即刻App年轻人的同好社区
下载
App内打开
含光同尘
97关注296被关注1夸夸
留下自己的作品
含光同尘
2月前
经典案例“创新者的窘境”

#256.谷歌帝国兴衰史（三）：创新者的窘境与AI时代的求生之路

跨国串门儿计划

00
含光同尘
2月前

AI产品黄叔: “别再被Demo骗了！”：Karpathy揭秘AI Agent从90%到99.999%的残酷真相 当整个科技圈都在为AI Agent（人工智能体）的酷炫Demo欢呼时，有一个人却泼来一盆冷水。 他就是Andrej Karpathy——一个履历堪称“AI界天花板”的人物。作为OpenAI的创始成员，他帮助构建了驱动ChatGPT的早期模型；作为前特斯拉AI总监，他领导团队埋头五年，只为攻克自动驾驶这个难题。 正是这段横跨“数字智能”与“物理智能”的独特经历，让他对当前AI Agent的狂热，有了一份极其冷静甚至悲观的判断： “这不是智能体元年（the year of agents），而是智能体十年（the decade of agents）。” 为什么？因为他用在特斯拉5年、每天都在追求99.999…%可靠性的亲身经历，看到了所有AI产品从惊艳Demo到可靠Product之间，那条由无数个“9”铺成的、漫长而艰难的行军路。 一、2014年的“完美”幻觉：一个关于自动驾驶的故事 故事要从十年前说起。 2014年，Karpathy还在斯坦福读博，通过朋友关系，他体验了一次Waymo的自动驾驶汽车。那是一次“完美”的旅程，车辆在帕洛阿尔托的街道上平稳行驶，毫无差错。 “我当时觉得，这东西（自动驾驶）已经非常接近成功了。” 然而，十年过去了。自动驾驶依然没有大规模普及，甚至连Waymo自己，也只在少数几个城市的限定区域内运营。 问题出在哪？ Karpathy在特斯拉的五年找到了答案。他将其总结为一个概念：“九个九的行军”（The march of nines）。 一个产品在Demo阶段达到90%的成功率可能很容易，但从90%到99%，再到99.9%，每增加一个“9”的可靠性，所需要付出的努力和资源，都是指数级增长的。 “在特斯拉，我们每天都在为小数点后新增的那个‘9’而战。” Karpathy说，“而今天的AI Agent，就像2014年的那辆Waymo，它给了我们一个完美的幻觉，但实际上，它的‘九个九行军’才刚刚开始。” 二、AI Agent如何重走自动驾驶之路？四大挑战 Karpathy认为，今天的AI Agent，正面临着与自动驾驶当年一模一样的四大挑战。这四大挑战，构成了从Demo到产品之间的巨大鸿沟。 挑战一：高昂的失败成本 自动驾驶的失败成本是物理世界的人身安全，一次失误就可能导致严重事故。 AI Agent的失败成本是什么？是数字世界的业务安全。一个企业级的Agent如果出错，可能会错误地修改数据库、泄露客户隐私、或者给出一个灾难性的商业决策。 “在软件工程中，一个微小的错误就可能导致数百万用户的安全漏洞。这种成本，一点也不比自动驾驶低。” Karpathy强调。 当失败的代价极其高昂时，99%的可靠性是完全不够的。你需要的，是99.999%甚至更高。 挑战二：从90%到99.999%的艰难爬坡 为什么提升一个“9”如此困难？ 因为现实世界充满了“长尾问题”（long tail problems）——那些极其罕见但又确实会发生的极端情况。 对自动驾驶来说，可能是突然冲上马路的行人，或是从未见过的交通标识。对于AI Agent，则可能是用户一句带有歧义的指令，或是一个系统从未处理过的异常API返回。 解决前90%的问题，靠的是模型的核心能力。而解决后面9.999%的长尾问题，则需要海量的数据、持续的迭代和近乎偏执的细节打磨。 “每当你觉得解决了一个问题，就会有一千个新的、更奇怪的问题冒出来。”这正是Karpathy在特斯拉的日常。 挑战三：看不见的“人” 很多人以为，Waymo的无人车里真的“无人”。但Karpathy指出，这是一种误解。 在你看不到的地方，有一个庞大的远程操作中心（tele-operation center），随时准备在车辆遇到困难时接管。 “我们并没有完全移除人类，只是把驾驶员从车里，移到了你看不到的办公室里。” AI Agent同样如此。当一个Agent宣称能“全自动”完成任务时，其背后很可能有一个人类团队在进行监督、审核和处理异常。这种“人机协作”的模式，在未来很长一段时间内都将是常态。 挑战四：经济可行性 最后，也是最现实的问题：成本。 自动驾驶的研发成本是天文数字。Waymo烧掉了数百亿美元，至今未能盈利。AI Agent同样面临高昂的训练和推理成本。 一个AI产品最终能否成功，不仅仅取决于技术，更取决于它的经济模型。它能否在覆盖高昂成本的同时，创造出足够大的、让客户愿意付费的价值？ “你必须让产品在经济上是可行的，否则它就只是一个昂贵的科学实验。” 三、结论：乐观的技术，悲观的时间线 正是基于这四大挑战的深刻洞见，Karpathy才做出了“智能体十年”的判断。 他预测，未来十年，AI Agent不会像很多人想象的那样，以一种颠覆性的姿态瞬间取代人类工作。它会以一种更渐进、更务实的方式渗透到我们的工作流中。 他提出了一个“自主性滑块”（autonomy slider）的概念：AI会先从处理80%的常规任务开始，将剩下20%最棘手的任务交给人类。随着技术的成熟，这个“滑块”会慢慢地、一点一点地向100%自主移动。 “我对技术本身是乐观的，我相信这些问题终将被解决。” Karpathy在访谈的最后说。 “但我对时间线是现实的，甚至有点悲观。我之所以听起来悲观，只是因为当我打开Twitter时，看到太多毫无意义的、为了融资而存在的炒作。” 这或许就是Andrej Karpathy带给我们最重要的启发：在一个被AI浪潮席卷的时代，保持兴奋很容易，但保持清醒和耐心，才是一种更稀缺、也更可贵的能力。

00
含光同尘
2月前
生命没有天然的意义，重在“留下自己的作品”。
00
含光同尘
3月前
#今日份的思考
提倡线上输出分享（文章、评论）的方式来社交
00
含光同尘
3月前

冰瑞Brui: 最近看了一篇文章《AI 不会让你变富》，作者是 Jerry Neumann，一个研究技术创新和投资的老炮。读完之后，我感觉很多人可能都会有点“被泼冷水”的感觉，因为它跟我们习惯的叙事完全相反。大部分人说 AI 是历史性机会，是财富爆发点；而这篇文章说：AI 可能改变世界，但未必改变你的钱包。 1. 技术革命不等于财富革命。历史上有些技术确实让一批人暴富（比如微处理器、互联网），但也有些技术虽然改变了世界，却没怎么造富（比如集装箱运输）。AI 可能更像后者。 2. 关键不是 AI 本身有多强，而是谁能捕获价值。很多时候，客户得到的好处比创业者和投资人赚到的钱更多。 3. 模型公司很难赚钱。AI 基础模型会被卷到接近免费，真正赚钱的要么是少数寡头，要么是找到护城河的应用层公司。 4. AI 的价值释放是长期的。像电力、互联网这种真正改变世界的技术，都用了几十年才扩散到社会各个角落。AI 可能也需要类似的长周期。 ⸻ 第一个点挺颠覆的。他用“集装箱化”做例子：这项发明直接改变了全球贸易，运输效率提高到疯狂的程度，但结果是——几乎没有哪家运输公司因此赚到暴利。为什么？因为价值被摊给了全球的消费者和产业链，运费变便宜了，但利润并没有集中到某几家公司。反过来看微处理器，它直接催生了 PC 产业、微软、苹果，带来无数投资回报。那 AI 属于哪种？Neumann 更倾向于——它更像集装箱。 第二个点是“谁捕获价值”。很多人看到 AI 的潜力，就觉得“我要投 AI 公司”，但问题是：模型训练成本极高，竞争又激烈，最后可能大家都只能卖白菜价。结果是客户用更低的价格买到更好的服务，真正赚到的是用 AI 提升效率的企业，而不是 AI 模型公司本身。换句话说，AI 带来的大部分红利可能被“使用者”吃掉了。 第三个点直接说到了创业者关心的事：那我到底该干什么？ 作者的答案是：去找应用层的机会。历史上，真正能站住脚的公司，是那些利用新技术，把它变成“具体问题的解决方案”的公司。但坏消息是，这种应用层的机会最终大概率会收敛到寡头——比如互联网时代最后是谷歌、Facebook 吞掉了大部分广告市场。中小创业公司可能会有机会，但窗口期会很短。 最后一个点是关于节奏感。今天我们觉得 AI 来得快，进步也快，好像一夜之间要颠覆一切。但从历史来看，电力用了 40 年才真正走进工厂，互联网从 90 年代到 2010 年才全面渗透。AI 也可能要经历很长的 adoption 曲线，短期看机会没那么“暴富”，但长期看它一定会深刻地嵌入各行各业。 ⸻ AI 不是一个“一夜暴富的金矿”，而是一个长周期的红海战场。对大多数创业者来说，机会不在“造 AI”，而在“用 AI 造出别人难以复制的业务”。这就意味着，你得站在行业场景里思考——AI 能帮你做什么别人做不到的事？能不能形成数据壁垒、客户关系壁垒，甚至是品牌壁垒？ 所以，这篇文章其实在提醒我们一个很现实的问题：不要只盯着 AI 本身，要想清楚你能在哪里捕获价值。

00
含光同尘
3月前
大模型其实并不“理解”知识的内涵，它只是用统计概率，模拟了正确的回答。这是“幻觉问题”存在的本质，因为它无法判定正确与否。
也因为基于统计，所以需要大量的算力、漫长的训练。
投资业界，短期对AI肯定高估了。但从二十年长度来看，是低估。资本泡沫，一定程度是好事，推进技术卷。

大卫翁: 这篇文章的作者是我少年班同班同学，也曾是宿舍“上铺的兄弟”。 其实他毕业后在it行业里有着赫赫威名，不知道的朋友可以搜索一下“阿里 道哥”。 虽然我俩很久不联系，只是在前两年喝过一个咖啡，但我对他的技术能力一直是非常叹服的。 这篇关于ai行业的发展回顾和展望写的有点官方（看了一下是发表于一本党刊上的，难怪…），但其中对于目前生成式ai泼的“冷水”和提出的解决方案是我们这些行业外的人非常需要的洞见。 圈了几点对我很有启发的点放在图片里。

00
含光同尘
3月前
含光同尘
3月前

善宝橘: GoPro 的创立时间是 2002 年，世界上第一次有运动相机这个品类诞生。DJI 最早就是在 Phantom1 上搭载了 GoPro，才一炮而红，开创了航拍机这个品类。 那是 13 年的事，年底，DJI 就推出了精灵 2 代 VISION 版本，与 GoPro 切割，自身 搭载了一体化的拍摄镜头。 可以说，DJI 早期完全是踩着 GoPro 过河，无论是搭载 GoPro 上天的飞行器，还是专门为 GoPro 定制的禅思系列云台，就是靠着为 Go 家推出配件，DJI 才从一个小众的飞行器 DIY 市场扩展到更大的影像市场。 14 年 DJI 推出了两款产品：搭载了 2.7K 云台相机的 Phantom1 和第一代手持云台相机灵眸 Osmo，后者是大疆首次尝试将相机和云台融合在一起的尝试。 DJI 的产品尝试，可以归结为不断拿小市场积累的技术，延伸到更大的应用市场。 - 小众无人机 DIY 市场，积累飞控技术 - 利用飞控技术，将 GoPro 带上天，打入航拍影像市场 - 在航拍影像市场继续积累影像、图传、云台防抖、追踪、避障技术 - 利用已积累的影像+云台技术，往更广的手持影像市场进发 16 年的灵眸手机云台其实是往更大市场进发的一次尝试，DJI 再次采用了它的配件策略，只不过这一次主角从 GoPro 变成了手机，但手机市场巨头太多，影像又只是其中的一环，进一步的空间有限。 所以又有了新的尝试：利用在航拍市场积累的追踪技术，延伸到车载和更后面的家用扫地机领域；但同样，巨头林立，这场仗很不好打。 19 年，DJI 终于要蚕食自己从前好基友的地盘了：凭着影像和防抖技术的积累，推出了第一款运动相机 Osmo Action。6 年过去了，DJI 也成为了这个领域的霸主。 遥想当年 GoPro 推出第一款运动相机的时候，大概没想到自己会被一个玩飞机的干趴。走过了胶片机时代，挺到了数码时代，从标签到高清再到超清，仿佛运动相机领域的诺基亚，当然 GoPro 的失败自身占了很大原因。一个能说明这一点的例子是：当 Action 1 代问世时，DJI 前侧用了一块 1.4 英寸的全彩显示屏，而 Hero 7 仅仅是一块单色信息显示屏。 其实更有意思的是 DJI 为什么往运动相机的领域走，毕竟 19 年时 GoPro 的份额已经受到了智能手机很大的冲击。或许在没有办法往更大市场走的情况下，DJI 只能尽力去占领各个更加垂类的领域，至少在户外场景，运动相机的三防和防抖属性仍是不可替代的。 而在一个更小众的市场，影石正在偷偷发育，并在 16 年推出了第一款全景相机配件 Nano S。这款可以直接插在苹果手机的全景相机配件，解决了过往理光、三星拉跨的 VR 体验，在极客圈引起了一些反响。 全景相机的初衷是和 VR 打配的，但很不幸，2025 年了，VR 非但没有兴盛，反而逐年递减，影石并没有搭上和 DJI 最初选择的运动相机一样大的市场。 但 JK 并没有头铁地继续在 VR 领域打转，反而利用全景相机的特点，推出了先拍后取景的概念，杀入了运动相机市场，这就是 17 年的 Insta360 ONE 和 18 年的 ONE X。在这个时期，直到 2025 年，影石在全景运动相机这个领域都是没有对手的，更令人好奇的是，DJI 作为一个对竞对严防死守的公司，竟然在长达 5 年的时间里才推出第一款全景相机，给了影石成长的空间，不知道是 DJI 没有看得上这块的市场还是缺乏全景的软件技术基础。 和 DJI 很有区别的是，影石并不是靠技术积累取胜，而更注重产品创意。19 年推出的 GO 系列，小到和 Airpods 差不多大小； 2020 年推出的 ONE R，模块化设计，支持更换广角、全景和一英寸三种镜头，甚至还支持搭载在无人机上，当做全景无人机。真是风水轮流转，以前是无人机想要搭着运动相机，现在是运动相机想要搭着无人机，大家都在互相借力。但 One R 系列虽然有趣，却在定位和定价上缺乏竞争力（三合一的版本比单一功能的竞品都要贵，而用户往往只会买自己需要的，因此在单一维度的竞争力上缺乏优势）。 GO 系列则是非常有意思的产品，开创了拇指相机这一品类，它意味着从运动相机市场切入了更大的日常影像记录，这和 DJI 的 pocket 系列在某种意义上是重合的，区别在于 GO 更多是第一人称视角，Pocket 则兼顾自拍和他拍。目前 GO 系列在影石的产品阵列里销售额仅次于全景，未来它的空间也许比全景更加广阔。 影石每一代的产品都会把花活玩到极致，但 23 年推出的 Ace Pro 在形态上却回归了正统的运动相机造型，没玩一丝花活，虽然塞了一颗 5nm 的 AI 芯片和大光圈 1/1.3'' CMOS，但总是少了点惊喜。但这份惊喜在二代被补上了：一个拍视频的运动相机，在加上街拍手柄后，竟然成了堪比理光、富士的摄影机。 有时候你真的不懂什么时候风会来，就像 pocket 3 乘着小红书记录生活的浪潮兴起， 我想连影石自己应该都没想到自己一个浓眉大眼拍视频的，最后竟走向记录瞬间的摄影道路，都是街拍风潮惹得祸。相比手机摄影，相机拍摄会更有仪式感，而影石+徕卡的品牌、滤镜和 AI 的加持下，Ace 2 顺理成章成了 GR III 和黑卡的平替。真的，有一天影石出胶片我也不意外了，毕竟这是一个连撕拉片和 CCD 都能火的年代，每一代都有自己的复古浪潮。 如果说相机史以前是索尼、佳能这些传统厂商的，后来被手机所替代，或者说大众化，那么最近十年的纯影像厂家，风头最盛的可能就是 GoPro、DJI 和影石这三家了，老狗已经日薄西山，DJI 积累深厚并且技术迁移性很强，影石则靠产品创意和软件积累取胜。正是因为有竞争、有市场，才会有新的产品不断诞生。再过十年，新的产品形态会是什么样？我不得而知，但拭目以待。

00
含光同尘
3月前

爱探险的A酱: 赚不到钱的原因大概在于四点 1.不懂政策 2.不懂供需 3.不愿意付出代价 4.没有执行力 首先为什么现在赚钱没有以前容易，2021年之后全面落地共同富裕，时代从赚快钱过渡到要打好基础才能赚钱，之前政策扶持敢于冒风险的人，因为需要“先富带动后富”，但现在政策上鼓励大家都去赚钱，于是大众创业，政策没有偏向性，赚钱的体感难度变高。 其次规则随着供需关系而变，规则不平等是因为供需关系不平等。打工人选赛道其实就是选供需关系，看哪个行业赚钱，可以看看哪个行业的打工人还能赚到钱。 现在是普遍的供需失衡，所有行业都不赚钱，这是时代问题，个人无法改变，只能改变自己。在这种情况下，个人要做的可能不是选赛道，而是找自己合适的工作，拉大赚钱的性价比。 第三点，代价问题。很多人都是看到别人吃肉，没看到别人挨打。很多江浙的老板都不愿意自己的孩子继续做生意，宁愿让孩子进体制也不想他们再过一遍讨债追债打地铺的日子。在想要拿到那个结果之前，要想想自己能否接受付出的代价。 第四点，执行力。很多人觉得自己能量低，所以执行力低，得先把自己的能量场变好了再去做事。但其实一个好状态是做出来，执行力是因，能量才是果。一个人做到的事情越多，他就对自己越自信，他的执行力就越强，他的能量场就越强。 另外，很多人觉得自己身体跟不上，气血虚，睡眠不好，体力跟不上，是因为身体原因拖垮了自己的执行力。这其实是个借口，因为执行力是迈出第一步，加以持续下去，坚持做完。如果你做着做着感觉很累就休息了，但是第二天还是坚持在做，身体原因会拉长你做这件事的战线，但什么都不做，拿身体原因当借口，就是纯粹的执行力差。 执行力差咋办呢？先从小事做起，做一些力所能及的事，逐步建立起做事情的感觉。其次，目标不要定的太高，直接把自己吓倒了，定了大目标之后，去做拆解，做完一百件小事再说。

00
含光同尘
3月前
含光同尘
3月前

范冰: 最近刚读了浙江大学社会学系研究员吴桐雨的新书《牛马游戏：硅谷大厂如何驯服工程师（Play to Submission:Gaming Capitalism in a Tech Firm）》，读完之后背后有点发凉。不是因为书写得不好，恰恰相反，是因为它太真实了。 先简单介绍一下这本书的分量。 作者吴桐雨是俄勒冈大学社会学博士，现任浙江大学社会学系百人计划研究员，专攻劳工社会学、科技产业和性别研究。 这本书的英文版《Play to Submission: Gaming Capitalism in a Tech Firm》已由天普大学出版社（Temple University Press）出版，获得了国际顶尖社会学家麦克·布洛维（Michael Burawoy）、清华大学沈原教授、马克斯·普朗克社会人类学研究所所长项飙等海内外权威学者的联袂推荐。 这本书基于作者在硅谷某头部科技公司长达 13 个月的深度田野调查，包含 100 小时的参与观察和 66 次正式访谈，可以说是目前对硅谷工程师文化最深入、最系统的社会学研究。 你有没有想过这样一个问题：为什么那些智商超群、逻辑思维极强的硅谷工程师，会心甘情愿地通宵达旦为公司工作，甚至还觉得这是一种「酷」的生活方式？为什么他们明明有着极强的议价能力和技术主权，却依然被大厂牢牢「拴住」？ 答案可能比我们想象的更加精妙和可怕。 吴桐雨用了整整 13 个月的时间，深入硅谷某头部科技公司进行田野调查，最终揭开了一个令人震惊的真相：硅谷大厂并不需要用 996 这种粗暴的方式压榨员工，它们有一套更加高明、更加隐蔽的「驯服术」——让员工在游戏中不知不觉地「用爱发电」。 这本书用极其冷静和客观的社会学视角，解构了一个我们以为很「正常」的现象。当我们还在讨论 996 怎么仍敢大行其道时，硅谷的科技巨头们早已进化出了一套更加精密的控制系统。 吴桐雨在调查中发现，一家硅谷科技公司内部，竟然存在着超过 50 种不同的游戏来激励员工工作。注意，这里说的不是什么团建活动或者员工福利，而是深度嵌入到工程师核心劳动过程中的游戏化机制。 这些游戏被精心设计，分为四大类型：模拟类游戏、整蛊类游戏、轮盘赌类游戏，以及收集类与奖券类游戏。 比如有个叫「甜甜圈邮件」（donut email）的整蛊游戏，新员工入职后会收到一封看似来自同事的邮件，邀请他们去某个地方拿甜甜圈，结果到了现场发现这是一个恶作剧。 表面上看这只是一个无害的玩笑，但吴桐雨敏锐地指出，这实际上是一种服从性测试，是对新员工最初的 PUA。通过这种看似「有趣」的方式，公司在测试新员工是否愿意接受这种企业文化，是否能够「融入」团队。 更精妙的是那些模拟类游戏，比如敏捷开发流程（Agile development）本身就被包装成了一种角色扮演游戏。 工程师们需要在规定时间内完成各种「任务」，就像在玩一款策略游戏一样。还有代码审查被设计成「轮盘赌」游戏，用随机分配的方式解决劳动分工问题，表面上公平有趣，实际上是在用游戏化的外衣掩盖管理的强制性。 最让人细思极恐的是那些收集类游戏，比如「刷工单」和「收集徽章」。工程师们会为了在排行榜上的名次而疯狂工作，为了获得某个虚拟徽章而通宵达旦修复漏洞。他们沉迷于这种竞争，就像沉迷于电子游戏一样，完全忘记了自己其实是在为公司创造价值。 读到这里，我突然想起了国内互联网大厂那些「奋斗者文化」和「福报论」的宣传。相比之下，硅谷的这套做法显得更加高明。 它不需要用道德绑架或者直接的强制手段，而是通过激发人性中对游戏、竞争和成就感的渴望，让员工主动投入到超额劳动中去。 吴桐雨在书中提出了一个关键概念——「玩家主体性」（gamer subjectivity）。这个概念解释了为什么硅谷的游戏化管理如此有效。 她发现，硅谷的工程师大多出生于 1979 年到 2000 年之间，这个时期正好与美国电子游戏产业的鼎盛期重叠，因此被称为「玩家一代」（gamer generation）。 这一代人从小就浸淫在电子游戏的世界中，他们不仅对编程和 debug 非常熟悉，更重要的是，他们已经内化了游戏的逻辑和叙事方式。他们习惯于在游戏中冒险闯关，习惯于面对不确定性，习惯于通过排行榜来证明自己的价值。 正是这些从小培养起来的习惯和认知模式，让他们在面对公司精心设计的游戏化工作环境时，很容易就被「套路」进去。 这让我想起了一个有趣的对比。 在中国，程序员们往往自嘲为「码农」或者说自己在「搬砖」，这种表述背后透露出的是一种工具化的自我认知——我知道我在被剥削，但我需要这份工作。 而在硅谷，工程师们更愿意把自己看作「玩家」，他们觉得自己在参与一场有趣的游戏，在这个游戏中获得成就感和满足感。 表面上看，后者似乎更加积极正面，但吴桐雨的研究揭示了一个残酷的真相：正是这种「玩家」身份认同，让硅谷的工程师们更容易被操控。 当你把工作当作游戏的时候，你就不会去质疑游戏规则的合理性，不会去思考这个游戏是否对你有利。你只会专注于如何在游戏中获胜，如何刷出更高的分数。 书中有一个细节让我印象特别深刻。吴桐雨描述了工程师们如何为了「保级」而通宵达旦地修复漏洞，他们把这种行为称为「开黑」。 这个词本来是游戏术语，指的是和朋友一起玩游戏，但在这里却被用来形容加班工作。这种语言的挪用本身就说明了问题——当工作被包装成游戏的时候，加班就不再是加班，而是「和朋友一起开黑」，是一种有趣的社交活动。 更可怕的是，这种游戏化的工作模式还会制造排斥和分化。 书中提到，那些不太愿意参与游戏，或者不太擅长这种「玩家文化」的员工，往往会被边缘化。特别是亚裔工程师和女性工程师，他们往往无法完全认同这种「玩家主体」，觉得为了游戏荣誉而工作是「太情绪化」、「不专业」甚至「幼稚」的行为。但正是因为这种疏离感，他们在公司中的处境变得更加艰难。 读这本书的过程中，我不断地在思考一个问题：为什么同样是让员工超额工作，中国的互联网大厂选择了 996 这种相对粗暴直接的方式，而硅谷却发展出了这套精密的游戏化系统？ 答案可能在于两种不同的管理哲学和文化背景。 中国的 996 文化本质上还是一种传统的权威式管理，它依靠的是等级制度和服从文化。老板说要 996，员工就得 996，这里面有明确的权力关系和利益交换。虽然粗暴，但至少是透明的——大家都知道这是在被剥削，只是为了生存不得不接受。 而硅谷的游戏化管理则更加狡猾。它不是通过外在的强制力来控制员工，而是通过重塑员工的内在动机和身份认同来实现控制。 当员工把自己当作「玩家」的时候，他们就会主动去追求游戏中的成就，主动去承担更多的工作，甚至会为了团队的「荣誉」而牺牲个人的休息时间。这种控制更加深入，因为它不是来自外部的压迫，而是来自内心的驱动。 吴桐雨在书中引用了福柯的理论，将这种现象称为「游戏化治理术」（gaming governmentality）。她认为，这是一种超越了传统霸权控制模式的新型劳动控制机制。传统的霸权控制还需要员工的「同意」，还可能遭到集体的抵抗。但游戏化治理术通过制造沉浸式的「游戏现实」，让员工相信问题在于自己「游戏玩得不够好」或「不够投入」，而不是资本剥削制度本身。 这种机制的可怕之处在于，它几乎完全消解了员工的批判意识。当工程师们在排行榜上看到自己的名次下降时，他们不会去质疑这个排行榜的合理性，不会去思考为什么要用这种方式来评价自己的工作，他们只会想着如何提高自己的排名。 当他们为了修复更多漏洞而通宵达旦时，他们不会觉得自己在被剥削，反而会有一种「拯救世界」的英雄感。 更让人担忧的是，这种模式正在向其他行业和地区扩散。随着人工智能和数字化技术的发展，越来越多的工作可以被量化、被游戏化。当我们的工作都变成了一场场游戏的时候，我们还能保持清醒的判断力吗？

00
含光同尘
4月前
是的，先做自己想做的，自会有同路

前端队长: 不要拉朋友上路，要学会在路上找朋友。

00
含光同尘
5月前
含光同尘
6月前
养成观察自己、记录的好习惯

钢铁直女在铲屎: 情绪有问题，要排查身体原因。 身体有问题，要排查情绪原因。 很多时候，一个人看起来内耗、意志力薄弱、烦躁不安、郁郁寡欢，并不一定是简单的心情/性格原因，而是在身体内部能找到生理源头。 曾经有一个同事跟我分享过，她基于自己的症状和了解到的营养知识，怀疑自己维生素D缺乏，她是一个有长期规律性运动习惯、热爱运动的人，生活方式很健康活力，但那段时间她就是很懒、不想去健身房、心情也很忧郁。 然后她就开始补充维生素D，那效果简直过于明显，有动力去运动了，整个人也活力回归了，也不多愁善感了。而且，她因为出门停服了几天，状态又down下去了。 如果她不补充维生素D，而是在反思自我情绪问题上努力，试图通过意志力来让自己不再懒惰和忧郁，大概率是毫无作用甚至更糟糕。

00
含光同尘
1年前

Neo张宁: 最近写了篇文章，聊聊中美科技生态的差异。这也是我今年两次去湾区最大的感受。表面上看：美国 all in SaaS，中国重注消费互联网超级 App。但实际上，创投生态在十年间的差别才是关键。 文章里我提了个核心观点：中国讲「入口」，美国讲「接口」。这不仅仅是技术层面的差异，更是整个生态系统的思维模式。 「入口」是闭环的，讲究流量进去就不要出来。这造就了中国的超级 App，但也限制了生态的多样性。 「接口」是开放的，讲求分工和连接。这促进了美国 SaaS 生态的繁荣，也为持续创新奠定了基础。 AI 时代已经来临，我们该如何应对？创投生态的开放和多样性比以往任何时候都更加重要。感兴趣的朋友可以看看全文，欢迎交流讨论！

00
含光同尘
1年前
含光同尘
1年前
含光同尘
1年前
含光同尘
1年前
惋惜…
坚韧成长，思考教员、王阳明低谷在做什么

🕯️94年中金女孩：人生很长，不用一直优秀 - 小红书

00