AI短剧《重生少年：极品猎艳录》第二集 👇 下面链接点开直接看 👇 🔞 😈 18岁乖乖女穿上制服立刻发情。自己坐上去吞鸡巴，做到腿软还死死夹着求内射，全身只给你。 #反差骚女友# #主动吞精# #独占使用#

本以为 5 月风平浪静，结果 DeFi 又出事了 这次被打的是 1inch @1inch 生态中一个重要的流动性提供方TrustedVolumes。根据 Blockaid 监测，攻击发生在以太坊上，受影响的是TrustedVolumes 自定义 RFQ 合约 目前已被提走约 587 万美元资产，包含 1291.16 WETH、126.9 万 USDC、20.6 万 USDT 和 16.94 WBTC Blockaid @blockaid_ 还提到，这次攻击者与 2025 年 3 月 1inch Fusion V1 事件为同一操作者，但漏洞并不相同。这意味着，问题不在同一个洞被反复利用，而更像是攻击者对这类链上撮合体系已经形成了持续性研究和定向打击能力 事件发酵后 TrustedVolumes 已公开被盗地址，并表示愿意就 bug bounty 与资金返还展开沟通；而 1inch 也迅速澄清，称此次事件不涉及 1inch 协议、基础设施或用户资金，TrustedVolumes 是独立运作的流动性提供方，并非 1inch 独占使用 如果你近期用过 1inch Fusion 或与 TrustedVolumes 相关的执行路径，最现实的动作不是围观吃瓜，而是 尽快检查并撤销相关授权

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

全球8亿近视眼，中国独占三分之一。在高中校园里，10个孩子里有8个戴眼镜。 一旦发现孩子近视，所有家长的第一反应是什么？——没收手机。 别再让手机背黑锅了，导致孩子近视的罪魁祸首，根本就不是屏幕！ 想弄清原因，咱们得先明白近视在物理学上到底是个什么玩意儿。很多人以为近视只是“眼睛看累了”，大错特错！ 在生物力学眼里，近视是一场极其可怕、且不可逆的机械形变——你的眼轴被拉长了。 正常人的眼球前后径（从角膜到视网膜）大约是23毫米，光线进来正好精准聚焦在视网膜上。一旦眼轴被拉长，焦点就会落在视网膜前方，你看远处就成了一团光影。 记住一条残酷的医学铁律： 眼轴一旦变长，以目前的人类科技，没有任何办法能让它缩回去。 这根本不是疲劳问题，而是器官的物理结构发生了异变。 为什么眼轴会失控乱长？ 科学家曾做过一组经典的控制变量实验：把同样重度使用电子设备的孩子分为两组。一组天天关在屋里，另一组每天保证2小时的户外活动。 几年下来，天天出门晒太阳的那一组，近视率居然暴跌！ 为什么？因为视网膜是一个极高精度的“光学传感器”。当眼睛接触到高强度的自然光时，视网膜会释放一种关键的化学物质——多巴胺。而多巴胺，正是锁死眼轴、抑制其变长的“终极特效药”。 有人会问：“那我把家里的灯开得特别亮，行不行？” 不行！物理学上衡量光照强度的单位叫勒克斯（Lux）。你把家里的吸顶灯全部打开，照度顶多也就 500勒克斯；但只要你推开门走到户外，哪怕是阴天，照度也在 1万勒克斯 以上，大晴天更是直接飙到 10万勒克斯！这是几十倍甚至上百倍的物理差距。 所以，毁掉孩子眼睛的不是屏幕上的像素，而是室内那点微弱到可怜的光线，它根本无法达到触发视网膜释放多巴胺的阈值。 这也解释了为什么东亚国家的近视率常年霸榜。难道欧美的孩子不玩手机？人家玩得更花！但东亚的孩子被死死地钉在补习班的座椅上，关在没日没夜刷题的房间里。大自然把最顶级、完全免费的近视阻断药——“阳光”洒满了大街，可我们偏偏不要。 家长们宁可花大几千去买护眼仪、防蓝光镜、弱碱水，交着最狠的“智商税”，以为是在拼命“鸡娃”，其实只能眼睁睁看着孩子的眼轴一年比一年长。隔壁新加坡政府就看懂了底层逻辑，强制增加学校的户外活动时长，短短几年就把近视率给彻底打了下来。 近视，根本不是科技时代的宿命，而是现代室内“圈养”生活给孩子开出的一张高昂账单。 别再无效没收孩子的手机了！ 现在，立刻，推开门，把孩子一脚“踹”到太阳底下去！去拥抱大自然免费的阳光，这比任何高科技护眼产品都管用百倍！ 关注我，我们一起解锁更多源头营养学知识，开启由内而外的活力人生！

最近一直在研究外设，不是越贵的越好。 侧重玩游戏和综合使用体验。 发现很多外设之所以能够独占鳌头，是有一套自己的东西。 一、屏幕挂灯：护眼第一，认准光学专利 挂灯价位从几十到上千元差距很大。明基ScreenBar Halo2拥有非对称光学专利，光线只打在桌面键盘区域，既不会反光污染屏幕，也不会直射眼睛。 其他挂灯也能做到基础遮光，但控光松散、容易溢光。这是整套桌面里幸福感提升最大的一件外设。 二、显示器：参数要反着选 尺寸：FPS优先24.5英寸，视野全覆盖，眼睛不用来回扫视。 分辨率：电竞不是分辨率越高越好。纯FPS选1K；我还要兼顾办公色彩，最终选了蚂蚁电竞ANT253PQ：2K+原生300Hz，Fast IPS面板几乎无拖影，画面细腻、游戏流畅，色准也能满足日常修图。 刷新率：240Hz以上人眼差距极小，没必要盲目堆高。 三、键盘：磁轴才是FPS毕业选择，高轮询是噱头 无线不适合在家竞技，容易出现信号波动；传统机械轴容易双击损坏。 磁轴原理类似游戏手柄，按键可以识别下压行程，急停、急开火优势极大。Wooting虽然是天花板，但到手必须大改；CHERRY PIXIU68开箱即战，整套磁轴方案拉满，价格只有Wooting一半。 重点避坑：8K、16K超高轮询实战用处很小，还会抢占CPU资源。1K轮询足够稳定好用。 四、鼠标：有线优先，拒绝无线不确定性 前后换了3只鼠标，终于想明白：再高端的无线鼠标，依然存在信号干扰、移动掉帧的风险，竞技优先选有线。 我最终敲定有线蝰蛇V3，59g轻量化，右手趴握手感舒服；同样只开1K轮询，不额外占用电脑性能。 全套最终配置清单 显示器：蚂蚁电竞 ANT253PQ 耳机：SteelSeries Arctis Nova 3P 键盘：CHERRY XTRFY PIXIU68 鼠标：Razer DeathAdder V3（有线） 挂灯：BenQ ScreenBar Halo2 这套方案是目前我研究出来性价比最高绝对完美的外设组合！你用把！一用一个不知声。 但是如果想纯粹体验更高的话，显示器和鼠标侧重游戏的话，还是卓威tn面板240hz以上的显示器+雷蛇的v4顶配。前提是你的电脑要离路由器远一些。另外其他干扰也要处理。不然鼠标反而是降分。显示器的缺点是只能用来打游戏。其他都是垃圾。

野村证券的中国互联网夏季研报写了一些很关键的数据，大部分出自Quest Mobile： - 抖音的月均使用时长有史以来第一次超过了微信，成为中国人最耗时间的App，抖音的日活用户（7.14亿）低于微信（9.31亿），这意味着每个活跃用户投入在抖音的时间要远高于微信； - 在中国月均使用时长排名前20的App里，字节独占5席，依次是抖音、抖音极速版、红果短剧、今日头条和番茄小说，分走了中国网民35%的使用时长，而腾讯占到4席，分别是微信、搜狗输入法、王者荣耀、腾讯新闻，但加起来只分走了24%的时长占比； - 红果短剧的日活用户达到1.68亿，比「爱优腾芒」四大长视频平台加起来还多⋯⋯而且随着假期到来，红果短剧的增长甚至还没放缓，同比高达107%，而「爱优腾芒」的日活用户全都出现了两位数以上的下降，无一幸免； - 在线音乐市场也在被字节系产品蚕食，汽水音乐和番茄音乐的日活用户分别增长70%和37%，除了网易云音乐守住基本盘没有崩掉以外，QQ音乐、酷狗音乐、酷我音乐均在不同程度的流失用户； - 小红书的日活用户涨了6%，可以理解为是世界杯直播版权换来的增量，值不值就看内部如何判断了，但社交赛道总体来说还是下行的，微博和QQ的日活用户和使用时长都在往下掉； - AI应用赛道，豆包的1.68亿日活依然断崖式领先，远远甩开日活3100万的DeepSeek和日活2800万的千问，不过从日均使用时长来看，中国仍然没有任何一款AI应用能突破20分钟，最高的是DeepSeek，16.5分钟，环比下降； - 钉钉日活7700万，企微日活7200万，飞书日活1000万，但用户的日均使用时长是反过来的，飞书14.8分钟，企微12.4分钟，钉钉9.9分钟，这应该是它们最后一次被单独分类统计了，整条赛道都会被AI办公给顶替掉； - 携程、去哪儿、飞猪三大OTA平台的日活用户全都出现了下降，这在暑假这个旅游旺季不太应该出现，说明选择出去玩的人在变少，对照来看，百度和高德的日活用户也在下降； - 其他主流App方面，拼多多的日活用户再次反超淘宝，美团的日活用户微涨，但使用时长不增反降，百度的日活用户暴跌21%，Boss直聘成了这个暑期档除字节系之外的最大赢家，日活用户大涨15%。

在技术专家看来，DeepSeek-R1-Zero要比R1更加漂亮，因为人工干预的成分更低，纯粹是模型自己摸索出了在推理几千步里寻找到最优解的流程，对先验知识的依赖没那么高，但因为没有做对齐处理，R1-Zero基本上没法交付给用户使用，比如它会各种语言夹杂着输出，所以实际上DeepSeek在大众市场得到认同的R1，还是用了蒸馏、微调甚至预先植入思维链这些旧手段； - 这里涉及到一个能力和表现并不同步的问题，能力最好的模型未必是表现最好的，反之亦然，R1表现出色很大程度上还是因为人工使劲的方向到位，在训练语料上R1没有独占的，大家的语料库里都会包含古典诗词那些，不存在R1懂得更多，真正的原因可能在于数据标注这块，据说DeepSeek找了北大中文系的学生来做标注，这会显著提高文采表达的奖励函数，一般行业里不会太喜欢用文科生，包括梁文锋自己有时也会做标注的说法不只是说明他的热情，而是标注工程早就到了需要专业做题家去辅导AI的地步，OpenAI也是付100-200美金的时薪去请博士生为o1做标注； - 数据、算力、算法是大模型行业的三个飞轮，这一波的主要突破来自算法，DeepSeek-R1发现了一个误区，就是传统算法里对于价值函数的重视可能是陷阱，价值函数倾向于对推理过程的每一步去做判断，由此事无巨细的把模型向正确的道路上引导，比如模型在解答1+1等于几的时候，当它产生1+1=3的幻觉了，就开始惩罚它，有点像电击疗法，不许它犯错； - 这种算法理论上没毛病，但也非常完美主义，不是每道题目都是1+1这样简单的，尤其是在长思维链里动辄推理几千个Token序列的情况下，要对每一步都进行监督，投入产出比会变得非常低，所以DeepSeek做出了一个违背祖训的决定，不再用价值函数去满足研究时的强迫症，只对答案进行打分，让模型自己去解决怎么用正确的步骤得到答案，即便它存在1+1=3的解题思路，也不去过度纠正，它反而会在推理过程里意识到不对劲，发现这么算下去得不出正确答案，然后做出自我纠正； - 算法是DeepSeek之于整个行业的最大创新，包括要怎么分辨模型是在模仿还是推理，我记得o1出来后有很多人声称通过提示词让通用模型也能输出思维链，但那些模型都没有推理能力，实际上就是模仿，它还是按照常规模式给出了答案，但是因为要满足用户要求，又回过头基于答案给出思路，这就是模仿，是先射箭后画靶的无意义动作，而DeepSeek在对抗模型破解奖励方面也做了很多努力，主要就是针对模型变得鸡贼的问题，它逐渐猜到怎么思考会得到奖励，却没有真的理解为什么要这么思考；（3/n）

🤖美国AI巨头，正在用降价围剿中国AI大模型。 OpenAI把端到端成本压低20%。 Anthropic把Opus 5.5的使用成本，砍了40%。 入门价，锁死在0.1美元。 这是一场价格战， 但打的不是价格。 Anthropic年化收入，从90亿飙到650亿。 5月刚融了650亿， 跟谷歌、博通签了多吉瓦级TPU算力。 美国巨头烧钱，实际上是为了锁生态。 一旦开发者的代码和Agent编排，适配了它们的API， 迁移的成本，高如城墙。 中国 AI 大模型，走的是另一条路。 9月，DeepSeek下调Flash资费。 小米把MiMo-Flash推到1元/百万token。 智谱死磕GLM-5.3-Flash，守在微利区间。 但低价本身，已经不再是护城河， 真正的变化，在芯片。 英伟达在中国AI加速卡市场的份额， 从三年前的95%，跌到个位数。 国产AI加速卡，份额突破60%， 华为昇腾，预计2026年独占50%。 性能差距，也在收窄。 中国顶尖模型，落后美国3个百分点， 年初是15%。 但有一道坎，还没跨过去：赚钱。 价格战打完了，芯片换道了。 接下来，谁能先找到盈利的路？

中国AI在俄罗斯，已经悄悄干出了一个惊人的数字。 半年时间，中国AI模型在俄罗斯的调用量突破4000亿token，是去年全年的11倍。其中阿里千问一家就占了2610亿token，在俄罗斯最大搜索引擎Yandex的平台上，独占外国模型用量的两成多。 这不是什么实验室数据，是真金白银的商业落地。俄罗斯企业现在用中国AI干的都是实在活：智能客服、营销文案、用户评价分析，直接嵌进业务流程里。 为什么是中国AI？原因很现实——西方AI公司撤出后留下了巨大的市场空缺，而中国模型性价比高、付款渠道畅通，刚好填上了这个坑。你可以说这是地缘政治带来的机会窗口，但也得足够好用。 但令人担心的是如果今后美国出台中国AI禁止令，会不会中国AI又变成过去一带一路类型的产物了，只在有限的国家里面使用，当然这也算是所谓高端生产力出口的一环 - Tokenomics。。。

梁文锋敢想敢说，四小时闭门发言曝光，颠覆整个商业逻辑🔥 据称流传出的梁文锋四小时投资人闭门交流内容里，藏着不少大胆判断，整理如下： ⠀ 一、英伟达生态一年内就会被颠覆，华为芯片一年后足以完全替代，哪怕贵一到两倍也无所谓 ⠀ 二、想靠AI赚取暴利的公司注定失败，拿得少的反而能击败拿得多的，OpenAI正是因为想独占市场而遭到围攻 ⠀ 三、奇点不是瞬间爆发，而是漫长的渐进过程，顺序必须先解决持续学习，再走向自我迭代，最后才是具身机器人 ⠀ 四、技术演进路径是：语言模型→思维链→智能体→持续学习→智能奇点（自我迭代）→具身智能。目前进度停在智能体阶段中段，持续学习是下一道必须跨越的门槛，跨过去才算真正进入自我迭代的奇点期 ⠀ 五、克制被当作核心战略，主动放弃C端流量争夺，不做超级应用，短期商业化只是保底手段，全部资源都押注在通往AGI的主线上 ⠀ 六、中美AI差距其实只有一年，国内使用的算力仅为对方的二十分之一，真正稀缺的不是人才，而是芯片 ⠀ 七、公司近半数核心研究员都在参与数据标注，这被认为是当前最关键的工作，高端数据的瓶颈不在资金，而在时间 ⠀ 八、即便技术进展停滞，仅靠API收入也足以支撑一家上市公司的运转，商业化前景并不令人担忧 ⠀ 九、内部不强制加班、不设KPI、不搞层级架构，完全依靠愿景驱动，因为做研究需要松弛的环境，逼得太紧反而适得其反 ⠀ 十、国产芯片产能瓶颈会持续困扰未来两三年，但五年后大概率能够解决 ⠀ 十一、国内几十家做基础模型的公司最终只会剩下三四家跑出来，而且谁都别想靠此攫取暴利 ⠀ 十二、视频生成、3D建模、世界模型这些方向与智能上限没有直接关系，本质是商业噱头，公司坚决不碰 ⠀ 十三、只要员工期权到位、核心团队稳定，AGI几乎是必然结果，其余都是细节问题，最多延迟一年半载 ⠀ 十四、中国AI的终极竞争力在于”系统性成本优势”，与制造业逻辑相同，属于结构性壁垒 ⠀ 十五、一旦率先攻克持续学习，通用智能的实现难度会大幅下降，届时可以让AI自己参与自身的研究迭代 ⠀ 最颠覆的一条判断，是他反复强调的：拿得少的人，终将击败拿得多的人。哪怕还没开始盈利，只要脑子里想的是垄断和暴利，就已经输了。OpenAI今天的困境正源于此——当初执意独占AI，注定引来四面围攻。反观DeepSeek主动放弃暴利、开源最强模型、不抢流量不搞垄断，胜算反而更大。这套逻辑，几乎把整个商业世界的常识全部颠倒过来