汤磊

[汤磊 @MrLeion]

There are no shortcuts；
There are no hacks；
If you want to take the easy road，I promise you：it’s harder and painful than the hard road.

[汤磊 @MrLeion]

【一席】仇鳳仙：民工暮年 ~作為第一代農民工的兄���姐妹和子女，我要感謝我們家祖墳上冒了一股青煙，因為我考上了大學。 https://t.co/ryLeLepz9x 来自 @YouTube

[汤磊 @MrLeion]

How Every Child Can Thrive by Five | Molly Wright | TED https://t.co/ZGHKLJbMJB 来自 @YouTube

[qinbafrank @qinbafrank]

OPC模式（一人创业公司）的有力工具，最近看到@dappOS_com这条xBubble的VibeCoding演示，挺有意思的。用一张图+一个商业目标，就能在几个小时内搭出了一个完整的在线shop：商品素材、目录筛选、购物车、稳定币钱包支付、Cloudflare部署，还有后台订单管理。不是原型，是能直接收钱的真实店铺。

这其实不是简单的“AI 帮你写代码”，传统工具（Cursor、Lovable 那一类）大多停留在Prompt-to-Code的阶段——你��述需求，它给你页面和逻辑，但后面怎么部署、怎么接支付、怎么长期迭代，还是得你自己或者再找人处理。

xBubble走的是另一条路：SOP-to-Business。

它不是让你去调模型、拼工具、写复杂prompt，而是把常见业务场景的执行流程提前组织好，形成可复用的SOP。Bubble Engine会根据真实案例不断生成和优化这些流程，Bubble Pilot再根据你的目标去调用。用户真正要做的，就是把生意想清楚：卖什么、卖给谁、怎么收钱。

对普通个人用户的好处很直接。
以前想做一个带支付的独立站，从想法到上线，技术门槛、部署成本、支付接入往往把人劝退。现在这些环节被系统和生态服务商接住了，你用���分统一结算，不用自己去配服务器、绑域名、搞API Key。想改规则、加商品、调整流程，也不用每次都从头折腾代码。

对 OPC（一人公司）来说，这件事的意义更大。

过去几年，AI 主要解决的是“现有团队怎么提效”。现在的问题变成了：一门生意到底需要多少人才能跑起来？很多垂直、小众、生命周期不长的需求，其实一个人就能搞定，但技术执行成本太高，一直做不成。xBubble 把这部分成本大幅压下来，让有客户、有货源、有想法的人，不用先证明自己能养活一支技术团队，就能先把生意跑起来。

它真正瞄准的，是那些懂市场、懂用户，但技术不是核心能力的普通经营者。不是极客型 solo founder，而是现实中大量存在的“一人带货、一人做服务、一人做内容”的小生意。

当然，这套东西目前还在内测，复杂场景的稳定性、SOP 的覆盖度、服务商网络的成熟度，都还需要时间验证。但方向是对的——AI coding 的下一阶段，不是比谁代码写得更快，而是比谁能把一门真实生意更快、更稳地跑通。

之前这里https://t.co/vAlB0P6T3y还聊过dappOS通过xBubble推出的买方级别（Buy-Side）股权研究SOP，这次又推出了SOP-to-Business，不得不说DappOS走在正确的方向上。

从 Prompt 到 SOP，从代码到生意，这条路走通了，对个人创业者来说，确实是降维。更关键的是，它让OPC能用极低成本快速跑通第一笔真是收入，而不是把精力耗在技术执行上。

下面的视频就是一个用xBubble VibeCoding快速搭建世界杯周边电商网站的案例，已经能快速产生实际现金流了。

[汤磊 @MrLeion]

https://t.co/OZcXNshz3p

[汤磊 @MrLeion]

经济学家高善文演讲：2025年可能是一个重要转折点｜新闻特写20241203 https://t.co/QFCbg1CECL 来自 @YouTube

[Mengke Wang @MengkePM]

https://t.co/ghUgtm1M1w

[Claude @claudeai]

Introducing Claude Tag, a new way for teams to work with Claude.

In Slack, Claude joins as a team member with access to the channels and tools you choose. Tag Claude in and delegate tasks to it while you focus on other work.

[qinbafrank @qinbafrank]

内塔的挣扎真就是一个宏观的扰动，看卡塔尔与巴基斯坦以调解方身份发布的联合声明，确认美国与伊朗在瑞士举行的首轮高层外交会谈已经结束。也让我们得以了解周末举行的美伊会谈详情：
1）此次会谈是一个四方会谈，美伊作为当事方，巴基斯坦和卡塔尔则是调解方，依托此前达成的《伊斯兰堡谅解备忘录》框架展开

2）双方在会谈中一致同意建立一个高级别政治监督委员会，为后续谈判提供统筹与指导。首席谈判代表将定期向高级别委员会报告，并领导专注于核问题、制裁以及监督与争端解决工作组，以确保谅解备忘录的有效实施；

3）这次会谈最核心的成果在于确立了具有约束力的政治时间框架，即上述60天路线图。这一安排连同监督机制的设立，被视为确保谈判进程持续推进的重要制度保障。

4）建立各方之间的沟通渠道，适用于谅解备忘录第5段所述期间，以避免事件发生和误传，旨在确保商业船只安全通过霍尔木兹海峡。备忘录第五段就是关于放开霍尔木兹海峡的安排

5）引入专门的冲突化解机制，重点涉及��巴嫩局势。该机制将在卡塔尔与巴基斯坦协调下运行，负责在相关方之间建立沟通渠道，并监督黎巴嫩境内停止一切活跃军事行动的执行情况。

主要外交代表团的首轮会谈已告一段落，技术层面的谈判仍在继续。调解方确认，相关技术工作组将在本周剩余时间留在瑞士布尔根施托克度假村，就尚未解决的细节问题展开进一步磋商。

伊朗外交部长阿拉格齐22日在社交媒体上发文说，在巴基斯坦和卡塔尔斡旋下，结束黎巴嫩冲突取得“重大进展”。伊朗“石油和石化产品出口获得豁免，封锁被解除，部分资产被解冻，并启动了一项重大的伊朗重建和发展计划”。

未来应该还有反复和扰动，但伊朗及中东局势将越来越不是影响市场的主线因素了。

至于内塔还是之前聊到的，挣扎的越狠，其战略和腾挪的空间其实会越小。

本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

[汤磊 @MrLeion]

"Once Infected, Death Was Certain": Inside Japan's Secret Death Lab | In... https://t.co/0u35K31rxT 来自 @YouTube

[汤磊 @MrLeion]

https://t.co/2z1nd39fzd
中国限制人才流出,老美限制模型访问,看来 AI 领域是���不去了

[硅谷王川 Chuan @Svwang1]

太多人看问题只是孤立的纠结某个案例的好坏，却没有意识到，一个稍微好一点的决策，可以提供良好的物质基础，让你有能力抓住下一个更大的机会。

很多机会，不在于你是否有能力判断，而关键在于你是否有财力和物力捕获。财力物力和捕获能力，不是一蹴而就，而是慢慢积累，越来越大。

所以问题的关��，不是在于每个案例都能精准的判断，而在于，要避免灾难性的决策，这样可以持续积累，越做越大。避免灾难性的决策的一点就是，不懂的东西不要参与，即使参与，��位也要非常小。

把注意力放在一时的短期成败，绞尽脑汁去研究自己不擅长的问题，容易在风险管理上大意，一个错误导致倒退若干年。

把注意力放在持续积累，即使步子暂时慢一点，但等激进的竞争者都出局以后，机会的把握就易如反掌，根本不需要动脑筋。

[汤磊 @MrLeion]

1、https://t.co/VMp46zZGCh
2、https://t.co/bX0ml26l4q
非常棒的纪录片,片中的每一个人都在走向属于自己的[乌托邦],祝愿他们获得一个更好的生活

[Wei Du 杜唯 @WeiDuCNA]

As Trump met Xi in Beijing this week, Reuters reported that one issue expected to come up was deportation: whether China will take back more of its nationals from the US.

That is the diplomatic version of the story.

Walk the Line: ICE Nation is the human version.

[qinbafrank @qinbafrank]

Shawn说了一个非常好的问题：AI时代与互联网时代最大的区别是：1）互联网/移动互联网时代固定成本（服务器、带宽）投入后，边际成本几乎为0，用户越多 → 网络效应越强 → 估值越高（DAU/MAU渗透率是核心KPI）；
2）AI时代（尤其是生成式AI）的现实推理是按token计费的真实算力消耗。免费模式本质上是大模型公司补贴用户在烧钱跑模型。用户渗透率越高 → 每天处理的token总量越大 → 显卡/电费/云厂商账单直接线性上升。
这个问题非常准确点出了AI商业模式里一个尚未被完全解决的“成本-规模”矛盾。

个人角度渗透率依然是一个有效的指标，渗透率是一个需求端（无论是B端还是C端的指标）：任何技术革命的进化迭代的早期都得先看用户端，再看成本端。
几个逻辑：
1）互联网时代是先抢渗透率（流量）、再谈��现。AI现在处于类似“iPhone时刻”后的早期爆发期，用户/企业采用率越高，生态、网络效应、数据飞轮就转得越快，这是产业增长的第一驱动力；

2）产业增长逻辑：
AI公司（尤其是AI-native）早期还是要看用户增长、留存、DAU/MAU/WAU、Token调用量这些需求侧指标。核心还是用户基数大了，相同的付费率下付费人群的绝对值大，同时用户基数大技术体验越来越好，付费率也会同步走高。有用户快速增长，越来到达商业化拐点，早期的投入才能更快收回来。

3）很多大公司都有类似的指标
像Meta内部甚至把Token消耗量直接当作AI渗透率的内部KPI。

产业的增长先看用户端，渗透率依然是需求侧最硬的指标，没有用户就没有后续一切。

当然Shawn的疑问也说明：在AI这个“高边际成本”的新赛道里，单纯追求渗透率而追求商业化和付费人群的扩大，很容易变成“规模越大、越烧钱”的陷阱。这其实是渗透率的第二步，就是在渗透率快速增长的基础上，要提高转化率（付费率）、同时提高高ARP用户的占比。

所以越往后就不是只看渗透率，还要看“有效渗透率（付费率和高ARPU比率）：用户狂涨的同时，单位Token成本、毛利率、现金流也能跟上。我们也能看到AI大模型厂商商业化动作其实是更快的，兴起第二年就开始商业化、今年就能看到商业化ARR在快速增长。

简言之：
第一阶段是看渗透率的提升 用户接受度越来越好、基数越来也大。
第二阶段要看变现能力，这就是付费率的提升/高ARPU用户的占比，当然也可以更直接看Token消耗量。也是6月3号在168X的Space里聊到的核心大模型厂商营收和大科技厂商云业务的增速。这就是变现能力和商业化的最直接体现。

本条由@bitget_zh赞助，「Bitget 买美股：秒级入场���丝滑交易 」

[汤磊 @MrLeion]

安东尼奥尼[意大利][中国-中国1972年实景纪录片][三集合一]中文字幕 https://t.co/478iKlNWlp 来自 @YouTube

[Marc Lou @marclou]

What I wanted at 20:

- A fancy car
- A lot of friends
- A high-paid job
- A crazy social life
- A lot of validation

What I want at 30:

- A fit body
- A best friend
- A peaceful mind
- A meaningful work
- An empty calendar

[Chris Anderson (in London) @chr1sa]

The commercial drone business is brutally hard. Fifteen years after it was founded, drone delivery company @matternet is still doing less than $300k a year in revenue, with a loss of more than $14m and a "going concern" warning from its auditors. So to raise more money and stay in business they're doing a reverse merger with a blank-check company, which will net them another $33m in funding.

Last year they did $393k in revenue and lost $31m

Links in comments

[汤磊 @MrLeion]

@turingou 最近也在做类似的事情, Deepseek 没有对应的 Agent,要自行完成一套 Agent 的搭建可以自动横跨多个 LLM,感觉是很酷的事情,蹲一个工程实现方案

[汤磊 @MrLeion]

Stop Applying to AI PM Jobs Until You Watch This https://t.co/eSsCvzjsdV 来自 @YouTube

[汤磊 @MrLeion]

@yetone 期待

[qinbafrank @qinbafrank]

Token消耗的爆发式增长，这次谷歌I/O大会个人最关注并不是新产品发布这些很重要，而更重要的是token消耗数据。为什么要关注token消耗数据？这个数据代表最下游B端和C端的用户需求有多大，增速有多快。看看谷歌I/O大会上皮查公布的谷歌全平台Token消耗数据：
1）全 Google AI surfaces（Search、YouTube、Gemini App、Cloud 等）：
每月处理3.2quadrillion（3200 万亿）AI tokens。
较 2025 年 5 月（I/O 2025）增长 7 倍。较 2024 年 5 月增长 330 倍。
2）企业/Cloud 端：Gemini API 直接处理 超过 16 billion tokens per minute（每分钟 160 亿+），环比增长 60%。3月底openai的api每分钟是150亿+。
3）内部 Google 开发者使用：每日 token 用量自3月起翻 3 倍，达超3trillion tokens/day。

从“工具”转向“Agentic AI”��代理式AI）token 消耗爆炸式增长反映多模态（文本+图像+视频+音频）和大规模部署的落地。去年同期 token 处理量约 480 trillion/月，今年已翻7倍。

推理成本降低了100倍，与此而来的是推理需求被极大的激发了，最终但计算账单还是上涨了。
1）12个月前，100万个前沿级推理tokens的成本大约是60美元。
如今，相同质量的输出成本大约是0.50美元。
2）o1级智能的单token价格在一年内下降了约128倍。
GPT-4级输出的价格自原版GPT-4发布以来下降了大约100倍。

按照任何正常的科技成本曲线解读，这应该是通货紧缩的。它应该为客户节省金钱。

事实并非如此，token价格下跌并没有收缩需求。它们解锁了代理、深度研究、代码编写系统、多步推理、持久内存、整个下一层AI产品。那下一层中的每个产品消耗的计算量比它取代的聊天界面多几个数量级。

这也是Jevons悖论真实体现，Jevons在1865年注意���，提高燃煤效率并没有减少煤炭消耗。它反而增加了，因为效率解锁了之前不经济的用途。蒸汽机在更小规模上变得更实用。那些以前负担不起旧价煤炭的整个行业突然能负担了。英国的煤炭消耗急剧上升。

今天同样的事情现在正发生在AI计算上，而且发生得比任何类似的历史周期都快。

本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」