与「豆包更通人性」相关的搜索结果

前几天在新浪的「赛博对话」录了一期视频播客，话题是大模型厂商怎么就从烧钱走到了赚钱的转折点，主持人是高飞 ，嘉宾是庄明浩和我。 其实最开始是想聊豆包收费这件事情，我和庄明浩还在私下嘀咕，豆包传出付费方案的消息是在月初，早就不是热点了，实在是过了蹭的时机，但如果放大到AI这门生意终于迈过了亏本赚吆喝的那条线，就没问题了，这是一个相当长效的题材。 省流版总结如下： - 根据黄仁勋提出的五层蛋糕理论，应用层虽然是直接和终端用户打交道的，但它也是整个产业结构里盈利压力最大的那个，毕竟上面四层都是供给逻辑，有货就不愁卖，唯有应用层是需要竞争流量的，在这个前提下，收费堪比拔鹅毛但又不让鹅叫唤的艺术； - 豆包当初传出收费消息被猛带了一波节奏，很多人以为从此就没法免费使用豆包了，无论是从中国互联网的历史来看，还是ChatGPT作为先例的样板，收费模式必然是增值服务，大家现在怎么用豆包的还是怎么用，然后一些旗舰级的能力就只会放在会员方案里予取予求； - 再就是国内用户对于为产品功能买单这件事情极其抵触的特有生态，之前北京车展，The Information的记者过来跑了一圈新势力，发现它们的出海计划里都会把车机功能当作付费点，但在中国市场完全没有这个想法，负责人的解释也是很直白无奈，「中国人不会为软件付钱」； - 庄明浩和我都觉得豆包在绝对领先的地位上开启收费尝试是很有意义的，这点钱对于字节的CapEx来说无异于杯水车薪，但整个消费观念的转变很重要，甚至我相信千问元宝都会感谢豆包，否则都被卡死在给全国人民做公益这个沼泽里，「你不收，我怎么收？我不收，耿专员怎么收？大伙怎么进步啊？」 - 再就是豆包的定价梯度可能比较意外，或者说整个AI应用的订阅门槛都是偏高的，长视频平台还在10块钱、20块钱一个月的留人时，豆包的最低档会员就是68块钱一个月了，像是Kimi也是49块钱一个月的起价，越过了30块钱一个月这个标准； - 30块钱一个月就是手游里的月卡，再往上才是大月卡，即通行证/战令，这一档的定价通常从68块钱到98块钱一个月不等，至于豆包计划里最贵的500块钱一个月套餐，相当于一单648的8折价，是不是也很容易理解了； - 马化腾在财报会议上也专门讲了中国用户在2C市场的付费转化率不太高这个点，要知道腾讯已经是最能从用户口袋里掏钱的互联网公司了，它都这么为难，叠加年年喊崛起年年也没能支棱起来的SaaS，模型下游的商业循环在国内实在需要一点乐观趋势，要知道智谱、MiniMax、月之暗面本质上是出海赚美金的公司； - 对于收入能够保持同步增长的公司而言，CapEx其实不是问题，从谷歌Q1财报来看，营收1000亿美金出头，利润差不多600亿，毛利率比纯卖广告的Meta还高，所以烧钱有什么问题呢，烧不出回报才是问题，马化腾说以为上船了但发现船是漏的，就是这个意思； - 中国互联网除游戏外的订阅制付费上限，单产品差不多在1.3亿的水平线，爱优腾和QQ音乐在巅峰期都没能超过这个阈值，我个人不太相信AI应用可以创造例外论，但是抛开订阅不谈，被越炒越火的各种Token套餐如果真的普遍化了，搞不好还真能带来变数； - 其实模型厂商也倾向于按量计费的买卖，订阅制的商业模式就像健身房，赚的是那些开了卡但不经常来的客人的钱，如果大家都用满，在这么一个不太存在规模效应——用户越多，越容易摊薄成本——的行业，AI应用很容易成为一个失血点而非造血器，所以庄明浩看到了一个怀旧服的可能性出现； - 也就是各大运营商开始力推的Token包，这跟当年的流量包不能说是一模一样，只能说是完全一样，所以如果运营商能够成为一个分销Token的角色，像大王卡那样，用Token包去覆盖一些模型的用量，再去后端完成分账，这个故事是完全说得通的； - 不过，无论是订阅制还是卖Token，模型能力都是撬动市场的第一要素，就像GPT-Image-2出来之后所有代开会员的第三方价格全数涨价，以及「六小虎」里把编程套餐卖断货的行情，都说明生产力需求是可以无视价格敏感的； - 但我总觉得豆包的收费不会走生产力路线，豆包大模型可以有生产力市场的目标，比如配合Trae去打，豆包App却未必要这么把路走窄，它的人格化和陪伴性其实是可以在情绪价值市场做出更多可能性的，就像我看有数据显示开源模型超过半数以上的Token消耗用在了角色扮演上，这里的经济价值是被低估了的； - 高飞和庄明浩认为模型厂商还有一个创收机会，就是转移支付，借着全民AI这个热潮，去让市政单位、高校学府来买单，比如某个市的行政区，去给市民提供常态化的Token额度，或者大学对标自己和知网签年框的方式，让师生享有最基础的Token套餐，用财政预算去替大家消费AI； - 总的来看，头部的模型厂商基本不再担心会倒闭了，包括已经上市的财务数据都摊开了，一个基本事实是，如果不算预训练，毛利率都能是打正的，同时预训练的成本增加是一个线性的，而收入的增加是指数级的，所以Anthropic、OpenAI这种烧钱大户都预计能在2030年甚至2028年就实现正现金流，这个速度比亚马逊当年都要快得多； - 庄明浩说做上游投资的现在是在焦虑物理极限，什么意思呢，就是会不会说，地球上的铜不够用了⋯⋯包括要去太空建数据中心，也是因为缺算力缺成了连力大砖飞都搞不定的事情，光有钱没用啊，你得有地方花出去，全世界的工业品暴涨，核心原因就是产能跟不上，需求侧在竞价锁单； - 中美大模型的发展差异在于，美国是在追求速胜，一波钱砸下去，掉队的、认输的马上就出来了，集中度很高，「御三家」就是这么高速洗牌洗出来的，中国因为相对慢一些，同时大家对成本更谨慎，所以能有更多的玩家不下牌桌，赚钱的难度也会高一些，这是充分竞争的经济学理论； - 庄明浩举了Seedance 2.0的例子，按理来说这场仗就应该打完了，你不可能怀疑字节在视频模型身上的决心和疯狂，但实际上呢，快手的可灵、阿里的Wan和Happy Horse、MiniMax的海螺都是该怎么继续还是怎么继续，后面还跟着HiDream、Vidu、Pixverse、SkyReels一长串名字，它们甚至都能拿到融资； - 中国互联网的缠斗传统，加上大盘上涨的规律，意味着你可以不是吃到肉的那个人，跟着喝汤一样能够保存希望，而且AI行业的标的天然优于非AI行业，这种「种族优势」，决定了「投AI总比投别的强」的底层逻辑，于是纷纷续命，等对手犯错，等轮到自己，等一切可能性； - 还是用那五层蛋糕的比方来说，美国是标准的纺锤结构，稀缺性最高的英伟达在中间赚得盆满钵满，中国则更偏向于柱状结构，在产业指导的作用下，不会有哪一层特别明显的去吸整条上下游的血，所以这个蛋糕必然不会跟太平洋对面一样甜，一个人走得快，一群人走得远嘛； - 最后还有一个变数是硬件，庄明浩说，美国做硬件的Startup，拿到钱后的第一件事就是飞深圳，跟逛迪士尼乐园似的，什么梦想都能找到供应商，为什么一级市场那么喜欢投大疆、追觅、影石出来的人，就是因为他们有从0到1的经验，可以复用到AI这一波，难道文曲星和背背佳就不算应用了么，对吧； - 高飞说得很有意思，AI用的东西，都在涨价和赚钱，比如能源、光纤、芯片这些，只有人用的东西，是在通缩和亏损，那么AI应用赚钱很难就说得通了，因为这是给人用的，人类不争气啊，碳基世界完蛋了，哈哈哈哈； - 所以，虽然这话可能有政治不正确的嫌疑，但判断AI是否真正产生了价值的标准，就是企业有没有在大规模裁员......是的，AI替代人类很残酷，但这起码说明AI可以产生真实的经济效益，反倒是喊着AI改变一切，却凡事仍要人类亲力亲为，才是真的有问题。

信仰动摇 昨晚我不是说现在手机上没有极度不想做，但又不得不做的事情交给ai嘛，让你们举例子反驳我。 我今天把划线里的评论都看了，排第一的是学习强国，青年大学习，学习通，公司营销点赞。第一个我大致知道是体制内的学习打卡平台，后两个没停过，但看起来貌似也是类似的打卡平台，这种...你可以问问豆包它能不能做，我觉得豆书记大概率不接，能做也不接。 还有人说让ai在飞书和钉钉上回复消息，这个最多就是回复知道了、收到之类的，真正人与人的沟通你在没有做好辞职准备之前，我觉得你不敢委托给ai。哪怕是收到、知道、点赞之类的内容，你事后也还是会去补看，不然你迟早会捅大篓子。 总结未读群聊信息，这个可以有，我已经让ai这么干了。 特定app查询整理信息，这个可以有。 陪女友聊天，别意淫了，你没有女朋友，等哪天有了你舔的连ai都看不下去。 开车时切换app聊天听歌，这个可以有。 盲人用手机，这个可以有。 游戏代练，日常任务打卡，这个通用ai做不了。 综上，确实有些用，但我觉得算不上强需求或者宽场景，所以演示视频里通常要预设人类手里拿着东西，腾不开手。请问那种情况下你会选择让ai给你订外卖、订机票，还是等手上这点事放下了，自己订？急迫程度没那么高吧。 …… 今天社交媒体上流传着一段录像，朱雀3号的火箭回收失败，起火坠毁。 这在一定程度上打击了最近一直热炒的商业航天板块，让大家看清了spaceX没有那么好学的。但这次朱雀3号的发射并非整体失败，它把假卫星（测试载荷）送入轨道，证明了民营火箭已经有能力进入太空。虽然助推器起火坠毁，没有成功回收，但助推器坠毁的位置离预期回收的位置不远，说明项目方已经有能力对助推器导航，返回指定区域，这也是一种技术能力。 spaceX公司的理念“Fail Fast, Learn Fast”（快速失败，快速学习），他们当初也是摔了、炸了很多次才获得成功的。猎鹰9号第一次成功回收火箭是2015年12月，目前的朱雀系列火箭有点像2014年的spaceX，已经接近成功，再给一年的时间迭代，可能会有惊喜。 中国目前民营商业航天有5-6家公司在探索，朱雀3号是技术最领先的型号，它的运力18吨，正式对标spaceX的猎鹰9号，如果后续火箭回收技术攻克，每公斤载运太空的成本会降至2万元。 目前全球太空运力几乎被spaceX垄断，人类今年往太空运送的总吨位他们占了85%，成本最低，商业航天领域没人和他们竞争。排第二的是中国的长征火箭，发射的都是政府项目，不挣钱。如果这个时候有民企火箭在技术上突破瓶颈，会是a股一个很热门的题材。 ps:很多人搞不懂猎鹰和星舰的区别，其实就是吨位差，星舰更大，运力是猎鹰的5-7倍。猎鹰已经发射400多次，星舰最近才研发成功，计划把人类射到火星的是星舰，暂时也只能是星舰。 …… 今天社交媒体上还有一个热门话题，就是茅台的零售价在多个平台上跌破1499。说实话我一点也不感到意外，之前2000+的时候我就说过好几次后续会跌破官方指导价。 这个价格对茅台的经销商非常残酷，因为他们从茅台拿酒都是要比例配售的，不可能只让你拿飞天，还要搭配其它不好卖，要打折出售的系列酒。想要整体保本，飞天茅台的零售价要保持在1700-1800以上，一旦跌破1600经销商就会开始亏钱。现在连1500都顶不住了，经销商们卖一瓶亏一瓶，已经有在社交平台上吐槽骂娘的。 不过他们骂归骂，也不会轻易放弃经销商资格，多年前塑化剂风波飞天茅台也曾经跌破官售价，当时坚持下来的经销商，之后几年都赚的盆满钵满。但我觉得这一次的情况不一样，破发持续的时间会比上一次长，可能真有人会熬不过去。 现在有个不确定风险，前些年社会上很多人买了茅台不喝，屯在家里，自用的还好，就怕是投机理财，还带点杠杆的，后面一旦绷不住，砸盘了，就不知道会是个啥情况。 社会上到底有多少瓶没有喝的茅台，我看过好几个数，不知真假，毕竟都是估算的，谁也没有准数。 中证白酒指数虽然年线5连跌，但这5年跌幅加起来没有2020一年涨的多，客观讲白酒只有阴跌，但从未真正恐慌。毕竟是价值投资的大本营，里面的机构和大户都是见过世面的老炮，轻易不会动摇信仰，但如果形势再向下恶化，信仰的考验也会升级。 …… 今天a股继续阴跌，成交量比昨天多了一丢丢，但1.6万亿也还是太少，中位数下跌0.89%，把上周涨起来的又吐回去一半。大盘终究是没能突破3条最重要的中期均线（ma20\30\60）搭建的压力位，处于趋势较弱的一侧。 现在的问题是前期明星板块，像ai、电池、有色这些之前行情的发动机，全部熄火，机构和游资很默契的集体潜水，没有主线行情就失去了做多的主心骨。今天涨幅榜靠前的是煤炭开采、中药、风电设备，这些板块缺乏号召力，自身的上涨也大都不具备持续性。 这种尴尬不明的位置确实没太多可说的，我上下5%都没有买卖计划，就一天一天的混日子。12月到了，季末合约又要操作换仓了。 舅酱。

【怎么让AI更聪明的完成任务？】 这是一个在AI快速发展的现在，最常遇见的问题。 因为现在AI发展的很快，每个模型都在不停的迭代版本，并且不同的模型都有自己的特性，如何去挑选适合自己需求的模型，如何去调教不同模型的prompt，这会直接决定产品最终呈现效果的优劣。 之前做过好几个AI交易的辅助工具，模型尝试用过GPT、Deepseek、Claude，AI工具用过n8n、小龙虾、骡子，但是最后呈现的效果和自己预期的总是差很多，虽然最后做出来的不错的版本，但是消耗了太多的时间精力和Token，我也在寻求更好的解决方案，直到用了dappos！ dappos简单来说，就是：AI 替用户使用 AI，AI学习AI 你不需要再纠结选哪个模型、怎么写 prompt、要不要写 skill，你只需要说一句 简短请求，剩下的交给 xBubble。 其中的核心是Bubble Pilot帮用户去完成任务，取用户的简短请求，识别任务类型，检索匹配的 SOP 并分发到最优路径 Bubble Engine帮你去学习AI，针对特定任务，使用 AI 编程 Agent 生成解决方案变体，构建测试框架，组合候选模型与工具，将最优路径固化为可复用 SOP。 就比如说我想做一个Defi赛道的投资机会速览，同一套提示词，xBubble和豆包生成的图片可以说是天差地别，豆包连文字都是马赛克，而xBubble不仅逻辑清晰还有数据作为支撑，信息的详细程度和豆包不是一个层级上的！只有两个字，好用！ 总的来说，你有了dappos，就相当于有了一个AI秘书，直接跟秘书去提需求，秘书会帮你把剩下的流程全部走完，你等着接收汇报就行了！ 用dappos，当AI的老板，有事就让秘书干！

最近在认真学习我们刚刚发布的Exchange OS时， 我脑子里突然冒出一个古人的典故—— “车同轨，书同文”。 统一六国后，这个办法让天下交通和文化变得更高效、更互通。今天我觉得Exchange OS好像有点像链上金融领域的“车同轨”，对吗？👀 把大家以前各自为政、碎片化的交易基础设施，统一到同一套高性能的“轨道”上，却又给开发者、机构留出足够的自由空间去发挥自己的创意和运营模式～ 上面是简单的概括总结，那接下来✌️ 让我用最直白、最不绕弯子的方法 详细告诉你Exchange OS是什么？（豆包附体😂） 🙋它是部署在 X Layer 上的链上交易所协议层。 嗯可能这句话太干了，我来翻译一下🤣 我们平时使用的交易所，背后有一套极其复杂的系统在支撑：撮合引擎、保证金管理、清算机制、结算系统、风控模块…...这些东西任何一个单独做出来都要花很多年、很多钱。Exchange OS 做的事情，就是把这些"积木"打包好，放到链上，让任何人都能直接调用。 部署在 X Layer 上，毫秒级撮合延迟，30万 TPS 的吞吐量，跟 OKX 主站用的是同一套底层基础设施。 对！就是字面意思：开发者用的基础设施，应用Exchange OS获得的能力，就跟 OKX 自己在用的一样！ 我们OKX凭什么有能力做好这件事呢？ 最直接的证明就是——我们自己先在上面建了第一个市场！ 6月即将上线的「2026年世界杯预测市场」就是直接基于Exchange OS部署的模拟市场。用行动证明愿景！请大家期待～～🎉 详情请见白皮书————

不知大家是否有这样的一个问题，我们在努力追赶AI的脚步，却始终跟不上它的进化速度。 这不是玩笑。今年AI迭代有多快，看看前段时间还火爆的龙虾现在几乎没人提了，就知道答案了。我们好不容易搭好一个Agent，转眼就被更强的新版本取代。你是不是又要去换一个？不换的话你的效率产出不如人家，换的话又浪费大量的时间以及金钱，左右为男。 我自己也在研究AI新手该怎么入门。网上教程五花八门，每个都试一遍成本不低。作为小白，也不想跑太多复杂任务，花那么多也不太值得，而且也不知道花了钱以后能不能达到自己想要的结果。更让人焦虑的是，模型更新太快，你这边还没搞明白，新模型又出来了，感觉白忙一场。 这俩天看到一个文章，有一句话特别好：不是模型越能干，用户就越轻松；反倒是因为模型越强，AI 能做的事情更多，高级用法也就越复杂了。 现在我就是这样想的，现在AI的使用门槛其实越来越高。大多数人还停留在用豆包做题、问简单问题的阶段，没能把AI当成真正的生产力。就是因为门槛太高了，把绝大多数人都挡在了门外，我感觉后面这种差距会越来越大，因为AI可以当几个人、几十个人来使用，会用善用AI的人以一当百了，你还在一个人战斗...想想就可怕。 所以我最近一直在找一个真正好用易上手的AI工具，还真发现了一个不错的产品，就是意图龙头 @dappOS_com 新推出的一个AI产品 xBubble ，它完美的解决了我前面所说的上手难的问题，它用AI学习AI，然后再用AI使用AI。听起来是不是很抽象？那就对了，只有天马行空的产品才是好产品。 @xBubble_ai ，一款低提示率的 AI 代理，可将简短的请求转化为最终成果。用人话说就是我们要生成一个比较复杂的图或问题，只需要一个简单的提示词，它就能根据这个提示词，给你生成一个质量不错、能直接拿来用的结果，比绝大多数的AI都简单实用。 很多人这时候就会问了，为什么能达到这种效果？其实挺简单，它就靠两个协同工作的系统，Bubble Pilot 和 Bubble Engine 。 Bubble Engine 就是AI学习AI，它就是不停地让AI自己写 AI、自己测AI、自己挑最好的AI方案，然后选出一个最优的方案固化成一个能重复利用的标准操作流程（SOP）,相当于你玩游戏获得的大招技能一样，可以一直用，这么说应该懂了吧？然后技能不是只能获得一个，它能获得多个大招，专门针对不同的场景。 Bubble Pilot 就是AI替用户使用AI。比如说你提出一个问题，它会跟据这个问题去找大招，也就是SOP，给你这个问题的最优方案。如果没有匹配的大招，它就会用通用 Agent 给你解决方案，然后记录下来这个问题，让 Bubble Engine 抓紧研究大招~ 总体下来就是 Engine 负责后台建设，Pilot 负责前台执行，分工明确干活不累！随着Engine构建的 SOP越来越多，Pilot就能将更多请求都转到更快更好的路径，性能也就更好，形成了一个能无限检索的正循环，你就说这强不强吧! 使用也超级简单，有两种模式：分别是Bubble Computer 和 Bubble Personal。 - Bubble Computer 是 xBubble 的端到端项目工作空间，Bubble Pilot 检测到多步骤的任务就会路由到这，沙箱环境自动启动，自动选择合适的模型和技能，一次性完成交付从研究到交付的完整流程。云端大工厂，一条龙交付！ - Bubble Personal 是一个本地环境模式，这个相当于现在市场上的AI助手吧，可以帮你完成一些自动化任务，安全隔离还是做的挺不错的，本地计算机上不安装任何软件、不修改系统环境，安全级别很高。 这才是我最想要的AI工具，让我这种小白也能使用的AI工具才是大众最想要的，而不是那种入门难，有各种门槛需要各种专业化技能才能使用的AI，未来的大方向不应该是把工具做得越来越复杂才对，应该是让AI学习AI，然后再用AI使用AI！

前几天跟潘乱和老编辑吃饭，登味超标的开了一下怀旧服，把晚点LatePost在2023年写的「还原字节跳动HR体系」那篇稿子重新讨论了一遍，尤以老编辑的评价甚高——我从来没有见到他这么吹过其他媒体和作者——认为文章的非线性写法非常独特，开创了商业报道的新体裁。 我对老编辑说法的理解未必准确，但确实也能察觉到小晚整个团队在文本训练方面的优越性，并不是纯粹的基于材料的写作，有非常坚定的内在逻辑，同时具有工程化的结构和人文化的感性，可以无视时效性。 昨天更新的「AI抢人大战，批量制造这个时代的流量明星」也是相当具有代表性的例子，AI研究员如同球星那样被开价和交易早就不是新闻了，市面上的同题作文泛滥成灾，但晚点就是能用信息的再组织写出新意、立意，这很厉害。 还是总结一下这篇稿子，对我来说也是一种愉快的练笔： - 在中国，真正能靠个人技能年入过亿的群体，少之又少，以明星艺人为例，在娱乐业最鼎盛的时期，也只有十几个人能够达到这个标准，但在这波大模型热浪里，顶级研究员的身价以史无前例的速度被抬到了以亿为单位的年薪级别，而这批人的总数只有几百人，也就是说，大厂的你争我抢，总盘子其实就这么大，中国最贵的几百号人，就是在这么一个供给严重不足的环境里产生的； - 在ChatGPT发布之后的一年多时间里，因为局势尚不明朗，各家公司投入尚且谨慎，国内AI研究员的收入比较稳定，顶薪也就在百万级人民币，直到2023年底，两家公司打破了「规矩」，一个是DeepSeek开始用高于市场价的扩人，另一个是曾被视为落后半步的字节，通过饱和式投入启动追赶，以2倍薪水涨幅为起价，从月之暗面、阿里、百度、智谱等公司挖人； - 其中标志性的事件是2024年下半年阿里Qwen的核心技术负责人周畅带着竞业协议加入字节，职级从P9跳到4-2（实际上对标P11），千万级人民币的总包，而字节也很快得到了回报，周畅入伙之后，在极短时间内提高了豆包的多模态基模能力，这是抢人大战的关键驱动力，只要找到对的人，就能立竿见影的带来技术进步，事半功倍； - 很重要的是，一个靠谱的Infra专家，最多可以提高50%的算力利用率，考虑到大厂每年几百亿的算力投入，这种效率优化创造的经济收益，要远远胜过那笔薪水开支，一个正确的判断，也能决定模型在几个月内拉开巨大差距，「懂得在哪里划线」的知识价值，变得无比稀缺； - 到了2025年，DeepSeek的爆火让全行业都意识到模型质量的差距本质在于人，于是更多的公司开始加入，推动工资水平继续水涨船高，千万级薪酬包下沉到了普通研究员群体，字节甚至能给应届生开出500万年包，而DeepSeek也把内推奖金提高到了20万，猎头行情更是以月为更新周期，「三月给的价四月就不够用了」； - 但是，当其他大厂都相继启用钞能力后，强如字节也会沦为被掠夺的鱼肉，2025年下半年，腾讯开始盯着字节大模型团队挖人，用的是字节本就很熟悉的方式：工资翻倍，来不来？而且腾讯也兼具策略性，会主攻字节内部面临工资倒挂的老员工，因为位置长期不动，他们没能赶上职级膨胀的春风，于是选择投奔腾讯涨薪的为数不少； - OpenAI的姚顺雨和DeepSeek的郭达雅在前后半年的时间分别拿到过亿年薪加入腾讯和字节——这个数字同时被两家否定了——再次引发行业躁动，两人属于完全不同的样本，姚顺雨是标准的精英路线，从姚班天才到普林斯顿博士，履历辉煌，而郭达雅是完全的本土人才，没有镀金过程，但他们都以极为年轻的年龄，打破了大厂原有的年限体系和汇报关系； - 郭达雅意味着用已有成绩倒推价值也是可以成立的，因为DeepSeek的模型牛逼，所以参与制作这个模型的人同样牛逼，这个逻辑被大厂以实际行动买单了，当郭达雅决定离开DeepSeek时，阿里、腾讯、字节都在第一时间去接触了，包括老板亲自去谈，最后因为字节的投入方向和他的发展预期最吻合，成功签下入职合同； - 骨干的持续流失，给了DeepSeek相当大的压力，梁文锋选择启动融资，给员工手里的期权一个定价机会，对内安抚军心，为了留人，字节设计了豆包虚拟股，以及阳光普照的每人每月最低9万元额外津贴，反倒是已经上市的智谱和MiniMax，因为期权暴涨加上解禁期，不必太操心员工的稳定性； - 横向来看，最近一年里，字节和腾讯的饥渴度是最高的，字节愿意因人设岗，从张一鸣到HR，全都奉行「笼络最聪明的头脑」这一原则，腾讯因为自身的进度原因，被迫成为市场上后出价的那个人，虽然要当冤大头，但对于家大业大的鹅厂储备来说，问题也不大，先去拿字节的offer、再用字节的offer去敲腾讯的门要更多的钱，成了一些研究员的财富密码，有猎头说得很透彻，大厂不怕花钱，是为了把对手能用的人，提前从市面上清掉； - 阿里就比较保守了，Qwen以团队氛围优秀著称，90%的员工都是阿里自己培养的校招生，工作自由度很高，但阿里严格的职级体系，还是对Qwen参与人才争夺制造了障碍，2025年下半年，林俊旸曾让Qwen的研究员主动出去面试，以求得涨薪的机会，避免人才外流，可见有多无奈； - 当给够钱已经不具备稀缺性之后，大厂争取研究员的技巧也开始转向软实力，比如扎克伯格会把Meta想挖的人请到自家别墅吃饭，用「真诚」作为必杀技，张一鸣也会亲自去和自己看上的论文作者见面谈话，Anthropic之所以成为研究员离职率最低的AI公司，是因为它被公认为文化建设独树一帜，老板本身就是一种信仰； - 研究员之间的竞争必然激烈，以前抬高身价的方式是发论文，后来各家公司发现只要发完论文就会让作者接到的猎头电话直线上升，又不太乐意让研究员「抛头露面」了，但是上有政策、下有对策，研究员们也很灵活，不让发论文，那就去上播客、发推特、做小红书，总之就是加强主动「营业」，持续的获取个人流量，确保在需要的时刻能被看见； - 为了对得起高薪待遇，同时防止掉队，这几百个顶级研究员普遍睡眠不足、高压工作，即便没有KPI和OKR，他们也会自己驱动自己，就像从小到大的做题路径，这是天才避免泯然众人的唯一出路，「这个行业最终会变成，前5%的人拿着从前10倍的工资，干着100个人的活。」

简评Google I/O 2026 Gemini Omni：容易被低估的模型。如果你只看现在已发布的Gemini Omni Flash模型，会觉得这个视频模型很垃圾，完全比不上Seedance 2.0，我一开始也是这么觉得的。实际这个模型就不是视频模型，而是any2any的世界模型。 Gemini Omni未来的形态是：支持文本、图片、视频、语音输入，支持输出文本、图片、视频、语音。只是目前发布的版本是输出视频。 你可能会说豆包现在不就支持吗？豆包是有个Agent来调用不同的LLM模型、语音模型、图片模型、视频模型来分别生成对应形式的回复，各个模型是割裂的。世界模型能同时理解和输出所有形态的内容，实现难度要大的多的多。 Gemini 3.5 Flash：Gemini 3.1 Pro的能力，超快的生成速度，比GPT 5.5快4倍。但总体我觉得不行，快不是快，好才是快。Gemini 3.5 Flash就是傻快傻快的。 Antigravity 2.0：跟Codex一模一样了，里面的Gemini 3.5 Flash还要更快，比GPT 5.5快12倍。不过无所谓了，我用Antigravity也只是为了用里面的Opus。 Gemini Spark：实时在线的云端Agent。谷歌给你启用一台云端虚拟机，有Harness环境，在云上可以全天执行任务。你可以认为是给了你一个云端运行的龙虾。 Search in the agentic era：AI时代的搜索，由Gemini 3.5 Flash驱动，支持多模态信息输入来搜索，支持Agent持续监控要搜索的信息，支持生成交互式UI和信息图。人工手动搜索可以变成AI持续监控并推送新消息给你，这个比较有用。交互式UI和信息图如果能做成Claude里的水平，也会改变搜索模式，会影响后面展示的网页的点击人数。 Ask YouTube：搜索YouTube视频，并且能根据你的问题直接跳到视频中相关的时刻，省去了手动拖进度条。有用，自家产品集成AI，其他AI做不到。 Voice-powered Docs Live：语音编辑文档。鸡肋，跟我语音输入法让AI写文档差别不大。 第8代TPU：针对训练和推理场景，分别设计了架构，训练芯片叫TPU 8t，推理芯片叫TPU 8i。顶流芯片，英伟达真正的竞品。 SynthID：AI生成内容的隐水印。AI生成的图片和视频越来越难分别出来，有这个隐水印，把视频和图片发给AI，AI就能告诉这个图片是不是AI生成的。亟需推广，目前OpenAI、Kakao 和 Eleven Labs也开始采用谷歌的SynthID。

老罗来到推特，最近火爆的豆包手机应该就是之前字节收购的锤子团队所做。 罗永浩如果等到 AI 时代做手机，也许会是不一样的结局。 供应链更完备，软件可发挥之处无限大。OPENAI 都在做手机，手机还是碳基和硅基文明的核心连接点。 AI 手机可能不再需要 APP，更像一个随叫随到的 agent，个性化可协助完成一切的 AI 助手。