Home

04.28.25: 即时之战

最近，京东高调宣布再次杀入外卖市场，引发了行业热议和资本市场的波动。表面上看，这又是一场熟悉的巨头跨界入侵戏码——电商巨头攻入本地生活腹地，与美团等玩家正面交锋。然而，简单地将其视为“卖货的”和“送饭的”互相抢地盘，可能忽视了这场竞争背后更深层次的战略逻辑和模式冲突。

在我看来，真正划分战线的，或许并非简单的“商品”与“服务”之分，而是两种根本不同的商业模式基因——“计划性”（Planned）与“即时性”（Immediacy）。这两种模式，深刻影响着用户心智、基础设施和核心能力，并最终决定了平台的扩张边界与面临的挑战。

计划性 vs 即时性

传统的行业分析视角，常聚焦于“品类战争”——谁在家电领域称雄？谁在生鲜市场领先？这种框架以企业经营的商品或服务类别为核心，分析市场份额、用户偏好和供应链能力。它在描绘特定赛道的竞争时直观易懂。

然而，当平台跨界日益频繁、模式创新层出不穷时，“品类”这把尺子开始显得力不从心：它不仅模糊了不同模式下的用户体验差异，更掩盖了平台竞争的新战场——从争夺用户的“钱包份额”（Share of Wallet）延伸到争夺用户的“即时需求份额”（Share of Moment）。

因此，我们需要一个更能穿透品类表象、触及商业模式本质的新分析框架。

这个新框架的核心，通过描绘两种典型的用户场景及其背后的支撑体系来展现：

这个框架关注的核心是：“用户当下是以哪种心智模式发出需求？平台需要何种能力基因去承接？”这有助于解释平台的扩张逻辑、竞争壁垒及跨界成败。

“计划性”巨头的“即时”困境

京东，作为中国“计划性”电商的标杆，其品牌心智与“品质保证”、“可靠物流”（尤其是次日达）紧密相连。用户选择京东，往往是基于对特定商品的需求，带有明确的计划，并愿意为可靠的履约等待。其强大的护城河建立在高效的中心化仓储、干线物流和精细化的供应链管理之上。

然而，当这样一家“计划性”基因强大的公司试图进入外卖这个典型的“即时性”市场时——一个据估算 2023 年整体规模已达约 6500 亿人民币的即时零售大赛道中的核心场景[1]——其面临的核心挑战，并非简单的增加一个餐饮品类，或是解决物流配送问题（这方面已有诸多讨论，京东自身也在通过小时达业务发力，如 2023 年双 11 期间其成交额同比增长 45%[2]，且可通过达达等方式部分缓解），而是如何打破用户心中那道根深蒂固的“心智次元壁”。这道墙不仅由习惯筑成，更由用户长期形成的特定信任、固定预期和品牌感受所加固：

“即时性”玩家的逻辑

与京东不同，美团的基因就是 “即时性”。它围绕“吃”这个最高频的即时需求起家，构建了强大的地推铁军、商家网络和即时配送体系，并将这套能力复用到酒旅、买菜、闪购等其他本地生活服务。美团做实物电商（如美团闪购），本质上仍是利用其“即时性”网络和用户习惯，去切入“物”的领域，根基未变。例如，其闪购业务订单量在 2023 年同比增长超过 40%[2]，2024 年 Q3 订单量据测算同比增长仍超 35%[3]，显示出强大的增长惯性。

Uber Eats 的成功也印证了这一点。Uber 的核心是“即时出行”，其用户心智、算法能力、司机网络（弹性运力）都与“即时性”高度相关。从“即时叫车”到“即时叫餐”，用户心智的跳跃更小，核心能力的协同性更强。这解释了为何 Uber 做外卖似乎比京东更“顺理成章”。其全球营收从 2019 年的约 19 亿美元飙升至 2024 年的约 137 亿美元[4]，并在 2023 年成为全球首家实现盈利的送餐平台[4]。当然，即便如此，它在特定市场仍面临激烈竞争，例如在美国，其市场份额（截至 2024 年 3 月约 23%）显著落后于 DoorDash（约 67%）[5]。

那么，拥有巨大流量和算法优势的抖音呢？它在“兴趣电商”领域取得了巨大成功，据报道其 2024 年电商 GMV 已达约 3.5 万亿人民币 [^6]。然而，在挑战美团本地生活核心（尤其是外卖）时，步伐相对谨慎。其本地生活业务 GMV（据报道 2023 年目标为 1500 亿人民币 [^7]）远小于电商体量。这恰恰说明，抖音的电商成功依赖成熟的“计划性”快递物流；而挑战美团外卖，则需攻克“本地商家服务”和“即时配送网络”这两大难题，这触及了美团的“即时性”基因腹地。抖音选择从到店团购等营销转化环节切入，或许正是认识到了这种根本性的差异。

超越品类

“即时性” vs “计划性”，为我们提供了一个超越传统品类划分的、更底层的分析框架：

理解这个框架，有助于我们更深刻地洞察：为何有些跨界看起来“邻近”却步履维艰？为何流量巨大的平台也难啃下某些硬骨头？平台竞争的壁垒究竟在哪里？

从“时长”到“时刻”

京东再次挥师外卖，勇气可嘉，但其真正的战场，或许并非仅仅在于补贴多少、覆盖多广，而在于能否跨越用户心中那道“计划性”与“即时性”的鸿沟。这不仅是资金、流量的比拼，更是两种商业模式基因和用户心智模型的碰撞。

一个值得深思的现象是：当企业，尤其是成功的巨头，陷入激烈的市场攻防战时，往往会将目光过多地聚焦于对手的动作、资源的调配（比如物流能力、补贴力度）。它们更擅长计算投入产出，优化运营效率，却容易忽视那个更基础、也更难改变的问题——用户心智。如何深刻理解目标用户在特定场景下的真实需求模式？如何在新领域重塑用户认知、建立新的品牌联想和使用习惯？这需要极大的耐心、同理心和战略定力。

互联网平台的竞争经历了几个阶段的演变。早期是从“流量份额” (Traffic Share) 之争走到了“时长份额”(Time Share) 之争，平台致力于让用户停留更久。但渐渐地我们发现，时间长短本身并不代表一切。用户大部分时间可能是被动消费内容，真正产生主动意图的“时刻”(Moment) 每天可能屈指可数。一些“边看边买”的尝试效果不佳，恰恰说明了被动时长与主动心智时刻的不匹配，用户沉浸在内容中时，购买决策甚至可能被抑制。在这个意义上，时长本身并非商业转化的万能钥匙。

随后，焦点转向了“钱包份额”(Wallet Share)，客单价和用户终身价值成为关键指标。然而，高客单价、低频次的“计划性”消费虽然能短期提升份额，但从用户粘性和习惯养成的角度看，其长期战略意义可能不如那些高频次、能捕捉更多用户“心动时刻”的“即时性”服务。

这或许意味着，平台竞争正走向对“时刻份额”(Moment Share) 的争夺。关键在于，谁能更敏锐地捕捉到用户那些转瞬即逝、未经计划的主动意图时刻？这些“时刻”一旦错过，需求可能就消失了。

从这个角度看，“即时性”平台在争夺“Moment Share”上具有天然优势。美团的崛起，正是因为它抓住了“吃”这个最高频的即时需求时刻。而京东此刻的挑战，以及所有平台未来的竞争，或许都关乎如何更有效地识别、捕捉并满足这些稍纵即逝的“用户时刻”。

这场看似围绕外卖或零售的竞争，实则是平台边界定义权的争夺，其核心已经超越了传统的“商品 vs 服务”或“线上 vs 线下”，进入了争夺用户“时刻”的深层竞争。谁能更有效地满足用户在不同时间颗粒度下的需求——无论是提前规划的购买，还是突如其来的渴望——谁就能在未来的竞争中掌握更大的主动权。

一点题外话

写到这里，我们都很容易想到：ChatGPT 这样的 AI 超级应用其实更有能力在抢夺“时刻份额”上占据优势：它已经能够代替人类进行深度搜索和研究，并可以在虚拟环境中访问电脑和手机，在 MCP 的帮助下，它能够连接成千上万的第三方工具。

能力拓展并不是最关键的。关键在于，AI 正在快速成为很多人下意识选择的第一工具，对于人脑中转瞬即逝的想法和问题，它几乎无所不知，即时响应。它没有历史包袱，界面简单，交互自然，在增加了记忆（Memory）功能后，可以逐渐学习到用户的偏好，形成个性化数据飞轮。

AI 在赢得一个又一个的“时刻”。

传统意义上的战略选择，无非是用时间换空间，数量换质量，“即时”往往不能“万能”，“万能”往往没有“品质”。而在 AI 出现之后，原有的帕累托最优被打破了，新的前沿和用户心智正在重新形成。真正突破边界的，并不来源于对于存量市场的攻防博弈，而在于探索未见之径。

刚刚读完《黄仁勋：英伟达之芯》（英文原著名为：The Thinking Machine），其中“零亿美元市场”的观念（由黄仁勋提出，指那些目前市场规模几乎为零，或者尚未被开发和认可的新兴市场）深入我心，如果没有对边缘市场的勇敢探索和长期耐心，而选择卷入竞争，英伟达大概率已经消失在历史尘埃中。书中说，黄仁勋现在还在支持数十个“零亿美元市场”的实验项目，很可能大部分都不会走向公众。

“必赢之战”是讲企业战略时经常讨论的问题。到底什么才是“必赢之战”？或者说，这个问题真的是一个正确的问题吗？

数据来源

  1. 根据商务部研究院发布的《即时零售行业发展报告（2024）》测算数据。URL: https://caitec.org.cn/upfiles/file/2024/11/20241213113011188.pdf
  2. 根据 21 经济网报道《即时零售“慢”下来》（2024 年 5 月 15 日）中引述的数据。URL: https://www.21jingji.com/article/20240515/herald/7052c85f4dc64e7e927c50e4b7f138f6.html
  3. 根据东方财富证券研报《美团 24Q3 点评：业绩超预期，关注核心本地协同效应释放》（2024 年 12 月 6 日）中的测算数据。URL: https://pdf.dfcfw.com/pdf/H3_AP202412061641205107_1.pdf
  4. 根据 ElectroIQ 网站发布的 Uber Eats Statistics (2025) 数据。URL: https://electroiq.com/stats/uber-eats-statistics/
  5. 根据 Bloomberg Second Measure 网站发布的美国餐食配送市场数据（截至 2024 年 3 月）。URL: https://secondmeasure.com/datapoints/food-delivery-services-grubhub-uber-eats-doordash-postmates/
  6. 根据第一财经（2025 年 2 月 14 日）: https://www.yicai.com/brief/102473196.html
  7. 根据东方财富证券研报《互联网格局演变系列报告（一） 本地生活竞争复盘》（2024 年 7 月 16 日）中引述的数据。URL: https://pdf.dfcfw.com/pdf/H3_AP202407161637974055_1.pdf

本周的 Links + Notes 包含 6 篇文章，从人才哲学、莫拉维克悖论和关税危机下的数字广告，最终出人意料的落脚在一些大学申请书上。

关于 Platform Thinking 周刊

自 2020 年创办以来，Platform Thinking 始终专注于解码科技创新的前沿趋势，为创业者、投资人和行业决策者提供独特视角和深度洞察。

我们提供：

付费订阅目前仅支持邮件形式。点击下方阅读全文链接，解锁完整内容，加入我们的思考者社群，支持独立分析与思考。

如果这篇文章对你有启发，欢迎点赞、转发、分享，让更多人看到。

Modern Meditations: Keith Rabois

这篇来自 Mario Gabriele 的访谈 Modern Meditations: Keith Rabois，深入探讨了硅谷关键人物 Keith Rabois 的思想内核。Rabois 不仅是 PayPal 黑帮的核心成员，也是 Square、Opendoor 等公司的重要推手和知名风险投资家。这篇访谈捕捉了他从法律界投身科技浪潮，再到塑造多家标志性企业的历程，并揭示了他关于人才识别、管理哲学、个人偶像、反直觉观点以及育儿理念的独特见解。这不仅仅是一次采访，更像是一次深入 Rabois 操作系统的机会，理解他是如何看待世界、做出决策并持续下注于未来的。

Keith-Rabois-Illustrated.png

Rabois 首先强调了他职业生涯的核心技能：识别人才。这不仅是早期投资的关键，也是建立伟大公司的基石。他点出了识别“alpha”人才的共通性与挑战性。

人才识别。建立公司和成为早期投资者之间有一个共同点——那就是识别人的“alpha”潜质。将其应用于创始人和员工时，技巧有所不同，但这两种情况下，你都在试图尽可能早地在其发展轨迹中识别出地球上最具潜力的人。这就是风险投资的艺术，在某种程度上，这也是你扩展高科技公司的方式。
Talent spotting. There’s a common denominator between building a company and being an early-stage investor – it’s identifying the alpha in people. The technique differs when applied to founders versus employees, but in both cases, you’re trying to identify the highest-potential people on the planet as early as possible in their trajectory. That’s the art of venture capital, and to some extent, it’s how you scale a high-tech company.

这种对早期识别人才近乎痴迷的追求，正是 Rabois 连接过去（PayPal 早期）与现在（作为 VC）的关键线索。他进一步分享了自己识别顶尖创始人的“体感”标准——必须在某个维度达到极致。

在抽象层面上，最常见的共同点是，这个人在某方面处于前万分之一到万分之十的水平。简单来说，当我与具有这种高潜力的创始人会面结束后，我通常会对自己说：“哇，我以前从未见过这样的人。” 我的意思是，这位创始人在某个维度上是我见过的最出色的。他们可能是最聪明的人、最坚韧的人、分析最严谨的人，或者拥有最强的销售能力、最好的设计直觉，或者最强的现实扭曲场。但在某个维度上，我必须感觉他们处于前万分之一的水平。如果你没有这种感觉，他们可能不会成为超级成功的创始人。

The most common denominator, at an abstract level, is that the person is between the top 1 basis point and top 10 basis points at something. To simplify it, when I walk out of a meeting with a founder that has that kind of high potential, I usually say to myself, “Wow, I’ve never met anybody like that before.” What I mean is that the founder is the best I’ve ever seen on a certain dimension. They could be the smartest person, most tenacious, most analytically rigorous, or have the greatest sales ability, best design instincts, or the strongest reality distortion field. But on some dimension, I have to feel like they are in the top 1 basis points. If you don’t feel that, they’re probably not going to be a super successful founder.

这个“万分之一”的标准，并非简单的量化，而是一种强烈的直觉信号——遇到真正非凡人物时的震撼感。这超越了简历和背景，触及了潜力的本质。Rabois 还补充了另一种识别模式：稀有特质的组合。

对此还有一个需要留意的细微变化。有时，你会发现某人身上重叠着一些很少组合在一起的特质。我记得 Reid Hoffman 在 2000 年 12 月让我坐下，向我解释为什么 Max Levchin 如此特别。“Max 是一流的技术专家。Max 是一流的商业头脑。世界上这样的人不到五个。” 这是在 Max 证明他的才能很久之前，但 Reid 明白他拥有这种不寻常的维恩图交集。Jack Dorsey 是这方面的另一个例子：一流的头脑、一流的商业战略家，并且是一位相当不错的技术专家。这是一种极其罕见的组合。

There is a slight variation on this to look out for. Sometimes, you find someone with an overlap of traits that are rarely combined. I remember Reid Hoffman sitting me down in December 2000 and explaining to me why Max Levchin was so special. “Max is a first-rate technologist. Max is a first-rate business mind. There are less than five of those people in the world.” This was long before Max had proven his talent, but Reid understood that he had this unusual Venn diagram overlap. Jack Dorsey is another example of this: a first-rate mind, a first-rate business strategist, and a reasonably good technologist. That’s an incredibly rare combination.

Reid Hoffman 对 Max Levchin 的评价，以及 Rabois 对 Jack Dorsey 的观察，都指向了一个深刻的洞察：跨界能力的稀缺性往往预示着巨大的潜力。这种模式识别能力，是理解 Rabois 投资哲学的关键。

在管理哲学上，Rabois 坦诚自己经历了一次重大转变，从结果驱动转向输入驱动，这源于他在不同公司的亲身经历。

输入与输出。当我在 PayPal 开始我的职业生涯时，我们是一个结果驱动的组织。现在，我已经几乎 180 度转变为信奉输入驱动的组织。在技术领域，这两种方法都有成功的例子。苹果和亚马逊更偏向输入驱动，而 Meta 和 Google 更偏向结果驱动。我不认为用任何一种方法都不可能成功，但我发现有一种风格更适合我。我在 Slide 和 Square 的经历影响了我在这方面的看法。Slide 是结果驱动的，并不成功，而 Square 是 100% 输入驱动的，非常成功。

Inputs versus outputs. When I started my career at PayPal, we were an outputs-driven organization. Now, I’ve flipped pretty much 180 degrees to believing in inputs-driven organizations. There are successful examples of both approaches in technology. Apple and Amazon are more input-driven, while Meta and Google are more output-driven. I don’t think it’s impossible to succeed with either approach, but I’ve found that one style works better for me. My experiences at Slide and Square informed my opinion here. Slide was output-driven and not successful, while Square was 100% inputs-driven and very successful.

谈及影响深远的人物，Rabois 对玛格丽特·撒切尔的推崇贯穿始终，视其为原则性领导力的典范。

玛格丽特·撒切尔。几乎所有你需要学习的重要东西，都可以从她的职业生涯中学到。从我上初中，甚至可能更早的时候起，她就一直是我的偶像。对我来说，她是原则性领导力的榜样，不接受现状或惯性，并且总是做正确的事情，即使那并不受欢迎。现实是，当时的英国基本上正在分崩离析。那是一个腐败、社会主义、非平等主义、精英主义的世界。撒切尔通过她的意志力、精力和智慧，以许多不同的方式重振了这个国家。

Margaret Thatcher. Almost everything important you need to learn, you can learn from her career. She’s been my idol since I was in junior high school, maybe even earlier. To me, she’s an example of principled leadership, not accepting the status quo or inertia, and always doing the right thing, even when that wasn’t popular. The reality is that the UK was basically falling apart. It was a corrupt, socialist, non-egalitarian, elitist world. Thatcher reinvigorated the country in many, many different ways through her force of will, energy, and intelligence.

Rabois 对撒切尔的敬佩，不仅仅是对一个政治人物的认可，更是对其挑战现状、坚持原则、凭借意志力改变格局的精神的认同。这与他在科技界勇于打破常规、推动变革的行事风格一脉相承。

Rabois 的思想中不乏逆流而上的观点，其中之一就是他对压力的看法，这与主流观念大相径庭。

其次，我相信你能为自己做的最好的事情就是 增加 生活中的压力。基本上，我们被教导的关于压力的一切都是错误的。如果你想更快乐，你的生活中需要更多的压力，而不是更少。你要拥抱压力。我这样生活了 50 年。这在 2013 年极具争议，至今仍在公共领域引发相当大的热议。

Second, I believe the best thing you can do for yourself is to increase the stress in your life. Basically, everything we’ve been taught about stress is wrong. If you want to be happier, you want more stress in your life, not less. You want to embrace stress. I’ve lived my life that way for 50 years. That was highly controversial in 2013 and still generates a fair amount of heat in the public domain today.

这种“拥抱压力”的哲学，看似反常，却可能解释了为何他能在高强度的创业和投资环境中持续保持能量和敏锐度。这是一种将挑战视为成长催化剂的世界观，而非需要规避的负担。

这种直面挑战、而非规避风险的理念，也延伸到了他对育儿的看法上，他提倡回归更“放手”的养育方式。

我们应该回到 20、30、40、50、60 年前抚养孩子的方式。我的父母给了我难以置信的自由度，这在今天是几乎无法想象的……将孩子与世界隔绝是不健康的。他们越快地吸取现实世界的教训越好。例如，在我家，我们没有为孩子在楼梯周围设置传统的门栏。相反，从很小的时候起，我们就教他们上下楼梯可能很危险，并向他们展示如何安全地做到这一点……这两个都是简化的例子，但我认为它们说明了我们应该如何培养孩子应对现代世界。我们不应该将他们与这些事物隔离开来，而应该教他们如何面对和管理挑战。

We should revert to raising children the way we did 20, 30, 40, 50, 60 years ago. My parents gave me an incredible degree of freedom that would be almost unfathomable today... Insulating kids from the world is not healthy. The faster they absorb real-world lessons, the better. In my house, for example, we don’t have traditional gates for kids around stairs. Instead, from a very early age, we taught them that navigating the stairs can be dangerous and showed them how to do it safely... These are both simplified examples, but I think they illustrate how we should be raising kids to deal with the modern world. We shouldn’t be insulating them from these things but teaching them how to confront and manage challenges.

从不装楼梯护栏这个具体细节，我们可以看到 Rabois 的核心信念——无论是对孩子还是对创始人，过度保护和屏蔽风险，不如早期教育他们如何识别和驾驭风险。这与他“拥抱压力”的观点形成了呼应，强调了直接经验和自主应对的重要性。

Robot Dexterity Still Seems Hard

建筑科技专家 Brian Potter 在本文中深入探讨了一个在人形机器人领域日益突出的矛盾：尽管机器人在移动、平衡甚至完成复杂动作（如后空翻）方面取得了惊人的进步，吸引了大量投资和关注，但它们在执行需要“灵巧性”的日常任务方面仍然步履维艰。这篇分析提醒我们，不能仅凭运动能力的演示来判断人形机器人的真正进展，其核心挑战在于与物理世界的精细互动。

文章观察到，当前许多人形机器人的演示虽然在视觉上令人印象深刻，但可能分散了我们对核心问题的注意力——即机器人的操纵能力。正如前 OpenAI 首席研究官 Bob McGrew 指出的那样，决定人形机器人实用价值的关键在于它们与真实世界物体的交互能力，而非运动本身。

尽管这些能力很多都令人印象深刻，但在我看来，机器人的进展似乎仍然有些不均衡。看到这些机器人以如此像人的方式移动是很酷，但正如前 OpenAI 首席研究官 Bob McGrew 指出的那样，“操纵是我们需要解决的难题，以使人形机器人变得有用，而不是运动能力。”人形机器人的价值不在于它是否能跳舞、跑步或翻转，而在于它在现实世界中操纵物体的能力如何。而且，尽管操纵能力正在提高，但它们似乎还有很长的路要走。

While a lot of these capabilities are impressive, robot progress still seems somewhat uneven to me. It’s cool to see these robots move in such human-like ways, but as former OpenAI Chief Research Officer Bob McGrew notes, “Manipulation is the hard problem we need to solve to make humanoid robots useful, not locomotion.” The value of a humanoid robot isn’t whether it can dance, run, or flip, but how capable it is at manipulating objects in the real world. And while manipulation capabilities are improving, they appear to have a very long way to go.

那么，这种难以捉摸的“灵巧性”究竟是什么？文章将其与机器人已经能够实现的精确、受控运动区分开来。真正的灵巧性意味着能够快速、灵活地处理各种各样的物体，即使是在从未遇到过的情况下——这是人类与生俱来的能力，却是机器人面临的巨大障碍。

机器人传统上一直难以掌握的不是受控的、精确的运动，而是灵巧性，这可以理解为“快速、即时地以多种多样的方式操纵各种各样的物体的能力”。人类几乎可以完成你要求他们做的任何物体操纵任务——折叠一件衣服、打开一加仑牛奶、用布擦掉溢出物——即使是他们从未遇到过的物体和/或任务。另一方面，对于机器人来说，虽然通常可以自动化任何特定的任务（给定合适的硬件、足够的时间和足够狭窄的任务定义），但构建一个能够在新的或高度变化的环境中灵活执行各种动作的机器人要困难得多。

What robots have traditionally struggled with isn’t controlled, precise movements, but dexterity, which is something like “the ability to manipulate a broad variety of objects in a broad variety of ways, quickly and on the fly.” Humans can complete almost any object manipulation task you ask them to do — folding a piece of clothing, opening a gallon of milk, wiping up a spill with a cloth — even if it's an object and/or task they’ve never encountered before. With robots, on the other hand, while it’s usually possible to automate any specific task (given the right hardware, enough time, and a narrow enough task definition), building a robot that can flexibly perform a variety of actions in a novel or highly variable environment is much harder.

这种“简单任务反而更难”的现象，正是我们所熟知的莫拉维克悖论 (Moravec's Paradox) 的体现。它解释了为什么对人类来说轻而易举的物理操作（如打开创可贴）对机器来说却异常困难，尽管机器在抽象推理（如下棋、做微积分）方面早已超越人类。这揭示了智能的一种反直觉特性：高级认知能力比基本的感知运动技能更容易复制。

这是所谓的莫拉维克悖论的一个例子：那些似乎需要大量智能的任务通常相对容易让机器完成，而对人类来说简单的任务通常自动化起来却极其困难。让计算机做微积分是小事一桩，但制造一个能解开创可贴并贴上的机器人——一个两岁孩子都能做到的事——却要困难得多。

This is an instance of what’s known as Moravec’s Paradox: the idea that tasks that seem to require a lot of intelligence are often relatively easy to get a machine to do, while tasks that are simple for humans are often incredibly difficult to automate. It’s trivial to get a computer to do calculus, but building a robot that can unwrap a bandaid and put it on — something a two-year-old can do — is massively more difficult.
Apptronik-Apollo-trying-to-align-two-parts.png

理论阐述之外，文章通过对 1X Neo 机器人演示的具体观察，生动地展示了当前技术的局限性。这些“笨拙”的瞬间——按下按钮时手指滑脱、难以握紧水壶把手、折叠衣物时的挣扎、拿起鸡蛋时的僵硬——并非个例，而是普遍存在于当前人形机器人与物理世界交互的尝试中。这些细节“展示”了灵巧性挑战的真实面貌。

在上面那段 1X 的 Neo 展示其能力的 TED 演讲视频中，机器人首先拿起一个吸尘器并按下一个按钮来启动它，但它并没有顺利地按下按钮（它的手指似乎先是错过了按钮然后滑了过去）。当 Neo 抓住一个浇水壶时，它很难将手指环绕在把手上并紧紧握住…… Neo 很难叠好一件衬衫（这不奇怪，因为叠衣服长期以来一直是让机器人做的极其困难的任务），而且虽然它成功地捡起了一个鸡蛋，但动作却很生硬和不精确。

In the TED Talk above where 1X’s Neo displays its capabilities, the robot starts by picking up a vacuum cleaner and pushing a button to turn it on, but it doesn’t push the button smoothly (its finger seems to first miss the button then slide over). When Neo grabs a watering can, it has a hard time putting its fingers around the handle and gripping it tightly... Neo struggles to fold a shirt (not surprising, as folding clothes has long been a fiendishly difficult task to get robots to do), and while it successfully picks up an egg, the motion is jerky and imprecise.

这种灵巧性上的挣扎，根源在于硬件和软件两方面的瓶颈。硬件层面，当前的机器人手虽然日益复杂，但在力量、精密度，尤其是触觉反馈方面，与人手相比仍有巨大差距。人手密布的感受器提供了丰富的实时信息，引导我们完成精细操作，这是目前机器人硬件难以企及的。

据我所知，灵巧操作的困难部分是硬件问题，部分是软件问题。在硬件方面，当前的机器人操纵器远不及人手那么能干。人手非常有力，同时能够进行复杂而精确的运动…… 更重要的是，人手极其敏感，能够提供大量的触觉反馈来帮助指导我们的行动。一只人手大约有 17,000 个触觉感受器…… 机器人手正在变得更好，但似乎仍然无法接近人手的水平。

From what I can tell, difficulties in dexterous manipulation are partly a hardware problem and partly a software problem. On the hardware side, current robotic manipulators are very far from being as capable as a human hand. Human hands are very strong while being capable of complex and precise motions... More importantly, human hands are extremely sensitive, and capable of providing a lot of tactile feedback to help guide our actions. A human hand has around 17,000 touch receptors... Robot hands are getting better, but still don’t appear to be close to what a human hand can do.

然而，文章也指出，问题并非仅仅在于硬件。即使硬件能力有限（如截肢者使用的假肢或某些研究中的简单夹爪），人类或特定软件也能展现出惊人的操作技巧。这说明，能够智能地规划动作序列、并根据环境反馈实时调整的软件同样至关重要，而这方面的软件技术目前仍处于早期阶段。

但是，获得更好、更便宜的硬件（可能）只是灵巧性问题的一部分。人类即使完全没有手也能做到极其灵巧：截肢者仅用钩子就能快速而精确地仔细操纵各种各样的物体。令人印象深刻的 Gemini 演示也是用非常有限的机器人操纵器完成的。能干的机器人硬件需要与能够排序正确动作、并根据环境反馈进行调整的软件相匹配，而目前这类软件似乎仍处于萌芽状态。

But getting better, cheaper hardware is (probably) only part of the dexterity problem. Humans are capable of being incredibly dexterous without hands at all: amputees can carefully manipulate a wide variety of objects quickly and precisely using only hooks. The impressive Gemini demonstrations are also done with very limited robotic manipulators. Capable robotic hardware needs to be paired with software that can sequence the right actions, and make adjustments based on environmental feedback, and right now this sort of software still seems nascent.

这种挑战的艰巨性和长期性并非危言耸听，行业资深人士也持有相似观点。机器人专家 Rodney Brooks 的预测——到 2036 年之后，可部署的人形机器人的灵巧性与人类相比仍将是“可悲的”——为我们设定了一个清醒的时间预期。这提醒我们，在评估人形机器人的潜力时，必须认识到实现真正通用灵巧性的道路依然漫长。

人形机器人（以及一般机器人）在灵巧性方面仍然困难重重，这并非什么秘密。机器人专家 Rodney Brooks 最近预测，到 2036 年以后，可部署的人形机器人灵巧性与人类相比将是“可悲的”(pathetic)。

The fact that humanoids (and robots in general) still struggle with dexterity isn’t exactly a secret. Roboticist Rodney Brooks recently predicted that deployable humanoid robot dexterity will be “pathetic” compared to humans beyond 2036.

Epizone AI: Outside the Code Stack

本文来自科技思想家 Kevin Kelly。文章的核心观点颇具启发性：人工智能的真正颠覆性力量，并非仅仅源于其代码的迭代速度，而在于它能否在代码之外，发展出一种类似人类文化的“外延区域”（Epizone）。正如人类文明的进步远超基因演化的范畴，AI 若想深度融入并重塑我们的世界，也需要构建一个属于自己的、运行在更慢“文化”时间尺度上的生态系统。

人类：基因与文化的双重塑造

文章开篇便通过一个深刻的类比，提醒我们审视自身：人类的独特性不仅来自生物基因，更在于我们世代传承、不断演化的文化。作者指出，理解这一点对于我们思考 AI 的未来至关重要。

理解我们自身人性的最重要的科学洞见之一，是相对较近才认识到的：我们不仅仅是基因演化的产物。虽然我们是过去某种类猿生物的基因后裔，但我们现代人类的每一代也都被一种通过生物学之外的不同机制传递的共享学习所塑造。这种人类创造的环境通常被称为“文化”，它构成了我们认为我们物种最优越的大部分特质。文化在我们的生活中如此普遍，尤其是在现代都市生活中，以至于它变得无形且难以识别。但如果没有人类文化的支持，我们人类将面目全非。

One of the most significant scientific insights into understanding our own humanity was the relatively recent insight that we are the product of more than just the evolution of genes. While we are genetic descendents of some ape-like creatures in the past, we modern humans are also molded each generation by a shared learning that is passed along by a different mechanism outside of biology. Commonly called “culture”, this human-created environment forms much of what we consider best about our species. Culture is so prevalent in our lives, especially our modern urban lives, that it is invisible and hard to recognize. But without human culture to support us, we humans would be unrecognizable.

这里的洞察在于，文化并非人类发展的附加品，而是核心驱动力。它提供了一个平行于生物遗传的、更快速灵活的知识与行为传递系统。

但在人类这里，我们启动了一种扩展的进化，它在 DNA 代码之外传递美好的事物，这些事物嵌入在家庭、氏族和整个人类社会所传达的文化中。从一开始，这种文化就包含了法律、规范、道德、最佳实践、个人教育、世界观、对世界的认知、可学习的生存技能、利他主义，以及一个关于现实的来之不易的知识库。虽然个别社会已经消亡，但人类文化作为一个整体持续扩展、深化、成长和繁荣，使得每一代都能从这种积累中受益。

But in humans, we launched an extended evolution that transmits good things outside of the code of DNA, embedded in the culture conveyed in families, clans, and human society as a whole. From the very beginning this culture contains laws, norms, morals, best practices, personal education, world views, knowledge of the world, learnable survival skills, altruism, and a pool of hard-won knowledge about reality. While individual societies have died out, human culture as a whole has continued to expand, deepen, grow, and prosper, so that every generation benefits from this accumulation.

这段话描绘了“文化”这个非遗传信息系统的强大功能——它允许经验、规范、伦理和技能跨越个体生命周期进行积累和传播，形成了人类社会复杂而坚韧的结构。这正是人类区别于其他物种，能够快速适应和改造环境的关键。

AI 的进化瓶颈：从代码到文化

Kelly 随后将这一洞见投射到 AI 领域，提出了一个引人思考的观点：当前 AI 的发展，虽然在代码层面突飞猛进，但其影响力的广度和深度受限，因为它仍主要停留在“基因”（代码）层面。要实现真正的突破，AI 需要发展出自己的“文化层”。

我建议，AI 不会颠覆人类日常生活，除非它也从一种类似基因的代码基础基质迁移到一个广泛的、异质的、类似文化的平台。AI 需要拥有自己的文化才能更快地进化，就像人类一样。它不能仅仅停留在改进软件/硬件功能的线索上；它必须成为一个由实体组成的嵌入式生态系统，这些实体在代码堆栈之外进行适应、学习和改进。这个 AI 的外延区域（epizone）将使其能够进行文化进化，就像人类社会为人类所做的那样。

I propose that AI will not disrupt human daily life until it also migrates from a genetic-ish code-based substrate to a widespread, heterodox culture-like platform. AI needs to have its own culture in order to evolve faster, just as humans did. It cannot remain just a thread of improving software/hardware functions; it must become an embedded ecosystem of entities that adapt, learn, and improve outside of the code stack. This AI epizone will enable its cultural evolution, just as the human society did for humans.

这不仅仅是一个类比，更指出了 AI 未来发展的关键路径。如果 AI 仅仅是更聪明的代码，它可能永远只是工具。但如果 AI 能发展出类似“文化”的生态——包含共享知识、行为规范、价值判断、协作模式等——它才可能成为与人类社会深度交织、共同进化的力量。

构想 AI 的“Epizone”

那么，这个 AI 的“文化层”或“外延区域”具体会是什么样子？作者给出了一幅生动的图景，强调了人类在其中扮演的关键角色，以及它所包含的复杂社会性元素。

AI 文明需要一个在技术堆栈之外运行的类似的外延区域。它始于人类日常使用 AI，以及由 AI ‘低语者’（whisperers）传授的新兴 AI 协作技能集。将会有对齐协议（alignment protocols），以及塑造 AI 道德观的学校。将会有‘萨满’和医生来监控和培育 AI 的‘心理健康’。需要有企业内部 AI 的最佳实践，以及监督其角色的审查委员会。需要有审查、雇佣和推荐各种 AI 物种的新机构。需要有能最佳协同工作的 AI 协会。需要整个部门来为特定角色和应用训练 AI，因为某些类型的训练需要时间（而不仅仅是下载）。AI 自身将进化出仅限 AI 使用的‘内部语言’（interlinguals），这需要机制来保存和归档。将会有相互依赖的 AI 生态系统。会有监管其他 AI 的 AI。AI 需要内容库、中间权重、潜在空间和需要被记住而不是重新发明的 PB 级数据。还需要人类代理来管理这个 AI 外延区域在地方、国家和全球层面的购买和维护。这是一个 AI 的文明。

AI civilization requires a similar epizone running outside the tech stack. It begins with humans using AI everyday, and an emerging skill set of AI collaboration taught by the AI whisperers.There will be alignment protocols, and schools for shaping the moralities of AIs. There will be shamans and doctors to monitor and nurture the mental health of the AIs. There needs to be corporate best practices for internal AIs, and review committees overseeing their roles. New institutions for reviewing, hiring and recommending various species of AI. Associations of AIs that work best together. Whole departments are needed to train AIs for certain roles and applications, as some kinds of training will take time (not just downloaded). The AIs themselves will evolve AI-only interlinguals, which needs mechanisms to preserve and archive. There’ll be ecosystems of AIs co-dependent on each other. AIs that police other AIs. The AIs need libraries of content and intermediate weights, latent spaces, and petabytes of data that need to be remembered rather than re-invented. There are the human agents that have to manage the purchase of, and maintenance of, this AI epizone, at local, national and global levels. This is a civilization of AIs.

这段描述极具画面感：它暗示着一个包含伦理、治理、教育、协作规范、甚至“心理健康”概念的完整生态系统。这不再是纯粹的技术问题，而是社会、文化、制度建设的综合挑战。这为我们思考 AI 治理、人机协作以及未来工作形态提供了更广阔的视角。

步调层级：理解 AI 融合的速度

最后，作者引入了 Stewart Brand 的“步调层级”（pace layers）理论，为我们理解 AI 技术发展速度与其社会融合速度之间的差异提供了一个绝佳的框架。

pace-layer.png
Stewart Brand 设计了一个优美的类比来理解文明的特征。他解释说，世界的功能可以按其步调层级排序，每个层级都依赖于其下的所有层级。运行最快的是时尚层，每天都在波动。紧随其后的是技术层，包括 AI 技术，它以周为单位变化。在其下方（并依赖于它）的是基础设施层，移动得更慢，再往下更慢的是文化层，相比之下简直是爬行。（在最低、最慢的层级是自然，其速度如冰川般缓慢。）所有这些层级同时运作，相互影响，许多复杂事物横跨多个层级。人工智能也在多个层级上运作。它的代码库以互联网速度改进，但它的吸收和部署则以文化层级的速度运行。为了让 AI 真正得以实施，它必须被人类文化所‘捕获’。这将需要时间，也许是几十年，因为这就是文化的速度。无论技术运行得多快，AI 文化都会运行得更慢。

Stewart Brand devised a beautiful analogy to understand civilizational traits. He explains that the functions of the world can be ranked by their pace layers, which depend on all the layers below it. Running the fastest is the fashion layers which fluctuate daily. Not far behind it in speed is the tech layer, which includes the tech of AI. It changes by the week. Below that, (and dependent on it), is the infrastructure layer, which moves slower, and even slower below that is culture, which crawls in comparison. (At the lowest, slowest level is nature, glacial in its speed.) All these layers work at the same time, and upon each other, and many complex things share multiple levels. Artificial Intelligence also works at several levels. Its code-base improves at internet speed, but its absorption and deployment runs at the cultural level. In order for AI to be truly implemented, it must be captured by human culture. That will take time, perhaps decades, because that is the pace of culture. No matter how quick the tech runs, the AI culture will run slower.

这个“步调层级”模型极具洞察力。它解释了为何 AI 技术进展神速，但其对社会结构的根本性影响似乎进展缓慢。技术（快层）的突破，必须渗透并被更慢的文化层、基础设施层所接纳、适应和塑造，才能真正产生深远变革。这提醒我们，对 AI 的未来影响需要有耐心，并认识到真正的整合是一个涉及多层面、需要时间的社会过程，而非简单的技术部署。

An Interview with Eric Seufert About Digital Advertising During Political Uncertainty

在本期 Stratechery 访谈中，Ben Thompson 与广告技术专家、Mobile Dev Memo 的作者 Eric Seufert 深入探讨了当前地缘政治和监管环境对数字广告生态系统产生的深远影响。Seufert 以其对移动广告和平台经济的深刻理解而闻名，他的分析总是能切中要害，揭示复杂动态背后的核心逻辑。这次对话尤其聚焦于潜在的关税、反垄断行动以及平台自身策略演变如何重塑广告主、平台和消费者的互动格局。

这次访谈的核心围绕着一系列外部压力（如关税、反垄断）和内部演变（如黑盒广告、平台策略调整）如何共同作用于数字广告市场，特别是对 Meta 和 Google 这样的巨头，以及更广泛的依赖广告的商业模式。

Seufert 首先剖析了潜在的对华关税对依赖中国商品的电商广告主可能造成的直接冲击，这直接关系到 Meta 等平台的收入命脉：

因此，许多这类电子商务公司，以及 Meta 历史上所说的大部分广告收入——电子商务是他们最大的广告主细分领域，而 DTC（直接面向消费者）是其中的一个子细分领域——他们销售的是中国制造的商品。因此，如果这些商品变得更加昂贵，他们只有两种选择。选择是：‘我要么承担增加的生产成本并维持价格’，这样我的转化率保持不变，但利润率会收缩，但很多这类公司都在以极低的利润率运营，所以如果他们没有这个选项，唯一的另一个选择就是将成本转嫁给消费者。在这两种情况下，ROAS（广告支出回报率）都会下降，所以我的 ROAS 下降了，我就会减少支出。如果我的 ROAS 下降，我的预算就会下降，这是数字广告的基本动态。如果你的预算下降，那么你在 Meta 上的花费就会减少，所以这是最严峻的威胁。

And so, a lot of these e-commerce companies, and a lot of this, the bulk of Meta, and what they’ve said historically, is that e-commerce is their biggest advertiser segment, and DTC is a sub-segment there, which is direct-to-consumer, they’re selling things that are made in China. And so if those things become much more expensive, they have two choices. The choices are, “I either eat the increased cost of production and I maintain the price”, and so my conversion rate is the same, but my margin shrinks, but a lot of these companies are working on razor-thin margins and so if they don’t have that option, the only other option is to pass cost along to the consumer. In either of those cases, the ROAS [return on advertising spend] decreases, so my ROAS decreases and I spend less. If my ROAS goes down, my budget goes down, that’s the fundamental dynamic of digital advertising and if your budget goes down, then you’re spending less money on Meta, so that is the most acute threat.

这里的关键在于，关税影响的并非个别广告主，而是整个依赖中国供应链的电商生态。Seufert 进一步强调了这种系统性风险的严重性：

问题在于，如果你看关税，它是系统性的。所以当它是系统性的时候，你担心的是整个支出基础，问题就出在这里。因此，如果你有这种基础广泛的关税，那么不仅仅是依赖中国商品的电子商务广告主在这里面临风险，因为他们的产品更贵了，他们要么承担成本，要么转嫁成本。无论哪种方式，ROAS 都在下降。而且，你还有这整个中国广告主群体，他们基本上无法再在美国投放广告了，因为商品的成本将爆炸式增长。我的意思是，它会翻倍还多。

The problem is, if you look at a tariff, it’s systemic. So when it’s systemic, you are worried about the entirety of the spending base, that’s where the problems come. So if you have this broad-based tariff where not only are the e-commerce advertisers that are dependent on Chinese goods at risk here, because their products are more expensive, they have to either eat the cost or pass it along. Either way, ROAS is going down. But then, you’ve got this entire base of Chinese advertisers who basically can’t advertise in the US anymore, because the cost of the goods is going to explode. I mean, it’s going up more than double.

这种系统性冲击不仅直接打击美国本土依赖中国制造的 DTC 品牌，也可能切断来自中国本土品牌（如 Shein、Temu）在美国市场的大量广告投放，这对 Meta 和 Google 的广告收入构成双重打击。这与失去几个大客户不同，它动摇的是平台广告收入的根基。

在这种宏观经济不确定性加剧的背景下，Seufert 提出了“小平台综合症”（Small Platform Syndrome）的概念，解释了为何经济下行时广告预算会向头部平台集中：

那么受打击最严重的平台是那些最依赖品牌的平台。因为在经济衰退中，品牌支出会收缩，公司会将支出转向直接响应，他们会从漏斗顶部移到底部，开始购买收入。在这种情况下，那么你谈论的，可能就是我所说的‘小平台综合症’真正开始发作。那些拥有最好工具、能接触到最好数据、拥有最好模型的最大平台，它们并没有受益，但它们损失最少。

Then the platforms that are hit the worst are the ones that are most dependent on brand. Because in a recession, the brand spend pulls back, and companies shift spend in a direct response, they go top of funnel, bottom of funnel, and they start buying revenue. In that case, then you’re talking about, probably what I’ve called, Small Platform Syndrome really kicking in. It’s the biggest platforms that have the best tools, that have the access to the best data, that are best models, they’re not benefiting, but they’re losing the least.

这揭示了一个重要的市场动态：在寻求确定性和效率的压力下，广告主会优先选择那些能提供最可靠、可衡量效果（通常是直接响应类广告）的大型平台，如 Meta、Google 和 Amazon。小型或新兴广告平台，尤其是侧重品牌广告的，将在这种“向安全地带转移”（flight to safety）的趋势中承受更大的压力。这是一种在危机时期反复出现的模式，技术和数据优势进一步巩固了头部平台的地位。

对话随后转向了监管层面，特别是欧盟可能对美国平台征收报复性数字广告税的讨论，以及美国司法部（DOJ）针对 Google 的广告反垄断案。Seufert 对潜在的欧盟广告税发出了严厉警告，认为其后果难以预测且可能极具破坏性：

我把它比作 Walter Peck 走进捉鬼敢死队总部说‘把这个收容单元打开’，你不知道那会产生什么影响。我认为这几乎不可能模型化，但问题是，这不仅仅会伤害平台，认为只有平台会受影响的想法是荒谬的，那是如此的天真，完全不理解这些平台在更广泛经济中所扮演的角色。欧盟的每一个零售商都会因此受到伤害，每一个。我不知道这是否会引发衰退，但这会在那些依赖这些平台向国内民众推广商品的本地经济体中引发巨大的摩擦。这不仅仅是让美国公司受益的问题，我认为这将是一项灾难性的政策。

I liken that to Walter Peck walking into the Ghostbusters headquarters and saying, “Just open up this containment unit”, you don’t know what effects that’s going to have. I think it’s almost impossible to model out, but the problem is it’s not going to just hurt the platforms, that’s absurd to think that, that’s just so naive to think that the platforms are going to be the only ones that are affected, that just belies a complete misunderstanding of the role that these platforms have in the broader economy. Every retailer in the EU would be hurt by that, every single one. I don’t know if it would trigger a recession, but that would trigger a massive amount of friction on those local economies that are dependent on these platforms for promoting their goods to people domestically. It’s not a function of just benefiting the US firms, I think that would be a disastrous policy.

这个生动的比喻强调了数字广告平台与实体经济的深度融合。任何试图割裂这种联系的激进政策，都可能产生远超预期的负面连锁反应，影响到无数依赖平台进行营销推广的本地企业。这种“牵一发而动全身”的复杂性，正是政策制定者需要审慎考量的。

谈及 Google 的反垄断败诉，Seufert 坦言对判决结果感到意外，特别是关于“消费者损害”的认定，他认为论证过程有些抽象：

但我的感觉是，我们也在你的播客上谈过这个，我说我认为 DOJ 很难证明消费者受到了损害。看，法官提出了论点，这是公平的，只是有点抽象。看，这里缺乏竞争，导致了创新不足，所以即使 DOJ 承认如果需求没有通过 AdX 汇集，这些广告就不会被售出。如果那里有更多的竞争，我们可以论证说，它们有可能（被售出），但他们压制了竞争，以至于 Google 是唯一的，唯一能够以他们能达到的价格填充这些广告位的复杂服务提供商。

But my sense was, and we talked about this on your podcast, I said I thought that the DOJ would have a hard time proving consumer harm and look, the judge made the case, and it’s a fair point, it’s just a little abstract. Look, there was a lack of competition here, it resulted in a lack of innovation and so even though the DOJ acknowledged that if the demand wasn’t being funneled through AdX, that these ads wouldn’t be sold. If there had been more competition there, we can make the case that it’s possible that they would’ve been, they suppressed competition to the point where Google was the only one, the only sophisticated provider of the service that could fill these impressions at the prices they could.

这反映了评估平台垄断影响的困难之处：即使 Google 的行为确实限制了竞争和创新，但其提供的集成化服务在当时的市场环境下，可能确实为发布商带来了比其他分散选项更高的收益。如何量化“本可能发生但未发生的创新”所造成的损害，是一个棘手的法律和经济问题。

Seufert 接着对庆祝 Google 败诉的发布商发出了“小心你的愿望”（Be careful what you wish for）的警告，点明了 Google 作为开放网络“不完美的恩人”的角色：

小心你所期望的。这就是我明天要写的内容，明天的文章叫做《Google 是开放网络不完美的恩人》。因为你猜怎么着？好吧，法官说 Google 是垄断者。再说一次，我不质疑法官的智慧，Google 是垄断者——猜猜苹果在 Safari 中实施 ITP（智能追踪阻止）后的 CPM 影响是什么？现在，请记住，ITP 在整个 iOS 上都适用。它适用于 Chrome、Firefox 等等……Google 对需求和供应方的控制——是的，他们非常敌对，我同意，我不否认这一点。纵观整个案例，Google 对其广告主和发布商客户的立场非常敌对，这是无可辩驳的。但这样做的 CPM 影响是什么？发布商与 Google 合作赚的钱比与其他任何人合作都多。”

Be careful what you wish for. So this is what I’m writing about for tomorrow, the piece tomorrow is called Google is an Imperfect Benefactor of the Open Web. Because guess what? Okay, the judge said Google’s a monopoly. Again, I don’t dispute the judge’s wisdom, Google is a monopoly — guess what the CPM effect was of Apple implementing ITP [Intelligent Tracking Prevention] in Safari? Now, keep in mind, ITP applies across iOS. It applies to Chrome, Firefox, everything. ... Was Google’s control of the demand and supply side — and yes, they were very hostile, I agree, I’m not disputing that. Going through the case, it’s irrefutable that Google had a very hostile positioning toward its advertiser and publisher clients, no dispute. What was the CPM impact of that? Publishers made more money working with Google than they made with anybody else.

这提出了一个关键的反思：尽管 Google 的市场主导地位和某些做法值得批评，但其广告网络在很大程度上支撑了开放网络的商业模式。强制拆分或削弱 Google 的广告业务，可能会移除其继续支持开放网络（如通过 AdSense 等为网站提供收入）的关键经济动机。正如苹果 ITP 政策对移动网页 CPM 造成的普遍性打击一样，破坏 Google 的广告生态系统可能最终损害那些依赖其实现盈利的发布商。

Seufert 进一步推演了这种潜在后果：

你可能会说，“小心你所期望的”，因为如果他们失去了 Google 网络业务的某一部分，可能是供应方，也可能是需求方，他们就没有任何动力去支持开放网络了。他们已经在做什么了？他们已经在 Google 搜索的整个首屏部分插入 AI 概览。如果他们说，‘看，我们再也不关心开放网络了，我们无法从中变现’，那么他们就会优先考虑所有与他们有数据许可协议的公司，比如 Reddit，在 AI 概览中优先展示这些结果，将流量引向它们，建立这种反馈循环，并在 AI 概览上投放的广告中赚钱。”

And you might say, “Be careful what you wish for”, because if they lose whichever part of the Google network business, it could be the supply side, could be the demand side, they have zero incentive to support the open web. What are they already doing? They’re already inserting AI overviews into the entire above the fold segment of Google search and if they say, “Look, we just don’t care about the open web anymore, we can’t monetize it”, then they are going to preference all the companies that they have data licensing deals with, like Reddit, to preference and prioritize those results in the AI overviews, drive traffic to them, instantiate that feedback loop and make money on the ads that they serve on AI overviews."

这个场景描绘了一个令人担忧的可能性：如果监管压力导致 Google 从开放网络广告业务中撤退，它可能会加速转向自有生态（如搜索结果页、AI 概览）和数据合作（如与 Reddit 的交易），将流量和商业价值进一步闭环在自己的体系内，从而边缘化传统的开放网络发布商。这不仅关乎 Google 的战略，更可能重塑整个互联网的信息流和价值分配格局。

访谈还触及了广告平台技术的演进，特别是像 Google 的 PMax 和 Meta 的 Advantage+ 这样的“黑盒”广告产品。Seufert 提出了“满意者的遗憾”（Satisficer's Regret）这一概念来描述广告主的心态：

只要它们最终能达到 110% 的 90 天 ROAS，我就满意了，这就是‘满意’（satisficing）。而‘满意者的遗憾’是指当你说，‘嘿，你知道吗？Meta 给我带来了 110% 的 90 天 ROAS，Google 也给我带来了 110% 的 90 天 ROAS，但我敢打赌我本可以做得更好，我敢打赌如果我能控制那些按钮或操纵杆，我本可以通过某种方式调整 levers 让我达到 112% 或 150%’，这就是满意者的遗憾。问题是，首先，我认为很多人高估了自己在扩展支出、达到这些 ROAS 目标的同时，还能广泛实验、控制成本，并在正常工作参数范围内操作的能力。而如果你把这些交给机器，它会比你做得好得多。

So long as they net out to 110% 90-day ROAS, I’m fine with that, that is satisficing, and satisficer’s regret is when you say, “Hey, you know what? Meta got me 110% ROAS 90 day, Google got me 110% ROAS 90 day but I bet I could have done better, I bet if I had been given the controls or the handlebars, I could have jiggled the levers in a way that got me 112% or 150%”, and that’s the satisficer’s regret. The thing is, first of all, I think a lot of people overestimate their capabilities with being able to scale, spend and meet these ROAS targets while also experimenting broadly and controlling costs and also working within the normal parameters of a job. Whereas if you hand this off to the machinery, it’s going to be just much better than you.

“满意者的遗憾”精准地捕捉了广告主在使用自动化、黑盒化广告系统时的矛盾心理：一方面享受其带来的效率和成果（达到预设目标），另一方面又因失去精细控制权而感到不安，总觉得“如果自己来或许能更好一点”。Seufert 指出，这种遗憾往往忽视了算法在处理复杂优化问题上的巨大优势以及人类操作的局限性。这反映了人与机器在广告投放决策权上的持续博弈与融合。

最后，对话展望了苹果在广告领域的潜在扩张。考虑到 iPhone 更换周期延长和 App Store 监管压力增大，Seufert 认为苹果有强烈的动机去拓展新的广告收入来源：

但问题是，如果人们持有 iPhone 的时间更长，那么 iPhone 在全球的普及速度就会减慢，iPhone 用户基数就不会扩大，服务基数也不会扩大。那么苹果现在，就在此刻，能做些什么来扩大服务收入呢？嗯，他们不能真的在 App Store 上榨取太多了，这在很多地区都受到威胁，不仅仅是欧盟，现在基本上除了美国以外的全球都是如此。那么他们能做什么呢？他们可以加大广告力度。怎么做呢？嗯，他们可以在 App Store 内部扩展，但是，是的，我不知道那里还有多少油水可榨。他们可以在地图中添加广告，他们可以在播客中添加广告，他们还可以在 Apple TV+ 中添加广告。所有这些都非常成熟，而且是巨大的广告展示空间，我认为这很可能就是他们将要做的。

The thing is though, if people hold onto their iPhones for longer, well then you don’t get as much of a proliferation of iPhones across the globe, and you don’t expand the iPhone base, and you don’t expand the services base. So then what could Apple do right now, right this second to expand the services revenue? Well, they can’t really squeeze the needle on the App Store, that’s threatened in a lot of geographies, and it’s not just the EU, it’s basically global now except for the US. So what could they do? They could just ramp up advertising and how could they do that? Well, they could expand within the App Store, but yeah, I don’t know if there’s a whole lot of juice to squeeze there. They could add ads to Maps, they could add ads to Podcasts, and they could add ads to Apple TV+. All those are perfectly ripe, and those are big surface areas and I think that’s probably what they’re going to do.

Seufert 指出，地图、播客和 Apple TV+ 是苹果尚未充分利用的广告载体。将广告引入这些平台，将为苹果开辟新的、潜力巨大的收入流，以弥补硬件增长放缓和 App Store 模式面临的挑战。苹果将“Apple Search Ads”更名为“Apple Ads”似乎也印证了这一更宏大的广告战略布局。这预示着未来用户可能在更多苹果原生应用中看到广告，也为广告主提供了触达高质量苹果用户的新渠道。

Eric Seufert 的分析清晰地展示了当前数字广告领域正经历的多重压力测试：从全球贸易摩擦到本土反垄断行动，再到平台自身的技术和商业模式演进。这些因素相互交织，深刻影响着从电商卖家到大型科技平台，再到内容发布商和最终消费者的每一个人。关税可能系统性地压低广告支出，监管可能带来意想不到的经济后果，而平台则在通过自动化和拓展新广告场景来适应变化。“满意者的遗憾”揭示了效率与控制之间的权衡，“小平台综合症”则预示着市场集中度的可能提升。Google 的困境和苹果的机遇，更是折射出开放网络与封闭生态系统之间持续的张力。

Agency Is Eating the World

本文深入探讨了一个关键的转变：随着人工智能（AI）的发展，人类的“能动性”（agency）——即独立行动、主动创造的意愿和能力——正逐渐超越传统的专业技能或学历背景，成为经济和社会中最关键的区分因素。AI 并没有像许多人担心的那样取代人类，反而极大地放大了那些拥有高度能动性个体的潜力。

增加一点背景：Agency（这里翻译成“能动性”），由 George Mack 提出，可以在他的网站上阅读他长篇阐述。本文可以认为是基于 Mack 工作的衍生。

文章开篇就挑战了关于自动化取代人类的普遍焦虑，指出 AI 实际上是人类创造力的放大器。其核心论点是，未来竞争优势的关键，不再仅仅是教育或专业化程度，而是内在的驱动力。

多年来，我们担心自动化会取代人类。但随着 AI 重塑经济，越来越明显的是，AI 不仅没有取代人类的创造力，反而放大了它。我们经济中的关键分界线不再仅仅是教育或专业化，而是“能动性”本身：那种无需等待许可就能让事情发生的原始决心。

For years, we feared automation would replace humans. But as AI reshapes the economy, it’s becoming clear that far from replacing human ingenuity, AI has amplified it. The critical dividing line in our economy is no longer simply education or specialization, but rather agency itself: the raw determination to make things happen without waiting for permission.

这里的“能动性”并非指 AI 程序中被赋予的“代理”（agent）功能，而是指一种根植于人性的、更深层次的心理特质。它关乎主动性、勇气，甚至是一种挑战现状的“无序”力量。

真正的能动性是一种难以驾驭的心理特质。它是在没有明确验证、指示甚至许可的情况下采取行动的意愿。这就像那个梗“你其实可以做各种事情”（you can just do things），知道“你可以戳一下生活，另一边就会有东西弹出来”。它是一个没有学术背景的风险投资家创办了历史上最重要的人工智能实验室；一个游戏企业家创建了一个价值 300 亿美元的军事公司；一个金融科技 CEO 从零开始催生了私人航天产业。真正的能动性涉及反抗、即兴、直觉，并且常常是非理性的。

True agency is an unruly psychological trait. It’s the willingness to act without explicit validation, instruction, or even permission. It’s the meme “you can just do things,” knowing that “you can poke life, and something will pop out the other side.” It’s a venture capitalist with no academic background founding the most important AI lab in history; a gaming entrepreneur creating a $30 billion military company; a fintech CEO birthing the private space industry out of thin air. True agency involves defiance, improvisation, instinct, and often irrationality.

历史上，即使是拥有极高能动性的个体，其影响力也常常受限于时间、精力或资源的带宽。复杂世界的分工要求意味着，要实现宏大目标，个人要么花费大量时间成为专家，要么必须依赖和管理专家团队，这两种路径都限制了单打独斗的可能性，并使得资历和专业背景变得重要。

虽然有驱动力、能成事的人一直存在，但他们的带宽在历史上是有限的。完全独自一人扩展影响力是不可能的。我们生活在一个复杂的世界：要完成任何重要的事情，你仍然需要在某个点上进行专业化，这需要时间。目标远大的高能动性人士仍然需要雇佣专家，或者花费数年时间选择和掌握一门学科。

While driven individuals capable of making things happen have always existed, their bandwidth has historically been limited. It’s impossible to scale impact entirely alone. We live in a complex world: to accomplish anything significant, you still need to specialize at some point, which takes time. High-agency people aiming to achieve their goals still need to hire specialists or spend years selecting and mastering a discipline.

然而，AI 的出现标志着一个根本性的“断裂”或“相变”。它极大地降低了获取和应用专业知识的门槛。过去需要数年经验才能掌握的技能，现在可能通过订阅 AI 服务就能在短时间内实现，这赋予了通才前所未有的力量。

我们现在正面临一个断裂，一个相变。AI 侵蚀了专业化的价值，因为对于许多任务来说，达到几年经验的成果现在只需要 20 美元的 ChatGPT 订阅。如果十年前我需要九个月才能积累足够的经验来交付一个原型，现在只需要一周就能构建一个准备交付的最先进平台——这在以前只有整个专业团队才能完成。

We’re now facing a rupture, a phase transition. AI has eroded the value of specialization because, for many tasks, achieving the outcome of several years of experience now takes a $20 ChatGPT subscription. If a decade ago it took me nine months to gain enough experience to ship a single prototype, now it takes just one week to build a state-of-the-art platform ready to be shipped — a project once only achievable by a full team of professionals.

这种趋势的极致，便是由个体驱动、极度精简的公司形态。现实中，单人创始人的初创公司比例正在上升，小型团队创造巨额收入的案例也开始涌现，这不再是孤例，而可能预示着一种结构性的转变。高能动性的个体，借助 AI 的杠杆，正在以极高的效率完成过去需要庞大团队才能完成的工作。

如果你将这个论点推向极致，你会发现个体能够独自运营整个公司。单人创始人初创公司的比例在过去几年中几乎翻了一番，并且已经出现了少数员工创造数亿美元收入的首批案例。Henri Shi 花了近十年时间将 super.com 发展成为一家年经常性收入（ARR）达 1.5 亿美元的企业，他现在在一个公开排行榜上追踪自己实现 Altman（指 Sam Altman）提出的“一人十亿美元公司”目标的进展。他报告称，平均每位员工创造 280 万美元的收入，这恰好与过去二十年美国市值最高的上市公司苹果公司相同。像 Midjourney 这样的公司，拥有 40 名员工，年收入达 5 亿美元，代表了一种结构性转变，而非异常现象。这些公司现在充满了高能动性的个体，他们承担着几个团队的工作量，并且能够轻松地与规模大得多的公司竞争。

If you extend this argument to the limit, you end up with individuals running entire companies by themselves. The share of solo-founder startups has almost doubled in the last few years, and the first examples of businesses with a handful of employees generating hundreds of millions of dollars in revenue have emerged. Henri Shi, who spent nearly a decade growing super.com into a $150m ARR business, is now tracking his progress towards Altman’s one-person billion dollar company goal on a public leaderboard. He reports an average of $2.8 million in revenue per employee, coincidentally the same as Apple, the most valuable publicly traded US company of the past two decades. Companies like Midjourney, with its 40 employees and $500m of yearly revenues, represent a structural shift, not an anomaly. These companies are now full of high-agency individuals carrying the work of several teams, and are easily competing with much larger companies.

本文与我过去的几篇文章（被 AI 折叠的组织、AI 原生公司）相关，描绘了一个 AI 赋能下的未来图景：人类的内在驱动力——“能动性”——成为新的核心竞争力。AI 工具赋予个体前所未有的执行能力，使得小型、敏捷、由高能动性人才驱动的组织能够挑战传统巨头，预示着一个更加个体化、更加高效、也可能更加“无序”和充满机遇的商业新范式正在到来。

参考阅读：Shopify CEO Tobi Lutke 的内部备忘录，要求每位员工都必须将 AI 视为日常工作的基本工具。

College Admissions Essays

Kevin Gee 汇集了几篇引人注目的大学申请文书，它们不仅仅是通往名校（或特殊项目，如泰尔奖学金）的敲门砖，更是几位未来可能在科技或相关领域崭露头角的年轻人早期思维方式、价值观和独特观察视角的生动展示。

我建议你去阅读这些文书的原文，真的不像是八股文，兼具极佳的写作技巧和深入的个人反思。

文章的概要为我们描绘了五种不同的心路历程：从 Nick Chow 对纳达尔“弱者”形象的解构，到 Eddie Dalton 在尼加拉瓜经历的沟通障碍与成长反思，再到 Jeffrey Wang 在麦当劳找到的非典型专注空间，Garry Tan 对摩尔定律和技术普及的讽刺性探讨（虽然未提供引文，但其主题与科技前沿息息相关），以及 Dylan Field 以对巧克力的厌恶作为独特身份标识的思考。这些故事共同构成了一幅关于“如何看待世界、如何定位自我”的多元图景。

Nick Chow (Princeton → Altos Ventures) 的文章挑战了体育界常见的“弱者叙事”。他深入分析了自己对纳达尔的反感来源，并非仅仅是作为费德勒的粉丝，而是对公众认知与竞技现实之间差距的敏锐观察。

真让人恼火的是，人们支持纳达尔是因为他是弱者。这总是让我感到惊讶。人们将纳达尔视为斗士。普通人可以模仿他的打法。他不断地拼搏、争夺每一分，追逐每一个球，而费德勒则打得毫不费力，在场上如同滑翔。纳达尔太像凡人了；费德勒则像一台机器。费德勒由梅赛德斯赞助；纳达尔……由起亚赞助。不知怎的，这就概括了一切。

What really irks is that people root for Nadal because he is the underdog. This never ceases to amaze me. People view Nadal as a fighter. Regular people can emulate the way he plays. He constantly fights and scraps for points, running down every ball, while Federer plays effortlessly and glides on top of the court. Nadal is all too human; Federer seems like a machine. Federer is sponsored by Mercedes; Nadal … by Kia. Somehow, that sums all it up.

这里的观察超越了简单的球迷偏好，触及了品牌、公众形象塑造以及人们如何通过“人性化”的叙事来选择认同对象。Chow 指出，即使赞助商的选择（奔驰 vs 起亚）似乎也强化了这种“精英 vs 平民”的二元对立，但这掩盖了竞技层面的真实情况。

Eddie Dalton (Wharton → 对冲基金 / 私募股权) 如此看待大学申请：

大学录取很像在一场我们尚未完全掌握的游戏中亮出底牌。我的牌已经摊在桌上了。我永远感激那些让我感到畏惧的缺点。从这些失败中会产生新生，但新生也允许我们再次跌倒。J.M. 巴里，《彼得·潘》的作者告诉我们，“我们都是失败者——至少我们中最优秀的人是，”因为失败是伪装起来的胜利。没有通往圣安德烈斯的路。到达那里的唯一方法是乘坐独木舟，在科科河上行驶八小时，进入未受干扰的雨林中心。那是一个远离仓促和不确定性的罕见避难所，原始而近乎超凡脱俗。要到达那里，我们遵循“右边第二颗星，然后一直走到天亮”。

College admission is a lot like revealing a hand of cards in a game we haven’t quite mastered. Mine are face up on the table. I am ever grateful for the shortcomings that intimidate me. Out of these downfalls comes renewal, but out of renewal comes permission to stumble again. J.M. Barrie, the author of Peter Pan, tells us that “we are all failures — at least the best of us are,” because failure is triumph incognito. There are no roads to San Andres. The only way to get there is by canoe on the Rio Coco, eight hours into the heart of undisturbed rainforest. It’s a rare sanctuary from hastiness and uncertainty, primeval and almost otherworldly. To get there, we follow the “second star to the right and straight on ‘til morning.”

将个人缺点比作“摊开的底牌”，并将失败视为“伪装的胜利”，这与硅谷推崇的“快速失败，快速学习”文化不谋而合。Dalton 通过引用巴里和描绘前往偏远之地的艰难旅程，赋予了“拥抱失败”一种诗意和深度。这提醒我们，成长往往发生在舒适区之外，在那些没有现成道路、需要摸索前行的地方。这种心态对于创业者和创新者至关重要。

Jeffrey Wang (Harvard → Exa.ai) 将日常体验与物理学家费曼对世界的描述联系起来，提出了在“动态混乱”中寻找满足感的可能性。

物理学家理查德·费曼曾将世界描述为“一个动态的、充满晃动事物的混乱体”。他指的是原子世界的字面行为，但我相信，现代的、宏观的世界，即使是手表和眼镜很快也将用刺激来轰炸我们，也同样符合这个描述。有这么多东西在我们面前晃动，变得越来越难集中注意力，停下来，简单地感到满足。我已经学到，当你只是观察你的周围环境，适应它，甚至可能吃根炸薯条时，满足感可以存在于不完美和意想不到的地方。

Physicist Richard Feynman once described the world as a "dynamic mess of jiggling things." He was referring to the literal behavior of the atomic world, but I believe that the modern, macroscopic world, where even watches and glasses will soon bombard us with stimuli, fits this description just as well. With so many things jiggling in front of us, it's becoming harder and harder to focus, stop moving, and simply be content. I've learned that contentment can exist in imperfect and unforeseen places when you simply observe your surroundings, adapt, and maybe even eat a french fry.

将费曼的“动态混乱”应用到信息过载的现代生活，这是一个精彩的类比。Wang 的结论——满足感可以在“不完美和意想不到的地方”通过观察和适应找到——呼应了前文在麦当劳的发现。这不仅是对个人专注力管理的洞察，也暗示了一种应对复杂系统（如技术生态、市场动态）的策略：接受混乱，从中寻找秩序和机会，而非强求理想化的控制。

Garry Tan (Stanford → Y Combinator) 的申请书如此开头：

沙粒也有感情。当环保人士为树木争论不休时，谁会关心那数以亿计的沙粒呢？不久，整个沙漠的沙子都将被采集用来制造硅！这些可怜的生命将被毁灭，永远变成不可逆转的可怕硅晶片。是时候站起来，为我们的二氧化硅晶体兄弟姐妹们而战了。

Grains of sand have feelings too. As environmentalists bicker over trees, who will be there for the billions upon billions of grains of sand out there? Soon, entire deserts of sand will be harvested for silicon! These poor creatures will be decimated and irrevocably altered into ungodly silicon wafers. It is time to rise up and fight for our silicon dioxide crystal brothers and sisters.

这是在技术支配的世界中的一种有趣观察，我们都知道宏大趋势不可阻挡，但总有一些尖叫需要被听见。

最后，Dylan Field (Thiel Fellowship → Figma) 的文章则以一个极其个人化甚至有些古怪的观点——对巧克力的厌恶——作为开场，探讨了非主流信念如何塑造个人身份和社交互动。

巧克力令人反感。甚至它的气味都让我想吐。虽然我还有其他使我与大多数人疏远的信念，但没有哪个信念比承认我厌恶巧克力更能引起如此强烈的反应。小时候，我很快意识到我并不正常。我最早的记忆之一是在操场上，一个小女孩直截了当地问我是不是外星人。其他人则干脆给我贴上怪胎的标签。

Chocolate is repulsive. Even the smell of it makes me want to vomit. Although I have other beliefs that distance me from the majority, no conviction elicits a stronger reaction than admitting I detest chocolate. As a young child, I quickly realized I was not normal. One of my first memories is of a little girl frankly asking me on the playground if I was an alien. Others simply labeled me as a freak.

选择这样一个看似微不足道却能引发强烈共鸣（或反感）的话题，本身就展现了作者捕捉注意力和挑战常规的意图。Field（后来成为 Figma 的创始人）在这里展示的，不仅仅是对一种食物的个人偏好，更是对持有“非共识”立场的早期体验。这种被视为“怪胎”或“外星人”的经历，可能正是培养独立思考和勇于走不同道路的开端。

← Back to Newsletter Archive