即刻App年轻人的同好社区
下载
置顶假设G2000 工资池 $5–10T 中，知识工作约占 40–50%(即 $2.5–5T 可寻址)；AI 替代不是 1:1 换钱。企业付的 token 钱约为被替代劳动成本的 10–25%，剩下是利润扩张和降价竞争，是通缩性替代。
如果按基准30% ，知识任务 × 15–20% 计价，$600B–1.2T/年，占工资池 8–12%、约占营收2%。此时compute成为仅次于人力的第二大运营成本项
资金流的链上 token 化，工资/payout 这 $5–10T 的流动本身也在 token 化,但慢得多。
2030 年前大概率只有低个位数 %走稳定币 rail，两层 token 化会在一个点上交汇：当agent开始作为经济主体被计费、被支付时,agent-to-agent 的资金流天然选稳定币(x402 协议)。届时给谁付、付多少、依据什么放行的治理需求会同时覆盖人类 payout 和 agent payout，decision layer 的 TAM 是两个池子的和
如果按基准30% ，知识任务 × 15–20% 计价，$600B–1.2T/年，占工资池 8–12%、约占营收2%。此时compute成为仅次于人力的第二大运营成本项
资金流的链上 token 化，工资/payout 这 $5–10T 的流动本身也在 token 化,但慢得多。
2030 年前大概率只有低个位数 %走稳定币 rail，两层 token 化会在一个点上交汇：当agent开始作为经济主体被计费、被支付时,agent-to-agent 的资金流天然选稳定币(x402 协议)。届时给谁付、付多少、依据什么放行的治理需求会同时覆盖人类 payout 和 agent payout，decision layer 的 TAM 是两个池子的和
广密: Global 2000强企业，年营收～$50T，利润～$5T 1/ IT spending $1.5-3T，每家7.5-15亿美金，占营收3-6%； 2/ 劳动力工资$5-10T，雇佣1亿人，人均5-10万美金； 这个结构会怎么变？会tokenize多少比例？
1 01
法网才打倒32强，郑钦文，辛纳，德约已经全部出局，而且几乎都是让二追三输掉比赛。
至此，本届法网创造了公开赛年代(自1968年以来)的一个历史纪录：首次出现男单16强中没有一位前大满贯冠军，男网进入了真正的“权力真空期”
2004-2022: 三巨头时代
2023-2025: 辛卡双子星
2026法网：新王登基，暂时无人统治
如今首次出现没有历史冠军，没有绝对统治者，一批19-23岁球员集体冲击，反而有点像2001年桑普拉斯时代结束，2004年费德勒崛起前夜那种群雄并起的感觉。
巴黎还是有点东西的。
而女单方面，郑钦文看似是爆冷，但实则有必然性。
根据《福布斯》2025年全球女运动员收入榜数据，郑钦文以2260万美元的年收入位列第五。其中，2100万美元来自商业代言，仅160万美元来自场内比赛奖金。
郑钦文的商业价值主要源于其卓越的赛场表现，尤其是2024年巴黎奥运会女单金牌，极大地提升了她的全球知名度和品牌吸引力。她目前代言了耐克、劳力士、迪奥、奥迪等超15个国际一线品牌，覆盖运动、奢侈品、汽车等多个领域。
顶级运动员拥有高额代言本来就是职业体育的一部分。真正值得讨论的是：当一位仍在成长阶段的球员，过早成为巨大的公众符号时，外界期待、舆论压力和商业活动，很容易放大竞技状态的波动。
从年龄和职业规律来看，23岁的郑钦文仍然处于职业网球运动员的成长周期中。女子网球虽然比男子更早成熟，但真正能够长期稳定保持顶级竞争力的球员，通常也需要数年的技术完善、心理建设和大赛经验积累。无论是李娜、哈勒普，还是斯瓦泰克、高芙，都经历过较长时间的波动和调整。
但郑钦文的特殊之处在于：她的商业价值释放速度，明显快于竞技能力的成熟速度。
市场和公众已经用顶级巨星的标准要求她，但她实际上仍然处于技术和比赛体系的完善阶段。郑钦文很年轻，但有点像：一个还在成长中的球员，被市场当成了已经成熟的大满贯冠军。这是压力最大的阶段。
对于一个真正进入长期统治期的顶级网球运动员来说：商业收入高，不奇怪；但如果商业收入远远超过竞技收入，往往意味着：市场预期已经提前兑现；竞技统治力还没有真正建立；公众认知和实际竞技水平之间出现了估值溢价。
郑钦文还很年轻，竞技状态的起伏，本来是年轻球员成长的一部分。相比短期排名波动，更重要的是她能否在未来几年里重新建立稳定的比赛体系、健康的训练节奏，以及更成熟的心理状态。
对于职业运动员来说，真正决定职业高度的，最终仍然是赛场表现，而不是商业曝光。商业价值可以放大影响力，但只有持续的竞技能力，才能决定职业生涯的长度与上限。
郑钦文面临能否从“中国头号球星”真正成长为长期稳定的大满贯竞争者。这个问题的答案，未来两三年比这一次法网失利更重要。
毕竟，能支撑她走得更远的，永远是击球的声音，而不是闪光灯的亮度。
至此，本届法网创造了公开赛年代(自1968年以来)的一个历史纪录：首次出现男单16强中没有一位前大满贯冠军，男网进入了真正的“权力真空期”
2004-2022: 三巨头时代
2023-2025: 辛卡双子星
2026法网：新王登基，暂时无人统治
如今首次出现没有历史冠军，没有绝对统治者，一批19-23岁球员集体冲击，反而有点像2001年桑普拉斯时代结束，2004年费德勒崛起前夜那种群雄并起的感觉。
巴黎还是有点东西的。
而女单方面，郑钦文看似是爆冷，但实则有必然性。
根据《福布斯》2025年全球女运动员收入榜数据，郑钦文以2260万美元的年收入位列第五。其中，2100万美元来自商业代言，仅160万美元来自场内比赛奖金。
郑钦文的商业价值主要源于其卓越的赛场表现，尤其是2024年巴黎奥运会女单金牌，极大地提升了她的全球知名度和品牌吸引力。她目前代言了耐克、劳力士、迪奥、奥迪等超15个国际一线品牌，覆盖运动、奢侈品、汽车等多个领域。
顶级运动员拥有高额代言本来就是职业体育的一部分。真正值得讨论的是：当一位仍在成长阶段的球员，过早成为巨大的公众符号时，外界期待、舆论压力和商业活动，很容易放大竞技状态的波动。
从年龄和职业规律来看，23岁的郑钦文仍然处于职业网球运动员的成长周期中。女子网球虽然比男子更早成熟，但真正能够长期稳定保持顶级竞争力的球员，通常也需要数年的技术完善、心理建设和大赛经验积累。无论是李娜、哈勒普，还是斯瓦泰克、高芙，都经历过较长时间的波动和调整。
但郑钦文的特殊之处在于：她的商业价值释放速度，明显快于竞技能力的成熟速度。
市场和公众已经用顶级巨星的标准要求她，但她实际上仍然处于技术和比赛体系的完善阶段。郑钦文很年轻，但有点像：一个还在成长中的球员，被市场当成了已经成熟的大满贯冠军。这是压力最大的阶段。
对于一个真正进入长期统治期的顶级网球运动员来说：商业收入高，不奇怪；但如果商业收入远远超过竞技收入，往往意味着：市场预期已经提前兑现；竞技统治力还没有真正建立；公众认知和实际竞技水平之间出现了估值溢价。
郑钦文还很年轻，竞技状态的起伏，本来是年轻球员成长的一部分。相比短期排名波动，更重要的是她能否在未来几年里重新建立稳定的比赛体系、健康的训练节奏，以及更成熟的心理状态。
对于职业运动员来说，真正决定职业高度的，最终仍然是赛场表现，而不是商业曝光。商业价值可以放大影响力，但只有持续的竞技能力，才能决定职业生涯的长度与上限。
郑钦文面临能否从“中国头号球星”真正成长为长期稳定的大满贯竞争者。这个问题的答案，未来两三年比这一次法网失利更重要。
毕竟，能支撑她走得更远的，永远是击球的声音，而不是闪光灯的亮度。
2 03
当世界拼命卷模型、卷算力、卷融资时，Stanford选择卷组织力
5月4日，Stanford进行了一项重磅重组：Stanford宣布：将旗下两大AI与数据科学组织——Stanford HAI（以人为本人工智能研究院）和Stanford Data Science（斯坦福数据科学）合并为一个统一机构，名称保留Stanford HAI，由计算机科学家James Landay全面掌舵。
Landay 原话是：我们能用来塑造这项技术服务公共利益的时间，变得短得多了"。这是非常罕见的坦白——一个全球顶级学术机构公开说"我们不够快"。感觉这次合并不是常规扩张，而是应急式重组：Stanford不再认为可以"在已有架构上加几个 initiative"，必须重新组织。这个语气在学术界很少见，感觉带着一点危机感。
原本的的学术研究单元是 1 个 PI + 4-5 个博士生。新的单元是 20-30 人，而且关键在于人员构成：除教授和学生，还要 research engineer、data scientist、program manager、designer。这套人员配置，其实就是 OpenAI / Anthropic / DeepMind 的研究 team 结构。换句话说，Stanford 在把前沿实验室的组织形态搬进大学。这是学术界承认：个人英雄主义的小作坊，在 frontier AI 时代已经不够用了。
合并的真正逻辑感觉是：human-centered(立场) × 算力：HAI 提供跨学科+人本主义视角，Data Science 提供的是大规模数据基础设施和 Marlowe(248 块 H100 GPU 的算力集群)。
没有算力，什么人本主义都是空话。你连模型都跑不起来，根本无法研究它对人类的影响：AI 研究的入场券,从思想变成了基础设施。
Landay 一句话挺有意思的:"With corporate AI labs turning inward, academia must carry forward the mantle of open science."(产业 AI 实验室都在往内收,学术界必须扛起开源科学的大旗。)这是这次合并最深的一层动机。
OpenAI 不开源，Anthropic 不开源，Meta 半开半闭，前沿 AI 的科学共同体正在瓦解。Stanford 在这个时点合并并强调"开放",
不和产业拼能力上限，而是要成为"开放、可复现、跨学科、为公共利益服务"那一极的核心节点，顺势把欧洲 ETH/EPFL 等机构拉进同一阵营(他们的开源基础模型项目就是这个版图的一块)
这其实是学术界的PMF 重新定位：既然在 capability race 输给产业，就在 trust / openness / public good 这一条赛道上把自己做成 category leader。
教母从 HAI Co-Director 退到 Special Advisor on AI(全校级),把执行权交给 Landay，自己保留方向权和象征意义。这是非常成熟的创始人退出模式——机构已经大过创始人，创始人功成身退，让运营型领导接棒，和创业圈"founder→chairman"的剧本很像
5月4日，Stanford进行了一项重磅重组：Stanford宣布：将旗下两大AI与数据科学组织——Stanford HAI（以人为本人工智能研究院）和Stanford Data Science（斯坦福数据科学）合并为一个统一机构，名称保留Stanford HAI，由计算机科学家James Landay全面掌舵。
Landay 原话是：我们能用来塑造这项技术服务公共利益的时间，变得短得多了"。这是非常罕见的坦白——一个全球顶级学术机构公开说"我们不够快"。感觉这次合并不是常规扩张，而是应急式重组：Stanford不再认为可以"在已有架构上加几个 initiative"，必须重新组织。这个语气在学术界很少见，感觉带着一点危机感。
原本的的学术研究单元是 1 个 PI + 4-5 个博士生。新的单元是 20-30 人，而且关键在于人员构成：除教授和学生，还要 research engineer、data scientist、program manager、designer。这套人员配置，其实就是 OpenAI / Anthropic / DeepMind 的研究 team 结构。换句话说，Stanford 在把前沿实验室的组织形态搬进大学。这是学术界承认：个人英雄主义的小作坊，在 frontier AI 时代已经不够用了。
合并的真正逻辑感觉是：human-centered(立场) × 算力：HAI 提供跨学科+人本主义视角，Data Science 提供的是大规模数据基础设施和 Marlowe(248 块 H100 GPU 的算力集群)。
没有算力，什么人本主义都是空话。你连模型都跑不起来，根本无法研究它对人类的影响：AI 研究的入场券,从思想变成了基础设施。
Landay 一句话挺有意思的:"With corporate AI labs turning inward, academia must carry forward the mantle of open science."(产业 AI 实验室都在往内收,学术界必须扛起开源科学的大旗。)这是这次合并最深的一层动机。
OpenAI 不开源，Anthropic 不开源，Meta 半开半闭，前沿 AI 的科学共同体正在瓦解。Stanford 在这个时点合并并强调"开放",
不和产业拼能力上限，而是要成为"开放、可复现、跨学科、为公共利益服务"那一极的核心节点，顺势把欧洲 ETH/EPFL 等机构拉进同一阵营(他们的开源基础模型项目就是这个版图的一块)
这其实是学术界的PMF 重新定位：既然在 capability race 输给产业，就在 trust / openness / public good 这一条赛道上把自己做成 category leader。
教母从 HAI Co-Director 退到 Special Advisor on AI(全校级),把执行权交给 Landay，自己保留方向权和象征意义。这是非常成熟的创始人退出模式——机构已经大过创始人，创始人功成身退，让运营型领导接棒，和创业圈"founder→chairman"的剧本很像
4 00
I sent €5,000 across 8 payment rails. The fastest arrived in 2 seconds. The slowest took 5 days. And the fees? $235 difference on the exact same transfer.
Here's what that experiment taught me about the future of money.
Rail #1: USDC on Base: 2 seconds, $0.01 fee The recipient received $5,882.50.
Rail #8: SWIFT Wire: 5 days, $25 + 1.5% FX markup The recipient received $5,794.26.
Same sender. Same recipient. Same €5,000 on Monday.
𝗡𝗼𝘄 𝘇𝗼𝗼𝗺 𝗼𝘂𝘁.
In 2025, stablecoins processed $33 trillion in volume. Visa processed $16.7 trillion. For the first time in financial history, a "crypto" rail moved more value than the world's largest card network.
Most people missed it. The financial press barely covered it. But inside every major payment company, someone is reading those numbers and losing sleep.
𝗪𝗵𝘆 𝗶𝘁 𝗺𝗮𝘁𝘁𝗲𝗿𝘀 𝗳𝗼𝗿 𝘆𝗼𝘂𝗿 𝗻𝗲𝘅𝘁 𝗽𝗮𝘆𝗺𝗲𝗻𝘁
Ask anyone: "Is paying by card instant?" They'll say yes.
What's instant is the authorization, the 2-second green checkmark that tells the merchant "this card is legit." The actual money? It sits in batch processing queues for 1 to 3 days, hopping between acquirers, schemes, and issuing banks on infrastructure built in the 1970s.
Stablecoins collapse that gap. Authorization and settlement happen in the same transaction. No T+2. No batch windows. No correspondent banks taking a cut.
That's why the fee on my €5,000 transfer dropped from $25+ to $0.01.
𝗪𝗵𝗼'𝘀 𝗮𝗰𝘁𝘂𝗮𝗹𝗹𝘆 𝗰𝗼𝗺𝗽𝗲𝘁𝗶𝗻𝗴 𝘄𝗶𝘁𝗵 𝘄𝗵𝗼?
The real war is:
- Stablecoin rails vs Visa & Mastercard (the interchange model)
- Stablecoin rails vs Swift (correspondent banking)
- Stablecoin rails vs Stripe (merchant acquiring)
And the incumbents know it. Mastercard added Polygon Labs, Ripple, Solana, and Aptos to its Crypto Partner Program. Visa is already settling USDC through Circle. PayPal shipped its own stablecoin (PYUSD).
They're publicly calling stablecoins a threat while privately integrating them into their stack. Classic frenemy move.
APMs were the first wave. Stablecoin rails are the second.
Here's what that experiment taught me about the future of money.
Rail #1: USDC on Base: 2 seconds, $0.01 fee The recipient received $5,882.50.
Rail #8: SWIFT Wire: 5 days, $25 + 1.5% FX markup The recipient received $5,794.26.
Same sender. Same recipient. Same €5,000 on Monday.
𝗡𝗼𝘄 𝘇𝗼𝗼𝗺 𝗼𝘂𝘁.
In 2025, stablecoins processed $33 trillion in volume. Visa processed $16.7 trillion. For the first time in financial history, a "crypto" rail moved more value than the world's largest card network.
Most people missed it. The financial press barely covered it. But inside every major payment company, someone is reading those numbers and losing sleep.
𝗪𝗵𝘆 𝗶𝘁 𝗺𝗮𝘁𝘁𝗲𝗿𝘀 𝗳𝗼𝗿 𝘆𝗼𝘂𝗿 𝗻𝗲𝘅𝘁 𝗽𝗮𝘆𝗺𝗲𝗻𝘁
Ask anyone: "Is paying by card instant?" They'll say yes.
What's instant is the authorization, the 2-second green checkmark that tells the merchant "this card is legit." The actual money? It sits in batch processing queues for 1 to 3 days, hopping between acquirers, schemes, and issuing banks on infrastructure built in the 1970s.
Stablecoins collapse that gap. Authorization and settlement happen in the same transaction. No T+2. No batch windows. No correspondent banks taking a cut.
That's why the fee on my €5,000 transfer dropped from $25+ to $0.01.
𝗪𝗵𝗼'𝘀 𝗮𝗰𝘁𝘂𝗮𝗹𝗹𝘆 𝗰𝗼𝗺𝗽𝗲𝘁𝗶𝗻𝗴 𝘄𝗶𝘁𝗵 𝘄𝗵𝗼?
The real war is:
- Stablecoin rails vs Visa & Mastercard (the interchange model)
- Stablecoin rails vs Swift (correspondent banking)
- Stablecoin rails vs Stripe (merchant acquiring)
And the incumbents know it. Mastercard added Polygon Labs, Ripple, Solana, and Aptos to its Crypto Partner Program. Visa is already settling USDC through Circle. PayPal shipped its own stablecoin (PYUSD).
They're publicly calling stablecoins a threat while privately integrating them into their stack. Classic frenemy move.
APMs were the first wave. Stablecoin rails are the second.
00:16
2 00
a16z 最近放出一组数据，还是那个老命题：Software Ate the World。但这次他们没再讲故事，而是直接把结果摆出来了。
全球市值最高的 10 家上市公司单独拎出来看，跨过了一个更直观的参照系——超过了除美国之外整个 G7 的 GDP。
这件事的关键不在于对比本身，而在于尺度发生了变化：以 Apple、Microsoft、NVIDIA、Amazon 为代表的一组公司，已经从“行业里的头部企业”，变成可以直接和国家经济体对标的存在。
软件不再只是渗透世界，它本身已经长成了世界的一部分。问题可能不是“软件有没有吃掉世界”，而是当一小撮公司本身开始接近一个经济体的体量时，我们该用什么框架去理解它们
我们所在的系统，好像已经不是围绕“人”在设计了。
软件不会疲劳。模型不需要休息。公司可以在不增加人手的情况下继续增长。
碳基人类在不断刷新纪录，同时，也在变得没那么“必要”。
我们是在变得更强——还是只是在一个已经不再以人为中心的系统里，硅基变得更强？
全球市值最高的 10 家上市公司单独拎出来看，跨过了一个更直观的参照系——超过了除美国之外整个 G7 的 GDP。
这件事的关键不在于对比本身，而在于尺度发生了变化：以 Apple、Microsoft、NVIDIA、Amazon 为代表的一组公司，已经从“行业里的头部企业”，变成可以直接和国家经济体对标的存在。
软件不再只是渗透世界，它本身已经长成了世界的一部分。问题可能不是“软件有没有吃掉世界”，而是当一小撮公司本身开始接近一个经济体的体量时，我们该用什么框架去理解它们
我们所在的系统，好像已经不是围绕“人”在设计了。
软件不会疲劳。模型不需要休息。公司可以在不增加人手的情况下继续增长。
碳基人类在不断刷新纪录，同时，也在变得没那么“必要”。
我们是在变得更强——还是只是在一个已经不再以人为中心的系统里，硅基变得更强？
2 00
刚刚，伦敦马拉松改写人类历史。
肯尼亚选手萨维和埃塞俄比亚的凯杰尔查，双双跑进2小时,马拉松正式比赛诞生以来，第一次有人冲破”破2”这道墙。
依旧记得2019 年，见证了乔爷的的1:59:40，但那是无数兔子轮换、激光配速车护航的产物，人类真正想在正式比赛里破2，被认为还要 5-10 年
今天，他们用 42.195 公里告诉世界：墙是用来推倒的。
No human is limited ！
#伦敦马拉松 #破2 #马拉松世界纪录
肯尼亚选手萨维和埃塞俄比亚的凯杰尔查，双双跑进2小时,马拉松正式比赛诞生以来，第一次有人冲破”破2”这道墙。
依旧记得2019 年，见证了乔爷的的1:59:40，但那是无数兔子轮换、激光配速车护航的产物，人类真正想在正式比赛里破2，被认为还要 5-10 年
今天，他们用 42.195 公里告诉世界：墙是用来推倒的。
No human is limited ！
#伦敦马拉松 #破2 #马拉松世界纪录
02:43
39 82
原因是多方面的，我自己能想到的几个：退出机制丰富，并购以及指数源源不断的买入资金
公司方面：美国好的公司可以永远专注于主业+并购买竞争对手+回购+被动资金买入来提升自己，很多大公司是不断并购实现的版图扩张
资金层面：美国有专注于投各种方向的focus vc和pressed- PE全产业链资金，不完全需要和顶级基金抢项目也能赚到钱
社会层面：消费驱动+愿意为SaaS付费，彼此的契约精神强
公司方面：美国好的公司可以永远专注于主业+并购买竞争对手+回购+被动资金买入来提升自己，很多大公司是不断并购实现的版图扩张
资金层面：美国有专注于投各种方向的focus vc和pressed- PE全产业链资金，不完全需要和顶级基金抢项目也能赚到钱
社会层面：消费驱动+愿意为SaaS付费，彼此的契约精神强
熊猫ai甘蔗: 都说硅谷擅长从0到1，中国擅长从1到100。怎么我看了千亿美元，万亿美元以上的还是还是硅谷多呢，我看财报人家营收也是硬杠杠的，不是虚假估值 问题出在哪？
2 00