金沙江朱啸虎今天讲座谈AI，要点总结： 1、AI的第一款大爆C端应用应该是游戏。在以前时代被证明过的，有用户体验和需求的类型，只是用AI再做一次。 2、大模型拐点没到，发展速度还是很快，供给稀缺，二级投资没太多选择。当技术进步速度慢于扩展速度的时候（开始降价抢市场的时候），才是拐点。 3、从互联网—移动互联网—AI时代选应应用类项目的共性：从一开始就明确谁愿意付钱、是不是可持续？市场有多大、能不能有足够多的客户？如果一开始靠补贴，补贴取消了之后，消费者是不是愿意持续付钱？ 4、美国那几家大模型后续没那么乐观，当中国的大模型能做到它的90%且比他们便宜，很多发展中国家用户会选择中国的。 5、现场有人问要不要去创业做AI应用？ 答：AI应用的创业现在试错成本很低，能行就迅速上去，不行就完全不行，很快验证，why not？ 6、什么样的AI应用值得被投且不会被大模型吞噬？ 答：用AI交付结果，把客户掌握在自己手上、提供情绪价值、未来可能趋势是10-20%毛利。

这几天因为一直没有vpn登录不上去，想聊聊和龙王的故事 1/请我吃饭，杭州螃蟹宴 
2025年年初，我跑到杭州去约龙王吃饭，当时感觉自己非常迷茫，也没赚到钱。龙王二话没说就答应出来了，还叫了带带大师兄和安东尼，两个很强的交易员，一起介绍我认识。那顿饭吃的是杭州慕云料理，把螃蟹的脚和钳子分开，还有烤的，反正就是很高级也很好吃。 像龙王、带带大师兄、安东尼这样的大佬本身就可以不用社交，因为他们没有社交需求，但他们也愿意提携后辈。在推上真实发言，多少人因为站队或者害怕影响自己而不敢大声说话，其实是因为不够有钱、不够自由（这也是我后来想明白的事情）。当你足够有钱和向内求，你是很敢坚持真理的，因为没人能影响你的主张，无非就是你的钱、你的工作、你的未来发展。所以很多时候，大部分人为了不影响自己，选择了沉默的螺旋。 我有时候觉得，有龙王和带带大师兄这样的大V存在挺好的，愤世嫉俗，能把事情真正正确的一面说出来。 2/买单偷偷把账单分成两份 
今年年初我和嗯哼又去杭州找龙王和带带大师兄，吃完饭晚上去唱歌。嗯哼想着今年他也赚了钱，就不要龙王买单了。买单的时候发现账单异常便宜，后来问销售才知道，龙王偷偷把账单分成两份，自己A了一半。 3/把自己的想法写到推上——A9里最爱分享的 
龙王经常把自己的想法开源在网上，也被Vida称为A9里最爱分享的一个人。我自己的看板，这里打个小广告（ 别的不好说，至少龙王的分享对我而言是很有帮助的。 4/纯K，被比身高，也没有发火，只是觉得很无语 
还有一次挺搞笑的，因为龙王现实生活中其实非常清秀。当时嗯哼去找他们玩，龙王说如果嗯哼请客就去纯K就行了。当时有个朋友的朋友，是个情商不太高的女生，非要和龙王比身高，龙王也没有发火，只是觉得很无语。 5/XPL 给兄弟打了分额度给他们 pumpfun 的分析 
XPL做完调研之后，他给很多兄弟留了额度，挨个去问要不要打，就是一个好东西愿意分享的，真的很讲义气的人。还有当时龙王整个公司都在研究pump fun打预售，研究得很明白，还无偿分享在群里和推上，我也是跟上吃了口肉。 6/德扑怕我输太多，要我不要再打了 
上个月吧，又去了趟杭州，一起打德州的时候，龙王看我输太多了，一直提醒我不要再打了，然后还给我介绍了个Polymarket大神，就是大家熟知的逢赌必赢（fengdubiying）。挺有意思的是，这个哥之前把我推特屏蔽了。好在，线下有机会解释，然后他又给我取消屏蔽，互相关注上了。但是我当时真的觉得感慨万千，要是任何屏蔽我的人，我都能见个面，和他聊几句，让他知道我是什么样的人就好了。 7/看到有人说龙王把华为说得比库里南还好，引发了争议 我可以说，是的，华为真的比很多好车要好。华为尊界S800，它就是很舒适，后座很宽敞，你都可以躺着，有超大屏投影仪，而且整个车非常长，买车会送两个手机遥控器，还有星空顶，内饰加配豪华真皮座椅，还有辅助灯的工艺和钻石切割一样。传统的豪车已经干不过智能驾驶的车了，舒适度/智能度/时尚度各方面吧。 我觉得像龙王/风无向这样的大V（我说的大V是指在行业有影响力的人），实则希望币圈好，但是经常被人误会。当然大部分人不在乎新闻真实，只在乎流量数据，大家不再去共建而是频繁背刺，很多大玩家转战美股和激流勇退，退圈不再活跃，其实并不是好事情。 其实自上次因为嗯哼被黑，我被连坐，就暗下决心要做一个真实的性情中人。有什么做什么，绝不虚与委蛇。以前总觉得有包袱，患得患失，不敢大声讲话，现在想想，都通透了。如果有人骂我，我就要骂回去，没有什么怕得罪谁的，既然别人泼我脏水，那就是我的敌人。 看到大佬们相继锁推，不再分享，我感觉也会觉得很悲哀。 最后引用一句网友写的话：就像30-40岁的人只玩过魔兽争霸，所以不认识英雄联盟里的那个牛逼的职业选手叫Faker。从电子厂小侠到本初，到憨巴龙王，从来大家说的就是一个人，而没有所谓的冒充。 既然你的言论自由，那么同等我也享有自由。如果因为你比我有钱，就要凌驾于我，认为我粉的偶像不是一个量级，那么这样就不自由。 人活一生，要让自己畅快，不然容易得乳腺增生。想到哪里写到哪里了。反正我很感激遇到这么多真心待我的朋友，感谢相遇、相识、相知。

26年刚出的干货，全程无废话、全是高能。 斯坦福教授的AI讲座，说白了就是把未来3年的赚钱逻辑、被淘汰的行业，提前给大家透底了。 看懂的人，早就悄悄开始布局；看不懂的，还在死磕技术，瞎忙活一场。

黄仁勋在斯坦福讲座上骂了一个比喻 有人把 GPU 比作核武器，他说这"毫无道理"、"荒谬"。 他反对 AI 芯片出口管制，理由很直接：管制已经失败，已经产生了反效果，限制别人用是把美国的技术优势拱手相让 他要的是全球都跑美国技术体系，不是另起一套 GPU 不是核武器，这个判断他替大家做了

关于AI时代的职业发展，吴恩达和Lawrence在斯坦福的AI时代职业发展讲座内容很详实，分享下我的收获。 1️⃣ AI能力在加速 有一项研究让吴恩达反复引用：AI能完成的任务复杂度，每7个月翻一倍。 衡量复杂度的方式是：这个任务让一个人做需要多久？ 几年前 GPT-2 能完成的任务，换成人类来做也只需要几秒钟，但现在已经进化到AI能够完成需要人类几十分钟甚至几小时的工作。 AI编程方向的翻倍周期更短，大概70天。 但有意思的是，很多人对这个加速的感知是被扭曲的。 原因很简单，评估 AI 能力的 benchmark，满分是100%，你做到90%之后再进步10个点，数值的绝对值变化看起来很小。 于是去年有段时间整个互联网在讨论 AI 是不是在走下坡路，这是因为用一把只能量到100的尺子去量一个还在生长的东西，当然会产生这种幻觉。 真正能衡量 AI 是否变的更智能的指标，不是在 benchmark 测试上的分数，而是 AI 能够处理的任务的复杂度这条曲线，目前看，还在往上走。 2️⃣ PM 和工程师的比例在变 当 Build is Cheap，瓶颈就转移到了决策。 传统硅谷的工程师和 PM 比例大概在4:1到8:1。一个 PM 负责写需求、定方向，四到八个工程师负责执行。 这个比例背后的假设是：执行很贵，写代码很贵，所以你需要大量人手把一个清晰的 spec 变成可运行的代码。 但现在这个假设已经失效了，编码成本在快速下降，但产品决策的成本没有同等下降。于是工程师和 PM 的比例开始向1:1靠近，甚至有团队开始践行这个配比。 更进一步，吴恩达说他现在最欣赏的那批工程师，是能写代码也能跟用户聊的人。 这两件事以前被认为是不同人来做，现在越来越多地被要求长在同一个人身上。 他自己说：在生涯早期，他曾经试图说服一批工程师多做产品工作，结果把一些真正优秀的工程师弄得很沮丧，因为他们不擅长做 PM 工作；他说那是他做过的错误决策之一，后悔了很多年。 然后他说，他觉得自己现在正在重蹈同样的错误。 这句话有点绕，但我觉得他说的是真话：不是所有工程师都应该变成 PM，但如果你恰好能做这件事，你现在的优势会比任何时候都大。 3️⃣ 团队 > 公司 这部分我觉得是整场讲座信息密度最高的地方，也启发了我的机会选择思路。 他讲了一个案例：有个斯坦福的学生，被一家很热门的 AI 公司录用，但对方拒绝事先告知他会加入哪个团队，说有什么 rotation 机制，入职之后再分配。这个学生因为公司品牌够大，就签了 offer，结果被分配去做 Java 后端支付系统。做了一年之后觉得无聊，离职了。 然后吴恩达说，他在 CS230 课上分享过这个案例之后，另一个学生在几年后去了同一家公司，遇到了一模一样的情况。不是 Java 后端，是另一个跟 AI 八竿子打不着的方向。 如果一家公司入职前不告诉你会在哪个团队，这件事本身就是信息。 logo 不大但团队很强的地方，往往比 logo 大但团队一般的地方学得更快。你不是从走进大门那一刻的兴奋感里学东西的，你是从每天打交道的人身上学东西的。 在这个时代，能去到一个足够强的AI Native的小公司，一定比进入大厂的某个传统业务团队更好、成长更快，团队 > 公司。 4️⃣ AI时代的三个能力支柱 接下来换成 Lawrence Moroni 做分享，他是互联网科技的数十年老兵，呆过Google、Microsoft、Meta等公司，他接着讲了他看到当前 AI 人才身上的三个最重要的能力。 1.深度理解：不只是会调 API，而是要真的能读懂论文、理解模型架构、知道什么是信号什么是噪音。这个护城河现在比任何时候都值钱，因为现在社交媒体通过 AI 生成内容、制造噪音的成本降到了零。 2.业务聚焦：你能不能把技术能力翻译成商业价值。他讲了一个案例：一家欧洲公司来找他说想做 Agent，他直接问的第一个问题是为什么，不是要做什么 Agent。剥洋葱剥到最后，CEO 想要的其实是让销售团队更有效率。这个目标里从头到尾都没出现 AI 这个词。从这个真实需求出发，才能做出真正有用的东西，而不是一堆漂亮的演示。 3.Bias toward delivery：这个是他说的，想法很便宜，执行才是一切。他见过很多人带着半生不熟的想法进面试，也见过很多人带着不完整但落地得很扎实的方案进面试，通常都是后者能拿到结果。 5️⃣ 深刻理解技术债 每一行你使用AI生成的代码都是债。 Bug、文档、维护、新需求，这些都是你在还债。问题不在于要不要用 AI 生成代码，而在于你生成的每一行代码是好债还是坏债。 把 technical debt 当成财务债务来理解：买房贷款是好债，冲动刷信用卡买鞋是坏债。 判断标准就三条：你的目标清不清楚？有没有真正的业务价值被交付？别人能不能看懂这段代码？ 他说他在硅谷见过太多人把 vibe 出来的代码直接 check in 进仓库，然后没人知道那堆代码在干什么，原作者后来找到了更好的工作，离开了，那些代码就留在那里成了一块永久的技术债。 最后：一些职业建议 Lawrence 说，他预测未来五年 AI 会发生分叉：一边是越来越大的 frontier model，另一边是越来越小、可以自部署的 open weight model。 他的判断是，大模型这边的泡沫会先破，小模型这边的泡沫会晚一些。 好的工程师应该同时押注两边，而不是把所有技能集中在一个方向上；会训练、微调模型的人才很重要，未来会有越来越多企业自部署小型模型。 相比于做一个领域的专家，更推荐做多个领域的复合人才。

我在听herman jin的讲座，跟大家实时总结一下： 1. 半导体革命媲美蒸汽机、石油，40年第一次基建直接提高生产力 2. 26年底，27年初可能会发生一次回调，和csp fcf 下降和 信用违约互换（cds） 价格的反弹有关 3. 3月底以来最近之所以暴涨是因为流动性实际上提高了，虽然国债利率提高，但银行间的互换利率比较低，所以流动性不错。叠加半导体低估值和anthropic爆发（也就是agentic ai） 4. herman更看好光领域的投资，之所以他更想买光，是因为市值比较低。整个光产业的市值不如mu 5. 第二是光的产品性，但他认为存储依然是商品性（同质性） 6. herman 谈到AAOI，但他的成本价很低，成本不到2块钱😅😅😅 7. 他的意思是这些公司很容易犯错，比如capex，或者miss goal 8. 这是加仓的好时候，因为方向基本都是对的 9. OpenAI和Anthropic上市反而要小心。上市前没有公开财报，上市后就会收到市场更严重的审查，比如模型能力退步，算力不足，客户竞争等等 10. 台积电过去对AI保守，不扩产，导致整个半导体产能不足，margin能维持在很高，这导致这个阶段利好半导体板块

真心推荐大家去看看斯坦福这场两小时讲座， 直接把ChatGPT、Claude这类主流大模型，底层搭建逻辑讲得明明白白。 内容深度特别扎实， 很多干货，连不少AI圈内资深从业者平时都接触不到。 周末别整天碎片化刷短视频浪费时间， 先收藏存下来，抽两个小时静下心完整看完。 看完你会发现，这绝对是这周性价比最高、收获最大的一次学习。

以后一定一定一定不能一心软就答应别人去做讲座分享。答应了一个朋友去给他的硕士和博士生做一个关于 AI 的分享。3 个月过去了，我才写了 1 页幻灯片。我过往的生活中，好像只要涉及到要做幻灯片，都不是愉快的体验。

与其看一小时的抖音，不如看看这场 2 小时的斯坦福讲座。 关于像 ChatGPT 和 Claude 这样的 LLM 是如何构建的，它能教给你的东西，比大多数在顶尖 AI 公司工作的人整个职业生涯中所学到的都要多。

Jane Street 以年薪 $22 万–$60 万聘请了这位初级员工，因为他利用 AI 分析数万亿条数据。 在这场 1 小时的讲座中——他展示了如何借助自己的机器研究数万亿的数据点。 收藏并观看它，而不是看 Netflix，来学习如何做到同样的事情。