2023-05-27

谎言的艺术

昨天把车卖了,应该下周一就飞新加坡了.

想想,也该写点什么才是.

看IPA的日期,应该上周四就approved了的.
原本以为两周,但是周一还是周二尝试自己查了下状态才发觉已经下了.
随后的就是周知各方,订机票酒店之类的事宜了.

回想三月底到现在,也差不多两三个月了.
怎么说也算告一段落.

剩下的就看是落地段子重演,还是always day one人类漂泊客居了.

回想刚毕业的时候也是因缘北上.
说不上好坏地,也在北京呆了几年.

后来到深圳也算逐渐老实了几年.
不管是哪种层面来说.
算算可能也近十年了.

虽然说对来了就是深圳人这句没什么特别情感波动.
但至少从呆过的城市来说,深圳可能还是自己的一个选择吧.

虽然某种程度上来说,也只是时运问题.

虽然并不觉得自己算是扎根深圳了.
至少情感上来说,是没什么离开深圳的想法的.

尽管很多时候觉得其实去哪个城市或者地区都无所谓.
但毕竟也还是人.
总会有一些惯性和舒适区.

也不能说深圳适合各种意义上的生活和生存.
但至少还是适应了节奏.

某种程度上也算变成了深圳的形状.
虽然说多多少少跟stereotype中的深圳人/节奏有些格格不入.

现在要离开了,也多多少少又些惆怅.
虽然理论上来说也不算板上钉钉.

就像有时候清晨起来,拉开一扇窗,看着阳光和空气.
呼吸着一点凉爽感.
你也说不上来那是一种放空还是是茫茫不可及物的虚无感.

尤其这一年半年来,自己终究也不算是无牵无挂了.
至少相比以前来说,不是那么纯粹的自由态了.

可能就像艾伦耶格对着大海说出那句名台词的时候一样.
其实他也不知道或者也没特别的期望.

只是延续着本能的挣扎而已.

可能到最后结尾,也终究不过是一个会哭着说那种事情不要啊的小孩子而已.

剥去轮回和各种宿命身份之后,不过是一个无力而有拒绝不了长大的儿童.

有段时间也确实想过去新加坡或者说更宽泛的去国外工作生活体验.
至于确切的动机是什么,现在也回想不起来了.

或者说原本就没什么动机,纯粹只是一种想要something new的一种冲动或者说直觉.

至于常见的润学观点,作为一个多多少少算偏粉红的人来说,倒是谈不上的.
也至于现在在可能要离开的时候,多少有些不舍和依恋.

很难说舍不得的是什么.

可能和很多人不一样的是,近几年并没有觉得有什么不适.
尽管也不能说完全没有什么不方便不合理的地方.

但终究把你自己放入那些决策地位的时候,可能你也想不出有什么更优更social optimal的方法.
尤其作为一个风险倾向偏保守的角度来说.

这些年经济上的变化也并不全然是某些事情所致.

很多时候,历史终究会有这种周期性.

毕竟从单纯曲线绘制直觉上来说,没有什么一成不变一马平川的flat的.
总有些波动和曲折.

口述历史到底不过是一种事后归因的综述模式.
体现的也仅仅是一种充分而对必要未置可否的一种态度.

所以在这个节点上,说茫然,倒也不是说不上.

虽然某种程度上可以打趣地说前程无忧.
毕竟在当下的时势里,每个单独个体更多的是gone with the wind.
忧虑也不是一个能够解决问题的东西.

有时候觉得无问西东更多的是一种想死而生的觉悟或者说妥协逃避感.

毕竟事实上可能并没有得选择.
也就谈不上问.

不用工作的这段时间也发觉,以前觉得做不过来的一些事情,现在也依然是.
你也不知道到底是时间不够,还是其他问题.

甚至于连时间表和节点都没什么太大变化.

一时也不知道之前的工作和生活跟现在到底有什么区别了.

到底是自己机械化了,还是人就是如此的无趣.

脱去了各种情绪和形容,工作也不过是一个ordinary的routine.
跟吃饭睡觉一样,不过是一种行为方式.

更抽象地说,人活着活着人醒着,不过是让自己不停下来而制造各种意义活着目的罢了.
甚至于消极躺着也不过是一种另类的目标和意义.

可能就像星野爱说的.
活着不过是人类对自己的谎言而已.

区别的是不同人的说慌艺术层次效果不同而已.






2023-05-12

廉颇老矣

昨天看了下今年的Google I/O.

虽然说近几年没什么亮点了,无非就是All in AI的题材,外加还有点创新的Android部分.
但多少还是看了.

今年也确实还是AI,而且Android方面也缺乏亮点了.
不同的是可能刚好前有OpenAI的ChatGPT,所以展现的功能更多的是一种模仿和追随.

这么说可能也不太准确.
毕竟单纯说ChatBot的话,Google Duplex/Assistant也算前几年的产品了.
加上之前说LaMDA有意识而fire了一个工程师的事情.

就这类生成式对话来说,技术上可能也不是什么新鲜的东西.

但是市场就是这么一个奇怪的存在.
有时候也很难用常理,或者是常识去推断.

回想ChatGPT当初也只是谨慎地宣称了codegen的功能.
更多的是将copilot/codex和nlp的chatbot形式做了个新的结合推出来的一个概念性的产品.

爆火的原因可能是因为意外的conversation的体验门槛降低使得更多的人接触而产生的一个算是网络效应或者是social virus的一个结果.

当然,不能否认的是确实把prompt这种交互方式泛化了.

毕竟之前可能确实没人想到过用continual prompt的方式做context building.
midjourney也只限于类似context binding的单次生成方式.

所以从这点来说,确实OpenAI算是误打误撞地创造了一种新的模式.

那么反过来看,为什么Google这个从基础模型到架构再到交互方式和应用的先驱却没有产生这种商业层面的领先优势呢.

当初LaMDA事件的争议就在从纯技术上来说,这种generative AI算不算General AI.

毕竟你可以说只是概率统计结果.

但从更广泛的一个范围来说,相当一部分所谓人类的经验甚至语言也多多少少是一种依循过往经验构造的一种反应过程.

所以从这种decision的角度来说,也不能否认它确实是一种类意识到存在.

尽管还没有证据能够证明它有推理的能力.
但是也并不能否认在某些方面,确实有某种公认的common sense.

对于这种可能略显模糊的边界感,Google当时还是选择了一个比较保守的态度.
也就是公开场合并不认定这是一种general AI.

可以说,可能正是因为在这方面做得比较久投入比较多,所以关于理论和伦理的边界感可能变得更为高尚或者说负责.
毕竟科学或者技术之外,还需要一些伦理ethics来保障.

可能是从Deepfake的工具化开始,AI ethics就成为了一个算是前沿但也不那么前沿的一个方向.

说前沿自然是指跟随技术发展的道德法制约束研究.

不前沿则是因为说到底这是一个类似accessibility的东西.
有则属于锦上添花,没有也并不影响商业化.

某种程度上来说,这也可以成为OpenAI以及微软的一个criticism就是这种道德约束边缘的东西吧.

当然,也可以类比前互联网时代的pirate bay.
作为一种技术流行优先的开放性代名词.

盗版和open source确实破坏了当时的一些现有生态.
正如现在copilot和各种generative AI带来的素材和版权争议,尤其对创作者带来的侵害.

尤其在今天自由职业或者半自由职业比当年多的情况下,个体利益被侵害的总体社会影响应该是比那时候大的.

所以回过头来看,这届Google I/O可能更有价值和更细微地方在那些关于ethics的地方.

一个是对提供generative AI生成的图片的watermark功能,以帮助人能够独立识别哪些是生成的哪些不是.

看的时候倒是对这个的原理和实现程度比较好奇.

毕竟往深了说,可能需要的技术支持并不简单.

如果只是针对自身生成的图片来说的话,那可能需要有一种invariant的fingerprint方式.
因为图片可能经过裁剪加工,如果没有一种能容忍这种变化的fingerprint能力的话,那其实算不上是一个可以拿出来说的feature.

而如果是要针对未限定的AI技术生成的更广泛的识别能力的话,这个可能就更有挑战性一些了.

虽然目前对于StableDiffusion类方式生成的可能有比较简单的识别方式,但要做到前瞻性的话,技术投入还是比较需要持续性的.

当然,现在看着好像还主要是溯源的方向,即用现有的图片搜索技术回溯源头以帮助判定.
从功能宣传角度来说,倒也不是不行.

只是还是没那么理想.

另外一个可以说得上的亮点就是前面说的溯源.

Bard的演示里有关于生成的代码来源的一个连接展示.
某种程度上可以说是对copilot的一个恶作剧讽刺.

当从实际角度来说,至少它说明了这项技术本质上还是一种统计概率的预测借鉴.
而展示出来的这项功能可能更多的是Google自身对于ethics的一个技术上的突破的小应用吧.

毕竟如果没有regulate和traceable能力的话,也没办法对生成的token/pattern来源做一个比较清晰准确confident的回溯.

背后可能更多的是对于这类模型的可解释能力方面的一个工程化表现.

如果是这样的话,可能Google在AI商业化方面步伐慢的原因可能更多的是这种道德负担.

当然,从这届I/O也能看出Google对于AI的商业化速度也是不太满意或者说焦急焦虑的了.

如果排除这些ethics方面的东西,其他的创意和新意是谈不上的.

再联想Google Brain和DeepMind的合并走向,可能在AI ethics方面,Google也坚持不下去了.

或者说,确实在没有增长的年代,焦虑是每一家公司会面临的问题.

尤其现在大多数都是创始人退休,职业经理人执掌的局面.
一些理想主义的情结和因素是比较难再体现在公司文化和走向上的了.

有时候也不知道是年龄问题还是时代问题.
常常想的是尚能饭否.

2023-03-20

系统中的人

说是不管裁员还是裸辞也都差不多两周了.
虽然说不上难找吧,倒也不算容易.

相比较于几年前的经验来说,面试倒是应接不暇.
只是谈下来多少还是未成行的多些.

之前也觉得大概这会是自己的最后一份工作.
毕竟说能力是一方面的制度自信问题,但是诸如年龄经历之类的软性约束还是摆在那里的.

虽然说抱着这心态也还是换了一次,但终究还是多少有些不安分心里的.
所以也就有了这一次.

有时候也会想是不是自己不喜欢工作/写代码了.

仔细想想倒也说不上.

只是挺多时候写起来缺少一种所谓新鲜感吧.

虽然说有时候需求/要达到的目的也挺tricky的.
实现起来也蛮有玩乐的感觉,尤其一些奇技淫巧的地方.

但总的来说,还是有些枯燥?

虽然有时候也想写写DPDK/SPDK/io_uring/SoC之类的东西.
但是一方面吧,没有这个硬件条件和需求.
另一方面也觉得终究还是没什么实际场景使用.

或者说属于可以,但没必要的概念.

可能这就是所谓的rotten/生锈感.

或者说缺少了某种热情.

有时候看着ChatGPT之类的东西,稍微想想,也总觉得大概知道怎么做了.
缺的可能就是一些现实资源供给.

毕竟纯技术方面来说,这些年已经渐渐没有什么individual/independent的空间了.

前互联网的洪荒时代,大概平均软硬件水平摆在那.
可以说是除了天赋之外的资本等于零.

所以才容易有个人App或者个人项目构成某种trending.

等技术发展起来了,硬件随着各种特化需求变得越来约复杂,越来越专用,也就越来越少通用化的东西能够所见即的.
所以像后来的SoC方案,各种定制化硬件,以及对应的使用场景.

不在局中,不到规模,自然是一般人也接触不到的.

当然好的一面就像虚拟化技术等的发展.
挺多东西至少降级可用的.

当总的来说,技术趋势还是越来越趋于专用和封闭的.

就像现在的AIGC来说.

从消费层面来说,但是门槛和便利性提升了不少.
甚至于硬件来说,云也提供了相当低的入门门槛.

但它是一个像以前一个个人能成的东西么?

说是倒也不是说不上.

社区当然有足够好的模型/dataset.

但是到了这个阶段,基础理论可能并不是一个关键性因素了.

技术的门槛变成了规模性.

一方面是硬件支撑能力带来的参数规模.
一方面更多的是人力规模带来的差异化.

像现在GPT-4以及前沿的所谓CoT思路.
intuition并不复杂.

复杂的可能在于你有足够多的模型和足够多的instruct去构造这个meta logic.

而且考虑到训练本身带来的时间开销对应代际差别,这种更是不太可能规模化的.

类似的例子就是百度的问心一言和同期试图竞争的各个大模型.

虽然效果相较于OpenAI来说可能连差强人意都说不上.
但是仔细分解的话,还是能看到大致类似的拆分组装过程的.

以百度的AI图生成来说,至少也有fusion过程的.
尤其smooth的程度从纯技术上来说,并不见得有多难堪.

它们之间的差距可能更多的是看谁堆叠的modal多,整合generate能力更稳定,memory/context范围更深更广.
而这些可能依赖于前一代的基础.

毕竟CoT本质上类似meta programing.
有了bootstrap的过程,后面的基本上就是指数性的复杂度变化.

所以反过来,从人的角度来说,信息整个和泛化能力至少在相当一方面已经没有什么intelligent方面的优势了.

想到这里,就难免有些算了吧的感觉.

当然,从纯工具角度来说,自然是具有相当便利性的.

但就个人而言还是会有些不适.
一来大抵算是不想放弃自身的能力,宛如守旧的手工艺者.
二来多少算是一种文人相轻,总试图challenge.

只是从功利的角度来说,工具也只是工具而已.

就是这种心结总是无法弥散.

另外就还是那种individual的无力感.

或者说在规模面前的无足轻重感.

而且即使不是作为个人,而是作为一个团体也是.

开源届为了生存改license或者其他不尽如人意的改动以对抗大公司巨头的各种方式,即使是现在看也是大多数算是失败了的.

在一个个的规模化机器面前,次规模的总是被碾压的对象.

当然,这些还是一些外在的因素.
而且也不是现在才有的.

从互联网开始是走向App的隔离时代,大概就多少注定了这种走向.

或者说人类社会无非就是这种不同的车轮互相碾压的过程.

纯粹回到兴趣方面的话.
可能更多的还是少了一些发现乐趣的方式吧.

或者说更多的是纠结有用这一点了.

想想,可能无用才是现在人类应该或者说需要有的一种态度.

毕竟在这种chaos的时代,有用可能更多时候也是undefined.

就像SVB之后,人类金融系统和监管的理论基本已经自己吃掉了.
联储的加息预测和市场走向更多的是在各方面配合地做一场机械演出安排.

有没有用,本身似乎也不是很重要了.

晚上的时候女朋友问喜欢现在的生活吗.

想了想,也很难说喜欢或者不喜欢.

看了看收入,虽然谈不上财富自由,但也没什么开销,粗茶淡饭过完余生可能还是有剩的.
最近也少有地容易睡到自然醒,每天的消息也居然鲜有地有能翻完的时候.

大概就是步入了比以前更按步就班/可预测的日子.

相对应的大概就是没了那种需要想办法保持work life balance的各种均衡腾挪感.
再给定的约束时间段和范围内,研究怎么高效地做更多的事,然后安排更多的事.

坏处大概就是没了这种紧凑感.

大概这就是所谓系统中的人.


2023-02-04

谈谈流浪地球2

上完七天班之后终于看了流浪地球2.

总的来说还是跟挺符合预期的.

之前出定档消息的时候国内还算疫情纪元.
尤其处于共存和清零派矛盾差不多全面爆发,经济压力额外突出的时候.

所以看到这么早就定档春节档,大致基调就是这样的了.

无论是数字人生派还是移山派的刻画都不算刻板,或者说片面/单纯的善与恶.

固然有着不管100年后,只求娱乐至死的极端团体在,也有以图恒宇和稍暗线的马兆这类的偏中间派.

移山派也不完全是坚定不移绝对正确的形象树立.

而且从整个剧本来说的话,某种程度上上也算形成了一定的中国特色.

3个小时的时长容易让人刻板印象地想起印度电影.

与以各种歌舞和大杂烩剧情编译成的印度电影不同,流浪地球2还是有比较明显的主线和戏剧冲突的.

明面上的是图恒宇和刘培强所代表的光影对立立场.
同样基于家人做出的相反立场设定的戏剧冲突设计算是很好莱坞式的流行元素.

而暗线上的W550和人类之间的关系,也是属于一些成熟商业话电影所会用到的手法.

就像妇联系列在单个英雄作品里会用共同背景和元素互相交织唤起构成一个所谓电影宇宙的手法一样.

而且从叙事上来说,这条暗线的运作也是非常成熟的电影手法.

利用同调的BGM和定格机器特写,反复用同样的元素组合提醒人这个特殊的镜头存在.

加上结尾略带明显的致敬黑客帝国3的无穷房间和人类作为理性方程里的不稳定变量这点,很难不让人联想到neo和architect对话到那场戏.

尤其放到片尾这种私有若无的续集串引线索,算是非常漫威式/工业化的做法.

而谈到元素隐喻,就不得不说前面的两派对立设计.
以及可能被谈的比较多的李雪健饰演的周喆直的人物投射.

在一些批评声音中比较多争议的也是这个角色代表的意义.
称之为一种中国霸权式的想象,崇拜文而不实的喜欢比喻的非西式直白外交表达形象,集体主义狂想等.

记得有一幕比较耐人寻味的场景转变是在周喆直谈人类股骨头愈合的那个剧情阶段.

之前的穿着是非常正式的西式uniform,而在这场演讲及其以后都转为的极具标志性的中式中山装形象.

往可能过度解读的方向考虑的话,就是在此之前中国的态度更多是在现有国际框架下协调合作参与.
而服饰的变化则代表了在意见分歧和压力下,中方的自主和尝试领导的路线态度.

移山计划和后续的各个UEG决策背景上都是各国协同约束下的一个共同合约性质的执行方案.
包括后来的核爆月球所提到的核弹头方案异议上也表明,某个行动的执行标准还是依赖于一个国际协定约束的.
有国家不同意就不通过.

而且这里有个比较巧妙的点是略去了各国争议调停的会议桥段,而是有意无意的在重大决策上用中美两个人物的对话来消除统一内部分歧.

这个往现实投射就是一个可能会心一笑但又不太能明说的一个关系.

类似的还有俄罗斯破解密码的部分.
以及片中在美式多样性文化价值输出里也可能比较少见的发展中国家,尤其非黑色有色人种新兴市场国家的形象.

而对于本片过于集体主义和战狼文化的观点,
有几个设定也是比较微妙的.

第一个是在谈地下城抽签机制的时候.
影片中的中国是一个明确以显失公平而由做出拒绝投票的.

对应的细节就是当开始地下城疏散的时候,看入口电子牌的英文是凭资格进入.

而另外一个镜头是郝晓唏在代表中方明确开放地下城给所有国民.
并且对于质疑粮食问题的时候,回应的只是告知而不是征求意见的外交立场.

还有一个比较有意思的隐喻是在图恒宇生命体征消失后,争论是否停止同步引爆的那场戏.

背景上来说,周喆直是不可能知道后续安排的.
而且理性地来说,所有人都应该从已有的条件推出任务已经失败.
这点从台词和人物对话上也明确表示了的.

尤其在几个镜头里,一些轻微的blame china的声音.
包括在此之前对于中方进度的微言.

这里说指向的是在疫情纪元中国迟迟不re-opening以及对经济下滑的归因上行为是类似的.

而这场戏另外一个亮点在于周的近乎非理性无理由无条件的信任.
这里其实折射的更多是一种中国式的动员能力和军队牺牲令行禁止的违心主义的唯物主义人丁胜天文化.

包括全片的各种前仆后继的人员投入或者说牺牲很容易联想到饱和式式救援这个情感性质complicated的词.

在疫情背景下,这种人力投入和信念往往带来两方面的极端评价.

周喆直这个形象在整片中基本上就是中国官方形象对自己的定位.
合作而又独立不盲从,框架内宏大叙事.

整片另外一个值得说的是马兆.

从剧情上来说,应该是一个前数字人生计划的领军式人物.
如果按照图恒宇的设定来说的话,应该是一个绝对的利益受损者,似乎更适合作为一个对立面戏剧冲突角色.

但是实际上安排的是一个马上转向为对立面移山/流浪地球计划贡献技术的一方.

这个基本投射的就是官方意识形态里典型的举国体制下的共产党科研人员形象.
也是容易被评击集体价值的无个人主义表现.

当另一方面,这个人物又不是完全刻板印象的集体主义执行人.
对于图恒宇他又自己的私心或者说人性.
不单是默许并且主动承担了图丫丫的数字化责任,而且在明知道有风险的时候还给了图恒宇接触550系列的机会.

这种更多是对于一种朴素学术环境的师徒传承的塑造.

而类似的传承叙事在后面郝晓唏复刻周和自己的对话经历,刘培强和流浪地球1的关系一样,存在在多国宇航员之间的那个师傅,

更拔高的有点就是关于人类传承这点的线索脉络.
包括周多次表示的人民至上生命至上,以及流浪地球本身所暗含的人类火种这点.

甚至于数字人生本质上讲的也是人类文明的延续迭代上.

所以.说流浪地球2是一部算得上有中国自己特色的电影风格的话,也不是说不上.
这种多线叙事而由最终统一会同一个哲学内涵,某种程度上也是中国文化所擅长的.

用一种宽泛的文化哲学内涵去描述衍生看似不同内核的叙事.

除开这种剧本框架和符号隐喻上的可圈可点之外.
就流行文化方面也是算有比较成熟的运用.

比如一开头的一家人要齐齐整整的梗语言应用.
类似的还有中后期的情况就是这么个情况.

而更活跃一些的可能是吴京个人风格的一些东西.
比如初见韩朵朵时的那个连孩子名字都想好的梗.
练习送花时对自己经典表情包动作的再演绎.

甚至于第一次做太空电梯里跟的how are you fine thank you and you的梗语复现.
尤其考虑到韩朵朵跟韩梅梅的取名类同来说.

刘德华的机器狗至于R2D2的可能可以说的上的致敬.
以及暗线里,机器狗携带的女儿数据之于钢之炼金术士大哥哥的梗.

韩朵朵在太空电梯用机械臂冲击的场景也是非常dejavu的.

太空电梯坠落和战斗机上冲失速这些也是非常常见的设定元素.

顺便,在开头坠落的那场戏里有个印象深刻的是做那个机动动作然后回归机群的几个镜头.
让人觉得设定还是非常用心的.

而说到设定,至少在自己知道的几个领域还是比较经得起推敲的.

像北京根服务器的部分.

片中的原因是说行星发动机的专有网络还没有建设好,需要紧急重启全球互联网.

从设定上来说,各个媒体和手机信号在没有这个全球互联网的时候能够工作,说明其实是有所谓互联网的.
只不过可能相对来说,需要重启的全球互联网属于一个legacy的基础设施架构.

这点和专有网络建设没有完成的也是对的上的.

所以根服务器的剧情重要性在于用原有覆盖广的旧网络体系做emergency use.
类比就是在高铁网络瘫痪或者不可达时启用旧铁路线网和兼容轨道机车.

而人工点火核爆的部分自己的理解在于精确性要求时对于爆破点的结构力学角度来说的.
并不是爆破事件.

就像旧建筑拆除的定点爆破,更重要的力学特征的正确性.

另外有一点觉得通俗化做得好的是关于丫丫两分钟的设定.
尤其在第一次介绍这个两分钟设定时候的伴随的丫丫哭闹结束.

这种就是ChatGPT或者类似神经网络或者概率统计理论本身的应用缺陷的直白化.

拟合的模型结果在大长尺度范围的严重失真问题.
用哭闹来表达算是一个信雅达的方式.

所以总的来说,这部片还是算很有价值的了.

虽然存在一些瑕疵.

比如吴京的几个个人英雄主义桥段就显得过于黄晓明了.
用一些协同来表述可能更符合逻辑一些.

还有就是几场戏的镜头感也不算很好.

尤其刘德华入狱前在550W机房的几个镜头.
在面对镜头做breaking bad式的打光凸显半明半暗的脸的时候,似乎不是太成功.

还有就是可能对刘德华这个人物的期待有点过高.
本来设定上他的纠结和冲突应该会更立体的.

就像在无间道那样.

形式上来说,和吴京作为两派的代表也确实是有当年无间道的冲突潜质.
但可惜表现还是平淡了点.

反而是喊50岁出列的张鹏的角色塑造更立体一点.
毕竟设定上算是个老油条,在刘培强接任务的那场戏还试图找关系回避开.
而到了剧情点还是闪耀了人性光辉.

这场戏自己认为最为煽情/动容的一场了.

总的来说,流浪地球2确实算得上中国电影工业的一个里程碑式存在.






2023-01-10

关于辉瑞的一点数据

心血来潮翻了下辉瑞的21年的年报和今年三季度报告.

Q3的总收入是22b.
其中Global Biopharmaceuticals Business贡献了98%.
而像Paxlovid和Comirnaty(mRNA vaccine)所属的primary care占总收入的70%左右.

如果继续拆分的话,Paxlovid占到primary care的48%.
换成成总收入占比的话,Paxlovid在Q3占了总收入贡献的33%.

算上Comirnaty的20%.
也就是光Q3, covid就给辉瑞带来了过半的收入来源(53%).
这算大概是在8.5b左右.

如果用这个单季度数字forecast全年的话.
一年光靠Paxlovid和mRNA疫苗,Pfizer可以入账34b左右.

单看Paxlovid.

按市场拆分的话,以Q3的数据为基础.
大概美国本土67%,其他发达国家占30%.
发展中国家或者说emerging market占不到3%.

因为2021 annual report里提到,辉瑞跟Global Fund有个承诺,就是提供6m treatment course.
这个plan里对于developed country会按照正常的tiered price销售.
对于非发达国家也就是差不多认为是emerging maker的会按照non-for-profit的tiered price model去销售.

那么它单个treatment的价格是多少呢?

同样在2021年的报告里有个对于2022年的guideline.
计划在2022年上半年deliver 30m treatment的Paxlovid,下半年再增加90m,统共2022年预计销售120m treatment.
预计销售收入是22b.

按2021这个数据简单换算的话,per treatment的avg价格应该在183刀左右.

按照这个价格折算的话,Q3给发展中国家的总数在1.2m treatment.
如果用单个Q换算全年的话,全年给发展中国家的大概在4.8m的treatment.

结合对Global Fund的承诺的话,倒是算合理.
毕竟这个是平均价格.

所有,如果假设6m的treatment都是给发展中国家以under normal price的价格销售的话.
再假设6m的销售都是均匀分布的.

那么用Q3 emerging maker的revenue折算的话,non-for-profit的平均价格水平应该在148刀左右.
也就是正常tiered price的8折.

当然,两者都是一种全年折算和平均价格.
具体的tired分布是至少没有体现在财报和季报里的.

反过来,用183刀折算估计US全年的treatment的话,大概2022总共销售163m treatment的Paxlovid.

2022年美国covid的total new cases是101m.

直线换算的话就是1.6 treatment per new cause,折算Paxlovid开销是297刀.

美国2021年总人口是331.9m.
用new cases折算人口数的话,一年的感染人数占总人口的30%.

如果用这些基础数据换算中国的情况的话,一年感染人数在430m.
都用Paxlovid按照for-profit价格的话是128b左右.

从辉瑞的角度来说,就是即使以Q3的revenue换算全年也不过101b的收入.

2021年医保总收入和支出按汇率7折算美元的话410b和343b.
年结存67b.累计结存516b,约等于7.6年.

另外如果考虑人口结构因素,年结存应该会递减.
一个是收入减少,一个是支出增加.

还有一点就是关于Comirnaty也就是Pfizer的mRNA covid疫苗问题.
mRNA vaccine的收入大概是Paxlovid的一半左右.

那么纯以这个量换算国内的话,一年的开销应该在202b左右.

当然这是个很粗略的算法就是了.

2022-12-11

也谈ChatGPT

这两天有点沉迷ChatGPT.

固然一方面有被impressed到.
但另一方面更多的是一种好奇或者说怀疑.

毕竟原则上来说,对目前给予统计概率的AI还是比较不太容易有好感的.
虽然说从工程或者说实用主义角度出发的话,确实是一个容易有比较promising结果的一个方向.

但至少以人类理性/逻辑的尊严或者自负来说,还是希望有能够符合直接的reasoning过程的方案出现的.

回到ChatGPT本身.

官方的卖点一开始也是code generation.
至于其他的,可能还算是GPT系列的固有技能.

所以这几天也着重在玩这方面的.

开始是spell了一个爬取网页内容的脚本描述.
很自然地generate出了基于beautifulsoup的脚本.

然后附加了一些instrument也支持了script的解析和结果变量提取,以及随后的结构化数据处理和存储.
最后还支持脚本参数化命令行.

从结果上来说,还是比较惊艳的.

更意外的是instruct它把python version port到javascript的话,结果也是相当让人满意的.

这里就不仅涉及到语言之间的对等翻译,还涉及到对应库功能的替换和重写.
毕竟两种语言的风格和支持库的用法是不一样的.

所以如果说是符合人类直觉的翻译过程的话,出了procedure的对等变换之外,还有合适的库的选型以保证风格/结构上面的大致对称.

当然,还有另外一种方式是根据初始的spell替换一个上下文语言约束重新生成.

这种方式的话就相对简单多了.

后来想想的话,也确实是这种方式的generator比较合理.

但是对问题的理解和到合适代码生成这个task的过程还是让人眼前一亮的.

猜测的大致模型是语义的annotation组成一个knowledge graph的embed结构,然后有一些基本的infer规则匹配.

一个例子就是别人的一些诸如星期几的简单演算问题.

encode之后的形式化结构的逻辑表现形式可能类似于一个属性结构,推算就变成了相邻子树/层级之间的模式匹配问题了.

比如从周三开始连上七天班之后是周几这样的问题.
平行结构就是天数和对应的quality(天)的同态模式匹配/infer问题.

不过具体到这个特定问题还有个意外惊艳就是考虑到周六日这种特殊情况.

想想,可能也正常.
这两个节点可能有相应的negative的signal/attribute.

另外一种实现方式可能是服用code generator的方式.

把自然语言translate成用于code generator的instrument结构,然后生成在翻译成自然语言.

这个方式的话倒是打开了这类概率模型发展的一个新思路.

毕竟之前诟病的就是可解释性问题.

如果转成这类IR之后,以程序/图灵机的方式做推理演算,那之后IR之后的部分是acceptable/比较让人舒适/愉悦的一个方向的.
这样的就对后半部分的可解释问题没什么疑问了.

而且能够解决相当一部分问题.
只要给出了相应的数学约束就行了.

剩下的就是常规的程序演算问题.

如果是这个方向的话,倒是对ChatGPT有一些好感了.

然后就是试着用这个思路去套它本身的实现机制.

但估计是设置一些伦理道德限制.
就像那些毁灭世界问题意义,对于自身的一些回答都是相对固定的模版.

尤其是涉及到上下文内容推理的部分.
虽然conversation本身就已经代表了有上下文,但生成的回答里还是明确否定了这点.

所以在话术这方面,可能还是不太容易有突破的.

然后回到code generator的部分去尝试.

使用的spell是最近在做的一个关于kafka proxy相关的描述.

再给出初始的sketch描述之后,出来的是一个consumer poll topic然后producer send record的模型.

一步步纠正确实生成了一个server accept client request and forward的看上去能work的代码.

提出optimize要求之后,还能做一些常规的诸如异步/多线程/reuse方面的重写.
refactor和inline指令也能正确地apply过去.

甚至于指定用kafka library替换原生的socket selector处理IO的部分也能正确地重构出来.

到这里可以算是非常令人震惊了.

看上去真是的是指导/结对编程的感觉.

但是仔细想想,可能也不是不能理解.

因为优化和inline/refactor之类的,算是现代language server/ide/linter常见的功能.
本质上来说,也是一种模式/规则匹配.

对一个动不动百亿千亿参数的模型来说,这个反而可能不算什么.
毕竟只是关于训练集的fine tune而已.

不过从应用场景上来说,倒是挺适合做compiler的optimize建议的.
尤其是在模式识别方面.
可能会带来一些新的突破,尤其是offline profile方面.

online/jit的话, 可能就不太现实了,一个是程序本身的性能损耗/采集,一个是模型本身的算力需求.
不太可能像gc一样做到runtime里面去.

至少以目前的技术架构来说还是挺不现实的.

剩下的就还是老问题.

库相关的等价替换实现/重构是怎么做到的.

按照IR的思路的话,还有一个问题就是kickstart/bootstrap的问题.
也就是IR本身怎么到生成合适的代码的.

重新spell了一个生成socks5 proxy的例子.

然后意外地看到了一些熟悉的代码模式.
然后就有些豁然开朗的感觉.

直觉上是类似于copilot的方式,代码库作为语料.
然后跟text2image之类的一样,结合相关的自然语言描述,比如注释和readme,以及相关的project knowledge graph entity等一起做training出来的embed.

这样的话,生成就还是回归GPT的概率模型了.

需要fine tune的部分可能就是code block的attention之类的.

因为从使用经验来说,ChatGPT是可以指定特定局部代码重写.
前提是你能引导/recall指向到意图的那一段.

这样的话,ChatGPT说自己并不具有逻辑推理能力的话倒确实不一定是safe guard.
本质可能还是特定领域的GPT模型fine tune.

不过这里引申出来比较有意思的是关于一开始的impression方面的.

如果只是概率模型的话,那么这种一开始看上去是有逻辑推理过程的结果反映的一个事实是,目前的信息丰富程度需要用另一种角度去看待了.

也就说,可能并没有什么想法/东西是新的.
所有一般人能想到/问出来的,在这个世界上已经存在语料中了.

所以GPT才能generate出来这些看似有逻辑的内容.

而对于像Google最初的索引一切的理念来说,需要revise的就是索引的定义.

或者说现在对于搜索这个需求的定义是什么.

是特定内容关键字的匹配.
还是说特定intension的识别匹配.

前者最多还是逃离不开语句结构本身.
后者则是借助于猴子写的莎士比亚做的伪逻辑inference.

刚好这两天三体动画版开播了.

用智子的话说,就是人类实际可能已经nothing new了.

2022-11-26

代价问题

这两天舆情比较激烈.

矛盾点跟上次上海差不多.

本来想着结论在那,也不多想了.
但后来想想,还是需要review下逻辑.

第一个问题是想在人们反抗的情绪逻辑是什么?

自从今年三月上海脱轨以来,清零和共存的话题,或者更明确一点地说,对疫情管控的对立情绪一直在上升.

一种舆论上主流的语言已经转变成了没有必要再坚持疫情防控了.
依据是病毒的传染性和致命性已经不足以支付如此巨大的人力和经济投入.

那么先看看这种投入有没有必要.
或者说又没有用.

大致看了下今年社会零售的宏观数据.
三月份到六月份是同比负增长的.
从七月份开始到9月份是同比2.5%~5.4%的增长.

十月份数据是-0.5%.
估计十一月份也是负的.

对应的大致就是上海疫情开始到结束.
以及广州疫情开始.

所以从这方面来说,区域性尤其是经济中心的社会面疫情对经济是有明显影响的.

然后是同样看了深圳市的社会零售数据.
因为只到9月份的,所以数据上只有到九月为止的同比计算.

负增长是从二月份开始,五月份结束.
六月份的时候13%的增长,之后到九月份都是在4-5%的区间.

那么是否可以用六月份的数据作为疫情和非疫情的经济影响案例呢?

不能的理由可能是如果说上海作为重要经济区域疫情影响是全国产业性的话,那么深圳的6月增长就属于地区特例样本,不具有普适性.

可以的理由也同样是上海作为重要经济区域,在区域疫情后期的影响已经被逐渐消化折抵,那么深圳6月的增长就属于没有区域性疫情干扰的经济样本.

类比广州的话,因为没有找到具体的数据.
但是又篇11月初的报道提到连续4个月回升,那么合理的反推就是从6月开始回升的.
跟深圳的趋势大致有重合的地方.

因此区域性疫情影响经济这个结论似乎是可以下的.

那么造成影响的具体因素是什么?

如果说是封控造成的各行各业停摆的话,那么存在封控造成停摆,但是没有影响经济的案例么?
似乎是没有的.

于是逻辑上来说,发生区域性社会面疫情,封控是必然会直接影响经济的.

那么它的对立面代价是什么?
也就是说,如果发生区域性社会面疫情,不封控而是继续保持生产,对经济的影响是什么?

这个的一个例子可能就是郑州富士康.

它的现实结果一样是停工停产,对经济产生负面影响.

但这里有亮点需要考虑.

一个是这个案例属不属于特殊形态,或者说停工停产是不是一个必然结果.
再一个就是负面影响的可比口径存在不存在,或者更明确地说,跟封控的经济效益孰轻孰重的问题.

先考虑可比口径的问题.

如果考虑富士康本身的话,封控和停工停产可能是没有利益上的区别的.
形式上都是生产的停滞,以及附带的后期的订单以及各项法律意义的合同履行赔付的损失问题.

这个可能没有一个定量的结论.
而定性上面,也没有足够的区分度.

那么问题回到这属不属于特例.

停工停产的直接原因是群体性事件升级,而动机是工人利益的保障存疑.

利益的保障体现在一个是阳性之后的个体待遇确定性的问题.
即使以感冒考虑的话,附带的是个体停工之间的福利和工资待遇问题.
以及基于此衍生的感染造成的对他人/其他个体的连带责任和影响.

再偏向性一点的立场就是反复感染造成的这些博弈的重复成本.

而要cover这些成本的话,就必须有一个支出方.

如果是工人自己的话,还需要考虑其他工友处于自身考虑对阳性传染性的防御性行为.
即为了避免自己耽误工作,而对阳性和患病产生歧视性回避的行为.

如果是厂方支付的话,那么除了直接地cover工人的这些成本之外,还需要考虑生产率的折损问题.
直接反应在财务上的就是单件成本的上升.

所以从这个角度来说,不执行封控,在经济上也是有损的.

当然这里的一个隐含假设就是病毒的传染性足够造成上述影响.
而这点似乎是不太需要论述的.

那么在跟封控策略做比较的时候,选择的倾向在在于这个有损的程度了.

像前面说的,所有的不封控的做法最后都可以抽象地体现在单件成本上.
而不封控优于封控的临界点就在于这个额外成本对利润率的影响.

如果已经无利可图了,那么西方经典经济学形式上是等价于不生产/没有生产的封控策略了的.

而具体到富士康的这个例子来说,不封控的成本支出的所有指向最终目的都是降低感染率.
这样的话,封控在形式上也可以成为是降低感染率的一种支付手段.

所以在这个例子上,封控不封控指向的结果似乎都是没什么区别的.
有区别的在于,不封控是一种持续性的概率性赌博.

也就是说,一旦发生感染扩散,那么不封控的后续发展就会马上切换到和封控没有区别.

而逻辑上来说既然涉及到封控和不封控抉择的时候,那么必然意味着已经发生了感染病例.

于是,在这个角度反观20条.
也就是在粒度问题上的取舍.

用上面的思路套的话,20条的本质就是在发生社会面的时候,其实是没有所谓选择的.
所有选择指向的结果都是一致的经济受损.

那么唯一能做的还是尽可能阻止/减少社会面感染的发生.

所以回到最开始的问题.
以目前病毒的传染性和致命性,还有没有必要投入人力的资源做防疫.

这个问题形式上是可以把前半句去掉的.
因为在隐含假设高传播率的前提下,致命性和医疗保障不是一个关键条件.
而是社会面感染一定会造成无差别经济影响.

所以从成本的角度考虑,只要经济损失还大于投入,那么至少账面上来说是值得的.

随之而来的一个问题是,以目前的传染性和防御方式,还能不能做到防止社会面传播.

以深圳的高强度核酸检测为例的话.
单纯核酸检测已经不足以做到清零了.

2022年几乎在全年核酸的深圳,即使考虑有境外输入成分,本地感染数量在常规时刻也是有波动的.

但是社会面疫情还是在可控的范围内管理的.

也就是说,老办法还算有效.

那么存在其他方式么?
即使是以减少社会面传播这个点来说的话.

从经济结果上来说,社会面传播的负面影响是无差别的.
或者说是随机性决定的产业链波及造成的无差别.

所以可以认为是全体社会成员的一项共同支出.
在发生社会面传播的情况下.

于是纯经济角度的话,就很自然的是熟悉的税收和社会保险制度了.

当然,这只是纯经济上的考虑.
而且考虑到实际的费率测算,可能不是一个小数目.
所以即使想要这么解决,舆情上也是会有比较大的挑战的.

而说到舆论,那就是另外一个话题了.

套用句话就是,这是属于意识形态转轨时期.

很多东西需要换非西方理论来考虑和解释.





投其所好

最近看了持械入宋,发觉AI的发展或者说经济化还是非常一日千里的. 虽然说短剧本身也不是什么新事物了. 甚至AI制作也不是最近才有的. 只是从质量上来说,还是看得出来是有区分度,或者说ROI门槛了的. 这片虽然从服化道方面来说还是普通的AI剧,甚至剧情大半夜还是传统的龙王归来模式....