今天，是汶川大地震17周年整。当时的情景是：遍地死尸，满目疮痍，大地像煮沸的开水一样抖动，地下有无数双手在抓脚后跟。我拼命逃到楼下空地，高楼摇晃、灯杆倾斜，天边发出妖冶的蓝，把侥幸逃脱的人们脸上照出了异样的光。总之那个景象十分特殊，像末日降临…… 大家年年都在转，我就转一篇未删节版吧——《写在5.12的爱国帖》： 那年川西坝子的油菜花比往年晚开了很多天，人们没有意识到什么。那时人们还相信专家，专家说花期推迟很正常，青蛙涌上街头也很正常。那天我正在书房赶一篇文章，地板晃动时，还以为是家猫在脚下调皮……直到窗外传来上百台起重机齐齐发出低吼，满书架的书弹飞出来，才明白这是地震，那声音，是地吼。 大地像煮沸的开水一样抖动，地下有无数双手在抓脚后跟。我拼命逃到楼下空地，高楼摇晃、灯杆倾斜，天边发出妖冶的蓝，把侥幸逃脱的人们脸上照出了异样的光。总之那个景象十分特殊，像末日降临……入夜，才知道都江堰死了很多人，北川封路，血库缺血。那时我正处于一个爱国青年的尾声，纠结处激情最猛烈，我认为报效国家的时候到了，我们要用血肉筑起新的长城。清晨时分，我揣上钱和几包衣服上路，在北川界口与唐建光、郑褚汇合，进到山里。 可是我在北川一中面临人生最大一个困扰。我无法解释为什么五层高的新教学楼坍塌后只有半个篮球场那么大，而几十年前修的旧楼竟没有倒塌，也无法解释大楼像饼干般脆掉后，建渣里竟没什么钢筋，以至于在一楼上课的学生全部没来得及逃脱。一个妇人一直在我身边神经质地走来走去，她已不太哭得出声，只是嘶哑地指着那堆很渺小的碎渣：“看，那是我娃娃呀，她的手还在动，还没死，但我扯不出来她啊……”那个情景令人崩溃，我看得见那个小女娃娃碎花裙的一角，还有其他孩子的衣角，他们中的很多还在动，手在动，脚在动，细小的呻吟。但部队命令我们不准上前，没什么钢筋的废墟不能站人，以免引起二次崩塌。 就这样，眼看着孩子们在扭动、在呻吟，夕阳西下，他们的身体与那些石头一起，慢慢变冷，最终悄无声息……而我竟无能为力。 在此之前我是个爱国青年，相信生活的不幸是敌对势力造成的。我曾在球评里写“大刀向鬼子头上砍去”，因为这些家伙是南京大屠杀的后裔，我骂过CNN长了口蹄疫，它的主持人蒂弗莱骂过中国充满暴民和垃圾。我也不反对抵制家乐福，认为这可以唤醒民族血性。我家离美领馆很近，1999年美国导弹轰炸我驻南大使馆时，我在美领馆外高举过愤怒的拳头，烧过报纸，同年前往美国世界杯采访时，还写过一句“希望女足像一枚导弹打进美国本土”，深觉这句子十分有力。 可是，站在北川学校废墟前的我很困惑。我依然爱国，但渐渐明白碎渣里的钢筋并不是帝国主义悄悄抽走的，孩子们也不是死于侵略者的魔爪，而死于自己人的脏手。我更加困惑的是，为什么911死难者都有名字，我们的孩子没有名字，如果你想索要名字，你的名字也会成为敏感词…… 如果晚年写自传，我将以2008为基点。在此之前我是一个混蛋，自以为是，从无怀疑，像面对自己的指纹一样自以为掌握人间道理。可是大地震后很长一段时间，我天天在北川的大山里，孤魂野鬼一般晃荡，有时与其他志愿者挖出一些老人和小孩，有时就对着残垣断壁发呆。我顿生沮丧，这是更难熬的青春期，被折磨的并非发育的身体，而是信念。 有一天我看着山上，无意中发现竟有一所学校完好无损，甚至玻璃窗都没怎么震碎。我才得知，这是一座希望小学，地震发生后学生们在老师带领下翻过三座大山，全部逃到山下，无一伤亡。我问校长和老师为什么出现这个奇迹。他们异口同声地说，感谢那个监工。 那个监工是捐款企业派来的，他天天用小锤子敲水泥柱子听声音。他是工程兵出身，能从声音里听出柱子里沙子的含量、圆石比例、水泥标号是否匹配，如果不合格，就责令施工队返工，如果施工队不愿意返工，他就大吵大闹。老师们告诉我，那些日子工地上除了施工声音，就是这监工跟人吵架的声音。除了因质量问题吵，就是为了追款跟当地政府吵。众所周知，企业捐款大多先交当地政府掌握，再由政府拨给下一级政府，再拨给下一级……最后才是施工单位，一百万最后就只剩了二十万。最后一次吵架是关于修建操场，他吼出一句：妈的，黑什么，不能黑教育。他终于追款成功修妥了操场，小小的操场。 大地震那天，正是这个小小操场庇护了几百名孩子。 大地震时，这名监工吼叫着从山下拼命往山上跑，当看见孩子们都躲在操场安然无羔时，这条汉子倒在地下哭得稀里哗啦。 然后，他凭经验指着出山方向，让老师们带着大部队出山，自己则在原地守着几个家住山上不愿离开的孩子。那些老师就按照他指引的方向，带着孩子翻过了三座山，趟过已被地震震得河床扭曲、河水浑浊的小河，穿过黑暗无比的森林，林子中总是出现奇形怪状的瘴气，那些瘴气不断变幻，有时就变成一群厉鬼的样子，孩子们吓得大哭……终于跌跌撞撞到达了县城。当这名监工打电话确认孩子们安全得救，大哭着向山下城里的方向跪下。 我问，为什么要跪下。他说，是向当初的努力跪下，幸好坚持下来了。 我问，这所学校是不是用了特殊标准才修得这么坚固。他说：不，只是按国家普通建筑标准修建的。我又得知，这个监工监理了五所学校，在那场大地震中奇迹般无一垮塌。他说：没什么奇迹，所谓奇迹，就是你修房子时，能在十年之前想到十年之后的事情。 可是他从不能被主流媒体宣传，名字也一直不能公布，因为这会让国家出丑。后又传出他所属的企业涉黑……前两年一个晚上，他忽然打来电话，说正在被精神病医生治疗着，老婆也离婚了，他现在想带着女儿逃出四川，问我能不能帮他远离这是非之地，在北方找一个工作……后来，我们就断了联系。 我从2008年开始发生变化，一个人生平第一次看到那么多孩子被压在碎片下，身体慢慢变冷，慢慢死去，肯定会变化。那些碎花花的衣角、还在动着的小手，之后一年之久不断出现在梦中，而我竟并不知他们的名字。这是我的困惑：我们不能公布那些孩子的名字，也不能公布救了很多孩子的监工的名字。今天，是汶川大震四周年，这里正式公布他的名字：句艳东。 最近大家很爱谈爱国，基于上面的故事，我慢慢得知：不能狭隘理解爱国就是抵御外敌，爱国还表现在敢于抗争内贼。就如同你爱你们村，不仅表现在敢跟别村打架，更表现在勤恳耕种、爱护资源，敢于反对本村村长欺压村民、调戏妇女。如果一边跟别村打架，一边帮着村长鱼肉百姓，这不叫爱国主义，这叫勇当家丁。 我们当然要用血肉筑起新的长城，可长城也应该保护我们的血肉。爱国主义应该是双向的，单向收费的不是爱国主义，是向君主效忠。 我认为句艳东是十足的爱国者，他没去攻打钓鱼岛，可是他救了很多孩子，他应当得到彰显，可事实刚刚相反，声名的舞台正被骗子们占据，而他正被生活惩罚，流离失所，仓惶不安。以我在灾区的见闻，多少骗子假太阳光辉之名横行，让青年们热烈膜拜……我不安地知道，这是更大的灾难，我们深爱的祖国正在逆淘汰、逆宣传、逆真相，如果一个国家的爱国主义宣传着骗子，这个爱国主义本身就是骗局。 我的爱国主义：给应得者以所得，给窃取者以褫夺，国家始能昌盛。 有件小事，5月13日下午再次强烈余震，部队命令我们外撤。走了几公里撤到山口时，正碰到央视张泉灵时空连线，我一身雨水和血迹无意间经过镜头。刚到山下，一个素以厚道著称的央视记者打来电话：“你丫真会出风头，没事儿你跑北川干嘛呀，抢我们台镜头”。我说：“操你妈”。绝交至今。 一月后回京碰到央视的仁义大哥。聊起豆腐渣工程，我说：贪官该杀几个。仁义大哥深邃看着我：“不，中国的事情要慢慢来，否则就会乱，毕竟重建还要靠他们呀。”又过了三年，我批评“共和国脊梁”倪萍。仁义大哥电话里极为不满：“你骂倪大姐干什么呢，人家倪大姐可是好人哪。”香港书展邀我去讲座，我调侃于丹余秋雨伪善，为权力洗地。仁义大哥再度打来电话：“想不到这几年你变成这种人，承鹏，咱不能只破坏不建设，不能见着政府干的事都是错的。” 我曾经欣赏仁义大哥，现在彼此天各一方，形同陌路。他那些公平正义名言在微博真真假假地流传，星光灿烂，粉丝推崇。以及，跟仁义大哥同款的爱国者们总说：不管国家有这样或那样的问题，可我们仍要爱这个国，爱它，就要爱它的全部。我觉得这是个病句，我爱这个国，但我不能去爱豆腐渣工程，更不能去爱坐在豪华办公楼的官员，指出这个国的疾病，正是建设它的重要环节。 经历2008汶川大地震，我重新定义爱国主义：爱国主义不是一边指责外人抢劫我们的土地，一边又无视拆迁队强拆我们房子；不是一边怒斥美帝亡我之心不死，一边又把子女送到洛杉矶富人区；不是一边宣传孩子是祖国的花朵，一边让他们在碎片下慢慢死去。 我想让所有人记住：那个妇人看得见自己孩子碎花花的衣角、小手还在动，听得见孩子还在低低呻吟，说“妈妈、我疼，疼……”，但妈妈竟无能为力。 历经世事，我才明白这个珍贵道理：所谓爱国，就是会为这个国家发生的一些操蛋的事而感到羞愧，并尝试改变它。所谓卖国，每当这个国家做出丢人的事，你却满脸红光地宣告这是“中国特色”，那多邪恶。 我这么说伤害了很多爱国者的感情，纷纷斥责我是汉奸。可是我认为这仍是病句，在中国官不至厅局级，财产不超一个亿，哪好意思夸自己是汉奸。又说我是带路党，可是，不让子女拿着绿卡开着跑车读着长青藤在美国置几处房产，哪有资格带路。还有爱国者训斥我：母亲无论怎样打骂我们，毕竟是生我养我的亲妈啊。我就想起当年爱国者曲啸也这么说。但常识是，谁见过这么下毒手打骂自己孩子的亲妈？ 有人跑来说：“我也承认这个国家有不好的事，但家丑不可外扬，重要的是抵御外侮，如果收复钓鱼岛黄岩岛，我第一个报名参军，但先收拾你”。这种粘副雄狮牌胸毛表演爱国的作派让人鄙夷，也很容易让人想起五四运动中的梅思平，以爱国之名火烧赵家楼，当日本人打来时，他第一批就当了汉奸。 高呼“收复钓鱼岛、攻打黄岩岛”这种比爱国主义胸大肌行为，很难证明真伪，不如让我们务实地谈谈爱国主义：爱国主义，是给孩子修校舍时少收一分回扣，多添几根钢筋；是政府少修点豪华办公楼，给灾民多建些过冬房屋；是官员们少喝些茅台，给学生们多生产些放心奶；是报纸、电视少宣传点感动中国的虚假英雄，多公布些溘然逝去的平民名字；是每个人能在这片土地上自由迁徙，而不是拥有多么广袤的国土。爱国主义不是爱冰冷的国家机器，而是爱温暖如冬阳的共同价值观，让每个人都拥有生活尊严，保护渺小的自己，记得在每一个纪念日，长歌当哭，让每一朵平凡的生命绽开如莲花…… 小小黄岩，以我军威武几排炮打成粉齑，收回失地指日可待，以壮国威；重重汶川，多少魂灵飞萦，如不惩前毖后，君将空负民心。 我是一个爱国者，我不在乎伟大胜利的路上矗立着多少座丰碑，我只在乎那些慢慢冷却的小小石头上，是否镌刻上了成千上万孩子的真实姓名。 ——是为写在5.12的爱国帖。 （李承鹏/文 原文 12/05/2012）

前几天在新浪的「赛博对话」录了一期视频播客，话题是大模型厂商怎么就从烧钱走到了赚钱的转折点，主持人是高飞 ，嘉宾是庄明浩和我。 其实最开始是想聊豆包收费这件事情，我和庄明浩还在私下嘀咕，豆包传出付费方案的消息是在月初，早就不是热点了，实在是过了蹭的时机，但如果放大到AI这门生意终于迈过了亏本赚吆喝的那条线，就没问题了，这是一个相当长效的题材。 省流版总结如下： - 根据黄仁勋提出的五层蛋糕理论，应用层虽然是直接和终端用户打交道的，但它也是整个产业结构里盈利压力最大的那个，毕竟上面四层都是供给逻辑，有货就不愁卖，唯有应用层是需要竞争流量的，在这个前提下，收费堪比拔鹅毛但又不让鹅叫唤的艺术； - 豆包当初传出收费消息被猛带了一波节奏，很多人以为从此就没法免费使用豆包了，无论是从中国互联网的历史来看，还是ChatGPT作为先例的样板，收费模式必然是增值服务，大家现在怎么用豆包的还是怎么用，然后一些旗舰级的能力就只会放在会员方案里予取予求； - 再就是国内用户对于为产品功能买单这件事情极其抵触的特有生态，之前北京车展，The Information的记者过来跑了一圈新势力，发现它们的出海计划里都会把车机功能当作付费点，但在中国市场完全没有这个想法，负责人的解释也是很直白无奈，「中国人不会为软件付钱」； - 庄明浩和我都觉得豆包在绝对领先的地位上开启收费尝试是很有意义的，这点钱对于字节的CapEx来说无异于杯水车薪，但整个消费观念的转变很重要，甚至我相信千问元宝都会感谢豆包，否则都被卡死在给全国人民做公益这个沼泽里，「你不收，我怎么收？我不收，耿专员怎么收？大伙怎么进步啊？」 - 再就是豆包的定价梯度可能比较意外，或者说整个AI应用的订阅门槛都是偏高的，长视频平台还在10块钱、20块钱一个月的留人时，豆包的最低档会员就是68块钱一个月了，像是Kimi也是49块钱一个月的起价，越过了30块钱一个月这个标准； - 30块钱一个月就是手游里的月卡，再往上才是大月卡，即通行证/战令，这一档的定价通常从68块钱到98块钱一个月不等，至于豆包计划里最贵的500块钱一个月套餐，相当于一单648的8折价，是不是也很容易理解了； - 马化腾在财报会议上也专门讲了中国用户在2C市场的付费转化率不太高这个点，要知道腾讯已经是最能从用户口袋里掏钱的互联网公司了，它都这么为难，叠加年年喊崛起年年也没能支棱起来的SaaS，模型下游的商业循环在国内实在需要一点乐观趋势，要知道智谱、MiniMax、月之暗面本质上是出海赚美金的公司； - 对于收入能够保持同步增长的公司而言，CapEx其实不是问题，从谷歌Q1财报来看，营收1000亿美金出头，利润差不多600亿，毛利率比纯卖广告的Meta还高，所以烧钱有什么问题呢，烧不出回报才是问题，马化腾说以为上船了但发现船是漏的，就是这个意思； - 中国互联网除游戏外的订阅制付费上限，单产品差不多在1.3亿的水平线，爱优腾和QQ音乐在巅峰期都没能超过这个阈值，我个人不太相信AI应用可以创造例外论，但是抛开订阅不谈，被越炒越火的各种Token套餐如果真的普遍化了，搞不好还真能带来变数； - 其实模型厂商也倾向于按量计费的买卖，订阅制的商业模式就像健身房，赚的是那些开了卡但不经常来的客人的钱，如果大家都用满，在这么一个不太存在规模效应——用户越多，越容易摊薄成本——的行业，AI应用很容易成为一个失血点而非造血器，所以庄明浩看到了一个怀旧服的可能性出现； - 也就是各大运营商开始力推的Token包，这跟当年的流量包不能说是一模一样，只能说是完全一样，所以如果运营商能够成为一个分销Token的角色，像大王卡那样，用Token包去覆盖一些模型的用量，再去后端完成分账，这个故事是完全说得通的； - 不过，无论是订阅制还是卖Token，模型能力都是撬动市场的第一要素，就像GPT-Image-2出来之后所有代开会员的第三方价格全数涨价，以及「六小虎」里把编程套餐卖断货的行情，都说明生产力需求是可以无视价格敏感的； - 但我总觉得豆包的收费不会走生产力路线，豆包大模型可以有生产力市场的目标，比如配合Trae去打，豆包App却未必要这么把路走窄，它的人格化和陪伴性其实是可以在情绪价值市场做出更多可能性的，就像我看有数据显示开源模型超过半数以上的Token消耗用在了角色扮演上，这里的经济价值是被低估了的； - 高飞和庄明浩认为模型厂商还有一个创收机会，就是转移支付，借着全民AI这个热潮，去让市政单位、高校学府来买单，比如某个市的行政区，去给市民提供常态化的Token额度，或者大学对标自己和知网签年框的方式，让师生享有最基础的Token套餐，用财政预算去替大家消费AI； - 总的来看，头部的模型厂商基本不再担心会倒闭了，包括已经上市的财务数据都摊开了，一个基本事实是，如果不算预训练，毛利率都能是打正的，同时预训练的成本增加是一个线性的，而收入的增加是指数级的，所以Anthropic、OpenAI这种烧钱大户都预计能在2030年甚至2028年就实现正现金流，这个速度比亚马逊当年都要快得多； - 庄明浩说做上游投资的现在是在焦虑物理极限，什么意思呢，就是会不会说，地球上的铜不够用了⋯⋯包括要去太空建数据中心，也是因为缺算力缺成了连力大砖飞都搞不定的事情，光有钱没用啊，你得有地方花出去，全世界的工业品暴涨，核心原因就是产能跟不上，需求侧在竞价锁单； - 中美大模型的发展差异在于，美国是在追求速胜，一波钱砸下去，掉队的、认输的马上就出来了，集中度很高，「御三家」就是这么高速洗牌洗出来的，中国因为相对慢一些，同时大家对成本更谨慎，所以能有更多的玩家不下牌桌，赚钱的难度也会高一些，这是充分竞争的经济学理论； - 庄明浩举了Seedance 2.0的例子，按理来说这场仗就应该打完了，你不可能怀疑字节在视频模型身上的决心和疯狂，但实际上呢，快手的可灵、阿里的Wan和Happy Horse、MiniMax的海螺都是该怎么继续还是怎么继续，后面还跟着HiDream、Vidu、Pixverse、SkyReels一长串名字，它们甚至都能拿到融资； - 中国互联网的缠斗传统，加上大盘上涨的规律，意味着你可以不是吃到肉的那个人，跟着喝汤一样能够保存希望，而且AI行业的标的天然优于非AI行业，这种「种族优势」，决定了「投AI总比投别的强」的底层逻辑，于是纷纷续命，等对手犯错，等轮到自己，等一切可能性； - 还是用那五层蛋糕的比方来说，美国是标准的纺锤结构，稀缺性最高的英伟达在中间赚得盆满钵满，中国则更偏向于柱状结构，在产业指导的作用下，不会有哪一层特别明显的去吸整条上下游的血，所以这个蛋糕必然不会跟太平洋对面一样甜，一个人走得快，一群人走得远嘛； - 最后还有一个变数是硬件，庄明浩说，美国做硬件的Startup，拿到钱后的第一件事就是飞深圳，跟逛迪士尼乐园似的，什么梦想都能找到供应商，为什么一级市场那么喜欢投大疆、追觅、影石出来的人，就是因为他们有从0到1的经验，可以复用到AI这一波，难道文曲星和背背佳就不算应用了么，对吧； - 高飞说得很有意思，AI用的东西，都在涨价和赚钱，比如能源、光纤、芯片这些，只有人用的东西，是在通缩和亏损，那么AI应用赚钱很难就说得通了，因为这是给人用的，人类不争气啊，碳基世界完蛋了，哈哈哈哈； - 所以，虽然这话可能有政治不正确的嫌疑，但判断AI是否真正产生了价值的标准，就是企业有没有在大规模裁员......是的，AI替代人类很残酷，但这起码说明AI可以产生真实的经济效益，反倒是喊着AI改变一切，却凡事仍要人类亲力亲为，才是真的有问题。

前段时间，美国风投机构Dimension Capital的几个合伙人来中国深度拜访了一圈AI公司，用于修正自己的投资判断，他们回去后发给出资人的内部信传得挺广的，全文翻译如下： 跨太平洋的AI棋局 1、稀缺催生进化 美国的出口管制本意是为了拖慢中国的AI发展，但结果却意想不到的制造出了一种进化压力，导致中国的AI实验室拥有了世界独有的竞争围栏。 因为缺少算力，中国团队被迫深入到极其底层的架构里去做工程优化，DeepSeek在刻意削弱性能的H800上训练模型，并绕过CUDA在更下面的PTX上编程，甚至要把每张GPU里的一部分流式多处理器专门分配给跨节点通信。 我们认为，这并不是美国工程师干不了的事情，而是因为两边的刺激机制不同。 美国的AI公司更愿意用资本解决问题，每多投入一美金，就能多买来一美金的算力，但在中国，因为始终没有充足的算力可供购买，所以形成的方案是，每多一个懂编译器的工程师，就能降低整个团队对于算力的需求。 最后形成的是一种覆盖全栈的效率文化，从系统、优化器、推理算法、一直延伸到芯片，这种能力可以持续积累，不像一次性的资本开支，用完就结束了。 2、中国开源模型完成了过去20年中国SaaS都没能做到的事情——进入西方生产环境 不到18个月，中国模型在OpenRouter上的Token消耗份额从不足2%飙升到了45%，Qwen成为Hugging Face上面最快突破10亿次下载的模型家族，大约80%的美国AI初创公司，已经在内部部署了至少一款来自中国的开源模型。 开源绕过了传统软件采购的审查，当模型可以免费部署，也就不存在「供应商」让你放进黑名单。 但吊诡的地方在于，中国的开源模型本质上是在承担西方的生产成本，而并没有拿走西方的生产收入。 因为可以自行部署那些开源模型，所以最主要的利润，仍然流向负责提供Token的云厂商。 所以中国人把模型价格打了下来，让竞争对手很难受，但最主要的受益者仍然是美国的其他商业公司，因为它们能用到更便宜的模型了。 这不是说中国AI公司有钱不赚，开源这种生态在客观上就是会把利润的最大头分配给云厂商，而非模型开发商。 3、中国前沿模型的内部竞争，比西方预计的更加激烈 我们的判断是，目前中国模型的第一梯队包括DeepSeek、Qwen、Kimi、Doubao和GLM，它们之间的差距非常小，洗牌也相当频繁。 五家实验室同时比拼发布速度和模型能力，而且全部开源（译注：豆包并没有开源），这与美国主要由两家闭源实验室主导的竞争环境截然不同。 我们在这一周里最明显的感受就是，中国模型之间的竞争，可能更甚于它们和美国模型之间的竞争。 4、今天，AI要从太平洋两岸来回跑两趟，才能最终落地到客户那里 现在的循环大致上是这样的： 美国的前沿实验室训练出SOTA级的模型； 中国的前沿实验室对这些模型进行蒸馏，然后开源； 美国的AI服务商再基于中国的开源模型进行微调，做成产品卖给美国企业…… Cursor所谓「自主研发」的Composer 2，被发现是用Kimi K2.5改的，Cognition的SWE-1.5看起来也像一个定制版GLM。 就在我们坐在从上海去北京的高铁上时，Harvey发布了自己的专有模型Harvey Tenet——它是对Kimi K3进行了后训练所得到的产物。 如果是一年前，这些公司大概率会选择Llama，或者Mistral。 如今，美国垂直AI行业的底层基座，正在变成中国的开源模型——而这些模型内部，又潜藏着来自美国前沿模型的智能。 5、数据层似乎也在发生类似的事情 Mercor、AfterQuery、Turing这些美国的数据标注公司，都已经公开披露与蚂蚁、阿里巴巴和字节跳动存在商业合作关系。 同时，我们也在中国看到了一批刚刚出现的新公司，它们没有再去做数据标注的生意，而是转为评测和验证基础设施。 比如UniPat。 这家公司成立于2025 年12月，创始人是一名北京大学博士生，此前曾在阿里、月之暗面和腾讯工作。 UniPat发布的 基准测试，已经开始被美国实验室引用到自己的模型报告中，它还声称，通过自己基于Rubric的监督方法训练一个小模型，也取得了很好的效果。 这种思路还是在用更高质量的监督替代更多算力，与我们在第一点中提到的现象完全一致：资源，尤其是算力受限的环境，会逼迫团队发展出不同的适应性能力。 我们在北京和上海见到了好几家这样的公司，绝大多数成立不到24个月，其中少数几家的收入已经很快的突破了1亿美金。 6、美国和中国面临的难题完全不同，而且恰好相反 2024年，中国新增的电力供给是429GW，美国大概是51GW。 根据预估，一直到2030年，中国每年新增的电力供给，都将在400GW以上。 美国的情况是，目前光是数据中心的扩建项目，就有241GW的电力缺口，因为电网接入的积压，需要排队等上5年时间。 中国真正的瓶颈，正如我们提到过的，是算力资源不足。 最直接的例子就是月之暗面：Kimi K3发布后不到两天，就因为推理能力不足而暂停了新用户注册。 所以： 美国芯片充裕，但越来越受制于电力；中国电力充裕，但一直都受制于芯片。 我们可以确信的是，中期AI局势很大程度上将取决于哪一侧的障碍先被推倒，是美国的电网容量先得到改善，还是中芯国际和华为的先进封装以及良品率提升得更快。 7、中美两国的AI产值差太远了 Anthropic在7月的年化收入超过了650亿美金，OpenAI的同期数字在400亿美金左右。 相比之下，中国收入最高的模型是字节跳动的Seedance，年化收入大概在20-30亿美金之间。 中国的纯语言模型公司，年化收入都还停留在数亿美金级别，比如DeepSeek正在接近5亿美金的水位。 消费端也有同样的困扰，豆包的月活用户已经达到3.45亿了，超过Qwen和DeepSeek之和，但每天产生的收入仍然不到100万人民币，而且基本全部都来自购物佣金。 中国的消费者不愿意为软件付费这个死结，我们也不知道该如何解开。 当然，拥有如此庞大的用户规模，最终完全可能找到具有中国特色的商业模式，这在十年前的消费互联网已经发生过一次了。 那就是羊毛出在猪身上，靠电商和广告来实现模型的商业化，中国的创业者身上有种实用主义精神，他们不会因为某种商业模式不够AGI而回避它。 8、硬件和半导体在脱钩，软件和数据在融合 两个国家的政策反应速度已经跟不上了： 美国的产品跑在中国的模型上； 中国的实验室在新马泰租用英伟达的GPU训练模型； 专家标注的数据则在两个方向上互相流动； 所以我们觉得「到底哪边在赢」是一个伪命题，在目前的状态下，两个体系已经高度相互绑定，以致于国家层面的胜负很难被清晰定义。 除非RSI（递归自我改进）的实现能从根本上改变整个系统结构。 9、中国的一些顶尖研究员相信他们已经拥有弱形式的RSI了 在此语境下的RSI，仍然受到算力限制。 更准确的说，这些系统如同RSI的早期雏形： 研究员自己介入其中，通过人工辅助的方式，加速模型到达原本最终也可能到达的能力，从而节省算力和时间。 打比方来讲，这一阶段的RSI，最接近1990年到2010年之间流行的「半人马国际象棋」： 机器加人类的组合，比单独的人类或单独的机器都更强。 10、接下来会有一个至关重要的分叉 假设RSI会随着算力规模的增长而进化，那么美国所处的位置就相当有利了。 目前，美国那两家顶级实验室各自运行有大约2GW的算力基础设施，同时每家已经锁单超过5GW，计划到2030年达到约30GW的水平。 理论上，这些公司拥有巨额收入和资本市场的全力支持，可以大力出奇迹的推动RSI，而中国根本没有足够的芯片追赶。 但另一种情况是： 如果真正的瓶颈并不在于算力，而是质量； 或者，这条技术线所需要的时间足够长，长到足以让中国的优化能力和替代芯片发展到可用水平； 那么过去18个月已经出现的趋势可能不仅会继续，还会加速： 美国前沿模型能力进一步商品化； 中国开源模型变得越来越无处不在； 美国垂直AI公司则获得新的机会——在外国开放权重模型上做微调和应用； 与此同时，大量新增的调用量和利润，会流向负责提供推理服务的公司，目前来看，主要就是超大规模云厂商和新型算力公司。 当然，这一判断建立在电力基础设施按中性预测发展的前提之上。 11、还有一种未来的可能性是，美国的前沿实验室不再对外提供最新版本模型的API了 现实是，目前这一代模型的能力，已经可以满足绝大多数商业需求了。 未来顶尖的高端模型，可能不会再按调用量定价，而是像交付SaaS系统那样，按结果定价。 这样做还有另一个效果：限制中国实验室的蒸馏行为。 美国公司的代价是要放弃不断增长的API调用收入，作为回报，它们可以切断太平洋对面的竞争威胁。 或者至少，这会迫使中国进行昂贵的预训练，从而进一步挤压中国已经存在的算力资源。 12、监管政策砍不断跨太平洋的暗通款曲 到了今天，如果还认为可以简单切断这种联系，实在是过于天真了。 中美两国的技术人员正在通过各种媒介「对话」： 模型蒸馏、开放权重、数据标注、推理服务，以及越来越多的软件执行框架和智能体基础设施。 眼下正在讨论的一些粗暴限制措施——实体清单、托管禁令、采购禁令——几乎肯定会抑制美国自身的创新，并让美国在这些领域失去领导地位。 而空出来的位置，必然会迎来快速跟进的中国竞争者。 13、西方一直在讨论的估值泡沫，在中国市场明显更加突出 中国AI公司的收入规模更低，却享有更高的估值倍数，这是资本市场的一大奇观。 月之暗面的估值是年化收入的115倍，智谱、MiniMax在上市之初也都是100倍，相比之下，Anthropic只有20倍。 我们的判断是，这可能源于中国的资本市场仍不够成熟。 过去二十年，这个市场更习惯于给消费软件公司定价，而现在才刚刚开始建立一套能够理解企业软件和开源商业模式的成熟估值框架。 对于合适的投资机构来说，中国内地和香港存在着相当大的机会，能够找到新兴行业的领先标的。

终于有人把“”换手率”说清楚了，一个必须搞懂的指标！ 炒股不懂换手率，阅尽股票也枉然！ 同时“换手率”是找主力的最好方式，此文无价，献给炒股圈里所有的人。 啥叫换手率？ 就是股票买卖交易的频率，它反映的是该股票的活跃程度。大盘的换手率就是指大盘的活跃程度。 换手率高达60%，证明该票充分易手，为什么说股票市场是互道小可爱的地方呢？ 就是，买的人说：傻B啊你，强势股每次下跌都是买入的机会。 卖的人说，你才傻，我已经赚了50%了，现在不卖、更待何时？ 所以，不要觉得自己的决策一定是正确的，想想那些和你做相反交易的人，是什么理由？ 偏听则暗、兼听则明。多问几个为什么，你会理智很多。 换手率高的股都是被爆炒的股，是众人关注的焦点。 毕竟波动小、不温不火的，谁也不会注意它，没有眼球效应。换手高也有好处，就是流动性好，只要单子不是太大，想买就能买，想卖就能卖掉。不同换手率，对应股票不同的状态。 1.1%-3%，萎靡不振，机构不理，游资不爱，一般是大家伙，飞不动，或者题材过于传统，不够性感。 2. 3% - 5%，有人试探性建仓，依然不活络。 3.5% - 7%，多空双方有分歧，连续多日换手率一直在小幅波动，股价慢慢抬升，有可能是主力资金在缓慢吸筹。 4.7% - 10%，主力资金买盘较为积极，如果是下跌，有可能是主力在打压股价、缓慢洗盘，动作依然比较轻柔。 5. 10% - 15%，主力想要控盘，吸筹力度加大，吸筹完毕就是拉升。 6.15% - 20%，交易活跃、波动加剧，若股价依然在低位，底部放量，可能是启动前兆。如果是高位放量下跌，需要警惕。 7.20% - 30%，多空博弈激烈，如果是低位，主力资金可能是暴力吸筹，想通过这种方式，吸引散户跟买；如果是高位，那可能是在出货。别盯着大单看，为迷惑小散，现在的主力早就学会将大单拆成小单，慢慢卖，一是为了降低摩擦成本，二是担心散户跟着砸盘，卖不出好价。 8. 30% - 40%，很高的换手率，只有题材性感的热门股才会有这么大换手，一般来说，主力吸筹喜欢用悄咪咪的方式，毕竟痕迹太明显，价格容易被炒高，影响买入成本。这种，有可能是主力出货，把筹码置换给接盘侠。 9. 40% - 50%，关注度巨高，股价大幅波动，一般人根本HOLD不住，这种票风险很高，谨慎入手。 10. 50% - 60%，这就是我给的图了，有可能因为某个消息产生巨大分歧，股价高位，卖出的人一般是前期赚到钱的，买入的一般是想趁机回调接盘的。 11. 60% - 70%，可以说是极度疯狂了，买卖双方互道SB，这种如果是底部的话，一般是突发超大利好，顶部的话，就是上面说的这种情况。 12. 70% - 80%，脱离正常轨道，股价不确定性极大，如果是下跌，我劝大家千万不要接飞刀，因为可能有你不知道的利空消息，而且，下跌有着极大的惯性，这种级别的换手，后续行情大概率继续大幅度颠簸，想想今年初，因为雪球产品敲入，很多小股票出现炒高换手，大家争相卖，出现踩踏。 13.80% - 100%，几乎所有筹码都在易手，情绪疯狂到极致，我劝诸位，这种票，只可远观不可亵玩，等稍微平静点，再介入不迟。 总之，低位放量上涨，值得关注；高位放量下跌，我个人不会介入，更不会在股票连续下跌时接飞刀。再看好一只票，也会在企稳后，右侧介入。 该怂怂，不与趋势对着干，是我对它的尊重。 股票的便宜和贵，兄弟们真的懂了吗？ 问兄弟们一个问题，股票的便宜和贵，在你心里是怎样的一个衡量标准？ 是不是你会觉得70元的股票比7元的股票便宜？ 大多数股民都是表示以股票二级市场的现价来分辨所谓的便宜和贵，我想说的是四个字“大错特错”！ 看一只股票便宜还是贵，绝对不是看现价，而是看其内在价值，打个比方，一只股票现在70元，市盈率现在是10倍，另外一只股票，现价是 7元，市盈率是负数，请问哪只便宜？相信大多数人会认为是7元的便宜，其实，正确答案是70元的便宜，虽然，市盈率不是判定股票贵和便宜的绝对指标，但是也是其中之一，今天我就教大家一个简单的方法，然后你好好看一下你现在所持有的股票，是便宜，还是贵！ 第一，首先，你先看一下你所持有的个股是什么板块的，然后打开这个板块，这样这个板块的所有的股票都会列表出现，接下来，你进行一个市盈率正排序，看看你持有的股票，按照市盈率排序能排第几名？这叫同行业同板块的横向比较法 第二，一个公司的好坏，从大俗话讲，无非就是看它是不是赚钱呗，好，那你就再来一次净利润的正排序，看看你的股票能排第几名。 第三，股东人数，相信大多数人都知道，股东人数减少是好事，好，那你就再来一次股东人数的正排序，看看你的股票能排第几名。 第四，每股净资产：一般每股净资产越高的公司越好，当然，我指的是二级市场的股价还没有被疯狂炒高的，还在离开每股净资产比较近的那些个股，你也来个排序，看看能排第几。 第五，分红能力：对未分配利润这个数据来一次正向排序，看看你能排第几名。 以上排序全部结束后，你就可以自己心里得出一个综合排名分数，满分是100分的话，你的票能得几分，这才是真正的计算出你的股票是便宜，还是贵！ 什么是换手率？ 上面我们说通俗易懂的理解，现在我们说下官方解释：“换手率”也称“周转率”，指在一定时间内市场中股票转手买卖的频率，其数值为某只股票的累计成交量与其流通股本之间的比率，是反映股票流通性强弱的指标之一，可以有效地帮助投资者识别一只股票的活跃度。 举例： 例如，某只股票在一个月内成交了2000万股，而该股票的总股本为1亿股，则该股票在这个月的换手率为20%。在中国，股票分为可在二级市场流通的社会公众股和不可在二级市场流通的国家股和法人股两个部分，一般只对可流通部分的股票计算换手率，以更真实和准确地反映出股票的流通性。按这种计算方式，上例中那只股票的流通股本如果为2000万，则其换手率高达100%。 计算公式为： 换手率=某一段时期内的成交量/发行总股数×100%（在中国：成交量/流通股本×100%） 例子：某只股票在一个月内成交了1000万股，该股票的总股本为 l亿股，则该股票在这个月的换手率为10%。在我国，股票分为可在二级市场流通的流通股和不可在二级市场流通的非流通股，一般只对可流通部分的股票计算换手率，以便真实和准确地反映出股票的流通性。按这种计算方式，上例中那只股票的流通股本如果为2000万，一个月内成交了1000万股,则其换手率高达50%。在国外，通常是用某一段时期的成交金额与某一时点上的市值之间的比值来计算周转率。 通过换手率判定股票的活跃性 由于个股的流通盘的大小不一，仅仅用成交金额的简单比较意义不大。在考察成交量时，不仅要看成交股数的多少，更要分析换手率的高低、高换手率出现的相对位置、高换手率的持续时间。这主要有以下几种情况： 1、低换手率 表明多空双方的意见基本一致，股价一般会保持原有的运行趋势进一步发展，多数情况下是小幅下跌或横盘运行。 2、高换手率 表明多空双方的分歧较大，但只要成交活跃的状况能够维持，一般股价都会呈现出上扬走势。 3、过低或过高的换手率 在多数情况下，过低或过高的换手率是股价变盘的先行指标。一般而言，在股价出现长时间调整后，如果连续一周多的时间内换手率都保持在极低的水平（如周换手率在2%以下），则往往预示着多空双方都处于观望之中。由于空方的力量已经基本释放完毕，此时的股价基本已进入底部区域，此后很容易出现上涨行情。 4、低位高换手率 对于高换手率的出现，投资者首先应该区分的是高换手率出现的相对位置。如果个股是在长时间低迷后出现高换手率的，且较高的换手率能够维持几个交易日，则一般可以看做是新增资金介入较为明显的一种迹象，此时高换手的可信度比较大，由于是底部放量，加之换手又充分，因此，该股未来的上涨空间应相对较大，同时成为强势股的可能性也很大。 换手率识别主力 1、中长线主力运作个股的换手率 考量个股盘面活跃度时需要借助换手率来进行判断。有些个股换手率很低，但是股价始终会上涨，这样的盘面特征表示有中长期主力运作，类似这样的个股就具备非常强的持续性，风险非常小。 2、高位换手和低位换手对股价的预判分析 如何判断一支股票是否处在底部区域有很多种方法，其中最简单的一种方法就是看换手率，如果一支股票在下降通道中运行时，换手率极低，换句话说，这支股票已经没人买卖了，特别是前期主力建仓过的股票，经过洗盘，一旦出现这种情况是需要密切关注的，这说明股价已经在底部区域。 那么能不能笼统地说换手率越高，股价就涨得越高呢？答案是否定的。在股价涨得还不是很高，还处于拉升阶段时，这样说是对的。但当股价涨得相当高，已远离庄家建仓的成本线时，这样说就不对了，不但不对，而且恰恰相反：高换手率成为出货的信号，我们常说的“天量见天价”，指的正是这种情况。当股价在上涨途中必须保持持续均匀的高换手率，一旦换手率减少，表示高空接力的资金少了，股价上行动力会减弱。 在实战中，投资者通过换手率分析庄家动作的时候，应把握以下几点。 （1）事实上，3％以下的换手率非常普通，通常表明没有较大的实力资金在其中运作。当一只股票的换手率在3％～7％之间时，该股已进人相对活跃状态，应该引起投资者的注意；7％～10％的日换手率在强势股中经常出现，属于股价走势的高度活跃状态，一般来说，这些股票正在或者已经广为市场关注；日换手率10％～15％的股票如果不是在上升的历史高价区或者见中长期顶的时段，则意味着强庄股的大举运作，若其后出现大幅回调，在回调过程中满足日最小成交量或者成交量的1/3法则或1/10法则，可考虑适当介入；当一只股票出现超过15％的日换手率后，如果该股能够保持在当日密集成交区附近运行，则可能意味着该股后市具潜在的极大的上升能量，是超级强庄股的技术特征，因而后市有机会成为市场中的大黑马。 （2）关注换手率一直保持充沛、价涨量增的个股。这表明庄家已深度介入，由于股价上涨会不断受到获利盘和解套盘的卖压，换手越是积极充分，则卖压盘清洗得也就越彻底，持股者平均成本不断提高，上行所遇的卖压也大为减轻。 （3）股价大幅上涨后换手率回落，股价随大盘波动。这种现象现在也很多，一般出现在成长股上，表明大量筹码已经被锁住，庄家长线运作，随着时间的推移股价将再上台阶。 （4）换手率激增，股价波动不大，大盘变化不大。这是一种出现概率并不低的现象，表明有大量的筹码在特定的小区域内换手，一般来说这是事先约定的换手，很有研究价值。 （5）新股上市首日换手率一般是很高的。新股上市首日换手率越高越好，因为在新股申购的时候，股票是以现金进行申购中签获得的，持股相当分散，而在上市首日出现极高的换手率，则说明吸筹积极。 （6）连续多天换手率处于高位，股价随之大涨并远强于大盘。这种现象一直存在，不过结果却有多种，有庄家拉高建仓的可能，也有短线游资炒一把的可能，还有老庄家出货的可能，需要结合其他因素进一步研判。 （7）第一次即将封涨停时，换手率小的通常要比换手率大的好。在大盘处于弱市和盘整市时这一点尤其重要，理想情况是普通股换手低于2％，ST股低于1％。在大盘处于强势时这个换手条件可以适当放宽，对龙头股也可以适当放宽。但无论在任何情况下，不能超过5％，包括涨停被打开后又被封住时换手率的情况。这些对换手率的限定其实也是限定当天就已经获利的买盘数量和说明当天抛压的大小，这时获利盘越小、抛压越小，第二天的上攻余地也就相应越大。 换手率的高低往往意味着这样几种情况 （l）股票的换手率越高，意味着该只股票的交投越活跃，人们购买该只股票的意愿越高，属于热门股；反之，股票的换手率越低，则表明该只股票少人关注，属于冷门股。 （2）换手率高一般意味着股票流通性好，进出市场比较容易，不会出现想买买不到、想卖卖不出的现象，具有较强的变现能力。然而值得注意的是，换手率较高的股票，往往也是短线资金追逐的对象，投机性较强，股价起伏较大，风险也相对较大。 （3）将换手率与股价走势相结合，可以对未来的股价做出一定的预测和判断。某只股票的换手率突然上升，成交量放大，可能意味着有投资者在大量买进，股价可能会随之上扬。如果某只股票持续上涨了一个时期后，换手率又迅速上升，则可能意昧着一些获利者要套现，股价可能会下跌。 一般而言，新兴市场的换手率要高于成熟市场的换手率。其根本原 因在于新兴市场规模扩张快，新上市股票较多，再加上投资者投资理念不强，使新兴市场交投较活跃。 换手率高的操盘原理 1、相对高位成交量突然放大，主力派发的意愿是很明显的，然而，在高位放出量来也不是容易的事儿，一般伴随有一些利好出台时，才会放出成交量，主力才能顺利完成派发，这种例子是很多的。 2、底部放量，价位不高的强势股，是我们讨论的重点，其换手率高的可信程度较高，表明新资金介入的迹象较为明显，未来的上涨空间相对较大，越是底部换手充分，上行中的抛压越轻。 3、新股，这是一个特殊的群体，上市之初换手率高是很自然的事儿，一度也曾上演过新股不败的神话，然而，随着市场的变化，新股上市后高开低走成为现实。

#数字游民和自由职业# #从产品经理到基金经理# #聊聊这些年的职业选择# 晚上搜索微信聊天记录，发现离上一个命运小齿轮转动正好三年了，不困我就码码字。 在上班之前，确实有点天真，认为靠自己的劳动，创造价值挣钱才是社会的主流。 在不上班之后，闲下来真正去面对面了解其他行业的赚钱方式。才发现在国内能年入百万的工作里，称得上“干净”的极少极少，互联网大厂的精英们才是少数幸运儿。 撒谎蒙骗，推卸责任是很多工种的常态。 以权谋私，利益勾兑是富人的主流。 比如一个运营商的普通工作人员，他可能是好父亲、好丈夫、好邻居。但当他给你推销靓号套餐，但又对你隐瞒违约金的时候，他就是一个职业骗子。这既是他工作的需要，也是刻意培训的结果。 再比如你在小县城里把生意做到一定规模，就无可避免需要找到分管的领导，需要建立关系，求人办事。这对生意人来说是常识，没有任何例外。 没有这么具体又确定的认识之前，我知道自己厌恶这些潜规则，能做到的也只有努力逃避，逃避这些我称之为“傻逼事情”的事情。 按这个标准，我没法适应体制内，肯定有傻逼领导。没法适应大厂，躲不开派系之争。没法适应所有传统行业，那里不得不忍受甲方刁难。 那也许剩下只有扁平化的初创公司 + 互联网行业？ 比较幸运，正式工作的第一家公司感受不错，一待就待了六年。 我也不想当咸鱼，但确实没什么方向。期间除了打工收入，靠运气赚到过一些小钱，但在上海房价面前仍旧过于渺小。 更有点不服气，自认为一直没有丧失好奇心，在保持学习这件事情上，做得比大部分人都努力。我看各种经验分享，研究效率工具，了解认知心理学，尝试提高自己的方法都试了。 为什么在挣钱一途上还是毫无进展？ 当然跳脱出来，客观上说开局一团糟，农村家庭、垃圾本科、没有专业能力壁垒。哈哈哈你还敢不服气，那加上心高气傲。 在无数个日夜焦虑，明知自己要做点改变，但又不知道作何改变的时候。还是运气好，直属领导让我看看区块链的东西，了解一下 DeFi，那我就去了。 20 年 9 月，开始做调研，当时市面上的中文资料没这么多，从旁白君的科普视频看起。基本上把市面上的主流白皮书都啃了一遍，然后跟着操作了解逻辑。 花了一两个月时间做完这一切的时候，我意识到这是一个新行业，大家都不懂，所有人都在同一起跑线。 以及，这里面，有钱！ 我迫不及待地和周围的朋友分享这个新行业，用我的话告诉他们这里面的玩法和逻辑，虽然听和讲都很开心，但是有所行动的人少之又少。（那段时间我对行业的理解，基本浓缩在 《白话：区块链“稳定币挖矿”是什么》 这篇入门文章里） 不止是朋友，我发现同在公司的、一起接触新行业的其他人，似乎也认为这是机会，但好像没有实际的行动。 正巧，那阵子推友 Maple 带我玩港股打新。我把这两个新事物放在一起想时，找到了我真正的“天份”（如果我确实有的话😂）。 那就是 —— 在回报不明朗的情况下，先努力的天份。 港股打新，我手动注册了 50 个券商账户，觉得不够，又拿太太的身份注册了 50 个，尤不满足，再拿家人的身份注册了 50 个。 注册的过程枯燥、乏味、无聊、会遇到看不懂的意外，但我对“没钱”的不服气，足以支撑我一遍一遍一遍地做下去。 学习 DeFi 的知识也是一样，重仓的第一个币是 BUSD，我会愿意在买之前真正搞懂它到底是什么、注册人生中第一个海外信托、花几周时间跑通整个流程、学习怎么看资产信息披露。 搞不定，就抓抓为数不多的头发，再来一次。 意外地顺利，之前折腾过的所有“没用”的东西，在这里好像忽然都对了。魔兽世界地精、科学上网、折腾数码、研究软件、小 PM 要懂的程序实现逻辑和业务逻辑，每件事情都有用，没有一件浪费了。 DeFi 项目对我来说像是一个个新游戏，只要和所有人一起从新手村出发，阅读游戏规则，琢磨把游戏打好，就能爆金币。 就连性格里无法变更的“风险偏好保守”，在这里好像也变成了优势，让我躲过一次次 RUG，一条血槽玩下去。 趁着半轮牛市，缓慢地把打工积蓄攒成了第一桶金。当有远程工作的机会时，我选择了人生中的第一次跳槽。 先转个行，去一家 Crypto 硬件钱包公司做 PM。 这家公司的 PM 都非常强，产品负责需求、文档、原型、UI，甚至有好几位产品经理直接上手开发，都有独立开发者水平。 我意识到自己对做产品没有这么高的热忱，也几乎永远达不到他们的水平。做产品时，调研业务，了解一个事物的逻辑和技术实现是我喜欢的，但是扣原型和交互则完全不想碰。 那时我的副业是做 DeFi 和 Crypto 套利，收入已经稳定半年两倍于工资了，并且要做的事情就是学习、研究、找最佳策略、预想意外情况做风控。一次次不断的正反馈，做交易比做产品更开心。 很幸运地，大约半年之后，行业大裁员我顺势免费了，拿到人生中第一个 N+1 😂 之后开始全力投入副业，试图把交易变成我的主业。果然上班耽误挣钱，时间自由带来更多的尝试机会，我越发想知道专业人士是怎么做的。 虽然从推特上认识了不少行业内的人，但 I 人从未线下社交，也就无从进展。还是一个老同学拉我认识了一些 Crypto 圈内人，见面聊了几次 DeFi 相关的业务。一来二去，用懂 DeFi 的 PM 这个交叉技能，转职成为一家 Prime Broker 的基金经理。 先转行，再转职，看来是可行的。 一边是帮机构管几百个 BTC 做 DeFi 和 Crypto 套利，一边组队是从无到有搭建一套 MEV 基础设施。 管很多钱心慌吗，竟然还行？因为我管自己的小钱的时候就是这样做，知道自己在做什么，知道风险是什么，知道了解能了解的一切，知道风险永远发生在我不了解的地方。踏实地尽人事，已经不易。 更多的是收益率降低时的极度焦虑。熊市收益下降、DeFi 机会减少、小机会撑不起资金容量、更多时候无法灵活试错，看起来管理机构的钱看起来有点无聊了。 另一边的工作，也花了半年时间，和小伙伴一起验证了 MEV 赛道在熊市难以盈利，我也不愿意花更多时间在这上面。于是交上一份详细的测试结论，辞职了。 这次恢复无业之后，已经不再想上班了。我喜欢做灵活、自由、属于自己的小事。 用自己的钱做套利，焦虑缓解很多。更重要的是，即使市场这么熊，依旧在持续涌现一些机会。这对我来说就像是游戏里的一个个新任务，我得第一个领取它再说。 即使大部分时候任务奖励降低了，但经验值奖励还在，暂且还能提供不错的现金流。这样我可以佛系一点，把重心回归生活做一些更重要的事情。 故事就讲到这里，回归开头，我认为这个 Crypto 行业是什么样的。 矛盾的一头，极少数真正相信“去中心化”的人在这里，“去中心化”是一件我认为正确的事情。又好、又正确。 矛盾的另一头，我悲观地认为它不会成功，这里绝大部分人是骗子和赌徒。骗子获得了巨大的收益，赌徒贡献了全部的利润。在我刚了解这个行业时，我的 BTCÐ 仓位是 10%，或者说我有 10% 的信心认为它会成功，现在我的仓位是 1%。 我在这个赌场里，自处的方式只有：我不撒谎，也不骗人，谁要来赌，我陪他玩。和所有其他赌徒一样，我公平地参与这个游戏。 --- 很遗憾经过这么多好运，还没有暴富故事。 希望你的运气也好一点，遇到“忽然都对了”的那件事。

投机解码的 drafter 从来都是一个 token 一个 token 地猜。做出 DFlash 的推理公司 Inco AI 说这没必要：正确的 token 本来就在候选列表里，整块并行预测之后挑出一条连贯路径，输出不变，每次验证多赚一个完整的 token。 《DFlash 2：保持并行起草》 推理是 agent 时代的瓶颈。agent 会读、会规划、会调用工具，常常一跑就是几小时甚至几天。它们消耗 token 的速度，是聊天场景从未达到过的。而每一个 token 都要在模型上跑一次完整的前向传播。在 Inco AI，我们在构建一套面向未来 token 经济学的推理栈。这篇文章是一次预览。 我们的团队 1 月发布了 DFlash（论文： SGLang、vLLM、TensorRT-LLM 和 llama.cpp 里。NVIDIA 在 Blackwell GPU 上用它测到了最高 15 倍的吞吐；Google 报告在 TPU 上每秒 token 数提升 3 倍；CoreWeave 生产环境的 Kimi K2.7 Code 端点（Artificial Analysis 上该模型最快的端点）默认就跑 DFlash。生态已经在它之上构建：NVIDIA、Red Hat、Modal 都发布了 DFlash drafter；Meta（Muse Glimmer）、Poolside（Laguna）、小米（MiMo-V2.5-Pro）、NVIDIA（Nemotron 3.5 Lightning）随自家模型发布官方 drafter。在 Hugging Face 上，DFlash 模型被下载了超过 350 万次（截至 2026 年 8 月）。 投机解码是现代推理栈的核心组件之一。一个小 drafter 模型猜出一整块 token，目标模型在一次前向传播里验证整块。猜得好，一次前向变成多个 token；猜得差，丢掉重来。但多年来，起草本身一直是自回归的：一次一个 token。DFlash 让它也变成了一次通过：整块、每个位置，并行预测。 （演示视频：DFlash 2 在 Apple M5 Max 上用 oMLX 为 Qwen3.8-27B 起草，与自回归解码并排对比。 DFlash 2 把并行起草又往前推了一步：每次验证通过多产出 20% 以上的输出，增加的周期延迟只有约 1%，而输出可证明不变。跨基准测试的增益在 16–25%。配合今天发布的 Qwen3.8-27B drafter，SGLang 在 batch size 1 下达到自回归解码 2.7–3.4 倍的吞吐。每个位置独立预测，留下两处空间：选对 token，以及在块的末尾守住准确率。DFlash 2 把这两处都拿了回来，同时没有放弃一次性通过的设计。 现在就能跑 DFlash 2 已经跑在主流推理引擎里。 SGLang： pip install -U "sglang[all] @ git+" python -m sglang.launch_server \ --model-path Qwen/Qwen3.8-27B \ --speculative-algorithm DFLASH \ --speculative-draft-model-path incoai/Qwen3.8-27B-DFlash2 \ --speculative-num-draft-tokens 8 vLLM： pip install -U "vllm @ git+" vllm serve Qwen/Qwen3.8-27B \ --speculative-config '{ "method": "dflash", "model": "incoai/Qwen3.8-27B-DFlash2", "num_speculative_tokens": 7 }' llama.cpp： git clone cd llama.cpp git fetch origin pull/27342/head:pr-27342 git switch pr-27342 NVIDIA CUDA cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_CUDA=ON cmake --build build -j Apple Silicon cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_METAL=ON cmake --build build -j ./build/bin/llama-server \ -hf ggml-org/Qwen3.8-27B-GGUF:Q4_K_M \ -hfd incoai/Qwen3.8-27B-DFlash2-GGUF:Q4_K_M \ --spec-type draft-dflash \ --spec-draft-n-max 7 oMLX：下载安装支持 DFlash 2 的预构建版（ 在 oMLX 里跑 Qwen3.8-27B 加 DFlash 2： 1. 打开 oMLX 的 Model Downloader，下载 mlx-community/Qwen3.8-27B-4bit 和 incoai/Qwen3.8-27B-DFlash2。 2. 打开 Model Manager，编辑 mlx-community/Qwen3.8-27B-4bit，配置 DFlash： • DFlash：enabled • Draft model：incoai/Qwen3.8-27B-DFlash2 • Draft quantization：enabled • Runtime block size：5 • Verify mode：dflash 3. 保存设置，加载目标模型。 对的 token 早就在候选里 DFlash 每个位置独立、并行地预测。每个选择单独看都合理，但没有什么让它们彼此咬合，一个不连贯的块会在验证时被截断。近期的方法如 Domino 和 DSpark，用顺序的 Markov head 重写每个位置的完整词表分布来买连贯性。但真的需要这种昂贵的自回归纠错吗？ 不需要。证据就在 DFlash 自己的候选列表里。拿第一个位置来说：DFlash 的第一选择 85.4% 的情况下是对的，但正确的 token 99.5% 的情况下都在前 16 个候选里。即使第一选择错了，对的 token 通常也在列表上。 表 1：Recall@1（第一选择正确的概率）与 Recall@16（正确 token 出现在前 16 候选里的概率），按起草位置统计，条件是前面每个位置都正确。GSM8K 上的五层 Qwen3-4B DFlash。接受长度包含验证器产出的下一个 token。 • 位置 0：Recall@1 85.4%，Recall@16 99.5% • 位置 1：80.3%，97.3% • 位置 2：79.4%，94.8% • 位置 3：78.3%，92.6% • 位置 4：77.5%，90.8% • 位置 5：75.9%，89.4% • 位置 6：72.9%，87.8% • 接受长度：4.27（只看第一选择）；6.79（从前 16 里选） 一个总能从前 16 个候选里挑对的那个 oracle，会把接受长度从 4.27 抬到 6.79。这个差距是纯粹的选择空间。我们只需要在候选里选出一条正确的路径。 图 1：一个周期里的选择器。只用 DFlash，每个位置保留自己的第一选择；这里两个相邻位置选了同一个词，结巴在验证时死掉。DFlash 2 保留每个位置的 top 候选，选择器在候选之间走出一条连贯路径；这里整块都活了下来。 一个轻量的路径选择器 连贯性大体是局部的：一个候选合不合适，主要取决于它前面的那个 token，所以给相邻对打分应该就够了。DFlash 2 保留每个位置前 16 个候选，给每一对相邻候选打分。对前一个 token a 和当前候选 b： S_t(a,b) = U_t(b) + ⟨A(a)⊙H(h_t), B(b)⟩ 分数分两部分。第一部分 U_t(b) 是 DFlash 自己的 logit：drafter 本身有多喜欢 b。第二部分问 b 接在 a 后面有多顺：A 和 B 给每个 token 一个紧凑的 256 维嵌入，两个嵌入在一个上下文门控 H(h_t) 下匹配，门控决定匹配的哪些部分算数。本质上，这是对相邻候选做的低秩双线性注意力。 打分全程并行。每个位置的每一对相邻候选一次性全部算完，不需要额外的 backbone 或 LM head 前向。唯一串行的部分，是最后在预计算好的分数上走一遍：从最后一个已验证 token 出发，贪心地跟着每一步最好的后继走，采样从同样的分数里抽取，拒绝采样恢复出精确的目标分布。 表 2：只加路径选择（不加卷积）的接受长度，GSM8K 上的五层 Qwen3-4B。开销相对纯 DFlash：drafter 增加的参数、起草-验证周期增加的延迟。 • DFlash：T=0 下 4.27，T=1 下 3.78 • + DSpark 纠错：+77.8M 参数，+9.6% 延迟；4.49，4.08 • + 路径选择（我们的）：+2.0M 参数，+0.6% 延迟；4.61，4.25 选择器在 T=0 下给 DFlash 加 0.34 个 token，T=1 下加 0.47。两个设置下都超过 DSpark 的纠错，参数少约 40 倍，延迟开销低 16 倍。选择比预测便宜。而且还有空间：oracle 能到 6.79。成对打分是我们能想到的最简单的选择器，我们相信这里还有很多可探索的。 后缀衰减是个局部问题 我们还注意到上面两行 recall 都在块尾下滑。连 oracle 都在衰减：即使选择完美，准确率仍然从第一个位置的 99.5% 掉到最后一个位置的 87.8%。没有选择器能修这个，因为候选自己就不够了。我们把这个叫后缀衰减，它是 backbone 的问题。 一个嫌疑是容量：五层 backbone 可能太小，撑不住横跨整块的依赖。如果真是这样，深度应该在靠后的位置帮上最多的忙。事实也如此：3 层、5 层、15 层的 DFlash 模型在第一个位置上几乎一样，越往块尾分得越开。但深度不加区分：多十层 attention block 到处加容量，连那些没什么可赚的靠前位置也加，把 DFlash 吸引人的那部分效率磨掉了。 图 2：GSM8K 上 Qwen3-4B 的 Recall@1（T=0），条件是前面每个位置都正确。所有 drafter 在相同设置下训练；卷积模型评估时不带选择器。它的卷积增加 3% 参数和 0.7% 周期延迟；15 层模型多出的十层增加 15.2%。 我们要一个有针对性的修法，而 DFlash 的 attention 指出了修哪里。它有两份工作：读块之前的上下文，以及建模块内部的依赖。但它在第二份上花的越来越少：块内注意力占比从第 1 层的 30% 掉到第 5 层的 8%，剩下的还集中在越来越少的一小撮 head 里。所以我们把两份工作拆开：一个专用模块承担块内工作，attention 继续读上下文。 图 3：五层 Qwen3-4B DFlash 的块内注意力按 head 分布。越亮的格子代表在起草块上花注意力越多的 head；靠后的层里，块内质量收缩、集中到少数几个 head。 一个轻量的局部卷积 块内工作本来就是短程的：一个块只有 4 到 16 个 token，最紧的依赖坐在相邻位置之间。自然的算子是短卷积：两个抽头，一个在当前位置，一个够到前一个位置，权重随内容自适应。跟随 Canon Layers、Dynamic Short Convolutions 和 Convolution for Large Language Models 的做法，我们在每个 attention 和 feed-forward 子层前后插入这个双抽头动态深度卷积： Conv_k(x)_t = k_{t,0}⊙x_t + k_{t,1}⊙x_{t-1} 每个系数由一个可学习的基核加上从当前隐藏状态算出的一个小修正组成；每 16 个通道共享一个修正。第一个位置读最后一个已验证 token 的表示，之后的每个位置读它前一个的。信息穿过整块，同时所有位置仍然并行计算。 图 4：双抽头动态卷积。每个 drafter 层的每个 attention 和 MLP 子层前后各有一个。内部：每个位置把自己的表示和前一个的混合；第一个位置读最后一个已验证 token。 卷积是块局部的、无状态的，所以能无缝插进 DFlash，不用动 attention、LM head 或验证。 只加 16.5M 参数（3%），带卷积的五层 DFlash 就逼近了 15 层 DFlash，大幅减轻后缀衰减。卷积给起草-验证周期延迟加 0.7%；多十层 Transformer 层加 15.2%。第 4、5 层的平均块内注意力从 9.4% 降到 0.5%，与卷积吸收局部工作、attention 回到读上下文一致。一个只够到前一个位置的核，买回了十层额外层的大部分收益：后缀衰减大体是个局部问题。 合在一起 到目前为止，选择器和卷积是分开测的；下面的完整对比把它们放在一起。DFlash 和 DSpark drafter 是我们在对齐的设置下自己训练的，MTP 随模型发布。 表 3：Qwen3.5-4B 每请求平均接受长度。采样：thinking 开启，温度 1.0，top-p 0.95，top-k 20，presence penalty 1.5，无损拒绝采样。 • GSM8K：MTP 4.78，DFlash 4.99，DSpark 5.69，DFlash 2 6.20 • MATH-500：5.04，5.42，6.20，6.76 • HumanEval：4.84，5.43，5.80，6.28 • MBPP：4.16，4.49，4.96，5.41 • MT-Bench：3.90，4.26，4.77，5.20 • 平均：4.54，4.92，5.49，5.97 DFlash 2 在每项基准上都领先。平均下来，它比 DFlash 多 1.05 个 token（21%），比 DSpark 多 0.48。升级仍然便宜：选择器和卷积加起来，只给五层 DFlash 的起草-验证周期延迟加了 1.3%。 在 MATH-500 上，增益逐位置可见：DFlash 2 到最后一个位置都稳在 86% 附近，而每个基线在块尾都比它低 6 到 9 个点。 图 5：MATH-500 上 Qwen3.5-4B 的条件接受率，采样同上。 两个 drafter，今天发布 我们今天发布两个 DFlash 2 drafter：一个给 Qwen3.8-27B（ Meta 的 Muse Glimmer（ Qwen3.8-27B，我们对比模型原生的 MTP 路径和一个社区 DSpark drafter。 表 4：Qwen3.8-27B 每请求平均接受长度，模型默认采样、块大小 8，对比原生 MTP 路径和社区 DSpark drafter。 • GSM8K：MTP 5.02，DSpark 4.36，DFlash 2 5.46 • MATH-500：4.72，3.92，5.28 • HumanEval：3.91，3.30，4.39 • MBPP：3.99，3.51，4.79 • MT-Bench：3.74，3.01，4.10 • 平均：4.28，3.62，4.80 对 Meta 的 Muse Glimmer，我们对比随模型发布的官方 DFlash drafter 和一个社区 DSpark drafter。 表 5：Muse Glimmer 每请求平均接受长度，模型默认采样、块大小 16。DFlash 是 Meta 随模型发布的官方 drafter；DSpark 是社区 drafter。 • GSM8K：DFlash 5.43，DSpark 5.45，DFlash 2 6.57 • MATH-500：5.39，5.01，6.56 • HumanEval：4.11，4.33，5.66 • MBPP：3.74，4.02，5.30 • MT-Bench：3.52，3.59，4.42 • 平均：4.44，4.48，5.70 差距很大：在两个模型上，DFlash 2 平均比 DSpark 多出超过一个完整的 token。它也超过每个模型的官方 drafter：Qwen3.8-27B 的 MTP、Muse Glimmer 的 DFlash。换算成吞吐，Qwen3.8-27B 上达到自回归解码的 2.7–3.4 倍，Muse Glimmer 上 3.1–4.6 倍。模型卡（ 底线 agent 一个下午写出来的东西，聊天机器人要写一个月，而每一个 token 底下都坐着解码。DFlash 2 以接近自回归解码 3 倍的速度解码，每个 token 约三分之一的算力，输出相同。 七个月里，DFlash 从我们的论文变成了行业标准，超过 350 万次下载。在同一个设计内部，DFlash 2 每次通过多解码一个完整的 token，免费。那还只是服务栈的一个组件。推理离它的地板还很远。 在 Inco AI，我们在构建一套端到端的服务栈，把这个地板继续往下压。DFlash 2 是第一块。两个 drafter 今天发布在 Hugging Face。 如果你在规模化地服务 agent，想在你的栈里评估 DFlash 2，或者想为你跑的模型（包括你自己的微调）要一个 drafter，写信给我们：contact@inco.ai。 我们也在招人。如果你想一起构建这套栈，联系我们。 把候选连起来。起草，继续并行。 脚注：Modal 的 Speculation Is All You Need 指出，投机解码是对低延迟服务最重要的优化。我们是他们工作的超级粉丝，感谢他们自 DFlash 发布以来的支持和讨论。 本文引用格式：@misc{inco2026dflash2, title={DFlash 2: Keep Drafting Parallel}, year={2026}, month={August}, url={ 原文： #DFlash# #投机解码# #LLM推理#

AMD 宣布用约 82 亿美元收购李飞飞创办的 World Labs，这期是彭博科技节目主持人 Ed Ludlow 对两位当事人的联合采访。一位是 AMD CEO 苏姿丰，AMD 做 CPU 和 GPU，OpenAI、Anthropic、Meta 都是它的大客户。另一位是 World Labs 创始人兼 CEO 李飞飞，她主持建立的 ImageNet 图像数据集是这一轮深度学习浪潮的起点之一。两人聊了为什么要做这笔交易、李飞飞在 AMD 的新角色、开放生态，以及 AI 安全该由谁负责。 交易本身 这是一笔全股票交易，也就是 AMD 用自己的股票而不是现金来付款，对 World Labs 的估值约 82 亿美元，预计年底前完成，还需要监管审批。交易完成后，李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，World Labs 团队将成为 AMD AI 模型团队的核心。 两家公司的关系早就开始了。AMD 是 World Labs 的早期投资方，也给它供芯片。苏姿丰说她从 World Labs 只有几个研究员的时候就在看着这个团队成长。两人也都提到彼此认识多年，私下是朋友。 芯片公司为什么要买模型公司 苏姿丰的理由是，AI 现在还在很早期的阶段，而且越来越明显的是，硬件、软件、系统和模型这几层互相影响，对整条链路理解得越透，造出来的系统就越好。收购 World Labs，一方面是拿到李飞飞聚起来的一批顶尖研究人员，另一方面是让 AMD 对模型未来的发展方向有第一手的判断，反过来指导下一代硬件怎么设计。 李飞飞从模型公司的角度讲了同一件事。World Labs 越做越大，对算力的需求也越来越大；和 AMD 合在一起，模型可以用最前沿的硬件加速训练和推理，硬件团队也能提前看到模型未来的工作方式和需求。她把这叫作 AI 软件和 AI 硬件的“共同进化”。 主持人追问 AMD 是不是要开始卖模型、卖软件。苏姿丰说不会改变商业模式，AMD 仍然是一家平台和解决方案公司，软件是用来支撑硬件的。收购的最终目的是让 AMD 更好地服务那些最大的算力客户，也就是各家模型公司。 World Labs 做到了哪一步 World Labs 成立于 2024 年，到现在两年多，专攻空间智能和物理智能，也就是让 AI 理解和生成三维世界、懂得物理规律，这类模型通常叫“世界模型”。李飞飞说，他们想做的是语言模型之外的方向，因为创作者、设计师、教育、医疗都有这方面的需求，机器人技术也快要迎来爆发。 公司目前已经发布了两代模型，先是 Marble，然后是最新的 Atlas。李飞飞介绍 Atlas 是一个多模态的“全能模型”，能生成高质量的画面，同时保持三维和四维（三维空间加上时间）上的一致性，摄像机和智能体可以在它生成的世界里移动和交互。 团队也在扩张。World Labs 最近收购了 SceniX，这家公司做出了一套机器人仿真工作流程，以及训练机器人控制策略的模型，由此给 World Labs 补上了机器人方向的人才。 李飞飞为什么选择加入 AMD 苏姿丰说她给李飞飞的说法是“加入全世界最令人兴奋的 AI 公司”。李飞飞的作用也不只限于 World Labs 团队。苏姿丰说 AI 没有一种方案能通吃，除了大家熟悉的云端 CPU、GPU，物理 AI、机器人、从云端到边缘设备再到个人电脑的端到端 AI，都是 AMD 未来三到十年要重点增长的方向，而这些正好是 World Labs 擅长的领域。 World Labs 今年早些时候刚融过一大笔钱，发展势头也不错，主持人问李飞飞是否考虑过别的出路。她说公司从一开始就以使命为导向，这件事的关键在于双方的愿景是否一致，和有哪些选择关系不大。在她看来，这次合并会是“一加一大于二”，接着她笑着补了一句，AMD 显然比 World Labs 大得多。 至于加入后会不会只做空间智能，李飞飞说两人还没来得及细谈所有计划，World Labs 正在做的工作会继续，但她预计研究方向会扩大、节奏会加快。 开放生态与可选择性 苏姿丰说，AI 未来会同时有开源模型和闭源模型、大模型和小模型，它们跑在不同的硬件上，这一直是 AMD 规划高性能计算和 AI 产品线的前提。她和企业的 CEO、CIO 聊下来，没有人愿意被锁死在某一家的硬件或软件生态里，大家都想在不同时候挑最合适的。所以 AMD 会继续押注开放生态，她和李飞飞也讨论过怎样用 World Labs 已有的成果推动开源生态。 李飞飞补充说，现代 AI 的发展离不开开放。从科学界公开分享神经网络算法，到她自己做的 ImageNet，这个首批开放的大规模数据集就是现代 AI 革命的推动力之一。开放生态能让不同的发现、创新和创业机会互相促进。 AI 安全该由谁负责 主持人提到当前的一个争论：模型能力的进步速度超过了安全和对齐研究的进步速度。苏姿丰说这件事上“没有可选项”，技术必须好，也必须安全。她拿芯片行业做例子：最高性能的处理器在设计时就要把安全和数据保密作为优先事项来考虑，AI 行业也需要把安全放到同样的位置。她说自己是 AI 乐观派，相信行业能建立起合适的流程和防护措施，而且各家应该像硬件行业现在分享安全方面的经验那样，互相分享做法。 主持人进一步问，提供算力的公司对训练是否安全、推理时模型是否按预期行事，要负什么责任。苏姿丰说生态里每一方都要为自己的行为负责。对 AMD 来说，要保证硬件本身安全、按设计运行，模型在上面跑时数据是安全的，还要和模型公司一起处理好软硬件之间的交互。她认为这件事应该由行业主导，但因为 AI 是新东西，各方学习的速度不一样，所以她欢迎更多的行业协作，也欢迎一定程度的第三方评估。 李飞飞说，主持人上周问她监管、第三方评估、前沿实验室自我负责这几种方式该选哪个，她的回答是全都要。她认为 AI 是一项“文明级”的技术，和历史上所有这类技术一样，初衷是让人的生活和工作变得更好，但每项技术都是双刃剑，必须负责任地开发和部署。无论在斯坦福、World Labs 还是现在的 AMD，她都想推动个人、公司、行业和社会四个层面共同承担这份责任。 AMD 的下一步 主持人提到 AMD 市值已经到了 1 万亿美元，苏姿丰近来也多次和美国总统一同公开露面。苏姿丰说 AMD 过去做过好几笔对公司影响很大的收购，World Labs 是下一笔，而且是战略意义很重要的一笔。在她看来，技术如今和经济、国家安全都紧密相关，AMD 有机会真正影响计算的未来走向。 最后主持人请李飞飞预测 AI 下一个重大突破。她没有给具体的技术判断，只说接下来 AMD 和 World Labs 会一起打造未来，而这个未来必须对人类社会和人们的生活有益。苏姿丰在一旁说：“我会让她忙起来的。”

台湾何去何从：北京会在什么时候认为“不能再等”？ ---从台湾世代变化、芯片产业、中美军力和2035窗口谈起 讨论台湾问题时，人们往往喜欢寻找一个年份。 有人说2027，因为那是解放军建军百年节点；有人说2049，因为那是中华人民共和国成立百年；还有人认为根本不会打，两岸会无限期维持现状。 我越来越觉得，这三种说法都把问题简单化了。 真正决定台湾问题何时进入终局的，未必是哪一年写在日历上，而是北京什么时候得出一个判断： 继续等待，已经不会让统一变得更容易。 如果这个判断始终没有出现，两岸完全可能继续拖下去。 但如果中国的军事、经济、科技条件已经成熟，而台湾社会又越来越明确地把“永久维持分治”当成最终状态，那么北京的决策逻辑就可能发生根本变化。 从今天能够看到的趋势出发，我认为真正值得观察的不是2027，而是2035年前后。 一、先说台湾：年轻人越来越“台湾化”，却不等于越来越支持法理独立 台湾最明显的长期变化，不是哪一个政党支持率高了几个百分点，而是身份认同。 政大选举研究中心几十年的长期调查非常清楚地显示，单一“台湾人认同”长期上升，而单一“中国人认同”已经降到很低；在统独选择上，各种形式的“维持现状”长期占据主体。 这意味着未来台湾年轻人的主流政治心理，很可能既不是传统国民党的“中国统一”，也不是早期独派意义上的“赶快成立台湾共和国”。 更像是： “我是台湾人。” “我不接受中华人民共和国统治。” “但是没有必要为了改国号打一场战争。” “现在这样自己选总统、自己治理自己，最好一直维持下去。” 这是台湾社会最值得北京重视的变化。 因为从台湾人的主观角度看，这叫“维持现状”。 但从北京的长期国家目标看，如果“维持现状”的真实含义逐渐变成： 2026这样，2046这样，2066还是这样，而且永远不讨论统一， 那它最终就不再是一个临时状态，而接近永久分治。 问题就出在这里。 《反分裂国家法》并没有规定“台湾必须在某年以前统一”，但它明确保留了在“和平统一的可能性完全丧失”等情况下采取非和平方式及其他必要措施的空间。2025年《反分裂国家法》实施20周年时，北京仍把“实现祖国完全统一”称为中国共产党的历史任务，并强调大陆发展进步和综合国力是决定两岸关系走向的关键因素。 所以台湾社会越觉得“永久维持现状”是最安全的选择，北京反而越可能在更远的未来产生另一个判断： 如果再等下去，和平统一的社会基础只会越来越小。 这是两岸今天最大的结构性矛盾。 二、但是，台湾年轻人越来越台湾化，不代表台湾一定越来越支持民进党 这一点经常被混淆。 2024年总统选举的年龄结构很有代表性。柯文哲在年轻人中明显占优，侯友宜在年轻层严重落后，赖清德则保持了相当稳定的基础。 这说明台湾年轻人的变化首先是： 传统蓝绿政党认同变弱，台湾身份认同却变强。 一个30岁的台湾人完全可以同时认为： “台湾当然不是中华人民共和国统治的一部分。” “我不想统一。” “但我也讨厌民进党。” 所以未来真正可能消失的不是“国民党”这个组织，而是传统国民党的某些政治叙事。 如果国民党想长期活下去，它最终很可能必须进一步台湾化，变成一个主张中华民国框架、反对法理台独、重视两岸交流、但同时明确拒绝中华人民共和国政治控制的台湾中间偏右政党。 民众党或者未来其他第三势力同样可能占据这个空间。 换句话说，台湾未来未必越来越“绿”，却很可能越来越形成一个跨党派的共识： 不主动宣布独立，也不愿接受统一。 这才是北京真正要面对的东西。 三、台湾今天经济很好，但最大的长期危险不是衰退，而是“不再不可替代” 有一种说法认为台湾已经经济不行了，这与现实不符。 2025年台湾实际GDP增长超过8%，2026年在AI、半导体和服务器需求推动下，官方最新预测甚至达到11%左右。台湾2025年出口达到约6400亿美元，美国已经以31%的占比超过中国大陆及香港的26.6%，成为台湾最大出口市场。 所以台湾现在绝不是一个正在经济崩溃的地方。 真正的问题在于另一件事： 台湾目前最重要的战略价值，很大程度建立在它拥有一些大陆和世界短期难以替代的技术与产业。 最典型的当然是先进半导体。 台湾过去几十年很多优势其实已经经历过类似过程。 LCD面板、普通电子制造、部分PCB、LED、太阳能等领域，过去台湾都有很强的领先地位。大陆产业规模扩大以后，并不是台湾突然不会做了，而是大陆也会做，而且很多领域做得更多、更便宜。 台湾于是只能继续往产业链上游跑。 从PC代工跑向晶圆代工，再跑向先进封装、AI服务器、高性能计算。 问题是，这是一场永远不能停下来的比赛。 中国目前已经占全球制造业产出的约32%，超过美国、日本、德国、韩国四国之和。 所以长期真正值得问的问题不是： “中芯国际今年是不是已经追平台积电？” 而是： 一个拥有全球最大制造体系、远大于台湾的研发投入、完整产业链和巨大工程师规模的经济体，如果连续二十年把先进半导体国产化当成战略目标，台湾能否永远保持两三代优势？ 我认为很难把答案理所当然地设定成“可以”。 如果到2035年前后，大陆在先进逻辑制程、存储、半导体设备、材料、AI芯片等主要领域都已经能够满足自己的核心需求，那么台湾对大陆最重要的一张经济牌就会明显贬值。 大陆未必需要制裁台湾。 只要自己会做了，台湾原来的稀缺价值自然就下降。 这反而比制裁更加不可逆。 四、台湾还面临另一个问题：大陆从下面追，美国从上面搬 台湾现在有一个长期容易被忽视的夹击。 大陆不断向高端制造爬升。 与此同时，美国又在主动降低先进半导体过度集中台湾的风险。 2026年美台达成的半导体与投资安排中，台湾半导体及科技企业承诺至少新增2500亿美元美国投资，以加强美国本土先进半导体、能源与AI产业能力。 这当然不会让台湾半导体产业明天消失。 台积电最重要的研发、人才和先进产能目前仍然高度集中台湾。 但长期方向很值得关注： 大陆希望降低“没有台湾芯片就无法正常发展”的风险； 美国也希望降低“台湾出事美国科技产业就瘫痪”的风险。 这意味着台湾过去最重要的“硅盾”，实际上同时受到两边侵蚀。 大陆追赶它。 美国复制它。 台湾仍然可能长期保持富裕、先进和高技术，但存在一种2035至2045年的可能： 台湾从一个全球高度不可替代的科技节点，逐渐变成一个非常优秀、非常富裕，却没有过去那么不可替代的发达经济体。 如果出现这种变化，最大的影响甚至不是台湾人的收入，而是台湾在大国战略计算中的重量。 五、为什么我认为北京最容易做的，反而不是政治工作，而是继续发展经济和扩充军力 两岸和平统一最难解决的，其实一直不是经济问题。 而是政治互信。 北京可以承诺： 统一以后台湾保持现有生活方式； 保护私人财产； 保持相当程度的地方自治； 台湾可以享受大陆巨大市场。 2022年大陆统一白皮书确实仍然强调这些内容。 问题是台湾人真正担心的是： “今天答应了，三十年以后怎么办？” 这是一种典型的可信承诺问题。 哪怕大陆明天把香港政治制度重新放宽，也未必能让台湾多数人马上接受统一。 因为台湾对统一的拒绝已经不只是制度恐惧，还包含非常深的政治共同体认同。 一个人完全可能认为大陆民主、富裕、自由，却仍然说： “很好，那我们就做关系很好的两个华人社会，为什么一定要合并？” 所以政治互信可能是北京最难解决的问题。 相反，有两件事的结果非常容易验证： 经济发展到了什么程度。 军事实力发展到了什么程度。 芯片造出来就是造出来。 军舰下水就是下水。 导弹、无人系统、核力量、造船工业和航空工业有没有形成规模，也都是客观能力。 这就产生一个非常现实的战略逻辑： 如果北京认为未来十年自己的综合实力仍然会上升，那么为什么一定要在今天承担战争、制裁、资本外逃和战后重建的巨大成本？ 继续投入经济、科技、军工和抗制裁能力，本身就具有更高的期权价值。 最理想的军力从来不是打出去的军力，而是让别人重新计算选择的军力。 六、2035为什么比2027更值得注意 2035不是公开的台湾统一期限。 这一点必须说清楚。 但是2035本身确实是中国官方军事现代化的重要节点。中国公开规划是到2035年基本实现国防和军队现代化，到本世纪中叶建设世界一流军队。美国国防部最新中国军力报告也仍然把2027、2035和2049作为解放军三个主要现代化节点。 这就是为什么我认为真正值得观察的是2035前后，而不是把2027当成所谓“攻台截止日期”。 到2035年可能同时出现几件事。 第一，中国在第一岛链的常规军事能力与今天相比更加成熟。 第二，中国战略核力量更加完整，美国干涉台海需要考虑的已经不是损失几十架飞机，而是中美两个核大国之间失控升级的可能。 第三，大陆先进产业对台湾关键技术的依赖进一步下降。 第四，台湾年轻世代的政治认同进一步固化，北京对“台湾民意以后自然转向统一”的期待更低。 第五，美国、日本、台湾也在加速军事建设，因此北京同样不能假设时间永远只对自己有利。 所以2035的特殊意义不是： “到这一年必须打。” 而是： 到这一阶段，北京可能第一次同时具备更成熟的实力，又越来越清楚地看到继续等待的政治收益在下降。 这两个条件同时出现，才是真正的风险窗口。 七、美国到底会不会为了台湾与中国开战？ 这是台湾问题里最容易被情绪化讨论的问题。 支持台湾的一方经常默认美国一定会来。 另一边又经常默认美国绝不会来。 两种判断都缺乏依据。 美国对台湾没有类似美日安保条约那样的自动共同防御义务。美国长期政策本身就是战略模糊。 这意味着美国希望同时达到两个目标： 让北京相信美国可能介入，因此不敢轻易动武； 又不提前把自己锁死，真正发生战争时仍然保留选择。 台湾对美国当然重要。 它位于第一岛链中央，关系日本、菲律宾、西太平洋力量平衡和美国亚洲联盟信誉。 因此把台湾简单说成“美国只关心芯片”同样不准确。 但台湾对中美双方的重要性是不对称的。 对北京而言，台湾同时涉及： 国家统一、民族历史叙事、中共政治使命、沿海安全、西太平洋军事地理和中美战略竞争。 对华盛顿而言，它主要涉及： 地区力量平衡、亚洲联盟信誉、第一岛链、供应链、经济利益和民主价值。 中国可以认为： “这是我的国家统一问题。” 美国不会认为： “没有台湾美国就不是完整的国家。” 这个差异非常重要。 如果未来中国第一岛链常规军力越来越强，核二次打击能力越来越可靠，而美国又逐渐把先进芯片产能分散出去，华盛顿最终面对的问题会越来越尖锐： 台湾很重要，但重要到值得美国本土冒核战争风险吗？ 俄罗斯入侵乌克兰以后，美国和整个北约可以提供巨额武器、资金、情报和制裁支持，却始终避免美俄军队直接全面交战。 台湾与乌克兰当然不能机械类比，中国与俄罗斯也不是同一个国家。 但乌克兰战争至少证明了一点： 面对另一个核大国，“支持一个伙伴”与“本国军队亲自参战”是完全不同的决策。 未来中国实力越接近甚至局部超过美国，这个区别只会更加重要。 八、日本也是同样的问题，而且风险比美国更加直接 日本近年来明显把台湾海峡稳定与自身安全联系起来。 日本2025年防卫白皮书继续把中国军事活动称为日本面临的前所未有的最大战略挑战之一，同时反复强调台湾海峡和平稳定的重要性。 从地图看，日本有充分理由担心台湾被大陆控制以后西南诸岛安全环境恶化。 但另一面同样存在。 如果日本真正参加台海战争，就意味着日本与中国发生热战。 这不是一句“台湾有事就是日本有事”能够概括的事情。 战争意味着冲绳、九州军事基地可能进入攻击范围，中日经济关系断裂，而且还要面对一个安理会常任理事国、核武大国和世界级工业国。 所以日本同样面临一个悖论： 为了避免未来安全环境恶化，要不要今天承担一场可能直接破坏自身安全的战争？ 我认为日本会长期坚持“台海和平关系日本安全”。 但未来日本政府是否愿意把这句话自动兑换成军事参战，则会越来越取决于当时的中美军事力量和日本社会自己的风险判断。 九、经济压力真正可怕的，不只是金融，而是现代工业的“不可替代时间” 过去谈长臂管辖，人们通常想到美国。 美元、银行、保险、金融结算使美国拥有非常强大的域外制裁能力。 但中国拥有另一种性质不同的力量： 实体制造和供应链。 中国目前占全球制造业约32%，在大量工业中间品、电子零部件、关键材料和加工环节拥有巨大的规模优势。 对于台湾这种高度发达、供应链极其复杂的岛屿经济体，危险之处不是“少买一些中国手机”。 手机可以晚一年换。 真正困难的是工业系统中某一个价值很低，却必须每天供应的零件、材料或中间品突然消失。 现代工业的特点是： 一个几美元的零件可能卡住几万美元的设备。 找到第二家供应商，也不代表第二天就能使用。 可能还需要验证、认证、重新设计生产流程。 所以中国制造业形成的经济影响力不能简单按进口金额计算。 当然，这种工具一旦频繁使用，也会产生强烈反作用，刺激台湾、美日欧不计成本建设替代供应链。 这也是为什么从北京自己的长期利益看，最理想的状态并不是不断制裁，而是： 中国的市场和产业越来越重要，以至于别人主动认为脱离中国的成本太高。 威慑的最高状态仍然是不用。 十、台湾相对大陆越来越小，也会改变统一后的政治经济计算 九十年代，两岸经济体量差距远没有今天这么大。 今天台湾已经是一个不到大陆5%经济规模的经济体，而且随着大陆继续增长，这个比例未来还可能下降。 这会产生两个方向相反的结果。 一方面，北京越来越没有必要为了台湾的财富破坏台湾经济。 未来大陆如果比台湾大几十倍，那么即使给予台湾非常优厚的财政、税收、市场和社会制度安排，对全国来说也只是很小的成本。 从这个角度看，台湾人担心“统一以后大陆会把台湾的钱拿走”，反而越来越缺乏经济逻辑。 但另一方面，台湾经济占全国越小，也意味着一旦台湾某些政治制度与北京认定的国家安全和中央权威发生冲突，北京为了保护台湾经济而克制自己的动力也会降低。 所以未来统一承诺中： 财产权、企业制度、福利和商业规则可能相对容易保障； 真正最困难的仍然是政治权利。 问题最终还是那几个： 台湾还能不能选出一个北京不喜欢的领导人？ 媒体能否主张台湾重新独立？ 台湾地方政治与中央国家安全发生冲突时，谁拥有最终裁决权？ 这不是钱的问题。 这就是为什么政治互信可能永远比经济利益难解决。 十一、所以我为什么把真正的窗口放在2035前后 把所有这些因素放在一起，可以看到一个很特殊的交叉。 台湾社会长期来看，统一意愿没有明显上升的理由。 大陆的经济、工业、军力和科技能力却仍有很大的增长空间。 美国和日本当然也会加强准备，但中国具有本土地理、全球最大制造业体系和军力集中于西太平洋的优势。 于是北京未来真正需要判断的是： 我的实力增长速度，是不是仍然快于台湾及其外部支持体系的增强速度？ 如果答案一直是“是”，那么北京越没有理由提前行动。 因为2026能做的事情，2030可能成本更低。 2030能做的事情，2035可能根本不用做就能形成威慑。 但到了某一个阶段，情况可能反转。 台湾身份继续固化。 美日军事体系继续强化。 台湾供应链继续向美国和东南亚转移。 大陆人口和经济增长开始进入新的阶段。 于是北京可能开始问： 再等十年，到底会更容易，还是更难？ 我认为这个问题真正进入决策层核心议程的时间，很可能就在2030年代。 所以我的基准判断不是： “2035年中国会攻打台湾。” 而是： 2035前后很可能成为北京重新评估“时间到底还站不站在统一一边”的关键节点。 如果北京仍然认为时间有利，完全可能继续等。 如果北京认为军事实力已经足够，而台湾和平统一的社会基础正在永久消失，继续等待反而降低统一概率，那么整个台海战略逻辑就会发生改变。 十二、最理想的结果，反而可能是不打 中国真正追求的最优结果显然不是： 花费巨大军费建设几十年，然后把这些军力全部投入一场破坏两岸经济、摧毁台湾基础设施、触发全球制裁甚至中美战争的大战。 如果实力增长最终能够让三个地方同时改变计算： 华盛顿认为直接与中国战争的成本超过台湾的战略价值； 东京认为台海虽然重要，但没有重要到值得日本本土进入中日战争； 台湾社会认为永久拒绝政治谈判已经不是一个没有成本的选择； 那么北京就可能获得远高于今天的谈判地位。 这才是“不战而屈人之兵”的真正含义。 它并不是台湾人突然热爱统一。 甚至可能大多数台湾人在感情上仍然最喜欢维持现状。 只是到了那时，他们面对的现实选择已经从： “统一还是永远维持现状？” 变成： “在现有力量格局下，怎样安排两岸关系能够最大程度保留台湾现有生活方式？” 一旦问题发生这种变化，台湾政治就已经进入了完全不同的时代。 结语：台湾问题真正的倒计时，不在日历上 我不认为北京已经存在一个公开或可以证明的“2035统一时间表”。 我也不认为战争是必然。 台湾经济目前仍然非常强，台湾也正在强化防御、降低对大陆贸易依赖并重新组织供应链；美国、日本同样不会坐着等待中国实力增长。2027年台湾国防预算预计首次突破1万亿新台币，本身就说明力量变化一定会产生反作用。 所以任何简单的线性外推都可能失败。 但如果一定要回答“台湾问题什么时候最值得担心”，我不会选择2027，也不会机械地选择2049。 我会看2035前后。 不是因为2035有什么神秘期限。 而是因为到那个阶段，有可能同时出现： 中国军事现代化进入新的成熟阶段； 先进产业对台湾依赖明显下降； 战略核威慑进一步增强； 台湾年轻世代的身份认同更加固化； 美国和日本是否愿意为台湾承担战争风险变得更加现实； 北京也第一次需要认真判断，继续等待究竟是在积累实力，还是在永久失去和平统一的政治基础。 台湾问题最后真正的临界点，很可能不是台湾哪一天宣布独立。 而是北京哪一天得出一个判断： “继续等下去，已经不会更好了。” 在那以前，时间是战略资源。 在那以后，时间本身就可能变成压力。 所以，与其天天猜“哪一年开战”，不如关注一个更有意义的问题： 未来十年，中国的实力增长，台湾的身份变化，以及美国、日本承担战争风险的意愿，究竟哪一条曲线变化得更快？ 这三条曲线最终交叉的位置，才可能是真正决定台湾何去何从的地方。

李承鹏：关于油管的几个汇报 各位，汇报一下：自从开了油管，人活得像早年中关村地下室赶工的程序员，睡一会儿就起来写代码，写晕了再回去眯一会儿——从床头到案头，两头一线，狼狈不堪，蓬头垢面。 感谢各位看官对节目的夸赞，收到。但您要知道，目力所及的画面还算光鲜，只要镜头再偏移两公分，就狼籍一片：胶带缠着摇摇欲坠的简易灯腿。背景灯没买色纸，顺手搭了一张抽纸聊以柔光。也没买反光板，就把网购时剩下的两块泡沫板支在椅子上。有群众反映听到节目里有动静，对，那就是泡沫板掉下来了。房间太小，我骑马蹲裆式跨在变压器和一堆电线上。录节目，挺费腿的。 曾从淘宝买了几盏灯，幻想着丁达尔、伦布朗光……但房间太小，球灯一开，底子光把我照得面目狰狞。头一天我还拔了智齿，细心的观众发现，右脸是肿的。算了，还是用小灯辅以厨房那几盏射灯，也挺好——如果再支口锅，就是刘仪伟炒菜节目了。一个朋友说今年“赤马红羊劫”，从杭州龙华寺帮我请了一盏“心经灯”。我摆在左前方，这灯，柔。 团队，按我之前的想像，那肯定得齐崭崭一水儿专业人士啊。但实操起来真找不到人（这一点，做油管的都知道）。开播前听说我要做油管，好几位主动请缨加入，灯光、剪辑、摄影。但一看我的文稿——聊宪法。哗，全跑了。我本想跟后面一通追，喊“老乡，等等，我是爱国的，我是积极参与祖国法制建设啊”，但已经不见人影了。对此，我很理解。 终于找到一位大学实习生。二指禅。每次剪辑，我得在旁边一帧一帧喊：“停，声画不同步，音轨往前捅八帧”“做关键帧，缓推”“水灾画面不必按时间线，用蒙太奇”“声音前置转场”……累啊。但这实习生很用功，二指禅已进步到六指了，前天晚上我说“祝你早日成为六指琴魔”。我很感谢这位朋友，或者叫感恩。后来又来了一位，也很好，我说：哪天咱们必须吃火锅了……一直耽误，这两天必须解决这个问题。 俩都是大学生，还得上课，时间有限，只能俩人合剪一期节目。我自称老登，管他们叫小登，小登们辛苦了，老登再次感谢。 汇报一下，开播之前我就决定不走纯聊风，一是这类风格王剑、散人、鲁社长、大老王他们（未尽之人名不能一一点出，请包涵）做得很好了，再就是我想把节目当成未来电影剧本素材，语言与画面并存。所以我是一边写文稿一边找素材——如果您得见文稿，上面插着密密的链接，活像密电码。也曾请人帮忙，但关键部分还得靠自己。比如我说“你敢上街举牌要求财产公示，肯定送牢里踩缝纫机”，那么多缝纫机素材，就必须选那条光脚丫踩缝纫机的，为什么，赤脚踩缝纫机更能体现监狱风采啊。还有《独裁者手册》那段忠字舞时，我选了女生们喊“不革命的，就滚他妈的蛋！”，齐齐往前踢了一脚那段。 为什么光脚丫、踢一脚更传神——幽默这东西吧，是创作中最重要的一环。 总之我不仅被逼成素材熟练工，还学会手机剪素材，洪水那期，好多画面是我通宵剪的。半个月前我连录屏都不会。这是人类的一小步，我的一大步。 开播前，朋友们告诉我只有密集更新，油管才上得快。这就为难我了，我本来就懒，而且也真找不到团队啊。也曾想找几位朋友一起合作文稿，我定了选题、定了方向，每篇我都先写了五、六千字核心内容，剩下部分交由他们完成，署名、决不代笔，还先付了每篇两千元人民币的稿费。但试了几篇……发现根本用不了，一个重要原因：我的语言个人风格太明显了，其实别人写的也不错，但两种不同的文字加起来，就那么拧巴——宝马跟奔驰，不兼容啊。另外，我对结构、人物、资料抠得很细，反复让别人修改，也有点不好意思。 所以开播到现在，全是我一个人写的，每期手搓一万字，太累了。我又不喜欢用AI，一股子塑料味儿，常出错还喜欢奉承、偷懒、撒谎。我曾跟AI吵架：“你们他妈的AI已经学会了人类的坏毛病了”。想想一个中年老登隔着屏幕跟AI吵架，真弱智。 AI目前能帮到人类的实在有限，它没有人类的喜怒哀乐，所以没有通感。比如我写到我国爱宣布敌国为“最高风险”，就联想到小时候在新疆，工宣队队长老梁批斗人时，找不到具体罪行，对方不是地富反坏右没偷公社玉米更没搞破鞋，他就会跳上方桌大喊：他，思想有毒。然后大家哗就上去批斗这个有毒的人……至于思想毒在哪儿，是蛇毒还是蝎子毒，不重要，重要的是这词儿有感染力啊。如果给对方安一个具体罪名比如“他偷了一只鸡”……人们会甄别数量、公母、笼养鸡还是走地鸡，要是给对方扔一模糊的罪名比如“坏分子”“人品不好”，人类很容易在一坨混沌的概念中统一思想同仇敌忾——上升到一个国家，这句话无异一枚思想核弹，“这国家高风险，有毒啊”。 AI没这个经历，给它灌进这段经历，也体会不到里边的痛感和喜感。还比如我写“中国人前往海关时被告知被边控了，但他永远不知道原因，也永远进不去，那个海关就像卡夫卡的小说《城堡》”。AI无法把城堡和海关进行抽象类比，它可以替代很多工种，但替代不了高级创作，至少目前为止。 之所以说这些，是因为做油管真的不容易，那些头部们背后肯定都付出很多。不能只见贼吃肉，不见贼挨打……爱他们吧。有一天，小剪辑问我，“你写文稿，那些灵感怎么想到的”。我说：多看多想多积累，写到那个地方时，灵感会自动就流出来了。 其实那是装逼的片儿汤话，我更想说：“灵感就是，生活如此操蛋，你还不得不伺候它”……真的，灵感不过是疲于应对生活时淤出来的那几滴泪，或尬笑。之所以没对零零后说真心话，因为目前我不忍心亲口告诉他们，生活真操蛋。以后他们自己体验吧。 我写油管的文稿，跟我平时文章一脉相传，稍微把文本下沉得口语化一些，就行。内容仍是关注大历史下的人物命运、言论自由、民生、权利，在现实荒诞中折射出极权的运作逻辑……如此而已。我思考过很久，发现自己当不了革命家。一，真没这能力，心理素质差，组织能力差，爱得罪人。二，我更爱写作。 我喜欢写字，到了什么程度呢。我写到小时候随父亲去新疆巴里坤湖慰问演出，那天文艺队的船翻了，大家手忙脚乱爬上湖边，仰面躺在湖边草地上……我仰头看天，觉得金黄的阳光是有味道的，像蜂蜜一样滴进嘴里。那是我人生第一次对味觉有清晰记忆——阳光像金色的蜂蜜一样甘甜地滴进嘴里。写完这一段，我专门打车跑到城西告诉一位朋友。这份快乐，别人体会不到。或者，别人认为我是神经病。 说说字幕。前两期没有字幕，因为我实在没精力校对错字。后来群众强烈要求，上一期我决定上字幕，校对时实在熬不住，睡着了。等我起来，发现可爱的小登们已把错字弄上去了。他们还是太相信AI。 至于片尾列出各种引用出处和文献，我认为这样做是对的，原因就不解释了。对了，做成现在这种有些脱口秀的模样，并不是原本设计，就是因为那天刚拔了牙，疼……说着说着，我一急之下，就开始自由发挥。大家觉着我平时说话就这样，不装，挺好，那就这样吧。 有个不成熟的想法：做节目，是另一种创作形态，不能像写学术论文。就像论文不能当相声写，做节目也不能强灌。得把知识化在口语中，文化、文化，不化进去怎么叫文化。搞民主，也得寓教于乐是不是。人得有幽默感，卡夫卡就很有幽默感。他写过一本小说《审判》：一个职员被逮捕后，却没人告诉他犯了什么罪。他着急上火却没法为自己辩护，因为连罪名都不知道，律帅不知道，神父也不知道。他死时最后一句话是“啊，好像一条狗”。 我怀疑周星驰拍《大话西游》时，是看过卡夫卡的。 卡夫卡写完这本小说，念给朋友听，边念边笑，笑得念不下去——直到他死，也没把“啊，好像一条狗”口播出来。这真遗憾。这一段我写了，录了，没播出。以后专门讲讲这些文学巨匠们。总之，幽默感是一种人生态度，才能蹦出：党章是《九阴真经》，宪法是《九阳真经》。有的人住大厦A，有的人住大厦B。强哥当年封一城，现在封一国，以后可赐爵位：封关候。 最后，特别感谢那些帮我转发的朋友们，名单太长，就不一一列举了，诚惶诚恐，必当回报。还有，我希望找到一位资料员，那种阅历丰富，热爱生活，对数据和文献特别有搜索能力的，有片酬，会署名（这里是邮箱：dayanyouguangongzuoshi@gmail.com）……我实在不擅长查数据，看着头晕。当然这人还得有幽默感。有没有发现，不知是不是世道艰辛的原因，过去挺幽默的人，现在变得极敏感，过去一句彼此会心的玩笑话，现在真可能得罪人。 目前我真是实现不了日更，一周两更也做不到，先力保一周一更吧。 我在国内写任何一篇文章都是秒删，发条朋友圈也被屏、延迟，有一天说了句“现在的朋友圈真没啥可看的了”也被屏。索性开了油管，也好，人生的角度都是这么豁然开朗的。 感谢关注我的油管账号： 此致 你们的朋友 李承鹏