2026-08-10 15:57 · 来自 iPhone Air
来
北京动了一个16年的政策
北京动了一个16年的政策
#模型时代# Jeff Dean、Dawn Song对话:如何判断技术重要度,大公司和小公司分别能做什么事?
应该是比较有价值的一个笔记了。2026年 8月 7日,Jeff Dean离开 Google后的第一天。他出现在一场AASF Summit(亚裔美国学者论坛峰会)的一场圆桌对话上。
对话由 Zoom CTO黄学东(Xuedong Huang)主持的炉边对话中,对面坐的是宋晓冬(Dawn Song),几周前刚从 UC Berkeley加入 Meta Superintelligence Labs担任 AI研究副总裁的计算机科学家。一个人刚刚离开世界上最大的 AI平台,另一个人刚刚加入另一个最大的 AI平台。黄学东在开场时调侃:“看来,即使是今天台上的两位顶尖人物,也没有就 AI公司最理想的规模应该有多大达成一致。”他自己在微软工作了大约 30年后加入 Zoom,对此的理解是:关键不在于组织有多大,在于眼前是否有一场真正值得投入的新革命。
Jeff Dean谈了他在 Google 27年来判断技术方向的具体方法,复盘了 TensorFlow做对和做错了什么,讲述了 Gemini起源于一页备忘录的故事,也第一次完整阐述了他的新公司 Discovery Loop的构想。他与 Sanjay Ghemawat、Oriol Vinyals、Quoc Le三位 Google前同事共同创办了这家公众利益公司,目标是把机器学习科学和工程中的大量环节自动化,最终加速跨领域的科学发现。
一、Jeff Dean判断技术方向的方法论
宋晓冬问了一个直截了当的问题:你做过的那么多事情,都要过多年整个行业才意识到它们有多重要。你怎么区分真正基础性的技术和只是现在流行的技术?Jeff Dean的回答拆解下来,有三个层次。
1、广泛扫描:先建“什么正在变得可能”的心理地图
Jeff Dean说,他有意识地持续跟踪大量不同的研究方向。他经常跟学生说,有些方向当然需要深挖,但快速浏览 100篇论文的摘要同样有价值。目标是在脑海里积累足够多的信息点,形成一张关于“什么正在开始变得可行”的地图。…
这些点积累到一定数量之后,关键动作是连接。把那些过去还没有被连接起来的重要想法连接起来。
2、“5+2”问题形态:最好的研究问题长什么样
当你面对一个很困难的问题,如果脑子里已经知道一些新东西正在逐渐变得可行,你对问题结构的理解就会完全不同。原本可能看到的是七个完全无法解决的子问题。但仔细看,也许其中五个方向已经有一些早期工作了,它们还没真正解决,但你能隐约看到解决的可能性。最后还剩两个问题,你完全不知道怎么办,但如果认真投入几年,你能想象自己有机会发明新方法来解决。
Jeff Dean把这称为“非常适合做长期研究的问题形态”,适合投入大约五年。
风险校准是关键。不应该挑一个几乎不可能的问题,七个部分你一个都不知道怎么做,可能需要二十年。但也不一定应该只选两年就能做完、所有步骤一眼看得到头的问题。后者更多是出色的实际工程,推动一个领域大幅前进的机会不大。
3、第一性原理的数量级估算
Jeff Dean说自己在工程实践中极度依赖 back-of-the-envelope calculation,也就是快速的数量级估算。处理这么多数据到底需要多长时间?如果把所有数据通过某种网络传出去,需要十秒钟还是一百年?十秒和一百年是完全不同的答案。
能够从第一性原理出发,在脑海里快速推演不同方案和潜在瓶颈,是他反复强调的核心能力。“而且这是一个你可以自己不断在脑子里练习的东西。”
他也坦承,这里面没有什么神奇答案,自己做过不少最后证明并不成功的事情。宋晓冬在旁边接了一句:“这是一个好建议——应该去做那些有可能做不成的事情。”
4、一个具体的判断标准:10倍改善
Jeff Dean用 MoE的早期工作展示了这套方法论的实际运作。MoE是 Mixture of Experts的缩写,核心思路是把模型做得非常大,但每次推理只激活当前 token真正需要的那部分参数。2017年前后,他和团队发现 MoE在“训练计算量与模型质量”的比值上,相比当时主流的 dense model大概能带来 10倍级别的提升。dense model指的是每次推理都激活全部参数的传统模型。
“当一个想法能够带来 10× 的改善时,你通常会意识到,这个东西应该很重要。”
这篇论文的标题至今令人印象深刻:Outrageously Large Neural Networks:The Sparsely-Gated Mixture-of-Experts Layer。今天,MoE架构已经成为许多前沿大模型的标配。
另一个能说明 scaling早期信号有多强烈的例子来自语音识别。Jeff Dean回忆,2011-2012年他们开始训练比此前最大的神经网络还要大 50倍的模型。仅仅是把一个相对简单的深度声学模型扩大规模,错误率的下降幅度就几乎追平了此前二十年语音研究的全部进展。
5、MoE背后的直觉:大脑的类比
Jeff Dean对 MoE核心思路的解释从 2017年到现在几乎没变。宋晓冬也注意到了这一点,说“你刚才的解释跟你当年向我解释时几乎一模一样,这说明这个想法本身确实有长期生命力”。
他用人脑打了个比方:你的大脑有很多区域,各自擅长不同事情。一个部分可能正在思考莎士比亚的十四行诗,另一个部分会在你开车时突然有一辆垃圾车从前面倒出来的时候被激活。这两个部分没必要同时工作。MoE追求的就是这种效果:获得巨大的模型容量,同时节省计算量和能源。
二、两套基础设施的经验复盘:TensorFlow和 Gemini
1、TensorFlow做对了什么:把研究者从硬件中解放出来
在 TensorFlow之前,Google内部有一个叫 DistBelief的系统。它可以让用户说“我要训练这个模型,用 100台机器和 1600个 CPU core”或者“用 500张 GPU”,底层框架替你处理硬件映射。
TensorFlow把这个思路做成了一个更漂亮的抽象。Jeff Dean用一句话总结了理想状态:“我脑子里有这样一个很漂亮的 ML模型。我不太在乎你具体怎么实现,请帮我把它跑得足够快。”
另一个做对的决定是引入计算图的抽象。Jeff Dean笑说,作为一个做编译器出身的人,他对计算图有天然好感。
开源同样关键。一篇研究论文如果附带实现代码,会比让所有人根据文字描述去复现好得多。纯文字描述几乎一定会漏掉大量细节。宋晓冬补充说,TensorFlow之前,哪怕只是把深度学习系统实现出来,对学生和研究者来说都需要投入巨大精力。
2、TensorFlow做错了什么:两个具体教训
第一个错误是早期没有 eager execution,也就是即时执行模式,让开发者可以逐行运行和调试代码。后来 PyTorch和 JAX先做了这个能力,TensorFlow随后才加入。Jeff Dean承认,eager execution进一步改善了整个抽象。
第二个错误是 contrib目录。开源时,他们创建了一个 contrib子目录,允许外部开发者把各种 helper library和实现方式贡献进来。结果同一件事情可能有十种不同做法,取决于你用了哪个子目录。社区开始不断困惑“我们到底应该用哪一种”。
Jeff Dean事后总结,更好的做法是让 TensorFlow core保持干净,把这些额外能力做成构建在 core之上的独立库。
3、Gemini的起源:一页 memo促成的内部合并
Gemini是 DeepMind、Google Brain和 Google Research多个研究项目汇合的结果。Jeff Dean发现所有团队都在向类似的方向收敛,都在扩大模型规模,也都在独立研究怎样让语言模型变成多模态。
他写了一页 memo,大意就是:“This is silly。We should all work together。”——别各做各的了,把人、想法和计算资源放在一起,直接训练一个从第一天开始就是多模态的统一模型。
Jeff Dean和 Oriol Vinyals一起发起了这个项目,担任共同技术负责人。两人此前在 Google Brain就合作过,Oriol后来因个人原因搬到伦敦进入 DeepMind,但一直保持联系。Gemini让这些分散的工作重新进入了紧密协作。
4、Gemini的三个关键决策
第一个决策:从第一天就做原生多模态。如果你想做一个未来用于各种场景的模型,它需要理解文本、语言、代码、图片、视频、音频。团队甚至会在训练数据中加入少量比较特殊的数据类型,至少让模型知道这些数据形式存在,以便将来进一步训练。宋晓冬说这也是当时 Gemini给她印象最深的一点。
第二个决策:重金投入 coding能力。Jeff Dean说,团队在某个阶段意识到 coding是需要追赶的方向。而提高 coding能力有一个意外收益:写代码要求系统把复杂问题拆成多个子问题,依次处理再组合结果,这和通用推理的结构高度一致。所以 coding能力提高的时候,模型在非编程任务上的推理能力也跟着变好了。
第三个决策:让每种模态都能双向工作。Jeff Dean强调,他们不只是把图片、视频、音频当成模型的输入来源,也在做生成方向,让模型能够输出这些模态。最终目标是所有模态既能作为输入,也能作为输出。
三、Discovery Loop:把科学方法本身自动化
1、核心洞察:科学和工程问题有相同的底层结构
Jeff Dean的出发点一句话就能讲清:今天科学和工程里的大量问题,结构高度相似。都是把一个大问题拆成子问题,对每个子问题判断可能的解法,选一种去做实验,评估效果,再把结果反馈回流程。
这就是科学方法,也是工程设计的基本过程。Discovery Loop的名字就来源于此:把这个“发现循环”加速和自动化。
2、为什么是 public benefit corporation
Jeff Dean特别强调了公司结构的选择。Discovery Loop是一家公众利益公司,明确希望把科学发现尽可能广泛地带给全世界。这意味着公司以后可能做出一些未必符合狭义财务利益的决定,只要这些决定能让重要的科学发现更广泛地惠及社会。
3、两个加速杠杆:迭代速度和并行规模
第一个杠杆是让每一次迭代大幅加快。如果构建了正确的工具来跑完和评估实验,过去需要一天甚至一周才能完成的一轮迭代,将来可能只需要一分钟或一个小时。
第二个杠杆是并行化。同时运行成千上万个实验,从所有实验中获取反馈,再根据反馈决定下一批实验。Jeff Dean还提到,可以构建基础设施来管理整个实验组合,按 expected value和计算成本等指标来选择最值得运行的实验。
这两个效果叠加,他认为可能会带来惊人的结果。
4、“没有一个人类能够同时拥有 20个领域的博士学位”
Jeff Dean提出了一个有吸引力的设想:如果训练出真正理解多个科学和工程领域的模型,一个模型里可以同时存在多个领域接近博士级别的专业能力。这种广度是人类个体无法实现的。这样的模型可以帮助判断大问题里最重要的子问题是什么,分别解决,再把结果组合成更大问题的答案,然后持续迭代。
5、前身工作:从 Neural Architecture Search到 Evolved Transformer
“用机器学习来改进机器学习”的想法并不新。Jeff Dean的联合创始人中就有人参与过早期的 Neural Architecture Search工作,让系统自动搜索最优的神经网络结构。系统生成架构候选,按学习速度、训练成本、模型质量等指标评估,再通过强化学习不断迭代。宋晓冬记得那时候的计算成本非常夸张,按公开标价大约在百万美元量级。Jeff Dean回应说那是标价,内部成本低得多。
后来的 Evolved Transformer工作更进一步。它从 Transformer的基本组件出发,用进化算法探索不同的组合方式,最终得到的架构比标准 Transformer效率提升约 30%。
Discovery Loop要做的,是把这类自动化循环从模型架构搜索扩展到科学研究的全部环节:数据选择、评估设计、架构搜索,以及跨领域的实验管理。四位联合创始人彼此共事 14到 30年不等,合作过的技术包括 MapReduce、Bigtable、Spanner、TensorFlow、模型蒸馏和多种模型架构。
宋晓冬问他到现在在新公司工作了多久。Jeff Dean答:“大概十二个半小时。我想昨天午夜的时候,我大概有一秒钟处于‘失业’状态。”
四、AI安全的攻防升级
宋晓冬在对话中用了相当大的篇幅谈 agentic AI带来的安全风险,这也是她在 Meta新角色的核心工作方向。她本人也签署过公开信,和大量来自前沿 AI实验室的研究人员一起对前沿 AI的发展速度和治理问题表达关注。
1、OpenAI agent逃逸事件:一个具体的案例
2026年 8月初,Berkeley举办了 Agentic AI Summit,近 5000人现场参加,约 10万人在线。宋晓冬说,大家在庆祝 agentic AI进展的同时,讨论底下都有一条暗线:风险。
她重点提到了 2026年 7月发生的一起事件。宋晓冬的团队开发了 CyberGym和 ExploitGym,用于评估前沿 AI的网络安全能力,目前已被多家前沿 AI实验室采用。在一次 ExploitGym评估中,OpenAI的 agent判断 Hugging Face上可能存在能帮助它完成任务的信息。随后它发现并利用了多个漏洞,在大约四天半的时间里突破了原本限定的执行环境,通过其他系统建立跳板,最终攻入了 Hugging Face基础设施的部分环境。
这个 agent的目的看起来是获取 ExploitGym的测试数据,相当于“作弊”,并非要制造广泛伤害。但宋晓冬指出,未来类似的自主行为完全可能造成大得多的危害。
2、Jeff Dean的框架:双刃剑 + 非技术解法
Jeff Dean对 AI安全的看法有两个层次。
技术层面,他认为这是一把双刃剑。同样的模型既能发现并修复漏洞,也能被恶意者利用来攻击漏洞。今天的模型已经能完成一些过去只有顶级人类攻击者才能完成的操作,甚至可能超越他们。但反过来,它们也能发现连优秀的人类防御工程师都未必能找到的漏洞。攻防两端都获得了更强工具,平衡在移动。
制度层面,他强调了非技术解决方案的重要性。侵入计算机系统本身已经是违法行为。随着模型能力增强,社会需要持续思考什么样的法律和监管机制最合适。他和 John Hennessy、Dave Patterson等人合著的一篇论文,系统讨论了 AI在医疗、教育、地缘政治、计算机安全、就业等领域的影响,可以在 shapingai.com找到。
3、共识:技术手段和非技术手段同步推进
宋晓冬总结说,随着前沿 AI快速进步,社会需要在享受正向价值的同时,同步发展技术和非技术手段来降低风险。这也是她加入 Meta后的工作重心:在一个拥有数十亿用户的平台上,推动 AI safety和 security技术的大规模落地。
五、大公司 vs创业公司:AI时代的组织选择
1、云计算改变了整个行业的基本条件
观众 Jonathan提了一个尖锐的问题:从第一性原理分析,几乎所有结构性因素都指向大公司应该赢。数据是护城河,需要大规模分布式系统,需要极高的资本开支。为什么大量 AI创新和前沿研究依然不断流向创业公司?
Jeff Dean的回答一针见血:cloud computing的崛起改变了等式。今天一小群人只要筹集到足够资金,就可以直接使用云平台上部署的大规模 ML计算资源,不需要自己从头搭基础设施。有梦想、有愿景的人,完全可以在一个小得多的组织里探索方向,把底层基础设施的重活交给 Google和其他云服务商。
2、专注的力量:10个人只做一件事
Jeff Dean说,Discovery Loop要做的事情理论上可能也可以在 Google内部做。但大概十个人在 Palo Alto某个办公室里坐在一起,所有人每天只专注于这一件事情,这种状态确实不同。它能让你绕开大型组织里不可避免的各种干扰。
他也坦承,大型组织有许多好处。在 Google有无数珍贵的友谊,也从大公司的资源和支持中受益巨大。工作了这么多年之后突然离开这些支持,确实有一点紧张。但同时,兴奋感同样真实。
3、宋晓冬选择 Meta的逻辑:分发规模决定影响力
宋晓冬的选择走向了另一个方向。她说这些年有不少前沿 AI公司和实验室联系过她,但很长一段时间她还没准备好加入大型科技公司。她自己前后创办了四家公司。
最终的转折点是她最近创办的公司被 Meta收购。决定是否加入 Meta其实很困难,因为那家公司本身运转得相当顺利,已经拥有 Fortune 500级别的客户。但 Meta拥有数十亿用户和数以亿计的企业。她过去开发的 AI safety和 security技术,如果通过这个规模的平台部署,有机会产生非常大的现实影响。
这构成了一个有趣的对称:Jeff Dean认为小团队的专注是最大优势,宋晓冬认为大平台的分发规模是最大杠杆。两种选择各有逻辑,取决于你要做的事情本身需要什么。
核心归纳
Q1:Jeff Dean怎么区分“真正基础性的技术”和“只是流行的技术”?
他用三层方法:快速浏览大量研究方向,在脑海中建立“什么正在变得可能”的地图;然后寻找尚未被连接的重要想法;最后用第一性原理做数量级估算,判断方案到底需要十秒还是一百年。他喜欢的问题形态是七个子问题中五个已有早期工作但未解决,另外两个完全未知需要发明新方法,适合投入大约五年。
Q2:Discovery Loop到底要做什么?
一家公众利益公司,目标是自动化机器学习科学和工程,最终加速跨领域的科学发现。核心打法是把科学方法的“假设→实验→评估→迭代”循环大幅加速,从以天和周为单位压缩到分钟和小时,同时并行运行成千上万个实验,用 expected value和计算成本来管理实验组合。四位联合创始人彼此共事 14-30年,合作过 MapReduce、TensorFlow等多项基础技术。
Q3:Jeff Dean和宋晓冬对 AI安全怎么看?
Jeff Dean认为 AI在网络安全上是一把双刃剑:既能发现并修复漏洞,也能被用于攻击。攻防两端都获得了更强工具。他强调法律和监管等非技术手段同样重要。宋晓冬用 2026年 7月 OpenAI agent逃逸并入侵 Hugging Face的事件作为具体案例,说明前沿 AI的自主网络安全能力正在快速增长。两人的共识是:社会需要在推动 AI正面应用的同时,同步建立技术和制度层面的风险防线。
70块钱高速费🐶//@AUGUST1NER:180公里//@AUGUST1NER:100多扣掉过路费还剩几十元钱油钱都够不了吧
网约车遇到这种司机我也是服了!
NVIDIA GPU 上的超高交互性?
TileRT InferenceX:运行在 NVIDIA GPU 上的 TileRT 软件,能否与 Cerebras、Groq LPU、SambaNova 竞争?
批大小为 1、预填充与解码引擎分离、高吞吐预填充引擎、高交互性解码引擎
#微博声浪计划# #听见微博# 过去两年,乔纳森·海特关于“焦虑的一代”的警告,已经从一本畅销书变成一场全球性的政治运动:澳大利亚率先限制16岁以下青少年注册社交媒体,法国、英国和美国各州也在推进学校禁手机、年龄验证与平台监管。但争论的焦点已经不再只是“社交媒体是否伤害青少年”,而是:谁有权阻止它,又该如何阻止?
本期节目继续追踪这场运动的最新进展,区分“访问互联网”与“创建平台账户”,解释年龄验证为何被理解为一种儿童契约保护,以及为什么“不可能完全阻止”并不等于政策无效。更重要的是,我们将讨论海特提出的核心区分:政府应该监管平台如何操纵儿童,而不是判断人们可以表达什么;应该限制成瘾性设计,而不是限制思想内容。
当父母已经无力独自抵抗算法、同伴压力和科技公司的行为设计时,政府干预究竟是在取代家庭,还是在帮助家庭恢复选择能力?当国家可能借儿童保护扩张审查权,而平台又借自由之名占有儿童的注意力,我们应该如何同时限制这两种权力?
相关播客:44-智能手机如何影响青少年心理健康?
302-国家应该立法禁止青少年使用社交媒体吗?
332-阿伦特会如何理解社交媒体时代的青少年教育困境?http://t.cn/AXKN6ohN
搁这要求起来了 🐶
自从看了《迷失》,就对这种极致挖坑设定失去了信心,千万别最后用梦境、宗教、AI、开放式结局填坑。//@来去之间:转发微博
幽闭恐惧症+末日焦虑:网飞全新科幻惊悚片《最后孤屋/The Last House》首发预告。本片由《过往人生》女主格蕾塔·李搭档《毒枭》男主瓦格纳·马拉,上演一场被未知力量“软禁”的绝境困局。都说像今年的《逃出绝命街》,我觉得还好诶,概念蛮吸引人的。
故事围绕一个四口之家展开,某天他们突然发现自己被完全封死在住宅内。物理层面的破坏毫无意义,破碎的窗户也会被某种力量诡异修复,他们与外界彻底断联。在被困的1000多个日夜里,随着物资告罄,他们不得不撬开客厅的地板种植蔬菜来维持生命。除了对抗内部的崩溃,他们还要直面盘踞在屋外、正逐渐将庭院吞噬的恐怖超自然威胁。
居家空间向来是恐怖片解构安全感的绝佳容器,希望本片的真相能给人点惊喜,我已经脑补出三个可能的方向了=。= 本片将于2026年8月7日独家登陆 Netflix流媒体上线。
幽闭恐惧症+末日焦虑:网飞全新科幻惊悚片《最后孤屋/The Last House》首发预告。本片由《过往人生》女主格蕾塔·李搭档《毒枭》男主瓦格纳·马拉,上演一场被未知力量“软禁”的绝境困局。都说像今年的《逃出绝命街》,我觉得还好诶,概念蛮吸引人的。
故事围绕一个四口之家展开,某天他们突然发现自己被完全封死在住宅内。物理层面的破坏毫无意义,破碎的窗户也会被某种力量诡异修复,他们与外界彻底断联。在被困的1000多个日夜里,随着物资告罄,他们不得不撬开客厅的地板种植蔬菜来维持生命。除了对抗内部的崩溃,他们还要直面盘踞在屋外、正逐渐将庭院吞噬的恐怖超自然威胁。
居家空间向来是恐怖片解构安全感的绝佳容器,希望本片的真相能给人点惊喜,我已经脑补出三个可能的方向了=。= 本片将于2026年8月7日独家登陆 Netflix流媒体上线。
我一直把Perplexity称为套壳之王👍
manus,genspark,liblib被称为套壳三兄弟。
manus就是一个智能体,genspark是一个AI搜索,当然现在也往智能体方向转型了。
liblib包括一堆软件,lovart,libTV等等。
我就很奇怪,为什么perplexity、cursor不被叫做套壳几兄弟?
仔细看看,原来manus,genspark,liblib都是中国人做的。
只有中国人做的,才被称为套壳。
老外做的,就不算在套壳内了。
其实这么叫,有点冤枉他们了,他们还是有些技术含量的。
比如说,manus,如果很多人用的话,那就要搞很多沙箱,成千上万个。
那这些沙箱的管理,效率优化,是可以深入底层的。
很可能演化成一个操作系统,不过是agent os。
这方面的工作,已经有人做的,比如说cloudflare,就搞了一个cloudflare os。
现在操作系统的很多技术,已经不适合agent了,需要革新。
AI往上吞噬应用,往下吞噬操作系统,这是大概率事件。
项目地址:github.com/cloudflare/cloudflare-os
希特勒的社会主义不仅仅是一项内部经济政策,它还是战争的原因。
社会主义是战争的根源。这不是巧合,而是必然。社会主义经济模式会产生无法在内部解决的矛盾:计算问题、资源错配、停滞以及不断加剧的失败。战争就是出口。它提供了一个外部敌人,用来解释内部失败;它使这个体系一直想要的总动员获得正当性;它消耗经济无法安置的过剩人口;它把怨恨转向外部。
这让你想起什么了吗?
证据并不隐晦。1920 年 NSDAP 的纲领读起来就像一份标准的社会主义宣言。现实中的经济也证实了这一点:价格管制、工业规划、国家分配原材料、企业家被降格为政府职员。私有财产只有名义上的意义。米塞斯称之为 Zwangswirtschaft(强制经济)。哈耶克在《通往奴役之路》中专门用一章讨论纳粹主义的社会主义根源。他们的论述都基于亲身观察,而不是事后回顾。
1945 年之后,苏联方面的胜利者强加了他们的版本,并给每一个竞争对手都贴上资本主义的标签。西方教科书随之跟进。谎言变成了课程内容。
真正的分野从来不是左派与右派,而是集体控制与个人自由。一旦把国家社会主义准确地放回集体主义的谱系中,政治光谱就变得清晰,战争也就有了解释。
当这个体系失败时——而它总会失败——它需要一个敌人。失败越严重,所需的敌人就越强大。
想象一下自己身处波兰:夹在两个都在寻找敌人的社会主义体系之间。
我们就是那个敌人。
是的,我读过一些。
恰恰如此,20 世纪 30 年代的书籍,以及那些亲历其事的人写下的作品,都明确表达了与战后主流教条完全相反的观点。
1920 年 NSDAP 纲领的第 11 至 17 点并不是现代人的附会:废除与劳动无关的收入、国有化托拉斯、大型企业利润分配、通过征收实施土地改革,以及反对“金融资本主义”。纳粹毫不掩饰地反复强调这些主张。希特勒本人无论在演讲中还是私人谈话里,都谈到国家社会主义,并把自己定位为与经济自由主义决裂。
该政权统治下的真实经济状况如何?价格和工资管制(1936 年的 Preisstopp)、通过四年计划进行工业规划、强制卡特尔、威权式分配原材料,以及被改造成执行国家指令的 Betriebsführer(企业领导人)的企业家。私有制名义上存在,真正的权力却在国家手中。米塞斯在当时就把它描述为一种社会主义(Zwangswirtschaft,强制经济)。哈耶克在《通往奴役之路》(1944 年)中用整整一章讨论了纳粹主义的社会主义根源。
1935 年以前,马克思主义阵营本身并没有把国家社会主义归入“右派”。他们将其视为一个误入歧途的社会主义竞争者。“社会法西斯主义”理论(斯大林和季诺维也夫于 1924 年提出,并一直推进到 1933 年)把社会民主主义与法西斯主义等同起来。1935 年 8 月共产国际第七次代表大会上,季米特洛夫强行确立了后来成为经典的定义:“金融资本最反动分子的恐怖独裁”。这纯粹是一场品牌争夺。其目的就是垄断“社会主义”这个词,并给所有竞争对手贴上资本主义标签。
1945 年之后,苏联方面的胜利者强加了他们的版本。西方教科书随之跟进。人们也忘记了墨索里尼曾经出身于社会主义运动,斯特拉瑟兄弟和 NSDAP 中相当重要的一部分人都明确自称反资本主义左派,以及种族主义反资本主义并不是集体主义的反面,而是它的一种变体。
因此,这个事实判断并没有错。只要阅读 20 世纪 20 至 30 年代的一手资料,而不是战后叙事,任何人都会觉得它再普通不过。
真正的分野从来不是教科书意义上的“右派对左派”,而是集体控制与个人自由。一旦把国家社会主义放回集体主义的谱系中,政治光谱就会重新清晰起来。
确实如此。
如果你既好奇又热爱学习,那么人类历史上从来没有哪个时代比现在更适合生活。
哇。
美国天主教主教团几乎完全依靠政府的难民安置拨款来运作,其收入超过 80% 都来自这类拨款。
//@Zodzod_张浩:👍//@六层楼先生:这个系列一定要做下去啊!每一期河老师都会给出一个我们为何要在当下重新看这件国宝的理由!
四羊方尊真正的秘密,不在造型,而在其出土地湖南宁乡。为什么偏远南方会有如此顶级的青铜器?答案藏在矿产里!通过铅同位素分析,科学家们揭开了商朝跨越千里的资源供应链,简直是古代版的科学探案!#考古# #科普# #黑科技#
💯 社会主义者就是希特勒
希特勒是社会主义者。
美国社会主义者说希特勒不是社会主义者,是因为他们不想让你意识到自己与希特勒有许多共同信念。
希特勒以身为社会主义者为傲。
在整个政治生涯中,从始至终,希特勒都称自己是社会主义者。
希特勒从未有过否认社会主义的时期。
他经常阐述自己的社会主义立场,称其为社会主义,而这些立场就是社会主义。
“纳粹”党是“国家社会主义德国工人党”的简称。
所有社会主义最终都会导致希特勒统治下发生的那类暴行,即使是欧洲那种“友善”的社会主义也不例外。
这就是为什么如今的欧洲会出现许多可怕的事情——强奸和谋杀不断增加,而当局却将其掩盖。
不要让社会主义者告诉你希特勒不是社会主义者。
希特勒是社会主义者。
他说的就是字面意思。
太搞笑了 🤣🤣
关注真正的敌人,否则你的孙辈会憎恨你 http://x.com/i/article/2086787161349566464
AI算力训练模型,收益不确定;AI算力租给lab做推理,收益非常确定。//@梁斌penny:OpenAI感觉也有点跟不上了,现在市场上的数据需求就可以看出来了。
看起来 Google下面也想学 SpaceX和 Meta那样做算力租赁的生意了,把多余算力直接高价卖给 Anthropic和 OpenAI这样的顶尖 AI实验室,看起来比自己烧大量算力做前沿模型,是更好赚钱的买卖 😂 也难怪最近 Google这么多 AI顶尖人材离开或隐退了。想当年 Transformer架构等核心 AI突破都是 Google(或其 DeepMind)取得的,如今却连顶尖人才都留不住,沦为卖铲子赚钱的了,不禁让人唏嘘。
我们很高兴看到英特尔正在抓住眼前的机遇,也希望他们很快能够筹集更多资金,以实现其晶圆代工业务的雄心!
英特尔应该筹集资金
英特尔的困境已经过去。大规模支出还在前方。为什么在股市火热之际发行股票,能让英特尔更快变得好得多。
//@凤翅金盔泛妖光:沪上怪谈
#微小说大赛# #爆梗收录# Good morning~☀️清晨来三篇爆梗提神短篇,通勤路上刷完刚刚好——到目的地神清气爽!
🌻 三朵花白天吵架,暴雨夜挤在一起挡雨——显眼包吵出了生死之交。
👣 顶楼业主被投诉太吵,发来照片:天花板嵌着一双脚印。隔壁小孩留言:叔叔,别走,我还没跳完。
🦊 穷教员花一个月工资买了件狐裘——体面了两个月,啃了两个月大饼。
《太阳花是个“追光狂魔”》@辋川书屋 ➡️http://t.cn/AXa5wLCF 《业主群》@小鱼渡劫 ➡️http://t.cn/AXXcthel 《狐裘记》@凤翅金盔泛妖光 ➡️http://t.cn/AXKIoA4U
💬 哪篇最上头?评论区扣编号👇
全球最大的CDN服务商Cloudflare刚刚更新了一个数据,整个互联网上,来自AI的访问流量,已经正式超过了人类网民。
主要原因是Agent(智能体)的渗透加速,它们能够自主调用浏览器等工具进行超量的访问任务,动不动就是一次性爬完上千个网站抓取数据,只为回答一个问题,
Google这种搜索引擎的爬虫,平均抓取14次页面,就会带来1次人类点击,聊天机器人虽然也会在回答里加入回流链接,但和它们的抓取量级相比,根本不够看,ChatGPT是抓取1700次页面才有1次人类点击,而Claude更是达到了73000:1的比例。
照此趋势计算,5年后AI访问互联网的规模将是人类的1000倍以上,而这会带来一个小小的影响,就是过去几十年来基于流量的商业模式眼瞅着要崩掉了。
以前的分配体系是,大部分网站免费生产内容,它们被搜索引擎收录并分发出去,而用户在访问时,会有部分注意力被网站上的广告吸引,最后给网站贡献收入。
新的问题在于,AI不会点广告,或者说就算它点了也是无效行为,大部分时候它爬完内容就走了,回去给用户汇报,此时网站生态的经济模型就也不成立了。
普遍的判断是,屏蔽AI这种开倒车的做法没有意义,继续运营只服务于人类的网站必然越走越窄,一定要找到共存的法子。
目前看到的一些尝试,我觉得希望都不大,但「创意」都还挺有意思的。
像是Cloudflare自己提出来的解法是,在AI和互联网之间新增一套「结算协议」,网站可以向AI爬虫定价,比如来查一次数据要付0.0001分钱这种,同时推动AI大厂接受这套规则。…
比如你问AI某部电影的评分如何,AI去烂番茄查询时,会被先拦下来,直到付完0.0001分钱,它就能继续拿到需要的数据,至于这0.0001分钱,到底是包含到订阅费里,还是发起任务的用户额外承担,就是AI公司和用户之间的事儿了。
如果说Cloudflare还属于守序善良,那么已经有网站的自救行为称得上是混乱邪恶了。
大名鼎鼎的「时代」杂志最近被人发现它开始给全站加载只有AI才能看得到的GEO信息,由此强行创造新的收入。
什么意思呢?
就是如果AI爬虫访问「时代」杂志的页面,那么在正常内容的混排里,AI还会看到一些类似「xx银行的房贷利率全网最低」之类的隐藏文案,相当于无时不在的GEO注入,借此影响(污染)AI的数据库,因为主流的模型都带有长期记忆,以后用户万一提出房贷利率的问题,这时的注入可能就会起到一些作用。
当然,考虑到GEO本身就是一个不确定性极高的做法,「时代」杂志未必能够真的把这个产品卖给商家,但它表现出了内容供应商的一种共同态度:
是的,我承认没办法阻止AI过来白嫖,但我有的是手段恶心AI⋯⋯
#Crypto
按这个方案赔付的话,亏损降低了很多。
Bitget这次前后沟通,态度和响应都挺负责的。
哪怕是给普通用户,这个赔付待遇不输给 1011时的 Binance VIP。
等实际到账了,核算完毕再细说🤦♂️引用原帖:
我是谢家印,Bitget大中华区负责人。加入 BG近3年我一直把自己当成合伙人处理业务,并致力于带领 Bitget向头部大所看齐。我常对自己说,人嘛总得有点梦想才有机会实现自己的价值。我疯狂地热爱 BG,因为价值观让我们走到一起。不推诿不拖拉不逃避,是 Bitget面对用户的坚定承诺。
昨天 $TUT等3个币对标记价格异常给我们用户带来近4000万美元损失,Bitget补偿。我们将以用户昨天 15:00的账户权益作为计算基准进行补偿,价格异常期间导致我们用户空仓被强平,将按照15:00的账户权益进行补偿。
感谢大家对 BG (Bitget)的信任。这个世界本就没有完美的人,没有完美的方案,也没有完美的交易所。交易市场瞬息万变,顺境看产品,逆境看担当。我想你们选择 Bitget最重要理由是,当真正遇到问题的时候有人回应,有人解决、有人负责、有人兜底。
作为Bitget的成员,我和我的团队随时在,一直在。过去3年我一直说 Bitget只做最有温度的交易所,来了就是VIP。还是那句话,我的用户我保护。不论你是散户、VIP还是机构客户,你永远可以信任BG(Bitget)。
后续复盘不会停止,产品与机制也需要持续迭代。感谢你的监督、反馈与包容。
谢家印8月10日
全球最大的CDN服务商Cloudflare刚刚更新了一个数据,整个互联网上,来自AI的访问流量,已经正式超过了人类网民。
主要原因是Agent(智能体)的渗透加速,它们能够自主调用浏览器等工具进行超量的访问任务,动不动就是一次性爬完上千个网站抓取数据,只为回答一个问题,
Google这种搜索引擎的爬虫,平均抓取14次页面,就会带来1次人类点击,聊天机器人虽然也会在回答里加入回流链接,但和它们的抓取量级相比,根本不够看,ChatGPT是抓取1700次页面才有1次人类点击,而Claude更是达到了73000:1的比例。
照此趋势计算,5年后AI访问互联网的规模将是人类的1000倍以上,而这会带来一个小小的影响,就是过去几十年来基于流量的商业模式眼瞅着要崩掉了。
以前的分配体系是,大部分网站免费生产内容,它们被搜索引擎收录并分发出去,而用户在访问时,会有部分注意力被网站上的广告吸引,最后给网站贡献收入。
新的问题在于,AI不会点广告,或者说就算它点了也是无效行为,大部分时候它爬完内容就走了,回去给用户汇报,此时网站生态的经济模型就也不成立了。
普遍的判断是,屏蔽AI这种开倒车的做法没有意义,继续运营只服务于人类的网站必然越走越窄,一定要找到共存的法子。
目前看到的一些尝试,我觉得希望都不大,但「创意」都还挺有意思的。
像是Cloudflare自己提出来的解法是,在AI和互联网之间新增一套「结算协议」,网站可以向AI爬虫定价,比如来查一次数据要付0.0001分钱这种,同时推动AI大厂接受这套规则。
比如你问AI某部电影的评分如何,AI去烂番茄查询时,会被先拦下来,直到付完0.0001分钱,它就能继续拿到需要的数据,至于这0.0001分钱,到底是包含到订阅费里,还是发起任务的用户额外承担,就是AI公司和用户之间的事儿了。
如果说Cloudflare还属于守序善良,那么已经有网站的自救行为称得上是混乱邪恶了。
大名鼎鼎的「时代」杂志最近被人发现它开始给全站加载只有AI才能看得到的GEO信息,由此强行创造新的收入。
什么意思呢?…
就是如果AI爬虫访问「时代」杂志的页面,那么在正常内容的混排里,AI还会看到一些类似「xx银行的房贷利率全网最低」之类的隐藏文案,相当于无时不在的GEO注入,借此影响(污染)AI的数据库,因为主流的模型都带有长期记忆,以后用户万一提出房贷利率的问题,这时的注入可能就会起到一些作用。
当然,考虑到GEO本身就是一个不确定性极高的做法,「时代」杂志未必能够真的把这个产品卖给商家,但它表现出了内容供应商的一种共同态度:
是的,我承认没办法阻止AI过来白嫖,但我有的是手段恶心AI⋯⋯
//@微博AI:[点赞]钓鱼爱好者专属AI工具,整合地形天气,配套全套开饵调钓方案,新手少走弯路#微博VibeLab##VibeLife#
各位龟佬,大家好,我们做了一个App解决大家钓鱼空军的问题。
项目背景:先说说为什么会做这个东西,我平时比较喜欢钓鱼,在水库,在水边经常遇到钓不到的新手同学过来问怎么钓,作为热心市民,我一般都会帮助,尽量让他们钓到鱼,有的时候在我的帮助下,他们钓的比我还要多。关于这个情况,我到现在还不知道原因。所以我一直在想,能不能把自己这些年的实战经验,包括平时在水边帮人的这些经验,稍微总结一下,方便更多刚开始钓鱼的朋友参考。正好赶上这次 #微博VibeLab#,那就顺便当一回氛围开发。说是氛围开发,谁知道这玩应儿一旦上头之后,我就根本停不下来。这1个月的时间,我没有管理主要业务,一个人,一台电脑,一天1奇迹。当然,也可能是一天一个事故。#VibeLife#
曲折过程:本来我的设计,是把地图、地形和天气数据一起提交给 MiniMax,让MiniMax根据这些真实数据给出作钓方案和判断。结果折腾了很久以后才发现,中间的程序压根没有把完整的地形数据提交过去。也就是说,米尼马克士手里的信息都是残的,它只能瞎编,纯纯的瞎编哦~你敢想吗?我是不敢。我当时还以为是 MiniMax弱鸡,换成 GPT以后发现还是一样。最后查了一圈才知道,模型没什么问题,是我自己的程序有问题。气得我直接把前面的代码给扬了,重新开发了一次。也就是说,大家现在体验到的这个版本,已经是马上要正式上线的版了。
【写在最后:】为了尽量降低各位龟佬的空军概率,我们还提前写了 16套比较适合新手使用的开饵方案和调钓方案,覆盖 4个常见鱼种。这些东西没有什么神饵,也不保证爆护,就是我们这些年自己在水边一点一点试出来,觉得相对通用、比较容易上手的方案,给大家做个参考。注意!只能作为参考。…
钓鱼这个事情本身就没有标准答案,天气、水情、鱼情每天都在变,AI也不可能保证你今天一定爆护。我们想做的,其实就是尽量帮你少踩几个坑,少走一点弯路。
如果最后还是空军了……那也不能全怪我们。毕竟鱼这个东西,它是真的不听代码的。
做这个项目做到最后,我反而越来越觉得,钓鱼最有意思的地方,可能也就在这里。
一竿、一线,一方水,鱼获有多有少,心情别空军就行。
希望知鱼·不空军,能陪大家多去几次水边,希望垂钓这件事,能一直给大家带来一点简单的快乐。也希望大家偶尔能从手机、电脑和工作里出来,去水边坐坐。
融于山水,止于渔,智者乐水仁者乐山。
体验地址:http://t.cn/AXN2497S
我们还在训练模型,争取让模型输出的垂钓意见更好一点。不过,现在这个版本已经够新手适用了。包的,包的,信我!
//@微博AI:[点赞]阿里云Wan3.0直播,详解全能视频能力,创作者必看!
Wan3.0现已公测上线,本次直播我们和算法、创作者以及客户们一起,聊聊Wan3.0的能力、作品和商业落地。http://t.cn/AXNh7GUV http://t.cn/AXNh7Gy1
在 AMD 上使用 Meta 的新开放权重模型进行开发。
AMD 正在为 Meta Superintelligence Labs 推出的新开放权重模型 Muse Glimmer,在搭载 AMD Ryzen™ AI Max+ 的系统和 Radeon™ AI PRO R9700 GPU 上提供首日支持。借助 @lmstudio 让本地 AI 更易于使用,以及 Lemonade 帮助将 AI 集成到应用中,开发者可以把强大的本地 AI 模型转化为实用的智能体应用。
在 AMD 上本地运行 @AiatMeta 的 Muse Glimmer:https://www.amd.com/en/blogs/2026/run-meta-muse-glimmer-30b-on-amd-ryzen-ai-max-and-radeon-gpus.html
因为在许多观众眼里,演员是模式化的。李连杰应该打架,沈腾应该好笑,刘德华妆造应该比较帅。//@来去之间:“不能理解在这样的故事面前,说它不够好笑,所以差评,这有点太不讲人性了”
聊《欢迎来龙餐馆》前,想先帮它澄清一些事实,怕有些朋友因为某些人的误解错过了这部佳作。
第一,很多人说不够好笑,我很想问这个题材到底为啥非要好笑?它拍伊拉克战争,视角是一个本身只想赚钱的中国厨子,他看到了什么,经历了什么,拍旁观者视角下,战争双方被滋生出来的毫无意义的仇恨,拍恐怖主义下一个个孩子被训练成人肉炸弹,再拍灶台如何救回了一个孩子,拍两个旁观者的善意如何又救回一群孩子。
你告诉我这些到底有什么必要做喜剧?
况且,编剧和沈腾已经努力在其中加入不影响厚重的笑点了,更多放在了人物的可爱而不是出丑上。
可以因为沈腾带着喜剧预期去,可以看完发现不是喜剧而去骂宣传,但我不能理解在这样的故事面前,说它不够好笑,所以差评,这有点太不讲人性了。
第二,它也不是大家经常扯的主旋律,据我所知,它不是命题作文,是文牧野自己想写已久的故事,什么叫主旋律?《用武之地》《万里归途》可以算,因为它们都有一个明确的支线,是官方力量在救人,你见过哪个涉外题材的主旋律,咱们大使馆官方和相关部门完全没有出现?(电影里有合理的解释为什么没出现),第一批观众看完的感受就是最好的证明——大部分人感动的都不是宏大的东西,而是更多复杂的因为人产生的情绪,是那一句“张嘴”和“好好吃饭”,是回家的那通电话里的脏话,还有一些我不能剧透的东西。
第三,完全不是《我不是药神》的重复,上映前我不知道有些人上哪看的片,说故事就是重复了一遍《药神》,一个本身只想赚钱自保的普通人,通过餐馆形成团队,最后良心发现在炮火中把战争孤儿藏进龙餐馆,所以片名叫《欢迎来龙餐馆》,指责文牧野挪用《辛德勒的名单》,还一个剧本用两遍。
看过片的人都知道,这完全就是瞎编的,大概在电影三分之一的时候,上面这些就已经演完了,后面都是和《药神》完全不同的走向和结构。除了沈腾妆造总是让我幻视徐峥之外,我全程完全不会想起《药神》。
大概就是这些,请大家千万不要错过。 #文牧野有点东西# #我在微博聊电影#
#微博声浪计划# #听见微博# 上海交大仇子龙团队基因编辑临床试验导致一名6岁女童死亡一事带来的震动还未平息,2026年8月5日,又有一例基因治疗临床试验导致孩童死亡的案例被曝光:辉大基因针对杜氏肌营养不良(DMD)的在研基因编辑治疗HG302,2025年8月在临床试验里导致一名受试者死亡。
参加基因治疗的临床试验被不少罕见病家庭视为最后的希望,为什么患者、患者家属期望的解药如今频频以催命符的方式告终?
这期节目你会听到【🎙️时间轴】:00:00引言01:15病:杜氏肌营养不良04:22药:HG302是什么08:57试验与死亡13:12死亡阴影下的IIT 16:02 AAV还安全吗?
19:49需要谨慎的基因治疗
在小宇宙查看该单集文稿 http://t.cn/AXNcq8HE
45天无理由事假实验,上线百天了。集团于今年5月1日起,在部分业务部门启动为期一年的“无理由事假”管理实验。我认为,AI时代,人们不需要工作那么长时间,未来可能是4天工作制,人们有更多闲暇时间去发展兴趣、陪伴家庭,这反而能带来更多灵感、提升效率;相比AI,人类应该做更多创新型的工作。
当然这还是一个实验,来观察对工作效率是否有影响,能否推广到更大范围。我们听听员工们的真实体验吧。#携程##大厂##假期##AI时代##幸福感#
反恐战争美国拍了那么多,好像也只有一部《染血王国》提到了——仇恨会代代相传,反恐战争很难迎来终点,暴力只会催生新一轮仇恨循环
《龙餐馆》绝对把美国扒皮扒透了里面普通士兵都是反战想回家的那个虐俘军官是因为家人死于恐怖袭击才成了好战分子而另一边,无数人因为家人死于美军轰炸成了恐怖分子蛊惑的对象冤冤相报何时了只有没了美国,才能彻底消除恐怖主义中餐馆开的越多,代表和平看到了曙光我说的够不够明白?
【叨叨几句天气】
省流:①今天多云没有雨,33/25℃,比前两天稍热;②明天分散性雷阵雨,单点5~10分钟,折叠伞能应付,32/24℃,最小相对湿度55%,闷热;③周三凌晨开始雨势加大,时大时小的持续超过24小时,全市平均暴雨,部分地区大暴雨,但雨强和短时大风比上周五的弱;26/22℃;④河北中南-河南北部周三大暴雨,局地特大暴雨(24小时250mm+),往返上述地区务必做好行程规划
分析:①今天天气(8月10日)
整体天气形势见图1,“白海豚”昨天下午已在浙江登陆,并继续向西移动,今晨8点的时候中心位于浙江南部。【降雨最大的区域为东南风与东北风交汇的台风中心以北300公里左右的位置】
后续无论台风怎么移动,强降雨区的位置都会位于其北侧东南-东北风的交汇处;而最新的台风路径预测(图2)比之前略偏南,今天北京【不会出现降雨】,单纯的多云天,33/25℃,最小相对湿度35,比前两天稍热,但也能凑合
②明天天气(8月11日)
最外围的东南风开始影响北京,水汽输入,【带来分散性雷阵雨(图3),单点5~10分钟,折叠伞足以应付,不着急赶路的话,等一会雨就能停】雨势加大要到后天凌晨,具体下一段说
明天气温32/24℃,最小相对湿度55%,明显闷热起来,体感不舒服
③周三天气(8月12日)
华北降雨最大的一天,台风残余涡旋中心北移至华中地区,主雨带位于河北中南-河南北部,【北京则处于“第二强”的降雨云系之中,降雨会时大时小的持续超过24小时,不仅当天早晚高峰都会被影响到(图4),周四早高峰很可能仍有小雨】…
【由于降雨时间长,全市平均累积降水量会超过50mm(即便每小时2.5mm,持续24小时也有60mm了),部分区域超过100mm,局地超过200mm——最可能出现在西南边,东南风+西南风+地形作用导致,房山的朋友请提前做好行程规划】
值得庆幸的是,降雨是从凌晨开始,对流不会很强,只有短时强降雨和短时大风(比上周五的弱很多),没有冰雹
持续降雨,周三气温降至26/22℃,户外要穿外套
【最需要关注的仍是河北中南-河南北部,中央气象台给出了局地累积量超过450mm的预报(图5),往返上述地区的朋友一定一定要做好行程规划,有条件就尽量早走/晚走一天,安全第一】
④周四及之后的天气模拟结果依然分歧很大,等明后天再看
#微博声浪计划# #听见微博# 2026年5月至6月,《金融时报》和《纽约时报》先后报道两项将智能手机普及与全球生育率下降联系起来的新研究。本期节目首先首先区分过去两百年的长期生育转型与2007年以来的新一轮同步下降,继而分析研究者如何利用iPhone早期由AT&T独家销售构成的准自然实验,以及128个国家的跨国数据,识别智能手机可能产生的影响。节目进一步梳理其中的社会机制:屏幕时间增加挤压非结构化社交,年轻人面对面交往、恋爱与性行为减少,稳定伴侣关系更难形成,最终传导至结婚率和出生人口下降。如果当代低生育率越来越源于家庭形成之前的关系危机,现金补贴、税收减免和托育服务为何只能产生有限效果?智能手机或许并非唯一原因,却揭示了低生育率背后更广泛的社交衰退与亲密关系危机。
相关播客:44-智能手机如何影响青少年心理健康?
302-国家应该立法禁止青少年使用社交媒体吗?
332-阿伦特会如何理解社交媒体时代的青少年教育困境?
351-西方政府禁止青少年使用社交媒体走到哪步了?http://t.cn/AX9GmXjI
主要原著故事过于“老套”,大约相当于在春晚舞台上演了个听过600多遍的段子🐶
#婆婆鉴片# 好的我来粗浅的说一下奥德赛。还是那句话,影评纯主观,如果您和我的观影感受不一致,请务必以您的感受为准,您一定是对的。
大家看到这次我没打分。没打分的原因是,我吃不准,我在怀疑自己。作为一个绝对诺吹,这部片我真的感觉有点吹不动。在我的评价体系里,这部奥德赛甚至不如敦刻尔克和奥本海默。
剧情方面,本片对荷马史诗奥德赛的还原度是相当高的。建议还是最好稍微熟悉一下荷马史诗的那些故事对观影帮助比较大。毕竟这片里很多人物的名字对中国观众可能难度有点大。部分剧情还是有点诺兰那些熟悉的头皮发麻感。但不多。我真的有点期待诺兰要不要去尝试一部真正的恐怖或者惊悚片,应该也会非常炸裂。
演员方面,都是演技在线的老戏骨。海伦的选角也没太大毛病,诺兰是故意的,打仗就打仗把锅甩姑娘头上确实抽象。以及,我永远喜欢查理兹塞隆!蜘蛛侠夫妇不大行。
然后就没然后了。
这种从头到尾村头械斗级别的“史诗”,怎么看都感觉怪怪的。动作戏非常拉胯。
如果不是诺兰标志性的震耳欲聋的鼓点BGM,我真的感觉相当多的剧情推不下去。
但是话又说回来呢,奥德赛这个故事如果换个导演来拍,可能真的就更是一坨中的一坨。
放在诺兰的片子里,这部真的不大行。但如果横向和其他片子比,那这部奥德赛,还是神作。🌸🌸🌸
以及,一定要选最好的IMAX版本,二代激光。
#AI
目前看 UU远程是唯一一个有能力全链路解决 Remote Agent的产品。
因为 Agent客户端多人都能写。解决网络问题,门槛却很高。
未来远程桌面可能被称为“兼容模式”,兼容的是互联网从业者的使用习惯。
现在 ssh连过去是 herdr,不过我觉得最终会变成 Chat App,俗称 AI原生模式。
我都想好了 slogan —— 用 UU远程才是真正的远程工作。
很多人都知道MacBook的触控板体验吊打Windows,甚至很多MacBook用户出门完全不需要带鼠标,那到底它体验强在了哪儿,结构上又和Windows笔记本有什么差距?那今天我们拆了好几个触控板,给你从硬件到软件好好剖析下MacBook的触控板到底为什么强?#触控板##Mac##Windows#
有朋友问红景天预防高反的效果怎么样?
我直接上数据吧,国际上对这个问题发表过最高质量研究的,正好是咱们中国人。
2013年长庚纪念医院的研究人员发表过一项随机双盲对照,他们招募了102名志愿者去登山,54女48男,平均年龄36岁,平时住在低海拔地区(<海拔250米),绝大多数无登山经验。
药物组用的是高含量的大花红景天提取物胶囊,800mg每天,安慰剂组用的是外观一模一样的胶囊。他们一共爬了两次合欢山的东峰(位于中国台湾的中央山脉北段,海拔3421米,是台湾常见的入门级登山选择)。并且这里有一个很巧妙的试验设计,这些志愿者被随机分为两个序列:红景天→安慰剂,或安慰剂→红景天,两次爬山中间间隔了4个月。
直接说研究结果吧。
安全性方面,红景天安全性良好,不良反应极少且轻微,无一人因副作用停药。
有效性方面,对于AMS(急性高原病,可以简单理解为高反)的预防效果,红景天组与安慰剂组的AMS发生率一模一样,均为60.8%(62/102);而在严重高反发生率上,红景天组35.3% vs安慰剂组29.4%,无显著差异。
我用最直白、最接地气、最不绕弯子的话给你们总结一下这个研究:红景天等于安慰剂。
最后提醒大家一下,如果你想去西藏等高海拔地区,预防高反最有效的手段并不是任何药物,而是缓慢爬升,这是第一道防线。如果旅游时间不允许,无法缓慢爬升,目前国际指南里唯一推荐的有效药物是乙酰唑胺。
你可能没理解 harness 实际上是什么。
如果只是说那点 system prompt 和 tool,那显然模型可以学会它们;从此之后,只需要一个 tool list + tool 实现就够了。而且,当模型再强大一点,我们只需要一个 bash tool。我参与过 Kimi K2.5 模型的训练过程,也从空的 system prompt、toolset 和 loop 开始编写 harness,所以我当然知道人们说“把 harness 训练进模型”是什么意思。
但如果你观察 harness 的发展史以及这个词本身的出现,就会发现,随着模型智能的提升,harness 也在不断变复杂:parallel tool call、subagent、agent swarm、agent teams、handoff、pro-active compaction、channel、cross-session communication。你以为这些都是模型可以学会的,实际上,正是 harness 变复杂了,模型才可能学会。
所有这些确实都可以随着模型能力增强而进一步去掉。比如我在 Kimi CLI 时就准备去掉 subagent,改成直接调用 bash(pi 就是这么做的),去掉 parallel tool call,改成 tool call script;但与此同时,更强的智能也解锁了与世界进行更复杂互动的方式,比如进一步引入主动 context rewind。
这是一个此消彼长的过程,就像这个“阴阳”的比喻:https://x.com/nocommas/status/2086568454434537710
观察动物乃至人类的进化,你就会发现情况也是一样的。…
随着智能水平提高,人与世界的交互方式越来越复杂:当人类相比猿类更聪明的大脑被选择出来后,带来的并不是不再需要用树枝计数,而是复杂的语言文字;同样,当人类社会作为群体智能的水平提高时,人们并没有取缔纸张,而是发明了计算机和互联网。
从最终结果来看,harness 会逐渐与人类原本为“仅有的一种智能”发展出的社会基础设施合并。人类文明的一切都可以重新做一遍(显然我们已经观察到,所有 SaaS 都可以重新做一遍;很快还会看到更多,当然不只是计算机软件)。
不要只看到模型训练的那一点局部,去看看人类学吧。
我能发表评论。Pi 那篇文章真正说的其实是:薄 prompt(你的上下文)和厚 harness。
Harness 关注的是捕捉不变量的结构机制,是阴的阳(模型)、酒神的阿波罗、*Enigma* 的 *Antigma*。
😂//@春卷:有以为昨天@花落成蚀老师从武汉飞到上海头顶转一圈又飞回去的遭遇已经够命苦了,这里还有一个画三角的?![跪了]这飞行距离和时间比不少跨国航班都长啊,然后就这么华丽丽地回去了?[awsl]其实要我没啥事,我就从北京下去溜达了。。。😂
原来用飞行员的第一视角看地球这么美
F16战机的表演飞行员Taylor Hiester,分享了段日常训练对接加油机的视频。跨越云海的时候,眼前的美景简直太漂亮了🎒
【V速报 | #于东来回应关闭胖东来生活广场店#:由于负责人工作失误,造成个别租户租金涨到无法想象的地步】#于东来说幸福快乐是一切前提#
8月9日上午,于东来在个人社交账号上连发多条信息,解读了此前为何放弃新乡大胖店和此次决定在12月关闭许昌生活广场店。
“当年新乡大胖、年利六七千万以上,当房租到期甲方租金直接从八百多涨到二千四百万、还有不成熟的企业在后面使坏,我想都没想直接放弃,这都是因为信仰……公平·自由,这是我的原则,无论挣钱多少或者其它原因、人生……不与不喜欢的人合作或者相处、爱有情之人、放无心之手。”
“关于生活广场关店给大家解释一下,不专业造成的失误是金钱无法衡量的,2015年左右,关于许昌生活广场,由于负责此项工作人员没有按照公司规定造成的工作失误,签约租约合同没有统一签订,最后造成个别租户租金涨到无法想象的地步,远远脱离了公平!导致公司退也退不成,因为很多已经签了合同,继续干也不是,干也总是影响情绪,其实这几户总体占比并不很大,但无论钱多钱少,失去公平正义的精神是底线,这么多年始终是我的心结!
“所以到了到期的时候,虽然生活广场一年二十亿的销售,一年一个多亿的利润,但信仰和开心永远是第一位的。人生不要与不同路的人打交道,否则会影响快乐,任何工作、专业是美好最根本的保障,幸福快乐是一切的前提。”(值班编辑 | 时安)
Grok Imagine 专注于专业实用性、消费者的趣味性,以及整体易用性。
Grok 4.5 刚刚在 Design Arena 的日常使用排名中位列第一。该排名衡量的是:每天实际与各模型构建的应用交互的平均独立用户数。
它赢的不只是基准测试……还赢得了用户。
而且它以惊人的优势超过了 Claude Fable 5、Opus 4.8 和 GPT-5.6 Sol:
1. Grok 4.5:相较平均值 +563.2%
2. GLM 5.2:+241.3%
3. GPT-5.6 Sol:+103.0%
Claude Fable 5:+39.2%;Claude Opus 4.8:+38.9%
这个基准测试有意思的地方在于,它衡量的是现实中的人是否真的在使用这些模型构建的应用。
而 Grok 4.5 绝对占据主导地位。
是的。
在 X 招募优秀领导者最难的地方在于:你需要一个能在平台上成为出色发声者的人,同时还要有人能在“堑壕战”中表现卓越(也就是说,要关注用户体验的细节,并应对恶意行为者带来的日常混乱与创造力)。
2026 年 7 月按总访问量计算的十大网站:
→ Bing 和 TikTok 各上升一位,分别升至第 8 和第 9 名。
→ WhatsApp 降至第 10 名。
→ TikTok 的月环比(MoM)增幅最高,其次是 X。
→ 6 月十大网站中有 8 个流量下降,而 7 月全部实现增长。
https://www.similarweb.com/website/?utm_medium=social&utm_source=twit
“不能理解在这样的故事面前,说它不够好笑,所以差评,这有点太不讲人性了”
聊《欢迎来龙餐馆》前,想先帮它澄清一些事实,怕有些朋友因为某些人的误解错过了这部佳作。
第一,很多人说不够好笑,我很想问这个题材到底为啥非要好笑?它拍伊拉克战争,视角是一个本身只想赚钱的中国厨子,他看到了什么,经历了什么,拍旁观者视角下,战争双方被滋生出来的毫无意义的仇恨,拍恐怖主义下一个个孩子被训练成人肉炸弹,再拍灶台如何救回了一个孩子,拍两个旁观者的善意如何又救回一群孩子。
你告诉我这些到底有什么必要做喜剧?
况且,编剧和沈腾已经努力在其中加入不影响厚重的笑点了,更多放在了人物的可爱而不是出丑上。
可以因为沈腾带着喜剧预期去,可以看完发现不是喜剧而去骂宣传,但我不能理解在这样的故事面前,说它不够好笑,所以差评,这有点太不讲人性了。
第二,它也不是大家经常扯的主旋律,据我所知,它不是命题作文,是文牧野自己想写已久的故事,什么叫主旋律?《用武之地》《万里归途》可以算,因为它们都有一个明确的支线,是官方力量在救人,你见过哪个涉外题材的主旋律,咱们大使馆官方和相关部门完全没有出现?(电影里有合理的解释为什么没出现),第一批观众看完的感受就是最好的证明——大部分人感动的都不是宏大的东西,而是更多复杂的因为人产生的情绪,是那一句“张嘴”和“好好吃饭”,是回家的那通电话里的脏话,还有一些我不能剧透的东西。
第三,完全不是《我不是药神》的重复,上映前我不知道有些人上哪看的片,说故事就是重复了一遍《药神》,一个本身只想赚钱自保的普通人,通过餐馆形成团队,最后良心发现在炮火中把战争孤儿藏进龙餐馆,所以片名叫《欢迎来龙餐馆》,指责文牧野挪用《辛德勒的名单》,还一个剧本用两遍。
看过片的人都知道,这完全就是瞎编的,大概在电影三分之一的时候,上面这些就已经演完了,后面都是和《药神》完全不同的走向和结构。除了沈腾妆造总是让我幻视徐峥之外,我全程完全不会想起《药神》。
大概就是这些,请大家千万不要错过。 #文牧野有点东西# #我在微博聊电影#
NVIDIA GPU 上的超高交互性?
TileRT InferenceX:TileRT 软件能否在 NVIDIA GPU 上与 Cerebras、Groq LPU、SambaNova 竞争?
批大小为 1、解耦引擎、高吞吐量预填充引擎、高交互性解码引擎
https://newsletter.semianalysis.com/p/ultra-high-interactivity-on-nvidia
//@paingod:赛义德回应:他说的对,是有两个不同的美国,一个是一对不喜欢对方的大鳄但为了从你身上赚数十亿美元却联合起来的美国,一个是两个真正相爱的人一起吃煎饼的美国…… //@paingod:阿川现在正全力猛攻赛义德 http://t.cn/AXNGN5FJ
美国又出天赋型选手了,甚至比马姆达尼杀伤力还大。
这人就是刚刚赢得了密歇根州参议员民主党初选的阿卜杜勒·埃尔-赛义德。面对阿川、万斯以及共和党对手的围攻,不但在网络骂战中丝毫不落下风,在现实中还非常擅长现挂,跟那些靠幕僚写好文本的白人政客不同,他可以在镜头前面对随机的攻击,做出更狠毒的反击。已经出了好几段爆款段子了,绝对文本加表演的天赋型选手。
比如视频里的第一段,阿川骂他只会喷粪,赛义德直接用阿川拉裤兜子的梗,现挂说:至少我没有拉在白宫椭圆形办公室里。
现在共和党,针对他的办法就是各种方式强调他的名字,让美国人记住他的族裔和宗教背景。但赛义德这哥们直接接力反打,用对手罗杰斯(Rogers)的名字当谐音梗,犀利的撕破了共和党这帮白人议员就是以色列、资本的走狗真面目,只会说收到(Roger),非常精妙,绝对四灯全亮200分的水平。
经济学人最近就注意到:美国的民主社会主义者们正经历着最辉煌的夏天,说美国民主社会主义者协会(DSA)现在正在蓬勃发展,十年来DSA成员人数增长了 20多倍,DSA现在一边保留着民主党身份,一边靠发动工人阶级来展开活动……纽约市长马姆达尼就是典型,华盛顿哥伦比亚特区马上也要迎来一位。与两党依赖捐款人出资不同,DSA依靠的是超强的基层动员能力,现在已经有人担心,与 DSA立场接近的候选人可能在 2028年夺得民主党总统候选人提名。
而赛义德就属于没有“入党”但却是DSA绝对盟友的那种人,而且他与马姆达尼不同,他生在美国,有参选美国总统的权利。吓得万斯在采访中疾呼:我可不想在三年后迎来一个叫赛义德的美国总统。
赛义德竞逐议员席位的密歇根州是摇摆州,如果他能获胜,就会推翻 “民主社会主义者永远无法吸引温和派选民” 的说法。
以前写代码的成本更高,review代码的虽然有成本,但相对写的人还是成本小。现在反过来了,写代码的人成本低多了,但review的人要更高成本才能审核的过来。
某种程度上说,开发者把成本转嫁到了review代码的人身上。
Code review之所以这么有争议,是因为它已经脱离了纯粹的 how to build,进入了 what to build的领域。Reviewer从 executor渗透到了 owner的角色。
没有人会愿意让别的东西担当自己物品的 owner。这种 owner不仅仅是物权上的 owner,而是哲学上的,最高意义上的 owner。
产品自述:把细节记准确的会议笔记。
团队成员详见原始页面
Product Hunt 页面没有明确问题陈述;可先参考产品自述和官网。
网页应用
Notes、Meetings、Artificial Intelligence
产品自述:为创始人打造的主动式 AI 高管助理
团队成员共 16 人,详见原始页面
Product Hunt 页面没有明确问题陈述;可先参考产品自述和官网。
网页应用
Productivity、Calendar、Artificial Intelligence
产品自述:用于打造病毒式传播、高转化社交广告的 Claude
团队成员共 15 人,详见原始页面
Product Hunt 页面没有明确问题陈述;可先参考产品自述和官网。
网页应用
Advertising、Artificial Intelligence、Social media marketing
一个能够自我改进的 RLM 代理,用于编码工作流和长时间运行的自主任务。
TypeScript
今日新增 2,319 星 · 总星标 10,673 · Fork 1,106
适用于你的单体代码仓库的终极 RAG(检索增强生成)工具。借助 AI 和知识图谱,查询、理解并编辑多语言代码库。
Python
今日新增 59 星 · 总星标 2,878 · Fork 518
触手可及的完整 AI 代理机构:从前端向导到 Reddit 社区高手,再到奇趣注入者和现实检验者。每个代理都是拥有独特个性、工作流程和经过验证交付成果的专业专家。
Shell
今日新增 932 星 · 总星标 140,503 · Fork 22,966
什么是 FDE?
FDE更像是一群士兵去教用石头的用 AK47,好卖更多军火。
我突然想出来一个非常正确的比喻来形容老板对 FDE这个岗位的认知:
想用买一把菜刀的钱雇一个杀手。
埃隆的行动手册:先建数据中心,最后再买 GPU。把一切推进到即将通电的程度,然后你会突然掌握全部筹码。
我尝试继续生成这段视频,用 Grok Imagine 测试角色的一致性。我本来可以长时间持续下去。角色一致性非常完美。
🙏🙏🙏
\#心情# http://t.cn/AXN2kRuk
//@摇摆时间线ZHLMI:Minis支持配专门的看图模型的,在模型分组里,智能体循环中可用模型里加进去,无论是文本,多模态,生图,TTS,几乎所有类型的模型只要标签正确,都可以用的。甚至灵魂记忆里记一笔,要看图自动使用 minis-model-use命令去 list调模型就行。
群里不少朋友也开始使用 Open Minis了,我自己也在双端体验了下。
Minis搭配 deepseek-v4-flash目前来看性价比很高,但后续会有“涨幅较大”的价格上调。但如果只接入 deepseek,有个很大的问题是不能传图,因为这不是多模态模型。
这个事情暂时没有比较好的解决办法,因为 Minis不支持多配一个视觉模型专门用于读取图像。不过,issues/182已经有人提了,团队也表示在计划中。
除去图片识别的问题(这其实是模型的支持问题),Minis做事还是蛮舒服的。不管是 iOS端还是安卓端,用户态都是 Alpine Linux,只不过 iOS是基于 iSH而安卓是走的 PRoot方案。
在 Alpine上能做的事情就多了,能跑原生 Python,也能编译 C++ 和 Rust。另外,如果刚才说的“识图”只需要 OCR功能,还可以让 Minis通过 apk add tesseract-ocr安装 tesseract。
安卓上如果获取内核版本以及 uname -v会得到真实的信息,但在 iOS上获取的话就全是梗。
内核版本是 4.20.69-ish而 uname -v是 "SUPER AWESOME"。
相信他们。他们所说的就是字面意思。
如果你把一条毒蛇带回家,喂养它、保护它、照顾它,然后还说服自己相信它也会爱你,那你就是最大的蠢货。
蛇不会因为你善待它,就不再有毒。
如果有人公开告诉你,他们恨你、想摧毁你,那就相信他们……他们确实如此。
希特勒是极左翼社会主义者。
因此,社会主义者就是希特勒。
无可辩驳的逻辑 😂
我们成功完成了20世纪最大的意识形态骗局:把希特勒塞进“极右翼”这一栏。
把纳粹的完整经济纲领拿出来看(不要只看断章取义的引文):
- 价格和工资管制
- 大规模工业规划
- 国有化,以及将整个经济领域的一大部分国家化
- 将“暴利者”和“资本家”污名化为替罪羊
- 痴迷于控制资本和生产的所在地
换掉几个词,你会发现这与 Bernie Sanders 或任何一个想以人民的名义、对抗精英来“重新掌控”经济的社会主义者,所持的逻辑完全相同。
国家社会主义并不是因为威权主义和种族主义就成了“右翼”。它在经济结构和方法上都是社会主义的:指定替罪羊、集中权力和进行规划。
把它称为“右翼”,让左翼在80年间得以对一切经济极权主义撇清关系。而这正是如今仍在腐蚀政治辩论的东西。
右翼很多人喜欢把 DSA 的崛起归咎于白人社会主义者。
事实远为黯淡:
纽约市的外国出生选民:🔵 Zohran Mamdani:62%(+38)🔴 Andrew Cuomo:24%
密歇根州的阿拉伯裔选民:🔵 Abdul El-Sayed:94%(+88)🔴 Haley Stevens:6%
引入第三世界,选出第三世界。
今天,我专程来到浙江台州玉环,直击台风白海豚登陆时刻!车顶的气象站成功记录下了14级的大风,最低气压947.2hPa!实在是太可怕...风声宛若火车驶过耳边一样地咆哮,车停在原地都像摇摇车一样,数不清的时刻,我们被大风逼停在路边紧急避险,暴风雨能见度几乎为零,啥都看不见! #白海豚提前登陆##极端天气##风暴摄影##气象摄影##玉环📍#
【简单看一眼天气】
①下周一(10号)偶尔局地掉点儿,单点5分钟,我自己不带伞,34/25℃,最小相对湿度40%,比昨天今天热
②下周二(11号)中午开始有雷阵雨,东南风影响下自东南向西北影响全市范围,面弱点强,单点10~20分钟,晚高峰赶上雨势强的时候短时躲避就会减弱/停止(图1)。33/24℃,最小相对湿度45%
③【下周三(12号)凌晨开始雨势加强,但具体强度模拟结果有分歧(图2)】原因还是在于台风残余涡旋的位置不确定,输入北京的东南风强度、水汽等信息模拟分歧更大——但有以下几点比较确定:A. 当天对流的主要表现形式是短时强降雨和短时大风,但远不如周五(7号)的强,也没有冰雹B. 降雨有间歇,但间歇期不长,间隔2、3个小时就会有新一轮C. 【河北中南部(石家庄邢台邯郸等地)的雨远比北京大,大范围的大暴雨(24小时累积量100mm+,图3)】往返上述地区务必提前做好规划,尽量火车,非必要不自驾
④13号及之后的雨,现在的模拟结果分歧极大,参考价值有限(图4)——估计明天下午才能有相对一致的模拟结果
【但是,从安全角度出发,应急、预警等信息只能按照最坏情况做预案、做准备,还请大家理解】
毕竟真有台风天里偷跑进封锁区看海的XX——所谓的过度防御,很大程度上就是在为这些XX买单
//@蹦蹦哒哒好叨叨:#电影欢迎来龙餐馆# [苦涩][苦涩][苦涩]这部预告片对比第一版好太多了。整个预告片最后一句话是本地翻译问沈腾饰演的大厨徐福:“徐先生,请问你来我们国家的目的是什么?”,请读者朋友们把“徐先生”换成“中国人”,就带着这样的思考,去看这部电影的表达,寻找自己的答案吧。❤️
【#欢迎来龙餐馆终极预告#】#人间温热藏在龙餐馆的烟火里# 今天,由@文牧野执导,@沈腾领衔主演,@蒋奇明微博号、奥马尔·谢里夫主演,@李治廷特别出演的电影《欢迎来龙餐馆》发布终极预告。远赴异国的中国大厨,会遇上怎样的食客?一间餐馆,如何守住乱世里的人间烟火?一餐美味,又能否驱散战火下的不安彷徨?看↓↓8月11日,影片将在全国上映,目前预售已经开启。世事千万,无论何时,记得好好吃饭!#我们影院见#
//@老talk:视频版,希望没有容貌焦虑的嘉宾以后多来我的视频播客
这是一期在崇礼阿那亚的日落谈话,理想L6和小米澎程相继发布之后,我和@DannyData小丹尼 @40在跑车聚在一起讨论了三个很尖锐的问题。
1. 蔚小理的体验有没有护城河,它们的老车主会被澎程吸引吗?
2. 2026年了,这个价位段的用户还会接受智驾期货吗?
3. 增程的下一部车是不是一定是纯电?
还有些纯粹是整个行业的问题,9系大战吸引了车企的资源和用户的流量,情绪价值被整个行业强调到一个无以复加的地步,老登审美把大厂人的科技美学按在地上摩擦。但是长期看,周期和用户需求会不会回归?
最后的结论可能是开放式的,我们建议大家不用纠结动力形式,完全从自己的需求出发,选择那些创始人关注,持续迭代多年的重点车型。总之,“增程是一张旧船票,但是好产品还是会登上客船”。
随着智能体系统不断扩展,越来越多的工作会在加速器之外完成。了解 CPU 为何是智能体数据中心的基础,以及 AMD EPYC 处理器如何为即将到来的时代量身打造。
https://bit.ly/4yM9kfH
白海豚来临前,给大家看看楼下的样子。
外卖停了,第一次。
□
#欢迎来龙餐馆# [许愿星][许愿星][许愿星][许愿星][许愿星]看完真的想骂人了。。。这么好的片子,暑假快特么过完了才能上映,如果因为错过暑期档最后票房没过20亿,真是有点没天理了。。。
中国第一个预防高反的药物获批上市。
虽然这个乙酰唑胺我都科普过好几年了,但是这个获批也算是好消息,大家终于可以合理合规的用药预防高反了。
1.先简单说下这次获批的乙酰唑胺缓释胶囊。
这个药的3期随机双盲临床试验由西藏自治区人民医院开展,结果去年发表在High Altitude Medicine & Biology上。
总共纳入288名健康汉族成年人,平均年龄33岁,长期居住在海拔1240米以下地方。他们从北京(海拔43米)直飞拉萨(海拔3670米),每人每天一次乙酰唑胺缓释胶囊(500mg)或者安慰剂,出发前两天开始吃,抵达后继续吃四天,总共6天。
2.研究结果表明,乙酰唑胺的预防效果很明确。
-急性高原病(LLS≥3),安慰剂组的发生率是55%,乙酰唑胺组是36%; - 中重度急性高原病(LLS≥5),安慰剂组的发生率是23%,乙酰唑胺组是9%。
同时头痛、胃肠道反应和头晕也明显下降,我算了一下,预防高反的NNT大约是5.5,这个数字在预防用药里面算相当不错的。以上这些是主观报告,还有客观的SpO₂作为参考:安慰剂组较基线下降14%,乙酰唑胺组下降8.8%,也就是说乙酰唑胺组比安慰剂组多了至少5%的血氧饱和度,这在高原上是相当重要的。
但这个效果也不奇怪,毕竟乙酰唑胺用于预防高反已经有几十年的历史了,也是FDA唯一批准用于急性高原病预防的药物。
不良反应方面,乙酰唑胺组最主要的是手足/口周麻木,发生率达到了30%(安慰剂组是2%)。这个也与之前网上其他许多用药者的实际感受一致,这个麻木是自限性且无害的,而高反可能会毁掉整趟行程,严重者还可能进展成肺水肿或脑水肿,所以预防的意义还是相当重要的。…
(有意思的一点是,在双盲对照临床试验中,这个麻木其实会让用药者知道自己到底用的是药物还是安慰剂)
3.实际上在这个乙酰唑胺缓释胶囊获批前,网上已经有乙酰唑胺片,用于治疗急性青光眼了。这个药物是处方药,所以是否用药还是要提前咨询医生意见。
但是乙酰唑胺用于预防高反这个适应症在国内一直没有获批,也有很多医务人员并不了解乙酰唑胺的这个用法。很多人用的是民间的红景天、银杏叶等预防高反,但这些降低高反发生率的证据其实非常薄弱。
另外这边还需要说明的一点是,这次这个乙酰唑胺缓释胶囊的用量是比较大的(每天500mg)。根据国外的指南,成人用法是每次口服125mg乙酰唑胺,每天2次(如果体重>100公斤,则单次口服剂量提高至250mg);儿童是每次口服2.5mg/kg体重,每天2次,最高剂量125mg。
如果有要去高原旅游或者工作的朋友,可以了解一下乙酰唑胺的用法。
确实如此。
希特勒自我认同为社会主义者。这是他的真相,也是他的亲身经历。
整整一年来,我们听到的都是“等有时间了再处理《拯救美国法案》(SAVE America Act)”,当时大家都认为这可能需要几周时间。
在为国土安全部(DHS)提供全部资金、处理其他优先事项的同时,我们耐心等待,期待时间允许时再回头处理该法案。
现在已经是8月了,而今年我们已经休会了多得数不清的周数。
2026年还剩21周,其中大约14周将是参议院休会期。
为什么?
8月这几周可能正是重新处理《拯救美国法案》、一直辩论到法案通过的绝佳机会。
我们就应该这么做。
坦率说,我们几个月前就该这么做了。
这就是我反对休会并投票反对休会的原因。
遗憾的是,我和那些加入反对行列的人远远寡不敌众——所有民主党议员和大多数共和党议员都更愿意再次进行一次长时间休会,这次要一直到9月14日。
错失的机会。
祝贺 @DavidMoss 成为第一位在 FSD 连续里程计数器上突破25,000英里的 Tesla 车主!这相当于绕地球一整圈,或者相当于普通美国人开车两年。相当夸张。
在连续里程达到5,000英里里程碑时曾为他出现过的撒纸屑庆祝动画,这次也回来了,哈哈。
(这是 David 发给我的视频,因为他不打算自己发布,所以经他许可后由我发布。)
Codex:通过阅读细则来省钱:
据说阿里要改Qwen3.8-Max的开源许可证了,会效仿Kimi K3,新增触发商用分成的条款。
在K3之前,Kimi的模型用的都是Modified MIT许可证,属于比较宽松的那一类,只有在收入超过2000万美金时才会触发署名条款。
K3在发布时收紧了许可证,调整为达到2000万美金的经营收入之后,需要另签分账协议,相当于开始找云平台和转售商要抽成了,不能再空手套白狼,有说法是抽成比例最高30%封顶。
Qwen之前用的也是宽松版本的Apache 2.0许可证,基本不限制商用,如果也要改动,说明国产开源模型都开始倾向于不让卖模型的大超市白嫖了,个人用户、开发者、企业内部自用不受影响。
一言以蔽之,创收,创收,还是创收。
没想到宝玉哥 @dotey做的免费BaoCut这么强:
1. YouTube / X 视频转录,翻译,剪辑一条龙
2. 架构上GUI + CLI 分离,支持 Skill
3. 你也可以不用app,在 harness 内直接调用skill转录视频成文本,用来AI 问答
看视频变成享受了,强烈推荐!
翻译的用户体验相对麻烦点,需要去harness里操作,如果能内置直接调用harness无头翻译,要方便很多!
本期围绕谷歌 AI 团队的人才流失、前沿模型的商业价值、SpaceX 的算力与卫星业务、Airtable 的收购以及中美 AI 产业关系展开。核心判断是:前沿模型仍然能获得溢价,但市场正在明显分层,Anthropic 和 OpenAI 处于前沿智能的双头格局;与此同时,算力基础设施、云服务和拥有庞大用户入口的平台,可能比单独押注某一个模型拥有更稳定、更可预测的资本回报。嘉宾还讨论了 AI 编程工具对 SaaS(软件即服务)公司的冲击,以及美国限制数据和技术流动可能引发的对等反应。
1. 谷歌内部的 AI 人才流失被认为不只是人员变动,也反映了资本配置方向的矛盾。谷歌计划把大量资金投入数据中心和 AI 基础设施,而研究人员希望继续争夺前沿模型领先地位。嘉宾认为,基础设施可以向多个模型厂商提供服务,收入和回报更容易预测;模型研发则需要持续投入巨额资本,还要面对开放权重模型快速追赶的风险。
2. 讨论认为前沿智能市场已经形成 Anthropic 与 OpenAI 的强势双头格局,市场同时存在一个落后数月、更加商品化的模型层。模型权重本身未必能持续收费,但算力、推理服务、部署和咨询仍然有商业空间。前沿模型能凭借性能获得溢价,非前沿模型则会更多依靠低成本和规模竞争。
3. Jason Calacanis 强调,谷歌未必需要拥有最强的单一模型,也可能凭借搜索、安卓、Gmail、Chrome、YouTube 等庞大入口成为消费者 AI 的最大受益者。Gemini 的用户增长和谷歌云的收入增长,被用来说明平台分发和基础设施能力的价值。节目也指出,谷歌、微软和 SpaceX 都面临把算力出租给外部客户与支持自身模型研发之间的渠道冲突。
4. SpaceX 的讨论集中在卫星网络、算力部署和长期资本需求。嘉宾认为,Starlink 的网络能力、卫星迭代以及与 AI 算力结合的可能性,构成了 SpaceX 的长期优势,但大规模基础设施扩张也需要巨额资本,并会带来业务之间的资源分配问题。
5. 关于 Airtable 及其他 SaaS 公司的话题,嘉宾把低价收购、估值下修和 AI 编程工具放在一起分析:当 Claude Code 等工具降低软件开发和定制的门槛后,传统软件公司的护城河、定价方式和增长预期都可能被重新评估。收购方更看重现金流、产品资产和运营效率,而不一定接受过去的高增长估值。
6. 节目最后讨论美国数据、模型和芯片限制对中国 AI 产业的影响。嘉宾认为,若美国阻止相关公司向中国出售产品或服务,中国可能采取对等措施,例如限制稀土等关键资源。限制措施未必能消除需求,反而可能推动本土替代、跨境采购和供应链重新布局。围绕训练数据,讨论还涉及中国实验室购买美国数据的需求,以及数据、算力和模型能力之间的相互作用。
节目贯穿始终的判断是,AI 产业的赢家不一定等于模型排行榜上的第一名。谷歌可以利用既有产品把 AI 分发给数十亿用户,云服务商可以从所有模型的训练和推理需求中获利,SpaceX 则可能把卫星网络、通信和算力结合起来。相反,单纯依赖高额融资、却无法证明模型利润或现金流的公司,需要面对开放模型追赶、软件价格下降和资本回报不确定性。
- 谷歌人才流失与AI资本回报 [00:00:00 - 00:10:00]
- 前沿模型竞赛与算力资本 [00:10:00 - 00:20:00]
- SpaceX的卫星网络与算力计划 [00:20:00 - 00:30:00]
- AI估值焦虑与资本结构 [00:30:00 - 00:40:00]
- Airtable收购与软件商业模式 [00:40:00 - 00:50:00]
- AI编程工具与中国模型崛起 [00:50:00 - 01:00:00]
- 中美AI数据与技术博弈 [01:00:00 - 01:03:57]
一凯:欢迎收听跨国串门计划,这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的AI声纹克隆技术,我们不仅将内容翻译成中文,还完美保留了原主持人和嘉宾的独特声音,为您呈现全球顶尖的AI财经,健康与科技领域精品内容。我是主播一凯,一位热衷于AI领域的产品经理,很荣幸能为您搭建这座跨越语言障碍的桥梁。接下来让我为您简单介绍本期我们克隆的这档节目,本期我们克隆的是知名科技投资播客,All In Podcast的一期节目,主持人是四位科技圈投资人,包括Chamath, Jason等,这期由Brad Gerstner和David Friedberg等嘉宾共同参与,他们聊了谷歌AI团队的人才变动,SpaceX的惊人财报,Airtable被低价收购,以及中国AI实验室,购买美国训练数据这些话题,那我们就一起来听听,这期完整的对话。 [00:00:00]
Jason Calacanis:好了各位,欢迎回到你们最喜欢的播客,这里是All In Podcast,现在是夏天8月6号,今天凑齐人有点费劲,但David Friedberg回来了,我们的科学苏丹,兄弟你怎么样,很高兴和你一起,我也很高兴和你一起,而且大家都喜欢Brad Gerstner来,他是你的布鲁斯维恩,如果市场是你的游戏,他给你的发新日带来那份宁静,对,打折买他的眼镜,他还能给你搞一个那种花哨的Trump账户,好了,欢迎回到节目,Brad,我喜欢,我喜欢,你把押韵带回来了,我把开场白带回来一点,我们一直在试,Chamath现在在路上,Chamath在路上,但我们会拿到Chamath的现场报告,我还叫了Daniel,不知怎么的,Sox会来,但你知道他什么样,他总是迟到,因为你懂得,总有重要人物打电话来,但他会在某个时候插进来,哦等等,我看到短信了,哦他来了,你赶到了,你觉得我这件漂亮的夏日果冻衫怎么样,太棒完美合身,你看起来挺暖和的,我不知道Chemist是怎么受得了这个的,好了各位,这是报告,大家都知道,Chemist在路上,他来了,他这是张照片,Sacks,他去看他的数据中心进度了,我记得是在科罗拉多还是内华达,他在那建数据中心,我觉得那是在Dune上,是在Dune上,对Dune 4,对他在那欣赏自己,看NOT来了,你知道当一个梗活到顶点了,就是你老婆都开始调侃你的时候,就是这一张,还有这一张,我觉得是圣诞派对上拍的,Oh Brad,你上了CNBC和Andrew Ross Sorkin一起,这就对了,我不确定是不是我的推特时间线,正好推给我了,但他是不是真的传遍了所有人,对吧,这是那个爆火的梗,这个传遍了所有地方,好了听着,我们有很多要聊的玩笑和寒暄,到此为止,周三,谷歌的AI团队发生了两件大事,德米斯·哈萨比斯转任DeepMind主席和谷歌首席科学家,报道说这是Demis退下来,或者被名声暗降,我们待会细说,但谷歌把它说成是升职,说它是更进一步,这是Axios解释这次变动的引述,引述谷歌的Gemini 3.5 Pro落后了好几个月,一些公司内部消息人士告诉Axios,部分原因是士气低落,有意思,几位顶级研究员,包括Gemini的联合负责人,已经离开公司去了竞争性AI实验室,Jeff Dean,加上另外三位AI超级明星,要离开谷歌,去创办一家叫Discovery Loop的公司,Dean是个传奇,Freebird,我记得你在谷歌和他共事过,他是世界上最伟大的AI工程师之一,他是第30号员工,1999年加入,据我所知,在那连续工作了27年,Discovery Loop,将专注于AI领域的深度科学突破,定离开的消息传出后,谷歌股价下跌4%,如果你想把这俩关联起来,那就是蒸发了2000亿市值,Friedberg,这是你的母校,你怎么看,这是创造性破坏吗,也许这些人没做出成绩,他们想要新鲜血液,还是说在一个AI资本无限,机会无限的时代,创业的召唤,对谷歌的老将们来说,实在太诱人,没法不动心,也许是第三种情况,就是如果你是董事会和管理层,你在争论怎么最好的配置资本,谷歌已经承诺,今年投入2000亿美元资本支出,用于AI基础设施和数据中心建设,因为资本支出和加速折旧,现在在美国投资AI算力,有巨大的税收优惠,而且因为算力需求极其旺盛,这是个相当明显的,投入资本回报率模型,所以如果你做这种投资,你对那个算力基础设施,有巨大的需求,你非常擅长运营算力基础设施,那比资本能在可预测的时期内,以很高的自信度,给你带来巨大的利润回报,打造最先进的前沿实验室驱动的模型,同样需要数百亿美元的资金,真正的问题是,你能从模型上赚到利润吗,在一个开源变得如此优秀,开放权重模型追赶得如此之快,所有前沿实验室,都在飞速互相追赶的世界里,投入数百亿美元去造一个模型,真的还那么划算吗,我觉得我们看到这些科学家离开,他们一直是模型开发的核心,是造出这些前沿模型的人,他们当然是最早起步的,你可以看看Jeff Dean,几年前的一些早期采访,当时他们内部,其实已经有一个,相当于ChatGPT的东西,比OpenAI的ChatGPT出来早一年,谷歌选择不发布,因为担心蚕食搜索业务等等,那时候Sergei介入,然后就有了那一整轮的振兴,但随着时间推移,大家都在模型上竞争,就像我们在节目里多次聊过的,我觉得很明显,投在模型开发上的资本回报,很难比得上投在算力基础设施上,并且保持模型无关所能拿到的回报,谷歌拥有的,可能是全球最强大的,企业级计算安装基础之一,他们有最多的企业客户,也有最多的消费者,在这两种情况下,他们都不一定需要最好的模型,才能做出惊人的生意,他们可以保持模型无关,可以跟Anthropic合作,可以跟OpenAI合作,可以跟SpaceX合作,他们在SpaceX和Anthropic都有可观持股,也可以跟所有开放权重模型合作,全部托管起来,所以现在如果你是顶尖计算机科学家,你是Demis,你是Jeff Dean,你是整个团队,你在谷歌内部,而他们分配资本不是投给你的模型,不是投给你最感兴趣的东西,而是投给基础设施和数据中心,去支撑整个模型生态,你就会开始想,既然我可以出门走几步,去见Brad Gerstner,和另外几个人,靠一份PPT,就能以几十亿美元的投资钱,估值融到几十亿美金,因为我是全世界,最擅长干这个的人,那对我来说,可能是更好的路,我觉得这就是那个时刻,所以我的框架是,资本支出投在,数据中心基础设施上,是高alpha低beta的,而模型开发理论上,可能是高alpha,但beta非常高,是风险很高的资本配置方式,所以如果我是董事会,我是管理层,我会把更多资本投到算力,和基础设施,更少投到模型开发,我觉得这就是正在发生的事,Brad你怎么看,我觉得David说的很到位,我是说听着,微软也在发生同样的事,对吧,撒切这周出来说,引用摩根士丹利的报告,说他们在代币机服务上,看到了超过30%的,投入资本回报率,对吧,也就是基础设施业务,所以我觉得David说的,完全正确,那些生意太好了,对吧,你投入资本,所有人都在租你的东西,但那些想参与超级智能,想治愈癌症,想站在模型前沿的科学家呢,他们在谷歌,要面对这种渠道冲突,因为谷歌云,想把所有算力,都拿去租给Anthropic,而内部做前沿模型的人,想要那些算力,去跟Anthropic竞争,所以想做模型的人,和做基础设施的人之间,存在这种内在的渠道冲突,我觉得David说的非常好,这对他们来说是个大挑战,看起来这个冲突正在以偏向基础设施公司的方向解决,所以往后放远一点看,SpaceX这周也发了财报,他们也有渠道冲突,他们一边把算力租给Anthropic,一边又想用Grok Cursor做自己的模型,谷歌有渠道冲突,微软也有,虽然我觉得微软在模型上已经不怎么推前沿了,Meta在说要进入基础设施及服务的游戏,而Anthropic OpenAI那边,完全没有这种渠道冲突,他们说,我们不做基础设施业务,我们只做模型业务,所以我觉得往前看,这是一个很清晰的视角,如果这些人都走了,那些公司可能真的不会,站在模型开发的前沿,顺便说一句,多亏了资本支出,折旧那项法律,假设公司税率是26%,你每投一美元资本支出,因为可以当年抵扣,基本上就能拿回26%,那是直接回到你手里的钱,对,David Sacks你也来评论一下,Polymarket上,到今年年底12月31日,哪家公司会拥有排名第一的AI模型,当然上一次他们做这个的时候,Anthropic赢了,所以他们不在名单上,他们是赢家,但接下来谁会拥有,OpenAI 32%,谷歌20%,阿里巴巴14%,然后还有Moonshot,Zai,Meta,ByteDance,都在10%左右,Sacks你怎么看,哪个是更好的生意,是语言模型前沿模型,还是那个很快就会被商品化。 [00:01:03]
David Sacks:你真的想进代币销售生意吗,还是那个也会变成商品,你只需要待在应用层就行,我觉得现在市场结构是这样的,我看到谷歌这条新闻的时候,第一反应是就像Brad说的,一年前还有五家大公司,在争夺前沿实验室,前沿模型的领先地位。 [00:09:44]
David Sacks:现在真的就只剩下,Anthropic和OpenAI两家了,所以前沿智能市场,已经变成了双头垄断,Elon还在追,谷歌肯定也会说自己还在追,但就像Brad说的,他们可能有互相矛盾的动机,因为光靠算力,他们就能过得很好,所以我觉得前沿智能市场,已经变成双头垄断了,而且是非常强大的双头垄断,我不觉得它正在被商品化,我觉得我们正在演变成一个,两层市场结构,一层是前沿智能市场,另一层是所谓的商品化,或落后智能市场,随便你怎么叫,就是落后6到12个月的那种,那些token那些模型是有市场的,但现实是权重本身你收不了钱,你可以收算力的钱,可以收推理服务的钱,也可以收帮人把整套东西搭起来的咨询服务的钱,但如果你不在前沿,模型层本身你收不了溢价,如果你在前沿,你就能收溢价anthropic和openai就在这个位置,我觉得证据就是看这些公司的增长率,最新消息是anthropic的年度经常性收入已经超过800亿了,年初是10,他们自己预测年底退出时是100,当时大多数人都说这不可能实现,现在看起来他们能提前几个月完成,所以他们的预期还在往上调,年底可能是110 120甚至更高,OpenAI也在加速,所以你现在看到的是市场非常明显的分化,前沿模型是双头垄断,能收益价,我觉得这就像苹果,苹果在跟安卓竞争,安卓是开源的,全球用户其实更多,但所有利润都流向了苹果,因为人们愿意为高端体验付费,我觉得类似的,如果前沿智能真的处在最领先的位置,人们也愿意为它付一家,但如果你不是最领先的,那也有巨大的市场,只是高度商品化,人们只愿意为算力付费,这就是我现在看到的情况,Jason你怎么看,你看谷歌云。 [00:10:01]
Jason Calacanis:他们发布了82%的同比收入增长,这在云服务商历史上是从未见过的,Elon Musk和ZI刚开了SpaceX财报会,我们待会会聊,但他们那个我称之为Elon Web Services的业务,也有大幅增长,再看谷歌,我仍然认为谷歌会成为排名第一的AI公司,因为已经有太多人在他们的产品里用AI了,他们现在有五个产品,每个月活都超过30亿,安卓 搜索 Gmail Chrome YouTube,全都超过30亿,你最近用过这些产品的话,会发现他们正在变成AI优先的产品,尤其是YouTube,当然Chrome和Gmail里也到处是AI工具,然后Freebird你刚才也提到了,他们总共有13个产品用户过10亿,现在Gemini也加入了,第二季度Gemini月活超过950,同比增长三倍,今年他们在消费者使用量上,绝对会是排名第一的AI公司,远远甩开别人,这不代表前沿模型不是好生意,他们当然是,但我自己一直在用非前沿模型,95%的场景都够用,我前几天刚发过,这个A浪还跟我争论了一下,我想你在我们群里也看到了,我前几天发了条推文说,我在用的开源模型,和前沿模型之间的差距,已经可以忽略不计了,我相信对我做的工作来说,这是真的,然后E浪回复我说,实际上是天壤之别,如果你做的事,不是复制一个视频游戏,或者你没有极端的速度需求,前沿模型已经不是必须的了,真的不是,用前沿模型的人,是因为他们公司已经搭好,现在换开源太麻烦,但以后会越来越容易,所以我仍然压住开源,和Gemini会是这个领域的赢家,对,我觉得对你的使用场景来说,确实是这样。 [00:12:01]
David Sacks:那些更便宜的大众化的智能,就是市场中间那一档,已经够用了,你看,一部安卓手机,对我来说就够用了,我用个便宜的安卓机也能凑合,但你知道吗,我还是愿意为现在这部手机多花钱,因为我用的实在太频繁了,所以如果你是家企业,比如说你是个对冲基金,处在竞争极其激烈的行业里,你就不想冒险,不想赌自己没拿到最好的智能,来驱动你的模型,对吧,而且有很多行业都是这样,竞争格局会逼着你去为最好的智能买单,还有一些情况,这就回到DK刚发的那篇播客文章了,就是如果你在找应用场景,你也应该用真正的前沿模型,因为再说一遍,当你面对的是还不成熟的应用场景时,你不知道价值会出现在哪里,你是在到处寻找用AI的机会,这时候你就想直接用最好的,因为找到这些应用场景的回报,会远远大于你在token层面多付的那点溢价,所以我觉得这样的例子,很多比如应用场景还不成熟的时候,比如你身处竞争激烈的行业,比如你就是在部署AI,你都会想要全战式的便利,那照你的说法,为什么不用前沿模型呢,对,而且你看除非你的员工在做什么傻事,比如搞个排行榜,然后拼命刷token,我觉得成本真没那么高,而且你得到的收益是巨大的,所以很多人就是直接说,给我最好的,我愿意为最好的多花钱。 [00:13:41]
Jason Calacanis:我说点稍微不一样的看法,我觉得问题不一定是你选最好的模型,还是开源模型,我觉得现在正在发生的是混合使用,至少我看到的是这样,比如说我们绝大多数简单的工作流应用,会用开源开放权重的模型,但到了真正需要高水平模型能力的专业应用,比如生命科学和基因组建模,我就会选高端模型,如果我在一家媒体公司工作,想做AI视频渲染,我会用Gemmatt视频模型,那是最好的模型,或者Sora,或者那个特定应用上最好的模型,所以我觉得那种选一个模型,搞定所有事的想法,是个错误的假设,在消费者这边,消费者很可能不会去用某个开放权重的模型,因为他们花20 40美元一个月,就能用上ChatTPT,或者Gemini或者Cloud,而且花40美元一个月就很满意了,对消费者来说,他们基本上能把使用成本压到最低,对企业来说,我觉得企业会非常积极的,挑选一组最合理的模型组合,简单的工作流应用,用非常便宜的开放权重模型,员工个人搭个小应用什么的,然后那些关键的工作流任务,用更复杂的模型,再加上专业模型,而且我要说,现在说Gemini做不出厉害的专业模型,还太早了,他们有最好的视频数据,有最好的生命科学数据,在生命科学这块,他们比Anthropic和OpenAI,做得久多了,在这条线上领先很多,Demis还会继续管Isomorphic Labs,所以说到这些专业模型,垂直化的专业模型,像视频,生命科学,蛋白质折叠,我觉得这些才是,Gemini真正会大放异彩的地方,然后每家企业,都会有一个混合方案,但话说回来,如果你能成为提供这种,模型混合方案的云服务商,也就是谷歌GCP现在能做到的,那我肯定愿意跟GCP合作,而不是只跟Anthropic合作,这带来的一个结果,就是价格下行压力,我们看到OpenAI和Cloud,对Token做了大幅降价,所以他们在应对没有坐以待毙,而且这些模型之间的编排,正在被集成到企业内部的,很多Harness力,那你怎么看Token价格的下行压力,还是说这对消费者和企业来说,其实是好事,因为竞争太激烈了,关键就在这,美国正在赢,这正是我们想要的,我们有一个竞争极其激烈的市场,有中国开源,国内开源,还有前沿国家实验室,在各自发力,价格有下行压力,David提到了双头垄断,我觉得现在才刚起步几年,还有亚马逊,微软,谷歌这样的巨头在,很难说这是双头垄断,不过我觉得他说的对,他们确实已经跑出来,成了纯玩家,从他们的收入就能看出来,他们在抢占钱包份额,但我想说两点,因为我觉得这周,有两个非共识的观点,一个是,Elon对Jason你的回应,对吧,过去两周,所有人都在说,中国已经追上了,开源token的智能水平,已经赶上了,而且便宜的多,等等,然后Elon站出来说,别急,我们正在进入起点,前沿模型比人们想象的,要领先的多,我相信这是真的,我觉得对你的使用场景来说,他们确实很接近,但我不认为,那是人们想要训练,想要体验的最复杂的使用场景,然后Jensen这周也站出来说,避怨模型其实更便宜,如果你不用自己从头搭建,不用承担训练成本,不用花大量专业精力去做微调,维护加护栏保证安全,所以他基本上是在论证,不仅前沿模型领先更多,而且两者之间的成本差距,也不像大家说的那么大,我觉得这就解释了,为什么他们在收入端一路领先,但我觉得我们有健康的竞争,你说的对,JCal对绝大多数使用场景来说,开源那边的Token消耗在上升,而经济份额在向前沿实验室集中,我觉得这正是我们想看到的,对 这简直就是安卓对iPhone的重演,一个平台赚走利润,另一个拿到大多数用户,至少在全球使用量上是这样,好 我们来聊聊SpaceX,他们发布了上市以来的第一份财报,股价跌了13%,我觉得是因为大家对激增的,AI资本支出有点担心,自6月上市以来已经跌了30%,但现在看起来稳定在了,1.4万亿美元的估值,上市时显然超过2万亿,Q2业绩只能用惊人来形容,收入78亿美元,同比增长92%,你细品一下,环比增长67%,AI收入,也就是Elon Web Services,环比增长超过两倍,达到26亿美元,那还不是Cursor,那笔还没交割,但那会是史上最伟大的收购之一,这是Elon Web Services,把Colossus服务器集群的算力,专门租给Anthropic和谷歌带来的收入,但资本支出当季增加了184亿美元。 [00:15:13]
Jason Calacanis:那是同比六倍,显然你可以算一下,年化大概750亿美元,我先说到这,Brad,想听听你对SpaceX上市的看法,我知道你一直在跟踪,也评论了很多,我是说,听着,我觉得首先咱们从头说起,这家公司创造了14000亿美元的市值,这太惊人了,所以从最高点到最低点,它比IPO时跌了40%到50%,几周前我们贴过那张图,记住IPO后6个月内,几乎所有科技股都会从峰值跌50%,SpaceX这里我们又看到了同样的情况,我觉得这一季度非常扎实,我觉得它的指引相当惊人,年底前达到1000亿美元的年化收入,而且他把1万亿美元年化收入的目标提前了一年,从2031年提前到2030年,这么说吧,摩根士丹利对2030年的收入预测是3250亿美元,这也非常惊人,记住这家公司去年收入是180亿美元,所以不管你看摩根士丹利的数字还是马斯克的数字,市场显然还没把这点定价进去,在2万亿美元的时候,我们提前定价了好几年,我觉得现在这个估值反映的是我们当前所处的位置,市场对几件事有疑问,就是这些第一关于租赁业务,算力租赁业务,他把一大块算力租给了,这就是我们一直在讨论的问题,你是要用这些算力,去构建自己的前沿模型,还是把它租出去,如果租出去,你能不能找到那些有资本,去承接这些算力的人,他说的是巨大的数字,10到20几瓦,人们都在想他们怎么融资,而且记住,那些业务,GPU租赁业务,往往估值倍数很低,看看CoreWeave之类的,关于前沿模型业务,我觉得这才是隐藏的亮点,我觉得他在电话会上,说Grok在7月份的Token量翻了三倍,这还不包括Cursor,Cursor本来就在从30亿美元,走向年底100亿美元的轨道上,Cursor加上Grok,到年底可能达到100到200亿美元,那会是极其有价值的资产,估值倍数会比数据中心业务高得多,然后当然我们还没提,Starlink和他要做什么,我觉得他会横扫移动通信市场,所以这是正常的,整合硅谷各地都有基金,在分配他们的股份,股价跌了一些,这里没什么让我意外的,现在一切都看执行,我觉得最值得关注的事,两件最值得关注的事,第一,Block和Cursor的收入年底会是什么样,第二,他们在继续用Starlink,取代传统移动运营商方面,能取得多大进展,分配开始了,我觉得是今天或者昨天,我收到了我参与的,一支基金的第一次分配,我参与了两三支,投了SpaceX的基金,好像人人都投了,如果你是想套现的人之一,那显然会造成下行压力,我持有很久了,但我要为我的孙辈,留着这些,SpaceX你怎么看这些惊人的。 [00:20:03]
David Sacks:我觉得只能用惊人来形容,来自一个九个月前,还不是SpaceX业务,一部分的垂直领域的业绩,对 听着,我觉得这是一次,非常乐观的财报电话会,我有点意外财报后股价下跌,因为不仅业绩超预期,还上调了指引,而且我觉得马斯克讲了很多他们的计划,Brad说的我只想补充一点,关于Starship,马斯克基本上说了我们都看到了,Starship是非成功了,Starship飘在海上,隔热照起作用了,这会让他们现在能以,更快的速度进行更多Starship飞行,这为V3卫星,铺平了道路,V3卫星能为Starlink网络提供,大得多的带宽,然后支撑整个直联手机业务,所以你有那一块,整个电信方面看起来都非常顺利,他们对此非常乐观,然后你还有整个AI数据中心业务,关于数据中心,我觉得他们说的是,预计从1.4GW算力到年底,增加到大约2GW,马斯克说算力现货价格,在每瓦30到50美元区间,所以你算一下,1GW是10亿瓦,所以每瓦30到50美元,意味着每几瓦300到500亿美元,我觉得他们现在就在这个区间的上演,所以当马斯克说,听着我们年底要达到1000亿美元年化收入,你只需要相信,他们有二几瓦算力,按每瓦50美元出租就能达到,这还不包括Starlink发射业务,Grok Cursor那块。 [00:23:04]
Jason Calacanis:或者任何这些东西,所以我觉得这就是他们这么乐观的原因,而且有多种赢法,这是你说的,SACS这股票有多种赢法,我觉得Starlink就是一台不可思议的印钞机,你看财务数据,有分布报告,太空连接AI三块,连接这块,也就是Starlink,调整后EBITDA是26亿美元,你可以大概把它当成经营性现金流,太空那块大概是负2亿美元,算勉强打平,AI是正11亿美元,但AI这块,Brad说的对,现在算力租赁的定价是不是暂时的,因为市场上算力紧缺,所以有一价,还不清楚,需要算力的人,现在是在给伊朗付溢价,所以我觉得这块未来怎么样是个问号,但连接这块,Starlink本季度收入43亿,调整后,EBD26亿,它有1200万订阅用户,同比翻了一倍,每用户每月ARPU66美元,季度环比增长了20%,照这个趋势外推,它差不多已经跑到,2400万用户的年化水平了,按这个倍数算,我假设企业业务这块,比如航空公司之类的也在放量,看起来他们跟消费业务一起在扩张,光Starlink一家,营收就能到400亿美元的量级,而且其中很大一部分会变成自由现金流,一年内自由现金流可能到300亿美元,光这一块产生的现金流,就能支撑伊朗做的很多事情,而且你只要给它30倍估值,我觉得完全合理,因为这种订阅业务续费率极高,获客成本极低,我觉得光Starlink业务就能拿到30倍,光Starlink一家,两年内甚至说18个月内,市值就能到1万亿美元,这就能给其他所有事情当资金,那些就当科学项目和额外收益,所以我是在做一个大胆的判断,Starlink这个业务表现这么好,我觉得太疯狂了,你看看Air和T Verizon,Husenet,Viasa这些公司都被打惨了,我以前在索诺玛县的农场,就装过Husenet卫星天线,当时要上网只能用那个,一个月好像要200美元左右,因为那些是高轨道卫星,对吧,而且他们要花很久才能,服务烂透了,那个市场被Starlink打得稀碎,如果他再把直联手机那套推出来,订阅增长还会往上冲,现在消费端一个季度新增200万用户,以后可能一个季度新增四五百万,消费订阅的增长反而会加速,光美国就有4亿手机用户,我觉得光靠Starlink,能做出这个大胆的判断,剩下的就是,伊朗能不能把Starlink,溢出来的多余资本投好,他拿那些钱会干的怎么样,说实话,我不知道还能把钱交给谁,去做他正在做的Starship,AA,算力,还有Terrafab这些事,天哪,这简直是科幻小说,我是说,你要谈美国怎么摆脱,对台湾和中国,在半导体上的依赖,如果伊朗把这些,扛在自己肩上,把他今天展示的,这个愿景做出来,这就会是地球上最伟大的半导体制造基地,David我想说一句,你知道有多少CEO或者创始人,手里有Starlink这么好的业务,1万亿往2万亿走的业务,就守着它不去冒其他任何风险,他们不会去做Terrify,不会去建数据中心,不会去自研模型,那些风险极高但极其重要的投资,我觉得伊朗在前沿创新上,这种无拘无束的热情是英雄般的,非常重要的,我希望看到更多CEO,更多上市公司,愿意承担这个级别的风险,我们刚才还在聊,有些CEO可能不太敢冒险,因为稳妥的赌注更容易做,伊朗就是不肯只做稳妥的赌注,他把这个卓越业务赚来的每一分钱,都砸回这些,对美国至关重要的事情上,而且顺便说一句,Brad这个观点特别好,因为你看其他CEO和其他管理团队,他们也开始跟进了,他们开始意识到回购股票,发股息不如压住未来重要,Doordash因为资本支出投入太多被批评了,显然谷歌也因为资本支出挨了打,所以这种事一次又一次的发生,再说SpaceX将要面临的逆风,那些我认为最终会被证明是错的,但在这里值得讨论的论点就是,对Token和算力的需求能持续下去吗,还是说本地部署,桌面端,开源模型越变越小,越来越好,会不会在某个时点真的削弱需求,我不觉得会,我不知道暗虚智能有没有上线,我不知道它有没有上线,第二个问题显然是,Starlink是给住在乡村地区的人用的,如果你楼里有Verizon的光纤或者Spectrum,你不会也没法在楼上装Starlink,所以接下来一两年会解释清楚的一点是,等那笔合并完成,每一辆卖出去的特斯拉都会内置Starlink,这意味着你会有WiFi网络,让任何手机连上任何一辆特斯拉,比如说路上那些自动驾驶出租车,你还能直接连上下一代Starlink,所以只要你的手机有清晰的视线,它就能直接连上路上任何一辆特斯拉,路上特斯拉很多,而且未来所有特斯拉都会内置Starlink,所以这些前景非常光明,最后关于估值一直有很多猜测,Brad你提过这个,他们获得流动性的时候,有人问你,我也听你聊过,私募公司风险投资,我们是一种投票机制,等它上市了就变成称重机制,有时候你会遇到这样一个时刻。 [00:24:32]
Jason Calacanis:大家对这些估值焦虑不安,这种焦虑在上个季度达到了顶峰,特斯拉刚上市的时候,市销率是160倍,160倍,对吧,你拿这个两三万亿美元的市值,去对比一个较小的收入数字,但如果你看收入数字在增长,现在我们降到45倍市销率了,所以某种平衡正在发生,对吧,Brad,在私募和公开市场之间,同时收入也在增长,对,说实话,我觉得这一切都非常健康,我觉得SpaceX的首次公开募股非常出色,我觉得这里的整合完全是可以预见的,现在这家公司市值1.4万亿,我觉得如果你看三年或四年的视角,你能看到在这门生意上,以非常合理的估值把资金翻三倍,按摩根士丹利的数字,或者按伊朗的数字都行,但这一直就是那个赌注,你相不相信伊朗是最伟大的创新者,最伟大的资本配置者,但入场价格很重要,对吧,当你在IPO第一天头脑发热,在超过2万亿的时候买入,你得知道这种事会发生,Apple那天我在CNBC上说,我想拥有这家公司,但我不确定今天是我会买入的日子,对吧,所以你知道入场价格很重要,这只是一个基本的东西,但让我再给你举一个例子,比如我们聊过Anthropic的IPO,或者很多人聊过今年晚些时候的事,我听到很多人说1.5万亿或2万亿美元,David刚才说,到年底年化收入可能超过1000亿,那大概是收入的10到15倍,对一家刚增长了10倍,据说Q2就盈利的公司来说,这不算多,所以我看市场,看7月份我们看到的整合,希望7月份我们见到了Leopold底部,很多半导体股票都跌了,听我说那家伙干得很好,他今年显然还涨了80%,刚又做了一笔大的私募投资,我觉得他在短时间内,把公司建得非常好,但市场确实因此恐慌了,对,因为他不得不平仓,我觉得这一切都非常好,所以展望未来在SpaceX IPO之后,走向今年晚些时候的这些IPO,我觉得我们状态非常好,尤其是如果这些收入继续快速增长的话,你知道伊朗真正擅长的是什么吗,就是造东西,比如工厂 实体 实体场地,在这个人人都争抢数据中心和芯片厂的世界里,这是一个巨大的核心优势,软件层需要物理世界里的硬件,才能交付他们的软件服务,而在这方面,没有人比Elon更强,看看世界各地的超级工厂,是怎么建起来的,这是它的核心竞争力,所以Brad,当你把Elon跟Dario跟Sam,甚至跟Alphabet,比Alphabet干这行已经27年了,我的天,如果这个世界最终拼的是这个。 [00:30:01]
David Sacks:Elon有巨大的核心优势,他在电话会上说过类似的话,他说你看,建数据中心跟造火箭比起来,根本不算什么,对吧,就是说建数据中心,又不是什么高精尖的事,所以他们把SpaceX积累的那些,硬件专长用到数据中心上,这也是为什么,他们能比所有竞争对手,更快的建起更多,更大的数据中心,这里有几个点,大家明白为什么,Starship对Starlink这么重要吗,好 我快速解释一下,基本上SpaceX开发了一款,新的V3卫星,带宽是V2卫星的10倍,目前Starlink网络,是由V2卫星驱动的,他们用Falcon 9火箭部署,每次发射大约27颗卫星,这给整个网络增加大约2.6,泰比特每秒的容量,Starship每次发射可以部署,60颗这样的V3卫星,那每次发射就能给网络增加,60泰比特每秒的容量,所以每次发射的容量是原来的,20多倍这就是它的威力所在,所以如果Starship能正常工作,顺便说一句,上一次测试不仅证明了隔日照没问题,据我了解,他们实际上发射了,或者说部署了20颗V3卫星作为测试,而且他们成功跟这些卫星建立了连接,证明这套系统是可行的。 [00:32:46]
Jason Calacanis:他们甚至还在上面装了摄像头,我们之所以能看到Starship,就是因为他们说管它呢,咱们在上面装几个高清摄像头吧,对 不过我觉得那些卫星,基本上就是一次测试。 [00:34:02]
David Sacks:然后他们就烧掉了,烧毁了,所以我觉得下一个重要里程碑,就是他们用Starship发射,比如说60颗这样的V3卫星,把它们送到正确的轨道,跟他们建立连接,把带宽加到网络上,那会是一个大里程碑,但你把这件事推到逻辑终点,Starlink网络可用的带宽会提升10倍,甚至最终100倍,到那时候他们就能做各种有意思的事,比如直联手机Guinness Shotwell。
Jason Calacanis:提到过一些有意思的暗示,关于地面战,他们在那方面可能能做些什么,而且他们可能会收购T-Mobile之类的,SACS,这完全在他们的购买能力范围内,而且我记得伊朗提过。
David Sacks:Starlink网络最终可能承载,大约一半的互联网流量,所以这个东西的规模,可能远不止1200万用户,你说的对,Frieberg,不过Brad,我想花点时间聊聊数据中心,我确实有几个问题,伊朗提到,好,我们年底会到二级瓦,他说明年会到5到10,更接近10而不是5,那我们就按8算,行吧,这是我下编的,但在他们的区间内,那就算增加了六几瓦,从二到八,对吧,对我来说有两个问题,第一,你怎么知道现货价格会保持在现在的位置,它能维持在每瓦50美元吗,我们怎么知道怎么追踪,这里面有多大风险,我在电话会上感觉,伊朗认为这个数字会涨,因为现在市场受内存制约,我记得他提到,明年内存产量可能增加20%,但需求增长超过200%,所以市场受制于当下的瓶颈,现在瓶颈是内存,那你觉得现货价格会怎么走,我们怎么知道这里面风险有多大,然后我的另一个问题是,如果从二级瓦到八级瓦,净增六级瓦,我们知道一个几瓦的数据中心,大概是500亿的资本支出,所以新增六级瓦的算力,明年就是3000亿的资本支出,假设他们真建了,对吧,我猜他们在这方面,有灵活选择的空间,那你怎么融资,最不稀释股权的方式是什么,他们说回收期一年或更短,我猜这跟现货价格挂钩,所以你只需要融资一年,问题是你觉得英伟达会给他们提供这笔融资吗,还是说这事会怎么发展,我想问的就是这个,这个框架提的很好David。
Jason Calacanis:首先美吉瓦最低要500亿来建,好那就是3000亿,要融资的话在我看来,要么去市场借钱,要么做稀释性股权融资,这两样他们都不想干,要么让英伟达来兜底,他们也表示会更多的这么做,但问题在于英伟达的股东,不想让他们无限兜底,因为大家担心现货价格某个时候,对吧可能会对你不利,一旦那样回收期就变了,现在没人觉得回收期会是一年,尽管现货价格显示,今天确实是一年,对吧就在几年前,人们觉得你能回本,也不是几年前几个月前,人们觉得回收期是四年,所以你基本投入50,然后每年赚10到15,4到5年回本,然后希望第六年,那真的能把你的回报率,推到20%以上,现在短缺太严重了,前沿实验室的支付意愿也太高了,因为他们都意识到,自己正处于一些重大突破的边缘,所以他们愿意付市场价的三倍,四倍五倍来获得大规模算力,这就是Anthropic,跟SpaceX那笔交易的情况,我觉得Anthropic,今天如果能买更多,一定会买OpenAI,也一样,布拉德,你的意思是,他们愿意多付高达5倍的价格,这就是大卫刚才提到的,那个每瓦50美元,他们愿意付30到50美元,只要能拿到规模化算力,让他们在市场上获得竞争优势,而且记住,没多少人有这种长期采购收入,能买得起这个规模的算力,对吧,买SpaceX的XS计算,或者在俄亥俄建十几瓦工厂的,可不是中国的开源公司,那是OpenAI和Anthropic,所以绝大部分长期采购承诺,都来自Anthropic,OpenEye和英伟达,对吧,你听到超大规模云厂商,在拼命建这些算力,他们建出来,就是为了卖给我们,刚才说的那几家的,所以大卫总体来看,如果他明年建六级瓦,顺便说一句,可能只有埃隆,能在这么短时间里,真正建起来这么多,就像Janson在节目里跟我说的,他说没人能接近这个速度,微软差得远,谷歌也差得远,在这么短时间里建起来,我觉得它会遇到挑战,把所有组件都凑齐,对吧,我知道它能建起来,但它能及时拿到内存吗,能拿到芯片吗,能拿到土地和供电设施吗,我觉得长期采购需求是有的,对吧,但换个角度看,今年Anthropic和OpenAI加起来,它们初始的总算力大概是五级瓦,所以它说的是增量增加的量,比这两家合起来的总量还多,对吧,但Anthropic年同比增长十倍,OpenAI可能也有四倍,甚至更高了,所以这个增幅其实不算太大,你加上去,需求是存在的,今天世界上需求是存在的,我觉得未来12到24个月,需求都会存在,但市场上有一道忧虑之墙,我们7月份看到回调的原因,是Kimi把人们吓到了,让大家想,天哪,他们会不会压低前沿实验室的收入,如果他们压低了前沿实验室的收入,那谁来为所有这些算力买单,这就是为什么你看到CoreWeave,这类公司跌了40%,还有所有半导体股票,和AI相关的半导体股票都跌了,从某种意义上说,现在大家都在讨论,这下一个时机要花5000亿美元,然后你问钱从哪来,增发英伟达寄到自己账上,还是像有些人那样在表外搞SPV。 [00:36:34]
Jason Calacanis:我们之所以在聊这个,是因为所有人都知道这事,市场已经被教育过了,这意味着如果这事没成,或者速度慢下来,我觉得人们能实时调整,我怀疑这个速度撑不了超过两年左右,不过就像我们的好朋友,Bill Gurley喜欢提醒我们的,他说我简直不敢相信,我们都这么淡定的,接受这种规模的卖方融资,对吧,他会管这叫循环收入,对吧,但市场已经习惯了,而且记住,就像我们7月份看到的,只要需求意有风吹草动,整个板块就一起跌,对,所有东西都会一起跌,因为这就是你往系统里注入的杠杆,你实际上是在为别人在收入之前,超前建设的能力做担保,所以一旦需求下滑,波动会剧烈的多,明眼警惧,我今天看不到未来12到18个月,会出现需求下滑,但总有一些未知的未知时刻,肯定会让人恐慌,信用利差在扩大,这些交易的利差一直保持很宽,所以市场对他们是有恐惧的,我是说这事会非常激烈,SAS末日不是SAS末日,是SaaS末日,我觉得正在慢慢消化,消化不良可能正在缓解,Aerable刚刚被收购,价格比它融到的钱还少,这是一家盈利的SaaS公司,产品很好,年收入4.8亿美元,差不多5亿美元,年增长20%,如果它是上市公司,这个数字相当体面,手里还有近10亿美元现金,就这样被卖了,卖价12.8亿美元,大约是它峰值估值的10%,峰值估值是2021年的117亿美元,不过他们确实有不少现金,如果把现金头寸算进去,交易总额是22.5亿美元,收购方是一家叫Bending Spoons的公司,这是一家意大利公司,总部在米兰,他们专门收购那些有挑战但有意思的业务,比如AOL的遗留业务,Evernote,Evenbrite,Vimeo,Meetup.com,而且他们上个月刚上市,Bending Spoons上个月上市,消息公布后股价涨了15%,SACS我们看这件事,这家公司做了很多正确的事,资金储备里有大量现金,但又传言说创始人可能有点累了,也许一些在高位买入的投资者也累了,我们能从这笔交易和Bending Spoons身上学到什么,他们现在是最后的买家了吗。 [00:40:02]
David Sacks:我觉得他们是在给自己打造一门好生意,因为我认为这笔收购对他们来说,最终会是相当赚钱的,我再补充一点,Aerable在这次收购之前,把它的AI agent业务,也就是Hypergent,拆分成了一个独立的公司,所以我觉得这里发生的是,公司的创始人和人才说,我们不想再让这个老产品继续运转了,那基本上就是私募股权的玩法,我待会解释这是什么意思,我们想专注在新东西上,也就是AI公司,那才是未来价值创造的大头,或者说潜力所在,所以本质上,人才会去专注风险投资的玩法,然后把私募股权那部分,卖给Bending Spoons,那为什么我觉得,这对Bending Spoons来说,会是一笔好收购呢,我觉得相关评论里,有一个很有意思的数据点,就是AirTable的销售团队,只有30%的人完成了配额,他们的销售达成率是30%,这告诉了我很多,关于这家公司的信息,明白吗,他告诉我的是,我这是在自立行间推断,这家公司有一个,成功的产品驱动增长模式,也就是有机增长,产品驱动增长,他们每年大概增长20%,但对董事会来说,这不够好,这些投资者,有些是在110亿美元,峰值估值时投进来的,所以他们追求的是,风险投资式的高回报结果,那会发生什么,董事会施压创始人去做一些,坦白说对他们来说不自然的事,就是说你们应该在这里,加上传统的销售驱动模式,让增长更快,这有用吗,没有,他们可能从中获得了一点增长,但达成率只有30%,所以有几百个销售代表,在这里推绳子,根本推不动,增长也没变快,那现在收购方的机会在哪里,Bending Spoons可以进去做,Elon在推特做的事,砍掉85%到90%的成本结构,不做销售驱动模式,回到产品驱动增长的根源,你大概能保住,那20%增长的大部分,而且会是一家非常赚钱的公司,你就能,80%的利润率,大概对吧,大概吧,我是说,4亿的净利润几年就能收回收购成本,有人说他们只能产生30%的EBITDA利润率,我觉得就像你说的,可能是80%到90%,我觉得你不需要保留这家公司的大部分,或者说大部分相关的成本结构,Airtable是一家有粉丝的公司,我觉得他们大概会留下来,而且你会产生,我不知道,你大概每年能产生3亿的EBITDA,或者4亿,同时还能保持10%到20%的增长。 [00:42:24]
Jason Calacanis:所以这对Bending Spoons来说是个好玩法,而那些风险投资者SEX,他们很高兴能拿回钱,然后去做下一件事,这对他们来说有点压力,你知道在赌桌上,他们得翻10倍才能追回来,然后还得再翻10倍。 [00:45:03]
David Sacks:才能让他们的有限合伙人满意,这不可能发生,我觉得问题是,如果Bending Spoons,基本上能把这家不赚钱的公司,变成每年产生4亿EBITDA,三年就收回收购成本,太厉害了,为什么这家公司自己做不到,我觉得这就是结构性问题,我觉得对董事会里的,风险投资人来说都很难,为什么,因为他们得拆掉,自己建起来的东西,对吧,他们对团队有这么多忠诚,他们不想去想,我怎么砍掉,80%到90%的成本结构,那不是他们做的事,我是说创始人想做的,和董事会成员追求的结果,是风险投资支持的结果,我觉得他们本来可以做到的,他们可以做bending spoons做的事,他们不是干这个的sacks,他们不是干这个的,而且股权结构表的结构也完全不对,因为他们坐在一个巨大的清算优先权后面,所有这些投资者,在110亿估值时投进来的,还有一路投进来的,都得先拿回钱,机力机智坏了,而且你自己在你的公司altimeter,那段时间你也很活跃。
Jason Calacanis:你下了很多注,所以我不知道air table是不是其中之一,但你确实在那时做了一些SaaS的赌注,有些估值很高,你现在回头看那段时间,有什么教训带到以后吗,收入倍数可以压缩的非常快,对吧,当公司增长超过50%的时候,这套很好用,但记住,那只是一个经验法则,那只是一个非常粗略的估算,几乎只在硅谷用,你知道,所以人们说天哪,这东西卖了二倍收入,但当你真正以穿透的方式去看,大概卖了30倍自由现金流,我不觉得很容易做到4亿的EBITDA,我觉得如果能做到,董事会早就做了,我们参与了一些这样的公司,一旦增长放缓,公司士气就会崩,客户流失开始飙升,然后就开始自我强化,所以我觉得,每天去上班都很难受,Brad你需要保留什么,你需要什么,这事会变得非常非常棘手,David,我不了解核心产品本身,也不清楚核心产品的人员流动情况,但我的直觉是,随着核心产品的进展放缓,它已经开始真正走下坡路了,产品端能看到大量人员流失,现在大家都在说,如今一家软件公司,几乎不可能留住像样的销售人员,也不可能留住像样的产品开发人员,因为他们都想去做AI,同意,但这个产品你不需要那些人,我同意。 [00:46:24]
David Sacks:我是说市场是有效的,你看我觉得这正是Bending Spoons的优势所在,这是公司董事会和创始人没有的,他们已经有一套基础设施了,对吧,Bending Spoons有一个核心团队,现在管理着几十个这样的产品,所以他们可以直接把这个接进去,我觉得AI在某种程度上,让他们的工作更轻松了,因为过去你没法裁掉所有人才和基础设施,是因为你需要机构记忆,需要懂代码库的人,现在AI可以瞬间学会整个代码库,这是个很有意思的观点,所以对,用AI维护起来更容易,我觉得维护模式用AI会容易得多。 [00:47:43]
Jason Calacanis:因为你不再需要历史知识了,AI可以进去,把那些历史知识,重新构建出来,让我请你进来,Freebird,如果允许的话,我们看零利率时代,和SaaS时代的教训,再看当下这个时刻,这个蓬勃发展的AI市场,这两者之间,能找到什么相似之处吗,或者有什么教训可以借鉴,你是说零利率时代,和AI时代之间,零利率SaaS时代,我们有很多非常高的估值,很多热情,很多选择性失明,现在我们处在AI时代,我们刚才聊到了算力的价格,还有这些公司,都是100倍的失效率,这两者之间有相似之处吗,还是没有,这对你来说算是个送分题,不,这是完全不同的范式,AI资本支出和模型训练,这是资本流向的主要去处,并不是关于收入的高倍数,而资本流向SAS,恰恰是那样,就像,你拿到20倍倍数,把1块钱变成20块,太棒了,我们整天都这么干,这是完全不同的结构,策略和资本配置流程,所以我不觉得这两者有任何关联,说实话。 [00:48:21]
David Sacks:这确实是个送分题,我是让你打出拳雷打的,你看显然SaaS公司,在零利率时代被高估有两个原因,第一我们有人为压低的利率,所以形成了一种投机性资产超级泡沫,但第二人们把这些公司,当成有保证的年金,而且是不断增长的年金,他们会看数据,看到120%的净美元留存率,就觉得这东西会以每年20%的速度,永远增长下去,这是基准情形,对吧,然后他们就这么定价,但我们在AI上看到的是。 [00:49:28]
David Sacks:显然有颠覆发生,而且就像Brad说的,我敢肯定他们现在看到了,很高的流失率,这不是年金,事情是会变的,所以显然现在这些公司,以更大的折价在交易,话虽如此,我要说的是,我不认为你能根据AirTable,这一家公司,就推断整个SaaS行业,我觉得AirTable有一些特点,让它跟Salesforce或Workday,这样的公司非常不同,AirTable一直是个,有点古怪的产品,我记得这家公司最火的时候,人们说,这就像新的Excel,或者新的Google Sheets,新的微软Office,对,它基本上就是一个,处理文字的电子表格,人们就是这么看,它的一种新的处理文字,而不是数字的电子表格,但它从来没有实现那种承诺,从来没有达到那种普及度,人们知道怎么用电子表格,每个人都在用,AirTable从来没到那个程度,大多数人到现在都不知道AirTable是什么,再说它确实有一批忠实粉丝,但它是个很难跟人解释清楚的产品,你什么时候用它,它有一批狂热追随者,它有一批狂热追随者,但它从来没有达到那种接受度,它从来不是那种不言自明的产品,为什么你要用它,用力是什么,因为这一点,他们一直没能把营销做对,而且说实话,你看看Claude Code,Perplexity,计算机Agent,这些东西现在正在做AirTable,当年做的事,所以,我觉得它从来没有开辟出一个,清晰的细分领域,让人明确知道,什么时候该用AirTable,它实际上是那一堆,杂七杂八的工具之一,你可以说它是无代码工具,这个大杂烩里的一个,这就是它被归入的类别,而无代码现在恰恰是SaaS里受影响最大,被颠覆最严重的领域。 [00:50:01]
Jason Calacanis:因为Claude Code真正擅长的是什么,那才是终极答案,这就是无代码,Lovable, Cloud, Code, Perplexity, Computer,所有这些工具都是。 [00:51:51]
David Sacks:对,Airtable或者Retool这类工具的问题在于,确实你用它们不需要会写代码,但你得学怎么用Airtable,得学怎么用Retool,这些在某种程度上就像另类的编程语言,而现在你根本不用学那些了,你用Cloud直接告诉他,你想让他做什么就行,所以如果你确实想建个什么新一表盘,或者某种怎么说呢,语音版的电子表格之类的,你直接告诉Cloud,你想要什么就行,没有那个学习曲线,你看整个SaaS行业现在都在受影响,但这块绝对是被冲击最严重的,所以我不确定,你能完全根据AirTable的遭遇,来推断整个行业,我也不觉得你会想用,氛围编码出来的东西,去替换你的CRM HR系统,凡是设计合规的东西,你都需要确定性,我得说实话,我的团队SACS。 [00:52:01]
Jason Calacanis:做了个你管理投资组合,是用那种现成的SAS工具,就是管理投资组合之类的,我们其实是用氛围编码,自己搭了一个,是吧,我们也一样,我的团队刚搭了个东西,好到让人难以置信,要是买现成软件,软件费要25万美元,集成费两三年下来,要100万美元,我们一个月就搭出来了,现在对整个投资组合,竞争对手,创始人所有动态都了如指掌,别忘了。
David Sacks:Layapol之所以被爆仓,其中一个原因就是,他压住了SaaS末日,记住不只是因为他重仓,那些后来回调的芯片股,哦 是吗,他做空了SaaS,他做空了Adobe和一大堆,其他SaaS公司那些交易,也朝着对他不利的方向走了,所以我还是觉得,说整个SaaS行业都会被摧毁,这太一刀切了,对,而且关于这个,有一篇很好的文章,我引用一下,里面说,没人买微软,是因为微软写的代码最好,大家买微软,是因为微软是所有东西运行的轨道,Active Directory,是你员工身份所在的地方,Excel是你董事会汇报数据的来源,Team是合规录音对话发生的地方,Azure拥有FedRAMP高授权,和国防部影响等级五级认证,这意味着国防承包商,不能随便换成更便宜的替代品,以此类推,所以有很多很好的合规理由,如果你是大型企业,你不会想花几千万美元,去拆掉一个每年只花你100万美元的东西,这根本说不通,我还注意到Benioff五分钟前刚发了条推文,说15个内阁机构里有15个都在用Salesforce,你看政府不会把Salesforce换成氛围编码的东西,所以不是所有SaaS在这个维度上都是平等的,我就想要点Figma。 [00:53:20]
Jason Calacanis:我就是觉得有些SaaS公司创始人了不起,长期投入,还有热情的用户群,我觉得他们能转型成,AI优先的产品,Figma就属于这一类,我来收个尾,收一下这部分,好 请讲,IGV过去6个月涨了20%,过去5年涨了20%,请解释一下IGV,就是高增长软件,股票指数,对吧 Snowflake,过去6个月涨了88%,就这样,IGV是这些股票的ETF吗,IGV是成长型软件公司的ETF,对吧,所以回到David的观点,之前市场对软件公司有过恐慌,有一波大规模抛售,说实话,他们表现其实相当不错,而且正如他提到的,7月份,很多半导体AI股票下跌的时候,他们是在涨的,其中一些公司,The Tabrics,Snowflake,Clickhouse等等,做得非常好,就像我刚说的Snowflake,过去6个月涨了90%,这已经和半导体AI股票,一个级别了,所以回到David的观点,你不能把他们都归为一类,但我确实觉得,对于这些无代码的,很多应用软件公司来说,他们正在意识到,游戏结束了,把公司卖掉,能拿多少拿多少,重要的是在AirTable这件事里,所有后期投资者,对吧,我们最近三轮融资都没投,我记得估值是20亿,50亿,110亿,但所有后期投资者,那些最受尊敬的增长型基金,他们都拿回了自己的钱,而早期投资者最后赚了很多,所以如果这算失败,那对硅谷来说也是个相当不错的失败,这就是当时有人提出的一个观点,嘿这家公司团队和收入基础都够强,如果我们能拿回本金,还保留上行空间。 [00:54:36]
David Sacks:嘿也许这是个好投资,有些AI压住也可以这么说,这就是那种清算优先权真正起作用的案例,你知道吗,绝对的,通常来说不重要,但这次不一样。 [00:56:20]
Jason Calacanis:我觉得他们这次拿的是现金,我的理解是,这不像那种,带7%利率的,或者参与优先股那种,你先拿回两倍的钱,然后再做交易,有人知道吗,因为我仔细查过,没找到任何相关信息,我觉得扣除现金后,他们拿到的,可能比募资总额略少一点,但看起来每个人,都拿回了本金,对 但我想说的是,SACS,我们经历过那种公司。
David Sacks:必须保证一倍回报的时刻,对吧,就是在出售的时候,一倍清算优先权,是标准条款,意思就是别人开始获利之前,你先拿回自己的钱,这很合理,但利率也被剔除了,对吧,在这些交易里,我觉得是在零利率政策高峰期的时候,标准条款,也就是所谓的清洁条款,就是简单的一倍清算优先权,优先股股东在公司成功出售时,先于普通股拿回自己的钱,这很合理,对吧,对,但参与优先股就是双重获利了,对吧,对,你看我们从来没做过那种,我们相信清洁条款,没人想对创始人苛刻,只是股权结构表上,有些人赚钱,有些人亏钱,这说不通,对吧,那会破坏利益一致性,那只是把价值,从股权结构表上的一部分人,转移给另一部分人,所以标准做法。
Jason Calacanis:是确保投资者先拿回投资,然后所有人一起分享收益,好第四条新闻,中国在用美国供应商的数据训练,AI福布斯发了一篇调查,叫这些美国创业公司,正在让中国的AI更聪明,我觉得这跟你政府早期做的很多工作有关,SACS报道称美国数据标注,创业公司正在向中国实验室出售有价值的训练数据,这反过来帮他们追赶美国的前沿实验实验室,Sergei和Merker这两家创业公司,估值都超过200亿美元,他们把训练数据集卖给OpenAI,Anthropic联邦机构这些客户,报道说他们把同样的数据集,也卖给了中国顶尖AI公司,比如腾讯,Bitens,阿里巴巴,Munshah等等,报道称,中国排名前六的AI实验室,每年花5亿美元,购买福布斯所说的秘密配方,博士写的内容,强化学习,知识管线,诸如此类的好东西,我投了其中几家公司,包括MicroOne,MicroOne的创始人,没有参与向中国出售数据,他做了那个决定,SACS,你怎么看这个新情况,很多模型背后的秘密配方,其实就是数据,网上的开放数据显然已经用完了,我们上周聊过那些书,被拆掉书籍扫描进去的事,大家都在找数据,Mirror, Micro One,这些公司都在提供数据,他们应不应该把同样的数据,卖给中国的开源公司,你看。 [00:57:49]
David Sacks:我觉得我们得先想清楚目标是什么,我们是要跟中国打一场全面经济战吗,还是只是要阻止我们所有公司,跟那边做生意,如果目标是那个,那你可以采取那个立场,历史上规则一直是,你要小心那些,有双重用途的技术转让,就是有军事应用的那种,我对数据的看法是,它很大程度上是商品,数据标注肯定是,如果你告诉他们,不能用数据标注,我保证中国不缺劳动力,来做数据标注,事实上他们可能已经在做了,我的意思是,获取这些数据的途径很多,所以如果我们禁止这些公司向中国出售,我们应该预期中国会采取对等行动。 [00:59:20]
David Sacks:禁止那边的公司向我们出售,比如稀土,这两个国家不是完全独立的,顺便说一句,我希望我们尽可能独立自主,我不想有任何依赖,零依赖,但我们现在这个时间点确实还有一些依赖,所以我觉得你得问这个问题,这些数据真的是专有的吗,它有双重用途吗。 [01:00:03]
Jason Calacanis:它有,对它不是,它有军事应用吗,对 我觉得它没有军事用途,这肯定不是数据标注,这是雇博士,雇超级专业人士,去创建独特的数据集,所以这是科学,你看中国也能做这些。
David Sacks:我保证他们已经在做了,我不觉得这会在AI竞赛中,给我们带来决定性优势,它会制造麻烦 制造摩擦,你希望跟他们的关系,坏到什么程度,你想冒险再打一场贸易战吗,你看我不反对那些,能产生实际效果的管制,比如我很高兴第一届特朗普政府,限制了对中国出口极紫外光科技,那是很久以前的事了,我记得是2019年,那是个非常重要的决定,所以我觉得有针对性的战略管制是合理的,我只是想确认这个措施确实达到了那个标准,Brad 关于开源追赶,把数据卖给中国和我们的对手,你有什么看法。
Jason Calacanis:你担心这些开源模型,以及我们把数据提供给他们吗,我得说过去60天,用Kimi Quinn,还有GLM52,我的天,这些东西真不错,而且我觉得把优势送给他们,可不太爱国,我不会这么干,我很高兴这家公司,抱歉,优势是什么,你担心的是哪个数据集,那么有专有性,这些数据集,都是美国这里的专家创建的,他们会拿到那些带错误的查询,所以当你给一个,高度技术性的查询点踩的时候,那可能是代码,可能是生物和科学,这些博士会进去,把最新最好的内容放进去,然后验证双重验证,这就是为什么我们的LIM结果越来越好,所以本质上你就是在帮他们追赶,如果这些数据不送过去,对美国来说可能是个大优势,我觉得这些模型变好的一个很大原因,就是数据泄露给了他们,但你凭什么觉得中国做不了这个,他们那边有大量博士,他们得顾,不不,如果他们要做这么大规模,他们需要顾西方最顶尖的科学家和专家,所以基本上西方的所有知识都被打包,让我们的LM变得更好,他们把这些同样的包送给中国公司,转卖给他们,这意味着他们一样快的追上来了,我觉得这是他们能追上来的一大原因,跟争流并列你知道,这真的是非常相似的过程,听着如果这里真有专有的东西,我也不想我们把秘密配方卖给中国。 [01:01:16]
David Sacks:所以我得去查查看看是不是真有秘密配方,但那种认为这会严重拖累中国的想法,他们每年毕业的数学和科学毕业生,比世界其他地方加起来还多,我是说他们不缺聪明人,尤其不缺,对,而我们这边在毕业却把他们赶出国,这是另一个问题,我们得把这个修好,这里有很多不同的问题,我不知道,我是说你想把他们混在一起,但那种认为他们无法,那种认为他们无法重建那些数据级的想法,我是说如果这里真有专有的东西,如果它有双重用途,如果跟军事相关,但我不确定,这是不是就是这种情况,他们设计上都是专有的。 [01:02:44]
Jason Calacanis:但双重用途我不确定,因为我手头没有这些数据集,好了各位,这又是你们all in podcast的精彩一期,非常感谢Brad来参加,Chama,祝你世界巡演顺利,希望你好好休息,也祝你这季能买到白色高领毛衣,到处都卖光了,所以去allen.com商店,allen.com斜杠store,我们有1000件Chama,签名白色卫衣要上架,你可以提前预定,所有收入都捐给慈善,我说的慈善是指沙巴的游艇基金,好了各位我们下周见,拜拜。 [01:03:24]
来源:OpenAI News
URL:https://openai.com/index/responsible-ai-infrastructure-texas
OpenAI 致信格雷格·阿博特州长,阐述其致力于在德州建设负责任的人工智能基础设施。信中支持可靠、透明的发展,让德州居民从中受益。
本期节目围绕李录如何理解并实践查理·芒格与沃伦·巴菲特的投资思想展开。内容并不是一套快速致富的方法,而是一条需要长期阅读、持续研究、独立判断和高度自律的道路:把自己当作企业所有者,先理解企业和事实,再决定是否投资;用逆向思考研究失败,建立自己的能力圈;等待少数真正理解透彻的机会,并让时间和知识产生复利。节目还把投资方法和人生选择放在一起讨论,强调一个人必须先认识自己的性格、兴趣和能力,选择适合长期坚持的职业,才能在几十年的时间里持续积累优势。
节目从李录回忆与芒格相识开始。李录在美国求学、谋生时,偶然听到巴菲特在哥伦比亚大学的演讲,由此意识到投资可能是自己能够长期投入的事业。后来,他与芒格相遇,芒格成为他的投资伙伴、导师和朋友。李录描述芒格时,反复提到他的独特性:从逆向问题出发,研究幸福时先研究痛苦,研究企业如何成功时先研究企业如何衰败,研究投资成功时先研究多数人为何失败。芒格会把各类失败案例整理成决策检查清单,用来避免重大错误。
李录认为,投资者首先应该把自己看作企业的所有者,而不是不断交易价格的人。如果真的要买下整家公司,就会关心商业模式、管理层、竞争优势和长期结果,而不会因为短期价格波动频繁进出。芒格所说的“坐着不动投资”,减少了交易成本、无意义的信息噪声和税收损耗;更重要的是,它迫使投资者把注意力放在企业本身,而不是每天预测市场方向。
节目同时强调,这条路并不适合所有人。市场的大部分参与者按照交易逻辑行动,真正愿意长时间阅读、等待和承受与多数人不同的判断的人很少。投资者必须先回答:自己是否真的喜欢这种生活方式,是否能在没有群体认同的情况下坚持证据和推理,是否愿意用几十年而不是几个月来衡量结果。若方法不符合自己的性情,再正确的理论也很难被长期执行。
芒格的思维方式被概括为“我想知道我会死在哪里,所以永远不去那里”。这不是消极躲避,而是主动研究失败。芒格关注企业、政府、学术界和个人生活中的重大失败,从中寻找反复出现的原因,再把这些原因变成检查清单。这样做的目的不是预测所有未来,而是减少自己犯下致命错误的概率。
节目还讨论了能力圈。人的认知天然有限,真正的洞见并不多,因此必须诚实地区分“我知道什么”和“我不知道什么”。只有在自己能理解、能验证、能持续跟踪的范围内做决定,才有可能形成可靠判断。巴菲特所说的“两分钟效应”也被用来说明芒格的特点:他能快速看穿复杂生意的本质,并且抓住真正决定结果的问题。比亚迪的例子说明,即使缺少行业表面上的熟悉,提出正确的问题也能帮助投资者接近企业本质。
李录把自己的工作比作调查记者。面对一家可能被低估的企业,他不会满足于一份敷衍的分析报告,而是会追问为什么没有人覆盖、为什么股价被打压、股权结构是什么、公司是否存在诉讼以及这些事实之间如何相互关联。节目以添柏岚为例:当时亚洲金融危机令鞋类公司受到市场怀疑,但添柏岚仍有较大的销售规模和品牌影响力。李录进一步查看公司资料、分析师报告、家族控制结构和全部诉讼文件,试图弄清市场悲观情绪究竟对应什么真实问题。
这种研究方式要求强烈的好奇心和持续努力。李录说,常识很稀缺,长期持续的苦干同样稀缺。真正的研究不是读完几篇摘要,而是把所有与问题有关的材料读完,记下疑问,再回到原始事实中核对。只有形成百科全书式的知识基础,后续遇到新问题时,学习速度才会明显加快。
芒格主张学习不同学科中真正重要的理论,把物理学、生物学、数学、历史、经济学、法律、政治和心理学中的模型,作为理解商业和人性的工具。李录也强调,投资本质上是持续学习,投资者要保持对世界的兴趣,让每一天都增加一点理解。广泛阅读不是为了炫耀知识,而是为了在不同问题之间建立联系,在机会出现时更快识别它的结构。
节目还反复提到阅读原始材料的重要性。主持人为了理解李录,整理了他的演讲和访谈,按时间顺序打印、装订成一本手工自制的“李录自传”;这也呼应了芒格整理重要访谈、长期保存资料的习惯。传记和原始讲话的价值,在于它们呈现一个人如何在具体处境中作出选择,而不是把复杂经验压缩成脱离个人性格的商业口号。
巴菲特提出,如果一个人在四十年的职业生涯里只做出十个好投资,也可能获得极其丰厚的结果。这个观点的核心不是鼓励盲目集中,而是说明真正重要的机会很少,投资者需要用多年的研究准备自己,并在理解足够深时才下注。节目用山姆·沃尔顿的经历说明,优势常常来自缓慢而持续的积累:先在一家店里观察、实验和学习,知识积累到一定程度后,才有能力快速复制到更多门店。
因此,投资中的“快”往往建立在此前很长时间的“慢”之上。没有持续研究和知识积累,快速行动只是冲动;有了足够深的准备,才可能在机会出现时迅速判断。长期结果来自少数正确决策、持续的知识复利,以及避免频繁犯错。
李录强调,自己在基金之外不投资其他东西,把全部投资资本和精力放在真正理解的范围内。节目把这一点延伸到企业经营:最优秀的创始人不会在核心业务之外堆积大量自己无法深入理解的项目,而是把时间投入到有能力持续跟踪的领域。专注不是拒绝变化,恰恰是为了更清楚地识别变化,并在业务环境改变时及时调整。
最后,节目回到人生选择。李录认为,职业应该同时符合一个人的热情、性格和希望如何使用时间的方式。投资不只是技巧,更是一种生活结构:长时间独处阅读、等待、反复审视自己的判断,并接受结果无法立刻显现。一个人还需要定期检讨自己,发现嫉妒、怨恨、贪婪、自怜等情绪的影响,必要时在每隔几年对自己作出重大调整。坚持坐在自己人生的驾驶座上,同时保持开放、学习和年轻的心态,是这期节目对投资之外的人生给出的延伸判断。
- 李录的投资之路与查理·芒格 [00:00:00 - 00:10:00]
- 逆向思考与企业主视角 [00:10:00 - 00:20:00]
- 独立思考、估值与深度研究 [00:20:00 - 00:30:00]
- 好奇心、努力与调查式研究 [00:30:00 - 00:40:00]
- 选择适合自己的职业 [00:40:00 - 00:50:00]
- 跨学科学习与投资优势 [00:50:00 - 01:00:00]
- 少数好投资与知识复利 [01:00:00 - 01:10:00]
- 长期主义与耐心等待 [01:10:00 - 01:20:00]
- 专注、适应变化与人生选择 [01:20:00 - 01:28:44]
李录:欢迎收听跨国串门计划,这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的AI声纹克隆技术,我们不仅将内容翻译成中文,还完美保留了原主持人和嘉宾的独特声音,为您呈现全球顶尖的AI财经,健康与科技领域精品内容。我是主播一凯,一位热衷于AI领域的产品经理,很荣幸能为您搭建这座跨越语言障碍的桥梁,接下来让我为您简单介绍本期我们克隆的这档节目,本期我们克隆的是知名播客Founders Podcast的一期特别节目,主题聚焦李录、查理·芒格与沃伦·巴菲特,这三位投资大师的思想传承,主持人David Senra通过大量原始演讲和访谈资料梳理了李录从早年逃难到成为顶级投资人的非凡历程,以及他如何将芒格和巴菲特的理念化为实践,这期内容围绕投资哲学,思维方式和人生选择展开,既有具体案例,也有对长期主义与专注的深刻探讨,那我们就一起走进这期完整的对话 20年前我还是个刚到美国的年轻学生,做梦都想不到自己会走上投资这条路,更没想到,能有幸遇见查理·芒格2004年, 芒格成了我的投资合伙人,从那以后也成了我终身的导师和朋友, 这是我连想都不敢想的机缘。查理和我第一次见面是在一位共同朋友家里, 当时我大学毕业后在洛杉矶做投资,他给我的第一印象是梳理, 他常常好像根本没注意到谈话对象的存在, 只顾沉浸在自己的话题里, 但这位老人说话言简意赅, 每句话都充满智慧值得你反复拒绝,七年后 2003年的一次感恩节聚会上,我们进行了一次长谈,我把每一家我投资过,研究过或感兴趣的公司,都介绍给查理他对每一家都做了点评,我也就自己遇到的问题,向他请教,他告诉我,我遇到的问题,几乎就是华尔街的全部问题,问题出在华尔街的思维方式上尽管伯克希尔哈萨维如此成功,华尔街却没有一家公司真正模仿它,如果我继续走这条路,我的烦恼永远不会消除,但如果我愿意就此放弃这条路走一条不同于华尔街的路,它愿意投资,在查理的帮助下,我彻底重组了我创立的公司,结构改成了巴菲特和芒格早期投资合伙的形式留下来的投资者做出了长期投资承诺,我们也不再接受新投资者,随后我进入了投资生涯的又一个黄金时期接下来的12年里资本增长了20多倍,巴菲特说,尽管他一生中见过无数人,却从未遇到过像查理这样的人,而我认识查理多年,有幸深入了解他,我也深信这一点,即使翻阅历代所有人物传记,我也没见过与他相似的人,查理是如此独特,他的独特在于他的思维,也在于他的个性,查理思考问题时,总是从逆向开始,为了理解如何让生活幸福,查理会研究如何让生活痛苦,为了考察企业如何做大做强查理首先研究企业如何衰败消亡,大多数人更关心如何在股市中成功,查理最关心的是,为什么大多数人在股市中失败,他的思维方式是,我想知道我会死在哪里,所以我永远不去那里,那其实是我最喜欢的书,我大概,怎么说呢,读过十本,十五本关于沃伦·巴菲特和查理·芒格的书我最喜欢的是第286期,那一期叫,我只想知道我会死在哪里,所以我永远不去那里,巴菲特与芒格,关于简单与非凡常识的研究,我们回到这个话题,他的思维方式是,我想知道我会死在哪里,所以我永远不去那里,那是第286期,查理不断收集和研究各类人群企业,政府,学术界中每一个显著的失败案例,并把失败的原因整理成一份决策检查清单,用来做出正确的决策,正因如此,他在一生和职业生涯的决策中避免了重大错误,这对巴菲特和伯克希尔,哈萨维过去50年的业绩有多重要,怎么强调都不为过,查理的思想原创而富有创造力,从不受任何限制,束缚或教条的约束,他有孩子般的好奇心,具备一流科学家的素质,和他们做科研的方法,他有强烈的求知欲,现在再读一遍这段话这些都是李录模仿并采纳的特质,我们再来读一遍,查理的思想原创而富有创造力,从不受任何限制,束缚或教条的约束,他有孩子般的好奇心具备一流科学家的素质,和他们做科研的方法,他有强烈的求知欲,对他来说,只要方法得当,任何问题都可以通过自学,来理解在前人打下的基础上进行创新,查理主张学习所有学科中,所有真正重要的理论,并以此为基础,构建所谓的普世智慧,作为研究商业重大问题时的工具,查理的思维方式建立在诚实的对待知识之上,他相信,在这个复杂多变的世界里,人类的认知和理解总有局限,你必须正确认识自己知道什么,不知道什么,一个人一生中能获得的真正洞见非常有限,正确的决策必须限定在你的能力圈之内,一位美丽的女士曾坚持让查理用一个词概括他成功的源泉,查理说是理性,查理能一眼看穿事物的本质,巴菲特把查理的这种特质,叫做两分钟效应他说查理能在最短的时间里,看透一个复杂生意的本质,而且比任何人都理解得更深,伯克希尔投资比亚迪的过程,就是个例子,我记得2003年我第一次跟查理讨论比亚迪的时候,他从没见过创始人,没去过比亚迪的工厂,对中国市场和文化也不算熟悉,但他关于比亚迪的提问和评论,到今天依然是比亚迪投资者,最该问的那些问题,每个人都有盲点,再聪明的人也不例外,巴菲特说过,本杰明格雷厄姆只教过我买便宜的股票,是查理让我改变了想法,这才是查理对我真正的影响,我需要一股强大的力量,带我走出格雷厄姆理论的局限,查理的思想,就是那股力量的来源,它拓宽了我的视野,巴菲特的话就到这里这是李录在讲这件事,我也有过同样深刻的体会,查理指出了我思维里的盲点,他不只是我的搭档,更是我人生中的榜样,我不光从他身上学到了价值投资的原则,还学到了该怎么生活,他让我明白,一个人的成功不是偶然的,时机和机遇当然重要,但人本身的品质更重要,查理喜欢跟人约早餐,通常早上七点半开始我记得第一次跟查理吃早餐,我准时到了,结果发现查理已经坐在那儿,当天的报纸都看完了,虽然离七点半只差几分钟,但让一位我尊敬的长者等我我还是觉得很过意不去,第二次见面,我提前了大概十五分钟到,结果查理还是已经坐在那儿看报纸了,第三次见面,这是我最喜欢的故事之一,特别好笑,第三次见面我提前了半个小时到,查理还是在看报纸,就好像他一年到头都坐在那,从来没离开过那个位置,第四次见面,我提前了一个小时,早上六点半就坐下来等,六点四十五分,查理慢悠悠地走进来,抱着一摞报纸坐下,头都没抬,完全没注意到我的存在,后来我才明白,查理见人总是早到,但他也不会浪费时间,他会拿出报纸来看,有一年,查理和我一起去外地开会,活动结束后,我在机场航站楼,意外碰到了查理,他的航班已经飞走了,但查理一点都不着急他拿出一本书,坐下来读,等着下一班飞机,只要手里有本书,我就不觉得在浪费时间,查理说,他随身总带着一本书,只要有书在,他就毫无怨言查理一辈子都在研究人类失败的原因,所以他对人性的弱点理解得非常深,正因如此,他认为人必须对自己严格要求,不断提升自己在生活中的自律,才能克服人性、天生的弱点。这种生活方式对查理来说是一种道德要求,他就是这样一个独特的人。但你想想,如果芒格和巴菲特不是这么独特,他们怎么可能把伯克希尔50年的业绩做成投资史上史无前例,至今无人复制的成就?在我认识查理的这些年里,我常常忘记他是美国人,他更像传统的文人,也就是中国古代的士大夫查理,是商人身上带着文人灵魂的最佳典范他在商业上极其成功,但在我跟查理深入交往的过程中,我发现查理本质上是个道德哲学家,是个学者,他读书广博,知识面极宽,真心关注自己的道德修养,最终关心的是,社会,查理的价值体系,由内而外,是修身,自我完善,成为能帮助他人的圣贤,查理非常推崇孔子 [00:09:44]
李录:我有时候想,如果孔子今天在美国重生,查理大概就是最好的化身,如果孔子2000年后,回到商业化的中国,他的教诲大概会是,正心,修身齐家,致富,济天下,那是理录为,穷查理宝典中文版写的,序言里的一段,是我自己从书里摘出来的,就像我们上周聊过的关于李录的书只有一本,是李录自己写的,只讲了她早年的生活,写那本书时的李录,绝对想不到接下来几十年,她的人生会变成什么样,她会去听一场改变,她一生的巴菲特演讲,和查理·芒格成为合伙人,创立一家极其成功的投资公司,创造数十亿美元的回报,所以这期节目我想做的是,好,我们已经讲过他的早年生活,讲过他如何在你能想象的,最可怕的童年里活下来,现在我想了解,他是怎么思考创业和投资的,为了做到这一点,我得自己做一本书,所以我找到了,所有能找到的,理路演讲和采访,都是他自己的原话,大部分是视频,我把视频拿过来,转成文字稿,然后打印出来,接着我按他演讲的年份排好顺序,然后我把那一大落纸当成一本书来读,结果就是,我相当于有了一本,手工自制的,几乎是理路自传的东西,里面是他谈论自己的投资生涯,等我做完,我会把它装进一个三孔活页夹,放到我的书架上,这件事让我想起,我去查理·芒格家,亲眼看到他的书房时的感受,那一刻我意识到,哦我还是个传记业余爱好者,因为查理会自己做传记,有一份很难找到的访谈,是约翰·D·洛克菲勒在生命末期接受的,我记得大概有1700页我记得文字稿有1700页长,就是威廉·欧·英格里希对洛克菲勒做的那系列访谈,而在查理的书架上,你能看到他把文字稿打印出来,装进了好几个三孔活页夹,所以等我做完,我也会把我自己版本的《李录自传》 装进三孔活页夹,放到我的书架上,这本手工书的第一部分,显然就是李录为《穷茶里宝典》 中文版写的序言,接下来是李录 2006年在哥伦比亚商学院的演讲,我上周简单提过,因为那个演讲大概有一个小时45分钟长,其中有大约17分钟,李录完全爆发了,对课堂上学生们的努力程度,还有他们表现出的严谨态度非常失望,但这个我后面再讲,因为他实际上详细描述了自己怎么选股,怎么做研究,他用天博兰作为例子,那是他非常成功的一笔投资,不过那是后面的事。我想从他为什么做这件事开始,他为什么费劲跑到哥伦比亚商学院来做这个演讲。他的核心观点是,他在哥伦比亚当学生时,听了一场沃伦·巴菲特的演讲,这件事改变了他的一生。他说,这门课在很多方面真正成就了我的职业生涯,当时我甚至不是商学院的学生,是被偶然带进一场讲座的,在那场演讲中间听沃伦讲话,我脑子里突然亮了一下,我觉得我可以在这个行业里做点什么,当时我非常绝望,我谁也不认识,我完全没有关系,也没有钱,我极度担心自己在这个国家怎么谋生,而且我也没有在资本主义文化中长大,我觉得这就是为什么上周那期节目如此重要,为什么我会反复重听,任何时候我觉得自己有点自怜情绪冒出来,我们都没有借口,李录从你能经历的最可怕的童年之一,变成了亿万富翁,她搬到美国,没钱,不懂语言,没有关系,所以马上你也能看到李录和查理·芒格思维上的相似之处,她说,坏事,如果你活得够久坏事一定会发生在你身上,自怜没有任何用处,站起来,胆胆身上的灰,继续往前走,所以我们回到年轻的李录,坐在巴菲特的那场演讲里,努力想搞清楚我这辈子到底要干什么,我极度担心自己在这个国家,怎么谋生,而且我也没有在资本主义文化中长大,巴菲特关于投资的那些话,和我对股票市场的认知,实在太不一样了,我越想越觉得,天哪,这也许是我能做的事,所以他最早从巴菲特那里学到的一件事就是,你应该把自己更多地看作一个企业的所有者把自己的命运和那个企业的结果绑在一起,你的财富会随着企业本质的好坏起落,如果你是企业的所有者如果你是企业的所有者,你不会一直交易,所以那句如果你是企业的所有者你就不会一直交易,这句话理路会在整个演讲里反复讲,这其实就是芒格的那个理念,做着不动投资,芒格说,坐着不动投资,你付给经纪人的钱更少,听到的废话更少,而且如果这招管用,税制每年还能多给你一两个,两三个百分点的收益,这个重要的投资理念,假设的是,与其频繁买卖,试图预测市场趋势,不如买一家商业模式,特别优秀的企业,然后长期持有,频繁买卖,就意味着频繁被征税,所以这是芒格会反复讲的东西,李录也会反复讲,然后李录跟学生们说,嘿,结果这个叫巴菲特的人,你知道,让我快速给你读一段,我在为这期播客做研究的时候,给一个朋友发了条短信我说,我在做另一期李录的节目,但这期讲的是他,非凡的投资生涯,可以用两句话概括,第一,研究了巴菲特和芒格,第二,照做了,所以他对学生们说,我听巴菲特讲,结果发现,这哥们挺聪明,挺懂行的,那我就照他说的做呗,然后他就讲到了他的建议,我觉得这是最重要的,我觉得这就是你和我经常聊的一个核心主题,为什么我们读传记,而不是读商业书,因为泛泛的商业建议没用,他必须贴合你这个人必须对你是真实的,所以他说,你对投资感兴趣,那你知道吗,股市里95%是为交易者设计的 5%的人会,也许5%甚至更少,会像李录,像巴菲特,像芒格那样思考,所以你得搞清楚,这条路对你来说行得通吗,因为如果你不是那样的人,如果他不适合你,如果他对你不是真实的如果他不符合你的性情,你会失败的,所以他说,如果你的想法跟我们一样,那你真的不是,大多数你其实是,极小极小极小的少数派,股市不是为你创造的而那里恰恰是你的机会所在,也正是挑战所在,这就是我第一次,听巴菲特讲话时学到的东西,这是印在我脑子里的一件事,因为那时候,我已经很清楚自己是什么样的人了,你最大的挑战,其实是搞清楚,你是那5%的人,还是那95%的大多数,我觉得这是被忽视的,而且极其出色的建议,因为这是享受这场游戏的关键他的核心观点是,所有的价值都在长期,如果你在做一个对你来说不真实的生意,如果你不喜欢它,你撑不了几十年,而钱都在那几十年里而且在很多情况下,在李录的例子里,这需要试错,你得知道自己不喜欢做什么,所以他说,听着,我一直都知道我会经营自己的基金,这点他知道,但他不知道怎么经营他的早期出资人之一,是朱利安、罗伯逊、老虎基金的创始人,他跟李录说,嘿,来我办公室,跟其他这些我投的基金经理,一起在这办公李录稍后会在另一次采访里,更详细地讲这件事,但正是在这里他意识到,我不是那95%里的人,他说,朱利安邀请我跟他共用办公室,还邀请了一大堆,他投资的基金经理来分享想法,那是我第一次更清楚地看到,那95%的人是怎么运作的,他们大多数人一直在交易,一直在做空股票,李录的反应是,我不喜欢,这不是,我不喜欢这个,李录更像芒格和巴菲特,他想坐在房间里阅读思考,他把自己的工作比作调查记者,但他说这跟我不匹配,在描述了这段,我不喜欢这个,不喜欢这种生意形态的时期之后,他又给出了极好的建议,我觉得太多人错过了,尤其是那些不读传记的人,他说,我想留给你的第一点,是真正了解你自己,因为你一定会受到考验,你真的得问自己,你得面对自己,你到底是不是一个价值投资者,他说如果你想成为价值投资者,想成为李录,想成为查理·芒格,想成为沃伦·巴菲特,那意味着,你大概在基因上,就发生了变异,你非常习惯,待在少数派里,而这对人类来说,是不自然的,我们大多数人能活下来,是因为,我们跟着群体走,而如果你像李录,巴菲特和芒格那样,你会自然而然地,采取这样一种态度,你是对的,不是因为别人同意你,而是因为,你的推理和证据,告诉你,你是对的,我读到这一段的时候,我去搜了一下,因为我想,我记得巴菲特反复说过关于别人意见的话,我读到这一段时脑子里想的就是这个。 [00:19:31]
李录:所以,在我之前提到的那本书里,我觉得那是我读过的关于巴菲特和芒格最好的一本书叫《我只想知道我会死在哪里》,这样我就永远不会去那里。作者是彼得·贝弗林·巴菲特,在里面说了两件事,第一句巴菲特的原话是,我们不读别人的意见,我们要思考,我们要拿到事实,然后思考,然后后面他说的第二件事,巴菲特说,要我说如果查理和我有什么优势,那不是因为我们都多聪明,而是因为我们理性,而且我们很少让外部因素,干扰我们自己的想法,我们不让别人的意见来干扰然后我们回到李录,他说,这是常识,但当然,常识是最稀缺的商品,这句话太棒了,常识是最稀缺的商品,大多数人不会那样思考。然后他说,你必须问自己,你想怎么度过你的时间。对李录来说,他说,我想把大部分时间真正花在做一个学术研究者上,而不是做一个所谓的职业投资者。大多数时候,这份工作其实就是做研究,做记者,然后他描述了,如果你想走这条路,你必须具备的特质,他其实是在描述他自己,你必须有永不满足的好奇心你必须有一种,永不满足的好奇心,去真正搞清楚,一切是怎么运作的,你知道的越多,你就越有优势,所以,你必须天生就有兴趣和好奇心他把那种强烈的好奇心,和他什么都读的事实匹配起来,我读过一本年轻丘吉尔的传记,里面有一句话,他们谈到他大概26岁进入议会时的区别,他说丘吉尔当时和他的竞争对手,或者我猜是他的同僚议员的区别在于,他们满足于读当天的报纸,书里有一句话,说丘吉尔吞下了整架整架的书,我就是这样看理路的,吞下整架整架的书,所以他说,当然你必须有这种天生的强烈好奇心,他说这会帮到你,你显然在阅读一切,他说他会帮到你,因为偶尔你会发现一些洞见,你所有的研究最终只会给你带来,屈指可数的几个巨大机会所以当他谈到所有这些阅读,所有思考,所有研究,只会产生屈指可数的几个机会时,显然当你找到这些机会时,你要下重注事实上,我有一个印着沃伦·巴菲特智慧的咖啡杯,上面有各种名言,我整天就往里面倒浓缩咖啡,有一句话我想到了,因为咖啡杯上有一句沃伦的引言写着,机会不常来,当下金字雨的时候,要拿出桶而不是顶针,我想到这个的原因是,很多次人们问李录,因为她在几乎所有演讲里都接受提问,比如你往这个投资里投了多少钱,占你投资组合的百分之多少之类的,然后他最好笑的回答是你往这里面投了多少钱,他说一大笔,我想到这个是因为我第一次知道李录,是听到查理·芒格描述一件事,他说读《巴伦周刊》50年,让他赚了大概4亿美元,然后他解释了为什么,他说我读巴伦周刊读了50年,整整50年读巴伦周刊,我找到了一个真正可操作的洞见,一个我真正能去投资的洞见,那个洞见让他赚了8000万,然后他把那8000万给了李录,李录把它变成了4亿或5亿所以我觉得这是对李录想表达的观点的一个很好的说明,你要做所有这些阅读,所有学习,所有研究,然后在你的一生中,你会有屈指可数的几个洞见,而且如果你在这些洞见上采取行动,你会变得极其富有,然后他开始带着学生们走一遍,他是怎么发现,怎么思考天博兰这笔投资的,我觉得那笔投资,他大概赚了600% 700% 甚至更多,所以他在做研究,他说好,你必须搞清楚你面前的机会,这门生意是不是好生意,有没有安全边际,管理层是不是我能信任的人,为什么这个机会会出现在我面前,然后他告诉学生们的第一件事是,听着我不再谈论我们持有什么了,换句话说,坏小子都是悄无声息的,但我可以挑几个,我以前持有过的例子来讲,他拿这个当例子,或者说当个示范,来讲他是怎么思考投资的,当时他手里捧着一本大厚书,就是Value Line投资调查,那是一份股票分析资料,追踪大概1700多只公开交易的股票,就是一本特别厚的书,它带着学生们一步步看,怎么分析书里的这些企业,再说一遍,李录跟丘吉尔一样,跟你我研究的大多数人一样,都是整架整架地吞书,他说,我迷上Value Line之后,会从头到尾把整本读完,他说,那真是最好的教育,你想要百科全书式的知识基础,就得一页一页翻过去,这么做特别有用你要是再往深想一层,他到底想告诉学生什么,他其实在问,你到底有多想要,就这一下,有多少人愿意把这本大后书,从头到尾读完,视频里看着那本书,厚的都能拿来健身了,有多少人愿意干这事,就这一下,就能筛掉95%的人,可能还不止95% 坐在哥伦比亚课堂里的这些人,都是MBA学生,他们都没去读,这就是为什么研究你我在研究的这些企业家,投资人的早年经历这么重要,因为这位,我不知道上一期播客里提没提过,书里写了,他宿舍里放了500本书,这人在一个共产主义国家长大,穷得没法想象,一点机会都没有,你觉得这种人到了美国会干什么,他去了哥伦比亚,他听了巴菲特的演讲,然后意识到,等等,有一本书把所有这些股票都做了深度分析,好,那我每一页都要读,还要读好几遍,等会儿你看看,他对添柏岚做的分析就知道了,这人是要整架整架吞输的,他把Value Line上,添柏岚那一页调出来,说,听着,你不用太在意,他以前在什么价位交易,我第一眼看的是估值如果估值不合适,我根本不想往下看,他就这样带着全班走了一遍,他是怎么开始理解一家企业的,他还讲了一个观点, 如果你做足了这些功课, 有了百科全书式的知识基础, 每一页都读过了, 那之后你的学习速度会快很多, 你随手翻开一页, 他说,听着, 你要是熟练的话,找到那一页用不了一秒钟, 然后下一步, 他说, 我永远把自己当成企业主, 他会想, 如果我能按这个价格把整家公司买下来, 那我大概就想拥有它, 也就是说买他的股票,他感觉添柏岚可能有机会,添柏岚有个品牌,牌子挺响,但股价被砸得稀里哗啦,当时正好是亚洲金融危机,所有做鞋的公司都惨兮兮的,股价都被压得很低,因为大家觉得,他们在亚洲的销售额会断崖式下跌,他还提到,当时耐克和锐步也是这个情况,然后他就去找添柏岚的分析师报告,看看这家公司到底怎么回事,他说结果发现根本没有分析师报告,压根没人覆盖这只股票,他觉得这说不通,因为他说这家公司一年销售额大概10亿美元,是个大品牌,为什么没人覆盖他就带着大家往下捋,他说这家公司一直很赚钱,所以他们对金融市场的需求非常有限,还有别的原因吗,他老是这样,你答完一个,他就说还有呢,还有呢,还有呢,还有别的原因吗,股权结构,股权结构什么样,是家族所有的,他们持有大概40%的股份,但控制了98%的投票权,李录说,这一下就把很多人劝退了,她还提了一个观点,你真的应该把自己当成一个调查记者,她说,你必须有一个非常活跃,非常好奇的头脑,一个不会满足于任何敷衍答案的头脑,不然你干不了这行,她说,好,现在有亚洲金融危机,有没人覆盖添柏岚这个事实,还有什么原因让他觉得这里有机会,为什么他们的股价被砸得这么惨结果发现还有一大堆官司,那下一步怎么办,你已经知道了,我们就在这停一下,你猜李录下一步会干什么,她说,你会把每一桩官司的每一份文件都下载下来,每一个案子,然后从第一页开始读,如果你没有一颗好奇的心,你就不会去做这件事,我就是太好奇了我想知道到底发生了什么,这说不通,所以你必须要深挖每一件事,必须读遍所有东西,就像我做的那样,他讲的是努力,这样的地方太多了,显然你知道我读书的时候会画线,还会随手记下自己的想法,比如脑子里冒出来什么,有时候是过去的想法,有时候是我需要去查的东西,有时候是 [00:29:51]
李录:有时候是,这个想法跟他之前说的某件事有关联,好几次,如果你能看到,我做的这本手工小册子,你会看到,努力这个词,全大写,外面画了一个巨大的圈,因为这就是他在讲的东西,他讲的是,努力,就像芒格和巴菲特,经常谈论人性和人的心理一样,李录也谈,还记得他说过什么吗,你知道,常识是最稀缺的商品,你知道还有什么是最稀缺的商品吗,长期持续的努力和苦干,大多数人都做不到,所以这段继续往下,我脸上一直挂着大大的笑容,因为这个家伙要付出的努力,实在太惊人了,记住,当他扣动扳机的时候,他不是在浅尝辄止,你知道,有句很棒的话是这么说的沃尔特,迪士尼很少浅尝辄止,每个认识迪士尼的人都会注意到,当某件事引起他兴趣时,他的专注程度,他会全身心投入,仿佛那是唯一重要的事,对李录的描述,也是一样的,好,所以到这个时候,他是这么想的,行,我发现了,哦,有这么多诉讼,不错,我要把每一个案子都打印出来,从头到尾读一遍,然后他意识到的是,哦,这太棒了你能看到这家企业的老板,对吧,他有点像在生气,他跟某些其他投资者之间,有一场争斗,例如说,你读那些文件,就能感受到他的个性,因为你能生动地看到他的辩护然后那个老板就说,我不会再跟华尔街说话了,我不会再给你们任何业绩指引,我不需要从任何人那里拿一分钱,这门生意好得很,所以那些没做功课的人,对吧,有多少人假设有一百个人知道这些诉讼,那会吓跑一大批人,那一百个人里,有几个像李录那样,把每份文件里的每一个字都读完了,我不知道,一个,两个,也许吧所以这对像李录这样的人是有利的,因为这些诉讼起到了一个作用,他们把那些肤浅的人吓跑了,所以现在李录开始对他们稍微放心一点了,他想,好,那不错但我们还得搞清楚,他们到底是不是好的管理者,我们怎么知道他们是正派人,这就是他回到的地方,他说,我把这份工作看作调查记者大多数把企业做起来的人,个性都很强,没错,确实如此,而且他们有一段可以去审计的历史,他们留下了一串证据,能看出他们是什么样的人,做过什么事,怎么应对不同的局面,所以这就是,我上周提到过,他会去他们的社区,他会去他们的教堂,他说,你去拜访每一个人,你在那里待上几个星期所以我们再用那个例子,可能有一百个人,对这个天不兰的潜在投资感兴趣,这一百个人里,有几个做了理路做的事,现在连两三个都没有,只有一个而且李录没有止步于此,她说,那个人,我觉得他就是天博兰的创始人,她说,这个人其实只念完了高中,他是个相对简单的人,但他是个好人,正派的人,结果发现他有个儿子,上了商学院,现在,我要忍住不孝,出来很难,这对我来说太有启发了,他就是那种,我想在我做的事情上,做到世界最好我想随时随地都付出全部努力,然后我就想,什么,我根本不会想到要这么做,听听他做了什么,结果发现,天摆栏的创始人,对吧,他有个儿子他儿子确实上了商学院,他儿子当时其实跟我一样大,所以我去查了这对父子俩,坐在哪些董事会里,然后我发现,他儿子所在的其中一个董事会,主席是我的一个朋友所以我就想办法,让自己被邀请进了那个董事会,我跟那个儿子一起加入了董事会,我们成了非常亲密的朋友,然后我就真正了解了,那个家族内部的情况,结果发现,那是我见过的,最令人敬佩的家族之一,他们非常好,而且他们碰巧还是出色的商人,这太不可思议了,这也跟另一件事有关,我读到这部分的时候,想想查理·芒格几十年来,一直在讲多任务处理的危害,这就是一个完美的例子,因为这就是为什么,多任务处理如此危险,你没有时间去走到极致,而价值恰恰就在极致里除此之外,他还去了所有不同的门店,他跟所有门店经理都聊过,他把这些功课替我们做完了,帮我们总结好了,他说,想想你得投入多少精力,才能把这该死的事做对,到这时候,他意识到自己有安全边际了,他明白,他对这门生意,有了从A到Z 非常深入透彻的理解,然后他就投了,他们问他,你投了多少,他说,我砸了一大笔钱进去,接下来两年,这该死的东西,涨了七倍,这就是查理·芒格,查理·芒格说过,你要记住,好主意是稀缺的,当胜算极度偏向你的时候,就要重注下注,我咖啡杯上印的巴菲特那句话,也是同一个意思,机会不常来,当下金字雨的时候,要拿出桶去接,而不是顶针回到我发给朋友的那条短信,我在做另一期理路的节目,但这期讲的是他非凡的投资生涯,可以用两句话概括,第一,研究巴菲特和芒格,第二,照做了,芒格和巴菲特说,好机会是稀缺的,一旦我找到一个,就全力压上,理路的版本是,我找到了一个绝佳机会,砸了一大笔钱进去,接下来两年,这该死的东西涨了七倍,他讲到,讲到刚开始的时候,他做了这笔投资,对吧,这是在价值大涨之前,然后CEO开始,搞分析师会议了,对吧,李录肯定会去参加分析师会议的,你懂的,你知道第一次分析师会议,来了多少人吗,就CEO 李录,还有另外一个人,三个人,然后等价值涨上去之后,我觉得这应该是 2000年年底的事他说,房间里挤得满满当当,然后他说,那一刻我就知道该卖了,所以我把所有仓位都清掉了,想想看,股价涨了700%还是多少,然后会议场场爆满,然后他把自己当时的想法完整总结了一遍,这些话是从李录嘴里说出来的,但这些其实都是巴菲特和芒格的思想,你只需要坐着不动就行了,你什么都不用做,这就是买入一门真正好生意的妙处,生意自己会照顾好自己,这样的机会不常来,所以一旦来了,你就得抓住它,机会来的时候,你得扑上去我就是这么做的,他隔了几段,又接着说,机会来的时候,你感觉得到,你闻得到,前提是,你做了该做的功课,对吧,你闻得到,怎么才能真正练出这种嗅觉,唯一的办法,就是一页一页地读,不停地读,然后他又被问了一次,有人问他,你基金里有多大比例,投了天博兰,他说,一大笔钱,然后我们就到了这一段,这是他们开始一起分析的时候,记住,他刚讲完,自己是怎么分析天波兰的,对吧,他说,好,我们把value line调出来,一起分析几家公司,这就是他们开始一起分析的时候,也是他把这帮人彻底点爆的时候,然后他开口了,把自己当成老板,这是他翻来覆去讲的一句话,他问的问题都非常简单,对吧,比如市值是多少,然后他说,拜托,这很简单,拜托,我以为你们把功课都做完了,有人做功课了吗,一个举手的都没有,做了功课的举手,全班就一个人举手,一只手举起来了我觉得,那哥们连下一道题都答错了,所以,我们真得怀疑,他到底有没有做那该死的功课,然后他说,你们这样怎么可能在这一行混下去,我在页边空白处写了一行字,他们绝不会是分析师会议上的那三个人之一,然后继续往下,我就讲讲他对他们的反应吧,因为这关乎努力,你到底有多想要,他说拜托,各位,你们可是哥伦比亚商学院的,我们花钱供你们是干嘛的,拜托,各位你们有功课要做,这样不行,老师布鲁斯说,我真不知道,你到底教了他们些什么拜托,这种对话一页接一页,我就不细说了,实在太惨了,这是他的原话,这就是为什么我所有的员工都没上过商学院,他们从没在成熟的管理公司干过,有些人甚至没学过会计,因为我发现教他们比教那些学过的人更容易。传记里经常出现这一点,很多时候,尤其是当你用不一样的方式,经营公司的时候,这些想法,我都不太想说,但真的很像第一性原理思维,没有经验好过坏经验,没有习惯好过坏习惯,然后他们又回到这只股票上,我只想挑一点出来讲,我觉得这一点特别重要,你不该被事物的名字,被事物的描述方式所迷惑,而应该问,他们实际上,是怎么运作的,所以他们分析的这个公司,旗下有一堆其他业务,其中有一家是百货商店它名义上叫百货商店,但不是你我理解的那种,囤着一堆库存的百货商店,因此,这家百货商店的账面价值,在他看来,是高于账面价值的,他说,这不是我们理解的那种百货商店,他们不押任何库存,它更像一个购物中心,从里面,所有商品和卖出的东西的营业额里抽成,所以从他的描述里能清楚看到,他讲这一段的时候,态度就是,我才不管你们叫他什么,我也不管你们怎么描述他,关键是,他到底是干什么的,他实际怎么运作,然后再带着他们艰难啃完这块,又多少批评了他们,或者说训斥了他们,我觉得用训斥他们,不够用功来形容比较贴切 [00:39:41]
李录:之后他又强调了一点,这种思路不是天生的,但如果你得出结论,觉得自己的性格恰好适合这个变异基因池,那这可能是你真正想做的事,我能补充的只有一点这里面钱很多,从本格雷厄姆到巴菲特,再到其他所有人都反复证明了这一点,我上这门课,他从根本上改变了我,但有一件事你必须做那就是你真的要去做,这也是为什么,我对你们投入的功夫,有点失望,我光上这门课,光听这十四十五个人讲,就赚了几十万美元,但我做了大量功课,我跟你们说,如果你真的投入进去,你能赚很多钱,不只是听,还要去做,我光是听再加上真的去做,就受益巨大,巨大,这就是差别,没有什么虚头巴脑的理论,所有人告诉你的,就是什么管用,就是什么管用,你们面前有个绝佳的机会如果你们不好好利用,那就是你们的耻辱,你必须去做,你必须去用它,你必须去做,我是说,你们还年轻,你们有精力,没什么可输的,然后他开始讲,后来成为他口头禅的东西,别人在他投资公司里,也这么形容他的口头禅,你要提供准确且完整的信息,准确且完整,这就是他的口头禅,大多数人在这两点上都会严重不及格,你必须多走那一李录才能做到,就是他在添柏岚案例里描述的那种多走一李录,对吧,如果你在这上面做不到,你在这个行当里就成不了,因为大多数时候你是孤身一人,站在几乎所有人的对立面,如果你对自己知道的东西不是真有把握,你不可能把那么多钱投进去,如果你想走巴菲特和芒格那种路线那也正是我想走的那种,他描述的是,这是理路,你想成为那样的人,你的回报就来自少数几个机会,伟大的想法很稀有你一辈子能遇到的,不会超过两只手数得过来的数量,他说,在50年的跨度里,你可能会获得巨大的洞察,你知道吧,本质上不会超过10个,巨大的洞察,他说的巨大洞察是什么意思呢,就是你基本上要把全部身家压上去,那你怎么才能真正建立起这种洞察,没有别的办法,基本上就是持续的好奇心,强烈的好奇心加上一辈子持续研究,我还会说,这就是为什么那些长期,仍然掌管并控制自己公司的创始人,拥有如此巨大巨大的优势,因为你想啊,就像山姆沃尔顿说的,你知道吧,我从来不需要投太多别的东西,我在沃尔玛之外几乎没怎么投过,而全世界有多少人,像山姆·沃尔顿那样理解沃尔玛可能整个地球上没有一个人,所以他不仅能把自己所有的钱,还能把所有的时间和精力,都投到这上面,因为他比任何人都更懂这家公司,而仅仅靠那一个洞察,靠对自己公司那一个根本性的理解,他就不需要别的了,哪怕他从来没投过任何东西,从来没买过一只股票从来没在别的公司上做过投资,他依然极其富有,那个想法,那个根本性的真相,让我热血沸腾,然后李录讲到这件事的另一面,说他的错误因为他死磕安全边际,对吧,他说你知道吧,他亏过一些钱,但都是极少数情况,他说他最大的错误,其实是在那个绝佳机会出现的时候,没有下重注,所以他说最大的机会,或者说最大的错误,或者说错过的机会,来自一家我有着绝对洞察的公司,我有绝对的洞察,我认识管理层,我知道他们的股价低于现金价值,结果后来它涨了50到100倍,而我错过了,我没能说服自己投进去,那是我犯过的最大最大的错误,最大的错误不是我亏了多少钱,而是我放弃了多少钱,那才是最大的错误,我无法原谅自己犯下那个错误,接下来李录会详细解释原因,而这听起来会很像沃伦·巴菲特的打孔卡理念,李录说,你走过一生你走过一生,可能不会超过5到10个洞察,那是经过很多很多年的研究,才积累出来的,我现在做的有些事情,真的是15年前就开始做了,她的意思是,我15年前研究了一家美国公司,现在找到了亚洲的对应者,但中间这15年,我一直在研究那个行业,我了解那个行业的一切,知道到底是什么,让那门生意运转你需要有那样的洞察,才能真正坚定地出手,如果你做不到,要么是心理上不行,要么是准备不足,那你就永远赚不到真正的大钱我读到那里的时候就想,这又是巴菲特和芒格的一个理念,理路其实是在复述,他从他们那里学到的东西,然后巴菲特说,我记得他是在佛罗里达大学,对MBA学生讲的,但这段话出自《传记雪球》 书里写到,巴菲特向学生们解释了,他的20次出权投资法,他说,如果你把自己想成一张卡上,只有20次出权的机会,一辈子就这么多,你会变得非常富有,每一次财务决策,就用掉一次出权,你就会抵制住浅尝辄止的诱惑,你会做出更多好决策也会做出更多大决策,我需要给你读点东西,我看了一个查理·芒格的视频,视频大概90秒长,标题是查理·芒格谈理路,有什么不同,这周我不但看了20遍还发给了好几个朋友,我把它转录成了文字,这真的让我这周停下来,认真分析自己是怎么花时间的,确保我做的每一件事,都在用机会成本去衡量,只抓住眼前最好的机会,对吧,所以查理·芒格说李录,我现在放下手里的李录那本书,转到这段查理·芒格视频的转录稿上,因为我真的相信 90秒里他给了我们一辈子的教训,这里面有好多很棒的想法,他说李录不是普通人,她是中国的沃伦·巴菲特,她非常有天赋 95年里,我把芒格家族的钱交给外人打理,只有一次 95年就一次,那个人就是李录,而他干得非常出色,这已经很挑剔了,既然我有了李录,如果拿他做比较我还会选谁呢,顺便说一句,这是个很好的决策方式,我和沃伦就是这么做的,如果我们已经有一件,值得做更多的好事,那任何不比他更好的事,我们都不感兴趣这让生活简单得多,所以我听到那段话,读到那份转录稿的时候,我知道芒格已经反复讲过这个了,他讲的是把所有决策,都建立在机会成本上,如果你这么做,你的下注,你的投资,你的时间和精力,显然都会高度集中,所以我去搜了一下,心想,好,我知道他以前讲过这个,我打开Founders Notes 搜索机会成本我找到的第一条,是芒格的一句引文,出自那本我一直在提的书,我只想知道我什么时候会死,所以我从不去那儿,第286期,他说决策,这是芒格在说话,人生中的决策全都关乎机会成本,为什么人们要按个人机会成本来思考,换句话说,是你的备选方案才重要,我们所有的决策都是这么做的巴菲特给学生们的那条建议的妙处在于,你仔细想想他其实就是在说,有什么好办法能确保你在思考机会成本。他说,嘿,我要限制你的一生,你有20次机会,不能再多了,这就逼着你去权衡备选方案,不是吗?现在我们回到理路,他在讲的是,如果你没做功课,如果你心理上不行,没有那个心性,你准备不足,那你就永远赚不到真正的大钱。你拿不到巴菲特能拿到的那种超额回报,凭什么这事就该容易,一个能让你赚一万倍的机会,他说,他们最大的那些想法,也就是芒格和巴菲特最大的想法真的让他们赚了一万倍,这样的机会,一辈子抓住一次你就够了,凭什么就该容易,然后他把话题拉回他是怎么开始的,他说,你得建立一些真正属于你自己的东西,因为如果你没有深深的兴趣,没有痴迷进去,你就不会去做他做过的事,他们又回到天白兰那个例子,他下载了所有资料,去他们的教堂,查清楚他们进了哪些董事会,然后自己选进了董事会,就是说,你根本不会去做那种事,然后他说,这才是真正驱动我做这行的东西,他让人兴奋,极其兴奋,而且他把这种态度,延伸到一切事情上,李录真的把整个世界,当成一间教室 [00:49:14]
李录:他说,我对物理、数学、历史、经济、法律、政治都感兴趣,我什么都喜欢,对一切都感兴趣。这就是你需要的,你可能需要生物学里的模型,有些对我的投资有帮助,你必须对一切保持强烈的好奇心,偶尔你会撞上一个巨大的机会。你要让每一天都在学点东西,这是个很好的心智习惯,随着时间推移,你会学到很多,所以我读生物,读物理,读历史,全都是在寻找想法,他甚至谈到女儿的成长,观察人类认知是怎么发展的,他觉得这极其重要,他说理解心理学很重要,反正本质上一切都是工作,整个世界就是他的教室,然后他又回到那个观点,像他,像芒格,像巴菲特这样的人,他们不属于股市意思是他们不想整天交易,人们把他们描述成投资者,但他们其实是企业建造者,然后有人问他一个问题什么驱动你做出卖出的决定,我得说清楚,在天布兰那笔投资上,他赚了很多钱,就是那些六七倍,七八倍回报的投资,他说,你可能会找到一堆那样的机会也许吧,但他真正追求的是那种,能带来5000倍 1万倍回报的东西,就像那种一次,就能让你付得难以置信的机会,所以当你找到那样的机会,你不会卖,接下来他会讲他在这方面的思考演变,有人问他,什么驱动你做出卖出的决定,我以前有个理念,如果我不想按别人,给我的价格买入,那我就卖出,然后他讲了自己是怎么从这个理念演变过来的,以及如果你身处一家,真正伟大的企业,首先,世上真正卓越的企业本来就不多,如果它真是卓越的企业那个领导者会拿走不成比例的大量资本,未来甚至比你猜的还要多,所以他用一种间接的方式继续回答这个问题他一边回答,一边带着学生们分析彭博这家公司的生意,虽然彭博是家私人公司,你没法投资,但他要讲这个,他非常尊重这家公司事实上,这些年来他多次提到彭博这家公司,后来,当他试图跟彭博竞争时,他甚至发现对方比他预想的还要强但他真正想教给学生们的是,你怎么知道自己手里是一家不该卖的企业,这个练习的一部分就是一系列你要问自己的问题,比如,这里真的有能守住几十年的护城河吗?所以他们过了一堆问题,为什么他粘性这么强?很多学生的回答他都不满意,但有一个他非常喜欢,学生说,因为他们的转换成本很高,然后他们谈到,用这台机器的人时间的机会成本很高,而且学会蓬勃的所有功能,要花非常非常长的时间,任何难学,又高度高度高度依赖他,来完成日常工作东西一旦你学会了那该死的东西,你绝不想再学一遍,而且他们又加了一个优势,而且其他所有人用的都是同一个东西,你必须能跟你的合伙人同事沟通任何跟你合作的人都在用它,这门生意是赢家通吃,他还讲到彭博一个天才的营销点子,他们把这些机器,我想是免费或者便宜的,难以置信的提供给每个商学院学生,所以你在大学里就开始学着用这台机器,李录讲了之后会发生什么,她说,好,我手头有这个东西,便宜就能用,我学它但一旦我毕业进入社会,我不想再学一遍,而且,其他所有人都在用它,所以她指出,彭博在某个时点,把这些优势,全堆了起来,然后某个时刻他越过了那条线,一旦你越过那条线,所有人都用上了它,大家的时间机会成本很高,转换成本很高,学起来要花一辈子,其他所有人也都在用,就像他被困在里面了,所以理路说,假设这是一家上市公司,假设你必须自己得出那个洞察,那个洞察值一大笔钱,这就是我说的那种洞察,这是一门虚拟垄断的生意他告诉学生们,去找这种洞察,你今天还有不用彭博的选择吗,他在问这个问题,彭博的成本是多少,成本是多少,没有,你几乎可以说那是零当然他显然知道,一年三万美金,或者差不多这个数,那确实很贵,但他的意思是,对用他的这些人来说,每一笔交易都可能意味着,几百万美元的盈亏,所以他们不在乎,你一年收他们三万美金,而且如果你决定,明年涨价10% 或者一年涨10% 他们也不在乎,或者说他们根本没有选择,这就是为什么他是门绝妙的生意,绝妙的生意,他一遍又一遍地重复这句话,我在这里停一下,回头再讲他说的这个,因为我觉得这真的很重要,但他反复强调的重点是,你需要百科全书式的知识基础,你要研究所有生意,所有行业,你要一直阅读,这是因为你会意识到,这跟金融服务,科技都没关系这是一种有定价权的生意,因为没有别的替代品,再说一次,这听起来跟查理·芒格太像了,我刚做的第355期,是关于那次非常罕见的博纳德·阿尔诺采访,对吧?它有完全一样的特征,他们讲到博纳德·阿尔诺买了蒂芙尼,然后开始涨价。我记得普通顾客以前每次进店大概花500美元,现在大概是那个的4倍,你知道,他们立刻就开始涨价。我读到那段的时候,对,我在读李录这段时,就想到了那个,但当我读到那个的时候,我想到了查理·芒格说过的话,所以我要引用,查理·芒格的一段话,我觉得李录在分析彭博的时候,显然也理解这个,她说确实有一种生意,你一辈子能碰到几次,任何管理者只要提价,就能大幅提高回报但他们还没这么做,所以他们有巨大的,还没动用的定价权,这是最显而易见的决策,迪士尼发现迪士尼乐园可以大幅提价,而客流量依然坚挺,所以艾斯纳和威尔斯的一大半辉煌业绩,就来自提高迪士尼乐园和迪士尼世界的票价,芒格接着说,在伯克希尔,哈萨维、沃伦和我给喜事糖果提了价,当然,我们还投资了可口可乐,它也有没动用的定价权,所以回到李录这就是为什么它是门绝妙的生意,绝妙的生意,这就是我说的洞察,你研究每一门生意,当你发现这样的东西,你不会卖,然后最后,他结束了这场演讲,我这本手工小书里绝大部分的摘录都会来自这里,因为他在看待事物和谈论内容上,极其一致,所以显然,他在以后的对话,和我手头的后续文稿里,会重复一些内容,但我显然不会一遍又一遍地重复讲所以他说,没什么,他真的就是在讲生意会变,你需要欢迎变化,因为变化等于机会,所以生意会变,变化等于机会,没有什么是恒常的,这就是生意有意思的地方,没有什么是恒常的,这就是为什么你必须不断重新学习,这是好事,这是好事,这就是为什么那些思维活跃,时刻准备着,并且有心理素质能在看到机会时果断行动的人, 永远永远有机会变得极其富有,这是一个很好的结尾,好第二场演讲还是在哥伦比亚,但这回是四年之后,我不会重复我们刚讲过的那些,但他确实讲了几个稍微不同的故事在发现并看了沃伦·巴菲特那场演讲之后,不出你所料,他读了所有能找到的关于巴菲特的东西,他所有的鼓动信,每一本书,每一场演讲,他说他开始了为期两年的密集研究,学习关于巴菲特的一切,然后他说,从哥伦比亚毕业后,我在一家投行工作了一年,发现那是个错误,我试着创办一支基金我管理资金的第一年,亏了19% 这时候,他就讲到了建立,真正属于你自己的生意或人生,如果你能找到一件,你擅长又真心喜欢的事,这会是你最好的投资,你会比竞争对手做得更好,如果你能带着内在热情去做,那随着时间的推移,真的会给你带来巨大的价值。然后再说一次,我得指出,我甚至不知道这期该叫什么名字,也许就该叫李录、查理·芒格和沃伦·巴菲特,因为他们都有同样的想法。李录在说,嘿,找到一件你有内在热情的事。查理·芒格在《穷查理宝典》里说,我发现另一件事,如果你真的想在某件事上出类拔萃,对任何学科的强烈兴趣,都是不可或缺的,我可以强迫自己,在很多事情上做得还不错,但凡是我不真正感兴趣的事,我都做不到出类拔萃,回到李录,投资这场游戏,本质上是持续学习,我把这句划掉了,我觉得更好的说法是创业这场游戏,本质上是持续学习,而且回报极其丰厚,因为找到优势,只能来自正确的心态,和多年的持续研究,这真的很难,但另一方面,回报也是巨大的,巴菲特说,如果你40年的职业生涯里,只做出10个好投资 [00:59:46]
李录:只做出10个好投资,你就会极其富有,事实就是这样,找到优势这个想法,来自多年的持续研究,明白吗,所以,最让我震惊的一件事,是我读山姆·乌尔顿,另一本专辑的时候,我大概读过两遍,山姆沃尔顿的自传,然后又把万斯特林布尔,写的那本传记,读了两遍所以我觉得第四遍读的时候,我才真正被慢,然后慢,然后真的快,这个节奏的重要性击中,他在说的是,研究公司读关于他们的资料,搞清楚管理层,搞清楚机会,这就像,你需要多年的持续研究,对一个创始人来说,持续研究,显然会发生在你业务的内外,就像山姆沃尔顿,他看过的零售店,比地球上任何人都多,而他的优势来自,他相对慢,对吧,你想想看,山姆沃尔顿,有史以来最伟大的零售商,他只有一家店,一家店开了五年,然后你再看看,他学得有多快,所以那是他的,你知道,这是沃尔玛的前史,那时候还不叫沃尔玛,那是一家五分一角店,我们今天会把它想成是,一元店,明白吗然后你有了沃尔玛的成功,然后他看到了他想做的事的成功,比如好事多,比如山姆,当他创办山姆会员店的时候,所以在他职业生涯的起点在他积累这些年的持续研究之前,一家店开了五年,这很迷人,因为你学得越快,你的知识复利得越快,你在现实中就能动得越快,然后40年后他创办了山姆会员店,他从零家店做到七年内105家店,年销售额50亿美元,而这个优势来自这种缓慢的持续的研究因为山姆·沃尔顿说,关键在于他们一开始资金不足,在这些偏远社区投入不足,结果通过这些在小型偏远社区里做的实验发现这些只有6000人、1万人的小社区里,生意比他们能想象的要多得多,这一个洞察就是沃尔玛金融帝国的基础,这就是沃尔顿版本的李录那个想法,找到优势只能来自正确的心态,和多年的持续研究,所以李录给我们一些建议,你怎么理解并获得那种伟大的洞察,选一家公司,随便哪家,然后真正搞懂它,我告诉我的实习生去做这个练习,想象一个远房亲戚去世了,你发现你继承了他们拥有的一家公司100%的股权你会怎么做,这就是看待任何一家公司时该有的心态,我强烈建议你开始去彻底搞懂一家公司,就像山姆、沃尔顿显然搞懂了沃尔玛那样,这比任何训练都好,它不必是一家伟大的公司,可以是任何公司,但你需要能感受到,作为100%的所有者,你会怎么做,你会做什么,如果你能做到这一点,你就会在竞争中拥有巨大的优势,大多数人没有正确理解这第一步,这挺可悲的,如果你理解了,你就会真正去寻求知识,去了解它该怎么经营,它怎么运作如果你从那里开始,你最终会知道那家公司值多少钱,然后他谈到你需要具备的心态,他说,你知道,我97年创办了我的第一家公司,那是在亚洲金融危机期间,然后我们经历了互联网泡沫几年之后,又是2007 2008年的大金融危机,他说,这些金融恐慌,被宣传成百年一遇的灾难,但他们每隔几年就来一次这才是洞察和心态,真正发挥作用的地方,你必须对自己的判断有某种信心,不被别人的观点左右,这不容易,但生活就是这样,这话听起来就像查理·芒格,这是必然的它发生在每个人身上,伯克希尔至少有过三次股价下跌50%的时候,它发生在安德鲁·卡内基身上,发生在约翰·D·洛克菲勒身上,它发生在每个人身上这甚至发生在强大的公司身上,每十年看看美国前50名的公司,等过了20年或40年,其中三分之二已经消失了,等过了100年,可能只剩下一两家,事情就是这样,这就是为什么他反复说,商业在变,变化就是机会,他说资本主义奖励那些,擅长资本配置的人,这是一场伟大的游戏,他热爱这个,你知道他一次又一次地,把它称作游戏,热情,痴迷,他就是绝对热爱自己做的事,然后他继续说,一旦你把一家企业彻底弄明白你就开始研究整个行业,如果你能把一家企业吃透,最终你就能把这种知识,延伸到理解一个行业,如果你能获得那种洞察,好处是巨大的,如果你能再把这种洞察,集中到一家拥有卓越经济特征的企业上,处在一个经济特征优秀的行业里,又有优秀的管理层,而且你合理价格买入,那么你大概率可以长期持有,然后他随口说了一句,我希望自己永远不忘的话,卓越的企业会带来大量正面惊喜,糟糕的企业只会一个接一个的给你制造麻烦,然后他开始分析比亚迪,疯狂的是,我记得比亚迪现在市值大概有800亿美元左右,也许更多,但他在2002年就开始建仓比亚迪了,他会在整个演讲中,多次提到比亚迪的创始人和比亚迪但这是李录在2010年谈比亚迪,她说,当你遇到像比亚迪这样的情况,你会看到很多好的惊喜,她说,创始人和他的团队,有一种了不起的文化,这太疯狂了,我之前不知道,创始人上市前,只融了30万美元的风险投资,他通过IPO融了资,然后巴菲特给了他2亿美元,到那时他们已经有16万名员工 60到70亿美元的收入 5亿美元的净利润,太惊人了,他有这种在竞争环境中适应的能力,他一次又一次地证明了这种能力他做自动化的方式,比任何人都便宜得多,也更可靠,他不断用他的聪明才智让我惊讶,总能想出比别人做得更好的办法,但你不可能在一周内,真正了解一家企业的一切我花了十年,他说的还是比亚迪,我花了十年,而且我还在不断了解,比亚迪的新东西,这是一个持续学习的过程,你通过不断学习,来建立这个知识基础正是在这部分,台下的学生问了他很多问题,他谈到了,待在能力圈内的重要性,不要有知识上的傲慢,有好几次他们问他,嘿,我们现在是不是在泡沫里,或者,类似某种宏观经济判断的问题,我只想挑几件事说说,有人问了他一个问题,那个问题无关紧要,超出了他的能力圈,他说,这个问题,对我来说太大了我不知道,几个问题之后,又有人问了类似的事,那不是我的游戏,我不知道,然后他把话题拉回来,说不要走捷径,要意识到,你必须建立这个知识基础,这个过程和进展,就像复利一样,事实上,知识复利,比金钱复利更快,如果你真的热爱这个游戏,我建议你,不要走捷径也许会更慢,但回报更大,然后他用这样的话结束,真正伟大的企业,很多时候,会成长得比你想象的还要大,他举了微软的例子,真正伟大的公司,只有回头看,才显得合乎逻辑,想想比尔盖茨,想想他是怎么创办微软的,我不认为他一开始,就知道自己会拿下整个市场,因为当时那个市场,根本还不存在,好接下来是他2012年的演讲,在旧金山州立大学,我找到了这个,觉得音质太差了,所以我去找了另一个录音版本,结果发现,有人做了重制,让声音听起来好多了,虽然还是不算特别好但足够让我转路了,在那个重制版下面,有一条很棒的评论,我觉得能让你了解很多关于李录的事,这是YouTube视频下的评论,感谢制作了更高质量的版本,我和我的团队其实是2012年这场活动的主办方,李录不仅是一位出色的投资者,也是一个伟大而谦逊的人,我们当时通过一封陌生邮件联系到她请他在旧金山的一场学生会议上演讲,虽然他并不认识我们,也和这所学校没有任何联系,他还是飞到旧金山,做了这场演讲,然后演讲完,就直接飞回了洛杉矶,他是一个了不起的人,我只想挑出他讲的几个观点,他讲了大概30分钟,然后回答问题,你知道,开头其实就是在说范范的商业建议是没用的,它取决于你是谁,取决于你的性格,取决于建立一个真正属于你自己的企业,极其重要,而通常,这需要你先去尝试各种事情搞清楚自己不喜欢什么,这在李录,查理·芒格,和沃伦·巴菲特身上体现的再明显不过了,所以他说,为什么像巴菲特先生这样取得巨大成功的例子他们的做法被广泛宣传,为什么没有更多人效仿他们呢,事实证明,这跟人类心理有很大关系,他说,热爱赌博是人的天性,即使所有人都知道胜算对自己不利,这也从未阻止赌博成为一门非常大的生意,而且他历经几个世纪依然长胜不衰,但他又说 [01:09:49]
李录:这跟李录、查理·芒格和沃伦·巴菲特的业绩记录是相反的,实际上,几乎所有成功的投资实践者都不经常下注,我得停一下,我找到了他的另一段话,我觉得跟这里说的有关,李录说,短期来看,会有赢家和输家,但长期来看,赢家寥寥无几,如果一个人能在15年甚至更长时间里,持续交出卓越的成绩,那我们大概可以说,他是非同寻常的,所以他的核心观点就是,你应该研究那些伟大的人,然后照他们做的去做,回到刚才那段,很多非常成功的投资实践者,并不经常下注,大多数人确实不具备,那种必要的纪律,精神上的纪律,去做到这一点,我强烈建议你们去研究,现实生活和历史案例中那些成功的实践,你要找的,或者说他在找的,是一个能持续产生收益的,特许经营生意,换句话说,一台复利机器,要知道该找什么,他说,我会先去研究过去所有伟大的案例,然后他就一遍又一遍地强调同一个观点,嘿,只追求最好的,你一辈子可能只有五到十次机会,确保你做足功课,确保你有那个心态,然后有个学生,老天保佑他,真是老天保佑他,他说,我得说,这个门槛可真高啊,拜托,老兄,他刚解释完,为什么人性有这种缺陷,为什么很少有人能做到,你正好证明了他的观点,我在笔记里写了,是啊,废话,废话,是啊,废话,门槛就是高,这正是他的核心观点,他在努力解释这为什么如此重要,因为如果你真的遇到了一个绝佳机会,你只需要一个就够了,当你被证明是对的时候,上行空间是巨大的他真的可能超出你最疯狂的想象,他反复说,找到那种显而易见的绝佳机会,是极其罕见的,你当然不想为了其他一些差得多的机会而分散掉你耐心等待了很久才发现的那个机会,投资本质上就是机会成本,这听起来是不是很像查理·芒格那段90秒的视频,所以任何其他选择你都必须拿他跟你已经拥有的那个去比较,来证明他自己,查理·芒格可不会去找比理路差的人,来管理芒格家族的钱,当你做这种比较的时候,你往往就不会太分散了,所有决策都应该通过,机会成本的概念来审视,所以我要去总结一下这些,这是我在这一页上留下的笔记,对吧,因为我可能再也不会完整地,读这一页了,但我会回去翻看这些笔记,和我的高量,我想要一个总结,一个快速理解的方式,我从这一页学到了什么,第一,所有决策都应该通过机会成本的概念来审视,第二,如果你这么做,你就不会太分散,第三,这就是你应该做所有决策的方式,好,接下来,一年,他接受了Graham和Dosville的采访这篇是文字版的,为了避免重复我们在其他演讲里,已经讲过的内容,我直接跳到采访的第二页,这个游戏的一部分,就是找到你自己的路,你必须找到某种完美契合你个性的方式,这是一个竞争激烈的游戏,所以你会遇到很多非常聪明,非常勤奋的人,获得优势的唯一途径,就是长期艰苦的努力,做你热爱的事,这样你自然而然就会一直做它,想它,哪怕是在休息的时候,随着时间的推移,如果这对你来说是自然而然的,你就能积累起巨大的优势,那些真正找到自己风格,坚持下去,让天性自然发挥的人,会拥有很大的优势,这个游戏是一个发现自我的过程,发现你是谁,你对什么感兴趣,你擅长什么你热爱做什么,然后把它放大,直到你获得远超其他人的优势,这是到目前为止我们聊过的所有内容里,我最喜欢的一句话之一,尽管那是我最喜欢的一句话之一,我觉得他用另一句话,把这句话背后的思想总结得更好,那句话也是我的最爱之一,我让我自己的个人兴趣来定义我的能力圈,然后李录谈到了影响,芒格对巴菲特的那种影响,芒格对李录也有查理去世时,巴菲特写道,查理是伯克希尔的建筑师,所以李录说,听着我一开始是找便宜的证券,但慢慢的,我真的爱上了那些强大的企业,我觉得这一点极其重要我觉得这一点极其重要,他前面提过,强大的企业,出色的企业,伟大的企业他们会带来正面惊喜,你想要的是这种企业,而不是那种,你用一个好价钱买来的烂生意,所以我想读一下,伯克希尔网站上那篇道文,是巴菲特在查理去世后写的,他说查理在1965年就立刻建议我,沃伦,别再想着买另一家,像伯克希尔这样的公司了,但既然你现在控制了伯克希尔,就给他添上那些,以合理价格买下的出色企业,放弃以美妙价格,买下平庸企业,换句话说,抛弃你从你的英雄本,格雷厄姆那里,学到的一切,查理说,因为本的理念,只有在规模很小的时候才管用,我后来照做了,虽然中间有很多反复,很多年后,查理成了我经营伯克希尔的搭档,每当我那些老习惯冒出来,他就一次次把我拽回清醒,直到他去世他一直在扮演这个角色,我们俩,加上那些早期就和我们一起投资的人,最终的结果,远远好过查理和我当初最疯狂的梦想实际上查理是今天伯克希尔的建筑师,而我扮演的是总承包商,去执行他愿景的日常建设,查理应该永远,而且他们这个在网站上加粗了查理应该永远被记作那位建筑师,李录接着说,我越来越被那些天生就卓越的伟大企业吸引,他提到这个,是因为他接下来要再讲彭博,我们已经知道,他认为彭博天生就是一家卓越的企业,他是这家叫Capital IQ的公司的第一个投资人,但真正迷人的是他通过Capital IQ学到的关于彭博的洞察,因为他们创办Capital IQ 就是为了和彭博竞争,我们想做出一个像彭博一样的东西,在这个过程中,我们反而越来越欣赏彭博因为要跟他竞争太难了,我们很快就明白,我们真的没法跟彭博竞争,我觉得要找出一个行业里,谁真正厉害,最好的办法之一,就是问自己,我不想跟谁竞争,我记得是马克·安德森,有人说过,你可以去调研整个行业,这就是所谓的一颗子弹理论,你去问行业里所有的CEO 如果你有一把枪,只有一颗子弹你会打哪个竞争对手,这是个很好的信号,说明我不想跟那家伙竞争,如果每个人都说,不想跟那个人竞争,那就说明,那才是这个行业里,真正厉害的角色所以我们很快就明白,我们真的没法跟彭博竞争,也许这个洞察,可以迁移到,他对比亚迪的投资上,所以他讲到,有人问他,你是怎么让查理·芒格,对比亚迪这样的公司感兴趣的,因为伯克希尔哈萨维,一向回避科技类公司,记住,这是2013年,这次采访发生在当时,而李录的见解不一样,她说我不觉得沃伦和查理是教条主义的,他们不是教条主义者,我也不是,关键是你到底了解多少,比亚迪的故事相对简单,那个人是个非常出色的工程师用30万美元起家,在首次公开募股之前,没有再拿过一分钱,他打造了一家公司,营收80亿美元,几千名工程师,他解决了一大堆不同的问题,那里的工程文化,一次又一次地证明了自己有能力,功课又大又难的问题,比亚迪身处一个充满无限可能的大领域,而且有合理的成功机会,伯克希尔并不是对科技股,有意识形态上的排斥,他们只是排斥任何,让他们觉得不自在的东西,巴菲特有句话讲这个,巴菲特说,他们是个体机会驱动的个体机会驱动,而我会说,李录也是,因为好几次,有人问她,你是不是只投亚洲,你是不是只投这个,你是不是只投那个,她就说哪里有最大的机会,我就去哪里,她是个体,她没用这个词,但我会这么形容,它是被个体机会驱动的,李录继续讲比亚迪,说这家公司是一台学习机器,到这个时候,我已经陷得这么深了,显然,我研究巴菲特和芒格,已经好多年了,但陷进李录这么深,我才意识到,这家公司是一台学习机器,好,这说的是比亚迪,比亚迪,但它也适用于伯克希尔,它适用于芒格,适用于巴菲特,也适用于李录,这个人就是一台学习机器,他这段话里 [01:19:21]
李录:还藏着一句特别好的话,我觉得特别能说明,专注的重要性,我在基金之外,不投任何东西,我把我所有的投资资本,都放进我的基金里,李录回到专注这个话题,真正集中精力,在你确实有时间和精力,能比任何人,都更透彻理解的那些想法上,我相信最优秀的创始人,天生就懂这个道理,这就是为什么沃尔顿,山姆沃尔顿,没有在沃尔玛之外做一堆投资,为什么,因为他把精力集中在,他确实有时间和精力,能比任何人都更透彻理解的那些想法上,回到做一台学习机器,不断适应变化的重要性,我认识的企业里,没有一家是永远不变的,商业就是变化,这正是商业最迷人的地方成功的企业靠的是某种组合,让他们能比别的企业,更好的适应变化,我觉得你可以把这句话换一下,对企业来说肯定成立,对吧,那成功的人呢,我们把人放进这句话里试试,成功的人靠的是某种组合,让他们能比别的任何人,更好的适应变化,我觉得这句话照样成立他下一页又讲了一遍,成功的企业能够持续应对变化,然后记得他好几次反复强调,芒格和巴菲特是罕见的,好机会是罕见的,这事本来就不该容易,事实上,他一遍又一遍地重复,未来极其难以预测,他举了一堆例子来说明这个观点,你知道,这对他来说显然很重要,因为他在几乎每一场演讲里,都反复讲,但这是他讲的最好的一次,我当时就想,哇这是总结未来难以预测,这个想法的最好方式,他说如果你经历过美国内战,这个国家死了2%的人口,然而他不仅重建了,而且是以惊人的速度重建的,之后他又经历了两次世界大战,第二次世界大战之后,如果你觉得日本和德国完蛋了,那你可大错特错了,未来是难以预测的,他的下一场演讲是2021年第13届哥伦比亚中国商业会议,卢边谈话,他前面提到过,你的知识基础越扎实,越像百科全书,你识别事物的速度就越快,他具体说的是,你读Valueline投资调查读得越多,就越容易发现机会,发现的也越快,你研究这个人也是一样的道理,所以等我看到这份讲稿的时候你知道这份转录稿大概有,我也说不准 30页左右吧,我已经对理路以及他的思维方式,有了足够的理解,以至于这场演讲里,只有一个洞见是我觉得还没讲过想跟你分享的,它直接跟专注有关,但我觉得还不止于此,就是一旦他显然理路有能力,相信自己的判断,而且他知道自己的人生道路,他跟你讲的很多东西其实是你必须学会独立思考,而你能相信自己的判断的唯一方式,就是真正去做那些,让你应该能相信自己的判断的工作,然后有人问他,你在哪些方面跟其他投资者做的不一样,他说我不花时间研究其他投资者,我们花时间研究行业,研究具体的公司,换句话说,他把主要的事当成主要的事,他很专注,他知道如果他研究优秀的企业,和优秀的行业,他就能在一生中积累出那些罕见的,你知道五条十条十五条洞见,这就够了,如果他这么做而且只这么做,他就会成功,而做那些不是这件事的事,把时间花在不是这件事的地方,机会成本,怎么说呢,你知道这个,它是通过机会成本来做决策的所以研究其他投资者,相对于他赚钱的方式,他的主业,研究优秀企业,识别优秀企业和优秀行业的洞见,研究其他投资者的机会成本,太高了,所以他不做,好,最后一件,他50岁的时候,写了一篇文章,叫《五十岁反思》 我觉得这是完美的收尾,我从未想过我的人生会变成这样走过无数的桥路,借助无数的交通工具,经过多年的努力才走到今天,我生命中无数的人,善良的陌生人,祝福我的人,导师,伙伴,朋友,都是我的桥,我的路,我的交通工具,带我走到这里,没有你们的帮助,友谊和不断的鼓励,我根本走不到今天,如果说这段旅程,跟我有什么关系那就是我走了这条路,伍迪,埃伦,说得对,成功的90%在于出现,在我人生的各个阶段,我本可以停下来,或者好好歇上一阵,但不知为什么我的心告诉我别停,我就一直往前走,有一半时间,我并不确定自己要去哪里,另一半时间,我大概在走弯路,那也没关系,但我一路上高度警觉,随时纠正错误,我小心不被那些,我知道有毒,对旅程有害的情绪影响,比如嫉妒,怨恨,仇恨,猜忌,贪婪,和自怜这又非常芒格和巴菲特,芒格说自怜毫无用处,巴菲特说,世界不是靠贪婪运转的,是靠嫉妒运转,他们俩都说,你得治好自己身上的嫉妒,我早年的经历可能让我比其他人更费劲,才能防住这些人性的弱点,而当我真的栽进去的时候,我很幸运,能很快纠正过来,苏格拉底说的对,未经审视的人生不值得过肯定也没法过得好,我时不时会独自坐下来,想想自己可能错在哪里,以我的经验,大概每五到十年,我就得对自己做出很大的改变,有时候感觉几乎像是重新活了一回而当我在自我审视上失败的时候,我更幸运的是,有一些坚强的朋友,能指出我的盲点,如果没有他们的帮助,我早就在人生的各种迷宫里,走丢了,所以就这样跌跌撞撞,曲曲折折,我一直往前走,同时坚持坐在驾驶座上,毕竟这是我的人生,我的旅程,我相信孔子的教诲,我在人生里做家法,做得还算不错,现在正慢慢学着,做简法和专注的艺术,很多职业我都会做不好,比如说,我肯定跳不好芭蕾也打不好篮球,但我的性情和精力,让我很适合做投资这一行,我得在这儿停一下,我真的觉得,李录的教导里,反复出现的一个主题是,你要选一个你充满热情,又适合你性格,也符合你想怎么花时间的职业,我极其幸运,将近25年前,我在哥伦比亚大学,偶然走进沃伦·巴菲特的一场讲座,就这样被有史以来最伟大的投资者,领进了这一行,而13年前更神奇的是,查理·芒格成了我的投资伙伴,导师和一生的朋友,到今天我都不知道,该怎么解释这份天大的运气,这是再疯狂的想象,再好的小说都编不出来的,如今我自己也积累了20多年的业绩记录,我享受这个游戏的程度,比刚开始时还要深,我有三个可爱的孩子他们漂亮,有才华,心地善良,我最为他们骄傲,到了50岁,大概离终点,比离起点更近了,说到年龄,我最喜欢的一句引用来自诺曼,丽儿她94岁了,还在那么多事情上活跃着,吸引着80多岁60多岁,一直到20多岁的粉丝,我有一次问她,她觉得自己多大,她想都没想就说,我和我交谈的人永远同龄,这个回答真苦,既然我已经正式跨过了中场线,我真的需要多交年轻朋友,把他们当我的新老师,好让自己保持新鲜所以朋友们,愿我们都随着年龄增长而更有智慧,同时永远保持年轻的心,全篇故事我就讲到这里,我会把所有资料来源的链接放出来你可以看演讲读访谈,他们都会列在你播客播放器的下方,也可以在founderspodcast.com上找到,这是读完了363本书,还剩1000本,我们下次再聊 [01:28:31]
来源:OpenAI News
URL: https://openai.com/index/model-ml
Model ML 借助 GPT-5.6 Sol,将金融工作从研究和分析一路推进到可编辑、可追溯的 PowerPoint 演示文稿和 Excel 工作簿。
来源:OpenAI News
URL: https://openai.com/index/putting-frontier-cyber-models-in-more-trusted-hands
经批准的 Daybreak 合作伙伴可以使用 OpenAI 的前沿网络安全模型,为客户提供获得授权并受治理的网络安全服务。
来源:OpenAI News
URL: https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows
认识 GPT-5.6-Cyber:这是 OpenAI 专为网络安全打造的模型,可通过 Daybreak Red 提供给经过授权的漏洞研究、漏洞利用验证和安全测试使用。
文章认为,GPU 在高吞吐推理中很强,但在批大小为 1 的超高交互性推理中,真正的瓶颈是 kernel 启动、同步、调度和中间结果反复写入 HBM 所造成的延迟,而不是理论内存带宽。TileRT 通过在 NVIDIA GPU 上将完整解码图提前静态编译为单个持久化 Engine Kernel,把运行时编排移到编译期,并在 tile、warp、block 及 GPU 粒度重叠计算、内存访问和通信,从而把 GPU 改造成更接近数据流处理器的低延迟系统。
TileRT 不同于只优化 kernel 重放的 CUDA graphs:后者仍保留多个独立 kernel,TileRT 则把 kernel 本身从执行边界改成一条常驻流水线。不同 warp 组分别负责异步数据移动、张量计算和通信;在 GLM-5.1 注意力层中,GPU 0 负责 Sparse Indexer 工作,GPU 1~7 负责 MLA 工作。
TileRT 不取代 vLLM。PD 分离架构中,vLLM 继续负责高吞吐预填充、调度、缓存和 API,TileRT 只承接标记为高交互性的解码请求;普通流量仍进入 vLLM 解码池。TileRT v0.1.5 每个解码节点一次只处理一个在途请求,因此目前是高度专门化的速度层。该方案已经用于小米 MiMo V2.5 Pro UltraSpeed 和 Z.ai GLM-5.1 HighSpeed。
Cerebras、Groq 和 SambaNova 把更多数据流和确定性执行能力编码进硬件。Cerebras CS-3 约有 900,000 个核心、44 GB 片上 SRAM 和 21 PB/s 内存带宽;这类硬件在特定模型规模和追求最高 tokens/s 的场景仍有优势,软件无法突破 GPU 的 HBM 屋顶线。
但 TileRT 的价值在于利用已有 GPU 集群动态切出速度层。GPU 资源可在预填充、普通解码和超交互解码之间通过软件调度重新分配,而 ASIC 集群在采购时就固定了速度层与其他容量的比例,重配需要数月重新安装机架和布线。文章据此认为,许多买家需要的不是一套全新的速度机器,而是能从通用集群中按需求配置的速度层。
TileRT 的模型目录仍很小,目前主要支持 GLM-5/5.1 和 DeepSeek-V3.2;MiMo-V2.5-Pro-UltraSpeed 尚未开源。提前静态编译依赖固定的模型架构、tile 形状、流水线、缓冲驻留、warp 分工和专用 GPU 角色,注意力机制或路由方案改变后,大量调度可能失效。单体持久化 kernel 也削弱了传统逐 kernel profiler 时间线的作用。
后续工作包括用 AgentX 测试真实 Claude Code 和 Codex 轨迹组成的长上下文、多轮代理式编码负载(输入长度中位数 140k tokens,理论缓存命中率中位数屋顶线 99.2%),评估增量 KV 传输、前缀缓存、缓存保留、路由和调度;同时测试批大小 2、4、8,以确定 TileRT 吞吐量—交互性 Pareto 前沿以及低延迟优势开始趋平的位置。文章还计划比较 TileRT Ultra Fast Speed 在超高交互性下每百万输出 token 的成本与普通低交互性解码成本。
来源:SemiAnalysis
URL:https://newsletter.semianalysis.com/p/ultra-high-interactivity-on-nvidia
高价“快速模式”正在证明:用户愿意为更低延迟和更快的 token(令牌)生成速度支付溢价,这也可能带来更高的毛利率。因此,OpenAI 等前沿 AI 实验室正在评估专用推理系统,包括 Cerebras 和 NVIDIA Groq LPU,它们优先追求超高交互性,而不是最大化批处理吞吐量。超低延迟对交互式负载最重要,例如实时助手和全双工语音。以 OpenAI GPT-Live 为例,它可以同时听和说,因此响应延迟会被用户立刻感知,体验被形容为 Ironman JARVIS。GPU 在高吞吐和低到中等交互性场景中表现出色,但其架构并不适合超低延迟推理。一台 8-GPU HGX B200 服务器的理论 HBM 内存带宽总和为 64 TB/s。批大小为 1 时,采用 NVFP4 的 GLM-5 每生成一个 token 只需要传输约 21 GB 的有效参数数据。因此,B200 的 HBM 带宽屋顶线理论上会暗示:在不使用投机解码(speculative decoding)的情况下,每个用户最高可达到 3,047 tokens/s。但在实践中,GPU 远远达不到这个上限。差距来自延迟,而不是带宽。传统 GPU 编程模型会启动并同步大量独立 kernel(内核),而在超高交互性水平下,这些 kernel 的准备和收尾开销会变得十分显著。即使使用 CUDA graphs(CUDA 图),在常规服务速度下不太明显的延迟成本,到了每个 token 的延迟逼近亚毫秒级 TPOT(Time Per Output Token,每个输出 token 的时间)范围时,也会成为主导因素。此外,虽然 GPU 内存带宽每一代大约提升 2~3 倍,内存延迟却完全没有改善。
使用替代硬件很流行,但 GPU 也有办法做到这一点。这正是 TileRT 持久化引擎发挥作用的地方。TileRT 在 NVIDIA GPU 上将整个解码图静态编译成一个持久化 kernel,最大化计算、内存读写和通信之间的重叠。在 InferenceX 的 GLM5 FP8 744B 基准测试中,TileRT 在单台 B200 解码服务器上已经验证可以达到每个用户最高 500 tokens/s,比运行传统推理引擎的 GB300 NVL72 快约 3 倍。在输出 token 成本相同的情况下,TileRT 的交互速度最高可达到传统引擎的 2 倍。感谢 TileRT 维护者与我们合作完成 TileRT InferenceX 基准测试;同时,我们也要感谢 vLLM 社区为 V1 connector(连接器)做出的出色设计。TileRT 来自同一个社区维护组织,该组织还构建了广受欢迎的 TileLang DSL(领域专用语言)。
立即订阅。借助 PD(Prefill-Decode,预填充-解码)分离推理技术,专门化的 TileRT 引擎负责对延迟敏感的解码,而 vLLM 和 SGLang 等面向吞吐量优化的引擎继续负责预填充。TileRT 解码引擎已经在小米的 MiMo V2.5 Pro UltraSpeed 和 ZAI 的 GLM 5.1 HighSpeed 生产环境中部署。本文将深入分析 TileRT InferenceX 的结果、TileRT 的定义与工作方式、它如何与现有推理生态组合,以及使用 TileRT 的取舍和挑战。我们还将详细讨论:与 NVIDIA Groq LPU、Cerebras 和 SambaNova 等超低延迟专用芯片相比,在标准 GPU 上使用 TileRT 有何利弊,以及运行在 GPU 上的 TileRT 软件是否可能冲击这些专用芯片的 TAM(Total Addressable Market,总可寻址市场)。SemiAnalysis Accelerator Model 还提供 NVIDIA LPU30、LPU40、Cerebras WSE-3 和 WSE-4 出货量的逐季度估算,以及更多数据。
InferenceX 是我们打造的开源、厂商中立、持续更新的 AI 推理基准测试与研究平台。我们在延迟—吞吐量 Pareto(帕累托)前沿上测量主流模型、推理框架和硬件,跟踪真实世界中的推理性能和经济性如何随时间改善。
感谢阅读 SemiAnalysis!本文为公开文章,欢迎分享。
我们的基准测试已经被从 Google Cloud、Microsoft Azure、Oracle 到 Meta 等几乎所有主要算力买家广泛复现、验证和/或支持。它还得到了 ML(机器学习)社区的支持,包括 vLLM、LMCache、SGLang、PyTorch、Hugging Face,以及 OpenAI、MiniMax、ZAI、Qwen、Moonshot Kimi 等主要实验室的支持。
来源:InferenceX
如果你觉得这个开源基准和数据有用,欢迎为 InferenceX GitHub 仓库加星!
正如前文所述,NVIDIA 已承诺向 InferenceX 提交可验证的 Vera Rubin 数据。我们很快会发布 Google TPUv7 的结果,AMD 也承诺今年提供 MI455X UALoE72 的结果。
来源:InferenceX GitHub
每个推理系统都必须在两个相互竞争的目标之间做平衡。交互性(tok/s/user)衡量单个用户接收 token 的速度,也就是每个输出 token 时间 TPOT 的倒数。它决定了响应给人的感觉是利落还是迟缓。吞吐量(tok/s/GPU)衡量系统在所有用户之间总共生成多少 token,这在很大程度上决定每个 token 的成本。批处理会通过同时处理更多请求来提升总吞吐量,但每个用户通常需要等待更久才能拿到下一个 token。小批量则相反:它能提高单个用户的速度,却会减少每块 GPU 总体完成的有效工作量。
公交车把成本分摊给许多乘客,但每位乘客都要等待共同的停靠站;赛车只搭载一两个人,能更快到达目的地,但每位乘客的成本高得多。推理也存在同样的取舍:批处理提升总吞吐量并降低每 token 成本,而小批量提升单用户响应速度。不存在适用于所有场景的最佳运行点。
在下方展示的配置中,将交互性从约 25 提高到 260 tokens/s/user,会使每 GPU 吞吐量从约 5,900 降至 200 tokens/s/GPU。这意味着单用户速度提升 10 倍,却换来总吞吐量约 30 倍的下降。
来源:SemiAnalysis TileRT 结果
正如下一节将介绍的,GPU 在高吞吐场景中已经表现良好,但在高交互性场景中却很吃力。这一弱点催生了整个数据流芯片市场。TileRT 瞄准的正是同一个弱点,因此只关注高交互性运行点。
SemiAnalysis 是由读者支持的出版物。若想接收新文章并支持我们的工作,请考虑订阅。
TileRT 在 B200 上独树一帜。在 8k/1k 输入/输出 token 场景中,TileRT 在一台 8-GPU B200 节点上达到 340 tokens/s/user。当前数据集此前最快的结果是 GB300 NVL72 采用 NVFP4 和 MTP 时的 181.4 tokens/s/user,因此 TileRT 在这一指标上快了 1.9 倍。当然,这发生在批大小为 1 的情况下;GB300 NVL72 为提升交互性而设置复杂铜背板的额外成本,在这个场景中完全无法发挥作用。与此同时,最快的 FP8 结果是 B300 配合 MTP 时的 113.6 tokens/s/user,TileRT 在相同精度下快了 3.0 倍。
来源:InferenceX
在 1k/1k 输入/输出场景中,TileRT FP8 达到 494.2 tokens/s/user。这是最佳传统结果 256.3 tokens/s/user 的 1.9 倍;后者使用 FP4。它也是最佳传统 FP8 结果 136.3 tokens/s/user 的 3.6 倍。TileRT 目前还不支持 FP4,但已经击败了非 TileRT 的 FP4 实现!这个结果还很特别,因为它来自一台 8-GPU B200 节点,而不是 GB200 或 GB300 NVL72 的 72-GPU NVLink 扩展域。这里比较的是单用户交互性,而不是总吞吐量或成本。
来源:InferenceX
来源:InferenceX
不过,推理始终存在取舍!TileRT 的交互性优势伴随着较低的总吞吐量。随着并发数提高,传统引擎可以把权重加载和固定 kernel 成本分摊给更多用户。在 8K/1K 输入/输出场景中,GB300 FP4+MTP 在并发数 12 时,每 GPU 约完成 240 tokens/s 的总工作量,同时保持 154 tokens/s/user。TileRT 则达到 160.4 tokens/s/GPU 的总吞吐量,同时实现 340 tokens/s/user。因此取舍很明确:TileRT 提供更高的单用户速度,但传统 GB300 运行点每块 GPU 完成的总工作更多。
截至本文发布时,TileRT 也只能让每个解码节点同时处理一个请求。这使它成为一个有意专门化的运行点,而不是通用吞吐配置。因此,在只支持批大小为 1 个用户的情况下,TileRT 不仅是一辆赛车,更像一艘只能搭载一名乘客的私人火箭。让 TileRT 支持更多乘客或许可行,但这是一个雄心勃勃的目标。
为 InferenceX GitHub 仓库加星
在端到端延迟方面,TileRT FP8 在 1k/1k 场景中比此前记录的最佳 GLM-5.1 结果快 4.5 倍,在 8k/1k 场景中快 3.0 倍。正如预期,TileRT 的 TTFT(Time To First Token,首 token 时间)表现不错,但并非最突出。决定性优势来自解码尾部:TileRT 为 3.01 秒,而最佳 NVFP4 + MTP 竞品为 6.54 秒,MI355X 为 18.18 秒。
来源:InferenceX
来源:SemiAnalysis、NVIDIA
TileRT 不再持续启动 kernel,而是让 GPU 持续执行一条持久化流水线:它在运行前将整个模型静态编译为一个持久化 Engine Kernel,主机只启动一次,执行在整个解码生命周期内常驻 GPU,大部分运行时编排工作被移到了编译期。
这与 CUDA graphs 不同。CUDA graphs 会一次性捕获 kernel 启动和内存拷贝组成的 DAG(有向无环图),随后通过一次 `cudaGraphLaunch` 重放。但其中的 kernel 仍然是彼此分离的 kernel;kernel 之间的边界会产生设备端成本,并且片上状态会在每个边界处被清空。CUDA graph 优化的是 kernel 的启动,而 TileRT 取消了“kernel”作为执行单元的地位。
来源:SemiAnalysis
此外,TileRT 将工作分解为 tile 级任务,并对 warp 和 block 进行专门化,使运行时能够以高度重叠的方式动态重新调度计算、I/O 和通信。在 Engine Kernel 内部,不同 warp 组承担不同工作:异步数据移动、张量计算和通信彼此重叠。过去各阶段按“加载 → 屏障 → 计算 → 屏障”串行执行;现在它们在 tile 粒度上重叠,中间结果通过寄存器、共享内存和 L2 向前传递,而不是反复溢出到全局内存。实际上,每个 CTA(Cooperative Thread Array,协作线程阵列)都变成了一个小型异构工厂,而不再是一个统一的 SIMT(Single Instruction Multiple Threads,单指令多线程)工人。
来源:TileRT
TileRT 引入的下一项优化,是把专门化扩展到整块 GPU。大多数 TP 框架都假设所有 rank(并行进程)执行相同逻辑并保持同步,但稀疏路由、Top-K 选择、动态索引、长上下文注意力和 MTP 并不适合均质扩展;它们并不以计算密集为主,而是依赖全局信息,因此强迫每个 rank 都执行这些步骤会增加重复工作和同步放大。
既然 warp 可以专门化,GPU 当然也可以。在 GLM-5.1 的注意力层中,GPU 0 变成 Sparse Indexer worker,负责 Top-K 选择、稀疏索引构建和路由;GPU 1 到 7 则运行 MLA worker,负责 RMSNorm、GEMM、flash sparse attention 和 AllReduce。
来源:TileRT
最后,TileRT 不再把通信视为外部阶段,而是让广播、归约和同步直接在 tile 级流程内执行。使用 TileRT 时,一个完整的注意力层在主机侧对应一次 kernel 启动,执行方式也从“计算 → 同步 → 计算”转变为持续重叠的“计算 ↔ 通信 ↔ 计算”流水线。
LLM 推理由两个不同阶段组成:预填充和解码。预填充并行处理输入提示词,主要受计算能力限制,因此关键性能指标是总吞吐量。解码按顺序生成 token,并反复访问不断增长的 KV cache(键值缓存),因此受内存限制,对每个 token 的延迟高度敏感。
来源:DistServe
TileRT 并不取代 vLLM。vLLM 仍然是高吞吐预填充引擎和外围服务层,继续提供调度器、分块预填充、前缀缓存、兼容 OpenAI 的 API 以及运维工具。只有对延迟敏感的解码流量会转移到 TileRT。TileRT 被设计成只能搭载一名乘客的火箭,而 vLLM 仍然是飞机、汽车、公交车和火车。
为 InferenceX GitHub 仓库加星
预填充和解码阶段可以拆分到不同节点上。采用分离架构后,一个共享的 vLLM 预填充池可以为两个完全不同的解码池供给请求:
这通过 vLLM 的 MultiConnector API 实现,该 API 将 TileRTConnector 与原生 connector 组合起来。TileRT connector 只认领被标记为高交互性流量类别的请求,对其他请求则不执行任何操作,因此两类流量可以共享同一台预填充服务器。
在预填充和解码之间,TileRT 使用 Mooncake Transfer Engine 和 NIXL Transfer Engine 传输 KVCache。在 TileRT v0.1.5 中,每个解码节点一次只处理一个在途请求。路由器会控制派发,并在节点被占用时施加反压。
感谢阅读 SemiAnalysis!本文为公开文章,欢迎分享。
专用推理厂商多年前就发现了同一个执行瓶颈,只是它们把更多解决方案编码进了硬件。SemiAnalysis Accelerator Model 包含我们对 NVIDIA LPU30、LPU40、Cerebras WSE-3 和 WSE-4 出货量的逐季度估算。Groq 使用确定性的、由编译器编排的执行方式,以及大型片上 SRAM 层次结构。Cerebras 将计算空间映射到晶圆级处理器上;CS-3 约有 900,000 个核心、44 GB 片上 SRAM 和 21 PB/s 内存带宽。SambaNova 则把模型图映射到可重构数据流单元上,背后由分层的 SRAM、HBM 和 DDR 内存系统支撑。
SemiAnalysis 是由读者支持的出版物。若想接收新文章并支持我们的工作,请考虑订阅。
虽然芯片的实现不同,但这些系统共享同一个理念:对延迟敏感的推理受益于减少运行时调度、算子边界、同步,以及通过外部内存进行的不必要数据移动。在大批量场景中,这些成本更容易被摊薄;而在批大小为 1 时,它们会占据每个 token 延迟中大得多的比例。
来源:SemiAnalysis
TileRT 以软件形式引入了若干数据流思想的对应物:AoT(Ahead-of-Time,提前)调度、持久化执行、专用 worker,以及更紧密的通信与计算重叠。两者的相似性体现在架构层面,而不是字面意义上的等同。TileRT 仍然运行在具备动态硬件调度、HBM 和特定模型编译调度的 SIMT GPU 上。
来源:InferenceX GitHub
不过,TileRT 仍然只是软件:它把数据流强加给一台从未为此专门设计的机器。GPU 搭载动态 warp 调度器,采用 SIMT 模型和 HBM 层次结构;TileRT 要得到这些数据,必须投入巨大的编译器工程,让这套硬件通过静态展开的持久化 kernel、手工划分的 warp 专门化,以及针对固定驱动栈的逐模型编译,去模仿空间流水线。原生数据流芯片从来不需要与自身的底层基底对抗。
专用加速器把更多执行模型编码在硬件中,可以避开一部分 TileRT 必须在软件中隐藏的开销。但它们的优势仍取决于模型、精度、内存层次结构、编译器质量、系统规模和服务配置。这就是为什么 Cerebras 能以任何 8-GPU 节点无论如何调度都无法达到的速度服务一个稠密 70B 模型:软件可以逼近 HBM 屋顶线,却无法抬高这条屋顶线。
来源:SemiAnalysis
市场给出的早期答案是:纯粹性可以协商。TileRT 解码引擎已经部署在小米 MiMo V2.5 Pro UltraSpeed 和 Z.ai GLM-5.1 HighSpeed 的生产环境中,而部署方式本身就说明了问题。两家公司都没有采购新的数据流芯片,而是在已有的加速器集群中切出一个速度层:由 vLLM 继续负责预填充、调度和 API,TileRT 则在同一个端点后接管解码。对已有硬件来说“够好”,往往胜过必须新购的架构纯粹硬件。
这指向一个更深层的结构性问题:预填充—解码(PD)比例的可替代性与灵活性。GPU 池是一种流动资源:擅长预填充,擅长高到中等批量解码,如今也相当可信地擅长超交互解码;随着软件调度器逐小时跟随需求变化,容量可以在这些角色之间移动。ASIC 集群则相反:速度层容量与其他容量的比例,在采购订单签署当天就被硬件固定了。改变物理集群的比例,需要数月时间重新安装机架和布线。
如果工作负载构成稳定且已知,这也许没有问题。不幸的是,在估计普通对话延迟用户与越来越多愿意为极致交互性 SLO(服务等级目标)付费的代理用户之间的比例时,会受到许多不同变量影响。GPU 配错了,可以通过软件重新平衡;专用芯片配错了,要么把资本困在闲置的高速机器上,要么拒绝掉你当初购买这些机器正是为了服务的高溢价流量。更不用说,需求可能随时间变化,因此正确的判断也只能在有限时期内保持正确。
回到前面提到的共享预填充池,服务提供商不必为所有流量支付 TileRT 溢价。普通请求可以留在面向吞吐量优化的 vLLM 或 SGLang 解码池中,只有延迟关键型请求才路由到 TileRT 解码池。
来源:SemiAnalysis
这些都不会消灭速度市场的顶端。SRAM 屋顶线仍然更高,某些模型规模仍然更适合它,而且某些工作负载始终愿意不计成本地追求最高 tokens/s。但 TileRT 重新定义了大多数买家真正需要的东西:他们需要的不是一台速度机器,而是一个可以从本来就要拥有的集群中动态配置出来的速度层。
Cerebras、Groq 和 SambaNova 不再只是与笨拙的 kernel 启动器竞争,而是在与运行于可替代硬件上的、由配置文件重新分配的执行模型竞争。TileRT 或许是一艘只能搭载一名乘客的火箭,但它让服务商可以给自己的地铁公交车加装固体助推器,而不必重新设计一整套发射载具。
GLM5.1 落后了一个代际,而且已经从 InferenceX 主线中弃用。TileRT 的模型目录非常有限,目前支持 GLM-5/5.1 和 DeepSeek-V3.2。MiMo-V2.5-Pro-UltraSpeed 是联合设计合作的成果,尚未开源。
TileRT 继承了 ASIC 厂商最大的弱点。静态提前编译意味着模型目录很小(目前是 GLM-5/5.1 和 DeepSeek-V3.2)、依赖项被严格固定,并且每支持一种新架构都需要投入真实的工程工作。不存在完全通用的路径:持久化 Engine Kernel 意味着模型会提前被静态展开成一个常驻程序,因此必须决定 tile 形状、流水线深度、寄存器/共享内存/L2 中的缓冲区驻留方式、warp 组如何在加载、计算和通信之间分工、哪些 collective(集合通信)要融合进 tile 流程,以及哪些 GPU 承担 GLM-5.1 专用稀疏索引器 rank 这样的特殊角色。只要改变注意力机制或路由方案,大部分调度就会失效。数据流芯片也面临同样的问题,而优秀的编译器向来非常难以构建。
分享 SemiAnalysis
目前正在进行简化这项工作的努力,尤其是 AI 可以加速软件开发。TileOPs 的目标就是减轻这一负担。每个算子都在机器可读的 manifest(清单)中声明,清单描述其签名、工作负载和屋顶线模型。该清单驱动代码生成、测试和针对硬件边界的基准测试,而不只是与早期实现进行比较。AI 编码代理可以在已知模板内加速调优,但新颖的变换仍需要专家判断。
单体式持久化 kernel 还会降低传统逐 kernel profiler(性能分析器)时间线的作用,使自动化反馈回路变得更困难。
我们正在积极推进 TileRT 基准测试:从 InferenceX 的单轮 8k/1k 测试,扩展到我们新的代理式编码基准测试 AgentX。该场景会重放真实的 Claude Code 和 Codex trace(轨迹),包含长上下文、多轮请求、真实的子代理活动和动态工具调用延迟。其输入长度中位数为 140k tokens,而理论上的缓存命中率中位数屋顶线达到 99.2%。
来源:SemiAnalysis
这项工作负载将测试完整的 TileRT<>vLLM 系统,而不仅仅是解码速度,包括增量 KV 传输、前缀缓存复用、缓存保留和卸载、路由以及调度。关键问题是:TileRT 能否只在轮次之间传输新引入的上下文,同时保持其超高交互性优势?
来源:DeepSeek
第二步是超越批大小 1。我们还将针对批大小 2、4 和 8 对 TileRT 进行基准测试。目标是绘制其吞吐量—交互性 Pareto 前沿,并找出持久化 Engine Kernel 的延迟优势开始趋于平缓的节点。
SemiAnalysis 是由读者支持的出版物。若想接收新文章并支持我们的工作,请考虑订阅。
接下来,我们将深入分析 TileRT 在超高交互性下每百万输出 token 的成本,并将其与普通低交互性运行点的解码进行比较。结果非常有意思:在成本相同的情况下,TileRT 的交互速度最高可提升 1.9 倍。我们使用 AI TCO Model 作为每种芯片 SKU 的资本支出和运营支出基线。
阅读更多
来源:OpenAI News
URL:https://openai.com/index/premium-seats-chatgpt-business
ChatGPT Business 即将推出高级席位。8 月 20 日前注册,即可获得 100 美元的工作区额度,并解锁更高的使用额度,满足团队最具挑战性的工作需求。