相机都拿不稳了呢…😏 今天是不是大胆得有点过分呀？黑丝+短裙+深V，忍不住想让你多看几眼… 你敢不敢继续看下去？📷#黑色诱惑# #大胆自拍# #骚气满分# #相机要掉了# #来咬我啊# #夜店风骚妹# #想被你按住#

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#

做数字游民可能需要的一些执念。 我做数字游民已经一年了，穷游了很多中国小县城，小城市，小乡村，小风景。 治愈了自己的抑郁，躁郁，自杀念头。 首先你不能要求自己赚非常多的钱，因为时间你安排不过来。你也不能不让自己赚钱，不然你就吃屎。 所以，需要钉在电脑面前，大量数据，大量表格，大量体力的，请不要做数字游民。 执念很重要，你要有这个东西。 一份形式简单的工作，最好做交易或者做BD，平常拿个手机随手就可以工作。脑子在好的环境里，是会给你正向加持。 一份体面的睡后收入，前几年做了基础的那种。我就是有合伙人在盯着房产自媒体的生意。 有一颗想挥霍青春的心。 每天紧紧的，需要劳累做正向反馈的，不行。 人要活的放松，轻松，有意思。 没意思的人生，我宁可不要。 想极致追求财富的人，也不适合。 这特么挺花钱的。我只在消费很低的小城市穿梭，用电车，丰田的，开不坏。电费便宜。住的都是一百块的小旅馆。洗衣服都是自己手洗。当然，我喜欢吃，喜欢去很有味道的地方去吃。综合算下来，一个月也要有很多的消费。所以，要随时随地的赚钱，联系客户，联系渠道。 积蓄千万不要用在这些上面，会失去平衡。 赚多少，花多少。这样平衡掉最好。 你还要有运动相机，摔不坏，进水也不坏。 一个大空间的内存卡，保留自己的数字人生。 不要乱发朋友圈，你不能活的这么快乐，别人会生气。 执念，还是执念。 只有让自己爽，你的人生就有意义。

如果Warsh像1999年的格林斯潘，AI牛市可能才刚刚开始 最近在读格林斯潘的《动荡的世界》和《繁荣与衰退》，突然想到一个问题：Warsh和1999年的格林斯潘，到底有多像？ 先说他们像的地方 两个人有几个共同点是确实存在的。 都偏自由市场，相信竞争和创新的力量远大于政府干预。都认为央行很难精准识别泡沫，主动刺破泡沫的代价往往高于事后救助，因此对资产价格上涨有更高的容忍度。都反对过度前瞻指引，更喜欢保留灵活性。 最核心的相似点是对生产率革命的信仰。 格林斯潘在《繁荣与衰退》里反复强调一个观点：生产率才是一切繁荣的来源。美国之所以能一次次走出危机，靠的是技术创新不断提高生产率。从铁路到电力到汽车到互联网，旧产业死去，新产业崛起，创造性破坏才是资本主义真正的生命力。 1999年他面对的正是互联网革命。当时按传统菲利普斯曲线模型，低失业率本应带来更高的通胀压力。但格林斯潘认为互联网革命改变了生产率，因此不必机械地依赖旧模型，选择维持相对宽松的利率。 现在回头看Warsh最近的公开讲话，逻辑有相似之处。他认为AI基础设施有潜力成为强大的通胀抑制力量，如果AI能让企业生产效率持续提升，美联储就不需要急着转鹰。 这里有一个重要的区别要说清楚。现在AI还处于CapEx先爆发、收益后兑现的阶段，真正像互联网90年代那样让全社会生产率大幅提升，至少还要几年时间验证。Warsh可能相信AI的长期潜力，但AI已经压低通胀这个结论目前证据还不够充分。格林斯潘当时已经能看到生产率数据的改善，而Warsh现在更多是在押注一个尚未完全兑现的未来。 第二个相似点：对通胀指标的处理方式 格林斯潘时代，美联储开始越来越重视PCE。PCE本身有其合理性：权重动态变化，能捕捉消费者的替代效应，覆盖范围比CPI更广。从历史数据来看，PCE往往比CPI低0.3到0.5个百分点。这意味着在同样的经济环境下，PCE框架通常会给货币政策更大的灵活空间。这一趋势后来在伯南克时代正式确立，将PCE作为2%通胀目标的锚定指标。 Warsh对传统通胀指标一直持保留态度。他曾公开表示，核心PCE并不能完美反映底层通胀趋势。相比单一指标，他似乎更倾向于同时观察核心PCE、中位数CPI和修剪均值通胀。修剪均值的计算方式是把所有商品价格涨跌从低到高排列，剔除掉两头最极端的项目，在高通胀周期里通常会给出比核心PCE更温和的数字。 如果这种思路进入Fed决策框架，货币政策可能获得更大的解释空间。从格林斯潘时代强化PCE，到Warsh可能引入更多元的观察指标，方向是一致的：为货币政策保留更多灵活性。 第三个相似点：重回建设性模糊 很多人误以为Warsh反对前瞻指引，这个理解有些片面。 他真正反对的，是鲍威尔时代那种近乎明牌的沟通方式。 格林斯潘时代，美联储开始逐渐走向透明，但他始终坚持一个原则：给市场方向，不给市场剧本。他会告诉市场自己关注什么、担心什么，以及经济大致会往哪个方向走，但绝不会把未来几年每一次利率会议的路径提前画出来。 他最著名的一句话是：如果你觉得听懂了我的话，那你一定误解了我的意思。 这当然不是故弄玄虚。格林斯潘相信，央行最重要的资产之一就是相机抉择的灵活性。经济是动态变化的，央行必须保留随时调整方向的权利，一旦提前承诺太多，就会被自己的话绑住手脚。 Warsh批评的，恰恰是鲍威尔时代越来越强的路径依赖。每季度公布点阵图，每次会议后召开长时间发布会，市场甚至开始逐字逐句拆解每一个委员未来几年的利率预测。这种极度透明的好处是预期稳定，代价则是美联储越来越像一个需要不断兑现承诺的机构。 2021到2022年就是最典型的例子。在通胀暂时论的框架下，美联储长时间维持宽松预期。当通胀超预期失控时，政策转向变得异常痛苦，因为市场早已把之前的承诺交易进了价格。 所以Warsh真正想回到的，可能是格林斯潘式的建设性模糊：多谈长期目标与风险，少谈具体点位和时间表，给市场方向感，同时保留足够的调整空间。 这也是为什么华尔街现在最担心的，反而是确定性消失了。过去几年市场习惯了Fed提前告诉你答案，而Warsh可能把这个习惯打破，留下的是更大的不确定性。 市场担心的不是Warsh会取消点阵图，而是他会降低市场对点阵图的依赖，弱化长期降息承诺。甚至在首场会议上，上调通胀预期，重新定义中性利率，释放出比市场想象更鹰派的长期利率路径。 如果真是这样，最大的变化可能不是利率本身，而是市场突然发现，过去几年习惯的那种Fed永远提前告诉你答案的时代，结束了。剩下的，是要重新学会在更大的不确定性里做决策。 如果Warsh真的走这条路，股市会经历什么？ 我觉得会有三个阶段。 第一阶段是估值扩张。市场会开始交易一个叙事：Fed不会轻易打断AI投资周期。前提是AI生产率开始真正兑现，一旦这个叙事成立，PS和PE都会扩张，最先受益的是AI基础设施、半导体、软件平台和高弹性成长股。逻辑和1998到1999年互联网那波完全一样，市场愿意给更高的倍数，因为他们相信美联储站在这边。 第二阶段是赢家通吃。1999年不是所有科技股都涨，最后真正活下来并且涨疯的，是那些收入模式最扎实的公司——网络基础设施、龙头软件和核心平台。纯概念的小票逐渐掉队。类比今天，最后可能集中在AI算力、光通信、数据中心基础设施、AI云平台这几条线。有真实收入和盈利能力的公司会越来越贵，纯叙事的标的会慢慢被抛弃。 第三阶段是估值脱离基本面。市场不再关心利润多少、PE多少、收入能不能兑现，只关心下一个买家会不会出更高的价。这个阶段格林斯潘当年选择了等待，最终等来了2000年的泡沫破裂。Warsh会做同样的选择吗？这个问题放在后面再说。 但很多人搞错了一件事：加息会压住牛市吗？ 1999年格林斯潘从4.75%一路加息到6.5%，按传统逻辑科技股应该崩。 结果纳指那一年涨了超过80%。 原因在这里。利率是估值模型里的分母，但盈利增长是分子。当分子的增长速度超过分母的压缩速度，股市照样疯涨。1999年经济增长4%到5%，生产率大幅提升，市场认为即使利率高一点，公司利润还是会高速增长，所以PE继续扩张。 这给现在一个很重要的参考：加息本身不能终结牛市。利率高到盈利跟不上估值，或者市场发现增长故事是假的，才是牛市真正的终点。 这次和1999年有几个本质差异不能忽略 1999年美国联邦债务占GDP只有50%左右，财政赤字压力远小于今天。现在政府融资需求巨大，市场对通胀重新抬头极度敏感。 格林斯潘在《动荡的世界》里自己也承认，他当年最大的判断错误之一，是低估了金融体系在泡沫中积累的系统性风险。今天的杠杆比1999年更高，传导速度也更快。 所以即使Warsh风格偏向市场派，他也很难复制格林斯潘那样连续几年极度宽松的金融环境。更像的剧本是允许AI牛市继续演绎，但在通胀和金融条件之间不断拉扯，在经济增长、通胀和资产价格之间寻找新的平衡。 最后想讨论个问题 如果央行开始相信AI带来的生产率革命，市场会不会再次经历一场1999式的超级牛市？ 如果AI生产率革命真的成立，AI CapEx继续增长、龙头科技不断创新高、PS和PE继续扩张的组合。市场会重新讨论传统DCF模型是不是低估了AI。 反过来，如果企业发现AI的投资回报率没有想象中那么高，CapEx开始放缓，今天所有高PS的公司都会经历1999年互联网泡沫后期的估值杀。 格林斯潘在《动荡的世界》里写道，他最后不得不承认，人类的非理性、动物精神和风险厌恶，是任何经济模型都无法完全预测的变量。传统经济学在危机面前失灵，只能抓住行为经济学这最后一根稻草。 事实证明他错了一半，又对了一半。互联网泡沫破灭了，但Amazon和Google活了下来，互联网真的改变了世界。他不是看错了方向，只是低估了市场会有多疯狂。 这句话放在今天的AI周期里，依然值得反复思考。 如果Warsh真的像1999年的格林斯潘，他会不会也犯下同样的错误，明知道泡沫正在形成，却因为相信技术革命，选择让市场自己走到终点？ 这个问题的答案，比任何一次FOMC会议都更重要。