我們正處於一個 AI 極度分裂的時代。一方面，Suno 和 Sora 這樣的產品正在不斷刷新我們的認知上限。在演示視訊裡，AI 能生成足以亂真的音樂和電影級畫面，Suno 甚至被稱為能「席捲全球」。但在另一方面，當我們把目光轉向自動駕駛、金融投顧這些真正需要「幹活」的領域時，AI 的表現卻往往讓人甚至不敢鬆開方向盤。為什麼 Demo 裡的 AI 如此完美，一進現實就顯得「智障」？01Agent元年，Demo 的幻覺與落地的「恐怖谷」在12月18日的 Contech大會的AI落地分論壇上，主持人趙昊就曾提出過這個問題。對此，財經博主小Lin提出了一個非常精準的概念，叫 「Paper Return」（紙面收益）。這就好比投資，模型跑分再漂亮、Demo 演示再驚豔，那都只是紙面上的富貴。一旦真金白銀投下去，進入複雜的物理世界，市場壓根不會按你的假設走。這背後的核心矛盾，在於不確定性與確定性的博弈。目前的生成式 AI，本質上是基於機率預測下一個 Token 的「隨機鸚鵡」。在寫詩、畫圖、做視訊這些「容錯率極高」的創意領域，AI 的隨機性是驚喜，是靈感。但在自動駕駛、醫療診斷這些「零容錯」的現實場景中，隨機性就是災難。更棘手的是責任歸屬。當 AI 從輔助角色的 Copilot 變成主導決策的 Pilot，誰來為它的決策負責？ 這是一個繞不開的社會契約問題。如果 AI 是一個不可解釋的黑盒，它做對了你不敢信，因為它可能是蒙的；它做錯了你沒法改，因為它沒法告訴你為什麼。所以，Agent（智能體）遲遲無法大規模落地的根本原因，可能不是我們的算力還不夠大，或者參數還不夠多。而是我們一直試圖用「資料鏈（Data Chain）」去解決本該由「因果鏈（Causal Chain）」和「價值鏈（Value Chain）」解決的問題。正如北京通用人工智慧研究院（BIGAI）朱松純教授所言，我們需要「為機器立心」。只有當 AI 擁有了「心」，也就是具備了可解釋的認知架構和價值體系，它才能走出「達特茅斯陰影」，真正獲得人類的信任。為了講清楚這個極其抽象的技術哲學，我們不妨先看一個最硬核的工程樣本：奔馳的自動駕駛。奔馳在2021年就拿到了德國政府批准的L3級商用自動駕駛系統，在24年就加入了L4的測試大軍。這家近140年的車企，是如何用奔馳標準，把「狂野」的 AI，關進「邏輯」的籠子裡的？02奔馳標準，將 AI 關進「物理與邏輯的籠子」自動駕駛的L4等級，是車企要承擔事故主要責任的。奔馳憑什麼敢做這個嘗試？並不是因為奔馳的神經網路比別人「聰明」多少，而是因為它更「穩」，或者說，它更懂如何用確定性的邏輯去約束不確定性的 AI。我們可以把奔馳的技術譜系拆解為兩層：底層的物理冗餘和核心的邏輯鎖。首先是物理冗餘，這是對物理世界不可預測性的極致敬畏。在奔馳看來，真正的安全不能只靠演算法。它的制動系統、轉向系統，甚至連車載電網都是雙份的。這意味著什麼？那怕主電腦突然斷電，或者轉向電機卡死，那個備份的「副神經系統」也能在毫秒級接管，把車停下。更有意思的細節在感測器列表裡。除了常規的雷射雷達，奔馳甚至在車輪拱裡裝了濕度感測器，還裝了能聽警笛聲的麥克風。為什麼要裝這些？因為視覺 AI 可能會把路面水坑的反光看錯，產生幻覺。但濕度感測器不會騙人，它會直接基於物理摩擦力的減小，告訴系統「必須減速」。 這就是用物理感測器的「真」，去兜底 AI 視覺的「幻」。但更硬核的，是第二層防線：SFF（Safety Force Field，安全力場）。這是奔馳解決 AI「黑盒」問題的殺手鐧。目前的端到端大模型還無法保證全無幻覺，它就像一個直覺極強、但偶爾會沖猛了的賽車手。它看著攝影機說：「前面那個白色的東西好像是一團雲氣，我們可以加速衝過去。」這時候，SFF 系統就介入了。它不像 AI 那樣依賴機率預測，它只信奉牛頓定律。SFF 是一個基於物理規則的邏輯層，是一個完全透明的「白盒」。它的邏輯非常簡單粗暴：不看前面是雲還是車，只看雷射雷達傳回的物理空間資料。如果計算出前方50米有實體佔據空間，根據「兩個物體不能同時佔據同一空間」的物理公理，現在不剎車100%會撞。這就是奔馳的答案：用白盒（可解釋的物理規則）去配合黑盒（不可解釋的神經網路）。不管 AI 內部的數億個參數怎麼「湧現」，最終的輸出必須也要和邏輯層的毫秒級校驗相互校驗。這種架構解決了「安全性」和「責任歸屬」的問題。如果出了事故，我們可以清晰地回溯是邏輯層的規則沒寫對，還是感測器的輸入出了錯，而不是對著一個幾千億參數的黑盒兩眼一抹黑。但是，SFF 只能解決「不撞車」的問題。它是一條底線，一個籠子。如果要讓 Agent 真正像人一樣不僅「守規矩」，還能「懂人心」。比如判斷路邊的行人是想過馬路還是在等車？比如判斷後座的乘客是想快點到家還是想穩一點睡覺？光有剎車是不夠的。AI 需要的不僅僅是物理規則的約束，更需要一種認知的覺醒。03U與V，朱松純的「AGI 認知架構」奔馳用 SFF（安全力場）為 AI 加上了「物理鎖」，這解決的是底線安全的問題。但對於一家百年豪華車企來說，僅僅做到「不撞車」是遠遠不夠的。當 L3 甚至 L4 等級的自動駕駛真正鋪開時，車不再只是一個交通工具，而是一個擁有巨大動能的智能體。它如何在複雜的社會交通流中博弈？它如何與車內的乘客建構信任？我們不妨借用朱松純教授的「U & V」認知框架，來解讀奔馳正在探索的「AI 價值觀工程」。這或許比單純的技術堆疊，更能看清自動駕駛的未來。1.U（能力）：不僅僅是快，更是「奔馳標準」的執行力在 AI 的語境裡，U 代表勢能函數，也就是能力。它通常被定義為「更快、更省、更智能」。目前的自動駕駛行業，大部分玩家都在瘋狂捲 U。也就是如何讓車開得更像一個老司機：敢於在晚高峰搶道、敢於壓線博弈、敢於在黃燈前一腳油門衝過去。這種策略確實最佳化了效率（U），但也帶來了一種「演算法的傲慢」——為了效率犧牲了對他人的尊重和秩序的安全。奔馳顯然不想走這條路。在奔馳的體系裡，U 的執行必須服從於更高的指令。這就是為什麼大家會覺得奔馳的自動駕駛有點「慫」：即使是綠燈，它也開得很謹慎；在沒有紅綠燈的斑馬線前，它會絕對禮讓行人。這種「老派」的作風，在極客眼裡不夠酷，但恰恰證明了奔馳已經在 AI 的底層植入了另一套系統V。2.V（價值）：把「老派紳士」的靈魂程式碼化V (Value) 代表價值函數，也就是 AI 決策時的優先順序排序。朱松純教授認為，智能體必須擁有價值觀。而對於奔馳來說，這個 V 就是其反覆強調的「以人為本」。如果說 SFF 是物理層的剎車，那麼 V 就是認知層的剎車。它決定了 AI 在面對兩難選擇時，向左還是向右。首先是隱私的紅線。在資料這塊，奔馳的 V 極其強硬——資料屬於使用者。那怕犧牲一部分訓練便利性，也要確保合規。這是寫在 V 函數最底層的約束。其次是互動的紅線。在路權博弈中，奔馳的 V 設定是「安全與優雅」高於「效率」。這種看起來不夠激進的策略，實際上是在為機器建立一種「人格」一個可靠、穩重、不冒進的夥伴。正如朱教授所說，「心即是理」。奔馳正在做的，其實就是通過定義 V，把百年積累的造車哲學（心），轉化為 AI 必須遵守的決策邏輯（理）。3.下一步的探索：從「冷冰冰的邏輯」到「懂人心的夥伴」但這還不是終點。奔馳並沒有止步於「守規矩」，他們正在探索更高級的 V，意圖理解（Intent Understanding）。目前的 AI 大多是被動的：你踩剎車它減速，你喊指令它執行。但未來的 AI Agent，需要像一個懂你的老管家。奔馳最新的車機系統與豆包大模型的合作，就是一個訊號。他們試圖讓 AI 擁有「記憶」和「共情」能力。它不再機械地執行命令，而是開始變得“善解人意”。最直觀的是目前奔馳正在開發，還未上線量產車型的新氛圍燈功能，當感知到你情緒愉悅時，它會調動多彩光影為你助興；而當感知到危險時，它會瞬間變成警示的橙紅色。這種互動讓座艙不再是冷冰冰的機器，而是具備了情感溫度的夥伴。這種“夥伴感”建立在極度自然與擁有記憶的互動之上。新系統反應極，0.2 秒的極速響應配合擬人化的對話風格，徹底告別了機械感；更重要的是它擁有了類似人類的短期記憶。它能理解上下文，比如你隨口提一句“喜歡紫色”，過一會只需說“把氛圍燈調成那個顏色”，它就能立刻調動記憶精準執行。這種邊聽、邊想、邊做的流暢體驗，讓人彷彿是在和真人交流，而非向裝置下達指令。這種改變確實產生了效果。根據奔馳的資料顯示，該系統上線後最高頻的 AI 相關指令是“給我講個笑話”、“陪我聊聊天”和“你真棒”。這幾個簡單的詞彙完美說明了，靠著共情和自然，使用者不再僅僅把車機當作一個調節空調的工具，而是潛意識裡開始把它當作一個可以交流、甚至尋求陪伴的朋友。這說明奔馳正在試圖打通 U 和 V 的邊界：讓 AI 的能力（U），去主動適配人的情緒價值（V）。未來的奔馳智能體，或許不需要你開口，就能通過你的眼神、你握方向盤的力度，推斷出你是趕時間還是想兜風，從而在「激進模式」和「舒適模式」之間無感切換。這就是奔馳正在探索的路徑：用「可解釋的物理規則」兜底安全，用「可定義的價值函數」建構性格，最終讓 AI 成為一個有溫度的「人」。04為機器立心，從工具到夥伴為什麼我們現在遇到所謂的「智能客服」時，往往第一反應是想要人工服務？朱松純教授在訪談中點破了這個現象的本質：因為它們只是「鸚鵡」。它們有口無心，只會重複訓練資料裡的機率組合。更致命的是，它們無法為自己的行為負責。在人類的經濟社會中，信任是建立在「抵押品」之上的。你要跟我做大生意，我得看你的註冊資本；你要進我家門，如果不小心打碎了花瓶，你得賠得起。這就是契約。但現在的 AI Agent，無論是在網際網路上帶貨的數字人，還是那些生成程式碼的助手，它們是沒有任何「抵押品」的。它們做錯了，模型不會痛，伺服器不會關，所有的風險都由使用者承擔。這就是為什麼 Demo 再完美，我們依然只敢把它們當工具，而不敢視為夥伴。要跨越這個從工具到夥伴的鴻溝，工程上的修修補補（比如加防火牆、寫死規則）已經不夠了。我們需要一場架構級的革命，朱松純教授將其命名為——為機器立心。這聽起來像哲學，但其實是極其嚴謹的科學。所謂的「心」，在數學架構上，就是一套完整的、內生的價值函數體系（V）。它不僅僅是外掛的「紅線」，而是內化為 AI 決策的本能。就像人類不需要背誦幾百條法律條文也能安全地生活一樣，安全感源於我們內心的良知和對社會規範的認同。「心即是理」。當 AI 真正擁有了「心」，它的一言一行（理）就會自然得體。它不需要你規定「不能傷害人類」，因為它在計算下一步行動的收益時，會自動把「傷害人類」的價值權重降到最低，那怕這能帶來極高的效率回報。回到我們最開始的問題：為什麼奔馳敢說「出了事車企負責」？這其實就是奔馳作為一家企業，在強行給它的 AI 繳納「抵押品」。在 AI 尚未完全擁有獨立的「心」之前，奔馳用自己的品牌信譽和法律責任，充當了那個擔保人。奔馳給出的答案是：做一個更負責任的 AI。物理冗餘是它的底線能力（U）；SFF 安全力場是它的邏輯鎖；而「以人為本」的價值觀（V），則是它試圖賦予這台機器的「心」。這既是「奔馳標準」，也預示了 AI 安全的未來底線。我們正站在一個新時代的門檻上。朱松純教授預測，未來可能會有上百億的機器人和智能體進入我們的社會。如果這些智能體只有強大的能力（U），卻沒有匹配的價值觀（V），那我們將面臨的不僅是「落地難」，而是巨大的混亂。從 Suno 的音樂到奔馳的 L3，從 Demo 裡的「紙面收益」到現實世界的真金白銀 ，中間隔著的，其實就是這顆「機器之心」。這顆心，由物理的感知建構，由因果的邏輯串聯，最終由價值的判斷驅動。只有當 AI 學會了「立心」，它才能從那個冰冷的黑盒中走出來，不再是只會預測機率的鸚鵡，而是一個能理解你的意圖 、能為自己負責 、值得你把後背（或者方向盤）交給它的真正夥伴。這，或許才是通用人工智慧（AGI）真正到來的時刻。 (騰訊科技)

導讀曾經是父母訓斥我們沉迷網路，如今局勢似乎發生了反轉：退休的“嬰兒潮一代”正逐漸深陷智慧型手機的演算法黑洞。這篇文章敏銳地捕捉到了現代家庭中一個日益普遍卻常被忽視的現象——當晚年生活被螢幕接管，由於孤獨和演算法的雙重夾擊，長輩們可能比年輕人更難逃離數字世界的引力。我的一位朋友剛橫跨全國回家探親，就發來簡訊，憂心忡忡。節假日出行的混亂本就令人頭大，但通常，能歇口氣、看看孩子們和祖父母享受天倫之樂，這一切也就值了。但他說，今年不一樣：“他們大部分時間都埋頭看手機，特別疏遠。”他指的不是孩子，而是祖父母。近年來，我聽過不少類似的軼事——成年子女擔心年邁的父母正滑向螢幕成癮的深淵。這類故事在網際網路上隨處可見。（“千禧一代”子版塊裡有個代表性的帖子問：“咱們的父母是不是都對手機上癮了？”）這些敘述之所以驚人，部分原因在於它們像極了多年前父母對子女表達的擔憂——年輕的心智正在被那些旨在掠奪和變現注意力的裝置所影響和扭曲。通常，關於“螢幕時間”的恐慌都把孩子視為缺乏自主權的一方，完全受制於邪惡的科技公司，必須由成年人介入保護。但在年齡光譜的另一端，也存在著同樣的問題：我們迎來的不是“手機童年”，而是“手機晚年”。過去一年裡，我邀請大家分享他們的故事。“我一直在求我媽放下手機，每次見到她，她都在無意識地刷屏。我敢發誓她的注意力持續時間已經歸零了，”有人寫道。另一位則描述了一位沉迷《糖果粉碎傳奇》⁽¹⁾ 的家長：“玩了幾個小時，而孫輩們還得爭搶她膝蓋上的一點空地，只為了能和她‘共度時光’。”有些描述聽起來簡直是全方位的感官轟炸：“回老家探親常常意味著房子不同角落的兩台電視機轟鳴作響，而每個人都在刷著 iPad 或手機，”有人寫道。許多留言相當直白：“我不得不告訴我的‘嬰兒潮’⁽²⁾ 父母，別在我們三歲的孩子面前死盯著 iPad 不放。”許多人私信我表達了真正的擔憂。大多數人要求匿名，不想公開談論家人。住在俄亥俄州的喬希說，他父親沉迷於 Instagram 和 TikTok 上的豎屏視訊。“我絕對認為這對他來說更多是一種應對機制，”他說，“他患有抑鬱症和嚴重的焦慮症。我正試著引導他培養些更好的愛好。”另一些人則擔心詐騙。“我在網上對他擔驚受怕的程度，甚於對我那個11歲的孩子，”一位名叫康納的男士說，“每次回家，我都得拿過我爸的 iPhone，幫他退訂那一堆掃描病毒的訂閱軟體。他總是被填字遊戲裡的廣告忽悠，下載這些東西。為了預防萬一，我不得不關掉他在 App Store 下載應用的功能。”還有一位希望完全匿名的讀者說，他們的父母在 Instagram 上花費了大量時間，不僅意外地將不雅視訊轉發到動態裡，還通過那些會讓大腦萎縮的“AI 垃圾內容”⁽³⁾ 來尋求慰藉。這些不僅僅是道聽途說：多項研究表明，老年人的上網時間確實在增加，而且這種趨勢已持續多年。皮尤研究中心2019年發現，60歲及以上人群“如今每天超過一半的休閒時間——即4小時16分鐘——是在螢幕前度過的”，其中許多人在看線上視訊。這其中很大一部分似乎發生在 YouTube 上：尼爾森今年報告稱，65歲及以上的成年人現在在電視上觀看 YouTube 的時間幾乎是兩年前的兩倍。最近一項針對50歲以上美國人的調查顯示，“受訪者平均每周在某種類型的螢幕前花費整整22個小時。”而在另一項針對2000名59至77歲成年人的調查中，40%的人表示如果沒有裝置就會感到“焦慮或不適”。但使用率調查無法捕捉人與裝置之間關係的微妙之處。我們很容易陷入對老年人的刻板印象——認為他們在社交媒體面前是文盲，被新技術搞得暈頭轉向，或者視其為詐騙案的待宰羔羊。麻省總醫院布裡格姆分院麥克萊恩醫院的老年精神病學主任、技術與老齡化實驗室主任伊普西特·瓦希亞（Ipsit Vahia）告訴我，現實要複雜得多。“我們將65歲以上的所有人歸為同一類，這是我們看待老年人時的一個根本性錯誤，”他說。老年人不僅不是鐵板一塊，正如瓦希亞所言，一代人越老，其多樣性就越強。在他看來，兩個5歲的孩子可能有更多的共同點，但兩個87歲的老人則不然：年紀越大，經歷不同事物、養成不同習慣和觀念的機會就越多。“我們的經驗法則是，如果你見到了這一位老年人，好吧，那你也就只認識了這一個老年人。”如今許多關於螢幕時間的擔憂都源於新冠疫情，疫情明顯推高了老年人對科技的接納度。“當替代方案是與世隔絕時，技術就變成了一股非常強大、積極的力量，”瓦希亞說。他指出，在很多情況下，Zoom 是那個入口。疫情初期，家庭開始舉行 Zoom 聚會，教堂開始 Zoom 禮拜。這項技術在遠端醫療預約中也派上了用場。所有這些都幫助部分老年人更有信心地使用這些科技產品。需要記住的是，並非所有的螢幕使用都是等價的，對老年人尤其如此。一些研究表明，花時間在裝置上可能與50歲以上人群更好的認知功能有關。填字遊戲、搜尋資訊、觀看教學視訊，甚至只是與朋友聊天，都能提供積極的刺激。瓦希亞建議，那些讓年輕人或中年人擔憂的上網習慣，放在老一輩身上應該另當別論。“青少年和年輕人過度使用科技產品通常與較差的心理健康有關，預示著更多的孤立、孤獨甚至抑鬱，”他告訴我，“而在老年人中，接觸科技似乎正在保護他們免受孤立和孤獨之苦。”然而，瓦希亞提供的許多技術使用案例似乎有些理想化了。史詩般的《以詞會友》⁽⁴⁾ 對局或卓有成效的維基百科瀏覽顯然屬於問題較小的一類。但我從許多人那裡聽到的描述，則是令人沮喪得多的“裝置螺旋”。一位在英國工作的護士私信告訴我（因無權談論病人，她要求匿名），在她所在的住院病房裡，許多老年病人被困在“過度刷屏”的循環中，“他們在手機和 iPad 上消費的垃圾內容數量簡直不真實！”“有些內容還算良性，”她說，“有時其實挺好笑的，比如有些人最後會掉進中文視訊自動播放的死胡同裡。”但負面影響“正越來越多地滲透進來，”她說。她提到了惡毒的反移民內容，“還有陰謀論思維以及對醫療的不信任。”只要你在 Facebook 或 Instagram 上待得夠久，大概就能看到這種動態：那是對 AI 生成的垃圾圖片發表困惑評論的人，他們似乎還沒意識到自己看到的是假的；那是極端黨派首頁推送的描繪少數族裔犯罪的生成圖像，被憂心忡忡的使用者轉發，這些人似乎變得越來越恐懼、偏執或極化；那是假冒銀行、貸款提供商或擁有30個女性 AI 聊天機器人伴侶的孤獨男人的詐騙帳號。即便如此，瓦希亞仍呼籲不要陷入道德恐慌：當我提到老年人整天在 Facebook 上被動瀏覽 AI 垃圾內容時，他提出主動消費和被動消費之間存在有意義的區別。誰說每個老人都一定會被垃圾內容愚弄？也許他們是在一起拿它取樂，或者試圖分辨真偽。“如果垃圾內容能給那些本來沒多少共同話題的人提供一個談資——那這就變得有點微妙了，不是嗎？”他說。也許吧。這其中肯定包含了一些投射心理。那些聯絡我的人所表達的焦慮——以及我自己曾感受到的焦慮——似乎源於我們自身與裝置之間那種備受折磨的關係。我們許多人時刻擔心自己在消費什麼、刷了多久，以及我們在網上被推搡、刺探和操縱的種種微妙方式。無論公平與否，我們將個人的擔憂投射到了他人身上。但是，“蝦耶穌”⁽⁵⁾ 和合成的移民執法局探員逮捕人的視訊旨在迷惑或激怒使用者，充斥社交平台的其他點選誘餌也是如此。誠然，我們不應假設老年人都是傻瓜，但這是一個由科技巨頭運作的系統，獎勵的是參與度而非質量：對於那些空閒時間多得不知如何打發、且可能已經在與孤獨或其他心理健康問題作鬥爭的人來說，發光的螢幕可能是一種無法抗拒的誘惑。當我問及瓦希亞我聽過許多的“假日長輩刷屏”現象時，他鼓勵我換個角度看問題。“是的，你在假期見到他們時觀察到了這一點，”他說，“但問題是，其餘時間你並不在場。好也罷壞也罷，手機是他們生活的一大部分，你的到來實際上才是一種干擾。”他認為，值得思考的是，當周圍沒人時，手機在起什麼作用。它是在阻止親人陷入抑鬱嗎？它是在為他們提供與周圍世界的連接嗎？把世界裝進口袋或平板裡，他們是否比沒有這些時更快樂？演算法讓人的自主性變得複雜，但有些人可能就是想在手機上消費無盡的娛樂內容來度過晚年。誰又有資格評判呢？這是一團混亂的局面。同樣的工具，既讓一些人與現實保持連接，又模糊了另一些人眼中的真實界限。但與其急於評判，年輕人不如利用這份關切來開啟一場對話——放下手機，好好聊聊。 (外文精譯)

歷時5年的TikTok美國之戰，終於要迎來大結局。台北時間12月19日凌晨，TikTok CEO周受資在內部信中介紹了TikTok美國協議的最新進展，稱將成立新的TikTok美國合資公司，負責美國的資料保護、內容審計和軟體保障等安全合規問題。但新合資公司的職責範圍僅限於此。TikTok在美的核心業務與控制權，如電商、廣告、市場營運等，仍掌握在字節跳動手中。這與先前國內媒體爆料的內容基本一致：受影響的僅僅是TikTok美國公司業務中的資料和內容安全部分。事實上，9月中旬中美馬德里經貿會談後，國家網信辦相關負責人已為TikTok美國方案定調：中美就透過使用者資料和內容安全業務委託營運、演算法等智慧財產權的使用權授權等方式解決TikTok問題，達成基本共識。9月下旬，美國總統川普簽發行政令，宣佈一家合資公司將負責TikTok美國的資料安全和內容安全。隨後，彭博社、金融時報等海外媒體爆料稱，合資公司的演算法將由字節跳動授權，TikTok業務的主要部分將仍由字節跳動控制，包括其廣告部門和備受重視的電商業務。綜合中、美兩國官方表態及媒體爆料，以及此次TikTok CEO內部信，TikTok美國方案已逐步明朗。方案既保證了中方繼續控制演算法，也保住了TikTok在美國的合法營運，同時通過談判促使美方減少投資障礙，為中企開闢了一條出海之路。TikTok在美雙線平行，字節仍握主動權TikTok內部信提到的新合資公司全名「TikTok美國資料安全合資有限責任公司」，字節跳動將持股19.9%，剛好略低於TikTok「不賣就禁」法律要求的20%。需要明確，這家公司僅負責TikTok美國的安全合規業務：資料保護、演算法安全、內容審計和軟體保障。這些都是美國對華鷹派多年來追著TikTok咬的領域。根據美國法律和總統行政令成立美國人參股的合資企業，從合規層面解決美國的這些質疑，是個很精巧的設計。先前曾有媒體整理過一張示意圖，未來TikTok在美國由兩個主體經營：「TikTok美國公司」仍由字節跳動100%控股，負責廣告、電商等商業化業務。新成立的「TikTok美國資料安全合資公司」，也就是這次提到的新合資公司，僅負責美國使用者資料安全、內容稽核等敏感業務。據多家中外媒體報導，字節雖然持股19.9%，但仍是該合資公司最大單一股東。新引進的投資者甲骨文、銀湖、MGX合計持股45%，均低於字節的持股比例。另外字節現有股東持股30.1%，他們出於商業利益及過往多年合作培養起來的信任，完全可能和字節站在一起，在重要問題上與新加入的美國股東抗衡。在新合資公司的7人董事會中，字節及其現有股東佔三席。美國智庫保衛民主基金會的高級研究員辛格爾頓認為，“字節跳動作為重組後的企業中最大的單一股東，結合董事會席位，確保了中國對TikTok的持續影響。”從TikTok美國業務劃分來看，字節跳動繼續負責的電商、廣告和市場營運等商業活動，承擔著為TikTok造血的功能，且掌握著美國TikTok與全球的互聯互通。所以一些所謂字節跳動「把TikTok賣了」「把TikTok美國賣了」的說法，完全是謠言。中方繼續掌控演算法，保證演算法安全再說說大家關心的演算法控制權。從川普1.0開始，美國政界和媒體始終關心：TikTok演算法能不能被美國拿走？但馬德里會談後，答案已有——字節跳動仍將掌握演算法智慧財產權的所有權，但會授權新合資公司使用。當時，國家網信辦負責人的表態涉及兩個關鍵資訊。第一，中美會透過TikTok美國使用者資料和內容安全業務、委託營運、演算法等智慧財產權、使用權授權等方式解決TikTok問題。翻譯一下就是，演算法智慧財產權仍屬於字節跳動，但字節跳動會通過授權的方式允許TikTok新合資公司在美國使用。第二，中國政府將依法審批TikTok涉及的技術出口、智慧財產權使用權授權等事宜。也就是說，演算法授權並非自動生效，而是必須經過中國有關部門的批准。也正因如此，字節在中美元首通話後發佈的公告裡，才特別強調「將按照中國法律要求推進相關工作」。請注意，演算法「授權」意味著可控且可收回，並不是出售。演算法被不少外媒稱為「TikTok的獨門秘方」，國家和字節都不可能讓演算法流失。有網友擔心演算法授權後是否會被竊取，這點可以放心。TikTok去年提交的法律檔案中說過，TikTok代的碼庫包含數十億行程式碼，程式碼相關的維護、開發工作都要依賴字節定製的軟體工具。而且即便甲骨文會作為第三方審查TikTok美國的演算法程式碼，他們也不可能複製一套程式碼。一是程式碼數量太龐大了；二是甲骨文只能在字節可控的透明度中心審查演算法，不能複製、拍照，根本複製不了。這種授權新合資公司在合法範圍內使用演算法的方式，曾被海外網友形容為到鄰居家看電視。你雖然能看到電視節目，但遙控器始終在鄰居手裡。也有人把演算法授權比喻成租屋。外媒說的「美國控制演算法」「美國重訓練演算法」，更像是租屋期間租戶對房屋進行有限度的裝修。但這完全不影響房屋歸屬。房產證始終在房東手裡，租客「裝修」也無法改變這個根本事實。字節跳動出海中出海的標準動作從這次TikTok美國協議來看，中國政府和字節跳動已經為出海中企趟出了一條路。科技投資者Kevin Xu指出，在TikTok之前，中國技術要不是被禁止，就是被迫出售給美國競爭對手。比亞迪、寧德時代中國廠商也可以嘗試透過這套「TikTok範本」進軍美國市場。一方面，遵守市場所在國法律，是任何出海企業繞不開的前提。蘋果想在中國做iCloud服務，也得把中國區的資料交給「雲上貴州」這個國企來運作。同樣，中國企業走出去，也得把合規工作做在前面，不能存在僥倖心理。但另一方面，遇到不合理的政治施壓，也絕不能躺平。這些年，美國對TikTok各種「莫須有」的指控有目共睹。賣演算法、把美國業務徹底剝離之類的要求，字節都沒有答應。字節和TikTok的應對可以說是把所有能上的手段都用上了：行政博弈、司法反擊，甚至直接用彈窗把美國使用者「請」出來發聲。也就是說，一頭要守住中國的法律與國家安全底線，一頭要滿足美國的法律要求。目前的方案，可以說實現了兩邊的平衡：該保留的絕不放手，該放開的適度放開。隨著中國企業出海越來越多，字節跳動和TikTok漫長的抗爭也凸顯國家介入重大議題的優勢。在國家介入談判後，中國的國家利益、企業利益都能穩穩兜住。一套組合拳下來，中國企業出海似乎找到了一條可藉鑑的路徑：既合規，又不失底線；既融入當地市場，又穩住自身的核心安全。 （靜思有我）

01 產業鏈全景圖譜人工智慧產業鏈可簡化為“三橫兩縱”：上游（基礎層）：算力（GPU/ASIC/伺服器/IDC）、資料（採集、標註、儲存）、基礎軟體（框架、晶片工具鏈）。中游（技術層）：模型與演算法（大模型、CV/NLP/多模態）、開發平台（MaaS、微調、推理最佳化）、中介軟體（向量庫、資料管道）。下游（應用層）：消費端（搜尋、內容、AI硬體）、行業端（醫療、金融、製造、零售、教育）、政企端（城市大腦、政務雲）。“兩縱”是貫穿三層的循環：需求反饋：下游場景→中游技術迭代→上游算力/資料升級；價值分配：上游重資產、中游高溢價、下游高彈性，利潤隨瓶頸移動。02 AI人工智慧行業概況1 市場規模：人工智慧（AI）正以驚人速度重塑全球產業格局，成為推動科技革命和經濟增長的核心驅動力。根據國際資料公司（IDC）最新市場研究資料顯示，全球人工智慧產業規模預計將於2025年達到2.3兆元人民幣（約合3500億美元）的市場規模。從區域發展格局來看，北美地區與中國市場將共同構成全球人工智慧產業發展的核心區域，展現出強勁的市場增長潛力。北美AI市場發展現狀北美（以美國為主）憑藉成熟的科創生態和雄厚資本，引領全球AI發展。Google、微軟、亞馬遜等美企主導AI基礎研發和產業應用，在自動駕駛（Waymo）、語音互動（Alexa）、自然語言處理（GPT）等領域優勢顯著。中國AI市場發展態勢中國AI市場發展迅猛，IDC預測2025年規模將超6900億元，佔全球30%-35%份額。這得益於政策支援、豐富場景及本土企業在CV、語音等領域的突破，正推動全球AI產業形成中美雙極格局。歐洲AI市場發展概況儘管在人工智慧領域的發展節奏相對滯後，但得益於歐盟《人工智慧法案》等政策引導和專項資金支援，歐洲AI產業已實現穩定增長，正逐步縮小與全球領先市場的差距。2 發展歷程:全球人工智慧產業萌芽於20世紀中葉，其產業化處理程序在21世紀初迎來爆發式增長。理論奠基階段（1950-2000）：1956年達特茅斯會議正式確立人工智慧作為獨立學科早期研究者奠定了機器學習理論基礎技術突破階段（2000-2010）：2006年Geoffrey Hinton團隊開創深度神經網路架構2009年Google Voice成為首個商用級語音識別產品計算能力提升推動AI從實驗室走向實際應用人工智慧產業化騰飛期（2010-2025）：2010年代，AI實現從實驗室到產業化的跨越，依託巨量資料、雲端運算和5G三大技術支柱。2016年成為分水嶺：電腦視覺、語音識別和自然語言處理取得突破。2020年後進入大模型時代，呈現規模躍遷、行業滲透和應用深化三大特徵。當前AI產業已形成研發-落地-變現閉環，重塑全球格局。03 上游產業鏈全球AI產業鏈上游主要由晶片（如GPU/TPU）、算力設施、資料資源和演算法研發四大核心要素構成。當前該領域面臨三大關鍵挑戰：晶片製程突破等技術瓶頸、算力資料資源壟斷的產業格局，以及各國政策法規的差異化約束，這些因素既形成發展壁壘，也孕育著創新機遇。1 硬體技術壁壘高性能計算晶片是AI發展的核心驅動力。隨著AI算力需求激增，GPU已成為關鍵硬體，目前該市場由輝達和AMD主導，形成較高技術壁壘。輝達主導市場：輝達憑藉A100/H100等高性能GPU主導AI計算市場，其CUDA平台和深度學習軟體庫進一步推動了AI技術普及。國產替代加速：國內晶片企業加速替代處理程序，寒武紀"思元"系列已應用於AI訓練推理，但在深度學習算力方面與國際巨頭仍存差距。2 資料資源壟斷：資料是AI發展的核心資源，掌握海量資料的Google、亞馬遜、阿里等科技巨頭憑藉資料優勢推動AI進步，形成行業壟斷格局。AI訓練資料高度集中於Google、Facebook（使用者行為資料）和亞馬遜（消費交易資料）等網際網路巨頭，而中小企業因資料資源匱乏在AI研發和市場競爭中處於弱勢。04 中游產業鏈人工智慧產業鏈中游，涵蓋了演算法創新、技術競爭和平台生態三大核心環節，是推動AI從理論到應用的重要推動力。1 演算法創新：大模型（如GPT-4、百度文心）通過海量資料訓練，顯著提升了生成式AI的自然語言處理能力，推動文字生成、機器翻譯等應用快速發展。GPT-4訓練成本達數百萬美元，GPT-5更需10兆次計算（TFLOPS）。DeepSeek等平台推出分散式運算方案，降低大模型訓練成本。2 技術競爭：全球AI領域呈現開源（如Llama、Qwen）與閉源（如GPT、文心一言）兩大陣營競爭格局。開源模型憑藉低成本、高定製性助力中小企業；閉源模型依託強大算力資料保持性能優勢。雖然開源模型顯著降低了AI應用門檻，但閉源模型憑藉其深厚的技術積累和成熟的商業生態，仍在核心技術突破和高端應用場景中保持領先優勢。3 平台生態：隨著人工智慧技術加速商業化處理程序，AI平台憑藉其作為核心基礎設施的關鍵作用，正在產業鏈中游形成戰略支點，為各行業智能化轉型提供標準化、模組化的解決方案支撐。隨著人工智慧產業化處理程序加速，MaaS（Model-as-a-Service）模式正成為AI商業化的重要範式。以阿里雲、百度智能雲為代表的頭部雲服務商紛紛佈局AI模型服務市場，通過整合算力資源、預訓練模型和開發工具鏈，為企業客戶提供從模型訓練到部署應用的全生命周期服務解決方案，顯著降低了AI技術的應用門檻。一站式AI服務解決方案：領先的雲平台整合了算力資源、開發工具和預訓練模型，使企業能夠跳過複雜的基礎設施建設環節，直接實現從模型訓練到生產部署的全流程快速落地，將AI開發周期縮短60%以上，顯著提升企業智能化轉型效率。標準化API服務生態：通過RESTful API和SDK等標準化介面，開發者可以像呼叫基礎雲服務一樣便捷地整合AI能力，實現開箱即用的模型呼叫和功能擴展，使AI技術應用的門檻降低至普通開發人員也能輕鬆掌握的水平。05 下游產業鏈AI應用主要覆蓋三大領域：消費電子（C端）、企業服務（B端）和行業解決方案。隨著技術進步，AI正在全球範圍內加速產業升級，從智能製造到智慧醫療，深刻改變著各行業的營運方式。1 消費趨勢：智能家居與AI助手：智能音響、家居裝置以及AI助手（如Siri、Alexa）日漸普及。預計到2025年，全球智能家居市場將超過900億美元，AI助手則成為個人生活和工作的常見工具。企業市場（B端）：AI正在幫助企業降低營運成本並提升效率。例如，AI客服逐步替代傳統人工客服，節省人力資源，提高客戶響應速度。2 管道分化：AI部署架構演進:雲端運算（如Azure OpenAI）與終端裝置（手機/眼鏡/機器人）正形成協同生態，推動AI應用向"雲邊端"一體化發展。技術趨勢:5G+邊緣計算加速AI Agent本地化部署，預計2025年終端裝置AI滲透率將達65%，實現即時智能響應。3 行業滲透率：中國AI應用滲透率領先領域：網際網路(89%)、電信、黨政、金融(均超60%)。網際網路‌：AI驅動廣告精準投放（CTR提升35%）、搜尋最佳化及社交推薦，滲透率達89%電信‌：5G+AI實現網路自最佳化，智能客服替代率達60%，維運效率提升200%金融‌：智能風控降低壞帳率40%，AI投顧管理規模突破兆，反欺詐精準率超99%AI正加速變革醫療與教育行業：醫療領域AI影像診斷精準率超95%，新藥研發效率提升40%；教育領域智能教學覆蓋超30%中小學，線上教育AI滲透率年增35%。預計兩大行業AI市場規模將迎來指數級增長。06 面臨的風險AI產業高速發展伴隨三大核心風險：技術落地瓶頸、市場商業化不確定性、政策倫理合規挑戰。1 技術風險：大模型邊際收益遞減隨著AI模型規模擴張面臨成本收益失衡，訓練部署成本呈指數級增長，而模型性能的邊際收益卻逐步遞減，最終導致投資回報率（ROI）持續走低。演算法可解釋性不足在醫療診斷、金融風控等高價值決策場景中，AI模型的可解釋性已成為關鍵性技術指標。但現階段主流深度學習架構普遍存在"演算法黑箱"問題，其內部決策邏輯缺乏可視化呈現和邏輯追溯能力。這種技術侷限性不僅制約了AI在關鍵領域的深度應用，更可能引發監管合規風險與使用者信任缺失的系統性挑戰。2 市場風險：科技巨頭掀起價格戰AI行業正面臨巨頭擠壓效應：頭部企業通過價格戰和技術軍備競賽形成市場壟斷態勢，使資金鏈脆弱的中小企業陷入"創新難-盈利難"的雙重困境，嚴重威脅其市場生存空間。盈利模式模糊AI行業普遍採用免費/低價策略，致使盈利模式模糊。典型如OpenAI等企業仍處虧損階段，商業可持續性存疑。3 其他挑戰：資料隱私與安全AI依賴海量資料，但隱私與安全問題可能引發信任危機，制約技術發展。演算法偏見與公平性AI演算法偏見可能放大社會不公，如招聘系統中的歷史資料歧視問題。AI產業競爭力核心在技術自主、生態協同與場景深耕。企業須平衡技術創新與商業化，方能贏得全球競爭。附：2025年全球人工智慧展望報告2025 年，人工智慧正站在從弱智能（ANI）邁向通用人工智慧（AGI）的臨界點：行業共識把 AGI 落地窗口鎖定在 2026–2045 年，其核心標誌是跨領域複雜問題解決能力，技術路線圍繞“世界模型＋具身智能”展開。產業已成型“基礎設施（AI 晶片/伺服器/叢集）—模型（多模態、推理、開源）—應用硬體（智能體、AI 終端、垂直場景）”三層架構，算力升級、強化學習迭代、開源生態與推理能力躍遷四者協同，為 AGI 提供底座。AI Agent 成為年度變革引擎，憑藉“感知-認知-執行”閉環和 MCP/A2A 協議驅動的多 Agent 協作，全面滲透通用、行業與企業場景。全球科技巨頭（NVIDIA、Google、OpenAI、Anthropic、阿里雲、DeepSeek 等）在晶片、模型、智能體工具與開源生態上展開差異化競速。未來 AGI 將沿世界模型、多模態、持續強化學習、非 Transformer 架構和具身智能五大方向演進，2025 年因此被視為“量變到質變”的關鍵年份，技術協同、場景落地與生態共建共同決定 AGI 處理程序。以下為報告原文節選，文末附2025年全球人工智慧展望報告全文：(TOP行業報告)

"AI可能毀滅人類，而中國正在引領全球應對這場危機——其他國家必須加入！"你是否知道，全球AI發展正面臨一個致命悖論：我們正在以火箭般的速度開發AI，卻沒有建立相應的安全機制？Nature最新 editorial 發出震撼警告：中國提出的"世界人工智慧合作組織"(WAICO)可能是阻止AI毀滅人類的唯一希望，而美國等國家的不作為將使全球陷入危險境地！🔥 AI的雙面性：天使還是魔鬼？AI模型擁有令人驚嘆的能力，既能加速科學發現、推動經濟增長，也可能在不經意間造成災難性後果：• 加劇社會不平等：AI演算法可能強化現有的社會偏見• 助力犯罪活動：深度偽造技術已用於詐騙和政治操縱• 傳播虛假資訊：AI生成內容難以分辨真偽• 最可怕的威脅：部分頂尖研究者警告，超級智能AI可能在未來"毀滅人類""它們不完全理解世界，可能會以不可預測的方式失敗。" ——Nature editorial更令人擔憂的是，在AI開發的"百米衝刺"中，安全問題被嚴重忽視。許多專家擔心，當前的AI熱潮正在形成一個即將破裂的經濟泡沫，而全球卻缺乏統一的監管框架！🌐 全球AI治理：三國演義的現狀🇺🇸 美國：自由放任的"野蠻生長"美國作為全球AI技術的領導者，卻沒有國家層面的AI法規，僅靠各州零散的法律和企業自律。最新發佈的"AI安全指數"顯示，沒有一家美國公司得分高於C+。更令人擔憂的是，美國政府不僅沒有加強監管，反而在推動"創世任務"(Genesis Mission)，為AI開發者提供前所未有的政府資料存取權，被比作"登月計畫"。"美國公司期望自己監管自己，同時又在無休止的競爭中。" ——Nature🇪🇺 歐盟：謹慎前行的"AI法案"歐盟去年推出的《AI法案》要求最強大的AI系統加強威脅分析，但實施效果尚不明確。媒體報導稱，企業正在向歐盟施壓，要求放寬法律限制。儘管有巨額罰款的威脅，但法案實施仍處於初級階段，實際效果有待觀察。🇨🇳 中國：快速行動的"監管先鋒"與美歐不同，中國自2022年以來已推出一系列AI法規和技術標準：• 要求AI開發者提交生成式AI模型進行部署前安全評估• 強制在AI生成內容上加入可見、不可磨滅的水印• 2025年上半年發佈的AI國家標準數量等於過去三年總和"中國在2025年上半年發佈的AI國家標準數量等於過去三年總和。" ——Concordia AI中國AI監管的核心理念是：既要推動AI廣泛應用，又要確保可追溯性和企業責任。儘管中國AI企業在"AI安全指數"上的得分低於西方同行（部分原因是未能充分應對災難性濫用風險），但其監管速度和系統性令人矚目。🌐 WAICO：中國提出的"AI聯合國"中國提出建立"世界人工智慧合作組織"(WAICO)，旨在協調全球AI監管規則，同時"充分尊重各國政策和實踐的差異"，並特別關注全球南方國家。WAICO的總部計畫設在上海，雖然細節尚未明確，但Nature認為："建立這樣一個機構符合所有國家的利益，全球各國政府都應該加入。"WAICO不會直接強制執行AI規則（中國也表示支援聯合國主導的全球AI治理），但它可能成為各國逐漸凝聚共識的平台。🤝 為什麼中國方案值得關注？1️⃣ 中國AI的全球影響力中國推行"開放權重"政策，使全球公司越來越多地基於中國AI建構服務。中國AI模型的可獲取性和低成本正在重塑全球AI生態。"中國'開放權重'模型政策意味著全球公司越來越多地基於中國AI建構服務。" ——Nature2️⃣ 全球治理的迫切需求現有全球AI治理努力——如經濟合作與發展組織的AI原則和歐洲委員會的《人工智慧框架公約》——要麼不具約束力，要麼未得到有效執行。Nature建議，WAICO可以借鑑國際原子能機構(IAEA)的模式：各國同意限制AI開發並開放系統接受檢查，使各國能夠驗證彼此是否遵守規則。🌍 科學啟示：AI治理不是零和遊戲Nature editorial 發出重要警示："AI治理不應被視為地緣政治競賽，認為一個國家的安全可以通過技術主導來保證。'獲勝'對大多數國家來說不是選項，AI軍備競賽不會保證人們更安全或更富裕。"相反，全球應共同合作，就什麼是安全的AI以及世界希望如何利用AI達成共識。中國學者Angela Zhang指出，儘管中國監管有其政治考量，但其基本動機與他國"相當相似"："他們不想被機器人消滅。"💡 科研人員和企業的行動指南1️⃣ 關注中國AI標準隨著中國AI影響力的擴大，瞭解中國的AI標準對全球研究人員和企業至關重要。忽視這一趨勢可能導致技術落後或合規風險。2️⃣ 參與全球對話科研人員應積極參與多邊對話，幫助評估什麼樣的全球治理既有效又現實。AI安全需要全球智慧，而非單一國家的解決方案。3️⃣ 平衡創新與安全企業和研究機構需要在追求創新的同時，主動加強內部AI安全機制，而不是等待監管強制要求。 (聖不可知)

一個人最容易犯的錯誤，是把“世界變了”理解成“世界變壞了”。世界的變化無所謂好壞，它只是換了演算法：同樣的努力，在舊演算法裡叫回報，在新演算法裡可能只叫消耗。我們總是習慣線性地理解這個世界：付出多少努力，獲得多少回報。這種直覺在狩獵採集時代是有效的，在工廠流水線時代也是成立的。但在金融資本主義的晚期，這種直覺不僅是錯誤的，而且是致命的。今天，如果把世界最富的 0.001% 裝進一個中型球場，大概能坐滿。把全球底層 50% 裝進去，需要五萬多個同樣的球場。然後你會發現：前者擁有的財富，是後者的三倍。這種財富差距背後的變化，早已不再是“我開豐田，你開法拉利”這種看得見的消費差距，而是“我擁有資產，你擁有收入”、“我擁有股權，你擁有房產”、“我擁有複利，你擁有帳單”這種看不見的結構性鴻溝。我們生活在一個“K型”世界裡。電梯正在向上，而樓梯正在坍塌。如果你還在試圖通過爬樓梯——出賣時間換取收入，來追趕坐電梯（持有資產和股權）的人，你不僅追不上，還會因為樓梯的崩塌而摔得粉身碎骨。一、0.001% 的收入是底層50%人口的三倍就在2025年的12月份，世界不平等實驗室發佈了一份報告，其中一個資料令人震驚：全球前10%富人的收入超過底層 90% 的總和；底層 50% 的收入份額不到 10%。而最頂層 0.001% 的富人（不到6萬人），他們擁有的財富總和，是全球最貧窮的 50% 人口（約39億人）財富總和的 3 倍。而更刺激人的是，頂端還在加速。報告提到，最頂層份額從1995 年“接近 4%”上升到今天“超過 6%”。這已經不是簡單用不平等就可以形容了，這更類似是物理學上的“相變”。當水變成冰，它就不再遵循流體力學的規則。當財富集中到這個程度，富人和窮人就不再生活在同一個經濟宇宙中。這意味著什麼？這意味著當新聞聯播裡說“經濟增長”、“股市繁榮”時，這其實是那10%或者1%的私家派對。對於剩下的90%乃至99%的人而言，繁榮只是一個名詞，而通膨卻是一個動詞。所以，很多普通人的痛感並不是“我賺得少”，而是更微妙的東西：我明明越來越忙，越來越卷，但為什麼卻越來越難，不停奔跑卻還在往下掉？二、隱形的稅單：為什麼 99% 的人越來越窮經濟學中最大的謊言是：通貨膨脹是物價上漲。恰恰相反，通貨膨脹是貨幣貶值。物價沒有變，是你的尺子縮短了。如果有人今晚潛入你家，偷走了你 5% 的家具，你會報警。但如果“系統”在一年內偷走了你積蓄裡 5% 的購買力，你可能只會抱怨一句“豬肉貴了”。人類的大腦不擅長理解指數級的稀釋。我們以為錢是儲存勞動的容器，但在這個系統裡，錢是政府和銀行轉嫁債務的工具。為什麼 99% 的人感到越來越窮？這無關勤奮懶惰，而是因為他們身處一個“以債務為燃料”的系統中。這裡有一個如果你不主動去瞭解，學校永遠不會教你的機制——“貨幣法團主義”。這就像一個精心設計的魔術。政府需要花錢（為了選票），但不能收太多的稅（為了民意）。於是，它發行國債。銀行購買這些國債，但它們不用自己的錢，它們用憑空創造的信貸。央行再進場，用敲擊鍵盤產生的“數字儲備”買走這些債務。這就是“量化寬鬆”的本質：它是一台合法的財富稀釋機器。這就引出了經濟學中最殘酷最不公平的概念之一：坎蒂隆效應（Cantillon Effect）。要理解這個概念，我們可以把新印出來的錢想像成蜂蜜。當央行把這桶蜂蜜倒下來時，它不是均勻地灑在每個人頭上的。·它首先流到了金字塔頂端——大銀行、避險基金、資產持有者手中。此時，蜂蜜還是濃稠的，購買力是最強的。他們用這些新錢在價格上漲前買入了核心資產。·然後，蜂蜜慢慢向下流。等到流到底層的工薪階層手中時，它已經變得稀薄且渾濁。更糟糕的是，此時市場上的物價已經被頂層的人買高了。這就是為什麼富人更富：他們站在蜂蜜流出的源頭，他們持有的是資產（股票、公司），這些資產是蜂蜜的容器，水漲船高。這就是為什麼窮人更窮：他們站在金字塔底部，他們持有的是現金，現金是被稀釋的對象。努力工作不僅不能對抗這種稀釋，反而是在加速這種稀釋。因為你的工資永遠是滯後的，而資產價格的上漲是即時的。你是在用線性的收入，去追逐指數級的資產泡沫。這是一場你註定會輸的賽跑。三、紅桃皇后效應：你必須不停奔跑才能留在原地人們說“越來越窮”，很多時候不是收入變成負數，而是三種感覺疊加在一起：1、錢更難存了；2、生活更貴了；3、努力更像原地踏步了。這背後的底層邏輯，可以用一句話概括：工資是線性的，資產是複利的；當複利成為主要引擎，線性的人註定越來越吃力。這裡有三台機器在同時運轉。1）雙軌世界：收入軌道 vs 資產軌道工資的增長是線性的，資產的增長是複利的。線性和複利在短期看差不多，長期會像兩條分叉的河，越走越遠。美國有一組著名的資料能把這種分叉講得特別直白：• 美國最富的 10% 持有 93% 的股票；底層 50% 只持有 1%。（基於聯準會資料的統計報導）。這不是“誰更懂投資”的問題，而是“誰站在增長髮動機上”的問題。股票與股權是典型的複利載體；當它們高度集中，複利也會高度集中。世界不平等報告把這種結構放大到全球視角：財富分配遠比收入分配更不均，頂端佔據了更大比例的財富存量。於是出現一種非常現代的悖論：很多人並沒有變得更懶，卻變得更難富。2）中產的“資產錯配”：押在最重的那一註上大多數普通人一生中最大的資產，是房子。房子當然重要，但房子也常常把一個家庭的資產結構變成“單點押注”：高度集中、流動性差、分散困難、對周期敏感。而頂層人群更容易擁有“可擴張的所有權”——股票、股權、企業權益、全球化資產。它們不是“更安全”，而是更容易滾大：更容易分散、更容易長期持有、更容易吃到增長。這就是資產錯配陷阱。不是說“買房錯了”，而是說：當一個人的全部未來都壓在一個資產類別上，他的風險並不小；只是風險看起來更“熟悉”。熟悉常常被誤認為安全。3）經濟越來越依賴富人：你不是被服務的人，你是被“分層”的人當財富和資產上漲主要惠及頂端，消費的重心也會向頂端漂移。然後社會會發生一種很詭異的變化：經濟變得越來越需要富人繼續花錢。例如，Moody’s Analytics 的分析指出：美國收入最高的 10% 家庭貢獻了 49.7% 的消費支出，創紀錄水平（資料可追溯至 1989 年）。你可以把它理解為“K 型”的另一面：上層消費撐住經濟，下層消費被擠壓；上層資產繼續漲，下層更難積累資產。循環就這樣閉合。這就是資本貼近度，也可以簡單理解為“離錢更近”。離資產越近、離權益越近、離“可擴張所有權”越近，越能拿到複利；離它越遠，越容易被通膨、競爭與成本上漲消耗掉增長。四、普通人的破局：從“穩定幻覺”走向“頭寸範式”第一，打破“穩定”的致命幻覺。很多人最真實的願望不是暴富，而是穩定。但穩定有兩種：一種是“看起來平穩”，另一種是“扛得住波動”。前者常常是幻覺，後者才是能力。然而，穩定是這個時代最大的幻覺。傳統的中產階級路徑——“好學歷+好工作+買房”——已經失效了。房產曾是過去三十年最好的資產，但現在它是巨大的債務錨點。它流動性差，且把你鎖死在特定的地理位置和銀行信貸中。你需要意識到，靠工資存錢不僅慢，而且是在對抗整個貨幣系統。你存下的每一塊錢，都在與央行的印鈔機對抗。你贏不了印鈔機。第二，持有“生產性資產”而非“消費性資產”。致富不是關於收入的多少，而是關於你擁有什麼。收入是你為了生存而出售的時間，資產是你睡覺時仍在為你工作的機器。真正的財富，是你可以掌控的時間。而獲得這種掌控權的唯一方式，就是停止做一個僅僅追求“工資”的人，開始做一個追求“權益”的人。如果 99% 的悲劇源於“追逐收入”，那麼破局的關鍵就在於思維的躍遷：從“收入思維”轉向“資產思維”。看看那 0.001% 的人，他們手裡握著的不是現金，也不是大量的房子，而是股權。美國富人持有 93% 的股票，這意味著他們擁有人類最頂尖公司的生產力。普通人必須學會把自己變成“微型資本家”。不要只盯著每月的工資條，要去尋找那些具有強勁現金流、擁有定價權、能抗通膨的優質資產。那怕你只有很少的錢，也要開始建立自己的“資產組合”。你要站在離印鈔機最近的地方（金融資產），而不是最遠的地方（勞動收入）。第三，建立你的“不對稱頭寸”。納西姆·塔勒布曾說：“這世界只有三種人：拿工資的人、拿租金的人、拿期權的人。”拿工資的人最脆弱。你需要打造屬於自己的“資本事件”。對於普通人來說，除了創業，就是打造個人IP或品牌。在網際網路時代，你的聲譽、你的專業知識、你的影響力，就是一種可以無限複製的“零邊際成本”資產。把你自己變成一家公司。建立一個“沒有你也能運轉”的系統。那怕是一個小小的產品、一本電子書、一個自動化的專欄，它們都是你的資產頭寸。就像經叔之前所說，未來一個人可以沒有工資，但不能沒有頭寸。在指數增長的世界裡，不能只靠線性的努力。結語、這個時代不獎勵“更努力”，更獎勵“站在複利那一邊”世界不平等報告強調，極端差距並非不可改變；但對個體而言，更現實的問題是：宏觀的重力井短期不會消失。真正能改變的，是站位。當 0.001% 的人擁有的財富能超過全球一半人口的三倍時，對普通人來說，最危險的不是貧窮，而是繼續相信舊劇本：只要更努力、只要更穩定、只要更聽話，就能變得變好。世界是不公平的，但這並不意味著你無能為力。如果你理解了規則，你就能利用規則。那 0.001% 的人之所以拿走了 3 倍的財富，是因為他們不再玩“勤勞致富”的舊遊戲，他們玩的是“資產配置”的新遊戲。當大浪打來時，你是選擇繼續在沙灘上堆砌註定會被沖垮的沙堡（工資），還是選擇花時間去造一艘船（資產）？在這K型分化的時代，這不僅是關於財富的選擇，更是關於生存的選擇。 (不懂經)

“在這裡，沒有人願意去高盛和摩根大通”“薪資低於25萬英鎊會覺得可憐”你沒看錯，量化交易圈的新貴們正用程式碼和數學模型把倫敦變成全球最炙手可熱的搞錢勝地01 恭迎倫敦，量化交易界的新王誕生！該說不說，前些年提起量化交易，紐約是當之無愧的全球中心，但這一格局正在被打破！Financial Times一篇報導直接指出：倫敦正在成為全球量化交易的新中心。cr. FT為什麼FT敢拍著胸脯這麼說？先看看幾家倫敦本土量化機構的營收數字就知道了。1 XTX Markets2022年，XTX Markets公佈利潤為11億英鎊，同比增長64%，營收從15億英鎊增至25億英鎊；兩年後，XTX Markets營收增至27億英鎊，稅後利潤13億英鎊，同比增長54%；今年，XTX Markets還在芬蘭投資了超過10億歐元，用於建設一座新的資料中心。XTX Markets是一家總部位於倫敦的英國演算法交易公司，公司由Alexander Gerko於2015年1月創立，是GSA Capital的衍生公司。截至2024年，該公司在全球擁有超過250名員工，他們利用最先進的機器學習技術，對股票、固定收益、貨幣、商品和加密貨幣等5萬多種金融工具進行價格預測。2 Qube Research & Technologies英國實體2024年淨收入約20億英鎊，增長了一倍多，稅前利潤增長近2倍，達到9.14億英鎊；2025年夏季，QRT與多家量化基金一樣遭遇虧損，但全年仍保持盈利；QRT在業績波動期間反而加快擴張步伐，今年7月計畫正式入駐美國，在休斯頓設立辦事處。QRT總部位於倫敦，於2018年初從Credit Suisse分拆出來，當時資本僅為8億美元，現已發展成為價值超過300億美元的多策略巨頭。在CS前員工Pierre-Yves Morlat和Laurent Laizet的領導下，QRT的員工人數已超過1400人，2024年平均薪酬達71.1萬英鎊。WST就有一位來自Imperial的研究生學員，拿下了QRT 2025年暑期實習Offer：Qube Research & TechnologiesLondon OfficeQuant Research Summer Intern3 Quadrature Capital截至2025年1月31日的財報顯示，Quadrature利潤增長了近10倍，達到4.11億英鎊；自2020年以來，營收增長近五倍，達到12億英鎊；Quadrature Capital在倫敦有173名員工，平均薪資為280萬英鎊。很多人甚至都沒聽說過Quadrature Capital，只知道創始人Greg Skinner和Suneil Setiya都曾在DE Shaw和G-Research工作過，而且非常熱衷於辦公室綠化。Quadrature是一家規模小、運作並不透明的倫敦量化自營交易公司，雖然外界能蒐集到的消息不多，但從公司公佈的帳目來看，這毫無疑問是英國最賺錢的金融公司之一。除了這三家之外，還有總部位於倫敦的G-Research也在不斷擴張，通過向附屬投資基金提供研究和技術，從而產生可觀的交易利潤。這些總部位於英國的量化交易公司，不聲不響中已成為倫敦金融圈最賺錢的存在，它們的業績增長曲線完美詮釋了什麼是“量化爆發”，也鞏固了倫敦作為全球金融樞紐的重要地位。就連BlackRock量化投資團隊掌門人Raffaele Savi也堅定表示：There is “absolutely” a quant renaissance in London.02 倫敦憑什麼成為量化新王？倫敦為什麼能成為量化的“淘金勝地”？其底氣來自兩方面：頂尖的人才儲備和領先的技術實力。新時代的金融精英，正在用程式碼和演算法改寫遊戲規則，而倫敦量化圈的底氣，全靠英國精英人才庫撐著。首先，與美國不同，英國大學數學、物理和電腦科學專業的畢業生越來越多地選擇量化公司，而非傳統的銀行或大型科技公司。其次金融工程、金融數學作為新興的交叉學科項目，自帶“高就業率+高薪資”雙重buff，近年來備受留學生們的歡迎。Reddit上一位使用者表示，現在英國大學比如IC、LSE甚至Bristol都非常重視量化分析和人工智慧。去年，QuantNet還發佈了一份獨屬於英國大學的MFE項目排名：cr. QuantNet牛津大學的Mathematical and Computational Finance項目穩坐第一，該項目長度為10個月，為學生提供數學基礎、金融市場最新趨勢與現代數學金融主題的全面培訓，並以強程式設計為支撐，因此對申請者的數學和電腦科學基礎要求較高。該項目畢業就業率高達70%，畢業三個月後就業率高達90%，憑藉優秀的學校聲譽，畢業生平均起薪也高達73,255英鎊。排名第二的是IC的MSc in Mathematics and Finance項目，這個一年制的項目歸於IC的數學系，課程涵蓋數學基礎、金融原理、工具以及實施和資料分析。該項目的學生畢業3個月後的就業率達到了87%，畢業生起薪更是高達8.5w英鎊。cr. QuantNet除了人才，英國在量化交易領域早有積澱，如今的新生代公司更是玩轉了機器學習、統計套利等更複雜的策略。比如XTX Markets的超級電腦能存400PB資料，這相當於80兆張照片，再用機器學習掃數兆個資料點，精準預測資產價格。量化交易在英國蓬勃生長，這對數學和物理專業的畢業生來說是個好消息，Reddit上有網友爆料，開頭提到的三家公司中的一家，今年僱傭了數百名電腦科學/電腦科學+數學專業的畢業生。cr. Reddit為了搶佔優秀的人才，這些量化公司也在瘋狂找“存在感”：贊助英國的學生社團活動和博士項目、舉辦駭客馬拉松……比如帝國理工的Centre of Excellence in Quantitative Finance，外部合作夥伴中就有我們熟悉的G-Research、QRT、Optiver等量化機構。cr. IC再比如LSE、UCL、IC等多所英國大學聯合組織的量化金融俱樂部Beta Sigma Club，主要合作公司為Optiver，活動合作公司還包括Flow Traders、Jane Street、Jump Trading、IMC Trading。cr. betasigmaclub公司與學校緊密結合，就是為了從校園開始鎖定好的量化苗子。與此同時，量化公司還紛紛開設只有在校的低年級才能申請的event/program👇Discover Citadel一年一度的Discover Citadel目前已經在開放申請當中，針對EMEA地區的申請截止時間是2026年2月13日。這個項目只面向畢業時間在2027年12月至2029年6月的本科生，換句話說只面向大一和大二的同學。Citadel會提供往返機票、交通住宿和餐食，讓大家進一步瞭解Citadel London。cr. Citadel2026 Point72 Academy Spring Insight Programme這是Point 72一項為其一周的線下工作見習項目，面向所有計畫於2028年畢業的學生，也就是三年制大一或四年制大二的同學。該項目申請截至時間在2025年11月16日，表現優異者將有資格被考慮參加Point 72 2027年暑期實習項目。cr. Point 7203 英國量化上岸的必看寶典在量化領域，薪資水平一直是行業天花板的存在，英國尤其如此。牛津大學定量金融研究所所長Alvaro Cartea直言，他的幾乎所有學生都在Trading firms工作，薪水從25萬英鎊到80萬英鎊不等。圖為Alvaro Cartea“如果你得到的薪水低於25萬英鎊，你就有點可憐了，”他還補充道：“我認識的人中沒有人面試JPMorgan、Goldman Sachs……我從來沒聽說過有人願意接受這些傳統投行的工作。”WST也通過統計近期拿到倫敦地區offer的學員庫，整理了部分公司Quant崗位目前的薪資水平，以下全部是倫敦辦公室名企的暑期可轉正實習以及全職薪資，可供參考。全球最大的避險基金管理公司之一Marshall Wace，倫敦辦公室Quantitative Researcher Fulltime的基本薪資為：190,000 GBP/年。Cambridge學員Marshall Wace全職Offer提供多策略避險基金的投資管理公司Millennium Management，倫敦辦公室Quantitative崗位的基本薪資為：120,000 GBP/年。Cambridge學員Millennium Management2026年暑期實習Offer英國的大型零售和商業銀行之一NatWest，倫敦辦公室Quantitative Analyst的基本薪資為：100,000 GBP/年。IC學員NatWest暑期實習Offer如何像這些學長學姐一樣斬獲Quant Offer？Quant面試把握好technical skill是求職順利的基石。想要訓練自己的technical skill，就需要反覆練習各種題目。推薦大家多刷紅皮書和綠皮書，已經幫大家準備好了這兩本書的電子版，想要的同學可以掃描小助手二維碼領取~低年級規劃：搶佔量化先機！英國學制相對其他地區少一年，所以留給同學們準備求職的時間更緊張。但英國獨特的Spring Week項目，為同學們提供了絕佳的求職路徑。Spring Week是英國投行、諮詢、四大這些名企專門給本科低年級（三年制本科大一/四年制本科大二）學生設定的“職業體驗營”，也可以叫pre-internship，一般為期時長3天到2周不等。75%左右的公司都會在9月開Spring Week項目申請，剩餘的公司會在11月份-第二年的2月份開申請。但還是建議大家在11月初之前都投遞完。理由顯而易見，你越是拖到後期，越多大公司Spring Week項目都招到人了，你自己可以申請的Headcount就越少。近年來，英國金融圈求職的資訊差壁壘被打破，越來越多的留學生知道Spring Week項目的重要性，也導致Spring Week項目不再像過去的那樣門檻低。申請基數變大了，但實際上Spring Week的headcount比Summer Intern還少。所以Spring Week的Offer並沒有想像中那麼好拿。 (WallStreetTequila)

社交媒體上，已經沒有社交了。社交媒體曾經是我們日常生活的一部分，人們在上面分享生活，追蹤朋友的動態，吃瓜追熱點，彷彿只要滑動螢幕就能與全世界同頻。但如今，越來越多的人覺得它累人又空洞：一刷就是幾個小時，刷來刷去都是高 P 照片、無處不在的軟廣、批次製造的 AI 內容……越刷越疲憊和焦慮。這不是巧合，而是平台設計和科技變化的結果。Noema 雜誌的文章《社交媒體的最後日子》直指核心：AI 和演算法已經把傳統的「注意力經濟」推到極限，結果不是更好的社交，而是平台的瓦解。使用者們正在逃離巨型平台，轉向更小、更私密的數字空間，回歸到人與人之間的連接。Reddit 上市兩年市值暴漲 485%，Discord 成為新的社群平台，就是最好的證明。這一切是怎麼發生的？「混小圈」為什麼會成為未來社交的主流？01 演算法把平台玩壞了「注意力經濟」並不複雜：社交媒體公司靠抓住你的注意力賺錢。演算法根據你的停留時間、點贊、分享來決定推送什麼。你看得越多，它們賣廣告就越多。起初這像是一場雙贏。你看到朋友的精彩分享，留下評論和贊，平台獲得廣告收益，大家都挺開心。可 AI 的介入改寫了規則。根據 artsmart 的統計資料，2025 年，80% 的內容推薦演算法由 AI 驅動，71% 的圖片是 AI 生成的。社交平台已經 AI 化了。每日生產 3400 萬張 AI 圖｜圖源：福布斯外網也不例外，此前我們曾報導過的《他們正在用 AI，瘋狂給網際網路「下毒」》正是這種現像極端化的體現：AI 生成，十秒左右的精神污染風格的視訊，在社交媒體上對演算法進行「暴力破解」。用 AI 生成的驚悚內容去「暴力破解」演算法，以騙取流量｜圖源：Instagram這些人用更便宜、更快的 AI 內容，不斷試探流量機制，把演算法「砸暈」，總有一條能爆火。結果就是，你的首頁我的首頁，都離不開 AI。AI 文案、AI 配圖、AI 視訊、AI 主播、AI 寵物甚至 AI 萌寵拍的短劇都在爆火……這些推薦演算法也並不是中立的。它們的唯一目標是讓你停不下來。短影片平台是典型，一刷就是幾小時。結果，使用者的大腦被榨乾，出現「注意力疲憊」。近期在 Facebook 上爆火的 AI 生成圖「耶穌蝦子」｜圖源：Facebook2025 年的調查顯示，超過 60% 的年輕人覺得社交媒體讓生活更焦慮，而不是更快樂。一項調查顯示，超過 60% 的年輕人覺得社交媒體讓生活更焦慮，而不是更快樂（practicaltheory.org）。同時，隨著 AI 生成內容愈發擬真，使用者的分辨能力也在下降。在去年「海倫妮」颶風席捲美國南部時，一張 AI 生成照片同時席捲了社交媒體。許多美國政客都親自轉發推文，傳播量過百萬。去年史丹佛網際網路實驗室也在測試中發現，他們用 AI 生成的圖像總共獲得了數億次曝光，而且標題越極端，AI 圖片越能奪人眼球，瀏覽量也會越高。這就是注意力經濟的陰暗面：當注意力能換錢時，資訊真偽已不再重要。中老年人是被 AI 圖「欺騙」的重度受害者｜圖源：X正如 Noema 文章作者 James Sullivan 所說：「當代社交媒體的內容是無根的，沒有上下文，沒有文化、沒有真正的對話，就像一坨語義泥漿，看起來像說了什麼，但實際上什麼都沒說。」社交媒體的危機不是因為缺少內容，而是因為 AI 帶來的內容過載，以及過載導致的信任崩塌。Instagram 的互動率過去一年跌了 24%，X（前 Twitter）使用者持續流失。美國成年人中，只有不到一半認為社交媒體資訊可靠，比 2010 年代中期少了三分之一。今年內容行業爆火的新賽道：AI 萌寵短劇｜圖源：抖音許多使用者打開社交媒體後，就進入了「下滑-點選」的機械式的回路，大家都不是在真正連接別人，而是在半夢半醒裡滑動螢幕。這种放不下手機，又邊刷邊走神的狀態，作者稱之為「環境性解離」。創作者也同樣疲憊，他們得和 24 小時無休、沒有靈感瓶頸的 AI 競爭，還要想盡辦法製造更能搶佔注意力的內容。演算法推薦機制結合 AI 的低成本生產內容，把平台內容塞爆了，把使用者看累了，把優質創作者擠走了，所以每個人都在說：社交媒體活人感越來越少了。但瓦解不是終點，而是轉折。社交媒體的下一個階段，是從大平台逃離，開始擁抱小圈子。因為「演算法推薦」+「AI 批次製造內容」+「情緒化傳播」三板斧下來，讓人們的注意力變得廉價同時又極度稀缺。大廣場裡刷不完的內容，無法滿足一個人「被理解」的需求時，人們要麼搬進更小的圈子、要麼把情緒寄託給可控的服務。就像從大牌連鎖店的預製菜，轉向你樓下現炒的街邊小店，或是聘請一個燒菜阿姨：規模小，但東西更真，更合你口味。現實中，這已經在發生。02 大平台，小圈子過去一年，比黃金更值得投資的是 Reddit 的股票。2024 年 3 月，在我們報導 Reddit 上市文章時，Reddit 股票是約 50 美元一股，一年半後，Reddit 股價翻了五倍，超過了 250 美元/一股（截稿時已達 266.66 美元/股），市值接近 500 億美元。上市一年半，Reddit 股價翻 5 倍｜圖源：GoogleReddit 和 X（前身 Twitter）、Facebook 一樣是老派社交媒體，今年已滿 20 歲。但為什麼只有 Reddit 煥發了第二春呢？因為 Reddit 是小圈子的典範：Reddit 的子版塊讓使用者圍繞興趣聚集，每個版塊都有版主人工管理，內容規則清晰，不依賴演算法喂食。這讓它在 AI 垃圾橫行的時代顯得乾淨，也更有人情味。社交媒體正在從一個大廣場分裂成很多小房間。Reddit 就是把房間分割的最好，打掃最乾淨的一家。在投資者眼中，Reddit 就是「社區模式」的價值回歸。另一個小圈子化做得很好的是 Discord。Discord 是一個社群化的 App，它不依賴任何推薦、匹配演算法，所有的頻道都由使用者自己建立、管理。2025 年，Discord 使用者數破 5 億，許多使用者都是從 Facebook 群遷移過去的「難民」。把群組功能做到極致的 Discord｜圖源：Discord付費郵件分發平台 Substack 也火了，創作者可以直接單向和訂閱者發郵件，避開平台的演算法和 AI 內容，小量忠實受眾的長期價值也開始被重估。從追求十億級使用者，到經營高品質小群體，社交的價值正在變化。小圈子減少噪音，讓人們感到被真正「看見」，也不必擔心暴露在大眾面前引來網暴。在各類話題衝突和對立日益嚴重的當下，小圈子就像一個自嗨式的烏托邦，雖然是回音室，但讓人更安心，也更真實，使用者能在其中做自己，也能懂別人，這才是一種網路社交的真·連接。這種趨勢被《福布斯》雜誌稱之為「親密經濟」：使用者的注意力已經渙散了，人們開始渴望被理解、被回應，情緒價值本身成了產品。近年來許多陪伴型 AI 聊天機器人的爆火，就是一種「親密經濟」，大家的表達欲還在，只是從發朋友圈、發微博，轉向了對 AI 傾訴。在親密經濟中，情緒真的就是一種價值，提供情緒價值也變成了一種服務。用大白話來說，大家上網不想再給自己添堵了，甚至無暇去關注「大廣場」上的罵戰，只想躲回自己的小房間。行業分析與社媒監測顯示 Instagram 等平台的平均互動率在 2024–2025 年出現明顯下行｜圖源：socialinsider於是，社交的重心開始悄然轉移。越來越多的人選擇走進小型、封閉的數字房間：Discord 的私密伺服器、Telegram 的加密群組、Signal 的邀請制社群都在快速增長。與龐大的公共平台不同，這些社區的邊界不由 AI 和演算法控制，而是由使用者自發決定：誰可以加入、誰能看到什麼內容、不可以說什麼話……明確規則結合人工管理，讓 bot、垃圾內容、噪音、圈外人的評判都被隔絕到了圈子之外，成員間對彼此的期待也更明確，互動更真實。Noema 文章還提出另一種值得關注的趨勢：未來的社交媒體可能會「更慢、更斟酌」，不再以「即時」作為唯一價值。平台設計者也在嘗試讓使用者慢慢思考後表達，比如 Signal App 加入了「發帖延遲」功能：寫完文案，得等幾分鐘才能發，減少沖動發言，讓人有時間思考而不是情緒化輸出。與此同時，演算法的角色也需要重新定義。下一代社交產品很可能會把選擇權交還給使用者：你可以決定資訊流的來源、篩選推薦的方式，甚至一鍵關閉所有 AI 內容。這種「更慢、更小、更可控、更親密」的趨勢，既是當下社交媒體的一種轉向。未來的網路社交，不是更熱鬧，而是更安靜，它可能只存在於不過百人的群組，也可能只存在於你和一個 AI 聊天的對話方塊。 (AIGC新智界)