Zexi's Notes

我有点理解太空光伏了。

光伏和Transformer很像： 都是简单、重复的基本单元组成， 都可以通过堆规模持续获益。

于是逻辑就有了： Transformer附身机器人持续生产铺设光伏面板采集电力； 更多电力又支撑更大规模的Transformer更聪明有效地采集更多电力…

而且相比地面， 太空中空间平整一致、日照稳定无限， 现有技术足以让AI进入一个无人参与的自我增殖循环。

人类或许很快会进入一个 物质极大丰富的时代。

当那些弥散在行星周围的戴森云们能够持续获取能量、扩大规模、维持结构时， 也许它们就应该被视作一种新的生命形态了。

每月使用10元、100元、1000元、10000元Token的人对AI的评价是完全不同的。

我现在大概是五六千元的水平，我的感觉是AGI已经来了… 而仅10个月前，我对AI的评价还是：不过只是是文本补全的概率机器罢了… ​​​

我突然发现这个，可控核聚变其实是一个就是像金字塔一样的科技奇观一样的东西，真正有价值的，或者说现阶段真正可以用到的能源，而且可以规模化扩展的，其实是光伏，就是太阳能发电场 ​​​

传统武术、医术、儒术…或许曾是当时的先进圣贤， 但到今天，它们更多应该被作为一种文化。

可以用来欣赏消遣，但也仅限于欣赏消遣。

因为要想从这些古籍中汲取有价值的信息，在效率上，远不如直接学习现代中小学教科书。 ​​​

现在自媒体AI含量越来越高了，特别是各种口播。

只要听到“这不是…，而是…”的标准GPT句式，基本就是AI没跑了。

“你不是不懂，而是太懂…” “你不是脆弱，而是开始觉醒…” “你不是情绪化，而是感受力太强…”

“这不是危机，而是转型的阵痛…” “这不是技术爆炸，而是范式迁移…” “这不是能力不足，而是认知模型老了…” “这不是市场在收割你，而是你自己没看懂规则…”

它们不提供任何新增事实， 但能提供一种什么都不做，认知就被升级了的良好感觉。

恰恰相反，我觉这就是通往AGI的路。孤立系统的熵不会自发减小，模型必须要在思考循环中利用工具获得真实世界的负熵输入，否则就会陷入完美但无用的符号自洽。而Shell、Lint、Compiler就是现阶段最适合给予模型及时反馈的人造“物理规律”。

为什么人会在意别人的恶意，

因为比起恶意，人更怕的是自己无人在意。 ​​​

一个豆包倒下了，千千万万个豆包站起来了！

连夜学习了下智谱刚开源的手机助手，工程写得非常简单：标准的“观察-推理-行动”循环。

9B的视觉模型参数量不算大，但对没有显卡的我，还是比较的羞涩

虽不能体验，但读它提示词也挺好玩： - 如果游戏可以自动战斗，就一定打开自动战斗（斗地主托管专家） - 实在找不到用户要的时，可以使用AI搜索（聪明的AI会用AI） - 搜索小红书时候，一定筛选图文笔记（推理速度看不过来视频）

意义，是意识面对熵增世界时，用于维持自身稳态的秩序源头。 ​​​

内耗不是因为「太关注别人怎么想」， 而是因为只停留在想。

我认为： 要主动去思考别人怎么想，并积极尝试预测； 再通过观察Ta的后续行动，检验这些预测。

当发现结果偏差时，问问自己：

- Ta是不是知道什么我不知道的信息？ - 如果我知道这些信息，能不能做出相同的判断？ - 这些信息，事前我有没有办法获得？

思考别人怎么想，目的不是虚空反刍， 而是要借「假设、验证、修正」的循环， 重建Ta的决策模型。

DeepSeek团队太强了，他们在重新提醒大家：人类阅读靠的是视觉，不是Unicode ​​​

！ 啊！ 原来如此！ 所以大公司里也是这样设计：虚线节点管业务，实线节点管人事 ​​​

以前以为脑暴会是为了产出创意， 参加几次后发现： 信息密度极低，大量时间都耗在无关痛痒的琐碎上。

后来才明白—— 多数脑暴会，其实是领导想推动某个方向， 可能是还没拿定主意， 于是先召集大家聊聊，既探探团队风向，也塑造开放文化。

也可能已有想法，只是不便直接拍板， 便借讨论一步步铺垫出来， 既让大家产生认同，也让后续推进更顺畅。

说到底， 脑暴会看起来在要创意， 其实更想要的是团队成员的共识和投入。

真正突破性的点子， 只会诞生于深度个人思考，和小团队的反复打磨， 不会、也不可能会在脑暴会上出现。

抖音的设计师太天才了！

这个“心动榜”，红色的心电线把“心”拉出了“必”的形，再配上丝带大面积的橙色承接到红，满满都是巧思，擦得让人心服口服

相比之下淘宝拼好饭就没啥意思了 ​​​

两年前的大模型，Token很贵、上下文只有4k，一个汉字经常就要占2Token，所以很多人更倾向用英文写Prompt。

而如今，128k的模型比比皆是，各家Tokenizer都收录了大量中日韩字符，甚至「笑死🤣」这种常用emoji都有独立Token ID。

要知道，大模型的注意力是按Token分配的，这意味着，单Token信息量更高的中文其实比英文更有利于模型的表达和推理。

再发散点，人类的注意力单位，其实也更接近「音节」，而非「字」、「词」。

在长期演化中，中文通过把高频概念浓缩成单音节的字，构建出了一种码长分布贴近语义分布的语言系统——既方便人类，也契合大模型。

比如中文数字，一字一音，让母语者几乎人人都能背出乘法表、复述手机号。

只是近些年，随着教育水平提高，一些表达又开始有了膨胀的迹象… 好了快两点了，我必须要立刻进行一个睡觉。

强化学习要试错，就一定需要一个低成本的演练场。 ​​​

以快三十的我回看：

好的老师，不是严苛的监工，也不是手把手的保姆。

而是能和我一起，快速、低成本地，把可能的蠢全犯一遍的人。

因为这个世界，正样本易得，负样本很贵。 只有亲历正负，才能理解和分辨明暗的交界。 ​​​

热力学第二定律：孤立系统的熵（无序程度）总是随时间增加。其实信息世界也一样，不存在能在封闭系统内持续产生低熵信息流的永动机。如果没有低熵信息注入，包括懂的人的建议、编译器Lint警告之类，那么随着模型自回归，输出一定会越来越噪声。

回看影石上市也是有原因的：他们确实有在用心做产品。

22年我头次用Go2，在微博吐槽充电挑线就有官号回应，并有在Go3上改进。

再比如Go2/3一直有个大疆Action3没有的点：手机App连相机时，不需要先按开相机。

要知道，一般选片/剪片都是疲惫在回程的车上，相机在包里。 此时起身/探身翻相机就像很困但要下床关灯一样令人难受。

但影石团队投资源做了。 就是这个微小、难量化收益、评测媒体都不一定注意得到、有没有也几乎不会影响用户购买决策的点。

好的产品绝对不是拉个脑暴会强制一人一条建议、或者发个有奖问卷调研就能一下设计出来的，而是在实践和认识的反复迭代、在推倒和重建的上升螺旋中生长出来的。

非常离奇，就十几平的房间里，耳机找不着了。

第二离奇的是，一年多过去了，看了一圈评测，最推荐的居然还是OpenSwim Pro

感觉和鼠标一样，受限于人类的感官极限，这些传统外设目前已经在性能、需求与市场规模间达到局部最优了。 ​​​

现在我会先和GPT聊很久，但不涉及任何具体代码，只是不断质疑推倒迭代思考。直到一切都权衡完备后，再让GPT总结成一篇提示词，最后才交给Claude精准执行。

美团其实是一个非常好的冲动管理工具。

它把一次消费拆分成了付款和核销两个阶段。

然后就很适合“假吃”： 犯病时买一堆粮票精神解馋，之后再任由它们过期自动退掉 ​​​

科大讯飞学习机的营销团队简直是天才

首先这个投放点就非常绝妙：北京南最容易排队的出站扶梯，在暑假这种旅行遛娃高峰期。

讯飞还清楚，学习机的真正消费者是家长。第一行的“省时”、“省心”直击父母痛点，就是孩子作业磨蹭、辅导鸡飞狗跳的救赎。

代言人选孙俪更绝，直接展现了讯飞对潜在客户画像的深刻理解：这届妈妈就是看甄嬛长大的，放这张脸一定会多看一眼。

2行字，AI重复了4次。讯飞知道，就算自己的消费者搞不清GPT还是GTP，人工智能高端科技就足够激发他们孩子变身、成绩飞升、母慈子孝、家庭地位巅峰的美好幻想。

最后的“类自然光”、“类纸”、“护眼屏”更是将自己和手机电视平板划清界限。像可乐无糖、果汁加C一样帮消费者找好自我解释的理由。

排版重点突出，留白干净，蓝底白字如警情通告般醒目，扔掉色相可读性也极强。不摆任何功能参数介绍，和黑五类一样：直勾勾卖的就是焦虑解药。

之前我总觉学习机没价值： - 能自己学习的孩子，用不上学习机； - 不能自己学习的孩子，有了学习机也没用。 特别是豆包诞生后，更是如此。

现在我理解了： 能给家长情绪价值，就是学习机的价值。

习俗本身没什么用。

它只是强势方在表达自身意志时，可以选用的一种更含蓄、更体面的方式。 ​​​

你解释的， 并不是“真实动机”， 而是“社会上最能被接受的叙事”。

我也一样。

我们都在为自己的行为， 寻找一个不会被讨厌的理由。

甚至， 有时候， 我们会开始相信， 那个理由是真的。 ​​​

我的观察是，AI适合的是信息量恒等的形式变换，就像炒菜机。如果一件事需要人先切洗备好，机器仅仅翻炒两下，那引入AI的效用就不大。

悟了：

外卖虽然低毛利，但其高频稳定的单量可以保温自己分钟级的物流网络。

没有外卖，就没有单量，就留不住骑手，就无法稳定履约低频高利润的品类。

这也是京东下场做外卖，并且疯狂补贴奶茶咖啡的原因——亏钱，但能保活骑手。 ​​​

果然，能做到节点的都是人精，我能想到的他们早想到了，而且还更多。

继算法资源投入不足阻塞我们需求推进后：

昨天，产品节点就开始表示想再聊下算法和工程的分工方式，并公开at后端节点；

今天，后端节点参会也是高情商地表示，未来肯定是多Agent的，对这种具体场景轻量Agent还是想工程这边先快速落地，未来再融合到算法更大更通用的Agent里去

在今天前，我都只想到应该踢走算法调包侠，但根本没想到可以用“先闭环落地，再慢慢融合”的理由去正当地推进和表达

之前一直困惑： 领导做决策前，总得执行层汇报信息输入。 既然一线掌握更全面的现场信息， 为啥不干脆让他们直接决策、提升效率？

刚才想明白了： 信息或许一致，但立场未必一致。

决策，不是信息的简单聚合， 而是信息在立场下的加权聚合。

那些一线眼中“离谱”的决策，往往不是因为上级信息缺失，而是一线对上级立场的无知。

AI的产出不经人类验证就毫无意义，是因为AI无法负责。而AI无法负责是因为人类没有任何手段威胁AI。