睁眼看世界

[睁眼看世界 @openeyestake]

@dyw1968316 透过现象看本质😆

[睁眼看世界 @openeyestake]

@cskun1989 格局真的打开啦👍

[睁眼看世界 @openeyestake]

最近，一篇讨论大语言模型的论文引发了不少关注。作者提出了一个非常有意思的观点：如果把今天最强的GPT、Claude放回1915年，只允许使用当时已有的知识，它们大概率也发明不了广义相对论。原因不是计算能力不够，也不是数学水平不够，而是它们缺少一次真正的“Jump”——从经验直接跃迁到全新公理的能力。

这个观点之所以值得讨论，并不是因为它证明了AI没有创造力，而是它重新定义了什么叫创造力。过去很多人笼统地说，AI没有创造力，无法替代人类，却始终说不清创造力到底是什么。这篇论文至少把��收缩成了一个可以讨论的动作：不是归纳，不是演绎，而是一次范式层面的跳跃。

作者举了广义相对论的例子。1915年之前，牛顿力学几乎统治了整个物理学世界。从苹果落地到行星运动，几乎所有实验都与牛顿理论高度吻合，唯一明显的异常，只是水星近日点每世纪几十角秒的偏差。面对这个误差，当时科学界想到的不是推翻牛顿，而是假设太阳附近还有一颗尚未发现的行星——祝融星。换句话说，在那个时代，整个科学共同体都默认牛顿是正确的。

如果把今天的大模型放到这样的环境里，它看到的大量论文、教材和实验数据，同样都会强化这个结论。于是，它极有可能提出越来越精细的修补方案，而不是突然提出“引力不是一种力，而是时空弯曲”的新理论。从这个意义上说，限制AI的，也许不是能力，而是它所处知识体系本身的惯性。

不过，我认为论文也���一个地方说得过于绝对。

它认为，大模型不会提出广义相对论，是因为“牛顿理论误差太小，损失函数几乎为零，没有梯度可以优化”。这个比喻很好理解，但现实中的GPT、Claude并不是简单的梯度下降算法，它们真正受限的，不只是误差大小，而是目标函数。

今天AI为什么能不断攻克数学、编程、围棋？因为这些问题都有明确的评价标准。围棋只有输赢，程序可以跑测试，数学证明可以验证真假，只要存在一个清晰的奖励函数，AI就可以不断搜索，直到找到答案。

而科学革命不同。

1915年，没有人知道时空弯曲才是真相，也没有人能够告诉AI，哪一种理论可以得100分。没有标准答案，没有奖励函数，没有验证器，AI自然不知道应该朝哪个方向探索。真正困难的地方，不是推导，而是在无数可能的解释中，主动提出一个此前没人相信的新世界观。

这也是为什么，爱因��坦一直强调自己最重要的能力不是数学，而是思想实验。从“追上一束光”到“自由落体中的电梯”，这些都不是计算，而是通过想象构造一个新的观察视角。当他意识到匀加速运动和引力在局部不可区分时，等效原理便诞生了。真正改变世界的，不是推导，而是那个最初的假设。

但如果因此得出“AI永远无法完成这种跳跃”，我同样不同意。

过去一年，AI已经开始展现出一些不同于传统搜索的能力。从发现长期悬而未决数学问题的反例，到解决多个开放数学问题，它并不仅仅是在复述已有证明，而是在越来越大的搜索空间里构造新的数学对象，找到此前没人走过的路径。这距离爱因斯坦式的科学革命当然还有很长距离，但也说明AI的创造能力正在发生质变，而不仅仅是知识拼接。

更进一步，其实不是Transformer有没有创造力，而是下一代AI会不会拥有完整的科学发现闭环。我认为，未来真正改变科学的，不会是语言模型，也不会只是世界模型，而是三种能力的融合：第一，阅读和整合海量知识的能力；第二，在虚拟世界中不断实验、验证和反事实推演的能力；第三，也是最重要的一点，主动提出新问题、主动寻找异常、主动怀疑现有理论的能力。

历史上的科学革命，很少来自误差足够大，而更多来自有人愿意怀疑那个几乎所有人都相信的世界。当AI拥有的不只是推理能力，而是持续探索未知、不断重构问题本身的能力时，它解决的将不再只是人类提出的问题，而是开始提出那些人类从未想到去问的问题。

也许，真正决定AI未来的，不是它会不会证明黎曼猜想，也不是它还能解决多少数学难题，而是它什么时候能够像爱因斯坦一样，在一个看似没有错误的世界里，第一次怀疑整个世界解释方式本身。

[睁眼看世界 @openeyestake]

最近，一则关于马云的消息引起了不少关注。云锋基金参与投资美国旧金山AI保险公司Corgi，投资约3000万美元，这也是云锋基金近年来已知首次公开投资美国本土AI创业公司。���多人的关注点停留在“���什么投美国”，甚至开始讨论资本外流、中美竞争这些话题。但如果只看到地理位置，就容易忽略这笔投资真正传递出的信号。对于风险投资来说，3000万美元并不算大，真正重要的是钱流向了什么方向。资本往往比语言更诚实，它不会告诉你未来在哪里，却会用真金白银提前站队。

过去三年，全球AI产业经历了非常清晰的三个阶段。最开始，所有人都在追逐基础模型，OpenAI、Google、Anthropic不断刷新模型能力，谁拥有更大的参数、更多的算力，就意味着更高的估值。后来，市场开始疯狂投资GPU、数据中心和芯片，因为大家发现，没有算力，再好的模型也只是空谈。但今天，风向已经开始变化。越来越多资本不再执着于“再造一个ChatGPT”，而是开始寻找AI真正能够赚钱的地方，也就是那些可以直接改变行业运行方式的垂直应用。马云投资的Corgi，并不是一家做基础��型的公司，而是一家做AI保险基础设施的公司，这恰恰说明，他押注的已经不是模型，而是模型之后的商业化时代。

保险行业看起来传统，却是AI最容易落地的行业之一。无论是核保、理赔、保单管理，还是后台审核，本质上都是大量标准化文档、复杂规则和重复性的知识工作，而这些正是大语言模型最擅长处理的事情。过去，一份保险理赔可能需要多个部门、多轮审核；未来，大量流程都可以交给AI Agent自动完成，人只负责最终决策。这意味着AI带来的已经不仅仅是效率提升，而是整个成本结构的重构。当一家保险公司的后台人员减少一半甚至更多，它改变的不只是利润，而是整个行业的竞争规则。资本真正看中的，也正是这种可以复制到整个行业的能力。

如果把视野再放大一点，就会发现，全球AI竞争其实已经进入了新的阶段。过去大家比的是模型能力，未来比的则是谁能够率先把AI变成真正的���产力。医疗、法律、金融、制造、物流，每一个传统行业都会被重新做一遍。未来最成功的AI公司，未必会长得像OpenAI，也可能是一家外表看起来像保险公司、律师事务所或者医院，但内部几乎所有流程都由AI驱动。谁能够率先完成这种行业重构，谁就有机会成为下一个时代的平台企业。

所以，在我看来，马云这笔投资真正值得关注的，并不是他投了一家美国公司，而是他再次用资本表达了一个判断：AI竞争正在从“模型时代”走向“产业时代”。模型会越来越便宜，也会越来越普及，真正稀缺的将不再是模型本身，而是谁能够把模型变成持续创造价值的商业系统。未来十年，决定AI产业格局的，很可能不是哪家模型参数最多，而是哪家公司最先完成一个传统行业的AI化重构。模型只是起点，产业才是真正的终局。

[睁眼看世界 @openeyestake]

乾隆真正可怕的地方，不是无知，而是把“稳定”放在了一切之上

很多人谈起晚清的落后，总喜欢归结为一句话：乾隆愚昧自大，闭关锁国，所以错过了工业革命。

但如果认真���阅史料，就会发现，这种解释未免太简单了。

乾隆并不是一个没有见识的皇帝。无论是长期在宫廷任职的西方传教士，还是马戛尔尼使团带来的西洋钟表、天文仪器、火炮模型，他都接触过。他对欧洲并非一无所知，也绝不是一个靠无知治理帝国的人。

更值得我们思考的问题是：既然并非完全不了解外面的世界，为什么清朝仍然选择了保守？

我认为，答案不在于乾隆有多愚蠢，而在于他始终坚持一个高于一切的执政目标——稳定。

乾隆一生最推崇的四个字，就是“持盈保泰”。在他看来，一个拥有数亿人口、辽阔疆域的大帝国，只要不出乱子，就是最大的成功。任何可能打破既有秩序的变化，无论是贸易、思想还是技术，都意味着风险。

站在十八世纪的角度，这种思维并非完全不能理解。一个农业帝国依靠土地财政、传统官僚体系和稳定赋税维持运转，剧烈改革的成本极高。一旦社会结构发生巨大变化，皇权、财政和地方治理都可能受到冲击。因此，乾隆更愿意维持现状，而不是主动拥抱未知。

问题就在这里。

短期来看，稳定确实可以换来繁荣；但长期来看，如果整个世界都在变化，而你却始终停留在原地，那么所谓的稳定，最终反而会变成最大的风险。

十八世纪后期，欧洲发生的真正变化，并不仅仅是工业革命，更是一场制度、科技、商业和思想共同推动的文明跃迁。蒸汽机、现代工厂、全球贸易、近代金融、科学教育，这些因素相互强化，最终彻底改变了国家竞争的方式。

而清朝依旧沉浸在传统农业帝国的治理逻辑之中，把维持秩序放在创新之前，把防范风险放在开放之前，把守成放在变革之前。这样做，也许能够维持几十年的稳定，却无法应对一个已经发生根本变化的世界。

因此，我并��赞同把清朝后来的衰落简单归结为乾隆一个人的“坏”，更不能说鸦片战争完全是他一个人的责任。历史从来不是单一��物就能决定的。制度惯性、财政结构、人口压力、官僚体系、军事改革停滞，以及后继几代统治者的选择，共同塑造了十九世纪中国的命运。

但是，我们也不能因此否认乾隆时代的重要影响。

一个时代最可怕的，并不是犯错，而是在形势已经发生变化的时候，依然坚信过去的成功经验可以永远复制。当维护既有秩序成为最高目标时，改革就会越来越难，创新就会越来越少，最终积累的问题只能留给后来者去承担。

回头看历史，真正值得警惕的，其实不是某一个皇帝，而是一种治理思维：把眼前的稳定视为最终目标，而忽视长期竞争力的建设。因为任何制度，如果缺乏持续自我调整、自我更新的能力，都可能在外部环境发生剧烈变化时迅速失去优势。

历史最大的启示，或许从来不是去评判某一个人的善恶，而是提醒后来者：一个国家真正的安全，不仅来��今天的稳定，更来自不断适应变化、不断提升自身竞争力的能力。能够主动改革的国家，未必没有风险；但拒绝改革的国家，最终往往会面对更大的风险。

[David Tsai/蔡慎坤 @cskun1989]

乾隆从不无知，他是清醒的坏！

很多人至今还在误解，以为满清闭关锁国是因为愚昧无知，夜郎自大。错！大错特错！真相恰恰相反——乾隆懂世界，所以才要执意封死世界。

1793年，82岁的乾隆，完整获知了路易十六被送上断头台的消息。
欧洲君主陨落，民权革命席卷，整个时代的天都翻了，他心知肚明。马戛尔尼使团抬进来的蒸汽机模型、新式火炮、精密仪器、工业成果，他全部看懂了，一点都不傻。

也正是看懂了，他才极度恐惧。

满清是什么？说白了，就是几十万丁口的异族，骑在亿万汉人头上当主子的寄生政权。对这种政权而言，统治稳定永远优先于国家进步，八旗特权永远优先于民族生死。

乾隆心里那本账，算得比谁都精：

工业一旦普及，八旗赖以立国的骑射优势还有个屁用？一挺机枪就能突突掉一群巴图鲁。
机器一旦推广，小农经济瓦解，亿万双脚羊没了土地拴着，还怎么当顺民当韭菜？
民智一旦开化，技术一旦下放，人人都知道人人生而平等，主子还能是主子吗？奴才还甘心当奴才吗？满清的统治根基，当场就要崩塌。

所以他选择了一条最自私、最恶毒、也最精致利己的国策：清醒地保守，主动地倒退。

1757年，一纸令下，一口通商，彻底锁死对外交流，把整个东洼村变成一个大号猪圈；
借修《四库全书》之名，大兴文字狱，禁毁实学、科技典籍，《天工开物》这类书在中土近乎绝版断绝；
打压火器研发，刀枪入库，口声声“国本骑射”，实则只保八旗饭碗；
终身奉行“持盈保泰”，不求富民强国，只求维稳守旧，保他爱新觉罗一家一��万世一系。

他不是不知道开放能富民强国，他太知道了。他只是更知道，开放富的是民，强的是国，亡的却是满清！

乾隆活到87岁，满清最长寿的帝王，熬死了所有对手。他1799年咽气，死后41年，1840年，鸦片战争爆发，英国人的坚船利炮，直接把他精心维护的“康乾盛世”轰得粉碎。

所以真相是什么？

晚清的落后，从来不是意外掉队。
是乾隆为了保满人特权，主动埋葬了整个华夏的国运！

这套路，眼熟不熟？跟毛腊肉、习包子之流一模一样！呆坏与极端精致利己主义的集大成者！方向盘就在他们手里，他们无一例外，全部选择往极度满足自己私欲的方向猛打！

本来自私这玩意儿，是自我保护的最佳利器，人之常情。可一旦过了头，就犹如在狭窄的悬崖山路上开车，眼里只有眼前的龙椅和权杖，没有半点余光去看远方的弯道���深渊，注定要把车开下悬崖，结果就是连人带车，一起玩完！

反观日本皇室，就明智得多。人家也自私，但懂得把自我私欲和民族国家利益兼顾一下，搞了明治维新，转型相对成功，阻力相对较小。与此同时英国、泰国一开始也顽固，后来因形势所迫，不得不选择开明立宪，也相对转型升级成功，保住了体面。

最最顽固的，就属中俄这类地方，死硬死硬！这可能跟他们各自的文化和习俗有莫大的关联——人人心里都有一颗皇帝梦、阅兵梦，都有一颗淫荡无耻、想当主子骑在别人头上的心！无论贵贱老幼，概莫能外！

所以，别再说什么无知了。

坏，如是无知和无心的坏，还可以原谅和宽恕！毕竟是认知有限和无心之过！
但是如杜鹃一样胎里坏和基因的坏，那只有死亡唯一可以纠正和拯救的了！【讀者来稿】

[睁眼看世界 @openeyestake]

特朗普支持率下降，政治开始进入“兑现时刻”

特朗普支持率又跌了。CNN、路透社、AP等多家美国主流民调机构公布的最新调��，几乎都给出了相似的结果：特朗普的支持率创下第二任期以来的新低。很多人看到这些数字，第一反应是特朗普正在失去美国人的支持，共和党开始走下坡路。但我觉得，更值得关注的并不是34%、37%还是32%这些数字，而是为什么几乎所有机构会在同一时间得出相似的结论。支持率每天都会变化，它只是一个结果；让我们思考的是，为什么越来越多选民开始重新评价特朗普。政治人物的支持率不会无缘无故上涨，也不会无缘无故下跌，它��映的往往不是一次新闻事件，而是公众评价标准的变化。特朗普今天面对的问题，也许并不是某一项政策失误，而是越来越多选民开始思考：他是否还能兑现自己曾经描绘的那幅蓝图。

特朗普第一次赢得白宫时，靠的并不是传统政治人物那套四平八稳的管理思维，而是一种极具吸引力的政治叙事。他向选民承诺制造业回流、加强边境安全、结束无休止战争、降低生活成本，让美国重新伟大。这些承诺未必每个人都相信，但足以让大量原本对政治冷感的人愿意再赌一次。很多人支持特朗普，并不仅仅因为他属于共和党，而是相信他能够把竞选时说的话变成现实。也正因为如此，特朗普最大的政治资产从来不是共和党的招牌，也不是个人鲜明的风格，而是公众对他兑现承诺能力的信任。一位政治人物可以依靠愿景赢得选举，却只能依靠结果维持支持。当选民相信未��会变得更好时，支持率会上升；当现实与承诺之间的距离越来越大时，再精彩的演讲也很难弥补这种心理落差。

过去几个月，美国经济增长放缓、财政赤字继续扩大、生活成本依然偏高，中东局势又重新牵动美国战略重心。每一件事情单独来看，都不足以决定一位总统的政治命运，但它们叠加在一起，就会不断消耗公众的耐心。尤其是美国再次深度介入中东事务，让不少支持者开始产生明显的落差感，因为“美国优先”最核心的含义，本来就是减少海外消耗，把更多资源投入美国国内。大多数普通选民不会仔细研究复杂的国际战略，他们更关心的是一个简单的问题：今天的现实，距离当初的承诺还有多远。当这种距离不断拉大，流失的就不仅仅是支持率，而是政治信用。支持率更像天气，会随着新闻、演讲和经济数据不断起伏；政治信用却更像多年积累的资产，建立很慢，却可能在一次次期待落空中逐渐透支。一旦公众开始怀疑一位领导人的兑现能力，即使支持率后来有所回升，失去的信任也未必能够迅速恢复。

其实，这种变化并不只发生��特朗普身上，而是在整个民主政治中越来越普遍。过去几十年，一位总统只要能够保持经济增长，往往就足以获得认可；今天，人们不仅希望经济持续增长，还希望房价下降、物价稳定、收入提高、边境安全、国际局势缓和，而且这些目标最好能够同时实现。互联网和社交媒体让政治传播变得越来越容易，也让承诺变得越来越廉价，但现实世界的约束并没有因此减少。于是，政治竞争也开始发生变化。过去比的是谁能够描绘更好的未来，今天比的是谁能够兑现更多承诺；过去政治人物依靠讲故事赢得支持，如今越来越多选民开始按照结果投票。过去几年，美国、欧洲不少领导人在执政中期支持率快速回落，背后其实都反映着同一种趋势：公众越来越在意兑现，而不是表达；越来越在意结果，而不是口号。

所以，在我看来，这次支持率下降最值得关注的，并不是��调数字本身，因为几个月后它们仍然可能发生变化。更值得关注的是，美国政治或许已经进入了一个新的阶段：未来决定一位领导人政治生命力的，不再是谁更善于制造话题，也不再是谁更会打舆论战，而是谁能够持续兑现自己的承诺。如果这个判断成立，那么特朗普今天面对的，就���仅仅是一次支持率下滑，而是一场关于政治信用的考验。这其实也是未来所有民主国家领导人都必须面对的新课题。当公众期待越来越高，而现实约束越来越强，政治最稀缺的资源，或许已经不再是流量，不再是话题，而是兑现承诺的能力，以及由此建立起来、又极难重新获得的政治信用。

[睁眼看世界 @openeyestake]

AI时代最大的竞争，已经不是模型，而是组织

最近，一篇关于腾讯混元团队改革的深度报道引发了广泛关注。报道中最吸引眼球的，不是腾讯发布了什么新模型，也不是某项技术取得了突破，而是一位1997年出生、曾在OpenAI工作的年轻研究员姚顺雨空降腾讯，开始重构整个混元团队。从重新制定模型评测标准，到重建数据体系，再到调整组织架构、引入来自字节、DeepSeek、Kimi等公司的研究人员，很多人把它解读成一个“天才拯救腾讯AI”的故事。

但在我看来，这只是故事的表面。

如果把视角放大一点就会发现，腾讯真正落后的，从来不是某一个模型，也不是某一种算法，而是一套已经无法适应AI时代的组织运行方式。而姚顺雨真正要解决的，也不是模型性能，而是组织能力。

过去二十多年，中国互联网公司的竞争逻辑一直很清晰：谁拥有更多用户，谁拥有更好的产品，谁拥有更强的商业模式，谁就能成为赢家。腾讯就是这种时代最成功的代表。微信、QQ、游戏、广告、支付，每一个业务都建立在成熟的产品体系和极强的执行能力之上。正因为如此，腾讯逐渐形成了一套极其完善的管理体系：明确的分工、严格的流程、稳定的考核机制。这套体系帮助腾讯成为中国最赚钱的互联网公司，但也让它越来越像一台运转精密的大机器。

问题在于，AI时代需要的，恰恰不是一台稳定运转的机器。

过去开发一个互联网产品，可以规划半年、一年甚至更长时间，一个版本迭代结束，再进入下一轮开发。但今天���大模型研发完全不是这个节奏。从GPT到DeepSeek，从Claude到Gemini，整个行业几乎每个月都在发生变化，一篇新的论文、一次新的训练方法、一个新的强化学习策略，都可能迅速改变竞争格局。过去一家互联网公司一年做一次重大升级，现在一家AI实验室可能一个星期就要完成一次重要迭代。

这意味着，AI竞争已经从产品竞争，变成了学习速度的竞争。

很多人至今仍然认为，OpenAI之所以领先，是因为掌握了某种别人不知道的“秘密算法”。事实上，这种想法越来越站不住脚。Transformer早已不是OpenAI独有，MoE架构也不是DeepSeek独有，强化学习、长思维链、合成数据正在迅速成为整个行业的共同语言。当底层技术不断扩散以后，真正决定模型差距的，反而变成了那些最普通、也最容易被忽视的东西：数据质量、工程能力、训练效率、评测体系，以及整个组织发现问题、��正问题的能力。

如果报道属实，那么姚顺雨进入腾讯以后做的第一件事，并不是重新设计模型，而是重新定义什么叫“做好模型”。据报道，他指出模型评测存在数据污染问题，希望减少对榜单的依赖，更关注真实场景下的能力，同时把更多精力放在数据质量、训练流程和强化学习上。这些事情听起来没有任何技术光环，甚至有些枯燥，却恰恰击中了AI研发最核心的部分。

因为AI没有魔法。

真正困难的，从来不是提出一个天才般的想法，而是把那些所有人都知道应该做好的事情，几十万次、几百万次地重复做好。高质量的数据、稳定的训练流程、可靠的评测体系，这些基础能力不会登上新闻头条，却决定了一家公司最终能够走多远。

更深一层来看，这场改革真正挑战的，其实不是技术，而是组织文化。

管理学里有一句非常经典的话：一个组织最终一定会朝着它所考核的方向不断优化。

如果考核的是论文数量，大家就会拼命发论文；如果考核的是模型榜单，大家就会努力刷榜；如果考核的是汇报材料，大家就会花更多���间做PPT。当指标本身变成目标的时候，组织往往会逐渐偏离真正想解决的问题。

据称他向管理层提出，希望在新模型研发期间，尽量不要用榜单来评价团队。如果这一做法真的能够长期���持，它改变的不只是一个模型，而是整个组织的价值导向——从追求短期结果，重新回到追求长期能力。

事实上，这并不是腾讯一家公司的问题，而是几乎所有大型科技公司共同面对的问题。

过去两年，无论是OpenAI频繁调整团队结构，还是Google重新整合DeepMind，Meta持续重组AI部门，微软全面推进AI优先战略，本质上都在做同一件事情：重新设计组织，而不是重新设计模型。

因为所有人都已经意识到，一个模型领先半年，并不难；难的是，连续五年都保持领先。

未来的大模型能力一定会越来越接近。算力可以购买，论文可以学习，算法可以开源，优秀人才也可以流动。当这些资源逐渐趋于同质化以后，真正无法复制的，只剩下一家公司内部那套持续学习、持续试错、持续迭代的组织能力。

所以，我始终认为，未来AI行业最大的护城河，不是GPU，不是参数规模，也不是某一个天才研究员，而是一家公司的学习速度。

哪个公司能够最快发现错误，最快承认错误，最快修正错误，再最快进入下一轮训练，它就更有可能成为下一轮竞争的赢家。反过来说，如果一个组织依然沉迷于汇报、流程、榜单和短期成��，即使拥有再多顶尖人才，也很难持续保持领先。

未来十年，AI行业真正的竞争，将越来越像一场组织能力的竞争。模型决定一家公司的今天，而组织，决定一家公司的未来。

[睁眼看世界 @openeyestake]

2035年，全球市值前十公司，我为什么认为会是这七家

如果今天让大多数人预测2035年的全球市值排行榜，很多人的第一反应一定是：OpenAI、Anthropic，或者某一家今天还没有出现的AI创业公司。毕竟，过去两年AI最耀眼的明星，几乎都来自大模型领域。但如果把历史拉长来看，我反而认为，这种判断很可能低估了产业发展的规律。互联网时代，真正笑到最后的，并不一定是技术最领先的公司，而是那些把技术变成生态、把生态变成现金流的公司。AI时代，我认为同样如此。模型会越来越便宜，算法会越来越开放，真正稀缺的，将是平台、基础设施、终端入口和现实世界的控制能力。因此，如果让我预测2035年的全球���值前十，我更愿意把目光放在七家公司身上：微软、Google、亚马逊、苹果、英伟达、Tesla和SpaceX。

很多人会疑惑，为什么微软依然排在最前面？因为AI真正改变的不是聊天，而是企业生产方式。微软拥有Azure、Windows、Office、GitHub以及全球最庞大的企业客户群，它控制的是整个企业数字世界的入口。未来，无论企业最终使用的是OpenAI、Anthropic还是其他模型，AI最终都要进入Office、Teams、Windows和企业工作流。真正赚钱的，不一定是制造发动机的人，而是拥有高速公路的人。Google和亚马逊也是同样的逻辑。Google拥有搜索、Android、Chrome、YouTube和Cloud，亚马逊拥有AWS以及全球最大的云计算基础设施。未来模型可以不断更换，但企业不会轻易迁移自己的数据、系统和业务流程，因此平台型公司的护城河，远比模型本身更加坚固。

第二类公司，是AI时代的基础设施提供者。很多人认为英伟达已经进入成熟期，我反而认为，它只是结束了训练时代，正在进入更大的推理时代。今天AI主要消耗算力训练模型，而未来真正爆发的，将是Agent、机器人、自动驾驶、工业AI、医疗AI等海量推理需求。即便未来微软、Google、亚马逊都拥有自己的AI芯片，英伟达的市场份��可能下降，但整个AI市场本身会扩大数十倍。真正决定企业价值的，从来不是市场份额，而是市场规模。当整个产业从几千亿美元成长到数万亿美元时，即使只占其中一部分，依然足以支撑全球顶级市值。

第三类公司，则是很多人今天仍然低估的——现实世界AI。Tesla真正竞争的对象，从来不是传统汽车公司，而是未来的机器人产业。Robotaxi如果实现规模化，一辆汽车将不再是一件消费品，而是一台持续创造现金流的智能终端；Optimus如果进入工厂、物流、医院、养老和家庭，它面对的将不是一年几千万辆汽车市场，而是未来数十亿台机器人的巨大空间。与此同时，Tesla的能源业务也可能成为AI时代不可或缺的一部分，因为数据中心、机器人和智能制造最终都需要电力和储能。真正决定Tesla未来价值的，不是今年卖了多少辆车，而是它能否成为现实世界最大的AI执行平台。

相比Tesla，我甚至认为SpaceX拥有更大的长期想象空间。很多人仍然把它理解为一家火箭公司，但火箭只是运输工具，真正有价值的是它正在建设的全球基础设施。Starlink已经开始重构全球互联网连接方式，而未来自动驾驶汽车、机器人、无人机、远程工业设备甚至军事系统，都需要低延迟、高覆盖的全球通信网络。再往后看，如果太空运输成本继续下降，轨道计算、轨道制造、空间能源乃至更广泛的太空经济，都可能成为新的产业。互联网时代，美国掌握了云计算；AI时代，美国可能掌握的是天空。SpaceX最大的优势，不是技术领先几年，而是它正在构建别人几乎无法复制的基础设施。

很多人看到这里，可能会问：为什么没有OpenAI？为什么Anthropic没有进入前七？答案并不是它们不优秀，而是我认为它们未来更像AI时代的“发动机”，而不是整个产业的“操作系统”。发动机可以不断升级，也可能不断更换；但平台、终端、基础设施和现实世界入口，一旦建立起来，就会形成极强的网络效应。历史上，无论是PC时代、互联网时代还是移动互联网时代，真正成为全球市值最高公司的，几乎都是生态型企业，而不是单一技术领先者。我认为，AI时代依然不会改变这一规律。

因此，我越来越相信，未来十年的竞争，不会是OpenAI与Anthropic之间的竞争，也不会只是模型排行榜的竞争，而是四种力量之间的竞争：AI平台、AI基础设施、AI终端和物理世界AI。 微软、Google、亚马逊控制平台，英伟达提供算力，苹果控制终端，Tesla和SpaceX负责把AI带入现实世界。这七家公司覆盖了AI产业链中最难替代的战略节点，也拥有持续吸收最新AI成果的能力。模型会不断更新，但这些公司的生态会不断变厚。

所以，如果2035年回头看今天，我认为全球科技产业最大的变化，不是谁拥有了最聪明的大模型，而是谁率先完成了AI生态的闭环。未来真正决定全球市值前十的，不会是某一个模型突破，而是哪些公司能够同时掌握平台、基础设施、终端和现实世界。真正的赢家，不一定拥有最强的AI，但一定拥有最完整的AI世界。

[睁眼看世界 @openeyestake]

利率没变，为什么市场更害怕了？

很多人都觉得奇怪，美联储这次并没有加息，为什么全球市场反而更加紧张？AI板块承压，美债收益率继续走高，科技股明显震荡，市场的恐慌情绪甚至比很多真正加息的时候还要浓。如果仍然用过去二十年的思维去理解这一轮市场，很容易得出错误的结论。因为这次真��发生变化的，并不是美联储的政策利率，而是全球资本市场开始重新给资本定价。过去，我们总认为是央行决定金融环境；��现在，真正收紧金融环境的，可能已经不是央行，而是市场本身。

过去二十多年，全球投资者形成了一套几乎不会怀疑的逻辑：美联储决定利率，利率决定资金成本，资金成本决定资产价格。因此，每一次暂停加息，市场都会理解为利好；每一次降息预期升温，成长股都会率先上涨。这套逻辑长期有效，是因为美联储几乎就是全球资本价格的锚。但这一次，即使联邦基金利率维持不变，10年期和30年期美国国债收益率却持续上升，30年期收益率重新站上5%。真正需要融资的企业不会按照隔夜利率借钱，它们建设AI数据中心、修建电站、扩建工厂，参考的是十年、二十年甚至三十年的长期资金成本。当长期利率不断上升时，整个社会的融资成本实际上已经提高了。换句话说，这一次真正完成“加息”的，并不是美联储，而是债券市场自己。

更值得关注的是，这种变化不是偶然波动，而是全球资本定价机制正在发生变化。长期利率并不仅仅反映今天的政策利率，它同时包含真实利率、未来通胀预期以及期限溢价。过去十几年，在量化宽松政策下，美联储持续购买长期国债，人为压低了期限溢价，让资本进入了一个���其便宜的时代。今天随着量化宽松退出、持续缩表，美国财政赤字不断扩大，国债发行规模越来越高，投资者开始重新要求更高的风险补偿。因此，与其说今天资本变贵了，不如说资本价格正在恢复正常。真正结束的，不是一次加息周期，而是过去十多年那个”便宜的钱”时代。很多人仍然盯着美联储的一举一动，却忽略了一个更重要的现实：债券市场正在重新掌握资本价格的话语权。

这一变化为什么首先冲击AI？因为AI本质上不是一场技术竞赛，而是一场资本竞赛。建设GPU集群需要数百亿美元，建设数据中心需要持续采购芯片，建设电网、光纤和能源基础设施更是以十年甚至几十年为周期。AI行业最大的特点，就是今天投入巨额资金，希望很多年以后才获得回报，因此它天然就是资本市场中“久期最长”的资产之一。当长期融资成本从3%提高到5%，未来现金流的折现率随之提高，大量原本可以赚钱的项目可能瞬间失去投资价值。所以，近期AI板块的调整，并不意味着AI革命结束了，而意味着资本开始变得稀缺。过去决定AI竞争力的是谁拥有更多GPU，未来更重要的问题可能是谁能够以更低成本、更长周期获得资金。

如果把视角再放大一步，就会发现这不仅仅是美国的问题，而是全球经济进入了一个新的阶段。AI革命需要数万亿美元投资，能源转型需要建设新的电网和发电体系，制造业回流需要重建工厂，而各国政府又因为财政赤字不断增加国债发行规模。过去是资金追着项目跑，今天却变成了项目同时争夺长期资本。当所有国家、所有产业都在竞争同一池长期资金时，资本自然会重新变得昂贵。这也是为什么不仅美国，日本、德国等主要经济体的长期国债收益率都在同步走高。真正稀缺的资源，已经不只是芯片、算力或者人才，而是能够长期、稳定、低成本获得资本的能力。

因此，我认为，这次真正值得关注的，并不是美联储维持利率不变，而是全球资本市场正在进入一个新的时代。过去十五年，投资者相信“Don’t fight the Fed（不要和美联储作对）”，因为央行决定资本价格；未来十年，这句话或许应该改成“Don’t fight the Bond Market（不要和债券市场作对）”，因为越来越多的时候，决定资本价格的不再是政策利率，而是市场对于长期风险的重新定价。过去全球经济最重要的资源是廉价劳动力，过去十年最重要的资源是数据，而未来十年，最重要的资源，很可能重新变成资本本身。谁能够持续、稳定、低成本地获得长期资本，谁就更有机会赢得下一轮AI竞争，也更有可能成为新时代真正的赢家。

[睁眼看世界 @openeyestake]

特斯拉考虑出售中国业务，一个时代已经开始改变了

最近，《华尔街日报》报道称，特斯拉正考虑出售或分拆中国业务，为未来与SpaceX潜在合并铺平道路。消息出来之后，很多人的第一反应是：“马斯克不看好中国了”“特斯拉准备撤离中国”。但如果只停留在这个层面，就低估了这件事真正的意义。即使最终这项交易没有发生，这篇报道本身也透露出一个非常重要的信号：全球最重要的科技企业，已经开始按照地缘政治，而不是单纯按照商业效率，重新设计自己的组织结构。

过去三十多年，全球化的底层逻辑非常简单。企业把研发放在技术最先进的地方，把制造放在成本最低的地方，把销售放在市场最大的地方，然后依靠全球供应链实现效率最大化。���那个时代，政治风险虽然存在，但更多只是企业需要���理的变量，而不是决定企业战略方向的核心因素。然而今天，这个逻辑正在发生根本性的变化。对于越来越多的大型科技企业而言，首先考虑的问题已经不再是“哪里成本最低”，而是“如果国际局势突然发生重大变化，公司还能不能继续正常运转”。

很多人把报道中的一句话放大解读——为2026或2027可能发生的台海冲突做准备。但我认为，这并不意味着马斯克或者美国政府认为战争一定会发生。任何大型跨国企业都会进行极端情景推演，就像保险公司会计算百年一遇的洪水，银行会进行金融危机压力测试一样。真正值得关注的，并不是战争预测本身，而是台海风险已经第一次如此正式地进入世界顶级科技企业的战略规划之中。对于企业来说，只要风险足够大，即使发生概率不高，也必须提前几年做好准备。

真正推动这一切的，其实不是特斯拉，而是SpaceX。���天的SpaceX已经越来越不像一家普通商业航天公司，而更像美国国家安全体系的重要组成部分。从国家安全卫星发射、导弹预警，到Starlink在乌克兰等地区提供通信服务，再到越来越多的国防合同，SpaceX与美国政府之间的联系正在不断加深。在这种情况下，如果未来SpaceX与特斯拉进一步整合，而特斯拉又在中国拥有庞大的制造体系、供应链、员工网络以及大量资产，那么无论美国还是中国，都必然会提出越来越严格的监管要求。因此，如果报道属实，那么出售中国业务并不是因为中国市场没有价值，恰恰相反，而是因为中国业务太重要、太庞大，已经成为整个集团必须单独处理的一部分。

很多人会把这件事情理解为中美脱钩，但我认为，这个词已经越来越不能准确描述今天发生的变化。真正出现的，不是彻底脱钩，而是模块化全球化。过去，一家公司只有一套全球系统；未来，一家公司可能拥有美国系统、中国系统、欧洲系统，各自拥有独立的数据中心、供应链、研发体系、财务体系甚至管理权限。当不同地区出现风险时，这些系统之间能够迅速切断联系，保证整个集团不会因为一个区域的问题而受到致命冲击。从商业角度来看，这种模式效率一定比过去更低，成本也更高，但它却拥有更强的抗风险能力，而这种能力正在成为新的竞争优势。

事实上，这种趋势早已开始。苹果正在推动供应链向印度和越南扩张，英伟达不断调整产品以适应出口管制，微软、谷歌、亚马逊也都在加强数据本地化和区域运营。不同公司的路径虽然不同，但底层逻辑却完全一致，那就是安全开始超过效率，韧性开始超过成本。如果说过去全球化追求的是最低成本，那么今天的新全球化追求的是最低风险；如果说过去企业追求的是一条效率最高的供应链，那么未来企业更愿意拥有几条彼此独立、互为备份的供应链，即使成本更高，也要保证任何一条断裂时，公司仍然能够继续运行。

因此，在我看来，《华尔街日报》这篇报道真正值得关注的，并不是特斯拉最后会不会出售中国业务，因为这件事仍然存在很大的不确定性，监管、估值以及双方政府态度都会影响最终结果。真正值得关注的是，它揭示了一个比特斯拉更大的时代变化：跨国科技公司的组织结构，正在从全球一体化转向地缘政治模块化。未来决定一家企业竞争力的，不仅是技术领先，不仅是产品优秀，也不仅是市场规模，而是它能否在不同政治体系之间建立足够清晰的边界，同时又维持全球运营效率。当企业开始围绕国家安全重新设计自己的组织架构时，我们看到的就已经不再是一家公司的商业选择，而是全球化正在进入一个全新的阶段。

[包叔 @baoshu88]

特斯拉考虑出售中国业务，为与SpaceX的潜在合作铺平道路

[睁眼看世界 @openeyestake]

同样烧钱做AI，为什么微软赢了？

微软和Meta几乎在同一时间交出了最新财报，两家公司也都交出了一份相似的成绩单：继续大幅增加AI资本开支、继续建设超级数据中心、继续采购全球最先进的GPU，并且都明确表示未来几年仍将保持高强度投入。然而，资本市场却给出了完全不同的反馈。微软股价大涨，市值单日增加数千亿美元，而Meta却因为自由现金流承压和资本支出继续扩大，引发投资者担忧。这看似只是两份财报引发的市场波动，但如果把视角放大，就会发现，真正发生变化的并不是微软或者Meta，而是资本市场衡量AI公司的标准已经开始改变。

过去三年，AI行业几乎一直处于“投入竞赛”阶段。从ChatGPT横空出世开始，整个行业比拼的是谁拥有更多GPU、谁训练出更大的模型、谁能够建设更大的数据中心。那个阶段，市场相信的是���模效应，相信的是技术领先，相信只要率先建立模型优势，未来自然能够获得商业回报。因此，无论是微软、Meta、Google，还是OpenAI、Anthropic，资本几乎都愿意为巨额投入买单，因为大家都相信自己正在争夺下一代互联网的入口。

但任何产业的发展都会经历从技术竞争走向商业竞争的过程。互联网如此，移动互联网如此，云计算如此，AI同样如此。当基础模型逐渐成熟，当模型之间的能力差距不断缩小，资本市场最关心的问题自然会发生变化。今天，投资者已经不再满足于企业展示更大的模型参数、更长的上下文或者更快的推理速度，而是开始追问一个更加现实的问题：AI到底什么时候能够创造持续的利润？

微软之所以成为这次财报最大的赢家，并不是因为它拥有GPT，而是因为它已经建立起了一条清晰的商业闭环。Azure云计算因为AI需求持续增长，越来越多企业为了部署AI应用购买更多云资源；Copilot被全面整合进Office、Windows、Teams、GitHub等产品之后，AI开始直接推动企业订阅收入增长。对于微软来说，AI不是一个独立产品，而是一种能够提高所有产品价值的能力。Office原本就在收费，Windows本身就是生态入口，Azure原本就是企业云基础设施，AI只是让这些产品变得更有价值，也让客户愿意支付更高价格。资本市场真正看到的，并不是微软烧掉了多少钱，而是这些投入已经能够���成收入、利润和现金流之间的正向循环。

微软真正强大的地方，其实也不是模型能力，而是它拥有整个企业软件世界最完整的收费入口。几十年来建立起来的Office办公体系、Windows操作系统、Azure云平台、GitHub开发平台以及Teams协作平台，几乎覆盖了企业数字化办公的每一个环节。当AI成为新的生产工具时，微软不需要重新寻找客户，也不需要重新培养用户习惯，只需要把Copilot嵌入现有产品，就可以迅速完成商业化。对于一家企业来说，每个月几十美元的Copilot订阅费用，远远低于一名员工的人力成本，只要AI能够帮助员工提高哪怕几个百分点的工作效率，这笔投入就是值得的。因此，微软卖的从来不是AI本身，而是生产效率，而生产效率一直都是企业最愿意付费的东西。

相比之下，Meta面临的问题则复杂得多。扎克伯格同样坚定押注AI，甚至在资本开支上的激进��度并不逊色于微软。Llama已经成为全球影响力最大的开源模型之一，Meta AI的用户规模也在快速增长，技术实力几乎没有人怀疑。然而，资本市场真正担心的并不是Meta有没有领先的模型，而是这些���型究竟如何转化为利润。Meta最大的收入来源仍然是广告业务，而AI目前更多承担的是提高推荐效率、增强用户体验以及扩大开发者生态的角色。Llama坚持开源，Meta AI大量能力免费开放，这帮助Meta建立了技术影响力，却也意味着短期内很难形成像微软Copilot那样稳定的订阅收入。当用户越来越多，推理成本越来越高，而收入增长速度却无法同步提升时，市场自然会开始重新评估它未来几年的投资回报率。

Meta今天真正需要解决的，不是模型，而是商业模式。AI只是放大了微软过去二十多年建立起来的企业软件生态，而Meta却要重新寻找一种能够匹配AI时代的新盈利方式。一个是在成熟商业体系上增加AI，一个是在成熟AI技术上寻找商业体系，两者虽然都叫AI战略，但本质完全不同。

事实上，这次财报最大的意义，并不是微软赢了Meta，而是整个AI产业已经进入了新的阶���。过去几年，AI竞争的是技术能力，是模型参数，是算力规模；未来几年，竞争的���心将越来越多地转向商业化能力、产品整合能力以及现金流创造能力。资本市场不会永远为技术故事买单，也不会永远为巨额投入支付溢价。当AI逐渐成为一种基础能力之后，真正决定一家企业价值的，将是谁能够最快建立商业闭环，谁能够把模型嵌入产品，把产品变成收入，再把收入转化为持续增长的现金流。

这也是我认为很多人忽略的一点。微软股价上涨，并不意味着资本市场更加看好微软的AI技术；Meta股价承压，也不意味着市场否定了Meta的AI能力。资本真正表达的是另一层意思：AI的价值，不再由模型决定，而开始由商业模式决定。 技术领先可以建立短期优势，但只有商业闭环才能建立长期壁垒。

[睁眼看世界 @openeyestake]

这轮美股暴跌，真正该反思的，不是AI，而是我们理解市场的方式

这轮美股调整，让很多投资者措手不及，有人把原因归结为特朗普政策，有人认为是美联储降息预期变化，也有人���为AI泡沫开始破裂。但如果把这些因素放在一起看，你会发现，它们都只是表象。这轮下跌真正暴露出来的，是资本市场最底层的一条规律：���价反映的从来不是现实，而是预期。

过去两年，AI无疑是全球资本市场最确定的主线。从英伟达到AMD，从台积电到美光，从HBM到光模块，再到整个算力产业链，几乎所有与AI相关的公司都经历了一轮估值重塑。市场愿意给予它们远高于历史平均水平的估值，并不是因为今天赚了多少钱，而是因为投资者相信它们未来会赚更多的钱。

但问题在于，当所有人都相信同一个故事的时候，这个故事往往已经被写进了股价。

很多投资者一直有一个误区：只要公司基本面优秀，股价就一定会上涨。事实上，资本市场远没有这么简单。一家公司即使利润持续增长，只要增长速度低于市场预期，股价依然可能大跌。历史上，微软、思科、亚马逊都曾经历过这样的阶段。企业没有变差，甚至越来越优秀，但估值却经历了漫长的压缩周期。

这也是为什么，这轮AI板块下跌，并���意味着AI产业出了问题，而是市场开始重新计算：未来几年这些公司的盈利，到底值多少钱。

真正发生变化的，不是产业逻辑，而是定价逻辑。

相比估值调整，我认为更值得普通投资者警惕的是杠杆。牛市里，杠杆像放大器，收益会让人产生一种错觉——赚钱变得很容易。但到了震荡和下跌阶段，杠杆却会迅速变成绞肉机。尤其是两倍、三倍杠杆ETF，由于每日都会重新计算净值，在剧烈波动中会不断产生所谓的“波动损耗”。即便指数最终回到原来的位置，杠杆产品也可能因为一路上的反复震荡，再也回不到高点。

因此，很多人并不是判断错了方向，而是死在了到达终点之前。

另外，还有一个现象值得关注：大多数投资者都会止损，却很少有人真正学会止盈。

上涨的时候，总觉得还能涨；赚钱的时候，总觉得还能赚更多。于是，本来已经实现翻倍的收益，最终随着市场回调逐渐回吐，甚至由盈转亏。很多人认为止盈意味着错过未来，其实真正成熟的交易，不是卖在最高点，而是让盈利真正落袋为安。

市场里有一句老话：“会买的是徒弟，会卖的才是师傅。”这句话放在今天依然适用。

不过，我并不完全认同一种观点——“AI主线没有任何变化，所以回到前高只是时间问题。”

产业的发展趋势，和股票的上涨趋势，并不是同一件事。

互联网改变了世界，但2000年互联网泡沫中的大量公司，再也没有回到历史高点；新能源依旧高速发展，但许多2021年的明星企业至今仍远低于巅峰价格。

产业可以持续成长，但产业里的赢家会不断更替。

未来真正赚钱的，未必还是今天最热门的公司。GPU会不会继续一家独大？HBM是不是还能保持供不应求？AI应用会不会比基础设施创造更大的价值？Agent、机器人、AI终端、能源基础设施，会不会成为下一轮资金的新方向？这些问题，现在没有人能给出确定答案。

因此，比起相信“AI一定会回来”，我更愿意相信另一句话：AI一定会继续发展，但资本永远会重新寻找新的赢家。

这轮调整给投资者最大的启示，不是如何抄底，也不是如何逃顶，而是重新理解市场。

资本市场从来不是奖励正确的人，而是奖励那些能够持续修正自己预期的人。真正优秀的投资者，研究的不只是公司的财报，更是市场已经相信了什么、还没有相信什么，以及未来哪些预期可能发生变化。

很多人以为投资是在研究企业，其实更高阶的投资，是研究预期差。

而我认为，这或许才是这轮美股下跌留给所有投资者最重要的一课：决定股价的，不是现实本身，而是现实与预期之间的差距。未来几年，AI仍然会深刻改变世界，但市场的主旋律，很可能不再是“所有AI资产一起上涨”，而是估值不断出清、资金持续轮动、赢家反复更替。真正的机会，也许并不在于押注一个永远正确的故事，而在于始终保持对市场预期变化的敏感。

[睁眼看世界 @openeyestake]

@LmhdbAi 这太操蛋了呀🤯

[睁眼看世界 @openeyestake]

我们为什么一直找不到外星人？真正值得担心的，不是宇宙太大，而是文明可能都活得太��

最近，伊朗谢里夫��工大学两位物理学家发表在《皇家天文学月刊》上的一篇论文引发了不少讨论。他们利用费米悖论建立数学模型后提出了一个大胆的推测：银河系中技术文明的平均寿命，可能只有一万年左右。很多人的注意力都停留在“一万年”这个数字上，认为这是科学家对文明寿命作出的预测。但事实上，这并不是论文真正想表达的重点。一万年只是模型推导出来的一个约束条件，而不是自然规律。真正值得思考的是另一个问题：如果银河系在过去上百亿年的时间里真的诞生过大量文明，它们为什么没有留下任何明显的痕迹？

这也是费米悖论几十年来始终没有解决的核心问题。银河系拥有上千亿颗恒星，按照目前天文学对系外行星的统计，拥有岩石行星和宜居带的恒星并不罕见。只要生命诞生不是概率无限接近于零，那么过去一百多亿年里，银河系理论上就应该出现过大��智慧文明。哪怕只有极少数文明发展到能够进行星际扩张，它们也完全有时间在几百万年甚至几千万年内留下各种工程痕迹，例如异常的红外辐射、巨型能源结构、人工改造行星或者持续不断的通信信号。然而直到今天，我们看到的银河系依旧安静得近乎诡异。这也是为什么越来越多研究者开始把注意力从“空间距离”转向“时间尺度”。

过去我们一直认为，人类找不到外星文明，是因为银河系太大，彼此相隔数千甚至数万光年。但真正的问题，也许不是距离，而是时间。假设一个文明诞生于一百万年前，仅仅存在八千年便灭亡；另一个文明在五百万年后出现，同样只存在几千年；而人类文明直到今天才进入科技时代。那么即使这些文明距离太阳系只有几百光年，它们也永远不会与我们相遇。换句话说，银河系可能一直都有文明存在，只不过它们从来没有出现在同一个时代。它们像夜空中的烟花，各自绽放，又迅速熄灭，没有任何两束光真正照亮彼此。

当然，这篇论文���不能证明文明寿命真的只有一万年，因为它建立在大量未知参数之上。目前人类唯一确定存在生命的星球只有地球，我们甚至不知道生命出现究竟是普遍现象还是极端偶然，更不知道智慧生命出现的概率究竟是多少。因此，论文更准确的意义，不是在告诉我们“一万年就是答案”，而是在提醒我们：如果生命并不稀少，而宇宙又如此安静，那么文明自身很可能存在某种共同的限制因素，使绝大多数文明都无法长期延续。

很多人认为，这个限制因素就是核战争、生物技术或者人工智能。我认为，这些都只是表面现象。真正的大过滤器，从来不是某一种具体技术，而是一个文明能否让自己的治理能力、伦理体系和合作能力跟上技术发展的速度。过去几百万年，人类技术几乎停滞不前；过去三百年，工业革命让文明进入高速增长；而最近几十年，人工智能、生物工程���自动化又把这种增长推向指数级。技术越来越强大，一个国家、一个组织甚至一个人能够造成的影响也越来越大，但人类社会协调冲突、建立规则和��制风险的能力，并没有同步增长。当技术进步速度持续超过制度成熟速度时，文明就会进入最危险的时期。

因此，我反而比论文更加乐观。我并不认为宇宙规定了文明只能活一万年，而更愿意把这一万年理解为一次资格考试。如果一个文明能够跨越科技爆炸阶段最危险的几百年甚至几千年，成功解决战争、资源、人工智能以及全球治理等问题，那么它未来面对的困难，很可能就不再是文明能否存活，而只是工程技术问题。从这个角度看，真正决定文明命运的，不是能不能制造更先进的机器，而是能不能建立足够成熟的文明。

也许宇宙并不缺少生命，也并不缺少文明，真正稀缺的是那些能够活得足够久的文明。对于今天的人类而言，费米悖论最大的意义，不是提醒我们外星人在哪里，而是提醒我们：人类第一次拥有了足以改变地球、改变生命乃至改变智能本身���能力，而未来真正决定我们能否走向星际的，不会是火箭飞得多快，而是文明成长得够不够快。如果有一天，我们真的收到来自银河系另一端的一段信号，它证明的不仅是外星人的存在，更证明至少有一个文明，成功跨越了所有技术文明都必须面对的那道��槛。

[睁眼看世界 @openeyestake]

AI真正的决战，��是开源与闭源，而是谁定义未来的规则

最近，David Sacks在X上发了一条引发巨大争议的帖子。他认为，除了Anthropic之外，几乎整个美国科技行业都已经站到了开放AI的一边，而Anthropic仍然在不断推动更严格的限制。按照他的说法，未来关于AI的讨论会逐渐从“没人想禁止开源”，变成“只是限制谁可以使用”“只是限制谁可以贡献”“只是限制模型能力”“只是保证安全护栏不能被移除”，最终结果仍然会是开放生态不断被削弱。

很多人把这件事理解成一次普通的口水战，或者简单归结为“开源派”和“闭源派”的冲突。但如果把时间拉长一点，就会发现，这实际上标志着AI产业竞争已经进入了一个全新的阶段。今天真正发生变化的，不是某一家公司改变了立场，而是整个行业竞争的焦点已经从模型能力，转向了生态和规则。

过去三年，AI行业竞争的是模型本���。大家比拼的是参数规模、推理能力、排行榜成绩，以及谁率先实现新的技术���破。那个时候，模型就是产品，能力越强，竞争优势越明显。但进入2026年之后，这种逻辑已经开始发生变化。随着各家公司之间的能力差距不断缩小，真正拉开距离的，不再是模型本身，而是谁能够吸引更多开发者、更多企业和更多应用围绕自己的模型建立生态。

这也是为什么过去一年，我们看到越来越多的大模型选择开放权重。从Meta的Llama，到法国的Mistral，再到中国的DeepSeek、Kimi等模型，开放权重已经逐渐成为行业发展的重要方向。甚至连过去长期坚持闭源路线的OpenAI，最近在公开政策讨论中也开始支持避免对开放权重模型进行过早限制。这说明，越来越多的公司已经意识到，在AI时代，仅仅拥有一个优秀模型已经不足以建立长期优势，真正重要的是让尽可能多的人围绕自己的技术路线开发应用，从而形成网络效应。

如果回顾互联网的发展历史，这种变��其实并不陌生。Windows最终建立霸主地位，并不仅仅因为它是最好的操作系统，而是因为它拥有最完整的软件生态；Android能够迅速占领全球，也不是因为Google生产了最好的手机，而是因为开放生态吸引了几乎所有硬件厂商和开发者；Linux虽然商业收入有限，却成为整个云计算时代最重要的底层基础设施，同样依靠的是开放所形成的巨大生态优势。今天的大模型，正在重复类似的发展路径。

当然，Anthropic坚持谨慎路线，也并非毫无道理。Dario Amodei这些年一直强调，未来真正危险的不是今天的大模型，而是未来能力继续提升之后可能带来的系统性风险。例如，高能力模型可能帮助网络攻击自动化，降低生物技术滥用门槛，或者被用于大规模诈骗和信息操纵。在他的逻辑里，模型越强，开放就越应该谨慎。这种观点代表的是AI Safety阵营，也是当前欧美监管机构越来越重视的一条路线。

因此，我并不认同把Anthropic简单定义成“反开源”。事实上，它真正坚持的是另一套发展逻辑：能力越强，监管越应该提前介入，而不是等风险出现之后再去补救。从安全角度来看，这种观点具有一定合理性。毕竟，没有人能够真正预测未来能力更强的大模型会带来哪些新的风险。

真正值得关注的，并不是双方谁对谁错，而是他们对于未来世界的判断完全不同。开放派相信，创新来自开放竞争，只有让更多开发者参与，技术才能快速演进，生态才能不断壮大；而安全派则认为，AI未来可能成为一种类似核技术的关键能力，如果过早完全开放，可能带来的社会成本远远超过创新收益。双方争论的核心，并不是技术，而是治理哲学。

站在今天来看，我更关心的是另一个信号。过去几年，美国AI产业虽然竞争激烈，但在很多重大方向上始终保持着相对一致的态度。而现在，这种一致性已经开始瓦解。从开放权重，到安全监管，再到芯片出口、模型能力限制，美国科技行业第一次出现了如此明显的路线分裂。这意味着，AI竞争已经不只是企业之间的商业竞争，而开始演变成商业模式、产业标准、监管体系以及国家战略之间的全面竞争。

因此，David Sacks这条推文真正值得关注的地方，并不是他批评了Anthropic，也不是双方谁能够赢得舆论，而是它反映出一个越来越清晰的事实：AI产业正在从“模型竞争时代”进入“生态竞争时代”，并进一步迈向“规则竞争时代”。未来五年，真正决定全球AI格局的，很可能不是哪家公司率先发布下一代模型，而是谁能够建立最大的开发者生态、���成最广泛的产业联盟，并最终让自己的技术路线成为全球默认遵循的标准。

从这个角度来看，这场争论才刚刚开始，而真正决定胜负的，也许从来都不是模型本身，而是谁能够定义未来AI世界运行的规则。

[David Sacks @DavidSacks]

The entire tech industry (save for Anthropic) has come out in favor of open source AI.

So what happens next? Will Anthropic change its lobbying efforts? Not likely. Now the gaslighting begins:

“Nobody is trying to ban open source.”

“We just want to limit who can use it.”

“We just want to limit who can contribute to it.”

“We just want to limit how powerful those models can be.”

“We just want to make sure the guardrails (we lobbied for) can’t be removed.”

The net effect will be the same. They won’t stop until they kneecap open source. The rest of the industry needs to watch these guys like a hawk.

[睁眼看世界 @openeyestake]

@sama @deanwball Great leaders don’t just try to build the best company—they help build the strongest ecosystem. That’s how real leadership creates lasting impact.

[睁眼看世界 @openeyestake]

@cuichenghao 上半年还在抖音看到过她的直播，太突然了😱

[睁眼看世界 @openeyestake]

谷歌被罚背后，AI规则时代来了

很多人看到谷歌被欧盟罚了8.9亿欧元，第一反应都是：“谷歌又挨罚了。”但我觉得，真正值得关注的，不是这笔罚款，而是全球数字经济的规则，正在悄悄发生变化。

过去二十年，互联网竞争比的是谁拥有更多用户、更多流量；未来二十年，比的将是谁掌握入口。搜索引擎、应用商店、AI助手，都会成为新的“数字大门”。谁控制入口，谁就��影响用户看到什么、买什么，甚至相信什么。

欧盟这次处罚谷歌，看似是在反垄断，本质上却是在给AI时代提前立规矩。因为未来如果AI优先推荐自家的产品和服务，第三方企业可能连被用户看见的机会都没有。今天限制的是搜索排序，明天规范的可能就是AI推荐。

当然，谷歌也有自己的道理。把地图、酒店、购物直接整合进搜索，确实能让用户更方便、更高效。所以，这场争议并不是简单的“谁对谁错”，而是效率优先和公平优先两种理念之间的选择。

我认为，这件事最大的启示是：未来真正稀缺的，不再只是先进的AI模型，而是制定AI规则的能力。技术可以不断迭代，但规则一旦建立，往往会影响整个产业几十年的发展方向。

谷歌被罚8.9亿欧元，或许只是一个开始。未来，无论是谷歌、苹果、OpenAI，还是其他AI巨头，都将面对同一个问题：技术可以领��，但不能利用入口优势，把竞争变成“只有自己能赢”的游戏。

AI时代，真正的竞争，已经从“谁的技术更强”，走向“谁来定义规则”。这，才是最值得思考的地方。

[睁眼看世界 @openeyestake]

特朗普真正想改的是联合国的选人逻辑

很多人看到特朗普希望国际足联主席因凡蒂诺出任下一任联合国秘书长，第一反应都是：这也太离谱了吧，一个搞足球的怎么去领导联合国？

但如果只停留在这个层面，就有点看浅了。

在我看来，特朗普真正想表达的，不是一定要让因凡蒂诺当秘书长，而是他正在挑战一套运行了几十年的国际组织选人标准。

过去，国际组织更看重外交资历、政治经验和程序规范；而特朗普更相信另一套逻辑——管理能力、执行效率和全球影响力。

���凡蒂诺为什么会进入他的视野？因为国际足联要协调211个会员协会，比联合国成员还多；世界杯能够把不同国家、不同文化的人连接在一起，这本身就是一种超强的全球组织能力。在特朗普眼里，这种能力，也许比一份漂亮的外交履历更重要。

当然，我并不认为管理世界杯，就一定能够管理联合国。战争、外交、核安全和人道主义危机，远比举办一场足球赛事复杂得多。

但这件事真正值得关注的是，全球治理的评价标准，可能正在发生变化。未来站在国际舞台中央的人，未必都来自外交系统，也可能来自科技、商业、金融，甚至体育领域。

因凡蒂诺能不能成为秘书长，我觉得反而没那么重要。真正重要的是，一个时代开始越来越相信“会管理的人”，而不仅仅是“有资历的人”。

这或许才是这条新闻背后，最值得思考的地方。