出差厦门，多了一小时，想去集美大学逛逛，结果还得有内部联系人才行…

嗯，记得以前在北京读书的时候，学校基本是随便进出的

打车路上坑坑洼洼，随口说了一句：怎么这个坑那么多水，另边的路就还好

师傅说，听你早上开电话会议应该是做股票的吧 这道理你还不懂吗

最小阻力诶

一开始肯定是有些地方土松有的地方紧
里面也不平

下雨之后，水就自然而然找阻力小的地方

低的地方开始积水

小水坑的时候不在意 车也不会避
轮胎一压 土一压 渗水更难了
地面也更低了 水更容易流过来

然后就变成大水坑了

你把水流当资金流，就可以理解了…
越涨的越能涨
反之亦然

我惊叹道：你怎么还懂这个
师傅：我是懂太晚了，才来跑车的…以前总想逆势

普通作者，就是那种非头部、非顶流的创作者，其实真没必要去做视频播客。

做内容这个事吧，说到底就两个面：一个是科学性，一个是艺术性。

科学性就是那些能学的东西，比如怎么写、怎么构思，这些你下功夫是能练出来的。

但艺术性那一面呢，爆款这个东西真的太拼运气了。现在视频端能跑出来的那些头部，大部分其实是被平台选中的。流量就捏在平台手里，你想跑出来，要么是平台刚好想推某个方向你踩上了，要么是赶上了社会热点那个窗口，要么就是你跟平台关系本来就好，平台绑定了。

就这几条路。也有极少数就是靠内容走出来的超级顶流。也是平台发展早期 流量没固化的时候。

所以对普通作者来说，做内容就只能是一个长期的事。

得把自己的生命周期拉长，就像打那种弹球游戏一样，得把下面那个接球的板子变长，更有概率接住好运气、好运气掉下来的时候，才接得住。

但视频播客这个东西，它的问题就在于制作成本太高了。

成本一高，直接就把那块板子给缩短了。本来成本预算够撑两年，结果因为做视频播客，三个月就烧没了。板子一短，好运气还没来呢，人先退场了。

所以普通创业者真没必要碰视频播客。尤其现在双机位、布景、后期什么的制作工艺越来越卷。

2021年8月，特斯拉AI Day的舞台上，一名身穿紧身衣的演员，在灯光下扭动身体。这就是马斯克宣布人形机器人Optimus的开始。台下有人笑出了声，而大洋彼岸的A股则是闻马而动，只要沾上人形机器人概念，就是大涨。

这是中国资本对具身智能的第一次出价，对象是一个尚不存在的产品。

五年后的同一个月份。马斯克一边关闭部分Model S产线为Optimus让路，一边不得不下调了Optimus的年产目标。

但八千公里外的杭州，却是另一番景象。宇树科技不仅产品登上了春晚的舞台，公司也登上了中国股市：发行价150.8元，发行后市值达到3400亿元。

中国资本对具身智能再次出价，热情高涨。

再放大视角来看，在北京亦庄召开的世界机器人大会有三百多家参展商，馆内人声鼎沸。而国内具身智能赛道的融资额，仅上半年就高达900多亿元，超过了2025全年。
五年，一个穿紧身衣的演员，变成了一张150.8元的价签；一场发布会，成长为一个众人瞩目的赛道、甚至是中国科技的名片。

这种变化，是如何产生的？上个五年，实现了什么、欠下了什么？下个五年又该看什么、期待什么？

1、造得出来：供应链的迁移与创新

具身智能始于海外，但却在中国做大做强。

2026年上半年，中国量产人形机器人超过3万台，出货约2.3万台，全年预期是突破10万台。这是全球去年产量的五倍以上。而马斯克发愁的量产卡点“灵巧手”，也需要依靠中国产业来解决。

为什么会如此？答案不在某一家公司身上，而是整条供应链里的三重力量。

首先，从汽车工业搬过来的量产供应链。
产线节拍管理、Tier 1与Tier 2的分层协作、审厂流程、精益降本方法论等，这些在中国电动车产业里被反复验证过的东西，整套平移进了机器人行业；线性智控、散热、关节等供应商，也多数从汽车供应链而来。

比如Optimus约70%的核心零部件，在中国完成了供应商审厂，而其中诸如拓普集团等公司，也是其电动车的供应商。而在减速器、执行器、结构件等领域，中国公司也都是全球领先。

具身智能整机品牌，看起来百舸争流，但脚下踩的都是汽车工业修筑的同一条踏板。

另一个有趣的现象是，其他领域的经验，也都在向机器人领域迁移。例如，交互是机器人非常重要的功能、也是用户的刚需。但是，为机器人装上耳朵并不容易，"听不清、听不懂、做不好"是环环相扣的三道坎。

业内的一个解决案例是百度智能云和头部具身智能企业的合作。百度智能云的远场多模态语音交互能力，将对话反馈延迟降至1秒左右，并且能识别音色、情绪等副语言信息。更自然的对谈，改善体验、也提升实用。

当然，中国供应链并不只是迁移、按图造物这么简单，创新也是其对行业的重要推动。

以PEEK为例，它的全称聚醚醚酮，作为特种工程塑料，它的强度达到铝合金的8倍，密度只有铝合金的一半。用它替代铝合金，可以使机器人骨架减重约40%。从而大幅降低用电功耗、提升灵活性。

PEEK本身以及它的上游关键原料的国产化突破，也改写了机器人本体的发展路径。
未来的硬骨头是灵巧手。特斯拉把自由度提升到了22个，驱动装置集成进手腕，每一步都在挑战微型传动的物理极限。

第三重威力最朴素，也最有国产特色，那就是：把成本打下来。毕竟，成本是决定产品普及的核心要素。

例如，谐波减速器国产化后，价格降至国际竞品的三到五成。六维力传感器从进口单轴5000元以上，降到国产1500到2000元，降幅超60%。一台人形机器人有20到40个关节，仅减速器一项国产化就省下3到6万元。

学习曲线效应在这个行业表现得尤为猛烈：产量每翻一倍，单位制造成本下降15%到20%。有厂商反馈，产能从500台爬升到3000台之后，单台成本下降了35%。
终端的反馈就是不断降价。

宇树G1降到8.5万元起，松延动力的Bumi直接杀到9998元，和一台高配iPhone同价。随着比亚迪、宁德时代这些巨头宣布入场，这条曲线只会更陡。

电动车走过的剧本，正在具身智能本体制造上，逐帧重演。全球80%的人形机器人在中国下线。

造得出来，已经不再是问题。但要用得起来，还需要另一场攻坚。

2、干得了活：算法与工程的瓶颈

很多人都有一个疑问，为什么机器人都能后空翻了，却连叠衣服、拿水杯这些动作都做不太好？甚至许多机器人在表演的时候，不远处就有一个人把遥控器放在屁股后面、用包遮挡。

这不是抬杠，而是理解整个行业的钥匙。机器人的能力分三层：运控层（俗称"小脑"）、感知层、决策层（俗称"大脑"）。五年下来，三层的成熟度则各不相同。
运控层越来越强。高精度激光SLAM定位、协同规划，支撑了春晚舞台上整齐划一的扭秧歌、练武术。这是因为运动有明确的物理模型，可以在仿真环境里用强化学习反复练，再迁移到真机。感知层的视觉方案基本成熟，触觉和力控还在补课。

大脑的智能，是影响干活的关键。具身模型是核心，也是难点。它要同时理解视觉、语言和动作，训练复杂度远超文本大模型。

业内目前是VLA、VLM、世界模型，三条路线并进而未收敛，社区版本的训练效率普遍不高。

这个阶段，具身智能的竞争不再只是机器人公司的算法竞争，也变成了一场工程系统竞争：模型如何更快训练，仿真如何更有效、推理如何更低时延、高质数据如何获取，评估和部署如何形成闭环。

此时，云厂商的角色，也从算力供应商，变成了具身智能迭代效率的基础设施。

在我的调研中，就看到百度智能云正展现着这个趋势，IDC的报告显示，百度智能云以29.55%的市场份额位居中国具身智能云市场第一。而不常被人知道的是，它也是国内最早支撑具身研发的云厂商，也是陪伴行业从0到1了。

百度智能云在具身领域的领先，落到产品和工程层面，核心支点是百度百舸，用一系列优化和创新，推动行业从一到百、到万。

以NVIDIA开源的世界模型Cosmos 3为例，百度百舸实现了从单机到系统的迭代。
单机层面，通过重构数据加载、编译适配与显存策略，将训练效率提升近一倍；集群层面，训练规模扩展到512卡，扩展效率保持在97%以上；系统层面，将视频编码等前置计算，从训练节点解耦，让训练卡专注训练，最终以约1.5倍的硬件投入换来2.1倍的整体吞吐，相当于同样预算多获得约35%的训练算力。

同时，由于机器人的大量训练都在仿真环境里完成，但搭建仿真框架的基础环境，也是耗时、费力的，配置繁琐，还要加载模型、场景、物体、材质、碰撞、物理属性等等。百舸也对应提供了简易配置的集成方案，优化了AI物理资产的加载速度、仿真任务并行能力等等。

这些数字、方案，都意味着，同一笔钱，在百舸平台上，可以跑更多轮次，更快地提升模型效果，从而短试错周期。这对于具身智能公司，尤其是创业公司，也至关重要。

当然，训练只是上半场。真正决定"干不干得了活"的，是推理。这也是业内过去一段时间发生较大变化的地方。

通常情况，机器人每做一步动作，都要等完整的世界理解和动作规划跑完。于是就有了短板效应，被最慢的规划模块拖住。通俗地说，就是：大脑跟不上小脑的节奏。

怎么办？今年6月，上海交通大学ScaleLab团队、上海人工智能实验室与百度百舸联合发布了AHA-WAM（异步视野自适应世界-动作模型），把耗时的“视觉场景分析模块”移出了动作执行的核心链路，规划在后台持续更新，动作在前台高频响应。从而让动作表现更连贯、更顺滑。

智能的第三个卡点是数据。真机数据采集又贵又慢，因此业内都在探索数据生产工业化。

例如百度把自动驾驶十年积累的数据服务能力迁移到具身领域，在大湾区建设了数据工厂，用“真实场景+虚实融合”的方式规模化生产高质量数据。也向具身厂商提供数据标注等AI数据服务，同等规模项目，能为客户节省约20%成本。

也把数据处理、模型训练、评估部署这些步骤，做成可视化自动流水线，把数据流程沉淀成企业有效的AI资产，例如自定义算子、任务模板等。从而实现越做越快、越做越好。

五年的智能账可以这样总结：进步集中在可工程化的部分，例如频率、延迟、训练速度、标注成本等等，许多也都有可度量的效果。

只是，不可度量的“泛化”，用王兴兴的说法是，"类ChatGPT时刻"还没来。

3、看得明白：未来五年的三笔账

网上流传了一份数据，2026年上半年，中国卖出约2.3万台人形机器人，其中约三成进了科研院所，约三成上了展会舞台，约三成多出口海外，真正走进工厂生产线的不到5%。

这个比例未必准确，但我想趋势应该大体符合。这不是看空行业，而是通往下个阶段所必须解决的难题：需求。

尝鲜的需求，是价值情绪；但真正的需求，是ROI的算术题。

机器人本体的降价还在继续，但下个五年，应该盯住的指标不是售价，而是TCO全生命周期总成本。以工厂为例，假设设备回本周期不超过2年，和工人成本相比，那就意味着TCO应该在20万以内，但目前的数据推算，仍接近50万元。

这也解释了为什么投资机构对具身智能行业有巨大分歧。有机构认为拐点不明，预警行业没订单、产能先行的风险；也有机构认为行业体量比肩今天的全球汽车业。

分歧的本质，是对"干得了活"时刻的判断差别。我觉得有几个观察指标。

一看订单质量：非科研教育收入占比、复购率，而不是发布会数量和展会签约；
二看TCO与回本周期：有没有从10年量级压进2年；
三看大脑接管率：有多少动作是模型现场决策的，而不是预编程或遥操作。这是"演示机器人"和"干活机器人"的分界线。

对于行业而言，还有一个未来五年会发生的情况就是：出清，而且会先于分歧收窄。
目前20多家企业估值过百亿，但产能差距却在拉开。宇树一家产能规划就有19万台。如果需求没有快速爆发，产能和订单之间的落差也会更大。

另外，整机厂背后的开发平台，也会是胜负因素之一。谁能把数据、仿真、训练、推理、评估部署，串成更短的闭环，也就能率先验证路线、开启数据飞轮，形成优势。
路线之争也没有平息，双足机器人需要等运控算法、硬件成本和电池能量密度三个变量同时到位，这是一场需要时间的验证。而现金流不过关的企业，将等不到自己押注的路线被证明正确的那一天。

产能、技术、财务，都是紧箍咒。政策会托住产业，但不会托住每一家公司。向来如此。

因此，下个五年，具身产业链的估值逻辑也会分层：
本体是期权。价格取决于"干得了活"的兑现概率，波动最大。
零部件是业绩股。订单和排产表就是估值。零部件的客户绑定，就需要更加谨慎甄别。
基础设施是现金流。诸如百度百舸，搭建具身开发平台，一站式支持具身模型训练、数据、仿真、安全等全流程，为全行业服务。无论谁最终胜出，模型都要训、数据都要标、仿真都要跑、安全都要过。

当具身智能已经成为显学的时候，激烈的竞争之下，也需要慧眼来识别、判断。

回溯来看，过去五年，人们为梦想兴奋，资本为"造得出来"付钱，梦在实现了、资本也有回报了；下个五年，要验证的是："干得了活"的具身智能，何时来。挑战依旧多，但唯有前行才能看见新的景色。

等位内容合伙人
有较为成熟的内容体系，聚焦科技方向
可以有两个合伙路径

一是平台合伙，主要是播客平台，做一些产业内容。播客变现，进行比例分配

二是赛道合伙，主要是具身智能。赛道所有变现（公众号、视频号、播客），进行比例分配。

薪酬等可以聊

感兴趣可以私信 或邮箱 aaron_dong86@sina.com

最近我一直在用几个AI办公，包括WorkBuddy、百度搭子、千问办公，但都遇到一个别扭的地方：我背着电脑在路上，想用手机提前干点活，但发现和电脑端没有打通，电脑端的Skill都没办法用。

这就有点像单机了，但现在需要的是联机，随处随地的联机。所以，这也是当下行业的一个趋势：云端协同。

01

目前端侧AI的思路有两种：

一种是手机远程下指令，指挥电脑干活。电脑开机等着，然后手机通过IM或办公App接口直接调动电脑工作。前几个月卖爆的Mac Mini就是这个背景。

我觉得这不是真正的办公需求。或者，不是真正普及该有的状况。更像是基础设施没跟上时，用户自己打的补丁。

回溯来看，要求用户"留一台机器不关"的用法，基本都活不过一个技术周期：以前用数据线导照片，后来有了云相册；以前挂着PC下BT，后来有了离线下载。补丁出现的地方，就是下一代基础设施该长出来的地方。

第二种就是云端协同，手机端干活。各类设备端，上AI硬件，跑一些小模型任务；而需要大模型的任务，则上云。和远程下命令给电脑不一样，是手机直连着AI来工作。

相比于在端侧上AI硬件，当下最急切的需求，或者最该普及的，是各类AI办公App实现手机端和电脑端的技能互通、数据互通。

最初我觉得可能会像网盘一样，电脑处理，网盘保存、手机直接调用；但想了想，又有些区别。可能就是下一个产业机会。

02

网盘同步的是文件。文件恰恰是最好同步的东西：有标准格式、有明确边界。但把AI办公锁死在一台电脑上的，有两样东西。

一是执行环境。电脑端AI技能多，不是模型更聪明，而是它有浏览器、文件系统、装好的软件等等可供调用的工具；以及沙箱保护等。每个技能背后都得有一套环境撑着。

二是上下文。活干到一半，状态散落在聊天记录、中间产物、agent的工作记忆里，换个设备基本等于从头再来。如何把"干到哪了"实现同步。

所以，要实现云端协同，文件是容易的，技能可能也不难，但如何确保执行结果一致，还是花点心思。

产业已经在往这走了。

Claude Code出了网页版和手机入口，每个任务跑在云端隔离沙箱里，可以一台设备发起、另一台接管。

阿里云前端时间发布了无影云电脑。相当于电脑端、手机端都直接在云电脑上执行。对于个人稍微有点麻烦，但对于企业大规模部署AI Agent还是有帮助的。

有操作系统能力、有安全沙箱（简单说就是创建隔离环境实现对程序的运行管控）、算力也是弹性的，也可以持久化记忆。成本比买设备也划算，毕竟自己配电脑会过时，但云端就可以由厂商来覆盖成本。

不管哪种方式，带来的一定是云的需求大幅增加。而我跟大厂的朋友请教，他们的反馈是，沙箱需求Sandbox（云服务的一个产品）确实比较旺盛。

03

云端协同带来的增量，不是笼统的"算力",而是围绕工作会话的一整套资源。

第一层是资源层。首先CPU、存储需求会持续增加。沙箱里跑的是浏览器、终端、代码执行等操作，是经典的通用计算，也必然增加CPU的需求。当然随着模型调用增加，推理算力需求也会增加。

另外，云端协同需要会话能够秒级启动，休眠唤醒是刚需。谁把休眠成本压到最低，谁就能拿下这层的定价权。

第二层是状态层，"干到一半的活"怎么存。像随时给会话拍快照、随时恢复，这会是云存储里增长迅速的新品类。业内也在探索，如何把聊天记录、中间产物、每一步的决定，都整理成AI能记住、用户能带走的资产。

第三层是技能分发。现在每个AI办公App都有自己的技能广场，但如果要实现云端协同，未来可能会出现全平台通用的技能。个人的技能跟着账号走，企业把内部的操作规范打包成私有技能，统一发给全公司的AI。

就像App Store一样，出现Skill Store。

也说明，AI办公，也许个人端和企业端，会出现不同产品、服务各自客户的需求。个人在意的是灵活，企业在意的是可靠。

最后，我觉得AI真的比移动互联网的付费环境改善了。我个人、我身边的朋友，不少之前是看个爱奇艺，都朋友圈要账号的；现在尝试用了几次AI相关工具后，都是嗷嗷付费。

字节宣布拆分飞书时，我正好在大厂串门，可以清晰感受到，大厂员工们对类似组织变动的习惯和坦然。比起来组织变动带来的人事八卦，我觉得，更应该思考的是变动背后必然的科技趋势、产品趋势。

趋势1：AI云，不是云的延伸，而是另一门生意，从卖资源到卖智能，以MaaS为中心。

卖智能已经是必然趋势了。这也带来了一个变化，就是“采购”在发生变化。以前是IT部门，现在有话语权的是客户的业务部门，因此，客户的预算、决策链在变化，云公司的销售关系、话术也要改变。
但目前模式下，还是有一些资源重叠的。比如，飞书可以开发定制版本，提供一些智能业务给企业客户；但是，火山引擎也可以在云服务里提供类似的产品。
所以，字节把飞书销售部门并入火山引擎，阿里成立ATH部门，都是基于AI云的思考，从而减少资源重叠、减少组织摩擦、提高效率。
不同的是，两家公司IaaS业务的惯性不一，围绕MaaS的变化也就不一样。

趋势2：Agent的技术架构要求模型、context、工具、分发焊在一条线上，组织图不对齐，产品就会撞在部门墙上。

通常，一个系统的架构，必然复刻设计它的组织的沟通结构。所以，如果是一个新时代，那么在建设新系统时，就必须先重塑组织结构。
Agent普及后，更加大了这种必然性和急迫性。
SaaS时代，模型、办公软件、云是三门加法生意：各自独立创造价值，客户分开买，总价值约等于三者之和，所以三个BU各自优化，全局也不差。
Agent把它变成了乘法：Agent的可用性≈模型能力× context质量×工具覆盖×分发触达。这四样东西每分属一个部门，就多一道墙。
技术架构要求这些能力要在一条线上，组织架构也必须与这条线对齐。所以，飞书部分功能并入豆包，阿里成立ATH实现闭环，包括腾讯WorkBuddy的迭代也是在沿着这个方向。
为什么飞书并入豆包呢？因为豆包也在推企业版。毕竟，AI时代主体是Agent，协同工具是Agent的土壤。

趋势3：协同办公，一句话办事，重塑入口格局。

传统互联网入口的价值单位是注意力：DAU、时长、打开频次。按这个标尺，协同办公是天然的劣质入口——它低频、工具属性强，用户完成任务就走。
这在很大程度上解释了为什么钉钉和飞书做了十年，烧掉巨额补贴，始终没能成为集团的战略级资产：在流量的度量衡里，办公软件的入口价值有限。
Agent改变了度量衡。当AI具备"一句话办事"的能力，入口的价值单位就从注意力变成了委托权。
谁接住了用户的那句自然语言，谁就获得了调度下游一切服务的分配权：打开哪个文档、调用哪个API、走哪条审批流，都由接住委托的那个入口决定。百度提出的新度量衡DAA，也是这个背景。
一句话的背后是一整条执行链。这与当年搜索框之于Web的地位相似：搜索框本身不生产内容，但它决定流量去哪；AI工作台本身不执行业务，但它决定任务派给谁。
按这个逻辑，AI工作台是一个超级入口，它聚合的不是注意力，是任务。而任务，直接连着钱。
而且，办公是token消费靠前的主要市场，其商业化管道是现成的。协同办公是少数被验证"愿意按席位付费"的品类，客户预算里已经有这个科目了，决策成本低。
另外，从AI竞赛终局来看，拿到办公入口，就可以积累充足的上下文，从而提升Agent能力。
最后要说的是，组织手术能消除原有架构的内耗，但不能凭空造出执行力。打仗的艺术，是核心考验。

卖在黎明前

7月27日，长鑫科技（688825）登陆科创板。首日总市值达到3.6万亿元，超过工商银行，成为A股市值第一。

众股东欢呼庆祝之余，也有失意人。尤其是碧桂园，在2024年末卖出了所持有的股份，仅仅一年半的时间，就错失近500亿元。

堪称卖在黎明前。而这也不是罕见之事。今天就聊聊几个经典的案例，以及可以学到什么经验教训。

01 碧桂园：卖丢长鑫科技

碧桂园创投成立于2019年，最早投的是贝壳找房、安居客、蒙娜丽莎这类地产产业链项目。2021年地产行业出问题之后，它开始转向硬科技。

2021年9月，碧桂园创投出现在长鑫的融资名单里。同一张桌子上坐着国家大基金、阿里巴巴等。当时碧桂园创投出资9亿元，占比1.56%。

碧桂园创投投长鑫，还是有判断的。

首先，当时长鑫还不赚钱，累计亏损也高达300亿元，财务指标是没什么吸引力的，技术也在攻坚。

其次，碧桂园创投不只是有长鑫。先后投出超过90家企业，硬科技占比52%，挖出10个IPO、26家独角兽。

这份名单里有紫光展锐、比亚迪半导体、蜂巢能源、欣旺达动力、壁仞科技、盛合晶微、蓝箭航天。市场当年给它的评价是"最像VC的企业战投"。

遗憾的是，母公司的地产拖累还是来了。

2023年，为了"保交楼"和自救，碧桂园开始变现能变现的一切。2024年12月，20亿元清仓长鑫。2025年4月，13亿元卖出蓝箭航天11.063%的股份。两笔合计回笼33亿元。

从回报角度看，3年时间9亿元翻倍，也算不错的回报。只是和当前市值相比，简直不值一提。

回笼的这些钱，对于地产公司资产负债表，依然是杯水车薪。反而错过了一个经典的投资案例。

但是没办法。危机之中，要快速获得流动性，卖掉的也往往是最好的资产。最烂的资产，反而没人要，只能烂在手里。

类似的状况，也并不罕见。

02 李泽楷：卖飞腾讯

2000年左右，李超人的儿子李泽楷，在商场上大展宏图。

先是在2000年初，IDG和李泽楷旗下的盈科数码联手投资了腾讯。各出110万美元、各占20%，腾讯投前估值约330万、投后约550万美元。

然后，又在2000年8月，以股票加现金约359亿美元拿下香港电讯54%股权，合并成立电讯盈科。这是当时亚洲最大的并购案。

现金部分主要靠汇丰牵头的银团贷款，规模约120亿美元，创下亚洲纪录。

然而，不幸的是，随后纳斯达克泡沫破裂，电讯盈科的股价在半年内从18港元跌到3.9港元，市值蒸发近九成。

收购给盈科带来了巨大财务压力，李泽楷也指示团队卖出所有非核心资产。于是，腾讯的股权也被卖出，作价1260万美元。

一年多时间，增长十倍。在当时环境下，也是非常厉害的回报了。总金额又小，所以卖出来压根没有任何心理负担。

如今这笔钱，早已经是几千亿元的天文数字了。

据说，李泽楷卖掉腾讯时，曾把这个项目推荐给父亲旗下的TOM集团。但后者并没有瞧得上。当然，如果成为控股股东了，腾讯也未必能够成就如此。

03 软银卖掉英伟达

2017年孙正义募集愿景基金，为了把一支规模空前的基金卖出去，孙正义给外部LP的出资设计了60/40的拆分：四成计入优先份额，按投入资本每年支付7%的票息，另加正收益分成。这个安排覆盖的规模约400亿美元。

原本是长期投资的基金，却背上了每年都要支付的利息成本。这本来就很不合理。孙正义当初的假设是，这笔票息可以完全由项目退出的分配来覆盖。

2017年5月，软银愿景基金披露入股英伟达，持股4.9%。然而，在2019年初，软银选择全部清空英伟达，换了本金去支付承诺好的7%利息。

这一卖出就是千亿美金的差别。2024年6月孙正义也承认，这条溜走的鱼很大。
但也是早晚的事儿。毕竟当时没有上市成功的Wework也已经成为基金的沉重包袱。要出售的，只能是流动性更好的股票资产。

04 结尾

投资圈常说的一句话是：长期主义，是一种认知。
但商业世界告诉我们的，却是另一句话：长期主义首先是一种财务能力。

一家企业，只要负债足够高，就会失去等待未来兑现的能力。个人也如此。因为负债与好资产在时间维度上天然冲突。

债务的本质，是把未来的现金流搬到现在。而伟大资产的本质，是把现在的现金流推向未来。

而且压力和低点也不是先后关系，而是同一个周期的两个产物。债务的偿付压力最紧的时候，通常正是资产价格最低的时候。

因而，也有人处处学巴菲特，却处处学得不像。

巴菲特的长期主义，是建立在充足现金流、极低杠杆和巨大资金规模之上的选择。
很多人的长期主义，是因为买错了股票，无法止损，只能把套牢包装成价值投资，把等待包装成耐心。

巴菲特的长期主义，来自判断；很多人的长期主义来自无奈；巴菲特等待的是价值兑现，很多人等待的是解套。

所以，无论是长期主义，还是不要卖在黎明前，都务必构建一个对等久期的机制和实力。

提高大模型的智力，有两条路。

一条是 Scaling Law：砸钱越多越好、规模越大越好，算力、数据、参数，回报可以写成公式。

另一条却完全相反，它天然反规模，也不是用钱能砸出来的，那就是组织力。

过去几周，这条隐蔽的路线被两家公司先后放到了台面上。

在那场流传甚广的四小时投资人会议里，梁文锋认为：国内不缺人才，短缺只是阶段性的。真正稀缺的是：组织愿景，和团队稳定性。包括运行的方式、克制的理念等等。

简单讲，DeepSeek在组织设计上做的每一件事，都在刻意对抗规模。

月之暗面Kimi也同样高举组织。

过去一年，注意力残差、线性注意力、新型优化器，这些改写行业多年默认设置的工作，都出自这家研究规模远小于大厂的公司

同样的，Kimi高管也认为，要激进的是技术，该克制的是组织。保持组织的活力。

组织力，不是一件新鲜的事儿。那么，AI时代的组织力，和过去有什么不同？

工业时代的组织力是执行力：把战略拆解成KPI，层层传导，靠管理幅度和流程保证不走样。

互联网时代在此之上加了迭代速度。

但在大模型研究里，这套逻辑失效了，因为最值钱的产出不再是执行，而是判断。先有品味判断，再有Scaling兑现。

判断没法拆解成KPI，没法靠加班堆出来，甚至没法被安排：据传DeepSeek员工享有"不被安排的一半时间"，恰恰是架构创新的来源。

尤其当未来Agent开始接管执行后，一次任务已经可以调度数百个子代理并行工作，组织的演化方向就更清楚了：

执行层被AI压缩，中间层失去存在理由，组织变得更小、更扁平，人的价值收敛到判断这一件事上。

这就引出核心命题：组织力的核心，是自驱力密度。

注意，不是人才密度。在那个流传的会议纪要里，梁文锋说人才就是同一批人。区别在于同一批人进了不同的组织，是被KPI推着走，还是被好奇心拉着走。

自驱的人不需要被管理，只需要被供给：算力、自由时间、以及和同样自驱的人共事的环境。

在他们在意的因素排列中，钱并不是第一因素。能不能一起做最前沿的事儿，释放自我价值、或者团队价值，才是第一位的。

自驱力密度一旦被稀释，就很难再浓缩回来：每招进一个需要被推着走的人，组织就多一分传导压力的必要，离流程近一步，离创新远一步。

更有甚至，会产生一种极不好但很常见的坏状：鞭抽快马。

它有两层含义。第一层是负载不均：谁能干，活就归谁，最强的研究员被塞满交付任务，最快的马被抽得最狠。

短期看，这是资源的最优配置；长期看，这是对组织最核心资产的清算式变现。因为这些快马的松弛时间，恰恰才是判断产生的地方。把它填满，等于堵死了思考的攀登之路。

第二层更致命，是：奖惩不均。

公司拼命压榨有能力的人，对混日子的人却迟迟不处理。快马多拉的货，最后却摊进了所有马的草料里。

有些公司老板会说，不是啊，能干的人、摸鱼的人，得到的薪酬是不同的。但这也恰恰是容易出问题的。

薪酬激励不对，导致能干的人，虽然得到120%的报酬，但是付出300%的努力；而摸鱼的人，只付出30%的努力，却得到80%的回报。

显然后者性价比更高。

这种状况会启动一个反向筛选机制：最有能力的人，往往也是市面上最有选择权的人，他们最先算清这笔账，然后离开；留下的快马则学会藏起速度，因为在这样的组织里，跑得快的唯一奖励，是更重的鞭子。

自驱力密度也开始降低：好的人出走，剩下的人躺平。就像许多大厂面临的状况一样，并非内部没有快马，而是快马从不空闲，慢马从不出局。

对抗的方法，首先在于招聘，严格筛选同一批人；第二在于制度。用克制保护聚焦，明知能做的事不做，让快马只跑值得跑的路。第三，保持小和扁平。这不只是效率问题，更是公平问题。组织越扁，贡献越可见，摸鱼越无处藏身。

最后，创始人自己需要留在一线。因为鞭子，通常来自离技术最远的那一层；而谁在真跑、谁在装跑，一线看得最清楚。

算力有法则，组织只有实践。

当算力可以被融资买到、架构可以被开源学到，竞争就只剩下这件钱买不到的事：组织如何吸引人才、激发人才、创造人才渴望的成就。

这是我上半年最有价值的一篇文章了。 存储撬动世界：理性与疯狂

当一个周期行业在最景气的时候，被资本市场当成成长行业定价，会发生什么？
历史上，答案通常不太温柔。有太多的人，曾经站在光里，最终却光着站在那里。
最危险的行情，往往并不建立在谎言之上，而是建立在一个真实逻辑、却又被无限外推的时刻。音乐结束的日子，并不好预测。
但最早入局存储的资金，已经在等待扩产的第一枪。