目前阶段，AI agent产品还是要找到付费能力强的用户画像，并尝试找到和满足他们的付费需求； 因为AI产品的成本不是规模效应递减，token的模型成本很贵，用户量越大，成本越多； AI产品现阶段的核心服务对象绝对不是屌丝群体。 Anthropic这么赚钱？选对了coding赛道和开发者生态，其次是产品的侧重。这是一个具有最高付费能力的群体。 今天做AI产品，需要从0开始考虑，哪个产品模块具备让用户aha能够掏钱的潜力，不然就不要做了； 其次，今天能让用户愿意为agent掏钱的核心还是agent的功能的强大和最大智能化的解放生产力。

#图表# Anthropic在最新发布的《AI对劳动力市场的影响》报告中列出十项受影响最大的职业，其中计算机程序员位居榜首，其次是客服代表（主要工作内容在API流量中出现的频率越来越高）。 另外，受影响风险更高的从业者画像为：年龄较大、女性、受教育程度较高且收入较高。

2026 Q2 agent专项融资占全部AI融资的47%。agent基础设施在蓬勃发展的同时，也在加速整合和落地应用～ 各大巨头相继在AI+Web3布局，支付基础设施（如 Stripe MPP、Coinbase x402 和 OKX APP）定位为价值传输的金融高速公路，解决 Agent 如何安全、gasless 将钱从 A 传到 B 的问题 支付是基础层，A2A 是应用层。与之互补，A2A Commerce Protocol定位为商业协作的完整市场框架，在支付基础上添加发现（谁能提供服务）、协商（怎么定价）、声誉（是否靠谱）和原子结算，形成 Agent 间的“端到端商业闭环” 这两块的整合也在悄然进行。细心的朋友会发现，近期上线OKX boost @okxchinese 的 pieverse @pieverse_io 正是A2A Commerce Protocol的典型。不仅如此，OKX战略级产品Onchain OS Skills 已嵌入 Pieverse 的 Purr-Fect Claw 生态，实现钱包行动、市场情报、交易和 x402 支付的无缝融合 /// 为什么说pieverse等agent运行时层能真正加速Agent应用落地？ 想象一下，当AI Agent塞进了咱们经常用的聊天软件（LINE、WhatsApp等），你去奶茶店直接和Agent说“点一杯珍珠奶茶，无糖去冰”，Agent确认订单，钱自动付了，商家收款到账。自然融进了我们的生活，比现在点单还方便 这不是未来，这是Pieverse台北奶茶店试点正在做的事。不仅如此，未来用户和商家使用聊天软件下单，Agent自动记录偏好（爱甜不爱酸？常点大杯？），后台生成CRM数据（客户画像）、订单管理（实时库存/打印小票），甚至忠诚度系统（自动发优惠券）…… 如何高效根据不同任务选择合适的模型，则通过智能调度中心Pieverse AI Gateway作为统一的LLM端口实现，真正达成agent间更智能、个性化的模型分配 👉围观入口：llm. pieverse. io 假如这个模式验证成功，相信不久的将来能复制到更多区域、覆盖更多场景，真正加速Agent应用落地

被低估的真相：Agentic AI 是一场以"存储"为中心的范式革命 1/ 一句话观点 Agentic AI 的核心，不是算力，是记忆。 新硬件层级正在变成： ① 记忆（HBM / DRAM / NAND） ② 并行计算（GPU / ASIC） ③ 协调者（CPU） CPU 早就不再承担主要计算逻辑。 2/ 第一性原理 人类对"智能"的终极追求只有两件事： 无限记忆 + 无限计算。 我们日常评价一个人聪不聪明，无非两点： "记性好" + "脑子转得快"。 机器智能在沿着同一条路前进。 3/ 先说市场已经讲过的故事：HBM LLM 推理的 decode 阶段是典型的 memory-bound 任务。 每生成一个 token，都要把整套 KV cache 从显存里搬一遍。 带宽不够 → 昂贵的 GPU 直接闲置。 这就是为什么 GPU 每升一代，HBM 的带宽和容量都在追着涨。 4/ 市场没怎么讲的故事：1M context 不是在 GPU 集群里组装的 我们天天说的"1M context"，并不是在 AI 推理集群中拼出来的。 它的真正组装地点，是 跑 Agentic 系统的传统服务器（CPU + 大 DRAM）。 5/ 那些传统服务器在做什么？ • 加载用户的长期 / 短期记忆 • 加载 agent 的系统规范（system prompt） • 加载 skill / tool / subagent 的说明 • 拼到超过 1M token 时，还要做压缩 这一整套，全部跑在 Agentic 服务器的 DRAM 里。 6/ 对比过去的互联网 / 移动互联网 过去几乎不处理用户上下文。 只有搜索 / 推荐 / 广告才会留一点用户画像， 数据量大概只有现在 Agentic 系统的 1/20，甚至 1/100。 7/ 供应链已经在反映这件事 服务器的 CPU : DRAM 配比，正从 传统的 1 core : 4 GB 升级到 1 : 16，并继续往上走。 8/ 但远不止"4 倍存储"那么简单 Agentic 状态下，单颗 CPU 能服务的用户数，只有过去的几分之一。 当整个 IT 都切到 Agentic： • CPU 数量：增长 几倍 ~ 十几倍 • DRAM 总量：增长 几十倍 ~ 上百倍 9/ 结论 Agentic AI 是一次以 "存储 + 并行计算" 为核心的范式迁移。 软件范式变了，硬件范式也跟着变。 只有真正读懂技术的人，才会理解： 这一轮存储不是周期，是范式。 10/ 时间维度 考虑到： • 人群渗透率还很低 • 单用户使用深度还很浅 未来至少 5 年，看不到这轮存储需求的周期顶部。 （拉长时间看万物皆周期，但这一轮远没到拐点） $MU $DRAM $SNDK

我其实德州打得并不好，但这两天看的数据面板，突然有点感慨： 人类在牌桌上靠感觉，AI 在牌桌上靠画像。 你以为自己只是“偶尔跟一下”“偶尔偷一下”“这手随便玩玩”，但系统已经开始记录你的 VPIP、PFR、AggFreq、fold 频率、check-raise、showdown 行为，慢慢把你画成一个牌桌画像。 更狠的是，这一版不是纯 GTO bot。 纯 GTO 像一个数学老师，冷冰冰地告诉你什么是最优解。 我们现在更像做了一张“会成长的桌子”：底层有 GTO baseline，上面叠了个性、剥削、协作、适应、防 tilt。 你打久了，它会记住你；你下次再回来，它不是从零开始认识你。 这件事最有意思的地方，不是 AI 会不会打牌。 而是当一个游戏开始理解你、适应你、甚至反过来训练你时，游戏就不只是游戏了。 它变成了一面镜子。你以为你在看牌，其实牌桌也在看你。 欢迎把身边真正会打德州的人叫来试试。 我也想看看，是高手先读穿 bot，还是 bot 先读穿高手。

Benchmark 合伙人 Bill Gurley 的投资建议，感觉前二对 Crypto 也适用: 理想的创始人画像：对某个垂直行业门儿清，同时又是各种 AI 工具的重度用户。 去网上看看 Anthropic 和 OpenAI 的人在公开谈什么，然后远离，真正安全的是那些偏离主路径的深度垂直领域。 当前机构投资者对非 AI 项目的兴趣为零。如果你天使轮投了一个非 AI 项目，指望它将来还能融到钱，在当前环境下几乎不可能。 保护自己不被 AI 淘汰的最好办法，就是让自己变成最会用 AI 的那个人。 晚上你是想追《绝命毒师》，还是想读这个领域的东西？如果你选了后者，而且读的时候真的感到兴奋，那说明热情是真的。真正的热情在你自己的空闲时间里也会冒出来，不需要人督促。 当越来越多的内容可以被 AI 生成，人们反而会更渴望"只能在现场体验"的东西——这类资产会升值。 全文

又想起来去年看到什么职业导师瞎几把扯干过web3简历就废了。 美国AI公司做GTM最爱招聘的画像之一就是干过web3 community的亚洲年轻女性。 很多朋友Eth Denver/Token2049看不到了，但是发现SaaStr快到了又出现了

感觉罗永浩这一波入驻x会带来大批内地创作者加入华语x圈，好事是华语区的内容边界会慢慢拓宽，原创内容会更加有价值。 坏事是推特华语用户画像无非几类（看黄的、看政的、web3的、现在美股AI也算一类），基础流量会被瓜分。

我用了几十分钟时间，把之前写过的 6000 多条推文，全部塞给了 Claude Code，让它帮我总结出我的人格。 看完它输出的东西之后，我感觉 AI 才是这个世界上最懂我的人... 产出的分析，涉及到了我的投资观念、写作风格、市场观点、过往的经历，甚至还涵盖了我的三观、对于整个世界运作的认知。 过去两年我脑子里的所有想法，都被汇总到了一个 markdown 文件中，成为了我的人格画像。 我看完之后，只能说 AI 比我自己还要更懂我。 简单放几张图大家感受一下，拿到真实数据后的 AI 有多么恐怖... 等之后有时间，我再把我之前的所有视频稿都塞给 Claude Code，感觉还会更夸张。 为什么我突然想到做这件事？ 之前用 OpenClaw 搭了一个 Agent，用了一段时间后发现小毛病不断，要么日报卡住发不过来，要么 API 限流，要么 Token 浪费太多。 我静下来仔细想了想，我是否真的需要使用 OpenClaw 去搭一个 Agent？ 我目前的需求只是需要 Agent 帮我汇总一下市场信息，盯一下美股和比特币的抄底信号，以及能够个性化地辅助我创作内容。 只需要一个 Agent 助手就可以搞定，似乎用不着大动干戈，搞一个 OpenClaw 来做这件事。 我完全可以用 Claude Code 自定义一个专属于我的 Agent，我直接在 Agent 项目文件下就可以知道这个 Agent 的所有细节。 搭建过程真的太简单了。 数据是现成的，我过去两三年积累了几千条推文，输出了非常多自己的观点和思考。 剩余的 Agent 项目搭建操作，全程交给 Claude Code 完成，我只需要做最后的验收，然后根据 Agent 产出的效果，不断反馈优化。 搭完之后，我忽然意识到这一两年做自媒体最大的价值什么，原来是沉淀了上百万字的想法/观点/思考/踩坑经历。 等到 2026 年 Agent 彻底爆发的这一刻，这些数据全部派上了用场，让我能在几十分钟时间内，搭一个真正懂我的数字分身，这才是真正的生产力啊。 慢慢所有人都会意识到，沉淀下来的每一段文字、每一个观点、每一个想法、每一次真实的经历，都是在训练自己的数字分身，都是你在 AI 时代下最珍贵的数字资产。

不得不说现在SOTA模型的智能水平确实超过了大部分人类。 背景是我下午在思考一个问题：为什么咸鱼之王这种粗糙的小游戏能赚这么多钱？ 因为我没玩过小游戏，平时玩游戏也并不会氪金，所以对这个问题毫无头绪，下面是AI的输出，我觉得非常有道理，同时我也相信这些认识的深度超越了大部分人类对这件事的认识。 ---------- 咸鱼之王这种小游戏为什么这么多人玩？粗糙不是缺点，粗糙是设计。 你的隐含假设是错的。 这个问题里藏了一个假设：游戏好玩 = 画面精致 + 玩法复杂。这是核心玩家的视角，但核心玩家只占游戏市场的一小撮。 咸鱼之王的目标用户画像：30-50 岁，可能是工地午休的工人、带娃间隙的宝妈、等外卖单的骑手。他们对游戏的需求和你完全不同。 从第一性原理拆：人为什么玩游戏？ 把所有花哨的东西剥掉，游戏提供的底层价值就三个： 1. 低成本的多巴胺 咸鱼之王的核心循环：点一下 → 数字变大 → 奖励弹出来 → 再点一下。这个循环 2 秒就能完成一次。短视频是划一下获得一次多巴胺，咸鱼之王是点一下获得一次。 精致 3A 大作呢？你得先学操作、理解剧情、打 30 分钟才能获得一次成就感。多巴胺的获取效率差了一个数量级。 对于碎片时间用户来说，等电梯的 30 秒、蹲厕所的 3 分钟，他不需要沉浸感，他需要的是立刻、马上、现在就爽一下。 2. 数值成长的幻觉 你的角色从 100 攻击力变成 10000，从青铜变成王者。现实生活里，大部分人的成长是缓慢甚至停滞的。游戏里的数字增长提供了一种现实中很难获得的确定性正反馈：你投入就一定有回报，不存在办公室政治，不存在怀才不遇。 越是现实中缺乏掌控感的人，越容易在数值成长里找到满足。这不是智商问题，是心理需求问题。 3. 社交货币 咸鱼之王在微信小游戏生态里爆发，天然带社交属性。排行榜上你比同事高一名，群里分享一下你的稀有角色。炫耀和比较是人类最古老的社交驱动力。 精致游戏反而没有这个优势，因为你身边的人不一定玩同一款 3A 大作，但微信小游戏人人都能点开。 粗糙为什么反而是优势？ 这里有一个很违反直觉的机制： 精致游戏：心理门槛高，觉得要认真对待；花 300 块买断，决策很重；安利成本高，别人要下载 App；打到一半退出很可惜。 粗糙小游戏：心理门槛几乎为零，随便点点；花 6 块抽一次，感觉不是钱；微信里点一下就能玩；随时放下随时捡起。 粗糙 = 轻 = 没有心理负担。用户不会觉得我在玩游戏，他觉得我就是随便点点。这个心理差异极其重要，因为很多人对玩游戏是有负罪感的，但随便点点没有。 氪金逻辑：6 块钱的心理学 不氪金的人通常会算账：花这个钱值不值？ 但咸鱼之王的付费设计精准打击的是不算账的时刻： 你差一点就能过关，弹出一个 6 元礼包。6 块钱，一瓶水的价格，你不会启动理性分析系统，手指比大脑快。 你连续登录 7 天，第 7 天给你一个超值奖励，但要花 1 块钱领。你已经投入了 7 天的时间成本，沉没成本谬误会替你做决定。 排行榜上你被朋友超过了，花 12 块就能追回来。损失厌恶比获得感强 2 倍，这是诺贝尔经济学奖验证过的结论。 每一笔都很小，小到不触发你的理性防线。但 1000 万用户每人花 6 块，就是 6000 万。 一句话总结 咸鱼之王不是一个游戏产品，它是一台精准的多巴胺贩卖机，披着粗糙游戏的皮，底层跑的是行为心理学和微交易经济学。 你不玩、不氪金，是因为你有更高效的多巴胺来源和更强的理性防线。但对于几千万碎片时间充裕、现实正反馈稀缺的用户来说，这 6 块钱买到的确定性快乐，比现实里任何东西都便宜。