十年前，一个MIT大一新生，在冰箱里装了一个摄像头。 他怀疑室友在偷吃他的东西。 计划很工程师：拍下来，写个AI，当场抓获。 小偷没抓到。 他先被自己拍下的海量视频淹没了。 那一刻他想明白了一件事： AI 缺的不是算法，是数据。 要做成它，得有现在一百万倍的数据。而这堵墙，每个做AI的人都会撞上。 这个新生叫 Alexandr Wang。 他出生在新墨西哥州的洛斯阿拉莫斯，美国第一颗原子弹诞生的小镇。 父母是中国移民，都是镇上国家实验室的物理学家。 六年级，他第一次参加数学竞赛，目标是赢一趟迪士尼之旅。 他赢了。 后来一路打进美国数学奥赛集训营、美国物理国家队。 17岁，他一个人去了硅谷，在旧金山四处借住沙发，挨个找CEO自荐。 简历几乎是空的，他只说了一句：我热爱写代码，我会跑得飞快。 Quora 创始人 Adam D'Angelo 收下了他。 在 Quora 干了两年，他才去读 MIT—— 然后，就有了冰箱里那个摄像头。 2016年夏天，19岁的他和搭档 Lucy Guo 进了 Y Combinator。 两人在一间泳池小屋里办公，晚上睡气垫床。 他跟父母说，这只是个暑期项目。 然后，再也没回学校。 公司叫 Scale AI，干的是当时AI圈最不性感的活：数据标注。 别人在研究改变世界的模型。 他在雇人给图片画框，告诉自动驾驶汽车：这是个行人，别撞。 然后，风口一个接一个砸了下来。 先是自动驾驶，Waymo、Cruise 都成了客户。 再是美国空军和陆军。 2021年，Scale 估值 73亿美元。 24岁的他，成了全球最年轻的白手起家亿万富翁。 一年多后，ChatGPT 横空出世，大模型训练离不开人类反馈数据。 OpenAI、微软，都在用 Scale 的数据。 2025年4月，Meta 发布 Llama 4，口碑崩了，还陷入刷榜争议。 据杨立昆后来透露，扎克伯格非常恼火，对参与项目的所有人都失去了信心。 两个月后，扎克伯格出手： 143亿美元，买下 Scale 49% 的股份。 附加条件：Wang 本人必须来 Meta。 28岁的他，成了 Meta 史上第一位首席AI官，执掌新成立的超级智能实验室。 扎克伯格在内部信里，称他是"这一代最令人印象深刻的创始人"。 Wang 在给 Scale 员工的告别信里写：这一次的代价，是我的离开。 这个决定，难在哪里？ Meta 的AI阵营里，本来坐着一位图灵奖得主，杨立昆，深度学习三巨头之一，在 Meta 待了整整12年。 重组之后，他要向这个大学没读完的28岁年轻人汇报。 2025年11月，杨立昆宣布离开，出去创业。 后来接受《金融时报》采访，他这样评价这位年轻的上司： "没经验。" 他承认对方学得很快，但说他根本不懂研究是怎么做出来的。 质疑声从来没停过。 媒体爆出，他在会上和 Meta 的老将们意见不合。 2026年3月，Meta 另起了一个AI工程团队，不归他管。 有媒体直接起标题：扎克伯格可能已经"受够了"他。 Meta 出面辟谣，扎克伯格在 Threads 上晒出一张两人挽着胳膊的合影。 一个月后，超级智能实验室交出第一份答卷：Muse Spark。九个月，把 Meta 的整套AI技术栈推倒重来。 有评论说，Meta 总算重新回到了牌桌上。 2026年9月8日，Meta 发布个人AI智能体 Muse。 订行程、回邮件、填表格，甚至替你讨价还价。 它冲上了苹果 App Store 免费榜第一。 第三方数据显示，它上线头12天的日活，是 ChatGPT 当年同期的将近3倍。 9月23日的 Meta Connect 大会上，Wang 宣布：Walmart、Best Buy、Gap、Sephora、Wayfair，都在接入 Muse。 十年前，他雇人给图片画框。 现在，他的AI开始替人下单。 杨立昆说他没经验。 这话没说错。 但 Wang 对此，有另一套说法： "天真，是有巨大溢价的。" 不知道一件事有多难，才敢一头扎进去。 专家脑子里装着一张"此路不通"的清单。 创始人手里没有这张清单，所以会先去把路走一遍。 扎克伯格押的，就是这份溢价。 杨立昆也没有输。 他带着"大模型走不到AGI"的判断，拿到了超过 10亿美元融资，去做自己坚信的世界模型。 这从来不是谁对谁错的故事，是两条路线，各自押上了全部筹码。 赌局还没结束。 但扎克伯格这一注，第一张牌已经翻开了。 是张好牌。

NASA 肯尼迪航天中心静电实验室前负责人 Charles Buhler 博士，在播客上拿出了一个成本只要 1.5 美元的泡沫塑料块。 他说只要通上高压静电挂在绳子上，这个小东西就会在真空中自己往前拉着跑。 不需要喷射任何燃料，也没有任何工质喷出。 一百多年来，人类航天全部被一条铁律焊死：齐奥尔科夫斯基火箭方程。 要往前飞，就必须往后喷火、喷气体、喷等离子体。 飞船九成以上的重量都是燃料。 一个不带工质、不喷气体的静电装置，到底凭什么在真空里产生推力？ 这台机器的核心原理，在物理学上叫非对称静电压力。 Buhler 团队甚至为它申请了国际专利 WO2020159603A2。 物理学里有一个最基础的初中公式：力等于压强乘以面积。 静电场作用在导体表面时，会产生向外的静电张力。 过去所有人做静电实验，两边的受力面积都是对称的。 往前推的力和往后推的力一模一样，合力永远是零。 Buhler 的做法极其简单，也极其狡黠。 他把受力结构的一侧削成极细的刀刃尖端，把另一侧做成平整的大面积金属箔。 刀刃那一侧的面积接近于零，无论静电压力多大，乘出来往后推的力无限接近零。 而平整箔片那一侧拥有巨大的表面积，向前推的力扎扎实实地留了下来。 两边的力不再抵消。 一个不需要向外喷射任何物质的净推力，就这么诞生了。 更反直觉的是能量消耗。 产生电流和磁场需要持续消耗巨额电能。 但静电场只需要在建立电荷时充一次电。 一旦电荷在绝缘体表面固定下来，哪怕切断电源，这个静电推力依然可以维持。 Buhler 团队公布的最新实验数据，推重比已经超过了 1.8，意味着推力甚至超过了装置自身的重力。 从 0.38G 的持续加速度推算，飞船飞往火星的时间，直接从九个月被压缩到了三天半。 物理学界过去把所有无工质推进都当成永动机骗局。 因为每个人都在等一个颠覆牛顿第三定律的新理论。 而这台机器展示的，是一个被所有人忽略了上百年的几何漏洞： 当压力对称时，打破面积的对称性，系统内部的合力就不会再归零。 真正改写航天历史的突破，往往不在于发现了多么玄妙的新宇宙法则。 在于有人用最基础的物理定律，拼出了别人从没想过的几何形状。

对话 Liblib 陈冕：关于活下来，以及所有接近死亡的时刻 为什么一家看起来中国最成功的 AI 应用公司，同时也可能是最危险的一家？ 演语科技 Evoken，旗下有 Liblib、Lovart、LibTV 三个产品，ARR（年度经常性收入） 超过 3 亿美元。在 AI 应用融资最艰难的时候，它以 20 亿美元估值，一笔融了 3 亿美元。 围绕这家公司的争议也同时达到顶峰：有人质疑它缺少原创；有人认为它靠激进定价换增长；离开的人说它不够技术、不够创新，甚至有投资人判断，它迟早会爆雷。 这场对话，我们想追问的问题是：在一个模型不断吞噬应用价值的时代，一家独立的 AI 应用公司，要怎样 survive 到应用时代真正到来的那一天？ - 这代 AI 应用公司有一种特殊处境：最大的机会来自模型能力与用户需求之间的空缺，最大的危险也来自同一个地方——模型还在快速进化，今天属于应用的价值明天可能就被模型覆盖，成功不意味着离安全更近，有时只意味着获得了些许喘息时间去寻找下一块安全的地方。 - Evoken 创始人陈冕是一个极度焦虑的人，他觉得公司“完蛋了”的时候会哭，想通新方向后又觉得一切都有可能；他自称这种“焦虑型人格”恰好被AI时代选中了，“timing来的时候，要像狼一样扑上去”，焦虑、速度和侵略性既是他的性格，也是 Evoken 的生存策略。 - 如何在模型厂商的缝隙里 survive？陈冕用了《三国》的比喻：模型厂商还在 “逐鹿中原”，他想要趁江东还不是主战场，先统一江东，再利用这段时间修出自己的 “长江天险”。那道天险究竟会是什么，“修出来才知道是不是。” - 陈冕觉得外界说他们投流厉害是误解，他解释说他们在主流视频媒体压根开不了户，收入只有 3%～4% 来自投流，每月投流花费不到百万人民币，大部分是无法计算来源的品牌投入。 - LibTV 目前有几十万付费用户，其中年付订单占总数百分之二三十，陈冕觉得要警惕的不是年付订单本身，而是年付订单带来的“不使用”，如果能锁定预付款保证 LTV（客户生命周期价值），收益一定更大，关键还要看留存和用户粘性。 - 被问及“你们是不是字节最大的代理商”，陈冕说：没有问题，我们的价值就是在模型上叠了一层——对齐；他的比喻是：模型是单反相机，普通人摁一下也能拍照，但想拍出专业作品得请摄影师，应用层就是那个摄影师；相比文字，多模态的需求更难说清，更依赖对齐层。 - LibTV 上线后最大的争议是原创度，陈冕承认 LibTV 不是第一个拿到 PMF 的产品，他的逻辑是“在人类科技竞争的历史上，第一个发现PMF和最终赢得这个市场，差着十万八千里”，商业社会没人因为你第一个找到 PMF 就把 PMF 让给你。 - 陈冕的核心策略是“先 build attention，再 build ability”——不认为找到PMF就结束了，如果市场增量爆发而你没抢到，存量就没有意义；他在内部常说的一句话是“这件事不急，但一定要快。” - 回到创业的第一场仗，陈冕说自己犯的第一个大错是拒绝所有融资——对手吐司（ 万美金天使轮，打得死去活来；为了打赢这场生死仗烧了 300 万美金，账户花到只剩 4000 块，战斗结束后开始疯狂见投资人，结果没人愿意投一个快倒闭的公司。 - 陈冕说让这场仗赢的关键决策是，只补贴设计类作者不补泛娱乐类——“在生产力赛道，不是用户多谁就赢，是谁掌握最高价值的生产谁才赢，到了 AI 这代更明显，大部分人用 token 产出的东西价值是不高的。” - 组织问题是 Evoken 的另一道伤疤：早期联创走了一半，原因之一是陈冕随意地给了大约10个人“联合创始人”的 title，陈冕说自己没把 title 当回事，但公司有一定影响力之后，大家会把 title 当做对他的认定。 - 有 Liblib 前员工说陈冕的口头禅是“你别干了滚”，但陈冕回应“肯定不是‘滚’，‘别干了’肯定说过，一个老板不可能没说过这三个字。” - 投资人最常问的问题是"应用会不会被模型吞掉"，陈冕的回答是：应用的时代还没有来，只有Token便宜、智能随手可得的时候才会来，可能是两三年或五年后的事；现在很多应用会被吞掉，活下来的没有几个，但未来还会诞生新的。 - 陈冕的精神图腾是金庸小说里的杨过，离经叛道的小子最终成为神雕侠，内心始终有理想主义情怀；他自己小时候也是离经叛道的网瘾少年，计算机奥赛是为了撬掉自习课去打游戏，高考加分取消后崩溃大哭，最后半年只做一件事——刷每一届的高考和模拟考的卷子 hack reward，才考回东南大学。 - 创业后陈冕修正了一个想法：以前认为时势造英雄，现在发现英雄也会改变时势，无法改变潮水的方向但可以影响浪潮的波动；如果没有 Evoken 可能会有三家更小的公司，需求不会变只是可能被大厂做掉了。 - 对于应用创业者的建议：拿到钱的人要守好口袋，不要在无效内卷上消耗现金流；GTM 不是一个孤立的市场能力，本质是“如何快速拿到PMF”，这个过程有两件事最重要，一是识别或打造能 PMF 的产品形态，二是抓住模型或技术范式改变带来的新体验。技术带来的新体验能获得 attention，但不一定带来留存；真正带来留存的，是找到当下用户需要的产品形态。大家觉得 GTM 难，往往是这两个都没做到。 - 最后陈冕说了一句放在结尾恰到好处的话：“创业就是开了一台超级快的车，边开边修，车上的人来来去去，窗外的风景也来来去去，但你没有时间停下来跟这些人say hello 和 say goodbye，也没有时间好好看风景。最后分开的时候，我回头看了他们一眼，他们可能觉得我是恨他，但其实那一眼是不舍。” #latepost# #ai#

新的马里奥大电影对于游戏粉丝来说还算及格吧，发现来看的都是成年人哈哈 🤣。不知道任天堂会不会像迪士尼冰雪奇缘那样，出一个大女主的电影，救公主的情节有点疲劳啦。

【玉米新品種“國奧312”刷新西南高產紀錄】四川農業大學22日消息，玉米新品種“國奧312”在雲南省曲靖市霑益區千畝高產示範片測產中，小面積地塊折合畝產達1399.8公斤，刷新雲南玉米小面積樣板方產量紀錄；同時也創造了西南水肥一體化千畝噸糧高產典型，平均畝產1268.8公斤。