无法全部验证，就姑且相信都是正确的。

但是有一点，这个信息首先要是“已知信息”。所谓已知信息，不是指韩路一本人知道的信息，而是指这个信息已经确定的存在，至少有人知道。比如陈博文的那三个bug，韩路一并不知道，甚至他本人都未必知情，但是事情就在那，总有人是知道的。

韩路一嚐试去看自己不了解的量子物理或者天体物理论文，视界能给出的大多是关於论文的元信息，例如作者信息、论文引用次数、影响力因子之类的，但是关於里面的事实部分，尤其是没有实验支撑的理论，视界也给不出答案。

在看到的信息中如果有不合理，或者不是最优状态的情况，视界也会提示为“bug”或者“漏洞”。另外在和别人面对面开启视界时，视界也会显示对方的情绪和隐藏情绪，这里的准确率也无从得知，但韩路一的经验来看，至少在谈判中十分好用。这种能力的原理呢？它没有读心术那麽强大，也不是读取对方的脑电波，可能是基於心跳、微表情等生理信息的推测。

这样看来视界的这些功能有点像一个加强版的接入现实数据的搜索引擎。

到现在视界已经升级过两次了，除了增加精力上限和恢复速度，加上极大的提升了身体素质之外，第一次升级之後解锁了更多信息，第二次升级之後则解锁了的能力。

是基於已有信息来推演最优解决方案的能力，在bugkiller被鼎盛和codesafe围剿时，就是它给出了和多个云服务商合作来破局的方案。

但是路径编译的缺点是它能计算的复杂程度有限，而且消耗的精力和复杂程度成比例的上升。赵文渊开启後训练时韩路一就嚐试让视界直接给出模型的最佳参数组合来抄作业，但是只得到“精力不足”的提示。其他的例子还包括金融产品和天气。

刚得到视界时韩路一以为是视界不鼓励投机赚钱，但是现在看来，应该是因为两点。

一是视界不能预测未来，二是视界在计算复杂系统时有局限性。天气和公开交易的金融产品是典型的、《黑天鹅》的作者塔勒布称之为复杂模型的系统模型，模型中一部分的变化会引起其他部分的变化，进而又引起更多的变化，使计算整个模型的全部变化成为不可能。

以股市为例，如果一个人购买或卖出某只股票，这可能极其细微的影响股价，这种影响又会引起市场中其他参与者的心理变化，有人贪婪而买入意愿升高，有人恐惧而买入意愿降低。这些进而影响他们的行动，又进一步影响股价。更可怕的是市场参与者本身会持续受这些外界变化的影响，他自己的行为经过外部的传导後又会影响自身的行为，这种特性被索罗斯称为反身性。

索罗斯靠这套理论在1992年做空英镑一战赚了十亿美金，号称“打垮英格兰银行的人”。但同样是索罗斯，到1998年做空港币时被香港金管局正面硬刚，亏了十亿美金灰溜溜撤退。

可以说这种系统没有人可以准确的预测，除了拉普拉斯妖。

这麽看来，视界是一个接入现实数据的搜索引擎加算力超强的电脑，但是毕竟不是拉普拉斯妖。那他平时都是怎麽使用视界的？

看代码bug，他用的越来越少了，因为写代码的机会越来越少了。

获取信息，帮他识破王志远的幕後布局：bvi架构、快闪造假、卡位收购。

读人，读梁宇，读贺云深，读王志远。

每一种都好用。

但这些跟做模型有什麽关系？

韩路一想了几个直接的用法。

第一个：用视界读竞争对手。鼎盛、neusai、或者其他做模型的团队，找机会跟他们的核心人员碰面，一开视界就知道他们的技术路线走到哪了、卡在哪了、下一步打算怎麽做，永远比对手多知道一步，永远在信息上碾压。

这条路他想了一会儿，觉得有用，但不够。信息优势能帮他做对决策，不能帮他做出好模型。就算他知道neusai的技术路线，他也没有四十个来自openai的研究员来执行，知道别人的答案和自己能写出答案是两回事。

第二个：用视界挖人。ai行业最值钱的是人才，每挖一个人都是赌博一简历写得漂亮的人可能是包装高手，面试表现好的人可能进来三个月就躺平。他开视界一看就知道这个人真实能力多少、忠诚度多高、是来做事的还是来镀金的。这是精准到变态的招聘系统。

这个确实是竞争优势，但它解决的是“团队能力”问题，不是“模型能力”问题。就算他挖到全中国最好的十个工程师，这十个人训模型用的还是那些数据集、那些算法，跟别的公司比，团队强一点，但没有本质差距。况且，他靠什麽挖呢？

第三个：用视界做商业谈判。跟算力方谈、跟投资人谈、跟客户谈，永远知道对方的底线在哪，每次都拿到最优条件。

这个……更不沾边了，谈判赢了能省钱，但省钱不等於模型更好。

韩路一发现一个规律：他想到的每一种用法，都是在帮韩路一这个人变强，不是在帮模型变强。他一天能见几个人？就算把视界当成商业武器用到极致，也只是让他个人的决策更准，但从“他一个人的决策更准”到“训练出一个好模型”，中间还隔着十万八千里。

视界能帮他赢一场谈判，但赢不了一场技术竞赛。

想不通的时候，反过来想。