一起做投资人

聆听了季老一场令我动容的演讲
虽然他平铺直叙 娓娓道来
但却令我心潮澎湃 难以平静

一个好的企业 品牌
是专注 是坚守 是敬畏
季老用六十载诠释了这种精神
80岁高龄的“重新返岗”
是热爱 是责任 更是传承
“英雄永远不会脱下战袍”

老巴说“人的一生只打二十个孔”
在这个浮躁的时代
大部分人都在追逐消息 趋势
却很少有人停下来
去认真地看一看企业本身
伟大的企业 就在我们身边
我们能拥有“茅台”是何等幸运

美元基金投资人在硅谷见了20多位大厂和明星创业公司的员工，我有哪些Learnings？
看完CES，我在硅谷逗留了一周，约见了20多名在谷歌，open ai，meta，特斯拉，physical intelligence ，skild ai等大厂和明星创业公司的员工，几点learnings总结如下，
1. 谷歌gemini3大获成功最关键的因素是pre-training(涉及模型架构比如多宽多深和训练recipe等)，谷歌拥有最好的pre-training和AI infra，scaling law继续起作用。对gemini技术贡献角度看cto koray，创始人sergey，以及jeff dean留下的强大infra底蕴起的作用都比hasabbis大。hasabbis醉心ai4science。
2. Open AI拥有最好的mid/post training团队和积累，reasoning RL mid training还有很多可以做。内部还有很多可以提升的方向，模型能力还有很多可以提升的空间并不迷茫。
3. 顶尖大模型参数量已经突破5万亿，xAI据说在train 8万亿参数的模型。
4. Meta的AI infra 远不如谷歌，挖过去的天才有时候也觉得巧妇难为无米之炊。新的大模型已经预训练完毕，还没到gemini3水平，但会强调个性化。1季度见分晓。
5. 特斯拉机器人是公认领先梯队，并不认为需要VLA，VA加端到端神经网络就可以，机器人训练数据范式转为视频数据为主。
6. 特斯拉robotaxi难在运营，无线充电，清洗，调度等。纯神经网络驱动下限不如waymo rule-based 兜底安全，但上限会更高。目标德州小量内测去掉安全员，加州带安全员先上量。
7. 世界模型观点分歧，一半的人认为为时尚早，但大部分都认同是未来方向。一部分认为已经可以逐渐落地，甚至latent space simulate推理可以融入到端侧规控中。

我之前研究过所谓的明星基金经理，发现他们有一个共同的特点就是：

运气好。

如何在做dirty work时找到乐趣？

1. 没有工作是不dirty的，先对行业和工种去魅，能拿到正反馈就是适合自己的，能不能关联杠杆是另外一件事

2. 先按拆解的计划执行，每天执行的过程是实验过程，在验证自己的拆解的完善度，这些是bug而不是problem，每天把bug记下来，然后一天修复几个，当初的计划慢慢就出了雏形

3. 过程中重复出现的bug，是系统的结构性问题，这个板块得深度思考与分析，这是go to market的机会，上一步的成果只能叫个人项目

4. 躬身入局的价值是你的系统/产品/增长能被真正验证，这些反馈➕你的迭代频次和力度，这些是导致你的基本面会越来好的原因

5. 那些说Dirty work有上限的，本质是抽象和系统化能力弱，在一线的做事能力本身就是可迁徙资产，判断力/结构感/拆解能力/风险感知，都是换个场景，重建接口

我爱干活~ 这就是我的一部分

身边不断有朋友传来好消息，最不意外的就是那种之前拿过结果的，往往能持续拿结果，3-5年升一次咖太正常了

土的不如比亚迪！

30亿现金
一年2％利息算有6000万
一个月500万
团队几十个人
不做预训练
不屯算力
这个钱够“撑”到踏马地老天荒

昨晚袁记交表
这大概是我职业生涯困惑至今的几大谜案之一
事情是这样的 21年的2月我们作为最早找到founder的资本从业者之一把人给喝吐了
然后我们再没约到过他哈哈哈哈哈哈

这种类型的故事大概可以写一个系列

2020和2021年那一波消费投资的泡沫，最后留下来发展不错的公司有哪些？

有多少人想知道黄金涨到什么时候是个头，点个赞我看看，多的话我直接给个结果。首先能确定的是黄金一定会暴跌。
补充一下，我说的是历史性大跌，幅度50%那种，不是宽幅震荡区间。对于炒黄金的、黄金大额持仓的有用。