我们似乎总陷入同一种错觉：为即将到来的一年设想天翻地覆的剧变，却对接下来十年间，那些细微改变累积而成的深远重塑视而不见。此刻，站在2026年的开端，我们恰恰身处这“高估”与“低估”的缝隙里。潮水并未如预言般汹涌淹至，但它润湿大地的深度，已远超我们的想象。

再过几天，WWDC就要开了。每年这个时候，大家都会盯着苹果要发什么新系统、新功能。但今年有一款还没露面的产品，可能比任何软件更新都更值得关注。

这副眼镜的代号叫N50，最新的消息是它的发布日期又从今年底推迟到了明年底。推迟的原因很简单，苹果还没想好怎么做，或者说它想做的和很多人期待的不一样。

很多人想象中的苹果眼镜应该像Vision Pro那样，能把虚拟屏幕投在你眼前、能玩 AR 游戏、能处理工作。但N50大概率不是这样，它没有复杂的显示系统和独立的计算单元，但有摄像头、麦克风、扬声器，看起来就像一副普通的眼镜，只是多了几个传感器。它能拍照、接电话、听音乐和唤醒 Siri，还能做一些简单的视觉识别，比如翻译路牌、识别眼前的植物。

说白了，它的定位可以理解为“戴在脸上的Apple Watch”。

第一代Apple Watch刚出来的时候，很多人也不知道它到底有什么用。它既不是精准的腕表，也不是独立的通信设备，更不是专业的健康仪器。它好像什么都能做一点，但什么都不突出。苹果甚至推出过售价一万多美元的金表版本，想把它包装成时尚配饰，结果大家都不买账。

后来苹果花了几年时间不断做减法，砍掉金表，弱化社交功能，把精力集中在健康、运动、通知这些真正被用户高频使用的场景上。于是今天你买Apple Watch，多半是用它来记录跑步、监测心率、看消息和刷地铁的。它的真正价值是在一个很小的领域里做得足够好，然后慢慢变成了习惯。

苹果眼镜大概率会走同样的路，第一代产品不会试图颠覆什么，而是去回答一个很朴素的问题：你愿不愿意每天戴着一副有摄像头的眼镜，让Siri随时听你使唤？比如你看到一家餐厅，可以直接问它“这家店评分怎么样”。你看到一个路牌，可以问“这个地方怎么走”。你看到一款产品，可以问“哪里买最便宜”。你不需要再掏出手机，解锁，打开应用并打字搜索。眼镜会通过摄像头把你看到的东西传给手机，手机上的AI处理完再把结果通过眼镜的扬声器告诉你。

这套流程并不科幻，Meta和雷朋合作的智能眼镜已经做到了，而且去卖了将近700万副。虽然大部分用户只是把它当成一个能拍照、能听歌的普通眼镜，但已经足够证明人们愿意接受这种“轻度智能”的眼镜，只要它看起来足够时尚、戴起来足够舒服。苹果要做的正是用它的生态和供应链优势，把这种体验做得更顺滑、更无感。

当然，这条路上还有很多障碍。一副带摄像头的眼镜随时可能拍到别人或被滥用，欧盟的隐私法规已经让苹果带摄像头的AirPods项目踩了刹车，眼镜只会更难。苹果必须设计出一套极其严格的隐私机制，比如摄像头工作时必须有明显的指示灯，所有数据处理都在本地完成，用户可随时查看眼镜拍了什么、没拍什么。

另一个障碍是定位模糊，Apple Watch花了将近五年时间才找到自己的位置，眼镜所需要的时间可能同样不短。所以第一代产品大概率会被很多人批评“没有杀手级应用”，就像当年的Apple Watch被嘲笑“除了看时间还能干嘛”。但苹果显然不着急，它愿意花几年时间慢慢打磨，等生态成熟、用户习惯养成之后再放大招。这种耐心，是这个星球上极少数公司才能拥有的奢侈品。

从更大的视角看，苹果做眼镜这件事本质上是想重新定义“你和世界的交互方式”。手机的交互方式是你主动去找信息，眼镜的交互方式则是信息主动来找你。这种“眼动即交互”的范式一旦成立，将从根本上改变搜索、广告、本地生活、社交等一系列行业的底层逻辑，这也是为什么Meta、谷歌、字节跳动等一众大厂都在拼命押注智能眼镜这个赛道的重要原因。

但苹果眼镜真正意义上的对手其实是用户心里的那个问题：我为什么要把这个东西戴在脸上？苹果的答案可能和当年 Apple Watch 一样，你刚开始只是用它来拍照、听歌、看通知。后来你发现用它查地图很方便、翻译菜单很省事、记录眼前的东西很顺手。再后来，你就忘了脸上还戴着东西。

你有没有想过有一天拿起手机时，屏幕上却没有任何图标，你想做什么直接说话就行。

“帮我订一张下周去北京的机票，靠窗的，上午出发。”话音刚落，屏幕上就直接生成了一个航班列表，你只需要选一个确认，它会自动完成支付。

这不是科幻片，就在最近OpenAI举办的一场黑客马拉松上，最终夺冠的团队现场演示了这样的场景。开发者全程用语音指挥AI订机票、删日历、查AI新闻、发邮件和列待办，中途还因为忘了配置登陆账号而导致发送邮件失败了。但观众没有嘲笑，反而觉得真实，因为所有人都看懂了这是一个正在生长中的未来。

这个演示最让人震撼的地方是整个手机的交互界面都是即时生成的，你说“帮我看看周末有什么AI活动”，屏幕上立刻出现一张卡片列表，列出几个相关的会议，每个都有时间、地点、简介。

这意味着延续了十几年的应用商店模式可能要被连根拔起，过去整个移动互联网生态都是建立在“用户通过App获取服务”这个前提上的。如果有一天用户不再需要打开App，只需要向AI说出需求，那么那些提供服务的中间商、聚合平台、甚至App本身都会面临巨大的冲击。比如你不再需要先打开美团再点外卖，只需要对手机说“我想吃川菜”，AI直接找到附近评分最高的川菜馆然后帮你下单。美团的App可能还活着，但被藏在了AI的背后，变成了一个你很少直接点击的后台服务。

这听起来对消费者极其友好，它省去了翻找App的麻烦、学习每个App不同界面的成本和在各个应用间切换的时间。尤其是对老年人和不擅长操作智能手机的人来说，这种“说话就行”的交互方式简直是福音。

当然，这个未来还很遥远。演示中的系统只能在非常有限的场景下跑通，而且它极度依赖语音和实时生成的界面，这对网络、算力、功耗、安全都是巨大的考验。更重要的是，它要挑战的是一个已经运行了十几年的、无比坚固的开发者生态。

但演示的意义在于它让我们看到了一个可能性，这就像从命令行到图形界面的进化或是从键盘到触屏的跃迁。每一次交互方式的简化，都会把旧的商业模式扫进历史，同时创造出新的巨头。

也许再过几年，当你给孩子买第一部手机时会这样告诉他：“你对着它说话就行，实在不行再用App。”他会觉得你很奇怪，就像当年有人告诉你“这个叫鼠标”一样。

讲个暴论，AI下一阶段的发展目标应该是干掉对话框

微信AI助手要来了，腾讯终于亮出了它的超级王牌

你可能已经习惯了在微信里做很多事，聊天、刷朋友圈、打车、点外卖、交水电费、挂号看病、买理财产品……这款拥有14亿用户的超级应用，几乎成了中国人数字生活的底层操作系统。

但在AI时代它一直还缺一块拼图，一个能帮你把所有事串起来的智能管家。现在，这个缺口即将被补上。

据英国《金融时报》报道，腾讯正在测试一款深度嵌入微信的AI智能体，用户只需在主屏幕向右滑动就能唤出一个对话窗口。你不需要学习任何新操作，也不需要下载额外应用，就像呼出扫一扫或付款码一样自然，但它的能力远不止扫个码。比如你可以对它说：“帮我找一家静安寺附近、人均150以内、有靠窗座位的中餐馆，订个今晚七点的两人位。”它就会自动搜索、比对、选店，然后调用美团或点评的小程序完成预订，最后把确认信息推给你。

这和之前你在微信里呼叫的那个AI“元宝”有根本区别，元宝只能和你对话，不能替你干活。而这个新AI智能体的本质是一个“执行者”，它可以深度调用微信生态内数以百万计的小程序，完成跨应用的复杂任务。也就是说，它把微信从一个“连接工具”变成了一个“委托平台”。你不再需要自己在不同小程序之间跳转、填表、支付，只需要说出目标，它来帮你跑完整个流程。

这件事为什么重要？因为微信拥有全世界任何科技公司都梦寐以求的三样东西：14亿活跃用户的真实身份、完整的社交关系链以及覆盖线上线下几乎所有消费场景的小程序生态。这三样东西拼在一起，构成了一个极其稀缺的闭环。支付宝和抖音也有AI助手，但它们缺社交关系。手机厂商的AI助手可以调用本地App，但缺跨应用的统一账户和数据。微信的AI助手，天然站在所有对手够不到的位置上。

对腾讯来说，这不仅是功能升级，更是一次战略卡位。在AI大模型竞赛中，腾讯一直显得低调甚至迟钝。当百度、阿里、字节纷纷推出自研大模型时，腾讯的混元模型似乎总是慢半拍。但腾讯可能从来就没想深度参与模型参数的军备竞赛，它真正的战场在应用层，在它已经统治了十几年的那个地方。对普通人来说，一个能把微信生态里所有服务串联起来的AI助手将比一个能聊天能生图的通用模型价值要大得多。

当然，这条路并不会一帆风顺。首先，合规是最大的变数。微信AI助手可能需要读取用户的聊天记录、位置、支付信息等敏感数据才能完成“帮你订餐厅”这类任务，而中国的数据安全法和个人信息保护法对此有极其严格的规定。知情人士称，腾讯最早本月就要启动合规审批流程，但审批时长不确定。乐观估计7月份才会开启小范围灰度测试，大规模商业化至少要等到2027年。

其次，生态内部的利益平衡也是难题。微信里有数百万个小程序开发者，它们有的属于腾讯系，有的属于阿里系，有的是独立第三方。当AI助手帮用户“自动找一家咖啡馆并点单”时，它会优先推荐哪一家。是星巴克还是瑞幸？是按距离、按评分还是按谁付给腾讯的广告费多？这种“推荐公平性”问题稍有不慎就会引发巨大的商业争议，腾讯必须设计出一套透明、可解释、用户可干预的规则。

但无论如何，这一步一旦迈出微信就不再只是一个单纯的“工具”了。当你打开手机，不再需要在一堆App图标里翻找，不再需要在不同小程序间跳转。这有点像当年从命令行到图形界面的跃迁，或是搜索引擎到推荐算法的进化。每一次交互方式的简化，都会重塑整个数字经济的版图。

有人可能会问，这和Siri、小爱同学有什么区别？区别在于Siri或许能帮你打开美团，但不能帮你完成点单，因为美团的登录、选餐、支付流程不在苹果的控制范围内。而微信AI助手面对的，是一个所有小程序都已经接入了统一账户体系、统一支付、统一授权的封闭生态。这就是微信用了十几年才建起来的围墙，围墙外面是开放互联网，围墙里面是腾讯自己的领地。而AI助手，就是这座围墙的智能大门。

也许再过一两年，你父母会对你这样说：“你帮我在微信里跟那个AI说一声，让它给我挂个下周的专家号，顺便把降压药再买两盒。”你说完，AI就办好了。他们不会觉得这有什么神奇，就像今天他们不会觉得扫码支付有什么神奇一样。

技术最大的成功不是让你惊叹，是让你忘记它的存在。而微信AI助手未来要做的，就是成为那个被忘记的存在。

为什么你刷抖音总是停不下来？

你是否曾在深夜打开抖音，对自己说“只看五分钟”，然后两小时过去，窗外天都快亮了？

这不代表你的意志力薄弱，如果非要说有什么错，就错在那套看不见的系统把你算计得太好了。而我想说的，正是这套系统里最核心的秘密。

我曾接触过抖音的底层逻辑，它真正高明的地方不在于让你看到你喜欢看的东西，而在于让你永远不知道下一条会是什么，却又永远觉得下一条值得期待。

这听起来像一句废话，但如果你愿意听完我拆解的这个故事，你可能会对自己划过的每一次屏幕有一种完全不同的认识。

先说一个所有人都会忽略的事实，在抖音的后台每秒钟都有成千上万条视频在争夺你的注意力，但系统面临的真正难题从来不是“该给你推什么”，而是“该防止你看到什么”。

为什么这么说呢？因为每个用户都有自己最沉迷的领域。有人爱看萌宠，有人爱看美食，有人只盯着漂亮的小姐姐跳舞。如果系统足够“聪明”，它完全可以按照你的最高偏好，一条接一条地推送同类型的内容。那样的话，你当时的体验会极其舒服，每一秒都踩在你的嗨点上，你可能会不停地点赞，不停地刷下去，数据会漂亮得让人尖叫。

但真正的麻烦，会在你关掉手机的那一刻到来。

抖音内部曾做过这样一次实验，把一群用户分成两组，第一组按照最高偏好推送，内容高度同质化，一条接一条全是他们最喜欢的类型。第二组按照正常策略，偶尔打散内容，插入一些完全不同领域的视频。结果怎么样呢？第一组在实验当天的使用时长飙升了将近百分之二十，每个数据都远超第二组。但仅仅过了一周，第一组用户的次日留存率开始断崖式下跌。他们开始觉得腻了，厌了，甚至有人反馈说“打开那个App就觉得没意思”。

而在第二组，那条曲线一直保持平稳。

这件事给了我一个极大的触动，原来在“让你爽”和“让你一直爽”之间，存在着一道不可逾越的鸿沟。算法真正的使命并非让当下快乐最大化，而是让明天的期待不至于落空。

这套逻辑在系统的内部被称为“反同质化”，它像一只冷静的手，在你快要陷入沉迷的时候轻轻把你拽回来。比如你连着刷了五条跳舞视频，系统会敏锐地察觉到你的阈值正在升高，它会故意在第六条推给你一条历史科普或者一条野外探险。你可能会划走并觉得莫名其妙，但恰恰是这个“莫名其妙”拯救了你对App的新鲜感。它是在保护你的审美，就像一对情侣刻意保持距离一样，为的是更长久的相处。

所以抖音让你停不下来，靠的不是一味地迎合。当你感受到“永远刷不完”的时候，其实背后正是这套机制在刻意制造着一种“不可预测的惊喜感”。

但这只是故事的一半，另一半是关于那些你看不到的普通人。

在抖音这个巨大的内容池里，有明星、有网红、有无数专业团队精心制作的高成本视频。它们的质量毋庸置疑，画面精美、节奏精准、文案犀利。如果你是一个纯粹的内容消费者，只看这些高质量的成品体验一定不会差。但抖音之所以能让你彻底沉浸，靠的不仅仅是这些“顶配内容”，还有一大批你可能从来没听说过的普通创作者。

之前内部还做过一个非常极端的实验，即尝试把“低粉丝用户”的视频从推荐流里全部剔除。也就是说只推送那些粉丝过万、有过爆款记录的作者的作品。结果符合预期，整个大盘的互动数据提升了，用户停留时长涨了，点赞率高了，所有人都觉得内容变得“更优质了”。但一个月后，一个意想不到的事情发生了，整个平台的投稿量开始下降。

这倒不是因为那些大V不发了，而是那些本来只有几十个粉丝、刚刚尝试拍视频的普通人，发现自己无论拍什么都再也得不到任何曝光。他们拍了一条又一条，却永远只有个位数的播放量。没有人看，就没有人点赞没有人评论，那种“我也能火”的希望感消失了，于是他们不拍了。而当这股庞大的底层创作力量开始消退，大V们也开始感觉到某种变化。他们发现自己过去可以轻松模仿的爆款，那些来源于大众的奇妙创意，那些“普通人在家里突然蹦出来的灵光一现”变得越来越少了。整个创作生态，像一棵失去了土壤的树，虽然枝叶繁茂，根却在慢慢枯死。

这让我明白了一件事，抖音上最宝贵的资源其实是那些每天在镜头前努力找乐子的普通人。他们的视频可能画面粗糙、创意笨拙，甚至有些尴尬。但他们身上有一种明星们永远不具备的东西，叫做“可模仿性”。

你看明星跳舞，可能会觉得“那是人家专业出身，我学不来”。但你看一个普通人，用家里的拖把当道具，跟着魔性的BGM扭了一通，你会瞬间产生一种冲动“这个我好像也能拍”。当这种冲动出现的时候，你就不再只是一个“内容消费者”了。你会尝试打开拍摄按钮，跟着音乐扭几下，发出去，然后满怀期待地等待观众的反馈。

这个过程在系统的价值模型里，比任何的点赞、评论、停留时长都珍贵得多。因为它完成了一次从“看”到“拍”的转换，完成了一次从“输入”到“输出”的跃迁。你从观众变成了演员，从局外人变成了局内人。而当你发布的那条视频被系统推送到别人面前时，你又可能成为下一个普通人眼中的“模仿对象”。

就是这样一环扣一环，一个普通人点燃另一个普通人，整个生态像一团永不熄灭的野火，向外蔓延，生生不息。

我之所以讲这么多是想说明一件事，你以为抖音让你停不下来是因为它太懂你了。但其实，它最了不起的地方，恰恰是没有完全顺从你。它会在你沉迷时强行打断你，让你保持新鲜感。它会在你只想看精品时，把那些笨拙而真实的普通人作品塞到你面前，让你在某个瞬间突然想起“我也能拍”。

真正的顶级产品从来不是让用户爽到死，而是让用户在每一次离开后依然期待下一次打开。

所以，下次深夜你又一次刷到停不下来的时候，别再责怪自己了。你只是被一套极其精密的系统，用一种极其温和的方式留了下来。

而这套系统最厉害的设计就是它能让所有参与者，无论是屏幕前的你还是屏幕那头奋力的创作者，都觉得自己是赢家。

黄仁勋的台北演讲不只是发布芯片

如果你只看新闻标题，大概会觉得英伟达又发布了几个新芯片，参数又提升了多少。但如果你把黄仁勋在台北电脑展前的这场演讲从头听到尾，你会发现他在讲一个更宏大的故事。

过去两年，AI行业的核心是训练大模型。谁算力强，谁就能训练出更大的模型。英伟达的GPU成了淘金热里的铲子，卖得盆满钵满。但黄仁勋这次演讲透露了一个明显的转向：重点从训练转移到了推理，从模型转移到了智能体。

什么是智能体？简单说，就是能自己完成任务的AI。你告诉它“帮我订一张下周去北京的机票，顺便查一下那边的天气，再把我那天的会议推掉”。它不需要你一步一步教，自己就能拆解任务、调用工具、执行操作。这种智能体对算力的消耗方式，和训练模型完全不同。它需要低延迟、高并发、并且能处理复杂的长链条推理。

英伟达这次发布的Vera Rubin架构，以及专门面向AI智能体的CPU Vera，就是冲着这个需求去的。Vera Rubin已经全面量产，首批客户包括OpenAI、Anthropic和SpaceX，这三家都是智能体赛道最激进的玩家。OpenAI在做能操作电脑的Codex，Anthropic有Claude Code，SpaceX则要在火星上部署自动化系统。他们之所以选英伟达的芯片，是因为英伟达最早看懂了智能体需要什么，因为单纯的算得快远远不够，还要能在芯片级保证安全、低延迟和多任务并行。

黄仁勋这次还发布了一个叫DSX的平台，这个平台既不做芯片也不做模型，它是一套“建AI工厂的说明书”。过去你要建一个AI数据中心，需要自己摸索买什么服务器、怎么布线、怎么散热、怎么调度算力、怎么保证不出错。DSX把这些经验打包成一套标准流程，你可以在电脑上先模拟整个工厂的运行，一分钱不用花，等模拟通过再去买硬件。

这件事的意义被很多人低估了，它意味着英伟达不满足于只卖芯片，它想定义“AI应该如何被部署”。就像当年微软定义了一台PC应该装什么系统，英特尔定义了CPU的标准。英伟达现在想定义的是一个企业要搞AI，应该走什么流程、用什么架构和达到什么标准。

最让人意外的是，英伟达宣布要跟联发科合作做面向Windows PC的芯片，预计今年秋天就上市。这意味着英伟达要正面挑战英特尔和AMD，直接进入普通人的电脑。这颗芯片不是传统意义上的CPU，而是把CPU、GPU和AI单元整合在一起的单颗SoC。戴尔、联想这些整机厂商可以直接采购，像做苹果电脑那样做Windows电脑。

这套打法很眼熟，苹果当年就是用自研芯片把Mac从“兼容机”变成了“体验机”，英伟达现在想对Windows阵营做同样的事。区别在于苹果只服务自己，英伟达则想服务整个生态。它不自己做电脑，但能给所有电脑厂商提供一个“装上就能跑AI”的芯片方案。如果成功，未来你买任何品牌的Windows电脑，里面的AI算力都来自英伟达，这将是比卖显卡大得多的市场。

在自动驾驶领域，英伟达的Hyperion平台已经成了事实上的行业标准。比亚迪、吉利、极氪、小米、小马智行都在用这套平台开发自动驾驶。因为英伟达提供的不止是一颗芯片，还有一整套从感知到决策的解决方案。车厂不需要自己从头研发，只需要基于Hyperion做上层应用，这跟安卓手机厂商用高通芯片的逻辑一模一样。

机器人的打法也类似，英伟达发布了Isaac GR00T人形机器人参考平台，还选了宇树科技的机器人作为参考机型。这意味着未来你做机器人开发，不用自己折腾底层硬件和软件，直接套用英伟达的框架就行。就像今天你想做一个App一样，有一个现成的开发环境和应用商店。

把所有这些串起来，你就会看到一个清晰的轮廓。英伟达正在做的，不是一家芯片公司该做的事，它在定义AI时代的基础设施标准。训练模型用它，部署智能体用它，自动驾驶用它，人形机器人用它，连你办公桌上的电脑也要用它的芯片。它不满足于当AI界的英特尔，它要当AI界的“微软+英特尔+高通”的合体。

当然，这条路能不能走通还要看几个关键变量。第一是AI智能体的应用能不能真正普及，如果只是一小部分极客在用，那芯片产能就有过剩的风险。第二是竞争对手能不能追上，AMD、英特尔甚至一些创业公司都在发力AI芯片，英伟达的技术领先优势正在缩小。第三是反垄断的压力，当一家公司同时控制AI训练、推理、PC、汽车、机器人这些关键领域的芯片标准时，监管机构不可能视而不见。

但至少在今天，黄仁勋站在台北的舞台上讲的是一个没有人能反驳的故事。AI不再是未来，它正在变成跟水电一样的基础设施。

而英伟达，想成为那个接通管道的头号玩家。

都说选择大于努力，那么该如何选择？

你有没有发现有些人做决策总是很准，跳槽、转行、创业每一步都踩在点上。

你可能会说他们运气好，但观察久了你会发现其实是因为他们脑子里有一套隐形的思考框架。遇到任何选择，你都可以默默过一遍这套流程，然后做出最终的判断。

很多人做决定的时候，往往只埋头盯着自己手里那点事。比如要不要换工作？要不要做这个项目？他们从来不抬头看看外面的风往哪吹，可一旦风向不对你再努力也是逆水行舟。

而要判断对风向，你需要问三个问题。

第一是技术到了吗？如果你想做的事依赖某项新技术，你得判断这项技术是不是真的能用了。比如你可以去看开源社区是不是活跃，看网上讨论的人是不是越来越多，看有没有人已经用它做出了能用的产品。如果还只是几个实验室在捣鼓那就太早了，如果已经满大街都在用你再入场可能就太迟了，你真正要找的是那个从“少数人知道”变成“多数人听说”的拐点。

第二是政策支持吗？这不是说让你去蹭热点，而是要搞清楚你的方向究竟是顺风还是逆风。比如你可以去看政府的文件里有没有提，看银行的信贷有没有倾斜，看行业里的头部公司是不是都在往这个方向转。如果这些信号都是正向的那你就是顺风，如果不是你就要想清楚凭什么你能逆势活下来。

第三是经济周期允许吗？经济好的时候，大家都愿意为长远的故事买单。经济不好的时候，大家只盯着眼前的现金流。你要判断你做的事是属于那种“烧钱等未来”的类型，还是“马上能赚钱”的类型。如果是前者，在经济收缩期就会非常难。如果是后者，反而可能因为别人不敢花钱导致你的成功几率大大增加。

这三个问题合在一起回答了一个核心判断：为什么是现在？早三年不行，晚三年也不行。其根本目的是让你真正搞清楚这个时间窗口是怎么打开的，以及它还能开多久。

大方向对了，你还要看你脚下的这块地究竟值不值得深耕。很多人选了一个热门方向，却扎进了一个永远赚不到钱的环节。就像是去淘金，有人在金矿里挖，有人在河边卖水。卖水也能赚钱，但你要知道自己赚的是不是辛苦钱。

判断一个赛道好不好，有几个可以量化的方法。

第一是看市场还有多大增长空间，一个简单的判断是看这个领域是不是还有很多人想用但用不上？比如十年前的外卖，不是所有人都有智能手机所以增长空间巨大。而现在的外卖几乎人人都在用，增长就慢下来了。你还可以看一个更细的指标，比如整个大行业可能不增长了，但里面的某个细分赛道还在爆发。就像整个餐饮业增长放缓了，但预制菜可能还在翻倍，你要找的就是这种结构性的增长差。

第二是看你站的位置能不能赚到钱，任何一个行业蛋糕都不是平均分的。有的环节利润厚，有的环节利润薄得像纸。你要诚实地问自己现在做的事是在吃肉的位置，还是在喝汤的位置？比如你做一个配件，可以去查一下品牌商的利润率是多少，同行的利润率是多少。如果你发现上下游都活得很好，只有你所在的环节勉强度日，那可能就不是你够不够努力的问题了。

第三是看竞争有多激烈，一个简单的判断方法是数一数你能叫出名字的竞争对手有多少。如果你一个都叫不出来，要么是你太超前，要么是市场太小。如果你能叫出十几个，说明已经挤破了头。你还可以去看看行业里头部的那几家占了多大份额，如果加起来还不到三分之一说明市场还很分散，新人有机会冲进去。如果已经占了超过一半，那基本就是寡头游戏了，你想挤进去会非常难。

第四是看这个行业靠什么赢，有的行业靠技术，谁先突破关键指标谁就赢。有的行业靠渠道，谁铺得广谁就赢。有的行业靠品牌，谁在用户心里扎了根谁就赢。你要搞清楚你所在的那个领域当前最重要的竞争维度是什么，如果你还在死磕一个已经过时的维度就永远跑不赢。

第五是看钱是怎么赚的，这个行业的收入模式是什么？是一次性卖东西，还是靠持续的订阅或服务？是薄利多销，还是高毛利低频次？不同的模式对应完全不同的经营节奏，你要确保你的打法和这个行业的通行规律不冲突。比如你做的是软件工具，同行都在做订阅制，你非要卖永久授权，那你就要想清楚凭什么你能破例。

第六是看最大的风险在哪，每个赛道都有自己的命门。有的是技术路线被颠覆，有的是政策突然收紧，有的是替代品出现。很多人只会报喜不报忧，但真正清醒的人会主动去想这个事万一失败了，最可能的原因是什么？我有没有办法提前防备？

当大环境和赛道都对，但你这个人不对，事情依然成不了。人很容易高估或低估自己，你需要找到一个客观的参照系。

第一个参照系，是看这个行业里已经跑出来的人是怎么成长的。找到两三个你最佩服的同行或者公司，看他们从起步到站稳脚跟用了多久，到盈利用了多久，到出名用了多久。然后问自己我现在大概相当于他们的哪个阶段？我的速度是比他们快还是慢？快有快的道理吗？慢有慢的原因吗？这不是让你去复制别人，而是要理解这个行业里“优秀”到底长什么样。如果你做了三年还比不上别人第一年的进度，那就要认真审视问题出在哪。

第二个参照系，是用这个行业的关键指标来量自己。比如你做电商，行业里做得好的店铺复购率能做到百分之三四十，如果你只有百分之五，那你其实“还没入场”。把你能找到的行业关键指标列出来，和自己的数据一一对比。绿灯多，说明你在这个赛道有天然优势。红灯多，要么是你选错了方向，要么是你需要极强的理由来解释凭什么你能破例。

第三个参照系，是判断时间窗口还能开多久。大多数机会不是永远存在的，你要判断这个窗口还有多久会关上。关键是要看几个信号，比如头部玩家的份额是不是在快速集中？新入局的人是不是越来越少了？用户的获取成本是不是越来越高了？当这些信号出现两到三个时，窗口就基本进入尾声了。你要在这个倒计时结束之前，跑到安全的位置。

环境不是静止的，技术每几个月就可能上一个台阶，政策每个季度都在变，竞争格局半年就会不一样。这套框架不是用一次就扔掉的工具，我的建议是每个季度都拿出来过一遍。看看大环境的三个指标有没有变化？赛道的六个维度有没有哪个出现了拐点？你自己的参照系有没有因为头部公司的变化而需要调整？

每次复盘，你都会发现“我以为的”和“实际发生的”之间的偏差。偏差越小，你的决策就越稳。偏差大的地方，就是你接下来要补的课。

即使你的判断都对，准备都充分，执行都到位，最后你还是需要一点运气。因为真正的机会窗口往往只有几个月，而且信号很弱。你可以留意几个现象，比如你开始看到不同圈子里的人都在讨论同一件事，行业里最保守的公司开始悄悄布局，顶尖大学的毕业生开始大量涌入这个方向。当这些信号出现时，窗口可能就已经打开了，你别等到所有信号都亮再进场，只要看到两三个信号就可以开始小步快跑。因为跑错了可以随时退，跑晚了就真进不去了。

这套框架的本质，是把直觉变成可以追踪的事实。当你把大环境、赛道、自身的三个层面拆开，每个层面找两三个关键问题，定期问自己一遍。你就会发现，选择不再是拍脑袋，而是一道可以拆解的题。即使答案不一定对，但只要知道错在哪里，下次就有机会改正。

都说选择大于努力，但前提是你真的有努力选择。

苹果做Siri做了十几年，结果大多数人最常用的指令还是“设个闹钟”或者“今天天气怎么样”。这些年来它总想靠自己把Siri变得足够聪明，但大模型这条赛道跑得实在太快了。

不过在即将到来的WWDC上，Siri将迎来一次彻底的重塑。新界面、对话记忆、与灵动岛的深度集成，这些都还不算最让人意外的地方。真正让人眼睛一亮的是苹果打算让用户把谷歌的Gemini和Anthropic的Claude直接“插进”Siri里，将Siri变成一个模型分发平台。

这个做法的深意，远不止是给Siri换一个能聊天的皮肤。苹果正在做一件它最擅长的事，当自己不是某个领域最强的玩家时，它就重新定义游戏规则。在App Store时代，苹果不需要自己开发所有应用，它只需要搭建一个让开发者愿意来的平台。现在面对AI模型苹果也在做同样的选择，当它不再执念于做出最好的大模型，而是把iOS变成所有好模型都想接入的地方。这种从“自研”到“整合”的转变，将是苹果一次非常清醒的战略转向。

过去三年，苹果在AI这条路上走得一直很被动。ChatGPT在2023年炸场，谷歌把Gemini塞进安卓底层，三星用AI功能当卖点。而Siri呢？还在把“设置明天早上的闹钟”理解成打开闹钟应用。苹果当然也发布了Apple Intelligence，画了不少饼，但功能迟迟不上线，地区限制又多，用户体验和发布会演示差了一大截。面对这积累了三年的落差，苹果急需一次翻身仗。

这次翻身仗的关键就是系统级整合，一个能直接读取你日历、相册、健康数据、信息的AI和一个只能跟你聊天的AI在体验上天差地别。安卓厂商也能接入各种模型，但它们很难做到苹果这种权限和硬件的统一控制。当用户问Siri“帮我找出上次去日本拍的那张富士山照片，做成一个短视频，配上我最近常听的歌”，如果Siri能做到，那用户就没有理由再去用独立的AI应用。

当然，这个思路也带来了一些棘手的矛盾。苹果十几年来最核心的护城河之一就是隐私，那句“你的数据只留在你的设备上”成了很多用户选择iPhone的原因之一。现在为了引入第三方模型，苹果必须把部分查询送到谷歌或Anthropic的服务器上处理，这将打破“只用自家基础设施”的承诺。苹果当然可以解释说这些请求会经过匿名化处理，可以给用户选择权，但红线一旦挪动信任就会打折。如何让几亿用户接受这件事，将比任何技术难题都更考验苹果的公关和产品哲学。

另一个更实际的考验是如果Siri里的Claude和直接下载Claude的App体验完全一样，用户为什么还要用套壳版本？这意味着苹果必须要证明“我不一样”，而这个不一样只能来自iOS底层那些第三方无法触及的能力。比如调用你的真实数据、操作你的设备或是协同多个第一方应用，这些才是苹果真正的护城河。

尽管这些年很多人都在批评苹果在AI上慢半拍，但换一个角度看，苹果可能是在等别人先踩坑。OpenAI、谷歌、微软在过去两年烧了上千亿美元建数据中心、买芯片、训模型，泡沫的担忧一直没停过。苹果的核心策略是不急着做出最强的模型，等赛道稳定下来再用自己最擅长的系统整合能力后发制人。比如把Gemini和Claude都请进来，然后用灵动岛、数据权限、端侧处理这些安卓难以复制的能力来构建差异化的体验。这就像是一场有预谋的赌注，赌的是AI的终局不在谁的模型最强，而在于谁的系统能把模型用得最顺手、最不打扰用户、最能保护隐私。

再过几天，苹果就会在WWDC上给出完整的答案。Siri欠用户一个交代已经十几年了，这次它可能不会摇身变成最聪明的那个，但它终于承认了一个人再强也不如让一整个生态变强，这也许才是苹果风格的AI答案。

🎧

天下苦英伟达久矣