---
author: INDIGO 数字镜像
date: '2026-01-18'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=8z0OzuXYLEs
speaker: INDIGO 数字镜像
tags:
  - ai-agents
  - compute-infrastructure
  - cognitive-enhancement
  - ai-strategy
  - technological-evolution
title: INDIGO 2026新年直播：万物皆计算与AI时代的认知飞轮
summary: 本次INDIGO 2026新年直播深入探讨AI作为时代核心驱动力，如何推动全球基础设施、能源、材料和国家战略的变革。讲者分析了AI智能的锯齿状进化、模型市场格局变化，并提出“万物皆计算”和“万物皆是计算机”的哲学思考。直播还展望了2026年AI在企业、科研和物理世界的应用趋势，并分享了个人在AI时代提升认知的“认知飞轮”方法论，强调结构性机遇与主动行动的重要性。
insight: ''
draft: true
series: ''
category: ai-ml
area: tech-engineering
project: []
people:
  - 戴维德·多伊奇
  - 纳瓦尔·拉维坎特
  - 伊隆·马斯克
  - 萨姆·奥特曼
  - 费尔南·布罗代尔
companies_orgs:
  - OpenAI
  - Google
  - Microsoft
  - Amazon
  - Meta
  - 英伟达
  - Anthropic
  - xAI
  - 特斯拉
  - 台积电
  - 波士顿动力
  - Epoch
products_models:
  - ChatGPT
  - Gemini
  - Claude
  - AlphaGo
  - AlphaFold
  - VLA
  - 擎天柱
  - Claude Code
  - GPT
media_books:
  - 无穷的开始
  - 数学宇宙
  - AlphaGo
status: evergreen
---
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！