他赌摩尔定律终结，结果赌对了：AI Agent 与全球内存危机的真正拐点

在这期 Latent Space 对话里，Doug O'Laughlin 抛出一个让很多工程师不舒服的判断：真正限制 AI 的，早就不是算力，而是记忆、Token 与人的认知惯性。更狠的是，他承认自己的人生转向，正是因为提前押注“摩尔定律正在失效”。

“这玩意儿老犯错”，但它正在改变分析师这个职业

节目一开始就很不留情面——“This crap makes mistakes all the time”。Doug 并没有把 AI 神话化，相反，他明确指出：模型会犯错，而且错得很明显。但真正重要的不是错误本身，而是它在“往哪里倾斜”。

他把 Claude Code 形容成一个“Finance Junior Analyst”：不完美、需要监督，但能把大量嘈杂信息快速压缩。这种能力对资深分析师不是替代，而是放大器。过去你要花几天清洗数据、对齐假设，现在你只需要盯住方向是否偏了。

这也是很多人低估 AI 的地方：大家盯着单次回答的对错，却忽略了系统性压缩噪音的价值。当错误是可预期的，效率提升就是真实的。

一次“摩尔定律要结束”的信念，成了职业转折点

Doug 在节目中讲了一个很少有人愿意公开讲的故事：他曾有一个“非常深的信念”——摩尔定律正在走向终结。

他说得很直白：这几乎是一个“career maker”的判断。他不仅相信这件事，还重新定向了自己的人生路径。当行业里还在默认“算力会继续指数级变便宜”时，他已经在为一个相反的世界做准备。

这个判断并不浪漫。它意味着：
- 瓶颈会从计算转向存储与数据搬运
- 系统设计要优先考虑效率，而不是无脑 scale
- 软件层面的优化，会重新变得重要

回头看，这个信念解释了他后来对 Token 效率、压缩、Agent 架构的执念。

Excel 成瘾、系统化外推：真实分析师的工作方式

有一个细节特别真实：Doug 承认自己对 Excel Sheets 有点“成瘾”。

不是因为 Excel 多先进，而是因为它代表了一种工作习惯——把世界拆成结构化表格，然后系统性地往外推。他说自己的用例非常具体：不断把新的信息压进去，再整体推出一版新的判断。

在这个过程中，AI Agent 的角色并不是“给结论”，而是像一个勤奋的初级分析师：
- 帮你压缩信息密度
- 提取重复模式
- 提醒你哪里可能被噪音带偏

这也是为什么他强调 multi-agent、sub-agents 和 Token efficiency——当记忆和上下文有限时，架构本身就变成了竞争力。

Token、记忆与“全球内存短缺”的隐性战争

节目标题里提到的“Global Memory Shortage”，并不是一句危言耸听。

在 Doug 看来，AI 系统正在同时遭遇三重约束：
- 模型的上下文窗口
- 推理过程中的 Token 成本
- 人类自己有限的注意力与工作记忆

这也是为什么他反复强调 Token efficiency。不是为了省钱，而是为了让系统能在有限记忆里保持长期一致性。当你开始用 Agent 做复杂分析时，记忆管理几乎决定了上限。

这背后，其实是一个更大的趋势转向：从“模型更大”转向“系统更聪明”。

“你的先验，会变成你的监狱”

节目中最值得反复回味的一句话是：“your priors become your prison”。

无论是人还是模型，一旦过度依赖既有假设，就会自动过滤掉不符合预期的信号。这也是为什么 Doug 对 AI 的态度很克制：他不指望模型替他思考，而是用来挑战自己的先验。

讽刺的是，AI 恰恰最擅长放大专家的能力。它不会让你从 0 变成 10，但能把一个 7 的专家推到 9——前提是，你愿意承认自己的假设可能是错的。

总结

这期对话真正的价值，不在于某个具体工具，而在于一个清晰的信号：AI 时代的核心竞争力，正在从“算力崇拜”转向“系统设计 + 认知自省”。如果你是从业者，现在就该开始思考三件事：你的工作里，哪些可以被系统性压缩？你的先验假设，哪些已经过期？以及，在一个记忆受限的世界里，你如何设计更聪明的 Agent，而不是更大的模型。真正的拐点，往往不是技术突破，而是认知转向。

关键词： AI Agent， Token效率， 摩尔定律， 全球内存短缺， 系统设计

事实核查备注： 需要核查：Doug O'Laughlin 的姓名拼写；节目中关于“摩尔定律正在结束”的原话语境；视频发布时间 2026-02-24；标题中“Global Memory Shortage”的具体表述是否为主持人或嘉宾观点。