与「AI自动化做视频方法分享：刚起床就刷到YouTube上一个外国小哥演示了用MidJourney自动生成一张静态人物头像，然后用chatGPT自动写出一个脚本，用AI配音网站对脚本进行配音，最后用图片自动生成视频的工具生成一个完美的AI视频，看完惊艳到我了，以后视频剪辑人员要被失业了，太牛逼了。效果是这样的⬇️」相关的搜索结果

#AI自动化做视频方法分享：刚起床就刷到YouTube上一个外国小哥演示了用MidJourney自动生成一张静态人物头像，然后用chatGPT自动写出一个脚本，用AI配音网站对脚本进行配音，最后用图片自动生成视频的工具生成一个完美的AI视频，看完惊艳到我了，以后视频剪辑人员要被失业了，太牛逼了。效果是这样的⬇️#

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。

中文熵控术的一个应用：从一个关键词开始 这篇文章，我想用一个具体的例子，展示我是如何运用我所提出的中文熵控术，完成一次完整的创作循环的。 从一个短句出发，我通过引爆“熵爆”，引发语义裂变与联想扩散，借助 AI 的语言能力进行持续发散。这个过程属于“增熵”阶段，即主动制造语义复杂度、生成大量潜在线索与概念。 随后，我通过“控熵”阶段逐步回收这些发散内容，将思绪归纳、结构整理，并将其转译成低熵语言——英语，以实现内容的收敛与表达的精准。 最后，我使用 Deep Research 工具，对全文的逻辑路径进行审校与规划，确保结构严谨、思想完整。 这一系列过程，正是一轮完整的熵控术闭环：从中文高熵发散，到英语低熵收敛，从灵感的原始混乱，到逻辑的有序呈现。 In this piece, I want to illustrate how I applied my method—Chinese Entropy Control (中文熵控术)—to ignite an “entropy explosion” from a single term. Starting with one keyword, I used this technique to trigger semantic divergence, associative expansion, and AI-powered ideation. Through a continuous process of entropy increase (creative divergence) and entropy control (structured convergence), I was able to explore deeply and then gradually pull the scattered insights back into a coherent whole. The workflow unfolds in stages: from generating high-entropy, language-rich associations in Chinese; to translating and distilling those ideas back into low-entropy English—a language optimized for precision and clarity. Finally, I used Deep Research to verify, organize, and rigorously structure the entire logical framework of the piece. This is a full cycle of what I call Entropy Control Writing—a closed-loop creative methodology that begins with chaos and ends with clarity. 在开始具体的写作方法之前，我想先谈谈我写作的基本前提和个人路径。 虽然我目前仍以“科技创意写作”作为起点，还没有完全进入“通过文字发现世界”的深层阶段，但我已经预设了几个重要的认知起点。这些判断不仅来自我在国内完成完整高等教育的经历，也来自我后来在美国继续学习和工作的观察与体验。 第一， 我深切体会到“假大空作文”对中文写作能力的伤害。绝大多数人其实并不会真正写作，甚至连高级阅读理解能力都未曾建立。我非常认同亚里士多德对“工具理性”与“修辞”的区分：写作首先是一种逻辑推理能力，其次才是语言表达。空有辞藻、没有推理的文字，是最低级的写作。 第二， 我观察到国内真正接受过“好作文”训练的人，很多都是从新东方的 GRE 写作班开始接触英文逻辑写作。那时的训练，虽然有技术性倾向，但的确帮助很多人建立了基础的结构意识和论证方法。 第三， 我认为传统意义上的“好作文”标准，如今已经逐渐失效。即使在美国，接受过高等教育的人也会发现，一篇 academic essay 的写作过程极为消耗，大量时间花在查文献、补 citation、应付格式上，真正的思想贡献反而被边缘化。而在今天这个 AI 能即时输出背景知识与引用的时代，这种写作方式已经过时。如果我们只是把 AI 当成“高级搜索引擎”，那真是对其能力的极大浪费。 我相信：今天的好文章，就算在 AI 的辅助下完成，也应该具备高度的独创性、强烈的个人风格和不可替代的思维方式。 它应该让 AI 也找不到大量“现成答案”；它的论点应该是推理构建的结果，而非数据库检索的产物。它的价值，不在于复述，而在于你提出了一个难以证伪的深刻观点，而这个观点只能靠严密的逻辑演绎来支撑。 这，才是我心目中真正值得书写的“现代文章”。 下面开始说正题： 过程，记录我是如何用中文熵控术展开一轮完整的写作循环的。 我随意挑了一个关键词——Hadoop。当然，未来我会更加系统性地使用 InfraNodus 来监听语义网络、捕捉关键词节点，但这次，我只做一件事：拒绝传统意义上的“定义式写作”。 大部分人一提到 Hadoop，AI 就会给你一整页释义：介绍历史、列举应用场景、堆砌背景知识——这是我不需要的内容。 我要的是从一个模糊、含义开放、带有方向性的语句出发，引爆语义裂变。于是我写下： Hadoop 是 AI 的引擎。 句子越短越好，越模糊越好，越有歧义越能触发 AI 的解释欲和发散空间。 这就是一个“语义引爆点”，既不是定义，也不是结论，而是一个信息密度极高的语言触媒。 接下来是“熵控术”的核心过程：发散——控制——再发散——再收敛。 当我进入发散阶段，我不是随便胡思乱想，而是带着“模糊的问题”去游走语义网，生成一连串带方向但未定形的路径： 大数据框架是 AI 时代的基础设施？ 大数据全链路（采集、清洗、存储、处理、反馈）到底提供了什么？ 如果我们谈文明，那么：你认为什么是数据文明？ Hadoop 真的点燃了数据文明吗？它是起点吗？ 又是一场核心为“去中心化”的实践？ 那么，什么是“原始混乱”？ Hadoop 是否通过处理原始混乱，在虚拟空间中投影出一个真实的世界？ 这些发散式问题本身就是“增熵”的实践。每一个问题都像一道激活神经网络的脉冲，在 AI 的推理系统中引出不同维度的联想。而一旦我希望收敛，我就开始设置锚点词——比如“文明”“基础设施”“原始混乱”这类高熵概念词，作为结构收口的支架。 语言学训练过的朋友会明白：锚点词不是结论，是语义重力场，它们会引导你的话语体系向某个认知中心聚合。 最后，我将这一切过程生成的内容进行人类作者的主动整理与重写。 必须强调一点：AI 只是协助，不是代写。字还是我自己打的，逻辑是我自己建的，文章的风格和立场，是不可替代的。你以为有了AI就不用自己键盘打字了是吧？ 于是，我得到了这样一篇高信息密度、逻辑收束、观点明确的文章： 在信息洪流席卷而来的时代，我们不禁要问：数据文明究竟从何而始？如果说今天的大数据生态和人工智能系统构成了数据文明的肌肉与骨架，那它的第一束火种，很可能就是由 Hadoop 点燃的。Hadoop 并不是最先进的技术，却是第一个用去中心化的结构思维真正把人类带入数据文明时代的开创性系统。它不依赖超级计算中心，而是通过上百台廉价的普通机器，组建起一个分布式的“数据共和国”；它不需要整洁的结构化数据，而是主动接纳来自草根、传感器、网页和日志的“原始混乱”；它不再由少数专家垄断操作权，而是把 Map 与 Reduce 的编程模型交到每一个开发者手中。 正是这种革命性的开放，让 Hadoop 成为真正意义上的大数据起点。它不仅让数据可被收集和处理，更让数据成为一种资源——一种可以转化为洞察、预测乃至智能的“信息流”。Hadoop 接纳混乱，却在混乱中提炼出秩序。它像一个巨大的炼金炉，将世界生成的各种信息垃圾熔炼成洞见与模式，从而在虚拟空间中投影出一个真实世界的镜像。这种能力标志着一种全新的文明形态开始成型——数据文明。 数据文明是一种以数据的采集、流通、处理与反馈为核心机制，推动社会运行、知识生成与智能演化的人类文明形态。如果说农业文明以土地为基础，工业文明以机器为核心，那么数据文明的底座，就是可计算的信息流。在这一文明中，人类第一次用统计与算法取代了部分经验与直觉，社会也从人工调控逐步走向系统自我调节。工业文明的巅峰是流水线与管理学，而数据文明的巅峰，是自动决策与自我优化的智能系统。AI 不再是孤立的工具，而是这一文明的神经系统。 Hadoop 所开启的，并不仅仅是对大数据的初步驾驭，更是一场“原始混乱”的征服。从网页、日志、图像、视频到传感器数据，这些曾被视为信息垃圾的内容，其实正是世界最真实的投影。通过 Hadoop，我们第一次拥有了对非结构化数据进行建模与分析的能力，第一次能够在虚拟空间中重构现实，拥有对现实的观察权与认知权。这是技术上的跃迁，更是哲学上的进化。 今天，我们已经走进了 Spark、Flink、Presto、Kubernetes 和云数据湖构建的新生态，Hadoop 的角色也许已经不再居于中心，但它的意义从未被替代。正是 Hadoop 的架构哲学、计算模型与数据处理思想，为这一整套大数据与智能系统的演化奠定了基础。 在人工智能成为核心技术的当下，大数据框架仍是 AI 运转不可或缺的底座。它提供的不仅是“训练之粮”和“处理之力”，更是一整套生态基础。从采集、清洗、存储、处理到反馈，这五环构成了 AI 的信息循环系统，让它得以学习、成长、反馈与优化。可以说，大数据框架构成了 AI 世界的供血系统与呼吸系统，是智能文明可以运行、生长与演化的底层管网。 我们终于可以像炼钢炼油一样炼数据了。这一切的起点，正是 Hadoop。从原始混乱中抽象秩序，从计算节点中协同智能，从数据信息中重建世界模型。它不只是一个技术系统，它是人类迈入数据文明的第一步。 好，然后把上面的文字翻译成英文。就用这篇文章要求生成Deep Research, 生成内容看链接：“ 我评价一下这篇生成的文章。首先，因为我的提示词很长，有好几条逻辑和叙事线，所以DR反问的时候将这几条线分割出来了： The historical role of Hadoop in shaping modern data infrastructure? Comparative analysis of Hadoop vs newer frameworks (Spark, Flink, etc.)? The concept and evolution of "data civilization" in technological and philosophical terms? How decentralized architectures like Hadoop influenced AI development? The journey from unstructured data ("primitive chaos") to intelligent systems? 我就让他自己看着办。 评论一下这篇DR, 它一方面极力想遵循我提示词所设定的叙事逻辑，保持整篇文章在我设计的语义轨道上推进；另一方面，又在疯狂地调用技术资料，努力为每一个关键观点寻找“佐证”。 但它和我以往那种“高级谷歌式”的问答完全不同：不是简单引用就能收工的。这次它找的很多资料都无法直接复制粘贴用作引证——因为点进链接后你会发现，原文里并没有完全匹配的段落，没有那种“高亮即真理”的瞬间。 为什么？因为它根本就找不到一模一样的观点。 所以它只能靠自己推理——一层层演绎，从相关领域的技术脉络里“构造出一个看似合理的解释路径”。有些推理的确绕得厉害，说实话，只能算逻辑勉强自洽，沾点边，却不够扎实。但问题也在这：你又找不到确切证据去证伪它。 这其实是一个很有意思的AI能力边界：在没有既存文本观点可引用的情况下，它会主动尝试创造性地“弥合语义空隙”，以一套结构上近似学术推理的方式，生成一个“无法验证，也不易否定”的半原创表达。 这就对了，这是我要的方向。他要是能原创了，要我来干嘛。 然后根据DR就可以在扩展和压缩。 那些质疑我熵控术学术严谨性的，你给我钱了？你给我职称了？数学建模不是不能做，但是现在在没有人给我钱的前提下，这只是我自我修炼的一个技能。爱看不看，爱学不学。全世界水论文那么多，不差我一个。那些质疑的，请问有没有，哪怕一次，做过正经的学术peer review，以至于要现在上推来随便找篇推文peer review, 搞笑吧。

币安最近发布了一个《无国界金融 Finance Without Frontiers》的报告，读下来最大的感受是：Crypto 真正的主战场，可能不是「炒币」，而是金融入口重构。 核心逻辑是，全球仍有大量人被传统金融系统排除在外。在这些地区，链上金融并不是传统金融的的补充，而是正在成为新的金融基础设施。 世界银行的数据，全球有 13 亿成年人没有银行账户，占全球成年人口的 21%；其中 73% 位于中低收入国家。 而「没有银行账户」只是表层问题，更大的问题是 underbanked：有账户但缺乏信贷、数字支付、有息储蓄、跨境服务等能力。报告中说，有 47 亿成年人缺乏信贷或贷款渠道，36 亿中低收入国家成年人不用数字支付或银行卡，约 14 亿储户没有从存款中获得利息。 这就是报告的第一个洞察：金融普惠的问题，已经不是「有没有银行账户」这么简单，而是有没有真正可用的支付、储蓄、信贷、投资和跨境金融服务。 而链上金融的切入点，正是在这里。 全球无银行账户人群中，约 9 亿人拥有手机，约 5.3 亿人拥有智能手机。也就是说，大量没有被银行覆盖的人，其实已经具备进入自托管钱包和全球加密交易平台的硬件条件。金融服务的瓶颈，正在从「线下网点覆盖」转向「移动端产品体验 + 监管清晰度」 第二个场景是，跨境支付和汇款 传统 SWIFT 跨境转账最低成本约 20 美元，且结算需要数天，这对大量中低收入、小额汇款而言，成本实在太高了。而在高性能区块链上，稳定币转账成本可以低至 0.0001 美元，并且近乎即时结算。这也是为什么，稳定币发行量纷纷发行公链: Artemis 的数据显示，稳定币交易量已经在 2024 年超过 Visa，接近每月 8 万亿美元的规模。 第三个场景是，资本市场准入及机会 全球约有 6.3 亿成年人拥有线上券商账户，但真正能方便接触美国市场的人更少；而美国股票市场约占全球股票市值的一半。优质公司股权上链，可以一定程度缓解这种错配：让更多非美国本土投资者通过 24/7 交易、碎片化持有等方式拥有美股资产。 Altrata 的数据说，美国年收入超过 1 亿美元的公司中，87% 是私营公司；Apollo 数据显示，2024 和 2025 年 IPO 公司的中位年龄已经从 8 年上升到 14 年。这意味着，越来越多价值创造发生在公司 IPO 之前，而普通散户往往等到 IPO 后才有机会接盘。 去年我做了个视频说，我期待链上化 × 合规化两大趋势进行融合，也就是 ICO 的合规化，这也是 Project Crypto 的主旨思路之一 第四个方向，是 AI Agent 与可编程金融 未来每个人都会有多个 AI Agent，这又需要三种链上能力：可编程货币、无许可身份、可组合结算。因为传统卡组织存在成本底线，例如 Visa 小额支付成本约 30 美分，而 USDC 纳米支付可以处理约 0.0001 美元级别交易。 自 2025 年以来已有超过 1.7 万个 Agent 被启动，约 19% 的链上活动已是自动化或 Agentic 活动，76% 的稳定币转账量由 bot 驱动。 币安自身的一些业务数据，也跟这些趋势是一致的： 2020 年，Binance 用户中来自新兴市场的比例是 49%；到 2026 年，这一比例升至 77%。活跃使用两个以上产品的用户占总活跃用户 24%，使用三个以上产品的用户占 14%；而这些多产品用户中，83% 来自新兴市场。 更有意思的是，稳定币正在被当作一种「储蓄工具」使用。在币安，账户余额至少 10 美元的用户中，约 28% 的人至少一半资产配置在稳定币中；这个比例从 2020 年的 4% 上升到 2026 年的 28%。在新兴市场，这一比例达到 36%；全球稳定币储蓄型用户中，73% 来自新兴市场。 上面这些趋势和数据中，就是新的创业机会、投资方向： 第一，稳定币支付、跨境汇款的基础设施，这个不懂多说，稳定币的优势太大了。 第二，面向新兴市场的移动端金融入口。那几十亿无银行账户的人，关注的并不是哪个币能涨 10 倍，而是能有基础的金融工具 (储蓄 + 支付)。 第三，Pre-IPO 公司的股权上链。核心逻辑是：全球最大可投资资产集中在少数市场，但潜在需求分布在全球；而且公司上市越来越晚，普通投资者越来希望参与早期价值创造。我之前介绍过的 Jarsy ( 和 Tessera ( 等公司都是在这个领域创业。 第四，AI Agent 支付与身份基础设施。 报告已经把 AI Agent 视为一种新的经济参与者，而链上系统提供了纳米支付、身份验证和可组合结算能力。 这个过程中，也会有超级 app 的涌现，比如新兴市场用户更倾向于把 Binance 这类平台作为「储蓄 + 支付 + 投资」的综合金融栈，而不是单纯的交易所。 也许未来山寨币暴富的机会变少了，但区块链这个技术会更多维度地改变新兴市场用户的生活，尤其是在支付、储蓄、投资、私募市场和 AI Agent 经济方面，重新被打包成一种全球可访问的金融基础设施。

Seedance 2.0 API 正式发布了，企业和个人用户现在都能从火山引擎调用。海外市场 BytePlus 同步上线，海外用户终于也可以使用了。 定价 46 元每百万 token，纯视频生成大概 1 元 1 秒，按量付费，注册账号就能调用。海外 BytePlus 的具体定价以官网公布为准。 API 真正的价值在于能融入自己的工作流，大幅提升创作效率。 过去做一支 AI 视频得串起好几个模型：图生图、图生动画、对口型，每个环节都要抽卡。Seedance 2.0 支持文字、图片、音频、视频四种模态输入，配合火山方舟上一键完成的人脸验证、肖像授权和 1 万多个预置虚拟人像，整条流程可以用代码或者 Agent Skills 自动化串起来，大幅提升创作效率。 官方公告中提到了一些实际数据。技术服务商巨日禄接入后，精品 AI 剧综合制作效率提升近 10 倍；九州文化、麦芽传媒这批内容制作方从剧本到剪辑全流程提效 80%-90%，对比传统工艺降本 70%-90%。在广告营销侧，筷子科技用它给头部品牌做多版本营销素材，与光同尘给 OPPO K15 Pro 做的宣发视频 60 小时内播放量破 2000 万。 有一点让我意外的是视频生成现在开始应用在具身智能和自动驾驶的数据生成。 数十家机器人企业正在用 Seedance 2.0 生成符合物理规律的交互数据，用于机器人作业、室内行走等场景的跨环境泛化训练。自动驾驶公司则用它生成暴雨、大雾、降雪这类极限工况，以及复杂碰撞风险的 corner case 数据，补充实拍难以采集的训练集。 宇树科技王兴兴此前在亚布力论坛上表达过类似思路：如果视频生成质量足够好，让模型生成一段机器人在家干活的视频，某种意义上把这个视频对齐到真实机器人上，机器人就能照着干。视频生成模型正在被当作“世界模型”的雏形来用。 Seedance 2.0 API 全面开放，对个人开发者和创业团队来说也是机会，可以借助 API 高效创作 AI 视频，也可以基于 API 开发配套工具，这块未来市场很大，机会还蛮多。 API 调用官方文档可以在火山引擎方舟平台上获取。 完整可以看：《Seedance 2.0全面开放API服务》 BytePlus： 火山引擎方舟平台：

2026年个人突突突突围：最值得努力的 10 个方向（收藏版） 哈喽啊！兄弟们！2026年不要迷茫，币圈不值得期待，这世上依然有很多机会，不要只盯着那点K线 我先结合我自己的一些观察和思考，推荐兄弟们值得去努力的方向 1. 构建垂直行业的“AI工作流解决方案” 别只是在和GPT聊天去处理一些文字工作了，或者说生成一些很拙略的图片，2026年，拥有一个稳定运行的工作流，比拥有一个头衔更值钱多得多。比如你做自媒体视频创作，从灵感、到脚本、到拍摄计划、再到Broll的AI生成、再到标题封面、再到上传发布 再比如在法律行业、跨境电商、文创用品、利用AI Agent把重复复杂流程自动化，都值得去学习和尝试，现在抖音上面的AI解决方案专家光知识付费都割了一大波了韭菜了，而且韭菜还得喊超级值 2. 磨练“导演思维”，成为AI视频艺术家 AI艺术家的下半场不是画图，而是叙事能力和导演思维 并且随着Sora、VOE3等产品的成熟，谁能用AI稳定产出高质量、有逻辑的视频内容（短剧、品牌片、教学视频、抽象视频）谁就掌握了2026年流量的定价权 就算不是定价权，你也打造了差异化，有差异化就存在视觉Hook，就存在信息差和商业需求，建议大家去看看b站上当时给影视飓风提供AI视频制作的【大羽玩AI】这个博主，看看他那期从头到尾怎么做完这个商单的全流程，你会很惊叹自己的对这个领域的无知 未来AI视频艺术家一定会有自己的一席之地，如果你有编导相关的经验，也许是你一个非常扎实的发展方向 3. “身兼多职”的超级打工人 这个就不说了，我徒弟最有发言权 @MrRyanChi ，再没有开始创业之前，他就靠AI和自己的审美，在多家Web3公司月入过万U了，靠的就是他对各类AI软件的使用，如火纯青，效率惊人，从Vibe Coding到视频制作，都很牛逼 如果你没有原始积累，你想快速成长，理论上你也可以像Ryan这样，身兼多职还可以实现自我成长 4. 从国内走出来，多看看世界，流量+产品永远存在红利 很多人觉得是老生常谈，但是中国目前的供应链依然是最顶的存在，这部分的红利一直都是存在的，因为未来最值钱的依然是流量，有了流量你还愁产品么 中国永远有任何一个你想卖给老外的任何东西的工厂，尤其在全球化地缘政治这么不稳健的情况下，很多国家是没有心思在搞发展的，中国的供应链优势永远给你一个低成本创业的机会，但前提是你得看海外 适合熟悉海外文化或者小众语言能力的兄弟多琢磨多研究 5. 建立身体的硬核管理系统 我已经从83kg减脂到79.8KG，等我减脂到75KG，我会发一次照片，别急 在行情不好的时候，精力是唯一的翻身杠杆 像管理资产一样管理体重、体脂、睡眠和血糖 2026年的竞争，拼到最后全是“续航能力” 我现在依然执行的是碳循环的减脂，感性的兄弟评论，我会继续写我详细的健身、吃、睡眠、精力协调等实操经验帮兄弟们找回状态 建议是在任何一个AI软件中专门建立一个跟踪记录自己的对话，你就把你的身体情况，和每天吃的啥全发给他，你哪怕不训练，你自己知道自己平时吃的问题有多大了，管住嘴你就赢70%了 6. 做“离搞钱更近”的内容或者产品！！！ 拒绝自嗨，拒绝纯情绪输出。每一条内容都要解决一个具体问题，或服务于你的商业闭环 让内容成为你的24小时销售员，而不是无意义的数字垃圾 兄弟们都知道我经常表达【业务】+【流量】=【钱💰】 如果你没有一个明确的赚钱思路，你去搞一些没有价值的流量是没有意义的，这不是以前，说我只要有粉丝，我就可以有广告的时代 这是一个个人IP主导的时代，你哪怕只有500个粉丝，没人每个月给你100块，一年你也有60万的收入 但是你没有业务，你擦边、哪怕全裸，流量百万也没任何意义 我的逻辑依然是我会坚持做深度内容，播客、文章我都会围绕着营销、赚钱去做内容，因为我想和喜欢搞钱的人交朋友，所以我再强调我之前的言论一遍，你写什么内容，意味着你和什么人叫朋友 做离钱近的产品这个就更不说了，别再一款产品上死磕，不赚钱立刻换下一个，现在假大空的平台相比于未来可能的世界大战，一点都不重要了，以前是量产发土狗，现在是利用AI量产发各种产品，你能想到的，别人有付费意愿的，都值得试试，不行绝对不迭代，直接换！ 7. 刻意练习“深度聚焦”“深度阅读”与“反算法”能力 算法在不断剥夺你的专注力，他妈的本来我们币圈从业者大部分是远程办公，就已经很潇洒了，但是人性这东西本来就很脆弱，这些各大手机里面的短视频，就是搞得你每天浑浑噩噩，连一篇文章都读不完，稍微长一点的视频你都看不下去 短视频短剧，这种消遣的东西，一天最多1小时足够了，我每天给自己规定的，只有晚上11:30之后，我才可以刷短视频，平时的时候只要我不小心刷了，我就立刻站起来走几圈（有奇效） 每天给自己留出3小时的“无手机深度工作时间” 还是以前在天使投资公司锻炼出来的，每天读5篇深度复杂的内容，能让自己深度思考的内容，并且强行要表达自己看过之后的观点，这个习惯我受益终生！ 这种能够沉下心坐下来解决复杂问题的能力，在2026年将成为顶级人才的硬通货，“众人皆醉我独醒” 这种都是刻意练习出来的！ 8. 布局“银发经济”：适老化技术与陪伴 这是马斯克之前播客分享过的未来20年最确定的机会，关注“技术适老化” 帮老人用AI管理健康、配置智能家居、处理数字遗产，或是提供AI驱动的高质量情感陪伴 赚有钱、有闲且有需求的人的钱。 哪怕是高端养老院，寻找价格便宜宜居养老的地方捡漏烂尾楼也有机会，不是让你去骗老人钱，做盘子可不行，但是这里面还是机会很多的 9. 维护“高密度、小规模”的私人链接 放弃无效的五百人，千人大群 深耕一个只有10-20人的高质量圈子，成员必须是实干家或者和你高度同频的 在行情波动期，这种基于信任的深度资源交换是最值钱的 好好筛选一下身边的兄弟，和有正事儿的人一起玩，很重要 10. 明确并践行你的“人生价值观” 其实这段是鸡汤来着，但是我和我弟聊了一下之后，其实我觉得还是很有价值的，我之前看张朝阳的播客剪辑切片 （短视频有时候也挺有用，能刺激灵感） 就谈到他的遗憾，他最大的遗憾就是年轻的时候不知道自己想成为什么样的人，也没有自己的价值观 导致自己浪费了很多时间，如果他一开始更加专注一些，也许成就比现在高 我跟我弟弟讲，我其实16岁我就极度渴望赚钱，到了高中，我就开始想办法搞钱，大学读了一年我就休学去搞钱，虽然我经常败的很惨，但是真的离我的目标越来越近，我至少改变了五六线小镇青年的命运，我有我可以支配的时间和钱 我想想看，跟我自己提早看透自己是什么样的人，和我自己的价值观确定的很早，也有很大关系 我知道我的粉丝有很多年轻人，00后，甚至05后，这个世界不存在年龄优势的，你及早开悟知道自己想要什么才是最重要的 共勉！兄弟们 2026继续干！！！！！！

用AI做时光旅行的视频，展现精彩人生的不同阶段。假如用小程序或app来实现自动化的话是不是又是一个出海“商机”。目测放闲鱼上帮人做这样的视频也会有市场，算是比较小众需求，感兴趣的可以试试。 #aivideos# 直达地址：

别再把 Codex 只当聊天工具用了～ 装上这11个官方插件，Codex直接变成你的生产力外挂！ 别人还在手动做图、抠 PPT、抓数据…… 你已经一句话搞定海报、视频、数据分析和日程管理～ 下面我把每个插件的实际效果都录出来了，直接看效果～ 1️⃣视觉 & 设计神器 · Canva：一句话调用百万专业模板，海报、朋友圈图、封面秒出 · Figma：扔需求或代码，一键生成高保真可编辑设计稿 · HyperFrames by HeyGen：HTML/脚本自动渲染高质量视频 · Remotion：专业级视频动效和动画，效果直接拉满 2️⃣办公 & PPT狂魔 · Presentations：给个主题，自动生成高质量PPT初稿+完整大纲 · Spreadsheets：复杂公式、图表、数据分析一气呵成 3️⃣内容 & 数据深度工具 · Documents：长文章提炼、总结、写PPT脚本 · BioRender：科研/医学图表，秒出专业科学插图 · Windsor ai：一键拉全网营销数据并自动分析 4️⃣自动化王炸 · Chrome：Codex直接操控浏览器，自动读网页、抓数据、填表 · Google Calendar：自动创建会议、管理日程，排会效率翻倍 安装方式：Codex App → 左侧「Plugins」→ 搜索名称直接安装（30秒搞定）

大家都在盯着 AI 怎么取代程序员，却没注意到一场关于“内容生产成本”的降维打击正在悄然发生。 现在的品牌方正在进行一场大规模的“供给侧改革”：他们不再追求昂贵的真人 UGC（用户生成内容）达人，转而投向 AI 驱动的无脸化视频生产。这背后的逻辑不是功能创新，而是极其残酷的结构性变化。 我从这个趋势中看到了两个核心维度的重构： 首先是“交付效率与确定性”的结构变化。传统的真人 UGC 创作存在极高的不确定性：真人达人可能要两周才能交付，且拍摄角度有限，甚至存在沟通成本和“大牌脾气”。而 AI 驱动的模式（利用 Claude 编写脚本，Higgsfield 生成人脸）可以将交付周期缩短至 2 天，且能一次性提供 10 种不同的变体，每一条都完全符合品牌规格。 其次是“单价与规模”的成本重构。品牌不再为“名气”付费，而是为“转化率”付费。在护肤、保健品、SaaS 等领域，单条 AI 视频的单价已达到 $400-$1,500 不等。由于 AI 极大地降低了边际生产成本，一个熟练的运营者可以同时管理多个垂直领域的账号，通过批量化生产（一个 Batch 往往是 5-10 条）实现月入万刀的规模化收益。 我的判断： 这本质上是一场“内容工业化”的进程。当 AI 能够模拟出足以乱真的真人演示，且成本仅为真人的几分之一时，传统的“达人经济”将向“算力经济”转型。未来的机会不在于做一个网红，而在于成为一个能够精准控制“垂直领域身份+高频脚本生成+AI 视频合成”的自动化流水线运营商。 不要只问：这个东西是不是新功能。 更应该问： 1. 这种生产模式是否彻底打破了原有的交付周期与成本边界？ 2. 这种低成本的供给，是否正在让原有的高价真人服务失去竞争力？ 3. 我能否通过标准化流程，在特定垂直领域建立起规模化的供应能力？

AI 与 Crypto：不是“加不加”的问题，而是“什么时候需要” 这个周末我去参加了一个很火爆的 OpenClaw Demo 活动，担任评委点评项目。 另一位评委是 Web2 圈非常有名的投资人，在这一轮 AI 浪潮里押中了像 MiniMax 这样的明星公司，战绩非常漂亮。 但他有一个非常明确的观点：不看好 Crypto。 他的逻辑其实也很简单——如果一个项目本身是一个很好的 AI 产品，但为了发币硬塞区块链进去，那基本就是把自己的路走窄了。因为一旦带上 crypto 标签，在融资、监管、用户认知上都会立刻进入一个更复杂的环境。 坦白说，这个观点我部分认同。 过去几年 Web3 确实有大量项目犯了一个错误： 先想发币，再找产品。 很多项目的区块链部分其实是完全多余的。 如果一个产品的核心价值不依赖链上机制，只是为了 Tokenomics 而加一层链，那基本上已经被市场证明走不通。 所以当一些 Web2 投资人看到“AI + Token”的项目本能反感，其实也不奇怪。 但问题在于： 很多人因此得出了一个过于简单的结论——AI 不需要 Crypto。 我认为这个结论同样是错误的。 AI 与区块链之间的关系，从来就不是一个“是否需要”的问题，而是一个在什么阶段必然会需要的问题。 而且随着 AI 进入 Agent 时代，这种需求会越来越明显。 ⸻ 一、AI 协作需要“可验证性” AI 未来不是一个模型，而是一整个 Agent 网络。 一个复杂任务的完成，可能需要几十甚至几百个 AI Agent 协同完成： •有的负责数据获取 •有的负责推理 •有的负责执行 •有的负责验证 在这种体系里，一个核心问题会出现： 谁做了什么？如何证明？ 如果所有计算和数据都在中心化服务器里，那最终只能靠平台信用。 但当 AI Agent 之间开始进行大规模协作时，可信记录和可验证执行就变得非常关键。 区块链的价值就在这里： •可验证记录 •不可篡改日志 •可编程结算 换句话说，AI 需要一个可信的协作底层。 这也是为什么像 0G 这样的基础设施会提出 DeAIOS（Decentralized AI Operating System） 的概念： 让 AI 的数据、计算和行为可以被验证，而不是黑箱。 ⸻ 二、AI 开发者需要新的激励体系 在 OpenClaw 的生态里，其实已经出现了一个很明显的问题。 很多开发者在开发 Skill。 这些 Skill 本质上就是 AI Agent 的能力模块。 但问题是： 开发者很难从中获得长期收益。 今天的模式大概是： •开发者贡献能力 •平台获得流量 •平台掌握收益 这种模式在 Web2 很常见，但它并不适合未来的 AI Agent 经济。 如果一个 Skill： •可以被反复调用 •可以组合进不同 Agent •可以在不同应用场景复用 那它本质上就是一种 数字资产。 而资产的确权、交易和收益分配，正是区块链最擅长解决的问题。 未来很可能会出现： •Skill Marketplace •Agent Asset •自动化收益分配 AI 能力本身会变成一种可交易的资产。 ⸻ 三、AI 数据主权问题会越来越严重 AI 的发展正在快速逼近一个新的问题： 数据荒。 高质量训练数据正在变得越来越稀缺。 同时，大模型公司已经在大量使用互联网内容进行训练： •文章 •图片 •视频 •代码 这些内容的创造者是谁？ 人类。 但在现有体系里，人类几乎得不到任何回报。 如果这种模式持续下去，很可能出现两件事： 1️⃣ 数据质量持续下降 2️⃣ 创作者动力消失 未来一个更合理的体系应该是： •数据有来源 •数据有所有权 •数据可以被授权使用 •数据贡献可以获得收益 这其实就是 数据资产化。 而区块链正好可以提供： •数据确权 •数据授权 •数据使用记录 •自动分润 简单说： AI 不仅需要算力，也需要一个新的数据经济体系。 ⸻ 四、Web3 从业者不需要羞于表达 最近在很多 AI 活动上，我也发现一个很有意思的现象。 不少做 Web3 的朋友在自我介绍的时候，会刻意淡化自己的背景。 甚至有点不好意思说自己来自 Crypto。 我其实觉得 完全没必要。 Web3 的确经历过泡沫、叙事过剩和很多失败的项目。 但这并不意味着技术本身没有价值。 很多技术路线其实是超前于时代的。 现在 AI 的发展速度正在重新打开很多可能性： •AI Agent •去中心化算力 •数据资产 •AI 协作网络 这些问题，本质上都需要： 一个可信的数字经济基础设施。 而区块链正是为这种系统而生的。 ⸻ 五、真正的问题不是“AI 要不要 Crypto” 真正的问题其实是： 什么时候需要。 如果一个 AI 产品： •不需要去中心化 •不需要资产化 •不需要协作网络 那确实没必要上链。 但如果未来 AI 进入： •Agent 经济 •AI 协作网络 •数据资产市场 那区块链几乎是必然出现的底层设施。 所以我其实很能理解那位 Web2 投资人的观点。 只是从更长周期来看： AI 和 Crypto 很可能不是竞争关系，而是互补关系。 AI 负责智能。 区块链负责信任和经济系统。 当这两者真正结合的时候， 我们可能会看到一个完全不同的数字世界。 而现在，其实才刚刚开始。