普通视图

发现新文章,点击刷新页面。
昨天 — 2026年4月15日硕鼠的博客站

夸克网盘美剧链接为何一夜失效?天塌了,国家整治网盘传播美剧

2026年4月15日 08:56
深夜里一名观众坐在电脑前,屏幕上夸克网盘页面显示“链接不存在”,桌上散着遥控器、咖啡杯和写有美剧片名的便签,神情错愕,羊皮纸,钢笔彩色手绘的统一风格。

夸克网盘上的美剧链接突然失效了,美剧党的天塌了。这到底是怎么回事?

夸克网盘美剧链接失效,背后到底发生了什么?

一排云盘图标悬在空中,下方成串的“美剧资源”分享链接像纸签一样被剪断坠落,背景是带公章与法槌的监管文件墙,羊皮纸,钢笔彩色手绘的统一风格。

2026年4月10日前后,夸克网盘上大量海外剧集的公开分享链接出现失效情况。你打开链接进去以后,会发现“找不到了”,链接里没有美剧了。很多用户的第一反应当然是“天塌了”。但这件事本质上并不是夸克网盘突然抽风,而是一次拖了很久的国家层面的收口行动。

这不是某一个文件突然颁发,或者某一个文件突然执行,而是长期存在的旧监管框架,加上“剑网2025”的整治行动,再叠加平台主动合规同时发力,最终导致大量网盘美剧链接失效。

网盘美剧原本一直是下载美剧的主流平台。当然,现在这个路子明显不行了,很多人可能还是得回到迅雷、BT这些方式上去。这里面的差别,后面再讲。

整治从什么时候开始的?

这次整治可以追溯到2025年5月16日“剑网2025”专项行动开始的时候。不过当时并没有直接整治到网盘,原因其实也很简单:网盘美剧这件事相对比较隐蔽

如果是BT下载美剧,它需要有美剧的集散网站,大家要去那里找资源。像我特别喜欢的BT之家,前两天就突然趴了,到现在还在逐步恢复中。但恢复之后,里面原来最热的板块——网盘美剧和网盘电影——已经停止更新了,而且内容也在逐渐减少。

现在大概只剩1月份之前的内容,后面这个板块可能还会进一步被关掉。现在你要想看新的美剧,很多时候就只能老老实实去下载了。

为什么2025年没直接动网盘美剧?

手机屏幕上是微信群、公众号、小红书和短视频平台的界面,几只手通过私聊和群二维码悄悄传递资源入口,画面像地下接头,羊皮纸,钢笔彩色手绘的统一风格。

为什么2025年的时候没有动网盘美剧?因为它的传播方式相对隐蔽。很多网盘美剧的分享,是通过微信群、微信朋友圈、公众号在传播。

还有一些人会跑到小红书、抖音、今日头条上发各种美剧相关内容,说什么剧更新了,哪个剧是神剧,讲完以后诱导你进群,再把资源发给你。因为它本身比较隐蔽,所以2025年没有直接动这件事。

但到了2026年,情况变了。浏览器、搜索引擎加上网盘这种商业模式,被列为了重点治理对象,所以这回轮到它了。

这其实不是新规,而是旧规则开始全面收紧

为什么说这是一个很古老的规矩,现在只是突然开始收紧?因为相关制度其实早就有了。

  • 2004年的42号令,规定了境外电视节目引进审批制度;
  • 2012年的广发9号文,进一步强化了境外影视剧引进播出的管理;
  • 2014年的204号文,则明确网上传播境外影视剧也要“先审后播”

所以,这次打击网盘美剧,并不完全是因为盗版本身,更核心的问题是,这些美剧大多没有经过审批。很多制度原来更多针对的是哔哩哔哩这类平台,但从制度上说,在境内传播美剧这件事,长期以来一直处在灰色地带,从来就没有一个特别合法合规的稳定渠道。

为什么未引进美剧反而传播得更广?

如果某部美剧真的被正式引进,拿到版号了,盗版网站反而往往不敢放。因为一旦放出来,就会被版权方举报、追责。买了版权的人不可能看着你放盗版,让自己的版权白买了。

反而那些没有被引进、没有批文的美剧,以前没有人替它维权,大家传播的恰恰就是这些内容。

为什么这次平台也开始“动真格”了?

客厅里的安卓电视正播放网盘客户端界面,沙发上的家庭用户用遥控器直接点开剧集海报,另一侧隐约站着监管者的剪影,羊皮纸,钢笔彩色手绘的统一风格。

但现在,网盘美剧的发展已经有点愈演愈烈,平台也有点控制不住了。原因在于,大家现在并不是把美剧从网盘下载下来再看,而是直接在网盘客户端里观看。

夸克网盘、阿里云盘、百度网盘、迅雷网盘都有电视客户端。现在大家买的电视基本都是安卓智能电视,装上客户端以后就能直接看。原来监管主要盯的是哔哩哔哩、优酷、腾讯视频、爱奇艺,现在这些网盘客户端也开始被按同类模式纳入管理,大概就是这么一个情况。

用户是什么时候明显感知到变化的?

这一轮整治从2025年开始推进,而用户明确感知到大量链接失效,是在2026年4月10日这一天。夸克网盘从这时开始被广泛反馈,大规模清理美剧资源。

4月11日,搜狐等媒体进行了跟进报道;4月12日,网易用“网盘禁止分享美剧,天塌了”这样的标题,把情绪彻底带了起来。

表面现象就是链接失效、博主停更。原来有很多博主会发文说这个美剧好看、那个美剧好看,甚至还有专门发所谓“大尺度美剧”的,或者标注某著名美女演员“为艺术做牺牲”的时间点。现在,这些人基本都停更了。

他们原来传播很广的资源库也大量删掉了,同时提醒用户赶紧转存。因为一旦你已经转存到了自己的网盘里,哪怕主库删掉了,你那边往往还在。

中国的美剧生态是怎么发展起来的?

中国的美剧生态是怎么长起来的?可以简单回顾一下。

从光盘时代到字幕组时代

一张时间长卷从VCD光盘摊位延伸到字幕组电脑工位,老式CRT显示器上滚动字幕,旁边摆着《24小时》和《星际之门》碟盒,羊皮纸,钢笔彩色手绘的统一风格。

最早大家是通过买光盘看美剧。我当时看《24小时》《星际之门》,《星际之门》季数特别多,看得人头晕眼花。

再后来就进入下载时代了,字幕组、射手网、人人影视,很多其实是在帮助大家做字幕翻译。那时候还没有AI翻译。与此同时,BT之家、电驴以及各种论坛也都在传播这些内容。

BT时代和网盘时代的区别

但在那个阶段,最主要用的还不是网盘,而是BT下载。BT下载和网盘有一个很大的区别:虽然它也很快,但有很大的不确定性。因为它是分布式存储、分布式下载,你就算拿到了种子,周围没有人共享,也可能下不下来。

但一旦资源进了网盘,就能更稳定、更快速地把内容拉回来。

我自己为了在网盘上下美剧,还专门买了百度网盘和夸克网盘的会员。夸克网盘会员明年大概就不续了,如果找不到美剧资源的话就算了。尤其是现在这种4K美剧,基本都集中在夸克网盘上,文件很大,一个小时的剧可能就有4GB多。

如果通过BT下载,不光体验粗糙,还经常下不下来或者出现其他问题。所以后来大家都倾向于用网盘,特别是那种整季整季的资源,比如《权力的游戏》,动不动就是4K高清、未删减,整个抓下来可能是几十GB甚至几百GB,很多人家里的NAS就是给这个准备的。

网盘是如何成为美剧传播主阵地的?

几家早期网盘平台像集市摊主一样在论坛公告栏前争抢用户,海报上写着“高速下载”“分享返现”,后台却堆着成箱影视文件,羊皮纸,钢笔彩色手绘的统一风格。

网盘也不是一开始就变成今天这个样子的。最早像360、115这些网盘先做起来,他们当时其实用了很多比较野的办法跟BT竞争。

  • 找大量盗版美剧资源传到自己的网盘上;
  • 跑到各个论坛去发帖,通过这种方式拉用户;
  • 甚至给共享链接的网站付钱,说你发我的链接我就给你钱。

这套模式运行了很长时间。

后来大概在2016年前后,曾经有过一次集中打击,说这些平台里有问题,尤其是一些小网盘公司的产品里有涉黑内容,于是通通被清理掉了。小的被干掉以后,大的就留下来了,百度、阿里云、夸克就是在这个过程中逐渐兴起的。

这些资源过去是怎么流通的?

这些平台上当然也有色情内容,只不过传播得更隐蔽一些,更多是在小规模的QQ群、微信群里传播,但实际下载很多还是走网盘。

甚至到闲鱼、淘宝上搜各种美剧资源,还是能搜得到。你搜完以后,对方会给你一个链接让你去下。我以前也买过这类资源,当然不是买色情资源,而是有时候想找特别完整的美剧找不到,就会去淘宝或者贴吧找,给对方几块钱、十块钱,他给你一个链接,你把整套资源拉下来。

拉下来以后你会发现文件名都很怪,比如010203,或者把剧名改掉。原因很简单,对于百度网盘来说,检查名字是比较容易的,检查内容反而很难。你让它把每个1GB的文件都完整扫一遍,看是不是某部美剧,这很痛苦。

所以大家就把名字处理掉,比如《权力的游戏》改成“QL的游戏”,用拼音、缩写或者各种变体,让平台检查的时候多费一点劲。当然,这些事情理论上都还是可以搞定的。

所以到去年为止,我们看的很多美剧,其实主要还是在网盘上,其他渠道已经少很多了。

做美剧资源的人是在“做好事”吗?

那这些做美剧资源的人是雷锋吗?他们这么热心把东西上传到网盘,让大家不用买Netflix账号、HBO账号,直接就能看盗版?当然不是。这里面没有雷锋,大家都是在赚钱。

他们怎么赚钱?

一张商业链条示意图被画成热闹街景,左边是标题党博主拉人进群,中间是公众号和广告牌,右边是网盘拉新返佣金币流入资源贩子口袋,羊皮纸,钢笔彩色手绘的统一风格。
  1. 广告费。每次有新美剧出来,网站流量会上升,他们就有收入。
  2. 给公众号导流。他们不断在外面发“某某美剧特别好看”“某演员为艺术献身了”这种内容,吸引你去关注公众号、进群,然后再在里面变现。
  3. 平台拉新分成。还有一些平台,比如百度网盘、夸克网盘,本身也会给这些人发钱。你每给我带来一个用户,我就给你钱。

这其实是一个长期运转的商业闭环。

网盘平台自己是“雷锋”吗?

那网盘平台自己是雷锋吗?也不是。中国网盘的商业模式,和美国等国家相比有天差地别。

你去看Google Drive,1TB一个月大概十几美金,很贵;苹果的iCloud也不便宜。但中国网盘特别便宜。比如我的百度网盘,一年三百多块钱,给我接近20TB空间;夸克网盘一年大概一两百块,给大概10TB;最夸张的是迅雷网盘,只要订会员,临时空间几乎没有什么限制,接近无限。

为什么国内网盘能卖得这么便宜?

那中国的存储真的这么便宜吗?原因很简单。你在Google Drive上存的是自己的照片、文档,在iCloud上更多是iPhone的照片,这些东西每个人都不一样。比如我拍了一张照片传上去,它就得给我单独存,还要做备份,非常占空间。

但国内这些网盘平台,很多时候存的是大量重复的盗版内容。比如今天《阿凡达》出来了,我只要存两份就行了。然后无论有几百万人还是几千万人“拥有”这部电影,对平台来说,他们只是把自己的网盘索引指向同一个内容块。

平台不需要为每个人都单独存一份,只需要维护少数底层存储和大量索引就行了。什么时候删?就是当指向这部电影的链接变成零的时候,平台再把底层文件删掉。

所以在中国,这些网盘公司某种程度上干的并不是真正“个人云盘”的活,而更像是在干优酷、爱奇艺、腾讯视频这些视频平台的活:先把内容存下来,然后让大家在电视上看。既然做的是视频平台的活,这次整治自然就整治到他们头上来了。

为什么夸克这次会成为重点?

所以美剧资源是赚钱的。我们在百度网盘上买会员,买不同等级的会员,下载速度和空间都不一样。甚至还有很多人研究怎么少花钱得到更好的下载速度,去破解、去薅羊毛。中国的现实往往就是这样:平台自己赚的未必是特别干净的钱,外面也有人研究怎么从它身上再薅一点出来。

而在最近几年里,夸克成了这一块的主要平台。百度上虽然还有,但分享已经没有以前那么多了,夸克一直在这方面折腾得比较积极,所以这一次也被重点打击。

为什么这次整治力度这么猛?

第一,网盘商业模式已被点名

第一,是“剑网2025”已经明确把网盘商业模式列为重点整治对象。很多人交的网盘会员费,比爱奇艺会员费还贵。为什么不买爱奇艺,反而买网盘?因为爱奇艺里没有自己想看的东西。有人喜欢美剧,就愿意掏钱买网盘会员。

与此同时,中国制片协会也在说,剧集行业每年的盗版损失超过200亿元人民币。总得有“苦主”出来发声,现在苦主也出来了。

第二,问题不只是盗版,更是未经审批

一侧是写着“会员收入”的网盘金库,另一侧是标有“未经审批境外剧”的胶片卷,被红色审查章与哈希检测网格同时锁定,羊皮纸,钢笔彩色手绘的统一风格。

第二,是内容边界问题。美剧不只是盗版,更关键的是它属于未经审批的境外视听内容。大家要注意,真正经过审批、有正式版权的内容,反而更容易因为侵权而出事。

至于网盘平台是否有能力识别这些内容?当然有。不管是百度、夸克还是阿里云,他们都有能力知道哪些内容涉黑,哪些内容有版权。只要真想删,哪怕你起再奇怪的文件名,最终也逃不过去。

之所以以前这些平台经常睁一只眼闭一只眼,说到底还是因为这是收入,是会员生意。你要把这块砍掉,那会员谁来买?以前经常会出现一种情况:某部美剧一整季里突然缺一集,而且谁家的资源都缺这一集,原因很可能就是这一集里说了某些对中国不恭敬的话。这说明平台其实完全有能力精准控制。

平台为什么也在转型涨价?

现在各个网盘平台自己也在转型。以前他们必须靠这类东西赚钱,现在新的方向开始更多转向TOKEN等业务。

你再去看百度网盘、夸克网盘,很多都在涨价。因为一旦不能存那么多重复的盗版美剧,用户开始上传更多各不相同的内容,平台的真实存储成本就会上升,它就必须涨价。

像我这样的用户,对平台来说其实挺“倒霉”的。因为我录的所有视频都会传上去备份,这些东西只有我有,别人没有,平台还得给我存两份。这种用户对平台是比较痛苦的。以后如果继续涨价,我可能也要把以前备份的视频删掉一部分。

这件事和中美版权博弈有关系吗?

那这件事和中美版权博弈有没有关系?可能也有一点。因为这几次中美贸易谈判里,美方经常会提到版权保护问题,我们每次也都说很重视。说着说着,突然来一轮重拳出击,也不是完全没可能。

但我个人觉得,这个因素有关系,但没那么大。

另外还有一个传闻,说天津超算10PB泄露的事情是不是和这次整治有关。这个大家当故事听听就行了。我个人觉得,可能多少有一点关系。因为一旦出了事,上面的人未必能立刻搞清楚为什么出了事,但出了事以后,总会先整治一轮,把所有相关不相关的都顺手收拾一下,大概也就是这么个逻辑。

网盘美剧传播会被彻底终结吗?

那这是不是就能彻底终结美剧的网盘传播?我觉得想太多了。这不是第一次打击。

  • 2014年打过字幕组;
  • 2021年人人影视字幕组被重判,创始人梁永平被判3年6个月,罚款150万元;
  • 2025年“剑网2025”正式点名网盘商业模式;
  • 到了2026年,平台开始系统性清理公开分享链接。

这里面最重要的两个字是:公开

只要你不公开分享链接,而是在微信朋友圈、微信群、公众号、小红书、抖音、今日头条这些地方,把人拉进私域再分享,其实很难管,也管不过来。

平台到底有没有技术能力继续管?

那网盘官方有没有能力继续管?当然有,而且可以分层次管。

  1. 扫文件名,成本最低。你告诉我哪些名字不允许出现,我就可以立刻处理掉。
  2. 扫内容,成本比扫名字高得多。比如一个1GB的美剧文件,平台一般不会真的把1GB都人工或逐帧扫一遍,而是把它做成一个哈希值,用来比对。一旦发现这个哈希值对应的文件有问题,就可以直接删除。

所以有时候我们从百度网盘下载内容时,会看到系统提示“检查发现有问题,已替你删除”,这类情况是存在的。

当然,如果平台还想继续挣这笔钱,还想继续卖会员,往往打一波之后也就差不多了。只要你别把链接公开传播,他们可能也就睁一只眼闭一只眼。

以后资源会怎么继续流通?

一位用户在桌前重新给视频文件改名、改扩展名、加壳打包,屏幕上同时出现哈希比对和文件伪装示意,像一场技术猫鼠游戏,羊皮纸,钢笔彩色手绘的统一风格。

再进一步,如果你想规避检测,那就得重新处理文件。比如在文件前后加点内容,改一下扩展名,原来叫MKV、MP4的,换个别的写法。这样平台再去查,难度就会高很多,复核成本也会进一步上升。

如果某一类内容又出现很多人同时指向同一个文件,平台还是可以做专项整治;但如果不是大规模聚集,继续整治的难度就会更高。不是说整治不了,而是成本会继续上升。

即使有了AI,有了更强的信息处理能力,关键还是看网盘运营商自己愿不愿意干这个活。如果他们还想继续靠这个赚钱,依然会睁一只眼闭一只眼。

但对于普通用户来说,获取美剧资源的成本一定会不断上升。我们需要和更多人交流,需要花更多时间去找,资源交换也会更加转向地下。

最终判断:公开分享时代正在结束

所以最终的判断是:这一次大概率也不会让美剧资源彻底绝迹,但会让资源从公开空间退出,进入更隐蔽、更碎片化、门槛更高的小圈层。

以后不是没有资源了,而是你要花更多时间、更多精力、更高成本去找。

一句话总结:美剧不会突然死掉,但那种点个链接就能转存、慢慢看的时代,可能真的一去不复返了。不是以后完全看不到了,而是那个一搜就有、一存就看的时代,正在慢慢结束。


背景图片

Prompt:in the style of sujunmin surreal landscape photography, cyberpunk urban skyscraper penthouse apartment of a lonely single guy, ultra-detailed interior, bed, computer desk and chair, massive curved display screens, walls lined with stacked hard drive arrays, window framing a crescent moon and cyberpunk cityscape under thick cloudy skies, warm interior lighting contrasting with cool neon city glow, hyperrealistic texture, dense information, enhanced brightness –ar 16:9 –stylize 300 –sref 224391781 –v 7.0 –p qaczhqj

昨天以前硕鼠的博客站

XChat上线在即:马斯克真能做出美国版微信?

2026年4月14日 08:58
一部标有 X 标识的黑色智能手机置于木桌中央,屏幕上显示 XChat 预约下载界面,周围散落着聊天气泡、文件传输图标、视频通话按钮与加密锁徽记,像一张新产品发布前夜的静物封面,羊皮纸,钢笔彩色手绘的统一风格。

马斯克的 XChat 要发布了。他真的能做出“美国人的微信”吗?

今天,马斯克已经在 X 上官宣了这个产品,说现在已经在 iOS 上架,可以预约下载。老范已经去预约过了,4 月 17 日正式上线,到时候就可以下载和使用。

这个产品有四大卖点:

  • 不需要手机号就可以注册
  • 支持端到端加密
  • 没有广告、没有追踪
  • 支持音视频和大文件传送

大家要知道,在微信里大概只能传 100 兆左右的文件,而它可以传几个 GB 的文件。

这个产品不是凭空冒出来的,它本质上是从 X 平台原来的加密 DM 向独立 IM 转化。什么是 DM,什么是 IM,后面会仔细讲。这个产品到底能不能成,核心就差在这一个字母上。

一句话来说,这不是一个革命性的新产物,它更像是 X 生态里生长出来的一个 WhatsApp 或 Telegram 式的 IM。

安全重要,但不是 IM 成功的决定性因素

一架天平摆在案桌上,一侧是盾牌、锁和加密密钥,另一侧是亮着头像的好友联系人列表与聊天对话框,暗示安全与社交关系的权衡,羊皮纸,钢笔彩色手绘的统一风格。

XChat 一上来主打“最安全”:不需要手机号注册、没有实名制、还做端到端加密。

首先要讲一点,安全这件事,说重要也重要,说不重要也不重要。为什么?因为即使没有那么安全的 IM,大家也愿意用。最后大家使用的,往往并不是你的安全性本身。

在海外市场,不讲国内的微信,Telegram、WhatsApp、Facebook Messenger、Signal 这么多 IM 都在竞争。最安全的 Signal 真的就一骑绝尘了吗?并没有。现在用户量最大的是 WhatsApp。

为什么会这样?大家当然都希望安全,但安全本质上更像是一个沉没成本。即使没有那么安全,或者跟 Signal 比起来没那么安全,比如 WhatsApp、Facebook Messenger,这些产品发生严重安全事故的概率其实也是非常低的。

Facebook 当年因为给剑桥研究透露数据,被罚过很多钱,但现在大家依然在用。不是说你不安全,我就一定不用你。

大家真正使用 IM 的理由是什么?是我的好友在这儿,我才要去跟他聊天。至于到底有多安全,我自己有没有这么高的安全需求,我的好友有没有这么高的安全需求,其实很多人也说不清楚。

所以,安全很重要,但在 IM 的成功过程中,并不是决定性因素

Signal、WhatsApp、Telegram 与 XChat 的差异

现在最安全的是 Signal,它基本上不在服务器上存聊天记录。也就是说,我发出去的消息,只要你已经收到了,服务器上就不存,所以它最安全。

WhatsApp 属于安全够用,但商业化很强。Telegram 则是功能最强,但并不默认端到端加密。因为端到端加密本身是有成本的,我们在 Telegram 上正常聊天,其实不是端到端的。

但现在 XChat 说的是:默认端到端加密,同时又在服务器上存历史记录

服务器上存历史记录有什么好处?你可以换机器,换完机器以后这些东西还能再拉回来,可以进行多端、多设备同步。你如果不在服务器上存历史记录,那确实是安全到头了,但你要换设备就会很麻烦,必须在本机进行备份。

XChat 现在承诺的是:服务器上的这些资料虽然存了,但是它无法解读,只有发消息的双方可以解读这些信息,其他人都解读不了,包括 X 官方都解读不了。

所以它想做的是一个比 WhatsApp 更注重隐私、比 Telegram 更“正经”的产品。

三台不同风格的通信设备并排展开,一台代表极简高安全、一台代表大众化商业聊天、一台代表功能繁复社区工具,前景是一台带 X 标记的新设备试图融合三者特性,背景有云端同步与加密锁图示,羊皮纸,钢笔彩色手绘的统一风格。

没有手机号,怎么反机器人和欺诈?

有人会问,没有手机号,它怎么反机器人?X 会通过行为分析来反机器人。

比如我发现你经常加人、拉群,不停向人发一些无关紧要的东西,发一些重复内容,那我就判断你是机器人,把你干掉。它的处理逻辑大致如此。

那如果它已经完全加密了,X 平台都不知道你在说什么,它怎么反欺诈?这就是安全的另一面:骗子也可能在里面横行。

这里的逻辑也一样:聊天内容是加密的,但是聊天的 Metadata(元数据) 是明文的。

什么是元数据?就是谁在什么时间给谁发了信息,这个叫元数据。具体发的信息加密了,但前面这部分是明文。所以 X 平台会根据这些元数据的行为来判断你是不是骗子、是不是机器人。

这种工作方式,对于机器人和诈骗来说,只能叫抓大放小。什么意思?如果你的行为特征很明显,是骗子、是机器人,它会把你干掉;但如果你是个新人,行为特征还不那么明显,那这些骗子和机器人就可以继续在平台上活动。

高安全性也会带来企业使用障碍

这种加密方式还会导致另外一个问题:XChat 很难通过企业认证

民众自己用一用可以,但企业通常会要求员工发的所有信息是可以追查的,而它做不了这件事。这就是跟安全相关的另一面。

从 DM 走向 IM:XChat 成败的关键一步

一条道路从社交平台的公开广场延伸出来,左边是写着 DM 的站内私信信箱,右边通向独立的 IM 城市,城市里有联系人名册、群组、文件夹与多设备同步的屏幕,表现产品路线分岔,羊皮纸,钢笔彩色手绘的统一风格。

下面来讲一讲从 DM 走向 IM 这关键的一步,这也是这个产品成败的致命矛盾。

什么是 DM,什么是 IM?

DM 的意思是 Direct Message,就是直接发消息,我们通常叫站内私信。比如在 X 上给别人发私信,这个消息只有两个人看得到,其他人看不到。

IM 叫即时通讯,这跟 DM 不一样。像 WhatsApp、Telegram、微信,都属于 IM。X 平台里的私信、抖音里的私信、小红书的私信,这些属于 DM。

DM 和 IM 的四个核心差异

1. 产品定位不同

DM 往往是社交平台的附属功能,而 IM 往往本身就是核心产品,这有巨大差异。

2. 功能完整度不同

DM 通常就是发文字、发图片、拉个小群,简单语音和视频一下就可以了。而 IM 需要更完整的能力:

  • 多端同步
  • 网页端、移动端、客户端、PC 端协同
  • 已读回执
  • 文件传输
  • 音视频通话
  • 机器人(Bot)能力
  • 大群管理
  • 频道和社群
  • 端到端加密
  • 设备备份
  • 联系人体系

这里要特别注意,DM 是没有联系人体系的,因为它的社交关系是在 X、抖音这些平台里管理的,不会单独建立联系人体系;而 IM 的核心之一,就是联系人体系。

3. 社交关系基础不同

DM 依附于平台身份和关注关系。比如我关注你、你是否开放私信、是否互关、是否是认证账号、是否来自同一个平台的社交图谱,这些都属于 DM 的关系逻辑。

而 IM 更依赖通讯录、手机号、用户名和群组关系,它跟关不关注没关系。

我们可以在 Telegram 里建 channel,做一些类似 X 平台的社交媒体关系,但要注意,IM 里的这些社交媒体是封闭体系,不是给全平台的人看的;X 上的信息则是给全平台的人看的,甚至还会被推荐。两者的逻辑正好是反过来的。

4. 风控和隐私逻辑不同

DM 因为嵌在内容平台里,通常更重视反骚扰、陌生人请求、广告欺诈治理以及平台一级风控。

而 IM 更重视通信可靠性、端到端加密、隐私、长消息和文件能力,以及持续会话体验。

如果 XChat 只是 DM 升级版,它就起不来

前面花了些篇幅把 IM 和 DM 的差异讲清楚,是因为这里就是 XChat 成败的核心。

如果 XChat 永远只是一个DM 的升级版,那它起不来,就这么简单。

但如果它真的变成了 IM,就会把用户从 X 主站这种公开广场里直接抽走。大家聊完天以后,内容就不再显示在 X 平台上了。

所以这是马斯克必须做的一个决策:到底是让它成长起来,让 X 的流量下降、内容减少;还是继续把它当成 X 平台上的一个工具。这是非常难抉择的一件事情。

当年微信起来的时候,绝对是吸着 QQ 的血起来的。如果当时不把 QQ 的流量灌进去,微信是起不来的。

所以 XChat 的矛盾就在这里:继续做 X 平台上的工具,它就做不大;做大了,就会从 X 平台上抽血。

一棵长在巨大 X 标志广场边缘的树,树干写着 XChat,根系从主平台下方吸收养分,枝叶却伸向独立聊天世界,地面出现“工具”与“独立 IM”两块方向牌,羊皮纸,钢笔彩色手绘的统一风格。

“美国版微信”为什么这么难做?

马斯克一直想做“美国的微信”,想做超级 App。问题是,为什么这么难?马斯克这么天才、这么聪明的人也不行吗?

这里要讲一个很反直觉的事情:微信这个东西压根就不是“做出来”的

腾讯在干嘛?微信不是做出来的,微信是逐渐生长出来的。

微信包括三样东西:

  1. 软件和平台
  2. 里面的用户
  3. 内容与生态

这三样东西都是逐渐生长出来的。不是腾讯坐在那里,做出一个叫微信的产品,剩下两样东西就自动闪现出来了。不是这样的,它需要很漫长的时间去生长。

微信是怎么“长出来”的?

微信的生长过程,首先是竞争。大家都觉得在移动端需要一个新的聊天生态,于是开始竞争。竞争之后,微信胜出了。

在这个过程中,它的用户逐渐积累,内容和生态逐渐生长。而且,微信还要不断修修剪剪。很多生态是微信自己不喜欢的,或者它认为对整体环境有害的,它会把它去掉。

它不是说“我要做出一个什么新功能”,而是看着生态自己发展,这个不行就干掉,那个不行也干掉,最后才剩下了大家今天看到的结果。

所以微信生态有点像达尔文式进化,物竞天择,它是这样长出来的一整套系统。

一座花园里,一株名为“超级 App”的植物从小苗逐渐长成大树,树冠上挂着用户头像、支付、内容、社群、小程序等果实,园丁在修剪多余枝杈,强调生态生长而非一次制造,羊皮纸,钢笔彩色手绘的统一风格。

别人也试过,但大多没成

有没有人试过再做一个微信?当然有。

比如阿里的来往,其实就是很典型地从 DM 向 IM 方向发展。因为原来大家买东西发私信就是一个 DM,它想把这个东西做成像微信一样,最后没做起来。

字节也一直惦记做这个事,专门做了一个叫抖音聊天的工具。当时我还装上跟大家做过节目,现在也没做起来,本质上也是从 DM 转 IM,最后转失败了。

Discord 算是成功了。它是从游戏私信最终做出了一个聊天工具。但你说它能不能变成超级 App,它也变不出来。虽然用户量很大了,但使用场景相对还是比较单一。

而且 Discord 还有一个很麻烦的问题:它也通不过企业认证。你说现在想在企业里用这个东西,也是过不去的。

IM 的底层规律:单一市场排他性

一张封闭市场地图被高墙围住,中央只有一个最大的聊天城堡,城堡周围密密麻麻连着好友网络线,其他几个小型聊天应用据点被挤压到边缘,突显网络效应与赢家通吃,羊皮纸,钢笔彩色手绘的统一风格。

IM 背后还有一个很麻烦的核心逻辑,叫单一市场排他性

什么叫单一市场?就是一个封闭的市场,不管是一个国家,还是一个应用场景,总之先得是封闭的。在这样的封闭市场里,只要有一个 IM 工具变得很大了,其他人基本上就没办法超越。

原因很简单,因为 IM 这个东西,功能并不是最重要的。你说我加密了、能传大文件、能聊天,这些都不重要,真正重要的是:我的好友在不在线

当一个封闭市场里有一个 IM 工具变得最大了,我的好友在这个平台上在线的几率就是最大的,所以我一定要去这个平台,其他平台就会被挤死。

IM 一定有很强的网络效应。你想做出这种大的 IM 超级应用,首先要有一个没有竞争的封闭市场,然后你要在里面取得胜利,才有可能成功。其他路径基本都没戏,这东西不是靠功能取胜的。

XChat 真正的机会,可能不在聊天本身

那 XChat 到底有没有戏?讲了这么长时间,结论是:非常非常难

而且在 XChat 发展的过程中,对 X 本身也有巨大危害。但也不是说完全没有机会。

它真正的机会,不是做一个更好的 Telegram。如果你说我要做一个更好的 Telegram,那几乎必死无疑。

它真正的机会是什么?就是AI

AI 可能是 XChat 唯一有想象力的突破口

Grok 在 X 平台上的运作方式,已经算是一种创新。现在你到 X 平台上去看,经常有人发一些奇奇怪怪的信息,然后大家会在下面写“@Grok,这事是真的吗?”Grok 就会在下面回复。

这并没有给 X 平台造成危害,反而还让 X 平台上的信息变得更有趣、更可信。或者哪天 Grok 出了一个绘图功能,大家会让它做各种互动,这种东西其实已经在增加 X 的活跃度,也在提升内容质量。

如果马斯克可以找到一个新的领域,想明白怎么让 AI 跟人一起互动,而且互动得更好,那么这是一个新领域。在这个领域上,是有可能做出超级 App 来的。

如果还在原来那些领域里卷,不管是在 X 平台上卷,还是去 Telegram、WhatsApp 那种市场里卷,都卷不出来。

聊天界面中,人类用户与一个发光的 AI 助手并肩对话,AI 不只是回答问题,还参与事实核查、生成图像和协作讨论,背后隐约连接内容流与社交网络,呈现新型互动场景,羊皮纸,钢笔彩色手绘的统一风格。

最后总结

大家可以去订阅,等到 4 月 17 号,看看老范是不是在上面聊天。

不过要注意,不要在中国市场上去订阅 XChat。虽然现在 XChat 在中国 iOS 市场上也有,但只要它正式上线,大概率一定会被封。我们这种要求实名制的国家,绝对不会允许 XChat 这种软件生存。

所以大家如果想玩,就到美国应用市场上去订阅一下。

短期来看,这个产品基本上看不到太大希望。但毕竟是马斯克。

虽然我认为,现在想做一个 IM 超级应用,可能比造火箭、造芯片、造大模型还要难,因为那些更多是纯靠技术,而造 IM 这个东西考验的是生态发展能力

马斯克到底有没有这么大的耐心,这还是值得期待的。但毕竟是马斯克,我们还是可以好好期待一下,看看他能不能再次创造奇迹。


背景图片

Prompt:in the style of studio ghibli, ultra-detailed cinematic render of a Silicon Valley open-plan office, raw exposed concrete walls and polished cement floors with visible texture, industrial steel beams mixed with warm wood panels, large panoramic windows with soft natural light, social media company with standing desks and cozy breakout areas, scattered potted plants and hanging greenery, warm afternoon sunbeams creating volumetric light rays, hyperrealistic texture mapping –ar 16:9 –stylize 400 –chaos 15 –sref 513961089 –v 7.0 –p qaczhqj

中国AI末日论与追赶美国真相

2026年4月13日 20:51
夜色中的中国城市天际线与发光的数据网络交织,屏幕前一位讲述者摊开手稿,远处高楼和芯片纹路叠映,营造“中国AI追赶与争议”主题封面,羊皮纸,钢笔彩色手绘的统一风格。

大家好,欢迎收听老樊讲故事的 YouTube 频道。

今天咱们来讲一讲“中国 AI 末日论”,以及我们还追不追得上这个问题。

很多人在中文互联网里传,说中国彻底没戏了,永远追不上了,而且会越差越远。甚至还有人说这是哈萨比斯说的,也就是 DeepMind 的老大。其实人家没说这话。人家的原话是,中国原来差几年,现在差 6 个月,是越追越近了。所以这件事情,咱们要好好掰扯掰扯。

“中国 AI 末日论”的三种意思

一张书桌上摊开三条分叉的卷轴,分别通向“失败论”“乐观末日论”“美国式世界末日”三个小场景:断裂的芯片、微笑使用机器人的市民、紧张注视东方地图的西方政客,羊皮纸,钢笔彩色手绘的统一风格。

首先要注意一点,“中国 AI 末日论”这句话,因为中文博大精深,断句不同,意思就不同。它大概有三种解释。

  • 第一种:“中国 AI 失败论”,意思是中国 AI 永远追不上美国,越差越远,怎么追都追不上。
  • 第二种:“中国 AI 末日论”,说的是同样面对 AI,为什么中国人普遍比较乐观,而美国人天天害怕 AI 毁灭人类。也就是说,中国人对于“AI 末日论”这件事情本身,是特别乐观的。
  • 第三种:有极个别美国人认为,一旦中国 AI 超过了他们,那就是世界末日了。

最后咱们还是要回到一个更重要的问题:到底怎么追上,或者为什么追不上。至于中国为什么对 AI 这么乐观,这是个悲伤的故事;至于美国人害怕我们追上这件事,我觉得多少有点杞人忧天。甭管担不担心,我们最后都会追上的。

第一部分:所谓“中国 AI 失败论”

一场科技论坛的侧面视角,台上演讲者指向巨大屏幕上的算力柱状图,中国与美国差距悬殊,台下听众神情凝重,背景夹杂服务器机柜与芯片图样,羊皮纸,钢笔彩色手绘的统一风格。

先说第一部分,也就是很多人在讲的“中国 AI 失败论”

林俊阳的判断:3 到 5 年内追上的概率不高

第一个例子是林俊阳。他原来是阿里通义千问的技术负责人。在一次 AGI Next 的活动访谈上,他说,中国 AI 想在 3 到 5 年之内成为全球最领先的公司,这个概率大概也就是 20%,而且 20% 已经是非常乐观的估值了。所以他认为,3 到 5 年之内,中国 AI 没办法追上。

他给出的理由大概有三个。

  1. 算力差距大。美国整体算力比中国大一到两个数量级。一个数量级就是十倍,也就是说,美国可能比我们大几十倍,甚至上百倍。在这种情况下,想超越它,确实很困难。就好比开餐厅,人家后厨有 100 个猛火灶,咱们这边俩师傅炒三个灶,你想比别人出餐还快,确实难。
  2. 美国头部实验室把大量算力投入下一代前沿研究。OpenAI 大概 40% 的算力是在做下一代大模型预研,根本不考虑赚钱。而我们的公司,大部分算力是拿来接客户订单,赚钱养活团队,确实没有那么多闲钱去做前沿研究。
  3. 中国团队大量算力被当前交付占用。也就是很多历史沉淀任务在持续消耗算力。

他的意思就是,就算我们往前走,美国也可能拿出我们全国算力的很多倍,在研究下一代模型,你怎么追得上。

他离开阿里之后,还专门发了一篇长文,承认千问模型走了弯路,就是把 thinking 和 instruct 模式混在一起,结果效果并不好。他承认这是一次巨大的技术教训。

更具体地说,他认为合并之后,thinking 变得更加啰嗦、犹豫,instruct 也不再像以前那么干净、稳定、低成本,根源在于两种数据分布和行为目标并不一致。放在阿里内部,我估计也不会有人允许他做这种反思,但离开之后就可以稍微思考一下了。就好比一个文科状元、一个理科状元,你非要搁在一个考场里考同一张卷子,他认为通义千问遇到的就是这种问题。

唐杰的观点:真正缺的是创新时间

两层办公楼剖面图,上层研究员围着模型白板和零食台激烈讨论,下层交付团队埋头处理医疗项目与客户需求,楼梯间气氛紧张,表现“研究与交付拉扯”,羊皮纸,钢笔彩色手绘的统一风格。

除了他之外,当时那场会上还有一个人,唐杰,清华大学教授,智谱 AI 的首席科学家。他也在讲这件事。

他的看法是,中美在研究尤其是 AI 实验室上的差距,要缩小差距,关键还是要让聪明人有更多时间去创新,而不是被交付和环境束缚。

智谱出来说这个话,其实挺心酸的。因为智谱有一段时间觉得自己很牛,招了很多人,四处铺业务,做医疗、做交付,什么都做。后来还干过一件特别逗的事:做大模型研究的人在一个楼层,做医疗、做交付的人在另一个楼层;做大模型研究的楼层有零食,其他楼层不许吃。结果一帮人就在那折腾,说你太瞧不起人了。

做了一段时间以后,发现不行,因为模型本身能力不够,很多问题解决不了。最后大裁员,把那些做交付、做执行的人全裁了,回过头来说我们还是集中力量做大模型吧。所以后来才有智谱 4.7、5.0、5.1 这些新版本出来,算是逐渐追上了一些,可能还达不到国际上像 Claude Opus 这样的水平,只能说个别指标已经追上或者接近了。

他现在来讲这个事,本质上就是说,别老让这些做业务的人拖住做研究的手脚。工程师 90% 的时间都在改 bug、接需求,只有 10% 的时间做创新,这是中国的情况;而美国 AI 公司,工程师大概有 40% 的时间可以做自由探索,这就是差距。中国人有时有点太胆小,不敢冒险,必须做确定性的事情,这可能是中国 AI 难以追上美国的一个原因。

任正非与 ASML:基础研究和芯片制造仍是短板

再往后还有一个人,任正非,华为创始人。他在人民日报采访里说,人家投基础研究,掌握基本规律,我们在后边跟着,这事是不行的。这话也就是任正非敢说,别人真未必敢说。他的意思是,华为是不是以后也应该去投一点基础研究。这个不能算完全唱衰,只能算是一个稍微冷静一点的声音。

还有 ASML 的 CEO,他在 2024 年 12 月接受采访时说,EUV 禁令让中国在芯片制造设备上落后西方 10 到 15 年。这里要注意,他说的是芯片制造,不是 AI 模型本身。但你没有芯片,没有英伟达这些东西,很多事就搞不定。

现在我们拿着 ARM、RISC-V 这些 IP,如果真有 3nm、2nm 这样的制程工艺,虽然我们造不出英伟达,但去造博通那种芯片,造 ASIC 芯片,其实也还是可以搞定的。阿里的平头哥、百度、腾讯、字节,手里都有自己的芯片,包括华为的昇腾 910。你只要真有这些工艺,能力就能提升很多。ASML 的 CEO 认为我们还很难追上,我觉得这也算一个事实。

侯宏的三点批评:问题不只是技术

一座建在沙地上的现代数据中心大楼,地基松动开裂,楼体上挂着“SaaS”“生态”“VC”三个标牌,工程师和投资人站在旁边争论,羊皮纸,钢笔彩色手绘的统一风格。

再往后,是北大光华管理学院教授侯宏。他提出了三个观点,认为我们不是技术上追不上,而是整个体系架构不行,所以会离美国 AI 越走越远。

1. 企业软件薄弱,SaaS 付费市场不成熟

他说中国几乎没有成熟的 SaaS 付费市场,90% 的企业不愿意为 AI 付费,大模型公司只能靠政府项目和流量变现,没法靠 B 端订阅获得稳定收入来反哺研发。

这话其实挺对的。中国企业让它付钱很费劲,你让它买点什么,它第一反应都是“我拿这个能挣多少钱”。尤其是现在大家日子都没那么好过,从企业身上挣钱确实难。

为什么说中国没有成熟 SaaS 行业?不是说中国没有 SaaS 公司,而是美国 SaaS 公司把产品做好,大家订阅就行了。中国小企业订不起,或者到处找免费的,甚至破解。大企业呢,谁跟你订 SaaS,它会说你过来给我定制开发,我有一堆需求,你给我改。可真正的 SaaS 是“不改”,你反复订阅,那才叫 SaaS。中国这块确实差一些。

2. 封闭生态,开发者生态难以形成

他说国内大厂各自为战,阿里、腾讯、字节的 AI 生态互相打不通,不愿意开放核心数据和接口,形不成美国 OpenAI 那样的开发者生态。

这个我倒觉得他说得不完全对。美国 OpenAI、Anthropic、Gemini 其实也是各玩各的,谁也没有把核心数据开放给别人。所以从开放角度来说,中国反而还算做得可以。比如买了字节的套餐,你在里面可以用 Kimi、MiniMax、智谱 GLM,虽然不是最新的,但都能跑。

至于说开发者生态为什么难建起来,不是不想,是不赚钱。我原来就是做开发者关系的,这块比较熟。字节、阿里都在建开发者生态,但为什么建不起来?因为开发者拿着你的 AI 工具开发完东西,赚不到钱。亚马逊当年做 AWS、做云计算的时候,专门有个部门叫“开发者成功部”,核心不是让你用了我的云,而是要帮助开发者赚钱。这才是真正重要的。现在国内的问题不是不愿意建,而是整个行业赚钱路径还没打通。

3. VC 风险厌恶,长期研发资金不足

他说国内 VC 只愿意投 6 到 12 个月能变现的应用层项目,不愿意投 3 到 5 年周期的底层技术研发,没人敢赌长期不确定性。

这个说法,我觉得他作为管理学院教授,可能对 VC 行业本身没那么了解。VC 的基金本来就是有周期的,虽然现在也出现一些永续基金、长周期基金,但大部分基金都要在 4 到 5 年里把钱投出去并开始回收。以前我们投资,甚至会跟企业签协议,说你 4 年得上市,不上市就得还钱,或者被收购也行。

那为什么现在突然变成 6 到 12 个月必须挣钱?很简单,因为“不允许资本无序扩张”,把整个创投链条打断了。原来我投天使,12 到 18 个月找到 A 轮,A 轮再跑 12 到 18 个月找到 B 轮,大家当年追捧的是“一年融三轮”,天使、A、B 一年搞完。但后来链条断了,比如腾讯、字节这类大厂不怎么投了,后面的接盘资金没了,那就只能要求项目盈利。这个事不能全怪中国基金,有一些外部的不可抗力。

所以侯宏的意思是,从非技术角度看,我们的商业环境和体系结构有问题,这会让我们越走越远。他的比喻是,我们底下是一片沙地,房子盖在上面,很容易倒,因为基础不牢。

罗福莉的隐含判断:创新很多,但偏向“高效追赶”

再举一个例子,罗福莉,小米 MIMO 的 AI 团队负责人,原来也是 DeepSeek 的核心成员。他在北京一个活动上,主持人问他小米做得怎么样,他转了一圈说,我们不谈小米,咱就谈中国吧。

他说中国其实做了很多创新,比如各种注意力方法,怎么节省算力,在相同效果下怎么降低训练成本、推理成本,讲了一堆这种东西。

这什么意思?其实也是一种唱衰。因为这些东西,本质上更像是在研究考前怎么高效复习,而不是从头把基础打牢。注意力机制就像考试前教你一套高效复习法,前面学得怎么样先不管,重点是怎么抓重点、怎么用更少的精力、更少的钱把考试通过。这当然有效,也确实帮很多学生考上了大学,但很多更底层的东西其实没怎么做。

补充一点,罗福莉最近还在拼命发文章,说中国的大模型公司不要再打价格战了。因为小米的模型特别贵,100 万 token 输入大概要卖到 1 美元甚至更高,而中国普遍的大模型公司,100 万 token 也就是两三块人民币,他有点顶不住了。因为他的模型 MIMO V2 Pro 比别人大,所以推理成本更高。再加上小米本质上是做硬件的,要求每件事都得盈利,不能亏钱,不像阿里还能拿其他业务养这个。所以他才出来喊,大家别打价格战了,真打不起。

看好中国 AI 的声音

达沃斯风格的国际论坛会场,一侧是哈萨比斯与黄仁勋形象化人物在发言,另一侧大屏幕显示“中国仅落后6个月”和中国学者、工程师群像,气氛转为明亮,羊皮纸,钢笔彩色手绘的统一风格。

当然,也不是没有人看好中国。

  • 哈萨比斯:DeepMind 的 CEO 说,中国正在逐步追赶,原话是中国 AI 仅落后 6 个月,这是他在达沃斯论坛专访上讲的。
  • 黄仁勋:英伟达 CEO 经常说中国很厉害。他主要还是惦记着往中国卖芯片。如果中国不买他的芯片,万一还真走出自己的路,那他亏大了。

所以他一直在讲,中国人才密度很高,现在全世界 AI 论文里可能有一半以上是中国人写的,包括美国各大公司 AI 团队里,中国面孔也能占一小半,甚至有的团队占一多半。再一个,中国电力便宜,基础设施也完善,所以他认为中国肯定能赶上,没有任何问题。当然,他的潜台词还是:还是买我点芯片吧。

这就是不看好中国 AI 和看好中国 AI 的两拨人。到底谁更有道理,大家可以自己判断。

第二部分:为什么中国人对 AI 末日论更乐观

中国街头的日常场景拼贴:无人出租车驶过路口、酒店机器人送物、外卖调度屏闪烁、年轻人用手机里的AI助手聊天,市民神情轻松自然,羊皮纸,钢笔彩色手绘的统一风格。

接下来讲第二层意思,也就是为什么中国对“AI 会带来末日”这件事,普遍比美国人乐观。

纽约时报在 2026 年 3 月 5 日刊登过一篇报道,作者是薇薇安·王,标题大意就是:中国的人工智能末日论者在哪?她引用了一些数据。

  • 毕马威对 47 个国家做调查,69% 的中国人认为 AI 好处大于风险,而美国只有 35%。
  • 斯坦福在 2025 年的 AI Index 里数据更夸张:83% 的中国人认为 AI 利大于弊,美国只有 39%,加拿大 40%,荷兰 36%。

这些老牌资本主义国家普遍更担心 AI 带来灾难,而中国人很乐观。当然,还有比中国更乐观的,印度人比我们还乐观。

为什么会有这种差距?作者给了四个理由。

1. AI 应用落地快,普通人能直接受益

中国的 AI 应用落地快,老百姓真能用上。比如无人驾驶出租车已经在十几个城市跑了,酒店里有服务机器人,外卖有 AI 调度,淘宝有 AI 推荐,而且很多还是免费的。老百姓觉得自己真的得到好处了,所以更乐观。

比如豆包、元宝这些产品已经很普及。2026 年字节推 Seedance 2.0 的时候,美国好莱坞吓得要死,马上发律师函,说 AI 要抢饭碗,甚至组织集会游行。而中国这边,导演贾樟柯直接拿 Seedance 3.0 去拍短片,拍完发微博说,技术是工具,人才是核心。大家心态不一样。中国在这块多少有一点娱乐至死的感觉,先开心再说,至于版权这些东西,很多人根本不管。

2. 政府叙事不同

中国政府把 AI 定义成经济增长引擎,推各种“AI+”计划,到 2030 年渗透率要达到 90%。而美国政府天天在讲 AI 安全、AI 伦理,害怕 AI 消灭人类。老百姓听多了当然也害怕。

就像同样一把菜刀,中国人觉得是切菜工具,美国人先想到的是杀人凶器。不是刀有问题,而是想法不一样。

3. 技术进步叙事和民族自豪感更强

文化和民族自豪感也有差距。中国人有时候确实容易“赢麻了”,只要某个领域稍微强一点,就会很开心。近代以来中国快速现代化,让很多人对技术进步有天然好感。很多人都经历过从没有手机到智能手机,从绿皮火车到高铁的变化,所以 AI 被视为下一轮技术进步核心,也被看作中国赶超西方的机会。

Seedance 在海外出圈以后,大家都觉得很骄傲,很有民族自豪感。AI 这件事,特别容易让中国人产生这种情绪。

4. 悲观声音更难传播

中国政府和民众都在喊 AI 好,而悲观声音被系统性压制。中国舆论管控比较严格,负面声音很难传播。你说谁家 AI 不好,谁家芯片有问题,可能很快就被处理掉了。自动驾驶事故的帖子可能被秒删。

西方有工会,觉得你搞砸了它会罢工;而在中国,AI 替代了你,你去闹事,很多时候根本没人看见,甚至报道都没有。所以老百姓一方面觉得很自豪,另一方面也看不到太多负面信息,自然更乐观。

第三部分:为什么有些美国人把中国 AI 追赶视为“末日”

华盛顿听证会般的场景里,西装人物指着世界地图与出口管制芯片,神情焦灼;地图另一侧的中国服务器和实验室灯火通明,形成强烈对照,羊皮纸,钢笔彩色手绘的统一风格。

第三层意思,是有些美国人认为中国 AI 一旦赶超美国,那就是世界末日。这主要是地缘政治层面的说法。

比较典型的两个人:

  • Sam Altman:OpenAI 的 CEO。他天天提醒美国不能失败,游说国会要加大 AI 投入,也要求管制芯片出口。大家也会想,你是不是想从政府多骗点钱。作为行业龙头,你不停告诉政府后面有敌人紧追,这本身也能增加自己的重要性。
  • Anthropic 的 CEO:更极端。他说,把算力卡卖给中国就是核扩散,等于把原子弹卖给朝鲜。这是他在达沃斯论坛上的原话。

Anthropic 现在是美国军方的重要供应商,最新模型已经算军民两用技术,拿了很多国防部订单,所以他会把中国描述成敌人。当然,中国也确实让他吃了亏,他的 Claude Code 进到中国以后被各种破解,一堆中国模型去蒸馏他的模型,他很痛苦,所以他不停喊中国一旦追上就完了。

中国 AI 到底追不追得上美国

一幅对比构图:左边是被禁运标签封住的高端GPU与EUV设备,右边是昇腾芯片、海外算力中心和中国工程师协同工作的画面,中间是一条仍在延伸的追赶曲线,羊皮纸,钢笔彩色手绘的统一风格。

算力禁运有影响,但不是决定性障碍

先看算力卡禁运到底有没有影响。有影响,但没那么绝对。

  1. 中国有自己的替代芯片。我们自己有昇腾芯片,虽然贵一点、耗电多一点、兼容性差一点,但在中国更便宜的电价、各种补贴之下,也还是能凑合用。肯定比英伟达差,这点要承认,但不是完全不能用。
  2. 全球配置算力资源。中国各大公司在全世界买算力卡。你不让往中国卖,不代表不能往新加坡、马来西亚、阿联酋卖。我们可以买了以后在当地建算力中心,把数据放到新加坡、马来西亚、迪拜去训练。这都不是不能解决的问题。再加上中国一直在通过各种渠道获取这些芯片,从来没有真正彻底断供过。

中国最大的缺憾,还是没有自己的高精度光刻机,没有高制程芯片的自主生产能力。如果这件事解决了,情况会发生很大变化。

意识形态控制并非单向压制创新

再看意识形态控制的问题。说到这儿可以稍微放开一点。很多人觉得中国意识形态控制严格,美国更自由。但其实美国在意识形态上玩政治正确、LGBTQ、觉醒主义,有时候比中国还厉害。

中国当然有意识形态控制,这个要承认,但它很多时候是一种“只许州官放火,不许百姓点灯”的模式。普通人不可以这样那样,但大的公司、政府机构、被认为“可靠的人”去做一些事情,往往没那么多人管。很多规则是随着层级上升而越来越模糊的。

而美国的政治正确,是面向全民的,也会影响公司内部。公司想做点不一样的东西,员工可能直接闹事、罢工。所以在这件事上,未必谁比谁更宽松。美国现在号称敢说真话的模型,也就是 Grok 一个,其他模型基本上都是比较强的政治正确取向。

相比之下,中国模型反而更实用主义一点,有安全检查,但高层级操作没那么严。比如罗福莉在访谈里说,小米从上到下全员都在用 Claude Code。那他怎么用上的,大家心里都明白,这里就不展开了。所以别简单觉得中国一定比美国管得更严,没那么绝对。

真正的决定因素:成也内卷,败也内卷

再往后,真正决定成败的,是“成也内卷,败也内卷”

中国每年毕业的 STEM 博士大概 7.7 万,美国大概 4 万。虽然还不到两倍,但快了。到 2025 年开始,各种 AI 顶会论文里,中国人基本能占一半以上,排第一名的是清华。还没算那些在国内受教育、后来跑到美国去任职的人,只算留在中国的就已经很多了。

从数量上讲,我们肯定能卷死他。万般皆下品,唯有读书高。我每年比你多产出这么多博士,就算质量差一点、基础弱一点,也架不住总量大。再加上我们压力大,不停要求发论文、做研究,不发论文不给评职称,那就卷呗。这件事上,中国是有优势的。

再一个是大基建。中国工业用电价格大概是美国的 60%,而训练大模型和做推理都非常费电。虽然我们的芯片不如英伟达,费电更多,但我们电便宜,再加上补贴,差距就会缩小。

还有一点很重要,没有工会。对劳动者来说这可能是坏事,但对 AI 和机器人发展来说,反过来就是优势。没有工会,AI 公司就可以更大胆地做机器人、做无人驾驶出租车。美国当年 Uber 出来,出租车司机都去闹;无人驾驶出来,更得去打砸抢。中国这边基本没有这事,谁敢上去打砸抢无人出租车,分分钟给你抓起来。所以很多东西,有利有弊,要看站在哪个角度。

还有版权。美国非常重视版权,AI 视频模型一出来,版权方就来找你。很多产品做着做着就下线或者被阉割。中国这边,Seedance 2.0 这种东西你看谁在大规模谈版权?现在国内更常见的是“偷脸”,拿明星的脸做风格化,然后放进短剧里。刘德华演短剧这种事都已经出现了,更别提版权了。我们就是娱乐至死,流量至上。所以这一块,中国 AI 发展也可能比美国快,因为监管少,推进快。

但劣势也很明显。我们确实没时间做基础研究。中国 AI 公司整体上都处于追赶状态,没有足够时间和空间做底层研究。再一个,缺乏冒险精神,大家还是倾向于急功近利,想尽快出结果。

至于侯宏说的结构性问题,我觉得投资链条断裂这块确实存在,但主要不是投资人自己的问题,而是大环境造成的。其他的,比如企业买不买软件,我觉得未来也会变化。比如有了 AI 以后,以前企业买软件会要求你不停改,现在如果有像龙虾、爱马仕这种系统,你想改你自己提需求,它自动就改了。也许未来真的会出现不一样的变化。

所以中国 AI 的现状,就是成也内卷,败也内卷

中国 AI 怎样才能追上美国

一条陡峭山路上,博士生、工程师、创业者、机器人和装满数据卷轴的车辆一起向山顶实验室攀登,山顶飘着“中国AI追赶”旗帜,画面充满拼命向上的力量,羊皮纸,钢笔彩色手绘的统一风格。

那中国到底怎么才能在 AI 领域追上美国?

我认为我们肯定能追上

  1. 继续发挥规模优势。卷是民族性的一部分,改不了。继续以远超美国的速度搞基建、生产博士、写论文。人多力量大,总有卷出来的一天。有人说日本当年提过以后每年都要拿诺贝尔奖,后来基本也真做到了。中国再过十年二十年,也未必不可能。你别忘了,这么多博士里,总有一些是真喜欢基础研究的。
  2. 让更多博士和企业在生死线上爆发最大潜能。一将功成万骨枯。100 个公司失败,最后成一个,我们就赢了。就像当年互联网时代的百团大战,美国 Groupon 一家差不多就完了,中国最后杀出一个美团这样的怪物。只要继续卷,就总会卷出点奇怪的东西,像养蛊一样。当然前提是,要让这些人真的在生死线上挣扎。这个过程很残酷,也不人道,但结果往往能出东西。
  3. 版权宽松、数据充足。娱乐至死,版权宽松,训练数据就很多。中国有大量训练数据,模型训练这块并不缺素材。
  4. 让 AI 快速替代普通劳动岗位。放任公司快速用 AI 替代普通劳动者。现有劳动力自然会重新找到新的生存方式,政府不会太多干预,也没有工会。能裁员就裁员,不行就关公司。对劳动者当然悲催,但对 AI 公司来说这是机会。所以现在大家只能全民上 AI,用的人多了,生态慢慢就会出来。就像小龙虾一样,国外可能是害虫,到了中国就能变成一个产业。

有人说任正非都说了,没有基础研究就不可能成功。那就加大基础研究投入呗。现在这么多博士出来,也还是有机会的。

还有,这么多博士,继续向美国、向全世界输送。只要人才在流动,就不可能有真正的封锁。去了 10 个,回来 1 个、2 个,也完全够。

最后就是输出人才、输出开源模型、输出 token,就像中国制造一样,向全世界输出手机、电视、新能源汽车、电池。这套逻辑其实是一致的,继续做就行。

结论:中国 AI 最终会追上美国

终章式远景,中国与美国两条发光赛道在地球弧面上并行延伸,前方是一轮升起的数字化晨曦,中国工程师群像在前景坚定前行,寓意“最终追上”,羊皮纸,钢笔彩色手绘的统一风格。

最终的结论就是,中国 AI 会追上美国。因为当整个行业里有一多半是中国人的时候,你怎么追都能追上。卷王永远不会停下来,而卷这件事情是刻在我们骨子里的。为了卷、为了成功、为了胜利,我们可以放弃很多原则。

所以我的结论是,总会有追上的一天。虽然现在我们确实还有很多不如人意的地方,但只要看到问题、承认问题,就想办法改。而且改这些问题的方式,可能和西方想的也不一样。我们可能会用一种更赛博魔幻、甚至像赛博鬼故事一样的方式,把问题给处理掉。

中国每一次冲上国际舞台参与竞争时,总会展现出一些让西方人很难理解的事情来。比如很多规则在中国并没有那么严格,规则更多是管普通人、管大众的。再往上一层,大家默认你是经过考验的,那就上吧。所以很多事情,逻辑本来就不一样。

这就是今天讲的小故事。

SBTI 爆火背后的传播逻辑

2026年4月13日 08:55
一张仿人格测试海报风的封面插画,桌上摊开写着 SBTI 四个字母的测试结果卡片,周围散落手机、咖啡杯、夸张表情小人偶和社交媒体弹窗,画面热闹又带点戏谑感,羊皮纸,钢笔彩色手绘的统一风格。

SBTI 最近突然爆火,这可能并不仅仅是一个玩笑。大家没测的赶快去测一下,你们都是什么样的“SBTI 人格”呢?

大家好,欢迎收听老范讲故事的 YouTube 频道。

SBTI 为什么突然火了?

一台打开测试网页的笔记本电脑放在木桌上,屏幕显示四字母人格结果界面,旁边站着一个模仿 MBTI 风格却神情搞怪的小人偶,背景有围观的人群和聊天气泡,羊皮纸,钢笔彩色手绘的统一风格。

最近 SBTI 突然爆火,又是一个现象级产品出现了。这个 SBTI,其实就是把 MBTI 这个人格测试改了两个字母,意思叫“沙雕大型人格测试”。它的形式跟 MBTI 也很像,都是答题,然后出一个四个字母的结果,还有一个人格标签,以及一个像 MBTI 风格的小人偶。但它的气质完全不一样。

MBTI 还是想把自己做得稍微认真一点。其实 MBTI 本身也不是一个特别严肃认真的科学,这个要讲清楚。但 SBTI 更加搞怪、更加玩梗,而且它还故意借用了那种熟悉的人格测试美术包装和结果展示方式,让人一眼就知道,这好像是一个性格测试。这一点其实挺有意思。

这里要提醒一个关键点,很多人可能没有注意到:SBTI 看起来虽然像是一个玩笑,但它并不是一个随机乱写的东西。根据官方页面,它背后还是有一整套轻量级结构:15 个维度、5 个模型、27 个结果

普通用户测试通常是 31 道题,老范自己去测也是 31 道题。如果触发了隐藏的饮酒分支,也就是喝酒分支,会有第 32 道题,但老范没看到。所以它并不单纯是在拿你玩一个梗,最后测出来的东西还是有些意思的。

结果通常有 27 种,其中 25 种是标准结果,还有 2 种特殊结果,待会儿再解释。老范当然也去测了,测完以后绝不藏着掖着,马上告诉你们:老范测出来的是“SEXY 尤物”。什么是尤物?就是性感、自信、魅力拉满。好开心。

你看,这类测试最厉害的地方就在这儿:它不一定科学,但还是会让你忍不住多看两眼,甚至想发出来炫一下。地址就是 sbti.dev,大家点进去试试就行。

SBTI 的玩法有什么特别之处?

手机屏幕上一道荒诞测试题正在被作答,三个选项字样夸张漂浮,操作者一边皱眉一边忍笑,身后时钟指向五分钟,暗示快速答题和快速分享,羊皮纸,钢笔彩色手绘的统一风格。

这个东西的核心优点是门槛极低,不需要注册,上去就可以玩。玩完以后它也不记任何东西,打开就是开始答题。31 道题是随机排列的,你不一定知道哪道题是第一道、哪道题是第二道,但总共就是这 31 道题。据说有第 32 题,反正老范没看到。

它给出的问题和答案也比较无厘头,大部分就是让你做一个即时判断。

比如有一道题,题目写的是“这个题没问题”,答案 A 是“我三思以后最后决定选 A”,B 写的是“我就想选 B”,C 写的是“我觉得 C 对”。

还有一些题,会把你描述得很惨,各种方面都不成功,特别屌丝,然后问你看完以后是什么感受,比如“我哭了”“我觉得无所谓”“你说什么呢”。

还有一个题老范印象比较深刻,说你的对象,也就是你的另一半,不管是男他还是女她,简直完美无缺:又帅或者又漂亮,又温柔贤惠,又体贴,又有钱,还照顾父母,还特别善良,简直是完人。然后问你是自惭形秽,还是觉得“就应该这样”,或者别的什么反应。它有很多这种题。

基本上 5 分钟答完、5 秒钟出结果、再花 5 秒钟分享出去,大概就是这样一套玩法。

SBTI 爆火的几个核心原因

一棵大树上挂着 MBTI 的老牌招牌,旁边新长出一根写着 SBTI 的夸张枝条,树下人群排队测试、截图转发,象征借势传播和低门槛扩散,羊皮纸,钢笔彩色手绘的统一风格。

1. 借用了 MBTI 的认知基础

第一个原因,就是它在 MBTI 的基础上做了一个很像的东西,不是从头开始。因为这种东西一旦从头开始,就需要很长时间做用户教育。

MBTI 这个东西,你别看现在大家玩得很嗨,它其实也经历了非常漫长、几十年的发展历程,有很长的市场培育阶段,甚至还跑到很多地方去讲课。到了互联网时代,它才快速爆发出来。而 SBTI 等于是在这个基础上做了一次嫁接,所以很快就出来了。

2. 参与门槛极低

第二个原因,就是门槛很低。

不需要注册,不需要登录,也没有复杂操作。用户打开就能做,做完就能走,这种极轻量的体验天然适合传播。

3. 传播性极强

第三个原因,就是它有极强的传播性。传播性主要有几块:

  • 我可以快速把它发出去;
  • 我没什么心理负担;
  • 它的结果总能让我感到某种程度的共鸣。

为什么它说得不准,你还能共鸣?因为它说的很多东西,其实属于社会共有认知。你会觉得,这个事情我身上好像也有一点;我朋友测出来那个,好像也有点像。

它有点像以前说相声里那种“怎么说都对”的算命方式。再加上人在现在这个状态下,有一些社会情绪本来就是共通的,比如现在大家都很丧、都躺平、都觉得努力无望,这些本身就是社会共知。

有些人看完了以后会说“不准”,那也没问题,你不是它的目标用户,你不传播就算了。剩下愿意传播的人,才是它的目标用户。

这有点像有些骗子做股市预测:先给 1 万个人发预测,给 5000 人发涨,给 5000 人发跌。第二天如果真的涨了,那收到“跌”的 5000 人就不要了,对剩下 5000 个收到“涨”的人再继续发。再过一天,还会继续筛。过了四五天,剩下一两百人时,这些人就会觉得这个预测者简直是神,每次都准。所以有些传播机制就是这样运转的。

这些点都踩中了,它不火都难。

SBTI 的结果类型怎么分?

一面贴满人格标签卡片的墙,卡片被分成七个区域,每个区域都有不同神态的小人物:躺平、焦虑、炸毛、讨好、强势、行动派、无所谓,像一张夸张的人格图鉴,羊皮纸,钢笔彩色手绘的统一风格。

在小红书上,老范看到有人把 SBTI 的二十几种结果分成了 7 类。咱们看看各自属于哪一类。还记得老范是哪一类吗?老范是“尤物”,很有魅力的那种。

1. 彻底摆烂型

关键词是精神耗尽、无欲无求、躺平、拒绝竞争。

  • 死者:精神已死,只想躺平;
  • 装死者:用拖延或者回避逃避现实;
  • 马喽:拒绝内卷,只想吃睡摸鱼;
  • 僧人:看破红尘;
  • 废物:极度摆烂、自暴自弃。

2. 内耗焦虑型

关键词是想太多、自我攻击、后悔、行动弱。

  • 自我攻击者:极度内耗,习惯性否定自己;
  • 思考者:过度复盘,这里的“思考者”不是正面词,是贬义;
  • Ohahano:老范把它叫“欧布人”,就是什么都不行的那种,自带翻车预期,干什么都觉得干不成;
  • 小丑 Joker:努力过后觉得自己像个笑话;
  • 多情者:恋爱脑,持续心动。

3. 情绪外放者

关键词是反应夸张、表达直接、情绪显性。

  • 卧槽人:一点小事就炸毛;
  • 傻乐者:快乐至上,什么事都好开心;
  • 酒鬼:用酒精释放情绪;
  • 狗屎人 shit:愤世嫉俗,嘴硬心软。

4. 人际依赖和讨好型

特点是在意别人眼光,习惯付出和依附,容易受伤。

  • 送钱者:不懂拒绝,像提款机一样;
  • 妈妈:过度操心;
  • 感恩者:别人一点点好就会记很久;
  • 伪人 fake:双面切换,戏感、表演感特别强。

5. 独行掌控型

掌控欲和气场都很强。

  • boss:喜欢决策和掌控;
  • 尤物:性感、自信、魅力拉满;
  • solo:孤儿独行者,习惯独来独往。

6. 积极行动型

特点是行动快、生命力强、拒绝内耗。

  • 行者 go go:想到就做;
  • 野草者:一个以 F 开头的词,意思大概是逆来顺受,但生命力极强,无法拒绝,那就享受吧;
  • 贫穷者 poor:钱少但心态开阔,精神富有。

7. 随缘无畏型

关键词就是没脾气、没主见、干啥都行。

  • OJBK:也叫“无所谓人”,极致随缘,主打一个随便都行,干什么都可以。

这 20 多种基本就在这里了,大家可以看看自己测出来属于哪一类。

为什么这么“傻”的产品反而会火?

一个看上去粗糙简陋的小网页原型被无数点赞、转发、评论图标托举着升空,下面则是一台复杂精密却无人围观的大机器,形成鲜明对比,羊皮纸,钢笔彩色手绘的统一风格。

有人会说,这产品看着挺傻的,这么傻的产品为什么会火?我们费半天劲做出那么牛的产品它不火,这么傻的产品怎么就火了?

首先得承认,这个产品确实很傻。它就是一个在 Vibe Coding 之下快速实现的产品原型,只能叫原型案,叫完整产品都算侮辱“产品”这两个字了。

但它火的原因也很明确。

  1. 大家压力都很大,严肃的东西看着实在太累了;
  2. MBTI 已经被用到求职、交友、恋爱,甚至晋升筛选,SBTI 本质上是对这种现象的一种嘲讽;
  3. 它让人可以毫无压力地暴露自己、顺便自嘲;
  4. 它的题目和结果未必精准,但一定能制造共鸣。

像老范是“尤物”,一点压力都没有。而且前面还有个 “SB”,大家当然会觉得很好玩,自嘲一下也挺开心。

因为现在也没那么多人有偶像包袱。谁不比谁混得惨啊,大家都这样,那自嘲一下,让自己开心一点,有什么不好呢?

它本质上不是一个心理学爆款,而是一个传播学爆款。大家可以仔细研究一下,它为什么会传播。

从产品角度看,SBTI 有什么特点?

这个产品看起来确实很简陋。前端不重,连用户注册、用户登录都没有,也没有后续的发展设计。它不会告诉你“你是什么类型,应该怎么改变”“你这个类型适合去哪求职”,什么都没有,就是很简单的一层,完事了。

逻辑也不复杂。31 道题答完以后,后台大概有一个公式系统,公式也不麻烦,直接算出你到底属于哪一类。它也没有复杂的社交关系链。

按道理说,一个会传播的产品,传播出去以后应该把用户再拉回来,在平台里重新创造内容,慢慢把用户聚集起来,形成“内容吸引人,人再产生内容”的循环。但它压根没这么干。就是你发完,开心完,没了,它也不要求你回来。

所以它的核心价值主要来自于:

  • 选题;
  • 文案;
  • 标签体验;
  • 传播设计。

SBTI 是谁做的?

一位年轻创作者深夜坐在电脑前赶工网页原型,桌上有草稿纸、酒杯和一盏台灯,屏幕上是尚未完善的测试页面,窗外夜色很深,带着“一两晚做出来却突然爆火”的感觉,羊皮纸,钢笔彩色手绘的统一风格。

这个产品据说是 B 站上一位 UP 主做的,叫“蛆肉儿串儿”。他做这个项目的原因,是为了劝一位爱喝酒的朋友去戒酒。这种产品按理说一晚上或者两晚上就能搞出来,没想到突然爆火了。

当然,蛆肉儿串儿背后到底是个什么样的人,是否有其他成熟商业团队,这件事并没法验证。目前能确认的,基本就是 B 站 UP 主做的。

所以这个看起来很傻的产品,具备几个关键点:

  • 认知入口熟悉,借的是 MBTI;
  • 参与成本低,不需要注册;
  • 情绪价值明确,我可以拿它来自嘲;
  • 结果适合截图,适合分享,适合传播;
  • 文案很会损人,让你觉得有一点点小冒犯,但又不过分;
  • 用户也很愿意拿它来当社交梗。

SBTI 的社交价值为什么很高?

其实很多时候,大家做这些事本来就是为了社交。老范以前有一位朋友,也是做投资的,他特别认真地研究星象、星座。后来我问他,你真信这个吗?他说不信。

我说,那你研究它干嘛,难道你真靠星座去选项目?他说,也不会。我又问,那你为什么还研究?他说,两个陌生的人坐在一起,总得有个话题打破僵局吧。跟年轻人聊星座,就是一个很好打破僵局、找到共同语言的话题。

我也见过一些专门做老年项目的人,去研究八卦、看相。他们也不会因为看个相、算个八字,就决定投不投你的项目。没有这个。这就是一个话题,这就是社交价值。所以 SBTI 的社交价值也是很大的

SBTI 会持续发展壮大吗?

一团绚烂烟花在夜空中刚刚炸开,碎片却迅速飘散,地面上人们举着手机截图欢呼,远处只剩短暂余光,象征爆发强而留存弱的互联网热潮,羊皮纸,钢笔彩色手绘的统一风格。

那么这种产品会不会继续发展壮大?会不会因为它是现象级产品,大家就该赶紧冲进去?

老范的判断是:大概率不会

原因并不复杂。因为这种项目来得快、量得猛,截图到处飞,但很短一段时间就会过去。新鲜感一过就没了。因为它没有做信息沉淀,也没有做任何市场教育。

你本来就是建立在 MBTI 的基础上做的,一旦深究起来,你没有办法单独积累用户和品牌,这个事没法做。它的核心就是第一次的新鲜感,大家玩完就完了。

你说老范会不会反复去测,测完以后每次都兴奋地跟别人讲?不会。第一次测完了,跟大家讲一下,“我是尤物,好开心”,然后就没有然后了。我也不会反复去刷,非要把第 32 道题刷出来,我没那闲工夫。

所以这个产品就是典型的:有爆发,没留存

而且它是 Web coding 做的,门槛极低。你如果对心理学、MBTI 这些东西比较熟悉,也不能说分分钟吧,一晚上两晚上做出来并不难。所以这件事本身没有特别高的门槛。综合这些原因,它基本不太可能一直火下去。

投资人会投 SBTI 这样的项目吗?

 三位风格不同的投资人坐在长桌前,看着同一个粗糙测试产品原型:一人皱眉摇头,一人露出“我也能做”的神情,一人激动地指着上涨曲线,形成鲜明对照,羊皮纸,钢笔彩色手绘的统一风格。

咱们再说一个老范更内行的话题:投资人看到这种项目会投吗?

这个事很有意思。如果把 SBTI 这样的产品扔进投资机构里,大概会有几种典型反应。

第一种反应:这么烂的产品,没看头

这种人一般岁数比较大、比较保守,他连 MBTI 是什么都未必搞清楚,更别说 SBTI 了。再加上产品本身非常简陋,他们会觉得这种产品没有技术壁垒、没有商业闭环,只是一次流量事件,护城河太浅。

这个观点并不奇怪。但如果一个天使轮或者种子轮投资人这样想,那建议向上升级,你比较适合投 B 轮、C 轮,天使轮、种子轮不太适合这样的人。

第二种反应:我自己做肯定比这更好

这样的人也很多。比如一些大公司,后面有很多产品经理、很多程序员,他们看很多产品都会这么想:这玩意儿做成这样,我做得比他好。

这种人其实是把自己擅长的东西放大了,却没有发现产品真正的亮点。一般我们遇到这种人,也只能说,那你去做吧。

还有一些投资人,可能自己投过别的团队,对那个团队有很强的个人感情。这种情况下,他也会觉得,没准我投的那个团队也能把这个做好。还有些投资人,看到自己不太懂的领域,会去问以前投过的团队,结果得到的也经常是类似结论:“这个东西让我做,我做得比他们强”“这个东西我做过,做不起来”。这也是常见情况。

第三种反应:现象级产品一定能做大做强

第三种反应最危险,就是一看到现象级产品,就觉得要做大做强。这个特别危险。因为这个产品刚才已经讲了,它本身是做不起来的。你想在这个产品基础上继续深挖、继续做大,非常难,而且最后一定会走歪。

这是一个非常原始的原型产品。你说我在这个基础上往前做,根本不现实。因为底层 IP 也不是自己的,你真做大了以后,马上就可能被人告,所以这条路根本没戏。

老范见过挺多项目,早期被投资人投了以后,团队突然就不知道自己是谁了。什么意思?就是原来他只是做一个产品试一下,结果有投资人特别喜欢,啪,投了。投完以后,不是鼓励他去试别的,而是要求他一定要在这棵树上吊死。最后就真的在这棵树上吊死了。有些投资人就是这样,投完以后你不许改,你就给我做这个,结果真做不出来。

投资这种项目,正确的思路是什么?

一位投资人与一个小团队站在岔路口前,不再盯着单一产品原型,而是看向团队手里的一叠创意草图、数据纸张和工具箱,象征“投团队而不是投单个爆款”,羊皮纸,钢笔彩色手绘的统一风格。

那么正确的玩法是什么?正确的玩法是看团队。

如果这个团队有再做出下一个爆款的潜质,知道这次为什么火,也知道哪里不足,还知道有哪些竞品、哪些地方可以放大,不会死守一棵树,那么这种团队是可以谈的,甚至投一个种子轮都不是不可能。这才是正常的种子轮投资人和天使投资人应该思考的方式。

投资人在这个阶段真正该看的,压根不是产品和赛道。不是一上来就看商业是不是闭环,或者别人是不是可以做得比你更好。因为无论是“别人能不能做得更好”,还是“我们能不能在这基础上做大做强”,前提都是你还在做这件事。

但真正值得思考的,是:我们要的不是这个产品,我们要的是这个团队

这个团队有没有能力做出这个产品,而且还能够一次一次再做出类似的产品?如果有,那么不一定哪一次它就撞上了正确的门,有机会真正做大做强。这才是正确的思考方式。

一个值得投资的团队应具备哪些能力?

  • 快速洞察社会情绪;
  • 把洞察写成有传播力的文案;
  • 低成本快速上线;
  • 用产品承接内容传播;
  • 爆了之后还能持续握住流量,或者即使流量没留住,也知道为什么没留下来,以后应该怎么做;
  • 有机会打中下一次热点。

如果发现这个团队不具备这些能力,那它有可能真的只是瞎猫碰上死耗子。这种情况其实经常会发生。

所以,值得投资的不是 SBTI 这个产品或者这个赛道;但是如果一个团队能够持续做出类似 SBTI 这样的产品,或者持续制造这种现象级热点,那么这个团队或者这个人就是有价值的。

最后总结:SBTI 给了我们什么启示?

最后总结一下。这个 SBTI 可能并不仅仅是一个笑话。我们通过这个笑话开心一下之后,还是可以研究一下它背后到底带来了什么启示。

它不是严肃的心理学革命,也未必能长成一家长期公司,但它至少说明了一件事:今天一个小产品能火,不一定靠复杂技术,更多时候靠的是你能不能把握时代情绪,能不能把这种时代情绪翻译成一个人人都愿意点开、愿意做完、愿意传播的东西。

所以在现在这样的时代,有了 Web coding 以后,不管你是不是程序员,都可以把自己的想法拿出来试试。不一定非得做 SBTI,也不一定非得做传播、做流量产品。你完全可以在 Web coding 的基础上,把自己原来的认知包装一下,做出来,去试一试。你没试过,怎么知道不能成功呢?这才是这个产品真正给我们的启示。

好了,别想太多了。如果还没有测过 SBTI 的,去测一个。测完以后,欢迎把你们的测试结果发在老范的评论区里,咱们一起开心一下。

好,这个故事就讲到这里。感谢大家收听。请帮忙点赞、点小铃铛、参加 Discord 讨论群,也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。


背景图片

Hermes Agent能替代OpenClaw吗?老范 实测后震惊了?

2026年4月12日 08:53
一张夸张幽默的封面画面,讲述者坐在书桌前眯着眼看屏幕,把“Hermes”误读成“Harness”,桌上一边摆着奢侈品橙色礼盒,一边摆着红色龙虾和笔记本电脑,背景是终端窗口与聊天气泡交错,羊皮纸,钢笔彩色手绘的统一风格。

爱马仕到底能不能替代龙虾呢?

大家好,欢迎收听老范讲故事的 YouTube 频道。

先跟大家讲一个很有趣的事情。这个名字曾经非常困扰我。很多人跟我说:“老范,你试了爱马仕了没有?”我说:“那是咱试得起的东西吗?那玩意多贵呀。”我一直没想明白它到底是什么。

还有一些朋友很热心,把 Hermes Agent 这个名字贴给我了。但老范稍微有一点老花眼,所以看的时候,把 Hermes 看成了 Harness。一个是 Hermes,另外一个是 Harness,反正这两个词我一看,就觉得差不多。人的阅读有时候就是这样,当你看到一个不是那么熟悉的东西时,就会默认把它往熟悉的方向去引。人产生幻觉的方式就是这样。

所以这个 Hermes,也叫爱马仕 Agent,热了一段时间,老范压根不知道这是个什么。后来才知道,哦,原来有一个新的产品叫 Hermes Agent,那也要去试一试呗。这也就是为什么前面一两周,很多人跟老范说你要去试一下,结果老范一直没动静。因为老范一直以为,自己在玩 OpenClaw、在玩龙虾,就已经是在玩这个 Harness Agent 了。

所以今天就跟大家补上:这到底是个什么东西。

第一印象:Hermes Agent 到底是什么

一台打开终端的 MacBook Pro 屏幕上显示一键安装命令,旁边漂浮着 Ubuntu、苹果和被打叉的 Windows 标志,桌角放着 Docker 鲸鱼小摆件与几本技术手册,画面强调“安装简单但有门槛”,羊皮纸,钢笔彩色手绘的统一风格。

先讲一下真实感受。具体怎么装,这里就不展开了。如果后面录会员频道,可以专门跟大家讲一下这东西怎么装。

首先,爱马仕要比 OpenClaw 简单很多。OpenClaw 是一个非常复杂、非常庞大的系统,爱马仕相对来说要简单,但也不算简陋,里面很多设计还是很精巧的。官方给了一键安装命令,在 Ubuntu 上、在苹果上都可以装。注意,Windows 上装不了;如果你想在 Windows 上装,必须是在 WSL,也就是 Windows 里的 Linux 环境里才能装上。

很多人说,OpenClaw 不也是一行命令就可以装上吗?但你要注意,OpenClaw 一旦装上以后,做各种配置,特别是升级的时候,非常考验你的耐心和工程师能力。我们每次升级 OpenClaw,都得先烧香拜佛才敢升级。而且升完以后,还得靠一些编程工具,比如 Codex,才能保证 OpenClaw 能起来。并不是说每次 OpenClaw 升级,我们都能把它弄起来,这个是很麻烦的。

但是爱马仕相对要简单很多。当然,我更推荐用 Docker 的方式去安装爱马仕。因为这样的话,你就可以把它装在本机上。虽然它很占空间、非常占内存,下载的包也很大,但是安全上要比龙虾好很多。你只需要在安装爱马仕的时候,把一个本机目录映射给它,它以后就只操作这个目录,你本机上的其他目录相对比较安全。

它不像龙虾,装起来以后太痛苦了。即使你在 Docker 里装了龙虾,这个过程也非常麻烦,特别是升级,这个过程非常痛苦。爱马仕要升级就简单很多,在里面打一条命令,咔一下就升上去了。你说我是在 Docker 里装的爱马仕怎么办?也很容易,每次重新 pull 一次,把最新的包拉回来就完事了,就可以顺畅地跑起来。

使用体验:轻、快,但也更简陋

对比场景,一边是老旧的 Mac mini 像老式机器般拖着龙虾缓慢爬行,另一边是轻薄的 MacBook Pro 上 Hermes 图标像信使一样飞快穿过聊天窗口,中间用速度感线条强化“轻快但朴素”的反差,羊皮纸,钢笔彩色手绘的统一风格。

使用过程中,我感觉它要比龙虾快,这还是一个很有趣的感受。不过我的测试并不严谨。因为我的龙虾装在一个特别古老的 Mac mini 上,那机器是机械硬盘、英特尔 CPU,我估计已经有十几年了;但我的爱马仕是直接装在 MacBook Pro 上,M2 Max 芯片,加 SSD 存储。所以这个测试不严谨,大家也可以自己试试。反正我的感觉是,爱马仕要比龙虾快一些。

它整个配置也比较简陋。龙虾起来以后,有一个很复杂的 Web 界面,你可以在里面点各种按钮、菜单,做设置,填各种表格。但是爱马仕这些东西统统都没有。它上来以后就是给你一个聊天界面,你跟它说就完了。而且说的时候,它经常还给你改错了,这个问题也是存在的。所以你要对爱马仕进行各种调整的话,最好还是在 IDE 里改它的配置文件,这个最方便。

其实龙虾虽然给了一个 Web 界面,但我基本也不用。我都是上 Codex 或者上 Claude Code,在 IDE 里去修改它的配置文件,都是这样工作的。

如果你对 Hermes Agent 的要求比较单一、比较简单,比如说我就是搜集一些信息,我就是自动化做一些内容搜集、内容整理,那爱马仕其实也是够用的。但还要注意,它更适合一个人用。你说我有很多人一起用行不行?那它还是稍显简陋一些。

记忆系统:够用,但明显偏轻量

一张剖面式技术插画,小小的 SQLite 数据库像一本袖珍账本,旁边是几页 Markdown 便签和放大镜,远处则是一座象征向量数据库的巨大书库,形成轻量记忆与复杂记忆体系的鲜明对照,羊皮纸,钢笔彩色手绘的统一风格。

原因也很简单。比如它的记忆系统,龙虾的记忆系统相对比较复杂。它可以通过 MD 文件,也就是 Markdown 文件去进行记忆,也可以写向量数据库,甚至还可以加很多第三方记忆插件。但是爱马仕这套东西就简单一些。它就是本地做了一个 SQLite,一个非常简单的单机数据库。它也不去做 embedding,也不去做向量搜索。你每次跟它聊完天以后,它找一个模型把聊天记录做抽取,下次再到这个 SQLite 里做全文检索。它是用这样的方式去实现记忆的。

你说我想再做得复杂一些行不行?你还得再给它配外置的记忆接口。但是配上以后,它到底怎么工作,我现在还在试,感觉可能不是那么顺畅。所以相对来说,这个产品是更轻的。

Hermes 最有趣的地方:自我进化

聊天桌前的 Agent 像抄写员一样,一边听用户说话,一边自动把对话卷轴整理成一张张“技能卡片”挂到墙上,卡片逐渐增多,表现出会边聊边成长的自我进化感,羊皮纸,钢笔彩色手绘的统一风格。

它这个产品最有趣的点在哪呢?难道就是因为轻一点,大家就这么热爱它吗?它最有趣的点叫“自我进化”

你在龙虾上如果想固定一个技能下来,得明确告诉它:创建技能,第一步什么,第二步什么,你要跟它说清楚。说完了以后,龙虾就会创建这个技能。或者你说,再给我修改技能,在技能里修改一些预置文件,龙虾就会去做这件事情。

但在爱马仕里不是这样的。你就跟它聊就完了。聊一会儿,它突然告诉你:我把你前面聊的这段内容给你创建了一个新的技能,下次咱们就直接用吧。它是这样的工作方式。所以很多人会觉得,这是一个快速进化的过程。它会在跟你聊的过程中越来越懂你,它是有这样一套系统在里面的。

这种自我创建技能的过程,好的一面当然是越来越懂你;但坏的一面就是,其实也没那么可控。你虽然可以命令它去创建技能,但它还是会自己去创建。它创建了很多技能以后,后面会不会相互冲突,会不会打架,我现在还有待观察。因为我只用了三四天,并没有特别长时间、高强度地去使用它。跟我们家龙虾还不一样,我们家龙虾现在已经是非常高强度地参与到我的工作中了。

Hermes 的独特定位:伴随个人成长的 Agent

分层结构图式画面,一位用户坐在中央,脚边是记忆笔记本,中层是不断生成的技能工具箱,上层是被整理成训练数据的卡片与箭头,三层围绕人物向上生长,像一棵技术树,羊皮纸,钢笔彩色手绘的统一风格。

下面讲一下爱马仕的独特定位。它跟市面上其他 Agent 最大的不同,就是“伴随个人成长的 Agent”。它就是跟着你一起长。自动建技能,只是它这个“伴随个人成长”三层架构中的中间一层。

第一层:记忆系统

一共三层。第一层是记忆系统。它的记忆系统刚才我们讲了,就是先在本地写 Markdown,然后往 SQLite 这种特别轻量级的本地数据库里塞东西,再去做全文检索。这个系统相对来说是比较脆弱的。而且它在每次进行上下文搜集的时候,记忆大概只有 1300 个 token,再多也塞不进去了。这块要比龙虾简单很多。龙虾是可以自动记忆捕捉、自动上下文补全的,但爱马仕在这块要稍微弱一点。

第二层:把过程沉淀成技能

那你说,没法记这么多东西怎么办?它就做第二层:我把这个过程通通都写成技能给你存下来。所以它算是一种平衡,记忆系统差,我就多给你写点技能,它就是这么干的。

第三层:把聊天抽取成训练数据

第三层是什么呢?它把你聊天的内容、把这个过程再抽取出来,变成训练数据。以后你说,我现在想训练一个新的模型,想去做模型微调了怎么办?它就直接按照模型微调的标准格式,把数据给你套出来,你到那边去做微调就行了。

你说我现在在公司里上班,是不是用着用着就可以直接被蒸馏成“同事 + skill”了?这个方向算是离得更近一点。所以具体用起来,还是要等到咱们用的时间更长一些,再去看是不是可以日久见人心。

开发团队背景:Nous Research 值得关注,也值得观察

一群研究员围坐在长桌旁,桌上同时摆着区块链符号、显卡堆、训练曲线图和写着Nous Research的卷宗,窗外飘着代币与融资文件,画面带一点警惕与观察意味,羊皮纸,钢笔彩色手绘的统一风格。

还要注意一点,爱马仕这个开发商叫 Nous Research,N-O-U-S。它是一个研究所。为什么要专门强调它不是一个公司?因为这帮人原来是做区块链的,做去中心化治理、做 Web3,也帮人发币,做这种项目。他们还做很多去中心化训练,把大家的闲置显卡集中起来,去做大模型训练和微调。

所以他们现在说,我们拿融资做了这样一个 Hermes 系统,希望能够抽取出这些技能,再去做新模型的一些微调和训练,它是一整套这样的系统。

还要注意一点,他们拿到的融资不是传统融资,是走的币圈融资。所以最后不是给投资人股权,而是拿到钱以后要给人家发币,只是目前为止还没有发而已。但他们以前是帮别人发过币的。所以这个项目未来到底会向什么方向发展,还值得再看一看。

Hermes 和 OpenClaw 的主要差异

一幅左右对照的产品比较图,左边 Hermes 像一把轻便多功能小刀配聊天窗口和技能卡,右边 OpenClaw 像一台庞大的控制台,布满插件、语音、面板和多入口端口,中央有工程师站着权衡选择,羊皮纸,钢笔彩色手绘的统一风格。

那么这个爱马仕跟 OpenClaw 的主要差异是什么?什么样的人应该选 OpenClaw,什么样的人应该选爱马仕?

大家要注意,不管是爱马仕也好,还是 OpenClaw 也好,它们都是 Harness Agent 这一类系统,就是“驾驭系统”。它们属于个人助理类的驾驭系统。还有很多其他的驾驭系统,比如 Claude Code、Codex,这些就更偏编程一些,不太一样。所以今天主要是比较这两个。

1. 核心定位不同

首先从核心定位上来说,它们就不一样。Hermes Agent 主要定位是“自我改进、自我沉淀的长期 Agent”;而 OpenClaw 的定位是“全平台个人 AI 助手平台”。它上来以后就是什么都能接,所有插件、整个体系特别庞大,就是要往操作系统那个方向去做。它是一个很复杂的系统。

2. 主要卖点不同

第二个主要卖点,Hermes 叫“学习闭环”,自动生成技能和长期记忆;而 OpenClaw 的主要卖点是多渠道接入、语音、Canvas 控制面板,就是整套东西特别全,它最终是要做一个大系统。

3. 入口方式不同

入口方面,Hermes 只有 CLI,也就是客户端入口。你可以通过网关去接消息平台,它也可以接 Telegram、接 Discord,都可以,但接得没有 OpenClaw 全。比如现在 QQ Bot 它就没接上。OpenClaw 的入口就比较丰富了,是全渠道覆盖,包括 App 和控制台,做得都非常成熟,这块差异很大。

我第一次装上 Hermes 以后不会用。因为我是装在 Docker 里,装完以后说这玩意咋用,没有任何接口。后来去查,才知道它只有一个 API,叫 OpenAI 兼容 API。你用任何一个聊天工具,只要把这个 Hermes 作为一个跟 OpenAI 兼容的大模型接上,你就能用。后来我还专门去下了一个 Open WebUI 的 Docker,再把它接上用起来。用完以后我才说,算了,还是去挂 Telegram 吧。挂上 Telegram 以后,确实还是挺好用的。所以它是完完全全没有给你任何看得见的图形界面的。

4. 适合的人群不同

最典型的用户,从 Hermes 来说,是想养专属执行体、玩自动化的工程师,对他们来说比较友好。而对于 OpenClaw 来说,它更适合需要全平台个人助手的普通用户。所以还是不太一样,看看你自己到底适合哪边。你说我是一个工程师,就想把自己的技能沉淀沉淀,那你就用 Hermes;你说我是普通用户,什么都想接,未来可能还要画图、还要做这做那个,那就 OpenClaw。这个大家自己想清楚。

5. 社区体量不同

从社区体量来说,它们差异也挺大。Hermes 现在在 GitHub 上是 51,000 个星,但是这 51,000 个星是在非常短的时间内攒出来的。它今年 2 月底才上线,现在就已经有 51,000 颗星了,这还是非常不容易的。

OpenClaw 上线更早一些,应该是去年年底上线的,但真正开始爆发大概也是 2 月份。到现在已经有 354,000 颗星了,这个数字涨得还是很快的。所以 OpenClaw 社区要比 Hermes 活跃很多。而且 OpenClaw 背后是 OpenAI,Hermes 背后是一帮币圈的人,所以在这点上,也请大家稍微小心一些。

什么样的人适合 Hermes

一位技术爱好者在家中机柜前,把 Hermes 部署到 NAS、VPS 和 Docker 容器里,屏幕上多台服务器同时点亮,人物神情轻松兴奋,体现“轻量、适合折腾、适合长期挂着跑”,羊皮纸,钢笔彩色手绘的统一风格。
  • 想把 Agent 挂在 Docker、VPS、NAS 上长期跑的人。现在我已经把我的 Hermes 从 MacBook Pro 上卸掉了,扔到 NAS 上了,现在跑起来效果还是可以的。它要比 OpenClaw 轻,OpenClaw 你最好还是整一台 Mac mini 去跑。
  • 在意“越用越懂我”这种自我成长属性的人,他们也比较适合 Hermes。
  • 需要经常在不同机器、沙箱上跑命令的人。因为 Hermes 很轻,你可以很快速地把它装在各种各样的服务器上,它都能跑起来,这个还是相当爽的。
  • 喜欢折腾新鲜技术的人,只要有新的咱都试一试,这也是 Hermes 比较适合的人群。

什么样的人更适合继续用 OpenClaw

  • 在意全渠道消息接入、个人助手体验、可视化控制台的人。你需要这些东西,就别往 Hermes 这边转了。
  • 已经在 OpenClaw 里攒了很多技能和工作流,迁移成本很高的人,也别折腾了。虽然 Hermes 说我做了一个 OpenClaw 迁移助手,可以专门帮你把 OpenClaw 迁过来,但要注意,它迁的主要是一些浅层记忆、技能,以及你里面的一些文档。如果你在 OpenClaw 里攒了非常非常多的记忆,那在 Hermes 现在相对比较轻薄的记忆系统里,它未必顶得住。所以这块大家还是要小心一些。
  • 需要做多设备协同的人,还是要用 OpenClaw。Hermes 这一块还是更轻、更简陋一些。

给老粉丝的建议

所以给老粉丝的专属建议是这样:如果你还没有装 OpenClaw,你可以先拿 Hermes 跑一跑试试,这个简单一些。如果你说我就是准备长期用下去了,那 OpenClaw 未来会更可预期一些。毕竟后边是 OpenAI,而且有这么多人在关注它的社区,包括中国这么多大厂都已经冲上来了。腾讯也做了 qcloud,小米也做了米 Cloud,大家都在往这个方向上,还是会众人拾柴火焰高。

如果你已经把 OpenClaw 用起来了,而且用得很重,如果不愿意折腾的话,就别在 Hermes 上浪费时间了,听老范扯一下就可以了。

那你说有没有可能 OpenClaw 去控制 Hermes,或者 Hermes 去控制 OpenClaw?没必要。因为它们两个的功能,特别是在很多具体事务上的功能,是非常重叠的。你这个去控制的话,有点脱裤子放屁的感觉,所以没有必要去折腾这个事。

除了 Hermes 和 OpenClaw,还有哪些 Harness Agent 类型

一张分类总览图,四条道路从同一个路口分开:个人长期助手、代码工程 Agent、多智能体研究流程、企业托管 runtime,每条路上都有对应的设备与人物小场景,Hermes 站在个人成长型路线的前方,羊皮纸,钢笔彩色手绘的统一风格。

除了 Hermes 和 OpenClaw 之外,其他 Harness Agent 之间到底有什么差别呢?现在这种 Harness Agent 其实种类很多。

第一类:个人长期在线助手

这一类就是今天讲的 Hermes 和 OpenClaw,它主要主打个人日常使用、长期在线。

第二类:软件工程和 Code Agent、Coding Agent

比如我们使用的 Codex、Claude Code,或者 OpenCode,这些东西就是专门编程用的。

第三类:多智能体流程和研究型 Agent

要做非常重的多智能体研究,字节有一个开源产品叫 DeerFlow,我前两天也想去装,后来看了看,它对本机要求还是挺高的,而且我也没有那么多 token 让它去烧。养一只龙虾、养一个爱马仕,还是挺浪费 token 的。

第四类:企业托管的 runtime 类型

比如 Anthropic 最新推出的 Claude Managed Agents,这个是给企业直接部署的。你说我们这个企业,总不能每个人都去装龙虾,或者一个小组装一个龙虾大家凑合着使,或者每人装一个爱马仕,这事太累了。那么就老老实实跑到 Anthropic 去买 Claude Managed Agents 这个产品,它会把整个企业给你部署好。这一块基本上是把 SaaS 软件的命革得很干净。

我估计 OpenAI 也会很快推出类似的产品,包括微软,像它一直卖 Teams 这些东西,也应该会出类似产品。国内的话,像 WPS 现在也开始出龙虾了,其他一些比如小米叫 AI Office,大概也会往 Claude Managed Agents 这个方向发展。

所以基本上是分这四类。Hermes 的位置其实很明确,它是一个个人助手型、最擅长自我成长、执行后端最灵活的内核级产品。它不是全平台,但胜在灵活,能够自我进化。所以大家要想清楚,它到底是一个什么样的东西。

总结

最后总结一下,爱马仕还是一个挺好玩的工具。如果你能用 Telegram,或者你说我要本地跑一跑,建议大家去尝试一下。你如果说我懒得折腾,那听老范讲故事就可以了。

这就是今天跟大家介绍的 Hermes 的情况。具体安装的话,我明天去录一个会员节目,把 Hermes 的安装,以及在 NAS 上把它跑起来的过程,跟大家稍微展示一下。如果大家有一些比较低端的设备,也可以让这个东西去发挥一些余热了。

好,今天的故事讲到这里。感谢大家收听,请帮忙点赞、点小铃铛、参加 Discord 讨论群,也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。


背景图片

Claude Mythos 到底多可怕?准备加入核不扩散公约吗?

2026年4月10日 09:13
昏暗桌面上摊开一张世界网络拓扑图,中央是一枚刻着“MYTHOS”的巨大机械印章,周围散落芯片、浏览器图标草图、操作系统卷轴和裂开的锁,带出受控而危险的科技气氛,羊皮纸,钢笔彩色手绘的统一风格。

Anthropic 的最新模型 Mythos,到底强到什么程度了?会不会像核不扩散一样,被美国死死掐在手里?

今天咱们来聊一个很吓人的话题。Anthropic 最新曝光、后来又正式官宣的模型,叫 Claude Mythos Preview,中文大概可以叫“克劳德·神话预览版”。它到底有多吓人?

Mythos 为什么引发巨大关注

一组从 Haiku、Sonnet、Opus 到 Mythos 逐级放大的卷轴与齿轮装置,最末端的“神话”卷轴高悬发光,像一台体量暴涨的古老机器,展示命名背后的等级跃迁,羊皮纸,钢笔彩色手绘的统一风格。

这个模型,之前我们还分析过。从名字上看,它绝对不是 5.0 这样的普通版本升级,而更像是规模上的扩大。所以以后 Anthropic 的模型,可能每次升级就是 Mythos、Opus、Sonnet 和 Haiku 一起升级。

Haiku 是很小的、讲究音节的诗,Sonnet 是十四行诗,Opus 是作品、篇章,而 Mythos 是神话。从命名上来看,这个东西应该是非常非常强大的。

这一次发布有一个非常神奇的地方,就是它不给别人用。我发布了,但并不向大家公开,不让大家直接使用。它开了一个计划,叫“玻璃翅膀计划”。

“玻璃翅膀计划”到底是什么意思

一座高塔顶端,几名工程师围着一对透明玻璃翅膀细致修补裂纹,下方是密布电缆的城市与服务器机房,隐喻先修补再放飞的封闭计划,羊皮纸,钢笔彩色手绘的统一风格。

为什么要用这样的方式?因为这个东西实在太危险了。Anthropic 当时就在讲,Mythos 在网络安全方面非常强,可以去攻击漏洞,也可以去发现漏洞。

一旦拿出来,现有的操作系统、网络设备以及芯片,很多问题可能都会被它找出来,而且它还可以自动去攻击。这件事情实在太危险了。

那怎么办?Anthropic 邀请了一些友好的合作伙伴,先把这个产品拿出来,把漏洞补上,补完以后再说。它做了这样一个“玻璃翅膀计划”。

这个名字也让人想到一个神话故事:有人用蜡做的翅膀飞向太阳,最后离太阳太近,翅膀化掉了,人就摔死了。所以这个“玻璃翅膀计划”,按照 Anthropic 一贯喜欢用“人类”“故事”一类命名规则来看,应该也是一个类似寓意的名字。

Mythos 可怕在哪:不只是找漏洞,还可能自动利用漏洞

一台古老而庞大的分析机伸出多支机械手,分别刺入浏览器、操作系统、芯片和路由器的剖面图中,手臂上标着分析、提权、利用链、攻击路径,呈现自动化攻防一体的压迫感,羊皮纸,钢笔彩色手绘的统一风格。

那么 Mythos 到底有多吓人?很明显,Anthropic 担心这样的模型一旦流出,坏人就可以用。用 Anthropic 的话来说,Mythos 是一个“两用技术”。我们现在也经常讲两用技术,就是既可以民用,也可以军用。所以它显然也具备做军用用途的可能。

据说它在训练过程中就发现了数以千计的额外高危或严重级别漏洞,非常非常多。你会说,我们这么多系统,积累了这么多年,也是人类智慧的结晶,怎么会千疮百孔?

其实很简单。当一个系统复杂度达到一定程度以后,里面一定会有一些以人力无法找到的漏洞。人力有时而穷,但现在有了 AI,它就可以把这些原来靠人力找不到的问题,通通给你找出来。

所以我们以前使用的各种防护系统、操作系统、网络设备、芯片,在 Mythos 面前,基本上可以认为是在裸奔了。这是一个非常危险的事情。

而且它不仅能找,还会打。传统上,很多模型或者工具更多是辅助分析,比如我拿你的源代码分析一下,看看哪里可能有问题。Mythos 让人紧张的地方就在于,它已经不只是告诉你哪里可能有 bug 了,它还可以进一步参与:

  • 漏洞分析
  • 利用链的构成
  • 攻击路径的演练
  • 提权链的拼接
  • 更复杂的漏洞利用代码开发

所谓“提权”,就是我进去以后把自己的权限提高。它甚至可以直接写出漏洞利用代码,把漏洞打开。它还可能直接突破主流操作系统和主流浏览器。

Anthropic 的公开材料里写过,Mythos 在每一个主要网页浏览器中都识别并利用了漏洞。相当于某种病毒突然进化到让所有抗生素、所有免疫系统都拿它没办法的地步了。

Anthropic 已公开了哪些信息

那它到底发现了哪些漏洞?现在 Anthropic 其实已经公开了一些,但严格来说,这叫“负责任的披露”

什么是“负责任的披露”

一位披着斗篷的信使在夜色中向几座城堡分别递送封缄信件,信封上写着苹果、谷歌、浏览器和操作系统标记,远处民众仍被隔在城门外,表现只通知厂商不公开细节,羊皮纸,钢笔彩色手绘的统一风格。

很多黑客其实没有自己发现漏洞的能力,他们怎么攻击别人?他们看新闻,看到哪里有漏洞被公开了,就去打那里。那为什么公开的漏洞还能被利用?因为你升级升不过来。

今天这边说某个漏洞发现了、补丁出了,结果你那边还没补,很多黑客就是干这样的事情。

所谓负责任的披露,可能就是说:

  • 我告诉你哪有漏洞了,但我不告诉公众具体漏洞细节
  • 同时我会通知厂商
  • 还要等厂商自己决定怎么公开、怎么让用户升级

比如告诉苹果,你家的操作系统和浏览器有什么问题;告诉谷歌,你家的 Android 和 Chrome 有什么问题。并且在告诉之后,还要等厂商自己决定怎么公开、怎么让用户升级。

现在真正被点名的,其实只是少数案例,大量案例还没有说出来。

目前提到的典型案例

比如,OpenBSD 有一个 27 年的老 bug 被它找到了,27 年都没人发现。OpenBSD 是什么?我们现在使用的苹果 macOS、iOS、iPadOS,这些系统的底层都和 BSD 有很深的关系。还有任天堂 Switch、索尼 PS5,底层也都和 BSD 有关系。这样一个老漏洞被它拎了出来。

另外,FreeBSD 一个 17 年的远程代码执行漏洞也被找到了。BSD 本身也有很多分支。Linux 内核的本地提权链条也被它找到了,它可以直接进入 Linux 内核里提权。

你可能说我又不是服务器,但安卓手机的核心就是 Linux。只要你是安卓手机,它就可以通过 Linux 内核提权链条把权限提上去。

至于主流浏览器,Anthropic 官方已经确认,Mythos 在主流浏览器中识别并利用了漏洞,但细节没有公开。浏览器其实比操作系统还复杂,因为浏览器要打开网页,而每个网页里实际上有很多很多 JavaScript 代码,这些代码可以利用浏览器漏洞做各种事情,这就非常危险,所以这部分它不敢细说。

Anthropic 是怎么官宣 Mythos 的

一面公告墙上贴着时间线纸条,从媒体泄露、正式官宣、系统卡发布到安全研究文章,几位记者和研究员举灯围观,像追踪一场谨慎而重大的发布,羊皮纸,钢笔彩色手绘的统一风格。

Anthropic 的官宣时间线也很值得注意:

  1. 2026 年 3 月 26 日,媒体先发现了端倪。《财富》杂志说他们发现 Anthropic 的 CMS 系统泄露了一个新模型名字,叫 Mythos。
  2. 2026 年 4 月 7 日,Anthropic 正式官宣,说我们有一个“玻璃翅膀计划”。
  3. 同时放出了 Claude Mythos Preview System Card,也就是预览版系统卡。
  4. 此外还发布了一些安全研究文章,以及平台上的 release notes,也就是更新说明。

这些都是正式发布出来的材料。

第一批参与“玻璃翅膀计划”的组织有哪些

一张圆桌会议场景,桌边坐着代表云厂商、手机厂商、芯片公司、路由器公司、银行、安全公司和基金会的不同徽记人物,中央锁着一卷名为 Mythos 的机密文书,羊皮纸,钢笔彩色手绘的统一风格。

但是,到底给谁用、不给谁用?这就涉及参与项目的名单了。第一批大概包括以下这些组织:

  • Amazon AWS:亚马逊云科技。上面有大量云主机,如果这块搞不明白,风险极大。
  • 苹果:有 iOS、macOS、iPhone、Safari 浏览器,还有自己的芯片,漏洞必须赶紧补。
  • 博通:做各种 ASIC 芯片,比如谷歌 TPU,很多定制算力芯片也与它相关。
  • Cisco 思科:专门做路由器,网络攻击里路由器一定是重点目标。
  • CrowdStrike:专门做网络安全防护的公司。
  • 谷歌:Android、Chrome 都在里面,底层还有 Linux。
  • JPMorgan 摩根大通:银行系统也要做预案和补救准备。
  • Linux Foundation:Linux 基金会下面有大量开源项目需要一起补。
  • 微软:有操作系统、Office、网络设备和云服务。
  • 英伟达
  • Palo Alto Networks:大型网络安全公司。
  • Anthropic 自己

后面官方说还会逐渐扩充到 40 多家额外组织,但这些额外组织到底能不能拿到完整的 Mythos,这事就不好说了。刚才点名的这些公司,具体怎么用 Mythos,其实也没有说得特别清楚。

所以现在能看到的情况是:模型出来了,但先别发布给公众。先把受影响的基础设施拉个小群,封闭起来,把 bug 修一修,然后再说后面的事。

Mythos 以后会开放给公众吗

那是不是等 bug 修完以后,Mythos 就可以开放了?这个还真不好说。所以前面才会说,这件事情有点像核不扩散协议的玩法。

Anthropic 当前的逻辑是:先给少数可信的合作方使用,先帮助关键系统、关键软件、关键开源项目找漏洞并修补。在这个过程中,建立更强的安全措施和防护机制,也就是安全护栏。然后再看未来怎么安全地部署“Mythos 级别”的模型。

这里“级别”这两个字很关键,意思不是说一定把原生 Mythos 放出来,而是可能放出具有类似能力的产品。也就是说,普通人很可能永远都看不到原生的 Mythos 模型了。

Anthropic 有没有说什么时候开放给公众?截至目前,没有给出开放时间表。而且官方说得非常明确:我们不计划让 Claude Mythos Preview 普遍可用

也就是说,他们压根没打算把这个版本全面开放。它的意思并不是永远不会有类似能力的产品发布,而是当前这个 Preview 版本不准备全民开放。未来在他们认为比较安全的时候,可能会开放一些 Mythos 级别的产品出来。至于到那个时候产品是什么样,现在不好说。

这像不像“AI 版核不扩散”

一座天平,一边是装着低浓缩燃料的和平反应堆模型,另一边是锁在保险箱中的高危 AI 卷轴,背景是全球网络节点地图,表现能力分级开放与严格控制的类比,羊皮纸,钢笔彩色手绘的统一风格。

这就有点像核能利用。高浓缩铀谁都不允许有,但你要和平利用核能,比如做放射医疗,或者建核电站,使用低浓缩铀,是不是可以?未来 Mythos 级别产品,也可能朝这个方向发展。

至于 Mythos 的价格,现在也没有完全公开。很多报道说没有明确价格,但成本太高,这东西实在太贵,普通人就算给你用,你也用不起。

这个大家其实可以想象,它可能是一个极其巨大的模型。Opus 就已经比 Sonnet 大很多了,那 Mythos 很可能比 Opus 还大。整个模型跑起来,可能非常非常不经济,这也可能是它没办法向公众开放的原因之一。

当然,也许未来硬件成本进一步下降,比如显卡算力变得更便宜,这个东西才有可能开放出来。成本可承受了,才有机会普及。

至于前面那些参加项目的组织,Anthropic 也给出了参与方价格,但普通人肯定拿不到:

  • 输入价格:每百万 Token 25 美元
  • 输出价格:每百万 Token 125 美元

比现在常见模型贵很多,普通人目前根本没法用。

它会不会被美国严控

那么最敏感的问题来了:它会不会像核不扩散一样被美国严控?

首先讲,目前没有明确证据表明 Mythos 已经进入了类似核不扩散那样的正式国际治理架构。这更像是一个标题上的类比。但是从战略效果上说,它确实已经出现了一点“高端网络能力受控扩散”的意味。

Anthropic 自己也说这是一个两用技术。既然是两用的,那到底给谁用、不给谁用,怎么防止别人用上,这就是他们真正要思考的问题。

因为你看 OpenAI 不给中国大陆直接用,其实也不是真的拦得住。我们可以去美国建机房,可以在新加坡建机房,照样可以用。我想蒸馏你,你一点都拦不住。所以这种两用能力到底怎么管控,是个很现实的问题。

可以从三个层次理解这件事

第一层:它不是核武器,但像网络安全时代的战略工具

三层剖开的城防图,最上层是战略指挥台,中层是漏洞扫描与补丁工坊,下层是遭受攻击的城市网络,展示从发现、修补到打击的先发优势链条,羊皮纸,钢笔彩色手绘的统一风格。

核武器的特点是极端稀缺、门槛极高、扩散极敏感。Mythos 这样的模型未必有核武器那种一锤定音的破坏力,但它可能在另一个维度上造成类似效果:

  • 谁先拿到,谁就更快找到漏洞
  • 谁先拿到,谁就更快修补自己的系统
  • 谁先拿到,谁也更可能让别人的系统直接崩溃

所以它不是现实中的炸弹,但它可能是网络安全系统上的一颗巨大炸弹。

第二层:先发优势非常巨大

如果美国公司和美国盟友的关键厂商先拿到这种能力,那他们至少在几个维度上会比别人更快:

  • 更快发现自己系统的问题
  • 更快补上开源和商用组件上的问题
  • 更快建立 AI + 漏洞治理 + 补丁分发的新体系

在这里,时间差非常重要。

第三层:未必是永久垄断,但一定是阶段性领先

它不像核武器那样,别人几十年也追不上。因为网络安全最终还是要落到补丁、配置、代码审计、供应链治理、自动更新系统这些基础工作上。

也就是说,后发国家并不是完全没路,但这个时间差非常要命。

下面这些属于大胆猜测,不是已证实事实

猜测一:Mythos 的意义可能是一条漏洞发现工业化流水线

过去找漏洞靠的是顶级研究员长时间审计少量高价值目标,而 Mythos 可能代表着把漏洞发现、利用链拼接、风险评估、修复建议,推向半自动化、规模化和工业化。

原来很多虽然做得很烂,但没有太大被利用价值的系统,烂也就烂了;有了 Mythos 这样的模型以后,可能全都暴露出来。

猜测二:Anthropic 不公开,不只是出于道德

第二种猜测,Anthropic 现在不公开,不只是出于道德,也可能是因为这个东西太敏感、太贵、太难控制。官方当然会强调安全和负责任,这没有问题,但从现实角度看,可能还叠加了几层原因。

原因一:太危险

拿到这样的系统以后,整个世界都可能变得更可怕,而且太容易被国家级攻击者利用。之前就有说法称,有中国团队曾利用 Opus 模型去写各种攻击代码。一旦 Mythos 这种模型被攻破或者被越狱,后果会非常可怕。

这有点像什么?像锦衣卫监察百官,然后又建立东厂监察锦衣卫,再建立西厂监察东厂。你说如果锦衣卫、东厂、西厂自己腐败了,或者被人攻破了,那危害就极大。

现在等于 Mythos 站在最上面,它成了新的监督者。一旦它被越狱,这件事就很难控制。

原因二:容易引发监管震荡

另外,这个产品太容易引发监管震荡。再加上它的算力成本太高,一旦开放,输出边界基本没法控制。

猜测三:未来最吃亏的是补丁链条慢、设备老旧、升级困难的系统

一排老旧路由器、手机和工业设备堆在维修车间里,部分贴着“无法升级”“补丁延迟”标签,远处新设备正被推上生产线,形成淘汰与更替的强烈对比,羊皮纸,钢笔彩色手绘的统一风格。

以后最吃亏的,不是没有大模型的国家,而是补丁链条慢、设备老旧、升级困难的系统。比如中国现在大量系统,其实也是拿 Linux 改一改,或者拿 Android 改一改。别听那些吹牛,说什么从头自主研发、自主知识产权。很多底层漏洞,你还是得等 Linux 那边去修。

但问题是,Linux 修了,我们也打上了,中国这些系统就安全吗?平时不打仗,可能看起来没毛病。但你真到冲突环境里,你相信别人会把所有漏洞都补给你吗?会不会自己留两个?你要是完完全全相信对方是好人,那就太天真了。

当然,还有像鸿蒙这种号称从头自己做、没有参考其他系统的东西。那你就没法直接跟着别人的补丁体系去升级。以后如果我们自己做不出同样级别的能力,这种号称完全自主开发的操作系统、浏览器或者各种编译系统,就没有任何安全性可言。你没有参与到这个圈子里,问题就会很大。

Mythos 可能带来的现实变化

这种系统出来以后,会带来什么变化?一个非常现实的变化就是“以旧换新”必须加快推进。为什么?因为不是所有系统都可以打补丁,不是所有设备都能把漏洞补上。有很多设备根本没法整。

比如华为在全世界卖了那么多网络通信设备,你现在又没有被邀请进那个补丁体系里,人家做的各种修补你未必用得上。因为你自己号称自主研发、自主知识产权。那么这些设备可能就该以旧换新了。

所以,Mythos 模型的发布,可能会极大推进全世界华为设备的淘汰。这也是一种推测。

另一个猜想:Claude Gov 可能已经在用 Mythos

还有一个猜想:Claude Gov 可能早就已经用上 Mythos 了。这纯属猜测,没有事实依据。

因为美国、以色列和伊朗之间的冲突里,很多人都在说,伊朗内部各种网络安全设施形同虚设,漏洞多得像筛子,间谍也好,内鬼也好,到处都是。

可你要想清楚,很多高职位的内鬼未必懂计算机,低职位的人又未必有能力决定重大行动。但现在伊朗各种内部安全系统,包括监控系统,看上去就像给美国开着地图打仗一样。那是不是 Mythos 已经在里面干活了?这只是个人猜测,没有任何事实依据。

最后的判断:Mythos 的真正危险是什么

一只巨大的机械沙漏悬在城市网络上方,上层是漏洞、补丁和代码片段,下层是燃起警报的基础设施与数据中心,象征攻防时间差被急剧压缩后的全球震荡,羊皮纸,钢笔彩色手绘的统一风格。

最后给一个完整判断。

Anthropic 的 Mythos 不是核武器,但它有一定的“核属性”。它是两用技术,是战略能力倍增器,可以看成网络安全领域的战略能力倍增器。

它最可怕的,不是能找到几个 bug,而是它可能意味着:

  • 漏洞发现被规模化
  • 利用开发被自动化
  • 防守与进攻之间的时间差被急剧压缩

原来我发现问题了,到真正攻击你,中间还有一段时间,你还能补。现在这个时间差可能直接就没了。

关键基础设施里的老旧系统,必须加速以旧换新,因为这些系统会越来越不安全。谁先掌握这类模型,谁就能掌握安全节奏。

而 Anthropic 现在的做法,说白了就是一句话:这东西太强,强到不能像普通模型那样,先扔给所有人再说

所以今天大家最该盯住的,已经不是它会不会写诗、会不会做题,而是它会不会把全球网络安全正式推进到一个 AI 大规模找漏洞的新阶段。因为一旦到了这个阶段,全球网络可能会出现大规模震荡。

如果真到了这一步,Mythos 也许不是终点,它只是第一个开枪的人。就像美国在广岛扔下原子弹以后,斯大林马上就下令必须去做一样。我相信国内的各种安全公司、大模型公司,现在应该也在奋起直追。

这个事情,还是非常非常危险的。


背景图片

大厂为何招中学生?5个真实目的,说透大学与AI时代!

2026年4月9日 09:02
一名高中生站在校园跑道与城市科技园之间的分岔口,手里拿着书包和笔记本电脑,远处高楼屏幕上隐约出现互联网大厂标志与AI界面,晨光下带着选择与焦虑的氛围,羊皮纸,钢笔彩色手绘的统一风格。

大厂开始招聘中学生了,还需要去上大学吗?是不是又输在起跑线上了呢?

最近这个话题在网上突然火起来了。因为吉利突然说,要招一批中学生进来,实际上也是高中生,让高二、高三的学生直接进入内部培养。腾讯、字节也都开始招募中学生。美国其实也一直有类似项目在运转。

特别是最近 AI 流行以后,很多人会问:上大学是不是没用了?AI 都可以解答问题,也可以完成基础学习了,为什么还要去上大学呢?你看,大厂都开始招聘中学生了。甚至还有一些人马上跟进,说要开补习班,教大家怎么补习、怎么冲进大厂。这样的事情现在都出现了。

大厂招募中学生,其实早就有了

一张长桌上铺开时间线卷轴,腾讯星火计划、字节知春创新中心、企业培养项目等节点被依次标注,几位中学生在企业导师注视下翻看竞赛证书与申请材料,像历史脉络一样展开,羊皮纸,钢笔彩色手绘的统一风格。

所以,为什么说又有人要输在起跑线上了呢?首先要讲清楚一点:大厂其实一直都有招募中学生的计划和项目

比如腾讯,他们有一个叫“星火计划”的项目,从 2019 年就启动了。每年大约招 55 人,到 2025 年时好像已经招了 70 多个人,最近在稍微扩大一点规模。

腾讯招这些人,主要是让他们做一些简单的实习,而且招募要求非常严格。通常要参加过各种比赛,还要有数学或信息学奥林匹克竞赛的成绩,才有机会被筛选进去。也就是说,这件事并不是最近才有。

至于字节,是在 2025 年 10 月成立了一个“字节知春创新中心”,由张一鸣捐赠、俞勇教授在上海创办。每年招收约 30 名 16—18 岁的全职预备研究员,实行五年培养制度。这个项目本质上更像是教育实验项目。

所以,字节这个事情跟字节招聘本身并没有太直接的关系,它更像是一个大学类的培训项目。

福耀是自己建了个大学,可以做八年制教育。阿里原来其实也想做大学,后来因为各种原因没有做成。总体上,大厂对中国大学教育一直多少有些意见,都想自己试着做一些培养体系。

但教育这个事情,终究还是要握在国家手里,不是企业想做就能随便做的。所以你会看到,企业一直只能通过一些小项目、小规模实验来推进。

吉利汽车则是在 2026 年 1 月推出了一个叫“三校合一”的人才培养模式,直接招募高中毕业生,并配套 3 亿元激励基金。2026 年 3 月 12 日,高中实习项目启动,李书福亲自站台。

“AI 时代企业所需要与高校供给存在严重的缺口。”

这句话的意思其实很明确:我不太相信现有高校培养体系了,所以我自己来培养。我也不一定像曹德旺那样再去做一个完整大学,我干脆直接招一批人,自己培养,最后自己认可这套体系。这是吉利现在采用的一种方式。

这次和以前最大的不同是什么

画面左右对比,一边是学生付费参加企业参观团,在大厅合影打卡;另一边是通过考试进入真实培养项目的少数学生,在工位前接受导师指导,门口分别写着“游学”和“培养计划”,对比鲜明,羊皮纸,钢笔彩色手绘的统一风格。

那么,这一次跟以前到底有什么不同呢?大家要注意,进入企业其实一直有几种完全不同的玩法。

1. 付费游学和企业实训,不等于真正被招募

有一种方式是你交钱,去企业里看一眼,这种通常叫企业实训课,本质上算是一种游学项目。谁交钱谁就能去。

而现在企业真正开始做的,是另外一种:我要考试,甚至我出钱,让学生过来,由企业亲自培养。这个和“你花钱来参观”是有本质区别的。

这一点必须分清楚,特别是不要被人割了韭菜。

比如有人说,你交多少钱,我可以让你去腾讯里实习一个礼拜。这个怎么理解呢?很多时候,你最多只是到腾讯里参观一圈,剩下时间可能就在腾讯附近某个住宅里,跟着一个不知道哪里来的人做点小项目,就结束了。

还有一些人说,我们带你去美国游学,到微软、到谷歌。实际上多数也就是进去参观一下,可能再安排一个简单座谈会,也就差不多了。

所以这些更多是旅游项目,不是企业正式的人才招募项目,两者完全不一样。

而前面提到的那些项目,核心特点是:企业自己花钱培养,绝不会向普通人收费

2. 少数天才被企业直接招走,但这只是个例

当然,除了这些项目之外,每年还都会有一些超级明星式的年轻人,直接被企业招募走。

比如有一个 16 岁的小孩,叫喜星郎,用 Cursor 自学了 8 个月以后,把产品做到了苹果付费榜第 5 名,月入过万。还有两名 19 岁的 AI 卡路里 App 制作者,他们的项目被 3000 万美金收购。再比如一些 20 来岁、没有读完大学,甚至中学都辍学的人,也可能被 OpenAI 这样的企业招募。

但这些事情虽然每年都会发生,本质上都属于极其少见的个例

而且,这些人往往在能力之外,还会面临另一个问题,就是心智成熟度未必足够。

作者举了一个自己的经历:以前刚毕业上班时,公司曾招过从科大少年班出来的学生。这些人确实聪明、也能干活,但明显不够成熟,和团队融合得不太好,也常常会有一些不成熟的表现。

所以这种案例,不能拿来当成普遍路径去宣传。

大厂为什么要招募中学生

五个互相连接的小场景组成一幅图:企业舞台上的品牌发布、开放日公益参观、人才档案柜、内部培训教室、以及一群未被标准化训练的年轻人围着白板提出新点子,像五个目的同时展开,羊皮纸,钢笔彩色手绘的统一风格。

那么,大厂为什么要去招募中学生呢?这里大概有五个真实目的。

1. 做品牌宣传

第一个目的,很多人可能想不到,其实是为了广告宣传,是为了给企业自己打名声。

比如腾讯说,你看我把这样的人招回来干活了。它真正想传达的是:腾讯是一家非常重视研发的公司。别人都在做这件事,如果你没做,是不是显得你技术不够、只会抄?

所以对于一些大厂来说,这类项目本身就有品牌活动的性质。

2. 做社会公益

第二个目标,是社会公益。让中学生提前了解大厂的运作方式。

很多这类项目最核心的目的,就是让学生进厂里看看,了解企业到底在做什么。因为这种项目通常是企业自己掏钱,所以从某种程度上也可以视为公益性质的教育活动。

第三个目标,是提前锁定人才。其实腾讯很大程度上就在做这件事。

腾讯每年招募的几十个人,不管是 55 个还是六七十个,本质上就是在提前建立联系。你参加了数学奥赛、信息学奥赛,参加了腾讯的小程序比赛,我把你招进来,让你实习一段时间。

但这并不意味着你不用上大学了。你后面还是要去读大学,只不过在这之前,腾讯先和你建立联系,并持续关注你、和你沟通。等你大学毕业以后,如果你愿意回来,它会给你优先面试的机会。

注意,这也不是说“我保证录用你”,而是说“我优先看你、优先面试你,如果你通过,我愿意招你”。这是一整套提前布局的运作方式。

4. 建立内部培养体系

第四个目标,是建立内部培养体系。

像吉利汽车这种公司,实际上就是觉得大学教育不能满足自己的需求了。但如果让它自己去申请牌照、申请资质、建一所大学,过程又太复杂、太痛苦,成本也很高。

福耀大学相关的过程,某种程度上也给很多企业提了醒:这条路非常难走,投入巨大,还会遇到很多卡点。

那既然如此,不如直接把人招回来,自己培养,培养完自己用。这就是另一种更现实的方式。

5. 寻找“没有被污染过的脑子”

第五个目标,也是很有意思的一个目标,就是企业想去找一些没有被污染过的脑子,看看他们能不能做出点不一样的东西。

为什么会有这种需求?你想一想普通学生,尤其是在中国,高三基本就是不停刷题。很多学校到高二下学期就把课程上完了,高三几乎只剩下模拟、考试、排名次。

经过这种高强度训练以后,一个人的思维方式很可能会变得高度标准化。于是企业就会想:能不能找一些还没有经历过这一整套“磨难”的年轻人,看看他们到底能想出什么新东西。

不管是招募高中生,还是以前很多基金跑到大学里鼓励大学生创业,本质上都在做类似的事情:寻找那些还没有被训练得太一致、还能提出不同想法的人。

这件事对整个行业来说,确实是有价值的。

没有传统科班背景,真的能做出好项目吗

一位有演员背景的女性在白板前画出产品架构图,旁边一位资深程序员坐在电脑前把思路实现成代码,屏幕上显示“记忆宫殿”插件原型,体现创意与执行分工,羊皮纸,钢笔彩色手绘的统一风格。

你可能会问:没有经过传统大学教育,或者没有经历过工作磨炼的人,真的能做出不一样的东西吗?答案是,还真有可能

比如最近有个挺有意思的案例,《生化危机》的女主角做了一个项目,叫 MEM 宫殿,也就是“记忆宫殿”。这是一个 AI 记忆类插件,在 GitHub 上拿到了很多星,而且在相关跑分里成绩也非常突出。它能把你和 AI 聊天的内容很好地记录下来,效果非常不错。

而这个人并不是计算机专业出身。她早年接受的是青年演员培训,后来做模特、演电影、唱歌,完全不是传统意义上的科班程序员。

那是不是说,在 AI 时代,不管你是不是文科生、是不是演员、歌手,都能做出超越科班程序员的项目了呢?

这个故事当然很美好,但还有另一面。

这个“记忆宫殿”项目里,这位女明星更像是 architect,也就是架构师。真正写代码、把项目做出来的人,其实是一位资深程序员。她自己也提到,那是她一位认识了 20 年的朋友。

根据公开信息看,这位程序员原来做区块链、做加密货币,在 GitHub 上有大量维护或贡献过的仓库,是一个非常熟练的工程实现者。

所以,这个案例真正说明的是:新想法和成熟执行,往往是两件不同的事

这位女明星提出的是需求、想法和架构,真正落地实现还是由熟练程序员完成的。

这也恰恰印证了一个现实:大厂招募中学生也好,鼓励大学生创业也好,很多时候要的并不是他们已经具备了多强的工程实施能力,而是他们还没有被固定化训练过,能够设想出新的需求、新的问题、新的视角。

像腾讯、吉利、字节这些公司缺熟练程序员吗?并不缺,最好的程序员很多本来就在他们那里。它们真正稀缺的是新的想法,是没有被既有体系塑造得过于一致的头脑。

所以,大厂招募中学生的五个真实目的,可以总结为:

  • 打品牌
  • 做社会公益
  • 提前锁定人才
  • 建立内部培训体系
  • 寻找没有受污染的脑子,寻找新想法

普通家庭应该如何应对这种变化

一张普通家庭的餐桌旁,父母与孩子一起摊开竞赛资料、大学招生册、研学宣传单和电脑上的GitHub页面,神情认真权衡选择,不再盲目跟风,家庭决策感很强,羊皮纸,钢笔彩色手绘的统一风格。

接下来更重要的问题是:普通家庭应该怎么应对?

1. 先认清现实:这条路只属于极少数人

首先要明确一点,真正能够通过这条路走进大厂的人,无论是进去做简单实习,还是直接被大厂招进去,都是极其少数的。

腾讯一年 55 个人,字节知春项目一年 30 个人,这些数字都非常小。放在每年几百万被大学录取的学生总量里,几乎可以忽略不计。

所以如果你问,这是不是为普通孩子设计的一条主流路径?大概率不是。你自己先想一想,看看你家孩子像不像这种类型的人。

如果硬要拿这个当目标去冲,性价比其实非常低。

2. 付费研学可以去,但别抱太高期待

那付费研学班行不行呢?只要给钱就能去。

这个问题的答案是:如果家里不缺钱,也愿意让孩子去见见世面、顺便旅游一下,其实也没什么不好。

但不要对这件事抱有太高预期。不要觉得孩子去过某个大厂研学,以后就更容易被招进去。多数情况下,这件事更像一次体验型旅游,而不是职业通道。

3. 竞赛是一条路,但只适合少数人

至于竞赛,不管是数学奥林匹克竞赛还是信息学奥林匹克竞赛,对一部分孩子来说确实可能是一条路。

特别是一些偏科很明显的孩子,如果恰好在这些方向上有兴趣、有能力,那也许值得往这个方向拼一拼。

但这里最重要的是两件事:兴趣和能力

如果孩子不是这块料,千万不要硬往这个方向使劲。这种通道本质上就是为少数特殊学生预留的,不适合普遍复制。

4. 少年天才入职大厂,更多当作宣传看就行

至于每年总有几个少年天才入职微软、OpenAI、SpaceX,这类新闻,更多还是把它看成宣传就好。

每次出现这种案例,大家都会觉得这些公司很开放、很会“不拘一格降人才”。这类故事确实有传播价值,但不意味着它就是可复制路径。

而且,这本身就是极小概率事件。

更现实的一点是,这些非常年轻就进入大企业体系的人,未必一定会有特别好的结果。

因为大企业本身也是一个社会,不只是拼技术。你还要有成熟的心智,要能融入团队、处理协作、适应组织规则。

作者也提到,以前身边遇到过类似情况。一些非常年轻、没有上过完整学的小孩,可能在网络上、在 GitHub 上发表了不错的作品,被一些技术出身的老板看中,然后直接招回公司。

但招进去之后,他们未必就能在大企业里待得下来。很多时候,混几个月就出来了。这类情况其实一直都在发生。

所以,这类案例不必过度羡慕。

现在上大学,到底还有没有意义

一座老式大学教学楼与现代企业研发楼并列而立,中间有学生穿行其间,一边是厚重教材和课堂黑板,另一边是协作白板与代码屏幕,象征大学价值与企业现实的并存,羊皮纸,钢笔彩色手绘的统一风格。

那接下来最核心的问题就是:现在上大学,到底还有没有意义?

1. 大学课程确实存在明显问题

特别是 CS,也就是计算机科学课程,确实有一些很现实的问题。

第一个问题就是课程更新太慢。很多学校的教材老得惊人,哪怕是和计算机相关的专业,也可能还在用很旧的内容。教材更新、审批流程都很复杂,老师自己也未必愿意重新学习新内容,所以整个体系会显得非常滞后。

而计算机恰恰又是变化最快的领域之一。别说按年更新,很多时候简直是日新月异。

所以你跟着学校课程学下来,到底有没有足够实际的价值,这件事确实是值得打问号的。

从这个角度看,李书福说“高校供给和企业需求存在严重缺口”,并不是完全没有道理。

2. 大学的真正价值,不只是课堂知识

但是,上大学仍然有一些别的价值需要看到。

比如学习能力的建立。你如何去理解一个新知识、如何自学、如何整理信息、如何系统化地掌握一个领域,这些能力其实是大学阶段很重要的收获。

还有社交网络的建立,包括如何适应社会、如何与人协作、如何形成基本的社交能力,这些也都是大学非常重要的部分。

换句话说,大学的价值未必在于课堂上的某一门具体课程,而在于它给你提供了一个相对完整的成长环境。

至于课堂知识本身,尤其对工科生来说,毕业以后很多内容确实很快就过时了。这一点其实很多年都没有本质变化。

3. 文凭至少目前仍然有用

至于文凭,我觉得至少到目前为止,还是有用的。

HR 在筛选学生的时候,肯定还是会看文凭。谁说文凭没用了,那基本是在骗人。

原因很简单:人太多了,文凭是最简单、最低成本的筛选方式。企业不可能把所有人都拉来聊一遍。就算让 AI 去筛选,AI 大概率也会先看文凭,不会绕开这一步。

AI 时代,普通人还有没有新的机会

一名普通年轻人深夜坐在书桌前,用AI编程助手和GitHub页面把灵感快速做成原型,屏幕上有代码仓库、产品界面和开源讨论区,窗外是普通居民楼,突出“普通人也能被看见”的机会感,羊皮纸,钢笔彩色手绘的统一风格。

那问题来了:除了文凭以外,AI 时代还看不看别的东西?有没有一些其他方式,能让普通人进入大厂视野?

还真有,而且这个地方确实在发生变化。

作品集,正在变得越来越重要

对于普通家庭来说,AI 时代一个很重要的新变化,就是作品集

原来你能拿出来的,主要只有文凭。现在你还可以拿出作品。

什么作品?比如 GitHub 上的仓库、你自己的开源项目、别人真的在使用的工具,或者你做出来的真实上线项目。

这些东西,在今天是有价值的。因为它们可以直接展示你的代码质量、产品思路和解决问题的能力。

某种程度上,这类真实作品,甚至会比 GPA 分数更有参考价值。

AI 工具降低了实现门槛

现在有了 AI 工具,不管是 Claude Code 还是 Codex,写程序这件事本身已经没有以前那么难了。

在这种情况下,真正更有价值的,是想法,是你能不能提出正确的问题。

你能提出正确的问题,就像前面提到的那个“记忆宫殿”案例一样。她真正厉害的地方,不是她亲手写了多少代码,而是她提出了一个明确而有价值的需求,并把架构想清楚了。

如果你没有一个资深程序员朋友,也未必完全没法做。现在借助 AI 工具,很多人已经可以把自己的想法快速做成一个可运行的原型,甚至直接做成真正能使用的系统。

然后你把它放到 GitHub 上,自己能用,别人也能用,这本身就已经是一张名片。

GitHub 也是一种新的社交通道

而且在 GitHub 上有作品集之后,它还不只是技术展示,某种程度上也是一种开源社交的开始。

很多知名项目、技术博客、GitHub 上的讨论和问答,都会引起大厂的注意。一些基金也会在里面寻找有趣的项目。

作者自己就提到,过去做投资时,因为自己本身也是程序员,所以会去看自己常用代码库的作者。如果发现对方做得不错,就可能进一步了解,甚至考虑投资。

这说明,GitHub 上的作品和活跃度,确实有可能成为你被看见的入口。

这条路也不容易,但可能比盲目冲大厂更靠谱

当然,这条路也不是对所有人都有效。能够在 GitHub 上做出有趣项目的人,本来就不多;能持续做出有价值项目的人,更是少数。

但相比一门心思去冲大厂实习、参加各种竞争激烈的竞赛,这条路对很多普通家庭来说,可能还稍微靠谱一点。

结语:普通家庭更该重视兴趣与作品,而不是盲目焦虑

一个孩子在安静书桌前专注做自己的小项目,书架上有教材、竞赛奖牌和开源手册,电脑屏幕显示已发布的GitHub仓库,父母站在门口温和注视,气氛平静而坚定,羊皮纸,钢笔彩色手绘的统一风格。

大厂一直都在招募中学生,只是现在的形式和讨论热度发生了变化。

对于普通家庭来说,与其让孩子削尖脑袋,想着怎么现在就奔着大厂去,不如把重点放在更长期、更可持续的事情上:培养兴趣,建立学习能力,尝试做几个真实项目,在 GitHub 上留下作品,并借此开启新的社交通道。

这条路未必轻松,但相较于追逐那些极少数人才通道,它可能更现实,也更适合大多数人。


背景图片

同事.skill爆火:AI蒸馏人与法律风险

2026年4月8日 09:01
深夜办公室里一台打开着代码仓库页面的笔记本电脑,屏幕上密密麻麻出现“同事.skill”“老板.skill”“前任.skill”等仓库名,周围散落工牌、聊天记录打印纸和冷掉的咖啡,气氛像科技新闻爆炸前夜,羊皮纸,钢笔彩色手绘的统一风格。

同事.skill、老板.skill、前任.skill、自己.skill,这到底是一个赛博鬼故事,还是未来的发展方向?

事情是怎么开始的

GitHub 新仓库页面被刚刚发布的“同事.skill”占据画面中央,浏览器窗口外侧浮现办公室同事的聊天气泡、工位和离开的背影,像数字化蒸馏刚刚启动的一刻,羊皮纸,钢笔彩色手绘的统一风格。

2026 年 3 月,GitHub 上突然上线了一个新的仓库。现在 GitHub 上已经有非常非常多这种以“.skill”为结尾的仓库。所谓一个“skill”,不管你是用 Claude Code、Codex,还是龙虾 OpenClaw,都可以安装这些技能。

这个 skill 叫“同事.skill”,中文就是“同事”。它干的活很简单,就是把你的同事蒸馏以后挂入到 AI 系统里。你的同事好像还在你身边,哪怕他已经离开了工作岗位。

这个作品一上线,直接就炸了。因为大家都在担心被 AI 蒸馏、被 AI 替代,现在连“同事.skill”都出来了,这不就是噩梦照进现实吗?

从同事到前任:.skill 为什么迅速裂变

一个操作面板上依次生成“前任.skill”“暗恋对象.skill”“自己.skill”“老板.skill”多个卡片,卡片后面分别映出旧合照、未发送的表白消息、镜中的自己和冷脸老板,像网络梗在三天内失控扩散,羊皮纸,钢笔彩色手绘的统一风格。

三天之内,事情就裂变了,出现了“前任.skill”。比如你跟前任分手了,又不希望她离开你,就可以做一个前任.skill。还有“暗恋对象.skill”,就是我有暗恋对象,但从来没有跟她表白过,那怎么办呢?干脆把她做成 skill,留在自己的 AI 系统里,就好像她陪在我身边一样。

但既然可以蒸馏别人,肯定也可以蒸馏自己,对吧?于是就有了“自己.skill”。还有“老板.skill”“导师.skill”。当然,老板和导师这种纯粹是一种心理折磨,通常就是你问任何问题,他就回复你“不行”“嗯”“好,知道了”之类。反正如果大家需要一些心理建设的话,可以拿老板.skill 回来好好练习练习。

为什么这个话题会引发集体焦虑

开放式办公区里每个工位上的真人身后都站着一个半透明的数字分身,分身正替主人打字回复消息,员工们神情紧张,仿佛“被炼化”从行业问题变成了每个人的命运,羊皮纸,钢笔彩色手绘的统一风格。

那么,为什么大家都在讨论这个 skill 呢?原来我们过去一直在讨论 AI 要替代哪个行业、让什么样的人找不到工作。现在好了,直接到个人了。你被 AI 蒸馏了,你变成了同事.skill,或者我变成了同事.skill。这件事情确实把每一个职场打工人的焦虑放大到了最大。

所以现在被取代的就不是工种,而是每一个具体的人了。同事离开了,他所有的聊天记录都会被蒸馏成同事.skill。以前是人走了,经验就走了;现在是人还在,数字版就已经开始替你上班了。不是离职,而是被炼化,现在叫“赛博炼化”。

所以说这是一个赛博鬼故事,因为同事.skill 踩中的不是效率上的焦虑,而是身份上的焦虑。效率工具有无数,但没有哪个让普通人感到“我作为人的真正价值被重新计量了”。同事.skill 算是头一个。

“前任.skill”与“暗恋对象.skill”背后的复杂情绪

蒸馏真人的事情愈演愈烈。有了同事.skill 以后,后面“前任.skill”“暗恋对象.skill”应运而生。但这个核心就不像同事.skill 那样是为了替你干活了,这可能更多是一种控制欲。我不希望他离开我。怎么说呢,我不太好评论这样的 skill 到底算是一个什么样的故事,或者是不是值得鼓励,这件事情我自己也是晕菜的。

一个悲伤的故事

昏黄台灯下的程序员独自坐在工位前,对着名为“暗恋对象.skill”的界面发呆,旁边是产品经理留下的聊天记录和日历上被圈出的第365天,屏幕角落弹出自动删除倒计时,悲伤安静,羊皮纸,钢笔彩色手绘的统一风格。

这里还有一个悲伤的故事。说某一个程序员暗恋了一个产品经理,但是产品经理离职了。他就把这个产品经理的各种聊天记录通通蒸馏成了一个 skill,做成了“暗恋对象.skill”。

但是过了一年之后,这个程序突然不能用了。原因是,这个产品经理其实也知道这件事,所以在她的 skill 里留了一个后门。后来这个产品经理可能在某次意外事件中离世了。这个小姑娘做了个后门,说我离世以后 365 天,就自动把这个程序删掉,让这个暗恋我的人可以继续往前走。所以这是一个悲伤的故事。

“自己.skill”意味着什么

一个人坐在桌前,面前像拆解图一样分出“我本人”和“我的 skill”两部分,后者接上日语模块、面试模块、知识词典和各种插件,像能力被从身体里抽离后重新装配,羊皮纸,钢笔彩色手绘的统一风格。

那么,既然可以有前任.skill、暗恋对象.skill,是不是也应该把自己蒸馏成 skill 呢?确实有人在干这样的事情。我自己可以永远在线,帮我做更多的事情,这是很多人的梦想。甚至有些场景,比如面试的时候,它也可以替我去干点什么。这个大家自己去想,这玩意到底能干什么。就是“我”和“我的能力”可以分开,变成两件事了。

甚至我的 skill 还可以挂载一些我平时不具备的能力。比如说,我不会讲英文,不会讲日语,我可以给我的 skill 加上日语模块,这没有任何问题。你加个字典在里头就行了,你自己就不用去背单词了。这也是一件非常有意思的事情。

反蒸馏:员工如何避免被“数字化炼化”

员工在提交周报前使用一把筛子般的程序工具扫描文档,文档中原本有价值的项目细节被替换成一行行完美却空洞的官方套话,另一侧抽屉里则藏着自己的私人 skill 账本,羊皮纸,钢笔彩色手绘的统一风格。

那么,有了蒸馏,就一定会有反蒸馏。那你说,我怎么能够避免被蒸馏呢?有一些人就专门开源了一个项目,叫“反蒸馏”。

他们干嘛呢?就是每一次提交各种信息的时候,因为现在有些公司要求你定期做总结,他们会拿这些东西去训练 skill。那么这些人会在提交的时候,对自己提交的内容进行扫描,把里头各种有价值的内容通通替换成完全正确的废话。

换成这个以后,你的技能肯定就留在你自己身上了,没有上交给公司,而且公司还没法发现为什么。因为 AI 自己就喜欢说这种正确的废话,所以他们不一定会发现是你提交的东西有问题。他也看不过来,他们更多可能会怀疑 AI 系统不够聪明。

所以有些人在做这件事情。但他们做的同时,肯定也跟那些聪明的会计一样有“两本账”:有一个自己的 skill,是自己用的,里头有各种技能,甚至还在不断增强;而上交公司的,就是各种正确废话拼接在一起的结果和内容。一套给自己用,一套应付老板。

蒸馏员工信息到底违不违法

一张摆在办公桌上的法律卷宗《个人信息保护法》摊开,旁边压着聊天记录、病假申请、定位轨迹和离职协议,文件另一头伸来公司印章与员工的手,呈现技术冲动与法律边界的对峙,羊皮纸,钢笔彩色手绘的统一风格。

那么,蒸馏员工信息这件事到底违不违法呢?这可能是我们大家关心的一个事情。首先,结论:违法,这事是违法的。

有一个《个人信息保护法》,2021 年 11 月 1 日生效。聊天记录里可能会包含员工的信息,包括病假、位置轨迹、几点到公司、私人吐槽,这些东西都在里头。这些信息属于敏感信息,即使你离职了,也是不能随便使用的。如果公司想用这些东西,需要让你单独确认;如果公司要在你离职之后继续用这个,还要专门征得你的同意。

你在入职的时候签的那个一揽子的知情同意书,或者信息共享同意书,这个东西是无效的,这个大家一定要注意。你说我不希望被蒸馏,那也可以拿出法律的武器来保护自己。

当然,现在也有一些中国公司说,我们在员工离职的时候跟他签了个协议,他同意我们蒸馏这些信息了。首先,信息在人家手里,同不同意其实无所谓。第二,离职的时候可能还会有一些补偿,他会要挟你一下:你如果不同意的话,你的补偿可能会有一些问题。所以可能通常也都会同意吧。反正每件事情到中国,就都有点……要不说叫赛博鬼故事呢。

同事.skill 现在到底能做什么

一个简化版数字同事站在群聊窗口里,能模仿表情包、语气和甩锅姿态,却在背后露出空白的工具箱和知识架,显示它像真人但并没有真正专业能力,羊皮纸,钢笔彩色手绘的统一风格。

下面我们稍微讲一点技术,尽可能简单,大家不要担心。首先要跟大家确认一点,同事.skill 其实是非常非常简陋的。它并不具备同事的能力,只是能够像同事一样去判断事物,然后按同事的风格去回复,只有这些能力。

你说这个同事原来是某方面的大师,比如前端编程大师、后端编程大师,或者法务经理,它是没有那些能力的。它只是知道,这哥们原来特别爱甩锅,这个人相对比较鲁莽,或者比较勇敢,愿意去承担事务;这个人遇到问题以后知道该去找谁谁谁;或者他每一次回复的时候喜欢打很多表情符。它会把这个东西模仿得很像,但你说你的法律知识是什么样的,它就不知道了。所以相对来说,它是比较简陋的。

它的基本工作方式

  1. 你在目录里可以放很多个同事,不是只能放一个。你放一堆同事以后,就可以让这些同事去给你干不同的事情。
  2. 工作的时候,它会先把钉钉、飞书、微信这些聊天记录都拎回来,整个扫描一遍,然后对这个人进行总结:这是一个什么样性格的人,他喜欢用什么样的方式来回复内容。
  3. 然后把这些东西抽成几个文件,个人文件或者其他一些文件。抽成文件以后,在每一次调用技能的时候,去读这些文件,然后像这个同事一样做判断,给你做一些回复。

所以,这个同事本身的能力其实并不在里头,这个要跟大家说清楚。

同事.skill 的五层性格系统

它里面把这个同事分成五层性格系统。整个蒸馏完了以后,就把一个同事变成这样的一个架构。每一次你去跟他说话,或者把他拉到群里以后,他就按照这样的架构来进行反馈,基本上是这么做的。

  • 第一层:硬性规则。就是优先度最高的规则,比如我一定每一次都甩锅,我一定每一次都勇于承担,我一定会去找谁谁谁维护一个什么事情,或者我一定要坚持什么东西。
  • 第二层:身份认知。比如我是一个前端工程师,我是一个法务,我是一个市场。
  • 第三层:表达风格。比如说话简洁不简洁,是不是用 emoji,是不是用表情包。
  • 第四层:决策模式。比如遇到技术问题时倾向于保守还是激进,更喜欢用哪些技术原型。
  • 第五层:人际行为。比如不主动参与讨论,还是喜欢主动挑事,还是喜欢插接话茬。

所以,同事.skill 仅能模仿行为风格,不复制工作技能。目前更像是高级自动回复系统,不是数字员工,这一点要讲清楚。

如果真要做“完整的同事.skill”,技术上需要什么

一张复杂系统蓝图铺满桌面,四个模块“外部知识库”“记忆组件”“skill封装”“评估系统”由箭头相连,旁边有代码、文档、关系图谱和测试面板,像在搭建真正可工作的数字人格机器,羊皮纸,钢笔彩色手绘的统一风格。

那你说,真的想要实现一个完整功能的同事.skill 行不行呢?以现在的技术来说,还是可以的,没有什么难度。只不过这套系统要比刚才咱们讲的这个同事.skill 复杂很多。

  1. 外部知识库:要把它所有的代码、文档都存下来。
  2. 记忆组件:这个记忆组件里包括各种事实抽取、关系抽取。这个人参加什么项目、什么时间在哪个组里、在不同的组里他说了什么话,这些东西都要单独抽出来。现在这个同事.skill 几百 KB 的文档,你是搞不定这件事的。
  3. skill 封装:在什么时候去读哪些库,在什么时候去做什么样的判断,这个也是需要的。
  4. 评估系统:就是我们先计算好、计划好,当问这个同事什么问题的时候,他应该怎么去做。比如应该去读哪些记忆,读完以后应该给我们什么样的反馈,应该按什么样的格式来做,应该调哪些工具,整个过程是不是对。

整个系统运转起来以后,是可以实现一个完整的、独立的、有技能的人格来替你服务的。这是真的同事.skill。

为什么不建议只微调小模型

这里稍微提醒一下,尽量不要去微调小模型。因为微调小模型干的活,其实跟这个 skill 干的活是一样的,就是让这个小模型说的话更像这个人的风格。它也没有办法把一堆技能固化进去。

你真正让它固化技能,还是要靠外挂知识库和记忆系统。挂完这些东西以后,可以通过这个 skill 获得相应的上下文,再拿完整的上下文去找像 GPT-5.4 这种长上下文模型,一把塞进去,它就会比较完整地复刻这个同事的技能。

你如果只是微调一个小模型,那就是做一个鹦鹉学舌的事情,没什么意义,而且成本很高。

.skill 真正可能带来的变化

那么,这一套 skill 到底能带来点什么呢?前面技术讲完了,后边咱们接着发散。

1. 办公室里的“人格化 AI 员工”

第一个,同事.skill 仅仅是一个简陋的演示功能。它能够模仿你同事说话的语气和做人的风格,但是并没有技能。它甚至还做了所谓“字节风”,就是字节上班的人会用什么样的风格来回复;还有“阿里风”,就是阿里的人怎么去甩锅。它把这些东西都模仿在里头了。所以它最强的地方,就是让办公室里的这些同事.skill 稍微有点像人,它就干这个活。

现在的 OpenClaw 其实是真的可以有员工了。你可以把各种具有技能的员工挂在里头,比如这是一个法务的,这是一个财务的,这是一个市场的,那是一个设计师,这是一个前端,那是一个后端。你真的可以把这些人挂到里面去,但并不是通过现在这个同事.skill 的方式挂进去,而是像刚才我们讲的那样,建一整套系统。你要把这个玩意挂进去,它确实是可以开始干活的。

那你说,作为一个公司的老板,你是不是就可以去蒸馏员工的技能了呢?从技术上说是可以的,但是从法律上,你怎么获得许可、怎么去做这件事,那是大家自己需要去思考的问题。

2. 小说、电影、游戏创作的新高度

一位创作者坐在故事板前,桌面上摆着多个虚构角色的 skill 卡片,角色们仿佛从小说、电影和游戏场景中走出来围在旁边,各自按照设定对剧情提出反应,画面充满创作实验感,羊皮纸,钢笔彩色手绘的统一风格。

以后小说、电影、游戏创作,也可以上到一个新高度了。什么意思?不是写一个“作者.skill”,而是你以后可以给小说中的每一个人物创建一个 skill,然后你就可以问他说:在这样的状态下,你想向哪个方向发展?遇到了这种事,你想说点啥?这是一个非常有意思的事情。

你把这样的、带有完整人格 skill,甚至一些技能 skill 的虚拟人物,或者叫虚拟人格,放到小说里、影视作品里、游戏里面,这真的是非常有趣的一件事情。

3. 数字员工与新的商业模式

未来可能也会有真正的数字员工可以被雇佣了。比如像老范,我就可以去训练一个帮人看投资意向书、帮人做股权搭建,或者做一些商务咨询的 skill。那谁需要调用它?那就给钱呗。你就可以挂这个东西。我还不断地往里填补一些新的技能,或者填补一些新的知识进去。

这是不是也算一种未来的商业模式呢?每一个人自己去维护一些 skill,然后让它们在外面去求职,或者去做各种事情。我们需要的时候,就可以雇佣这样的员工去干活,这都是有可能的。

4. 追星模式也可能彻底改变

那么追星的模式也会发生变化,但这个就属于实在太美,难以想象了。比如说,我们把明星做成 skill,装在每一个人的电脑里,装在每一个人的龙虾上,这会变成什么样?超出我的想象范围了,但一定会特别好玩。

人与人的信任与协作,会走向哪里

那么,人与人的信任与协作到底会走向什么方向呢?这个问题我回答不了。这是一个赛博鬼故事,还是未来的方向?这是同一件事情的两面。

不管是不是赛博鬼故事,我觉得大家都很难阻挡这件事情成为未来的方向。因为它确实能够有商业价值,确实能够满足人的欲望和需求。

你有前任.skill,有暗恋对象.skill,甚至有追星.skill 了。它如果加入到影视作品里,就可以随时做出符合这个 skill 人设的各种反馈。未来一定会向这个方向发展的。至于说在这个过程中,人与人之间到底怎么协作、怎么信任,不知道,这还要等待我们重新找到适应的方法和平衡的方法。

最后总结:这是玩梗,也是预演

未来感办公室与赛博街景交叠的终景中,真人员工被拆解成一个个可装载的技能模块悬浮在空中,旧工牌、技能包、代码仓库和霓虹广告混在一起,呈现玩梗走向现实预演的荒诞结尾,羊皮纸,钢笔彩色手绘的统一风格。

最后总结一下,同事.skill 本身更像一个玩笑。2026 年 3 月的这个开源套件还是相当粗陋的,现在它上面也写着说“我们还在不断升级”,也许未来就会变得很强。因为从技术角度上说,已经都可以做到了。距离真正复刻同事的能力,它现在发布的这个版本还有差距,但从技术角度上说,是完全可以实现的。

所以本质上,这一次同事.skill、前任.skill 是程序员在玩梗。只是因为大家都会有“自己这个人会不会被替代”的焦虑,所以这样的一个梗就破圈了。

人物.skill 结合龙虾,可能会把我们推向下一个纪元。人正在被拆解和解构,拆解成可交付的模块。大家注意,以后比如我们把一个员工辞退了,把他的技能留在同事.skill 里头去了,我们还可以随时给他挂新的技能包上去。你现在再学一个 Flutter 开发吧,再去学一个云服务器维护吧。你只需要把技能库塞进去就完了,不需要让他去上培训班,不需要让他真正坐在那儿吭哧吭哧学习。你也不需要再担心说,我让他学了本事以后要不要涨工资,这些事情都不需要了。

所以未来一定会向一个很魔幻、很赛博朋克的方向发展。至于这到底是鬼故事,还是未来,我觉得它很可能两者都是


背景图片

Sam Altman 都要见一下的,第一家 AI 一人公司 MedVi 创始人,到底是干什么的?

2026年4月7日 09:11
昏黄书桌上摊开的商业报道与医疗表单,一部手机显示“零员工独角兽”新闻标题,旁边放着药盒、笔记本电脑和放大镜,营造出创业神话与监管疑云并存的封面场景,羊皮纸,钢笔彩色手绘的统一风格。

一人 AI 独角兽公司诞生了。山姆·奥特曼凭此赢得了“零员工独角兽公司”的赌注,并且表示想去见一见这位创始人。但这背后的故事,真的合法吗?

什么是这家所谓的“一人独角兽公司”

洛杉矶拖车停车场边,一个小男孩蹲在路边卖石头,远处破旧拖车与城市天际线同框,后来的人生转折以一台旧笔记本电脑静放一旁,呈现传奇出身的起点,羊皮纸,钢笔彩色手绘的统一风格。

这个公司叫 MedVi,听名字很像卖药的公司。它并不是 AI 编程公司,也不是做大模型的公司。

创始人 41 岁,在洛杉矶长大,成长背景很传奇:在拖车停车场长大,父母都有毒瘾,父亲已经去世。他 5 岁沿街卖石头,12 岁时叔叔送了他一台笔记本电脑,从此开始自学编程,后来大学辍学,自学成为程序员。

他在 2016 年创办过一家腕表订阅公司,团队扩张到 60 人后,因为成本失控而倒闭。2024 年 9 月,他在洛杉矶家中创建了这个项目,启动资金是 2 万美元,两个月就把钱烧完了,但做出了基本原型。

团队现在其实是两个人,不完全是一人公司了,因为后来他的弟弟加入了。不过,他弟弟是在已有 1300 名付费客户之后才被聘用的,所以依然可以被称作一人公司,或者“零员工公司”——老板通常不算员工。

据说他还做了慈善,捐出了 7000 万到 8000 万美元的利润,用于救助流浪青年和动物保护。不过这一点并没有被核实,只是媒体在报道中提到过。

媒体报道与争议为何迅速升温

一张长桌上铺满《纽约时报》《福布斯》和行业杂志的版面,正面标题与负面质疑彼此对冲,中央是一枚药瓶和FDA警告信,形成媒体热捧与监管阴影交织的场面,羊皮纸,钢笔彩色手绘的统一风格。

各家媒体开始争相报道,称终于出现了 AI 独角兽,而且还是零员工独角兽。《纽约时报》在 2026 年 4 月 2 日做了中性偏正面的报道,同时也提到 FDA 曾发出一些警告。为什么会和 FDA 有关,后面再说。

这家公司和药物有关。两个人、2 万美元投入,去年做出了 4 亿美元营收,今年计划做到 18 亿美元。通常独角兽公司没有这么高的营收,做到 4 亿美元营收,10 亿美元估值其实都不算高了。但这类公司真正敢投的人并不多。

《福布斯》在 4 月 2 日也做了正面报道,从创业故事的角度,称其为 AI 时代个人杠杆的极致证明。但另一家杂志《药品探索与发现》在 4 月 4 日的报道则完全是负面的,说这家公司使用了 800 个假医生账号,而且给出了具体证据链。国内包括新浪和网易在内的报道则在 4 月 5 日把这件事直接定性为“翻车”,以监管风险为主线,认为这相当于在 FDA 的规则上钻空子。

关键数据:营收、用户与利润

羊皮纸质感的数据看板,上面用手绘图表标出4.01亿美元营收、18亿美元目标、25万付费用户和16.2%净利率,旁边散落计算器、美元符号和订阅用户小图标,羊皮纸,钢笔彩色手绘的统一风格。
  • 2025 年营收:4.01 亿美元,这是《纽约时报》核实过的
  • 2026 年目标:18 亿美元,这是营收目标,不是估值
  • 付费用户规模:25 万
  • 净利润率:16.2%

据此推算,净利润大概是 6500 万美元。这就和他所说捐赠了 7000 万美元这件事有些出入,因此相关数据仍需要进一步核实。

从创办到做出 4 亿美元营收,大概只用了一年时间。2024 年 9 月创办,到 2025 年年底就做到了 4 亿美元。

山姆·奥特曼赢下的赌局是什么

一场科技访谈现场,两位创业大佬坐在聚光灯下讨论“零员工十亿美元估值”,背景黑板上写着赌注池和独角兽图案,台下观众模糊成剪影,羊皮纸,钢笔彩色手绘的统一风格。

山姆·奥特曼的赌局是什么?2024 年 2 月,他和 Reddit 创始人在一次访谈中提到,他们和一群科技公司 CEO 朋友设了一个赌注池,赌哪一年会出现第一家“零员工、10 亿美元估值”的公司。10 亿美元估值的公司叫独角兽,零员工则是指只有老板,没有正式员工。

山姆·奥特曼当时的原话大意是:没有 AI,这件事不可想象,但现在它要发生了。《财富》杂志在 2024 年 2 月 4 日还专门对这件事做了报道,所以这件事是有据可查的。

到了 2026 年 4 月 2 日,《纽约时报》发出 MedVi 报道以后,山姆·奥特曼给《纽约时报》发邮件说,他赢得了赌注,并表示“我愿意去见一下这个家伙”。这是原话。2026 年 4 月 4 日,《福布斯》也跟进报道,说 OpenAI 想去见一见他们。

那这样一个连山姆·奥特曼都想见的 AI 创业奇迹,难道真的是骗子吗?

MedVi 的本质:不是 AI 公司,而是 GLP-1 远程医疗中介

一幅分层流程图式场景,前景是用户在手机上点击减肥广告,中景是AI语音客服界面,后景依次连接远程问诊平台、处方医生和邮寄药包,清楚表现“中介平台”本质,羊皮纸,钢笔彩色手绘的统一风格。

它的本质,是卖 GLP-1,也就是司美格鲁肽这一类药物。但要注意,它卖的并不是原厂司美格鲁肽,而是一种所谓的“白牌复合药剂”。

更准确地说,MedVi 并不是一家 AI Coding 公司,而是一个 GLP-1 减重药物的远程医疗中介平台。这样描述会更合适。

它的核心业务链条

  1. 先让用户看广告,再把用户导流到官网注册。
  2. 通过 AI 语音客服,克隆创始人的声音与用户聊天。
  3. 聊完之后,引导用户到一个叫 Care Validate 的平台开医生处方。
  4. 因为这类药如果没有处方,在美国是不能合法销售的,所以必须有一个合法形式来开处方。
  5. 处方开完后,再送到一个叫 OpenLoop Health 的合作复合药房进行配置。
  6. 最后邮寄给用户。

整个商业流程大致如此。

所以,MedVi 真正赚的钱是什么?它赚的是流量、品牌、转化和订阅的钱。它自己既不研发药物,也不生产药物,不拥有医生网络,也不控制药房。这是一门非常轻的生意。

创始人本人没有医疗背景,也没有药学方面的专业知识。他此前做的是腕表订阅,实际上一直是在广告行业里打拼的人。

MedVi 使用了哪些 AI 工具

一张创作者工作台俯视图,屏幕上分别呈现文案生成、代码编辑、广告图像、短视频素材和语音波形,多种AI工具像工匠器械一样排开,体现自动化编排的密集感,羊皮纸,钢笔彩色手绘的统一风格。

那它用了哪些 AI 工具?

  • ChatGPT:生成广告文案、用户 FAQ 和客服对话
  • Claude:写代码,包括网站前后端以及部分内容审核
  • Grok:补充更激进的广告表达,做差异化内容
  • Midjourney:生成广告图片和人物肖像,投放到 TikTok 和 Instagram
  • Runway:生成视频素材
  • ElevenLabs:克隆创始人声音,制作 AI 语音客服

再往后,真正负责开处方的是 Care Validate,这类机构号称拥有上万名持牌医生,可以在美国多个州提供处方服务。开完处方后,再进入 OpenLoop Health,对接大量复合药房进行配药和邮寄。

这套模式为什么让人感到熟悉

整个故事,如果从广告和灰色流量的角度去看,其实并不陌生。

一个更接地气的现实案例

一位老人在手机上看到“降三高”广告后拿着快递包裹回家,拆开却发现是一瓶药酒,桌上放着眼镜、血压计和皱巴巴的宣传单,情绪从期待转为错愕,羊皮纸,钢笔彩色手绘的统一风格。

先说一个现实中的案例。老人的群体往往最容易被这类广告击中。比如有人在微信广告里看到“降三高”的药物,因为年纪大了,一直受高血压、高血糖、高血脂困扰,只要听到“降三高”,就很容易脑子一热下单。结果花了 1980 元买回来一大包东西,拆开发现其实是一瓶药酒。三高患者显然不能随便喝酒,尤其高血压再喝酒会有风险。

更麻烦的是,这种商品通常退不了。广告里说的是降三高,包装上写的却是壮阳。为什么不能直接写“降三高”?因为那属于医疗疗效宣传,而这瓶酒本质上只是保健品,写治疗作用是违法的。于是它通过一个虚假的降三高广告,把一瓶壮阳药酒卖给了老人。

这和 MedVi 的故事是不是很像?MedVi 通过 TikTok、Instagram 等平台投放广告,暗示自己和司美格鲁肽等原研药有相同效果,但实际上卖的是复合药。对于没有完整病史审核的人,也可能直接导向处方和购买流程。

这门生意的本质

这门生意本质上是高客单价、高复购的流量生意。美国这类 GLP-1 药物本来就贵,而且通常是按月订阅、持续购买。25 万付费用户,做出几亿美元营收,并不奇怪。

在流量广告行业里,这套模式其实没有什么新鲜事。AI 在这里并没有发明新的商业本质,只是把很多原来需要人工完成的工作替代掉了。

这个行业以前就有人做。以前卖的多是增肌药、类固醇、壮阳药、激素类肽药等。这些东西往往具有几个共同特点:

  • 高 LTV,也就是高生命周期价值
  • 高客单价
  • 强复购
  • 用户往往带有羞耻感,不愿意去医院面对面求医,所以更容易相信广告

早期玩法包括找健身博主代言、多账号矩阵投放、伪装成营养品投放广告,甚至使用虚拟医生账号。这些都是老套路。最后再通过白标远程医疗和复合药房把药物交付出去。

什么是白标医疗和复合药剂

一间美国药房与远程问诊界面并置的教育式场景,药剂师在柜台后配制药物,电脑屏幕上显示线上处方表单,旁边标注“白标医疗”“复合药剂”的概念卡片,羊皮纸,钢笔彩色手绘的统一风格。

这里需要解释两个概念:白标医疗复合药剂

美国有一整套完整的医疗体系,药物如何经过 FDA 认证、如何销售,都有严格规范。但系统再完整,也总会有一些需要弹性的地方,比如原研药太贵、获取不便,或者正规医疗流程太慢。于是就会出现一种“白标远程医疗”的补充体系,通过线上问诊、线上开方等方式,让病人更快、更便宜地获得某些治疗。

“复合药剂”则是指一些药房可以在现有处方基础上,根据情况做一定调整,比如用同类成分、仿制方案或者经过调整的配方来满足患者需求。美国法律在一定范围内允许这么做。

今天这个故事里卖的“复合司美格鲁肽”,本质上就是通过远程问诊和复合药房卖出去的仿制或调整版药物,而不是原厂的标准商品。

这些机制本身在美国原本属于合法框架的一部分,但 MedVi 的问题在于,它很可能已经越界了

MedVi 的“创新”到底在哪里

以前做这类生意的人,卖的主要是“线索”,也就是通过广告收集到用户数据,再把这些线索卖给卖药的人。而 MedVi 稍微有一点创新:它把线索生意往前走了一步,沉淀成了自己的品牌,并用创始人的 AI 语音建立起一种“品牌信任”,最终推荐用户去买药。这样,它比传统灰色药物流通中的广告商赚得更多。

从山姆·奥特曼所说的角度来看,这件事没有 AI 确实难以想象。生产广告素材、监控投放成本、优化转化率,这些原本需要大量人工完成的工作,现在由 AI 基本接管了。最早的 1300 个付费用户,几乎就是创始人一个人搞定的;再往后,也只是兄弟两个人在运作。

为什么 4 亿美元营收最后只剩 6000 多万美元利润

一张手绘资金流向图,从4亿美元大池子分流到广告平台、处方服务、药房配送和品牌方,最终品牌方只剩一小叠利润现金,像被多道水渠层层分走,羊皮纸,钢笔彩色手绘的统一风格。

那 4 亿美元营收里,为什么最后只剩下 6000 多万美元利润?因为这类生意里最赚钱的往往不是前端品牌,而是广告平台和中间环节。

  1. Meta、TikTok 这些平台拿走了大量广告费。
  2. 中间负责开处方、配药、寄送的机构,如 Care Validate、OpenLoop Health 以及背后的复合药房和仿制药生产方,也分走了大部分利润。
  3. 前端品牌 MedVi 赚的,其实主要还是流量费和转化费。

它可能触碰了哪些违法边界

暗色调调查板上钉着数百个医生头像卡片、AI生成面孔、广告前后对比图和语音波形,红线串联到FDA文件与社交平台投放页面,呈现一张可疑证据网络,羊皮纸,钢笔彩色手绘的统一风格。

问题在于,它很可能触碰了违法边界。

媒体指出,它疑似使用了 800 个虚假医生账号,AI 生成头像、名字和脚本;用 Midjourney 生成广告图片和前后对比图;用 Runway 生成视频;用 ElevenLabs 克隆创始人声音,做 7×24 小时电话客服;再通过 Claude 分析用户数据,自动调整投放策略。

这套流程本身并不神奇,原来很多类似工作是外包给中国、印度、菲律宾团队做的。现在,AI 一站式搞定了。

但这种灰色模式到底能走多远?很多人看到报道后会觉得,FDA 一整治,这类公司马上就翻车了。确实,GLP-1 药物因为昂贵、供应紧张,监管一度允许白标远程医疗和复合药剂作为补充渠道存在。但这类补充机制本来就不可能成为主流,一旦 FDA 收紧,这条路就可能被堵上。

不过,如果认为监管一出手,这种模式就会彻底消失,那就太幼稚了。因为它们的启动成本实在太低了。2 万美元投入,两个月做出原型,很快就能开始回款。它们真正的核心能力是流量操盘和 AI 工具编排。今天这个品牌不能做了,明天换个品牌、换个赛道,还可以继续干。

合规框架本身就是有弹性的。所谓白标远程医疗和复合药剂,本来就是为了给美国庞大的医疗体系增加弹性。没有哪个国家的制度是完全没有弹性的。只要还有弹性空间,它们就能以极低成本快速转型,到别的赛道继续运作。

即使 GLP-1 受限,灰色模式也未必消失

即使 GLP-1 这一条赛道被严格监管了,睾酮、类固醇、壮阳药、肽类药物等其他高客单价、高复购的品类,依然可以继续在灰色地带运转。GLP-1 只是因为减肥市场太大,才突然出圈,被更多人注意到了。原来这些生意一直存在,只是规模更小、关注度更低而已。

AI 到底能不能做“正经事”

那 AI 到底能不能干点正经事?为什么总是在讲这些歪门邪道?

首先,每一次技术革新,最先跑出来的往往都是边缘地带的微创新。这里面当然有创新,不是完全没有。比如它把原来一个 20 人的中国广告团队拆掉,变成美国本地一套 AI 驱动流程;把原本单纯卖线索的模式,升级成了可沉淀的品牌。

但它依然属于灰产,这个定性不能变。因为按 FDA 的要求,像它这样的模式至少有几个问题:

  • 复合药剂必须在特定范围内、小批量地进行
  • 不能暗示和原研药有相同效力
  • 必须基于患者的个体化处方

很显然,在大规模广告导流和标准化流程下,这几点都很难真正做到。

Meta、TikTok 对药品广告其实也有要求,必须有医生资质和严格审核。但 MedVi 是怎么绕过去的?它不直接卖药,它在广告里卖的是“减肥服务”“减肥指导”,不出现具体药品。用户聊完之后,最后拿到的药也不是 MedVi 品牌包装,而是其他包装、其他品牌。它只是一个“减肥服务中心”,把药物交付放在更后面的流程里完成。

这也是为什么每次技术革新,最先大规模落地的经常是灰产。因为灰产对技术最敏感,也最愿意尝试。

不能简单地说,因为它被用在灰色地带,就说明 AI 没用。恰恰相反,正因为有用,它才会最先被这些对效率最敏感、对利润最饥渴的行业采用。

早期互联网刚出来的时候,大行其道的是色情网站,因为这类生意变现快、用户羞于启齿、付费意愿强。现在 AI 出来了,中国已经有人用 AI 做广告卖各种合法和不合法的东西,甚至卖 AI 课程。美国则开始用 AI 做广告卖药。

这个故事真正提醒我们的是什么

一个人站在由多个AI分身协作的工作台前,屏幕上同时进行客服、写代码、投广告、数据分析和自动工作流,背后却隐约浮现警示标志,表现能力与风险并存,羊皮纸,钢笔彩色手绘的统一风格。

这个故事真正告诉我们的,是要看到 AI 的力量,而不要只盯着它是不是灰产。因为有了 AI,就可以制造出 800 个假人格去做事情。当然,这不意味着要去骗人,而是说明同样的能力也可以被用于更有意义的场景。

7×24 小时客服,原来必须靠大量人工,现在 AI 可以做到。多模型编排之后,一个人可以同时扮演工程师、文案、分析师。自动化工作流从广告投放到处方签约,全链路可以大幅减少人工参与。它把最小可行团队从 10 个人降到了 1 个人,这一点确实是 AI 带来的变化。

当然,法律也会快速演变,对监管提出更高要求。但法律治理的速度,通常还是赶不上灰产转身的速度。

最后的提醒:面对广告和“懂你”的信息,要更警惕

夜色中一位普通人盯着手机,屏幕里不断弹出“特别懂你”的广告、私信和语音头像,周围像雾一样浮现诱导词句,而他手边放着一只提醒铃与放大的警示符号,羊皮纸,钢笔彩色手绘的统一风格。

最后,真正该提醒大家的是:看到广告、私信、各种“特别懂你”的信息时,脑子不要发热。因为现在有了 AI,骗人变得太容易了,成本也太低了。任何新鲜东西,尤其是那些一下说到你心坎里的东西,都应该让自己多敲一下警钟。否则,花 1980 元买回一瓶号称降三高、实际却是壮阳药酒的事情,随时可能发生在身边。

相比之下,美国这类经过医生处方、通过复合药房寄来的减肥药,虽然同样存在风险和争议,但至少形式上还套着一层相对完整的流程。而把壮阳药酒通过“降三高”广告卖给老年人,这种事就真的太过分了。

这就是整个故事。它一方面让人看到 AI 现在到底能干什么,另一方面也提醒我们:技术越强,普通人越要提高警惕


背景图片

Prompt:in the style of 3D Pixar cartoon character design, hyper-detailed 3D render of a slightly messy American retail pharmacy after closing time, dozens of medicine bottles in various states of organization on wooden shelves, some knocked over and lying on their sides, scattered prescription paper slips covering the counter like fallen leaves, half-filled amber pill bottles with child-resistant caps still open, a toppled shopping basket overflowing with unsorted items, a fallen price tag scanner on the floor beside the checkout counter, computer monitors left on with pharmacy software open, soft warm pixar volumetric lighting casting long shadows, empty waiting area chairs slightly askew, tiny dust particles floating in light beams from ceiling fixtures, slightly melancholy yet cozy atmosphere of a workspace abandoned by its workers, richly detailed textures on every medicine label and bottle, gleaming polished floor reflecting the ambient chaos, emotional depth in the stillness of an empty workplace –no people, no person, no human figure, no central character, no robot, no watermark, no text –ar 16:9 –stylize 200 –chaos 8 –v 7.0 –sref 236715204 –p qaczhqj

AI裁员第一人?杰克·多西把Block改成了什么

2026年4月6日 22:07
深色书桌上摊开的长卷文章,纸面串联古罗马军团、铁路组织图、现代金融应用界面与 AI 流程线条,像一条从古代延伸到未来的公司治理时间轴,羊皮纸,钢笔彩色手绘的统一风格。

大家好,欢迎收听老范讲故事的 YouTube 频道。

今天想跟大家分享一下杰克·多西的 Block 关于 AI 与公司架构调整 的一篇长文。作者认为,前面真正意义上做“AI 裁员”的,实际上就是杰克·多西。很多其他公司所谓的 AI 裁员,其实更像是假裁员,或者只是借了 AI 的名字去裁员。真正因为 AI 推动组织重构,并且伴随大规模裁员的案例里,杰克·多西基本上算是第一个。

这篇文章写得很长,从古罗马时代一直讲到 AI 时代,讨论了公司治理结构的变迁,以及未来组织可能演化成什么样子。下面就来系统分享这篇文章的核心内容。

为什么说杰克·多西是“真正的 AI 裁员”先行者

杰克·多西站在简化的公司流程板前,身后是缩减后的组织结构图与上升的营收曲线,对比一侧散乱的人事名册与另一侧被 AI 重新连线的团队网络,羊皮纸,钢笔彩色手绘的统一风格。

首先,和现在很多裁员公司一样,Block 是一家特别挣钱的公司,而且盈利还在屡创新高。作者之所以认为杰克·多西是第一个真正跑出来做 AI 裁员的人,是因为像 Salesforce 这样的 SaaS 公司,裁了很多人之后,其实并没有呈现出明显成功的结果。公司没有明显变好,也没有出现“裁员以后挣的钱更多了”或者“业务发生重大变化”的局面。

至于 Oracle 和亚马逊的大裁员,本质上更像是在为过去的一些决策失误买单。Oracle 裁了大概 20% 的人,亚马逊裁了 10% 的人。真正裁员最狠的,其实是马斯克,把 8000 人的 Twitter 直接裁到 1500 人,但那属于非常状态。

相比之下,真正把 AI 和组织重构结合起来做裁员 的,作者认为杰克·多西基本上是第一个。

更重要的是,杰克·多西还是 Twitter 的发明人。Twitter 最核心的发明,不是别的,而是单向关注。你关注我,我甚至可以根本不知道你是谁。就是通过这样一个看似简单的信息流机制调整,他创造出了一个全新的媒体帝国,也就是今天的 X。

因此,他如今通过信息流和组织信息流变化来重新思考公司治理架构,这件事本身就很值得讨论。

Block 的裁员背景与数据

财务报表铺满桌面,62.5 亿美元收入、28.7 亿毛利和“10000→6000”的醒目数字被红蓝墨线圈出,旁边是一张被删减了大片方格的电子表格打印稿,羊皮纸,钢笔彩色手绘的统一风格。

这次裁员发生在 2025 年 Q4。当时公司收入是 62.5 亿美元,同比增长 4%;毛利是 28.7 亿美元,同比增长 24%。在这样的情况下,Block 把一家 1 万人的公司裁到不到 6000 人,直接裁掉了 4000 人,也就是 40% 的员工

从操作方式上看,这种裁员属于比较标准的“Excel 裁员”。很多公司裁完以后会发现问题:有的人裁错了,业务受影响了,于是又把人叫回来上班。这种情况并不罕见。但真正更值得关注的,不是裁员动作本身,而是裁完以后到底发生了什么变化

杰克·多西如何追溯公司制度的起源

在文章一开始,杰克·多西先讲了一个大问题:现代公司制度到底是怎么来的。

如果大家对原文感兴趣,可以去 Block 官网查看,或者去 X 上找杰克·多西的账号。

从古罗马军团到现代层级管理

(img: 古罗马军营俯视图,一个帐篷内八名士兵与一头骡子,外侧依次延展到百夫长、步兵方阵和军团旗帜,层层递进的编制关系清晰可见,羊皮纸,钢笔彩色手绘的统一风格。3:2 )

杰克·多西提出,我们现在的公司制度,其实源头来自 古罗马军队

古罗马军队最小的单位叫“同帐小队”,一个帐篷里住 8 个人,这 8 个人还共享一头骡子,由一个人负责管理。再往上,多个同帐小队组成更大的单位,由百夫长管理;再往上,多个百人队组成步兵方阵,再由多个步兵方阵构成军团。

这就是罗马军团最早的分层级管理系统。

原因很简单:一个人不可能管理太多人。所谓极端扁平化,很多时候只是理想化说法,现实里根本管不过来。于是,只能让每个人少管一点,再多分几层,最终用层级结构把整个军团组织起来。

而古罗马军团的确凭借这套系统长期战无不胜,直到后期才逐渐出现问题。

层级制度的核心:管理边界

这套制度延续下来以后,形成了现代组织管理里很重要的一个概念:管理边界

  • 第一,一个人不能管太多人,通常也就是 3 到 8 人,顶多 10 人左右,再多就很难有效管理。
  • 第二,如果你想管理更多的人,就只能增加层级。
  • 第三,层级一多,信息传递效率就会下降。

所以古罗马一个军团大概就是 5000 人左右,再大就很难管理了。所谓“百万大军”,更多是文学和评书里的说法。

一战后的变化:参谋系统出现

那么,这套制度是什么时候开始发生变化的?答案是 第一次世界大战前后

这个时候出现了一个关键的新东西:参谋和参谋本部

为什么会出现参谋?因为必须解决一个问题:如果最高统帅是个笨蛋怎么办?

在早期层级制度中,每一层组织结构大体是相似的。但后来很多贵族因为出身好而成为将军,至于是否真的擅长打仗,并不一定。普法战争之后,大家逐渐意识到,贵族出身不等于有能力,因此需要一支专业参谋团队,把作战、行军、命令执行这些问题都标准化、专业化。

于是,一战之后,军队基本上形成了两条并行线:

  • 一条线是传统的军、师、旅、团、营、连、排层级结构;
  • 另一条线是参谋部门、职能部门和幕僚团队。

前者负责层级指挥,后者负责专业支持。军队从此不再只是单线层级管理,而是演化成了 双线并行结构

现代公司制度是如何形成的

19 世纪铁路调度室内,墙上挂着早期公司组织架构图,桌上有铁路线地图、时刻表和军校风格制服帽,远处两列火车在岔道口交错,羊皮纸,钢笔彩色手绘的统一风格。

那么,这套东西又是什么时候进入公司的?

一开始,公司规模其实都不算大。哪怕是传承上百年的老字号,也未必有多复杂。但随着铁路时代到来,传统公司管理方式开始不够用了。

1850 年,纽约到伊利诺伊的铁路修好以后,铁路公司之间协调问题频发,经常撞车、出事故。于是,世界上第一张公司组织架构图,就是在这个背景下出现的。

这张组织架构图,本质上就是把罗马式层级制度专业职能部门结合起来,形成了一种可规模化的管理体系。后来,他们还找了很多西点军校毕业的军官去管理铁路公司。

也就是说,我们今天熟悉的公司制度,就是这样形成的

传统公司制度的问题:规模边界

无论是古罗马军团制度,还是现代公司制度,它们都面临同一个核心问题:规模受限

一个组织涨到一定程度以后,就很难继续靠传统方式高效扩张了。可现在的大公司动不动就是十几万人,那到底该怎么管理?如何打破这个边界?这才是杰克·多西真正关注的问题。

历史上的组织创新尝试

为了解决传统层级制度的问题,很多公司都做过不同方向的尝试。

Spotify:跨职能自治小队

Spotify 曾经尝试过很多跨职能自治的小队,让小队端到端负责产品。但当公司规模扩大到一定程度之后,这套机制还是撑不住,最后又回到了传统层级管理制度。

Zappos:去中心化与无职级

Zappos 是美国一家卖鞋起家的公司,后来也卖衣服。他们曾经尝试过去中心化、去掉管理职级,但因为人员流失太严重,最后逐步放弃。

原因在于:当大家都没有职级以后,薪水、贡献和自豪感都很难衡量。别人看到你做得不错,就会来挖你的人。最后没办法,只能恢复等级制度。

Valve:平层公司尝试

Valve 也尝试过类似平层组织和“码头组织”的管理方式,但公司一旦超过几百人,也很难继续扩张,最后还是退回了传统结构。

海尔:“人单合一”模式

多个小型创业战队围绕一个大型平台中枢协作,中心写着“平台服务”,四周是家电、用户需求清单、交付小组和即时反馈箭头,呈现海尔式人单合一的繁忙场景,羊皮纸,钢笔彩色手绘的统一风格。

真正比较走出来的案例,是中国青岛的 海尔

海尔玩的模式叫“人单合一”。这里的“单”并不是订单,而是具体有价值的客户需求。员工围绕这些需求,组成很多很多小战队,去快速解决问题。最后,海尔逐步变成了一种平台型企业。

简单说,海尔让公司只负责最上层的平台服务,下面的人则像在平台上创业、接活、解决问题。

小米:三层扁平化尝试

小米也曾尝试过扁平化管理,只有三层:最上面是雷军,中间是部门负责人,下面就是员工。但公司扩张到一定规模以后,最终还是回到了层级制度,说明这条路并不容易走通。

盛大网络:经验值管理系统

还有一个比较特别的例子,是作者自己亲身经历过的盛大网络“经验值管理系统”。它把底层人员从原有架构里拆出来,但拆出来以后如何协作?盛大借鉴游戏机制,做了一套内部银行和市场系统。

大家自己去寻找有市场价值的事情做,上面只负责下预算。拿到预算后,具体怎么花由团队自己决定。它相当于把一部分层级管理打回到了市场原型里。但做到一定规模以后,同样很难持续。

为什么这些尝试大多失败

这些案例的问题都差不多。按照杰克·多西的解释,失败的关键就在于:

当你把人打散以后,又不希望他们继续受层级制度影响,就会导致公司扩张效率无法实现,因为没有人负责中间的信息沟通。

也就是说,层级制度虽然笨重,但它承担了一个非常关键的功能:信息在组织中的传递与协调。一旦把这个机制打掉,又没有新的替代方式,组织就会失速。

平台型企业为什么也不是终极答案

海尔看上去相对成功,是因为它做成了平台型企业。但平台型企业也有自己的问题。

  • 第一,平台公司内部自己也是层级管理的。YouTube 内部是层级管理,谷歌内部也是层级管理。
  • 第二,平台规则的制定和调整非常缓慢,不可能今天一拍脑袋就把规则全改了,更不可能天天改。
  • 第三,平台必须保持稳定,否则参与者就不会信任平台,也不愿意在上面持续投入。
  • 第四,平台规则只能面向大多数人,不可能针对每个个体需求做高频快速调整。

因此,像杰克·多西设想的那种“随时识别需求、随时设计产品、随时推荐、随时做生意”的灵活模式,平台本身是做不到的。平台必须稳,而这种新模式追求的是快。

杰克·多西的核心观点:大多数公司用错了 AI

一间传统办公室里,员工们仍在层层审批和开会,桌上只是多放了一个 AI 助手窗口;另一侧则是自动流转的任务、收入增长曲线和被重构的组织节点形成鲜明对比,羊皮纸,钢笔彩色手绘的统一风格。

在提出新组织方式之前,杰克·多西还给出了一个非常重要的观点:大部分公司使用 AI 的方式都是错的

错在哪里?他说,很多公司只是给员工配了一个 AI 助手,但并没有改变公司的组织架构。公司依然是传统层级制度,依然是“罗马军团式”的运作方式。

这种方式当然也能降本增效,也能裁人,但它带不来真正的增长。你原来挣多少钱,现在大概率还是挣多少钱。裁员本身并不是关键,关键是 增收

换句话说,用了 AI 以后,不管裁不裁员,都应该让生意变得更大。如果裁了半天人,收入没涨,甚至还下降,那就说明 AI 没有真正改变公司的增长模式。

这也是作者认为杰克·多西是“AI 裁员第一人”的原因:他裁完以后,收入还在继续增长。这与很多只是为了还债、降成本而裁员的公司不同。

Block 的新公司架构:四层模型

一幅清晰的四层剖面图,自下而上分别是支付借贷等能力模块、由真实交易流构成的世界模型、正在分析与编排方案的智能层、以及面向商家和个人的 Cash App 与 Square 界面层,羊皮纸,钢笔彩色手绘的统一风格。

那么,杰克·多西提出的新公司架构到底是什么样的?

他把公司分成了四个部分。

1. 能力层

第一部分叫 能力层

能力层可以理解为原子化的金融构建块,要求可靠、合规、高性能,而且不带自己的 UI。比如:

  • 支付
  • 借贷
  • 信用卡
  • 银行能力

这些都属于能力层。

2. 世界模型

第二部分叫 世界模型

这里的“世界模型”,并不是指 3D 建模,而是指:基于真实世界信息构建出来、可以实时、机器可读地理解公司运营全貌的模型。

而且在 Block 内部,这个世界模型有两套:

  • 一套给内部使用;
  • 一套给客户使用。

杰克·多西特别强调,这些模型基于的都是真实数据。因为 Block 旗下有 Square 和 Cash App:

  • Square 面向商家,提供 POS 机和支付系统;
  • Cash App 面向个人用户,提供支付应用。

这些系统里流动的都是真金白银,没有什么比资金流更接近真实世界。人们会用钱投票,因此这就是他们世界模型的基础。

3. 智能层

第三部分叫 智能层

智能层的作用,是主动识别需求、组合能力、交付方案。它相当于替代了原来大量由产品经理完成的工作。

过去,公司要解决一个问题,往往需要产品经理先去研究:

  • 是不是应该设计一个新产品?
  • 是不是应该增加一个新套餐?
  • 这里是不是应该多投点广告?
  • 那里是不是需要新的广告素材?
  • 是不是应该做一个折扣活动?

而现在,智能层直接在世界模型上运行,自动生成方案,并且自动执行。

以前要上一个新套餐,通常要经历:

  1. 产品经理提出需求;
  2. 团队开发;
  3. 做合规审查;
  4. 找法务;
  5. 开很多会;
  6. 反复对齐优先级。

现在,多西的意思是:这些中间环节可以由智能层直接完成

智能层的两个例子

例子一:某个餐厅在旺季时突然现金短缺。

系统应该自动识别这种情况,并为它推荐一笔贷款,或者展示“我们有贷款能力,你的评估情况如下,要不要签下来”。整个过程中,不需要开会,也不需要层层申请,AI 系统直接搞定。

例子二:某个用户搬到了一个新城市。

Cash App 能识别出他的行为模式变化,然后自动向他推荐周边返现点、优惠点,告诉他附近哪里更划算。这同样由智能层完成。

4. 接口层

第四层叫 接口层,也就是 Interface。

这一层负责人与 AI 的交互界面,比如 Cash App 的用户端和 Square 的商户端,把前面能力层、世界模型和智能层最终呈现给用户。

这样一来,整个公司就被重新拆成了四大模块:

  1. 能力层
  2. 世界模型
  3. 智能层
  4. 接口层

在这套新架构里,人还做什么

在新的系统里,杰克·多西把人分成了三类。

1. 个人贡献者

第一类叫 个人贡献者,也就是各种行业专家、深度专家、核心能力模块的建造者。

2. 直接负责人(DRI)

第二类叫 直接负责人,简称 DRI(directly responsible individual)。

这些人围绕特定问题和目标,在 90 天周期内负责推进,有点像临时项目经理。他们可以跨团队调动资源,并且对结果负责。

3. 球员兼教练

第三类叫 球员兼教练

他们既要自己构建能力,又要培养人。也就是说,一边要写代码、做事,一边还要带人、教人、兜底。这类人是在高风险环境里做判断的人。

在这三类角色中,只有中间这个 DRI 是临时职位;另外两个,也就是个人贡献者和球员兼教练,都是永久性的。

原来的中层管理者,基本都被转化成了“球员兼教练”。也就是说,你不再只是管理别人,而是要自己下场干活;有事时你还要顶上去做 DRI;有新人进来或其他人不会时,你还得承担教练角色。

这套系统如何运转

杰克·多西这套系统的运转,有两个基础前提。

真实数据是底座

第一,在他看来,现金收益就是最真实的数据,因为没人能在现金流面前撒谎。

Block 做的是支付、商户收款和个人转账,天然就拥有大量真实、连续、实时的交易数据。这些数据非常适合构建世界模型。

远程办公优先,信息留痕完整

第二,Block 是一家 远程办公优先 的公司。既然大量员工都能在家办公,就一定需要非常完善的信息留痕机制。

你做的每一件事都会留下痕迹,例如:

  • 邮件
  • 文档
  • 代码
  • 版本库记录

这样,他们就积累了大量可以拿去训练世界模型的数据。

所以,如果有公司想学 Block,首先要问自己两个问题:

  1. 你有没有足够真实的数据?
  2. 你有没有完整的信息留痕?

如果这两个基础都没有,那么想学这套系统,恐怕还得再等等。

AI 是如何直接提高收入的

商户收银终端前,一家餐厅老板看到系统自动弹出贷款额度建议;另一侧新搬家用户的手机上出现附近返现点与优惠推荐,两条场景由同一套智能流程相连,羊皮纸,钢笔彩色手绘的统一风格。

按照文章中的描述,Block 现在已经开始让这套系统运转起来了。通过自动向商家发放贷款、自动向个人推荐最有效的返现卡和周边优惠,AI 已经在 直接提高收入

而在传统模式下,要做这些事情是非常痛苦的:

  • 先研究是不是要构建一个新产品;
  • 再看卡在哪个审批环节;
  • 确认是否合规;
  • 讨论资源分配给谁;
  • 安排程序员和设计师;
  • 开大量状态同步会和优先级对齐会。

现在,这一切都不再需要。一个事情可以由 AI 自动识别、自动生成方案、自动执行。

以贷款业务为例

尤其在支付领域里,放贷款通常是最挣钱的事情

过去很多公司为了把贷款放出去,会花很多钱打广告。为什么?因为它没办法精准识别谁适合贷款、谁能贷多少、谁信用如何。于是只能广撒网打广告,等客户回来申请,再人工审核,最后经常发现条件不符,白忙一场。

这背后的根源,其实是组织结构问题,也是 KPI 问题:

  • 贷款部门有贷款部门的 KPI,希望多放贷;
  • 投放部门有投放部门的 KPI,要保证转化率;
  • 风控部门有风控部门的 KPI,要控制坏账率。

于是,前端拼命拉人,后端再大量拒绝,整个流程效率很低。

但 Block 不一样。因为商家本来就在使用 Square 的支付系统,所以 Block 直接知道:

  • 你每年挣多少钱;
  • 你的经营情况如何;
  • 你在什么时候最需要贷款。

于是,在你最需要的时候,系统也许只需要在你的终端上展示一次,就足以完成推荐;甚至都不需要额外广告,系统直接告诉你:你可以贷款,而且额度已经算好了。

这样一来,整个效率大幅提升,现金流也会更顺畅地转起来。这就是杰克·多西整套系统的运作逻辑。

这套模式能成功吗

对于这套系统能否成功,杰克·多西自己也说,并不是特别确定,但愿意试一试。如果谁觉得有问题,也可以去跟他辩论。他愿意接受批评,也愿意拿自己的公司做压力测试。

这一点本身,其实是非常难得的。

为什么传统企业很难照搬 Block 模式

不过,作者认为,这件事对传统企业来说很难学。也许会有人尝试模仿 Block,但未必真的敢这么做。因为这套体系意味着:大量原本由中台、管理层、流程审批者掌握的决策权,要转交给 AI 系统

而传统企业往往不是这么运作的。尤其在很多企业文化里,老板才是最终决策中心,甚至是唯一真神。在这样的文化氛围下,让 AI 去承担信息权、资源权和选择权,几乎很难落地。

作者还回忆了自己刚上班时的经历。1990 年代做管理信息系统时,有位师傅曾说:你这个系统设计得挺好,但是成不了。为什么?因为现实组织里有很多“系统之外”的因素,比如哪个处长要下台、哪个科长要上去。一旦牵涉到这些隐性权力关系,系统就很难真正成功。

同样的问题,也会出现在杰克·多西这套系统里。它很可能无法在绝大多数企业里推行。

传统层级制度为什么一直没有消失

一支陷入混战的战场队伍中,士兵们在烟雾中辨认军衔听令;画面另一侧映照成现代办公室中的层级汇报链,强调责任归属与指挥权的稳定性,羊皮纸,钢笔彩色手绘的统一风格。

原来的“罗马式”管理制度之所以长期存在,不只是因为它保守,更因为它有一些很难替代的优点。

其中最核心的一点,就是 责任到人。一层一层往下压,每个人都有 KPI,每个人只管自己的事情。虽然效率未必最高,但责任关系清晰。

此外,还有一个很现实的问题:咨询公司很难帮老板设计一套“削弱老板权力”的组织方案。

比如谷歌这样的公司,如果想做组织架构调整,通常不会凭直觉就动,而是会先找咨询公司,根据需求做方案。但咨询公司一般是在各种确定性框架内帮企业优化,它不可能最后给出一个结论说:

老板你以后没权力了,我们要把整个体系打乱。

因为最后签支票的,正是老板自己。老板不可能给这种方案签字。

如果新模式推进下去,会不会出现人才流失

作者也提出了一个现实问题:如果这套系统真的运转起来,会不会也遇到前面那些案例中的人员流失问题?

比如,有些人可能会觉得:

  • 我在这里折腾半天,也升不上去;
  • 负责的事情都是临时的,过一阵就不是我的了;
  • 想积累位置、积累权力、积累财富,也很难形成稳定通道。

在这种情况下,如果别人来挖他,他是不是就走了?

一旦这种情况大规模出现,组织很可能又会慢慢回到原来的层级结构。因为层级系统虽然问题很多,但它不仅仅只有缺点,它同样提供了稳定的身份、上升路径和荣誉体系。

军衔的意义,也说明了层级制度的价值

作者举了一个很有意思的例子:军队里的军衔到底是干什么用的?上尉、中尉、少校这些军衔,核心作用是什么?

最关键的作用,是在指挥体系被打乱以后,让大家知道现场到底 谁说了算

前线打仗的时候,你不可能保证自己一定能找到团长。比如诺曼底登陆,士兵们从海滩上爬上来,现场一片混乱,那听谁的?很简单:看帽子上谁有杠,没杠的听有杠的。

除此之外,军衔还是一种荣誉系统,这一点也非常重要。

所以,当杰克·多西试图让 AI 去承担信息传递、资源协调和组织分配时,最终到底能把企业效率提升到什么程度,确实还需要继续观察。

作者的判断:值得关注,但不适合大多数公司

总的来说,在新的时代里,公司架构调整一定会被提上日程。杰克·多西提出的这种把原有层级架构解耦的方式,到底能不能持续运转下去,作者个人并不乐观,整体上更偏悲观一些。

作者认为,这种模式也许在某些特定行业、某些特定性格老板的公司里可以试行,但不可能适用于大多数公司,尤其是那些几万人、十几万人规模的大公司,基本上很难这么玩。规模较小的公司,也许还有一些机会。

真正值得参考的地方:也许它最终不再是“公司”

一群分散在不同地点的人没有坐在同一办公室,却通过一个发光的世界模型网络协作,节点连接项目、资金流与任务,呈现出介于公司与去中心化组织之间的新形态,羊皮纸,钢笔彩色手绘的统一风格。

不过,杰克·多西提出的东西,真正有参考价值的地方在于:它最后未必还是以传统“公司”的方式运转

也许改到最后,大家不再属于传统意义上的公司,而是变成一种更松散的协作架构。在没有统一规则平台的前提下,通过一个世界模型来协调大家一起干活。

换句话说,它有可能重新发明出一个像 Twitter 那样的新东西。这一点非常值得思考。

特别是这些年,大家一直在探索各种各样的去中心化组织。杰克·多西这套世界模型,未来也许会演化成这样一种形式:

一群人没有加入他的公司,也没有签劳动合同,但在他的世界模型协调下,依然可以一起工作。

这也许会成为某种未来组织形态。

结语:AI 时代,社会与公司体系会如何变化

这也是作者认为值得继续讨论的核心问题:

AI 来了以后,整个社会体系、员工体系、公司体系,原来这种稳固的金字塔架构,到底会怎么变化?

这也是作者一直比较关注的方向。至于有多少人愿意听,那倒不重要,关键是这件事已经值得认真讨论了。

好,故事就讲到这里。

清明节年轻人不扫祖坟,为什么跑去给曹操送布洛芬?

2026年4月6日 08:57
清明时节的山间古墓前,几位年轻人背着双肩包与相机,手里拿着布洛芬、小酒瓶和手写卡片,墓前松柏、薄雾与春雨交织,带有轻微荒诞感的节日出游场景,羊皮纸,钢笔彩色手绘的统一风格。

清明节了,咱们讲一个清明节话题。

年轻人清明节的新风尚:不给家人上坟,反而去给古人“应援”

曹操墓前的近景,石碑古朴,一只年轻人的手郑重放下布洛芬药盒,旁边还有薯片、辣条、巧克力和小纸条,祭品组合滑稽又认真,春草新绿,羊皮纸,钢笔彩色手绘的统一风格。

现在的年轻人,出现了一种新的风尚:不去给自己家人上坟,反而跑去给古人上坟,而且还会送一些奇奇怪怪的东西。

比如,有人跑去曹操墓给曹操送布洛芬。因为大家玩梗说,曹操不是头疼嘛,就说“曹丞相,给你送点布洛芬来吧”。还有人跑去霍去病的墓,给他送薯片、辣条和巧克力,因为霍去病24岁早逝,觉得那正是爱吃零食的年纪。

在诸葛亮墓前,有人送西成高铁的车票,也就是从成都到西安的车票,说“丞相啊,您一直惦记北伐,您也没去成,我给您送个高铁票,您可以直接坐火车去了”。还有人给诸葛亮送西安的泥土,当然也有人送咖啡。咖啡为什么,我没太想明白,但诸葛亮这一辈子,不就是一直惦记北伐吗。

李白这边就比较简单了,大家送全国各地的名酒,而且经常还带两份,一份给李白,一份给杜甫。酒仙嘛,《长安三万里》这个动画片也带动了这样的风潮,所以很多人跑去李白墓上送酒。至于苏轼,除了送酒之外,还有各种东坡肉相关的东西。

曹丕也有人给他送甘蔗,因为据说他爱吃甘蔗。也不知道曹丕那个年代到底有没有甘蔗。还有人把大学论文打印出来送过去,因为他毕竟是一位有才的人,算是用这种方式去祭奠一下。

唐伯虎一般收到的是桃花酒、桃花香薰这些东西,这还算跟他的文化传说有关系。北魏孝文帝则会收到一个“汉化大师”的荣誉证书,等于是把历史功绩奖状化了,直接玩梗去了。张居正是一位宰相,他收到的礼物则是马应龙痔疮膏,据说是因为坐轿太久患了痔疮。当然这属于野史,也是互联网梗,反正大家就这么送了。

“应援式扫墓”为何会火

墓园入口与旅游景区售票处结合的场景,年轻游客排队入场,手举手机查看攻略,导览牌上写着名人墓路线,气氛像追星打卡又像春日短途旅行,羊皮纸,钢笔彩色手绘的统一风格。

这件事现在已经成了一种新的时尚,相关互联网话题阅读量超过20亿次。从2025年到2026年清明,这种做法被叫作“应援式扫墓”

“应援”这个词是从日本传过来的,意思是去给自己的偶像、爱豆送东西,或者去做一些他们希望你做的事情。现在则是把这些古人当成明星一样追,根据历史文献里读到的内容,去给他们送一些大家觉得他们“可能需要”的东西。

现在年轻人很喜欢干这个事。比如曹操高陵,现在35岁以下的游客占67%。以前可能年轻人对这种事没什么兴趣,现在反而都是年轻人去。新型的祭奠市场也已经形成规模。按2025年开始的统计,这个市场已经有87亿元了。大家去买布洛芬,买一些奇奇怪怪的东西,到曹丞相那里去送一送。

而且还有人给曹丞相送更奇怪的东西,比如三国杀纸牌,说“曹丞相,把你的几员大将都给你送来”,或者“把诸葛亮的纸牌给你送来,你们俩先聊聊”。现在还有一些更复杂的玩偶定制。既然有需求,就有人去做这件事。

连“上坟导游”都出现了

一位举着小旗的上坟导游站在洛阳郊外陵墓群前,身边是一队年轻游客,有人捧花有人拿供品有人举手机录像,远处墓冢绵延,导游正认真讲解典故,羊皮纸,钢笔彩色手绘的统一风格。

甚至这个行业已经发展到什么状态了呢?现在连“上坟导游”这样的职业都出现了。

原来上坟都是给自己家人上坟,不需要导游;现在专门有人干这个活。比如洛阳附近、西安附近,这种古墓比较多的地方,就有人不停地带人去扫祭,到各个名人墓里去祭拜,去给人家献一些奇奇怪怪的东西。特别是在清明节的时候,这帮人的生意尤其好。

而且大家要注意,年轻人跑去祭祀以后,还有一个很关键的动作:不光是给人送布洛芬,还要拍照、拍视频,还要发小红书、发抖音,这个才是最重要的。

所以在这样的情况下,扫墓导游就显得很重要了。到了以后,有什么典故,我们不知道,你得给我讲一讲;附近还有什么名人墓,你得给我们介绍一下;到了那儿应该怎么行礼,怎么做仪式,应该写点什么小纸条送上去,这也成了一门新的生意。

为什么不给家人上坟,却愿意去给古人上坟

城市高楼里的年轻人站在出租屋窗边看着手机日历上的清明假期,桌上是高铁票、电脑和未收拾的行李,窗外细雨朦胧,神情在家乡与远方之间摇摆,羊皮纸,钢笔彩色手绘的统一风格。

那为什么年轻人不给自己家人上坟,反而跑去给曹操、诸葛亮这些人上坟呢?原因其实比较简单,就是现在整个社会和家庭结构都在发生巨大的变化,叫作城市家庭小型化

以前可能是给父母扫墓,现在人的寿命更长了。你想,曹操那个年代,人的平均年龄可能也就三十多岁;现在别说父母了,爷爷奶奶都还准备掏六个钱包给你买房呢。这是一方面。

另一方面,现在很多年轻人离开家乡,到大城市去生活。你让他清明节就这么两三天,还要专门跑回家一趟,去扫墓祭奠,也很麻烦。再加上现在很多地方扫墓时还不许烧纸,不许做传统祭祀活动,这就让这件事显得更没意思了。

所以,现在年轻人专门跑回家去扫墓,已经比较少了。但也不能说他们就忘祖。有的时候他们是先去古人那里送个布洛芬、送个酒、送个甘蔗,做完这些事情以后,再给家里人打个电话,这也就算是“赛博扫墓”了。

清明节、旅游与消费场景的迁移

春日景区里的古墓遗址与旅游街区相连,情侣和年轻游客边走边拍照,纪念品小摊摆着酒瓶、香囊、文创卡片和手账印章,清明假期被转化成轻旅游消费场景,羊皮纸,钢笔彩色手绘的统一风格。

那不给家人上坟,为什么还要去给古人上坟,这不矛盾吗?其实不矛盾。现在清明节是国家法定节假日,我又没法方便地回去给家人上坟,大老远跑回去不划算,那怎么办?我出去旅个游,出去转一转。

而且中国很多节日,某种程度上都已经在往“情人节”的方向发展了。原因很简单,因为情人节是销售额最高的节日之一,大家愿意给女朋友、给另一半买礼物,出去玩的时候也不想显得太抠搜、太穷酸。所以很多节日都会被往消费和情侣场景上去转。但清明节这个事,确实不太容易转成情人节,这个差得还是有点远。

那怎么办?还是要消费,那就旅游。既然旅游了,走到一些景点,走到一些古人文化和墓葬的地方,我们也要打卡、照相,也要买一些纪念品,也要给人写个“到此一游”式的小纸条。

相当于很多文化内容已经发生了迁移。因为家庭结构在变,整个社会形态也在变,但这个节假日还在,所以你就需要一些新的文化去填补它。这就是现在年轻人跑去曹操墓上送布洛芬的原因。

“应援式扫墓”背后的二次元逻辑

一张木桌上整齐摊开祭祖应援物料:亚克力立牌、手写留言卡、小玩偶、高铁票、布洛芬盒、论文打印本,旁边放着历史人物画像和二次元风手账,形成古今混搭的视觉冲突,羊皮纸,钢笔彩色手绘的统一风格。

这种活动,其实更像是二次元亚文化里的“应援文化”。那“应援”到底是怎么回事?先从名词解释说起。

应援

所谓应援,就是用专属物品支持爱豆。在祭祖语境里,就是用符合人物设定的供品表示敬意。比如给张居正送马应龙痔疮膏,就是这种逻辑。

打call

“打call”也就是现场吟唱、喊口号支援;放到祭祖语境里,就变成了坟前念诗、唱歌、留言。

爬墙

“爬墙”原本指的是转换追星对象;到了祭祖这里,就是祭祀完一个历史人物以后,再转去祭祀下一个历史人物。

营业

“营业”原本是爱豆公开活动、更新物料;到了祭祖活动里,就是历史人物的诗文、战绩、故事,成了持续被阅读、被传播的“物料”。

周边

“周边”原本是偶像相关的实体商品;在祭祖这里,就变成了布洛芬、高铁票、论文、马应龙痔疮膏这些东西。当然现在还有更新一代的,完全定制化的祭祖物料。

痛文化

“痛文化”也就是在日常生活用品上印偶像形象。现在也有人把祭祖用的亚克力立牌之类的东西做出来,甚至连这种风格的骨灰盒也有人带进来了。比如摆一个曹操元素的骨灰盒之类的,反正年轻人百无禁忌,也不用太挑理。

这种新型祭祀的几个典型特点

俯视视角下的一张攻略地图,邙山陵墓群路线被红笔圈出,旁边标注精准供品、Vlog拍摄点、定制周边和集中祭祀时间表,像旅行计划也像粉丝应援作战图,羊皮纸,钢笔彩色手绘的统一风格。
  • 精准供品:按照人物的生平人设准备专属祭品,比如曹操的布洛芬。
  • 文旅打卡化:像追星一样做攻略、拍Vlog、发社交平台,祭祀本身成为旅行内容的一部分。
  • 周边化:各种玩偶、小骨灰盒、定制物料不断出现,祭祀用品也在被“商品化”。
  • 集体仪式化:在诞辰、忌日、清明等时间节点,大家集中前往,形成统一活动。

这也是为什么小红书、抖音上会有那么多相关内容。比如像邙山陵墓群路线,很多人就是按路线一圈跑完,反正那边古人的墓比较多。

连给古人上坟,也出现了“鄙视链”

曹操墓前几组年轻人各自摆放不同贡品的对比画面,一边是布洛芬与增高鞋垫,另一边是带注释的牙医玩偶和史料摘录卡片,人物神情带着隐约较劲和炫耀,羊皮纸,钢笔彩色手绘的统一风格。

大家还要注意,所有这种二次元亚文化的事情,往往都会形成一种鄙视链。跑去祭祀曹操,也是有鄙视链的。

比如送布洛芬,这就属于比较底层的玩梗,不算特别厉害。还有人送增高鞋垫,据说曹丞相大概只有一米六几。其实古人大多都不算高,像《三国演义》里写的那些身高,也未必完全可信。送这个的人,会觉得自己比送布洛芬的人更懂一点,能够从典故里引申出更有创意的贡品来。

那顶层是什么呢?是有史料支撑的精准贡品。比如有人跑到曹丞相那里去送一个牙医玩偶,为什么?因为有史料说,曹操的头疼可能和牙周炎之类的问题有关,也就是说,可能是牙有问题才导致头疼。他就会说,你看,别人都送布洛芬,我给你放一个牙医玩偶,显得我研究得更透。

这其实跟很多二次元圈子的玩法也很像:我对这个人物研究得比你明白,我又讲了一个新梗,你没听懂吧。很多人就是通过这样的方式去建立区分感。

总结:节日还在,文化内容已经迁移

黄昏中的古墓与城市天际线并置,墓前留着酒瓶、车票、纸条和一部刚拍完视频的手机,远处高楼亮起灯光,传统节日与现代生活在同一画面里静静相遇,羊皮纸,钢笔彩色手绘的统一风格。

最后总结一下。清明节就不祝大家快乐了。

很多传统文化,面对现代社会结构和文化风气的变化,已经发生了偏移。而且在这种偏移过程中,如果你再把它固定成一个节假日,比如像清明节这样全国放假,那么就一定会有别的文化,尤其是一些亚文化,去填补这些空白。这个空白是不会一直空着的。

在文化偏移之后,节假日还在,年轻人就会跑去做一些奇奇怪怪的事情。也不用太在意他们送什么。其实不管是曹操,还是故去的亲人,都已经没有什么感知了。真正求的,无非是自己的心安和快乐,其他的都不重要。


背景图片

张雪ZXMOTO夺冠争议全解析

2026年4月5日 08:52
国际摩托车赛道上的封神瞬间,一辆带有中国团队气质的赛车在终点前大幅领先,后方多辆赛车仍在激烈缠斗,看台与计时牌清晰可见,速度感强烈,羊皮纸,钢笔彩色手绘的统一风格。

ZXMOTO摩托车的事情已经出来几天了,围绕张雪的几个问题一直都在吵来吵去。今天就把这几个点稍微讲一下。

首先要讲,张雪的摩托车确确实实是在国际上得了大奖,而且还是遥遥领先。这次是真的遥遥领先,其他摩托车通常只差零点几秒,他直接领先了三四秒,绝对是封神场面。后边一堆车还在那儿缠斗,他的车已经领先非常远地冲过去了。

这件事情也确实成为了社交媒体的绝对热点,原因很简单。

  • 第一,中国人又赢了,这个肯定没什么好说的。当然也有另外一帮人说,中国人一定作弊了,这个待会儿再掰扯。
  • 第二,这是一个典型的草根逆袭故事。一个初中辍学生,从修摩托车开始,最后自己成了摩托车公司的老板,自己造出了摩托车,还跑到国际上去得奖了。这种逆袭故事,确实很容易激起大家的反响。
  • 第三,他在直播里说过,重庆政府一个子都没给,一分钱都没给,都是别人给的钱,这也引起了一些讨论。

这到底是一个什么样的比赛?

WSBK量产车赛事的发车区全景,维修区、发车灯、统一编号的量产赛车并列待发,一名法国车手戴着头盔准备登车,赛道边站着工程师与技师,专业比赛氛围浓厚,羊皮纸,钢笔彩色手绘的统一风格。

这是WSBK的比赛,夺冠日期是2026年3月28日和29日。有一场是领先了三四秒,另外一场虽然领先时间没那么长,但有一个名场面,就是他的车手落后以后,在直道上直接冲过去了。这个场面在正常的摩托车比赛里其实很难看到。

这里也要说明,去参赛的是一个法国车手,并不是张雪本人去骑。张雪是摩托车公司的老板,他设计制造了摩托车。他年轻的时候是车手,但现在年纪大了,主要是去造摩托车了。

这是不是作弊?

大家最关心的第一个问题,就是这是不是作弊。

首先要讲,WSBK是一个很大的比赛。摩托车比赛大体分两种:一种叫专业赛车,这种车不允许在市面上卖,只能在赛道里跑;另一种是量产车比赛。WSBK就属于量产车比赛,也就是说,你必须使用量产车,只能在规则范围内做一点点调整,不允许过多改动。

这个比赛里有一个规则叫BOP,也就是平衡性能。因为虽然大家都是量产车,但量产车和量产车之间性能还是不一样。对于一台新参赛的车来说,因为赛事方对你的性能还不够熟悉,所以会给你一些机制,让你可以稍微多调一点。等他们熟悉你的性能以后,再根据你的实际表现给出更具体的调校要求,不允许调太多。

这也就是为什么像杜卡迪、本田这些经常参赛的车,往往都在后边缠斗,谁也拉不开太大差距。因为赛方对它们的性能已经比较了解,可调的范围也规定得比较严格。

而张雪的机车,因为是第一次来参加这个比赛,赛事对它并不是那么了解,所以在调校上的要求没有那么严。等到后面继续比赛,因为已经出现了这种领先三四秒的名场面,赛方一定会对它进行更严格的限制。

赛事技术审查场景,一辆新参赛车被架在检修台上,裁判与工程师围着发动机、ECU和数据板仔细检查,旁边放着写有BOP和平衡性能的规则文件,呈现规则边界与技术博弈,羊皮纸,钢笔彩色手绘的统一风格。

所以这一次不算作弊,只能说是在规则范围内占到了新车的机制红利。所有新车来了,都会有一次或者几次机会,在相对宽松的条件下比赛;但等到赛事方熟悉以后,后边就没有了。下一次,应该就不会再有领先三四秒这种情况了。

中国这么多摩托车公司,只有张雪去了,别人没去。规则就摆在那里,别人没用,只有张雪用了,情况就是这么简单,没有其他问题。所以他这里头确实有一点投机取巧的成分,也确实吃到了规则带来的优势,但不算作弊。

重庆国资为什么没投ZXMOTO?

重庆山城与工业区结合的鸟瞰画面,层叠道路、江边桥梁、摩托车穿行街道,远处是密集厂房与装配车间,城市地形和制造业气质同时显现,羊皮纸,钢笔彩色手绘的统一风格。

第一个问题讲清楚了,第二个问题就是:重庆国资没有投中ZXMOTO,而且还被张雪在直播的时候直接怼了,说“一个子都没给”。那重庆国资会不会觉得很冤?

张雪的经历与重庆的产业环境

这里要先讲一下张雪的简单经历。他初中辍学,前面想做摩托车车手,是真的喜欢摩托车。后来很早就去了重庆开摩托车修理店,带着2万块钱去重庆,有这样一段经历。

张雪是湖南怀化人,为什么一定要跑到重庆去做这个事?因为重庆这个城市对摩托车相对比较友好,城里有非常多的摩托车企业。

  • 比如赛力斯,就是现在造华为汽车的那个赛力斯,原来也是造摩托的。
  • 重庆更早的一代摩托车厂有力帆摩托,2020年破产重整。
  • 中生代有隆鑫摩托和宗申摩托,隆鑫摩托在2022年破产重组,后来被宗申控股。
  • 再往后的一批新生代,就是张雪他们这帮人创建的凯越摩托。

为什么后来变成了ZXMOTO?

一间创业早期的摩托车工坊内部,拆开的发动机、变速箱、图纸和焊接台散布四周,一位执拗的创业者站在零件架前指着自研发动机草图,体现从拼装到自研的转折,羊皮纸,钢笔彩色手绘的统一风格。

后来怎么又变成ZXMOTO了?因为张雪创建凯越摩托的时候,也有人给他投资。不过现在凯越摩托后续的投资轨迹,外界看到的就没那么清晰了。

为什么他后来离开了凯越摩托?当时凯越摩托已经去参加了一些比赛。参赛之后,张雪提出一定要自己造发动机。原来他们买的是宗申的发动机,或者隆鑫的变速箱,大概是拿这些东西拼起来参赛。因为他本来就是修摩托车出身,所以拼这些东西他很熟练,参赛也取得了一定成绩,但并没有得冠军。

然后他说,我们要继续往前走,要造自己的发动机。因为如果一直用别人的发动机,一定会被“卡脖子”。但这个时候,投资人就不乐意了。投资人认为,摩托车也造了,比赛也参加了,现在应该好好卖车、赶紧挣钱。毕竟用别人的发动机去造摩托车,成本比较低;你有了一定名次和名声以后,是可以把车卖掉、实现盈利的。但如果你要自己造发动机,自己研究变速箱,去做摩托车最核心的几个部件,成本就太高了,而且会赔很多钱。

在这种情况下,张雪就只能净身出户,说我不玩了,股份都不要了。因为这个公司是他创建的,所以他最后离开的时候,放弃了百分之三十几的股份。这有点像当年乔布斯被董事会赶走的状态。乔布斯说我要研究新东西,董事会说你歇歇吧,咱先挣钱行不行,然后人就走了。张雪也上演了类似的故事,把股份留给了凯越摩托,自己出来创建ZXMOTO。

为什么ZXMOTO还留在重庆?

ZXMOTO依然放在重庆,原因很简单:重庆有50多家摩托车上下游工厂。你换一个地方,这东西可能就造不出来。虽然发动机最后是他自己造了,这次ZXMOTO夺冠的机器,发动机和变速箱都是他自己造的,但其他零部件在重庆市内都可以配齐,所以他还是留在重庆。

还有一点也要注意,重庆这个城市是不禁摩的。因为山比较多,骑自行车很多地方确实不方便,所以那里是可以骑摩托车的。而且重庆对于摩托车和汽车产业都是非常鼓励的。

  • 一方面有大量摩托车厂和摩托车配件厂;
  • 另一方面还有长安汽车。要注意,长安汽车不在西安,总部在重庆。
  • 再加上很多汽车配件厂,包括前面讲到的赛力斯,这些都是重庆的重要产业。

从国资视角看,为什么不投也说得过去?

一间国资风格的会议室内,几位投资经理面对项目材料、产业地图和上市时间表审慎讨论,桌上同时摆着摩托车模型与新能源、算力项目文件,体现投资取舍与理性权衡,羊皮纸,钢笔彩色手绘的统一风格。

对于国资来说,到底投汽车、投摩托车、投新能源、投算力,不同时间有不同热点。你只要知道这个项目在这里,整个配套也都很全,对方愿意继续在本地发展,这本身就没有问题。并不要求把所有将来可能出彩、可能拿冠军的项目全都投掉。

通常情况下,要求的是:这个案子出来的时候你知道,然后你有一套逻辑解释为什么投、为什么不投。只要这个逻辑是通的,就没有问题。后面某一个你没投的案子突然火了,也不会对投资人造成什么困扰,这不是什么大事。

所以,张雪虽然没有拿到重庆国资的投资,但重庆这个城市、重庆的产业环境,确实给他创造了非常好的生长条件。这里有那么多摩托车厂、汽车厂,而且还不禁摩,允许他在这样的地方生根发芽、一路长起来。这个才是重庆真正做出来的事。

张雪公开表态,会带来什么影响?

直播镜头前的创业者神情直接,桌上放着话筒、手机支架和摩托车零件,屏幕弹幕密集飞过,背景隐约可见厂房与奖杯,呈现一句“一个子都没给”引发的舆论震荡,羊皮纸,钢笔彩色手绘的统一风格。

至于ZXMOTO往后是不是还有什么发展,那就得再看了。张雪现在肯定已经不再是一个愣头青了,不是那个骑着摩托车跑多少公里、希望电视台记者一定拍下来的小伙子了。他现在也一把年纪了,做了这么多年的摩托车修理厂,又做了两次创业,应该已经没有那么多棱角了。

但是,他在重庆这样的地方公开说“重庆市政府一个子都没给”,这件事对他肯定还是会有一些负面影响。为什么?因为市政府特别是国资,除了投所谓的新质生产力之外,还很看重一件事,就是上市。国资投资最重要的一件事之一,就是推动公司上市。比如一个地方有多少上市指标,要让哪些公司去上市,这才是他们真正关心的事情。

从国资视角看,如果投了一个初中辍学生创办的摩托车厂,它最后能不能上市,其实很费劲。在当前这个时间点,基本上不太可能。但如果投的是一些大模型公司、算力公司、新能源公司,至少还有机会上市。

在中国,创投很多时候只有一个核心逻辑,就是上市退出。如果投了很久,最后既没办法上市,也没办法退出,那就很麻烦。你说靠张雪把钱挣回来、靠分红实现回报,那基本不现实。像张雪这种理想主义很强的人,不太像是那种会老老实实替投资人挣钱的人。

拿乔布斯做类比也是一样。乔布斯最后当然创造了巨大的价值,但苹果之所以变成今天这个样子,更多还是在乔布斯去世以后,蒂姆·库克不断扩大产能、回购股票、持续优化商业模式的结果。乔布斯活着的时候,其实并不是那种能让股东赚大钱的典型企业家。

所以像张雪这种人,只要继续这么折腾下去:

  1. 你想拿重庆的指标去上市,这事基本别想;
  2. 就算他现在得了冠军,你去问重庆国资愿不愿意支持一下,对方也还是会权衡,因为让一个摩托车厂上市本身就不容易,而且还是一个这么有理想的人。

你也不能跟他说,咱别做摩托车了,去造汽车吧,去搞点新质生产力吧,冲上市行不行?张雪不是一个听劝的人。如果他是个听劝的人,前面那百分之三十几的股份也不会说放弃就放弃了。所以这样的人很难控制。

为什么上海和江浙的基金愿意投他?

上海与江浙基金经理在现代办公室里看摩托赛事回放,窗外是城市天际线,桌上有投资备忘录、基金文件和一辆精致摩托模型,投资决策中掺杂爱好与信仰,羊皮纸,钢笔彩色手绘的统一风格。

至于上海的基金和江浙的基金为什么愿意投他,那就是另一个故事了。以前做投资的时候,投资经理很多也会带着自己的个人爱好。比如有人喜欢编程,使用过自己喜欢的开源项目,觉得对脾气,就可能投。张雪这个故事也有类似之处。

上海和江浙的一些投资经理,本身就是摩托车爱好者,他们喜欢英雄,也喜欢张雪,所以愿意为信仰买单。

这些项目最后会不会血本无归,不好说。也有一种可能,就是有人会对张雪说:你到我这里来,把总公司放在我这儿,生产厂还可以留在重庆,但公司总部放到上海或者江浙,我们再想办法让你在这边上市。

为什么工厂在重庆,总公司却可能搬走?

有人会问,为什么生产厂可以在重庆,总公司却搬到上海或江浙?这其实很正常。在国资投资里,如果你想拿人家的钱,往往就必须接受“反投”要求。

什么意思?比如我给你1000万,你就必须在我的地面上落2000万。哪怕工厂不来,也得把总公司、账务、融资通道放到我这里来。你所有的收账、借款,最好都从我这里走。这个在很多国资投资里都是常见要求。

所以,未来也有可能把总公司搬到江浙一带去。到那边以后,再看看是不是有机会上市。因为那边现在也在开始搞赛车运动,也在发展这些相关产业,还是有一定机会的。另外,那边的钱相对也更多一些。甭管最后能不能上市,至少现在名声已经打出来了,而且拿到冠军之后,张雪在其他地方推动上市的可能性,也会稍微上升一些。

这就是关于张雪、重庆国资为什么没投、其他资金为什么愿意投的大致逻辑。

张雪的成功,是否意味着年轻人都该去追求理想?

分岔路口上的年轻人背影,一边是高考、大学、稳定就业的道路标识,另一边是摩托车、车间、赛道与未知远方,天空与地面形成鲜明对照,象征理想与确定性的选择,羊皮纸,钢笔彩色手绘的统一风格。

第三个问题,是不是张雪这样一个初中辍学生去追求理想、最后还得了冠军,就意味着大家都应该去追求理想,不用听张雪峰的话了?

前两天我在X平台上和一位朋友有一点小讨论。对方上来就说,张雪幸亏没有听张雪峰的话。意思就是,如果听了张雪峰的话,可能就会去找一个更确定性的学校和道路,也就不会有今天的ZXMOTO。

这话对不对?只能说对一部分。

  • 第一,张雪肯定没有听张雪峰的话。
  • 第二,张雪到底有没有能力去听张雪峰的话,这也是个问题。你得先有资格去走那条路。你如果连中考、高考这条路都彻底走不出来,张雪峰其实也没什么可对你说的。

张雪这样一个从小热爱摩托车、初中辍学的人,他可能压根就没有资格站到那个“听建议、选专业、选学校”的场景里。

但我反驳对方的点在于:张雪确实是一个追求理想的人,这没有任何问题;但张雪能成功,属于非常非常偶然的情况。绝大部分追求理想的人,最后并不会成功。而张雪峰想给更多人的,是一种确定性。

在一个对社会底层、对失败缺乏兜底机制的经济环境里,我们去鼓励很多穷人家的孩子追求理想,其实是一件不负责任的事。所以我认为,在这种情况下,张雪峰依然是有价值的。

对方还回了我一句,说像张雪这样义无反顾追求理想的人,走到哪里都不会太差。我说这个说法不对。这样的人不是走到哪里都不会太差,而是一将功成万骨枯。成了一个张雪,背后一定有千千万万个同样抱持理想、最后却没走出来的人,在某个角落里彻底被遗忘。这样的人,肯定比成功的更多。

张雪确实是一个让很多人扬眉吐气的案例,但我依然不建议大家学习这个榜样。因为很多人可能连“斩杀线”都没有,一旦失败,可能直接就消失了。

如果一个年轻人有能力参加高考,有能力走张雪峰所指的那条更确定的路,那还是应该先走那条路。你说等走完这条路以后,大学毕业了,也学了自己喜欢的专业,然后还想再去追求一点理想,当然可以,而且这肯定比初中辍学直接去追求理想要好得多。

总结

一张复古信息图式画面,赛道冠军奖杯、重庆山城工厂、投资会议桌、年轻人分岔路四个场景被组合在同一画面中,形成文章核心观点的视觉总结,层次清晰,羊皮纸,钢笔彩色手绘的统一风格。
  1. 关于夺冠与规则:张雪这次夺冠,确实在规则层面占到了一些便宜,钻到了规则提供的新车宽松空间,但依然是合规的,不算作弊。下一次规则一定会针对他的车进行调整,想再出现三四秒这种巨大领先优势,基本不可能了,但未来仍然有可能继续夺冠。
  2. 关于重庆国资:从重庆国资的角度来说,没有人会因为当初没投张雪而受到处罚,这不是什么问题。如果有人因为“你当时没投张雪”就要处罚谁,那反而说明这个人非常狭隘。从正常的投资逻辑来说,不投他完全说得过去。
  3. 关于年轻人的选择:张雪虽然是一个草根逆袭、给很多人带来希望的典型,但我依然建议年轻人,在有机会的情况下,还是老老实实高考、上大学,走一条更有确定性的路,为自己的未来多积攒一些资本。不要一上来就初中辍学去学张雪。这个故事确实很激励人,但并不适合作为普遍的人生模板。

背景图片

Oracle裁员3万人,AI先清哪些岗位

2026年4月3日 08:55
清晨昏暗卧室里,一名科技公司员工坐在床边低头看手机上的裁员邮件,窗外微亮,不同时区的钟表挂在墙上分别指向旧金山、纽约、班加罗尔与伦敦,空气紧绷而安静,羊皮纸,钢笔彩色手绘的统一风格。

Oracle突然裁员3万人。很多员工是在凌晨6点收到邮件后,才知道自己失去了工作。

这里说的凌晨6点,实际上是美西时间早晨6点,很多人刚起床就看到邮件了;美东时间是早晨9点,也就是刚进办公室的时候看到邮件;印度是晚上18点30分,下班回家的时候看到邮件;欧洲员工则是在下午3点上班期间看到邮件。邮件内容非常简单,基本就是通知你被裁员了,几乎没有任何可以反驳的空间。

国内据说也有一部分上海员工受到波及。网上流传的信息是,国内给的补偿还不错,但前提是要尽快签字同意;如果想拖一段时间,再和公司谈,条件可能就会发生一些变化。

裁员规模:或为2026年已知最大科技裁员之一

一幅俯视视角的全球地图铺展开来,美国、印度、中国、加拿大、墨西哥与乌拉圭被红色墨水重点标注,地图边缘散落着写有裁员人数的小纸条与公司名牌,呈现全球同步收缩的气氛,羊皮纸,钢笔彩色手绘的统一风格。

这次受影响的人数大约在2万到3万人之间,占Oracle全球16.2万名员工的18%。这个比例非常大,算得上是2026年目前已知最大规模的一次科技公司裁员。

  • 印度裁了1.2万人,班加罗尔和海德拉巴都有波及;
  • 美国大约裁了1.1万人;
  • 加拿大、墨西哥、乌拉圭等地也受到影响;
  • 中国媒体上也能看到国内有波及的消息。

很多国内媒体一看到印度裁了1.2万人,比美国还多,就开始解读成“拉里·埃里森受不了阿三了,把他们都干掉了”。这种说法其实没必要。这次裁员本质上是全球性的。

哪些部门受影响最大

企业组织结构图被钉在公告板上,RHS、SaaS、虚拟运营服务、NetSuite印度研发中心、Corner等部门名称被红笔圈出并划掉,旁边放着医疗档案夹、云服务图标和研发蓝图,象征多个业务同时收缩,羊皮纸,钢笔彩色手绘的统一风格。

受影响的部门主要包括:

  • RHS,也就是营收与生命科学事业部,主要做健康和医疗相关业务,裁了30%;
  • SaaS和虚拟运营服务,裁员30%;
  • NetSuite印度研发中心更是全部裁掉,一个不剩;
  • 还有Oracle收购的医疗数据公司Corner,也裁了30%,连总监都被裁了。

重灾区岗位:DBA、方案工程师、技术支持

DBA首当其冲

被裁最严重的岗位,首先是DBA,也就是数据库管理员。以前Oracle的DBA证书是IT行业最值钱的证书之一,另一个是Cisco的网络配置相关证书。过去考DBA需要背大量知识,现在谁还费这个劲,直接问AI就行了,甚至都不用问,直接让AI去做数据库优化就可以了。所以,DBA成了这次裁员的重灾区。

方案工程师被大量压缩

第二类是方案工程师。简单说,就是给客户做系统方案的人。以前也有类似sales engineer,也就是售前工程师,除了做方案,还要去讲方案。现在被大量砍掉的是偏后端、偏方案设计的那部分人。

技术支持同样受创严重

一间技术运维中心里,数据库机柜、系统流程图和客户支持工单堆满桌面,一侧是沉思的DBA与方案工程师,另一侧是发光的AI界面自动生成数据库优化与部署建议,形成岗位被替代的直接对比,羊皮纸,钢笔彩色手绘的统一风格。

第三类是技术支持,也就是系统上线之后负责培训、维修、售后支持的人。这一块也属于重灾区。

此外,数据库云运维岗位也被大量裁撤,这类工作很容易通过AI提效,甚至很多agent可以直接自动化完成。再就是SaaS运营,客户买了SaaS系统以后,后台还需要一些运营服务人员,这些人同样是重灾区。

总的来说,所有非AI岗位,以及那些可以被AI替代的运营岗位,都在被大量裁撤。

H-1B争议:一边裁员,一边继续引进人才

这次裁员里还有一个H-1B“双标争议”。Oracle在2025年获得了2690份H-1B工作签证。一边裁掉美国本地员工,一边继续从国外引进人才,这让很多员工非常不满。

也有一些刚刚拿到H-1B的员工同样被裁掉了。被裁以后,他们必须在60天内找到新工作,否则就得回国。

公司利润大涨,为何仍大规模裁员

华尔街风格的财务场景中,一边是向上攀升的营收与AI基础设施曲线,另一边是成排被打包带走的办公桌和员工工牌,背景有正在建设的大型机房与股价上涨的行情板,羊皮纸,钢笔彩色手绘的统一风格。

更矛盾的地方在于,公司利润大涨,却仍然大规模裁员。以前大家理解裁员,通常是因为公司业绩不好;但这一次,Oracle刚刚交出了有史以来最赚钱的一个季度:

  • 营收增长22%;
  • 云基础设施收益增长84%;
  • AI基础设施收益增长243%。

当然,也有增长不那么理想的业务。Oracle传统软件业务只增长了3%,基本没跑赢通胀,算是有点下滑;硬件业务只增长了2%。所以现在出现的情况是,公司整体很挣钱,但一边砍人,一边大建机房和算力基础设施。

资本市场对这件事显然是欢迎的,消息传出后股价一度涨了8%,虽然当天最终大概只涨了2%。

Oracle到底是真的挣钱,还是“打肿脸充胖子”

问题就在这里:Oracle到底是真的挣钱,还是在“打肿脸充胖子”?财报看起来可以很漂亮,但财报本身也可能是“做”出来的。

比如提前确认收入,把未来几年的收入提前算到现在;又比如把本期费用推到未来,像研发成本、设备投入不在当期记费用,而是记成资本支出,再分几年慢慢折旧;再比如通过期权注销来“变出利润”。

仔细分析下来,这次Oracle的收入确实是真的,不是假的。Oracle虽然是一家负债率很高的公司,比英伟达、微软、谷歌这些都高很多,但这次收入本身没有造假。

利润的“特别”来源

不过,它的利润来源确实有些“特别”。首先,期权注销这件事本季度还没做,要到下个季度才会体现。所谓期权注销,就是员工收入中有一部分是工资,有一部分是期权。公司本来需要为这些期权预留利润,但如果一下子裁掉3万人,其中大量期权直接作废,下个季度利润表就会变得更好看。

但即使不看这一块,Oracle本季度的赚钱方式也和传统意义上的“主营业务增长”不完全一样。它是一边大量融资、借钱,一边建设算力中心。建设机房的钱不会计入当期费用,而是算作资本支出,未来几年慢慢摊销。也就是说,钱虽然已经花掉了,但当期利润表里不会直接体现。

然后,机房建好之后,它再把算力卖给OpenAI。Oracle确认收入时,是按当期实际收到的钱来确认的,不会把未来远期协议提前算进来。所以收入确认这一步本身也没问题。

但问题在于,这种业务的利润率比较低。对于云计算公司来说,真正高利润的是那种客户把整套业务都建在你平台上,尤其还用上Oracle数据库和一整套软件服务的时候;如果只是把机器卖给OpenAI,对方说“我就要机器,别的都不要”,那利润率就低得多。

高利润业务并没有全面爆发

一座新建成的算力机房内部,长排服务器与冷却管线延伸至远处,前景中一份合同标着OpenAI,另一侧被搁置的软件产品手册和SaaS图标显得冷清,表现低利润卖算力与高利润软件业务的分化,羊皮纸,钢笔彩色手绘的统一风格。

那Oracle有没有打算继续深耕高利润的SaaS和软件服务呢?从裁员情况看,显然没有。因为做SaaS的人都被裁了。它现在做的选择更像是:我就赚简单的钱,把机房建好,整包卖给OpenAI,别的都不管。

所以某种意义上,这也算是一种“左手倒右手”:借钱盖机房,盖机房的钱不算当期费用;机房卖出去的钱却算进了当期收入。

Ampere交易:又一块关键利润来源

另外还有一块比较特别的利润来源,就是Ampere。Ampere是一家做服务器Arm芯片的公司,Oracle自己就是它的投资方,而且Oracle云上也在使用Ampere的CPU。这个公司最早由英特尔前CEO创建,Oracle早期总共投了5亿美金,里面包括股权、债权、可转债、预付款等。

这次Oracle把自己手里Ampere的全部股份都卖给了软银。软银原本有Arm,但Arm本身主要是做IP授权,不直接做CPU;真正把授权做成CPU的是高通、博通、英伟达这些公司。软银买下Ampere之后,相当于补上了自己做芯片的能力。Ampere的芯片已经做出来了,而且Oracle云上就在用。

这笔交易里,Oracle一把把股份卖了43亿美金,净赚38亿美金,税前利润大约是27亿美金。具体怎么算不重要,重要的是,这部分利润也进了Oracle的账。

所以,Oracle确实挣钱,而且合法合规地挣钱。但如果仔细拆开来看,它并不是那种“高利润主营业务全面爆发”的状态。高利润的老业务,比如医疗系统、SaaS、服务器、数据库,并没有明显增长,甚至有些是持平或略有下滑。真正支撑财报好看的,是借钱建算力中心再卖给OpenAI,再加上卖掉Ampere股权这样的资本操作。

换句话说,Oracle的财报不能说有假,但也不能只看表面。它的日子并没有财报上看起来那么轻松。

Cerner整合不顺,Oracle Health成裁员重点

医院信息中心与企业会议室交叠的场景里,Cerner旧标识与Oracle Health新标识并排悬挂,电子病历界面、医生工作站和高层整合流程图彼此冲突,几名管理者在争论,象征收购后整合不顺,羊皮纸,钢笔彩色手绘的统一风格。

再说回裁撤的具体部门。第一个重点就是Cerner。它是Oracle历史上最大的收购案之一,2022年以280亿美金收购,是美国电子健康记录领域的绝对霸主。美国大量医院的电子病历系统都跑在Cerner上。Oracle收购后把它改名为Oracle Health。

问题在于,整合一直不顺。大公司收购之后最难的就是整合,原来的团队有自己的客户和做事方式,被收购以后往往会抗拒“被指手画脚”。Cerner被收购到现在已经4年了,还是没整合好。

整合不顺会导致什么?人员流失。而这种系统一旦核心人员流失,往往不只是员工走了,客户也会跟着流失,因为很多人是带着客户资源一起走的。结果就是客户被竞争对手接走,竞争对手再反过来继续挖人。

分析师其实早在2026年1月就说过,这块业务要么重新卖掉,让它自己独立发展;要么就大裁员。现在,Oracle选择了后者,直接裁了30%,不少M4、M5级别的总监都被裁掉了。

AI替代正在发生:47人DBA团队只剩3人

另一块重点是SaaS运维被AI替代。Oracle有个部门叫SVS,也就是SaaS和虚拟系统运营,收入还略有增长,但已经不需要那么多人了。一个47人的DBA团队,在经历了8个月AI试点之后,只剩下3个人。

这就是非常典型的“AI蒸馏真人”。DBA这种工作高度依赖经验,不是靠看手册就能做的。比如某个表平时很少调用,但每个月月底算账时会频繁读写,这种知识往往不会写在任何文档里,而是存在人的脑子里。

正常情况下,这种经验很难被替代;但当公司用AI去持续监控人的工作过程、不断学习人的决策逻辑时,8个月时间就足够把很多经验蒸馏出来了。

现在AI可以处理94%的日常问题,剩下3个人只需要处理6%的复杂问题,以及盯着AI干活就行了。这就是所谓“蒸馏员工”的过程。

拉里·埃里森的思路

俯视一间未来感控制室,原本坐满47名DBA的长桌如今只剩3名工程师,中央巨大屏幕上的AI代理同时监控数据库告警、查询优化和自动工单流转,桌面散落旧培训手册与被撤下的工牌,羊皮纸,钢笔彩色手绘的统一风格。

拉里·埃里森的思路也很明确:你只要把需求描述清楚,AI就能把代码写出来。Oracle内部甚至专门搞了一套“声明式编程”的东西,强调不要一上来直接写代码,而是先把“我要做什么”用自然语言描述清楚。这样AI更容易理解意图,也更容易从员工日常工作中进行蒸馏和替代。

这次很多中层沟通岗位也一起被干掉了,尤其是那些跨团队协调、写汇报、追流程、拉会开会的岗位。这类工作恰恰是AI非常擅长的,做成自动化系统后就能直接替代。健康系统和SaaS系统里,被裁掉的30%员工中,相当一部分就是做这些事情的。

舆论为何强烈反弹

也正因为如此,这轮裁员特别容易引发情绪爆点。因为被裁的不只是年轻人,还有很多年龄较大的员工。有人60岁了,再过两年就退休;有人刚拿到H-1B;有人得了癌症;还有孕妇被裁。这些案例叠加起来,社会舆论当然会非常大。

目前还有一个传言,说后面可能还要再裁8000人。不过这个消息主要来自印度媒体引用员工口述,Oracle并没有回应,因此还没有证实。但从现在的趋势看,就算再来一轮,也不会让人太意外。

这场裁员背后,是AI时代的“圈地运动”

广阔土地上竖起围栏,传统工位与办公隔间被推向远处,而一座座巨型数据中心、GPU机柜与高压电塔正在迅速扩张,少量被留下的工程师站在高处俯视,形成“机房吃人”的强烈隐喻,羊皮纸,钢笔彩色手绘的统一风格。

说到底,这件事反映的是AI时代的“圈地运动”还在快速进行。过去是“羊吃人”,土地被圈起来后,人失去土地,只能进工厂打工;现在更像是“机房吃人”,机房、GPU、电力这些基础设施不断扩张,中间的人被直接裁掉。

过去很多人觉得,AI没那么容易学会人的复杂经验;但现在看,把员工几个月内的操作过程蒸馏出来,再把员工裁掉,这件事已经完全可行了。那些被裁员工的技能,未来可能会变成一个后训练模型,也可能会变成大量上下文数据。

原来那些中层、沟通、协调岗位,基本不太可能继续大规模保留下来。未来公司的组织架构,和今天相比,很可能会完全不同。

AI基建需求正在被市场验证

至于“AI基建能不能真正卖出去”这件事,现在市场已经不像过去那样怀疑了。不管是OpenAI、Anthropic,还是谷歌,甚至国内很多AI公司,都已经面临算力不够的问题。AI算力需求增长的速度,已经超过了机房建设的速度。

大家不再怀疑这些基础设施建出来能不能卖掉,而是担心根本建不够。

K型社会加速形成,中间层被清除

 一幅明显分叉的K形道路,向上的一侧通往资本市场、云平台和巨型算力中心,向下的一侧是抱着纸箱离开的被裁员工,中间原本密集的办公楼层正在被抽空,构成社会分层的直观画面,羊皮纸,钢笔彩色手绘的统一风格。

这也意味着,一种K型社会正在形成。像Oracle这种靠资本、靠算力、靠平台,去做基础设施的人,会不断向上;中间层会被大面积清除;底层则是被裁出去的人。Oracle这次裁员,本质上就是把中间层砍掉。

所以,对于还在大厂里“当一天和尚撞一天钟”的人来说,确实应该开始认真思考未来了:你到底是向上走,还是向下走?你现在做的事情,是不是主要停留在中间层的沟通和协调?如果是,那风险其实已经越来越明显。

结语

Oracle这封凌晨发出的裁员邮件,不会是开始,也不会是结束。AI不是在简单取代人类的工作,AI是在重新给人类的工作定价。同样的工作,以后只需要更少的人,这一点几乎已经可以确定。真正的问题是,那些被取代的人,未来还能做什么。


背景图片

Prompt:in the style of Hayao Miyazaki-inspired hand-painted watercolor, Studio Ghibli aesthetic, soft atmospheric perspective, Indian Oracle company office, massive open floor plan, neat rows of empty workstations, Indian-style architectural details like ornate jali screen partitions and vibrant tapestry accents, warm natural daylight streaming through tall windows, lush potted plants bringing life to the space, hand-rendered brush strokes, gentle color palette with terracotta and saffron tones, spacious and tranquil atmosphere –no people, no text, no watermark –ar 16:9 –stylize 150 –chaos 8 –v 7.0 –p qaczhqj

Claude Code 源码泄露全解析

2026年4月2日 08:46
一张摊开的羊皮纸上铺着代码包裹清单、云存储链接、source map 标记和一个被撕开的“closed source”封条,几只手正把打包文件从木箱中抽出,像机密文件意外散落在桌面上,羊皮纸,钢笔彩色手绘的统一风格。

Claude Code 源代码泄露了。一个以安全著称的 AI 公司,为什么总犯这种低级错误?AI 干活到底靠不靠谱?

先讲简单事实。2026 年 3 月 31 日,Claude Code 的源代码泄露了。它本身不是开源软件,而是闭源软件,但在打包发布时,直接把源代码一起打包进去了。发布之后很快就被人发现了。从名字上看,发现的人应该也是中国人,叫“潮饭说”。发帖披露后,这个帖子获得了 2.2 万次点赞和 1100 万次阅览,一下就爆发了。

先说结论:这不是第一次,已经是 Anthropic 第三次干出同样的事了,都是在发布时直接把源代码打包进去。这种泄露对于 Anthropic 来说损失巨大。各个层级的竞争对手都可以从中学习它的软件架构,连防蒸馏模块也一起泄露了,反而更方便竞争对手去进行蒸馏。商誉也受到了难以估量的损害。它号称最安全,结果却先干出这种事。

按 Anthropic 现在的内部工作方式来看,内部每天 60 到 100 个内测版本,对外基本日更,慢一点也是两三天更新一次,90% 的代码和流程都由 AI 控制。这种事情几乎没办法彻底避免。想继续当老大,就不能慢下来,必须越来越快。所以这绝对不会是最后一次。

这件事可以分几部分来讲:

  1. 技术上到底发生了什么;
  2. 这次泄露的内容里到底有哪些有趣的东西;
  3. Anthropic 这次损失到底有多惨;
  4. 留给 Anthropic 和它竞争对手的选择其实都不多,只能继续狂奔;
  5. 对于普通项目和个人来说,到底能不能安全地使用 AI。

技术上到底发生了什么

一名工程师站在巨大的打包流水线旁,左边是成叠的 TypeScript 文件,经过齿轮和压缩机后变成一卷难以辨认的 JavaScript 长卷轴,旁边悬挂着标注“source map”的对照图,羊皮纸,钢笔彩色手绘的统一风格。

Claude Code 不是一个特别庞大的系统,一共大约 51 万行代码。对比一下:Linux 内核大约 3500 万到 4000 万行,Chrome 浏览器 3600 万到 4000 万行,VS Code 大约 300 万行,PostgreSQL 约 130 万行。所以 Claude Code 其实不算特别大。

它的代码是用 TypeScript 写的。写的时候肯定要求提高可读性,虽然大部分是 AI 写的,但人还是要进去读。发布时,它发布的是一个 npm 包。npm 有专门的打包工具,打包时会把这些代码转换成 JavaScript。

JavaScript 虽然也是解释执行的语言,但在打包过程中,会把所有细碎的小文件塞进一个完整文件里,再把变量名处理掉,做代码混淆,把注释去掉。做完这些以后,代码就非常难读了。拿到打包后的代码,一般很难直接解读。不是完全不能逆向,但极其费劲,尤其是 50 多万行代码,做逆向工程会非常困难。

但问题是,打包后还得保证代码能正确执行,还要调试。不能说在原始代码上调试完,打包之后就不管了。所以这里就需要一个东西,叫 source map,也就是源文件映射。它的作用是告诉你:打包后那份几乎人类不可读的代码,原来对应的是哪个文件、什么名字、哪几句代码。

这次 Anthropic 把这个东西也一起放进包里了。有了 source map,理论上就可以还原和处理这些代码了。但更夸张的是,source map 里还写了一句:他们把所有源码包放在 Cloudflare 的 R2 空间上。

R2 本质上是一个公开可访问的对象存储空间,类似网盘,文件上传之后可以通过 URL 获取。正常情况下这也未必有问题,因为链接本来是很长的一串乱码,外人通常找不到。但 Anthropic 把这个链接直接写进了 source map 里。

结果大家顺着这个线索一看,发现里面有个叫 src.zip 的文件。打开一看,1900 多个文件。也就是说,连根据 source map 去反编译、去还原代码这一步都省了,直接把完整源代码包抓回来了。这等于发福利发得非常狠。

正常情况下应该怎么避免

正常情况下,怎么避免 npm 把这些内容打进去?开源软件通常会把源码文件一起打包进去,这没问题,比如 OpenCode 之类的开源项目就是这样。但闭源项目在打包时,应该写一个叫 .npmignore 的文件,告诉打包工具哪些文件不要放进去。

正常流程应该是在打包前把 source map 等不该发布的文件排除掉。问题在于,这个 .npmignore 文件大概率也是 Claude Code 自己,也就是 AI 写的。而 Anthropic 的代码,包括 Claude Code 自己的代码,90% 以上都由 AI 生成。于是这个文件写错了,最终导致了这次泄露。

Anthropic 的补救措施

一群法务和工程师在翻倒的代码木桶前紧急补漏,有人重新贴上 v2.1.88 标签,有人举着 DMCA 文书追赶四散飞走的代码纸页,远处的仓库镜像已经像野火般蔓延,羊皮纸,钢笔彩色手绘的统一风格。

Anthropic 当然也做了补救,而且补得很快。泄露包发布几小时后,他们重新发了一个补丁包。原来是 v2.1.88,修补后版本号还是 v2.1.88,只是把 source map 文件删了,再发了一次。

然后又向 GitHub 提交了 DMCA 申请,也就是数字千年版权法案请求,要求删除泄露内容相关的仓库,总共删了 8100 多个仓库。

但这肯定已经晚了。像这种本来就在风口浪尖上的项目,一旦被发现出事,信息传播速度会非常快。大量分支仓库、镜像仓库肯定已经出现了。GitHub 上这类删除操作,必须找到最初的源头仓库,把它的所有分支都删掉才有效。

但只要有人把代码拉下来,稍微改几句,再传一个新仓库上去,这种就删不掉了。所以这类补救基本只能算聊胜于无,相当于“我已经努力过了”。

Anthropic 的官方 X 账号和官网都没有发出任何公开说明。这个也不难理解。一个以安全著称的公司,干出这种事,确实很难对外解释。

当然,犯这种低级错误的公司绝不止 Anthropic 一家。不要因为这个事件就简单得出“Anthropic 不安全”的结论。实际上,它可能依然是最安全的那一批。之所以这件事闹得沸沸扬扬,是因为它站在风口浪尖上,被太多人盯着。一旦出纰漏,就会快速爆发。很多没那么知名的小项目,源码一样可能满天飞,只是大家懒得看而已。

这次泄露内容里有哪些有趣的东西

一张长桌上摆着泄露代码拆解后的几件“样本”:写着 Undercover Mode 的面具、带锁的思维链卷轴、假工具调用的木偶机关、满是表情符的日志页,以及角落里几个尚未开启的功能开关,羊皮纸,钢笔彩色手绘的统一风格。

1. “卧底模式” Undercover Mode

第一个是“卧底模式”,Undercover Mode。这个功能是干什么的?它会在每次向 GitHub 公开仓库提交代码时,先检查代码里有没有写“这是由 Claude 生成的代码”、有没有暴露 Claude 的版本号。

如果有,就把这些痕迹删掉,让它看起来像真人写的一样。这个机制本身未必有问题,但现在它自己也随着源码一起泄露出来了,就显得很讽刺。

2. 反蒸馏模块

第二个比较有意思的是反蒸馏模块。大家知道,很多模型会去蒸馏 Claude 模型。为了防止被蒸馏,Claude Code 里专门写了一个模块来做这件事。

这里面有几步:

  • 第一步是假工具注入。大模型是可以调用工具的,它会在 API 响应里埋入虚假的工具调用,让竞争对手收集到的训练数据带毒。
  • 第二步是思维链加密。Claude 的思考过程其实也会发到客户端上,但它是加密的,必须用自己的 API key 才能解开来看,这也是为了防止蒸馏。
  • 第三步是输出投毒。Claude Code 的流量使用定制的 JSON 协议做隔离,让爬虫更难解析。

结果这次连整个防盗系统也一起泄露了,大家就看到了它在反蒸馏方面的这些小心思。

3. 大量表情符

第三个比较显眼的是代码里表情符特别多。因为它 90% 都是 Claude Code 自己写的,所以代码和日志里有大量表情符。这个其实不难理解。AI 写完代码以后,人还是要读的,加入一些表情符确实能提升阅读体验。

4. 泄露内容中总结出的 14 条提示词原则

一位导师在羊皮纸墙前给学徒讲解十四条规则,每条规则都写成清晰的小模块卡片:禁令、反对者角色、逐步授权、按需供给、模块化提示词,桌上摆着羽毛笔和整齐的提示词草稿,羊皮纸,钢笔彩色手绘的统一风格。

还有人从泄露内容里总结出了 14 条提示词原则,认为普通人也可以借鉴。不管你是在带下属、带学徒,还是平时和 AI 对话,这些思路都挺有参考价值。

  1. 用禁令代替指令。与其告诉 AI“你要做这个、你要做那个”,不如明确告诉它“你不许做什么”。可做的事情很多,不可做的事情相对更少,把禁令写清楚,反而更容易把事做对。
  2. 专门设计一个“唱反调”的角色。它的任务不是确认一切都能用,而是尽量找出问题。
  3. 不要画蛇添足,不要加用户没有要求的东西。AI 特别喜欢顺手多改一点,这往往很危险。这次 .npmignore 被改错,很可能就跟这个习惯有关。
  4. 如实汇报,不要润色,也不要过度谦虚。AI 经常在回答完后补一句“我可能理解得还不够透,您再看看”,这种其实是一种提前甩锅。源码里也有明确约束,不让它这么干。
  5. 活可以分出去,但思考不行。可以开很多子任务并行处理,但最后判断必须回到主任务来做。
  6. 不知道就说不知道,不要猜。这是为了堵住 AI 幻觉的最大来源。
  7. 先看再改,不要凭空编造。AI 编程时经常不先读完整上下文,就直接生成一堆代码,结果根本跑不起来。代码约束很强,认真读完上下文再动手,出错率会低很多。
  8. 一次授权不等于永久授权。某件事这次可以做,不代表以后同类事情都默认可以做,每次都应该重新确认。这一点其实挺反人性的,因为大家用 Claude Code 时,常常会被频繁询问“这能不能做、那能不能做”,最后用户往往会烦,直接选择“以后别问我了”。
  9. 每条禁令都要写清楚为什么。不能只说“不许这样”,还要说明原因,否则 AI 会试图绕过去。
  10. 信息按需提供,不要一次全给。每次让 AI 干什么,就只给它和当前任务相关的信息,不要把一大堆无关内容都塞进去。
  11. 尤其不要每次都把完整工具手册甩给 AI。最省事的方式看起来像是给它一本“工具宝典”,让它自己查,但实际上这样效果并不好。
  12. 沟通规范要细致到标点符号。某些标点在 Markdown 或其他标记语言里有特殊意义,可能导致内容显示异常,所以这些都要明确说明。
  13. 不同场景加载不同规则。因为系统里有很多 agent 和子 agent,每个子任务都应该有自己对应的系统提示词,否则很容易串。
  14. 提示词不要堆成一大段,要模块化。要有缩进、有步骤、有约束、有例子,写清楚先做什么、后做什么,这样 AI 更容易理解,也更不容易出错。

5. 还没发布的隐藏彩蛋

除此之外,还有一些隐藏彩蛋,也就是功能还没发布,但代码已经埋进去了,将来只要开个开关就能启用。

  • Think Back:类似回想功能,用来做年度代码总结,比如你一年里写了什么代码、花了多少时间,听起来有点像代码版的年度复盘。
  • Buddy 宠物系统:有 18 种宠物,每个宠物有不同性格。未来很多 AI agent 可能会以这些宠物性格来为用户服务。一个安全公司,代码里埋了一堆宠物,也挺有意思。
  • Memeing:训练数据里出现了这个词,社区猜测这是 Anthropic 专门调教 Claude 更会玩梗的一部分训练数据。

Anthropic 这次到底有多惨

几个竞争对手阵营围着一幅摊开的客户端架构地图,地图上标着多代理协作、状态机、压缩策略、接口路径,另一侧有人正把同一套设计改写成 Python 和 Rust 两种蓝图,羊皮纸,钢笔彩色手绘的统一风格。

这次确实是损失惨重。竞争对手拿到了什么?是 51 万行代码、1900 个文件,也就是 Claude Code 完整客户端的全部内容。

已经有人拿着这些代码,只做了很小规模的补全,就能顺利编译出 Claude Code。它所有的机制,多代理协作逻辑、状态机、客户端展示方式、上下文压缩策略,甚至客户端侧的 5 层压缩策略,全都暴露了。

服务端部分因为没有代码,只能通过客户端反推,但很多关键接口和调用方式也都能部分逆向出来。至于 Claude 模型本身的推理引擎,那个在服务端,看不到;针对 Claude 的深度优化,也看不到。但即便如此,泄露的价值已经非常高了。

而且,这不是第一次。2025 年 2 月,Claude Code v0.2.8 和 v0.2.28 的源代码也发生过同样方式的泄露,都是直接把 source code 给出去了。4 个月后,也就是 2025 年 6 月 19 日,OpenCode-AI 这样的项目就上线了,现在号称是 Claude Code 最好的开源平替。

与此同时,Google 的 Gemini CLI、OpenAI 的 Codex CLI,以及国内的千问 Code,基本都是在 6 月前后上线的。

拿到这些代码以后,大家不会明说“我参考了你”,但一定会先研究、消化、理解,然后再“致敬”一下,把自己的产品上线。某种意义上,现在这个 Harness Engineering 的时代,基本就是上一次泄露推动出来的。上一次泄露几乎像一次“生物大爆炸”,突然一下,相关物种全出来了。

而这一次,事情更进一步。因为现在泄露代码本身就可以交给 Claude Code 来读。拿到代码以后,快速解析、快速补全、快速转译,几个小时内就能完成。以前 50 多万行代码,即便不算特别大的软件,要真正读明白,往往也需要几个月。现在在 Claude Code 的帮助下,几个小时,一个人就能搞定。

GitHub 上甚至已经有人把这套代码完整转译成 Python 版本或 Rust 版本,而且已经跑起来了。

为什么 Anthropic 很难彻底封堵

那 Anthropic 能不能彻底封堵,比如把这个版本废掉,做一次大升级,连服务端也一起改,让旧代码彻底失效?不行。除了向 GitHub 发 DMCA 请求之外,它没有太多别的办法。

因为服务端需要向下兼容,你不能说为了封堵泄露,就把所有老版本客户端都废掉。前面还有那么多用户签了协议、正在使用,不可能说改就改。所以它只能眼睁睁看着竞争对手做逆向、做代码蒸馏。

更糟的是,连防蒸馏模块都泄露了。大家甚至能据此更容易仿出一个 Claude Code 客户端,再去和它后端模型通信,蒸馏起来会更顺手。

更大的损失是商誉

更大的损失其实是商誉损失。很多人用 AI 时本来就不太踏实,会倾向选择一家“更安全”的公司。Anthropic 原来在这方面的名声非常好,甚至国防部都会用它的产品。

但现在它出了这种事,而且还是同样的低级错误干了三回,这对它的品牌伤害非常大。同样的事情如果是马斯克干,可能大家觉得无所谓;但 Anthropic 干,就真的是丢不起这个人。

AI 靠不靠谱:为什么这类问题还会继续发生

一条陡峭赛道上,多家 AI 公司驾驶着飞快的发布列车冲刺,车厢上写着“日更”“60-100 内测版”“AI 控制 90%”,轨道边的人类审核员举着放大镜和清单,明显跟不上速度,羊皮纸,钢笔彩色手绘的统一风格。

那这类事情以后能不能杜绝?很多人会想,知错能改,应该总能修好吧。但现实是,留给 Anthropic 的选择并不多。

先说核心问题:AI 靠不靠谱?标准答案应该始终是,不靠谱。它从来就没真正靠谱过。这次出错,说到底就是因为太快了。

传统软件公司有一整套成熟的上线流程和开发管理系统,经过多年沉淀,方法非常完善。但那套体系有个代价,就是速度慢。你不可能高频率地一天上线一堆版本,因为根本管不过来、看不过来。

而 Anthropic 做 Claude Code 的速度有多快?内部每天几十个版本,对外基本天天更新,慢一点也就是两三天一次。传统版本控制和开发管理体系,在这种频率下根本失效。

那能不能慢下来,换安全一点的方式前进?也不行。对 Anthropic 来说,是保住“安全”的名声更重要,还是继续当行业领跑者更重要?显然,后者更重要。

它只能继续快速出下一个版本,必须快速迭代,持续在 Harness Engineering 这个赛道上保持领先。你一旦慢下来,就很可能被别人超过。所以这类事情今后还会继续发生,很难彻底避免。

它的竞争对手也是一样。OpenAI、Gemini,包括国内的公司,还有开源竞争者,都必须跟着往前冲。谁稍微慢一步,谁就可能被淘汰。所以在这件事上,做开源反而最省事。反正源代码本来就是公开的,泄露了也无所谓。

但那些做闭源的公司,比如 Gemini、OpenAI,就必须投入更多人力物力来检查。

那多加点人行不行?其实意义也不大。因为当 AI 已经解决了 90% 的代码,连编译流程、发布流程都由 AI 控制时,剩下 10% 靠人去兜底,本身就很反人性。人会天然放权。

这有点像大学教授发出来的 PPT 或文章里有错别字。不是教授水平不行,而是这些东西往往是学生做的。学生做完之后,教授为什么不检查?因为他没空,而且他已经足够信任学生了。但学生也可能又把事情交给学弟学妹,一层层转包,最后就出错。

现在 Claude Code 也是一样。既然 90% 的事情 AI 都能干,剩下那 10%,人真的会去认真逐项检查吗?大多数时候不会。只能是习惯性授权给 AI,摔一个狠的,摔完还不能停,还得继续更快地跑,等着下一次再摔。

普通项目和个人还能不能安全地使用 AI

有,但前提是你没有那么着急地高频更新版本。Claude Code 之所以泄露,不是因为 AI 天生不靠谱,也不是因为人少,而是因为更新频率实在太高。内部一天几十个版本,对外一天一个版本。几十万行代码的项目,在这种节奏下,任何人工检查都很难有实际效果。

他们一年只出一两次,或者两三次,出这种事的概率都会低很多。

更可靠的方法:用脚本检查脚本

两套独立的小型机械装置在工作,一套负责打包发布,另一套专门检查 .npmignore、source map 和敏感文件清单,彼此隔着一道监督栅栏,像互相制衡的机关系统,羊皮纸,钢笔彩色手绘的统一风格。

多雇一些人意义不大。想保证安全,最简单的方式其实是多写几个脚本,让程序自动检查。比如专门写一个脚本去检查 .npmignore 是否正确,里面有没有错误,有没有被 AI 偷偷改掉。这反而是最可靠的方式。

安全规则必须和主流程彻底分离

另外,硬性的安全标准应该写死在这些脚本里。虽然这些脚本也可能是 AI 写的,但负责安全规则的 AI,必须和负责主流程的 AI 彻底分开,绝对不能混在一起。

比如你不能让同一个 AI 既负责写 .npmignore,又负责自动发布。正确做法应该是:一个 AI 负责准备发布,另一个独立的 AI agent 负责执行安全检查,确认有没有错误。这有点像东厂、西厂、锦衣卫互相监督,不能混成一锅。Anthropic 这次的问题,很可能就是这些环节混在一起了。

总结

文章收束为一幅对照场景:左侧是敞开的开源城门,右侧是闭源高墙前层层安检哨卡,中间一队开发者和 AI 代理牵着快马继续前行,路牌写着“快”与“稳”的分岔,羊皮纸,钢笔彩色手绘的统一风格。

这次泄露对 Anthropic 来说绝对是个悲剧,但对整个行业来说,反而又像一次“生物大爆发”式的利好。整个行业会在 Harness Engineering 这条赛道上继续快马加鞭地往前冲。

Anthropic 这次的损失,也给所有使用 AI 的团队敲响了警钟:要么你就彻底开源,要么你就主动慢下来。这件事必须想清楚。


背景图片

Prompt:in the style of cinematic editorial illustration, modern editorial watercolor, clean hierarchy, restrained palette, a detailed wide-open office floor of an AI tech company, densely arranged standing desks and curved partitions in varied arrangements, cables and monitors creating layered depth, cool white ambient light with soft pink cherry blossom glow streaming through large windows, a cyberpunk metropolis exterior with spring樱花 trees in bloom, foreground desk fragments, midground workstations, deep background window framing the blooming city, editorial semi-realism, material details on glass panels and brushed surfaces –no people, no text, no logo –ar 16:9 –stylize 220 –chaos 5 –v 7.0 –sref 1755819253 –p qaczhqj

长护险全国铺开了,为什么真正的难题才刚开始?

2026年4月1日 08:44
一张俯视角的政策与养老主题封面画面,旧木桌上摊开写着“长护险”的文件、算盘、几枚硬币、老花镜与钢笔,桌边一位白发老人坐在轮椅上,另一侧是护理员模糊身影,暖黄色灯光照出沉重而现实的氛围,羊皮纸,钢笔彩色手绘的统一风格。

长护险国家终于下场了,但最难的阶段可能才刚刚开始

先给四个数字:3.08亿人口覆盖、0.3%的费率、550万护工人员缺口、1000亿基金累计支出

四个关键数字,先看懂中国长护险现状

信息图式场景,四个巨大的数字牌悬挂在中国地图与城市剪影前:3.08亿、0.3%、550万、1000亿,前景有老人、上班族、护理员和基金账本形成对照,画面清晰直观,羊皮纸,钢笔彩色手绘的统一风格。

3.08亿人口覆盖,意味着什么?

所谓3.08亿,就是今天中国已经有这么多人参保,比整个美国的人口还多。

0.3%的费率,意味着交多少钱?

0.3%是这套长护险制度的费率,也就是按你一年收入的0.3%来交费。像老范的话,大概现在一个月交7块5,一年90块钱。这个具体怎么算,后面再讲。

550万人员缺口,问题到底有多大?

550万人员缺口,是说如果要开始给大家提供长护险服务,全国养老护理人员的缺口有550万。现在有多少人呢?现在大概有37万人。

而且在这37万人里,真正考到护理师证书的,大概也就1万多人,大部分人是无证上岗。

1000亿累计支出,平均到个人是什么水平?

过去十年试点期,基金累计支出了1000亿,分到330万受益人身上,一年也就是一人3万多块钱,平均一个月2500元左右,大概是这样的一个水平。

这四个数字放在一起,就是中国长护险的现状:账面上已经有这么个制度了,但是具体怎么落地,现在还说不清楚

为什么现在要讲长护险?

因为最近下文了,说我们已经试点过了。毕竟已经试点10年了,觉得差不多了,要开始全面铺开了。现在文件已经下来了,很多人出来解读,实际上都读错了。

有些人说,交得好像也不是很多嘛。确实交得不多。还有一帮人出来解读说,有了长护险,我们的生活就会变好了,家里有失能老人,就不需要有人辞职专门在家照顾了,你可以请人来照顾,有国家来补贴。

这个非常非常棒。但是别着急,这个故事很深。

长护险试点是怎么走到今天的?

时间轴式历史场景,从2016年的地方试点文件、盖章公文,到2020年医保局接手,再延伸到2028年全国铺开的地图路径,几座城市被红点标出,旁边有灵活就业者翻看社保单据,羊皮纸,钢笔彩色手绘的统一风格。

从2016年人社部发80号文、15个地点开始启动测试,中国就进行长护险试点了。2020年医保局接手,变成49个点。

这里头就跟老范有关系了。为什么?这49个点里头,有一个点叫北京市石景山区,老范就是石景山区的灵活就业人员。大家注意,我没失业,在失业统计里头没有我,我算灵活就业。

北京市是到2026年年底之前全市上线,但是全国范围的话,是三年以内,大概到2028年,全国所有人都要去交这个长护险了。

这次政策文件里的六个突破

六个政策要点被画成六块木牌钉在公告板上,背景是医保大厅,前面站着城乡居民、企业职员和老人家属,公告板旁摆着服务目录、费率表和基金账册,层次分明,羊皮纸,钢笔彩色手绘的统一风格。

1. 全民覆盖、城乡统筹

所有人都得上。

2. 全国统一0.3%费率

这个0.3%的数,约等于工伤保险低风险行业的一个费率,要比全球的所有费率都低。这个其实是有巨大隐患的。

3. 重度失能优先,不设起付线

这个也是很重要的点。什么意思?就是你必须失能,而且一定是很严重的失能,他才来照顾你,才可以去报销这个东西。

不设起付线,就是一分钱他也给你报销,不会说你先要付到多少钱以上,再来给你报销。

4. 全国统一36项服务目录

以前各地标准不一样,现在第一次统一了。20项生活照护,16项基础医疗护理,像翻身、洗澡、喂饭这些东西都在里头。

5. 独立建账、专款专用

为什么一定要强调独立建账?最早长护险是跟医疗保险在一起的,它自己的钱经常不够花。刚才咱们讲了,0.3%费率很低,绝对不够花,它就从医保那边拿钱。

后来医保说,我也不够花,你必须自己搞。所以现在要求独立建账。

6. 到2028年底基本建立制度

国家给了三年的时间。

为什么0.3%的费率大概率不够?

一架明显失衡的天平,一边是写着“0.3%”的小钱袋,另一边堆满轮椅、护理床、长期账单和日历页,日历翻过多年,强调长期赔付压力,羊皮纸,钢笔彩色手绘的统一风格。

刚才咱们讲了,这0.3%打死也不够,所以这只是一个起点价。那怎么办?其实全世界长护险的运作方式都差不太多,就是先设一个点,先收钱,拿这个钱去支付,过个两三年再回来算账。

如果不够,就加钱。现在是0.3%,不够,那就加到0.5%、1%、2%,慢慢往上涨,最后差不多达到一个平衡,大概就是这样的运作方式。所以现在先按0.3%来。

为什么这个数不够?长护险其实跟所有的保险,或者医疗保险、意外保险,都不太一样。

你平时交钱,遇到了高赔付的小概率事件时,一次性赔给你就完事了,很多医疗险都是这样设计的。长护险不一样。

  • 第一,它也是小概率,不可能所有人都失能,失能比例大概按3%来算。
  • 第二,它和其他保险理赔最大的差异是:它是长期赔付

你不可能说我今天失能了,然后你给我照顾两天就好了,这事不太容易。长护险都是一照顾就是10年、20年,甚至一直照顾到去世。所以这个东西按现在保险的计算方式,就是打死都赔,不可能盈利。

中国未来要面对的支出压力

中国现在,2025年失能人群大概是3400万,2050年的话有可能会增长到6200万,增幅82%。这是华夏证券做的测算。

按照人均护理支出2.17万估算,2050年长护险的总支出是1.7万亿元。

2.17万元的人均护理支出怎么算出来?

这就要讲到长护险的赔付机制了。

刚才说了,一个月交7块5,一年90块钱。某天有人躺着不动了,这个应该怎么赔呢?第一件事,你要做评估。不是说我躺在那儿就可以找人要钱了。

你要连续失能6个月,过完6个月以后找人来评估。他们会两个人上门,一定是两个,整个评估要记录。

一共是6项生活技能,大概是吃饭、翻身、屋内走动、上厕所、洗澡,可能还有一项,反正一共6项。这6项里头,要有5项自己搞不定了,他们认为你叫重度失能,就可以来申请报销了。

而且注意,这个报销是钱不过你手的。钱直接拨给机构。比如说我身边有一个提供长护服务的机构,钱给它了,然后它来提供服务,帮这个人洗澡,帮这个人处理各种生活不便的事情。处理完以后算账单。

这个账单还是要自己支付25%,由长护险赔付75%。它是这样运作的。

它有一个上限,一年的赔付总额不得超过该地区人员可支配平均收入的50%。这个2.17万,就是按这个算出来的,全国平均年可支配收入的50%就是2.17万。如果在北京的话,大概是4万多块钱,反正不同地区不一样。

那这个0.3%的费率,绝对无法支付1.7万亿的支出。过去十年的试点数据里,失能率是3%,100个人里大概有三个人是重度失能。

国外长护险经验:日本、德国、美国分别怎么走

三联画式国际对比场景,左侧德国的高费率账本与扩张福利清单,中间日本的精细分类表和三年结算算盘,右侧美国的商业保险合同堆与亏损报表,三国元素并列对照鲜明,羊皮纸,钢笔彩色手绘的统一风格。

德国:费率高,但福利扩张快

德国是玩长护险玩得最早的一个,从90年代就开始搞,他们是3.05%到4%之间的费率,是咱们的十倍。

德国收的钱多,3.05%到3.4%,而且涨得很快,年复合增长13.3%,就是每年都在涨。那是不是德国老龄化很厉害?其实也不是。

这里头有选举影响。每个党去选举的时候都说,我要给你们加福利,这个福利也要有,那个福利也要有,你们给我投票,我就给你加福利。那加在哪呢?就加在这种地方。

原来达到某一级失能可以享受什么样的福利,现在我要多给你加一些,你要给我投票。最后就通过这样的方式,给快玩破产了。

日本:目前最成功的案例

最成功的案例其实是日本。日本收1%到2%,每年平均还能结余2%到3%,就是收了钱以后花不完,每年还能剩一点。

它怎么实现这么成功的运作方式?最简单的有两点:

  1. 封闭运作,三年一结算。结算完以后,发现剩了一点点,那明年少收一点;亏了一点点,明年多收一点。反正三年一算账。
  2. 对老年人进行非常严格的分类。你到底算几级,到哪一级可以享受什么样的待遇,量入而出。

我就这么多钱,我看看有这么多老人,把账算得细一点,把这个东西卡得死一点,就可以让大家都觉得比较满意。中国现在就是惦记向日本学。

美国:商业保险难以承受长期赔付

美国整个全民医保制度并没有像欧洲那些国家那么健全。美国人认为,你有钱你就愿意买就买,这应该是一种自由,我不应该强迫你,国家也不应该强迫我。所以美国的长护险基本是走商业保险。

走商业保险的问题是,刚才咱们讲了,这东西跟所有商业保险的费率计算方式都不一样,因为它不是一次性支付。它的概率确实没有那么高,也是一个低概率事件,但是一旦进入长护状态,赔付周期很长,而且美国整个医疗成本也很高。

所以前面一些保险公司开设的长护险项目,最后都亏钱,亏到大家没人玩了,最后只能还是走美国社保那套体系接着往里掏钱,否则玩不下去。

我们肯定不惦记走美国那条路,也不能走德国那条路。中国肯定不会因为选举去多许愿把这事玩崩,所以准备向日本学习。

参保人和企业怎么交钱?

咱们为什么搞这么低的费率?就是让大家进入门槛低一些。一个月7块5,少喝一杯蜜雪冰城的钱,大家还是愿意接受的。如果一开始就是3%,很多人可能就会选择放弃,让企业和百姓负担都低一些。

如果是上班的人,就是0.15%企业交,0.15%自己交,加一块是0.3%。像老范这种灵活就业人员,现在交0.15%,也就是7块5一个月,剩下的0.15%是国家给补贴了。但是过一段时间,最后0.3%都要老范自己交,现在是有补贴的状态。

但是你收的钱少,就一定是保障水平低,这个是必然的。而且专款专用了,还不能去挪用医保资金。政府也没钱,医保自己也紧张,所以保障层次会差一些。

本来计算是靠转移支付把这事搞定。什么意思?就是年轻人交钱,老年人享受。老范现在把钱交上去,但是老范还不需要。有些人需要了,他就可以去用这个。

但这个逻辑马上就不成立了,因为现在年轻人越来越少,老年人越来越多,中国的老龄化速度非常快。

除了钱不够,中国长护险还有一个更难的问题

一间人手不足的养老护理站,少数疲惫护理员在病床与轮椅之间奔忙,墙上贴着排班表和缺员通知,等待照护的老人和家属神情焦急,直观表现护理人员缺口,羊皮纸,钢笔彩色手绘的统一风格。

中国现在还有一个很严重的问题,除了钱不够之外,钱后面你慢慢涨费率吧,这没办法,肯定要涨。还有一个很严重的问题,就是550万的护理人员缺口

现在护理人员只有37万,这些护理人员里,56.13%只有初中学历,本科以上学历的是2.93%。护理人员年流失率是30%,干不下去。

为什么护理人员这么缺?

刚才咱们讲到赔付的时候,大家有没有注意到,钱不过我手,钱也不过护理师手。钱到哪儿去了?钱是走机构的。

这个机构对护理师的盘剥是非常残酷的。我招了一帮人出来,你们就去照顾吧,薪水很低,很多就是三四千一个月,有些号称包吃住,虽然4000一个月,但是包吃住。

中国面对投诉的方式就是处罚、扣钱,所以他们每年有30%的流失率,大家也不愿意干。持证上岗的人非常少,大概也就是万把人。

为什么持证上岗的人还这么少?

第一个,二三线城市对这事本身也没什么要求。就这么点薪水,还这么累,我还能把人招回来已经很难了。你拿了证上来,我愿意给你更高薪水吗?我才不愿意呢。所以大家考证也没什么意思。以后可能会慢慢让持证上岗变成一个制度。

另外,年轻人真不爱干。因为干这个活没什么晋升空间,而且在中国,“伺候人”这件事还是不太好听。像我们这种父母,也不愿意让孩子去干这个事。照顾自己家里人还行,照顾别的老人,要受那个气,所以这可能还需要漫长的时间逐渐改变。

护理行业为什么会陷入恶性循环?

所以护理人员缺口就成了一个恶性循环:

  1. 工资低,年轻人不来;
  2. 招不来人,现有护理人员负担极重;
  3. 服务只能做到最基础的喂饭、翻身、清洁;
  4. 家属投诉,机构就去扣绩效,工资实际到手更少;
  5. 然后就再流失,又回到第一步。

所以现在这块是很难解决的问题。

中国特色长护险,可能会怎么发展?

未来发展拼接场景,左边是养老机构前台与护理服务流程,中间是保险公司和互联网平台的合作界面,右边是家庭照护中的摄像头、平板系统与养老机器人,展现中国特色的机构化与数字化路径,羊皮纸,钢笔彩色手绘的统一风格。

那么,中国特色的长护险会是什么样?中国肯定也会走一条自己的路出来。以目前的状态看,第一个叫机构先行,第二个叫大厂布局,第三个就是数字化和人工智能,这块都要跟上。

机构先行:很多服务会通过机构内部流转

中国很多事都是通过机构内部去流转的。举个例子,比如前面发消费补贴。消费补贴为什么不愿意直接发钱给我,一定要发补贴给我?原因很简单:

  • 第一,怕我拿着钱不去花;
  • 第二,比如我拿了京东的券或者拼多多的券,去买东西的时候,平台自己还要再贴一些进去,再去问下面商家愿不愿意再补贴一点。

这样就有一个杠杆作用,国家只要出一点钱,就可以撬动很多消费回来。

所以现在长护险也是用这样的方式去运转。比如今天需要报销,需要找人给某位老人喂饭。这个服务来了以后,完完全全靠国家补贴、靠长护险全补干净,行不行?不可能。所以你个人一定要交钱。

比如一个月服务应该是3000块钱,你交了1000块,剩下2000块由政府来贴掉。政府可能实际上贴进来的钱只有1000块,剩下1000块就由机构内部去消化掉。但你拿到的账单就是:政府给我补了2000块。它是通过这样一种方式去运转的。

甚至有时候政府补贴的钱还可能晚一点到,大概率会拖欠一点。机构运转的方式有缺点,比如会有浪费,本来不应该有这么多钱,我多报一点;有些人不该享受待遇,结果享受到了,都会有这样的情况发生。

但是对政府来说,管理很方便。我只要通过证书、通过各种关系把你管起来,而且它有很强的灵活性。所以这是很中国特色的一件事。

大厂布局:养老机构、保险公司、互联网平台都会进场

第二个中国特色,是很多机构会冲上来,比如养老院、保险公司,他们都会冲上来。为什么?因为刚才咱们讲了,你自己还要交一部分钱。

既然你自己要交一部分钱,我们是不是可以跟其他商业保险,或者跟其他消费捆绑在一起?对于这些养老机构和保险公司来说,我本来就要获客,要去找这些老年人,要把东西卖给他。那现在有长护险在里头了,咱们就捆绑,一块弄,我们也愿意在里头再补贴一点,那国家不就又省了一点钱吗?所以这一块还会有一些新的变化。

除了这些机构以外,中国还有一个比较特殊的东西,就是互联网大厂。现在准备冲上来搞这件事情的公司有两个,一个是美团,很多养老机构就是美团商家;还有一家叫京东,京东健康也提供非常多相关服务。

我给你送个老人餐,他们本来就是送外卖的,那是不是顺手就把长护险的理赔、照护这些事情都给搞定了?这两家是在很努力地往里冲。至于其他像阿里、58、携程,是不是愿意冲进来,那是以后的事了。

数字化和人工智能:会比很多国家推进更快

中国还有一个比较特殊的点,就是数字化和人工智能。刚才讲了,你上门做陪护的时候,是要全程录像的,那后边我们就数字化。这一块我们肯定会比全世界所有国家都快。监控、养老机器人,这些现在也在快速发展。

这些办法能解决核心问题吗?

那讲到这儿,它能把前面这些问题解决掉吗?比如费率低的问题、赔钱的问题,以及人员不够的问题,怎么解决?这个事也是中国特色,就是先有,有完了以后咱们再慢慢改。至于改得好不好,哪个地方能改好,哪个地方改不好,到时候再说。

这块一定是北上广深先行,就跟咱们现在执行劳动法似的。你说现在劳动法执行得怎么样,是不是完完全全落地了?其实也没有。特别是派遣这些,根本搞不定。但是总还是在一步一步往前走。

所以未来一定是北上广深这些城市先去提高持证上岗率。你只要持证上岗了,应该还是会有一定改进的。而且在这些城市里,本身消费高,收入也会高一些,可能就会有一些人愿意来从事这种工作。这是一方面。

第二个,上机器人。还有一些地方,比如云南,这种专门惦记做康养事业的地方,会说你上我这来养老,我这四季如春,东西便宜,你们来我们这养老。我们专门整一些学校来培训,让大家持证上岗,再去跟北京社保、其他地方社保去对接,这块可能也会有一定上升。

在中国,改进服务质量这个事,永远不可能靠行政命令,必须靠卷。有些人越说,我们愿意卷这个生意。你交了这个钱以后,我们再多领一点补贴,然后拿着这个补贴跟你说,到我这可以打折,来吸引客源。

卷起来以后,持证比例就会上升,服务质量就会上升。另外一头,慢慢再把交费比例提高一些。最后0.3%肯定是不够的,估计也会提到1%到2%左右,像日本那样。

最后总结

收束式总结画面,一位中年人站在城市与养老院交界处,手里拿着社保缴费单,远处是老人、护理员、机器人与上升的费率曲线并置,既有不确定也有继续推进的希望感,羊皮纸,钢笔彩色手绘的统一风格。
  1. 老范已经上了,已经开始交了,而且应该交了几年了。用呢,现在还没用上,老范现在全家人都不需要这东西。当然最好也是一直都不需要。万一以后能使上的时候,希望整个服务质量已经提升了。
  2. 现在长护险开始推了,但是很多问题还没有解决的方法,包括资金池绝对会亏,以及现在人员缺口的问题,都在等着往后一步一步去改进。
  3. 一边是我们缺550万护理人员,另一边是每年有1000多万大学生毕业以后找不着工作。也许过个三五年,会有一些新的解决方法出来。

如果您还在中国交着医保,这个基本逃不掉,你一定会去交这个长护险。除非你单独跑去跟人说,我坚决不交,我就交医保,不交长护险,你可以把它取消。但是不建议大家这么干。谁也说不准,家里人包括您自己,未来是不是有一天会需要在床上躺着。不过这里也要说清楚,躺一天两天没法报销,得躺6个月以上,才可以开始报销这个东西。


背景图片

NeurIPS封禁华为大疆后,为何几天内紧急撤回?

2026年3月31日 08:43
国际学术会议主视觉海报场景,一张写着“NeurIPS 2026”的会议牌前,左右并列出现论文、无人机、芯片、大学钟楼与企业大楼剪影,气氛紧张像突发风波新闻封面,羊皮纸,钢笔彩色手绘的统一风格。

NeurIPS 试图封禁华为、大疆、哈工大等机构投稿,几天后又撤回,背后发生了什么?

美国人工智能顶级会议尝试封禁华为、大疆、哈工大等中国学术机构向它投稿,结果几天之后就认怂了,重新放开。

事情发生在2026年3月下旬。主角是一个叫 NeurIPS 的顶级会议。现在学术成果的主要发布方式,除了开源和专利之外,最重要的仍然是发论文。论文有些发表在期刊杂志上,有些则发表在顶级会议上,而 NeurIPS 就是人工智能领域公认的三大顶会之一,而且还是其中体量最大的一个。

它突然发布文件称,在2026年投稿周期中,要使用一个比较宽的口径进行限制。包括同行评审、编辑、出版和投稿,只要符合这个名单,都不允许参与。名单涉及华为、大疆、哈工大、国防七子等中国机构。

这件事出来以后,中国方面反应非常强烈。3月25日,CCF 中国计算机学会公开谴责并呼吁抵制;人民网英文版也进行了转述。3月27日,中国科协宣布暂停赞助申请。也就是说,原本参加这类会议时可能获得的资助和差旅补贴,将不再提供。到了3月27日,NeurIPS 官方出面道歉,表示名单适用错误,重新撤回相关做法。

为什么这件事会引发轩然大波?

巨大会场内部全景,数千名研究者在主舞台和论文海报区之间穿梭,屏幕上滚动AI模型图示与招聘展位标识,呈现顶会人潮与资源汇聚感,羊皮纸,钢笔彩色手绘的统一风格。

要理解这次风波,先得知道 NeurIPS 在 AI 学术界到底意味着什么。

NeurIPS 的地位

NeurIPS 全称是“神经信息处理系统”,创办于1987年。学术会议并不难办,但要长期积累成全球公认的顶级会议,最关键的是时间沉淀。NeurIPS 是全球最大的 AI 学术会议之一,通常被视为三大顶会之一。

以2025年为例,NeurIPS 一共收到 21,575 篇投稿,最终录用 5,290 篇,录用率大约是 24%

NeurIPS 的特点,不只是论文多,更在于它是最大、最综合、产业和学术交流最强的平台之一。和单纯发论文相比,参加会议最大的不同在于:除了论文发表之外,现场还会发生招聘、业务合作、投资接触,以及大量面对面讨论。

比如未来研究方向怎么走、哪些技术路线可行、哪些方向可能被淘汰,这些事情很多都会在会场内外被反复讨论。尤其在计算机和 AI 领域,会议的重要性非常高。原因很简单:发论文太慢,发专利更慢,而开会往往既有名声,也有现实利益

另外两个 AI 顶会是谁?

  • ICML:创建于1980年,主要是机器学习领域的老牌方法论中心。
  • ICLR:创建于2013年,相对更年轻,但在深度学习和新模型文化方面影响力很强。

顶会靠什么维持运转?

(img: 会议财务示意画面,一张摊开的预算账本上分成“注册费”和“赞助商”两栏,金币、胸牌、企业展台模型并置,旁边摆着华为和无人机元素的抽象化展位轮廓,羊皮纸,钢笔彩色手绘的统一风格。3:2 )

像 NeurIPS 这种会议,主要靠两类收入生存:

  1. 注册费
  2. 赞助商

以2019年的 NeurIPS 为例,注册费收入约 530 万美元,占总收入的 59%;赞助收入约 370 万美元,占比 41%。总预算大约是 900 万美元

这类机构通常是非营利组织,不是以盈利为目的,基本逻辑就是收多少钱、花多少钱,维持会议运行。

而这次最尴尬的地方在于:NeurIPS 试图封禁的一批对象,本身就包括它的重要赞助商,比如 华为 和 大疆

中国在 NeurIPS 上到底有多重要?

很多人可能会觉得,封就封了,何必大惊小怪。但如果看数据,就会发现这件事并不是“小摩擦”。

从国家论文数量看,中美几乎平分天下

根据 Paper Copilot 的统计口径,由于 NeurIPS 官方没有直接公布2025年各国发文数量,因此只能参考第三方统计。之所以需要第三方口径,是因为现在很多作者有跨国和跨机构身份,例如同时属于大学和企业,或者论文本身就是联合署名,统计归属并不简单。

按该口径统计,NeurIPS 2025年发文最多的国家是:

  • 美国:2,450篇
  • 中国:2,370篇
  • 英国:500篇
  • 其后是新加坡、德国、韩国,大约在400到200篇之间
一幅学术版世界地图,北美与中国区域被密集论文纸张和数据柱状图覆盖,美国与中国两侧高度几乎相当,英国及其他国家较小,形成“平分天下”的直观对比,羊皮纸,钢笔彩色手绘的统一风格。

也就是说,中国只比美国少 80篇。而总录用量也不过 5,000 多篇,光中美两国加起来就已经接近 5,000 篇,基本可以说是 中美主导了这个会议。如果趋势延续,到了2026年,中国甚至有可能超过美国。

从机构排名看,中国高校和企业存在感极强

从机构角度看,NeurIPS 2025年的榜单里,按注册归属算,清华大学略微领先谷歌;而如果按论文数量算,则是谷歌第一、清华第二、上海交大第三、上海 AI 实验室第四,后面还有复旦等机构。

也就是说,不管是高校还是企业,中国机构在 NeurIPS 上都已具备极强存在感。

中国有哪些代表性项目在 NeurIPS 上亮相?

这些年,中国机构在 NeurIPS 上发表的内容并不少,且很多都相当有代表性。例如:

  • 北京大学 2024 年发表过“自回归图像生成击败扩散模型”
  • 阿里巴巴 2025 年发表过“大语言模型门控注意力系统性探索”
  • 字节跳动与北大合作项目在 2024 年、2025 年都有成果亮相
  • DeepSeek R1 推理模型压缩相关内容于 2025 年发表,重点涉及推理能力与强化学习
  • 华为诺亚方舟 2024 年发表过模型压缩与贝叶斯算法优化
  • 大疆在 2025 年发表过无人机主动跟随、无人机搜救 AI 应用等研究
  • 清华大学则有大量论文入选,数量达到数百篇

可以说,中国在全球 AI 顶会中的存在感,NeurIPS 是最典型的体现之一。

NeurIPS 这次到底搞错了什么?

两份文件并排摊开在桌面,一份标题为“SDN”且条目稀疏,另一份机构名单更宽更密,红色箭头误指向后者,旁边放着法槌、会议胸牌和被划线的投稿表单,羊皮纸,钢笔彩色手绘的统一风格。

这次事件的关键,在于 两份不同性质的清单被混用了

原本执行的是较严格的 SDN 清单

通常学术会议执行的是一份相对严格的清单,叫 SDN 清单,即“特别指定国民和被封锁人员名单”。

这份清单大约有 19,000 多条,与中国相关的只有几百条,而且主要很多是个人身份,例如某些香港特别行政区官员。它主要针对的是毒品、恐怖主义等对象,不少上榜者是个人而非机构。

这次误用了另一份更宽的机构制裁清单

另外还有一份相对“宽”的清单,大约有 443 条,但里面主要是机构,例如华为、大疆、部分大学等,中兴也曾经在其中停留过一段时间,后来被移出。

这一类清单的含义,主要是 不能与之做生意,但按通常理解,并不直接等同于学术投稿、审稿、担任会议职务等活动全面禁止。

NeurIPS 原本执行的是前面的 SDN 清单,但这次却错误地改成了后面这份更宽的制裁清单,于是华为、国防七子、哈工大等一大批中国机构都被纳入限制范围。

NeurIPS 的逻辑是:虽然自己是非营利组织,但注册在美国加州,也需要遵守美国法律;既然美国法律要求不能和名单对象做生意,那就干脆把投稿、评审、编辑、出版等都一并限制了。

结果,这一解释迅速引发巨大争议。

为什么 NeurIPS 很快就撤回了?

原因很简单:反弹过于强烈,代价太大

中国学术界和官方机构迅速反应

在中国方面,最先作出明确反应的是 CCF 中国计算机学会。其声明虽然篇幅不长,但影响非常大,不仅公开谴责,还呼吁纠正错误、抵制审稿。

这里有一个很重要的点:像 NeurIPS 这样的会议,不可能只靠美国教授来完成全球范围内的评审。它必须从全世界征集大量专家参与审稿,而其中一定有非常多中国专家和教授。

整个会议评审架构大致是这样的:

  • 投稿人
  • 审稿人
  • 区域主席(某些细分领域内有话语权的人)
  • 资深区域主席

这是一个典型的金字塔结构。方向、标准、路线之间经常会有争论,因此每一层都非常重要。

学术评审金字塔结构图景,底部大批投稿论文,中层审稿人围桌批注,向上是区域主席与资深区域主席,顶部会议徽记出现裂纹,象征体系受冲击,羊皮纸,钢笔彩色手绘的统一风格。

事件发生后,已经有一些中国高校教授公开表示,自己原本被任命为区域主席或相关负责人,感到很荣幸,但由于 NeurIPS 的做法无法接受,因此决定退出。

中国科协暂停资助,直接冲击会议收入

中国科协随后宣布暂停资助申请,这一点对 NeurIPS 的压力也非常现实。

因为参会不是零成本。注册费本身就很高,一般中国学者如果没有单位或机构资助,很多人并不容易承担。此前也提到,注册费收入占 NeurIPS 总收入的一半以上。

如果中国学者大规模不去,或者失去资助后减少参会,那对会议的注册收入、现场活跃度和国际影响力,都会造成明显打击。

更重要的是,在中国的科研评价体系中,如果某一届顶会成果 不再被视为代表作,那对很多研究者而言影响非常大。因为后续评职称、评奖评优、申请项目,都要看代表作质量和平台级别。

赞助商和参与者也都承受不起这种冲击

NeurIPS 这次限制的对象里,既有重要投稿机构,也有重要赞助商。华为等企业本身就是顶会的资金来源之一。你一边依赖其赞助,一边不允许其参与投稿、审稿和担任会议职务,这在实际运作中很难自洽。

在这种情况下,NeurIPS 很快出面解释,说是法务沟通失误,把应适用的法律条款理解错了。最终决定撤回原政策,恢复到只限制 SDN 清单 的做法。

官方表述大意是:这不是中国方面导致的,也不是美国政府明确要求这样做,而是内部律师团队对规则适用出现了误判。

为什么中国的反对会对 NeurIPS 造成巨大伤害?

因为中国在这类顶会中的参与方式,不只是“有人投稿”这么简单,而是已经形成了一整套从发表、参会、评审到职业晋升的完整体系。

这不仅是“名”,更是“利”

对于很多国家的研究者来说,顶会的重要性可能更多体现在学术声誉;但对中国研究者来说,顶会往往同时对应非常现实的利益:

  • 评职称
  • 评奖评优
  • 项目申请
  • 求职和晋升
  • 产业合作和投资机会

所以这不仅是学术荣誉问题,也是一整套资源分配问题。某种程度上,这种运作方式带有明显的“举国体制”色彩。

CCF 和中国科协的态度,会直接改变研究者行为

如果 CCF 不再推荐这个会议,中国科协又暂停资助,影响会非常直接:

  1. 评价体系受影响
    研究者的代表作分量下降,职称评定和成果评价会受冲击。
  2. 人才流动受影响
    青年教师、研究人员的履历价值下降,担任领域主席、资深领域主席等职务的职业意义也会被削弱。
  3. 产业合作受影响
    会议现场的招聘、投资、合作、联合研究都会随之受损。

学者也是人,也需要经费、平台和发展机会。一旦一个会议在经费审批体系和学术评价体系中的地位下降,参与热情自然会迅速下降。

更何况,中国与美国在论文数量上本就几乎各占一半。NeurIPS 很难承受失去中国参与后的后果。

参会成本到底有多高?

一位年轻研究者站在会议注册台前,手中计算器显示高额美元金额,旁边叠放机票、酒店账单和学生证,神情犹豫,突出参会成本压力,羊皮纸,钢笔彩色手绘的统一风格。

据文中提到,NeurIPS 的注册费大约在 3,300 到 5,300 美元之间。之所以存在较大区间,可能与参会项目和身份类别有关。

如果中国科协不再赞助,那就意味着很多参会者必须自行承担这笔费用。按人民币计算,5,000 美元已经是几万元,对学生和普通研究人员而言压力并不小。

中国能不能自己办出更多世界级顶会?

从愿望上说,当然想;但从现实上说,难度很大。

第一道门槛:时间沉淀

顶会最核心的要素之一,就是 长期积累。不是今天创办、明天就能成为世界顶会。即便从现在开始认真投入,没有 5到10年以上 的稳定积累,通常也很难被全球学界认可。

中国当然在努力。例如为了吸引外国学者来中国参加会议,还专门设置了相关签证便利措施,例如 K 签证 方向上的安排,目的就是让国际学者更方便来华参会。

第二道门槛:审稿公信力

全球研究者愿不愿意投稿,关键在于他们是否相信这个会议足够公平、专业、透明。什么样的论文能过、什么样的不能过,这种公信力本身就需要很长时间建立。

审稿是否公平、解释是否充分、标准是否一致,都会直接影响会议的国际声誉。这是中国学术会议要成长为真正世界级顶会时必须跨越的一道难关。

第三道门槛:程序委员会网络

一个真正的顶会,不能只是中国学者自己玩。必须有足够多的国外学者愿意长期加入程序委员会、持续参与审稿和组织工作。

而且这种参与必须是连续性的,例如连续 5 到 10 年共同建设,而不是每年临时换一批人。否则会议很难形成稳定品牌。

第四道门槛:引用和索引基础设施

会议论文不只是发出去就完了,还要被广泛阅读、索引和引用。只有形成长期的引用积累,研究者才会真正把它当成高价值平台。

第五道门槛:产业和人才市场联动

这一点反而可能是中国最容易做起来的。公司招聘、媒体报道、投资机构到场、产业合作撮合,这些中国相对更容易把场子做热。

一座正在搭建中的未来学术会议中心,脚手架上挂着论文、引文网络、审稿章程、国际学者名牌与招聘展位五种元素,象征打造世界级顶会的五道门槛,羊皮纸,钢笔彩色手绘的统一风格。

但热闹不等于顶会。真正的顶会,还是要靠时间、规则、公信力和全球持续参与共同支撑。

这次事件的核心结论

综合来看,这次事件可以概括为:

  • NeurIPS 一度把适用范围从严格的 SDN 清单,错误扩大到更宽的机构制裁清单。
  • 由此导致华为、大疆、哈工大、国防七子等大量中国机构被限制投稿、审稿和担任会议职务。
  • 美国其他期刊和另外两个顶会暂时观望,没有明确跟进。
  • 华为等企业本身也在观望,但中国的学术组织和相关机构迅速强力反击。
  • CCF 发声明谴责并呼吁抵制,中国科协暂停资助,部分中国学者辞去会议职务。
  • 在巨大压力下,NeurIPS 几天内迅速道歉并撤回政策,恢复到原先只针对 SDN 清单的做法。

因此,这次并不只是一次简单的会议规则调整,而是中美在 AI 学术、产业和制度层面不断拉扯过程中的一个缩影。

这件事折射出的更大趋势

长桌两端分别坐着中美科研与产业代表,中间堆叠论文、芯片、投资文件和会议证件,背景是一条向未来延伸的时间轴,显示竞争、合作与摩擦交织,羊皮纸,钢笔彩色手绘的统一风格。

从更长的时间线来看,类似的摩擦后面大概率还会继续出现。双方在科技、产业、学术上的割裂和重组,未来很可能会制造出更多类似争议。

而在 AI 领域,中国的追赶速度确实非常快。文中提到,2024 年时,中国占比大约还只是 30% 多,美国是 50% 多;到了 2025 年,双方都已经来到 40% 多,中国只比美国少 80 篇,差距显著缩小。

这种追赶背后的原因并不复杂:在中国,顶会论文往往和投资、职称、奖励、资源配置等形成了一整套联动机制,因此研究者的投入动力很强。

甚至进一步说,很多如今以美国机构名义发表的论文,作者本身也是在中国接受教育后走出去的研究者。所以从人才来源和学术贡献角度看,中美 AI 竞争本身就高度交织。

某种意义上,在这些 AI 顶会上,说中文的人已经多到“并不稀奇”的程度了。当然,正式交流还是要说好英文。

结语

这次 NeurIPS 风波,表面上看是一次会议规则误用,实质上反映的是 AI 时代中美学术竞争、产业博弈和制度摩擦的叠加。

短期看,这件事暂时告一段落:NeurIPS 道歉,政策撤回,争议平息。但从长期看,这样的“幺蛾子”大概率不会是最后一次。

在一个竞争不断加剧的新阶段里,特别是在 AI 领域,中美之间围绕论文、人才、机构、规则和会议平台的故事,后面还会继续上演。类似事件如何处理,也值得继续观察。


背景图片

TOKEN货币化正在重塑公司与员工

2026年3月30日 22:46

大家好,欢迎收听老范讲故事的 YouTube 频道。

今天咱们来讲一讲,TOKEN 货币化到底是革了谁的命。

TOKEN 货币化,正在成为现实

TOKEN 货币化这一天,并没有随着加密货币到来,却随着 AI 时代到来了。

黄仁勋在 2026 年 3 月 16 日 GTC 大会上正式讲过,他给每位员工的 TOKEN 预算是年薪的 50%。假设一个人的年薪是 20 万到 30 万美金,那么这个人的 TOKEN 预算就是 10 万到 15 万美金。你如果花不完,他会认为你没有在认真上班,会怀疑你是不是值这个年薪。

阿里则是直接成立了一个叫 ATH 的部门,也就是 Alibaba TOKEN Hub,给整个集团里各个部门和团队发 TOKEN,以 TOKEN 的消耗和生产来衡量各个部门、团队和个人的工作,整合通义实验室、MaaS 业务线和悟空事业部,并承诺投资 530 亿美金用于 AI 基础建设。而且这个部门直接由吴泳铭亲自来管。

昆仑万维给员工报销各种 TOKEN 套餐,特别是像 Claude Code、Codex 这些,直接报销。Anthropic 前两天还说中国没有使用他们的产品,发了一张地图,说以色列用得最多,美国第二还是第三,然后中国这一块是黑的。但其实它的大量业绩是中国团队贡献的,只是它自己拒绝承认而已。像这边这么多员工使用它的产品,而且还能报销。

微软的高管也表示,TOKEN 预算已经成为招聘时的一个谈判筹码。比如我招一个人,我给你多少薪水、发多少奖金,有些还会讲保险、假期、升职机会、培训机会。现在微软说,你来我们这上班,还有 TOKEN 福利。他们已经把这件事纳入招聘的优惠条件里了。

还有很多公司,像 Meta、OpenAI、Shopify,均已经将 AI 工具使用量,也就是 TOKEN 消耗,纳入员工绩效评估体系。Meta 和 OpenAI 内部设有 TOKEN 消耗排行榜,谁消耗得最多,会把它挂出来。就跟原来资本家会挂一个牌子,写今天谁干得最好、这个月谁是优秀员工、谁卖得最多一样。小时候上学时,我们还把这件事当成资本家剥削工人的案例来讲。现在他们剥削工人的方式,就是直接去比谁 TOKEN 用得最多。

所以,TOKEN 现在正在成为继工资、股权、奖金之后的第四个薪酬组成部分

TOKEN 为什么会货币化

中国政府最不想看到的事情,还是到来了。因为中国政府最不想看到的,就是有另外一种货币,有 TOKEN 这样一种货币。为了避免这个事,还专门给官方起了个名字,TOKEN 在官方译名里叫“词元”,就是不希望大家把 TOKEN 跟加密货币、交易想到一起去。

但现在好了,TOKEN 已经真的货币化了。即使在中国,很多公司里头也开始货币化了。

那老范是不是说得有点夸张?到底什么是货币?钱、法币,可以买东西,可以让人发财,但货币的定义其实不是这些。货币的定义叫一般等价物

当我们搞不清楚 AI 到底创造了什么财富的时候,就很难衡量。很多人问我,老范你用了 AI 了,你养了“龙虾”了,你到底创造了什么样的财富,你觉得哪里有变化了?老范也说不清楚。

说不清楚怎么办?那就需要一个衡量标准,我们就需要找一个一般等价物来进行计费。

一般等价物是怎么来的

那你说,消耗了这么多 TOKEN,这件事有意义吗?咱们想一想,一般等价物到底是怎么用的。比如说,我以物易物,拿两个苹果找人换了一条鱼,又拿一个苹果找人换了一捆柴火,拿 50 个梨找人换了一口锅,最后炖了一锅鱼。这个过程就很痛苦。所以我们需要一般等价物来处理中间这些交易。

那这个跟 TOKEN 有什么关系?大家想一想,我们怎么去衡量鱼的价格、苹果的价格和铁锅的价格?其实分三个部分。

  1. 生产成本:我到底用了多少时间把这东西造出来。比如怎么挖铁矿、怎么炼铁、怎么砸出锅来,这是一个累计过程。我们是按生产成本来算的,而且基本上可以算成人的工时。你消耗的时间越多,这个东西的成本就越高,最后卖出来就越贵。
  2. 品质与品牌溢价:这些东西其实也是靠成本投入的。你造个铁锅很薄,我造个铁锅很厚,那我投入的成本比你高。一开始可能只是贵一点,但随着时间沉淀,品质和品牌会把这些成本重新体现出来。
  3. 供求关系:比如黄金很少,所以因为供求关系,它会变得很贵。

从 TOKEN 的角度来说,它完全可以搞定前两项,供求关系这事它搞不定。我没法说我消耗 TOKEN 多,供求关系就特别紧张。虽然现在像英伟达显卡之类会有类似情况,但总体来说,你消耗的时长跟供求关系本身是没关系的。

所以除了供求关系之外的部分,都是完全可以靠 TOKEN 来衡量的。

为什么 TOKEN 能成为衡量标准

现在 AI 交付的产品质量,基本上是跟 TOKEN 成正比的。你买最多的 TOKEN,买最贵的 TOKEN,比如我去买 Anthropic 的 Claude Opus 4 的 TOKEN,它可能产生的质量就会更好一些。现在这块基本上是成正比的。

当我消耗更多 TOKEN,它就可以有时间进行更复杂的推理,或者开很多 agent 去搜索、去总结归纳,甚至让一堆 agent 上来“吵架”,最后讨论出一个最好的结果。所以在这一块上,TOKEN 就是一个一般等价物了。

公司为什么要发 TOKEN、考核 TOKEN

那公司为什么要给员工和部门发 TOKEN,还要去考核他们?

原因一:打破内部利益隔阂

很多人可能没想到,第一个原因,就是要打破内部的利益隔阂。

咱们以阿里为例。那帮做 AI 的人出来以后,为什么会被干掉?因为他觉得我把 AI 做出来了,其他部门怎么用 AI,我要指手画脚一下。但这事是不可能的。每个部门有每个部门自己的业务,有自己的利益纠葛。具体用不用 AI、怎么用 AI,其实一点都不重要。重要的是什么?你能不能来做我的主,你能不能来查我的账。这个事很重要。

绝对不能让别人来查我的账。不是说账有问题,而是肯定不能查,一定要我们自己决定先做什么、后做什么、怎么做。你想进来指手画脚,绝对不允许。

那怎么办?你说一个公司从上到下一条心,统一行动,形成最大的一起推动的力量,这做不到。你一旦说我要打破什么界限,他们就真的死给你看。特别像阿里这样的团队,销售额掉下来,谁也受不了,谁也承担不起责任。

那干脆这样,我们给你 TOKEN,你把 TOKEN 用了,至于你怎么用,我不管。你每个部门都把门关起来,自己去用这个 TOKEN,我们最后就按这个考核,其他的我不管了。它用这样的方式,既保护了每个部门封闭起来的小团体利益,又让这件事情继续前进了。

其实很多公司都是这么干的,包括国家也是这么干的。现在升官怎么办?很简单,把 GDP 搞上去,其他我不管了。那大家就大干快上。你说 GDP 这东西是不是也是一个考核指标?你真可以认为它也是一种特殊的货币。

我们就考核这个东西。谁 GDP 上去,我就怎么怎么样。再往后改一改,我们不考核 GDP 了,来考核高质量发展,或者考核别的东西。你设置了一个新的考核指标,实际上就设置了一个新的一般等价物。

所以有的时候,你不需要真的打破这些桎梏、打破这些墙,它也可以往前走。这就是复杂体系管理的要素。很多大公司最后都是通过这样的方式,设立新的考核指标,就跟赛狗时在狗前头吊个肠一样。狗跟狗之间可能也有矛盾,各自有各自的想法,但我就冲着那根肠跑了,这就可以了。

原因二:低成本试错,寻找新方向

第二个原因是,大公司其实有时候自己也想不清楚到底要干嘛。现在在 AI 浪潮面前,你要让它想清楚,本身就很难。没有谁真的是神仙,拍一下脑袋说我想明白了,我们就往这个方向走。那叫穿越者。

大公司解决不了未来方向的选定怎么办?原来资源很少,你可以尝试的方向也很少,所以大家需要很认真地审核,我们到底要试这个还是放弃那个,怎么集中力量办大事。最终讨论来讨论去,通常就是只做老板喜欢的那个方向,其他方向全放弃。因为我参加过很多这样的内部讨论会,最终确定的方向都是老板喜欢的那个。

现在 TOKEN 发下来以后,发现成本下降了,我们可以快速地对很多很多方向去试错了。那就不用再写一堆计划来审核,何必呢?都试起来再说。试完了以后,万一哪片云在下雨,谁也不知道。老板也没有能力说,我一拍脑袋,这个东西肯定对,那个东西肯定错。你们都去试吧,把每一个团队、每一个个人的能动性都发挥起来。我给你们发 TOKEN,你们把 TOKEN 都消耗掉,我们自然而然就有新方向了。

其实现在很多大神作品,都是这样很偶然得到的。

以前谷歌曾经有一个制度,叫 20% 时间政策,是由创始人 Larry Page 和 Sergey Brin 在 2004 年 IPO 的公开信里提到的。谷歌员工每周有 20% 的时间可以去做自己喜欢的事情,比如研究点别的东西,都是允许的,但前提是你得把公司交代的活干完。

这个 20% 时间里做出过什么?

  • 第一个是 AdSense,就是像老范现在跟大家扯淡还能挣钱的这个广告系统,就是在 20% 时间里,由谷歌员工在没有上级命令的情况下自发做出来的。
  • 还有像现在的 Claude Code,把整个软件行业搅得天翻地覆,很多人都觉得快活不下去了,这个东西也是他们在周末很偶然做出来的产品。
  • 还有一个产品叫 Modbook,就是前面被 Meta 刚刚收购的、由 OpenCloud 作为种子用户进去聊天的那个社区,那也是创始人在周末做 Web coding 时试出来的。

所以,并不是所有我们现在看到的神奇产品,都是公司领导高瞻远瞩、直接指导一下就做出来的。很多东西都是很随机产生的。

原因三:人才蒸馏

第三个原因,对公司来说就比较恶心、比较恐怖了,叫人才蒸馏

什么意思?大模型本来就在互相蒸馏,模型之间蒸馏来蒸馏去。现在很多公司让员工大量使用 TOKEN,把这个东西记到 KPI 里之后,他们在干嘛?就是把员工的技能直接蒸馏掉。蒸馏完了以后,就可以把这个员工的职位直接 AI 化了,说白了就是要裁员。

公司可以搜集大量数据,员工的输入信息、上下文的沉淀、项目最终的结果,它都可以收集起来。收集完以后,你可以训练模型。即使你不训练新模型,也可以把这些沉淀下来的技能,在更大程度上使用起来,就可以替换很多员工。

员工不断地在调整这些技能,让这个流程越来越稳定、顺畅地运行,解决各种领域专精问题。原来我们讲领域专家,当公司掌握了这些领域专家的技巧之后,就可以裁员了。

Meta 直接告知部分员工,你们的工作正在被技术替代,随后其中一部分员工就被开掉了。亚马逊在 2025 年 11 月的一份公开信中,有超过 1000 名员工联署,说我们认为你在蒸馏我们的技能,这事很吓人。

公司就是因为这三个原因,让 TOKEN 货币化,并且把 TOKEN 直接作为员工薪资待遇的一部分发给员工。

员工应该如何应对 TOKEN 货币化

错误的方法

1. 抗议

我要去抗议,我要去罢工。这个事在中国是行不通的,老外倒真有可能去罢工,但中国人一定会卷到飞起。有些人能适应,有些人会被淘汰,或者直接被蒸馏掉,这没什么办法。

所以,如果你的公司开始进行这种 TOKEN 货币化,就是把你薪资待遇的一部分按 TOKEN 给你发下来,千万不要去抗议。这个事无法抵抗,这是大势所趋。

2. 作弊

一定会有人作弊,相信我。可以写一些工具,想办法把 TOKEN 烧掉,但又不产生任何结果。比如让 AI 给你算一下 π,或者给它一个很复杂的流程,让它把流程整个跑完,TOKEN 就烧掉了,但你实际上不用它的任何结果。

这肯定可以应对考核。只要有 KPI、有考核、跟钱有关,肯定有人去写工具,甚至还有人拿去卖钱。就跟当年“学习强国”软件出来以后,专门有人教你怎么作弊、怎么刷时间、怎么通过考试一样。所以作弊一定会有。

但不建议这么干,因为 TOKEN 本身就是钱。既然已经拿到了,总要做点有意义的事情,哪怕干点私活。你把它白白浪费掉,不就是浪费生命吗?因为你也得花时间去浪费它。

3. 非暴力不合作

怎么玩?就是我消耗很多 TOKEN,但尽量不沉淀任何技能下来。每次使用时,我都说各种谜语,让 AI 去猜,让 AI 没办法把我的技能蒸馏下来。

你说可不可以这么干?抖音上经常有那种视频,说某个老板突然招了一个傻亲戚进来,让他跟着老师傅学设备操作。老师傅每次调设备都打个伞,或者拿衣服罩着,不教他。老板问你怎么不带新人,老师傅理直气壮地说,我这技术也是花几万块钱学回来的,我凭什么免费教给别人?

但这个事在 AI 面前是无效的。因为你总要干活,干完活就总要留下痕迹。AI 有极强的信息处理能力,它可以把大量信息汇集在一起,然后抽取规律。所以想靠这个蒙混 AI,是没戏的。

而且同一个岗位未必只有一个人干。有些人愿意沉淀技能,就是做完以后把工具越改越好用,这就算沉淀技能了,效率肯定会明显提升。另一帮人可能每天都跟 AI 打谜语,这些人大概率就会被淘汰,因为效率低。同岗位积累下来的技能,处理同样的工作,肯定效率更高。

配合 AI 是不是自掘坟墓

那愿意积累技能、训练 AI 的人,是不是就是自掘坟墓?是不是工贼?别人都罢工,你去上班。

这个怎么说呢?原来有个故事叫熊来了。俩哥们在那洗澡,其中一个赶快穿鞋,另一个问他,你穿上鞋就能跑得比熊快吗?他说不用,我不需要跑得比熊快,我只需要跑得比你快就行了。让熊把你吃掉,我就跑掉了。

所以,积极配合 AI、把技能沉淀下来的人,会活到最后,甚至有可能最后跟熊达成一种平衡,不一定被熊吃掉。而不配合的,肯定会被干掉。

还有一些人坚信自己的技能是 AI 无可替代的,这种人也很多。这条路通常也是走不通的。

AI 靠不靠谱

那么 AI 干活到底靠不靠谱?这里要跟大家讲一个大实话:AI 干活通常是不靠谱的。但你说有什么任务是 AI 做不了、必须人做的吗?通常也没有。

听起来很矛盾,对吧?干活又不靠谱,它还什么都能干。对,正因为它什么都能干,所以才不靠谱。

之所以说 AI 不靠谱,不是因为 AI 本身有问题,而是因为没有给 AI 正确的上下文,没有给 AI 足够的上下文。还有一个原因是,你没有给它足够高质量、足够多的 TOKEN 去进行推理、尝试更多方案以及讨论,那么它干活当然就不靠谱。

到底有什么是 AI 不能干的?为什么老范说 AI 什么都能干?原因很简单。你让 AI 干活,不是说这个事从头到尾都必须 AI 干,人一点都不能插手。它其实是人和 AI 一起在干活。差异只是,人参与了多少,AI 参与了多少,你们是如何协同的。

甚至有的时候,人到底在里面起到什么作用、起了多少作用,以及有些工作让 AI 干到底划不划算,这都是有差异的。有时候你让 AI 干一个事情,还不如自己噼里啪啦给它干掉。我们总是要找一个人和 AI 配合得最好的方式。你不能说这件事完全由 AI 决定,跟人一点关系没有,这才叫 AI 干的。其实不是这样的。

每件事情 AI 都可以上手,而且随着使用次数越来越多,在这个过程里,人的作用一定会越来越少。

有些人说,是不是体力活 AI 就搞不定了?AI 折腾了半天,现在不就是替代白领吗?送外卖这个事,AI 肯定搞不定了吧?别这么想。大家知道马上要上市的宇树科技,就是春节跳舞转手绢那个造机器人的公司。他们公司最大的股东是王兴兴,也就是他们的职工持股平台。第二大股东、最大的外部股东是谁?是美团,美团合计持股 10%。是不是觉得脊背发凉?美团除了投宇树科技之外,基本上只要是跟自动驾驶、机器人相关的,全投了,而且里头都是大股东。你想想他们想干嘛,大家心里都明白。

还有人讲,只有人能签字、能承担责任,特别是很多会计师、医生会这么想。大家想想,Anthropic 的 Dario Amodei 跟国防部长 Hegseth 到底在抗争什么?不就是说,你必须要人签字,不能让 AI 决定开不开枪吗?而国防部长说,我认为我可以授权给 AI,让它决定这个事情,它就可以去做。

所以不要想着 AI 不能承担责任这件事。没有什么事是 AI 搞不定的。AI 都能干,至于靠不靠谱,看你怎么用。

当 TOKEN 成为 KPI 后,AI 能力会被放大

多个 AI 代理像辩论者一样围坐在圆桌前,桌上堆着五篇不同版本的文章草稿,另一侧评分员模样的 AI 正在打分、拆分、重组内容,展现高 TOKEN 消耗带来的并行推理,羊皮纸,钢笔彩色手绘的统一风格。

当消耗的 TOKEN 变成 KPI 的时候,一些原来不划算的事情,可能就变得划算了。一些原来 AI 干不好的事情,现在也可能干好。

比如你原来让 AI 给你出一个方案,出来的是四平八稳、正确的废话。现在 TOKEN 多了,你可以说,来,AI,你给我写 5 篇不同角度、不同评分规则的文章出来。为什么要 5 篇?因为如果你只让它写 1 篇,它一定会写一篇它认为最稳、最安全的。你让它写 5 篇,这里面就会有差异。

写完以后,你再找一些 AI,说你把这 5 篇读一下,对这 5 篇评分,再把每一篇里最好的部分抽出来,重新组合。写文章的过程中,我们没有给它更多上下文,但你消耗了原来 10 倍的 TOKEN,得到的文章质量一下就上升了。

所以,当你能够烧足够多 TOKEN 的时候,你得到的产品质量就会上升。

正确的方法

1. 开放心态,迎接变化

这个事非常重要。因为你不迎接,总有别人跑得比你快,提前穿上鞋,把你淘汰掉。你不迎接是阻挡不了的,只能提前被干掉。

壁垒是不存在的。工作时间越长,你留下来的痕迹就越多。原来人去学这些东西,没有能力去阅读和总结这么多内容,但这个事对 AI 来说不是问题。即使真的有什么独特技能难以被替代,和 AI 能创造出来的新财富比起来,你原来那个不可替代技能所创造的业务价值,也可能不断下降。

比如原来有一个人说,这个单子只跟我签,你不能把我开了。你把我开了,我亲戚就不跟咱签单了。但当大家都在用 AI 尝试新的业务,有越来越多新业务的时候,你这个业务可能就没那么重要了。所以一定要开放心态,不要觉得自己不可替代。

2. 不断优化技能,持续提升效率

你知道 AI 在蒸馏你,但你没办法,你还是要干。

什么叫不断提升技能?像我现在用“龙虾”也是这样。一开始肯定很难用,很多地方不顺手。但你要跟它说,这个地方这么改,那个地方那么改,改完以后请记住,下次还这么改。你的技能就被沉淀下来了。这就是一个技能沉淀的过程。

等你下次再用的时候,它就记得你上次怎么说的,会把这个记忆提出来,按照你诱导过的结果接着干。如果你干得不满意,还可以接着提,说我觉得哪个地方你又没理解,再调整一下。调完以后它还会记下来。它就是这样工作的。

有些人会说,能跑就行,咱就这样吧,将就吧。确实有人爱这么干。这些人最后就会被淘汰。那些在工作的过程中不断发现可优化点、不断改进工作流程、让自己越来越舒服、效率越来越高的人,会留下来,其他的人就会被淘汰。

你说我越干越快,老板也不能看我闲着呀。对,那你空闲时间可以顺手干点别的,干点自己喜欢的事,哪怕干点私活。把 TOKEN 烧掉,其他事情再干一干,也没毛病。

3. 消耗 TOKEN 时,不一定只做老板指定的工作

干私活。前头反复讲了,要干私活。消耗 TOKEN,首先你得把老板让你干的事情干了,不能耽误事。但当你去尝试新方向的时候,找点自己喜欢的事就行了。也不用跑去跟老板申请,说老板你看我干这个行吗、干那个行吗。他也没空理你,他自己也在烧 TOKEN。

至于拿公司的 TOKEN 干私活,是不是不道德?其实他也搞不清楚你这事以后能不能成为公司的顶梁柱。就像前面讲的 AdSense,那些东西本来也像私活,是在个人兴趣里做出来的。最后不也成了公司的顶梁柱吗?所以先干了再说。

4. 重新理解个人与老板之间的差距

大家有没有想过,老板为什么比普通人厉害?抛开性格差异不谈,老板真正比普通人强的地方,是三个方面:经验、信息、资源

但现在我们有 TOKEN 了。当我们有足够多 TOKEN 的时候,信息处理能力上升了。原来只有老板能获得的信息,我们也可以获得,甚至很多老板都处理不过来的信息,也可以让 AI 帮你处理。

而有了 TOKEN 这种资源,我们在资源上跟老板也基本追平了。他拿到的 TOKEN 跟你拿到的 TOKEN其实一样。就算大家都去买最贵的 Anthropic Claude Opus 4.6 的 TOKEN,你也不可能让老板买到更好的 TOKEN 了,除非他上国防部去用 Claude Gov 那个版本。否则大家拿到的 TOKEN 都一样。

在这种情况下,资源和信息大家就追平了。那经验呢?老板是不是更有经验?通常是这样。但大家想清楚,当我们烧了这么多 TOKEN、用了这么多信息、做了这么多执行以后,这个经验是不是也快速积累起来了?所以在这种时候做决策,老板真的未必比大家强。

也许你可以为公司找到新的增长点。即使没有新的增长点,你也可能为未来的就业机会或者创业方向做准备。再往后,就是大家熟悉的那句话了:王侯将相,宁有种乎?我上我也行。

5. 多建立联系,多帮忙,哪怕免费

还有一个正确方式,就是多建立联系,不限公司内外,多给人帮忙,免费帮忙,不要收钱。因为你不知道哪个资源以后会对你有用。

多提供这种没有直接收益的帮助,因为反正你手里有 TOKEN 了,你提供帮助的成本也下降了。

有些人属于不见兔子不撒鹰,每件事必须先谈钱,谈不明白我就不给你干,甚至还要预付、要一手交钱一手交货。这些人通通都会被干掉。

为什么?因为现在大量内容,包括我们用的很多开源工具,比如 OpenClaw,我用得很开心,我给人付过钱吗?没付过。腾讯也在用,百度也在用,360 也在用。大部分人都没付过钱。那开发者得到了什么?他得到了标准制定权,成为了新的标准。

以后会是这样:我们提供大量免费帮助给别人,里面只有很少很少一部分人,可能一万分之一,甚至一百万分之一的人愿意给予回报。但因为现在提供帮助的成本很低,而且这些帮助和资源扩散得很快,全球的陌生人都可以用起来,所以即使只有很少一部分人愿意付钱,依然可以支撑这个体系运转。回报的机会就会上升。

所以一定要注意,要更多建立联系,更多提供帮助。

我现在也在烧大量 TOKEN。等什么时候我个人时间被大量节省出来以后,我也愿意为大家去服务。至于我用 TOKEN 做出来的一些产品,谁爱用谁用,我从来没惦记在里头挣多少钱。

6. 接受未来工作的非线性

一架传统公司晋升梯子在画面左侧逐渐断裂,右侧则是由许多横向桥梁、节点和人物连接成的网络,职场人背着电脑在不同节点间跳转,表现非线性职业路径,羊皮纸,钢笔彩色手绘的统一风格。

最后要讲的是,未来的工作可能是非线性的。以前大家都是在一家公司里一直干到死,慢慢升级,爬梯子,上面的人还是你的师兄。以后可能不是这样了。

未来的工作是非线性的。每个人都需要快速适应变化,建立更广泛的连接,不断寻找自己感兴趣的事情,付出努力,获得结果。原来那个晋升、升级、爬梯子,以后就没那么重要了。你说我原来整了一个 title,这没意义。现在很多公司已经开始做“反向升级”了,就是你原来有个很高的 title,现在我给你取消了。前面也讲过,埃森哲就在干这种事。

我有一位台湾听众跟我交流过。他很羡慕大陆,羡慕什么?他说你看你们大陆这些人,如果是名校毕业的,比如清华的,可能三五年就混到一个很高的位置,可以管理几百人、甚至上千人。他说这个事情在台湾不可能。

我当时很奇怪,为什么在台湾不可能?他说,在一个大公司里,你上边的领导可能就是你两届以前的师兄。他往上升一级,你才可以顶他的位置;一直到他退休,你再顶他的位置。一辈子就是论资排辈。

大陆则机会很多,大家可以快速发展。这就是上限和下限的问题。大陆属于上限高、下限低,台湾属于上限低、下限高。虽然台湾大家都论资排辈、看不到什么希望,但也不会轻易把你干掉,不会让你 35 岁失业。各有各的差异。

台湾这套东西,基本是跟日本的年功序列制学回来的,日本也是这样。这几年好像稍微松动一些,但松动的方式是把大量工作变成外包、派遣制员工,自己正式员工还是在走年功序列。未来这种系统可能会受到极大冲击。你越想维持这套系统,企业就越没法往前发展。

公司应该如何应对 TOKEN 货币化

公司管理层在长会议桌前讨论 TOKEN 政策,一边是严密审批表格和报销章,另一边是开放的实验区与员工自发项目,画面形成鲜明对照,羊皮纸,钢笔彩色手绘的统一风格。

错误的方法

1. 不跟进

你们爱干嘛干嘛,我搞自己的事情。这个肯定会被淘汰。除非家里有关系,或者有一些别人搞不定的特殊资源,让你还能在行业里再吃一段时间。但你到底能吃到哪天,不知道。

2. 继续自上而下的管理模式

这个也不行。以前很多公司都是一言堂,老板一个人说了算,老板说的所有东西都对。未来没有这个机会了。因为领导直接处理的信息和直接指挥的人也是有限的。

当手下所有人都在 AI 帮助下成为超级个体,你还想搞一个中心,还想烧掉这么多 TOKEN,唯一结果就是形式主义,大家都去作弊。否则这条路根本走不通。很多机构会向这个方向发展,这是避免不了的,因为习惯了老板一个人说了算。但以后行不通。

3. 严格限制 TOKEN 用途

前面讲了好几次,拿公司的 TOKEN 去干私活,有些财务、行政会觉得我很有责任心,不能让你们薅公司的羊毛。陈天桥就曾经很生气,说什么“硕鼠硕鼠,无食我黍”。他当时是想给员工一个福利,免费提供一顿晚饭,希望员工留下来加班。结果很多员工吃完就回家了,把他气着了。

发 TOKEN 以后,千万不要有这种想法。如果严格限制员工必须使用 TOKEN 做公司的任务,你的预算成本和收益必须一一挂钩,比如花了我的预算,你必须挂到哪个项目上。就像在公司里我要出差、打车、吃饭,报销时财务说你得填一个项目名,我把这个费用算到那个项目开支里去。这个事情千万做不得。

为什么?因为你根本没法判断这个“私活”以后有没有可能对公司有利。可能性才是最有价值的。严格控制用途,就是扼杀了所有可能性。原来需要严格控制,是因为试错成本太高。现在变了,严格控制只会形成形式主义,只能逼人作弊。

4. 弄虚作假

最后一个错误方法是弄虚作假,这个就不展开评论了。

正确的方法

1. 积极参与

TOKEN 成本本身并不贵。对于我们这些不上班的人来说,一个月 10 美金、20 美金、100 美金、200 美金,我会认真衡量,会觉得肉疼。但对于公司来说,比如一个月 200 美金,也就是 1400 块人民币。你花一个月 2 万块钱招了一个程序员,还要交社保、配各种东西。你每个月再给他加 1400 块钱买 Anthropic Claude Opus 4.6 的 TOKEN,这算个屁,根本不算什么。

等他们拿到这些 TOKEN 以后,就可以快速爆发,创造出更多可能性和机会,把现有工作更高效地完成。这才是最划算的。哪怕 TOKEN 投下去以后,效率提升了,我顺手裁员,这也划算。所以对于公司来说,积极参与一定是最划算的。

2. 考察效果,而不只是看消耗

一定要看 TOKEN 的效果,不能只看 TOKEN 消耗。

  • 看看有没有人作弊。这个一定会有,中国人这么聪明,绝对会有。要把作弊的人拎出来,第一时间干掉。
  • 看看是不是有新领域在被尝试。如果人家在尝试新领域,你始终不闻不问,那可能是在给自己培养竞争对手,或者人家长大以后就跑了。
  • 看效能是否有提升。烧了这么多 TOKEN 以后,如果一个人原来干嘛还干嘛,原来吭哧瘪肚干一天才能干完的事,过了两个月以后还是吭哧瘪肚干一天,那这个人就可以开掉了。
  • 看技能是不是被沉淀下来了。是不是有一些原来在人脑子里的东西,慢慢沉淀到系统里去了。这个是每过一段时间都要总结归纳的。

谷歌原来搞 20% 时间,很多人在谷歌拿着谷歌的薪水、用着谷歌的电脑,做着自己的东西,然后跑了。太多了。但谷歌对这个事是乐见其成的。

谷歌员工出去创业,我不把东西交给公司,还拿谷歌的种子轮投资。拿了几轮以后发现这个项目可以在谷歌内部落地,再找谷歌把它收购回去。你说这不是变着法薅公司羊毛吗?怎么还值得提倡?

但你要想清楚,在 20% 工作时间里做自己的事情,这个人的积极性是不一样的。你是在给自己种田,不是在给别人种田,所以积极性会非常高。

而且你出去创业这段时间,谷歌还愿意给你钱。为什么?因为你如果留在谷歌里,谷歌需要遵守劳动法,不能随便加班。你出去以后,你自己成老板了,你爱怎么折腾怎么折腾,做一些不那么合规的事情,也是你自己承担责任。万一孵化成功了,对谷歌还有用,那我再把你收回来。这才是机会最大化。

3. 做横向比较

你不能关着门干活,一定要看看竞争对手做到哪一步了,别人都在干什么,大家都是如何最高效地消耗 TOKEN 的。

4. 持续提高 TOKEN 消耗指标

你现在消耗不掉的 TOKEN,以后可以消耗得掉。比如老范现在每个月可能消耗几十美金,不到 100 美金的 TOKEN。如果我有更多 TOKEN,我就可以做更多事情。

是不是可以不断提升 TOKEN 消耗上限?比如现在把每个员工每月的 TOKEN 消耗量提高到 200 美金,发现有些人适应不了离开了,有些人留下来了。再往后提升到 1000 美金,每个月每个员工必须消耗 1000 美金的 TOKEN。你消耗不掉,你就被干掉。留下来的人继续往上走。这个指标是要不断往上拉的。拉完以后,下一件事就是裁员。该裁的时候就裁吧。

5. 放手让员工干私活

最后一定要强调,要放手让员工干私活。不要担心员工干私活。只要把指定工作完成了,你不能说我交代给你的活你给我出纰漏、没做完,这肯定不行。

你只要把指定的事干完,剩下的活你就干。干完以后,我们还要用开放态度跟大家讨论,这个有意思,那个是不是还能怎么做。在这个过程中,公司业务就可能膨胀,就可能有新方向。即使最后没有直接贡献,这个员工出去创业了,你依然有机会把这些成本收回来。

未来会怎么发展

一座座巨型数据中心机房灯火通明,服务器列阵像城市街道,工程师与运维人员在高热负载的设备间穿行,远景中还有正在建设的新机房塔吊,表现全社会 TOKEN 消耗激增,羊皮纸,钢笔彩色手绘的统一风格。

TOKEN 货币化的趋势肯定是不可阻挡的。

TOKEN 消耗会激增,全社会一起激增。现在其实已经看到苗头了。中国也好,海外也好,很多公司的 TOKEN 价格开始限制了。还不至于涨价,但像我们买的 code plan、TOKEN plan 这些套餐,现在已经开始限制,不能随便买了,或者条件比原来更苛刻了。

所以现在一定是说,已经建好的云计算机房、已经运转起来的算力卡都已经满负荷了。现在就是这样的状态,就等着建新的。

所以,原来那些认为 AI 是泡沫、这么多资本开支挣不回来的人,声量就会下降。放心,肯定能挣得回来。当我们用这样“浪费”的方式把 TOKEN 都烧掉以后,一定会得到更好的产品。所以 TOKEN 的量是绝对不够的。

公司和员工都会找到自己的新定位。很多公司会裁员,这是跑不掉的,会缩小规模。很多员工也会找到新的机会、新的位置。

TOKEN 货币化,到底革了谁的命

旧式科层公司大楼、单一指挥塔和年功序列阶梯在前景中出现裂纹,另一侧是分布式团队、自由流动的人才网络与 AI 协作终端迅速生长,形成新旧制度交替的结尾画面,羊皮纸,钢笔彩色手绘的统一风格。

那么,TOKEN 货币化到底是革了谁的命?这是咱们的标题。

大家有答案了吗?

  • 现行的公司体制,特别是日本、台湾这种年功制的公司体制,必然会被革命。因为这种僵化体系,不可能适应 TOKEN 货币化这样的新生事物。
  • 原来那些一言堂、只有一个中心的公司,也会被干掉,它们没有翻身机会。因为原来是一个聪明大脑指挥一帮人干活,现在是一帮聪明大脑一起看看怎么把活干了。那你上面这个一言堂的人,肯定是指挥不动的。
  • 还有那些不愿意改变、坚信自己无可替代的人,也会在未来一两年里迎接冲击。

好,这就是咱们今天讲的故事。

OpenAI与Anthropic新模型走向解析

2026年3月29日 08:55
两家 AI 实验室的对照封面,一侧是写着 OpenAI 的研究办公室与代号 Spud 的模型卡片,另一侧是 Anthropic 的官网后台与 Mythos 名称条目,桌上散落电路图、代码页面和新闻剪报,羊皮纸,钢笔彩色手绘的统一风格。

OpenAI 和 Anthropic 的新模型将走向何方?

大家好,欢迎收听老范讲故事的 YouTube 频道

OpenAI 的新模型有消息了。有媒体披露,一些内部信息泄露出来了。The Information 在 3 月 24 日发了报道,说 OpenAI 已经完成了下一代大模型的预训练,内部代号叫 Spud。山姆·奥特曼在内部对员工说,这是一个非常强的模型,并且可能切实推动经济加速发展。

随后,路透社、连线杂志、Bloomberg 都围绕着新一轮的组织调整,以及 Sora 关停等信息,对这个新模型进行了报道。OpenAI 正在把资源从视频等边缘业务抽回来,集中押注在代理、编码、企业产品和统一的超级 App 上面。

这里边,Spud 不是官宣名称,而是一个内部项目代号。所以我们通过这个词去猜它到底是什么意思,其实很难。OpenAI 的习惯是先随便起个名字,等到发布的时候,可能给它一个版本号。最后也许是 GPT-5.5、GPT-6,都是有可能的。

这次泄露出来的信息很少。OpenAI 内部把它描述为即将发布的新模型,内部预期是未来几周内,也有媒体描述为 coming weeks,就是几周后会发布。后面咱们也拍脑袋猜一下,这个模型到底会有什么新特色。

Anthropic 这边也泄露了一个新模型,叫 Mythos,也有人管它叫卡皮巴拉。这是因为人为错误泄露出来的模型。Anthropic 刚吹了牛,说自己的 code review 功能非常强,结果就出了这种 bug,实在不应该。

什么是 Code Review?

资深程序员在堆满显示器的工位前审查复杂代码差异,屏幕上同时显示旧版本与新版本、红绿标记的变更行和错误警告,神情专注,羊皮纸,钢笔彩色手绘的统一风格。

什么叫 code review?就是写完代码以后,我要去提交回去。不是说我从头到尾写一套新代码,而是说我要在原来的系统里稍微改点东西。

在这个时候,我们需要把所有代码都看一遍,看看你有没有改了一个错误,却带来十个新错误。这个过程就叫 code review

它非常考验程序员对代码的理解能力,以及对大规模代码的处理能力。因为代码很多,把这段新代码放进去以后,你得知道它有没有牵一发动全身,是不是对其他地方有影响。所以真正的老程序员、资深程序员,是要去干这个活的。

Anthropic 说,自己出了一个新的 code review 功能,这个能力非常强。code review 完以后,再让程序员去看,99% 都是满意的,只有 1% 可能会有一点点小偏差。结果自己刚吹完这个牛,就出了这样的信息泄露 bug。

Mythos 是如何泄露出来的?

公司官网后台 CMS 界面被意外暴露的场景,编辑页面里出现 Mythos 的发布条目、隐藏按钮和预览草稿,远处像爬虫一样的小型机械装置顺着网页链接爬行,羊皮纸,钢笔彩色手绘的统一风格。

这个事情是 3 月 26 日《财富》杂志发现并进行了报道,3 月 27 日 Anthropic 就承认了,说确实有这么个事。这应该就是前面大家普遍猜测的卡皮巴拉模型。

大家注意,卡皮巴拉是内部代号,而 Mythos 是对外名字。因为如果不是对外名字,它也不会进到 CMS 系统里去。这次泄露,就是从 CMS 系统里泄露出来的。

CMS 是什么?

CMS 是什么?叫内容管理系统。名字听着很文绉绉,实际上就是官网后台。所有公司都会有官网,官网上有博客、有各种产品介绍、有成功案例。作为一个公司的官网来说,它就叫内容管理系统。

大家注意,这种管理系统上的东西会在什么时候写?比如说我今天发新模型,我会今天才写吗?肯定不会。一定会提前写,但也不会提前太多。比如提前一周、两周,把物料都准备好。准备完以后,先让它不可见,等新模型发布的时候,再统一拿出来,改一个参数说现在变成可见了。通常一定是这样的过程。

所以 Mythos 这个名字,一定是对外用的名字。因为对内用的名字,没必要写到信息管理系统里去。

为什么会被爬虫发现?

那它有可能发生什么样的配置错误,才会直接被人发现呢?这个以前我们也干过。当时盛大做电子书的时候,也是先写好文章,把网站都做好,但不能让别人发现,要等开完发布会以后才能拿出来。

如果后边我配错了什么东西,这些信息就会被爬虫拿走。虽然你可能没有一个公开链接,或者链接藏得很深,但爬虫不管这些,它会进来一顿爬,然后告诉大家有什么什么新东西了。

现在 Anthropic 的网站一定是大家每天都盯着的网站,一堆爬虫在那爬。所以它 CMS 系统里即将公开的信息被爬虫爬走了,然后就被像连线杂志、《财富》杂志这些媒体通通报道掉了。Anthropic 也只能自己承认,说确实有这个事。

猜测 OpenAI 的 Spud 会走向哪里?

一个统一入口的 AI 控制台,中央是名为 Spud 的主模型面板,向不同大小的子模型节点分流任务:复杂规划、工具调用、摘要归纳,各条路径用不同粗细箭头连接,羊皮纸,钢笔彩色手绘的统一风格。

首先我们先来猜测一下 OpenAI 的 Spud 模型可能有什么能力。大家注意,这是猜测,猜错了就当听个笑话。

OpenAI 现在手里的真正大杀器是什么?是 OpenAI Codex。它把 OpenAI Codex 的创始人又拎回到自己公司里来上班了。真正需要做的事情是什么?就是要打造一款适合 OpenAI Codex 的模型。

一个“傻瓜型”统一入口模型

它需要一个什么样的模型?一个“傻瓜型”模型。不是说这模型本身笨,笨肯定没法用。怎么个“傻瓜法”呢?就是可以自动根据 agent 任务的复杂度,直接上不同算力和推理强度的模型。

比如说现在有 GPT-5.4、GPT-5.4 Pro、GPT-5.4 Mini、GPT-5.4 Nano 这些模型,那我到底什么时候该上 Nano,什么时候该上 Mini,什么时候该上 5.4,什么时候该上 5.4 Pro?这个东西如果用错了,不光浪费算力,它还慢。而且 OpenAI 去卖算力、卖套餐的时候,你的额度也是按模型分开的。

比如我使用 5.4 模型,第一个是很慢,第二个是我这 20 美金的套餐可能两三天就跑没了,然后就得等下个礼拜再回来,这谁也受不了。那你说我都挂 Mini 行不行?挂 Mini 的话,可能够它跑一个礼拜,但它又不够聪明,很多事情跑不对。

那怎么办?对于 OpenAI 来说,最简单的方式就是做一个统一入口。在这个入口里,它自己来分配:

  • 复杂的任务,比如任务规划,上 5.4;
  • 调用各种工具、跑一些简单任务,就上 5.4 Mini;
  • 再简单一点的上 Nano;
  • 最后把大量信息放在一起,需要总结归纳了,可能再上一次 5.4 Pro。

这样等于在需要聪明的时候就非常聪明,不需要聪明的时候又很省算力,反应也很快。

这应该就是 OpenAI 在干的事情。这种东西出来以后,OpenAI 就可以给出一个非常高使用额度的套餐。因为你大部分任务实际上都是简单任务,真正需要很大算力、很长推理的任务并没有那么多。

“自助餐”式套餐的类比

日料自助餐台的比喻画面,海胆、鱼子、三文鱼、寿司、加州卷和米饭被整齐摆放,顾客只少量取用最贵食材,菜单旁隐约对应不同模型档位,羊皮纸,钢笔彩色手绘的统一风格。

这相当于它出一个自助餐。我们现在使用套餐,其实就有点像自助餐,给你多少额度,至于你具体干什么,它其实不管你。

在自助餐里,比如我去吃日料,我就专盯着海胆或者鱼子这种比较贵的东西去吃,那任何日料店都受不了。

那他们怎么办?有的日料店就说,我给你限制一下,你只能吃两份海胆,只能吃几份鱼子。还有一些日料店是怎么处理的?我把品类变多。我这有海胆、有鱼子、有三文鱼、有北极贝,也有寿司、加州卷。寿司里头有米,加州卷里头米更多。

当我把这么一大堆东西都拿出来的时候,你东吃一口、西吃一口,最贵的食材,或者总体的食材消耗量,就下降了。

这个例子举出来,大家应该就理解了。OpenAI 想干的活,就是我给你准备非常非常多的东西。你想吃到什么的时候,我就给你相应的东西。

我给你准备一个非常齐全的菜单,大家根据各自需要,吃了些米饭、吃了些面条、吃了点三文鱼、吃了点鱼子、吃了点海胆,整顿吃下来,我还可以给你很便宜,因为你最后可能也就吃了一份海胆。这应该就是 OpenAI 的 Spud 可能努力的方向,当然这是我猜的。

Anthropic 的 Mythos 可能意味着什么?

从 Haiku、Sonnet、Opus 到 Mythos 的阶梯式卷轴,短诗纸页逐渐过渡为厚重史诗书册,最上方展开一幅描绘文明神话与群星叙事的大型挂毯,羊皮纸,钢笔彩色手绘的统一风格。

下一个咱们讲一讲 Anthropic 这个叫 Mythos 的东西。我们从这个名字上,可以猜出来他们想干什么。原因很简单,因为这个名字是对外名字,就可以来猜了。

从 Haiku、Sonnet、Opus 到 Mythos

Anthropic 的这几个模型,第一个叫 Haiku,意思是俳句,是日本的一种极短诗体,传统上只有 17 个音节,通常分为 5-7-5 三段。

稍微大一点的模型,或者叫中等模型,叫 Sonnet,也就是十四行诗,也还不是很长。再往长一点的,叫 Opus。像我们现在用得最好的、跑“龙虾”的模型就是 Opus。它的意思是作品、剧作、篇章作品,是这样的一个名字,这个就可以写一本小说了。

最新这个即将发布的叫 Mythos,是什么意思?叫神话体系、神话叙事,一个文明的核心故事。大家就想明白这是个什么东西了吧。它不是 Opus 4.8 或者 Opus 5.0,它是在 Opus 的基础上再往前推进一档。这是比 Opus 更强一级的模型。

为什么 Anthropic 要做更强的模型?

Anthropic 为什么要做这样一个模型?首先我们要想,Anthropic 遇到了什么样的问题。现在的问题是 harness 太强,导致模型之间的差异被缩小了。

Harness 是现在比较新的一个概念,直接翻译过来可以理解为驾驭系统。Claude Code、Claude Copilot、OpenAI Codex,以及我们现在正在热炒的“小龙虾”、OpenClaw,实际上都属于这种驾驭系统。

这个词好像还有一个翻译叫马的缰绳。其实我觉得用“马的缰绳”来讲这个事,大家更容易理解。

我们现在有匹马,就是这个模型。你给它套上缰绳了,哪怕这个模型差一点,只要我这个缰绳控制得好,它也能够走直线,能把车拉走。一堆中国模型,在强力的“马缰绳”驱动下,也可以进到 Claude Code 或者 OpenAI Codex 这种 agent 系统里去,某种意义上滥竽充数。这就是 Anthropic 遇到的问题。

那么从 Opus 进化到 Mythos,从“作品”进化到“神话体系”,会有什么样的变化?就是把很多原来 harness 的能力内化到模型里边去。这就是他们要干的活。让新一代的 harness 只能适配新的、能力更强的模型,别人再想滥竽充数就充不了了。

Anthropic 不会弱化他们现在已经有的 harness,比如说 Claude Code,把它做得简单一些,它不会干这个活。但是它会让模型有更强的自主能力。

像原来说,这匹马是烈马,经常瞎跑,怎么办?我就把缰绳拉紧一点。以后 Anthropic 可能说,我给你更强的自主能力,你可以自己决定往哪走。这样的话,如果模型强,就可以更好地完成任务;如果模型差,那就没法看了。

咱们原来有两个成语,一个叫老马识途,一个叫信马由缰。你说我把缰绳松开了,你自己走吧。走的过程中,老马又认识路,它可能就把你带回家去了。Anthropic 如果把这个方向搞定,那些滥竽充数的中国模型大概率就会掉链子。

中国模型是如何“冒充” Claude 的?

一组戴着不同面具的模型接口站在 API 网关前,表面写着模拟 OpenAI 与模拟 Anthropic 的入口,后方有蒸馏装置把大模型能力滴入小模型容器,羊皮纸,钢笔彩色手绘的统一风格。

中国模型到底是怎么冒充 Anthropic 的 Claude 模型的?

  1. 第一步最简单,就是 API 格式直接去模仿,这最容易。调用什么模型,命令以什么格式进去、什么格式出来,这块国内模型早就干了。所以现在我们使用比如 Kimi、MiniMax、豆包这些模型时,调 API 的时候,里头往往有两个接口:一个模拟 OpenAI,一个模拟 Anthropic。你在不同地方有不同接口可以调用。
  2. 第二件事就是蒸馏,这肯定少不了。现在国内的大模型都喜欢去蒸馏 Anthropic 的模型,一般不会去蒸馏 OpenAI 的模型。

AI 系统一般分哪三层?

三层结构剖面图,底层是文件系统、浏览器、虚拟机和外部平台组成的环境层,中层是带缰绳与齿轮的 harness 层,顶层是负责规划与推理的模型层,层间有清晰箭头流动,羊皮纸,钢笔彩色手绘的统一风格。

除了最简单的这两点之外,后边稍微讲一点点技术,尽量按简单方式讲。现在的 AI 系统一般分三层。

第一层:模型层

第一层是模型层,就是咱们讲的大模型。它负责什么?

  • 长任务规划;
  • 代码理解和生成;
  • 工具选择;
  • 多步推理;
  • 目标保持;
  • 自我修正;
  • 在不完整信息下继续推进。

比如你说我要干一件什么事,它先想好第一步干什么、第二步干什么、第三步干什么,最后如何确认这个事情。

目标保持这个能力很难,也比较靠功夫。国内很多模型跑着跑着就跑偏了。然后是自我修正,跑偏了以后你能不能回来,这也靠模型能力。

还有一个很考验模型的,就是在不完整信息下继续推进。其实我们让模型去干活,给它的信息经常是不完整的。有的时候,我一个眼神你就领会了,这就叫不完整信息下的继续推进。有些模型则必须把话说得很透,它才能按要求往前走,这就是模型差异。

第二层:Harness 层

第二层就是 harness 层,叫驾驭系统层,或者叫“马缰绳层”。这里边它干的活包括:

  • 代理循环;
  • 上下文剪裁和注入;
  • 子代理分工;
  • 权限审查;
  • 工具路由;
  • 检查点、工作树、回滚;
  • 记忆系统;
  • 任务调度。

代理循环就是看看还有什么任务没做完,接着做;还没做完,再接着做,它会干这样的事情。

上下文剪裁和注入,就是把大量上下文保存起来、管理起来,在需要的时候,把正确的上下文剪裁好、压缩好,再塞到 agent 里去,让大模型去处理。

比较复杂的功能,比如检查点、工作树、回滚,这些也都是由 harness 控制。这些都属于编程里常用的东西。

检查点是什么?就是我在这设置一个点,如果出问题了,可以从这退回去。至于工作树,就是我们在同一个地方分叉,按不同方式去做,做完以后再合并回来。回滚就是哪做错了以后,可以 rollback 回到上一个状态,保证从那个地方继续往前走。

我们现在使用“小龙虾”,其实天天都在跟这些功能打交道。

第三层:环境层

最后一层叫环境层,包括文件系统、脚本执行、浏览器、图形界面、虚拟机沙箱,或者 GitHub、Slack、Discord、Telegram、QQ 这些外部系统。整个 AI 系统,基本上就是这三层在工作。

哪些能力可以靠 Harness 补齐?

有些模型能力差一些,是可以靠 harness 来补齐的。比如我现在“龙虾”里用的是 MiniMax 2.7,因为“龙虾”自己能力还是比较强的,所以基本上能干活。

哪些能力可以补齐?

  • 明确任务解析;
  • 代码库检索;
  • 文件修改;
  • 各种脚本执行;
  • 固定格式输出;
  • 规则驱动审批;
  • 记忆回填;
  • 向量搜索。

相当于什么呢?一个眼神过去它搞不定,但我掰开了揉碎了,把事情讲清楚,那么 MiniMax 也能干活。

为什么这些就可以搞定?因为它们是通过子代理模板、预设工具链、各种 agent 描述文件、权限模式、沙箱这些东西,等于“龙虾”限制了模型跑偏。这些模型相当于是烈马,有一个很强的缰绳,就可以把事情往前推。

哪些能力不容易靠 Harness 补齐?

(img: 一匹烈马与一匹老马并列前行,前者被紧紧拉住缰绳仍试图偏离道路,后者在雾气、岔路和噪声中依旧稳稳朝目标前进,象征难以外部补齐的模型本体能力,羊皮纸,钢笔彩色手绘的统一风格。3:2 )

还有一些能力,是不太容易被 harness 补齐的。这些能力,是真正吃模型本体的。

  • 目标在很长上下文里不漂移;
  • 面对噪声和歧义的时候继续推进;
  • 知道什么时候该停,什么时候该问,什么时候该反思;
  • 工具选择是否正确合理;
  • 信息不完整的情况下,如何高质量地自我纠偏。

比如我给你讲半天,你一定要记住你到底要干什么,不能讲了半天以后你忘了,这不行。这个中国模型就比较容易出问题。

第二个,是面对噪声和歧义的时候继续推进。比如我给你开个玩笑,我给你阴阳怪气一下,你要继续沿着正确路径往前走,不要被我带偏了。

还有什么时候该停,什么时候该问,什么时候该反思,这也非常考验模型能力。像我现在使用 MiniMax,就必须告诉它:这个事该停下来了,这个事你别问我,你自己去搞定,那个事你现在要做一次完整的自我反思。我只能手动做这件事,没法让它自动做。

以及工具选择是否正确合理。你使用 Opus、使用 Claude 的模型,它就会比较合理地去使用工具。包括我用 GPT-5.4,在这块也没什么问题。但你使用中国模型的话,就会出现一些跑偏的情况。你要不停地去校正它,校正完了以后还要告诉它,记住,这个东西下次不能再错了。当然有时候它还会再错一两次,但你多让它记几次以后,它还是能记住的。

还有就是信息不完整的情况下,如何高质量地自我纠偏,这也非常非常考验模型能力。

Mythos 的升级重点可能在哪里?

这一次 Mythos 的升级,主要就是照着刚才我们讲的这些 harness 比较难补齐的部分去升级。Anthropic 讲了,说他们主要会在网络安全能力、计划能力以及错误修复能力上进行升级。这是在媒体报道了 Mythos 这个名字以后,Anthropic 自己承认的。

同一个 harness 使用 Mythos,可能会比今天的 Opus 4.6 更进一步。比如更少跑偏,更少问一些错误的问题,更少在多步链路里丢失目标,更会使用计算机,更能够在复杂系统里自我修正。这就是他们想去做的事情。

中国模型可能就要抓瞎了,可能会在高噪声环境下没法稳定地完成完整任务。

遇到这种比较差的马,你就一定要把缰绳拉紧。在低监督环境下,它自我推进的能力肯定也会变得很差。特别是像网络安全,因为网络安全里一定是信息不完整的,而且很多人惦记骗你。你怎么能够在这个时候把事情做对,这非常考验模型。它如何进行比较长距离的规划,如何进行错误修复,这些都会很考验模型。

未来会如何发展?

近未来工作台前的用户同时观察 OpenAI Codex 与 Anthropic 新模型发布倒计时,桌上放着订阅账单、稳定网络设备和运行中的开发终端,窗外晨光映入,带有期待感,羊皮纸,钢笔彩色手绘的统一风格。

第一个,几周之内,咱们应该会看到两个新模型。不管是 OpenAI 还是 Anthropic,都会推出新模型。我个人会更期待 OpenAI 的模型,因为我订阅了,我花钱了。

Anthropic 我一直没舍得。正确使用 Anthropic 模型的方式,应该是这样:

  1. 先花 20 美金订阅;
  2. 老老实实在稳定的 IP 环境下使用;
  3. 尽量在 Claude Code、在 Anthropic 自家的工具里用;
  4. 用一段时间以后,再逐渐地到“龙虾”里去用;
  5. 养一段时间号以后,再看看是不是让它在这种比较复杂的 IP 环境下工作,才能避免封号。

否则的话,它封你没商量。

像我现在其实可以基本保证稳定 IP,因为基本都在家,也不怎么出门,不会遇到 IP 经常跳来跳去的情况。但是养号这段时间,我肯定还是要花美金去订它的账号,而且在这段时间里,我是没法高强度使用它的,所以我一直没舍得。

那么 OpenAI 推出新模型以后,我大概率可以在 OpenAI Codex 里靠 20 美金套餐,就基本让它跑完,而不会像现在这样,跑个两三天就把一周额度跑光。如果真能做到这一步的话,我应该还是比较开心的。

OpenAI Codex 其实是一个设想非常宏大的产品,就是它功能未必都实现得那么好,但它设想的功能很宏大,而且对于各种模型还是相对比较友好的。

至于 Anthropic 的 Mythos,反正我现在准备等中国模型去蒸馏它。我相信这些公司应该不会放过它。等这些模型把 Mythos 的能力蒸馏回来以后,我应该也能够使用部分 Anthropic 的能力。

好,今天的故事讲到这里。感谢大家收听。请帮忙点赞、点小铃铛,参加 Discord 讨论群,也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。


背景图片

Prompt:in the style of modern editorial watercolor, ink wash edges, soft bloom, textured paper feel, restrained palette, clean hierarchy, hyper-detailed Silicon Valley startup office interior, floor-to-ceiling glass walls revealing a garden of blooming cherry blossom trees, employees working at sleek standing desks with curved monitors, soft golden hour light casting gentle shadows, blush pink and warm ivory tones, indoor plants mixed with the view of outdoor樱花, depth of field with foreground cherry petals, warm and orderly atmosphere –no cluttered, –ar 16:9 –stylize 600 –chaos 15 –v 7.0 –p qaczhqj

Sora2关闭背后:AI视频社交失败

2026年3月27日 08:48
一张旧书桌上摊开的羊皮纸地图,中央写着“Sora2 App”被红色墨线划去,四周散落着手机、电影胶片、社交媒体图标小徽记和燃烧中的算力硬币,像一场平台战争的开场封面,羊皮纸,钢笔彩色手绘的统一风格。

Sora2 关闭,到底谁输了、谁赢了,很多人其实理解得并不深刻,而且大部分人都理解反了。

Sora2 宣布关闭,应该是 2026 年 3 月 24 日的事情。OpenAI 直接发了一条 X,我不知道是不是还发了其他公告,但我在 X 上看到了:我们要跟 Sora2 App 说再见了。

很多人就说,完蛋了,最早由 Sora 开始的 AI 视频生成赛道,现在别人都追上了,结果 OpenAI 自己玩飞了。到底是怎么回事,今天详细解说一下。大多数人的认知,我要告诉大家,全错

关于 Sora2 关闭,最常见的几种误读

四块钉在木板上的错误告示牌,分别写着“IPO 收缩战线”“好莱坞施压”“迪士尼授权白给”“10亿投资泡汤”,一只拿放大镜的手正逐条审视,像侦探拆解谣言,羊皮纸,钢笔彩色手绘的统一风格。

第一个认知是:OpenAI 在收缩战线,准备冲刺 IPO 了,OpenAI 宣布失败了,以后不玩视频了。这个理解是错的。

第二个认知是:OpenAI 顶不住好莱坞的压力,必须要关闭 Sora 了。这也是很多人的解读,但这正好反了,待会再讲为什么。

第三个认知是:迪士尼亏了,200 个授权白给了,这么多有价值的 IP 直接授权出去,最后没养活 Sora。这个也不能这么简单理解。

还有一个说法是:OpenAI 亏了,迪士尼的 10 亿美金投资泡汤了。这个也没有这么简单。咱们一项一项拆解。

OpenAI 关闭的到底是什么

一部标着“Sora2 App”的手机应用图标被轻轻放进关闭的抽屉里,而背景里“模型”“API”“视频生成引擎”仍在齿轮与管线中持续运转,强调只是关掉前台入口,羊皮纸,钢笔彩色手绘的统一风格。

首先要讲,为什么要关闭。OpenAI 为什么要做这件事?第一个要注意的是,它关闭的是 Sora2 的 App,就是这个应用关了。Sora 相关的模型、API 调用都还在服务,至少目前还在。以后是不是继续做下去,还要拭目以待。

关闭 Sora2 App,并不等于 OpenAI 退出了视频生成模型的战斗,只是换了一种打法而已。

Sora2 App 上面给普通用户大量免费额度,大家可以在 Sora2 App 上看到别人的视频,说我也生成一个吧。这个非常非常耗钱。而且还有聪明的中国小伙伴研究出了薅羊毛的方法。

为什么免费生成会变成一个巨大的成本黑洞

深夜的电脑屏幕前,一串自动化机器人手臂不断点击美国网站按钮,视频生成任务像纸卷一样疯狂吐出,另一侧的金币和算力芯片掉进无底黑洞,画面表现“薅羊毛”与成本失控,羊皮纸,钢笔彩色手绘的统一风格。

怎么薅羊毛呢?Sora2 除了有 App 之外,还有美国的网站。你必须把自己的 IP 地址设到美国,才可以用它的网站。通过前端注入的方法,也就是通过机器人模仿浏览器点击的过程,自动去生成视频,就可以薅它羊毛了。你可以把整个过程做成自动化。

很多国内看到的 AI 小漫剧,实际上都是拿这玩意做的。那 OpenAI 就亏死了,花了好多好多的钱,最后用户也没留下来。

OpenAI 当时做 Sora2 App 的目的,并不是说我的视频模型有多强。他们的目的是想做一个新的 TikTok。做 TikTok 的意义在哪?就是要让用户留下来互动,这才是做 TikTok 的意义,而不是说我的模型有多强就完了。

结果一帮中国聪明的小伙伴拿它的模型直接薅羊毛,做出视频以后发到 TikTok 上去了,给 TikTok 带来新的活跃和沉淀。那 OpenAI 不是亏死了吗?烧了很多算力和 token,最后没有给自己留下东西,反而给别人添砖加瓦了,所以必须把它关掉。

这一次关闭,并不是说版权或者 AI 视频生成这块出了问题。这一次的关闭,其实是 AI 视频社交媒体的尝试失败。大家一定要注意,不是视频模型失败,而是 AI 视频社交媒体的失败。

四家 AI 视频生成公司的不同打法

四条岔开的古旧道路通向不同方向,路牌分别写着 Google、OpenAI、xAI、ByteDance,每条路上各有不同工具与收费牌、社交图标和围栏,像一幅赛道对比总览图,羊皮纸,钢笔彩色手绘的统一风格。

现在有四家 AI 视频生成公司在这个赛道里,实际上都有尝试。它们的结果是什么样的呢?

1. 谷歌:最保守,基本什么都没干

第一个是最保守的,谷歌最保守。它做的是 Veo 3.1,除了 API 按秒计费之外,基本上啥都没干。它并没有给你免费额度,也没惦记让你去形成新的用户关注、形成新的用户互动。

YouTube 后台确实添加了相关功能的预告,但是具体怎么用,我现在也没看到。Gemini Pro 用户每天大概可以做两条还是三条,这个基本上都被我浪费了。每天两三条,处理起来实在太麻烦了。这就是谷歌,啥都没干。

2. OpenAI:最激进,但在社交层面失败了

第二个就是 OpenAI,它属于激进派。一边是 Sora API 按秒收费,大概一秒钟是十几二十美分的样子;另外一边,就是给了用户巨大的免费额度。你用它的 Sora App,或者用美国 IP 登录它的 Sora 网站,都可以免费生成视频。

免费生成视频以后,一定会面临巨大的成本压力和版权合规压力,但是它没有获得持续的用户互动和用户沉淀。虽然 Sora2 出来以后,一下就登到了美国苹果排行榜的第一名,几周时间弄到了一大堆用户,但这个没用。你要让这些人留下来继续玩下去,才有意义。

当时 Sora2 出来的时候,我们其实录过视频,当时就预言过这件事情:模型做得还是可以的,但是你要想做出 App 来,让大家像玩 TikTok 那样玩下去,那还要日久见人心。结果现在它就失败了。OpenAI 自己没得到好处,还被人薅了羊毛,所以必须关闭。

3. xAI:闷声发财的赢家

一座名为“X”的高台上,创作者把生成好的视频卷轴投向广场,台上的富豪剪影正举手点赞并转发,台下金币和观众掌声同时汇聚,突出“收费+社交沉淀”的赢家姿态,羊皮纸,钢笔彩色手绘的统一风格。

第三家叫闷声赢家,就是 xAI。它的 Grok Image 这个模型也是可以生成视频的。它在绘图和做视频上其实不算最强,但是限制最少。我不管你什么有 IP 没 IP,或者穿得多穿得少,你们只管做就完了。

它也没有让大家免费生成,都是通过 API 按秒计费,大概一秒钟可能比 OpenAI 还稍微贵一点,具体其实不重要。

为什么说它闷声发大财?就是你如果用 Grok Image 生成了视频以后,把它发到 X 平台上去,如果这个视频做得很好,就有机会获得埃隆·马斯克亲自点赞和转发。

其实在四家视频大模型里头,做得最好的就是 xAI,因为它完全没限制,或者限制已经非常非常少了。而且马斯克还给你点赞。钱赚着了,按每秒钟收费,社交互动和用户沉淀,X 平台也都接着了。当然,它的投入也很巨大。你说它投入什么?世界首富手动在那点赞转发,这个你不算成本吗?一个身价 8000 亿美金的世界首富给你点赞了,这多爽。

4. 字节跳动:模型强,但产品路线有点尴尬

第四家就是字节跳动,Seedance 2.0。他们属于稍微有点尴尬。为什么呢?模型做得非常好,但是它也想走 OpenAI 这条路,想抄一把。现在就有点尴尬了。

一方面,它现在按秒付费的 API 压根就没开。你说我现在想到火山云上去用它的 API,用不了。现在只可以通过即梦的网站或者 App,以及火山平台在网页端使用一些模板去生成视频。你现在再想上传什么素材,这一块基本上没法整,需要巨长的等待时间。你现在想生成一个视频,那就等吧,基本上等一天。

而且合规规则极其模糊,这是我特别讨厌的地方。你上传了一堆素材,说给我生成吧,它说对不起,你那个违规了。你问它怎么违规、怎么改正,它不告诉你,就是说你违规了。后来我说那你把规则文件给我,我自己去改进,它说不行,我们没有规则文件,你就是违规了。

另一方面,它也想学 OpenAI。即梦 App 走的就是 Sora2 的路线,用户可以免费生成,不用花钱。你如果在手机上,不管是安卓还是 iPhone,下载一个即梦 App,就可以照着人家已经生成好的模板,把自己的人脸录进去,就可以去生成了。

即梦 App 的结果其实跟 Sora2 差不多,也没有获得预期的用户互动和用户沉淀。但有一点比较好,就是它没有被薅羊毛。为什么呢?因为即梦的网站不可以免费生成视频,只有即梦 App 才可以免费生成视频。而 App 这个东西是没法薅羊毛的,你一旦有网站了,就可以通过很简单的前端注入手段去薅羊毛。因为视频生成这个事本身成本实在太高了,字节还是比较了解中国用户的,所以他们压根就没有开网站端的免费生成额度。

但是字节虽然在即梦 App 上没有赚到想要的互动,它也没亏大钱。因为什么呢?它手里还有 TikTok 和抖音。你做完的这些视频,虽然没有在即梦 App 里互动起来,但是到了 TikTok 和抖音里边去互动起来了。所以虽然有点尴尬,但总的不亏。

真正的问题不是模型,而是社交平台

一座冷清的新App小岛上几乎无人停留,创作者们划着小船把视频卷轴运往远处灯火通明的X、TikTok、抖音、YouTube Shorts大港口,港口里点赞与评论像烟火升起,羊皮纸,钢笔彩色手绘的统一风格。

所以,必须要有成熟的社交媒体平台,才可能让 AI 视频社交玩起来。想重新单做一个,肯定是不行。Sora2 就是惦记重新单做一个,即梦 App 也是惦记另起炉灶单做一个,都没戏。

只有像 X、抖音或者 TikTok 这样的平台,才有可能起步。其实谷歌也是有机会的,只是这位老大实在太稳重了,因为它手里还有 YouTube Shorts。

想要搞新 App、重新吸引用户的尝试,基本上都失败了。现在制作视频的成本实在太高,不管对于平台方还是用户方来说,制作成本都很高。所以你想靠新的应用去吸引用户,太难了,用户太少。

最后,用户做出了视频以后,发现在 Sora2 这个 App 里没有人给我点赞,没有人跟我互动;在即梦这个 App 里做出来的,也没人给我点赞、没人跟我互动。那我只能把视频下载下来,到 X、到抖音这些平台重新再发一次,才发现有人点赞、有人互动。

在这样的情况下,用户只能选择薅羊毛,生成的视频放到其他有人气的社交媒体平台上去发布。那么,被薅了羊毛、还没留住用户互动的 OpenAI,就只能选择止损了。

这就是 OpenAI 为什么在这时候把它关掉的核心原因:这条路走错了。不是视频生成走错了,而是形成独立的 AI 视频社交媒体这条路走错了。

Sora2 关闭,和版权诉讼到底是什么关系

有人说,Sora2 的关闭是不是跟版权合规诉讼有关系,别人都告它,它就只能关掉了?这个事要跟大家讲,正好理解反了。

为什么呢?版权诉讼跟 Sora 关闭肯定是有关系的,但这也就是一个成本。有人告我了,我慢慢拖几天,再去研究怎么处理这些内容就可以了。这个事本身是可以进行成本核算的。只要用户来了,我都愿意支付这个成本。这点成本,比它烧掉 token 的成本要少得多。就算所有告它的人我都认赔了,赔出去那点钱,都不够它烧 token 的。

迪士尼愿意去做授权,也是去尝试加入这个游戏的一个过程。没有版权 IP,你就没有互动,这个是必然的。你说我今天自己拍一个视频,怎么没有人点赞呢?原因很简单,因为市面上绝大部分都是陌生的普通人。

你们来看老范讲故事,有的可能看了好几年了,咱们不算陌生人了,但是我们看到大部分街上的人,实际上都是陌生人。而且普通人长得也没那么好看,那肯定没人互动。谁愿意为一个陌生普通人去点赞呢?

有了热门 IP,比如米老鼠、唐老鸭或者星球大战这些 IP,就可以极大提升互动,这没有任何问题。那 Sora2 拿到了迪士尼的授权,应该有互动啊,怎么还关了呢?

所以说,不是因为有人诉讼 OpenAI,导致它关闭 Sora2,而是因为迪士尼诉讼得不够狠,所以它要关闭 Sora2。

为什么说“迪士尼打得不够狠”反而让 OpenAI 更难受

一座写着“授权入口”的城门只给一家车队通行,但城墙另一侧却有多支未经许可的队伍翻墙而入,守城的法务骑士还在远处慢慢追赶,门内那家合法商队却因高昂补给而最先撑不住,羊皮纸,钢笔彩色手绘的统一风格。

这话怎么讲?大家去看看谷歌,再去看看 xAI,再去看看 Seedance,也就是字节跳动。大家都没拿着授权,但是都在肆无忌惮地生成迪士尼的各种 IP。

IP 这个东西要想值钱,你必须得能够把门关起来,别人不能用,只有你能用,这玩意才值钱。结果你折腾了半天,授权了半天,别人也在那用,那你说你折腾它干嘛?

你可能会说,迪士尼是不是有点太坏了,收了 OpenAI 的授权费,结果不出去好好打盗版?其实我们也冤枉了地表最强法务部。地表最强法务部有好几个,一个是迪士尼,一个是任天堂,都属于只要打官司没输过的那种。迪士尼其实也在打,它跟谷歌、字节跳动都在打。只是打官司这事很慢,不可能说今天上去,明天就判下来,这不现实。

但对于 OpenAI 来说,token 燃烧可是每天都在烧,而且每天烧的钱非常非常巨大,完全无法达到平衡,所以它等不起了。这就是为什么说正好反过来:迪士尼打盗版打得不够狠,所以导致唯一拿到授权的这家也玩不下去了。

迪士尼和 OpenAI 到底有没有亏

下一个问题,有人说迪士尼亏了,200 个 IP 授权出去,这么值钱的东西授权出去,打了水漂;还有人说 OpenAI 亏了,10 亿美金的投资泡汤了。这里头要稍微掰开了讲。

首先,这是一个正式协议,两边确实签协议了,要去做一个很复杂的交易,并不是一个简单的备忘录或者意向。因为迪士尼是上市公司,你要说我拿了个意向就出来胡说八道,是要罚款的。

但是,这个复杂交易本身的流程压根就没跑完。上面也写着说,我们要过董事会、过各种内部审批,它还没审完。去年 11 月份做的官宣,到 3 月份这个合同还没跑完,这边就发生了一些小变化。所以它这个合同压根就没有进行交割,也就是没付钱。

市场是怎么看这件事的呢?去年官宣的时候,迪士尼股价两天涨了 2.55%,确实也涨了,但涨得也没那么多。在 OpenAI 宣布 Sora2 关闭后的两天,迪士尼股价下跌了 2.04%。反正我们知道有关系,但关系可能也没那么大。

这份协议里都有什么内容

这个合同要稍微掰开讲一讲,它分很多条款。


  1. 一方面,迪士尼向 OpenAI 进行了 200 多项 IP 的授权。Sora2 虽然挂了,但是这个授权可能依然在部分领域里有效。比如说我们在 OpenAI 生成视频、生成图片,或者使用 Sora 的 API 去生成视频的时候,可能依然可以用这些东西。未来这个协议怎么调整,变成什么样的授权范围,还要再等等,没这么快。

  2. 第二个,迪士尼可以在迪士尼自己的场景里展示 Sora2 生成的影片。这块肯定没有意义了。

  3. 第三个,迪士尼要采购 OpenAI 的服务,包括视频生成以及各种办公使用的 API 服务。其实采购不重要,这个条款里最重要的是一年优先采购权。什么叫一年优先采购权?就是在我们宣布合作签协议以后,这一年里,我要优先买 OpenAI 的服务,我不能在这个时候再去买谷歌的、买 Anthropic 的服务。过完一年以后,我们还可以再做选择,就属于捆死一年。这块应该还在继续执行。OpenAI 的服务也不差,可能跟 Anthropic 比起来各有千秋,所以你选它也不算吃亏。

  4. 第四个,是迪士尼要投资 10 亿美金,去购买 OpenAI 增发的股权,并且获得一定数量的 warrant。这一块非常模糊。什么是 warrant?就是认购权,以后可以再用一个什么样的价格买多少股份,这叫 warrant。

为什么 10 亿美元投资未必泡汤

一份摊开的复杂合同上压着羽毛笔和放大镜,旁边是“10亿美元”“估值”“warrant”“优先采购权”等标签卡片,几枚筹码正被推向未来日期的格子,表现交易尚未交割而非彻底作废,羊皮纸,钢笔彩色手绘的统一风格。

但这一块模糊在哪呢?第一,没估值。我只告诉你我要给 10 亿美金,但是到底按什么样的估值给这 10 亿美金,没说。所以你也不知道这 10 亿美金到底占多少股份。大家知道,OpenAI 的估值涨得非常快。

如果我是迪士尼的老大,现在一定会按住 OpenAI 说,不许动,我们就按当时谈的那个估值接着做下去。现在 OpenAI 的估值已经跟当时谈合作的那个估值比起来,好像又翻了一番了。你只要把当时的估值咬死,就已经挣出一倍的钱来了,10 亿就变 20 亿了。

这个条款并没有规定交割的时间和条件,也就是满足什么样的条件时我来付这笔钱,到多长时间之内付这笔钱,都没有说清楚。warrant 的细节也没说清。一般 warrant 会规定多长时间之内有效、在什么条件下有效、多少额度、按照什么样的估值来入股,现在都没说出来。

所以,这些条款未必会废掉。因为我刚才讲了,以 OpenAI 估值上升的速度,已经赚了。你现在把它废掉了,反而亏了。

这份协议为什么像“寅吃卯粮”和“一鱼两吃”

还有一些没有暴露出来的条款,那才是真正最有意思的。很多人看这个协议,其实没看明白。为什么呢?这个其实是一个 寅吃卯粮加上一鱼两吃 的合同。

咱们解释一下为什么。迪士尼本来就要用 OpenAI 的服务,那你本来应该花钱买,而且必须马上花这个钱。你花的钱还要计入成本。现在,同样这笔钱,我可以慢慢支付,不用马上支付。这个协议里最后我把钱付了就完了,但它变成了 OpenAI 的股份。我不是把它作为一个成本直接消耗掉了,而是变成股权了。

它是这样运作的:马上支付的订阅费变成了投资款,逐步支付,这就叫寅吃卯粮;本来应该计入成本的钱变成了股权投资,我得到了我心仪的估值,还得到了认购权证的权利,这就叫一鱼两吃。

我们以前做投资的时候,其实也经常干这种事。我们经常去投资媒体。一个基金或者一个公司的投资部门,为什么去投资一个媒体?也不指望它上市,或者退出给我挣钱。

其实很简单,就是我们正常应该找他们付费,比如参加活动、举办年会、做广告,这些原来都是要有支出的。但是基金这种东西,如果走这条路,比如在某一个媒体上打了个广告,那这个钱就应该走管理费。比如说募了多少钱的基金,我就有 2% 的管理费,那我就要把这个 2% 管理费花掉,这肯定不划算。

怎么办呢?我直接投资你,我就用投资你的钱去打广告,就算我已经付过了。这个媒体也是愿意的,因为有人投资它了,毕竟钱到手了。至于说这个股份怎么样,反正它也没惦记上市,大家一笔糊涂账就做过去了。对于基金来说,也不用花管理费,而是直接花投资款把这个事干了。

所以迪士尼在这点上肯定是不亏的。它继续执行这个交易,只需要把条款稍微改一改,把这个交易执行下去,就已经赚到了。

200 多个 IP 授权到底是不是打水漂了

一条热闹的老式餐饮街上,大饭店与流动餐车对峙,饭店招牌写着“好莱坞IP”,小餐车写着“AI视频生成”,法务检查员在街口巡查,后厨大门半开,象征小摊最终被吸纳进大饭店体系,羊皮纸,钢笔彩色手绘的统一风格。

那么,迪士尼这 200 多个 IP 的授权是不是彻底亏掉了呢?这事也不亏。

讲一个故事,方便大家理解。本来有一群小摊贩在卖吃的,后来大家经过激烈竞争,形成了一条饮食街,都变成了大饭店,这就是现在的好莱坞状态。一开始实际上也都是小作坊,竞争了一段时间,我们已经形成一定壁垒了。

这个时候又来了一帮小摊贩,他们推着餐车卖快餐,而且卖得挺好,这就是现在这些 AI 视频生成公司,像谷歌、OpenAI、xAI。

餐饮街上那些大饭店的生意肯定就变差了,因为大家都跑去吃这些新的摊贩了,不去大饭店了。那这个时候,街上的大饭店就要联合起来,搞点卫生检查、市容市貌检查,去收拾这些小饭店,这实际上就是版权诉讼。

光脚的泥腿子上了岸以后,最需要做的事,就是防止别人再上来。你想,好莱坞这帮人一开始其实也是光脚的,只是形成了竞争壁垒以后,你要有新人进来,比如 OpenAI 想进来,那我要收拾你。

经过一定的诉讼以后,可能把一部分小商贩赶走了。这些小商贩怎么办?你也不能让人饿死。那就算了,你上大饭店的后厨里边,提供卫生、昂贵的快餐吧。比如原来做热狗的,你上我们这大饭店里接着做。这个其实就是迪士尼这帮人真正想要的事情。

你看,我给你提供标准食材,比如 200 个 IP。OpenAI 竞争不过别人,还净亏钱,而且越亏越多,那干脆你别在外边摆摊了,把这个 Sora2 App 直接关了吧。外边那些穷鬼没有办法支撑你的成本,因为他们净薅你的羊毛。你到我后厨干吧。迪士尼继续用 Sora 的 API,改进视频生成流程,降低成本。那咱们做高档的快餐给有钱人吃。

所以后边会变成什么?就是 迪士尼用 OpenAI 的工具生成电影,行销全球,这才是真正的未来方向。

未来的行业走向会是什么

那未来会怎么样呢?

  • xAI 的 Grok 和 Seedance 应该还会继续撕扯 IP 版权的围墙。这两家其实都没有那么尊重 IP。
  • 谷歌不会屈服。谷歌其实也是在偷偷使用迪士尼的 IP、各种好莱坞的 IP,只是它没那么激进。老人家嘛,一定要稳,但稳的同时,也没有那么要脸,该用的东西还是用着。
  • TikTok、抖音、Instagram、YouTube Shorts 上,大量的 AI 视频或者 AI 漫剧会快速爆发。

但我要告诉你,这是两回事,不是合在一起的。为什么一定要讲清楚是两边的?因为你的 AI 大模型生成了有版权的内容,这个事肯定是违法的,你可以去告它;但是你说我这个平台上有一些违反版权的内容,这个你就可以引用避风港原则,我可以逃过去。所以一定要稍微藏着掖着一点。

社交媒体平台会通过这些 AI 内容得到收益,这些社交媒体平台现在也在努力进行流量倾斜,去推这些 AI 漫剧或者 AI 仿真人剧。原因很简单,因为搁在我这,我不需要有版权顾虑,我有避风港原则。

同时,谷歌后面有自己的视频模型,X 后面有自己的视频模型,TikTok 和抖音后面也有自己的视频模型。它是通过这样的方式拉偏架,通过社交媒体平台逐渐撕开好莱坞的 IP 壁垒。

最后版权方会妥协,大家重新去寻找合作契机,或者各自的位置。很多人说,版权方为什么要妥协?在我这里听节目的人,还有很多正义感很强的朋友。这个没问题,但版权方也不是道德卫士,版权方也是挣钱的。

看看音乐行业。最早 TikTok 出来的时候,音乐行业这些唱片公司也想把它弄死。现在你再看看,你做一张新唱片,发一个新歌,你不在 TikTok 上发布,你想火,别开玩笑了,这不可能。所以最终大家会重新寻找自己的位置,达成新的协作。这就是未来方向。

总结:Sora2 App 关闭,不代表 OpenAI 输了

天平一侧是关闭的“Sora2 App”图标,另一侧是仍在发光的“模型”“API”“社交平台流量”“版权合作”四枚砝码,背景中用户脚印正从影院走向短视频平台,寓意真正决定方向的是用户选择,羊皮纸,钢笔彩色手绘的统一风格。

总结一下,OpenAI 关闭了 Sora2 App,这只是创新过程中的一个小小插曲。OpenAI 和迪士尼都没亏,大家只是在尝试寻找更适合自己的协作方式而已。

AI 视频现在正在积蓄力量,AI 漫剧、AI 仿真剧正在快速占领社交媒体平台的流量。X、谷歌、字节都在努力用自己家的社交媒体流量养自己家的模型。版权方、社交媒体平台和 AI 大模型,应该很快就会重新达成平衡。

而在这个达成平衡的过程中,真正发生变化的是什么?是 用户拿脚投票。我们不去电影院看电影,不在迪士尼平台上看他们家的电视剧,我们在抖音、在 YouTube Shorts 上看 AI 漫剧。只要大家用脚投票了,最后这个平衡就会重新形成。

好,这就是今天讲的故事。感谢大家收听。请帮忙点赞、点小铃铛、参加 Discord 讨论群,也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。


背景图片

❌
❌