为什么最有价值的AI讨论总发生在知乎？

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 为什么最有价值的AI讨论总发生在知乎？ 允中 2026-06-17 18:13:07 来源： 量子位 知乎记录的不只是AI，而是时代变化本身 允中 发自 凹非寺 量子位 | 公众号 QbitAI AI如今已经成为一个全民话题，但到底有多少人真正理解AI？ 从6月以来，Meta豪赌 Scale AI ，开启“超级智能大战”；OpenAI秘密提交IPO申请，被认为是未来几年最重要的科技IPO之一…… 在这些热点新闻中，有人在讨论模型参数，有人在转发产品发布，有人在贩卖焦虑，也有人在兜售“普通人如何抓住AI红利”。 但一个更现实的问题是， 我们看到的内容究竟有多少是“理解”，多少只是“复述”？ 互联网上从不缺观点，真正稀缺的是 这些热点与我究竟有什么关系？有没有什么可复现的方法论？ AI也从来不是一个可以靠新闻来理解的行业，它需要测试、使用、长期观察和下场验证。 这些问题的答案不在热点里，它们正在被一群人记录、探索、重构，并持续沉淀在一个地方：知乎。 知乎上的AI答主，不是讲故事的人，而是亲自下场的人 记录者：为高速变化的AI建立“认知坐标系” 在AI高速迭代的时代，最大的混乱往往不是技术本身，而是认知。 今天某个模型“全面领先”，明天另一个新技术“刷新SOTA”，普通人很难判断这些变化究竟意味着什么。在这些海量信息中，有人选择围观，有人选择转述，但也有人选择—— 记录 。 知乎答主 toyama nao 就属于后者。 在大多数人追逐热点时，他把AI测试做成了一项持续数百小时的长期工程。 在2025年，他累计测试模型126个，累计耗时超过400小时，持续发布模型排行榜和评测结果。 正如他对自己的定位——要“立志于做好达模型发展记录的‘赛博史官’”，他记录下了大模型迭代最真实的轨迹。 但他做的事情，本质上并不是评测，而是在 建立一套“可追溯的认知体系” 。 △ toyama nao的长期记录为高速变化的AI建立坐标系 从GPT到Claude，从 DeepSeek 到各种开源模型，很多人只看到发布会上的参数，而他关注的是一个更本质的问题： 模型真正变强了吗？ 通过固定题库和长期测评，toyama nao试图建立一套持续追踪体系，把他对AI的“感觉”变成“证据”，帮助行业理解变化。 如果把2025年的大模型发展写成一本编年史， toyama nao就是其中最执着的记录者之一 ，真实的帮助人们理解技术究竟进步到了哪里。 在技术高速演进的时代，toyama nao的这种长期主义，反而成为最稀缺的能力。 探索者：AI不仅是工具更是“搭档团队” AI对于绝大多数人最常见的使用方式，是被当成效率工具——写文案、做总结、生成图片，用来提升工作效率、降低门槛。 但真正进入深水区的人才会发现：AI改变的不是效率，而是 “创造方式” 。 知乎答主 德里克文 的路径，具有典型的AI时代特征。 德里克文既不是AI科学家，也不是算法工程师，而是一名资深设计师。 在AI出现之后，他没有停留在“用工具提效”，而是开始重新思考：创作可以被机器参与吗？AI加入后创意本身会发生什么变化？ 因为是设计师出身，德里克文对视觉审美有天然的敏感，他把设计师的审美、表达与AI的生成能力融合在一起，持续输出视觉作品和创作方法论，探索人机共创的边界。 △ 德里克文在知乎分享AI绘画的描述关键词逻辑 在这个设计创作过程中，德里克文定义方向、设计审美、把控关键节点，与此同时一群各司其职的Agent自主协调执行。 AI不再只是德里克文的设计工具，而是设计“搭档团队”，德里克文在自身专业基础上，运用AI并逐步探索AI能力的边界。 在德里克文看来，AI的出现并没有消灭创意，相反， AI在重塑创造力本身，定义AI时代新的创造力形态 。 而知乎，正是德里克文进行这些探索的最早发生地之一。 建设者：在AI时代重新定义程序员 AI带来的另一个巨大冲击，是 对职业的重塑 。 程序员，是AI出现后被讨论最多的群体之一。 在知乎，仅“AI感觉已经能替代程序员了，作为程序员如何自救呢？”一条问题下，就有2194个回答。 事实上，这个问题的背后其实是对大模型时代“人还剩下什么价值”的焦虑。 57岁的“高龄”程序员 Jeff Tao陶建辉 给出了自己的答案。 作为拥有数十年基础软件领域的老兵，Jeff Tao陶建辉没有把AI视为终点，而是在 讨论AI时代人的价值重构 。 通过他在知乎的讨论不难发现，相比追逐最新模型，Jeff Tao陶建辉长期扎根基础软件和工业场景，从执行到创造、从编码到解决问题，创业TDengine做 时序数据库 和工业数据管理平台。 他的实践为无数技术人提供了借助AI面向未来的参考答案。 目前，TDengine的核心代码在GitHub开源，为全球各大公司提供服务。 “你只要看过代码，就不会再问我年龄” ，Jeff Tao陶建辉在知乎上写下自己的回答。 △ TDengine的核心代码在GitHub开源 Jeff Tao陶建辉的故事之所以有力量，不只是“年龄逆袭”，而在于他代表了一整代正在转型的技术人真正面临的问题： 技术如何创造真实价值？ 而Jeff Tao陶建辉的故事，也正是很多技术人都要面对的转变，是一份极具启发性的样本。 为什么这些人会长期聚集在知乎？ 在不同平台讨论AI，你会看到两种截然不同的内容形态。 有的平台更擅长告诉你“发生了什么”：哪个AI产品火了，哪个公司发布了新模型，谁又拿到了融资。 但在知乎你会看到另一类内容：为什么火、技术线路是什么、Agent工作流为什么成立。 前者是信息，后者是 理解 。 而理解，本身需要更高密度的表达空间，也需要更长时间的推理与验证。 这决定了AI领域最有价值的内容，不会停留在短平快的传播结构中，而是会自然流向更适合深度表达和专业讨论的场域。 如果把德里克文、toyama nao和Jeff Tao陶建辉放在一起看：德里克文探索变化，toyama nao记录变化，Jeff Tao陶建辉建设变化，记录者、探索者和建设者， 这三种角色本质上构成了技术创新最重要的三个环节 。 他们背景不同、年龄不同、关注方向不同，但他们有一个共同点—— 都在做“慢变量”的事情 。测试、验证、创作、建设，这些都无法靠热点完成，而是需要通过长期积累获得。 这正是知乎的底层机制所鼓励的方向。 知乎奖励思考过程，而不仅仅是结果。在这里，被放大的不是情绪，而是思考本身；被沉淀的不是一次爆发，而是持续积累。 因此，知乎所吸引的从来都不是某一种特定人群，而是一类人： 愿意花时间把问题想清楚的人，愿意把经验讲明白的人，以及愿意在复杂问题中反复验证的人 。 对于这群认真思考、认真实践的人，知乎给了他们持续表达和交流的空间，而这种讨论天然会吸引创业者、工程师、研究者、兴趣爱好者等长期留下并沉淀。 当这样的人不断聚集，知乎的内容结构也由此发生变化—— 从“信息的流动”，转向“认知的沉淀” 。 如果说AI行业是一条奔腾向前的河流，那么