与「多远都可以到达」相关的搜索结果

#AKB48TeamSH# #青春有你2# 队友们用舞蹈为 #沈莹# 和 #胡馨尹# 加油打气啦，昨晚栗子的舞台是不是超级可爱呢，让我们一起期待小蝴蝶的舞台现场吧 #多远都可以到达#

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。

前几天跟一位年收入300万+的老友聊天 聊到一个话题： 普通家庭，到底怎么托举下一代？ 他说了3句话，我记了下来。 第一， 孩子去哪里上大学，就尽量在哪里给他准备一个落脚点。 不一定要大，也不一定要豪宅。 核心地段，10㎡、20㎡都可以。 他说，人一旦解决了最基本的居住问题，心就定了。 刚毕业不用被房租追着跑，不用频繁搬家，赚到的钱也能留下来，敢去尝试那些需要时间积累的机会。 他年轻时做过一份销售工作，行业红利巨大，做好一年能赚几百万。 但因为承担不起工作地附近的租金，只能放弃，现在回头看依然觉得遗憾。 第二， 在孩子真正站稳脚跟之前，不要急着让他回报家庭。 如果条件允许，大学和刚工作的几年，反而应该多给一点支持。 不是让他挥霍，而是让他去建立圈子、拓展认知、增加见识。 很多机会，不是能力不够，而是根本没有进入那个圈子的门票。 年轻时手里有一点余粮，做事会从容很多。 第三， 永远不要低估孩子。 他说，哪怕父母收入再高、经历再多，也要接受一个现实： 下一代接触的信息、行业和机会，很可能已经和上一代完全不同。 不要总想着教育他、纠正他。 有些道理，不亲自经历一次，别人说一百遍也没用。 等他真正遇到问题、摔过跟头，再交流，效果往往比天天说教好得多。 他说，很多家庭最大的矛盾，不是没钱。 而是父母总觉得自己懂得更多，孩子总觉得父母不懂时代。 最后谁也说服不了谁，距离却越来越远。 他说得最好的一句话是： 真正的托举，不是替孩子安排好一切，而是在他需要的时候，给他一个可以安心试错的底气。 房子是底气， 现金流是底气， 信任，也是底气。 很多家庭留给孩子最宝贵的财富， 未必是一大笔钱， 而是让他在人生最关键的十年里， 不用为了生存，过早放弃自己的机会。

在日本做了几年独立 AI 工程师,聊几个只有真正在这里干过才知道的事。不是签证、收入、市场分析那些,是日常工作里那些不会出现在任何攻略帖里的细节。 第一个没人告诉你的事:在日本,中国人做 AI 有一个非常奇怪的信用加成。 日本企业对"AI"这件事的认知来源主要是两个:美国和中国。美国代表前沿(OpenAI、Anthropic、Google),中国代表速度(DeepSeek、千问、字节)。你是中国人,天然被归到"速度快、实战经验丰富、见过大场面"这个认知框里。 日本本土的 AI 工程师大多数是从学术界转过来的,理论功底扎实,但生产部署经验偏弱。你跟日本客户说"我在中国的互联网公司做过日均千万级 DAU 的数据系统",他们的反应不是"哦",是"えー、すごいですね(哇好厉害)"。因为日本本土很少有这种体量的实战场景。 这个加成不是永久的,干砸一个项目就没了。但它给了你一个很好的开局:第一次见面时,客户对你的预期天然比对一个日本本地工程师高半格。 第二个没人告诉你的事:日本客户最怕的不是你技术不行,是你"突然消失"。 在日本商业文化里,"飞ぶ"(消失/跑路)是对合作关系最大的恐惧。他们之前遇到过的外国 freelancer 里,有人项目做到一半签证到期走了,有人拿了预付款之后联系不上了,有人说好的交付日期突然说"还需要两周"然后反复延期。 所以日本客户考察你的第一优先级不是"你有多强",是"你靠不靠谱"。靠谱的定义极其具体:说好周五交就周五交,邮件当天回,电话接得到,出了问题第一时间主动说而不是藏着。 我刚来日本的时候不理解这一点,觉得"技术好就够了"。后来才明白,在日本,你交付质量 90 分但每次都准时,比你交付质量 98 分但偶尔迟到一次,在客户心里的评价要高得多。信赖感(信頼感)是日本商业关系的地基,地基不稳什么都白搭。 第三个没人告诉你的事:在日本做 AI 落地,最有效的销售话术不是"AI 能帮你省多少钱",是"不用 AI 你会被同行甩开多远"。 日本企业的决策动机跟中国企业不一样。中国企业决策靠 ROI:"花这些钱能赚回来多少?"算得过来就干。日本企业决策靠"危機感":"不做这件事会不会落后于同行?"同行都在做,我不做,不行。同行都没做,我为什么要第一个冒险? 所以你跟日本客户谈 AI,最有效的切入方式不是给他算 ROI,是告诉他:"你的竞争对手 XX 已经在用 AI 做这件事了。"这句话在日本商业文化里的杀伤力,比任何 ROI 计算表都大。 当然,前提是你说的是真的。日本圈子小,胡说被抓到一次,你在整个行业就废了。 第四个没人告诉你的事:中日英三语是一个被严重低估的壁垒。 表面上看,语言只是沟通工具。实际上,三语能力让我能做到一件几乎没有竞争者能做的事:用英文读 Anthropic 的 system card 和最新的技术文档,用中文跟国内的 AI 社区保持同步,用日语跟客户的业务方和技术方深度沟通。 全球最前沿的 AI 信息首先出现在英文世界,通常晚一到两天出现在中文世界,晚一到两周出现在日文世界。我能在信息出现的第一天就消化它,然后在一周内把它变成日本客户能理解和使用的方案。 这个时间差就是我的定价权。日本本地的 AI 工程师要等日文翻译或解读出来才能跟进,美国的 AI 工程师不会日语进不了日本市场。中间这个位置,人极少。 第五个没人告诉你的事:我交过最贵的学费是"把中国的工作习惯带到日本"。 刚来的时候我犯了几个现在想起来都想扇自己的错误: 给客户发了一个方案,里面直接写"你们现在的做法效率很低,应该换成 XX"。在中国这叫直接、高效。在日本这叫"失礼"。日本的方式是:"贵社目前的方式当然是经过深思熟虑的(先给面子),不过如果考虑未来的扩展性(给台阶),或许可以参考一下这种方法(才提建议)。"同样的意思,包装方式完全不同。我花了大概半年才把这个习惯改过来。 还有一次,客户说"検討します"(我们考虑一下),我以为是真的在考虑,等了两周去跟进。后来才知道这句话在很多场合的真实含义是"我们不打算做,但不好意思当面拒绝你"。在日本,"不"很少被直接说出口,你得学会听懂那些"不是不"的"不"。 还有一次把项目进度做成了飞书文档共享给客户。客户完全不知道飞书是什么,打不开。后来老老实实改用 Excel + 邮件。在日本企业里,Excel 和邮件是永远不会错的选择。你觉得落后,人家觉得稳当。 第六个:最意想不到的获客渠道。 我以为在日本获客要靠 LinkedIn 或者行业展会。实际上我最有效的获客渠道有两个:一个是 X(推特),另一个是日本特有的"勉強会"(学习会/技术分享会)。 日本的技术社区有一种独特的文化:定期办免费的技术分享会,大家轮流讲自己在做的东西。你去讲一次,讲得好,会后有人来跟你换名片(是的,日本还在用纸质名片,而且交换名片有一套完整的礼仪),两周后邮件来了:"之前听了您的分享,我们公司正好有一个类似的课题,方便聊一下吗?" 这种获客方式成本为零,但信任转化率极高,因为对方亲眼见过你讲东西,知道你是真的懂而不是嘴上说说。 最后说一句总结。 在日本做独立 AI 工程师,最核心的能力不是技术,是"翻译"。不是语言翻译,是把全球最前沿的 AI 技术,翻译成日本企业能理解、敢尝试、用了之后能看到结果的东西。技术只是原料,翻译才是手艺。 而这个"翻译"能力是没法被 AI 替代的,因为它的核心不是信息转换,是理解两种完全不同的商业文化各自在怕什么、想要什么、能接受什么。这种理解只能靠在两边都踩过坑才能长出来。 所以如果你问我在日本做 FDE 最大的壁垒是什么,不是技术,不是签证,不是日语,是你愿不愿意花几年时间在一个节奏完全不同的市场里,把那些只有踩过才懂的坑全部踩一遍。 踩完了,壁垒就是你自己。

阿里为了请无招回来，花了一年多。而让他离开，只用了几天 无招去年 3 月回钉钉以来，陈航已经在社交网络引起三轮广泛讨论： 第一次是 2025 年 4 月初。陈航开始猛抓考勤，要求团队早 9 点打卡、开早晚例会、午休 13:14 必须就位，并召集钉钉 P7 级别以上的产品经理一对一约谈，批评公司失去了早期创业的拼搏文化。 第二次是去年 8 月，钉钉即将召开他回归后的首次发布会。陈航在 0 点后巡楼查岗，当场质问 “为什么 11 点就走”，并带 HR 深夜清点工位。 前两次虽然在社交媒体被热烈讨论，阿里内部都没有针对性动作。这一次完全不一样：6 月 4 日，钉钉员工幽素在阿里内网发布 7.5 万字离职长文《置身钉内》，迅速传播；6 天后，阿里合伙人委员会在内网回应，直指钉钉的管理方式 “不是阿里文化该有的样子”，重申 “视人为人、有情有义”“人是阿里最宝贵的财富”。 这是阿里 “合伙人委员会” 首次回应员工。合伙人委员会是阿里的最高决策集体，集团 CTO 吴泽明（花名：范禹）上月刚成为第 5 名成员。 回应发出后不到 24 小时，陈航卸任钉钉 CEO——他成为阿里成立以来罕见的、因管理文化被直接换掉的元老。 陈航在 2014 年创立钉钉。他逢人便推荐，对产品要求极为严苛，快速做大了这款面向企业的社交产品。 他的管理风格一向以 “高压” 著称，招人标准是 “够不够疯狂”。内部创业早期，他经常从早 8 点干到凌晨一两点，全年无休。2018 年，他在员工动员大会上的言论 “不知道你们 10 点前回家做什么” 就曾被外界批评。 但这些批评在当时没那么重要，因为阿里几轮做社交失败后，终于有一个钉钉，在企业办公市场正面赢过企业微信。钉钉也是阿里除电商相关业务外，少数几个从 0 到 1 做成的产品——对一个大集团来说，有人能做出新东西、进入新领域，太难得了。 当时的高压管理，多数员工还能忍受：在上升周期里，产品有结果，结果带来晋升，可以在杭州换更大的房子。当时的大厂员工普遍接受这样的交换。 陈航做了六年钉钉。2020 年阿里推行 “云钉一体” 战略后，他离开阿里创业，创立两氢一氧，做了四五年宠物智能硬件和日本跨境电商平台。2025 年 3 月底，他回归阿里，重新带队钉钉。与陈航一同离开钉钉创业的核心骨干任卿（原钉钉副总裁）、朱鸿（原钉钉首席架构师、CTO）也一起回归。 一位两氢一氧的前员工认为无招是 “被叫回去的”：2025 年 3 月中旬——无招正式宣布回归钉钉的一周多前——他刚在东京下高井户买下一栋房子，打算用作两氢一氧的日本办公室。 回归后的陈航没有变，管理风格变本加厉。 他回归三天后，就有钉钉员工在社交平台发帖：上班时间提前到 9 点，午休缩短半小时，技术员工全员学 Python；工作时间不能打开微信、小红书，也不能私下加微信，对外沟通统一说 “不好意思，我只有钉钉”。 赶上今年初 OpenClaw 走红，钉钉紧急要上线面向企业的 AI Agent 工作平台“悟空”。员工的上班时间进一步拉长：大年初四全员返工，到三月底没有休过一天。 一位钉钉员工告诉我们，陈航回归后要求每个部门开早晚例会。每天早例会 9 点开始，要打开 AI 听记录音，员工要聚在各自业务的进度表大白板前拍照，AI 数人头、按声纹判断几人参会。 晚例会不得早于晚上 9 点开始，同样要录音、拍照。有人实在有事先走，不同部门会互相 “借人” 凑数——系统只数人头，不识别人脸。“我们互相借 ‘人头’ 这件事，无招不知道。” 一位长期与阿里合作的猎头告诉我们，钉钉部分岗位在四五轮面试后，还要求候选人动员二三十位亲友注册钉钉，并完成 “族谱上钉” 的作业——把家族成员拉进钉钉，建立一个 6 人以上的族谱组织，让家人真实使用、给出产品反馈。 员工在试用期还要在钉钉的服务池中选一个低分企业，或拉一个新公司 “上钉”，把服务做到 1000 分以上——而钉钉上 1000 分的满分企业不足 2%。销售岗位还要把一个飞书客户拉来钉钉。 “钉钉要找服从性高、热爱工作且一天能上班十四个小时的员工。” 这位猎头说，他几乎无法招到合适人选。 我们在钉钉上主动联系了陈航，截至发稿，消息一直是 “未读” 状态。 多位与陈航共事多年的同事，以及两氢一氧时期的创业伙伴认为他一心想做成大事，极度看重客户价值。一位陈航过去的下属说他单纯、专注，待人对人真诚——对别人高要求，对自己也是如此。 前几年一位创业者见到陈航，得到的建议是：创业要像爬山，不要抬头看山顶有多远，否则容易畏难，得专注脚下的每一步。 钉钉早年能做起来，是因为产品坚定站在老板视角，上线之初连会议来电都伪装成老板本人来电。陈航的管理方法也是钉钉产品逻辑的体现。 一位曾经的创业伙伴评价陈航：“他知道时代变了，但可能没关注到人也变了，社会也变了。个体价值和追求需要被尊重，关键人才的创造力需要空间。”

与 Bitget Wallet 四位高管的对话后，我的半年观察 —— 正在「被忘记」的加密支付 海德格尔在《存在与时间》中讨论过这样一件小事：一把锤子在好用的时候，使用它的人并不会「看见」锤子本身，他们看见的是钉子、是被钉的木板、是即将完成的工事。只有当锤子坏掉、不顺手、卡住时，人们才会突然意识到「锤子」作为一个独立物体的存在。 这个观察可以用在很多地方，也可以用在支付上。当你在便利店刷卡、在街角扫码，你不会意识到自己正在使用一套庞大的金融基础设施，发卡行、清算网络、跨国汇兑...它们都在你身后运转，但你不必看见它们。 加密支付还处在另一种状态里。一个用 USDT 买咖啡的人，付款前仍然会停下来想一下「这家店收吗」「能付成功吗」；一个用 U 卡支付 Uber 的旅客，事后会专门发一条推记下来。它仍然是一件让人用之前要「想一下」、用之后还值得「记一下」的事。就像 50 年代的信用卡、2013 年的支付宝，处在从「新事物」走向「日常工具」的中间路上。 而今天的 Bitget Wallet，正在三大洲的街头，让这条路走得更快一些。这是一个仍在发生的过程，但在 1 亿用户的真实使用里，从「被讨论」到「被使用而不被注意」的转变，已经发生了一段距离。 为了加速发生，Bitget Wallet 与 Stellar 联合启动「PayFi Odyssey」活动，以总计 30 万美元等值 XLM 奖励，覆盖亚洲、非洲与拉美超过 35 个国家和地区，活动持续至 2026 年 7 月底。这是 Bitget Wallet 围绕 Payfi 推出的迄今规模最大的跨区域用户激励活动，我们将在下文详细讲解。 —— 支付，一部「逐渐消失」的历史 回看支付史，会发现一个有趣的现象：每一代主流支付媒介的成熟时刻，都是围绕它的那些多余念头消失的时刻。 信用卡在 1950-60 年代刚出现时，「塑料货币会不会让人失去节制」「没有现金的社会是否还安全」是报纸专栏和家庭餐桌的常见话题。今天没人再思考「信用卡靠不靠谱」，它消失在刷卡的动作里。 支付宝、微信支付在 2013-2015 年间也让人反复掂量「到底安不安全」「资金被第三方托管会不会出事」。今天一个上海人在点外卖时，会想「用支付宝吧」，但不会再多想，它消失在扫码的动作里。 人们清楚地知道自己在用什么货币、用什么方式付款。 真正被忘记的，是围绕一种新支付方式刚出现时附着在它身上的那一组多余念头：它安不安全、这家店收不收、这次能不能成功、失败了怎么办、机制到底怎么运作。当这些念头逐个消失，只剩下「用什么付钱」这一个干净选择时，一种支付方式才真正进入了日常。 而 Bitget Wallet 正在做的，是把这些念头从用户头上一项一项拿掉。 ——「减法」：Bitget Wallet 的哲学 「念头被一项一项拿掉」这件事，最直接的体感来自 Bitget Wallet 团队内部，越来越多同事开始在日常生活中使用 Bitget Wallet Card 和扫码支付。 一位同事告诉我，过去去香港他会下意识做几件事：去银行/在机场换港币、买八达通。这一年他已经不做这些了，下飞机直接打车去酒店，吃饭、711 购物，全程只用微信/支付宝、Uber。第一次这么做的时候，他在中环一家茶餐厅展示了微信付款码，下意识地停了几秒想「成功了吗」。现在那个动作消失了。 「Bitget Wallet U 卡在国内日常消费里也基本够用，吃饭、打车、点外卖、各种 AI 订阅」，没有让他感觉到「它和别的卡有什么不同」。 变化发生在他看不见的地方，背后流过的，已经是稳定币。 它揭示了一件比「加密支付变方便了」更深的事，所谓加密支付走向日常，不是用户学会用一个新东西，而是这个新东西溶解进了用户已经在用的所有东西里。Apple Pay、Visa、Mastercard、PromptPay、VietQR...这些都是已经存在的、用户已经熟悉的支付方式。Bitget Wallet 没有要求用户切换习惯、记住一个新品牌、扫一个新的二维码，只是让稳定币像水一样流过这些已有的管道。 这种判断不只是个人的体感。美洲区负责人 Jack Zhai @JackZhaiTGG 深耕拉美新兴市场，他在一次内部访谈中讲过一句让人印象很深的话「Crypto 可以借鉴互联网大厂做法，要让用户逐渐感觉不到」。这句话和上面的体验完全吻合：用户感觉不到 Web3 在哪里、用户感觉不到稳定币是什么、用户感觉不到协调层在做什么，他只是在用钱付钱。 这就是 Bitget Wallet 想做到的「减法」，用户的支付习惯一点都不需要改变，但价值已经在以一种新方式流动。 要让这件事成立，需要的不仅是新技术，而是一种逆向的产品哲学。 这种哲学在 Bitget Wallet 内部有一个明确的源头。CEO Karry @KarryWeb3 Web3 产品方法论非常尖锐的判断： 「Web3 行业有很长一段时间有种『拿着锤子找钉子』的感觉」，Karry 说，「我有 ZK、我掌握 XX 技术，我要怎么怎么弄。陷入到这种死循环里，是很大的问题」。 他对 Bitget Wallet 的产品逻辑是反过来的，先从用户的角度起点开始，然后来找合适的技术。「用户要解决什么问题？用户要去中心化、要安全、又不想记助记词，所以我们用 TEE，做了 Social Login。用户不希望感知到 Gas 费，所以我们用了 EIP-7702，让稳定币直接付 Gas 费」。 所有的技术选择都是从用户的「我不想要 XXX」反推回来的： - 用户不想复制冗长的链上地址 → 链接转账：通过 WhatsApp、Telegram 等分享支付链接即可完成收付款 - 用户不想关心商户支不支持加密支付 → Bitget Wallet Card：与 Fiat24、Immerse、DCS 合作发行，覆盖全球超过 50 个市场，0 开卡费、0 年费、0 外汇手续费，每月 400 美元的零手续费消费额度，体验和过去三十年的刷卡经验没有区别 - ... 这种「从用户已有习惯反推」的思路，在不同区域也同样成立。Jack 在访谈中给过一个非常具体的例子：巴西的 Pix 是央行牵头、全国身份证联网的支付网络，连中国都没做到这种程度。Bitget Wallet 没有试图在拉美发明一套新支付，而是直接接入 Pix。对用户而言，他扫的还是 Pix 的码，做的还是 Pix 的动作；变化只发生在背后，结算流过的是稳定币。这件事最关键的细节是：Bitget Wallet 没有要求商户贴一个新二维码、没有要求用户学一个新动作，只是让自己的 App 能识别本地原有的码。 所以，在产品层和区域层，Bitget Wallet 用的是同一套方法论：不发明新轨，让稳定币流过已有的轨。 这种方法论的效果，在外部观察者眼里也开始被识别出来。PayFi 领域的资深观察者 Will 阿望 @Will_7th 写过一段非常精确的总结：「前端通过国家二维码扫码进行消费，VCC 支持 V/M；后端是数字钱包 + 法币银行账户。中间串联起来支付通道。这个感觉是市面上比较接近生活的 Crypto 钱包了」。 他用 30 个字精确还原了 Onchain Payments Matrix @PaymentsMatrix 在做的事，前端接本地已有支付通道，后端接已有金融轨道，中间用稳定币串联起来。这不是 Bitget Wallet 自己讲产品的方式，而是一个懂行的外部观察者，看完之后用自己的话讲出来的事。当一个产品架构能被外部人用 30 个字讲清楚的时候，它已经接近「被理解 = 被使用」那个状态了。 这种方法论背后是 Karry 个人的一种产品姿态。他在那次访谈里讲：「Web3 这个行业过去几年讲了太多虚的东西，最后什么都做不出来，这让我一度非常失望。我现在比较务实，能吹虚的地方就少了」。 支撑这件事的，是 Bitget Wallet 的 Onchain Payments Matrix，一套连接区块链、稳定币发行方、卡组织、清算银行、本地支付通道与商户网络的支付基础设施层。它是一个协调层（coordination layer），不发币、不重做结算、不替代任何已有的金融基础设施，它的工作只有一件：让原本互不连通的各方能配合起来。 关于支付的叙事热点也换过好几轮，去年讲协调层，今年讲 Agentic Wallet，市场喜欢追热点而动，但谁来串联协调层？亚太区负责人 Will Wu @SrWillWill 提过一个判断：「币圈的迭代速度比传统行业快 10-20 倍，但真正能让这种迭代进入用户日常的，还是要回到最基础的问题：用户痛点到底是什么，具体帮他们解决什么问题？」 迭代越快，越需要在某些事情上慢下来。Onchain Payments Matrix 就是 Bitget Wallet 选择慢下来的那个地方。 但这一切，用户在 Bitget Wallet App 里几乎感受不到，这正是前面讲的「看不见」那一面。这种「用户看不见、但实际跑通」的思路，不只发生在产品层。COO Alvin Kan @alvin_kan 在一次访谈中讲过 Bitget Wallet 这两年的内部调整。 「我加入的时候，市场、运营、BD 这几个团队是混乱的」，Alvin 在过去两年做的第一件事，就是确保每个团队及其 leader 都有清晰明确的职责范围，并且由具备相应能力的人来带领，「每一次拆分都伴随一个 Vision，你要让人看清楚自己该聚焦做什么」。 第二件事是放权区域。Alvin 在过去两年里招了一批本地区域负责人，「这是一个钱包公司，在做一个面向大众用户的消费级产品，要实现 mass adoption，它需要在每个市场扎得非常深，而扎深这件事只能让本地人来做」。 在产品上做减法之前，Bitget Wallet 先学着在自己身上做减法。 而组织减法做完之后，区域负责人手上的事情才能真正落地。今年以来，Bitget Wallet 扫码支付每日支付用户数相较去年增长近 10 倍，是平台增速最快的业务线之一。这个增长真正发生的地方，不在纽约或伦敦，而在新兴市场，这正是 Alvin 招的那批区域负责人在跑的地方。 Jack 在访谈中讲过几个反直觉的判断：拉美本币贬值近 1000 倍。在阿根廷、委内瑞拉这些国家，居民对本币的不信任已经不是宏观经济议题，而是日常生存问题。「美元稳定币替代本地货币」在拉美不是 Web3 极客的偏好，是一种集体本能。 另一个是渗透路径：稳定币在拉美不是从普通消费者突破，而是从特定行业渗透。Jack 提到两个典型场景：KOL 收款基本全走稳定币转账（绕开本币贬值和银行手续费）、远程办公者（一家纽约公司可以雇阿根廷员工，但工资走 SWIFT 太慢太贵，走稳定币就一切顺畅）。这些行业先用起来，然后通过每一次牛市把更多人带进圈。 加密支付在新兴市场之所以能跑通，不是因为这些用户对 Web3 有热情。恰恰相反，是因为他们对 Web3 没兴趣，对「美元稳定币能稳定持有 + 能流畅花掉」这两件事有需求。当 Bitget Wallet 让这两件事在他们已经习惯的二维码、银行账户、加密卡上发生时，需求就被自然满足了。 对他们而言，加密支付或许不是一个酷的产品，而是一个必要的工具。 —— Payfi Odyssey：一个夏天，三个大洲 但工具要从「被讨论」走向「被使用」，中间还有一段必经的路。它需要被真实的人在真实的街头反复使用、记录、传播。这条路前面有信用卡走过 30 年，有支付宝走过 10 年；加密支付现在正走在这条路的中间。 Bitget Wallet x Stellar 发起的 PayFi Odyssey 想做的，是在这条路上点燃一段集中的火，用 30 万美元等值 XLM 奖励，覆盖亚洲、非洲、拉美 35 个国家，三条主线对应三层观察：卡能覆盖多远、扫码能触及多深、真实生活中的人在用它做什么。 第一条主线，是 U 卡能覆盖多远。 加密卡活动总奖池 20 万美元等值 XLM，自 5 月 26 日开启至 7 月 7 日 15:59（UTC+8）。Bitget Wallet Card 持卡用户可通过完成开卡注册、日常刷卡消费及 Stellar 链上指定任务积累积分，活动结束后按积分比例分享 198,000 美元等值 XLM 奖池。覆盖中国大陆、新加坡、韩国、日本、越南、泰国、菲律宾、澳大利亚、欧洲 EEA 及英国、拉丁美洲与南非等超过 25 个国家和地区，这是覆盖范围最广、参与门槛最低的一条主线。 第二条主线，是扫码能触及多深。 扫码支付返奖计划总奖池 10 万美元等值 XLM，分两阶段进行，覆盖越南、新加坡、巴西、阿根廷等 11 个市场。这 11 个市场的本地 QR 支付网络已经成熟，稳定币只需要无缝接入，就能让用户用熟悉的扫码动作完成新的支付方式。如果这个夏天你有计划全球旅行，这就是最好的选择。 第三条主线，是真实生活中的人在用它做什么。 Crypto Survival Plan（加密生存计划）总奖池 10 万美元等值 XLM，向亚洲、非洲、拉丁美洲三大区域各征集约 20 名 KOL，以视频与访谈形式记录使用加密支付完成日常消费的真实体验，统一以 #StellarPayFiOdyssey# 话题聚合。这条主线不是为了铺规模，是为了把「加密支付走进日常」这件事——拍出来、写出来、传出去。 亚非拉 35 个国家不是平推。Will Wu 之前在 BCG 给非洲做过团体贷款业务，「当地很多人没有借贷能力，这件事让我对 FinTech 产生信心，金融服务可以做到让每个人都能轻松使用」。那个项目最后让他下定决心从 Web2 转到 Web3，他觉得 Crypto 比传统 FinTech 更接近「让金融普惠每个人」这件事。 这个经历直接塑造了 Will 在 Bitget Wallet 推动的 APAC + EMEA 区域策略：钱包增长不是广撒网，是深入到具体社区、具体场景里找到真实需求。 —— 那个不再需要被记下来的下午 电没有从话题里消失，但一个人按下电灯开关时，不会再担心「会不会触电」。互联网也没有从话题里消失，但一个年轻人打开手机时，不会再担心「网络稳不稳」。它们仍然被使用、被讨论，但围绕它们的那些念头，已经消散了。 加密支付正在走的，是同一条路。 回到那位 Bitget Wallet 同事，一年前他用 Bitget Wallet Card 还会下意识检查支付成功，现在不会了。一年前他在泰国会下意识去银行换泰铢，现在不会了。一年前他不知道 Bitget Wallet Card 能绑 Apple Pay，现在它已经溶解进他每天扫地铁的动作里。 这些都是看得见的「念头消失」。而 PayFi Odyssey 在做的，是让这种「念头消失」在更多人身上、更多地方发生：曼谷的咖啡馆、马尼拉的家庭、拉各斯的市场、布宜诺斯艾利斯的网约车。每一次重复，都会让「加密支付」少一分话题感、多一分日常感。 Bitget Wallet 撒下的这 30 万美金，先是在三大洲点燃一轮真实使用与真实记录，这是加密支付走出「新鲜阶段」必须经历的事。而它最终换的，是一件更朴素也更难的事：某一天用户刷了一次卡、付了一杯咖啡，过程里只剩下「用 Bitget Wallet 吧」这一个念头，不再多想「这东西靠不靠谱」。 那一刻，加密支付就真正「被忘记」了。 就像那位 Bitget Wallet 同事，写完这一天的工作之后会下楼吃饭。等下他会刷 Apple Pay，不会想起 Bitget Wallet。这家公司这两年所有努力，最朴素的成果，就是这一刻。

如果以太坊EIP-8182实施，那么，它会成为全球最大的隐私链，同时也有可能会吸走部分其他隐私币（甚至BTC上隐私需求用户）的流动性。 如何理解？ 目前的以太坊是完全公开透明的，你转一笔 ETH，所有人都能在链上看到发送方、接收方、金额。
 现有的隐私方案（如 Tornado、Railgun、Aztec 等）都是第三方 dApp，存在几个痛点： • 每个项目的“匿名集”（混币池大小）都很小，隐私效果打折； • 不同项目互不兼容，用户分散； • 容易被监管盯上（Tornado Cash 就被 OFAC 制裁过）。 EIP-8182具体是什么？ 
2026年3 月开发者 Tom Lehman 提出EIP-8182， Private ETH and ERC-20 Transfers。目前处于草案阶段。 
它要在以太坊协议层（L1）直接内置一个统一的共享隐私池（shared shielded pool） + 零知识证明（ZK）预编译。 
主要有： • 一个超级大的共享池：所有钱包、所有 dApp 都用同一个池，这样一来，匿名集爆炸式变大（以太坊是最大公链，用户和资金最多，隐私效果理论上最强）。 • 原生支持：ETH 和任意 ERC-20 都能直接隐私转账，像普通转账一样简单。 • 系统合约 + 分割证明架构：池子是固定地址的系统合约，没有管理员、没有治理代币、没有升级权限，只能通过硬分叉升级（极度去中心化）。 • 零知识证明：用 ZK 技术证明“钱是从池子里来的，但不知道具体是哪一笔”，实现完全隐私。 • 不加协议费：池子本身不收任何费用，用户只付正常 Gas。 如果EIP-8182实施： 那么，它会让以太坊在隐私方面成为全球最大的链，吸引机构和用户的流动性，会与Zcash/Monero/Railgun等隐私代币争夺隐私赛道红利，也会促使原来使用BTC的部分隐私需求用户转向。 • 以太坊本身生态最大、流动性最强； • 一旦原生隐私落地，所有人都可以用，匿名集会远超 Zcash、Monero、Railgun 等现有隐私链； • 相当于把“隐私”变成以太坊的原生功能，而不是外挂，ETH 直接从“透明公链”升级成“最大隐私公链”。 最后考虑到机构合规问题，如果EIP-8182通过，可以跟Zama结合，在隐私池上叠加FHE合约，实现“强隐私+可合规”。

先讲一个你可能从来没听说过的人。 1930年，英国语言学家 C.K. Ogden 做了一件很偏执的事——他把整个英语词汇表研究了一遍，然后问了一个问题：如果只能留下最核心的那些词，英语还能不能用？ 他的答案是：850个词，够了。 这850个词，不是随便选的，是他穷尽分析之后筛选出来的"语言骨架"。他把它们分成5类： 100个操作词（Operations）：这、那、是、有、做……就是那些让句子转起来的胶水词 400个普通事物（General Things）：名词里最高频、最基础的那层 200个可描绘事物（Picturable Things）：能画出来的具体东西，比如 door、fire、river 100个性质词（Qualities）：描述世界的形容词，比如 clear、simple、important 50个反义词（Opposites）：成对出现，学一个等于学两个 —————— 然后他把这套体系命名为 Basic English，发表出来。 接下来发生的事情更有意思。丘吉尔在二战期间公开赞扬这套体系，认为它是盟国推广英语教育的最佳基础。H.G. 威尔斯把它写进了《世界大战》的续集设定里，作为未来世界通用语言的蓝图。乔治·奥威尔……没有赞扬它，但《1984》里那套压缩语言"新话"（Newspeak）的灵感，正是来自对 Basic English 的深深警惕——他担心语言被缩减之后，人的思想也会跟着被缩减。 这就是这850个词的能量：支持者觉得它是桥梁，批评者觉得它是枷锁，争论了将近一百年。 但我想说的不是那场争论。我想说的是——这850个词，对今天的英语学习者来说意味着什么。 大多数人学英语，是被一本本厚厚的词汇书和无尽的考纲压着学的。CET-4、CET-6、托福、雅思……每一个证书背后都是几千个词的暴力记忆，背了忘，忘了背，从来没有真正"用"过。 Ogden 给出的逻辑完全相反：不是多，而是深。 这850个词，每一个都是高频中的高频，每一个在日常英语表达里都有不可替代的位置。当你真正把这850个词学透——不只知道它的意思，还知道它的用法、它的近义词在什么场景该用哪一个——你对英语的掌握会比背了5000个词却每个只认识中文意思要扎实得多。 这是一种截然不同的语言观：根扎得够深，枝才能生得够远。 —————— 于是我做了这个网站： （准确的说我让 Codex 做的） 原版 Ogden 的资料是一本PDF，黑白的，排版像上个世纪（它确实是上个世纪的）。我想让它变成真正可以用来学习的东西。 花了不少时间（花了不少 Token ）最终做成了这样： 每一个词，都有一张完整的卡片。 卡片上有：这个词的中文释义、英文定义（用简单的英语解释英语，就像 Ogden 本人的风格）、一句真实语境下的例句，以及2到3个同义词。五个类别各有自己的颜色，一眼就知道你在学哪个区域的词汇。 每一个词，都可以听发音。 接的是有道词典的语音接口，默认英式发音，可以切换美式。点单词听一次，点例句听一次，语速比正常稍慢一点，适合跟读。不是那种机械的合成音，真的可以听。 最让我花心思的，是同义词那里。 很多人背单词的时候，同义词只是"差不多的意思"。但真正用英语的时候，difference 和 distinction 不一样，speak 和 talk 不一样，simple 和 easy 不一样。差在哪里？什么场景该用哪个？ ——————— 网站是免费的，不需要注册，不会收集任何信息。 直接访问就行： 如果你身边有正在学英语的人，或者觉得自己英语"学了很多年但还是用不好"的，可以发给他们看看。 也许这850个词，是一个值得重新开始的起点。 👆 以上的文案也是它写的，我越来越没有用了

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。

人类社会最核心的问题，是协作。 但问题在于：怎么协作？如何协作得更好？历史一次次证明，只要在协作方式上能前进一步，无论是生产力还是生产关系，都会发生巨大的跃迁。协作才是人类真正的优势根源。 然而个体之间始终存在信息不对称、动机不一致、认知有限，这让协作随时面临瓦解的风险。 只要我们大脑不互联，那我们之间唯一能够依赖的沟通工具就是高歧义，高度模糊的语言体系。 要想稳定协作，必须解决好 信任、分配、裁决 这个“三角”： 信任：我敢不敢和你合作？ 分配：成果如何分享，怎样避免有人躺平或过度索取？ 裁决：当争议出现时，谁拥有最终解释权？ 如果这三点不能解决，任何协作都会陷入不稳定。因此，这三角是“核心中的核心”，所有复杂的政治、经济乃至技术问题，归根结底都可以回溯到这三个节点。 反过来看，历史上凡是有人能够在这几个问题上提供一个更好的解决方案，就必然开辟新的时代、获得巨大的财富与权力。比如： 货币与银行体系：解决了陌生人之间的信任问题，让贸易可以跨越地域与时间； 股份公司与有限责任制：解决了资本和风险的分配问题，让大规模商业冒险成为可能； 法院与宪政制度：提供了权威且可预期的裁决，避免了无休止的暴力冲突； 区块链与智能合约：则是当代尝试把“信任”和“裁决”写进算法，建立一种新型的“结构化协作”。 每一次解决“信任—分配—裁决”三角的尝试，都是一次新的制度革命。未来的创新，依然会围绕这三角展开。 我看待 Crypto，其实是放在“协作三角”这个框架里审视的。首先要声明，我不建议任何人去买币、炒币，也不做任何投资推荐。我的兴趣点不在投机，而在社会与技术层面的探讨——我试图推演的是下一个协议文明。 任何事物的发展，在我眼下的时间点上，都像《奇异博士》里不断分叉的可能性路径，或者像《沙丘》中保罗一世喝下沙虫生命之水后没有死的那个版本——是一种潜在未来的展开。可能的路径会必然实现吗？当然不一定。但我们可以推演所有可能出现的情景，并在此基础上提前做好准备与资源分配。 这样做能保证一定成功吗？不能。但它至少比一无所知、毫无准备要强得多。有准备的人生结局，总比浑浑噩噩要好。如果有人完全没有认知、只靠运气就能过得更好，那只能解释为“混沌信息论”：在充满不确定性的系统里，偶尔会有人随机走运。但我不愿把未来寄托在概率的盲目摆动上，而是希望以结构化推演来争取更大的主动性。 明白？ 一切进步都必须回到“信任—分配—裁决”三角。 当我们面对一个新兴技术或制度时，要问三件事： 它解决了 哪一条边 的问题？（信任 / 分配 / 裁决） 它解决得 比旧机制更好 吗？（效率更高、成本更低、覆盖范围更广） 它的改进是 可持续且可扩展 的，还是只靠泡沫和投机叙事？ 如果答案是前者，它就是创新；如果是后者，它就是泡沫。 Crypto （我不愿意称之为“币”，哪个大聪明翻译的） 1. 在 信任 上： Crypto 最大的突破，是提出了一种 “去中心化的信任生产方式”。 👉 比特币就是“信任的数学化”：任何人都可以验证账本，谁都无法随意篡改。 2. 在 分配 上： Crypto 尝试了一整套 新型的激励和分配机制。 👉 Crypto 在“分配”上开了很多实验，但成熟度远不及在“信任”上的突破。 3. 在 裁决 上： Crypto 尝试了一整套 新型的激励和分配机制。 👉 Crypto 在“裁决”上的贡献是提供了 自动化的裁决实验室，但远没能取代现实的复杂司法与治理。 在这方面，其实Ty兄的文说的非常好。 Crypto 的问题其实也显而易见。 在我看来，它不过是结构化与协议化文明的初试水。真正的系统配套——包括法律、监管、基础设施、标准、用户接口等——都还在未来。哪些机制会留下，哪些会被淘汰，还需要时间的检验。在配套不成熟的阶段，市场必然会充斥着 试错、泡沫、欺骗与割韭菜。这是历史上所有重大创新在早期都无法避免的母式：铁路投机、互联网泡沫，莫不如此。 如果把前面说的 三角框架（信任—分配—裁决） 和 时间观（上一个帖子，30–50 年的成熟周期） 放在心里，那么个人程序员的定位就很清晰了。不要被短期的价格起落、代币叙事、热点概念牵着走，而要意识到：真正的价值在于成为未来协议文明的配套建设者。 换句话说，今天参与 Crypto 的个人开发者，最有意义的工作不是去写“下一个拉盘的 Meme 币合约”，而是去解决那些能沉淀下来的长期问题： 如何让规则和合约可解释、可验证？ 如何设计公平且可持续的分配机制？ 如何构建透明的审计、储备证明、合规接口？ 如何让普通人能通过自然语言或直观界面来理解和使用协议？ 这些才是真正的 基础设施建设，是真正能跨越周期、沉淀为遗产的部分。 所以，对于个人程序员来说，最好的时间观就是：把当下的乱象，看作历史的必经过程；把自己放在更长的时间尺度中，专注去打磨那些能穿越泡沫、最终进入文明底层的东西。 （2/n)