开篇与近期动态回顾

欢迎回到INDIGO的月末直播，这是2025年10月。回顾过去，7月份的直播是在线下进行的。近期回国，后面会分享一些回国的感受和体验。当时我发布了一篇关于回国感受的帖子，还挺受欢迎，被很多社群转载，毕竟我已经有五年没回去了。

接下来我们将快速切入正题，内容很多，预计分享时长在100分钟左右。我的直播通常都比较长。记得去年10月左右，诺贝尔物理学奖颁给了AI领域的Hinton教授（Geoffrey Hinton: 深度学习的先驱，被称为“AI教父”），他最早也来自Google。今年的诺贝尔物理学奖则颁给了将量子隧穿（Quantum Tunneling: 量子力学现象，粒子能穿过经典物理学中无法逾越的势垒）实验推进到宏观世界的科学家，主要获奖者也来自Google团队。

这意味着Google在两年内获得了三个诺贝尔奖，这对于一家商业公司来说是个奇迹。因此，我后面会提到，Google最有希望率先挺进Agi（Artificial General Intelligence: 人工通用智能，指拥有与人类同等或超越人类智能水平的AI）。今年的诺贝尔物理学奖主要聚焦于量子隧穿，其最大的应用实际上是量子计算机（Quantum Computer: 利用量子力学现象进行计算的新型计算机）。Google在量子霸权（Quantum Supremacy: 量子计算机在特定计算任务上超越传统超级计算机的能力）方面确实有所成就，他们能够稳定地在电路中实现量子比特（Quantum Bit/Qubit: 量子计算的基本信息单位）。具体细节我也不太懂，就不班门弄斧了。

我将这个信息放在前面，因为它非常重要。科技的进步是推动我们所有进步的源泉，也是人类知识认知的基石。这是关于诺贝尔奖的临时插播内容。

本期主题与结构

今天的主题图配文是“你出生的这个世界已不复存在”，后面还有世贸大厦的Meme图（Meme: 互联网上流行、快速传播的文化符号或图像）。我们已经回不到过去的世界，只能向前迈进，这是我现在的感慨。

本次直播将分为几个部分：

1. 线下活动回顾： 快速分享我7月份在国内线下活动的感想和见闻。
2. AI基建： 讨论本月最热门的话题，包括新兴云计算公司和加速计算（Accelerated Computing: 利用专用硬件如GPU提升计算性能）公司股票的疯涨。
3. 大模型进化： 观察头部大模型公司的最新进展和趋势。
4. 星辰大海： 主要探讨AI在物理世界的进展。
5. AI经济与社会影响： 分析AI对经济和社会带来的变化。
6. 阅读与感悟： 介绍我的阅读心得和社群的演进。

国内线下活动与亚洲见闻

7月，我回到北京、上海、香港三个地方待了一个月，并举办了一个名为“Rewired Your Mind”（重新连接你的思维）的活动。在北京、上海、香港共举办了十几场公开及私密活动。其中，上海的公开场有130多人参加，北京的场地较小人数稍少。我非常感谢大家能线下参加我的活动，也很感谢见到许多多年来通过公众号和社群内容积累的朋友们。这算是一次回国见面答谢会，也激励了我将社群做得更好的想法。当时会上的照片都围绕着“科技加速”这个主题。

今年6月到8月，我在亚洲待了两个月，包括日本的东京、京都，国内的几个主要城市，以及泰国曼谷。上一周，我发布了一篇与李路成（他在日本做VC（Venture Capital: 风险投资））关于日本的分享播客，我们清晰地表达了对日本的感受。

我的第一个感受是，在亚洲很多城市我几乎看不到AI的影子。日本可能有一些，但它依旧不适合科技创业，无论从人才还是社会结构上都缺乏支持。不过，日本非常适合实体业务。日本社会对AI的Fomo（Fear Of Missing Out: 错失恐惧症）情绪很重，出租车上70%都是AI广告，这是一个有趣的现象。之后我去了台北和泰国，虽然台湾芯片产业非常强大，但在线下，我也几乎感受不到AI的存在。这可能是我个人比较片面的看法，因为我没有参加很多活动。

因此，我感觉AI最核心的地方是硅谷和中国。在北京和上海，我能感受到非常多的创业者。这两个地方和之前我做移动互联网时的感觉很像。这是我片面的认知。

后来我补充了一篇长帖，除了城市感受，还提到了资本的力量在这个智能时代变得更强大。如果你有钱，可以通过投资顶尖公司赚钱；如果你没钱，就用AI作为这个时代唯一的杠杆。我从去年开始做社群，就一直在强调这个概念：我们有两个杠杆，社群的目的就是帮助大家撬动这两个杠杆。如果你有钱，我告诉你如何投资；如果你想增强自己，我告诉你如何使用AI。感知AI的趋势非常重要。

在亚洲走了一圈，以及在北美，我能感受到所有地方的贫富差距都在变大，认知泡泡都在加强，这可能是社交网络造成的。我们都活在各自的泡泡里，无论是硅谷、深圳、上海、北京还是东京。这种现象是过去十几年社交网络造成的。

在国内，我有一个很深刻的印象：大家都在讨论如何通过AI赚钱。在北美，尤其硅谷，讨论AI更多是理想主义。一回国就很现实，大家都在想用AI降本增效。但同时，员工也很焦虑，害怕被AI替代，尽管这是迟早的事情。所以我觉得中国的“搞钱”气氛非常浓重，所有信息都扑面而来，关于如何从这个机会中赚钱，有点像我做移动互联网中期时的感觉，那时平台成熟，赚钱机会多了。

我的一个结论是：超级个体（Super Individual: 指在特定领域拥有极高能力和影响力，能创造巨大价值的个人）确实能够在这个时代成长起来，而全世界的中产阶级都在坍塌。这是两个变化：要么个体变强，要么中产坍塌。下一次大型经济危机我们还没到，大家都觉得现在股市有泡沫，但我觉得还没有到真正的危机，那会在AI真正影响劳动力市场时到来，我们应该很快就能看到，可能就在几年之内。这是我简单的回顾，我把很多人转载的帖子内容做了精简，放在了今天的第一个分享小结里。

AI基建的加速发展

这张图在X（原Twitter）上广为流传，由Bloomberg绘制。逻辑很简单：英伟达（Nvidia: 全球领先的GPU制造商）投资OpenAI，OpenAI将这笔钱支付给甲骨文（Oracle: 全球大型企业软件和云服务公司），甲骨文又用这笔钱从英伟达购买GPU（Graphics Processing Unit: 图形处理器，现广泛用于并行计算和AI训练）。这种“左手套右手”的模式，我们称之为“双脚踩云梯”，以此推高股价。

现在的情况是，英伟达基本上形成了美国AI基建的“黑帮”，通过对OpenAI的投资以及对其他云计算公司的基建支持，拉动了整个AI或加速计算产业。这种投资圈基本支撑了今年2025年开始的这一轮股市上涨信号，因为利润确实在真实增长，订单也真实存在。但是，这些订单背后的需求是由AI公司通过“讲故事”创造出来的。

现在我们将其视为一种模式，虽然不能称之为庞氏骗局（Ponzi Scheme: 一种投资欺诈，用后来投资者的钱支付前期投资者），因为庞氏骗局是指无法偿还估值。但我觉得AI有可能实现这些估值，因为它确实会渗透到我们的生活，提高效率，我们拭目以待市场后续的变化。

根据Epoch的报告，预测到2030年，最顶尖的AI模型公司将使用比现在多1000倍的算力，这意味着还有三个数量级的提升。我们现在是2025年，算力每年以19倍的速度增长。届时，他们可能会投入数千亿甚至上万亿美元的计算资源。最大的训练任务可能需要启动一个数据中心，其用电量相当于一座城市的平均用电。报告指出，如何让这些投入赚回来是关键。但实际上，现在的AI公司收入增长比移动互联网或云计算时期快得多，它们每年以3倍的速度增长收入。例如，投资公司安索夫克（Ansoff's Growth Matrix: 战略管理工具）预测其年底收入将达到130亿美元，目前估值1800亿美元。报告预测，如果收入正常增长，这些头部的模型公司在2028-2029年之后，三年左右都能达到万亿级别。这是一份非常详细的完整报告，大家可以在网上搜索。

我们来听听黄仁勋（Jensen Huang: 英伟达创始人兼CEO，常被称为“黄老板”）的分享。他过去两年一直在分享“通用计算时代已经到来”这个概念，这来自BG2播客。他提到最大的变化是，过去我们处理结构化数据（Structured Data: 具有固定格式和结构的数据）主要依靠CPU（Central Processing Unit: 中央处理器），因为那是规则化的数据，由数据库处理。但现在，许多数据处理都需要通过深度AI来完成，比如用AI整理非结构化数据（Unstructured Data: 不具有预定义模型或组织结构的数据）和生成非结构化数据。这是一个巨大的转变，而且随着AI编写软件的能力越来越强，大量软件将由AI实现。从软件构成到数据处理，都将通过GPU完成，这是一次重要的迁移。

黄仁勋提到了三个关键点：

1. 物理定律层面： CPU在单个板子上能做的并行计算有限，物理层面必须终结其通用性。计算必须转向GPU，将整个数据中心视为一个巨大的GPU，实现并行扩展。
2. 现有应用AI化： 现有应用正转变为超大规模数据中心中的AI化应用。这是因为我们从处理结构化数据转变为深度处理非结构化数据。
3. AI作为智能工厂： 现在的GPT赋能（GPT-powered: 指由GPT模型提供支持或能力）相当于全球劳动力的一次替换。后面我会分享A16Z更详细的图表。目前全球GDP中约50-65%与智力劳动相关，即我们所谓的“案头工作”（Desk Work: 指主要依靠脑力，处理文件、数据等非体力劳动），价值约50万亿美元。现在有许多人在使用总价值不到3万亿美元的软件，但AI将以20多倍的价值渗透到劳动力市场。

这里有一张A16Z在LP峰会上的图表。过去半个世纪，整个产业由22万亿美元的软件产业支撑。软件产业的本质是将物理世界文件柜中的资料数字化。从20世纪50年代的大型机，到个人电脑，再到手机，我们都是将各种文案工作、抄写工作，用数据库存储起来。所有SaaS公司（Software as a Service: 软件即服务，一种通过网络提供软件的模式）都在做这件事，包括ERP SaaS（Enterprise Resource Planning SaaS: 企业资源规划软件即服务）和各种无线应用。这本质上是数据的增删改除（CRUD: Create, Read, Update, Delete，指数据库操作的基本功能）。现在又多了一个分发功能。

AI的出现将带来标志性转变：软件不再仅仅是存放数字文件柜，它能够理解、分析并直接操作这些数据，从而端到端（End-to-End: 指从开始到结束的完整过程）地完成人类以前的工作。自动驾驶就是如此，我们设定一个目标，软件自动完成，并提供报表，无需人工从数据库调取数据。

这两个市场的差异在哪里？中间都需要AI和GPU。美国政府的薪水开支是19万亿美元，私营公司薪水开支是10万亿美元。这些数据是当前年份的。如果到2030年，这些数字还会继续增加。而目前的软件收入只有3000亿美元，这是一个巨大的差异。所以，AI将逐渐“吃掉”劳动力市场。从这个变化来看，AI的整体增长和对劳动力的替换是非常合理的。我们现在对算力的投入，未来一定能够赚回来。尽管有人说AI存在泡沫，但这个泡沫可以通过利润增长来消化，市场是这样预估的。但故事都是这样讲的，英伟达为了卖更多的GPU。

麦肯锡的报告预测，到2030年，全球AI产生的算力需求将以39%的年复合增长率增加，这是一个乐观的估计。AI数据中心的增长规模主要由AI驱动，除了AI之外，其他领域的年增长是16%，平均22%，而对更先进AI的需求是33%。这些变化是从2023年到2030年的。我们先讲第一个算力问题。

大模型的进化：能力与趋势

第二部分我总结了大模型的进化。我记得在7月份的线下分享中提到，DeepMind（Google旗下的人工智能研究公司）的CEO Demis Hassabis（德米斯·哈萨比斯）曾说，他们成立DeepMind的初衷是先解决智能问题，再用人工智能解决所有问题。要解决智能问题，首先要解决编程问题。这就是为什么所有AI公司都优先解决编程问题——AI能够自己编写程序代码非常重要。Anthropic的人说，现在公司70%的代码都是AI自己写的，AI在大量用于模型的升级维护，实现自我改进，尽管目前仍需人工控制。

这张图是一个非常有名的编程测试，名为SWE Bench（Software Engineering Benchmark: 软件工程基准测试），它有Pro版和商业版，用于测试顶尖模型的编程能力。在公开数据集上，表现最好的是GPT-5。在商业数据（使用了大量商业公司私有案例和情景）上，表现最好的是Claude Opus 4.1（Anthropic公司的大型语言模型系列中的一个版本），而不是4.5。OpenAI和Anthropic的模型处于第一梯队，它们的思维瓶颈主要不是写不出代码，而是用错了解决方案，在核心逻辑层面容易出错，不知道如何解决问题。

再往后，开源模型和中小型模型甚至连语法和格式都经常出错，早期任务都完成不了，所以分数很低，未上榜。Gemini 2.5（Google的大型语言模型）的表现平均，失败原因分布均匀，能力稍显平均，导致特点不够强。但它确实是直觉最好的模型，思维直觉很好，而且速度很快。这是目前用编程测试所有模型能力的真实情况，Anthropic的表现最佳。

我们看一下现在大模型的更新。我们目前最新的版本是Claude 4.5 Sonnet（Anthropic的Claude模型的一个更高效、平衡的版本）。ChatGPT这几个月更新频繁，推出了ChatGPT Agent（能自主执行任务的ChatGPT代理）、GPT-5（OpenAI的下一代大型语言模型）以及一系列其他更新。Google的Gemini 3模型虽然没有太多动作，但发布了Imagen 4（Google的图像生成模型）、Veo 3（Google的视频生成模型）和Nano Banana（Google的图像生成模型，以其高质量和语义理解能力在7月引起轰动）。Grok（xAI公司开发的聊天机器人）则发布了几个大招：一个娱乐化的陪聊伴侣，以及最近刚推出的Imagine 09（xAI的图像生成模型）。

所有模型公司现在使用的产品，其实都是Agent（AI Agent/智能体: 能够自主感知环境、做出决策并执行任务的AI实体）。我觉得在做通用代理（General Agent: 能够处理多种任务，具备广泛通用能力的AI代理）的道路上，Agent的概念已经内化掉了。GPT是最早做代理的，Gemini紧随其后。GPT-5刚出来时曾被吐槽，但后来大家发现它的语言表达有点奇怪。

上周，Claude Sonnet 4.5发布了一个非常特别的应用，叫做“Imagine With Claude”（用Claude想象），可以想象软件界面。我给了一个Prompt（提示词: 给予AI模型的指令或输入文本）。这个特别好玩的Demo（演示: 产品的示范或展示）功能，可以用Sonnet来想象软件界面。很多公司都在做想象视频或游戏画面，而Anthropic则致力于深入办公软件领域，想象操作界面。它能模拟各种窗口和用户使用场景，你输入提示词，它就能想象出环境如何工作，并想象出结果。这其实是计算机通过强化学习（Reinforcement Learning: 一种机器学习方法，通过与环境交互学习最佳行为策略）的方式，训练软件如何生成以及交互流程。Anthropic在这方面做了很多工作。

另一点值得关注的是，ChatGPT在两周前推出了ChatGPT Plus（ChatGPT的订阅服务），它可以根据你所有的聊天内容生成一个属于你自己的ChatGPT版“今日头条”。这个功能目前只有Pro用户才能使用。我觉得这很方便，它将一个需要主动提问才能使用的软件，变成一个被动使用的“新闻”应用。它还可以连接你的电子邮件，提取我关心的内容，总结各种我订阅的Newsletter（新闻邮件）。我测试过，至少比较简单的功能是可用的。

我觉得OpenAI正在把ChatGPT打造成一个“Everything App”（万能应用: 指一个集成了多种功能和服务的超级应用）。因为你现在只有想到问题才会用它，而现在它每天都在吸引你，让你查看新闻，有点像做头条。所以“Agent新闻”一下子提前到来了。本来我们人类生产内容要通过AI分发，现在不用了，因为所有内容都是AI生成的。AI为我生产内容，直接投喂给我。因此，OpenAI为了我们的注意力真是操碎了心。这有可能让信息茧房（Information Cocoon: 指人们只接触到符合自己兴趣和观点的信息，从而局限了视野）变成另一种形式：我自己的问题，我自己的答案，我自己的消息，形成另一个回音壁。这仍是一个早期现象，我们正在观察。

另外，7月份推出的Nano Banana确实是一款很棒的产品，但现在风头可能被Sora抢走了。至少在画图能力上，大家都见识过了。它能生成非常专业、需要人工制作的图像。但这种人工制作的过程，现在被Sora 2（OpenAI推出的文本生成视频模型）通过强化学习实现了。OpenAI在前两周推出了Sora 2，它虽然只能生成8秒钟的视频，看起来也不完美，画面也并非极致，但它的贵重之处在于真实。它能将人物合成进去，非常真实，而且叙事能力（Narrative Capability: 讲述故事的能力）特别强。Google的两个产品Nano Banana和Veo 3，需要优秀的Creater（创作者: 指在艺术、内容等领域进行创作的人）来合成画面。而Sora则将这些合成一步到位，你只需扫入自己的脸并绑定，它就能为你生成一个小故事。所以，叙事是核心。Sora最重要的就是抓住了视频叙事这个概念，除了画面漂亮，叙事才是最重要的核心，否则很难留住用户。

另外，Sora的诞生可能会产生无尽的垃圾内容，这是一个需要注意的问题。我不知道现在Sora的App（Application: 应用程序）热度是否会持续，感觉现在已经降温了，用的人好像越来越少。我们的注意力是否真的会被AI生成的垃圾内容吸引走？我觉得现在还是一个问号。如果AI能跨过某个Gap（差距/鸿沟），可能会变得更强大。

最近更新的是Grok，为了跟上Google和OpenAI的进度，他们迅速升级了Imagine 09。Imagine 09可以很方便地在没有提示词的情况下，通过图片生成视频，效果还不错。它与X用户的喜好非常贴近，偏卡通风格。尽管与前两个（Google和OpenAI）仍有差距，但图像质量确实很好，并且在Grok内部有其自己的演化路径。

AI赋能物理世界与未来展望

有了这些技术，我们可以做什么？我先介绍一家旧金山的创业公司Moonlake AI，它利用AI强化游戏生成，是一家华人创办的AI游戏生成创业公司。我认为AI生成内容的宗旨在于此，做一个AI Generated（AI生成）的互动世界。

现在我们有一个疑问：为什么我们不断地将最聪明的大脑、这么多资金和最强大的GPU，投入开发让我们人类注意力衰退的应用？我们可能会从看两三分钟的视频，变成10秒、8秒、3秒，甚至未来直接在脑子里插管来刺激我们。我们的道路确实崎岖。我们到底是拿着手机走向Metaverse（元宇宙: 虚拟现实和增强现实融合的虚拟世界），还是真的能走向星辰大海（Stardust and Sea: 象征着广阔的未来和探索未知）？这是一个开放式的问题，也是硅谷这边大家辩论了很多的话题：我们是应该完全数字化，还是应该带领人类走向星辰大海？

AI趋势观察与竞争格局

我来分享一下我自己的几个看法。首先是Dylan Patel（Semianalysis创始人）的评价。他最看好哪家公司？他对Anthropic比OpenAI更乐观，因为Anthropic更专注。他们专注于2万亿美元（实际上可能不止，如果是人类案头工作的劳动力市场，可能是10万亿或20万亿美元）的软件市场。他们的执行力非常强，收入增长惊人。Anthropic的优势在于专注，并且在数据品味上做得很好，在激烈的竞争中仍能保持一定程度的领先。

其次是OpenAI。它想做Google，也想做Meta，还想做Apple。它想做的事情太多了，既要攻克科研，又要开发消费者应用，还要兼顾企业软件。战线拉得有点长。我不知道Sam Altman（OpenAI CEO）能否通过他超强的融资能力，支撑公司如此长的战线。管理也是个问题。这是一家很棒的公司，但对管理和融资都是挑战。

Dylan对xAI（埃隆·马斯克创立的AI公司）的评价。录制这段视频时，英伟达还未确定投资xAI，但上周英伟达终于也入场了，之前的图表上就有OpenAI和xAI，都是黄仁勋投资的公司。所以Elon Musk（埃隆·马斯克: xAI、特斯拉、SpaceX创始人）应该融到了新的资金，他将建造一个拥有50万个GPU连接的、最接近通用数据中心（Data Center: 集中存放计算机服务器和网络设备，用于数据存储、处理和分发的设施）。但xAI的商业模式确实有问题，我们看到它做了一个Anime Girl（动漫女孩: 指动漫风格的女性角色）陪你聊天，API也卖不了多少钱，只能从X（原Twitter）订户那里收点钱。我觉得埃隆·马斯克确实需要想办法攻克这个问题。

但我认为xAI会走更娱乐化或互动游戏的路线。埃隆·马斯克去年和前几周都曾提到，X Game Studio明年年底将推出AI游戏。这与他现在的训练方式和AI伴侣的开发是一脉相承的。未来的数字化人物如何进入大家的娱乐领域，我觉得非常有想象空间。而且，我认为终极的未来，比社交网络广告更赚钱的事情，一定是互动化的数字娱乐，它将超越影视，等于社交网络、影视加上游戏市场的集合。所以我觉得xAI埃隆·马斯克是想进入这个领域。这个领域还有很大的巨头，比如Meta，它是社交之王，但似乎没有特别强大的游戏公司。不知道xAI能否走出差异化。

第四是Google。Google曾经表现平平，但崛起速度非常快。它从算力到模型，再到C端市场（Consumer Market: 消费者市场）和B端市场（Business Market: 商业市场），以及媒体和终端，全方位无死角地进攻AI市场。所以我个人认为，Google是最有竞争力的公司，甚至比OpenAI更有竞争力。我后面画了一张图，OpenAI想要“拳打苹果，脚踢Meta”。但现在我觉得Meta肯定踢不动苹果，硬件是否靠谱存疑。OpenAI则通过ChatGPT Parts、Apps、Agent等一系列方式攻击Google的搜索市场，Codex与Anthropic Claude竞争，当然还要顺道与埃隆·马斯克“斗嘴”。这家公司我前面已经分享过，其市场节奏大概如此。

我感觉xAI除了没有限制，做东西尺度很大，娱乐化和AI Game（AI游戏: 指利用AI技术生成、驱动或辅助游戏内容）会是其未来的出路。xAI还有一个很好的现实世界终端：特斯拉的FSD（Full Self-Driving: 全自动驾驶）和Optimus（特斯拉开发的人形机器人）。这有可能很快就能在Optimus和特斯拉汽车上集成Grok。所以，xAI在数字化方向和现实世界方向都有依托和终端出口。

这些公司大概是这样的格局，我主要分享头部企业。我认为最均衡、最有可能实现Agi的是Google的Gemini 3。他们在科研上的进展非常多。为什么我前面会把诺贝尔奖放在最前面？因为Google在两年内拿了三个诺贝尔奖，他们在科研上的储备非常多。

我个人认为，7月份还有一个非常重要的进展，我放了图片来介绍。这与李飞飞（Li Fei-Fei: 斯坦福大学AI实验室主任，计算机视觉领域专家）的研究基本一致，但我认为Google的实力储备更强。去年12月在温哥华的Loft大会上，我曾与现场专家交流，要做空间智能（Spatial Intelligence: AI对物理空间进行理解、感知和交互的能力），团队的研发实力、资金和数据是最重要的。Google在这方面有很大优势，因为他们有YouTube。接下来的AI模型是Google的Gemini，它是一个世界生成器（World Generator: 能够生成逼真虚拟世界的AI模型），还有一个Veo（Google的视频生成工具），是一个生成电影的视频生成工具。这两个东西在专业方向上道路可能不同，但未来有可能融合。但这需要克服巨大的技术问题。我觉得xAI也在做这件事。

科研范式变革与Agent经济

Demis Hassabis（德米斯·哈萨比斯）有一个深刻的洞察，我觉得非常有意义，我特意将其贴出来。我上次在X上发过一条，很多人很有共鸣。这是他自己在与Lex Fridman（莱克斯·弗里德曼: AI研究员和播客主持人）的最新访谈中说的：自然界的系统之所以可解，是因为它们的进化并非随机产物，而是经历了漫长演化过程所塑造的。因此，像生物学这种极其复杂的涌现现象，我们只用第一性原理（First Principles: 物理学中指从最基本的假设出发进行推理的方法），通过底层方程来推导，可能已经不现实了。

所以，Demis和他的团队提出了一种新的科研方法，或者说科学方法：用AI直接从数据中学习一个高精度的预测模型（High-precision Predictive Model），即流形（Manifold: 数学概念，指在局部看起来像欧几里得空间的空间），来预测这个模型。这已经得到了验证，例如AlphaFold（DeepMind开发的预测蛋白质三维结构的人工智能程序）。我们有大量的DNA（Deoxyribonucleic acid: 脱氧核糖核酸，生物遗传物质）基因序列数据（Genetic Sequence Data: 基因的排列顺序信息），然后计算蛋白质折叠（Protein Folding: 蛋白质从线性氨基酸序列形成特定三维结构的过程）。AlphaFold超越了所有人类通过数学方法和实验工具计算出的结果，它通过数据就实现了。

这意味着，看似无限可能性的空间中存在着内在结构，一旦神经网络（Neural Network: 模拟人脑神经元连接方式的计算模型）能够捕捉到数据中的这个流形，它就能极大压缩搜索空间，将以前很难解决的问题变得易于解决。我记得我两年前做过一个Podcast（播客: 一种音频节目），当时就提到，接下来在科研上，可能会有大量通过这种数据加神经网络的方法，我们不需要再做公式了，只需用它来预测或跑一个精准模型进行预测，特别是针对非常复杂的问题。这有可能颠覆或补充传统的物理和数学范式，成为一种新的科学过程。这是一个关于科研新过程的洞察，解释了为什么要做神经网络来进行科研推演，以及它会有什么帮助。

第二个观察也来自Google的推动，是DeepMind关于AI Agent（AI Agent: 智能体）和AI技术的研究。他们做了非常多的研究。我会在两三周后邀请Google Cloud负责Blockchain（区块链: 一种分布式数据库技术）和AtP（Agent-to-Person: 智能体与人交互的模式，或指特定内部产品）的同事，来聊一次Agent Economy（智能体经济: 基于AI智能体之间交互和交易的经济模式）。我觉得这是一个非常有趣的话题，Google在这方面研究很多。

为什么？因为广告的下一代是什么？这是Google一直在探讨的问题。如果大家都使用智能体，我也有Agent了，那么Agent之间肯定需要协商，需要做生意，需要买卖。搜索引擎（Search Engine: 搜索信息和内容的工具）将来就不需要让人来看广告了，我直接让Agent之间去从其他代理那里订货，购买API（Application Programming Interface: 应用程序编程接口）就可以了。所以Google在这方面研究很多。

这篇论文讲了Agent的三个方面：

1. 加速科学发现： Agent会相互协作，调用不同实验室的资源。
2. 机器人协作： 一个机器人，无论是虚拟的还是现实中的，都能进行协作。
3. Agent成为个人助理： 我的Agent会和你的Agent协商。我们前面看到的ChatGPT的Parts应用，其实就是一个Agent，它是一个新闻Agent。它读取你过去的所有内容后，猜测你喜欢什么，然后根据你的话题生成内容。这些内容可能来自互联网新闻，也可能是自己写的。最终你所看到的资讯，都将由你的Agent生成并投喂给你。你的Agent可能会从别人那里购买信息，也可能不买。我觉得这种代理经济体可能会在未来3到5年内慢慢形成和成熟，这是一个非常有潜力的方向。

这里有一张来自红杉资本（Sequoia Capital: 知名风险投资公司）的图，这是最重要的一个观察：我们的工作模式将从追求确定性转向拥抱高杠杆（Leverage: 指利用工具、资源或策略放大产出或影响力）。以前我们一个人完成工作，没有任何杠杆，通过软件编写东西，确保每一步都是对的，然后交付结果。而接下来，工作模式将变成高杠杆：我有很多Agent帮我干活，我从中选出最好的，就像现在杠杆放大了你的工作效率。我能够搜索和检索到更多的资料，为什么不去检索？以前我个人没有能力检索。现在我使用DeepSearch（深度搜索: 指对信息进行更深层次、更全面的挖掘和分析），习惯之后，我很倾向于用它检索资料。因为我一个人在1小时或8小时内都不可能完成它在10分钟内的工作，它帮我看了100篇论文并总结给我看，这就是杠杆。所以我们要拥抱这种杠杆，尽管它可能会带来一定的不确定性。我们会从中进行筛选，因为以前都是一步一步做，不需要筛选。工作是一步一步完成的，就像CPU一样。接下来，我们的工作模式将像GPU一样，每个Agent就像一个GPU，10个、100个Agent合起来帮我完成工作。我们只需将思考付诸行动，然后从中找到结果就可以了。所以这是一个很大的变化，我们一定要适应这种工作模式的转换。

此外，报告还提到了几个点（视频中未截取）：

• 衡量AI的标准将从学术界转向真实世界。前面提到的SWE代码测试，其Private或Commercial版本就是用真实世界的数据来测试AI。
• 强化学习技术（Reinforcement Learning Technology: 通过不断试错和奖励机制来优化决策的AI技术）将走向应用中心。我们所有的应用都会被强化学习推动进步，例如Anthropic最重要的就是用强化学习来强化AI Agent在办公环境中的工作表现。
• AI开始渗透到物理世界。这就是为什么我们现在特别关注自动驾驶、机器人或科研等领域。
• 算力（Compute Power: 进行计算所需的计算能力）成为新的生产函数（Production Function: 经济学中描述投入与产出关系的函数）。算力将推动我们所有生产力的提高。
• 这场“亿万级别”的AI革命，为什么它比工业革命（Industrial Revolution: 18世纪末到19世纪初的重大技术变革）更宏大。这是红杉完整报告中的一部分。

根据Epoch的同一份报告，AI在2030年的预测数据：数据中心的增长（我们看到了50万个GPU的连接），到2030年算力将提升1000倍，三个数量级。AI在2030年将在编程、数学和生物学上取得进展。我们基本可以看到2027年是一个很重要的饱和点，它已经接近极限，特别是在编程（蓝色曲线）上。我们现在是2025年，预测大型程序都将交给AI来做。AI还将帮助数学家通过自然语言描述复杂的科学软件，帮助数学家将潦草的证明稿格式化，帮助生物学进行开放式实验。所有这些都将在案头研究（Desk Research: 主要通过现有资料进行的研究）、软件研发、数学和早期分子学（Molecular Science: 研究分子层面物质结构和性质的科学）研究中起到极大帮助。

唯一的问题是，在未来的5年内，它无法直接触及现实世界。因为现在AI设计的药物，还要等10年之后才能批准，很可能会到2035年。我们能看到现在AI在生物学上的进步，其药物产生会在2032年到2035年左右。这也就是Anthropic CEO Dario Amodei提到的“为什么是10年左右？”因为现在才开始做实验，从实验到临床，再到最终销售，需要10年时间。所以，AI能力的增长在5年内具有高度确定性，大家不要怀疑其进步。但它对社会的影响，则具有巨大的不确定性。所以，决定未来的不是技术问题，而是政治问题或选择问题。

我最后补充一点，这也是我当时写的一条分享：人类的注意力才是稀缺性的栖息之地。AI在创作上可以实现富足，科研上也能实现富足，它在任何方面都能实现富足。我可以有1000个AI帮我干活，它甚至可以创造新的货币，能量货币，但它无法将注意力转化为货币。只有人类才能做到这一点，因为最终用户是人类。只要产品是给人用的，人类的注意力永远是最值钱的。所以现在什么东西还很值钱？社交网络依然很有价值，社交网络上的博主很有价值，因为他们有流量，能够成为别人注意力的焦点。所以我对下一代的建议是，都尝试自己变成这个网络上的节点，这是接下来AI发达之后非常重要的生存之道。这是我9月份在X上发的一条。

物理世界的进展

我将跳过中间的休息，为大家节约时间。这里有一个小画面，是几天前Figure（Figure AI: 研发人形机器人的公司）发布了第三代机器人，宣传片中它坐在前台接待。我觉得Figure可能是一家非常棒的机器人PPT公司（指其在宣传和演示方面表现出色），每次宣传片都拍得很好，机器人也做得漂亮。但至少这个方向是正确的：它要融入人类社会，必须像人一样，有人类的穿着、人类的举止。这叫做AI数据的第五道，我之前发过一个图，关于如何让人工智能进入我们的社会，最后一个就是社会化（Socialization: 学习和适应社会规范、价值观和行为模式的过程），拥有人类的感知，与人类一样。所以很多人形机器人都在研究如何让机器人更像人。

另外一个，我觉得过去也很重要，对于社区里许多特斯拉投资者来说，特斯拉（Tesla: 电动汽车和清洁能源公司）在不到一个月内发布了它的Master Plan Part 4（特斯拉第四次“大师计划”）。其愿景是“加速世界向可持续的富足过渡”。这表明增长是无限的，相信技术会持续创造新的机遇。这也是我信仰的：只有技术进步才能创造机遇，停滞就是灭亡，技术进步我们才能生存。

第二个是创新会消除限制。例如，电动汽车（Electric Vehicle: 以电力为动力的汽车）打破了我们对石化能源的依赖。技术要用于解决实际问题。所以特斯拉在开发自动驾驶（Autonomous Driving: 车辆无需人类操作即可自行驾驶的技术）和人形机器人（Humanoid Robot: 外形和行为类似人类的机器人），将人类从单调、危险的工作中解放出来。这与现在的大语言模型将人类从单调的案头工作、长时间的文案处理、文案写作和枯燥的编码工作中解放出来，只需给出提示，逻辑是一致的。对于物理世界中的人形机器人和自动驾驶来说，也是将单调的控制工作释放出来。

自主技术将会造福人类，这是特斯拉的愿景。他们确定所有自主技术（目前他们能做的就是自动驾驶和机器人）都将普惠全人类。大家可以看一个视频版本，国内很多公众号都转发过。最近几天，埃隆·马斯克转发了一段Optimus（特斯拉的人形机器人）学功夫的视频。它看上去有点笨拙，但很有趣。我配了一段《黑客帝国》的音乐。这是100%无人遥控的。前几天，他在电影发布会上（可能是Grok和他们的合作），让一台Optimus重新演示了一遍动作，娱乐了一下。

我们再看看Optimus的最新进展。有人说宇树机器人（Unitree Robotics: 中国的四足机器人公司）动作也很棒，但宇树是遥控的。Google的Gemini Robotics（Google旗下利用Gemini模型进行机器人研究的部门）最近也发布了一个视频，是其1.5版，通过两个Agent的协作框架来控制。

我们回到前面Demis的洞见，它得到了验证。除了AlphaFold的验证，麻省理工学院（Massachusetts Institute of Technology/MIT: 世界著名研究型大学）的科学家也用同样的数据神经网络模型来控制托卡马克（Tokamak: 一种环形装置，用于在受控核聚变中约束等离子体），即核聚变（Nuclear Fusion: 轻原子核结合形成重原子核并释放能量的反应）装置中，让等离子态（Plasma State: 物质的第四态，由离子和电子组成）的旋转装置保持温度均衡，束缚着链。以前所有的公式和机械控制都无法做到，现在只能用神经网络，用数据来控制。这已经取得了显著进展，温度超过1亿摄氏度的等离子流（Plasma Flow: 等离子体在磁场中运动形成的流动）每秒以100公里的速度旋转，并被约束在中间才能产生聚变。所以现在通过AI方法做到了控制。这也验证了前面Demis的洞察：我们可以从数据中总结出规律，而不需要科学家去计算公式。这可以用在核聚变、新材料或生物学上，因为生物和聚变都是非常复杂的，无法计算，只能通过数据进行预测。这是一个最新的关于核聚变的进展。

埃隆·马斯克这么喜欢挑战物理学极限。这是上一次（第十次）星舰在地面回收的画面。我在这里做一个快速总结：物理学值得我们用这样的方式来传承，真正在现实世界中将其设计出来并让它工作。这是一种向物理学致敬的方法。

AI对经济与社会的影响

这一小节主要讨论AI对经济和社会的影响，重点关注Anthropic的经济学报告和职业市场的变化。

首先，这张图很多人都看过了，很有趣。它显示，在ChatGPT发布之后，职位空缺（Job Opening: 市场上可供求职者申请的空缺职位）逐年下降，而股市却逐步上升。股市并没有因为职位空缺的减少而下跌，这呈现出一个反向走势。AI确实让很多公司的招聘需求减少了，但这还没有体现在失业市场上。这是一个变化。因此，联邦政府总说职业数据造假。

其次，这是Anthropic的第三次经济报告，关于其指数的研究。在过去8个月里，他们追踪了个人用户在Claude上的行为变化。这可能有些片面，因为Claude用户可能更多是编程人员。用户行为正快速转向自动化。以前用户是增强式使用，你问我答，现在用户更多地让AI自己完成任务。Claude这些功能的自动化份额从41%上升到47%，增强模式则下降了。这是因为AI变得越来越可靠，用户也越来越习惯于放手让AI来干活。这是2025年最大的一个变化。

除了编程（实际在下降），在ChatGPT那边，编程和伴侣功能下降得更快，教育教学和问答功能上升了。在Anthropic这边，教育指导上升了，生物学、物理科学、社会科学研究上升了，但金融和商业的运营管理下降了。这只是Anthropic的数据，比较片面，但最大的一个特征是可以证明的：用户更多地依赖AI，更相信AI，事物正在快速滑向自动化。

还有一份《经济学季刊》（Quarterly Journal of Economics: 著名经济学学术期刊）的研究报告，很有趣。这份长达80年的数据报告证明，高质量的就业岗位从1980年之后就在下降。1940年到1980年，是技术互补和中产扩张（Middle-class Expansion: 中产阶级规模和影响力的扩大）的时期，这是美国的数据（中国的数据可能要往后推30多年）。在婴儿潮（Baby Boomers: 二战后生育高峰期出生的人群）一代，他们是最有福利的一代，赶上了技术大换代，所有工作都变成了脑力工作（Intellectual Work: 主要依靠思维而非体力进行的工作），有了办公室（Office: 办公场所）的概念。1940年到1980年，中产阶级的核心地位就是那时确立的。

但是，1980年到2018年，新技术更多地扮演了替代品（Substitute: 可以替代另一种产品或服务的东西）的角色，直接替代了人们的工作，创造新工作的速度变缓了。新的工作岗位出现了两极分化：一种是金融、计算机编程等需要高智力的职位，包括律师，它们变得更好了；另一种是工厂里那些低技能的工作，则慢慢减少了。所以，美国的铁锈带（Rust Belt: 美国中西部和东北部地区，曾是工业中心，后因工业衰退而萧条）“失落的一代”也是从1980年全球化（Globalization: 全球经济、文化、技术等互联互通的过程）开始的，因为大部分工作外包了，他们确实没工作了。所以，新工作创造放缓，导致了美国现在巨大的社会撕裂。

我们现在正面临着巨大的岗位重塑（Job Reshaping: 职业结构和内容发生重大变化）。Google给我画了一张图，大量岗位会消失，可重复性的案头工作都将消失。四叶草（Cloverleaf: 这里是比喻，可能指少数精英模式或高度碎片化的就业市场）模式肯定是势不可挡的，因为社会容纳不了那么多人。AI需要我们进行技术转型，这是必须要做的，很多工作将不复存在。

哪些工作会消失？红杉的另一张图很有意义，显示了2023年全美国哪个行业薪水最高。护士人数最多，所以整体薪酬最高。其次是程序员，平均薪水仅次于律师。在这个背景下，Gemini帮我分析了哪些职业可能会被大量替代：流程化、重复性的工作岗位，如客服、前台文秘、日常文档处理人员，包括初级程序员（Junior Programmer: 经验较少的软件开发人员），都将被完全替代。这些岗位将消失，相关人员面临职业的完全转型，可能需要进行水管工（Plumber: 从事水暖安装和维修的工人）等工人培训。

其次是中度风险的人机协作增强（Human-computer Collaboration Enhancement: 人类与计算机系统协同工作，提升效率和能力）。AI短期很难替代他们，但AI可以帮助能力高的人提升技能。这个领域的岗位会被冻结，不会新招人，还会少量减少，因为只招更优秀的人，超级个体（Super Individual: 指在特定领域拥有极高能力和影响力，能创造巨大价值的个人）将在此诞生。

最后是低风险的岗位，完全依赖于人文关怀（Humanistic Care: 以人为本，关注人的情感、需求和尊严）或在复杂物理世界中现场做决策的工作。这些只能由人来做，AI充其量，即使有了人形机器人，也只是跟着人类干活，帮你搬砖，提供维修辅助，最终还是由老师傅来主导。这些岗位在未来20年内可能都不会有问题。我认为第一个结构性变化会在五年内发生，后面的会在5到10年之后，甚至持续20年以上。

最后我总结一下：AI可以显著提升底线，但无法拔高上限。这在学习上得到了证明。AI可以快速降低学习门槛，但无法取代你深度研究主题。在创意上也是如此，AI可以快速产生创意草稿，但永远成不了大师，至少在目前的语言模型架构下不可能实现。在周末项目上，AI能大大节约时间，如果你是编程能力有限的管理者或产品经理，你可以很快启动项目，但它无法支持大规模项目。所以，AI帮助我们提高底线，但无法拔高上限，这是一个现状，一个补充的认知。

阅读推荐与感悟分享

我喝口水，还有250多人在线，不错。接下来推荐阅读和感悟。

首先推荐三本书：

1. 《断裂带：中美技术竞争的未来》（Breakneck: The Race to Build the World's First Superhuman AI），作者是王丹（Wang Dan: 知名学者和作家）。这本书很有趣，其立场是中国是一个“工程师治国”的国家，美国是一个“律师思维治国”的国家，而不是按照我们传统的视角来看中美两国。这本书非常巧妙，大家有兴趣可以看看。
2. 《最后的经济学》（The Last Economy），作者是Emad Mostaque（埃马德·莫斯塔克: Stability AI的创始人）。这本书很有趣，他认为我们人类可能只剩下这一代是“最后的经济体”了，后面世界将完全改变。我们用GDP衡量世界的方法会完全改变。这是一本很有冲击力的英文版书，是开源的，大家直接搜索书名就可以看。
3. 《往事》（The Story of Your Life），这是一本非常棒的科幻小说，我觉得写得比较早，但在AI时代看非常有先见性。它探讨了智能的形态，在一个没有人类主观的世界里，与另一种智能体——外星生物交流会是怎样的体验。这种思考带来了对智能、意识的深入探讨。它探讨了如何定义人类与异性人的互动，写得非常酷，与其他科幻小说不同。

中间这张图来自《最后的经济学》，我在之前的直播中分享过类似观点，当时我还没看过这本书，但我们讲的是一样的。他说资本主义（Capitalism: 一种经济体系，以生产资料私有制和追求利润为特征）和GDP（Gross Domestic Product: 国内生产总值，衡量经济活动总量的指标）都已经过时了。我们无法用GDP衡量现在世界的经济增长，因为它不能只衡量投资和交易。他提出了一个新模型，叫做“心智”（Mind），包括：

• 物质资本（Material Capital: 实物资产，如土地、设备等），这是最重要的，没有物质资本就没有一切。GDP大量衡量物质，但忽略了智慧资本（Intellectual Capital: 知识、技能、思想和创造力），这是稀缺的，也是互联网之后进步的引擎。
• 网络资本（Network Capital: 通过人际网络、社群连接等形成的价值），特别是在社交网络之后才有的，2010年之后才出现。我当时做微博，算是中国初代社交网络，我很理解这个逻辑。社群连接、关系、网络社区、归属感，这些都是很重要的资本。这张图是我从他和Think Big播客那里听来的，他说这个播客主持人通过在洛杉矶建立强大的关系网，就是一个典型的例子。他拥有巨大的能力和影响力。网络是成长的放大器，一个孤立的系统，无论多么优秀，都无法实现规模化成长。所以我们现在做的任何事情，都要注入智慧资本（AI），注入网络资本（Social Network）。
• 多样性（Diversity: 系统内部存在多种不同元素或特性的状态）。系统内部要有可能性和适应力。我们组建网络时，要是多元化的网络，而不是单调的网络。人的能力也是一样，拥有多元化的朋友圈和技能组合，才能有长期的生存方法。一个国家也是如此，需要多元化的产业结构才能产生多样化的资本。这可能是GDP时代从未提及的问题。所以，在智能时代，我们需要新的方式来衡量我们的社会经济。这本书非常棒，我推荐给大家。

这是来自**《无穷的开始》（The Beginning of Infinity）这本书，一本很棒但很难读的书，作者是英国理论物理学家David Deutsch**（大卫·多伊奇）。他有一个核心观点：真理（Truth: 客观事实或符合现实的陈述）就是问问题不可避免，但问题永远不会被彻底解决。人类永远不会抵达一个没有问题的乌托邦社会（Utopian Society: 理想的社会状态）。一个没有问题的状态，就是一个没有创造力的思维状态，别名就是死亡。没有问题就是我们已经灭亡了。我们只要活着，我们永远有问题。所以按照这个逻辑，我们人类永远有解决不完的问题，永远有新的职业，有新的工作要做。所以AI是无法替代我们所有工作的。如果AI把我们全部替代掉，那人类就不存在了，逻辑就是这样推导的。所以我们的能力只受限于物理定律。我们通过解决一个又一个的问题来生存和发展，这就是启蒙精神（Enlightenment Spirit: 18世纪欧洲思想运动，强调理性、科学和个人自由）的精髓：提出问题，解决问题，提出问题，解决问题。我们永远在这样一个循环里面。问题不可避免，但问题可以解决。有了这样的精神之后，我们才能让我们的资本市场一直上涨，我们能创造更大的市场和更大的可能性，画更大的饼，做更大的蛋糕。这就是科技乐观主义（Techno-optimism: 相信技术进步能解决社会问题并带来更美好未来的信念）。我7月份的分享基本上都是讲这个主题。

这是Naval Ravikant（纳瓦尔·拉维坎特: 硅谷知名天使投资人、企业家）的一个观点，我今年9月份转发后很多人很有共鸣，所以放进来了。他说：“如果你最聪明的朋友开始说一些疯狂的话，请注意，范式（Paradigm: 科学领域或特定学科中普遍接受的理论、方法和实践框架）可能正在转变中。”你可以看到你周围，你关注你周围最Smart的那些人，他们在干什么，他们在投什么，他们在做什么，他们在想什么。这表示这个世界正在产生转型，因为转型是由他们推动的。所以，投资最优秀的企业家，以及跟着最聪明的人投资，是我们现在致富最快的方法。

第二个也是Naval Ravikant的观点，我9月份分发了一篇总结他最新播客的文章，总结出我最有感触的一段话，来自他《44条人生的残酷真相》：人生最重要的三项决定。第一个是和谁在一起，第二个是做什么事情，第三个是在哪里生活。这三者决定了你人生的基本盘（Foundation/Core: 个人或事物最根本、最稳定的部分）。我希望大家现在听我的节目，或进入我的社群，就是你和谁在一起，一块做什么事情。至少我能帮助大家在投资认知和科技认知上有所不同，这可能会决定你的一些决策和思考。我也希望能够成为决定大家如何投资的那个人。当然我也有很多导师，我会研究很多播客，看很多书，然后总结给大家。所以我觉得这一点非常重要。

特别是对于小孩来说，我觉得现在“鸡娃”（Intensive Parenting: 指父母对孩子进行高强度、全方位的教育和培养，以期在竞争中脱颖而出）这个概念非常不可取。其实，你的小孩，我觉得对小孩来说，你父母的基因决定了70%，所以你再怎么“卷”（Involution/Intense Competition: 指社会内部的过度竞争，导致资源消耗和内耗）也没用。剩下的30%就是你父母要给他创造一个好的居住环境。这个居住环境可能是在北美来看的一个社区，你选了一个好社区之后，周围的学校也好，人也好。所以很多人去硅谷卷，因为硅谷的人才密度高，小孩确实很厉害。你可以卷到那去，世界的“卷娃之巅”（Peak of Intense Parenting: 指竞争最激烈的育儿环境）就在硅谷。还有一个，我觉得要及早发现小孩的天赋，然后把这个天赋干到最大化。这叫做我们的人生不做多项选择，就把一个选择干了就可以了。

我再贴一个帖子，这也是我触动比较大的。这是知名数学家陶哲轩（Terence Tao: 华裔数学家，菲尔兹奖得主）在另一个网络上发的：“社会系统对大组织的偏爱，正在摧毁真实的小型社群。人们在物质富足中变得孤独和无力。”大家是不是都有这种感觉？特别是城市化（Urbanization: 乡村人口向城市迁移，城市规模扩大的过程）之后，大的系统、大的社会、大的公司，这非常赛博朋克（Cyberpunk: 一种科幻流派，描绘高科技低生活、反乌托邦的未来）。每个个体都很孤独，AI只会让大组织更加强大，让社会垃圾更多。这是AI接下来大公司干的事情。你刚刚前面看到的Sora，看到xAI制造的这些内容，当然你可以非常享受这些娱乐，但慢慢你就会没有人类连接了。你全部被Agent包围了，产生这些娱乐内容。

但我们作为人，我们肯定不能这样，那我们就没有意义了，我们没有存在的意义了。那你纯粹就成了《黑客帝国》（The Matrix: 1999年科幻电影，描绘人类被机器控制的虚拟世界）里面的电池（Battery: 指《黑客帝国》中人类被用作能源的比喻）。所以我们需要用真实的自己来连接大家，不要在社交网络上扮演机器。这就是为什么我要做社群，或者我为什么想强烈地输出这些观点和内容。我就是希望大家，我想我作为一个领航员（Navigator/Pilot: 引领方向的人），把大家领在一块。我们有共同价值观（Shared Values: 群体成员共同认同的信念和原则）、共同认知（Shared Understanding: 群体成员对事物有相同的理解）的一些人领在一块，我们觉得大家集中起来之后，我们在一块分享，我们会抵抗住接下来这个大组织，或者是AI对我们思维的入侵。我们能够更明显地看到人与人之间的连接。同时我们强化自己，通过这个社群来建立自己的Network，来建立连接。这是一个趋势，我认为在AI时代，更多的社群会繁荣，KOL（Key Opinion Leader: 关键意见领袖）会更加厉害。有价值、有人类温度的超级社会连接器（Super Social Connector: 指在社会中具有强大连接和影响力的人或组织）会更赚钱，他们会成为重要的节点，他们会成为抵抗AI对我们侵蚀的节点。这是我认为一个非常明显的趋势，所以我现在就在这个上面做这些事情。

Rewired社群的未来规划

我将介绍我将要做的事情。我7月份给大家预告过，在线下也预告过，也去出版社讲过，会做一个项目叫“Rewired”（重新连接）。我之前发过这张图，是ChatGPT帮我画的。新的三位一体（Trinity: 指三个相互关联、共同构成整体的部分），就是每一个超级个体（Super Individual: 指在特定领域拥有极高能力和影响力，能创造巨大价值的个人）都想有自己的社区，超级个体就是自己的社区主理人，社区会成为新的社会组织单元和经济体。

这个词在不同语境下是不一样的，所以我们会有三层网络构成：一个就是社交网络（Social Network: 个人之间建立社会关系的网络），一个叫做Crypto网络（Crypto Network: 基于加密货币和区块链技术的网络），一个叫做AI产生的生产力和执行层。这三层将个人主权（Personal Sovereignty: 个人对其自身及生活拥有自主决定权）、组织所有权（Organizational Ownership: 组织对其资产、数据、运营等拥有控制权）和行动权（Agency: 个体自主行动和决策的能力）全部放在一块。这是概念，是三位一体的。

所以这个社群里面必须有三个东西：我们通过社交网络连接我们，组成新的社交网络；我们在这个里面有些Crypto（Cryptocurrency/Blockchain: 加密货币/区块链）的方式来做一些所有权的支持，包括投资；然后我们用AI Agent来做社群的高级的知识输出和整理（Knowledge Output and Organization）；然后大家消化这个知识，大家也用AI技能来帮我们做知识过滤（Knowledge Filtering）。这是我想象的一种社群形态。

Rewired社群会做什么？首先我在出本书，已经快写完了。另外，我会有个周刊。我会用我自己和AI引擎（AI Engine: 提供AI功能和服务的核心系统）的能力，帮大家筛选更多更密集的知识出来，每周一次。我现在可能会比较散乱，用这个品牌来做。第三，我会出一套课程，如何与AI共生的课程，关于认知学习（Cognitive Learning: 涉及思维过程的学习方式）。这是前面的一些过程。

社群的作用就是帮大家Build Connection（建立连接），Engage（激励）大家，然后如何做到认知变现（Monetizing Cognition: 将知识、经验和见解转化为经济价值）。在我社区里待过这一年多的朋友，今年已经全部实现认知变现了，这应该是非常好的。我还会做一个新版的投资指南在社区里面，非常清晰，我们把认知最快速变现的地方，那就是美股（US Stocks: 美国股票市场）或者其他投资方式。然后我如何来提升认知？我通过AI的方式增强我自己的学习。这是一个非常好的闭环循环（Closed-loop Cycle: 系统中的输出又作为输入反馈给系统，形成循环）。我们构建思想，然后认知变现，做这种事情。

那本书已经打勾的地方是已经完成章节了，12章已经完成了9章。最后还差几个部分。我第一次在直播里面讲这本书的四个部分：第一部分是关于认知革命（Cognitive Revolution: 人类思维和认知能力发生重大转变的时期），第二部分是关于自我的，第三部分是关于智能体（AI Agent: 智能体）和组织的，第四部分是关于未来的，怎么看？从共生（Symbiosis: 不同生物或实体之间相互依存、互利共存的关系）开始。这是一本和AI共生的新书，可能不是那种技巧型（Skill-based: 侧重于具体技能和操作）的书。技巧型的东西都放在课程里面去做。这本书还是要拔高高度，我们讲认知，提升认知是最重要的。我告诉你，认知不行，你学再多东西都没用。

Rewired课程会做什么？我当时发了一个书单，公众号也有一篇文章，我随便整理了一些很棒的书。这些书涵盖各个方面，从政治经济、政治科学，什么都有。这个世界的底层代码正在被重写，所以我们的思维操作系统也需要升级。真的，我觉得重写得非常快。所以我做了一个新的书单，这个思维操作系统升级的主打课，里面包括了世界观（Worldview: 个人或群体对世界的基本看法）、内观成长（Introspection and Growth: 通过自我反省实现个人成长）、未来主义（Futurism: 倡导变革和对未来技术、社会发展抱有乐观态度的思潮）、科学技术（Science and Technology: 科学知识和技术应用）、生命健康（Life and Health: 生物体的存在状态和健康状况）和地缘经济（Geoeconomics: 地理因素对经济活动和国际关系的影响）。这套课程全部都有，这是主打课。

我还设计了一套技能课（Skills Course: 教授具体技能的课程），是AI共生系列，包括了个人效率（Personal Productivity: 个人在工作中完成任务和实现目标的效率）怎么提升，AIGC（AI Generated Content: AI生成内容）如何用到工作里面去，以及智能体怎么设计、怎么开发、怎么使用。我们会把一些我们在社群里面会用的这些AI做的东西教给大家怎么做，我也会做一些智能体出来。这是一套很酷的课程，应该没有见过的。

这是课程的几部分，也是周刊的一些概念设计。我们会做一些品牌建设（Branding: 塑造和推广品牌形象的过程），Rewired的周刊会是什么样子，行业报告这些东西。这些是我们同学帮我们设计的一些Logo（标志: 品牌的视觉标识）。最后就是这个就结束了，我们大概是这样一个品牌性的社群，名字叫“Rewired”（重新连接）。我今天的分享就到这里结束。