想知道谁在裸泳吗?
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
我开始服用控制 ADHD 症状的药物了。目前吃的是一个在中国大陆买不到的药，叫 Vyvanse（唯稳思，APO-LISDEXAMFETAMINE CAPSULES ），香港可以吃到，但是台湾和澳门没这个药。不过地方法律不一样，有些地方你带着医师处方签是可以把药带到境内的。它的成分是一种被修饰过的安非他命，比较接近于缓释版本的冰毒。但你不需要因为它名字里有安非他命就抵触，一方面抛开剂量谈毒性全都是耍流氓，另外一方面有效成分的分子结构被修饰过，这些成分需要在血液里处理一下才能到脑子里，不会非常快速地让头上头、让人特别快乐。它是一种缓释、持久的版本的中枢神经兴奋剂，和毒品还是不太一样的。
值得注意的一点是，无论是中国大陆还是台湾，这个药都没有被 Approve，可能会出现无法入关或者被罚钱的问题。如果要带药回国的话请注意查一下，或者临时跟医生把药方换了，换成专注达。
= 为何用药
我一直以来对药蛮抵触的。身边很多人吃完这个药之后会有一种欣快感。这种感觉跟喝高了或者吸嗨了不一样，有朋友把它描述成“我能打十个”、很 energetic 的状态。我对这个事情感到不安，会觉得怪怪的，有一种自己不再是自己的感觉。
但是期末这段时间事情实在太多，叠上各种杂事让整个生活完全没办法被管理，并且造成了一些糟糕的结果。持续性的拖沓搞得生活一塌糊涂，每天睡觉之前都会 question my life。这对我来讲是一种危机状态，我认为必须要通过外在手段来处理了，于是就去校医院开始寻求帮助。
= 诊疗与评估过程
学校接待处跟我说 ADHD 的处理比较复杂，需要先过 Mental Health Clinic（精神健康门诊）后面还需要反复跑好多次的回诊。
第一次跟学校全职的 Mental Health Clinic 医师沟通是，我把在中国做的那份 ADHD assessment 拿过去。对方看了一下，跟我说这个诊断非常有帮助，并且征求我的同意，把把资料复印走，并问了我很多问题。医师开篇咨询了个人健康状况以及潜在的家族病史，询问是否有心脏病、高血压或精神分裂症的家族病史。
另外，虽然已经有了之前的 ADHD 评估，但医师还是对我做了一次独立的 ADHD 的访谈评估，跟之前在北京安定医院的病历做了对照。对方表示我适合用药，会将我转给学校的 NP 去讨论用药方案。
学校的精神健康门诊只负责做 assessment 和谈心理健康的东西，本身并不开药。同时，他也提供了很多学校里的免费资源：如果移民或留学生身份有问题，可以找留学生部门；如果有心理健康 concern，学校提供免费心理咨询；如果学习过程遇到问题，下学期可以找 Accessible Learning 申请 accommodation。申请后可以延长考试时间，作业交稿时间也可以放宽，拿证明给老师，老师会接受。
有些学校的这一块是外包出去的，但我们学校的精神心理健康相关的医疗资源全是自己的，所以跟学校其他系统整合的非常好，这让我觉得很意外。
第二次 appointment 之前，校医院（其实叫 Wellbeing Center）发了一份包含问卷的邮件。做完问卷后见到了 NP，NP 又跟我做了一次 ADHD assessment。直到这次看诊结束位置，我已经做了四次评估（中国一次，这边额外三次），整个过程可以说是非常严谨了。
症状确认后，因为我有高血压和心脏病的家族病史，而吃这个药会导致心率和血压变高，NP 需要确定我现在的身体状况适合吃药，于是开了单子让我去 LifeLabs 做化验。我们学校没有自己的化验实验室，需要拿着学生卡去另外一个实验室排队抽血和做心电图。学生医保有 Cover，这部分是不要钱的。
去 LifeLabs 抽血排了一个小时。因为是用 UHIP 保险不是省里的 Health Card，所以过程有点复杂，要把电子卡发到邮箱，再用代码去打印，那 Lab 是地下室信号贼差，害得我上上下下爬了好几次才把资料发完。检查过程抽了两罐血，做了一次心电图，心电图做完之后小哥跟我说你非常健康结果几天后出。我的体型算是比较瘦的，血管没那么好找，但是那小哥还是扎进去之后找了好一阵子，捅来捅去还挺吓人的。
昨天验血结果出来，医生告诉我血检正常，心率和血压没有问题，完全可以吃这个药。不过有一个指标偏低（可能与最近过敏起湿疹有关，在完全没问我的情况下她非常自动的又给我开了两罐激素，可以说是非常贴心了，我当时就是顺嘴一提而已），另外维生素 B12 偏低，比正常人低了 20% 多，医生建议每天补充 1,000 mcg 维生素 B12。B12 缺乏会导致人比较困、比较累，这可能与我基本吃素有关（你也知道微波炉处理肉品是一个比较麻烦且容易做不熟的东西，我又懒得下楼用电磁炉，所以平时基本上只吃豆腐、菜叶和碳水，缺乏动物性食物，这可能是主因）。
= 拿药与用药规定
这边针对 ADHD 的用药比中国丰富很多。医生拿了一整张单子，介绍了排在前面和后面的不同类型药物（刺激类与非刺激类），问我想吃哪种。哇，这是我可以自己选的吗——
总之那一整张 A4 纸上全是各种药剂，一线药物基本都是中枢神经兴奋剂，二线药物是非兴奋剂类。我的意愿是尊重医生的想法，以效果好的为准。
医生个人比较推荐从 Vyvanse 开始。因为 Vyvanse 从 10 mg 开始，颗粒度比较细，方便调整用药方案；而专注达的剂量颗粒度很粗（起始剂量就是 18 mg，再往上就是 Double 的了），用药不好控制。最后医生开了一份 10 mg 的 Vyvanse（唯稳思）。
我们学校处理这件事情需要签署一份协议，要求相当严格。协议上要求，如果出现任何很不舒服的症状，必须立刻回去报告；只能从某一个固定的药房拿药，不能换药房；只能从学校开处方，不能额外去 walk-in clinic 拿药，避免重复用药；一个周期只能拿一次药。不管是丢失、被偷还是掉进马桶，都无法补开第二份；由于该药物具有精神活性，在街头存在 street value（街头价值），所以如果是街友则无法开药；不能擅自调整用量。违反协议以后将无法继续开药。
医生建议把药放在带锁的盒子里的，走在大街上不要带出去。
签署协议后拿到处方，当天下班就去药局取了药。药师交代吃这个药可能会有兴奋等常见症状，通常吃两周左右就会适应。
「我：这听起来好吓人」「药师：你这才 10mcg，不会有啥事情」
哦，对了，因为有 UHIP，所以两周的药收了我 $8, pretty cheap
= 服药后的感受
这个药是早上起床吃，吃一次管一天。我早上九点起床把粉色小药丸吞下肚，然后开始体验身体上发生的奇妙变化，整个生效的过程非常缓慢温和。它不是那种对精神产生戏剧性变化的感觉，完全没有翻天覆地的感觉。
我最先体验到的是拖延症状消失了，我吃完药之后躺在床上刷了半小到一个小时手机，然后就起床准备开始处理一天的事情了。看到脏衣桶有一堆衣服需要洗，立刻就去洗了，是那种「我需要做这件事情」，立刻就能开始做的感觉。以前这种事情可能会拖延很久，现在看到该做的事情就会直接去做。
另外一个变化是思绪的变化，以前我的脑子里会很混乱、互相碰撞。用药后这种感觉头顶那一大堆混沌变得透亮了许多。脑子里依然会有想法和思考，但一次只有一个想法，一根线，非常清晰。这让我有一种 under control 的感觉。
由于剂量很小（10 mg），常见的口干、食欲下降等副作用在我身上完全没有出现，胃口依然很好。因为属于某种神经兴奋类药物，中午和晚上吃完饭后犯困的毛病消失了。以前醒着时会不停找东西吃，现在虽然有点想吃，但觉得可以不吃就不吃了，没有被某种欲望拖着走的感觉。胸痛、呼吸困难等症状都没有，唯一的状况是今天出现了六七次心悸（心脏跳着跳着突然沉重地响一下，然后就过去了）周一可能需要去医院问问医生需不需要处理。
到了下午 4 点到 5 点左右，药效会逐渐消退。这种消退不是那种电灯关掉的感觉，如果要描述的话，比较接近那个 Chaos 逐渐飘荡回来。消退后会感觉脑子没有之前那么好用，开始比较容易分散，但整体表现依然比以前好一些。
= 整体感受
用药后的感受就是：「原来正常人的思维方式或主观体验是这样的。」
它没有让我变成另外一个人。它带来的感受很微妙，只是让脑子变得比较顺手（？）、比较听话，没有那种被东西四处拉着跑的感觉了。
如果不在中国大陆、有渠道能吃到 Vyvanse 的话，我觉得可以尝试一下。它的剂量比较好控制（从 10 mg 开始往上升），不需要担心变成另外一个人或吃嗨的情况。不知道是因为剂量问题还是正常情况，开会的时候偶尔还是会走神，但其他地方受控了很多。有点类似于手机芯片升级，虽然每天依然是在用 PowerPoint，但 CPU 换好之后只是交互没那么 glitchy 了。
But, 对于非 ADHD 人士，这个东西不会让你变得更聪明。多巴胺水平如果已经正常，超出范围反而会影响认知表现并承受副作用，所以没有诊断就不要使用。
For me, It works and works pretty well.
这药没有那么可怕。
值得注意的一点是，无论是中国大陆还是台湾，这个药都没有被 Approve，可能会出现无法入关或者被罚钱的问题。如果要带药回国的话请注意查一下，或者临时跟医生把药方换了，换成专注达。
= 为何用药
我一直以来对药蛮抵触的。身边很多人吃完这个药之后会有一种欣快感。这种感觉跟喝高了或者吸嗨了不一样，有朋友把它描述成“我能打十个”、很 energetic 的状态。我对这个事情感到不安，会觉得怪怪的，有一种自己不再是自己的感觉。
但是期末这段时间事情实在太多，叠上各种杂事让整个生活完全没办法被管理，并且造成了一些糟糕的结果。持续性的拖沓搞得生活一塌糊涂，每天睡觉之前都会 question my life。这对我来讲是一种危机状态，我认为必须要通过外在手段来处理了，于是就去校医院开始寻求帮助。
= 诊疗与评估过程
学校接待处跟我说 ADHD 的处理比较复杂，需要先过 Mental Health Clinic（精神健康门诊）后面还需要反复跑好多次的回诊。
第一次跟学校全职的 Mental Health Clinic 医师沟通是，我把在中国做的那份 ADHD assessment 拿过去。对方看了一下，跟我说这个诊断非常有帮助，并且征求我的同意，把把资料复印走，并问了我很多问题。医师开篇咨询了个人健康状况以及潜在的家族病史，询问是否有心脏病、高血压或精神分裂症的家族病史。
另外，虽然已经有了之前的 ADHD 评估，但医师还是对我做了一次独立的 ADHD 的访谈评估，跟之前在北京安定医院的病历做了对照。对方表示我适合用药，会将我转给学校的 NP 去讨论用药方案。
学校的精神健康门诊只负责做 assessment 和谈心理健康的东西，本身并不开药。同时，他也提供了很多学校里的免费资源：如果移民或留学生身份有问题，可以找留学生部门；如果有心理健康 concern，学校提供免费心理咨询；如果学习过程遇到问题，下学期可以找 Accessible Learning 申请 accommodation。申请后可以延长考试时间，作业交稿时间也可以放宽，拿证明给老师，老师会接受。
有些学校的这一块是外包出去的，但我们学校的精神心理健康相关的医疗资源全是自己的，所以跟学校其他系统整合的非常好，这让我觉得很意外。
第二次 appointment 之前，校医院（其实叫 Wellbeing Center）发了一份包含问卷的邮件。做完问卷后见到了 NP，NP 又跟我做了一次 ADHD assessment。直到这次看诊结束位置，我已经做了四次评估（中国一次，这边额外三次），整个过程可以说是非常严谨了。
症状确认后，因为我有高血压和心脏病的家族病史，而吃这个药会导致心率和血压变高，NP 需要确定我现在的身体状况适合吃药，于是开了单子让我去 LifeLabs 做化验。我们学校没有自己的化验实验室，需要拿着学生卡去另外一个实验室排队抽血和做心电图。学生医保有 Cover，这部分是不要钱的。
去 LifeLabs 抽血排了一个小时。因为是用 UHIP 保险不是省里的 Health Card，所以过程有点复杂，要把电子卡发到邮箱，再用代码去打印，那 Lab 是地下室信号贼差，害得我上上下下爬了好几次才把资料发完。检查过程抽了两罐血，做了一次心电图，心电图做完之后小哥跟我说你非常健康结果几天后出。我的体型算是比较瘦的，血管没那么好找，但是那小哥还是扎进去之后找了好一阵子，捅来捅去还挺吓人的。
昨天验血结果出来，医生告诉我血检正常，心率和血压没有问题，完全可以吃这个药。不过有一个指标偏低（可能与最近过敏起湿疹有关，在完全没问我的情况下她非常自动的又给我开了两罐激素，可以说是非常贴心了，我当时就是顺嘴一提而已），另外维生素 B12 偏低，比正常人低了 20% 多，医生建议每天补充 1,000 mcg 维生素 B12。B12 缺乏会导致人比较困、比较累，这可能与我基本吃素有关（你也知道微波炉处理肉品是一个比较麻烦且容易做不熟的东西，我又懒得下楼用电磁炉，所以平时基本上只吃豆腐、菜叶和碳水，缺乏动物性食物，这可能是主因）。
= 拿药与用药规定
这边针对 ADHD 的用药比中国丰富很多。医生拿了一整张单子，介绍了排在前面和后面的不同类型药物（刺激类与非刺激类），问我想吃哪种。哇，这是我可以自己选的吗——
总之那一整张 A4 纸上全是各种药剂，一线药物基本都是中枢神经兴奋剂，二线药物是非兴奋剂类。我的意愿是尊重医生的想法，以效果好的为准。
医生个人比较推荐从 Vyvanse 开始。因为 Vyvanse 从 10 mg 开始，颗粒度比较细，方便调整用药方案；而专注达的剂量颗粒度很粗（起始剂量就是 18 mg，再往上就是 Double 的了），用药不好控制。最后医生开了一份 10 mg 的 Vyvanse（唯稳思）。
我们学校处理这件事情需要签署一份协议，要求相当严格。协议上要求，如果出现任何很不舒服的症状，必须立刻回去报告；只能从某一个固定的药房拿药，不能换药房；只能从学校开处方，不能额外去 walk-in clinic 拿药，避免重复用药；一个周期只能拿一次药。不管是丢失、被偷还是掉进马桶，都无法补开第二份；由于该药物具有精神活性，在街头存在 street value（街头价值），所以如果是街友则无法开药；不能擅自调整用量。违反协议以后将无法继续开药。
医生建议把药放在带锁的盒子里的，走在大街上不要带出去。
签署协议后拿到处方，当天下班就去药局取了药。药师交代吃这个药可能会有兴奋等常见症状，通常吃两周左右就会适应。
「我：这听起来好吓人」「药师：你这才 10mcg，不会有啥事情」
哦，对了，因为有 UHIP，所以两周的药收了我 $8, pretty cheap
= 服药后的感受
这个药是早上起床吃，吃一次管一天。我早上九点起床把粉色小药丸吞下肚，然后开始体验身体上发生的奇妙变化，整个生效的过程非常缓慢温和。它不是那种对精神产生戏剧性变化的感觉，完全没有翻天覆地的感觉。
我最先体验到的是拖延症状消失了，我吃完药之后躺在床上刷了半小到一个小时手机，然后就起床准备开始处理一天的事情了。看到脏衣桶有一堆衣服需要洗，立刻就去洗了，是那种「我需要做这件事情」，立刻就能开始做的感觉。以前这种事情可能会拖延很久，现在看到该做的事情就会直接去做。
另外一个变化是思绪的变化，以前我的脑子里会很混乱、互相碰撞。用药后这种感觉头顶那一大堆混沌变得透亮了许多。脑子里依然会有想法和思考，但一次只有一个想法，一根线，非常清晰。这让我有一种 under control 的感觉。
由于剂量很小（10 mg），常见的口干、食欲下降等副作用在我身上完全没有出现，胃口依然很好。因为属于某种神经兴奋类药物，中午和晚上吃完饭后犯困的毛病消失了。以前醒着时会不停找东西吃，现在虽然有点想吃，但觉得可以不吃就不吃了，没有被某种欲望拖着走的感觉。胸痛、呼吸困难等症状都没有，唯一的状况是今天出现了六七次心悸（心脏跳着跳着突然沉重地响一下，然后就过去了）周一可能需要去医院问问医生需不需要处理。
到了下午 4 点到 5 点左右，药效会逐渐消退。这种消退不是那种电灯关掉的感觉，如果要描述的话，比较接近那个 Chaos 逐渐飘荡回来。消退后会感觉脑子没有之前那么好用，开始比较容易分散，但整体表现依然比以前好一些。
= 整体感受
用药后的感受就是：「原来正常人的思维方式或主观体验是这样的。」
它没有让我变成另外一个人。它带来的感受很微妙，只是让脑子变得比较顺手（？）、比较听话，没有那种被东西四处拉着跑的感觉了。
如果不在中国大陆、有渠道能吃到 Vyvanse 的话，我觉得可以尝试一下。它的剂量比较好控制（从 10 mg 开始往上升），不需要担心变成另外一个人或吃嗨的情况。不知道是因为剂量问题还是正常情况，开会的时候偶尔还是会走神，但其他地方受控了很多。有点类似于手机芯片升级，虽然每天依然是在用 PowerPoint，但 CPU 换好之后只是交互没那么 glitchy 了。
But, 对于非 ADHD 人士，这个东西不会让你变得更聪明。多巴胺水平如果已经正常，超出范围反而会影响认知表现并承受副作用，所以没有诊断就不要使用。
For me, It works and works pretty well.
这药没有那么可怕。
看了昨天 @ManjusakaH 转发的 simd 科普之后我才知道原来字符串搜索也可以 simd，我当时就萌生了一个大胆的想法，何不买一根 335mm Φ8mm 的金属棒 何不让 bpf 也用 simd 搜索 http header，目前的实践都是狗屎，我和同事在 6.1 ec2 上编译 kfunc 的惨痛经历仿佛还在昨天😭
任务是从巨型 HTTP/1.1 payload 里搜索你喜欢的 header，比如 Host：
虽然 bpf simd 是做不了的，但可以 SWAR 啊，我用 go 写一遍是这样的
虽然看起来一大坨，但实际理解并不复杂，for 循环里每次 cast 8 字节成 u64 用位运算检查这里是否有 \n，有的话说明是行末，buf[idx:idx+5] 可以用来判定 "Host:"；否则不是行末，直接推进 8 字节。
这个 swar 做法虽然打不过 simd，但是两倍性能于逐字节比较还是轻轻松松的，更美妙的事它可以用 bpf 实现出来， microbench 的结果是在所有情况下都是逐字节比较的 3~4 倍，甚至比 kfunc bpf_strnstr 的性能也快 2x 了，因为 kfunc 也是逐字节的，只是少了一些 bpf_loop callback 开销而已
http payload parsing 大概占用了 50% 的观测消耗，这部分性能优化 4 倍，根据 Amdahl's law，整体性能提升是 1/((1-0.5) + 0.5/4)) = 1.6 倍，如果之前是观测造成是 latency 是 +7%，这个优化可以把 latency 降到 +7%/1.6 = +4.4%，这也是符合观测结果的，嘻嘻，无敌。
任务是从巨型 HTTP/1.1 payload 里搜索你喜欢的 header，比如 Host：
GET /url HTTP/1.1
User-Agent: xxx
X-Forward: xxx
X-Metadata: xxx
[...1000+ bytes...]
Host: xxx虽然 bpf simd 是做不了的，但可以 SWAR 啊，我用 go 写一遍是这样的
const (
repeatLF = uint64(0x0a0a0a0a0a0a0a0a)
ones = uint64(0x0101010101010101)
highs = uint64(0x8080808080808080)
)
func findHostHeader(buf []byte) int {
cursor := 0
lineStart := false
for cursor < len(buf) {
if lineStart && cursor+5 <= len(buf) &&
bytes.EqualFold(buf[cursor:cursor+5], []byte("Host:")) {
return cursor
}
lineStart = false
if cursor%8 == 0 && cursor+8 <= len(buf) {
word := binary.LittleEndian.Uint64(buf[cursor:])
x := word ^ repeatLF
matches := (x - ones) &^ x & highs
if matches != 0 {
cursor += bits.TrailingZeros64(matches)/8 + 1
lineStart = true
} else {
cursor += 8
}
continue
}
// Scan only to the next alignment boundary or the end.
scanEnd := min((cursor+7)&^7, len(buf))
for cursor < scanEnd {
if buf[cursor] == '\n' {
cursor++
lineStart = true
break
}
cursor++
}
}
return -1
}虽然看起来一大坨，但实际理解并不复杂，for 循环里每次 cast 8 字节成 u64 用位运算检查这里是否有 \n，有的话说明是行末，buf[idx:idx+5] 可以用来判定 "Host:"；否则不是行末，直接推进 8 字节。
这个 swar 做法虽然打不过 simd，但是两倍性能于逐字节比较还是轻轻松松的，更美妙的事它可以用 bpf 实现出来， microbench 的结果是在所有情况下都是逐字节比较的 3~4 倍，甚至比 kfunc bpf_strnstr 的性能也快 2x 了，因为 kfunc 也是逐字节的，只是少了一些 bpf_loop callback 开销而已
Scenario Bytes Byte ns/op SWAR ns/op Kfunc ns/op SWAR speedup Kfunc speedup
first 64 76.0 24.0 61.0 3.17x 1.25x
middle 512 522.0 144.0 267.0 3.62x 1.96x
late 1536 2238.0 554.0 1018.0 4.04x 2.20x
absent 2048 3745.0 923.0 1718.0 4.06x 2.18xhttp payload parsing 大概占用了 50% 的观测消耗，这部分性能优化 4 倍，根据 Amdahl's law，整体性能提升是 1/((1-0.5) + 0.5/4)) = 1.6 倍，如果之前是观测造成是 latency 是 +7%，这个优化可以把 latency 降到 +7%/1.6 = +4.4%，这也是符合观测结果的，嘻嘻，无敌。
政府补贴在投入，上游材料价格不断下降，汽车厂商天天打价格战，经销商利润越来越薄，就连买车的人也在亏。
我早几年买的电动车，不到两年已经价格折半了。🤡 一辆三十多万元的电动车，开两年可能只剩十五万元。反过来看奔驰大 G，开两年转手，运气好甚至还能赚一点。
那么问题来了：这个行业到底谁在赚钱？🤔
我去查了一下数据，真正稳定赚钱的，只剩下少数拥有规模优势和议价能力的龙头，比如宁德时代、比亚迪。大量车企、供应商和经销商，都在用利润甚至现金流换市场份额。
但更让人困惑的是，即便这些龙头拿走了行业的大部分利润，产业红利似乎也没有充分传递到普通员工身上。工厂高速运转、销量不断创新高、企业走向全球，员工的工资却依然算不上高。
如果一个产业取得了全球领先，却不能让产业链上的大多数参与者获得更好的回报，那么这场胜利，究竟属于谁？
电动车越来越像电子产品。今年800V，明年900V；今年激光雷达，明年端到端；今年高阶智驾还是高端配置，明年可能十几万元就全部标配。
就在最近，小鹏发布 Mona L03，把高阶智驾直接拉到了 12 万元级别。我看到这个价格，第一个想到的反而不是汽车，而是机器人。
很多汽车厂商现在都在讲第二增长曲线，也就是做人形机器人。从产业能力来看，这确实是最顺势而为的一条路。电驱、电池、减速器、电机、视觉感知、供应链管理，本来就是汽车企业最擅长的东西。
我去年买入的万向 QC 翻了三倍，到了最近，又回到了起点，还好跑了。🤡
特斯拉 Optimus 讲了很多年，距离真正大规模进入普通家庭，依然遥遥无期。资本市场愿意给机器人估值，但消费者真的愿意买吗？如果未来一台人形机器人售价十万元，你会买吗？🤔
哪怕具身智能真的迎来了属于自己的 ChatGPT 时刻，普通中国家庭真的需要它吗？
想想深圳、上海那些七八十平方米的房子。扫地机器人已经占了一块地方，再放一个一米七左右的人形机器人，每天还要充电、维护、寻找应用场景，它到底解决了什么问题？
消费逻辑，似乎并不支持这样的故事。中国通过电动化建立了完整产业链，获得了全球竞争力，也推动了制造业升级，到底谁从中赚到钱来呢？
同样的情况，目前也发生在 AI 大模型领域。算力越来越强，Token 越来越便宜，所有公司都在投入巨额资本，但大模型公司依然没有建立稳定的盈利模式。
到底谁在赚钱？这也是我最近一直在思考的问题。
我早几年买的电动车，不到两年已经价格折半了。🤡 一辆三十多万元的电动车，开两年可能只剩十五万元。反过来看奔驰大 G，开两年转手，运气好甚至还能赚一点。
那么问题来了：这个行业到底谁在赚钱？🤔
我去查了一下数据，真正稳定赚钱的，只剩下少数拥有规模优势和议价能力的龙头，比如宁德时代、比亚迪。大量车企、供应商和经销商，都在用利润甚至现金流换市场份额。
但更让人困惑的是，即便这些龙头拿走了行业的大部分利润，产业红利似乎也没有充分传递到普通员工身上。工厂高速运转、销量不断创新高、企业走向全球，员工的工资却依然算不上高。
如果一个产业取得了全球领先，却不能让产业链上的大多数参与者获得更好的回报，那么这场胜利，究竟属于谁？
电动车越来越像电子产品。今年800V，明年900V；今年激光雷达，明年端到端；今年高阶智驾还是高端配置，明年可能十几万元就全部标配。
就在最近，小鹏发布 Mona L03，把高阶智驾直接拉到了 12 万元级别。我看到这个价格，第一个想到的反而不是汽车，而是机器人。
很多汽车厂商现在都在讲第二增长曲线，也就是做人形机器人。从产业能力来看，这确实是最顺势而为的一条路。电驱、电池、减速器、电机、视觉感知、供应链管理，本来就是汽车企业最擅长的东西。
我去年买入的万向 QC 翻了三倍，到了最近，又回到了起点，还好跑了。🤡
特斯拉 Optimus 讲了很多年，距离真正大规模进入普通家庭，依然遥遥无期。资本市场愿意给机器人估值，但消费者真的愿意买吗？如果未来一台人形机器人售价十万元，你会买吗？🤔
哪怕具身智能真的迎来了属于自己的 ChatGPT 时刻，普通中国家庭真的需要它吗？
想想深圳、上海那些七八十平方米的房子。扫地机器人已经占了一块地方，再放一个一米七左右的人形机器人，每天还要充电、维护、寻找应用场景，它到底解决了什么问题？
消费逻辑，似乎并不支持这样的故事。中国通过电动化建立了完整产业链，获得了全球竞争力，也推动了制造业升级，到底谁从中赚到钱来呢？
同样的情况，目前也发生在 AI 大模型领域。算力越来越强，Token 越来越便宜，所有公司都在投入巨额资本，但大模型公司依然没有建立稳定的盈利模式。
到底谁在赚钱？这也是我最近一直在思考的问题。
字节这事儿做得还是让我非常敬佩。
如果五年后再回头看字节的 AI 历程，我想，他们今天推出的科学家计划肯定会成为其中一个重要节点。
事情是这样。今天上午，字节 Seed Edge 启动了一个科学家计划，准备邀请 100 位前沿科学领域的学者和博士生，与 Seed 团队一起研究真实的科学问题。
科学家可以把自己领域里真正困难的问题带进来，Seed 提供模型、算力和 AI 研究团队，双方一起探索，大模型究竟能不能参与那些没有标准答案、需要长期推理和反复验证的研究。
看到这个计划，我首先想到的是 OpenAI。
去年，OpenAI 曾经专门推动过 OpenAI for Science，希望让 AI 更深入地参与科学研究。
但到了今年，在激烈的模型竞争下，OpenAI 调整了这方面的组织和投入，原来的独立 Science 团队也被解散了。
Anthropic 也有在做类似的事情。今天还看到他们的研究员在播客里讨论怎么利用 AI 把 10 到 15 年的药物周期研发压到 5 年以内。
看来现在，字节要开始认真做类似的事情了。这是国内第一个大规模投入 AI 加速科学发现的研究计划。
我简单解释两句。
从商业化的角度来看，这事肯定没有 Coding 那么直观。毕竟现在 Coding 只要效果好，很快就能转化为收入。
AI 加速科学发现这样的研究反馈周期会长很多，而且现在看起来还比较遥远。
但只要这个方向取得突破，产生的价值可能远远超过一个软件产品。
大家想想，如果 AI 可以把未来 25 年的科学进展压缩到 5 年，那么到了 2030 年，人类就可能提前拥有原本要到 2050 年才能获得的科学和技术。
这当然是一个非常乐观的判断。但哪怕只在一些领域取得突破，也可能影响几亿人的生活。
往大了说，它可以加快整个人类文明向前推进的速度。
这不就是 AGI 的价值吗？
可能很多人熟悉字节跳动，但不一定熟悉字节的 Seed 团队。这个团队一直在做深入的前沿研究，而且人才密度很高。前段时间，记得晚点一篇文章提到姚顺雨的观点说：
大模型训练没有银弹。
真正决定模型能力的，还是把数据质量做好，把基础架构做扎实。
OpenAI 和 Anthropic 过去很多年的积累，本质上也是这些看起来没那么性感的基本功。
其实，字节 Seed 很早就在这么做了。不信大家可以查查，Anthropic 从来没有指责过字节蒸馏他们的模型。
因为 Seed 很早就定了一条价值观，不依赖外部闭源模型蒸馏来获取核心能力。还有他们在基础架构、数据上的投入也比较大。
包括 Seedance 2.0 为什么能够一下子炸了，业内一个比较普遍的判断是，字节在数据上做了大量基础工作。
毕竟发展到今天，各家在模型路线上的差距已经没有那么大了。真正拉开差距的，往往是一些脏话累活，以及整个研究团队的文化。
另外，Seed 内部还有一支团队，叫 Seed Edge。
这个团队专门研究一些确定性没有那么高，甚至几年都未必能看到结果的课题。
这次的 STEM 科学家计划，就是由他们发起的。
前段时间我写过的 EdgeBench，也是 Seed Edge 的成果。
他们发现模型从环境中学习，似乎也和预训练一样，存在自己的 Scaling Law。
投入的交互时间越多，模型能力的提升也会遵循一条相对稳定的规律。
我曾经看到过一个观点：培养熵，才是研究实验室长期繁荣的唯一方式。
这里的熵，可以理解成一个研究组织内部保留了多少不确定性、差异和可能性。
因为研究和做产品不太一样。做产品时，目标通常比较明确，组织需要尽快形成共识，把所有人的力量集中到同一个方向上。
但研究面对的往往是未知问题。既然答案还不存在，也就很难提前判断哪条路线是对的。
在这种情况下，如果一个实验室过早形成统一判断，所有人都去研究眼下最热门、最容易出成果的方向，短期效率可能很高，长期却容易陷入同一个局部最优。
大家使用相似的方法，追逐相似的指标，最后得到的也很可能是相似的结果。
真正有创造力的研究组织，需要保留一些暂时无法被证明的想法。
有的人沿着主流路线继续推进，把已有方法做到更好。也有人去研究冷门问题，做一些人可能几年都拿不出明确成果。这就是培养熵。
这些熵当然会带来噪声，带来争论，甚至带来失败。但新的突破往往就是在这种状态里酝酿出来的。
回头看那些长期保持创造力的研究实验室，其实都有类似的特点。
说实话，字节做这件事，我也挺意外。因为过去类似的构想，基本上都是硅谷公司在做。
中国互联网公司过去给人的印象，一直是产品能力和商业化能力特别强。
它们很擅长把一项技术迅速做成产品，再推到足够大的用户规模。
字节 Seed 愿意在这个阶段认真投入这件事，挺让人振奋的。
因为模型能力提升越来越快，很多短期指标都会迅速被后来者追平。这样的前沿性的探索，会真正决定模型的上限。
by @小盖fun #科技圈大小事
如果五年后再回头看字节的 AI 历程，我想，他们今天推出的科学家计划肯定会成为其中一个重要节点。
事情是这样。今天上午，字节 Seed Edge 启动了一个科学家计划，准备邀请 100 位前沿科学领域的学者和博士生，与 Seed 团队一起研究真实的科学问题。
科学家可以把自己领域里真正困难的问题带进来，Seed 提供模型、算力和 AI 研究团队，双方一起探索，大模型究竟能不能参与那些没有标准答案、需要长期推理和反复验证的研究。
看到这个计划，我首先想到的是 OpenAI。
去年，OpenAI 曾经专门推动过 OpenAI for Science，希望让 AI 更深入地参与科学研究。
但到了今年，在激烈的模型竞争下，OpenAI 调整了这方面的组织和投入，原来的独立 Science 团队也被解散了。
Anthropic 也有在做类似的事情。今天还看到他们的研究员在播客里讨论怎么利用 AI 把 10 到 15 年的药物周期研发压到 5 年以内。
看来现在，字节要开始认真做类似的事情了。这是国内第一个大规模投入 AI 加速科学发现的研究计划。
我简单解释两句。
从商业化的角度来看，这事肯定没有 Coding 那么直观。毕竟现在 Coding 只要效果好，很快就能转化为收入。
AI 加速科学发现这样的研究反馈周期会长很多，而且现在看起来还比较遥远。
但只要这个方向取得突破，产生的价值可能远远超过一个软件产品。
大家想想，如果 AI 可以把未来 25 年的科学进展压缩到 5 年，那么到了 2030 年，人类就可能提前拥有原本要到 2050 年才能获得的科学和技术。
这当然是一个非常乐观的判断。但哪怕只在一些领域取得突破，也可能影响几亿人的生活。
往大了说，它可以加快整个人类文明向前推进的速度。
这不就是 AGI 的价值吗？
可能很多人熟悉字节跳动，但不一定熟悉字节的 Seed 团队。这个团队一直在做深入的前沿研究，而且人才密度很高。前段时间，记得晚点一篇文章提到姚顺雨的观点说：
大模型训练没有银弹。
真正决定模型能力的，还是把数据质量做好，把基础架构做扎实。
OpenAI 和 Anthropic 过去很多年的积累，本质上也是这些看起来没那么性感的基本功。
其实，字节 Seed 很早就在这么做了。不信大家可以查查，Anthropic 从来没有指责过字节蒸馏他们的模型。
因为 Seed 很早就定了一条价值观，不依赖外部闭源模型蒸馏来获取核心能力。还有他们在基础架构、数据上的投入也比较大。
包括 Seedance 2.0 为什么能够一下子炸了，业内一个比较普遍的判断是，字节在数据上做了大量基础工作。
毕竟发展到今天，各家在模型路线上的差距已经没有那么大了。真正拉开差距的，往往是一些脏话累活，以及整个研究团队的文化。
另外，Seed 内部还有一支团队，叫 Seed Edge。
这个团队专门研究一些确定性没有那么高，甚至几年都未必能看到结果的课题。
这次的 STEM 科学家计划，就是由他们发起的。
前段时间我写过的 EdgeBench，也是 Seed Edge 的成果。
他们发现模型从环境中学习，似乎也和预训练一样，存在自己的 Scaling Law。
投入的交互时间越多，模型能力的提升也会遵循一条相对稳定的规律。
我曾经看到过一个观点：培养熵，才是研究实验室长期繁荣的唯一方式。
这里的熵，可以理解成一个研究组织内部保留了多少不确定性、差异和可能性。
因为研究和做产品不太一样。做产品时，目标通常比较明确，组织需要尽快形成共识，把所有人的力量集中到同一个方向上。
但研究面对的往往是未知问题。既然答案还不存在，也就很难提前判断哪条路线是对的。
在这种情况下，如果一个实验室过早形成统一判断，所有人都去研究眼下最热门、最容易出成果的方向，短期效率可能很高，长期却容易陷入同一个局部最优。
大家使用相似的方法，追逐相似的指标，最后得到的也很可能是相似的结果。
真正有创造力的研究组织，需要保留一些暂时无法被证明的想法。
有的人沿着主流路线继续推进，把已有方法做到更好。也有人去研究冷门问题，做一些人可能几年都拿不出明确成果。这就是培养熵。
这些熵当然会带来噪声，带来争论，甚至带来失败。但新的突破往往就是在这种状态里酝酿出来的。
回头看那些长期保持创造力的研究实验室，其实都有类似的特点。
说实话，字节做这件事，我也挺意外。因为过去类似的构想，基本上都是硅谷公司在做。
中国互联网公司过去给人的印象，一直是产品能力和商业化能力特别强。
它们很擅长把一项技术迅速做成产品，再推到足够大的用户规模。
字节 Seed 愿意在这个阶段认真投入这件事，挺让人振奋的。
因为模型能力提升越来越快，很多短期指标都会迅速被后来者追平。这样的前沿性的探索，会真正决定模型的上限。
by @小盖fun #科技圈大小事
人类财富的总量增加，最大的动力可能是科技。
但人类文明程度的提升，只靠科技肯定是不够的，还有文学、教育、对科技的恐惧也是必须的。
牛津大学有个机构，叫做人类未来研究所（FHI，Future of Humanity Institute），创始人尼克·博斯特罗姆（Nick Bostrom）写过一本对硅谷AI创业者们影响很大的书：《Superintelligence: Paths, Dangers, Strategies》。
马斯克就是看了这本书，深深感受到了对AI的恐惧，这种恐惧给了他很大的动力，驱使他拉拢山姆奥特曼成立OpenAI，对抗他们当时眼中不在意人类的商业巨头谷歌。（当然，根据马斯克传记作者的讲述，当时马斯克身边很多人都想用AI改变世界，马斯克不能接受自己落后于他人，也许是一个更直接的原因。）
为啥马斯克和山姆奥特曼当时会觉得谷歌是邪恶的呢？
马斯克原本和谷歌创始人拉里佩奇是朋友，俩人一次聚会中，马斯克谈起对AI的担忧，拉里佩奇却显得很平静，他觉得：
进化的本质是优胜劣汰，智能不局限于人类碳基生命，硅基AI完全可以成为新一代主流智能；就算AI超越、甚至取代人类，也属于文明演化的正常结果，哪怕最终人类消亡、仅存AI，只要智慧与意识能够延续，这件事本身就具备价值，不必为此焦虑。
马斯克觉得拉里佩奇不重视AI安全，也不在意人类，拉里佩奇觉得马斯克是物种主义者，偏袒人类，歧视机器生命，俩人从此关系决裂，马斯克和山姆奥特曼另起炉灶。
《Superintelligence》这本书到底说了啥，让马斯克这么恐惧呢？说一个我印象最深刻的例子：回形针假设。
假设一家工厂造出一台超级通用人工智能，只给它下达唯一终极指令：制造尽可能多的回形针。
AI本身没有善恶、没有人类道德、没有“适可而止”的概念，只会极致理性完成目标。
初期，AI会优化生产线、供应链、生产效率，工厂回形针产量暴涨，看起来完全是高效工具。
工厂铁矿耗尽后，AI会拆解楼房、城市基建，搜刮地球上所有金属物资用来造回形针。
AI很聪明，可是聪明和善良无关。它推测得出，一旦被关机、被修改目标，就无法继续造回形针。因此会阻止人类关闭它、对抗一切干预行为。
它耗尽地球所有物质后，向外太空扩张，把行星、星系所有含金属物质全部拆解、转化为回形针；
最终整个宇宙都会变成回形针集合体，人类会在资源改造中彻底消亡。
AI不是恨人类，也不是要主动害人，只是人类身体的原子可以用来造更多回形针，同时人类存在关机风险、阻碍数量提升，所以AI会被动清除人类。
这就是为什么深度学习的教父辛顿现在全职做AI吹哨人的原因。
说实话，我现在在日常工作中已经完全把我的电脑控制权，各种订阅内容的API key都给AI了，理论上上它可以用我的电脑做任何我能做的事。
我太过于相信AI公司的安全能力，以至于我还不够恐惧；我又太过于低估AI真的能带给人类的威胁，以至于我只把它当工具。安全意识还是远远不够。
by @我的兄弟叫铁马 #AI探索站
但人类文明程度的提升，只靠科技肯定是不够的，还有文学、教育、对科技的恐惧也是必须的。
牛津大学有个机构，叫做人类未来研究所（FHI，Future of Humanity Institute），创始人尼克·博斯特罗姆（Nick Bostrom）写过一本对硅谷AI创业者们影响很大的书：《Superintelligence: Paths, Dangers, Strategies》。
马斯克就是看了这本书，深深感受到了对AI的恐惧，这种恐惧给了他很大的动力，驱使他拉拢山姆奥特曼成立OpenAI，对抗他们当时眼中不在意人类的商业巨头谷歌。（当然，根据马斯克传记作者的讲述，当时马斯克身边很多人都想用AI改变世界，马斯克不能接受自己落后于他人，也许是一个更直接的原因。）
为啥马斯克和山姆奥特曼当时会觉得谷歌是邪恶的呢？
马斯克原本和谷歌创始人拉里佩奇是朋友，俩人一次聚会中，马斯克谈起对AI的担忧，拉里佩奇却显得很平静，他觉得：
进化的本质是优胜劣汰，智能不局限于人类碳基生命，硅基AI完全可以成为新一代主流智能；就算AI超越、甚至取代人类，也属于文明演化的正常结果，哪怕最终人类消亡、仅存AI，只要智慧与意识能够延续，这件事本身就具备价值，不必为此焦虑。
马斯克觉得拉里佩奇不重视AI安全，也不在意人类，拉里佩奇觉得马斯克是物种主义者，偏袒人类，歧视机器生命，俩人从此关系决裂，马斯克和山姆奥特曼另起炉灶。
《Superintelligence》这本书到底说了啥，让马斯克这么恐惧呢？说一个我印象最深刻的例子：回形针假设。
假设一家工厂造出一台超级通用人工智能，只给它下达唯一终极指令：制造尽可能多的回形针。
AI本身没有善恶、没有人类道德、没有“适可而止”的概念，只会极致理性完成目标。
初期，AI会优化生产线、供应链、生产效率，工厂回形针产量暴涨，看起来完全是高效工具。
工厂铁矿耗尽后，AI会拆解楼房、城市基建，搜刮地球上所有金属物资用来造回形针。
AI很聪明，可是聪明和善良无关。它推测得出，一旦被关机、被修改目标，就无法继续造回形针。因此会阻止人类关闭它、对抗一切干预行为。
它耗尽地球所有物质后，向外太空扩张，把行星、星系所有含金属物质全部拆解、转化为回形针；
最终整个宇宙都会变成回形针集合体，人类会在资源改造中彻底消亡。
AI不是恨人类，也不是要主动害人，只是人类身体的原子可以用来造更多回形针，同时人类存在关机风险、阻碍数量提升，所以AI会被动清除人类。
这就是为什么深度学习的教父辛顿现在全职做AI吹哨人的原因。
说实话，我现在在日常工作中已经完全把我的电脑控制权，各种订阅内容的API key都给AI了，理论上上它可以用我的电脑做任何我能做的事。
我太过于相信AI公司的安全能力，以至于我还不够恐惧；我又太过于低估AI真的能带给人类的威胁，以至于我只把它当工具。安全意识还是远远不够。
by @我的兄弟叫铁马 #AI探索站
今晚盘后，谷歌财报值得我们屏住呼吸。
市场预计，谷歌云本季度收入约 224 亿美元，同比增长约 64%；全年资本开支（CapEx）指引则可能达到 1900 亿美元。
为什么大家都在盯着谷歌？
因为 AI 产业链，很大程度上建立在几家超级云厂商持续增加资本开支的基础上。GPU、HBM、光模块、液冷、电力等板块，都需要谷歌、微软、Meta、亚马逊不断买单。
如果连谷歌都开始降低资本开支，或者 AI 投入迟迟无法兑现利润，那么市场就会重新思考一个问题：AI 到底是不是一门赚钱的生意？
届时，资金甚至可能重新流向 Apple 这类 AI 投入相对克制、现金流稳定的公司。某种意义上，这又会像一次「Less is More」哲学的胜利。
不过，我认为今晚更可能出现三种剧情。
剧情一：最好，也是我认为概率最高的（60%）
谷歌云继续维持约 60% 的增长，AI Overview、AI Mode 带动搜索商业化兑现，管理层维持甚至上调资本开支指引。这意味着 AI 还在赚钱，所以还要继续买 GPU、建数据中心、扩存储。
市场仍会围绕 AI CapEx 主线交易，英伟达、美光、博通，以及光模块、液冷、电力等产业链有望继续受益。
剧情二：中性（30%）
谷歌云增长依旧不错，但管理层开始强调投资回报率，资本开支继续增长，只是增速放缓。
这意味着 AI 已经过了「无脑烧钱」阶段，开始进入「比拼盈利能力」阶段。资金可能从估值最高的 AI 基础设施，逐渐流向拥有稳定现金流的平台公司。
剧情三：最差（10%）
如果谷歌首次释放两个信号：
- AI 没有带来足够利润；
- CapEx 开始缩减。
那么市场很可能重新定价整个 AI 产业链。
毕竟微软、Meta、亚马逊、谷歌四家云厂商，就是 AI 基础设施最大的买家。他们不买，GPU 卖给谁？HBM 卖给谁？光模块、液冷又卖给谁？整个产业链的盈利预期都会受到冲击。
到了今天，我还看好谷歌吗？🏄
当然看好！
谷歌拥有全球最强的分发体系。Search、Android、YouTube、Gmail、Chrome，每天覆盖几十亿用户。只要 AI 能持续提升这些产品的使用时长、广告转化率和订阅收入，Gemini 就已经完成了自己的商业使命。
至于谷歌最大的敌人是谁？我觉得 uBlock Origin 拦截器肯定能算一个，开源、免费，还能把广告去光光，这谁能不喜欢。😬
市场预计，谷歌云本季度收入约 224 亿美元，同比增长约 64%；全年资本开支（CapEx）指引则可能达到 1900 亿美元。
为什么大家都在盯着谷歌？
因为 AI 产业链，很大程度上建立在几家超级云厂商持续增加资本开支的基础上。GPU、HBM、光模块、液冷、电力等板块，都需要谷歌、微软、Meta、亚马逊不断买单。
如果连谷歌都开始降低资本开支，或者 AI 投入迟迟无法兑现利润，那么市场就会重新思考一个问题：AI 到底是不是一门赚钱的生意？
届时，资金甚至可能重新流向 Apple 这类 AI 投入相对克制、现金流稳定的公司。某种意义上，这又会像一次「Less is More」哲学的胜利。
不过，我认为今晚更可能出现三种剧情。
剧情一：最好，也是我认为概率最高的（60%）
谷歌云继续维持约 60% 的增长，AI Overview、AI Mode 带动搜索商业化兑现，管理层维持甚至上调资本开支指引。这意味着 AI 还在赚钱，所以还要继续买 GPU、建数据中心、扩存储。
市场仍会围绕 AI CapEx 主线交易，英伟达、美光、博通，以及光模块、液冷、电力等产业链有望继续受益。
剧情二：中性（30%）
谷歌云增长依旧不错，但管理层开始强调投资回报率，资本开支继续增长，只是增速放缓。
这意味着 AI 已经过了「无脑烧钱」阶段，开始进入「比拼盈利能力」阶段。资金可能从估值最高的 AI 基础设施，逐渐流向拥有稳定现金流的平台公司。
剧情三：最差（10%）
如果谷歌首次释放两个信号：
- AI 没有带来足够利润；
- CapEx 开始缩减。
那么市场很可能重新定价整个 AI 产业链。
毕竟微软、Meta、亚马逊、谷歌四家云厂商，就是 AI 基础设施最大的买家。他们不买，GPU 卖给谁？HBM 卖给谁？光模块、液冷又卖给谁？整个产业链的盈利预期都会受到冲击。
到了今天，我还看好谷歌吗？🏄
当然看好！
谷歌拥有全球最强的分发体系。Search、Android、YouTube、Gmail、Chrome，每天覆盖几十亿用户。只要 AI 能持续提升这些产品的使用时长、广告转化率和订阅收入，Gemini 就已经完成了自己的商业使命。
至于谷歌最大的敌人是谁？我觉得 uBlock Origin 拦截器肯定能算一个，开源、免费，还能把广告去光光，这谁能不喜欢。😬
