即刻App年轻人的同好社区
下载
AI 很火爆
但依然只是
热力学 → 熵 → token
图论 → attention → Transformer
概率论 → language model → GPT
控制论 → agent → OpenClaw
然后
Token → Transformer → GPT → Agent
AI的核心其实只有四个动作：
关系 → 压缩 → 预测 → 反馈
换句话说就是
结构 → 表征 → 推理 → 行动
或者说
理解世界 → 建模世界 → 推断未来 → 改变世界
但依然只是
热力学 → 熵 → token
图论 → attention → Transformer
概率论 → language model → GPT
控制论 → agent → OpenClaw
然后
Token → Transformer → GPT → Agent
AI的核心其实只有四个动作：
关系 → 压缩 → 预测 → 反馈
换句话说就是
结构 → 表征 → 推理 → 行动
或者说
理解世界 → 建模世界 → 推断未来 → 改变世界
5 00
这几天面试了两个 ios 前端开发工程师
候选者对于 AI 的理解就像地心引力
把我从太空拽回底面
绝大多数人 包括互联网、科技行业从业者
其实 AI 渗透率还是很低
就连被 AI 侵占最快的 coding 领域
绝大多数人都还很“原始”
改变 发生的时候
绝大多数人往往没有反应
这很像多年以前我们怀疑父母
为什么在上一个时代的浪潮里
没有抓住机遇
候选者对于 AI 的理解就像地心引力
把我从太空拽回底面
绝大多数人 包括互联网、科技行业从业者
其实 AI 渗透率还是很低
就连被 AI 侵占最快的 coding 领域
绝大多数人都还很“原始”
改变 发生的时候
绝大多数人往往没有反应
这很像多年以前我们怀疑父母
为什么在上一个时代的浪潮里
没有抓住机遇
1 00
阿里今天开源 CoPaw，基本可以确认：Local Agent 是 2026 开年最大的确定性赛道，而且大厂的占位速度比我预想的快很多。
拉一下时间线—— 云厂商最先动，各家49块起的云配置主机，走的是基建卖水逻辑； 然后是 Kimi 的 KimiClaw，200/月订阅制，卡 C 端入口； 今天阿里的 CoPaw 直接开源，原生对接 Qwen 全家桶，和它一贯的开源生态战略完全一致。
Q1 还没过完，三条路线全部落子。
有意思的是另一个信号：咸鱼上远程安装 OpenClaw 报价600，定制开发起步价2000。一个免费开源的东西，在跳蚤市场能卖到这个价，说明普通用户和 power user 之间的认知摩擦大到离谱。这种摩擦里面一定有商业机会，但问题是——这个窗口有多长？大厂产品化再迭代两三个版本，这层摩擦可能就被抹平了。
所以想问两类朋友：
做产品的——你们现在怎么看 Local Agent 这个方向？还有没有值得 all in 的切入点，还是说通用层已经没创业公司什么事了，只能往垂直场景钻？
看投资的——如果现在有团队拿着 Local Agent 方向的 BP 来找你，你会看什么位置的？基建层大厂已经封死了，服务层可能是快钱，中间到底还有没有一个能长出壁垒的位置？
拉一下时间线—— 云厂商最先动，各家49块起的云配置主机，走的是基建卖水逻辑； 然后是 Kimi 的 KimiClaw，200/月订阅制，卡 C 端入口； 今天阿里的 CoPaw 直接开源，原生对接 Qwen 全家桶，和它一贯的开源生态战略完全一致。
Q1 还没过完，三条路线全部落子。
有意思的是另一个信号：咸鱼上远程安装 OpenClaw 报价600，定制开发起步价2000。一个免费开源的东西，在跳蚤市场能卖到这个价，说明普通用户和 power user 之间的认知摩擦大到离谱。这种摩擦里面一定有商业机会，但问题是——这个窗口有多长？大厂产品化再迭代两三个版本，这层摩擦可能就被抹平了。
所以想问两类朋友：
做产品的——你们现在怎么看 Local Agent 这个方向？还有没有值得 all in 的切入点，还是说通用层已经没创业公司什么事了，只能往垂直场景钻？
看投资的——如果现在有团队拿着 Local Agent 方向的 BP 来找你，你会看什么位置的？基建层大厂已经封死了，服务层可能是快钱，中间到底还有没有一个能长出壁垒的位置？
重磅开源！桌面Agent工具CoPaw来了
0 00
这是个很有意思的隐含观点，即创新在中心。
大模型层的确璀璨，也似乎只有他们才能算“真正的 AI native”，因为他们就在这场爆炸的中心。
但是模型层的创业是收敛的，这里的机会并不会很多，当然也可能通用技术的小型化、定制化还没有爆发，所以模型层几乎被少数几家公司抽干了空气。
我更好奇，那些低资源的团队，要怎么实现 AI native 组织，他们的形态和结构是什么样的？又遇到了什么挑战？ //@潘乱: 大模型创业公司之外，还有哪家算 AI 原生公司
大模型层的确璀璨，也似乎只有他们才能算“真正的 AI native”，因为他们就在这场爆炸的中心。
但是模型层的创业是收敛的，这里的机会并不会很多，当然也可能通用技术的小型化、定制化还没有爆发，所以模型层几乎被少数几家公司抽干了空气。
我更好奇，那些低资源的团队，要怎么实现 AI native 组织，他们的形态和结构是什么样的？又遇到了什么挑战？ //@潘乱: 大模型创业公司之外，还有哪家算 AI 原生公司
芮麟的CoT: 从23年开始，大厂一路裁员，裁得越多股价涨得越高。 以前叫人力资源，现在是人力负债。 Block 刚裁了 40%，Jack 说不是因为困难，是因为 AI 改变了工作方式。 但裁掉旧人 ≠ 长出新能力。 一万人裁到六千，剩下的还是原来的思维、流程、KPI。 这不叫 AI-native 组织，这叫更瘦的旧组织。 老树桩里长不出新树——一个忒修斯之船式的问题。 招人解决不了业务难题，裁人也解决不了企业转型。 AI 组织是一把手工程，但大部分一把手自己都不泡在 AI 里。 一个认知还停在"AI 是效率工具"的 CEO，能设计出 AI 原生组织吗？ 想问问做管理和带组织的朋友： 你觉得 AI 原生组织到底长什么样——换人，换结构，还是换决策方式？ 这种组织需要什么样的人？ @潘乱 @
0 00
