Alex Fan

@Cornell Law | Primary markets, AI, Web3, RWA | Programmable Compliance

[Alex Fan @itsAlexFan]

https://t.co/rpzWfl4Hek

[Alex Fan @itsAlexFan]

最近看历史，除了权谋与人心，最让我感慨的反而是文学的力量。

历朝历代，王侯将相更迭，多少人机关算尽、争权夺利，试图主宰���个时代。可千百年后，那些显赫一时的权力早已烟消云散，失意诗人留下的寥寥数语，却依然能让后人为之动容。

“大江东去，浪淘尽，千古风流人物。”

“无边落木萧萧下，不尽长江滚滚来。”

即使到了 AI 时代，机器可以模仿诗歌的格律与辞藻，却很难复现那些文字背后真实的生命、命运与时代。

而最浪漫的事情莫过于，千年后的我们读到一句诗，竟发现一个早已消逝的人，精准地表达了自己此刻的心境。

那一瞬间，千年的时间仿佛不存在了。

权力试图占有当下，艺术却可能拥有未来。

帝王征服土地，诗人征服时间。

[Alex Fan @itsAlexFan]

奇绩创坛被 OFAC 制裁，我更关注的不是“被投企业会不会连坐”，而是这件事暴露了 AI 投资尽调中一个长期被低估的问题：技术能力与技术权利是两回事。

美国法院记录显示，丁林伟创办的公司曾获得奇绩关联投资方 500 万元投资，对应 7% 股权。但投资涉案企业，不等于投资机构必然知情或参与窃密，这两件事必须区分。

真正值得行业反思的是：一家 AI 公司能够展示技术成果，不代表它能��明核心技术的合法来源。

过去，技术尽调更多关注产品能否实现、性能是否领先。未来还必须进一步验证：代码、模型、数据及相关知识产权的来源和授权链条是否清晰？

我认为，技术来源证明不应该只是尽调报告里的几行字，而应该成为融资交割前可以验证的合规条件。

AI 创业不仅需要证明 what you can build，还需要证明 what you have the right to build。

[Max For AI @MaxForAI]

🚨中国最著名的投资机构之一的奇绩创坛被美国政府制裁了。

根据美国财政部OFAC于10月19日发布的官方公告，奇绩的投资管理公司、人民币一期基金、人民币二期基金，以及致远企业管理主体，共4家实体被列入制裁名单。

同批被列入的还有上海至算科技。

这次依据的是美国《2022年保护美国知识产权法》（PAIPA），措施涉及美国管辖范围内的资产冻结、外汇和银行交易限制，以及美国人对这些受制裁主体的股权、债务投资限制。

这次制裁，牵涉到前谷歌工程师丁林葳窃取谷歌AI商业机密的案件。

根据美国司法部披露，丁林葳在谷歌任职期间，将超过2000页内部机密资料上传到个人云账户，内容涉及TPU、GPU系统、芯片通信，以及管理大规模计算集群的软件等技术。今年1月29日，美国联邦陪审团裁定他7项经济间谍罪和7项窃取商业秘密罪成立。

他在国内创办的上海至算科技，曾获得奇绩的种子投资，并通过奇绩的路演向投资人展示公司。按照美国国务院今天公布的说法，丁林葳在申请孵化项目和路演时，强调自己掌握谷歌的内部技术，宣称能够复制谷歌的AI基础设施。

美国国务院给出的制裁依据，是其认定奇绩为相关商业秘密窃取活动提供了重大支持。奇绩旗下的另外三个主体，则因与奇绩的控制或代理关系，一并被列入制裁名单。

对奇绩的被投企业来说，接下来的融资和退出安排，确实需要重新评估了。

具体影响要看股权结构。按照OFAC的50%规则，一个或多个受冻结主体，直接或间接合计持股达到50%，被投企业也会进入自动冻结范围。

假设一家受制裁基金持股7%，所有受冻结股东加起来也低于50%，这家公司就不会因为这条规则自动被冻结。

比如，新一轮融资要不要奇绩参与签约，老股转让、回购和分红怎么处理，退出款项怎么支付，以及交易里有没有美国投资人、美国银行或美元清算环节。这些都得结合受制裁主体的实际权益，逐项核查。

我比较担心的是融资节奏。合规尽调一旦增加，部分交易的交割时间可能就会往后拖。对正在等下一轮钱到账的早期团队来说，这会直接影响招聘、研发和现金流安排。

准备接美资、做美元融资或者筹划海外退出的团队，现在可以先把股东名册和正在谈的融资协议拿出来，跟投资人、银行和律师重新过一遍。

早期拿谁的钱，后面还能接谁的钱，以及最终怎么退出，这几件事得放在一起考虑了。

[月球大叔 @uncle_moon_x]

见贤思齐焉，见不贤而内自省也

靠谱，持续迭代，情绪稳定，第一性原理，是这个时代最宝贵的品质，少被媒体带偏

在靠谱的圈子里获得靠谱的评价，是最好的通行证

需要选好环境，遵从自己的内心，前行的路上，一定会遇到越来越多同行者

[Alex Fan @itsAlexFan]

之前有些朋友问我，AI 到底该怎么学？

聊多了我发现，很多人其实并不是对 AI 本身有多感兴趣，而是出于 FOMO：害怕错过，害怕落后。于是急着入场，尝��一两次，发现没有立竿见影的回报，又很快放弃了。

也经常有人问我，为什么业余时间还要去上斯坦福的概率论网课？为什么总去参加各种活动、黑客松？这些到底有什么用？

因为好玩啊。其实起点就是这么简单😂

我其实是一个很有规划的人，但这并不意味着，我需要把人生的每一步都安排得严丝合缝，更不意味着每次探索都必须有明确的 ROI。

恰恰相反，我发现很多意想不到的机会、灵感和连接，都是在这些看似漫无目的的探索中自然发生的。有时候随手开启一条支线，反而会意外掉落服务于人生主线的重要线索。

FOMO 可以驱动一个人开始，但真正的兴趣，才能让人一直玩下去。

我喜欢有方向地生活，也喜欢不知道下一步会遇见什么的惊喜。

这两件事，从来不矛盾。

[Alex Fan @itsAlexFan]

🏆 昨天在@awscloud AI-DLC 先锋创造营，我们「本地明明好的」学院成功 Deploy，拿下第一名，创意项更是斩获 93 分😆

作为组长，我主要负责构思核心创意与玩法机制，特别感谢团队里一群靠谱的资深工程师队友，大家借助 @kirodotdev 和 AI-DLC 工作流高频调试、验证，在不到三个小时里，硬是把一个有点抽象的脑洞变成了好玩的实机 Demo。

这次实战最直观的体感是：AI-DLC 不只是加快了写代码的速度，更是真正打通了从需求拆解、开发到测试反馈的极速迭代闭环。

当 AI 不断拉平技术实现的门���，人的创造力、判断力，以及捕捉时代情绪的能力，反而变得越来越有价值。

创意负责打开想象力，工程负责让它照进现实，完美 Deploy！🚀

[Alex Fan @itsAlexFan]

今天听亚马逊云科技（AWS）的 AI-DLC 2.0 分享，一个很有意思的趋势：Agent 系统正在主动限制 LLM 的决策权。

14 个 Agent、11 种 Workflow Profiles 看起来很炫，但真正值得关注的是背后的设计：Conductor + 确定性状态机决定 what next，LLM 只负责 how。审查、审批和验证被嵌入执行流程，而不是依赖模型自觉遵守。

但这也引出了一个新问题：当 Workflow 可以动态组合、裁剪，哪些约束必须始终不可跳过？

下一阶段的 Agent Engineering，可能不再是让模型拥有更多自主权，而是精确设计自主权的边界。

AWS 的 AI-DLC 2.0 也许正在展示一种新的方向：让 Agent 更强大，但让系统对它的行为拥有更清晰、更可靠的控制。

More agents ≠ Better governance.

#亚马逊云科技 #AIDLC

[Alex Fan @itsAlexFan]

@Aryaccl @StanfordCodeIP @chrispiech 哇谢谢Arya，我会持续分享的😆👍

[Alex Fan @itsAlexFan]

技术降低了创造的门槛，而我们的专业积累，决定了能提出什么样的问题。

@StanfordCodeIP Probability for AI 第一周打卡完成！📚

第一周从概率公理、独立性、条件概率，一路推到全概率公式和贝叶斯定理。@chrispiech 把节奏放得比较基础：先建立共同的数学语言，再逐步深入 AI 的训练、推理与评估。

但这门课最打动我的，不只是数学本身，而是它正在探索的一种 AI 教育新范式。

分享三个这周最大的体会：

1. 当 Coding Agent 降低技术门槛，Domain Knowledge 的价值开始凸显

Chris 发起这门课的初衷，是希望理解 AI 不再是少数拥有高等数学和 CS 背景的人的特权。同学中不仅有程序员，还有歌剧演员、曾在乞力马扎罗山参与救援的医生，以及开发野火检测 App 的 13 岁少年。

这让我想到，AI 教育的意义，或许不只是培养更多懂技术的人，而是让深耕不同领域的人，拥有把专业经验和直觉转化为产品的能力。歌剧演员对声音的敏感、医生在复杂环境下积累的判断力，或者在我自己的领域里，将法律与监管的不确定性转化为 AI 和金融系统中的可执行约束。这些来自不同领域的知识、经验和问题意识，都可能成为 AI 应用创新的起点。

当「做出来」变得越来越容易，「知道什么值得做」反而更加珍贵。

2. 双向学习：用概率理解 LM，再借助 AI 建立概率直觉

这周我通过 Coding Agent 完成了三个小项目：Word Detective、Inference Time Calculator 和 Medical Test Detective。

比如学习全概率公式和贝叶斯定理时，课堂设计了一个 Gemini 与人类文本检测器：先计算不同来源的文本被标记的总体概率，再根据检测结果，反向推断被标记的文本来自 Gemini 的条件概率。随后，我又在 Medical Test Detective 中应用同样的贝叶斯逻辑，尝试调整疾病的基础患病率、检测灵敏度和假阳性率，观察这些参数如何改变阳性结果所代表的含义。原本抽象的先验概率、条件概率和贝叶斯更新，借助 Coding Agent 变成了可以交互、验证和反复实验的小应用。

我很喜欢这种双向学习方式：一边用概率理解语言模型的工作原理，一边借助 AI 的实际应用，反过来建立对数学概念的直觉，这样不再只是记住一个公式，而是真正理解为什么基础概率会改变我们对证据的判断。

3. “We're all teachers and learners.”
这门课还有 500 多名志愿 Section Leaders，来自世界各地，带领不同背景的同学进行小组讨论。Chris 提出了一个我很喜欢的理念：我们既是学习者，也是老师。

学生不再只是被动接收知识，也可以帮助其他同学理解问题，分享来自不同专业的经验；老师同样可以从学生的跨领域视角中获得新的启发。

我觉得 AI 时代的教育变化，不只是引入更多智能工具，也可能是传统师生关系的重新组织。真人教学负责启发、讨论与协作，Coding Agent 则让每个人都能按照自己的节奏动手创造、验证想法。AI 在这里并没有取代教育中人与人的连接，反而让一个跨越年龄、专业和地域的学习社区，有机会创造更多东西。

未来参与 AI 创造，或许不必先花几年成为全职程序员。我们可以带着已有的行业积累、经验与好奇心进入 AI，在学习中创造，也在创造中学习。

Week 1 done. Five more weeks to go! 🚀

#Stanford #ProbabilityForAI #CodingAgents #AI

[Alex Fan @itsAlexFan]

@Saccc_c 原著里说“真正重要的东西，用眼睛是看不见的”，但当 AI 把文字里的 B612 星球变成眼前可探索的立体世界时，那种跨越时代的温柔依然直击人心。这就是科技赋予经典文学最浪漫的重生🌹

[Alex Fan @itsAlexFan]

原著里说“真正重要的东西，用眼睛是看不见的”，但当 AI 把文字里的 B612 星球变成眼前可探索的立体世界时，那种跨越时代的温柔依然直击人心。这就��科技赋予经典文学最浪漫的重生🌹

[Sac @Saccc_c]

花费16天，我用 Opus 5.5 将小王子的故事制作成了3D剧情游戏

结合Tripo+Blender，Opus 5.5 将小王子故事中的每一个星球变成了可探索的3D场景

希望大家能支持一手，后续会开源整个游戏，以及详细制作流程

Welcome to The Little Prince: Across the Stars✨：https://t.co/qr4wR0jLu3

[Alex Fan @itsAlexFan]

很喜欢这期 Indigo Talk，尤其是从 Vibe Coding 的 Burnout 聊到 AI 时代的文艺复兴。

有一个很有意思的反差：一个人用 Agent 做出了三十多个产品，生产力获得了前所未有的释放，最后却陷入了倦怠。

我们总以为技术进步会给人带来更多闲暇，但历史似乎没那么简单。效率提升所释放的时间，也可能迅速被新的竞争和更高的预期重新占据。

工具已经开始进入文艺复兴，人的工作方式却仍然深受工业时代的绩效逻辑支配。

所以我反而更好奇：如果 AI 真的让创造变得如此便宜，我们最终会选择创造更多，还是终于有自由选择少做一些？

[indigo @indigox]

https://t.co/Wgoc39nEP4

[Alex Fan @itsAlexFan]

“Merge good code” still leaves someone doing the work to establish that it's good. Guix cites copyright uncertainty; FiPy allows AI assistance but requires contributors to understand and defend their submissions. I'd judge a contribution by what it saves the project after review, not just how quickly it was written.

[Alex Fan @itsAlexFan]

@yuguo_aicn 哈哈从使用者角度确实是哪个好用用哪个😂 我更感兴趣的是背后的架构变化。

[Alex Fan @itsAlexFan]

云端 Agent 确实是趋势，但不太认同「Claude Code/Codex 都会消失」以及「未来大模型都是究极版 Manus」的判断。

模型原生具备 Agent Loop 能力，不代表运行时基础设施会消失。任务调度、状态管理、权限控制、失败恢复、执行审计，这些问题不会因为模型更强就自动解决。

同样，云端托管会成为主流交付方式，但不意味着本地和混合部署会消失。

Manus 提前验证了一种产品形态，但不一定定义了 Agent 的终局。

Agent 可能不会消失，而是逐渐从独立应用下沉为基础设施。

[Cryptoxiao @cryptoxiao]

创业公司经典困境，Manus 思路对也只能走其中一段周期

先是 GrokBot 吸收了Cursor
然后是 Meta 只退款吸收了 Manus 搞了Muse

一直走这个路子的现在才出来

[Alex Fan @itsAlexFan]

@YiPang12 这个用法挺好的，Agent 负责扩大信息覆盖面，人来识别那些反常识的小信号。感觉真正稀缺的可能不是信息汇总能力，而是判断什么值得继续追问。

[Alex Fan @itsAlexFan]

@tuge114514 这个观察很有意思。模型越擅长自主恢复，最终的成功率反而越可能掩盖执行过程中的异常。
尤其是涉及外部系统和有副作用的操作时，「任务完成」和「执行路径可靠」其实是两个不同的验证目标。
我很好奇，你们现在会对 Agent 的执行轨迹和外部系统实际状态做交叉验证吗？还是主要依赖日志回放？

[Alex Fan @itsAlexFan]

@lunkertw 是的，模型可以决定重试，但不能仅凭自己的判断认定「上一次没有执行成功」。
我觉得还可以再往前推一层：即使恢复执行没有技术问题，如果任务参数或外部状态已经变化，之前的人类授权是否依然有效？这也�� runtime 需要处理的执行边界。

[Alex Fan @itsAlexFan]

@LuluYZeng @spatius_avatar 很有爱很温暖的项目👍

[Alex Fan @itsAlexFan]

@siyuxu15 会先点小铃铛的，主要是有些强迫症😂

[Alex Fan @itsAlexFan]

@LuluYZeng 太好了😃之后多多交流讨论哈哈哈

[Alex Fan @itsAlexFan]

被 Stanford 的 Probability for AI 录取了 😆
很喜欢这个课的设计：6 周，每周一个 probability concept + 一个 AI project，还有小组 section 一起讨论，最后会做一个自己的 final project。
更有意思的是，这居然是第一届 PAI。学生们来自 150+ 个国家，年龄从 13 岁到 80+，甚至还有 19 位 80 岁以上的学生。这本身就是一个很有意思的AI教育实验。
AI 越往下学，越觉得 probability 不只是“前置知识”，而是一种理解 uncertainty、model behavior 和 decision-making 的语言。
New side quest unlocked.
希望六周之后，能带走一些新的 insight。