最新文章
共 90 篇AI 不需要造反：判断权是在每个小岔路口被签掉的
关于 AI 接管，我们习惯想象一个戏剧性的瞬间：机器人上街、系统反叛、人类战败。但更可能的路径没有这些画面——它是一份份被点掉「同意」的确认框，一次次「AI 建议 X，那就 X 吧」的顺手选择。本文用赫拉利 2026 年的访谈框架，加上 Anthropic 首个判断影响的随机对照实验，拆解判断权到底是怎么一层层交出去的。
10 人公司月烧 310 万美元 token：他们取消了 PR，也取消了 CEO 的审批权
一家 10 人公司，30 天交付 77,000 项实质改动，是 6 个月前的 500 倍；代价是每月 310 万美元 token，约为工资的 30 倍。真正难抄的不是这笔钱，是它背后的四层闭环。
印度手机出货跌到十年最低：中国品牌丢掉的 7 个百分点，不是被大盘吃掉的
2026 年第三季度，印度智能手机出货 3580 万部，同比下滑 26%，创近十年同期新低；中国品牌合计份额从 75% 降到 68%。大盘跌 26%，份额却丢了 7 个百分点——多出来的那部分，是三个不同时间尺度的变量在同一季度撞在了一起。
黄仁勋×默茨炉边对谈：AI 正在改写「强国名单」
502 秒的炉边对谈，真正值钱的不是「黄仁勋夸中国」，而是三个可迁移的判断装置：电子替代不了原子、每家公司两座工厂、数据是国家的自然资源。附三处必须限定的口径与视频漏掉的监管段。
赚钱的第一性原理，就是不干活：你在「挣」还是在「换」
同一份劳动，有人拿成本价，有人拿利润。差别不在勤快，而在你交付的是「劳动」还是「结果」。三条可迁移判据：成本/利润二分、价值链位置、信息差起步——以及必须一起记住的反例。
期望值框架：先算清「值不值得」，再谈「能不能成」
「我觉得能成」不是一个可以比较的答案。期望值框架把成功概率、成功收益、失败概率、失败代价合成一个数，让两件完全不同的事可以放在同一把尺子上量。这篇讲清公式怎么用、胜率与赔率如何互换、为什么正期望也会死人，以及四个最常见的误算。
顶级量化怎么给实习生派活：Jane Street 2026 实习系列的 8 个真实项目
Jane Street 2026 暑期实习系列：TDOE 方向 3 个交易台项目 + 2 周跨团队对接，SP 方向 5 个跨职能项目。零 OCaml、零交易背景也能驱动高影响工作——关键是「嵌入团队 + 全职导师 + 真实项目」的实习形态，不是打杂。
一个数字，两个数量级：我把「非洲手机之王」的估值拆了重算
三季报里有一行数字是「-987,315.93 万元」。我把它写成了「-9.87 亿」。差一个数量级，凭空造出 90 亿的「现金流大反转」，还用它撑住了整张估值卡。这篇文章复盘这个错误怎么发生、怎么被发现，以及我最后怎么改的。
Vibe-Research：把投研工作台搬回自己的电脑
一个 MIT 协议的开源投研工作台，把行情、财报、公告、研报和 AI 对话放进同一个本地页面。它最值得看的不是功能多少，而是把「证据链」和「确定性计算」做成了产品的硬约束：报告里每个数字都必须能回查到出处，查不到就标成「未核实」。
黄仁勋的 AI 工厂，还缺一个「粮仓」
黄仁勋讲 AI 是「五层蛋糕」、AI 工厂生产 Token，但每家企业真正缺的，是能脱敏精炼、可交换的「数据粮仓」。迅策科技（3317.HK）用 TokenRouters 补这一层——把行业私有数据变成可交换的「专用 Token」。