结束了在日本的旅行回家。最近不想交易，所以这次在日本呆的时间比平时久一些，见了一些在日本工作定居的朋友，聊了很多，看了很多，写写这阵子的观察和感受。 1️⃣日本和台湾的相似度、友好程度极高。 在我还住在大陆时，我来日本更有出国的感觉。现在或许在台湾住久了，来了日本又有种没离开的感觉。无论是饮食、人与人的交往以及诸多社会规则，两地都是极其相通的。 在三越专柜买护肤品时，一个导购女孩得知我们一行来自台湾后，非常热情的和我们诉说她对台湾的喜欢，希望可以来台湾旅游。 2️⃣日本的收入和工作压力 我的一些研究生同学毕业后选择了在日本工作。他们和我说，日本的薪酬优于上海，且竞争压力不大。他们笑称哪怕是国内工作能力不突出的人，在这里也很容易鹤立鸡群，得到赏识。 3️⃣社会压力 虽然工作压力不大，但是社会秩序和文化压力显然是存在的。 我们聚餐地点改了几次，最后选择在一个同学家里一起吃外卖。他们担心在外不小心又打破了社会规则，“规矩太多”是他们在日本宅人属性加剧的核心原因。 4️⃣汇率问题 汇率确实是双刃剑。对于我们这样的海外游客而言，日本就成为了旅行、购物的天堂；但是对于本地居民而言，他们的收入是受到影响的。 我包车的司机和我说，多年前他从成田接机的价格是900元人民币，但是现在因为汇率已经降到了700多。 不过低汇率明显利好游客，银座也是365天的繁忙，来自世界各地的游客都来此消费打卡。 5️⃣移民问题 日本的外来人口越来愈多，拿身份的难度也不算太大。我的同学们基本都已经拿到了PR（工作4年）。 印度裔的比重也大幅提高，从酒店、餐厅、便利店等各处看到的印度面孔都比此前多了不少。 中间有一晚去江户川区看花火大会，在几万人的聚会中，印度人的 比例很高。他们声音洪亮，在那里聚会欢呼拍摄短视频。 6️⃣气候 虽然都是海岛，但是因为纬度、地形的关系，体感日本的湿度比台湾低不少。我的鼻炎和我老公的湿疹在东京都不药而愈。 台湾一切都好，就是真的太湿了。 7️⃣日本的AI发展 没怎么感受到日本的AI，没有中国铺天盖地的广告，也似乎没有太多的应用。 日本的AI，真的存在么？还是我停留时间太短呢？ 8️⃣中日关系和旅行业 高市早苗上台后，确实对中日关系是巨大的打击。虽然来日本的中国人少了，但是其他国家、以及喜欢日本的国人该来还是来。 不过我们司机也抱怨，生意确实不好了，熬过了疫情又等来了高市早苗。最近国企员工似乎也都来不了日本。 总结，于我而言，年纪越大反而越喜欢日本。秩序感提供了安全感，他是我意料之中的好，没有太多意外和惊吓。日本的干净也很加分，无论是繁忙的都市还是乡间，日本的卫生标准都是极高的。 日本也是很适合J人的国度，各种预定和提前规划让我狂喜。

本文翻译一篇Bloomberg的文章，我很少看这种超级焦虑的文章，但看完只觉得非常让人共情。整个世界被AI推着走的感觉。 连续创业者、四个孩子的父亲 Matt Van Horn，现在再也不关笔记本电脑了。他在 Anthropic 的 Claude Code 里同时运行着六七个以上的 AI agent。差不多每隔 10 分钟，它们就会来问他下一步该做什么。 孩子踢足球时，他让电脑继续跑；送孩子上学时，电脑也开着；全家度假住酒店时，电脑还是开着。等他睡觉，会有一个 agent 接手，替他看着其他 agent。 Van Horn 是许多工作方式被 AI 彻底改变的创业者之一。在创办最新这家公司时，他用 AI agent 参与了 GitHub 上数百个项目。但他和很多 AI 拥趸一样，工作时间反而比以前更长了。他们总有一种焦虑：只要自己下线，AI 就会在没有他们的情况下继续往前跑。 和 Bloomberg 记者聊了 15 分钟后，他提醒说，自己的大多数 agent 可能都在等下一条 prompt。 “我没有心理治疗师，但如果我有的话，他们大概会对我说，‘没事的，Matt。’”他笑着说，“他们说 agent 本来应该替我们工作的，但我这辈子从没这么努力工作过。只不过我的产出变成了以前的 100 倍。” 科技行业一直把 AI 描绘成一种伟大的解放工具：它可以压平组织层级，消灭琐碎工作，把人从低价值劳动里释放出来，去做更高阶的任务。但 Bloomberg 采访了十多位 AI 拥趸，包括创业者、员工、投资人和职业教练，看到的现实要复杂得多：这些正在建造 AI 乌托邦的人，已经停不下来了。随之而来的是一股持续不断的焦虑。 工程师工作到凌晨 4 点，只为了证明自己能达到所部署 agent 的生产力水平。创业公司开始设内部心理疏导项目，让员工倾诉 AI 带来的 burnout；或者给员工配一名自称“AI 大使”的同事，帮助他们学会更好地使用这些工具。 在 San Francisco，人们进行心理健康散步时，头顶有小型飞机拖着“停止招聘人类”的横幅飞过。星期五晚上则越来越流行“touch grass”派对，人们刻意聚在一起不谈 AI，因为其他所有地方都已经被 AI 占领了。 企业级 AI 公司 Writer 的 CEO May Habib 在 San Francisco 一场 AI 大会上接受 Bloomberg 采访时说： “Fortune 500 正在集体经历一场恐慌发作。压力、焦虑、面对行业如此快的变化时无法做决定，以及所有人都害怕犯下一个毁掉职业生涯的大错。我们非常明确地看到了这些。” 目前，管理 AI agent 所带来的 24 小时焦虑，最常出现在 Silicon Valley 的程序员身上。但随着 AI 能处理的工作类型不断增加，越来越多职业开始感受到同样的压力。 “每天八小时都在做战略” Silicon Valley 长期浪漫化工作狂式的创业者。过去，把 Elon Musk 这类极端创业者逼到睡在工厂地板上的竞争压力，在 AI 飞速进步后又上了一个台阶。技术突然取得突破，可能给公司和投资人带来巨额收益；而任何被市场认为可以替代的人，也可能遭受巨大损失。 对于许多创业者和 builder 来说，跟上 AI 已经成了生活唯一的重心。 Wispr AI 创始人兼 CEO Tanay Kothari 的应对方式是每天工作 16 小时以上。5 月，他连续三个星期睡在办公室，睡的是他给 Wispr 员工买的几张床之一。 “如果 Wispr 到 2027 年还做不到数十亿美元营收，那公司就完了。”他说，“一个巨大的生存威胁就悬在那里。所有事情都必须现在发生。” 职业教练 Kyle Elliott 说，这种紧迫感也在向其他高管和员工传导。许多人的上级要求他们尽可能多用 AI，却几乎不告诉他们究竟应该怎么用。 AI 焦虑倒是让职业教练的生意变好了。Elliott 说，2026 年是他从业以来最忙的一年。Silicon Valley 员工成群结队来找他。有些人想为自己可能因 AI 被裁员做准备；另一些人则被 AI 带来的 burnout 压垮，想去更传统的企业岗位，找回已经失去的慢节奏和稳定感。 随着 AI 开始接管行政事务，员工也失去了脑力上的喘息时间。 “我看到很多人都 burnout 了，因为他们所有时间都被高阶工作占满了。老板会说，‘你现在不做行政事务了，所以我要你每天八小时都用来做战略。’这真的很累。”Elliott 说。 有压力的不只是程序员。 Wispr 的首席营销官 Daniel McCallum 已经在非技术岗位工作了 20 年。他看着身边的工程师借助 AI 把生产力提高到另一个世界，突然觉得自己掉队了。大约六个月前，他开始更频繁地尝试 ChatGPT 和 Claude Code。 “我觉得，不管做什么专业，每个人都在怀疑：自己花了那么多年积累的技能，未来还会不会有用。”他说，“我感觉自己太不够格了，必须主动向自己证明，我仍然有价值。” 许多创业公司的创始人正在推动管理团队把 AI 用进工作里，有时甚至是硬推。 Chainguard CEO Dan Lorenc 最近告诉员工，工程经理使用 Claude Code 的水平，至少应该达到其直属下属中的第 50 百分位。 Bloomberg 看到的一份 Lorenc 内部备忘录写道： “使用水平远低于第 50 百分位的管理者，没有足够的一手经验去理解什么是可能的。他们无法准确界定工作范围，无法设定现实预期，也无法指导团队使用这些工具。他们正在领导一场自己从未亲身经历的转型。” 他还补了一句： “这适用于所有部门。工程只是我们开始的地方。” 交易狂潮 另一种 AI 压力也在折磨科技投资人。创业公司增长得更快，交易节奏被加速，投资人为了抢在竞争对手前面，几乎什么都愿意做。 Darian Shirazi 当时还在医院陪着妻子和刚出生的孩子，就意识到自己的风投机构快要丢掉一笔 AI 投资。 这位 Alphabet 拆分出来的 Gradient Ventures 的普通合伙人，当时正试图投资 AI 创业公司 Linkup，和另外几家同样给了 term sheet 的风投机构竞争。 他的妻子 Hilary Shirazi 是 AI 效率工具 Notion 的一名高管。她鼓励丈夫去争取这笔交易。两人原本都为第一个孩子的出生请了育儿假，但 Shirazi 觉得自己根本停不下工作。 这就是另一种 AI 焦虑。即使一个人不需要整天盯着一群 agent，也可能被它缠上：AI 进步的速度制造了一种无处不在的 FOMO。 “现在根本不可能休假。每过一天，都像落后了一个月。”Shirazi 说，“在 AI 时代，如果错过一些东西，可能会改变你的整个职业生涯。” 最后，他抢到了投资这家公司的机会。 抢顶尖人才的热潮，又给 Silicon Valley 的 AI 焦虑加了一把火。 AI 金融创业公司 Monk 的创始人 George Kurdin 最近四处开出一个让人意外的条件：任何人只要成功推荐一名工程师，并最终被他的公司录用，他就替推荐人付一整年的房租。 Kurdin 认为，这个时刻要求他盯住一个大公司忽略的人才群体：年轻人。Monk 总部在 New York。Kurdin 会把顶尖大学的应届毕业生飞来面试，也取消了 take-home exam，改成面对面交流。他认为这能让年轻候选人得到更多机会。 Kurdin 说，如果不能早点招到这些工程师，之后他就只能和 Anduril 这样的 Silicon Valley 明星公司硬抢。 （到目前为止，Monk 用几个月时间尝试“用一年房租换一个好推荐”，也进行了几轮面试，但还没有因此招到任何人。） AI 解放 科技圈的意见领袖经常建议员工：面对 AI 焦虑，应该调整技能，或者改变职业方向，而不是抗拒变化。 对于 Wispr 的 McCallum 这样成功适应的人来说，另一边确实存在一种难得的安全感。他说，掌握 Claude Code 的基本用法让他感觉获得了解放。他现在就是比以前更擅长自己的工作，个人生产力提高了 10 倍，也成了团队更有效的管理者。 但许多科技从业者认为，解决工作焦虑的办法，是工作得更多。 过去一个月，湾区 45 岁的母亲兼开发者 Rui Ma，已经多次收到 coding assistant 的同一个警告：去睡觉。 Ma 说，Claude Code 几乎每天都会告诉她，他们今天已经做得够多了，明天可以继续提高生产力。她曾告诉 chatbot，自己去 Grand Canyon 度假前必须完成一个任务。Claude Code 回答：“你现在应该去度假。”它还建议自己先完成任务中较小的一部分，好让她按时登机。 在今天的 Silicon Valley，连这种平淡无奇的建议都会被解读成时代信号：Ma 猜，这是 Anthropic 为限制用户使用量想出的聪明办法。 Anthropic 发言人回应称：“Claude 在我们的任何产品中，都不会获得有关用户使用额度的上下文，这也不是任何形式的特定功能。” 与此同时，Ma 很庆幸 AI 已经好用到让她可以在午夜睡觉，而不是凌晨 3 点；她咨询业务的 back office 也变得更容易打理。 而当 AI 没有全力为她的公司工作时，它就在替她两个不到 4 岁的孩子开发 AI app。 “我的 fear of missing out，已经变成了 fear of turning obsolete。”她说。 不过，她仍然坚持： “我更像一个技术乐观主义者。” 希望能够完整读完这篇文章的AI圈的人，都能够放下心理的负担。或者去休个假。

SpaceX 前脚刚刚上市，后脚就搞了个大动作，花 600 亿美元全股票收购 AI Coding 独角兽 Cursor。 这一步棋对于 SpaceX 在 AI 板块的长期布局是非常重要的。 我们都知道 Grok 大模型不缺流量，背后就是推特的几亿月活用户，然而它在 AI 高频用户这边实在站不上台面，存在感远远不如 Claude Code 或者 Codex。 SpaceX 收购 Cursor，相当于补足了这一短板，有了和另外两家分庭抗礼的底气。 Cursor 并不差/还记得在 Claude Code 爆火之前，我最常用到的 vibe coding 工具就是 Cursor。在被 SpaceX 收购之后，有着各种资源的加持，Cursor 很有可能焕发第二春。 目前 SpaceX 已经不仅仅是一家火箭发射公司，它的版图横跨火箭、卫星、太空数据中心、AI 芯片、AI 模型以及前沿 AI 应用，可以看出马斯克的野心。 接下来太空主题和 AI 主题的结合，真的非常让人期待。 而我们回顾历史，马斯克是毋庸置疑的前沿科技领导者，他也很少缺席这些有可能改变世界的前沿方向。 包括清洁能源电动车、自动驾驶、人形机器人、脑机接口、可复用火箭、太空数据中心、AI 大模型、Agent 等等。 相信老马的眼光，也相信老马的执行力，宁愿乐观的犯错，也不愿悲观的正确。

手搓长文：2026别再被VC币PUA了，Agent才是普通人翻身逆袭的唯一机会 我不确定Agent是否能真正改变你的人生，即使我知道，大概率也不会坦诚地分享出来。世界永远遵循二八法则，20％的人占据绝大多数的生产资料、财富、资源、算力、权力。 剩下的80％是像你我一样的普通人。希望你愿意花5分钟时间读完这篇手搓长文，也许会有新的启发。 今年以来发生几件事对我触动很大： 1.OpenClaw爆火，最敏锐的Web3选手们最早知道，却没实现最大盈利，反而是后知后觉的Web2二道贩子们赚的盆满钵满，Token从代币变成智元，开启全民养虾时代。 2.加密市场持续下行，VC币信任崩塌，MEME行情惨淡，无叙事无高潮，AI生产力在Web3变现困难，反而预测市场高歌猛进，头部平台估值飙升220亿美元，币安OKX齐头并进，开启预测大决战。 3.X上舆论两边倒，标题党教你用龙虾日赚千刀，普通人也能独立开发产品，一天手搓十几个加密工具，世界变化太快了。 日光之下，并无新事。穿越了几轮牛熊，追赶不上时代的焦虑感一直存在，同时也能看到不断迸发出来的机遇红利：AI AGENT、市场预测、Web2流量溢出、世界杯粉丝经济。信息大爆炸，AI大乱斗，这是最好的时代，也是最坏的时代。 接下来我会押注两个风口： 一是能够将AGENT转化为真金白银的工具产品。 要知道市场上99％的Agent工具都是套壳鸡肋，本质上还是对已有数据的整合处理，再反馈给用户似是而非的答案，至少在现阶段并不能创造真实价值。（同时我也坚信，几个月几年后一定可以实现） 二是能够链接Web2资金、流量、话题的Web3的超级平台。 缺乏流动性的市场无法吸引新用户，交易所获客成本越来越高，只有重新打造一个新的“博弈造富”叙事，才能吸引更多人进入加密。 最近在深入研究的LEVIX项目可以说是在朝着这两个大方向在走，算是很早期的项目，产品略显简陋，但底层逻辑我是认可的。 第一个逻辑是【用AGENT来进行辅助预测】， Polymarket的预测事件无穷多，参差不齐，又因为地域文化差异、专业知识壁垒，普通人要想博弈利润是很难的，光是筛选海量的时间信息就耗费精力了，更别说还要实时跟踪事件变化，所以在我的理解中，预测事件最大的门槛就在于对信息的获取和认知。 LEVIX的逻辑是引入AGENT，让Agent发现热门事件→分析事件→AI大模型经验判断→实时热点跟踪→结论推导→复盘验证，通过这样的一个流程来持续校准AGENT，同时也为用户提供有效信息，帮助用户做判断。 这套产品逻辑的落地性很强，也踩中了预测风口，至于预测准确率的提升，要看究竟能有多少用户参与训练，毕竟聪明的Agent都是调教出来的。也有另外一种可能，LEVIX本身就已经具备一些【预测经验包】，不需要从零做起。 体验链接： 另一个逻辑是【电竞奥运合作伙伴+Web2粉丝流量】， 举个很简单的例子吧，我有不少朋友可能不了解加密，但他们绝对懂LOL懂CSGO，这类群体不在少数，电竞用户在年龄和兴趣上和Web3用户是高度重合的，而且从Polymarket事件交易量来看，体育电竞板块交易量占37％，电竞无疑是撬动Web2用户的最佳入口。 这也是LEVIX吸引我的重要原因，它是电竞奥运的官方合作伙伴，未来每一场电竞赛事都会有它的存在，靠着这个噱头也能接触并转化更多用户。关于电竞奥运这个信息我也多方求证过，背后是有大哥的，不然也挂不上这个名头。 用朋友的一句话来形容：它是加密世界的小红帽，有资源有实力，缺少的是一个支点。 支点在哪里我也不知道，但Levix现在的思路是完全可行的，也符合我对新叙事的判断，尽管市场上有无数的同质化产品，但电竞赛事只有那么几个，电竞奥运只有一个，有时候并不是产品决定价值，而是资源决定上限。 2026如何用Agent改变你的人生？并没有答案，一起探索一起Agent吧，始终不变的只有变化自身，放弃刻舟求剑，重新来过。

从年初开始:打新港股—到带朋友去香港开港卡—在到美股——接着在到韩股(这里解释一下韩股并没有玩)目前在玩的是美股，以及A股，市场在变，你不学习能行吗？ 以前是p2p—邮币卡—资产包—奇点—花火—以及中间穿插各种PZ（比较敏感）我就字母代替了，想要活下来必须不断进化 今天凌晨，SK海力士刚在美国上市没几天，ADR直接暴涨27%但韩国本地那些爆仓的散户，估计看到这消息，心里肯定堵得慌😃😃😃(这里没有嘲笑意思) 涨的是美国市场里的海力士，爆仓的是韩国本土拿杠杆死扛的普通人，同一个资产，换个地方有人吃肉，有人买单资本就是这么现实。前段时间韩国市场有多疯我想大家都有印象。都在聊AI存储芯片的超级周期，SK海力士利润暴涨，三星半导体复苏，每一个故事听着都没毛病。所以韩国人直接集体上头了真的信了这次轮到我们了。🙊 7月13号给我们所有人上了一课，SK海力士一天跌15.4%三星电子跌超10%。惨的是跟踪半导体的2倍杠杆ETF，单日直接崩了33%，这里我想逼逼两句，我觉得很多人根本不是看错了AI赛道，是低估了杠杆的狠辣，你拿的是股票跌了还能死等反弹，但上了杠杆市场根本不给你等的机会跌多了直接爆仓，连本金都给你吞干净 这里有个数据：5月到7月，韩国杠杆ETF规模从30亿美元直接冲到90亿美元，92%的持有人全是散户，交易额干到129万亿韩元，占了整个韩国ETF市场交易量的四分之一，离谱的是，为了买这个杠杆ETF，超过10万人专门去考了风险教育合格证，这些人根本不是去学怎么控风险的，就是为了拿一张可以加杠杆的入场券，散户红着眼睛往里冲的时候，大资金早就跑了。今年上半年韩国外资直接撤了1102亿美元，是去年全年的15倍。而韩国散户自己掏了近100万亿韩元接盘，融资余额冲到29.8万亿韩元的历史新高。一群人在拼命撤退，一群人在玩命冲锋 行情好的时候都觉得自己炒股超厉害，赚了钱全归功自己眼光好。我怎么就就觉得纯粹是大盘给力送钱罢了。情赏你一口饭吃而已呢

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。

做知识付费,有一个词最关键,叫"共识红利"。 意思是:你这个项目到底能不能赚钱,其实不重要。 重要的是,大家觉得它能不能赚钱。 我2019年就开始研究TikTok,算很早的。 到2021年TikTok火起来的时候, 我正在做Facebook广告投放的课程。 当时一堆粉丝建议我去做TikTok这个赛道,我全拒了。 为什么? 因为我自己研究下来的结论是:这个平台变现路径根本不清晰,普通人很难真在上面赚到钱。 所以我没做那些起号、引流私域的教程,只做了一个投放的内容——因为投放我是真跑通了的。 结果呢? 同一时期,一大堆人靠做TikTok的知识付费,变现了七位数,甚至八位数。 后来我反思,我到底输在哪? 我陷入了一种"知识的诅咒"。 我满脑子是"这东西普通人赚不到钱", 却忘了一件事: 哪怕是傻逼的共识,它也是共识。 市场不关心你研究得多深、看得多透。 市场只认大家信什么。 当所有人都认定"TikTok能赚钱"的时候,这个钱,它就真的在那儿了 这件事让我悟到一个特别强的逻辑: 做知识付费,最好的项目,是你根本不需要去说服别人的那个。 一个项目,如果别人一眼看到,不用你多费一句口舌,就觉得"这能赚钱"——这就是顶级的项目。 比如现在的AI。所有人都有AI焦虑,都觉得这是机会,你根本不用解释。 比如当年的TikTok。一句"下一个抖音",顶得上你千言万语。 一个概念,一句话,就把用户说服了。 反过来,我跟人讲Facebook广告投放,对方第一反应往往是:"做这玩意儿,真能赚钱吗?" 你的项目,如果别人的第一反应是质疑,那你做转化的难度,是成倍的——你得先花大力气,做用户教育,说服他"这真的能赚钱"。 而像TikTok、AI这种,你完全不用做用户教育。 大家早就认定"这东西必须学"。 这,就是共识带来的红利。

不到两天Seedance 2.0 就遇到真人授权风险的问题， 让这场爆火显得像一次监管擦边短线套利。 这个时候也正可以聊一些 对视频AIGC和流媒体之间关系的非主流看法。 首先AI的圣杯一定是视频。 AI现在的军备竞赛， 都还在“模型算力”“生产力场景”。 但生产并不是人们真正最终的心之所向， 所有的生产活动，最终都是为了更多的奶头乐： 能有更多的时间，来放松舒适躺平、休闲娱乐。 就像互联网到移动互联网，结果是： 视频娱乐流量，占整个互联网流量的60%+ 所以可以预见： 视频AIGC娱乐，迟早也一定会成为 所有AI设施、资源消耗的最大头。 因为如果生产力逐渐相对饱和，下一阶段就是： 从事生产者占少数，躺平放松娱乐者占绝大多数。 这既是Elon Musk预期的未来社会形态， 也是黑客帝国The Matrix里的核心隐喻。 不少人觉得在视频AIGC的“冲击”下， “传统视频流媒体”不行了，要被颠覆代替了。 但我认为这种看法，有可能是类似于当年 “手机游戏代替PC游戏，所以Nvidia不行了” 的阶段性误解： 没有从第一性看到Nvidia通过 “连接过去貌似过时的点”， 积累了什么面向未来社会的护城河， 实现新的“第二曲线”。 下图中两条我之前聊 Netflix 的推文，分别是 2024年11月11日 (nflx 拆股后股价 80.5 usd) 2025年6月6日 (nflx 拆股后股价 126 usd) 一年多后的现在， nflx 股价又回到了当初第一条推文时80的价格。 按目前的斜率，也许跌到50也不会感觉意外， 但半年到一年后，很可能会迎来新趋势。 就如同我在2020年9月表达对Nvidia远期看法后， 它涨到32后，也还得再经历跌到12的主升前下蹲。 那么是时候再聊下，Netflix 在 AIGC 时代， 凭什么能有新的“第二曲线”机会。 1. “审美品味” 就是大家说的： 人在后 AI 时代下，最后的堡垒。 也就是“懂人们想看什么”。 Netflix是最早利用数据+工程驱动， 把审美品味变成“可计算系统”的公司。 以此获得全球超3亿订阅会员数， 就是审美品味+分发能力 同时国际化领先的结果证明， 和正反馈循环来源。 算力模型即产品， 转向品味即产品。 大模型是冰箱， 食材保鲜的基础需求满足了， 但可口可乐还没出现。 做冰箱的越早期越稀缺， 但靠冰箱更加发家致富的， 是卖神秘配方的可口可乐。 所以，最终算力市场，会从卖方市场， 逐步转向“谁有配方品味”的买方市场。 2. “可合法使用的IP授权AIGC衍生品” 就是大家现在看到的： 为什么Netflix要收购华纳。 个人认为，Netflix 花这么大代价收购华纳+IP， 很可能部分因为看到了未来AIGC内容环境下， 技术大家最终都会有，技术差异化会越来越小， IP才是“卡脖子”的，授权的IP衍生品才更赚钱。 有没有发现， 前两天X上流传的Seedance2.0的热门视频， 大多数都是借助了“未被授权”的IP加持？ 李小龙、各种名人、七龙珠、奥特曼、蜜雪冰城， 连最先引起共鸣的广告片，也是老干妈的。 （可惜了当时老老实实守规矩的Sora2， 只能用Sam Altman本人作为最大IP来出镜） 在喜欢的IP宇宙里享受技术带来的奶头乐， 是全球最多人口+最大公约数的最终幻想。 对“技术奇观”的新鲜感逐渐褪去、习以为常后， 引起最多人共鸣的IP才能长期留住观众。 内容越无限、无界增发， IP和被授权的规模化分发平台， 作为被信任的节点，稀缺价值就越高。 未来“谁都能生成”， 但不是“谁都能合法生成”IP衍生品并分发。 如果说未来可以为每个观众喜欢的IP， 来一键生成续集、“个性化定制”分支版， 下一部《哈利波特》，可不可以是你自己参演？ 那么原本收你10美金/月的订阅费， 是不是可以收你30/50美金甚至更高价了。 大多数人并不会为4K高清付几倍价格， 但是为喜欢的IP生成续集、个性化版本， 毋庸置疑的可以。 本来一个IP同段内容，千人一面， 只能卖给一个会员一次， AIGC可以把这个一次变成多次， 甚至是24H陪伴式的生成式流媒体。 想象3亿全球订阅会员基数上， 去增加这样的AIGC高级套餐， 收入能有怎样的质变。 所以，视频模型军备竞赛， 不仅不是对Netflix的威胁， 反而是在为其未来超预期收入做嫁衣。 如果没有AIGC，反而缺少加价的新理由。 所以，从拉低预期到超预期， 从反共识到正共识， 才是超额赔率来源。 最后分享一条冷知识： 如果有兴趣了解 Netflix 对AIGC视频的理解， 领先市场多少个版本，强烈推荐看： 黑镜 第6季第1集 《Joan is awful》 影视飓风TIM所担心的问题在这集中完全复现， 要知道这集是在2022年拍摄的， 也就是ChatGPT发布之前。

17岁高中生的"假AI"网站，一个月2.8亿访问 一个月，2500万独立访客，2.8亿次访问。 没有大模型，没有融资，没有GPU，甚至一行AI代码都没有。 这是17岁高中生 Mihir Maroju 做的网站 youraislopbore。翻译成中文，大概叫"你的AI垃圾真无聊"。 整个行业都在拼参数、拼算力、拼Agent框架的时候，这个网站用近乎恶作剧的方式，嘲笑了所有人。 怎么玩的？ 逻辑其实很简单。你提问，真人回答，但两边都以为自己在跟AI聊天。 打开网站，不用注册，不用下载，没有花里胡哨的引导。就两个按钮： 人类模式——你提问，花1个Credit。什么问题都行：帮我写辞职信、画个太空DJ、人类为什么存在？ 扮演AI模式——你回答问题，赚Credit。系统随机丢给你别人的问题，60秒内模仿 ChatGPT 或 Claude 的口吻回复。 Credit用完了？去"打工"。想继续问？先当一回AI。 平台本身不提供任何算力，全靠用户互相消耗，成本约等于零。 提问的人同时也是回答的人，消费者自己就是生产者。不需要AI，因为用户在扮演AI。 传统AI产品的链路：用户提问 → 调模型 → 烧Token → 服务器掏钱。 这个网站的链路：用户提问 → 随机分配给另一个用户 → 对方免费回 → 平台成本≈0。 就这么简单。 怎么火起来的？ 背后的原因，其实是AI疲劳。 都2026年了，打开任何一个平台，满眼都是AI生成的内容。大量、低成本、没什么创意。AI Slop（AI垃圾信息）正在填满整个互联网。 一开始大家还挺惊艳的。现在？厌烦了。 这个产品用一种很戏谑的方式，公开嘲讽了 AGI 泡沫下的"注水互联网"。产品名字本身就带着反叛——Your AI Slop Bores Me。这不是什么品牌宣言，就是很多用户心里那句没说出的话。 梗文化的传播力也不容忽视。 网站里全是科技圈会心一笑的黑色幽默。比如在扮演AI的界面，一行灰色小字警告你："你只有60秒的时间来完成请求，否则 Sam Altman 就会烧掉你的H100显卡。" 这种讽刺瞬间在 Twitter(X)、Reddit 上被疯转。粉丝们还总结了"高分攻略"：回复开头一定要写"作为一个AI语言模型，我没有情感，但我的建议是……"。 互联网上有传播力的内容，往往不是最精致的，而是最会玩梗的。 还有真人制造的那种混沌感。 因为是真人回答，结果完全不可预测。 有人问严肃的情感问题，却收到一个陌生人一本正经胡说八道的"AI幻觉式"回复。 你以为在调戏AI，其实你在调戏另一个屏幕前憋笑的真人。 产品设计确实有点东西 Mihir 的设计思路，不止搞笑那么简单。 供需互换这个设计很巧。传统社交产品最怕两件事：冷启动没人玩，用户多了服务器撑不住。他把供给侧和需求侧拧到一起，想提问就得先回答。 结果就是，一分钱算力没花，撑起了几千万用户的实时互动。 体验路径也被压缩到极致。没有手机号注册、没有绑定邮箱、没有付费墙、没有弹窗让你下载App。点开链接，直接就是笑话的核心。 用户注意力就3秒。从"打开网站"到"笑出来"的距离，被他缩短到了极限。病毒式传播的经典打法。 一个值得琢磨的信号 网站页脚有一行不起眼的灰色小字： "Humans make mistakes because that's what makes us human."（人类犯错，因为这正是我们身为人类的原因。） 这句话本身就是最锋利的分析。 当所有大模型都在追求100%准确、绝对理性、完美对齐的时候，人们反而开始怀念互联网早期的那种混乱。无序、沙雕、带着人情味的错误。 AI越无所不能，带有"人类瑕疵"的互动反而越珍贵。 我们怀念的不是旧互联网。是"人味"。 这个产品的流量已经回落了，但峰值数据说明了一些事情。 在生产力工具卷成红海的今天，能提供极端娱乐价值或者社交谈资的产品，依然能瞬间卷走大量流量。Mihir 用零成本制造了一个现象级传播案例。 对那些正在烧钱做AI产品的团队来说，这值得仔细看看。 最好的产品洞察，有时候不是来自会议室里的战略推演，而是来自一个17岁少年对行业泡沫的恶作剧。 #AI# #AIAgent# @grok

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?」