AI正在改变普通人的学习路径，大学已经彻底没用了。只要有了AI和学习思维，任何专业壁垒都可以打破。 我侄子在北京，师范大学中文系在读，用AI做出了一个月活100万的互联网产品，融了1个亿， 我表妹中专毕业，以前是做美甲的，自己用AI学习了半年，掌握了临床知识，现在在江西三甲医院天天切肿瘤， 我堂弟初中辍学，以前在山东跟着他二叔做建材装修生意，后来用了AI学习CAD建模，现在进了比亚迪做机械架构师，年薪200多万，手底下管着20个清华博士， 这20个清华博士以前都没听过AI是什么东西，我堂弟空降过去给他们当领导，这20个人直接震惊了，居然有这么厉害的东西，现在我堂弟天天教这些清华博士们用AI，管着他们来设计汽车。 AI真的是普通人翻身改命的最好机会，有了学习思维和AI工具，普通人真的可以打破专业和知识的壁垒，获得成功和机遇。

张维为调研结果发现， 全世界80%的大模型公司，实际上背后用的都是deepseek模型， 张维为说，现在黄仁勋已经快急死了，nvidia GPU已经彻底卖不出去了，马上要破产了。

是的，常听我节目的都知道，我只给普通人两个选项， 选项1：在支付宝上买标普500、纳斯达克100，中国金监管局全面监管审计，平台帮你解决一切问题，你不用操心； 选项2：如果你熟悉报税，在富途老虎长桥买nvidia、OpenAI、anthropic，持有到100岁生日， 每年定期报税，但是因为你不卖，你不用交税， 也千万不要跟推特上的"美股交易泰斗大师"学个皮毛，自己在家手工高频操作美股， 死死持有这几个股份，等到你100岁生日的时候，一次性卖掉，套现离场给孩子，一次性报税，把税交齐。 这是普通人在中国合规、合法、低风险投资美国锚定资产的最稳健、最不费脑子、最不折腾的方法。

我对深圳非常欣赏的一点，就是深圳这个地方“威权不作恶”，用大白话说，就是治理水平高。 如果威权不作恶，威权运作和治理水平下限极高，那么普通人就不那么需要自由，自由就是一个无所谓的话题。 深圳这个城市就是复刻香港和新加坡建立起来的，威权不仅不作恶，反而深度参与科技和资本运作， 完全模仿新加坡成立深创投，带来城市发展实实在在的巨大红利。 所以深圳是中国少有热爱城市、以城市为自豪、同时中小企业非常善于和政府沟通协调、深度参与的城市， 因此“自由不自由”，对他们来说不是个大事儿。 我必须说一句，深圳是中国，河南也是中国，希望深圳越来越多，河南越来越少。从微观城市治理层面来看，能够守纪律、懂治理、自我学习进化的威权，能够持续带来经济增长红利，实际上是公众可以接受的。

连锁旋转寿司能在中国火，原因很简单，因为这个模式是唯一一个： 人均100~150 一顿饭吃到10种不同品种花样 可选优质海鲜，而且是十几种优质海鲜 能靠大米饭吃饱 有一些仪式感 不需要厨师，培训后直接上手 供应链简单，几乎全部冷冻+现场制作 不需要明火，只需要电饭锅 有文化差异，但又有一定基础认知 大部分人对品类比较熟悉 曾经还有高端光环，现在还降级了 不依赖服务员的耐心贴心服务 非中餐，但又可以用筷子吃 光凭大米饭配10款冷冻鱼肉配后厨速通培训教材，把毛利率干到75% 这个模式似乎找不出第二个，简直是土地财政下一二三线城市核心商圈商场服务年轻中产们轻度社交聚餐的最佳组合。

彻底给我看爽了。 开杂牌奶茶店亏20万的是中专学历全职败家宝妈， 开连锁高端湘菜、全武汉最大的巨型烤肉店、武汉东湖顶级奢侈私房菜、武汉顶级海鲜大咖，加起来亏了4500万，就是“和成功只差一步的企业家”了。 你没想到吧，那些让你觉得不配吃的顶级餐厅，哪怕装修投了1500万，也是会一夜倒闭的。

几乎每天都有封神的AI短剧火遍全网。 艺术家和编剧在这个时代是最幸福的，因为他们拥有了最伟大、最平权、最大影响力的创作工具。

我再说一个暴论， 中国在医疗LLM、u-net读片子读核磁、医疗LLM Agent搭建，相比美国和全世界而言，拥有巨大优势。 原因很简单，中国病人多，病人数据用于research和商业化用途的隐私也没有美国苛刻， 只要保障单个病人实名隐私，一个郑大一附属的可用数据，就能比全世界其他200个国家加起来还多。 我一直坚定认为，只要保证这些数据不针对某个病人的隐私公开，用于训练医疗LLM Agent、u-net读核磁这些工作，在伦理和隐私上是没问题的， 现在问题来了，只要一个郑大一附属这么一个河南医院的数据，就能实现这种类型的工作， 到底有没有一家LLM六小虎和某个医院愿意合作，来搭建这个事情？

AI焦虑的本质是中老年焦虑。 一个精力无限、有好奇心的年轻人，开着3个claude code，使用goal driven一次跑100小时，同时开着ChatGPT、claude，零散时间刷刷推特，每天上手两三个新工具， 一个彻底失去欲望、没有精力、睡眠不足、学习能力为0、油盐不进的滚刀肉中老年人，已经几乎被AI斩杀了， 中老年人既不接触任何AI工具，也没办法高强度使用AI Agent，没办法摸清能力边界，没办法每天高强度学习新的Agent或者diffusion model新工具， 中老年人唯一能看懂的，就是抖音、youtube、公众号、小红书上无穷无尽的AI焦虑大水逼文章，挨个自己往里套， 跟每天上百度百科搜癌症高血压糖尿病的老年人一样，越看越焦虑，越看越觉得自己马上要死了。 AI工具的爆发，本质上是个人学习能力的最大平权， 无论你是清华在职EMBA，压榨学生吃红利的院士长江学者，还是吃资源人脉红利的地方律所合伙人，还是常年吃政企关系饭接微信小程序和php外包的小包工头，还是民办三本、英国澳洲商科水硕进外企管培生一路吃市场经济红利， 在AI平权时代，一切不学习、不懂技术、不学计算机、不看源代码、不摸技术能力边界、不思考产品、不关注行业的人，一律会被公平斩杀淘汰。

立党观察原则 原则一·留存原则：判断一个账号有没有料，看留存，大部分推友都不傻，没干货的早被取关了，能在中推圈稳定留下百万人本身就是一种筛选。光靠抽象和擦边走不到百万级，最后撑住盘子的还是推文质量和思考密度。 原则二·拆分原则：评价立党时，先把"人设/风格"和"具体观点"拆开看。擦边、黄推、抽象这些都是流量钩子，是把大家勾进来的手段，不是账号的本质；讨厌风格不等于观点没价值，喜欢风格也不等于观点就对，别拿手段当本质去评价一个人。 原则三·刺痛原则：一条推让我们感到刺痛、不适时，先别急着划走或反驳，停一下问自己：是他说错了，还是只是冒犯到我了？这两件事不是一回事——顺耳的话谁都会说，扎心的话才逼我们想一下，把"冒犯"当成"错误"就会错杀有价值的内容。 原则四·分类原则：评价立党时把内容分类看，别一锅端——技术贴、预测贴是他真正有洞见的部分，情绪化、娱乐化的推是另一回事，不能因为后者就把前者也否了。 比如这一条推文，就极其有洞见， 不要错过👇

看老登们写长文或者公开大会演讲，大聊特聊AI展望，真的是极其无聊枯燥恶心的事情。 因为老登们善于用非常油腻、圆滑、完备的语言，去反复描述非常粗糙、非常初级、充满幻想和自我体感的AI初体验。 你听了5分钟，你就知道他大概狗屁不懂，可能没怎么用过，完全空洞无物，但是你连续听个30分钟， 又觉得老登级的话术很舒服、很圆润、很完备，但确实依然空洞无物。 老登们关注点基本在三件事上： 1. 看看硅谷和其他同行们的AI Agent有什么短平快的东西，我能跟着分一杯羹，快速抄一个出来，挣点小钱； 2. 看看别家是不是用AI在考核员工，我该如何用AI考核员工，该如何用AI的工具和token熟练度来裁员； 3. 大谈特谈未来社会治理、人类发展、产业转型，指明方向。 总之老登们愿意关注除了技术以外的一切问题，并且认为在AI时代他们是最具有话语权的一批人，并且认为这样的自己广受年轻人的喜爱，能够继续成为年轻人的偶像。

说真的，我一直觉得，现在高铁一堆零星小站，是非常低效的制度。 比如天津，东西南北一堆站，各个郊县一堆站，加起来12个高铁站， 每个城市都四五个、十几个市区郊县高铁站，非要给他们连连看、大缝合、合纵连横， 现在在建高铁线路大概基本是，北京通州站，连天津宝坻南，连塘沽，连河北沧州西， 基本要每个城市建五六个远郊县城高铁站，互相玩连连看，最后卖一波土地，建设一波新城， 在我看来，这种绝对是低效率的投资方式。 最高效的建设方式，就像航空公司一样，高铁建主力客流干线，把主力干线运力拉到满， 比如京沪高铁，想办法让一辆高铁载客尽量多，每条高铁运行排满到爆，让京沪、京广、京哈、上海成都这些承担主力干线的功能， 剩下的地方相当于支线，用城市公交、短途客车连起来就可以了，需要就加几辆车，需求量巨大的直接修公交专用道路，不需要就直接砍掉，或者由铁道财政补贴一点点维持运营， 这样成本远远远远低于每个城市东南西北四个高铁站。 不要再继续几十个亿四五个郊县高铁站连连看了，最终每个高铁站都是大空城，每个高铁站周围七八个鬼城楼盘、鬼城产业园、鬼城万达广场，对于公共财政和房地产行业都是巨大的浪费。

聚焦在现有工作上用coding Agent去解决，是一条错误道路，人类已经把能吃的红利吃差不多了， 接下来就是无尽的人指令-agent执行-人指令-agent执行的iteration中逐渐迭代工作，很难把人从这种小幅度高强度反复的iteration中解放出来。 因为现有codebase不仅高度复杂，而且人的大部分命令都是高度模糊、 高度开放、高度自由、无法验证的命令， 场景也是高度开放、高度自由、无法在containers中直接测试跑一跑，必须在真实世界中获得反馈才能继续修改工作。 所以我最近半年一直坚持反复告诉大家： 1. 在现有所有大型科技互联网软硬件移动外包平台coding agent的红利很快就吃完，现有人类像唱山歌一样和claude code高强度一问一答的模式，就是短期内的最优解——像full self coding一样大量agent并行完成coding工作，不会带来更多的收益； 2. 在coding agent很快增长和红利消失的大前提下，人类如果想继续把AI Agent和multi agent的红利吃干抹净，必须持续找到有价值的新领域、新方向、新问题： A. 同时满足问题定义简单干净、环境封闭、非常非常易于verify、问题解决方案搜索空间巨大的复杂问题，让goal-driven( 前提是易于verify，必须用很低的成本去verify最终输出是否正确，保持持续验证这个criteria，给予正确的反馈和无限工作循环的核心条件，直到完整完成工作； B. 能够把multi agent的并行度吃干抹净，一次性1000个agent大批量初始化和启动，在一些setup中持续活跃，保持multi agent的可观测性， 除了openclaw时代就臭大街的各种爬虫以外，还有行为经济学、社会学、心理学、教育学、法学等等大规模试验，不由分说充足token，先初始化1000个agent模拟跑几天，观察一些初步结论； C. 就像我半年前说的价值10万刀的策略：把一切人类社会中遇到的所有问题，整理成文档、表格、图片、文字、structured data，让一些富有经验、富有memory的coding agent（就是claude code和codex本人）进行一步步解决， 你始终要明白，现阶段的头部coding agent已经足够复杂、 足够高级、机制足够完善，AI Agent已经经历了4~5轮工业革命，完善到整个industry其他任何生态和框架继续手搓的任何agent都像一个玩具，只要一个claude code/codex一个文件夹+一个docker/kubernete，就是未来一切企业和流程中的general agent； 3. 有一点几乎被所有人忽略，也是我近几个月意识到的问题。 在经典deep learning时代，一些产业对于经典neural network和baysian model有天然的不信任感和敌意，他们会非常激进、偏执地要求一切machine learning的模型尽可能地跟随可解释性、AI伦理、因果推断等等方向。 在AI Agent时代，越是激进使用的人，越是对AI Agent产出的代码、报告、分析、数据、结论产生严重的怀疑， 因此不只是GPT model需要superalignment，LLM Agent本身更需要superalignment，在Agent时代，superalignment的重要性会越来越高， 而且AI Agent产出和workflow的可解释性需求也会越来越高，最最基础浅表的就是各种问答chatbot的来源引用，今后其他越来越复杂的工作，包括coding本身，都会有可解释性的大量问题涌现， 一种方式是尽可能用formal verification或者prover的形式来自动化验证， 一种是用agentical的验证方式，就像人一样去用一个或者多个agent来反复review和challenge一项工作； 4. 还有一点很多人没想到，就是AI Agent会对人施加反过来的影响。 比如office出现后，普通人要求用office三件套来完成工作，office重塑了人类办公的基本流程和规范， 比如出现了google之后的早期，普通人要学会正确输入搜索关键词，把想问的问题拆分成正确的关键词，以获得正确query的结果（后来google反复做了优化，这个技能也逐渐不重要）， 比如social network出现之后，人们学会了全新的交友方式、social network的交友礼仪、聊天方式， 所以在AI Agent时代，人最重要的技能，没有之一，就是如何正确使用AI Agent、挑选正确的模型、使用正确的工具、组建正确的prompt、描述正确的问题、输入充足完备的信息、如何用goal-driven去构建一套dual-agent的简单无休止infinite-loop workflow， 一个不会正确定义问题、不会正确输入足够多的信息、不能让AI Agent在一个边界清晰的闭包问题中正确工作、持续工作的人，天天拿AI Agent当成无所不知的万能神、百宝箱、随机神、超人，除了问弱智问题，就是玩猜猜看、问宏大开放的无异议问题， 这种人大概率会被这个时代逐渐淘汰掉。

为什么总有人在高速公路上面几十个几十个一起走路或者站着， 而且还给你来个夜间大封烟，前面全是烟雾，一旦开过去，立刻连续撞死二三十个。 而且2023年已经发生过一次江西南昌1.8特大事故，一群人大半夜在高速公路上出殡，直接在上面慢悠悠走路，而且烧了一大堆纸，路上全是白烟， 直接撞死20人。

因为还是要赌用户成本的价格模型，给一个最低门槛，赌用户里面有20%~80%的用户用不完， 如果纯粹按照数token收费，成本肯定要再高一截出来，或者无法保证卖同等token下的profit margin， 归根到底，各家厂商都在赌，赌自家用户里总有那么一小部分token plan最后也用不完，再摊低一点点成本。 总之各家产品经理们终于想起自己英国水硕期间的微观经济学或者行为经济学教材上的加减乘除破模型了。

半年来，我一直反复介绍的四个原则： 原则1，AI时代的第一性原理：LLM一定会越来越聪明，benchmark越来越高，context window越来越大，reasoning越来越长，价格越来越便宜，inference速度越来越快， 这是scaling law今天依然持续的具体方向，不用你质疑，这是你唯一的信仰和行业最大共识。 原则2， 管理学设计红利：从我提出“自动编程机”、行业提出vibe coding、SWE-Agent以来，从cursor到manus到metaGPT到claude code， 人们逐渐把LLM Agent抽象成人，把软件管理、工程管理、管理学等等所有方法论直接套在multi agent workflow上面，严格按照人类管理学的方式去拆分、review、执行、反馈、循环， 这一波很快红利也吃完了，因为 a. LLM Agent毕竟不是人，存在着memory有限、执行力有限、function calling工具有限等等局限；b. 人类用于管理学的各种方法，直接套在LLM Agent上有利有弊，红利迅速挖掘完，剩下的弊端大量存在，比如过度交流、七手八脚、随时停工等等。 原则3，LLM Agent的职位和定位：绝大多数人，把claude code当做一个工具，最终的产品是用工具来完成的，最终的代码也是人与SWE Agent一步一步interactively迭代产生、迭代review、迭代部署的， 而我反复告诉过所有人，也是我又一条首次提出的原创观点，multi agent未来越来越会变成本身的一个runtime，这个runtime就运行在production里面，产品和面向的对象消费的，不只是软件或者SaaS本身，而是这个runtime实时产生的内容， 所以claude code/opencode/codex/openclaw这些agent，本身将会越来越多地被嵌入到产品本身，在产品关键逻辑和决策中发挥作用， 而绝对不仅仅停留在开发层面，把产品仅仅局限在SWE Agent单向产出和部署的代码和服务上。 原则4，也是我一直强调的，就是当人们试用了SWE Agent这种强大工具之后，人们还有哪些low hanging fruits可以寻找？SWE Agent目前最适合解决哪类问题？ 我反复讲过的一点是，对于一个设计复杂、环境复杂、场景复杂、用户复杂、体量复杂、范式复杂、一切开放、一切无解的超级复杂系统，这并不是SWE Agent最擅长的领域，相反这些场景需要人去和环境、客户、场景、性能一点点迭代才能打磨好的产品， 比如微信的100种功能，Facebook的一大堆功能模块和十几年来迭代出来的极其复杂的infra，支付宝后面成千上万的基金和风控，这些都不是AI Agent能一次性解决的问题，相反这些场景和问题不仅高度开放，更高度依赖人的观察、人的设计、人的反馈、人的定义。 AI Agent最适合的场景，甚至是我原创提出goal driven（ a. 定义简单、干净、封闭（一道数学系、一个确定性最小系统、一个编译器、一种算法、一个lean证明、一个电路或者信号模拟、蛋白质模拟和预测、CAD设计与仿真、游戏关卡测试、行为经济学仿真，都是well-defined problems，都有非常明确且封闭的边界） b. 解决问题的搜索空间巨大（可能有100~10万种天马行空的解决方案，并且绝大多数都是错的） c. 容易验证，容易verify，验证的成本是设计成本的千分之一（比如编译器，设计可能需要几万行甚至几十万行，验证只需要2000个test case全面覆盖，或者一道数学题，解决需要100步，验证答案只需要带入或者lean编译这一步） 当然，写一段简单的代码，定义一个封闭、完整、定义完全的编程问题，符合上面这些定义， 但是设计一套巨大、复杂、开放、与现实世界深度绑定、高度耦合的系统，让这个系统复杂迭代、添加功能、沟通、review、工程管理、产品管理，这些问题都远远超出这个范畴，很明显是不符合这个要求的。 人们未来探索这些multi agent产品和场景的最关键出路，在于继续挖掘这一类问题，而不是盲目把agent比作一个人，乱套各种管理学方法。 原则5，这一点我先保密，之后我再讲。

在我的语境里， 老登=老逼登/老鸡巴登，都是非常脏的骂人的话，比“老王八蛋”、“老杂毛”、“老棺材瓤子”这几个更严重， 好在被异化的“老登”作为网络用语，基本只流传在80后和90后群体里，不会继续往上推了， 否则在东北某条大街或者早市菜市场里直接骂一句“老逼登”、“老鸡巴登”，绝对能当场打起来。

马頔最后还是没有和傲寒结婚， 因为我童年一直是马頔的“傲寒我们结婚”、“傲寒我们结婚”， 最终找了李纯属实有点出乎意外，就好像陶喆跟Melody分了，Melody这破歌儿到处唱了几十年，导致刘硬炮女士到处露脸，评论区都要刷陶喆。 当然，马頔虽然没有和傲寒结婚，但是马涤尘还是信守了他的承诺， 把马健培养成了一代四胡名家，我曾经在雅盛天天蹲着听马健的四胡，直到他脑梗。

图1：全网上千个自媒体鼓吹厦金大桥正在修建，台湾马上要回归了，厦门开车直接进金门，马上从金门修桥直接到台北，修完大桥直接统一台湾。 图2：厦金大桥有两段，厦门段（厦门市到厦门翔安机场）正在修，金门段遥遥无期。 从金门修到台北更是胡说八道。