Career Day｜一场行业顶尖领袖与少年思考者之间的“交锋”

Q1

A1 

Q:这学期我计划带领学生通过与 AI 协作的方式进行艺术创作，在这一过程中，该如何坚守并保留人文特质与人的主体性？结合本雅明灵韵理论，AI 生成的图像无原作与复制品的区分，在这一前提下，AI 艺术品的收藏价值锚点是什么，人们为何愿意出资收藏？

A:第一个问题，很多人可能想不到，文  学创作依然是人类难以被替代的核心领域。当前大模型虽然可以生成流畅、优美的文字，甚至完成约 10% 的剧本内容，但核心戏剧结构、人物塑造、来自真实生活的洞察与细节，只能由人类完成。

尤其对青少年而言，共同创作一个故事时必然会产生观点冲突、协商磨合，这些过程中形成的思辨、沟通与共情能力，是 AI 无法模拟的宝贵成长经验，也是人类在创作层面保持优势的关键所在。

关于第二个问题，我想从业界视角给出 AI 艺术品收藏的三个核心标准：

第一，是否具备工程史上的突破性与创新性。我在创作中始终追求技术前沿，是华为昇思MindSpore开源社区、某BAT大厂量子计算实验室等多项新技术的首批体验者或科普艺术创作者。一件优质的科技艺术品，在技术层面本身就应具备分量，能够代表某个阶段的技术突破。

第二，是否具备开源文化价值与跨行业影响力。艺术与科技领域最大的不同在于开源文化。我非常看重作品能否把艺术之美传递给艺术圈之外的更多人，能否对开源社区产生积极影响，实现艺术与技术的普惠传播。

第三，是否具备真诚的情感投入与人文温度。正如《牡丹亭》中 “向真真啼血” 所表达的，创作是否掏心掏肺、是否动真情至关重要。我在写作《算计》时投入了大量情感，数字艺术同样需要情感灌注。数据与算法背后，依然要有人的温度与真心。

这三条是我作为数据艺术家与藏家，收藏全球 2000 多件先锋数字作品时最核心的判断标准。

Q2

A2 

Q:我平时的兴趣方向正是您刚才提到的 Stable Diffusion。我会搭建视频部署模型与 AI 自动化工作流，并进行模型微调；同时也会自建数据集、采集数据并完成训练。想请教您，您通常采用哪种方式进行模型训练？

A:四年前通过Transformer 底层训练模型。

Q:我目前更多是以大语言模型LLM为主。我目前在本地部署了两款模型，一款是Kimi 2.5最新版本，另一款是实用性极强的GPT-4 Omni 多模态模型。该多模态模型可完成视频内容解析、自动生成视频解说并配音等任务，想请教能否将这类多模态视频处理能力，与文生图、图像生成任务结合，搭建一套一体化自动化工作流？我并非绘画专业出身，此前训练的模型主要基于Stable Diffusion XL 3.5（SDXL 3.5） 基底模型。

A:你的云算力是否够？

Q:我用的是本地 8 卡 RTX 4090 服务器，显存不够。在模型训练过程中，最大的难点在于多卡调度策略。由于 RTX 4090 不支持 NVLink 互联，在执行多卡并行训练时会面临较大挑战。8 卡 H100 集群报价高达 200 万元，且该配置现已下架无货。

A: H100 的硬件规格与成本远超实际需求，建议选用 A 系列显卡即可满足使用场景。

Q:我现在做模型微调，主要用苹果的 MX 优化框架，搭配 Mac Studio，并通过雷电 5（Thunderbolt 5） 构建高速互联链路来完成微调任务。

A:请问你做这个项目的目标用户群体与核心应用目的是什么？

Q:我的项目核心面向漫画爱好者，主打漫画内容的 AI 二次创作场景。用户可上传漫画角色素材，依托我搭建的大语言模型，自动生成该角色的同人小故事等二创内容。

A:如果要实现一键生成漫画，那分镜部分你是如何实现转换的？

Q:关于分镜生成，我是通过自动化工作流来实现的。具体方案是：采用一款基于 Docker 部署的开源项目，我非常推荐这种部署方式。部署完成后，先让大语言模型读取参考漫画内容，再自动生成对应的分镜脚本，最后将不同分镜任务分发给 AI 绘画模型进行生成。

A:你做得很不错。不过你还需要对项目进一步打磨优化，你的角色需要从工程师，转变为兼具产品经理与 CEO 的综合角色。你需要明确阐述项目的核心目标，以及预期达成的用户规模，确认这是否是你真正的发展方向。如果你的核心诉求只是搭建这套 AI 漫画工作流，那么针对特定技术场景实现是没问题的，但要考虑这套流程对于普通使用者而言，是否具备良好的易用性。

此外，服务器运维、显卡采购等硬件投入会产生成本，项目至少需要实现盈亏平衡。在此基础上，你要明确最终想打造一款怎样的产品，产品只需聚焦解决一个核心痛点即可。我刚才提及分镜，正是因为分镜制作是行业内的典型痛点，这也是我们探讨 AI 漫剧的核心切入点。

Q:今年上半年我使用过海螺 AI进行相关测试，下半年开始海螺 AI 转为收费。我目前在使用 MiniMax 2.1，主要用于开发编程类智能体（Agent），包括对话交互等功能。之后英伟达方面将相关显卡售出，原有的硬件支持不再生效。苹果的微调框架虽然显存容量较大，但单精度算力偏低，不过实际训练效率并不算低。

A:这些问题对你而言都是可以解决的。我认为你当前最核心的问题，是需要完成角色转变。我给你一个建议：你要把自己定位成产品经理，发自内心地问清楚自己，真正的目标是什么。比如你如果明确知道自己的目标就是获取 2000 个用户”，那就聚焦解决这个目标。这是典型的工程化思维：先设定一个明确目标，比如 “8 个月内获取 2000 个用户”，然后倒推 —— 要如何实现这个用户目标？为了吸引到这 2000 个用户，你愿意投入哪些资源、付出哪些成本？同时你还要评估：2000 个用户的规模，是否足以支撑你做一家微型创业公司？你是否测算过单位经济模型？以你现在的能力和条件，完全可以启动 OPC（One Person Company，一人公司） 模式。目前大厂在 AI 漫画赛道已高度内卷，同类产品大量涌现。你需要先思考两个核心问题：一是漫画在互联网传播场景下的商业化收费模式是否成熟；二是你的产品是否具备差异化竞争优势。

Q:目前我核心的工作方向仍是大语言模型（LLM）的研发与优化。比如您这边已拥有大量 AI 客户端资源，而我计划聚焦于 4B、7B 这类轻量型小模型 —— 通过补充专属数据集，对其进行定向化优化，实现特定场景的精准适配。这一效果，我之前已向我父母演示过：比如针对医疗场景中的骨科影像分析，该模型可直接对数百张骨科片进行批量解析，高效完成影像分析任务。

A:在医疗影像分析这个方向上，你目前最大的问题是可解释性不足。即便像 DeepSeek 这类具备深度思考能力的模型，在处理骨科 CT 图像时，其推理结论的形成逻辑也无法做到完全清晰、可追溯。那该如何解决？你需要提升数据可视化的精细度，增强模型推理的可解释性，让模型能够输出完整的推理过程，向医生清晰说明分析结论的依据。

Q3

A3 

Q:您职业生涯中遇到的最大困难是什么？如何解决的？

A:我 18 岁进入清华大学读书，2014 年正是中国互联网科创行业的发展元年。当时我发现一个现象：大量以技术开发为核心的清华校友开始回国创业，同时还有不少非清华背景的技术人才，带着自己深耕掌握的前沿技术（如 Docker）回国创业。但他们普遍存在一个问题 ——无法把自己做的技术和业务清晰地讲明白。

我当年接手 Docker 社区时，面临的最大挑战就是：如何向外界，以及  对技术不够熟悉的企业家，通俗地解释清楚 Docker 是什么。为此我做了大量比喻，甚至在 Docker 的小鲸鱼 Logo 上做了很多传播层面的设计与优化工作。

在这个过程中，我发现了自己的优势与商机：理解前沿技术对我而言并不困难，而我擅长用优质的中英文表达，把复杂技术讲清楚；尤其能结合中国本土场景，用专业的文案内容帮助开发者对接客户。凭借这项能力，我在大一大二时就已经能拿到很高的薪资。

但后来我意识到，必须走产品化、品牌化的路线，否则永远只是靠人力 服务换取收入。于是我选择创业，打造了开源社区。这也是我至今高度重视开源工作的原因。

从投身数字艺术的第一天起，我的目标就是：让全球开发者因我而受到启发、为我而骄傲。我希望把他们身上那些极具艺术性、创新性的思想，转化为可呈现的艺术作品。在当时，行业还没有把这类创作称作 “艺术品”。直到十年后，中国传统艺术拍卖行首次将我的作品上拍，并将其认定为该拍卖行历史上首个正式承认的数字艺术作品，这些由一行行代码构成的创作，才在行业层面被真正承认为艺术。

Q4

A4

Q:我是偏表演艺术方向的学生，想问您，随着 AI 发展如此之迅速，您觉得未来什么样子的艺术有可能会被 AI 代替？什么样的艺术是不可替代的？

A:那些制作粗劣、文化底蕴浅薄、对戏剧表演缺乏真正热爱、仅将其当作盈利工具，且专业能力不过硬的演员，被 AI 取代只是时间问题。

从残酷的商业逻辑来看，真正优秀的演员，拥有独特的个人魅力与人格特质，代表其具备长久不衰的生命力。反观那些思想空洞、仅靠资本包装的流量演员，既无法与受众建立长期稳定的情感联结，还极易出现“塌房”风险，因此被 AI 替代是必然趋势。

至于什么是属于这个时代的顶级艺术品，其定义往往是由后人回溯给出的。就像我现在 22 个月大的孩子，在几十年后回望 2026 年，会去定义什么作品最能代表这个时代的地球人。这个答案只能由后人回答，我无法预知具体形式，但可以确定：它一定不是传统的雕塑、油画、水墨画，也不是唐诗宋词 —— 这些属于它们各自的历史时代。

属于当下的时代艺术，一定是具备当代属性的新形态，具体是什么难以预判，甚至有可能是游戏。我们必须承认：艺术史每向前迈进一步，都源于对当时学院派所垄断的 “美” 与 “艺术品” 定义的挑战与突破。

Q5

A5 

Q:我们在写作业或完成学校项目时，常会借助 AI 工具辅助。你认为使用尺度应该控制在什么范围？过度使用会带来哪些影响？我们该如何把握使用分寸、合理管控使用量？

A:我目前正在研发一项检测作业 AI 生成比例的专利。我的研究背景比较特殊：作为文化与科技领域的从业者，我参与了相关法律法规与行业规范的制定研讨，因此必须比大众更早、更系统地思考 AI 带来的社会与教育问题。

在我看来，大学正处在一个备受冲击的阶段，因为它直接衔接职业市场，对技术变革的敏感度最高。教育部高等院校动画与数字媒体教学指导委员会面向国内院校的美术类学科领导者传播最前沿信息，我应几位师友邀请为全国美术专业高校老师们分享过数次GenAI的内容。在交流中我能明显感受到，大家普遍处于高度焦虑的状态 —— 不少动画系主任已经对专业未来感到迷茫，甚至出现自我怀疑，不知道该如何应对 AI 带来的颠覆性变化。

面对这种局面，我们必须认清一个现实：AI 就是房间里的大象，根本无法回避。国内外大学生现在几乎都把 GPT 当作升级版搜索引擎使用，既然是工具化、高频次使用，就不可能简单靠 “禁止” 来规避。

因此我真心希望同学们在这个阶段不要被带偏，不要因为 “AI 很强” 就放弃主动学习与思考。大学阶段的核心目标，应当是充分强化作为 “人” 的核心能力。你们的思辨能力、创造能力，完全可以超越大模型无干预的基础生成水平。AI 可以作为辅助工具，帮你们完成信息检索、资料整理、格式优化等工作，但一旦形成过度依赖的习惯，未必是好事。

现在大学作业大多采用 PBL 项目制学习，本意是锻炼综合能力、解决真实问题。如果用 AI 直接 “糊弄” 完成，就失去了训练意义。这也是为什么我认为你刚才提出的问题非常关键 ——不仅学生困惑，大学老师其实更头疼：学生更有主见、更易接触社会资源，用 AI 敷衍作业的门槛变低，教学评价与能力培养的体系都面临重构。

Q6

A6 

Q:我是一名音乐创作者，想请教两个问题：第一，我在作曲领域有 4 年的积累，业内不少从业者更是耗费十余年、甚至二十余年时间打磨专业功底，才逐步走上成熟的创作之路。如今，很多人无需掌握任何音乐专业知识，借助 AI 工具就能在一秒内生成音乐作品，我想知道这是否会对音乐行业产生重大颠覆性影响？第二，您认为 AI 生成的绘画、音乐等艺术作品，能否精准传递出这些深层情感，比如痛苦、悲伤等人类独有的细腻情绪？

A:我身边有不少音乐行业的从业者，他们对 AI 的态度十分复杂：既感到兴奋，又充斥着悲伤与低落，这种情绪是真实且客观的。在此，我鼓励所有音乐行业的作曲家们，为自身权益发声、对 AI 的无序应用提出抗议。

目前主流 AI 音乐生成工具还存在明显技术缺陷：音轨编排混乱、和弦逻辑杂乱无章，根本达不到商用标准，仅能作为娱乐消遣使用，这是行业当前的真实现状。

而我对未来的期待，是音乐行业能够实现AI 技术的有序应用与规范化发展。

Q7

A7 

Q:我是一个飞友，因此想请教您，是否可以用 AI 大模型来设计飞机？

A: 各国航天研究部门也采购 GPU、TPU 芯片，用于大语言模型的训练。事实上，这类算力投入并非空军独有，其他行业与机构也在广泛开展类似布局。

两年前，我专门研究了百余年来人类关于汽车的大量早期构想与设计手稿，并利用模型对其中各类非商用的概念车方案进行了模拟推演。

我做这件事的契机，源于珠海航展期间的一段采访：歼 - 10 工程师在接受央视新闻采访时提到，“飞机设计得越漂亮，往往就越好飞；美观与性能是高度统一的”。这句话给了我极大的震撼，也让我意识到：工业设计的美感，本质上是功能逻辑与视觉表达的高度凝聚。

基于对大量汽车概念设计的研究，我进一步产生一个思考：地球上最优的工业美学范式，究竟源自飞行器，还是源自四轮地面交通工具？这类判断表面看似主观，背后很可能存在某种客观规律。

我把这个问题抛给你。在我看来，大模型及生成式人工智能，会对这类探索提供重要助力，能够帮助我们更系统地挖掘工业美学背后的客观规律。

Q8

A8 

Q:您的公司从使用AI以来，发生过哪些变化？

A:一方面，那些硬编程能力不强的人，学习新事物的能力跟不上团队的节奏的人，会被逐渐淘汰。

另一方面，我在招聘时特意招了不少偏文科背景的同学，他们一开始对编程普遍有畏难情绪。我会鼓励他们不用害怕，放手去做，结果很多人真的独立做出了完整的 APP，这是很积极的一面。

但从团队和我个人的状态来看，也有比较消耗的一面。我每天必须大量摄入新信息：刷 Twitter 追踪行业动态、读 Medium 文章、看各类微信公众号，几乎不敢间断。现在明显感觉精力跟不上了 —— 像新智元、机器之心、量子位这类科技媒体，每周都有大学同学登上封面人物，身边的人都在快速往前跑，倒逼自己必须持续跟进、不断部署与对比新技术，这个过程其实非常累。

但我也很清楚：只有持续掌握行业最一手的信息，才能保证我们做出来的东西在工程层面并非乏善可陈，而是具备真正的创新性。

这件事本质就是一枚硬币的两面，有积极的成果，也有高压的付出，中间是持续投入与自我消耗的平衡过程。

Q9

A9 

Q:顶尖的 AI 人才，他的画像和收入是什么样的？

A:我身边不少清华本科毕业后赴斯坦福攻读博士的学子，尤其是生物科技方向的人才，都收到过 OpenAI 的主动抛橄榄枝，其开出的薪酬，远高于该类人才在硅谷其他行业的就业标准。

具体薪酬层面，美国藤校博士应届生入职 OpenAI，能力优秀者税前年薪必定不乏可达 100 万 - 200 万美元的。但具体问题具体分析，“丰俭由人”。

需要说明的是，该结论基于我的个人观察，存在一定样本偏差。我身边多位清华特等奖学金获得者、学业成绩稳居前列的同窗，都具备顶尖的专业能力，无论身处何种平台都能崭露头角，也正因如此，他们才能拿到这类顶级 offer。

Q10

A10 

Q:在 AI 技术尚未问世之前，您是如何具备行业前瞻性的？又是通过哪些途径预判到这类技术会出现的？

A:大模型虽然是近几年的热门概念，但机器学习并不是新概念，神经网络、计算机视觉这些方向也早已存在多年。

早在 2014 年，生成对抗网络（GAN）刚一开源，我就开始用它创作艺术影像。如今以 SIGGRAPH 为代表的国际学术会议都在聚焦生成式 AI，但它的爆发并非凭空而来，而是有清晰的发展脉络，像一条河流自然流淌至今。

科技本身更不是新鲜事物。世界上第一位程序员是一位女性。如果去帕罗奥图的计算机历史博物馆，就能看到完整的早期计算机演进史料。

一百多年前，“程序员” 这个身份最初更多由女性承担；二战期间，图灵的工作奠定了现代加密与计算的基础，也才有了后来的图灵奖，而当时参与编程工作的，绝大多数也是女性。

我对这段历史如此熟悉，是因为入行以来，每年都会去计算机历史博物馆 “拜一拜”，对我来说，这里就像我的 “雍和宫”，希望能从中汲取力量，做出真正有启发、有价值的工作。

总结来说：第一，对技术趋势的判断，一部分来自长期积累形成的直觉；

第二，所有技术爆发都有迹可循、有脉络可依，机器学习、计算机视觉早已存在，大语言模型只是当下最受关注的热点，未来还会不断演进。这也让我更加坚信：从小就应该接受通识博雅教育，广泛阅读、涉猎不同领域，这样才更容易培养出跨学科的视野与对趋势的判断力。

Q11

A11 

Q:AI能否在地缘政治和历史中发挥作用，通过战争模拟等方式，避免平民卷入战火，推动全球和平？

A:我认为生成式 AI 可以从三个层面助力实现和平目标：

第一，生成式 AI 已经有真实应用案例。一些社会组织曾利用生成式网络技术，识别子弹来源，追溯相关暴力组织，即便使用的是早期版本的生成式 AI，也能为追责施暴方提供支持，这类应用已有较长实践。

第二，大语言模型（LLM）能够帮助全球普通人实现自主学习。我在拍摄纪录片时采访过一位非洲埃博拉幸存者，他正是通过书本自学健康知识，比如通过吃香蕉补充维生素才得以存活。他告诉我，如果更多欠地区的人能借助大语言模型实现自主教育，AI 就是非常有价值的工具。这是我从他身上得到的重要启发。

第三，生成式 AI 模糊了大学生与中学生之间的能力边界，让不同年龄段的人都能向身边社群传递和平理念，产生正向影响。

Q12

A12 

Q:在未来社会如何平衡 AI 的智慧与人的能力？

A:我们必须正视一个关键问题：AI 是否会进一步拉大贫富差距。这个议题非常敏感，也至关重要。我之所以积极参与面向青少年的 AI 科普活动，正是因为我坚信，解开这道难题的钥匙，掌握在你们年轻人手中。核心在于：如何平衡 AI 的发展与人类自身的能力构建？

结合现实国情来看，我国的出生率正在持续走低，未来必将面临劳动力短缺、养老护理人员不足的严峻挑战。在这种背景下，我们别无选择，必须大力发展机器人护理等普惠型科技。因此，我期待更多科技企业家能肩负起社会责任，投身于对人类有益的技术研发。

另一方面，如何让全球更多年轻人，不被 AI 取代？我们必须认清一个本质：无论是碳基生命还是硅基机器，关键在于是否具备人性与主观能动性。有些人虽然是肉体凡胎，但日复一日只做机械重复的工作，这类人最终很容易被 AI 替代。

因此，要平衡 AI 发展与人的能力，我对青少年有几点核心建议：

首先，要清晰认知并牢牢守住人类不可被 AI 迭代的核心能力，例如音乐、戏剧、沟通表达、文学创作、情感共情与深度思辨能力。守护好这些独特的人类禀赋，就能应对相当一部分挑战。当然，改变要从自身做起。

反观很多成年人，已经很难再回头审视自我，区分什么是人性价值、什么是机械劳动，更难重塑自身能力结构。因此，未来的破局点在于紧抓教育。

从政策层面，我呼吁政府高度重视，加强面向青少年的人工智能素养与未来职业能力教育，我也持续在向教育部门提交相关建议。同时，科技企业家应主动承担社会责任，共同把握好 AI 应用的合理尺度。

落到个人行动上，大家一方面要积极参与线下互动，加强与同学、社群的真实连接，提升沟通协作能力；另一方面也要主动掌握 AI 技术，善用工具。只有将真实的人类连接与前沿技术结合，才能实现个人能力与 AI 发展的良性平衡，不被时代淘汰。

Q13

A13 

Q:随着 AI 持续进化与成熟，人类的就业方向会呈现怎样的发展趋势？

A:我认为，感知快乐、创造快乐，是人类独有的、AI 无法替代的珍贵能力。作为母亲，同时也作为老师，我对年轻人最核心的期待，首先是你们能够平安、健康、快乐地成长。在满足这一前提的基础上，再去谈职业发展、人生选择，才有意义。

人首先要解决谋生问题，在这个过程中再不断探索，什么样的谋生方式更适合自己、更能带来幸福感。而让人快乐这件事，只要人类存在，就永远是刚需。当你越来越了解自己，懂得如何让自己快乐，也会慢慢发现，市场真正需要的，正是那些能为他人创造快乐的价值。

那么，青少年现在可以做些什么呢？其实可以从日常小事开始尝试。

我举个很生活化的例子：我家养了一只边境牧羊犬，每次遛完狗回家，都要给它擦脚、清理掉毛，整个过程狗狗会挣扎，清理起来也很麻烦。这就是一个真实、高频的生活需求。如果有一款机器人能帮忙完成这些事，一定会大幅提升生活幸福感。

类似的需求在生活中随处可见。我建议大家养成一个习惯：每天观察身边的真实痛点，思考科技能否帮助解决这些问题。这是一个可以每天练习的 “小任务”。如果发现确实可以用技术改善，就借助 AI 工具，快速做出最小可行性产品去验证。在这个过程中，最重要的不是技术本身，而是提出好问题的能力。

可以试着从改善家庭与社区的真实生活出发，发现问题、提出方案，并用技术开发一款可以上线的小应用，从影响身边 10 个人开始，一点点让生活变得更美好。