我一直认为。通用人工智能，和量子计算是非常愚蠢的。
整个数学只需备被概率学替代。
这如同小学阶段学了一堆华罗庚数学。华罗庚数学确实是脑力劳动并且是数学，但是对于高阶的中学数学大学数学工程金融数学。没有一点用。
因此中小大数学完全科技快速且集中为基础数学。而概率学则是必学。所有基于计算的数学通通删掉和应用数学打包在一起放在专业数学。比如傅立叶变换和各种流体计算就放在通信和航天专业的前置学科。

基于人工智能的物流是应当加入回收或者叫做自动倒垃圾的。快递小哥不应该是继续送快递。更不应该去修机器人。物流不需要两足，非常地愚蠢。物流小哥究竟应该做什么呢？特别是专用物流自动化物流和自动化驾驶诞生之后。这是新体系对就体系的无情碾压。当然越早越积极的参与新体系是适合的。我说的并不是写代码和进行架构。简单说快递小哥的价值并不是将电动车开到60迈，或者雨天送餐解决各种出行问题。不是都不是。是熟悉片区可以快速完成配置的问题。同样地，细分的人工智能理论上是无限的。对架构师的需求并不是海量。相反，对片区的需求是海量的。也就是介于各种细分大模型与人之间的沟通者。也就是以前只有人与人交互。或者人与机器交互。而大模型与的片区交互的需求实际上是海量的。人与大模型的交互就交给架构师去做可以了。大模型与片区的交互外卖小哥做。问题是费用和商业价值如何形成闭环？实质上任何商业模式就是完成一次循环。外卖小哥给海量的细分大模型制作数据。这些数据经过大模型制作出最优化的人类行为的升级。当然标准品的诞生似乎是同步诞生的这就是第二架构师和制造业的再启动。随着标准品的引入与施工新的数据再次诞生。特别是是针对异常，数据的衍生品会被做成一个稳定的架构。当然整个流程可以非常地细化。

对于采集这件事情可以做到非常细化和尽致。当然采集并不是独立进行的。这种协同的海量工作不但需要海量的人力还需要海量的自动化设备。

这种模式无情彻底碾压了传统研发。通过低成本的有效数据采集和低成本的计算，最后机器去做组装和配送。在商业模式上不是做创新而是永无止境的细分。