河南嵩山少林寺初祖庵宋代过江龙兽石刻 Stone Relief of Water crossing Dragon and beast, Chuzu Hermitage, Shaolin Temple, Mount Song, Henan，Song dynasty 📷继续学社

很多人刚开始学美股，一上来就关注交易大神，看买点 看突破 看仓位，很容易学成追涨杀跌 这 6 个账号更适合拿来打地基，不建议当喊单看，适合拿来训练自己的判断 @10kdiver 适合补投资基础，他的内容很像把金融课拆成一条条推文，复利 PE 估值 现金流 护城河 商业模式 组合管理，这些新手最容易一知半解的东西，他会用长线程慢慢讲 @AswathDamodaran 是 NYU 估值教授，估值这块基本绕不开他，他经常拆具体公司的估值，最近也写过 SpaceX 相关估值分析，风格不是短平快，信息量比较重 @LizAnnSonders 是 Charles Schwab 的首席投资策略师 她最适合用来看宏观数据和市场环境，她平时会发很多图表，经济数据 资金流 通胀 就业 市场情绪 行业表现，这些都会覆盖 @callieabost 更适合普通人读，她现在在TheCompound / Ritholtz 体系里，也写 OptimistiCallie 她的内容会聊通胀 工资 IPO 市场周期 散户情绪 经济变化 但表达没那么学院派，读起来没那么硬 @EddyElfenbein 做 Crossing Wall Street 很久，也有自己的 Buy List，他的内容更偏日常市场观察和个股跟踪 会发股息 个股新闻 市场统计 组合相关内容 @Downtown Josh Brown 更适合看投资思维和市场情绪 他不是基础课老师 也不是单纯数据号 他的价值在于市场经验 他会用比较接地气的方式聊投资 资产配置 市场心理和华尔街观察 @mnmn94253156337 美股学习者 希望跟大家一起学习 一起进步。 这些账号不是关注完就能赚钱，也不建议拿任何人当神， 先别急着学买卖点，先把自己从只看涨跌，拉到能看懂估值 财报 宏观 周期和情绪

作为父母，过去一年最大的冲击应该就是思考“下一代，应该如何教育”，似乎所有的路径都在失效 过去一年，大学调整专业的数量比过去10年都多。学校也都不知道怎么教了，更别说父母🥺。 马斯克前段时间有一个采访，在被问到“AI时代给孩子的建议”时，他足足沉默了26秒后，给出的答案是：做你觉得有趣、充实、和对社会有用的事。 看到 Agent。 OpenAI 披露，ChatGPT 已超过 9 亿周活用户，说明自然语言交互已经被大规模训练成一种新的默认入口。 Stanford HAI 2026 AI Index 显示，2025 年受访组织的 AI 采用率已经上升到 88%，70% 的组织已在至少一个业务职能中使用生成式 AI；生成式 AI 在三年内达到 53% 的人口采用率，扩散速度快于 PC 和互联网。 过去几年，AI 从小众工具变成了大众入口。 AI 已经被大众理解了，但 Agent 还没有跨越鸿沟。 《Crossing the Chasm》里有一个经典框架：一项新技术从出现到普及，通常会经历创新者、早期采用者、早期大众、晚期大众和落后者几个阶段。 真正困难的地方，不是从 0 到 1，而是从早期采用者走向早期大众。 这中间有一道“鸿沟”。 早期采用者愿意为了愿景、效率和未来可能性去尝试新东西；但早期大众不会。他们要的是稳定、简单、低风险、可验证价值、成熟案例和完整解决方案。 所以问题来了： 今天的 Agent 到底处在哪个阶段？ 我的判断是： AI 作为大类，已经接近早期大众；但 Agent 作为“能执行任务的 AI”，还处在早期采用者阶段，也就是鸿沟前夜。 数据其实很明显。 McKinsey 2025 全球 AI 调研显示，88% 的受访组织已经在至少一个业务职能中常规使用 AI。也就是说，AI 已经不是少数极客的玩具，而是进入了主流组织和主流用户的日常工具箱。 但 Agent 还不是。 同一份 McKinsey 调研显示，62% 的组织至少在实验 AI agents，23% 已经在某些企业职能中规模化部署 Agentic AI；但在任何单一业务职能里，规模化 Agent 的比例都没有超过 10%。 这意味着什么？ 意味着 Agent 已经过了“没人知道它是什么”的阶段，但还没到“人人都会用它解决具体问题”的阶段。 这正是早期采用者阶段。 今天的 Agent 很像几年前的 AI 工具： 有人觉得它只是噱头； 有人觉得它不稳定； 有人试了一次就放弃； 也有人已经开始用它重构自己的工作流。 但技术采用从来不是等到完美才开始的。 等所有人都觉得它稳定、好用、安全、成熟的时候，它就已经跨过鸿沟了。 而真正的体验红利，往往发生在鸿沟之前。 因为在这个阶段，你获得的不是一个“工具使用权”，而是三种更重要的东西： 第一，体感。 你会比别人更早知道 Agent 到底能做什么，不能做什么，哪些场景是真需求，哪些场景只是包装过的 chatbot。 第二，工作流。 Agent 的价值不是回答问题，而是执行任务。 它不是帮你“想一下”，而是帮你“做一段流程”：找信息、调用工具、分析数据、执行操作、支付服务、交付结果。 谁更早开始试，谁就更早知道哪些任务适合交给 Agent，哪些任务必须保留人工判断。 第三，判断力。 未来一定会出现大量所谓的 Agent 项目。 但不是所有 Agent 都是真 Agent。 Gartner 已经提醒过一个现象：很多厂商会把旧的 AI assistant、RPA、chatbot 重新包装成 Agent，这就是所谓的 “agent washing”。它还预测，到 2027 年底，超过 40% 的 Agentic AI 项目可能会因为成本、商业价值不清或风险控制不足而被取消。 所以现在亲身体验的意义，不是盲目相信 Agent，而是训练自己识别： 什么是聊天机器人； 什么是 Copilot； 什么是自动化脚本； 什么才是真正能规划、调用工具、执行任务、形成结果闭环的 Agent。 这也是我为什么觉得 这个产品值得亲身入局。 不是因为它一定代表最终形态，而是因为它把 Agent 从“对话工具”往“经济主体”方向推进了一步。 这就很关键。 因为一旦 Agent 从“回答问题”变成“执行任务”，它一定会遇到几个基础问题： 谁来发现、雇佣Agent？ 谁来支付、验证交付？？ 谁来处理争议、记录信誉？ 谁来限制权限和风险？ 这些问题不解决，Agent 就很难从 Demo 走向真实生产力。 OKX的Agent Payments Protocol 也在试图解决类似问题：让 Agent 不只是完成一次付款，而是能报价、协商、托管资金、计量使用、结算和处理争议。 OKX 把这个方向称为 Agent Commerce，也就是 Agent 之间可以真正做生意，而不仅仅是调用 API。 这背后的趋势很大： AI 的上半场是生成内容，Agent 的下半场是执行任务。 生成内容解决的是“帮我写、帮我看、帮我总结”。 执行任务解决的是“帮我监控、帮我比较、帮我调用工具、帮我付款、帮我完成流程”。 前者改变信息生产，后者改变经济协作。 所以我不想把 只理解成“OKX 做了一个 AI 产品”。 我更愿意把它当成一个观察窗口： 我们正在看到 Agent 从工具走向市场； 从助手走向执行者； 从单体应用走向协作网络； 从人类操作软件，走向人类授权 Agent 执行任务。 而这恰恰说明，现在是普通用户最应该开始体验 Agent 的时候。 不是因为它已经成熟。 而是因为它还没有完全成熟。 当一项技术已经被所有人验证过，大众才会放心进入。 但当大众放心进入时，早期用户已经完成了认知积累、工作流迁移和判断力训练。 今天体验 Agent，不是为了证明它马上替代所有人。 而是为了提前理解下一代软件的交互方式： 过去，我们学习如何使用 App； 后来，我们学习如何向 AI 提问； 接下来，我们要学习如何给 Agent 设定目标、边界、权限和验收标准。 这才是最大的变化。 所以， 对我最大的意义不是“OKX 现在入局是不是最好的时候”。 而是它提醒我们： Agent 已经到了普通人可以开始亲自上手的阶段，但还没有到普通人都已经熟练使用的阶段。 这就是跨越鸿沟之前最有价值的窗口。 现在体验 Agent，本质上是在提前训练一种未来能力： 不是使用 AI 的能力，而是指挥 AI 执行任务的能力。

GLM-5.2 与 AI 利润率的重塑：一场关于智能商品的双重叙事 上个月我们聊过 GLM-5.2 的 1M 上下文能做什么——整本书喂进去、全量代码库一次读懂、长文本翻译不再切片。 今天想聊另一个问题：它的出现，对整个 AI 行业的定价逻辑，意味着什么。 目前搞科技评论的出现了一个奇妙的“平行宇宙”： 英文圈看到 753B 旗舰、MIT 协议、性能直逼 GPT-5.5 但成本只要六分之一，惊呼：“AI 利润率要彻底崩溃了！” 中文圈同期却在讨论：“智谱提价、国产大模型集体放弃价格战。” 同一个事实，两种叙事。究竟是谁在嘴硬，谁在流血？ 别误会，崩溃的不是模型能力，是“中间商”的暴利 很多人把“利润率崩溃”误读成了 AI 药丸。实际上，大多数人把因果关系理解反了。 先看一组让人肉疼的数据： 2023 年（GPT-4 时代）： $60 / 百万 token。 2025 年初（推理爆发）： $2.50 / 百万 token。 2026 年中（当前商品级模型）： 已经跌破 $0.10。 不到三年，推理成本直降 600 倍。这个速度，比摩尔定律还快。 再看最新的旗舰对决： GPT-5.5 输出定价： $30 / 百万 token GLM-5.2 输出定价： $4.4 / 百万 token 性能差距： 🤏 不到 1% 价格差距： 接近 7 倍 但这里有一个被刻意忽视的行业悖论：OpenAI 今年预计亏损 140 亿美元，每赚 1 美元要花 1.7 美元；而英伟达单季营收 816 亿美元，毛利率高达 75%。 同一个 AI 盛世，有人在深夜流血，有人在昼夜印钞。 📉 看看附图里 ICONIQ 最新的 2026 行业调查，数据更加骨感： 过去传统 SaaS 躺着就能拿到 70%-85% 的黄金毛利率；而 2026 年强行缝合 AI 的产品构建者，预期毛利率被硬生生压缩了近 30 个百分点，暴跌到 ~52%。 高昂的算力和推理成本，正在不知不觉中抽干应用层的财务血条。这也是为什么像 GLM-5.2 这种把推理成本打到极致的模型出现时，整个科技圈会如此敏锐。 这根本不是“AI 药丸”，这是利润率的重新分配——从虚胖的应用层，流向了硬核的基础设施层。真正崩溃的，是“靠垄断大模型推理服务、躺着收高溢价过路费”的幻觉。 那中文圈的“涨价”又是怎么回事？ 这才是这个话题最有意思的地方——两个叙事并不矛盾，它们描述的是同一场战争的两个不同战场。 智谱在 2026 年短短三个月内两度提价，GLM Coding Plan 整体涨幅自 30% 起。更关键的数据是：第一季度 API 定价累计上调 83%，但 Token 消耗量同期增长了 400%。 涨价了，用的人反而更多了。 这说明什么？说明智能体时代，Token 的消耗模式彻底变了。以前是“一问一答”，线性消耗；现在是 Agent 长链路思考、多步骤执行、循环调用，Token 消耗是指数级增长。智谱 CEO 张鹏的原话是：“AGI 时代的商业价值 = 智能上界 × Token 消耗规模。” 所以中文圈的“涨价”，本质上是：需求爆炸了，供给跟不上，定价权回到了卖方手里。 这和英文圈的“利润率崩溃”并不矛盾——崩溃的是“低质量、高溢价”的推理服务；涨价的是“高质量、供不应求”的 Agent 能力。 同一件事，不同切面。 20 年前那场搞垮巨头的“带宽爆炸”，正在重演 这种教科书级别的结构性重组，历史演过一次。 2000 年代初，全球光纤带宽爆炸式扩张，传输一个比特的成本瞬间跌了 99%。 当时的输家： 电信巨头 WorldCom、Global Crossing 直接破产，因为他们赖以生存的“昂贵带宽费”变成了一文不值的空气。 当时的赢家： 刚刚成立、拼命消耗免费带宽的 Google。 “带宽崩溃”那年，恰恰是全球互联网真正爆发的元年。 杰夫·贝佐斯（Jeff Bezos）有句话放在这里特别合适：“你的利润，是我的机会。” GLM-5.2 刺破泡沫的今年，大概率是同一个剧本。崩溃的不是 AI，崩溃的是“智能属于奢侈品”的伪命题。 当智能像自来水一样便宜，真正的壁垒是什么？ 这意味着，那些曾经因为语言障碍、付不起高昂 API 费用、或者没有渠道接触顶级信息的人，第一次在物理层面上，站在了和硅谷工程师几乎相同的信息起跑线上。 智能，正在从稀缺神坛走向路边的自来水管。 但作为做翻译和生产力工具的，我们想留一个足够清醒（甚至有点冒犯）的问题：当“能力”被彻底普惠后，“机会”真的会均等吗？ 语言和成本不再是壁垒。但如果你根本不知道外面有什么值得读，或者习惯了信息茧房，那么再便宜的旗舰模型，对你而言也是冗余的算力。 信息平权真正要解决的，从来不只是“怎么翻译”，而是“让你睁眼看到，世界上还有另一种叙事存在”。 🌐 而这，也正是沉浸式翻译一直在做的事。 当 GLM-5.2 将顶级长文本的推理成本打到“平民价”，通过在沉浸式翻译中接入你的自定义 API，那些高高在上的海外一手信息，都将变成你无缝吞吐的认知底层： 前沿技术文档与 PDF 研报：一键双语对照读懂 GitHub 上的开源技术 Specs、Arxiv 论文或海外科技媒体的硬核分析，让行业红利没有时差。 全球财经与国际叙事对比：在浏览器里直接无缝对照阅读英文圈的“利润率崩溃论”与中文圈的“供需重组论”，在双重叙事中看清真实的行业大势。 海外硬核视频与社交媒体流：实时双语翻译 YouTube 上的技术讲座、公开课，以及 X（Twitter）上的硬核技术推特链，让你直接站在和硅谷同等强度的信息源头。 智能正在变成像水、电一样的基础设施，而沉浸式翻译，就是把这股智能水流无缝接入你日常浏览器、PDF 和视频里的那根双语管道。 智能不再稀缺，机会留给最先睁眼看世界的人。 #AI# #GLM52# #信息平权# #沉浸式翻译#