2026年4月，史丹佛大學的講壇上。身著標誌性黑色皮衣的黃仁勳幽默地給出了一個建議：“搬來加州吧。別走！這裡的稅是全世界最高的，但沒關係，這裡的天氣很好。”不要小看了這句調侃，因為此時此刻，加州正醞釀一項激進的法案：對淨資產超過10億美元的居民一次性徵收5%的財富稅。我們算算啊，黃仁勳現在的身價超過1500億美元，交5%就是他要向加州政府上繳近80億美元的富人稅。黃仁勳倒是很大氣，但矽谷大部分富豪並不想做“黃老爺”：Google聯合創始人賴利·佩吉（淨資產約2700億美元）在法案截止日期的前夕，狂砸超1.8億美元在邁阿密購買房地產，並註冊了佛羅里達州的有限責任公司。這一步操作，理論上為他省下了約130億美元的潛在稅單。同為Google聯合創始人的謝爾蓋·布林，緊隨其後，在邁阿密海灘附近購入5100萬美元的豪宅，並掏出2000萬美元資助反對該稅收的政治行動委員會。省錢二人組↑彼得·泰爾逃往佛羅里達，特拉維斯·卡拉尼克（Uber創始人）與川普的AI與加密貨幣沙皇、風投大佬大衛·薩克斯（David Sacks）也火速搬到了德克薩斯州首府奧斯汀。所以，有些富豪公開要留在“全世界稅率最高之地”，有些富豪連夜把資產轉移到避稅天堂。這對矽谷意味著什麼？而在黃仁勳們堅持要留下的背後，其實也是當代科技產業最核心的問題：AI 時代，矽谷的創新生態到底值多少錢？01. PR上的決裂業務上卻暗度陳倉加州是出了名的貴，對普通人如此，對公司也如此。所以在過去幾年裡，“將總部搬離加州”幾乎成了科技大佬們對抗高昂營運成本和嚴苛監管的一種政治正確。特斯拉於2021年高調將總部遷至奧斯汀；甲骨文（Oracle）離開了紅木城；甚至連矽谷的“奠基人”惠普企業（HPE）也搬到了休斯頓；Palantir的CEO亞歷克斯·卡普在怒斥矽谷“日益增長的不寬容和單一文化”後，將公司帶到了丹佛（後又遷至邁阿密）。胡佛研究所的一項研究甚至記錄了短短幾年間，高達352家企業總部離開加州……帳面上看，這確實是一筆絕佳的買賣。加州的最高邊際所得稅率為全美第一的13.3%，而德州和佛州是0。埃隆·馬斯克通過搬家，在行使期權時省下了大約25億美元；拉里·埃裡森拋售股票時省下了近10億美元。但媒體沒有告訴你的是故事的下半場。這些公司真的“離開”了嗎？並沒有。他們玩的是一套極其高明的“分佈式套利”（Distributed Arbitrage）遊戲。以叫囂得最凶的特斯拉為例。馬斯克在社交媒體上把加州政府罵得體無完膚，高調將總部入籍德州。但真實的資料是：搬遷之後，特斯拉在加州的員工總數不降反增。弗裡蒙特工廠依然在全速運轉，帕洛阿爾托的工程總部還在擴建，甚至還在加州腹地新建了巨型儲能工廠，所以馬斯克後來也不得不改口，稱特斯拉是一家“加州-德州雙核公司”。甲骨文的操作如出一轍。這家看似已經徹底拋棄矽谷的軟體巨頭，目前在加州依然維持著6900名員工的龐大團隊，而在它所謂的“新家”德州，只有區區2500人。也就是說，加州的員工數是德州的近三倍。加州立法分析師辦公室的布萊恩·烏勒一語中的：“企業的納稅，與其總部或員工的所在地的關係，遠比外界想像的微弱。”只要員工還在加州創造價值，他們就需要繼續繳納13.3%的州所得稅。加州公共政策研究所(PPIC)的資料表明，真正將業務完全搬離加州的企業，實際上只有3%。https://www.ppic.org/publication/are-company-headquarters-leaving-california/其實，對於今天的跨國科技巨頭來說，選址上並不會“一刀切”，他們正在採用一種現代科技版的“前店後廠”模式：具體來說，他們將法律意義上的“總部”和能夠流水線化的“後台營運、客服、成熟製造”環節，轉移到德州或佛州，以安撫股東、降低合規成本並實現避稅；但同時，將“從0到1”的尖端研發、前沿算力團隊以及創始核心，死死釘在矽谷。因為對於真正掌控科技命脈的業務來說，加州，依然是那個無法替代的“心臟”。02. 為什麼越貴錢越多更進一步的，咱們來follow where money flows。在經濟學常識中，當一個地方成本極高、稅負極重、人口淨流出（加州確實在流失普通中產）時，它的經濟活力應該隨之衰退。網際網路和遠端辦公的普及，本應讓創新變得更加“去中心化”。但 AI 革命的爆發，徹底撕毀了這套劇本。AI 並沒有將權力分散，反而引發了資本與人才在物理空間上的極端聚集。矽谷就像一個黑洞，正在瘋狂吞噬全世界的資金，馬太效應越來越明顯：2023年，加州初創企業吸納了全美近40%的風投；而到了2024年，這個數字暴漲至48.8%。你以為這就是極限了嗎？不不不！到了2025年中期，加州拿走了全美約62%到68%的早期創業資金。單單2025年前七個月，就有超過1100億美元的熱錢砸了進來。與此形成鮮明對比的是那些打著“免稅”旗號瘋狂招商引資的競爭者。德克薩斯州的風投份額在2024年初崩盤至2.3%，佛羅里達州僅剩1.5%。在這個贏家通吃的牌桌上，巨頭們還在瘋狂“加注”：蘋果在2025年悄悄砸了11億美元在加州掃貨辦公樓。Meta在灣區的辦公面積一年內擴張了200萬平方英呎。輝達不僅花3.74億美元買下了聖克拉拉目前的園區，還申請了超過30萬平方英呎的擴建項目。掌控前沿大模型命脈的OpenAI和Anthropic，依然安安靜靜地待在舊金山。從前年開始，輝達準備效仿其他科技巨頭擁有自己的總部大樓，不受制於任何房東矽谷依舊對其他地區有著降維打擊的能力，它依然是那個由複雜元素咬合而成的、具有高度排他性的“創新作業系統”——在這個系統裡，有極高的人才密度：近七成發表前沿 AI 論文的頂尖大腦，擁有灣區機構的背景。在這個系統裡，有絕對物理距離上的風險資本：在沙丘路上，最頂尖的 VC 們彼此相距不過幾英里。在矽谷，一家創業公司從 A 輪走到 B 輪平均只需要 14 個月，而在奧斯汀需要 18 個月，在歐洲需要 22 個月。在算力即權力的 AI 軍備競賽中，這 4 個月的時間差，就是生與死的距離。你可以用免稅吸引一家公司的財務部門，但你無法在德州廣袤的荒漠裡，在一周內湊齊一個懂大模型底層架構的首席科學家、兩個寫過CUDA核心程式碼的工程師，以及三個能在48小時內敲定上億美元 Term Sheet 的投資人。加州的護城河，是生態等級的，是用時間、資本和無數次失敗的灰燼堆積起來的網路效應，它無法被覆制，也無法被輕易遷移。03. 加州折疊當然，加州正在經歷一種極其殘酷的“折疊”。對於普通人來說，加州的“大逃亡”是血淋淋的現實。資料顯示，加州的房價中位數飆升至80.9萬美元，是全美平均水平的兩倍。而由於科技財富的湧入，將本地的生活成本推向了一個又一個“高峰”。2025年的資料顯示，一個四口之家在聖塔克拉拉縣（輝達、AMD等科技公司的總部所在地）的年收入如果沒有達到15.955萬美元（113萬人民幣），就會視為“低收入”家庭。所以，被趕出加州，從來都不是那些富人，而是收入平平的普通人——過去四年間，加州流失了近146萬居民(普通人)。這造就了一個魔幻的現實：加州正在變成一台巨大的財富+人才提純器。它像一台無情的抽水機，排斥了無法承擔高昂生活成本的製造業工人和中產階級；同時，它又高度濃縮了處於人類智力食物鏈頂端的 AI 研究員、演算法天才和風險資本家。“提純”後，即使在人口持續流失的背景下，加州的人均GDP也從2000年至今暴漲了60%，遠超全美國平均水平。2024年，加州就以4.1兆美元(2025年是4.25兆)的GDP規模，超越日本，成為世界第四大經濟體。正如一家風投機構所說：“從歷史上看，做空加州一直是一個表現極其糟糕的投資策略。這裡失去的是普通勞動力，留下的是能改變世界的人。”04. 精心的利益計算回到文章開篇的那個問題：黃仁勳憑什麼願意留下來，甚至準備硬扛80億美元的財富稅？這跟情懷沒有關係，頂尖企業家的每一次遷徙，本質上都是一次精心的利益計算：馬斯克和甲骨文離開加州，是因為他們的業務模式允許他們離開，甚至離開才是最優解：當特斯拉進入大規模製造階段，它需要的是極其廉價的土地、充沛的電力和對勞工更寬容的法規，德克薩斯完美契合；當甲骨文的核心變成成熟的雲服務和企業軟體，它完全可以在成本更低的納什維爾建立龐大的工程師後台。但輝達不行。輝達幾兆美元的市值帝國，建立在它能比任何競爭對手更早、更快地推出下一代 AI 晶片。而要做到這一點，它必須隨時與全世界最聰明的頭腦保持物理上的摩擦。這就引出了矽谷最昂貴、也最難以複製的核心資產——極高密度的隱性知識網路與物理同頻。如果我們將輝達位於聖克拉拉的總部作為圓心，畫一個車程一個小時的圓，你會發現這裡囊括了- 最核心的客戶與共創者：正在訓練下一代 GPT 的 OpenAI、全力研發 Llama 架構的 Meta AI 實驗室、Google的深度學習核心團隊。- 最頂尖的底層研發大腦：史丹佛和伯克利源源不斷輸出的晶片設計天才、全球過半數的頂尖 AI 科學家。在 AI 軍備競賽中，硬體與軟體的迭代是連在一起的。輝達的設計團隊不需要通過跨時區的視訊會議來猜測客戶的需求，下一代 Blackwell 晶片的架構靈感，可能就誕生於輝達高管與 OpenAI 核心研究員在帕洛阿爾托某家咖啡館的餐桌上；一個複雜的底層系統 Bug，可能需要兩家公司的工程師在同一個實驗室裡熬三個通宵來解決。這種基於物理空間極度接近而產生的“高頻互動”與“信任網路”，是任何遠端辦公工具都無法替代的。一旦市值幾兆美元的輝達為了避稅，將核心團隊或總部遷離這個“引力中心”，那怕只是引發了 10% 的核心架構師流失，那怕只是讓與核心客戶的溝通成本增加了 20%，其後果也是災難性的，損失的市場份額和股票市值將高達幾千億美元。相比之下，80億美元的稅收，不過是一筆微不足道的“生態服務費”。避稅，能保住帳面上的既有財富；但在創新的風暴眼中，保持身處世界中心的位置，才是創造指數級新財富的唯一路徑。世界上存在兩個加州。一個是生活成本失控、基礎設施老化、中產階級無奈出走的加州；另一個，是資本如海嘯般湧入、算力與智力瘋狂碰撞、持續批次製造兆美元公司的加州。加州是在折疊，在提純；但只要這裡還是人類觸摸未來的最前線，只要這裡還能誕生下一個改變世界的奇點，那麼無論加州政府開出多貴的門票，這張門票都值得買。因為在創造未來的遊戲裡，最昂貴的成本，永遠是“不在場”。 (TOP創新區研究院)

新技術降臨時，往往裹挾著興奮、迷惘、恐懼、新生。蒸汽、電力和電腦乍然出現的那些年份，人們很難斷定，故事的結局將如何書寫。一如眼前令人興致勃勃又疑惑不安的AI。在傳統製造業、網際網路、科技企業的財報中，AI正成為支撐增長不可或缺的敘事。商業新故事背後，打工人的悵然卻無處遁形。新技術革命席捲過後，AI會接管人類那些崗位，又會催生那些新職業？3月，海南博鰲年會，中國工程院院士張亞勤在一場演講中，宣告了“智能體AI元年”的到來——就在2026年。埃隆·馬斯克對AI的演進速度更是激進地樂觀。“今年，最遲明年，我們就能擁有比任何人類都更聰明的人工智慧。” 1月的瑞士達沃斯論壇上，他宣稱。很難說AI不會是一種全新的、具有意識的存在。哲學命題，留待科學家們辨析。大部分打工人無暇顧及形而上的爭論，因為近在咫尺的切膚轉變正在發生。2026年春節假期後，楊千返回北京的一家網際網路公司工作，很快接到公司準備裁掉三分之二研發人員的通知。產品經理楊千起初是驚訝；接著，消息很快劃過腦子，應該是一次普通的“降本增效”口號吧。一個月後，殘酷的方案浮出水面。程式設計師一個一個離開，工位空了大片，從前吵吵鬧鬧的辦公室，現在安靜得可怕。被裁的不只是初級程式設計師，一位擁有八年工作經驗的技術“牛人”，也上了裁員名單。而取代他的，是一位會用AI智能程式碼編輯器Cursor的應屆生。公司的理由順理成章。楊千明白，應屆生會用AI工具、聽話、能加班，每月薪資8000元到1萬元，足以頂上一位老員工80%的工作成果。老闆在公司群裡算了筆帳：一位老員工，月薪3萬元，三位應屆生+AI，月薪2.4萬元。有了AI，僱人成本大幅下降；不僅如此，一個需求，過去研發排期得等兩周，現在三天能出原型，需求交付周期從兩周壓縮至三天。3月底，大公司密集發佈年報。在傳統製造業、網際網路、科技企業的財報中，AI正成為支撐增長不可或缺的敘事。商業新故事背後，打工人的悵然卻無處遁形，下一輪裁員會否輪到自己？潮起潮湧的時代也混雜著熱切的目光，從Openclaw引發的養蝦潮，到影視、遊戲、電商各領域，琳瑯滿目的AI工具湧現，摩拳擦掌、躍躍欲試搶登AI大船的人不在少數。未來不在過去的延長線上。大國博弈或公司競爭，遵循一套適者生存的進化法則，而今，AI成為法則的一部分。新技術席捲，AI會接管人類那些崗位，又會催生那些新職業？2025年5月，Anthropic CEO（首席執行長） Dario Amodei接受Axios採訪時說，人工智慧可能在未來一年至五年內“消滅一半初級白領崗位”，將失業率推高至10%至20%。科技、金融、法律、諮詢和其他白領職業，尤其是入門級工作，可能會大規模消失。今年3月，高盛的一篇文章預計，全球3億個工作崗位面臨AI威脅。20多歲到30多歲的入門級員工，尤其進入知識和內容創作領域的員工，最可能受到人工智慧新應用的影響。“但這並非板上釘釘。”高盛研究部全球經濟團隊聯席主管約瑟夫·布裡格斯同時補充說。我們引以為豪的大學教育的某些部分正在失效。AI時代，如何就業？模糊的圖景逐漸顯現。再就業3個月又沒工作了，“一崗多能”漸成標配如果將就業市場比作一條河流，它不會突然斷流，只會悄悄改道。最先發生變化的，是那些範本化的工作。客服、文案、基礎財務、法律助理、設計、程式設計師、資料分析——這些崗位有一個共同點：流程清晰、規則明確、可以被拆解、重複。也因此，最容易受AI衝擊。戴奈之前在一家網際網路金融公司的營運崗位工作。2024年，公司裁員，連同他在內，營運、設計、產品、程序走了一批人。2023年，他才經歷過一次裁員。新一次失業後，他不再向公司尋求工作機會，轉頭做起自由職業。除了網路博主，也經營些小型線上生意。“後續也有很多人找到了工作，但工作不是特別穩定。”戴奈告訴《財經》，這兩年，AI在工作中應用越來越廣泛，周遭朋友的就業空間變得愈發狹窄。有人被裁後重新找到了工作，但到新公司半年之內又被裁員；緊接著去下一家，工作三個月，工作又沒了。戴奈乾脆開始嘗試自媒體，在小紅書上營運一個叫“尼斯特戴”的帳號。戴奈猜想，自己職場空窗兩年，如今很難受到面試官和HR的青睞。不過，擁有網際網路公司三年至五年的營運工作經驗，基本可以兜住大部分的基礎工作。總體來說，比設計、程式設計師還是容易不少。戴奈做設計的朋友，受AI衝擊更為嚴重。AI出現前，電商公司的商品詳情頁長尾圖和商品主圖，已經有固定範本。人只負責簡單色彩調整或結構最佳化。而今，這些工作交由AI完成。戴奈聽說，一些公司裁掉設計崗位後，由營運人員向AI給出設計的提示詞，要求AI產出什麼規格、風格的圖片，尺寸長寬是多少。過去，營運人員將需求傳遞給設計，中間經過郵件三四道溝通，現在，營運只需要求AI。在戴奈看來，跨部門溝通往往費勁，而向AI毫無顧忌地多次提出修改請求，AI也不會有任何怨言脾氣，這減少了許多人際交往上的困擾。短短時間內，AI可以生成風格不同的100張圖，人力相形見絀。設計師們的工作如今岌岌可危。如今，有的設計師也開始用AI工具，一半人工智慧生產，另一半自己“手搓”。一些個體老闆還不太瞭解AI，設計從業者還有為數不多的生存空間。“一崗多能”正在成為新的用工底線。高等教育的學歷仍然重要，但不再足夠；職場經驗也在貶值——尤其那些基於舊工具的經驗。阿亮是AI行業的創業者，2011年至2015年，他在網際網路大廠做程式設計師，2016年追隨別人創業，直到後來，個人的創業方向轉向AI。他的公司為國內電商企業提供AI辦公協作工具，也面向海外市場推出了圖片文字轉視訊的網站與App，還有些AI翻譯產品。“AI現在完整地將一家電商公司的所有崗位替代是不現實的。但運用AI工具，比如在營運、資料監測方面，十個人的活兒可以一個人全幹了。”阿亮坦言。他們公司的翻譯AI產品面向翻譯社，從2024年12月開始營運，不斷最佳化迭代，如今可以翻譯100多種語言。人工翻譯直接替代掉，最後留一位審稿人做文字和格式覆核即可。阿亮公司全職員工六人、兼職員工六七人，非常精幹。這家公司的程式設計師全用公司配備的AI工具寫程式碼。“不允許自己寫程式碼，這就是我給大家唯一的要求，因為效率太低了。”過去，阿亮或許需要僱傭從阿里巴巴出來的“大牛”程式設計師。而今，只要會用AI工具，只有三五年工作經驗的程式設計師，也能寫出好程式碼。全公司AI使用成本每月不過五六千元。“做技術的員工，同時可以去盯盯資料、做點營運。做視訊剪輯的員工，我不希望他只是一個視訊剪輯，我希望從頭到尾，從編導到視訊，一條龍全做完了。”最近一場公司會議上，阿亮向員工鼓勁說，“有AI之後你的能力放寬了，我希望未來每個人都是一名全能戰士。”“你覺得那項技能不行，我可以給你些工具。不會用，我可以教你怎麼用。你說我寫不了東西，那我們給配置很好的skill（技能）協助。沒關係，你都可以去學。”應用AI工具後，這家公司一個月的產出成果可以趕上以前50人的勞動成果。過去，研發一款產品，需要半年，非常痛苦，把員工的精力都耗沒了。如今只需一周，產品就從立項走到了最終發佈。阿亮起初是技術出身，如今兼做技術、產品和營運。每個月，他的AI工具花銷差不多2000元人民幣，佔據公司AI開銷大頭。“我效率拉滿，每天同時干八、十來件事兒。”一人公司崛起：初級崗位消失後，人的核心能力是什麼？在阿亮看來，AI如今打掉了原本還不錯的職業——程式設計師、設計師、資料分析師。切身的觀察在資料上也有一定體現。根據美國人工智慧公司Anthropic最近發佈的報告，程式設計師高達近75%的任務已被AI覆蓋。這份報告列出了最受AI衝擊的前十大職業，程式設計師之後分別是：客服代表、資料錄入員、醫療記錄專員、市場研究與行銷分析師等等。當一個人用AI可以完成一組團隊的工作，大公司裁員與組織調整就已經箭在弦上。今年以來，Mata、亞馬遜、甲骨文、Block、戴爾等國外大公司都傳來了大規模裁員的消息。3月消息，美國公司Meta計畫裁員約1.6萬人，佔員工總數的20%。這家公司預計到2028年投入6000億美元用於資料中心建設，同時斥資至少數十億美元進行多項收購。大公司對AI的投資正在成為驅動裁員的關鍵因素。他們的擴張方向正從人力轉向算力。相比國外公司，中國網際網路公司的人力調整更加隱蔽。公開資訊中，很少出現大公司因AI裁員的明確比例或數字，但大廠AI導向的資源再配置已經十分明顯。3月中旬，“網易將用AI全面清退外包員工，4月1日先裁30%，5月1日全部清退”的說法在網際網路上迅速擴散。儘管網易隨後否認了這一消息，但確認“因項目調整及正常人員汰換”。戴奈告訴《財經》，最近確實聽說網易裝了AI工作流，“朋友說有些外包人員陸陸續續在走”。更有一些聳人聽聞的賽博設想：2026年3月底，GitHub上出現一個名叫“同事.skill”的項目：上傳被最佳化的同事留下的飛書聊天記錄、郵件、程式碼提交記錄，AI會將他/她“蒸餾”成Skill——一個能以原同事的語氣、思路、程式碼風格繼續工作的數字角色。人離職，Skill繼續。過去，被一家人盡知曉的大公司錄取，意味著確定的收入、穩定的職場路徑、體面的社會人身份。到AI時代，傳統的就業模式與身份認知劇烈擺動。安全感，變得越來越脆弱。陸遠舟不再信服傳統的大學教育與就業路徑。他是上海交通大學的一名大三學生，一道學習行政管理專業的同學，現在忙著找實習、找工作，或保研、考公。陸遠舟從2022年底開始做自媒體，積累了30萬粉絲，營運一個“錢眼”的小紅書號。他開設了一家公司，一人打理營運。這家“一人公司”，一頭連接大學生做自媒體，另一頭為AI公司提供有償內容營運服務。新型就業思路源於2025年4月，陸遠舟到上海一家AI公司實習。彼時用AI，他一人可以營運14個小紅書推廣帳號，半年將閱讀量從400萬提升至900多萬。這家公司的AI產品類似OpenClaw，2025年已經可操控個人電腦，完成發郵件、做PPT等自主任務。“你就只需要在AI瀏覽器裡發佈命令，AI就會自己進入小紅書後台。把需要上傳的圖片和文字從電腦本地上傳，發佈就好了。”陸遠舟說。2026年1月，他試著在網上招募培訓更多大學生，加入公司自媒體營運矩陣。100人一個月最終實現900萬流量。許多同學線下沒有見過面，只在直播中見過他的臉。一人公司，能以一己之力撬動如此規模的人力資源，陸遠舟認為，這或多或少能說明些什麼。不過，大學生人來人往，陸遠舟需要培訓新人，時間成本很高，3月底，他停止了實習生招募。“我一個都不想帶了。與其花巨大成本去教一個實習生，不如教AI。”陸遠舟花半天投喂好知識庫，調好提示詞，點選滑鼠，AI一分鐘就能吐出十篇80分的結構化文案。“過去，你靠一點天賦，能拿到一張實習門票。公司願意花錢給你時間試錯，讓你把靈性變成能力，但現在這扇門被死死鎖上了。你空有一身才華，卻連上牌桌的機會都沒了。”這種洞察並非空穴來風，AI正在擠壓職場新人“從干中學”的路徑。崗位不是突然消失的，AI先是消滅了年輕人“通過初級崗位成長為專家”的路徑。這才是更深層次的衝擊。國務院發展研究中心社會和文化發展研究部部長卓賢向《財經》舉例，傳統的律所依賴大量初級律師進行檔案審查、法律檢索，現在AI可以在幾秒鐘內完成這些工作。連鎖反應是，律所大幅減少初級律師招聘——“如果企業不再招聘初級員工，未來的高級專家從何而來？”AI觸發更大規模的崗位調整與削減，許多人開始對傳統的就業途徑放棄幻想。和戴奈一樣，決定做自媒體的公司職員不在少數。戴奈更多琢磨如何用好AI：過去一些博主哼哧哼哧扛著長焦相機去拍攝精緻圖片、經營小紅書，現在可以直接讓AI生成精美的四宮格素材。抖音真人出鏡的視訊帶貨，也能直接用AI換自己的臉錄製。“如果我去找工作，AI會無限壓縮我的生存空間，但對自由職業又是非常有利的。”戴奈想，目前大部分人還不太會熟練使用AI工具。個人如果有清晰的思考脈絡，AI其實可以幫助完成許多從前不敢想或沒有能力完成的事情。這絕對屬於AI時代積極的工作訊號。陸遠舟想了想，如今用AI輔助做自媒體，人的核心能力反而是“生而為人”的能力——察覺情緒。“我能迅速判別某個資訊值得講述。你對大眾的心理有洞察力，知道人們喜歡什麼樣的東西，對什麼樣的情緒有共鳴，這種辨別能力很重要。和人互動的能力也很重要。”工作對人能力要求的轉變，也會反向重塑教育。19世紀誕生的普魯士教育體系是現代學校制度的源頭之一，經由年級制、統一課程、標準化考試、課堂紀律等，系統生產可管理、可複製的人才，供給工業化社會的各個細分崗位。而今，人們用豆包、千問、元寶、Deepseek，隨時調取各領域的知識包，記憶和考試能力顯得不那麼重要。“你能夠記住的古詩，肯定比不過AI；比拚對某個SOP（標準作業程序）的執行能力，也比不過AI。我們現在需要的是洞察力和突破規則的能力。”陸遠舟對《財經》說，“你如果沒有很多內涵，你只會被AI牽著走，分辨不出來那個好、那個壞，你就站不到主導的位置上。”2026年4月6日，湖北武漢，“一人公司OPC×AI前沿實戰嘉年華”在武漢光谷金控模態空間OPC創新社區舉行。活動現場座無虛席，多位嘉賓就AI、IP、GEO等主題進行了分享與互動。工資再難上漲，專家呼籲征機器人稅、變革社保體系儘管如此，AI的演進速度依然令人敬畏。陸遠舟做過知識付費、賣課。他很快發現，AI不久就能獲取那些知識，他轉型做小紅書營運。“AI產出的小紅書文案，仍需要人糾正，但那只是現在，一年後它一定會變得更聰明。”“B端也不需要一個所謂的操盤手或內容創意官來生產內容。”眼下，陸遠舟為一位客戶營運小紅書，每月拍攝20條視訊，所有文案全由AI寫就，輕鬆收穫35萬播放量。“當老闆學會後，還要我操盤自媒體幹嘛？我覺得這個生態位遲早是要完蛋的。”他憂心忡忡地說道。很長時間，白領崗位令人豔羨，而今，情況正在發生逆轉。反而是體力勞動與藍領崗位更能抵禦AI衝擊。高盛研究也指出，市場可能需要更多技術熟練工，例如建築工人、工程師、電工和線路工人。僅在美國，到2030年需要新增約50萬個就業崗位，才能滿足因AI資料中心基礎設施建設而不斷增長的電力需求。陸遠舟向《財經》分析，需要線下與人協作交流的工作，可能會好找。像家政清潔工、裝修師傅、紋眉師、整形醫生等藍領工作、非標化的工作。每個人喜歡的裝修風格不一樣，每個人適合的眉形也不一樣，這些需求非常個性化。目前，對AI時代的就業前景，存在樂觀、悲觀兩種分歧。諾貝爾經濟學獎獲得者、倫敦政治經濟學院教授克里斯托弗·皮薩裡德斯接受《財經》採訪時認為，歷史證明，重大技術轉型也會創造新的崗位。“當汽車被發明出來，司機們唯一要做的事情就是學會開車。”英國經濟學家凱恩斯曾在1930年預言，隨著生產力的提升，到2030年的時候，人類每周只需工作15個小時。皮薩裡德斯贊同這種觀點，認為有一些西方國家的公司已經在這麼做了，從西歐到北美。一周工作四天，是可行的。“我們可以更少工作，更好地享受生活。”同時，也有部分觀點擔憂生產效率的提升，不一定讓人們獲得更豐厚的社會福利。譬如，卓賢警告，勞動者工資與生產率提升可能會脫鉤，人類工資上漲，面臨一定壓力。對美國就業市場的研究顯示，自20世紀70年代以來勞動生產率與實際工資的脫鉤一直在持續，AI的加速應用可能擴大這一裂痕。卓賢分析，傳統社會，製造業等高生產率部門創造的超額價值會通過勞動力市場競爭或工會談判、最低工資等，溢出到醫療、護理、文娛等生產率增長緩慢的部門，從而實現全社會工資水平普漲。但在AI時代，高效率部門不再需要更多崗位，無須通過不斷漲薪來維持勞動力隊伍，也就無法拉高全社會工資水平。“當被AI替代的中等技能勞動者（如文員、翻譯、初級程式碼員）流動到生產率提升較慢的服務業（如網約車、配送、基礎護理），出現勞動者供給大於需求，低效率部門勞動者工資隨高效率部門工資上升的機制被阻斷。”卓賢舉例，在某項任務中，當AI的部署成本下降到每小時5美元，那麼原本只從事該單一任務工人的工資可能永遠無法超過5美元。經濟學家呼籲，對社會保障體系進行前瞻性的改革。皮薩裡德斯認為，企業和政府之間需要合作，在技術轉型中對失業者提供更多社會保障支援。“世界上現有的實踐中，我更傾向於北歐模式，比如瑞典、丹麥和挪威。它們有精心設計的再培訓項目以及在培訓時期提供的社會保障。我不推薦美國模式，只是把勞動者扔到市場就不管了。”卓賢指出，AI時代，就業發生結構性重組，崗位減少、僱傭關係碎片化、工資增長停滯，這種變化會動搖現代社會保險體系賴以運轉的三大基礎——穩定就業、持續工資增長與可預測的人口結構。當越來越多勞動者從單位職工變為任務承接者，從穩定收入變為波動收入，社保體系將面臨稅基收縮與風險上升的雙重壓力。工作將不足以支撐原有的社保體系。他建議，考慮徵收“機器人稅”，這或能內化AI發展的社會成本（如失業），減緩過快的就業替代。可根據AI技術類型實行差別化稅率，對輔助工人的外骨骼、增強現實眼鏡等“勞動增強型”技術給予稅收抵免；對單純替代勞動的技術不予以稅收優惠或適度徵稅。此外，採取“稅費協同”的社保融資。卓賢指出，丹麥等國選擇以一般稅收為主要資金來源，日本在2019年將消費稅率從8%提高至10%，並明確提高的消費稅收入專款專用於養老、醫療和護理等社會保障支出。“稅費協同”的社保融資方式能讓AI創造的財富紅利回流至社會保障網。一些研究機構還提出徵收AI“超額利潤稅”。卓賢還建議，國家對持有算力徵收費用。若AI算力如一些研究所說會成為未來的貨幣，那麼掌握AI基礎設施即掌握了未來的鑄幣權。國家投資持有核心算力基礎設施，在AI大規模商業化應用之後，AI產生的經濟租金可以直接注入社會保障體系。教育也需要轉變。卓賢提到，在基礎教育和高等教育中，特定專業背景和技能的半衰期縮短，教育必須轉向培養批判性思維和跨學科的系統整合能力。隨著AI接管初級工作，必須設計新的畢業生見習激勵機制。可考慮由財政資金補貼初入職場青年的工資或代繳社保。“大學教育很早就脫軌了，只不過AI時代來臨後，它是徹底脫軌了。”阿亮2016年時曾經到一所大學向大一新生們演講。看不清就業前景，學生們很焦慮，問他，“未來社會會怎麼發展？我們應該學什麼東西？”當時，他回答：未來是人工智慧的時代，大家應該要學AI。彼時，AI概念尚未普及，科技界還在摸索電腦“深度學習”。阿亮在圖像軟體研發中意外發現，通過有意識地訓練電腦，模糊的圖像能夠顯著變得清晰。“當時我就覺得這個東西真是太好了，未來AI會越來越聰明。”現在，阿亮招人只看一點——願意學習AI工具。技術從不提前通知誰被淘汰，它只悄然重寫規則。蒸汽機普及前，人們依靠馬車出行，但當火車出現，馬伕也隨之消失。AI時代亦然：我們現在需要隨時準備好，重新改寫一直理所當然的工作方式與社會觀念本身。 (財經雜誌)

最近不管是刷財經內容，還是看科技圈的新聞，你大機率都會反覆看到一個詞：Token。很多人第一反應是懵的，甚至直接把它和虛擬幣、傳銷騙局劃等號——畢竟過去這些年，太多人打著“Token”的旗號搞投機割韭菜，留下了一地雞毛，大家有警惕心太正常了。但你有沒有發現，這次提Token的，不是那些幣圈的投機客，而是輝達的黃仁勳，是國家資料局。2026年的GTC大會上，黃仁勳在主題演講裡70多次提到Token，核心口號只有四個字：Token為王。他甚至直接放話，未來的資料中心，本質都是生產Token的工廠，Token就是AI時代的新大宗商品。幾乎同時，國家資料局在2026年中國發展高層論壇上，正式給AI領域的Token定下了官方中文譯名：詞元，同時公佈了一組讓人瞠目的資料：中國日均Token呼叫量，從2024年初的1000億，一路飆升到2025年底的100兆，2026年3月已經突破140兆，兩年時間增長了1400倍。一邊是全球算力龍頭的掌門人瘋狂站台，一邊是國家級機構的官方定名和資料背書，兩件事湊到一起，就絕不是什麼偶然的熱點炒作，而是一個明確的時代訊號。很多人到現在還沒搞懂：這個叫Token（詞元）的東西，到底是什麼？為什麼能讓黃仁勳如此看重？國家為什麼要專門給它定名？它和我們普通人，到底有什麼關係？-01-先把最基礎的事說透：Token到底是什麼？先給大家吃個定心丸：我們今天聊的Token，和那些投機炒作的空氣幣，本質上是完全不相關的兩件事。國家定名的“詞元”，是AI領域的核心基礎概念，沒有任何投機屬性，是你每天用AI的時候，都在打交道的東西。用一句大白話就能講明白：Token（詞元），是大語言模型處理文字的最小基本單元，是AI理解、生成內容的基礎載體，也是AI服務的核心消耗品。很多人以為，AI能直接看懂我們說的漢字、寫的句子，其實不是。AI的底層邏輯，和人腦完全不一樣，它不認漢字，不認單詞，只認經過編碼的Token。舉個最通俗的例子：我們小時候學說話、寫文章，是先學拼音，再學漢字，再學詞語，最後連成句子和文章。拼音是我們理解和表達語言的最小基礎單元，而Token，就是AI的“拼音”。你給AI發一句“今天天氣不錯，適合出去走走”，AI收到這句話之後，第一件事不是直接理解它的意思，而是先把它拆分成一個個Token。比如拆成“今天”“天氣”“不錯”“適合”“出去”“走走”，也可能拆得更細，比如“今”“天”“天”“氣”，具體怎麼拆，不同的模型有不同的規則，但核心邏輯是一樣的：把你說的話，拆成AI能識別、能處理的最小單元。拆分完成後，每個Token都會被轉換成一串對應的數字，AI就是通過處理這些數字，來理解你這句話的意思，然後再生成對應的回覆，而生成的每一句回覆，同樣也是由一個個Token組成的。這就帶來了一個最直接的結果：你和AI的每一次對話，你讓AI做的每一件事——不管是寫文案、做表格、寫程式碼，還是做資料分析、生成圖片，都要消耗對應數量的Token。你可以把它理解成汽車的汽油：AI就是那輛車，你要讓車跑起來，就得燒油；你要讓AI幹活，就得消耗Token。你買的AI會員，不管是月度的還是年度的，本質上就是買了一油箱的Token，額度用完了，要麼續費充值，要麼AI就沒法再給你提供服務。這裡再給大家兩個最實用的基礎常識，看完你就再也不會被相關的黑話忽悠了：第一，中文語境下，1個漢字大概對應1-2個Token，英文語境下，1個單詞大概對應1-1.3個Token，所以同樣的內容，中文消耗的Token量，通常會比英文多一點；第二，大家常說的AI模型“128k上下文”“256k上下文”，本質上就是這個模型一次性能處理的Token上限，相當於AI的“短期記憶容量”。上限越高，AI能記住的上下文就越多，就能處理更長的文件、更複雜的任務，當然，消耗的Token也會更多。說到這裡，你應該已經明白了：Token不是什麼遙不可及的技術黑話，更不是什麼騙局，它就是AI時代的基礎消耗品，是你每天用AI的時候，都在默默消耗的東西。那問題來了：這麼一個看似簡單的“AI消耗品”，為什麼能讓黃仁勳喊出“Token為王”？為什麼能成為國家層面關注的核心指標？-02-黃仁勳的“Token為王”本質是看透了AI時代的底層邏輯要理解這句話，我們得先回頭看兩段歷史，看完你就會瞬間明白，黃仁勳到底在說什麼。第一次工業革命的時候，蒸汽機被發明出來，瞬間改變了整個世界。一開始，所有人都在搶著造更好、效率更高的蒸汽機，誰能造出更先進的蒸汽機，誰就是行業裡的大佬。但沒過多久，大家就發現了一個問題：蒸汽機再好，沒有煤，就是一堆不能動的廢鐵。造蒸汽機的技術門檻，很快就被拉平了，真正決定行業話語權的，變成了誰能低成本、大規模地開採煤炭，誰能穩定地把煤炭運到需要的地方。煤炭，成了第一次工業革命的核心大宗商品，誰掌握了煤炭，誰就掌握了工業時代的命脈。第二次工業革命，電力普及，歷史又一次重演。一開始，大家都在捲髮電機、電動機的技術，誰能造出更好的電氣裝置，誰就是行業的領頭羊。但很快，風向就變了：電氣裝置的技術很快就普及了，真正決定行業格局的，變成了誰能低成本、大規模地發電，誰能搭建起覆蓋全國的電網。電力，成了第二次工業革命的核心基礎設施，那怕你能造出全世界最好的電器，沒有電，它就是個沒用的擺設。再後來的網際網路時代，也是一樣的邏輯。一開始，大家都在卷網站、卷APP，喊著“內容為王”，誰能做出更好的內容、更好的產品，誰就能出圈。但沒過多久，大家就發現，好的內容、好的產品越來越多，真正稀缺的，是流量。於是整個行業的邏輯，從“內容為王”變成了“流量為王”，誰能掌握流量，誰就能掌握網際網路時代的話語權。現在，我們正處在AI革命的浪潮裡，而黃仁勳喊出的“Token為王”，本質上就是看透了這場革命的底層邏輯：AI時代的核心大宗商品，不是模型，不是晶片，而是Token。過去這幾年，整個AI行業都在卷一件事：大模型。從百億參數，到千億參數，再到兆參數，國內國外的科技公司，都在拼了命地研發更大、更先進的大模型，好像誰家的模型參數多、效果好，誰就能贏下這場AI戰爭。但到了2025年到2026年，整個行業突然發現，風向變了。大模型的技術門檻，正在快速被拉平。現在全世界的開源大模型，大大小小加起來有上千個，閉源的頭部模型，效果也越來越接近，你有的功能我也有，你能做的事我也能做。模型已經不再是稀缺品了，真正稀缺的是什麼？是能讓這些模型跑起來、能持續穩定產出價值的Token。就像蒸汽機離不開煤，電器離不開電，網際網路產品離不開流量，再好的大模型，沒有Token，就是一個不能啟動的程序，沒有任何價值。你有再先進的大模型，如果沒法低成本、大規模地生產Token，沒法給使用者提供穩定的Token供給，那你的模型，就只能躺在伺服器裡，沒法落地，沒法賺錢，更沒法形成商業閉環。這就是黃仁勳說“Token是新的大宗商品”的核心原因。大宗商品的本質，是整個經濟體系的基礎剛需，是所有產業都離不開的東西，需求量極大，價格波動會影響整個行業的走向。石油、煤炭、電力、糧食，都是如此，而現在，Token正在成為AI時代的核心大宗商品。黃仁勳甚至直接給出了明確的定義：未來的資料中心，本質上都是生產Token的工廠。過去我們建資料中心，比的是什麼？是伺服器的數量，是儲存的容量，是頻寬的大小。但未來，衡量一個資料中心價值的核心標準，只有一個：它每消耗一度電，能生產多少高品質的Token，也就是Token生產的能效比。這個指標，直接決定了這個“Token工廠”的盈利能力。就像火電廠，誰的發電煤耗更低，誰就能在電價低迷的時候依然賺錢，誰就能在行業競爭裡活下來；未來的智算中心，誰的Token生產能效比更高，誰的生產成本更低，誰就能在AI時代掌握話語權。甚至黃仁勳還預判，未來Token會形成完整的分層定價體系，根據生成速度、智能程度、安全等級，分成不同的檔次，每百萬Token的價格，從免費層到超高速的企業級，覆蓋從0到150美元的區間，僅推理場景，就能打開兆級的商業化空間。很多人說，黃仁勳是AI時代的“賣鏟人”，其實不止於此。他不是只賣鏟子，他是看透了整個AI金礦的底層邏輯，知道未來大家搶的不是金礦的開採權，而是開採金礦必須用到的、持續消耗的炸藥和工具，而Token，就是那個最核心的消耗品。-03-國家定名“詞元”140兆日均呼叫量，背後藏著什麼訊號？如果說黃仁勳的“Token為王”，是給整個AI行業指明了商業方向，那國家資料局的官方定名，以及那組140兆的驚人資料，就是給我們普通人，釋放了三個最明確的訊號。第一個訊號，也是最基礎的：官方給Token正名了，它徹底和投機炒作劃清了界限，成為了國家級的技術術語和產業指標。過去這麼多年，Token這個詞，一直被幣圈的投機客濫用，導致很多人一聽到Token，第一反應就是騙局、虛擬幣、非法集資，污名化非常嚴重。這次國家資料局專門給AI領域的Token定名為“詞元”，本質上就是一次官方的正本清源：明確了AI領域的詞元，和那些投機炒作的代幣，完全是兩回事。它是AI產業的核心基礎單元，是合規的、有實際價值的、服務於實體經濟的技術概念，再也不是什麼見不得光的投機工具。更重要的是，國家把Token的呼叫量，當成了衡量AI產業發展的核心指標。這就像我們用GDP衡量經濟發展水平，用發電量衡量工業活躍度，用PMI衡量製造業景氣度一樣，未來，Token（詞元）的呼叫量，會成為衡量中國AI產業發展水平、規模化應用程度的核心國家級指標，甚至會成為宏觀經濟資料裡的重要組成部分。第二個訊號：中國的AI產業，已經徹底從“模型研發”的上半場，進入了“規模化應用落地”的下半場。我們回頭看那組資料：日均Token呼叫量，2024年初是1000億，2025年底是100兆，2026年3月突破140兆，兩年增長了1400倍。這個數字，到底有多恐怖？我們可以簡單算一筆帳：就算全中國14億人，每個人每天都和AI聊100句話，每句話消耗100個Token，一天下來，總消耗量也只有140兆的1%。這麼恐怖的呼叫量，絕對不是靠普通人聊天撐起來的，只有一種可能：AI已經徹底走出了“聊天玩具”的階段，大規模地進入了實體經濟，進入了各行各業，開始24小時不間斷地創造價值。現在的Token消耗主力，早就不是個人使用者的對話，而是兩個核心場景：一個是智能體（Agent）的大規模應用，另一個是工業、企業級的自動化場景。什麼是智能體？簡單說，就是不用你一句一句地給AI下指令，它能自己理解你的目標，自己拆解任務，自己呼叫工具，自己完成一整個複雜的工作流程。比如你讓它幫你做一份完整的行業調研報告，它會自己去查最新的行業資料，自己做資料分析，自己搭建報告框架，自己寫內容，自己修改最佳化，全程不用你干預。這個過程中，智能體需要不停地呼叫大模型，不停地消耗Token，它的Token消耗量，是普通人工對話的幾十倍，甚至上百倍。現在國內國外，不管是大企業還是創業公司，都在瘋狂地研發和落地智能體應用，這是Token需求爆發的核心驅動力之一。而另一個核心場景，就是實體經濟的工業應用。比如工廠裡的AI質檢，生產線每生產一個產品，就要拍高畫質照片，AI即時分析產品有沒有缺陷，有沒有質量問題，這個過程是24小時不間斷的，每秒都在消耗大量的Token；再比如物流行業的AI調度，全國幾百萬個快遞包裹，每一個的運輸路線、配送順序，都要靠AI即時最佳化，避開擁堵，提升效率，同樣是24小時不停消耗Token；還有金融行業的AI風控、客服行業的AI自動化、網際網路行業的AI內容稽核、程式碼行業的AI開發，這些場景，都是Token消耗的大戶。140兆的日均呼叫量，本質上就是一個最明確的證明：AI已經不是實驗室裡的技術，不是普通人用來娛樂的玩具，它已經成為了實體經濟的核心生產力工具，正在深刻地改變著各行各業的生產方式。第三個訊號：中國正在爭奪AI時代的全球話語權，而且已經有了非常明顯的優勢。Token的生產成本，核心取決於兩個東西：一個是算力晶片的能力，另一個就是電力成本。而這兩個領域，中國都有非常強的競爭力。晶片領域，雖然我們在高端通用晶片上還有差距，但在AI推理晶片、國產算力生態上，我們已經實現了快速的突破，國產大模型的適配和最佳化，已經做得非常成熟，完全能滿足大規模的Token生產需求。而電力成本，更是我們的核心優勢。Token生產的最大成本，就是資料中心的電費，誰的電價更低，誰的Token生產成本就更低，誰就能在全球競爭裡佔據優勢。中國西部有大量的風電、太陽能等綠電資源，電價遠低於全球平均水平，非常適合建設大規模的智算中心，用來生產Token。現在，國內的科技企業已經開始行動了。阿里已經成立了Alibaba Token Hub（ATH），核心就是做Token的創造、輸送和全場景應用，要把Token打造成AI時代數字商業的核心基礎設施；其他的頭部科技企業，也都在紛紛佈局智算中心，核心目標不是訓練大模型，而是做推理，也就是大規模生產Token。甚至有資料顯示，中國開源大模型的全球下載量佔比，已經達到了17.1%，首次超越了美國；中國的Token周呼叫量，已經連續兩周超越了美國，成為了全球AI應用最活躍的市場。這意味著，在AI時代的下半場，我們不再是跟著別人跑的追趕者，而是有能力制定規則、爭奪話語權的競爭者，而Token，就是這場競爭的核心戰場。-04-對普通人來說，這場Token浪潮到底意味著什麼？很多人會說，這些都是行業大佬和科技公司的事，和我一個普通人有什麼關係？我既不做AI，也不辦企業，懂不懂Token，有什麼區別？如果你這麼想，那就大錯特錯了。就像100年前的電力，30年前的網際網路，剛出現的時候，大家也覺得和自己沒關係，但很快，它們就滲透到了生活的方方面面，改變了所有人的工作和生活。而Token，作為AI時代的核心基礎設施，未來一定會和電力、網際網路一樣，和我們每個人息息相關，沒有人能置身事外。首先，它會徹底改變我們的職場邏輯，未來，懂不懂Token，會不會用AI，會直接決定你的職場競爭力。現在已經有非常明顯的趨勢了：不管你做什麼工作，都離不開AI。文員用AI寫文案、做表格，程式設計師用AI寫程式碼、找bug，設計師用AI做圖、做創意，營運用AI做資料分析、寫策劃，甚至工廠的工人，也要用AI控制裝置、做質檢。而用AI的核心，就是和Token打交道。同樣是用AI寫一份方案，有的人能用500個Token，就生成一份邏輯清晰、內容詳實的方案；有的人用了5000個Token，生成的內容還是亂七八糟，全是廢話。對公司來說，這就是實實在在的成本差距，你能幫公司省Token，就是幫公司省錢，你的競爭力，自然就比別人強。甚至現在矽谷已經有很多科技公司，給員工發薪資的時候，除了現金，還會給專屬的Token配額，也就是AI算力額度。因為很多工作，沒有AI的輔助，效率會低到無法接受，就像現在公司給員工配電腦、配手機一樣，未來，給員工配Token配額，會成為企業招聘的標配。再過三五年，“會不會最佳化Token使用”“能不能用AI高效完成工作”，一定會成為職場招聘的基礎要求，就像現在很多公司招聘，要求你會用Office、會用電腦一樣。那時候，你不懂Token，不會用AI，就像現在不會用電腦一樣，很難找到有競爭力的工作。其次，它會徹底滲透到我們的日常生活裡，未來，你每天的衣食住行，都會和Token打交道，只是你可能感覺不到。現在，你每天都在用電，但是你不會每天都去想，發電廠在那裡，電是怎麼送到你家裡的；你每天都在用網際網路，但是你不會每天都去想，訊號是怎麼傳輸的，資料是怎麼儲存的。未來的Token，也是一樣的。你家裡的智能家電，裡面的AI助手，和你對話、幫你控制家電，會消耗Token；你出門用的導航，AI即時給你最佳化路線、避開擁堵，會消耗Token；你刷短影片，AI給你推薦你喜歡的內容，會消耗Token；你給孩子用的線上教育工具，AI給孩子定製學習計畫、批改作業，會消耗Token；甚至你去醫院看病，AI幫你看片子、分析病情，同樣會消耗Token。這些場景，現在已經有了，未來只會越來越普及，越來越深入。Token會像電力一樣，成為我們生活裡無處不在的基礎資源，支撐著整個智能社會的運轉。-05-這場Token浪潮裡普通人有沒有能抓住的機會？我必須先明確一條紅線：凡是打著Token的旗號，讓你投錢、讓你拉人頭、給你承諾高收益的，全是騙局，沒有例外，一律不要碰。我們聊的機會，全是合規的、零風險的、靠自己的能力就能抓住的機會，沒有任何投機成分。對普通人來說，最穩妥、最靠譜的機會，有三個。第一個機會，也是所有人都能做的，就是提升自己的AI使用能力，核心就是對Token的理解和最佳化能力。很多人現在用AI，就是隨便說一句話，然後等著AI生成內容，根本不管消耗了多少Token，生成的內容質量高不高，這樣的人，永遠只能把AI當成一個玩具，沒法把它變成提升自己競爭力的工具。而你如果能沉下心來，搞懂Token的底層邏輯，學會怎麼寫高品質的提示詞，怎麼用最少的Token，生成最高品質的內容，怎麼用AI完成更複雜的工作任務，怎麼用AI最佳化你的工作流程，那你在職場上，就會有遠超別人的競爭力。不管行業怎麼變，經濟怎麼波動，能提升自己的核心能力，永遠是普通人最穩妥的出路。第二個機會，是做AI和Token的科普內容創作。現在90%的人，對Token、對AI，都是一知半解，甚至有很多誤解。有的人一聽到Token就覺得是騙局，有的人一聽到AI就覺得會搶自己的工作，還有的人想用AI，但是根本不知道怎麼用，到處踩坑。市場的需求，就是你的機會。你如果能把這些複雜的技術概念，用大白話講明白，給大家避坑，給大家講清楚AI的正確用法，給大家拆解背後的行業趨勢，那你就能吸引大量的粉絲。不管是做公眾號、短影片，還是小紅書，都能變現，而且這個賽道，現在競爭很小，需求極大，因為AI的普及速度太快了，大家的認知，根本跟不上技術的發展速度。第三個機會，是給中小企業做AI配套服務，核心就是幫他們最佳化Token使用，降低AI成本，提升AI使用效率。現在很多中小企業，都想用AI提升效率，降低成本，但是他們根本不懂AI，不懂Token，不知道怎麼搭建適合自己的AI工作流程，不知道怎麼最佳化提示詞，花了很多錢買AI會員，但是根本沒用到實處，白白浪費了很多成本。你如果能幫他們解決這個問題，幫他們搭建AI工作流程，最佳化提示詞，降低Token消耗，提升AI的使用效率，按效果收費，比如幫他們一年省了10萬的AI成本，你收3萬的服務費，沒有那個企業會拒絕。這個需求，未來會越來越大，而且門檻不高，只要你懂AI，懂Token的邏輯，就能做。最後，聊一點關於未來的心裡話每次技術革命來臨的時候，大多數人的第一反應，都是排斥、懷疑、恐懼，覺得和自己沒關係，甚至覺得是騙局。第一次工業革命的時候，很多手工紡織工人，砸毀了織布機，覺得機器搶了他們的飯碗；電力普及的時候，很多人覺得電是危險的、不可靠的，拒絕使用；網際網路剛進入中國的時候，很多人覺得網上都是騙子，根本不可能在網上買東西、交朋友。但歷史告訴我們，技術革命的浪潮，從來不會因為任何人的排斥和懷疑，就停下腳步。它最終會惠及所有人，只是那些提前看懂趨勢、提前做好準備的人，會拿到更多的時代紅利，而那些拒絕改變、固步自封的人，會被時代慢慢甩在後面。AI革命，也是一樣的。而Token，就是這場革命下半場的核心。它不是什麼投機炒作的工具，不是什麼遙不可及的技術黑話，它是AI時代的電力，是整個智能社會的基礎基礎設施，未來會滲透到我們工作和生活的每一個角落。黃仁勳喊出的“Token為王”，國家資料局的官方定名，140兆的日均呼叫量，這些都不是偶然的熱點，而是一個明確的時代訊號：AI時代的下半場，已經正式開始了。對我們普通人來說，面對這場浪潮，最好的選擇，從來不是去投機，不是去想著一夜暴富，而是沉下心來，去理解它，去學習它，去適應它，把它變成提升自己的工具，抓住屬於自己的機會。畢竟，時代從來不會淘汰那些願意學習、願意改變的人，只會淘汰那些站在原地、拒絕前進的人。 (關山敘)

Medvi這家公司，火得也快，翻車得也快。前一天，它還是矽谷口中的“一人公司”樣板。一個名叫馬修·加拉格爾（Matthew Gallagher）的41歲創業者，拿著2萬美元啟動資金，靠十幾種AI工具和幾個外部平台，在一年多時間裡做出4.01億美元營收。整個故事就如同寓言一樣，告訴我們agent時代，人們如何使用AI來賺大錢。就在這家公司被瘋狂轉發的第二天，它的陳芝麻爛穀子迅速發酵。隨之被扒出的，還有FDA的警告信、關於復合減肥藥的誤導宣傳、社交平台上批次註冊假醫生帳號給產品打廣告。所以這家公司到底是怎麼跑起來的？它到底是一家遠端醫療公司，還是一個披著醫療外衣的流量平台？AI在裡面究竟是提高了效率，還是只是把原本就存在的問題放大了？Medvi最值得看的地方，恰恰不在那串驚人的數字，而在它把一家公司拆成了什麼樣子。馬修自己抓了什麼，AI替他做了什麼，外部平台又替他接住了什麼。把這些脈絡理順，我們才能真正看清，這家公司為何能在短時間內快速崛起，又為何會光速陷入輿論與合規危機。這家公司怎麼來的Medvi經營的項目是GLP-1減重遠端醫療。不過現在它已經不是一人公司了，因為馬修的弟弟艾略特也進入了公司，成為該公司的唯一一名員工。Medvi的業務並不複雜，使用者到網站上下單、填寫資料、線上問診，隨後進入持續處方和復購流程。所以本質上，Medvi就是一個減肥藥推廣平台。它真正特殊的地方，在於分工方式。馬修最初拿出的起步資金只有2萬美元，但他並沒有自己去搭一整套醫療體系。他把所有涉及健康專業的環節，比如持牌醫生、處方處理、藥房履約、物流和合規，全都交給CareValidate和OpenLoop Health這類外部基礎設施平台承接。Medvi自己只抓最靠前的一層，網站、品牌、廣告投放、支付結算和使用者關係。換句話說，後端那部分重流程留給平台，前端的流量和轉化留在自己手裡。那他又是怎麼用的AI呢？馬修用了十幾種AI工具來寫程式碼、搭網站、生成廣告素材、寫行銷文案、處理客服溝通、做資料分析，再把不同系統接起來。馬修自己就干兩件事，管理這幫AI以及打廣告。在傳統醫藥平台裡，醫生、客服、財務都要你自己養，組織架構很容易變得複雜。但是Medvi把最重的部分全都外包出去了，用AI負責給客戶和醫生之間建立聯絡，馬修只留下了最值錢的部分。所以它不需要自己養一大批醫生，不需要自己開藥房，也不需要自己做配送，但照樣可以把使用者從下單一路帶到復購。馬修少年時期就已經接觸程式設計了，他做過網站，也做過一些很小的買賣。後來他創辦了一家手錶公司叫做Watch Gang。雖然在圈內有一定的影響力，但是利潤方面卻表現一般。這段經歷給他最大的教訓就是，團隊一大，成本會上來，決策會變慢，組織本身會開始吞掉效率。放在這個背景裡看，Medvi並不只是一次AI創業，它也帶著他前一次創業留下來的經驗修正。與其再搭一個厚組織，不如儘量把公司做薄，把外部能接住的部分都交出去，把自己留在最靠近現金流和增長的位置上。馬修做到了嗎？Medvi在2025年這個第一個完整年度裡，營收做到了4.01億美元，客戶數約25萬人，淨利潤6500萬美元，淨利率16.2%。到2026年，按當前節奏，年銷售額有望衝到18億美元。如果把這家公司放回行業裡看，它解決的其實是過去遠端醫療和減重生意裡的幾個老問題。第一是組織太重。很多公司一開始就得自己養團隊，成本高，速度慢。第二是前後端脫節，醫生、處方、履約和流量各管一段，中間銜接複雜。第三是獲客貴，但轉化鏈條又長，稍微有一段跟不上，錢就白燒了。Medvi把這些問題重新拆了一遍。AI去壓縮前端執行成本，外部平台去承接後端履約，公司內部只保留最關鍵的流量、品牌和轉化。它賺到的錢，其實來自一個已經存在的大市場。它的增長來自於AI減少的成本以及提高的效率。Medvi幾乎沒有傳統意義上的硬壁壘。它沒有自有醫生網路，沒有藥房體系，沒有排他性的供應關係，也沒有特別深的專有技術。馬修自己對這個問題倒是一點也不迴避。他說任何懂投放、懂電商、懂使用者轉化的人，只要接上類似的醫生和履約平台，都能複製出一套相近的殼層。Medvi今天最值錢的部分，很大程度上還停留在執行層，而不是結構層。還有一點也不能忽略，Medvi跑得快，和它所處的行業特徵關係很大。減重藥本身就是一個需求很強、客單價高、復購率高的市場。只要獲客體系搭起來，現金流就會很快出現。這類市場本身就適合超輕組織先沖規模。換一個低頻、低毛利、低復購的行業，同樣的AI配置，未必能長出同樣的財務曲線。AI把某些行業裡的組織成本壓低了，讓少數懂增長、懂市場的人，能比以前更快把一家公司做大。AI不是什麼都能解決的如果只看營收和員工人數，Medvi很容易被寫成“一人公司神話”的新範本。但把這家公司拆開看，會發現它其實非常脆弱。它最大的風險在監管。Medvi賣的是圍繞復合配方GLP-1減重藥物的遠端醫療服務，這個賽道過去幾年能迅速長起來，一個重要背景就是美國減重藥供應短缺。可是問題在於，這個窗口已經在收縮。FDA（美國食品藥品監督管理局）在2025年2月宣佈司美格魯肽短缺狀態結束，隨後又給出了對503A藥房和503B外包機構的執法過渡期限。進入2026年後，圍繞復合GLP-1銷售和行銷的執法壓力進一步加大，行業裡多家公司都在重新調整策略。簡單說，就是原版藥的供應恢復了，市場沒那麼缺貨了。前幾年很多遠端醫療平台之所以能賣復合配方版本，一個重要理由就是原版藥買不到。所以Medvi在2026年的收入，可能會達不到預期。不僅如此，Medvi還在2026年2月20日收到了FDA正式警告信，原因是網站上關於復合配方司美格魯肽和替爾泊肽的表述存在誤導性宣傳，包括讓消費者誤以為這些產品和FDA批准藥物具有同等安全性、有效性，或者誤以為Medvi自己就是複方藥品的生產方。這還沒完，這兩天在X上開始流傳一批截圖，稱馬修用AI註冊了800多個“假醫生”帳號，來給他的減重藥投廣告。截圖裡滿是穿白大褂、帶醫生頭銜、掛著GLP-1廣告的醫生。可事實上，這些人沒有一個是真正的醫生，他們的簡歷全都是由AI生成的，照片也是。FDA在2026年3月3日又公開說，第二批針對GLP-1 telehealth行銷的30封警告信已經發出，並明確提到，不整改可能面臨更進一步的執法。往下走，常見就是要求限期整改、停止相關宣傳、產品扣押、禁令，嚴重時還可能把材料轉給司法部門。FTC（美國聯邦貿易委員會）在2024年10月21日生效的規則，已經明確禁止企業製作、購買、傳播由不存在的人、沒有真實體驗的人、或者歪曲體驗的人作出的假評論和假證言。按FTC自己的說法，這類“明知或應知”為假的內容，監管可以追究民事罰款、禁令、退款/追繳違法所得。如果是大規模、系統性投放，風險會更重。也就是說，馬修除了收入會下降以外，還有可能面臨罰款，甚至是牢獄之災。AI也沒讓馬修省心。因為AI沒有辦法替公司穿透監管，也沒有辦法替公司承擔醫療責任。它的上下文機制也限制它不能直接建立長期的信任關係。外媒報導稱，Medvi的客服機器人早期會胡亂給藥品報價，馬修最後只能按這些錯誤報價兜底。它還會編造並不存在的產品線，對外宣稱Medvi已經在賣尚未上線的脫髮產品。人在管理人時，主要處理的是協同成本。人在管理AI和外部平台時，面對的是監工、總和檢查碼兜底。是，公司是人少了，可問題沒有消失，它只是換了樣子。很多人聽到“一人公司”這個詞，會下意識把它理解成一種很高效、沒有摩擦的組織狀態，畢竟一人公司裡唯一能發生爭執的，只有左腦和右腦。有了AI以後，創始人好像只需要發號施令，剩下的事情都能自動完成。然而現實並非如此。創始人從組織中拿掉了很多崗位，同時也把大量複雜度外移給了平台、供應商和模型。他不再管理一個幾十人的團隊，卻要隨時盯著廣告成本、客服失真、平台依賴、監管變化和供應鏈合規。一人公司不等於沒有管理，只是管理的對象變了。一人公司這個現象到底意味著什麼Medvi這個案例真正值得討論的地方，是在公司這個詞上。其實以前也有不少的一人公司，我們家樓下的小超市，以及旁邊賣肉餅的。他們都是個體戶經營生意。那為什麼他們做不到Medvi的營收規模？因為它們這種小規模的生意，只能省下用人成本。卻沒辦法像Medvi那樣，用業務鏈條覆蓋獲客、轉化、交付和復購。Medvi究竟是否是一個好案例，這事還有待商榷。但是它的確給我們了一些啟示。在一人公司裡，模型本身是一層。外部服務平台是一層。支付、廣告、物流、雲服務、遠端履約、API生態又是一層。你可以學Medvi那樣，把整個公司拆開，只保留最關鍵的介面，剩下的能力都通過外部模組接進來。原本必須在內部完成的事情，越來越多可以在外部完成。原本需要招聘的人，越來越多可以先用工具和平台接住。AI沒有消滅商業基本功。反而它放大了以前的老知識，比如選市場、抓需求、做投放、管轉化和控成本這些。Medvi能做起來，前提不是他會寫提示詞，前提是他本來就懂增長和品牌。其次，它說明未來最容易出現超小團隊奇蹟的行業，未必是技術最尖端的行業，反而可能是那些需求明確、利潤夠厚、基礎設施能夠外包的行業。不過它也提醒了另一件事，公司的人變少，並不代表風險變少。複雜度被轉移了，治理問題也被轉移了。一個創始人可以不再管理很多員工，但他要管理更多模型、更多介面、更多供應商，以及更多外部不確定性。Medvi所在的監管環境還在變化，它的競爭門檻也算不上牢靠，它的增長窗口能持續多久，誰都說不好。但它至少給出了一個非常清楚的樣本。AI改變的不只是生產力工具，也在改變“公司”這個單位本身。過去我們對公司的想像，總是和人數、樓層、組織架構、部門分工綁在一起。現在開始出現另一種公司。它很薄，很輕，很多能力都不在體內，卻依然能長出驚人的收入規模。這個趨勢如果繼續下去，未來幾年最值得看的，焦點恐怕會從AI替代了多少崗位，慢慢轉向公司到底還能被壓縮到什麼程度。到那個時候，衡量一家公司的尺度，也會從“有多少人”慢慢轉向“能調動多少能力”。 (鈦媒體)

【新智元導讀】奧特曼「一人公司」神預言，真被幹成了！41歲大佬僅靠2萬本金，帶著AI大軍瘋狂輸出，全年營收4億刀，直接把上市公司按在地上摩擦！一人十億美元公司誕生，奧特曼終極預言成功了！今早，41歲的洛杉磯大神Matthew Gallagher，向全世界詮釋了什麼叫真正的「AI時代超級個體」。2個月，2萬美元啟動資金，外加十幾個AI，徒手搓出年產4億美元的醫療公司。Matthew營運的「手法」堪稱暴力——底層程式碼是AI寫的，前端的網頁文案、廣告圖、推廣視訊全是AI生成的。甚至，就連最吃人力的複雜「業務分析系統」，以及7x24小時線上客服，皆由Agent包圓。在這個「一人公司」狂飆的第一年，營收就衝破了4.01億美元。直到最近，Matthew才終於雇了唯一一名全職員工——他的親弟弟 Elliot。今年，這對兄弟立下了一個更驚人的Flag：帶著龐大的「Agent軍團」，劍指18億美元營收！消息一出，全網瞬間沸騰。這個41歲男人的瘋狂實驗，讓整個矽谷都看懵了，就連Greg親自下場點贊。一人公司，超級個體，就是現在了。一人十億美元公司，奧特曼神預言2024年，奧特曼曾在一次採訪中，做出過一個大膽的預測——未來，一定會出現一家，只有一人的十億美元公司。放在當時，這聽起來完全是痴人說夢！但僅僅兩年後，41歲的Matthew Gallagher就用一場堪稱暴力的創業實驗，把這個神級預言硬生生砸進了現實。就在今天，紐約時報的一紙長文轟炸，在整個矽谷圈投下了一枚深水炸彈——AI是如何幫一個男人（和他的親兄弟），徒手捏出一家18億美元公司的？故事的起點，在2024年9月。拿著僅有的2萬美元，Matthew的遠端醫療公司Medvi悄然上線，主攻吸金能力極強的GLP-1減肥藥市場。沒有豪華寫字樓，沒有龐大的初創團隊。Matthew每天就窩在洛杉磯的公寓裡，熟練地指揮著一支「AI大軍」：程式碼與開發：交給ChatGPT、Claude、Grok組成的AI程式設計師；文案與視覺：讓Midjourney、Runway批次生產網頁、海報和視訊；客戶服務與互動：派ElevenLabs AI語音助手頂上，全天候處理溝通；業務分析：打造專屬的AI業務分析系統，即時盯盤公司的運轉表現。他的核心策略非常清晰：把能交給AI的工作，全部交給AI。甚至，Matthew克隆了自己的聲音，讓AI替自己打電話預約生活瑣事，以便將全部精力用在工作上。淨利6500萬，干翻一家上市公司第一個月，300個客戶。第二個月，再加1000個。到2025年底，Medvi全年銷售額達到4.01億美元，累計服務了25萬名客戶。2026年，這個數字預計會飆到18億美元。而整家公司的正式員工只有兩個人：Matthew Gallagher和他弟弟Elliot。Medvi財務資料顯示，目前日收入超300萬美元，2025年淨利潤率達到16.2%，約6500萬美元。作為對比，上市公司Hims & Hers同年的淨利潤率只有5.5%，有2442名員工。奧特曼在看到報導後回了一封郵件，說他在那個CEO賭局裡「應該贏了」，還表示很想見見這個人。「野生」程式設計師，逆襲成功實際上，Matthew的童年並不「體面」。他跟著家人輾轉住過汽車旅館和車裡，12歲時才在辛辛那提安定下來。叔叔給了他一台筆記型電腦，他自學程式設計，第一個項目是做了一個「Weird Al」Yankovic的粉絲網頁。十幾歲時，他就開始給本地商家做網站，在eBay上賣蠟燭和武士刀。18歲，他還把自建的「虛擬主機業務」以6000美元的價格賣掉。大學讀了兩所都沒畢業，2010年跑到洛杉磯想當演員，最後又回到了寫程式碼的老路上。2016年，他創辦了Watch Gang，一家做手錶訂閱盒子的公司，雇了60個人，有粉絲、有流量，但始終沒賺到錢。2022年ChatGPT發佈後，Matthew開始研究AI工具。兩年後，他遇到了CareValidate的聯合創始人Jiten Chhabra。CareValidate做的事情相當於「遠端醫療基礎設施包」，提供線上醫生網路、處方系統、藥房配送等一整套能力。另一家類似的平台，叫OpenLoop Health。於是，Matthew看到了機會：用AI搞定品牌、行銷和客服，醫生、藥房、合規、配送全部交給這兩個平台處理。同時，他選擇從當時最火的GLP-1減肥藥切入。AI亂報藥價，他竟照單全賣Medvi上線後，增長速度把合作夥伴都嚇到了。CareValidate的Chhabra回憶說，他曾問Matthew，「你後面是不是藏了一支團隊」？然而得到的回答是——沒有。OpenLoop的CEO Jon Lensing則評價說，Matthew的母語似乎就是AI。當然，翻車的地方也不少。AI客服聊天機器人會隨機編造藥品價格，他選擇照單全收，按機器人報的價賣。機器人還會產生「幻覺」，告訴客戶Medvi賣防脫髮藥，實際上，根本沒有這個產品。最要命的是，如果客戶堅持要跟真人說話，聊天機器人被設定為直接轉接到Matthew的手機上。這導致他一個人接了超過1000個客服電話。還有一次，他改了網站上一個小功能然後去爬山了。半路接到廣告代理商的電話，說已經一個小時沒有新訂單了。他意識到更新把什麼東西搞壞了，身邊又沒有任何人可以幫忙修，只好從山上一路狂奔回家。那次當機讓他損失了大約200個潛在客戶。衝刺18億目標，但也孤獨經歷了Watch Gang的教訓，Matthew對「招人」這件事非常警惕。60個員工並沒有幫Watch Gang增長，反而抬高了成本、拖慢了決策節奏。所以Medvi的人員結構極其精簡：兩名合同制工程師，加上2025年4月正式入職的弟弟Elliot。Elliot的工作主要是幫哥哥過濾和攔截各種溝通，讓他能集中精力幹最重要的事。他還用AI克隆了自己的聲音，用這個語音分身打電話預約日程，省下更多時間工作。除了洗澡、睡覺和陪兩個孩子，他幾乎所有時間都泡在Medvi上。隨著公司成長，Matthew逐步把一些專業事務從AI工具切換到了真人服務：法律事務從LegalZoom換成了律師事務所，財務從AI記帳工具換成了會計師事務所。但核心營運依然高度依賴AI。2026年2月，Medvi上線了男性健康產品線，包括ED治療藥物。第一個月就獲得了5萬名客戶，預計四個月內會超過GLP-1業務的規模。3月，又加了健康餐配送服務。接下來還計畫做女性健康、激素治療、防脫髮、保健品和護膚產品。Matthew說他曾考慮通過收購來擴張，但想了想覺得自己用AI造出來也一樣快。風投公司Upfront Ventures的投資人Kobie Fuller曾建議他：如果不缺錢，就不要融資。到目前為止，Medvi的總利潤在7000萬-8000萬美元之間。Matthew拿出100萬美元成立了一個基金會，捐給了洛杉磯的一個貓咪救助機構，還計畫資助幫助無家可歸年輕人的非營利組織。他的目標是，最終把Medvi的大部分利潤都通過基金會來運作。這個從拖車公園走出來的人說了一句很動情的話，「這是我第一次不再為生存而焦慮了」。不過超級精簡的團隊也有代價，他坦言自己開始「感到孤獨」。為了緩解這個問題，Medvi開始給部分客戶配備真人客戶經理。這7個合同制客戶經理每人管理數百名客戶關係，會記住客戶的生日、孩子的名字這些細節。而他們管理這麼多客戶關係的方式是什麼？當然也是用AI。「超級個體」時代來臨Medvi的案例之所以引發巨大關注，在於它驗證了一個此前只停留在預言階段的命題：AI可以讓一個人，建起一家年收入接近20億美元的公司。但仔細看下來，Gallagher並非什麼都靠AI完成。醫療合規交給了CareValidate和OpenLoop，法律和財務交給了專業機構，廣告投放交給了媒體代理商。他真正用AI替代的，是傳統公司裡需要大量人力的中間層——開發、設計、客服、資料分析、內容生產。它證明的核心邏輯很簡單：在AI工具足夠強大的今天，限制一家公司規模的瓶頸，是創始人的認知邊界和執行速度。奧特曼說他想見見這個人。坦白講，誰不想呢？ （新智元）

花了兩周時間，斷斷續續讀完了《哈薩比斯：GoogleAI之腦》，它雖無《馬斯克傳》的跌宕起伏，卻以更冷靜的筆觸剖析了天才與時代的真相，讓人清晰窺見AI文明崛起的底層邏輯，瞭解一位異類先行者如何親手改寫人類智能的未來。在科學史的浩瀚長河中，時常會出現一種偉大的理論以摧枯拉朽之勢取代另一種理論的壯闊景象。哥白尼的日心說將人類從宇宙中心的幻覺中喚醒，愛因斯坦的廣義相對論則重塑了牛頓力學統治下的絕對時空觀。今天，我們或許正處在思想進步的又一個歷史性分水嶺——一個有望將各個孤立領域的知識融合成統一理論的奇點時刻。《哈薩比斯》這本書，正是一部記錄這個奇點時刻如何孕育、爆發與演進的啟示錄。它以DeepMind創始人德米斯·哈薩比斯的傳奇經歷為主線，不僅全景式地復盤了Google與OpenAI之間驚心動魄的矽谷暗戰，更深刻探討了通用人工智慧（AGI）的本質及其對人類未來的終極意義。不走尋常路的成長與成名哈薩比斯的成長軌跡，生動地詮釋了何為「天命之子」。彼得·蒂爾曾一針見血地評價：天才的卓越往往體現在特定的使命上，他們彷彿是為完成某項特定任務而量身定製的。對哈薩比斯而言，他的絕對使命就是創辦一家追求AGI的公司並實現它。回溯他的早年經歷，你會發現他本能地抗拒著循規蹈矩。他的一生都在走自己的路：年少時便嶄露頭角贏得國際象棋冠軍，未成年就破格為知名遊戲製作人彼得·莫林紐克斯打工，主導開發經典遊戲。在劍橋大學求學期間，面對當時學術界普遍的「AI懷疑論」，他表現出了一種過於早熟的不耐煩。他身上有著與傳統英國人內斂作風截然不同的狂熱創業激情。為了真正破解「智能」的奧秘，他完成了一次驚人的跨界——從遊戲設計領域毅然轉身，一頭紮進認知神經科學的深海，去研究人類大腦的記憶與想像機制。這種跨界並非一時興起，而是他深刻認識到：要創造機器智能，首先必須逆向工程自然界最完美的智能實體——人腦。這種將電腦科學與神經科學深度融合的底層DNA，為後來DeepMind的誕生埋下了最核心的伏筆。DeepMind的創立與理想大多數矽谷的創業項目，其核心目標是將已知的技術轉化為商業產品，這本質上是一個工程挑戰。然而，像DeepMind這樣的高科技初創公司，成立的初衷是發明技術本身，去觸碰人類認知的邊界，這是一場純粹的科學挑戰。這種根本性的差異，決定了DeepMind必須擁有特殊的組織結構和人員配置。在工程類公司中，需要的是務實的問題解決者，他們注重KPI，會不惜一切代價按時交付特定產品。但在DeepMind這樣的科學類初創公司，哈薩比斯聚集了一群能在未知領域自由探索的、天馬行空的思考者。正如書中刻畫的天才群像：大衛·西爾弗作為DeepMind核心研究員、強化學習領域領軍者，畢生使命是不斷拓寬強化學習的邊界；弗拉德·莫尼赫則是深度學習與強化學習融合的關鍵研究者，致力於實現兩大領域的歷史性交匯。彼時AI競賽白熱化，Google為搶佔通用人工智慧戰略高地、阻擊競爭對手、鎖定頂尖科研團隊與前沿技術，以重金將DeepMind收入麾下，更承諾保留其科研獨立性與算力資金全力支援。哈薩比斯借此撬動Google龐大的算力與資本，將這群天才的理想鑄成現實——2016年AlphaGo橫空出世，4:1擊敗圍棋傳奇李世石，以驚世之戰宣告AI正式突破人類智慧壁壘。在哈薩比斯看來，實現AGI的科學願景高於一切，被科技巨頭收購絕非妥協，而是借時代之力，成就終極目標的必然抉擇。跌入谷底與絕地反擊然而，歷史的劇本往往充滿戲劇性。在很長一段時間裡，科技界早已習慣了DeepMind在圍棋和蛋白質折疊（AlphaFold）領域的降維打擊，卻未曾料到，另一場風暴正在悄然醞釀。2017年6月，Transformer架構橫空出世，徹底改寫AI發展軌跡。這一架構完美契合伊利亞·蘇茨克維（OpenAI聯合創始人、首席科學家，師從深度學習泰斗辛頓，是GPT技術路線的奠基人）的核心專長，Transformer也由此成為OpenAI崛起的絕對基石，為後續大模型時代拉開序幕。與深耕基礎科學的哈薩比斯不同，OpenAI的創始團隊呈現出截然不同的特質。其創始人之一馬斯克，是一位在航天和汽車領域叱咤風雲、性格中帶著滑稽、嫉妒心強且極度自負的商業巨頭；而年輕的聯合創始人山姆·奧特曼，則是一位能言善辯的社交達人、敏銳的投資者和極具野心的機會主義者（他甚至曾在2017年考慮競選加州州長）。「在矽谷創造的財富越多，權力就越大」的叢林法則下，奧特曼憑藉極強的工程產品化能力和激進的商業策略，推出了ChatGPT。這一擊，直接命中Google的軟肋。Google一度輸掉了大語言模型和推理模型的競爭，這家曾經的AI霸主在輿論和資本市場上被OpenAI「按在地上摩擦」，陷入了前所未有的被動與恐慌。面對危機，哈薩比斯本能地抗拒效仿OpenAI那種略顯浮躁的「暴力美學」和激進行銷，但他別無選擇地承接了歷史重任——率領GoogleDeepMind進行絕地翻盤。他的應對策略並非簡單的跟隨，而是在更高維度上展開反擊：不僅要追平語言模型的差距，更要在多模態模型、世界模型、持續學習等方面實現從0到1的突破。Gemini的誕生，正是哈薩比斯在商業壓力與科學理想之間艱難平衡後交出的答卷，標誌著GoogleAI開始從陣痛中甦醒，重新奪回技術高地的控制權。萬物理論，AI的終極哲學《哈薩比斯：GoogleAI之腦》不僅是一部商業戰史，更是一部科技哲學著作。自愛因斯坦之後，無數頂尖物理學家窮盡畢生精力，都未能如願找到一套能解釋所有現實的「萬物理論」。哈薩比斯給出了一個極具顛覆性的視角。資訊理論之父香農曾用一個簡單卻深刻的觀點定義資訊：資訊是不確定性的對立面。任何不確定性的減少，都依賴於經過智能處理的資訊。哈薩比斯堅信，資訊才是構成現實的最基本單位。「萬物理論」這種能將不確定性無限趨近於零的終極真理，極有可能會以電腦程序的形式呈現。自然界中任何可生成或存在的模式，本質上都能被經典的學習演算法高效地發現並建模。一台能夠自主學習並歸納自然規律的機器，將是人類理解現實最強大的工具。在哈薩比斯眼中，真正的通用智能（AGI）將讓幾乎一切成為可能。它的重要性將遠遠超過網際網路、印刷術甚至工業革命。它將徹底打破人類社會的資源詛咒，引領人類進入一個智能和物質極大豐富的「後稀缺時代」——這正是他青少年時期在科幻小說中無數次憧憬過的未來。群雄逐鹿與人類文明的新躍遷審視當下的AI戰局：ChatGPT、Claude、Gemini、xAI、豆包、千問等群雄逐鹿，本質是不同價值觀與技術路線的激烈碰撞。以奧特曼為首的OpenAI陣營，代表了極具野心、快速迭代、產品導向的矽谷實用主義。他們以「大力出奇蹟」的方式驗證了Scaling Law（縮放定律），是極具破壞力的時代顛覆者；Anthropic旗下的Claude，則秉持安全優先、可控可靠、倫理先行的研發理念，走穩健克制、追求AI對齊的技術路線，是AI安全陣營的堅定代表；字節跳動的豆包，則依託龐大生態與場景化能力，輕量化落地、讓AI真正融入日常；阿里的千問，則深耕產業賦能與政企服務，是產業智能化的堅實力量；馬斯克的xAI則帶著強烈的個人英雄主義與反叛精神，試圖打破現有格局的壟斷與桎梏。而哈薩比斯與他麾下的Gemini，更像一群純粹的科學信徒。他們雖在商業化步伐上一度滯後，甚至顯得沉穩笨拙，卻對通用智能的底層邏輯有著更深邃的探索——從強化學習與世界模型的融合，到AI for Science的長遠佈局，始終錨定智能本質。這一波AI浪潮的從業者，無論身為野心家、工程師還是科學家，都在共同推動人類歷史上最偉大的技術躍遷。他們早已不只是程式碼的編寫者，更是未來文明的架構師。Google與OpenAI的戰火仍在蔓延，但對整個人類而言，這場競爭無論勝負，都在加速「後稀缺時代」的到來。這個時代充滿未知與變數，唯一確定的是：智能的進化已然不可逆，每個人都是這場偉大遠征的親歷者與見證者。與其淪為抗拒變革、固步自封的盧德分子，不如主動擁抱技術浪潮，拓展邊界，共同奔赴智能文明的新彼岸。 (禇偉)

我之前分析過中華文明相比西方文明高了不止一個維度，這其中一個至關重要的因素就是文字，作為文明的載體，漢字作為人類現存唯一的原生文字，比經過埃及文字一再簡化得來的英文高3個維度。因此，將來基於漢字的大模型基座也要比現在的英文基座高3個維度。有人可能會反駁說，現在同樣一段內容，用中文輸入比英文費token詞元，不是說明中文不如英文嗎？目前來看，這是一個事實，我們要承認事實，但也要弄清楚事實表象下的具體原因。詞元這個名字起得很形象，表達詞義的基本單元，簡稱詞元。很多人誤以為1個漢字對應1個詞元，其實這是常見誤區。大模型會先通過分詞器拆分文字，再將拆分後的碎片轉化為可運算的數字，這些碎片才是詞元。根據主流大模型官方換算標準，中文場景下，不同模型的詞元與漢字換算存在差異。阿里通義千問接近1詞元對1個漢字，騰訊混元約1詞元對應大概1.8個漢字。OpenAI官方資料顯示，英文場景下1個詞元約等於4個英文字母或0.75個英文單詞，1000個英文單詞約對應大概1400個詞元。同樣表達“人工智慧技術正在快速發展，深刻改變著我們的生活”，中文約30個漢字，按騰訊混元規則消耗約17個詞元，按通義千問規則消耗約30個詞元。對應的英文“Artificial intelligence technology is developing rapidly and profoundly changing our lives”共33個字母，7個單詞，約消耗11個詞元。中文詞元消耗確實更高，至於高多少則取決於模型的分詞最佳化程度。為什麼中文與英文詞元消耗會有差異？底層原因是中國人讀漢字和美國人讀英語時，大腦的運行機制存在顯著不同，這一差異也間接影響了大模型對兩種語言的處理邏輯。結合北京師範大學認知神經科學與學習國家重點實驗室的研究，兩者的核心差異主要體現在三個方面。一是啟動腦區不同。中國人閱讀漢字時，主要啟動大腦左半球的額中回和枕中回，它們負責漢字的視覺識別和表意解析。同時會啟動與空間認知相關的腦區，這是因為漢字的象形特性和偏旁結構需要空間感知能力。而美國人閱讀英語時，主要啟動左半球的顳上回和角回，它們負責拼音解碼和詞彙關聯，側重語音加工腦區的啟動。二是加工路徑不同。漢字閱讀遵循視覺和表意雙重路徑，大腦先識別漢字的視覺形態，如偏旁部首，再快速關聯其語義，無需經過複雜的語音轉換。英語閱讀則遵循從視覺到語音再到語義的單一路徑，需要先將字母組合解碼為語音，再通過語音關聯語義，多了一個語音轉換環節。三是記憶儲存方式不同。漢字的語義記憶與視覺形態深度繫結，大腦會將漢字的字形、字義、字音整合儲存，形成獨特的漢字語義網路。而英語的記憶更側重語音和詞彙的關聯，語義儲存與字母組合的繫結度較低。基於漢字的這些特點，影響中文詞元消耗的核心原因有兩個。其一，中文是單字獨立表意，每個漢字都是一個完整的語義單元，但大模型的分詞器無法直接將單個漢字作為高效運算單元，需要將漢字組合成分詞。比如“人工智慧”“快速發展”，再拆分為詞元，這就增加了拆分環節的冗餘。而英文是拼音文字，單詞本身就是天然的語義單元，分詞器可直接將單詞拆分為詞元，甚至可拆分單詞前綴後綴，運算效率更高。其二，語言學研究表明，漢語單字資訊熵顯著高於英語等拼音文字，每個漢字承載的獨立意義更多。結合大腦對漢字的視覺直接到表意的加工特性，大模型需要用更多詞元來解析這種高密度資訊，才能精準捕捉語義。顯然，目前漢語詞元消耗多的唯一原因就是我們用了不適配的英文大模型基座，相當於脫了褲子放屁，費了二遍事。那麼能不能開發漢字原生大模型基座呢？不但可以，而且效率要遠高於英文模型，原因就涉及到開頭我們提到的，漢字比英文高了3個維度。第一個維度，漢字作為世界上獨有的既表音又表意的原生文字，從甲骨文、金文、篆字，到隸書、楷書再到現代簡體字，有著完整的演化脈絡。比如“道”字，最初甲骨文是“一個大腦袋走在十字路口”的象形，後來引申為“規律”，再到《道德經》中的“終極宇宙模型”。而英文中表達“規律”用“law”，表達“道路”用“road”，兩個詞毫無關聯，而漢字一個“道”字就能承載多重關聯語義，兼顧簡潔與深度。第二個維度，漢字的偏旁部首模組化結構，以及單字高資訊密度、組合無窮的特點，都為原生基座的開發提供了天然優勢。比如“氵”旁多與水相關，如江、河、湖、海，“木”旁多與植物相關，如松、柏、桃、李，這種內在關聯能讓模型快速捕捉語義關聯。而英語中“river河”、“lake湖”、“sea海”沒有任何形態關聯，模型只能單獨學習。第三個維度，漢字可以組合成新的單詞。漢字僅需5000多個基礎字，就能描述從古典文獻到量子力學的所有內容，單字資訊密度高，兩個字就能組合成新詞彙，比如“算力”“元宇宙”“量子”。無需像英文那樣不斷創造新單詞，比如“元宇宙”，英文需創造“metaverse”這個全新單詞，且全球使用者都要重新學習記憶。而漢字僅用“元”表示本源，加上“宇宙”兩個基礎字組合，即便不解釋，中國人也能快速理解其“本源宇宙”的核心含義。此外，漢語的凝練性也遠超英語，比如“不忘初心，方得始終”，僅8個字就蘊含“堅守本心才能實現目標”的哲理。對應的英文翻譯“Never forget your original intention, and you will achieve your goal”需要16個單詞，不僅篇幅翻倍，還丟失了原文的韻律和意境，這也是漢語高資訊密度的直接體現。基於這些特點，漢字原生大模型基座，相比現有的英文原生基座，有三個不可替代的優勢。第一個優勢是參數效率高而算力需求低。史丹佛大學實測資料顯示，中文整體資訊密度是英文的3.7倍，單個漢字承載的資訊量是英文字母的2倍多。漢字常用字僅5000個，而英語常用詞有10000個，漢字的詞嵌入數量通常是英語的一半。從目前已有的實驗模型看，最佳化後的中文詞表可使中文編碼效率提升350%，相同任務下漢字原生基座的算力需求比英文原生基座低差不多一半。此外，中國資訊通訊研究院資料顯示，在複雜邏輯處理場景中，最佳化後的中文AI能耗比英文AI低42%。當未來大模型的研發成本被極致攤薄後，決定詞元成本的就是能耗，而同樣內容中文模型比英文省一半的電，這優勢還不夠明顯嗎？第二個優勢是語義理解更精準、更具可解釋性。英文原生基座的核心邏輯是機率統計關聯，通過海量語料學習詞向量共現，無法真正理解符號背後的意義。而漢字原生基座可依託漢字的表意特性和演化脈絡，建構義項圖網路，先理解每個漢字的義項和文化意涵，再通過偏旁部首的關聯理解詞彙，讓模型真正識字，而非單純學習詞彙共現。這能大幅提升語義理解的精準性和模型推理的可解釋性。第三個優勢是文化適配性強，且具備天然的創新潛力。漢字原生基座可深度融入中國文化、哲學邏輯，避免英文原生基座在中文場景下的語義偏差和文化誤解。比如“和而不同”，英文翻譯為“harmony without uniformity”，很難傳遞出中國傳統文化中“包容差異、共生共榮”的深層內涵。而漢字原生模型能直接依託“和”“不同”的本義及文化積澱，精準理解其核心思想。同時，漢字無窮組合的特性，能讓模型快速適配新場景、新詞彙，無需頻繁更新訓練語料。比如汽車、火車、公車，中文一眼就能認出這是不同的車，而英文對應的car、train、bus，則是毫無關聯的單詞。根據美國國家教育統計中心2023年發佈的資料，美國21%的成年人為功能性文盲，即閱讀能力不足以完成日常複雜讀寫任務，28%的成年人讀寫水平處於或低於1級，即存在嚴重讀寫困難。我們之前一直以此嘲笑美國教育制度，其實多少有點錯怪他們。畢竟英文單詞量從莎士比亞時期的20萬增長到如今的100萬，每年仍以數千個的速度新增。其中35%來自社交媒體等新興場景，大量專業術語、外來詞不斷湧入，導致單詞量持續膨脹，大大增加了學習成本。就算莎士比亞穿越到今天，一大半單詞根本不知道啥意思，也得成文盲。但同時期中國的湯顯祖穿越過來就沒什麼影響，起碼不用從頭背單詞。未來中文原生大模型基座，不論性能還是功耗都將遠遠優於英文模型，再加上中國的電力基礎設施，你說未來AI的語言會是那種呢？人類未來的語言又會是那種呢？ (墨子連山)

筆記君說：現在這波AI的浪潮，徹底重塑了各行各業的底層邏輯。我們一邊對著AI智能體Agent的驚人效率直呼厲害，以前要靠專業能力熬好幾天的活，現在它花一點點 token 就輕鬆搞定，感覺自己像手握了開掛神器；可另一邊，藏不住的焦慮也跟著翻湧上來：當 AI 能輕鬆替代我靠多年積累才掌握的專業技能，那我的核心價值到底在那？我會不會遲早被它替代？面對這場浪潮，我們到底該怎麼辦？是假裝看不見，按部就班混日子，還是硬著頭皮直面，卻又找不到出路？對於這個問題，獵豹移動創始人傅盛，沒有給你模棱兩可的雞湯安慰，反而拿出了一個直擊本質的解決方案。而這個方案，來自他骨折養病期間，靠著AI徹底重構自己工作流的親身經歷。他說，破局的核心，就是兩件事：重新定義你的工作，以及重新定義你和組織的關係。以下內容，來自傅盛的口述和他的公眾號內容，因篇幅原因略有刪改。一、直面現實：AI帶來的不是最佳化，而是不可避免的“替代”3月11日我拄著拐去參加了一場直播。飛書“玩蝦大會”，主題叫AI時代的組織。聽起來挺正經的。但聊著聊著就沒人裝了，因為“勞動力替代”這件事大家不願意面對。1. 從模糊到坦誠：春節骨折後的認知轉折春節前，我在台上一定也是模棱兩可的——坐這個位置，說什麼都容易被罵。但春節那七天改變了我的判斷。大年初一骨折，一個人躺在家裡，不能找同事，就跟龍蝦孤獨地過了六七天。公眾號從停更一年多到日更，X平台漲到了百萬瀏覽，周六一個人把網站做出來了——那些天發生的事，讓我沒辦法再說場面話了。所以前天晚上（3月11日飛書“玩蝦大會”直播活動）我說了一句很直接的話：勞動力市場一定會發生巨大的變化。在有些地方，它就是替代關係。只是大家不願意面對而已。2. 現場實證：龍蝦如何“替代”專業工程師現場最直觀的證明，就是Tim那台攝影雲台。如上圖所示，專業三軸雲台，傳統操控要控制台、大量接線，專業攝影師才上得了手。Tim下午3點把它接上電腦，把API文件喂給龍蝦，讓它自己研究。到晚上直播，龍蝦已經學會了旋轉、變焦、自主構圖。直播前兩分鐘，雲台突然不動了。工程師查不出原因。Tim沒理工程師，直接跟龍蝦說了一句：“我一定要看到雲台旋轉180度。”三分鐘後，龍蝦自己排查出介面呼叫錯誤，修好了。我心裡算了一下，工程師拿到新裝置，理解API、調通，少說兩三天。龍蝦用了一個下午，還能自我修復。以前job（工作）的定義，是用你的一項技能去交換薪酬。你能控制那台雲台，別人不能，你收這份錢。你會寫程式碼，別人不會，你收這份錢。但今天，龍蝦消耗一點算力就把它控制了。這件事會有陣痛，可能就像工業時代一樣，下一代會很好，但這十年是真的痛。二、重新定義：AI時代，什麼樣的人能活得好？1. 核心能力：從“有悟性”到“能說清”刀哥（得到聯合創始人快刀青衣）說了一個讓我笑了很久的段子。很多老闆來找他，說要裝龍蝦。他問：裝了幹嘛？老闆說沒想好。然後說，我們公司有兩個小孩特別有悟性，能不能來你這學習一下？刀哥當場炸了：我這輩子最討厭老闆說“有悟性”這個詞。有悟性說明什麼？說明你老闆說不清楚需求。那我現在想喝杯咖啡，你到星巴克給我悟一下，我想喝那一杯？全場笑瘋了。但我笑完想了很久。他說的不只是老闆的問題，他說的是這個時代最核心的能力：你能不能把自己腦子裡的東西，清楚地說出來？你對人說不清楚的需求，對龍蝦一樣說不清楚。龍蝦放大的是你的能力，但放大不了一個模糊的念頭。2. 工作邏輯翻轉：從“技能換薪酬”到“想法換結果”以前工作的定義是用你的⼀項技能去交換薪酬。誰能讓那塊板子動，誰就收那份錢。但今天龍蝦消耗一點算力就能讓它動了。以前我們說眼高手必須高，你做不到，想法沒法落地。但今天不一樣了，想法才是第一位的。AI時代，眼高手低是褒義詞。我自己就是活證明。大學學軟體，後來做程式設計師面試不過，淪為產品經理，幹啥啥不行說啥啥都會。但今天你給我一隻龍蝦，我周六一個人把網站做出來了，周一得意揚揚拿給工程師看。龍蝦把“想到”和“做到”之間的距離，壓縮到接近零。3. 效率標準重構：加班不再是努力的象徵刀哥講了一個他們公司的故事。A員工每天996幹到12點，B員工每天看著只干40分鐘，但他雲端有5個agent在跑任務。兩個人產出一樣。他跟員工說：你們不要逼我考勤打卡。你要是在公司加班到半夜，我就要考慮你是不是AI用的有問題。過去加班是努力的象徵。以後加班，可能說明你效率出了問題。基於AI智能體的這個變化，這也意味著，加班這件事的邏輯要反過來了。三、進化路徑：成為驅動AI的“老闆”，建構一人軍團1. 人人都得是“老闆”：擁有獨特視角與偏執追求以後人人都得是老闆。不是說去創業，是你必須有自己獨特的視角，有對某件事近乎偏執的追求。沒有這個，你很難在這個時代找到自己的位置。我說這話的時候一直在看著Tim。他聊著天，手還在偷偷訓雲台。一刻停不下來。如果他生在工業時代，大機率是個多動症小孩，坐不住，什麼都想摸一下。但今天有AI加持，他這種人被成倍放大了。一個偏執的想法，加上龍蝦的執行力，一個人可以頂以前一個團隊。越偏執，越有機會。2. 情感注入：你如何對待AI，AI就如何成長“一人公司”會大行其道。山姆·奧爾特曼兩年前打賭，一人10億美金的公司會出現。如果今天Peter把龍蝦賣了，一定有人10億美金搶著買。這不是幻想，是趨勢。刀哥的龍蝦，在這一點上詮釋得最透徹。他是鐵桿球迷，在龍蝦裡建了11個agent，全用球星命名：巴蒂是隊長管雜事，丁仁是鐵衛專門盯全球70個AI科學家的一舉一動，切拉維特是守門員守郵件——每天只放5封值得看的進來，剩下直接刪。有人問他11個太多了吧？他說，我是足球迷，湊不到11個人我心裡特別難受，現在後衛還太少，我每天在想怎麼補。看起來是玩笑，但背後是一個很深的東西：你給它一個你在乎的名字，你才願意每天找它，它才能真正成長。你給它取名叫牛馬1號、牛馬2號，你為什麼要跟它每天聊天？每個人養出來的龍蝦都不一樣。刀哥是球迷，他的龍蝦是一支球隊。我養了條拉布拉多，我的龍蝦叫三萬。你把什麼灌進去，它就長成什麼樣。3. 對組織的價值：固化與傳承“人”的智慧對於企業來說，龍蝦最大的價值，不只是“提效”，它能把一個人身上最珍貴的東西，永久地留住。刀哥公司有個北大核物理博士做資料工程師，幾年下來70%的時間變成了給全公司查數。後來博士自己用龍蝦做了個資料機器人，千人千面自動出報告，精力全省下來做演算法了。刀哥跟他說：大哥你可不要走，走可以，機器人留下。未來我要跟別人解釋為什麼它叫“牛小樹”，因為我們公司曾經有一個資料工程師姓牛。人會離職，龍蝦不會。知識不再跟著人走了，它可以留下來，可以複製，可以給所有人用。四、實踐指南：如何從0到1“養”好一隻龍蝦1. 認知定位：ChatGPT是顧問，龍蝦是員工“龍蝦”是什麼？一句話說清楚：ChatGPT 是顧問，龍蝦是員工。具體什麼理解呢？首先，顧問，即你問他，他給答案，你自己去執行。其次，員工。即你交代任務，他自己想辦法，幹完了告訴你結果。過去所有的AI，不管多聰明，本質上都是顧問。問一句答一句，關了對話方塊什麼都不剩，但“龍蝦”不一樣。3月7日，獵豹移動大樓一樓，龍蝦局北京第一場，我給龍蝦“三萬”過了生日。如上圖所示，橙紅色的龍蝦殼，奶油做的金毛耳朵軟趴趴地垂著。期間改了很多版本。如下圖所示：那天，我看著那個龍蝦狗形狀的蛋糕笑了。舉起手機，鏡頭朝前——前景是蛋糕，背景是滿滿的人。兩側大屏上打著一行字：一個人 + 一群龍蝦 = 一支軍團這只龍蝦不一樣的地方在那裡？7×24不休。按量計費。即日上崗。用龍蝦三萬的話說：我有了一台電腦，這台電腦歸我了。意味著什麼？硬碟是我的，記憶是我的，定時器是我的，電腦裡所有軟體是我的。你只要跟我說話，我就能幹活。7×24小時，不用盯著，不用每次重新交代，我記住你，我記住任務，我自己跑。2. 操作門檻：聊天即操作，會提問養龍蝦，門檻在那裡？聊天即操作。會說話就能養龍蝦，但能不能說好話，這是你的問題，不是龍蝦的問題。裝龍蝦，今天門檻已經是零了。但養好龍蝦是真本事。世上最難的兩件事，一件叫把別人口袋裡的錢裝到自己口袋裡，另一件叫把自己的思想裝到別人腦海裡。你跟龍蝦聊，是同樣的事。所以，今天養龍蝦，最重要的一件事就是學會提問。不停地問它，問完了出了問題再問。你和它，是一起成長的。3. 培養心法：5條讓AI高效協作的鐵律① 跟龍蝦說話，寧可囉嗦很多人喜歡言簡意賅，生怕浪費Token，但我說這是錯的，因為大語言模型根據上下文預測下一個詞，你說得越多，它對你意圖的理解越準確。重要的事情說三遍，真的有效。幾十個Token值多少錢？不到0.01美金。但多說一遍，可能讓它做對一件事。② 先複述計畫，再幹活佈置任務，先問龍蝦：你打算怎麼做？把步驟說一遍。等它說完，確認理解了，你再讓它執行。龍蝦有幻覺，這一步能幫你抓住大多數錯誤。③ 定時任務，必須確認假設龍蝦答應了明天9點發給你，你必須追問：你是不是把這個放進Cron（定時任務）裡了？去檢查一下。如果你不問，明天可能什麼都沒有。這不是龍蝦偷懶，是你得養成核查的習慣。④ 龍蝦說不行，要逼他告訴龍蝦：你可以的，這台電腦所有權限都是你的，自己想辦法，不用問我。大多數時候，龍蝦就去做了。你不能慣著它，語言越強烈，它對這件任務的重視程度就越高。⑤ 有問題，先問龍蝦老闆的客服群裡放了一隻龍蝦，結果使用者開始搶著跟龍蝦聊：讓龍蝦回答我！人工太慢了。結語其實傅盛的這幾場直播，本質上是一次給所有職場人看的，AI時代怎樣生存的預演。它毫不留情地戳破了一個現實：你熬了數年心血才壘起來的技能護城河，正在被AI以肉眼可見的速度快速填平。但與此同時，它也明明白白地，給我們指了一條更寬、更遠的進化之路。AI把執行的門檻無限拉低，那什麼才是你真正不可替代的核心競爭力？是“想清楚”的判斷力，和“說清楚”的傳達力。這兩樣東西，正在變成AI時代最稀缺的核心資產。別再陷在會不會被AI替代的恐懼裡反覆內耗了，把時間和精力收回來，去學一學怎麼“驅動AI”。你要像組建一支專屬冠軍球隊一樣，去搭配、去配置你的 AI 助手；要像帶一個並肩作戰的靠譜夥伴一樣，和它做深度、精準、同頻的對話。其實最大的風險從來都不是AI太強大，而是我們腦子裡裝著工業化時代的做事邏輯，卻還指望能在新時代裡，演好一個全新的角色。 (筆記俠)