#荔枝传媒# #AI短剧# #旧时代教育片# #金发碧眼# “接下来……是实际操作部分。” 镜头前，她被要求脱下衣物，分开双腿，接受最直接的“示范”。 旧时代的教育片，从来不只是教育。 ☆点击解锁

1930年，白崇禧在外有了情妇，还生下一个儿子。妻子马佩璋出身书香门第，受过师范教育，得知后没有大闹，为保全白崇禧的仕途与家族名声，提出把孩子带回白公馆抚养。 白家给了生母一笔补偿，让她远走不再往来，男婴取名白先道，对外算作马佩璋长子。马佩璋真心待他，一视同仁培养。 白崇禧心生愧疚，从此收敛私情。马佩璋后来又生下六子三女，连同白先道对外共十个子女。这份体面，是她长年隐忍换来的，是持家智慧，更是旧时代女性的无奈与牺牲。

印度这个国家为什么发展不起来，最根本原因是从根上就烂透了，说句不好听，再给印度100年，仍然还是这个样，我为什么会有这样结论，具体见我以下分析是否合理。 网上很多人有这样认知，印度拥有庞大人口红利，可发展始终步履维艰，甚至有人直言，就算再给一百年，也很难真正实现全面崛起，这并不是单纯运气言论，而是整个社会根基存在非常大的问题。 首先社会阶层结构，印度的独立走的是妥协的道路，没有经历彻底的社会变革，旧时代的阶层、土地利益格局完整保留下来。种姓制度虽然法律上废除，却依旧深深扎根社会现实。出身就基本决定了一个人社会地位，大量底层民众得不到平等教育，庞大的人口，很难转化成真正的工业劳动力，只能沦为人口负担。 其次政府土地改革更是流于形式，大量土地依旧掌握在地方地主、乡绅手里。想要修建工厂、建设大型基建，征地就会遭遇无穷无尽的纠纷，项目一拖再拖，工业化最基础的门槛就跨不过去。 再加上选举政治的掣肘，政客优先考虑短期选票，不敢触碰既得利益集团。很多长远改革方案，只要损害上层利益，就会遭到抵制，很难落地推行。政府可以喊出宏大的发展口号，却没有能力统筹全国资源，打通全国统一的大市场，各邦之间壁垒重重，政令很难一以贯之 。 另外，社会层面，教育、医疗资源分配极度失衡，少数精英掌握优质资源，广大底层依旧挣扎在贫困之中。一边有光鲜的IT精英，一边有数亿人缺乏基本的基础教育，这样撕裂的社会结构，很难支撑完整的工业化建设。 当然印度也不是完全没有进步，软件、部分重工业有亮眼成绩，但这些只是局部的亮点，改变不了整体的社会困境。国家发展，不只是靠人口、靠口号，更需要社会底层的改造。这些根深蒂固的结构性矛盾不解决，仅仅依靠外部投资、表面的经济增长，很难实现真正的腾飞，这也是很多人觉得，就算再给百年时间，印度依旧很难彻底翻身的原因。

世界并不需要召开一次秘密会议，专门决定让中产背锅。 只要几件事同时发生，就够了。 物价长期跑在工资前面，存款购买力慢慢下降；房子的价格回落，房贷却原封不动；教育、医疗和养老越来越多地落到家庭身上，工作还不能出现任何闪失。 中产之所以脆弱，是因为他们持有最多的，恰恰是旧时代关于“稳定”的承诺：稳定工作、稳定房价、稳定存款和稳定生活。 可一旦这些承诺同时松动，看起来有房有车的家庭，现金流可能比谁都紧。 真正的风险不是某一天突然归零，而是在没有任何仪式的情况下，一年比一年更不敢花钱。

艾伦研究所的知名研究员Nathan Lambert，前两天来北京和我们熟知的国内 AI 公司聊了一圈，包括月之暗面、智谱、字节、阿里、美团、小米等等。 聊完之后，他写了一篇文章做总结。我觉得这篇挺有意思的，因为 Nathan 本身对硅谷非常熟，这次相当于带着硅谷的视角来看我们中国的 AI 实验室是怎么运作的，以及他看到了哪些不一样的地方。 文章我看完了，写一些自己的笔记。 1、DeepSeek 被所有人公认为技术品味和执行力最好，是技术方向上的引领者，但在商业上并不是引领者。 反过来，像字节、阿里这种巨头，被视为真正能够把大模型吃进整个业务体系、最终兑现成大规模市场份额的那批公司。 2、字节是各大中国 AI 实验室最重视的竞争对手，因为他们思路清晰，而且战斗力极强。 一个可以印证侧面是，在开放权重已经成主流气质的中国 AI 圈子里，字节是少数坚持走 OpenAI 这条闭源路线的公司，同时，目前他们的豆包应用地位相当于中国的ChatGPT。 3、美团、蚂蚁、小米这些公司为什么自己做大模型？国外Uber、Airbnb 这批公司也没做自己的模型，用的时候买别人的就行了。 但在这些中国公司眼里，LLM 是未来产品的核心底座，如果完全依赖外部模型，等于把自己最关键的那一层放在别人手里，被掣肘只是时间问题。所以宁可自己花大力气训一个通用模型，把这块底座攥在自己手里。 4、中国开发者几乎都被 Claude 圈粉了。Nathan 说，很多一线开发者描述日常写代码时，都主动提到 Claude，承认它改变了自己的开发方式，哪怕它在中国并不能正式落地。 少数人会提到自己在用 Kimi 或者智谱的命令行工具，但被问到真正高频依赖的助手时，几乎都会说回 Claude。在湾区很火的 Codex，在中国被提到的频率反而没有那么高。 5、中国的 LLM 社区更像一个生态，而不是彼此敌对。Nathan 和多家实验室私下交流后，发现他们谈到同行时，几乎都是尊重和欣赏，很少有火药味。而在硅谷，私下聊起其他实验室，话锋会很快变得尖锐。 6、中国大模型团队的整体气质和美国不一样。表面上看，大家都是搞大模型、RL、Agent，用的技术栈差不多，但在组织方式和人本身的气质上，中国这边更像一支全栈工程队。 研究员普遍愿意做琐碎、不出彩的脏活累活，愿意为了整体模型效果搁置自己的方案，不太追求个人署名和明星科学家身份。 这种弱 ego 的文化，在那种需要各个模块严丝合缝配合的大工程里，反而更适配。Llama 团队据说就是被相反的那种文化拖垮的，一群顶尖研究员都想让自己的方案进最终模型，互相博弈。 7、中国顶级实验室里，学生的比例非常高，而且是直接参与主战场的大模型研发，不是被边缘化的实习。和美国的 OpenAI、Anthropic、Cursor 这些几乎不开放相关实习形成鲜明对比。 Google 名义上有 Gemini 实习，但大家普遍担心实习内容被隔离在核心工作之外。 学生的优势是对旧时代 AI 范式没有太多包袱，能很快把上一套观念清空，重新学习。同时他们极度习惯在巨量论文和内部技术细节中速成，把复杂栈啃下来，进组之后就愿意把人生阶段压在这件事上。 8、中国研究员对宏大的 AI 叙事兴趣不高。Nathan 在和不少一线研究员聊天时，发现他们一提到经济结构变化、社会风险、AI 道德这些问题，往往会有明显的停顿和困惑，像是被问了一个和日常工作无关的问题。 很多人会直接表达，自己的角色就是把模型做好，而不是对社会怎么变发表观点。有位研究员还引用了 Dan Wang 的说法，中国是工程师在掌舵，美国是律师在掌舵。 Nathan 也观察到，中国并没有 Dwarkesh、Lex Fridman 这种能系统性把科学家捧成明星的播客生态。这种习惯既和个人性格有关，也深受教育和制度环境的塑造，他们在一个不鼓励公开争论社会议题的系统里长大，并且在里面取得了成功。 9、北京的 AI 圈子整体很像湾区版的紧凑硅谷。从机场下飞机，可以顺路去阿里北京园区，坐几趟滴滴，在三十六小时之内走完智谱、月之暗面、清华、美团、小米、零一万物等一长串机构。 整座城市里，打车过去就是一个新的实验室。选大一点的车型，常见是带按摩椅的电动小面包。这种空间上的密集分布，让不同实验室之间的交流成本被压得很低，研究员之间的流动也变得非常频繁。 10、中国研究员普遍更偏工程视角，对融资、产业格局、资本叙事这些话题兴趣没那么高。Nathan 在硅谷习惯了另一种氛围，研究员对外部环境的敏感度非常高，融资、算力、数据生态、行业风向，几乎每个人都在认真琢磨自己所在公司的位置和外部环境的关系。 因为今天做 AI 已经不是关起门来搞工程奇迹那种事了，模型公司同时是一个综合体，要建模、要部署、要融资、要拉生态，外面的每一根线都会反过来影响里面的研究节奏。 但中国研究员明显不在这个频道上。Nathan 问到行业生态、融资、算力供应、数据产业这些话题，得到的反应常常是耸耸肩，说那不是我的问题，我的事就是把模型做好。 11、中国企业对 AI 的花钱习惯，更接近云，而不是 SaaS。外界常说中国企业不愿意为软件买单，所以本土 AI 市场会偏小。但 Nathan 和多位从业者聊完后，感受到的现实是，虽然传统 SaaS 市场确实不大，但云服务在中国是个大生意。 关键问题变成，企业为 AI 付费，最终会更像买 SaaS，还是更像买云基础设施。从目前各家公司的实际讨论和规划来看，大家普遍不太担心企业侧的 AI 支出，倾向认为它会挂在更刚性的基础设施那一侧。 12、中国的数据产业在 RL 和高质量任务环境上明显不如美国成熟。和 OpenAI、Anthropic 那种可以为单个 RL 环境花上千万美元、一年累计几亿美金的玩法相比，中国团队的普遍反馈是，本土数据服务供应商不是没有，但质量参差不齐，很难直接买到能用的内容。 于是就形成了一种很中国式的解决办法，很多 RL 场景、评测环境干脆自己搭，研究员本人要花大量时间设计任务、构建环境。字节、阿里这种大公司，也会养起自己庞大的标注团队，在公司内部自给自足。 13、算力是所有中国实验室的共同痛点。无论走到哪家，大家对高质量英伟达 GPU 的需求都是一个词，不够用。如果供应允许，他们会毫不犹豫地继续加仓。 国产加速卡在推理侧评价还可以，已经被不少公司部署到在线服务里，华为芯片在很多实验室都有落地。但在大规模训练上，英伟达依然是黄金标准，国产方案更多是辅助补位。 14、在开放程度和生态态度上，中国实验室显得既务实又有整体视角。Nathan 几乎问遍了所有头部团队，为什么会在这样的环境下持续开放自家最强模型。他自己坦言，把所有权心态和真实的生态支持这两件事联系起来，他还没完全想明白。 但从对话里，他归纳出几个共同的现实诉求，通过开放权重，快速让更多开发者参与打磨，发现缺陷；通过回馈开源社区，获得技术和口碑上的正循环；同时在内部保留更定制、更私密的模型版本服务自家业务。整体表现出来的，是一种既不绝对开源、也不一味封闭的中间态。 15、中国实验室对英伟达芯片的渴求是压倒性的。Nathan 走访下来，所有人现在的进展都卡在同一件事上，就是英伟达的卡不够用。 如果能买到，毫无疑问会继续加仓。 这里他特意点出来一个区分，英伟达是训练这一侧的黄金标准，没有替代品。但在推理这一侧，画风就完全不一样了。包括华为在内的国产加速卡，评价都是正面的，不是凑合用，是真的能打。 Nathan 说他遇到的实验室里，无数家都已经能拿到华为芯片，供给这边不是问题。所以中国实验室现在的真实状态是一个两层结构，训练咬牙抢英伟达，推理大方用国产卡，分得很清楚。

东北的现在就是中国的未来，东北已经用实际行动告诉我们，人口一减少，社会就真的不再内卷，你信不信？ 今年高考，辽宁出现了一个颠覆很多人认知的现象：招生计划数比报考人数还多。 换句话说，只要走进考场，基本就有大学可上。物理类考生本科升学率接近百分之百，总分三百出头，就能拿到本科文凭。 我们看一组数字：2025年东北三省物理类本科线，黑龙江360分，辽宁367分，吉林也大体处在同一区间。 这个分数放到河南、山东、四川、广东这些高考大省，连像样的公办专科都难考上—那里一分就能挤掉上千人。而在东北，同样的分数就能堂堂正正读本科。 很多人看完心生羡慕，说东北孩子太幸福，是国家政策倾斜。真相恰恰很扎心：不是东北的大学变多了，是东北的孩子变少了。 最新人口数据，黑龙江、辽宁、吉林三省人口自然增长率常年位列全国倒数三位。 过去十年，东北三省常住人口累计减少超千万，相当于一座特大城市的人口规模，说没就没了。 反映到高考上，黑龙江考生19.3万，辽宁22.7万，吉林15.1万，三省加起来不到60万。而河南一省就有140万考生，广东也有70多万。 东北三省考生总数，比河南一省还少80万。 人少到什么程度？过去十年，东北三省关停小学超7700所，缩减比例接近六成。 很多县城的小学，从前书声琅琅，如今大门紧锁，操场长满荒草。生源断档不是未来的预测，是正在发生的现实。 但最魔幻的地方在于：人走了，学校招不满了，可东北的大学依旧实力雄厚。不到一亿人口的黑吉辽，坐拥4所985高校、7所211高校。 反观河南、河北、山东、山西四省，人口数亿，却只有2所985、4所211。算人均本科教育资源，黑龙江每一万考生分到的名额，差不多是河南的五倍。 一边是千军万马挤独木桥，一分碾压上千人；一边是学位多到生源不足，过线就录取。这是全国独一份的教育资源倒挂。 有人会问：东北经济不算拔尖，凭什么有这么多好大学？ 答案要回到七十年前。这些大学从建校之日起，就不是专为东北本地人办的，它们是新中国工业体系的人才仓库。 哈工大对接航天与国防，东北石油大学伴随大庆油田而生，吉林大学整合六所名校，每一所都对应着一个国家核心产业。 当年的东北，鞍钢、一汽是全国的工业脊梁，这些高校是举全国之力建起的，为的是给新中国的工业命脉输血。 谁能想到，七十年后，教学楼还在，实验室还在，学位还在，唯独读书的人一年比一年少。 于是就有了今天的局面：大学还在，学生不够了；学位还在，抢的人没了。 但这还不是最值得深思的。最值得警惕的是：东北走过的路，全国正在一步步照着走。 十几年前，东北年轻人热衷考编，全国人嘲笑他们年纪轻轻就想躺平，没闯劲。现在呢？全国年轻人挤破头考公考编，一个岗位几万人争抢。 十几年前，东北生育率走低，全国人批评他们佛系、不负责。现在呢？全国生育率跌破警戒线，谁也别笑谁。 十几年前，东北房价下跌，全国人幸灾乐祸，说东北经济不行了。现在呢？全国房价普遍调整，人口收缩的城市越来越多。 东北比全国整整早走了二十年。这二十年，它替整个中国把未来的路先趟了一遍。 所以今天看东北高考不内卷，别只羡慕，这不是地方福利，这是一个时代信号。它在告诉你：当人口不再增长，当年轻人越来越少，当存量时代真正到来，内卷自然就会退潮。 过去几十年，我们拼的是增量。拼谁生得多，拼谁跑得快，拼谁卷得狠。因为蛋糕在变大，你不抢就没有你的份。但未来呢？ 蛋糕不长了，甚至开始缩小了。这时候拼的是什么？是存量，是资源，是你手里已经有的东西，是你能不能把日子过舒服。 你现在觉得东北三百多分上本科像天方夜谭，再过二十年，全国大部分省份可能都是这个样子。 不是因为教育变容易了，是因为考大学的孩子真的变少了。 所以别再说东北是落后地区了。人家那不是落后，那是先走一步，提前二十年进入了新的社会形态：人少了，资源相对多了，竞争小了，日子松了。 人口红利这阵风早晚要散，全民疯狂内卷的时代早晚要结束。东北今天经历的松弛，就是中国明天要面对的常态。 你今天卷得越狠，未来可能摔得越懵。因为你习惯了在增量时代里拼命跑，可时代一旦切换到存量模式，你那套拼命的本事可能就没用了。 与其现在拼了命地卷，不如提前想想：当内卷退潮，你手里还剩什么？是一身的病，还是一技之长？ 是一屁股房贷，还是一笔能让你从容度日的积蓄？是一堆无效社交，还是几个能说心里话的朋友？ 东北已经把答案摆在那儿了。人口减少，社会松弛，内卷退场，这不是东北的特例，这是所有发达国家都走过的路，是整个中国正在进入的新阶段。 看懂了这个趋势，你就不会再为了一分两分、一个编制、一套学区房把自己逼得透不过气来。 因为你知道，那都是旧时代的游戏规则。新时代的玩法是：少折腾，多存钱，保重身体，把身边的人照顾好。 东北的今天就是你的明天。不是吓你，是提前给你提个醒：别等潮水退了，才发现自己一直在裸泳。

旧时代已经结束啦，何止是程序员。。 想想影视后期和做特效的，拍视频短剧的人，画画的，做动画的，谁不是一脸懵逼 医生、律师、会计师、老师，随便找一个以前大家印象中越来越吃香的行业，拿claude、gpt这些最新的大模型去比一下，都是全方位的吊打 现在程序员先辣鸡是因为其他行业还没有接触到claude和codex这类一流模型，或者还没有像cs行业一样能快速的把ai接入工作流。 但是这是早晚的事，各行各业谁都跑不了 即便取代也不是取代咱一个人，比咱牛逼的一样也被取代 要自信，非ai时代能走到前面的人，ai时代也一样 一方面的结束，也是另一方的开始。ai的好处是大家都可以当老板了 以前要十几、几十个人干几个月的项目，现在边刷抖音边交代ai干活就行 以前一些一直想做而没有机会做的项目，想实现而落不了地的想法，现在都是机会 不会画画也能画漫画了，不会电脑也能做特效了，没有资金演员也能拍电影了，一句话就能拍变形金刚了。多少想拍的，想重现的，只存在于想象中的场景，可能会出现。而以前这些想法因为资金、技术、资源的限制可能永远是想法。 什么三体，全频带阻塞干扰，修仙，登录美利坚，歼星舰打东京，关公战秦琼，都可以出现了 现在就是魔兽世界刚开服，或者巫妖王之怒刚开放北极，网游开新服，别磨叽了，抓紧时间抢怪升级往前冲 再回一次2012年，肯定是舍弃一切all in 移动互联网 再回到一次95年，国营工厂大倒闭，肯定要抓紧时间单干个体户，不能再想办法留在厂里 Life always finds a way 大家加油

英格兰 7-0 克罗地亚 旧时代王阻挡不了新王崛起 最近在预测市场一直在救我的，就是 英格兰 ，西班牙，巴萨，拜仁，这个赛季 你围绕这个策略买应该都比较稳。 英格兰的 大三 大四 大五都收米了，火力太猛了。