底层看稀缺 顶层看客户 / SpaceX IPO、AI 基建周期与产品化自己 - INDIGO 月末直播回放
这几个月，AI 世界把好几年的剧情压缩着演完了：SpaceX 完成人类历史上最大规模的 IPO，当天即本轮科技股的顶点；Anthropic 投后估值逼近万亿，一家公司承担了整个 AI 革命的投资回报；中国开源模型追平美国前沿，把头部公司的收租窗口压到三个月；AI 基建全面信贷化，成了数字时代的新房地产；而 mRNA 癌症疫苗和 AI 自动化科研，正在被半导体的喧嚣掩盖中悄悄改变生物学。
这篇文章是 8 月月末直播的完整整理，主线其实只有一句话——当智能变得便宜且无限供给，稀缺的东西才有定价权：对硬件是光刻，对模型是最强智能的那一点点差异，对人，是 AI 学不走的数据、品位与信任。所以最后一章，讲的是怎么「产品化我自己」。
时间戳
00:00 开场：四个月后的重逢与亚洲之行
06:12 三个月 AI 大事记
13:58 你拥有的不是模型
25:15 SpaceX IPO 与 AI 周期反转
36:05 谁是瓶颈，谁就有定价权
49:40 Harness 与模型商品化
01:05:03 AI for Science：正在被开采的高价值市场
01:15:40 产品化我自己
01:23:25 鸡汤与感悟
01:34:06 Rewired 社群与产品化的落地
01 开场
四个月后的重逢与亚洲之行
四个月没有直播，这一期的信息密度可想而知。今年最重要的一次 IPO——SpaceX，人类历史上最大规模，「但是很快就会有更大规模的，SpaceX 第一个，然后 Anthropic 第二个」[00:19]；然后是 AI 基建，以及 AI 的自我进化。
在进入正题之前，我们先回顾下六月的亚洲之行：东京、香港、上海三城。东京场出乎意料，70% 的参与者是说日语的日本朋友，整场变成了英文加日文的双语场，日本对 AI 的热情非常高；香港场则七八成是做投资的，JPMorgan、对冲基金的各路投资人；上海是与湛庐合作的大师课，三个半小时完整分享了我沉淀的一套思维体系，课后还在新天地包了一个 Club 办 After Party。6 月 6 日在香港预告过「韩国股市杠杆已经到了历史最高点」，当时股市还很 High，结果六月底半导体就崩盘了——这为后面的周期叙事埋下了伏笔。
上海场重点推广了我新翻译的一本书，戴曼迪斯的《吾辈如神》。书的最后几章讲了 AI 增强创造力的十条法则，其中感触最深的一条：
不可以外包自己的灵魂，尽可能在和 AI 协同工作的时候进入心流状态，这个时候效率会非常高。[05:41]
这句话几乎是整场直播的题眼——后面的「你拥有的不是模型」「产品化我自己」都是它的展开。
02
三个月 AI 大事记
从上次直播（五月中）到现在，AI 圈发生了什么？先快速过一遍时间线。
起点是 Anthropic 的 H 轮融资：在半导体最 Hype 的时候，所有内存和闪存公司都投了进去，投后估值 9650 亿美元，「大家都惊掉下巴了」。紧接着 6 月 12 日，SpaceX IPO，人类历史上最大规模，募资七八百亿美元。同一天，联邦政府对 Anthropic 的 Fable 5 模型实施出口管制——「这届联邦政府已经疯魔了，把整个模型给政治化了」[07:15]，直到 6 月 30 日才解禁。顺带一个判断：头部前沿模型公司最强的一两版模型，我们可能在不久之后也用不到了——一方面出于更严的安全审核，另一方面是为了防止别人通过蒸馏清洗数据训练自己的模型。
7 月中下旬是最重要的节点：美国第一个真正的开源大模型来自 Thinking Machines（975B），紧跟着中国模型连环发布——Kimi K3 在 7 月底开放权重（2.8T，全球最大开源模型），然后是千问、智谱 GLM，「基本上全部霸榜」。
中国的开源模型的这个速度，追上了美国最头部的模型，而且这个咬得非常紧。[08:45]这直接加剧了 7 月半导体的悲观叙事：模型都要商品化了，半导体怎么办？投进去的钱赚不回来？表面上是叙事崩塌，「实际上我认为就是杠杆太高了，在去杠杆」[09:10]。7 月 30 日 AWS 用财报证明「我赚钱的速度更快了」，才终结了这轮大回调——市场总是要找一个理由让股市反转。
然后是 Google 的洗牌：Demis 从 DeepMind 退位转做首席科学家，去做他的另一家公司 Isomorphic（生物 + AI，做蛋白质）；Jeff Dean 出走创办 Discovery Loop，做 RSI——通过模型的自我进化来驱动科研。这两个信号非常强，一个指向生物，一个指向 AI 自进化，都是后面章节的主角。
最后一件大事在生物领域：8 月 17 日，Moderna 与默沙东宣布人类首款 mRNA 机制的癌症疫苗（黑色素瘤）在临床三期取得显著效果。7 月的时候我特意研究过黑色素瘤：Moderna 成立的初衷本来就是做癌症疫苗，新冠只是证明技术可行的插曲，「现在它要回归正路」。
时间线的最后，用一个数字给这三个月定调：如果你在 2023 年 5 月投资 10 万美元到 Anthropic，按现在市值算是 2300 万美元，230 倍；即使算上稀释，也有 50 多倍。
你在这个时候你做任何创业任何投资都不需要做，你只要有机会投入 Anthropic 这家公司，这个就是你在 AI 革命里面回报最好的投资……所有的投资回报都被这一家公司给承担了，所有的市场利润也被他们给赚了。[12:08]
而就在三天前，Dario 在采访中说 Anthropic 面对的是 30 万亿美元的 TAM——整个人类劳动力市场，大约相当于美国一年的 GDP。SpaceX 招股书里写的是 28.5 万亿。两个数字互相印证，「八九不离十，很靠谱」。
03
你拥有的不是模型
第一个正式话题，从四个层面展开：软件、思考、投资、知识工作者。
第一，纯粹软件不可投资。 这个观点来自 Naval 的播客《Return to Code》。如果你唯一的优势是写别人不会写的软件，这个壁垒已经消失了——「你的能力应该是想办法解决问题」[14:30]。记得 Claude Code 刚出来的时候，我也觉得很不靠谱，「你不可能没有编辑器地写代码」，但模型进化很快，真的实现了。不过也得泼盆冷水：现在的 AI 你不给它架构，「它就是产生 Slop 垃圾，再好的模型都是这样」[15:09]。如果做 VC——我现在是一半 VC、一半股市投资——寻找的肯定是硬件、网络效应和 AI 模型，这里的模型指通过训练模型来构建软件，而不是让模型写代码构建软件。
第二，你不能外包思考。
语言模型只是放大了你有的东西——观点、结构和框架。如果你有想法，它会更加锋利、更加快速产出；如果你什么都没有，它们也会非常流利地什么都做不出来。[15:52]它是个极端放大器，它会极端放大你的聪明和极端放大你的愚蠢，就是这样子的，没有中间点。[16:15]Agent 干活很快，可以在几个小时内把你的想法重构一遍，所以人应该把更多时间花在设计结构和框架上，而不是去干活写代码。我们不能外包思考，但可以用 AI 杠杆思考，让它帮你想得更严密。
第三，大语言模型没法帮我们发现投资的 Alpha。 LLM 可以把量化交易做得很好，但做不了基本面投资——「基本面的发现是靠人的直觉来做的，我觉得投资是一种艺术」[18:42]。而且如果整个市场全是 AI 做量化，量化就纳什均衡了，市场饱和，做不出差价。剩下的 Alpha 只能来自你的创意和独特观点——LLM 的训练素材决定了它输出的是网络博客和巴菲特式的共识，「这种共识是没有 Alpha 的」[19:22]。那如何让 AI 帮你做投资？答案是搭建自己想法的外骨骼（这是 Brad 的说法）：把自己的知识变成 AI 可以检索的资料库，让 AI 把研究员的工作全部自动化，最后由人来做感知和决策。投资就是艺术，艺术这东西都是很个人化的。
第四，逆向信息悖论与护城河的迁移。 微软 CEO 提出过一个有趣的对照：传统信息市场的悖论是「为了出售知识，卖家必须先泄露知识」；而 AI 时代是逆向信息悖论——
我们为了使用 AI，买家必须先泄露自己的知识……所以你为智能支付了两次：第一次是用钱，第二次是把你的知识也给他。[20:42]对企业来说这很致命，因为未来最重要的就是自己的 Learning Loop 和 Know-How。护城河正在从「保护静态信息」演进为「保护组织的持续学习机制」——云计算时代积累的是数据，但现在所有数据都被 AI 学过去了，学不走的只有台积电式的「炼丹」能力。Palantir 的 Alex Karp 因此炮轰 OpenAI 和 Anthropic「正在夺取企业最重要的东西」，企业要建立硬性隔离：组织记忆留在自己这里，内部评估、运行轨迹、权重微调都要自己掌握。
最后落到个人：知识工作者会不会都变成数据供应商？ 这是一位 DeepMind 研究员的断言：像创作者经济那样，把自己的专业知识私有化然后变现。核心资产是三样——稀有的数据、你的 Taste、你的 Trust。
接下来的知识工作会变成什么东西呢？他会坐拥稀有数据，输出独特的品位，然后经营信任网络……也就是在后 AI 时代，你的工作真正的最后退守的阵地就在这里。[24:15]我正在亲身实践这件事：生成自己的稀有数据（所有输出），用品位筛选内容，用信任降低他人的调研成本。你拥有的不只是模型——在模型之外，你需要有自己的 Data、自己的 Taste、自己的决策。
04
SpaceX IPO 与 AI 周期反转
SpaceX 的故事有三个阶段：2002 年开始的太空运输，2020 年开始的通信网络（Starlink，真正的硬 Moat 和网络效应），以及刚刚开启的 AI——把 xAI 并进来，启动 Colossus 千兆瓦算力集群，两周前还把 Cursor 收购了，合并代码能力。现在整个 SpaceX 已经是一家 AI 公司，6 月 12 日上市募资七八百亿美元，刚刚从破发的价格涨回来。当时我做过一个预言：它 IPO 的时候就是股市的顶点——「确实是股市的顶点，这一轮的最高峰，然后一路下跌到 7 月底」[26:35]。
SpaceX 现在是扩展算力最激进的玩家：2027 年潜在规模 5 到 8 吉瓦，还要把 NVIDIA 最新的芯片送到太空去改造。Elon 说下个季度 AI 收入（含卖算力）会超过发火箭加 Starlink 的收入，四五年后公司价值的 99% 来自 AI。对比各家算力投资进展，「Google 竟然建得最少，所以 Google 现在很缺算力」。
然后是一连串市场情绪的过山车。Meta 宣布加入 NeoCloud 自己卖算力（明显抄 SpaceX 作业），股市应声暴跌——市场解读为「你模型太烂了，只能把 GPU 卖给别人用」。但讽刺的是：
Meta 才是从 AI 里面受益最大的公司。他们买 Anthropic 的模型来改造自己的广告优化，是买 Anthropic Token 的转化效率第二大的公司。第一大公司是 Jane Street……我花一百万美金买 Token 可以赚三千万回来，Meta 花一百万买 Token 可以赚五百万回来。[28:51]买别人家的模型帮自己的广告赚钱，自己的模型赚不了钱——这是 7 月市场恐慌的缩影。更深的担忧来自两个数据：Google 首次出现自由现金流为负（投入大于收入）；剔除 AI 相关投资后，美国的私人固定投资增长是负的——房地产在跌，制造业没回来，「所有的制造业都在建数据中心去了」[30:00]。不过我的态度相对冷静：这是市场结构转型期的特征，不能直接说这个结构很危险。7 月最矛盾的地方在于：「今天你不花这笔钱，明天可能连赚钱的机会都没有了。」
下跌怎么结束？「肯定是得拿出一只基金来祭天嘛。」这只基金就是 Leopold 的 Situational Awareness Fund（SA Fund）：两年内从 2 亿美元做到 450 亿美元，极度激进，最后公开资产全部清算，手上只剩 Anthropic 股份，被 Chamath 接盘——但很快又活过来了。总结成八个字：
人生苦短，慎用杠杆。[31:09]
真正的逆转来自亚马逊财报——增长快到足以抵消 Capex。但这背后藏着一个更大的结构性变化：所有公司的债务都在上升，「AI Capex 物理上是不能用股权进行融资的，必须信贷化」[32:17]——这是 6 月在香港分享过的判断，8 月中就被验证了：NVIDIA 联合六家投行启动 5000 亿美元以上的第三方资本建 AI 基建。「你没有钱买我的 GPU？我找银行贷款给你买。」
这个模式很像房地产：从银行借钱买地盖楼，靠出租售楼回款——现在 AI 数据中心就是「AI 时代的新房地产业务」，只是回款速度快得多（DeepSeek 说过十个月就能赚回 GPU 投入）。既然如此，为什么不能资产信贷化？于是 8 月底市场开始震荡：发债、发 ABS、做成资产包、债滚债——会不会重演 2008 年借钱盖房子的次贷危机？更吓人的一个对比：四大云厂的 Capex 之和已经接近美国国防预算的 87%。「市场担心 AI 基建的次贷危机，如何化债才是关键。这是个问号，我们都不知道，大家只能用赚钱速度来证明我可以化债。」[35:48]
05
谁是瓶颈，谁就有定价权
这一章的标题就是结论：「什么是瓶颈？谁是瓶颈谁就有定价权。」[36:07]
先从一个问题开始：SpaceX、OpenAI、Anthropic 明年年中都会上市，长持选哪家？Perplexity CEO 在 20VC 的采访里选 SpaceX，我的选择一样：「SpaceX 有别人没有的能力，它有太空里面的 Connectivity，有最快的基建能力以及太空运输能力……它是能够把芯片、网络、电力和所有东西整合起来的一家公司。」[37:38]
然后是物理约束的排序，四位大佬四个答案：Elon Musk 说是电；Sam Altman 说是「晶体管」（这个判断不够具体）；Jeff Dean 的答案最技术——
搬数据比算数据贵一千倍。[38:16]
Transformer 模型最慢的环节就是搬数据：把整个模型装进去，算一点点，再搬出来，所有时间都浪费在搬运上，所以需要巨大的内存贴着 GPU，需要光互联、新的芯片设计、数据中心级别的提效。SemiAnalysis 的 Dylan 则认为电力短期可解，真正的瓶颈是封装、连接和制程。有趣的是，Elon 强调电，是因为对他来说其他都不是问题——东西放到太空里，无尽的太阳能，电自然可解。
接着是一个市场还没充分定价的判断：Agent 时代，CPU 和内存回归。 训练时代所有东西都看 GPU，但现在 Agent 要访问文件、访问内存、调用工具、启动 Subagent、自己做编排，这些都需要 CPU 和内存参与，需求暴增，「CPU 的产量是完全不够的」[41:11]。做对冲基金的朋友在 2024、2025 年就布局硬件，这一轮确实赚翻了。内存侧的逻辑更硬：GPU 的计算成本随上下文长度基本不变，但内存带宽成本随 Context 线性增长（KV cache 要不停搬运）。现在常用的 Context 是 100 万 token，很快会到 200 万、500 万；如果像 Anthropic 说的靠扩大 Context 实现持续学习，可能要到 1000 万甚至一个亿——「我不知道要什么样的架构、什么样的内存条才能做到，所以硬件和模型是同时进化的」
[42:30]。
再往下挖一层是封装：2028 年之后，限制 AI 算力的不再是晶体管而是封装，因为晶体管到极限了。台积电路线图摆在那里：2026 年 iPhone 18 用 2 纳米，2029 年才到 A13（1.3 纳米），「这个制程在路线表上根本动不了」。由此一个反直觉的结论：
台积电才是 AI 基建泡沫的减速剂。因为台积电的存在，我们才不会那么快地进入泡沫时代，因为最终都会受物理限制。[43:42]
半导体正在快速迈向 2030 年 1.5 万亿美元的市场，而且这一轮周期和过去由 PC、手机换代驱动的周期不同——数据中心在新建、规模还在成倍扩大，「并不是半导体没有周期，而是被拉长了」[45:07]。钱正在从芯片生产向封装层、内存层迁移：HBM、基底、CPO 嵌入式光模块。产业链上还有一个惊人的落差：60 亿美元的 Fab 设备每年产生 1 GW 的算力，这 1 GW 可以产生 1000 亿美元的收入——设备和收入之间将近百倍的差距，中间都被各层厂商特别是模型公司吃走了。
那最终极的瓶颈是什么？光刻机和反光镜。「光刻才是物理世界的终极瓶颈」，在台积电之下还有一层，它让整个半导体世界变慢，因为芯片就是做不出来。于是有了这一章最科幻的部分：8 月中旬 SpaceX 推出 Terafab 计划，热心网友从效果图里发现，巨大工厂的中间是一个环形粒子加速器——用自由电子激光（FEL）直接产生光源。这个技术 70 年代就被提出过，当时因为成本太高、技术不成熟而放弃；现在 Elon 要用一个光源给 8 到 20 台扫描仪供电，20 多台光刻机同时工作，零部件更少、镜子更干净、停机更少、波长可调、更高的光子通量。「Elon Musk 做这个事情，要从第一性原理解决——我先从光刻开始，解决芯片问题。」[48:04] Terafab 有多大？Giga Texas 那么大的厂区，苹果园区（约等于五角大楼）只相当于它中间一个粒子加速器圆环的大小。
06
Harness 与模型商品化
大家最关心的问题：模型会不会商品化？
先看几个事实。今年新增算力约 30% 归到了 Anthropic 和 OpenAI 两家，明年会到 50%（Dylan 的数据）。而且 Anthropic 今年已经扭亏为盈：每投入 10 美元推理成本可以撬动 50 美元营收，再把收入全部反哺回预训练。但收益在技术栈中的分配严重不均：
终端客户是最大赢家——Jane Street 用 Token 做高频套利，Meta 用 Anthropic 的模型优化广告，「他们从 Token 中榨取的商业价值远超模型公司本身的利润」[52:15]。应用层几乎不存在了，沦为空壳——「我们现在来看依旧没有 AI 应用这个概念存在」，Chatbot 和 Coding Agent 本身就是应用，中间层到现在都赚不到钱：Perplexity 最后也得去做模型，Cursor 被卖掉了。模型层今年迎来暴利翻身——头部模型溢价更高，Margin 真的上来了。硬件供应商独领风骚——2023 年 GPU 吃红利，2024、2025 年是内存，现在所有环节都在吃利润，反而台积电的利润率没有内存高了。
为什么模型不会彻底商品化？核心论据来自 Naval 播客里的一个洞察：
一个 99.9% 正确的 AI 和一个 90% 正确的 AI，你单次看差不多，但是你递归循环跑 100 次之后，90% 正确率会掉到 13%，99.9% 还有 80% 到 90%。智能的误差它同样会有复利。[54:36]所以在判断类、高杠杆类的业务上，大家永远会为最强的智能付费。深度编码的人为什么最后还是转回 Claude Code？就是长程任务上那一点点差异，反复使用时误差就会被放大——「跑分评测和实际任务中的永远不一样」。
结论是：至少在 Transformer 架构还有利可挖的时候，模型不会被彻底商品化。 但趋势也很清楚：大量稳定的、标准化的工作流会下沉到开源模型和老模型上省成本，慢慢吃走头部公司的利润。于是形成分层竞争：「第二线、第三线就要卷价格，第一线就要卷智能。」[57:27] 只要还有更高级的活只有你能做——就像台积电卖 2 纳米芯片——你就可以随便定价。
中国模型的追赶让这个逻辑更紧迫：上一个版本差 8 到 12 个月，现在只差 4 到 6 个月，下一版可能只有 3 个月。「前面这个收租的时间窗口越来越短了，这就是头部模型公司为什么这么慌——我至少要把窗口期放到六个月，多赚六个月的钱。」[58:28]
模型的终局是什么？一个有趣的观点：它可能是一个协议，而不是一个程序。 最近的注脚是 Stripe 收购 OpenRouter——支付 API 公司买下模型 API 路由器，定位直指智能 API Gateway，顺便把 Agent 支付也做了。「集成方案会路由，会把你的需求搭配到最优组合上面去，而不是选择最优模型。」当大家用这种方式买智能时，智能就更像互联网——不是 Internet，而是 Intelligent Network。「我们不可能预见一个东西被一家公司垄断，多么可怕。」
这一章用 Chamath 的六层结构图收尾（和我的 Rewired 五层结构几乎一致，只是把 Harness 和 Application 分开了），核心口诀是：
底层看稀缺，顶层看客户。哪个公司的客户更牢靠、客户更有钱，那这个公司更赚钱；底层每一层稀缺它就有定价权。[01:01:52]
苹果买内存条都压不了价了，因为数据中心把内存买空了。而现在土地和电是稀缺的——我判断美国今年中期大选最大的议题之一就是数据中心能不能合法地大量建：会不会抢居民的电、占居民的地、污染、抢工作。「这就是为什么 SpaceX 很好解决问题：太空上放就好了，土地不缺、电不缺，缺的是太空运力，而太空运力 SpaceX 有。」[01:03:20] 如果模型有商品化趋势，上面的 Harness 层最有价值，大量 SaaS 企业都会转变成 Harness 企业；应用层则要看完全垂直集成的形态——RoboTaxi、端到端工业自动化、武器系统、Wet Labs 生物实验室、Palantir 式的企业部署。
07
AI for Science：正在被开采的高价值市场
人事即路线图。用 Grok 做的一个 Research 揭示了 Anthropic 的方向：最核心的信号是 Andrej Karpathy 加入 Anthropic 做预训练效率和 RSI——现在所有赚的钱都往这个上面投，如果把模型规模做到 10 个 T、15 个 T，大家期望 Scaling Laws 的魔法还能继续；然后是算力自建、AI for Science、Agentic 检索与记忆、企业商业化和长期对齐。Google 那边：Demis 卸任 DeepMind CEO 去 Isomorphic 做蛋白质湿实验室；DeepMind 交给能执行的人做工程化——「DeepMind 的 Moat 是工程化的 Moat，不是预训练的 Moat」，我很期待 Gemini 4 有本质提升；Jeff Dean 的 Discovery Loop 则证明 RSI 在科学领域进展会很快。
2026 年 AI 和生物正在发生的事实：前沿 LLM 已经具备设计能力并通过了湿实验室验证——Claude 和 Twist 合作，设计的 15 个靶点中 14 个结合成功，Twist 股价因此涨了三倍（Twist 做 DNA 片段生产，「有点像生物界里面的台积电」）；Moderna 的黑色素瘤疫苗基本成功，就等 FDA 批准；原生 AI 药企（如 RXRX）开始交付靶点，虽然还早。顺带辟个谣：Moderna 疫苗和大语言模型一点关系没有，用的是专门的生物模型做病原特征识别和预测，「很多公众号写大语言模型帮助，那都胡扯了」[01:09:08]。
昨天 Anthropic 又推出了一个新协议 MHS（Model Hardware Standard），意义堪比两年前的 MCP：「想让模型使用软件，用 MCP；想让模型使用硬件，用 MHS。」Agent 通过这个协议自动化调用显微镜、相机等实验仪器，把实验硬件整合从数月、数周变成几个小时甚至几分钟，而且所有 Agent 框架都支持，不限于 Claude。「AI 开始使用硬件了，我们离《终结者》里天网的设备是不是已经非常近了？就差 AI 可以直接调用武器了。」[01:12:44] ——当然，Anthropic 拒绝了国防部的这个愿望，理由是模型还不够安全。
投资视角上，一位群友做了 AI for Science 五层投资图，和我的认知非常接近：最好的机会在第二、三层——科学数据层和实验室驱动层（控制仪器合成、自动化生产，像芯片流水线一样）；仿真层会和模型公司直接竞争（Isomorphic 就在这层）；最上面的药物研发风险最高、收益最大，但受 FDA 控制快不了。作为投资来说，二三层是可以快的。
08
产品化我自己
现在说最重要的话题。这一章是整场直播的落点，呼应开头的 Data、Taste、Trust。
如果你觉得自己品位在线、视角独特、会做选择，那就应该把自己产品化，持续输出，用 AI 提效自己。为什么人还有价值？
AI 总能够给人最有共识和最深度的答案，但我们又能够提供最反共识的答案、最独特的答案……AI 没有自己的性格，所有人用的出厂版 Claude 都是公共版本的 Claude，不是你的 Claude。虽然它有你的记忆了，但是这个记忆毕竟没有训练到神经网络里面去。[01:16:15]所以我们要做一个不可约化的人类，才是在 AI 时代最有意义的事情。[01:16:51]这和前面「LLM 给不出投资 Alpha」是同一个逻辑：投资是艺术，艺术最重要的就是反共识和独特——市场上这么多人博弈，你只有独特才赚得到钱，「或者以独特的方式赔钱」。
接下来完整展示一下我自己的实践——Indigo Mind 个人知识库。Anthropic 发布 Fable 后有篇文章说他们把 80% 的约束提示词都删掉了，我也照做，把知识库的提示词全部重写，现在它是一个可以自我进化的系统。运作机制大致是一个认知飞轮：IN——Inbox 和 Notes 存所有进来的订阅和笔记；SAY IT——Agent 自动抓取 X Post 和直播内容存入知识库，而且分权重，「我说的话、我做的直播视频和我发的 X 都权重很高……我收藏的、AI 帮我做的总结，权重没有我自己的话高」[01:19:58]；定期整理——每周回顾这周想了什么、判断有什么进展，每月自动复盘说过的话兑现了没有，该合并的合并、该退役的退役；断言账本——把自己的判断（「软件不值得投资」「Anthropic 上市后市值会多少」）写成断言记账，AI 在帮忙读播客、文章、视频时会对照账本：哪些验证了想法，哪些提出了反面证据，多次验证的断言升级为永久断言，最终沉淀为方法论写进「方法论书架」——「这个东西都不是给我个人看的，都是给我的 Agent 看的」[01:21:44]。
这个循环的关键在于人的角色：这次月末直播的结构大纲就是 Claude 直接从知识库提炼生成的，但——
AI 给我的是共识，我必须在里面加入反共识。我们这样循环，每一次循环我才有新的知识涌现出来，不然我永远都是在吃老本。我们就是把费曼技巧融合到 AI 的自动化里面，认知飞轮才能往前进。[01:18:23]关于所谓 LifeOS，建议浓缩成一句话：
不要从工具开始，从自己开始。你在选择任何 AI 工具之前，先花足够多的时间搞清楚自己的目标、信念和工作方式。架构设计远比模型选择更重要——一个好的上下文管理系统加一个普通的模型，往往比一个没有上下文的顶级模型表现得更好。[01:22:22]09
鸡汤与感悟
AI 不需要人教。 好奇心是最好的老师。不要每天试工具、换模型、折腾评测——「你又不是知识博主」。用好一个东西，有目标，有架构，把事情做好。Get things done 最重要。
发现未知的能力。 这来自 Fable 最佳实践：模型的能力正转移到「你能不能把未知讲清楚」。给它一个未知，它来帮你澄清未知——完全不懂生物科技也没关系，把想要的东西描述清楚，它能很快把盲点补出来。最重要的是描述自己不知道的事情的能力。现在的模型给它目标就好了，不用给它过程。我自己的用法：把架构开诚布公地跟 Fable 聊一遍，然后让它派更便宜的 Agent、指挥 Grok 和 Gemini 把活干了——「因为它太贵了」。
季节人生。 来自《人生的五种财富》（The 5 Types of Wealth）：有野心的人应该把人生当季节来过，不必每天平衡每件事——几年重仓工作，一段认真健身，一两年数字游民，然后家庭生活，择机开启新事业。
伟大的成果是不被打断的连续冲刺，不是每日适度调和。[01:25:57]我自己就在实践：北京做社交网络，换国家做创投，现在投北美二级市场，下一个主题是做社群、把自己产品化。当然前提是要有不怕失败的资本和超级专注的能力。
独处方可思考。「我发现只要一社交起来就没法思考。我必须找一个很安静的地方待上一段时间，才能才思涌现。」[01:27:16] 密集阅读、密集输出的前提是独处——你不可能边聊天边发推。
两本书。 一本是我翻译的《吾辈如神》，AI 时代重构的不只是技术，还有生存力、胜任力、教育、医疗、命运、财富。另一本是 2006 年彼得·沃茨的科幻小说《盲视》（Blindsight），我认为这可能就是 AGI/ASI 之后的未来：
我们人类的意识，可能只是我们大脑算力不足的权宜之计。海量信息进来之后，我们没法并发处理，大脑只能靠节能、调节注意力，然后才催生出意识。[01:29:45]
小说里的外星生物像虫族一样，个体高智商但不需要意识，整合起来涌现出新的智能和目标。顺着 AI 推演：硅基智能可以靠扩展算力无限增长，「我给它电就好了」，很可能发展出我们理解不了的全新智能。低效的生物智能如何与能量驱动的高级智能竞争？只能融合。而且这不是科幻——现在就在发生：「没有人设计社交网络……它涌现出来的一种智能，我们都在消息流里面被 AI 牵着走了，只是你不知道而已。」[01:32:01] 库兹韦尔在《奇点更近》里说人类最终要 Upload、要合体，「那还得靠 Neuralink 下一代的技术」。
最后一个公式：p(1984) >> p(AI Doom)。
AI 带来的新封建社会的危险，要远大于 AI 毁灭人类。AI 不会毁灭人类的，人类才会毁灭人类……未来如果只有一家私营公司，这很恐怖，所以说我们要杜绝这样的未来——新的封建社会，AI 控制所有的东西。[01:33:43]10
Rewired 社群与产品化的落地
最后是社群进展，也是「产品化我自己」的具体落地。Rewired 网站上会新增 In / Out 栏目——把 Indigo Mind 知识库的输入输出直接产品化同步上来（「我之前就喜欢叫 In / Out，汉堡的味道，输入、输出」）；上海奇点大师课和香港站的付费内容已经上线。9 月底争取上线两个在线 Workshop 课程：一个是 AI Native Design（AI 原生设计工作法），一个是 PAI——Personal AI 个人智能系统设计，就是 Indigo Mind 是怎么做的，完整分享给大家。
然后是 Rewired Index：春节直播预告过的二级市场基金（BP Innovation Balanced Fund）已于今年 2 月开始运作，放的是我自己的一部分资金，完全按照分享过的五层投资结构映射持仓，Year to Date 回报 18.52%（对标 S&P 500）。「这是个 Index Fund 不是 Hedge Fund，所以回报没那么夸张……我也想像木头姐这样，当然我的交易可能比她好。」[01:38:13] 有意思的是 AI 在其中的角色：AI 依照核心指南手册定期做检查，给持仓打上偏离旗标——基础物理设施层因为美光涨太多超配了、Tesla 多了、存储占到 L1 一半以上要按纪律减仓、Palantir 是否触发二段止盈、铠侠该触发止损——「AI 会给我建议，但是现在交易还是我自己做，还是我自己下单」[01:40:18]。这正是前面观点的自我印证：AI 自动化研究员，人保留感知和决策。
直播的结尾是一段朋友拍的纪录片花絮，以及对社群本质的一句总结：Talk、Live、Weekly、In/Out、Workshop、Meetup、Index——「为什么社群很重要、连接很重要？就是我不停地在讲：Taste 很重要，连接很重要，活人感很重要，在这个时代都是非常重要的东西。」[01:44:10]
总结
这场直播表面上讲了 IPO、算力、半导体和模型竞争，但骨子里只有一条主线：当智能变得便宜且无限供给，稀缺的东西才有定价权——对硬件如此，对模型如此，对人也如此。
在硬件层，稀缺的排序是光刻 → 先进制程 → 封装 → 电力与土地，谁卡住物理瓶颈谁定价；在模型层，稀缺的是最强智能的那「一点点差异」——智能误差有复利，所以头部模型不会被彻底商品化，但收租窗口正在从 12 个月缩到 3 个月；在人的层面，稀缺的是 AI 学不走的三样东西：你的稀有数据、你的品位、你的信任网络。
核心 Takeaway：
- 不能外包思考，更不能外包灵魂。 AI 是极端放大器，放大你的聪明也放大你的愚蠢，没有中间点。把时间花在设计结构和框架上，让 Agent 去干活。
- AI 给共识，人给反共识。 LLM 是共识机器，给不出投资 Alpha，也给不出「能够代表你的答案」。做一个不可约化的人类，是 AI 时代最有意义的事情。
- 底层看稀缺，顶层看客户。 这是理解当下 AI 投资版图的一把万能钥匙：终端客户（Jane Street、Meta）是最大赢家，应用层沦为空壳，模型层暴利翻身，硬件层独领风骚，而台积电和光刻是整个泡沫的物理减速剂。
- AI 基建正在信贷化，这是数字时代的房地产。 化债能力（赚钱速度）决定这轮周期是繁荣还是次贷 2.0——这是接下来市场最值得盯的变量。
- AI for Science 是正在被开采的高价值市场。 LLM 会设计蛋白质了、会用实验仪器了（MHS 协议），Karpathy、Demis、Jeff Dean 的去向就是路线图；投资机会在数据层和实验室自动化层。
- 产品化你自己。 从自己开始而不是从工具开始，架构设计远比模型选择更重要；用知识库、权重分层、断言账本搭建认知飞轮，把费曼技巧融入 AI 自动化——每次循环加入反共识，新知识才会涌现。
- 季节人生，独处思考。 伟大的成果是不被打断的连续冲刺；而真正值得警惕的不是 AI 毁灭人类，是 p(1984) >> p(AI Doom)——新封建社会比天网更近。