强烈赞同这个观点，模型/算法/数据，数据=知识➕经验。

所谓知识，是被语言化之后，可以通过学习去获得的；而经验，是在一个具体场景里的充分知识，世界上的绝大部分经验都未被语言化(文字化→数据化)，且需要通过大量的训练来获得。

人类的知识总量是一定的，1.4亿本书的总量+每年几十万本书的增量，今天的大模型压缩的是人类的知识，从这个维度上来说，边界是完全看得见的。如果仅仅停留在知识的层面，大模型能力被拉平只是时间和资源的问题，今年以来已经越来越是一张明牌。

然而，人类在日常的生活和工作中，解决绝大部分问题，靠的恰恰是未被语言化的经验，这些经验包括遗传的以及后天习得的。那么，从这个角度看，我们不难理解，今天大模型能力即使已经很强，也无法很好在实际场景中去有效解决问题，TA 有知识但无法通过实践去获得 skills。

从生产和生活角度看，特定场景+包含人类 skills 的数据训练，对于在特定 domain 的有效性就变得异常关键，这一点Tesla的 FSD 已经初步做出了有效验证。