Ethan

2005 丨北大法学生@PKU1898丨持续研究AI、产品、套利与创业机会

[Ethan @ethanl_0x]

@DeanHeoi ☺️

[Ethan @ethanl_0x]

跨境电商的顶级大佬，拥有超乎常人的商业头脑、认知和执行力。现在逐渐往 AI 方向扩展。严肃学习！✍️

[Dean @DeanHeoi]

我用 AI 管理 10 家跨境店铺，月入百万：17 个流程和全部工具公开 https://t.co/0d8Xdz3VWI

[DiscusFish @bitfish]

跟 fable5 复盘了过去半年多的交易记录,总结出一门手艺——如何"花式亏钱"。浮亏有惰性:你不动它,它倾向于自己爬回来。想让亏损永久化,你得主动出手。四个办法,亲测有效:

[Ethan @ethanl_0x]

@AliceBCeiona 谢谢🫡

[Ethan @ethanl_0x]

第一，我并没有退学，甚至没有转专业，我只是在实习中转行。
第二，我也没有 all in,我在文章中也有写到，保留了未来用 AI 回到法律行业的可能性，而且这个可能性并不小。

所以与币圈没有任何可比性

[杰尼 kungfu @kungfu_crypto]

这种似曾相似的感觉

deja vu

[Ethan @ethanl_0x]

@xiaoshunli @kungfu_crypto 我一直在 谈何接盘🤣

[Ethan @ethanl_0x]

@kungfu_crypto 兄弟 麻烦你看完我的文章😂

[Ethan @ethanl_0x]

@TesouApp このカード、けっこういい感じですね😂

[Ethan @ethanl_0x]

@TesouApp すごい！こんなに良い手相診断ツールが無料で使えるなんて。

[Dovey "Rug the fiat" Wan (hiring) @DoveyWan]

https://t.co/vatfJDm3hl

[Dovey "Rug The CNY" Wan🪐 @DoveyWanCN]

系统性说一下, 对于年轻、没有重资本/重产业资源, 不是蓝血Phd, 大厂高P, 也没有线下供应链杠杆的 founder, 还剩下什么创业机会？

LLM对于有代码基础的人来说就是个无限满血的operational UBI, 拉平了信息差和基础研发门槛。新出现的市场无效点会迅速被抹平. 这个在prediction market做套利的朋友应该深有感触, 其他digital domain其实一样, 产品表现层和机制设计很难形成壁垒.

如果要有可持续的竞争优势, 需要是堆产业和资本壁垒, 以及企业级产品的交付复杂度. 看 Andreessen 一把融了 $15 Billion，而Benchmark 的flagship到最近一期都只有 500M 左右。这相当于一次性融出了 30 个 Benchmark。为什么要这么多钱？因为 AI 时代的竞赛已进入重工业模式（算力存储、大数据、产业垂直整合）brain power alone 的时代是在坍缩的, 原来sandhill要chase 辍学的Stanford founder, 现在都是拥有 20 年经验的 Deep Tech 老炮或蓝血 PhD (国内估计是字节高P) .. 资本对founder cohort profile发生了重要的转变, 在资本配置上完全就是K型曲线.

这一轮除了大labs (LLM labs的护城河有多深..其实也是个巨大的question mark, 这个可能要开一个新帖说, 这里不赘述) 很多真正有价值的公司必须得拥有更多“真实世界里的交付能力” 这个原来在fintech其实已经有体现. 在crypto的快速金融化之前, 我投资的时间一半时间在看fintech 一半时间在看hardtech. 当时投fintech的一个learning就是就是作为“搅局者” 的startup最大的upside不是去服务incumbents (譬如银行, 保险公司, 借贷公司) 而是要成为为这些服务本身. 所以当时投Sofi, Figure, Flexport, Lendinghome, Moneylion都是这个思路. 其实现在高度走向fintech的crypto也同样适用.

同理在老型SaaS被吊打的时候, AI powered workflow交付的不是 insurance software, 而是直接做卖保险的. 不是AI doctor copilot (OpenEvidence的上限也会在这里)

而是真正去重新打造新型的诊所, 考验的是医疗交付和运营本身, AI产业+的复杂度已经完全不是一个量级, 估值模型必然也不是ARR ... 取而代之的是考验产业整合复杂度、毛利结构和运营效率。小团队做一个 app、一个 API、一个 SaaS layer，就有机会靠产品和分发长出来的vintage不存在了.

但我也越来越相信，AI 会创造出一条非常宽的“中腰部”机会带：未必是 巨大的venture scale，但会有大量年收入 1000万到5000万美元、1-3个人就能管理得很好的机会 因为这个时代，一切都在变得高度personalized, 只需要服务一个niche的有消费能力人群就好. D2C产品上配合3D打印的技术成熟, 需要的对柔性供应链和流量同时都有抓手的founder. Digital consumer的机会在Onlyfans的垂类和变种, 要做的就是一小撮人的内容爽点(最近有个朋友默默在做女性向的sexual fan fiction, 收入非常亮眼, 起因时要给自己的女票写肉文和H漫..😆 ), 这个需要founder有deep intra community insight

如果你是有更大野心的年轻founder, 但是没有行业老登和你打配合去撬动行业再造的可能, 自己也不是蓝血PhD, 头部机会的最大杠杆依然只在两个地方：internet commerce and internet capital markets. ie: 找到可以最低摩擦去卖货的“货”和触达方式, 找到可以最低摩擦去让钱流转起来且可以有各种隐形费率的场景 (下面是我们内部memo的原话)

- Internet commerce turns attention & niche obsession into cashflow with the least friction
- Internet capital markets turn information asymmetry into fee streams with the least friction

只有在这两个地方, 速度还经常能赢规模，小团队还可能打穿大组织, 且有资本化的效率是最高的(both monetary gravity and velocity). 这也是我对未来crypto/fintech/open-fin最bullish的地方.

正如我之前说的, VC死没死不知道, 对于早期投资人来说, 实力和运气能互换的比例是越来越苛刻了, founder也一样. 所有行业都是, 选择比努力重要, 但是选择比努力难多了

[方程式新闻 BWEnews 🏎️ @bwenews]

Binance EN: Binance Futures Will Launch AMDUSDT, QCOMUSDT and USARUSDT USDⓈ-Margined Perpetual Contracts (2026-05-06)

币安重要公告: 币安合约将上线 AMDUSDT、QCOMUSDT 及 USARUSDT U本位永续合约 (2026-05-06)

USAR MarketCap: 5000M
AMD MarketCap: 300000M
(Auto match could be wrong, 自动匹配可能不准确)

[Benson Sun @BensonTWN]

一個人的原生家庭，撇除教育資源跟物質之外，差異最大的就是眼界。

眼界這個詞聽起來很抽象，但其實可以量化。你從小到大看過多少種「人生決策的樣本」，這些樣本的分布長什麼樣子，基本上就決定了你的眼界。

在好的環境裡長大，你看到的決策分布是有層次的。身邊有人做過非常漂亮的決定，大部分人做的是合理的決定，也有人踩過大雷。因為 variation 夠大，你能分辨什麼是頂尖、什麼是及格、什麼是災難。

你不一定每次都選對，但你知道好的選擇長什麼樣子。

像在矽谷，有人放棄高薪去創業，三年後公司被收購；有人穩穩待在大廠靠股票累積財富；也有人燒光積蓄失敗回去上班。大贏、穩贏、大輸的樣本你都見過了。光是見過這些，你對人生可能性的想像就比大多數人寬。

這跟品酒是同一件事。喝過頂級的酒，你回去喝普通的，舌頭會告訴你差在哪。但如果你從來沒喝過好的，你不會覺得少了什麼，因為你的味覺沒有那個錨點。

眼界就是你腦子裡的錨點。

反過來，在資訊比較閉塞的環境裡，你看到的選擇基本上長得都差不多。大量平庸的決策，混著一些爛的，偶爾一個還行的。當你的樣本裡缺少那種非常漂亮的 outlier，你就不知道天花板在哪。

眼界真正帶來的差距不是選對選錯，選錯至少代表你知道有那個選項，那只是判斷失誤。真正的差距是，你根本不知道有那個選項存在。

我自己的體會是，很多時候限制一個人的不是能力，是想像力。你能想像的上限，就是你努力的天花板。而想像力這種東西，不是靠聰明就能補的，是靠你見過什麼。

所以如果有能力，盡量把自己丟到樣本分布更寬的環境裡。去認識跟你不一樣的人，去看別人怎麼做選擇，去見識那些你原本不知道存在的可能性。

你不需要複製別人的路徑，但你需要知道路不只一條。

[Ethan @ethanl_0x]

听了 Elys 创始人的分享，我最大的感受是：

他想做的是“下一代社交”，但他真正做出来的，更像是“AI 高效匹配工具”。这其间存在结构性的割裂和错配。

问题就在这里。

Elys 的核心路径是：
获取更多 Context → 更懂你 → 更精准匹配 → 更高效连接。

但精准匹配，不等于社交本身。

人类很多社交，不是为了 save time，不是为了解题，也不是为了快速找到“最合适的人”。
很多社交本来就是低效的、模糊的、暧昧的、复杂的，甚至绕路本身就是意义的一部分。

所以它的内在矛盾很明显：

它想解决的是“社交”这么大的命题，
但它使用的却是一套“效率工具”的逻辑。

这就导致实际体验很别扭：
AI 和 Agent 的介入看似缩短了路径，实际上却让交互链路变得更复杂、更绕、更不直接。

再说得直白一点：

Elys 可能是一个很有概念、很有话题度的产品，
但至少目前，我不觉得它是一个真正很优秀的产品。

它更像是创始人先有一套 top-down 的宏大理念，
再试图把用户塞进这套理念里；
而不是从真实、具体、复杂的人类社交需求出发，慢慢长出产品。

我的判断：

它也许能成为一个“高价值连接工具”，
但离“下一代通用社交网络”，还很远。

可以采用我之前提到的方法获取文字稿：https://t.co/fQnDW7VSuv

[Ethan @ethanl_0x]

AI时代，最成功的三种人：
1. 顶尖科研人才。
2. 在AI产业中找到自己的生态位的人，包括但不限于下游做自媒体、分发token、卖铲子的人。
3. 用 AI 给自己原有业务提效的人，包括但不限于@Vida_BWE 提到的做AI漫剧、全自动内容产出，等等。

最失败的一种人：
只会乱学 AI、乱烧 token、给模型厂商送钱、给自媒体送流量，纯跟风，半毛钱不赚。
也就是被上面三种人收割的人。

[Ethan @ethanl_0x]

@AmberTreelet 🫡

[Ethan @ethanl_0x]

@AmberTreelet 学习起来

[Ethan @ethanl_0x]

@laozhangisme @grok fact check

[Ethan @ethanl_0x]

@beiyue66 是这样的 用llm来交易的唯一效果就是有流量🤣

[Ethan @ethanl_0x]

@CuiMao Anthropic快倒闭