04.07.25: 智能与规模的分岔

April 7, 2025

2025 年 Q1 的变化很多。

春节前 Deepseek 出圈，对 AI 行业甚至中美博弈都有重新平衡的意味。而后，各家模型厂商开始你追我干的升级，OpenAI 的 o 系列、Claude 3.7 Sonnet、Gemini 2.0 系列 以及 Grok 3。同时，各家的 DeepResearch、AI Coding 以及 Manus 开启了 Agent 应用的竞争序列。在这个季度即将结束之前，OpenAI 在 ChatGPT-4o 上推出了更加强大的多模态能力，以“吉卜力滤镜”之名彻底出圈。

张小珺和 Guangmi 的大模型季报（文字版）中有一张图，很好的概括了这集访谈的核心观点：

Guangmi 说自己是 AI 的“原教旨主义”者，“对两年内实现 AGI 有前所未有的信心，这是 100% 的概率”。在上图的标题中，“智能本身即最大的应用，围绕智能本身去做投资”，就是在投资理念上的投射。他也说自己在为 AGI 布道，的确，这些年他分享的很多信息和观点让很多人都受益匪浅。

这代表了一派观点。有一派，就有另一派。有分歧，很可能两派观点都有可取之处，我想在这篇文章中整理下我的观点，无所谓谁对谁错。

我是从 ChatGPT 出现之后才开始关注到 LLM 和 Gen AI 的，不算前沿。在互联网十几年的工作经验，不可避免的有思维惯性。其中之一，就是认为需求不能从供给中创造出来，技术本身不能成为应用。那套从用户需求出发，沿着“产品 - 增长 - 运营 - 变现”的古典路线仍然成立。但是，事情需要在正确的时间阶段来做，如果技术本身还未成熟，以此为基础做出来的产品自然可能面临颠覆。

这篇文章里，我想结合过去几个月中的几篇文章，围绕一些关键事件，整理一下我的阶段性观点，也算是一篇“季报”。

人类需要更多算力吗？

今年第一个关键节点是 Deepseek R1 的出现。今天来看，R1 已经不再是一个 SOTA 模型了，但它的历史意义是肯定超过很多过去和未来的 SOTA 模型的。其中，最重要的是它通过工程效率的改善——或者也有一些“后发优势”——大幅降低了在达到一定智能水平的 token 成本，或者说是推动了模型的帕累托前沿曲线。

一时间，很多人开始怀疑算力需求是不是会崩塌，最流行的辩护是“杰文斯悖论”。我可能是中文互联网上最早用这个“悖论”来做阐释的人之一，但我并不认为成本下降所带来的需求爆发最终都会体现在 Nvidia 的业绩上上涨。相反，需求爆发后，增量的部分反而给低端颠覆者带来了机会，性价比的实现方案会更快的扩散，拿到更多的增量份额。

Gemini 2.0 Flash 以高性价比让它吃到了一波红利，聚合了多家模型接口的开发者平台 OpenRouter 上的流量暴涨，证实了这一观点。Gemini 2.0 系列模型的训练和推理背后是 Google 的第六代 TPU 芯片 Trillium 支持，在成本效益上具有独特的优势。

同样具有成本优势的 Deepseek 在国内获得了更广泛的支持，包括腾讯、阿里在内的大厂纷纷接入 Deepseek 模型，趁 Deepseek 自己算力不足的时机来“接”这一波流量。在低成本和够用的性能体验之下，Deepseek 开始在挤地铁的打工人的手机上出现。看到这些情况出现的时候，我意识到，需求即将觉醒，因为海量用户一定会萌生出 AI 研究者们想象不到的需求。

时间点快进到 3 月份，Manus 出现了。它基于 Claude 3.x Sonnet 模型强大的 Tool Use 能力构建，据说一个任务成本要 2 美元。也就是说，一个任务就要消耗百万 token。这数字并不令人惊讶：因为如果你去用一些 Coding Agent 或 Deep Research 类的 Agent 产品，都能理解，每一个任务背后惊人的 token 消耗量。我自己使用 Windsurf 的体验是：每一条我发出的任务指令，会触发连锁式的 6 条 Agent 任务指令。随着链条的延长，发给模型的上下文也会变长，这里的乘数效应显然是多阶的。

这就让算力需求朝向另一个方向演化：Agent 会消耗掉几何级数级别的 token 数量，而作为 Coding 和 Tool Use 能力最强的模型，Claude Sonnet 保持了高定价。

这是什么情况呢？模型竞争走向了两个极端：要么走物美价廉的性价比路线，最终靠规模取胜，要么在关键领域保持 SOTA 地位，以性能领先来保持定价权。

而竞争是动态的，SOTA 轮流坐，结果是高端能力不断被下放。Coding 和 Tool Use 能力之所以重要，是因为它们可以把模型智能延展为行动的能力。Deepseek 最新版本的 V3 大幅提升了这两项能力，而 Google 的 Gemini 2.5 Pro 则是新一代 Coding 能力的 SOTA 模型。

我相信人类需要更多的算力，但这种需求的释放仍然来自于低廉的成本和多样的应用生态，最终渗透到普罗大众的生活中去。这样来看，Manus 和很多今天令人眼花缭乱的 Agent 应用都是超前的，它们需要在模型的帕累托前沿曲线找到其它的可行性点，跟随需求扩散进入广泛的市场。

人类需要极致个性化吗？

Kyle Chayka 在他去年出版的书《Filterworld》中描述了一个现象：算法推荐正在创造一种全球性的审美趋同。从 Airbnb 的“千禧粉”公寓，到 Instagram 上的“咖啡美学”，再到抖音上的“clean girl”妆容，看似个性化的推荐，最终导向了某种程度的同质化。这个观察让我在《吉卜力之 Vibe》一文中提出了这样的一个问题：极致的个性化是否真的是必要的？

这是一个需求侧的“元问题”。我思考的出发点是：人性是所有需求的起源，生物性让我们产生物质需求，而社会性让我们产生精神需求。

互联网诞生以来，似乎一切都在走向个性化——也就是每个人各取所需——的方向。数据和算法在其中起到了关键的匹配作用，但供给侧的瓶颈很快就出现了。这时候 Gen AI 出现了，理论上可以提供极致个性化的供给——Agent 就是一种按需定制的实现，如果它能低成本、大规模的产品化，它就有机会成为新一代的平台。

举例来说，你有一个需求，在过去，你去 Google / Amazon 上搜索选项，通过反复比较找到一个最接近、但不完美的解决方案——很多人会和你使用相同的解决方案；而在 AGI 的假设下，Agent 或者某个机器人，会帮你精确的实现这个想法，完全按照你的定义，这是极致的 For You。

我对“极致个性化”作为一种广泛需求持保守看法。其中的一个底层原因正是人性中的社会性：人类还是希望找到和一群人的共性。这也是为什么人类会超出血缘关系而自然的产生各种社群和组织，也会愿意和其他人分享和交易。极致个性化，也就是完全给每个人提供不一样的供给，这种社会性的价值就消失了。比如，每个人都在讨论同一部“哪吒”电影，尽管信息流已经高度算法化，但你会发现它仍然是一个社交场所，每个人看到的内容并不是完全不同。如果我们每个人看到的“哪吒”是不同的——哪怕只是增加了一些不同的分支情节，都可能让这种社交讨论崩溃。

Vibe 这个词其实描述的就是这种小范围、小规模的社会性。ChatGPT-4o 用“吉卜力滤镜”的角度赢得的快速用户增长，背后是模型能力的进化，但实际上它利用了社交传播中的一些规律，为用户提供了可以模仿、易于传播的“滤镜”和“模板”。就像 Chayka 观察到的那样，某种程度的审美趋同不是算法的失败，而是人性的驱动。我在之前的文章中，把它和 Instagram 及抖音的早期成长相比，这些路数其实很“古典”。

需求分析中，这种来自人性底层的需求是极为刚性的，可以认为是不变的东西，是在纷繁复杂的技术动态中少数可以抓住的东西。并不是因为有了新的技术，理论上可以追求极致个性化，就一定要给每个人提供不一样的东西。这就是为什么很多 AI 产品局限在 prosumers 这个“早期采纳者”的群体里，还是因为对人性中的“刚需”把握不足，产品表达上还在初级状态。

为什么要谈这个问题呢？我认为，它和我在 3 月份接连写的关于 AI 对组织的影响有关（见《被 AI 折叠的组织》和《AI 原生公司》）。对于 AGI 降临的一个担忧在于：大量的人类将失去工作。这种替代效应在 Agent 产品开始大量出现之后似乎更加明显了。但是，这些产品旨在提供的，刚好是我所说的“极致个性化”类的供给，比如，Deep Research 可以替代初级的研究员，但这类需求的分布是相对密集的，主要在特定行业存在，对于普通人而言，制定复杂的旅游攻略、医疗建议等需求相对低频，而且，也不需要极致个性化。

而真正广泛的需求其实是基于 vibe 的社会化需求：人们会因为看到其他人的需求而产生自己的需求，也就是说需求会刺激需求。而要满足这些需求，仍然有机会在小范围内，基于细分市场，实现一定的规模经济。这个规模很可能是 AI 与人类协作共生、发挥更大作用的“甜蜜点”：大量的重复性工作可以由 AI 高性价比的完成，而关键决策则在 AI 的辅助下，由人类来完成。

关税与 AGI

世界是复杂的，特别是在 2025 年 4 月 2 日之后。

人们对“对等关税”还没有形成共识，非共识意味着持续的震荡。在不确定性中，一件事是确定的：一些信心会消失。

避险心态可能会影响对 AGI 理想的激进追求。在 Q1 看到的情况是：基础模型没有出现大的能力跃迁，但小的改进，包括在工程效率、特定能力象限上的提升，是层出不穷的。

而目前来看，唯一能加速实现 AGI 的变量是基础模型大幅度的能力跃迁。看起来，各家似乎都在酝酿大招，但不确定性仍然很高，一些基本问题在过去几年中始终得不到解决，很多改进手段更像是打补丁：其作用更多在于提高下限，而不是提高上限。

如果智能的上限没有打开，当你使用它进行长链条的思考、推理或任务执行时，就会叠加和放大错误，最终导致任务失败。我们很可能会在这种胶着的状态中卡住一段时间——这和惯常叙事不同，但历史的大部分时间都如此平淡无聊。

乐观的看，人类对智能的掌控还是迈上了一个台阶：现在的模型切实提高了知识工作的生产力——即便还做不到彻底替代和解放人类，这种效率提升也非常有价值。在这个台阶上，很多打补丁的工作，比如如何管理幻觉带来的错误和风险，如何把知识产权、收益模式等问题想清楚、谈清楚，都很有意义，能为下一个阶段做好准备。

规模的坦白局

Sam Altman 非常直白的讲，OpenAI 会选择 10 亿用户，而不是 SOTA 模型。

这句话让我心生认同。可能是一代人有一代人的局限，（惭愧的）作为一个同龄人，在东看西看了半天之后，我还是觉得规模是 AI 的终局，而 SOTA 是走向这个终局的手段，而且只是手段之一。

我在一个访谈中提到，移动互联网的的那一套打法在 AI 时代是否还适用。我的观点很简单：AI 还没有走到那个阶段。现在的状态是：基础模型确实还有空间，但有多大的空间，见仁见智；而由于基础模型本身仍在变化，产品形态和生态结构还不稳定。所以就会出现模型一迭代，应用就死一片的情况。

你还记得吗：iOS 每次升级，都会有很多应用死掉。唯一区别是 iOS 是每年升级一次而已，而大模型可能是每周都在升级。在这样的情况下，在投放、增长和运营等问题上感到纠结和迟疑，也很正常，这个仗不是不打，而是还没到时候。

除此之外，一切都在走向熟悉的范式：成本下降，体验出圈，规模变大。之前一个辩论的点是：大用户量带来的数据没法提升模型能力。这可能是对的，但它仍然有点“拿着锤子找钉子”，即便数据飞轮不转，规模也可能在成本摊薄、网络效应和品牌资产上带来压倒性的竞争优势。

在规模和智能的选择题里，很可能最终是两个都要，而规模更是必然，而智能则可能受到技术、资本和运气的影响，更可能是偶然。

This time it's different 这句话在前半段总是对的。太阳底下无新鲜事，要到最后才对。

Links + Notes

本周的 Links + Notes 分享 6 篇文章，从宏观产业，到技术文化，再到人格塑造。我把这些文章看作是隐藏在互联网各个角落的线索，虽然看起来零散，但终有连点成线的时刻。

• 资本、AGI 与人类雄心：L Rudolf L 探讨了 AGI 的到来可能通过资本对劳动力的全面替代，固化现有权力结构，最终扼杀人类的雄心壮志。
• 放弃工业化：你没买到的最贵东西：Conrad Bastable 剖析了西方国家，特别是欧洲，如何通过优先考虑环境法规而非培育本土制造业，损害了自身工业基础，并可能在未来的技术竞争中失去主导权。
• arXiv 内部揭秘：讲述了这个改变现代科学面貌的在线研究资料库如何从一个简单的高能物理论文分享平台，发展成为科学交流的基础设施，特别是在人工智能等快速发展的领域。
• 模型上下文协议（MCP）的创造者：Latent Space 访谈了 Anthropic 两位 MCP 的创造者，介绍了这个旨在解决 AI 应用与工具生态系统集成复杂性的新协议，它试图成为“AI 应用的 USB-C 端口”，为未来 AI 应用的互操作性提供标准化解决方案。
• 你用什么软件就是什么样的人：作者 Omer 发现，软件选择如何从单纯的功能性考虑演变为个人身份和生活方式的表达，就像选择特定品牌的服装一样，成为了一种身份认同的象征。
• 超级马拉松心态：超级马拉松选手 Courtney Dauwalter 如何在极端压力下保持前进，为我们提供了应对长期挑战的实用策略。

Capital, AGI, and human ambition

L Rudolf L 是一位活跃于 LessWrong、Effective Altruism Forum 和 Substack 等平台的思想领袖，专注于人工智能对社会的影响、理性思维及技术哲学等领域的讨论与研究。在他的文章《资本、AGI 与人类雄心》(Capital, AGI, and human ambition) 中，提出了一个发人深省甚至略带寒意的观点：AGI 的到来可能固化现有权力结构，最终扼杀人类的雄心壮志。

文章开篇就点明了这场变革的核心机制：

人工智能的关键经济效应在于，它使资本越来越成为劳动力的通用替代品。雇佣人类付出时间来完成工作的需求减少了，因为你可以用资本来取代——例如，运行软件的数据中心取代了人类的脑力劳动。

The key economic effect of AI is that it makes capital a more and more general substitute for labour. There's less need to pay humans for their time to perform work, because you can replace that with capital (e.g. data centres running software replaces a human doing mental labour).

L Rudolf L 指出，这不仅仅是效率提升，而是生产要素之间关系的根本性重塑。过去，资本需要与劳动力结合才能创造价值；未来，资本本身（以 AI 和算力的形式）或许就能独立完成大部分价值创造过程。这种转变的潜在后果是令人不安的：

总的来说，这指向了变革性人工智能一个被忽视的负面影响：社会可能变得永久静态，当前的权力不平衡可能被放大，然后变得不可改变。

Overall, this points to a neglected downside of transformative AI: that society might become permanently static, and that current power imbalances might be amplified and then turned immutable.

这里触及了一个令人担忧的问题：技术进步非但没有带来更大的流动性，反而可能成为终极的“固化剂”。想象一个世界，在 AGI 到来的那一刻，谁拥有资本，谁就可能永远锁定了优势地位。这种前景让作者深感不安，他并非仅仅担忧经济分配，更在意人类精神层面的影响：

在这些情景中，最让我动容的是，一个拥有固化统治阶层的静态社会，在我看来毫无活力和生机。如果可以，我们不应扼杀人类的雄心。

What most emotionally moves me about these scenarios is that a static society with a locked-in ruling caste does not seem dynamic or alive to me. We should not kill human ambition, if we can help it.

L Rudolf L 进一步阐释了资本如何在这种新范式下获得压倒性优势，特别是在“人才”这个关键要素上：

但真正的区别在于 AI 可以被克隆。目前，巨额资金追逐着某个取得突破的明星研究员……但作为 AI 的明星研究员可以被轻易克隆。任何人——或者至少，任何有足够资金购买 GPU 的人——都能拥有这位 AI 明星研究员。

But the real difference is that the AIs can be cloned. Currently, huge pools of money chase after a single star researcher who's made a breakthrough... But the star researcher that is an AI can just be cloned. Everyone—or at least, everyone with enough money to burn on GPUs—gets the AI star researcher.

这描绘了一个“赢家通吃”加剧的未来，但“赢家”的定义从拥有独特人类才华的个体，转向了拥有足够资本部署 AI 的实体。曾经依赖“伯乐”发掘“千里马”的模式，可能被资本直接“复制”顶尖能力所取代。这种权力向资本的集中，甚至可能动摇现代社会运行的基础逻辑。作者引用了亚当·斯密的经典论述来对比：

亚当·斯密可以写道，他的晚餐并非来自屠夫、酿酒师或面包师的仁慈……今天的古典自由主义者可以有理有据地声称，历史的弧线确实倾向于所有人的自由和富足，这不是出于国家的仁慈，而是源于资本主义和地缘政治的激励机制。但在劳动力替代型 AI 之后，这将不再成立……如果历史的弧线继续倾向于自由和富足，那将只能是出于国家（或 AI 巨头）的仁慈。

Adam Smith could write that his dinner doesn't depend on the benevolence of the butcher or the brewer or the baker... The classical liberal today can credibly claim that the arc of history really does bend towards freedom and plenty for all, not out of the benevolence of the state, but because of the incentives of capitalism and geopolitics. But after labour-replacing AI, this will no longer be true... If the arc of history keeps bending towards freedom and plenty, it will do so only out of the benevolence of the state (or the AI plutocrats).

这是一个警示：我们习以为常的、基于相互依赖和激励机制的社会进步逻辑，在 AGI 时代可能失效。如果人类劳动力不再是经济增长的关键要素，那么保障人类福祉的驱动力，可能就从“必要性”转变为“选择性”的“仁慈”——而这种仁慈是否可靠，历史并没有给出乐观的答案。这对那些试图通过才华和努力实现阶层跃迁的“异类成功者”（outlier human success）意味着什么？

So on net, sufficiently strong labour-replacing AI will be on-net bad for the chances of every type of outlier human success, with perhaps the weakest effects in politics. This is despite the very real boost that current AI has on entrepreneurship.

因此，总的来看，足够强大的劳动力替代型 AI 将对几乎所有类型的异类人类成功机会产生净负面影响，可能在政治领域影响最弱。尽管当前的 AI 确实对创业活动有显著推动作用。

即使 AI 短期内降低了创业门槛，长期看，如果顶尖的认知能力可以被资本无限复制，那么人类个体通过独特才智脱颖而出的空间可能会被极大压缩。文章的结尾，作者发出呼吁：

之前的剧变——数次工业化浪潮、互联网等等——都极大地激发了人类的雄心。面对 AI，我们可能迎来了人类雄心最后也是最伟大的机遇——紧随其后的，可能是它永远的消亡。你的反应怎能不是：“活在当下，抓住时机”？

Previous upheavals—the various waves of industrialisation, the internet, etc.—were great for human ambition. With AI, we could have the last and greatest opportunity for human ambition—followed shortly by its extinction for all time. How can your reaction not be: “carpe diem”?

L Rudolf L 的这篇文章，并非预测一个必然黯淡的未来，而是揭示了一种需要我们正视的潜在风险。我们需要思考：在一个 AI 日益强大的世界里，我们如何设计机制来保护和激发人类的能动性与创造力？

Forsaking Industrialism: The Most Expensive Thing You Didn’t Buy

本文来自 Conrad Bastable，他目前在一家 Series C 的创业公司担任财务和商业化 VP，之前曾经在 Dropbox 和 JP Morgan 工作。他是一位敏锐的观察者，擅长剖析技术、经济与地缘政治交织的复杂动态，曾经在 TechCrunch，CNBC 和 Marginal Revolution 等媒体上发表文章。

Bastable 在这篇文章中指出，西方国家，特别是欧洲，正通过优先考虑环境法规和排放指令，而非培育本土制造业和工业平台，从而损害了自身的工业基础和中产阶级。这种“去工业化”的倾向，看似追求崇高目标，实则可能导致长期的经济和社会代价，将未来的主导权拱手让人。

文章开篇并未直接抛出论点，而是通过一个巧妙的类比，引入了纳西姆·塔勒布（Nassim Taleb）的“最不宽容者获胜”原则，为我们理解全球供应链如何被单一、严格的标准所塑造提供了视角。这不仅仅是理论，而是实实在在发生在超市货架上的事情：

在全球供应链中，一个不妥协的监管者就能为所有人设定标准。纳西姆·塔勒布十年前发表了《最不宽容者获胜：少数群体的独裁》，指出复杂的供应链宁愿让所有商品都符合犹太洁食标准（Kosher），也不愿将其分为“洁食”和“非洁食”两个通道。柠檬水只是糖和水。但是，为了适应那 0.3% 遵守犹太教规的美国人而带来的复杂性，对生产者和分销商来说意味着毫无意义的重复劳动。 因此，大型零售商货架上的大多数产品都会是洁食的。下次你可以亲自检查一下——你的商品上会有一个小小的带圈的“U”，代表东正教联盟（Orthodox Union）。

In global supply chains, a single uncompromising regulator dictates standards for all. Nassim Taleb published “The Most Intolerant Wins: The Dictatorship of the Small Minority” a decade ago, noting that complex supply chains opt to make every grocery store item Kosher instead of bifurcating into “Kosher” and “Non-Kosher” aisles. Lemonade is just sugar & water. But the complexities of trying to accommodate the 0.3% of America who keep kosher would mean pointless duplication for producers & distributors. So most products on the shelves of big retailers will be kosher. Check for yourself next time — there’ll be a little “U” in a circle on your items that stands for Orthodox Union.

Bastable 借此引出欧洲监管环境对本土工业的实际影响。以欧洲摩托车制造商 KTM 为例，他展示了严苛且快速变化的环境法规如何迫使企业走向困境，这并非理论推演，而是企业运营的残酷现实：

在这种环境下实际尝试建立和运营业务，遵守欧洲监管框架的现实是：你的产品对消费者来说必须变得更贵你的产品生命周期必须缩短你的实际解决方案并不一定更清洁你为合规而付出的固定成本将会上升

这些都不会增加你能获得的利润。没有利润，你投资未来改进的能力将缩减至零。作为工业制造商，你如何缓解这一切？你需要竞相奔向更大的规模经济！ 你需要将收入提高 10 倍，员工数量增加 100 倍，这样单位利润的减少才能被最小化，并且你的游说活动才能在塑造法规方面产生更大影响。

In the context of actually trying to build and run a business in this environment, the reality of complying with European regulatory frameworks is that:Your products must get more expensive for consumersYour product lifecycles have to shortenYour actual solutions aren’t necessarily going to be cleanerYour fixed costs will rise as you attempt to comply

None of these things increase the profits you’ll be able to make. Without profits, your ability to invest in future improvements shrinks to zero. How do you mitigate any of this as an industrial manufacturer? You need to race towards bigger economies of scale! You need to 10x your revenues and 100x your employee count, so the reduced-profit-per-unit is minimized and your lobbying efforts can have more impact shaping the regulations.

这种“不宽容”的监管环境，尤其在需要长期投入、技术迭代相对缓慢的领域，显得格格不入。Bastable 对比了计算能力与电池技术的发展速度，点明了资本为何偏爱某些领域而忽视其他领域，这解释了为什么在硬件和制造业上的突破如此艰难：

但并非每一次技术革命都以相同的速度进行。“我们想要飞行汽车，结果却得到了 140 个字符，” 这句话说得很好。摩尔定律让计算能力每 18 个月翻一番，而电池能量密度大约每 12 年才翻一番。这是 8 倍的差距。投资一个每两年就能好一倍的东西更容易赚钱——现有企业威胁不大，你可以乘着技术浪潮扩大规模。高成本、低能量密度的电池正是我童年的玩具电动车能以惊人的比例速度飞驰，但放大版的电动车距离大众消费市场仍有数十年的原因。

But not every Tech revolution runs at the same speed. “We wanted flying cars, instead we got 140 characters,” is a great quote. Moore’s Law doubled computing power every 18 months while battery energy density was only doubling every 12 years. That’s an 8x gap. It’s a lot easier to make money investing in something that gets twice as good every 2 years — incumbents aren’t as much of a threat and you can ride a technology wave to scale. High cost, low energy density batteries are why my toy electric car could rip around at incredible scale-accurate speeds but scaled up versions were still decades from mass consumer markets.

与欧洲的监管驱动形成鲜明对比的是中国。Bastable 认为，中国采取了一种更系统、更着眼于未来的策略——构建“工业平台”。这不仅仅是关于最终产品，而是关于建立一个能够适应未来任何技术浪潮的、充满活力的生态系统：

电气化的“圆满结局”不仅仅是“大众市场的消费级电动汽车”。也不仅仅是“开发出新颖的高密度电池技术”。更不仅仅是“一家公司创造了 3 万个就业岗位”。圆满结局是整个配套体系，以及它在下一阶段游戏中解锁的可能性——那个平台。即拥有一个蓬勃发展的工业生态系统的能力，其中包含数百家小型参与者以及国际巨头，无论下一波创新浪潮是什么，它们都能将基础技术组合、再组合成适应市场的产品。 你无法预测未来，也无法预测下一波浪潮。但是一个工业平台能够让你的区域经济无论如何都能乘上浪潮，并在此过程中富有成效地雇佣数十万人。

The Happy Ending for Electrification isn’t just “mass market consumer EVs.” It isn’t just “novel high density battery technology gets developed.” It isn’t just “30,000 jobs created by one firm.” The Happy Ending is the whole package and what it unlocks in the next stage of the game. The Platform. The ability to have a thriving ecosystem of Industry, with hundreds of small players alongside international megacaps, that can combine and recombine foundational technologies into market ready products no matter what wave of innovation comes next. You can’t predict the future. You can’t predict the next wave. But an Industrial Platform positions your regional economy to be able to ride it anyway, employing hundreds of thousands of people productively along the way.

Bastable 尖锐地描绘了欧洲自上而下的强制性政策如何运作，以及其意想不到的后果——将资本和技术推向了中国。他用一个生动的场景来讽刺这种方法的短视：

所以，当欧洲的官僚们想要加速向电动交通转型时，他们能互动的社会最小单位被称为“宝马”（企业价值 1000 亿美元）。 他们把宝马先生叫来，坐下，告诉他如果他再销售任何非电动汽车，他们就要枪毙他。他抗议。他请求一些时间来合规（15 年）。“他妈的谁造电池？我们每年怎么搞到三百万块电池？” 宝马先生问他的高级管理人员（他能互动的组织内部最小单位）。

So when European bureaucrats want to accelerate the transition to electric powered transportation, the smallest possible unit of their society that they can interact with is called “BMW” (Enterprise Value: $100b). So they take Mr. BMW and they sit him down and they tell him that if he sells any non-electric cars they are going to shoot him. He protests. He asks for some time to comply (15 years). “Who the f-ck makes batteries and how do we get three million of them a year?”, Mr. BMW asks his senior executives (the smallest unit within his organization that he can interact with).

这种政策被 Bastable 称为“只有大棒，没有胡萝卜”。欧洲的保护主义似乎只专注于强制执行，而缺乏对新兴本土企业的培育和支持，这与中国的策略形成鲜明对比：

然而，与 经典的重商主义 或中国当前的做法不同，欧洲的保护主义并不喜欢培育新企业在全球市场上竞争。它全是‘大棒’，没有‘胡萝卜’：只有指令，没有制造。 我猜测这是因为需要根据民主压力来制定国内政策的下游效应。西方的选民普遍厌恶裙带关系和明确的亲资激励措施。所以宝马先生挨了棍子，而新的企业家则搬到了美国。或许这仅仅是文化差异。

However, unlike classic mercantilism or China’s current approach, Europe’s protectionism isn’t fond of nurturing new businesses to compete in the global market. It’s all stick, no carrot: mandates, not manufacturing. I assume this is downstream of needing to shape domestic policy in response to democratic pressures. Voters everywhere in the West hate cronyism and explicit pro-Capital incentives. So Mr. BMW gets the stick and new entrepreneurs move to America. Or perhaps it’s just culture.

Bastable 详细描述了中国如何通过“全场紧逼”式的产业战略取得成功。这不仅仅是扶持终端产品制造商，而是深入到产业链上游，建立了一个完整的生态系统：

在电池领域，中国在 1995 年至 2005 年的 10 年窗口期内，在国家补贴和激烈的本土竞争支持下，创立了多家制造商（比亚迪、宁德时代、亿纬锂能、中创新航等）。中国没有只搞一个大型电动汽车制造商，而是向上游发展，在为下游制造商提供关键电动汽车零部件的每个行业中都建立了最大的公司。 然后，顺便，它也建立了一些电动汽车制造商。

In the battery sector, China founded multiple manufacturers (BYD, CATL, EVE Energy, CALB and more) in the 10 year window between 1995 and 2005, supported by state subsidies and intense local competition. Instead of one big Electric Vehicle maker, China went upstream and built the largest companies in every industry that provides key Electric Vehicle components to manufacturers downstream. Then, also, incidentally, it built a number of Electric Vehicle manufacturers.

文章接着剖析了西方社会普遍存在的一种自我安慰式的论调——即外包制造业对自身有利。Bastable 称之为“西方的应对机制”（Western cope），并指出了这种逻辑的盲点：

西方的应对机制—— 我们用来安慰自己的甜蜜谎言 ——是认为整个这套安排对我们自己也有利。 所有高薪的设计、营销和销售工作都留在了美国。制造供应链是肮脏、低声望、低工资的。如果中国愿意花费自己的人力和财力给我们送来更便宜的商品，我们应该为此感谢他们。具有讽刺意味的是，对于能理解这些论点的那类人来说，这确实是真的！那些能在苹果公司找到设计 iPhone 工作的人，在这个体系中可能确实过得更好。 他们的股权增值（AAPL to the moon!），他们的劳动报酬丰厚，他们购买的商品更便宜。但你所处的政体，不仅仅只有这些人！

The Western cope — the soothing lie we tell ourselves — is that this whole setup is also to our own benefit. All the high-paying jobs designing, marketing, and selling these products remain here in America. Manufacturing supply chains are grubby, low-prestige, and low-pay. If China wants to spend its own human and financial capital to send us cheaper goods, we should thank them for it. The irony is that for the sort of person who understands those arguments, they are true! People who can get a job designing an iPhone probably are better off in this system. Their equity appreciates (AAPL to the moon!), their labor is paid handsomely, and the goods they buy are cheaper. But you share a polity with more than just those people!

最后，Bastable 探究了美国资本分配体系的内在逻辑，解释了为何资本天然流向回报更快、更高的领域（如软件），而使得需要长期投入的工业制造难以获得足够支持。他写道：

如果你是马克思主义者，你可以用“资本的逻辑”这个词；如果你是经济学家，你可以参考地租定律。但无论你偏好哪种意识形态，这两种创新渠道的数学原理都是相同的：资本必须流向它增长最快的地方。 选择任何其他策略的公司，从长远来看，都将表现逊于同行，并看到它们的资金枯竭。还记得上面关于电气化的部分，我提到半导体性能的翻倍速度是电池性能的 8 倍吗？核心技术增长率如此巨大的差距，其必然结果是投资于半导体下游事物的机会远多于电池。

If you’re a Marxist you can use the phrase “the logic of capital”, or if you’re an economist you can refer to the law of rent. But no matter your preferred ideology, the mathematics of both of these innovation channels is the same: Capital must flow to the places it grows the fastest. Firms who choose any other strategy will, in the long run, underperform versus peers and see their funding dry up. Remember above in the section on Electrification when I noted that Semiconductor performance was doubling 8x faster than Battery performance? The inevitable result of a core technology growth rate gap that big is many more opportunities to invest in things downstream of semiconductor performance than batteries.

Conrad Bastable 的文章以生动的叙事和严谨的分析，揭示了西方“去工业化”倾向的深层逻辑及其潜在的巨大代价。他通过对比欧洲的“指令式”监管与中国的“平台式”产业构建，以及剖析美国“资本逻辑”对制造业的结构性忽视，有力地论证了放弃工业基础可能导致的社会经济分化、创新能力削弱和长期竞争力丧失。

Inside arXiv—the Most Transformative Platform in All of Science

本文来自 Wired 杂志，揭开了 arXiv 这个在线研究资料库如何深刻地改变了现代科学的面貌，以及在其诞生三十年后，其创始人 Paul Ginsparg 如何依旧深度参与其中。arXiv 不仅仅是一个存储库，它已成为科学交流的基础设施，特别是对于那些快速发展的领域。

现代科学的图景若缺少 arXiv 这个在线研究资料库，将是难以想象的。这篇文章开篇就点明了 arXiv 的核心地位，并引出了其创始人 Paul Ginsparg 与这个平台三十年的不解之缘：

没有名为 arXiv 的在线研究资料库，现代科学将不复存在。三十年过去了，它的创造者仍然无法放手。

Modern science wouldn’t exist without the online research repository known as arXiv. Three decades in, its creator still can’t let it go.

这不仅是对一个平台重要性的断言，更是一个关于个体创造如何深刻嵌入并塑造整个领域的故事开端。Ginsparg 的持续参与，本身就暗示了这个平台超越纯粹技术工具的生命力。

但 arXiv 的诞生并非源于宏大的顶层设计，而是出自一个非常具体、甚至可以说是朴素的需求。Ginsparg 当年在洛斯阿拉莫斯国家实验室的深夜工作，只是想为他所在的高能物理小圈子找到一种更快分享最新发现的方式：

在洛斯阿拉莫斯国家实验室工作到深夜，他只是想为他的高能物理小社群找到一种更快的方式来分享他们的最新发现，绕过同行评审和印刷出版的漫长延迟。这是一个因需求而生的务实解决方案。

Working late nights at Los Alamos National Laboratory, he simply wanted a faster way for his small community of high-energy physicists to share their latest findings, bypassing the lengthy delays of peer review and print publication. It was a pragmatic solution born of necessity.

这个“务实的解决方案”恰恰体现了平台思维中常见的模式：一个起初为解决特定小群体痛点的工具，最终可能演化为影响广泛的基础设施。它展示了自下而上的创新力量，以及对现有流程效率低下的直接回应如何催生变革。

arXiv 带来的最直接、最颠覆性的改变，就是它对科学交流速度的极致压缩。传统出版模式下数月乃至数年的等待，被近乎实时的信息流动所取代：

突然之间，研究人员几乎可以即时看到预印本——论文的草稿，近乎实时地对其做出反应、在其基础上进行构建，甚至反驳。这种科学反馈回路的压缩，在快速发展的领域尤其具有变革性。

Suddenly, researchers could see preprints—drafts of papers—almost instantaneously, reacting, building upon, and even refuting work in near real-time. This compression of the scientific feedback loop has been particularly transformative in fast-moving fields.

这里的关键在于“反馈回路的压缩”。这不仅仅是速度的提升，更是互动模式的根本改变。它使得知识的迭代、验证和传播以前所未有的效率进行，尤其是在那些需要快速试错和集体智慧涌现的前沿领域。这种“实时”的动态，正是许多数字平台的核心价值所在。

当前人工智能领域的爆发式增长，便是一个极佳的例证，说明了 arXiv 如何成为特定科技领域不可或缺的“操作系统”：

没有 arXiv，当前的 AI 繁荣是不可想象的。那些介绍了像 transformers 这样基础概念（支撑着 ChatGPT 等模型）的关键论文，最初都是通过这个资料库获得了广泛关注。对于 AI 研究人员来说，arXiv 不仅仅是一个发表的地方；它是全球性的、动态的对话场所，最先进的技术每天都在这里演进。

It's impossible to imagine the current AI boom without arXiv. Key papers that introduced foundational concepts like transformers, which underpin models like ChatGPT, first gained widespread attention through the repository. For AI researchers, arXiv isn't just a place to publish; it's the global, dynamic conversation where the state-of-the-art evolves daily.

这段话精准地捕捉到了 arXiv 在 AI 领域的角色——它不仅是文献库，更是事实上的“全球动态对话”平台。像 Transformers 这样的奠基性工作首先在 arXiv 上引发关注，塑造了整个领域的发展轨迹。这完美诠释了平台如何通过加速信息流动和思想碰撞，成为创新的催化剂，让前沿研究如同在一个实时、开放的实验室中进行。

走过三十年，arXiv 的存在本身就是对开放获取和社区驱动理念力量的证明。尽管面临着规模化、资金来源以及不断变化的科学出版格局带来的挑战，它的核心价值依然稳固：

三十年后，Ginsparg 的创造物证明了开放获取和社区驱动基础设施在科学中的力量。随着 arXiv 在规模、资金和科学出版格局变化等挑战中前行……其核心使命——提供快速、开放的研究访问——比以往任何时候都更加重要。

Three decades on, Ginsparg's creation stands as a testament to the power of open access and community-driven infrastructure in science. As arXiv navigates challenges of scale, funding, and the changing landscape of scientific publishing... its core mission—to provide rapid, open access to research—remains more vital than ever.

那些看似简单、专注核心使命的平台，往往具有最持久的生命力。arXiv 的故事不仅关乎科学本身，更关乎知识共享的基础设施如何构建、演化以及其面临的永恒张力——如何在保持开放和社区精神的同时，应对持续增长和制度化的挑战。

The Creators of Model Context Protocol

本文来自 Latent Space 播客对 Anthropic 的 David Soria Parra 和 Justin Spahr-Summers 的访谈，他们是模型上下文协议（Model Context Protocol, MCP）的创造者。

MCP 的核心目标是解决 AI 应用与日益增长的工具、资源生态系统集成的复杂性。正如其创造者所解释的，它的设计初衷是为了“扩展和增强 AI 应用的功能”，而非模型本身。

当然。简单来说，模型上下文协议，简称 MCP，是我们设计用来帮助 AI 应用程序扩展自身或与插件生态系统集成的东西。术语上有点不同，我们使用了客户端 - 服务器的术语，我们可以讨论为什么这样以及它的来源。但归根结底，它就是这个目的：扩展和增强 AI 应用程序的功能。

Yeah, sure. So Model Context Protocol, or MCP for short, is basically something we've designed to help AI applications extend themselves or integrate with an ecosystem of plugins, basically. The terminology is a bit different. We use this client-server terminology, and we can talk about why that is and where that came from. But at the end of the day, it really is that. It's like extending and enhancing the functionality of AI application.

这里值得注意的是对“AI 应用”而非“模型”的强调。这是一个关键的区别：MCP 着眼于更广泛的应用层交互，而非仅仅是模型能力的调用。这种视角上的转变，从以模型为中心转向以应用为中心，可能是理解未来 AI 生态演变的关键。

是的，我认为这确实是一个很好的描述。人们尝试用很多不同的方式来解释它。但核心就像 Justin 说的，这真的是关于扩展 AI 应用。我想强调的有趣之处在于，它关注的是 AI 应用本身，而不是模型。这是一个常见的误解，我们稍后可以谈谈。是的。我们用过并且挺喜欢的一个比喻是：MCP 有点像 AI 应用的 USB-C 端口，它旨在成为连接整个生态系统的通用连接器。

Yeah, I think that's actually a good description. I think there's like a lot of different ways for how people are trying to explain it. But at the core, I think what Justin said is like extending AI applications is really what this is about. And I think the interesting bit here that I want to highlight, it's AI applications and not models themselves that this is focused on. That's a common misconception that we can talk about a bit later. But yeah. Another version that we've used and gotten to like is like MCP is kind of like the USB-C port of AI applications and that it's meant to be this universal connector to a whole ecosystem of things.

“AI 应用的 USB-C 端口”这个比喻生动地传达了 MCP 的核心价值：标准化和互操作性。在一个工具和 API 接口呈指数级增长的世界里，一个通用的连接标准可以极大地降低集成成本，释放创新潜力，这让人联想到早期计算平台标准化的历史性作用。

有趣的是，MCP 并非源于宏大的顶层战略，而是两位工程师为解决内部痛点而进行的自下而上的探索。这种“车库创新”式的起源故事，为理解协议的设计哲学提供了重要的“地面视角”。

实际上，这基本上就是我们两个人在房间里即兴创作的结果。所以，它并非某个宏大战略的一部分。你知道，如果你把时间稍微倒回一点，到 2024 年 7 月左右。我那时刚开始在 Anthropic 工作两三个月，主要负责内部开发者工具，这是我之前多年一直在做的事情。作为其中的一部分，我想当时的一个努力方向是：我如何能让 Anthropic 的更多员工能够使用，你知道，能够与我们拥有的模型进行真正深入的集成？

It is actually mostly like us two guys in a room riffing. So this is not part of a big strategy. You know, if you roll back time a little bit and go into like July 2024. I was like, started. I started at Anthropic like three months earlier or two months earlier. And I was mostly working on internal developer tooling, which is what I've been doing for like years and years before. And as part of that, I think there was an effort of like, how do I empower more like employees at Anthropic to use, you know, to integrate really deeply with the models we have?

这个起点——赋能内部开发者与模型深度集成——揭示了 MCP 的实用主义基因。它不是空中楼阁，而是为了解决具体问题而生。这种从实际需求出发的开发过程，往往能孕育出更接地气、更具生命力的技术标准。

我想大概是七月份左右。是的，David 一提出最初的想法，我很快就兴奋起来了，我想我们几乎在那次谈话后立刻就开始着手了。然后，我不知道，大概有几个月的时间，嗯，老实说，是在构建那些非常没有成就感的部分。因为要建立这样一个通信协议，它需要客户端、服务器和各种 SDK，你必须要做大量的奠基工作。

I think it was around July. I think, yeah, I, as soon as David pitched this initial idea, I got excited pretty quickly and we started working on it, I think. I think almost immediately after that conversation and then, I don't know, it was a couple, maybe a few months of, uh, building the really unrewarding bits, if we're being honest, because for, for establishing something that's like this communication protocol has clients and servers and like SDKs everywhere, there's just like a lot of like laying the groundwork that you have to do.”

这段坦诚的描述——“非常没有成就感的部分”——让我很有感触：任何看似优雅的标准背后，都凝聚着开发者们在基础架构层面付出的艰辛努力。这也是技术演进中常常被忽略的现实：标准化的过程往往伴随着大量枯燥但必要的基础工作。

MCP 的设计并非凭空而来，它借鉴了软件开发领域一个成功的先例——语言服务器协议（Language Server Protocol, LSP）。LSP 通过解耦语言智能（如自动完成、代码检查）与编辑器/IDE，成功解决了 M 个语言需要适配 N 个编辑器所带来的 M x N 集成难题。MCP 试图将这一模式应用于 AI 应用与扩展生态系统之间。

是的，绝对是。我的意思是，我们确实从 LSP 中汲取了大量灵感。David 在开发者工具方面比我有更多这方面的经验。所以，你知道，我主要做产品或类似基础设施方面的工作。LSP 对我来说是新的。但是，从设计原则的角度来看，它真的非常有意义，因为它确实解决了 David 提到的 M x N 问题。在 LSP 出现之前的世界里，你有各种不同的 IDE 和编辑器，然后有各种不同的语言，每个（编辑器）都想支持或者它们的用户希望它们支持（这些语言）。

Yeah, absolutely. I mean, uh, we, we definitely did take heavy inspiration from LSP. David had much more prior experience with it than I did working on developer tools. So, you know, I've mostly worked on products or, or sort of infrastructural things. LSP was new to me. But as a, as a, like, or from design principles, it really makes a ton of sense because it does solve this M times N problem that David referred to where, you know, in the world before LSP, you had all these different IDEs and editors, and then all these different languages that each wants to support or that their users want them to support.”

这种模式识别——将 LSP 解决 M x N 问题的逻辑应用于 AI 领域——展现了跨领域借鉴的智慧。它不仅仅是技术上的模仿，更是对底层连接逻辑和标准化价值的深刻理解。

MCP 的设计不仅仅是为了实现工具调用（Tool Calling），它提供了一套更丰富的原语（Primitives），如工具（Tools）、资源（Resources）和提示（Prompts）。这种设计的背后，是以应用开发者的视角为出发点。

是的，我可以稍微谈谈这个。我认为从根本上说，我们思考的每一种原语，都是首先从应用程序开发者的角度出发的。比如，如果我在构建一个应用程序，无论是 IDE、桌面应用、某种代理界面还是其他任何情况，我会希望从一个集成中获得哪些不同的东西？一旦你从这个角度看，就会很清楚地发现，工具调用是必要的，但远远不够。除了获取工具之外，你还想做很多其他事情。

Yeah, I can chat about this a bit. I think fundamentally we every sort of primitive that we thought through, we thought from the perspective of the application developer first, like if I'm building an application, whether it is an IDE or, you know, call a desktop or some agent interface or whatever the case may be, what are the different things that I would want to receive from like an integration? And I think once you take that lens, it becomes quite clear that that tool calling is necessary, but very insufficient. Like there are many other things you would want to do besides just get tools.

这种“应用开发者优先”的视角是 MCP 设计的核心。它认识到，AI 应用与外部世界的交互远比简单的函数调用要复杂和丰富。“工具调用必要但远远不够”的判断，直接挑战了当前许多仅关注 Tool Calling 的集成方式，预示着未来 AI 应用交互将更加多元和情境化。

我们区分这些的方式是：工具（Tools）总是意味着由模型发起。有点像是模型自行决定找到合适的工具并应用它。所以，如果你作为服务器开发者想要这种交互，比如‘好的，这个，你知道，突然间我让 LLM 具备了运行 SQL 查询的能力’，那么将其定义为工具是有意义的。但资源（Resources）基本上更灵活。

The way we separate these is like tools are always meant to be initiated by the model. It's sort of like at the model's discretion that it will like find the right tool and apply it. So if that's the interaction you want as a server developer, where it's like, okay, this, you know, suddenly I've given the LLM the ability to run a SQL queries, for example, that makes sense as a tool. But resources are more flexible, basically.

工具（模型驱动）和资源（更灵活）的区分，为开发者提供了更精细的控制粒度，能够根据具体场景选择最合适的交互模式。这体现了协议设计在灵活性和结构化之间的平衡考量。

与现有的 API 描述标准（如 OpenAPI）相比，MCP 旨在提供一个更高层次、更针对 AI 交互的抽象。

是的，我认为从根本上说，OpenAPI 规范是非常好的工具。我在开发 API 和 API 消费者时经常使用它们。但我认为，或者我们认为，对于你想用 LLM 做的事情来说，它们太过‘粒度化’了。它们无法表达更高层次的、AI 特定的概念，比如我们讨论过的 MCP 原语所体现的整个心智模型。是的。从应用程序开发者的角度思考，当你将信息编码到 OpenAPI 规范中时，你无法获得这些东西。

Yeah, I think fundamentally, I mean, open API specifications are a very great tool. And like I've used them a lot in developing APIs and consumers of APIs. I think fundamentally, or we think that they're just like too granular for what you want to do with LLMs. Like they don't express higher level AI specific concepts like this whole mental model. Yeah. But we've talked about with the primitives of MCP and thinking from the perspective of the application developer, like you don't get any of that when you encode this information into an open API specification.

这里的关键在于“更高层次的 AI 特定概念”。MCP 不仅仅是描述 API 端点，它试图封装一种关于 AI 应用如何与外部世界互动的“心智模型”。这种抽象层次的提升，可能正是释放 LLM 与复杂系统集成潜力的关键所在。它点明了现有 API 标准在赋能更智能、更自主的 AI 应用方面的局限性。

访谈最后，David 和 Justin 呼吁社区参与进来，动手构建基于 MCP 的客户端和服务器。这不仅是对开发者的邀请，也暗示了协议的未来取决于生态的繁荣。

you are what you launch: how software became a lifestyle brand

本文深入探讨了一个转变：我们使用的软件，已从单纯的功用性工具，进化为个人身份、品味乃至部落归属感的象征。文章作者 Omer 认为，选择 Notion 还是 Obsidian，就像选择特定的服装风格，它无声地宣告着我们的价值观和我们渴望成为的样子。我们的数字工具箱，正日益成为我们在数字世界中精心策划的自我延伸。

文章开篇就点明了核心论点：选择软件曾是简单的功能匹配问题，但如今已演变成一种身份的表达，一种生活方式的选择。

选择软件曾经很简单。这个应用能满足你的需求吗？能，还是不能？但现在，打开 Notion 或 Obsidian 感觉不像启动软件，更像是穿上你最喜欢的夹克。它代表了你的一些特质，将你归属于某个部落，成为你身份的一部分。软件不再仅仅是功能性的。它悄悄地变成了一种生活方式品牌，一个我们用来表明自己是谁，或者我们希望成为谁的数字义肢。

choosing software used to be straightforward. does the app do what you need, or not? but now, opening notion or obsidian feels less like launching software and more like putting on your favorite jacket. it says something about you. aligns you with a tribe, becomes part of your identity. software isn’t just functional anymore. it’s quietly turned into a lifestyle brand, a digital prosthetic we use to signal who we are, or who we wish we were.”

这种转变反映了技术与个人身份认同的交织。我们选择的工具不再仅仅关乎效率或解决特定问题，它们成为了我们向世界（或者更确切地说，向我们看重的特定社群）展示自身品味和价值观的“数字皮肤”。这不仅仅是功能的延伸，更是个人哲学在数字工具选择上的投射。

作者进一步将这种现象与时尚界的微妙信号传递相类比，指出软件选择已成为一种“品味作为自我构建”或“功能作为美学”的实践。

突然之间，你的应用程序栈（app stack）开始代表你了。不是那种大声、明显的方式，而是像你穿的那种鞋子，你不希望所有人都注意到，但仍然希望他们知道。Margiela Replica。New Balance 992。Arc'teryx。那些低语而非呐喊的东西，关键在于向对的人发出信号。你不想让所有人都注意到，只想让那些你真正在乎其看法的人注意到。也许这根本不是一篇关于软件的文章。也许它是关于品味作为自我构建。或者功能作为一种美学。

suddenly your app stack said something about you. not in a loud, obvious way but like the kind of shoes you wear when you don’t want people to notice, but still want them to know. margiela replica. new balance 992. arcteryx. stuff that whispers instead of shouts, it’s all about signaling to the right people. you don’t want everyone to notice, just the ones whose opinion actually matter to you. maybe this isn’t an essay about software at all. maybe it’s about taste as self-construction. or function as aesthetic.

这里，“功能即美学”的概念浮出水面。选择特定软件不仅关乎其能做什么，更关乎其所代表的理念、设计哲学以及它所吸引的社群。就像选择穿着 Arc'teryx 夹克可能暗示着对户外、性能和某种低调精英主义的认同，选择特定的“硬核”或“美学”软件，也是在向特定圈层发送归属信号。这种“低语而非呐喊”的信号，在技术爱好者和早期采用者社群中尤为普遍，它关乎辨识度和内隐的文化资本。

文章通过对比 Notion（被作者描绘为具有精心策划克制感的“美学工作区”）和 Obsidian（被描绘为强调功能和定制化的“修补者的实验室”）来具体阐释这一观点。对于 Obsidian 用户，其吸引力不仅在于功能，更在于其所体现的理念和对特定用户画像的迎合。

Obsidian 是为 修补者（tinkerers） 而生。不是现代拖拽式的修补，而是传统意义上的那种。那种‘我想看看这东西底层是如何运作的’方式。它是一个奖励好奇心和探索的工具。Obsidian 中的一切都感觉像是出自那些不仅想记笔记，更想构建笔记系统的人之手。它混乱，它无止境，而这正是关键所在。对于那些相信最好的工具是自己塑造的人来说，这是一个游乐场。

obsidian is built for tinkerers. not in the modern, drag and drop sense but in the old way. the “i wanna see how this thing works under the hood way”. it’s a tool that rewards curiosity and exploration. everything in obsidian feels like it was made by someone who didn’t just want to take notes, they wanted to build the system that takes notes. it’s messy, it’s endless, and that’s the point. it’s a playground for people who believe that the best tools are the ones you shape yourself.

Obsidian 的魅力在于其赋予用户的掌控感、对系统底层运作的透明度（或至少是这种感觉）以及鼓励用户参与构建和定制的过程本身。这种“修补者”精神，强调自主、深入探索和个性化塑造，本身就构成了一种独特的身份标签和社群文化。选择 Obsidian，可能意味着用户认同这种理念，将自己视为能够并乐于“自己动手”解决问题、构建系统的人。这不仅仅是选择一个笔记工具，更是选择一种与信息和知识互动的方式，一种智识上的生活态度。

更有趣的是，作者指出，围绕软件的“氛围”（vibe）和认知，其影响力甚至可能超过客观事实。以 Obsidian 为例，其并非严格意义上的开源软件，但用户群体中普遍存在的“开源”认知及其所代表的价值观，对塑造其品牌形象和用户忠诚度至关重要。

人们认为 Obsidian 是开源的这一事实，比它实际上是否开源更重要。因为在这个语境下，开源不仅仅是一个许可证，它是一种氛围（vibe）。它象征着独立、自力更生、一种技术上的纯粹性。使用 Obsidian 等于在说：我关心本地文件。我关心控制权。我足够在乎，以至于愿意给自己增加难度。而这，就是一种生活方式。

the fact that people think obsidian is open source matters more than whether it actually is. because open source, in this context, isn’t just a license, it’s a vibe. it signals independence. self-reliance. a kind of technical purity. using obsidian says: i care about local files. i care about control. i care enough to make things harder on myself. and that is a lifestyle.

这揭示了现代技术品牌建设的一个关键维度：传递“氛围”和价值观叙事。用户选择 Obsidian，可能不仅是因为其本地优先、用户掌控等特性，更是因为他们认同这种选择所象征的独立、自主、硬核的技术精神，以及对数据所有权的重视。这种基于感知和价值观认同的归属感，其粘性往往超越了纯粹的功能比较。软件公司不再仅仅是提供工具，更是在构建一个围绕特定理念和生活方式的社群和品牌世界。

文章最后精准地总结道，在软件已成为生活方式品牌的时代，关键已不再仅仅是软件的功能本身，而是它为谁而设计，以及它所传递的关于使用者身份的信息。

关键不在于软件做了什么。而在于它是为谁而做的。

媒介即讯息。而现在，讯息是：这就是我。或者至少，这是我试图成为的样子。

it’s not about what the software does. it’s about who it’s made for.

the medium is the message. and now the message is: this is who i am. or at least who i’m trying to be.

对于创造者而言，理解这一点：即用户不仅仅是在购买功能，更是在购买身份认同和社群归属，对于在未来技术浪潮中把握机遇至关重要。这不再仅仅关乎代码，更关乎文化和认同的构建。

The Ultramarathon Mindset

本文围绕超级马拉松选手 Courtney Dauwalter 的一些心智模型展开，不仅仅是关于跑步，它实际上解码了一种能在极端压力下保持前行的心理操作系统。

文章的核心在于剖析 Courtney Dauwalter 在数百英里的赛程中用以掌控身心的几种关键思维技巧。这些技巧不仅在心理科学前沿的研究中得到验证，更重要的是，它们具有普遍适用性。

Dauwalter 的经历提供了一个生动的“现场”，让我们得以观察心智力量如何在看似不可能的挑战中被锻造和运用。文章指出的第一个关键策略，就是重构我们对痛苦的本能回避。

我们的大脑天生就倾向于避开痛苦、寻求快乐。这种单一驱动力如此强大，塑造了现代世界的方方面面。从恒温建筑到送餐上门，再到从天而降的无限娱乐库，我们如今被旨在让我们生活各方面都 舒适 的奇迹所包围。

然而，Courtney 学会了将这种本能彻底颠覆。她渴望的是 不适。当比赛变得艰难时，Courtney 会进入她所说的“疼痛洞穴”（pain cave）。她运用想象力，将自己想象成在一个戴着安全帽、手持凿子的洞穴里。当她在跑步的痛苦中坚持时，她想象着用凿子在岩壁上开凿隧道。随着她的洞穴越来越大，痛苦逐渐被凿成进步。

Your brain is hardwired to avoid pain and seek pleasure. This single drive is so powerful that it’s sculpted every aspect of the modern world. From our temperature controlled buildings, to our home delivered food, to our infinite libraries of entertainment beamed down from the sky, we’re now surrounded by miracles designed to make every aspect of our lives comfortable.

Courtney, however, has learned to completely flip this instinct on its head. What she craves is discomfort. When things get tough during a race, Courtney enters what she describes as the “pain cave”. She uses visualization to picture herself in a cave with a hardhat and chisel, and as she pushes through the pain of the run, she imagines chiseling tunnels through the rockface. Pain is gradually chipped away into progress as her cave gets bigger and bigger.

这种将“痛苦”重新定义为“进展”的认知重评（cognitive reappraisal），是 Dauwalter 心态武器库中的核心一环。她不是被动忍受，而是主动进入并“改造”痛苦的体验。这不仅是心理技巧，更是一种深刻的世界观转变，正如她自己所言：

一旦我改变了围绕痛苦的叙事方式，我就能够庆祝它，而不仅仅是试图熬过它。

Once I changed my storyline around pain, I was able to celebrate it rather than just try to survive it.

我们每天都会遇到各种“迷你疼痛洞穴”——艰难的对话、抵制诱惑、保持积极、维持专注、完成锻炼。我们最宝贵的技能、成就和成长往往深藏其中。改变我们对这些“洞穴”的看法，能让我们更容易进入并挖掘其中的宝藏。下次当你为了追求目标而面临不适时，不妨张开双臂迎接它，拿出你信赖的凿子，开始挖掘。

除了拥抱痛苦，Dauwalter 的第二个策略是让过程本身变得尽可能愉悦，即使在极限挑战中也要找到即时的乐趣和奖励。

Courtney 会给自己讲笑话，停下来和人击掌，幻想着在沙滩上吃玉米片，有时甚至只是简单地深呼吸，欣赏风景。她尽可能地让体验变得快乐。

“无论训练多么严肃，总有时间放松和玩耍。”

Courtney will tell herself jokes, pause to give people high fives, daydream about eating nachos on the beach, and sometimes will just simply breathe in and enjoy the scenery. She makes the experience joyful wherever and whenever possible.

“No matter how serious the training is, there’s always time for lounging and playing”.

这种在过程中寻找即时奖励的做法，并非简单的分心，而是有着深刻的心理学依据。它对抗的是人类动机中的一个强大机制：

理解并利用即时奖励的力量对于维持长期动机至关重要。Courtney 与终点线之间隔着数月的训练和数百英里的距离——单靠那个遥远的奖励本身是不够的。

我们需要感谢的机制是“延迟折扣”（delay discounting）：即奖励的主观价值随着其到达时间的增加而下降的现象。一般来说，你把奖励推到越远的未来，我们就越不确定是否真的能得到它，那个奖励的激励作用也就越小。

Understanding and leveraging the power of immediate rewards is essential for sustaining long-term motivation. There are months of training and hundreds of miles between Courtney and the finish line—that distant reward by itself is not going to be enough.

The mechanism we have to thank for this is delay discounting: the phenomenon where the subjective value of a reward declines as the time until its arrival increases. Generally speaking, the further you push a reward out into the future, the less certain we are that we’ll actually get it, and the less motivating that reward becomes.

Dauwalter 通过给自己讲笑话、与人互动、享受当下等方式，有效地对抗了“延迟折扣”，为漫长的征途注入了持续的动力。这对于需要长期投入和坚持的创业者和项目建设者来说，同样至关重要。

第三个技巧是运用“距离化自言自语”（distanced self-talk）。这是一种看似简单却被大量研究证实的强大工具，能帮助我们在压力下调节情绪、激发意志力。

在与自己对话时使用“你”而不是“我”，或者用自己的名字称呼自己，是“距离化自言自语”的一个例子。大量证据表明，这种看似简单的技巧可以帮助你挖掘更深层次的意志力储备。

Ethan Kross 是自言自语力量研究领域的顶尖专家。他在其备受赞誉的 2021 年畅销书《Chatter: The Voice in Our Head, Why It Matters, and How to Harness It》（内在噪音：我们头脑中的声音，为何重要以及如何驾驭它）中为我们剖析了这门科学。在一章中，Kross 描述了他如何运用距离化自言自语帮助研究参与者承受加剧的压力。

Using “you” instead of “I” when talking to yourself, or calling yourself by your own name, is an example of “distanced self-talk”. A large body of evidence has been stacking up to suggest that this deceptively simple technique can help you tap into your deeper willpower reserves.

Ethan Kross is a leading expert on the power of self-talk. He breaks down this science for us in his acclaimed 2021 bestselling book Chatter: The Voice in Our Head, Why It Matters, and How to Harness It. In one chapter, Kross describes how he used distanced self-talk to help study participants endure heightened stress.

通过在内心对话中拉开一点距离（比如对自己说：“Neo，你可以做到”而不是“我能做到”），我们能更客观地看待困境，减少情绪干扰，更有效地调动解决问题的能力。这在应对创业过程中的高压时刻、做出艰难决策时，尤为有用。

最后，文章提到了“收集证据”（collecting evidence）——即主动回顾过去的成功经历，以建立“挑战心态”（challenge mindset）而非“威胁心态”（threat mode）。

通过提醒自己过去的成功，你会让自己感觉仿佛完全具备所需的能力。你阻止身体滑入威胁模式，这能保护你免受压力的分解代谢效应影响，并激发毅力。

当然，有时候无论你怎么看，你确实无法应对施加给你的要求。你需要找到方法来减轻负担、获得更多支持或退出。但我们也可能低估自己的真实能力，并且往往拥有比我们意识到的更多的可用力量。

By reminding yourself of previous successes, you make yourself feel as though you totally have what it takes. You stop your body from sliding into threat mode which protects you from the catabolic effects of stress and fuels perseverance.

Of course, there are times when you really can’t handle the demands put upon you, no matter which way you look at it. You need to find a way to either lighten your load, get some more support, or quit. But we can also underestimate what we’re really capable of and often have more strength available to us than we realize.

这种策略的核心在于，通过调取过往成就的记忆，我们能主动构建一种“我能行”的信念，从而在生理和心理上更好地应对挑战，激发坚持下去的动力。这并非否认现实困难，而是提醒我们，过往的经验证明了我们内在的韧性储备往往超出自己的预期。

← Back to Newsletter Archive