WY

当年明月在，曾照彩云归

[溺心海Xinhai Ni @NIxinhai0]

罗永浩是靠直播赚钱还清了6个亿债务，这绝对是我听到最扯的一句话。

实际上，他能还清6个亿债务，全靠这个叫冯唐的高人。
老罗一开始很天真，想靠直播带货赚钱，但冯唐却告诫的赚差价的都是小生意，还6个亿就算还到入土你也还不清。

于是，冯唐重出江湖，开始帮罗永浩搭建交个朋友的商业帝国。2019年，罗永浩成立成都星空野望科技有限公司，并出资100万控股，紧接着成立了交个朋友科技有限公司，通过直播带货造势，打造商业流量，冯T借机抬高股权价格。

经过两年时间的发酵，罗永浩的商业价值飙升。2020年11月份，做电缆的尚维股份以5.89亿的价格收购了成都星空野望40%的股份，而老罗也正是靠这40%的股权还掉了将近6个亿的债务。
老罗不禁感叹，债务是无限担保的，意味着我死了，我老伴儿要还，投资人都看不下去了，就劝我说不要个人

欠债务，非常艰难的时刻，但是最后还是扛不了。但是老罗提到此事还会心有余悸。而冯唐也告诫他，开公司一定要搭建防火墙公司来隔离风险，否则将承担个人背负债务的风险

你要么不开，要开就开这四家，一家家族公司不做任何业务，注册资本10万作为钱袋的，用来投资其他项目或购买你需要的东西。

一家有限合伙企业用来做持股平台融资或者激励员工。家族公司当普通合伙人，即使占股1%，也能100%说了算。投资人和员工当有限合伙人，只有分红权，

一家主体公司用来做业务，但是千万不要用自然人直接持股，而是用有限合伙企业控股主体公司，然后把部分业务外包给个人独资企业。

每年500万的利润能拿出475万用来解决老板日常花销，这样你控制了家族公司就等于控制了所有公司，而且就算公司破产，你也只需要承担10万的有限责任。

此前在全网引起轩然大波的李亚鹏事件，就是一个典型的反面案例。李原本坐拥14家企业，是资产过亿的富豪，然而由于不懂得股权布局，将十

几家企业都置于自己名下。当其中一家公司出现问题时其余13家企业也难以幸免，纷纷受到牵连他本人需承担全部责任，最终名下7000多万个人资产被冻结，还被限制了高消费。

实际上，许多老板都和李犯了同样的错误，只不过尚未到暴雷的时刻。很多老板在刚创业时，为了省事，对公司的股权布局敷衍对待，甚至连公司章程都没有精心设计，合作协议也没有妥善签订。等到公司规模做大之后，才惊觉问题逐渐显现，此时追悔已然莫及。

经营一家企业，不但要千方百计地将盈利业绩提升，还要懂得规避风险，

在确保安全的前提下把企业做大做强
实操案例:
假如你的公司注册资本1000万，李嘉诚看中你的公司，准备要投5000万，根据估值要占你20%的股份，怎么操作呢？

有两种方法:
方法一、
股权转让：签《股权转让协议》后你直接转让20%的股份给他，这5000万直接进你的口袋，但是请记住，转让20%后，你的股份还必须是52%以上，保障相对控股公司，如果没有，一定要再签《一致行动人协议》或《投票权委托协议》来协议控股公司，避免被踢出局

方法二、
增资扩股：签《增资扩股协议》，那这5000万进公司公账。
注意了：如果你不懂股权设计，把这5000万是直接用于工商注册，那你就亏大了。因为你注册资本原本是1000万，而他投5000万，此时他就占83.3%的股份，大于67%，不仅是大股东，而且还绝对控股公司，随时可以把你踢出局。

正确的做法是：他这5000万，250万用来工商注册，4750万入资本公积，然后所以股东再同比例稀释出20%的股份给到他……没看懂的话，多看几遍，不然损失上百万上千万时后悔都来不及

[crossing @xin22209]

有几个点我同意，但有几个点你的论据反而削弱了你的结论。

同意的部分

"流片才是分水岭"这个判断方向是对的。逻辑仿真到硅片之间隔着的是缺陷密度、工艺窗口、DFM 规则的共同标定——这些不是设计能力，是制造侧几十年积累的统计学。你说的 1/百万误差累积，本质是 D0 和良率的指数关系：die 面积越大越残酷，AI 芯片正好是大 die。

你的第 2 条——PDK/IP 与流程分工——是三条里最被低估的一条。代工——无厂分工不只是技术接口，而是一套责任与赔付结构：PDK 出错谁赔、IP 不收敛谁负责、第二来源在哪。中国现在的解法是绕过它（华为自设计 + 中芯代工 + 行政订单闭环），代价是缺乏竞争性迭代，也没有第二条 tape-out 路径。

分歧的部分

一、"台湾独有，美国都难复制"已经被证伪了。 台积电亚利桑那 Fab 21 的 N4 良率与台湾同类产线持平，其美国区负责人称高出约 4 个百分点。那套工艺维护是一种可迁移的组织能力，不是地理神秘主义。这对你的整体论点是坏消息：它说明瓶颈是资本 + 人 + 时间，而不是不可言传的玄学——那么中国的问题就退化成"多久、多贵"，而不是"不可能"。

二、"没看见流片成功多少"——事实上，流片已经成功了。 910C 走中芯 N+2，chiplet 双 die 封装，代工良率被报到 50% 左右（大摩口径是 30%）。2025 年昇腾 910 系列出货约 20 万片，2026 年计划扩到 60 万片，而中国年需求估计在 100–150 万片。2026 年 6 月已经在昇腾集群上完成了万亿参数模型的全参数后训练，粤港澳部署了 11520 张 910C。

所以真实命题不是"流不出片"，而是流得出、但良率把成本和产能钉死在一个上限上。这是经济学问题，不是物理学问题。你把它说成后者，反而给了对手最便宜的反驳机会。

三、"中国货根本没有"要改写。 准确的说法是：中国货在中国市场靠行政配给存在，在中国市场之外不存在——没有一张昇腾是在竞争性国际采购中卖出去的。这才是真正杀伤力大的表述，而且没法被"你看我们部署了万卡集群"反驳。

四、EDA 那条我反对你。 签核工具（timing sign-off、OPC、DRC/LVS）不是"好解决”的。它的难度恰恰和你第 1 条同源：这些工具的精度来自与具体工艺几十年的共同标定，不是算法问题。你说它被炒高是骗经费，这点对；但推不出它容易。真正让它不是最紧约束的原因是另一个：软件可泄漏，设备不可。

五、你漏了比光刻机更硬的一条：HBM 和先进封装。 910C 用 chiplet 正是为了规避大 die 良率，但 chiplet 把压力转移到了 2.5D 封装和高带宽存储上。这两样的卡点比 EUV 更近、更实。

可证伪条件

支持你的判断（2027 年底前）：中芯 N+2 良率仍停在 50% 以下；昇腾 2026 实际出货显著低于 60 万计划数；第三国竞争性采购订单仍为零。

证伪你的判断：良率进入 60%+ 区间且单位成本可披露；或 N+3（5nm 级）进入量产；或出现一笔非行政安排的境外采购。

最后一句我和你一致：光刻机是必要不充分条件的一部分，把它当成唯一叙事的人，要么不懂，要么在要钱。 但反过来说，“和光刻机没关系"也过头了——没有 EUV，多重曝光把掩膜层数、周期时间和缺陷机会全部推高，它正是你说的良率问题的一个主要来源。它不是独立于你的论点的因素，它就在你的论点里面。

[WY @51_omega]

从解剖学角度，大胸和肌肉不可兼得，过去50年世界健美大赛女子组前10拉出来看看，胸大者了了，事出反常，必有科技与狠活。

[name @aneednameguy]

做的太好了，不管是语言、运镜都很贴近电影级别的效果。ai让有才华、有思考、有技术的人发挥出更大作用。

[無 @wu1815128]

成都还拍过一组日本人出差的宣传片，非常有意思🥳🥳

[WY @51_omega]

无语森先生，哈哈哈

[陳威廉 @williamlab]

中秋国庆了，要来广东旅游可以看这篇纯口播美食指南，哈哈哈哈

[WY @51_omega]

有意思

[Nagy Sandors🇷🇺 @NagySandors]

弓强刀利，人高马大，安史叛军居然输在了丝绸上？

安史之乱的转折点是香积寺之战。这场战斗重点在于香积寺的燕军与回鹘的骑兵之战，谁赢了谁就可以抄对方战阵后路。

但是很奇怪，这场战斗燕军的骑兵，人着重甲，马却没有。结果被人马皆有重甲的回鹘杀得打败。

因为燕军严重缺乏给马匹铁甲做内衬的丝绸。马没丝绸无法穿铁甲，否则会皮开肉绽。
安史之乱一开始只是河北内战，河北隔着白洋淀分裂了。淀北只有野生臭椿（樗树）可以养樗蚕，燕缣因此粗厚正适合给人做盔甲内衬，却无法用于马匹。淀南定州出产全国45％的丝绸。燕军占领定州后，当地成为反复拉锯的战场，不再能供应丝绸。

丝绸的绝对消费大户就是骑兵。“一匹缣配一匹马”，匹的单位由此通用于纺织品和马。

安史之乱的失败刺激了契丹人。建国之后，契丹人放弃了白洋淀以南，专心改进燕缣。大规模在长城内外栽种蒙古桑，从中亚引进四眠蚕，生产举世闻名辽锦。织法上采用斜纹，更耐用，可以用2-3个月。

而此时，中国南方3眠蚕做的平纹缣马匹装甲衬，纤维只有4眠蚕的1/5粗，耐用性极差，只能用不到1周，需要持续修补。北方的骑兵具有了连续作战的显著优势。直到元代，为了支撑整个帝国的军事扩展需求，才开始强制在全国普及了四眠蚕。江南的丝织业这时才开始具有些许实用价值。而宋锦，则始终落后辽锦。宋军骑兵孱弱，不能连续作战，也与落后的丝织业有关。

[WY @51_omega]

@Himalaya_bear1 @AYi_AInotes 排队！

[半糖主义ʰᵃˡ @BTzhuyiY]

看到立方公里这个单位的时候就绝望了...

[Geek Lite @QingQ77]

岂不闻光阴如骏马加鞭，日月如落花流水。

[香港老雷 @btcmos]

冷知识:
季羡林先生日记，

不得不感叹
男人至死是少年。

我跟季羡林先生的愿望差不多。

[Compute King @Compute_King]

真正的芯片竞争，不仅仅是“谁的单颗芯片更快”
Part 2 of 2

接着前两天，继续做听写笔记：

【第9点】

中国的优势，更多集中在应用，产品化，算法，通信，制造组织能力和庞大的工程师供给。而真正的短板，则更多在先进工艺，能效，高带宽内存，底层软件生态，以及跨层协同能力。

这意味着，中国芯片产业真正要解决的，已经不再是“能不能设计出一颗芯片”，而演化到了能不能把材料，设备，制造，封装，内存，互联，编译器，模型和应用链接起来，并且形成可持续盈利的商业闭环。

【第10点】

工程师和学生最大的区别，不是聪明程度，而是有没有真正把一个产品交付出去。

做出一个能运行的原型，只能证明你有想法。做出一个能够量产，稳定运行，经得起温度变化，器件失效，长期使用和大规模部署的产品，才是真正的工程。

芯片可能更残酷：软件写错了，几分钟后可以修改；芯片流片之后才能发现问题，可能要等十八个月，并付出数亿元成本。

【第11点】

芯片行业并不只需要天才，它更需要大量的靠谱，负责，愿意把一件事重复做好的人；

对一个组织也是如此，它也不可能只由一群奥赛冠军组成。真正能把复杂产品做出来的团队，必须让普通但有责任心的人，经过流程，验证和协作，稳定地产生结果。

这也是很多“豪华组队”最后失败的原因：履历可以证明过去，但不能替代一次真正的流片，一次失败的量产和一次漫长的系统交付。

【第12点】

笔者觉得访谈中非常有价值的一个地方，是廖恒坦然承认自己曾经多次判断错误：他曾经不看好基于ARM的CPU，也不看好面向数据中心的训练芯片，一开始倾向于做边缘设备；这些判断在当时的局部条件下并非完全没有道理，但后来都被宏观环境改变了。

华为确实有一批能看得很远的领导层，华为工程师很幸运。

真正困难的不是解决问题，而是意识到：你以为自己看见了现实，实际上可能只看见了自己经历过的过去。

【第13点】

昇腾910所面对的是一个“条件很好，但未来不清晰”的时代。当时可以直接购买最先进的工艺，但功能模块和技术路线需要自己定义，AI训练和推理的大市场也还没有真正形成。

到了950，情况完全反过来：外部供应链约束极强，竞争对手是全球最强大的公司，首要目标不是征服世界，而是先活下来、服务客户、完成商业闭环。

在笔者看来，这不是一个简单的英雄故事。它更像是一个巨大的工程问题，被拆成几百个、几千个更具体的问题，然后逐一解决。

【第14点】

昇腾从910到950的变化，也说明了AI芯片竞争正在发生转移。

过去大家首先看计算能力，然而，在真实推理系统中，尤其是Decode阶段，内存带宽，通信延迟，数据搬运效率，可能比峰值算力更重要。

训练和推理需要不同的算力—内存配比。

而当模型越来越大、延迟要求从几十毫秒降到几毫秒甚至更低时，单个算子已经不够用了，必须通过算子融合，Mega Kernel和更先进的编译器，把整个模型重新组织起来。

【第15点】

这意味着，AI芯片的核心接口正在重新定义。

过去，硬件和软件之间的边界，很大程度上由CUDA生态决定。但未来的关键是能不能让算法工程师以更高层的方式表达复杂模型，并由编译器自动生成高效执行路径（比如说：DeepSeek用的TileLang）。

CUDA的护城河不会消失，但它的边界可能被重新打开。

【第16点】

开源的价值，本质上是在提升整个产业的沟通带宽。

一个复杂系统如果必须靠电话，文档审批和NDA才能理解，沟通本身就会成为瓶颈。

而当代码，接口，编译器和工具链开放之后，更多Developer，高校，客户，甚至AI编程Agent，都可以直接参与进来。软件生态比先进制程更难建立，因为它改变的是一大群人的习惯。

【第17点】

AI基础设施不应该无限地把更大的芯片塞进同一个机柜。

一个简单的物理关系是：计算能力大致随面积增长，内存，互联和供电需求也随之增长；但芯片边缘可以承担的I/O，却更多受周长限制。

面积接近N²，边界接近N。

当芯片越来越大，算力，带宽，功耗与I/O能力之间的矛盾，会越来越难以调和。

所以，未来AI加速器的竞争不是“把单颗芯片做得更大”，而是如何用更小的模块，更好的互联和更合理的系统拓扑，把计算能力扩展到更大的空间。

【第18点】

这也是光互联，可组合模块和超节点的重要性。

如果所有能力都被固化在一个巨大的All-in-One的设备中，今天的密度可能很高，但两年之后模型，内存，通信和延迟需求发生变化，系统就很难重新配置。更好的系统不是一台无限膨胀的机器，而应该是一组可以灵活组合的积木。

工程的本质，不是同时挑战二十个物理极限，而是挑出最有价值的五个问题解决。把所有极限同时撞一遍，成功概率会迅速趋近于零。

【第19点】

对AI应用公司而言，钱多，卡多，人才多，也不代表一定赢。成熟组织往往拥有强大的资源，却也拥有强大的“免疫系统”，很难容纳一个全新的业务。

AI仍然是新事物，真正有价值的应用和商业模式还在被发明。

下一代超级应用，可能不是一个更聪明的聊天框，而是一个真正理解个人与工作上下文的智能入口。但它必须同时解决隐私，安全，权限和信任问题。

数字世界的AI已经非常强大，物理世界的AI仍然等待真正的ChatGPT时刻。

【第20点】

笔者从这场访谈里得到的结论是：未来的竞争，不是模型榜单上的一次胜负，也不是某一颗芯片的峰值参数。

真正重要的是：
🔹 谁能把18层宝塔连起来；
🔹 谁能让硬件，软件，模型，网络，存储和能源形成闭环；
🔹 谁能把每美元，每瓦，每秒稳定产出的Token做到更高；
🔹 谁能在供应链，技术周期和物理边界变化时，仍然持续交付。

【第21点】

Betting on China！All-in China产业链！

但“押注中国”并不等于“押注美国失败”。

真正的未来，不应该是零和竞争，而是不同技术体系在竞争中共同推动人类向前。

一个国家和一家公司一样，只有开始定义问题，而不只是等待别人给答案，才真正开始拥有自己的技术时代。

【第22点】

廖恒老师的原话：

请注意外国人是有一种Arrogance，盲目的自信。这个盲目自信的第一个就是会认为他们是最优秀的。当然你在那个环境里头工作久了，也会沾染这种错误的认知，就认为某一件事只有他们才是可以做。虽然说他们也包括了我自己处于他们当中的一员，对吧？虽然我也是个中国人，但是加入到这么一个环境，所以我是这个团队的一部分。所以就认为说比较难的事儿只有We can，Nobody Else Can（只有我们能做，其他人都做不了）。因为世界上的事，我刚才不是讲了一件很难的事情。当你拆解成100个子问题的时候，你发现每一个问题都变得更具象可解决了。如果有人愿意去解决这100个问题，也许就比你解决的更好。这恰好就是说从16年开始我的一种转变。

我第一个转变是觉得我认为中国的当时的产业完全不可能的事儿。事实上我们的Capability（能力）远远超过了我的预期。我觉得这个非常有意思的。我相信绝大部分美国人，美国的从业者，还是我16年的认知，这给了我们巨大的机会。因为如果你是把他们看作是一个Competitor（竞争者），而你的对手严重的低估你的能力的时候，你是有巨大的优势的。

他们天生认为自己每天很舒适的五点下班喝喝咖啡，再去冲冲浪就可以跟你竞争。其实那个时候你只要再努力一把，也是可以轻松超过他们。这就是我最大的认知。

就是说不管是16年甚至16年以前的很多年，我们的中国的同行他付出的努力，他对问题的认知，只要问题的识别跟别人是同一个水准，他们解决的能力是远远超过。这个从业者的，因为他们更努力。简单来说就是这样一分付出一分收获。但是前提是你需要有正确的人，把他们带领到正确的问题的定义上。因为他如果定义的问题错了，他就所有的努力都白费了。

<the end>

[WY @51_omega]

@caizhenghai 有全文吗？

[Compute King @Compute_King]

大家现在能叫出一串名字：DeepSeek，千问，Kimi，混元，星火，文心一言…… 感觉好像就是ChatGPT一出来，中国本土公司一夜之间全冒出来了。但其实根本不是那么回事。

如果画一张中国大模型的技术族谱，你会发现几条主线：

第一条主线和智源研究院有关。

北京智源人工智能研究院（BAAI）成立于2018年11月。它不是一家普通的公司，而是在科技部和北京市政府的支持下，由清华、北大、中科院这些顶尖高校和科技企业共同发起的非营利研究机构。它不为赚钱，专为死磕AI领域最硬核、最原始的创新，目标直指大模型、世界模型和通用人工智能这些星辰大海。

智源研究院2021年牵头搞出了“悟道”系列大模型，成了后来中国大模型江湖的技术土壤。现在，它又开始折腾“悟界”系列，想让AI不仅懂文字图片，还能看懂物理世界，更进一步帮科学家研究生命科学。

智源手里还有两张王牌：

🔹 智源大会：这是它每年组局的全球AI顶级聚会，大牛学者和行业大佬都会来，现场发布一堆前沿成果和年度趋势预测，基本是国内AI圈的风向标。

🔹 人才生态：它最厉害的一招，是把清华、北大、中科院这些顶级学术力量揉在一起，打破体制的围墙，搞出一个自由开放的交流平台。

在笔者看来，现在的智源更多扮演的角色像是一个播火者，不造产品，只管把火种点燃，然后递到整个产业手里。

如果把智源研究院看作是一棵树的根，顺着根往上看，会分出三条枝干：

一条是CPM（清华大学牵头的超大规模预训练模型）。2020年11月14日，智源研究院和清华大学研究团队联合发布了以中文为核心的大规模预训练语言模型CPM-LM，参数规模达26 亿，预训练中文数据规模100 GB。CPM这条线往下长出了OpenBMB开源社区，再后来就有了现在大家在端侧玩得比较多的MiniCPM模型。

另一条是“悟道”系列，它直接孕育了GLM这个技术路线，然后孵化出了现在商业化最成功的智谱AI，就是那个ChatGLM背后的大佬。

还有一条叫M6，是阿里达摩院跟智源一起捣鼓的多模态大模型，这条线一路往下，就演化成了今天的通义千问Qwen。

现在市面上竞争得你死我活的大模型产品，追根溯源，技术底气有一大半都能对上这个谱系。

为什么智源研究院这么牛？因为它当时把国内最核心的大模型人才和最前沿的技术路线全给聚到一块儿了。智源，清华，北大这三家，基本上构成了一个铁三角，就像美国那边的OpenAI，DeepMind配上斯坦福，伯克利一样，人才和想法在这个生态里来回流动，碰撞出来的火花，就把早期的底座给搭好了。

第二条主线是百度，属于典型的“起了个大早，赶了个完集”。

早在AI这个词还没流行的2013年，李彦宏就亲自挂帅，成立了百度深度学习研究院，这是全球第一个把“深度学习”直接挂在企业研究院招牌上的。

紧接着2014年，百度在硅谷设立人工智能实验室，请来了吴恩达当首席科学家，全力推动“百度大脑”。更有意思的是，现在AI圈如日中天的Anthropic创始人Dario Amodei，当时就在那个组里研究语音识别和模型扩展。他还把Jim Fan招了进来做实习生。

2017年底，百度硅谷团队干了一件大事，发了一篇论文叫《Deep Learning Scaling Is Predictable, Empirically》，第一次系统性地证明了Scaling Law在机器翻译、语言建模、图像和语音上都管用。可惜当时没引起太大轰动，但金子总会发光，它后来成了大模型研究的基石。2019年OpenAI那篇著名的Scaling Law论文，参考文献里就明明白白引用了这篇百度论文的作者Joel Hestness的后续研究。

时间来到2019年，百度正式发布了开创性的知识增强语义模型ERNIE 1.0。这个模型厉害在于，它不只看无结构的原始数据，还把百度多年积累的大规模知识图谱给融合进去了，一出来就刷新了多种中文NLP任务，直接对标BERT。年底更是迅速迭代到了ERNIE 2.0，搞了持续学习语义理解框架，中英文任务上全面超越了业界主流模型。

第三条主线是科大讯飞。

源头可以一直追到1999年，当时还在中科大读博的刘庆峰，和导师王仁华教授一起，依托中科大创立了科大讯飞的前身。讯飞从中文语音起家，但它在AI大模型上的布局，可以追溯到2014年。

那年，讯飞首次提出“讯飞超脑计划”。这个计划是个战略转弯信号，标志着讯飞不再只盯着智能语音，而是要向更难的认知智能和机器学习全面进军。

到了2019年10月份，讯飞被美国商务部加入了禁运名单，决定启动“国产化AI算力底座”建设。这为后来大模型的自主训练，提前备好了算力粮草。

说到这儿，笔者插一段亲身见闻。 这其中的很长一段时间笔者还在某大厂工作，业务跟英伟达是直接竞争关系，所以能亲眼看到百度和讯飞在英伟达生态圈里有多重。重到什么程度呢？当时CUDA软件栈里好多奇怪的Bug，都是百度和讯飞的工程师先踩到，然后和英伟达一起联手修掉的。从这点就能看出来，这两家当时在AI工程化上走得还是比较前沿的。

如果说ChatGPT像一把火，那么他一下子把整个中国大模型产业给点爆了，商业化了，出圈了，但烧起来的那些柴，是在2020年前就一批批已经被产业的大拿们码好了的。

因为，在那之前，这些人已经闷头干了不少事：

🔹 完整的大规模预训练体系搭起来了，知道大模型该怎么训了；

🔹 积累了部分中文高质量语料，不再是拿英文随便翻译翻译就完事；

🔹 千亿，万亿参数的超大模型真刀真枪跑通了，验证了工程上走得通；

🔹 部分搭建了国产化AI算力底座，踩了很多坑；

🔹 多模态路线也摸着石头探索了；

🔹 各种开源社区，像OpenBMB，也建起来了。

这些工作，在那些个安静的前夜，的确没有马上变成赚大钱的产品，但它们实实在在化作了土壤。后来智谱AI的崛起，通义千问的迭代，百度的文心，DeepSeek的惊艳，讯飞的星火，到字节的豆包，腾讯的混元，小而强的面壁MiniCPM，全都是从这片土壤里长出来的庄稼。

中国大模型产业的爆发，扳机是ChatGPT扣动的；但中国大模型技术的种子，是早在2020年前，由智源研究院，百度，科大讯飞，以及清华，北大，中科大和一批有远见的科技企业，一起亲手种下去的。

[WY @51_omega]

@xiaoyinsi2025 手慢了。。。

[小径残雪 @xiaojingcanxue]

著名经济学家高善文55岁因病去世，这是他一个月前分享的病况。

[小陆师傅 @STANLEES4]

如果中国真的需要从失落的三十年的日本身上学到点什么东西，那就是要非常清楚地认识到：对日本伤害最大的不是广场协议，而是让日本新兴产业元气大伤的美日半导体协议；是日本自作聪明的雁形产业战略布局；是不加阻止地放任企业赴美赴欧投资，同时民间又放宽资本管制，催生出所谓的“渡边太太”们。

日本在拯救自己经济时，不论是YCC政策、大规模基建再投资、福利体系的完善与全面普及，还是所谓的拯救僵尸企业等等，这些货币政策和财政政策都不能简单说是错的。但一个永远依靠增发国债来填补经济增长缺口的制度体系，就像一个胖子在过冬时不吃东西，只靠燃烧自身脂肪来填补热量缺口——那迟早不是被饿死，就是死于酮中毒。

一个国家就像一个人一样，想要越长越壮，永远依靠的是国内外的产业代差，以及由此形成的超额利润在国内的再分配。财政政策和货币政策只是辅助这套循环的工具，而不是答案本身。

这背后的逻辑，其实早就写在发展经济学的脉络里。亚洲四小龙能从战后的一穷二白跻身发达经济体，本质上就是把劳动力从低附加值的农业部门，往高附加值的工业部门转移，靠的就是在国际分工中，拿到了别人暂时拿不到的那一段超额利润。日本战后崛起到八十年代巅峰，吃的正是半导体、汽车、精密制造这些产业里的“熊彼特租金”——那种靠技术壁垒和持续创新所形成的垄断性超额利润。把这些租金反哺国内的基建、福利和教育，就会形成一个正向循环。

广场协议之后的日元升值，充其量只是让这份租金在以美元计价时数字缩水；后来房地产泡沫破裂，虽然账面资产大幅缩水，但日本的核心制造能力和创新底子其实还在。真正致命的一击，来自美日半导体协议——它直接摧毁了日本在最前沿产业里持续收租的能力，等于把一只即将源源不断下金蛋的鸡给宰了。而更严重的是，随着日本企业大举赴海外投资，产业代差被迅速抹平，超额利润开始回归平均利润。一旦那些还能赚取超额利润的群体，也选择将资产向外转移而不是对内投资，那么损失的就不再只是新增就业、新创企业和民间投资，而是更深层的研发投入、技术试错和产业升级机会。至此，日本国内靠债务维持的那套福利体系与稳定系统，就从一个正向循环，彻底坍塌为一个不断吞噬财政资源的负向黑洞。

所以，日本面对的问题，从来不是周期性的需求短缺，而是产业竞争力的不可逆衰退。这三十年来所有的扩张性政策，都变成了在没有新增肌肉的情况下，反复拉伸一根已经撕裂的韧带。这就是为什么日本用YCC买光了国债、把基建建到了人烟稀少的地方、僵尸企业靠着银行续命贷款苟延残喘，却始终走不出通缩的泥潭——因为这些工具只是在重新分配国内已经停滞的存量财富，根本没有能力让国家重新在国际市场夺回定价权。

那么，中国今天走到这一步，要学的不是日本当年怎么印钱、怎么增发国债、怎么搞基建、怎么全民发钱，而是要看清那个根本的次序：先有产业代差，再谈分配和福利；先守住能产生熊彼特租金的战略性产业，再让金融资本和货币政策去放大它的效应。一旦像日本那样，放任资本出海四处收购大楼和资产，把最核心的产业命脉拱手交由别人肢解，那国内再怎么搞YCC、发全民福利、搞重复基建，都不过是在重走日本的老路。

[WY @51_omega]

@superwang 厉害厉害厉害，有测试链接吗？

[WY @51_omega]

@sangua007 求地址

[数字生命卡兹克 @Khazix0918]

今天，我终于拿到了微信Agent小微的灰度内测资格。
花了一个小时上手体验了一圈，激动得连发了两条朋友圈。

我本来以为是只会做一些通用的东西，比如调调小程序，点点奶茶之类的。
但是，微信这次向Agent开放的能力，多的全面的有点过于离谱了，这真的不太像测试版产品的完成度。

有点远远超出了我的预期。

体验时间有限，我简单列一下我目前看到的微信Agent支持的基础能力和特点，肯定还不全：

1. 小微的主入口在微信首页的左上角，同时还有多个地方有子入口，比如聊天的加号菜单里就有个问小微，点开别人的公众号和视频号更多也有，这些入口的能力不太一样。

2. 在主入口中，可以让Agent给你的好友发消息，发之前会生成一张确认卡片，你确认了才执行。也支持用Agent给好友发红包，会让你确认金额和收款人，点击操作之后会进入红包详情，进行支付确认。

3. 在主入口中不支持给群聊发消息，也读不到群聊和私聊的所有聊天记录。

4. 在群聊和私聊中，点击加号菜单中的问小微功能，支持读取聊天记录，并且可以支持给群聊发送消息，发送方式跟主入口给单人发消息一致，需要你进行确认。

5. 可以直接通过小微来建立日程提醒。

6. 可以用小微设置待办。

7. 可以读取我的朋友圈，总结朋友们发了什么东西。

8. 公众号和视频号打通了，我让小微“推荐一个你觉得最棒的公众号AI博主”，他推荐了数字生命卡兹克。也可以读取公众号和视频号最近发布的文章和内容。

9. 选择在公众号和视频号更多菜单中的问小微，可以直接对公众号和视频进行问答，因为你没有办法把公众号文章转发给小微，只能通过这种子入口的方式进行问答。

10. 可以跟收藏打通，比如我丢一个PDF体检报告进去，它帮你提取关键信息，写成笔记存到微信收藏里，但是在读取上，因为隐私考虑，小微只能读取由它自己创建的笔记。

11. 最离谱的来了，在小微里，还藏着一个叫小工具的东西，你可以在这个小工具里，用AI直接用嘴，创建一个新的小工具，其实就是个小程序。小工具生成的小程序目前无法发布，只能自己用，但是未来我觉得大概率会跟小程序全面打通，这基本属于一波杀死比赛了。

12. 可以调用各种第三方小程序，基操了。

以上这些，只是我一个小时体验出来的内容，绝对还有更多的东西可以去探索，但是我憋不住了，我想先分享给大家，完整的深度评测后天早上发！

微信，这次真的要全面拥抱Agent了。
而这，才刚刚是灰度测试而已。