与「内容创造」相关的搜索结果

被大雪封在家里一个星期，反而有了一段难得完整的回顾时间。回头看，这一周的收获比预期多得多。 首先，感谢网易给我的这个奖励。我真的很喜欢，也确实有点受宠若惊。同时也要感谢 Substack 的读者。说实话，我没想到中英文、长篇文章、再加上一些代码内容，居然还能被这么多人认真阅读。在这个信息高度快消的年代，依然有人愿意花时间阅读、写作、思考、探索，这本身就很珍贵。 所以这段时间我几乎把所有社交媒体都屏蔽了。每次想上去，都需要自己手动解禁十几分钟。我很清楚自己有点懒，这个机制对我反而特别有效。这次上线，主要是准备取消蓝标。以后内容重心会放在 Substack 的长文上，大概一个月一到两篇。X 可能只偶尔更新；也许一年之后会尝试 YouTube，但同样以高信息密度、对外沟通为主，不再以吸粉或流量为目标。 是时候进入下一个阶段了。 大语言模型在最初商业化时，对很多人造成了真正的震动。因为语言本身就是我们理解世界、组织认知的接口。无论是程序员、极客，还是普通计算机用户，几乎在一夜之间被拉到了同一条起跑线上。过去两年，大家都在探索、试错、兴奋，也逐渐开始沉淀对这一模式、这一生态的理解。 我现在觉得它并不是万能的。最早我们以为它会逐步解决所有问题、回答所有疑惑，甚至以指数级方式进化。但至少在“作为长期开发与思考辅助”这件事上，有些问题并不能在一个对话窗口里解决，这与它“预测下一个 token”的底层机制本身有关。 所以我现在是自己维护一套核心知识库：把信息做索引、切成 chunk，通过 query 打分，再逐步交给模型分析。核心信息由我自己维护，模型只在有证据、有边界的情况下参与推理，用这种方式尽量减少模型随时间产生的漂移、约束它的行为。这套方法我已经在 Substack 里写过比较详细的说明。当然，chunking 并不是我一个人的发明，也有不少人在做类似的尝试。 从 OpenAI 的角度来看，这家公司现在花钱极多、盈利模式仍在探索中。盈亏平衡点大概会落在 2028–2030 年左右，现金总有耗尽的一天，关键还是能否建立可持续的商业结构。这段时间我反而感觉到：站在 Web 2.0 的平台上，是看不到 Web 3.0 图景的。虚拟经济、注意力经济还能怎么继续扩张？如果这些路径真那么清晰，Meta 的小札也不至于持续焦虑。元宇宙，他自己投的，不知道他自己还记得不？甚至他早年投资的一些人，Palmer Luckey， 人家已经成为国防企业创始人。 说实话，我是有点疲惫的。我既不是大美女，也不可能成为网红。对我来说，2026 年更像是一个“回收所有属于私人的时间、专注极客式技术钻研”的节点。这几周我会开始研究 clawbot，相关内容也会逐步在 Substack 上发布。 我确信真正能带来改变的，是能够进入实体经济循环的技术，更进一步，是那些可靠地介入“物理世界”的技术。不是涨粉，不是观看量，而是能否落地、能否产生真实反馈。当大多数人，尤其是同龄人，在不看某些领域的时候，某些领域反而特别有价值了。实际的人，实际的资金，实际的社交，本土化的项目，才有价值。涨粉如浮云，注意力转瞬既逝。现在X上面因为马斯克发钱大量涌入，油管因为AI技术带来的配音，双语技术等等技术门槛降低涌入的大量内容创造者，都是一个道理。是一种边际化增长模式了。 前段时间对我来说最重要的一场意识转变是Lutnik在达沃斯论坛的那场演讲。以自由贸易、极端效率、全球最低成本和金融驱动为核心的旧全球化秩序已经失效。对我而言，这是一个重要的提醒。不是因为某一个人的发言就能改变世界，而是因为我自己的教育背景和认知体系，有相当大的一部分正是建立在“全球化”这个前提之上。 我们熟悉的全球化形态，很多人会从中国加入 WTO 开始算起，我认为更早的话，二战后其实已经奠定了基础。中国的崛起并不是唯一的例子，亚洲也曾有“亚洲四小龙”的阶段。对普通人而言，我们并没有能力推动宏观趋势，唯一能做的，是观察变化，在趋势中趋利避害，为自己和家庭选择相对更优的路径。 关于“去全球化”，每个人都有不同的定义，我也不是经济学专家。但科技行业里有一条线索是相对清晰的：创投VC资本的流向。在 Web 2.0 崛起的年代，一些名字并不陌生。比如贝塔斯曼？2018 年之前，回国创业或加入创业团队，对很多优秀的人来说都是极具吸引力的选项。我回国的同学，2018年都还有，都是很优秀的，比较平庸的因为国内反正也没人请，所以咱们不是也没抓到机会么😄 如果沿着资本的路径去看全球化，而不是只看表层叙事，其实会更早感受到变化。我最近在网上看到一位分析跨国资本的视频，讲得相当清楚。等到普通人真正体感到变化时，很多结构性的转向，往往已经发生了十几年。我主要是看他对于各方势力在全球化/去全球化过程中的博弈，挺有含量的一个视频。 大语言模型很可能只是一个起点。真正重要的，并不是模型本身，而是以它为认知原点、以语言为接口，逐渐生长出来的一整套技术体系。这些东西不会同时出现，而是会在时间中一点点显形。 历史上，很多技术在完成商业化之后，真正的变化才刚刚开始。当它们进入一个资本相对自由、思想相对自由、交流相对开放的环境时，往往会以一种远超原始设计的方式演化。这种演化路径，既不是最初提出理论的科学家能够完整预见的，也往往超出了最早推动商业化的技术巨头的想象。 特斯拉、贝尔实验室都是典型例子。真正改变世界的不是单点发明，而是围绕它逐步形成的技术生态、应用网络，以及它与社会结构、生产方式之间发生的耦合。所以，潜心研究硬技术才是正道啊。

AI 刚出来的时候，内容创造者觉得以后要失业。我的想法是，恰好相反，以前当不了内容创造者的，比如从事烧脑工作没时间搞文科创作的，可以创造出，只有我能写出来的内容。 虽然推上的理工人天天嘲笑文科，但是法律这个硬文科，是没人有资格嘲笑的。我花了好几天的时间打造我项目的constitution，我认为这就是一个核心用法。其实就是借用法律界的体系逻辑原理，而且这种analogy作为语言大师的LLM是秒懂的。比如我有了宪法，我提出的任何问题，都要他“引用宪法”，你甚至可以创造出一个case，很难解释的，根据自己写的“法律条文”，“自己跟自己打官司”。Why not? 这个宇宙你做主啊。

嘿,朋友们,给大家安利一个超强的AI视频编辑神器!这个网站能帮你自动生成各种视频,功能贼全面,YouTube赚美金就靠它了! 输入你想做的视频脚本,就能生成一个完整的宣传片,文字、视频素材、背景音乐应有尽有,不满意还能随时替换。感觉非常适合做电商出海的视频。唯一不足的点是目前好想还不支持中文字幕导出。 它还有很多实用功能,比如文字转视频、视频加字幕、YouTube视频总结提炼、AI头像视频、Reddit和推特帖子转视频等等,特别适合YouTube新手快速上手变现。 虽然基础功能免费,但导出视频会有水印。用之前推荐的鬼手剪辑工具一抹,水印就消失了,完全看不出痕迹。 AI视频编辑网站: 鬼手剪辑工具: #AI视频# #视频制作# #内容创造# #ai自动生成视频#

AI 与 Crypto：不是“加不加”的问题，而是“什么时候需要” 这个周末我去参加了一个很火爆的 OpenClaw Demo 活动，担任评委点评项目。 另一位评委是 Web2 圈非常有名的投资人，在这一轮 AI 浪潮里押中了像 MiniMax 这样的明星公司，战绩非常漂亮。 但他有一个非常明确的观点：不看好 Crypto。 他的逻辑其实也很简单——如果一个项目本身是一个很好的 AI 产品，但为了发币硬塞区块链进去，那基本就是把自己的路走窄了。因为一旦带上 crypto 标签，在融资、监管、用户认知上都会立刻进入一个更复杂的环境。 坦白说，这个观点我部分认同。 过去几年 Web3 确实有大量项目犯了一个错误： 先想发币，再找产品。 很多项目的区块链部分其实是完全多余的。 如果一个产品的核心价值不依赖链上机制，只是为了 Tokenomics 而加一层链，那基本上已经被市场证明走不通。 所以当一些 Web2 投资人看到“AI + Token”的项目本能反感，其实也不奇怪。 但问题在于： 很多人因此得出了一个过于简单的结论——AI 不需要 Crypto。 我认为这个结论同样是错误的。 AI 与区块链之间的关系，从来就不是一个“是否需要”的问题，而是一个在什么阶段必然会需要的问题。 而且随着 AI 进入 Agent 时代，这种需求会越来越明显。 ⸻ 一、AI 协作需要“可验证性” AI 未来不是一个模型，而是一整个 Agent 网络。 一个复杂任务的完成，可能需要几十甚至几百个 AI Agent 协同完成： •有的负责数据获取 •有的负责推理 •有的负责执行 •有的负责验证 在这种体系里，一个核心问题会出现： 谁做了什么？如何证明？ 如果所有计算和数据都在中心化服务器里，那最终只能靠平台信用。 但当 AI Agent 之间开始进行大规模协作时，可信记录和可验证执行就变得非常关键。 区块链的价值就在这里： •可验证记录 •不可篡改日志 •可编程结算 换句话说，AI 需要一个可信的协作底层。 这也是为什么像 0G 这样的基础设施会提出 DeAIOS（Decentralized AI Operating System） 的概念： 让 AI 的数据、计算和行为可以被验证，而不是黑箱。 ⸻ 二、AI 开发者需要新的激励体系 在 OpenClaw 的生态里，其实已经出现了一个很明显的问题。 很多开发者在开发 Skill。 这些 Skill 本质上就是 AI Agent 的能力模块。 但问题是： 开发者很难从中获得长期收益。 今天的模式大概是： •开发者贡献能力 •平台获得流量 •平台掌握收益 这种模式在 Web2 很常见，但它并不适合未来的 AI Agent 经济。 如果一个 Skill： •可以被反复调用 •可以组合进不同 Agent •可以在不同应用场景复用 那它本质上就是一种 数字资产。 而资产的确权、交易和收益分配，正是区块链最擅长解决的问题。 未来很可能会出现： •Skill Marketplace •Agent Asset •自动化收益分配 AI 能力本身会变成一种可交易的资产。 ⸻ 三、AI 数据主权问题会越来越严重 AI 的发展正在快速逼近一个新的问题： 数据荒。 高质量训练数据正在变得越来越稀缺。 同时，大模型公司已经在大量使用互联网内容进行训练： •文章 •图片 •视频 •代码 这些内容的创造者是谁？ 人类。 但在现有体系里，人类几乎得不到任何回报。 如果这种模式持续下去，很可能出现两件事： 1️⃣ 数据质量持续下降 2️⃣ 创作者动力消失 未来一个更合理的体系应该是： •数据有来源 •数据有所有权 •数据可以被授权使用 •数据贡献可以获得收益 这其实就是 数据资产化。 而区块链正好可以提供： •数据确权 •数据授权 •数据使用记录 •自动分润 简单说： AI 不仅需要算力，也需要一个新的数据经济体系。 ⸻ 四、Web3 从业者不需要羞于表达 最近在很多 AI 活动上，我也发现一个很有意思的现象。 不少做 Web3 的朋友在自我介绍的时候，会刻意淡化自己的背景。 甚至有点不好意思说自己来自 Crypto。 我其实觉得 完全没必要。 Web3 的确经历过泡沫、叙事过剩和很多失败的项目。 但这并不意味着技术本身没有价值。 很多技术路线其实是超前于时代的。 现在 AI 的发展速度正在重新打开很多可能性： •AI Agent •去中心化算力 •数据资产 •AI 协作网络 这些问题，本质上都需要： 一个可信的数字经济基础设施。 而区块链正是为这种系统而生的。 ⸻ 五、真正的问题不是“AI 要不要 Crypto” 真正的问题其实是： 什么时候需要。 如果一个 AI 产品： •不需要去中心化 •不需要资产化 •不需要协作网络 那确实没必要上链。 但如果未来 AI 进入： •Agent 经济 •AI 协作网络 •数据资产市场 那区块链几乎是必然出现的底层设施。 所以我其实很能理解那位 Web2 投资人的观点。 只是从更长周期来看： AI 和 Crypto 很可能不是竞争关系，而是互补关系。 AI 负责智能。 区块链负责信任和经济系统。 当这两者真正结合的时候， 我们可能会看到一个完全不同的数字世界。 而现在，其实才刚刚开始。

有人可能会问，在没有AI的时候，人类也会造谣，也会发到网上到处都是，怎么没见到你这么痛心疾首？ 其一，「抛开剂量谈毒性都是耍流氓」，AI的工业化生产能力，和个体户的伏案写作流程，在效率上是天差地别的，实际上在我写这篇文章以前，搜索引擎、线上文库、各类网站上的AI填充情况就已经非常不堪了，在有了推理模型——精通于一本正经的胡说八道——之后，整个污染趋势会向深处蔓延，从相对次要的资料层触及创作上游的信源层，覆水难收； 其二，人类造谣起来是有局限性的，比如他不可能出现在一个自己没理由出现的场合，真要这么编造起来很容易露馅，但AI则会脸不红心不跳的直接生造，比如栩栩如生的细节，或是身临其境的描写，在说谎这件事情上，AI的主观恶意或许不及人类，但它的发挥能力，却是独一档的； 其三，AI内容的生产者一般都是营销号，而为内容背书的，则是传播者的信誉，比如大V博主上钩后的转发分享，通过这种扩散机制，实现从寄生到合理化的存在目标，才是最可怕的，人会爱惜羽毛，会知道信誉下滑的后果，但营销号不在乎，只要避开敏感话题，有太多的流量可以消费，尤其是在掌握了「创造」独家信息这个技术之后； 其四，AI的便利性已经把虚假信息的泛滥推到了生活的各个方向，有人拿着它推荐的菜单去点菜结果发现店里没这个菜，有人拿着旅游攻略发现当地根本没这个景点，经我实测它还会捏造不属于「山海经」的古典异兽。 我想说的是，AIGC是技术发展的未来，DeepSeek也是国产模型的翘楚，工具没有错，错的是滥用、恶用工具的行为，AI当然可以创造内容，但前提一定要是注明它由AI生成，不能鱼目混珠，放任它以一种不可辨识的方式成为互联网的原生信息，大模型厂商和内容平台也有义务把类似数字水印那种兜底方案同步推进起来，每迟一天，治理成本都会几何级的变得更高。（7/n）

Hello大家好，我是Cowra🐨。目前入职web3公司一周啦，刚好看到有姐妹的自白，感触颇多，想想一路走到现在也是经历了不少困顿和迷茫，也想来写写自己的心路历程。推文下会抽三位粉丝送出CoinUp定制周边福利❤️ 1. 文科硕士的00后要如何做出选择？ 去年香港中文文科硕士毕业前后，我在教培、运营和学校的岗位上辗转，尝试过对口也好不对口也好多个行业。 毕业后也准备参与了家里人建议的所谓的“铁饭碗”考试，更体会到了什么叫“天下英雄如过江之鲫”，停下来的这段时间，我一直在认真想：我到底适合什么样的路？要不要像很多同学一样，去银行、体制内，或者像学妹学姐一样去考教师编，找一份大家眼里“稳定”的工作？ 那时候刚好拿到了一家央企行政岗和教师的offer，这是和我背景高度匹配的“标准答案”，也似乎是家长心目中的‘理想答案”。但本应因上岸而高兴的我却陷入了痛苦的纠结：如果走这条路，我可能会按部就班地稳定下去，重复着高度相似的日日夜夜，在消磨中透支着热情与活力，所以内心的声音更加的明晰与坚定了。 我知道做自己喜欢的事、获得正反馈是什么感觉。我很喜欢写东西、做内容，也喜欢和人打交道，帮大家把真实的声音传递出去，做更具有创造性的内容。 正好有朋友跟我聊起Web3，也带我接触到这个领域，说这里的社群氛围和内容生态，是传统行业很难给到的自由度和创新空间。这句话其实给了我挺大的推动：本来我就不太想困在一眼望到头的框架里，比起“稳定”，我更想做能看到自己成长、也能和大家一起成长的事。 我知道很多圈外人可能对这个行业抱有消极看法。和爸妈吃饭，聊起我拒了有着“免死金牌”般的传统稳定岗位offer，进了他们似乎不太了解也不是很接受的“新世界”，他们给予我的也是更多的不理解和质疑。 我坚持自己的想法也是这样跟他们沟通：“我从小就爱组织活动、爱写东西，本科研究生也做了不少实践，既然这里能让我发挥这些，又能和同频的人一起做事，现在还年轻，比起被定义的稳定，我更愿意去试试我更喜欢的。” 我发现我还是很喜欢这种能直接和用户对话、能靠内容和运营创造价值的感觉。对于CoinUp的工作来说，我还是想继续做内容输出，收集大家的真实声音，再反过来把这些反馈变成更贴近用户的内容和活动。 2. 我与cp 这段时间里，我慢慢了解了CoinUp的产品和社群生态，也读了很多行业的文章和报告，我看到了一个更成熟、更接地气的Web3未来：不再是只有极客能玩的高风险游戏，而是像CoinUp这样，真正想服务普通用户、把复杂的链上金融变简单的平台。 这让我坚定了做CoinUp KOC的原因。 CoinUp给我的感觉，一直是踏踏实实地做产品、做用户服务，也在用一种更成熟、更长期的方式推动行业的发展。从合规到产品迭代，从社群运营到用户福利，我能感受到他们不是在做短期的热度，而是真的想搭建一个能让普通人安心参与、轻松使用的数字资产服务平台。 也正是因为这样，我希望把我过去在运营、内容创作和用户沟通上的经验，以及对大家声音的敏感度，带到CoinUp的KOC工作里来，帮更多人了解CoinUp，也帮大家把真实的需求传递给平台。 3. 最后，Cowra可以为大家做些什么？ 我更会勤勤恳恳做好本职工作！大家如果有任何关于CoinUp的产品问题、操作疑问、活动反馈，欢迎第一时间来DM我，我会积极跟进大家的问题和反馈💪 我也会在账号里更新CoinUp的平台福利、活动预告、新手教程和行业日常，如果有想要看的主题，也请不客气地通知我，我会尽力为各位CoinUp用户老爷们服务哒～ 也希望各位内容创作的老师、资深用户们多多指点，我非常期待能和创作者们、深度用户们一起合作，把更有趣、更实用的CoinUp内容带给大家。 最后，Cowra🐨会在本篇推文下留言的粉丝中，抽取三位送出CoinUp定制周边礼盒作为见面礼，感激与大家的相遇🤝💗

我的郁金香🌷破土而出了。 Open AI这个新的价格，让我为一个更加“中心化”的未来感到担心。 我一直认为，随着当今数据量的爆炸式增长——这不仅包括人类利用AI生成的数据，也涵盖AI本身所合成的新数据——在如此庞大的信息体量与人类积极参与之下: 未来的公司、项目以及发明创造，就是从一片“赛博土壤”中“自然长出来”的。 在这个过程中，人的意念就像种子，核心是创造力， 能动性大于智能 Agency > Intelligence. 至于这颗种子能否真正发芽、是否契合市场趋势、能否匹配到资金与智力资源，以及如何组成合适的团队，都有可能在海量数据的基础上，通过AI算法来进行评估和推动。人类的主动性（能动性）则是那股关键的驱动力，帮助这些新事物“长出来”。 与以往相比，我们的“信息基石”已经大大增强，远胜过去仅凭运气、人脉或其他传统方式寻找机会的时代。如今，AI所带来的数据洞察与资源匹配能力，或将为新的创意和项目提供前所未有的支持。 因为我是个园艺和杂交爱好者，这是我想到的最好的比喻。现在能做的最好的事情，就是不停的利用AI创造种子内容，放到赛博空间这个土壤上。

AI时代，真的「只要你学得够慢，你就不用学了」吗？ 最近网络上有个说法还挺火的 「AI时代，只要你学得够慢，你就不用学了。」 我第一反应是，这话听起来很有道理。 我想起自己两年前熬夜学LoRA微调，想着可以用来模仿我的写作风格，然而skills出来了，发现效果可能还比我训的LoRA更好。 所以「等」赢了？「学得慢」赢了？ 如果你只是一个普通的AI用户，那这句话可能没错。但如果你不甘于只当个「时代喂你啥你就吃啥」的被动者，你想主动把握AI行业发展的脉络，你就不能等。 我仔细想了想，我感觉不是这样的，我想分享下自己的看法。 「等」赢了，但不是因为等 LoRA的故事是真的，类似的情况我遇到过不止一次。两年追热点下来，确实有不少「当年要做没做，后来发现不用做了」的案例。 但有个问题值得反问自己：你知道LoRA是什么、你知道skills出现了、你知道两者可以做横向对比，这个判断力是哪来的？ 不是从「等」里来的。 是从两年每天追热点的积累里来的。 因为很多人把「某件具体的事没做」等同于「不用学习」，这两件事完全不在同一个维度上。你「等」到了更好的方案，是因为你有足够的背景知识认出了它。一个完全不了解这个领域的人，他的「没做」只是「不知道」，不是「有判断力的等待」。 工具层可以等，认知层不能等 我2016年开始做机器学习和深度学习，做了好几年数据科学家。到了大模型时代，周围的人都在聊LLM，我一度觉得当年学的那套东西废了。 sklearn怎么调、XGBoost怎么训，这部分确实边缘化了，我不否认。 但我后来发现，真正值钱的东西没废：怎么设计评估体系、怎么防止数据泄露、怎么把一个业务问题转化成模型问题。这些判断力，大模型时代反而更稀缺（因为99%的「AI应用开发者」根本没有这个训练，看到模型输出「看起来对」就交付了）。 工具层的东西，半衰期确实很短，可能18个月就轮换一批。这部分确实可以「等等看」，等生态稳定了再下场，往往比头一批踩坑的人省力。 认知层的东西，没有捷径，也没有办法「等别人替你建立」。你在等的时候，别人在建立判断力的坐标系，你进来以后只能接受别人嚼过的知识，创造空间已经被占了。 比AI工具本身更有价值的 追了两年热点，我发现有一件事比「学到了什么具体技能」更值钱，那就是，我比周围大多数人更能「春江水暖鸭先知」。 某个技术出来，我大概知道它处在哪个演化节点，是真风口还是炒作，值得深入还是等等就过了。 但我一度很困惑，这种「看清楚行业方向」的能力，对我一个打工人有啥用？又不是创业者也不是投资人，判断对了趋势，我也只是回去开早会。 这个落差是真实存在的，不想粉饰。 但仔细想，这个能力其实在影响三件事： 第一，在组织里的位置。大多数团队里，「知道该做什么」比「把事做完」稀缺得多。能帮团队过滤噪音、判断方向的人，话语权不一样。 第二，选雇主的质量。能判断一家公司的技术方向是不是真的对，让你在上升期公司和下沉期公司之间选对的概率高很多。这个差距，可能比一次跳槽涨薪重要得多。 第三，这个认知要是有地方输出，是可以变现的。其实就是把「春江水暖」的判断力转成内容，内容建立影响力，影响力长期会带来预料不到的机会。 所以「只要你学得够慢，你就不用学了」，这话对不对？ 我的观点是：对了一半，但被大多数人用来当借口的那一半，恰好是错的那半。 工具层，确实可以等，工具肯定越来越先进，越来越好用，「等等党」在执行层有合理性。 而且在AI时代，这句话本意其实是在说，不要因为错过一个热点而着急，不用FOMO，在AI时代，应该少点焦虑。 但是认知层面，并不会因为你用过的某个AI工具过期了而没学到东西。你追热点的过程看起来很多东西「白学了」，但那个过程本身在建立一张地图，这张地图才是真正的资产。 把「某些工具不用学」误读成「可以少学、慢学、躺着等」，两年后你会发现，你确实等到了更好的工具，但差距在于，人家积极学习的，拿到新工具是真的能做出新东西，等等党拿到新工具，也就是跑个demo自嗨一下，感觉自己站在了时代前沿，实际上还在原地。 而且还有一个时间差的问题值得说。 新工具出来之前，积极的人早就在用当时条件下能用的东西硬拼出来了。RAG还很粗糙的时候，他们已经在生产环境里跑起来了，踩完了坑，知道哪里会出问题。Agent框架还不稳定的时候，他们已经用LangChain拼出了第一版，虽然屎山，但用户在用、反馈在收、迭代在跑。 等等党在等什么？等一个「更成熟的方案」。方案成熟了，他们入场，发现已经是红海。不是因为他们来晚了几个月，是因为那几个月里，积极的人已经建立了用户认知、跑通了商业模式、或者单纯地把某个领域的坑全踩完了，护城河就这么起来的。 更关键的是，这种「拥抱新技术」的习惯本身会复利。积极的人用惯了在局限条件下想办法，新工具一出来，他们比任何人都先知道怎么用好它。等等党等到了新工具，还是原来那个姿势，demo跑一跑，然后继续等下一个。 #AI# #AIAgent# @grok @xai

🔥 Elon Musk 昨晚在福克斯“250位创新者晚宴”上的发言，信息量已经大到不像一场普通颁奖礼。 他本来只是上台领奖。 结果越聊越兴奋，直接把未来十年的科技路线图几乎全部摊开了。 更夸张的是，这次现场评选里，Musk 断层第一，被称为“在世最伟大的创造者（Greatest Creator Alive）”。而真正让市场震动的，并不是这个头衔本身，而是他后面谈到的那些内容。 因为你会发现，Musk 现在讨论的，已经不再只是汽车或者 AI。 而是： 人类文明下一阶段的底层升级。 其中最震撼的一部分，是 Neuralink。 Musk 直接举例，目前脑机接口已经可以帮助瘫痪患者重新控制身体动作，未来甚至可能实现： 让无法说话的人重新开口， 让失明者重新看到光。 很多人听到这些第一反应会觉得像科幻，但如果你仔细看过去几年 AI、神经科学和生物计算的发展，会发现整个方向其实已经越来越清晰： 未来“治疗疾病”的逻辑，可能会被彻底改写。 Musk 提到一句非常关键的话： 过去 5000 年医学的发展，本质上像是在森林里捡棍子。 真正的变化，是 RNA 编程时代。 因为随着合成 RNA 技术进步，未来医学可能会越来越像“数字系统”。如果能够知道正确的 RNA 指令，人类理论上就可以直接“编程”细胞行为。 而这意味着： 癌症、 阿尔茨海默症、 糖尿病、 这些今天仍然极难解决的疾病，未来可能都会逐渐变成“信息问题”。 不是切除。 不是缓解。 而是： 重新写入指令。 这也是为什么最近几年越来越多资本开始疯狂涌入： mRNA、 基因编辑、 合成生物学、 AI Drug Discovery。 因为整个行业开始意识到： 未来医学最大的变化，可能不是更好的药。 而是： 生物本身开始数字化。 而另一边，Musk 对 AI 的判断依然激进。 他再次强调，到 2031 年，AI 智能很可能超过全人类智能总和。这其实已经不是简单的“AI 会变强”，而是在暗示： 人类可能即将进入一种完全不同的文明阶段。 更疯狂的是机器人。 Musk 预测未来五年，全球可能会出现 10 亿台人形机器人。 如果这个趋势真的发生，那么影响将不仅是制造业，而是： 物流、 服务业、 工业、 家庭、 医疗、 基础设施维护。 整个劳动力结构都会被重构。 而很多人忽略的是，这背后真正决定上限的，其实是： 能源与算力。 因为无论 AI、机器人还是脑机接口，最后都会回到同一个问题： 谁来提供计算资源与能源供应。 所以你会发现，Musk 最近越来越频繁提到： 数据中心、 电力、 AI Compute、 能源系统。 因为他看到的，已经不是单一产品。 而是： 一个全新的技术文明底层架构。 最后他说的那句话，其实最像 Elon Musk 本人： SpaceX 的终极目标，是让生命成为多行星物种，把意识扩展到星星上。 很多人会把这当成理想主义。 但如果回头看过去二十年，会发现： Musk 最危险的地方，从来不是他说得太疯狂。 而是： 很多当年听起来疯狂的事， 后来都真的发生了。 你觉得未来十年最先彻底改变世界的，会是 AI、机器人、脑机接口，还是生物编程医学？

Sam Altman 说 AI 要像水电一样收费，网上炸了😵 OpenAi 首席执行官 Sam Altman 本周在贝莱德基础设施峰会上表态："我们看到一个未来，智能将像电力和水一样成为公用事业，人们按量向我们购买。" 这番话随即引发大规模批评。 OpenAI 训练模型所用的数据，来自对全网内容的大规模爬取，涵盖书籍、文章、艺术创作、论坛帖子，未经授权，未付版权费。 批评者认为：人类几十年积累的集体创作，被免费抽取、压缩进模型，现在以"公用事业"的名义重新定价，按 token 向原创者收费。 一位被广泛转发的 Reddit 用户写道："他们用我们的生活和创造力喂大了模型，踩遍了版权法，现在要把这些东西以公用事业的形式卖回给我们。" Altman 推介这套定位，将 AI 与电力、水务并列为下一代基础设施投资标的。水电是在建设新的供给能力，而这套模式的"原材料"本来就属于所有人。 把“人类的东西偷走再卖给人类”，本身就是可笑的。 你怎么看？