🔥 Search Hot Tweets

被大雪封在家里一个星期，反而有了一段难得完整的回顾时间。回头看，这一周的收获比预期多得多。 首先，感谢网易给我的这个奖励。我真的很喜欢，也确实有点受宠若惊。同时也要感谢 Substack 的读者。说实话，我没想到中英文、长篇文章、再加上一些代码内容，居然还能被这么多人认真阅读。在这个信息高度快消的年代，依然有人愿意花时间阅读、写作、思考、探索，这本身就很珍贵。 所以这段时间我几乎把所有社交媒体都屏蔽了。每次想上去，都需要自己手动解禁十几分钟。我很清楚自己有点懒，这个机制对我反而特别有效。这次上线，主要是准备取消蓝标。以后内容重心会放在 Substack 的长文上，大概一个月一到两篇。X 可能只偶尔更新；也许一年之后会尝试 YouTube，但同样以高信息密度、对外沟通为主，不再以吸粉或流量为目标。 是时候进入下一个阶段了。 大语言模型在最初商业化时，对很多人造成了真正的震动。因为语言本身就是我们理解世界、组织认知的接口。无论是程序员、极客，还是普通计算机用户，几乎在一夜之间被拉到了同一条起跑线上。过去两年，大家都在探索、试错、兴奋，也逐渐开始沉淀对这一模式、这一生态的理解。 我现在觉得它并不是万能的。最早我们以为它会逐步解决所有问题、回答所有疑惑，甚至以指数级方式进化。但至少在“作为长期开发与思考辅助”这件事上，有些问题并不能在一个对话窗口里解决，这与它“预测下一个 token”的底层机制本身有关。 所以我现在是自己维护一套核心知识库：把信息做索引、切成 chunk，通过 query 打分，再逐步交给模型分析。核心信息由我自己维护，模型只在有证据、有边界的情况下参与推理，用这种方式尽量减少模型随时间产生的漂移、约束它的行为。这套方法我已经在 Substack 里写过比较详细的说明。当然，chunking 并不是我一个人的发明，也有不少人在做类似的尝试。 https://t.co/3VV4oe79Mw 从 OpenAI 的角度来看，这家公司现在花钱极多、盈利模式仍在探索中。盈亏平衡点大概会落在 2028–2030 年左右，现金总有耗尽的一天，关键还是能否建立可持续的商业结构。这段时间我反而感觉到：站在 Web 2.0 的平台上，是看不到 Web 3.0 图景的。虚拟经济、注意力经济还能怎么继续扩张？如果这些路径真那么清晰，Meta 的小札也不至于持续焦虑。元宇宙，他自己投的，不知道他自己还记得不？甚至他早年投资的一些人，Palmer Luckey， 人家已经成为国防企业创始人。 说实话，我是有点疲惫的。我既不是大美女，也不可能成为网红。对我来说，2026 年更像是一个“回收所有属于私人的时间、专注极客式技术钻研”的节点。这几周我会开始研究 clawbot，相关内容也会逐步在 Substack 上发布。 我确信真正能带来改变的，是能够进入实体经济循环的技术，更进一步，是那些可靠地介入“物理世界”的技术。不是涨粉，不是观看量，而是能否落地、能否产生真实反馈。当大多数人，尤其是同龄人，在不看某些领域的时候，某些领域反而特别有价值了。实际的人，实际的资金，实际的社交，本土化的项目，才有价值。涨粉如浮云，注意力转瞬既逝。现在X上面因为马斯克发钱大量涌入，油管因为AI技术带来的配音，双语技术等等技术门槛降低涌入的大量内容创造者，都是一个道理。是一种边际化增长模式了。 前段时间对我来说最重要的一场意识转变是Lutnik在达沃斯论坛的那场演讲。以自由贸易、极端效率、全球最低成本和金融驱动为核心的旧全球化秩序已经失效。对我而言，这是一个重要的提醒。不是因为某一个人的发言就能改变世界，而是因为我自己的教育背景和认知体系，有相当大的一部分正是建立在“全球化”这个前提之上。 https://t.co/FRMApUtCku 我们熟悉的全球化形态，很多人会从中国加入 WTO 开始算起，我认为更早的话，二战后其实已经奠定了基础。中国的崛起并不是唯一的例子，亚洲也曾有“亚洲四小龙”的阶段。对普通人而言，我们并没有能力推动宏观趋势，唯一能做的，是观察变化，在趋势中趋利避害，为自己和家庭选择相对更优的路径。 关于“去全球化”，每个人都有不同的定义，我也不是经济学专家。但科技行业里有一条线索是相对清晰的：创投VC资本的流向。在 Web 2.0 崛起的年代，一些名字并不陌生。比如贝塔斯曼？2018 年之前，回国创业或加入创业团队，对很多优秀的人来说都是极具吸引力的选项。我回国的同学，2018年都还有，都是很优秀的，比较平庸的因为国内反正也没人请，所以咱们不是也没抓到机会么😄 如果沿着资本的路径去看全球化，而不是只看表层叙事，其实会更早感受到变化。我最近在网上看到一位分析跨国资本的视频，讲得相当清楚。等到普通人真正体感到变化时，很多结构性的转向，往往已经发生了十几年。我主要是看他对于各方势力在全球化/去全球化过程中的博弈，挺有含量的一个视频。 https://t.co/qvwtqzt5DV 大语言模型很可能只是一个起点。真正重要的，并不是模型本身，而是以它为认知原点、以语言为接口，逐渐生长出来的一整套技术体系。这些东西不会同时出现，而是会在时间中一点点显形。 历史上，很多技术在完成商业化之后，真正的变化才刚刚开始。当它们进入一个资本相对自由、思想相对自由、交流相对开放的环境时，往往会以一种远超原始设计的方式演化。这种演化路径，既不是最初提出理论的科学家能够完整预见的，也往往超出了最早推动商业化的技术巨头的想象。 特斯拉、贝尔实验室都是典型例子。真正改变世界的不是单点发明，而是围绕它逐步形成的技术生态、应用网络，以及它与社会结构、生产方式之间发生的耦合。所以，潜心研究硬技术才是正道啊。