话题 · 2026
「话题」栏目 2026 年汇总，共 26 期
第 405 期：资源，社会公平与算力
分享一个有趣的观点：资源太多，会造成社会不公平。我谈不上同意这个观点，就是觉得思路很奇特。
这是奥地利哲学家伊万·伊里奇（Ivan Illich）在1973年的著作《能源与公平》（Energy and Equity ）中提出的，他认为用电量与社会公平有关。
“能源和公平只能在一定程度上同时增长。人均用电量低于某个阈值时，增加用电量能够改善社会公平。高于这个阈值，能源增长就会以牺牲公平为代价。”
他的意思是，让大家都能用上电，确实有助于社会公平。但是一旦电太多了，就会加剧社会的不公平。
为了证明自己的观点，他举了一个更奇怪的例子：车速太快，也会加剧社会不公平。
“车辆速度超过一定限度后，会造成人与人之间的距离感。它们会拉开所有人之间的距离，却只缩短少数人之间的距离。”
“速度的提升不可避免地使得少数人拥有更大的马力，加剧大多数通勤者日益增长的时间紧迫感，并让他们更加感到自己落后于人。”
就是说，车速快会拉开人与人的距离，但只有少数人能掌握高速交通工具，车速越快只会帮助这些人越加领先。
而且，车速变快以后，时间的计量单位就缩小了。以前，时间按天计量，有了汽车以后，开始按小时计量，以后可能会按分钟计量。
“似乎在世界各地，当一些车辆的速度突破 15 英里/小时（25 公里/小时）的限制后，与交通相关的时间紧迫性就开始加剧。”
时间变得紧迫，也是对富有的人更有利。对于底层的人，当然也让人生变得更有价值，但也变得更累。
因此，他的建议就是，应该限制车速，避免无限制地变快，不是为了交通安全，而是为了防止某些人领先太多。同理，也应该限制用电量，防止某些人掌握太多的能源。
他的理论可以这样总结：一种资源发展到不再那么稀缺以后，就会落入少数人手中，这些人就会利用这种资源拉大人与人的差距，加剧社会不公平。
按照这种理论，算力也是如此。开始的时候，普及算力会提高所有人的福利，改善社会公平。但是，到了一定限度之后，算力不再那么稀缺，算力越多，只会让少数人掌握更多的算力优势，加大社会不公平。
所以，到了那个时候，政府有必要设置算力限制，防止少数人拥有过多的算力。
我觉得，这个理论就是在说资源的分配问题，如何让每个人都能获取资源，同时防止少数人获取过多的资源。
老实说，我有点悲观，觉得做不到，为了提高经济效率，就不可能保证资源的平均分配。
第 404 期：你需要知道的 AI 内存知识
自己在家运行 AI 模型，可以选择两种硬件。
一种是独立显卡，目前最顶级的消费级显卡是英伟达的 RTX 5090，带有 32GB 显存，售价3万元人民币左右。
另一种是采用板载芯片组（CPU + 板载显卡 + 板载内存）的家用电脑，比如采用 AMD 公司 Strix Halo 芯片组（具体型号 Ryzen AI Max+ 395）的迷你电脑，自带 128GB 内存，售价2万元人民币左右。
我问大家，哪种硬件更好？
大部分人可能不假思索，就会选择独立显卡，毕竟独立显卡的算力远大于板载芯片组。
根据我查到的资料，下面是两者的单精度32位浮点数算力（FP32）。
- 独立显卡（RTX 5090）：104.8 TFLOPS
- 板载芯片组（AMD Ryzen AI Max+ 395）：14.8 TFLOPS
可以看到，独立显卡的算力，足足是板载芯片组的7倍。如果是更小位数的浮点数计算（比如 FP16 和 FP4），算力差距就更大了。
但是，我告诉你，正确的答案其实是“不确定”。很多时候，板载芯片组的迷你 PC，才是更好的本地 AI 模型解决方案。
原因很简单，大多数的 AI 模型（只要参数规模稍大），RTX 5090 根本运行不了。
问题出在它的 32GB 显存实在太少了。一个 70B 参数的模型，如果每个参数使用4位精度，那么将所有参数的权重读入内存，大约需要 32.6GB 的内存，这超出了 RTX 5090 的显存大小，它根本跑不起来。
相比之下，AMD 迷你电脑的板载内存有 128GB，载入模型毫无困难。板载芯片组的内存是显卡和 CPU 共用的，所以称为“统一内存”。它的好处是可以分出尽可能多的内存给单个处理器，所以能处理内存消耗量很大的 AI 模型。
苹果的 M 系列芯片一直是这种“统一内存”架构，其他厂商现在也跟进了，AMD 的 Strix Halo、NVIDIA 的 DGX Spark、Intel 的 Core Ultra 和高通的 Snapdragon X 都采用这种架构。除了内存容量大，它的价格也比独立显卡低。
读到这里，你可能会问，既然板载芯片组有这些优点，还有必要购买独立显卡吗？
回答是，内存有两个指标，除了容量大小，还有一个指标“内存带宽”。板载芯片组的弱点，恰恰就是内存带宽。
所谓“内存带宽”，指的是内存向处理器传送数据的速度。虽然 RTX 5090 显存不多，但是内存带宽极大，达到了 1792GB/s，而 AMD 的内存带宽只有 256GB/s。
AI 模型每生成一个 Token，需要处理器从内存中读取整个模型，进行计算。如果内存带宽是 256GB/s，那么 40GB 大小的模型，处理器一秒只能读取6次（256除以40），也就是说每秒只能生成6个 Token（这是理论值，实际可能还达不到）。这样的龟速，谁能忍受？
即使是内存带宽最大的苹果 M3 Ultra 芯片，带宽为 819GB/s，每秒可以生成20个 Token，远不如 RTX 5090 的 1792GB/s。
所以，内存大小和内存带宽，两者都是 AI 模型的瓶颈。这也是高带宽内存（HBM）价格涨疯了的原因。
如果你选择板载芯片组的迷你电脑，就要做好心理准备，忍受非常慢的 Token 生成速度。
好在为了节省计算量，出现了“混合专家模型（MoE）”这种架构，它计算 Token 时，不需要读取全部参数，只需要激活一部分参数即可。
以 Qwen3-30B-A3B 模型为例，它包含 30B 个参数，但每次只激活 3B 个参数，因此每个 Token 需要读取的数据量不是 20GB，而是 2GB。那么在 AMD 迷你电脑上，每秒理论上可以生成100多个 Token，这样的速度就相当不错了。
因此，如果你用“统一内存”模式的迷你电脑，就选用 MoE 模型吧。
另外，迷你电脑还有一个很大的缺点，跟内存无关，而跟它的算力慢有关。
我们知道，模型必须先处理用户的提示词，然后才能生成 Token。因为迷你电脑的算力慢，所以它处理提示词也很慢。
根据实际测算，AMD 迷你电脑使用 70B 的模型，提示词处理速度是每秒95个 Token。那么，用户提交4000个 token 的一个文档，大约需要40秒才能处理完，然后才能输出第一个 Token。
可以想象，一旦用户往上下文窗口塞入更多的内容，单单是处理提示词，就会变成几分钟到几十分钟。
总之，现阶段想在本地电脑运行大模型，无论是独立显卡还是板载芯片组，都有缺陷。你最多只能运行一些中等规模的 MoE 模型，而且提示词不能很长。
第 403 期：为什么 Dropbox 不成功
Dropbox，大家都知道吧？
它成立于2007年，创始人是麻省理工学院的学生，经常丢失 U 盘，于是想到可以把文件上传到服务器。
他就创业了，做出了世界第一个“云盘”，当时是革命性产品。
这就是 Dropbox 的来历，它成立后快速走红，成为最早的头部 SaaS 服务“云公司”。
但是，出道即巅峰，这家公司后来的发展并不顺利，最近几年完全停滞不前，知道它的人也越来越少。
上面是它的历史股价走势图，2018上市那一年就是历史最高价39块，后来再也没有到。将近十年了，现在还是20多块。
也就是说，过去十年的互联网大发展，Dropbox 不仅没有发展，反而萎缩了。
它目前的市值（公司的价值）略高于60亿美元，相比之下，同期成立、当年声势还不如它的 Airbnb，现在的市值是850亿美元，更不要提晚于它成立的 Uber 了（市值1500亿美元）。
到底为什么，Dropbox 没有发展起来？
前些日子，我看到一篇分析文章，提出了一个很有意思的观点。
作者说，Dropbox 的根本错误在于，把自己定位为消费者工具，而不是企业的生产力工具。
Dropbox 最有名的一件事是，公司创立之初开展了一次病毒式营销。那时，用户注册还不是公开的，必须有邀请码，如果有人使用你的邀请码注册，他和你都能获得额外的免费存储空间 16GB（下图）。
这个营销大获成功，邀请码一时洛阳纸贵，获取到了大量用户。这件事后来写进了教科书，被无数互联网公司效仿。
也许受到这件事的影响，Dropbox 就一直定位自己是 C 端工具。这个定位影响了后来一系列的决策，耽误了发展，真是被自己的成功害了。
云盘属于“生产力工具”，想要盈利不能面向 C 端（消费者），只能面向 B 端（企业）。
原因是，企业为员工的时间付费，所以他们愿意为能提高员工效率的工具买单；而消费者则大多只想消磨时间，所以他们不会为提高效率的软件买单。
这解释了为什么 Dropbox 的销售收入始终上不去，2025年的收入还比2024年下降了。因为愿意自己掏钱提高效率的人，比例是稳定的，如果不开拓新的市场，C 端销售额是不会增长的。
我觉得这个论断真是精辟，（绝大多数）消费者只喜欢消磨时间，不喜欢节省时间，只有企业才会为提高效率的软件付费。
Dropbox 把自己限制在 C 端，才是无法增长的根本原因。
C 端软件的主要商业模式，要么是帮助消费者更好地消磨时间，要么就是依附于消费者注意力的广告模式。当他用你的软件消磨时间，你就可以向广告主出售他的注意力，让他分出一部分时间看广告。
第 402 期：我在智念 AI 的日子（小说）
下面是一篇老外写的超短篇小说，也可能是 AI 写的，我不确定，但觉得很有趣，分享给大家。
为了易读，我做了一些修改，把内容“中国化”了。
1、
十四个月之前，我加入了一家叫做“智念 AI”的公司。
入职不久，公司进行新员工培训。首席执行官对我们说，公司的使命是为用户打造 AI 时代的个人品牌，帮助用户重新建立“基于 AI 的认知”。
现在想起来，虽然我已经在这家公司呆了14个月，依然无法解释这段话的含义。
2、
首席执行官还向我们展示了一幅画。那是一个漫步者走在一片云雾里，向着远方凝视，远方有一个数据分析软件 Grafana 的仪表板。不用说，这幅画也是 AI 生成的。首席执行官解释说，我们这些人就是那个漫游者，那片云雾就是云端，里面有各种传统的 SaaS 产品。
3、
进入公司办公区，你首先会注意到墙上有一台65英寸电视机，实时显示 Token 消耗排行榜。
目前，排名第一的是老张。他每周的 Token 费用，简直堪比一个太平洋小岛的 GDP。
我看过老张的电脑屏幕，那是一个 Tmux 软件分隔出的窗格布局，里面同时运行着六个编程代理。他用《西游记》地名为这些代理起了别名，因为他在 GitHub 上看到有人这么做，很喜欢这种做法：盘丝洞表示前端，黑风山表示后端，火云洞是数据库，其他地名还有流沙河、车迟国和无底洞。
4、
有一次，我晚上加班回家，发现钥匙忘记在公司，就回去取。公司已经没人了，但是我隐约听到洗手间有人在哭。
走近了，发现那是老张。我猜想，他是对着“聆聆”哭，“聆聆”是公司用于员工心理健康的机器人。
我在洗手间门口，听到老张哽咽着说：“我不知道自己还算不算一个人。”聆聆用一种绝不会让你感到负担的温柔语气说：“老张，你敢于面对自己的问题，已经很勇敢了。单单是注意到这一点，就已经做得比大部分人出色了。” 老张说：“谢谢你，你是唯一一个真正倾听我的人。” 聆聆说：“我知道。”
5、
每周一是公司的例会，也是需求评审会，明确一下本周要做的事情。每个人有三分钟，展示自己的工作安排，只用幻灯片，不放代码。
每个人的幻灯片都精美绝伦，不用说都是 AI 生成的。
用户增长部门的周蔚蓝，展示了一张漏斗图，里面的曲线正在快速上升。
下面有人问她 y 轴代表什么，她盯着幻灯片看了足足十二秒才说：“用户价值。” 那人又问：“用户价值的单位是什么？” 她犹豫了一会说：“图是 Gemini 做的。”房间里的人互相看看，都点了点头，就算通过了。
平台部门的小高展示了一张架构图，密密麻麻有很多箭头，简直就是分布式系统教科书里的插图。有人问他中间的方框有什么用，他回答“那是编排器”。别人让他讲得详细一点，小高仔细端详着幻灯片，仿佛第一次见到它。最后，他吞吞吐吐地说“编排器的作用就是管理其他的方框。”这时，首席执行官站起来说“可以了”，我们鼓掌就散会了。
6、
周二，我临时被分配了一个项目需求。我的经理在9点14分发给我一个工单。9点19分，我把工单粘贴到 Claude 里，看着它生成了一份流畅的文档。9点47分，我提交了第一个 PR。10点02分，PR 被合并了。
我其实不太确定这个 PR 到底做了什么，我装模作样地仔细阅读它，还留了两条评论，但是这就像配音演员跟着音轨对口型一样，他们其实不知道自己在说什么。
我在内网聊天软件里说“PR 已合并”，后面还加了一个小火箭表情符号，那是约定的完成标志。老张回复了一团火焰的表情符号，他已经连续11天没有说过任何非表情符号的话了。
7、
周三下午，隔壁团队的李静给我发了一条消息。“嘿，”她写道（这种看似轻松的打招呼，往往表示后面要谈一些不轻松的事情），“有个问题想问你，关于你昨天合并的代码。”
我盯着这条消息，我昨天的确合并了代码，但我完全不记得合并的东西是什么了。
根据李静的梳理，我才知道，昨天我合并的是在老张凌晨四点发布的东西之上加了一个通知服务。老张的东西是他的编程代理写的，他根本没看，系统显示，他在4:17点了一个赞，那是代码生成完毕、确认可以运行的时间。而老张的东西本身又来自首席执行官向 AI 口述后生成的一份产品规范，他把这个规范转发给产品经理，并附言“请执行”。
代码合并的后果就是，测试环境的每个用户一夜之间收到了几十封电子邮件，每封邮件的格式和内容都很没问题，但是通知的内容却是尚未发生的事件。
这个链条上的三个人——产品经理、老张、我——都不能解释为何会变成这样。事实就是，代码零审查，每个人都相信别人会检查，但根本没人检查过。
8、
周四，我请了病假，坐在阳台上，一边喝着咖啡，一边尝试着，不借助任何外力，独立思考一个想法，完全用自己脑海中出现的原创句子把它表达出来。
结果，我做不到。
并非我脑子里空空如也，我的脑子其实很满，甚至可以说太满了，但那都是准备提交给机器的一些下意识的念头。真正属于我的东西，我还在摸索着寻找它，就像你在曾经居住过但已搬走的公寓里摸索着寻找电灯开关一样。
我努力回想上次不用 AI 生成东西是什么时候，大概六个月前吧。
我还想了一下周末的安排。我打开了四个浏览器标签页，其中三个是 AI 的对话页，另一个是给我妹妹的生日祝福，写了一半，这种内容最好不要让 AI 写，但我又觉得自己根本想不出来应该怎么写。
9、
周五，我又回去上班了。电脑屏幕显示，老张本周蝉联 Token 排行榜榜首，这是他连续第九周蝉联了。
首席执行官从我桌前走过，拍了拍我的肩膀，“又回来了，”他说，“你的 Token 消耗量怎么样？”
“非常大，”我说。
第 401 期：如何赚到10亿美元
保罗·格雷厄姆（Paul Graham）是美国最大的创业孵化器 Y Combinator 的创始人，公认的创业导师，《黑客与画家》的作者。
他现在已经退休了，离开硅谷，住在英国乡下。
今年6月10日，他应牛津大学的学生社团邀请，做了一次演讲，题目非常炸裂“如何赚到10亿美元”。
我觉得，内容挺有意思，做了一些摘录。
1、
有些人似乎认为，赚到10亿美元是不可能的，除非使用非法的、不道德的手段。
在我看来，赚到10亿美元确实很困难，但并非不可能，而且机会比大家想象的大。
2、
21年前的2005年，我们创办了孵化器 Y Combinator，至今已经投资了大约6500家创业公司。
目前为止，这些公司的创始人之中，大约有30人已经成为10亿美元级别的富翁。而且，还有更多的人正在快速接近这个目标。
6500家公司，假定共有2万个创始人，其中30个人赚到10亿美元，机会并不是那么小。
3、
他们赚到10亿美元的途径，都是创办一家成功的公司。
4、
最近，我和一位创始人聊天。我问她的公司的增长率，她说上个月是93%。这意味着，她的净资产很可能也是这个增长率。
我们做一个简单的计算。
假定她的净资产现在是200万美元，都投资在她自己的公司。那么公司只要增长500倍，她的资产就能达到10亿美元级别。
你们觉得，她的公司需要几个月，可以达到500倍的增长？
5、
假设公司能够保持每月93%的增长率，那么只需计算以1.93为底数的500的对数，即 log(500, 1.93) 。
答案是 9.45。
也就是说，从200万美元起步，保持每月93%的增长率，只需要九个半月就能达到500倍增长，从而让你赚到10亿美元。
现在你明白了吧，为什么我遇到创始人时，首先要问的就是他们的增长率。
6、
你可能会说，每月93%的增长率是不现实的。那么，改成每月15%的增长率，五年以后，你会增长多少倍？
我们计算 1.15 的 60 次方（因为五年是60个月）， 1.15^60 的答案大约是 4384。
这意味着五年后，你的公司的收入将是现在的4384倍。
如果公司目前的月收入是一万美元，以这样的增长率，五年后的月收入将达到约4400万美元，一年就是5.26亿美元。届时，如果你像大多数创始人一样持有公司股份，你将成为10亿美元富翁。
事实上，15%的月增长率，相当于年增长率不到5.5倍。很多创业公司都能达到或超过这个增长速度。
总之，如果你二十岁出头创办了一家公司，保持着高增长率，那么到三十岁时成为10亿美元富翁是绝对可能的。
7、
保持高增长率的关键是，你必须创造出足够优秀的产品，让人们口口相传，这样才会有源源不断的顾客。
这也是我总是先询问创始人增长率的另一个原因。增长率能反映出他们是否做出了正确的产品。
8、
任何你真心觉得值得开发的东西，无论听起来多么荒谬，都极有可能发展成一个好的创业点子。
你开发的东西再怎么荒谬，也不可能比我们 2006 年投资的 Justin.TV 更甚。
这家公司只有一个人，就是创始人 Justin Kan。他把摄像头戴在头上，到处走动，直播他经历的一切。
他后来做了一个平台，让其他人也像他这样直播。最终，这家公司发展得相当不错。你可能听说过它，不过现在它叫 Twitch。
9、
创业的关键在于深入了解特定用户群体，从而精准地打造他们真正想要的产品。
用户真正想要的是什么？你能为他们做些什么，从而显著改善他们的生活？
这就是创业的同理心，也是我们在创始人身上寻找和培养的品质。
10、
通过创业赚到10亿美元，归根结底有两个决定因素：增长率和增长持续时间。
增长率在于打造用户喜爱并乐于分享的产品；增长持续时间则在于进入一个庞大的市场。
如果你的创业公司能够以指数级速度增长并占领一个庞大的市场，那么它的价值就会飙升，而作为股东的你自然而然就会变得富有，很可能赚到10亿美元。
第 400 期：rsync 的争论
rsync 是计算机同步最常用的工具，属于服务器的基本命令。
最近，有人发现，它的最新版本 3.4.3 是由 Claude 生成的。这引发了轩然大波，怎么可以用 AI 去编写系统的基本命令呢，谁能保证不出错！
项目的 GitHub 讨论区就有人发一个批评帖，题目叫做《不要乱搞这个软件》，矛头直指项目的维护者 Andrew Tridgell。
这个帖子热闹非凡，目前已有300多条发言，说什么的都有。发言者普遍认为，Claude 很可能引入漏洞，不应该使用。
有些人还说的比较礼貌。
我们非常有理由愤怒，因为一个非常稳定、备受信赖的工具 ，竟然立即开始走下坡路…… 而这一切仅仅是因为主要开发者在编写该软件时使用了 AI 生成的不规范代码。
还有些人就说的很难听。
仅仅因为你给无家可归的人免费施舍粥，并不意味着你可以在里面撒尿。
但是，维护者 Andrew Tridgell 也有苦衷。他写了一篇长文回应。
他当程序员已经几十年了，考虑到 rsync 的代码很稳定，本来打算退休了。但是突然之间，他收到很多安全报告，都是 AI 发现的漏洞，其中有些值得认真考虑。
这让他意识到，必须大幅提升 rsync 的防御能力，因为将来的攻击肯定是由 AI 驱动，复杂程度可能远超想象。
但是，他的年龄和精力已经不足以完成这个任务了，所以他引入 AI 来编写代码。他的工作重点则转向编写测试用例，保证 AI 生成的代码可以安全地正常运作。
他认为自己没有做错，引入 AI 再加上更严格的测试，将来的 rsync 会更安全。
不管这场争论是什么结果，我认为，“AI 写代码 + 人类测试”可能会是将来的大型项目的常见运作模式。
原因很现实，AI 发现的漏洞将会大量涌现，那些没有报酬的开源项目，根本没有人力应对，只能让 AI 去修补代码，工程师转而写测试。
第 399 期：中国 AI 大厂访问记
今年5月上旬，一个美国访问团来到中国，访问了14家 AI 和机器人公司。
访问对象包括 DeepSeek、月之暗面、MiniMax、智谱、字节跳动、阿里、蚂蚁、小米、零一万物、宇树、魔搭社区等。
所有成员都是科技分析师，回到美国后，每个人都写了访问观感：Kevin Xu、afra Wang、Florian Brand、Nathan Lambert、 Azeem Azhar、Lily Ottinger and Kai Williams、Jasmine Sun、Lingua Sinica、Caithrin。
这些文章有很多有意思的内容，我做了一些摘录。为了保证阅读体验，就不单独注明每一段的出处了。
1、算力的差距
我们在每一家公司都听到一个共同的抱怨：算力不足。这使得实验次数减少，模型规模缩小。
中国的算力不足，主要是美国的芯片出口管制政策造成的。我们感兴趣的是亲眼目睹本土公司如何应对。
虽然供应并非完全短缺，中国公司仍然能够拿到英伟达的 H100、B200 和 B300 显卡，但是数量至少比美国竞争对手少一个数量级。
英伟达最新款的 GB300 NVL72 系统（72颗英伟达最新 GPU 组成一个系统）的实时推理速度比三年前的 H100 集群快30倍，每颗芯片的内存容量高出3.6倍，每次推理的能耗降低了25倍。美国公司正在大量订购这些系统，而中国公司却无法做到。
中国科技公司，尤其是华为，在研发 AI 芯片方面取得了长足进步。但即使是华为今年3月发布的最新芯片 Ascend 950PR，其性能也仅与2022年发布的 H100 大致相当。而且，这些芯片的出货量远低于 H100。据估计，英伟达仅在2025年10月之前就已出货了700万颗 Hopper 和 Blackwell GPU，而且出货速度还在不断增长。华为计划今年出货75万颗 Ascend 950PR 芯片，这仍然只有英伟达去年出货量的十分之一左右。
结果就是，美国在算力方面拥有巨大的领先优势。我们估计，2025年底美国 AI 行业的算力大约是中国的8倍。中国 AI 公司目前总的算力，大致相当于美国2023年的规模。
我们向中国研究人员分享了 OpenAI 内部每位研究人员拥有的 GPU 数量。他们听到这个数字时，简直惊呆了。然而，我们都知道，OpenAI 的研究人员，或者说西方所有 AI 公司的研究人员，仍然会抱怨他们的算力太少。
2、算力的分配
美国的大部分算力都用于模型训练，而非服务客户。但是，中国的情况不同，算力既要用来训练模型，又要服务于数亿消费者和快速增长的企业用户。
如果拿出一半的算力用于服务客户，那么可用于模型训练的算力就会减少。
还有另一个需要考虑的因素。美国的算力主要由五家公司主导：OpenAI、Anthropic、Google、Meta 和 xAI。而在中国，各大科技公司都在积极研发自己的前沿模型，算力池被进一步分割。
3、计算效率
如果按照这种逻辑，既然中国的算力规模比美国落少两年，那么中国模型也应该至少比美国落后两年。但是，情况并非如此。
许多分析都认为，中国模型只比美国模型落后几个月。事实上，在某些方面，两国模型似乎是并驾齐驱的。
原因是芯片管制反而促使中国公司提高计算效率。我们发现，中国公司的单位算力支持的 AI 智能是简单扩展下的 4-7 倍，这弥补了算力的不足。
4、开源的分歧
目前，最好的 AI 开源模型是中国公司发布的。但是，对于是否开源自己的模型，中国公司内部有分歧。
公司的财务状况和收入压力，会影响到开源意愿。目前，对于是否开源，有一条界限正变得越来越清晰：模型参数规模达到一万亿。
一些公司认为，开源一万亿或以上参数的模型是一种资源浪费，因为没人能在本地机器上运行如此庞大的模型，而开源模型的典型应用场景正是本地机器。发布一万亿参数模型的更好方式是将其托管在公司自身的云基础设施上，只发布它的 API，方便用户使用。
但是对于另一些公司，开源模型近乎一种信仰，而构建万亿参数级别的模型则是开源事业的入场券。
5、西方化还是中国化
有些中国 AI 公司呈现出典型的“西方”风格，处处洋溢着硅谷式的酷炫氛围，甚至连赠送的周边产品都体现了这一点。
另一些公司变得越来越“中国化”，把打造一个光鲜亮丽的展厅视为头等大事。这些展厅用来接待参观者，通常是国有企业 CEO 和地方干部。参观之后，还会举行晚宴招待。
我认为，这既是一种选择，也是一种无奈之举，源于创始人的背景以及公司选择的业务类型。
6、对其他公司的看法
我们发现，所有中国 AI 公司都敬畏字节跳动的 Seed 部门。那是中国唯一的闭源 AI 前沿团队。它就像房间里的大象，却在翩翩起舞。它的豆包几乎垄断了 AI 的用户流量，他们的模型都可以快速推广到海量用户，其他公司无法匹敌这一点。
DeepSeek 则是业内最受尊敬的公司，越来越多地承担基础层的工作：架构、效率、推理优化，以及华为协议栈适配。
7、实习生
中国 AI 公司的员工，很多是才华横溢的“实习生”，平均年龄二十五六岁，大多数仍然是博士生，能够用英语轻松交流技术话题。他们大多毕业于中国高校，没有海外留学经历。
他们实习期一年到两年，享有全职员工的待遇和完整权限，可以自由地提出想法和开展工作实验。这跟西方顶尖 AI 公司形成鲜明对比，OpenAI、Anthropic、Cursor 等公司根本不提供实习，其他公司（比如谷歌）名义上提供 Gemini 的实习，但不会提供重要的任务。
中国公司更看重“新鲜人”，他们能够带来新想法和充足的脑力。为了改进最终模型，实习生更愿意做一些不那么引人注目的工作。而且，刚接触 AI 开发的人可以免受以前模式的影响。
从中国大学的角度来看，学校的计算资源根本不足以让优秀学生的才华得到充分发挥，不如把他们派往计算资源更丰富的业界公司，双方合作发表论文，实现双赢。
8、对待 AI 安全问题的态度
我问了一些年轻的中国研究人员，如何看待 AGI（通用人工智能），他们竟然给出了完全相同的答案：“AGI 就是人工智能可以取代我！”
我发现，他们没有流露出任何担忧，非但不害怕被取代，反而对机器是否真的能够超越其制造者充满好奇。如果真的实现了这一点，他们会欣然去做其他事情。
这跟西方同行形成了鲜明对比，他们许多人非常关注 AI 的安全问题及其社会影响。中国研究人员也重视安全，每个人都认为 AI 不应该做坏事。但如何确保这一点，大家都觉得这应该交给政府来决定，政府应该能够解决。
9、中国企业的 AI 需求
中国企业是否愿意付费购买本国 AI 服务？
一种广为流传的看法是，中国 AI 市场规模较小，因为中国企业通常不愿为软件付费，因此无法支撑本国的 AI 公司。
这种看法仅适用于 SaaS 模式的软件支出，这种模式在中国历来规模很小。但是，中国显然拥有庞大的云计算市场。
中国 AI 公司正在争论，中国企业把 AI 服务，到底看成是 SaaS 产品（规模较小）还是云计算（规模较大）？目前，AI 的发展趋势似乎更倾向于云计算。
10、数据产业不如美国
我们听说，像 Anthropic 或 OpenAI 这样的美国 AI 公司，每年购买训练数据（或者强化学习环境）就会投入超过1000万美元，累计投入更是高达数亿美元。我们很想知道，中国 AI 公司是否也是如此。
得到的答案是中国几乎没有数据产业，因为很多 AI 公司觉得，中国的数据产品质量较差，因此自行准备数据往往更为理想。
研究人员会花费大量时间来构建强化学习训练环境，而像字节跳动和阿里巴巴这样的大公司则拥有内部数据标注团队来支持这项工作。
11、政府的作用
谁才是中国 AI 领域真正的幕后推动者？相当于硅谷的红杉资本和 a16。
我的一个朋友的答案是：上海、北京和杭州的市政府。这些勤奋却又精疲力竭的政府官员，完全被“害怕错过”和竞争焦虑所驱使，正在拼命推动本地 AI 产业。
第 398 期：Token 费用难以负担
上周，OpenClaw（龙虾）的创始人彼得·斯坦伯格（Peter Steinberger）贴出了自己的 Token 使用量。
他不是故意炫耀，自己用了多少 Token，而是为了介绍工具软件 CodexBar。这个菜单栏小工具可以统计你的 Token 使用量，计算出对应的费用。
大家猜猜看，他用了多少 Token？
根据截图，他一个月发出了760万个请求，消耗的 Token 数量为6030亿。根据预设的费率，这些 Token 价值130万美元！
也就是说，他的 AI 编程平均每天要花费4万多美元。
当然，这个数字不是真实支出。因为他是 OpenAI 公司的员工，可以无限量免费使用公司的 Token。所以，这些钱并不是真实的支出。
但是，他的 Token 使用量是真的。绝大部分公司需要外购 Token，大家可以用他的例子计算一下，如果一个程序员每月用掉几千亿、甚至上万亿的 Token，公司要出多少钱？
他一个人一个月130万美元，相当于近900万人民币，一年下来超过1亿人民币！ 这就是放开使用顶级模型，公司要支付的费用。
如果改用便宜的模型，国内最便宜的开源模型，价格大约是国外旗舰模型的1/30到1/50，那么一年就是200万～300万人民币。
结论就是，如果放开不限量使用，一个程序员一年最少会花掉两三百万人民币的 Token 费用。要是使用美国的旗舰模型，费用会快速上涨到几千万甚至上亿人民币。
公司想要降低成本，有两个方法：一是购买包月套餐，但是大项目不够用；二是自己架设开源模型，省掉外购的费用，但是硬件费用不便宜，而且最强的模型目前是不开源的。
权衡下来，我猜想，公司几乎肯定会设置限制，不允许程序员无限量使用外部模型。那样的话，巨额的 Token 费用难以承受。程序员的工资已经不低了，再加上每人每年至少几百万人民币的 Token 费用，公司的开发成本会爆炸的。
大家可以说说，有没有公司对程序员提供外部模型无限量 API 调用？我是没有听说过。
事实上，因为 Token 费用太高，公司收紧 AI 编程的例子，我倒是知道几个。
比如，网约车巨头 Uber 今年头四个月就花完了全年34亿美元的 AI 预算，不得不限制使用 AI 了。
再比如，微软也因为费用超标，放弃了 Claude Code，改用自家托管的 OpenAI 模型。
如果 Uber 和微软这样的巨头，都承受不了巨额的 Token 费用，那大概就没有公司能够承受了。
总之，AI 编程虽然听起来很美好，但是看到账单的那一刻，公司就会清醒：AI 编程比真人程序员昂贵太多了。
所以，AI 会替代程序员吗？对于有大型软件项目的公司，我认为不会大规模替代，因为成本放在那里。至少现阶段如此，如果未来 Token 费用大幅下降，那就难说了。
第 397 期：财富正在向 AI 集中
AI 相关的所有东西，最近都在上涨。
看看股票，就知道了。内存、储存、CPU、服务器、液冷、光通信、变压器……股价全部在涨，更不要提，前期已经涨过的芯片、模型、算力了，甚至铜和铝也在涨。
这些股票的上涨幅度之大，令人咂舌。就以内存为例，世界三大内存厂商有两家在韩国，单单这两家公司就把韩国股市，从2600点一年之内拉到7600点。
2024年10月，三星公司董事长还因为半导体业绩不佳而道歉，结果今年可能成为世界最赚钱公司。
另一家内存大厂 SK 海力士更夸张。它跟工会有劳资协议，10%的利润要分给员工。有人计算了，门卫、司机、前台都算进去，每个员工今年平均可以拿到奖金610万人民币。
至于 AI 模型公司，更是人人都是亿万富翁。OpenAI 去年向600个员工回购了66亿美元的股票，平均每人拿到近1000万美元。
这些事情表明，社会财富正在重新分配，快速向 AI 集中。
这影响到了所有人。哪怕你根本不使用 AI，但是物价的上涨、资金从本行业流向 AI，不可避免影响到你。
日常使用的电子设备（手机和电脑）、电子元件、基本的生产资料（比如铜和铝）都在涨价。如果你在一个跟 AI 无关的行业，很可能吃不到 AI 的红利，反而被它伤害，因为你会面临成本上升、需求不足、投资减少。
古人说“一将功成万骨枯”，AI 的崛起不知伴随着多少其他行业的陨落。
虽然每一次技术革命，都必然伴随财富的重新分配。但是，这一次的 AI 革命，推进速度格外快，力度格外大，引发的再分配效应也格外猛烈。
作为一个普通人，尤其是身在互联网和软件行业的普通人，似乎也没有其他选择，总是被财富诱惑，只能紧跟潮流拥抱 AI。
第 396 期：互联网通信的替代方案
某天清晨，你醒来发现互联网断了，怎么办？
我说的是彻底的中断，完全不能运作，整个城市无法上网。这种事件虽然可能性很小，但还是有可能，比如遭遇了自然灾害或战事。
假设一时半会无法恢复通信，那么有没有替代方案？也就是说，我们怎么自己组网。
虽然互联网是无中心结构，搞一个子网并不难，但搞一个大规模子网，能够容纳一群分散的朋友，还是很难的。无论通过何种方式组网——无线路由、电话线、蓝牙或自己拉光纤——难度和成本都不低。
今天，分享一个我所知的最简单组网方案。
- 覆盖范围达到几十公里，甚至更远。
- 不需要架设任何线缆，自己发射无线信号。
- 供电只需要一个移动电源，甚至一节电池。
- 价格非常便宜，单套设备（发射端+客户端）最多只要几百元人民币。
唯一的缺点是带宽比较小，不能用来浏览网页，更不能看视频，只能发送/接收文本信息。
这个方案叫做 LoRa，或者严格地说，它的通信协议叫做 LoRa，也就是“长距离”（Long Range）的缩写。
LoRa 协议是专为远距离通信而发明的，只需很小的设备和一点点能量，就能向周围发送无线信号，有点像个人的无线电广播。它的编码算法特别强调抗干扰，哪怕信号非常弱，也能还原出来，所以可以远距离接收。
它本身只是一个无线信号的协议，需要自己实现发送/接收设备，完成编码和解码。开源项目 Meshtastic 就做了这件事，规定了软硬件接口，并给出了设备实现。
所以，一切就很简单了。你只要找 Meshtastic 兼容设备，人手一个，就能组一个简单的通信网。它自己会在所有节点之间网状传递消息。
在国内电商网站上，Meshtastic 终端设备一个从几十元到几百元人民币不等。它是开源系统，任何厂商都可以生产兼容设备，官网有一个设备名单可以查看，下面是几种终端设备的样子。
官网也提供各种平台的软件客户端，下面就是手机客户端的界面。
前面说过了，它的终端耗电量很小，只需要充电宝，就能长时间使用（几天到几周），如果配上随身太阳板，可以永久在线。
两个节点之间的传输距离5公里以内没有问题，如果建筑不密集，可以达到10公里～15公里；如果是空旷地带（比如水面），则可以达到几十公里或更远。多节点组网后，消息就能接力传播，那就传得更远了。
综合以上各点，这应该是最简单实用、最便宜的个人组建通信网方案了。它替代不了网页，但可以替代互联网的消息功能。
第 395 期：软件开发的第三种方式
有一本很著名的软件开发著作，叫做《大教堂与集市》，大家了解吗？
它提出软件开发有两种方式。
一种方式是大教堂（Cathedral），即软件经过精心规划，由一支专业的团队封闭式开发管理，全过程有严格的流程和管控，代码通常是闭源的。
另一种方式是集市（bazaar），即软件开发是开放的，没有围墙，任何人都可以加入，决策过程是透明的、由社区驱动，代码开源。
这种比喻将软件行业一分为二，非常精辟，自从初次提出，已经过去了近30年，一直得到大家的认可。
但是最近，有人提出，这两种方式已经不足以概括现状，软件开发现在出现了第三种方式：神秘屋。
“神秘屋”是一幢真实存在的大宅，就位于美国加州，19世纪末由一个老太太建造。
这个老太太非常非常有钱，没有其他爱好，就喜欢建筑学。她拿自己家当作实验品，一个房间接一个房间地建造，都由她说了算，亲自设计，亲自监工。
整幢楼没有整体规划，怎么想就怎么造，房间 A 是维多利亚式，房间 B 是罗马式，房间 C 是哥特式，都由老太太决定。有时候，房间造到一半，老太太不满意了，就拆掉重建。
所以，整个建筑像迷宫一样，每个房间的风格都不一样。根据当年的记录，重建次数最多的房间一共拆毁重建了16次。为了省事，一些房间的窗户和门重建时也没拆掉，而是直接砌进了墙里。
整幢楼在不同时期加盖了多层，最高达到五层，大约有160个房间、2000扇门、10000扇窗户、47个楼梯、47个壁炉、13个浴室和6个厨房。
1922年，老太太去世后，它对外开放，人们将其称为“神秘屋”。
如今，很多程序员就是这个老太太。
他用 AI 开发软件，自己提出需求，想要什么就让 AI 开发什么，既没有需求审查，也没有代码测试，充分满足自己的个性。
最终开发出来的软件，就是高度个性化，规模庞大，不断扩张，代码层层累加，几乎没有精简和优化，充满了修复 bug 的补丁。而且，它通常缺乏文档，对外人来说晦涩难懂，就像“神秘屋”一样。
但是，这种开发过程充满了乐趣，会让开发者自我陶醉，乐在其中。
随着 AI 模型越来越强，“神秘屋”式软件正在不断涌现，搞不好以后会成为主流，取代大教堂和集市。大部分软件，尤其是个人和小团队开发的软件，可能都是以这种方式开发出来的。
第 394 期：第二次 API 开放浪潮
如果你在互联网行业足够久，大概会记得，以前有过一次 API 开放的浪潮。
那是15年前的2011年，云服务刚兴起不久，各种平台纷纷开放自己的 API。
那时，Facebook 和 Twitter 都发布了自己的 API，开放了平台数据。GitHub 的 API 设计简直是艺术品，几乎可以获得任何想要的功能。
平台的想法是，开放的 API 有助于用户和第三方加入，来开发各种插件和扩展程序，从而推动平台的增长，提高用户留存率和满意度。
那时还有一个叫做 ProgrammableWeb 的网站（现已关闭），它的名字就代表了当时人们的信念：互联网可以通过 API 编程，把各种平台的数据连接在一起。
但是，事情的发展跟预想完全相反。
平台发现，API 很难盈利，因为无法插入广告，而且自家的数据会帮助其他公司的生意，造成用户流失。
于是，它们纷纷改变做法，限制和关闭 API，不再分享数据，将用户留在自家的“围墙花园”。
如今，Facebook 和 Twitter 的 API 已经形同虚设，第三方客户端遭到彻底禁用。GitHub 虽然还保持开放的 API，但也采取了管控，增加了身份验证和速率限制，要想构建全功能的第三方应用也很困难。
正当人们觉得这将是常态，转变出现了。
就在2025年的下半年，大模型达到了临界点，变得真正强大，可用于生产环境了。
人们很快意识到，如果大模型只会思考，不能执行代码，用处就不大。AI 的最大价值不是内容生成，而是内容生成 + 自动化，这样才能最大限度解放人力、创造价值。AI 自动化，自己执行代码的典型代表就是“龙虾”（OpenClaw）。
自动化意味着 AI 必须能够调用其他平台，进而意味着，其他平台必须先开放自己的 API。
突然之间，API 不再是累赘，而是接入 AI 的必须条件。没有 API，你的平台就进入不了 AI 工作流，各种 Agent 也就不能代表用户在你的平台上工作。
同样两个平台，一家有 API，另一家没有，后者就很可能被市场放弃，因为大模型无法接入它，也就无法对它自动化，AI 用户只能转向它的竞品。
平台意识到了，谁尽快开放 API，谁就抢占了先机。所以，强如腾讯也会在龙虾爆红后，以最快的速度开放了微信接口，让龙虾可以向微信发消息。
腾讯也害怕，在龙虾的世界里没有自己的一席之地。其他平台就更不用说了，抢着通过 MCP 和 Skill 开放自家的操作接口。
这表明，第二次 API 开放浪潮正在到来。这一次将比上一次开放得更彻底，更易用。
（1）这次开放的不仅是云服务，还有很多日常生活服务：外卖、电商、银行……甚至还有很多原本根本不会有 API 的服务，比如餐馆和球馆的预订。
（2）这次的 API 不需要手动编程，你只需使用自然语言，由大模型翻译后调用。
（3）这次的 API 是消费者通过 AI 调用，使用目的是代表用户行事。以前 API 是由应用程序调用，使用目的是获取数据。
第 393 期：脑腐状态
最近学到一个新词“脑腐”（brain rot）。
它就是字面意思。有些人看上去是正常的，但是大脑已经变异了，有些部分腐烂了。
根据介绍文章，“脑腐”的症状就是思考能力下降，难以长时间集中注意力，进行深入的推理和反思。
一遇到比较难、需要反复思考的问题，你就会烦躁，不仅是心理烦躁，还会生理烦躁，全身不安，不愿意多想，就希望赶快了结。
你有没有这个症状？如果有，就有“脑腐”的危险了。我感觉，我的大脑就有一点。遇到复杂的软件概念和算法，以前会仔细研究，直到搞懂为止，现在更可能看一眼就跳过去，不懂就不懂了，知道名字就可以了。
“脑腐”的主要原因是，网络平台上面那些夸张的“标题党”文章和短视频。它们的目标是吸引流量，在最短时间内引发阅读者/观看者的兴趣，感到满足。当你长期观看这些内容以后，大脑就被密集刺激，思维兴奋状态的维持时间越来越短，丧失了长时间深入思考的能力。
这就是为什么一个人看惯短视频以后，就离不开内容压缩了。一篇几千字的文章，他也会要求大模型生成总结；一部90分钟的电影，他也宁愿看几分钟的电影解说。
一旦“脑腐”了，难以长时间集中注意力进行思考，也就难以学习和处理高难度问题了。现在看上去，没有好的解决办法，因为现代人的时间越来越琐碎，内容碎片化是大趋势。
应对之策也许就是反过来，将学习和思考拆解成一系列短问题。比如，以后的学习不再是一厚本教材，而是几十个的系列短视频，每个用两三分钟解释一个知识点。只有这个时间长度，学生的思维才能保持专注。
第 392 期：axios 投毒与好莱坞式骗术
上周，著名软件库 axios 被投毒了。黑客拿到了发布令牌，直接发了一个新版本，里面加入了木马。
软件投毒不是新鲜事，新鲜的是发布令牌怎么泄漏的。背后的故事简直是好莱坞电影，根本防不胜防。
axios 属于使用最广泛的 JS 软件库之一，每周下载量接近1亿次，所以这次投毒的感染面很大。
而且，木马的恶性程度很高。根据官方的清除说明，如果不幸中毒，机器上所有的密钥、令牌和凭证都要作废。这个木马会扫描所有目录，收集密钥，然后发出去。
大家要知道，像 axios 这种超级流行的软件库，每个环节都有完整防护，每一行代码都被严格审查。这次攻击完全是一场精心策划的社会工程，把这些防护都攻破了。
攻击目标选定首席维护者 Jason Saayman。据本人透露，事件过程是这样的。
他们根据我的情况量身定制了这一流程，具体做法如下：
- 他们冒充某公司的创始人联系我，不仅克隆了该公司创始人的外貌，还克隆了该公司本身。
- 他们随后邀请我加入一个真实的 Slack 工作区。这个工作区使用了该公司的品牌标识，名称也十分可信。Slack 的工作区设计得非常精巧，他们设有专门的频道来分享 LinkedIn 上的帖子。我猜这些 LinkedIn 帖子最终会发布到该公司的真实账号上，整体效果非常逼真。他们甚至还创建了一些我推测是该公司团队成员以及其他一些开源软件维护者的虚假账号。
- 他们安排了一次与我的会面，目的是进行沟通。会议是在微软 Teams 上进行的。参会人员似乎是一群人。
- 会议指出我系统上的某些东西过时了。我以为是和 Teams 有关，就安装了缺失的组件，结果发现是远程木马（RAT）。
- 一切都安排得井井有条，看起来很正规，而且做事方式也很专业。
可以看到，这个攻击是有剧本的，每一步都经过了策划，充分准备和排练，完全为你度身定制，就等你落入圈套。
行骗者非常耐心，投入了巨大的前期成本。首先，假冒某公司的创始人联系你，为了提升可信度，还做了假的公司网站；然后，邀请你加入他们的 Slack 工作区，里面有各种讨论、项目文档、宣传物料，看上去就像真的一样；最绝的是，他们还让你在 Teams 软件上参加公司的视频会议，一群骗子亲自露面，陪你一起开会。
会议开始后不久，主持人突然说：“奇怪，你的系统怎么跟我们不一样，是不是微软的插件过时了，我发你一个最新版。”你就这样收到了传过来的安装包，看到别的与会者都在等你，你也就没有多想，直接双击执行了。哦喔，就这样中招了，发布令牌一秒钟就泄漏了。
作假到这种程度，让人叹服。
这让我联想到不久前看到的一条印度新闻，作假程度有过之而无不及，也是如同好莱坞电影。
去年圣诞节，一位印度新德里的77岁老太太，收到了“警察局”的 Whatsapp 视频电话。视频右下角居然还有手语翻译。
警察跟她说，银行发现她的账户有洗钱记录，必须对她进行调查，如果不配合，账户资金将被没收，通知她远程出席法院的调查听证会。
媒体后来披露了“警察局”的布景照片，大家看看多么逼真。
前三张照片是印度警察局，最后一张是巴基斯坦警察局，它们在一栋楼里，房间紧邻着。要知道这两个国家在现实中是对立的，但是不妨碍骗子两边都骗。
再回到案子本身，几天后，老太太参加了线上听证会，在一个法院里举行，由“法官”亲自主持。他查看了资金记录，听取了“警察”的证词，向老太太询问了一些问题。
最后，“法官”告诉老太太，当局需要核实她的所有资产是否合法。她必须每天都跟警察局连线，回答问题，直到查清为止。
下面就是这个案件最精彩的部分，一连16天，老太太每天开着摄像头连线，大家看看骗子演到了什么程度。
在这16天里，老太太渐渐喜欢上了在假警局轮班的警官们。她开始称他们为自己的孩子们。而他们也反过来称她为“母亲”。
晚上，她和最年轻的警官一起阅读印度教宗教经典，这位警官请她把她觉得特别感人的段落发给他。
“他们就像家人一样，”老太太回忆说。“他们说，‘女士，我们想尽快把事情解决。我们日夜为您工作。’”
天哪，骗子从早到晚演了16天，跟老太太促膝长谈，一起读经典，请教人生问题，直到深夜。这要是拍成电影，该有多动人。
老太太没有丝毫疑心，心甘情愿卖掉了自己的投资，累计九次向假警察局的账户总共转出了160万美元。
第二天，她再跟“警察局的孩子们”连线，就连不上了。
从上面两个案例，大家可以看到，现在的互联网骗局可以演到什么程度，完全是精准投放的“剧本杀”，成功率极高。要是再加上 AI 的加持，几乎不可能分辨真假。
网站开发有一条规则：客户端的每一个请求都不可信任，必须假定是恶意请求。以后，现实生活恐怕也是这样：每一个陌生人都不可信任，必须假定是恶意骗局。
第 391 期：AI 的贫富分化
我越来越觉得，AI 跟其他技术不一样，不仅带来技术变革，还会带来社会变革。
简单说，AI 会带来贫富分化。
其他技术实际上会消灭贫富分化，实现“消费者平等”，即穷人和富人消费的东西是一样的。
比如，大家喝一样的可口可乐，用一样的苹果手机，开一样的特斯拉。甚至互联网也是如此，世界首富马斯克和你用一样的网站、一样的手机 App。
但是，AI 模型不是这样。在大模型面前，穷人和富人是不平等的。
在未来，普通人肯定用不起顶级的大模型。其实，现在就是如此了，最贵的 AI 编程套餐是 Claude Code 的 Max 套餐，月费200美元，很多人已经用不起了。
OpenAI 曾经设想过月费2万美元的套餐，提供最顶级、无限量的大模型服务。
要是真的推出，只有富豪才用得起。
这反映了一个简单的事实：费用越贵，模型效果越好。因为模型的效果与算力相关，更多的算力、更大的上下文、更多的参数，都需要钱。
这跟工业品完全相反。工业品有规模效应，产量越高，单位成本越低。一旦大规模生产，价格就会越来越便宜。
但是，大模型不存在规模效应，模型的大规模生产需要更多的服务器，这并不会让单位成本降低，反而可能因为扩建机房，改造电路和水路，而变得更贵。
未来社会大概是这样的：富人和穷人用不同的模型。最顶级模型的服务——规划、咨询、生成内容、自动化……——需要支付高昂的使用费，而普通人就使用免费模型，效果当然也很普通。
不过，我也看到马斯克最近说，未来还有另一种可能。
他的意思是，算力本质上是能源转化的一种形式。人类最终会实现廉价能源的大量供应（空间太阳能？），所以算力将变得足够便宜，所有人都将用最好的模型。
可能吗？我不知道，感觉还是前一种情况更现实。
第 390 期：没有语料，大模型就是智障
如果现在做一个问卷调查，问大家“你觉得大模型是否具有智能？”
我相信，大多数人会是肯定的回答。
哪怕现在只是 AI 的初级阶段，大模型已经能够替代很多的人类智力劳动，确实非常神奇。
但是，我们不要忘记真实情况，大模型不是魔法，更不是具有自主智能的“硅基智能体”，而是基于统计规律的语言模型，它的一切行为都基于数学计算。
最好的证据就是，如果让它解决没有训练过的题目，也就是不存在统计规律的话，它根本解不出来。
这就是我今天想分享的一个实验。
两位国外的研究者找了五个主流的大模型：GPT-5.2、O4-mini、Gemini 3 Pro、Qwen3-235B、Kimi K2。
他们让大模型使用五种小众的编程语言——Brainfuck、Befunge-98、Whitespace、Unlambda 和 Shakespeare——来编程解决各种问题。
这些小众语言的共同特征是，网上很少有它们的资料，因此不能用来训练大模型。大家猜猜看，结果怎么样？
实验结果用一句话总结，就是大模型的表现一塌糊涂。
这五个大模型的平均答题正确率仅为3.8%，即100道题可以答对3.8道。相比之下，它们处理 Python 问题的正确率可以达到90%。
更尴尬的是，仅有的那几道答对的题目，都是入门级。更难的级别（初级、中级、高级），所有五个大模型的正确率都为0。
这个实验充分说明了，大模型的表现（智能程度）首先由训练材料决定：训练的语料越多，表现越好，比如 Python 的语料遍地都是，大模型因此极其擅长解决 Python 问题；训练的语料越少，大模型表现就越差，简直跟智障一样，没什么用处。
那么，一个让人好奇的问题就来了：如果某种冷门语言没有语料，但有一本很详尽的《使用手册》，我们让大模型学习这本手册，它是否就能学会这种冷门语言编程呢？
第 389 期：未来如何招聘程序员
前些天，讨论区有一个帖子，提出一个问题。
如果未来的代码都是 AI 写的，那么我们怎么招聘程序员呢？
程序员负责代码，但代码是 AI 写的，不是程序员写的，那么应该怎么面试他呢？
你仔细想想，这个问题比预想的难多了。
首先，考察他的代码能力不重要（代码不是他写的），更重要的是考察他会不会 AI。只要善于使用 AI，能够产出合格的代码，对公司来说就是合格的人选。
但是，什么样的面试问题，能够考察出一个人是否掌握 AI？下面是我想出的一些问题：
- 请将一个复杂的项目需求，转化成提示词，要求是清晰、逻辑性强、切中要害。
- 描述一个你认为需要使用 Skill 和 MCP 的场景，并阐述它们的工作原理和构建方法。
- 如何将一个大项目分解，设计出一个多 Agent 协同工作的机制。
- ……
这些问题能识别出 AI 编程高手吗？我完全没有把握。
其次，除了 AI，还要考察什么呢？ 这也很不好想。
我应该还会问一些架构问题，你可以不写代码，但要懂怎么组织代码，架构出一个系统。但我也不确定这是必需的，因为 AI 生成的大型系统迟早变成一个黑箱，可能对于架构知识的要求也不是很高。
另外，我还要看看他以前的项目，如果以前他用 AI 做过类似的东西，那么应该问题不大。但这也不可靠，且不说完全类似的项目非常少，就看 AI 进化速度这么快，两年前的经验早不适用了吧。
总之我发现，很难确定什么面试问题是一定有效的，能够可信地筛选出合格的应聘者。AI 颠覆了软件开发，也连带颠覆了程序员面试。大家有好的面试问题吗？
有一点是确定的，面试各种编程细节意义不大了，因为你不需要记住语法细节了，直接问大模型就行。
第 388 期：测试是新的护城河
Next.js 是目前排名第一的 JS 框架。平时遇到的 JS 全栈应用，我估计，一半用它开发。
两周前，这个框架被一则新闻颠覆了。
一个 Cloudflare 工程师宣布，他只用一个星期就用 AI 重新实现了 Next.js，起名为 vinext。
事实上，一天就生成产品原型了，后面几天只是在完善。
“真正动手是2月13日，当天晚上，基本功能已经实现。第二天下午，11个路由器做好了10个。第三天，已经部署到我们的服务器，实现了完整的客户端水合。
接下来的几天，主要进行安全加固：修复极端情况，扩展测试套件，提升 API 覆盖率至 94%。”
这个新的实现，比原版 Next.js 性能更好。
“早期基准测试中，构建速度提升了4倍，客户端软件包的体积缩小了57%，生产环境的 Next.js 应用已经直接跑在上面了。”
这个 vinext 的代码已经放出来了。
我觉得，这件事对 Next.js 的打击非常大。
Next.js 是 Vercel 公司的产品，背后有一个大型开发团队，每年都是巨额投入，已经整整做了10年。虽然是开源软件，但是企业版、云服务、插件、皮肤都要收费，去年的年收入达到2亿美元。
这种看似难以逾越的护城河，在 AI 面前不堪一击。一个工程师用了一个星期，就复刻了大团队十年的工作成果，现有的网页应用不改一行代码，放上去就能跑，原版的每个功能都支持。
你知道花了多少钱？Token 费用仅仅为 1100 美元！
这叫 Vercel 怎么再向 Next.js 的开发投钱，客户又怎么愿意再为某个功能付出高昂的使用费。
推而广之，所有的商业软件都受到了重创。代码的护城河不存在了，只要投入一小笔金钱，AI 就能复刻出大型软件。
那么，为了保护自己，软件公司下一步肯定要防止 AI 复刻。
怎么防呢？关键就是测试用例。
Cloudflare 工程师这一次能够复刻成功，主要原因是 Next.js 有完备的文档、庞大的社区文章、以及完整的测试用例。AI 模拟的每一个 API，只要能够通过原有的接口测试，就能确认百分百兼容。
如果拿不到测试用例，谁知道代码行为是否一致，谁敢放到生产环境运行。
可以想象，为了防止复刻，大型软件项目一定会保护自己的测试用例。测试才是新的护城河。
世界最流行的数据库 SQLite，本身代码15.6万行，但是测试用例9205万行，足足大了590倍！
其中，最核心的测试套件 TH3 是闭源的，不公开，主要测试航空、医疗等关键行业的极端情况和边缘案例，属于核心技术资产。正是这些保密用例，才让 SQLite 难以复刻。
无独有偶，就在前两天，另一个开源项目 tldraw 也准备将测试用例闭源。
说实话，保密的测试用例肯定不利于开源项目的发展，但是开发者需要保护自己的利益。在日益强大的 AI 面前，越来越多的软件可能会选择这样做。
第 387 期：你是领先的
世界总人口现在是81亿，如果画成一个方块图，每个方块代表320万人。
68.8亿人还从没用过 AI（灰色方块），占84%。
13.8亿人跟 AI 有过对话（绿色方块），占16%。
1500万～2500万人付费订阅了 AI 服务（黄色方块），占0.3%。
200万～500万人使用 AI 生成了自己的编程项目（红色方块），占0.04%。
正在阅读这份周刊的你，如果是关注 AI 动态，用过 AI 生成代码，就已经领先全世界99%的人了。
第 386 期：当外卖员接入 AI
最近，美国有一条无人驾驶的新闻，引起很大反响。
Waymo 是一家无人驾驶公司，已经在多个美国城市开展出租车运营了。
它有一个最大的烦恼，就是乘客下车后，没关好车门或后备箱，导致车辆无法驶离。
奇怪的是，这样一家高科技公司，居然没有开发远程关车门功能，反而想出了一个另类的解决方案。
它给外卖小哥下单，付钱让他们赶到现场关车门。
有一个小哥看到了上面这张奇怪的订单，标价6.25美元，要求赶到1公里以外的一个地方，找到一辆 Waymo 出租车，把车门关上。完成后，还将额外收到5美元。
他觉得很稀奇，就截图发到了网上，这件事顿时就变成了新闻。
它的新闻点，其实不是接单关车门，而是程序在调动人力，完成自动化流程。
一直以来，程序只能调动计算机，突然之间，它可以调动人力了，某个环节计算机完成不了，它就自动找人来完成。这才是新闻。
这样做之所以能够成功，完全因为外卖员是一个自带 API 的人群，已经接入了软件系统，成为了自动化人力，程序可以通过接口去调用他们。
你仔细思考这件事，就会意识到，在人工智能和机器人的时代，外卖员有特殊的价值，将是一个很有想象空间的职业。他们的作用绝不仅是送外卖，而是可以升级为远程操控、程序调用的人力，是“机器 + 人”自动化流程的一环。
一旦 AI 模型跟人力结合在一起，模型的作用将大大扩展，现在的 OpenClaw 只能操作计算机，将来的 AI 助手还将是劳动力的调配引擎。
比如，我要装修一套房子，AI 做好了设计方案，然后就在网上分布细分任务，水电工接单做好水电，监理员接单上门确认后，AI 就自动结算费用，进入下一个环节，泥工、木工……直至装修完成。
到了那时，你在网上输入提示词“我要装修房子”，真的可能一套房子就被 AI 装修好了。
AI 平台因此会变成一个劳务平台，你可以通过 AI 找工作，上面有各种劳务需求，你接单去做，完成后收到报酬。
总之，一旦人力接入 AI，被它调配，AI 就不止是计算机革命，而是整个社会经济都将围绕它重构了。
第 385 期：马斯克害怕中国车企吗？
两周前，马斯克宣布，特斯拉公司将停产 Model S 和 Model X 两种车型。
他的解释是，生产线空出来，用来生产机器人和无人驾驶出租车。
这显然会打击特斯拉的汽车业务。它的家用轿车一共只有四款，现在一下子少了两款，而且是最贵的两款，只留下低价的 Model 3 和 Model Y。
新闻发布会上，记者就问了，那么有没有计划推出新的车款？
特斯拉的工程副总裁这样回答：
“你们必须转变对我们的看法，我们现在更多是提供交通运输服务，而不仅仅是为市场提供可购买的车辆。”
马斯克补充说：
“我相信，长期中我们将只生产自动驾驶车辆。”
这意味着，特斯拉改变了定位，它将是一家交通运输公司，而不是汽车制造商了。剩下的两种车款，未来也有可能放弃，也许只生产不需要司机的自动驾驶车辆。
国外立刻有评论家，发表了尖锐的批评，认为特斯拉正在放弃造车，这是自杀行为。
他说，马斯克因为兴趣转向其他地方，不再坚持造车了，非常可惜，也非常愚蠢。
“特斯拉听任自家非常成功的汽车制造业务衰落，以便去追逐那些不知道能否成功、也不知道能否获得批准、更不知道有没有市场的机器人和无人驾驶出租车。”
他呼吁，马斯克不要畏惧与中国车企竞争，要坚持下去，造出又好又便宜的美国电动汽车。
“未来可以有另一种版本：特斯拉依然是电动汽车领域的领军企业，同时还在积极研发 AI 和自动驾驶技术，推出价格亲民的车款与中国电动汽车展开竞争，并拓展至新的细分市场。”
这大概是一种相当普遍的看法：马斯克对于与中国车企竞争，没有信心了，不怎么想继续造车了。
毕竟，特斯拉的汽车销量在2025年是衰退的，少于2024年，“世界最大电动车厂商”的头衔也让给了比亚迪。
马斯克是不是害怕中国车企？我说说我的看法。
首先，我不知道，他把生产线转为制造机器人，是不是正确的决定；我也不知道，他还想不想造车。我只知道，那些批评他的人，完全不了解马斯克。
千万不要用普通人的心态，去揣度马斯克，他不是一个常规的人。
如果看过他的传记，就会知道，他迄今所有的创业项目，都不是常规项目。从最早的 Paypal，到后来的电动汽车、太阳能发电、可回收火箭、星链、脑机通信等等，都有一个共同点，那就是他做的时候，那些项目都没有成功先例，因此也不存在竞争对手。
马斯克一生中只喜欢做那些“从0到1”、最前沿的、从没人成功过的事情。 做跟别人一样的产品，争夺市场份额，完全不是他的风格。
电动汽车已经是一种成熟商品了，主要技术问题都解决了，完全没有进入门槛，大家开始比拼成本了。你觉得，马斯克还会有兴趣吗？
我告诉你吧，对于击败中国车企，成为世界最大、最先进的电动车厂商，人家根本没有这个兴趣。他也压根不需要赚更多的钱了，已经是世界首富了。
反倒是，做出无所不能的机器人，组建自动驾驶车队，或者从事其他更酷的、无人见过的业务，更符合马斯克的风格。
我认为，这值得学习。中国企业不仅要追求做大做强，也可以追求做一些前无古人的事情，不仅要做 number one，还要做 only one。
第 384 期：为什么软件股下跌
大家知道，最近两三年，由于生成式 AI 的出现，美国股市大涨。
所有 AI 相关公司，股价都涨上了天：模型公司、应用公司、芯片公司、存储公司……
但是，我最近看新闻，才知道有一类股票，不仅没涨，还下跌了。你真想不到，这种倒霉的股票就是软件股。
新闻这样写：
“1月29日，SAP 公司表示云端业务将放缓增长，股价就暴跌了15%。受其影响，其他软件股 ServiceNow 跌了13%，Salesforce 7%，Workday 8%。
这反映了人们对软件行业的未来，日益感到紧张。该行业在疫情期间经历了高速增长，但是后来就急剧放缓。过去一年，美国上市的企业软件公司，整体下跌了10%。”
新闻还配了一张股价走势图。
上图中，向上的黑线是大盘，向下的彩色线就是软件股，真是跌得惨不忍睹。
读完新闻，我的第一反应就是，这是美国软件股，那么中国的软件股呢？
我找来了中国的前10大企业软件股：中国软件、用友网络、久其软件、浪潮软件、超图软件……
大家可以自己查股价，这10家公司过去一年中，居然没有一家跑赢大盘，全部下跌或者横盘。
我就得到了结论：软件股的一蹶不振，看来是全球性现象，不分国别，软件公司的业务都不太乐观。
这是为什么呢，AI 一路高歌，不断上涨，软件股却阴跌不已？难道 AI 不属于软件吗？
回答是，这些上市的软件股全部都是企业软件供应商，而且已经上市多年，产品在 AI 出现之前就定型了。
AI 对这些软件公司不是促进，而是冲击。
（1）AI 让企业能够自行开发一部分所需软件，减少了外购。
（2）基于 AI 的软件创业公司不断涌现，从现有软件企业手里抢走业务。
（3）AI 能够快速地、源源不断地生成代码，所以代码变得廉价了。这一点最重要。软件公司卖的就是代码，因此它们也变得廉价。
以上三点在未来不会消失，只会加剧，这就是为什么人们不看好软件股。
但是，不确实性也存在。有一个“杰文斯悖论”，说的是一种资源如果提高了使用效率，它的使用量不仅不会减少，反而会增加。
软件就是这种情况，AI 提高了软件的生产效率，只会让世界消费更多的软件。而且，企业总是有一部分软件，需要外购。关键就是，新增的需求，会不会抵消 AI 所减少的传统软件采购。如果抵消不了，软件公司就不再属于高增长行业了。
第 383 期：你是第几级 AI 编程
史蒂夫·耶格（Steve Yegge）是一个著名的美国程序员。
他在亚马逊和谷歌都干过，但是他出名的不是写软件，而是写博客。
他喜欢在个人网站发布长篇大论，滔滔不绝地议论，直抒胸臆，毫不避讳。他的好多文章都在业内被广泛阅读，引起很大反响。
这些文章后来结集出版，甚至引进了国内，书名就叫《程序员的呐喊》（人民邮电出版社，2014）。
它的书名里面的“呐喊”，英文单词是 ranting，直译就是“咆哮”，确实就是他的文章风格。
这个月，他又发表了一篇最新文章，谈他对 AI 编程的看法。
他说 AI 编程有8级，他已经到了第8级，也就是最高级。
第1级，还没有接触到 AI 编程，你的 IDE 还是正常的样子（下图）。
第2级，你在 IDE 装了 AI 插件，开启了侧边栏，AI 时不时提出代码建议，问你是否接受（Yes or No）。
第3级，你开始信任 AI 编程，进入了 YOLO 模式（“你只活一次”模式， You Only Live Once）。为了节省时间精力，你不再逐条确认 AI 的建议，只要是 AI 生成出来的东西，你就一路按 Yes，统统接受。
第4级，AI 占据的屏幕宽度越来越大，手工编辑的代码区仅用于比对代码差异。
第5级，你索性不要代码区了，改用命令行（比如 Claude Code），所有的屏幕宽度都留给了 AI。你现在不看 AI 的生成结果了，只看它的完成进度。
第6级，你觉得只用一个 AI 太慢，于是打开3到5个窗口，同时进行 AI 编程，加快速度。
第7级，同时打开的 AI 编程窗口到了10个以上，已经是你手工管理的极限了。
第8级，你开始使用 AI 任务编排器，让计算机管理并行的多个 AI 编程。
以上就是 AI 编程的8个级别，你是第几级？
到这里还没完，前面说了，史蒂夫·耶格本人已经到了第8级。他需要工具来管理并行的 AI 编程，但是找不到满意的工具。
于是，他就指挥 AI 写，并将这个工具起名为“煤气镇”（Gas Town）。这个名字来自电影《疯狂麦克斯》（Mad Max）第四部，是里面大反派老乔的老巢。那里到处都是二手零件组成的燃气机，能正常工作，但是看上去摇摇欲坠。
他说，“煤气镇”的开发就是东拼西凑，不考虑合理性，能用就加上去，没抛错就接受。“它有22.5万行 Go 语言代码，我从来没看过它的代码，也从来没想过要看。”
他建议用户不要使用这个工具，因为使用它需要全心全意信任 AI。并且，就算相信它，它也可能把事情搞得一团糟。另外，多个 AI 一起跑，很费钱。
但是，他还是把这个工具放到网上，因为它非常好玩。截至到上周，已经得到了6000颗星。
第 382 期：独立软件的黄昏
软件可以分成两种：一种是公司开发的，另一种是个人开发的。后者就称为“独立软件”（indie software）。
它的历史非常悠久，从古至今，很多程序员依靠出售独立软件谋生。
有一种东西“共享软件”（Shareware），年轻的朋友未必知道，二三十年前曾经非常流行。用户免费使用软件的试用版，如果满意，就向开发者购买一个注册码。
这就是一种独立软件，当年很多著名软件都是这个模式，比如国外的 WinZip 和 WinRAR，国内的网络蚂蚁（NetAnts）、网际快车（FlashGet）、豪杰解霸。
时至今日，大家看看目前流行的软件，还有多少属于独立软件？你每天使用的软件，又有多少是个人开发的？
很少很少了。
一位二十年的独立软件开发者哀叹，现在的市场上，公司开发的比重越来越大，个人开发的比重越来越小，独立软件正在没落。
“我销售自己的软件20年了，2005年以后，互联网开始普及，独立软件迎来了黄金年代。而最近两三年，环境一直在快速变化，销售明显变难了，我感觉自己越来越难维持生计了。”
独立软件的大发展，是从2005年开始的。
- 互联网的普及，网民数量急剧增长。
- 智能手机创造了手机软件，一个全新的软件大市场。
- 在线支付的普及和简化。
- 互联网使软件分发变得容易且免费。
- 免费的高质量开发工具（编译器、IDE、版本控制系统、Web 服务器）不断涌现。
这些因素让程序员切切实实获利了，要是你再做一些 SEO、买一些付费广告，完全可能赚到大钱。很多人就是这样发展起来的，从独立软件变成了大公司。
但是，最近两三年情况变了，上面这些因素都到头了。
独立软件正在慢慢退潮，你能够想起名字的独立软件越来越少，更不要说掏钱购买了，即使有也是多年前的作品。根据我的观察，依靠出售自己软件维生的程序员似乎也在减少。
主要原因有下面几个。
（1）AI 改变了互联网流量，独立软件失去了推广渠道。网站的访问量显著减少，人们更多跟大模型交互，而不是浏览网页。通过搜索引擎和在线广告获取流量的策略，越来越没有效果。
视频是为数不多仍然有效的推广渠道之一，但制作视频非常耗时，而且竞争异常激烈。另外，AI 生成的劣质视频迟早会大量出现，推广效果也会变差。
（2）AI 使得软件开发变得容易。它加快了开发速度，降低了进入门槛，让更多人加入竞争。以前，用户可能购买某个功能，现在直接让 AI 生成即可。
（3）新软件汗牛充栋，越来越难脱颖而出。iPhone 应用商店有大约200万个应用，用户很难发现你。另一方面，应用商店更喜欢推广那些能帮它赚更多钱的大公司软件，而不是独立软件。
（4）人们越来越习惯使用基于网络的软件，独立软件属于需要下载安装的原生应用，它的市场在萎缩。
基于网络的软件与其说是产品，不如说是一种服务，全天候24小时可用的服务。越来越多的个人开发者顺应这种趋势，改为以提供 SaaS 服务为主。
（5）平台的风险。现在的很多独立软件，都依靠云服务商的平台或底层服务，而平台随时会改变规则（比如关闭 API），或者推出竞品，一大批应用随之死掉，这种事情屡见不鲜。
（6）用户期望软件是免费的，或者非常便宜。售价略微高一点，就会无人问津。因此，独立软件要想获得可观的回报，就需要巨大的销售规模，这根本做不到。别的不说，个人开发者完全无力提供满意的客服。
（7）以上这些因素将长期存在，只会加深，不会逆转。独立软件的时代可能真的要结束了，个人开发者以后大概很难靠销售自己的软件为生，而要改为销售自己维护的 SaaS 服务，尽管这也很难。
第 381 期：中国 AI 大模型领导者在想什么
上周六（1月10日），北京有一场“AGI-Next 前沿峰会”，由清华大学基础模型实验室主办。
中国顶尖的 AI 大模型领导者，很多都出席了。
- 唐杰：清华大学教授，智谱创始人
- 杨植麟：月之暗面 Kimi 创始人
- 林俊旸：阿里 Qwen 技术负责人
- 姚顺雨：OpenAI 前核心研究者、腾讯 AI 新部门负责人
他们谈了对大模型和中国 AI 发展的看法，网上有发言实录。
内容非常多，有意思的发言也很多，下面是我摘录的部分内容。
第 380 期：为什么人们拥抱“不对称收益”
前两周，我跟大家说，美国现在最流行“预测市场”。我当时没有统计数字，现在有了。
2025年11月，美国前两大预测市场—— Polymarket 和 Kalshi —— 一共成交了超过100亿美元。
看这个数字，大家可能没感觉。作为对比，美国全国的体育彩票，2024年的销售额是137亿美元。
这就是说，预测市场一个月的交易量，接近了体育彩票全年的销售额。要知道，这两个网站6年前都还不存在！
这么恐怖的增长速度，难怪美国各大公司现在都想挤入这个市场，分一杯羹。
预测市场就是变相的网络彩票，它的火爆只能说明一件事情，美国正出现疯狂的“彩票热”。
本周，我看到一篇文章（上图），一位风险投资家分析这个现象。我想分享他的观点，他认为，预测市场火爆的根本原因，是社会心态的焦虑和绝望。
（1）财富转移机制失效了，通过正常工作致富，越来越不可能。工资的增长速度，低于消费的增长速度，个人债务正在变多。
虽然资产的价格（比如股票、黄金、房产）也在上涨，但只是让那些拥有资产的人受益，对于没有这些资产的穷人，只是变得更贫穷。
（2）传统的人生模式也失效了。以前的模式是，找一家大公司，每天按时上班，努力工作，对公司忠心耿耿，坚持多年就会得到回报。你会收到公司的奖励，退休后还有养老金。
这种模式现在行不通了。公司的经营短期化，能存活20年的公司并不多，更不要说你的岗位了。一旦失去现在的工作，再次就业非常困难，以前的工作经验很可能用处不大。
（3）AI 的出现，加剧了前两种情况的发展速度。AI 让一切加速了，压缩了时间。以前，你有五年的时间奋斗，AI 让你感到必须在一年里拿到结果，否则就可能为时已晚。
（4）社交媒体则使得人们永远不会对现状满意。
以前，你的参照群体只是周围人群，现在的参照群体是全世界。你每天看到的都是收入高、赚钱容易、生活优渥的人群，永远会让你感到自己的生活不够好，而无论你已经取得了怎样的成就。
（5）结果就是，越来越多的人失去了耐心，不再相信长期投入，不再幻想长期的劳动积累会通往圆满的人生，社会也不奖励耐心。
为什么要苦苦奋斗20年，去争取10年后可能根本不存在的晋升机会？我要的是一条快速的道路，摆脱日常生活的困境，而且越快越好。
（6）这种心态下，人们的风险偏好发生了变化。为了快速摆脱困境，在风险更大的选项上放手一搏，成了合理的选择。
即使只有5%的希望，也比100%的停滞不前更有吸引力。这就是彩票在贫困社区更畅销的原因。
这在经济学上称为“不对称收益”（asymmetric returns），就是风险和收益不对称。失败的可能性很大，但只会损失一小笔钱，成功的可能性很小，但是一旦成功，就会获得巨大收益，简单说就是“小亏大赚”。
追求不对称收益，已经成了一种普遍的心态。它推动了前几年的加密货币和 NFT 的热潮，现在又推动了预测市场。
可以确定，凡是能够产生“不对称收益”的事情，今后都会迅速成为热点。