两种领导模式
胖东来应该是后者，仆人式领导

我之前有意无意也有点这方面的倾向（为不会管理找借口.jpg

但我觉得未来真的是 仆人式领导，才能吸引优秀员工、持续创造价值

老登和小登的区别，不是年龄，是心态。

老登：怨天怨地，就是不反思自己
小登：少抱怨，多训练

豆包手机目前AI启动各类应用程序都面临着“拒绝”：登陆环境异常；

这是企业之间的商战，也可以看作 人类对AI的第一次反击[捂脸]

倒戈！AI芯片代理人战争爆发，谷歌挖英伟达墙 AI 芯片的代理人战争已经爆发，伦敦的 Fluidstack 只是 Google 亮出的第一张牌。

这家云服务公司，曾是英伟达 GPU 的重度使用者，现已全面转向 Google TPU。

要知道英伟达凭借CUDA 软件生态，成功地对整个 AI 市场征收着难以撼动的“技术税”。

而谷歌为了吸引代理人、击穿CUDA的生态，不惜给出丰厚条件：

首先，允许Fluidstack在自己的机房部署TPU；

其次，包销。既然大家都对谷歌TPU不放心，那我就砸下 32 亿美元的天价金融担保。这笔钱意味着：

Fluidstack 你大胆地买 TPU 吧，如果租不出去，我谷歌来买单。

这个担保才是真正的“杀手锏”。用金融确定性，既移除客户转向新技术的商业风险，又加速TPU商业化，也回应客户供应链安全需求。

未来，将不再是单纯的芯片性能竞赛，而是通过各种“代理人”，在成本、融资和供应链稳定性上展开的全面角力。

谁能提供最低的 TCO（总拥有成本），谁才能最终统治下一代 AI 基础设施。

AI应用正面临着一个令研究员特别头疼的困境，
那就是AI的“裂脑问题（Split-Brain Problem）”。
也就是说，
当研究人员开发新的人工智能模型时，
就跟玩打地鼠游戏一样，
刚修正了模型对某些问题的错误回答，以为搞定了，
结果一回头，发现它在其他问题上又开始胡说八道了。
用户的感受就是，同样的问题问AI，
仅仅调整了一下问题的表述方式，
哪怕意思完全一样，
AI生成的答案都可能天差地别。
这就被称之为“裂脑”
这个比喻借鉴了人类大脑的现象
当左右脑的连接被切断后，左右脑就会独立运作、导致行为不一致
那AI的裂脑是如何出现的呢？
研究人员发现，主要原因在后训练阶段
也就是当预训练完成后，为了让大模型更好用、而根据需求再进行微调
一方面，为了让它能干活，比如帮医生看病、帮律师写合同、帮程序员写代码，得喂给它海量的 “专业数据”
要求它必须严谨、准确
另一方面，为了让它能和用户聊天、陪伴
又喂给了它海量的聊天数据和交互指南
希望它友好客气、格式漂亮，甚至还能用些表情包
简单说，就是希望它可盐可甜、既刚强又温柔
结果就出事儿了
AI的知识系统缺乏统一的“指挥官”来协调。
于是，它只好“看菜下碟”
也就是根据用户提问的格式，来猜测自己应该启动哪一个“人格模式”
你提示词给的严肃、专业，那模型也会表现专业，要证明自己真的行
反过来，如果你只是随口一问、语气随意，
那模型会觉得这是一个轻松、陪伴的场景，
于是就追求美好、好看，
要证明自己很讨人喜欢，也就降低了准确性
通俗点说就是，种瓜得瓜种豆得豆，
什么样的问题得到什么样的答案
这个状况，让业内挺担忧的
毕竟砸了上千亿美金，我们肯定希望AI能全面自动化，泛化能力很强
而不是随随便便就在专家和小白模式之间横跳
当然，不必悲观
这并非意味着AI的失败，而是提醒我们，
真正的通用智能之路，比想象中要漫长得多
对于用户而言，会提出一个好问题，也越来越重要
这也许会对我们的教育、工作方式都带来极大影响

字节+中兴：复制“华为+赛力斯时刻”？ 最近中兴旗下的手机品牌努比亚，发布了和字节合作的AI手机。

这一幕，像极了当年华为牵手赛力斯（原小康股份）的开端：

一个急于寻找硬件载体的软件巨头，找到了一个急于在红海中突围的二线硬件厂商。

商业合作的底层逻辑，往往是由于匮乏，而非富足。

华为当年缺少造车经验，于是找到了塞力斯；而字节虽然也有自己的硬件团队，收购了锤子手机团队、PICO团队等，但几次尝试证明，硬件并不好做。
于是，也就有了这一次和中兴努比亚的合作。

但是，字节面临的商业环境，要比当年华为要严苛得多。

1、手机行业的集中度，要远高于汽车。

汽车还是有不少二线品牌，规模也可以；但手机市场早已是高度成熟的寡头游戏。

头部玩家几乎都不会采用字节的方案，而是把入口牢牢掌握在自己手里。留给字节的选择，无非也就是中兴努比亚、联想等。

甚至非洲之王传音，都未必会是最佳搭档。因为考虑到海外对数据、隐私的合规要求更高，传音也许和海外大模型厂商合作，更保险。

2、开源的出现，导致大模型的技术门槛，比自动驾驶要低。这不是说绝对意义的低，而是因为生态不同。

自动驾驶系统是比较封闭且高门槛的“黑盒”，许多车企确实自己造不出来。华为的技术方案，相当于沙漠里的清水，是刚需。

但大模型就不一样了，虽然完全自研也非常困难，但随着DeepSeek、Qwen等高质量开源大模型的发展，技术平权已经实现。

除非字节模型性能有断层式领先，否则一线手机商，更没动力合作了。

3、商业化难度不同。

华为和塞力斯合作可以成功，是因为华为本身就有很好的C端付费心智和经验。知道用户需要什么、可以为什么付费。用户甚至愿意为华为技术支付溢价。这大大提高了汽车试水的成功概率。

但字节和努比亚的合作就不同了。字节当然是很赚钱的公司，但是商业模式主要还是流量变现，用免费的产品卖广告。缺乏让C端用户直接掏钱买服务、产品的成功先例。

而努比亚作为载体，本身也缺乏品牌溢价能力。两个在C端硬件上缺乏“高价号召力”的品牌结合，如何说服消费者为AI体验买单？

尤其当形态依然是手机时，手机的硬件、设计等元素，就依然是消费者选购的核心。这方面，依然缺乏过硬的证明。

但不管怎么说，字节跳动与努比亚的联手，是一次有益的尝试。

谁率先找到新载体、形成新品牌，公司的业务版图里，可能会长出半个苹果，也可能长出一个OpenAI。

在苏州有一家公司，如果它突然停产，那全球的AI建设都会受到影响；这就是苏州旭创。公司领先的光模块产品，是AI数据中心数据高速传输的核心支撑，也是谷歌、英伟达、亚马逊等全球科技巨头的核心供应商。

算力，毫无疑问是AI的基础底座。而类似苏州旭创这样，为AI算力造“铲子”的公司，在江苏还有很多。

亨通光电，是国内光纤领域的龙头公司；位于无锡的长电科技，是全球第三、大陆第一的IC封测企业，遥相呼应另一个行业龙头则是位于南通的通富微电；雅克科技，是存储相关的重要材料供应商。在苏州、无锡、淮安等地区，也聚集了一批PCB公司，是AI服务器的重要部件。

江苏在通信、电子、芯片等算力配套产业，不仅有沉淀，也持续保持着国内甚至全球领先。这就带来了两个优势：

一是春江水暖鸭先知，基于这些企业的经营状况、产品需求，可以率先了解技术发展趋势，尤其那些面向海外销售的领域。二是近水楼台先得月，在算力建设中，可以获得供应链的快速响应、研发配合和保障。

如今，江苏也吸引了一批批公司的算力中心建设。

例如腾讯在华东地区最大的数据中心，就在仪征，总投资超过了百亿，总规划部署超过30万台服务器；在南京也布局了百亿规模的智算中心。支撑着腾讯云服务江苏3万家客户，为江苏民营企业头部20强80%的企业提供数字化服务。

中国移动也在南京建设了智算中心，构建“省域5ms、地市1ms”的时延圈，让算力快速流动。

在《2025综合算力指数》中，江苏位列全国第二，总算力中智算占比超70%。而且也形成了多元的智算分布，南京发展超大规模算力，无锡重在支持大模型发展、也在最近和腾讯签署了战略合作协议、打造“人工智能+”标杆城市，盐城主打极致绿色节能等等。

可以说，任何算力需求，都能在江苏找到合适的方案。

更重要的是，海外寻求的“让多个数据中心连接成为AI超级工厂”的目标，正在江苏实践。

2025年11月，中国算力平台（江苏）暨江苏省一体化算力调度监测平台,在南京正式上线。这是全国首个省市一体化算力调度监测平台。通过统一调度，不仅解决了算力资源分布不均、使用率低等问题，也进一步降低了企业使用算力的门槛和成本。

算力在江苏，不仅用得上、更能用得起、用得好，推动着AI真正成为产业必备的元素，让智能加速创新速度。

字节AI手机，今天传播很广。如何理解这个产业趋势？

分享一篇2024年初的文章。（也可以看出来，一直等了两年了，才又有了一些风浪。）
字节AI手机已经有了L4味儿了。可以用语音实现多个场景下AI调用，也不需要过多干预。

但是，还面临几个问题：
比如，努比亚不具备品牌号召力，如果定位是手机，那硬件还是手机的核心。这就涉及到销量了。

再比如，多品牌扩展的话，就会面临手机厂商自己做AI助手的壁垒；如何合作，是需要摸索的。这其中，苹果、华为、荣耀、小米，应该不大会合作。OV自研大模型进展一般，所以可以是潜在合作。

另外，APP们是否会做调用限制，也是行业问题。

至于个人信息问题，大家都会说，但隐私问题，估计最后都还会接受。不然也用不了。但是，安全问题，确实很重要。除了一些简单操作之外，涉及到账户的，还是有心理门槛。

外卖价格战，何其惨淡；美团反对，阿里减弱，新平衡在哪里？

在德州扑克中，如果你的对手是一个无限筹码玩家，那最好的策略就是避开；如果无法避免、必须和其纠缠，那该怎么办？

这就是美团现在需要思考的问题。

美团刚刚发布的2025财年3季报，调整后净利润从去年同期的128亿元，转为亏损160亿元，尤其核心本地商业经营利润转负，亏损141亿元。

外卖大战导致的数据惨烈，上市以来都罕见。

但，参战方也都不好过。阿里三季度经营利润也少了近300亿元，京东三季度经营利润也从百亿元转为亏损10亿元。

在三家少掉了近千亿元且看，似乎也更认同了：在增速趋缓的偏存量市场里，靠价格战，几乎是互捅刀子，留下财报上的伤口和投资人的痛苦。

现金流的减少，依然是当下不确定时代的重大隐患。钱可以烧一阵子，但难烧一辈子。

所以，美团的状况和开头的德州扑克，也并不一样。对手也并不是无限筹码，只是深筹而已。而深筹，就一定也有打光的可能。

于是，也可以看到，各方的战斗意志都有所减弱。阿里表示下个季度闪购投入会收缩，美团王兴也表示，价格战是地址低价的“内卷式”竞争，坚决反对；而京东也早已退出了外卖大战舆论中心。

一旦价格战减弱，美团的“”密度”护城河就又会出现。

电商是去中心化的物流逻辑，追求规模化仓储带来的成本；而外卖是原子化的即时履约，依靠区域内的点对点。

因而，在本地生活领域，密度就是效率，也是利润。美团构建的高密度线下即时物流网络，可以保证单位区域内的履约成本领先对手。

这个核心优势，并没有发生变化。只是当价格战爆发时，并不成为核心矛盾了。这也说明，并不是刚性护城河。但是，也可以成为，拖住对手的重要能力。

倘若没有这一点，也许造就摧枯拉朽了。

对于阿里而言，也实现了自己的一些目的，活跃用户增加、大淘宝更加聚集、战线也更接连成片了，进可攻、退可守。

所以，展望来看，外卖大战，战役估计没有了，但时不时的战斗还会有。双方只能继续摸索“新的平衡”。

美团依靠密度护城河，拖住战局，也不断减少支线业务的投入，保存实力；

阿里则要衡量AI的投入状况，毕竟这才是更有战略意义、消耗更大、天花板更高的领域。

这次大战，对美团也是“提醒”，什么是刚性护城河。如果要发展五十年，当小哥越来越少，进入钢铁小哥的时代，比拼的还是科技。

t.cn

全栈，对于AI很关键
全栈（Full Stack）一词的首次出现，是对程序员能力的最高评价：既精通前端技术、又掌握后端逻辑、还能熟练操作数据库。堪称代码世界里的鲁滨逊。
如今，全栈虽然已经改为对企业的形容，但要表达的全能性、硬核性，依然未变。
就像谷歌、百度的AI战略，他们在构建的并非仅仅是产品，而是一套基础设施的闭环：芯片与算力、大模型、开发工具、以及应用和应用生态。从底层到上层，全栈覆盖。
例如，谷歌有TPU+TensorFlow+Gemini+搜索/邮箱等应用；百度有昆仑芯+飞桨+文心大模型+搜索/文库/萝卜快跑等等应用。
那么，为什么在人工智能时代，这种垂直整合会非常关键呢？
因为AI是算力、算法、数据的协同发力，而非单一要素；而且会一直如此。斯坦福AI研究所也在《AI Index Report》中指出，AI的价值实现必须通过三要素的深度融合。
算法需要更“懂”它的芯片，才能避免通用芯片的冗余而导致的效率浪费；大模型需要获取更多前端真实数据，从而可以通过训练进化更快、更加聪明；不同的数据，例如文本、视频，也需要有不同的、更合适的芯片来处理。
而且，垂直整合，也意味着减少了“中间商赚差价”，其边际成本也会随之降低。
另外，面对一些复杂问题，拥有全局优化的能力，则可以任意调整芯片、框架、模型、数据等任何一个环节的资源来解决。而非全栈公司则只能在自己受限的那一层里打转。
所以，非全栈，当然也可以发挥AI的作用；但全栈能力，可以让三要素配合更紧密，产生乘数效应，降低成本的同时，提高模型效率和效果。
对于AI行业竞争格局而言，垂直整合的全栈布局，是一种系统能力，可以有效抵御单点突破式的冲击；而且随着数据和模型规模增长，竞争优势还会越来越大。
对于AI行业未来发展而言，未来应用场景也会从单一任务到多模态、多领域的融合；也需要AI技术的成本能像水电一样唾手可及；而全栈布局，也通过“降本提效”、加速着AI在各行各业的普及。
因此，也可以说，垂直整合，是AI时代的“元竞争力”。