✧ 𝕀𝔸𝕄𝔸𝕀 ✧ (@iamai_omni)

我觉得中国可能正在接近一种真正意义上的“后稀缺社会”。 看这张照片，左边这一桶是在淘宝闪购买的，只要 10 块钱；右边这杯是在线下买的，反而要 11 块。你很难想象，一杯现制饮品居然可以便宜到这种程度，甚至线上配送到家，比你自己走到店里买还便宜。 我后来想了一下，它为什么能这么便宜？ 表面上看，这是平台补贴、商家促销、即时零售竞争。但更深一层，它其实依赖的是一整套信用扩张机制：商家通过真实订单和流水数据，获得更强的贷款能力；平台通过制造交易规模，提升估值和融资能力；银行再基于这些流水和资产负债表继续放贷。于是，货币通过这种“真实交易—数据沉淀—信用扩张”的链条，被不断注入到消费端。 而这套机制在今天的中国之所以能跑起来，核心原因是生产端效率已经高到离谱。很多环节高度自动化、标准化、规模化，原料、包装、物流、履约的边际成本都被压得很低。只要生产端足够强，金融端持续扩张，消费品价格就可以被不断向下打。 所以我甚至觉得，这类东西未来有可能便宜到一毛钱一杯。 只要你是一个真实的人，只要你愿意下单，系统就会把一杯饮料送到你面前。你喝多少，它就送多少。价格不再主要由“稀缺性”决定，而是由平台增长、金融扩张、履约效率和数据价值共同决定。 这可能就是中国版后稀缺社会的雏形： 不是人人拥有无限资源，而是某些高度标准化、可自动化生产、可金融化放大的消费品，会先一步变得近乎免费。

国内的算力短缺到什么程度，我根本不想提Blackwell，光是H200集群没有国央企背景就只能随缘，而零散H200就更别想了，一释放出来就被秒抢，买家直接打款。以前很多甲方不信这回事，被市场教育后也老实了：什么流程都不走，直接跟大老板说打款，不然抢不到。 就是这个饥渴程度。

鉴于我80%的大学同学，都进了戴森球能源系统。 我作为女生说一下，恒星能源工程这个方向能不能选，以及戴森球到底好不好进。 首先，戴森球作为人类文明级基础设施，只招应届生。硕士以上走“恒星级人才通道”，大多数岗位不用统一笔试，只需要面试。校招一开始，近日轨道运维局、地月输能中心、各行星能源调度所、恒星能源科研院就会直接来学校抢人。 面试内容考察，包括但不限于：绩点排名、科研成果、轨道工程项目经验、恒星辐照适应性、心理稳定性、家庭所在地和未来服从调配意愿。 成绩好，论文多，做过等离子体约束、超导输能、轨道姿控、散热材料、AI调度系统这些方向，再加上会主持年会、能上文艺汇演，基本就有优先选择权。第一档的地月主控中心、火星中继枢纽、近水星能源采集环可以随便挑，其他人就要看系统分配了。 戴森球签合同时，一般不会把月薪写得特别清楚，只会承诺一个大概年包，因为奖金和补贴跟轨道位置、辐照等级、出舱次数、值班强度挂钩。我师姐进了地月主控中心，当时签的是25京token年包，后来算上轨道补贴和恒星风暴值守补贴，实际还要高一点。 待遇最好的，是近水星采集环和太阳背面维护舰队，因为离太阳太近，环境最极端，补贴也最高。这两个单位基本都是单独招聘。我那年，近水星采集环还明确说不招女生，理由是长期深空轮值、强辐射环境和封闭舱段管理成本太高，虽然这个说法一直被骂。 就算去了心仪的轨道，也有很多要避坑的地方。 应届生进去以后，先有一个统一培训期。培训内容包括恒星能量采集原理、轨道镜阵维护、超导输能安全、AI调度系统、太阳风暴应急、舱外作业规范。培训完才会第一次定岗。 比较轻松的是调度/监控岗，在地月主控大厅看屏幕，盯能量流、热负荷、镜阵姿态和各行星用电曲线。忙的时候也熬夜，但至少不用经常出舱。 比较累的是运检/检修岗，尤其是镜阵维护、散热片更换、超导缆巡检这些岗位。不定时要被派去很偏远的轨道段，有时候是太阳背面，有时候是木星阴影区，有时候甚至要去无人值守的旧式采集帆阵。那里没有城市，没有重力娱乐区，只有维修舱、备用氧气和一排排老化的反光镜。 而且一旦定岗，想转岗很难。戴森球系统太大了，每个岗位都和一整套权限、培训记录、辐照档案、心理评估绑定。你想从外轨检修转到主控调度，不仅要重新考核，还要等编制、等窗口期、等上级放人。 所以这个专业能不能选？ 能选，但要想清楚。戴森球是人类能源的天花板，稳定、体面、资源多、平台大。可它也是一个巨大的系统，进去以后，你个人的自由度会变小。你以为自己在选择恒星能源，其实很多时候，是恒星能源系统在重新定义你的人生轨道。 如果有想了解更多的朋友可以私我，我尽量帮你问问我那些在戴森球里的同学。

Serenity 的底层认知其实非常简单粗暴：AI capex 最终会往物理瓶颈流。钱不会平均撒给每个“AI 受益者”，钱会被迫流向那些不买就没法扩容的东西。 欢迎使用我的 Serenity 免费开源项目辅助分析：

我有点无奈。 AI 都三年了，国内很多人还是没整明白 AI 的底层逻辑，还在讨论靠 App 订阅费、会员费、Token 套餐那点三瓜俩枣，把 AI 基建的天坑填上。 这不是做生意，这是做梦。 如果 2030 年美国真的要砸 1 万亿美元级别去建 AI Infra，那这个窟窿绝不可能靠人类用户自己掏钱补上。一个月 68、198、500 的会员费，撑死只是验证需求，不可能承担文明级别的资本开支。 真正能填这个洞的，只有 AI 自己。 未来 AI Infra 的融资方式，大概率不会是传统互联网那套“先烧钱、再订阅、再广告变现”，而会更像一种新的主权基础设施：各国央行、财政、政策性金融，会定向给 AI Infra 发债，把算力、电力、网络、数据中心当成下一代公共基础设施来建。 然后 AI 生产出来的东西，未必靠每个普通人逐单付费，而是通过更高的社会生产率、更低的服务成本、更强的国家竞争力来回收。 也就是说，AI 真正的商业闭环不是： 用户付费 → 模型厂商赚钱 → 回收基建成本。 而是： 国家信用融资 → 建 AI Infra → AI 提高全社会产出 → 用新增生产力反向偿还债务。 到最后，很多 AI 服务甚至会像基础教育、公共医疗、道路、电网一样，被半免费、低价，甚至免费发放给民众使用。 因为 AI 如果真是通用生产力工具，它就不该只靠订阅制回本。它的最终买单者不是某个 App 用户，而是整个社会的资产负债表。

我发现几乎所有认为存储是周期性行业的人，其论点的 context 里面总是缺少两个关键的点，一个是KV Cache 带来的推理态内存需求，一个是 AI 能力指数进化带来的需求曲线右移，如果有反例可以贴在评论区。

2026年，台积电的N3工艺有60%分配给人工智能，明年是86%，这个最底层的第一性原理数字告诉我，这两年千万不要碰任何消费电子，即便是苹果，但这会是二手倒爷的狂欢。

Claude Code 的创始人 Boris 的招人哲学； “代码已经基本被 AI 解决了，我们要找的是那些能和 AI 一起思考、一起创造、好奇心爆棚、适应极快的人，而不是过去那种‘敲代码最快’的专家。” 这些在国内公司眼中就是大逆不道。

巴菲特和段永平一直挂在嘴边的“护城河”，其实就是复杂系统演化中“计算的不可约性”，是科学家史蒂芬·沃尔夫勒姆（Stephen Wolfram）在其著作《一种新科学》（A New Kind of Science）中提出的核心概念。 它的核心思想是：对于某些复杂系统，我们无法通过“走捷径”的方式来预测其未来的状态。唯一能确切知道系统会如何演化的方法，就是一步一步地、完整地模拟（或观察）整个演化过程。 系统的演化过程本身就是一种计算，而这种计算是“不可约”的，没有简单的公式或模型可以替代这个过程。

🚀开始让deep research帮我研究，基于当前的硬件水平，人工智能软件算法所能达到的智能上限是什么，这关系着AI半导体投资的未来，点赞关注这个帖子可以第一时间看到研究结果 👇1/n