AI 杂谈

OpenClaw 中美接受度差异的 7 维度深度调研——群体心理学、文化结构、社会焦虑、传播机制、自媒体生态、美国免疫机制、历史类比，含 60+ 带来源引用和交叉验证评估。

GPT 5.4 在各项 benchmark 上全面领先。但当我把同一个复杂的产品战略问题扔给两个模型时，benchmark 分数和真实输出质量之间的鸿沟令人震惊。

切到 API 计费后终于看到了 Claude Code session 的真实成本。笔记本 14 天烧了几千美元，云端 devbox 又烧了几千。Max plan 是固定月费。这笔账太离谱了。

AI 不缺执行力。缺的是知道该执行什么的人。未来属于能从第一性原理出发、系统性拆解问题、高效编排 AI agent 军团的架构师型个体。这是超级个体的时代。

同一个 GitHub 项目，在美国仅限于开发者圈讨论，在中国却引发全民狂热。这不是认知差——是微信熟人网络、抖音算法、A 股散户结构、自媒体焦虑变现和地方政府补贴共同构成的放大器系统，在美国每一项都不存在。

一年前两篇文章预言 AI 会锁死财富格局、让人类变得无关紧要。十二个月过去，记分卡出来了：入门岗位确实在塌，资本集中超出预期，但开源和超级个体是谁都没料到的反转。

同一周两份报告——一份说全球已有 680 万数字员工、2035 年将达 7200 亿，另一份说'目前没有系统性失业增长'。两份都对。人们在恐慌错误的时间线。短期冲击被高估，长期影响被严重低估，正确的应对是成为能指挥 AI 团队的那个人。

听了一位前谷歌 TPU 工程师的深度访谈，终于理解了 TPU 和 GPU 不是同一道题。一个是通用性之王，一个是定制化之刃。Apple、Anthropic、Meta 都在用 TPU 了——这不是替代，是生态在裂变。

三条需求曲线、一条成本下降线，以及为什么算力是新石油

从第一性原理看 AI：所有趋势拆到底，都是算力够不够多、够不够好

把斯坦福 AI Index 2025 和 2026 两份公众舆论报告摆在一起看，两件事清楚了：一是造 AI 的那批国家反而是最不信 AI 的，二是真正把 AI 用起来的那批国家，不是西方科技媒体关注的那几个。热情地图和能力地图几乎不重叠，差距还在拉大。

我用 TypeScript 写过几个 web 游戏，但总觉得天花板太低。想认真做一个、让 AI 写大部分代码，到底该选 Godot、Unity 还是虚幻？查了一圈才明白：AI 最擅长的引擎，不是训练数据最多的那个，而是它能整个读进眼里、自己跑起来、自己看着改的那个。

从一篇「AI 写代码该选什么语言」的讨论说开去。当 AI 既写代码又当审稿人，选语言的判据不是它对 AI 多熟、也不只是循环多快，而是一次绿灯替你排除了多少错——而最大的陷阱是，那盏灯要是 AI 自己点的，它什么都没排除。

一个朋友半夜问我，要不要也做个工具去跟 X 上很火的 Serenity 买进卖出。我的第一反应是没意义：一个策略真能稳定赚钱，最理性的做法是闷声加仓，不会拿出来开直播。但聊到后面我改了主意。值得蒸馏的东西确实有，藏在他提问的顺序里，跟他的持仓没关系。我们把这套研究流程做成了一个开源工具。

群里聊到一个很沉重的问题：AI + 具身智能把活都干了、生产力大涨之后，普通人会因此更自由吗？还是说红利全被大公司、大平台、大资本拿走，普通人只是从打工人变成被系统管理的人？我越想越觉得，未来不会自动走向乌托邦，而更可能是三条路线混在一起——AI 红利社会、平台封建主义、高自动化治理社会。决定 AI 时代是人被解放，还是生产力被解放了、人没有。

群里聊升职，起点是鸭哥那篇文章：用 AI 把效率拉爆、成了模范老黄牛，就能加薪升职吗？现实恰恰相反——你越快、越好用，越容易被组织重新定位成一个超高吞吐的执行节点。我把升职拆成一个乘法模型：能力 × 叙事 × sponsor 动机 × 组织坑位 × 政治/时机，任何一项接近 0，整体都垮。AI 主要增强的是能力和速度，却可能同时伤害你的叙事和定位。最怕的不是你不够快，而是你太快了，别人懒得理解你的脑子。