让大家享受最后一年意义的工作，Chad Hurley 写的这句话是多么有诗意的一个说法，为什么在中文语境里就变成了贩卖焦虑和断章取义？语文到底是谁教的？我认为技术主义者本质上都是反人类主义者，他们不断 push 人类向下一个神性的世界前进，所以他们的话语中无处不存在着悲观，但行动中无处不显露着乐观，如果这一点都无法感同身受的话，就不要写代码了，也不配！

「让大家享受最后一年有意义的工作」这话又不是我说的，这是 Youtube 创始人 Chad Hurley 写的 能不能看完视频，别断章取义的说我「断章取义」？我做的产品还不够复杂吗？搞笑呢

美国企业花了 400 亿搞 AI，95% 没有回报 赚到钱的那 5% 做对了什么？ AI 时代最大的陷阱是 “做很酷的东西” 🦊 Cursor 不酷，它只是让写代码变快了。Harvey 不酷，它只是帮律师省了时间。ElevenLabs 不酷，它只是让任何人都能做配音。 真正的护城河 = 垂直数据 + 分发渠道 + 工作流嵌入，不是模型本身 (Claude 和 GPT 不是你的，你也做不了，开发模型要花很多钱) 95% 的 AI 项目烧钱，因为它们在炫技 剩下 5% 在印钞，因为它们在省人力 MIT 2025 年的一份报告我看简中推几乎没人讨论，数据非常惊人： 1、美国企业在生成式 AI 上投了 350-400 亿美元，但 95% 的 AI 试点项目没有产生任何可衡量的 P&L 影响 2、14000 家 AI 创业公司有 40% 在 24 个月内死亡 与此同时，赚到钱的那 5% 公司却赚到离谱 先来看看炫技派们的墓碑 🪦 1、Builderai：微软投的，估值 15 亿，融了 4.45 亿美元 号称 AI 自动生成代码，实际上是后台靠 700 个印度工程师手写，破产时账上只剩 500 万 2、Jasper AI：AI 写文案的标杆。2023 年营收峰值 1.2 亿美元。2024 年暴跌到 3500 万。跌幅 70%。原因很简单：ChatGPT 的文案能力变好了，用户不需要一个"套壳"了 AI Wrapper 数据显示：8500 家活跃 AI Wrapper 公司 只有 2-5% 月入超过 1 万美元，24 个月累计失败率 80-85% 再看看赚钱的有多赚钱 💸 1、Cursor：零营销：17 个月做到 10 亿 ARR，又 3 个月翻到 20 亿 ARR Slack 用了 5 年，Zoom 用了 9 年，Cursor 不到 2 年就做到了 2、Harvey（法律 AI）：3 年做到 1.9 亿 ARR 42% 的美国顶级律所在用。估值 110 亿 3、ElevenLabs（语音 AI）：ARR 超 3.3 亿 从 33 亿估值飙到 110 亿，只用了 3 个月 4、Perplexity（AI 搜索）：ARR 自 2022 年以来增长 1900% 为什么垂直 AI 能赚 10 倍？ 顶级 VC Bessemer给了一个清晰的框架： 传统 SaaS 争夺的是企业 IT 支出——仅占 GDP 的 1% 垂直 AI 争夺的是劳动力支出——占 GDP 的 13% 美国劳动力市场 11 万亿美元，企业软件市场 4500 亿美元，差 24 倍。传统 SaaS 捕获一个员工价值的 1-5%，AI 可以捕获 25-50% Harvey 不是在卖 AI，它是在卖律师的时间 一个 AmLaw 100 律所的初级律师年薪 $20 万+，Harvey 替代掉他 30% 的工作，省下来的钱是任何 SaaS 订阅费的几十倍 而每个赛道都有“Cursor 时刻” 💡 ▪️法律：Harvey 1.9 亿 ARR，Casetext 被 Thomson Reuters 以 6.5 亿美元收购 ▪️医疗：Abridge 估值 53 亿（AI 环境记录），一家医院用 AI 做保险验证，年增收 230 万 ▪️会计：Basis 估值 11.5 亿（AI 报税），CPA 事务所效率提升 30-50% ▪️房产：EliseAI 估值 22 亿，PropTech AI 投资年增长 42% 不是做更通用的 AI，而是做某个行业的"替代人力" 给我的启发是 1、数据"无聊"的 AI 其实最赚钱： 例如 AI 发票自动化、合同审核、销售线索生成，叙事不性感但有人月入 25 万美元 2、90% 的员工在用"影子 AI"： 只有 40% 的公司有官方订阅，但 90% 的员工每天在用个人 AI 工具（牛马们自费开 Claude 写代码，我真的哭死）需求是真实存在的，只是企业产品没跟上 3、AI 公司到 1000 万 ARR 只需 2.5 年 传统 SaaS 需要 6 年 4、最大 ROI 不在销售和营销，在后台自动化 如果你想赚钱，3 条路线可以思考，或者和你的 AI 多讨论 A：做垂直 AI 工具 找一个你熟悉的行业（律师、牙医、房产中介）用现成 API 包装成行业专用工具，月费 SaaS。AI 一直强，重点看你有没有行业 know-how 和分发渠道 B：做 AI 集成 帮企业接入 Claude/GPT API，做定制化部署 MIT 数据说外购成功率高 3 倍，但企业不会自己接（或担心数据风控风险）他们需要人帮忙 C：做"无聊"的 AI 自动化 发票、合同、客服、数据录入。没有人会把这些发到 Product Hunt，但它们的 ROI 最高 今天早上我在公司开会时说： 赚聪明人的钱很难很难，因为聪明人自诩聪明，你能想到的一切他都会自己搭，最好赚的其实是傻子的钱 怎么找到傻子和如何赚到傻子的钱 think think 再 think

【貴重金屬】香港黃金交易員身價大漲 人才爭奪戰升溫 隨著全球大行與剛進入香港貴金屬市場的機構爭奪人才，黃金交易員的薪酬待遇水漲船高。Page Executive的副合夥人Hayley Law表示，高級職位的基本年薪約為300萬港元，而中層管理人員的年薪則在80萬港元至120萬港元之間。

定投的话是可以忽略涨跌，跌的时候多投点的。 作息效果出来了，昨儿也十点多睡的，这会儿醒了，八小时有了。 两年没去体检了，昨儿去了，最害怕的甲状腺没事，于是更好睡了~ 人很容易物伤其类，两个好朋友查出甲状腺癌，堂哥打电话说他们分行一个00后也查出来了，让体检一定加甲状腺彩超，这些事给我吓到了真怕一查查出大问题，幸好没事，昨儿医生查完听她说情况我大松一口气🤣 几年前一个算命的师傅说我阳寿86，感谢他，如果是真的就其实挺高寿了 只要临终前脑力还在，体力弱点没事，精神别出问题，认知ok，别失能，生活质量就不会差，但希望别是那种一格电待机的情况，最好半格，还能做点喜欢的事。 现在就可以开始为养老做准备，从身体和心理上，经济上，社会支持上。 🌸身体运动+作息调整+饮食控制，昨儿查了骨密度挺好的没问题 🌸心理上自洽，远离NPD，远离内耗 🌸经济上能工作多久工作多久，最好是工作到86岁人生终章，有助于保持身心健康，社会价值锚定，以及社会联系，定投QQQ，小仓位个股，回调加仓，不用太久，10年，效果就会初显。 🌸社会支持上，爱好，社团，多圈子，保持老关系，新增新关系，每天出现在公司会议，健身房，偶尔闪现办公室，偶尔聚会，商务会议，很难变成孤僻老太🤪 身体健康，心理健康，经济健康，别的都随缘，不奢求暴富，不奢求被爱，老了不奢求长寿，骗子就骗不到我，还防渣男防套路hhh 截止到今天已经没有一段恋爱长过我和Harvey还有L哥共事的时间了，我希望能一直这样下去并且私心希望他们即使80了也不要退休。

Anthropic 今天正式上线了一个叫做「Claude for Legal」的仓库，一口气放出了 12 个针对具体法律岗位的插件，以及超过 20 个连接行业常用软件的 MCP 连接器。 无论你是公司法务、打并购战的律所、专注隐私和 AI 治理的法律顾问，还是每天苦熬到半夜的诉讼律师，甚至是法学院里摸爬滚打的学生，这个仓库都给你准备好了对应的 AI 工具，直接在 GitHub 上开源了： 这些插件用之前不是即插即用，你得花 10 到 20 分钟，带着 Claude 做个简单的“冷启动访谈”，把你团队的 playbook、模板和风格习惯都塞进一个叫 CLAUDE.md 的本地文件。这样，以后每个插件干活儿的时候，都自动按照你自家的风格和标准来。 Anthropic 这么搞，是为了彻底解决 AI 法律工具最常见的槽点：输出内容太通用，看起来不像哪家律所自己的东西。 Anthropic 还是挺懂律所的痛点的。 比如 Vendor Agreement Reviewer 插件，它能自动对照你家合同模板改供应商协议，还贴心地输出一份 redline 备忘录； 又比如 NDA Triager，帮你自动把涌进来的 NDA 文件按绿黄红分级，绿灯放行、红灯直接推律师处理； Claim Chart Builder 插件可以一键生成专利侵权对比表； Privilege Log Reviewer 自动帮你跑第一轮特权日志审查； 而 Docket Watcher 插件则不知疲倦地盯着法院动静，帮你把最新动态实时扫进来。 简单讲，就是把律所里最烦、最机械、最浪费人力的活，变成了一个个简单的 slash command。 如果说插件解决的是律所内部效率问题，那么对行业系统的深度接入才真正体现 Anthropic 的野心。 现在，Thomson Reuters 的 CoCounsel、Harvey，还有 iManage、NetDocuments、Ironclad、DocuSign、Everlaw、Relativity、Box、Datasite 等几乎所有你能叫得上名字的平台，全都接入了官方 MCP 连接器。日常办公的 Word、Excel、Outlook、PPT 也全线打通。合同改完后，Claude 甚至会直接输出成 Word 修订模式，律师一条条接受或拒绝就行。 Anthropic 不只是把目光停留在高端律所。他们还特意做了些更「接地气」的事儿，联合 Free Law Project 和 Justice Technology Association，给法律援助机构、公设辩护人、非营利法律组织推出特别折扣，连给普通当事人设计的 Courtroom5 工具也接进来了。这点挺让人感触的，因为美国大约八成民事诉讼里的原被告，根本请不起律师。 Claude for Legal 背后的大脑是刚升级的 Claude Opus 4.7 模型。Anthropic 很谨慎地强调：所有插件输出都是“仅供律师审阅的草稿”，绝对不能替代律师的专业判断。 README 文件里反复提醒：引用必须追踪来源，涉及特权和主观法律判断时，要默认保守处理。毕竟法律这件事，AI 还是不能完全代替专业律师。 官方博客：

AI泡沫论，继循环投资/左脚踩右脚的故事淡化后，终于又迎来了新论据，这次轮到了GPU折旧问题 这次的叙事很简单，在几个主流CSP的财务报表里，GPU折旧年限很多都是平摊到6年来算 但是GPU使用寿命可能只有2~3年，那么这样做账就会让纸面上利润率虚高，而实际上AI云利润太低就是吹泡泡 真的是这样吗？ ------------------------ 首先我们要来看看，GPU实际使用寿命2~3年这个说法是哪里来的 目前比较靠谱的溯源基本上指向了公开的Llama3的技术报告 Meta在2024年训练Llama 3.1 405B模型时，使用了16,384个H100 GPU，训练时长54天。在这期间记录了： 466次中断（interruptions），其中419次是非计划故障​ 平均每3小时发生一次故障​ 有效训练时间维持在90%以上 根据Meta的这次54天训练数据推算，年化GPU故障率(AFR)约9%​，最保守的估算，3年累计故障率约27%（超过1/4的GPU会在3年内失效） 虽然实际上肯定是用的时间越长故障率会更高，因为高负载导致的高温会更容易产生failure 所以训练用的GPU2~3年寿命并不是空穴来风，毕竟同步训练的脆弱性决定了AI训练过程要求单个GPU故障就能导致整个作业停止 另一个佐证就是，曾经GPU挖矿的矿卡，三年报废率也是很可观的，挖矿和训练的共通之处在于GPU利用率都很高 在这个Llama3技术报告之外，所有CSP，包括Azure，GCP，AWS的这类数据都是保密的，毕竟这个故障率直接关系到运营成本和服务质量，算是商业机密。 ----------------------------------------- 确认了折旧率数据来源，接下来就要说“但是”了 -------- 1. 是不是训练用的GPU寿命都一直会这么短？ 首先Meta这个训练数据推算是按中断次数算的，但并不是每次中断都 = 1 GPU 坏了 实际上即便是现在的训练用GPU，中断故障率都比以前训练要低了，以前几乎每一两小时都要中断，现在每天中断几次，相比之下好一些 部分原因是validation的自动化流程做的更好了，训练时的硬件故障中断，其实有不少是重复来自于少数体质敏感易坏的GPU。于是Nvidia也一直在优化validation流程，在训练之前的测试做的更好，剔除掉这些易坏的GPU 所以现在的GPU年故障率AFR跟以前比已经低不少了，我的估算可能是<6% --------- 2. 一个更容易被忽视的问题是，训练用的GPU和推理用的GPU，折旧率是否一样？ 很显然是不一样的，推理用的GPU年折旧率一般要低的多，原因是推理的平均负荷要小得多，不会因为持续性高负载高温，对延长寿命是有帮助的，一般年故障率都不会到3%甚至更低(<2%)，这部分GPU的寿命以6年算，是完全符合实际情况的 那么在云上训练和推理GPU的比例如何，就决定了平均寿命折旧如何 推理GPU的比例其实是快速上升的，和训练GPU比起来，不管是模型公司还是云公司的利润其实主要也来自于推理，而长远来看，推理的比例是一定会远高于训练的 所以GPU长线按5~6折旧年限来记账，仔细来看并没有太过分 作为佐证，现在只要不是公司里最重要的部门，要做AI推理就只能用五年前的A100而并没有寿终正寝，是很常见的现象 ---------- 3. 技术的快速迭代，会让GPU在三四年之后，因为TCO使用成本占劣势而被淘汰吗？ 这相当于是让GPU的残值可以忽略，比如现在A100用起来综合成本不如用最新的，所以会被淘汰吗？ 今天CRWV的财报里，CEO的回答算是直接否定了这个说法： "Let me provide a tangible example of our customer relationships and the durability of our platform. We had a large, multi-year contract up for renewal in 2026." （我来提供一个关于我们客户关系和平台持久性的具体例子。我们有一个大型的多年期合同，原定于 2026 年续约。） "Two quarters in advance, the customer proactively recontracted for the infrastructure at a price within 5% of the original agreement." （客户提前两个季度，主动以原协议价格 5% 以内的价格续签了基础设施合同”） H100在合同结束之后，新合同仍然能卖到原来合同95%的价格（看到这里其实我挺惊讶的，H100的租价其实还是下降了不少的），而且连A100也全都卖光了 所以在算力紧缺供不应求的时代，这个前代GPU得不到利用从而报废的担心，在短期的几年内可能都不是太大问题 ---------------------------------------------- GPU折旧问题似乎不是大问题了，是不是意味着AI泡沫就不存在了？ 如果有泡沫，那么会以什么形式出现，会从哪里出现？ 我们可以从底层逻辑和互联网泡沫比较，来看这个问题 简单的说 互联网：基建端基本独立运营，基建和应用是解耦的，需求是脱节的，基建过度价格崩塌，泡沫破裂的很惨 。价值全产生在应用端公司，形成了生态错位 AI：应用端驱动基建，因为应用被基建严重限制规模，从而被迫投资基建端，算力一直紧缺 互联网的泡沫主要在基建端，大量的光纤建设之后都没人用（97%），但是AI泡沫里GPU基建却成了瓶颈，基建显然不是同一种泡沫 基建紧缺到什么程度？ CRWV的订单backlog从30B直接涨到55B，各个CSP的backlog（以RPO为算，一般来说会有5~15%的丢单率）也在快速上涨 从CSP，到芯片，到数据中心DC，到电力，到存储，所有人都在喊订单挤压的太多甚至几倍，很多产业链的环节2026年全部售罄，根本做不完。 硅谷公司里基本上只要是跟AI相关的组，都背负了很重的指标，被压榨累成狗，即便是以前文化很好的NVDA也变内卷了很多 这次的需求全部是从App应用端来的，从App -> 云 -> DC数据中心 -> 芯片一层层传导，而且大家都对泡沫很忌惮，有多少订单准备多少产能(除了少数冒险家CRWV/ORCL/META)，和互联网泡沫最大的区别在于，基建目前并没有超出需求建设 风险也是有的，毕竟App应用端太多创业烧的是VC的钱，这正是泡沫形成的绝佳背景。但目前来看，垂直类应用端还是有很多毛利率和增长率都很不错的代表的(比如Harvey) 所以如果真的有泡沫，目前来看只有可能来自App应用端的需求减弱 一个反直觉的悖论，App端的泡沫在于AI/Agent发展迭代的不够快！做出的东西不够好，导致营收增速跟不上 AI/Agent发展不够快，在广大行业渗透不够又部分是因为算力不够 于是为了维持泡沫不破，算力投资和军备竞赛又会继续加强 然后App端会出现大量输家被淘汰，因为算力投入而破产，这可能就是泡沫破裂的形式 这和互联网时代基建公司大量破产形成了鲜明对比 最后决出的几家寡头，有一定营收，依然会大力投入算力基建，期待赢家通吃 这就导致了AI泡沫和互联网的泡沫破裂方式可能是不同的，下游的基建风险并不大，而泡沫更偏向App应用端 另一个简单的比较方式：看谁在举债，泡沫破裂就在哪里 互联网泡沫，举债的更多在基建端，价值捕获更多在App端 AI泡沫，价值捕获在App应用端，而举债的也更多在应用端(以及云) 但反过来说，如果OpenAI和Anthropic能继续维持三年3~9倍的营收增速，基建维持5年供不应求的超级周期，并不是天方夜谭的事情 --------------------- 算力把时间借给了应用，终究要用增长归还；还不上的，就是泡沫。能还清的，就是点亮文明的下一座灯塔