与「原来就这就是瞳孔地震」相关的搜索结果

都笑我班味最重 昨天在飞机上我很长时间都透过窗望着地面发呆，因为长那么大我从没见过如此大面积的戈壁荒漠，底下灰茫茫的没有一点绿色，山是灰的，地面也是灰的。这对于有生以来都在东部生活的我来说，视觉冲击感很强。 我的眼神很好，地面上看不到10个房子以上的村庄，最显著的人为痕迹就是贯穿戈壁的公路，但鲜少有汽车在上面行驶。第一次来西北，原来这就是西北的感觉。 敦煌市面积也不大，人口只有18万，我问导游这个城市除了旅游业，还有哪些产业可供年轻人打工赚钱。 导游想了想，说可以种棉花、种玉米、种葡萄，但年轻人大都不愿种地，另外还有一些和光照有关的新能源，就这些。 我用手机搜了一下敦煌本地的上市公司，结果是零，没有。想起上市公司里有一个敦煌种业，还有一个莫高股份，但都不是敦煌本地公司，一个在酒泉一个在兰州，它们只是名字用敦煌的IP而已。 所以敦煌这个县级市就业渠道有限，当地人主要就是围绕着老祖宗留下的旅游资源营生，本地人生活在这样的旅游城市我猜是有压力的，因为收入不高，但消费却不低。万一遇到前几年那种不可抗力，对旅游行业是毁灭性打击。 我们的地陪导游是一个本地中年汉子，他说那3年只干了6个月的导游，剩下的时间开过出租车、去光伏厂组装过玻璃、干过装修工人……为了养家糊口什么都愿意做。 …… 今早的行程安排是参观莫高窟，我要简单讲一下它们的门票系统，分为普票、应急票、特窟票。 普票每天6000张，要官网提前30天预约，238/人； 买不到普票的现场可以买应急票，每天12000张，100/人； 为什么限量呢？因为莫高窟的洞窟普遍面积小，容客有限，而且大量游客呼出的二氧化碳对壁画也有损害，所以严格限流。 应急票的权益是最小的，没有导游讲解，就3个普窟排队参观一圈，打个卡，证明自己来过了。 普票的权益更多，每35个人凑一组，导游带队参观8个普窟，带讲解。具体哪8个窟是随机的，系统排班，游客不能点菜不能挑。 除了这两种票外还有一种更厉害的特窟票，按窟收费，每窟150-200，有特级导游讲解。特窟票不能直接购买，需要你先买普票，看完8个窟再现场排队，票少，很难买。我这次是找搬砖组长的关系预定，直接8个普窟+2个特窟，还免了排队之苦，嗨，这些人情世故你们都懂的。 整个莫高窟最有名的特窟是45窟和57窟，你们记一下，如果有机会就买这两个，造型最好，保存最佳，颜色最鲜丽，确实比其它普窟明显好。特窟的门是上锁的，特导专门开门进去，我问她这里一天能进多少人，她说100限量。 至于特窟里面是不让拍照的，我一看工作人员这小心翼翼保护文物，我连问都不好意思问了。不过我可以去网上的数字敦煌给你们找照片，45窟太有名了，有的是照片。 第45窟​​：盛唐彩塑的巅峰之作，塑像神态栩栩如生 。 ​​第57窟​​：因精美的“美人菩萨”壁画而闻名 。 我猜会有读者看了图片后感到懵，就这？世界知名国宝？ 哈哈艺术就这样的，普通人看热闹，专业人士看门道。其实我也不太懂，我要是精打细算的工薪族，带家人看个普窟也就差不多了，理性消费。 普票游客必去的两个大窟，一个是当年王道士发现经书的藏经洞，另一个是9层楼阁，里面装了整个莫高窟最大的石佛，武则天当年出钱修的，这个女皇帝执政的时候有钱，龙门石窟最大的佛像也是她出的钱。 …… 下午的行程安排是沙漠露营，现在是淡季，整个营地只有我们一行人，骑了骆驼，还开沙地车进了沙漠深处，这一段我就不描述了，给大家上照片吧，太能出片了。 照片不全是我自己拍的，上面这张是我带着我妈在营地附近散步。最后是我晚上写文章的照片，亲友们都嘲笑我是队伍里班味最重的人，哈哈哈，要上钟啊。 股市的信息我粗略看了一下，问题不大，没特别重要的事，周五反弹大涨，创业板指阳包阴创新高，说明a股最勇敢的那批人没有下车，这车还能坐，反正我不跳。 就这些，发射！

延伸了一些关于 TradFi 的死穴在哪里，以及 infiniFi @infiniFi 凭什么能去撬动的想法。 这两天和一个在传统资管圈做风控的朋友聊天，聊到一个关于期限错配（Duration Gap）​的老大难问题。原来我按照常理思考，觉得这事儿银行家们玩了几百年早就炉火纯青了，后来朋友说，正是因为他们玩得太熟练，反而留下了致命盲区。他们赚的是利差，担的是挤兑的风险，一旦长短期资金不匹配，流动性瞬间枯竭，这就是2008年的剧本。 然后他叹了口气说，现在的 DeFi 借贷虽然透明，但依然是把长钱和短钱硬凑在一起，就像把十年的房贷和一周的信用卡账单扔进同一个抽屉，风险定价完全靠感觉，没人敢真正把长周期的国债资产拿出来给散户分一杯羹，因为怕锁死。 这就给像 infiniFi​ 这样的系统带来了一个真空市场地带。 infiniFi 搞了一套自我协调的去中心化存款人驱动系统。 先分边站队，再自动匹配，最后用算法兜底。普通散户把钱扔进来（Mint iUSD），拿收益；胆子大的长线资金把流动性锁定（Lock iUSD），换取更高的回报；系统背后用自动化阶梯（Automate Laddering）​ 把长短债精准配对，再用 Curve @CurveFinance 当流动性备胎，硬生生把传统的银行资产负债表变成了透明的智能合约。 有趣的是，它没有中间商赚差价。​ 传统银行靠存贷利差吃饭， infiniFi 是部分准备金模型，风险共担、收益共享，没有冗员，没有层层盘剥，把利润直接返给存款人。 也许这是下一个 DeFi 2.0​ 的机会了。不再是无脑挖矿，而是真正解决 TradFi 遗留了几十年的流动性错配难题，把固收市场的蛋糕重新切一遍。

币圈永续合约“小富术”：5步让2000U滚成10万刀！ 我记得去年4月份有个兄弟，连K线都看不懂，就靠这套“傻*方法论”，硬是在3个月内把2000U干成了12.8万U。 没内幕、没资金、没后台，纯靠执行。 你以为合约高手都在研究复杂指标？ 错了。 在币圈，能稳稳赚到钱的，往往都是最“笨”之人。 这套5步傻*方法论，懂就能用，真玩得转的少之又少： 1️⃣ 资金封印术（防爆仓神技） 2000U账户必须拆成40份。 一单只下100U。 只要赢一单，就用赢的利润去加码， 本金一分钱都不动。 这就是滚仓的核心：永远拿“市场的钱”去赌下一步。 2️⃣ 双均线黄金交叉法（最傻但最稳的进场信号）打开1小时图，看EMA7上穿EMA21。 这时切去4小时图验证一下——如果MACD在零轴下方金叉，量能柱翻红？直接干！ 这个形态的胜率实测能拉到67%，新手照做都能吃肉。 3️⃣ 魔鬼止盈止损三件套（死都不能省） 一开仓立刻做三件事 ① 挂1%止损（死守） ② 挂3%止盈（见好就收） ③ 打开计时器（最多盯盘2小时，不恋战） 赚不在多，而在于稳。市场不杀纪律的人。 4️⃣ 复利核弹头（财富裂变的秘密） 第一次赢单：本金 + 50%利润继续下一单 第二次赢单：只拿总资金的2%下注 看懂了吗？ 这是防止“贪心爆仓”的复利节奏， 赢多赢少都能持续滚。 5️⃣ 死亡时间禁忌表（九成散户死在这） 每月前3天别动——非农数据波动太狠 每周五晚8-10点——机构洗盘 真正适合出手的时间： 北京时间凌晨1点到3点，欧美盘力量交接，趋势最干净。 听起来简单？ 但真能做到的不到1%。 那些天天喊爆仓的，不是不会赚钱，是太冲动。 币圈不是拼智商，而是拼谁活得久、谁更自律。我说白了，这套方法不是神技，只是能帮你稳稳赚到每一笔该赚的钱。 现在的行情，别想着一夜暴富，每天撸个两三百U、一个月滚一轮，回头一看，你的账户已经不是原来的数字。 别再幻想“神秘信号”了，真正能让你赚钱的， 永远是那套最笨、最简单、最能执行的策略。 如果以上我讲的方法你都用不上，可以来我的社区看看，目前胜率69%，每天撸个几百刀很简单

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

英伟达不要铜线了。它的 GPU 机架里，原本缠着 2 英里长的铜线，现在准备全部换成玻璃。谁来造？康宁。那个做手机屏幕大猩猩玻璃的康宁。为了接住英伟达，康宁直接在北卡罗来纳和得克萨斯建了 3 座新工厂，专供英伟达产品。作为交易的一部分，英伟达拿下了这家 175 年历史老厂 5 亿美元的认股权证。不光是英伟达，今年早些时候，Meta 也刚跟康宁签了 60 亿美元的光缆大单。为什么要换掉铜？因为 AI 太费电了。康宁 CEO 算了一笔账：传输光子所需的能量，比传输电子要少 5 到 20 倍。不仅省电，延迟还更低。这项光通信业务现在成了康宁最大的印钞机，占到 2025 年超 160 亿美元总销售额的 40%，直接掀翻了卖手机屏和电视屏的老本行。 来看看一条喂饱生成式 AI 的光纤，是怎么造出来的。 第一步，气相沉积。用燃烧的方式，把玻璃烟灰沉积在一根棒的外侧。 第二步，极高温提纯。提纯到什么程度？康宁的工程师说：如果把这种玻璃填满整个印度洋，你能从海面清楚地看到海底。一点杂质都不能留，因为杂质会导致信号丢失。 第三步，拉丝。纯净的玻璃块被送进高温熔炉，直接拉伸成 125 微米的光纤。比人的头发丝还要细。 接着是涂层、变色、卷轴。一卷线轴，可以长达 31 英里。多达 288 根光纤被捆成一个小包。一根光缆里，最多能塞进 6912 根这样的光纤。 康宁专为 AI 数据中心发明的新光缆叫 Contour。同样的 1728 根光纤，以前有大腿粗，现在缩小了一大半。原来数据中心的地下管道只能塞一根，现在能塞进去两根。物理空间不加一寸，数据容量直接翻倍。 这就是美国底层的硬核制造。一家 175 年历史的传统玻璃厂，没有在硅谷的狂飙中掉队，反而成了算力爆发的物理瓶颈解药。谁能用最极致的工艺降低能耗，谁就能在时代的餐桌上吃下最肥的一块肉。

线下与miko与炼金老师交流得很开心 原来这就是他们说的撸毛和流动性搬砖啊 难怪说要不要去整点啤酒小龙虾 都说还有点事 建议 @Mercy_okx @Haiteng_okx 看一下现场监控 这俩人高低涉嫌 无许可资产转移 我作为唯一的清流（只拿了一个水杯） @Cryptosis9_OKX 姐 晚点就把他俩车牌号发你 另外也收到了披萨得大礼包 很开心

转译：西方忘了怎么造东西，现在也快忘了怎么写代码 作者：Denis Stetskov 2023 年，在巴黎航展上，雷神公司的总裁站在台上，讲起他们为了重启“毒刺”导弹（Stinger）生产线，到底费了多大劲。 他们把一批 70 多岁的老工程师请了回来，让这些老人教年轻员工怎么造一枚导弹。图纸还是卡特总统时代画在纸上的老图纸。测试设备已经在仓库里躺了很多年。导弹的鼻锥还得靠手工安装，方法和 40 年前一模一样。 五角大楼已经 20 年没买过新的“毒刺”了。然后，俄罗斯入侵乌克兰，局势一下变了：所有人突然都需要这种导弹。 可生产线早就关了。电子元件已经过时。导引头组件也停产了。2022 年 5 月下的订单，要到 2026 年才能交付。 整整 4 年。 不是因为没钱，而是因为真正知道怎么造它的人，十年前就退休了，而且没人接上。 我在乌克兰带工程团队。我的团队见到的是这个问题的另一面。不是工厂车间，而是战场上接收武器的那一端。 当雷神还在努力根据 40 年前的蓝图重启生产时，美国已经在向乌克兰运送成千上万枚“毒刺”。RTX 首席执行官 Greg Hayes 说，10 个月的战争，消耗掉了相当于 13 年产量的“毒刺”。 这种模式，我太熟悉了。它现在正在我的行业里重演。 一百万发炮弹，没人造得出来 2023 年 3 月，欧盟承诺在 12 个月内向乌克兰提供 100 万发炮弹。 当时，欧洲一整年的炮弹产能只有 23 万发。而乌克兰每天就要消耗 5000 到 7000 发。 任何人拿个计算器算一下，都知道这事根本不可能。 到了最后期限，欧洲只交付了大约一半。马克龙后来称，最初那个承诺太鲁莽。由 9 个国家、11 家媒体联合发起的一项调查发现，欧洲真实的生产能力大概只有欧盟官方说法的三分之一。 那 100 万发炮弹的目标，直到 2024 年 12 月才真正完成，比原计划晚了 9 个月。 问题不是某一个环节卡住了。是每一个环节都卡住了。 法国在 2007 年就停止了国内发射药生产，整整 17 年没有继续做。欧洲唯一一家主要 TNT 生产商在波兰。德国自己的弹药储备只够用两天。丹麦一家 Nammo 工厂在 2020 年关闭，后来不得不从零开始重启。 整个欧洲国防工业，长期以来都被优化成一种模式：生产少量、昂贵、定制化的产品。没人为大规模生产做准备。也没人为危机做准备。 美国也好不到哪里去。 155 毫米炮弹壳主要靠宾夕法尼亚州斯克兰顿的一家工厂；爆炸物填装则依赖爱荷华州的一处设施；美国从 1986 年起就没有本土 TNT 生产了。 后来砸进去几十亿美元，产量依然没达到目标的一半。 要么合并，要么死 这不是偶然。 1993 年，五角大楼告诉国防企业的 CEO 们：要么合并，要么死。 于是，51 家主要国防承包商最终缩成了 5 家。战术导弹供应商从 13 家变成 3 家。造船厂从 8 家变成 2 家。国防工业劳动力从 320 万人降到 110 万人，砍掉了 65%。 弹药供应链到处都是单点故障（single point of failure，指一个环节出问题就会拖垮整个系统）。 155 毫米炮弹壳只有一家制造商，位于加州科切拉，而那里就在圣安德烈亚斯断层上。发射药装药也只有加拿大的一处设施能做。 整个系统被优化到成本最低，却几乎没有任何应急余量。 纸面上看，很高效。 现实里，只差一个坏日子，就会崩。 知识一旦死去，就很难复活 再看 Fogbank。 Fogbank 是一种用于核弹头的机密材料。它在 1975 年到 1989 年间生产，后来生产设施被关闭。 多年后，美国政府为了一个核弹头寿命延长项目，需要重新制造 Fogbank。结果他们发现，自己已经不会做了。 美国政府问责局（GAO）的一份报告指出，几乎所有掌握生产经验的人，要么退休了，要么去世了，要么离开了相关机构。留下来的记录也很少。 经历了 6900 万美元的成本超支，以及数年的失败尝试后，他们终于做出了可用的 Fogbank。 然后，又发现新批次太“纯”了。 原来的生产工艺里，曾经有一种无意中产生的杂质，而这种杂质对材料功能至关重要。可没人知道这件事。 负责复现的工程师不知道。几十年前做出原始材料的工人也不知道。 洛斯阿拉莫斯把它称为原始工艺中的“无意识依赖”（unknowing dependency）：这个环节很关键，但当年没人意识到它关键。 一个核武器项目，竟然失去了制造自己发明出来的材料的能力。 更可怕的是，知识并不只是随着人离开而流失。它从一开始就没有被任何人真正完整理解过。 (更正：原文最初版本曾写道，当年制造 Fogbank 的工人知道这种杂质的存在。事实并非如此。他们也不知道。这个依赖关系是无意形成的，这反而让“知识流失”的论点更强，而不是更弱。感谢评论区的 John F. 指出这一点。) 同一套剧本 我读到 Fogbank 的故事时，立刻认出了这个模式。 我说的不是核材料本身，而是那个熟悉的剧本： 花几十年建立起一种能力。 找到一个更便宜的替代方案。 让人才梯队慢慢萎缩。 享受节省下来的成本。 然后，当危机突然要求你拿回那种能力时，看着一切崩塌。 在国防工业里，那个替代方案叫“和平红利”（peace dividend，指冷战结束后减少军费、把资源转向民用经济的收益）。 在软件行业里，它叫 AI。 我之前写过“人才管道崩塌”的问题。招聘数据、初级工程师到资深工程师之间的断层，都已经有很多证据。还有“理解力危机”：人们会让 AI 写代码，却越来越不理解代码本身。 但我之前一直没有找到一个足够贴切的历史类比。 现在我找到了。 而这个类比告诉我们的东西，是招聘数据看不出来的：重建一种能力，到底需要多久。 重建能力永远需要很多年 国防工业里，每一次大规模恢复产能，哪怕是相对简单的系统，也要 3 到 5 年。复杂系统则要 5 到 10 年。 “毒刺”：从下单到交付，至少 30 个月。 “标枪”（Javelin）：花了 4 年半，产量还没翻倍。 155 毫米炮弹：投入 50 亿美元，4 年过去仍没达到目标。 法国直到 2024 年才重启发射药生产，而距离它关闭国内生产线，已经过去了 17 年。 钱从来不是最大的限制。 知识才是。 兰德公司（RAND）发现，潜艇设计中有 10% 的技术技能，需要 10 年在岗经验才能培养出来，有时还得建立在博士学位之后。国防工业里的技术工种，学徒期通常要 2 到 4 年；要达到能当主管的水平，则需要 5 到 8 年。 现在，把这套时间线放到软件行业里。 一个初级开发者，需要 3 到 5 年，才能成长为合格的中级工程师。 需要 5 到 8 年，才能成为资深工程师。 需要 10 年甚至更久，才能成为首席工程师或架构师。 这条时间线，不能靠砸钱压缩。 也不能靠 AI 压缩。 METR 做过一项随机对照试验（randomized controlled trial，医学和社会科学中常用的一种严谨实验方法）：经验丰富的开发者使用 AI 编程工具后，在真实开源任务上反而慢了 19%。 开始前，他们预测 AI 会让自己快 24%。结果现实和预期之间，相差了 43 个百分点。 研究人员后来想做后续实验时，相当一部分开发者拒绝参加——如果实验要求他们在没有 AI 的情况下工作，他们就不愿意。他们已经无法想象回到不用 AI 的状态。 账单总会来的 软件行业现在正进入同一种“优化”的第三年。 Salesforce 说，2025 年不会再招聘更多软件工程师。LeadDev 的一项调查发现，54% 的工程负责人认为，从长期看，AI 编程助手会减少初级工程师招聘。计算研究协会（CRA）对大学计算机院系的调查显示，62% 的院系报告今年入学人数下降。 我在代码审查里已经看到了这个问题。 现在，审查才是瓶颈。 AI 生成代码很快。 人类审查代码很慢。 于是行业的答案也很可预测：让 AI 去审查 AI 写的代码。 我不会这么做。 我改造了我们的拉取请求模板（pull request template，开发者提交代码变更时填写的说明模板）。现在，每个 PR 都必须说明：改了什么，为什么改，这属于哪类变更，以及修改前后的截图。 也就是说，我们要给审查者提供结构化上下文，不能让审查者靠猜。 我还在每个项目里安排专门的审查人员。更多双眼睛，就有更多机会发现模型漏掉的问题。 但这些仍然解决不了更深层的麻烦。 现在真正需要的能力已经变了。 光有技术能力不够。你还需要能主动负责、能清楚沟通取舍、能反驳机器给出的糟糕建议——哪怕那台机器说话听起来无比自信。 这些其实是领导力。 我们上一轮招聘就能说明这种人有多稀缺：2253 名候选人，2069 人被淘汰，最终录用 4 人。转化率只有 0.18%。 既有技术能力，又有判断力、能看出 AI 什么时候错了的人，在市场上几乎已经不存在了。 我们会记录一切。 Site Books、SDD、RVS 报告、带完整测试覆盖的样板模块……这些今天都有用，因为读这些文档的人，本身具备足够的工程能力，知道该怎么行动。 可如果以后读文档的人不具备这种能力，会怎样？ 坦白说，我不知道。 也许 5 年后的 AI 足够强，这些问题就不重要了。也许问题仍然可控。我没法预测 2031 年模型会强到什么程度。 但危机不会提前给你发日历邀请。 没人预料到 2022 年欧洲会爆发全面陆地战争。国防工业有 30 年时间做准备，但它没有。 就连 Fogbank 当年也有记录。只是记录不够。更糟的是，原来的工人甚至没有完全理解自己的工艺。 5 到 10 年后，我们会需要资深工程师。 我们会需要那种真正理解系统全貌的人；需要能在凌晨两点调试分布式故障的人；需要携带着那些代码库里根本不存在的组织知识的人。 可这些工程师现在还不存在，因为我们没有在培养他们。 本该现在学习成长的初级工程师，要么根本没有被雇用，要么正在形成一项由美国国防部资助的劳动力研究称为“AI 中介能力”（AI-mediated competence）的东西。 他们会提示 AI。 但他们说不出 AI 错在哪里。 这就是代码行业的 Fogbank。 当初级工程师跳过调试，跳过那些塑造能力的犯错过程，他们就无法建立隐性知识（tacit expertise，指难以写成文档、只能通过实践积累的经验性能力）。 等我这一代工程师退休时，这些知识不会转移给 AI。 它只会消失。 西方已经犯过一次这样的错误。账单在乌克兰到期了。 我知道这听起来像什么。我也知道，我之前已经写过人才管道的问题。 但国防工业这个例子，不是为了重复同一个论点。它是为了展示：如果行业现在对 AI 的期待落空，会发生什么。 “毒刺”、“标枪”、Fogbank、那一百万发没人造得出来的炮弹——这就是把赌注押在“优化”上，结果赌错之后要付出的代价。 而我们现在，正在软件工程上押下同样的赌注。 也许 AI 会变得足够强，这场赌局最后会赢。 也许不会。 当年的国防工业，也以为和平会永远持续下去。 来源：

币市交易所都应该看看一年前的这条推文“币市交易所在美股业务上的挑战”。最近看到不少人都在聊币市资金都转向了美股、山寨被疯狂吸血。其实一年前个人就聊到这一点“没有基本面的空气山寨币会面临大量的有基本面、有业绩、同时也能高速增长股票代币的冲击，近两年美股上的财富效应是远大于币市的，对于币市投资人来说会怎么选，自然会把资金往股票上转移甚至比例越来越高。资金和用户的迁移就是首当其冲”。现在的局面确实也如一年前聊到的，山寨被疯狂挤压，用户和资金都在往美股迁移” 当时也有聊：“币市中心化交易所CEX过去一年多（24-25年）已经感受链上DEx交易崛起的影响，未来一年多（25-16年）估计会越来越感受到美股代币化趋势的影响”。说完这句话还没有满一年，能看到币市交易所都已经把美股业务作为只要战场了。 当时也有聊到币市交易所在美股业务上的挑战其实也不小： 1）股票代币和山寨币本质上还是完全不同的资产类型，股票代币要去看基本面、产业竞争格局、增长空间，这对交易所在用户运营、资产运营上（现在的很多打新玩法、空投玩法都做不了，存币生息的业务也会被压缩）提出了更大的挑战； 2）然后就是增长层面现在依托于加密kol的纯流量增长（品牌、带单、返佣等）在未来的空间应该会被压缩，币市CEX需要从更懂股票，更懂产业的渠道或者影响力博主上获取新的流量。 解决之道自然是积极拥抱股票代币的趋势，但是需要资产玩法、运营策略上升级； 更多去借鉴参考原来的互联网券商的运营模式和策略上，多去看老虎、富途、robinhood早期都是怎么崛起的，哪些运营策略可以被应用。 当然这方面如果展开可以聊很多、后面有机会满满讲。

聊一个可能会让很多人不舒服的判断：NFT这波回归，绝大多数人根本看不懂。 不是因为他们笨，是因为下一波NFT，大概率长得一点也不像NFT。 上一轮太疯狂了。PFP猴子，地板价，明星带货，大家一边骂JPEG是智商税一边把地板价从0.1怼到10个ETH。那是一个把“拥有”当喇叭喊的周期。谁买了什么，换什么头像，进什么社群，全都写在脸上。 但下一轮会完全反过来。 我的第一个具体预测：到2025年底前，至少会出现三个用户规模超过上一轮头部NFT项目的“隐藏款NFT产品”，但它们绝不会用NFT这个词来宣传自己。它们会叫“数字身份”“跨应用道具”“AI凭证”或者干脆就是“会员卡”。普通用户从头到尾不会看到“铸币”“gas费”“智能合约”这些词，甚至不知道自己用的东西跑在区块链上。 这听起来可能有点反直觉，但我认为这才是一个技术真正成熟的标志。你看TCP/IP，你看蓝牙，你看二维码，哪一个是天天挂在嘴边告诉你在用的？ 第二个预测：游戏会是第一个跑通大规模落地的场景，但不是Play to Earn。 这里我要反驳一个流行的悲观观点。很多人说“NFT游戏已死，因为上一轮全是旁氏”。我觉得这个判断把问题归错了地方。上一轮死掉的那些游戏，核心问题是经济模型设计成了资金盘，而不是NFT技术本身有问题。实际上，游戏行业早就证明了数字资产有巨大的付费意愿。 说一个具体数字：仅《CS2》和《英雄联盟》两款游戏，皮肤相关年收入加起来就超过50亿美元。玩家购买这些物品时，没有一个人在乎它们是不是NFT。他们在乎的是“这个皮肤是我的”“我能用它装杯”“我退坑了还能卖掉”。现在的中心化游戏账户里，这些资产其实是租给你的。游戏公司封你号，资产归零。你没有任何办法。 NFT基础设施能解决的就是这个“真正拥有”的问题。 所以我的具体预测是：2026年之前，会有一款主流级传统游戏（不是链游工作室出的那种）以“无感上链”的方式推出可交易皮肤。用户甚至不需要知道区块链，只需要看到“这个道具可以跨服务器交易”或者“这个皮肤可以在官方市场卖给其他人”。到那时候，大家说的不是“我买了一个NFT皮肤”，而是“我在游戏里卖了个皮肤赚了200块”。 第三个预测，也是我觉得最可能被低估的一个：AI agent会让NFT从一个收藏品市场彻底转变为一个身份和权限市场。 我来解释一下为什么。现在大家讨论AI agent，更多是在聊自动交易、自动发推、自动回复。但AI agent真正需要的是什么？是能证明“我是谁”“我能做什么”的凭证。 举个例子，未来某个AI需要访问一个付费API，它可以持有一个NFT，代表它已经购买了月度订阅。另一个AI需要代表你参与一个治理投票，它需要一个权限NFT来证明它有权替你签名。再或者，AI agent之间互相协作，A需要向B证明自己来自某个可信协议，这个证明最快的方式就是钱包里有没有对应的NFT。 这个时候，NFT不再是用来炫耀的头像，而是一个安静的后台技术组件。没有人会说我买了一个NFT。大家会说，我的AI自动续费了会员，或者我的AI自己收集了一组链上资产。 我的具体预测是：到2025年第三季度，会出现第一个被广泛使用的“AI专用NFT标准”，它不是为了好看，而是为了机器之间的互操作性。 现在来说一个更反主流的观点，也是我自己的独到见解。 很多人都说“NFT已死”，理由是交易量跌了90%，蓝筹地板价腰斩再腰斩。我认为这个结论太短视了。死亡的不是技术，而是“NFT”这个品牌。这个词已经被严重污染了。你跟圈外人说NFT，他脑子里只有猴子、欺诈、跑路、30万美金的JPG笑话。这就好比你说“互联网泡沫破裂后，.com公司都死了”，但实际上活下来的Amazon和Google只是不再张口闭口说自己是一家.com公司。 所以我的第四个预测也是最核心的一个：“NFT”这个三个字母会在主流叙事中逐步消失，取而代之的是更具体的应用层名词。比如“链上皮肤”“可携带资产”“智能会员”“AI凭证”。普通用户会用这些词，而不会关心底层是什么。但基础设施层面，ERC 721和1155这类标准的使用量会稳步增长，只是大家不再喊那个名字了。 我还想针对“技术没有价值”这个反驳一下。有人说NFT就是一张链上的链接，图片存在中心化服务器，有个屁的价值。这个批评有一定道理，上一轮很多项目确实如此。但你没看到的是，真正的基础设施在往前走。动态NFT、可编程的权限控制、EIP 6551（代币绑定账户）这些已经可以让一个NFT变成一个独立的钱包，拥有自己的资产和交互历史。一个游戏皮肤可以自己记录它被谁拥有过、打过几场比赛、获得过什么成就。这些不是JPEG，而是数据容器。 所以我最后的观点是：NFT不会死，但“NFT”这个名字会死。它的回归不会是一根大阳线拉盘，而是像空气一样渗透进你每天使用的产品里。你玩一款游戏，你买一个AI会员，你用一个跨平台工具，你根本没有意识到背后跑着NFT。然后有一天你回头看，才发现原来整个互联网的“拥有权”已经被悄悄重构了。 那最后一个问题留给大家： 下一个能让几百万人使用的“爆款NFT项目”，它还会不会在自己的官网上写“NFT”三个字？