Claude 也要做 KYC，也要做实名认证了。中国程序员们的天塌了吗？

大家先别急着骂 Anthropic 反蒸馏。你以为他这次真正想打击的是蒸馏他模型的人吗？其实未必。真正先被打击的，可能是另外一类人。

一个健身房的比喻：Anthropic 真正在防谁？

设想一个场景：有一家健身房。

• 第一种人想自己开健身房，于是进来偷师，报了所有课程，跟健身教练学完以后，回去自己开健身房。
• 第二种人办了健身卡进来，把所有羊毛都薅干净。我这个健身卡是一年的，我就天天来；我来不了的时候，还找别人替我来，一定要把所有能用的都用完。
• 第三种人是花了钱办健身卡以后，再也不来了。

那你说，健身房最喜欢哪种用户？肯定喜欢第三种。你交了钱，再也不来了。

第一种人防得住吗？其实防不住。这一次真正去防的，是中间这种：办了健身卡，就一定要把所有便宜都占干净，自己来不了还要让别人替自己来。要干掉的是这帮人。

所以大家想明白了没有？他并不是惦记着去搞那些蒸馏的人。第一拨人，就是跟着健身教练学，学完以后回去自己开健身房的人，这才是蒸馏的人。这些人你防不住。为什么防不住，待会再讲。

这一次 Anthropic 干的事情，其实就是健身房升级了门禁系统，保证你必须是同一个人来，保证不会有人用一张健身卡多人进入，要把这种用量打下来，尽量让“花了钱不来的人”多一些。这才是真正的意图。

至于反蒸馏，跟这次有关系，但关系真不大。它最大的关系，可能就是这次行动的一个借口，其他其实没什么意义。

为什么这件事会炸锅？

这个事情出来以后为什么炸锅了？因为现在 Claude 开始出现身份验证弹窗了。有些人确实已经弹了，要求提交政府证件，也就是护照、身份证这些东西，还要进行实时自拍，做人脸和证件核验。

社区里的第一反应就是：完了，Claude 也要做实名制了，中国程序员以后别用了。

一般讲 KYC，通常是在币圈里讲，叫 Know Your Customer，也就是平台核实用户真实身份的一套风险控制机制。

在 Claude 里，中国开发者一定占极大比例。因为本身中国开发者就多，而且中国开发者又愿意去用最好的模型。虽然国内也有些模型能用，但我见过很多开发者都跟我说，你自己的时间是有价值的，一定要买最贵的。因为模型的差价，对于模型质量来说，基本可以忽略不计。所以一定要用 Claude。

前几周我跟姜变做节目时，他的“龙虾”挂的就是 Claude Opus 4.6，买的是 200 美金套餐。他给我的解释就是：我一定要买最好的。

现在在 Claude 里，用量最高的一些人，实际上很多都是中国人。第一个人好像叫刘小排，也是我以前猎豹移动的一个同事。这些都是能登上全球榜榜首的人。那自然就一定要“收拾”你们，因为这是一帮特别喜欢薅羊毛、用量特别高的人。这样的用户，健身房不欢迎，Anthropic 也不欢迎。

时间线：Anthropic 如何一步步收紧

Anthropic 在 2025 年 9 月就开始收紧中国 API 的访问了。

2026 年 2 月，Anthropic、OpenAI、谷歌三家公司同时指控中国实验室蒸馏。

2026 年 4 月 14 日，官方帮助中心更新了 KYC 说明；4 月 15 日起，用户将陆续收到弹窗。

更残酷的现实是，这个闸机很可能根本不认你的证件。因为他们找的第三方 KYC 机构，压根就不承认中国护照这些东西。你上去说我想验证，根本没人理你。

先把事实厘清：分三层来看

我们先把事实厘清，分三层来看：第一层是官方说法，第二层是事实认证，第三层是我的观点。

第一层：官方说法

先说官方说法。2026 年 4 月 14 日，Anthropic 官方帮助中心更新了一个名为 identity verification on Claude 的文件。

官方原文的措辞是：a few user use cases，也就是很少数的使用场景，不是全员强制。所以这是一种抽查，但具体抽到谁、没抽到谁，不会公布规则。

触发条件包括：

• 访问某些高级能力，比如让它做破解、做一些危险的事情，或者一些色情相关内容，都可能被视为“高级能力”；
• 例行的平台完整性检查，比如系统发现你的 IP 地址不对，或者一些跳转存在问题；
• 其他安全与合规措施，描述得比较宽泛，具体怎么筛选谁来拍照片，并不会说得很清楚。

现在它要求你的证件、账号、IP 地址必须“三码合一”。你说我提供一个泰国证件，那你的 IP 也得是泰国的，账号申请地区也得是泰国，不能中间有叉，一旦有叉就可能被干掉。

API 用户方面，官方明确说明当前不在本轮影响范围内。也就是说，你开账号以后在里面用 API，这一轮没影响。因为 API 本身相对更贵，Claude 也贵。

这也是为什么我说，这次主要处罚的是薅羊毛的人，而不是那些上你这来学课程、回去准备自己开健身房的人。因为那帮人是 API 客户，这次跟他们没关系。至于以后会不会再收拾，不好说。

第二层：已经确认的事实

已经确认的事实是什么？

1. Anthropic 帮助中心页面确实在 2026 年 4 月 14 日更新了 KYC 说明。
2. 部分用户已经从 4 月 15 日开始收到 KYC 验证弹窗。
3. Anthropic 同期更新了 unsupported regions 销售限制说明，明确点名中国，告诉你中国是不支持的区域。
4. 2026 年 2 月，Anthropic 指控 DeepSeek、Moonshot AI，也就是月之暗面，还有 MiniMax，创建了 24,000 个虚拟账号，通过 1,600 万次 API 调用蒸馏 Claude。
5. Anthropic 在 2025 年下半年封禁了 145 万个账号，力度非常猛。你可以申诉，但成功率只有 3.3%。所以封了以后，很多时候还不如再开一个，别费那个劲。
6. 这次使用的是第三方 KYC 服务商，这也是 Anthropic 官方确认的。也就是说，你的姓名、护照照片、人脸这些信息，不会直接传到 Anthropic，而是交给一个第三方服务商处理。这个服务商叫 Persona，由它来做第三方认证。

问题在于，Persona 对中国大陆证件基本不支持。绝大部分中国大陆用户，没法通过验证。

更麻烦的是，Persona 在 2026 年 2 月因为服务器配置错误，暴露了 2,456 个文件，包括证件照片、生物特征和 IP 等信息。Discord 也因此终止了和它的合作。也就是说，这家公司本身的安全性也没那么让人放心。

另外，2026 年 4 月 16 日，OpenRouter 等代理渠道也出现了中国用户受限现象。什么意思？就是原来中国用户用中国信用卡充 OpenRouter，也可以用 Claude 模型；以后如果你是用中国信用卡充值的 OpenRouter，就不允许再使用 Claude 模型了。但这一块没有任何官方公告，就是直接给你封掉了，这也很奇葩。

第三层：我的判断

我的判断是，很多人把这件事理解为反蒸馏，这个说法只对了一半。反蒸馏是这次事件的借口，不是核心诉求。这次 KYC 的核心诉求是反薅羊毛。

Anthropic 喜欢什么用户，讨厌什么用户？

从用户画像来看，Anthropic 最喜欢什么用户？稳定付费、低投诉、低风控、正常使用、不把额度打满。比如我交了 20 美金也好，交了 200 美金也好，我就老老实实用，用量还很少。就像去健身房交了会费以后再也不去了，这是 Anthropic 最喜欢的。

Anthropic 最讨厌的用户是什么？高消耗、跨区访问、账号关系复杂、支付链路异常，可能共享、分销、转售，或者通过第三方工具批量接入。这些才是它真正想处理的对象。

蒸馏用户画像和羊毛党画像确实有重叠，但差异也很大。尤其是官方专门说了，这次不针对 API 用户，而 API 用户恰恰才是最像真正蒸馏用户的群体。所以从这个角度看，这事压根不是冲着反蒸馏去的。

这有点像苹果做隐私保护。苹果做隐私保护，表面上是保护隐私，实际上是为了把那些原本可以被挑挑拣拣的广告位重新卖出去。很多事情表面上一回事，实际上做的是另一回事。

我的判断就是，Anthropic 这次没有真正想搞反蒸馏，它要打的是羊毛党。就跟前段时间网飞打击共享账号是一个逻辑。

封号与 KYC：两件相关但独立的事

再说封号。首先要讲清楚一件事：Anthropic 是经常封号的。去年封了 145 万个号，申诉成功率 3.3%，说明它封号比例很高。

但这次 KYC 和封号之间没有必然联系。不是说我想封你号了，先给你做一次 KYC；也不是说做一次 KYC 就能申诉成功。这两件事是独立的。想封你，我就直接封；想让你做 KYC，你就去做，二者没什么联动。

已知的封号处罚条件

1. 不支持区域的访问和注册，比如中国用户访问。这个我自己就遇到过。我有一个谷歌邮箱，有一次忘了挂梯子，那个邮箱就直接废了。后来想救回来、想重新充值，根本不行，上来就是“这个邮箱被封禁了”，再也申请不开了。
2. 第三方 OAuth 登录。比如玩“龙虾”的 OpenClaw、Harness、OpenCode，这些都是 Anthropic 明确禁止的。你现在用了，可能还没被抓到；但以后如果因为这个理由封你，也别去申诉，因为申诉时它也不会退你钱。
3. 数据中心 IP 和非住宅 IP。因为我们挂梯子访问 Anthropic，梯子的 IP 很多都在云计算机房里。用这种 IP 去访问很容易出事。系统会识别你的 IP 是数据中心 IP 还是住宅 IP。所以现在很多人都在卖什么“固定住宅 IP”。至于这些 IP 怎么来的，大家自己脑补。
4. 异常高频的 agent 调用，被识别为非人类行为。有些蒸馏行为会踩到这条。
5. 新账号、新 IP、异常行为同时出现。很多人说“我这一直好好的”，那是因为你是老账号，用了很多年，一直在充钱。这样的账号即便 IP 有些跳动，通常也不太管你。但新账号、新 IP，一上来就可能秒封。经常能看到有人抱怨，刚封完一个账号，重新开一个，充了钱马上又被封，这种情况概率很高。
6. API 探测和安全测试。虽然也会快速处罚封号，但碰到这种事的人其实不多，比如你做黑客测试，或者要求它做一些特别危险的事情。
7. 未满 18 岁。如果系统跟你聊了半天，觉得你实在太幼稚，也有可能被封。

至于正常使用 Claude、很小心地用 Claude 的普通中国用户，其实还是可以继续用下去的。跟这次行动或者过往的封号条件，关系没那么大。

封号的典型特征

• 无预警，多数没有事前警告邮件，直接就封，而且不解释。
• 封号邮件通常不说明具体原因。
• 有的时候会自动退款，但账号不恢复，这只是部分案例。
• 新账号和新 IP 更容易秒封。
• KYC 通过不等于免死金牌，通过 KYC 后仍然可能被封。

申诉与退款情况

申诉方面，确实有机制，但成功率很低，去年只有 3.3%。没有固定时限，也没有确认回执，大部分用户申诉之后都是石沉大海。你不能指望说我申诉了，24 小时、48 小时一定给我回复，不会的。你发了申诉信，没人理你，是正常的；有人理你，反而比较奇怪。现在也没有证据证明申诉必须先做 KYC，所以 KYC 和申诉也是独立体系。

退款方面，如果是政策违反，不退款。特别像我们在中国使用，就属于政策违反。

Anthropic 主动终止，也就是你没有违规，但我觉得你有些问题，又不想给你解释，就把你终止了，这种通常会按比例退款。比如你用了多少天，剩下的钱退给你。

申诉成功，一般是恢复使用，不会给你退款。自动退款但不恢复账号，也有部分案例。

所以我们有时候通过第三方购买 Anthropic 账号时，对方也会写清楚：如果 Anthropic 不给你退，我也不退；如果 Anthropic 退了，我可以帮你退一部分。

为什么中国开发者最疼？

为什么中国开发者最疼？大概有五层原因。

1. 地区问题

中国本来就不在 Anthropic 的支持范围之内，本身就是敏感地区。但中国人又特别勤奋，很努力、很认真地用 Anthropic 写各种程序。中国程序员数量多，而且又卷，所以这次封号会对很多中国程序员的个人账号造成影响。

2. 支付问题

大量中国开发者使用的是非标准支付路径，不是本地银行卡，因为中国银行卡本来就付不了，所以会用虚拟银行卡、代付、第三方平台充值等方式。这本来就在灰色地带。

而且虚拟信用卡代付里，确实有一部分会出现支付失败。以前我们做游戏就遇到过，用户先支付，过一段时间又申请挂失，说银行卡丢了，或者最后交割不过来。中国用户使用这些虚拟信用卡，也确实可能给 Anthropic 造成了一定经济损失，所以它也会倾向于把这些人筛出去。支付链路异常，本身就会触发风控画像。

3. 访问问题

代理 IP、时区异常、设备切换、网络环境异常，这些在中国用户身上都很常见。美国人该下班就下班了，我们一天 24 小时干。甚至有人在 X 上分享，半夜定闹钟起来，到 OpenClaw 上按个回车，把 5 小时额度刷完再接着跑。这种行为非常容易出问题。

挂梯子的人又经常换线路，没法保证统一 IP。对个人用户来说，这种正常使用场景，在风控系统里就是可疑信号。真正公司里反而不会有这个问题，因为公司会直接在美国 AWS 或谷歌云上租服务器，建立私有通道，IP 不会频繁变化。

4. 使用强度问题

中国人的勤奋程度太高了。把 Claude 当生产工具的开发者，调用频率和时长远高于普通用户。Anthropic 给你的套餐，本质上更像一个自助餐，它希望每个人进去礼貌地吃两口就走。哪像我们，进去以后猛吃猛造。

高频调用、长时间运行、复杂任务，在风控系统里绝对属于异常画像。越依赖 Claude 的人，反而越容易触发风控。

5. 替代成本问题

不是不能换 OpenAI、Gemini 或国内模型，而是换了以后，工作流会断，代码质量会下降，效率会受影响。对于程序员来说，他们还是更愿意用 Claude。

很多人劝我用 Claude，但因为我自己目前没有特别重的开发任务，所以我还在用 MiniMax、OpenAI、Gemini 这些模型，基本不影响我。但如果我今天突然有一个很重的开发任务，我也会义无反顾去买 Anthropic 套餐。

最讽刺的地方：不是不愿实名，而是你想实名都不让

最讽刺的细节是什么？中国用户对实名制本身一点都不陌生。因为在国内平台，都是要求实名认证的。没有任何一个中国 AI 平台会让你开账号充钱而不实名。

所以中国人对这件事太熟了。真正崩溃的点不是“怎么突然要实名了”，而是“我想实名，结果你不让”。不是平台要求我多走一步，而是平台把门装上了，但我的钥匙天然不兼容。这才是中国程序员最悲催的地方。

KYC 的真实效果边界：到底管不管用？

那么，KYC 的真实效果边界在哪？到底管不管用？为什么我说，对真正蒸馏它的人其实没什么用？

Persona 自身的安全记录并不让人放心

首先，Persona 的安全记录确实不怎么样。2026 年 2 月刚丢了 2,456 个文件，Discord 因此终止合作。我觉得 Discord 这一步做得挺对。

Persona 在 2024 年 9 月还出现过一次键盘记录漏洞，暴露了用户填写 KYC 时的内容。到现在到底修没修好，也不清楚。所以 Persona 本身就不是一个特别安全的 KYC 第三方机构。Anthropic 选它来做第三方，也被很多人嘲笑。

KYC 真正拦得住谁，拦不住谁？

再说 KYC 对蒸馏的阻拦效果。它真正能拦住的，是低成本批量乱入的 VPN 用户、共享账号用户和虚拟支付用户。

而中国 AI 的这些大厂，不管是“四小龙”还是“六小龙”，你根本拦不住。人家是有组织、有预算的机构，不在乎省你这点钱。挂 API、按 Token 算，用海外实体签协议就行了。所以你想抓住他们，基本不现实。

这次真正能打击的是低门槛的灰产。那些 AI 公司本来就在海外有公司、做 VIE 架构，完全可以用海外实体开账号干活，没问题。

真正会被卡住的，更多是个人开发者，尤其是第一次开号的人。新账号很容易被拦住，但经过多层代理分散调用的路径，其实你也拦不住。所以即使现在我想继续用 Claude，我依然能用，不用太担心，只是会比原来贵一点。

KYC 的真正作用

所以 KYC 真正的作用是什么？

1. 提高成本，把低技术门槛的滥用者挡在门外。
2. 表达态度，在合规和舆论上展示“我已经尽力风控了”。Anthropic 的老大 Amodei 一直很喜欢出来表达态度，比如他说如果美国给中国卖 H200，就相当于给朝鲜供应核弹，立场是非常明确的，而且他在美国各大 AI 公司里算是最极端的一类。
3. 用户筛选，把高消耗、低透明、高风险的用户尽量处理掉。

这就是这次 KYC 干的三件事。

但灰色市场不会因此被干掉，只是成本会增加。该干嘛还是干嘛。中国人翻了这么多年墙，币圈的人做了这么多年假 KYC，他这一个新手上来，除了表演一下行为艺术，不会有太多其他效果。

现有生态里，待认证、待开号、企业账号拆分、代理分销，在 KYC 之下依然可以继续，只是成本稍微上升。KYC 上线以后，代理的风险和利润空间都会上升。黑灰产会升级，但不会被消灭。

实际受害者的顺序，大概是：普通人先疼，然后代理涨价，黑灰产升级，真正专业绕路的人、真正蒸馏他模型的人，根本拦不住，也不是针对他们去的。

行业背景：美国 AI 大厂正在集体收紧

这件事还有一个行业背景：美国 AI 大厂实际上都在集体收紧。

2025 年 9 月，Anthropic 开始对中国方向收紧 API 访问。

2025 年 12 月，谷歌对抓取蒸馏和模型抽取问题发表过声明。当时它的 Nano Banana 刚出来，谷歌其他模型比如 Gemini 3、Gemini 3.1 算是能打，但和 OpenAI、Anthropic 比还是有差距。现在我用谷歌模型已经越来越少了，但他们家的生图模型绝对最好用，虽然不一定最漂亮，但最准确。

肯定会有很多中国模型公司去抓它的图片回来做升级。现在再看阿里的通义万相、字节的 Seedream 5.0，已经越来越接近 Nano Banana 的水平了。至于怎么追上的，我只能说纯属巧合，其他不知道。

到了 2026 年 2 月，Anthropic、OpenAI、谷歌几乎同期公开指责中国实验室蒸馏。三家还联合成立了一个叫“前沿模型论坛”的机构，共享威胁情报，说谁发现被蒸馏了，谁发现了什么问题，大家互相通报。

其实这三家本来都是死对头。OpenAI 当初就是为了对抗谷歌建立的；Anthropic 又是 OpenAI 叛将出来创办的。所以这三家能联合起来搞这个论坛，本身就挺不容易。

在这三家里，谁面对蒸馏和假账号的经验最丰富？其实是谷歌。它这么多年面对各种刷广告、SEO，经验丰富得一塌糊涂。如果他们三家真的认真协同起来，确实有可能降低蒸馏概率，或者提高蒸馏成本。但你说这三家能有多真心实意地合作，大家自己脑补就好了。

当前各家的状态

• Anthropic：直接上 KYC 了，虽然是选择性的，只有很少一部分用例会遇到。
• 谷歌和 OpenAI：自己并没有做类似的事情，只是发了公告，说了几句话，实际动作没有那么大。
• 地区开放情况：谷歌目前其实还在稍微向我们靠拢一点，准备开香港地区使用，但好像香港 IP 挂 Gemini 现在还是有问题。在香港能正常用的，OpenAI 不行，Anthropic 不行，xAI 可以。谷歌宣称要开，但到目前为止似乎还没有真正打开。

闭源模型怕蒸馏，开源模型不怕

至于蒸馏，谷歌、OpenAI 和 Anthropic 这些闭源模型公司，肯定都不希望被蒸馏。但开源模型对蒸馏本来就不限制。

无论是 LLaMA、千问，还是国内的 MiniMax、GRM，你都可以直接拿权重去用，蒸馏根本不算什么大问题。真正不希望被蒸馏的，就是这些闭源模型公司。

总结：这次事件的三层表述

总结一下，这次事件有三层表述。

1. 官方说法：这是少数场景下的身份验证，是安全与合规的一部分。
2. 已经确认的事实：选择性 KYC 已经上线了；第三方 provider 对中国大陆证件支持有限；中国开发者的使用门槛确实被抬高了。
3. 我的判断：表面上这是反异常调用、反蒸馏，底层更像是一次针对高消耗、低透明、跨区、高风险用户群体的筛选和清洗，本质上是反薅羊毛。

结论：中国程序员的天塌了吗？

最后一句：中国程序员的天塌了吗？还没有塌到不能干活的状态，但原来那条便宜、灵活、默认可用的路，确实不通了。

以后还能不能用 Claude？大概率还能用，就是稍微贵一点。代理代价会更高，路径会更窄，不确定性会更强，更多人可能会被封号。

普通人会更艰难，代理商会更挣钱，真正有组织能力的人，该蒸馏还是照样蒸馏，一点都拦不住。这才是这件事情最现实、最残酷的真相。

Anthropic 这次不是要堵住那些偷师的人，而是要先赶走那些把会员卡用得太狠的人。这就是这一次的故事。

---

背景图片

微软也要官方下场做“龙虾”了吗？

现在有报道说，微软 CEO 亲自组织团队，准备开始做龙虾了。这浓眉大眼的微软，难道也跑不掉了吗？事情其实并没有这么简单。微软一直在这个方向上努力。现在龙虾很热，OpenAI 也好，微软也好，从来都没有放弃过在这一块的探索和尝试。

他们从 2025 年 4 月份就开始在这块努力。最早的龙虾模式，其实并不是说我们要在本地装一个什么东西，或者要一个 Mac mini。他们最早玩的是“云端计算机”或者“云端浏览器”。我在云端通过一台计算机、一个浏览器，去仿真很多操作，来实现非常多的应用场景。我记得 OpenAI 之前还做过很多类似的演示，比如云端打开一个浏览器，开始订披萨，或者选各种东西。

从云端浏览器到本地化尝试

但是这条路其实一直没有走通。现在发现，龙虾这个方式，也就是 OpenClaw 方式，把这些浏览器仿真、本地文件处理，直接放到客户端上去了，这条路走通了。那么微软也坐不住了，说我也得上来试一试，看看是不是把它弄到本地来。

但是要跟大家讲，微软非常非常纠结。目前看，微软可能采用的龙虾方案，依然是一个“云加端”的方案。什么意思呢？就是真正做龙虾处理的还是在云端，但是你在本地会有一个组件，帮你把本地的文件、权限应用起来。

他们是这样工作的：在云端帮你启动一台完全独立的电脑，处理你的事务，处理完了以后再把这个临时电脑关掉。所有的权限管理实际上还是在本地，上传什么文件，它就处理什么文件。

我们原来害怕龙虾是什么？就是它在我们硬盘里乱翻，你硬盘里所有东西它都会处理。这个事情对于微软来说还是难以接受的。而龙虾也好，包括现在的 Hermes 也好，微软看着真是又爱又恨。

Windows 为什么难以承载这类产品

原因也很简单，因为这种产品没法在 Windows 环境下跑，你必须是在 macOS 或者 Linux 环境下跑。因为它所依赖的 Node.js，以及其他这些命令行工具、权限控制能力，只有 Linux 和 Unix 环境才有。

微软的 Windows 也有客户端，有 Terminal，还有 PowerShell，但是它整个客户端能力极差。好多命令非常混乱，很多权限也相对混乱。在 Linux 或 macOS 里，我们是可以通过客户端把整台电脑控制起来的，但是微软的 Windows 不行。很多事情必须跑到图形界面里去处理，才能把事情做完。你不可能完全通过客户端把事做完。

所以微软也很痛苦，它如果选择 OpenClaw 路径，大概率就是云加端。

微软为什么看起来“起了大早，赶了晚集”

这一次据说是微软 CEO 直接领导了一个 12 人团队，让他们直接去做。微软的 AI 战略现在正在从巅峰滑落，这是一个很悲催的事情。微软绝对是起了个大早，没有人比它起得更早了。

原来我们老说 Meta 起了个大早，赶了个晚集，百度起了个大早，赶了个晚集。你说有比微软起得更早的吗？最早的是马斯克，冲上去做 OpenAI，结果被人踢出来了。微软曾经一度占 OpenAI 49% 的股份，现在依然占 27% 的股份。它绝对是 OpenAI 最大的股东，握有最大的权力，没有比它起得更早的了。

但是现在 AI 公司的估值里，微软反而是掉得最狠的，今年大概已经跌了 20% 多，实在让人难以想象。别人只要沾上 OpenAI，估值蹭蹭涨，市值股价蹭蹭上去，只有微软，在 OpenAI 上进得最早，市值却在不断往下掉。

微软为什么控制不住 OpenAI 了

这到底是为什么？原因也很简单，微软现在控制不住 OpenAI 了。原来大家都觉得，OpenAI 如果玩不下去的话，微软有可能把它收了。现在看不是这么回事。

OpenAI 准备自己去上市，而且 OpenAI 说我需要很多很多算力，我需要训练新模型，需要做各种事情，微软现在有点提供不了这些算力了。为什么 OpenAI 又去跟 Oracle 签约，又去跟亚马逊签约？就是因为我要的算力你拿不出来了，我必须再去找后路。

微软为什么拿不出来？因为虽然它在账面上挣了很多钱，微软进入 AI 领域是非常非常挣钱的，但是这些钱只是账面上的，并没有真金白银落在口袋里。可你要去投资算力中心，这是真金白银现在就得掏出来的钱。微软现在有点掏不动了。

前边几年，微软都是美国各大厂里 AI 投资最高的一个厂，今年实在是有点青黄不接，接不上了。导致自己圈养了这么长时间、像“小妾”一样培养的 OpenAI，现在准备单飞了。所以大家觉得你这里有问题了。

微软 AI 战略的核心矛盾

微软自己的 AI 战略，其实一直都很模糊。模型不是他们自己家的，它自己训练的一些模型也始终不温不火。他们自己家的产品叫 Copilot，接 OpenAI 的模型，又不停地在跟 OpenAI 打仗。

微软对 OpenAI 的定位其实很清晰：你就老老实实做模型，其他东西别动，就跟当年苏联老大哥给各个加盟共和国定的要求一样，你干这个，你干那个，其他东西别动。但是 OpenAI 不服，我什么都行，这个也行，那个也行。

Copilot 为何没有达到预期

最后导致什么？微软自己的 Copilot 做得其实不怎么好用。我记得 Copilot 刚出来的时候，特别是 Copilot 365，也就是 Office 挂 Copilot 的视频出来的时候，真的是太感人了。Office 一旦加上这样的功能以后，就可以做各种各样的事情。它写了好多好多生活案例和办公案例给我们。

我记得当时我看完那个视频以后，非常感动，自己还录了一条视频说未来已经来了，赶快上。结果后来等这个产品真正出来的时候，发现没有那么好用，跟它当时讲的差异很大。

在这样的情况下，大家就越来越不看好微软了。还有一个很重要的原因，是大家觉得微软可能把路走错了。

“副驾驶”逻辑正在失效

为什么呢？大家注意，Copilot 这个单词是什么意思？叫“副驾驶”。但是现在发现不是这么回事。现在 AI 是驾驶员，人只是在旁边稍微指个道就完了，而不是说人在开车，AI 在旁边指道，或者提供提醒就完事了。

所以大家觉得，你这条路到底对不对？特别是龙虾这一波上来以后，就越来越明显了：人现在不是主驾驶，AI 才是主驾驶。

微软其实赚到了钱，但市场不再买账

刚才我们讲了，微软做 AI 行业账面上挣了很多钱。你想，它前面投资 OpenAI，投了 100 多亿美金，现在还算它有百分之二十几的股份。但 OpenAI 现在多少钱了？8000 多亿美金，这还是估值。下一轮再融资，或者它如果在年底能够上市的话，那可能就是上万亿美金了。你前头投了 100 多亿进来，现在值两三千亿美金出来，这不是账面上妥妥挣钱了吗？

而其他这些云业务也在挣钱，因为它去卖 OpenAI 的 API，让微软云在云三家，也就是微软、谷歌、亚马逊三家云服务商里的份额占比也在不断上升。所以微软绝对是挣到钱了。

它自己的 Copilot 卖的量也是很大的。最新财报里，Copilot 订阅数极大超出预期。现在 Copilot 的订阅数是 Office 订阅数的 3%。

这个数得看怎么说。一方面说，你看，订阅了 Office 的人里头只有 3% 愿意订阅 Copilot，说明这东西做得不好；但反过来说，订阅 Office 的用户里头只有 3% 订阅了 Copilot，成长预期非常大。你也可以这么讲。

所以微软在这钱是挣着了，但是大家对于微软未来在这个行业里的位置，实在是看不太清楚，股价就得往下跌。

为什么微软、谷歌、苹果都没赶上这一波

那么，大厂面对 OpenAI 这样的龙虾为什么都很头疼？大家注意，不光是微软没赶上这一波，苹果和谷歌也没赶上。我为什么提他们三家？因为现在在全世界范围内，真正提供完整办公套餐的就他们三家：微软的 Office、谷歌的 Workspace、苹果的 iWorks。他们仨全没赶上这一波。

原因其实也很简单：你一旦上了龙虾，你们原来得到的什么办公自动化、安全认证这些东西就全废了，因为龙虾压根就不是按这玩意设计的。

它就没有什么安全性，虽然现在不断在打补丁，但龙虾现在打的这些安全补丁，更多还是说你们怎么不要攻破我、不要在我这里捣乱。至于龙虾启动以后，它拿着权限在你整个硬盘上干活这个过程，现在距离符合各种安全要求和安全规范，还差得很远。

OA 系统真正关心的不是“把活干完”

而这些大厂，特别是这些做 Office 的大厂，就是靠这个东西活着的。谁要去买办公自动化系统，底层上的是他们家的 Office。你一旦说我现在不遵守这规范了，那这生意就没法做了。这就是问题所在。

那这个规范这么重要吗？非常非常重要。所有的办公管理系统，或者我们叫 OA 系统、办公辅助系统，最核心的功能是什么？很多人说，不是办公辅助吗？我们辅助你办公，让你把办公效率提高，让你把事情做完。这个说错了。OA 系统最核心的功能是权限管理：谁有权力干什么事。

至于这个事干得完干不完，干成什么样了，跟 OA 系统本身关系其实没那么大。

很多人会很诧异，为什么 OA 是这样？因为给 OA 系统签单、批钱的人是什么人？是老板，不是干活的人。干活的人关心的是我怎么能够又快又好地把活干完，而老板关心的是什么？这个决定是我做的，不能是别人做的；这个消息是我知道的，不能是别人知道的。活他不需要自己干，他们只需要知道这个事情是我决定的。

所以 OA 系统最核心的功能不是活干没干完。而 OpenClaw 真正关心的是，我怎么能够把活干得又快又好，怎么能够把活干完，怎么能够参考更多的信息把这个活干得更漂亮。它并不关心这个事情到底是谁同意去做的。

OpenClaw 基本上只为一个人服务，谁是 OpenClaw 的主人，它就为谁服务。至于这个主人自己拥有什么样的权限，它是不管的。

企业软件逻辑与 Agent 逻辑正面冲突

这样的情况，跟 OA 系统、跟原来这套办公系统的要求是完全相反的。特别是前面讲的 Copilot 是“副驾驶”这个概念，在这里也很关键。真正干活的人，你真让我去干这个事情，我其实一点都不关心我到底是主驾驶还是副驾驶，我只要到了就行了。

但是做决定的老板，是绝对不能让别人把自己的权力拿走的，他一定是主驾驶，他来指明方向。

这也是为什么这些大厂看着 OpenClaw 就很痛苦。而且他们为什么想去做云端的 AI PC，想去做云端的 OpenClaw，也是因为这个：我们还是要严格遵守原来这套权限管理系统，谁可以看到什么文件，谁可以在哪个地方写审批，这些东西都要非常严格。

但是我们还是可以在你关掉电脑以后，有一台机器替你干活。只是它只能拿到你授权的这点文件或者这些要求，干完了以后就要退出来，把云端的信息清干净，还要保证所有的安全。所以他们比较喜欢走这条路。

大厂为什么组织上也很难做出 OpenClaw

所以有的时候，并不是这些大厂自己因循守旧，而是它的客户就是这帮人。它为了向这些大客户的管理者阐明安全性，说您看，您上了我们系统以后，保证您一统江山，永远不会被人推翻，那大家就会买它的东西。

可如果它说，您上了我们系统以后，这个活干得很漂亮，但是到底谁干的不好说，您的管理权力我们也没法保证，那谁会给这玩意签字？所以它跟它的客户系统是绑定在一起的。这就是他们跟不上的原因之一。

还有一个原因，就是大厂的架构也很难让 OpenClaw 生存下去。大厂内部条条框框很多，每条产品线都有自己的 KPI。比如微软，有卖 Windows 的 KPI，有卖硬件的，有卖Office 的，有卖云的，都有各自的 KPI。你不能说 Copilot 出来了以后，我把其他几块都干崩了，这是不行的。

内部 KPI 与产品整合的冲突

这其实是大厂做 agent 的一个很核心的障碍。因为你一旦开始做像 OpenClaw 这样的 AI agent，或者我们叫 Harness Agent 这样的东西，它就一定会打破原来的条条框框，而大厂是不允许你去打破的。

你给别人打破了以后，它的 KPI 你背吗？人家也是过五关斩六将上来的，跟上面各种错综复杂的关系你担吗？你担不了。所以只能像阿里做的那样，整了一个 ATH，叫 Alibaba Token Hub，大家最后只管收 Token，其他我不管了。我们不会强制改变任何人的 KPI，或者改变任何团队的组织架构，你们自己去决定怎么用。

再看看微软内部。你想，光叫 Copilot 的部门有多少？有 Copilot Studio，有安全 Copilot，有 GitHub Copilot，有微软 Copilot，有 Office Copilot。它有这么多 Copilot，你说这玩意怎么统一？最后我上了一个龙虾，把所有都弄进去了，这个事是没法整的。

谷歌也面临类似问题

谷歌其实也有同样的问题。AI agent 上来，Gemini 3.0、Gemini 3.1，大家觉得这个实在是很棒，模型非常非常好。它的 NotebookLM 非常好用，它的 Antigravity 也非常好用。

但是现在大家再回过头来看看，才过了几天，Antigravity 为什么没声音了？原因很简单。首先，这是一帮外人。分析这东西，你不能从技术上分析，得从“阶级斗争”的角度分析。这是谷歌花钱买的 Windsurf 团队，直接把 CEO 和核心团队买回来。这是一个外人。

进来了以后，你还不赶快向谷歌核心价值观靠拢，还要继续在这里头使用 Claude 模型，那怎么办？那就收拾你。

谷歌内部做 AI 编程的有多少？有 Gemini CLI，有 Antigravity，还有 Firebase Studio，还有一大堆这样的产品都在做。那现在怎么办？收紧呗，直接把你粮草断了。

大家为什么离开 Antigravity？我原来也特别爱用，现在也不用了。原因很简单，Token 没了，给 Token 的量压得非常非常少，随便聊两句就不让用了。那这事谁跟它费劲？谷歌也是干这样的事情。大家都一样，内部很多手段跟商业、跟技术都是没关系的。

为什么 AI 公司反而更容易拥抱龙虾

所以在这样的体系里，你就没有办法去推像 OpenClaw 这样会打破条条框框的东西。AI 公司在这一块就没有这种问题。它原来也没有说我卖 Office、卖 Windows、卖这些的团队，也没有这块的 KPI，都没有，那我们就上呗。

像 Anthropic，这些东西本来就是从它那来的，从 Claude Code 这里来的。今天出这个 Claude Code，明天出这个 Co-work，后天出 PowerPoint 和 Excel 工具，它就一个一个往上上了。我不会说因为我今天出了一个 Co-worker，明天这个团队就没有工作了，或者没有业绩了，它不会有这样的问题。

OpenAI 其实也是这样的，我就上就完了，我原来没有这块业务，也没有这种包袱。

微软会做，但大概率还是“云加端”龙虾

那你说，微软这不是要做龙虾了吗？说了半天，它到底是做还是不做？做，当然做。但是它做的方法，还是云加端。这条路其实挺费劲的。

其实国内现在也有挺多云加端的方案。比如联想，他们也有一个云加端方案。因为 OpenClaw 这种产品在 Windows 客户端上是跑不起来的，它要求你必须在一个 Linux 环境里跑，所以他们就干脆把 OpenClaw 部署到云端去了。

包括像字节跳动的 CoClaw，还有 Kimi 的 Kimi Claw，都属于云端的龙虾。你在那边跑完了以后，它在本地用客户端，比如飞书或者 Kimi 的一些客户端，去接云端的龙虾，然后做各种各样的事情。

它等于避免了本地的安全泄露问题，但是也把龙虾做了很严重的阉割。因为龙虾有很多功能是必须在本地跑的，你必须要在本地调用浏览器做各种验证。

云端龙虾的现实障碍：反机器人

不管是 OpenAI 还是微软，包括国内这些厂商，他们都想通过云电脑来解决安全问题。现在他们遇到了什么情况？就是反机器人。

很多网站都上了反机器人的手段，上来以后让你看验证码，让你滑动真人校验，让你点击一个什么东西，看看是不是真人。因为他们也害怕，万一有坏人上了这种 AI agent 以后，直接在我这上爬虫，或者做一些破坏捣乱。

那这块越来越反机器人，你那边云端电脑没法靠人去处理点击、处理验证码，这事咋办？根本没法整。

我原来也试过，让字节跳动的云端龙虾去把字节跳动自己的网站登录一下。它上来以后说，我现在需要扫码，手机扫码不让我登录了。我说那你把这个码发给我吧。它想了想说不行，这个我发给你以后不安全。这就没法整。

所以微软这一次做的龙虾，大概率还是这种半半拉拉的东西，不会有特别大的改进。就是在云端可以处理一些自动任务，但是绝对是阉割过的龙虾，功能应该会差非常非常多。

其他公司在龙虾路线上的选择

刚才我们讲了，传统的像谷歌、微软、苹果这种 Office 大厂，它们都是举步维艰，或者说持观望态度。到现在为止，谷歌压根就没有出类似的东西。谷歌原来也是做过几个版本的 AI agent，到现在不知道后边该怎么办了。

AI 厂就没有这种问题。比如 Meta，Meta 上来第一个动手，先买了 Manus，20 多亿美金买下来，这也算是一种云端龙虾。但是它遇到了一个很小的坎坷：Manus 的创始人现在被卡在国内无法离境。

然后是 xAI，xAI 做了一个东西叫 Grok Computer，也是一种类似于云端龙虾的东西，目前应该是开放测试了。估计在 4 月 17 号 XChat 上线以后，Grok Computer 应该会大放异彩。

OpenAI 在使用云端浏览器这条路上摸爬滚打了这么长时间，最后一咬牙一跺脚，把龙虾的创始人收入麾下，说来吧，咱以后奔这条路走了。

Anthropic 的话，整个这条路，也就是 Harness Agent 这条路，就是从它这开始的，所以它现在也是一骑绝尘，四处在跑。它现在也开始做一些云端产品，Claude Manager Agents 这样的产品，现在也在做。

中国厂商对龙虾的拥抱更直接

中国的 AI 厂商那更是直接拥抱龙虾。现在没有哪个 AI 厂商说我们没有龙虾套餐、没有龙虾云端部署，基本都有，而且还专门会告诉你、写好文档教你：如果你买了我们家的模型或者 Token，怎么回去配龙虾。

中国现在已经完完全全是在拥抱龙虾了。很多 AI 厂商，或者跟 AI 关系没那么大的厂商，还轰轰烈烈去搞龙虾线下安装活动，表演这种行为艺术。腾讯搞了一把，百度搞了一把，360 也在搞，现在好像傅盛也天天在四处给人装龙虾去。中国算是在龙虾这条路上跑得快的。

总结：微软真正要面对的不是产品，而是时代切换

所以，这就是不同公司在龙虾这件事情上遇到的不同困难，以及采用的不同策略。微软就算是准备拥抱龙虾，但最终结果我并不看好。

最后总结一下。今天主要讲的其实并不是微软要去做一个什么样的龙虾，而是通过分析微软、谷歌这些大厂为什么很难跟上龙虾步伐，来讲一讲上一个时代的英雄是如何迟暮的。

而且这不单纯是微软笨的问题，而是上一个时代很成功的企业软件逻辑，正在遇到下一个时代最危险的挑战。

上一个时代是谁说了算，下一个时代是谁能把活快速干完。活干完了，这些人可能就直接把整个组织架构都颠覆掉了。所以这一块，微软到底是选择继续跟那些“说了算的人”“签字画押的人”捆绑，还是去拥抱这些能把事情快速干完的人，这才是它真正需要做的选择。

我已经取消了 Office 订阅。微软所维护的上一个时代的企业客户价值，在 OpenClaw 面前正在被蚕食。是不是会彻底崩塌，我觉得还需要拭目以待。

留给微软的出路可能并不多。死磕算力，成为更底层的基础设施，跟 Oracle、亚马逊这些公司好好拼一把，可能是给它留下的最后出路。至于微软龙虾，我并不抱太大预期。这个判断，是根据我自己使用这些产品的体验做出的。

---

背景图片

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？

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？

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？

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

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？

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？

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

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？

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

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

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”

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

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

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

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

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”

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

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

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

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 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？

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？

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

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？

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？

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？

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？

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？

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？

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

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

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

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

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”

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

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

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”

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

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

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

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

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

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

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

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

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

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”

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

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

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

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

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

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

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”

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

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

• 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

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

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

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

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

这里需要解释两个概念：白标医疗和复合药剂。

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

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

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

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

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

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

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

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

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和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

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

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

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

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

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”

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”

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

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

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

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

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

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

• 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”

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

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

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？

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。

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？

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？

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？

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？

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？

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？

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

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

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

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

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

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

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

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

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”

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 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？

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？

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？

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

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？

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？

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？

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？

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，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

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

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

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

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

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

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

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

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

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

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

OpenAI突然宣布要扩大规模，今年新增3500人，员工总数接近翻倍，达到8000人。这会不会是最后的疯狂？

OpenAI为何突然大扩张？

OpenAI最近其实拉响过一次内部红色警报，而且不是一次，是两次。第一次是去年谷歌发布 Gemini 3 的时候。OpenAI之所以会为谷歌拉响红色警报，是因为它被追上了，而且是被谷歌这个“老大”追上了。

某种意义上，OpenAI从一开始就带着反谷歌的意味而生，所以为谷歌拉警报，不算太丢人。

另外一次红色警报，则是今年来自 Anthropic 的压力。这次没有对外官宣，但事实就是 OpenAI 面临了巨大的挑战。不同的是，OpenAI这次的应对方式不是收缩，而是扩充团队，这是一个非常不一样的选择。

为什么不愿意承认是 Anthropic 带来的压力？因为谷歌是大公司，OpenAI为谷歌拉红色警报不丢人；但 Anthropic 在很多人看来更像是从 OpenAI 内部出去另立山头的一支队伍。如果 OpenAI公开承认被 Anthropic 压制，品牌价值损失太大，不划算。所以它会做很多动作去应对，但绝对不会承认 Anthropic 给自己带来了压力。

Anthropic如何触发OpenAI的红色警报？

1. 军工与政府场景带来的关注度飙升

Anthropic 这次红色警报是怎么来的？首先，Palantir 其实一直在用 Anthropic 的模型，只是以前不太说，大家也没那么关注。最近特朗普动作很多，又是抓马杜罗，又是炸伊朗，背后实际上都有 Anthropic 在干活。

这一下吸引了全世界的目光，大家会觉得，美军都验证过了，这玩意确实好用。

2. Dario Amodei与国防部长公开冲突

第二个原因，是 Dario Amodei 和国防部长 Hegseth 公开发生冲突。Hegseth 的意思是，只要合法，你都得让我用，不能由你自己建立一套规则，决定哪些地方让我用，哪些地方不让我用。

Dario Amodei 作为 Anthropic CEO，则强硬回应，说有些条件下就是不给你用，这是原则问题。到目前为止，这件事其实并没有给 Anthropic 带来实质性的巨大损害。虽然特朗普方面说要处罚，联邦政府内部不能用，国防部甚至表示你会成为不可信任供应商，任何想跟国防部做生意的人都不能使用 Anthropic 的产品，还要出具证明，但这些目前更多还停留在口头层面，并没有真正落地。

而且在战争状态下，你几乎不可能更换底层模型。就像以前北京奥运会期间，银行和电信公司都要“封版本”，在那段时间里版本不能更新，因为哪怕发现再大的 bug，也不如不更新更安全。一旦更新带来新的问题，责任根本承担不起。所以在重大事项进行中的时候，是不会随便换底层系统的。

也就是说，Anthropic 目前大概率还在继续干活，经济上并没有受到明显损失，反而因为敢硬顶政府，名声大噪。一方面说明产品好用，另一方面也让很多人觉得它有骨气、立场鲜明，这的确给 Anthropic 带来了很多用户。

3. 超级碗广告战与商业模式之争

第三个刺激 OpenAI 的点，是 Dario Amodei 在超级碗上打广告，公开嘲笑 OpenAI 的广告策略。这对 OpenAI 也是一次不小的打击。

OpenAI选择了广告模式，而 Anthropic 说自己不做广告，只老老实实收服务费。广告本身并没有直接给 OpenAI 带来太大损失，真正的问题是不信任，而且是双重不信任。

• 第一重不信任来自用户：我用了你的 OpenAI 产品，你后面是不是有广告在影响回答？是不是因为有人花了钱，你就告诉我谁家东西更好？这种信任损失非常大。
• 第二重不信任来自广告主：OpenAI 的广告效果并不好。做广告的人花钱买位置，是希望把货卖掉、把交易实现，但 OpenAI 目前卖出去的广告很难证明效果，没法清楚归因销售变化到底和广告有什么关系。

毕竟还是新手，整个广告归因体系不够成熟，而且这中间还有 Facebook 和谷歌这两个老玩家，他们会做各种广告归因劫持，尤其 Facebook 在这方面做得非常狠。你在 Facebook、OpenAI 和谷歌都投了广告，东西卖掉以后，到底是谁卖出去的，很难说清楚。

更麻烦的是，OpenAI自己在广告这件事上也有点三心二意，一边想做，一边又想向付费用户证明自己没有影响回答，所以在这一块并不坚决，推进起来很费劲。

Claude Code为何让OpenAI更焦虑？

再往下看，就是 Claude Code。很多人以为 OpenAI 感受到压力，是因为 Claude Code 编程特别强，Codex 编程不够强，所以 OpenAI 要奋起直追。但实际上，这件事已经不只是编程问题了。

现在很多人都不再把它单纯叫“编程”，而是叫 Harness。现在进入的是 Harness Agent 时代：你向它提出任何要求，它自动编程、自动解决问题。确定性问题就直接通过编程处理，非确定性问题再到后台调模型，它是一个新的框架。

像 Claude Code、OpenCode，以及国内在推的一些相关产品，本质上都属于 Harness。这一轮时代，确实是 Anthropic 的 Claude Code 开创的。

Claude Code对SaaS行业的冲击

更进一步，Claude Code 还带来了软件 SaaS 股的崩盘。原因很简单：它确实让很多软件公司收不到那么多订阅费了。以前大家还在怀疑这类产品到底有没有用，现在你一用 Claude Code，那边 SaaS 股就开始跌，市场等于用股价证明了它有用。

甚至在软件股暴跌之后，还有可能冲击私募信贷市场。所谓私募信贷市场，就是投行会募集资金，去帮助这些 SaaS 公司融资。过去这些公司虽然没有特别宏大的故事，不是那种几天翻几倍的项目，但它们通常能稳定地以两位数百分比增长，而且非常稳，所以大家愿意借钱给它们。

现在这个逻辑开始失效了，就像房价崩了以后，房贷、装修等一系列链条都会出问题一样。某种程度上，Anthropic要背这个锅：它把整个 SaaS 市场和私募信贷市场的逻辑都打崩了，也因此反向证明了它非常厉害。

市场数据也在偏向Anthropic

在 OpenAI 和“龙虾”这边，目前最好用的模型是 Claude Opus 4.6，这也给 OpenAI带来了很大压力。还有一家信用卡机构做了统计，说新用户首次订阅商业 AI 套餐时，70% 订的是 Anthropic，Anthropic 的订阅量是 OpenAI 的 3 倍。

当然，OpenAI不会认这个结论，它会说这不过是一个很片面的统计，不足以说明全貌。OpenAI也会强调，自己的整体用户量还是更大，真正的大企业客户也不会用信用卡付费，能用信用卡付费的通常都是中小企业。

这些因素加在一起，就构成了 Anthropic 带来的这一轮红色警报。现在的 OpenAI，可以说已经站在悬崖边上了。

OpenAI当前面临的几大危机

马斯克诉讼影响上市前景

一方面，马斯克的诉讼这个月要开庭。马斯克一直在告 OpenAI，说自己当年投资的是非营利机构，结果后来被排除出去，而 OpenAI又把非营利机构变成了公司，这里面有问题。

要么还钱，要么按照现在公司规模增长后的价值，把当年的权益还回来。马斯克现在准备索赔 1340 亿美元。这个数字未必真的会被判下来，因为按照美国法律体系，这种官司往往会被拉得很长，但只要这个案子一直打下去，就一定会影响 OpenAI上市。你头上挂着一个 1340 亿美元标的的官司，怎么上市？

亚马逊投资可能引发微软起诉

另一方面，是亚马逊 500 亿美元的投资。这个投资本质上是亚马逊和 OpenAI 做的云合作，其中带有一些附加条款，比如允许 OpenAI 的一些 API 和服务直接在 AWS 上对外提供。这很可能违反了 OpenAI 当年和微软签的协议，所以微软现在考虑起诉。

你会说律师怎么会这么不小心？其实很多时候不是不小心，而是没办法。钱必须拿到，站着拿不到，就只能跪着拿。OpenAI现在只能干这种事：先把协议签下来，把钱拿到手，后面再慢慢协调。

这也从侧面说明，OpenAI 已经缺钱缺得很厉害了。正常情况下，应该是先去跟微软谈，达成谅解后，再和亚马逊谈，最后三方一起签协议，而不是先把亚马逊的协议签了，再回头跟微软解释。通常不会这么干，只有特别着急的时候才会这么干。

要注意的是，之前 OpenAI 和 Oracle 的合作，微软之所以无所谓，是因为那只是算力补充，没有触碰微软协议的核心利益。但这一次亚马逊直接碰到了微软的底线。

Stargate收缩，说明资金压力加大

OpenAI自己也在收缩。最初 Sam Altman 讲的是 1.3 万亿美元级别的投资计划，要去买算力，要和 Oracle 一起建设 Stargate。但现在，Stargate 先不做了，不再自己建那么多算力中心，而是四处买：向 Oracle 买一点，向亚马逊买一点，向微软继续买一点。

原来 1.3 万亿美元的计划，也缩到了 6000 多亿美元。Oracle 之前按这个计划招了很多人去建数据中心，结果后来计划变化，导致 Oracle 大概进行了 2 万到 3 万人的裁员。

OpenAI失去“绝对领先”光环了吗？

现在 OpenAI 的势头，已经没有 GPT-3.5、GPT-4、GPT-4o 那个时期那么猛了。当时大家都追不上它，也不知道它是怎么做出这样一个神奇产品的。现在这种光环已经褪去了。

谷歌做出来了，Anthropic 做出来了，甚至做得还更好；国内模型虽然未必更强，但也基本到了能用的程度。所以 OpenAI 既失去了那种一骑绝尘的势头，也被祛魅了。

更麻烦的是，它“老大”的位置被反复质疑。在任何赛道里，老大不仅收入更高，而且一定享受估值溢价。

假设两家都卖冰激凌，老大一年卖 1 万个，老二一年卖 5000 个，老大的估值通常不会只是老二的两倍，而可能是三倍、五倍，因为老大是规则制定者。但一旦跌出老大位置，不再是规则制定者，这部分估值溢价就会被退回来。

而对于 OpenAI 这样高估值的公司来说，这几乎是无法接受的。去年 Gemini 3 动摇了一次它的老大位置，今年 Anthropic 又动摇了一次，所以说是两次红色警报。

为什么OpenAI必须上市？

而且 OpenAI 现在必须上市。不上市的话，很多协议都会出问题。它拿到的很多钱，都是附带上市要求的，规定你必须在一定期限内上市，否则后续资金不给，甚至前面的钱也可能带有对赌赔偿。

2024 年底那一轮融资时，对赌重点还是要求它解决非营利机构问题。现在这件事已经解决了，当时和它签对赌协议的软银也把钱给了。这一次像亚马逊等签的对赌，核心则是“你必须上市”。如果不上，后面的钱不给，甚至前面的钱也可能出问题。所以它真的是被逼到了悬崖边上。

通常站在悬崖边上的公司，会选择裁员、收缩战线、集中兵力。但 OpenAI 这次偏偏选择招人，这确实算是一种行为艺术。

OpenAI大举招人，到底想干什么？

先看纯AI公司的人员规模

那 OpenAI 到底想干什么？先看一下各家纯 AI 公司的员工规模，才更容易理解 OpenAI 这次扩张有多激进。

• OpenAI 现在大约 4500 人，准备再招 3500 人，达到 8000 人。
• Anthropic 有 1097 人，这个数字他们会定期公布，所以比较精确。
• xAI 大约 1200 人，但其中还包括很多原来 X，也就是 Twitter 的人，所以真正属于 xAI 的可能也就几百人。
• MiniMax 大约 385 人。
• Moonshot 也就是月之暗面大约 500 人。
• GLM 智谱大约 600 到 700 人。

谷歌没法直接比，因为它业务太杂。只看纯 AI 公司，OpenAI 现在已经是人数最多的。到了 8000 人以后，它的人数大约会是 Anthropic 的 8 倍，这可以做很多事情。

智谱的扩张教训

不过这里也有一个不太好的案例，就是智谱。智谱在 2022 年到 2024 年期间快速扩张，从 196 人涨到 647 人，最高峰时上千人。但到了 2024 年就顶不住了，开始大裁员，到 2025 年 10 月份最后一轮又裁了 100 人，然后才去上市。

智谱为什么会先大招人，后面又裁？因为它一度判断，基础模型先别做了，直接扑到用户前面去服务政府、医院等客户。只要你要去做这种贴身服务，就必然要招很多一线交付人员。后来发现不行，模型太弱，大模型能力必须补上，于是又把外面那些人裁掉了。

OpenAI押注的“王牌”是什么？

那 OpenAI 这次招人，是不是有点像智谱？某种程度上有点像，但逻辑又不完全一样。OpenAI 的判断是：自己已经摸到王牌了。就像打牌一样，王牌已经在手里了，这张牌就是 Operator。

它已经把 Peter Welinder 这样的重要人物招到手里，剩下的问题只是来不来得及把这张牌打出去。新的官方版 Operator 应该已经在路上了。

官方版Operator的可能形态

所谓新的官方 Operator，可以类比浏览器行业。Chromium 是开源底座，微软基于它做 Edge，很多国内厂商也基于它做浏览器，而用户最常用的官方版本叫 Chrome，是谷歌基于 Chromium 做出来的。

OpenAI 收了 Peter 之后，也很可能会做一个“官方版”的 Operator：底层可能是开放架构，但官方还会有自己的产品形态和名字。这个名字现在不确定，但形态应该已经很明确了，就是把 ChatGPT 和 Codex 合并成一个新的超级 App，甚至有可能把他们原来做浏览器的 Atlas 也一起合并进去。

为什么这张牌很关键？

为什么说这是王牌？还是回到浏览器的例子。谷歌掌握 Chromium，再做出 Chrome 以后，全世界浏览器内核最后几乎只剩三家：Chromium、Firefox 和 Safari。Firefox 还能活着，很大程度上也离不开谷歌资助；Safari 背后也有自己的 WebKit，但谷歌同样通过广告等方式间接影响整个生态。

也就是说，现在浏览器行业的核心格局，其实是围绕谷歌形成的。OpenAI觉得自己拿到的，可能就是未来 AI Agent 领域里类似 Chromium/Chrome 的那种牌。

OpenAI与Anthropic，未来可能像安卓和iPhone

所以 OpenAI 现在必须往前冲。你可以说，等它把这个超级 App，也就是 ChatGPT 加 Codex，甚至加上 Atlas 做出来以后，就一定能打败 Claude Code 吗？不一定。从产品角度看，Claude 现在这块可能还是最好用的。

所以未来的竞争态势，很可能是 Anthropic 像 iPhone，OpenAI 像安卓。安卓的数量可以比 iPhone 多很多倍，但最好的手机、最赚钱的手机依然可能是 iPhone。未来 AI 产品，也许会形成类似的格局。

合并ChatGPT和Codex的最大价值

那 OpenAI 把 ChatGPT 和 Codex 合起来，到底有什么好处？最大的好处是打价格战。不是说绝对价格更低，而是在相同价格下给更多额度。

比如双方都是 20 美元一个月，高配版都是 200 美元一个月，但 OpenAI 可以给你更多用量、更少限制。Anthropic 给的额度少，限制又严；OpenAI 则可能会更开放，欢迎大家在自己的应用里用，也欢迎大家接入各种环境里去用。

这个逻辑非常像当年的安卓和 iPhone：苹果不会说我开放出来给你们用，安卓则会说没事，大家都拿去用。所以 OpenAI 很可能会走开放加价格战的路线，像当年谷歌用安卓对抗苹果一样去跟 Anthropic 竞争。

这3500人将被用在哪里？

那既然路线已经清楚了，为什么还要从 4500 人扩到 8000 人？这些人是干什么的？

因为现在大模型本身再升级，普通用户已经没那么容易感知差异了。你多招一个博士、多招一个顶级研究员，对大众体验未必会有决定性变化。接下来真正重要的是把 Harness 做好，把服务铺下去，做更多贴身服务。

方向一：学微软和Palantir做贴身交付

在这一点上，有失败案例，也有成功案例。智谱属于某种失败案例；成功案例则是微软和 Palantir。

Anthropic 和亚马逊更偏向自助服务：文档写好，你自己来，找不到就看手册、去社区问。亚马逊云一直就是这个逻辑。而微软云则完全不同，微软会派人下去，你不会用没关系，我帮你写，我给你做贴身服务。

Palantir 也是类似思路。Anthropic 自己不做这件事，但 Palantir 会派大量工程师到美军各个哨所里做贴身支持。OpenAI现在的思路就是：既然模型竞争阶段差不多告一段落了，那我也派人下去，到各个机构里面做贴身服务，去学微软、学 Palantir。

方向二：学谷歌做社区和生态

另外一个方向，是学谷歌做社区。谷歌本身也是偏自助服务，但它非常重视社区组织，会招很多人去运营社区、准备物料、组织活动。比如开一个技术会，讲义、提纲、活动组织都需要专门的人来做。

OpenAI 既然已经把 Peter 这样开源社区精神领袖式的人物招进来了，那自然也会学谷歌，再招一批人去做社区运营、组织活动、推动生态。

所以这 3500 人，核心去向就是两块：

• 一块是学微软和 Palantir，招工程师做贴身交付；
• 另一块是学谷歌，招人做社区和生态运营。

为什么现在是OpenAI最适合招人的时机？

还有一个非常现实的原因：现在也是 OpenAI 最适合招人的时候。因为马上要上市了，今年招人最便宜，可以用即将上市的股票来支付薪酬。

而且现在招来的人，未必是为了让他们亲自做出多少突破性研发，更重要的是这些人自带资源：技术人脉、行业客户关系、政府监管资源。OpenAI 现在毕竟还是赛道里的头部公司，它还有能力把这些人筛出来、吸引进来。只要把这些人聚起来，它的产品就更容易卖出去。

尤其政府客户，从来不是靠自助服务拿下来的，他们更愿意签那种有人一路服务到面前的单子。OpenAI 现在走的，就是这样一条路。

这有点像保险公司招人：先把一批人招进来，再让他们把亲戚朋友那一圈都覆盖掉。OpenAI 现在某种程度上也是类似战略。

未来走势：OpenAI能否赌赢这一把？

未来怎么发展？第一，亚马逊、微软和 OpenAI 之间，大概率还是能谈拢，不太可能真的走到全面诉讼那一步。原因很简单，不管是微软还是亚马逊，都不希望 OpenAI 死，都希望它能顺利上市，继续往前走。

前面没说明白的部分，后面可以慢慢谈。实在上不了市，微软甚至还惦记着收购 OpenAI，所以一般不会把它往死里整。

马斯克诉讼更难处理

至于马斯克的诉讼，就很难善了了。这部分只能做损害控制，尽量把影响限制在局部，不要冲击整个上市进程。

h3>关键变量仍是模型层是否再出现革命性突破

如果模型层面的竞争，接下来没有新的革命性进步，那 OpenAI 这一轮很可能就能扛过去。只要把用户服务好，就有机会过关。

但如果 Anthropic、谷歌，或者 xAI 又突然拿出了划时代的新模型，那 OpenAI 可能就会很危险，甚至有可能像智谱那样，再把现在招的人重新裁掉。不过从目前看，大家普遍判断模型再发生一次划时代跃迁已经比较难了，下一步重点就是把现有能力真正用好。

接下来可能出现哪些变化？

所以接下来，我们很可能会看到 OpenAI 推出新的应用、新的套餐。价格未必会降，但额度一定会更多。现在 Codex 的额度已经在翻倍，一旦 Codex 和 ChatGPT 合并，额度还会进一步扩大。

未来除了中国地区之外，可能会在 OpenAI 这种贴身服务模式下迎来一轮生产力快速增长。因为它本来也不向中国开放，也不可能到中国来做现场服务。

但中国也不必太担心，只要使用开源方案，比如 OpenCode 这类框架，再挂自家模型，也一样能跑。虽然没有它原生方案那么好用，但也不会落后太远。就像美国有 Chrome 和安卓，中国也有自己的浏览器、鸿蒙和 MIUI，虽然不是原汁原味，但照样能用。

结论：这是一场被逼出来的豪赌

最终结论是，OpenAI 这波扩张，确实是被逼急了，有点梭哈的感觉。它赌的是：大模型本身的竞争已经基本告一段落，接下来拼的是落地。

而现在大家觉得，它是有可能赌赢的，因为它手里已经摸到了一张王牌，就是 OpenCode。

到底能不能成，2026 年年底见分晓。第一，看它能不能顺利上市；第二，看大模型领域还会不会有人拿出新的划时代产品。

以现在谷歌、Anthropic、OpenAI 和 xAI 的状态来看，可能性已经不大了。真有可能拿出下一代产品的，反而可能是李飞飞、杨立昆这些在做世界模型方向的人。如果真是杨立昆拿出来了，那对 OpenAI 来说，可能又会是一次大麻烦。

---

背景图片

马斯克真的要开始造芯片了。他会像颠覆火箭发射行业一样，颠覆芯片制造行业吗？

马斯克宣布 TeraFab：一座“太瓦级”芯片制造厂

马斯克真的要造芯片了，这个工厂叫 TeraFab，就是“太瓦级”的芯片制造厂。

3 月 14 日，马斯克先在 X 上做了预告，说 7 天以后启动。3 月 21 日周六晚上，他在奥斯汀 Seaholm 发电厂正式宣布要开干了。3 月 22 日，他又在 X 上补充澄清，说奥斯汀地区只是部分设施，主要设施仍在选址。

这个 Seaholm 发电厂是在奥斯汀市中心附近。至于项目主体，其实并不是特别清晰。马斯克做新的东西经常是这样。这个新的芯片厂 TeraFab，到底是属于特斯拉、属于 SpaceX，还是一个独立公司，现在都还需要再看。

因为特斯拉是上市公司，SpaceX 跟 xAI 合并以后，今年应该也要上市。新的 TeraFab 到底算谁家的资产，谁出钱，这一块现在都不是特别确定。是不是还有别人一起出钱，也不确定。

谁在出资？项目归属仍然模糊

现在外界有一些传言。有人说英特尔出钱了，或者说英特尔在里面占一部分；也有人说是三星出钱了，因为特斯拉原来的很多芯片是由三星代工的。

三星老板也说过，准备在德州跟特斯拉一起建芯片工厂。韩国也同意往特朗普那里“捐钱”，而这个投资的钱，实际上就是三星要到美国去建芯片工厂。还有一部分钱，好像是韩国的一些船厂要到美国去建造船厂，那些造船厂已经被中国制裁了。

同时马斯克也说了，芯片厂是在建，但原来从三星、从台积电买芯片，他还得继续买，不能断。只是原来买的芯片已经不够用了，所以要自己造。也就是说，他不是要直接跟大家竞争，只是自己不够用，所以要自己建一个。

投资规模与目标产能：一太瓦到底意味着什么

投资额方面，有说是 200 亿美元，也有部分媒体写的是 250 亿美元。目标产能方面，马斯克的口径叫“一太瓦计算量”，这个 Tera 就是从这来的。

大家知道，特斯拉有 Giga 这种命名方式。按马斯克的习惯，他喜欢用数量级来给工厂命名。特朗普喜欢“大”“美”这种词，马斯克则喜欢数量级符号。

现在这个一太瓦到底有多少，大概相当于每月 10 万片晶圆，应该是这样一个量级。这个数字也有可能只是第一期目标，但什么时候能到第一期，并不知道，整个过程并没有详细描述。

大家也知道马斯克，每次都说什么时候可以搞定，后来大家都不太信了，因为他总是在自己说的时间内搞不定，但比较让人无奈的是，过一段时间他还真能搞定。所以这一次马斯克干脆不说什么时候投产，什么时候真正达到月产 10 万片。

月产 10 万片晶圆是什么水平

那月产 10 万片晶圆到底是什么程度？台积电一个月大概是 140 万片，三星和英特尔大概是每月二十几万片。所以如果 TeraFab 真做到这个规模，算得上是一号人物了，但对现在这些行业老大来说，短期内基本没有太大影响。

这里算的是晶圆数，不是芯片数。

TeraFab 计划生产哪些芯片

他准备生产的芯片大概有三种。

1. 特斯拉和 Optimus 机器人上使用的终端 AI 芯片。
2. 地面算力中心里用的推理芯片，实际上就是替代现在英伟达这些芯片。当然，马斯克估计英伟达也还会继续买。
3. 抗辐射芯片，也就是要发到太空里去的芯片。

马斯克现在说，计划这个新芯片厂 80% 的芯片是发到太空上去的，是抗辐射芯片。

至于其他一些内存，比如 HBM，到底产不产，现在还不确定。因为新闻稿里写了 memory，但又没有写清楚这个 memory 到底指的是什么。

现在大家要注意，算力芯片虽然也在涨，但涨得没那么夸张；真正涨疯了的是存储芯片，特别是 HBM。马斯克到底是在朝哪个方向推进，还要拭目以待。毕竟工厂还没建，只是说准备开始建了，发布会开了。最后真做出来的时候，HBM 也可能一起造，这个可能性是存在的。

TeraFab 真正值得关注的地方

TeraFab 为什么值得关注？核心不是看它什么时候取代台积电，而是看马斯克能不能像当年颠覆火箭行业一样，把整个芯片产业里那些默认合理的高成本拆开，重新做一遍。

这才是真正值得期待的事情。

什么是“第一性原理”和“白痴指数”

马斯克总讲“第一性原理”和“白痴指数”，国内现在也传得非常火，特别是很多互联网公司都在讲这些词。但到底什么是第一性原理，什么是白痴指数，可以先讲一个故事。

一个惠普服务器支架的故事

大概是 2006 年或者 2007 年，我当时在一家公司上班。那家公司在国内代理销售惠普的服务器、小型机。我们要招一个惠普认证工程师，因为没有认证就不允许去安装。

这里面有个特别有意思的地方：每次客户买惠普服务器时，要做报价单，主机几个、存储模块几个、有哪些配件，其中有个配件特别有意思，叫电源支架。

这个东西是干嘛的？实际上就是一块铁，或者文雅一点说，一个金属支架，可以拧在机架里面，再把电源插座挂上去，就干这么一个事。但这个东西很贵，几千块钱。每次做报价单时，它还是默认配置，一个机架里必须带几个，是套餐里自带的。

当时我特别震惊，我说这玩意怎么这么贵？别人说，对啊，这是惠普来的，做了各种验证，可能原来就在中国造的，造完以后再卖回来。

后来工程师自己干了一件特别神的事。他找了个工厂，自己去造了一个替代品。就是个铁皮，或者说金属件，制造完了以后喷漆、防锈，强度也够，甚至可能比原来的还好。然后把这个东西拧上去，再把插座挂上去。

原来那个 1500 的配件，他自己做的可能也就二三十块钱。他做报价单的时候，还是按原来 1500 的配件报价，真正给人装的时候，用的都是他自己偷偷做的这个小支架。其实这种小支架还挺多的。

“白痴指数”的含义

所谓“白痴指数”，就是这个铁皮本身不贵，但经过了一系列流程和认证以后，就变成 1500 了。你用几十块钱的替代件去替代它，也不会有任何变化，甚至质量还可能更好一点。这就是白痴指数。

马斯克天天就在干这种事。他原来觉得火箭发射的白痴指数实在太高了。火箭发射的白痴指数是 50 倍，也就是所有硬件成本加起来只占火箭价格的 2%。他觉得这个指数太高，所以要去改这个事。

芯片行业里的白痴指数其实也很高，所以他要开始用第一性原理。

对“第一性原理”的常见误解

讲到第一性原理，国内其实有很多过度解读。首先，马斯克的第一性原理不是反经验。很多人以为所谓第一性原理就是反经验，比如原来我们必须买原厂支架，惠普机箱上的支架才可以用，这是一种经验，或者说规范。这个东西有时候是有道理的。

但一旦讲第一性原理，首先是不能把经验当成圣经，不能说祖宗传下来就不许改。这个事情不是这样的，我们是可以改的。

但也不是说无视工艺，而是先把原来的拆开，再尝试删除、优化、放大。它是这样一个过程。也就是说，我们尊重经验，尊重工艺，只是在过程中不盲从。所以不是一上来就颠覆，而是先还原物理和约束。

所谓第一性原理，首先是尊重物理极限，然后尊重各种工程约束。这才是马斯克的第一性原理。

但国内很多解读已经有点过头了，变成了“我不信专家，我在做第一性原理”，或者一上来就是“我要完成工程创新，所有传统工艺都该推翻”。其实不是这么回事。

还是刚才惠普支架那个故事，你敢换支架没问题，但你敢换里面电源吗？你不敢，因为那就复杂多了。

马斯克是工程师，不是科学家

马斯克是工程师，不是科学家，这一点要专门强调一下。

工程师和科学家的差别在于：工程师是在已知范围内做工程优化，科学家是在未知范围内进行探索。

所以大家看马斯克做 SpaceX，他真的发明了什么以前从来没有的东西吗？其实没有。他是在原来成熟技术的基础上不断优化，改这改那，让成本下降一些，让原来已经绑死的约束松一点。他一直在做这种事，而不是凭空发明一个以前完全没有的东西。

所以对他来说，火箭只需要尊重空气动力学、推进剂和热防护，这就是最基础的物理要求和工程约束。只要尊重这些东西，就可以玩第一性原理。

马斯克当年做 SpaceX 的时候，最早也是买完整火箭回来，不是一拍脑袋就开干。他也是先买完整火箭，买了几次以后，慢慢在上面修改。而且修改的时候也翻车，炸火箭炸了很多次，才慢慢走到今天。

所以芯片也是一样。他会尊重光刻机、污染控制、良率、材料学这些东西，不会一上来就胡来。不会说“我拿牛粪搓芯片”，不会干这种事。

为什么大家会期待马斯克做芯片

那 SpaceX 到底取得了什么成就，为什么我们会期待马斯克来做芯片？因为 SpaceX 的成就实在太高了。

它实现了革命性的成本降低。航天飞机时代，每发射一公斤的成本是 54500 美元，而猎鹰 9 的成本是 2700 美元，直接就是 20 倍差距。如果星舰发射成功，可能还能降到每公斤 100 美元左右，这又是一次大幅下降。

而且在 SpaceX 出来以后，全球的航天发射能力有了长足进步。从 2002 年 SpaceX 建立到 2025 年，这个数字涨了多少？2002 年一共发射了 65 次，2025 年发射了 321 次，涨了 4.9 倍，而且大部分都是 SpaceX 发的。

如果按载荷数算，也就是发射的卫星数量，2002 年一共发射了 94 个，到 2025 年发射了 4524 个，涨了 48 倍。这就是变化。

我们期待这样的变化也发生在芯片行业。不要再像原来那样，折腾半天，最后只涨一点点，而是希望像 SpaceX 一样，实现突破性的增长。

现在 SpaceX 的市场份额也很高，按发射次数算占 51.7%，按载荷数占 85%。当然，除了 SpaceX 之外，其他国家和机构的发射能力也在涨，只是涨得很慢。我们不希望芯片行业像 SpaceX 之外的航天那样慢慢涨，而是希望像 SpaceX 一样直接突破。

规范、协作与成本：为什么很多行业改不动

在这个过程中，马斯克其实非常务实。他不会一上来就说我要造一个完全不同的火箭，而是在原来的基础上一点点改。

他会去问：这些规范真的有必要吗？很多人把规范当成天条来遵守。为什么会有这些规范？因为人的能力有限，每个人能掌握的知识有限。当我们需要进行大范围协作，需要跨公司、跨国家协作，需要传帮带时，怎么保证这个东西不走样？就是靠造规范。

我把规范确定下来，大家在这个基础上继续往前做。但你一旦把规范确定下来，维持这些规范本身也有成本，包括讨论、确认，还会夹带私货。因为一旦制定规范，就会有人希望自己的标准成为规范，把别人干掉。

除此之外，还必须有机构来验证规范是否被执行了。比如什么叫车规级芯片，达到什么要求才算车规级，都需要完整体系。

这些东西在需要大量横向、纵向协作时必须存在。但一旦我可以进行内部整合，比如 SpaceX 为什么可以打破那么多规范？因为它自己造、自己用，不需要和别人费那个劲，它就可以替换一些东西。

所谓打破规范，本质上很多时候是把原来的中间过程黑箱化：我只看输入输出，中间怎么做，我自己说了算。只要最后结果符合要求，就可以了。

芯片行业的“四个白痴指数”

芯片行业的白痴指数是怎么来的？为什么它这么贵？大概来自四个方向。

1. 各种认证和 IP 规范

这个本身也是必须存在的。比如台积电要买 ASML 的光刻机，还要买别家的 EDA 软件，再加上 ARM 等一大堆卖 IP 的公司，整个系统要串起来，所有人都要维持这套规范。为了维持这些规范，成本一定非常高。

每一家 IP 持有公司都希望自己的 IP 赚钱。英伟达为什么值钱？最值钱的就是它芯片设计里的 IP。芯片不是英伟达自己造的，是台积电造的。英伟达本质上是一个 design house，最后交付出来的是一堆代码，再通过台积电把这些代码变成芯片。

2. 各种认证协议

比如你要发到太空里的芯片，肯定要有一套航天级标准：什么样的芯片能上天，要做哪些地面测试，达到什么要求才算航天级。这是一整套体系。

3. 抢产能带来的排期溢价

现在很多芯片不够用，特别是 HBM 存储芯片更夸张。产能不够怎么办？谁出更多的钱，谁优先排产。所以这部分成本也很麻烦。

4. 洁净要求

这是芯片制造高成本的重要来源之一，后面会单独展开。

马斯克式解决方案的逻辑

这三块，在理论上都可以通过马斯克式的第一性原理来部分解决。

• 第一，我自己设计芯片，不买你们的 IP，也不一定按原来的 EDA 体系来，我自己设计、自己生产、自己内化。
• 第二，反正我自己发火箭、自己造汽车、自己有工厂，工业级、车规级、航天级，我自己测试。测试完以后，我自己就是标准。
• 第三，我也不跟你们抢排期了，反正是我自己的工厂，我自己排，造出来自己用。

芯片制造里的“火箭回收”会是什么

那还有第四个问题。就算你把能换的都换了、能自己造的都自己造了，比如刚才说的那个电源插排支架，确实节省成本，但节省不了特别多。

那火箭发射成本到底为什么能大幅降下来？核心不是这些小优化，而是火箭可回收。原来火箭发一次就废了，现在火箭可以多次使用，甚至有十几手、二十几手的火箭还在飞。它是通过这种方式把成本真正拉下来的。

那芯片制造里有没有类似“火箭回收”这样的巨大优化点？其实是有的。这个点就是洁净要求，也是马斯克之前说过的一句被很多人嘲笑的话：我要在芯片厂里吃汉堡、抽雪茄。

为什么“在芯片厂吃汉堡、抽雪茄”这句话值得重视

为什么芯片厂不能吃汉堡抽雪茄？因为芯片制造已经逼近物理极限，不管是一纳米还是两纳米，对空气洁净度的要求都非常高。不光不能有颗粒，连分子层面的变化都可能有影响。

你吃个汉堡，空气里可能就多了一些分子；你抽个雪茄，那基本就更别提了。马斯克要是真举着雪茄去台积电工厂里转一圈，台积电可能都受不了。

但马斯克为什么要讲这个？因为一个巨大的、全厂级别的洁净环境，本身就是芯片制造高成本的重要来源。如果可以把洁净空间缩得很小，只有极少数核心区域需要洁净，其他地方都不需要了，那么整个芯片制造成本就会大幅下降，制造速度也会极大提升。

原来台积电这种模式，是整个工厂都追求高度洁净，进去的人都得全副武装。未来如果洁净室可以缩小到几平方米，甚至最后像一个手提包那么大，只要在这个局部空间里洁净就行，外面都不需要了，那成本就会急剧下降。

这就是芯片制造里可能类似“火箭回收”的那个降低成本的关键点。

所以，芯片制造的四个白痴指数，大概就是：

• 第一，各种 IP；
• 第二，各种认证；
• 第三，抢产能；
• 第四，洁净要求。

马斯克做芯片，会比做火箭更难吗

最后总结一下。马斯克能复制火箭的成功吗？火箭是垂直整合，供应链相对来说比芯片还是简单一些。

芯片则几乎是全球协作的极致：美国的芯片设计公司、美国的 EDA 软件公司、荷兰 ASML 的光刻机，而光刻机里又有大量来自日本、美国，甚至中国的核心零部件。最后把这些都整合起来，再送到台湾的台积电或者韩国的三星去制造，造完之后还要再去封装测试。它真的是全人类工业皇冠上的明珠。

马斯克能不能搞定这件事，我觉得还是要拭目以待。它比改火箭还要更难一点。

但大的方向上，马斯克可能是找对了：作为一个工程师，他不完全相信原有体系默认的洁净需求、流程要求和成本结构，而是会去看哪些地方可以缩小、可以替换、可以重做。一旦这些地方能改，成本就会下降。

AI 会不会成为改变芯片行业规范的变量

那我们该怎么看这件事？现在有 AI 了。

前面讲了，之所以有那么多规范，很大程度上是为了进行交接：我做一部分，再交给别人接手，要保证每次提交的产品质量稳定，所以只能先把规范定死。有了 AI 以后，也许很多原来不敢动的地方可以试着动一动。

原来为什么不能换？因为更换成本太高。有了 AI 以后，更换成本会下降，这就是 AI 真正可能起作用的地方。

比如以前必须买某家的 EDA，不买不行。现在可能拿 Claude Code 之类的工具试着写一写，当然不能说一下子就完全替代，但至少这个可能性开始存在了。在这种情况下，很多原来的规范就可能发生变化。

但也要注意，这不是说有了第一性原理，就把以前的经验和流程全扔掉，不是这样。恰恰相反，是在尊重原有经验的基础上，慢慢从周边开始替换。

就像中国造高铁，一开始国产化率是 0，很多东西都是整套买回来的；后来做到 90% 以上，最后实在替换不了的那部分就继续用。这才是工程师解决问题的过程。

原来没人敢碰的那个支架，现在在 AI 的帮助下，更多人可以去尝试了。这就是这个时代，以及第一性原理，可能给我们带来的真正变化：找到那些早就应该被重做的部分。

从“支架故事”到中国工程师的机会

最后再回到惠普支架那个故事。如果是日本工程师、德国工程师，甚至很多美国工程师，你能想象他们自己找工厂造一个支架，然后偷偷给客户换上吗？很难想象。美国工程师也许还有人会干，但日本工程师和德国工程师大概率不会。而中国工程师里，可能百分之八九十都会去尝试这个事情。

这到底说明什么？在 AI 时代，敢于尝试、敢于打破规则、敢于在规则边缘反复横跳的中国人，可能迎来了机遇。

结语：不要神化，也不要低估

当然，最后还是回到主题。希望马斯克能够再次见证奇迹，让我们看到芯片行业在十几二十年之后，被他彻底改变。

这不会很快，不要想着马斯克今天做，明天就能做出来。不是这样的。他做 SpaceX 也是摔了很多火箭才走到今天。做芯片也是一样，前几批芯片的良率可能会很感人。

如果到时候芯片出来以后良率很低，我们也应该有一定包容度。你要让他去改这个东西，就总会有出错概率，要允许试错、允许容错，他才可能继续往前走。

---

背景图片

大家好，欢迎收听老范讲故事的 YouTube 频道。

AI 时代的圈地运动开始了

被羊吃掉的人怎么办呢？

400 多年前，英国发生了著名的圈地运动。他们把地圈起来，把原来土地上的农民轰走，用这些土地去养羊。因为他们要发展羊毛纺织业，所以就出现了著名的“羊吃人”事件。

400 年后，这个故事在科技行业中重演了。这一次吃掉人的不是羊，而是 AI 算力。

2025 年到 2026 年，全球科技大厂开始了一波前所未有的裁员。但这一次裁员跟以前都不一样。疫情结束之后，其实很多公司都进行过裁员，但那一次裁员是因为公司亏钱、经济不好、受到疫情冲击，而且有些互联网公司在疫情期间过度招聘，疫情结束之后用不了这么多人了，所以要进行一定的裁撤。

但这一次真不一样。很多在裁员的公司其实是在盈利的，而且挣得非常多，他们依然要裁员。他们裁员的理由已经不再是公司不好、业绩不好、亏钱了，或者前面招太多人，而是 AI 提效，我要把钱留下来买 AI 基础设施。

所以我说，这一次的裁员，就是一次 AI 时代的圈地运动，就是一次算力吃人的过程。

先说美国大厂

Meta：盈利也要裁，因为 AI 基建太烧钱

第一个是 Meta。Meta 计划裁员 20%，大概是 1.58 万人。这个数据来自路透社 2026 年 3 月 14 日的一篇独家报道，据说是三位知情人士透露的。不过公司的回应是，这只是一个猜测性的报道，并没有正式承认，也没有彻底否认。

我在今天写完稿子以后，还问龙虾要不要给我提提意见，觉得我哪里写得不对。它说我的标题有一点太平了，应该选一个带有特别惊悚数字的标题，还给了我一些建议。我就不跟大家讲这个建议是什么了。

但大家要知道，一旦经过这样的改造以后，这个新闻、文章或者视频的点击率、转化率一定会上升，但是也很容易发生事实偏移。

所以，到底是全公司裁 20%，还是某些部门裁 20%，现在并没有定论。只是路透社说，据三名知情人士透露，是裁 21.5% 还是八万人规模中的一部分。

2026 年 1 月，Meta 刚刚裁了 Reality Labs，也就是他们做 VR、做元宇宙的那个项目，裁了 10% 的人，大概 1000 多人。但如果真的要裁 1 万多人，我觉得还是要耐心看看后面到底会怎么样。

因为扎克伯格现在遇到一个很大的问题：他要在 2028 年之前完成 6000 亿美金的 AI 基建。你要从工资单里把这个钱挤出来，否则这个事情就玩不转。

亚马逊：三个月裁 3 万人，连环宕机引发担忧

第二个是亚马逊。亚马逊前面我们已经知道了，三个月裁了 3 万人，还导致了连环宕机。

第一波是在 2025 年 10 月 28 日，官宣裁了 1.4 万人，而且这 1.4 万人都是白领，不是那些搬箱子的蓝领。遣散费花了 1.8 亿美金，但这个 1.8 亿花完就完了，以后不用再每个月给他们发薪水了。

第二波是 2026 年 1 月 23 日，又裁了 1.6 万人，所以加在一起是 3 万人，占白领员工总数的 10%。

说到 10% 这个事就已经很吓人了。亚马逊也出现了连环宕机。去年 10 月 20 日，也就是裁员前 8 天，AWS 美东一区大故障，1700 万次报错，持续了 15 个小时，全球 60 多个国家被波及。迪士尼、Coinbase，连智能床垫都瘫痪了，因为智能床垫也要从亚马逊云走，损失超百亿美金。

这虽然是去年的一次故障，而且那一次还没赶上正式裁员，但要相信，裁员前 8 天已经是山雨欲来风满楼了，大家心里肯定都毛了，所以出现了一次大宕机。

宕机以后，最后还是要靠人修复，要靠人去把 bug 找出来。当时是一个 DNS 复制错误，就是把一个错误的 DNS 复制到了云服务器上，最后只能靠人工一点一点、一条一条去查。

3 月 5 日，裁员落地以后，亚马逊电商主站直接崩了，2.27 万次报错，也是损失巨大。前面裁员的时候股价怎么涨，崩了以后股价就怎么跌。市场不管你这些乱七八糟的东西，只会觉得你这肯定不行了。

Block：承认裁 40%，裁完又返聘

第三个是 Block。这家支付公司亲口承认裁了 40%。它的 CEO 叫杰克·多西，是原来 Twitter 的创始人。

2026 年 2 月 26 日，他发内部信，说员工从 1 万多人缩编到不到 6000 人。实际上裁的人应该比 40% 还多。理由就是 AI 工具整合以后效率提升了，不需要这么多人了。

裁完以后，市场当天涨了 25%。但魔幻的是，有些人裁完以后又被请回来了。

这两天有报道，说有两个原因：

• 第一个原因，是有人直接收到一封邮件，说对不起，当时弄错了，是文书错误，你回来上班吧。AI 有时候有幻觉，发文书出去也确实会有一些问题。
• 还有一种情况，是有些经理说，你把这人都给我裁了，我实在没法干活了。你要让我继续干下去，就必须把人给我弄回来。

于是也有一些人被返聘回来，但返聘回来的人是非常非常少的。

还有一个故事，有人拿了 75% 的涨薪和留任奖金，结果依然选择离开。我前两天还专门录了一个短视频，讲一个地主老财请村里人吃饭，发现来的人稀稀拉拉，只来了一半，他说：“怎么该来的都没来呢？”来的人一听，心想，那我就是不该来的呗，于是又走了一些。

剩下四分之一的时候，老头又说：“怎么不该走的又都走了呢？”剩下的人一听，心想，那我们这些肯定是多余的了，于是又走了。最后只剩一个人，上来说：“老爷啊，您不能这么说话，太得罪人了。”结果老爷说：“我不是说他们呢。”这人一想，那就是说我呗，实在哭笑不得。

所以裁员的时候通常就是这样。员工未必这么想问题，但老板就是这么看问题的。他肯定希望把不该留下的人裁掉，把该留下的人留下。

但人毕竟不是螺丝钉，不能随便拨。这里头一定有很多心理上、人情世故上的事情要处理，不可能今天让你走，明天让你回来，像开开关一样，这件事是搞不定的。

中国公司的情况是什么样

百度：亏损压力下，部分团队裁 40%

先说百度。2025 年，百度是这么多年来第一次在三季度由盈转亏，原来一直挣钱，现在开始亏钱了。然后 AI 竞争失利，我们一直讲，百度做 AI 是起了个大早，赶了个晚集，最后把自己变成了一个笑话，广告收入还下滑。那怎么办呢？只能裁员。

百度部分团队裁了 40%。大家注意，不是全部百度员工裁了 40%，只是部分团队。重灾区是手机生态和核心在线营销部门，主要人群是入职未满 1 年的新人和工资高的老员工。

入职未满 1 年的新人，这就很坑。大家知道，中国有一个身份叫应届毕业生。应届毕业生是带着很多政策下来的，比如可能涉及北京户口。你一旦把应届毕业生身份丢了，再去找工作，这些身份和优惠也都没了。

所以以前大厂裁员，通常是尽量不要动应届毕业生的。第一，他们心智也不是很成熟，家里人还都把他们当宝贝一样；第二，利益牵扯很大，真有可能闹出事来。所以百度干这个事，真的是被骂惨了。

至于老员工，那没办法了，岁数大了，在这种公司里本来就不太受待见，工资又高，有时候还倚老卖老、四处指手画脚，所以这些人也容易被干掉。

网易：外包裁员传闻与官方辟谣

再往后一个是网易。网易是外包裁员，传说是要“全清”。据说有人把丁磊的微信截图传出来了，后来丁磊说这个到底是谁传出去的，要把他逮住、要罚他。但网易后来自己辟谣，说没有这回事。

那个截图上写的是：4 月 1 日裁 30%，5 月 1 日外包全裁，到 5 月 1 日以后就没有了。

大家知道，裁外包这个事情，在财报上是看不到的，因为这些人原来就不是网易员工。如果他们是正式员工，网易每个季度发财报的时候要写清楚有多少员工。所以这个事情它完全可以辟谣，也不会有什么人能揭穿它。

网易的说法是，相关信息不实，我们只是正常的业务调整，有些项目关掉了，有些项目开始了，跟外包全裁没关系。

那它为什么会干这个事呢？2026 年 2 月的财报发布会上，丁磊自己就说了，现在 AI 已经应用到游戏研发和运营的所有链条上，每一个环节都用上了，就不需要这么多外包了。

这几年其实游戏产业的日子都没有那么好过。很多人说，不对啊，我看游戏挺热闹的。但要注意，AI 对游戏来说并不仅仅是提高效率，不只是“用了 AI，游戏做得更快了”。另一方面，AI 对游戏的打击其实也非常彻底，那就是 AI 挤占了大量用户的注意力和时间。

游戏需要占用大量连续时间，用户才会玩得爽，才愿意付钱。

B 站：传裁员 60%，更可能是局部部门收缩

再往后一个是 B 站，传裁员 60%。B 站当然也出来辟谣了。我觉得像这种谣言，大概率是 B 站某些部门会裁员 60%，但是为了让标题更好看，就变成了“B 站要裁员 60%”。因为像 B 站这样的公司，如果真的裁 60% 的员工，就直接挂了，这个数据太夸张了。

而且 B 站去年是首次盈利。大家要注意，公司在蒸蒸日上的时候是敢于亏损的，当然百度那种除外，它是逼不得已只能亏。很多公司往上涨的时候敢亏，越是不行的时候越要去挣钱，要向大家证明说，你看我还有口气，千万不要抛弃我，我还活着。

那 B 站去年是怎么挣钱的？裁员、砍项目。它把各种自研游戏项目都砍掉了，不做自研了，老老实实做一个轻公司，就在流量上挣钱。反正我有 IP，有这么多视频，我就在这里卖流量就可以了。

所以我相信，所谓裁员 60%，大概率是游戏部门或者自研游戏团队，这个说法可能更靠谱。

小米：南迁不是裁员，但效果类似裁员

小米是在 2025 年 11 月做过一件事，叫南迁。它把很多部门从北京迁到了武汉。

在这个过程中，一方面它不叫裁员，这个怎么能叫裁员呢？我只是搬个地方。另一方面，它可以很好地裁掉岁数大的员工。

为什么？因为岁数大的员工有家有口，你让他把整个家都搬过去，另一半怎么上班，孩子怎么上学，这都没法解决，所以只能选择离职。

但小米会说，你看我还给他们安置费、搬迁补贴、搬家费，我们欢迎他们过来。可对于稍微有点岁数、有家有口的人来说，那点钱基本上不解决问题。

谁在裁员，谁在加人

持续收缩的一批公司

从整个结构上来说，谁在裁员，谁在加人？

阿里一直在裁员。这几年阿里的人数从 25.4 万人降到了 12.4 万人，基本上砍了一半。当然，人数下降有时候不一定完全是裁员，也可能是某块业务拆出去不要了，这些人就不再算阿里员工了，这也是一种处理方式。

百度这几年则是一直在缓慢裁员，并没有那种一把裁很多人的特别大新闻，而是持续性地在缩减。网易也是连续收缩，正式员工在收缩，更不要说外包了。美团和快手也是在缓慢下降，因为业绩压力很大，没办法，只能慢慢缩减。

仍在扩张的一批公司

那谁在加人呢？

• 腾讯：腾讯去年增加了 5000 多人，基本盘还比较稳。但未来它到底会怎么样也不好说，因为游戏这一块其实大家都在砍，只有腾讯还在投。腾讯现在也说我们要全力做 AI 了，那么“羊吃人”或者说“算力吃人”的事情，会不会在腾讯这里发生，也不好说。
• 字节跳动：现在全球已经有 15 万人了，因为 TikTok 加 AI 这两块都很猛，是真的猛。AI 大模型在中国，豆包，包括 Seedance 这种视频模型，已经算是绝对第一梯队了。豆包 APP 在中国也是用户量最大的 APP，非常普及。所以在这一步上，字节其实已经算在国内市场赢了，国外市场还要再看。
• 京东：现在有 57 万人。京东是怎么扩张的呢？并不是说它招了一堆新人回来，而是把原来一帮外包骑手转成全职员工了。原来这些人其实也是在给京东干活，现在直接跟你签劳动合同，给你买五险一金，于是他们就变成了全职员工，人数自然就上升了。

通过卖业务调整结构

还有一些企业则是在通过卖业务做调整。比如把沐瞳网络作价 60 亿卖掉。这个公司人也不少，2021 年 40 亿美金买的，2026 年 60 亿美金卖出去了，算下来这生意还是挺划算的，卖给了沙特的国资游戏公司。

现在沙特在四处收这些东西，他们已经是任天堂、卡普空的大股东了。以后沙特可能会变成一个拍电影和做游戏的国家，不再只是产石油的国家。

被裁的人都去哪儿了

一方面，这些人像老范这样上 YouTube。还有一些人在小红书上讲“我离职了”“我今天被裁了”“我终于收到了裁员信”。这样的内容非常非常多。

从 2024 年开始，这类内容的互动就极其强，大概有 2.5 亿到 3.8 亿次互动。现在我们到抖音、小红书这些社交媒体上看，大量的人都在讲“我是大厂离职出来的”“大厂离职经验”“大厂原来怎么回事”“大厂内幕”。

老范原来也不算大厂，算中厂吧，但也算互联网公司离职员工。现在这块确实成了一个新的风口。2025 年 11 月，中新网还专门做了一个调查，叫“大厂离职的流量密码到底怎么变现”，专门有人研究这个事。

当然，这里面有真的在大厂混过一段时间的人，也有伪装的，专门伪造离职证明。为什么？因为大厂离职了以后好卖东西。老范虽然没卖东西，但开了个频道，也能勉强糊口。

那为什么我们会觉得满街都是大厂离职人员？原因是算法愿意把这些内容推出来给大家看。其实刚才我们讲这几万人、那几万人，阿里一下少了 12 万人，少了一半，但对于整个中国社会来说，基本上可以忽略不计。

可对社交媒体来说，“大厂离职”“我离职了”这种信息推出来以后，互动性很好，可以让用户留下来接着看，多点几个广告，多买点东西。

为什么平台喜欢推“大厂离职”内容

这种内容情绪高、冲突高、评论数高，所以平台喜欢推。那为什么社交媒体喜欢推这样的东西？一定是因为它满足了一定的社会心理需求。

1. 替代性逃离，代入体验。有些人说，我还在这上班呢，但别人被裁了，我得看看人家是怎么回事，这就带来流量。
2. 身份焦虑与安抚。有些人会想，连前阿里、前字节的人都离开了，那普通人就会觉得，不是我不行，是整个环境就这样。
3. 偷看别人的人生，做 AB 测试。因为这些做“大厂离职赛道”的人都在讲，我虽然离职了，但我现在过得还可以。过得不好的人不会出来说。大家一看，觉得没准我不干了也还可以，也会有其他出路，这也会引起关注。

当然，更多的其实还是羡慕嫉妒恨。真正能混进大厂的人没几个，像我也没混进去。虽然我也在互联网公司里做投资总监，但腾讯、阿里这些公司我没进去。

于是很多外面的人看这件事的心态就是：眼看他起朱楼，眼看他宴宾客，眼看他楼塌了。你也不行吧，你也有今天。

劳务派遣会不会被整治

还有一些人会讲，现在这么多大厂在裁人，是不是因为劳务派遣的问题，国家是不是要动手整治劳务派遣了？

为什么会有这样的说法？因为 2026 年 3 月两会期间，全国政协委员周世虹正式提出建议，废除劳务派遣制度。但目前为止，这个事情仍然停留在呼吁和倡议层面。

为什么会提出这样的倡议？因为一旦用了劳务派遣，就会出现 同工不同酬。这是企业逃避责任、逃避雇主责任的一种做法，让很多做同样工作的人拿不到同样的薪水，所以应该废除。

其实劳务派遣发展到今天这个状态，一直都是违法的。劳动法规定，你可以使用劳务派遣，但必须是临时性、辅助性、替代性的岗位，而且比例不能超过 10%。你看看有些大公司是怎么玩的，他们一直就在违法。

但到目前为止，虽然有人呼吁，也并没有去修改这个法律。因为如果去改，某种程度上等于承认原来的法律定得不好。现在的情况是，法条原来就有，只是没人执行而已。所以并没有因为有人呼吁，就立法或者出台什么新的法规，没有这样的事。

圈地运动之后，社会会变成什么样

历史上的结论：两极分化

下一个问题，圈地运动之后，社会变成了什么样子？

结论叫 两极分化。英国圈地运动之前，有大地主、大工厂主，也有很多小地主、小的有产农民，是一个相对比较平滑的金字塔型社会。

但圈地运动以后，就两极分化了。只剩下大地主越做越强，变成大工厂主；另一帮则变成失地农民或者无产农民，被迫进工厂打工。我们从小学政治大概都是这么学的。

AI 圈地运动后的社会图景

那 AI 圈地运动之后会变成什么样？

平台型大企业，像字节、腾讯这种还在招人的公司，会继续做大做强，把平台功能做得更完善。被挤出来的这些人，就像失地农民一样，要重新在新的体系里找到自己的位置。像老范现在找到的位置，就是 YouTube 上的内容贡献者，靠老范讲故事还能挣一口饭吃。

但讲到这里要说一句，前面我们讲的其实是错的。错在哪？大家知道，圈地运动在历史课和政治课上，可能也就是一页纸、半页纸，但实际上，圈地运动中失地的农民，绝大部分并没有在工厂中找到自己的位置。

整个圈地运动持续了 350 到 400 年，是一个非常漫长的过程。被驱赶出土地的农民，有些变成了无产雇农，还是在地里干活，但地不是自己的了；有些成了城市无业游民；有些做了港口苦力；还有一些上船去了美洲。

真正变成工人的，可能只是很少一部分。很大一部分人，可能就是冻饿而死。

农民变成城市工人的过程，大概要持续一两代人。不是说把农民赶出来，他们马上拎个小包就去工厂上班了。绝大部分被从土地上赶出来的农民，可能都饿死了。

现在 AI 的圈地运动，跟当年英国“羊吃人”的圈地运动有一个特别大的区别：那个过程用了 350 到 400 年，而这一次可能就是 三五年。

所以我们要想一想，这件事落在我们身上怎么办。

从公司人到个人经济体

接下来面临的，就是平台经济和更零碎的个人经济体。以前，比如农民有土地；以后没有土地了，也没有任何依附关系了，就变成了一个个人经济体。

未来的社会，可能会变成一个 K 型社会。原来我们讲 K 型消费，就是便宜的东西卖得很好，特别贵的东西卖得也很好，中间的东西没了。人也是这样，中产阶级没有了，有钱的人变得特别有钱，穷人变得特别穷。以后可能会变成这样，社会会向这个方向发展，产业界也会向这个方向发展。

原来在公司里上班，比如像老范这样，有固定的岗位、固定的职位、平台绑定，还有社保，都是由公司承担整个管理成本。现在没有这些东西了，老范就变成失地农民了。

但同时，也会有更松散的合作关系。我愿意在 YouTube 上更新视频就更，不愿意更可以少更两条。或者说，我去开个滴滴。平台对我们来说没什么硬性要求，你今天愿意发就发，明天不愿意发可以不发。更多事情要依赖个人社会保障，一个人就是一家公司。

所以为什么现在很多人玩 one person company，这有点像从农业社会的大地主经济，转向工业革命的工厂经济，但规模更小、更碎片化。这些一人公司或者个人经济体，能够混到温饱的，可能只占少数，甚至很少数。

圈地运动以后的失地农民，可能有一两代人的时间慢慢完成身份转换；这一次，可能三五年就全转完了。

那我们怎么办

第一，教育体系必须调整

第一件事，初级职位会消失，AI 对人的要求更高了。昨天我跟江边也讨论过这个问题，所以整个教育体系必须调整，不能再培养螺丝钉了。原来那种“一个萝卜一个坑”的岗位没了。未来一定要培养能够领导一群 AI agent 干活的人。

以前的大学教育，包括研究生教育，都达不到这个能力，所以这块必须改。否则就是培养出来一个失业一个，培养出来一个失业一个，没有办法。

而且未来的学生必须能够快速适应各种环境变化。以前我们可能在一家公司一干很多年，甚至像日本那样终身雇佣制，一直干到退休。现在不一样了，你同时就要应对不同的平台、不同的服务，都要去提供，所以必须提高适应能力。

还要真正能够提出正确问题。这个能力，现在国内教育相对还是比较差的。这是第一个要调整的地方。

第二，被裁的人要先想清楚自己要做什么

第二个，被裁的人怎么办？如果你说我已经来不及回炉重造了，我已经被裁了，或者马上就要被裁了，该怎么办？

1. 静下心来想一想，我到底想做点什么。 这个很重要。找到自己感兴趣、也有欲望去做的事情，这才是真正 AI 比较难以取代的。你说 AI 写文章比你好，画画比你好，没毛病。但 AI 无欲无求，它什么都不想要。只有我们人才有真正想要的东西，这个才是最重要的。
2. 应用起 AI，应用起 AI agent。 把那些原来一个人搞不定的事情做掉。这就是被裁的人现在必须走的路。

所以，虽然你未必能够在工厂里找到位置，或者在新的平台里找到位置，但你总要去试一试。时代对每个人都会提出全新的要求，必须离开舒适圈。

因为以前很多人是得过且过，当一天和尚撞一天钟，没什么想法，也不愿意接受新鲜事物。这样的人，未来一定会被碾压到最底层去。

但比较痛苦的是，这些人其实是社会的主流，是绝大多数。绝大部分失业者，可能会像圈地运动中的失地农民一样，成为无业游民，或者打零工、做苦力。比如美团外卖，这某种程度上就相当于是零工苦力。

可惜的是，现在没有美洲可以供大家去开发了。但走出国门，到一些相对传统的地方去卷别人，这件事中国人还是比较有优势的：聪明、肯吃苦，而且没有那么多工会之类的约束。所以我们的冲击可能会来得更早一些。

早上船、早出发的人，未必能在那边混成大亨，但总会有新的活路。中国人其实一直在干这个事：饥荒了怎么办？闯关东，下南洋，饿着肚子也得出门。所以这可能也是对在国内混不下去的一部分人的一种出路。

最后：先往前冲，互相帮助

最后，让我们一起先往前冲吧。

听老范讲故事这个节目的人，应该都不是那种不愿意思考、不愿意接受新鲜事物、没有想法和欲望的人。我相信，听老范讲故事的人，应该是一些愿意动脑筋的人。那就让我们先冲，先去适应这个新时代。

老范已经在 YouTube 平台上混了 5 年了，没混多好，但也能够勉强糊口度日，也算是有了一个新的位置。而且我一直追着最新的各种技术在往前走。早上船的人，未必能在美洲混成大老板，但只要活下来，就能有自己的一块地。

当然，活下来很重要。去了美洲的人，很多其实都没活下来。那怎么活下来？互相帮助，抱团取暖。这也是早期移民美洲的人提高生存率的一个手段。

所以，有惦记走老范这条路的，我们也可以抱团取暖。你说你做 YouTube，可以到我的 Discord 群里来，大家互相交换一些链接，甚至有时候可以做一些联合节目，互相带带流量，这个事老范都是支持的。说 AI 怎么用，我也愿意跟大家去沟通和交流。

时代不会等你准备好了才来。特别是这一次的 AI 圈地运动，它会在三五年内，把当年英国圈地运动 350 到 400 年的流程一把走完。所以，我们要跟上。

这就是咱们今天讲的故事。