即刻App年轻人的同好社区
下载
置顶来源：@PandaGPT 】12亿人没有护照、10亿人没做过飞机、但有近11亿人可以上网。大学文化水平人数2.18亿，包含本科大专高职。理解这些数据，可以避免很多无意义的争吵。今天把上面数据都溯源了一下，都是官方发布的数据。截止19年底中国普通护照人数有2亿左右，也就是12亿人没有护照。23年9月民航局公布的粗略数据表示中国乘坐过飞机的人仅为3亿多，也就是10亿多人没有坐过飞机。截止23年底，中国网民数量是10.92亿。2020年人口普查，大学文化程度的人口为21836万人。
3 00
文中已经有讲到这个问题了，ai对人类的替代只会不断扩大，不会停止的。然后，ai的扩张，带来服务ai（比如维护数据中心，维护通讯网络）的工作，并不会增加很多，因为这些工作本来也一直在通过ai优化（这点不知道原文有没有说）。举例来说，设备，线路，甚至数据中心，都可以冗余配置，这些的价格比显卡便宜多了，也都比增加维护的工人划算。最近几年，几乎没有硬件原因导致的世界级断网（断服务），都是软件缺陷或者人为操作，而这些原因以后都会被ai消除。 //@王紫君Zima: 感觉他的逻辑是ai导致失业，但是乐观一点的话，ai也可以产生各种之前想不到的工作
卫夕: 一篇雄文（熊文？），把市场砸出了一个坑。 昨天，初七，2026年2月23日，美股开盘。（你看，咱们这春节不开盘也有好处） 道琼斯跌了800多点，收在了日内最低点，全市场只有27%的股票收涨。 当天，科技软件ETF（IGV）创下了52周新低，当日下跌5%，年初至今已经跌了近30%，把ChatGPT发布以来的涨幅都跌没了。 触发这场抛售的，是Substack上一篇名为《2028全球智能危机》文章。 这件事有意思的点在于——这TM完全一篇想象出来的推演。 很显然，文章没有瞎扯，对未来推演的逻辑是让人信服的（至少说服了市场），值得盘一盘。 老外的文章通常都比较长，说实话多少有点啰嗦，直接翻译阅读体验其实很一般，读起来费劲。(原文地址：https://www.citriniresearch.com/p/2028gic ) 所以，看原文之前，我尝试花3000字梳理它的十个逻辑，尽量保证通俗易懂，且信息密度比原文高。 这文章其实就讲了一个核心问题——如果AI真的赢了，哪些东西会跟着输掉？ 一 第一条逻辑，是整篇文章最反直觉的地方，也是它的题眼—— 看多AI可能本身就是熊市信号。 这很奇怪，AI生产力提升、企业利润扩张、股价上涨，这TM当然是好事啊！ 但作者问了一个的问题：北达科他州一个GPU机柜，能完成曼哈顿中城一万名白领的工作，这对经济到底是好事还是坏事？ 生产出来了，然后呢？谁来花这些钱？ GDP是衡量产出的，但产出必须流通，才能变成消费，才能变成下一轮的收入和再生产。 如果产出绕过了人，直接从机器流向资本家的账户，那这个GDP数字好看是好看，但和普通人无关。 作者给这个现象起了个名字，叫幽灵GDP（Ghost GDP）——统计数据里有，但普通人感知不到。 这才是问题所在。 二 第二条逻辑，是关于那个负反馈飞轮。 说的其实是一个很朴素的链条—— AI能力提升，企业裁员，省下的钱买更多AI工具，AI能力再提升，企业再裁员…… 这个循环里，没有刹车。 以前的经济周期有自我修正机制——工厂生产多了卖不出去，就会减产，减产带来供给就少了，供给少了价格就会回升，价格回升又刺激新一轮投资。 这就是之前衰退之后会复苏的朴素逻辑。 但这一次不同，裁员是因为技术进步得太快而让人变贵了。 技术还在进步，裁员的理由只会越来越充分，而不会自动消失。 以前我们说：熊市不言底，这一次的问题更麻烦——底在哪里，取决于AI进化到哪里。 而AI的进化，目前看没有明确的天花板。 三 第三条逻辑，说起来有点奇怪——被AI威胁最深的公司，成了AI最激进的采购方。 ServiceNow这家公司，是文章里的典型案例。 它卖的是企业工作流自动化软件。 AI来了，它的客户开始大裁员，裁员就意味着不再买软件了，收入下滑，与此同时，有新的竞争者用AI写出了功能相近的产品，分走了它的市场。 然后ServiceNow怎么做的？ 它裁掉了15%的员工，把省出来的钱投进了AI工具。 它别无选择，成了AI最激进的用户之一。 这和以前我们常说的柯达、诺基亚的故事完全不同。 以前说的是传统企业抵抗新技术，被灵活的新进者颠覆。 这一次，传统企业是最快拥抱AI的那一批，因为它们是被最快威胁的那一批。 而问题在于，它们正是雇人最多的一类企业，它们跑得越快，裁员的速度就越快。 四 第四条逻辑，叫AI不怕麻烦。 什么意思？ 人会懒，人有习惯，人嫌麻烦，人会健忘。 这些弱点，被无数商业模式精心设计成了护城河。 订阅制、自动续费、捆绑套餐、默认选项——每一个设计背后，都有用户怕麻烦的隐含假设。 AI把这个假设干掉了。 AI可不怕麻烦，它会帮你对比五个平台的价格，逐条检查你每个月的订阅是否在用，发现保险公司的自动续费涨了价就立刻重新比价。 这些事，人不是不想做，是嫌麻烦不去做。 文章里用DoorDash（美国的美图外卖）举了一个绝妙的例子。 DoorDash的护城河，本质是——你饿了，你懒，这个app在你手机首页。 但AI助手没有手机首页，它会同时检查DoorDash、Uber Eats、餐厅自己的网站和二十个新平台，选最便宜最快的那个。 以前的护城河，崩了。 五 第五条逻辑，是整篇文章最简单也最被人忽视的一个： 机器不花钱。 这话说起来像废话，但想清楚了，是各很严肃的问题。 美国的消费在GDP里占70%。 这70%几乎全部来自人。人有收入，人才花钱。机器创造了产出，但机器不在餐厅吃饭，不买房，不去度假，不送孩子上私立学校。 文章里有一句话，我觉得是全篇最值得被划线的： "我们只需要想一想，机器在可选消费品上花多少钱，就能看清楚这件事。（答案是：0）" GDP增长，但消费的主体在缩水。 消费的主体缩水，意味着大量以人类消费为基础的商业模式，大概率都会塌。 从会花钱的人类，流向不花钱的机器，这是一个残酷的流动。 六 第六条逻辑，是关于白领失业的消费乘数效应。 这一条相对技术一些，但道理并不难懂。 以往我们说失业影响消费，大家想象的是蓝领工人失业，他们下周就不消费了，数据很快反映出来。 但这一次的失业主要发生在白领。 白领有积蓄，失业之后，他们可以靠存款维持一两年的正常消费。 于是数据上看不出来，经济学家说还好还好，但真实的衰退已经在发生。 等到数据终于崩了，滞后了几个季度，局面已经很难收拾。 还有另一个放大效应：美国消费最强的前10%的人，贡献了50%以上的消费支出。前20%的人，加起来大约贡献了65%。 这些人，买大房子，搞家装，买好车，去旅游，送孩子读私立，这些消费，是支撑整个消费的顶梁柱。 现在，正是这10%到20%的人，在大批失业或者被迫降薪。 2%的白领就业损失，换来的是3%到4%的消费下滑，这个换算比率，比大部分人想象的要高得多。 七 第七条逻辑，是私募信贷的多米诺骨牌。 这一条稍微有点金融行业内部视角，但作者解释得很清楚。 过去十年，美国私募信贷从不到1万亿美元膨胀到了2.5万亿以上。 大量资金流进了软件公司，赌这些公司的年度经常性收入（ARR）会长期稳定增长。 然后AI来了。 SaaS公司的客户开始裁员，裁员意味着软件许可减少。 年度经常性收入“ARR”变得不再经常了。 更糟糕的是，这些软件公司的资产，很多被打包进了保险公司和年金产品，说白了是美国普通家庭的储蓄，只是套了个复杂的金融外壳。 Zendesk（美国很牛逼的客服SaaS公司）是文章里的标志性案例：2022年以102亿美元私有化，配了50亿美元直接借贷，号称是历史上最大的ARR抵押贷款。 到2027年，AI客服已经完全替代了人工票务系统，Zendesk的核心业务逻辑消失了。 这50亿美元的贷款，完全有可能打水漂。 问题是，Zendesk绝不是个例。 八 第八条逻辑，是这篇文章最后一个大炸弹： 优质抵押贷款，可能也不Work了。 这句话的份量，需要一点背景来理解。 2008年次贷危机，烂就烂在贷款从一开始就是坏的——借给了根本还不起的人。 所以监管的逻辑是：只要贷款质量好，系统就稳。 于是银行和金融体系花了十七年，把优质抵押贷款变成了系统里最靠谱、最着调的资产。 780分的信用评分（在美国算非常高了），20%的首付，三十年稳定的就业记录，从来没有逾期记录——这类贷款，被认为是一点问题都木有的。 但这一次的问题，是工作的问题。 这些信用良好的借款人，当年借钱的时候，是标准意义上的优质借款人。 但世界在贷款发放之后发生了变化，他们的工作，被AI替掉了，或者降薪了，或者同行业的整体薪资水平崩掉了。 以前的危机是，贷款第一天就是坏的；现在的危机是，贷款发放时是好的，但世界变了。 13万亿美元的美国房贷，背后的隐含假设是：借款人会在未来30年里，大致保持当前的收入水平。 这个假设，大概率也TM要噶。 九 第九条逻辑，是关于政策工具的失效。 降息有用吗？ 有用。 降息能降低贷款成本，刺激信用扩张，托住资产价格。 但降息不能让AI停止进化。 降息不能让失业的产品经理重新找到和原来薪资一样的工作。 降息解决的是流动性问题，而这一次的问题是失业问题。 政府的财政也同样尴尬。 美国财政的收入主体，是个人所得税和工资税。 AI创造的产出，流向了资本和算力的拥有者，不流经工资，也就不流经税务局。 产出还在增长，税收却已经悄然在下滑。 更要命的是，失业补偿金是为周期性失业设计的：失业一段时间，找到新工作，补偿结束。 但如果失业是结构性的，失业补偿金就变成了一项永久支出。 政策工具，是用旧模型配旧问题。 新问题来了，旧工具大概率不管用。 十 第十条逻辑，是整篇文章最本质的那一条，放在压轴： 我们的整套经济体系，建立在“人类智识是稀缺资源”这个假设上。 劳动力市场、信贷体系、税法、社会保障——所有这些，都是在人类的思考能力、决策能力无法被大规模复制的前提下设计的。 这个前提，正在失效。 AI不是完美替代，但在越来越多的领域，它是足够好的替代。 好到让企业重新计算人和AI的成本收益比。 经济体系不会崩塌，但肯定会重新定价。 问题在于，这次重新定价的对象，是整个经济秩序的底层基础，并非某个行业、某类资产，而是人值多少钱这件事本身。 这是太阳底下真正的新鲜事，以前没有发生过。 结语 文章的结尾，作者把视角切回了现实： 我们不是在2028年读这篇文章，我们是在2026年2月读它。 现在标普接近历史最高点，负反馈飞轮还没有开始转动。 所以作者说的其实是：你还有时间想一想，你的未来规划里，有多少是建立在“人类智识永远稀缺”这个假设上的？ 这个问题，比任何一条具体的建议，都更值得认真对待。 我个人对这篇文章的评价是：逻辑严密，叙事优雅。（尽管有略显啰嗦） 很显然，它并非看衰AI，恰恰相反，它是看多AI，看多到预估和推演了AI强势发展的系统性风险。 看完这篇文章，说实话我也非常有收获，大年初八，开工的第一天卫夕说两点—— 第一，认真想一想，你的收入来源里，有多少是建立在“我比机器贵，但我比机器好”这个假设上的。 这个假设以前成立，现在开始动摇，未来会继续被压缩。 把这件事放到台面上，认真审视它。承认一个风险的存在，是应对它的第一步。 第二，至少充一个20美元每月的AI。 哪怕一个月，你如果用的是免费的AI，那它的水平其实是半年前或一年前的水平。 不要再自信地认为：我试过了，AI也就那样。持这种想法，大概率是你没用好。 最近有一句话流传很广——如果你现在大部分事情还是自己动手做，说明你的动手能力不太行。 很多人对AI的恐惧，来自于不了解。很多人对AI的盲目乐观，也来自于不了解。 用，频繁地用，用到模型限额是唯一解。 我自个也在强迫自己以最大限度地、激进地用那御三家的模型。 往死里烧token！ 没错，旧的框架不够用了，新的框架，得自己搭。
0 00
继续玩龙虾（openclaw），用高级模型（opus, gemini）根据中国股市特点选择量化策略，包月模型（GLM）干脏活累活，从头做量化交易的系统。阶段报告交给高级模型，提出改进意见。
1 00
终于配置好了openclaw的飞书机器人。按照官方文档走是有个坑的，安装不成功，问grok解决了。vps太差了，更新一次openclaw都内存不够😂，又按照grok的指导加了swap空间。
0 00
乡下地方，最近才有了盒马。前几天晚上想吃沙拉，才在淘宝闪购里面搜到的。这几天在盒马吃了五顿，感觉那个青木瓜沙拉和日式沙拉蔬菜比较好，肉类还要再找找，自己不动火的话，只能选热厨，卤味和刺身了。搞个微波炉的话可能选择多一些？
0 00
傍晚开始尝试安装openclaw，还挺折腾的，在digital ocean的管理页面，开一个ssh会话登录到某台vps上，再用tmux来保持不中断。用tailscale来暴露gateway，避免泄露到公网，总算跑起来了。想增加nextcloud talk的channel，又遇到nextcloud在docker里面的问题。还要继续研究……
0 00
因为骨灰是个“新玩意”，传统里面根本没有这个玩意。《破地狱》看过吧，开头“执金”那段，就是传统的做法。尸体自然降解成骨头，放入“金塔”。然后继续埋土地里。这里还涉及到风水的问题。（农村里）就算是再穷的人家，总能找到块墓地，所以不会有人把金塔放家里。但“神位”（上香的牌位或照片）可以放，而且是在客厅里专门的位置，比神明（如观音）还居中。以上，以珠三角为背景。整个中华文明来看的话，应该也没有活人先人同处一室的传统。
童欣: 除了墓地相关产业链的人员会鼓吹骨灰放家里不好这个原因外 其实我不太理解 为什么大家不把亲人的骨灰放家里 一般宠物去世骨灰都是放家里的 反而亲人的要买个陌生的有使用期限的地方埋了 哎…
0 00
