很多roinhood的野鸡发射台都是国人包装的，真是老外的发射台，地址库里就不会有国人的身影，而识别这种发射台就是去官网多看几眼就明白了，老外做网站的风格跟国人完全不同。

企业算 AI ROI，不要只盯“裁了几个人”。 这会把 AI 项目带歪。 更好的 ROI 维度有 6 个： 1. 增收 销售转化率、客单价、续费率有没有提升。 2. 降本 外包费、返工、重复劳动有没有减少。 3. 提速 合同审核、报价、工单处理、内容生产有没有变快。 4. 提质 错误率、客户满意度、交付质量有没有改善。 5. 降风险 合规漏审、数据泄露、操作失误有没有降低。 6. 组织资产 有没有沉淀 SOP、知识库、评估集、可复用工作流。 如果一个 AI 项目只剩下“省人头”这一种收益。 它很容易变成一次短期降本，而不是长期能力建设。

老板问 AI 投入的 ROI 在哪，很多公司说不清楚。 这个问题的答案，其实没那么复杂。 你现在用 AI 的方式，是给现有流程加速——客服回复快了一点，报告生成快了一点，邮件不用自己写了。但核心业务逻辑，还是架在原来那套传统 IT 系统上。AI 只在外围打转，核心流程纹丝未动。 这种情况下，当然说不清楚 ROI。省下的那点人力成本，跟 Token 费和落地工程成本相比，账根本平不了。 真正的差距在另一边：把整个业务流程，在 AI Agent 之上重新设计——彻底换底层操作系统，而不是给旧系统装风扇。 这不是技术问题，是想象力问题。大部分公司做 AI 转型，想的是"哪些任务可以让 AI 做"，而不是"如果从零开始，这个流程应该长什么样"。 这两个出发点，决定了你最后拿到的是 10% 效率提升，还是 10 倍的结构性优势。

当大科技涨舒服了，市场相信大科技有ROI，开始给高PE，大科技再增加资本开支，反馈硬件，硬件再起，那时候才是时候讨论泡沫了，因为市场里面不再有便宜的标的

中国企业的已投资资本回报率（ROIC）在经历2018年末至2019年初的低谷后持续回升，于2022年首次超越了其他新兴市场，并在2025年底达到约55%的历史高位。该趋势表明中国企业在资本运用效率和盈利能力上实现了结构性改善。 来源：瑞银

最近投广告竟然打正了。ROI 足足有 2.7 开始投广告是因为最近也在和传统跨境电商的人合作做点事情，观察了一下这个行业如何通过广告进行转化。 于是学习了一下投广告这门学问，怎么样的素材是好素材，如何分配计划，如何调整预算，如何在应用/网站中做好转化事件归因统计等等。不同的广告平台的逻辑又不尽相同。不断测试不同的计划观察数据，不断调整。都是脏活累活，但不能避免。 Haiker 目前最多的用户来自日本和韩国，如果不是通过广告，我很难有机会触达他们。 颇有感慨，几年前我给自己一个目标：多接触互联网之外的群体。这个目标让我接触到了很多新的方法论，新的思路，然后反哺到自己做产品上面。

$MarketCat 我买了点市场猫 reddit和tiktok都很火 推特也有社区 绿色的猫和Roinhood主题很契合 聪明钱数据也还行 现在市值只有130K 叙事： 源自 WallStreetBets 社区热梗，叙事核心为绿色猫对应 Robinhood 绿色链 0xfb97e1ca99378ea348eb794cbed099408ca74d1c

刚听了SemiAnalysis Weekly的一期视频播客，收获还是很大的，分享一下 1/ ROI与订阅vs API（lab API收入里70%+来自编程） 目前lab API收入里70%+来自编程，且高度集中在少数power公司/用户（如Meta约占Anthropic ARR的3–5%）。Ramp数据显示头部1%公司人均年花10万美元在AI上。 能用订阅就用订阅，因为补贴力度太大：Codex 200刀/月≈12K的API额度，Anthropic 200刀/月≈8K。有初创干脆刷公司卡买一堆订阅账号，比走API划算得多。 算笔账：Claude Max 20x只要10%利用率就打平，而实际利用率远高于此，所以这些20x订阅很可能是负毛利。厂商都想把量往API迁（Anthropic的API毛利估85%+）。 2/ Anthropic利润与两强格局（OpenAI的net-new ARR已和Anthropic持平） Anthropic已经盈利（Q2经营性盈利，Q3可能10亿美元+），靠的是80%+的ARR在高毛利API、90%+是企业客户。 OpenAI杀回来了：GPT-5.5（≈Opus 4.8水平）是拐点，5.6 Soul被评“便宜一半却接近 Fable”。net-new ARR已和Anthropic持平，编程市场从Anthropic一家独大变成两强赛马。 OpenAI消费端9亿+周活但付费转化差（Claude免费用户9%付费，更聚焦）；广告是它押在2030年的指望，但消费变现这事一向难做。 3/ 谁是第三名&算力策略 xAI（Grok 4.5/Spark）、Meta（MSL）模型不差，但都不是前沿，没到前沿就没人碰它的API。 Gemini 被判“第五名，可能永远第五”。这里他们觉得，因为Google签了无法收回的长期TPU合约，反映管理层对AGI缺乏信念（Noam Shazeer、John Jumper 等出走）（不过我周围朋友里，还是有一群人看好Google）。 推崇Elon的clawback打法：把算力按市场价3–4倍短租给Anthropic这些，合同带90天召回条款，一旦自己要冲前沿随时收回。Meta要做Neocloud也该学这套，进可攻退可守。 卖自家token>卖别人token（AWS/Azure分成）>短期高价租算力。 4/ MSL与RL scaling law RL是当今提升模型能力最重要的scaling law。有人认为，有人认为模型离“能干人类在电脑上的一切”就差足够的 RL 环境。 于是催生了一整条RL环境创业供应链：把真实的经济任务转成可训练环境卖给lab。今年全行业数据预算估计超100亿美元（去年的10倍），需求几乎无上限，只看你能不能快速产出高质量数据。 Anthropic编程强，一大原因就是它最早、最激进地采购编程数据。 造一个好的编程RL任务：得让顶尖工程师花大概一天才能解，还要配验证器（集成测试+rubric）和一个既严谨无歧义、又自然真实的prompt。单个高质量任务lab愿付五位数美元，做得好的人年入七位数。 5/ Token预算：还在“疯狂烧”还是进入“紧缩期” 不少企业开始收紧预算，怕员工用太多token。但真相是，绝大多数人根本用不到上限，真正受影响的只有每家公司少数几个power user。 管控方式五花八门：按人头vs按公司整体（后者更合理）；有的公司把自家模型算进预算、有的不算，于是大家拼命薅那个不计费的。 很多预算策略其实挺外行：Max吐槽有公司禁止销售用Opus/Fable写邮件、要求改用Sonnet，可写封邮件的token成本几乎为零，这么管毫无意义。真正的token大户是编程/软件开发。 也反对搞工程师“特权阶级”，只让他们用Claude Code/Codex，其他人用低配工具。 6/ Token-as-a-Service市场 市场增长极快（较去年翻了好几倍）。三大云（Bedrock/Azure/Vertex）靠现成的企业客户和合规优势拿下大头；Together/Fireworks/Base10这些创业公司也是好生意，但永远做不到OpenAI/Anthropic的体量。 前沿lab不会把优化自家模型的活外包给Fireworks；新芯片创业公司想借token-as-a-service上位也难，最后可能都得像Cerebras一样自己下场做Neocloud。