這次跟數學老師偏享受為主 沒有像上次一樣拍這麽多視角 但優秀敏感的體質不管看幾次 真的都好硬⋯ 資料👗裡有更多精彩完整內容！

看到女孩這淫蕩的樣子 真不相信是一位數學老師⋯ 口交的時候一直四目相交 Shit ! !❤️ 看到肉棒腫脹程度 就知道我有多興奮了吧⋯🥹 先謝謝IG又讓我遇到隱藏版優質女孩 太多好看的畫面了 這次又剪的比較長了 #Fansone訂閱觀看完整版# #美乳# #高潮# #高顏值# #數學老師# #真實素人約砲# #四目相交的口交# #忍不住的女孩就不要忍了喔# @KawasawaSen @ToBulaer @BulmaList

【一道兩年前的浙江高中數學題，讓于北辰再度火遍兩岸】 近日，浙江省紹興市2024學年第二學期高中期末調測試卷的一道高二數學考題，在兩岸社交媒體上引發熱議。題目以導彈攔截為命題場景，原型疑似台灣退役少將于北辰早年的一則常識性錯誤發言：其曾提出單發導彈攔截率70%，三枚叠加攔截率可算出210%的錯誤結論。台灣多家媒體紛紛報道此事，台北市議員李柏毅在島內一檔政論節目中化身“李老師”，現場講解這道題的正確算法。 網傳試卷為紹興市2024學年第二學期高中期末調測高二數學考卷。其中第五道選擇題的題目為：已知某防禦系統的導彈攔截目標的命中率為70%，為提高攔截成功率，決定同時發射三枚導彈攔截同一目標，若這三枚導彈彼此間互不干擾，則攔截的成功率為？四個選項分別為A.70%、B.97.3%、C.100%、D.210%，該題官方正確答案為B選項97.3%。 這道充滿話題性的選擇題一經傳播，便引發兩岸網友熱議。大陸網友紛紛玩梗調侃：“這題我會，210%。”“雖然選B是對的，但是我還堅持選D。”台灣網友的討論同樣熱烈，大批網友諷刺道：“于北辰，恭喜你的導彈攔截率算法變成高二數學考題了，這下丟臉丟到大陸去了。”“身為台灣人都知道答案是210%，不可能是其他答案。”還有網友反問道：“是該恭喜于北辰在大陸紅了？還是他在丟台灣軍人的臉？” 長期關注公眾議題、擁有百萬粉絲的台灣網紅Cheap也在海外社交媒體分享了這份試卷的截圖，並配文諷刺道：“于氏數學定理，恭喜于將軍變成考題出來了。” 這道概率題的命題源頭，正是于北辰2022年8月發表的爭議言論。當時節目正圍繞解放軍圍台軍演展開討論，聊到解放軍發射導彈的相關話題時，于北辰聲稱台軍可以發射“天弓”導彈進行攔截，“一發攔截度是70%，我們三發一起攔截，攔截率就是210%，一定攔得到！”此番發言直接讓主持人與在場嘉賓集體陷入沉默。 多家台媒也對此事進行了報道，有台媒援引網友評論指出：“這是近年少見將台灣政治人物言論納入數學試題的案例。”“透過熱門話題結合數學教育，有助于學生理解機率概念，相當具有創意。” 昨天（6月25日），李柏毅在節目中化身“李老師”，現場講解這道題的正確算法。 李柏毅指出，作為理工科出身的人，他很清楚攔截成功率不可能超過100%：“完全攔截就是百分之百，超過這個數值的概念在現實裡根本不存在。”他進一步講解計算邏輯：每枚導彈命中率為70%，對應的失誤率為30%；三枚導彈同時攔截，只有三枚全部失誤才算攔截失敗，因此整體失敗率為30%×30%×30%=2.7%。用100%減去2.7%，得出成功率為97.3%。講解完他還不忘調侃：“相信于將軍也懂，210%放在‘台灣價值’裡能拿滿分，但放在數學考試裡只能得零分，這兩者要區分開。” 台灣時事評論員謝寒冰也在節目中調侃，于北辰的數學已經“聞名世界”了。 值得注意的是，兩年前，于北辰曾在一次直播中為自己的言論辯解：“沒有錯，我承認我的數學差，我的統計學差，那又怎麼樣？這樣子有鬧笑話嗎？”目前，于北辰還未對這次自己的言論被編入大陸數學考題一事作出公開回應。 這早已不是于北辰第一次發表違背常識的出圈言論了。除了“三枚導彈攔截率210%”外，他還曾拋出過許多荒謬言論，包括“大陸城鎮都是土房子”“解放軍登台沒有谷歌地圖會迷路”“待在東風導彈射程外安全”等，兩岸網友也因此戲稱他為“土房哥”和“相聲社團德雲社在逃弟子”。有島內輿論分析認為，于北辰是故意說這些荒唐話，要的就是流量。（來源：香港新聞網） 詳情： #于北辰# #台灣# #浙江# #高中數學題#

不像許多有名的總統，詹森沒有名牌大學的學歷，他是真正窮苦出身。他大學唸德州的一個鄉下師範學院，學費已經很低廉，但他還是得休學一年，先去賺點錢才能完成學業。師範學院常有一些德州各地學區的督學、校長來進修，詹森結交了一個德州南部學區的督學，督學承諾詹森一個教職，詹森就這樣在1928學年，在Cotulla這個地方，教了一年書。 Cotulla在一百年前的人口，和現在差不多，都只有三千多人。德州在一百年間，發達不知多少倍，但Cotulla卻一點都沒長進，你就可以知道這是多麼鄉下的一個地方。它離墨西哥邊界只有六十英哩，離大城聖安尼奧九十英哩，看起來不遠，但一百年前，柏油路沒有舖到Cotulla，交通不便，所以是真正偏鄉。小地方近八成是墨西哥裔，務農為主，學童經常一曠課就是幾個月，因為家長把小孩帶去甜菜園或是棉花田工作了，沒有人管這些墨裔小孩功課怎麼樣，甚至沒有人管這些小孩會不會說英文，直到詹森來了Cotulla小學，才有改變。 小學原來有五個老師，都是主婦不情不願地來上班，每天都是上課前才到，一打鐘下課就趕緊走人，一刻也不停留。小學很久沒有男老師了，大家都很高興有新血，詹森一到，督學立刻指派他當校長。這是詹森的第一份領薪水的正式工作，他的所作所為，完全反應了詹森的整個人生態度，甚至他的人生野望。詹森從來不把他的工作當小事，他一定全力以赴做到最好，早早到學校檢查環境、備課，下班後繼續忙到很晚，小朋友功課一定要教到會才放他們走。他認為小朋友會講正確的英文很重要，不厭其煩地要求他們發音正確。小朋友下課時間沒有遊戲場地，原來的老師也不管，他一來就弄出場地，找到排球和壘球的設備，要求老師輪流在下課時間看顧小朋友。鄉下小孩從來不知道體育比賽，也沒有錢去外地參賽，詹森自己找家長帶隊去比賽。Cotulla的小朋友一輩子都記得這個，不乖時教訓他們，對他們有要求、有期待的詹森老師。唯一的校工不識字，詹森有空就教他識字，但詹森嚴格要求他把學校打掃乾淨。 在一個偏鄉遙遠而無人知的小學，做著誰也不知道有什麼用的工作，但詹森不因為事小而輕乎，什麼事都全力以赴，他相信，「只要你每個方法都試了，你就會成功。」詹森的志向當然不是當一個成功的小學老師，有一次小朋友學他講話傷了他的心，他很生氣地打了那個冒犯他的小朋友，然後對全班罵，「你們怎麼能這樣笑我，你們現在看到的這個人，是未來的美國總統。」 二十歲的詹森在Cotulla流露的不只是他過人的努力和非凡的野心。詹森的白宮任期以民權法案、社福法案和越戰泥淖聞名。六零年代前的德州，和南方各州都一樣，政治和社會是充滿種族主義偏見的白人所主導，政客全都是民主黨。詹森為了民權法案，把這個南方的民主黨板塊打破，可以說是背叛了一直力挺他出頭的南方白人，但詹森不是為了權術而虛情假義地通過民權法案，他是真心地想要為弱勢的少數民族說話，想為他們做事，他在Cotulla的學生，幾乎都是墨裔，他沒有少盡一分力來幫助這些學童，也許他還多出了力，因為他自己也是窮苦出身，他內心還是有一股俠氣，不忍見人間的不公不義。但詹森的俠氣，還是家父式的，他在德州，但他不想學西班牙語，他在Cotulla教墨裔小孩要怎麼擁抱英語、美國文化、美國歷史，因為那是他認為對小朋友最重要的教育。結合了俠氣和家父心態，轉換到全國的政策，那就是美國史所未見的社福擴張：食物券、老人及窮人健保、窮人免費學校午餐、窮人住房補助等等，都是詹森任期內搞出來的，每一個政策都立意良善，都是「為你好」，但最後都把這些窮苦、弱勢族群，養成伸手牌，失去自立的能力，還造成了政府永遠的財政問題，美國現在的社會問題，很大的部份都可以溯源到詹森的總統任期。 有錯誤理念的人，你寧願他笨一點、懶一點，造成的禍害會少一點。

販毒的黑道常會告誡手下，「不要用自己賣的東西」，我最近找到一個新的例子，芝加哥教師工會的會長，把自己的小孩，送去唸私立學校，拒絕用自己賣的產品。這是很不可思議的虛偽，更暴露出教師工會現在把美國的公立學校弄成什麼樣子。芝加哥的公立學校，是美國數一數二大的學區，但二十年來，學生人數少了近八萬人，教職員卻多了三千人，整體學區預算幾乎加倍，師生比拉這這麼高，資源這麼豐富，教育品質一定好了？沒有，芝加哥公立高中學生達到伊利諾規定的學業水準，只有兩成！州定的標準，已經相當低，還有近八成的芝加哥學生達不到。我有很多芝加哥高中畢業的學生，所以我深受其害，面對這麼多基本算數、識字寫作都有問題的學生，我只能一直放鬆教學內容，連帶影響其它程度好的學生。 公立學校資源一點都不是問題，但工會教師就一直用錢不夠的理由，找到機會就罷工抗議。如果不是家長太過憤怒，讓政治人物害怕，工會原本還要在五一國際勞動節停課，讓學生上街抗議。抗議什麼？名義上是為教師勞動權益，但很多是想拿反川的標語上街。他們要抗議川普是有道理的，芝加哥學區這幾年本地學生巨幅外流，如果不是非法的拉丁裔移民填補了空缺，芝加哥還要少更多的學生，預算還會有更大的問題，所以他們當然要抗議川普抓非法移民。有一個學生告訴我，他的朋友最近經濟發生困難，因為他原本的工作是安置芝加哥的非法移民，拿的是政府經費，結果被川普政府搞到沒有收入。我忍不住問他，你沒有覺得奇怪嗎？我沒沒有說出來的是，幹得好。稅金，就給這些米蟲拿去了。 很多移民來到美國，小孩上學了，就會發現，這國家錢真多。公立學校教室設備一流，公發的電子產品人手一台，學生自由，活潑開放。但時間一長，就發現這是個糞坑，這是個教師工會的社會福利機構。老師經常請假，代課老師只會點名，上課時間很少，管秩序時間很多，老師的精力，都花在處理少數具有破壞性的學生，好的老師不敢管教學生，壞的老師不懂教學，浪費學生時間，再不然就整天講黑命貴、川普種族主義、LGBTQ權益，每日上課時數極短，每年上課天數極少。然後一天到晚道德綁架家長，只有他們懂教育，只有他們最辛苦，只有他們收入最少。但讓我講一個很多人不知道的事，大部份的美國公立學校教師，不用繳Social Security，這個僱主和員工合繳12.4%的稅，老師是不繳的。 工會殘害美國至巨，但要怎麼改革這個問題呢？目前有一個聲音是要在最高法院打官司，禁止教師成立工會。這有法律上的道理，因為如果反拖拉斯的目的是反對商業市場壟斷，那教師工會在實質上也是在就業市場壟斷，同樣是傷害消費者行為。進行這個訟訴也有政治上的道理，因為民主黨和教師工會交相苟且，一個把會費金錢輸送給政黨，一個用政黨控制政府的能力，保證工會的利益。這就是芝加哥教師工會這麼囂張的原因，如果把教師工會判為違法，那是一石二鳥。但也因為這個關係到民主黨的權力掌控能力，所以民主黨一定會誓死而反對。 但更重要的是，我認為把工會廢了，公立學校也救不回來。美國沒有什麼師範學校，普通大學畢業，上個教育學程，滿足州的教師規定，就可以當老師。此前，女性受到歧視，工作機會不多的時候，很多優秀的女性，想要展長才的女生，很多都當了老師，因為那是少數女生能在職場發揮的地方，而因此，美國以前公立學校的品質非常高。但這個壓抑女性的社會問題大致解決了，公立學校的老師也失去了優秀人材的管道。現在在大學唸教育的，通常是其它學門唸不來的學生的最後選擇，有統計說，美國大學的專業裡面，平均智商最低的就是教育系。當然少部份學生是為了理念去唸教育，也很有能力，我常在鄉下來的高中畢業生裡看到這種學生，但他們很快就被丟進一個不需要太認真就可以畢業的環境，很快就向下平均去了。在逆向淘汰的情況下，造成公立學校教師資質越來越差。這一點，就連廢掉教師工會也救不回來。 所以，最好的解決方法，是讓工會徹底把公立教學搞砸，那就會有更多納稅人要求開放教育券的發放，鼓勵私立和特許學校的成立。我們愛荷華州這幾年在共和黨的全面執政下，教育券得到充份實施，私立學校像雨後春筍一樣，紛紛冒出頭，也順帶推倒許多品質江河日下的公立學校。私立學校並不一定好，但有競爭才會有進步，才會想要嚐試教學的新作法，在這個AI改變人類生活的時代，我們更需要這種民間的競爭，來導入AI教學，提高教學品質。因此，我非常支持這些混蛋教師工會的惡搞，越惡搞，越加速公立學校的死亡。

博士班將畢業要上就業市場的時候，我聽從了當時正因為Freakonomics火紅，芝加哥大學教授Steven Levitt公開的建議，取了個美國化的名字。他說他都這樣建議他為數眾多的國際學生這麼做，因為他的研究證實，「名字」充滿了許多訊息，會給僱主認識到你是不是非常願意融入環境、擁抱當地的文化，你是不是想和其它人一樣，而決定要不要給你加分。講到這裡，就很多人想要舉反例，但是愛舉反例的人，常常不了解這種實證研究的意義，就業結果的差異，當然是有很多因素造成，但這種設計良好的實驗，真正的解讀方法是，「如果兩個各方面都一模一樣的人，取了一個美國化的名字那個，會有比較好的就業結果」。我那一年的就業市場正在金融風暴的谷底，任何一點加分的機會，我當然不能錯過。 Levitt的意見，放在今時今日，那是非常政治不正確的。我都可以想見各式各樣的批評，「死白男，你憑什麼要人家放棄自己的身份認同」「為什麼不擁抱自己的文化」「你很好，沒有需要改變」「是別人該來學你的名字怎麼唸，而不是你要配合他們」「世界本應該如此多元」諸如此類的看法。如果是個人的價值觀，自我的選擇，我都沒有意見，但在現實上，這些批評並沒有辦法改變這個世界上，人生下來就存在的偏見，也許社會比較文明了，社會比較多cancel文化了，這些偏見不敢顯露出來，但一直都在而去除不了，只是變成隱性的偏見而已，這也是Levitt和Ronald Fryer等人研究的價值，人是會說一套，做一套的，所以有人選擇保留自己驕傲的一切，有人極力融入新社會，那都沒有關係，「名字」的訊號傳遞機制，不會因為你做了什麼，或是不做什麼，而失去作用。所以，你看為什麼這麼多東亞移民，給小孩取名字，都是非常美國化的名字，那是一個想要融入的心情，那是一個務實的心態。反觀印度人...... 但這些強調要政治正確的左派意識型態，其實還是有害的。首先，這些高大上的多元價值讓新世代對社會的運行有誤解，造成他們的認知和現實有落差。但更大的問題是，這種多元價值幾乎都不可避免地變成紅衛兵的鬥爭手法，為什麼Levitt現在不太敢再講這些實證上反多元的研究？因為那是會被人cancel的大逆不道言論。現在美國的教育界，不管是中小學，還是高等教育，通通是這種多元的氛圍，所以多數的老師，自己言論審查的厲害，而一旦開始懼怕被告發，那就當不了老師了，因為老師很多時候，是要「教育」學生，是帶有價值判斷的傳道責任。而一旦老師不敢要求，那學生其實就失去了學習做人做事道理的機會。一如我之前所說，大學的價值一在credentials，二在無憂無慮的四年探索，而如果老師都是畏首畏尾，那這個探索的過程，這個讓青少年成熟的獨特經歷，就少了一些能導正行為和看法的力量。 所以，我的課，不准用手機和電腦。學生可以遲到，可以中途離席上廁所，但我都很明白告知，你有你的來去自由，但你要知道，每個人心中都有一本帳，記載了和所有人的往來好壞，你每次上課都要晚來，或者是都要用上課時間上廁所，你雖然不會在這堂課被扣分，但你在我的私人帳裡，會一直都是負值，你的印象分數就是負的。當你身邊的人，對你的帳上，記的都是這些負值，你就把自己在社會成功、人生幸福的機會一降再降，如果不自己想辦法改變，那也不要日後悔恨。是的，我就是那個沒有政治正確危機感的說教老頭，但這不就是學校給我終身職的立意初衷？

看完了 Claude Code 主席 Boris 的播客采访，他从去年 11 月起没有手写过一行代码，每天提交 10 到 30 个 PR，同时跑 5 个 agent。 听完 Lenny 对他一个多小时的采访，信息密度很高，分享一些我的收获。 1️⃣ Claude Code 的起源：一个人，两个赞 最初就是 Boris 一个人在 Anthropic Labs 搞的 side project，同期他也做了很多其他的side project，大部分都死掉了。 选了终端是因为一个人开发最简单，在内网发了篇帖子介绍，两个赞，没人觉得一个 CLI 能成事。 但是迄今为止这东西贡献了 GitHub 上 4% 的 commit，如果算上私有仓库，这个比例还会更高，Semi-Analysis 预测年底到 50%。 从两个赞到覆盖 50% 的 commit，中间只隔了不到两年，AI时代的产品进化速度可见一斑。 2️⃣ 核心产品哲学：为六个月后的模型而建 Boris 反复强调这一点，Claude Code 早期只能写 20% 的代码，他自己都不信任它。 但产品架构留好了扩展空间，等 Opus 4 一出来，PMF 瞬间 click。 现在做 AI 产品的人，最大的错误就是按今天的模型能力做产品设计。 你应该赌的是下一代模型。赌对了你起飞，赌错了你也没亏多少。 3️⃣ 委派，而非指示 很多人做 AI 产品的思路是给模型设计死板的 step 1 → step 2 → step 3 workflow，把模型当成一个系统里的函数来调用。 Boris 说一年前你确实需要大量 scaffolding 来兜底，但现在完全不需要了。 给模型工具，给它目标，让它自己想办法。 对于 Agent 开发者来说，这点尤其重要。别太迷信 LangChain、LangGraph、AutoGen 这类框架，别尝试用流程图把模型框住。 Agent 应该为目标负责，而不为流程、中间态、执行路径负责。 这就是 Claude Code 一直强调的：delegate, don't dictate。 4️⃣ 编程已经被解决了，接下来是工具和多模态 Boris 认为 coding 对模型来说已经基本解决了接下来的方向是让模型接入更多工具，让 Agent 能操作的东西变多。浏览器、API、数据库、部署流水线，全都会变成模型的手和脚。 更有意思的是他提到一个现象：提升模型 X 方向的能力通常也会提升 Y 方向。模型能力的增长不是线性叠加，而是能力之间互相加速。 这意味着一旦某个能力突破阈值，其他方向也会跟着跳一级。 5️⃣ 软件工程师这个岗位会消失，Builder 会出现 Boris 的判断：也许今年年底，AI 就能包揽 100% 的代码编写。 传统意义上的软件工程师将不复存在。取而代之的是一个集合了产品、研发、测试、部署的综合岗位，大概叫 Builder。 他观察到 Anthropic 内部已经在发生这种融合。设计师在写代码，PM 在跑 Agent，工程师在做产品决策。三个角色的边界已经开始模糊，50% 的日常工作其实是重叠的。 有个数据很说明问题：Boris 在推特做了个调查，70% 的工程师和设计师表示有 AI 之后更享受工作了。不是因为工作变少了，是因为终于可以把时间花在真正重要的事情上。 6️⃣ 自然语言是新时代的编程语言，编程语言是新时代的汇编 未来编程可能就是和 AI 交互。手写代码会变成和今天写汇编一样的存在：深入底层，写一些计算机能直接看懂的东西，极少数人需要做，大多数人永远不碰。 自然语言会变成新时代的编程语言。编程语言会变成新时代的汇编语言。 怎么理解要不要学编程这件事？Boris 给了一个非常精准的历史类比。和程序员最像的历史角色是 1400 年代欧洲的抄写员，垄断了所有的读写工作。古腾堡印刷术出来后 50 年，印刷量超过此前 1000 年的总和，价格暴跌 80%，识字率从 1% 飙到 70%，抄写员这个职业直接消失了。 编程正在经历一模一样的过程，你可以觉得这话狂。但说这话的人，曾在 Meta 负责过 Facebook、Instagram、WhatsApp 的代码质量基础设施，是那个时代最顶级的 infra 工程师之一。 他不是不会写代码，他是写了太多代码之后，深刻认识到代码从来都只是手段，build才是目的。 7️⃣ 200% 的提效，到底意味着什么 Anthropic 工程师人均 PR 数提升了 200%。 200% 听着好像还好，但 Boris 之前在 Meta 就是做工程生产力的，负责 Facebook、Instagram、WhatsApp 全线的代码质量基础设施。 在那个体量的公司里，工程效率提升几个百分点都是巨大的飞跃，足够写进年度 OKR 当 两点。 200%，是完全不同量级的事情。 这就是为什么他每天能 ship 10 到 30 个 PR 还觉得很正常，游戏规则已经彻底变了。 8️⃣ 代码现在是真的廉价 这个观点对老工程师的冲击最大。 AI 现在会写大量的即时代码，用完就丢，只是为了完成某一次任务。跑个数据分析、做个格式转换、写个一次性脚本，用完就删，毫不心疼。 之前代码是很贵的。你需要几年的学习成本才能写出能跑的东西，coding 和 debug 的时间成本都很高昂。 所以老一代工程师对代码有一种天然的珍惜感，写出来的东西要 review、要重构、要维护。 但现在代码的边际成本趋近于零。认识到代码很便宜，非常重要。很多老工程师过不了这个心理关，还在用写精品代码的心态对待每一行输出。这就像印刷术时代还在手抄经文。 9️⃣ 给企业的建议：别限制 token，别省钱 Anthropic 内部有些工程师每月 token 花费过十万美元。 Boris 的建议：给工程师无限 token 预算，让他们可以大胆探索落地想法，甚至允许 token 费用超过工程师本身的薪资。 听着疯狂？对比人均产出提升 200% 的数据，这笔账太好算了。真正有创造力的想法往往来自某个人不计成本地试了一个看起来太疯狂的点子，你限制 token 就是在限制创新的上界。 用 Boris 的话说：先别急着衡量 ROI，先让工程师用起来，价值自己会显现。 🔟 成为通才，而不是单一技能点的专家 Boris 给工程师的职业建议：尝试真正成为一个通才。只会一个垂直能力的人未来会越来越吃亏。 未来几年能获得最大回报的那批人，不只是 AI native、拥抱 AI 的人。还要充满好奇心，知识广博。 你还得懂产品、懂设计、懂用户心理、懂商业逻辑。 单点深入的价值在被 AI 快速拉平，广度 × 判断力才是新的护城河。 1️⃣1️⃣ 一些CC的使用建议 Boris 分享了几个 Claude Code 的实战 tips： 1.一直用最强的模型。经济型模型可能因为能力不够强需要多次尝试，最终的 token 成本也许比最强模型更贵。考虑到时间成本更是如此，目前最强的是 Opus 4.6 2.多用 Plan Mode。先让模型理解全局再动手，效果远好于直接开干 3.尝试多种使用形态。终端、桌面应用、移动端，每种形态适合不同场景。Boris 提到 Anthropic 的设计师更多用 Desktop App 里的 Code tab，不需要打开 IDE 就能调用同等能力 他还推荐写好 CLAUDE.md，这跟我之前分享的 Claude Code 最佳实践完全吻合。 最后的彩蛋：味噌哲学 Boris 是乌克兰人，加入 Anthropic 前住在日本中部乡下好几年，是整个城市唯一的工程师和英语使用者。每周骑车去农贸市场，和邻居交换自制食物，学会了做味噌和发酵食品。 主持人问他 AGI 之后的计划？继续做味噌。 一个在日本乡下做味噌的乌克兰人，回到硅谷造了个改变所有工程师工作方式的工具。 编程是建造的方式，味噌也是。工具会变，建造的欲望不会。 这种人你很难不服。

Token 经济与加密货币世界的 Tokenomics 有何异同？ 为什么要关注Token？因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格，“桶”让石油有了期货市场。有了Token，AI经济就有了可以算账的单位。围绕这个单位，目前也正在形成一套全新的经济逻辑：有价格、有供需、有产业链、有国际竞争、有待解决的制度难题。 这就是Token经济学要讨论的事。Token 经济与加密货币世界的 Tokenomics 有何异同？ 两个Token，两个世界 说起来，这个世界上真正混乱的事情不多，两个东西叫同一个名字却毫不相干，算是其中之一。AI的Token和加密货币的Token，就像两个叫”刘伟”的人，一个在北京开餐馆，一个在上海做期货，见面了也没什么好说的。雷锋与雷锋塔区别！ 但这两个Token，最近都很热闹。热闹到让很多人以为它们是一回事。 Token这个词，到底是不是新营销词 先得承认，Token这个词确实有被滥用的嫌疑。每隔几年，科技圈就会造出一批新词，让人觉得时代变了，其实换汤不换药。“大数据”火的时候，什么都往大数据上靠；”云计算”火的时候，什么都上云；现在轮到Token了。 不过这次有点不一样。Token不只是一个营销标签，它背后有真实的计量逻辑在撑场子。 就像”千瓦时”让电力有了价格，“桶”让石油有了期货市场，AI的Token做的是同一件事：把原本看不见摸不着的”智能算力”，变成一个可以算账的单位。有了这个单位，才能定价，才能比价，才能有产业链，才能有国际竞争。 所以Token不只是营销词，它是一把尺子。问题在于，AI这把尺子，和加密货币那把尺子，量的完全是不同的东西。 AI Token：一个从技术后台走到聚光灯下的计量单位 Token这个概念在计算机里其实由来已久。编译器做词法分析，早就把文本拆成一个个Token。网络安全里，身份验证令牌也叫Token。这些都是幕后工作，从没人觉得它有什么经济价值。 转折点在2017年，Google发表了那篇著名的论文《Attention Is All You Need》，提出了Transformer架构。这篇论文之后，所有大语言模型处理信息的方式都统一了：输入进来的文字，先被切成Token序列，模型一个个处理，再输出Token序列。Token变成了AI”思考”的基本粒子。 但这时候Token还没有经济属性，只是工程师内部的技术术语。 2022年11月，ChatGPT横空出世。这是个分水岭。 2023年3月，OpenAI推出GPT-3.5的API，第一次采用按Token计费。输入多少Token，输出多少Token，分别定价。那时候GPT-4的价格是每百万input token收30美元，output token收60美元，按今天的标准看，贵得像天价。 从那一刻起，Token从技术单元变成了经济单元。Anthropic跟上，Google跟上，国内百度、阿里、腾讯全跟上，全行业默契地采用了这套计费方式。Token成了AI服务的通用货币单位。 价格这三年掉得惊人。GPT-4刚发布时，每百万input token要30美元。 从2022年底到现在，GPT-3.5级别的模型使用成本从每百万token约20美元跌到了0.07美元，整整降了280倍。照这个速度，a16z记录的数据显示，LLM推理成本每年约下降10倍，堪称摩尔定律的重生。 便宜了有什么后果？后果是用量爆了。 这里有个经济学里的老故事，叫Jevons Paradox。1865年，英国经济学家Jevons发现，蒸汽机效率越高，煤炭消耗反而越多，因为效率降低了门槛，用的人更多了。AI Token正在重演这个故事。企业AI云支出从2024年的115亿美元涨到了2025年的370亿美元，整整翻了三倍，而这期间token单价跌了超过95%。 Google内部的token处理量在十八个月内增长了130倍。 越便宜，用得越多。越用得多，总账单越大。 这背后还有个推手，叫Agent。以前是人在问AI，AI回答，一问一答，token消耗有限。现在Agent出来了，AI在自动跑任务，自己调用自己，一次任务可以消耗几十万甚至上百万token。这不是线性增长，是指数级的爆炸。 2026年3月，黄仁勋在英伟达GTC大会上把”Token”这个词说了超过70次，把数据中心重新定义为”Token生产工厂”，把评价算力的核心指标从FLOPS换成了”每瓦Token数”。同一天，阿里巴巴把通义、千问、MaaS等板块整合，成立了Alibaba TokenHub事业群。Token经济，在2026年正式被主流商业世界承认了。 AI Token的上下游：一条新的产业链 AI Token经济的有意思之处，在于它重塑了整个产业链的逻辑。 上游是能源和芯片。每生产一个Token，都要消耗真实的电力和算力。英伟达的GPU是目前最主要的Token生产设备，黄仁勋把它卖给全世界的数据中心，本质上是在卖”Token生产产能”。能源成本直接影响token成本，这让AI经济和能源经济绑在了一起。 中游是大模型公司。OpenAI、Anthropic、Google、国内的百度、阿里、腾讯，都在这个位置。他们把算力和模型打包，按Token卖给开发者。这一层的竞争极其激烈，价格战打得很惨，但总量在涨，所以大家还活着。 下游是应用层。各种SaaS产品、企业工具、消费者产品，把Token的成本打进自己的定价里，再卖给最终用户。Token成本在企业财务里已经是刚性支出，和房租、人力一起躺在成本表里。 这和传统软件经济的逻辑不一样。以前软件卖出去之后，边际成本趋近于零，用户越多越赚钱。AI服务不是这样，每次用户交互都有真实的Token消耗，规模大了，成本也跟着大。这是一个全新的商业模式，整个行业还在摸索怎么把它算清楚。 加密货币的Token：从一枚Coin开始的故事 要说清楚加密货币的Tokenomics，得从更早的地方讲起。 2008年金融危机，全球对银行体系的信任跌到低谷。这个背景下，一个叫Satoshi Nakamoto的神秘人物发布了Bitcoin的白皮书，2009年Bitcoin网络正式上线。2010年5月22日，程序员Laszlo Hanyecz用一万个BTC换了两个披萨，这是比特币历史上第一笔真实商品交易。这笔交易现在被称为Bitcoin Pizza Day，那一万个BTC今天价值近十亿美元。 Bitcoin是一个Coin，有自己的区块链，规则写在代码里，总量2100万枚，靠挖矿产生，四年减半一次。这是最早的加密货币逻辑：用数学创造稀缺，用共识创造价值。 Coin时代的Token概念很简单：就是一种数字货币，用来存储价值和转账支付。Bitcoin是Coin，Litecoin是Coin，它们都有自己的链，规则各不相同，互不兼容。 然后Ethereum出现了，把整个游戏改了。 Ethereum的核心发明是智能合约。有了智能合约，任何人都可以在Ethereum上发行自己的Token，不需要搭建新的区块链。2015年，开发者Fabian Vogelsteller提出了ERC-20标准，描述了一套技术规范，让所有基于Ethereum发行的Token都能互相兼容，在各种钱包和应用里无缝使用。ERC-20在2017年正式实施。 ERC-20的意义在于，它把发Token的门槛从”搭一条链”降低到了”写一个智能合约”。2017年ICO浪潮中，过了5分钟就能发出一个新Token，中心化交易所上架新Token的时间也从几个月缩短到几天。 这就引发了2017年的ICO大爆炸。 2017年到2018年间，数千个项目进行了Token销售，ICO在2018年前三个月就募集了63亿美元，是2017年全年的118%。项目方写一份白皮书，发出Token，散户拿着ETH来换，钱哗哗地流进来。其中有真正想做事的团队，也有大量的骗局和空气项目。监管机构随后介入，SEC把不少ICO认定为非法证券发行，这场派对才逐渐收场。 但ERC-20打开的大门就再没关上。从那以后，crypto世界的Token不再是简单的数字货币，开始承载更复杂的经济功能。Tokenomics这个词，就是在这个背景下诞生的。 Tokenomics：加密货币世界的经济设计学 Tokenomics这个词，是Token和Economics的合体，研究的是一个加密项目怎么设计自己的Token经济体系。它包括发行总量、分配比例、释放节奏、通胀通缩机制、使用场景、持有激励……本质上是在回答一个问题：凭什么有人要买我的Token，买了之后为什么不卖？ 这些年发展出了几个有代表性的模型。 Governance Token模型是2020年DeFi夏天流行起来的。Compound和Uniswap在2020年普及了Governance Token，持币者拥有对协议方向的投票权，但没有直接的现金流权益。用白话说，就是持Token可以投票，但不能分钱。这个模型一开始很流行，因为绕开了监管对”证券”的定义，但后来大家发现，一个没有经济权益的治理权，价值有多大，很难说清楚。 veToken模型是Curve Finance搞出来的，后来影响了一大批DeFi协议。ve(3,3)模型是Andre Cronje在2021年1月提出的，融合了Curve的Vote Escrow机制和OlympusDAO的(3,3)博弈论。基本逻辑是：把Token锁仓，换成veToken，锁仓时间越长，获得的veToken越多，投票权和协议收益也越大。这个设计试图解决短期投机者砸盘的问题，鼓励长期持有。Curve用这套veCRV模型吸引了大量流动性，成为DeFi里流动性最深的DEX之一。 Deflationary模型是Bitcoin开创的，很多项目跟进。通过限制总量、定期销毁，制造通缩预期，支撑价格。以太坊在EIP-1559之后，每笔交易都会销毁一部分ETH，使得ETH在高使用量时期变成通缩资产。 这些模型各有各的玩法，但有一个共同点：它们的价值都依赖于市场共识。没有人相信，Token就没有价值。这和AI Token完全不同，AI Token的价值是真实算力消耗在背后撑着的。 两个经济体，两条路 说到这里，可以把这两个世界放在一起看了。 AI Token的产业链是垂直的、中心化的。英伟达造芯片，云厂商建数据中心，大模型公司训练模型，应用公司调API，最终用户买服务。每一层都是真实的成本和真实的价值。Token是计量单位，不是资产，用了就没了，没有任何金融属性。整个产业链最终服务的是实体经济，帮企业提升效率，帮开发者造产品。 加密货币的产业链是网络化的、去中心化的。矿工或验证者维护网络安全，协议层发行和管理Token，持有者通过投票参与治理，投机者在二级市场买卖。Token本身是资产，可以转让，可以交易，有金融属性，价格由市场供需决定，和外部实体经济的关联相对间接。 两套经济体，两条独立的价值链，两种完全不同的生态。 当然，有人在尝试把两者融合：用区块链来做去中心化的AI算力网络，把AI服务的计费和分润用Token来结算。Bittensor、Render Network、IO net都在这个方向探索。这是第三条路，但无论走到哪里，它骨子里仍然是加密货币的Tokenomics，只是应用场景叠加在了AI上。 有一件事可以确定：这两个Token，同名不同命。一个在工厂里量产，一个在市场上流通；一个代表消耗，一个代表持有；一个撑着AI产业的运转，一个撑着加密世界的信仰。 名字一样，生意不同。就像那两个都叫刘伟的人，一个卖的是饭，一个卖的是梦。饭是真实的，梦也未必是假的，只是得分清楚你在做哪笔买卖。 #AI# #AIAgent#