MrHardcandy

MA in Math @Columbia | Finance Product Designer | Multilingual Bittensor Whitepaper Translator | Angel Investor | Blockchain Entrepreneur | All-in Bittensor

[MrHardcandy @mr_hardcandy]

@huangdiezi @bittensor 好问题🤣
我可以试试吗？然后告诉你

[宝玉 @dotey]

Notion 的创始人 Ivan Zhao 的精彩文章：《钢铁、蒸汽机与无限大脑》

越来越清晰的感觉到，我们正处于 AI 革命的早期阶段，对于未来谁也不知道会怎么样，所以都喜欢从历史中、去工业革命、互联网革命中寻找规律，以期望能对未来有所启发。

相对来说，这篇文章虽然也是尝试从钢铁和蒸汽机的历史里，寻找 AI 时代的答案，还是挺有深度。

【1】第一个观点是：我们正在看着后视镜开车

每一代新技术刚出来时，人们总是习惯用旧的方式去理解它。这就是所谓的“看着后视镜驶向未来”。

想想看，早期的电话，大家把它当成“会说话的电报"；早期的电影，其实就是把摄像机架在观众席拍舞台剧。

现在的 AI 也是一样。我们看到的 AI 大多长什么样？一个聊天框。为什么？因为它在模仿 Google 搜索框。

我们正处在这个尴尬的过渡期。就像当年大家还不懂电影剪辑语言一样，我们现在还在试图把 AI 硬塞进旧的工作模式里。

【2】个人层面：从骑自行车到开汽车

乔布斯当年有个著名的比喻，说电脑是“大脑的自行车"。意思是它能让人跑得更快，但你还得自己蹬。

对于现在的程序员来说，AI 已经不是自行车了，而是汽车。你不用蹬了，你只需要握好方向盘。

Ivan 讲了他的联合创始人 Simon 的故事。

Simon 以前是传说中的“10 倍工程师"，但现在几乎不自己写代码了。路过他工位，你会看到他像指挥官一样同时调度三四个 AI 编程智能体。这些 AI 不只打字快，还能思考。他在吃饭或睡前把任务排好队，AI 就在后台疯狂干活。

他从“写代码的人"，变成了“管理无限大脑的人"。

【3】为什么只有程序员先享受到了从骑自行车到开汽车的待遇？

但问题来了，为什么只有程序员先享受到了这种待遇？普通的文案、运营、产品经理为什么还在“蹬自行车"？

两个原因：

第一，上下文太碎了。程序员的代码都在仓库里，环境单纯。
但普通人的工作散落在 Slack、飞书、文档、甚至脑子里。AI 不知道前因后果，没法干活。

第二，没法验证。代码写错了会报错，好坏一目了然。
但一个活动策划案好不好？一份周报写得对不对？这很难量化。

所以，想要从自行车升级到汽车，我们得先帮 AI 把上下文补齐，并且找到验证工作成果的方法。

【4】组织层面：不仅是换引擎，还要换地基

个人层面说完，Ivan 把视角拉到组织层面，用了“钢铁"和“蒸汽机"两个比喻，来解释 AI 会如何重塑公司。

第一个是钢铁。

在钢铁普及之前，房子盖不高。因为用砖头和木头，盖到六七层，底下的墙就被压垮了。这就像现在的公司，人数一过几百，沟通成本就爆炸了，效率急剧下降。人与人之间的沟通，就是那个脆弱的“砖墙"。

AI 就是组织的“钢铁"。它能支撑起巨大的信息流，让决策不需要层层汇报就能完成。未来的公司，可能几千人规模还能像创业团队一样敏捷，因为 AI 撑住了沟通的架构。

第二个是蒸汽机。

最早的工厂都建在河边，因为要用水车做动力。蒸汽机刚发明时，很多老板只是把水车拆了，换成蒸汽机，但工厂还在河边，流程也没变。效率提升非常有限。

直到后来，老板们意识到：
“等一下，既然不用水了，我为什么不把工厂搬到离港口更近的地方？"

工厂可以建在离工人、港口、原材料更近的地方。整个车间可以围绕蒸汽机重新设计。后来电力普及，工厂进一步把集中的动力轴拆散，给每台机器配上独立的电机。生产力才真正爆发，第二次工业革命才真正起飞。

我们现在还在“换水车"阶段。AI 聊天机器人挂在现有工具上，工作流程还是为人设计的。我们还没认真想过：如果旧的约束消失了，组织应该长什么样？

真正的变革，是当管理者意识到可以彻底重组工作流，让那些“不睡觉的大脑"去处理所有重复性工作的时候。

Notion 自己就在做实验。他们 1000 人的公司里，活跃着 700 多个 AI Agent。这些 AI 负责写会议纪要、回答内部咨询、处理 IT 请求、写周报。这不仅仅是省时间，这是在重塑组织形态。

回看你的工作，如果只是用 ChatGPT 润色邮件，那你就是在把水车换成蒸汽机，工厂还在河边。试着想一想：如果我有无限个免费实习生（AI），工作流程应该怎么彻底重设计？

【5】经济层面：从佛罗伦萨到东京

最后 Ivan 把视角再拉高一层：钢铁和蒸汽不只改变了建筑和工厂，还改变了城市。

几百年前，城市是人类尺度的。佛罗伦萨走个四十分钟就能穿城而过，生活节奏由人能走多远、声音能传多响决定。然后钢铁框架让摩天楼成为可能，蒸汽铁路把市中心和腹地连起来，电梯、地铁、高速公路跟上。城市在规模和密度上爆发了。东京、重庆、达拉斯，这些不是“更大版本的佛罗伦萨"，而是完全不同的生存方式——更混乱、更匿名、更难辨认方向，但也提供了更多机会和自由。

Ivan 认为知识经济正站在同样的转折点上。今天的知识工作占了美国 GDP 的近一半，但大部分还是人类尺度的运作：几十人的团队，会议和邮件定义的节奏，超过几百人就开始失灵的组织。我们用石头和木头建造了很多佛罗伦萨。

当 AI 智能体大规模上线，我们会开始建造东京。成千上万的智能体和人类协作，工作流程全天候运转不等人醒来，决策在恰到好处的人类参与下被综合。周会、季度规划、年度考核的节奏可能不再合理，新的节奏会涌现。

我们将失去一些“小而美"的清晰感，但会换来前所未有的规模和速度。

Ivan 提到一个历史趣事：1865 年英国有个《红旗法案》，规定汽车上路时必须有人举着红旗走在前面开路。听起来荒谬，但我们现在要求 AI 每做一步都要人确认，是不是也像“举红旗"？真正的未来，是人站在更高处监管，而不是挡在路中间。

也许我们应该停止从后视镜看世界，开始想象新的可能。卡内基看着钢铁，看到了城市天际线。兰开夏郡的工厂主看着蒸汽机，看到了不再依赖河流的车间。

我们还在问 AI 怎么当好“副驾驶"。也许该问的是：当无限心智成为基础设施，知识工作会变成什么样？

这个问题，Ivan 没给答案。但他给了一个思考的框架。对于正在这场变革中的人来说，框架可能比答案更有用。

[Colin Wu @colinwu]

增长狂魔、元气森林创始人唐彬森公开课，他提出酒店、KTV、赌场三种商业模式，摘取一些分享:

酒店型：卖“理性服务/时间/功能”。靠性价比与稳定体验取胜，天花板受限，容易价格战。

KTV 型：在基础服务上叠加“社交与舞台”（虚拟礼物、成员等级、道具等），让一小部分人因展示、互动、陪伴而高付费。

赌场型：把“博弈/不确定性/输赢与炫耀”变成核心玩法，用户为期待与刺激付高价，ARPU /利润极高，但风险与监管、伦理要求也最高。

若用户的第一理由是“更便宜/更稳定/更省时” → 酒店型。若大量消费发生在“被关注/互动/社交场景” → KTV型。若用户的兴奋点来自“结果未知的输赢/稀缺掉落/排行榜名次” → 赌场型。

唐彬森说: 不要在赌场门口卖水，要深入核心交易环节！虽然你离这个门只有一步距离，但是你的这个利润是差别是天壤之别的。

他说: 我记得当时我们推出了一个服务，企业服务有个特点，就是老板老喜欢比价，就老板老喜欢比价。

“哎，我今天你这个服务很好啊，明天看到一个更便宜的，马上就换掉。”

所以一定要……我觉得这个事情啊，就是说一定要搞清楚一个事情，就这个行业好不好。如果好的话，要在这个行业里面最核心的位置，不要在边缘去做。

其他一些观点:

与大公司竞争，他们最大的问题是什么都想用钱解决，创业公司一定要养成一个用没钱解决问题的办法。

小公司能赢大公司 —— 因为幂率世界不讲线性，大公司靠的是资源叠加、预算砸流量（线性增长）；小公司靠的是产品、创新、效率（提高系数的非线性增长）。

“100×1.4 ＞ 50×1.2 + 50×1.2”

你把 100% 的资源集中到一个点上，让它增长率从 1.2 提到 1.4，远比你做两个平庸的项目（各1.2）更有价值。

如果这个产品不具备调动人的情感因素的话，你最后就是一个价格战的漩涡，很惨。

人类他有个毛病，他在认知上他就有个毛病，就喜欢动不动就总结一下。因为他想把事业搞简单，他觉得认知（很）累，他喜欢总结。

每一个团队、每一个人，他过去都有各自的一些经历，这个经历呢让他有经验主义，他就非执着于这东西。这是最可怕的。

你跟用户沟通沟通，你还能真的能发现东西。你老是天天自己在想这个是有问题。所以建议就是大家走到用户中去，去跟用户多沟通，才能真正了解用户。不要认为自己了解用户，这是最可怕的。

全文:
https://t.co/ZvnwrgYu5e

[MrHardcandy @mr_hardcandy]

@jasminervaa 我们也……正打算用子网做一个呢

[Jackywine @Jackywine]

#Vibecoding 做了一个 #Grok
去掉了没用的大语言模型chatbot功能
只保留了美少女 我叫她 Bella
已经开源在 Github 上了
工具：豆包+即梦+#Trae

[MrHardcandy @mr_hardcandy]

@const_reborn @opentensor Bittensor官方已公布即将在下周一进行的 v3.1.7 主网升级的github仓库。 ⚠️
这对所有节点运营者来说，是一次至关重要的【强制性】【破坏性变更】！
我们将本次重大更新的核心内容汇总详见下图！📷 （仅供参考）

[MrHardcandy @mr_hardcandy]

Heads up, The official repo for the v3.1.7 mainnet upgrade, landing next Monday, is now public. This is a critical breaking change for all node operators! ⚠️We've analyzed the code to break down the massive update. See the full summary below! $TAO @const_reborn @opentensor

[MrHardcandy @mr_hardcandy]

@cain_bnb @Paris13Jeanne @LanngCrypto @huangdiezi @SEFATUBA3 又进货了，哈哈哈

[MrHardcandy @mr_hardcandy]

@Paris13Jeanne @cain_bnb @LanngCrypto @huangdiezi @SEFATUBA3 都是北京留守儿童…

[MrHardcandy @mr_hardcandy]

@huangdiezi 尊敬，但不是敬畏，因为不畏惧

[MrHardcandy @mr_hardcandy]

一直好奇中本聪的白皮书在代码里究竟是如何运作的？ 🤔所以我创建了一份详尽的比特币源生代码评注，也顺手翻译了一版中文白皮书，旨在弥合理论与实践之间的鸿沟。深入探索从UTXO模型到时间锁、Taproot等高级主题在Bitcoin Core代码库中的实现细节。https://t.co/hxhOBWpibF

[MrHardcandy @mr_hardcandy]

Ever wondered how Satoshi's whitepaper actually works in the code? I created a detailed commentary to bridge that gap, exploring everything from the UTXO model to advanced topics like Timelocks and Taproot within the Bitcoin Core codebase. Check it out: https://t.co/hxhOBWpibF

[MrHardcandy @mr_hardcandy]

Ever wondered how Satoshi's whitepaper actually works in the code? I created a detailed commentary to bridge that gap, exploring everything from the UTXO model to advanced topics like Timelocks and Taproot within the Bitcoin Core codebase. Check it out: https://t.co/hxhOBWpibF

[MrHardcandy @mr_hardcandy]

@DujunX Cursor 然后选择内置的Claude4，但！！！一定提前嵌入有记忆功能的mcp，AI的上下文是有限制的，开发进程累积一些之后，就会开始失忆和产生幻觉。重度Cursor用户的真诚建议。

[MrHardcandy @mr_hardcandy]

@jasminervaa @virtuals_io 什么时候搞一次Bittensor专场？

[MrHardcandy @mr_hardcandy]

一觉醒来，子网多了一位新的验证合作者；
WoW，这不是大名鼎鼎的DCG嘛，Welcome！ 感谢支持 @BarrySilbert @YumaGroup @DCGco
凑齐官方基金会OTF @opentensor 和DCG，再加上老牌验证者Rizzo @FrankRizz07 和 RT21 @21RoundTable ,我们也算是满血起步了！ 欢迎你们和Bittensor一起来到东亚！

[MrHardcandy @mr_hardcandy]

@huangdiezi 掉队？我们要领先！

[MrHardcandy @mr_hardcandy]

@opentensor @const_reborn @BarrySilbert While designing our subnet's tokenomics, we created this to analyze Bittensor subnet prices using:
📊 Models: Random Forest, Linear Regression, SVR, LSTM, ARIMA, XGBoost, Prophet
Hope this helps fellow subnet developers and $TAO enthusiasts! Feedback welcome for future updates.

[MrHardcandy @mr_hardcandy]

🚀 Excited to share dTAO Price Predictor - a byproduct of our subnet's market valuation planning that we've packaged as a tool for the community!
GitHub: https://t.co/yciI2UujUP
#Bittensor @opentensor @const_reborn @BarrySilbert

[MrHardcandy @mr_hardcandy]

✅ Success! @const_reborn @BarrySilbert @opentensor