Dec 3, 2025
一、 能源、算力、资本
- 能源是未来的货币，当前AI 竞争的链条是，地 -> 电力 -> GPU -> 数据中心（基建包括冷却系统等）-> 模型 -> 体验。
- 目前巨头的共识：Under Investment Risk > Over Investment Risk，因此会疯狂基建，反应在Capex中。
- Transformer架构中，Scaling Law 需要指数级的样本和算力填充，这直接转化为对能源的极度渴求。Deepseek 最新的论文也说明，好模型，必须要大力出奇迹。围绕产业链的投资机会近几年都会有。
- 小型核反应堆，短期不可用；光伏+储能短期也不稳定。矿工 Miners 掌握电力转型，预期矿工通过融资能提供 15GW 电力（1GW 约等于一个核电站）。假设 1GW 数据中心成本 500 亿美元，其中 GPU 约占 60%（350亿），剩下的 150 亿用于电力、冷却和场地。。
二、 AI 技术范式与组织形态
- 在Meta，核心工作只占 20%，剩下 80% 的组织都在非主线剧情上，互相配合也互相掣肘。虽然短期股价低，但弹性很大，韧性好。 这个价格可以投资。
- 持续成长，多思考能为别人提供什么帮助，或者规模化的提供帮助。做到 stake alignment，不要考虑人性上的完全 align。
- 不同的风格：
- Elon Musk: 找准方向，All-in，追求 Scale 和算力。
- Google: 科学驱动，技术能力超一流，追求语言和世界模型的完美。
- OpenAI: Sam 看重用户与产品；Ilya 看重模型安全与原理。
- AI时代更适合小团队。独行快，通过 Agent 网络实现众行远。AI时代创业应是网状结构，而非金字塔结构。
- 原子化让模型去调度。软件架构不再僵化，而是动态的。 数据驱动。Context Engineering。不重复造轮子： 学会抄，结合自己的业务进行 SFT 或强化学习。
- Scaling Law 和架构生态：
- 推理能力（Reasoning）的提升会影响 Scaling Law。十分之一的高质量样本配合思维链，可能产生同等效果。
- 人脑不需要那么多数据，计算量不是全部，模型本身的机制（如 Reasoning）更重要。
- 真实场景的用户数是基础，但决定未来的是产品进化迭代的斜率。OpenAI 的可怕之处不在于当前版本，而在于其进化的加速度。
- 未来已来，只是尚未均匀分布。水烧开需要时间，指数增长在初期往往表现为线性。成功的产品需要足够普世。要把技术翻译成用户可感知的价值。
- AI 能力提升，执行力正在变得廉价。未来的竞争核心是主观能动性 和 Taste。
- Attention is All You Need。谁能捕获注意力，谁能通过 Agency 调动 AI 完成复杂任务，谁就是赢家，商业逻辑一样。发现路不宽时，要有勇气自我否定。不要因情怀而陷入无效努力（Working too hard on wrong things）。
三、Career & Me, Inc.
- 在 打工到极致 和 Influence 之间寻找平衡点。
- AI时代做个复合型人才（1+1 > 10）。
- Storytelling：讲故事的能力，能聊，和人聊，和AI。
- Fake it till you make it：永远相信自己，垂直能力太重要了，有自己的核心纵向能力
- Connecting Dots： 所有做的事，到最后都可以连起来。
- GTM。
- 把自己当作一个公司来经营。重复性劳作外包给 AI。
- 奥卡姆剃刀。
- 简单的事情分享出来，价值会随着影响人数放大。
- 单一的喜好是随机的，市场是真实的。Always improving，做个有价值的人。Prove to Market, Not Boss。
- 有一个契机，就要抓住，用数据和逻辑把故事连起来。
- 拥有边际成本为零的资产，代码、媒体、知识产权。
- 永远不要浪费一个危机，等待市场中的大机会，有耐心。
信任飞轮的运作：
- 创造价值（产品、内容、工具）
- 分享过程（Build in public）
- 获取注意力（更多人看到你）
- 建立关系（从观众到朋友）
- 收获信任（人们相信你）
- 变现机会（付费产品、咨询、合作）
- 更多资源（时间、金钱投入创造）
- 回到第1步，创造更大价值