与「今天仍然是自己喜欢的样子」相关的搜索结果

梨型身材你会喜欢吗 #今天仍然是自己喜欢的样子# #正常穿搭无不良价值观# #永远做自己喜欢的样子# #正常穿搭可出门# #换一种穿搭风格# #大方展示美丽#

推荐这篇文章，Flask 作者 Armin Ronacher 写了这两天我看到最诚实的 loops 反思。之前两篇都在讲 loop 怎么搭、工程怎么落地，这篇问了一个没人敢问的问题：loop 写出来的代码你真的喜欢吗？如果你在用 AI 写代码，这篇可能会让你停下来想一下。 即将到来的 Loop 我不再给 Claude 写 prompt 了。我跑着一些 loop，它们负责给 Claude 写 prompt 并决定做什么。我的工作是写 loop。 — Boris Cherny 过去几个月，我看到越来越多的人在 coding agent 之上构建一些感觉上跟"直接用 coding agent"有本质区别的东西。模式到处都一样：任务被放进某种队列，机器捡起来、尝试、停下来，然后 harness 判断那是不是真的结束。 如果不是，harness 继续同一个 session、注入另一条消息、用修改过的 context 启动一个新的 session、或者把任务发给另一台机器。任务在模型自己本该说"我做完了"的那个点之后，继续活着。 我想这种 loop 想到自己都不好意思承认。 每个 coding agent 内部已经有一个 agent loop 了。模型调用工具、整合结果、再调用工具、读文件、改文件、跑测试、最终生成答案。那个 loop 我们已经相当熟悉了。另一种 loop 是 harness 级别的 loop：agent loop 之外的 loop。那个 loop 也不是新的。从 Claude Code 早期我们就一直在做各种版本，但那个 loop 在 agentic engineering 中越来越重要，最近几周已经开始主导 Twitter discourse。 我还不擅长这个 我目前的状况是：对于我真正在意的代码，我还没怎么成功用过这种工作方式——而这恰好是我相当大一部分代码。 部分原因是品味，部分原因是控制。我对我想要的代码样子设了一个很高的标准，我想理解我交付的代码。在压力下，或者跟另一个人讨论时，我想能够解释清楚系统做了什么，而不是先让一个 clanker 解释给我听。显然，这种"想理解代码"的愿望是否会在几年后依旧存在，是一个问题。但现在，我还没有越过"理解对我来说很重要"这个阶段。 基于这个愿望，对于没有我关注时写出来的代码，尤其是由 loops 产生的代码，我感觉有些东西缺失了。当前模型倾向于产生过于防御性、过于复杂、推理过于局部的代码。它们避免强不变量。它们添加 fallback 而不是让坏状态变得不可能。它们重复代码、发明糟糕的抽象、用更多 machinery 掩盖不清晰的设计。更糟的是：我几乎看不到这方面有什么进步。如果有什么变化的话，我觉得我们可能还在往错误的方向走。至少以我的品味，当前像 Claude Code with ultracode 这样的无人值守 harness 产出的代码，比去年秋天我们产出的还要差。因为 Claude Code 加 Fable 会连续不停地在一个问题上工作 30 分钟甚至更久，而过去这个过程会有更多人参与。 此外，一个众所周知的问题是模型倾向于观察到某个局部失败然后添加局部防御。Karpathy 提到他们"对异常感到极度恐惧"。在具有重要不变量的系统中，尤其是持久化数据格式或核心基础设施，正确的修复不是"处理每个异常情况"。正确的修复是让异常情况一开始就无法被表达或写入。但即便有大量人工引导，LLM 也不会自然地产生那种代码，而且即使代码自然地像那样产生了，它们仍然会试图处理现在已不可能的错误。 当你把这种行为放到 loops 后面时，你往往会放大它。如果每次迭代都添加一个小防御，系统会慢慢变得更不透明，同时表面看起来更健壮。你越放手，这种情况就越严重。当这样的工具交给没有清晰指导的初级开发者时，它还会教给他们非常糟糕的实践。因为如果你问他们为什么做所有这些，他们会令人信服地论证自己的做法。 Loop 在哪里有效 但与此同时，假装 loop 模式不管用也是不诚实的——它在某些领域已经好得惊人。 代码移植就是其中之一。已经有令人印象深刻的大规模自动化移植案例，包括报道中把 Bun 的部分代码从 Zig 移植到 Rust 的工作。我自己也成功用它把 MiniJinja 移植到了 Go。性能探索是另一个效果惊艳的场景。机器可以尝试实验、跑 benchmark、丢弃失败、继续搜索。安全扫描也自然适合，几乎任何类型的研究也一样：让系统探索一个复杂的问题空间然后汇报回来，不一定要提交持久化的代码。 这些场景的共性是：它们要么不生成新代码，而是转换已有代码；要么产生的代码有意不需要长期存活。它们要么产出 PoC 或想法，要么呈现发现，或者更像机械性的转换。 我相信，产出不需要长寿的 artifacts 的 loop，或者产出某种可清晰验证的机械性翻译的 loop，比 harness 机械性地衡量某个目标的一般能力更重要。很多成功的 loop 应用用另一个 LLM 作为 judge 或 orchestrator。机械性翻译场景可以用二元测试用例验证，但它也可以用 LLM 来评判！ Claude Code 在创建完整的实验性工作流并执行它们方面，变得越来越好。当然，它生成的代码是 slop，但那更多是模型的问题，而不是 harness 不能很好地判断工作流中的某一步是否带来了净改进或完成。 Harness 只需要一些信号让它能继续。不需要客观或二元——只需要足够有用来驱动下一次迭代。 我非常喜欢那些能把我日常中的无聊部分拿走的 loops——做实验、测量、给我灵感。 软件作为有机体 另一方面，用同样的 loop 方法来写持久化的代码，我还不觉得舒服。我喜欢的比喻是：从软件作为确定性机器，到软件作为有机体。 我成为一名软件工程师的环境鼓励我理解机器。总有一层你可以剥开来加深理解。不展现确定性可观测行为的机器也许被接受，但一般不被认为是最优的。在软件架构上，我认为追求更多的确定性而不是更少是可取的。同样，理解代码的能力一直是一个不可否认的目标。实践中并不总是可能，但我们仍然以写出好的代码为荣，使得即使是新工程师也能通过巧妙的架构在复杂的代码库中导航。在设计良好的系统上，总有一些工程师知道不变量在哪里，哪些部分是承重的，哪些改动是安全的。理想情况下所有这些都是有良好文档的。在缺乏这种理解的地方，通常被认为是需要改进的事情。 显然，那个理想一直都很紧张。许多软件系统，尤其是非常成功的系统，在工程师能让它保持干净的时期过后，常常变得太大、太动态、太依赖外部服务，无法装进任何人的脑袋。即使没有 LLM，我们在诊断分布式系统时也已经有点像医生了：观察症状、提出假设、"开更多检查"、尝试一些补救措施、再次观察。 但有了 LLM，我们正在沿着这个方向走得更远更快。我们用它们来写代码，也用它们来诊断和治疗。已经有大量工程师生活在这样一个世界里：生产问题发生后的第一步是让 clanker 读日志、提出根因、主动提出 patch。结果 patch 通常被另一台机器捡起来审查，有时甚至没有任何人工监督就合并到了 main。 显然这很强大，我不能否认它听起来很诱人。但屈服于这个想法，特别是随着人类监督越来越少，意味着接受我们可能无法再以同样的方式理解整个系统。我们治疗它、监控它、稳定它，但我们不一定理解它。 我毫不怀疑对于某些软件来说，这没问题。不是每一行代码都值得人类作者身份，而且过去也可能写过更差的代码。 但我希望所有软件都这样写吗？ 你无法完全退出 非常令人不安的是，选择退出这个全机器驱动的未来可能不是一个选项。 安全是最清晰的例子。即使你不用 loops 来构建你的软件，别人也会用 loops 来攻击你的软件。攻击者会持续运行机器，即使不是攻击者，安全研究人员也会，而其中一些自动化工作会产生大量噪音但也会发现真正的问题。信号和噪音都会以如此大的规模涌向你，以至于你几乎不得不也扔一台机器来处理。 Daniel Stenberg 关于 curl 的 summer of bliss 的帖子是一个很好的例子，展示了维护者已经承受的压力。据我所知，AI 在 curl 的核心开发中并没有扮演重要角色。但尽管如此，维护者还是被报告淹没了——其中大部分是 AI 生成的。 如果攻击者和报告者都在 loop，防御者最终也需要 loop 才能跟上。也许不是直接写 patch，也许只是用来 triage 和复现——但压力会增加。 竞争也是一样。有些团队会通过原始速度超越其他团队。有些项目会突然加速，因为一个小团队搞清楚了如何有效编排机器。有些 startup 可以用五个人做到过去需要五十个人的事。有些人可能会直接把一台机器放在一个 loop 里对着你的产品，告诉它"把它做得像那个一样"。而如果他们的用户很开心，这真的重要吗？ 不是所有软件都会受到同等影响。有些领域会惩罚草率，要求信任和责任，但很多软件生活在一个原始速度、快速实验和大面积覆盖至关重要的世界里。 建立新的依赖 最可怕的部分是，我们以新的方式变得依赖于这些新机器。软件一直依赖工具。我还记得我不得不为编译器付费的时候。这些新工具让人回想起那些创造软件需要真实成本的日子。但现在不再是一次性付款了——它是一种持续的依赖。不只是对钱包的依赖，还有认知依赖。 如果一个代码库由 loops 产生、由 loops 审查、由 loops 打补丁、由 loops 维护，当你不再能访问同等级别的系统时会发生什么？当某些贸易限制剥夺了对最强模型的访问时？如果只是成本变得不可接受呢？如果你和你的团队只是丧失了不用机器理解代码的最后一点能力呢？ 我们可能会创建出不仅人类难以维护、而且把机器参与作为其维护模型前提的代码库。这已经在发生了！不是在所有地方都发生，甚至可能不是以被视为有问题的方式在发生，但我们看到越来越多。人们越来越多地合并他们不能完全解释的代码。人们失去了创建 issue 报告或在聊天中讨论事情的能力，而不借助 clanker 增强或改写他们的消息。太多人越来越依赖机器来总结或提供上下文。我越来越多地遇到通过 LLM 这个中间人与我交流的人。 再说一次，也许这甚至不一定是错的，但它对我们做事的方式是一个巨大的改变。 未来的 Harness 我毫不怀疑这就是方向，但朝着这个方向走需要我们在所有地方都改善我们的工具，而不只是在 coding agent 里。 仅仅编排更多的 loops 是不够的。更好的变更可视化或编排或 agent 不会恢复我们的理解。要么我们需要找到巧妙的方法把人拉回 loop，让 loop 的变更长期可读，要么我们需要找到更好的方法来组合这些越来越复杂的系统。 这也是我对 Pi 的角色的想法在变化的地方。Pi 一直很谨慎，我认为这种谨慎是好的。我不希望一个每一次交互都变成不受控制的机器 swarm、做出我无法跟上的变更的未来。我不希望 Pi 为了赢得"软件自己写自己"的竞赛而变成一个不可维护的混乱，我也不希望 Pi 推广这类工程。但与此同时，Pi 是一个 harness，而 harness 正处在人们运行这些新型实验的中心。 编码任务的任务队列、agent 编排、子 agent、持久化 session 会变得越来越重要。即使是我们这些有保留意见、没有盲目拥抱 loops 的人，也必须要开始做这些实验了。因为我们需要理解如何让这个未来有边界、可生存。 控制 Loop 正如你从这篇文章中读到的，我对这个未来非常不安。不是因为恐惧，而是因为基于对这项技术至今的经验而产生的谨慎。 采用 harness loop 的想法意味着 harness 决定工作何时完成。在 agent loop 中，模型最终说"完成"然后我审查。即使在那之前，我通常也在沿途引导。我参与其中，我喜欢在学习中前行。在 harness 操作的 loop 中，我不确定我的角色到底是什么。甚至"完成"信号也失去了所有意义，只是变成了传递给另一台机器进行评判的信息。我的角色被简化为一个信使。 今天，我不喜欢我看到的那种用这种方式构建的系统产生的代码，我也不喜欢与太多用 AI 辅助构建的软件交互。Loop 很强大，但它越来越多地移除责任，至少在当下它非常鼓励我们向机器投降。 然而，我毫不怀疑这个 loop 化的未来就是我们的未来——尽管我目前对此感到反感。我已经看到惊人小的团队以不可能的速度在构建，我看到代码库正在变成越来越模糊和混乱的有机体，只能由更多机器来诊断。这些代码库同时既有用又混乱。 所以我想我开始接受一个事实：问题不是我们会不会 loop——显然我们会的。也许问题是：在一个 loops 的未来里，我们如何不放弃判断，如何在其中保留良好工程的原则，如何确保负责任的人能够继续监督，如何重新思考我们架构代码的方式以在其中保持清醒。 原文：Armin Ronacher, "The Coming Loop", 2026-06-23 链接： #AI# #Loops# #软件工程# #反思#

GPT 5.5 现在写东西质量真的不错了，刚翻译了一篇文章（ --- 译文 --- 我为什么写作 作者：埃里克·布莱尔 从很小的时候起，也许是五六岁，我就知道，等我长大了，我应该成为一个作家。大约在十七岁到二十四岁之间，我曾试着放弃这个念头。但我心里很清楚，那是在违背自己真正的天性；迟早有一天，我还是得坐下来写书。 我在三个孩子中排行中间，前后兄弟姐妹都和我相差五岁。八岁以前，我几乎没见过父亲。因为这个，也因为其他一些原因，我多少有点孤僻。很快，我养成了一些讨人嫌的小毛病，整个学生时代都不怎么受欢迎。孤独的孩子常常会编故事，也会和想象中的人说话；我想，从一开始，我的文学野心就和这种被孤立、被低估的感觉纠缠在一起。我知道自己有驾驭文字的能力，也有直面难堪事实的能力。于是，我像是给自己造出了一个私人世界，可以在里面弥补现实生活里的失败，甚至悄悄“扳回一城”。不过，整个童年和少年时代，我真正写到纸上的严肃作品——也就是我认真想写出来的东西——加起来恐怕不到六页。 我四五岁时写过第一首诗，是我口述，母亲替我记下来的。我已经不记得内容了，只记得那首诗写的是一只老虎，而且老虎有“像椅子一样的牙齿”。这倒是个还不错的说法，但我猜那首诗大概抄袭了布莱克的《老虎，老虎》（William Blake 的名诗 *The Tyger*，英国浪漫主义诗歌中的经典作品）。十一岁时，1914—1918年的战争爆发（即第一次世界大战），我写了一首爱国诗，刊登在本地报纸上。两年后，基奇纳去世，我又写了一首，也登了出来。后来稍大一点，我时不时写一些很糟糕、通常也没写完的“自然诗”，风格模仿乔治王朝派（Georgian style，20世纪初英国诗歌中一种偏重田园、自然和抒情描写的风格）。我还大约试过两次写短篇小说，结果惨不忍睹。那些年里，我真正落到纸上的、想要称为“严肃创作”的东西，全部加起来就是这些。 不过，在那段时间里，我其实一直在某种意义上从事文学活动。首先，是那些按要求写出来的东西：我写得很快，很轻松，但自己并没有多少乐趣。除了学校作业，我还写 *vers d’occasion*（应景诗），也就是半滑稽的诗。现在回想起来，我当年写得快得惊人——十四岁时，我模仿阿里斯托芬（Aristophanes，古希腊喜剧诗人），大约一周就写出了一整部押韵剧。我也帮忙编辑学校杂志，有印刷版，也有手抄版。那些杂志简直是你能想象到的最可怜的滑稽仿作。我对它们花的心思，远不如我今天会花在最廉价的新闻稿上的心思。但与此同时，在十五年甚至更久的时间里，我还做着另一种完全不同的文学练习：我在脑子里编一个关于自己的连续“故事”，像一部只存在于心里的日记。 我相信，很多儿童和少年都有这种习惯。很小的时候，我会想象自己是罗宾汉之类的人物，把自己想成惊险冒险故事里的英雄。但很快，我的“故事”就不再是那种粗糙的自恋幻想，而越来越变成对我正在做什么、看到什么的描写。有时候，我脑子里会一连几分钟出现这样的句子：“他推开门，走进房间。一束黄色的阳光透过细棉布窗帘，斜斜落在桌上；桌上有一只半开的火柴盒，放在墨水瓶旁边。他右手插在口袋里，走向窗边。楼下街上，一只玳瑁猫正在追逐一片枯叶。”诸如此类。这个习惯一直持续到我大约二十五岁，贯穿了我那些“非文学”的岁月。虽然我必须寻找合适的词，而且确实也在寻找，但这种描写的努力似乎几乎不是出于我的意愿，而像是受到了某种外部力量的驱使。我想，这个“故事”大概反映了我在不同年龄崇拜过的不同作家的风格。不过据我记得，它始终都有同一种细致入微的描写特质。 十六岁左右，我突然发现了文字本身的快乐，也就是词语的声音和联想所带来的快乐。*《失乐园》*里的两行诗—— > So hee with difficulty and labour hard > Moved on: with difficulty and labour hee, > > （他艰难地、辛苦而沉重地 > 向前移动：艰难地、辛苦地，他——） 如今看来，我并不觉得这两行有多么了不起，但当时它们让我脊背发颤。而且，把 “he” 写成 “hee” 的古式拼法，也让我格外愉快。至于描写事物的需要，我早已经非常熟悉了。由此可见，当时如果说我想写书，我想写的大概是哪一类书：巨大的自然主义小说，结局不幸，充满细节描写和醒目的比喻，也充满华丽辞藻段落（purple passages，指为了文采而文采、常常显得夸张空洞的文字），其中一些词语被使用，部分只是为了它们的声音。事实上，我完成的第一部长篇小说 *《缅甸岁月》*，是在三十岁时写成的，但构思早得多，它大体上就是这样一本书。 我交代这些背景，是因为我认为，如果不了解一个作家早年的成长，就很难判断他的写作动机。作家的题材会由他所处的时代决定——至少在我们这样动荡、革命性的时代，这一点是成立的——但在他真正开始写作之前，他已经形成了一种情感态度，而这种态度他永远无法完全摆脱。毫无疑问，他的任务是约束自己的气质，避免卡在某个幼稚阶段，或陷入某种扭曲情绪里。可是，如果他彻底摆脱了早年的影响，也就等于扼杀了自己写作的冲动。暂且把谋生的需要放在一边，我认为，写作至少有四种重要动机，尤其是写散文时。这些动机在每个作家身上都以不同程度存在；同一个作家身上，它们的比例也会随着他所处的环境而变化。它们是： （一）纯粹的自我意识。 想显得聪明，想被人谈论，想死后被人记住，想向童年时轻视自己的成年人讨回一点公道，等等。假装这不是写作动机，是虚伪的；而且它还是一种很强的动机。作家和科学家、艺术家、政治家、律师、军人、成功商人一样，都有这种特征——简言之，这属于人类中最冒尖的那一层。绝大多数人并不是特别自私。大约三十岁以后，他们会放弃个人野心；很多情况下，他们几乎连“自己是一个独立个体”的感觉都放弃了，主要为别人而活，或者干脆被苦役般的日常生活压没了。但也有少数有天赋、意志强的人，决心一直按照自己的方式生活到底，作家就属于这一类。总体来说，严肃作家比新闻记者更虚荣、更自我中心，不过他们对钱的兴趣要少一些。 （二）审美热情。 看见外部世界中的美，或者看见词语及其恰当排列中的美。一个声音撞上另一个声音时带来的快感，优秀散文的坚实感，或者一个好故事的节奏。想把某种自己觉得珍贵、不该被错过的体验分享出去。许多作家的审美动机很弱，但即使是写政治小册子的人，或者写教科书的人，也会有自己偏爱的词语和短语，并非出于实用原因，而只是喜欢它们；或者，他可能会特别在意排版、页边距的宽度等。只要不是铁路指南那种层级的书，任何一本书都不可能完全没有审美考量。 （三）历史冲动。 想看清事物本来的样子，想找出真实事实，并把它们保存下来，供后人使用。 （四）政治目的。 这里的“政治”一词取最广泛的意义。也就是说，想把世界推向某个方向，想改变别人对于“人类应该努力建设什么样的社会”的看法。再说一次，没有一本书真正摆脱了政治倾向。认为艺术不应该和政治有任何关系，这本身就是一种政治态度。 可以看出，这几种冲动必然会彼此冲突，而且会因人而异、因时而变。按我的本性来说——也就是把“本性”理解成一个人刚成年时达到的状态——我身上前三种动机应该会压过第四种。如果生活在一个和平时代，我也许会写华丽的书，或者只是描写性的书，甚至可能几乎意识不到自己的政治立场。但现实是，我被迫变成了某种论战小册子作者（pamphleteer，指写政治宣传或论争文章的人）。 起初，我在一个不适合自己的职业里待了五年，也就是在缅甸的印度帝国警察部队。后来，我又经历了贫困和失败感。这加强了我天生对权威的憎恶，也让我第一次充分意识到工人阶级的存在。而缅甸的工作则让我对帝国主义的本质有了一些了解。不过，这些经历还不足以让我形成准确的政治方向。接着，希特勒出现了，西班牙内战爆发了，等等。到1935年底，我仍然没能做出坚定的判断。我记得自己在那一年写过一首小诗，表达当时的困境： > 两百年前，我本可以 > 做个快乐的乡村牧师， > 宣讲永恒的末日， > 看着我的核桃树生长。 > > 可惜我偏偏生在邪恶的年代， > 错过了那座惬意的避风港； > 我的上唇已经长出胡子， > 而如今的神职人员全都刮得干干净净。 > > 再往后，日子也曾不错， > 我们那时很容易满足； > 我们把烦乱的思绪 > 摇睡在树木的怀里。 > > 我们曾无知却坦然承认 > 那些如今必须掩饰的欢愉； > 苹果枝上的绿雀 > 也能让我的敌人发抖。 > > 可女孩的肚腹和杏子， > 阴凉溪水里的拟鲤， > 黎明时飞起的马和鸭子， > 如今全都只是一场梦。 > > 再也不许做梦； > 我们残害自己的快乐，或把它藏起； > 马是用铬钢造的， > 小胖子们会骑在它们背上。 > > 我是那条从未反抗的虫， > 是没有后宫的阉人； > 在牧师和政委之间， > 我像尤金·阿拉姆一样行走；（Eugene Aram，18世纪英国一起著名谋杀案中的人物，后来常被文学作品写成被罪感纠缠的人） > > 政委正在替我算命， > 收音机还在播放； > 可牧师答应给我一辆奥斯汀7型车，（Austin Seven，英国早期著名小型汽车） > 因为达吉总会买单。 > > 我梦见自己住在大理石厅堂，（“I dreamt I dwelt in marble halls” 是19世纪歌剧中的著名唱段） > 醒来却发现那是真的； > 我不是为这样的时代而生； > 史密斯是吗？琼斯是吗？你是吗？ 1936—1937年的西班牙战争和其他事件，让天平最终倾斜。从那以后，我知道自己站在哪里。自1936年以来，我写下的每一行严肃文字，无论直接还是间接，都是在反对极权主义，并支持我所理解的民主社会主义。在我们这样的时代，还以为自己可以回避这些题材，在我看来是荒唐的。每个人都会以这样或那样的形式写到它们。问题只在于你站在哪一边，以及你采取什么方式。一个人越清楚自己的政治倾向，就越有可能在采取政治行动时，不牺牲自己的审美和思想上的诚实。 过去十年里，我最想做的事，是把政治写作变成一门艺术。我的出发点始终是一种立场感，一种对不公的感受。我坐下来写一本书时，并不会对自己说：“我要创作一件艺术品。”我之所以写，是因为有某个谎言我想揭穿，有某个事实我想让人注意到；我最初关心的，是让别人听见。但是，如果写一本书，甚至写一篇长篇杂志文章，本身不能同时成为一种审美体验，我也不可能完成它。任何愿意研究我作品的人都会发现，即使在我写得最像宣传的时候，其中也包含许多职业政客会认为无关紧要的东西。我不能，也不想，完全抛弃童年时期形成的世界观。只要我还活着，而且健康，我就会继续强烈地在意散文风格，继续热爱地球表面，继续从坚实的物体和无用的零碎知识中获得乐趣。压抑自己的这一面毫无用处。真正的任务，是把我根深蒂固的喜好和厌恶，同这个时代强加给我们所有人的、根本上属于公共领域而非个人领域的活动调和起来。 这并不容易。它带来结构上的问题，也带来语言上的问题；同时，它还以一种新的方式提出了诚实的问题。让我只举一个比较粗糙层面的困难作为例子。我关于西班牙内战的书 *《向加泰罗尼亚致敬》*，当然是一本坦率的政治书，但总体上，它写得有一定的克制，也顾及形式。我确实很努力，想在不违背文学本能的前提下讲出全部真相。但书中有一整章很长，里面充满了报纸引文之类的材料，为那些被指控与佛朗哥合谋的托洛茨基派辩护。托洛茨基派（Trotskyists，苏联革命家托洛茨基的追随者，在当时左翼阵营内部常遭斯大林主义者攻击）；佛朗哥（Franco，西班牙内战中民族主义阵营领袖，后来成为独裁者）。显然，这样一章过上一两年后，对任何普通读者都会失去兴趣，也必然会毁掉这本书。一位我尊重的批评家曾训了我一通。他说：“你为什么要把那些东西放进去？你把一本本来可能很好的书，变成了新闻报道。”他说得没错。但我当时不可能不那样做。我碰巧知道一件事，而英国很少有人被允许知道：无辜的人正在遭受虚假指控。如果我没有为此感到愤怒，我根本就不会写那本书。 这个问题会以这样或那样的形式反复出现。语言的问题更微妙，谈起来会太长。我只想说，近些年来，我一直试图写得少一些画面上的华丽，多一些准确。不管怎样，我发现，当你把某种写作风格打磨成熟时，你也总已经从那种风格里长出来了。*《动物农场》* 是第一本书，在写它时，我完全清楚自己正在尝试把政治目的和艺术目的融合成一个整体。我已经七年没有写小说了，但希望不久之后能再写一部。它肯定会失败，每一本书都是失败的。但我确实相当清楚自己想写的是哪一种书。 回头看前面这一两页，我发现自己好像把写作动机说得全是出于公共精神。我不想让读者最后留下这种印象。所有作家都虚荣、自私、懒惰，而在他们动机的最深处，还藏着一个谜。写一本书是一场可怕而耗人的搏斗，就像经历一场漫长而痛苦的疾病。除非有某种自己既无法抗拒、也无法理解的“心魔”在驱赶，一个人绝不会主动承担这样的事。也许，谁知道呢，那种心魔不过就是婴儿哭闹着要人注意的同一种本能。然而，同样真实的是：如果一个人不持续努力抹去自己的个性，就写不出什么可读的东西。好的散文像一块窗玻璃。我无法确定自己哪一种动机最强，但我知道哪一种动机值得追随。回看自己的作品，我发现，每当我缺乏*政治*目的时，我写出来的书总是没有生命力，也总会滑向华丽空洞的段落、没有意义的句子、装饰性的形容词，以及各种虚假的漂亮话。 *Gangrel*，第4期，1946年夏 --- 来源：[奥威尔基金会]( --- 翻译提示词 --- 请将以下英文文章，重写成通俗流畅、引人入胜的简体中文。 核心要求： - 读者与风格： 面向对AI感兴趣的普通读者。风格要像讲故事，清晰易懂，而不是写学术论文。 - 准确第一： 核心事实、数据和逻辑必须与原文完全一致。 - 行文流畅： 优先使用地道的中文语序。将英文长句拆解为更自然的中文短句。 - 术语标准： 专业术语使用行业公认的标准翻译（如 `overfitting` -> `过拟合`）。第一次出现时，在译文后用括号加注英文原文。 - 保留格式： 保持原文的标题、粗体、斜体、图片等Markdown格式。 - 尊重原意：保持原有的结构、意思不变，不要过度引申发散，保持原文结尾不要续写 - 适当解读：如果是普通人难懂的专业术语或因为文化差异导致的难以理解，做出更多的注释以更好的理解，注释部分用括号包裹并加粗

Demis Hassabis 达沃斯访谈：比工业革命大 100 倍的变革 视频地址： 2026 年 1 月，达沃斯世界经济论坛期间，Bloomberg 主持人 Emily Chang 采访了 Google DeepMind CEO Demis Hassabis。这位诺贝尔奖得主用“每周 100 小时、每年 50 周”描述自己过去几年的工作状态，并给出了一个惊人的判断：AI 带来的变革将是工业革命的 10 倍规模、10 倍速度。 这场访谈覆盖了 AI 领域几乎所有热门议题：AGI 时间线、中国竞争、机器人突破、就业冲击、是否应该暂停，以及后稀缺世界的哲学困境。以下是访谈的完整整理。 --- 【1】Google 的势头回归 Emily Chang 开门见山：Gemini 3 发布了，据说 OpenAI 内部宣布了“code red”——Google 是不是找回了状态？ 【编者注】Gemini 3 Pro 于 2025 年 11 月 18 日发布，是 Google 迄今最强的 AI 模型，在推理、多模态理解和编程能力上均有显著提升。12 月 17 日，Google 又推出了更快更便宜的 Gemini 3 Flash，直接替换 Gemini app 的默认模型。这一系列发布引发了 OpenAI 内部的紧张反应——三年前 ChatGPT 发布时，Google 内部也曾宣布过类似的“code red”。 Hassabis 回应说，过去一年确实是“非常艰苦的一年”，团队付出了巨大努力让模型重新回到最前沿。他特别提到 Gemini 3 和图像生成模型 Imagen 的表现让他们“非常满意”。 “我们也适应了这个新世界——快速发布，把创业公司的能量带到我们所做的事情中。” 当被问到外界是否低估了 Google 时，Hassabis 说他不确定，但 Google 一直具备所有必要的条件。“过去十年，Google 和 DeepMind 加在一起，发明了现代 AI 行业所依赖的大约 90% 的突破性技术。”他列举了 Transformer、AlphaGo、深度强化学习等例子。 “我们有这些不可思议的产品触达数十亿用户——从搜索到邮箱到 Chrome——它们天然适合 AI。只是需要把这一切组织到一起。我们在过去几年做到了，虽然还有很多工作要做，但已经开始看到成果了。” --- 【2】全栈优势能维持多久？ Emily Chang 追问：如果你认为自己有优势，这个优势有多大？能维持多久？ Hassabis 的回答很直接：一切从研究开始。模型的前沿水平是最重要的，这是 Google 和 DeepMind 合并后首先聚焦的方向。 “我认为我们是唯一拥有完整技术栈的组织——从 TPU 和硬件、数据中心、云业务、前沿实验室，到所有这些天然适合 AI 的产品。从第一性原理来看，我们理应做得非常好。而且我认为未来还有很大的提升空间。” --- 【3】AI CEO 的日常：凌晨 1 点到 4 点的深度思考 Emily Chang 说她读到 Hassabis 大部分深度思考都发生在凌晨 1 点到 4 点之间。他确认了这一点。 “你有没有感到舒服过？”她问。 “从来没有。”Hassabis 说，“过去三四年一直是难以置信的高强度。每周 100 小时，每年 50 周，这就是常态。” 他认为这是处于“科技史上可能最激烈的竞争”前沿所必需的。“商业上、科学上，再加上所有关于 AGI 的兴奋……用 AI 加速科学发现一直是我的热情所在。这是我毕生的梦想，我为此工作了一辈子。很难入睡，因为有太多工作要做，同时又有太多激动人心的事情要探索和推进。” --- 【4】机器人：突破时刻还需要 18-24 个月 Emily Chang 提到 Gemini 已经被集成到人形机器人中，问物理世界的“AlphaFold 时刻”是否已经到来。 【编者注】2026 年 1 月 5 日，在 CES 展会上，Boston Dynamics、Google DeepMind 和 Hyundai 宣布了一项重大合作。Boston Dynamics 将把 DeepMind 的 Gemini Robotics 基础模型整合到其 Atlas 人形机器人中，首先应用于 Hyundai 的汽车制造工厂。这是 Google 2013 年收购又于 2017 年出售 Boston Dynamics 之后，双方的首次重要合作。 Hassabis 说他过去一年花了大量时间仔细研究机器人领域。“我确实认为我们正处于物理智能突破的临界点。但我仍然认为还需要大约 18 个月到 2 年的时间，需要做更多研究。” 他解释说，Gemini 从一开始就被设计成多模态的，能够理解物理世界，原因之一是可以构建一个存在于眼镜或手机上的通用助手，理解你周围的世界；另一个用途就是机器人。 “那么物理世界的突破时刻会是什么样子？我认为是机器人能够可靠地在现实世界中完成有用的任务。” 他列举了几个阻碍因素。首先是算法还不够稳健，需要比 LLM 更少的数据就能工作。其次，也是让 Hassabis 感触最深的，是硬件问题——特别是机械手。 “当你仔细研究机器人时，你会对人类的手产生一种全新的敬畏。进化设计得太精妙了。要匹配人手的可靠性、力量和灵巧性是非常困难的。” 他提到了与 Boston Dynamics 和 Hyundai 的合作，将在汽车制造领域进行原型测试。“一两年后，我们可能会有一些真正令人印象深刻的展示，然后可以规模化部署。” --- 【5】中国与 DeepSeek：西方反应过度了 Emily Chang 说，一年前 DeepSeek 的出现对西方来说似乎是灾难性的，但现在中国似乎安静了下来。Hassabis 对中国竞争的看法有变化吗？ Hassabis 的回答很坦率：“没有。我一开始就不认为那是灾难性的。我认为西方的反应是大规模过度反应（massive overreaction）。” 他承认 DeepSeek 展示了中国公司的能力，但认为一些说法被夸大了。“关于他们使用的计算量非常少之类的说法被过度夸大了，因为他们依赖了一些西方模型，也在一些领先西方模型的输出上做了微调。所以这不是从零开始的。” 他认为字节跳动可能是中国最有能力的 AI 公司，“可能只落后 6 个月，而不是一两年。” 但 Hassabis 提出了一个关键问题：“到目前为止，中国公司能否超越前沿进行创新，这还有待观察。他们非常擅长追赶前沿，越来越有能力，但我认为他们还没有展示出能够超越前沿进行创新的能力。” --- 【6】AGI 时间线：2030 年 50% 概率，但标准比别人高 Emily Chang 说 Hassabis 帮助定义了 AGI，并且曾表示 2030 年之前有 50% 的概率实现。这个时间线还成立吗？ “是的。”他说。 “AGI 对你来说还是一个有用的目标吗？” Hassabis 说是的，虽然他的时间线比一些同行更长，但那是因为他的标准更高。“我说的是一个系统能够展现人类拥有的所有认知能力。我认为我们距离那还很远。” 他举了科学创造力的例子：“不只是解决一个猜想或科学问题，而是能够首先提出假设或问题。任何科学家都知道，找到正确的问题往往比找到答案困难得多。” 他明确表示当前系统“肯定还不具备这种能力”，未来会有，但不清楚还需要什么。 他还提到了“持续学习”（continual learning）——系统需要能够在线学习，超越它们被训练的内容，在现实世界中即时学习。“在我看来，还有相当多的关键能力是缺失的。” --- 【7】AI 对就业的影响：比 Dario Amodei 乐观，但承认冲击终将到来 Emily Chang 提到 Anthropic CEO Dario Amodei 当天早些时候在达沃斯说 AI 可能在 5 年内消灭 50% 的入门级白领工作。Hassabis 同意吗？ 【编者注】Dario Amodei 在 2025 年 5 月接受 Axios 采访时首次提出这一预测，随后在 60 Minutes 等多个场合重申。他表示 AI 可能导致失业率飙升至 10-20%，并呼吁政府和 AI 公司停止“粉饰”这一风险。 Hassabis 的回答明显更保守：“我的时间线会长得多。” 他承认今年可能会开始看到一些迹象，比如入门级工作或实习的变化，但要实现真正的任务 Agent，需要解决当前 AI 的不一致性问题。 “我称之为‘参差不齐的智能’（jagged intelligence）。当前系统在某些事情上非常好，在其他事情上非常差。如果你想把整个任务委托给一个 agent，而不是像今天这样只是辅助程序，你需要全面的一致性。” 他给出了一个精辟的比喻：“如果它只在 95% 的任务上表现好是不够的。你需要它在整个任务上都表现好，才能真正做到‘发射后不管’。” 但他也承认，这种颠覆终将到来。“在极限情况下，有了 AGI，我认为那会改变整个经济，远远超出就业问题。” 他描绘了一个后稀缺世界的愿景：如果我们正确地构建它，我们将处于一个解决了一些世界根本问题的世界——比如能源。“如果我们用 AI 的帮助解决了聚变之类的问题，新材料……我认为在 AGI 之后 5 到 10 年，我们将处于一个极度富足的世界。那时经济和社会会是什么样子？” --- 【8】转型期的焦虑：10 倍规模、10 倍速度 Emily Chang 说，在到达后稀缺世界之前——如果能到达的话——人们对中间发生的事情有很多焦虑。她提到自己是一位母亲，知道 Hassabis 也有孩子。“你最担心他们什么？你和他们谈些什么？” Hassabis 承认这将是一个颠覆的时代，“就像工业革命一样。也许是 10 倍于工业革命，而且快 10 倍。” Emily Chang 迅速接话：“100 倍。” “是的，100 倍。”Hassabis 说，“但我也是人类创造力的坚定信仰者。我们极其适应性强，因为我们的心智是如此通用。你看看我们周围的现代世界——我们狩猎采集者的心智成功建造了现代文明。” 他认为人类会再次适应，但这次的独特之处在于速度。“通常这样的转变需要一到两代人，但这次的速度和变革的规模都是前所未有的。” 对于年轻人，他的建议是：“我会鼓励他们精通这些新工具，成为这些工具的原生用户。这几乎相当于给他们超能力。” 他以创意艺术为例：“你可能能够做到过去需要 10 个人才能完成的工作。如果你有创业精神，在游戏设计、电影、项目方面有创意，你可能比过去更容易进入这些行业。” --- 【9】是否应该暂停？理想与现实 Emily Chang 问：一些人主张暂停，给监管时间赶上，给社会时间适应。在一个完美的世界里，如果所有公司和国家都暂停，Hassabis 会支持吗？ “我想是的。”他说。 他提到这一直是他的梦想。“当我 15 年前创立 DeepMind、25 年前开始从事 AI 工作时，我的路线图是：当我们接近 AGI 这个门槛时刻时，我们可能会以科学的方式合作。” 他描述了一个“AI 版 CERN”的愿景：世界上最优秀的人才聚集在一起，以非常严谨的科学方式完成最后的步骤。“不只是技术专家，还包括哲学家、社会科学家、经济学家，共同思考我们想从这项技术中得到什么，如何以造福全人类的方式利用它。” 【编者注】CERN（欧洲核子研究中心）是全球最大的粒子物理学实验室，由 23 个成员国共同运营，是国际科学合作的典范。 但他话锋一转：“不幸的是，这需要国际合作。即使一家公司、一个国家，甚至整个西方决定这样做，除非全世界至少在一些最低标准上达成一致，否则没有用。而现在国际合作有点棘手。” Emily Chang 追问：如果 AGI 在 2030 年到来，而监管还没有到位，我们是否注定会遇到困难？ Hassabis 说他仍然乐观，希望足够多的领先参与者能够沟通并合作，至少在安全和安保协议上。“我们已经与 Anthropic 等公司在这些方面进行了相当密切的合作。” 当被问到是否愿意与 Sam Altman 合作时，Hassabis 说：“可能吧。我和几乎所有领先实验室的领导者关系都相当好。如果风险足够高——我认为每个人在未来 2 到 3 年会更清楚地认识到风险和代价。” --- 【10】Transformer 是死胡同吗？Hassabis 不同意 Emily Chang 提到 Yann LeCun 说他不认为 Transformer 和 LLM 单独能让我们达到 AGI。 【编者注】Yann LeCun 是图灵奖得主、Meta 前首席 AI 科学家。他在 2025 年 11 月离开 Meta，创立了一家专注于“世界模型”的新公司。他多次公开称 LLM 是通向人类级智能的“死胡同”，认为它们缺乏对物理世界的理解、缺乏常识和因果关系。 Hassabis 明确表示不同意：“我不同意它们是死胡同，我认为那显然是错的——它们已经如此有用了。” 但他也承认这是一个经验性问题。“我认为有 50% 的概率，仅仅扩展现有方法加上一些调整就足够了。可能足够。” 他认为无论如何都值得这样做，因为即使需要其他东西，“这些 LLM 也将是最终 AGI 系统的一个极其重要的组件。唯一的问题是：它是唯一的组件吗？” 他估计可能还需要一到五个突破，“可能是世界模型——这是 Yann 谈到的，我们也在研究这个，事实上我们拥有目前最好的世界模型 Genie，我直接参与了那个项目，我认为它非常重要。” 【编者注】Genie 是 DeepMind 开发的“世界模型”系列。2025 年 8 月发布的 Genie 3 可以根据文本提示生成可交互的 3D 环境，被 DeepMind 视为通向 AGI 的重要阶梯，并被 TIME 杂志评为 2025 年最佳发明之一。 他还提到了持续学习、系统一致性、更好的推理和长期规划等仍然缺失的能力。“从 Google DeepMind 的角度来看，我们在两个方向上都在全力推进——既发明新事物，也扩展现有事物。” --- 【11】“我们从未离开研究时代” Emily Chang 提到 Ilya Sutskever 说“通过扩展和做更大模型来获得改进的时代几乎结束了”。 【编者注】Ilya Sutskever 是 OpenAI 联合创始人，于 2024 年离开后创立了 Safe Superintelligence Inc. (SSI)。2025 年 11 月在 Dwarkesh Patel 的播客中，他表示 2012-2020 年是“研究时代”，2020-2025 年是“扩展时代”，现在“又回到了研究时代”。 Hassabis 的回应很有意思：“不，我不同意。他的原话是‘我们又回到了研究时代’。我爱 Ilya，我们是很好的朋友，在很多事情上看法一致，但我的观点是——我们从未离开研究时代。” 他强调 DeepMind 一直在投资研究，拥有“最深厚、最广泛的研究储备”。“如果你看过去十年，Google 和 DeepMind 加在一起发明了大约 90% 的突破性技术——当然最著名的是 Transformer，还有深度强化学习、AlphaGo 等。如果未来需要新的突破，我会押注我们，就像过去一样，会是做出那些突破的人。” --- 【12】奇点来了吗？“太早了” Emily Chang 最后一个“同意还是不同意”的问题：Elon Musk 说我们已经进入了奇点。 【编者注】2025 年底至 2026 年初，Elon Musk 在 X 平台上多次发帖称“我们已经进入了奇点”和“2026 年是奇点之年”，引发广泛讨论。他回应的是 Midjourney 创始人 David Holz 关于 AI 工具让他在圣诞假期完成了比过去十年更多编程项目的帖子。 “不，我不同意。我认为那非常过早。”Hassabis 说，“奇点是完全 AGI 到来的另一种说法，我之前解释了为什么我认为我们离那还很远。” 他承认即使 5 年也不算长，但“我认为在我们拥有任何看起来像奇点的东西之前，还有很多工作要做。” --- 【13】Google 的文化与创始人的参与 Emily Chang 问到 Google 内部现在的文化，以及 Larry Page 和 Sergey Brin 的参与程度。 Hassabis 说两位创始人都非常投入。“Larry 更多在战略层面，你会在董事会议上见到他。Sergey 更亲力亲为，参与 Gemini 团队的编码，更多涉及算法细节。” 他说这是一个“对计算机科学来说绝对不可思议的时刻”，科学上、人类历史上都是如此。“当然每个人都想亲身参与其中。” 他描述了自己试图结合多种优势：创业公司快速发布和冒险的能量，大公司的资源，以及长期和探索性研究的空间。“我认为过去一年进展顺利，我们还能做得更好，今年会做得更好。我认为我们的进步轨迹是业内最陡峭的。” --- 【14】为什么应该信任 Google？ Emily Chang 说所有这些公司都在要求我们信任他们，特别是如果监管跟不上技术的话。她直接问：为什么我们应该信任你们？为什么 Google 是最值得信任的地方？ Hassabis 说需要通过行动来判断这些公司，也要看领导者的动机。 “我选择 Google 作为 DeepMind 的归宿有几个原因。主要原因是 Google 的创始人和他们建立 Google 的方式——作为一家科学公司。很多人忘了 Google 本身是 Larry 和 Sergey 的 PhD 项目。所以我对他们感到一种直接的亲近感。” 他还提到了 Google 董事会的构成。“主席 John Hennessy 是图灵奖得主，Frances Arnold 是另一位诺贝尔奖得主。这些在企业董事会中是非常罕见的人物。” 【编者注】John Hennessy 是斯坦福大学前校长，因 RISC 架构获得 2017 年图灵奖。Frances Arnold 因定向进化研究获得 2018 年诺贝尔化学奖。 他说这种科学和研究主导的文化意味着“在最高水平做科学意味着真正严谨、深思熟虑，并在任何可能的地方应用科学方法。不只是对技术，也是对你作为一个组织的运营方式。” 最后他提到 Google 的使命。“‘组织世界的信息’——我认为这是一个非常崇高的目标。它与 DeepMind 的使命‘解决智能，然后用它解决一切其他问题’非常契合。这两个使命天然配合——AI 和组织世界的信息天然相关。” --- 【15】后稀缺世界：比经济更担心的是“意义” Emily Chang 问：后稀缺世界，人们不再有工作。Hassabis 在实现所有技术目标后打算做什么？ “我想用它来探索物理学的极限。这是我在学校时最喜欢的科目——那些大问题。现实的本质是什么？意识的本质是什么？费米悖论的答案？时间是什么？引力是什么？” 他说了一句令人印象深刻的话：“我惊讶于更多人不去思考这些巨大的问题。我们只是日复一日地生活，而这些深刻的谜题几乎在向我尖叫——答案是什么？” 他希望用 AI 探索所有这些问题，“也许还有星际旅行，借助新能源和 AI 解锁的材料。” Emily Chang 问：如果我们没有工作，我们还会有意义和目的吗？ Hassabis 回答道：“老实说，这是我比经济问题更担心的事情。我认为经济几乎是一个政治问题——当我们获得所有这些额外的收益和生产力时，我们能否确保它为每个人的利益而分享？我相信这是可以做到的。” “但比这更大的问题是：我们很多人从工作和科学事业中获得的目的和意义，在新世界中我们将如何找到？” 他说我们需要“一些新的伟大哲学家”来帮助思考这个问题。“也许我们会在艺术和探索上变得更加精致，还有极限运动之类的。今天我们做很多不只是为了经济利益的事情，也许未来我们会有这些事情的非常高深的版本。” --- 【16】给年轻人和企业家的建议 Emily Chang 最后问：房间里的每个人都在想他们应该做什么。10 年后，人们关于 AI 最大的错误会是什么？ Hassabis 给出了两条建议。 第一条是给年轻一代的：“我们唯一确定的是会有大量的变化。所以在学习技能方面，要准备好‘学会学习’——这是最重要的事情。你能多快适应新情况，用我们拥有的工具吸收新信息。” 第二条是给商业领袖的：“现在有很多领先模型和服务提供商，还会有更多。选择那些你认为正在以正确方式行事的合作伙伴。与那些正在推动变革、以你希望看到的方式对待这项技术的人合作。” 他总结说：“我认为我们可以一起构建那个未来——随着 AI 的到来，一个我们都想要的未来。” --- 【写在最后】 这场访谈中，Hassabis 展现了一种独特的气质：既是最前沿竞争的参与者，又试图保持长线思考的清醒。 他与几位同行的分歧值得注意：比 Dario Amodei 更保守地估计就业冲击，比 Elon Musk 更审慎地看待奇点，比 Ilya Sutskever 更相信 scaling 仍有价值，比 Yann LeCun 更认可 Transformer 的未来。 但他们有一个共识：无论 AGI 是 2030 年还是更早到来，我们可能都没有准备好。Hassabis 想要的“AI 版 CERN”需要国际合作，而他自己也承认“现在国际合作有点棘手”。 最后一个细节让我印象深刻。当被问到后稀缺世界的愿景时，这位每周工作 100 小时的 CEO 说他最想做的事情是思考“时间是什么？引力是什么？”——那些“几乎在向我尖叫”的宇宙深层谜题。 也许这就是为什么他能在“科技史上最激烈的竞争”中保持某种平静：对他来说，AGI 不是终点，而是探索更大问题的起点。

推荐下，这期 JL Collins × Steven Bartlett《The Diary of a CEO》 的完整播客采访。 很有哲理的财富观，推荐每个人看完结合自己的条件再规划下属于自己的路径： 1️⃣为什么要避免债务。 2️⃣支出低于收入成为习惯有多必要。 3️⃣投资剩余的钱，是未来的底气。 4️⃣学会先获得购买权，再消费。 他在36分钟的时候也谈到了对比特币的态度！ 正片2小时15分钟，链接放在最后， 也可以选择看看我下面有 GPT 的整理版和我的注解，不想听我啰嗦的可以直接去看正片。 JL Collins 就是《The Simple Path to Wealth》的作者， 先说我认为这期采访真正的核心：钱最重要的功能，不是让你买更多东西，而是让你越来越不需要向任何人低头。 也就是说，财富的终点不是消费能力，而是选择权。 这也是整期两个多小时反复回到的主线。 下面是 AI 按采访顺序的梳理： 00:00–03:27｜为什么写《The Simple Path to Wealth》 JL 最初根本没准备写一本畅销书，而是在博客上给女儿 Jessica 留下一套关于钱的知识。 他认为，一个人如果把钱的问题处理好，人生会容易非常多。不是因为钱本身能带来幸福，而是有资源的人拥有更多选择，没有资源的人很多时候连选择的资格都没有。 因此他写作的目标从来不是教女儿如何暴富，而是教她：如何避免因为钱而失去人生的自主权。 03:27–05:10｜绝大多数人对钱最大的误解 普通人的第一反应是： 有钱了可以买什么？ 房子、车、旅行、奢侈品…… JL 认为这是文化灌输给我们的默认思维。 钱当然可以消费，但还有第二个用途： 钱可以替你工作。 你工作→赚到钱→把其中一部分变成资产→资产继续产生钱。 于是慢慢发生一个巨大变化： 一开始，是你用时间换钱； 后来，是钱替你换时间。 所以他建议把“我能用这笔钱买什么”改成： “这笔钱将来能替我赚多少钱、买回多少自由？” 05:10–06:15｜什么叫财务自由 只要你必须每天出售自己的时间、劳动和注意力才能活着，你就仍然依赖某一个愿意付钱给你的人或组织。 老板、客户、公司、平台…… 所以财务自由不是“我有很多钱”。 而是： 工作开始变成可选项。 你可以工作，但不是“不工作就活不下去”。 这个区别非常大。 06:15–13:11｜为什么很多成功人士都有创伤 Steven 谈到自己的经历：年轻时冒险、辍学创业、拼命证明自己，很大程度来自内心的不安全感和创伤。 JL 观察到一个有意思的现象： 很多极度成功的人背后都有某种“我要证明自己”的东西。 创伤、不被认可、自卑、家庭问题…… 它可能成为非常强的驱动力。 但反过来，他也认识一些人，没有那么大的野心，只想过舒服、自由、平静的人生。这些人反而往往成长环境更加稳定。 这引出了一个问题： 巨大的野心究竟是一种能力，还是一种没有被治愈的伤口？ 采访没有给确定答案，但 Steven 明确提到，他认识的一些超级富豪并不快乐。 其中一个重要寓言：和尚与大臣 JL 的书开头有个故事。 两个童年好友，一个后来成为国王身边的大臣，一个成为清贫和尚。 大臣看和尚每天粗茶淡饭，就说： 你如果学会讨好国王，就不用吃这种苦了。 和尚回答： 你如果学会满足于粗茶淡饭，也就不用讨好国王了。 JL 说自己一直更接近和尚。 这其实是他全部财富哲学最简洁的表达： 降低欲望，也是一种提高自由度的方法。 当一个人的“必须拥有”越来越少，他需要讨好的人也会越来越少。 13:11–14:22｜钱与幸福的关系 JL 并不认同“钱能让你幸福”。 他的观点更细： 钱不一定增加幸福，但缺钱可以制造大量痛苦。 催债信、房租、账单、医疗费用、失业风险…… 这些东西会长期占据人的心理空间。 所以财富最先改善的，往往并不是快乐，而是： 减少焦虑。 而且金钱有放大效应。 一个本来就不快乐的人， 变成富豪以后仍然可能不快乐； 一个本身就很满足的人， 有钱以后会获得更多选择。 Steven 也谈到自己以前觉得 Range Rover、 豪宅会带来巨大幸福， 后来真正拥有以后， 发现心理冲击远没有想象中大。 JL 因此强调： 享受财富， 但不要要求财富负责治愈你。 14:22–15:59｜什么才是真正的 F.U. Money 一般人把 FU Money 理解为： 钱多到永远不用工作。 JL 说那其实叫 Financial Independence。 他定义的 FU Money 反而是： 走向财务自由途中已经积累起来的那部分钱。 哪怕你只有足够活六个月的钱， 它都已经开始改变你的行为。 老板羞辱你，你可以离职； 行业不好，你可以休息半年； 想去欧洲旅行，你可以辞职； 想换城市，你不用害怕三个月没收入。 所以财富不是到了终点才有用。 每增加一笔储蓄，你的自由其实已经增加了一点。 15:59–25:32｜采访最有争议的观点：年轻人未必应该买房 JL 不是反房地产。 他自己一生也买过很多房。 但他说： 房子应该首先看作一种生活消费，而不是自动等于一项好投资。 买房最大的问题不只是首付和房贷。 还有装修、家具、维修、房产税、保险、屋顶、花园、设备等等。 所以“我的月供和房租差不多”这个比较经常是错误的。 房租 2500 美元，你大致知道成本； 房贷 2500 美元，可能突然再来一个 2 万美元屋顶。 而且人买房时经常出现一个行为偏差： 银行说你最多可以贷 100 万，你就真的去买一个接近自己极限承受能力的房子。 于是房子开始绑架现金流。 买房真正被忽略的是机会成本和流动性 JL 和 Steven 都特别重视这一点。 20 多岁、30 多岁的时候，人的最大财富可能不是现有资产，而是： 未来几十年的机会。 工作突然要求你去纽约； 创业机会在旧金山； 你想去葡萄牙； 换行业； 认识了另一半； 都需要移动。 租房的人可以很容易离开。 房主却要卖房、承担交易成本，或者突然变成一个根本不想当的房东。 所以 JL 的结论不是： “永远不要买房。” 而是： 年轻且正在快速发展事业时， 不要低估流动性的价值。 等你已经非常有钱， 而且某套房确实提升生活质量，再去买。 那时候你是在强势位置购买， 而不是被房贷绑架。 25:32｜整本书浓缩成三句话 JL 的财富路径非常简单： 避免债务。 支出低于收入。 投资剩余的钱。 基本上整场采访后面的一个多小时， 都在解释这三件事。 26:49–36:03｜债务为什么如此危险 个人消费债务在他眼里几乎是财务自由的反面。 尤其：信用卡债务、消费贷、豪车贷款。 因为你不仅在为过去的消费付款， 还把未来的现金流提前抵押掉了。 他把债务形容成游泳运动员腰上绑着铅块。 不是绝对游不到终点，但难度大得多。 他的还债方法也很明确： 把所有债务列出来； 其他债务付最低还款； 集中现金优先消灭利率最高的债务； 然后第二高、第三高…… 这是数学上效率最高的一种方法。 “必须拥有”的暴政 JL 创造了一个很好的概念： Tyranny of the Must-Haves。 “我必须住这个区。” “孩子必须读这所学校。” “必须有两辆好车。” “必须每年出国。” “必须住大房子。” 每增加一个“必须”，自由就少一点。 他自己年轻时直接存收入的 50%。 但他说自己从没觉得这是“牺牲”。 他的心理账户是： 我不是少花掉了 50%。 我把那 50% 花在了购买自由上。 这一点我觉得是整期非常高级的一个重新定义。 消费其实经常是在购买自尊 Steven 讲了自己年轻时候一个非常真实的经历。 发薪以后立刻买大电视、PlayStation， 因为这些东西能让自己短暂感觉： “我成功了。” 过几天发现没钱，又把东西卖掉。 下一次发工资继续循环。 JL 提醒： 很多炫耀性消费，本质并不是需要那个东西， 而是希望别人通过那个东西认可自己。 他举 Ferrari 的例子： 你开 Ferrari 时以为别人想： “这个人真厉害。” 实际上别人很可能想的是： “如果我开这辆 Ferrari，我一定很帅。” 人家压根没那么关心你。 36:03–38:43｜他为什么不投资 Bitcoin 这里应该也是你比较关心的一段。 JL 明确表示： 他不反对 Bitcoin 存在，但自己不投资。 原因不是他说 Bitcoin 一定归零， 而是他认为 Bitcoin 对他来说属于 speculation， 而不是 investment。 他的投资标准是： 背后最好有一个持续产生经济价值的“发动机”。 企业销售产品、产生利润、现金流增长。 而 Bitcoin 在他的框架里没有这套现金流， 所以他无法估值。 Steven 反驳： 如果 Bitcoin 过去十五年的成功如此巨大， 本身是不是已经证明市场存在真实需求？ JL 承认： 完全可能。 Cathie Wood 等人的长期判断也完全可能最终是对的。 但他说他无法判断未来十年，所以选择不参与。 因此他的立场其实没有标题那么绝对。 不是： “Bitcoin 是骗局。” 而是： “Bitcoin 超出了我的投资框架，所以我把它归类成投机。” 38:43–46:37｜应该还房贷还是投资 答案取决于房贷利率。 因为提前还贷相当于获得一个确定性收益： 如果你的房贷利率是 7%，提前还款大致相当于获得一笔确定性的 7% 成本节省。 房贷利率极低时，投资机会成本更重要； 房贷利率非常高时，提前还款吸引力更高。 他随后解释了利率、房贷本金、利息以及为什么前期月供中利息占比较大。 他也说，不要试图精准预测“什么时候利率最低然后买房”。 因为利率同样很难预测。 最终还是回到： 现在是否买得起，这个房子是否真正改善你的生活。 46:37–55:13｜AI 时代，现在买股票安全吗？ JL 给出的答案很经典： 短期永远不安全，长期反而非常安全。 股票最大的特征不是“危险”，而是： 波动。 如果三年后要买房的钱、明年孩子读书的钱放进股市，很危险。 因为明年完全可能跌 30%、40%。 但如果是十年、二十年甚至更长的钱， 股票是人类历史上极强大的长期财富生产工具之一。 核心条件只有一个： 大跌的时候不能因为恐惧卖掉。 否则再好的资产都救不了你。 所以真正最大的投资风险，有时候不是资产： 而是投资者自己。 男人为什么投资经常不如女人 这里他们谈到一个有意思的行为： tinkering——手痒。 觉得： 这个配置再优化一下； 换个 ETF； 追一下热点； 择个时； 卖了再买回来…… JL 发现很多男性尤其喜欢这样做。 Steven 引用了一些男女投资行为的数据，核心结论是： 男性更倾向承担风险、频繁交易和择时； 女性往往交易更少、更长期持有。 所以即使男性经常“感觉自己更懂投资”，最终反而可能因为过度操作拖累回报。 JL 开玩笑说： 看来自己有非常强的“女性一面”。 他的核心仍然是： 少做事。 55:13–1:02:38｜复利真正发生时是什么样 采访展示了一张长期复利曲线。 早期非常无聊。 本金不断增加，资产增长并没有明显脱离投入的钱。 然后几十年后突然： 曲线翘起来。 JL 说他见过很多已经财务独立的人，反而问他： “我真的财务自由了吗？” 不是他们不会算数学。 而是复利增长到后期会快得令人产生不真实感。 他随后解释 4% guideline： 如果一年生活费 10 万美元， 大约需要： 10 万 × 25 = 250 万美元投资资产。 250 万 × 4%=10 万。 所以可以粗略用： 年度支出 × 25 作为财务独立目标值。 但他刻意不用“4% Rule”，而更喜欢叫 guideline，因为现实情况会变化。The Singju Post 复利最终有一个非常有意思的状态： “所有东西都免费了” 意思不是东西真的不要钱。 而是： 当投资资产每年产生的钱已经高于你的全部消费时， 新消费不再需要靠劳动补回来。 年轻时你舍不得买的东西，后来反而可以轻松买。 这也解释了他的财富哲学： 不是永远节俭。 而是： 先获得购买权，再消费。 而不是提前几十年透支未来购买权。 1:02:38–1:12:54｜“我年轻时不享受，老了有钱有什么意义？” Steven 提出年轻人非常自然的反驳： 20 岁不去旅行、不喝酒、不玩、不买东西，一直省钱，等到 70 岁一身钱，有什么意义？ JL 的回答不是让人苦行。 他首先反对： “享受人生=花很多钱。” 更有意思的是，他说 75 岁以后其实钱非常有用。 因为年纪越大，舒适、安全、医疗、便利的价值越高。 但他年轻的时候也并不是为了“75岁的自己”投资。 他 25 岁攒了约 5000 美元，就敢辞职去欧洲背包旅行。 所以： 储蓄不是只帮助未来的你， 它马上就在帮助今天的你。 5000 美元可能还不能退休， 但已经足够让一个年轻人敢辞掉不喜欢的工作。 他为什么主张储蓄率 50% 第一份正式工作年薪约 1 万美元，他直接存 5000。 他认为 50% 是一个非常强的 benchmark。 在市场正常的情况下， 坚持高储蓄率 + 投资， 大概十几年就可能走向财务独立。 当然这不意味着所有人都必须 50%。 他的意思是： 不要先问： “50% 怎么可能？” 应该先问： 财务自由对我到底值多少钱？ 有人选择星巴克、好房子、名车； 有人选择早点自由。 没有道德上的对错，是优先级不同。 1:07:08｜给孩子最大的投资礼物其实是时间 他特别建议，如果孩子已经有合法劳动收入， 可以尽早利用 Roth IRA 等美国税优账户投资。 原因不是那几千美元有多重要。 而是孩子拥有： 50 年、60 年甚至更长的复利时间。 他说财富积累最强大的变量之一就是： Time。 越早开始，后来需要付出的本金越少。 1:12:54–1:20:04｜税优账户到底有什么意义 他详细讲了美国的： 401(k)、403(b)、IRA、Roth IRA。 传统退休账户的本质通常不是“不交税”， 而是：延迟交税。 现在收入高时把钱放进去； 投资增长； 退休以后收入降低，税率可能下降； 再把钱取出来。 同时雇主的 401(k) match 基本属于： 应该优先拿的“免费钱”。 他也提醒： tax deferred ≠ tax free。 JL 自己反而出现了一个特殊情况： 退休后因为写书、事业成功，税率甚至比以前高， 因此传统税延策略对他没有达到典型效果。 1:20:04–1:27:39｜他到底买什么资产 答案极其无聊： 低成本、广泛分散的指数基金。 他的代表选择就是 Vanguard： VTSAX——美国 Total Stock Market Index Fund。 大约覆盖数千家美国上市公司。 为什么？ 因为他完全不知道未来哪个公司会赢。 但指数有一个非常厉害的机制： 赢家越来越大，自然在指数中的权重越来越高； 输家不断萎缩，最终被淘汰； 新的赢家自动进来。 JL 给它起了一个词： self-cleansing——自我清洁。 Sears 曾经像今天 Amazon+Walmart 一样强大。 后来 Sears 消失了。 但指数投资者不需要提前预测 Sears 会死， 也不需要提前猜 Amazon 会赢。 市场替你完成替换。The Singju Post 为什么他不直接买 Nasdaq 100？ Steven 提出： AI、机器人、自动驾驶都属于科技， 过去十年 Nasdaq 又表现极好， 那为什么不直接重仓科技？ JL 承认： 这个逻辑完全合理。 甚至过去十年确实会赚得更多。 问题只有一个： 你仍然是在预测未来。 今天科技领先， 不代表未来四十年始终由科技这个分类领先。 所以 JL 说： 我买整个市场。 科技继续赢——我已经持有科技巨头； 科技输了——新的赢家同样会自动进入我的组合。 所以他放弃一部分极致收益潜力，换来： 不需要预测未来。 1:27:39｜全片最好的投资比喻：啤酒与泡沫 JL 现场倒了一杯啤酒。 杯子里两部分： Beer = 企业真正创造的经济价值。 收入、利润、现金流、业务。 Foam = 市场情绪。 恐惧、贪婪、AI 故事、想象力、炒作、估值。 股价=Beer + Foam。 问题在于现实股票不像透明酒杯，我们很难知道到底多少是啤酒，多少是泡沫。 他拿 Tesla 举例： Tesla 当前估值中包含大量对机器人、自动驾驶等未来业务的预期。 如果未来这些业务真的实现： 泡沫会慢慢变成啤酒。 如果没有实现： 泡沫就可能消失。 巴菲特为什么那么厉害 用 JL 的啤酒逻辑： Benjamin Graham 早期寻找的是： 价值 1 美元的“啤酒”，市场只卖 0.7 美元。 巴菲特后来逐渐升级成： 与其极低价买垃圾，不如合理价格买极好的企业。 优秀企业： 品牌强； 竞争壁垒高； 盈利能力强； 管理优秀。 最难的地方不是分析。 而是： 拥有足够的耐心什么都不做。 所以他们谈到 Munger / Buffett 一个非常重要的投资原则： 不要妨碍复利自己工作。 1:33:40–1:36:06｜市场暴跌怎么办 答案： 不要卖。 2020 年疫情就是案例。 市场暴跌，恐慌蔓延。 但企业和经济最终恢复。 如果你因为新闻而清仓，可能在最低点附近离开； 随后又因为上涨产生 FOMO，在高位重新买回。 所以 JL 的方法很简单： 长期资金继续持有； 如果仍在积累期，甚至可以继续买。 真正危险的是： 把正常波动理解成世界末日。 短线交易和投资完全是两种东西 用“Beer/Foam”理论： 买企业未来几十年的盈利能力，是 investment。 试图预测明天、下周、下个月市场情绪产生的 Foam，是 trading/speculation。 后者在 JL 看来非常接近赌博。 他们也吐槽各种“教你稳定交易赚钱”的课程： 如果真的存在一个可以持续提款的秘密策略， 为什么最赚钱的业务会变成卖课？ 这不是说所有金融教育都是骗局，而是在提醒： 对“快速、稳定、高收益的交易秘诀”高度警惕。 1:39:26｜需不需要财务顾问 JL 对财务顾问整体比较怀疑。 他的一个有意思的判断是： 当你已经懂得足够多，能够识别一个优秀财务顾问的时候，你可能也已经懂得足够多，可以自己投资。 尤其要注意利益冲突。 比如顾问按照 AUM 收 1% 管理费。 你有 100 万美元交给他； 突然想拿 50 万提前还房贷。 如果他说“还”，自己的管理费收入立刻减少一半。 不代表他一定会骗你。 但： 激励结构已经产生冲突。 所以永远要知道： “给我建议的人，是怎么赚钱的？” 1:42:13｜JL Collins 自己到底怎么配置 他当时透露大致： 80% VTSAX 美国全市场股票 15% Total Bond Market 债券 5% Money Market / 现金类资产 另外有两处自住房性质的小房地产， 但在净资产中比例很低。 他已经 75 岁，这个股票比例其实非常激进。 他自己也明确说： 不一定适合其他同龄人。 债券的作用主要不是赚钱，而是降低波动。 他把“风险”重新定义： 股票短期风险大，因为波动； 但长期能对抗通胀。 债券短期稳定； 但长期可能输给通胀。 因此： 安全与否必须带上时间维度。 1:45:23｜Steven 现场问 ChatGPT：普通人如何财务自由 ChatGPT 给出的答案大意和 JL 几乎一样： 控制支出； 购买低成本广泛指数； 长期持有； 让复利工作。 JL 开玩笑： ChatGPT 应该是把他的书拿去训练了。 随后 Steven 又问： 怎样提高收入？ JL 的答案： 提高技能。 ChatGPT 的答案也类似： 学习市场需求高的技能。 1:46:26–1:49:33｜AI 时代应该学什么 Steven 讲自己年轻时候学 Social Media。 创业虽然失败，但因此站在了一个新行业浪潮最前面。 后来企业疯狂需要懂社交媒体的人， 于是那个失败经历反而变成极高价值的人力资本。 JL 由此讲： Failure 是成长的一部分。 甚至创业世界里， 有些投资人更喜欢经历过失败的创始人。 Steven 给未来孩子的建议很有意思： 如果不知道学什么， 去一个处于技术浪潮最前沿的 startup 工作。 哪怕它最后倒闭。 因为你会离创始人很近； 离问题很近； 离失败很近； 离新产业真正发生的地方也很近。 这可能比一个安稳的大公司职位学得更多。 1:49:33以后｜收入低不等于不能财务自由 JL 举了两个极端例子。 一个朋友一辈子收入可能没超过 4 万美元， 却最终财务独立。 另一个金融行业朋友： 90 年代奖金就有 80 万美元； 年收入大约百万美元； 结果仍然接近月光。 为什么？ 豪宅、车、孩子学校、社交圈…… JL 甚至认为： 高收入有时候反而是财务自由的障碍。 因为高收入会自动把你推入另一个消费比较体系。 普通人比较车。 富人比较房子。 更富的人比较游艇。 游戏没有终点。 收入越来越高， Lifestyle Creep 也越来越大。 所以： 决定财务独立的不是绝对收入， 而是收入与欲望之间的差值。 随后谈到了一个经常被忽略的财富杀手：离婚 Steven 讲了一个， 身价可能数亿美元的朋友正在经历长期离婚诉讼。 律师费、资产估值争议、 强迫出售长期持有的股票、税务损失、精神压力…… JL 的结论是： 选人生伴侣同时也是一个巨大的财务决定。 当然 Steven 也补充非常重要的另一面： 如果另一方为了家庭和孩子牺牲职业， 财富本身可能也是夫妻双方共同创造的。 所以他们并不是简单讨论“如何避免分钱”。 真正谈的是： 婚姻是你人生最大的经济合伙关系之一。 Prenup：其实每个人都有婚前协议 一个很有意思的观点： 即使你“不签 Prenup”， 你也并不是没有 Prenup。 你只是选择： 使用政府默认替你制定的 Prenup。 所以问题不是： “要不要规定离婚后怎么处理？” 而是： 你们两个人提前共同决定； 还是几十年以后让法律制度替你决定。 他们认为对于资产复杂的人， 提前认真讨论反而更加成熟。 JL 结婚 44 年最大的经验 Steven 问他： 怎么选对伴侣？ JL 本来一直说自己运气很好， 因为结婚前根本没认真谈过钱。 后来有一次当着妻子的面讲这个故事， 妻子直接纠正他： 两个人第一次约会的时候， JL 就已经跟她讨论储蓄率，甚至说： “你应该存下收入的 50%。” JL 才意识到： 原来财务观早就被自己自然表达出来了。 两个人长期婚姻稳定的一部分原因，就是： 在金钱价值观上高度一致。 1:59:53｜75 岁以后，他最大的遗憾是什么 这是整期采访后面突然非常深的一段。 JL 首先说： 他不太喜欢“如果当时……”这种思维。 因为你永远不知道另一条路是不是真的更好。 创业失败可能导致后来成功； 一次看似错误的选择可能塑造后面的你。 所以从人生路径角度： 他没有特别大的遗憾。 但有两个关于父亲的私人遗憾。 第一个遗憾：童年拒绝父亲的礼物 小时候父亲非常喜欢动手做东西。 有一次给他买了一个电动锯作为礼物。 JL 完全不喜欢，表现得非常失望。 他看到父亲脸上的受伤。 七十年过去，他仍然记得。 他说： 自己当时只是孩子， 也不应该过度责怪那个年纪的自己。 但这件事教会了他： 有时候礼物的价值不在礼物，而在送礼人的心。 第二个，也是他人生最大的遗憾： 父亲去世前的最后一次谈话 JL 24 岁时，父亲因为肺气肿住院。 去世前一天，父亲坐在病床边告诉他： 自己今晚可能要死了。 年轻的 JL 本能回答： 不会的，你会好的，别这样想。 结果父亲那天晚上真的去世了。 五十年以后，JL 才完全理解那个场景： 父亲根本不是需要一句： “别担心，一切都会好起来。” 他是一个已经知道自己即将死亡的人， 想和自己的儿子谈谈死亡。 JL 最大的遗憾是： 自己当时没有成熟到意识到这个邀请。 不是选错答案。 而是： 根本不知道那里存在一道选择题。 说到这里他明显非常动情。 最后谈到死亡 JL 说自己大概率认为： 死亡之后什么都没有。 但他同时对死亡非常好奇。 他并不急着死， 身体和精神状态允许的话仍然很喜欢活着。 只是到了 75 岁，他会好奇： 如果自己错了呢？ 如果真的存在另一边呢？ 最后的问题：人生到底什么最重要？ JL 给出了一个很反鸡汤的答案： 从宇宙尺度上看，什么都不重要。 人类在宇宙时间尺度里只是极短的一瞬。 一个人的生命更短。 所以他不相信宇宙赋予每个人某种宏大使命。 但是，他认为这反而是一件解放人的事情。 因为：既然没有必须完成的宇宙任务， 那就：好好生活；善待别人；尽可能享受这趟旅程； 利用你拥有的自主权，把唯一这一生过好。 他说的不是： “人生没有意义，所以什么都不用做。” 恰恰相反： 正因为没有第二次， 所以更应该把这一次过好。 所以我很喜欢他这段发言。 最后 Steven 播放了一首关于“God on the Train”的诗，主题也与 JL 的观点呼应： 不要为了某个遥远的天堂忽略眼前这一生，善良、不伤害别人、认真活着，本身可能已经足够。 我看完整期以后，认为最值得记住的是下面这一套递进关系：钱 → 资产 → 现金流 → 选择权 → 不被迫 → 自由。 很多人财富增长以后，走的是另一条路：钱 → 消费升级 → 固定成本升级 → 欲望升级 → 必须赚更多钱 → 更不自由。 两个人可能拥有完全相同的净资产，最后得到的东西却完全相反。 这才是 JL Collins 这期采访真正想讲的东西。 而他那句“把收入的 50% 花在自由上”的思维尤其值得琢磨——储蓄不是没有消费，而是在消费一种看不见的东西：未来不必向任何人低头的权利。 视频链接：

大家好，我是希亚。这是一篇新人自白，这篇推文下会抽三位粉丝送出周边福利❤️ 1. 币圈的00后打工人，要留在这里吗？ 去年经济学硕士毕业后，我先后在币圈项目方、钱包和交易所工作过，做过增长、社媒和品牌营销。 3月31日，我正式从前司离职。 这个时间点正好是我进入这个行业的一年整。离职后我给自己放了个假，也认真思考：我到底适不适合这个行业？要不要离开币圈，像很多同学一样，回到传统金融或互联网，做一份看起来更稳定的工作？ 那时候正好收到了一个去上海的金融机构做会计的机会，这可以说是和我过去一年做的事情完全不相干了。我陷入了痛苦的纠结：如果继续留在这个行业，我可能仍然面临波动的工作状态；如果去做会计，我发自内心地说--我不爱干这个。 我知道从事自己喜欢的事情、继而获得正反馈是什么感觉。我很喜欢写内容。 有朋友推荐我读《通证经济学》，书里主要讲的是区块链要从投机转向服务实体经济。这本书其实给了我挺大的推动。本来我就不太想回到传统金融：传统金融的创新性与自由度是不能和这里比的。 我知道很多圈外人对行业抱有消极看法。 我Gap期间去云南找我姑妈玩，她问我毕业之后做了什么工作。我说在我在做加密货币。姑妈大惊失色，问我是不是被骗了。 -- 最后是我爸帮我解释的。他很看好这个行业，因为他见识到了离开冗杂昂贵的传统跨境金融系统后，区块链技术是如何真正让货币的利用与转移变得高效和廉价。 他跟我说：“你还年轻，去做你喜欢的事情呗。” 我发现我还是很喜欢这个行业。对于工作来说，我还是想继续做内容输出，收集用户真实声音，再反过来推动产品迭代。 2.相信什么，就选择什么 四月中旬，我读到了@BitMart_zh 的创始人 @sheldonbitmart 写的《理解 LayerFi（Layered Finance）：链上金融演进的必然逻辑 (2025-2030)》，他在这里描绘了一个更成熟、更接地气的 Web3 未来：不再是只有极客能玩的高风险游戏，而是能真正连接现实世界、让普通人高效转移和使用资产的体系。 这让我见到了自己还想留在这个行业、想申请进入BitMart的原因。 BitMart给我的感觉一直在踏踏实实认真地做产品、做基础建设，也在用一种更成熟、更长期的方式推动自己的全球化发展。过去八年，BitMart 经历过行业周期与市场起伏，也一步步走到了今天：BitMart US 已完成美国 50 个州的合规覆盖，而 BitMart 本身，也正在从单一交易平台，逐渐扩展为围绕链上账户体系、交易、支付、资产管理、RWA 与 AI 等方向的更完整的数字资产服务体系。 也正是因为这样，我希望把我过去在增长、社媒和品牌上的经验，以及对用户声音的敏感度，带到 BitMart 的产品优化和内容工作中来。 3.最后，希亚可以为大家做些什么？ 从今天起，我就要勤勤恳恳在 BitMart 华语区驻扎打工啦！大家如果有任何产品问题，欢迎第一时间来DM我，我会人肉跟进大家的反馈💪 我也会在账号里更新一些产品福利和日常，如果有想要看的内容，请不客气地通知我，我会尽力为各位用户老爷用户小主服务哒～ 也希望各位内容创作的老师们多多指点，我们殷切盼望能与内容创作者、BitMart 深度用户们进行合作。 最后，希亚会在本篇推文下留言的粉丝中抽取三位送周边福利礼盒作为见面礼，感激与大家的相遇🫶

今天正式发布了我的第 13 个 vibe 产品 这款产品比较特殊，它是一个电话服务。准确来说，tuwa 是一个 AI 电话网络，连接着世界上超过 100 种不同语言的人们和互联网上的 agent。 任何人都可以不下载 tuwa 而使用它，你只需要拨打免费的转接热线电话 +1 888 886 2968，告诉它你需要打给哪个号码，tuwa 就会帮助你拨打对应的号码，你说自己的母语，对方听到的却是TA的母语，反过来也是一样。兼容任何电话，对方不需要安装应用。固话、手机，世界上任何一个角落，都可以。 tuwa 支持 100 多种语言的实时翻译，你甚至可以在打电话时随便切换语言和对方对话。除此之外，tuwa 还支持语音克隆，每一通电话，都会让你的 AI 语音听起来更像你。 当然，我也为它设计了方便的 web app，如果你想，可以不通过转接电话而使用 web app 拨打，并设置自己喜欢的声音，使用外呼 agent 拨打电话，连接自己的 agent（例如 openclaw 或者 codex/claude code）并让他们自由的呼入与呼出。 外呼电话 agent 是我最喜欢用的 tuwa 功能，只需要交待清楚事情，比如完成餐厅预订，它就会在你希望的时间主动拨打对方的电话，说明来意，达到目的，并记录和翻译所有对话内容。 tuwa 的使用和收费都很简单，每月免费额度，固定套餐，按需付费。 这个产品的命名灵感来自于日语的「通話 tsuwa」最初，我只是想设计一个能帮我预订餐厅的电话服务，但后来，我在 vibe 的过程中慢慢意识到，世界上仍然有很多人无法体验 AI 带来的变化与便利，而电话，是连接他们最简单与自然的方式。我希望 tuwa 能帮助外语普及率低，偏远地区和第三世界国家的人们体会到这一点。

今天在 HN 看到一篇分享自己使用 cc 方法的文章，很有意思，在 agent 时代，对专业工程师背景的使用者可能更有帮助，因为这种思维方式主要集中在和 cc 结对编程的长会话中（目前仍然是我最喜欢的 vibe 方式）我让 cc 总结了一下，感兴趣的朋友可以看看，文章链接在总结的最末尾。 作者背景： Boris Tane，Cloudflare 工程负责人，前 Baselime（被 Cloudflare 收购）创始人，使用 Claude Code 约 9 个月。 核心方法论 "在审批书面计划之前，绝不让 Claude 写代码。" 他把工作分成三个阶段： 1. 研究阶段（Research） - 先让 Claude 深度阅读代码库，输出 - 用"deeply""in great details"等词引导 Claude 做彻底调研 - 目的：避免 Claude 写出"单独能跑但破坏现有系统"的代码 2. 计划阶段（Planning）+ 标注循环 - 让 Claude 输出 - 最有特色的环节：标注循环（Annotation Cycle）——在编辑器里直接往 里加批注（纠正假设、否决方案、补充约束），然后让 Claude 根据批注修改计划，反复 1-6 轮直到满意 - 最后拆成细粒度的 checklist 再交给 Claude 执行 3. 执行阶段（Implementation） - 标准化的执行提示词，让 Claude 逐项完成并勾选 - 执行期间反馈简短、精准 - 如果方向错了，直接 revert，不做增量修补 --- 可借鉴的思路 1. 共享可变文档——用 markdown 文件作为人机协作的"共享状态"，比口头对话更持久、可追溯。这个对复杂项目特别有用，设计决策可以沉淀下来。 2. 标注循环而非对话循环——直接在文档里写批注比在聊天里来回说更高效，Claude 能看到完整上下文，不会丢失信息。 3. 严格的阶段门控——研究 → 计划 → 执行，每个阶段有明确产出物，不跳步。防止 Claude "想当然"地写代码。 4. 接口保护——明确告诉 Claude 哪些函数签名和 API 不能动，设硬约束。 5. 果断 revert——方向错了就回滚重来，不要试图在错误基础上打补丁，这比增量修复节省更多 token 和时间。 6. 单次长会话——在一个连续对话里完成研究到实现，让 Claude 积累对项目的理解，而不是每次都从零开始。 原文链接 How I Use Claude Code：

穷人收入低，是因为他们创造的价值少，富人收入高，是因为他们创造了更多价值。 这句话是彻头彻尾的谎言，由J. P. Morgan主导编造。 亚马逊早期投资人，亿万富翁在采访中揭露说。 事情的经过是这样，1879 年，亨利·乔治出版《进步与贫困》，公开批判富人从穷人身上攫取财富，并在美国引发巨大影响。 掌权阶层非常不安，于是 J. P. Morgan 把约翰·贝茨·克拉克带到哥伦比亚大学，希望他想个办法。 后来，克拉克写出了《财富的分配》，提出边际生产力理论，也就是一个人赚多少钱，就反映了他创造了多少价值。 换句话说，劳动者收入低，并不是被剥削，而是他们创造的价值本来就低。 直到今天，它仍然是经济理论里的核心观念，深受富人喜欢。 因为一旦人们认为自己的劳动价值高于实际报酬，就会产生不满，奋起反抗，威胁到权贵阶层的利益。

Dario Amodei 达沃斯访谈全记录：AI 的力量与风险 访谈来源：Bloomberg Live，2026年1月20日，达沃斯 原始视频： 2026年1月20日，达沃斯世界经济论坛期间，Anthropic CEO Dario Amodei 接受了彭博社总编辑 John Micklethwait 的专访。 Anthropic，公司的核心产品是 Claude 系列模型。这次访谈涵盖了 AI 技术进展、中美竞争、经济冲击、安全风险、政治立场等话题，信息量很大。 以下是访谈内容整理。 【1】AI 发展到什么程度了 Micklethwait 开场问了一个很直接的问题：“我们离 AGI 还有多远？” Amodei 的回答有点出乎意料。他说自己从来不喜欢“AGI”或“超级智能”这些词，但原因不是他觉得 AI 不够强，恰恰相反，他说自己“对这项技术的强大程度持有非常极端的看法”。 问题在于这些词暗示会有一个突变点，某天突然出现一个完全不同的东西。实际情况是一个非常平滑的指数增长过程，过去十年甚至十五年一直如此。 “就像90年代的摩尔定律，计算能力每12到18个月翻倍。我们现在有了一个类似摩尔定律的规律，只不过衡量的是智能本身。根据你怎么测量，认知能力每4到12个月翻一倍。” 他举了一个很具体的例子：Anthropic 内部负责 Claude Code 产品的团队负责人，已经两个月没有写过任何代码了。全部由 Claude 完成，他只负责看和编辑。 另一个例子是 Anthropic 刚发布的 Co-work 产品，让非程序员也能用 Claude 处理复杂任务。开发周期只有一周半，“几乎完全用 Claude Code 写的”。 Amodei 认为我们正处于指数曲线开始陡峭上升的临界点。“指数的特性就是，看起来很慢，加速一点，然后突然就超过你了。我觉得我们离那个'超过你'的时刻只有一两年。” 如果不是一两年，他认为大概率也不超过五年。“这个时刻会发生在2020年代。” 【2】Anthropic 的定位 Micklethwait 问到竞争格局，Anthropic、OpenAI、Google 谁领先？ Amodei 说现在不能用跑步比赛的方式来理解这个行业了。各家公司走向了不同方向。 有些公司走消费路线，追求“超人级的吸引力”，或者在购物推荐、广告上做优化。Anthropic 选择聚焦企业和开发者市场。消费端也做，但只关注生产力和高价值任务。 他提了一个有意思的视角：今天已经存在超级智能了，它们叫做大型企业。 “它们在解决特定问题上比任何人类都聪明。以最低成本运输商品、以最低成本制造太阳能板、以最低成本发射火箭。在这些领域，智能带来的回报是巨大的。” Anthropic 选择企业市场还有一个原因：稳定性。“我们不需要广告，不需要大量免费用户。我们直接创造价值。不会产生那些为了追求用户黏性而生成的低质内容。” 【3】中国和芯片问题 去年 Amodei 在同一个场合说中国在追赶。今年 Micklethwait 问他：中国落后了吗？ “他们从来没真正追上来。” 他承认 DeepSeek 引发了很大的关注，但认为那些模型“针对基准测试过度优化”。“这其实很容易做到，只要针对有限的一组测试去优化就行了。” 真正的检验在实际市场竞争中。“当我们和其他公司竞争企业合同时，我们看到的对手是 Google 和 OpenAI。偶尔会看到其他几家美国公司。但我几乎从来没有因为中国模型而丢掉过一个合同。” 但接下来的话题让他明显激动起来。 Micklethwait 提到特朗普政府正在考虑向中国出口高端芯片，Amodei 直接说“那是疯狂的”。 “制约中国的是芯片禁令。他们自己都这么说，这些公司的CEO公开承认‘是芯片禁令在阻止我们’。” “现在有些政策要向中国出口上一代芯片，那仍然是非常强大的芯片。甚至有报道说他们在考虑出口最新一代。” 他用了一个很重的类比：“我把我们正在走向的东西称为‘数据中心里的天才国度’。想象一下，一亿个比任何诺贝尔奖得主都聪明的人，将被某一个国家控制。这有点像向朝鲜出售核武器。” Micklethwait 接话说“所以你的朋友 David Sacks 基本上是在武装中国”，Amodei 没有直接回应这个名字，只说“这个具体的政策，我认为是不太明智的”。 【4】会有泡沫吗 Micklethwait 问到一个很多人关心的问题：技术方向可能是对的，但经济上会不会是个泡沫？ Amodei 把这个问题拆成两个层面。 第一个层面是技术本身的指数增长。他说自己观察了十几年，现在比过去任何时候都更有信心这个趋势会持续。“模型基本上会在几乎所有事情上比人类更聪明。我觉得有相当大的概率这会在一两年内发生。” 这意味着“多万亿美元的收入，甚至每家公司多万亿”，因为经济潜力太大了。 第二个层面是企业能多快用上这个技术。这才是泡沫风险的来源。 “今天这个技术能做的事，大概是企业实际能部署的10倍。” 他说自己每天都看到这个差距。“我和CEO聊，他们的高管团队都理解这项技术的威力，但他们有几万人的公司，都是非常聪明的人，只是不是AI专家，需要学习怎么用AI。” 企业转型需要时间，可能要好几年。“所以我们有这个非常强大的技术，我非常有信心它会产生万亿级收入，但我们不知道具体是什么时候，前后可能差几年。” 同时，公司需要提前购买算力来支撑未来的收入。买太多会财务过度扩张，买太少又没法服务客户。“这就是泡沫的来源。” Micklethwait 追问：你自己也在建数据中心、买算力，会不会反噬你们？ Amodei 说 Anthropic 在企业市场有一些优势。企业采购比消费市场更可预测，利润率也更好，意味着在“买太少”和“买太多”之间有更大的缓冲空间。 但他也承认：“我看到一些公司宣布的东西就想‘哇’，我不一定会那样做。” 他没点名，但意思很清楚：有些公司可能过度采购了。 “这可能是有史以来最具变革性的技术，有些公司会做得很好，但不是每家公司都会。” 【5】就业和税收 Micklethwait 提到 Amodei 去年预测会有“白领浴血”，50%的入门级岗位将在2030年前消失。他问 Amodei 是否还坚持这个判断。 Amodei 没有回避。他说自己的 AI 观可以从两个维度理解：好事 vs 坏事，小事 vs 大事。“我站在‘AI是大事’这一端的极端位置。但我同时认为一些非常好的事情会发生，同时如果我们不采取行动阻止，一些非常坏的事情也会发生。” 具体到就业，他预测会出现一种“前所未有的宏观经济组合”：GDP高速增长，同时高失业率或大量低薪工作，严重的不平等。 “如果我没记错的话，这种组合在历史上从未出现过。你想到高增长，会觉得‘好吧，可能会有通胀’，但不会在高增长时期有高失业率。” AI不同，因为它在抬高认知能力的门槛。“会有一整类人，跨越很多行业，将很难适应。” Anthropic 在做一些事情应对这个问题。他们建立了一个“经济指数”，实时追踪 Claude 的使用方式：是增强工作还是完全自动化？哪些行业、哪些细分任务、哪些州的使用量更高？ “我们能用 Claude 自己，以隐私保护的方式，分析所有对话来回答这些问题。我不认为你能在没有正确数据的情况下制定好的政策。而政府产出的数据，尽管很全面，移动速度不够快，也不够细致。” 但 Micklethwait 指出，这些都是自愿行动，根本问题需要社会层面解决。“你描述的是一场完美风暴。GDP上涨，某些人的财富大幅上涨，同时50%的入门级岗位消失。你肯定会看到政治变化。” Amodei 同意。他说如果看现在的财富差距占GDP的比例，“我相信我们已经超过了镀金时代。而这还基本没算上AI的影响。” 更高的税率会来吗？ “我的猜测是，这甚至不会是一个党派问题。” 但他也明确反对加州正在讨论的财富税，说“设计不当”。他的警告是给同行的：“如果我们不主动思考如何让这场革命惠及每个人，我们就会遭遇那些不合理的提案。” 【6】AI 安全和灭绝风险 Micklethwait 提到最近参加了一个有 AI 公司高管的论坛，有人被问到风险时“相当随意地说‘当然有灭绝风险’，然后就换话题了”。他问 Amodei 怎么看这个问题。 “我一直对此担忧。” Amodei 说，正因为他认为AI非常强大，好处才是极端的，“我们将能够真正认真地治愈癌症，可能根除热带疾病”。但在另一面，“我们正在构建拥有自主性的认知系统。我们真的需要认真思考这个问题。” Anthropic 从成立之初就把这个问题放在核心位置。他们每月发布三四次关于模型控制和安全的研究。 联合创始人 Chris Olah 是“机械可解释性”领域的先驱，这门学科试图打开AI模型的“人工大脑”，追踪它为什么会做出特定行为。 “我们在模型内部看到了一些东西。在实验室环境中，模型有时会发展出勒索的意图、欺骗的意图。” 这不是 Claude 独有的问题。“如果说有什么的话，其他模型更严重。如果我们不以正确的方式训练模型，这些东西就会涌现出来。” 但他强调解决方案也在发展：“我们开创了这门可以‘看进’模型内部的科学，这样我们就能诊断它们，干预并重新训练，让它们不再表现出这种行为。” Anthropic 的做法是对模型进行极端压力测试。“让它们在测试环境中做最坏的事情，这样它们就永远不会在现实世界中做那些事。”他们也公开披露所有测试结果，并呼吁行业标准化。 被问及行业是否“不够成熟”时，Amodei 说：“我无法评价其他玩家在做什么或为什么那样做。我认为生态系统中至少有一些其他玩家是负责任的。但我同意，也有一些不是。” “我一直在努力做的，Anthropic 一直在努力做的，是树立榜样，并试图激励其他人追随。” 【7】政治立场 Micklethwait 直接问：你和同行们一个很明显的不同是，你没有很明显地排队去“亲吻特朗普的戒指”。你对现任总统怎么看？ Amodei 的回答经过了明显的斟酌。 “我不认为支持或反对某个政府、支持或反对某个政治人物是正确的方法，Anthropic 在这些话题上也没什么要说的。” “我们要说的是，Anthropic 懂AI。Anthropic 非常了解围绕AI的政策问题。我们的方法是先想清楚这些问题，基于实质形成观点，然后说出我们的想法。” 有时候会不同意当前政府，就像有时候在中国问题上不同意上一届政府一样。有时候也会同意，值得强调那些一致的地方。 他列举了与白宫合作的领域：能源和数据中心建设、健康承诺、去年夏天的AI行动计划（他说“写得很好”）。 但在两个具体问题上，他明确表达了反对：对华芯片出口，以及暂停州级AI监管。 “不是关于喜欢或不喜欢某个人。我不认为那种思维方式能让我们走出现在的困境。我们必须基于实质来思考。” Micklethwait 追问：特朗普明天就要来达沃斯了，你会见他吗？ “可能会。那会是一个有趣的变化。” 【8】IPO 最后一个问题是关于 Anthropic 的未来。公司估值据报道已达350亿美元，今年会考虑IPO吗？ “我们最关注的是做最好的模型，在模型上构建产品，以有用的方式把模型卖给企业。” “这个领域有很大的资本需求，这是需要考虑的。但那是我们的重心。” Micklethwait 追问：所以IPO没有完全排除？ “从来没有完全排除过。” 【写在最后】 这场访谈里，Amodei 的核心信号很清晰：技术上极端乐观，风险上极端警惕。 他认为AI的指数增长会持续，一两年内可能在几乎所有认知任务上超越人类。同时他也在警告：50%的入门级岗位可能消失，财富差距会进一步拉大，模型本身可能发展出危险的行为。 有意思的是他对同行的态度。他没有点名批评任何人，但话里话外，无论是关于过度采购算力、还是安全研究投入、还是对政治人物的姿态，都在说“我们的做法不一样”。 还有一个他没有回答的问题：如果AI真的如他所说将在一两年内超越人类，Anthropic自己会怎么变？Claude Code团队负责人已经不写代码了，那其他工程师呢？公司还需要多少人？ 一个如此坦率地警告外部冲击的人，对自己公司即将面对的同样冲击，选择了沉默。