Jin

90后，喜欢Netflix，喜欢AI Agent，对新事物充满好奇心

[Jin @Jinzbvm]

把你的核心观点看成是 github 的一个 version

主分支（main）是你的核心观点

每一次有重大认知更新（经历了某件事、见识了某些东西）进行一次 认知更新（commit）

试着做一些临时的认知假设，假如我接受某个相反的立场会怎么样（branch）

当你觉得观点足够稳定了，发布一个新版本（release）

接受别人的质疑、反驳和自我怀疑（issue、PR）

把“观点”看成是可以一次次迭代的状态

[Jin @Jinzbvm]

心理学上有句名言：“一个人的死亡是悲剧，一百万人的死亡只是统计数字。”

人类大脑在数十万年的进化中，根本没有处理现代统计学图表的能力。我们大脑的注意力分配机制，完全是由感官冲击力、情绪和叙事来驱动的。

这解释了为什么大部分人在读数字图表分析会感觉到困难，但是视觉冲击的画面更容易得到传播

[Jin @Jinzbvm]

这篇文章写得太好了，之前我也写过具身智能的分析，没有他分析得这么一阵见血

[晚点 LatePost @latepostnews]

《具身智能金钱游戏》

- 具身智能行业最强烈的反差是，机器人的实际能力尚且无法进入工厂，背后的公司却已经进入了百亿估值俱乐部：人类 2 秒完成的轴承分拣，机器人要用 70 秒，再快十倍也进不了厂；一台机器人搬运箱子耗时 90 秒，效率只有人类的 30%，但制造它们的公司，一个估值接近 400 亿元，另一个成立不到一年、连续融资 5 轮，估值超过 10 亿美元。

- 机器人也远没有达到比人便宜的程度，一台全尺寸通用人形机器人售价约 20 万元，相当于比亚迪工人 40 个月的工资，折旧时间却不到 10 个月；一双高自由度灵巧手造价超过 15 万元，每天工作 8 小时，10 天就得返修，而中���工厂仍能用 5000 元月薪招到工人，但头部灵巧手公司的估值已经涨到 200 亿元。

- 根据摩根士丹利研报，去年中国实际出货的具身机器人超过万台，宇树卖了 5215 台。8 月 19 日上市后，宇树市值一度超过 4000 亿。目前，理想、蔚来、小鹏、零跑四家新势力车企的市值加起来也只有 3000 亿，去年它们卖掉了 175 万辆车。

- 2026 年上半年，国内具身智能融资超过 900 亿元，估值超过百亿的企业多达 22 家，资金从机器人本体涌向灵巧手、数据、关节模组和触觉传感器，部分公司成立不到三年估值就超过 200 亿元，甚至出现有公司尚未注册，就已经谈好第二轮融资。

- 200 亿元正在成为头部具身公司的新门槛，7 月，机器人本体公司的融资变慢，估值热潮继续涌到灵巧手和数据，我们跟踪的三家灵巧手公司估值也超过 200 亿，一家才成立一年多，其余两家去年初估值不到 10 亿，20 个月涨了 20 倍。

- 这轮估值上涨没有一套可验证的计算方法，6 月，一位具身投资人决定离职。他形容这个市场：“一个还在萌芽期的领域，如果很多人都说公司融不到多少钱、到不了多少估值，就失去了上桌机会，听起来不像创业，而是打德州扑克。”

- 一些具身公司高管私下吃饭时会互相分享融资的窍门：十个投资人加你，晾几天再通过，就挑一两个见一下，也不告诉他们团队里都有谁，制造神秘感。越是见不着越要见，越神秘越好。

- 具身创业也形成了一种通用模板：一位有跨领域连续创业经历的老手在幕后做操盘人，搭配一位曾在海外师从计算机或人工智能领域泰斗的博士回国担任 CEO，站在台前，沿着他的学术经历给出一套逻辑上可行的框架，打造独特的技术叙事，并不断强化公司的技术形象。

- 把估值做高的办法之一是，投这一轮时就承诺下一轮还领投，几个月内估值就会翻倍。这甚至会出现 “同期不同价” 的情况。“圈子里挣得是圈子外的人的钱。” 投资机构本身就成了估值的一部分。红杉、高瓴等过去相互竞争的基金开始频繁出现在同一个 club deal 里，有投资人解释，“一起赚钱有什么好排斥的？”

- 机器人卖出去了，但真实且可持续的需求仍然很少。宇树2025 年收入 16.99 亿元，卖出 5215 台人形机器人。超过七成收入来自科研教育，只有不到 10% 来自行业应用，能够明确用于制造、巡检和物流的收入只有 1570 万元，目前仍没有工业客户进行大规模采购。

- 各地数采工厂成为新的大买家：数采厂购买机器人，让采集员穿戴设备，操控机器人叠被子、擦桌子和分拣物品等动作，将视觉画面和轨迹数据卖给机器人公司，部分公司还会承诺通过采购数据，把机器人的货款返还给数采厂，收入和需求由此在体系内部循环。

- 有数采创业者和我们透露，目前真机数据售价超过 700 元/小时，一个拥有 100 台机器人的数采厂，每月可以生产约 1 万小时数据，理论上 8 个月就能收回设备成本；实际上，不少机器人长期闲置，数据找不到买家，一座采购了约 8000 万元机器人的数采工厂，因为回本速度不及预期，最后把部分机器人转卖给了学校。

- 产业链公司也在这套循环中获得收益，它们入股、送样、购买机器人，积极参与到这一新的万亿行业中，机器人业务成为他们向投资者解释未来增长的新依据。有锂电材料公司宣布机器人合作后股价上涨 20%，均胜电子与智元合作并召开零部件发布会后，一个月内股价上涨 95%，机器人既是产品，也是估值叙事。

- 智元把这套生态做成了分级经销体系，合作伙伴先购买机器人，再寻找客户和应用场景，年度销售门槛从 200 万元到 2000 万元不等。2025 年，合作伙伴贡献了智元 25% 的销售额，2026 年计划提高到至少 60%，但判断这些收入能否持续，仍要看机器人最终卖给了多少没有股权和供应链关系的客户、库存由谁承担、是否真正验收以及有没有复购。这只取决于机器人的真实能力。

- 资本投入也没有明显转化为技术优势，一家估值超过 200 亿元的公司展示机器人叠毛巾，15 分钟还没叠好；搬箱子则必须使用底部带有固定卡槽的特制箱子，稍微挪动位置就无法工作。过去一年，头部机器人公司的本体和小脑运控算法明显成熟，但机器人大脑的发展还���于非常初级的阶段，泛化能力、稳定性和人工介入频率都没有得到解决。

- 更荒诞的是，估值和研发投入严重脱节，优必选、智元一年的研发投入约 5 亿元，宇树为 1.45 亿元，而一家上半年估值就超过 200 亿元、累计融资约 50 亿元的公司，全年研发投入不到 4000 万元；宇树、松延动力、魔法原子和银河通用上一次春晚，各自花费接近 1 亿元，甚至高于许多公司一整年的研发费用，钱不断融进来，却因为技术路线没有收敛，只能暂时放在账上。

- 算力和数据将成为下一阶段的主要投入方向，但创业公司中拥有千卡以上算力储备的只有 8 家，行业数据产量最高的公司也只有数万小时，单笔最大采购订单不过数百万元；第一人称数据能否替代真机数据、VLA 还是世界模型更有效，技术名词趋于一致，路线本身却并没有因此收敛。机器人行业甚至缺少统一的评价体系和���认的里程���，技术假设很难在短期内被证伪。

- 具身智能热潮最初由特斯拉的 Optimus 项目点燃。马斯克预计全球人形机器人的长期保有量可能达到 100 亿台，会改变人类社会经济结构。市场将其简化为：汽车的价格、手机的保有量。市场热情最高的时候，数百家供应链公司持续给特斯拉送样，接触 Optimus 工程师的咨询费用一度达到 9600 元/小时。但随着量产时间一再推迟，已有供应商承认过去三年几乎白干，机器人业务的估值也已经跌没了。

- 宇树上市为行业提供了新的价格锚点，但它和大多数具身公司并不相同，它不用靠融资生存，已经证明了自己能量产机器人、获得真实收入并保持较高毛利率。多位机器人创业者和投资人认为，宇树当下真正的核心竞争力是 PCB 走线设计、电机参数调优以及供应链管理。从现有收入和产品能力看，宇树更像一家工程��制造能力很强的智能硬件公司，但它能否进一步成为具身模型公司，仍有待验证。

- 如果二级市场愿意为宇树尚未兑现的“大脑”能力支付高额溢价，一级市场里的具身公司就能继续获得估值空间。如果市场只愿意按照硬件公司的收入和利润给宇树定价，许多仍没有收入、利润和量产能力的创业公司将很难解释，自己凭什么值那么多钱。

- 一位具身投资人把过去几年的心态变化总结成一句顺口溜：质疑泡沫，理解泡沫，拥抱泡沫，享受泡沫，但他没有说第五步是什么。

[Jin @Jinzbvm]

刚刚发现，原来用 grok build 不需要开梯子，不开梯子的速度还非常快，笑死

[Jin @Jinzbvm]

https://t.co/8ynA8PjcSD

[Jin @Jinzbvm]

@LiuweijiaVip 它回答的太快了，有时候回答的事实性内容会错，我经常让 grok 做二轮核查

[Jin @Jinzbvm]

@Tao100086 确实限制没有以前多了，antigravity cli 我放在服务器上也能用

[Jin @Jinzbvm]

@aigcgu @grok 解释一下为什么腾讯科技给他打钱

[Jin @Jinzbvm]

@canghe ��天坐地铁一堆人，我也好奇，这么多人不用上班

[Jin @Jinzbvm]

supergrok 30美元的也可以用build了！

[Jin @Jinzbvm]

其实我们做很多事情，它都是可以看成是一个系统。比如像我们读书、我们写论文、我们做自媒体，我们在这一些系统里面，要��量的让它们变成，从开环系统变成闭环系统。

开环系统就是一个没有反馈的一个系统。比如说你去读一本书，读完了就读完了。而闭环系统的话，它会给你正反馈或者负反馈。比如像我们读一个论文，我们要把它形成一个闭环系统的话，我们可以把里面提到的一个算法，自己亲自去实现，又或者是让 Agent 去实现，然后看一下能不能够得到一个被拒绝的反馈，比如说验证了这一个做法或者观点它是不对的。我们学会某一些书本里面的一个观点，我们去跟相关的人去讲，如果说能够得到别人的一个批评指正，这���就算是构建了一个闭环系统，有机会得到拒绝反馈。

然后我们这一个系统接下来可以考虑两件事情。第一个事情是构造高通量的系统，也就是能够在单位时间之内，尽可能次数多的去验证假设。

第二个是获得合适的一个反馈强度，从反馈的内容里面筛选出来高质量的信息，去除低质量的噪音。比如说你发表了某一个观点以后，可能有一些人他们会有情绪化的一个反对，又或者是用很弱的论据来反驳你，这些都是属于低质量的噪音。你不应该基于这一些噪音去很大的调整你的一个观点或者行为。而对有一些就是有专业背景的人指出来的逻辑漏洞，又或者是代码跑通失败，这些都是属于高质量的信号，我们要根据这一些信号去调整我们的观点或者行为。

[Phoenix Yin @Phoenixyin13]

人应该尽早建立一个高通量的校准系统。

1. 对于处于学术、职业��索期、且高度依赖自我驱动的研究者、执行者来说，将导���去人格化、将其转化为反馈机制的思维模式，是一种高效的自我迭代策略。
永远记住，单一导师的认知局限性往往会成为上限。从不同高手的交汇处找到通法。

2. 将AI作为压缩信息、建模复杂系统的工具，通过编程框架，而不是思考替代者。在这种框架下，你永远不需要一个传统的传道受业者，你需要的是一个能够提供最高质量噪声过滤和反馈的系统环境。

3. 大部分传记和自传往往都带有天然的失真。第三人称的传记受限于资料搜集者的视角、时代局限以及立场选择；而第一人称的自传则更为主观。写作者在回顾自己的一生时，具有极高的叙事特权。
我的建议是，直接去观察他做了什么。选择，比宣言更接近价值观。
一个人的实际行动与产出则是未经包装的原始行为日志，并且他的���认知结构、价值观和思维局限，往往不会体现在他如何向外界解释自己，而是会精确地暴露在他如何在面对现实约束时做出抉择。

4.高通量不等于高频输入。
决定迭代速度的是闭环长度，不是信息摄入量。学术体系的天然反馈周期以年计 从投稿、评审、引用，这个长度足以让一个错误方向在被证伪之前消耗掉你最好的几年。
所以，校准系统的第一项工程任务是人为构造短周期的代理信号：我们能不能在一周内，让某个判断被外部世界拒绝一次。

5.校准需要不对称的裁判。
自评总会向舒适解收敛，因为评价者和被评价者共享同一套偏差。有时，极度有价值的信号来自那些不在乎你如何解释自己的东西：
代码跑不跑得通、审稿人接不接受、别人愿不愿意用第二次。它们不理解你，而这恰恰是它们的价值，因为它们无法被你的叙事收买。

6.信号的独立性比��量更重要。
同源信息的重复输入会被大脑错误地登记为验证。
而三个互相独立、各自有偏的估计，合起来的误差通常小于十个高度相关的正确直觉。
所以挑选反馈源的标准是谁犯错的方式和我不一样。
这也是第 1 条的真正含义：找不同高手的交汇处，是为了让他们各自的盲区互相暴露。

7.校准系统本身会老化，并成为新的上限。
任何长期运行的过滤器都会逐渐只保留自己认可的信号，这是它作为过滤器的功能，也是它的失效模式。
我认为，此处要加上一个可操作的二阶检验，回想上一次你因为外部信号而修改主要判断是什么时候。
如果需要想很久，系统已经在空转，进来的只是让你更确信的东西。

8.最后，永远记住，校准优化的是路径。
梯度只能告诉你从当前位置往哪走更好，不能告诉你该站在哪座山上。纯粹由反馈驱动的人会变成极高效的适应性���器，追逐每一个可见的斜率，然后在若干年后发现自己走了很多路，但没有到过任何地方。
所以，人的系统需要一个不参与校准的内核：问题选择与品味模式。这部分应该被反复质疑，但不应该被反馈直接改写，因为它的正确性只能在很长的时间尺度上被验证，而那个尺度上并不存在短周期信号。

成熟的研究者，最终追求的是尽可能缩短自己从错误假设到发现错误之间的时间。
这才是所谓“高通量校准系统”最核心的含义。

它的终极目标是快速犯错，快速发现，快速修正，并且不对自己的旧模型产生感情。
你越有自己的校准系统，越能够从真正厉害的人那里获得高价值信息。
因为你不再需要任何人给你人生答案，只需要他们贡献一个高质量的局部梯度就好。

[Jin @Jinzbvm]

每一个家庭它都相当是一个系统。而家庭系统里面最重要的一个东西就是韧性。

韧性它是可以让你在受到意料之外的冲击以后，还能够恢复过来，变得更稳定的一个能力。

韧性的能力主要是来自三个方面，一个是负反馈，还有存量以及多样性。

第一个就是负反馈，家里出了问题以后能够及时发现。必须要健全发现问题的这一个机制，让它畅通，让它及时。比如说家里有家庭成员的一个情绪出了问题，我们能够及时的察觉到，然后通过沟通来缓解他的一个负面情绪。又比如说家里的一个支出��然间变大了，我们可以有及时察觉，然后调整我们的一个消费结构。又比如说家里的一个负债指数较高了，能够及时察觉，然后通过停止新的贷款，加速还债，让负债比例恢复到一个合理的阈值。

第二个存量就是家庭的一个缓冲垫。当冲击来的时候，流入可能突然减少，流出可能突然增大。比如说，流入突然减少，就是当我们失业的时候，流出突然增大，就是当我们有大病支出的时候。存量可以帮我们起到缓冲的作用，支持一段时间。这也是为什么我们说，一个家庭它需要有一定的一个存款，这样子可以来应对未来失业的时候。另外呢，也是为什么家庭会需要去购买一些保险。其实保险就相当于是用一些小额的一个支出，来换取未来的一个存量缓冲。存量可以给我们系统恢复到正常的一个状态，一个缓冲时间。

多样性就是系统达成目标能够有多种方式路径可���选择。收入来源单一，一旦工作出现问题，整一个家庭的收入就会遇到压力。这也是为什么说，去做一个副业，培养一个第二技能以及拓展人脉、丰富信息渠道（比如 X）很重要，因为它就是在补充系统的多样性。当我们一种路径失效了以后，还有另外的路径可以补上。此外的话，家庭成员具有不同的一个性格、不同的一个思维，也是对于家庭系统具有韧性很重要的。比如说一个家庭里面，有的人思维保守，有的人思维活跃，有的人性格内向，有的人性格外向。其实对于解决问题，能够提供不同的角度和思维，是有更好的帮助的。

[Jin @Jinzbvm]

@mazzaTalk 上瘾了

[Jin @Jinzbvm]

@Phoenixyin13 脱口秀也算这种形式吧

[Jin @Jinzbvm]

@Phoenixyin13 如果不是他，我真不知道普通人也可以上架电影

[Jin @Jinzbvm]

@aigcgu goal 加 grillme 怎么结合用呢，点消息卡片就可以看上下文

[Jin @Jinzbvm]

为了准备法考主观题，我自己手搓了一个学习 Agent。先是找了历年的主观题真题以及相关的讲义资料，把它们弄成 Markdown 文件。

然后因为长时间看电脑，我的眼睛会受不了，所以我让它是可以通过语音交互的形式，它把结果念给我听。它最底层呢，是用 Antigravity 的 CLI，还有 grok 的 CLI 作为模型大脑和脚手架。然后回复我的语音呢，是用 EDGE 的 TTS，免费的。之前有试过 Hermes 套上 Deepseek，但是回复的一个效果都没有现在的好。Gemini flash 3.7 非常耐用，今天上午跟它对话了两个多小时，只用了周额度的 2%。手机上面我把语音转文字用的是豆包输入法，它的一个转换效果是目前用下来最好的一个。

[Jin @Jinzbvm]

@skaas777 我的额度没有刷新呀