与「商业故事」相关的搜索结果

POET长期靠“即将起飞”的故事维持股价，但实际缺乏真实商业化落地、合作伙伴多为死关系、订单疑似自导自演，属于典型的“故事股”崩盘对象。 NightMarketResearch现已公开做空，并发布完整报告（ 1. 主要客户合作突然取消且不透明： POET宣布Celestial AI/Marvell取消产品订单，但NMR认为这并非孤立事件，公司并未充分披露真实情况。Marvell合作已“死亡多年”，POET却归咎于“保密协议泄露”，与事实不符。 2. 新客户Lumilens高度可疑，疑似循环炒作： 短短两周内，POET的“头号客户”从Marvell变成一家资金不足的初创公司Lumilens。NMR认为Lumilens与POET此前神秘的500万美元订单方（Accton子公司GoldiLink）存在关联，双方办公地点相距仅数百英尺，CEO还担任GoldiLink董事，明显是“循环推广”而非真实需求。Lumilens被指无意真正履行订单，且与POET过往“Rain Tree”等回收关系高度相似。 3. 所有合作伙伴均称合作“无关紧要或已死亡”： NMR在2026年OFC展会上实地访谈了7家POET合作伙伴（Celestial AI/Marvell、Foxconn、Luxshare、三菱、Multilane、Adtran、Semtech），全部反馈合作规模微不足道或早已终止。 4. 历史订单履行风险极高： 500万美元订单的模式与2023年300万美元未履行订单高度一致，存在随时取消或缩减的风险。 5. 公司总部实地考察发现异常： NMR前往多伦多POET总部大楼，发现楼层房间空置，同层租户无人认识POET公司，疑似实际运营规模远低于对外宣传。 6. 奖项均为付费营销骗局： POET常宣传的“AI Breakthrough Awards”等奖项，实际是由加州郊区民宅里的推广公司运营的付费营销方案，毫无含金量。 7. 10余年“即将商业化”叙事反复失败： 管理层长期重复“合作伙伴即将落地”“即将大规模商业化”的故事，但过去所有合作最终均无疾而终，技术被证明“可有可无”。 8. 估值完全脱离基本面： 当前约40亿美元市值对应2025年预计收入约3700倍，属于严重高估。公司存在信息披露问题，技术本身也缺乏护城河，股价存在大幅下行空间。

张雪机车，可能是打造中国本田的最好机会 好产品常有，好故事不常有。 摩托车行业从来不缺能造车的公司，缺的是一个让消费者愿意为之买单的品牌叙事。张雪机车恰好有这个东西——一个足够震撼、足够真实的创始人故事。 这种故事的商业价值，远比多数人想象的大。特斯拉早期卖的是车吗？卖的是马斯克那套"拯救地球"的叙事。产品可以被抄，故事抄不了。 如果我是重庆市政府，我会认真考虑一件事：把张雪打造成一个超级大 IP。 具体怎么做？给他配一个专业的 CEO 负责运营和管理，让张雪专注做他最擅长的事——当品牌的灵魂人物。然后把重庆其他零散的摩托车公司整合进来，用张雪的品牌势能带动整个产业链。 就像是雷军之于小米，刘强东之于京东，俞敏洪之于新东方。一个有故事的创始人，加上一套专业的运营体系，才能把一家公司从网红品牌做成真正的产业巨头。 重庆是中国的摩托车之都，张雪是当下最有故事的摩托车人。这两张牌凑在一起，可能是中国离"造出自己的本田"最近的一次机会。

很多人翻墙之后，只会刷推特 其实真正的信息差，藏在海外这些网站里。 下面这 10 个地方，建议全部收藏。每天花半小时逛一圈，信息获取能力可能超过身边 90% 的人！ 1、Reddit 互联网最大的兴趣社区之一。AI、投资、编程、创业、科技，几乎任何领域都有专属 Subreddit。真人经验、深度讨论、行业内幕，挖宝圣地！ 2、GitHub 全球最大的开源代码社区之一。AI Agent、LLM、大模型、自动化工具、开发框架，想找宝藏开源项目，这里简直挖不完！ 3、Hacker News 硅谷程序员的情报站。AI、开源项目、技术趋势、创业故事，每天都有高质量讨论，技术信息密度爆表！ 4、Product Hunt AI 工具和 SaaS 产品的发射场。每天都有新产品上线，很多爆火的 AI 项目都能在这里提前发现。 5、LinkedIn 千万别只把它当招聘网站。全球 CEO、投资人、创业者、科技公司高管都在这里分享一手行业动态。 6、Telegram 海外信息集散中心。AI、加密货币、投资、开源工具，各种频道和社群层出不穷，不少一手消息传播速度非常快。 7、Threads Meta 旗下社交平台。海外创作者、开发者、创业者聚集地，氛围比 X 更轻松，经常能看到有意思的新观点。 8、Discord 海外互联网社区的大本营。AI 项目、Web3、游戏、开发者社区都喜欢在这里建群，很多项目的核心讨论和早期动态都在 Discord。 9、Medium 海外技术和商业长文聚集地。AI 技术教程、创业复盘、投资思考、产品分析，适合系统性补充知识。 10、Substack 独立作者和行业专家的内容订阅平台。大量投资人、科技创业者、研究员在这里发布深度报告，有些内容比新闻媒体更有洞察力。 最后说一句： 不要把翻墙后的互联网，只当成一个刷 X 的娱乐工具。 Reddit 找讨论，GitHub 挖项目，Hacker News 看趋势，Product Hunt 找工具，Substack 追踪大佬观点。 这才是打开海外互联网的正确姿势！ 建议收藏，也转发给还在只会刷 X 的朋友。 你还有哪些值得推荐的海外网站？评论区补充！

Gemini 4 Carbon 写作确实牛逼 让它总结了 Next Token 过去 9 期 30 条 AI 领域的核心认知： 1. Token 就是新货币；买一台本地机器跑模型，本质上是在家里铸币。—— 橘子 2. AI 没有泡沫，只有受制于物理基建的供给不足。—— 歸藏 3. 在 AI 时代，别羞于承认自己是卖 Token 的——你不卖 Token，还能卖什么？—— 橘子 4. 好应用不必让用户每次打开都烧 Token；用品味把大量 Token 一次性凝结成无数人能反复消费的作品，边际成本才会降下来。—— 向阳乔木 5. 对大多数人来说，Vibe Coding 不是生产力，而是自由度最高的创造类游戏；充进去的 Token，就是新时代的游戏充值。—— 歸藏 6. 只要 AI 把一件事的起跑线拉到六十分，六十分就是零分。—— 橘子 7. 当一件事靠一句话就能搞定时，凭什么它是你的壁垒，又凭什么它是我的？—— 歸藏 8. 软件和游戏正在网文化：平台不再卡发布，只卡推荐；谁都能上架，但没流量就无人看见。—— 歸藏 9. 按昨天的标准做出来的东西，今天 99% 都只算自用工具；市场扩大了一百倍，但依然只有最头部的 1% 配叫商业产品。—— 杨攀 10. 产品未必是一个 App；只要跑通“发现需求、创作、分发”的闭环，一篇文章、一档播客也是产品。—— 歸藏 11. 当开发只要十分钟、打包签名却要半小时，真正的瓶颈就不再是智能，而是旧世界的交付规则。—— 橘子 12. 过去是软件把 Agent 塞进自己的界面；未来是软件放弃自己做 Agent，主动变成 Agent 调用的插件。—— 杨攀 13. 传统软件思维喜欢把每条路径写死；AI 原生思维只留一个循环，把剩下的交给模型。—— 杨攀 14. 软件上的按钮越少，离 AGI 越近。—— 橘子 15. 面对超级助理，人只该负责说话，不该负责管理会话；需要人手动翻找线程，只说明模型还不够强。—— 橘子 16. 工具随时会换，上下文必须归自己所有——劫持所有 Agent 的记忆，把过程和产物沉淀回自己的仓库。—— 歸藏 17. 人类团队正在向一人闭环演进，别反过来让多 Agent 学人类开会内耗——人类在走向 AI Native，别让 Agent 退回 Human Native。—— 橘子 18. 上一代生成模型在卷“理解”，死磕最后百分之一的物理还原；新一代模型赢在“创造”，一句话把意图编排成完整的故事。—— 歸藏 19. 输出格式不报错，只代表不用重试，不代表判断正确——别把“结构稳定”偷换成“没有幻觉”。—— 杨攀 20. 不能调工具、不能动电脑的所谓 Skill，本质上还是一段提示词润色。—— 歸藏 21. 今天限制模型上限的往往是人自己——你写进提示词里的前提假设，恰恰锁死了模型的发挥空间。—— 杨攀 22. 注意力是今天最稀缺的资源；开源的提示词、Skill 乃至软件，唯一的商业价值都是成为流量入口。—— 橘子 23. 跟模型拼技术注定会输；唯有人与人之间建立的信任与个人品牌，不会被技术进步吃掉。—— 橘子 24. 品牌的本质，是用真名、露脸和沉没成本作抵押，降低别人相信你的成本。—— 向阳乔木 25. 所有生意都在建立信任：To B 让企业信你，To C 让大众信你，To A 让 Agent 信你的信源；三者皆无，就只剩悦己的 To Me。—— 橘子 26. 在公网上主动留下关于自己的真实一手信息；你不定义自己，AI 的幻觉就会替你定义你。—— 歸藏 27. 今天最不缺的就是没有性格的内容；持续输出有变化但一致的“人味”，才是稀缺品。—— 歸藏 28. 还按设计、前后端、QA 切岗位的算不上 AI 原生组织；真正的 AI 原生组织里每个人都是全栈闭环的一人公司，而且它是磨合生长出来的，不是 HR 设计出来的。—— 歸藏 29. 大厂把员工拆成稳定的螺丝钉，也就亲手杀死了长出全局架构师的土壤——架构感是操盘练出来的，不是分工分出来的。—— 歸藏 30. 帮企业做 AI 转型，最该做的不是改造基层流程，而是去培训一号位。—— 向阳乔木 以上内容来自：@oran_ge @op7418 @vista8 @ericyangpan @nexttokentv

最近 AI 赛道有个变化值得关注，Anthropic 冲刺 IPO，让我感觉整个行业正在进入新的阶段。 以前市场炒 AI，更多看的是想象空间，只要和大模型、算力沾边，资本就愿意给高估值，至于什么时候盈利，反而没那么重要。 但现在风向似乎变了，市场开始关注 AI 公司的真实价值，不再只看技术和故事，而是更在意营收、商业化能力以及未来能不能真正赚钱。 我觉得这不一定是坏事。AI 行业正在从炒预期转向看业绩，估值回归理性，对真正有实力的公司反而是一次筛选。 对投资者来说，接下来不能只看概念就盲目追高了，还得关注项目的实际竞争力和盈利能力。 过去我们投资 AI，更多是在押注梦想；现在市场开始认真计算，这个梦想到底值多少钱。AI 的长期空间依然很大，但投资逻辑确实需要改变了。

用破甲大模型理解需求并指导生图模型，这套链路本地跑通了 起因是生图提示词写起来太费劲，而没破甲的商业模型遇到无道德底线的内容根本不给输出。直接换成两套本地无审核模型互相配合： · 意图理解与提示词润色：Qwen3.8 27B Uncensored HauhauCS Aggressive（25.9GB），走 llama.cpp / CUDA 推理 · 图像生成底模：Qwen-Image-2.1-Turbo（17.3GB），走 ComfyUI / ROCm 推理 中间连接没单独写脚本，直接套用了 SillyTavern（酒馆）。除了能顺利把两边接通，主要是看重它自带的人物卡、角色性格与世界观设计机制 目前正在研究基于这套架构开放连续的故事情节玩法，还在调试中 #AI# #开源工具# #ComfyUI# #大模型#

我以前很难理解商业，因为明明就是低买高卖，为什么有的人可以成为一代企业，影响人类数十年，而有的人只能摆摊设点，还要躲城管。他们之间的差距是什么？ 是把一个产品卖给别人，然后赚一笔差价。很多人都是这么理解的，去卫生纸的厂家直接批发一顿卫生纸，然后在医院，小区门口一件一件的摆摊卖给来往的路人。还有人去山野戈壁捡石头，捡药材，再披星戴月的拿到当地集贸市场去卖，就算卖价格也不敢喊太高，把自己来回的路费，这几天的一日三餐，再把全家老小的生活费算里面，不给自己留一分钱，利润也是自己未来一段时间的口粮钱，这就是自己这一趟生意的利润。 后来我发现有人不是这样做生意的，他们对商业的理解直接就是帮助公家来完成东西的，比如晋商，浙商，徽商。商业不是把东西卖出去，而是把钱收回来，把公家印的海量的钱收回来。比如朝廷发出去一百个亿，通过某种行业发展计划把钱发出去，流通到市场上，这钱就是发出去，然后你再通过某种商业行为，把钱收回来，你再还给朝廷，这就是一轮生意流程。 然后你就要想，怎么样把钱收进你的手里呢，你一旦有了这个想法，朝廷也会给你钱扶持你去收钱，朝廷会通过某种渠道给你钱，比如政策性钱庄发布某项政策，而你又符合这个政策的申请标准，那这笔钱都是你的。老百姓不可能把钱随身携带，就会放到钱庄去，所以这钱就都是你的。 你拿这笔钱去批量做个东西，再把这东西给老百姓，老百姓把钱给你，你在按照不同量级还给国家。这样一套动作下来，国家得到一次发展，老百姓拿到他们想要的东西，你也赚到了钱。只有老百姓愿意储蓄的地方你才能赚到钱，也只有这样的地方有发展，老百姓哪怕钱庄只给一个点，他都要存着，只有的这样的地方才是能发展的地方，这地方的钱就是给你用的，就是给你拿的，你别客气，不是给别人用的。 钱被老百姓储蓄进钱袋子，你再从钱袋子里把这钱拿出来，就是拿他存的钱，办你自己的事情。无非就是这里面细节怎么操作，怎么玩。所以就有了不同消费品，朝廷十分乐意给你钱，让你办自己的事情，可是你打算做什么事情呢？是打算再种一亩玉米地，还是打算讲一个新故事？ 做什么事都要讲道理，你不种地，你就说，你要盖房，朝廷知道你在瞎弄，但还是愿意给你钱，因为朝廷需要你盖房，这土地不能老是种玉米，要长房子，种CBD，种夜总会，种商业楼，种大商场，种商业地产，种工业化设备，种工厂。只要工厂，商业楼，夜总会一出现，就有流水，只要有流水，就有相关股票。这时候，原本一块玉米地就变成了寸土寸金的地方，土地爷都快赶上财神爷了。 所以做生意的目标一开始就不是赚老百姓的钱，而是让朝廷把钱给你。朝廷愿意把钱给你，在你操作，经营的过程中会产生新东西，这也是他想要的。可关键是这钱你怎么拿啊，钱庄里面的工作人员也想给你，他们都有任务，要把这钱放出去。钱可以给你，你要把手里的要素弄全，让别人知道你不是老百姓，你就是一聪明人，他才愿意把钱给你。钱不值钱，流通的两端想要的是通过这东西换物资，在把交易规模搞上去，钱庄会主动来拥护你上去。但关键是在不同阶段，你要做不同的事情，这也是大家评价和观察你的地方。 时间线拉长看，这是一个资金游戏，再拉长看，你把无数人的一生都控制在了一条线上。再拉长看，原来是在给某几个利益集团铺路，让他们合理上位。再把这场生意拉长到无限来看，哦，原来是对人的理解，人的思想在迭代，不同时代你想人听话给你服务，那就是不同的生意模式。 富人最值钱的东西不是钱，而是可以控制一大批听话的穷人。所以做生意的关键就是把握这个时代的知识分子的意识形态，团结具有社会活动能力的精英人士。你站在你的台阶向下看，下面的人简直就不用看，他们太简单了，也对你没什么威胁，因为你就能判断出来，他要在什么时候，什么地方，要做什么事，要说什么话。 回到你的位置，假如你踏入社会的第一步是打工人，如果你的东西有人要，那你做的就是好东西，而你在这个东西上做的心血倾注就是帮这个东西更好卖出去，而不是使得这个产品本身更好。产品变得更好销售，这里面会有人来和你谈合作，要ALL in你的整个供应链，这钱谁出？这里面就会钱庄的钱出来，等你卖出去以后，再把相应的利润还给他。 表面上看，钱庄完成了放款任务，可是在这个动作中出现了很多个行业，当你进入这其中某个行业里面，结合全局一想，稍微的一创新，你的创业也就开始了，拿钱庄的钱，你把某个项目外包出去。钱你只赚到整个环节里面的小小一环，你却已经可以直接说自己提前退休了。

高盛Rich Privorotsky：Muse只是起点，AI Agent真正要重写的是整个经济的“摩擦成本” 高盛One-Delta交易台负责人Rich Privorotsky现在关注的，已经不只是 $META 的Muse有多火。 他提出了一个更大的判断： Agentic AI正在开始消除整个经济体系里长期存在的“摩擦”，而这可能带来一次真正的生产率跃升，并形成结构性的去通胀力量。 这可能也是理解下一阶段AI行情最重要的一条线。 过去三年的AI牛市，市场主要交易的是： 训练模型 → GPU → HBM → 数据中心 → 网络 → 电力 而下一阶段，市场开始交易一个完全不同的问题： 当AI真正进入日常经济活动以后，它到底能够替人类省掉多少时间、成本和中间环节？ Muse真正改变的，不只是AI能力，而是“消费者惯性” 很多行业过去能够长期维持较高利润，并不完全因为它们的产品无法替代。 其中一个很重要的原因，是消费者嫌麻烦。 保险续费涨价了，你懒得重新比较几十家公司。 手机套餐贵了，你懒得转运营商。 酒店价格高了，你没有时间每天重新搜索。 订阅服务每个月继续扣钱，你甚至已经忘记自己还在付费。 退款需要打电话、发邮件、等待客服，很多人最后干脆放弃。 这些看似微不足道的事情，实际上构成了一个巨大的隐形经济： Consumer Inertia——消费者惯性。 过去消费者的时间有限，所以很多公司实际上可以从“麻烦”本身赚钱。 Muse这样的AI Agent正在攻击的，恰恰就是这种摩擦。 如果你的AI可以24小时替你比价、取消订阅、申请退款、重新谈账单、寻找更便宜的保险、比较酒店、订机票甚至完成支付，那么过去建立在消费者“不想折腾”之上的商业模式就可能受到压力。 AI最先消灭的，未必是某一个行业，而是“麻烦”本身。 为什么这可能带来结构性去通胀？ 想象一下，当未来几亿甚至几十亿消费者都拥有一个永远不会累、永远愿意比较价格的AI Agent，会发生什么？ 保险公司更难依赖客户懒得换公司维持高价格。 旅游平台必须证明自己的佣金真正创造价值。 长期不用的订阅可能被Agent自动取消。 零售商品的价格透明度进一步提高。 企业内部大量重复的行政、客服和后台流程也可能被自动化。 于是经济体系中大量长期存在的成本： 信息差 + 搜索成本 + 时间成本 + 人工成本 + 中间环节 都有可能被压缩。 这就是Privorotsky所说的生产率红利。 过去互联网降低的是信息传播成本。 移动互联网降低的是连接成本。 而Agentic AI下一步可能降低的是： 行动成本。 这可能比单纯推出一个更聪明的大模型，对整个经济的影响更加深远。 所以AI行情可能开始从“卖铲子”走向“生产率革命” 第一阶段的赢家其实非常容易理解。 $NVDA、$AMD、$TSM、$AVGO，以及HBM、网络、光通信、服务器、数据中心和电力基础设施。 因为无论最后哪一个AI模型胜出，都必须先购买算力。 但Agent时代真正有意思的地方，是AI创造的价值可能开始从基础设施向整个经济扩散。 企业可以减少后台人工成本。 客服效率提高。 营销变得更加精准。 库存管理改善。 软件开发周期缩短。 采购和供应链流程自动化。 消费者寻找商品和服务的成本下降。 当这些效率提升逐渐进入企业利润表以后，AI的赢家就不一定永远只集中在半导体。 第一阶段赚的是“建设AI”的钱。 第二阶段赚的可能是“使用AI提高生产率”的钱。 这两轮行情的受益公司可能完全不同。 CPU为什么突然成为Agentic AI的重要交易方向？ 这一点也值得特别关注。 过去生成式AI最重要的硬件交易是GPU，因为训练和大规模模型推理高度依赖GPU。 但Agent并不是简单回答一个问题。 它需要打开浏览器、运行操作系统、调用API、处理文件、管理数据库、执行代码、安排任务，甚至同时运行多个Sub-Agent。 这意味着Agent时代增加的不只是模型推理负载。 它还增加了大量传统计算工作负载。 所以市场近期开始重新关注CPU以及整个服务器基础设施。 如果未来不是几百万人偶尔问AI一个问题，而是几亿个Agent每天在后台连续工作几个小时，那么计算需求的结构本身都会发生变化。 这也是为什么现在不能再简单用： “AI = GPU” 来理解整个产业链。 未来更完整的公式可能是： AI Agent = GPU + CPU + Memory + Storage + Networking + Power Agent运行时间越长，需要调用的工具越多，整个数据中心被消耗的资源也就越多。 但市场现在仍然处于非常早期的定价阶段 目前指数很强，但市场宽度并不好。 大量资金依然高度集中在AI和少数大型科技公司。 所以现在看到的更像是三个阶段： 第一阶段：AI基础设施重新定价。 GPU、HBM、网络、数据中心、电力率先上涨。 第二阶段：Agent平台重新定价。 $META 的Muse只是最近最明显的案例之一。 第三阶段：整个经济的生产率重新定价。 如果Agent真正大规模进入企业和消费者生活，受益范围才可能从科技行业逐渐扩散到更广泛的权益市场。 而现在，我们可能刚刚站在第二阶段的入口。 这也是为什么高盛交易台对大盘仍然保持积极观察 Privorotsky的另一个核心观点是，目前市场并不是毫无风险。 季节性仍然存在。 实际利率仍然偏高。 地缘政治风险没有消失。 市场宽度也并不理想。 但另一方面，投资者对这些问题已经非常警惕，仓位和情绪本身并没有进入极端乐观状态。 因此他认为，市场仍存在进一步向上突破的空间。 这里真正值得注意的，不是简单地说“美股一定继续涨”。 而是： 如果Agentic AI开始被市场从一个科技产品故事，重新理解成一场生产率革命，那么它能够支撑的估值范围，就不一定只局限在几家AI芯片公司。 这可能才是下一轮行情真正值得观察的变化。 过去三年，我们一直在问： 谁能提供AI需要的算力？ 接下来市场可能开始问： 谁能够利用AI，把自己的收入增长得更快、成本降得更低、利润率做得更高？ 而再往后，还有一个更大的问题： 如果Muse只是第一批真正进入大众市场的Agent，当几十亿个AI Agent每天替人类工作、购物、谈价格、管理订阅和完成交易时，今天哪些行业看起来稳定的利润，其实只是建立在“人类嫌麻烦”这件事上？

想学编剧、或者用AI写剧本的,这个知识库是降维打击 screenwriting-skills,392星,13个编剧skill 它不是随手拼的提示词。是从19本编剧圣经里一本本蒸馏出来的:菲尔德的电影剧本写作基础、麦基的故事和对白、救猫咪、埃格里的编剧的艺术,再加上契诃夫的全部剧作、小津安二郎的剧本当范本 它把编剧这门学科拆成一整套工作流,每个环节一个skill:选题立意、故事结构、人物冲突、对白、场景、格式,一直到行业和商业规则。而且不只讲美国那套,日本、韩国、法国的编剧方法都有专门的skill 正文是中文的,还专门拆了美国经典电影的案例和日本十位导演的方法论。有个总控skill带你从头走到尾,项目状态存在一个story bible文件里,换个会话也能接着写 做AI短剧、写故事的,这套值得收藏慢慢用