我让龙虾 28 号提醒我开个套餐 结果它忘了 但是由于我天天用语音转文字的 AI 输入法 导致给龙虾下任务时 我老婆也偷听到了 最后今天是她最终提醒了我 人脑大模型的心跳机制大胜 #论AI怎么改变了我的生活😂#

AI圈贩卖焦虑已经过于刻意了。 如果说春节长假刚结束那会儿，上门安装龙虾还是一个段子、还是一个停留在用Nano Banana作图博君一笑的阶段，上周末腾讯大厦门口排成长队等待免费安装龙虾，就只能说「至此已成艺术」了。 我很想引述一个笑话，它的原始版本是这样的： 「一个小男孩多大了就不应该进女澡堂了？」 「当他想进女澡堂的时候，他就不应该进了。」 龙虾这事儿的基本道理，本质上也是一样的，如果你需要托人帮你安装龙虾，那么其实你就不太可能需要龙虾⋯⋯ 勇敢的人先享受世界，这话大家都赞同，但要承认自己不在其中、也不配先享受世界，这就很难了。 OpenClaw是很牛逼的创新，没毛病，但它的牛逼并不在于普惠层面，恰恰相反，它是一个用来提高AI使用上限的手段。 是给那些已经把现有AI工具——从ChatBot到Coding——用到了瓶颈的人，一个打破极限的「超频」方案。 而不是给那些时至今日都没亲手写过超出500字的提示词的人，一个弯道超车的万能钥匙。 其实Anthropic的报告写得很清楚，AI在各行各业的理论利用率（蓝色区域）和实际利用率（红色区域）相差甚远（图1）。 考虑到这还是基于Claude的数据——相比ChatGPT和Gemini，Claude是最专注于生产力场景的——就更不用说只把AI当成聊天对象的广大群众了。 还有一个龙虾悖论是，只有你的时间成本足够高，才能接受以Tokens为计价单位的工作外包模式。 为什么AI Coding的货币化超过了其他所有行业？因为程序员是最典型的个体化高薪职业，时间就是生产力。 怂恿普通人用龙虾，就是模型厂商和云计算平台的共谋了，本来赚的就是辛苦钱，还要负担所谓的「数字员工」，省下来的时间再去多刷几部短剧，整个闭环都很尬住。 更离谱的，是从这周开始，各地已经陆续发布「养龙虾」的补贴政策了，一个不存在的网站上的开源项目，和白纸黑字的红头文件绑在一起，实在有些抽象。 我一直说，没错，AI解决了生产的问题，改变了「就差一个程序员」的尴尬，但是，它终究无法创造真实的需求，或者说，FOMO本身就成了需求。 一种形式的充裕，必然带来另一种形式的稀缺，锤子的充裕，对应的就是钉子的稀缺，如果你看不到钉子，那你就是钉子。 在FOMO即需求的设定里，用上龙虾，能用龙虾，比用龙虾干什么，更重要，更值得发朋友圈。 web3的尸体还没凉透，web4就已经横空出世了，这些热情满满的活动充分证明了一条定律：哪里有韭菜，哪里就有币圈。 反而是最喜欢写小作文的A股在此时保持了高度的克制，龙虾概念股出来得相当晚，这说明什么？说明连股民在他们最擅长的自我欺骗这件事情上都犹豫了⋯⋯ 说句不中听的话，你好不容易装上龙虾，环境周全，模型配好，让它每天给你推荐股票，接着AI跑完几百万Tokens，从伊朗局势到芯片革命，事无巨细的交付了一份「麦肯锡级别」的报告，让你无比满意，有种天下了若指掌的力量感。 但从结果来看，它和你抛硬币做的决定，其实没什么区别。 因为赚钱的逻辑不是这样的，从来都不是，世界上更常见的矛盾，是看过了太多的道理，却依然过不好这一生。 就像评价一种资产有没有泡沫的标准是「连大爷大妈都开始买了」，今天看到周鸿祎也表示要搞一键安装的龙虾了，说明这个事儿差不多也快到头了。 不过，在进度上，2026年的AI行业，确实进入了一个「大分化」的版本。 第一个分化，就在于前沿层和大众层，龙虾只是最新的媒介。 更早的春节期间，一份完全由AI生成的2026大失业文件在全网刷屏，这年头，AI胡编乱造不叫胡编乱造，叫非虚构写作了，也是奇景。 AI行业的认知更新以天甚至以小时为单位，普通人却依然麻木不仁的接着奏乐接着舞，这种碰撞引起的失真感，是很有意思的社会化现象。 一边是恨其不争的捉急，一边是与我何干的悠闲，奋斗逼和躺平逼狭路相逢，只好各道一声傻逼。（图3） 我毫不怀疑AI会淘汰掉大多数人，但就此预判大多数人为了不被淘汰所能付出的艰辛，这也是一厢情愿，属于了解AI但不了解人类的错觉。 就像Andrej Karpathy花两个小时给自己写了一个记录心率的仪表盘，然后惊呼应用商店不存在了，未来所有人都会像他一样给自己写App⋯⋯ 这哥们好像活在一个没有TikTok的世界里，或者说根本不知道为了少打几个字，用户是怎么让无限上下划的产品吞噬掉几乎所有时间消费的。 第二个分化，在于大厂和小虎之间的方向背离。 过去一个多月来，国内的互联网大厂烧掉了超过60亿人民币，就为把DAU冲出一个漂亮的数字，把最主流的ChatBot做成入口。 与此同时，硕果仅存的「AI六小虎」里，全都战略性放弃了AI应用的路线，转而选择主在海外市场卖API。 战绩可查的是，Kimi用20天的收入超过了去年全年，智谱最高档的订阅产品一度断货，MiniMax的调用量单周登顶OpenRouter⋯⋯ 于是我们看到「DAU无用论」又被翻出来广为传诵，当然传诵的主要都是些从未做过百万级DAU产品的从业者这点就不要提了，以免尴尬。 可惜AI圈不怎么读书，否则托克维尔的「旧制度与大革命」应该会被更频繁的提及，法国人与过去告别的决绝与浪漫，把处刑台变成了一道道靓丽的风景线，是多么的辉映时代。 只有老登才张口闭口林俊旸，咱们自己人都说junyang。 第三个分化，在于中国和美国的各走各路。 一年前DeepSeek火出圈后，很多啥也不懂但就是喜欢到处掺合的人纷纷建议要把梁文锋保护起来，别让他出国参加交流活动时被万恶的美国给扣了。 姑且不论贷款开团的做法，真实发生的情况是，在这一年来的全球性会议上，整个行业都处于一种「假装中国不存在」的世界线里。 比如最近贡献了Sam Altman和Dario Amodei举手握拳而非牵手这个名场面的AI Impact Summit，有头有脸的AI公司都去了——除了中国的。 这是一个相当吊诡的画面，作为全球AI产业的两极之一，中国的AI公司在各大行业峰会里始终处于缺席状态，存在感和地位的背道而驰，违和感已经无法视而不见了。 这当然是地缘政治的结果之一，双方似乎都是在假设一个不会受到对方任何影响的市场环境，但实际上，中国的程序员们几乎全是Anthropic的付费用户，而美国同行们也把中国的开源模型捧上了天。 至于龙虾热潮的内外两开花，更是把「技术没有国界线」写在了明面上。 「大分化」版本的生存指南，克服焦虑应该放在第一条，如果真要统计，人类每个星期错过的AI风口怕是多达百十个，但风口上已经没有猪了，那里成了一个打卡点。 包括龙虾，我其实是推荐大家都去尝试的，但前提一定是，基于你的好奇和兴趣，而不是因为看着别人都用，心里急得慌。 「哥，你当初不是跟我说AI是用来提效的吗?怎么你搞了AI之后越来越忙了?还一整夜一整夜的不睡觉，抖音也不刷了，番茄也不看了，王者也不打了，张口闭口就是什么Skills、Mcp、OpenClaw，我都有点分不清了，到底是你在用AI，还是AI在用你啊?」

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

vibecoding时代的一些想法 1 家里断网，靠热点更新一下， 下午顺便再更点露脸视频，毕竟武汉进入夏天了，这出门走一圈晒太阳的日子一去不复返了，只能下午6点看看有没夕阳去晒一下 2 前几天看到一个段子，说星巴克是vibecoding概念股，因为空间大，比竞品牛逼，所以适合氛围编程，有10倍增长空间。 段子虽然是段子，但是让我认真的思考了如下问题 a 当ai作为丞相，人类作为君主后，那么围绕橡皮图章的娱乐方式和工作方式到底会如何改变？ ps：这让我想起以前我的一个脑洞，高铁商务座既然付得起四位数，为什么不干脆来个按脚服务？ b 以前我们记忆门户靠域名，移动互联网靠app，那么ai时代我们如何记住一个品牌？说简单点，我们的记忆力的动线是在哪里。我举个例子，你ai时代出门也得上厕所吧，那么厕所+厕所高速wifi可能就是新的记忆力场景。 但是你可能出门不购物，不看广告，啥都让ai给你选了。 c 智能体的音色是否是你喜欢的音色？不至于还用高德那种模拟声音吧，这里是否有符合每个人癖好的合适数字人音频进行深度优化的空间？ d 想清楚做什么， 以及你做这东西的优势远远大于这东西怎么做，前几天我在写个网站，甚至付费方案我都是让ai帮我设计的，我只需要专注怎么推广以及怎么去做的匹配我这类人群的需求就行了。（当然我觉得推广也可以让ai给我写方案我来执行就行） e 在ai时代，人与人交流的核心目的还是不是交流思想？论思想的深度和广度，ai甩99%的人几条街。与其问人不如问ai，那么我们有效社交的目的到底是在build什么？ 3 以上每个问题背后都是就业的剧烈变动，比如机器人能按脚了马上洗脚店要失业几十万人，厕所wifi起飞了很多咖啡店还不如厕所人多，设计公司和咨询公司不链接ai马上就要关门大吉，一切的社交场合如果不找到ai时代的working场景都会面临斩杀，当然，这个work可能就是和claude点yes和no，但这不妨碍是一种思考的状态。 4 年龄从来都不代表阅历，ai时代让想-做-反馈的频率变成了按天计算。 5 当你给一个原生的ai时代程序员加一项新工作的话，他只是多开了一个窗口而以。

# AI 行业三个月变天，模型榜单已经解释不了全部 1小时46分钟里，这期《半球观察》播客的主持人 把 DeepSeek V4、约 1000 条 Cursor 工作轨迹、OpenClaw 出圈、Manus 交易流产和 AI 中转站放在同一张桌上。单看每条都像行业新闻，连起来看就很刺眼：AI 公司正在被新的尺子衡量。模型榜单还重要，但已经解释不了全部。 过去我们习惯问一个问题：谁的模型更强？ 现在还得问另一组问题：谁有真实任务数据，谁掌握用户入口，谁能把价格打下来，谁能穿过监管和资本的窄门。 > **编者注：** 这篇按播客原文提炼判断。DeepSeek 估值、Cursor/xAI 交易、Manus 价格等数字均先按“节目说法”处理，不能直接当作已确认事实。 ## DeepSeek 的强，变成了另一种强 主播对 DeepSeek V4 的评价并不客气。V4 Pro 被认为 reasoning 过长，很多任务里像是在思维链中自己和自己打架。V4 Flash 的体感更好，接近 GPT5.4 mini 或 instant API 的水平，但这已经不是 R1 那种“全行业被迫重新估值”的时刻。 这就产生了第一个反差：DeepSeek 仍然技术很硬，但它的产品冲击力没有天然压倒别人。 节目里提到，Kimi、GLM、MiniMax 等国产模型在 coding 和迭代速度上都给了 DeepSeek 压力。DeepSeek 自己也因为适配国产硬件、减少 CUDA 技术债、拥抱 TileLang 等路线，承受了延期和成本变化。 这听起来像掉队。 但节目给了另一个定位。 节目里说“DeepSeek 正好填补了这个空白”。 这个“空白”指的是 OpenAI 不再开放权重、不再详细公开技术路线之后，全球开发者和研究者仍然需要一个前沿模型的公开参照物。DeepSeek 的价值就从“谁最强”变成“谁还愿意把技术路线摊开”。 这是一种新的强。 它可能不总是最会做产品的公司，也不一定每个版本都压住榜单。但它像开源社区的技术坐标系。大家看它的 report，看它的注意力机制，看它的后训练方法，再把这些东西吸收到自己的模型和产品里。 所以，写 DeepSeek V4 不适合写成“王者归来”或“彻底掉队”。更准确的说法是：DeepSeek 正在从爆款模型公司，变成公开 research lab 的基础设施。 DeepSeek 没有消失，它只是从王者变成了坐标系。 ## 数据飞轮开始压过架构叙事 这期最有信息量的技术段，落在 OPD 上。 节目用一个很好的类比解释 On Policy Distillation：传统后训练像老师先写一大本习题集，学生之后自己看、自己背、自己消化。问题是题太多，领域太杂，学生容易学歪，甚至出现 reward hacking。 OPD 的感觉更像现场教学。 > “学生遇到不会了，老师就过来告诉他为什么不对。” 写代码时，代码老师在旁边；做数学时，数学老师在旁边。学生先尝试，老师实时纠错，模型训练从离线习题集变成在线反馈。 这个机制把问题引向更深一层：老师从哪里来？ 答案是数据。更具体地说，是真实任务里的高质量轨迹。 节目提到 Cursor 的 Composer 2 争议时，有一个关键细节：Cursor 被转述为在 Kimi base model 上加入约 1000 条真实用户工作轨迹做 SFT，使 coding 表现明显强于原始 base model。这个数字需要核查，但方向很重要。 如果模型架构的边际差距变小，真实任务数据就会变成更贵的东西。 Claude Code 和 Codex 为什么会越做越强？节目里的解释是，它们有真实工程师每天使用的轨迹：怎么打开项目，怎么读代码，怎么改错，怎么跑测试，怎么回退，怎么完成一个长任务。 这些数据很难从普通互联网文本里直接获得。它是任务过程。 这也是 Cursor、Claude Code、Codex、OpenClaw、Manus 这一类产品被重新定价的原因。它们表面是工具，底层是数据采集口。谁的用户每天把真实任务交给它，谁就能反过来训练更懂任务的模型。 模型能力当然还重要。但当大家都足够强时，数据会把差距重新拉开。 模型教会产品说话，用户轨迹教会模型做事。 ## OpenClaw 出圈，说明入口开始变形 节目把 OpenClaw 称为 Agent 的 ChatGPT 时刻。 这句话很大，但它有具体场景支撑。主播把 OpenClaw 接进 Telegram 家庭群，当成一个会记忆、会查资料、会调用 skill 的“电子宠物”。更重要的是，在这个框架里，本地 27B 模型和 GPT5.5 的体感差距被缩小了。 原因很简单：OpenClaw 有 memory，有 skill，有连续任务，有工具调用。 这就改变了用户感知。单独问一个小模型，它可能不如大模型；把它放进一个 agent 框架里，它能记住昨天说过什么，能查资料，能跑工具，能把一个任务接着做下去。用户看到的是任务完成，而不是模型参数。 这也是 OpenClaw 出圈的意义。它把 skills 从程序员小圈子带到普通人场景。 节目里提到阿里的电商出海 agent。它可以帮助小商家处理 Shopify、商品上架、趋势分析、网站设计、运营链路。过去这些工作可能需要助理、外包、懂代码的人和运营经验。现在一个小老板可能第一次感到，agent 能把一整套流程接起来。 这个变化比模型榜单更接近商业。 因为用户不会每天比较 benchmark。他们会比较：这个东西能不能帮我把店开起来，能不能生成网页，能不能做 PPT，能不能整理调研表格，能不能少雇一个人。 Agent 的入口价值，不在会聊天，而在能接活。 ## Manus 的稀缺性，被同类产品反向证明 OpenClaw 出来以后，很多人会自然认为 Manus 不稀缺了。节目里的判断正好相反：OpenClaw 爆火，反而证明 Manus 更稀缺。 这个判断的逻辑是产品体验。 主播说，很多 computer use 或 open cloud 服务“根本不想用”，Perplexity 的 computer use 被点名为几乎不可用。相反，Manus 能做出详尽网页、PPT、真实调查表格，任务保持程度更好。 换句话说，壳不稀缺，稳定交付稀缺。 这和 ChatGPT 早期很像。聊天界面谁都能做，真正难的是持续给出有用答案。Agent 时代也是一样。浏览器自动化、工具调用、任务规划、记忆系统、失败恢复，单独看都不是秘密。难的是把它们组合成用户愿意反复使用的产品。 Manus 交易流产把这个问题又推到监管层面。 节目讨论了 Meta 交易被撤销、VIE、IP、人才和公司归属问题。这里最值得保留的不是情绪判断，而是创业者面临的新现实：AI agent 这种产品绑定了用户数据、任务轨迹、人才供给、模型合作和国家监管。 对中国 AI 创业者来说，路径选择可能会提前。你从第一天就要想清楚，是进入国内生态，还是走海外资本路径；是把团队、IP、数据和客户都放在一个监管框架里，还是冒着未来交易被叫停的风险做跨境结构。 这已经超出普通商业选择。 这是 AI 产品变成战略资产后的副作用。 Manus 的问题不是卖没卖成，而是它到底属于哪里。 ## AI 开始说钱，也开始被低价倒卖 节目后半段最现实。 大厂模型开始收费，推理框架项目开始公司化，IPO 和融资叙事吸走市场流动性，AI 中转站开始变成生意。主播说得很直接： 节目里那句“大家都开始说钱了，不再说 AGI 的梦想了”，把这层现实说得很直。 这句话有点刺耳，但它解释了很多现象。 当模型差距大时，用户会追逐最强模型。当多数日常任务都已经够用时，用户会开始追逐便宜、稳定、可接入、不封号、不断线。AI 中转站就在这个缝隙里长出来。 节目提到 Sub-to-API 这类工具，把 Claude 或 Codex 的订阅转换成 API，再用更低价格分发。也提到部分中转站可能收集用户数据，甚至标称 Claude，实际替换成更便宜的国产模型。 > **编者注：** AI 中转站涉及服务条款、数据安全和潜在欺诈风险。这里仅按节目内容记录产业信号，不构成使用建议。 这说明模型正在商品化。 最前沿模型、企业级合规服务、真实工作流数据仍然贵。但对普通聊天、搜索、轻量写作、心理陪伴、日常问答来说，很多用户已经不愿意为“最强”付出太高溢价。 这会倒逼模型公司回到互联网逻辑：获客、留存、价格、渠道、生态、数据闭环。 AGI 叙事还在，商业账本已经来了。 ## 最后 这期《半球观察》最适合被整理成一组暴论，因为它更像一张行业雷达图。DeepSeek 代表公开技术路线，Cursor 代表 coding 数据，OpenClaw 代表 agent 入口，Manus 代表可交付产品和监管敏感性，AI 中转站代表模型商品化。 把这些点连起来，结论很清楚：AI 行业正在从“模型公司竞赛”变成“模型、产品、数据、资本、监管共同定价”的复杂游戏。 接下来不能只看模型榜单。 要看四个信号。 第一，DeepSeek 后续版本能不能重新打出产品体验上的压倒性差距。如果不能，它仍然有开源坐标系价值，但商业位置会不同。 第二，Claude Code、Codex、Cursor、OpenClaw、Manus 谁能沉淀最高质量的任务轨迹。真实用户每天交出的工作过程，会比静态语料更贵。 第三，agent 产品能不能稳定交付。会调用工具不稀奇，能把网页、PPT、调研、代码修改交付到用户满意，才是分水岭。 第四，价格和监管会不会重塑模型分发。中转站、订阅转 API、模型替换套利、跨境交易叫停，都说明 AI 已经离纯技术讨论很远。 我对这期的最终判断是：模型能力仍然重要，但它已经不是唯一的解释变量。谁拥有入口，谁拥有数据，谁能把价格做到用户愿意持续用，谁能在监管和资本结构里活下来，谁才可能赢到下一阶段。 这也是它最值得写成文章的地方。暴论背后真正冲击人的，是我们判断 AI 公司的尺子正在换。 --- 原始播客：

HerName女性AI社群从昨晚第一次会议到现在， 群里的各位杰出女性已经摩拳擦掌了！ 她们不光在各自领域内有非常深刻的见解， 更懂女性在这个时代需要什么， 给大家介绍一下我们社群里部分牛逼的女性们： 1. 阿淼 @Mie_Heroin 伦敦做艺术创作的05后，AI辅助哲学论文、写小说、做艺术作品全玩过一轮，每一段经历都成了她素材库。对女性议题、性别叙事、玄学八字都有独门观察，关注她能蹲到一堆稀有视角。 2. 🌟Lisa🌟 @MindOS_Lisa 商科全奖硕士，0代码转型学AI的流量场实战派。对X平台的轻量化传播逻辑有自己的一套判断，想知道X运营焚诀？想搞流量又怕焦虑？蹲她准没错。 3. WoooW @wooxiaoling 北京地产十年+杭州创业十年的硬核老兵，公司解散后直接转身拥抱AI。连续创业者，all in ai。如果你也是中女，想看一个走过两个十年的姐姐如何用AI开启第三个十年？关注就对了。 4. 沈美丽子 @Shenmeili1213 持续创业者，现居泰国，国内实体餐饮老板娘转身泰国车租赁，微商时代的实战派现在All in AI。从微商到跨境再到AI赋能，想看非典型女性创业者怎么把每一次浪潮都踩准，关注她。 5. Kiki @Sususu6799 搞钱很有一手的00后数字游民小姐姐（别去她主页，我怕你出不来），简中区第一顶美来的，想找一个不灌鸡汤、只聊真问题的搭子，从她开始。 6. nini @nini_incrypto_ 07商科女大，人美就算了，还是天选流量圣体。一个还没被定型、什么都敢碰的00后，关注她看她到底能长成什么样子。 7. Yana @YanaTangtang 财务+运营双背景，正在用AI硬啃行业研究报告这块硬骨头。她不是玩票的，目标明确——要做一份能卖钱、能给非上市公司做战略咨询的报告。从提示词到Claude工具链全在迭代，方法论意识拉满。想看传统职场人如何用AI把咨询业务搬到自己桌上，跟着她就行。 8. Holly.W @Holl79655 研发出身、体育行业连续创业、做过品牌，她40岁果断提桶拥抱AI的人生重启选手。单亲妈妈+AI新兵+行业老炮，三个身份在她身上一点都不冲突，育儿、教育、心理学、润学想聊哪个都能聊得深 9. Nora @NoraX2026 清华毕业独闯美国的00后，开启推特相亲赛道第一人，半个月涨粉1k，从AI小白到搭工作流的速度肉眼可见，这种产品感是教不出来的。

作为前VC投资人，怎么看待现在CT上“VC已死”的论调？ 付费问题，我认真回答一下，本来对于这个论调我也有不少想法 先说结论 - 1. 部分VC已死是不可否认的事实 2. 整体上VC不会死，会一直活下去，推动这个行业继续向前 3. VC其实与项目，人才一样，进入一个“出清”与“大浪淘沙”的阶段，有点类似2000年互联网泡沫那会。这是上一轮疯牛的“债”，花个几年还清之后，会进入新一轮健康的成长阶段，但门槛要比之前高很多 接下来把每条展开说一下 1. 部分VC已死 - 亚洲VC应该是这一轮最惨的，从今年开始基本上头部几个关停的关停，解散的解散，剩下几个几个月可能都见不到一次出手，专注于当前Portfolio的退出，募集新一期的资金也比较困难 欧美二三线上半年还是相对OK的，跟他们的LP结构与资金体量有关，但下半年尤其近一两个月也明显出现亚洲VC的一些势头，出手频率不断降低，有些也干脆不投了，或者转型纯Liquid Fund。开始有投资经理/合伙人在TG上跟我说“太难了,不好退”。1011大惨案对山寨流动性的影响是致命的，现在开始传导到VC的信心这边 欧美一线那几家貌似影响不大，至少表面上看起来是这样的 其实VC这一轮的“熊市”是2022年Luna暴雷之后的“延迟效应”，当时二级市场熊了，但一级市场无论是项目估值还是VC募到的资金量其实没受多大影响，还有很多新VC是在Luna暴雷之后成立的（比如ABCDE）。当时的思路也没什么问题，Defi Summer几个明星项目MakerDAO，Uniswap之类都是18-19年熊市Build出来的，18-19那一波的VC也在21年的疯牛赚的盆满钵满，熊市做VC，投到好项目，牛市来了就爽了！ 但理想很丰满，现实很骨感，原因有三 一是21年那波叙事叠加放水太疯狂了，18-19的VC其实投到好项目和烂项目差距不大，当时鸡犬升天，任何项目都是几十倍甚至百倍。这也让22-23年一级市场的新项目估值和融资额即便在熊市，也因为锚定效应依旧维持一个相对的高位，没有收到二级市场太大影响，这就是我上面说的一级市场熊市的“延迟效应” 二是四年周期被打破了，25年根本没有出现所谓的“山寨季”，这里面有宏观的原因，有山寨过多，流动性不足的原因，有大家对叙事逐渐祛魅，不再为PPT和VC背书买单的原因，有AI爆发，美股“真价值投资”对币圈资金虹吸效应的原因……Anyway，之前的Pattern不再重复,想要复刻之前19年投到好项目，21年百倍退出的梦想是不可能了 三是即便四年周期重复，VC这一轮的条款跟上一轮也完全不通，我们有些23年初投的Portfolio，2，3年过去了还没发币，即便TGE，还得锁一年，再释放个两三年，一个23年投的项目，可能28-29年才能拿到最后一批代币，直接穿越一轮半周期。在币圈，有几个项目能做到穿越周期还活的很好的？凤毛麟角 2. VC整体不会死 - 这个其实没什么好担心的，行业但凡死不了，VC也就死不了。不然新的idea，新的技术，新的方向，谁来给资源去实现？总不能说完全依靠ICO或者KOL轮吧？ ICO更多是为了带部分散户和社区上车+造势，KOL轮主要负责传播，这些都是项目中后期发生的事情。在最早期就一两个Founder+PPT的阶段，只有VC才能真的看懂且真的给钱。我在ABCDE两年多聊了1000多个项目，最终只投了40个。这精挑细选的40个估计还得死掉二三十个。大家能在市场上看到的很多你们觉得“垃圾”的项目，已经是筛过好多遍相对“精品”的了，不然这1000多号项目都开ICO，都开KOL轮，散户甚至包括KOL们看得过来分辨的过来么？ 你就想想从上一轮到这一轮的现象级项目，除了Hyperliquid这种极个别案例，哪个背后是没有VC的？无论是Uniswap，AAVE，还是Solana，Opensea，还是PolyMarket，Ethena……情绪上再怎么Anti-VC，这和行业还是得靠Founder+VC合力往前推 前几天我聊了一个预测市场项目，跟市面上大多数Polymarket/Kalshi的Copycat完全不同，极其差异化。这两天推给了一些VC和KOL，大家反馈都是很有意思，要约着聊聊。你看，好项目不会死，好VC也同样 3. VC，项目，人才的门槛会提高，趋向Web2 - VC - 口碑，资金，专业程度明显进入强者恒强的阶段。 VC的口碑和品牌最重要的其实不是看在散户那里你有多出名，而是看Developer，或者说Founder们愿不愿意拿你的钱，为什么选择拿你的钱而不是拿另一家VC的钱，这才是VC的真正护城河。这一轮下来VC明显跟CEX类似，从之前的金字塔结构往图钉结构上转 项目 - 我们从上上轮的看叙事和白皮书（甚至不看白皮书，比如17年那会李笑来一个Idea融资上亿），过渡到上一轮的看TVL，VC背书，叙事，Trasaction……过渡到这一轮的看真实用户数，看协议收入……感觉总算是逐步靠近了美股那个方向。 Hyperliquid的Jeff曾经在一次访谈里说过，币圈绝大多数项目唯一的商业模式就是卖币，因为TGE的时候啥都没有，就一个主网，没有生态，没有用户，没有收入……于是只能卖币。试想一下美股一家公司上市的时候只有一个公司主体和一堆员工，也许还有厂房和车间啥的，但没有客户，没有收入，这尼玛能让你上了纳斯达克才怪！为啥我们Web3这边就能直接TGE或者Listing？！ 这一轮Polymarket和Hyperliquid打了一个最好的样，一个先花几年做到大量真实用户和收入，甚至撑起一个新的赛道，然后再考虑发币。一个上来的确拿代币空投预期做激励吸引了早期用户，但人家产品无敌，发币了大家也接着用，项目自身是现金奶牛，且收入的99%都拿来回购代币。什么时候项目有了非Farmer的真实用户+真实收入，再谈TGE，再谈Listing，我们圈就算真的走向正轨了 人才 - 我一直对Web3有信心的很大一个原因，是因为这个行业聚集了世界上最聪明的一帮人。之前我就有写过，我聊过的这1000多个项目，有接近一半的比例Founder与核心团队都是藤校毕业。国内founder则是几乎清一色的清北，偶见浙大交大厦大几个985。 当然不是唯学历论，我自己也不是什么名校出身。但不可否认的是从统计学角度，这么多高智商的人才扎堆聚在这里，哪怕是因为财富效应，也肯定能折腾出一些有用/好玩的东西 所以之前我说虽然市场熊了，但这一轮创业方向其实挺清晰的，稳定币，Perp，万物上链，预测市场，Agent Economy都是有着确定PMF的方向，好的Founder+好的VC一定可以做出真的好东西来，Polymarket和Hyperliquid打了最好的样，明后年相信会看到更多的明星产品出现 而对于普通人来说，Web3依旧是你从nobody变成somebody的最有希望之地 - 当然，这个最有希望是与卷到不能再卷的Web2那边炼狱难度相比。跟上上轮或者上一轮周期来讲，这个难度已经从Easy变成Hard了。记得前两天看一个Web3 VC合伙人的tweet，说招一个初级的实习生，几天下来收到500多份简历，很多都是名校毕业，吓得他把招聘广告直接关了。 所以最终还是那句话 - 悲观者永远正确，乐观者永远前行

说个暴论：在职场里，你应该尽可能冒险 我工作三年后，越来越觉得它无比正确。 大部分人在职场里的默认策略是：稳。不犯错、不出头、不做没把握的事。 领导安排什么就做什么，绝不主动揽活，绝不碰自己不熟悉的领域。 看起来很理性，但这种策略有一个致命的问题，你在用创业者的风险管理方式来经营你的打工生涯，而这两个场景的风险收益结构完全不同。 1. 职场冒险的收益和风险是不对称的 这是整篇文章最核心的一句话，请刻进脑子里。 在职场中冒险，收益归你，风险归公司。 你主动请缨接了一个高难度项目。做成了，升职加薪，简历上多了一行含金量极高的经历，你在公司内部的话语权和影响力直线上升。 做砸了呢？最差的结果是什么？无非是：绩效打个C？被领导批评几句？极端情况下被调岗？ -你会因为一个项目做砸了而倾家荡产吗？不会。 -你会因此背上债务吗？不会。 -你会失去所有积蓄吗？不会。 最最最坏的情况——被开除，你拿着N+1的赔偿走人，换一家公司继续干。 这就是打工的隐藏福利：你的极端风险是有下限保障的。 公司在帮你兜底。你的工资照发，你的社保照交，你做砸了不需要自己掏钱填窟窿。 现在把同样的事情放到创业场景里。 你决定 all in 一个新方向。做成了，你赚到盆满钵满。做砸了呢？所有投入全打水漂，员工工资可能发不出来，可能还欠着供应商的钱，信用卡刷爆了，半夜被催债电话吵醒。 创业的冒险是对称的——赚了归你，亏了也归你。 所以创业者谨慎是对的，因为每一次冒险都是拿自己的身家在赌。 但你是打工人，你拿的是公司的资源、公司的预算、公司的品牌去冒险。 赢了，收益的大头以升职加薪和简历增值的方式落到你口袋里。 输了，损失主要由公司承担。 这是一个收益归你、风险归公司的不对称游戏。 2. 舒适区是一个温柔的陷阱 每个人都有一个能力舒适区。在舒适区里，你做的事情都是你擅长的，产出稳定，不太会出错。 这感觉很好。但它有一个你看不见的代价：你的成长速度在归零。 人的能力提升只发生在舒适区的边缘。当你做一件有点难、有点慌、不太确定能不能搞定的事情时，你的大脑才在真正地学习和扩展。在舒适区里重复已经会的事，和一年经验用了十年没有任何区别。 职场里最常见的一种人：工作五年了，简历上写着五年经验，但实际上就是第一年的经验复制了四遍。他们的能力曲线在入职半年后就趋于平坦了。 而那些主动跳出舒适区的人，接不熟悉的项目、跨部门协作、主动承担有挑战性的任务。他们的五年，每一年都在生长新的能力。五年之后，两类人之间的差距已经是物种级别的了。 舒适区待得越久，你离市场的淘汰线就越近。 因为市场在进化，而你没有。 3. 职场里不犯错是最大的错 很多人的职场策略是：只要不犯错，就能安稳地待下去。 这个逻辑在十年前可能还成立。但在今天，不犯错 = 不做有难度的事 = 不成长 = 没有亮点。 你以为你在避险，其实你在把自己变成一个可有可无的人。 想想看，领导裁员的时候怎么选？一定是先砍那些存在感最低的人。 谁存在感低？就是那些从不冒险、从不犯错、从不做出格事情的人。他们走了，团队几乎没有任何感知。 反而是那些敢接硬活、偶尔搞砸了但也做成过大事的人，领导舍不得动。因为他知道，这种人有战斗力。 在职场里，可见度和不可替代性才是真正的护身符。 而这两样东西，只有冒险才能获得。 4. 冒险的正确姿势 我说的冒险，不是让你不动脑子地蛮干。 聪明的冒险有几个原则 选择可逆的冒险：接一个有挑战的新项目是可逆的，做砸了大不了回到原来的工位。但和领导公开撕破脸是不可逆的，关系一旦破裂很难修复。优先做那些失败了还能回头的事。 选择非对称收益的冒险： 成功了收益巨大，失败了损失有限。比如主动向老板提案接入一个新的AI能力到公司内部系统，做成了你就是公司里最懂AI的那个人，做不成也只是浪费了几周时间。 选择能沉淀能力的冒险：即使项目最终失败了，你在过程中学到的技能、积累的经验、建立的人脉，全是你自己的。这些东西不会因为项目被砍就消失，它们沉淀在你的简历上，跟着你走。 把冒险当成投资组合来管理：你80%的时间用来做确定性高的事，保证基本盘稳固。剩下20%的时间去试那些不确定但有可能带来巨大回报的事。这样即使冒险失败了，你的基本盘不受影响。 5. 真正的风险是什么? 我见过太多人在30岁的时候就把职业生涯过成了一条平缓的直线。 稳定的薪水，稳定的职级，稳定的工作内容。看起来什么风险都没有。 但他们不知道的是，外部世界的变化速度远超他们的想象。 行业在洗牌，技术在迭代，新人在涌入。当变化的浪潮拍过来的时候，那些在舒适区里一动不动的人，会是最先被冲走的。 35岁被裁的那些人里，有多少是因为能力真的不行？不多。大部分是因为他们太稳了——稳到了技术栈过时、稳到了认知停滞、稳到了除了手头这点活什么都不会。 不冒险才是最大的风险。 你以为你在规避风险，其实你在把所有风险都攒到未来的某一天一次性爆发。就像一个从来不做压力测试的系统，在生产环境遇到第一次流量高峰就直接崩了。 你现在在职场中面对的每一个选择，要不要接那个有挑战的项目、要不要转去那个新方向、要不要主动申请那个跨部门的机会——问问自己：做这件事最坏的结果是什么？我能承受吗？ 如果最坏的结果你能承受，而最好的结果能让你跳一个台阶，你为什么不做？ 你有公司给你兜底，你有工资给你保底，你有这个时代给你的无数试错机会。 趁你还年轻，趁你还有人帮你扛风险——去冒险。

刚刚看到GLM Coding Plan也涨价了，而且跟即梦还不一样，是直接对老会员的套餐下手，强制性切换到了新权益。 另一则新闻是，因为Token涨价，一大批刚刚提刀入行的漫剧制作商宣告阵亡，更高的试错风险，击碎了「我上我也行」的乐观幻觉。 今年以来，全球的AI产品都在开启「用量限额」的模式，去年的这个时候，Anthropic还在抨击同行囤积GPU极其不负责任，现在被Codex隔三差五重置额度骑脸抢人，一点办法都没有。 不跌反涨，洛阳纸贵，Token是真的越来越不够用了。 至少在硅谷，再也没有投行报告继续预测数据中心过剩论，只要眼睛不瞎，就能看到机房里的每一片GPU都在热得发烫，即便经历了那么大规模的超前建设，当下的算力供给依然完全跟不上市场需求。 腾讯科技前段时间发了一篇稿子，标题很套路，叫「人民想念DeepSeek」，虽然很多人阴阳这是替元宝着急了——DeepSeek你还不发新版本，我这边可怎么办啊——但文章的核心观点还是在追忆价格战。 我是觉得，咱们有时候过于路径依赖了，天天喊着工业克苏鲁，觉得低价杀穿一个行业就是大赢特赢，最后又会因为比亚迪和宁德时代这种哪怕做到全世界行业第一也只给工人发方便面的反差砸吧砸吧嘴，寻思出不对劲的味道。 我也不希望DeepSeek的新模型又建立在成本优势之上，如果没成功当然不好，若是做成了，把AI公司的正现金流再往后打几年，就很损人不利己了。 喜欢在OpenRouter上投一波免费使用换调用量的都是国产模型，就为出口转内销的宣传，凭什么国产模型就该这么低贱呢？ 就该像Seedance 2.0这样，在一个赛道做到断档第一，然后该涨价就涨，爱用不用⋯⋯事实上该用的都会边抱怨边充钱，跟程序员用Claude Code一样。 也不要一个帽子扣过来说我跟资本家共情——「唉，都怪资本」——Token变贵，其实真正利好的是低端工种，只要老板细算下来发现Token开销高出你的工资，你的岗位就不会轻易丢掉。 就让AI先把高净值行业杀个血流满地吧，在一个月一个版本的动荡面前，那句段子其实是对的：只要我不学，就根本不会错过什么。

这段时间重新翻看了自己的推文，把其中我觉得比较精华的内容和一些高光操作整理了出来，虽然市场状况一直在变化，具体的方法未必适用了，但是如何寻找alpha、怎么将认知与实践相结合，这些思维依然是有共性的，希望能对大家有所帮助。 以下按时间顺序列出： 2022.04.22 NFT图狗Mint指南 2022.05.02 猴地逃顶获利200ETH 2022.07.21 NFT抢购Bot指南 2022.09.21 DogeClub单个图狗获利70ETH 2023.04.19 Memecoin基础科普（当时市场热点正从NFT转移到土狗币） 2023.05.09 重心换到土狗币后单周浮盈100ETH 2023.07.29 Pauly的Pond开盘3分钟1ETH变成44.5ETH 2023.09.12 香蕉枪Banana Gun发币复盘，白名单+开盘限购获利50ETH 2024.01.05 节点猴NodeMonkes复盘，参与荷兰拍，0.03BTC成本最高地板价0.8BTC，获利3BTC 2024.01.29 从1万~1000万资金量级，各个阶段的思考与经历 2024.02.26 通过链上交易一个月赚$1M的复盘（发射台Moby的预售、Shib官方的404项目Sheb、DN404项目ASTX、公售随便打开盘上币安的Portal、Merlin链的$Huhu等） 2024.06.19 反思自己在擅长的链上赛道过于谨慎，在不熟的山寨操作上仓位过重 2024.07.08 各种原因导致一天踏空数个金狗后的思考 2024.07.17 特朗普枪击事件，相关热点土狗$Fight获利13万u复盘 2024.07.24 关于“聪明钱”和“跟单”的看法 2024.07.31 麻吉图币项目“BAYC”开盘发现套利方法，1分钟收获15万u 2024.08.23 Simon Cat预售复盘，一次堪称完美的打新机会 2024.10.11 2M市值开始转推Goat相关内容，获利10万u 2024.11.03 马斯克置顶松鼠第一时间发推，获利19万u 2024.11.11 复盘SOL单链单月1M收益 2024.11.16 DeSci生态起飞前梳理线索，RIF+URO获利30万u 2024.12.14 复盘为什么会卖飞自己早期发掘的项目，做多Goat和Pnut获利$2M 2025.01.05 AI赛道相关代币一周获利$1M复盘 2025.01.18 特朗普推特发布代币合约后“人只活一次” 2025.01.19 $Trump单币浮盈$20M+ 2025.01.25 特朗普老婆发币$Melania，对后市看法由乐观变为不确定 2025.02.03 认为不存在全面普涨，开始低倍做空山寨币 2025.03.30 对自己三年来币圈笔记的整理与分享 2025.04.07 做空山寨币的黄金期已经过去 2025.04.19 不要用战术上的勤奋掩盖战略上的懒惰 2025.05.01 $Gork获利18万u 2025.05.31 认为大部分山寨已经重新进入下跌趋势 2025.07.08 PumpFun公售是机会 2025.07.23 链上Meme两大方法论，叙事交易和地址挖掘 2025.08.01 做多ETH，做空山寨币对冲 2025.09.02 复盘做空WLFI获利$1M 持续分享观点，一是因为我一直都是一个表达欲较强，乐于总结归纳的人，二是这种公开发表的看法，假如后续能被市场所印证，其中收获的快乐甚至已经超越了交易盈利的数字本身。