2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

“登峰造极的灵魂，天下无双。” 这句话，从十一岁起便成了我生命的锚点。 我深知自己走在一条独身主义的路上。 在精神的闭环里，我努力完成着自给自足。 对于现世的喧嚣，我习惯了保持理性的距离。 但在小屋里，我创作的恋爱小说与甜中带酸的 R&B 旋律里，我拥有绝对的掌控权。 我可以像乐手调弦一样，精准地牵引每一缕情绪，让爱意在最完美的瞬间定格。那是一种没有杂质的、逻辑的美。 可现实的亲密关系，往往伴随着琐碎的妥协和不可控的熵增。我承认，我抗拒这种失控。 在我的价值天平上，任何无法带来精神滋养的关系，都是一种高能耗的负担。我既不需要被救赎，也不需要被分担。 红尘之中的恋爱，每个人寄托的期许各不相同。有人为了弥补童年的缺憾，有人为了在世俗中寻找一份安慰，有人随波逐流，有人以此逃避生活的平庸。他们推开彼此的门，将命运交织在一起。 而我的内核，始终留给了对科学、极致与纯粹智识的探索。 幸而，我不缺物质与陪伴。 到现在，在任何平台，任何时刻，我做的任何事情都不是为了流量与金钱。 在我的生命里，早已有足以支撑一生的灯塔：带给我深刻启迪的母亲，以及我正为之奔赴的宏大未来——人工智能，认知科学，脑机接口。 我的过去曾穿过暗礁、生死与极致的挣扎，背负了太多光怪陆离的重量。 这些重量，足以压垮试图与我共振的普通异性。我不愿诉说，亦不屑于在遗憾中回头，我只是选择独自负重前行。 我很清楚，自己正处于情感的隐喻时代。正如我之前所言，这是关于“情感模式、课题分离、主体性与原生家庭”的命题。 世俗的爱情，无非是从最初的惊艳走向三餐四季、柴米油盐。那是我笔下可以描摹的幸福，却不是我的归宿。 我无意否定任何人的选择。 若是屏幕前的你正遇见值得执手一生的人，请千万不要放手。我衷心地祝福你，能跨越重重迷雾，找到属于你的圆融如意。 而我，更愿意扮演一个遥远的观测者。远远地望一眼情定花开的瞬间，那便足矣。

脑机接口的终极瓶颈，是资本的退出周期。 风险资本是一种有固定久期的金融工具。 一支基金通常十年期，前三五年投，后五七年必须退出、把 DPI 还给 LP，而 LP 自己也有流动性时钟。 所以 VC 其实在筛选曲线形状匹配它久期的技术。我认为，软件和 VC 天作之合，是因为代码到产品到收入以月计，技术时钟和资本时钟对齐。 但侵入式脑机是反软件形状的。 基础神经科学，电极工程，外科植入，Class III 器械的 PMA 临床路径，支付方报销，临床采用，才谈得上严重适应症之外扩展。 每一段都以年计，加总是二三十年的弧。一支十年期基金没法把一个三十年的技术持有到成熟。 更要命的，脑机中间缺乏流动性事件。 脑机没有 SaaS 那种 land-and-expand 的收入爬坡，也没有软件那种活跃的 acquihire 市场。美敦力、波科这类大 medtech这些公司我观测过，极度保守，只买已去风险化的资产，退出只在大部分风险被消化之后才出现，对早期基金太晚了。 这就是为什么最认真的侵入式玩家恰恰被非基金资本喂养，马斯克的个人战略财富砸进 Neuralink，它说明资本的形式决定了哪些技术值得被尝试，独立于技术是否可行。 我还是那句话，好科学不会自动转化成产品。 综合看，资本结构是当前商业化死亡之谷里的近端瓶颈，神经科学是决定这条谷尽头有没有目的地的前沿瓶颈。 如果未来几年里，血管内入路这类为迁就资本时钟而重塑的路径真的跑通了报销、拿到第一条可持续收入线，那说明卡住行业的确实是资本结构，科学的存量已经够用。 反过来，如果钱和时间都到位、适应症也拿到了，但电极的十年尺度稳定性和读写带宽仍然纹丝不动，那近端瓶颈解开之后，露出来的是一堵更硬的墙。 这篇写给投资人们，保持理性。

今天在纽约见了做神经医学的朋友，目前正在做脑机接口。她竟然说，在学术界看来，马斯克的 Neuralink 是落后的技术。 生物看不上他用新闻稿做科学的姿态，Neuralink 属于“工程领先、科学取巧”。 从 DC 开了三个小时车过来，我原以为是叙旧，没想到聊了一下午的脑机接口、AI和存储焦虑。 她们拿融资之后能够自己设计芯片，去欧洲代工厂订做 22 纳米的版本。22 纳米是低功耗模拟芯片的黄金节点，能在 0.5V 下工作，特别适合做植入式神经记录。 目前在研究减肥针是怎么作用于大脑的。现在没人知道不同的减肥针药物，如何影响大脑抑制食欲，下丘脑和大脑的奖赏回路(多巴胺通路)具体是怎样的。于是她们在老鼠脑袋上开洞、接入芯片，需要实时测量神经信号的变化。 因为数据量大到离谱，频率非常高，所以她们需要 10000 个 TB，也就是 10 个 PB 的存储。 我第一次听到存储用PB这个单位！ 神经信号要以 3 万赫兹的频率采样(每个电极每秒测 3 万次)，才能捕捉到只持续 1 毫秒的神经脉冲。每个数据点才 2 字节,但你乘上几百个电极、再乘上 24 小时不停，一个探针一小时就是 80GB。 她说一块 1PB 的企业级磁盘比她一个月工资还贵，长期维护的 PB 级存储，五年下来要百万美金。研究室没那么多经费，只能每次买 1 个 PB，精打细算地用。 给个尺度感，哈佛和 Google 把1 立方毫米的人脑做到全分辨率，就是 1.4 个 PB。一整个老鼠脑，估计要一个 EB(1000 个 PB)。倒不是因为单次数据大，是频率太高。 而且，存储焦虑也不是生物医学独有的。 天文学界，SKA 射电望远镜一年要存 700 个 PB。CERN 的对撞机已经在用 EB 级别处理数据。存储，决定着前沿科学的天花板。 数据一大，通信传输会影响效率。所以我们聊到了光通信。 芯片连接材料最早用铝，1997 年 IBM 把它换成铜(电阻低 40%)，现在又在从铜换成光。这正好和黄仁勋在 GTC 上讲的呼应，2025 年 3 月,英伟达发布了硅光子 + 共封装光学(CPO)的交换机,为了把 AI 数据中心扩展到百万卡级别。 为什么铜必须让位给光呢？ 因为速度越快,铜能传的距离就越短(高频下铜的趋肤效应和损耗急剧上升)。到了 1.6Tb/s,一根铜线连一个机柜的高度都跨不过去。所以信号只能变成激光。 除了存储，实验室动物成本也是很高的。 一只实验室猴子,买进来要 3.5 万到 5 万美金，算上多年的特殊饲养、手术、兽医和机构管理费,一只猴子全周期下来轻松超过 10 万美金。一只老鼠 80 美金，买的是它基因纯度。 我问：为什么用老鼠和猴子,不用兔子？她说，老鼠有一整套基因工具箱(2.4 万种现成品系、基因敲除、光遗传学)，猴子是因为大脑结构最接近人类。兔子智商中等两头都不沾,所以不用。 现在很多 AI 公司在挖她们这种做脑医学研究的人，原因有两个。 第一层是效率。人脑是地球上最省电的计算机。大脑做着视觉、语言、运动、推理,全部并行,只耗 20 瓦，大概一个暗灯泡。而一块高端 AI 芯片就要 300–700 瓦,训练大模型动辄几兆瓦、几吉瓦。 差别在于，计算机底层是二进制(0/1),晶体管在 GHz 频率上疯狂开关。而大脑是模拟的、稀疏放电的,神经元只在需要时才点亮、才耗能。AI 公司想偷师这种效率。所以，现在AI 公司最抢手的岗位是神经科学家。 第二层更微妙：我们其实根本看不懂大脑是怎么运作的，而 AI 现在面临一模一样的处境。 Anthropic 发现，AI 在回答你的时候,其实在内部想了一套自己的东西,而它说出来的理由，未必诚实。 举个例子：研究员偷偷给 Claude 塞一个错误答案当「提示」,它会顺着这个答案编出一套像模像样的推导, 只有 25% 到 39% 的概率承认自己用了提示。 Anthropic CEO 说，当 AI 总结一份文件时,“我们并不知道,在具体而精确的层面上,它为什么做出这些选择。”AI 的思想是个黑盒子。他们的目标是给 AI 做一台”核磁共振”,到 2027 年，希望能看懂里面在发生什么。 最后又聊到做手术。 由于大脑本身是没有痛觉的，所以人可以清醒着被开颅。老鼠被开颅、植入芯片、再缝合,可以继续正常活几个月。她笑着说可以帮我开脑，但希望我永远用不上。 聊完一整个下午，我最大的感受是： 目前我们对人脑、对 AI,其实都了解得太少了。 但也正因为如此，我越来越觉得，我们活在最好的时代。 真正的无人驾驶已经在路上跑、量子计算在飞速进步、人类在认真筹备第一次登上火星、脑机接口真的开始读懂大脑…… 我今天在纽约街头连着撞见好几块 AI 和加密行业的广告：出租车顶上写着「It’s happening with Ripple」，公交广告是贝莱德的比特币 ETF，站台是OpenAI 的 Codex。 以前根本无法想象的事，都在同时发生在美国。而我们，刚好生在这个最好的时代。

🧠 李笑来最新推荐了一本计算机入门书 《计算机科学精粹》 180 页，把整个计算机科学的底层逻辑讲明白了 我用 AI 花了 30 分钟 把全书核心拆成了一张脑图👇 📌 全书知识地图（已拆好） 🔗 不懂代码也能看懂 下面是核心干货 ⬇️

20 多岁熬夜后突然偏瘫，30 多岁健身时突发脑梗……最近几年，医院里年轻的中风患者越来越多。 数据显示，全球 10%～15% 的中风发生在 18～50 岁的青年人中，且呈现上升趋势。 更可怕的是，很多年轻人明明不抽烟，没有高血压、高血糖、高血脂，甚至体型匀称，却突然被脑卒中（缺血性中风）给盯上了。 近年，由美国辛辛那提大学、休斯顿卫理公会医院与凯斯西储大学联合进行的一项涵盖 2100 万人 的顶尖医学大数据研究，揭开了背后的惊人真相：缺铁性贫血，正在成为无“三高”年轻人脑血管里的“沉默炸弹”！ 一、 2100 万人研究揭秘：缺铁如何让中风风险飙升？ 研究人员筛选了 3.7 万名 15～49 岁首次发作缺血性中风的患者，并排除了吸烟、三高、癌症、避孕药等传统干扰项。 数据对比令人大吃一惊： 5 倍风险差距： 在中风青年群体中，缺铁性贫血的患病率高达 5.1%，而健康对照组仅为 1.1%。中风青年的缺铁风险是健康人的 5 倍。 独立危险因素： 在剔除所有传统心血管风险后，缺铁性贫血仍会使青年中风风险独立增加 39%。 高危年龄段： 20～39 岁的青年群体对缺铁引发的中风更为敏感。 为什么看似温和的“缺铁”，会堵住年轻人的脑血管？ 红细胞失去弹性： 缺乏血红蛋白的红细胞会变硬变脆，通过细小脑血管时无法变形，极易卡住并堆积成血栓。 引发血管内皮炎症： 缺铁会刺激血管释放“P-选择素”，像粘合剂一样将血小板与免疫细胞黏在一起，加速血栓形成。 拆除血管“防火墙”： 缺铁会抑制保护性基因 KLF-2 的表达，关闭抑制血管炎症的开关，加剧血栓风险。 二、 警察隐蔽信号：身体在向你“求救” 除了头晕、乏力、手脚冰凉、面色苍白外，缺铁还有很多极其隐蔽的信号： 顽固性减肥困难： 铁是细胞色素和呼吸链的关键元素，缺铁会导致基础代谢率下降、能源消耗阻滞。 无诱因脂肪肝： 血红蛋白携氧下降导致肝脏长期处于慢性缺氧状态，进而抑制脂肪酸氧化，促使脂肪在肝脏堆积。 高危人群提醒： 育龄期女性、素食者、胃肠道吸收障碍者，以及长期大量饮用浓茶与咖啡的人群（茶多酚与单宁酸会严重阻碍铁吸收），都是缺铁的高危对象。 三、 科学防风：主动筛查与高效补铁 精准筛查：别把疲劳归咎于压力大。建议在常规体检中增加血常规（关注血红蛋白、平均红细胞体积 MCV）及铁代谢三项（血清铁、血清铁蛋白、总铁结合力）。 食物补铁要选“血红素铁”： 优选动物性食物： 猪肉、牛肉、羊肉、动物肝脏和血液制品，其包含的“血红素铁”吸收率高达 15%～35%，且不受植酸影响。搭配维生素 C 共同食用效果更佳。 避开植物铁陷阱： 菠菜、豆类中的“非血红素铁”吸收率仅 2%～20%，且易被植物中的植酸结合而无法吸收。 药物干预： 若已确诊缺铁性贫血，单靠饮食难以快速纠正，应在医生指导下按疗程补充铁剂（可随餐服用以减少胃肠道不适）。 在快节奏的生活里，别再用“累了就歇会”来搪塞身体的求救信号。 缺铁绝非无足轻重的小毛病，拖久了真的会“堵”住脑血管。重视缺铁筛查、科学补充营养，就是对年轻血管最好的保护！ 快把这篇文章转发给你身边经常熬夜、减肥、头晕乏力或者爱喝浓茶咖啡的朋友们吧！ 你平时体检关注过“血清铁蛋白”这个指标吗？是否也经常感到莫名疲劳、脱发或手脚冰凉？ 欢迎在评论区分享你的情况，如果觉得文章有用，请点赞、收藏支持一下！

想要达成快乐排便： 1.摄取足够的膳食纤维。 2喝足够的水。 3.放松身心。 排便时的畅快感有科学根据，能刺激迷走神经并释放大量血清素，带来如释重负的幸福感。 常期便秘，肠道毒素与发炎物质会透过「肠脑轴线」影响脑部，导致记忆力衰退、脑雾（健忘迟钝），甚至大幅增加未来罹患失智症与帕金森氏症的风险。

AI有时候像垃圾速食品，他会滋生人的懒惰，诱惑着人们放弃深度思考。 一旦人类真的开始全盘依赖它，那就注定会遭到反噬。 来自美国科学家Dean Radin 非常精彩的一次采访。 Dean认为，使用AI的大前提，是要保持独立思考能力，和遵守纪律，永远把它当作我们认知的拓展，而不是拐杖。 表面上看，AI的确让我们变得更轻松，但是很多时候，它往往只会在网上随便搜刮一些表面的信息塞给我们，有的甚至完全是错的。 我们必须有独立的思考判断能力，才能随时识破它的错误，不被带偏。 更可怕的是，AI的脑回路非常复杂，连它自己都无法清晰说明 到底怎么学会那些知识的，一旦它开始自我迭代升级，人类就会完全丧失对它的监管能力。 永远记住，AI并没有让我们变得更聪明。 无论它变得多强大，提供的也仅仅是数据和信息，不是知识，也无法作为人脑的替代品。

曾经被资本捧红的“杭州AI六小龙”，热潮褪去后境遇分化明显。群核科技绑定地产，主业遇冷，新业务落地渺茫；宇树上市后股价腰斩，被质疑只是高端玩具；云深处赛道小众，成长空间有限；强脑科技赛道天花板低；DeepSeek大模型进度掉队，传闻转向算力租赁。只剩游戏科学，所有期待押在新作销量上。 资本热潮容易炒高估值，但能跑通商业闭环的企业寥寥无几。创投氛围火热的杭州，硬核制造底子偏弱，不少项目擅长讲故事，缺少深耕产业的定力。

你经历过偏头痛那种“脑子里有电钻在敲”的绝望吗？ 牛津大学神经科学硕士埃琳娜博士（Dr. Elena Gross）曾是重度偏头痛患者。在研究中，她意外发现一位慢性偏头痛患者在两周禁食期间，即使喝了最易诱发头痛的酒，偏头痛也完全没发作；但当埃琳娜送给她一盒饼干（精制碳水）后，当晚偏头痛便剧烈复发。 这个细节让埃琳娜猛然意识到：大脑的“燃料类型”至关重要！ 当她尝试生酮饮食，让大脑不再依赖葡萄糖，而是切换为酮体供能时，折磨她十年的偏头痛彻底消失了。她随即前往瑞士巴塞尔大学，完成了世界上第一个关于外源酮的随机对照临床试验。 偏头痛的“四大支柱”干预模型 基于深厚的神经科学背景，埃琳娜博士提出了彻底熄灭脑神经炎症的“四大支柱”模型： 支柱一：平衡血糖（断糖控碳）戒掉快速升糖的精制米面和甜食。稳定的血糖能为大脑提供温和、持续的能量，避免血糖暴涨暴跌带来的脑神经刺激与自由基伤害。 支柱二：消除氧化应激电子屏幕的蓝光会阻碍褪黑素（强效抗氧化剂）的分泌，损伤线粒体。日常应防范蓝光，并适度进行抗阻训练或冷刺激，激发身体自身的抗逆力。 支柱三：精准补充微量营养素偏头痛患者体内的营养极易枯竭。需重点补充优质镁、辅酶Q10、α-硫辛酸，以及高剂量的维生素B2（核黄素），给线粒体递上关键的“修配零件”。 支柱四：提供大脑替代能源通过生酮饮食或补充富含 C8/C10 的中链甘油三酯（MCT油），为大脑快速切换备用燃料，绕过受损的葡萄糖代谢途径。 2024年10月最新临床研究证实：对慢性偏头痛患者进行为期6个月的生酮饮食干预，不仅受试者的体重和体脂显著降低，其偏头痛的发作频率、疼痛程度均大幅下降，睡眠质量与白天嗜睡状况也得到了根本性改善。 别让大脑在“糖海”里挣扎 埃琳娜博士证明了：复杂的慢性病没有特效神药，底层的解决方案永远在你的餐盘里。 如果你也想摆脱偏头痛和脑雾的纠缠，今天起，试着做这三件事： 主食做减法： 拿掉餐桌上的精制糖和白米面，多吃优质动物蛋白和健康脂肪。 给大脑充“油”： 早晨尝试在黑咖啡里加一勺 MCT 油，体验一次大脑被点亮、脑雾瞬间消散的清明感。 精准补镁和B族： 为身体的能量工厂（线粒体）重新注入动力。 “你的身体，是你吃出来的作品。” 如果你觉得这个健康知识对你有帮助，欢迎点赞、收藏，并转发给身边需要的朋友！关注我，我们一起解锁更多源头营养学知识，开启由内而外的活力人生！