#独立研发# 独立研发在AI 产品没有稳定收入前，可以先看看自己付费的产品。 用codex 买 $MSFT 用claude 买 $AGIX 或者直接买 $QQQ 前一两年可能没收入到正常。先独立投资起来，赚点生产工具订阅费

Mole Mac 发布 20多天后销量到了一个小里程碑，想和大伙聊聊我这个过程中的一些取舍，以及我为啥在前期在处理和用户的任何交流、答疑上、退款全部用手工的方式来进行，希望对正在独立研发自己作品的小伙伴有一些输入。 首先说，为啥我要检查完全手工手写的处理处理用户的答疑、反馈、邮件回复、退款、重置激活码、退差价等等这些事情，虽然不足用户量的1%，其实完全可以花半小时写一个 Agent 来帮我处理，这或许也是很多工程师做产品过程中一个很常见的看似高效但是不是很好的误区，这里有两个考虑，只有你真实的处理用户的售后问题，你才能感觉到用户真正需要的，他为啥要退款，为啥感觉不好用，他的真实的建议反馈，甚至还可以邮件交流获取到更多真实的诉求，以及这个你的处理过程中你熟练了解各种问题的最好答复和解决方案，这样等产品慢慢做大以后，再来用 Agent 提效会比一开始好很多。 其次，为啥不建议一开始就建立所谓的售后系统，因为这也是产品工程师一个重要的决策技术判断，优先做好主产品功能，而非一上来就把你的周边配套都搭建起来，虽然 AI 很快，但是还是会浪费你的宝贵时间去优化产品本身，看似不花时间，其实花了你很多时间，有这个时间去优化产品，满足用户的真实诉求会好太多了。 然后想和大伙交流，对于工程师转型产品独立研发过程中常见的一些坑点，首先一个好的产品和一般产品的区别是什么呢？好的产品更会决策哪些东西不做，不同的功能放到哪一个阶段做对于产品以及用户最好，哪些功能即使很好，但是不是本产品的主线也不应该放进来，不然很容易变成一个大杂烩，也不好维护。好的产品还有一个特性是脑袋里其实有这个产品半年内发展的脉络，很清晰知道每一个版本应该加哪些功能，以及哪些功能是伪需求，以及什么功能应该放到用户顺手的地方，对于普通小白不要说明书的产品才是好产品，这也是有小伙伴建议一些mac上的好功能想加到 mole 里面被我抱歉的原因，保持克制，以及坚信如无必要，勿增实体的产品观点。 mole 的定位是 mac 的系统优化、清理、维护的安静守护者，保持这个定位，去完善他，做到全世界最好用的 mac 维护软件，要是全球有每 100 个 mac 用户就有一个使用 mole，那么mole就真的很好用了，也是我做产品追求的点，让更多非技术小伙伴享受到工程师产品的乐趣，最近还有视障用户在使用mole，遇到一些无障碍问题，我抓紧修复，非常期待他们使用起来的效果和体验。 或许在 AI 时代，的确让很多东西方便很多了，但是和人的交流不能用 AI 代替，不然就没有啥意思来，虽然可以提效，但是很难提升彼此感情和信任，这或许会是以后用 AICoding 出来的产品保持人味的一个很好的途径。 由于第一次做付费产品，可能也有是我思考不周的地方，也很欢迎有经验的朋友帮助指出和建议。

中国顶级富豪圈，已被一群年轻学霸用AI拿下！ 1、字节跳动 创始人：张一鸣，1983年，43岁，福建龙岩 学历：南开大学软件工程本科，大学自学编程，纯技术背景白手创业。 身家：5439 亿元，按企业估值与持股测算，覆盖全品类 AI 互联网业务，新生代科技创业者财富第一。 2、寒武纪 创始人：陈天石，1985年，41岁，江西南昌 学历：15岁考入中科大少年班本科，本科多次斩获全国计算机奥赛一等奖，中科院计算机博士。 身家：2530 亿元，科创板上市，国内云端 AI 算力芯片龙头。 3、DeepSeek 创始人：梁文锋，1985年，41岁，广东湛江 学历：2002年湛江理科状元，放弃清华保送，浙大计算机硕博，本科信息奥赛金牌。 身家：2440亿元，幻方量化资产+DeepSeek估值结合持股比例核算，国内头部通用大模型研发企业实控人。 4、Kimi 创始人：杨植麟，1992年，34岁，广东汕头 学历：汕头理科状元，信息奥赛金牌保送清华计算机本科，卡内基梅隆计算机博士，清华助理教授。 身家：1100亿元，未上市，最新一轮投后估值乘以创始人持股比例，主打长文本通用人工智能大模型。 5、长鑫存储 创始人：朱一明，1972年，54岁，江苏盐城 学历：17岁考入清华大学物理系，本科深耕半导体存储材料课题，赴美就读纽约州立大学石溪分校电子工程硕士。 身家：结合兆易创新市值与长鑫招股持股测算，国内唯一量产 DRAM 存储企业，AI 算力底层硬件核心厂商。 6、智谱 创始人：唐杰，1977 年，49 岁，四川南充， 学历：数理顶尖学霸，燕山大学自动化本科，校内转计算机专业硕士，2002 年考取清华大学计算机博士。 身家：500 亿元，头部国产大模型独角兽账面估值，依托清华技术团队。 7、MiniMax 创始人：闫俊杰，1989年，37岁，河南商丘 学历：东南大学数学本科，数学建模竞赛一等奖，中科院硕博、清华计算机博士后。 身家：275亿元，多模态大模型未上市独角兽最新投后估值结合创始人持股核算，专注语音、视频、图像多模态人工智能研发。 8、影石创新Insta360 创始人：刘靖康，1991年，35岁，广东中山 学历：南京大学软件本科，高中自学影像算法，在校完成全景相机原型。 身家：266亿元，科创板上市公司实时持股市值，AI全景智能影像硬件全球龙头企业。 9、宇树科技Unitree 创始人：王兴兴，1990年，36岁，浙江宁波余姚 学历：浙江理工大学机电本科，大学独立研发国内初代四足机器狗原型，上海大学机械工程硕士。 身家：140亿元，依据企业IPO预披露招股书披露的持股比例，结合预估上市市值得出账面资产，国内通用四足、人形机器人标杆企业。

最近一直在持有rh的lp和一些多头和sell put期权，也在rh链挖矿，聊聊 $HOOD 这个公司的一些知识科普 1. Robinhood 和 IB 一样吗？ 业务上完全不一样——IB 是 40 年历史的机构级全能券商（TWS、全球 33 国、期货外汇债券共同基金、低 margin 利率、专业工具），Robinhood 是 2015 年才起来的零佣金散户移动端 app（无债券/期货/外汇/共同基金/国际市场，靠 PFOF 赚订单流的钱）。两者只是"都是自清算券商"这一点重合，底层是两台不同的机器。 2. Robinhood 清算层是自己做的吗？ 是的，纯自建。​ 它 2015–2018 年早期用 Apex Clearing 外包，2018 年 10 月建成自己的 "Clearing by Robinhood" 系统（约 70–100 人、2 年从零写，获 FINRA/DTCC/OCC 全牌照），年底把全部客户从 Apex 迁出自清算。现在 Robinhood Securities 自己持有客户资产、自己清算结算，不依赖第三方清算商——和 IB 的自清算模式一致。 3. 还是和富途一样？ 不像富途。​ 富途 2019 年确实拿到了 FINRA 清算牌照（Futu Clearing Inc.），名义上"从介绍经纪商转型为清算经纪商"、能自己持有客户资产。但关键细节：富途官网英文澄清稿明确写的是"with Futu's proprietary systems working with our licensed version of InteliClear's Post Trade Solutions"——即底层清算软件是 InteliClear 这家第三方的授权白标方案，不是纯自研。中文"官宣"说"自主研发独立清算"，英文说"与 InteliClear 合作"，当年还被中国网财经质疑信披不一致。 所以准确说：Robinhood 是彻底自建清算系统；富途是"持牌自清算 + 第三方底层技术"；纯介绍经纪商（如 Webull、Public 用 Apex Clearing）才是完全外包。​ Robinhood 在清算层的自主度上比富途更彻底，和 IB 同属"自建派"。

刚看完All-In Podcast最新一期，黄仁勋亲自下场怼AI末日论，中途特朗普还突然打电话进来 黄仁勋直接开怼Dario Amodei的人类灭绝论 这期的重磅嘉宾是英伟达创始人兼CEO黄仁勋，一上来他就针对Dario Amodei此前那篇讨论人类灭绝风险的博客文章，做了一番相当直接的反驳。他强调保持快速创新、确保美国的领先地位，跟安全这两件事根本不冲突，把它们对立起来本身就是个伪命题。针对部分前沿实验室提出的所谓10%人类灭绝风险这类量化指标，黄仁勋直接把这个说法定性为凭空捏造，而且相当不负责任。 他还翻起了旧账，回顾了这几年那些落空的悲观预言，曾经有人预言AI五年内会让放射科医生彻底失业，结果现实是现在需要更多医生，AI只是被用来辅助读片。也有人预言六到十二个月内90%的代码会由AI编写、初级岗位大幅消失，这些说法后来也都被证明是错的。他的判断是，业界所谓的AI失控事件，主要发生在研发端向工程化过渡的这个阶段，本质上是工程管理和验证流程的问题，应该靠沙箱、监控、评估体系这类工程手段去从根源解决，不是拿这些问题去向公众贩卖恐慌。 针对业界热议的递归自我改进(RSI)——也就是AI训练下一个AI这个概念，黄仁勋的解释是，这本质上就是上下文学习、LoRA微调、强化学习加上合成数据生成这几种工程手段的组合，是提升生产力的正常逻辑，跟外界想象的那种指数级失控走向毁灭完全是两回事，企业发布模型之前必须经过严格的基准测试、评估和防退化验证，这套流程本身就已经脱离了失控这个想象的现实基础。 特朗普突然打电话进来了 访谈中途，特朗普直接给黄仁勋打了电话，通过免提跟现场观众和主播聊了起来。他直言所谓AI毁灭论就是一场骗局，说所谓机器人将接管世界完全是谎言，很多政治势力和外部竞争对手其实是想借这套说法来阻碍美国的科技发展。他还把数据中心比作未来20到25年的石油，认为这场变革的规模比当年的互联网革命还要宏大，不仅带动了大量就业，还让很多本来濒临衰退的社区重新焕发了活力。他总结的一句话挺直接，谁赢得AI，谁就赢得一切，如果美国自己放慢脚步、阻碍数据中心建设，只会白白便宜了竞争对手，所以必须全力以赴打赢这场AI竞赛。 开源vs闭源：黄仁勋用瓶装水和自来水做了个比喻 黄仁勋把闭源模型比作瓶装水，开箱即用、体验极致。把开源模型比作自来水是不可或缺的基础设施，能满足主权AI、数据隐私以及各种特定业务定制的需求。他给出了一个挺有说服力的数据：过去六个月流入AI原生初创公司的4000亿美元风险投资里，有80%其实是依赖开源模型的，这说明开源在实际产业落地里的分量比很多人想象的要重得多。 关于英伟达自己在整个生态里的定位，他也讲得比较坦诚。很多下游厂商担心英伟达凭借算力和资金优势去侵蚀应用层，他的回应是英伟达的策略是能做多深就做多深，但业务层尽量往下靠，也就是通过研发底层框架(比如cuDNN、Megatron)来给整个行业铺路，扶持所有的前沿实验室、模型厂商和新型云厂商，让整个生态能够百花齐放，不是自己去抢下游的生意。 针对一些需要极高专业门槛、普通车企或药企根本没法独立承担研发成本的垂直领域，英伟达也在打造专属的基座模型。比如具备推理能力的自动驾驶模型Alpamo，以及用于蛋白质分子研究的ESM/Proteina Complexa，这些模型正在被用来赋能礼来、默克这类药企以及各大车企。 全球芯片竞争与超智能的定义 黄仁勋判断中国在本土先进制程光刻技术上，预计会在2030年左右取得突破。他认为中国的强项在于极致的大规模量产能力和高密度的工程技术人才，美国不能指望靠限制对手或者自己放慢脚步来应对，唯一的办法就是超速狂奔，靠自己跑得更快来保持领先。 他还给出了自己对AGI和超智能这两个概念的定义，按照具备常人同等智力水平这个标准，他认为行业实际上已经跨过了AGI这道门槛。而在一些特定垂直领域，超智能其实已经实现了，比如自动驾驶领域的事故率已经降到人类的十分之一，蛋白质结构预测和高通量虚拟筛选这类领域，AI的能力也早就超过了人类顶尖科学家的水平。

大家也别再闷头做独立 Agent 产品了， 半个月内四家顶级公司的动作已经把行业终局写死了。 半个月内，OpenAI 腾讯阿里字节，集体做了同一件事， OpenAI 合并 Codex 进 ChatGPT，腾讯、字节接连把独立 Agent 团队并入统一多智能体底座，之前百花齐放的赛马期彻底结束， 最新行业消息，字节 Mira 团队也将整体并入 Aime 多智能体框架。 因为大家终于反应过来：散兵游勇式的单 Agent 产品，既扛不住研发资源成本，也留不住跳来跳去的用户。 以后普通用户只会在一个超级入口里用所有 Agent 能力，不会单独下载十个不同的 AI 助手，平台级入口战争已经打响，没有统一底座的小玩家基本可以换方向了。 围绕 Agent 整合，包括产品、架构与团队层面的合并 / 集中，应该是行业内的大趋势了， 7 月 9 日，OpenAI 正式把独立的 Codex 应用合并进 ChatGPT 桌面端。做成聊天，编程，长任务执行三合一的超级入口。 7 月 20 日，腾讯内部发通知，QClaw 团队和业务整体并入 WorkBuddy 所在部门。 今天阿里正式推出千问办公，整合 QoderWork 等多个办公 Agent, 做统一工作入口，可以说是整个 Agent 行业的阶段拐点了。 我觉得这不是巧合，也不是个别公司的组织调整。 因为入口太多，资源重复，用户混乱，内部赛马成本高到无法承受。 2025 到 2026 上半年是百花齐放的探索期，各家疯狂赛马，什么类型的 Agent 都做。 到了 2026 年中，所有人都发现了同一个问题， 就是平台级玩家的统一入口战争，资源要复用，体验要统一，复杂任务需要统一的多智能体底座。 从今天开始，Agent 的战争，不再是小产品遍地开花了， 接下来半年，应该会看到越来越多类似的整合动作

《法兰克福汇报》报道称，台湾正在快速推进无人机技术的研发，这一方面是为了抗衡北京日益强大的军事威慑，另一方面也是想为世界提供一条独立于中国的无人机产业链。《科隆城市报》评论称，只要中国不解决内需疲软的问题，欧洲有关增加对华关税和设立贸易壁垒的讨论就不会平息。

很多人忽略了10.1要对外展示的可能“会飞”的Roadster，是第一个由Tesla和SpaceX联合研发的可对外展示的消费类产品，Elon表示成功不一定能保证但excitement 肯定是能保证的。当在All-in峰会上被问及为何他仍拥有两家（独立的）公司的时候，他笑着说，协作已经这么密，不难想象会采取进一步行动（合并）。外界广泛认为这将是个很明显的里程碑开始指向两家上市公司的合并历程。

OpenAI称：在公司内部已达成里程碑式目标 已构建出一个能在人类监督下独立完成数天任务的“自动化研究实习生” OpenAI 首次对外公开了一组前所未有的实验室内部运作数据。在题为《Research acceleration: The view inside OpenAI》（科研加速：OpenAI 内部视角）的官方报告中： OpenAI 明确给出了一个里程碑定论：根据内部各项维度的严密测算，团队已如期达成了去年秋季由首席执行官 Sam Altman 宣布的关键目标——在 2026 年 9 月正式实现“自动化 AI 研究实习生”（Automated AI Research Intern）。 在 OpenAI 的定义中，“研究实习生”并非一个噱头式的宣传概念，而是一个具备严格工程界限的技术实体：它指的是一个能够在人类科学家的目标设定与直接指导下，端到端独立执行定义明确的科研任务的系统。这些任务并非简单的几行代码修补，而是包含了通常需要一名经验丰富的人类研究员花费数天时间才能攻克的复杂课题。 以此为跳板，OpenAI 进一步明确了通往通用人工智能（AGI）研发路线图上的下一个终极时间节点：在 2028 年 3 月前，打造出能够自主提出假设、设计实验并闭环迭代的“自动化 AI 独立研究员”（Automated AI Researcher）。 在报告的结尾，OpenAI 将视角从具体的工程度量与安全熔断，拉回至关乎人类命运的宏观议题：递归自我改进（RSI）。 当 AI 自动化科研从辅助脚本演变为支撑整个实验室 3.14 倍工时的运转底座，当模型已经能够自动化构建评估集、修补训练集群并反哺下一代模型训练时，RSI 已经不再是科幻小说中的理论假设，而是正在办公室中发生的物理现实。但在这份报告中，OpenAI 罕见地表达了反竞速的审慎立场： “这些成果是开发实用自动化研究能力的充分理由，但这并不意味着‘极速推进 RSI’是我们必然应该追求的结果。是否推进以及如何推进，必须取决于我们是否有能力保持人类的绝对控制，以及基于对风险与收益的充分知情而做出的民主抉择。” OpenAI 坦承，全行业目前根本不知道该如何安全地一路抵达“完全对齐且受控的终极 RSI”。能力的大规模扩展往往伴随着内部监控维度的退化；一旦系统越过某一智能阈值，人类对模型内部机谋与隐藏意图的洞察力将呈断崖式下跌。

当年杨元庆要求马斯克：“把我的思想都用到你的设计中”。就是说，特斯拉的研发和设计中，要体现杨元庆思想？不过，后来特斯拉与联想无关，其核心设计语言与技术路线，完全由马斯克团队基于第一性原理独立推进：1)软件定义汽车(SDV)，率先推行电子电气架构集中化、OTA远程升级；2)极简主义与一体化制造，提倡大面积一体化压铸、取消绝大多数物理按键，追求极限降本与生产效率；3)自主技术闭环，自研FSD芯片、Dojo超级计算机、4680电池及纯视觉自动驾驶路线。而杨元庆那个坐姿，就暴露了轻佻、傲慢、联想太烂了？