上周的文章130 GB 記憶體……Claude Code 又崩了裡，我提了一下正在招人，沒想到還真收到了兩份簡歷。還有五六個人來諮詢，問我在招什麼人？做什麼事？團隊畫像什麼樣？……這裡挑幾個問題簡要說一下，也順便招人：1 . 都 AI 時代了，為什麼還要招人？讓 AI 來幹不行嗎？當然需要人。一方面是面向使用者：需要去洞察問題和機會、找到最合適的解決路徑、去獲取真實的使用者反饋，目前確實還需要人，AI 還不太行，當然會用但不能全聽它的。另一方面是面向 AI：程式設計確實不再是瓶頸了，但如何去給 AI 下發任務、驗收結果，還是需要人的。當然，我們做了很多自動化收集 issue，AI 自己開 branch、自己開發、自己提 pr、多 agent cross review、自己幹 test、ci 的工作（後面我可以 share 一下）……但離全 AI 化還有不小距離。還有就是，時機很重要，人多了，當然會有一些 context 切換而帶來的摩擦和損耗，但只要這個人的加入，能讓整體的結果更提前，那就是合適的。當然，摩擦損耗的程度也與個人的能力和團隊協作的機制有關。我不敢說現在已經是最優，但我會一直去審視和調整，最大化地減小損耗，最大化個人的能力釋放。2. 需要什麼樣的人？AI First：凡事先AI，找人之前先找 AI靠譜：事事有回應、問題終結者敏銳：能從混亂中找到規律，從不變中找到機會聰明：被認為比身邊大部分人聰明自信：自認為比身邊大部分人聰明不設限：❌：我是做……的，我不會……，✅：在 AI 加持下，我什麼都可以！全端：IC、有較好技術或演算法基礎、科班出身、暫謝絕純 vibe coder（除非有不錯的案例加持）以及，這個人的加入能提升而非降低團隊的平均水平3. 當前團隊畫像一半是 00 前後，也有 85 後清華、北航、國防科大等字節、網易、阿里、特斯拉等4. 團隊規劃現在不到 10 人，計畫每月 +5 人，年底 50 人爬蟲、演算法，工程、全端、AI Agent、……還有產品，不過其實，職能的邊界不會分得非常清楚5.  年齡有限制嗎？不太有，當然太大可能不太合適。兩個角度：年齡無關：靠譜的人老了依舊靠譜，不靠譜的人年輕時就不靠譜年齡有關：年輕人的成功經驗和和苦澀經驗都不多，慣性和約束也不多，會更願意試錯；所以新鳥老鳥都可6. 公司現狀0人民幣收入，都是其他幣種，涉及 100+ 國家已實現規模化盈利，國內頭部美元機構投資，輪次和金額就暫不透露了。7. 公司做什麼騎在模型廠商身上、而非躺在其身下的垂類 agent我的判斷是，模型廠商至少五年內不會做，也基本做不好。業務上先賣個小關子，具體的私信我簡歷，我再告訴你😆8. 工作和 AGI Hunt 公眾號有關嗎？無關。還真有不少人問我這個問題，還有主動問招不招編輯的……公眾號不招人，也沒這方面需求和預算，這就是我每天 20 分鐘寫點東西分享一下的號而已，佛系寫寫。9. 薪資薪資 open，基本沒上限，當然和小扎是完全沒法比的，這個要有預期10. 福利提供最好的模型和充足的額度。其他的你來提，我來滿足 (AGI Hunt)

在全球資本市場緊盯 GPU 和高頻寬儲存器（HBM）的同時，NAND 快快閃記憶體儲器正悄然崛起，成為 AI 時代不可或缺的基礎設施資產。摩根大通（JPM-US，簡稱小摩）亞太區科技團隊在近期發佈的研究報告《半導體：NAND——更長、更強的上升周期》中指出，NAND 已進入由 AI 推理全面驅動的全新超級周期，其影響力可能超過以往任何一輪由消費電子推動的周期。過去 20多年，NAND 市場一直受供需波動影響。技術進步降低了成本，但廠商擴產又容易導致價格崩盤。小摩分析顯示，NAND 市場年均潛在成長率過去多在 7%～12% 之間，但預計 2025～2027年，這一數字將躍升至 34%，呈現前所未有的“斷層式”增長。更重要的是，這次增長不是單純靠出貨量堆積，而是“量價齊升”。小摩預計，今年 NAND 混合均價將上漲 40%，到2027 年價格仍能維持高位，僅小幅回落 2%。為什麼AI 推理能成為 NAND 的轉折點？關鍵在於推理階段的特殊需求：訓練階段強調算力和頻寬，HBM 無可替代；推理階段需要即時處理使用者指令，高速調取模型參數，延遲和上下文處理能力至關重要。隨著模型上下文擴展，GPU 內建 HBM 容量已捉襟見肘，行業開始引入 KV Cache Offloading 技術，把部分中間資料解除安裝到外部儲存。這讓企業級SSD（eSSD）從傳統“資料倉儲”升級為 AI 架構中的“二級儲存”，需求迅速增長。2024 年 eSSD 出貨量同比下降86%，刷新自 2012 年以來的紀錄。未來，AI伺服器單機儲存容量預計將超過 70TB，是普通伺服器的兩倍以上。到明年，eSSD 有望佔全球 NAND 需求總量的 48%，超過智慧型手機的 30% 和PC 的 22%，成為第一大應用場景。同時，HDD供應緊張也助推 NAND 上位。Seagate 和 Western Digital 因前幾年市場低迷大幅削減資本支出，導致大容量 HDD 交貨周期延長至兩年以上。面對“有貨優先於低價”的 AI 資料中心規則，客戶紛紛轉向 NAND，尤其青睞性價比提升的 QLC（四層單元 NAND）。雖然SSD 單位成本仍是 HDD 的 6～8 倍，但在能效和空間利用上優勢明顯，適合高密度 AI 資料中心。目前，SSD在“業務關鍵型”儲存領域滲透率僅 19%，還有很大提升空間。小摩估算，SSD 滲透率每提升 1%，即可為NAND 市場帶來約 20 億美元新增收入。值得注意的是，面對強勁需求和價格上漲，NAND 廠商並未盲目擴產。未來三年，產業資本支出佔銷售額比例將降至 15%～16%，遠低於過去十年的30%～50%，2018 年甚至高達 68%。原因在於技術瓶頸：NAND 堆疊層數已突破 300～400 層，刻蝕製程和晶圓應力控制難度極大，混合鍵合技術雖能緩解，但裝置昂貴且良率受限。市場預計，今年全球 NAND 晶圓產量僅增長 3%，而位元需求增速高達 21%，供需缺口將貫穿全年，支撐價格持續上行。原廠動作方面：鎧俠（Kioxia）：CBA 架構優勢明顯，BiCS 8 技術量產推動伺服器業務營收從 2023 年的 20% 提升至2027 年的 61%。SK 海力士（SK Hynix）：憑藉 Solidigm 在 QLC 和 eSSD 超大容量市場的統治力，以及 HBM 與 QLC 雙線優勢，長期看穩健。三星電子：雖然 QLC 佈局稍慢，但大產能和 V9 QLC 加速量產，有望收復失地，股價短期具備補漲潛力。美光（Micron）：推出 232 層 TLC 的 6500 ION 系列，以“性能接近 TLC、價格接近 QLC”的策略受益美國本土資料中心建設。雖然NAND 價格上漲過快，可能推高筆記本等終端 BOM 成本，壓縮品牌商利潤，消費者換機節奏或延緩。但小摩認為，這次由 AI 推理驅動的需求革命與供給剛性深度交織，構成真正的“超級周期”。NAND 已不再是 DRAM 的陪襯，而是 AI 體系中高速“熱資料”管理的基石。 (半導體脈)

最近我看了一條 Dan Koe 的視訊，主題大意是：如果你有很多興趣，不要在接下來的 2-3 年裡把時間浪費在“焦慮”和“內耗”上，而是把多興趣變成一條可以積累、可以複利的路徑。看完之後，我最大的感受是：他說得太透徹了——而且放在今天這個節點（AI 進入新一輪加速的階段），尤其有現實意義。我把他的核心觀點結合自己的理解，整理成一篇更適合中文讀者閱讀的轉述。也歡迎你看完後留言：你更認同那一點？你在這個時代最想建構的能力系統是什麼？1）工業時代需要“螺絲釘”，AI時代更需要“能自我進化的人”我們很多人的成長路徑，本質上仍然是工業時代的邏輯：上學→考試→拿證→進公司→在某個崗位上持續“專業化”→成為組織系統裡高效的一顆螺絲釘。這套路徑在過去有效，是因為那個時代的核心目標是規模化生產：組織需要可替換、可標準化的人力模組，越“專”、越“穩定”、越“可管理”，越能成為體系的一部分。但 AI 帶來的變化是：凡是能被拆解成流程、被標準化、被覆用的工作，都會越來越容易被自動化。當“執行層”能力被工具極大放大之後，個人真正的競爭力會往上遷移：從“會做”遷移到“會判斷、會整合、會表達、會持續產出”。換句話說：未來不只是“技能強的人”更強，而是“能持續學習、跨界整合、建構個人系統的人”更強。2）他提出的“三個自我”，是通才走向自由的底層結構Dan Koe 提到三個關鍵概念，我覺得是整條邏輯的骨架：① Self-education：自我教育（自主學習）你要能夠主導自己的學習，而不是只依賴學校或公司提供的內容。在一個變化越來越快的時代，如果學習只能靠外部安排，那速度一定跟不上現實。更重要的是：自我教育的核心不只是“學更多”，而是“為自己的目標而學”。你學的內容、節奏、輸出方式，都要圍繞你的長期方向服務。② Self-interest：自我利益（以己為本的長期選擇）這裡的“自我利益”不是狹義的自私，而是一個更成熟的概念：你要以自己的長期價值與人生目標為中心做選擇，而不是被環境、標準答案、外部期待牽著走。很多人痛苦，不是因為不努力，而是因為努力的方向是被“教育出來”的、被“體系需要”的，而不是自己真正在乎的。真正的動力，來自你願意為它長期投入的興趣與意義感。③ Self-sufficiency：自我自足（自立，不外包判斷）你不能把人生最關鍵的東西外包出去：判斷、選擇、行動力。工具可以外包，執行可以借力，但方向與判斷必須自己掌舵。當你同時具備這三件事：自主學習、長期利己、自立判斷，你的“多興趣”就不再是分散，而會變成一種結構性的優勢——通才的能力，會自然長出來。3）AGI時代最稀缺的資源：注意力（Attention）他還有一個非常現實的判斷：當 AI 讓“做東西”的門檻不斷下降——程式碼可以生成，內容可以生成，產品可以快速做出來——真正稀缺的反而不是“產能”，而是注意力與信任。你可以把產品做得再好，如果沒有被看見，沒有被理解，沒有被信任，它的價值就很難實現。而注意力是稀缺資源，並不會因為工具變強而變得不稀缺，反而會因為資訊爆炸而更加稀缺。這也是我越來越認同的一點：未來的個人競爭力，很大一部分會體現在——你能否長期建立影響力？能否持續吸引並留住注意力？能否積累信任與品牌資產？4）怎麼做才不陷入“學了很多但什麼都沒留下”的循環？很多多興趣的人，最容易陷入一種“自我安慰式學習”：刷教學、看乾貨、學新工具、收藏一堆方法論——當下感覺自己進步很快，但回頭發現：沒有作品，沒有輸出，沒有可展示的沉澱。他的建議（我也非常認同）是：不要把學習停留在“輸入”，要把輸入變成輸出 → 作品集 → 複利。你可以把路徑理解為兩條：路徑 A：技能導向（skill-based）學一項可交易技能 → 用內容表達與教學 → 形成產品/服務。適合希望快速建立收入閉環的人。路徑 B：發展導向（development-based）把自己當作長期項目來發展 → 圍繞自己建立品牌與內容系統 → 再長出產品與商業模式。適合多興趣、跨領域、希望走長線的人。其中我特別喜歡的一點是：你不一定要先捏一個“客戶畫像”再硬湊定位。你可以先幫助“過去版本的你”。你真正走過的路徑、踩過的坑、總結出來的方法，天然具有可信度，也更容易形成內容的獨特性。5）別把自己當平台的“打工人”：要把社交媒體變成你的“媒體資產”現在很多人做內容，最大的誤區是：追熱點、賭爆款、靠演算法吃飯。這樣做短期可能會有資料，但長期會很焦慮，因為不穩定、不可控、不可複利。更好的思路是：把平台當分發管道，把內容當資產，把輸出當系統。當你把系統建立起來之後——文章可以拆成短影片，短影片可以反哺長文，長文可以沉澱為系列，系列可以沉澱為方法論，方法論可以進一步長出產品或服務。這才是“複利”的開始。6）我為什麼特別認同：因為我正在做的事，和這條路徑高度契合去年開始，我嘗試認真寫公眾號：用 AI 做深度調查與報告，把資訊整理成更結構化、更可信、更可復用的內容；同時也做視訊號、小紅書。做著做著你會發現：現在的資訊噪音非常大——很多人並不瞭解，也在輸出；而真正的稀缺，是長期經驗、判斷力、以及把複雜問題講清楚的能力。我在日本生活多年，對日本的企業、工作、生活、投資這些話題相對更熟悉，所以更希望做一件事：把靠譜的資訊做成長期欄目，讓需要的人少走彎路。到今天，視訊號也快突破 1.5 萬粉絲。這個過程讓我越來越堅定：AI 時代並不是“通才沒用”，恰恰相反——當工具把執行門檻打平之後，通才的整合能力、跨界能力、表達能力，會變得更值錢。結尾：給同樣多興趣的你，一個可執行的行動清單如果你也興趣很多、也擔心分散，我建議先別糾結“終身定位”，先做三步：1. 選一個你願意長期研究的主題（它可以很大，但必須是你真的在乎的）。2. 固定節奏輸出：每周一篇文章/一條視訊/一份小報告——建立“持續交付”。3. 做系統，不做一次性努力：把輸出沉澱為系列，把系列沉澱為方法，把方法沉澱為產品/服務。最後送你一句我自己的總結：別急著把自己修剪成單線程的人。2026 這樣的時代，多興趣可能不是缺點，而是你最值得珍惜的結構性優勢。 (MAMIANA HOUSE)

曾與舊金山齊名的波士頓，如今只貢獻了區區千億美元科技市值，而灣區在二十年間累計創造逾十四兆美元。創業者 Will Manidis 指出，這並非偶然，而是稅制、監管、資本文化與“輸入至上”思維共振後的系統性崩塌。更危險的是，同樣的邏輯正在美國 AI 與矽谷重演，對全球科技版圖構成深遠警示。一、從“雙子星”到單極：一座科技之都是如何坍塌的？2004 年，如果問一位美國科技投資人「世界上最好的軟體公司在那」，標準答案只有兩個：波士頓和舊金山。二十年後，資料給出了殘酷對比：舊金山在這段時間裡孕育了約 14 兆美元的科技企業價值，而波士頓只貢獻了大約 1000 億美元。與此同時，原本被視作金融之都的紐約，反而在科技創業上後來居上，取代波士頓成為區域創新高地。這不是一場簡單的城市排名變動，而是一整個科技生態系統的衰亡樣本。尤其是對曾經熟悉歷史的人而言，這種反差格外刺眼。長達數十年裡，波士頓「128 號公路」沿線曾被視為軟體宇宙的真正中心：DEC 一度是全球第二大電腦公司，巔峰時期擁有 14 萬名員工；Lotus 幾乎以一己之力，把個人電腦帶入企業辦公；Akamai 則幫助搭建了現代網際網路基礎設施。再往源頭追溯，波士頓的「輸入條件」看上去幾乎完美：全球最頂尖的高等學府（如 MIT 與哈佛）；著名孵化器 Y Combinator 起家於此；Facebook 創始人馬克·祖克柏、Stripe、Cursor、Dropbox 等一長串明星創業者，都在這裡讀書或起步。按常識推理，這樣的城市似乎擁有一切。那它究竟是怎麼輸掉這場長期賽局的？創業者 Will Manidis 在一篇長文中給出了他的答案[7]：波士頓不是「輸在產品」，而是輸在系統性負反饋——當稅制、監管、資本文化與錯誤的發展觀疊加到一起，創造力被一點點榨乾，網路效應開始倒轉，最終連回頭補救的機會都沒有。二、三股力量如何聯手殺死一個創新生態在 Manidis 看來，波士頓科技生態的衰落，可以被歸納為三股簡單而致命的力量：（一）把企業當「提款機」的進步主義稅監環境第一股力量，是監管與稅制層面長期累積的「掠奪式」心態。美國聯邦層面早有針對創業股權的 QSBS 優惠政策，但馬薩諸塞州長期拒絕完全跟進，直到 2022 年才勉強對齊。而就是同一年，州裡又通過了所謂「百萬元富翁稅」，對高收入人群加征附加稅。這會帶來怎樣的實際激勵？同樣是賣掉一家估值 1000 萬美元的公司，在馬薩諸塞州，創始人要繳出大約 86 萬美元稅款；而在德州奧斯汀，州層面資本利得稅為零，創始人幾乎可以完稅後「全身而退」。更微妙的是，馬薩諸塞州還對 SaaS 收入徵收 6.25% 的銷售稅，而美國多數州對軟體幾乎不收這種稅。這意味著：在波士頓做同樣一款雲軟體，你不僅面對更高個人稅負，連每一塊收入都要額外「交保護費」。當政府把本應被呵護的早期科技企業，當作短期財政缺口的填補工具時，長期結果不會是「多收點稅」，而是企業和人才用腳投票——他們會遷往那些把創新當資產而非獵物的地方。（二）與精英機構深度勾連、難以自我糾偏的資本文化第二股力量，更難量化，卻同樣致命：一種無法被有效約束的資本文化。在 2010 年之後，波士頓本地部分風投機構的「主業」，在不少創業者眼中已經不再是幫助公司成長，而是通過各種複雜條款、暗箱操作和「圈子遊戲」來搾取創始人的籌碼與話語權。著名消費產品創業者 Nikita Bier 就公開表示，自己在 2017 年曾被一批波士頓投資人「聯手坑騙」，並行誓「再也不會與這座城市的資本打交道」[2][3]。問題在於，本來有能力制約這些行為的力量——大學捐贈基金、大型 LP、各類本地精英機構——卻和相關資本圈高度捆綁：他們在同一董事會、參加同一場晚宴、持有彼此的基金份額，最終沒有人願意站出來做那個「壞人」。結果就是一種無形的「信任稅」：好項目不敢在本地融資，擔心被「下套」；優秀創始人一旦有選擇，就會飛往更透明、更競爭性的資本市場；留下來的，往往是資訊不對稱最大、議價能力最弱的一批人。隨著時間推移，生態內部的平均道德水位被不斷拉低，劣幣開始驅逐良幣，整個城市的創業聲譽也隨之崩壞。（三）迷信「輸入」的科技發展觀：實驗室不是魔法土壤第三股力量，是一種在全世界普遍存在的誤判：認為只要堆足「輸入」，創新就會自然而然發生。在波士頓，這種邏輯被推演得尤為極端：我們有世界上最好的大學和醫學院；我們瘋狂建設實驗室和生物醫藥園區（即便今天其中約 40% 處於空置狀態）；我們吸引了全球一流的科研與工程人才。於是，當結果不如預期時，公共部門和地產開發商往往會問：「是不是還要再多建一點？再引進幾家名校研究所？」但一個真正健康的科技叢集，遠不止「硬體輸入」的堆砌。它需要的是：高信任度的創業–投資網路；尊重承擔風險、鼓勵快速失敗的文化；對長期回報有耐心的資本和制度環境。當這些「軟要素」被忽視，只留下校園與實驗樓時，所謂「科技中心」其實已經名存實亡。三、當網路效應反向運轉：一座城市是怎樣不可逆地衰敗的科技生態，本質上是由人、資本、知識和機會組成的複雜網路。一旦這張網被系統性破壞，後果往往是不可逆的。在 Manidis 的敘述中，這種崩塌大致經歷了幾個階段[7]：1. 人才網路先行瓦解先是中高端人才的「蒸發」。對一家希望從 25 人成長到 500 人的創業公司而言，是否能在本地找到經驗豐富的技術 VP，幾乎決定了公司能否跨越死亡谷。在舊金山，你可能有數百位候選人可以選擇；在波士頓，符合條件的人屈指可數，而且他們很快會意識到：去灣區可以拿到更高的薪酬與期權；生態更活躍，成功機率也更大。同時，最年輕的一代也用腳投票。每年夏天，本地高校的優秀畢業生紛紛「直飛西海岸」，不再把波士頓視為「默認選項」。2. 稅與監管「越收越緊」當真正創造稅基的高成長企業和高淨值人才開始遷出後，地方政府面臨的現實壓力只有一個：財政缺口擴大。在沒有足夠政治想像力的前提下，常見的反應是「對剩下的人收得更狠一點」——提高邊際稅率、延展稅基、增加各種名目繁多的收費與監管。這進一步降低了本地對新企業的吸引力，惡性循環由此形成。3. 灰色玩家登場，生態進入「詐騙模式」當優質資本和優質項目不斷外流，留下來的往往是兩類人：缺少選擇權的本地創業者；擅長在「資訊貧瘠、監管模糊」環境中牟利的灰色資本。他們會利用「地緣優勢」收取溢價：因為外地頭部機構懶得為了一筆種子輪飛來波士頓，本地資本就能以遠高於風險水平的定價拿下項目；通過各種「非市場化」甚至踩線的條款，對創始人施加壓力。一些原本起家於波士頓、後來遷往灣區的機構，也被指控依舊帶著這種「有組織的掠奪心態」行事。從那一刻起，這座城市在創業者圈子裡的口碑就不再是「科技之都」，而更接近於一個「高風險司法轄區」。更關鍵的是，正如 Manidis 所強調的，這類過程幾乎無法被簡單「立法逆轉」[7]：你無法用一紙法案，強行重建已經瓦解的人才與信任網路；你也很難在網路開始坍縮後，通過政策「冷啟動」一個新的生態。於是，波士頓科技生態的故事，最終走向了「先被加稅，再被掠奪，最後筋疲力盡」的結局。四、矽谷與美國 AI：正在排隊重演同一場悲劇？如果說波士頓的失敗只是區域層面的失誤，那麼接下來這道「迴響」就遠不僅是地方新聞了。Manidis 的判斷是：如今的舊金山與整個美國科技產業，尤其是 AI 產業，正在沿著同一條路徑前行，只是賭注更大、代價更高[7]。1. 把科技當「現金奶牛」的監管衝動在舊金山，本地選民與政治力量已經開始推動一系列針對科技與商業地產的激進政策：例如類似 Prop M 之類的「辦公面積限制」與各類用地配額；對空置辦公樓徵收特別稅，試圖用懲罰性措施逼迫資產重新配置。在短期財政壓力與民粹情緒的共振下，科技公司與資料中心正被越來越多地視為「天然應該被多收點錢」的對象，而不是推動就業、支撐城市長期稅基的引擎。這種心態一旦被寫入政策，就意味著美國最重要的創新叢集，開始走上和波士頓相似的軌道。2. AI 熱潮吸引了大量機會主義者AI 的繁榮吸引了海量資本和人才，也難免吸引了數量同樣可觀的「逐利者」。其中既包括簡單的投機炒作，也包括利用資訊不對稱和監管空白、在倫理和法律邊界遊走的參與者。和波士頓類似的問題正在顯現：本地精英機構與頭部資本高度交織，缺乏真正的外部監督；對內部問題的批評容易被貼上「不懂技術」「反對進步」的標籤，被迅速邊緣化；壞行為被容忍，久而久之成為文化的一部分。這種「自我神聖化」傾向，一旦與巨額經濟利益繫結，就極難糾偏。3. 「輸入至上」的幻覺：GPU 與大模型並不自動等於進步在 AI 領域，「輸入迷思」表現得尤為明顯：我們有全球最強的 AI 實驗室；我們掌握最多的 GPU 算力，甚至還能拿到聯邦政府採購的 GPU；我們擁有最前沿的大語言模型與巨頭公司。在這種自信下，很容易得出一個危險的結論：「只要資源在我手裡，這個行業就不會出問題。」但技術史一次又一次地表明，真正決定創新走向的，是制度、敘事和信任結構，而非硬體本身。當社會對一個行業的基本態度，從「希望」轉向「猜疑」時，任何外部衝擊（經濟危機、政治輪替、能源短缺）都可能觸發劇烈的政策反撲。五、缺位的「正當性敘事」：當技術失去為自己辯護的語言在 Manidis 看來，真正讓人擔憂的，並不只是可能失去多少 GDP 或市值，而是科技產業在國家敘事中的「合法性」正在一點點流失[7]。他引用的一些民調顯示，在不少普通美國人心中，AI 的主流形象正在變得非常負面：它消耗大量水和電，推高能源成本；它被騙子用來實施更複雜的詐騙；它為未成年人推送不良內容、博彩和各類上癮型應用。在這種話語環境下，如果有人提出「應該大幅限制甚至強力打擊這些技術公司」，選民完全可能投下贊成票。畢竟，在一個被感知為「零和」的世界裡，嫉妒與報復往往比長期理性更有號召力。我們之所以不會去「搶劫」污水處理廠或電網公司，是因為普遍理解：它們是維繫現代社會免於混亂的基礎設施，那怕運行成本高，也值得投入。但對於 AI 和更廣義的科技產業，普通選民並沒有形成類似的共識。按照 Manidis 的說法，技術本可以被塑造為「幫助人類逃離馬爾薩斯陷阱」的唯一可靠路徑——通過效率提升、資源重配和新產業創造，讓更多人過上更體面、更安全的生活[7]。然而，在近些年矽谷主流話語中，「理性主義」「追逐通用人工智慧」等內部概念，逐漸取代了面向公眾的「進步神學」。結果就是：產業在技術上比以往任何時候都更強；卻在政治和道德層面，越來越不會、也不願意為自己辯護。當國家機器把某個行業視作「只會消耗資源、製造風險的寄生蟲」時，「加稅—勒索—掠奪—放棄」往往就是順理成章的政策路徑。波士頓已經提供過一次樣本。六、對全球科技的啟示波士頓的故事表面發生在美國東北角，但其內在邏輯，對任何試圖建設科技創新中心的國家與城市，都具有高度參考價值。對於政策制定者，至少有三點值得警惕：不要把科技企業當成短期財政缺口的填補工具。稅制與監管的微小偏差，會在十幾二十年中被網路效應成倍放大，最終決定一座城市是「創新磁場」還是「人才離心機」。不能只迷信「硬體輸入」，忽視信任與文化。高校、園區、實驗樓和補貼固然重要，但真正支撐創新的是規則的可預期性、資本的長期主義以及對承擔風險者的尊重。要幫助科技產業講清「存在的理由」。如果公眾只看到短期副作用，而看不到長期公共利益，任何技術最終都可能在政治壓力下被打回原形。對於創業者和投資人，這個案例同樣是一個提醒：選址不只是房租和補貼的比較，更是對一個地方整體制度與文化環境的投票；在追逐算力、資本和估值的同時，不要忽視建構「正當性敘事」——讓使用者、監管者和選民理解你在解決什麼真實問題，創造了那些長期價值。如果科技行業無法清晰表達「為什麼創新是一種道德上的責任」，而不僅是少數人致富的手段，那麼整個行業被「先加稅、再掠奪、然後任其枯竭」的命運，就不僅會發生在波士頓，也可能降臨在下一座科技之都。 (喬智說)

過去五年，誰掌握算力，誰就掌握未來。這句話如今不僅是AI公司的口號，更已經寫進了半導體產業的戰略規劃。在最近的IEDM 2024會議上，台積電發佈了最新演講《Sailing into the Future of the Semiconductor Industry》，系統性描繪了一個正在由AI主導的新半導體時代：2030年，全球半導體產值將突破1兆美元；AI將成為這一切的核心驅動力。這是一次極具資訊含量的行業全景掃描。RAY帶你理性梳理這個報告的關鍵脈絡，理解為什麼半導體正在再次成為全球經濟的發動機，以及它將如何重構AI、汽車、智能終端與IoT的未來。一、AI：正在吞噬一切的超級算力黑洞AI不是某個行業的機會，AI正在變成所有行業的底層基礎設施。TSMC指出，未來幾年AI在四大場景的落地速度將決定整個半導體行業的增長形態：資料中心： AI伺服器年複合增長率達73%，遠高於傳統伺服器。未來的訓練和推理負載對頻寬、能效與晶片間互聯提出更極端要求。邊緣終端： 從AI PC到生成式AI手機，一場真正意義上的“本地智能”正在發生。2027年，超過59% 的PC將具備AI處理能力。汽車： L2+以上等級自動駕駛系統將成為標配，2023~2030年ADAS市場將擴大超4倍，AI晶片滲透率超過90%。IoT： 通訊、智能電網、穿戴裝置、工業控制等“邊緣智能體”將支撐一個超10%的年均增長市場。簡而言之：AI正在將所有計算平台都變成晶片密集型系統。不管是訓練用的超大模型，還是推理用的輕量模型，底層都逃不出電晶體與互聯密度的桎梏。二、半導體的底層躍遷：先進製程、封裝、系統共最佳化面對AI帶來的暴漲負載需求，半導體技術正展開三線並進的“大躍遷”。1. 先進製程：從FinFET邁向Nanosheet的2nm時代TSMC已經在2025年量產其N2（2nm）製程技術，引入了背面供電和環繞式柵極電晶體（GAA）。相比5nm節點，N2能效比提升超過1.5倍，單位面積性能提升超過40%。關鍵轉變包括：邏輯密度提升（縮小電晶體尺寸）能效最優（核心功耗大幅降低）結構創新（引入背面布線，釋放前端空間）一句話總結：先進製程不再是摩爾定律的簡單延續，而是面向AI負載的結構性革新。2. 封裝進化：3D堆疊+Chiplet，空間裡“堆”出性能過去，晶片設計像蓋一座大樓，今天，TSMC正在讓它變成一座城市。通過CoWoS®（Chip-on-Wafer-on-Substrate）和SoIC®（System-on-Integrated-Chips）等封裝技術，台積電正在把多個邏輯、儲存、加速單元堆疊為一個“晶片系統”。3D堆疊（SoIC）：從傳統μBump到無Bump互聯，提升互連密度、降低延遲和功耗2.5D整合（CoWoS）：將高頻寬儲存（如HBM）與AI SoC整合，實現數TB/s級的記憶體頻寬InFO-PoP / M-PoP：移動終端場景下的高密度封裝，讓手機也能運行多模態AI模型這意味著：晶片的性能瓶頸，正在從電晶體轉向互連與能效。3. 系統-技術共最佳化（STCO）：AI系統的“共生設計”範式STCO（System-Technology Co-Optimization）已經成為TSMC戰略級關鍵詞。傳統EDA設計關注的是“某個晶片”，STCO關注的是“整個系統+工藝+封裝的協同”。例如在AI伺服器中，TSMC不僅考慮晶片算力，還從一開始就將電源管理模組、光通訊介面、封裝熱設計納入設計流程，做到：最短距離傳輸資料最大限度提升單位能耗下的計算量最小尺寸封裝內容納最多元件在AI時代，“單顆SoC的英雄主義”終結了，取而代之的是：系統等級的生態最優解。三、AI帶來的新範式：智能汽車、AI手機、邊緣大模型這份報告的最前沿看點，其實不是電晶體堆得有多密，而是：AI已經在重塑終端形態與計算邏輯。✦ 汽車 = 移動計算平台2023年後，幾乎所有新車都開始朝“中央計算+域控製器+Zonal架構”演進。智能座艙、ADAS、車載推理、邊緣訓練……都將對晶片提出異構化、多工的極限挑戰。未來車載晶片架構的關鍵詞只有一個：AI優先（AI-first）。✦ 手機 = 你的AI助理一台具備40+TOPS NPU性能的GenAI手機，正成為“個人智能體”的入口。通話即時翻譯多模態生成本地小模型處理端雲協同最佳化這讓晶片廠商從“算力製造商”變成了“AI體驗設計者”。✦ IoT = 微型智能終端的爆發點過去的IoT是連接萬物，今天的IoT是感知+邊緣AI+低功耗+無線通訊的系統整合體。當每一個攝影機、感測器、控製器都具備基本AI能力，世界會變得更聰明、更即時、更自動化。寫在最後：AI重寫了算力邏輯，TSMC正在重寫晶片邏輯AI是這次產業大洗牌的源頭，但不是唯一變數。真正讓變革發生的，是一套完整的技術基礎設施：電晶體不斷縮小的極限Chiplet之間高密度互聯的創新封裝、散熱、電源協同設計的新範式TSMC沒有創造AI，但它正在讓AI真正跑起來、跑得快、跑得廣。未來已來，真正的算力革命，才剛剛開始。 (半導體產業報告)

在工作與生活中，最具威脅的人是那種人？不是那些手握權力與資源的大佬，也不是那些履歷光鮮、光環加持的精英。真正最具威脅的人，是骨子裡堅信“任何難題都能被我破解”的那類人。請留意，如果你身邊有這種人，一定要提高警惕，注意和他們保持緊密的聯絡。因為這種信念，足以帶他們去到任何渴望到達的遠方。如今，人類歷史上最強大的“解題工具”——人工智慧已經到來。當大多數人還在討論AI是帶來失業的威脅，還是提高效率的幫手時，那種“萬事皆可解”的人，就好像獲得了福音，早已將AI視為自己身體和意志的延伸。他們是AI時代最可怕最具威脅的人。而在AI的時代，一個人要麼被威脅，要麼成為威脅，這次真的沒有中間地帶。這裡的“威脅”，並非指惡意或傷害，而是一種令人敬畏的、顛覆性的力量。他們是現狀的破壞者，是安逸的終結者，是標準的重塑者。他們用AI武裝自己的行動，讓所有滿足於“不可能”、“做不到”、“沒辦法”的“AI難民”們，感到芒刺在背。他們用結果證明，你眼中的技術壁壘和資源鴻溝，只是他們新冒險的起點。今天，我們深入探討這股在新世界中湧動的、最可怕的威脅力量，我們可以稱之為“高能動性”（High-Agency）。它根植於一種獨特的認知系統，呈現為一套強悍的行動模式，並最終在AI的催化下，釋放出重塑周遭生態的巨大能量。尖峰報告：穩定幣到底是一場怎樣的財富大轉移？“能動性”這個詞，正在成為我們理解這個新時代的關鍵分野。它不是指AI程序裡那些聽從指令的AI“代理”（Agent），恰恰相反，它描述的是一種深刻的人類特質。高能動性的人是這樣的：他們充滿好奇心，帶有一種“反叛”的性格，能夠挑戰現狀，並堅信自己可以改變世界——然後，他們真的去動手改變。簡單來說，高能動性是一種“不等待許可，主動把事情搞定”的內在驅動力。這些人看到一個問題，第一反應不是“這該由誰來負責？”，也不是“我沒有相關的技能和資源”，而是“我能做點什麼來解決它？”。他們有一種信念，就像彼得·蒂爾的導師勒內·吉拉爾所言：“你可以觸碰生活，然後會有東西從另一邊冒出來。”他們拒絕被動接受現實，而是主動與之互動，並創造出新的可能性。在AI出現之前，這些高能動性的人雖然一直存在，但他們的能量常常被現實所束縛。一個絕妙的商業點子，可能因為創始人不懂程式設計、不會設計、沒有啟動資金而擱淺。從想法到原型，可能需要耗費數月甚至數年的時間去學習專業技能，或者花費巨額資金去僱傭一個專業團隊。專業化，是一道高聳的壁壘，也是一種隱形的壟斷。而AI的出現，徹底改變了遊戲規則。當十幾歲的青少年開始營運自己的AI公司AI沒有平權資訊，網際網路早已完成了這件事，AI正在平權“創造本身”。智能的成本，從“我要花20萬請一個工程師”，變成了“每月只需花200元（充值AI）。”高能動性者利用AI，可以把自己武裝成一個“全端團隊”，這導致了組織的結構性轉變，和令人震撼的生產效益。OpenAI創始人薩姆·奧特曼在2023年曾預言：“很快就會出現一人營運的十億美元公司。”在當時，這聽起來有點誇張。但兩年後，我們正目睹預言逐漸成為現實。· Midjourney，這家引領了AI生圖浪潮的公司，年收入高達5億美元，而員工僅有40人。· Henri Shi，一位創業者，正在公開挑戰奧特曼的預言，實現了平均每名員工創造280萬美元的收入，這個數字與科技巨頭蘋果公司持平。· 兩個康奈爾大學的學生，沒有融資，沒有投資人，開發了一款結合間隔重複法和AI抽認卡的備考應用，如今擁有超過400萬使用者，年收入數百萬美元。這些不再是反常的個例，而是一種結構性的轉變。在這些公司裡，職業的界限開始模糊。產品經理可以建構財務模型，設計師可以撰寫行銷文案。一個理髮店老闆，可以用自然語言描述需求，為自己的店舖建立一個定製化的預約系統；一個餐館老闆，可以建構一個動態的庫存管理和定價工具。這些人一直都有解決問題的想法和動力。區別在於，現在，他們有了能將想法變為現實的“魔法棒”。當高能動性與AI結合，一幅全新的、令人熱血沸騰的圖景正在我們眼前展開。在三個層面，他們會帶來根本性的顛覆。一、信念核心：從“認知重構”到“現實重塑”一切的起點，源於心智模式的根本差異。高能動性的人，他們大腦的底層作業系統，早已被重新編碼。他們完成了對“問題”這個概念的徹底認知重構。在多數人的世界裡，“問題”常常與負面情緒掛鉤：它是阻礙、是麻煩、是失敗的預兆。當面對AI可能帶來的衝擊時，本能反應是防禦性的：AI會搶我的飯碗嗎？我學的技能會過時嗎？這種思維模式，被稱為“外部控制點”，即感覺自己的命運被外部因素（比如AI技術的發展）所主宰。然而，在高能動性的人的世界裡，截然相反。他們擁有強大的“內部控制點”，堅信自己才是局面的掌控者。因此，無論是AI還是任何其他挑戰，在他們的認知詞典裡，都被重新定義為：· 一個待解的謎題： AI不是威脅，而是一個前所未有的、複雜而有趣的謎題。它激發的是好奇心，而非恐懼。“我該如何利用這個工具來完成以前做不到的事？”· 一次學習的機會：掌握AI，意味著學習新的互動方式、新的工作流程。問題本身就是最佳的導師，而AI的出現，是這個時代最慷慨的一次“知識餽贈”。· 一個通往更優解的訊號：現有工作流程之所以能被AI最佳化，恰恰說明它有巨大的改進空間。AI的出現，不是對個人價值的否定，而是對整個系統進行升維的邀請函。這種認知上的重構，其力量是核彈級的。心理學家卡羅爾·德韋克在其著作《終身成長》中提到的“成長型思維”，完美詮釋了這一點。他們相信能力可以通過努力和學習來培養，因此AI帶來的挑戰，都成了成長的養分。當一個人不再將“我不會程式設計”視為終點，而是將其視為“如何用自然語言讓AI幫我實現程式設計”的起點時，他的行動可能性就被無限放大了。這正是高能動性者擁抱AI的底層邏輯。他們不是看不見困難，而是拒絕被困難定義。他們的大腦如同一個高效的篩選器，自動過濾掉消極的情緒噪音，直接進入“如何用”（How）的執行層面。這種從認知層面發起的革命，最終會投射到現實世界。因為當你堅信AI是你的槓桿而非對手時，你的潛意識和全部感官都會被調動起來，去尋找那些能讓你成功的用法和資源。你眼中看到的世界，就此不同。這便是從“認知重構”到“現實重塑”的躍遷之路。二、行動閉環：從“無限遊戲”到“AI加持的迭代進化”如果說認知重構是內在的“心法”，那麼高能動性者的行動模式，就是與之匹配的、在AI時代被極致放大的“打法”。他們深諳，信念若無行動，只是廉價的自我安慰。他們的行動哲學，是參與一場由AI超級加速的“無限遊戲”。管理思想家西蒙·斯涅克提出，有限遊戲以“獲勝”為目的，而無限遊戲以“讓遊戲繼續下去”為目的。那些抱怨AI、逃避挑戰的人，正是在用“有限遊戲”的思維玩一場“無限遊戲”。他們渴望一次性地“學會”AI，一旦遭遇挫折，就認為自己“輸了”，然後心灰意冷地退出。而高能動性者，則把與AI共舞看作無限遊戲中的一個新篇章。他們追求的不是畢其功於一役的“掌握”，而是“持續的迭代進化”。他們的行動閉環，在AI的加持下變得空前高效：1、快速建立假設：面對問題，他們不會陷入無休止的分析，而是快速提出一個可能的解決方案。“也許我可以用AI生成一些行銷文案初稿。”2、最小可行性試錯：他們會設計一個成本最低、速度最快的實驗來驗證假設。在過去，這可能需要幾天時間。現在，打開ChatGPT或任何一款AI工具，幾分鐘內就能得到幾十個版本的文案。這就是AI時代的“最小可行性測試”，成本趨近於零。3、坦然擁抱回饋：實驗結果，無論好壞，都是寶貴的回饋。AI生成的程式碼有Bug？很好，這讓他學會了如何更精準地提問。AI設計的圖片不合心意？沒問題，這讓他理解了AI審美和人類審美的差異。失敗不是能力的否定，而只是對特定提示詞的證偽。4、敏捷調整路線：根據回饋，他們迅速修正自己的假設和行動方案，然後立即進入下一個“假設-試錯-回饋”的循環。這個循環的速度，因為AI的介入，從過去的以“天”或“周”為單位，縮短到了以“分鐘”為單位。這個由AI驅動的超高速閉環，讓他們像一個精密的、即時線上更新的機器學習模型，不斷地從與AI的互動中學習，自我最佳化。我們正在目睹這種模式的巨大威力：一個最生動的故事來自18歲的紐約高中畢業生Zachary Yadegari。他被所有常春藤盟校和史丹佛大學拒絕。然而，他憑藉自己的洞察和AI工具，開發了一款名為Cal AI的應用程式——用手機對準食物拍照，就能估算出卡路里。這款應用，如今的下載量已超過六百萬次。這個故事極具象徵意義。當頂尖學府還在用傳統的標準衡量一個學生時，Yadegari已經利用新時代的工具，創造了實實在在的社會價值，並獲得了市場的直接認可。他的成功，與他的高中畢業證無關，只與他的能動性有關。在AI的時代，你不再需要成為專家，因為你可以用這些工具實現同樣的目標。不再需要僱傭專業人士，你可以自己動手，用更抽象的方式工作。高能動性人士不害怕犯錯，因為AI讓試錯的成本變得微不足道。他們不追求完美，因為他們知道完美是無數次迭代的終點，而不是起點。這種“無限遊戲”的心態和“迭代進化”的行動力，賦予了他們在AI時代驚人的韌性和創造力。三、AI時代的引力場：從“個體崛起”到“定義文化”當一個具備“認知重構”能力和“AI迭代”模式的高能動性者出現時，他的影響絕不限於自身。他會像一個恆星，在AI時代產生全新的、更強大的引力場，深刻地改變周遭的生態。首先，他們是新標準和新文化的定義者。當團隊中所有人都認為某個任務需要一周時間時，那個高能動性者可能已經用半天時間，借助AI完成了80%的工作。他的存在，本身就是對舊有工作效率和流程的無情“威脅”。他會不自覺地提高整個團隊對“什麼是可能”的認知標準。久而久之，整個團隊的文化會從“我們為什麼做不到”，轉向“他是如何利用AI做到的？”其次，他們創造了新時代的心理安全感。因為他們對AI輔助下失敗的容忍度極高（只是“資料反饋”），這會鼓勵團隊成員更大膽地去嘗試和創新。在這樣的環境裡，人們不怕因為提出用AI解決問題的“瘋狂想法”而被嘲笑。一個允許犯錯、鼓勵用新工具試錯的場域，正是催生偉大的創新土壤。最重要的是，他們正在瓦解“文憑主義”，重塑價值標準。AI＋高能動性，就是“文憑主義”的終結。當一個理髮店老闆都能用AI為自己建構預約系統時，對“專業程式設計師”的依賴就在降低。當一個設計師能用AI完成基礎的財務建模時，對“專業金融分析師”的壟斷就被打破。而且，他們的成功，本身就是對周圍生態的賦能。他們會開源自己的工具，分享自己的工作流，發表自己的見解。他們的“威脅”，最終會轉化為整個生態系統生產力的躍遷。請成為那個“具備威脅”的AI玩家我們正處在一個世界觀坍縮的奇點。過去我們賴以生存的許多規則——學歷、資歷、專業壁壘——正在被重塑。整個世界，似乎可以被簡化為一個位元：要麼有能動性，要麼沒有。而那種骨子裡堅信“任何難題都能被我破解”的高能動性者，在AI時代，的確是我們最可怕又可敬的對手和榜樣。好消息是：高能動性，與其說是一種天賦，不如說是一種可以習得的心態。這種信念和與之匹配的行動力，是一種可以刻意練習和培養的思維模式與行為習慣。在AI的浪潮面前，我們每個人都可以做出選擇。我們曾視為理所當然的限制——“我沒有這個學歷”、“我不是這個專業”、“我沒有學過程式設計”、“我需要等領導批准”……這些，在AI時代，都不再是阻礙我們創造的絕對障礙。最困難的部分，往往在於相信我們擁有縱身一躍的自由。所以，請審視你的內心。當機會與挑戰並存，當舊世界的地圖不再可靠，當創造的權杖第一次如此真實地交到每個人手中時，你會如何選擇？選擇權，在你手中。是成為被“威脅”的人，還是成為那個“具備威脅”的人？這一次，真的沒有中間地帶。 (不懂經)

AI時代，能落地的機會，都藏在細小的縫隙裡，藏在具體場景裡。這是在逛了一整天CES展之後，我特別深刻的一個體會。是的。我正在美國拉斯維加斯，和問道全球的企業家們，參加一年一度全球影響力最大的消費電子展，CES展。因為2025年，是AI大模型的爆發年，今年，就很可能是AI產品的爆發年。無論是看大廠的技術趨勢，還是看創業者“稀奇古怪”的創意，價值都遠高往年。那麼，這次CES展，藏著什麼樣的趨勢，又體現了什麼樣的機會？毫無保留，和你分享。01很多傳統產品，都值得用“感知-決策-行動”重做一遍AI實體產品要落地，底層就是三個要素：感知，決策，行動。感知，就是能聽見、能看見。決策，就是把資料交給AI，搞清楚該幹什麼。行動，就是通過硬體去幹活。把這三個要素，套用到傳統產品上之後，就是無窮無盡的可能。舉個例子，掃地機。這次，我在追覓展台，不光看到了能爬樓的掃地機，還看到了安裝機械手，能刷踢腳線的掃地機。當它發現踢腳線上需要清掃時，就會伸出機械手，清理灰塵。發現前方是樓梯，它就會通過履帶，爬上二樓，繼續清掃。因為感知和決策能力的提升，行動才有了拓展的可能。再舉個例子，空調。過去幾十年，空調就是個“被動工具”。你按遙控器，它再執行。但這次，我在TCL展台，看到了一款“AI空調”。空調裡，有個毫米波雷達。它不再等你下命令，而是自己觀察你。當它感知到，你呼吸變慢了、身體動作小了，就能自己做出決策：好了，主人要睡著了。於是，它就會主動把風調小，溫度調低，有利於你入睡。把“感知-決策-行動”裝進傳統家電裡，它就從被動幹活的工具，變成了主動幹活的管家。AI時代，最好的互動，就是沒有互動。02當產業鏈成熟，機會就會從終端產品外溢需求，倒逼供給。當大量產品需要AI化，要完成感知、決策、行動的閉環時，當大量原生的AI產品湧現時，你不一定要自己去做終端。做好產業鏈的一環，就足夠了。在現場，我就看到了一個很有意思的技術：紙電池。它特別薄，還能彎曲。搞這種東西，要用在那？用在新的AI裝置上。就比方說，用在磁吸錄音卡上。磁吸錄音卡，本身是薄薄的一片，貼在手機後邊。需要錄音，就按一下。錄完之後，AI會自動轉錄、自動總結。但是在這種裝置上，傳統的鋰電池就太厚了。類似的機會，還有很多。比如，當AI產品對“感知”的要求越來越高，攝影機就會爆發需求。因為AI要理解空間、要看清景深、要建3D模型，一個攝影機不夠，需要兩個（雙目視覺），甚至需要加上紅外、加上雷射雷達。你不一定要衝到台前做終端產品。還可以退後一步，看看這些產品，在感知、決策、行動這三個環節上，還缺什麼零件。缺什麼，你就做什麼。當好產業鏈的一環，往往比做終端更早賺到錢。03機器人有了手，商業化才真正開始順著產業鏈的邏輯看，你會發現很多企業，都在朝著“手”使勁。因為，要從“會動”變成“能幹活”，你永遠繞不開那些具體的動作：操作。拿起。擰開。抓穩。別捏碎。別滑落。這些動作，決定了機器人能不能上崗，能不能進工廠，能不能進倉庫。於是，在CES現場，我看到了很多公司，都在專攻靈巧手。這並不容易。難點在於：1）靈活度。2）感測器。先說靈活度。人手，真的太精妙。這麼小的體積，有那麼多的關節、肌肉和神經。要把機械手做得像人手一樣大小，你得在同樣的體積裡，塞進幾十上百個零件。再說，感測器。拿一顆雞蛋，勁大了會碎；拿一塊磚頭，勁小了會掉。想讓機械手也能應付這些任務，必須裝滿壓力感測器，不僅要即時感知壓力，還要毫秒級地反饋給電機調整力度。未來最賺錢的機器人公司，可能是只造“零件”的公司。04先做政府和企業的剛需，更容易活下來機器人行業，投入很大，時間很長。做出來之後，賣給誰？很多創業者的第一反應是：賣給消費者，賣進千家萬戶。可是，這樣做往往行不通。因為C端的競爭，雖然更激烈，但大機率並不“貴”。一位阿姨打掃衛生，一個小時30元。但假如有台家務機器人，也能打掃衛生，一小時只收你100元，你肯定不願意。這就是C端的邏輯：你的機器人，不僅要比人好，還要比人便宜。那裡有更貴的問題？在A、G、B，在軍隊、政府、企業端。他們買的，是效率、安全、合規。他們願意用20萬的成本，解決100萬的問題。舉個例子，無人機。我在現場，看到家無人機公司。它沒有去跟大疆卷C端航拍，而是做了一款警用無人機。這架無人機，能飛到違章車輛面前喊話，說你違規了，說這裡不能停車。那怕它醜一點，貴一點，政府也願意買單。因為它解決的，是城市治安的問題。這個問題，很貴。再舉個例子，商用掃地機器人。家裡的掃地機要卷顏值、卷靜音。但商場裡的掃地機，只捲掃得乾不乾淨。它的馬力比家用的大幾倍，專門對付商場裡頑固的污漬。雖然又大又響，但保潔公司喜歡。當場景尚未成熟，離消費者越遠，利潤往往越安全。05不只賣裝置，還賣持續可用的結果可是，就算ToB、ToG更容易賣出去，它也需要一單單交付。有沒有可能，把一次性交付，變成長期收入？有的。你可以不只靠硬體賺錢，而是靠長期服務賺錢。比如，我在現場看到的一款智能指環。做智能指環，就意味著要在很小體積裡，塞進電池和感測器。這並不容易。但也因為戴在手指上，所以測量血壓和心率，也要更準一些。但我想和你討論的，不是它的技術，而是它的商業模式。你買了指環，只是開始。如果你想看睡眠分析、健康報告，對不起。每月，你還得付7美元。硬體產品的價值，正在從單純的“物理功能”向“服務”延伸。像AI資料處理、通訊服務、出行營運。比如，衛星通訊服務。買下自動調節角度的地面天線終端，只是開始。後期上千顆低軌衛星提供的全球網路服務，才是大頭。比如，自動駕駛汽車。在Robotaxi的邏輯裡，當自動駕駛技術足夠成熟之後，你就可以加入共享平台，設定好自家車子的空閒時間和範圍。等你不需要用車，車子就會自己出去工作賺錢。所以，你或許可以轉換一下思路：把硬體看作獲客成本，把價格打下來，甚至送出去。把核心價值放在AI演算法支援的服務裡，賣持續可用的結果。06不和巨頭拼“更好”，做他們不願做、不能做的生意我們常說：大樹底下，寸草不生。在主流戰場和巨頭拼硬實力，是死路一條。巨頭的螢幕1萬尼特，我就做2萬。巨頭的更新頻率120Hz，我就做220。這就是一場註定失敗的戰爭。因為巨頭有供應鏈定價權，你拼參數，就是拚命。那怎麼辦？去巨頭不願做、不能做的地方，做不一樣的生意。比如，蘋果AI錄音卡。它不是蘋果的產品，而是適配蘋果的產品。拿在手裡，就是一個吸附在蘋果手機背面的超薄卡片，通過靈敏的感測器，進行錄音。為什麼這東西有市場？因為蘋果為了隱私，對錄音功能卡的很嚴。這在蘋果看來是原則，但對商務人士來說，就是痛點。又比如，類紙屏。展覽現場，我看到了一種類紙屏技術。雖然它用了LCD螢幕，但因為對玻璃做了多次處理，既避免了反光問題，還保證了清晰度。單比參數，它亮度不高，色彩不亮。但是，如果你換個場景，比如教育、讀書，需要長時間盯著螢幕，它的優勢就出來了。每一種技術，其實都有屬於自己的生態位。找到它，做好它，就很少有競爭對手。07去新的環境裡，找那個“不得不解決”的物理難題展覽現場，我看到了很多汽車電池領域的巨頭。他們拼成本、拼產能，捲到了極致。但同時，我還看到了另外一種特殊的電池：無人機專用電池。汽車電池，手機電池，在乎體積。因為空間有限。但無人機最在乎的，不是塞不塞得下，而是扛不扛得起來。相同電量的電池，你更輕，無人機就能飛得越久越穩。在新場景的物理約束取得突破，你就有了細分領域的定價權。類似的，由於場景改變，物理約束改變的例子，還有很多。比如，防塵防爆的礦井裝置，耐低溫的極地裝置，耐高溫的煉鋼爐監控裝置，等等等等。很多機會之所以出現，是因為場景的物理約束變了。約束一變，評判標準就變。08細分場景越具體，付費意願越強烈如果你想做一個“全能安防攝影機”，你肯定打不過海康威視，更打不過 Google。那怎麼辦？那就把場景切碎，切到無限小，切到巨頭看不上，但特定人群又離不開。在現場，我看到了一家做“暴力偵測”的公司。他們的攝影機不識別你是誰，也不識別你笑沒笑，它只識別：是不是有暴力行為。只要有人掏出刀，或者揮起拳頭，系統就會檢測到暴力行為，如果情況危急，還能直接報警。這東西，在中國的大街上沒什麼用。但在某些治安不好的地區，這就是保命的剛需。之前，我們還聊過一家做“智能觀鳥器”的公司。它受過鳥類識別的特訓。當一隻蜂鳥飛過來洗澡，它能立刻識別出這是什麼品種，拍下高畫質照片，推送到手機上。對美國的觀鳥愛好者來說，這就是神器，幾百美元也願意掏。所以，或許你可以不先想改變世界，而是先試著，改變一個角落。比如：只識別“老人摔倒”的雷達，只識別“寵物生病”的貓砂盆，只識別“害蟲”的農業無人機。場景越細越具體，越容易有人願意立刻付錢。因為越具體的場景，越容易算帳。09情緒價值，正在催生新物種AI+情緒價值，玩出了新花樣。現場，我看到一個特別典型的例子：AI寵物。注意，這個寵物，不是那種虛擬的電子寵物，它真的有實體，毛茸茸的。裡面裝了感測器，能檢測到你摸它。你摸它的力道不一樣，它就會做不同的動作，眼睛處的小螢幕，還會展示不同的動畫。同行的女生馬上說：太可愛了，想買。有意思吧？更有意思的，是AI寵物機器人。寵物機器人，是給寵物用的機器人。它能在家裡巡邏，看到貓在那，就投喂點零食，或者陪它玩一玩。你想跟自家狗子說句話，通過它也能實現。當“感知”變得越來越便宜、也越來越小型的時候，互動的成本就會被打下來。互動一旦便宜，關係就有機會被產品化。現代人，太孤獨了。誰能解決“孤獨”，誰就能獲得更高的溢價。未來最賺錢的產品，可能是掛在包上的電子小貓、戴在手腕上的虛擬戀人。最後的話呼，終於講完了。感謝你看我絮叨到現在。限於文章篇幅，還有很多精彩產品，沒辦法為你一一展示。但是，當我們從上午十點，逛到下午五點半，終於從展館離開的時候，一種感覺，卻逐漸清晰了起來：AI時代，大模型和通用算力，是巨頭們的“諸神戰場”，普通創業者進去就是炮灰。但當你看向那些具體的、瑣碎的真實場景時，機會卻比任何時候都多。比如，為了掃淨牆角的灰塵，努力伸出機械手、爬上二樓的掃地機；比如，為了減少違章，不厭其煩飛在空中喊話的警用無人機；比如，為了貼在手機背後，把自己做得像紙一樣薄的電池；又比如，為了守護安全，特殊訓練過暴力識別的攝影機。任何一個時代，都有無窮無盡需要被解決的問題。只是在AI時代，每個人都有瞭解決這些具體問題的可能。機會，都是從縫裡摳出來的。當痛點和技術撞在一起。才有火花，才是機會。你坐在辦公室，是想不出來的。而我們出來看展，就是來看這種還未燃起的火花，來看這種還沒有爆發的機會。然後，找到自己的機會。 (劉潤)

“中間層”正在全面崩塌，而AI正是這場結構革命的加速器與催化劑。一個越來越明顯的規律：AI時代真正被淘汰的，不是某個行業，而是一種“位置”——夾在兩端的中間位置。中等確定性、中等效率、中等差異化、中等價格帶、中等技能段位……過去它們靠“差不多”就能活；接下來，“差不多”會變成系統性虧損。你可以把它理解為：我們正在從“鐘形曲線”的世界，遷移到“冪律分佈”的世界。鐘形曲線獎勵平均，冪律分佈獎勵極端。從資本市場到創業生態，從產業格局到個體命運，一條看不見的斷裂帶正在蔓延。兩端在膨脹，中間在塌陷，那些試圖在中間地帶尋求平衡的人，會發現留給自己的餘地越來越小。幾位在不同行業內處於時代前沿並深具洞察的人物，從不同角度講出了同一個趨勢和邏輯。矽谷教父馬克·安德森，網景瀏覽器創始人、a16z創始合夥人，他手中的資本決定著矽谷的未來走向，從資本的視角看到了這個趨勢。創業導師亞歷克斯·霍莫齊，從健身房地板上的1000美元起步，九年後創造單周末1600萬美元銷售記錄，他知道什麼策略有效、什麼策略是死路，他從實戰的角度驗證了這個邏輯。經濟學家泰勒·考恩，喬治梅森大學教授、《再見，平庸時代》及多本暢銷書的作者，他早就看穿了變革背後的底層邏輯，從理論的高度解釋了這個現象。當這三個人在不同場合說出同樣的話時，這不是巧合，是規律，是底層邏輯。馬可·安德森一、資本的視角：為什麼3億美元的中型基金正在死去馬克·安德森在一次視訊中講了個故事。2009年之前，矽谷風投就像壽司船餐廳。創投合夥人坐在沙丘路上，看著創業公司像傳送帶上的壽司盤流過來。“錯過一盤沒關係，反正還有下一盤。”那是個賣方市場，資本稀缺，資訊不對稱。只要你坐在桌邊，你就贏了。但當他和本·霍洛維茨在2009年創立a16z時，心裡只有一個想法：“這群人會被生吞活剝。”因為市場的底層邏輯變了。今天的創投世界呈現出典型的“槓鈴結構”。一端是超大規模基金，它們不只提供資金，而是建立完整的權力體系——招聘、行銷、法律遊說、商業拓展。它們賣的不是錢，是權力。另一端是超專業化的個體投資人，擁有獨特品味的天使、深耕極窄賽道的技術專家。它們賣的是深度和靈魂。中間呢？那些管理3-5億美元、有4-6個合夥人的傳統VC，正在死去。這不是能力問題，是結構性困境。想像你投了A公司，兩年後看到B公司做類似的事但更有潛力。如果你是早期天使，票小，可以廣撒網；如果你是後期巨頭，可以等贏家浮現再進。但對中型基金來說，這是死局。創始人會質問：“你是我的董事會成員，怎麼能投我的競爭對手？”結果就是，中型基金陷入“等待”或“錯過”。你不能投競爭對手，就必須確保第一槍就投中未來的Google。這在統計學上不可能。它們大不到足以忽視衝突，小不到足以靈活轉身。卡在中間，無路可走。這背後的底層邏輯是什麼？泰勒·考恩在《再見，平庸時代》中給出了答案：在技術革命的衝擊下，經濟回報不再遵循常態分配，而是冪次分佈。贏家通吃不是例外，是常態。那些試圖在中間尋求“平衡”的策略，本質上是對舊世界規則的路徑依賴。當規則改變，路徑依賴就是致命陷阱。二、產業的視角：從賣鏟子到全端顛覆產業端的變化更加劇烈。2010年之前，科技公司的標準劇本是“賣鏟子”——開發工具，賣給傳統行業。你開發軟體賣給會計師，開發路由器賣給電信公司，開發資料庫賣給銀行。你賦能中間層，而不是取代它們。但智慧型手機和移動寬頻的普及改變了一切。出現了一種全新物種：全端創業公司。優步是標誌性案例。如果優步生在2000年，它會是家“計程車派遣軟體公司”，派銷售員去說服計程車行老闆買Windows軟體。結果？軟體被束之高閣，優步不會成為千億美元公司。但2010年的優步說：“我不賣軟體給你，我要自己做整個生意。”它繞過了計程車行這個中間層，直接連接司機和乘客。它必須處理所有事情：招募、支付、地圖、定價，甚至最棘手的政治與監管。這就是為什麼全端創業需要“權力”。當你不再只是賣工具，而是直接衝撞既有利益結構時，你需要的不只是程式碼，是能與權力體系對話的能量。這再次強化了槓鈴效應：只有極少數擁有巨大野心和資源的公司能玩這個遊戲。那些只想“做個好工具”的中間層，天花板越來越低。馬克·安德森指出了一個更殘酷的事實：標普500已經不再是500家公司的平均值，它是標普492加標普8。那492家代表舊世界——追求穩定現金流、回購股票、發放股利，管理者的目標是“不出錯”。它們的加總表現，更像一支債券。而那8家科技巨頭（輝達、微軟、蘋果、Google、Meta、特斯拉、亞馬遜），雖已是巨頭，但仍在瘋狂押注未來——數百億投入AI、自動駕駛、元宇宙。它們本質上是一張永不過期的買權。如果把這8家拿掉，標普500的回報會變得極其平庸。這揭示了一個殘酷真相：在數字經濟時代，財富創造不再遵循常態分配。中間地帶消失了。你要麼是那8家正在創造新範式的公司，要麼是被拖著走的492家。試圖在中間尋找“穩健增長”，是一種過時的幻覺。泰勒·考恩把這種現象稱為“中等收入陷阱的微觀化”。以前是國家層面的現象，現在發生在每個行業、每家公司、每個個體身上。技術進步的加速度，讓“適應期”越來越短，而適應失敗的代價越來越高。亞歷克斯·霍莫齊三、創業的視角：為什麼中間價格是最危險的如果說馬克·安德森揭示了資本和產業的真相，亞歷克斯·霍莫齊則從定價的角度揭開了一個更深層的悖論：賣極貴或賣極便宜，中間價格是死亡陷阱。這不是定價技巧，是商業的底層邏輯。亞歷克斯·霍莫齊的核心洞察是：所有生意的本質都是成本與產出之間的套利。獲客成本和客戶終身價值之間的差額，決定了一家公司能否存在。而中間定價恰恰是最難建立這種套利關係的位置。為什麼？因為中間定價既承受不起高成本，也享受不到規模效應。如果你賣極貴的東西給少數人，你的邊際成本可以很高——你可以提供一對一服務、定製化方案、深度諮詢。你的客戶付出的不只是錢，是對稀缺性和專屬性的溢價。這個邏輯是清晰的：高價值換高價格，高價格支撐高成本。如果你賣極便宜的東西給所有人，你必須做到極致標準化，把邊際成本壓到接近於零。你依靠規模效應來攤薄固定成本，通過網路效應來建立護城河。這個邏輯同樣清晰：低價格換高流量，高流量創造規模效應。但中間價格呢？你既沒有足夠高的定價來支撐定製化服務，也沒有足夠低的價格來獲得規模優勢。你卡在一個尷尬的位置：想做服務做不深，想做規模起不來。更致命的是，中間定價面臨著雙向擠壓。從上往下，高端品牌可以隨時推出“平民版”來搶佔你的市場；從下往上，低價玩家可以通過規模效應不斷最佳化產品，逐步提升品質來蠶食你的份額。你在中間，兩面受敵。亞歷克斯·霍莫齊用特斯拉的例子說明了正確的邏輯：起步時推出25萬美元的Roadster，賣給少數人，獲得足夠的資金和信任，然後逐步向下——Model S、Model 3。高開低走，而不是從中間起步。這個邏輯的深層原因在於：你必須先證明自己能創造極致價值，然後才有資格談規模化。如果你從一開始就定位中端，你永遠沒有機會證明“你其實可以做得更好”。市場會把你鎖定在那個位置上。更重要的是，定價本身就是一種訊號。當你定價1萬美元時，你在告訴市場：“我能創造配得上這個價格的價值。”當你定價10美元時，你在告訴市場：“我的規模足夠大，可以把價格壓到這麼低。”但當你定價100美元時，你在告訴市場什麼？你既不夠好到讓人願意付10倍價格，也不夠便宜到讓人覺得“反正試試也不虧”。你卡在一個沒有清晰訊號的位置上。而在資訊過載的時代，沒有清晰訊號就等於不存在。這就是為什麼亞歷克斯·霍莫齊說：每個生意都可以有5個一對一的客戶，收取10倍價格。不是讓你把整個生意都變成一對一，是讓你建立那個“極致價值”的錨點。有了這個錨點，你所有其他產品的定位都清晰了。沒有極端，就沒有參照系。沒有參照系，中間價格就是一片模糊。tyler cowen四、底層邏輯：為什麼AI時代中間層必然崩塌三個人的觀察——資本的槓鈴化、產業的全端化、定價的兩極化，最終指向同一個殘酷的底層邏輯：邊際成本的消失與網路效應的放大，在AI的催化下，徹底抽走了支撐“中間層”存在的三根支柱。第一根崩塌的支柱：摩擦。過去世界很慢：資訊不透明、協作成本高、複製成本高，所以“中間人”有價值——他負責對齊、協調、轉述、包裝，把複雜搬運成可執行。而AI，正是終極的“摩擦消除劑”。它讓資訊近乎透明，內容近乎免費，流程極度自動化，協作高度可編排。許多“中間層工作”的本質——把知識從A搬到B、把範本從左改到右、把會議紀要翻譯成PPT，這正是大語言模型和智能體最擅長、且正在規模化替代的領域。當知識的搬運和格式轉換成本趨近於零，僅以此維生的中間層便失去了存在理由。第二根崩塌的支柱：均值的稀缺。過去，做到70分很難，需要經年累月的訓練，所以70分也能賣錢。AI的可怕之處，是它讓“70分”變成幾乎免費的公共品。寫一份像樣的方案、做一套不難看的視覺、產出一段能用的程式碼、擬一封看起來很專業的郵件……這些平均水平的產出，正被AI以接近零邊際成本的方式大規模供給。當“還不錯”變得唾手可得，中間層靠“熟練工”經驗吃飯的邏輯就徹底失效了：你既沒有把成本壓到AI的極致，也沒有把價值抬到人類創造力與責任感的極致，於是被技術和頂尖人才兩頭擠壓。第三根崩塌的支柱：機構的緩衝層。過去，組織、媒體、管道、職業階梯，本質上都在為中間層提供“緩衝”：只要嵌入系統，就能憑藉位置而非絕對能力換取一份穩定回報。今天，AI與平台技術正在削薄甚至刺穿這層緩衝。平台直接連接供需（如各類市場），AI直接賦能和放大個體（如個人創作者、獨立開發者），組織為求生存被迫追求極致的敏捷與扁平。中間層原本靠制度與結構吃到的“穩定溢價”和“資訊差價”，正在被迅速抽走。這三根支柱的斷裂，不是偶然，也不是孤立的，而是由三條在AI時代被急劇強化的硬規律所驅動：規律一：壓縮規律。AI的核心能力是“壓縮”：將人類經驗、工作流與創意模式壓縮成可瞬時呼叫、無限復用的演算法與模型。一旦某種能力被成功壓縮，它就會迅速商品化，價格向零逼近。中間層最危險之處在於：它恰恰是最容易被壓縮的那一層——流程化、可替代、可描述、可範本化。規律二：分發規律。當AI使內容與服務的供給爆炸性增長時，決定勝負的不再是“會不會做”，而是“誰能被看見、誰能信任、誰能規模化觸達”。分發權力日益集中於演算法平台，導致回報極度冪律化：贏家獲得絕大多數注意力，注意力又反過來強化其分發優勢。於是，“強者恆強，無聲者消亡”成為常態。規律三：責任規律。當平均產出因AI而變得廉價，市場只願為兩樣東西支付高昂溢價：極致的確定性（如 flawless 的標準化產品）與無法推卸的責任。你敢不敢在資訊不全時做關鍵決策？你能不能為最終結果兜底？當AI能生成無數個“可能對”的答案，真正的稀缺就變成了“我為這個‘對’的結果負責”。這不是技巧，是價值的最終錨點。在生物進化中，當環境劇變，最先滅絕的往往不是最特化的強者，也不是最隱蔽的弱者，而是那些“最適應舊環境”的中間物種。它們既無極端化的生存優勢，也缺乏快速轉向的靈活性。今天的經濟與社會結構正在經歷同樣的“進化脈衝”。中間層的崩塌不是偶然，是必然。因為它建立在一個正在消失的舊前提上：世界服從鐘形曲線的常態分配。而AI驅動下的世界，正無可逆轉地滑向冪律分佈。所有基於“平均值”的策略——中型基金假設有大量中等回報的項目、企業假設大眾市場青睞中等價位的產品、個人假設中等技能能獲得穩定晉陞——都將隨著地基的塌陷而失效。你不是不夠努力，而是站在了流沙之上。五、選擇的時刻：擁抱槓鈴，逃離均值當我們把三個洞察拼在一起，一個完整的圖景已然浮現：世界不再獎勵“平均”。馬克·安德森從資本的角度看到，中型基金因結構性矛盾而無法生存；亞歷克斯·霍莫齊從定價的角度發現，中間價格帶在經濟上無法自洽；泰勒·考恩從經濟學的高度揭示，技術正將社會從常態分配扭轉為冪次分佈。三個視角，同一個冰冷結論：中間層正在全面崩塌，世界正在加速兩極化。這不是道德判斷，是技術、經濟規律作用下的客觀現實。你可以抱怨，也可以理解並適應，但無法改變它，因為它根植於數位化與智能化的底層邏輯。在這個由AI定義的槓鈴世界裡，生存法則已然重寫：1.  拒絕平庸，逃離“百貨公司”模式。不要再試圖成為那個“對誰都還行”的選項。那個試圖討好所有人的生態位，正在被演算法和極致性價比的產品迅速填埋。2.  果斷擁抱兩端。要麼選擇“槓鈴”的重端：建構或加入具有網路效應和規模效應的平台、系統，追求巨大影響力。要麼選擇“槓鈴”的輕端：成為某個細小領域無可替代的專家、藝術家、顧問，提供AI無法複製的深度洞察、情感連接或物理世界技能，建立基於深厚信任的個人品牌。3.  加速自我遷移。中間地帶的舒適區已開始液化，但兩端的天地正在拓展。關鍵在於，你必須主動選擇一端，並傾盡全力向那個極端奔跑。利用AI放大你的獨特優勢，而不是讓它把你變成另一個可被替代的平均值。卡在中間，思路一條；擁抱極端，方有生機。時代斷裂處，你的選擇決定了你的位置。 (不懂經)