男生約會前都超有自信 說要把我操死 說要陪我大戰三百回合 說自己一天可以10次 一次1小時 結果約會當天： 我昨天太興奮沒睡好 一直想著今天要見妳 男人… 別只會唬爛好不 要就用實力來證明！ #大E小F# #羊入虎口# #說到做到的在哪# 留言跟我說

华为τ scaling定律营销策略，无非是more than moore的广义摩尔定律的另一种说法而已 作为芯片架构师，我更感兴趣的，还是芯片密度提升，ppt上41%能耗提升和12.7%性能提升，到底是怎么实现的 看完了论文，感觉华为这次创新，本质上是用设计复杂度高 + 高制造成本 + 超前散热，一定程度弥补了工艺差距 ----------------- 1. 华为芯片堆叠带来的等效密度提升，是虚假宣传还是真的，是不是工艺突破？有没有实打实的好处？ 等效密度提升的来源，是两片芯片用hybrid bonding技术绑在一起，投影面积理论上能减小一半，但第一代不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292） 这2026第一代等效密度从 2025 年 155 MTr/mm² 跳到 2026 年 238 MTr/mm²，时钟频率也提升了12.7%，功耗比提升41%，表面上看似乎和工艺突破没有什么区别，但有一点重要区别就是leakage power华为从头到尾没有提，只要工艺节点不变，gate leakage、junction leakage 不会因为 3D stacking 自动改善 2030年到2031年的等效密度突变，大概率是来自于2层堆叠到3层堆叠，正如2025到2026年的等效密度突变，时钟频率突变，来自单层到2层折叠 所以从leakage没提这个事来看，这个2031年等效1.4nm，和工艺节点上的突破没有联系。 本质上是用设计复杂度高 + 高成本 + 超前散热 + 超前部署advanced packaging，一定程度弥补了工艺差距 ----------- 那么这样看起来虚假的等效密度提升，有用处吗？好处在哪里？ 有的，设计上topology折叠，原来要跑几毫米的水平走线，折叠后变成了几十微米。降低了super buffer/bus的长度，降低了clock tree的深度（clock depth -42%、clock wire -28%），clock skew也带来了改良(-25%)，这对动态功耗的改善是实实在在的。部分critical path的缩短，也让时钟频率的上升更容易 所以ppt roadmap上performance的提升，从2025年到2026年上升了12.7%，大部分都是来自于时钟频率的上升（12.7%） 所以好处基本上是topology拆分电路逻辑设计上带来的提升 既然没有实质上的工艺提升，华为芯片堆叠带来等效密度提升的trade off代价在哪里？ 三个代价：散热超前发展，设计复杂度高，制造成本变高 最大的代价就是热密度的同步上升，理论上logic on logic都是CPU execution发热最严重的区域，这部分折叠起来相当于功耗密度直接翻倍，但算上41% power efficiency改善，功耗密度仍只比非堆叠方案高40%左右。所以第一代只能对最关键的部分做折叠，大概只占全芯片面积的53%。 所以散热技术也被逼的超前发展，直接上毫米级的MEMS风扇，做micro-cooling fan。 另外的代价就是设计复杂度的变高，critical path的折叠，哪个部分的logic能折叠，折叠之后又会带来从前端到后端的巨大变化要推翻重来 现有的所有EDA工具也不可能支持3D topology，论文自己也承认，full-scale LogicFolding需要全新的3D-native EDA toolchain，把多层stacked dies当作单一连续设计实体处理。哪些logic能折叠、折叠后的inter-die timing closure怎么做，Physical Design（PD）也是难点 制造成本也会更高，被迫超前部署advanced packaging封装，1.5~2um的hybrid bonding + logic on logic都是很有挑战需要显著更高的成本 以前一层wafer做一次光刻；现在两层wafer分别做光刻再bonding，加上hybrid bonding的overlay控制（论文要求<0.5μm）、TSV、KOZ keep-out zone、冗余修复、良率乘法损失，每颗芯片的制造成本和测试成本都要显著上升 -------------------------- 2. Tau scaling这个说法，scaling的到底是什么，这个scaling技术路线是不是一次性的design topology红利？潜力如何？持续进步的空间在哪里？ τ Scaling的核心主张是：用时间常数τ替代几何线宽作为全栈优化目标，在器件、电路、芯片、系统四个层级分别压缩特征延迟 公式本身没有任何新物理。"关注瓶颈延迟"是所有架构师都在做的事情。整个行业都知道互联RC是延迟瓶颈，TSMC每一代工艺都在用low-k dielectrics/semi-damascene等手段降RC。把一个众所周知的优化方向包装成"定律"是显然的营销宣传手段，本质是More than Moore的广义摩尔定律的另一种说法 抛开marketing，华为目前所谓RC delay的改善，本质上是芯片堆叠之后，topology距离缩短，让匹配的effective RC都变小，不是RC工艺常数 至于scaling的意思，是能持续发展的一条roadmap。这里的持续改善路径指的是，全芯片堆叠的层数越来越多，从25~30年的2层堆叠，到31年开始的3层堆叠，以后甚至会考虑4层堆叠 第一代折叠技术甚至不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292）。2031年的roadmap之所以会出现一个阶跃，就是因为那是从2层折叠到3层折叠的时间点。 但需要注意的是，这个scaling方法的边际效应是逐渐缩小的，折叠成双层的收益是100%，2->3层的收益就只有50%，如果2035年再从3->4层堆叠，收益就只有33%了 另外随着堆叠层数变高，上面说到的三个挑战，散热，设计复杂度，成本，都是越来越大 --------------------- 3. 华为的芯片堆叠，是不是TSMC/AMD已经有的hybrid bonding技术？华为做到的是cache on logic，cache on cache，还是logic on logic，logic on logic最大的散热问题是怎么解决的？ 是已经有的技术没错，但同时也是把现有技术指标做到了领先也是真的，3D堆叠本身不是新技术，TSMC的hybrid bonding量产还是6um，华为论文给出Kirin 2026的hybrid bonding pitch是1.5μm 我在刚刚看到华为的堆叠消息之后，第一反应也是怀疑和AMD的3D V cache类似，它主要把 SRAM cache 叠在 已经有的L3 cache 区域上，通常会避免直接堆在最热的 CPU execution logic 上，就是避免散热问题，毕竟SRAM 的功耗密度和热点特性与high-activity logic 不一样，如果最热的logic on logic堆叠，散热恐怕会碰到困难 但看了更多数据之后，clock buffer -56%、clock depth -42%、clock wire -28%，这些只有在core内部的clock distribution被重构时才可能发生。纯SRAM stacking不会碰core内部的clock tree。另外如果只是cache on cache，大概率是不需要单独MEMS微型风扇额外散热的，证据普遍都指向logic on logic方式 华为这个技术的精妙之处在于，logic on logic 折叠之后热密度并没有翻倍，而是因为topology的好处，能耗下降了30%，这样热密度只上升了40~50% 而第一代没有完全把整个最热的execution logic 100%堆叠起来，论文也明确说selectively applied along key critical paths，只是大概53%有选择性关键路径会堆叠起来，可能颗粒度都没有那么好，只是IP堆叠在IP上，那么热密度上升也许能维持在20%以内 但这条道路继续前行，超前发展的散热就成了必然，现在是MEMS微型毫米级的主动散热风扇，紧贴处理器传导效率高，和华为手机一样，散热堆料特别足，而且技术领先同行。 以后怕是要把HBM7/8的微流道散热技术提前用起来了，毕竟HBM7/8要上24+层堆叠，华为很可能要在提前用上下个世代的散热技术了 ------------------------- 4. 从架构角度来说，最重要的问题，华为41%的power efficiency（能耗比）提升，到底是怎么实现的？为什么AMD的3D V cache没有这么大的提升？ 首先确定41%的定义。论文只说"SoC performance-core power efficiency improved by 41%"，没有给出benchmark名称、Voltage/Freq点、温度条件、功耗边界。但PPT roadmap上有一个关键线索：ISO-Power Performance的数字，2025年是2.75，2026年是3.1，提升12.7% 这个时钟频率提升12.7%完全一致，可以理解为，同功耗的性能提升是12.7%，绝大部分是时钟频率提升带来的 至于能耗比上优化的猜测是，LogicFolding缩短critical path → 在固定Vdd下Fmax从2.75GHz提升到3.1GHz → 这意味着在原来的2.75GHz频率下，有了约12.7%的timing headroom → 这个空间在iso-performance模式下可以换成更低的Vdd 另外的能耗比的提升，可能也来自于电路折叠之后，cache hit latency的下降。从业界经验来看，一般L2/L3 cache hit latency下降10%，CPU整体性能会有至少5%的提升 ppt里显示SRAM latency下降30%，估计会有一部分转化为cache hit latency的下降 AMD的3D V cache没有这么大的提升，主要是因为AMD的底层logic die并没有重新设计，3D cache的延迟latency不仅没有减小反而加大，只是增加了cache大小，收益不如latency下降那么明显。 另一方面，clock skew的下降,critical路径变短，造成电路timing变好，意味着华为可以使用更低的vdd（猜测甚至能低7~8%），以及路径缩短所带来的RC的下降(考虑到clock buffer -56%、wire -28%、SRAM pJ/bit -24%这些数字，比如C_eff下降10~15%合理)，再加上clock tree的整体缩短和下降，确实是有可能在部分Voltage/Freq点做到同性能下，做到30%的功耗下降的，而30%的功耗下降换算过来就是41%的power efficiency 对比苹果和高通，每一代手机芯片在iso-power下单核性能一般提升10-20%，iso-performance下功耗一般降30-40%，这是V/F曲线的特性决定的，所以从经验上来说，数字是对的上的。 所以这个power efficiency（能耗比）的提升，从现有的数字上来说可以从topology推导出来是合理的，可能真的和工艺节点没有太大关系 ---------------------------- 5. 这个技术路线有没有可复制性，其他家会不会效仿？ 短期内不会大规模效仿，因为性价比和风险收益比来说不好。长期来看，这个方向所有人都在走，只是名字不一样 华为做LogicFolding的根本驱动力是制裁，工艺节点被卡在7nm，只能在封装，散热，和设计层面想办法弥补。华为也为此付出了不小的代价：散热成本，设计复杂度，以及制造成本更高（包括良率）。这是一个被逼出来的路线，不是一个自然选择 其他玩家在用TSMC就能做到正常的经济迭代，是没有必要冒着这个风险，去超前迭代散热技术和设计复杂度的 长期来看，Intel的Foveros、TSMC的SoIC、AMD的MI300的3D stacking都在朝同一个方向走。如果继续追最先进节点的经济性持续恶化，那么"固定一个成熟节点+3D topology optimization"的路线会越来越有吸引力 散热方面，MEMS微型风扇和微流道也会成为未来HBM散热的主流 ------------------- 总结一下，华为这次的创新，绝对是值得尊重的，在制裁环境下，用极高的设计复杂度和成本，在一个被锁定的工艺节点上大胆重新设计，榨出了一次大的topology红利，虽然它有天花板。每多加一层的边际收益递减（堆叠1->2层, 2->3层, 3->4层，提升百分比变小），leakage无法解决，散热越来越难，3D EDA工具链更是全新的挑战。 但这个Tau scaling不是一条可以走十年的指数增长路径，每次爬完一个台阶，下一个台阶更难爬，而且台阶更矮收益更小，华为以后想缩小差距，还得再想想靠什么其他的路线

很多人还在争Venice和Arcium谁更值得去重点关注，我觉得这个问题本身就问错了。在我这里看来这不是两个对手而是同一条赛道上的两个不同楼层 先说 Venice 做了什么 它不只是一个隐私 AI 产品，它做的更重要的事是在真实市场里验证了一件事，用户愿意为数据不被看见这件事付钱这听起来理所当然，但在它之前，没有人真正跑通过 Privacy AI 一直是个概念不是产品，Venice把它变成了一个有用户、有留存、有收入的真实业务，这件事的意义不只是Venice自己活下来了，而是它帮整个赛道做了需求验证，但验证需求之后，问题来了Venice能做到的隐私保护 更多是产品层面的设计 —本地推理 —不存数据 —不上传对话 这对个人用户够用，但如果把需求再往大了去拓展，比如企业级以及大客户群体呢？ —银行的风控模型 —医院的影像数据 —政府的内部文件 这些东西根本不可能进任何一个外部服务器。不是信不信任产品的问题，是合规和企业生存线根本不允许的 这就是Venice解决不了也不打算解决的那一层，所以这一层是@Arcium 在做的事，我把Arcium理解成Venice更全面的升级版 说到这里提一句：Arcium S1/S2 空投资格现在可以查了有资格的去看看，查询入口： Arcium是 Encrypted Execution Network，加密执行网络它解决的核心问题是：数据不解密，计算照样发生 说一下传统逻辑是：数据进来 → 解密 → 跑模型 → 输出数据在计算过程中是裸露的 Arcium 的逻辑是：数据全程加密 → 直接在密文上完成计算 → 输出结果。原始数据从未暴露 所以Arcium做的叙事会更加宏大，相当于是密码学 + 分布式系统层面的基础设施，不是产品功能，不是 UI，不是营销叙事，是真正的底层，所以两者的关系我理解是这样的 Venice 在应用层证明：用户需要隐私 AI，市场是真实的 Arcium 在执行层回答：企业级的隐私 AI，底层能不能真正跑起来。 一个开拓市场认知 一个搭建基础设施 —没有Venice这样的产品，市场不知道这个需求有多真实 —没有Arcium这样的底层，这个需求永远只能停在消费级停在个人用户不介意的那一层 所以在数据隐私这个赛道，真正的天花板在哪？ 不在于有多少人用 Venice。而在于银行敢不敢把核心数据交给 AI，医院敢不敢用 AI 跑临床模型、企业敢不敢把内部知识库接进去。这些场景一旦打开，规模是今天所有 AI 产品加起来的几十倍。但它们打开的前提是底层的加密执行基础设施必须存在、可靠、可验证，这就是Arcium在建的东西 所以别再争谁更值了，Venice证明方向是对的，Arcium 决定这个方向能走多远，说白了就是增加了它的上限空间这也让我意识到，很多时候，我们盯着谁先火，谁涨价，谁抢流量其实都是表面现象。真正决定一条赛道未来的，是底层能不能撑起十倍、百倍的真实需求。你看清了项目的本质，结合未来需求，你也就找到自己想要的方向了

关于链上美股，大家以前关心的是“能不能用 USDT 买 NVDA”。现在的问题变成了“我买到的是 NVDA，还是追踪 NVDA 价格的 token”。这个问题的变化，说明这个赛道正在进入另一个阶段。过去一年许多交易所和链上协议上线了 Tokenized Stocks 和 Stock Perps，用稳定币买美股的入口问题基本解决了。这是第一阶段，它确实跑出来了，也验证了需求是真实的。但它没有解决的，是另一层问题：资产归属。 Tokenized Stocks 的结构性局限不是哪家平台的问题，是这类产品能做到的边界——法律意义上持有底层股票的是发行方，分红多数不直接现金入账，链上流动性与真实美股市场割裂，想转仓只能赎回成稳定币。Stock Perps 就更简单了，合约平仓后只剩 USDT 盈亏，它本来就不是“持有股票”，是“对股价方向下注”。 长期看更市场会往真实券商美股模式方向发展，这种模式的优势包括： ———持仓是真实股票或 ETF，有可靠的 清算与 存证托管体系，股息以现金形式直接入账，不是折算进什么总回报。 ——没有 Stock Perps 的资金费率，牛市里持仓不会被每 8 小时收一次费慢慢磨掉。 ——标的数量是另一个量级，数千只美股和 ETF，Tokenized 的两三百只根本没法比。想走，仓位可以转到其他持牌券商，不被锁死在一个平台上。 这几条放在一起，回答的其实是同一个问题：你到底买到了什么，出了事去哪里找。最近 Bitget 等头部平台也开始透露要往这个方向升级，NYSE、Nasdaq 探索 tokenized 证券也在强调必须走传统清算托管体系——这些信号说明方向已经确立，不是一两家平台的个别判断。 下一阶段不是链上美股消失，Tokenized Stocks 和 Stock Perps 会继续存在，服务短线交易和 DeFi 用户，这些场景它们很好。但“用稳定币做长期美股配置”这个需求，和打短线是两回事，需要的答案不一样：买到的是不是真股票，资产在哪里，出了问题能不能拿回来。 说到这里不得不提 Bit（前Matrixport）。在这个方向上，Bit比行业早了不止一个身位，2026 年 2 月就上线了真实美股业务，当时大多数平台还在把精力放在 Tokenized Stocks 和 Stock Perps 上。Bit不发行美股 token，不做 CFD，通过合作的美国持牌 broker-dealer 执行交易，底层接入 NSCC 清算和 DTC 存证托管。GMC 牌照要求客户资产与平台资产强制隔离；底层清算机构 RQD Clearing 和 Atomic Vaults Securities 都可以在 FINRA BrokerCheck 独立核验，不是平台自己说的，是写在美国联邦监管注册系统里的。 这套架构，现在回头看，不是赶上了趋势，是提前一年把基础设施建好等着行业跟过来。现在看， 当时选择做最难的那条路，也是最对的路。

上美股这条赛道，正在发生清晰的转向。 关于链上美股，大家以前关心的是“能不能用 USDT 买 NVDA”。现在的问题变成了“我买到的是 NVDA，还是追踪 NVDA 价格的 token”。这个问题的变化，说明这个赛道正在进入另一个阶段。过去一年许多交易所和链上协议上线了 Tokenized Stocks 和 Stock Perps，用稳定币买美股的入口问题基本解决了。这是第一阶段，它确实跑出来了，也验证了需求是真实的。但它没有解决的，是另一层问题：资产归属。 Tokenized Stocks 的结构性局限不是哪家平台的问题，是这类产品能做到的边界——法律意义上持有底层股票的是发行方，分红多数不直接现金入账，链上流动性与真实美股市场割裂，想转仓只能赎回成稳定币。Stock Perps 就更简单了，合约平仓后只剩 USDT 盈亏，它本来就不是“持有股票”，是“对股价方向下注”。 长期看更市场会往真实券商美股模式方向发展，这种模式的优势包括： 持仓是真实股票或 ETF，有可靠的 清算与 存证托管体系，股息以现金形式直接入账，不是折算进什么总回报。 没有 Stock Perps 的资金费率，牛市里持仓不会被每 8 小时收一次费慢慢磨掉。 标的数量是另一个量级，数千只美股和 ETF，Tokenized 的两三百只根本没法比。想走，仓位可以转到其他持牌券商，不被锁死在一个平台上。 这几条放在一起，回答的其实是同一个问题：你到底买到了什么，出了事去哪里找。最近 Bitget 等头部平台也开始透露要往这个方向升级，NYSE、Nasdaq 探索 tokenized 证券也在强调必须走传统清算托管体系——这些信号说明方向已经确立，不是一两家平台的个别判断。 下一阶段不是链上美股消失，Tokenized Stocks 和 Stock Perps 会继续存在，服务短线交易和 DeFi 用户，这些场景它们很好。但“用稳定币做长期美股配置”这个需求，和打短线是两回事，需要的答案不一样：买到的是不是真股票，资产在哪里，出了问题能不能拿回来。 说到这里不得不提 （前Matrixport）。在这个方向上， 比行业早了不止一个身位。2026 年 2 月就上线了真实美股业务，当时大多数平台还在把精力放在 Tokenized Stocks 和 Stock Perps 上。 不发行美股 token，不做 CFD，通过合作的美国持牌 broker-dealer 执行交易，底层接入 NSCC 清算和 DTC 存证托管。GMC 牌照要求客户资产与平台资产强制隔离；底层清算机构 RQD Clearing 和 Atomic Vaults Securities 都可以在 FINRA BrokerCheck 独立核验，不是平台自己说的，是写在美国联邦监管注册系统里的。这套架构，现在回头看，不是赶上了趋势，是提前一年把基础设施建好等着行业跟过来。现在看， 当时选择做最难的那条路，也是最对的路。

这事不是段子，发生在2026年6月上旬的香港机场，几名印度籍男子下飞机走向入境柜台，两手空空，没拉杆箱没背包，连个装换洗衣服的袋子都没有，像去楼下买菜。 关员例行拦下问目的地，他们说要从香港进，再去深圳旅游，然后被要求出示返程机票、酒店预订和旅费证明，结果呢，几个人翻遍钱包凑不出一百港币，没有回程票，没有订房。 更离谱的在后面，关员追问到了深圳住哪怎么回去，领头的特别认真地回，听说中国人很热情，到了深圳会有人管吃管住，还可能给零花钱，这话不是紧张乱说，是一种期待。 出门不带钱不带票，还指望陌生人兜底，这算旅行吗，还是把一座城市当免费营地，问题在于他们把善意当预算，把文明当饭票。 说到底，能买国际机票到香港，说明钱没彻底见底，为什么到了口岸连基本的行程和开销都不准备，是不想花，还是压根没打算走正规流程消费，到了再说的那套，赌的就是城市温度。 香港这边没有浪漫想象，按入境条例办事，访客要有有效旅行证件，确认的离境安排，也就是往返或续程机票，还要能承担在港期间开销的资金或信用卡，三样有缺口，入境处就有权拒绝。 没钱没票无行程，还说要靠当地人养，这已经不是穷游的范畴，风险指向非法滞留和非法务工，海关亮红灯，原机遣返，一步没让滞留。 有人会问是不是太狠，人家不就是穷吗，穷不是问题，背包客全球跑的人多的是，人家省也会备返程票和最低额度现金，会提前做功课，知道青旅在哪，哪些城市要预约。 不舒服的是那种理所当然，把中国人的好客当兜底，把城市的便利当免票入场，靠陌生人施舍推进免费游中国，这种想法一旦跨境，就碰到法律和礼仪的边界。 更值得注意的是，海外一些平台这几年拼命剪辑中国城市的安全和友好，据称还把警察帮助旅客的个别协助剪成会安排住宿的常态，前提条件被切没了，流量视频就成了零成本生存的攻略。 这几位显然是信了，买张单程票就敢飞，幻想靠路人解决吃住，还能拿零花，这种想象从哪来，谁在给他们灌输这种念头，网传的野鸡教程毁人不浅。 网上讨论会这么炸，是因为很多人心里有股不平，你可以来拍视频夸中国安全和友好，但不等于来了就不愁吃住，各地过去也出现过把外国人当特殊人的做法，不少人认为那是前车之鉴。 这次香港海关的动作释放了一个明确信号，国门可以敞开，规则面前没有例外，不管你从哪来、抱着什么故事，材料不齐、意图存疑，按规矩卡，不拖泥带水。 有人还纠结，这是不是文化差异，其实不是，边境就是冷冰冰的门槛，热情是给客人的，规矩是给所有人的，你的人生可以随性，别人的边境能随性吗。 说到这，还是要提醒，网上教人不带钱不买票闯中国的攻略，纯属害人，真照着做到了口岸，被遣返是小事，被记不良记录影响后续签证才是大事，值得吗。 正常来华签证并不难，走正规渠道，备好往返机票和合理行程，带够预算，尊重法律和民俗，到哪都受欢迎，为什么要走野路子。 再回到现场，几个人两手空空站在柜台前，等着陌生人从天而降接盘，这种期待从一开始就错了，城市的温度不是信用卡，路人的善意不是旅行基金。 谁的善意都不是无上限的公共资源，谁的耐心都不会在边境线变成免费服务，把别人的安全感当杠杆，一旦出事，买单的是整座城市的秩序。 很多视频拍得没问题，中国城市确实安全便利、对外友好，但那是基于规则下的友好，是自洽的秩序，不是随便来就能吃住的福利发放。 有人会问，假如他们真遇到热心人呢，难道不该帮一把吗，帮与不帮是个体选择，入境是制度问题，不能把制度的门槛拿人情去冲击，人情越界就是给坏念头留门缝。 不少人认为，这类事件会越来越多，因为流量平台不断鼓吹零成本旅行神话，现实会一次次把幻觉戳破，每一次都很扎心，但也在校准边界。 这事最像一堂公开课，教人边境不是慈善前台，规则很冷，但公平，愿意来就按流程来，来过就按要求走，谁都不吃亏。 有人还在问，海关有没有给机会补材料，结果呢，没票没钱没行程，补什么，边检现场不是旅行社柜台，不在那解决人生规划。 他们被带走时，两手仍旧空空，机场里灯光很亮，真正挡住脚步的不是关员，也不是玻璃门，是他们把善意读成了通行证。

求职系列（1）：如何准备一份让面试官想面你的简历 最近又到了春招和暑期实习招聘季，有不少同学找我咨询简历和面试的问题。 先说说我的背景：在职大厂工程师，从实习、校招到社招，累计面试超过上百场。给几十位同学做过模拟面试和求职辅导，现在在牛客上还能搜到我的号（安妮的心动录），校招时拿下了多个大厂的 offer，最近在看新机会，社招通过面试率也超过 90%。 这些数字不是用来装的，是用来告诉你：接下来说的东西，全都是亲身总结出来的真本事，放在别人那里是可以拿去卖课的。 同样的话我重复说了太多遍，决定把整套求职心得整理出来开源，帮到更多的人。 这是求职系列的第一篇，聊聊简历。 简历的本质 很多人把简历当成个人信息登记表来写。教育经历、工作经历、技能列表，从上到下老老实实填一遍。 但你想想，面试官看一份简历平均花多少时间？绝对不到10秒。 10秒，他要决定你值不值得花一个小时聊。 所以你的简历不是一份档案，它是一份销售文案。 它唯一的目的就是在10秒内让面试官得出一个结论：这个人好像很厉害，我想面面。 所有的技巧都围绕这一个目标展开。 1️⃣ 只能有一页 不管你有多少年经验，不管你做过多少项目，简历只能有一页。超过一页的简历，面试官大概率不会翻到第二页。 一页纸的限制会逼你做一件极其重要的事：筛选。你不得不砍掉那些可有可无的内容，只留下最能证明你价值的部分。这个筛选过程本身，就已经在帮你梳理自己的核心竞争力了。 如果你觉得一页放不下，说明你还没想清楚自己最值钱的东西是什么。 2️⃣ 一行一句话，一句话一行 这是排版层面最重要的原则。 每一个点尽量只写一句话，并且尽量这句话不换行，在一行内说完。 面试官扫简历是跳着看的，如果一个要点写了三行，他大概率只看第一行的前半段就跳过了。 一行一句话还有一个好处：强迫你精简表达。 如果一句话说不完，说明你要么没提炼出重点，要么塞了太多细节。 3️⃣ 最亮的点放在最前面 大部分人写简历按时间倒序：最近的工作排第一，然后依次往前。 这在大多数情况下没问题。但如果你有一个特别亮眼的经历，哪怕它发生在三年前，打破时间顺序，把它放到最前面。 面试官的注意力在前5秒最集中。前5秒他看到了什么，决定了后面5秒他是继续看还是扔掉。你最强的武器必须第一时间亮出来。 比如你大二做过一个开源项目拿了几百个 star，但后来的实习经历平平。那就把那个开源项目提到工作经历前面。 规则是死的，说服力是活的。在必要的时候，请你主动站出来，让我看到你的优秀。 4️⃣ 量化一切，遵循 STAR 法则 每段经历都用 STAR 来组织： -Situation：什么背景 -Task：你负责什么 -Action：你做了什么 -Result：结果如何，用数字说话 举个例子 -坏的写法：负责服务端性能优化，提升了系统性能。 -好的写法：主导核心接口性能优化，P99 延迟从 800ms 降至 120ms，QPS 提升 5 倍，直接支撑了 10 万级并发。 同样一件事，第二种写法的信息密度和说服力碾压第一种。没有数字的作为论据，在面试官眼里就是空气。 每段经历的 bullet point 控制在 1-5 个，最多不超过 5 个。太多了面试官不会看，太少了显得没做什么事。 5️⃣ 不要堆技能列表 很多人简历上专门有一栏 Skill Set，列了一排技术名词：Java、Python、MySQL、Redis、Kafka、Docker、Kubernetes…… 大部分面试官看到这种列表的反应是：所以呢？ 列了20个技术名词，我不知道你哪个精通哪个只是了解，不知道你在实际项目中怎么用的，不知道你解决了什么问题。这就是一堆没有上下文的关键词，毫无说服力。 更好的做法是让项目经历来证明你的技能。你写了一个高并发系统用了 Redis 做缓存、Kafka 做异步解耦，面试官自然知道你会这些。而且他知道你不是停留在知道的层面，你是真正用过、解决过问题的。 技能列表可以保留，但只作为补充，不要指望它帮你加分。 因为同一个岗位大部分候选人的skill list都是高度趋同的，所以很难通过skill list脱颖而出，它更多的作用是过机筛，以及充当一个背景板（校招、实习除外）。 6️⃣ 不要写空话，要有论据 简历里最常见的废话： -自驱力强 -学习能力强 -团队协作好 -责任心强 面试官每天看几十份简历，每一份都写着这些。你写了和没写一样。 空洞的形容词没有任何信息量。 加上论据： -自驱力强，半年减重 50 斤。 -自驱力强，非科班出身自学编程拿到大厂 offer。 -自驱力强，工作之余坚持技术博客输出，累计阅读量 10W+。 一个具体的事实胜过一百个形容词。 7️⃣ 埋钩子 简历上不要把一件事说得太详细。要留白，让面试官好奇。 比如你写：主导 XX 平台架构设计，上线一周用户数突破 1000+。 面试官看到这行，自然会想：怎么做到的？架构怎么设计的？遇到了什么挑战？ 这个好奇心会驱动他在面试时主动问你这个问题。而这个问题，恰恰是你最擅长回答的，因为你做过。 好的简历是一个钩子矩阵。 每一行都在埋一个问题，每个问题你都有准备好的深度回答。你在用简历引导面试官走你的剧本。 8️⃣ 实事求是 这一条听起来很基本，但很多人做不到。 有些人为了让简历好看，把别人做的事写成自己做的，把参与写成主导，把了解写成精通。 短期内可能骗过简历筛选，但面试官一问就穿帮。你说你主导了一个系统的架构设计，面试官问你为什么选 A 方案而不是 B 方案，你答不上来，当场社死，面试通过率骤降。 实事求是不是软弱，是自信。 做得好的地方大方展示，做得不够好的地方也坦然面对。面试官更看重的是你的思考过程和成长潜力，而不是你是不是每件事都做到了完美。 一个项目的 well done 和 bad done 都说出来，反而体现你有复盘意识和自我认知。 9️⃣个人总结怎么写 个人总结很重要！很重要！很重要！并且推荐写！推荐写！推荐写！ 很多简历的自我评价写得像小学生作文：热爱技术、积极向上、吃苦耐劳，这种话跟没写一样。 个人总结只写三句话： 第一句：你在行业或专业上取得的结果。比如大厂 T7 工程师，开源项目 500+ star，某个方向的技术专家。用事实建立第一印象。 第二句：你是一个什么样的人，带论据。比如坚持每天阅读一小时，累计阅读时长 500 小时以上。比如投资年化收益 30%+，具备独立的判断力和风险管理能力。 第三句：你未来想成为什么样的人。这句表达你的方向感和成长诉求。比如希望在 AI Agent 方向深耕，成为该领域的核心开发者。 三句话，过去、现在、未来。面试官 10 秒扫完就能对你形成一个清晰的画像。 最后 把你的简历拿出来，对照上面的每一条检查一遍。 -超过一页了吗？砍。 -有没有量化？没有数字的经历，删掉或者补上数字。 -有没有空话？每一句自我评价都问自己：我有论据吗？ -最亮的点在哪？它是不是在简历的第一屏？ 简历不是写给自己看的。它是你递给面试官的一张名片，只有 10 秒的生命。 在这 10 秒内，让他觉得你值得花 60 分钟来聊。这就够了。

飞书昨天发布会很有意思，每个人配了一个 AI Agent 同事，叫 aily。 激活 aily 之后，你的飞书联系人里就多了一个人，你可以随时给它发消息安排工作，获取信息。 这个事对飞书的意义很大，因为飞书是一个 All in one 的 Workspace，集成了多个软件的功能于一体。好处功能齐全非常方便，坏处是功能太多很多人都是用一部分，也就无从享受最佳的便利。 现在龙虾和更强的 Agent 大模型来了，终于有一个方式可以做到功能又多，界面有简单了。 aily 真正牛的地方在哪呢？它把飞书所有的能力都打通了。消息、日历、云文档、多维表格，飞书妙记、录音豆，以前都是一个个单独的功能，现在全被这个 AI Agent 串起来了。 串起来之后玩法就多了。你可以在聊天里查询各类文档信息，可以让它定时把帮你把收集的资料做成10分钟的播客，可以让它自动设计产品路线图，甚至处理财务对账。还有做 PPT、报告、表格、网页，它都能搞。 而且它有记忆。你负责什么业务、喜欢怎么沟通，它都会慢慢记住。不用每次都从头交代背景，越用越顺手。 还有一个很重要的点，就是它的 skills 体系和龙虾不同。飞书官方有一个技能市场，保证了安全，才能进入 B 端用户的工作流。同时你也可以导入自己的 skills 或者创建 skills 非常开放。 说到开放性，我再多说一点自己的判断。 我今年一直说要为 Agent 做软件。 意思就是现在做软件，不能只给人用了，要给 Agent 用。你的产品要能被 Agent 调用、被 Agent 串联，这才是未来。 飞书现在把所有功能都对 Agent 开放了，连外部产品的 skills 都可以直接接进来。比如我们 ListenHub 的 skills，现在就可以接到飞书里面使用了，非常开放，非常自由。 以前的飞书只对用户友好，今天的飞书还要对 Agent 友好。 这也是今天所有软件的必然趋势了。

从世界历史中学习金融:看完你会比90％的人更懂金融！ 金融从来不是孤立的钱的游戏， 本质就是人性逐利冒险与文明规则约束的千年博弈。 人性要逐利冒险，文明要立规矩防混乱， 正是两者不断拉扯，才长出了今天我们熟悉的金融世界。 其实咱们现在天天纠结的： 该不该买股票？ 利率涨了怎么办？ 本质和几千年前古人遇到的问题一模一样： 借粮食怕还不上，就像现在怕房贷断供； 想多赚点利息，就像现在想靠理财增值。 金融的源头，本来就是人性的真实需求，加上文明为了满足需求搭起的规则框架。 今天我们就顺着时间线，把这场跨越千年的博弈理清楚。 01）金融的起源：信用从泥板里诞生，规则从约束贪婪开始 很多人都觉得一定是先有货币，才有金融。但事实真的如此吗？请看以下这张图，这是公元前2800年美索不达米亚苏美尔文明泥板上的借据——核心两个字：信用。 那时候两河流域还没发明像样的货币，但苏美尔人已经把借贷关系刻在泥板上了。比如一块出土泥板清楚写着：「普兹拉姆从太阳神沙马什那里领了三巴舍克勒白银，收货时连本带利还，利率百分之二十」。 为什么选泥板？因为黏土在当地遍地都是，烧硬了能保存几千年，相当于我们今天的合同——就算双方翻脸，旁人看泥板也能说清谁欠谁。这就是最早的信用凭证：金融的起点从来不是钱生钱，而是「我信你能还，咱们留个证据」。而且泥板上不仅记账，还写清楚了违约规则：还不上就用小麦抵押，实在还不上就当三年奴隶——从一开始，信用就和规则绑在了一起。 只靠熟人信任和简单约定，应付不了复杂情况，总有人把利息抬得离谱，逼得借债人卖儿卖女，整个社会都会乱套。于是文明出手定规矩，就有了我们熟悉的《汉谟拉比法典》——这其实是人类最早的金融监管法。 公元前1750年的古巴比伦，法典专门给借贷定了红线：借谷物，利率上限是33.3%；借白银，利率上限是20%；谁敢超收，直接没收他借出去的东西。为什么定这么严？当时美索不达米亚人爱喝啤酒，40%的小麦都用来酿酒，如果高利贷把农民逼得种不出小麦，不光没酒喝，整个社会的粮食供应都要出问题。所以规则的意义从来不是扼杀金融，而是保护信用不被贪婪破坏，让借贷能长久做下去。 到了古希腊，金融又长出了新玩法——期权的雏形。哲学家泰勒斯其实是个隐藏的金融高手：有一年他通过天文观测，预判来年橄榄会大丰收，就提前付了定金，锁定了当地所有橄榄榨油机的未来使用权。等真的丰收，农民们都要榨油，只能从泰勒斯手里租机器，他一下子赚得盆满钵满。 这操作放到今天就是标准的期权：用少量定金锁定未来资源，按约定条件交易，本质和我们现在买期货期权没区别，支撑这笔交易的核心还是信用——泰勒斯信农民会履约，农民信泰勒斯会付定金。 说到这里我们再想「利息」的起源，其实特别实在：苏美尔语把利息叫「moss」，埃及语叫「ms」，都和「声誉」挂钩；日语里利息的词源，本意是「子嗣带来的利益」。这不是古人浪漫，而是本质就是：借出去一头牛，明年可能多一头牛犊；借出去一袋小麦，明年能多收半袋。利息本来就是对出借方「信用风险和机会成本的补偿」，你帮了我，我得让你不吃亏——这本身就是最朴素的规则。 所以金融的源头其实很清楚：信用是地基，没有信任，没人愿意把钱或东西借出去；规则是承重墙，没有规矩，贪婪会把整个信用体系拆塌。 02）中世纪金融：禁令下的博弈，逼出更灵活的创新 等到了中世纪的欧洲，这套「信用+规则」的逻辑突然被打乱了——基督教直接出台利息禁令：说「时间是上帝的，收利息就是赚上帝的钱」，给刚发展起来的金融套了个紧箍咒。 但规矩是死的，人要做生意要谋生，金融总能绕着禁令找活路，反而在道德枷锁和现实需求的拉扯里，催生出了更灵活的金融玩法。 我们先看看这个禁令有多严：公元325年尼西亚会议就规定，神职人员不能放贷收息；过了500年，到850年直接加码：放贷的人直接逐出教门。可现实呢？国王要打仗，商人要运货，农民要种庄稼，谁都有急用钱的时候。12世纪的意大利，商人运丝绸从威尼斯到布鲁日，光成本就要几千金币，自己拿不出只能借，禁令再严，也不能眼睁睁看着生意黄了。 所以第一个妥协的，反而是出台禁令的教会。1215年第四次拉特朗大公会议上，教会松口了：「要是借债人逾期不还，收点罚金，不算利息」——这其实就是换个说法，本质还是补偿出借人的损失。后来更直接，你放贷赚了钱，买张赎罪券就能免罪，变相承认了利息的存在。甚至教皇克雷芒七世出身的美第奇家族，直接发行教廷公债，每年付10%的利息——毕竟教会要盖教堂、养神职人员，也需要钱。再严的道德禁令，遇到真实的资金需求，也得给现实让路。 那普通人借钱找谁呢？犹太人成了这个领域的主力军。犹太教规矩里有一条：「借给弟兄不能收利息，但借给外邦人可以」。中世纪的欧洲，犹太人是少数群体，不能买土地，不能当公务员，只能靠商业谋生，放贷就成了他们的主要活路——不是犹太人天生爱做高利贷，是规则把他们逼到了这个领域。莎士比亚《威尼斯商人》里的夏洛克，原型就是中世纪的犹太放贷人，他要一磅肉的极端约定，其实也是无奈：犹太人没有土地做担保，只能靠这种极端方式保障自己的本金。 伊斯兰世界的玩法更聪明：伊斯兰教也禁止收利息，但商人想出了「贸易差价」的办法——我帮你买一批香料，你卖掉再给我钱，我多收的服务费，其实就是变相利息；他们还早早搞出了汇票，商人在开罗买货，不用带沉甸甸的金币，开张汇票到巴格达就能兑钱，比欧洲早了好几百年。没办法，横跨欧亚非的商路需要便捷的支付工具，禁令反而倒逼出了更聪明的创新。 除了这些玩法，中世纪还给金融打下了两个关键的技术基础：一个是斐波那契把阿拉伯数字引入欧洲，写了《计算之书》，替代麻烦的罗马数字，算清复杂生意账；另一个是卢卡·帕乔利发明了复式簿记，一笔生意有借必有贷，赚了多少欠了多少一目了然。这看似是数学和会计的小事，其实是金融的基础设施——只有算清账，商人才能攒下信用，才能聚集更多资本做大事。 所以你看，中世纪的金融没被禁令打死，反而在博弈里攒下了一身新本事：有了变相收息的办法，有了跨区结算的汇票，还有了算清账的工具。这些积累都不是白费的，等大航海时代来了，要给哥伦布的探险凑大钱，这些本事正好派上了用场。 03）大航海时代：资本的地理冒险，改变了整个世界结构 大航海时代探险家们敢闯大洋，从来不是只靠勇气，背后是资本在赌一把——赌新航线能带来比陆地贸易高几十倍的利润，这就是一场资本的地理大冒险：敢花钱、敢担风险，为的是赚别人赚不到的差价。 这场冒险最大的诱饵，就是现在我们习以为常的胡椒。在16世纪的欧洲，胡椒比黄金还金贵：欧洲吃的胡椒都从印度东南亚运，中间经过伊斯兰商人好几手倒卖，每过一次价格翻一倍，到欧洲内陆，价格已经是产地的十倍，普通农民根本吃不起。所以商人都琢磨：要是能绕开中间商，直接从产地运，利润不就全归自己了？开辟新航线的需求，本质就是资本想赚差价的需求——没有高利润诱惑，谁也不会拿大笔钱赌远洋航行。 那钱从哪来？我们都熟的哥伦布，其实就是一个找投资的「连续创业者」：一开始找葡萄牙国王，人家觉得他算错了航线，不投；又找法国贵族，人家也不感兴趣；最后磨了西班牙伊莎贝拉女王好几年，还承诺找到新陆地，西班牙分一半收益，女王才咬牙拿出钱。这不就是现在创业公司融资的样子吗？创始人画饼，投资方看收益评估风险，最后才掏钱；而且哥伦布还特别懂「定制方案」：跟西班牙说能找到亚洲捷径，跟法国说能发现新金银产地，这套看人下菜碟的融资逻辑，放到现在风投圈也不过时。 新航线打通之后，资本带来的连锁反应，直接改变了欧洲的社会结构。最典型的就是「白银引发的价格革命」：1545年西班牙人在美洲发现波托西银矿，之后大量白银顺着航线流回欧洲，1595年美洲出口商品里95%都是白银。这么多白银突然涌入，欧洲物价直接涨了四倍——原来一个金币能买一百斤小麦，现在只能买二十五斤。 这一下子就冲击了旧秩序：靠固定地租吃饭的封建主惨了，收的地租还是老价钱，却买不到原来多的东西，慢慢就破产了；商人却赚翻了，用白银进货再高价卖出，差价越赚越大。资本就这么悄悄完成了社会结构洗牌：旧贵族退场，新商人崛起，资本开始主导社会财富分配，这就是大航海给文明带来的最深刻改变。 还有个有意思的小细节：我们现在说「美元」，其实根子能追溯到这场大航海。美洲白银发现之前，欧洲有个「泰勒银币」，用波西米亚山谷的白银铸造，成色足分量准，成了欧洲通用货币。后来这个银币传到西班牙叫「dolara」，传到英国变成「dollar」，几百年后传到美国就成了「dollar」也就是美元，甚至我们人民币的「元」，日元的「円」，都和这个银币有关系。货币从来不是凭空造出来的，都是跟着资本和贸易走的，大航海把银币带到全世界，也为后来的全球货币体系埋下了种子。 当然，这场冒险从来不是稳赚不赔：投资的船队遇到风暴沉了，钱全打了水漂；囤白银赌涨价，结果白银太多价格跌了，反而亏了本——这和现在的风险投资一模一样，高收益必然带高风险，资本愿意冒这个险，只是因为一旦成功，收益能翻几十倍。 大航海能成，本质就是中世纪金融经验的升级：复式簿记能帮商人算清远洋贸易的成本利润，汇票能不用带金币就完成跨洲结算，甚至中世纪的放贷逻辑都用来给船队融资。这些攒了几百年的基本功，才是资本敢闯大洋的底气。但远洋贸易成本越来越高，一趟下来成本是中世纪陆地贸易的十倍，单靠几个商人凑钱根本扛不住，还得有新的组织形式，把很多人的钱聚起来，还能分摊风险——于是，改变现代金融的两个发明就登场了：股份制公司和证券交易所。 04）现代金融基石：公司和交易所，是资本的双刃剑 荷兰人拿出的两个发明——荷兰东印度公司和阿姆斯特丹交易所，被板古敏彦称为「资本的双刃剑」：一边解决了「聚钱+分摊风险」的大问题，让大航海能规模化推进；另一边，也催生出人类第一次全民投机泡沫，告诉我们：再好的制度，也挡不住人性的贪婪。 荷兰东印度公司最核心的制度突破，就是有限责任。在这之前，欧洲的公司基本都是无限责任：你投100吨开公司，万一船沉了欠了500吨债，你得卖掉房子田地凑钱还债，一次投资就赌上全部身家，谁敢轻易投？所以那时候要么是家族小生意，要么是国王特许的垄断商，做不大。 但荷兰东印度公司不一样：明确规定股东只以出资额为限承担风险，你投100吨，最多亏100吨，不用卖房子还债。就这一条，彻底改变了资本的态度：原来只有大富豪敢投资，现在普通工匠、店主都愿意拿出积蓄——反正亏了也不影响生活，赚了能分远洋贸易的利润。公司成立的时候一下子募集了650万荷兰盾，是当时英国东印度公司的十倍，没有有限责任根本凑不齐这么多钱。 它还有个更绝的设计：不按单次航海结算，做长期事业。原来的贸易公司，一趟航海回来就分钱散伙，下一趟再重新凑钱；荷兰东印度公司直接把21年的航海计划打包成长期项目，股东的钱能一直用在开辟据点、垄断贸易上，就像现在的长期基金，能做需要长期投入的大事——建商馆、控制航道，这些都不是一次航海能搞定的。也正因为事业长期稳定，股票才有了交易价值，这就为交易所诞生埋下了伏笔。 阿姆斯特丹交易所的作用，就是给资本找了个公开流动的「菜市场」：东印度公司的股东急用钱，想把股票换成现金，不用挨家挨户问，直接去交易所卖就行。这个交易所不止交易股票，还能做期货、期权：有人觉得明年胡椒涨价，就提前约定价格买东印度公司股票；有人怕股票跌，就花点钱锁定下跌风险；甚至连盐渍鲱鱼都能做期货，鱼还没捞，就先把未来的鱼卖掉，和现在农民提前卖粮食锁定价格逻辑一模一样。 但制度的另一面很快就露出来了——郁金香泡沫。17世纪30年代，荷兰人疯狂炒作郁金香球根：普通球根能卖几十吨，稀有品种「总督」球根能卖两万吨，相当于一个工匠十年的工资。为什么会炒成这样？有限责任让普通人也能进场投机，交易所让球根交易和股票一样方便，大家根本不关心郁金香能不能开花，只关心下一个人会不会出更高价买。结果1637年2月，球根价格突然崩盘，很多人早上还以为能靠球根发财，晚上就血本无归。 这就是泡沫的本质：当制度让交易变得太容易，人性的从众和赌性就会被无限放大，最后把资产价值炒成空中楼阁。不过这场泡沫也不是全没意义：它让人们意识到，光有聚钱的制度不够，还得有防炒作的规则——后来荷兰政府开始限制无实物交割的期货交易，就像现在监管裸卖空一样。而且东印度公司的股票没受太大影响，因为它有真实的胡椒贸易利润支撑——这也告诉我们，有真实收益支撑的资产，才经得起泡沫的考验。 公司和交易所解决了「资本怎么聚、怎么流动」的问题，但还有两个大风险没人扛得住：国家要打大仗，动辄几百万英镑，国王自己掏不起；商船出海，万一沉了被抢了，船主一辈子家底就没了。单个机构和个人扛不住这么大的风险，就需要能把风险拆碎分摊的新工具——于是，国债和保险就诞生了。 05）风险分摊神器：国债和保险，把大风险拆给所有人 国债和保险的核心逻辑其实一句话：不消灭风险，而是把风险拆成小块，卖给很多人——国家把战争风险分给成千上万投资者，船主把海上风险分给成百上千投保人，这就是金融最聪明的「风险分摊术」。 先说说国债：本质就是国家学会了「靠谱借钱」。在这之前，欧洲国王借钱就是一锤子买卖：打赢了可能还点，打输了直接赖账。1672年英国国王查理二世欠了金匠银行家一大笔钱，直接宣布不还，好多银行家直接破产——所以那时候没人敢给国王借钱，谁愿意把钱借给一个说赖账就赖账的人？ 直到1688年英国光荣革命，议会通过《权利法案》，明确国王不能随便征税，也不能随便赖账，国债才真正有了信用。法案写得清楚：没议会同意，国王不能征税——这就意味着国债的还款来源有了保障，不是国王一句话就能改的。1692年英国出台专门的国债法，把原来国王的私债，变成了国家欠所有人的钱，还发明了「统一公债」：没有偿还期限，每年固定付利息，想变现随时能在交易所卖掉。 这下一下子就不一样了：原来投资者怕国王赖账不敢买，现在知道有议会担保，还能随时卖，纷纷掏钱买。英国国债从1739年的4400万英镑，涨到1816年的7亿英镑，全靠这套靠谱规则。国家把战争风险变成了「每年拿利息」的投资机会，投资者自然愿意接。而且设计还特别灵活，曾经发行过「彩票型国债」：买100英镑国债，不光每年拿利息，还能抽奖中额外奖金，一下吸引了很多普通民众，街边面包师都愿意拿出积蓄买，国家轻轻松松就凑够了军费——背后逻辑很简单：风险越大，就要给投资者越多甜头，大家才愿意一起扛。 再看保险：本质就是把「小概率大风险」，变成「大概率小支出」。最早的海上保险雏形古希腊就有了：船主借钱买货，约定船安全到港就还本金加利息，要是船沉了就不用还——其实就是用高利息买风险保障，只是没形成正规制度。真正把保险做成生意的，是伦敦的劳埃德咖啡馆。 1687年爱德华·劳埃德开了这家24小时咖啡馆，水手、船主、商人都爱来这歇脚，慢慢就有人在这「赌船」：船主花点钱，找几个有钱人约定，船安全到了，钱归有钱人；船沉了，有钱人赔船主钱——这些签字画押的有钱人，就是最早的承保人，这就是现在劳合社的前身。那时候承保人要承担无限责任，船沉了得卖房子赔钱，但还是有人愿意干，因为大多数船都能安全到港，保费攒下来就是稳赚的。 这就是保险的本质：大多数人没出事，他们的保费就用来补偿少数出事的人，大家一起扛住单个扛不动的风险。后来保险还扩展到了人寿：苏格兰的牧师们看到同事早逝后妻儿没人养，就搞了「苏格兰寡妇基金」，大家每年交一点钱，有人去世就从基金里拿钱给遗属；他们还聪明地用了哈雷生命表，算清楚平均多少牧师会去世，每年该交多少钱——这就是最早的保险精算，让保险从「凭感觉凑钱」变成「靠数据定价」。 不管是国债还是保险，核心都是「信任+规则」：国债靠议会担保、税收兜底，保险靠精算数据、契约精神，少了哪一样都玩不转。但随着战争规模变大，贸易范围变广，资本永远会跟着「安全+信用」走，金融中心也就开始慢慢转移——从阿姆斯特丹到伦敦，再从伦敦到纽约，每一次转移都是一场信用的较量。 06）金融中心迁徙：资本永远选择最有安全感的地方 金融中心的转移从来不是靠军队抢来的，是资本用脚投票选出来的：谁能给资本安全感，谁能守住还钱的规矩，资本就去谁那里。 第一个转折点，是阿姆斯特丹的衰落。17世纪阿姆斯特丹本来是全球金融心脏，东印度公司股票在这交易，霍普商会能帮瑞典、俄罗斯发国债，但拿破仑战争打碎了一切：拿破仑要征重税，还要把荷兰的黄金运去法国充军费——资本最怕什么？怕被强征、怕没保障。于是阿姆斯特丹的商人连夜打包资产，有的去伦敦，有的去汉堡；1806年阿姆斯特丹交易所交易量，只剩原来的十分之一——没了资本信任，再繁华的金融中心也会变成空城。 接着就是伦敦崛起，它赢就赢在靠谱的规矩和安全的环境。拿破仑战争期间，英国一边打仗，还能让资本安心：第一，英国有统一公债，不管战争打得多凶，每年利息从不拖欠，投资者知道买了不会亏；第二，英镑和黄金稳定兑换，拿着英镑在哪都能换成黄金，比法国法郎靠谱太多；最关键的是，英国议会管住了国王的手，《权利法案》明确国王不能随便赖账，这比任何军事威慑都管用。1803年拿破仑要卖路易斯安纳给美国，美国拿不出1500万美元，最后还是英国的巴林商会帮忙发行债券凑齐了钱——连法国的交易都要靠伦敦资本，伦敦的金融中心地位，还有谁能抢？ 但伦敦的地位，最终还是被两次世界大战打垮了。一战之后，英国为了筹军费，卖了海外资产还欠了美国一大笔钱，从债权国变成了债务国；二战的时候，伦敦被德国轰炸，交易所好几次停市，资本怕被炸没，纷纷跑到纽约。纽约道琼斯指数在战争期间涨了近一倍，伦敦股票市值跌了一半。1944年布雷顿森林会议一开，美元和黄金挂钩，其他货币和美元挂钩，伦敦彻底失去了金融主动权——不是英国不想争，是战争耗光了它最核心的「安全+信用」，这两个恰恰是资本最看重的东西。 而纽约呢？两次世界大战都没烧到本土，还靠帮各国发债积累了信用，布雷顿森林体系又给了美元世界货币的地位，自然就接住了金融中心的接力棒。但掌握主动权不是一劳永逸，纽约成为中心后，现代金融很快就陷入了「规则防贪婪，贪婪破规则」的循环，一次次引发动荡。 07）现代金融的循环：规则永远在给贪婪补课 从布雷顿森林体系崩溃，到日本泡沫经济，再到2008年金融危机，本质都是同一场博弈：规则想给资本划红线，贪婪却总在找漏洞，每次博弈过后，要么是体系动荡，要么是规则升级。 布雷顿森林体系是现代金融第一次认真建规则：1944年四十四个国家约定，美元跟黄金挂钩，其他货币跟美元挂钩，固定汇率做生意，避免二战前汇率乱涨乱跌，让国际贸易安稳发展。结果才运行20多年，就被美国的贪婪打破了：美国为了打越战，搞「伟大社会」福利，印了太多美元，黄金储备根本不够兑换；其他国家拿着美元要换黄金，美国拿不出来，1971年尼克松直接宣布美元和黄金脱钩，布雷顿森林体系一下子就崩了。之后汇率自由浮动，通胀起来，石油输出国因为美元贬值，直接把油价涨了三倍，第一次石油危机就来了——这就是第一个回合：规则想绑定美元信用，美国为了自身利益突破规则，留下烂摊子给全世界收拾。 再看80年代日本泡沫经济，就是典型的「规则跟不上贪婪」。1985年广场协议后日元被迫升值，日本出口不好做，政府就放水降利率，鼓励大家借钱。这下贪婪直接冒头：企业拿着低息贷款不搞实业，全都去炒股炒房；普通人觉得房价只会涨，砸锅卖铁买房；银行也不管风险，有土地担保就放贷。那时候东京的房价能买下整个美国，日经指数从1985年的12000点，涨到1989年的38915点，所有人都觉得泡沫不会破。但日本政府那时候根本没跟上规则：没限制房地产抵押融资，也没管企业脱实向虚，等想加息降温的时候，泡沫已经太大了。1990年股价房价一起崩，日本陷入了「失去的二十年」——这告诉我们，规则要是滞后于贪婪，哪怕是经济强国，也会栽大跟头。 到2008年金融危机，就是「贪婪钻了规则的漏洞」。美国银行把次级贷款打包成次贷债券，还找评级机构给这些高风险债券评AAA级，卖给全世界投资者；银行明明知道这些贷款会坏账，还是拼命放拼命卖，因为卖出去就能赚手续费，风险都是别人的。贪婪到这一步，规则却没跟上：监管机构没查次贷打包的猫腻，也没限制银行的杠杆。最后次贷违约潮一来，雷曼兄弟破产，它的衍生品规模比美国GDP还大，银行倒闭、基金爆雷，全世界都跟着亏——这就是贪婪突破规则的代价，不止自己玩崩，还要拉着全世界买单。 但博弈从来不是只有贪婪赢，规则也会慢慢补课：2008年后，各国推出巴塞尔协议Ⅲ，要求银行提高资本金；美国重启类似《格拉斯-斯蒂格尔法案》的规定，禁止银行一边做储蓄一边搞高风险投机；中国也出台资管新规，打破刚性兑付——这些都是规则在博弈后补上的漏洞。当然这场博弈永远不会停，现在的加密货币、算法稳定币，本质还是有人想绕开规则赚快钱，各国对这些新事物的监管，就是规则在跟上贪婪的新玩法。 08）金融史的永恒真相，听懂就能少踩坑 聊完了千年的博弈，最后我们总结三个不管时代怎么变，都不会变的真相，这些真相藏在泥板里，藏在股票里，也藏在一次次危机的教训里，对我们普通人特别实用。 第一个真相：金融的本质从来不是钱生钱，是信用。最早的泥板借据，苏美尔人愿意借白银，不是因为白银多，是相信刻在泥板上的承诺会兑现；英国统一公债能卖遍欧洲，不是因为军队强，是议会担保、税收兜底，不会赖账；我们现在敢把钱存银行买基金，也是相信银行不会卷款跑，基金公司会按规矩运作。信用看不见摸不着，但一旦没了，再复杂的金融体系都会塌——阿姆斯特丹被法军破坏了信用，资本立马跑光；2008年次贷骗了大家，信用破了整个市场就崩了。对我们来说，不管借钱还是投资，先想清楚「这事的信用在哪」，比先想「能赚多少」重要得多。 第二个真相：泡沫和危机是人性的必然，别指望彻底消灭。从郁金香泡沫里赌球根翻倍的荷兰人，到日本泡沫里买套房躺赢的日本人，再到次贷危机里借高利贷买房的美国人，本质都是同一种心态：「别人都在赚，我不赚就是亏」。这不是制度的错，是人性里的从众和贪婪天生就在，只要有赚快钱的诱惑，就会有人忘了资产本身值多少钱。没人能避开所有泡沫，但我们能做到不栽大跟头：别信「只涨不跌」的神话，别用自己输不起的钱去投机——要是记得郁金香不能吃不能用，只是个观赏品，很多人也不会血本无归。 第三个真相：金融不是洪水猛兽，是文明的加速器。我们总说金融干坏事，但别忘了：没有资本支持，哥伦布到不了美洲，荷兰东印度公司开不了新航线；没有国债，英国打不赢拿破仑，也建不起遍布全国的铁路；没有保险，商船不敢闯大洋，我们也用不上便宜的进口香料。金融的本事，就是把分散的小钱聚成大钱，把没人敢担的风险分给大家——它能帮普通人凑钱开工厂，帮国家修铁路，帮科学家搞研发，关键不是要不要金融，是怎么用规则管住它，不让它变成少数人投机的工具，让它服务真实的需求。 说到底，金融史就是一部「人性和规则的平衡史」： 太放任人性，就会泡沫破裂；太死守规则，就会耽误发展。 我们读金融史，不是为了记住一堆年份和事件，是为了下次听到「某某东西能翻倍」的时候，能想起郁金香的教训； 在所有人都抢着投资的时候，能停下来问问「这东西的信用在哪」。 毕竟，金融本来是为了让生活更好， 不是为了让钱焦虑，这才是学习金融史最该有的收获。

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。