与「黒上生誕2025」相关的搜索结果

川普转发了这篇长文 这篇长文出处应是 《Savage Nation》节目/评论文本中关于“出生公民权（Birthright Citizenship）”的一段发言整理稿。 内容性质上，它是一篇强烈意识形态化、情绪化、反移民倾向明显的政治评论文本，核心围绕美国宪法第十四修正案下的“出生即公民”制度展开，作者认为美国不应继续让任何在美国出生的婴儿自动获得公民身份，尤其反对非法移民、临时入境者或所谓“生育旅游”群体借此让孩子成为美国公民。文章主要观点包括：第一，作者认为出生公民权已经被滥用，宪法制定时代没有飞机、互联网和现代跨国迁移，因此原有制度不适合今天；第二，作者认为这个问题不应由最高法院、律师或ACLU这类法律团体决定，而应交由全国公投，让“普通公民”决定；第三，作者强烈攻击ACLU，称其保护非法移民、破坏美国边境、语言和文化，甚至主张用RICO反黑法对付ACLU，这是一种非常激烈、指控性很强的说法；第四，作者把加州、福利系统、急诊医疗费用、高科技就业竞争等问题都归因于移民和法律保护机制，认为美国已经从“熔炉”变成被移民和法律集团掏空的国家。 对中国移民和印度移民的评价尤其负面，文中反复把中国和印度作为主要对象，指责中国人和印度人来美国“生孩子拿身份”、再通过孩子把整个家庭带入美国，并声称这会改变美国人口结构、削弱美国国家认同；同时还声称加州高科技行业的内部机制被印度人和中国人主导，普通美国人难以获得机会。这些说法明显带有群体化归因、刻板印象和排外色彩，把复杂的移民、就业、医疗、福利和法律问题简化为“中国移民、印度移民、ACLU律师”造成的结果，缺乏严谨数据支撑，更多是政治动员式、情绪宣泄式表达。 PS 1, 我的观点一如既往，出生公民权是美国的立国之本不可动摇 2，写这篇文章的人是个法盲，民粹主义者，宪法最大，程序最大！失去宪法和程序，美国将一无是处！ 3，对于非法移民，我当然坚决反对！但他们在美国土地上生下的孩子受到美国宪法保护！自然拥有美国国籍！不可剥夺！

转译：否定别人的想法算不上什么本事 作者：Scott Lawson 想象一下这个场景：在某个会议上，有人提出了一个新想法。这个点子很新颖、与众不同，当然，实现起来也需要费点功夫。结果，提案人还没解释完，已经有三个人想好了这个点子行不通的理由。 “我从来没听客户提过这种需求。”“我们不能用 Python 写这个，太慢了。”“这会让系统变得太复杂。”“我们以前试过类似的方法，根本行不通。”“运维团队肯定不想再多维护一个服务了。”“大家已经习惯现在的做法了。” 这些反驳的人既不蠢，也没说错。但问题在于，他们没有创造任何价值。 一幅四格漫画。第一格“提案”：一个人正跪在地上生火（代表一个新想法），旁边的同事却说：“那块木头看起来是湿的。”第二格“专家登场”：更多人围过来提出异议，比如“我以前试过类似的方法，根本没用。”第三格“没有创造的‘贡献’”：火彻底灭了，每个人都觉得自己严谨又负责，会议纪要的清单上只有“发现潜在风险”这一项被打上了勾。第四格“真正的本事长啥样”：两个人一起小心翼翼地护着火苗，探讨着：“如果这事儿成了，它的规模能有多大？”以及“现在的问题是风太大，咱们想办法把风解决掉吧。” 艰难的保卫战 提出一个想法和毙掉一个想法之间，存在着一种根本性的不对称。提出想法需要想象力、勇气，以及洞察尚未存在之物的能力。而毙掉它，只需要一句话，完全不需要什么想象力。 解释一个想法如何开辟新的细分市场，可能需要整整五分钟；而轻飘飘地说一句“这听起来风险很大”，只需要两秒钟。但在会议桌上，这两句话的分量常常让人感觉是对等的。 再多的批评、反对或风险识别，本身都无法创造任何价值。批评确实能防止犯错，这固然重要，但它的本质是“保守”，而非“创造”。唯一能创造价值的东西，就是想法本身。如果你的日常工作只是不断毙掉别人的点子，那你从未真正创造过价值，你只是在避免损失而已。 这种事情总是遵循一个可预测的套路：第一步，听到一个你还没完全听懂的想法；第二步，找到其中的一个缺陷；第三步，在根本没有探索其潜力的情况下，主观认定这个缺陷掩盖了所有价值；第四步，毙掉这个想法；第五步，走出会议室，心里美滋滋地觉得自己又做出了宝贵的贡献。 篝火旁的批评家 “篝火旁的批评家”并不是非要扑灭你生的火。他们只是双手插兜站在你旁边，冷眼观察着木头很湿、风正在变大，然后顺便告诉你，他们以前也试过这样生火，结果失败了。他们没有恶意，他们说的甚至都是事实。但就在他们高谈阔论的时候，你苦苦呵护的火苗已经熄灭了。 这并不是因为大家懒。这其实是我们大脑的底层硬件决定的（人类在进化过程中为了生存，大脑演化出了一套对潜在危险极度敏感的保护机制）。比如负面偏见 (Negativity bias)、损失厌恶 (Loss aversion)、现状偏见 (Status quo bias)——我们的大脑天生就擅长寻找威胁、过度放大损失，并且抗拒改变。把这些生物学本能放到一个所有人都想表现出“我在做贡献”的会议里，结果可想而知。正如经济学家奥斯坦·古尔斯比（Austan Goolsbee）的父亲所说：“找茬是一份拿最低工资的工作 (Fault-finder is a minimum wage job)。” 这种事，谁都能干。 提案人往往已经为这个想法琢磨了几周甚至几个月。他们在脑海中反复推演过各个环节，甚至可能已经做出了概念验证 (Proof of Concept)。他们对这个想法的认知深度，是表面信息所无法涵盖的。而现在，他们却要努力把这一切，向满屋子第一次听到这个想法的人解释清楚。理解一件事的潜在价值很难，但挑刺却很容易。 于是，讨论的重心自然而然地滑向了那些负面因素。提案人走出会议室，沮丧地觉得是自己没沟通好，但真正的问题其实出在环境结构上。更可怕的是，这种代价会像滚雪球一样积累。一个人的想法如果被无情毙掉一次，下次再想提议时就会犹豫再三。最惨重的损失，从来不是那一个死掉的想法，而是之后那十个连被说出口的机会都没有的潜在创意。 早期的想法总是脆弱的。从定义上讲，它们就是不完整的。在这个阶段去评判它们，就像指着一条毛毛虫，然后断言它是一只“糟糕的蝴蝶”。如果你不理解为什么一个理智、聪明的人会觉得这个想法值得一提，那说明你的了解还不够，根本没资格发表评论。 我们该怎么做？ 几十年前，爱德华·德·博诺（Edward de Bono）就在他的六顶思考帽 (Six Thinking Hats) 框架中描述过这个问题。其核心洞察非常简单：乐观思考和批判性思考都有价值，但它们必须分开进行。如果你把两者混在一起，批判性思考永远会赢，因为它的认知成本更低（也就是说，找茬不需要大脑太费力）。我们需要乐观，也需要悲观，只是不能同时进行。 下次当有人提出新想法时，不妨试试这么做： 首先，戴上“黄帽子”：“这事儿要是成了，潜力有多大？” 花点真正的时间去畅想积极的一面。如果这个想法成功了，世界会变成什么样？谁会从中受益？它能解锁什么新机会？ 然后，戴上“黑帽子”：“可能会出什么问题？” 只有当你真正理解了它的潜在价值后，再来做压力测试。但是，如果你还是说不出提案人为什么要提出这个想法，那就说明你还没准备好。这时候去反驳，无异于打固定靶，毫无建设性。 最后，权衡利弊：“潜在的收益值得我们承担这些风险吗？” 到这一步，你已经全面考虑了正反两面，可以做出理性的决策了。 除此之外，还需要改变一些工作习惯： 别再把“找茬”当成贡献了。 找出缺陷充其量只能算“半个贡献”。另外半个应该是：“对于这个问题，我们可以这样解决。”如果你指出了问题，却没有提供解决问题的思路，那就不叫贡献。 把担忧转化为“条件”，而不是“判决”。 满怀建设性地说一句“如果我们能解决 X 问题，这事儿就能成”，是非常有用的。而冷冰冰的一句“因为有 X 问题，这事儿根本行不通”，则会直接终结对话。前者表达的是“如果我们能跨过这道坎，我就全力支持”，后者则是直接“砰”地一声关上了大门。 建设永远先于破坏 毙掉一个想法太容易了。真正困难的，是用心护住那微弱的火苗，给它足够的时间，看看它最终能燃成怎样绚烂的火焰。 原文来源：

晚上看完 NHK スペシャル节目，我在手机上刷到不少给阿嬷的情书中主题曲的视频，又想起前几天在推上看到批评这部电影价值观的帖子，现在闲下来，特别想写一篇文章说说我对时代价值的看法。 电影中的事情，观念，道德背景，放在具体的时代讨论才有意义，有人说凭什么短暂的相处里，女性在婚姻中需要担负如此大的责任，放在现在，我自己肯定也是不同意的，思念不是真正的相处，更非真切的生活，但道义和责任却带来真实的苦难，在快速变化的现代社会，人们不会固执地选择这种生活，是因为我们有太多可选的自由，我退休后，写过一篇微博，说到「在自由如空气般轻盈的世界里，羽毛都会成为心中的重担」这便是现代生活最大的问题。 把大家不会选择的生活拍成电影，人们却感动的一塌糊涂，这矛盾吗？当然不，因为大家从电影中看到的，以及感触到的，所怀念的，并非是那个无法选择的年代，而是人们如何在极度匮乏的选择中，塑造自我的命运，以最大的坚韧度过最困难的日子，这与男女无关，与权力无关，关乎的是人性中闪烁着的光辉，是激发光辉的意义，是心中内在的神性，也是最隐秘的伟大。 这部影片让我想起富士电视台的「含泪活着 (泣きながら生きて」那是一部讲述留学生丁尚彪如何黑在日本 15 年，养活家人，赚钱供女儿去美国读大学的纪录片。这也让我想起我的母亲，年少时，她在矿山给开饭店的外婆打下手，为供她的弟妹上学，结婚后，她为了养育我，与父亲南下深圳打零工，父亲病重的数年，她一心照料已成植物人的父亲，为我的学业和生活费操劳，直到退休，她才能拥有一些属于自己的时间。 面对苦难，华人有一种特殊的共感，并非我们天生爱吃苦，而是有太多的苦难降临在我们与我们祖辈的命运中。 在不断变化的时代中，价值观在变化，道德也跟着变化。我上大学时，曾有一位同学与我说过我至今难以忘怀的一句话：「左右的天平上可以放太多东西」正如我们这个复杂的时代，人们不再与彼此分享生活和精神的空间，转向保守，在我参与拍摄的NHK スペシャル节目中，能看到移居到日本的中国人担心媒体如何刻画华人移民，在推文的评论下，更能看到日本民众对 NHK 取材立意的不满。左右的天平似乎无论如何，都重得无法再放下任何东西，因为任何一种中庸，都会被两方视为不忠。 在这样一个时代，我们更需要「给阿嬷的情书」这种电影，它告诉左边的人们以信念，意义和尊重，它告诉右边的人们女性的力量与母亲的伟大。我们需要一些文字，电影，它们跨越族群，性别，民族，语言，它们告诉我们和我们的后代，到底是什么会让我们成为更好的人。

说起被AI干死的公司，不得不提一嘴作业帮和猿辅导，大家还记得前些年这两家铺天盖地的广告主打拍照搜题“黑科技”吗？不会的作业，只需要拍个照上传到APP，就可以很快得到答案，随着AI的发展这两家公司已经被淹没在时代的洪流里了，但是你应该也好奇过，在那些年没有AI人工智能的时代到底是怎么实现拍照搜题的呢？结论就是大力出奇迹，没有智能，全靠人工。 在2018年作业帮创始人侯建彬骄傲的说依托背后百度的资源和超过2万名兼职老师，收录并解答了上亿规模的题目，这些题库是公司最大的护城河。 而猿辅导从2013年开始就通过招聘大学生，并搜集海量的试卷和教材，每答1题就可以得到5块钱的奖金。 根据相关报道，几年前K12赛道爆火的时候，作业帮和猿辅导累计融资数十亿美金中，有将近一半都拿来投入到题库建设中，也就是给大学生和老师发钱答题。 那时候这两家公司都跟军备竞赛一样疯狂搜集题目发钱找人来答，毕竟深信不疑这就是自己最强的护城河。 直到有一天，AI来了....

谁懂啊！舞蹈室里的双马尾甜妹，一整个美到我心巴上了✨ 这是什么人间理想 救命！这就是传说中的“舞蹈生天花板”吗？！ 又纯又欲的双马尾甜妹，黑单肩体操服直接把身材优势拉满，一个歪头笑、比耶的小动作，都甜到让人挪不开眼，这谁顶得住啊！

最近在做一个功能，需要生成海量的 Seedance 2.0 的视频(虽然大部分是产出 slop)。分享一下我是如何在游轮上，依然可以让 AI 7 x 24h 不停生产的大致流程的： 1. Codex + XHigh批量生成提示词 2. 编写了一个生图SKILL，接入了GPT Image2 的API 批量根据提示词生图 3. 编写了一个生视频SKILL，核心是接入了 dreamina cli，批量生成Seedanc2.0视频（不排队，但是走的是VIP的credits扣减） 4. 生成的 720p 视频使用 Real-ESRGAN 在本地 MBP 做超分，720p -> 1080p 整个过程由Codex + SKILL 7 x 24h 执行，感受到了token在燃烧、GPU在燃烧，电量在燃烧，账单在燃烧... 感觉自己开了一个黑灯工厂，哈哈哈哈哈！

全网对谷爱玲讽刺挖苦最尖刻的竟然是斯坦福校报，每次在斯坦福读书的亚裔孩子对我说谷在学校多酷多酷，我都选择不出声，因为我们这一代人的解释她们都听不进去，认为带有强烈的偏见。这次好，风头全转了。以下是几段摘选： “谷同学声称自己正在学习量子物理，并将她对这门学科的兴趣与她能够挑战物理定律的能力联系起来。面对质询，斯坦福物理系拒绝就亚原子粒子和北极体操之间的逻辑联系发表评论，并坚称他们从未有幸教过谷同学。然而，东亚研究系却对谷同学的学术态度给予了高度评价。 谷就像斯坦福大学里成百上千逃课去编写人工智能辅导程序和自动化社交工具的学生一样。顾是一名自由式滑雪运动员，业余时间还在上学。 但谷女士并非简单地复制斯坦福模式——她将其发扬光大。她之所以能做到这一点，是因为她精通了每个斯坦福学生都梦寐以求的技能：行骗。没错，因为每个努力奋斗的斯坦福学生内心都藏着一个伺机而动的骗子。谷女士的“行骗”之路起步较晚，但本周在米兰，她已然火力全开。 美国历史上获得奖牌最多的女子奥运选手、斯坦福大学校友凯蒂·莱德基终于打破沉默，就此事发声。“我对艾琳选择金钱而非国家感到无比愤慨。我曾以无偿劳动者的身份参赛，并为这个伟大的国家赢得了14枚奖牌。” "作为一所大学，我们的英雄与我们的文化相契合。普林斯顿大学有阿尔伯特·爱因斯坦，代表着卓越的学术成就；哈佛大学有约翰·肯尼迪，代表着对公共事业的贡献；还有泰德·卡钦斯基，代表着他那些别出心裁的公益广告。在耶鲁大学老校区的中心，矗立着内森·黑尔的雕像。黑尔是耶鲁大学的毕业生，也是美国历史上第一位间谍，在独立战争中被英国人抓获并处决。在被绞死之前，他曾说过一句名言：“我唯一的遗憾是，我只有一条命可以献给我的祖国。” 在斯坦福，我们有另一种文化，硅谷精神。因此，谷女士是个人主义、自恋和傲慢的完美代表。谷女士毫无悔意。她唯一后悔的是，她只有一条命可以奉献给自己。好吧，其实是奉献给她自己和中共。幕后操纵者功不可没。 这才是斯坦福的真谛。这就是为什么谷是我们的英雄。不，是女英雄。谁需要什么伟大的美国间谍？斯坦福每次都会毫不犹豫地选择一个普通的中国间谍。

昨天今天看到这个小孩代刷诈骗几 M（据说有 10M）的情况，还是有点意外的，因为有些投了钱的兄弟也是自己有工作室的老鸟，结果还被这小孩套路了。 后来发现原因可能还是 Polymarket 撸起来与常规的撸毛不一样，有更大的策略空间，想吃这个肉的人多，但怎么下嘴有讲究，才会给骗子留出了行骗空间（号称很会撸 PM）。 这跟 ICO 时期骗子说我能投到你们都投不到的项目额度一个意思。 这事儿两个 take away 吧： 1/疯狂炫富，异常高调的人，大家看看就好了，千万不要与他们形成利益相关。 我身边认识的真大佬，没一个高调炫富的，更没一个会让你们给他钱来帮你赚钱的。都那么有钱了，为啥还要拿别人的钱来生钱💰？ 从能赚钱的人那里学他的思路，认知，逻辑和技巧就够了 2/市场不好的时候，优先考虑风险，收缩投资阵线 之前为什么每次市场熊的时候 DEFI 被黑的就多？项目腰斩的就多？还不是因为不好赚钱了，很多人就开始动歪心思。 这个小孩为啥之前不跑路，一直营造人设？很可能是因为之前行情好的时候Ponzi 能滚下去，现在眼看着没啥新的能撸的项目可以续了，干脆收网结束。 这种心态是很常见的，甚至很多不太黑的黑客现在因为赚钱路径减少也会增加钓鱼和攻击。所以现在已经进入风险高发期，大家千万注意风险，最好把资金从链上协议和其他地方都收归自己手里，等市场回暖。

黑产首富的第一桶金 开年这第一周堪称梦幻开局，每天都在涨，中证500这星期涨了7.9%，ic2606更是接近10%，说实话有点懵，看着账户浮盈，有一股陌生感。 这么多年投资a股，跟它软磨硬泡，已经习惯了半死不活、土嗨不赚的节奏，结果2026年以上来就搞这一出，这是打算春节之前分行李，后面不过了吗 很多领域都有所谓的2/8规律，a股也有的，比如80%的涨幅集中在20%的交易日。这其实也是一个很冷酷的现象，a股不像美股，什么时候上车都大差不差，a股大部分行情都在浪费时间，真正的主升浪只集中在一小段时间，如果那段时间你不在，赚钱就很难了。 所以要恭喜现在还在场内，手里持有筹码的诸位股民，你们接受了最艰难的考验，挺过了最难熬的熊市，这波牛市红利是应得的奖励。 熊转牛早期最难转变的是思路，尤其长时间习惯了熊市节奏的老股民，稍微涨一涨就有畏高心理，总担心跌回去，账户里有一些浮盈就迫不及待的想要锁定它。这都是人之常情，无论是谁多少都会有些路径依赖。 我之前减仓了11手ic，均价7400点左右，按今天的收盘价算大概少赚了150万，这样说出来能不能让那些踏空的读者们减轻一些焦虑。 这个时候一定要克服锚定心理、沉没成本、处置效应这些精神障碍，不然很容易沉浸在不够完美的选择里自怨自艾，徒增内耗。已经发生的事情无论结果好坏都不要再想，用失忆的心态全新入局，专注到那些能够影响未来的决策上。 关于股市的分析周日晚上再细说，这两天大家先缓一缓亢奋的情绪，股市盈利了也多出去消费消费。我有一言相赠，钱只有在花出去的时候才真正属于你。 …… 关于特朗普觊觎格陵兰岛的事今天有进展了，多家境外媒体报道了白宫有3套方案： 上策，直接拿钱收买格陵兰岛本地人，每人发10万美元，促使当地人公投脱离丹麦加入美国。因为格陵兰岛大概有5.6万人，所以美国的预算不到60亿美元。 中策，COFA模式，先拱火岛民公投独立，脱离丹麦，美国再和他们签COFA协议。名义上格陵兰岛还是独立国家，美国为其提供各项援助和政策优惠，格陵兰岛把军事和国防整体外包给美国。太平洋上的帕劳和马绍尔群岛就和美国签了COFA协议。 下策，直接派军队登岛。 话说我这几天搜了丹麦和美国的历史，发现这两个国家历史上有过领土交易。1917年美国花2500万美元从丹麦那里买下了西印度群岛，就是现在多米尼加边上那几个岛。丹麦当时属于让利割肉，所以在交易上附加了一个条款，要求美国承认格陵兰岛属于丹麦，美国当时同意了。 哈哈哈，真是念念不忘，必有回响，兜兜转转又惦记上了。 哦对了，这个丹属西印度群岛，后来改名为美属维京群岛。经常看NBA的人多半对这个地名有印象，蒂姆邓肯就是当地人。 …… 伊朗那边的局势也更新一下。 1月9日最新情况伊朗全国断网了，目的是防止抗议者利用互联网组织串联，另外也是防止街头对抗视频传播到国外。目前抗议活动已经蔓延到31个省，数十人死亡，数千人被逮捕。多个国家取消了飞往伊朗的航线。 美国和以色列已经进入战备状态，并多次发出警告，只要伊朗政府对示威人群进行武力镇压，他们立刻就会军事介入。 目前链上赌场开出赔率，以色列在1月31日前发动攻击的概率是33%，哈梅内伊在1月31日前下台的概率是19%，在6月30日前下台的概率是43%。 …… 前几天财新写了一篇关于柬埔寨那个被押回来的陈志的报道，1.8万字呢，我分享一下我印象比较深刻的部分。 陈志教育程度很低，9年义务教育都没读满，初二就辍学了，在网吧当管理员。在此期间他接触了《传奇》私服产业，我得给没玩过游戏的人介绍一下什么是私服。当时《传奇》很火，游戏代码泄漏了，这就导致民间很多人自己假设盗版服务器，吸引用户来玩。 用户在私服里充的钱都被私人运营方赚走了，这其实是侵权违法的，但当年互联网草莽年代，监管能力弱，版权方根本投诉不过来。 陈志一开始运营私服，后来加入了一个网络黑客组织，这个组织专门用ddos攻击的形式威胁和敲诈其他私服，不交保护费就搞你，让你的私服无法运营。因为私服本身是灰色产业，被敲诈的往往选择交钱妥协，宁愿被黑吃黑也不会报警。 陈志跟着这帮人混挣到了人生第一桶金，将近100万。后来这个黑客组织被公安抓捕捣毁，陈志提前退出跑路到了柬埔寨，开始了在那里的黑产创业，短短十年功夫就搞到了上千亿身家。 能看出陈志很有搞钱的天赋，一个初中生在柬埔寨这种穷山恶水圈地为王，富甲一方，要说能力是很强的，但他走错了路。下辈子做个好人吧。 今晚就随便闲聊，周末愉快～

老黄站在 CES 2026 的舞台上，身后的屏幕突然黑了。“所有系统都挂了，”他笑着说，“这在圣克拉拉从来不会发生。是因为拉斯维加斯吗？外面是不是有人中了头奖？” 这个小插曲倒是个不错的隐喻：2025 年的 AI 行业，就像一台马力全开但偶尔冒烟的机器。所有人都在全速狂奔，所有系统都在满负荷运转。 老黄在 CES 上说，每隔十来年，计算行业就要来一次大洗牌。从大型机到 PC，从 PC 到互联网，从互联网到云，从云到移动端。 这一次不太一样，地震是双重的。不仅应用要建在 AI 之上，连我们写软件的方式本身都变了。 “我们不再编程软件，我们训练软件。不再跑在 CPU 上，而是 GPU 上。”过去的应用是预编译好的，装在你设备上就那样了。现在呢？应用理解你的上下文，每次从零开始，实时生成每个像素、每个 token。 这意味着过去十年砸下去的十万亿美元计算基础设施，都要升级换代。老黄算了一笔账：全球百万亿美元产值的产业，研发预算正在从传统方法向 AI 方法迁移。风投每年两千亿美元涌入这个领域。这就是为什么大家都这么忙。 【1】2025，大模型的三个拐点 老黄回顾了 2025 年 AI 领域的几个关键进展。 第一个是推理模型的出现。2024 年底 OpenAI 发布 o1，第一次让 AI 学会了“思考”。以前的模型是一口气给你答案，对就对，错就错。现在的推理模型会停下来想一想，把问题拆开，一步步推演。想得越久，答案往往越靠谱。老黄管这叫“test-time scaling”，也就是用更多的推理时间换更高的回答质量。 第二个是 Agentic 系统的爆发。AI 不再只是回答问题，而是开始“做事”了。它会自己规划步骤，调用工具，查资料，写代码，甚至操控其他 AI。2025 年，这类系统从实验室走向了真实应用。 第三个是开源模型的崛起。DeepSeek R1 的发布像一颗炸弹，证明了开源模型也能达到前沿水平。虽然还落后闭源模型大约六个月，但下载量已经爆炸式增长。创业公司、研究者、学生、甚至各国政府，都开始用开源模型构建自己的 AI 能力。 这三个突破并非孤立存在。推理能力让 Agent 更聪明，开源模型让 Agent 更容易构建。它们相互催化，共同把 AI 推向了一个新阶段。 【2】Agentic AI：从“能聊天”到“能干活” 三个突破里，Agentic AI 可能是离普通人最近、又最容易被误解的一个。 先说一个直观的例子。老黄提到，英伟达内部现在大量使用 Cursor 编程工具。这不是普通的代码补全，而是一个真正的 AI Agent，你告诉它想实现什么功能，它会自己规划怎么写，查阅文档，生成代码，测试，修 bug，甚至重构。程序员的角色从“写代码的人”变成了“审代码的人”。 这就是 Agentic AI 的本质：AI 从被动回答问题，变成主动完成任务。 ChatGPT 刚出来的时候，最大的槽点是“幻觉”，它会一本正经地胡说八道。因为它只能依赖训练时学到的知识，没法获取新信息，但它又被要求有问必答，所以不得不胡编乱造。你问它今天的天气，它只能编一个。 Agentic 系统解决这个问题的方式很简单：让 AI 学会“查资料”自己补充上下文。遇到不确定的问题，它会先判断“我需不需要去查一下”，然后真的去搜索、去阅读、去核实。这个判断本身就需要推理能力，所以第一个突破（推理模型）是第二个突破（Agentic 系统）的基础。 但 Agentic AI 的能力远不止于此。 【3】Agent 的四种超能力 老黄在演讲中描绘了一个完整的 Agent 能力图谱。我把它总结为四种超能力： 第一，会推理。遇到从没见过的问题，Agent 不会直接说“我不会”。它会把陌生问题拆解成一堆熟悉的小问题，然后逐个击破。就像一个聪明的实习生，虽然没做过这个项目，但能把它分解成自己会的步骤。 第二，会用工具。Agent 可以调用搜索引擎、计算器、代码解释器、数据库，甚至其他 AI 模型。它知道什么时候该用什么工具，就像一个老练的工匠，手边有一整套工具，可以随手选最趁手的那个。 第三，会规划。面对复杂任务，Agent 会先想好怎么做，制定计划，预判可能的结果，然后一步步执行。不是闷头往前冲，而是“三思而后行”。 第四，会协作。这是老黄特别强调的一点：现代 Agent 系统往往是多个模型并存的。一个 Agent 可能同时调用好几个 AI：用专门的模型处理图片，用另一个模型写代码，用第三个模型做总结。就像一个项目经理，知道每个专家擅长什么，然后把任务分配给最合适的人。 他特别提到 Perplexity 的做法让他眼前一亮：“第一次看到他们同时用多个模型，我觉得这太天才了。”道理很简单：一个 AI 当然应该在推理链的任何环节调用最适合那个任务的模型。 所以未来的 AI 应用是什么样的？多模态（理解语音、图像、文字、视频、3D）、多模型（不同任务用不同模型）、多云（模型分布在各个云上）、混合云（有些在边缘、有些在企业、有些在云端）。 【4】一个 Agent 是怎么工作的？ NVIDIA 为此搞了一套叫“Blueprint”的框架。演讲中展示了一个演示：一个小哥用 DGX Spark 搭了个个人助手，能管邮件、日历、待办事项，还能控制一个小机器人。隐私敏感的邮件任务用本地模型，其他用 frontier 模型，中间用一个意图路由器自动分配。 听起来像科幻片，但搭建过程出奇简单。 首先，接入一个前沿大模型的 API 作为“大脑”。然后，为每个功能创建一个“工具”：邮件工具、日历工具、摄像头工具。接着，因为邮件涉及隐私，开发者加了一个本地运行的开源模型专门处理邮件，数据不出本机。最后，加一个“智能路由器”，根据用户的意图自动决定用哪个模型处理。 结果呢？用户说“帮我给 Jensen 发个邮件，告诉他脚本今天能交”，Agent 就自己完成了。用户说“把这张草图变成建筑渲染图，再做个视频带我看看房间”，Agent 也搞定了。甚至当用户的朋友远程接入，问“我的猫 Potato 在干嘛”，Agent 能看摄像头、认出猫、发现它在沙发上、还记得朋友不喜欢猫上沙发、然后通过机器人喊话让猫下去。 老黄说，这一切在两年前是“完全不可想象的”。而现在，“这已经变得微不足道了”。 Agentic AI 的概念其实不新。早在 2023 年，AutoGPT 就火过一阵，号称能让 GPT 自己给自己下指令、自动完成任务。但那时候的 Agent 更像是玩具，经常跑偏、容易卡死、实用性有限。 2025 年的爆发，靠的是几个条件同时成熟： 1. 推理能力的突破。没有可靠的推理，Agent 就像一个冲动的实习生，一拍脑袋就开干，经常把事情搞砸。有了推理，Agent 才能“想清楚再做”。 2. 工具生态的完善。各种 API、各种开源模型、各种开发框架，让 Agent 能调用的“武器库”越来越丰富。 3. 多模型架构的成熟。以前大家想的是“训练一个无所不能的大模型”。现在的思路是“让一个聪明的模型学会调用专业的模型”。这大大降低了构建复杂 Agent 的门槛。 4. 开源社区的推动。老黄反复强调，开源模型让“每个公司、每个行业、每个国家”都能参与 AI 革命。你不用自己训练前沿模型，拿开源的来用就行。 【5】Agent 会取代软件吗？ 包括我在内很多人都思考一个问题：未来 Agent 会取代软件吗？交互形式是什么样的？ 老黄在演讲中给出的答案是：Agent 不只是一种新应用，而是未来软件的新形态。 他说，以后你跟 Palantir、ServiceNow、Snowflake 这些企业软件打交道，界面可能不再是一堆表格和按钮。你直接跟一个 Agent 对话，告诉它你想干什么，它就帮你搞定。“就像跟人打交道一样简单。” 传统软件的交互方式：填表单、点按钮、写 SQL，本质上是在“迁就机器”。你得学会机器的语言才能让它干活。而 Agent 的交互方式是“机器迁就你”。你用自然语言说需求，Agent 自己翻译成机器能懂的操作。 当然，这不会一夜之间发生。企业软件涉及太多复杂的权限、流程、合规要求，不是换个界面就能解决的。但方向已经很清楚了。 【6】写在最后 老黄这场演讲其实还讲了物理 AI、自动驾驶、机器人、下一代芯片 Vera Rubin，我对那些关注不多就不总结了。但如果只看 AI 大模型这块，核心信息其实就一个： > AI 正在从“一个聪明的对话伙伴”变成“一个能调动资源、完成任务的系统”。推理模型给了它思考能力，Agentic 架构给了它手脚和工具箱，开放模型让所有人都能参与这场游戏。 我个人比较关注老黄在演讲中提到的 Agentic 系统将成为所有软件平台的新界面。以前你和软件交互，要点菜单、填表格、写命令行。以后你和软件交互，就像和一个懂行的同事说话。你说想干什么，它帮你干。未来的企业软件，入口可能就是一个对话框。 对于开发者来说，这是一个窗口期。开源模型已经足够强，Agentic 框架已经成熟，基础设施已经就位。剩下的就是应用层的创新。 老黄在谈到开放模型时问了一个问题：数字形式的智能，怎么可能把任何人落下？ Agentic AI 的爆发，不是每个人都能训练出最强的模型，但每个人都可以学会编排这些模型，让它们为自己干活。 这可能是最重要的变化。AI 不再只是科技巨头的游戏，它正在变成每个人都能用的工具。