阿里在胡扯
日本侵华失败的必然，必然性在于战线过长。
大英的东印失败是必然，必然原因也是其战线过长。
阿里的失败大概也是必然的，必然的原因同样的战线过长。
借债过多容易导致国际评级下调，而扩股则不存在这样的问题。
借债和扩股的最大区别在于。借债，赚了是股东赚，亏了是股东亏。
扩股则是找人赚了和你一起赚，亏了和你一起亏。
AI是一场跨时代的革命是必然，但如此激进的押宝ai，又有多项业务在拖后腿。其会非常难，是的，非常艰难。
主题
第003期-我们是从A出发，中间做了B，但是因为C而成功，最后可能是在D上变得伟大。
我们是从A出发，中间做了B，但是因为C而成功，最后可能是在D上变得伟大。
看烟花！！！
很多持有PDD的机构处于自我怀疑期
多多群中一位大姐，应该是一位私募经理。
最近被AI涨的自我怀疑，对拼多多是否值得长期持有陷入可见的焦虑中。
这值得作为左侧信号纳入考量
PDD发布26年二季报
PDD是中国互联网大厂一股清流
完全不提AI，电话会议的问答环节也没人问
聚焦到了最一线的水果农产等环节
附上晚点文章：晚点独家丨消费的新环境，拼多多回到买菜的 “基本盘”
https://mp.weixin.qq.com/s/--Y3ym-jt_RzvtiBtjDSLg
三个月改变一个行业，被AI替代的横店演员们
本视频印象最深的几句话
25年情况是很好的，欣欣向荣的，所有这个行业的人都觉得
26年开年我们就猛的干，大家就加油干，把握住这个赚钱的机会
银翼杀手2046：人类世界的每一次跃进，无一例外都是建立在可被消耗可被替代的劳动力之上的
PDD：我们不关心员工是自己干还是ai干
这很本质，他们的焦虑只焦虑在自己业务范围
这样的公司和管理层，够简单，够极致，够让人看得懂
OpenAI 在 Hot Chips 上宣布的新 Jalapeño 芯片，在每兆瓦输出吞吐量方面，超过了 Vera Rubin 的七月结果。（1/7）
大模型公司集体造芯让我联想到新能源汽车时代的集体造芯。
笑到最后的只有宁德时代和比亚迪。而且比亚迪事实上算不上成功。
马斯克最后也失败了。
不知道 AI 是否能打破这种不可能。
什么不可能呢？
我让 Gemini 尝试回答了一下
这里所说的“不可能”，本质上是下游终端应用/整车（整机）厂商，试图逆向向上游“重资产、强规模效应、高迭代风险”的底层硬科技环节进行垂直一体化扩张的不可能性。
换句话说，这是一种分工规律与商业回报率的双重悖论：
1. 规模经济与单点成本的悖论
- 专用 vs 通用：整车厂（如特斯拉、蔚小理）或大模型公司（如 OpenAI、Meta、Anthropic）自研芯片，初期几乎只能供给自身产品体系。
- 分摊劣势：先进制程的流片、掩膜与研发成本以数亿美元计。通用芯片巨头（英伟达、高通）将成本摊薄在全球成千上万家客户身上，而自研厂商的单颗芯片综合成本往往极高，极易陷入“自研比外购还贵”的境地。
2. 迭代周期与技术代差的诅咒
- 非核心主业的分心：主机厂/模型厂商的核心壁垒在于算法演进、系统集成与商业化场景落地；芯片则是材料、微架构、EDA、先进制程与封装的极限工程。
- “造出来即落后”：芯片从定义、流片到量产通常需要 2–3 年。当自研芯片终于上车或上架时，英伟达或专业芯片巨头可能已经迭代了整整两代，导致自研硬件迅速沦为性能劣势。
3. 生态系统与软件壁垒（CUDA 困境）
- 汽车芯片有车规与底层嵌入式生态的壁垒，而 AI 芯片面临更森严的 CUDA 与开发者生态壁垒。
- 单纯把算力芯片做出来只是第一步，算子库适配、编译器优化、分布式训练通信协议支持等软件基建，耗费的精力和沉没成本往往远超硬件本身。
4. 资本开支与回报率（ROIC）的失衡
- 资本市场对模型层/平台层的估值逻辑是高毛利、轻资产或高网络效应，但半导体产业是典型的重资产、强周期投资。
- 当行业进入洗牌期或现金流收紧时，自研芯片庞大的研发黑洞往往最先被缩减或放弃（正如特斯拉在 Dojo 上反复调整、众多车企解散芯片团队）。
AI 领域能否打破这个“不可能”？
与汽车时代相比，AI 领域存在两点核心变量：
- 业务消耗体量不同（单一超大客户效应）：像 Google（TPU）、Meta（MTIA）或微软（Maia），其自身的内部算力需求就足以匹敌一个中型国家甚至全球相当一部分市场，具备内部消化规模效应的临界体量。
- 专用场景的算力重构：大模型推理（Inference）对架构的定制化要求极高，针对特定 Transformer/注意力机制剪裁的 ASIC，在能效比和特定成本上有机会撕开通用 GPU 的防线。
但在通用训练芯片和完整软件生态上，这种“试图绕过专业分工与规模规律”的阻力依然巨大。
你认为在大模型这一轮，这种自研芯片主要是为了真正实现技术替代，还是一种用来向英伟达争取议价权的“战术防御”？
方略采访小马智行：自动驾驶不需要大数据
重运营模式构建真壁垒：
彭军认为单纯做“系统集成商/Tier 1方案商”容易陷入同质化与价格战红海；而切入无人驾驶运营服务（Robotaxi/交通运输）虽然更重、更慢，但能将安全、车辆定制、调度、充电与运维等全链条能力沉淀为极深的网络效应与护城河。
终局是对私家车与传统运力的替代：他提到当无人出租车做到足够便宜、随叫随到（如2分钟内必能打到车）、安全且私密时，出行共享化将颠覆传统网约车并逐步替代私家车。小马智行商业化的终局正是成为底层的高效客运/货运网络运营商。
关于“自动驾驶不是纯粹的大数据游戏”大模型 vs 自动驾驶的数据逻辑：LLM（大语言模型）依赖互联网海量通识数据的 Scaling Law 堆叠涌现，而自动驾驶属于强安全约束下的系统工程。高价值/长尾数据胜于盲目规模：路上绝大多数常规行驶数据（99.9% 的平坦直行）是低价值且高度重复的；真正决定 L4 级无人化上限的是对极端长尾场景（Corner Cases）的高质量提取、标注与闭环仿真，盲目堆砌日常里程数据边际效用递减极快。系统协同重于单点数据量：彭军强调自动驾驶由定位、感知、预测、规划、控制等子模块协同组成，需要软硬件、车规底盘与算法的严密配合，领先性来自系统细节打磨，而非单纯靠算力与数据池的暴力堆叠。
cursor的canvas，用了就停不下来
分析财报，研究公司。
告诉他，生成画布，再基于画布理解后进行问答，增加新数据新语料。非常好用。
8月25美团大跌6.65%
不过10来天，腾讯发布财报作为起点，美团从高点跌了20%
美团28日才发布财报，市场也找不到他这样跌的原因
美团大跌速评：https://mp.weixin.qq.com/s/ApH5Z_bRWIa3Vs8OHpXeRw
根据文章内容，作者与机构观点主要总结如下：
核心结论： 此次美团大跌并无切实利空，主要源于市场情绪脆弱、提前避险以及未经证实的传闻。
外卖 UE 传闻站不住脚：
市场上流传“美团 Q3 外卖 UE（单位经济模型）持平/下降”或“8月 UE 转负”的传闻。
作者反驳认为，虽然 8 月存在立秋奶茶节、七夕及多一个周末导致的季节性补贴，但今年 Q3 补贴明显下降、骑手单均成本降低，且竞品（淘闪、京东）外卖 UE 均环比改善，美团基本面 UE 不会差。
同行业业绩指引偏弱引发宏观恐慌：
同程下调了利润指引，叠加此前京东、TME、某手等公司 Q3 指引不及预期，导致部分机构担忧宏观消费并提前避险卖出。
作者认为美团当前处于估值与业务修复逻辑，尚未到被宏观预期直接证伪的阶段。
大行观点一致： 华泰等机构同样认为大跌主要是因为同程指引差、市场对宏观消费情绪脆弱，进而对美团业绩指引产生避险心理所致。
往返交易：硅谷又称为战略合作伙伴关系
本视频大概40%的对ai当前泰式的解读有偏颇，或者说是没跟上市场的变化，由于开源模型的迭代速度加快，AI闭源模型涨价策略被打断了，企业服务除了闭源模型还有了新的选择，但其中关于往返交易还在不断上演。
根据当前视频《【中配】一万五的真实成本，20美元AI订阅只是假象 - The Infographics Show》的内容，提炼出的 5 个核心问题及详细解答如下：
问题一（中心主题与论点）：视频的核心论点是什么？为什么说 20 美元的 AI 订阅只是假象？
- 回答：视频的核心论点是：当前繁荣的生成式 AI 产业本质上是一个由风投和科技巨头资金堆砌的万亿泡沫，其底层经济模型存在严重缺陷。 用户每月支付的 20 美元平价订阅费只是“幻觉”，背后存在高达 92% 的隐性资本补贴。对于重度用户而言，其实际消耗的年化算力成本高达 1.5 万美元。低价订阅只是资本为了培养用户使用习惯而采取的亏本获客手段。
问题二（关键支持思想）：AI 行业的单位经济模型面临哪些结构性矛盾？
- 回答：视频通过两个关键维度论证了 AI 单位经济模型的脆弱性：
- 单次请求的“Token 税”暴增：虽然单个 Token 的生成单价在下降，但随着 Claude Code 等多轮 Agent（智能体）工作流的普及，完成一项任务需要执行大量子任务，导致单次请求消耗的 Token 总量呈指数级暴增，整体计算费用不降反升。
- 对传统高利润模式的冲击：生成式 AI 搜索的高算力成本叠加传统广告变现模式的失效，严重侵蚀了像谷歌等科技巨头原有的高毛利搜索业务，迫使企业陷入“创新者的窘境”。
问题三（重要事实与证据）：科技巨头是如何通过财务操作与硬件投资掩盖这一困境的？
- 回答：
- 往返交易式循环做账：微软、英伟达等巨头对 AI 初创公司的投资，大量以自家的“云算力抵扣”或“硬件供应”形式结算，同一笔资金在生态内部流转并被多方计为营收，制造出行业繁荣的账面假象。
- 硬件债务与极速折旧陷阱：科技巨头举债数千亿美元建设 AI 数据中心并签订长期电力合同，但消费端的实际现金流远无法覆盖资本支出。加之 AI 算力芯片折旧迭代极快，重资产投入正演变为沉重的债务包袱。
问题四（作者的目的与观点）：作者制作该视频的核心目的是什么？揭示了厂商哪些正在发生的隐蔽行为？
- 回答：作者旨在打破公众对廉价 AI 普及的盲目乐观，揭示商业可持续性危机。为了佐证危机已在蔓延，视频揭露了厂商在幕后采取的“暗削体验（降本）”手段：
- 悄悄缩减用户的单日对话额度；
- 在后台静默降级或替换为低参数模型；
- 回滚长期记忆功能；
- 将原本基础的高级推理与思考能力锁定到更昂贵的专享档位。
问题五（深远影响与结论）：随着资本补贴退潮，AI 行业未来将迎来怎样的结局？
- 回答：视频预测 AI 行业将经历残酷的大洗牌并走向两极化：
- 初创企业大规模倒闭：由于算力成本长期倒挂且缺乏护城河，依赖补贴的 AI 初创公司将在 2026 年迎来批量淘汰，进而打破巨头间的循环做账链条。
- 平价 AI 时代终结，AI 走向“奢侈品化”：随着风投停止补贴，AI 服务将要么直接关闭，要么价格大幅飙升至真实成本水平。低价 AI 时代彻底结束，个人与小微企业将被高价门槛挤出市场，最终的试错与泡沫破裂成本将由普通用户与社会承担。
英伟达同意以129亿美元收购 Hugging Face
这对开源生态来说是好事
关于腾讯AI慢的小道消息
AI时代，也讲究赌性坚强
ai 时代讲的不是巧劲，讲的是赌性。
宁德时代老板讲赌性坚强。
包括我正在研究的创新药里的百济神州，都是那种极具赌性的研发型企业。
怎么说呢，真的挺难评价的。
他还有一点说的很好，ai 时代逻辑和互联网时代很不同，朱啸虎熟悉的互联网打法，在ai 时代就产生严重的错判。
腾讯也进入了赌场。
黄铮在雪球留下的痕迹
多久没出来了？
黄铮还会出山么？
可能是滤镜，黄铮是我现在最欣赏的一位企业家。
AI只会让大公司死的越来越快
这篇视频的观点是大公司随着规模的扩大
其员工的招聘和留存导致臃肿和冗余。在不解决员工本身的臃肿冗余之前，靠AI提效就可能成为笑话。
降本增效的本质是学习马斯克对X的优化，那就是裁员，全面裁员。裁到人不够用了，用ai顶上去。
AI的提效是用ai代替人，当人太多的时候，人性会让AI变形的，当前阶段的ai需要人去进行主动适配，组织注入AI基因，而在大公司，人力资源是足够充沛的，这些充沛的人力资源只会捣乱而非助力。
马斯克的GOGE计划失败的昨天就是大企业ai提效的明天。
闽公网安备35018302000421号