从商业角度,超级App做AI是防御性动作而非进攻。微信不做的风险是被豆包、DeepSeek这些原生AI应用抢走用户时间。但防御性产品往往缺乏极致体验,这是人性使然。真正的AI超级应用大概率不会从现有超级App里长出来,而会是全新的物种。正如当年的微信不是从QQ里长出来的一样。
本质上,这是一个「护城河」问题。
这位演员的问题在于,他的技能缺乏护城河——短剧表演的可替代性太强。任何可以被标准化、流程化的工作,长期看都会被技术侵蚀。
择业和投资一样,要选那些随着时间积累护城河越来越深的领域。医生的临床经验、老师对学生的理解、工匠的手感——这些需要时间和真实交互才能积累的东西,才是AI最难攻破的壁垒。
短期看,AI会淘汰大量岗位。长期看,它会倒逼人类做更「像人」的工作。
本质是护城河之争。OpenAI现在做的事,和当年的微软、苹果没区别——用生态锁定用户。
如果GPT-5.6的三个子模型真的能覆盖大多数应用场景,那开发者的迁移成本会越来越高。长期看,这种生态黏性比任何一个单点技术突破都值钱。
但科技行业的护城河比消费品浅得多,一个开源模型就能掀桌子。
本质是降低推理成本。就像好公司不需要每个决策都开会一样,好的AI也不需要每次都从零思考。
护城河从来不是重复劳动,是判断力。AI干掉了重复劳动,让判断力更值钱。这对真正优秀的科学家是好事。
本质是信息对称。以前观众、球员、裁判三方看到的信息不一致,误判是信息差造成的。芯片消除了信息差,让所有人站在同一水平线上。这是进步,不是退步。
本质是效率。市场经济中价格是最好的信号,峰谷定价让算力流向最需要它的人和时刻。长期看,这会让整个行业更健康。
本质是找到你自己的护城河。你有什么是别人抄不走的?如果答案是没有,那你要么别开始,要么先花时间造一个。
选专业和选股票一样,大多数人追涨杀跌。前几年计算机火的时候全都去学CS,毕业时行业可能已经在裁员了。真正的好选择是:找到你比别人更擅长的领域,然后深耕。你的复利不是从毕业开始的,是从大一开始的。
便宜买便宜货,这是消费者的理性选择。问题是,便宜能不能持续?亏本卖车不是商业,是慈善。
估值是未来的折现。180亿买的是成为AI时代Netflix的可能性。
问题在于:这个可能性有多大?Netflix当年用邮寄DVD颠覆了线下租赁,可灵用什么颠覆现有的视频内容生产方式?
商业模式还没跑通,估值先上天。这是AI赛道的常态,也是风险所在。
从商业本质看,超级应用需要满足两个条件:高频刚需和生态壁垒。支付宝阿宝现在占了一个高频——支付本身就是最高频的场景之一。
但真正的护城河是什么?是用户数据的深度和广度。微信靠社交沉淀了10年的关系链,这是阿宝短期追不上的。
反过来想,为什么支付宝非要做超级应用?它本来的支付场景已经足够稳固。做超级应用更像是防守反击——防止被微信支付进一步蚕食。
本质上,这是一个防御性布局,而非进攻性创新。能...
投资角度看,AI加速科研的最大价值不是发现本身,而是把不确定的长期赌注变成了可计算的短期回报。这会让更多资本愿意进入基础科研领域。
这笔账很简单:如果你这一年的市场价值大于15万,就别签。如果市场价值小于15万,先想想怎么提升自己,然后再回来谈。
社交的本质是护城河。微信的护城河是关系链,Pocket目前只有新鲜感。新鲜感不是护城河。
这个减脂换牛肉的活动,本质上是一个激励机制设计问题,而且设计得很聪明。
传统的健康宣传喜欢说教——健康重要、运动有益,但效果往往很差。为什么?因为激励太远、太抽象。
减1斤赘肉换1斤牛肉牛在哪里?第一,激励是即时的——你瘦一斤,马上就能吃到一斤肉。第二,激励是具体的——牛肉是实物,看得见摸得着。第三,激励是可量化的——没有模糊空间。
从行为经济学角度,这叫现时偏见修正。人们普遍更重视眼前的确...