交易所,交易所排名,交易所排行,加密货币交易所排行榜,加密货币是什么,加密货币交易平台,加密货币平台,币安交易所,HTX火币交易所,欧意交易所,Bybit交易所,Coinbase交易所,Bitget交易所,Kraken交易所,交易所权威推荐,全球交易所排名,虚拟货币交易所排名,加密货币,加密货币是什么知名博主 Ben Thompson 在使用 Deep Research 后写的一篇 Deep Research and Knowledge Value[1]，谈到了在信息搜索上带来的价值。Deep Research 极大的降低了信息整合的成本，以前要专门人去整理的工作，现在借助 Deep Research 十分钟左右就可以完成，但是它也很依赖于公开的信息，而且热门话题往往噪音多、信噪比差；小众/专业话题数据更集中且高质，价值更明显。
“o3 与推理时的规模化（inference-time scaling）表明的，是一种截然不同的场景：AI 可以实际接收任务，并有可靠的能力去完成任务。换句话说，这更像是一个独立工作者，而不是一个助手——更像是“弹药”，而不是“瞄准镜”。这也许是个奇怪的类比， 但它来自 Keith Rabois 在斯坦福的一次演讲[4] ……我对 AGI 的定义是，它能成为“弹药”——也就是给它一个任务，它可以以足够好的成功率独立完成（我对 ASI（人工超级智能，Artificial Super Intelligence）的定义则是它能自己想出要做的任务）。”
今天 ChatGPT 推出全新智能体功能 Deep Research，可在互联网中进行多步研究来完成复杂任务。几十分钟内完成需要人类数小时的工作。 Deep Research 是 OpenAI 新的智能体产品，只要给出提示，ChatGPT 就会在网上搜索、分析、综合数百信息源，生成媲美研究分析师的全面报告。它搭载了专为网页浏览和数据分析而优化的即将发布的 OpenAI o3 模型，能凭借推理能力处理海量互联网内容，并能根据过程中获得的信息灵活转向。 综合知识的能力，是创造新知识的前提。Deep Research 标志着我们向 AGI 的广泛目标迈出重要一步。我们长期以来设想的 AGI 能够进行真正的科学研究，并产出原创性的研究成果。
不过，对我来说，这份“弹药”价值有限；我在录制早上 8 点的 Dithering[11] 播客前就已经看过 苹果财报电线]，并马上得出了那三个观点。毕竟，我已经深入思考并报道苹果公司将近 12 年之久，这是我的“积累优势”。另外，如我之前所说，第二个 Deep Research 报告之所以有价值，是因为我事先提出了观点，然后 Deep Research 进行了论据支撑[13]；但这些支撑离我心中 Stratechery 的完整标准还差一大截（当然我对自己的要求带有主观偏见）。
然后，ServiceNow 的商业模式如何？市场开拓策略是什么？McDermott 想讨论 ServiceNow 在 AI 领域的机遇。这些机会是什么？它们与简单的自动化有何不同或优势？用户对 ServiceNow 的评价又是怎样？有人觉得它的界面难看、难用吗？为什么它的客户粘性很高？企业为什么会被它吸引？ServiceNow 的竞争对手有哪些？它能成为其他企业的平台吗？还是说，未来有可能出现颠覆 ServiceNow 的机会？
另一个更有说服力的例子是关于我朋友的一件复杂医疗问题（出于隐私原因，我不会展示提示词和结果）。我那位朋友为这个问题已经奔波一年多，看了多个医生，尝试了各种方案。Deep Research 用 10 分钟就指出了一种他上周才从专科医生那儿听说的可能病因。尽管是否真能解决他的问题还未可知，但确实值得注意：Deep Research 可能在 10 分钟里完成了我朋友数月、多位专家、多次就诊的“信息收集”工作。
然而，Deep Research 让我们看到了还有更多东西可以了解。互联网上有海量的东西可读，但显然没法指望任何个人真的把一切都读完。更糟糕的是，随着人类与 AI 生成的“水分内容”越来越多，想找到真正有价值的材料只会变得更加困难。值得一提的是，对于那些热门话题，Deep Research 反而常常给出质量比较差的结果，因为相关内容中鱼龙混杂，“水分”很多。相对冷门的话题，Deep Research 反而更容易找到真正权威且切中要害的论文和文章。
在科技界，我们还有另一件与此类似的经典案例：亚马逊在 2006 年推出了 S3（AWS 的首个服务原型），之后又推出 EC2，从而彻底改变了初创企业与风险投资的方式（详见我对这一变化的分析[21]）。AWS 逐渐也把亚马逊自己的业务都迁到了云上，但当时外界并不知道 AWS 对亚马逊自身的影响究竟有多深远。起初 AWS 与的财报数据是合并的，直到 2012 年才算是从零售业务中单独出来，“AWS” 名义上被列入了“其他”收入项目，里面还包括信用卡和（当时规模很小的）广告收入等。
在 2024 年美国总统大选期间，预测市场迎来一阵热潮——它们对特朗普胜选的预测比主流民调更乐观[25]，并且最终被证明预测准确度更高。以后，随着 AI 的普及和信息的极度透明化，预测市场会变得更加重要，甚至可能是“必需”。因为当所有公开信息都能被 AI 处理后，“保密”就成了很多人的首选，而通过价格预测市场，人们可以用经济利益的方式鼓励信息（至少是其影响）得以传播。哪怕信息本身是保密的，市场价格信号也能有所揭示。
以上大多是对（不太遥远的）未来的展望；从目前来看，Deep Research 已经是科技界极具价值的一项工具。是的，每月 200 美元并不便宜，而且 Deep Research 仍然受到互联网上信息质量的限制，并极度依赖提示词的设计。此外，就我在熟悉的领域观察，它并没有给出真正能让我眼前一亮的创意。但与此同时，确有大量并不需要“创意”的工作——比如查找和综合信息——是大多数行业都必须完成的。对我个人而言，Deep Research 让我感觉更高效，而且说实话，我本来也不会去雇一个专职研究员。
同样值得强调的是，我也提到“保密”可能变得更重要。故意设定“信息壁垒”，或确保自己掌握的数据不在公共域中，都是对 AI 过度透明化的一种反制方式。可以想见，在未来的 AI 世界里， 那些能产生原创研究、真实数据以及对这些信息进行有效定价的基础设施和工具会 愈加有价值。而那些“构筑围墙”“设置付费关卡”的做法，或许也是一些企业的必然选择，以便从他们（或他们的研究团队）深入现实世界所获得的独家见解中收取“租金”。