很多人一直在说巴菲特的复利和滚雪球，但是很少人提到他们的保险公司是源源不断的现金流，还有控制了公司成为大股东有了话语权去做决策。只有持续的现金流才有一直在牌桌上下赌注的勇气。 一份好的工作是能让你觉得是在带薪学习的，在纽约能赚大钱的人都是很喜欢自己的工作。 之前脑子里一直有退休这个想法其实是不太喜欢之前做的某部分事情。慢慢来吧，不着急做决定。

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

今年常用的币圈金融平台 @useTria 又官宣了大合作，集成由aptos官方支持的 Perps DEX Decibel @DecibelTrade 直接在 Tria 应用里面交易 Decibel 永续合约，还没发币可以一鱼多吃！ 不用不用跨链、创建新钱包，超方便！而且tria的u卡真的超好用，返现比较下来是最高的（因为 tria币价涨了很多）

今天参加 Polymarket的线下活动，邀请了很多交易员，Polymarket 本质是零和博弈 — 你赚的就是别人亏的。 经历了币圈这些年的浮沉沉沉，起落落落，最大的感慨是保留本金，稳健收益。最近把USD1换U了，正好看到Paimon的活动，有，7% 年化很稳。 团队背景也很强，靠谱 — YziLabs 领投，Founder 是 投行+ 家办出身，这种团队做 RWA，很放心。 收益来源是SpaceX 股权装进 BVI SPV，1:1 token 化，链上用户直接参与。有审计，有 Standard Chartered 和 JPMorgan 做银行关系。SpaceX 最新估值 万亿美元级别，Starlink 准备独立上市 — IPO 时的回报有很大的想象空间。

我看到今天早上价格跌了好多吓死了😦，JU的平台币跌了一根针又马上拉回去了。不过我看了下这个打新活动不要买平台币，不用费劲去刷分，直接用，USDT,BTC,ETH 就能参与。48小时窗口，可以慢慢看规则、看募集情况、看项目叙事。 第5期＄HERMIND 开始了，致敬 Hermes Agent的概念，这个我一直都有用agent，每一项任务都会成为技能。 HERMIND 是首个由自我提升型 AI智能体驱动的模因币。

震惊了，这是第一次看到官方账号下场去攻击孙哥，说孙哥一直喜欢用受害者形象去掩盖自己犯的错。孙哥花了1850万美金买晚宴席位都打水漂了。 未知真相不予置评，usd1放在币安里面也是赚到钱了，现在都换成了usdt。

收藏了一堆skill，结果是吃灰！总结我这两个月通过实践发现 最常用的 openclaw skill agent不要买中转，很麻烦，不稳定并且有参假，直接去订阅。腾讯云有coding plan最便宜40元一月很够用，选择kimi的模型。钱多直接用claude。服务器也是在腾讯云买的，真的好用客服24小时在线。 📦 核心 Skill # 信息类 clawhub install opennews-2 easy-search x-research # 社交类 clawhub install opentwitter-2 # 币圈类 clawhub install binance-price-alerts binance-signal-engine nansen-smart-money dune-mcp-skill # 自我提升 clawhub install self-improving-agent-cn pua capability-evolver proactive-agent # 简报学习 clawhub install daily-learning # 基础工具 clawhub install email-skill browser-use-pro ai-image-gen gemini-image-simple GitHub 下载（2个） Bash# TrendRadar 热点雷达 git clone # 小红书 MCP

生意无处不在 我看到普通人能日入1000一天的方法 核心是找到供需不平衡，去鱼多的地方钓鱼 1.办理美国签证 大部分人都不知道不能带手机 所以在大使馆旁边开一个小店存包收费30-50人民币 一次 我在香港办理美国签证的时候 也是寄存在一个花店 好像给了当时给了100港币 在北京上午大概有150个人寄存 上午下午 那就是一天8000人民币的收入，一个月20天能赚16万。成本租房成本、人力成本、店里两个人就够了 生意2 在北京吃南门涮锅火锅 正常排队要排3个小时 走闲鱼找黄牛代取号 一个号60-80rmb 代抢号的生意 元旦一天可以卖出40-60个 按平均的来算就是一天 4000人民币收入，成本为0，让美团外卖骑手去取个号，线上渠道打通，躺着赚钱。（不是鼓励黄牛生意，只讨论找到需求）

刷了很多张雪的采访很振奋人心，但是如果他当时还执着于去成为一位伟大的赛车手那世界上就没有张雪机车了。他并不是永不言弃，而是去选择了另外一条路。成功不在于坚持。成功的关键在于选择正确的事情来坚持，并退出其他事情。 最近看完了《适时退出》作者是宾夕法尼亚大学认知心理学博士，没有走传统的学术道路，因为生病缺钱去打德州扑克赚钱，然后一不小心就打成了职业扑克赛世界冠军。 非常推荐在职业转型或者迷茫期间的小伙伴去读，损失厌恶、确认损失厌恶、沉没成本效应可能会让我们在错误的道路上越走越远。而当我们选择止损，做出退出的抉择去选择更适合的道路。

Claude更新了！赶紧体验起来！ 三大更新内容：Computer Use （电脑操控使用）+ Dispatch （手机任务派遣）+ 定时任务。 我觉得对我最实用的是手机派活：我在地铁上甩个任务给 Claude，到家发现它已经帮我把表格排好、简报写完、邮件归类了。天天忙晕的人狂喜。 不过目前仅限 macOS + Pro/Max 用户，而且 Cowork 比普通聊天烧额度更快（Anthropic 你是懂赚钱的）。测试了下20u的会员能用。 选择把它塞进现有工作流而不是另做一个 App，这个策略很聪明，不用新的获客迁移成本。

熊市建议大家都去把自己的交易所地址放到链上浏览器检查一下，会显示余额，可能之前充值错了都不知道，有意想不到的惊喜。 发现两年前充错链的币提交币安工单找回了，感谢币安！ @binance

我要是腾讯，我就复活 QQ 宠物项目，然后结合 openclaw 的内核，养宠物要花钱买粮食（token），吃饱了可以送去学习 (skill)，学习后可以送去打工（赚 token），或者帮自己干活(workflow)。内置到 QQ 中，终结游戏。🤔

最近市场真的很冷淡， 的 Launchpad 最近挺猛的。一直对他们的平台抱着观察的态度，但是前面三期Meme 打新的表现都很好，收益率是12万倍、88万倍、75万倍。最少也是有百一的收益，可能分到的份额不多，但是在目前这个市场，已经不错了！ 明天 第四期打新项目 $J 要开始了。 Lil J（$J） 是 生态里的一个 meme 角色， 整体就是那种比较西海岸 vibe 的 meme 设定，还挺有趣的，是他们吉祥物的形象。 开始时间：3月11日 16:00 结束时间：3月12日 16:00 上线时间：3月12日 20:00 支持 JU / USDT / BTC / ETH 参与， 最后统一按 U 本位计算分配。 参与链接：

有种感觉，这会的ai热潮，很像早期的defi、NFT、铭文时代，信息差巨大，全靠自学。没有学不会的只有不想学的人！vide coding会成为大趋势，每个人都可以拥有很多个智能体的分身解决问题。 朋友们，赶紧开搞ai，部署模型吧！（身边朋友都是把龙虾部署到腾讯云，很喜欢叫我主人）