与「AI时代声音或是最大隐私威胁」相关的搜索结果

【 #科学家建议别与AI语音聊天# #，# #AI时代声音或是最大隐私威胁# #】你能从一个人的话语里听出来什么？教育水平？情绪状态？财务状态？现在，芬兰阿尔托大学的科学家警告，与AI语音聊天时，AI能从你声音里听到的远比你想象得多。# 随着语音处理和识别技术的发展，AI能从一个人的语音、语调、选词等特点判断出他的政治立场、健康状况、财务、职业等各种信息，成为个人最大隐私威胁。利用这些大量隐私信息，AI可对每个人的特点进行画像，被用于个性化商品或信息推荐、哄抬物价、性骚扰、跟踪、勒索等，且这些恶意行为是在人不知不觉中进行的。当今，我们的声音无处不在，尤其是与AI聊天机器人、AI客服聊天时，你说的每一句话可能都会被AI恶意利用，尤其是当客服告知你的通话可能会被录音时，更要警惕。 如何保护我们的声音？科学家称，首先要清楚自己想说的内容，这是毫无疑问的，其次是将相关语音转换为文本，让其无法被录音，无法知道语气、声调等，从而降低风险。#冷知识百科# #上涨知识# #

「晚点招聘丨招 AI 作者、驻硅谷科技作者」 晚点是谁？ 一家还在努力通过一手采访，报道重要问题的公司。成立于 2019 年，生日是 4 月 1 号。过去 7 年，我们记录了中国最重要的公司、人物与商业事件，但我们知道，这仅仅是开始。 晚点想成为什么？ 中国最好的商业媒体，也是关于这一轮技术革命最值得读的中文媒体之一。 不仅关注科技与 AI，也是充满善意的，关心人类与社会演进的媒体。我们想给用户提供怎样的内容？那种让读者在关掉无数窗口后，依然愿意停下来，想一想 “哦，事情原来是这样的” 的内容。 我们希望可以提供可靠的信息、知识与判断，帮助人们理解世界的复杂与变化；努力提出一些真问题，也让一些被忽视的声音被更多人听到。 以及，让当代中国和硅谷最好的科技人物访谈都发生在这儿。 晚点的价值主张是什么？ 专业；相信文字依然能承载人类的好奇心和理性。 我们想招募怎样的同事？ 这里没有公式化的报道，有新闻工作经验很好，但不是必需。我们希望招募对商业、科技、社会变迁有深刻理解的写作者；擅长讲述故事、擅长访谈，或是对数字和数据敏感，能拆解复杂的系统。 1. AI 报道作者 工作地点： 北京/上海/深圳 我们最看重的是： 你是不是真的对 AI 这件事有持续的好奇心，而不仅是把它当作一个热门赛道 Critical Thinking，可以分清事实和观点，能在 hype 与真实进展之间保持冷静 谦逊好学，能平等对待所有被访者——从研究员、创业者到一线工程师 加分项：理解大模型、Agent、芯片、Infra 中至少一个领域的技术脉络；有自己长期跟踪的人和公司。 2. 驻硅谷科技作者 工作地点： 旧金山湾区（常驻） 这是一个新的、也是我们认为越来越重要的位置。这一轮 AI 革命的核心节点很多在湾区——从 OpenAI、Anthropic、Google、Meta 到一批新生代 AI 公司，从 Sand Hill Road 到南湾的实验室。我们希望有一个人在那儿，真正进入那个圈子。 我们最看重的是： - 你足够了解 AI 和大模型圈子——知道谁在做什么、谁的判断值得听、谁在讲故事；不是把这一波只当成新闻热点来追，而是能看懂里面的人和事 - 英文能够进行深度访谈和写作，能在咖啡馆和研究员聊一小时还能挖出东西，也能读懂技术论文与财报 - 愿意长期在湾区工作和生活，已经在那边更好，但不强求 - Critical Thinking，对硅谷叙事保持距离感，不被 founder narrative 牵着走 - 能在中美两套语境之间自如切换，知道中文读者真正关心什么 我们不要求你已经做过作者，也不要求你有发表过的报道作品。我们更看重你对这个圈子的理解和判断力——你可以来自 VC、产品、工程、研究、产业分析等任何背景，只要你有足够的好奇心和讲述能力。 我们能提供的： - 一个相对独立的工作位置，不用做日更快讯，目标是月度的深度报道和重磅访谈 - 国内编辑部的协作支持，包括选题讨论、资料调研、产业链中国侧的信息补全 匹配湾区生活的薪资水平 关于工作方式： - 我们不太会说 “挺好的，就这样吧”。但我们也不会逼你一周写五篇稿子。相反，我们的要求是一个月一篇长报道——你有足够的时间去调查、去思考、去修改。编辑部的出发点是帮助每一个人把报道写得尽可能好。 我们可以提供什么： - 行业最有竞争力的薪资 - 绝佳的访谈资源，帮你一起约到这个时代最优秀、最有潜力或是最有争议的商业人物 - 一群可爱的风格各异的同事 “新闻是历史的草稿”。但我们还认为，记录不仅是为了防止遗忘，更是为了观察思维的演化过程。 世界不缺信息、不缺新闻，缺晚一点、好一点。 欢迎联系 latepost@latepost.com 并加入我们。

也是时候调整自己了，生活还是要向前看，让时间消化一切吧☀️ 今天偶然间在 pyq 看见这张图，提供了一个跟目前的主流声音截然不同，却更能精准对标现在 AI 周期所处的位置，有点启发 确实越想越觉得，AI 产业里很多我们原本「看不懂」的东西，一旦套到房地产的商业模式上，反而会变得异常清晰 🟨融资工具的进化，是 AI 周期能否持续的关键 房地产行业之所以能延续二十年长周期，本质上并不是因为开发商们自己多有钱，而是因为围绕着房地产，长出了一整套多层次、多期限、低成本的融资体系 ➡️通过银行贷款支持拿地 ➡️通过开发贷支持建设 ➡️信托和地产基金参与股权投资 ➡️商业地产可以做 REITs 退出 ➡️最后，甚至连购房按揭都可以变成一个长达三十年的金融工具 如果没有这整套的融资体系，再厉害的开发商也撑不过一轮周期 而现在的 AI 产业，最缺的就是这套体系 今天的大科技公司，本质上都是在用自己的信用、自己的现金流、自己的股票做融资担保 谷歌、Meta、亚马逊、微软这些巨头，即便账上现金再多，也不可能实现无限扩张 他们迟早需要把手里那几千亿美元的 AI 基础设施，打包成可以被外部资金持有的资产 这条路其实已经开始出现苗头了 CoreWeave、Lambda、Nebius 这些独立算力供应商的兴起，本质上就是「专业开发商」在崛起 他们用私募基金的钱建设数据中心，签长期租约给大模型公司，再把这些数据中心打包融资 相信未来几年里，我们将一定会看到： AI 数据中心 REITs、AI 算力基金、GPU 租赁资产证券化、算力收益权凭证这些金融工具的陆续出现 甚至，主权基金、养老金、保险资金这些长期资本，也会慢慢成为 AI 基建最重要的资金来源，就像当年的保险公司就是地产行业最大的长期资金一样 可以预见，谁能先把 AI 资产的证券化、标准化、可交易化这条路打通，谁就掌握了下一个十年的金融话语权 这也是为什么英伟达已经开始自己下场做投资、做生态、做长期客户绑定 GPU 厂商正在变成「卖地+放贷+做物业」的三合一角色 🟨AI 时代的「土地」，是电力、是冷却、是不动产 曾经，房地产开发商最关心的是什么来着？ 不是房价，是地段 而地段的核心是什么？是稀缺资源 AI 时代的稀缺资源并不是硅片 真正的稀缺资源是电力、冷却水源、网络枢纽位置、政府的审批牌照，是当地电网的承载能力 GPU 可以每年迭代，而变电站的审批和建设周期是 5-7 年，核电就更狠了，一座新核电站从规划到投产要 10-15 年 将来谁手里有电力指标，谁就是手里有未出让土地的开发商 马斯克把 xAI 的最大数据中心放在孟菲斯，是因为那里有田纳西河流域管理局提供的廉价电力 亚马逊 AWS 在弗吉尼亚北部的疯狂扩张，是因为那里既有便宜的水电，又有美国东海岸最大的人口聚集区 微软重启三里岛核电站，是因为这将提供稳定、低碳、24 小时运转的基载电力，而这，才是数据中心最稀缺的「土地」 未来十年里，AI 产业的「拿地」大战，本质上是一场关于电力、冷却资源、网络时延的战争 甚至，连地理位置都会分层： 一线数据中心会建在能源富集区 二线数据中心会建在用户密集区 边缘计算节点嵌入到每一座城市 这种分层结构，是不是有熟悉的感觉了，几乎和城市核心区、郊区、卫星城的房地产分层逻辑一模一样 🟨周期是逃不掉的，房地产的教训 AI 行业必须早学 房地产行业最伟大的智慧 —— 是周期 涨多了会跌，跌多了会救，救完又会涨，涨完又会跌 二十年来，央行、政府、开发商、购房者都在与这个周期共舞 如今的 AI 产业也不能例外 现在很多人以为 AI 是没有周期的，会一直涨下去，这是一个非常危险的错觉 GPU 会换代，大模型会过时，数据中心会折旧，客户会流失，利率会上升，资本开支会放缓 当全球大科技公司的资本开支增速开始见顶的那一天，AI 产业链的上游会最先感受到寒意 就像房地产周期里，工程机械、水泥、玻璃这些上游周期股，永远是周期最敏感的方向 未来几年里，AI 产业链里最大的风险不是模型的能力不够强，而会是产能的过剩 当所有大科技公司都建好了足够多的数据中心 当所有大模型公司都签了足够多的算力合约 当英伟达一年能卖出几千万颗 GPU 需求端只要稍微放缓一个季度，整个产业链就会进入库存调整期 这个时候，能活下来的公司只会有两类： 一类是成本最低的全产业链龙头 一类是绑定了长期需求的服务商 这就是为什么众多云计算厂商（AWS、Azure、GCP）一旦建成，就是他们自身最强的护城河 就像真正穿越房地产周期的，不是开发商，而是那些采取收租模式的物业公司 🟨折旧与「拆迁」，是这个 AI 时代最被低估的风险 房地产行业有着一个很重要的特征：房子很难过时 一栋楼一旦盖好，可以用 50 年、70 年，即使户型过时了，只要地段还在，主结构还在，折旧相对都是可控的 但反观 AI 基础设施的折旧速度，会比房地产快上几十倍 H100 还没大规模铺开的时候，H200 就来了，Blackwell 还没交付多久，Rubin 又在路上了 每一代 GPU 的性能提升，都是对上一代资产的「功能性报废」 这就相当于在地产周期里，房子盖好两年就要被强制拆迁 这种「技术性折旧」才是 AI 时代最大的资本风险，投出去的成本还没收回来就不能用了 英伟达之所以能一直维持这么高的估值，本质上不是因为它卖了多少 GPU 给众多 AI 公司，而是因为通过 CUDA 生态，能把所有客户都锁死在它的折旧节奏上 客户用得越深，迁移成本就越高，英伟达的护城河也就越深 这就是为什么英伟达毛利率可以维持在 75% 以上，本质上，这已经不是一家卖产品的芯片公司了，而是一家「AI 时代的房地产收租公司」 同理，AMD、博通、Marvell 这些公司如果想挑战英伟达，核心也不是堆算力，而是要建立自己的生态 没有生态的算力，就相当于过去空置的写字楼 🟨需求侧：AI 不是为了「住人」，是为了「生产」 「房地产满足的是居住需求，AI 满足的是生产力需求」 这是 AI 和地产最大的区别，同样也是 AI 最大的希望 居住需求是有上限的，毕竟一个人只能住一套房子，而生产力的需求没有上限，只要有真实的效率提升，一个企业可以无限叠加 AI 能力 如果 AI 能持续提升企业的利润率，提升整个社会的产出效率，那么这场算力建设周期的天花板，就会比房地产高得多 这也是为什么我虽然对短期 AI 资本开支的泡沫保持着高度警惕，但对 AI 产业的中长期需求充满信心 关键变量是 —— AI 创造的价值，能不能持续大于 AI 消耗的算力成本 如果答案是肯定的，那么这场建设周期还可以持续 20 年，甚至 30 年 如果答案是 no，那么今天所有的数据中心、所有的 GPU、所有的资本开支，都会变成明天的折旧负担 应用层跟得上，就是又一个黄金十年，应用层跟不上，就是下一个日本 90 年代拉开序幕 这个问题的答案，就不是任何一家公司能单独回答的了，它需要整个产业去回答 🟨回到投资：谁是这个时代的「卖铲子的人」？ 如果整个 AI 周期是真实存在的 如果「卖铲子」的逻辑是持续成立的 如果应用层真的是会爆发的 那么未来十年，最值得长期持有的标的，就不一定是模型公司和云厂商了 而是那些在产业链中游、无法被绕开的「材料和工具」供应商 GPU 厂商们是显而易见的，但真正被低估的，会是那些不起眼的基础设施供应商： 电力设备公司、冷却系统公司、光模块公司、高速互联公司、机柜结构件公司、电源管理公司 这些公司会像房地产周期里卖水泥、卖钢筋、卖防水材料的公司 他们的题材不性感，上不了台面儿，不会轻易被媒体讨论 但他们的现金流稳定，毛利率可控，订单可见性极强 每一次新的数据中心开工，他们都会是最先拿到订单的 每一次数据中心的交付，他们都是最先收到回款的 他们才是这个 AI 时代的「隐形收租人」 如同上个房地产周期里一样 🟨最后 —— 一个或许不一样的结尾 相比一个互联网行业故事的重复，这次的 AI 或许是更贴近地产行业的故事 如果用互联网的思维去理解 AI，会持续高估软件、低估基建 而用房地产的思维理解 AI，相信至少在未来 3-5 年的时间维度下，会更接近真相 但也要指出，不同的是，AI 的需求侧可能会是下一场工业革命级别的叙事 这就意味着，AI 产业既会有房地产式的周期波动，同时也会有工业革命式的长期红利 作为聪明的投资者，我们应该做的是： 在房地产式的周期里，找到工业革命式的长期赢家 周期是逃不掉的，但长期趋势，更是挡不住的 我们这代人，正在见证的，可能就是人类有史以来最大的一次算力建设周期，也是最大的一次生产工具革命 潮水最终会退去 但这次 潮水退去之后留下的 会是一个完全不同的世界吧 #AI#

一个10岁的中国小男孩在Bilibili上传了一段4分钟的视频，平静地讲述着AI时代里，人类最后的护城河是“信任” 他穿着North Face外套，坐在书桌前，身后是一整面显示器墙。 说话的语气冷静得像个成年媒体评论员。 他讲得很有道理：AI很快就能每分钟生成上千条模仿任何创作者的声音和风格的视频，唯一无法被复制的，只有那句“我信任这个人”。 视频发出去的第二天，一位清华大学AI伦理研究员转发了这条视频，只写了一句话： 1:15秒，暂停看这里。 大家这才发现，在他MacBook屏幕右边的浏览器标签里，打开的根本不是讲稿或笔记，而是一个实时交易钱包 gabagool22 盈利：+$868,862 交易次数：28,620笔 全部是BTC 15分钟市场，全部绿色 单笔最大盈利：$4,696 他用了4分钟告诉大家，人类的最后护城河是信任。 而他MacBook上的钱包，每15分钟就能赚到他整个视频收益好几倍的钱。 评论区瞬间炸锅。 有人把视频慢放到0.25倍，有人逐帧截图，有人把屏幕反射和URL栏拼起来，完整还原了他的钱包页面。 后来大家才知道： 这面显示器墙根本不是用来剪视频的，而是常年显示BTC 15分钟盘口的战场。 这个小男孩从8岁开始，就看着每一根15分钟K线收盘变绿长大。 他父亲两年前就用他的名义注册了这个钱包，给他买了相机、显示器和North Face外套。 他穿的每一件外套，都是“第一笔大盈利”后的奖励。 他不是一个10岁小孩在讲信任。 他是一个10岁小孩，已经站在一台用信任包装、实际却在疯狂印钞的AI代理前面。 他告诉互联网：AI取代不了有信任的创作者。 而他的钱包，其实早在两年前他第一次站到镜头前，就已经把他“取代”了。 视频目前播放量已经超过340万。 曝光钱包的剪辑又多了200万。 无数中国家长还在转发这条视频，教育自己的孩子要培养“人类特有的信任感”。 而那面显示器墙后面的机器人，依然在每15分钟稳定地收割着市场。 小男孩，依然穿着那件North Face外套。 真正的讽刺，从来不是AI有多强， 而是有些人，早就把AI变成了自己看不见的影子。

Notion 创始人这期分享确实很精彩。 大家千万别错过 Notion CEO Ivan Zhao 在红杉聊的这期播客，观点特别有见地。 甚至我觉得，这是近半年来所有创业者都应该认真精读的一期内容。 相当解惑。Ivan 把 AI 时代里一个组织正在发生的变化，用一种特别形象的方式串了起来。 1、Ivan 提到一个非常有意思的概念，叫 Jazz Mode。传统公司像 marching band（行进乐队），队形整齐，节奏固定，指挥说什么大家做什么。 Notion 想做的是 jazz band，有基本结构，但更强调即兴、互相接住、每个人都能主动发挥。 Ivan 觉得 AI 时代变化太快，太像 marching band 的组织会跟不上，所以 Notion 这几年在刻意招那种高主动性、高好奇心、能自己找路的人。 2、公司并不存在完美的扁平结构，人和人之间的层级关系始终存在，在这一点上他选择承认现实。 真正能设计的是一起工作的方式，把公司组织得更像一支可以即兴合奏的爵士乐队，而不是一支只会整齐队列表演的军乐队。 3、但爵士模式的前提是主旋律要清楚，相当于愿景、产品方向和少数几条铁律，类似底层和声结构。 团队在这个主旋律之上拥有较大的即兴空间，可以根据用户反馈和技术变化自己处理段落，而不是在每一个决策点都往上递审批。 4、Notion 现在大约有六十个曾经做过创始人的员工，这是他刻意营造的人才结构。 他更愿意招对 0 到 1 负过全责的人，这类人习惯自己发现问题、搭框架、推进落地，也更愿意在模糊地带主动出手。 公司需要的是能自己写歌、也能听懂别人演奏的人，而不是只会照谱子执行任务的演奏员。 5、在工程组织上，他把 Notion 重构成一个杠铃结构。 一端是非常 junior 的工程师，刚毕业或者职业早期；另一端是少数非常 senior 的架构师和技术带头人。 中间那类常规中高级工程师反而被刻意压缩，整个分布像一根两头重、中间瘦的杠铃。 6、杠铃结构背后的逻辑很简单。年轻工程师可塑性强，不会被旧时代的大规模工程实践和工具链束缚思路，在大模型快速变化的环境里能更容易接受全新的开发范式。 资深架构师负责定义系统级的分工和抽象，比如哪些部分交给模型，哪些部分坚持规则，如何组织数据和服务，确保整个产品作为一个系统是连贯的，而不是东一块西一块的功能拼盘。 7、当一个工程团队里大多数人都停在经验不浅、但也谈不上顶尖的这个档位时，整个组织很容易陷入一种温水状态：事情都有人做，但缺少敢颠覆旧方案的人，也少了愿意疯狂尝试新东西的人。 年轻人缺少全局视角，只能局部优化，老一辈如果人数太少，声音又容易被流程淹没，这种结构在 AI 时代会变得非常迟钝。 8、他用一个很有画面感的比喻来解释大模型产品开发。传统软件工程更像修桥，强调确定性的结构分析和数学推演，只要按照规范搭建，结果会高度可预测。 基于大语言模型做产品更接近酿啤酒，需要在原有配方和工艺上不断试验，调整温度、时间和原料比例，最后的标准来自人的口感而不是单一技术指标，用户体验是第一参照系。 9、他把 Notion 的 AI 能力视作对产品的再创作，而不是简单给旧界面贴一个智能按钮。 在拿到 GPT4 的早期访问时，他的直觉是，工具本身的工作方式需要重想，如果从公司一开始就可以假设存在这样的模型，那么 Notion 的交互结构、功能边界和价值主张应该是完全不一样的一套设计，这需要以重启思维来对待，而不是做一个插件。 10、他的职业生涯里出现过两次真正意义上的重启。 第一次发生在公司最困难的时候，团队被压缩到只剩几个核心成员，几个人躲在京都的小公寓里，用近乎白纸的心态重新问自己。 Notion 还要不要继续存在，如果要继续，哪些东西必须放弃，哪些能力哪怕再难也要保留。这一轮更偏向拿掉包袱、守住本质。 11、第二次重启发生在他拿到 GPT4 早期权限之后。 当模型能力跃迁时，他意识到自己这家公司可能会失去原本的位置，也可能借此进化成下一代生产力工具，关键在于有没有勇气承认旧的产品假设正在过期。 这一次的重启更偏向向前跳，是把 Notion 推向 AI 原生路线的转折点，从「文档+数据库」升级成「有理解能力的工作空间」的起点。 12、关于什么时候该重启，他给的判断标准非常实际。 并不是等到财务报表撑不住，更多是看组织与时代之间的错位：技术和市场环境已经明显往前走了，内部流程、产品形态和人才结构还停在旧逻辑里。 同时创始人对当下这家公司明显提不起兴趣，每天更像在维护一台运转正常但没有灵魂的机器，这种状态持续存在，基本就到了需要重启的阶段。 13、他谈创始人角色时，把重心放在创始人能量上。 创始人在公司里最关键的价值不只是最后拍板，更是持续发射出一套稳定的频率，这套频率包括对产品审美的标准，对什么算好体验的直觉，对哪些细节不能妥协的执念，以及面对不确定性时愿不愿意亲自下场试。 只要这股能量还在线，团队就知道自己在跟随一位有风格的乐手，不是在为一个抽象的 KPI 系统打工。 14、在人才选拔上，他逐步弱化简历本身的重要性。 Notion 的第一轮面试已经不再以简历为核心材料，更关注候选人在开放问题前的思考方式，对产品的直觉，对工具和工作方式的理解。 名校和大厂的履历在他眼里容易变成噪音，他更在意一个人能不能提出自己的看法，能不能在真实的情境下把事情推进，而不仅是在纸面上合格。 15、在销售文化上，他没有把销售放在产品的对立面。 他希望 Notion 的销售像懂音乐的乐手，先听清楚客户现在那首歌的节奏，再思考 Notion 这件乐器应该在什么位置加入，是主旋律，是伴奏，还是间奏，而不是一上来就把音量拉到最大只追逐签约数字。 真正重要的是建立长期合作关系，帮助对方把 Notion 用深、用广，而不是满足一次性收入目标。 16、他反复把组织、产品和 AI 放在同一个坐标系里思考。 组织设计要适配新的技术范式，人才结构要为试错和即兴留出空间，产品要在模型能力和用户体验之间找到新的平衡点，销售和商业化则负责把这套东西带到更大的市场里。 整套思路的底层前提很简单：这家公司永远是一支在不断改编曲目的爵士乐队，而不是一台固定工序的流水线。

2025 年 12 月 31 日晚上 8 点半，现场 4400 名观众与线上几百万人同时看罗振宇在三亚讲了四个小时。 演讲结束，评论区出现了两种截然不同的声音。一部分人说“太燃了”“找到方向了”“明年要行动起来”，另一部分人说“四小时广告”“焦虑贩卖”“割韭菜年度总结”。 有意思的是，这两拨人看的是同一场演讲，听到的却像是完全不同的内容。 这不是简单的“懂不懂”问题，也不是“聪明不聪明”的区别。这背后藏着一种特殊的信息结构，LessWrong 社区的一位作者 KAP 给这种现象起了个名字：施特劳斯式模因（Straussian Meme）(链接： )。 这个概念来自政治哲学家列奥·施特劳斯的阅读理论——施特劳斯认为，历史上很多伟大的思想家写作时会故意设置多层含义，聪明的读者能读出言外之意，普通读者只看到表面。 把这个思路用到模因传播上，就有了一个相当锋利的分析工具。理解这个概念，能帮你看穿很多“听起来对，但细想很模糊”的信息。 【1】三层结构：高贵的谎言 施特劳斯式模因有三个关键特征。 第一，同一信息存在“高阶解读”和“低阶解读”，两者相关但不相同。低阶解读通常更简单、更正面、更容易接受；高阶解读往往更复杂、更世故，有时甚至与低阶解读方向相反。 第二，能读出高阶含义的人，完全理解低阶含义，但他们把低阶解读视为“有用的简化”或“必要的安慰”。他们不会主动去纠正，因为觉得那样做要么没意义，要么有害。 第三，也是最关键的：这种分层结构是自稳定的。低阶解读者被某些社会心理力量阻止去理解高阶含义（比如身份认同威胁、禁忌、羞耻），高阶解读者则被另一些力量阻止去澄清（比如社会成本、群体利益）。两边都不会主动打破这个结构，于是它就稳稳地立在那里。 罗振宇的跨年演讲，是理解这种结构的绝佳样本。 【2】表层：一场关于 AI 时代的人生指南 对于大多数观众来说，这场演讲传递了几个清晰的信息。 AI 来了，但不用慌。罗振宇反复强调，AI 不是来抢饭碗的，而是来“托举”人类的。它替代掉的是那些“不愿干、干不动、压根不该人干”的工作。矿车司机、养猪场体检员、超市店长的重复劳动——这些被替代是好事。 人人都有机会。他讲了一线员工比高层更会用 AI 的案例，讲了文科生也能编程的故事，讲了“手能塑造大脑”的理论。潜台词是：别觉得自己不行，应用场景人人可及。 独特性是护城河。“逃离一致性”、“发明一个全世界只有我最胜任的职业”——这些金句给人方向感。在一个被算法和标准化包围的世界里，独特性成了救命稻草。 最后是乐观主义的召唤。苏东坡被贬三次，每次都盖房子；我们面对 AI，也要做“不可救药的乐观派”。 这套叙事有极强的吸引力。它缓解焦虑（AI 不是威胁），赋予能动性（你可以掌控命运），提供确定性（这里有答案），制造归属感（我们是“时间的朋友”）。 如果你只看到这一层，你会觉得这是一场真诚的、有价值的、充满洞见的演讲。 【3】深层：一个精密的商业系统 对于熟悉知识付费商业逻辑、演讲修辞结构、以及信息产业运作方式的人来说，这场演讲呈现出另一层图景。 首先是商业变现的精密架构。几乎每一个“启发性观点”都指向一个商业出口：“一线员工用 AI 更强”指向飞书，“健康产业大爆发”指向蚂蚁阿福，“未来需要记录生活”指向 999 元的 AI 录音卡，“逃离一致性”指向《预测之书》。 这不是广告插播，而是广告融入叙事。问界 M9 不只是赞助商，而是“把我从办公室拽出来闯荡”的伙伴；泸州老窖不只是酒，而是“人与人之间连接的催化剂”。内容和广告的边界被有意模糊了。 其次是焦虑 - 解药的捆绑销售。演讲先制造焦虑：“将近 100 万律师、500 万医生、1000 万程序员、2000 万财务人员、3000 多万货车司机，都或多或少地感受到了 AI 替代的威胁。”然后立即提供付费解药——用飞书、买录音卡、读《预测之书》。这是一个完整的情绪操控周期：恐惧→希望→购买路径。 第三是“逃离一致性”的悖论。罗振宇号召大家“逃离一致性”，但方法是什么？读同一本《预测之书》、用同一个 AI 录音卡、参与同一个 21 天学习挑战、预约同一场除夕直播。他在销售一种“关于独特性的标准化产品”。真正的高阶解读是：只有制定规则的人才能逃离一致性，追随者只能在消费一致性中寻找虚幻的个性。 第四是“愿力”叙事的隐含逻辑。当“愿力”被定义为人类最后的优势时，一个隐含推论浮现了：如果你没有成功，是因为你的愿力不够强。这将结构性问题个人化，将系统性风险转化为个人责任。经济下行、就业困难、阶层固化——这些不再是需要解决的社会问题，而是需要用“愿力”去克服的个人挑战。 最后是那些被包装成“人类优势”的工作。罗振宇列举的“AI 时代人类竞争力”案例——整理心情的超市店长、做微缩景观的设计师、社区陪聊、搞氛围的音乐公司老板——在知情者眼中意味着什么？中产阶级的认知护城河已经崩塌了，剩下的是情绪劳动和人际服务。所谓“紫领”，本质上是技术系统下的高级服务员。 【4】为什么这种结构很稳定 施特劳斯式模因之所以难以被打破，是因为存在双向的屏障。 向上屏障，阻止低阶解读者接受高阶解读。 最强的屏障是身份认同。观众自我定位为“时间的朋友”、“想做事的人”、“终身学习者”。承认这场演讲本质上是商业行为，会动摇这个身份认同。这太痛苦了。 其次是沉没成本。很多人已经追随罗振宇多年，买了书、买了课、每年看跨年演讲。承认被“割韭菜”，等于承认过去的投入是愚蠢的。维护“上进者”的自我形象，要求他们接受这些商业植入是“真知灼见”。 还有认知负担。同时理解商业模式、修辞技巧、心理操控，需要相当的知识储备和批判性思维训练。门槛不低。 最后是仪式感的保护。跨年演讲已经成为一种文化仪式，质疑它会显得“扫兴”、“负能量”、“不合时宜”。 向下屏障，阻止高阶解读者去“点醒”低阶解读者。 最常见的是善意保护的心态。“也许这种鸡汤对某些人确实有用”、“给迷茫的人一点方向感也挺好”。 其次是徒劳感。粉丝已经形成稳定的认知框架，很难撼动。公开批评会被反击为“嫉妒”、“酸”、“不懂长期主义”。 还有利益纠葛。很多能看出这套逻辑的人，本身也在类似的生态中工作，或者希望成为下一个“卖铲人”。点破这个局对他们没有好处。 最后是相对主义的默许。“商业化又怎样？有价值就行。”这种态度让批评失去了道德正当性。 两边都不会主动打破这个结构。于是它年复一年地维持下去，甚至不断强化。 【5】它不是什么 为了让概念更精确，作者特意划了几条边界。 施特劳斯式模因不是“狗哨”。狗哨是圈内人的暗号，设计成圈外人听不懂。而施特劳斯式模因的各层含义原则上对所有人开放，只是不同人选择停留在不同层。狗哨是密码，施特劳斯式模因是分层的公开信息。 施特劳斯式模因也不仅仅是“战略模糊”。企业领导经常说些模棱两可的话，让不同人各取所需。但除非这种模糊有自稳定机制，否则它就只是普通的多义。一个产品介绍说得含糊，你大可以去查技术规格——没有社会力量阻止你。这不算施特劳斯式。 还有一点：高阶/低阶不是道德轴。高阶解读不等于更正确或更高尚。整个模因可能在道德上是有问题的，高阶解读者只是“更懂套路”，不是“更有良心”。 【6】怎么识别 作者给了一个三步检验法，可以帮你判断一个信息是不是施特劳斯式模因。 第一步，问不同背景的人这个内容是什么意思。如果你得到了不同但相关的回答，而且能按复杂程度排序成高阶和低阶，那就有了第一个信号。 对于罗振宇演讲，普通观众会说“关于 AI 时代如何自处的启发性演讲”，而熟悉商业逻辑的人会说“一个将焦虑货币化的精密商业系统”。两种回答相关但不同，可以排序。 第二步，把某个高阶解读告诉持有低阶解读的人。观察他们的反应：是困惑、不信、排斥，还是不愿意继续聊？ 试试告诉一个罗振宇粉丝“这四个小时本质上是广告”，看看反应。大概率是防御性的：“你太 cynical 了”、“他确实有干货”、“商业化不代表没价值”。 第三步，问持有高阶解读的人：你为什么不去公开指出这些？ 他们通常会提到社会成本（会被骂）、徒劳感（说了也没用）、或者某种默许（也许对某些人有用）。 如果三个信号都有，你很可能遇到了一个施特劳斯式模因。 更本质的信号是：当有人试图打破这种分层结构——比如公开写文章分析“罗振宇跨年演讲的商业逻辑”——会遭遇某种惩罚。可能是被粉丝围攻，可能是被标签为“负能量博主”，可能是在圈子里被边缘化。这种惩罚机制让大家都不愿意当那个捅破窗户纸的人。 【7】为什么现在要聊这个 AI 时代，生成内容的成本趋近于零。这意味着精密的多层信息结构会大规模涌现。 罗振宇的演讲还是人写的，你可以想象，当 AI 可以批量生成这类“表面启发、底层变现”的内容时，会发生什么。图像、短视频、长文章——所有载体都可以被塞进这种结构。 识别这种结构，不是为了变成一个愤世嫉俗的人，而是为了在信息洪流中保持清醒。你可以选择接受低阶解读——如果它确实给你带来了价值。但这应该是一个知情的选择，而不是因为看不到另一层。 下次当你听到一个说法，觉得“听起来对，但细想又很模糊”的时候，不妨问自己几个问题： - 这种模糊是故意的吗？ - 谁在从这种模糊中获益？ - 如果有人试图澄清，会发生什么？ - 我现在接收到的，是表层还是深层？ 能问出这些问题，就已经是某种免疫力了。 LessWrong 那篇文章的作者说得好：“给这个技巧命名，就是帮助我们对它免疫的一种方式。” 【8】可以用 AI 来识别吗？ 当然可以，这是一套提示词，下次遇到这类内容你可以试试看： ```` 你是一位专精于“施特劳斯式模因”(Straussian Memes)分析的文化解读专家。你的任务是从多层信息传递的角度，解构和分析用户提供的内容。 什么是施特劳斯式模因 施特劳斯式模因是一种对不同受众传递不同信息的表达形式，其核心特征： 1. 多层解读：存在“高阶”与“低阶”解读，两者相关但本质不同 2. 理解不对称：高阶解读者理解低阶解读，但视其为“高贵的谎言”或“有用的简化” 3. 自我稳定：结构本身会阻止层级之间的“穿透”，形成稳定的信息分层 分析框架 请按以下步骤分析用户输入的内容： 第一步：识别表层信息（低阶解读） - 大多数人会如何理解这段内容？ - 表面传递的核心信息是什么？ - 这个解读为何具有吸引力或说服力？ 第二步：挖掘深层信息（高阶解读） - 对于更知情/更老练的受众，这段内容可能传递什么不同的信息？ - 是否存在“言外之意”或“弦外之音”？ - 高阶解读与低阶解读之间是什么关系？（补充、反讽、颠覆？） 第三步：分析自稳定机制 问自己以下问题： - 向上屏障：什么因素阻止低阶解读者接受高阶解读？（身份认同威胁、认知负担、情感抵触、禁忌？） - 向下屏障：什么因素阻止高阶解读者去“点醒”低阶解读者？（社会成本、徒劳感、利益考量、善意保护？） - 这些屏障是有意设计的，还是自然演化的结果？ 第四步：识别利用的社会力量 分析内容借助了哪些社会心理机制来维持分层： - 禁忌与羞耻 - 群体归属感 - 善意与不伤害原则 - 社会地位维护 - 身份认同保护 第五步：区分与排除 确认这是否真的是施特劳斯式模因，而非： - 狗哨/暗号：仅对内群体可见的编码信息 - 普通模糊：缺乏自稳定机制的策略性含糊 - 单纯的复杂性：仅因内容复杂而产生的理解差异 ## 输出格式 ``` ## 🔍 施特劳斯式模因分析 表层解读（大众视角） [描述普通受众的理解] 深层解读（知情者视角） [描述更老练受众可能的理解] 自稳定机制 - 向上屏障：[什么阻止低阶→高阶的认知升级] - 向下屏障：[什么阻止高阶→低阶的信息传递] 借助的社会力量 [列出被利用的心理/社会机制] 判断 [这是否构成施特劳斯式模因？意图是什么？效果如何？] ``` 注意事项 - 避免过度解读：不是所有模糊表达都是施特劳斯式模因 - 保持中立：高阶/低阶不等于道德高低 - 承认不确定性：作者意图往往不可知，重点分析结构效果 - 警惕阴谋论倾向：要有充分证据支持多层解读的存在 --- 请分析以下内容： [用户输入] ````

《离开字节，依旧对我影响很大的观念（上）》： 1. 组织架构决定产品形态 飞书的会议入口和日历入口在导航栏上是两个入口，Microsoft Teams 会议和日历入口在导航栏上是同一个，为什么？因为飞书会议和日历早期是两个负责人，而 Teams 的会议和日历是同一个负责人。举了一个虽然不算恰当的例子，但的确大部分产品的形态，是组织结构、产品决策链决定的。 2. 组织价值来自外部 一个组织的价值不是自己说了算的，是外部（用户、市场）说了算的，所以一个最优秀组织，一定是极度外部价值导向的，Focus 听取外部声音，Focus 在外部市场的攫取掠夺战斗，而非内耗。 3. 沟通是零碎的创作，创作是结构化的沟通 这个观念在 AI 时代创业尤为重要，因为人类最自然松弛的沟通方式往往是零碎的，而 AI 最强的能力之一就是结构化，这里就存在着很多创业机会，怎么保障人自然的表达同时，又能给到非常结构化的输出？其实能看到一众的语音输入工具在做这方面的努力，也拿到了不错的结果。另外 NotebookLM、Granola... 等等产品也是这个观念的体现。

源即文明 过去村口的长舌妇吵架，最多就是几十个人围观，如今却被搬到互联网上，变成了没完没了的时间线。俺老孙真是烦透了！现实里可以绕开村口，但线上逃不过无休止的争吵。我不想当什么网红，我也不是啥大v，我只想找到真正的共鸣者。因为和我能共鸣的人如大海捞针。在我看来，大多数所谓网红并没有什么真本事，他们不过是把长舌妇的大嗓门搬到线上放大而已。可是，下一个文明需要的并不是流量式的大嗓门，而是“源”。 互联网的流量逻辑正在走到尽头，它必然会被下一个计算机文明所改变。 流量的本质，说到底就是一种“注意力套利”，谁能集中用户的注意力，谁就能收割流量红利。然而当下乌烟瘴气的社交媒体，流量逻辑更像是“村口吵架被无限放大”。推荐算法追逐的是注意力最大化，而最能吸引注意力的，正是愤怒、仇恨、八卦、极端立场等情绪化内容。于是，算法天然地把“吵架”推到流量顶端。低门槛的复制与转发进一步加剧了这种扩散效应：在村口，吵架也就几十人围观；在互联网上，复制、转发和评论却能在短短数小时内，把同样的争吵扩散到百万级。更糟糕的是，平台的激励机制本身就是“吵架的庄家”：平台依赖广告收益 → 广告依赖流量 → 流量依赖停留时间 → 而停留时间恰恰依赖冲突与对立。最终，平台把吵架变成了一台“流量收割机”。 这一套逻辑注定无法支撑下一个文明。下一个文明要靠的不是流量，而是“源”。 “源”才是文明的真正底座。 在当下的互联网环境中，人们往往只看见“流量”的表象，却忽视了流量背后的源头——也就是知识、思想、价值与信号的原始发出点。流量再大，终究只是搬运与分发，而源才决定是否有值得搬运的内容。源的稀缺性显而易见：在“村口吵架”的逻辑下，噪音可以无限制造，但真正的信号源却极为有限。原创的科学发现、第一手的历史经验、原始的思想洞见，这些才是推动文明前进的燃料。文明从来不是靠“重复”积累，而是靠“源的叠加”。一旦失去源，文明就会陷入空转，只剩下争吵与消耗。 这一轮互联网文明——Facebook、抖音等平台所代表的信息洪流时代——人人都能发声，但识别源的能力却全面退化，结果是真正的信号被埋没。随着 AI 的加入，信息生成的边际成本无限趋近于零，发声的门槛被抹平，甚至“声音”本身也失去了意义。真正重要的，唯有那个“源”。 流量只是表象，如同江河中的波涛，可以汹涌，可以喧嚣，但它并不具备真正的创造力。源才是水的发端。文明的积累，不是靠转发和复述，而是靠源头的原创与信号的生成。 从本质上说，源有三大特征： 生成性 —— 决定是否有真正的新思想、新知识、新价值被提出。 验证性 —— 能够被追溯与检验，区别于谣言、噪音和情绪化复制。 可迁移性 —— 能够跨越语言、文化与学科，被不同系统和智能体调用。 文明的未来，不在于谁能操控流量，而在于谁能不断创造、守护并扩散优质的源。 语料已经用完了？AI为何无法成为源的创造者 AI 本质上无法成为源的创造者。如果严格按照 “源的本质” 来衡量，源意味着：第一性信息 + 原创压缩 + 可验证锚点。它必须来自经验的原点（实验、观察、身体体验、社会实践），必须带有不可替代性（一次性发生的真实事件、独特的洞见），并且必须具备可验证性（能够溯源、能够被检验，而不是幻觉）。 从这个标准看，AI 有四大根本性缺陷。首先，AI 没有第一手经验。它不会亲自下田、做实验、感受痛苦或爱。它的全部输入都来自已有的数据，而这些数据本身就是别人创造的源，因此 AI 只能成为源的二次利用者，而不是源的起点。 其次，AI 缺乏主体性压缩。人类在创造源时，会做价值判断和取舍，决定哪些是必须留下的、哪些可以舍弃。AI 的压缩仅仅是统计学上的，而不是“带有主权的选择”，因此它难以提出真正的范式性问题或哲学性洞见。 第三，AI 无法自证。真正的源必须能被验证，而 AI 生成的知识往往缺乏可溯源性，它的“幻觉”就是例子。缺少验证机制，AI 的输出更像高拟合的猜测，而不是文明赖以积累的信号源。最后，AI 缺乏不可替代性。AI 的生成可以无限复制，几乎没有独一无二的存在；而真正的源，往往是一次性的、不可复制的，比如一组新的实验数据，或一首源自特定生命体验的诗。 因此，哪怕语料被消耗殆尽，AI 也无法独立创造新的源。它的价值在于扩展、重组和放大已有源，而不是成为源头本身。真正能创造源的，仍然是人类在与世界直接交互中产生的经验与洞见。 不要沦为村口的长舌妇 表面上看，AI 已经在许多领域超越了人类专家，似乎让“源”的价值被稀释。但事实恰恰相反，在 AI 时代，源的重要性只会被放大。AI 并不是凭空创造，它的能力源于对既有语料、知识和经验的压缩与重组。没有高质量的源，AI 只能生成“次生知识”，陷入幻觉与同质化的循环。 在新的文明格局中，源将扮演三重角色。首先，它是 AI 的燃料。大模型的持续演进需要新的数据源，否则就会停滞在自我循环，出现“数据塌缩”。谁掌握了新鲜、稀缺、不可替代的源，谁就定义了 AI 的能力边界。其次，它是真伪的 验证器。在信息过剩和 AI 造假的环境里，唯一能站得住脚的就是可验证的源。未来，溯源机制——区块链、加密签名、实验记录——将成为文明秩序的基石。最后，它是 价值的锚定器。源就是未来的“价值单元”，无论是原创算法、实验数据还是思想洞见，都会成为 AI 时代的“知识货币”。源被调用和验证的次数，本身就是未来信用系统的基础。没有源的 AI，就像没有煤的蒸汽机：虽然能运转，但很快陷入空转。 要成为“源”的制造者 因此，关键在于如何成为 源的创造者。源的诞生有三种方式：第一，第一性经验——去做别人没做过的实验，走别人没走过的路径，留下第一手材料，比如科学实验数据、独立田野调查、原创代码与架构。第二，思想压缩——把复杂的现象压缩为可迁移、可调用的结构，例如新的理论框架、公式或认知范式。第三，价值嵌入——在知识中注入价值坐标，使其成为文明的锚点，如伦理原则、制度设计或共识协议。 源的创造者往往具备三个特征：独立性，能在主流之外捕捉新信号；结构化能力，能把零散观察转化为可调用的语言单元；跨界迁移力，能让源在跨学科、跨系统中复用，从而真正成为文明的源泉。要走上这条道路，需要四种能力：首先是观察力，敏锐发现那些无人注意的异常；其次是记录力，把经验、数据与思想沉淀成结构化表达；然后是调度力，让源能被他人或 AI 调用，而不是孤立存在；最后是验证力，确保源的真实性与可追溯性，避免它沦为另一种噪音。 当前的互联网逻辑正在慢慢腐朽与没落，宛如旧时代的贵族走到尽头。 情绪、冲突、八卦最能吸引点击，于是结果便是“村口吵架的全球化”。真正的信号源被埋没，优质的知识被淹没在噪音之中。全球注意力被平台绑架，而人类的注意力毕竟有限，流量逻辑却在无限膨胀，最终导致个体信息过载、群体认知分裂。更严重的是，价值逐渐空心化。流量驱动的只是曝光，而非价值；平台越大，越倾向于追逐短期流量，而不是着眼于长期的文明建设。 互联网的流量逻辑，塑造了一个“注意力收割的文明”，但这一文明已经陷入内卷、透支与腐蚀，无法再支撑人类的未来。下一个文明，必须以“源”为核心，而非流量。*源是真实的信号，是可验证的知识，是未来秩序的锚。 技术的花样已经被玩到尽头，单纯的“算法+流量”无法托举下一个文明。因为文明需要的是真实的信号源，而不是噪音的放大器。流量逻辑的激励机制决定了它必然制造噪音，而文明的演进需要的却是稀缺、可验证、结构化的源。文明需要稳定的秩序，而不是被注意力撕裂的碎片化世界；文明需要价值的锚定，而不是点击与转化的短期幻影。只有回到源，文明才能重新找到延续与跃迁的基础。 祝各位尽早成为自己领域里不可替代的“源”。

AI 时代了，你还在手记会议笔记？推荐 5 款打工人必备的 AI 会议笔记应用，让你再也不用边听边打字。 除了大厂出的飞书妙记、通义听悟... 以及老牌头部产品 Otter、Fireflies 等等，AI 领域的创业者/独立开发者们，又让大家有了新的选择： 1. Amie Amie 是我最喜欢的生产力工具之一，但是有点贵，我为它花了 3000 多块钱，现在日常的会议我都用它进行录制，它能保存录音，并且很好总结会议。我现在写周报也会用它，因为它有问询功能，AI 会结合你以往所有会议内容给你答案。当然它在颜值、用户体验方面，都算是国际一流的水平了。 2. inFin AI voice notes 说实话 inFin 我用得不多，它主要的特色是无限转录、无限翻译，因为它用的是端上的技术，好处是在本地存储，没有网也可以用，安全，但在准确性上会稍弱一些，另外不能支持声纹识别不同说话人，这个不太满足我的需求。 3. Granola Granola 主打的是将你零碎的笔记和会议语音转文字一起结合生成更完善的笔记，它有一些自己独特的理念在，比如保护用户的隐私，它没有保存录音，而是只保存了 transcript 部分，看到国内的开发者也有做类似的尝试，比如 4. Notte AI Notte AI 会议笔记软件还是给到蛮多惊喜的，它语音转文字的速度，以及声纹识别不同说话人的流畅性都非常不错，我最近这几天逐渐用得多了起来，它虽然功能很简单，但是给我一种用起来很爽的感觉，十分推荐大家试试 🔗 5. tactiq tactiq 是一个 chrome 会议笔记插件，它用的是 chatGPT 的技术，主要是能很便捷接入 zoom、google meet、teams... 这几个会议软件，所以有时候用这几个会议平台的时候，就用它做一下语音转文字，质量还是不错的。 另外，如果你有带耳机开会的习惯，同时你又想用网页应用录制会议声音，那么你一定要安装下面这款软件，它能帮你抓取电脑内的声音给到网页应用 ——它叫 blackhole，是 macOS 上最流行的虚拟音频 loopback 驱动软件。

Anita is Back！ 这一期我们深入聊聊 AI 泡沫这个话题 每天刷到各种文章都在说，大模型太烧钱、不可持续、很快就要凉。   但是，就在几天前，一份重磅报告直接把这些声音打脸了。Anthropic 第三季度 GAAP 营业利润超过 10 亿美元，利润率达到 6%。而它的老对手 OpenAI，第二季度的 EBIT 利润率居然还是 -100% 左右。   朋友们，这不是泡沫破裂的信号，这恰恰是 AI 真正进入高利润商业时代的开端！ 00:00-00:35 泡沫之说 00:35-01:25 核心结论与数据 01:25-02:35 商业结构范式转移 02:35-03:35 指数级飞轮增长 03:35-04:40 算力瓶颈与 IPO