地理风水五行分析: 西雅图 水木旺，辅以金。常年阴雨，多云湿冷。众多海湾湖泊河流汇集，雾感重，阳光不多。一个被绿植覆盖的，崇尚自然，徒步露营的城市。 微软，亚马逊，波音公司等知名公司的进驻带来了强技术，理性冷静的工程师文化。火元素依旧是偏少的，城市气质比较内敛，适合深耕技术与默默创作。 依旧利好需金生水，水生木相生结构的人士。比较适合需要思考型的，对过于功利型的环境比较不喜欢的人士。

1888 年的一个清晨，一个德国女人偷开走了世界上第一辆汽车。 她叫贝塔·本茨。 车是她丈夫卡尔·本茨造的。 那时候卡尔造的"专利汽车号 3"已经停在车间里两年了。 没人买。 没人相信一辆没有马拖的车，能从一个城市开到另一个城市。 卡尔自己也开始怀疑。 贝塔认为问题不是车，是人们不知道这辆车能干什么。 那个早上，她带着两个十几岁的儿子，没告诉卡尔，把车推出了车间。 她要从曼海姆开去普弗茨海姆——见她母亲。 路程：106 公里。 那时候没有加油站，没有汽油。 她沿路停过几次药店，买"轻石脑油"——一种用来洗衣服去油渍的清洁剂。 那是当时唯一能当汽油用的东西。 车爬山爬不动，她让两个儿子下来推。 木头做的刹车在长下坡时几乎冒烟。 她在维斯洛赫一家鞋匠铺停下，让师傅在木刹车上钉上一块皮革—— 世界上第一副刹车片，是这样诞生的。 发动机点火堵了，她从头上拔下一根帽针通开油路。 点火器漏电，她解下袜带做绝缘。 走了 12 个小时。 到达普弗茨海姆的时候已经天黑了。她拍电报回家。 这条电报第二天上了报纸。 德国第一次有人意识到—— 一辆没有马的车，真的可以走 100 公里。 它不是玩具。 订单开始进来。 刚开始的时候，本茨的车一年只卖几辆。 十年后，几百辆。 二十年后，全德国的中产都开始买车。 三十年后，奔驰是世界上最早的汽车帝国之一。 晚年，有人问卡尔·本茨这一辈子最感激谁。 他没有说投资人。 没有说工程师。 没有说他自己。 他说了两个字： "贝塔。" 提问的人说："她做了什么？" 卡尔说： "我造出了那辆车，但我自己都开始怀疑它能不能用。 是她替我相信的。 她那 12 个小时的颠簸，是在告诉我——你造的东西是真的。 发明一件东西的人，最难找到的不是材料，不是钱。 是一个比你更相信它的人。"

① 带着恐惧用 AI，得到恐惧的放大。带着好奇用 AI，得到好奇的放大。 ② Every 工程师不写代码，全交给 agent。但 agent 产出的东西需要人的判断和审查。工作量没少，难度上去了。 ③ 斯拉能接管方向盘，因为终点和路线都确定。知识工作大多数不知道终点。不确定性，是人无法被替代的原因。

台湾一次性突击检查了 17 家中资背景的科技公司，包括国科微、盛美半导体、珠海冠宇、炬星科技等，怀疑他们涉嫌未经许可设点招聘半导体、AI 和电子人才。 换句话说，台湾怀疑中国大陆企业非法在台湾挖掘高科技人才。 从这里可以看出，台湾半导体产业最核心的资产，就是绑定在核心技术人员身上那些核心的行业知识和经验。 去年出Intel被低估的那期视频时，全球半导体竞争还只是小打小闹的台积电vs三星vsIntel，现在已经是美国+台湾+大陆+日本+韩国之间的半导体生态竞争了。 尤其是在AI爆发以后，从GPU到HBM，到先进封装，到设备，到材料，整个链条价值都暴涨，人才确实成为了最容易移动的技术资产。 而中国大陆缺这方面的高端技术人才就好像中国足球缺足球天才一样，大陆现在比较领头的中芯国际，成熟的制程还是 14nm、28nm，7nm 刚刚突破，距离台积电的 5nm、3nm、2nm 还是有不小的差距。这个差距里面很大一部分不是简单的理论，还有几十年量产经验形成的工艺 know-how。所以，吸引台湾工程师一直也是大陆半导体发展的重要意义。 过去类似的案例有很多，中芯国际早期就大量吸收了台积电的人才。梁孟松就是最著名的案例，他曾经参与台积电先进制程的研发，后来加入中芯国际，对大陆先进制程研发影响巨大。 现在也不是普通的芯片战争了，更接近 AI 战争。台湾台积电的先进制造和那么多半导体工程人才，都是美国和中国大陆都想要的。台湾的担心，就如同当初韩国三星、海力士的人才流向中国一样。 唉，其实站在自由市场的角度来说，工程师不属于个人，他们有选择更高薪、更好发展机会的权利。台湾企业也长期从西部吸收人才，限制人才的流动本身会降低产业活力。其实很多技术进步本身对于人来说没什么意思，比方说美国就吸收了很多欧洲资本家，硅谷更是吸收了全球。 但是，因为政治因素禁止了自由选择，我认为是有一点侵犯个人权利。很多人会认为先进半导体不是普通行业：如果一个普通软件工程师跳槽，带来的结果只是损失一个员工，大部分人可以接受；但如果一个负责先进制程量产的高级工程师跳槽，带走了几十年的工艺经验，那确实是战略上的损失。 因此，我认为比较合理的政策还是限制一下掌握尖端制程机密的人，或者说限制一下接触关键研发数据的人。因为美国也会限制部分军工人才流动，韩国也会限制三星和 SK 海力士核心技术人员跳槽，所以在一定程度上，合理的竞业协议和保密协议是可以被理解的。而且台湾经济太依赖半导体了，如果未来先进制造能力被复制，那它最大的战略价值就下降了、台湾加油喵！

《为什么懒惰是科技进步的动力》 人类经常说： 懒惰推动了科技进步。 这句话听起来像是一种玩笑，好像人类因为不想劳动，所以发明机器代替自己。 但如果深入观察，会发现“懒惰”这个词其实描述错了一半。 推动科技进步的，并不是懒惰本身。 真正推动科技进步的，是人类对摩擦的感知，以及降低摩擦的冲动。 所谓懒惰，只是系统感知到“当前路径成本过高”之后产生的一种反馈。 ⸻ 一、懒惰，本质上是执行摩擦 假设一个人想喝水。 如果水就在手边，他不会觉得麻烦。 如果需要： 下楼； 去商店； 排队； 付款； 提回来； 这个过程中产生了大量阻力。 于是人会产生： “好麻烦。” 这就是所谓的懒。 但问题在于： 人类并没有停留在抱怨。 人发明了： 水杯； 水管； 自来水系统； 净水设备。 最后，喝水从一个需要完成的任务，变成一个几乎无感的动作。 看起来，人类变懒了。 实际上，人类只是把系统优化了。 ⸻ 二、文明进步，就是不断消除摩擦 如果把文明看成一个系统，它一直在做同一件事： 降低目标和行动之间的距离。 原始社会，一个目标需要大量直接劳动。 想获得食物： 寻找 → 捕猎 → 搬运 → 加工。 农业出现： 种植 → 收获 → 储存。 工业革命： 机器替代体力。 信息时代： 软件替代重复操作。 人工智能时代： 模型开始替代部分认知劳动。 每一次技术革命，本质都是一次摩擦压缩。 ⸻ 三、为什么人类会讨厌重复劳动？ 因为人的大脑本身就是一个节约系统。 生命演化了几十亿年，一个核心目标就是： 在有限能量下获得最大收益。 大脑非常昂贵。 它消耗大量能量，却不希望把计算能力浪费在重复任务上。 所以人类天然会寻找： 自动化； 模式化； 工具化； 流程化。 算盘、计算器、电脑、AI，本质都是认知卸载工具。 人类不是因为“懒”才创造工具。 而是因为： 高级智能会不断寻找更高效的资源分配方式。 ⸻ 四、“勤奋”与“懒惰”其实只是不同层级 低层次系统： 依靠投入更多能量解决问题。 比如： 一个人每天手工统计数据。 遇到问题： “再努力一点。” 高层次系统： 重新设计路径。 比如： 写一个程序自动统计。 遇到问题： “为什么这个过程需要人工？” 两者都可能表现为努力。 但方向不同。 低层次努力： 增加输入。 高层次努力： 减少摩擦。 真正伟大的创新者，往往不是最能忍受痛苦的人，而是最敏感于“不合理阻力”的人。 ⸻ 五、科技发展的核心，是摩擦迁移 很多技术并没有消灭劳动，而是改变劳动的位置。 汽车减少了步行摩擦，却增加了制造、维护、能源系统。 互联网降低了信息传播摩擦，却产生了新的信息筛选问题。 AI降低了知识生产摩擦，却提高了判断和验证的重要性。 所以文明不是消灭摩擦。 文明是在不断把低价值摩擦转移出去，把人的注意力释放到更高价值的问题上。 ⸻ 六、未来最重要的能力：发现摩擦 过去时代，价值来自： “我能完成什么？” 工业时代需要执行者。 信息时代需要专业者。 AI时代，越来越重要的是： “哪里存在不必要的阻力？” 因为执行能力会越来越廉价。 未来稀缺的是： 发现问题的人； 理解系统的人； 设计新路径的人。 一个优秀工程师，不只是写代码。 他会问： 为什么用户需要这么多步骤？ 为什么这个流程需要人工确认？ 为什么系统不能自动完成？ 这些问题，本质都是对摩擦的感知。 ⸻ 七、懒惰，是文明的另一种语言 如果重新理解“懒惰”，它并不是一种缺陷。 它是生命系统对低效率的抗议。 当一个人说： “这件事太麻烦了。” 背后可能隐藏一个重要信号： 这里存在优化空间。 很多伟大的发明，最初都来自一句： “有没有更简单的方法？” 轮子诞生之前，人们搬东西很累。 电灯诞生之前，人们点燃蜡烛很麻烦。 互联网诞生之前，人们交换信息很慢。 AI出现之前，人类处理复杂知识很痛苦。 ⸻ 所以： 懒惰不是科技进步的动力。 更准确地说： 对摩擦的不耐受，是智能系统推动自身进化的动力。 所谓懒惰，只是人类语言中，对“系统存在低效率”的一种直觉表达。 文明的历史，就是一部不断降低摩擦的历史。 而未来的竞争，也将越来越取决于： 谁能更早发现摩擦，谁能创造更低摩擦的结构。

anthropic的3条增长曲线研究： 1、Ai coding ：全球具备付费能力的职业开发者约2500万-4000万人，按3500万开发者平均每年1200-3000美元ai coding支出计算，TAM大约420-1050亿美元，加上测试、代码审查、DevOps、SRE等，推算可货币化的TAM约800-1500亿美元，如果未来ai agent真正替代更多工程师而不只是卖软件席位，则长期可货币化的TAM则可达到2000-4000亿美元。2026年，ai coding的经济渗透率约7-15%，商业化上处于快速放量期。行业CR5：anthropic和openai两家独大，cursor/github第二梯队，gemini/deepseek/智谱等为第三梯队。 2、办公Agent（Cowork/Claude Tag）：根据微软等平台的推算，全球真正可商业化的知识工作者席位大约6亿-8亿个，按照普通知识工作者20-40刀/月、高端知识工作者如分析师/法务/财务等50-100刀/月、高频agent用户100-300刀/月，推算知识工作者平均ARPU约40-70刀/月，按全球6-8亿席位算，可货币化的TAM约3000-7000亿美元，如果未来agent按完成工作量收费，进一步侵蚀外包和人工服务支出，长期可货币化TAM约1-3万亿美元。2026年，办公agent的经济渗透率仅3-8%，处于商业化初期。行业CR4：微软、openai、谷歌、anthropic。微软最强，anthropic第四，追赶空间大，Claude Tag是关键产品。 3、生命科学/广义ai药物发现/ip市场：生物医药与科学：可货币化的TAM约300-800亿美元。26年经济渗透率约3%-10%，占全球药物R&D约1%，商业化进度上处于产品验证初期，从0到1。医疗服务扩展市场：可货币化的TAM约1500-3000亿美元，2026年经济渗透率约1%-3%，也处于非常早期的阶段。行业CR4: 谷歌、openai、anthropic、英伟达等，尚未定型。 ps：这里的经济渗透率，指的是ai软件/agent收入占潜在可货币化tam的比例，而不是有多少人试用过ai（试用过跟产生经济收入是两码事）。

😏😏😏 老师们周六快乐呀~~ 前阵子我突然发现，自己越来越不像在玩 DeFi，反而像在打一份高压零工。 白天刷消息，晚上盯利率，睡前还得确认一下池子有没有被抽干。最离谱的时候，我甚至会半夜惊醒，第一反应不是看时间，而是先看 APY 有没有掉。 后来我才意识到很多 DeFi 协议，本质上都在逼人活成信息猎犬。 谁跑得快，谁赚钱。 谁慢半拍，谁接盘。 你得不停追热点、换池子、赌情绪，还要祈祷下一条推文别把收益砸穿。整个市场像一个永不停电的游乐场，灯光很亮，音乐很吵，但没人知道机器什么时候突然停下来。 直到我开始认真看 @TermMaxFi ，那种感觉有点像终于有人愿意把过山车拆了，给你搭了一条真正能走路的桥。 它最打动我的地方，不是什么超高收益，反而是两个以前在 DeFi 里很少有人认真对待的词： 固定利率，固定期限。 听起来甚至有点无聊。 但偏偏就是这种无聊，开始让我第一次在链上感受到一种接近传统金融的秩序感。你投进去之前，就知道多久结束；你点确认之前，就知道收益大概会落在哪；你不用再像仓鼠一样疯狂换轮子，也不用天天猜市场下一秒发不发疯。 这种感觉很奇怪。以前做 DeFi，像在暴风雨里捞金币；现在更像是在提前规划一整条现金流轨道。 而且越往后看，我越觉得 TermMaxFi 做的根本不是低波动版本的 DeFi，而是在偷偷改游戏规则。 过去大家崇拜的是速度。谁消息灵通，谁手速更快，谁能抢在别人前面完成操作。 但现在，速度正在慢慢失效。因为当利率、期限、到期收益这些东西被提前写进链上之后，很多短线噪音突然就没那么重要了。 你不再需要天天预测市场情绪。你开始真正思考，我的资金周期怎么搭？短期仓位和长期仓位怎么配？什么样的结构能让我穿越波动？ 那一刻我突然发现，DeFi 正在从赌场模式，慢慢长出一点资产管理的影子。 而 TermMaxFi 很像那个坐在角落里、安安静静搭积木的小家伙。 别人还在大喊快冲，它已经开始研究，怎么把时间、利率和资金效率拼成一个更稳定的系统。 这种项目可能不够炸裂，也不会天天制造情绪高潮。 但它有一种很特别的气质，像一只慢吞吞的小工程师，表面不吵不闹，实际上一直在默默给整个市场补地基。 很多人现在还在追逐下一波暴涨，盯着K线情绪起伏。但我越来越觉得，真正能活到下一轮周期里的协议，未必是声音最大的那个，而是那些愿意认真处理金融结构这件事的人。 因为市场走到最后，比拼的从来不是谁更会喊。而是谁的系统，真的能长期运转。

苏格拉底从不给答案。 他走进雅典广场，找到最自信的人，问一个简单的问题——"什么是正义？"然后用追问，一层一层，把对方的答案拆解干净。 最后留下的，是沉默。 这就是苏格拉底方法的本质：一台精密的解构机器。它能摧毁一切，却什么都不建造。 两千年来，哲学家们一直在试图解决这个问题。 柏拉图说：真理在另一个世界。 亚里士多德说：用逻辑来建构。 笛卡尔说：从"我思故我在"出发。 康德说：划定边界，别问边界之外的事。 每一个答案，都被下一个人用苏格拉底的方式重新解构。 没有什么是绝对牢固的。 但与此同时，人类在进步。 科学在进步。艺术在进步。经济在进步。 这两件事怎么能同时成立？ 秘密在于：解构和进步，发生在不同的层面。 科学家造火箭，不需要先解决"什么是真理"。医生治病，不需要搞清楚"意识是什么"。工程师造桥，不需要定义"什么是空间"。 实践有自己的逻辑。它的检验标准很简单：桥有没有塌，病有没有好。 人类的进步，从来不依赖"找到了绝对的基础"。它依赖的是——局部的、暂时的、足够用的共识，加上不断试错的勇气。 但这里有一个代价，我们很少谈起。 苏格拉底的遗产，让我们越来越擅长批判，越来越擅长发现漏洞、质疑假设、解构论点。 我们的教育系统培养了无数聪明的怀疑者。 但建构者越来越少了。 因为建构者需要做一件心理上极其困难的事： 在知道地基不够稳固的情况下，仍然选择全力相信自己正在建造的东西。 这不是无知，不是盲目。 爱因斯坦提出相对论时，实验证据还很稀薄。他相信，不是因为证据充分，而是因为他相信宇宙应该是简洁和谐的——这是一种近乎审美的信念。 乔布斯造 iPhone 时，没有人知道触摸屏能不能取代键盘。 每一个伟大的建构者，都在做同一件事：看见了地基的裂缝，然后选择继续建。 解构是刹车。建构是引擎。 我们这个时代，不缺刹车。 缺的是愿意在不确定中押注，愿意说"我相信这个，我来建"的人。 苏格拉底让我们学会了怀疑。 但怀疑，从来不是终点。

美国豆包 Gemini 3.5 Pro 延期发布了 模型在关键能力上，尤其是AI编码能力 未能达到谷歌内部严苛的标准 我觉得这篇报道里最抽象的是： > 当工程师们试图使用AI工具时，频繁遭遇算力容量限制 连自己的工程师都喂不饱 真觉得 $GOOG 会砍资本开支吗?