其实不仅是投资不要上杠杠，人生都不要上。买房买车、结婚、生孩子，永远在自己可以宽裕负担地时候再去做。
一个人用 AI 把产出提高 10 倍，为什么整个团队却没有变快？
Claude Code 负责人 Boris Cherny 把 AI adoption 分成几个阶段：
从一个人与一个 Agent 结对，到同时指挥多个 Agent，再到管理上百个自主工作的 Agent。最终，人只需要给出目标，Agent 会自己拆解、协作和执行。
这张路线图中人的角色一直在变化：
写代码的人，逐渐变成 Agent 的编排者、管理者和决策者。
但 Agent 越多，新的瓶颈也越明显。你很难逐行检查所有产出，决定团队能走多远的，会是验证机制、权限边界、质量标准，以及出了问题由谁负责。
AI adoption 走到最后，可能更像一次组织结构的重写。
以后公司会拥有更多员工，还是更多由少数人管理的 Agent？
顯示更多
非常同意，占据渠道的重要性远高于技术了。
@otterpal24 实际上多邻国vibe 出一万多节课比一个OPC重新写一个多邻国要容易的多，渠道是现成的。
也就是说，AI是帮助已经占据渠道的公司的。
和我的观察一致。
感觉解释性强的人，行动力就弱了。行动力强的人一般解释性弱，就是会显得有点蠢或者是莽撞
本周把海力士砸出十八年最大单日跌幅的，
不是空头研报，是强平算法。
首尔的追保线，就是你的波动率
盯住 👇
非常对。
未来企业最缺的人，一定不是单纯会用 AI 的人。而是懂业务、懂流程、懂工具，还能把人的经验沉淀成 Skill 的人。
站立式办公的好处除了能减肥（可以恢复糖代谢循环）外，还可以保持专注力。男性额外附加一个保持生殖健康的好处。
我举个例子，多邻国我一年的订阅费用才200块。如果我vibe 一个多邻国，浪费我的时间和金钱远超200。所以很多软件不会死，只是商业计价模型变了。
不过一个非常重大的变化就是，在市场卡住位，要比你代码写好，重要的多得多。
顯示更多
不看好SaaS （软件即服务）向AI转型。由于传统SaaS 开发维护成本几乎是固定的，因而利润主要取决于用户增速，也就是高固定开支，0边际成本的盈利模式。
但转型AI后（AIaaS），用户每次交互都会切实消耗Token，就会不可避免的变成用户数越多→GPU/Token/电能消耗越大→服务商成本越高→财报越难看的现象。
这会迫使服务商转变收费思路，比如从固定月费转向按量收费的Token账单（或隐性限流限额）
但Token账单这个东西说白了是个不确定的消费，从消费者角度来看是极其厌恶的，这好比过去花钱包月就随便用的东西，现在搞得像出租车打表，用也难受，不用也难受。
这种劣势在B端会更突出，传统SaaS对于企业的价值就是降本增效，除非AIaaS能够证明可以显著降低可量化的人力成本，否则不确定账单会变成服务商在B端推广的重大壁垒。
由于SaaS向AIaaS转型的成本问题在短期内很难解决，也看不到账单刚需化的迹象，因此在未来Token成本快速下降前，我对SaaS还是持观望态度。
顯示更多
Taylor 内心是非常希望这次发射成功的，但是数学模型告诉她做空获利更高。失败后，Taylor 情绪这么稳定的人，流下了眼泪。这可能是最顶级交易者的素质，能严格遵守数学模型和记录，区分自己的喜好和数学上的概率。
顯示更多
在美剧《亿万》第三季第四集中，科学家克雷格研发太空移民技术，项目风险极高，一旦成功能改写人类未来，克雷格为项目赌上性命，最终火箭发射失败意外身亡；Taylor利用他的死亡消息做空相关资产，赚得巨额利润
顯示更多
是的，我发现数据标注才是AI的关键。
我最近也是有这个思考，一旦AI生产力爆表后，总是做一步产生十个分叉的念头，而忘记了主干，应当舍弃很多分叉出来的念头，专注一个方向。
Eva 是一款面向 macOS 的开源、本地优先 LLM 大脑，让 AI agent 在源文档和你之间持续维护一份带链接的 Markdown 知识库，而不是每次问问题都临时翻原始文件。
顯示更多
把一份 YC 创始人「前 10 个客户从哪里来」的经验汇总，整理成了这张动态图。
样本里常见的路径是，1–3 个来自熟人和热引荐，4–10 个来自线下见面、社区互动和精准触达。有了案例与话术后，再逐步引入自动化工具。
这不是通用公式，只是对这些冷启动经验的归纳。
顯示更多
Lenny 问 PM：“过去几年，AI 持续提升你生产力最明显的一件事是什么？”
翻了几十条回复，整理了六类：
1. AI = Executive Assistant（执行助理）
连接 Gmail、Slack、会议、Jira、日历、文档。
自动记录会议、提取待办事项、创建 Todo、安排优先级、生成每日简报，甚至把它自己能完成的任务直接做掉。
2. Brainstorm & First Draft（头脑风暴与初稿）
以前一个想法要找 PM、工程、设计、市场来回讨论。
现在先和 AI 推演几十轮，把方案做到 80%，最后再找团队确认，大幅降低沟通成本。
3. Learning Accelerator（学习加速器）
AI 让学习陌生领域的成本几乎归零。
可以无限问那些“不好意思问同事”的基础问题，更快建立第一性原理理解，也更敢进入新的行业和技术方向。
4. Customer Research（用户研究）
从“查数据”变成“和数据聊天”。
AI 可以直接分析用户数据、总结访谈、生成用户画像（Persona）、发现规律，用户研究效率提升了一个数量级。
5. Technical Feasibility（技术可行性）
PM 不需要等工程做完整调研，就能快速理解一个功能背后的 API、数据库、系统改动，大幅提升产品判断质量。
6. Product Ops Automation（产品运营自动化）
Jira、Linear 等工具已经开始被 AI 接管。
一句自然语言就能创建 Epic、拆 Ticket、查询项目状态、总结 Slack 长线程、分析数据，把大量重复工作自动化。
顯示更多
PMs: What's one specific way AI has significantly and consistently impacted your productivity? What's something you do very differently now vs. a couple of years ago that makes your work much faster/better?
(Other than prototyping, and using AI to craft/give feedback on your docs/writing)
顯示更多
这个指标很关键
我们得根据市场环境随时判断进展，目前的情况很简单，如果算力真的紧缺：
为什么腾讯可以HY3免费大量调用（work buddy, openrouter)，
为什么O A两社过去一周多次重置限额变相打价格战？
为什么GLM不限量不排队了？
显然算力曾经处于一个局部过剩状态，但目前已经大为缓解。
顯示更多
我跟身边人反复说，根本就不像是18年、22年熊市。更像是15年，那时候行业的叙事都说是证伪了，比特币都被质疑，连布道者李笑来都走了。你们现在看的很多老og，在那个阶段其实也离开了行业。
顯示更多
