健完身回家硬挺的受不了，想射但是要忍住，等到跟你见面一起释放好吗？ 快来吧，不要让我等太久 #来找我# #不聊天怎么开始# #体育生#

一个能帮你写代码、写文案、查资料的 AI，到底是让工作变简单了，还是变复杂了？ 很多人的第一反应是：当然简单了。 以前要自己一行行写，现在把需求丢给 AI就行。听起来，人终于从重复劳动里解放出来了。 但真正用久了会发现，事情没有这么轻松。 最麻烦的，往往不是第一句提示词怎么写，而是后面那一长串过程怎么收住。 AI 做完以后，谁来判断它做得对不对？它失败了，是继续重试，还是换方向？它这轮查过什么资料，下轮还记不记得？它什么时候应该继续往前跑，什么时候应该停下来交给人？ 这就是为什么最近很多人在讲 Loop Engineering。 它是个新名词，在提醒一件很具体的事： 当 AI 从“回答一句话”变成“执行一段流程”之后，真正重要的除了prompt，还有这个流程本身。 以前我们最关心的是怎么写一个好提示词。比如“请你扮演资深工程师”“一步一步思考”“输出结构化结果”。 这些当然还有用，但它们更像是一次性的启动口令。 你喊一声，AI 动一下；你发现不对，再补一句；它改完，你再看一眼。整个过程里，真正负责推进、检查、记忆和刹车的人，还是你。 Loop Engineering 想解决的是另一件事： 能不能把“发现问题、执行任务、检查结果、记录状态、决定下一步”做成一个可以反复运转的小系统。 举个具体例子：每周五都要写一份工作周报 以前的做法可能是这样的：先翻一遍微信、飞书、邮件、项目文档，把这周做过的事零零散散找出来；再让 AI 帮你整理成周报。它写完以后，你发现有些事漏了，有些事夸大了，有些“下周计划”根本不是你真正要做的。 于是你又补充一轮背景，让它重写。写完你还得自己检查：哪些是已经完成的，哪些只是推进中，哪些不适合写给老板看。 这看起来是在用 AI 提效，但实际上你还是在旁边一点点推着它走。AI 是在写周报，可真正负责回忆、筛选、判断和兜底的人，还是你。 如果把它改成一个 loop，思路就不一样了。 这个 loop 可以这样设计：每天结束时，AI 自动从你的任务记录、会议纪要和聊天摘要里抓取当天新增事项，先按“已完成、推进中、卡住了、需要别人配合”四类归档。信息不完整的，不允许直接写进周报，只能标记为“待确认”。到周五时，它再把这一周的记录汇总成初稿，并且每一条都要带来源：来自哪次会议、哪个任务、哪条记录。 最后，它单独列出三个部分：本周真正完成了什么、下周最重要的三件事、哪些问题需要向上同步。 这样一来，AI 就不只是周五临时帮你写一篇周报。它是在一周里持续记录、分类、校验，最后再生成一个可以被你快速审核的版本。 你看，这里真正有价值的不是某一句神奇 prompt，而是这一整套闭环。 它知道从哪里开始，知道缺资料时不能硬写，知道写完以后要验证，知道哪些内容必须留痕，也知道哪些判断不能自己拍板。这样一来，AI 就不再只是一个临时被你叫来的写手，而更像进入了一个固定工位。 当然，这件事也没有听起来那么美。 Loop 一旦设计不好，会比普通 prompt 更危险。普通 prompt 错了，最多错一段；loop 错了，可能会沿着错误方向跑很多轮。比如你让它自动追热点、自动生成选题、自动写初稿，如果没有来源检查和人工刹车，它很快就会生产出一堆看起来完整、其实没有根的内容。你表面上省了时间，最后却要花更多时间清理垃圾。 所以 Loop Engineering 的重点不在于让 AI 自己干完一切。 它真正的重点是：哪些环节可以交给 AI 反复跑，哪些环节必须由人来判断。 适合做 loop 的工作，一般有几个特征： 它会重复发生，流程相对稳定，结果有办法检查，而且失败后能知道怎么处理。 写代码里的测试修复、内容里的资料筛选、运营里的用户反馈归类、研究里的论文初筛，都比较适合。 反过来，如果一个任务本身标准很模糊，结果很难验证，或者每次都需要强判断，那就不要急着自动化。 这也是我现在越来越不迷信“万能提示词”的原因。 提示词当然重要，但它解决的是一次对话怎么开始。真正决定 AI 能不能长期帮你干活的，是你有没有把工作拆成稳定的输入、清楚的判断标准、可调用的工具、可验证的结果和能延续的记忆。 以前我们比的是谁更会问 AI。接下来可能比的是谁更会安排 AI。 不是安排一个回答，而是安排一个循环

最强「保姆级」的【币安广场】攻略贴，它来了 一、为什么要做币安广场？ 先说最核心的一点。 你发内容，永远是给受众看的，而不是给平台看的。 币安广场背靠币安交易所，覆盖超过 3 亿用户，而且是 100% 纯血脉的 Crypto 交易用户。 对于内容创作者也好、KOL 也好，本质从来不是“你在哪，粉丝就该在哪” 而是—— 你的粉丝在哪，你就应该在哪。 这也是为什么你会看到，很多原本在别的平台做得风生水起的大主播，会在某个阶段集体迁移阵地（某音）。 不是他们变了，是用户在那。 （至于广场对比其他平台的优势，这里就不展开了。 比如内容挖矿、文章打赏、跟单佣金、直播打赏这些直接收益，视频里已经讲得很清楚了；包括和某音、某博、某书、推特各自的强弱对比，这里就不赘述了。） 二、为什么说币安广场更“适合真正想做事的人”？ 因为它有一个非常重要、也非常稀缺的特性： 高度透明 不管你是发帖还是直播，都可以直接展示交易方向、仓位大小。这件事从机制上，几乎杜绝了： “哪有喊单自己不上” “P 图大神” “事后诸葛亮” 在这里，真金不怕火炼。 如果你作为一个 KOL，是想把有价值的内容、真实的交易记录、清晰的解盘逻辑传递给粉丝，而不是靠骗、靠割、靠制造幻觉来换关注度，那币安广场，就是最好的试炼场。 三、想清楚一件事：广场的用户是谁？ 想把广场做好，第一步不是急着发内容，而是先理解用户。 你多刷一刷就会发现，广场里被反复问的，基本就这些： “现在这个行情是多还是空？” “我这个单子被套了，怎么办？” “这个代币项目是做什么的？” “这个 Alpha 活动能不能参加？” “最近有什么利好或利空？” 这也是为什么圆桌会议里反复提到一句话： “广场用户更垂直。” 他们真正关心的是： 【交易 · 市场动向 · 学习 · 技术 · 信息差】 而不是擦边、扭屁股、情绪表演。 说句直白的，你不可能点开一个交易所，还期待刷到 “刀马刀马刀马”或是“先秦淑女步 素~”。 哪里有需求，哪里才会有供给。 所以你会发现，广场真正跑出来的主流创作者，基本都在这几个方向： 交易：颜驰@BTC563、黄瓜猫@0xPickleCati 教学：艾叔@Qzzonebit、大漠哥@damobianyuan 研报：链研社@lianyanshe、土澳大狮兄@broleon 链上：ai 姨@ai_9684xtpa、oxaa @0xAA_Science 宏观：倪大@phyrexni、比特吴@Bitwux 新闻：ab @_FORAB、唐华斑竹@uniswap12 市场动向：林克@CryptoSociety42、杰尼君@Meta8Mate （币安百大创作者，基本也都在这些方向里展开，还有很多优秀的没一一艾特，但都在我心里~） 再说一句比较扎心的。 如果你告诉我你什么都不会，那我确实也不知道你是怎么在这个圈子里活下来的。 如果你说你只会深耕骗术，那我只能恭喜你——运气确实不错。 但长期来看， 骗术没有复利，能力才有。 定位想清楚了，剩下的其实就两件事： 时间 + 内容打磨。 四、“现在做广场晚不晚？” 这是最近我跑会，被同行问得最多的问题： “现在做广场晚吗？” “我该怎么开始？” “你们粉丝这么多了，我怎么竞争得过？” 我当时采访一姐的时候问了这样一个问题。 我说，如果把币安当成一个人，现在属于什么阶段？ 她说： “还是小学生吧，离很多优秀的企业差距都挺远的。” @heyibinance 那币安都还在成长阶段，广场说白了，可能还在婴儿期。 所以我才敢写说这篇叫“保姆级”的东西。 现在做广场，某种程度上像什么？ 像你 10 年做某宝， 像你 18 年做某音。 不画饼了，免得你们说我 cx 味太重。 我只说一句： 这个世界上，几乎没有真正意义上的“晚”。 甚至不光不晚， 还可能是你作为“新人”实现弯道超车的好时机。 我以自己为例 我 19 年入圈，但真正开始系统做自媒体，是 24 年。 那会儿也是牛市来了，想分享点自己的观点，再加上那会儿驰大按头逼我起号。 一开始只是在某站、某博、油管做日更解盘视频。后来因为国内媒体限制越来越大，账号基本全被封了，某书甚至只活了一天。 所以我干脆用 “广场 + 推特” 来平替国内媒体，转成纯海外阵地。 那段时间基本就是： 早起日更视频：广场 + 油管 图文策略：广场 + 推特 （这点也很能体现广场的多样性。） 后来为了更及时、更高效、更灵敏，我又用直播替代了日更视频，在广场 + 推特同步直播，当场捕捉交易机会、现场博弈。 再到现在，直播又开始成为新的趋势，有点像从淘宝下单转移到抖音下单，更有带动性，也更高效。 （这个变化，回头可以单独写一篇。） 一路坚持到现在，小有成绩，都是托粉丝老爷们的福。 但数据其实很直观： 油管：18k 推特：16k 广场：72k 从某种意义上说，我确实完成了一次弯道超车。 再举一个最近的别人的例子 推特上最近很火的交易员，“聪明钱”第一的黄瓜猫@0xPickleCati，是我 7 月她来泰国旅游的时候，当面安利她做币安广场的。 短短四五个月，已经 18k 粉丝，高质量内容输出，稳定直播解盘，高效的心理辅导，偶尔还给粉丝讲脱口秀。 更有意思的是，因为广场，她顺势搭起了自己的中文私域社区，目前她的中文可以说是突飞猛进，如虎添翼（必须得说点成语难为一下她）并且全是超高质量的交易用户，TG 群每天聊天上万条。说白了，已经不只是涨粉，而是真正做到了相互成就。 再说竞争这件事 任何行业里，你真正的对手，永远都只是昨天的自己。 如果你总觉得： “他做大了，我就没机会了” 那现在： 手机厂商应该只剩一家 电动车也应该只有一个品牌 很多人看到颜驰@BTC563体量大，就觉得把广场都吃了。但你换个角度想，就算没有颜驰，也一定会有旦驰、艾驰。 如果你把焦虑放在别人身上，那你永远都走不出来。 五、不是有希望才坚持，而是坚持了才有希望 起步从零，肯定不轻松。 发了没人看，被冷启动折磨，这些都很正常。 这里顺便分享一个涨粉小技巧： 适当给粉丝发红包。 我们 KOL 能走到今天，本质就是一个相互成就、相互成全的过程。 没有庞大的用户群，就没有币安； 同样，没有粉丝，也不会有我们。 币安广场在图文和直播里，都有“反向打赏”的小红包功能， 这一点真的比推特好用太多了。 （推特的抽奖工具，懂的都懂。） 只能靠持续输出、不断打磨，慢慢适应粉丝的节奏。 所以“持之以恒”在这件事上，真的不是鸡汤。 至于结果， 交给时间。 六、最后，也是最重要的一点 借用林克@CryptoSociety42的一段话，作为结尾，我一直很认同： 【行业里从来不缺靠炒作博眼球的、用谣言拉流量的、无底线蹭热点的、甚至不惜伤害用户来换曝光的。 不是所有流量都是正面反馈， 有些热度会腐蚀人，有些流量会反噬人，这点我想大家都看到了案例。 羽毛比任何流量都重要，声誉是你最宝贵的资产。】 路别走歪了。 这个年代，你能骗到的， 往往都是最信任你、最爱你的人。 万物守恒。 人，是要讲良心的。

截至上半年，每天 2 亿多人使用的豆包，日收入不足百万元，主要来自电商佣金。 而到今年 5 月，豆包应用每天消耗数千万元——参照火山引擎公开 API 价格，结合豆包大模型的毛利率、豆包用户使用习惯推算。文字聊天不贵，按每天人均 15-20 分钟的使用时长，只要几分钱，但推理，以及图片识别、语音聊天、视频聊天等多模态功能需要的算力成本要贵几倍甚至几十倍。 这还没算为训练豆包模型搭建的算力中心成本。一座大型智算中心往往需要数万张 AI 芯片，还要配套数据中心、供电、网络、散热和运维等基础设施。根据《南华早报》报道，字节跳动计划将 2026 年的资本开支上调超 2000 亿元，相当于它 2025 年利润的约六成。 如果字节能获得更多训练必须的英伟达卡、国产推理卡产能更充足，豆包消耗的资源会更高。 豆包延续移动互联网时代做产品的路径，以免费应用吸引大批用户，再谋划商业变现。但由于 AI 的高昂成本，仅仅维持豆包正常运行需要的钱就超过了整个 Bilibili 的经营成本——豆包每天总用户使用时长不到 Bilibili 的 1/8。 据我们了解，两个月前，有字节高层到访 Anthropic，回来不久，字节开始调整 AI 资源分配，重心从豆包这类面向大众的产品，转向服务企业的产品。 过去半年，Anthropic 证明了 AI 编程能让巨额基建投入产生回报：Claude Code 2025 年 5 月上线，半年做到 10 亿美元年化收入，今年 2 月翻到 25 亿。靠为企业提供付费服务，每天只有 3000 万人用的 Anthropic 估值冲到 9650 亿美元，反超每周有近 9 亿消费者用 ChatGPT。 字节 Seedance 也证明了企业服务这条路走得通。据《晚点 LatePost》了解，字节这款视频生成模型当前年化收入（ARR）已达 20 亿美元（约 143 亿元），单月超 10 亿元——差不多抵消豆包的算力成本。Seedance 绝大多数收入来自企业客户。 知情人士告诉我们，字节大模型数据审核团队今年从约 1500 人扩到 3000 多人，为编程模型清洗训练数据；火山引擎的 MaaS 业务也被摆到更重要的位置，字节最高层定下了收入翻 10 倍、加快出海的目标。 曾经字节和快手自己就给过教训——今日头条不到两年就让广告与增长同步起量，快手慢半拍、等短视频红利见尾才系统卖广告，补课成本高得多。AI 演进更快，留给各家想清楚怎么赚钱的时间只会更短。

重新审视 Token (词元）的属性 TLDR： 之前我也一度觉得是大宗商品/资产 甚至还设想过相关的交易和定价逻辑 也看到不少人提过Token期货，交易所之类 但现在我倾向它只是一种服务，没必要过度金融化 毕竟它没有办法脱离AI推理单独存在，无法被提前生产出来或预先被囤积。但换个角度看，是服务，就天然是分层的、多元的，不同的人有不同的需求，这其实也恰恰奠定了AI 经济必将是百花齐放而非赢家通吃的基础。 在这浪潮中，红利属于能把廉价 Token 加工成更有价值的 Token 卖出去的人。 -------------------------------- 我的一些个人思绪和逻辑： 1、Token (词元）经济从何而来？ 首先它是AI训练转向AI推理的产物， 这是理解 Token 商业模式的基础。 过去模型训练时代，主要是卖算力时间。为什么？因为训练是持续性的大工程，需要大量算力协同工作。这种规模的投入，有资本的大厂基本都会选择自购，毕竟可控性最强，但对于没有能力一次性投入大量资金的团队来说，出于对稳定性的要求，也会倾向选择租赁模式，包下一整段时间的独占使用权，榨干这段时间内算力的所有价值，是一种占用的逻辑。 但随着主流大模型开始进入商用阶段，AI 算力的需求重心也从模型训练转向了推理。你用 GPT聊天、用 Claude写代码、问豆包问题，这些本质上都是在跑推理，每一次调用，都在为你做一次推理和计算。 而推理是相对碎片化的、一次性的、用完即走的。虽然也有不少企业，仍然会采用租赁或自购的模式来跑推理，但对于广大中小开发者和应用方来说，他们对算力独占性的要求并不高，因而额外衍生出了按消耗计费的模式，这样算力服务商就可以把算力资源同时卖给成千上万个客户。 Token (词元) 就是在这种背景下而产生的，衡量每次计算消耗了多少资源的那个单位，你付的钱，就是对这次计算的补偿，本质是消耗逻辑。 所以训练和推理是完全不同的生意形态： 训练时代，商业模式是卖 GPU 时间。 推理时代，商业模式是卖 Token (词元)。 --------------------------------- 2、为何Token (词元) 是服务属性而非商品/金融属性？ 卖Token (词元)，就是卖服务！ Token (词元) 经济，本质是服务经济！ 为什么？ 一个比较直接的原因是 Token (词元）不能被预先生产出来，而是产出后就被消耗掉了，并作为衡量你这次推理服务所消耗资源的参考，来给你计费。 且Token (词元) 的一些特性，也和大宗商品的逻辑不像： - 价格长期下降趋势 - Pay-As-You-Go - 难以标准化 你在Claude的100万Token额度，和你在Minimax的100万Token额度，两者本身是没有可比性的，模型不同，性能不同，定价完全可以不一样。 而大家愿意接受价格差异的原因，也是因为 Token (词元) 本质上计量了一种非标准化的服务，而不同用户对服务的诉求是不同的，有的人看重性能，所以愿意支付溢价，有的人看重成本控制，所以觉得国产开源模型也够用了。 而整个模型市场占有率，并没有出现几家独大，本身也是其服务属性的体现。如果 Token (词元) 是资产，那资产的流动性、网络效应，一定会引发所有资源最终向一个市场集中，形成赢家通吃的局面。但恰巧 Token (词元) 其实是服务，而服务市场天然是分层的、多元的，不同的服务商满足不同的需求，所以才构成了 AI 经济百花齐放的基础。 我想通这点后，就不再纠结模型厂商只有哪家笑到最后了。 因为未来必将是多模型共存、多层级并行的格局，Token（词元）也将会被计入到企业的会计成本之中，并反映到企业的产品和服务之中。 比较值得关注的一点是，AI时代Token所代表的服务经济和传统的人力服务经济，成本曲线可能是完全反过来的。由人所提供的服务，长期要求的是报酬上升，这也是为什么服务业占比高的经济体，服务更贵。但 Token 服务恰恰相反，价格长期只会下降，当 Token 逐步替代掉一部分原本需要人力智力才能完成的工作，这部分成本不但不会随时间上升，反而会持续走低。 这可能也是这一波AI的红利之一。 ------------------------- 3、这个Token (词元) 服务都有谁在卖？ - 闭源模型厂商 - 开源模型厂商 - 开源模型托管商 - 大模型聚合器、中转站 1）闭源模型厂商：直营为主，分销为辅 最直接的模式。OpenAI 卖 GPT 的 Token，Anthropic 卖 Claude 的 Token。模型自己训的、API 自己提供、定价权在自己手里，产品和渠道都是自己的，跟品牌直营店一个逻辑。当然作为最顶级的模型，难免会被接入像一些API中转站，或者Open Router这样的大模型聚合平台被动分销。 2）开源模型厂商：开源也挺赚钱的 开源模型谁都可以拿去用，很多人不想自己本地跑，因此催生出了一批开源模型托管商，他们可以帮你跑模型，并按 Token 收费。但这就引出一个问题：Token 的钱都让模型托管商这些中间商赚了，开源模型的开发者自己怎么赚钱？这一点，至少中国的开源模型厂商，走的很灵活。 像Minimax，Kimi，Zhipu，它们都有自有的 API 直售，更多面向开发者群体，并且也都有自己的 Coding Plan 订阅包，把按 token 计费玩出了订阅制，完全是中国移动卖流量的玩法。而OpenClaw 这波更是让它们赚得盆满钵满，各自推出了品牌化的 Claw 产品，帮用户把 OpenClaw 部署好，底层跑自家模型，Token 消耗从自家 API 走。 3）开源模型托管商：帮别人跑模型，赚差价 对于那些没有能力或意愿自己卖 Token 的开源模型来说，托管商就是它们触达用户的渠道。它们帮开发者跑模型、按 Token 收费： - Together AI / Fireworks：自有 GPU 集群 + 极致推理优化，核心竞争力是翻台率，同样的卡单位时间能吐出更多 Token。 - Groq：自研 LPU 推理专用芯片，不用传统 GPU，核心竞争力是极致速度，跑 Llama、Qwen 等开源模型比 GPU 快。 - Cloudflare Workers AI：全球 300+ 边缘节点，跑 Llama、Mistral、Qwen，最近还加了智谱 GLM 和 Kimi，核心竞争力是低延迟 + 开发者生态 - AWS Bedrock / Google Vertex AI — 企业级云平台，跑 Llama、Mistral 等主流开源模型，核心竞争力是客户的数据和基础设施已经在这些云上了，迁移成本低 4）大模型聚合器：一个入口管所有模型 闭源和开源的大模型越来越多，而不同场景适合不同模型，不同模型的优劣势不同，对开发者来说，一个个去接不同厂商和托管商的 API，管理起来很痛苦。于是催生了 OpenRouter 这类聚合器，可以接几十个模型，开发者在一个地方统一管理、按需切换即可。 OpenRouter按照批发转零售的模式盈利，各家模型厂商把自己的Token分销出去。而 OpenClaw 这波直接让 OpenRouter 上中国模型的消耗量暴增，前十名 Token 消耗量中，中国模型占了 61%，前五有四个是中国的。 而围绕这条 Token (词元) 产业链，也衍生出了一些其他的参与者和新需求： 第一是一些推理优化引擎，vLLM、SGLang 这些开源项目，在大家对效率极致追求的当下，通过对硬件算子层面（更高效地利用 GPU 计算单元，减少内存碎片和带宽瓶颈）以及 LLM 算法层面（让多个请求共享已经算过的内容，更聪明地管理显存）的优化，提升同一张卡在同一时间内的 Token 吞吐量。 它们自己不面向终端用户收费，但 Together AI、Fireworks 这些托管商底层用的就是这些技术。也有不少自己本地跑开源模型的开发者，会直接使用 vLLM 或 SGLang 来搭建自己的推理服务。 第二是对Token消耗的优化需求，当 Token 消耗逐渐常态化，自然就会有人开始琢磨怎么省钱，也有不少人早就抱怨OpenClaw高昂的Token消耗，那么，帮你预览一次 Prompt 会消耗多少 Token、建议怎么优化 Prompt 来降本、甚至自动帮你选性价比最高的模型和服务商的产品，就很有市场了。 ---------------------------- 4、AI经济时代，真正的机会在哪？ 我觉得 Token 经济的红利，属于把廉价的 Token 加工成更有价值的 Token 卖出去的人。 1）如果你有能力，就做一个模型，哪怕是微调的 你不需要从头训一个 GPT，在开源模型基础上针对某个垂直场景做微调，只要在某个细分领域效果够好，就有人愿意按 Token 付费调用你的模型。前面说了，Token 是服务，服务市场天然分层，通用大模型吃不掉所有场景，垂直微调的模型在自己的领地里反而更有定价权。 2）做一个新时代的产品，开放 API 你的产品底层消耗 Token，但你的产品本身也可以对外输出能力，你开放 API，让别的开发者和 Agent 来调用。你买入底层模型的 Token，加上你的产品逻辑和数据，产出更高价值的 Token 服务卖出去。这跟传统行业买原材料、加工、卖成品的逻辑是一样的。 3）写 Skill，做 Agent 每一个被广泛使用的 Skill 和 Agent，背后都是源源不断的 Token 消耗。你写的 Skill 越好用、越多人用，你帮模型厂商卖出去的 Token 就越多。这不是你直接卖 Token，但你是这条产业链上的分销渠道。 而不管你选哪条路， 你的护城河在我看来最终都会归结为三样东西： 算力、算法、数据。 算力影响你的吞吐量 算法影响你的效率和成本 数据决定你是不是不可替代

我20岁不是处女怎么了？？！昨晚一个男的跟我聊天，问我是不是处女，我说不是，他就开始教育我，说00后不要脸不知道洁身自好，实在是太随便了，对不起父母。不是哥们我一男的我不是处女怎么了?

昨天跟同行一位朋友聊天，说起了未来可能的UBI，我俩都不是爱鸡娃的人。朋友说要不以后小孩就领个UBI做个快乐的猪也是一条路？这条路体验是不是也还OK 我表示了不同意见，我说娃将来领不领UBI不好说，但有两个点还是得注意的 1是从大规模人类失业到大规模人类领UBI，这中间大概率有个10-20年的GAP，怎么挺过这个过渡期是个问题 2是我们作为中登目前的人生体验，应该知道人要想有可持续性的好体验（所谓幸福感），基本就两条路。一是自己个人不断走上坡路（健康，财富，人际关系等等），二是作为社会性动物写死在基因里的东西 - 社会中的相对地位保持较高，或者也持续的向上走。从这个角度，溥仪虽然锦衣玉食，但人生体验就很差，因为出道即巅峰，人生一路都在向下走 身边人都挤地铁，你开个小米就很开心，邻居都是法拉利，你的911也不怎么香。等到UBI时代哪怕人均出行兰博基尼，“神人”阶级却已经开始宇宙飞船畅游太空，发地球照片当朋友圈的时候（孙哥不是说你，哈哈），你的兰博应该带不来什么幸福感 然后朋友问我那小孩怎么办？讲真我也不知道，儿孙自有儿孙福🤣