开启时会模糊预览图，关闭后正常显示
RT @rickmanelius: You can just do things. Raise almost 1 Eth ($3600) for a great cause (food bank to help those in need). Be like Scott
Market Design/Entrepreneurship Professor @HarvardHBS & Faculty Affiliate @Harvard Economics; Research @a16zcrypto; Editor @restatjournal; Econ @Quora; … | #QED
我们常看到各种精心绘制的蓝图，人们热衷于讨论未来的可能性，将其美化为“计划”。但计划的本质，究竟是什么？ 我认为，计划是导航图，而非精确的行车记录仪。 它需要勾勒出大致的方向和关键节点，明确阶段性目标和核心产出，但不必苛求每一步的细节策略。 比如要去一个城市，我们需要知道目的地、主要路线和大致的时间规划，但具体某天坐哪路公交、几点吃饭，这些可以在途中根据实际情况调整。 真正有效的行动，往往始于“行动”而非“空想”。 很多人沉迷于构建完美的计划框架，却迟迟不愿迈出第一步。 要知道，在你真正接触世界、与现实碰撞之前，所有的计划都只是纸上谈兵。就像学游泳，只在岸边反复研究动作要领、绘制动作分解图，不如直接下水感受水流，在呛水和挣扎中学会平衡与换气。 结果的诞生，往往是在实践中不断迭代优化的过程。我们常说“摸着石头过河”，正是这个道理。先有一个初步的设想，带着它去尝试，在与市场、用户、资源的互动中，不断接收反馈、修正方向，这才是让想法落地的关键。那些看似“完美”却从未执行的计划，就像未拆封的种子，永远无法生根发芽。 所以，与其在案头反复打磨计划的每一个字，不如先搭建一个最小可行的框架，带着它去碰撞、去体验、去调整。商业的本质是实践，而不是纸上谈兵。真正的高手，都是在行动中看清方向，在碰撞中找到答案，在迭代中接近目标。这或许就是那些优秀企业家的共同特质——他们从
从投资领域转到创业：找工作、找面试题、改简历、模拟面试. 创业（冷启动）｜AI , AIGC ｜ 安全技术｜RAG | 时空智能 | 认知心理学｜智能体 ｜ 生命科学 ｜ 强化学习 I built open source software at https://t.co/b69DXZhcyR
在近期的一次深度对话中，微软CEO纳德拉与OpenAICEO山姆·奥特曼围绕AI产业的未来发展、算力投入、合作协议细节等话题展开讨论，引发行业高度关注。 这场对话揭示了当前AI竞争已进入新的阶段，核心战场从技术研发转向基础设施与生态构建。 一、1.4万亿算力：不是负债，是“弹药” 面对“年营收仅130亿美元却承诺1.4万亿美元算力投入”的质疑，山姆·奥特曼明确表示，这笔投资不是“负债”，而是实现下一目标的“弹药”。 他强调，AI领域的核心风险并非资金短缺，而是“算力不足”——只有持续投入才能支撑模型迭代和业务扩张。 纳德拉则补充，OpenAI的商业计划“每次都超额完成”，进一步印证了其增长潜力。 在他们看来，算力投入是为了抢占AI技术的“下一个爆发点”，而未来技术突破（如本地运行大模型）可能让当前的算力需求显得“过剩”，但当下必须“不惜代价”。 二、瓶颈不在芯片，而在“物理世界的施工进度” 关于“算力过剩”的担忧，山姆·奥特曼认为技术突破将改变算力需求逻辑，但“当前”的实际情况是极度短缺。 纳德拉更指出，微软面临的最大瓶颈并非芯片供应，而是数据中心和电力：“不是没地方插芯片，而是没地方建‘暖房’（数据中心）。” 这一观点揭示了数字经济的物理约束——AI狂飙背后，数据中心建设、能源供应等传统基建的“施工进度”，正成为决定技术落地速度的关键变量。 三、新协议的“王牌”：七年免版税使用核心模型 此次微软与OpenAI的新合作协议，最核心的条款并非27%的股权（山姆称其“未来或值万亿”），而是微软获得OpenAI核心模型的七年免版税使用权。这意味着，从GPT-4o到未来的GPT-5，微软可免费将其最强AI引擎深度整合进Office、Windows、Bing等所有产品中。 - 独占部分：2030年前，OpenAI核心API（无状态API）仅在Azure云独家提供给大企业客户； - 开放部分：Sora（视频模型）、智能体（Agents）、开源模型等可在AWS、Google Cloud等平台分发。 这种“核心锁定+生态开放”的设计，既巩固了微软云的竞争力，又为OpenAI探索多元场景留足空间。 四、AI经济：搜索与聊天的“奶酪已被移动” 纳德拉直言，AI聊天与传统搜索的经济模型截然不同： - 搜索：谷歌的“索引”是低边际成本的“印钞机”，广告模式成熟； - 聊天：每次交互需消耗大量算力，边际成本极高，目前依赖订阅制（如ChatGPT Plus）盈利。 他认为，消费者端的AI盈利模式尚“模糊”，但企业端已清晰——“智能体就是新的工位”，可大幅提升效率。未来，AI可能重构科技巨头的商业逻辑，“搜索时代的奶酪正在被移动”。 五、终极目标：科学发现与“宏观委托”交互 山姆·奥特曼的终极愿景是“AI用于科学”，希望2026年AI能实现“微小但全新的科学发现”，这被视为“超级智能的雏形”。 纳德拉则聚焦人机交互变革，提出“宏观委托，微观调校”：用户只需下达大任务（如“策划日本家庭旅行”），AI自主执行，仅在关键节点微调确认。他认为，这需要“始终在线的新形态设备”（如AI Pin），以实现对用户生活的“完整上下文感知”。 结语：AI军备竞赛进入“物理战”阶段 这场对话表明，AI竞争已从技术比拼转向基础设施、能源与生态控制权的“物理战”。微软与OpenAI通过深度绑定，试图以数据中心为根基、以免版税模型为武器，定义下一代计算时代。而AI驱动的生产力革命（如“一人干团队活”），或将重塑企业运营与人类工作方式——未来，“用更少的人创造更大的价值”，将成为科技行业的核心命题。
从投资领域转到创业：找工作、找面试题、改简历、模拟面试. 创业（冷启动）｜AI , AIGC ｜ 安全技术｜RAG | 时空智能 | 认知心理学｜智能体 ｜ 生命科学 ｜ 强化学习 I built open source software at https://t.co/b69DXZhcyR
Got baited by an interface change I used to not notice Qwen web app continues to be illegible about which model is actually active @JustinLin610 wen actual Qwen3-Max thinking?
This is a PR mishap if that's what is happening we know you're about to release Q3-Max-Thinking you should be more careful about this stuff
Current printed schedule.
Subscribe https://t.co/Xm1OaUU8jk • seed investing • writing • ॐ •🙏• I use '—' • tweets saved 90 days • 📷
研究产品增长，关键不在于表面的流量来源和推广渠道，而可以先通过类似Ahrefs的分析工具，观察产品的历史迭代轨迹。 每款产品的发展，都能清晰看到其核心价值主张的演变。 很多非个人开发者的产品，初期往往追求“大而全”，要么标榜“世界首个”，要么想做“全能型”工具。 但仔细观察那些增长乏力的产品，会发现它们大多经历过一个“减法”过程：从最初的全面铺开，逐渐聚焦核心价值，通过不断调整找到最适合自己的定位，最终在特定领域形成差异化优势，占据用户心智，实现爆发式增长。 产品的核心展示区（如首页头部）的标题和Slogan至关重要，这是传递产品价值的关键。 只有先明确了这句话，后续的功能匹配、渠道策略和定价方案才能有的放矢。 真正高效的做法，不是花几年时间闭门造车去验证定位，而是可以用“逆向测试”的思路：通过测试广告素材收集用户反馈，利用待尝鲜列表（Waitlist）了解潜在需求，甚至用众筹等形式预售，快速验证产品的市场接受度。 脱离了这种真实的市场测试，产品很难真正进入高速增长阶段——除非它从诞生起就是一款颠覆式创新，且恰好符合市场空白。 几乎所有成功的产品，都曾在摸索中经历过“聚焦”的阵痛，最终用清晰的价值主张打开了增长的突破口。
从投资领域转到创业：找工作、找面试题、改简历、模拟面试. 创业（冷启动）｜AI , AIGC ｜ 安全技术｜RAG | 时空智能 | 认知心理学｜智能体 ｜ 生命科学 ｜ 强化学习 I built open source software at https://t.co/b69DXZhcyR