大家好，欢迎来到INDIGO 2026年的新年直播。这是我第三次新年直播，惯例我会回顾过去一年的内容和思考，主要聚焦于科技，尤其是AI领域。今天的直播主题是“万物皆计算”，我们将深入探讨如何进入算力时代，以及一切问题如何通过计算解决。我将分享2025年社交内容的一些个人总结和想法，形成结构，相当于给自己做模型压缩，提炼出经验。回顾这些碎片化的日常内容，能帮助我们发现新的结构，从而升级认知。今天我也会分享一些个人方法论。

目前我在温哥华，现在是晚上7点05分，北京时间是周日中午11点05分。通常我们会等待10分钟左右，让更多朋友加入。过去一年，AI的发展速度之快，让人感觉“AI一日，人间一年”。如果不回头看，很难感知到这种加速度。我们可能身处快车道而不自知，每天依然是上班、吃喝拉撒。因此，我准备了一些图表，直观展示AI的进步速度。很多人可能对此没有具体感受，因为我们对智能的需求在日常工作中并没有那么高，但AI模型的智能进化速度远超我们的感知。这导致了个人市场和企业市场之间的巨大鸿沟。

AI：时代变革的深海洋流

在2025年1月，我曾分享法国历史学家费尔南·布罗代尔（Fernand Braudel: 提出长时段、中时段、短时段历史理论）的三层理论：事件只是历史海洋表面的泡沫，真正决定方向的是洋流。2025年，我谈到“力量、潮流和个体”。今年我继续以此作为开场，因为它决定了我们的思考方法。我们都是深层结构的囚徒。世界整体的变化，是被底层因素所牵引的。布罗代尔的时代可能未曾预见科技对世界的影响，他认为深层结构是地缘。这在当时是正确的，我们现在的政治版图和历史结构都由地缘决定，地理是控制人类发展最缓慢的因素。在此之上，才有缓慢的变化，形成地理、气候、人口等结构优先级，再往上是制度和事件。他的视角强调结构优先性和变化的缓慢性。

在我看来，我们这个时代，科技最大的变化，深海的洋流，就是AI（Artificial Intelligence: 人工智能）。AI即将或正在带来的技术变革，正以洋流之势牵引着人类社会从政治到经济、生产的一切方面，甚至改变大陆板块。AI是驱动所有变化的时代驱动力。

我绘制了一张图来阐释AI的驱动力：

• 2025年：AI推动了基建。特别是OpenAI（OpenAI: 领先的AI研究与部署公司）获得“星际之门”项目后，各大公司固定资产投入巨大，主要集中在算力中心。这甚至将美国第四季度GDP拉升至4.5%，是几十年来的首次突破4%。
• 基建：又拉动了电力和金属需求。2025年，金、银、铜价格飙升，尤其是银和铜。
• 电力驱动：主要来自天然气和核能。
• 国家战略：由电力和金属需求最终转化为国家战略。2025年11月，美国发布了国家战略计划（National Strategic Plan: 旨在整合美国科研数据并推动AI发展），旨在汇总所有科研机构数据，由能源部门统一推动，形成新的蓝图，类似于当年的曼哈顿计划（Manhattan Project: 二战期间美国研发原子弹的秘密计划），但这次是为了AI。

AI智能的锯齿状进化与市场格局

我们正处于锯齿状智能（Sawtooth Intelligence: AI在某些领域远超人类，但在其他领域表现笨拙）阶段。在可验证的领域，AI突然变得非常聪明，甚至超越人类，但在日常任务上，它可能像弱智一样。2023年之前，AI可能只是个玩具；2023年至2024年，AI能帮我们完成简单任务，如问诊或邮件回复。2025年，由于推理能力（Reasoning Capability: AI进行逻辑思考和问题解决的能力）的提升，AI变得更好用。它像锯齿一样，在数学竞赛中能拿金牌，却可能数不清简单的物品。

我们可能在2027年到2028年进入可靠智能（Reliable Intelligence: AI仅在少数因素上失败，绝大部分任务都能成功）时代。届时，许多工作的意义将发生变化。萨姆·奥特曼（Sam Altman: OpenAI CEO）曾提出“锯齿状的半成熟智能”，它已足够强大，能将创造力交到每个人手中。虽然有时显得笨拙，但善用它的人能发挥巨大价值。

回顾2025年，我个人认为最重要的变化是推理智能的普及，所有模型都能进行推理。中国开源模型在2025年1月横空出世，震惊世界，但闭源模型发展更快。2025年也是智能体（AI Agent: 能够自主感知环境、决策并执行任务的AI系统）元年，虽然Anthropic（Anthropic: 领先的AI安全研究公司）的Claude（Claude: Anthropic开发的大型语言模型）和xAI（xAI: 伊隆·马斯克创立的AI公司）的Grok（Grok: xAI开发的大型语言模型）市场份额快速增长。

最大的变化是OpenAI在2025年失去了领先地位，其市场份额受到挑战。2025年是Gemini（Gemini: Google开发的多模态大型语言模型）元年，Google（Google: 全球领先的科技公司）的觉醒。我从2023年就开始推荐Google，认为如果它能以Gemini为基座革新整个公司，前途无量。2025年我们看到了这一变化。此外，Web Coding和Claude Code成为2025年的两大支柱，改变了整个行业。多模态AI也在2025年取得显著进展。

根据Similarweb（Similarweb: 全球网站流量监测公司）2026年1月发布的数据，ChatGPT（ChatGPT: OpenAI开发的对话式AI模型）的使用量呈阶梯状下降，而Gemini呈阶梯状上升，市场占有率已超过20%，对OpenAI构成巨大挑战。Claude的市场份额也快速增长，逼近3%。Anthropic在API市场直接挑战OpenAI，上升到2%，而OpenAI的市场份额跌破65%。目前，主要玩家仍是大型模型公司，其他应用的市场份额非常小。

Epoch（Epoch: 专注于算力评估的公司）的数据显示，最先进的模型每年性能提升0.6个单位，意味着每年只需六分之一的算力就能达到过去相同的能力。训练相同模型所需算力以六倍速度下降。每三个月，模型的速度和性能就会提升一倍，呈指数级增长。如果AI能实现完全自动化研究和改进，就能实现递归的自我提升。我们有时难以感知这种提升，因为我们可能无法提出足够好的问题来测试其智商。

OpenAI预测其2025年收入达到130亿美元，并预计到2030年每年翻倍。其主要收入来自前端订阅，API收入不到订阅的一半。但Anthropic的API收入已接近OpenAI，预计今年将超越。虽然AI烧钱，但模型公司有巨大的收入规模，与互联网泡沫时期无收入的公司不同。现在，Google、Microsoft（Microsoft: 跨国科技公司）、Amazon（Amazon: 跨国科技和电商公司）和Meta（Meta: Facebook母公司）等巨头用自身利润投资AI，而非融资，这使得当前的泡沫更加顽强。

数据中心与算力竞赛：迈向吉瓦时代

2018年，仓库投资超过零售店，电商在全球兴起。2025年，数据中心投资即将超过写字楼。这表明互联网发展中电商超越零售业是一个交叉点，而数据中心即将超越商业地产，预示着一个新周期的开始。

根据Claude Code绘制的2026年1月人工智能数据中心排行榜，Google以500兆瓦的功率遥遥领先，其数据中心具有多数据中心协同的特点。Google的Gemini模型与数据中心同步进化，未来将连接全球数据中心，形成一个巨大的计算网络（Compute Network: 将全球数据中心互联，协同工作）。Google还拥有TPU（Tensor Processing Unit: Google自研的AI专用芯片），不依赖英伟达（NVIDIA: 全球领先的GPU制造商）芯片，仅需台积电（TSMC: 全球最大的专业集成电路制造服务公司）生产。因此，Google在数据中心业务增长方面具有巨大潜力。

目前芯片战争分为两派：

• 英伟达系：Microsoft、OpenAI和xAI采购英伟达芯片。
• 自研芯片系：Google拥有TPU，Amazon拥有Inferentia（Inferentia: Amazon自研的AI推理芯片）。Anthropic今年开始采购100万颗Google TPU自建数据中心。

所有数据中心正迈向吉瓦（Gigawatt: 功率单位，1吉瓦=1000兆瓦）时代。目前还没有一家达到1吉瓦，但伊隆·马斯克（Elon Musk: 特斯拉、SpaceX和xAI的CEO）的xAI已宣布其第二代数据中心即将启动，功率将超过1吉瓦。预计2026年到2027年，所有数据中心都将扩建到1吉瓦。数据中心主要分布在美国中部和东部，因为地形和能源（天然气、太阳能、核能）原因。AI数据中心主要用于计算，对网络传输速度要求不高。

xAI的数据中心预计在2026年6月达到1.4吉瓦，目前已达800兆瓦。伊隆·马斯克在建设数据中心的速度上领先，甚至嘲讽Microsoft，认为AI能做Microsoft能做的一切，预示着Microsoft地位在未来5到10年将受到严重挑战。

AI算力方面，智能提升速度是每三个月翻一倍，算力每年提升3.3倍。英伟达仍占据垄断地位，Google的TPU增长最快，并开始向第三方开放。英伟达的优势在于其GPU设计和作为整体算力提供商，提供数据中心蓝图，让第三方高效生产。光通讯（Optical Communication: 利用光波传输信息的通信方式）在数据中心中将大量使用。

数据中心对金属的需求巨大，尤其是铜，因为芯片和电力工程系统都需要铜。这解释了2025年铜价上涨的原因。此外，AI带来的机会和挑战不亚于原子时代，美国已将科学和安全绑定，通过国家战略计划汇总所有数据，用于AI模型训练。AI代理可以自动提出假设、模拟实验、优化流程，产出科研成果。AI在企业和科研领域的应用将产生最大的经济价值。

AI将驱动20个核心领域，包括人员裂变与巨变、算力基石（量子信息通信、半导体、微电子、光通讯）、物质基础（先进制造、关键材料）和解码生命（生物技术）。

康波周期与认知框架：理解结构性机遇

这张经典的康德拉季耶夫周期（Kondratiev Wave: 经济长波理论，约60年一个周期）图显示，每次工业革命都是一个60年的周期。我们现在正处于第六波人工智能（Artificial Intelligence: 模拟人类智能的科学与技术），从2020年GPT-3（GPT-3: OpenAI开发的大型语言模型）开启，预计到2070年。AI的长波展开可能比前五期更快，20-30年就能普及。

康波周期理论认为，技术突破期为5-15年。我们现在正处于2020年至2030年，核心突破可能在2030年前后，AI将进入自我进化。AI最大的障碍不是模型发展速度，而是社会接受速度。AI将以锯齿状颠覆不同行业，有的快，有的慢。整个社会消化AI需要很长时间，加上基础设施建设（2025年才刚开始，至少需要10-15年），社会消化期还需要更长时间。因此，AI的全面普及和基础设施建设可能需要到2035年或2040年。我们仍处于这个新人工智能时代的早期。

英国科学家戴维德·多伊奇（David Deutsch: 物理学家，著有《无穷的开始》）在《无穷的开始》中提出“问题不可避免，问题可以解决”的乐观者宣言。他认为所有问题本质上都是知识问题，只要不被物理定律限制，都能通过发现知识解决。伊隆·马斯克也坚信第一性原理（First Principles: 从最基本的假设出发进行思考和解决问题的方法），认为只要物理定律允许，一切皆可实现。

戴维德·多伊奇强调：

• 可解释性：现实是可以理解的，人类在不同时代对世界有不同解释。
• 不可预测性：知识是不可预测的，未来是开放的，无法从过去推导未来。
• 动态社会原则：只有容忍错误、鼓励批判的社会才能创造知识。
• 无不可解决的问题：只要物理定律允许，不存在无法解决的问题。

结合布罗代尔和戴维德·多伊奇的理论，我构建了一个新的认知框架（Cognitive Framework: 思考和决策的系统性结构），分为四层：

1. 零层（Z层）：世界的终极基座。物理定律是宇宙的永恒，不可逾越，除非发现新的物理定律。
2. 知识层（解释层）：文明认知的基础。我们用新知识解释世界。一旦物理定律被新知识解释，就成为永久资产，直到被更好的解释替代。时间尺度为数十年至数百年。
3. 制度层（结构层）：中期时段的变化。人口、能源、基础设施、政治制度和经济体系，周期约60年。知识的新解释会影响结构层变化。
4. 事件层：日常发生，大部分是噪音。按天、月、年发生，如战争、选举、产品发布、政策调整。偶尔会触发相变（Phase Transition: 系统从一种状态突然转变为另一种状态），直接改变制度或发现新解释。

AI时代加速了结构性变化的机会，增加了中间结构层出现机会的频率。AI能让知识层产生变化，帮助发现新知识，进而快速改变制度和结构。我们的核心任务是在事件层中识别信号（Signal: 具有实际意义和价值的信息）和噪音（Noise: 无意义或干扰性的信息），发现能改变结构或带来新解释的信号。这解释了为何要不断吸收学习新知识。

xAI和Google Gemini的目标都是理解宇宙，最终目的是发现新的物理定律，从而改变零层结构。如果发现全新物理理论，人类社会将迈上新台阶。我们现在正处于结构性机会频率增大的时代。未来是开放的，不由过去决定，知识可以改变一切。这符合有效加速主义（Effective Accelerationism: 相信科技能有效改变社会进程）的理念。

万物皆计算：AI的终极图景

戴维德·多伊奇认为，宇宙中不存在不可计算的事物，大脑和物理世界本质上都可用图灵机（Turing Machine: 理论计算模型，能模拟任何算法）模拟。大型语言模型是对人类大脑智能的模拟。他更大胆地假设，物理学基本单位可能不是能量和物质，而是信息（Information: 宇宙中最基本的构成单位）。宇宙底层是数学，由量子涌现和互动产生的波构成了我们所感知的世界。构建AI的终极目的，就是找到计算能力的极限，理解宇宙的极限。

P=NP问题（P vs NP Problem: 计算机科学中的一个未解难题，关于所有可验证的问题是否都能快速解决）若被证明，则意味着凡是可计算的都是容易计算的。自然界中的系统之所以可解，是因为它们并非随机产物，而是漫长演化塑造的。其中存在低维流形（Lower-Dimensional Manifold: 隐藏在高维复杂数据中的内在简单结构），即在无限复杂的可能性空间中找到的捷径。神经网络通过学习大量数据，捕捉到这种流形，极大压缩搜索空间，解决难题。这就像物理学通过公式总结自然界无限复杂性一样，AI则通过神经网络压缩数据流，例如AlphaFold（AlphaFold: DeepMind开发的蛋白质结构预测AI系统）从基因序列推导出蛋白质结构。

Google Gemini尝试用大量模型和科研数据寻找新的科学规律，以攻破科学难题。戴维德·多伊奇认为AI的最大作用是解决根节点问题（Root Node Problem: 基础科学中的核心难题），包括：

1. 能源与气候问题：实现核聚变（Fusion: 两个或多个原子核合并成一个更重的原子核并释放能量的过程）等。
2. 材料科学问题：发明超导（Superconductivity: 某些材料在低温下电阻为零的现象）、更好的电池等。
3. 量子计算问题：AI通过机器学习进行量子比特交错（Quantum Bit Interleaving: 量子计算中优化量子比特排列和交互的技术）。Google已与量子科研机构合作，提供AI驱动的量子交错服务。

一旦这些根节点问题被攻克，将为人类带来巨大的下游效益，基础科学难题将迎刃而解。我们正处于黎明前夕，未来两三年可能就会有突破。

AI应用：C端收窄，B端与科研加速

在AI应用层面，我个人不看好C端应用（Consumer-facing Application: 面向普通消费者的应用）的长期前景。AI行业应用的长期策略只有两条出路：要么被收购，要么在模型公司尚未成熟的领域跑得足够快，然后被收购。除非拥有强大的分发能力，或专注于模型公司不愿涉足的专业领域（如声音克隆，涉及版权问题）。

2025年全年，除了音视频生成，所有垂直应用市场都在下滑。模型本身的占比越来越高，除非有特别的应用数据，否则难以与模型公司竞争。Anthropic被收购是一个很好的案例。Gemini和Claude的暴涨表明用户正向通用应用集中，这比移动互联网时代更可怕。AI的聊天机器人（Chatbot: 模拟人类对话的AI程序）或终端模型公司的应用，可能成为所有公司的应用。

C端市场面临智商过剩（Intelligence Surplus: AI智能远超C端用户实际需求）的问题，其核心是上下文理解和情商，以及个人数据接入和全模态能力。Google和Meta在这方面最有优势，但Meta的模型相对较弱。拥有分发能力、个人数据接入能力和全模态能力的公司，将逐步吞噬C端市场。

B端市场（Business-facing Market: 面向企业客户的市场）则不同，企业愿意为高成功率的模型支付高价。Anthropic和Claude Code的核心是代码生成（Code Generation: AI自动生成代码的能力）和智能体。我认为Claude在这方面走了一条非常正确的道路，聚焦于此。OpenAI野心过大，导致战略不够聚焦，耗散了太多算力。OpenAI表示2026年将进军企业市场，必须从代码和智能体入手。

根据Gartner（Gartner: 全球领先的信息技术研究和顾问公司）2025年12月的数据，代码是AI的第一个杀手级应用，垄断了企业应用市场73亿美元的份额，占AI企业收入的90%。其他如营销自动化和客户服务也占有一定份额，但远不及代码。

2025年下半年，智能体开始成为主流方向。2026年的主题是自我进化系统（Self-Evolving System: 能够自主学习、改进和适应环境的AI系统）。当Claude Code和智能体足够强大，模型拥有持续学习（Continual Learning: AI模型在不断接收新数据时持续学习和适应的能力）架构后，即使不能整体自我进化，也能在小型环境中实现自我进化。

Claude Code最近发布的Cowork（Cowork: Claude Code开发的智能体，能自主完成复杂任务）是一个出色的智能体。其产品负责人表示，Cowork本身就是由Claude Code在两周内完成的，人工只提供需求和验证。这表明AI已能实现自身功能的开发。

最近一份报告提出了“去技能化”（Deskilling: AI接管任务后，人类工作所需技能水平下降）的概念。AI接管某些任务后，人类所需技能水平下降。例如，AI能完美撰写技术文档，人类只需排版；AI能规划旅行路线和报价，旅行社员工只需打票。Claude主要处理教育程度在14年以上的白领工作，尤其擅长大学生、研究生和博士生的工作。人类可能退化到为AI“搬砖”，处理物理执行层的工作，而高附加值的知识性工作则由AI完成。

新的瓶颈在于评估AI输出质量和整合AI结果的元技能（Meta-Skills: 评估、整合AI输出等高级技能）。会写提示词和做AI校验的人将更有价值。未来，人机协同（Human-AI Collaboration: 人类与AI共同完成任务的新范式）将是AI接管中间环节，人类定义问题和验证结果。

AI进入企业面临的最大障碍是社会结构和组织阻力。这需要5到15年才能解决。即使AI技术不再进步，社会消化现有模型也需要10年。人类社会在AI进步面前是严重的“拖后腿者”。

未来可能存在三种类型的公司：

1. AI超级个体公司：一个人提供完整的AI解决方案。
2. 原生AI供应商：如AI律所、AI会计事务所，由AI负责核心工作，人类只负责AI编程和提供服务。
3. AI顾问服务：帮助企业深入引入AI，实现内部进化，可能需要首席人工智能官（CAIO: Chief AI Officer: 负责企业AI战略和实施的高级管理人员）来推动组织架构改革、裁员和换血。

万物皆是计算机：科技战与未来竞争

ACC to Z最近一篇文章指出，现代科技已收敛到同一种形态：智能手机或电脑被无限翻转缩放，并应用到每个领域。任何与电器设备相关的领域，都可以用制造手机的方式重做一遍。这解释了中国深圳在电子设备制造上的强大优势，拥有巨大的产业链。

特斯拉（Tesla: 伊隆·马斯克创立的电动汽车公司）通过将电动汽车视为智能手机来制造，颠覆了传统汽车行业。他们先建工厂再造车，设计产品让每个零件都能定制化，形成垂直整合（Vertical Integration: 企业整合产业链上下游环节）的供应链。真正的垂直整合不是什么都自己做，而是随时有能力自己做。

未来十年的竞争，底层沙子（原材料）随处可见，顶层城堡（品牌和高端设计）美国领先，但中间层（将沙子炼成城堡的魔法，即模块化生产和供应链）在中国。这是美国最担心的地方。未来的战争不是钢铁与钢铁的较量，而是芯片（Chip: 集成电路）、频谱（Spectrum: 无线电波频率资源）和算法（Algorithm: 解决问题或执行任务的指令序列）的竞争。

AI的下一步发展将是：

• 深入企业：通过代码AI和自我进化模型。
• 走进现实：通过机器人和自动驾驶。
• 加速科研：在材料、生物、数学等领域。

最终，现实世界中一切都将被电气化（Electrification: 将设备和系统转换为电力驱动），电器设备的底层代码将成为AI的新外壳。AI可以自动完成其原生代码，实现自我进化，形成超智能设备（Super-Intelligent Devices: 具备高度智能和自主学习能力的设备）和智能联网。

2026年预测与新年感悟

回顾2025年的预测，我曾预测Google Gemini将在年底反超OpenAI，以及一家模型公司将与美国国防部签约（xAI已签约），这些基本都蒙对了。

以下是我对2026年的预测：

• 模型自我进化：模型将在真实环境中实现自我进化，产生新的产品。
• AI智能体商业化里程碑：AI智能体带来的广告支出将超过50亿美元，超过5%的零售电商将支持AI下单。
• 大模型分化加剧：Claude将在年底挑战Gemini，接近GPT的智能水平，并继续强化企业工作智能体，成为新时代的Microsoft Office（Microsoft Office: 微软开发的办公软件套件）+Amazon Web Services（Amazon Web Services: 亚马逊提供的云计算服务）。OpenAI将因多方竞争收缩战线，专注于企业市场。
• Google市值反超英伟达：Google市值可能在2026年某一天反超英伟达。Megas Seven（Megas Seven: 指代七大科技巨头）将分化加剧，Microsoft和Amazon可能掉队。Meta的人工智能实验室若能赶上Claude，已是谢天谢地。
• 生成式游戏爆发：AI实时生成游戏将在各大视频平台吸爆眼球，空间智能和高速媒体动态生成将改变游戏开发范式。xAI的Studio将宣布新的产品计划。
• AI独立科研突破：AI智能体将实现端到端的假设、实验、修正论文，并完成一项真正有意义的科学发现。
• 机器人落地与泡沫化：特斯拉的擎天柱（Optimus: 特斯拉开发的人形机器人）将下场干活，人形机器人泡沫化加剧。
• 网络危机与AI主权外交：一场由AI智能体驱动的网络攻击可能引发北约或联合国的首次紧急会议。AI中立将成为一种外交原则，各国将分散数字平台，避免完全依赖单一阵营。

DeepMind（DeepMind: Google旗下的AI研究公司）的戴维德·多伊奇认为，当前的大语言模型（Large Language Model: 基于海量文本训练的AI系统）只是对人类知识的压缩和回放，尚未达到AlphaGo（AlphaGo: DeepMind开发的围棋AI，通过自我对弈学习）那样的搜索和思考能力。最大的缺失是持续学习能力，将直觉转化为可验证的决策路线。我们需要实现AlphaGo Zero（AlphaGo Zero: AlphaGo的升级版，完全从零开始自我学习）式的自我发现，形成自我深层知识的认知闭环。一旦持续学习能力实现飞轮效应，模型将更好地进化，使泛化大模型实现从AlphaGo到AlphaZero的转变。

尹亚（Yann LeCun: Meta首席AI科学家）也强调需要更多研究，而非仅是技能。超级系统必须通过渐进式部署与人类对齐，需要新的架构，让AI理解世界的方式与人类兼容，从而关爱人类。

我们正处于新的大压缩时代（Great Compression Era: 科技发展加速，社会结构快速重塑的时代），也是历史上最适合构建的时代。未来十年财富将属于理解三件事的人：

1. 分发即杠杆（Distribution as Leverage: 掌握分发渠道能获得巨大优势）。
2. 品位即战略（Taste as Strategy: 独特的品位和审美能成为竞争优势）。
3. AI即基础设施（AI as Infrastructure: AI成为所有行业的基础设施）。

朝九晚五的工作将被智能体多元协作取代，岗位重构。结构性机遇（Structural Opportunities: 伴随社会结构变化而产生的深层机会）在于创作者经济（Creator Economy: 创作者通过内容直接获得收入的经济模式）和AI原生品牌（AI-Native Brands: 从设计到运营都由AI驱动的品牌）及自主型公司（Autonomous Companies: 由AI智能体自主运行的公司）。

瓶颈在于算力和能源，以及界面和交互。Google正努力做生成式界面，以延续其界面控制垄断力。苹果在终端算力芯片上仍有垄断能力。真实性和叙事品位（Narrative Taste: 讲述故事和传递价值观的能力）也至关重要，能建立牢固的信任关系。

我推荐纪录片**《AlphaGo》，它能帮助大家理解Google DeepMind**的价值观和未来愿景。

认知飞轮：个人行动手册

纳瓦尔·拉维坎特（Naval Ravikant: 硅谷知名天使投资人、企业家）曾说，记忆的价值正在贬值，判断力和品位更加重要。没人会因你的记忆力好而表扬你，但会因你的品位和快速决策而记住你。我们不应成为技巧大师，而应学习如何思考，提升判断力，从噪音中找到信号。哲学是当你活得足够久，发现隐藏在特定经验中的可泛化真理，并以此指导未来。

我的年度词汇是“怠惰”（Sloth: 指短视频和碎片化信息对人类注意力的过度消耗）。短视频和碎片化信息以最大化用户参与度的方式影响注意力，导致垃圾数据（Garbage Data: 低质量、无营养且过度消耗注意力的信息）泛滥。抖音（TikTok: 字节跳动旗下的短视频平台）的推荐算法正是利用这一点。模型在用碎片化内容训练后，也会放弃思考，如同大脑腐烂。所有流量都是噪音，找到清晰的信号至关重要。社群在提纯信息、排除噪音方面具有价值。

在做中学：很多人喜欢规划，有想法却迟迟不动手。大脑不在乎你的意图，只在乎你重复做了什么。你最终成为什么样的人，由你反复做的事情决定。只有真正去做了，大脑才能获得成就奖励。

决策的本质是认知：决策质量完全取决于认知的深度。认知清晰，决策便毫不费力。面对不确定性，我们需要提升认知，让思维清晰，然后确定行动。这构成了一个认知飞轮（Cognitive Flywheel: 通过系统性学习、思考和行动，不断提升认知和决策能力的循环）。

认知飞轮的实现路径：

1. 控制信息质量：你的认知天花板由信息源质量决定。要像管理饮食一样，精心管理信息摄入。多看高质量、深度访谈的播客，新闻大部分是噪音。短视频信息容量太低，浪费时间。算法投喂的二手信息和总结很可怕，但X（X: 原Twitter，社交媒体平台）上仍能找到好的信号。
2. 抽象和内化：信息不等于知识。真正的学习发生在对信息加工、抽象和连接的过程。人类记忆不好不是bug，而是特点。通过抽象，将信息一层层提炼。大语言模型（Large Language Model: 基于海量文本训练的AI系统）通过神经网络模糊地记忆互联网内容，人类大脑则通过直觉和快速连接，形成智慧。我通过定期直播总结碎片化内容，强迫自己思考，内化抽象，形成思维架构。
3. 输出即学习：通过向他人讲清楚，才能真正学会。每天或每周分享总结，通过结构化思考，暴露盲区，将知识内化。将零散知识形成系统认知。
4. 行动闭环：将认知立即应用于市场投资，并发挥社群杠杆作用。在社群中分享，获得反馈。通过认知赚到钱，实现时间自由，从而有更多时间继续学习，形成正向循环。

我为2025年总结的个人行动手册：

• 培养好奇心：这是获取信息和发现新角度的动力。
• 主动设计运气：将自己置于机会密度高的场域，如硅谷创业，或寻找高质量社群。
• 形成认知飞轮：系统性地吸收、处理和输出信息，提升认知。
• 成为乐观者：悲观者永远正确，乐观者永远向前。未来可以被创造，但前提是只能赚取认知范围内的钱。

戴维德·多伊奇认为，当前兴起的AI工具、内容知识工作，在10到20年内可能被AGI（Artificial General Intelligence: 具备人类级别智能的AI系统）重构得面目全非。真正难以替代的是那些帮助人类在富足时代建立意义（Meaning: 个人或群体存在的价值和目的）的产品和服务，如教育、精神健康、社区兴趣和创造平台。这也是我们现在做内容和社群的目的。

未来展望与直播预告

预告一：社群与通识课程 社群和社交分享将继续帮助大家识别信号和噪音，发现结构性机会。我计划推出INDIGO通识认知课程和工作法，结合我正在撰写的书籍，通过直播形式分享，帮助大家系统性提升认知。

预告二：AI生成网站 我曾利用Gemini在30秒内生成了一个网站原型，展示了其快速构建能力。未来我将继续探索AI在网站生成方面的应用。

预告三：春节投资直播 我将在北京时间正月初五中午进行2026年投资思考的春节直播，分享我的投资认知和策略。这并非炒股群，而是分享认知变现的渠道。

今天的直播持续了近2个小时，感谢大家的参与。我会在直播结束后分享二维码，欢迎大家加入社群。后续我还会推出更多专题直播，如Google公司研究、AI模型研究、AI+行业分享等，频率会更高。

关于一些大家关心的问题：

• Amazon和Microsoft是否会掉队？Amazon的云服务不会掉队，但电商业务可能受AI和独立电商冲击。Microsoft Office的企业垄断性将受到挑战，其最大利润来源将面临压力。
• 存储芯片：我将在投资直播中详细讨论。目前存储芯片因推理、图像和视频生成需求而集中到内存，英伟达可能将其整合到芯片中。但存储仍具周期性，虽有炒作机会，但并非像GPU那样的长期趋势优势。
• Figma：作为工具，其增长空间有限，无法像模型公司那样每年翻倍增长。
• AI医疗：这是一个复杂市场，AI在诊断和手术方面有巨大突破潜力，但药物研发受限于漫长昂贵的临床实验，物理世界限制了其加速。
• AI对纯数学的影响：AI将成为数学家最好的助手，加速定理证明和新定律发现，因数学是易于验证的领域，且无需实验。
• AGI驱动的智能机器人：家庭服务机器人将有必要，工厂和危险环境机器人应用更广。特斯拉的擎天柱等将在几年内达到GPT时刻，实现大规模普及。
• 英特尔（Intel: 全球最大的半导体芯片制造商）**：**可视为一家芯片工厂，其价值在于代工，但面临管理和决策挑战。
• 太空经济：当太空的实际需求（如太阳能发电、采矿、算力）被解决后，将有真正的炒作点。伊隆·马斯克的SpaceX（SpaceX: 伊隆·马斯克创立的太空探索技术公司）正在探索太空算力中心等变现故事。
• 教育：AI将对教育产生巨大影响，大学的价值将更多体现在校友网络和社会关系上，而非单纯知识传授。
• 普通人机会：AI时代最大的机会在于行动力和认知提升。积极拥抱AI的人仍是少数，稍加努力就能脱颖而出。
• 信息过载：应利用AI智能体整理资讯，但需人工介入筛选，确保信息质量和符合个人品位。

我希望大家喜欢这次直播，期待下次再见！