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)

人工智慧的算力競賽正在全球範圍內掀起一波半導體、伺服器與電力基礎設施的投資浪潮。全球光刻機巨頭阿斯麥（ASML）第四季度訂單額達到132億歐元，是市場平均預期的兩倍。與此同時，SK海力士季度利潤創歷史新高，營業利潤同比大增137%，工業富聯第四季度淨利潤同比增長56%至63%。這些超出市場預期的業績資料，指向一個共同趨勢：AI驅動的算力投資正在全面加速。更值得關注的是，電力基礎設施供應商GE Vernova也交出了一份亮眼的四季度成績單，營收達到109.6億美元，超出市場預期，積壓訂單規模已達到1500億美元。這揭示了一個完整鏈條：AI算力增長需要半導體，半導體製造需要更精密的裝置，而所有這些都需要持續的電力供應。01 四巨頭業績超預期，AI產業鏈協同爆發從歐洲到亞洲，從半導體裝置到AI伺服器，全球科技巨頭的最新財報勾勒出一幅AI算力投資全面擴張的圖景。四家關鍵公司的最新業績表現，為我們揭示了AI產業鏈不同環節的景氣度現狀。阿斯麥的業績最為耀眼。2025年第四季度，該公司新增訂單額環比翻倍，達到132億歐元，其中74億歐元來自極紫外光刻（EUV）系統。這一資料大幅超過分析師預期的63億歐元，創下歷史新高。阿斯麥首席執行長Christophe Fouquet表示：“過去幾個月裡，我們的許多客戶對中期市場狀況的評估明顯更加積極，主要是基於對AI相關需求可持續性的更強勁預期。”這一表態折射出半導體行業對AI浪潮的長期樂觀態度。SK海力士的表現同樣令人矚目。作為輝達高頻寬記憶體（HBM）的核心供應商，海力士憑藉在AI領域的持續旺盛需求，營業利潤同比大增137%，達到19.2兆韓元（約135億美元），輕鬆超出市場預期。海力士的成功得益於其在HBM領域的領先優勢——目前佔據全球HBM市場61%的份額。隨著AI晶片組需求持續爆發，儲存晶片價格也水漲船高，上季度16GB DDR5晶片的合約價同比漲幅超300%。工業富聯作為AI伺服器領域的重要參與者，2025年全年歸母淨利潤預計達351億至357億元，同比增長51%至54%。更為亮眼的是，第四季度AI伺服器業務營收同比增長超5.5倍，成為業績增長的核心引擎。GE Vernova的業績則從能源角度印證了AI算力需求的擴張。該公司四季度營收達到109.6億美元，超出市場預期，積壓訂單規模已達1500億美元的歷史高位。燃氣輪機訂單規模從33吉瓦大幅提升至40吉瓦，顯示出電力需求的迅猛增長。02 訂單資料背後，AI算力投資進入新階段表面上看，這些公司的業績增長源於各自領域的市場需求擴大。但深入分析可以發現，AI算力投資正在從過去的概念炒作轉向實實在在的產能擴張。阿斯麥的訂單資料被視為晶片製造商對未來AI需求信心的重要風向標。其訂單爆發不僅反映了當前晶片產能的緊張，更預示著未來1-2年內全球半導體產能的擴張步伐。阿斯麥計畫將2025年全年股息提升至每股7.50歐元，較2024年增長17%，同時宣佈了一項最高達120億歐元的股票回購計畫。這些舉動表明公司對未來現金流充滿信心。工業富聯的高速網路裝置需求增長同樣值得關注。2025年，該公司800G以上高速交換機業務營收同比增幅高達13倍，第四季度仍保持超4.5倍的同比增長。這一資料與AI伺服器需求激增相互印證，顯示資料中心內部網路升級與AI算力擴張同步進行。GE Vernova的訂單積壓質量顯著提升，全年裝置訂單積壓利潤率增長了8個百分點。這意味著未來訂單轉化為營收時，將帶來更高的盈利能力。公司管理層因此上調了多年期財務展望，顯示出對電力需求持續增長的堅定信心。03 產業鏈傳導效應，從裝置到應用的全面繁榮AI算力投資的鏈條傳導正在顯現。從半導體裝置到晶片製造，再到AI伺服器和電力支援，整個產業鏈正在經歷一場由AI驅動的全面升級。半導體裝置環節的景氣度直接關係到整個晶片產業的產能擴張。阿斯麥預計2026年全年銷售額將在340億歐元至390億歐元之間，高於分析師的350億歐元的預期。公司還預計2026年EUV業務將實現顯著增長，同時非EUV業務整體上將與2025年基本持平。在晶片製造環節，AI帶來的需求不僅是簡單的產能擴張，更是技術升級。SK海力士的業績增長主要來自HBM等高附加值產品的結構性變化。這意味著AI不僅增加了晶片需求量，更在推動晶片技術向更先進、更高價值的方向發展。AI伺服器市場則呈現出爆發式增長態勢。工業富聯AI伺服器業務2025年營收同比增長超3倍，第四季度該業務營收環比增長超50%。這一增長態勢與全球雲廠商的資本開支方向高度一致。2025年，北美四大雲廠商的資本開支總計超3500億美元，並對未來資本開支給出積極指引。微軟預計2026財年一季度資本開支將超過300億美元，致力於雲基礎設施建設。電力基礎設施作為AI算力的底層支撐，其需求增長更具長期性。GE Vernova首席執行長Scott Strazik表示：“人工智慧資料中心的快速擴張、新建工廠的投產以及整體電氣化處理程序的加速推進，共同推動了全球電力需求的爆發式增長。”這一判斷得到了訂單資料的支撐——公司裝置訂單積壓和槽位預留協議從62吉瓦暴增至83吉瓦。04 未來展望：今晚重磅財報將決定市場風向今晚，市場將迎來更多檢驗AI成色的重要財報。特斯拉、Meta和微軟的業績表現將成為判斷AI投資可持續性的關鍵指標。微軟的財報尤為引人關注。市場將重點關注其AI服務是否真正拉動了營收增長。Azure雲服務的營收增速能否保持強勁，將直接反映企業級AI需求的真實狀況。微軟當前面臨的風險在於，其AI相關投入可能無法帶來顯著的增長回報。Meta的財報同樣關鍵。去年10月，祖克柏宣佈計畫加碼數十億美元投入AI領域，導致股價暴跌20%。投資者關心的是，祖克柏能否在本次財報中就2026年的支出規劃給出更具紀律性的表述。祖克柏近期表示“Meta計畫在本十年內建成數十吉瓦的人工智慧算力”，這樣宏大的目標需要更清晰的商業化路徑來支撐。市場需要看到AI投資的明確回報跡象，而不僅僅是投入承諾。蘋果公司將於周四發佈財報，分析師預測其將迎來四年來最強勁的營收增長。iPhone 17系列的市場熱度可能帶動業績表現，但投資者更關注的可能是蘋果在AI領域的佈局和進展。GE Vernova的管理層已經明確表示，他們正站在電力需求激增的風口之上。人工智慧資料中心的快速擴張、新建工廠的投產以及整體電氣化處理程序的加速推進，共同推動了全球電力需求的爆發式增長。這種增長不僅體現在數量上，更體現在質量上——該公司裝置訂單積壓利潤率全年提升了8個百分點。行業專家指出，AI資料中心建設延遲是短期內的主要微觀風險。但長遠來看，AI產業已進入一個“良性循環”，黃仁勳稱全球算力基建才走完“第一年”，完整周期至少10年。 (吐故納新溫故知新)

在昨天達沃斯世界經濟論壇上，Google DeepMind的CEO、諾貝爾獎得主戴密斯·哈薩比斯說出了一個讓全場震驚的判斷：“AI帶來的變革，將是工業革命的10倍規模、10倍速度。”主持人迅速接話：“那就是100倍。”“是的，100倍。”哈薩比斯確認道。無獨有偶，就在幾天前，矽谷傳奇投資人馬克·安德森也在一場播客中拋出類似觀點：“為什麼一切即將擴大十倍？因為當技術發生根本性突破時，基於現有市場資料的預測完全失效。”問題是：在這場百年未見的巨變中，普通人的最佳機會在那裡？答案可能讓很多人意外，也讓一些人不屑一顧。普通人最值得做的，不是去學 Python 程式設計，不是去捲大廠職位，更不是去all in 炒幣，而是成為一名內容創作者，或者更準確地說，成為一家“一人公司”（One-Person Business）。因為這是人類歷史上，個人槓桿率最高、門檻最低、上限最高的一次機會窗口。AI時代的真正衝擊：不是失業，而是工資制度本身的衰亡一、一篇文章，1.5億瀏覽量2025年1月12日，一個叫Dan Koe的美國人在X（原推特）上發了一篇長文，標題是《How to fix your entire life in 1 day》（如何在一天內修復你的整個人生）。一周後，這篇文章的瀏覽量突破了1.5億。1.5億是什麼概念？X全球月活使用者約6億——意味著平台上每四個人，就有一個看到了這篇文章。有人好奇這篇文章賺了多少錢。Dan Koe曬出了X平台14天的分成：4495美元。1.5億瀏覽量，才賺4495美元？但Dan Koe去年的總收入是400多萬美元。錢從那來的？來自他的付費訂閱、書籍銷售、AI工具銷售。所有這些，都建立在他六年如一日的內容創作之上。那篇爆款文章不是終點，而是漏斗的入口。1.5億瀏覽量意味著品牌曝光和信任積累，真正的收入來自那些被內容吸引、進而購買他產品的一小部分人。Dan Koe的收入曲線是這樣的：2019年：1萬美元2020年：10萬美元2021年：15萬美元2022年：80萬美元2023年：250萬美元2024年：400萬美元+六年，從1萬到400萬。他說了一句話，我覺得值得每個人記住：“Please for the love of all things holy don't quit after 2 months.” 拜託，千萬別兩個月就放棄。Dan Koe的故事之所以值得關注，不是因為他是個例外，而是因為他代表了一種正在崛起的新物種：超級個體。一個人，借助網際網路和AI，做著過去需要一整個團隊才能完成的事。而這個物種的數量，正在以指數級增長。二、為什麼是內容創作——三大底層改變你可能會說：這不就是個網紅故事嗎？每個時代都有幾個幸運兒。此言差矣。這不是運氣，而是底層邏輯的改變。我們可以從用三個維度來解釋。【邏輯一：供給驅動的市場爆發】馬克·安德森的基金a16z投資了Substack（一個付費的寫作平台）。很多人不理解：寫作能有多大市場？安德森的回答是：“傳統市場分析完全失效。”他解釋說，在Substack出現之前，許多才華橫溢的作者被困在傳統媒體機構中，受限於機構的立場或商業模式，無法自由表達或從中獲利。這導致了一個巨大的“供給缺口”。而當你提供一種新的變現機制，你就能憑空創造出原本不存在的供給——那些原本不寫作或無法獨立生存的作者。這些新供給會進而激發原本不可見的潛在需求。“Substack不僅僅是替代了舊報紙，它可能將內容產業的市場規模擴大10倍甚至1000倍。”這就是“供給側解鎖”的威力。過去人們批評網際網路充滿了短影片和貓片，認為使用者只想當“沙發土豆”。但這種批評忽略了市場的啞鈴型結構——雖然大眾娛樂有巨大市場，但在另一端，對於高品質、深度內容的潛在需求同樣驚人。長播客的成功就打破了“使用者注意力只有幾秒鐘”的迷思——只要供給質量足夠高，使用者願意花3小時觀看。問題從來不是缺乏需求，而是缺乏優質的供給。而AI，正是人類歷史上最大的供給側變革。過去，一個人想做內容創作，需要會寫作、會剪輯、會設計、會營運。現在，AI可以幫你完成其中80%的執行工作。門檻降低了，但這不意味著價值消失——恰恰相反。安德森特別提到一個概念：“非同質化作者”。AI可以生成大量平庸的內容，這反而讓真正獨特、具備個人品牌的作者變得更有價值。Substack實際上是在通過技術手段，讓這些“非同質化”的個體得以建立自己的商業帝國。尖峰報告：穩定幣到底是一場怎樣的財富大轉移？【邏輯二：納瓦爾的“槓桿三要素”】矽谷傳奇天使投資人納瓦爾·拉瓦坎納有一套著名的“致富框架”，被無數人奉為圭臬。其核心是三個要素：1. 特殊知識（Specific Knowledge）：你獨特的經歷、洞察、表達，這是無法被培訓、無法被覆制的。納瓦爾說：“特殊知識往往來自你的熱情和好奇心，而不是去學當下最熱門的東西。”2. 責任（Accountability）：用自己的名字承擔風險。社會獎勵那些有勇氣在自己名下冒險的人。大多數人不敢，所以敢的人獲得超額回報。3. 槓桿（Leverage）：讓你的投入產出比遠超1:1。關於槓桿，納瓦爾有一句堪稱劃時代的觀點：“程式碼和媒體是無需許可的槓桿。”什麼意思？傳統槓桿（資本、人力）需要別人的許可——你要融資、要招人。但程式碼和媒體不需要。你今天就可以開始寫作、錄視訊、做播客，不需要任何人批准。他還說：“這是全新的槓桿形式，也是最民主的形式。它是邊際成本為零的產品複製——包括書籍、媒體、電影和程式碼。所有新財富都是從這裡產生的。”“只要你是最好的，網際網路今天使任何小眾興趣都能規模化擴展。”內容創作，恰好同時滿足這三個要素：你用自己的名字（責任），分享你獨特的思考（特定知識），通過網際網路觸達數百萬人（槓桿）。而正如納瓦爾所言，“學會銷售，學會建構。如果你兩樣都會，你將勢不可擋。”內容創作本質上就是在學習銷售，銷售你的想法、你的人格、你的世界觀。都2026年了，全世界最會搞錢的這群大聰明為什開始狂搞自媒體？【邏輯三：AI放大器效應——一個人就是一支團隊】Dan Koe是怎麼工作的？根據矽谷著名連續創業者Greg Isenberg的消息和分析，Dan Koe每天早上打開ChatGPT和Claude，像使用內部策略團隊一樣使用它們。他會把表現最好的帖子喂給AI，讓AI分析隱藏的模式——結構、節奏、好奇心缺口、情感回報。然後他建立一套可重複的系統，把2小時的工作變成7天的內容。他的核心方法是：1. 在Twitter上快速驗證：每天寫兩三條高密度帖子，那條火了，就是市場訊號。2. 一個來源驅動所有內容：把驗證過的想法擴展成Newsletter，Newsletter變成YouTube指令碼，再跨平台復用到LinkedIn、Instagram、Threads、Shorts。3. 用AI壓縮研究時間：把長視訊丟給Claude，6小時的研究壓縮成1000字摘要，再與自己的素材庫比對，找到獨特角度。他有一套“提示詞堆疊”：YouTube標題生成器（基於他表現最好的15個標題訓練出30個新標題）、深度帖子生成器（提取悖論、轉變弧線、行動步驟）、內容創意生成器（根據驗證過的格式輸出60個推文創意）。哈薩比斯在達沃斯說了一句話，精準描述了這種狀態：“你可能能夠做到過去需要10個人才能完成的工作。如果你有創業精神，在遊戲設計、電影、項目方面有創意，你可能比過去更容易進入這些行業。”一個人，就是一家公司。一個人，就是一支團隊。這在人類歷史上從未發生過。三、為什麼不是程式設計或投資？你可能在想：為什麼偏偏是內容創作？做軟體不行嗎？打工不行嗎？創業不行嗎？讓我一個個說。【做軟體？在國內C端幾乎賺不到錢】前幾天跟朋友聊天，他說了一句話讓我印象深刻：“身邊做AI的人很多，但在國內做C端AI產品賺到錢的，除了賣課，好像真想不到其它的了。”做出海的有，給企業做解決方案的有，搞培訓教課的也有。但國內C端AI產品，要麼做了但沒賺到什麼錢，要麼做得很小眾，養活自己都勉強。AI熱了這麼久，國內使用者量也不小，按理說C端應該有機會。但實際情況是，大家寧願去做ToB、做出海，就是不碰國內C端。為什麼？因為做了發現賺不到錢。國內使用者付費意願本來就低，AI產品又特別容易被覆制，你剛做出個東西，就有一堆類似的。外加大廠直接免費送，用流量和錢砸你。一個小團隊，沒能力跟人家耗。但內容不一樣。內容的護城河是你這個人。你的經歷、你的表達、你的人格；這些沒法被覆制，沒法被大廠砸錢砸掉。【打工？你只是個時日不多的螺絲釘】Anthropic（claude模型的母公司）的CEO Dario Amodei阿莫戴伊在達沃斯說，AI可能在5年內消滅50%的入門級白領工作。哈薩比斯雖然認為時間線會更長，但他承認今年就會開始看到一些跡象，比如入門級工作和實習崗位的減少。而Node.js的創始人Dahl今天就在推特上表示，“人類編寫程式碼的時代已經結束。”“黑天鵝之父”塔勒布有一句很經典也很扎心的話：“最危險的毒品有三種：海洛因、碳水化合物，和月薪。”打工者用時間換錢，永遠無法獲得槓桿。你的價值被鎖死在每小時、每月能產出多少。我看到網友的一段話，寫得還是很有道理的：“別跟我扯行業、崗位、背景。那怕你是技術崗，不會曝光、不敢說話、沒人知道你，你就是個隨時可替換的螺絲釘。”很多人還在賭一件事：熬。熬資歷，熬年頭，熬到高級經理。但你算過機率嗎？能熬上去的那點人，不比做出一個自媒體號多，甚至更少。而且更殘酷的是：你熬輸了，啥都沒留下；你做自媒體，那怕失敗，至少留下了內容、曝光、經驗和認知。現在這個年代，影響力就是簡歷。不是你寫給HR的那張紙，是市場天天給你打的分。【傳統創業？門檻太高，風險太大】傳統創業需要：資金、團隊、供應鏈、辦公室……內容創業只需要：一台電腦、你的思想、持續輸出。Dan Koe總結了一個“新商業劇本”：“先做創作者→ 建立受眾 → 積累現金和槓桿 → 享受生活……或者用它來啟動創業。”內容創作是所有事情的“前置任務”。你先有了受眾和信任，再做任何生意都事半功倍——無論是賣課、賣產品、做諮詢、還是真的去創業融資。這也是為什麼越來越多聰明人的路徑變成了：先建立個人品牌，再考慮下一步做什麼。因為有了受眾，你做什麼都有人買單；沒有受眾，你做什麼都是從零開始。【一個正在成型的共識】我越來越相信一個判斷：未來所有工作都將是：專業技能 + 自媒體。你會什麼固然重要，但是有多少人知道你更重要。沒人認識你，不能被看到，你就不值錢。再努力，也只是更便宜的努力。要麼早點把自己當成一門生意來經營，要麼等著被現實教育：公司不養閒人，時代不等無名者。四、為什麼現在是最好的時代？Sahil Bloom，《五種財富》的作者，另一位成功的內容創作者，在一次播客中說了一段話，我覺得是對這個時代最好的註解：“我可以坐在書桌前，每周寫一份新聞通訊，觸及全球數百萬讀者。可能是印度的18歲青年，也可能是內布拉斯加州的90歲老人，但他們可以在我還活著的時候，即時閱讀和參與這些想法。這是多麼不可思議的時代？”他說得對。這確實是人類歷史上成為內容創作者的最佳時機。原因有幾個：【前所未有的全球觸達能力】數位化創作工具讓個人能夠突破地理限制，通過網際網路直接與全球受眾即時互動。這是歷史上前所未有的傳播規模。過去，你想讓一百萬人聽到你的聲音，需要出版社、電視台、報社。現在，你只需要一個帳號和持續輸出的內容。納瓦爾說過，“網際網路使任何小眾興趣，只要你是最好的，都能規模化擴展。”在網際網路之前，全世界最好的手沖咖啡師可能只在一個小鎮上被認可。現在，他可以通過YouTube教全世界的人沖咖啡，賣課程、賣咖啡豆、接代言。【複利式影響力積累】Sahil Bloom提到一個概念：內容創作的本質是複利。“給朋友發條簡訊會產生未來人際關係的複利效應。”每個微小創作單元（文章、視訊、推文）都是在建構持續增值的數位資產池。你今天寫的文章，可能五年後還在為你帶來流量和客戶。他提出的“每日解決一個問題”方法，將內容生產轉化為可積累的長期影響力工程。不是追求每篇都爆，而是持續建立一個資訊庫，讓時間成為你的朋友。納瓦爾也說過類似的話：“所有生活中的回報，無論是財富、關係還是知識，都來自複利。”內容是少數幾種可以複利的資產。【對抗社會連接悖論的機遇】我們處在一個奇怪的時代：技術連接與現實疏離並存。每個人都線上上，但真正的深度連接越來越稀缺。這恰恰是內容創作者的機會。優質內容創作成為稀缺的情感連接管道。通過深度觀點分享（播客、長文、視訊），創作者能建立超越表層社交的實質精神聯結。這也是為什麼Dan Koe那篇文章能有1.5億瀏覽量：人們渴望有人告訴他們如何修復自己的人生，渴望有人提供方向感。誰能持續提供這種價值，誰就能建立起最深的信任。【非線性成功的可能性】Sahil Bloom自己就是例子：“從高薪工作轉型寫作卻獲得更大成就。”數字時代的內容價值評估體系（閱讀量、互動深度、社會影響）已超越傳統財務標準。個人專業知識（如金融、技術、設計）可通過內容產品化轉化為多維財富——時間自由、社會影響力、被動收入。傳統路徑是線性的：升職、加薪、慢慢積累。內容創作的路徑是非線性的：可能很長時間沒有反饋，然後突然爆發。Dan Koe的收入曲線就是這樣，前三年才從1萬到15萬，但後三年從15萬到400萬。這就是槓桿的威力：一旦找到了產品-市場匹配，增長是指數級的。五、但時間窗口正在關閉哈薩比斯在達沃斯說了一句讓我印象深刻的話：“通常這樣的轉變需要一到兩代人，但這次的速度和變革的規模都是前所未有的。”這意味著什麼？意味著先發優勢的窗口期極短。Dan Koe花了六年建立起17萬郵件訂閱者和數百萬社交媒體粉絲。這六年積累的信任，是AI無法複製的。而現在，AI降低了入門門檻，但同時也讓競爭更加激烈。在Dan Koe那篇文章爆火後，X平台上已經湧現出大量模仿者，各種AI技能教學和勵志文章，什麼“How to change your life in 2026”“The one skill you need”“Why most people will never succeed”……結構一樣，圖片風格一樣，連“讓我告訴你真相”的語氣都一模一樣。這種寫法甚至成了一個meme，引發了大量模仿和惡搞。但爆火的依然是Dan Koe，而不是模仿者。為什麼？一方面，信任需要時間積累。Dan Koe寫了六年，有真實的失敗經歷和可追溯的成長歷程。AI可以模仿他的句子結構，但無法複製那段歷史。另一方面，超級個體賽道已經非常擁擠。每個人都想成為下一個Dan Koe——他的學員們的目標通常都是“建立個人品牌”“通過內容創作變現”“逃離朝九晚五”。Dan Koe自己也說：今年，你將與大量使用AI的寫作者競爭。但不用擔心，因為這正是你真正的聲音和思考方式閃耀的時候。AI是一個資料庫，它繪製地圖，但你的寫作可以朝任何方向走，可以比AI更快地調整。作為一人企業，這是你的優勢。這就是時間窗口的意義：越早開始，你就越有可能在AI氾濫的時代建立起不可替代的信任資產。等到所有人都在用AI寫內容的時候，唯一能脫穎而出的，就是那些有真實積累、有獨特視角、有人格魅力的人。而建立這些，需要時間。窗口不會永遠開著。六、所以，從今天開始哈薩比斯在達沃斯說，面對這場100倍的變革，他對人類保持樂觀：“我們極其適應性強，因為我們的心智是如此通用。”他給年輕人的建議是：“精通這些新工具，成為這些工具的原生使用者。這幾乎相當於給你超能力。”納瓦爾說得更直接：“成為世界上做你所做之事最好的人。不斷重新定義你做的事，直到你真的是最好的。”這不是關於賺錢的故事。這是關於在AI時代找到“不可替代”位置的故事。AI可以寫程式碼，可以生成圖像，可以分析資料，但AI無法成為“你”。你的經歷、你的思考、你的表達、你的故事，這些是真正的稀缺資源。而內容創作，就是把這些稀缺資源轉化為可複利資產的最佳方式。所以，從今天開始。用你的名字，分享你的思考。不需要完美，不需要許可，不需要等待。但正如Dan Koe所說，千萬別兩個月就放棄。至於具體怎麼做？如何找到自己的定位？如何建立內容飛輪？如何用AI提升效率而不是被AI替代？網上已經有很多套路，或者問AI也可以拿到標準答案。但是，如果你想要更系統更特殊的方法論和實操指南，歡迎加入經叔的知識星球，今年會有更多關於“一人公司”的獨家內容，幫助大家抓住時間窗口。但在那之前，最重要的是——先開始。【懂】 (不懂經)

2026 年 CES 舞台上，西門子 CEO Roland Busch 沒有講產品，而是先講了一個百年前的故事。他說，當年電力出現，把黑夜變成白晝，讓機器放大人的能力，把速度變成效率。而今天，工業正迎來另一次通用技術的代際更替。他給出了一個明確的判斷：工業 AI 不再只是功能，而是將重塑下個世紀的力量。這什麼叫“力量”？不是在傳統流程末端裝個演算法外掛、加個攝影機識別，而是從設計源頭就開始重構整個工業的運轉方式。所以這次發佈會，黃仁勳親自登台。西門子聯手輝達，這套“工業AI作業系統（Industrial AI Operating System）”，進產線了。第一節｜為什麼需要作業系統？過去十年，工業 AI 一直在做的事情，本質上是“外掛式最佳化”：在傳統流程末端加個視覺識別，在生產線上裝個預測性維護演算法，在質檢環節接入缺陷檢測模型。這些都有用，但都沒有改變工業的運轉方式。設計還是用傳統軟體畫圖，模擬驗證還是要花好幾天，製造系統還是按照預設的剛性流程執行。AI 只是在最後幫你最佳化一下，而不是從一開始就參與進來。這就是為什麼工業 AI一直停留在試點階段，很難真正規模化落地。那怎麼破局？Roland Busch 這次用一個案例來說明：如果要真正破局，該從那裡下手。他選的不是工廠，不是機器人，而是晶片設計。這個選擇很關鍵。因為晶片設計是整個工業鏈條裡最複雜、最依賴模擬、最吃算力的環節之一。如果工業 AI 連這個都能改，那它確實可能改所有東西。拿 Nvidia 剛發佈的新一代 GPU Vera Rubin 來說：功率 240 千瓦，內含 220 兆個電晶體，由 6 種不同晶片、冷卻網路、互連模組組成，整整重兩噸，耗費 15 萬工程人年才設計出來。這樣的硬體，傳統方式已經跑不動了。更關鍵的是，傳統方式是“設計完→驗證→發現問題→人工修改”，這個流程太慢了。黃仁勳給出的答案是：“工程師的目標不是寫 Verilog 程式碼，而是解決問題。未來會有 AI 設計師和人類設計師坐在一起，一起探索想法，一起迭代邊界。”這就是為什麼他們要從設計軟體開始動手。如果連圖紙怎麼畫都還是老方式，後面談工廠數字孿生、談AI製造，都是空中樓閣。所謂“工業AI作業系統”，第一步就是要解決這個問題：讓 AI 從設計的第一步就參與進來，而不是在最後一步幫你最佳化。第二節｜完整技術堆疊，雙方互用如果工業 AI 要從單點工具變成作業系統，那它到底長什麼樣？Roland Busch 和 黃仁勳在台上公佈的，不是某個新產品，而是一套完整的技術堆疊。這套技術堆疊分三層：最底層是 GPU 算力。傳統工業軟體是在 CPU上 運行，速度已經成為瓶頸。黃仁勳舉了個例子：過去做風洞模擬，運行一次要好幾天，現在遷移到GPU上，速度能快1000倍。這不是小幅最佳化，而是從"跑幾十種方案"到"跑上萬種方案"的質變。中間層是設計和模擬軟體。這是西門子的核心能力。他們的EDA工具、Simcenter工程模擬套件，要全部用CUDA重寫。更重要的是，這些軟體不再只做驗證，而是開始創造。AI 可以在海量資料上訓練，主動提出新的設計方案，而不是等工程師畫完圖再去檢查。應用層是製造控制和營運管理。這是西門子 50 年工業積累的價值。全球每三台製造機器就有一台運行著西門子的控製器。他們知道工廠怎麼運轉，知道那些資料重要，知道什麼樣的決策應該留給人類，什麼可以交給AI。三層合在一起，才是“作業系統”。缺任何一層，都只是工具拼湊。那這套作業系統怎麼落地？他們現場宣佈了 5 個深化合作方向：EDA軟體遷移GPU、工程模擬加速、自適應製造、AI工廠建設、相互使用技術。但這不是5個獨立項目，而是一條完整的鏈路。設計出來的晶片，能直接在數字孿生裡進行熱模擬；驗證通過的工廠佈局，能直接推送給產線AI調整；模擬出來的最優參數，能即時下發到邊緣控製器。整個流程不需要人工轉換格式、不需要資料重新錄入、不需要跨部門開會對齊。而這套系統的第一個實體產品，叫Digital Twin Composer，數字孿生建構器。它能建立任何產品、工廠、流程的虛擬 3D 模型，連接即時資料。更關鍵的是，它不是孤立的模擬工具，而是能直接連到西門子的營運軟體和硬體。也就是說，你可以從虛擬環境中直接對現實世界做出改變：調整機器速度、改變溫度參數、重新分配物料流轉路線。數字世界和物理世界之間，不再有那道看得見摸不著的牆。這個產品已經上線到西門子自己的Xcelerator平台，不是演示版本，而是真實商用。工業 AI 不是誰都能做的。西門子和輝達能做成，是因為各自拿出了關鍵能力。第一，需要真正理解工業場景。西門子在30個工業垂直領域都有深厚積累，1500名AI專家，25萬員工帶來的行業知識。第二，需要GPU算力革命。傳統CPU根本運行不起來這個量級的模擬和模擬。Nvidia的CUDA生態、GPU架構、AI加速能力，是這套系統的算力基座。第三，需要自己先用。Roland 在現場明確說：“我們會在 2026 年，在德國啟動第一個完全AI驅動的自適應製造基地。我們自己的工廠，會用我們自己的技術。”當一個做了 175 年工業的公司，把自己的工廠當作第一個試驗場，這就是最好的背書。黃仁勳也說：我們要一起加速西門子的 EDA 軟體，這樣我們就能更快地設計晶片，然後用這些晶片更快地加速西門子的軟體。我們要一起最佳化 Simcenter 模擬工具，這樣我們就能更快地設計 AI 工廠，然後用這些工廠製造更強大的AI。這是一個正向循環。而正向循環的起點，是雙方都把對方的技術用在自己最核心的業務上。完整技術堆疊、真實場景驗證、正向循環加速，這個“工業AI作業系統”就是這麼做成的。第三節｜誰在用？百事可樂、勞斯萊斯、聚變能源很多 AI 項目都死在“能做”和“能用”之間。演示視訊裡效果很好，到了真實產線就不靈了。西門子自己要用，一批客戶也已經在執行真實項目。1、百事可樂是第一批客戶他們拿一座營運了 50 年的老倉庫做測試。這個倉庫已經滿足不了高峰期需求，傳統做法是擴建或新建，動輒幾百萬美元。他們選擇先在數字世界裡重新設計。用數字孿生模擬不同的貨物流轉方式、叉車路線、機器人走位，AI自動推演出幾百上千種佈局方案，找出最有效率的那個。結果：三個月內，吞吐效率提升20%。更關鍵的是，他們內部估算，整個營運鏈條的資本支出可能因此減少10%到15%。2、另一個案例是勞斯萊斯他們用這套工具最佳化航空發動機裡的液壓泵設計。把零件和製造機器都建成數字孿生，用AI模擬整個加工過程。結果：CAN程式設計時間縮短80%，工廠整體生產力提升30%。3、還有一個更遠期的案例：聚變能源Commonwealth Fusion Systems在用西門子的技術設計全球第一台商業聚變反應堆。目標是在弗吉尼亞州建造一台能產生 400 MW電力的商業聚變機組，Google已經簽了購電協議。這個項目的意義在於：黃仁勳提過，一個 AI 工廠需要 1 吉瓦的電，成本 500 億美元。沒有清潔、穩定、充足的能源，這些 AI 工廠根本建不起來。而聚變能源從設計到工廠控制，全程用西門子的數字孿生和自動化系統，本身就是工業 AI 作業系統的完整驗證。4、再看更日常的場景：電網管理西門子的 AI 能幫城市電網模擬：加1 萬輛電動車會不會崩潰？能不能提前 0.5 秒預測負載？讓樓宇自動調整能耗穩定電網？他們現在已經能做到：在不需要新增基礎設施的情況下，將現有電網容量最大化 20 %。從50年老倉庫到航空發動機，從聚變反應堆到城市電網，這些案例覆蓋的場景完全不同，但做法是一樣的：用數字孿生把物理世界複製一遍，用AI在虛擬環境裡找出最優方案，然後把結果同步回現實世界。百事可樂的 20%，勞斯萊斯的 80%，電網的 20%。這些數字背後，是工業 AI 從“功能”變成了“力量”。不再是末端最佳化，而是源頭重構。不再是試點項目，而是真實產線。西門子和輝達，讓工業 AI 作業系統真正落地了。 (AI深度研究員)

如果今年你只想花時間去真正搞懂AI到底是怎麼一回事，那我強烈、強烈推薦你去看科技分析師本尼迪克特·埃文斯的最新那場訪談。真的，我從沒想過一個長達一小時、資訊密度極高的對談，能讓我看得如此酣暢淋漓。在這個AI話題已經快被聊爛的時代，我們每天都被各種極端言論轟炸，不是“人類末日將至”就是“奇點臨近永生”。這種巨大的撕裂感讓人焦慮，你根本不知道該信誰。而埃文斯用商業的冷酷邏輯，把那些浮在天上的泡沫一個個戳破，讓你看清地面上到底在發生什麼。看完之後，很多糾結了很久的問題，瞬間就有了答案。下面就是我消化後，覺得最精華的一些想法，分享給你。他首先給我們拋出了一個坐標系，用來衡量這波AI浪潮的規模。AI很重要，重要到會在未來十年裡，像移動網際網路一樣，成為無數新產品、新商業模式誕生的土壤。他說，AI是自iPhone以來最重要的一次平台級變革，但它也僅僅是自iPhone以來最重要的一次變革。但這事兒還沒到工業革命那種改變人類文明形態的等級。它是有歷史先例可循的。有了這個坐標，你就不會輕易被那些極端言論帶跑偏，你能更理性地去審視，機會在那裡，風險又在那裡。而當我們談論歷史先例時，最常被濫用的就是那個關於柯達的陳年雞湯。我們總被告誡，柯達是因為無視了自己發明的數位技術，才被時代拋棄。但埃文斯告訴我們，這完全是胡說八道。事實是，柯達不僅沒有無視，反而是全身心投入，甚至一度做到了美國數位相機市場的銷量第一。真正幹掉它的，是兩個更殘忍的商業現實。第一，隨著智慧型手機和社交媒體的崛起，人們不再需要列印照片了，柯達最賺錢的印相紙業務瞬間歸零。第二，膠卷時代，柯達憑藉專利壁壘，享受著高利潤的壟斷地位；而數位相機，是一個誰都能做的低利潤紅海市場，柯達沒有任何優勢。所以，柯達的沒落，是因為商業模式的坍塌。這自然就引出了今天最大的一個問題：那些網際網路巨頭，比如Google，是不是因為擁有海量的使用者資料，就在AI時代擁有了不可撼動的護城河？埃文斯的答案是，未必。因為訓練一個強大的基礎大模型，需要的是覆蓋人類知識方方面面的、海量且高品質的通用文字。任何一家公司的自有資料，無論多麼龐大，都只是這個巨大知識庫裡的一小部分，甚至可能是質量不高的一部分。他那個著名的例子就是，Meta在訓練自家模型時，發現自己平台上的所有使用者資料還不夠用，甚至“不是AI想要的那種文字”，最後不得不去網上找盜版電子書的語料庫。這瞬間就把所謂的資料霸權拉下神壇，也意味著AI競賽的起跑線，比我們想像的要平坦得多，給了無數創業公司與巨頭同台競技的機會。既然大家用的基礎原料都差不多，那最終的產品，自然也難以形成本質的區別。所以今天市面上所有的AI聊天機器人，本質上都是同質化的商品。它們的使用者體驗都驚人地一致：一個輸入框，一個輸出框。這種產品形態的趨同，意味著目前還沒有那家公司建立了真正的產品壁壘。領先者之所以領先，更多是依靠品牌先發優勢和使用者心智的佔領，而不是產品本身有多麼不可替代。另外，它還沒有形成真正的網路效應。你用Google搜尋，你的搜尋行為會成為資料，讓搜尋結果變得更好。你用微信，是因為你的朋友都在上面。但你用ChatGPT，並不會直接讓我的ChatGPT變得更好用。這種網路效應的缺失，讓整個戰局充滿了變數。當產品本身高度同質化，且尚未形成網路效應時，我們就能理解為什麼AI的真實使用者普及情況，和媒體渲染的熱度存在巨大溫差了。資料顯示全世界只有大約10%的人每天在用AI聊天機器人，還有一大批人，在好奇心驅使下嘗試過一次後，就再也沒有打開過。這是因為在大多數人的日常工作生活中，根本就找不到一個足夠剛需、足夠高頻的使用場景。所謂的史上最快破億使用者，很大程度上只是因為它是一個免費的網站，點一下就能用，和當年需要花錢買電腦、買手機的平台遷移，完全沒有可比性。所以你看，把這些觀點串起來，一幅清晰的圖景就浮現了。AI的未來，主要還是看某個產品能不能找到一個真實的使用者場景，並建構起真正的商業壁壘。 (Meme知識)