什么对称操作有非对称收益？比如QE和QT，水灭火再抽水，净收益是灭了火。但同样有趣的问题是，火因何而起。

利率是一种阻力设计，控制的是货币的流速和流向。同样地，单双列也是一种阻力设计，单列降低了注意力的利率，是凯恩斯主义的胜利。

AI大模型会喜欢凯恩斯主义，因为低阻力环境带来更多行为信号。因为自由但沉默的市场，不够有效。

越是能够控制供给的数字世界将越被凯恩斯主义的实践统治。

原来的个性化发生在信息流上，未来的个性化发生在时间轴上。对画面像素的感知理解使得视频内容本身也能成为互联网。

如果每发生一次危机，某些组织都能集中一些权力，那么他们就会不断地制造危机与敌对关系。

融7万亿美金，用national security的理由把fed当vc，这步棋挺妙的，接下来降息的钱有明确去向了，然后再顺带一手美国建厂带动就业，对冲底层失业的舆论劣势；接下来我们会听到大量关于主权ai，新能源与芯片战的国家保护主义叙事，因为这些是美国政府愿意出手的理由。

sam很会通过描述共赢的饼来拿超额杠杆以小博大，深刻感受到：
1、钱只是用来加速时间的工具，不是目的，现在的钱比未来的钱重要的多；
2、共赢关系也只是手段，敌人和盟友的差别仅在于视角的不同和视野的大小；
3、尽管非常特殊，但我们可能还是低估了第一名能够潜在撬动的杠杆，年中降息与年底总统大选这两个时刻的战略叙事值得观察；
4、杨植麟在赌的一点是，个性化智能比通用智能更有价值，才会有loseless context is everything的结论，但从sam的行为上看这一点在短期未必直接成立，或者说通用智能的瓶颈期还远远未到，算力在成为智能的一部分，成为直接答案的一部分，应该是在内部看到了下一个大力出奇迹的结果才会以这么夸张的规模提前布局。
5、应用端大力出奇迹的机会远远没到，静等iphone、android机支持本地跑推理吧

The largest social vr is also the largest embodied data simulation vendors/owners for ai robotics.

AI时代对组织能力的影响，不是去想象一个人控制N个学霸实习生，线性增加生产力，这只是第一层；而是借助AI打造极度扁平的组织结构，让原有团队每个人网络连接度增加、信息处理量增加，共识传播的梯度增加，去指数级增长生产力。

生成式AI是极致的所有权掠夺再创造新私有资产的过程，是极致的资本主义；对抗它的是将私有数据转化为非排他性、非竞争性公共资产（任何人都可以访问、你的访问不影响他人的访问）的加密经济，是极致的社会主义。

the most scarce thing in AI is private data;
the most scarce thing in Crypto is legitimacy.

非常同意这个递进逻辑，信息和价值需要分开。价值是主观、个性化的；但正如数学里没有精确解的问题可以用数值方法不断迭代逼近，人工智能在过去十年里最大的落地应用就是价值预估（推广搜），有趣的是，以前的推广搜仍服务于双边市场，近期的生成式ai指向的则是极致的单边流动性，因为内容的边际生产成本趋向于零；用咱们crypto熟悉的话语体系，是从双边做市朝着单边做市的过渡转变。

我所理解的AI计划经济，正是极致的单边做市商。 //@cipherwang.bit: 对计划经济因何失败的常见谬误就是获取的信息不够多不够快不够准，如果大数据加AI，啥都能算了是不是比市场经济更好？事实上，计划经济失败不是信息收集能力的问题，而是价值本身就不可计算。因为人们对价值的定义是主观的，同一瓶水对不同状态下的不同人的价值完全不同，你如何用这个信息指导生产呢。只能通过企业家精神，由企业家去中心化，自负盈亏地生产以尝试满足不同层面人的需求

交互的改变势必会带来新的反馈指标，移动端的点击率、停留时长等最可靠的内容预估指标在空间计算中的频次不及眼动追踪稠密，而越稠密的反馈往往让算法越精准；

某种意义上，aigc也使得内容媒介变得更加可切割、可组合（比如图像、视频、3d等内容借助大模型实现实时识别、局部替换等操作），眼动追踪也将加速内容媒介“热区”的智能化与个性化，使得：在信息流本身就是个性化的基础上，单个内容的不同热区之间也变得个性化