当实现成本低廉之后，研究品味何在

- 本文背景是AI大模型（如GPT系列）让"实现"（写代码、搭系统）变得极其廉价和快速，任何人都能快速把想法变成原型。 - 作者的核心论点：当"实现"不再是瓶颈时，研究者的核心竞争力不再是写代码的能力，而是"品味"——即判断"什么问题值得做、什么方向有前途"的能力。 - 这个话题呼应了近年来AI行业的一个热议：随着AI辅助编程工具（Copilot、Cursor等）和低成本训练/推理的普及，传统依赖工程能力的研究门槛正在消失。 - 对读者来说，理解这篇文章需要知道"实现变廉价"指的是AI工具大幅降低了软件开发和模型实验的成本；"研究品味"则是指对长期重要性的判断力，比如选择问题的眼光、对趋势的嗅觉，这是短期内难以被工具替代的。