CLARITY Act 沒過,BTC 這兩天一起下跌。
但如果 zoom out 來看,從 8/19 到現在,BTC 仍然上漲超過 15%,同期黃金跟 Nasdaq 都小跌約 1%。
而且 9 月初 BTC 漲到接近 82K 的時候,Polymarket 對 CLARITY Act 今年通過的預期一路降低,只剩大約 14–15%。
所以這波上漲本來就跟 CLARITY 沒啥關係。
那為什麼消息出來,BTC 還是會跟著上衝下洗?
我自己的理解很簡單,主力剛好需要一個理由洗盤。
BTC 才剛脫離長時間的熊市區間,過往 BTC 旱地拔蔥往上突破 200MA 後都會進入震盪洗盤階段。
回頭看 2019/4、2020/5、2023/1 幾次熊市結束後,都有類似現象。
所以現在洗盤本來就在預料之中,CLARITY 這種 event ,只是剛好被主力拿來當作話題操作而已。
真正讓這波行情啟動的還是 8/19 美國財政部宣布提高長天期國債回購規模。
後來 Fed 態度突然轉鷹,市場開始擔心重新升息。
黃金前面的漲幅幾乎全部吐回去,Nasdaq 也回落。
BTC 同樣受到影響,但到現在仍然比 8/19 高很多,而且還額外吃了一個 CLARITY 沒過的幣圈利空。
從跨資產表現來看,BTC 已經算非常強了。
再來是最多人在意的 Fed 升息。
同樣都是升息,這次跟 2022 年差很多。
2022 年利率接近 0%,Fed 當時有很大的升息空間,但現在利率本來就已經很高,而且 AI 發展要錢、企業要融資,期中選舉也得顧經濟,美國現在根本沒什麼條件像 2022 那樣進入升息循環,這樣做等於拿石頭砸自己的腳。
Fed 這次升 25bp,是想壓住通膨預期,穩定市場對美元跟 Fed 的信心,比較像一種表態,而不是真的會一路升下去。
而接下來通膨最大的變數就是油價。我認為高油價很難會長期維持。
以前伊朗在兩伊戰爭、2012 和 2019 制裁 的時候都曾經撐很久,但那些時候都還有石油出口管道。
這次最大的差別是物理封鎖。
伊朗現在自己也被海峽封鎖卡住,目前只剩已經運到封鎖線外的海上原油能賣(最大買家是中國)。照目前庫存的消耗速度,庫存再兩三個月就會見底。
而且最近幾個月伊朗對外態度也越來越反覆。
總統跟外交系統一直想談和,軍方又持續維持強硬態度,就像個神經病一樣反反覆覆,這代表內部矛盾已經很大了。
兩伊戰爭後期也曾經出現過很類似的狀況,越到後期,伊朗對外訊號越亂,到最後民間跟軍方都撐不住了,才突然接受停戰。
現在各方其實都有很強的誘因把局面解掉。
美國跟歐洲需要油價下降,把通膨壓回去。
日本、印度、韓國需要穩定的能源供應。
海灣國家需要安全的油田、輸油管跟航道。
伊朗更需要恢復賣油,拿回外匯收入。
從賽局角度看,各方核心利益其實一致:
讓油重新正常流通。
主要矛盾一致,剩下就是談條件。
現在伊朗內部壓力持續升高,民間企業跟公部門都開始出現欠薪的狀況,我不認為高油價能撐太久。
所以升息跟 CLARITY Act 沒過,都沒有改變我對這波行情的中期看法。
牛市剛開始的時候,市場永遠有一堆理由讓你不敢買。
等到 Fed 開始降息、油價回落、政策全部轉好、所有人重新看多,價格早就漲了一大段。
目前現貨滿倉,如果接下來因為升息,BTC 出現一段比較大的修正,我會上一點槓桿,往下分批掛單,一路掛到 72K。
買入分歧,賣在共識。
接下來就讓時間說話。
显示更多
最近跟一位在圈內闖蕩多年、已經財富自由的朋友交流。
她提出一個非常有意思的洞察:
「現在的錢,已經沒有以前那麼好用了。」
為什麼?
因為在高度工業化的現代,過去王公貴族才能享受的生活品質,現在平民老百姓都觸手可及。
這位朋友提出了一個經典例子:Jeff Bezos 拿的 iPhone,跟普通人拿的 iPhone 沒有任何差別。即便你再有錢,你也買不到一台比 iPhone 領先 50 年的通訊設備,因為技術邊界就在那裡。
我仔細想想,好像真的是這樣。
在清末,慈禧太后用的馬桶是檀香木刻、鋪著綢緞與香料的「官盆」,而平民用的是簡陋的茅坑,兩者有著天壤之別。但在今天,你家裡的馬桶跟首富家裡的,本質上已無代差。即便多花了幾十倍的錢,頂多也就是多了免治功能或自動掀蓋——在最基本的生理尊嚴上,現代工業已經抹平了階級的鴻溝。
這代表財富在「物質功能」上的邊際效應遞減得極快:
食: 財富自由的人吃一頓米其林三星,跟你吃一頓精緻料理的飽足感與美味落差,已不再是天壤之別。
衣: 頂級訂製西裝與優質成衣的差距,比起百年前的絲綢與粗麻,視覺上的階級感大幅縮小。
行: 頭等艙與經濟艙雖然舒適度有差,但抵達目的地的時間是一樣的。
如果第一個 100 萬美金帶給你的邊際效用是 10(它解決了安全感與基本自由);
那麼第二個 100 萬美金,效用可能就遞減到 5;
到了第三個,效用可能只剩下 1。
這個效用遞減函數不是線性的,而是斷崖式的(Cliff)。
這位朋友說,她見過不少人白手起家,資產從 A6 翻到 A9,又從 A9 跌回 A6(單位是美元)。
很多人財富增加了,心態卻仍停留在 Degen 慣性。簡單來說,就是賭上癮了。
他們成了數字的囚徒,為了追逐帳面上更高的收益,在錯誤的時間點重倉豪賭,冒著 100% 返貧的風險,去換取那早已遞減到幾乎為零的邊際效用。
我跟她也有類似的觀察。或許是華人基因裡帶有上一代的苦難記憶,我們普遍對金錢有一種深層的恐懼感,喜歡囤積數字、喜歡攀比。這種「匱乏感」就像是一種基因病毒,代代相傳。
即便我們已經生活在物質過剩的時代,腦袋裡的作業系統卻還停留在「飢荒模式」。我們習慣用資產的數字來填補內心的不安全感,卻忘了問自己:當邊際效應已經進入斷崖區,繼續透支生命去交換那些多出的數字,代價究竟是什麼?
如果你觀察那些在幣圈起伏、最終卻無法守住財富的人,你會發現,他們追求的往往不是「更好的生活」,而是「贏過別人的感覺」。
他們買超跑、買名牌,本質上不是為了自己爽,而是買給別人看的。
試想一下,如果你住在一個無人島上,你會想開一輛藍寶堅尼嗎?上下車得彎腰、椅子難坐得要死,進出車庫還怕刮到底盤。在沒有觀眾的地方,這些財富象徵反而是一種累贅。
有趣的是,這種「優越感」完全是比較出來的結果。再做另一個思想實驗:如果你住的不是無人島,而是所有人都開藍寶堅尼的小島,你還會想開它嗎?應該也不會,因為當超跑變成標配,它就失去了炫耀的價值。
這種對「優越感」的追逐,本質上是一場永無止盡的西西弗斯推石遊戲。
優越感不是來自於你「擁有的多」,而是來自於你「比別人多」。這意味著你的幸福感並非建立在自己的基座上,而是漂浮在別人的目光裡。一旦進入更高階層的圈子,原有的優越感會瞬間崩塌,迫使你投入更多的人生預算去換取下一個階梯的虛榮。
這正是為什麼有些資產 A9 的人依然活得像個飢餓的囚徒。因為在優越感的金字塔中,永遠有比你位居更高處的人。
真正通透的人生,是把自主權從別人的眼光奪回到自己手裡。
這意味著你清楚知道自己需要多少物質就能抵達「舒適」的邊界,而邊界之外的每一分精力,你都選擇用來餵養自己的靈魂,而不是用來滿足無止盡的攀比。
真正的自由,並非擁有買下一切的權力,而是擁有一種「即便不參與這場遊戲,也不覺得自己輸給任何人」的底氣。
當你不再是數字的囚徒,也不再是別人的對照組,你終於能在這擁擠的世界裡,找到一個最讓自己舒服的坐姿。
就像風清揚傳授獨孤九劍時,對令狐沖說的那句:「根本無招,如何可破?」
如果說人生也有獨孤九劍,那麼破除一切煩惱的招式,就是放下心中的比較心——「根本無人,何必去贏?」
显示更多
强烈推荐大家看看DeepMind CEO Demis的最新判断。
真的,Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在,而且通俗易懂。
早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。
刚刚把笔记写完,也给大家分享下。
多说一句,好多人问我这种笔记是不是 AI 写的。我说下自己的流程。
我会先完整听完播客,然后用语音输入法把感触尽量充分地讲出来,再让 AI 帮着整理初稿,最后自己逐字修改优化。
如果全部交给 AI 做总结,那等于把思考和理解的能力让渡给了 AI,对自己理解这件事其实没有任何价值。
OK,咱们进正题。
1
Demis 的态度非常明确,现在的大模型范式(大规模预训练 + RLHF + CoT)一定会是 AGI 最终架构的一部分,他不认为这会是条死路。
但要实现 AGI,还有几个关键问题要解决。这几个问题包括:持续学习、长程推理和记忆系统。
先从最容易看到的现象讲起,Context Window。
现在大模型处理长信息,最常用的招就是把 Context Window 一直撑大。一开始 8k,后来 32k,再后来 100 万 Token。听起来很厉害,但本质上是暴力堆砌。
Context Window 其实就相当于人脑里的 Working Memory,工作记忆。人的工作记忆能同时装多少东西?心理学里有个经典数字,7 个左右。背电话号码能记住 7 位上下,再多就溢出了。
大模型呢?已经做到 100 万 Token。
按理说,模型的工作记忆比人大几十万倍,应该比人聪明几十万倍才对。但显然不是。
问题也恰恰就出现在这。把所有东西都塞进 Context Window 里,里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多,其实是一团乱麻。
那人为什么 7 个数字的工作记忆就够用?
因为人脑背后还有另一套机制在工作。我们记得几年前的事,记得童年的事,记得几小时前发生的事。这些都不塞在工作记忆里,而是另一套系统。
具体来说这套系统是海马体,大脑里负责把新知识整合进已有知识库的那个部分。
研究发现,人睡觉的时候,特别是 REM 睡眠阶段,大脑会重放白天重要的片段,让大脑从中学习。新东西在睡觉的过程里,温柔地融进了旧的知识体系。
这个把新东西融进旧知识库的过程,就是持续学习。
模型现在没有这套机制。每一次对话结束,刚学到的东西就会忘记。下次重新打开,还是上次那个模型,没长进。
2
再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。
长程推理这个词太抽象了。Demis 讲了一个特别具体的故事,听完会立刻明白他说的是什么。
他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace,也就是它在那里到底想了什么。
然后他发现一件怪事。
模型考虑一步棋的时候,思考链里清清楚楚写着,这步是个昏招。但接下来,它没找到更好的走法,于是又走回这步昏招。
明明知道是错的,还是把错的那一步走出去了。
这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。
正常人下棋,意识到一步是昏招之后,脑子里会有一个反应,停一下,再想想。停一下、再想想这个能力,模型现在没有。它能在每一步局部判断对错,但没法基于整盘棋的局势去调整整体策略。
这就是长程推理还没搞定的样子。模型可以一步一步往前走,每一步看起来都合理,但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。
说到底,模型缺的是一种内省。
3
学习、长程推理、记忆,这是 Demis 在播客里点出来的三个 AGI 鸿沟。
除此之外,他还反复提到了创造力。
2016 年 AlphaGo 跟李世石下棋,第二局走出了著名的 Move 37。那一步棋走出来的瞬间,全世界的围棋高手都看呆了。
所有人类几千年下围棋积累的经验都告诉它不该下那里,但 AlphaGo 下了。下完之后大家发现,是一步神来之笔。
很多人觉得,这就是 AI 的创造力来了。
但 Demis 说,对他自己来说,Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。
这两件事的区别非常关键。
Move 37 是在围棋这个现成的规则里,找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式,是人类发明出来的。AI 在已有的框架里非常厉害,但能不能自己造一个框架,是另外一回事。
Demis 给了一个具体的设想。
如果给 AI 一个高层次的描述。造一个游戏,五分钟能学会规则,要好几辈子才能精通,棋局有审美,一下午能下完一局。AI 能不能根据这个描述,自己倒推出围棋?
目前做不到。
为了把这件事讲得更清楚,Demis 还提了一个测试,他自己叫爱因斯坦测试。
用 1901 年人类已有的全部知识训练一个模型,看它能不能在 1905 年那个时间点,自己推出狭义相对论。
爱因斯坦在 1905 年那一年里,连写了几篇改变物理学的论文,后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的,是基于已有材料做了一次全新的概念跳跃。
爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。
目前的大模型主要在做两件事,pattern matching 和 extrapolation。一个是从大量数据里找规律,一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构,搬到另一个全新的领域去用。
这个能力,模型现在还没有。也可能是有,但用法不对所以激发不出来。
4
除此之外,Demis 还分享了一个让我特别出乎意料的判断,他说未来 6 到 12 个月,真正的价值不在更大的模型,在更小的模型。
这一部分内容我反复听了好几次,确实突破我的已有认知。
不知道大家的想法,反正我自己,这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。
那小模型的价值到底在哪?
最直接的是成本。同样一个任务,小模型的推理价格可能只是前沿模型的十分之一甚至更少。
但 Demis 说,比成本更重要的其实是速度。
这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。
他的原话是,当小模型的能力已经达到前沿模型的 90% 到 95%,也就是已经相当不错的时候,剩下那 5% 到 10% 的能力差距,比不上速度带来的好处。
比如现在工程师用 AI 写代码,已经形成了一种新的工作节奏。一个想法冒出来,几秒之内就能看到结果,不行就改,再不行再改。
这个一改再改的循环跑得越快,做出来的东西就越好。如果每次调用都要等十秒,整个工作流就被打断了。
更关键的是,快到一定程度,工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法,思维不被打断。
这件事写过代码的人都懂,进入心流和频繁掉出心流,产出的差距是数量级的。
Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型,每次慢一秒,整个任务就慢一分钟。慢到一定程度,Agent 就从一个能用的东西变成鸡肋。
小模型不是大模型的廉价替代品。有些事只有小模型能做。
比如手机、眼镜、家用机器人,需要的就是一个能在本地跑起来的模型。本地跑除了反应快,还有一个特别重要的好处,隐私。
家里机器人看到的视频、听到的对话,全部在设备本地处理,根本不上云。这件事对很多用户来说不是加分项,是底线。
成本、速度、边缘部署,这是小模型的价值。
5
讲完小模型的价值,接下来一个更关键的问题是,能力被压到这么小的参数里,会不会有上限?
Demis 的判断是,目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。
支撑这个判断的,是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型,然后用这个超大模型去教一个小模型。教完之后,小模型用极少的参数,能复现原来 95% 以上的能力。
为什么 DeepMind 这么重视蒸馏?因为要把 AI 能力放进谷歌的头部产品中,前提是低延迟、低成本。前沿模型再强,每次推理花几秒钟、花几毛钱...这条路,恐怕很难走得通。
一个前沿模型发布之后,6 到 12 个月内,他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。
在很多场景中,小模型和大模型会相互配合。
举个例子,一个端到端的智能助手,绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理,模型直接在设备里读懂,不需要往云端传一遍。
只有遇到特别复杂、本地搞不定的问题,才向云端的前沿模型发起请求。
也就是说小模型在边缘做主力,前沿模型在云端做后援。
不过,这个构想对小模型的要求也比较高,它不能只会处理文字,还得能理解物理世界。
这就是为什么 Gemini 从一开始就坚持多模态,不光处理文字,也处理图像、视频、声音。
一开始这么做比只做文本要难得多,但眼镜也好,机器人也好,需要的是一个能看懂周围世界的模型,不是一个只会聊天的模型。
讲到这里,小模型这条路的轮廓就完全清楚了。它独立成立,不是前沿模型的廉价替代品,而是另一条同样重要的路。
嗯,很有启发。
显示更多
越没钱,越要有理财概念
因为你根本经不起一次意外
很多人一听到“理财”,第一反应都是:
我一个月工资就这么点,房租、吃饭、交通费交完都没剩多少,有什么好理的?
有钱人的一次错误投资,可能只是账户里少了几个百分点;收入不高的人一次手机损坏、突然失业或者生病,就可能需要借钱、分期,甚至连续几个月都翻不了身。
所以,钱少的时候学理财,重点从来不是研究哪只股票会翻倍,而是先让自己经得起生活的突然袭击。
2025年,中国住户存款增加了14.64万亿元,看起来大家都越来越喜欢存钱。但同年的消费者金融素养调查显示,全国消费者金融素养指数为67.61分,其中金融知识得分达到76.25分,真正落实到生活里的“金融行为”得分却只有54.28分,是几个维度中最低的。
很多人知道要存钱、不能乱借钱,也知道投资有风险,可到了发工资、刷信用卡和做投资决定时,依然很容易失控。
更值得注意的是,收入越低的人,金融素养得分往往也越低。年收入24万元以上的人群平均得分为73.01,而年收入2.4万元以下的人群只有58.93。低收入群体接触金融教育和专业服务的机会更少,能够拿来试错的钱也更少。
这很容易形成一个循环:
收入越低,越觉得理财与自己无关;
越没有财务规划,生活中的一次小意外越容易变成债务;债务又会进一步吞掉下一阶段的收入。
--- ❍ ❍ ❍ ❍ ❍ ---
假设两个人每月收入都是5000元。
第一个人觉得每个月根本存不下钱,外卖会员、视频会员、打车、分期购物加起来,平均每天多花二三十元。月底一看,每笔钱似乎都不多,账户却总是见底。
第二个人也不富裕,只是发工资当天先转走300元,暂时不买股票,也不追求收益,单独放进一个应急账户。一年后,他有了3600元。
这时候两个人的手机都坏了,维修加换机需要3000元。
第一个人只能刷信用卡或者使用消费分期,未来几个月的工资还没到账,就已经提前被占用;第二个人直接从应急账户里支付,下个月的生活没有受到太大影响。
两个人一年下来都没有靠投资赚到多少钱,但他们的财务状态已经完全不同。那3600元带来的价值,远远不止几十元利息,它让一个人避开了借款成本、逾期风险和持续几个月的心理压力。
这种能力叫“财务韧性”。
--- ❍ ❍ ❍ ❍ ❍ ---
美联储最新的家庭经济调查也提供了一个很直观的参考:面对一笔400美元的突发支出,2025年只有63%的成年人能够完全使用现金或等同现金的方式支付。
换句话说,仍有37%的人可能需要借款、出售物品或者干脆无法承担。金额并不算巨大,却足以暴露一个家庭的财务脆弱程度。
钱少的人更需要理财,还有一个原因:低收入群体经常承担更高的“资金成本”。
例如一个人欠着1万元消费贷款,年化成本假设为18%,一年需要付出约1800元利息。他同时拿着另外1万元去投资,期待每年获得6%的收益,也就是约600元,而且这个收益并不保证。
从账面上看,他一边努力投资,一边被高息债务持续扣钱。即使投资表现不错,整体财务状况仍然可能越来越差。
因此,对很多普通人来说,最划算的理财动作可能是先清理高息债务。还掉一笔年化18%的债务,相当于确定性地减少18%的资金成本,这往往比寻找一只“能稳定赚18%”的产品现实得多。
当然,钱少不代表完全不能考虑长期投资。
假设每个月投入500元,按照长期年化6%的假设收益计算,坚持20年,本金一共投入12万元,最终大约可以积累23.1万元。实际投资收益会波动,也可能低于假设,但这个例子说明了一个问题:普通人积累资产,很难依靠某一次押中行情,更多来自长期、持续和不轻易中断。
真正困难的地方,其实不是每个月拿出500元,而是你能不能在手机坏了、工作变动或者市场下跌时,仍然不需要把长期投资的钱取出来。
─── ∙ ☽ ༓ ☾ ∙ ───
这也是为什么理财顺序很重要。
收入不高时,可以先看清每个月的钱到底花去了哪里,再建立一个小额应急账户,哪怕先从1000元、3000元开始。之后优先处理高息债务,补齐必要保障,最后才用几年内不会动用的钱做长期、分散的投资。
月收入5000元的人,不一定非要机械地执行所谓“收入的20%拿去投资”。现实一点,每月先留下200元或者300元也可以。关键在于,这笔钱要在发工资时优先转走,而不是等到月底看看有没有剩余。因为对于大多数人来说,月底的钱通常不会自己剩下来。
理财也不等于抠门。
真正的理财,是知道哪些钱能花,哪些钱暂时不能碰;知道什么时候应该追求收益,什么时候应该优先保住现金流;也知道一次看似便宜的分期,可能正在提前透支自己未来几个月的选择权。
有钱人理财,是为了让资产继续增长。
钱不多的人理财,首先是为了避免一场小意外把自己推入债务。等现金流稳定、应急资金建立起来以后,才有资格慢慢谈复利和长期投资。
所以,别再觉得“等有钱了再学理财”。
很多时候,正是因为早期没有理财概念,钱才一直留不下来。理财不会让300元一夜之间变成3000元,但它能让你下一次遇到麻烦时,不必用未来几个月的生活去买单。
仅为个人研究表达,不构成投资建议,DYOR。
显示更多
未来十年,最值钱的40个技能
一、赚钱能力:决定你能不能翻身
1. 搞跨境生意:国内卷成麻花,国外可能还是蓝海。东南亚、中东、拉美,普通人的机会未必在家门口。
2. 把英语学好:英语不只是语言,是你连接全球客户、信息和财富的入场券。
3. 练好销售能力:会干活只能养活自己,会卖东西才有机会赚大钱。
4. 学会做自媒体:普通人最便宜的创业方式,一部手机就能建立自己的流量入口。
5. 经营私域客户:平台粉丝再多,也不如一批愿意反复掏钱的老客户。
6. 掌握直播成交:镜头前敢说、能讲、会卖,比闷头苦干更容易被市场看见。
7. 提升内容能力:能写爆款、能拍视频、能讲故事,这三样掌握一个,就有机会吃上互联网的饭。
8. 学会做高客单价:别天天研究怎么卖9块9。真正的利润,往往藏在信任、专业和差异化里。
9. 打造个人IP:公司倒了,职位没了,但只要别人还认可你,你就有重新开始的资本。
10. 培养流量嗅觉:同样卖一碗面,有人门可罗雀,有人排队两小时。区别往往不是面,而是谁更会吸引人。
11. 学会短视频剪辑:未来视频就是新的文字。不会拍、不会剪,很多商业机会连门都摸不到。
12. 掌握海外获客:别只会等客户上门。Google、LinkedIn、海外社媒,能主动找到客户的人,永远更有底气。
二、AI与互联网:决定你会不会被时代甩下车
13. 熟练使用AI:别把AI当聊天玩具。让它帮你做方案、分析数据、处理重复工作,才算真正入门。
14. 学会AI自动化:别人八小时做完的事情,你用工具两小时完成,剩下的时间就可以拿去赚钱。
15. 具备数据分析能力:少凭感觉,多看数据。懂转化率、利润率和用户行为,做生意少交很多学费。
16. 学会使用X平台:中文互联网只是世界的一部分。多看全球创业者、投资人和科技公司的公开信息,眼界会完全不同。
17. 培养信息筛选能力:垃圾信息越多,筛选能力越值钱。别人刷一天热闹,你找到一个商机。
18. 学会提问和搜索:未来最吃亏的,不一定是不懂的人,而是不知道去哪里找答案的人。
19. 掌握数字产品变现:模板、课程、工具、资料库,做一次可以卖很多次,边际成本低才有想象空间。
20. 学会全球化思考:别只研究中国人喜欢什么,也看看美国人、阿拉伯人、欧洲人愿意为什么付钱。
三、财富管理:决定你赚到的钱能不能留下
21. 学习美股投资:看懂全球优秀企业和指数基金,了解长期投资,而不是只会把钱躺在活期账户里。
22. 戒掉短线赌博心态:别总幻想今天买、明天翻倍。能长期活在市场里,比偶尔蒙对一次重要。
23. 理解区块链与数字资产:别一听币圈就只想着暴富。支付、稳定币、资产代币化,也值得认真研究。
24. 建立多条收入渠道:工资只是其中一条腿。副业、投资、知识变现,能多一条就少一分被动。
25. 学会管理现金流:赚100万却欠200万,不叫有钱。现金流断了,再漂亮的账面利润都救不了你。
26. 培养资产配置能力:现金、股票、债券、保险,各有用途。别把全部家当押在一个故事上。
27. 看懂财务报表:营业额不是利润,利润也不是现金。弄不懂这件事,创业投资都容易吃大亏。
28. 学会税务和合同常识:赚钱靠能力,守钱靠规则。一次合同失误,可能把几年利润全部赔进去。
四、人性与社交:决定你能走多远
29. 掌握谈判技巧:同样一笔生意,有人只能拿5000,有人能谈到2万。差距可能就在几句话之间。
30. 学会识人:嘴巴甜的不一定可靠,天天喊兄弟的不一定讲义气。看行动,别光听承诺。
31. 减少无意义社交:别把时间浪费在互相吹捧的饭局上。认识100个人,不如有3个真正愿意帮你的人。
32. 提升表达能力:同样一件事,有人讲得让人犯困,有人讲得让人掏钱。表达就是竞争力。
33. 懂一点人性和心理学:人为什么购买,为什么犹豫,为什么攀比?看懂需求,比研究套路有用。
34. 学会拒绝和设边界:谁都不得罪的人,最后往往最委屈自己。精力是拿来创造价值的,不是用来讨好所有人的。
35. 培养独处能力:真正厉害的人,不需要靠每天热闹来证明自己。一个人也能学习、思考、执行。
五、终身竞争力:决定你能不能笑到最后
36. 把身体经营好:钱没赚到可以再来,身体垮了,很多机会连参与资格都没了。
37. 学会管理饮食和睡眠:少熬夜、少吃高糖食品、坚持运动。这不是养生噱头,是长期赚钱的基本配置。
38. 训练专注力和执行力:别每天收藏100个项目,却一个都不做。普通人最大的敌人不是没机会,是永远停留在研究阶段。
39. 培养持续学习的能力:大学毕业不是学习结束。每隔几年就更新一次自己的技能,才不容易被行业淘汰。
40. 彻底放弃对稳定的迷信:公司可以裁员,行业可能消失,所谓铁饭碗也未必永远保险。真正的稳定,是你随时都有重新赚钱的能力。
⸻
最后说句得罪人的话:
未来十年,最惨的不是没学历的人,也不是没背景的人。
而是那批每天上班、下班、刷手机,嘴上喊着要改变命运,却十年没学会一项赚钱本事的人。
这个时代最残酷的地方,不是不给普通人机会。
而是机会来了,你根本没有接住它的本事。
显示更多
再小的生意,赚钱能力也一定要比上班强。可能很多人不信:能把生意做好的人不多,上班的人却很多,这就表明生意比上班难多了。
所以我才说,哪怕是再小的生意,只要能够正常运转,有利润、能赚钱,它的赚钱能力再差也不会差到哪里去,一定会比上班强。一年挣个二三十万,对普通人来说,上班想挣这个数字不是特别容易。
挣钱的能力是可以打磨出来的:一个是你跟客户之间的能力、跟产品之间的能力;一个是生产端跟消费端结合的能力。你能够磨出很多东西,学到很多东西。
可是你上班,当螺丝钉,干一辈子,你的视野只有井口这么大。你从来都没有感受到,其实人不上班也有很多种选择。你选择做一门生意,把一个小事做成生意,做成你的小事业。把小事做成小事业,其实可以极其简单:一个动作,就可以把小事、小动作做成一个小事业。
你会给人理发,就理发这个动作,帮人理发,别人给你钱,这本身就是一个小事情。你把它做成生意了。
可有人会说,理发那么多,也没有几个能够赚钱。理发不赚钱属于少数;开个门店如果不赚钱,那倒闭算了。为什么不赚钱?亏的就是铺租、水电这些成本。
而现在随着互联网时代到来,信息这么发达,有没有一种形式不需要租铺?给人理发,通过互联网宣传,还有职业形式,我都不需要。直接整合这些师傅,这是一种优势,把师傅资源整合起来。
谁需要?就像家政一样,把家政人员组合起来,你就是一家家政公司。企业把这些四五十岁的人,或者之前做过、有这方面经验的人培训起来,把它整理起来,建一个群。这就是你整理资源、构建资源。
剩下的就是寻找客户。找客户的方式可以通过网上,也可以通过线下。当然,网上省成本,现在基本上已经逃不开网上了。网上就是一个巨大的流量平台,它的优势远远大于很旺的地段优势。一定要学会在网上进行宣传销售,跟客户建立一种信任。
显示更多
新人交易员一开始都会遇到哪些误区?有些弯路,我到现在还在走 TT
刚开始做交易的时候,如果运气好,刚好赚到了一点钱,那么,第一个坑就来了。
行情配合,账户也涨。复盘来看,入场有理由,出场也能讲出个一二三。心里想:交易这事好像也没那么难,是不是可以把仓位加上去了?
等行情换了个走法,原来那套不灵了,把之前赚的都赔了,信心又一下子又没了。觉得自己的系统不对路子,开始找新方法。今天试试做趋势,明天试试做反转,后天看见别人做一分钟图赚钱,觉得自己做得太慢,也杀入1分钟头皮大军。
然后就在这几个念头里来回转,课没少听,直播没少看,单没少做,最后还是不知道自己到底会做什么。
我想结合自己做 PA 和实盘的体会,聊聊这些弯路。
1,做短线没问题,想用几周证明自己能靠交易赚钱,问题就大了。
这里说的短线,不是指持仓时间。你做五分钟图,十分钟就平仓,这很正常。我说的是你在市场里才待了几周、几个月,刚碰上一段顺手的行情,就觉得自己已经能长期靠这个赚钱了。比如你开始练习做突破,恰好赶上一个趋势特别顺的月份。突破了有跟随,回踩了有人接,甚至有几笔进得晚也能赚钱。这段成绩可以记下来。但需要时不时的问自己:如果行情变成来回震荡,突破三次、失败三次,你的账户和心态会变成什么样?这才是前面那几周没回答的问题。
另一种想法更可怕,我也不需要天天赚,一年抓住一两次大行情,重仓干一把就够了。这样的往往死的更彻底。
少做、等好机会,本来没什么问题。可你还得算上等的那几个月,以及等到以后看错的可能。真正难的是,做错了还能不能继续等下一次。一笔单可以只拿十分钟。但是判断自己到底有没有本事靠它赚钱,得用比这长得多的时间。
2,亏损以后,把每一笔账都算到市场头上。
近期大家都在抱怨,地狱行情,不好做,亏损了也没办法。
市场永远不会不确定。符合规则的交易,进去以后照样可能止损。这部分亏损,做交易之前就得接受。还有一类亏损,需要单独记。
我自己做实盘也会遇到,开仓前觉得这个止损放得有道理,价格真往那儿走了,又想往外挪一点,万一没清扫到我呢?方向做对了,浮盈稍微回吐,又怕赚到的钱没了,就想提前跑路。
原来打算亏一份,最后亏了三份。先看看多出来的两份是怎么来的,是遇到了跳空,还是止损到了,自己没走?这两件事,后面要改的东西完全不同。
出场也一样。我们常说市场让我走了,其实是价格触发了你事先选的退出条件。这个条件能不能用,要靠记录检验。今天该不该执行,要看当时有没有触发。别在亏损时把两件事搅在一起。
所以,在不确定里找确定性这句话,应该理解成:走势我不知道,但这一笔做多少、什么情况走、走完怎么复盘,我可以先想清楚。
3,把自己学成了一个收藏夹。
学 PA 的朋友,应该对这个阶段挺熟。刚学双底,看哪儿都像双底,刚学三推,趋势也数,回调也数,左脑打右脑。再学几种方法,一张图打开,做突破有理由,做反转也有理由,最后连自己准备做哪一边都说不清楚。
这个问题不在于你知道得太少,而在于你希望每一种走势都有办法赚。
做趋势的方法,遇到震荡可能反复止损,做区间的方法,碰上单边行情,也可能在同一个方向上一直判断错。每种方法都有它不擅长的地方。光换工具,那个问题还在。
学一个形态,最值得花时间的地方,是把长得像,但你不做的那些图也存下来。比如你准备练突破回踩,就去看:什么背景下你才做?突破以后直接跑了,你追不追?回踩太深,到了哪里你就放弃?亏损的样本也留着,别只收藏盘后看起来特别漂亮的。先把一个自己常做的机会研究明白,比每周换一个新招式,至少更容易知道自己到底在进步什么。
4,学会了别人的入场,不等于拿到了别人的交易系统。
X上经常有kol晒图晒入场点位的,他在关键位置看到信号就进。听起来你也会,对着图能把他买的那根 K 线指出来。但再往下呢?他买多少?连续亏几笔怎么办?盈利以后是分批走,还是一直拿到结构破坏?他能接受多深的回撤?什么行情干脆一周不做?
这些都决定了,最后落到账户上的是一笔什么交易。很多分享只讲了买入那一下,剩下的部分,你得自己补。
哪怕对方把规则全给你,还有一个实际问题:他白天可以一直盯盘,你上班中间只能看两眼,他那笔仓位亏了不影响生活,换成你,同样的比例可能让你晚上一直看手机。
方法可以学,规则也可以照着测试。但能不能变成你自己的系统,要看你在自己的时间、资金和生活条件里,能不能重复做出来。
所以看到我这套系统谁用谁赚钱,别急着掏钱。先弄明白,对方给你看的到底是一套完整规则,还是几个事后挑出来的入场点。
5,日内、波段、中长线,别急着分谁更高级。
我群里认识两个朋友,一个主要做日内,一个看日线、周线,有时拿几个月。做日内的佩服对方能拿,自己一有隔夜仓就忍不住看手机。做长线的反过来羡慕对方入场细,自己做不到那么精确,更多靠少数走得远的交易覆盖前面的试错。同样一句等到位置再看信号,落在两个人手里,最后连持仓体验都不一样。
所以选周期时,可以先看看自己的日子是怎么过的。
你只有晚上能看一会儿盘,就别因为别人做5分钟图很帅,也逼自己白天抽空抢几根 K 线。你一有隔夜仓就睡不好,也别急着告诉自己长线才是正道。先弄清楚,是仓位太大、规则没定清楚,还是这个持仓方式确实不适合你。
反过来也一样:“适合我”只能说明我做得出来,还得靠记录证明,这么做值不值得继续。 顺手不等于赚钱,这两件事都得过关。
6,还有一个弯路:以为点下平仓,这笔交易就结束了。
账面上是结束了。但你不回头看,下次遇到同样的情况,多半还会按老习惯做。复盘也不用搞得太复杂。先翻最近十笔,每笔搞清楚,原来打算怎么做,实际上怎么做,中间为什么变了。如果十笔里有好几笔都是到止损不走,那接下来先练止损,别急着再学一个入场模型。如果大部分都按规则做了,但扣完成本表现还是差,就回头查方法和它适用的行情。也可能十笔太少,根本不够下结论,那就继续收样本。
有时你会发现,原来以为自己有十个毛病,反复让你吃亏的,其实就那一两个动作。
说到底,刚开始做交易,想赚钱、想早点看到进步,都很正常。我也会因为错过一段走势不舒服(昨天的标普开盘没上车!!),也会在持仓的时候想动止损。知道道理和到了那个位置能做出来,中间确实有一段路。
这段路很漫长,但很磨练意志,做交易是自己的事,不用靠重仓来证明自己,也不用靠一笔大赚来宣布毕业。
显示更多
如何拥有长期旺盛的精力
1. 睡觉永远排第一。长期缺觉的人,谈什么自律、搞钱、逆袭,都是扯淡。
2. 少跟烂人烂事纠缠。真正拖垮一个人的,往往不是工作,而是无休止的内耗。
3. 别动不动就解释自己。理解你的人不需要,不理解你的人解释也没用。
4. 每天晒晒太阳,走走路,出点汗。身体一旦动起来,很多情绪自然就散了。
5. 少刷短视频。你以为自己在休息,其实大脑正在被垃圾信息轮番轰炸。
6. 不要随便透露自己的计划。事还没做成,先接受一堆人的质疑,纯属给自己添堵。
7. 远离喜欢打压你的人。有些人一句话,就能毁掉你一整天的好心情。
8. 一定要存钱。银行卡里的余额,就是成年人最硬的底气,也是最好的情绪稳定剂之一。
9. 少参加无意义的饭局。三个小时的推杯换盏,换来的可能只有第二天的疲惫。
10. 不要过度共情。别人的人生是别人的,你不是救世主,更不是谁的情绪垃圾桶。
11. 把自己收拾干净。头发利索,衣服得体,身材不垮,整个人的精神状态都会不一样。
12. 不要天天研究别人为什么成功。研究一百个富豪,不如自己真正做成一件小事。
13. 允许别人不喜欢你。人活到一定年纪就该明白,被所有人喜欢,不是本事,是负担。
14. 少做决定。吃什么、穿什么、几点运动,能固定就固定,把脑子留给真正重要的事。
15. 别把希望寄托在任何人身上。别人帮你是情分,不帮是本分,自己的底牌永远要握在自己手里。
16. 有情绪就及时消化。该哭哭,该笑笑,该翻篇就翻篇,千万别把昨天的垃圾带进今天。
17. 培养一项能长期积累的本事。赚钱也好,健身也罢,能持续看到自己变强,比任何鸡汤都管用。
18. 不要天天盯着别人的生活。谁发财了,谁买房了,谁又升职了,关你屁事。你的日子不是拿来跟别人比赛的。
19. 学会及时止损。错误的关系、亏损的生意、没有结果的执念,该结束就结束,别拿剩下的人生给过去陪葬。
20. 永远记住:一个人最顶级的精力管理,不是每天打鸡血,而是不透支身体、不讨好别人、不折磨自己。
真正厉害的人,不是永远精力旺盛,而是懂得把有限的精力,花在真正值得的人和事上。
显示更多
美国企业花了 400 亿搞 AI,95% 没有回报
赚到钱的那 5% 做对了什么?
AI 时代最大的陷阱是 “做很酷的东西” 🦊
Cursor 不酷,它只是让写代码变快了。Harvey 不酷,它只是帮律师省了时间。ElevenLabs 不酷,它只是让任何人都能做配音。
真正的护城河 = 垂直数据 + 分发渠道 + 工作流嵌入,不是模型本身 (Claude 和 GPT 不是你的,你也做不了,开发模型要花很多钱)
95% 的 AI 项目烧钱,因为它们在炫技
剩下 5% 在印钞,因为它们在省人力
MIT 2025 年的一份报告我看简中推几乎没人讨论,数据非常惊人:
1、美国企业在生成式 AI 上投了 350-400 亿美元,但 95% 的 AI 试点项目没有产生任何可衡量的 P&L 影响
2、14000 家 AI 创业公司有 40% 在 24 个月内死亡
与此同时,赚到钱的那 5% 公司却赚到离谱
先来看看炫技派们的墓碑 🪦
1、Builderai:微软投的,估值 15 亿,融了 4.45 亿美元
号称 AI 自动生成代码,实际上是后台靠 700 个印度工程师手写,破产时账上只剩 500 万
2、Jasper AI:AI 写文案的标杆。2023 年营收峰值 1.2 亿美元。2024 年暴跌到 3500 万。跌幅 70%。原因很简单:ChatGPT 的文案能力变好了,用户不需要一个"套壳"了
AI Wrapper 数据显示:8500 家活跃 AI Wrapper 公司
只有 2-5% 月入超过 1 万美元,24 个月累计失败率 80-85%
再看看赚钱的有多赚钱 💸
1、Cursor:零营销:17 个月做到 10 亿 ARR,又 3 个月翻到 20 亿 ARR
Slack 用了 5 年,Zoom 用了 9 年,Cursor 不到 2 年就做到了
2、Harvey(法律 AI):3 年做到 1.9 亿 ARR
42% 的美国顶级律所在用。估值 110 亿
3、ElevenLabs(语音 AI):ARR 超 3.3 亿
从 33 亿估值飙到 110 亿,只用了 3 个月
4、Perplexity(AI 搜索):ARR 自 2022 年以来增长 1900%
为什么垂直 AI 能赚 10 倍?
顶级 VC Bessemer给了一个清晰的框架:
传统 SaaS 争夺的是企业 IT 支出——仅占 GDP 的 1%
垂直 AI 争夺的是劳动力支出——占 GDP 的 13%
美国劳动力市场 11 万亿美元,企业软件市场 4500 亿美元,差 24 倍。传统 SaaS 捕获一个员工价值的 1-5%,AI 可以捕获 25-50%
Harvey 不是在卖 AI,它是在卖律师的时间
一个 AmLaw 100 律所的初级律师年薪 $20 万+,Harvey 替代掉他 30% 的工作,省下来的钱是任何 SaaS 订阅费的几十倍
而每个赛道都有“Cursor 时刻” 💡
▪️法律:Harvey 1.9 亿 ARR,Casetext 被 Thomson Reuters 以 6.5 亿美元收购
▪️医疗:Abridge 估值 53 亿(AI 环境记录),一家医院用 AI 做保险验证,年增收 230 万
▪️会计:Basis 估值 11.5 亿(AI 报税),CPA 事务所效率提升 30-50%
▪️房产:EliseAI 估值 22 亿,PropTech AI 投资年增长 42%
不是做更通用的 AI,而是做某个行业的"替代人力"
给我的启发是
1、数据"无聊"的 AI 其实最赚钱:
例如 AI 发票自动化、合同审核、销售线索生成,叙事不性感但有人月入 25 万美元
2、90% 的员工在用"影子 AI":
只有 40% 的公司有官方订阅,但 90% 的员工每天在用个人 AI 工具(牛马们自费开 Claude 写代码,我真的哭死)需求是真实存在的,只是企业产品没跟上
3、AI 公司到 1000 万 ARR 只需 2.5 年
传统 SaaS 需要 6 年
4、最大 ROI 不在销售和营销,在后台自动化
如果你想赚钱,3 条路线可以思考,或者和你的 AI 多讨论
A:做垂直 AI 工具
找一个你熟悉的行业(律师、牙医、房产中介)用现成 API 包装成行业专用工具,月费 SaaS。AI 一直强,重点看你有没有行业 know-how 和分发渠道
B:做 AI 集成
帮企业接入 Claude/GPT API,做定制化部署
MIT 数据说外购成功率高 3 倍,但企业不会自己接(或担心数据风控风险)他们需要人帮忙
C:做"无聊"的 AI 自动化
发票、合同、客服、数据录入。没有人会把这些发到 Product Hunt,但它们的 ROI 最高
今天早上我在公司开会时说:
赚聪明人的钱很难很难,因为聪明人自诩聪明,你能想到的一切他都会自己搭,最好赚的其实是傻子的钱
怎么找到傻子和如何赚到傻子的钱
think think 再 think
显示更多