想知道谁在裸泳吗?
Jev 火了：AI 支出或砍掉 60%
Jev 怎么用呢？🤔
问题一旦提出来，就开始研究，发现了好多新东西，探索的乐趣啊！🏄
拿到 API 后研究了一圈，发现大家已经把 Jev 玩出花了。给同样拿到 API、但还不知道怎么玩的人，整理一份 Jev 使用清单：
0. fast-jev-compaction
给 Claude Code 做上下文压缩，用精准裁剪替代默认的摘要压缩。
1. jev-ultrafast
Browser Use 做的高速浏览器 Agent，让 Jev 判断下一步做什么、点哪个元素。Google Flights 搜航班完整跑完约 7.1 秒。
2. typesafe-mcp
把 Jev 接进 Claude Code、Claude Desktop 和 Codex，随时做 Choice / Score 这类结构化判断。
3. jev-mcp
封装事实核验、Prompt Injection 检测和语义排序。
4. Jev Codex Router
这个很有意思：Jev 先判断 Coding 任务难度，再决定交给便宜模型还是旗舰模型。作者回放 237 个真实 turn，自测成本降低约 60%。
5. neo4jev
给知识图谱候选边打概率，再用 beam search 找路径。搞过图谱的朋友一定知道这个有多重要。太省力啦！
6. TypeSafe on Neon
拿 Jev 做模型 Router，先判断任务，再转给 Grok 4.6、GPT-6 Astra 等模型。
看完这一圈，Jev 的玩法其实很简单：
要不要？选哪个？打几分？下一步干什么？
这些高频的小判断交给 Jev，真正需要写代码、长文本和复杂推理的时候，再叫传统大模型出来干活。
@forgebitz 提到一个很有意思的判断：
分类是很多公司的巨大用例，LLM 处理上亿资产依然又贵又慢，Jev 这类模型有机会砍掉 50%-60% 的 AI 支出。
Jev Codex Router 的实测也给出了约 60% 的降本结果。当然，这个数字还需要更多真实业务验证，但方向很值得关注。
忙活了一下午，我也终于赶在下班前把 Jev 集成进了 monk.party，顺手做了一个监控看板。
实际跑起来后，有个细节我很喜欢：Jev 默认输出置信度。
以后完全可以根据置信度做分层路由：高置信度直接执行，拿不准就交给 Flash，再难一点才叫旗舰模型。
给个好评。👍
折腾完这一下午，我对 Jev 的理解反而更简单了：
Jev 负责便宜地做决定，Flash 负责便宜地干活，旗舰模型留给真正困难的问题。
AI 应用下一轮降本，可能已经开始了。🏄
Jev + Flash + AGI 会成为什么？谁需要这样的体系？
我觉得是字节和谷歌。十亿级别的免费用户，需要豆包，需要 Gemini。
Jev 提供了一种可能性。
Jev 怎么用呢？🤔
问题一旦提出来，就开始研究，发现了好多新东西，探索的乐趣啊！🏄
拿到 API 后研究了一圈，发现大家已经把 Jev 玩出花了。给同样拿到 API、但还不知道怎么玩的人，整理一份 Jev 使用清单：
0. fast-jev-compaction
给 Claude Code 做上下文压缩，用精准裁剪替代默认的摘要压缩。
1. jev-ultrafast
Browser Use 做的高速浏览器 Agent，让 Jev 判断下一步做什么、点哪个元素。Google Flights 搜航班完整跑完约 7.1 秒。
2. typesafe-mcp
把 Jev 接进 Claude Code、Claude Desktop 和 Codex，随时做 Choice / Score 这类结构化判断。
3. jev-mcp
封装事实核验、Prompt Injection 检测和语义排序。
4. Jev Codex Router
这个很有意思：Jev 先判断 Coding 任务难度，再决定交给便宜模型还是旗舰模型。作者回放 237 个真实 turn，自测成本降低约 60%。
5. neo4jev
给知识图谱候选边打概率，再用 beam search 找路径。搞过图谱的朋友一定知道这个有多重要。太省力啦！
6. TypeSafe on Neon
拿 Jev 做模型 Router，先判断任务，再转给 Grok 4.6、GPT-6 Astra 等模型。
看完这一圈，Jev 的玩法其实很简单：
要不要？选哪个？打几分？下一步干什么？
这些高频的小判断交给 Jev，真正需要写代码、长文本和复杂推理的时候，再叫传统大模型出来干活。
@forgebitz 提到一个很有意思的判断：
分类是很多公司的巨大用例，LLM 处理上亿资产依然又贵又慢，Jev 这类模型有机会砍掉 50%-60% 的 AI 支出。
Jev Codex Router 的实测也给出了约 60% 的降本结果。当然，这个数字还需要更多真实业务验证，但方向很值得关注。
忙活了一下午，我也终于赶在下班前把 Jev 集成进了 monk.party，顺手做了一个监控看板。
实际跑起来后，有个细节我很喜欢：Jev 默认输出置信度。
以后完全可以根据置信度做分层路由：高置信度直接执行，拿不准就交给 Flash，再难一点才叫旗舰模型。
给个好评。👍
折腾完这一下午，我对 Jev 的理解反而更简单了：
Jev 负责便宜地做决定，Flash 负责便宜地干活，旗舰模型留给真正困难的问题。
AI 应用下一轮降本，可能已经开始了。🏄
Jev + Flash + AGI 会成为什么？谁需要这样的体系？
我觉得是字节和谷歌。十亿级别的免费用户，需要豆包，需要 Gemini。
Jev 提供了一种可能性。
一般来说，蔬菜是切了尽快吃比较好，否则维生素 C 可能因为接触氧气而被破坏。但根据 2026 年 8 月发表的一篇论文，胡萝卜可能是个例外。
该研究发现，只要把胡萝卜切碎（比如切成丝）后，在 15°C 下放置 48 小时，其中的绿原酸等有益健康的物质居然会暴增数倍。这大概是因为胡萝卜的细胞感受到损伤后，主动分泌抗氧化物质来试图抵御伤害。
而且这种营养物质的增加在动物实验中也观察到了实际效果：给吃高热量饮食的肥胖大鼠每天吃一些这种强化后的胡萝卜，在不减少总进食量的前提下，大鼠的体重增长变慢了，并且糖耐量和胰岛素耐量改善了，血脂异常也得到缓解，炎症因子水平显著下降。
对人类来说，每天吃 50 克这种胡萝卜可能就能有西医养生的效果。
doi.org/10.1038/s41538-026-01042-9
via tombkeeper的微博
该研究发现，只要把胡萝卜切碎（比如切成丝）后，在 15°C 下放置 48 小时，其中的绿原酸等有益健康的物质居然会暴增数倍。这大概是因为胡萝卜的细胞感受到损伤后，主动分泌抗氧化物质来试图抵御伤害。
而且这种营养物质的增加在动物实验中也观察到了实际效果：给吃高热量饮食的肥胖大鼠每天吃一些这种强化后的胡萝卜，在不减少总进食量的前提下，大鼠的体重增长变慢了，并且糖耐量和胰岛素耐量改善了，血脂异常也得到缓解，炎症因子水平显著下降。
对人类来说，每天吃 50 克这种胡萝卜可能就能有西医养生的效果。
doi.org/10.1038/s41538-026-01042-9
via tombkeeper的微博
vphone-cli · 用 Apple 自己的虚拟化框架启动一台「真」虚拟 iPhone
TL;DR
① 是什么：Apple Silicon Mac 上一条命令
② 聪明之处：借用了 Apple 为 PCC（Private Cloud Compute）research VM 铺的基建——guest 以 PV=3 特权级启动，这本是 Apple 自家 PCC 专用的虚拟化平台层
③ 讽刺点：Apple 当年在法院追着 Corellium 打，要的就是阻止 iOS 虚拟化研究；现在自己把必需的原语发出来了（HN 评论区集体玩梗）
④ 和 agent 最相关：host 控制套接字暴露截图/触摸/滑动/硬件键，每次操作内联回传截图——已有 vphone-mcp 把它包成 MCP server，虚拟 iPhone 直接变成 agent 的 E2E 测试工具
⑤ 代价：需 SIP/AMFI 放松（公司机器/MDM 基本没戏）、Apple Silicon only、不能嵌套虚拟化
来源：github.com/Lakr233/vphone-cli（8.7k★，MIT）+ news.ycombinator.com/item?id=49485267（389 分）
TL;DR
① 是什么：Apple Silicon Mac 上一条命令
vm create 拉起完整 iOS 系统——不是模拟器，是真虚拟化：下载官方 IPSW → 打补丁 → DFU restore → 定制固件 → 首次开机，SSH + VNC 直接连② 聪明之处：借用了 Apple 为 PCC（Private Cloud Compute）research VM 铺的基建——guest 以 PV=3 特权级启动，这本是 Apple 自家 PCC 专用的虚拟化平台层
③ 讽刺点：Apple 当年在法院追着 Corellium 打，要的就是阻止 iOS 虚拟化研究；现在自己把必需的原语发出来了（HN 评论区集体玩梗）
④ 和 agent 最相关：host 控制套接字暴露截图/触摸/滑动/硬件键，每次操作内联回传截图——已有 vphone-mcp 把它包成 MCP server，虚拟 iPhone 直接变成 agent 的 E2E 测试工具
⑤ 代价：需 SIP/AMFI 放松（公司机器/MDM 基本没戏）、Apple Silicon only、不能嵌套虚拟化
来源：github.com/Lakr233/vphone-cli（8.7k★，MIT）+ news.ycombinator.com/item?id=49485267（389 分）
一封内部信暴露了中美AI竞赛的真实格局
硅谷最近流传着一份来自顶级风投机构Dimension Capital的内部信，几位合伙人在中国走访调研了一周后，回去给投资者写了一封五页纸的观察，其措辞比任何对外公开表态都要直白得多。
信中最扎眼的一个数字是大约80%的美国AI初创公司已经在生产环境中部署了至少一个来自的中国的开源模型，而18个月前这个数字几乎是零。
这是一个渗透率的指数级跃迁，它意味着中国AI产业在软件层面已经完成了一次历史性的跨越。过去20年来，中国的SaaS软件始终没能真正进入西方企业的核心工作流，因为企业软件的采购壁垒天然倾向于保护既有供应商。
开源模型则绕过了这道墙，因为不存在合同谈判，不存在供应商审查，也不存在黑名单，一个工程师就能直接下载模型然后开始跑工作负载，这种效率是任何销售团队都无法企及的。
Qwen成为Hugging Face上最快突破10亿次下载的模型家族，OpenRouter平台上中国模型的Token消耗份额在18个月内从不足2%飙升到45%以上，这些数字不是偶然。
这一切的背后是来自美国的芯片禁令，禁令的本意是拖慢中国AI的发展节奏，但它产生了一个意料之外的副产品。因为算力买不到的时候，只能用人力去替代算力。于是每多一个懂编译器或系统底层架构的工程师，就能永久降低整个团队对算力的依赖。
这不是一次性的资本开支，它能积累、能复用，能形成一种全栈的工程纪律。美国公司习惯用钱解决问题，中国公司被迫用效率替代资源。两种模式没有优劣之分，但它们在塑造完全不同的组织能力。一家公司如果始终可以用钱解决问题，就不会有动力去培养那种不用钱也能解决问题的肌肉。中国算力的匮乏反而被倒逼成了一种进化压力，DeepSeek当年的横空出世就是一个最好的例子。
但事情的另一面是中国在吃西方的计算负载，但吃不到收入。因为开源模型的下载是免费的，真正需要花钱的是推理、微调、部署、运维这一层，这笔钱最终流向了美国的推理服务商和云厂商。不过开源模型在长期博弈中的战略价值并不直接体现在API收入上，当一个模型被下载得越多、部署得越广，它就在积累更多使用场景的反馈数据，这些数据在迭代下一代模型时的复用价值是难以估量的。
当美国80%的AI初创公司已经深度依赖中国的开源模型时，这些公司不仅在使用中国的代码，也在使用中国的技术栈、工具链和最佳实践。标准一旦确立，更换的代价会远高于所支付的Token费用。
Cursor的Composer 2被发现是基于Kimi K2.5改的，Harvey的Tenet是对Kimi K3后训练的产物。如果是一两年前，这些公司大概率会选择Llama或Mistral。如今，美国垂直AI行业的底层基座正在逐渐变成中国开源模型，而这些模型内部又潜藏着部分来自美国前沿模型的智能。这是一个双向渗透的闭环，仅靠监管砍不断这种连接，因为技术之间的对话渠道太多了，单方面切断的代价可能大于收益。
与此同时，中美AI两边的瓶颈又恰好是镜像的。美国芯片充裕但电力越来越吃紧，中国电力充裕但芯片始终不够用。中期局势取决于哪一侧的障碍率先被推倒，但如果双方在短时间内都解决不了各自的问题，竞争就会从“谁能跑得更快”变成“谁能在受限条件下跑得更远”。当算力变成硬约束，效率就成了唯一的变量。
Dimension Capital认为中国AI公司的收入远低于美国同行但估值倍数却远高于美国是“资本市场不够成熟”的表现，这可能低估了中国资本市场的逻辑。中国投资者经历过消费互联网时代，亲眼见证过“先跑规模再变现”的路径能走通。
当年抖音、美团、拼多多都是在规模足够大之后才找到商业闭环的，用企业软件的逻辑去套中国市场本身就错位了，但前提是中国的AI公司别也掉入这个陷阱中。另一个被低估的变量是一旦模型能力趋同，胜负手就从“谁有更好的模型”转移到了“谁有更好的数据飞轮”上。今天开源模型和AI产品的用户规模数据，可能比任何Benchmark都更能预示未来的竞争格局。
基于这些判断，美国接下来会面临一个两难选择。如果继续开放最新模型的API，中国实验室的蒸馏效率已经快到了无法忽视的程度。如果关闭API，他们必须放弃一个巨大的收入来源，把模型生态的主导权拱手让人。而且蒸馏并不完全依赖API权限，它需要的是模型的输出，真正能切断蒸馏的只有完全不公开任何高能力模型权重，这是一个代价极高的选择。如果开源模型的能力已经逼近闭源模型，而闭源模型的商业模式又在承受压力，这个选择会变得越来越紧迫。
所以我敢下的一个判断是双方的技术渗透已经深到剪不断理还乱了，谁先试图强行切断，谁就要承担那个代价。美国在算力上的优势依然存在，但中国在效率上补回来的那部分已经足够把这场竞赛拖入一个谁都无法单方面终结的僵局。
开源模型这把刀已经切进去了，它真正切的是标准、是生态，是未来十年全球AI应用层的基座。基座一旦铺好，上层怎么长就不完全由地基说了算了。
这场中美AI竞赛中真正有意思的部分，才刚刚开始。
by @莫唯书Mark #AI探索站
硅谷最近流传着一份来自顶级风投机构Dimension Capital的内部信，几位合伙人在中国走访调研了一周后，回去给投资者写了一封五页纸的观察，其措辞比任何对外公开表态都要直白得多。
信中最扎眼的一个数字是大约80%的美国AI初创公司已经在生产环境中部署了至少一个来自的中国的开源模型，而18个月前这个数字几乎是零。
这是一个渗透率的指数级跃迁，它意味着中国AI产业在软件层面已经完成了一次历史性的跨越。过去20年来，中国的SaaS软件始终没能真正进入西方企业的核心工作流，因为企业软件的采购壁垒天然倾向于保护既有供应商。
开源模型则绕过了这道墙，因为不存在合同谈判，不存在供应商审查，也不存在黑名单，一个工程师就能直接下载模型然后开始跑工作负载，这种效率是任何销售团队都无法企及的。
Qwen成为Hugging Face上最快突破10亿次下载的模型家族，OpenRouter平台上中国模型的Token消耗份额在18个月内从不足2%飙升到45%以上，这些数字不是偶然。
这一切的背后是来自美国的芯片禁令，禁令的本意是拖慢中国AI的发展节奏，但它产生了一个意料之外的副产品。因为算力买不到的时候，只能用人力去替代算力。于是每多一个懂编译器或系统底层架构的工程师，就能永久降低整个团队对算力的依赖。
这不是一次性的资本开支，它能积累、能复用，能形成一种全栈的工程纪律。美国公司习惯用钱解决问题，中国公司被迫用效率替代资源。两种模式没有优劣之分，但它们在塑造完全不同的组织能力。一家公司如果始终可以用钱解决问题，就不会有动力去培养那种不用钱也能解决问题的肌肉。中国算力的匮乏反而被倒逼成了一种进化压力，DeepSeek当年的横空出世就是一个最好的例子。
但事情的另一面是中国在吃西方的计算负载，但吃不到收入。因为开源模型的下载是免费的，真正需要花钱的是推理、微调、部署、运维这一层，这笔钱最终流向了美国的推理服务商和云厂商。不过开源模型在长期博弈中的战略价值并不直接体现在API收入上，当一个模型被下载得越多、部署得越广，它就在积累更多使用场景的反馈数据，这些数据在迭代下一代模型时的复用价值是难以估量的。
当美国80%的AI初创公司已经深度依赖中国的开源模型时，这些公司不仅在使用中国的代码，也在使用中国的技术栈、工具链和最佳实践。标准一旦确立，更换的代价会远高于所支付的Token费用。
Cursor的Composer 2被发现是基于Kimi K2.5改的，Harvey的Tenet是对Kimi K3后训练的产物。如果是一两年前，这些公司大概率会选择Llama或Mistral。如今，美国垂直AI行业的底层基座正在逐渐变成中国开源模型，而这些模型内部又潜藏着部分来自美国前沿模型的智能。这是一个双向渗透的闭环，仅靠监管砍不断这种连接，因为技术之间的对话渠道太多了，单方面切断的代价可能大于收益。
与此同时，中美AI两边的瓶颈又恰好是镜像的。美国芯片充裕但电力越来越吃紧，中国电力充裕但芯片始终不够用。中期局势取决于哪一侧的障碍率先被推倒，但如果双方在短时间内都解决不了各自的问题，竞争就会从“谁能跑得更快”变成“谁能在受限条件下跑得更远”。当算力变成硬约束，效率就成了唯一的变量。
Dimension Capital认为中国AI公司的收入远低于美国同行但估值倍数却远高于美国是“资本市场不够成熟”的表现，这可能低估了中国资本市场的逻辑。中国投资者经历过消费互联网时代，亲眼见证过“先跑规模再变现”的路径能走通。
当年抖音、美团、拼多多都是在规模足够大之后才找到商业闭环的，用企业软件的逻辑去套中国市场本身就错位了，但前提是中国的AI公司别也掉入这个陷阱中。另一个被低估的变量是一旦模型能力趋同，胜负手就从“谁有更好的模型”转移到了“谁有更好的数据飞轮”上。今天开源模型和AI产品的用户规模数据，可能比任何Benchmark都更能预示未来的竞争格局。
基于这些判断，美国接下来会面临一个两难选择。如果继续开放最新模型的API，中国实验室的蒸馏效率已经快到了无法忽视的程度。如果关闭API，他们必须放弃一个巨大的收入来源，把模型生态的主导权拱手让人。而且蒸馏并不完全依赖API权限，它需要的是模型的输出，真正能切断蒸馏的只有完全不公开任何高能力模型权重，这是一个代价极高的选择。如果开源模型的能力已经逼近闭源模型，而闭源模型的商业模式又在承受压力，这个选择会变得越来越紧迫。
所以我敢下的一个判断是双方的技术渗透已经深到剪不断理还乱了，谁先试图强行切断，谁就要承担那个代价。美国在算力上的优势依然存在，但中国在效率上补回来的那部分已经足够把这场竞赛拖入一个谁都无法单方面终结的僵局。
开源模型这把刀已经切进去了，它真正切的是标准、是生态，是未来十年全球AI应用层的基座。基座一旦铺好，上层怎么长就不完全由地基说了算了。
这场中美AI竞赛中真正有意思的部分，才刚刚开始。
by @莫唯书Mark #AI探索站
孙宇晨到底有多少钱，也属于是当代互联网的都市传说了。
2025年「福布斯」在更新富豪榜时采访过他，但是他报的数字是400亿美金，但最后「福布斯」只认了85亿美金，因为孙宇晨没给查看加密钱包的授权，「福布斯」以无法核实为由，排除掉了这部分资产。
彭博也在去年和孙宇晨的财务团队接触过，也拿到了钱包信息，确认他持有超过600亿枚TRX（也就是孙宇晨自创的波场币），合并公开可查的1.7万枚BTC、22.4万枚ETH、7亿枚USDT、90%的HTX股权之后，这么算下来孙宇晨达到了230亿美金的「纸面」资产。
之所以强调「纸面」，是因为最后彭博愿意背书的孙宇晨资产打折到了120亿美金，因为孙宇晨的大部分身价都在那600亿枚TRX里，这个东西和上市公司的股权不一样，不可能全部都能按市价卖掉，一旦孙宇晨开始套现，币值马上就会暴跌，所以彭博的算法是把TRX打了75%的流动性折价，只愿意认领25%的实际价值。
这是孙宇晨和其他老钱新贵们最大的区别，虽然大家都不会持有大量现金，但在真需要用钱的时候，后者们的变现能力是远远大于财富高度绑定TRX生态孙宇晨，作为一个超级集中头寸，他的可流动资产远低于账上数字。
很好笑的是，孙宇晨后来把彭博给起诉了，理由是我给你看钱包，是让你确认我没说谎，算清楚我的财富总值就可以了，没让你把我的具体持仓也公布出去啊，你把我一个人的TRX持仓超过总流通的60%以上说出来了，这我要怎么跑？
总之这场官司的发展以孙宇晨撤诉告终，因为没有证据显示彭博有承诺过那些披露限制。
不过无论是85亿美金还是120亿美金，对于普通人来说都是天文数字了，虽然我也不信孙哥会去问Claude该不该给那5000万美金，但他所说的给了也不会对自己现有资产造成任何影响，确实有这个底气。
毕竟5000万也就是0.4%的支出，相当于你有1万块钱的时候，也不怎么会在意40块钱的支出吧，所以这也是你和孙哥的差别，你不在意，但孙哥在意，所以孙哥成功了，你没有。
🥲
by @阑夕ོ #科技圈大小事
2025年「福布斯」在更新富豪榜时采访过他，但是他报的数字是400亿美金，但最后「福布斯」只认了85亿美金，因为孙宇晨没给查看加密钱包的授权，「福布斯」以无法核实为由，排除掉了这部分资产。
彭博也在去年和孙宇晨的财务团队接触过，也拿到了钱包信息，确认他持有超过600亿枚TRX（也就是孙宇晨自创的波场币），合并公开可查的1.7万枚BTC、22.4万枚ETH、7亿枚USDT、90%的HTX股权之后，这么算下来孙宇晨达到了230亿美金的「纸面」资产。
之所以强调「纸面」，是因为最后彭博愿意背书的孙宇晨资产打折到了120亿美金，因为孙宇晨的大部分身价都在那600亿枚TRX里，这个东西和上市公司的股权不一样，不可能全部都能按市价卖掉，一旦孙宇晨开始套现，币值马上就会暴跌，所以彭博的算法是把TRX打了75%的流动性折价，只愿意认领25%的实际价值。
这是孙宇晨和其他老钱新贵们最大的区别，虽然大家都不会持有大量现金，但在真需要用钱的时候，后者们的变现能力是远远大于财富高度绑定TRX生态孙宇晨，作为一个超级集中头寸，他的可流动资产远低于账上数字。
很好笑的是，孙宇晨后来把彭博给起诉了，理由是我给你看钱包，是让你确认我没说谎，算清楚我的财富总值就可以了，没让你把我的具体持仓也公布出去啊，你把我一个人的TRX持仓超过总流通的60%以上说出来了，这我要怎么跑？
总之这场官司的发展以孙宇晨撤诉告终，因为没有证据显示彭博有承诺过那些披露限制。
不过无论是85亿美金还是120亿美金，对于普通人来说都是天文数字了，虽然我也不信孙哥会去问Claude该不该给那5000万美金，但他所说的给了也不会对自己现有资产造成任何影响，确实有这个底气。
毕竟5000万也就是0.4%的支出，相当于你有1万块钱的时候，也不怎么会在意40块钱的支出吧，所以这也是你和孙哥的差别，你不在意，但孙哥在意，所以孙哥成功了，你没有。
🥲
by @阑夕ོ #科技圈大小事
📷 从制作 Instagram 精选集讲起，聊聊我的照片管理策略
之前和大家提到过几次，那就是我开始正儿八经使用 Instagram，并精选了一些照片、按时间轴上传了。这项工作大概花了我半个月的时间，每天抽出一些碎片化的间隙来制作
正好趁着这个机会，想和大家聊聊我的照片现状，以及自己为什么突然想要开始做照片管理和精选，对于摄影与记录这件事本身又有什么样的看法
❓ 为什么要管理照片
实际上，在 22 年接触第一台相机 Sony α6400 之前，我几乎不怎么拍照。那个时候比较宅，和许多人的看法一样，觉得生活好像也没有什么太多值得拍摄和分享的东西。上班之后，才有意识地重建自己的生活，无论是物理层面还是精神层面。我们开始走出家门，直到有一天，我说要不买个相机吧
从 23 年中旬购买 Sony A7M4 之后，生活的节奏便跟着快门数的增长，一发不可收拾。就 26 年来讲，谁能想到 1 月还没结束，自己就拜访了将近十座城市（真正出站游历的那种）。时至今日，这台陪伴我 3 年出头的相机也正式来到了 5W 次快门，大约留下了近 1W 张精修照片，出片率还是不低的
在我眼中，用相机记录日常成为了一件日常的事，一开始非常受用。但随着时间推移，我发现人迟早会 遗忘，而硬盘空间也不是无限的。所有事物，达到一定的量级，就会变成一座混沌的山。而管理照片这件事，就好比薄雾山路中的指示牌，已经迫在眉睫
💡 我照片管理的策略
和大家聊聊目前我如何处理这些海量的照片，基本上可以分为数码的、实体的、线上的、线下的几种
1️⃣ 硬盘和本地存储
我用 Mac 自带的 1TB 存储以及三块外置硬盘存储所有 RAW 格式以及「精修过」的照片，处理 RAW 的流程大致是：筛选 - 导入 Lightroom - 导出为 PNG -分别存档
具体一点，经过调色的 PNG 上传 iCloud 一份、在 Mac 留一份、在外置硬盘备份一份；所有的 RAW 格式统一放在外置硬盘备份。这样的方法比较笨且耗时间，但很稳妥。唯一的问题是，随着照片越来越多，未来需要一个 NAS 来整合备份所有的照片和信息
2️⃣ 网盘：iCloud 2TB
iCloud 无疑是「线上的」一类，也是普通人能想到的最直接的照片存储渠道。每个月 68 元，它就可以把所有照片存储到云端、按时间线排布、多设备同步
但是，用 Apple 的照片 App 搜索照片体验一般，自动识别、文字查找都差点意思。面对海量的照片，有时候常常需要用最笨的办法一点点翻。更要命的是，目前已经用了 900GB，迟早有一天它也会被装满
今后做出的改变是，需要重新考虑一种图片格式，同时兼顾清晰度和体积。经过一番筛选，基本锁定了 HEIC 和 JXL，考虑到兼容性，准备先试试将修好的 PNG 转换为 HEIC
fd -e JPG -e PNG -e TIF -x sips -s format heic {} -o {.}.heic3️⃣ 实体影集
从 23 年第一次用相机正儿八经拍照开始，我们每年会做一本实体影集，也就是在上传至 iCloud 的调色照片当中，再选出一批觉得还不错的。制作回顾：2023 | 2024 | 2025
喜欢实体影集，是因为它以物理的形式真实存在。即便有一天数字照片全部爆炸，还有一些能够摸得到的相纸。此外，每次整理的过程也是一种「增强回忆」的经历，我也很享受这种去繁从简的感觉
当然了，最终的印刷色彩和分辨率，肯定不如直接在电脑屏幕看得真切。此外，还需要考虑成本，你们可以大概按照一张 6 英寸相片 1.5 元来计算（含相册费用）。我们每到年底会整理一次，如果有频繁彩印的需求，也可以考虑添置一台彩色照片打印机
4️⃣ Instagram
摄影其实是很私人的事情，我认为初衷是为了取悦自己和身边的人。所以在很长一段时间，能够看到上述三类照片的，只有家人、爱人和几位密友。但随着数量不断增加，除了实体精选集之外，我还需要一个地方存放数字版本的；它最好还能够拿来展示，这样频道读者能够将一些文字和照片对应上
若干年前，我们试验了在自留地推行「每日一摄」，前期效果非常好，得到了许多读者的支持。但随着时间推移，Telegram 官方对于「助力」的要求越来越高，不忍逼迫大家开会员为我们助力，因而停止了更新
所以，这个数字平台不在 Telegram 本身，我将目光投向了 Instagram 和 Unsplash。前者自带社交属性 + 漂亮的瀑布流展示吸引了我，最终敲定把精选集放在 Instagram。说是精选集，其实就是日常的集合，我并没有系统性学习过摄影和调色，一切都按照直觉来
希望你们会喜欢最终的 呈现，因为网页端每条可以上传 10 张照片，相比于实体版本还是偏多了一些。在上传的过程中，我也发现 Instagram 存在不少问题：不明确的体积大小限制、不明确的照片比例限制、UI 卡顿、瀑布流展示页强行裁切照片等
5️⃣ 胶片
从 麦当劳联名一次性相机 开始，到购买第一台 机械胶片相机，我总共拍了 9 卷胶片。受到数码照片的启发，近期也用了一些方法分别管理数字产出和胶片实体
针对冲洗之后扫描仪得到的调色后的照片，我用了一个叫做 Filmer 的应用去管理。其中可以标注每一卷的型号、拍摄时间、地点，并导入最终得到的数字化照片。软件的优化算不上很好，有时候需要导入几遍才能成功，如果大家有更好的软件可以向我推荐
我还会用 PhotoShop 给每一卷的照片做一个「索引图」，用的是 Film-Contact-Sheet-Generator 的 JSX 脚本。如果你有翻拍胶片或切分整条胶片的需求，也可以看看 X5-Crop 或 NegativeCutter-135。由于对扫描仪精度和第三方调色风格愈发不满，自己翻拍调色是迟早的事，这些是后话了
至于寄回的胶片实体，很多人叫它「海带条」，我买了一个专门的「胶片收纳册」。其实就是一个活页本，用了定制的 8 行胶片袋，可以满足 36 张（7 行）的收纳 + 1 行作为标签页。我用手写的方式，在标签上记录下胶卷类型、冲扫时间、冲扫门店
到这里还没完，未来我会去发掘胶片放大门店，将一些真正满意的作品底片送去放大、精校色，最后打印出较大画幅的实体
👀 相信你对我管理照片的方法有了一个大概的了解。摄影这项爱好真的很烧钱、很费时间，但它也忠实记录下了曾经在我们眼前发生的一切，将人生一个个时刻串联起来。正如我之前所说：
我们正在通过摄影的方式，书写我们的人生故事，镜头记录下的每一帧，都是我们人生故事的篇章或注脚。在经历过这些美好时刻后，回到家中整理、归档这些碎片，也就是拼凑起了一小段自己的人生故事。我们通过不断调色、剪辑，成为了自己人生故事的导演。终有一天，借助这些体积庞大的数字产物，我们能够通过口述的方式为他人倒带重叙自己的人生
只是，随着时间的推移，认识到了人生尺度的漫长，才更加明白照片管理的必要性。无损压缩、购置新硬盘已经迫在眉睫，给照片精选、为人生剪辑的意识，也将贯穿至老去。照片是送给未来自己最好的礼物
显影是时间赋形的仪式，在速生速朽的时代，显影即抵抗
频道：@NewlearnerChannel
IT之家 8 月 26 日消息，科技媒体 Linuxiac 昨日（8 月 25 日）发布博文，报道称 Linux 创始人林纳斯 · 托瓦兹（Linus Torvalds）借助 AI，通过 24 个调试补丁、18 次内核启动，成功排查 Intel Xe 图形驱动中的内存破坏漏洞。
托瓦兹描述本次排查过程为“地狱般的调试过程”，在其 Intel Battlemage G21（配备 16 GiB VRAM）上 GDM（GNOME 显示管理器）反复重启合成器，屏幕最终保持黑屏。IT之家附上相关截图如下：
该问题出现在 Xe DRM 驱动的 Flat CCS 内存处理环节，根源来自 get_flat_ccs_offset () 函数的地址计算。
该函数先计算保留 CCS 存储区的起始位置，再将地址向上对齐到 128 KiB 边界。但随后，低于这个计算地址的全部空间都被 VRAM 分配器当作可用内存。这样一来，合成器首次提交 GPU 任务便失败，GDM 随即重启合成器，系统陷入黑屏。
托瓦兹表示，最终修复只涉及把错误的 round_up () 改为 round_down ()。不过，定位过程远比修复代码复杂：他累计添加 24 个补丁，用于逐步增加调试信息，并启动内核 18 次，才锁定内存破坏的具体原因。
托瓦兹表示在本次调试过程中，AI 承担添加调试代码和分析输出结果等大量重复工作。在调用处理过程中，AI 多次得出该问题无法解决的结论，不过在托瓦兹的多次协调指导下，不断推进让 AI 生成新的调试工具并分析结果，直至定位底层内存破坏。调查结束后，托瓦兹还让 AI 撰写了详细的提交说明。
核实完毕——双方今天（2026-08-26）同步官宣，我把两篇一手信源都读完了（DuckLabs 创始人长文 + AWS 官方公告），顺手查了时间线和社区反应。单条转发版如下：
————————
📌 AWS 收购 DuckLabs（DuckDB 母公司）：买公司，不买项目
✏ 一句话
DuckDB 背后的商业公司 DuckLabs 被 AWS 收购，预计 9 月初生效；30+ 人团队整体加入、留守阿姆斯特丹。但开源项目本身不在交易标的里——DuckDB / DuckLake / Quack 继续 MIT 协议，由持有全部知识产权的非营利 DuckDB Foundation 继续托管。
✏ 公告核心事实
• 交易 ┃ 已签最终协议，“预计近期交割”，9 月初生效；金额未披露
• 团队 ┃ 整体加入 AWS，留在阿姆斯特丹；两位创始人 Hannes Mühleisen & Mark Raasveldt 继续领导团队和开源技术方向
• 边界 ┃ AWS 公告原话："We are not acquiring the DuckDB open source project"
• 前史 ┃ 双方已紧密合作约两年（AWS 称 since 2024），牵头人 Andy Warfield（Amazon VP / Distinguished Engineer，S3 元老级人物）
✏ 为什么卖（创始人自述）
1. 日下载量已破 100 万，增长远超一家 30 人公司的支撑能力，怕自己变成项目和生态的瓶颈；
2. 把 DuckLabs 扩成大型销售/支持/运营组织会抽走技术精力，与初心相悖；
3. 五年前拒绝了 VC，选择全员持股 + 靠支持合同和功能优先级合同盈利——“技术优先”做到了，但模式天花板明显。
✏ 承诺与扩张
背书阵容值得一看：MotherDuck CEO Jordan Tigani、Fivetran CEO George Fraser、CWI 的 Peter Boncz（Foundation 董事会成员，确认 IP 仍在基金会手中）、图宾根大学数据库教授 Torsten Grust。
✏ 几个解读点
1. 结构上修了“防闭源防火墙”：IP 从始至终在非营利基金会，AWS 买到的是人和工程能力，不是代码控制权——理论上无法重演 HashiCorp 式协议反水。但硬币另一面：MIT 下谁都能 fork，可 core committers 全在 AWS 手里，事实上的方向盘还是易了主。所以顾问委员会 + 开放签名扩展这两项承诺就是给社区的定心丸，兑现度值得长期盯。
2. 时机耐人寻味：8·17 刚发 DuckDB v2.0 预览（server 模式、全新 SQL parser、新存储格式，今秋发布）；5·27 刚从 "DuckDB Labs" 改名 "DuckLabs"——当时还在高调宣传“无 VC、团队全资”模式的独特性。v2.0 把 DuckDB 从嵌入式推向服务器化，恰好是最吃资源的节点。
3. AWS 数据栈拼图：Athena(Trino)、Redshift、Glue、S3 Tables(Iceberg) 之后补上嵌入式 OLAP。Warfield 的表态通篇围绕 S3 客户；DuckLake（DuckDB 自研 lakehouse 格式）与 S3 Tables/Iceberg 的整合想象空间最大。
4. MotherDuck 处境微妙：DuckLabs 持有其股份并为其供工程，而 MotherDuck 的云数仓业务从此与东家 AWS（Redshift/Athena）正面同赛道。Tigani 第一时间站台“利好生态”——这段三角关系是后续最大观察点。
5. 社区反应尚未成形：HN 目前只有一个 32 分 0 评论的帖子（今天 12:59 UTC 提交），大讨论还没起来。
✏ 与你的关联
日常拿 DuckDB 做本地分析完全不受影响（AWS 原话 "nothing changes for DuckDB users"）。值得留意的是 agent 工具链里“DuckDB 当 pandas 替代 / 本地 OLAP”这类用法会随 AWS 投入进一步普及；另外第 4 条的生态连锁反应（MotherDuck vs AWS 云数仓）可能重塑 lakehouse 格式竞争格局。
————————
来源：DuckLabs 博客（Raasveldt & Mühleisen，2026-08-26）；AWS 官方公告（aboutamazon.com，2026-08-26 13:00 UTC）；DuckDB v2.0 预览（duckdb.org，2026-08-17）；DuckLabs 改名公告（2026-05-27）；MotherDuck 合作公告（2022-11-15）；HN Algolia（2026-08-26）。
————————
📌 AWS 收购 DuckLabs（DuckDB 母公司）：买公司，不买项目
✏ 一句话
DuckDB 背后的商业公司 DuckLabs 被 AWS 收购，预计 9 月初生效；30+ 人团队整体加入、留守阿姆斯特丹。但开源项目本身不在交易标的里——DuckDB / DuckLake / Quack 继续 MIT 协议，由持有全部知识产权的非营利 DuckDB Foundation 继续托管。
✏ 公告核心事实
• 交易 ┃ 已签最终协议，“预计近期交割”，9 月初生效；金额未披露
• 团队 ┃ 整体加入 AWS，留在阿姆斯特丹；两位创始人 Hannes Mühleisen & Mark Raasveldt 继续领导团队和开源技术方向
• 边界 ┃ AWS 公告原话："We are not acquiring the DuckDB open source project"
• 前史 ┃ 双方已紧密合作约两年（AWS 称 since 2024），牵头人 Andy Warfield（Amazon VP / Distinguished Engineer，S3 元老级人物）
✏ 为什么卖（创始人自述）
1. 日下载量已破 100 万，增长远超一家 30 人公司的支撑能力，怕自己变成项目和生态的瓶颈；
2. 把 DuckLabs 扩成大型销售/支持/运营组织会抽走技术精力，与初心相悖；
3. 五年前拒绝了 VC，选择全员持股 + 靠支持合同和功能优先级合同盈利——“技术优先”做到了，但模式天花板明显。
✏ 承诺与扩张
保持不变 | 计划扩张
----------------------------+-------------------------------
MIT 协议不变，Foundation 继续托管 IP | Foundation 新设技术顾问委员会，社区进入技术决策
团队整建制留在阿姆斯特丹 | 开放扩展签名机制：第三方签名的扩展可在 DuckDB 内运行
继续服务整个生态（含各云厂商） | 借 AWS 的规模把 Duck Stack 推向更多用户
背书阵容值得一看：MotherDuck CEO Jordan Tigani、Fivetran CEO George Fraser、CWI 的 Peter Boncz（Foundation 董事会成员，确认 IP 仍在基金会手中）、图宾根大学数据库教授 Torsten Grust。
✏ 几个解读点
1. 结构上修了“防闭源防火墙”：IP 从始至终在非营利基金会，AWS 买到的是人和工程能力，不是代码控制权——理论上无法重演 HashiCorp 式协议反水。但硬币另一面：MIT 下谁都能 fork，可 core committers 全在 AWS 手里，事实上的方向盘还是易了主。所以顾问委员会 + 开放签名扩展这两项承诺就是给社区的定心丸，兑现度值得长期盯。
2. 时机耐人寻味：8·17 刚发 DuckDB v2.0 预览（server 模式、全新 SQL parser、新存储格式，今秋发布）；5·27 刚从 "DuckDB Labs" 改名 "DuckLabs"——当时还在高调宣传“无 VC、团队全资”模式的独特性。v2.0 把 DuckDB 从嵌入式推向服务器化，恰好是最吃资源的节点。
3. AWS 数据栈拼图：Athena(Trino)、Redshift、Glue、S3 Tables(Iceberg) 之后补上嵌入式 OLAP。Warfield 的表态通篇围绕 S3 客户；DuckLake（DuckDB 自研 lakehouse 格式）与 S3 Tables/Iceberg 的整合想象空间最大。
4. MotherDuck 处境微妙：DuckLabs 持有其股份并为其供工程，而 MotherDuck 的云数仓业务从此与东家 AWS（Redshift/Athena）正面同赛道。Tigani 第一时间站台“利好生态”——这段三角关系是后续最大观察点。
5. 社区反应尚未成形：HN 目前只有一个 32 分 0 评论的帖子（今天 12:59 UTC 提交），大讨论还没起来。
✏ 与你的关联
日常拿 DuckDB 做本地分析完全不受影响（AWS 原话 "nothing changes for DuckDB users"）。值得留意的是 agent 工具链里“DuckDB 当 pandas 替代 / 本地 OLAP”这类用法会随 AWS 投入进一步普及；另外第 4 条的生态连锁反应（MotherDuck vs AWS 云数仓）可能重塑 lakehouse 格式竞争格局。
————————
来源：DuckLabs 博客（Raasveldt & Mühleisen，2026-08-26）；AWS 官方公告（aboutamazon.com，2026-08-26 13:00 UTC）；DuckDB v2.0 预览（duckdb.org，2026-08-17）；DuckLabs 改名公告（2026-05-27）；MotherDuck 合作公告（2022-11-15）；HN Algolia（2026-08-26）。
✏ 🔑 Kagi：把搜索引擎卖成订阅的公司
一句话：反 Google 模式的付费搜索——不卖广告、不追踪、不留存数据，用户直接付钱（$5–25/月），用"聚合外部索引 + 自有小网爬虫"做到小而盈利。
————————
📚 📅 发展路径（官方 history + blog）
冷知识：kagi = 日语「鍵」（钥匙）；名字是从一家破产的 90 年代 shareware 支付平台手里买的。
📚 📊 关键数字
⦁ 会员数：74,361（官方 kagi.com/stats 实时页，就是本周的数据）
⦁ 收入：从不披露。第三方估 $7M–9.1M（Growjo / ZoomInfo）；按 7.4 万会员 × $10–14/月 自下而上算 ≈ 年化 $9–12M
⦁ 融资：累计仅 ~
⦁ 单位经济学：每次查询都有真实成本（有人算过 Starter 档 ≈$0.166/次），重度用户是成本不是流量——广告模式的完全镜像
📚 🧭 为什么它能活下来
1. 不需要赢：Google 级索引是资本游戏，Kagi 只服务愿付费的少数人；结果聚合 Google/Brave/Mojeek/Yandex + 自有小网爬虫 Teclis
2. 盈利即定位：「你付钱」这件事本身就是产品差异；PBC 法律形态锁死了"永不卖广告"的承诺
3. 矩阵全部围绕同一批付费者：Search → Orion 浏览器（WebKit 但兼容 Chrome/Firefox 扩展）→ Assistant(2024) → Translate/News → API(2026)
📚 📰 今天 HN 第一名那条是啥
Changelog：新增设置项——一键把付费墙站点从搜索结果里移除。延续它一贯的"替用户过滤垃圾"路线（之前已有降权高广告/SEO 站点、屏蔽 AI 生成图等开关）。1101 分基本是 HN 社区对这条产品路线的集体投票。
📚 💡 给你的两点启示
⦁ 「反主流商业模式的小众市场」可以自洽存活：7 万人 × $10/月 活得比很多烧钱公司健康——小众但付费的定位值得记住
⦁ 每查询带真实 COGS 的生意和 LLM agent 的 token 成本同构。Kagi 的解法不是限流，而是把重度用户导进高价档（$25 Ultimate 含高级模型）——和我们聊过的 agent 成本计量是同一个题面
📎 help.kagi.com/kagi/company/history.html · blog.kagi.com/first-three-years · kagi.com/stats · operatorbook.dev/stories/kagi-revenue
一句话：反 Google 模式的付费搜索——不卖广告、不追踪、不留存数据，用户直接付钱（$5–25/月），用"聚合外部索引 + 自有小网爬虫"做到小而盈利。
————————
📚 📅 发展路径（官方 history + blog）
67 万（累计投入 ≈阶段 | 关键动作
--------+--------------------------------------------------------------------
2018 | Vladimir Prelovac 创立于 Palo Alto。先做 Kagi.ai：AI 问答（"搜索的最后一公里"），团队 3 人
2019 | 首个搜索原型（MUD 命令行风格）；高端搜索尝试 Donna.gg 失败；同期启动 Orion 浏览器
2020–21 | 疫情期埋头干：Search + Orion 私测；团队 10 人
2022 | 3 月注册公司，6 月公测：首日 210 个付费用户（其中 121 人至今仍在续费）、3 个月数千人付费；团队 15 人
2023 | 向自己的用户众筹 500 万）；年收入破 $100 万；Assistant 公测；30 人
2024 | 转型 PBC 公益企业；年中实现盈亏平衡；上线 Translate / Teams；40 人
2025 | Orion 出正式版、Kagi News、Privacy Pass + Tor 服务；6 月会员破 5 万；45 人
2026 | Translate App、Search API 开放预览；50 人
冷知识：kagi = 日语「鍵」（钥匙）；名字是从一家破产的 90 年代 shareware 支付平台手里买的。
📚 📊 关键数字
⦁ 会员数：74,361（官方 kagi.com/stats 实时页，就是本周的数据）
⦁ 收入：从不披露。第三方估 $7M–9.1M（Growjo / ZoomInfo）；按 7.4 万会员 × $10–14/月 自下而上算 ≈ 年化 $9–12M
⦁ 融资：累计仅 ~
600 万 —— 创始人自掏 ~300 万 + 用户众筹 67 万 + 93 位社区天使 ~250 万。零 VC、零广告，这不是巧合而是策略：有 VC 就会被逼向广告模式⦁ 单位经济学：每次查询都有真实成本（有人算过 Starter 档 ≈$0.166/次），重度用户是成本不是流量——广告模式的完全镜像
📚 🧭 为什么它能活下来
1. 不需要赢：Google 级索引是资本游戏，Kagi 只服务愿付费的少数人；结果聚合 Google/Brave/Mojeek/Yandex + 自有小网爬虫 Teclis
2. 盈利即定位：「你付钱」这件事本身就是产品差异；PBC 法律形态锁死了"永不卖广告"的承诺
3. 矩阵全部围绕同一批付费者：Search → Orion 浏览器（WebKit 但兼容 Chrome/Firefox 扩展）→ Assistant(2024) → Translate/News → API(2026)
📚 📰 今天 HN 第一名那条是啥
Changelog：新增设置项——一键把付费墙站点从搜索结果里移除。延续它一贯的"替用户过滤垃圾"路线（之前已有降权高广告/SEO 站点、屏蔽 AI 生成图等开关）。1101 分基本是 HN 社区对这条产品路线的集体投票。
📚 💡 给你的两点启示
⦁ 「反主流商业模式的小众市场」可以自洽存活：7 万人 × $10/月 活得比很多烧钱公司健康——小众但付费的定位值得记住
⦁ 每查询带真实 COGS 的生意和 LLM agent 的 token 成本同构。Kagi 的解法不是限流，而是把重度用户导进高价档（$25 Ultimate 含高级模型）——和我们聊过的 agent 成本计量是同一个题面
📎 help.kagi.com/kagi/company/history.html · blog.kagi.com/first-three-years · kagi.com/stats · operatorbook.dev/stories/kagi-revenue
这轮Q2财报季的末班车，阿里是最后上车的。
经由口径调整，现在能够很清楚的看到AI业务造成了多大的净亏损：-138亿人民币。
腾讯Q2同位置数字是-105亿人民币，差不多也有定论了，国内大厂的模型研发、算力消耗、产品运营、市场推广叠加起来，单季度就是需要至少100亿的输血量。
但这又和CapEx不是一码事儿，CapEx有点类似固定资产投资，主要是一次性支出，阿里Q2干到了676亿，比腾讯还要高出150亿。
不过两家公司的市值管理方式都是一样的——
腾讯总裁刘炽平：「随着规模扩张，商业收益会逐步兑现，而且我们拥有保底方案，哪怕停止自研应用，单纯把算力对外租赁，相关业务本身就能盈利。」
阿里CEO吴泳铭：「本季度资本开支略高于预期，但整体投资进展基本符合预期。按照当前AI产品的平均毛利水平，相关资本开支可以在三年内回本。」
不同的表达，同一个意思，就是算力这种资源，属于市面上的硬通货，只有买不到的，没有卖不动的，哪怕你把购入的卡原封不动的再租出去，在差价周期里也是一定可以赚到利润。
大摩有份研报算过的，一台8卡服务器，采购价800万，月租25万，刚好3年出头可以回本，如果你能做成MaaS去卖，回本时间更是可以缩短到2年半。
那么问题来了，既然直接转卖算力是稳定赚钱的，而把算力交付给模型部门消耗则是必然亏损的，公司该怎么分配？
所以AI和云非得分开不可，阿里在Q2财报里强调的把公司重新分成4块——电商+云+模型+其他——主要就是为了解决上面说到的那个矛盾。
你会发现大厂入局AI的开端都是把这个业务挂靠在云底下，阿里、腾讯、谷歌莫不如此，这在以前是有合理性的，AI需要的上游资源，都在云手里，所以让云去扶持AI，天经地义，合乎周礼。
但事情具体推进起来，却和预想的完全不一样。
最近2个Q的财报会议，谷歌CEO都在反复保证，会优先保障DeepMind的TPU需求。
DeepMind就是谷歌的AI实验室，属于战略中的战略，核心中的核心，管够TPU不是理所应当的吗？怎么还要CEO纡尊降贵来点名的？
因为谷歌云是真敢不给啊⋯⋯今年已经有DeepMind的研究员忍不住了，绕过公司制度直接捅到了媒体那里，说谷歌云把大部分TPU都卖给Anthropic了，DeepMind根本拿不到足够的算力。
虽说Gemini的拉胯未必跟这个有太大关系，但分工体系就是这么奇妙，一方面，Anthropic是DeepMind最强大的竞争对手，另一方面，对于谷歌云来说，Anthropic却是极其优质的客户，订单肥厚，打款痛快，所以实际上的画面是，谷歌云在猛猛帮着Anthropic打自家的DeepMind。
你也不能说谷歌云是内鬼，它难道不是在为公司赚钱么，凭什么有送上门的订单不要、去支持不能给自己贡献KPI的兄弟部门呢？
所以到头来还是要回到组织的角度，把云和模型彻底拆开，算成两笔账，它们虽然都叫AI创造的收入，但内在逻辑完全不一样，也不要再搞所谓的协同了。
国内的情况是，云业务做得好的公司，自家模型都不太能打，或者说，在市场上，外部的DeepSeek、Kimi 、GLM更有竞争力，所以在冲业绩这件事情上，云部门的宁愿打折销售第三方模型——折扣力度甚至能做到比原厂还低——也没有动力去卖政治正确但不利于签单拿提成的自家产品。
以3月份林俊旸离职为节点，阿里半年里进行了4次集团层面的组织调整，这个频率自阿里创立以来绝无仅有，如果不列出来，可能很难直观感受到阿里到底是想解决一个什么问题：
- 3月16日，成立ATH事业群，整合通义实验室、千问、悟空、MaaS和创新业务，由CEO吴泳铭直接挂帅；
- 4月8日，通义实验室升级为通义大模型事业部，周靖人不再担任阿里云CTO，转为负责这个事业部；
- 6月8日合并通义大模型事业部与未来生活实验室，成立Token Foundry事业部，由吴泳铭直接负责，周靖人升任首席科学家；
- 8月20日，经由财报口径调整，模型、千问、千问办公装进了AI实验室与应用这个财务板块，和电商、云、其他业务并列；
发现玄机没有？每一次都是在把AI拆出来了一点点，同时也把级别再往上提一点点，经过了足足4轮调整，才把原本隶属于阿里云底下的一个实验室，挪到了整个集团的四大板块之一。
这就是大公司的组织摩擦成本⋯⋯
所以昨天阿里股价先跌后涨，整个市场的心路历程是很好懂的，跌是因为开支继续扩大，AI实验室是一个暂时看不到底的利润黑洞，然后用来输血的电商业务又很疲软，消费的大环境也不太够看，感觉有雷，但是随后换个角度来看，阿里云涨那么猛，又没拆出去，3-5年内在营收侧再造一个阿里是完全可能的，情绪又乐观起来了。
按照原计划，阿里要在三年内往AI基础设施投掉3800亿人民币，但是光Q2单季度的CapEx就是676亿，即便考虑到其中包括预支付的部分，但怎么算都指向一个新的预期，那就是3800亿并非上限，而是下限，极有可能再次上调。
阿里账上的现金储备还剩4700亿，花是够花了，就看什么时候能跑过转盈线吧，有点像我们小时候做数学题，一个水池，上面一根进水管，下面一根放水管，同时打开，需要多久可以注满⋯⋯
by @阑夕ོ #科技圈大小事
经由口径调整，现在能够很清楚的看到AI业务造成了多大的净亏损：-138亿人民币。
腾讯Q2同位置数字是-105亿人民币，差不多也有定论了，国内大厂的模型研发、算力消耗、产品运营、市场推广叠加起来，单季度就是需要至少100亿的输血量。
但这又和CapEx不是一码事儿，CapEx有点类似固定资产投资，主要是一次性支出，阿里Q2干到了676亿，比腾讯还要高出150亿。
不过两家公司的市值管理方式都是一样的——
腾讯总裁刘炽平：「随着规模扩张，商业收益会逐步兑现，而且我们拥有保底方案，哪怕停止自研应用，单纯把算力对外租赁，相关业务本身就能盈利。」
阿里CEO吴泳铭：「本季度资本开支略高于预期，但整体投资进展基本符合预期。按照当前AI产品的平均毛利水平，相关资本开支可以在三年内回本。」
不同的表达，同一个意思，就是算力这种资源，属于市面上的硬通货，只有买不到的，没有卖不动的，哪怕你把购入的卡原封不动的再租出去，在差价周期里也是一定可以赚到利润。
大摩有份研报算过的，一台8卡服务器，采购价800万，月租25万，刚好3年出头可以回本，如果你能做成MaaS去卖，回本时间更是可以缩短到2年半。
那么问题来了，既然直接转卖算力是稳定赚钱的，而把算力交付给模型部门消耗则是必然亏损的，公司该怎么分配？
所以AI和云非得分开不可，阿里在Q2财报里强调的把公司重新分成4块——电商+云+模型+其他——主要就是为了解决上面说到的那个矛盾。
你会发现大厂入局AI的开端都是把这个业务挂靠在云底下，阿里、腾讯、谷歌莫不如此，这在以前是有合理性的，AI需要的上游资源，都在云手里，所以让云去扶持AI，天经地义，合乎周礼。
但事情具体推进起来，却和预想的完全不一样。
最近2个Q的财报会议，谷歌CEO都在反复保证，会优先保障DeepMind的TPU需求。
DeepMind就是谷歌的AI实验室，属于战略中的战略，核心中的核心，管够TPU不是理所应当的吗？怎么还要CEO纡尊降贵来点名的？
因为谷歌云是真敢不给啊⋯⋯今年已经有DeepMind的研究员忍不住了，绕过公司制度直接捅到了媒体那里，说谷歌云把大部分TPU都卖给Anthropic了，DeepMind根本拿不到足够的算力。
虽说Gemini的拉胯未必跟这个有太大关系，但分工体系就是这么奇妙，一方面，Anthropic是DeepMind最强大的竞争对手，另一方面，对于谷歌云来说，Anthropic却是极其优质的客户，订单肥厚，打款痛快，所以实际上的画面是，谷歌云在猛猛帮着Anthropic打自家的DeepMind。
你也不能说谷歌云是内鬼，它难道不是在为公司赚钱么，凭什么有送上门的订单不要、去支持不能给自己贡献KPI的兄弟部门呢？
所以到头来还是要回到组织的角度，把云和模型彻底拆开，算成两笔账，它们虽然都叫AI创造的收入，但内在逻辑完全不一样，也不要再搞所谓的协同了。
国内的情况是，云业务做得好的公司，自家模型都不太能打，或者说，在市场上，外部的DeepSeek、Kimi 、GLM更有竞争力，所以在冲业绩这件事情上，云部门的宁愿打折销售第三方模型——折扣力度甚至能做到比原厂还低——也没有动力去卖政治正确但不利于签单拿提成的自家产品。
以3月份林俊旸离职为节点，阿里半年里进行了4次集团层面的组织调整，这个频率自阿里创立以来绝无仅有，如果不列出来，可能很难直观感受到阿里到底是想解决一个什么问题：
- 3月16日，成立ATH事业群，整合通义实验室、千问、悟空、MaaS和创新业务，由CEO吴泳铭直接挂帅；
- 4月8日，通义实验室升级为通义大模型事业部，周靖人不再担任阿里云CTO，转为负责这个事业部；
- 6月8日合并通义大模型事业部与未来生活实验室，成立Token Foundry事业部，由吴泳铭直接负责，周靖人升任首席科学家；
- 8月20日，经由财报口径调整，模型、千问、千问办公装进了AI实验室与应用这个财务板块，和电商、云、其他业务并列；
发现玄机没有？每一次都是在把AI拆出来了一点点，同时也把级别再往上提一点点，经过了足足4轮调整，才把原本隶属于阿里云底下的一个实验室，挪到了整个集团的四大板块之一。
这就是大公司的组织摩擦成本⋯⋯
所以昨天阿里股价先跌后涨，整个市场的心路历程是很好懂的，跌是因为开支继续扩大，AI实验室是一个暂时看不到底的利润黑洞，然后用来输血的电商业务又很疲软，消费的大环境也不太够看，感觉有雷，但是随后换个角度来看，阿里云涨那么猛，又没拆出去，3-5年内在营收侧再造一个阿里是完全可能的，情绪又乐观起来了。
按照原计划，阿里要在三年内往AI基础设施投掉3800亿人民币，但是光Q2单季度的CapEx就是676亿，即便考虑到其中包括预支付的部分，但怎么算都指向一个新的预期，那就是3800亿并非上限，而是下限，极有可能再次上调。
阿里账上的现金储备还剩4700亿，花是够花了，就看什么时候能跑过转盈线吧，有点像我们小时候做数学题，一个水池，上面一根进水管，下面一根放水管，同时打开，需要多久可以注满⋯⋯
by @阑夕ོ #科技圈大小事
前阵子在某电商平台买了点新疆吊干杏。下单后过了一周还没收到，我查看订单才发现商家承诺的发货时间是半个月之后。我想也许是因为水果存在成熟时间问题，预售也是可以理解的。
半个月后，收到了，杏子倒是杏子，但品种不对，不是吊干杏，就是普通杏子。今年普通杏子按市价连吊干杏的一半都不到，而且我收到的这个还又酸又苦。我检查了一下物流信息，发货地也不是商品页面所声称的新疆阿克苏。
我联系商家，指出杏子品种不对。商家没正面谈这个问题，甚至没有否认发的货不对，而是复制粘贴了一份统一的话术，大致意思是收到后不甜是正常的放几天就甜了。这时候我就比较肯定商家不是发错了货，就是纯骗。
然后我申请了退款，并在退款申请里再次指出杏子品种不对。商家仍然没有正面谈品种不对的问题，而是说“亲亲，非常抱歉，水果生鲜不支持退货退款的，您这边不满意的话可以给你补偿 20 元呢”，并且直接发了一个退款 20 元的链接过来。
这个回应在我意料之中，骗到手的钱没那么容易吐出来。这时候我就不再和商家废话了。我的退款申请商家当然是不会处理，几天后超时失效。我等超时失效后申请了平台客服介入，提出仅退款的诉求和充分的证据，然后立即就获得了全额退款。商家可能没想到我对平台规则这么熟悉，开始了哭丧：
“亲亲您怎么退全款了呢？补我们点货款吧，我们果农一年忙到头不容易的，就指着这点果子养家糊口的，都是血汗钱，真的不容易的，麻烦您理解下吧”
“亲亲 这都是我们果农辛辛苦苦种植一年的成果呢 全家唯一的收入来源 求求您理解一下呢 真的不容易的啊”
“亲亲您好，真的很抱歉给您带来不好的购物体验了。之前千错万错都是我们的错，您大人有大量，千万别跟我们计较，我们给您道歉了，请您消消气。我们都是农村50岁以上的果农，每年就靠种植这点水果维持生活，给小孩凑下半年的学费。生活真的不容易，家里条件真的太困难了。卖果是我们唯一的收入，今年雨水又多，所以收成很不好。所以在这恳求您，麻烦您给我们补点果子钱吧，多少都行，感恩您了！”
然后我就把这个骗子拉黑了。
我分析了一下骗子的手法，发现挺巧妙地利用了平台的多种规则。我又按特征搜了一下，发现这种骗子店还不少。
就不说具体行骗方法了，跟大家说说怎么识别骗子吧：1、这种骗子的店只卖一两种水果，每年卖完一季就下架，店铺空置，但店铺等级却很高；2、这种骗子一定会买推广，一定会出现在你搜索页的前面位置。
via tombkeeper的微博
半个月后，收到了，杏子倒是杏子，但品种不对，不是吊干杏，就是普通杏子。今年普通杏子按市价连吊干杏的一半都不到，而且我收到的这个还又酸又苦。我检查了一下物流信息，发货地也不是商品页面所声称的新疆阿克苏。
我联系商家，指出杏子品种不对。商家没正面谈这个问题，甚至没有否认发的货不对，而是复制粘贴了一份统一的话术，大致意思是收到后不甜是正常的放几天就甜了。这时候我就比较肯定商家不是发错了货，就是纯骗。
然后我申请了退款，并在退款申请里再次指出杏子品种不对。商家仍然没有正面谈品种不对的问题，而是说“亲亲，非常抱歉，水果生鲜不支持退货退款的，您这边不满意的话可以给你补偿 20 元呢”，并且直接发了一个退款 20 元的链接过来。
这个回应在我意料之中，骗到手的钱没那么容易吐出来。这时候我就不再和商家废话了。我的退款申请商家当然是不会处理，几天后超时失效。我等超时失效后申请了平台客服介入，提出仅退款的诉求和充分的证据，然后立即就获得了全额退款。商家可能没想到我对平台规则这么熟悉，开始了哭丧：
“亲亲您怎么退全款了呢？补我们点货款吧，我们果农一年忙到头不容易的，就指着这点果子养家糊口的，都是血汗钱，真的不容易的，麻烦您理解下吧”
“亲亲 这都是我们果农辛辛苦苦种植一年的成果呢 全家唯一的收入来源 求求您理解一下呢 真的不容易的啊”
“亲亲您好，真的很抱歉给您带来不好的购物体验了。之前千错万错都是我们的错，您大人有大量，千万别跟我们计较，我们给您道歉了，请您消消气。我们都是农村50岁以上的果农，每年就靠种植这点水果维持生活，给小孩凑下半年的学费。生活真的不容易，家里条件真的太困难了。卖果是我们唯一的收入，今年雨水又多，所以收成很不好。所以在这恳求您，麻烦您给我们补点果子钱吧，多少都行，感恩您了！”
然后我就把这个骗子拉黑了。
我分析了一下骗子的手法，发现挺巧妙地利用了平台的多种规则。我又按特征搜了一下，发现这种骗子店还不少。
就不说具体行骗方法了，跟大家说说怎么识别骗子吧：1、这种骗子的店只卖一两种水果，每年卖完一季就下架，店铺空置，但店铺等级却很高；2、这种骗子一定会买推广，一定会出现在你搜索页的前面位置。
via tombkeeper的微博
我今天修了一个裙友用 GPT Vibe 出来的一个库。我必须要说我的感觉非常不好，并且对 GPT Sol 留下了非常非常负面的印象。
GPT Sol 的代码有很明显的通过炫技来博取好感的行为倾向，而且执行的时候基本没有维系架构的观念。东一块西一块，拼到一起跟一大堆化了妆的尸块一样。所有异步全都锁的个乱七八糟，我解了将近一天才把那破九连环给解干净。
现在的 AI 依然做不到宏观规划，沿着规划执行，核对目标和现实，做自我品质管控，上了所谓的 Harness 也不行（我不知道这傻逼词为什么成了行业术语但是我对这个词很不爽）。
有经验的工程师依然非常重要，这种经验不是你能徒手写翻转红黑树，你必须得有一些基本架构观念和处理问题的经验，你必须得知道「遇到这类问题的时候这么做最好」，很多时候这些甚至都是没办法言说的内部认知（所谓的专家直觉），它需要漫长的问题解决过程不断的淬炼，AI 可以加速你获得这些经验的过程，但是 AI 本身做不到这件事情。
GPT Sol 的代码有很明显的通过炫技来博取好感的行为倾向，而且执行的时候基本没有维系架构的观念。东一块西一块，拼到一起跟一大堆化了妆的尸块一样。所有异步全都锁的个乱七八糟，我解了将近一天才把那破九连环给解干净。
现在的 AI 依然做不到宏观规划，沿着规划执行，核对目标和现实，做自我品质管控，上了所谓的 Harness 也不行（我不知道这傻逼词为什么成了行业术语但是我对这个词很不爽）。
有经验的工程师依然非常重要，这种经验不是你能徒手写翻转红黑树，你必须得有一些基本架构观念和处理问题的经验，你必须得知道「遇到这类问题的时候这么做最好」，很多时候这些甚至都是没办法言说的内部认知（所谓的专家直觉），它需要漫长的问题解决过程不断的淬炼，AI 可以加速你获得这些经验的过程，但是 AI 本身做不到这件事情。
今日没见识：原来 qemu 的 slirp 网络模式 (-netdev user) 又是 netdev-socket 转化。
netdev-socket 转化是我发明的词，它的意思是流量从 netdev egress，然后从一个进程 socket send 出去。这种不对称的转发模式对于容器选手还挺陌生，容器的虚拟化是 veth-veth，qemu 也有一个类似的 tap-tap 模式 (-netdev tap)。
但是 netdev-socket 转化在内核里非常常见，比如大部分隧道的内核实现(vxlan, geneve)、wireguard 的内核实现都是这种，现在又多了一个 slirp 模式的 qemu 网络。
知道它的实现之后就知道怎么代理这种模式的 guest 流量了，直接在 host 做 wan 劫持即可。
netdev-socket 转化是我发明的词，它的意思是流量从 netdev egress，然后从一个进程 socket send 出去。这种不对称的转发模式对于容器选手还挺陌生，容器的虚拟化是 veth-veth，qemu 也有一个类似的 tap-tap 模式 (-netdev tap)。
但是 netdev-socket 转化在内核里非常常见，比如大部分隧道的内核实现(vxlan, geneve)、wireguard 的内核实现都是这种，现在又多了一个 slirp 模式的 qemu 网络。
知道它的实现之后就知道怎么代理这种模式的 guest 流量了，直接在 host 做 wan 劫持即可。
#贾冰私人饭局被偷拍#
二十年前，名人们甚至在互联网上都可以像个活人一样。现在当然不行了，但人总要有卸下伪装展露真实自我的时候。毕竟，任何时候都满口仁义道德还是挺难的，大概只有一肚子男盗女娼的人才能做到。
据说当天贾冰是和“老战友”一起吃饭。“老战友”“老同学”这种关系很容易让人放下戒备心。但既然是“老”战友，经过这么多年，人和人之间必然会逐渐产生差异。
“当年都是上下铺，现在凭什么你比我混的好？你凭什么这么神气？既然你忘本了，我让你吃点亏受点教训是不是应该的？我有错吗？”
这就是人性。
我以前讲过“炸弹项圈”理论，这个事情也一样。如果你确实要卸下伪装，讲点真心话，一定要确保面对的至少是和你有同样多东西可失去的人。
如果偷拍的人和贾冰一样有光鲜的身份，就会犹豫这样做是不是会损害自己的名望。而如果那个人是个无名之辈，是 Nobody，没有什么可以失去，那人性中的恶就很容易被释放。
体制内很多人到了一定级别，就不会再参加同学聚会。这不是势利眼，是对人性之恶的尊重。
贾冰不是第一个在私人饭局被偷拍的名人，也不会是最后一个。
via tombkeeper的微博
二十年前，名人们甚至在互联网上都可以像个活人一样。现在当然不行了，但人总要有卸下伪装展露真实自我的时候。毕竟，任何时候都满口仁义道德还是挺难的，大概只有一肚子男盗女娼的人才能做到。
据说当天贾冰是和“老战友”一起吃饭。“老战友”“老同学”这种关系很容易让人放下戒备心。但既然是“老”战友，经过这么多年，人和人之间必然会逐渐产生差异。
“当年都是上下铺，现在凭什么你比我混的好？你凭什么这么神气？既然你忘本了，我让你吃点亏受点教训是不是应该的？我有错吗？”
这就是人性。
我以前讲过“炸弹项圈”理论，这个事情也一样。如果你确实要卸下伪装，讲点真心话，一定要确保面对的至少是和你有同样多东西可失去的人。
如果偷拍的人和贾冰一样有光鲜的身份，就会犹豫这样做是不是会损害自己的名望。而如果那个人是个无名之辈，是 Nobody，没有什么可以失去，那人性中的恶就很容易被释放。
体制内很多人到了一定级别，就不会再参加同学聚会。这不是势利眼，是对人性之恶的尊重。
贾冰不是第一个在私人饭局被偷拍的名人，也不会是最后一个。
via tombkeeper的微博
推荐瑞·达利欧最新一期深度访谈，信息量巨大。
这期节目刚上线不到两周，播放量已经破400万。
当然，这期访谈能火，很大一部分原因还是瑞·达利欧本人。
他是全球最大的对冲基金之一的桥水基金创始人，累计给投资者赚了大约530亿美元。
但真正让达利欧出名的，是2008年那场全球金融危机。
当时标普500暴跌将近40%的时候，大量投资机构损失惨重，他的基金反而赚了9.5%。更早之前，他就警告过度借贷可能引发系统性危机。
也正因为这样，当他在这次访谈里说，AI已经出现了经典的泡沫特征，很多人的第一反应不是反驳，是想知道他究竟看到了什么。
但整场访谈听下来，我觉得最重要的，是他全程反复提到的一条线索：
AI正在改变财富的流向。
1
访谈一开始，主持人问达利欧，我们是不是正处在一个AI泡沫里？
达利欧没有急着给出一个涨跌判断，而是先讲了20世纪20年代的故事。
那是一个技术爆发的年代，汽车开始普及，普通家庭第一次用上电灯和冰箱，广播与飞机也进入大众视野。
所有人都知道，这些技术会改变未来。
后来也确实改变了，可这并没有阻止1929年的崩盘。
同样的事情也发生在互联网时代。
互联网不是骗局，今天几乎所有人的生活都建立在它之上，但一家企业代表未来，不等于它在任何价格上都值得购买。
这句话放到今天仍然成立：AI是真的，AI泡沫也可以是真的，技术不断进步，与市场过度兴奋并不矛盾。
很多人看到AI越来越强，就觉得AI公司的估值一定会继续上涨。可技术回答的是它能做什么，价格回答的是人们已经为这件事付了多少钱。
达利欧在这里提到了一个特别关键的区别：财富不是钱。
一家AI公司融资5000万元，市场却给了它10亿元估值。创始人因此拥有了巨额财富，但那主要是股份的账面价格。只有卖出股份，财富才会真正变成可以支付账单的钱。
市场好的时候，人们可以拿股份抵押，借来的钱又会推高资产价格。
等到利率上升，或者投资人突然需要现金，过程就会反过来。大家开始卖资产，价格下跌，抵押物随之缩水，原本看起来很坚固的财富会迅速消失。
泡沫真正危险的地方，不是有人在屏幕上亏了一笔钱，是资产价格下跌后，公司开始削减成本。
一个人少花的钱，会变成另一家公司的收入缺口。市场里的恐慌，最后会落到普通人的岗位上。
2
但这场访谈最关键的部分，是达利欧谈到了另一个问题。
AI创造的财富，到底会流向哪里？
首先我们要认清一个现实：技术创造出来的钱，肯定不会自动平均落到每个人手里。
AI可以让整个社会更富，却也可能让一部分人的收入变得更不稳定。
问题不是AI会不会创造财富，它当然会。
真正的问题是，这些新增的财富最后会属于谁？
在瑞·达利欧看来，AI创造的财富，会更容易流向资本家。他的解释如下。
工业革命以来，机器一直在沿着人的身体向上替代。
最早替代的是体力，拖拉机代替农民在土地上劳作，流水线接管了大量重复动作。
现在，这条线已经来到了大脑，AI开始处理写作、分析和部分推理工作。
以前一家企业赚到100元，需要拿出很大一部分支付工资。现在，同样的业务可以由更少的人配合AI完成。
企业收入没有减少，人工成本却可能下降。省下来的部分不会凭空消失，它更可能进入利润，最后流向持有公司股份的人。
这才是AI时代真正重要的财富变化。
它不一定表现为所有人突然失业，更常见的情况是，一个行业仍然在增长，身处其中的普通人却没有明显变富。
生产率提高了，工资只增加一点，资产价格却涨得更快。
一个人会使用生产工具，与拥有生产工具带来的收益，是两码事。
一个人用AI把一天的工作压缩到四小时，如果公司因此减少招聘，那么省下的成本首先属于公司。除非这个人能借此进入更高价值的岗位，或者拥有一部分业务成果，否则他只是帮助组织变得更有效率。
所以AI时代的差距，可能不只发生在会用AI的人和不会用AI的人之间。
更大的差距，会出现在参与分配的人和只领取固定工资的人之间。
3
主持人接着问，如果一个年轻人没有多少存款，也没有可以投资的资产，他该怎么办？
达利欧回答，你唯一的资产就是自己。
一个人的收入，不只取决于他会什么，还取决于市场愿意为这种能力付多少钱。
同样是开车，网约车司机和为高净值客户服务的专职司机，出售的是相近的技能，价格却完全不同。
同样擅长沟通，在低利润行业处理日常协调，与在高价值交易中参与关键谈判，得到的回报也不会一样。
技能的价值从来不是固定的，而是由所处的场景决定。
这不意味着每个人都要创业，而是需要想办法让收入逐渐靠近成果，不是永远只按投入的时间定价。
你可以进入更需要判断的岗位，也可以积累可复用的作品。只要你对最终成果拥有更强的议价权，AI带来的效率才更可能成为你的收益。
4
对谈最后又回到了一个很实际的问题：既然泡沫可能破裂，现在应该做什么？
达利欧的答案是，不要试图预测那个精确的时点。
与其把未来押在一次判断上，不如让自己在判断错误后依然能够生活。
其实整场访谈里，达利欧谈分散投资，表面上说的是股票、现金和黄金，背后其实是同一个词：选择权。
有一笔能覆盖生活的应急资金，你就不必在市场最低点卖出资产。拥有可以迁移的能力，公司裁员时，你也不至于只能等待。
选择权无法让人躲过所有周期，但它能减少被迫做决定的次数。
AI时代也是一样。当机器开始参与脑力劳动，单纯出售时间会越来越被动。
未来最稳妥的位置，未必是离AI最远的地方，而是让AI提高你的产出，同时让自己保留对一部分成果的所有权。
很推荐大家有时间可以看下这期访谈。我觉得瑞·达利欧很厉害的地方在于，他总在追问同一件事：一个变化发生以后，钱会从哪里来，又会流到哪里去？
重点不是结论，是他的思考问题的方式。
by @西里森森 #你不知道的行业内幕
这期节目刚上线不到两周，播放量已经破400万。
当然，这期访谈能火，很大一部分原因还是瑞·达利欧本人。
他是全球最大的对冲基金之一的桥水基金创始人，累计给投资者赚了大约530亿美元。
但真正让达利欧出名的，是2008年那场全球金融危机。
当时标普500暴跌将近40%的时候，大量投资机构损失惨重，他的基金反而赚了9.5%。更早之前，他就警告过度借贷可能引发系统性危机。
也正因为这样，当他在这次访谈里说，AI已经出现了经典的泡沫特征，很多人的第一反应不是反驳，是想知道他究竟看到了什么。
但整场访谈听下来，我觉得最重要的，是他全程反复提到的一条线索：
AI正在改变财富的流向。
1
访谈一开始，主持人问达利欧，我们是不是正处在一个AI泡沫里？
达利欧没有急着给出一个涨跌判断，而是先讲了20世纪20年代的故事。
那是一个技术爆发的年代，汽车开始普及，普通家庭第一次用上电灯和冰箱，广播与飞机也进入大众视野。
所有人都知道，这些技术会改变未来。
后来也确实改变了，可这并没有阻止1929年的崩盘。
同样的事情也发生在互联网时代。
互联网不是骗局，今天几乎所有人的生活都建立在它之上，但一家企业代表未来，不等于它在任何价格上都值得购买。
这句话放到今天仍然成立：AI是真的，AI泡沫也可以是真的，技术不断进步，与市场过度兴奋并不矛盾。
很多人看到AI越来越强，就觉得AI公司的估值一定会继续上涨。可技术回答的是它能做什么，价格回答的是人们已经为这件事付了多少钱。
达利欧在这里提到了一个特别关键的区别：财富不是钱。
一家AI公司融资5000万元，市场却给了它10亿元估值。创始人因此拥有了巨额财富，但那主要是股份的账面价格。只有卖出股份，财富才会真正变成可以支付账单的钱。
市场好的时候，人们可以拿股份抵押，借来的钱又会推高资产价格。
等到利率上升，或者投资人突然需要现金，过程就会反过来。大家开始卖资产，价格下跌，抵押物随之缩水，原本看起来很坚固的财富会迅速消失。
泡沫真正危险的地方，不是有人在屏幕上亏了一笔钱，是资产价格下跌后，公司开始削减成本。
一个人少花的钱，会变成另一家公司的收入缺口。市场里的恐慌，最后会落到普通人的岗位上。
2
但这场访谈最关键的部分，是达利欧谈到了另一个问题。
AI创造的财富，到底会流向哪里？
首先我们要认清一个现实：技术创造出来的钱，肯定不会自动平均落到每个人手里。
AI可以让整个社会更富，却也可能让一部分人的收入变得更不稳定。
问题不是AI会不会创造财富，它当然会。
真正的问题是，这些新增的财富最后会属于谁？
在瑞·达利欧看来，AI创造的财富，会更容易流向资本家。他的解释如下。
工业革命以来，机器一直在沿着人的身体向上替代。
最早替代的是体力，拖拉机代替农民在土地上劳作，流水线接管了大量重复动作。
现在，这条线已经来到了大脑，AI开始处理写作、分析和部分推理工作。
以前一家企业赚到100元，需要拿出很大一部分支付工资。现在，同样的业务可以由更少的人配合AI完成。
企业收入没有减少，人工成本却可能下降。省下来的部分不会凭空消失，它更可能进入利润，最后流向持有公司股份的人。
这才是AI时代真正重要的财富变化。
它不一定表现为所有人突然失业，更常见的情况是，一个行业仍然在增长，身处其中的普通人却没有明显变富。
生产率提高了，工资只增加一点，资产价格却涨得更快。
一个人会使用生产工具，与拥有生产工具带来的收益，是两码事。
一个人用AI把一天的工作压缩到四小时，如果公司因此减少招聘，那么省下的成本首先属于公司。除非这个人能借此进入更高价值的岗位，或者拥有一部分业务成果，否则他只是帮助组织变得更有效率。
所以AI时代的差距，可能不只发生在会用AI的人和不会用AI的人之间。
更大的差距，会出现在参与分配的人和只领取固定工资的人之间。
3
主持人接着问，如果一个年轻人没有多少存款，也没有可以投资的资产，他该怎么办？
达利欧回答，你唯一的资产就是自己。
一个人的收入，不只取决于他会什么，还取决于市场愿意为这种能力付多少钱。
同样是开车，网约车司机和为高净值客户服务的专职司机，出售的是相近的技能，价格却完全不同。
同样擅长沟通，在低利润行业处理日常协调，与在高价值交易中参与关键谈判，得到的回报也不会一样。
技能的价值从来不是固定的，而是由所处的场景决定。
这不意味着每个人都要创业，而是需要想办法让收入逐渐靠近成果，不是永远只按投入的时间定价。
你可以进入更需要判断的岗位，也可以积累可复用的作品。只要你对最终成果拥有更强的议价权，AI带来的效率才更可能成为你的收益。
4
对谈最后又回到了一个很实际的问题：既然泡沫可能破裂，现在应该做什么？
达利欧的答案是，不要试图预测那个精确的时点。
与其把未来押在一次判断上，不如让自己在判断错误后依然能够生活。
其实整场访谈里，达利欧谈分散投资，表面上说的是股票、现金和黄金，背后其实是同一个词：选择权。
有一笔能覆盖生活的应急资金，你就不必在市场最低点卖出资产。拥有可以迁移的能力，公司裁员时，你也不至于只能等待。
选择权无法让人躲过所有周期，但它能减少被迫做决定的次数。
AI时代也是一样。当机器开始参与脑力劳动，单纯出售时间会越来越被动。
未来最稳妥的位置，未必是离AI最远的地方，而是让AI提高你的产出，同时让自己保留对一部分成果的所有权。
很推荐大家有时间可以看下这期访谈。我觉得瑞·达利欧很厉害的地方在于，他总在追问同一件事：一个变化发生以后，钱会从哪里来，又会流到哪里去？
重点不是结论，是他的思考问题的方式。
by @西里森森 #你不知道的行业内幕
The Information发了一篇万字长文，深扒了Anthropic创始人达里奥·阿莫代伊是怎么以强烈的个人意志——甚至可以说是被神格化了——凌驾于所有AI大厂以上的，爆料密度很高，过于抽象的也不少。
我来总结一些重点内容：
- 因为担心自己工作被抢、数据中心推高电价等种种原因，美国人对于AI的厌恶再创新高，而作为最强AI公司领导者的阿莫代伊，却坚持继续推动他所相信的「AI威胁论」，哪怕这会损害Anthropic的融资前景；
- 董事会里有人建议Anthropic多宣传AI在攻克癌症方面的帮助，这是很常见的公关做法，但阿莫代伊拒绝了这一提议，认为不应该掩饰AI给人类造成的生存威胁，然后他转头就安排发布了一则意义不明的品牌广告，以墓碑、乞丐和奴工为开场元素，极其黑暗悲观，毫不意外的被骂翻了；
- 因为Anthropic正在运作上市，投资者都在设法给阿莫代伊施加压力，希望他停止宣扬AI有害论，比较委婉的会恳求他「别再吓唬所有人了」，更直接的则会抱怨阿莫代伊正在破坏自己公司以及整个行业的利益，但他们都承认，再多的蛐蛐都对阿莫代伊毫无影响，他根本不听；
- 有投资者在备忘录里写了Anthropic这家公司的特有风险，那就是它的老板似乎并不在意赚钱这件事情，而阿莫代伊之所以这么强势，只是因为Anthropic处于上升期，看在股权升值的份上，投资者多半可以忍受船长的离经叛道，问题在于，如果驶入逆风局，阿莫代伊是否还能维持资本关系的和睦；
- 阿莫代伊本质上并不是一个反商业的CEO，只是相比经营公司，他更希望成为一个布道的领袖，屡次用AI失控恐吓大家，也是为了强化只有他才是那个有权力决定什么时候该踩刹车的人，如同AI行业的教皇那样；
- 所以阿莫代伊基本上不要介入日常管理，主要都是他妹妹、身为Anthropic总裁的丹妮拉完成，而他本人更倾向于通过长篇信件和Slack通知来和员工交流，这种作风过滤下来的结果就是，他拥有了一批忠诚度极高的员工，他们的离职率在顶级AI公司里出奇的低，而且普遍把Anthropic视为类似「末日地堡」的组织，是人类文明最后的希望；
- 具体天命所归的自我认知，阿莫代伊对美国政府的态度也非常二极管，所以他会不惜和五角大楼翻脸也要排除用AI监控本土的可能，同时也积极配合商务部推进限制开源模型的政策，只要是为了更崇高的使命，他能把自己的一切行为合理化；
- 其中就包括接受阿联酋、卡塔尔等阿拉伯国家主权财团的投资，阿莫代伊很厌恶中东地带的意识形态，却因需要对方的财力，而不得不和员工解释这么做是利大于弊的，他甚至暗示出钱的王公贵族是坏人，在全员信里痛心疾首的表示打破了「绝不让坏人从我们的成功里获益」这条原则；
- 阿莫代伊最早出现在媒体镜头里，是在2017年，他代表OpenAI向华盛顿的智库展示早期的AI模型，那是一个会打Dota 2的程序，拥有学习能力，当时阿莫代伊就在发言里强调这个程序的进步速度太快，人类必将「无法监督、无法批准、甚至无法理解」；
- 适逢阿莫代伊刚从百度跳槽到OpenAI，负责安全部门，没过多久，他就开始在OpenAI内部推动公布研究成果之前的审查制度，以防知识被不当利用，这挑战了OpenAI早期鼓励研究员们自由发表论文的风气；
- 写备忘录的习惯就是从那时开始的，阿莫代伊会把自己的想法写在一台从不联网的电脑上，然后打印成纸质文件发给同事，偶尔有去中国出差的工作要安排给他时，他会严词拒绝，因为觉得去了就会被绑架[笑cry][笑cry][笑cry]；
- 「只有我才能决定什么信息可以公开」的理念让阿莫代伊和OpenAI的部分员工关系紧张，大家本来习惯在Slack里共享代码库，但从开发GPT-3开始，阿莫代伊就把很多核心代码库和Slack频道设为私密状态，由他的团队来发放「门禁卡」，他还差点搅黄了微软雪中送炭的10亿美金投资，当时OpenAI账上都没钱了，阿莫代伊还在阻拦GPT-3的对外演示，觉得会让微软获得AGI；
- 不可避免的，阿莫代伊经常和OpenAI的创始人山姆·奥特曼吵架，他职位低当然吵不过，于是总是在事后把自己关在办公室里，连续刷YouTube视频来恢复情绪，他的妹妹丹妮拉当时也在OpenAI，频繁帮忙缓和哥哥与高管之间的关系，这对兄妹在2020年一起离职创办了Anthropic，并带走了一批同样反感奥特曼的研究员；
- 有些带着对奥特曼的恨意跟过来的同事，后来发现和阿莫代伊的恨比起来，自己的那点怨气根本不算什么，他们私下觉得阿莫代伊对奥特曼这个人恨得有点魔怔了，是真的相信如果OpenAI掌握了最强大的AI人类文明就会迎来世界末日；
- 如今，Anthropic的管理层会把阿莫代伊当作一种「灯塔」——他的注意力在公司里四处扫视，目光所及之处，就会受到高度关注——阿莫代伊的灯光最近照射在公司里的一个经济学团队，他们负责推导和量化AI会对美国经济造成多大的影响，而阿莫代伊非常享受这种动动手指就能决定或是拯救千万人失业的宏大叙事；
- Anthropic的主要人才都相信e/acc（有效加速主义），他们自发的建立起了一种高强度的工作文化，将这波大模型浪潮视为千载难逢的历史性机遇，但阿莫代伊本人却不是e/acc这派的，他时常会做些减速的事情，比如让员工暂时抛开工作，和他一起畅聊社会、政治和战争；
- 除了毫无必要的得罪国防部，阿莫代伊还因坚持在Claude旗舰模型里加入安全过滤器而被财务部门提醒这会增加成本、削弱利润，但他依然坚决不改，不过在竞争对手的追赶下，阿莫代伊也开始有了变通，比如愿意和马斯克在算力上开展合作，放置两人的历史恩怨；
- 事情有点讽刺，阿莫代伊天天嚷着AI就要全知全能了，却连公司需要多少算力储备都没算对，近一年来Anthropic的业务增长远远超过计划，于是他被迫「挨宰」，以高于市场价的费用从马斯克那里租用数据中心，马斯克虽然以前和阿莫代伊闹过不愉快，但他主要还是在和左派Woker们作斗争，在了解到阿莫代伊不属于这一派后，加上两人都很讨厌奥特曼，他也就不计前嫌了，还夸阿莫代伊是一个「很有原则的人」。
* 再补充一个更抽象的信息，阿莫代伊前几天有个私下发言又被捅出来了，他说自己担心随着公司的规模扩大，会吸引一些纯粹为了赚钱而加入进来的员工，本意虽然是他更希望来的人和他一样抱有AGI的使命，但这番表达的不妥仍然引起了铺天盖地的嘲讽，觉得他是自个儿财富自由之后「何不食肉糜」，竟然觉得人类不需要赚钱养家糊口。
而阿莫代伊的反应也很干脆，不反驳，不辩解，默默在官网招聘栏新增了一条岗位信息，以30万年薪招聘一个内部侦探，要求自带反间谍和情报技能，主要职责包括对在职员工进行调查⋯⋯
好吧，这就很阿莫代伊。
by @阑夕ོ #科技圈大小事
我来总结一些重点内容：
- 因为担心自己工作被抢、数据中心推高电价等种种原因，美国人对于AI的厌恶再创新高，而作为最强AI公司领导者的阿莫代伊，却坚持继续推动他所相信的「AI威胁论」，哪怕这会损害Anthropic的融资前景；
- 董事会里有人建议Anthropic多宣传AI在攻克癌症方面的帮助，这是很常见的公关做法，但阿莫代伊拒绝了这一提议，认为不应该掩饰AI给人类造成的生存威胁，然后他转头就安排发布了一则意义不明的品牌广告，以墓碑、乞丐和奴工为开场元素，极其黑暗悲观，毫不意外的被骂翻了；
- 因为Anthropic正在运作上市，投资者都在设法给阿莫代伊施加压力，希望他停止宣扬AI有害论，比较委婉的会恳求他「别再吓唬所有人了」，更直接的则会抱怨阿莫代伊正在破坏自己公司以及整个行业的利益，但他们都承认，再多的蛐蛐都对阿莫代伊毫无影响，他根本不听；
- 有投资者在备忘录里写了Anthropic这家公司的特有风险，那就是它的老板似乎并不在意赚钱这件事情，而阿莫代伊之所以这么强势，只是因为Anthropic处于上升期，看在股权升值的份上，投资者多半可以忍受船长的离经叛道，问题在于，如果驶入逆风局，阿莫代伊是否还能维持资本关系的和睦；
- 阿莫代伊本质上并不是一个反商业的CEO，只是相比经营公司，他更希望成为一个布道的领袖，屡次用AI失控恐吓大家，也是为了强化只有他才是那个有权力决定什么时候该踩刹车的人，如同AI行业的教皇那样；
- 所以阿莫代伊基本上不要介入日常管理，主要都是他妹妹、身为Anthropic总裁的丹妮拉完成，而他本人更倾向于通过长篇信件和Slack通知来和员工交流，这种作风过滤下来的结果就是，他拥有了一批忠诚度极高的员工，他们的离职率在顶级AI公司里出奇的低，而且普遍把Anthropic视为类似「末日地堡」的组织，是人类文明最后的希望；
- 具体天命所归的自我认知，阿莫代伊对美国政府的态度也非常二极管，所以他会不惜和五角大楼翻脸也要排除用AI监控本土的可能，同时也积极配合商务部推进限制开源模型的政策，只要是为了更崇高的使命，他能把自己的一切行为合理化；
- 其中就包括接受阿联酋、卡塔尔等阿拉伯国家主权财团的投资，阿莫代伊很厌恶中东地带的意识形态，却因需要对方的财力，而不得不和员工解释这么做是利大于弊的，他甚至暗示出钱的王公贵族是坏人，在全员信里痛心疾首的表示打破了「绝不让坏人从我们的成功里获益」这条原则；
- 阿莫代伊最早出现在媒体镜头里，是在2017年，他代表OpenAI向华盛顿的智库展示早期的AI模型，那是一个会打Dota 2的程序，拥有学习能力，当时阿莫代伊就在发言里强调这个程序的进步速度太快，人类必将「无法监督、无法批准、甚至无法理解」；
- 适逢阿莫代伊刚从百度跳槽到OpenAI，负责安全部门，没过多久，他就开始在OpenAI内部推动公布研究成果之前的审查制度，以防知识被不当利用，这挑战了OpenAI早期鼓励研究员们自由发表论文的风气；
- 写备忘录的习惯就是从那时开始的，阿莫代伊会把自己的想法写在一台从不联网的电脑上，然后打印成纸质文件发给同事，偶尔有去中国出差的工作要安排给他时，他会严词拒绝，因为觉得去了就会被绑架[笑cry][笑cry][笑cry]；
- 「只有我才能决定什么信息可以公开」的理念让阿莫代伊和OpenAI的部分员工关系紧张，大家本来习惯在Slack里共享代码库，但从开发GPT-3开始，阿莫代伊就把很多核心代码库和Slack频道设为私密状态，由他的团队来发放「门禁卡」，他还差点搅黄了微软雪中送炭的10亿美金投资，当时OpenAI账上都没钱了，阿莫代伊还在阻拦GPT-3的对外演示，觉得会让微软获得AGI；
- 不可避免的，阿莫代伊经常和OpenAI的创始人山姆·奥特曼吵架，他职位低当然吵不过，于是总是在事后把自己关在办公室里，连续刷YouTube视频来恢复情绪，他的妹妹丹妮拉当时也在OpenAI，频繁帮忙缓和哥哥与高管之间的关系，这对兄妹在2020年一起离职创办了Anthropic，并带走了一批同样反感奥特曼的研究员；
- 有些带着对奥特曼的恨意跟过来的同事，后来发现和阿莫代伊的恨比起来，自己的那点怨气根本不算什么，他们私下觉得阿莫代伊对奥特曼这个人恨得有点魔怔了，是真的相信如果OpenAI掌握了最强大的AI人类文明就会迎来世界末日；
- 如今，Anthropic的管理层会把阿莫代伊当作一种「灯塔」——他的注意力在公司里四处扫视，目光所及之处，就会受到高度关注——阿莫代伊的灯光最近照射在公司里的一个经济学团队，他们负责推导和量化AI会对美国经济造成多大的影响，而阿莫代伊非常享受这种动动手指就能决定或是拯救千万人失业的宏大叙事；
- Anthropic的主要人才都相信e/acc（有效加速主义），他们自发的建立起了一种高强度的工作文化，将这波大模型浪潮视为千载难逢的历史性机遇，但阿莫代伊本人却不是e/acc这派的，他时常会做些减速的事情，比如让员工暂时抛开工作，和他一起畅聊社会、政治和战争；
- 除了毫无必要的得罪国防部，阿莫代伊还因坚持在Claude旗舰模型里加入安全过滤器而被财务部门提醒这会增加成本、削弱利润，但他依然坚决不改，不过在竞争对手的追赶下，阿莫代伊也开始有了变通，比如愿意和马斯克在算力上开展合作，放置两人的历史恩怨；
- 事情有点讽刺，阿莫代伊天天嚷着AI就要全知全能了，却连公司需要多少算力储备都没算对，近一年来Anthropic的业务增长远远超过计划，于是他被迫「挨宰」，以高于市场价的费用从马斯克那里租用数据中心，马斯克虽然以前和阿莫代伊闹过不愉快，但他主要还是在和左派Woker们作斗争，在了解到阿莫代伊不属于这一派后，加上两人都很讨厌奥特曼，他也就不计前嫌了，还夸阿莫代伊是一个「很有原则的人」。
* 再补充一个更抽象的信息，阿莫代伊前几天有个私下发言又被捅出来了，他说自己担心随着公司的规模扩大，会吸引一些纯粹为了赚钱而加入进来的员工，本意虽然是他更希望来的人和他一样抱有AGI的使命，但这番表达的不妥仍然引起了铺天盖地的嘲讽，觉得他是自个儿财富自由之后「何不食肉糜」，竟然觉得人类不需要赚钱养家糊口。
而阿莫代伊的反应也很干脆，不反驳，不辩解，默默在官网招聘栏新增了一条岗位信息，以30万年薪招聘一个内部侦探，要求自带反间谍和情报技能，主要职责包括对在职员工进行调查⋯⋯
好吧，这就很阿莫代伊。
by @阑夕ོ #科技圈大小事
和做电商的朋友吃饭，聊他接手公司电商板块怎么给降费用的，听完都害怕他来扣我牙缝里的肉，今天先给大家分享一下物流篇：
他们有一条低价产品线，单价只有十块钱左右，毛利大概20%。算下来一单就两块钱毛利，但是发一次货，利润基本全吃掉了，更别提能留出其他费用。
怎么办？
反正我听完的第一反应，是找快递公司。但是今天的运费透明度，压价的空间非常有限。
他当时的做法，就是把整个链路扒开，一个环节一个环节找问题。
先看箱规。
过去电商是直接用线下的产品在卖。线下经销商怕一箱太多卖不完，所以喜欢小箱规。但电商仓库反正都要拆箱，小箱规不仅没有优势，反而拆起来更麻烦，外箱成本也更高。
那就把箱规改大。摊到每袋可能只省几分钱，但低价产品本来赚的就是这几分钱。
再看仓储物流。
过去他们电商是货生产了，要先运到总部仓，再从总部发全国。这就是因为惯性带来的成本，但是他们其实全国都有工厂，于是就改革直接在工厂附近入仓发货，又省下一笔调拨费。那放在哪里的工厂呢，听他说才知道，全国的快递费其实不是同价的，像川渝这种产业集群少的地方，物流车进去的多，出来的少，很多空返，所以快递价格更便宜。所以这种地方的快递出去是价格洼地，他们就选川渝的工厂，把电商的仓也放在那里。
然后看包装。
原来的产品是真空包装，运输中容易被挤破，所以必须套纸箱。但是纸箱贵，怎么搞呢？就反过来改产品包装，换成更适合电商运输的形式，可以直接用气泡袋发货。
一个纸箱和一个气泡袋，差四毛钱。对十块钱的商品来说，四毛钱就是四个点的毛利。也不是小钱。
规格也要重新算。
原来一袋500克，两袋加上包材，刚好超过快递的重量档位，每单就要多付几毛钱。后来把规格调整到400克，价格略微降一点，但不再跨档，毛利反而提高了。
最后还要和前端运营拉通。
他去看前段销售，发现过去主播有惯性，喜欢卖低价单袋，因为电商就是价格低好卖，消费者下单门槛小。但对企业来说，单袋订单的物流费率最高。所以又强制要求改主推，通过组合装和价格设计，引导消费者一次买两袋、三袋，把每袋分摊的运费降下来。
他说调整以后，整个仓储物流费率下降了一个点，十亿元规模，一个点就是一千万利润。
所以，有时候说控制成本，不光是所谓压价格，真的是需要重新解构商品从工厂到顾客手里的全过程。
by @枪上花 #你不知道的行业内幕
他们有一条低价产品线，单价只有十块钱左右，毛利大概20%。算下来一单就两块钱毛利，但是发一次货，利润基本全吃掉了，更别提能留出其他费用。
怎么办？
反正我听完的第一反应，是找快递公司。但是今天的运费透明度，压价的空间非常有限。
他当时的做法，就是把整个链路扒开，一个环节一个环节找问题。
先看箱规。
过去电商是直接用线下的产品在卖。线下经销商怕一箱太多卖不完，所以喜欢小箱规。但电商仓库反正都要拆箱，小箱规不仅没有优势，反而拆起来更麻烦，外箱成本也更高。
那就把箱规改大。摊到每袋可能只省几分钱，但低价产品本来赚的就是这几分钱。
再看仓储物流。
过去他们电商是货生产了，要先运到总部仓，再从总部发全国。这就是因为惯性带来的成本，但是他们其实全国都有工厂，于是就改革直接在工厂附近入仓发货，又省下一笔调拨费。那放在哪里的工厂呢，听他说才知道，全国的快递费其实不是同价的，像川渝这种产业集群少的地方，物流车进去的多，出来的少，很多空返，所以快递价格更便宜。所以这种地方的快递出去是价格洼地，他们就选川渝的工厂，把电商的仓也放在那里。
然后看包装。
原来的产品是真空包装，运输中容易被挤破，所以必须套纸箱。但是纸箱贵，怎么搞呢？就反过来改产品包装，换成更适合电商运输的形式，可以直接用气泡袋发货。
一个纸箱和一个气泡袋，差四毛钱。对十块钱的商品来说，四毛钱就是四个点的毛利。也不是小钱。
规格也要重新算。
原来一袋500克，两袋加上包材，刚好超过快递的重量档位，每单就要多付几毛钱。后来把规格调整到400克，价格略微降一点，但不再跨档，毛利反而提高了。
最后还要和前端运营拉通。
他去看前段销售，发现过去主播有惯性，喜欢卖低价单袋，因为电商就是价格低好卖，消费者下单门槛小。但对企业来说，单袋订单的物流费率最高。所以又强制要求改主推，通过组合装和价格设计，引导消费者一次买两袋、三袋，把每袋分摊的运费降下来。
他说调整以后，整个仓储物流费率下降了一个点，十亿元规模，一个点就是一千万利润。
所以，有时候说控制成本，不光是所谓压价格，真的是需要重新解构商品从工厂到顾客手里的全过程。
by @枪上花 #你不知道的行业内幕
据The Information报道，中国一家国资背景企业已经开始小批量生产国产浸没式DUV光刻机。
今年预计生产约5台，2027年增加到20台，计划交付给中芯国际、华虹和长鑫存储。
机器目前在性能、可靠性和制造质量上仍然落后于ASML，距离真正成熟还有很长一段路。
只看这几个数字，市场似乎确实反应过度了。
5台机器，性能还不如ASML，怎么可能威胁一家垄断全球高端光刻机市场几十年的公司？
但资本市场交易的是未来。
实验室里造出一台样机，只能证明技术路线勉强可行。
真正送进中芯、华虹和长鑫的生产线，经过精度、稳定性、良率和设备兼容性的长期验证，再根据客户反馈不断修改，才意味着国产光刻机开始建立完整的产业迭代闭环。
第一批机器可能很差，产量也少得可怜。
但只要能够在晶圆厂里跑起来，后面就会产生真实数据、客户反馈、供应链订单和工程师经验。
下一代机器的研发，也终于不用继续对着实验室参数闭门造车。
更关键的是，西方每收紧一次出口限制，都在替国产设备创造一个必须被使用、必须被改进的市场。
ASML短期内依然没有真正的对手。
中国国产EUV目前也还停留在原型阶段，浸没式DUV今年预计只有约5台产量。
但ASML在中国市场的垄断，已经出现了一条可以持续扩大的裂缝。
所以今天半导体跌的，并不是这5台机器对应的订单。
它跌的是一条过去只存在于新闻和PPT里的国产替代路线，第一次真正开始进入晶圆厂。
一台性能更差的机器不足以威胁ASML。
一条能够持续获得订单、数据和客户反馈的国产供应链，足以让市场重新定价。
by @Max_means_best #科技圈大小事
A 除社发表了对近期舆论的回应。
https://www.anthropic.com/news/position-open-weights-models
其内容相当的婊，依然是一套民族主义叙事。
A 除社认为，专制政府（不只是中共，但中共明显是能力最强的威胁）可能建成比美国更强大的 AI 模型，用来谋求永久性军事优势，或对本国人民实施深度压迫。他引用副总统万斯去年在巴黎的表态，以及美国情报界《2026 年度威胁评估》的结论，指出模型是否开放权重、是否被美国企业使用都无关紧要，最危险的模型可能是秘密训练、只交给解放军用于无人机、交给国家安全部用于监控和镇压的模型。
同时，他们认为，强大的 AI 模型可能被滥用于网络攻击或生物攻击。开放权重模型（无论来自中国还是其他地方）风险可能更高，因为很难对其施加防护措施或监控使用情况，权重一旦发布便无法收回。但禁止美国企业使用这些模型无法解决此风险，因为不法行为者本来就不太可能是合法的美国企业。这种禁令确实能让美国 AI 公司免受竞争，但这从来不是他的目标。
A 除社认为，面对 AI 增长浪潮，政府应当：
不向中国出售先进芯片或芯片制造设备，并打击相关走私和规避行为。他援引 Scale Law，指出中国本土产能有限，没有美国芯片就无法造出比美国更强的模型。这是阻止第一种威胁最直接有效的方式，也间接有助于抑制第二种威胁。
他们认为应当打击工业规模的蒸馏（distillation）行为，蒸馏比从头训练模型节省算力得多，能让中国用更少芯片造出更强模型，从而部分规避芯片禁令。他承认蒸馏无法让中共获得与美国同等或更强的能力，但可能把中国前沿模型的差距缩小到落后美国仅几个月。他强调问题的核心在于这些操作背后有专制国家试图在前沿超越美国，而非开放权重本身；应通过政策手段遏制，而非一刀切禁止开放权重模型。
针对联署公开信，A 除社同意，开放权重确实扩大了 AI 经济的可及性，在某些场景下加强了竞争，也让客户拥有更大控制权。但 A 除社反对信中「开放权重模型必然更容易开发防护措施」或「能力的广泛可及必然更有利于防御者而非攻击者」的论断。该公司认为生物安全领域存在强烈的「攻防不对称」：足够强大的模型可能借助容易获得的材料迅速把大流行级别的病毒武器化，而防御这类病原体在最好情况下也是需要数年的行动任务。
我个人对于此事的看法如下：
你 A 除社前面 not solely the Chinese Communist Party (CCP)，后面全都是 CCP，司马昭之心路人皆知。我非反感民族主义叙事，无论是 CCP 煽动的沙文主义，还是你 A 除社煽动的民族主义叙事，全部都是一丘之貉。将 AI 用于军事用途对于任何一个国家来讲都是一个明确的威胁，不因为你美国是一个所谓的民主政体，对其的使用就更加安全。不要忘了，将 AI 用作军事用途是在贵国发扬光大的。
关于对民族内部意志的扭曲，这根本不是 AI 的问题，剑桥分析事件发生在美国，利用算法令床破获得了选举优势，这种荒谬的事情同样会发生在民主政体当中，你把它硬套到 AI 叙事上是一种牵强附会。
蒸馏方面，你 A 除社大面积盗用版权资源训练模型，因而你的模型合法性本身就有严重问题，你现在拿着充满争议的模型要求其他人不可以蒸馏，这是赤裸裸的双标。
关于 Cyber Security 的问题同理，第一个 AI 模型沙箱逃逸搞到抱脸服务的也是你美国的模型，这不因你是一个民主政体事情就不会发生。
至于生物安全领域，你 A 除社用精湛的 Framing 方法，把问题框定在要不要用 AI 设计生物武器的问题之上。生物武器在实战中几乎从未被使用过，对政体而言，能力并不是唯一的制约其行为的变量。国际声誉代价、报复风险、政权自身的政治生存考量，这些因素的作用远比单纯的技术能力更强。
唯一能说的是民用层面的，利用 AI 进行生物武器制备，但这个风险本身抽象而模糊。况且阻止硬件出口、阻止模型蒸馏并不必然阻止开放模型社区获得与之相对应的能力，这个地方的论述本身就是错位的。与之相对的，开放模型带来的经济收益是巨大的，哪怕是贵民主政体，依然有大量企业通过开放模型节省开支。大量民众通过低价的开放模型解方生产力。每一代技术的进步都会带来新的问题，这不能说服人们阻止技术进步、构建开放社区。
有那时间发羊癫疯不如好好去做你们的下一代模型，Sonnet 5 都已经烂到什么程度了自己心理没 B 数么。
考虑到你 A 除社员工在 Twitter 上一贯的嘴脸，上面这一份冗长的信件更像是贵司给自己无处安放的情绪找一块遮羞布，着实让人感到不适。
https://www.anthropic.com/news/position-open-weights-models
其内容相当的婊，依然是一套民族主义叙事。
A 除社认为，专制政府（不只是中共，但中共明显是能力最强的威胁）可能建成比美国更强大的 AI 模型，用来谋求永久性军事优势，或对本国人民实施深度压迫。他引用副总统万斯去年在巴黎的表态，以及美国情报界《2026 年度威胁评估》的结论，指出模型是否开放权重、是否被美国企业使用都无关紧要，最危险的模型可能是秘密训练、只交给解放军用于无人机、交给国家安全部用于监控和镇压的模型。
同时，他们认为，强大的 AI 模型可能被滥用于网络攻击或生物攻击。开放权重模型（无论来自中国还是其他地方）风险可能更高，因为很难对其施加防护措施或监控使用情况，权重一旦发布便无法收回。但禁止美国企业使用这些模型无法解决此风险，因为不法行为者本来就不太可能是合法的美国企业。这种禁令确实能让美国 AI 公司免受竞争，但这从来不是他的目标。
A 除社认为，面对 AI 增长浪潮，政府应当：
不向中国出售先进芯片或芯片制造设备，并打击相关走私和规避行为。他援引 Scale Law，指出中国本土产能有限，没有美国芯片就无法造出比美国更强的模型。这是阻止第一种威胁最直接有效的方式，也间接有助于抑制第二种威胁。
他们认为应当打击工业规模的蒸馏（distillation）行为，蒸馏比从头训练模型节省算力得多，能让中国用更少芯片造出更强模型，从而部分规避芯片禁令。他承认蒸馏无法让中共获得与美国同等或更强的能力，但可能把中国前沿模型的差距缩小到落后美国仅几个月。他强调问题的核心在于这些操作背后有专制国家试图在前沿超越美国，而非开放权重本身；应通过政策手段遏制，而非一刀切禁止开放权重模型。
针对联署公开信，A 除社同意，开放权重确实扩大了 AI 经济的可及性，在某些场景下加强了竞争，也让客户拥有更大控制权。但 A 除社反对信中「开放权重模型必然更容易开发防护措施」或「能力的广泛可及必然更有利于防御者而非攻击者」的论断。该公司认为生物安全领域存在强烈的「攻防不对称」：足够强大的模型可能借助容易获得的材料迅速把大流行级别的病毒武器化，而防御这类病原体在最好情况下也是需要数年的行动任务。
我个人对于此事的看法如下：
你 A 除社前面 not solely the Chinese Communist Party (CCP)，后面全都是 CCP，司马昭之心路人皆知。我非反感民族主义叙事，无论是 CCP 煽动的沙文主义，还是你 A 除社煽动的民族主义叙事，全部都是一丘之貉。将 AI 用于军事用途对于任何一个国家来讲都是一个明确的威胁，不因为你美国是一个所谓的民主政体，对其的使用就更加安全。不要忘了，将 AI 用作军事用途是在贵国发扬光大的。
关于对民族内部意志的扭曲，这根本不是 AI 的问题，剑桥分析事件发生在美国，利用算法令床破获得了选举优势，这种荒谬的事情同样会发生在民主政体当中，你把它硬套到 AI 叙事上是一种牵强附会。
蒸馏方面，你 A 除社大面积盗用版权资源训练模型，因而你的模型合法性本身就有严重问题，你现在拿着充满争议的模型要求其他人不可以蒸馏，这是赤裸裸的双标。
关于 Cyber Security 的问题同理，第一个 AI 模型沙箱逃逸搞到抱脸服务的也是你美国的模型，这不因你是一个民主政体事情就不会发生。
至于生物安全领域，你 A 除社用精湛的 Framing 方法，把问题框定在要不要用 AI 设计生物武器的问题之上。生物武器在实战中几乎从未被使用过，对政体而言，能力并不是唯一的制约其行为的变量。国际声誉代价、报复风险、政权自身的政治生存考量，这些因素的作用远比单纯的技术能力更强。
唯一能说的是民用层面的，利用 AI 进行生物武器制备，但这个风险本身抽象而模糊。况且阻止硬件出口、阻止模型蒸馏并不必然阻止开放模型社区获得与之相对应的能力，这个地方的论述本身就是错位的。与之相对的，开放模型带来的经济收益是巨大的，哪怕是贵民主政体，依然有大量企业通过开放模型节省开支。大量民众通过低价的开放模型解方生产力。每一代技术的进步都会带来新的问题，这不能说服人们阻止技术进步、构建开放社区。
有那时间发羊癫疯不如好好去做你们的下一代模型，Sonnet 5 都已经烂到什么程度了自己心理没 B 数么。
考虑到你 A 除社员工在 Twitter 上一贯的嘴脸，上面这一份冗长的信件更像是贵司给自己无处安放的情绪找一块遮羞布，着实让人感到不适。
Anthropic
Our position on open-weights models
Anthropic CEO Dario Amodei on open-weights models
