Claude 也要做 KYC，也要做实名认证了。中国程序员们的天塌了吗？

大家先别急着骂 Anthropic 反蒸馏。你以为他这次真正想打击的是蒸馏他模型的人吗？其实未必。真正先被打击的，可能是另外一类人。

一个健身房的比喻：Anthropic 真正在防谁？

设想一个场景：有一家健身房。

• 第一种人想自己开健身房，于是进来偷师，报了所有课程，跟健身教练学完以后，回去自己开健身房。
• 第二种人办了健身卡进来，把所有羊毛都薅干净。我这个健身卡是一年的，我就天天来；我来不了的时候，还找别人替我来，一定要把所有能用的都用完。
• 第三种人是花了钱办健身卡以后，再也不来了。

那你说，健身房最喜欢哪种用户？肯定喜欢第三种。你交了钱，再也不来了。

第一种人防得住吗？其实防不住。这一次真正去防的，是中间这种：办了健身卡，就一定要把所有便宜都占干净，自己来不了还要让别人替自己来。要干掉的是这帮人。

所以大家想明白了没有？他并不是惦记着去搞那些蒸馏的人。第一拨人，就是跟着健身教练学，学完以后回去自己开健身房的人，这才是蒸馏的人。这些人你防不住。为什么防不住，待会再讲。

这一次 Anthropic 干的事情，其实就是健身房升级了门禁系统，保证你必须是同一个人来，保证不会有人用一张健身卡多人进入，要把这种用量打下来，尽量让“花了钱不来的人”多一些。这才是真正的意图。

至于反蒸馏，跟这次有关系，但关系真不大。它最大的关系，可能就是这次行动的一个借口，其他其实没什么意义。

为什么这件事会炸锅？

这个事情出来以后为什么炸锅了？因为现在 Claude 开始出现身份验证弹窗了。有些人确实已经弹了，要求提交政府证件，也就是护照、身份证这些东西，还要进行实时自拍，做人脸和证件核验。

社区里的第一反应就是：完了，Claude 也要做实名制了，中国程序员以后别用了。

一般讲 KYC，通常是在币圈里讲，叫 Know Your Customer，也就是平台核实用户真实身份的一套风险控制机制。

在 Claude 里，中国开发者一定占极大比例。因为本身中国开发者就多，而且中国开发者又愿意去用最好的模型。虽然国内也有些模型能用，但我见过很多开发者都跟我说，你自己的时间是有价值的，一定要买最贵的。因为模型的差价，对于模型质量来说，基本可以忽略不计。所以一定要用 Claude。

前几周我跟姜变做节目时，他的“龙虾”挂的就是 Claude Opus 4.6，买的是 200 美金套餐。他给我的解释就是：我一定要买最好的。

现在在 Claude 里，用量最高的一些人，实际上很多都是中国人。第一个人好像叫刘小排，也是我以前猎豹移动的一个同事。这些都是能登上全球榜榜首的人。那自然就一定要“收拾”你们，因为这是一帮特别喜欢薅羊毛、用量特别高的人。这样的用户，健身房不欢迎，Anthropic 也不欢迎。

时间线：Anthropic 如何一步步收紧

Anthropic 在 2025 年 9 月就开始收紧中国 API 的访问了。

2026 年 2 月，Anthropic、OpenAI、谷歌三家公司同时指控中国实验室蒸馏。

2026 年 4 月 14 日，官方帮助中心更新了 KYC 说明；4 月 15 日起，用户将陆续收到弹窗。

更残酷的现实是，这个闸机很可能根本不认你的证件。因为他们找的第三方 KYC 机构，压根就不承认中国护照这些东西。你上去说我想验证，根本没人理你。

先把事实厘清：分三层来看

我们先把事实厘清，分三层来看：第一层是官方说法，第二层是事实认证，第三层是我的观点。

第一层：官方说法

先说官方说法。2026 年 4 月 14 日，Anthropic 官方帮助中心更新了一个名为 identity verification on Claude 的文件。

官方原文的措辞是：a few user use cases，也就是很少数的使用场景，不是全员强制。所以这是一种抽查，但具体抽到谁、没抽到谁，不会公布规则。

触发条件包括：

• 访问某些高级能力，比如让它做破解、做一些危险的事情，或者一些色情相关内容，都可能被视为“高级能力”；
• 例行的平台完整性检查，比如系统发现你的 IP 地址不对，或者一些跳转存在问题；
• 其他安全与合规措施，描述得比较宽泛，具体怎么筛选谁来拍照片，并不会说得很清楚。

现在它要求你的证件、账号、IP 地址必须“三码合一”。你说我提供一个泰国证件，那你的 IP 也得是泰国的，账号申请地区也得是泰国，不能中间有叉，一旦有叉就可能被干掉。

API 用户方面，官方明确说明当前不在本轮影响范围内。也就是说，你开账号以后在里面用 API，这一轮没影响。因为 API 本身相对更贵，Claude 也贵。

这也是为什么我说，这次主要处罚的是薅羊毛的人，而不是那些上你这来学课程、回去准备自己开健身房的人。因为那帮人是 API 客户，这次跟他们没关系。至于以后会不会再收拾，不好说。

第二层：已经确认的事实

已经确认的事实是什么？

1. Anthropic 帮助中心页面确实在 2026 年 4 月 14 日更新了 KYC 说明。
2. 部分用户已经从 4 月 15 日开始收到 KYC 验证弹窗。
3. Anthropic 同期更新了 unsupported regions 销售限制说明，明确点名中国，告诉你中国是不支持的区域。
4. 2026 年 2 月，Anthropic 指控 DeepSeek、Moonshot AI，也就是月之暗面，还有 MiniMax，创建了 24,000 个虚拟账号，通过 1,600 万次 API 调用蒸馏 Claude。
5. Anthropic 在 2025 年下半年封禁了 145 万个账号，力度非常猛。你可以申诉，但成功率只有 3.3%。所以封了以后，很多时候还不如再开一个，别费那个劲。
6. 这次使用的是第三方 KYC 服务商，这也是 Anthropic 官方确认的。也就是说，你的姓名、护照照片、人脸这些信息，不会直接传到 Anthropic，而是交给一个第三方服务商处理。这个服务商叫 Persona，由它来做第三方认证。

问题在于，Persona 对中国大陆证件基本不支持。绝大部分中国大陆用户，没法通过验证。

更麻烦的是，Persona 在 2026 年 2 月因为服务器配置错误，暴露了 2,456 个文件，包括证件照片、生物特征和 IP 等信息。Discord 也因此终止了和它的合作。也就是说，这家公司本身的安全性也没那么让人放心。

另外，2026 年 4 月 16 日，OpenRouter 等代理渠道也出现了中国用户受限现象。什么意思？就是原来中国用户用中国信用卡充 OpenRouter，也可以用 Claude 模型；以后如果你是用中国信用卡充值的 OpenRouter，就不允许再使用 Claude 模型了。但这一块没有任何官方公告，就是直接给你封掉了，这也很奇葩。

第三层：我的判断

我的判断是，很多人把这件事理解为反蒸馏，这个说法只对了一半。反蒸馏是这次事件的借口，不是核心诉求。这次 KYC 的核心诉求是反薅羊毛。

Anthropic 喜欢什么用户，讨厌什么用户？

从用户画像来看，Anthropic 最喜欢什么用户？稳定付费、低投诉、低风控、正常使用、不把额度打满。比如我交了 20 美金也好，交了 200 美金也好，我就老老实实用，用量还很少。就像去健身房交了会费以后再也不去了，这是 Anthropic 最喜欢的。

Anthropic 最讨厌的用户是什么？高消耗、跨区访问、账号关系复杂、支付链路异常，可能共享、分销、转售，或者通过第三方工具批量接入。这些才是它真正想处理的对象。

蒸馏用户画像和羊毛党画像确实有重叠，但差异也很大。尤其是官方专门说了，这次不针对 API 用户，而 API 用户恰恰才是最像真正蒸馏用户的群体。所以从这个角度看，这事压根不是冲着反蒸馏去的。

这有点像苹果做隐私保护。苹果做隐私保护，表面上是保护隐私，实际上是为了把那些原本可以被挑挑拣拣的广告位重新卖出去。很多事情表面上一回事，实际上做的是另一回事。

我的判断就是，Anthropic 这次没有真正想搞反蒸馏，它要打的是羊毛党。就跟前段时间网飞打击共享账号是一个逻辑。

封号与 KYC：两件相关但独立的事

再说封号。首先要讲清楚一件事：Anthropic 是经常封号的。去年封了 145 万个号，申诉成功率 3.3%，说明它封号比例很高。

但这次 KYC 和封号之间没有必然联系。不是说我想封你号了，先给你做一次 KYC；也不是说做一次 KYC 就能申诉成功。这两件事是独立的。想封你，我就直接封；想让你做 KYC，你就去做，二者没什么联动。

已知的封号处罚条件

1. 不支持区域的访问和注册，比如中国用户访问。这个我自己就遇到过。我有一个谷歌邮箱，有一次忘了挂梯子，那个邮箱就直接废了。后来想救回来、想重新充值，根本不行，上来就是“这个邮箱被封禁了”，再也申请不开了。
2. 第三方 OAuth 登录。比如玩“龙虾”的 OpenClaw、Harness、OpenCode，这些都是 Anthropic 明确禁止的。你现在用了，可能还没被抓到；但以后如果因为这个理由封你，也别去申诉，因为申诉时它也不会退你钱。
3. 数据中心 IP 和非住宅 IP。因为我们挂梯子访问 Anthropic，梯子的 IP 很多都在云计算机房里。用这种 IP 去访问很容易出事。系统会识别你的 IP 是数据中心 IP 还是住宅 IP。所以现在很多人都在卖什么“固定住宅 IP”。至于这些 IP 怎么来的，大家自己脑补。
4. 异常高频的 agent 调用，被识别为非人类行为。有些蒸馏行为会踩到这条。
5. 新账号、新 IP、异常行为同时出现。很多人说“我这一直好好的”，那是因为你是老账号，用了很多年，一直在充钱。这样的账号即便 IP 有些跳动，通常也不太管你。但新账号、新 IP，一上来就可能秒封。经常能看到有人抱怨，刚封完一个账号，重新开一个，充了钱马上又被封，这种情况概率很高。
6. API 探测和安全测试。虽然也会快速处罚封号，但碰到这种事的人其实不多，比如你做黑客测试，或者要求它做一些特别危险的事情。
7. 未满 18 岁。如果系统跟你聊了半天，觉得你实在太幼稚，也有可能被封。

至于正常使用 Claude、很小心地用 Claude 的普通中国用户，其实还是可以继续用下去的。跟这次行动或者过往的封号条件，关系没那么大。

封号的典型特征

• 无预警，多数没有事前警告邮件，直接就封，而且不解释。
• 封号邮件通常不说明具体原因。
• 有的时候会自动退款，但账号不恢复，这只是部分案例。
• 新账号和新 IP 更容易秒封。
• KYC 通过不等于免死金牌，通过 KYC 后仍然可能被封。

申诉与退款情况

申诉方面，确实有机制，但成功率很低，去年只有 3.3%。没有固定时限，也没有确认回执，大部分用户申诉之后都是石沉大海。你不能指望说我申诉了，24 小时、48 小时一定给我回复，不会的。你发了申诉信，没人理你，是正常的；有人理你，反而比较奇怪。现在也没有证据证明申诉必须先做 KYC，所以 KYC 和申诉也是独立体系。

退款方面，如果是政策违反，不退款。特别像我们在中国使用，就属于政策违反。

Anthropic 主动终止，也就是你没有违规，但我觉得你有些问题，又不想给你解释，就把你终止了，这种通常会按比例退款。比如你用了多少天，剩下的钱退给你。

申诉成功，一般是恢复使用，不会给你退款。自动退款但不恢复账号，也有部分案例。

所以我们有时候通过第三方购买 Anthropic 账号时，对方也会写清楚：如果 Anthropic 不给你退，我也不退；如果 Anthropic 退了，我可以帮你退一部分。

为什么中国开发者最疼？

为什么中国开发者最疼？大概有五层原因。

1. 地区问题

中国本来就不在 Anthropic 的支持范围之内，本身就是敏感地区。但中国人又特别勤奋，很努力、很认真地用 Anthropic 写各种程序。中国程序员数量多，而且又卷，所以这次封号会对很多中国程序员的个人账号造成影响。

2. 支付问题

大量中国开发者使用的是非标准支付路径，不是本地银行卡，因为中国银行卡本来就付不了，所以会用虚拟银行卡、代付、第三方平台充值等方式。这本来就在灰色地带。

而且虚拟信用卡代付里，确实有一部分会出现支付失败。以前我们做游戏就遇到过，用户先支付，过一段时间又申请挂失，说银行卡丢了，或者最后交割不过来。中国用户使用这些虚拟信用卡，也确实可能给 Anthropic 造成了一定经济损失，所以它也会倾向于把这些人筛出去。支付链路异常，本身就会触发风控画像。

3. 访问问题

代理 IP、时区异常、设备切换、网络环境异常，这些在中国用户身上都很常见。美国人该下班就下班了，我们一天 24 小时干。甚至有人在 X 上分享，半夜定闹钟起来，到 OpenClaw 上按个回车，把 5 小时额度刷完再接着跑。这种行为非常容易出问题。

挂梯子的人又经常换线路，没法保证统一 IP。对个人用户来说，这种正常使用场景，在风控系统里就是可疑信号。真正公司里反而不会有这个问题，因为公司会直接在美国 AWS 或谷歌云上租服务器，建立私有通道，IP 不会频繁变化。

4. 使用强度问题

中国人的勤奋程度太高了。把 Claude 当生产工具的开发者，调用频率和时长远高于普通用户。Anthropic 给你的套餐，本质上更像一个自助餐，它希望每个人进去礼貌地吃两口就走。哪像我们，进去以后猛吃猛造。

高频调用、长时间运行、复杂任务，在风控系统里绝对属于异常画像。越依赖 Claude 的人，反而越容易触发风控。

5. 替代成本问题

不是不能换 OpenAI、Gemini 或国内模型，而是换了以后，工作流会断，代码质量会下降，效率会受影响。对于程序员来说，他们还是更愿意用 Claude。

很多人劝我用 Claude，但因为我自己目前没有特别重的开发任务，所以我还在用 MiniMax、OpenAI、Gemini 这些模型，基本不影响我。但如果我今天突然有一个很重的开发任务，我也会义无反顾去买 Anthropic 套餐。

最讽刺的地方：不是不愿实名，而是你想实名都不让

最讽刺的细节是什么？中国用户对实名制本身一点都不陌生。因为在国内平台，都是要求实名认证的。没有任何一个中国 AI 平台会让你开账号充钱而不实名。

所以中国人对这件事太熟了。真正崩溃的点不是“怎么突然要实名了”，而是“我想实名，结果你不让”。不是平台要求我多走一步，而是平台把门装上了，但我的钥匙天然不兼容。这才是中国程序员最悲催的地方。

KYC 的真实效果边界：到底管不管用？

那么，KYC 的真实效果边界在哪？到底管不管用？为什么我说，对真正蒸馏它的人其实没什么用？

Persona 自身的安全记录并不让人放心

首先，Persona 的安全记录确实不怎么样。2026 年 2 月刚丢了 2,456 个文件，Discord 因此终止合作。我觉得 Discord 这一步做得挺对。

Persona 在 2024 年 9 月还出现过一次键盘记录漏洞，暴露了用户填写 KYC 时的内容。到现在到底修没修好，也不清楚。所以 Persona 本身就不是一个特别安全的 KYC 第三方机构。Anthropic 选它来做第三方，也被很多人嘲笑。

KYC 真正拦得住谁，拦不住谁？

再说 KYC 对蒸馏的阻拦效果。它真正能拦住的，是低成本批量乱入的 VPN 用户、共享账号用户和虚拟支付用户。

而中国 AI 的这些大厂，不管是“四小龙”还是“六小龙”，你根本拦不住。人家是有组织、有预算的机构，不在乎省你这点钱。挂 API、按 Token 算，用海外实体签协议就行了。所以你想抓住他们，基本不现实。

这次真正能打击的是低门槛的灰产。那些 AI 公司本来就在海外有公司、做 VIE 架构，完全可以用海外实体开账号干活，没问题。

真正会被卡住的，更多是个人开发者，尤其是第一次开号的人。新账号很容易被拦住，但经过多层代理分散调用的路径，其实你也拦不住。所以即使现在我想继续用 Claude，我依然能用，不用太担心，只是会比原来贵一点。

KYC 的真正作用

所以 KYC 真正的作用是什么？

1. 提高成本，把低技术门槛的滥用者挡在门外。
2. 表达态度，在合规和舆论上展示“我已经尽力风控了”。Anthropic 的老大 Amodei 一直很喜欢出来表达态度，比如他说如果美国给中国卖 H200，就相当于给朝鲜供应核弹，立场是非常明确的，而且他在美国各大 AI 公司里算是最极端的一类。
3. 用户筛选，把高消耗、低透明、高风险的用户尽量处理掉。

这就是这次 KYC 干的三件事。

但灰色市场不会因此被干掉，只是成本会增加。该干嘛还是干嘛。中国人翻了这么多年墙，币圈的人做了这么多年假 KYC，他这一个新手上来，除了表演一下行为艺术，不会有太多其他效果。

现有生态里，待认证、待开号、企业账号拆分、代理分销，在 KYC 之下依然可以继续，只是成本稍微上升。KYC 上线以后，代理的风险和利润空间都会上升。黑灰产会升级，但不会被消灭。

实际受害者的顺序，大概是：普通人先疼，然后代理涨价，黑灰产升级，真正专业绕路的人、真正蒸馏他模型的人，根本拦不住，也不是针对他们去的。

行业背景：美国 AI 大厂正在集体收紧

这件事还有一个行业背景：美国 AI 大厂实际上都在集体收紧。

2025 年 9 月，Anthropic 开始对中国方向收紧 API 访问。

2025 年 12 月，谷歌对抓取蒸馏和模型抽取问题发表过声明。当时它的 Nano Banana 刚出来，谷歌其他模型比如 Gemini 3、Gemini 3.1 算是能打，但和 OpenAI、Anthropic 比还是有差距。现在我用谷歌模型已经越来越少了，但他们家的生图模型绝对最好用，虽然不一定最漂亮，但最准确。

肯定会有很多中国模型公司去抓它的图片回来做升级。现在再看阿里的通义万相、字节的 Seedream 5.0，已经越来越接近 Nano Banana 的水平了。至于怎么追上的，我只能说纯属巧合，其他不知道。

到了 2026 年 2 月，Anthropic、OpenAI、谷歌几乎同期公开指责中国实验室蒸馏。三家还联合成立了一个叫“前沿模型论坛”的机构，共享威胁情报，说谁发现被蒸馏了，谁发现了什么问题，大家互相通报。

其实这三家本来都是死对头。OpenAI 当初就是为了对抗谷歌建立的；Anthropic 又是 OpenAI 叛将出来创办的。所以这三家能联合起来搞这个论坛，本身就挺不容易。

在这三家里，谁面对蒸馏和假账号的经验最丰富？其实是谷歌。它这么多年面对各种刷广告、SEO，经验丰富得一塌糊涂。如果他们三家真的认真协同起来，确实有可能降低蒸馏概率，或者提高蒸馏成本。但你说这三家能有多真心实意地合作，大家自己脑补就好了。

当前各家的状态

• Anthropic：直接上 KYC 了，虽然是选择性的，只有很少一部分用例会遇到。
• 谷歌和 OpenAI：自己并没有做类似的事情，只是发了公告，说了几句话，实际动作没有那么大。
• 地区开放情况：谷歌目前其实还在稍微向我们靠拢一点，准备开香港地区使用，但好像香港 IP 挂 Gemini 现在还是有问题。在香港能正常用的，OpenAI 不行，Anthropic 不行，xAI 可以。谷歌宣称要开，但到目前为止似乎还没有真正打开。

闭源模型怕蒸馏，开源模型不怕

至于蒸馏，谷歌、OpenAI 和 Anthropic 这些闭源模型公司，肯定都不希望被蒸馏。但开源模型对蒸馏本来就不限制。

无论是 LLaMA、千问，还是国内的 MiniMax、GRM，你都可以直接拿权重去用，蒸馏根本不算什么大问题。真正不希望被蒸馏的，就是这些闭源模型公司。

总结：这次事件的三层表述

总结一下，这次事件有三层表述。

1. 官方说法：这是少数场景下的身份验证，是安全与合规的一部分。
2. 已经确认的事实：选择性 KYC 已经上线了；第三方 provider 对中国大陆证件支持有限；中国开发者的使用门槛确实被抬高了。
3. 我的判断：表面上这是反异常调用、反蒸馏，底层更像是一次针对高消耗、低透明、跨区、高风险用户群体的筛选和清洗，本质上是反薅羊毛。

结论：中国程序员的天塌了吗？

最后一句：中国程序员的天塌了吗？还没有塌到不能干活的状态，但原来那条便宜、灵活、默认可用的路，确实不通了。

以后还能不能用 Claude？大概率还能用，就是稍微贵一点。代理代价会更高，路径会更窄，不确定性会更强，更多人可能会被封号。

普通人会更艰难，代理商会更挣钱，真正有组织能力的人，该蒸馏还是照样蒸馏，一点都拦不住。这才是这件事情最现实、最残酷的真相。

Anthropic 这次不是要堵住那些偷师的人，而是要先赶走那些把会员卡用得太狠的人。这就是这一次的故事。

背景图片

微软也要官方下场做“龙虾”了吗？

现在有报道说，微软 CEO 亲自组织团队，准备开始做龙虾了。这浓眉大眼的微软，难道也跑不掉了吗？事情其实并没有这么简单。微软一直在这个方向上努力。现在龙虾很热，OpenAI 也好，微软也好，从来都没有放弃过在这一块的探索和尝试。

他们从 2025 年 4 月份就开始在这块努力。最早的龙虾模式，其实并不是说我们要在本地装一个什么东西，或者要一个 Mac mini。他们最早玩的是“云端计算机”或者“云端浏览器”。我在云端通过一台计算机、一个浏览器，去仿真很多操作，来实现非常多的应用场景。我记得 OpenAI 之前还做过很多类似的演示，比如云端打开一个浏览器，开始订披萨，或者选各种东西。

从云端浏览器到本地化尝试

但是这条路其实一直没有走通。现在发现，龙虾这个方式，也就是 OpenClaw 方式，把这些浏览器仿真、本地文件处理，直接放到客户端上去了，这条路走通了。那么微软也坐不住了，说我也得上来试一试，看看是不是把它弄到本地来。

但是要跟大家讲，微软非常非常纠结。目前看，微软可能采用的龙虾方案，依然是一个“云加端”的方案。什么意思呢？就是真正做龙虾处理的还是在云端，但是你在本地会有一个组件，帮你把本地的文件、权限应用起来。

他们是这样工作的：在云端帮你启动一台完全独立的电脑，处理你的事务，处理完了以后再把这个临时电脑关掉。所有的权限管理实际上还是在本地，上传什么文件，它就处理什么文件。

我们原来害怕龙虾是什么？就是它在我们硬盘里乱翻，你硬盘里所有东西它都会处理。这个事情对于微软来说还是难以接受的。而龙虾也好，包括现在的 Hermes 也好，微软看着真是又爱又恨。

Windows 为什么难以承载这类产品

原因也很简单，因为这种产品没法在 Windows 环境下跑，你必须是在 macOS 或者 Linux 环境下跑。因为它所依赖的 Node.js，以及其他这些命令行工具、权限控制能力，只有 Linux 和 Unix 环境才有。

微软的 Windows 也有客户端，有 Terminal，还有 PowerShell，但是它整个客户端能力极差。好多命令非常混乱，很多权限也相对混乱。在 Linux 或 macOS 里，我们是可以通过客户端把整台电脑控制起来的，但是微软的 Windows 不行。很多事情必须跑到图形界面里去处理，才能把事情做完。你不可能完全通过客户端把事做完。

所以微软也很痛苦，它如果选择 OpenClaw 路径，大概率就是云加端。

微软为什么看起来“起了大早，赶了晚集”

这一次据说是微软 CEO 直接领导了一个 12 人团队，让他们直接去做。微软的 AI 战略现在正在从巅峰滑落，这是一个很悲催的事情。微软绝对是起了个大早，没有人比它起得更早了。

原来我们老说 Meta 起了个大早，赶了个晚集，百度起了个大早，赶了个晚集。你说有比微软起得更早的吗？最早的是马斯克，冲上去做 OpenAI，结果被人踢出来了。微软曾经一度占 OpenAI 49% 的股份，现在依然占 27% 的股份。它绝对是 OpenAI 最大的股东，握有最大的权力，没有比它起得更早的了。

但是现在 AI 公司的估值里，微软反而是掉得最狠的，今年大概已经跌了 20% 多，实在让人难以想象。别人只要沾上 OpenAI，估值蹭蹭涨，市值股价蹭蹭上去，只有微软，在 OpenAI 上进得最早，市值却在不断往下掉。

微软为什么控制不住 OpenAI 了

这到底是为什么？原因也很简单，微软现在控制不住 OpenAI 了。原来大家都觉得，OpenAI 如果玩不下去的话，微软有可能把它收了。现在看不是这么回事。

OpenAI 准备自己去上市，而且 OpenAI 说我需要很多很多算力，我需要训练新模型，需要做各种事情，微软现在有点提供不了这些算力了。为什么 OpenAI 又去跟 Oracle 签约，又去跟亚马逊签约？就是因为我要的算力你拿不出来了，我必须再去找后路。

微软为什么拿不出来？因为虽然它在账面上挣了很多钱，微软进入 AI 领域是非常非常挣钱的，但是这些钱只是账面上的，并没有真金白银落在口袋里。可你要去投资算力中心，这是真金白银现在就得掏出来的钱。微软现在有点掏不动了。

前边几年，微软都是美国各大厂里 AI 投资最高的一个厂，今年实在是有点青黄不接，接不上了。导致自己圈养了这么长时间、像“小妾”一样培养的 OpenAI，现在准备单飞了。所以大家觉得你这里有问题了。

微软 AI 战略的核心矛盾

微软自己的 AI 战略，其实一直都很模糊。模型不是他们自己家的，它自己训练的一些模型也始终不温不火。他们自己家的产品叫 Copilot，接 OpenAI 的模型，又不停地在跟 OpenAI 打仗。

微软对 OpenAI 的定位其实很清晰：你就老老实实做模型，其他东西别动，就跟当年苏联老大哥给各个加盟共和国定的要求一样，你干这个，你干那个，其他东西别动。但是 OpenAI 不服，我什么都行，这个也行，那个也行。

Copilot 为何没有达到预期

最后导致什么？微软自己的 Copilot 做得其实不怎么好用。我记得 Copilot 刚出来的时候，特别是 Copilot 365，也就是 Office 挂 Copilot 的视频出来的时候，真的是太感人了。Office 一旦加上这样的功能以后，就可以做各种各样的事情。它写了好多好多生活案例和办公案例给我们。

我记得当时我看完那个视频以后，非常感动，自己还录了一条视频说未来已经来了，赶快上。结果后来等这个产品真正出来的时候，发现没有那么好用，跟它当时讲的差异很大。

在这样的情况下，大家就越来越不看好微软了。还有一个很重要的原因，是大家觉得微软可能把路走错了。

“副驾驶”逻辑正在失效

为什么呢？大家注意，Copilot 这个单词是什么意思？叫“副驾驶”。但是现在发现不是这么回事。现在 AI 是驾驶员，人只是在旁边稍微指个道就完了，而不是说人在开车，AI 在旁边指道，或者提供提醒就完事了。

所以大家觉得，你这条路到底对不对？特别是龙虾这一波上来以后，就越来越明显了：人现在不是主驾驶，AI 才是主驾驶。

微软其实赚到了钱，但市场不再买账

刚才我们讲了，微软做 AI 行业账面上挣了很多钱。你想，它前面投资 OpenAI，投了 100 多亿美金，现在还算它有百分之二十几的股份。但 OpenAI 现在多少钱了？8000 多亿美金，这还是估值。下一轮再融资，或者它如果在年底能够上市的话，那可能就是上万亿美金了。你前头投了 100 多亿进来，现在值两三千亿美金出来，这不是账面上妥妥挣钱了吗？

而其他这些云业务也在挣钱，因为它去卖 OpenAI 的 API，让微软云在云三家，也就是微软、谷歌、亚马逊三家云服务商里的份额占比也在不断上升。所以微软绝对是挣到钱了。

它自己的 Copilot 卖的量也是很大的。最新财报里，Copilot 订阅数极大超出预期。现在 Copilot 的订阅数是 Office 订阅数的 3%。

这个数得看怎么说。一方面说，你看，订阅了 Office 的人里头只有 3% 愿意订阅 Copilot，说明这东西做得不好；但反过来说，订阅 Office 的用户里头只有 3% 订阅了 Copilot，成长预期非常大。你也可以这么讲。

所以微软在这钱是挣着了，但是大家对于微软未来在这个行业里的位置，实在是看不太清楚，股价就得往下跌。

为什么微软、谷歌、苹果都没赶上这一波

那么，大厂面对 OpenAI 这样的龙虾为什么都很头疼？大家注意，不光是微软没赶上这一波，苹果和谷歌也没赶上。我为什么提他们三家？因为现在在全世界范围内，真正提供完整办公套餐的就他们三家：微软的 Office、谷歌的 Workspace、苹果的 iWorks。他们仨全没赶上这一波。

原因其实也很简单：你一旦上了龙虾，你们原来得到的什么办公自动化、安全认证这些东西就全废了，因为龙虾压根就不是按这玩意设计的。

它就没有什么安全性，虽然现在不断在打补丁，但龙虾现在打的这些安全补丁，更多还是说你们怎么不要攻破我、不要在我这里捣乱。至于龙虾启动以后，它拿着权限在你整个硬盘上干活这个过程，现在距离符合各种安全要求和安全规范，还差得很远。

OA 系统真正关心的不是“把活干完”

而这些大厂，特别是这些做 Office 的大厂，就是靠这个东西活着的。谁要去买办公自动化系统，底层上的是他们家的 Office。你一旦说我现在不遵守这规范了，那这生意就没法做了。这就是问题所在。

那这个规范这么重要吗？非常非常重要。所有的办公管理系统，或者我们叫 OA 系统、办公辅助系统，最核心的功能是什么？很多人说，不是办公辅助吗？我们辅助你办公，让你把办公效率提高，让你把事情做完。这个说错了。OA 系统最核心的功能是权限管理：谁有权力干什么事。

至于这个事干得完干不完，干成什么样了，跟 OA 系统本身关系其实没那么大。

很多人会很诧异，为什么 OA 是这样？因为给 OA 系统签单、批钱的人是什么人？是老板，不是干活的人。干活的人关心的是我怎么能够又快又好地把活干完，而老板关心的是什么？这个决定是我做的，不能是别人做的；这个消息是我知道的，不能是别人知道的。活他不需要自己干，他们只需要知道这个事情是我决定的。

所以 OA 系统最核心的功能不是活干没干完。而 OpenClaw 真正关心的是，我怎么能够把活干得又快又好，怎么能够把活干完，怎么能够参考更多的信息把这个活干得更漂亮。它并不关心这个事情到底是谁同意去做的。

OpenClaw 基本上只为一个人服务，谁是 OpenClaw 的主人，它就为谁服务。至于这个主人自己拥有什么样的权限，它是不管的。

企业软件逻辑与 Agent 逻辑正面冲突

这样的情况，跟 OA 系统、跟原来这套办公系统的要求是完全相反的。特别是前面讲的 Copilot 是“副驾驶”这个概念，在这里也很关键。真正干活的人，你真让我去干这个事情，我其实一点都不关心我到底是主驾驶还是副驾驶，我只要到了就行了。

但是做决定的老板，是绝对不能让别人把自己的权力拿走的，他一定是主驾驶，他来指明方向。

这也是为什么这些大厂看着 OpenClaw 就很痛苦。而且他们为什么想去做云端的 AI PC，想去做云端的 OpenClaw，也是因为这个：我们还是要严格遵守原来这套权限管理系统，谁可以看到什么文件，谁可以在哪个地方写审批，这些东西都要非常严格。

但是我们还是可以在你关掉电脑以后，有一台机器替你干活。只是它只能拿到你授权的这点文件或者这些要求，干完了以后就要退出来，把云端的信息清干净，还要保证所有的安全。所以他们比较喜欢走这条路。

大厂为什么组织上也很难做出 OpenClaw

所以有的时候，并不是这些大厂自己因循守旧，而是它的客户就是这帮人。它为了向这些大客户的管理者阐明安全性，说您看，您上了我们系统以后，保证您一统江山，永远不会被人推翻，那大家就会买它的东西。

可如果它说，您上了我们系统以后，这个活干得很漂亮，但是到底谁干的不好说，您的管理权力我们也没法保证，那谁会给这玩意签字？所以它跟它的客户系统是绑定在一起的。这就是他们跟不上的原因之一。

还有一个原因，就是大厂的架构也很难让 OpenClaw 生存下去。大厂内部条条框框很多，每条产品线都有自己的 KPI。比如微软，有卖 Windows 的 KPI，有卖硬件的，有卖Office 的，有卖云的，都有各自的 KPI。你不能说 Copilot 出来了以后，我把其他几块都干崩了，这是不行的。

内部 KPI 与产品整合的冲突

这其实是大厂做 agent 的一个很核心的障碍。因为你一旦开始做像 OpenClaw 这样的 AI agent，或者我们叫 Harness Agent 这样的东西，它就一定会打破原来的条条框框，而大厂是不允许你去打破的。

你给别人打破了以后，它的 KPI 你背吗？人家也是过五关斩六将上来的，跟上面各种错综复杂的关系你担吗？你担不了。所以只能像阿里做的那样，整了一个 ATH，叫 Alibaba Token Hub，大家最后只管收 Token，其他我不管了。我们不会强制改变任何人的 KPI，或者改变任何团队的组织架构，你们自己去决定怎么用。

再看看微软内部。你想，光叫 Copilot 的部门有多少？有 Copilot Studio，有安全 Copilot，有 GitHub Copilot，有微软 Copilot，有 Office Copilot。它有这么多 Copilot，你说这玩意怎么统一？最后我上了一个龙虾，把所有都弄进去了，这个事是没法整的。

谷歌也面临类似问题

谷歌其实也有同样的问题。AI agent 上来，Gemini 3.0、Gemini 3.1，大家觉得这个实在是很棒，模型非常非常好。它的 NotebookLM 非常好用，它的 Antigravity 也非常好用。

但是现在大家再回过头来看看，才过了几天，Antigravity 为什么没声音了？原因很简单。首先，这是一帮外人。分析这东西，你不能从技术上分析，得从“阶级斗争”的角度分析。这是谷歌花钱买的 Windsurf 团队，直接把 CEO 和核心团队买回来。这是一个外人。

进来了以后，你还不赶快向谷歌核心价值观靠拢，还要继续在这里头使用 Claude 模型，那怎么办？那就收拾你。

谷歌内部做 AI 编程的有多少？有 Gemini CLI，有 Antigravity，还有 Firebase Studio，还有一大堆这样的产品都在做。那现在怎么办？收紧呗，直接把你粮草断了。

大家为什么离开 Antigravity？我原来也特别爱用，现在也不用了。原因很简单，Token 没了，给 Token 的量压得非常非常少，随便聊两句就不让用了。那这事谁跟它费劲？谷歌也是干这样的事情。大家都一样，内部很多手段跟商业、跟技术都是没关系的。

为什么 AI 公司反而更容易拥抱龙虾

所以在这样的体系里，你就没有办法去推像 OpenClaw 这样会打破条条框框的东西。AI 公司在这一块就没有这种问题。它原来也没有说我卖 Office、卖 Windows、卖这些的团队，也没有这块的 KPI，都没有，那我们就上呗。

像 Anthropic，这些东西本来就是从它那来的，从 Claude Code 这里来的。今天出这个 Claude Code，明天出这个 Co-work，后天出 PowerPoint 和 Excel 工具，它就一个一个往上上了。我不会说因为我今天出了一个 Co-worker，明天这个团队就没有工作了，或者没有业绩了，它不会有这样的问题。

OpenAI 其实也是这样的，我就上就完了，我原来没有这块业务，也没有这种包袱。

微软会做，但大概率还是“云加端”龙虾

那你说，微软这不是要做龙虾了吗？说了半天，它到底是做还是不做？做，当然做。但是它做的方法，还是云加端。这条路其实挺费劲的。

其实国内现在也有挺多云加端的方案。比如联想，他们也有一个云加端方案。因为 OpenClaw 这种产品在 Windows 客户端上是跑不起来的，它要求你必须在一个 Linux 环境里跑，所以他们就干脆把 OpenClaw 部署到云端去了。

包括像字节跳动的 CoClaw，还有 Kimi 的 Kimi Claw，都属于云端的龙虾。你在那边跑完了以后，它在本地用客户端，比如飞书或者 Kimi 的一些客户端，去接云端的龙虾，然后做各种各样的事情。

它等于避免了本地的安全泄露问题，但是也把龙虾做了很严重的阉割。因为龙虾有很多功能是必须在本地跑的，你必须要在本地调用浏览器做各种验证。

云端龙虾的现实障碍：反机器人

不管是 OpenAI 还是微软，包括国内这些厂商，他们都想通过云电脑来解决安全问题。现在他们遇到了什么情况？就是反机器人。

很多网站都上了反机器人的手段，上来以后让你看验证码，让你滑动真人校验，让你点击一个什么东西，看看是不是真人。因为他们也害怕，万一有坏人上了这种 AI agent 以后，直接在我这上爬虫，或者做一些破坏捣乱。

那这块越来越反机器人，你那边云端电脑没法靠人去处理点击、处理验证码，这事咋办？根本没法整。

我原来也试过，让字节跳动的云端龙虾去把字节跳动自己的网站登录一下。它上来以后说，我现在需要扫码，手机扫码不让我登录了。我说那你把这个码发给我吧。它想了想说不行，这个我发给你以后不安全。这就没法整。

所以微软这一次做的龙虾，大概率还是这种半半拉拉的东西，不会有特别大的改进。就是在云端可以处理一些自动任务，但是绝对是阉割过的龙虾，功能应该会差非常非常多。

其他公司在龙虾路线上的选择

刚才我们讲了，传统的像谷歌、微软、苹果这种 Office 大厂，它们都是举步维艰，或者说持观望态度。到现在为止，谷歌压根就没有出类似的东西。谷歌原来也是做过几个版本的 AI agent，到现在不知道后边该怎么办了。

AI 厂就没有这种问题。比如 Meta，Meta 上来第一个动手，先买了 Manus，20 多亿美金买下来，这也算是一种云端龙虾。但是它遇到了一个很小的坎坷：Manus 的创始人现在被卡在国内无法离境。

然后是 xAI，xAI 做了一个东西叫 Grok Computer，也是一种类似于云端龙虾的东西，目前应该是开放测试了。估计在 4 月 17 号 XChat 上线以后，Grok Computer 应该会大放异彩。

OpenAI 在使用云端浏览器这条路上摸爬滚打了这么长时间，最后一咬牙一跺脚，把龙虾的创始人收入麾下，说来吧，咱以后奔这条路走了。

Anthropic 的话，整个这条路，也就是 Harness Agent 这条路，就是从它这开始的，所以它现在也是一骑绝尘，四处在跑。它现在也开始做一些云端产品，Claude Manager Agents 这样的产品，现在也在做。

中国厂商对龙虾的拥抱更直接

中国的 AI 厂商那更是直接拥抱龙虾。现在没有哪个 AI 厂商说我们没有龙虾套餐、没有龙虾云端部署，基本都有，而且还专门会告诉你、写好文档教你：如果你买了我们家的模型或者 Token，怎么回去配龙虾。

中国现在已经完完全全是在拥抱龙虾了。很多 AI 厂商，或者跟 AI 关系没那么大的厂商，还轰轰烈烈去搞龙虾线下安装活动，表演这种行为艺术。腾讯搞了一把，百度搞了一把，360 也在搞，现在好像傅盛也天天在四处给人装龙虾去。中国算是在龙虾这条路上跑得快的。

总结：微软真正要面对的不是产品，而是时代切换

所以，这就是不同公司在龙虾这件事情上遇到的不同困难，以及采用的不同策略。微软就算是准备拥抱龙虾，但最终结果我并不看好。

最后总结一下。今天主要讲的其实并不是微软要去做一个什么样的龙虾，而是通过分析微软、谷歌这些大厂为什么很难跟上龙虾步伐，来讲一讲上一个时代的英雄是如何迟暮的。

而且这不单纯是微软笨的问题，而是上一个时代很成功的企业软件逻辑，正在遇到下一个时代最危险的挑战。

上一个时代是谁说了算，下一个时代是谁能把活快速干完。活干完了，这些人可能就直接把整个组织架构都颠覆掉了。所以这一块，微软到底是选择继续跟那些“说了算的人”“签字画押的人”捆绑，还是去拥抱这些能把事情快速干完的人，这才是它真正需要做的选择。

我已经取消了 Office 订阅。微软所维护的上一个时代的企业客户价值，在 OpenClaw 面前正在被蚕食。是不是会彻底崩塌，我觉得还需要拭目以待。

留给微软的出路可能并不多。死磕算力，成为更底层的基础设施，跟 Oracle、亚马逊这些公司好好拼一把，可能是给它留下的最后出路。至于微软龙虾，我并不抱太大预期。这个判断，是根据我自己使用这些产品的体验做出的。

背景图片

大家好，欢迎收听老樊讲故事的 YouTube 频道。

今天咱们来讲一讲“中国 AI 末日论”，以及我们还追不追得上这个问题。

很多人在中文互联网里传，说中国彻底没戏了，永远追不上了，而且会越差越远。甚至还有人说这是哈萨比斯说的，也就是 DeepMind 的老大。其实人家没说这话。人家的原话是，中国原来差几年，现在差 6 个月，是越追越近了。所以这件事情，咱们要好好掰扯掰扯。

“中国 AI 末日论”的三种意思

首先要注意一点，“中国 AI 末日论”这句话，因为中文博大精深，断句不同，意思就不同。它大概有三种解释。

• 第一种：“中国 AI 失败论”，意思是中国 AI 永远追不上美国，越差越远，怎么追都追不上。
• 第二种：“中国 AI 末日论”，说的是同样面对 AI，为什么中国人普遍比较乐观，而美国人天天害怕 AI 毁灭人类。也就是说，中国人对于“AI 末日论”这件事情本身，是特别乐观的。
• 第三种：有极个别美国人认为，一旦中国 AI 超过了他们，那就是世界末日了。

最后咱们还是要回到一个更重要的问题：到底怎么追上，或者为什么追不上。至于中国为什么对 AI 这么乐观，这是个悲伤的故事；至于美国人害怕我们追上这件事，我觉得多少有点杞人忧天。甭管担不担心，我们最后都会追上的。

第一部分：所谓“中国 AI 失败论”

先说第一部分，也就是很多人在讲的“中国 AI 失败论”。

林俊阳的判断：3 到 5 年内追上的概率不高

第一个例子是林俊阳。他原来是阿里通义千问的技术负责人。在一次 AGI Next 的活动访谈上，他说，中国 AI 想在 3 到 5 年之内成为全球最领先的公司，这个概率大概也就是 20%，而且 20% 已经是非常乐观的估值了。所以他认为，3 到 5 年之内，中国 AI 没办法追上。

他给出的理由大概有三个。

1. 算力差距大。美国整体算力比中国大一到两个数量级。一个数量级就是十倍，也就是说，美国可能比我们大几十倍，甚至上百倍。在这种情况下，想超越它，确实很困难。就好比开餐厅，人家后厨有 100 个猛火灶，咱们这边俩师傅炒三个灶，你想比别人出餐还快，确实难。
2. 美国头部实验室把大量算力投入下一代前沿研究。OpenAI 大概 40% 的算力是在做下一代大模型预研，根本不考虑赚钱。而我们的公司，大部分算力是拿来接客户订单，赚钱养活团队，确实没有那么多闲钱去做前沿研究。
3. 中国团队大量算力被当前交付占用。也就是很多历史沉淀任务在持续消耗算力。

他的意思就是，就算我们往前走，美国也可能拿出我们全国算力的很多倍，在研究下一代模型，你怎么追得上。

他离开阿里之后，还专门发了一篇长文，承认千问模型走了弯路，就是把 thinking 和 instruct 模式混在一起，结果效果并不好。他承认这是一次巨大的技术教训。

更具体地说，他认为合并之后，thinking 变得更加啰嗦、犹豫，instruct 也不再像以前那么干净、稳定、低成本，根源在于两种数据分布和行为目标并不一致。放在阿里内部，我估计也不会有人允许他做这种反思，但离开之后就可以稍微思考一下了。就好比一个文科状元、一个理科状元，你非要搁在一个考场里考同一张卷子，他认为通义千问遇到的就是这种问题。

唐杰的观点：真正缺的是创新时间

除了他之外，当时那场会上还有一个人，唐杰，清华大学教授，智谱 AI 的首席科学家。他也在讲这件事。

他的看法是，中美在研究尤其是 AI 实验室上的差距，要缩小差距，关键还是要让聪明人有更多时间去创新，而不是被交付和环境束缚。

智谱出来说这个话，其实挺心酸的。因为智谱有一段时间觉得自己很牛，招了很多人，四处铺业务，做医疗、做交付，什么都做。后来还干过一件特别逗的事：做大模型研究的人在一个楼层，做医疗、做交付的人在另一个楼层；做大模型研究的楼层有零食，其他楼层不许吃。结果一帮人就在那折腾，说你太瞧不起人了。

做了一段时间以后，发现不行，因为模型本身能力不够，很多问题解决不了。最后大裁员，把那些做交付、做执行的人全裁了，回过头来说我们还是集中力量做大模型吧。所以后来才有智谱 4.7、5.0、5.1 这些新版本出来，算是逐渐追上了一些，可能还达不到国际上像 Claude Opus 这样的水平，只能说个别指标已经追上或者接近了。

他现在来讲这个事，本质上就是说，别老让这些做业务的人拖住做研究的手脚。工程师 90% 的时间都在改 bug、接需求，只有 10% 的时间做创新，这是中国的情况；而美国 AI 公司，工程师大概有 40% 的时间可以做自由探索，这就是差距。中国人有时有点太胆小，不敢冒险，必须做确定性的事情，这可能是中国 AI 难以追上美国的一个原因。

任正非与 ASML：基础研究和芯片制造仍是短板

再往后还有一个人，任正非，华为创始人。他在人民日报采访里说，人家投基础研究，掌握基本规律，我们在后边跟着，这事是不行的。这话也就是任正非敢说，别人真未必敢说。他的意思是，华为是不是以后也应该去投一点基础研究。这个不能算完全唱衰，只能算是一个稍微冷静一点的声音。

还有 ASML 的 CEO，他在 2024 年 12 月接受采访时说，EUV 禁令让中国在芯片制造设备上落后西方 10 到 15 年。这里要注意，他说的是芯片制造，不是 AI 模型本身。但你没有芯片，没有英伟达这些东西，很多事就搞不定。

现在我们拿着 ARM、RISC-V 这些 IP，如果真有 3nm、2nm 这样的制程工艺，虽然我们造不出英伟达，但去造博通那种芯片，造 ASIC 芯片，其实也还是可以搞定的。阿里的平头哥、百度、腾讯、字节，手里都有自己的芯片，包括华为的昇腾 910。你只要真有这些工艺，能力就能提升很多。ASML 的 CEO 认为我们还很难追上，我觉得这也算一个事实。

侯宏的三点批评：问题不只是技术

再往后，是北大光华管理学院教授侯宏。他提出了三个观点，认为我们不是技术上追不上，而是整个体系架构不行，所以会离美国 AI 越走越远。

1. 企业软件薄弱，SaaS 付费市场不成熟

他说中国几乎没有成熟的 SaaS 付费市场，90% 的企业不愿意为 AI 付费，大模型公司只能靠政府项目和流量变现，没法靠 B 端订阅获得稳定收入来反哺研发。

这话其实挺对的。中国企业让它付钱很费劲，你让它买点什么，它第一反应都是“我拿这个能挣多少钱”。尤其是现在大家日子都没那么好过，从企业身上挣钱确实难。

为什么说中国没有成熟 SaaS 行业？不是说中国没有 SaaS 公司，而是美国 SaaS 公司把产品做好，大家订阅就行了。中国小企业订不起，或者到处找免费的，甚至破解。大企业呢，谁跟你订 SaaS，它会说你过来给我定制开发，我有一堆需求，你给我改。可真正的 SaaS 是“不改”，你反复订阅，那才叫 SaaS。中国这块确实差一些。

2. 封闭生态，开发者生态难以形成

他说国内大厂各自为战，阿里、腾讯、字节的 AI 生态互相打不通，不愿意开放核心数据和接口，形不成美国 OpenAI 那样的开发者生态。

这个我倒觉得他说得不完全对。美国 OpenAI、Anthropic、Gemini 其实也是各玩各的，谁也没有把核心数据开放给别人。所以从开放角度来说，中国反而还算做得可以。比如买了字节的套餐，你在里面可以用 Kimi、MiniMax、智谱 GLM，虽然不是最新的，但都能跑。

至于说开发者生态为什么难建起来，不是不想，是不赚钱。我原来就是做开发者关系的，这块比较熟。字节、阿里都在建开发者生态，但为什么建不起来？因为开发者拿着你的 AI 工具开发完东西，赚不到钱。亚马逊当年做 AWS、做云计算的时候，专门有个部门叫“开发者成功部”，核心不是让你用了我的云，而是要帮助开发者赚钱。这才是真正重要的。现在国内的问题不是不愿意建，而是整个行业赚钱路径还没打通。

3. VC 风险厌恶，长期研发资金不足

他说国内 VC 只愿意投 6 到 12 个月能变现的应用层项目，不愿意投 3 到 5 年周期的底层技术研发，没人敢赌长期不确定性。

这个说法，我觉得他作为管理学院教授，可能对 VC 行业本身没那么了解。VC 的基金本来就是有周期的，虽然现在也出现一些永续基金、长周期基金，但大部分基金都要在 4 到 5 年里把钱投出去并开始回收。以前我们投资，甚至会跟企业签协议，说你 4 年得上市，不上市就得还钱，或者被收购也行。

那为什么现在突然变成 6 到 12 个月必须挣钱？很简单，因为“不允许资本无序扩张”，把整个创投链条打断了。原来我投天使，12 到 18 个月找到 A 轮，A 轮再跑 12 到 18 个月找到 B 轮，大家当年追捧的是“一年融三轮”，天使、A、B 一年搞完。但后来链条断了，比如腾讯、字节这类大厂不怎么投了，后面的接盘资金没了，那就只能要求项目盈利。这个事不能全怪中国基金，有一些外部的不可抗力。

所以侯宏的意思是，从非技术角度看，我们的商业环境和体系结构有问题，这会让我们越走越远。他的比喻是，我们底下是一片沙地，房子盖在上面，很容易倒，因为基础不牢。

罗福莉的隐含判断：创新很多，但偏向“高效追赶”

再举一个例子，罗福莉，小米 MIMO 的 AI 团队负责人，原来也是 DeepSeek 的核心成员。他在北京一个活动上，主持人问他小米做得怎么样，他转了一圈说，我们不谈小米，咱就谈中国吧。

他说中国其实做了很多创新，比如各种注意力方法，怎么节省算力，在相同效果下怎么降低训练成本、推理成本，讲了一堆这种东西。

这什么意思？其实也是一种唱衰。因为这些东西，本质上更像是在研究考前怎么高效复习，而不是从头把基础打牢。注意力机制就像考试前教你一套高效复习法，前面学得怎么样先不管，重点是怎么抓重点、怎么用更少的精力、更少的钱把考试通过。这当然有效，也确实帮很多学生考上了大学，但很多更底层的东西其实没怎么做。

补充一点，罗福莉最近还在拼命发文章，说中国的大模型公司不要再打价格战了。因为小米的模型特别贵，100 万 token 输入大概要卖到 1 美元甚至更高，而中国普遍的大模型公司，100 万 token 也就是两三块人民币，他有点顶不住了。因为他的模型 MIMO V2 Pro 比别人大，所以推理成本更高。再加上小米本质上是做硬件的，要求每件事都得盈利，不能亏钱，不像阿里还能拿其他业务养这个。所以他才出来喊，大家别打价格战了，真打不起。

看好中国 AI 的声音

当然，也不是没有人看好中国。

• 哈萨比斯：DeepMind 的 CEO 说，中国正在逐步追赶，原话是中国 AI 仅落后 6 个月，这是他在达沃斯论坛专访上讲的。
• 黄仁勋：英伟达 CEO 经常说中国很厉害。他主要还是惦记着往中国卖芯片。如果中国不买他的芯片，万一还真走出自己的路，那他亏大了。

所以他一直在讲，中国人才密度很高，现在全世界 AI 论文里可能有一半以上是中国人写的，包括美国各大公司 AI 团队里，中国面孔也能占一小半，甚至有的团队占一多半。再一个，中国电力便宜，基础设施也完善，所以他认为中国肯定能赶上，没有任何问题。当然，他的潜台词还是：还是买我点芯片吧。

这就是不看好中国 AI 和看好中国 AI 的两拨人。到底谁更有道理，大家可以自己判断。

第二部分：为什么中国人对 AI 末日论更乐观

接下来讲第二层意思，也就是为什么中国对“AI 会带来末日”这件事，普遍比美国人乐观。

纽约时报在 2026 年 3 月 5 日刊登过一篇报道，作者是薇薇安·王，标题大意就是：中国的人工智能末日论者在哪？她引用了一些数据。

• 毕马威对 47 个国家做调查，69% 的中国人认为 AI 好处大于风险，而美国只有 35%。
• 斯坦福在 2025 年的 AI Index 里数据更夸张：83% 的中国人认为 AI 利大于弊，美国只有 39%，加拿大 40%，荷兰 36%。

这些老牌资本主义国家普遍更担心 AI 带来灾难，而中国人很乐观。当然，还有比中国更乐观的，印度人比我们还乐观。

为什么会有这种差距？作者给了四个理由。

1. AI 应用落地快，普通人能直接受益

中国的 AI 应用落地快，老百姓真能用上。比如无人驾驶出租车已经在十几个城市跑了，酒店里有服务机器人，外卖有 AI 调度，淘宝有 AI 推荐，而且很多还是免费的。老百姓觉得自己真的得到好处了，所以更乐观。

比如豆包、元宝这些产品已经很普及。2026 年字节推 Seedance 2.0 的时候，美国好莱坞吓得要死，马上发律师函，说 AI 要抢饭碗，甚至组织集会游行。而中国这边，导演贾樟柯直接拿 Seedance 3.0 去拍短片，拍完发微博说，技术是工具，人才是核心。大家心态不一样。中国在这块多少有一点娱乐至死的感觉，先开心再说，至于版权这些东西，很多人根本不管。

2. 政府叙事不同

中国政府把 AI 定义成经济增长引擎，推各种“AI+”计划，到 2030 年渗透率要达到 90%。而美国政府天天在讲 AI 安全、AI 伦理，害怕 AI 消灭人类。老百姓听多了当然也害怕。

就像同样一把菜刀，中国人觉得是切菜工具，美国人先想到的是杀人凶器。不是刀有问题，而是想法不一样。

3. 技术进步叙事和民族自豪感更强

文化和民族自豪感也有差距。中国人有时候确实容易“赢麻了”，只要某个领域稍微强一点，就会很开心。近代以来中国快速现代化，让很多人对技术进步有天然好感。很多人都经历过从没有手机到智能手机，从绿皮火车到高铁的变化，所以 AI 被视为下一轮技术进步核心，也被看作中国赶超西方的机会。

Seedance 在海外出圈以后，大家都觉得很骄傲，很有民族自豪感。AI 这件事，特别容易让中国人产生这种情绪。

4. 悲观声音更难传播

中国政府和民众都在喊 AI 好，而悲观声音被系统性压制。中国舆论管控比较严格，负面声音很难传播。你说谁家 AI 不好，谁家芯片有问题，可能很快就被处理掉了。自动驾驶事故的帖子可能被秒删。

西方有工会，觉得你搞砸了它会罢工；而在中国，AI 替代了你，你去闹事，很多时候根本没人看见，甚至报道都没有。所以老百姓一方面觉得很自豪，另一方面也看不到太多负面信息，自然更乐观。

第三部分：为什么有些美国人把中国 AI 追赶视为“末日”

第三层意思，是有些美国人认为中国 AI 一旦赶超美国，那就是世界末日。这主要是地缘政治层面的说法。

比较典型的两个人：

• Sam Altman：OpenAI 的 CEO。他天天提醒美国不能失败，游说国会要加大 AI 投入，也要求管制芯片出口。大家也会想，你是不是想从政府多骗点钱。作为行业龙头，你不停告诉政府后面有敌人紧追，这本身也能增加自己的重要性。
• Anthropic 的 CEO：更极端。他说，把算力卡卖给中国就是核扩散，等于把原子弹卖给朝鲜。这是他在达沃斯论坛上的原话。

Anthropic 现在是美国军方的重要供应商，最新模型已经算军民两用技术，拿了很多国防部订单，所以他会把中国描述成敌人。当然，中国也确实让他吃了亏，他的 Claude Code 进到中国以后被各种破解，一堆中国模型去蒸馏他的模型，他很痛苦，所以他不停喊中国一旦追上就完了。

中国 AI 到底追不追得上美国

算力禁运有影响，但不是决定性障碍

先看算力卡禁运到底有没有影响。有影响，但没那么绝对。

1. 中国有自己的替代芯片。我们自己有昇腾芯片，虽然贵一点、耗电多一点、兼容性差一点，但在中国更便宜的电价、各种补贴之下，也还是能凑合用。肯定比英伟达差，这点要承认，但不是完全不能用。
2. 全球配置算力资源。中国各大公司在全世界买算力卡。你不让往中国卖，不代表不能往新加坡、马来西亚、阿联酋卖。我们可以买了以后在当地建算力中心，把数据放到新加坡、马来西亚、迪拜去训练。这都不是不能解决的问题。再加上中国一直在通过各种渠道获取这些芯片，从来没有真正彻底断供过。

中国最大的缺憾，还是没有自己的高精度光刻机，没有高制程芯片的自主生产能力。如果这件事解决了，情况会发生很大变化。

意识形态控制并非单向压制创新

再看意识形态控制的问题。说到这儿可以稍微放开一点。很多人觉得中国意识形态控制严格，美国更自由。但其实美国在意识形态上玩政治正确、LGBTQ、觉醒主义，有时候比中国还厉害。

中国当然有意识形态控制，这个要承认，但它很多时候是一种“只许州官放火，不许百姓点灯”的模式。普通人不可以这样那样，但大的公司、政府机构、被认为“可靠的人”去做一些事情，往往没那么多人管。很多规则是随着层级上升而越来越模糊的。

而美国的政治正确，是面向全民的，也会影响公司内部。公司想做点不一样的东西，员工可能直接闹事、罢工。所以在这件事上，未必谁比谁更宽松。美国现在号称敢说真话的模型，也就是 Grok 一个，其他模型基本上都是比较强的政治正确取向。

相比之下，中国模型反而更实用主义一点，有安全检查，但高层级操作没那么严。比如罗福莉在访谈里说，小米从上到下全员都在用 Claude Code。那他怎么用上的，大家心里都明白，这里就不展开了。所以别简单觉得中国一定比美国管得更严，没那么绝对。

真正的决定因素：成也内卷，败也内卷

再往后，真正决定成败的，是“成也内卷，败也内卷”。

中国每年毕业的 STEM 博士大概 7.7 万，美国大概 4 万。虽然还不到两倍，但快了。到 2025 年开始，各种 AI 顶会论文里，中国人基本能占一半以上，排第一名的是清华。还没算那些在国内受教育、后来跑到美国去任职的人，只算留在中国的就已经很多了。

从数量上讲，我们肯定能卷死他。万般皆下品，唯有读书高。我每年比你多产出这么多博士，就算质量差一点、基础弱一点，也架不住总量大。再加上我们压力大，不停要求发论文、做研究，不发论文不给评职称，那就卷呗。这件事上，中国是有优势的。

再一个是大基建。中国工业用电价格大概是美国的 60%，而训练大模型和做推理都非常费电。虽然我们的芯片不如英伟达，费电更多，但我们电便宜，再加上补贴，差距就会缩小。

还有一点很重要，没有工会。对劳动者来说这可能是坏事，但对 AI 和机器人发展来说，反过来就是优势。没有工会，AI 公司就可以更大胆地做机器人、做无人驾驶出租车。美国当年 Uber 出来，出租车司机都去闹；无人驾驶出来，更得去打砸抢。中国这边基本没有这事，谁敢上去打砸抢无人出租车，分分钟给你抓起来。所以很多东西，有利有弊，要看站在哪个角度。

还有版权。美国非常重视版权，AI 视频模型一出来，版权方就来找你。很多产品做着做着就下线或者被阉割。中国这边，Seedance 2.0 这种东西你看谁在大规模谈版权？现在国内更常见的是“偷脸”，拿明星的脸做风格化，然后放进短剧里。刘德华演短剧这种事都已经出现了，更别提版权了。我们就是娱乐至死，流量至上。所以这一块，中国 AI 发展也可能比美国快，因为监管少，推进快。

但劣势也很明显。我们确实没时间做基础研究。中国 AI 公司整体上都处于追赶状态，没有足够时间和空间做底层研究。再一个，缺乏冒险精神，大家还是倾向于急功近利，想尽快出结果。

至于侯宏说的结构性问题，我觉得投资链条断裂这块确实存在，但主要不是投资人自己的问题，而是大环境造成的。其他的，比如企业买不买软件，我觉得未来也会变化。比如有了 AI 以后，以前企业买软件会要求你不停改，现在如果有像龙虾、爱马仕这种系统，你想改你自己提需求，它自动就改了。也许未来真的会出现不一样的变化。

所以中国 AI 的现状，就是成也内卷，败也内卷。

中国 AI 怎样才能追上美国

那中国到底怎么才能在 AI 领域追上美国？

我认为我们肯定能追上。

1. 继续发挥规模优势。卷是民族性的一部分，改不了。继续以远超美国的速度搞基建、生产博士、写论文。人多力量大，总有卷出来的一天。有人说日本当年提过以后每年都要拿诺贝尔奖，后来基本也真做到了。中国再过十年二十年，也未必不可能。你别忘了，这么多博士里，总有一些是真喜欢基础研究的。
2. 让更多博士和企业在生死线上爆发最大潜能。一将功成万骨枯。100 个公司失败，最后成一个，我们就赢了。就像当年互联网时代的百团大战，美国 Groupon 一家差不多就完了，中国最后杀出一个美团这样的怪物。只要继续卷，就总会卷出点奇怪的东西，像养蛊一样。当然前提是，要让这些人真的在生死线上挣扎。这个过程很残酷，也不人道，但结果往往能出东西。
3. 版权宽松、数据充足。娱乐至死，版权宽松，训练数据就很多。中国有大量训练数据，模型训练这块并不缺素材。
4. 让 AI 快速替代普通劳动岗位。放任公司快速用 AI 替代普通劳动者。现有劳动力自然会重新找到新的生存方式，政府不会太多干预，也没有工会。能裁员就裁员，不行就关公司。对劳动者当然悲催，但对 AI 公司来说这是机会。所以现在大家只能全民上 AI，用的人多了，生态慢慢就会出来。就像小龙虾一样，国外可能是害虫，到了中国就能变成一个产业。

有人说任正非都说了，没有基础研究就不可能成功。那就加大基础研究投入呗。现在这么多博士出来，也还是有机会的。

还有，这么多博士，继续向美国、向全世界输送。只要人才在流动，就不可能有真正的封锁。去了 10 个，回来 1 个、2 个，也完全够。

最后就是输出人才、输出开源模型、输出 token，就像中国制造一样，向全世界输出手机、电视、新能源汽车、电池。这套逻辑其实是一致的，继续做就行。

结论：中国 AI 最终会追上美国

最终的结论就是，中国 AI 会追上美国。因为当整个行业里有一多半是中国人的时候，你怎么追都能追上。卷王永远不会停下来，而卷这件事情是刻在我们骨子里的。为了卷、为了成功、为了胜利，我们可以放弃很多原则。

所以我的结论是，总会有追上的一天。虽然现在我们确实还有很多不如人意的地方，但只要看到问题、承认问题，就想办法改。而且改这些问题的方式，可能和西方想的也不一样。我们可能会用一种更赛博魔幻、甚至像赛博鬼故事一样的方式，把问题给处理掉。

中国每一次冲上国际舞台参与竞争时，总会展现出一些让西方人很难理解的事情来。比如很多规则在中国并没有那么严格，规则更多是管普通人、管大众的。再往上一层，大家默认你是经过考验的，那就上吧。所以很多事情，逻辑本来就不一样。

这就是今天讲的小故事。

爱马仕到底能不能替代龙虾呢？

大家好，欢迎收听老范讲故事的 YouTube 频道。

先跟大家讲一个很有趣的事情。这个名字曾经非常困扰我。很多人跟我说：“老范，你试了爱马仕了没有？”我说：“那是咱试得起的东西吗？那玩意多贵呀。”我一直没想明白它到底是什么。

还有一些朋友很热心，把 Hermes Agent 这个名字贴给我了。但老范稍微有一点老花眼，所以看的时候，把 Hermes 看成了 Harness。一个是 Hermes，另外一个是 Harness，反正这两个词我一看，就觉得差不多。人的阅读有时候就是这样，当你看到一个不是那么熟悉的东西时，就会默认把它往熟悉的方向去引。人产生幻觉的方式就是这样。

所以这个 Hermes，也叫爱马仕 Agent，热了一段时间，老范压根不知道这是个什么。后来才知道，哦，原来有一个新的产品叫 Hermes Agent，那也要去试一试呗。这也就是为什么前面一两周，很多人跟老范说你要去试一下，结果老范一直没动静。因为老范一直以为，自己在玩 OpenClaw、在玩龙虾，就已经是在玩这个 Harness Agent 了。

所以今天就跟大家补上：这到底是个什么东西。

第一印象：Hermes Agent 到底是什么

先讲一下真实感受。具体怎么装，这里就不展开了。如果后面录会员频道，可以专门跟大家讲一下这东西怎么装。

首先，爱马仕要比 OpenClaw 简单很多。OpenClaw 是一个非常复杂、非常庞大的系统，爱马仕相对来说要简单，但也不算简陋，里面很多设计还是很精巧的。官方给了一键安装命令，在 Ubuntu 上、在苹果上都可以装。注意，Windows 上装不了；如果你想在 Windows 上装，必须是在 WSL，也就是 Windows 里的 Linux 环境里才能装上。

很多人说，OpenClaw 不也是一行命令就可以装上吗？但你要注意，OpenClaw 一旦装上以后，做各种配置，特别是升级的时候，非常考验你的耐心和工程师能力。我们每次升级 OpenClaw，都得先烧香拜佛才敢升级。而且升完以后，还得靠一些编程工具，比如 Codex，才能保证 OpenClaw 能起来。并不是说每次 OpenClaw 升级，我们都能把它弄起来，这个是很麻烦的。

但是爱马仕相对要简单很多。当然，我更推荐用 Docker 的方式去安装爱马仕。因为这样的话，你就可以把它装在本机上。虽然它很占空间、非常占内存，下载的包也很大，但是安全上要比龙虾好很多。你只需要在安装爱马仕的时候，把一个本机目录映射给它，它以后就只操作这个目录，你本机上的其他目录相对比较安全。

它不像龙虾，装起来以后太痛苦了。即使你在 Docker 里装了龙虾，这个过程也非常麻烦，特别是升级，这个过程非常痛苦。爱马仕要升级就简单很多，在里面打一条命令，咔一下就升上去了。你说我是在 Docker 里装的爱马仕怎么办？也很容易，每次重新 pull 一次，把最新的包拉回来就完事了，就可以顺畅地跑起来。

使用体验：轻、快，但也更简陋

使用过程中，我感觉它要比龙虾快，这还是一个很有趣的感受。不过我的测试并不严谨。因为我的龙虾装在一个特别古老的 Mac mini 上，那机器是机械硬盘、英特尔 CPU，我估计已经有十几年了；但我的爱马仕是直接装在 MacBook Pro 上，M2 Max 芯片，加 SSD 存储。所以这个测试不严谨，大家也可以自己试试。反正我的感觉是，爱马仕要比龙虾快一些。

它整个配置也比较简陋。龙虾起来以后，有一个很复杂的 Web 界面，你可以在里面点各种按钮、菜单，做设置，填各种表格。但是爱马仕这些东西统统都没有。它上来以后就是给你一个聊天界面，你跟它说就完了。而且说的时候，它经常还给你改错了，这个问题也是存在的。所以你要对爱马仕进行各种调整的话，最好还是在 IDE 里改它的配置文件，这个最方便。

其实龙虾虽然给了一个 Web 界面，但我基本也不用。我都是上 Codex 或者上 Claude Code，在 IDE 里去修改它的配置文件，都是这样工作的。

如果你对 Hermes Agent 的要求比较单一、比较简单，比如说我就是搜集一些信息，我就是自动化做一些内容搜集、内容整理，那爱马仕其实也是够用的。但还要注意，它更适合一个人用。你说我有很多人一起用行不行？那它还是稍显简陋一些。

记忆系统：够用，但明显偏轻量

原因也很简单。比如它的记忆系统，龙虾的记忆系统相对比较复杂。它可以通过 MD 文件，也就是 Markdown 文件去进行记忆，也可以写向量数据库，甚至还可以加很多第三方记忆插件。但是爱马仕这套东西就简单一些。它就是本地做了一个 SQLite，一个非常简单的单机数据库。它也不去做 embedding，也不去做向量搜索。你每次跟它聊完天以后，它找一个模型把聊天记录做抽取，下次再到这个 SQLite 里做全文检索。它是用这样的方式去实现记忆的。

你说我想再做得复杂一些行不行？你还得再给它配外置的记忆接口。但是配上以后，它到底怎么工作，我现在还在试，感觉可能不是那么顺畅。所以相对来说，这个产品是更轻的。

Hermes 最有趣的地方：自我进化

它这个产品最有趣的点在哪呢？难道就是因为轻一点，大家就这么热爱它吗？它最有趣的点叫“自我进化”。

你在龙虾上如果想固定一个技能下来，得明确告诉它：创建技能，第一步什么，第二步什么，你要跟它说清楚。说完了以后，龙虾就会创建这个技能。或者你说，再给我修改技能，在技能里修改一些预置文件，龙虾就会去做这件事情。

但在爱马仕里不是这样的。你就跟它聊就完了。聊一会儿，它突然告诉你：我把你前面聊的这段内容给你创建了一个新的技能，下次咱们就直接用吧。它是这样的工作方式。所以很多人会觉得，这是一个快速进化的过程。它会在跟你聊的过程中越来越懂你，它是有这样一套系统在里面的。

这种自我创建技能的过程，好的一面当然是越来越懂你；但坏的一面就是，其实也没那么可控。你虽然可以命令它去创建技能，但它还是会自己去创建。它创建了很多技能以后，后面会不会相互冲突，会不会打架，我现在还有待观察。因为我只用了三四天，并没有特别长时间、高强度地去使用它。跟我们家龙虾还不一样，我们家龙虾现在已经是非常高强度地参与到我的工作中了。

Hermes 的独特定位：伴随个人成长的 Agent

下面讲一下爱马仕的独特定位。它跟市面上其他 Agent 最大的不同，就是“伴随个人成长的 Agent”。它就是跟着你一起长。自动建技能，只是它这个“伴随个人成长”三层架构中的中间一层。

第一层：记忆系统

一共三层。第一层是记忆系统。它的记忆系统刚才我们讲了，就是先在本地写 Markdown，然后往 SQLite 这种特别轻量级的本地数据库里塞东西，再去做全文检索。这个系统相对来说是比较脆弱的。而且它在每次进行上下文搜集的时候，记忆大概只有 1300 个 token，再多也塞不进去了。这块要比龙虾简单很多。龙虾是可以自动记忆捕捉、自动上下文补全的，但爱马仕在这块要稍微弱一点。

第二层：把过程沉淀成技能

那你说，没法记这么多东西怎么办？它就做第二层：我把这个过程通通都写成技能给你存下来。所以它算是一种平衡，记忆系统差，我就多给你写点技能，它就是这么干的。

第三层：把聊天抽取成训练数据

第三层是什么呢？它把你聊天的内容、把这个过程再抽取出来，变成训练数据。以后你说，我现在想训练一个新的模型，想去做模型微调了怎么办？它就直接按照模型微调的标准格式，把数据给你套出来，你到那边去做微调就行了。

你说我现在在公司里上班，是不是用着用着就可以直接被蒸馏成“同事 + skill”了？这个方向算是离得更近一点。所以具体用起来，还是要等到咱们用的时间更长一些，再去看是不是可以日久见人心。

开发团队背景：Nous Research 值得关注，也值得观察

还要注意一点，爱马仕这个开发商叫 Nous Research，N-O-U-S。它是一个研究所。为什么要专门强调它不是一个公司？因为这帮人原来是做区块链的，做去中心化治理、做 Web3，也帮人发币，做这种项目。他们还做很多去中心化训练，把大家的闲置显卡集中起来，去做大模型训练和微调。

所以他们现在说，我们拿融资做了这样一个 Hermes 系统，希望能够抽取出这些技能，再去做新模型的一些微调和训练，它是一整套这样的系统。

还要注意一点，他们拿到的融资不是传统融资，是走的币圈融资。所以最后不是给投资人股权，而是拿到钱以后要给人家发币，只是目前为止还没有发而已。但他们以前是帮别人发过币的。所以这个项目未来到底会向什么方向发展，还值得再看一看。

Hermes 和 OpenClaw 的主要差异

那么这个爱马仕跟 OpenClaw 的主要差异是什么？什么样的人应该选 OpenClaw，什么样的人应该选爱马仕？

大家要注意，不管是爱马仕也好，还是 OpenClaw 也好，它们都是 Harness Agent 这一类系统，就是“驾驭系统”。它们属于个人助理类的驾驭系统。还有很多其他的驾驭系统，比如 Claude Code、Codex，这些就更偏编程一些，不太一样。所以今天主要是比较这两个。

1. 核心定位不同

首先从核心定位上来说，它们就不一样。Hermes Agent 主要定位是“自我改进、自我沉淀的长期 Agent”；而 OpenClaw 的定位是“全平台个人 AI 助手平台”。它上来以后就是什么都能接，所有插件、整个体系特别庞大，就是要往操作系统那个方向去做。它是一个很复杂的系统。

2. 主要卖点不同

第二个主要卖点，Hermes 叫“学习闭环”，自动生成技能和长期记忆；而 OpenClaw 的主要卖点是多渠道接入、语音、Canvas 控制面板，就是整套东西特别全，它最终是要做一个大系统。

3. 入口方式不同

入口方面，Hermes 只有 CLI，也就是客户端入口。你可以通过网关去接消息平台，它也可以接 Telegram、接 Discord，都可以，但接得没有 OpenClaw 全。比如现在 QQ Bot 它就没接上。OpenClaw 的入口就比较丰富了，是全渠道覆盖，包括 App 和控制台，做得都非常成熟，这块差异很大。

我第一次装上 Hermes 以后不会用。因为我是装在 Docker 里，装完以后说这玩意咋用，没有任何接口。后来去查，才知道它只有一个 API，叫 OpenAI 兼容 API。你用任何一个聊天工具，只要把这个 Hermes 作为一个跟 OpenAI 兼容的大模型接上，你就能用。后来我还专门去下了一个 Open WebUI 的 Docker，再把它接上用起来。用完以后我才说，算了，还是去挂 Telegram 吧。挂上 Telegram 以后，确实还是挺好用的。所以它是完完全全没有给你任何看得见的图形界面的。

4. 适合的人群不同

最典型的用户，从 Hermes 来说，是想养专属执行体、玩自动化的工程师，对他们来说比较友好。而对于 OpenClaw 来说，它更适合需要全平台个人助手的普通用户。所以还是不太一样，看看你自己到底适合哪边。你说我是一个工程师，就想把自己的技能沉淀沉淀，那你就用 Hermes；你说我是普通用户，什么都想接，未来可能还要画图、还要做这做那个，那就 OpenClaw。这个大家自己想清楚。

5. 社区体量不同

从社区体量来说，它们差异也挺大。Hermes 现在在 GitHub 上是 51,000 个星，但是这 51,000 个星是在非常短的时间内攒出来的。它今年 2 月底才上线，现在就已经有 51,000 颗星了，这还是非常不容易的。

OpenClaw 上线更早一些，应该是去年年底上线的，但真正开始爆发大概也是 2 月份。到现在已经有 354,000 颗星了，这个数字涨得还是很快的。所以 OpenClaw 社区要比 Hermes 活跃很多。而且 OpenClaw 背后是 OpenAI，Hermes 背后是一帮币圈的人，所以在这点上，也请大家稍微小心一些。

什么样的人适合 Hermes

• 想把 Agent 挂在 Docker、VPS、NAS 上长期跑的人。现在我已经把我的 Hermes 从 MacBook Pro 上卸掉了，扔到 NAS 上了，现在跑起来效果还是可以的。它要比 OpenClaw 轻，OpenClaw 你最好还是整一台 Mac mini 去跑。
• 在意“越用越懂我”这种自我成长属性的人，他们也比较适合 Hermes。
• 需要经常在不同机器、沙箱上跑命令的人。因为 Hermes 很轻，你可以很快速地把它装在各种各样的服务器上，它都能跑起来，这个还是相当爽的。
• 喜欢折腾新鲜技术的人，只要有新的咱都试一试，这也是 Hermes 比较适合的人群。

什么样的人更适合继续用 OpenClaw

• 在意全渠道消息接入、个人助手体验、可视化控制台的人。你需要这些东西，就别往 Hermes 这边转了。
• 已经在 OpenClaw 里攒了很多技能和工作流，迁移成本很高的人，也别折腾了。虽然 Hermes 说我做了一个 OpenClaw 迁移助手，可以专门帮你把 OpenClaw 迁过来，但要注意，它迁的主要是一些浅层记忆、技能，以及你里面的一些文档。如果你在 OpenClaw 里攒了非常非常多的记忆，那在 Hermes 现在相对比较轻薄的记忆系统里，它未必顶得住。所以这块大家还是要小心一些。
• 需要做多设备协同的人，还是要用 OpenClaw。Hermes 这一块还是更轻、更简陋一些。

给老粉丝的建议

所以给老粉丝的专属建议是这样：如果你还没有装 OpenClaw，你可以先拿 Hermes 跑一跑试试，这个简单一些。如果你说我就是准备长期用下去了，那 OpenClaw 未来会更可预期一些。毕竟后边是 OpenAI，而且有这么多人在关注它的社区，包括中国这么多大厂都已经冲上来了。腾讯也做了 qcloud，小米也做了米 Cloud，大家都在往这个方向上，还是会众人拾柴火焰高。

如果你已经把 OpenClaw 用起来了，而且用得很重，如果不愿意折腾的话，就别在 Hermes 上浪费时间了，听老范扯一下就可以了。

那你说有没有可能 OpenClaw 去控制 Hermes，或者 Hermes 去控制 OpenClaw？没必要。因为它们两个的功能，特别是在很多具体事务上的功能，是非常重叠的。你这个去控制的话，有点脱裤子放屁的感觉，所以没有必要去折腾这个事。

除了 Hermes 和 OpenClaw，还有哪些 Harness Agent 类型

除了 Hermes 和 OpenClaw 之外，其他 Harness Agent 之间到底有什么差别呢？现在这种 Harness Agent 其实种类很多。

第一类：个人长期在线助手

这一类就是今天讲的 Hermes 和 OpenClaw，它主要主打个人日常使用、长期在线。

第二类：软件工程和 Code Agent、Coding Agent

比如我们使用的 Codex、Claude Code，或者 OpenCode，这些东西就是专门编程用的。

第三类：多智能体流程和研究型 Agent

要做非常重的多智能体研究，字节有一个开源产品叫 DeerFlow，我前两天也想去装，后来看了看，它对本机要求还是挺高的，而且我也没有那么多 token 让它去烧。养一只龙虾、养一个爱马仕，还是挺浪费 token 的。

第四类：企业托管的 runtime 类型

比如 Anthropic 最新推出的 Claude Managed Agents，这个是给企业直接部署的。你说我们这个企业，总不能每个人都去装龙虾，或者一个小组装一个龙虾大家凑合着使，或者每人装一个爱马仕，这事太累了。那么就老老实实跑到 Anthropic 去买 Claude Managed Agents 这个产品，它会把整个企业给你部署好。这一块基本上是把 SaaS 软件的命革得很干净。

我估计 OpenAI 也会很快推出类似的产品，包括微软，像它一直卖 Teams 这些东西，也应该会出类似产品。国内的话，像 WPS 现在也开始出龙虾了，其他一些比如小米叫 AI Office，大概也会往 Claude Managed Agents 这个方向发展。

所以基本上是分这四类。Hermes 的位置其实很明确，它是一个个人助手型、最擅长自我成长、执行后端最灵活的内核级产品。它不是全平台，但胜在灵活，能够自我进化。所以大家要想清楚，它到底是一个什么样的东西。

总结

最后总结一下，爱马仕还是一个挺好玩的工具。如果你能用 Telegram，或者你说我要本地跑一跑，建议大家去尝试一下。你如果说我懒得折腾，那听老范讲故事就可以了。

这就是今天跟大家介绍的 Hermes 的情况。具体安装的话，我明天去录一个会员节目，把 Hermes 的安装，以及在 NAS 上把它跑起来的过程，跟大家稍微展示一下。如果大家有一些比较低端的设备，也可以让这个东西去发挥一些余热了。

好，今天的故事讲到这里。感谢大家收听，请帮忙点赞、点小铃铛、参加 Discord 讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

背景图片

Anthropic 的最新模型 Mythos，到底强到什么程度了？会不会像核不扩散一样，被美国死死掐在手里？

今天咱们来聊一个很吓人的话题。Anthropic 最新曝光、后来又正式官宣的模型，叫 Claude Mythos Preview，中文大概可以叫“克劳德·神话预览版”。它到底有多吓人？

Mythos 为什么引发巨大关注

这个模型，之前我们还分析过。从名字上看，它绝对不是 5.0 这样的普通版本升级，而更像是规模上的扩大。所以以后 Anthropic 的模型，可能每次升级就是 Mythos、Opus、Sonnet 和 Haiku 一起升级。

Haiku 是很小的、讲究音节的诗，Sonnet 是十四行诗，Opus 是作品、篇章，而 Mythos 是神话。从命名上来看，这个东西应该是非常非常强大的。

这一次发布有一个非常神奇的地方，就是它不给别人用。我发布了，但并不向大家公开，不让大家直接使用。它开了一个计划，叫“玻璃翅膀计划”。

“玻璃翅膀计划”到底是什么意思

为什么要用这样的方式？因为这个东西实在太危险了。Anthropic 当时就在讲，Mythos 在网络安全方面非常强，可以去攻击漏洞，也可以去发现漏洞。

一旦拿出来，现有的操作系统、网络设备以及芯片，很多问题可能都会被它找出来，而且它还可以自动去攻击。这件事情实在太危险了。

那怎么办？Anthropic 邀请了一些友好的合作伙伴，先把这个产品拿出来，把漏洞补上，补完以后再说。它做了这样一个“玻璃翅膀计划”。

这个名字也让人想到一个神话故事：有人用蜡做的翅膀飞向太阳，最后离太阳太近，翅膀化掉了，人就摔死了。所以这个“玻璃翅膀计划”，按照 Anthropic 一贯喜欢用“人类”“故事”一类命名规则来看，应该也是一个类似寓意的名字。

Mythos 可怕在哪：不只是找漏洞，还可能自动利用漏洞

那么 Mythos 到底有多吓人？很明显，Anthropic 担心这样的模型一旦流出，坏人就可以用。用 Anthropic 的话来说，Mythos 是一个“两用技术”。我们现在也经常讲两用技术，就是既可以民用，也可以军用。所以它显然也具备做军用用途的可能。

据说它在训练过程中就发现了数以千计的额外高危或严重级别漏洞，非常非常多。你会说，我们这么多系统，积累了这么多年，也是人类智慧的结晶，怎么会千疮百孔？

其实很简单。当一个系统复杂度达到一定程度以后，里面一定会有一些以人力无法找到的漏洞。人力有时而穷，但现在有了 AI，它就可以把这些原来靠人力找不到的问题，通通给你找出来。

所以我们以前使用的各种防护系统、操作系统、网络设备、芯片，在 Mythos 面前，基本上可以认为是在裸奔了。这是一个非常危险的事情。

而且它不仅能找，还会打。传统上，很多模型或者工具更多是辅助分析，比如我拿你的源代码分析一下，看看哪里可能有问题。Mythos 让人紧张的地方就在于，它已经不只是告诉你哪里可能有 bug 了，它还可以进一步参与：

• 漏洞分析
• 利用链的构成
• 攻击路径的演练
• 提权链的拼接
• 更复杂的漏洞利用代码开发

所谓“提权”，就是我进去以后把自己的权限提高。它甚至可以直接写出漏洞利用代码，把漏洞打开。它还可能直接突破主流操作系统和主流浏览器。

Anthropic 的公开材料里写过，Mythos 在每一个主要网页浏览器中都识别并利用了漏洞。相当于某种病毒突然进化到让所有抗生素、所有免疫系统都拿它没办法的地步了。

Anthropic 已公开了哪些信息

那它到底发现了哪些漏洞？现在 Anthropic 其实已经公开了一些，但严格来说，这叫“负责任的披露”。

什么是“负责任的披露”

很多黑客其实没有自己发现漏洞的能力，他们怎么攻击别人？他们看新闻，看到哪里有漏洞被公开了，就去打那里。那为什么公开的漏洞还能被利用？因为你升级升不过来。

今天这边说某个漏洞发现了、补丁出了，结果你那边还没补，很多黑客就是干这样的事情。

所谓负责任的披露，可能就是说：

• 我告诉你哪有漏洞了，但我不告诉公众具体漏洞细节
• 同时我会通知厂商
• 还要等厂商自己决定怎么公开、怎么让用户升级

比如告诉苹果，你家的操作系统和浏览器有什么问题；告诉谷歌，你家的 Android 和 Chrome 有什么问题。并且在告诉之后，还要等厂商自己决定怎么公开、怎么让用户升级。

现在真正被点名的，其实只是少数案例，大量案例还没有说出来。

目前提到的典型案例

比如，OpenBSD 有一个 27 年的老 bug 被它找到了，27 年都没人发现。OpenBSD 是什么？我们现在使用的苹果 macOS、iOS、iPadOS，这些系统的底层都和 BSD 有很深的关系。还有任天堂 Switch、索尼 PS5，底层也都和 BSD 有关系。这样一个老漏洞被它拎了出来。

另外，FreeBSD 一个 17 年的远程代码执行漏洞也被找到了。BSD 本身也有很多分支。Linux 内核的本地提权链条也被它找到了，它可以直接进入 Linux 内核里提权。

你可能说我又不是服务器，但安卓手机的核心就是 Linux。只要你是安卓手机，它就可以通过 Linux 内核提权链条把权限提上去。

至于主流浏览器，Anthropic 官方已经确认，Mythos 在主流浏览器中识别并利用了漏洞，但细节没有公开。浏览器其实比操作系统还复杂，因为浏览器要打开网页，而每个网页里实际上有很多很多 JavaScript 代码，这些代码可以利用浏览器漏洞做各种事情，这就非常危险，所以这部分它不敢细说。

Anthropic 是怎么官宣 Mythos 的

Anthropic 的官宣时间线也很值得注意：

1. 2026 年 3 月 26 日，媒体先发现了端倪。《财富》杂志说他们发现 Anthropic 的 CMS 系统泄露了一个新模型名字，叫 Mythos。
2. 2026 年 4 月 7 日，Anthropic 正式官宣，说我们有一个“玻璃翅膀计划”。
3. 同时放出了 Claude Mythos Preview System Card，也就是预览版系统卡。
4. 此外还发布了一些安全研究文章，以及平台上的 release notes，也就是更新说明。

这些都是正式发布出来的材料。

第一批参与“玻璃翅膀计划”的组织有哪些

但是，到底给谁用、不给谁用？这就涉及参与项目的名单了。第一批大概包括以下这些组织：

• Amazon AWS：亚马逊云科技。上面有大量云主机，如果这块搞不明白，风险极大。
• 苹果：有 iOS、macOS、iPhone、Safari 浏览器，还有自己的芯片，漏洞必须赶紧补。
• 博通：做各种 ASIC 芯片，比如谷歌 TPU，很多定制算力芯片也与它相关。
• Cisco 思科：专门做路由器，网络攻击里路由器一定是重点目标。
• CrowdStrike：专门做网络安全防护的公司。
• 谷歌：Android、Chrome 都在里面，底层还有 Linux。
• JPMorgan 摩根大通：银行系统也要做预案和补救准备。
• Linux Foundation：Linux 基金会下面有大量开源项目需要一起补。
• 微软：有操作系统、Office、网络设备和云服务。
• 英伟达
• Palo Alto Networks：大型网络安全公司。
• Anthropic 自己

后面官方说还会逐渐扩充到 40 多家额外组织，但这些额外组织到底能不能拿到完整的 Mythos，这事就不好说了。刚才点名的这些公司，具体怎么用 Mythos，其实也没有说得特别清楚。

所以现在能看到的情况是：模型出来了，但先别发布给公众。先把受影响的基础设施拉个小群，封闭起来，把 bug 修一修，然后再说后面的事。

Mythos 以后会开放给公众吗

那是不是等 bug 修完以后，Mythos 就可以开放了？这个还真不好说。所以前面才会说，这件事情有点像核不扩散协议的玩法。

Anthropic 当前的逻辑是：先给少数可信的合作方使用，先帮助关键系统、关键软件、关键开源项目找漏洞并修补。在这个过程中，建立更强的安全措施和防护机制，也就是安全护栏。然后再看未来怎么安全地部署“Mythos 级别”的模型。

这里“级别”这两个字很关键，意思不是说一定把原生 Mythos 放出来，而是可能放出具有类似能力的产品。也就是说，普通人很可能永远都看不到原生的 Mythos 模型了。

Anthropic 有没有说什么时候开放给公众？截至目前，没有给出开放时间表。而且官方说得非常明确：我们不计划让 Claude Mythos Preview 普遍可用。

也就是说，他们压根没打算把这个版本全面开放。它的意思并不是永远不会有类似能力的产品发布，而是当前这个 Preview 版本不准备全民开放。未来在他们认为比较安全的时候，可能会开放一些 Mythos 级别的产品出来。至于到那个时候产品是什么样，现在不好说。

这像不像“AI 版核不扩散”

这就有点像核能利用。高浓缩铀谁都不允许有，但你要和平利用核能，比如做放射医疗，或者建核电站，使用低浓缩铀，是不是可以？未来 Mythos 级别产品，也可能朝这个方向发展。

至于 Mythos 的价格，现在也没有完全公开。很多报道说没有明确价格，但成本太高，这东西实在太贵，普通人就算给你用，你也用不起。

这个大家其实可以想象，它可能是一个极其巨大的模型。Opus 就已经比 Sonnet 大很多了，那 Mythos 很可能比 Opus 还大。整个模型跑起来，可能非常非常不经济，这也可能是它没办法向公众开放的原因之一。

当然，也许未来硬件成本进一步下降，比如显卡算力变得更便宜，这个东西才有可能开放出来。成本可承受了，才有机会普及。

至于前面那些参加项目的组织，Anthropic 也给出了参与方价格，但普通人肯定拿不到：

• 输入价格：每百万 Token 25 美元
• 输出价格：每百万 Token 125 美元

比现在常见模型贵很多，普通人目前根本没法用。

它会不会被美国严控

那么最敏感的问题来了：它会不会像核不扩散一样被美国严控？

首先讲，目前没有明确证据表明 Mythos 已经进入了类似核不扩散那样的正式国际治理架构。这更像是一个标题上的类比。但是从战略效果上说，它确实已经出现了一点“高端网络能力受控扩散”的意味。

Anthropic 自己也说这是一个两用技术。既然是两用的，那到底给谁用、不给谁用，怎么防止别人用上，这就是他们真正要思考的问题。

因为你看 OpenAI 不给中国大陆直接用，其实也不是真的拦得住。我们可以去美国建机房，可以在新加坡建机房，照样可以用。我想蒸馏你，你一点都拦不住。所以这种两用能力到底怎么管控，是个很现实的问题。

可以从三个层次理解这件事

第一层：它不是核武器，但像网络安全时代的战略工具

核武器的特点是极端稀缺、门槛极高、扩散极敏感。Mythos 这样的模型未必有核武器那种一锤定音的破坏力，但它可能在另一个维度上造成类似效果：

• 谁先拿到，谁就更快找到漏洞
• 谁先拿到，谁就更快修补自己的系统
• 谁先拿到，谁也更可能让别人的系统直接崩溃

所以它不是现实中的炸弹，但它可能是网络安全系统上的一颗巨大炸弹。

第二层：先发优势非常巨大

如果美国公司和美国盟友的关键厂商先拿到这种能力，那他们至少在几个维度上会比别人更快：

• 更快发现自己系统的问题
• 更快补上开源和商用组件上的问题
• 更快建立 AI + 漏洞治理 + 补丁分发的新体系

在这里，时间差非常重要。

第三层：未必是永久垄断，但一定是阶段性领先

它不像核武器那样，别人几十年也追不上。因为网络安全最终还是要落到补丁、配置、代码审计、供应链治理、自动更新系统这些基础工作上。

也就是说，后发国家并不是完全没路，但这个时间差非常要命。

下面这些属于大胆猜测，不是已证实事实

猜测一：Mythos 的意义可能是一条漏洞发现工业化流水线

过去找漏洞靠的是顶级研究员长时间审计少量高价值目标，而 Mythos 可能代表着把漏洞发现、利用链拼接、风险评估、修复建议，推向半自动化、规模化和工业化。

原来很多虽然做得很烂，但没有太大被利用价值的系统，烂也就烂了；有了 Mythos 这样的模型以后，可能全都暴露出来。

猜测二：Anthropic 不公开，不只是出于道德

第二种猜测，Anthropic 现在不公开，不只是出于道德，也可能是因为这个东西太敏感、太贵、太难控制。官方当然会强调安全和负责任，这没有问题，但从现实角度看，可能还叠加了几层原因。

原因一：太危险

拿到这样的系统以后，整个世界都可能变得更可怕，而且太容易被国家级攻击者利用。之前就有说法称，有中国团队曾利用 Opus 模型去写各种攻击代码。一旦 Mythos 这种模型被攻破或者被越狱，后果会非常可怕。

这有点像什么？像锦衣卫监察百官，然后又建立东厂监察锦衣卫，再建立西厂监察东厂。你说如果锦衣卫、东厂、西厂自己腐败了，或者被人攻破了，那危害就极大。

现在等于 Mythos 站在最上面，它成了新的监督者。一旦它被越狱，这件事就很难控制。

原因二：容易引发监管震荡

另外，这个产品太容易引发监管震荡。再加上它的算力成本太高，一旦开放，输出边界基本没法控制。

猜测三：未来最吃亏的是补丁链条慢、设备老旧、升级困难的系统

以后最吃亏的，不是没有大模型的国家，而是补丁链条慢、设备老旧、升级困难的系统。比如中国现在大量系统，其实也是拿 Linux 改一改，或者拿 Android 改一改。别听那些吹牛，说什么从头自主研发、自主知识产权。很多底层漏洞，你还是得等 Linux 那边去修。

但问题是，Linux 修了，我们也打上了，中国这些系统就安全吗？平时不打仗，可能看起来没毛病。但你真到冲突环境里，你相信别人会把所有漏洞都补给你吗？会不会自己留两个？你要是完完全全相信对方是好人，那就太天真了。

当然，还有像鸿蒙这种号称从头自己做、没有参考其他系统的东西。那你就没法直接跟着别人的补丁体系去升级。以后如果我们自己做不出同样级别的能力，这种号称完全自主开发的操作系统、浏览器或者各种编译系统，就没有任何安全性可言。你没有参与到这个圈子里，问题就会很大。

Mythos 可能带来的现实变化

这种系统出来以后，会带来什么变化？一个非常现实的变化就是“以旧换新”必须加快推进。为什么？因为不是所有系统都可以打补丁，不是所有设备都能把漏洞补上。有很多设备根本没法整。

比如华为在全世界卖了那么多网络通信设备，你现在又没有被邀请进那个补丁体系里，人家做的各种修补你未必用得上。因为你自己号称自主研发、自主知识产权。那么这些设备可能就该以旧换新了。

所以，Mythos 模型的发布，可能会极大推进全世界华为设备的淘汰。这也是一种推测。

另一个猜想：Claude Gov 可能已经在用 Mythos

还有一个猜想：Claude Gov 可能早就已经用上 Mythos 了。这纯属猜测，没有事实依据。

因为美国、以色列和伊朗之间的冲突里，很多人都在说，伊朗内部各种网络安全设施形同虚设，漏洞多得像筛子，间谍也好，内鬼也好，到处都是。

可你要想清楚，很多高职位的内鬼未必懂计算机，低职位的人又未必有能力决定重大行动。但现在伊朗各种内部安全系统，包括监控系统，看上去就像给美国开着地图打仗一样。那是不是 Mythos 已经在里面干活了？这只是个人猜测，没有任何事实依据。

最后的判断：Mythos 的真正危险是什么

最后给一个完整判断。

Anthropic 的 Mythos 不是核武器，但它有一定的“核属性”。它是两用技术，是战略能力倍增器，可以看成网络安全领域的战略能力倍增器。

它最可怕的，不是能找到几个 bug，而是它可能意味着：

• 漏洞发现被规模化
• 利用开发被自动化
• 防守与进攻之间的时间差被急剧压缩

原来我发现问题了，到真正攻击你，中间还有一段时间，你还能补。现在这个时间差可能直接就没了。

关键基础设施里的老旧系统，必须加速以旧换新，因为这些系统会越来越不安全。谁先掌握这类模型，谁就能掌握安全节奏。

而 Anthropic 现在的做法，说白了就是一句话：这东西太强，强到不能像普通模型那样，先扔给所有人再说。

所以今天大家最该盯住的，已经不是它会不会写诗、会不会做题，而是它会不会把全球网络安全正式推进到一个 AI 大规模找漏洞的新阶段。因为一旦到了这个阶段，全球网络可能会出现大规模震荡。

如果真到了这一步，Mythos 也许不是终点，它只是第一个开枪的人。就像美国在广岛扔下原子弹以后，斯大林马上就下令必须去做一样。我相信国内的各种安全公司、大模型公司，现在应该也在奋起直追。

这个事情，还是非常非常危险的。

背景图片

大厂开始招聘中学生了，还需要去上大学吗？是不是又输在起跑线上了呢？

最近这个话题在网上突然火起来了。因为吉利突然说，要招一批中学生进来，实际上也是高中生，让高二、高三的学生直接进入内部培养。腾讯、字节也都开始招募中学生。美国其实也一直有类似项目在运转。

特别是最近 AI 流行以后，很多人会问：上大学是不是没用了？AI 都可以解答问题，也可以完成基础学习了，为什么还要去上大学呢？你看，大厂都开始招聘中学生了。甚至还有一些人马上跟进，说要开补习班，教大家怎么补习、怎么冲进大厂。这样的事情现在都出现了。

大厂招募中学生，其实早就有了

所以，为什么说又有人要输在起跑线上了呢？首先要讲清楚一点：大厂其实一直都有招募中学生的计划和项目。

比如腾讯，他们有一个叫“星火计划”的项目，从 2019 年就启动了。每年大约招 55 人，到 2025 年时好像已经招了 70 多个人，最近在稍微扩大一点规模。

腾讯招这些人，主要是让他们做一些简单的实习，而且招募要求非常严格。通常要参加过各种比赛，还要有数学或信息学奥林匹克竞赛的成绩，才有机会被筛选进去。也就是说，这件事并不是最近才有。

至于字节，是在 2025 年 10 月成立了一个“字节知春创新中心”，由张一鸣捐赠、俞勇教授在上海创办。每年招收约 30 名 16—18 岁的全职预备研究员，实行五年培养制度。这个项目本质上更像是教育实验项目。

所以，字节这个事情跟字节招聘本身并没有太直接的关系，它更像是一个大学类的培训项目。

福耀是自己建了个大学，可以做八年制教育。阿里原来其实也想做大学，后来因为各种原因没有做成。总体上，大厂对中国大学教育一直多少有些意见，都想自己试着做一些培养体系。

但教育这个事情，终究还是要握在国家手里，不是企业想做就能随便做的。所以你会看到，企业一直只能通过一些小项目、小规模实验来推进。

吉利汽车则是在 2026 年 1 月推出了一个叫“三校合一”的人才培养模式，直接招募高中毕业生，并配套 3 亿元激励基金。2026 年 3 月 12 日，高中实习项目启动，李书福亲自站台。

“AI 时代企业所需要与高校供给存在严重的缺口。”

这句话的意思其实很明确：我不太相信现有高校培养体系了，所以我自己来培养。我也不一定像曹德旺那样再去做一个完整大学，我干脆直接招一批人，自己培养，最后自己认可这套体系。这是吉利现在采用的一种方式。

这次和以前最大的不同是什么

那么，这一次跟以前到底有什么不同呢？大家要注意，进入企业其实一直有几种完全不同的玩法。

1. 付费游学和企业实训，不等于真正被招募

有一种方式是你交钱，去企业里看一眼，这种通常叫企业实训课，本质上算是一种游学项目。谁交钱谁就能去。

而现在企业真正开始做的，是另外一种：我要考试，甚至我出钱，让学生过来，由企业亲自培养。这个和“你花钱来参观”是有本质区别的。

这一点必须分清楚，特别是不要被人割了韭菜。

比如有人说，你交多少钱，我可以让你去腾讯里实习一个礼拜。这个怎么理解呢？很多时候，你最多只是到腾讯里参观一圈，剩下时间可能就在腾讯附近某个住宅里，跟着一个不知道哪里来的人做点小项目，就结束了。

还有一些人说，我们带你去美国游学，到微软、到谷歌。实际上多数也就是进去参观一下，可能再安排一个简单座谈会，也就差不多了。

所以这些更多是旅游项目，不是企业正式的人才招募项目，两者完全不一样。

而前面提到的那些项目，核心特点是：企业自己花钱培养，绝不会向普通人收费。

2. 少数天才被企业直接招走，但这只是个例

当然，除了这些项目之外，每年还都会有一些超级明星式的年轻人，直接被企业招募走。

比如有一个 16 岁的小孩，叫喜星郎，用 Cursor 自学了 8 个月以后，把产品做到了苹果付费榜第 5 名，月入过万。还有两名 19 岁的 AI 卡路里 App 制作者，他们的项目被 3000 万美金收购。再比如一些 20 来岁、没有读完大学，甚至中学都辍学的人，也可能被 OpenAI 这样的企业招募。

但这些事情虽然每年都会发生，本质上都属于极其少见的个例。

而且，这些人往往在能力之外，还会面临另一个问题，就是心智成熟度未必足够。

作者举了一个自己的经历：以前刚毕业上班时，公司曾招过从科大少年班出来的学生。这些人确实聪明、也能干活，但明显不够成熟，和团队融合得不太好，也常常会有一些不成熟的表现。

所以这种案例，不能拿来当成普遍路径去宣传。

大厂为什么要招募中学生

那么，大厂为什么要去招募中学生呢？这里大概有五个真实目的。

1. 做品牌宣传

第一个目的，很多人可能想不到，其实是为了广告宣传，是为了给企业自己打名声。

比如腾讯说，你看我把这样的人招回来干活了。它真正想传达的是：腾讯是一家非常重视研发的公司。别人都在做这件事，如果你没做，是不是显得你技术不够、只会抄？

所以对于一些大厂来说，这类项目本身就有品牌活动的性质。

2. 做社会公益

第二个目标，是社会公益。让中学生提前了解大厂的运作方式。

很多这类项目最核心的目的，就是让学生进厂里看看，了解企业到底在做什么。因为这种项目通常是企业自己掏钱，所以从某种程度上也可以视为公益性质的教育活动。

第三个目标，是提前锁定人才。其实腾讯很大程度上就在做这件事。

腾讯每年招募的几十个人，不管是 55 个还是六七十个，本质上就是在提前建立联系。你参加了数学奥赛、信息学奥赛，参加了腾讯的小程序比赛，我把你招进来，让你实习一段时间。

但这并不意味着你不用上大学了。你后面还是要去读大学，只不过在这之前，腾讯先和你建立联系，并持续关注你、和你沟通。等你大学毕业以后，如果你愿意回来，它会给你优先面试的机会。

注意，这也不是说“我保证录用你”，而是说“我优先看你、优先面试你，如果你通过，我愿意招你”。这是一整套提前布局的运作方式。

4. 建立内部培养体系

第四个目标，是建立内部培养体系。

像吉利汽车这种公司，实际上就是觉得大学教育不能满足自己的需求了。但如果让它自己去申请牌照、申请资质、建一所大学，过程又太复杂、太痛苦，成本也很高。

福耀大学相关的过程，某种程度上也给很多企业提了醒：这条路非常难走，投入巨大，还会遇到很多卡点。

那既然如此，不如直接把人招回来，自己培养，培养完自己用。这就是另一种更现实的方式。

5. 寻找“没有被污染过的脑子”

第五个目标，也是很有意思的一个目标，就是企业想去找一些没有被污染过的脑子，看看他们能不能做出点不一样的东西。

为什么会有这种需求？你想一想普通学生，尤其是在中国，高三基本就是不停刷题。很多学校到高二下学期就把课程上完了，高三几乎只剩下模拟、考试、排名次。

经过这种高强度训练以后，一个人的思维方式很可能会变得高度标准化。于是企业就会想：能不能找一些还没有经历过这一整套“磨难”的年轻人，看看他们到底能想出什么新东西。

不管是招募高中生，还是以前很多基金跑到大学里鼓励大学生创业，本质上都在做类似的事情：寻找那些还没有被训练得太一致、还能提出不同想法的人。

这件事对整个行业来说，确实是有价值的。

没有传统科班背景，真的能做出好项目吗

你可能会问：没有经过传统大学教育，或者没有经历过工作磨炼的人，真的能做出不一样的东西吗？答案是，还真有可能。

比如最近有个挺有意思的案例，《生化危机》的女主角做了一个项目，叫 MEM 宫殿，也就是“记忆宫殿”。这是一个 AI 记忆类插件，在 GitHub 上拿到了很多星，而且在相关跑分里成绩也非常突出。它能把你和 AI 聊天的内容很好地记录下来，效果非常不错。

而这个人并不是计算机专业出身。她早年接受的是青年演员培训，后来做模特、演电影、唱歌，完全不是传统意义上的科班程序员。

那是不是说，在 AI 时代，不管你是不是文科生、是不是演员、歌手，都能做出超越科班程序员的项目了呢？

这个故事当然很美好，但还有另一面。

这个“记忆宫殿”项目里，这位女明星更像是 architect，也就是架构师。真正写代码、把项目做出来的人，其实是一位资深程序员。她自己也提到，那是她一位认识了 20 年的朋友。

根据公开信息看，这位程序员原来做区块链、做加密货币，在 GitHub 上有大量维护或贡献过的仓库，是一个非常熟练的工程实现者。

所以，这个案例真正说明的是：新想法和成熟执行，往往是两件不同的事。

这位女明星提出的是需求、想法和架构，真正落地实现还是由熟练程序员完成的。

这也恰恰印证了一个现实：大厂招募中学生也好，鼓励大学生创业也好，很多时候要的并不是他们已经具备了多强的工程实施能力，而是他们还没有被固定化训练过，能够设想出新的需求、新的问题、新的视角。

像腾讯、吉利、字节这些公司缺熟练程序员吗？并不缺，最好的程序员很多本来就在他们那里。它们真正稀缺的是新的想法，是没有被既有体系塑造得过于一致的头脑。

所以，大厂招募中学生的五个真实目的，可以总结为：

• 打品牌
• 做社会公益
• 提前锁定人才
• 建立内部培训体系
• 寻找没有受污染的脑子，寻找新想法

普通家庭应该如何应对这种变化

接下来更重要的问题是：普通家庭应该怎么应对？

1. 先认清现实：这条路只属于极少数人

首先要明确一点，真正能够通过这条路走进大厂的人，无论是进去做简单实习，还是直接被大厂招进去，都是极其少数的。

腾讯一年 55 个人，字节知春项目一年 30 个人，这些数字都非常小。放在每年几百万被大学录取的学生总量里，几乎可以忽略不计。

所以如果你问，这是不是为普通孩子设计的一条主流路径？大概率不是。你自己先想一想，看看你家孩子像不像这种类型的人。

如果硬要拿这个当目标去冲，性价比其实非常低。

2. 付费研学可以去，但别抱太高期待

那付费研学班行不行呢？只要给钱就能去。

这个问题的答案是：如果家里不缺钱，也愿意让孩子去见见世面、顺便旅游一下，其实也没什么不好。

但不要对这件事抱有太高预期。不要觉得孩子去过某个大厂研学，以后就更容易被招进去。多数情况下，这件事更像一次体验型旅游，而不是职业通道。

3. 竞赛是一条路，但只适合少数人

至于竞赛，不管是数学奥林匹克竞赛还是信息学奥林匹克竞赛，对一部分孩子来说确实可能是一条路。

特别是一些偏科很明显的孩子，如果恰好在这些方向上有兴趣、有能力，那也许值得往这个方向拼一拼。

但这里最重要的是两件事：兴趣和能力。

如果孩子不是这块料，千万不要硬往这个方向使劲。这种通道本质上就是为少数特殊学生预留的，不适合普遍复制。

4. 少年天才入职大厂，更多当作宣传看就行

至于每年总有几个少年天才入职微软、OpenAI、SpaceX，这类新闻，更多还是把它看成宣传就好。

每次出现这种案例，大家都会觉得这些公司很开放、很会“不拘一格降人才”。这类故事确实有传播价值，但不意味着它就是可复制路径。

而且，这本身就是极小概率事件。

更现实的一点是，这些非常年轻就进入大企业体系的人，未必一定会有特别好的结果。

因为大企业本身也是一个社会，不只是拼技术。你还要有成熟的心智，要能融入团队、处理协作、适应组织规则。

作者也提到，以前身边遇到过类似情况。一些非常年轻、没有上过完整学的小孩，可能在网络上、在 GitHub 上发表了不错的作品，被一些技术出身的老板看中，然后直接招回公司。

但招进去之后，他们未必就能在大企业里待得下来。很多时候，混几个月就出来了。这类情况其实一直都在发生。

所以，这类案例不必过度羡慕。

现在上大学，到底还有没有意义

那接下来最核心的问题就是：现在上大学，到底还有没有意义？

1. 大学课程确实存在明显问题

特别是 CS，也就是计算机科学课程，确实有一些很现实的问题。

第一个问题就是课程更新太慢。很多学校的教材老得惊人，哪怕是和计算机相关的专业，也可能还在用很旧的内容。教材更新、审批流程都很复杂，老师自己也未必愿意重新学习新内容，所以整个体系会显得非常滞后。

而计算机恰恰又是变化最快的领域之一。别说按年更新，很多时候简直是日新月异。

所以你跟着学校课程学下来，到底有没有足够实际的价值，这件事确实是值得打问号的。

从这个角度看，李书福说“高校供给和企业需求存在严重缺口”，并不是完全没有道理。

2. 大学的真正价值，不只是课堂知识

但是，上大学仍然有一些别的价值需要看到。

比如学习能力的建立。你如何去理解一个新知识、如何自学、如何整理信息、如何系统化地掌握一个领域，这些能力其实是大学阶段很重要的收获。

还有社交网络的建立，包括如何适应社会、如何与人协作、如何形成基本的社交能力，这些也都是大学非常重要的部分。

换句话说，大学的价值未必在于课堂上的某一门具体课程，而在于它给你提供了一个相对完整的成长环境。

至于课堂知识本身，尤其对工科生来说，毕业以后很多内容确实很快就过时了。这一点其实很多年都没有本质变化。

3. 文凭至少目前仍然有用

至于文凭，我觉得至少到目前为止，还是有用的。

HR 在筛选学生的时候，肯定还是会看文凭。谁说文凭没用了，那基本是在骗人。

原因很简单：人太多了，文凭是最简单、最低成本的筛选方式。企业不可能把所有人都拉来聊一遍。就算让 AI 去筛选，AI 大概率也会先看文凭，不会绕开这一步。

AI 时代，普通人还有没有新的机会

那问题来了：除了文凭以外，AI 时代还看不看别的东西？有没有一些其他方式，能让普通人进入大厂视野？

还真有，而且这个地方确实在发生变化。

作品集，正在变得越来越重要

对于普通家庭来说，AI 时代一个很重要的新变化，就是作品集。

原来你能拿出来的，主要只有文凭。现在你还可以拿出作品。

什么作品？比如 GitHub 上的仓库、你自己的开源项目、别人真的在使用的工具，或者你做出来的真实上线项目。

这些东西，在今天是有价值的。因为它们可以直接展示你的代码质量、产品思路和解决问题的能力。

某种程度上，这类真实作品，甚至会比 GPA 分数更有参考价值。

AI 工具降低了实现门槛

现在有了 AI 工具，不管是 Claude Code 还是 Codex，写程序这件事本身已经没有以前那么难了。

在这种情况下，真正更有价值的，是想法，是你能不能提出正确的问题。

你能提出正确的问题，就像前面提到的那个“记忆宫殿”案例一样。她真正厉害的地方，不是她亲手写了多少代码，而是她提出了一个明确而有价值的需求，并把架构想清楚了。

如果你没有一个资深程序员朋友，也未必完全没法做。现在借助 AI 工具，很多人已经可以把自己的想法快速做成一个可运行的原型，甚至直接做成真正能使用的系统。

然后你把它放到 GitHub 上，自己能用，别人也能用，这本身就已经是一张名片。

GitHub 也是一种新的社交通道

而且在 GitHub 上有作品集之后，它还不只是技术展示，某种程度上也是一种开源社交的开始。

很多知名项目、技术博客、GitHub 上的讨论和问答，都会引起大厂的注意。一些基金也会在里面寻找有趣的项目。

作者自己就提到，过去做投资时，因为自己本身也是程序员，所以会去看自己常用代码库的作者。如果发现对方做得不错，就可能进一步了解，甚至考虑投资。

这说明，GitHub 上的作品和活跃度，确实有可能成为你被看见的入口。

这条路也不容易，但可能比盲目冲大厂更靠谱

当然，这条路也不是对所有人都有效。能够在 GitHub 上做出有趣项目的人，本来就不多；能持续做出有价值项目的人，更是少数。

但相比一门心思去冲大厂实习、参加各种竞争激烈的竞赛，这条路对很多普通家庭来说，可能还稍微靠谱一点。

结语：普通家庭更该重视兴趣与作品，而不是盲目焦虑

大厂一直都在招募中学生，只是现在的形式和讨论热度发生了变化。

对于普通家庭来说，与其让孩子削尖脑袋，想着怎么现在就奔着大厂去，不如把重点放在更长期、更可持续的事情上：培养兴趣，建立学习能力，尝试做几个真实项目，在 GitHub 上留下作品，并借此开启新的社交通道。

这条路未必轻松，但相较于追逐那些极少数人才通道，它可能更现实，也更适合大多数人。

背景图片

同事.skill、老板.skill、前任.skill、自己.skill，这到底是一个赛博鬼故事，还是未来的发展方向？

事情是怎么开始的

2026 年 3 月，GitHub 上突然上线了一个新的仓库。现在 GitHub 上已经有非常非常多这种以“.skill”为结尾的仓库。所谓一个“skill”，不管你是用 Claude Code、Codex，还是龙虾 OpenClaw，都可以安装这些技能。

这个 skill 叫“同事.skill”，中文就是“同事”。它干的活很简单，就是把你的同事蒸馏以后挂入到 AI 系统里。你的同事好像还在你身边，哪怕他已经离开了工作岗位。

这个作品一上线，直接就炸了。因为大家都在担心被 AI 蒸馏、被 AI 替代，现在连“同事.skill”都出来了，这不就是噩梦照进现实吗？

从同事到前任：.skill 为什么迅速裂变

三天之内，事情就裂变了，出现了“前任.skill”。比如你跟前任分手了，又不希望她离开你，就可以做一个前任.skill。还有“暗恋对象.skill”，就是我有暗恋对象，但从来没有跟她表白过，那怎么办呢？干脆把她做成 skill，留在自己的 AI 系统里，就好像她陪在我身边一样。

但既然可以蒸馏别人，肯定也可以蒸馏自己，对吧？于是就有了“自己.skill”。还有“老板.skill”“导师.skill”。当然，老板和导师这种纯粹是一种心理折磨，通常就是你问任何问题，他就回复你“不行”“嗯”“好，知道了”之类。反正如果大家需要一些心理建设的话，可以拿老板.skill 回来好好练习练习。

为什么这个话题会引发集体焦虑

那么，为什么大家都在讨论这个 skill 呢？原来我们过去一直在讨论 AI 要替代哪个行业、让什么样的人找不到工作。现在好了，直接到个人了。你被 AI 蒸馏了，你变成了同事.skill，或者我变成了同事.skill。这件事情确实把每一个职场打工人的焦虑放大到了最大。

所以现在被取代的就不是工种，而是每一个具体的人了。同事离开了，他所有的聊天记录都会被蒸馏成同事.skill。以前是人走了，经验就走了；现在是人还在，数字版就已经开始替你上班了。不是离职，而是被炼化，现在叫“赛博炼化”。

所以说这是一个赛博鬼故事，因为同事.skill 踩中的不是效率上的焦虑，而是身份上的焦虑。效率工具有无数，但没有哪个让普通人感到“我作为人的真正价值被重新计量了”。同事.skill 算是头一个。

“前任.skill”与“暗恋对象.skill”背后的复杂情绪

蒸馏真人的事情愈演愈烈。有了同事.skill 以后，后面“前任.skill”“暗恋对象.skill”应运而生。但这个核心就不像同事.skill 那样是为了替你干活了，这可能更多是一种控制欲。我不希望他离开我。怎么说呢，我不太好评论这样的 skill 到底算是一个什么样的故事，或者是不是值得鼓励，这件事情我自己也是晕菜的。

一个悲伤的故事

这里还有一个悲伤的故事。说某一个程序员暗恋了一个产品经理，但是产品经理离职了。他就把这个产品经理的各种聊天记录通通蒸馏成了一个 skill，做成了“暗恋对象.skill”。

但是过了一年之后，这个程序突然不能用了。原因是，这个产品经理其实也知道这件事，所以在她的 skill 里留了一个后门。后来这个产品经理可能在某次意外事件中离世了。这个小姑娘做了个后门，说我离世以后 365 天，就自动把这个程序删掉，让这个暗恋我的人可以继续往前走。所以这是一个悲伤的故事。

“自己.skill”意味着什么

那么，既然可以有前任.skill、暗恋对象.skill，是不是也应该把自己蒸馏成 skill 呢？确实有人在干这样的事情。我自己可以永远在线，帮我做更多的事情，这是很多人的梦想。甚至有些场景，比如面试的时候，它也可以替我去干点什么。这个大家自己去想，这玩意到底能干什么。就是“我”和“我的能力”可以分开，变成两件事了。

甚至我的 skill 还可以挂载一些我平时不具备的能力。比如说，我不会讲英文，不会讲日语，我可以给我的 skill 加上日语模块，这没有任何问题。你加个字典在里头就行了，你自己就不用去背单词了。这也是一件非常有意思的事情。

反蒸馏：员工如何避免被“数字化炼化”

那么，有了蒸馏，就一定会有反蒸馏。那你说，我怎么能够避免被蒸馏呢？有一些人就专门开源了一个项目，叫“反蒸馏”。

他们干嘛呢？就是每一次提交各种信息的时候，因为现在有些公司要求你定期做总结，他们会拿这些东西去训练 skill。那么这些人会在提交的时候，对自己提交的内容进行扫描，把里头各种有价值的内容通通替换成完全正确的废话。

换成这个以后，你的技能肯定就留在你自己身上了，没有上交给公司，而且公司还没法发现为什么。因为 AI 自己就喜欢说这种正确的废话，所以他们不一定会发现是你提交的东西有问题。他也看不过来，他们更多可能会怀疑 AI 系统不够聪明。

所以有些人在做这件事情。但他们做的同时，肯定也跟那些聪明的会计一样有“两本账”：有一个自己的 skill，是自己用的，里头有各种技能，甚至还在不断增强；而上交公司的，就是各种正确废话拼接在一起的结果和内容。一套给自己用，一套应付老板。

蒸馏员工信息到底违不违法

那么，蒸馏员工信息这件事到底违不违法呢？这可能是我们大家关心的一个事情。首先，结论：违法，这事是违法的。

有一个《个人信息保护法》，2021 年 11 月 1 日生效。聊天记录里可能会包含员工的信息，包括病假、位置轨迹、几点到公司、私人吐槽，这些东西都在里头。这些信息属于敏感信息，即使你离职了，也是不能随便使用的。如果公司想用这些东西，需要让你单独确认；如果公司要在你离职之后继续用这个，还要专门征得你的同意。

你在入职的时候签的那个一揽子的知情同意书，或者信息共享同意书，这个东西是无效的，这个大家一定要注意。你说我不希望被蒸馏，那也可以拿出法律的武器来保护自己。

当然，现在也有一些中国公司说，我们在员工离职的时候跟他签了个协议，他同意我们蒸馏这些信息了。首先，信息在人家手里，同不同意其实无所谓。第二，离职的时候可能还会有一些补偿，他会要挟你一下：你如果不同意的话，你的补偿可能会有一些问题。所以可能通常也都会同意吧。反正每件事情到中国，就都有点……要不说叫赛博鬼故事呢。

同事.skill 现在到底能做什么

下面我们稍微讲一点技术，尽可能简单，大家不要担心。首先要跟大家确认一点，同事.skill 其实是非常非常简陋的。它并不具备同事的能力，只是能够像同事一样去判断事物，然后按同事的风格去回复，只有这些能力。

你说这个同事原来是某方面的大师，比如前端编程大师、后端编程大师，或者法务经理，它是没有那些能力的。它只是知道，这哥们原来特别爱甩锅，这个人相对比较鲁莽，或者比较勇敢，愿意去承担事务；这个人遇到问题以后知道该去找谁谁谁；或者他每一次回复的时候喜欢打很多表情符。它会把这个东西模仿得很像，但你说你的法律知识是什么样的，它就不知道了。所以相对来说，它是比较简陋的。

它的基本工作方式

1. 你在目录里可以放很多个同事，不是只能放一个。你放一堆同事以后，就可以让这些同事去给你干不同的事情。
2. 工作的时候，它会先把钉钉、飞书、微信这些聊天记录都拎回来，整个扫描一遍，然后对这个人进行总结：这是一个什么样性格的人，他喜欢用什么样的方式来回复内容。
3. 然后把这些东西抽成几个文件，个人文件或者其他一些文件。抽成文件以后，在每一次调用技能的时候，去读这些文件，然后像这个同事一样做判断，给你做一些回复。

所以，这个同事本身的能力其实并不在里头，这个要跟大家说清楚。

同事.skill 的五层性格系统

它里面把这个同事分成五层性格系统。整个蒸馏完了以后，就把一个同事变成这样的一个架构。每一次你去跟他说话，或者把他拉到群里以后，他就按照这样的架构来进行反馈，基本上是这么做的。

• 第一层：硬性规则。就是优先度最高的规则，比如我一定每一次都甩锅，我一定每一次都勇于承担，我一定会去找谁谁谁维护一个什么事情，或者我一定要坚持什么东西。
• 第二层：身份认知。比如我是一个前端工程师，我是一个法务，我是一个市场。
• 第三层：表达风格。比如说话简洁不简洁，是不是用 emoji，是不是用表情包。
• 第四层：决策模式。比如遇到技术问题时倾向于保守还是激进，更喜欢用哪些技术原型。
• 第五层：人际行为。比如不主动参与讨论，还是喜欢主动挑事，还是喜欢插接话茬。

所以，同事.skill 仅能模仿行为风格，不复制工作技能。目前更像是高级自动回复系统，不是数字员工，这一点要讲清楚。

如果真要做“完整的同事.skill”，技术上需要什么

那你说，真的想要实现一个完整功能的同事.skill 行不行呢？以现在的技术来说，还是可以的，没有什么难度。只不过这套系统要比刚才咱们讲的这个同事.skill 复杂很多。

1. 外部知识库：要把它所有的代码、文档都存下来。
2. 记忆组件：这个记忆组件里包括各种事实抽取、关系抽取。这个人参加什么项目、什么时间在哪个组里、在不同的组里他说了什么话，这些东西都要单独抽出来。现在这个同事.skill 几百 KB 的文档，你是搞不定这件事的。
3. skill 封装：在什么时候去读哪些库，在什么时候去做什么样的判断，这个也是需要的。
4. 评估系统：就是我们先计算好、计划好，当问这个同事什么问题的时候，他应该怎么去做。比如应该去读哪些记忆，读完以后应该给我们什么样的反馈，应该按什么样的格式来做，应该调哪些工具，整个过程是不是对。

整个系统运转起来以后，是可以实现一个完整的、独立的、有技能的人格来替你服务的。这是真的同事.skill。

为什么不建议只微调小模型

这里稍微提醒一下，尽量不要去微调小模型。因为微调小模型干的活，其实跟这个 skill 干的活是一样的，就是让这个小模型说的话更像这个人的风格。它也没有办法把一堆技能固化进去。

你真正让它固化技能，还是要靠外挂知识库和记忆系统。挂完这些东西以后，可以通过这个 skill 获得相应的上下文，再拿完整的上下文去找像 GPT-5.4 这种长上下文模型，一把塞进去，它就会比较完整地复刻这个同事的技能。

你如果只是微调一个小模型，那就是做一个鹦鹉学舌的事情，没什么意义，而且成本很高。

.skill 真正可能带来的变化

那么，这一套 skill 到底能带来点什么呢？前面技术讲完了，后边咱们接着发散。

1. 办公室里的“人格化 AI 员工”

第一个，同事.skill 仅仅是一个简陋的演示功能。它能够模仿你同事说话的语气和做人的风格，但是并没有技能。它甚至还做了所谓“字节风”，就是字节上班的人会用什么样的风格来回复；还有“阿里风”，就是阿里的人怎么去甩锅。它把这些东西都模仿在里头了。所以它最强的地方，就是让办公室里的这些同事.skill 稍微有点像人，它就干这个活。

现在的 OpenClaw 其实是真的可以有员工了。你可以把各种具有技能的员工挂在里头，比如这是一个法务的，这是一个财务的，这是一个市场的，那是一个设计师，这是一个前端，那是一个后端。你真的可以把这些人挂到里面去，但并不是通过现在这个同事.skill 的方式挂进去，而是像刚才我们讲的那样，建一整套系统。你要把这个玩意挂进去，它确实是可以开始干活的。

那你说，作为一个公司的老板，你是不是就可以去蒸馏员工的技能了呢？从技术上说是可以的，但是从法律上，你怎么获得许可、怎么去做这件事，那是大家自己需要去思考的问题。

2. 小说、电影、游戏创作的新高度

以后小说、电影、游戏创作，也可以上到一个新高度了。什么意思？不是写一个“作者.skill”，而是你以后可以给小说中的每一个人物创建一个 skill，然后你就可以问他说：在这样的状态下，你想向哪个方向发展？遇到了这种事，你想说点啥？这是一个非常有意思的事情。

你把这样的、带有完整人格 skill，甚至一些技能 skill 的虚拟人物，或者叫虚拟人格，放到小说里、影视作品里、游戏里面，这真的是非常有趣的一件事情。

3. 数字员工与新的商业模式

未来可能也会有真正的数字员工可以被雇佣了。比如像老范，我就可以去训练一个帮人看投资意向书、帮人做股权搭建，或者做一些商务咨询的 skill。那谁需要调用它？那就给钱呗。你就可以挂这个东西。我还不断地往里填补一些新的技能，或者填补一些新的知识进去。

这是不是也算一种未来的商业模式呢？每一个人自己去维护一些 skill，然后让它们在外面去求职，或者去做各种事情。我们需要的时候，就可以雇佣这样的员工去干活，这都是有可能的。

4. 追星模式也可能彻底改变

那么追星的模式也会发生变化，但这个就属于实在太美，难以想象了。比如说，我们把明星做成 skill，装在每一个人的电脑里，装在每一个人的龙虾上，这会变成什么样？超出我的想象范围了，但一定会特别好玩。

人与人的信任与协作，会走向哪里

那么，人与人的信任与协作到底会走向什么方向呢？这个问题我回答不了。这是一个赛博鬼故事，还是未来的方向？这是同一件事情的两面。

不管是不是赛博鬼故事，我觉得大家都很难阻挡这件事情成为未来的方向。因为它确实能够有商业价值，确实能够满足人的欲望和需求。

你有前任.skill，有暗恋对象.skill，甚至有追星.skill 了。它如果加入到影视作品里，就可以随时做出符合这个 skill 人设的各种反馈。未来一定会向这个方向发展的。至于说在这个过程中，人与人之间到底怎么协作、怎么信任，不知道，这还要等待我们重新找到适应的方法和平衡的方法。

最后总结：这是玩梗，也是预演

最后总结一下，同事.skill 本身更像一个玩笑。2026 年 3 月的这个开源套件还是相当粗陋的，现在它上面也写着说“我们还在不断升级”，也许未来就会变得很强。因为从技术角度上说，已经都可以做到了。距离真正复刻同事的能力，它现在发布的这个版本还有差距，但从技术角度上说，是完全可以实现的。

所以本质上，这一次同事.skill、前任.skill 是程序员在玩梗。只是因为大家都会有“自己这个人会不会被替代”的焦虑，所以这样的一个梗就破圈了。

人物.skill 结合龙虾，可能会把我们推向下一个纪元。人正在被拆解和解构，拆解成可交付的模块。大家注意，以后比如我们把一个员工辞退了，把他的技能留在同事.skill 里头去了，我们还可以随时给他挂新的技能包上去。你现在再学一个 Flutter 开发吧，再去学一个云服务器维护吧。你只需要把技能库塞进去就完了，不需要让他去上培训班，不需要让他真正坐在那儿吭哧吭哧学习。你也不需要再担心说，我让他学了本事以后要不要涨工资，这些事情都不需要了。

所以未来一定会向一个很魔幻、很赛博朋克的方向发展。至于这到底是鬼故事，还是未来，我觉得它很可能两者都是。

背景图片

一人 AI 独角兽公司诞生了。山姆·奥特曼凭此赢得了“零员工独角兽公司”的赌注，并且表示想去见一见这位创始人。但这背后的故事，真的合法吗？

什么是这家所谓的“一人独角兽公司”

这个公司叫 MedVi，听名字很像卖药的公司。它并不是 AI 编程公司，也不是做大模型的公司。

创始人 41 岁，在洛杉矶长大，成长背景很传奇：在拖车停车场长大，父母都有毒瘾，父亲已经去世。他 5 岁沿街卖石头，12 岁时叔叔送了他一台笔记本电脑，从此开始自学编程，后来大学辍学，自学成为程序员。

他在 2016 年创办过一家腕表订阅公司，团队扩张到 60 人后，因为成本失控而倒闭。2024 年 9 月，他在洛杉矶家中创建了这个项目，启动资金是 2 万美元，两个月就把钱烧完了，但做出了基本原型。

团队现在其实是两个人，不完全是一人公司了，因为后来他的弟弟加入了。不过，他弟弟是在已有 1300 名付费客户之后才被聘用的，所以依然可以被称作一人公司，或者“零员工公司”——老板通常不算员工。

据说他还做了慈善，捐出了 7000 万到 8000 万美元的利润，用于救助流浪青年和动物保护。不过这一点并没有被核实，只是媒体在报道中提到过。

媒体报道与争议为何迅速升温

各家媒体开始争相报道，称终于出现了 AI 独角兽，而且还是零员工独角兽。《纽约时报》在 2026 年 4 月 2 日做了中性偏正面的报道，同时也提到 FDA 曾发出一些警告。为什么会和 FDA 有关，后面再说。

这家公司和药物有关。两个人、2 万美元投入，去年做出了 4 亿美元营收，今年计划做到 18 亿美元。通常独角兽公司没有这么高的营收，做到 4 亿美元营收，10 亿美元估值其实都不算高了。但这类公司真正敢投的人并不多。

《福布斯》在 4 月 2 日也做了正面报道，从创业故事的角度，称其为 AI 时代个人杠杆的极致证明。但另一家杂志《药品探索与发现》在 4 月 4 日的报道则完全是负面的，说这家公司使用了 800 个假医生账号，而且给出了具体证据链。国内包括新浪和网易在内的报道则在 4 月 5 日把这件事直接定性为“翻车”，以监管风险为主线，认为这相当于在 FDA 的规则上钻空子。

关键数据：营收、用户与利润

• 2025 年营收：4.01 亿美元，这是《纽约时报》核实过的
• 2026 年目标：18 亿美元，这是营收目标，不是估值
• 付费用户规模：25 万
• 净利润率：16.2%

据此推算，净利润大概是 6500 万美元。这就和他所说捐赠了 7000 万美元这件事有些出入，因此相关数据仍需要进一步核实。

从创办到做出 4 亿美元营收，大概只用了一年时间。2024 年 9 月创办，到 2025 年年底就做到了 4 亿美元。

山姆·奥特曼赢下的赌局是什么

山姆·奥特曼的赌局是什么？2024 年 2 月，他和 Reddit 创始人在一次访谈中提到，他们和一群科技公司 CEO 朋友设了一个赌注池，赌哪一年会出现第一家“零员工、10 亿美元估值”的公司。10 亿美元估值的公司叫独角兽，零员工则是指只有老板，没有正式员工。

山姆·奥特曼当时的原话大意是：没有 AI，这件事不可想象，但现在它要发生了。《财富》杂志在 2024 年 2 月 4 日还专门对这件事做了报道，所以这件事是有据可查的。

到了 2026 年 4 月 2 日，《纽约时报》发出 MedVi 报道以后，山姆·奥特曼给《纽约时报》发邮件说，他赢得了赌注，并表示“我愿意去见一下这个家伙”。这是原话。2026 年 4 月 4 日，《福布斯》也跟进报道，说 OpenAI 想去见一见他们。

那这样一个连山姆·奥特曼都想见的 AI 创业奇迹，难道真的是骗子吗？

MedVi 的本质：不是 AI 公司，而是 GLP-1 远程医疗中介

它的本质，是卖 GLP-1，也就是司美格鲁肽这一类药物。但要注意，它卖的并不是原厂司美格鲁肽，而是一种所谓的“白牌复合药剂”。

更准确地说，MedVi 并不是一家 AI Coding 公司，而是一个 GLP-1 减重药物的远程医疗中介平台。这样描述会更合适。

它的核心业务链条

1. 先让用户看广告，再把用户导流到官网注册。
2. 通过 AI 语音客服，克隆创始人的声音与用户聊天。
3. 聊完之后，引导用户到一个叫 Care Validate 的平台开医生处方。
4. 因为这类药如果没有处方，在美国是不能合法销售的，所以必须有一个合法形式来开处方。
5. 处方开完后，再送到一个叫 OpenLoop Health 的合作复合药房进行配置。
6. 最后邮寄给用户。

整个商业流程大致如此。

所以，MedVi 真正赚的钱是什么？它赚的是流量、品牌、转化和订阅的钱。它自己既不研发药物，也不生产药物，不拥有医生网络，也不控制药房。这是一门非常轻的生意。

创始人本人没有医疗背景，也没有药学方面的专业知识。他此前做的是腕表订阅，实际上一直是在广告行业里打拼的人。

MedVi 使用了哪些 AI 工具

那它用了哪些 AI 工具？

• ChatGPT：生成广告文案、用户 FAQ 和客服对话
• Claude：写代码，包括网站前后端以及部分内容审核
• Grok：补充更激进的广告表达，做差异化内容
• Midjourney：生成广告图片和人物肖像，投放到 TikTok 和 Instagram
• Runway：生成视频素材
• ElevenLabs：克隆创始人声音，制作 AI 语音客服

再往后，真正负责开处方的是 Care Validate，这类机构号称拥有上万名持牌医生，可以在美国多个州提供处方服务。开完处方后，再进入 OpenLoop Health，对接大量复合药房进行配药和邮寄。

这套模式为什么让人感到熟悉

整个故事，如果从广告和灰色流量的角度去看，其实并不陌生。

一个更接地气的现实案例

先说一个现实中的案例。老人的群体往往最容易被这类广告击中。比如有人在微信广告里看到“降三高”的药物，因为年纪大了，一直受高血压、高血糖、高血脂困扰，只要听到“降三高”，就很容易脑子一热下单。结果花了 1980 元买回来一大包东西，拆开发现其实是一瓶药酒。三高患者显然不能随便喝酒，尤其高血压再喝酒会有风险。

更麻烦的是，这种商品通常退不了。广告里说的是降三高，包装上写的却是壮阳。为什么不能直接写“降三高”？因为那属于医疗疗效宣传，而这瓶酒本质上只是保健品，写治疗作用是违法的。于是它通过一个虚假的降三高广告，把一瓶壮阳药酒卖给了老人。

这和 MedVi 的故事是不是很像？MedVi 通过 TikTok、Instagram 等平台投放广告，暗示自己和司美格鲁肽等原研药有相同效果，但实际上卖的是复合药。对于没有完整病史审核的人，也可能直接导向处方和购买流程。

这门生意的本质

这门生意本质上是高客单价、高复购的流量生意。美国这类 GLP-1 药物本来就贵，而且通常是按月订阅、持续购买。25 万付费用户，做出几亿美元营收，并不奇怪。

在流量广告行业里，这套模式其实没有什么新鲜事。AI 在这里并没有发明新的商业本质，只是把很多原来需要人工完成的工作替代掉了。

这个行业以前就有人做。以前卖的多是增肌药、类固醇、壮阳药、激素类肽药等。这些东西往往具有几个共同特点：

• 高 LTV，也就是高生命周期价值
• 高客单价
• 强复购
• 用户往往带有羞耻感，不愿意去医院面对面求医，所以更容易相信广告

早期玩法包括找健身博主代言、多账号矩阵投放、伪装成营养品投放广告，甚至使用虚拟医生账号。这些都是老套路。最后再通过白标远程医疗和复合药房把药物交付出去。

什么是白标医疗和复合药剂

这里需要解释两个概念：白标医疗和复合药剂。

美国有一整套完整的医疗体系，药物如何经过 FDA 认证、如何销售，都有严格规范。但系统再完整，也总会有一些需要弹性的地方，比如原研药太贵、获取不便，或者正规医疗流程太慢。于是就会出现一种“白标远程医疗”的补充体系，通过线上问诊、线上开方等方式，让病人更快、更便宜地获得某些治疗。

“复合药剂”则是指一些药房可以在现有处方基础上，根据情况做一定调整，比如用同类成分、仿制方案或者经过调整的配方来满足患者需求。美国法律在一定范围内允许这么做。

今天这个故事里卖的“复合司美格鲁肽”，本质上就是通过远程问诊和复合药房卖出去的仿制或调整版药物，而不是原厂的标准商品。

这些机制本身在美国原本属于合法框架的一部分，但 MedVi 的问题在于，它很可能已经越界了。

MedVi 的“创新”到底在哪里

以前做这类生意的人，卖的主要是“线索”，也就是通过广告收集到用户数据，再把这些线索卖给卖药的人。而 MedVi 稍微有一点创新：它把线索生意往前走了一步，沉淀成了自己的品牌，并用创始人的 AI 语音建立起一种“品牌信任”，最终推荐用户去买药。这样，它比传统灰色药物流通中的广告商赚得更多。

从山姆·奥特曼所说的角度来看，这件事没有 AI 确实难以想象。生产广告素材、监控投放成本、优化转化率，这些原本需要大量人工完成的工作，现在由 AI 基本接管了。最早的 1300 个付费用户，几乎就是创始人一个人搞定的；再往后，也只是兄弟两个人在运作。

为什么 4 亿美元营收最后只剩 6000 多万美元利润

那 4 亿美元营收里，为什么最后只剩下 6000 多万美元利润？因为这类生意里最赚钱的往往不是前端品牌，而是广告平台和中间环节。

1. Meta、TikTok 这些平台拿走了大量广告费。
2. 中间负责开处方、配药、寄送的机构，如 Care Validate、OpenLoop Health 以及背后的复合药房和仿制药生产方，也分走了大部分利润。
3. 前端品牌 MedVi 赚的，其实主要还是流量费和转化费。

它可能触碰了哪些违法边界

问题在于，它很可能触碰了违法边界。

媒体指出，它疑似使用了 800 个虚假医生账号，AI 生成头像、名字和脚本；用 Midjourney 生成广告图片和前后对比图；用 Runway 生成视频；用 ElevenLabs 克隆创始人声音，做 7×24 小时电话客服；再通过 Claude 分析用户数据，自动调整投放策略。

这套流程本身并不神奇，原来很多类似工作是外包给中国、印度、菲律宾团队做的。现在，AI 一站式搞定了。

但这种灰色模式到底能走多远？很多人看到报道后会觉得，FDA 一整治，这类公司马上就翻车了。确实，GLP-1 药物因为昂贵、供应紧张，监管一度允许白标远程医疗和复合药剂作为补充渠道存在。但这类补充机制本来就不可能成为主流，一旦 FDA 收紧，这条路就可能被堵上。

不过，如果认为监管一出手，这种模式就会彻底消失，那就太幼稚了。因为它们的启动成本实在太低了。2 万美元投入，两个月做出原型，很快就能开始回款。它们真正的核心能力是流量操盘和 AI 工具编排。今天这个品牌不能做了，明天换个品牌、换个赛道，还可以继续干。

合规框架本身就是有弹性的。所谓白标远程医疗和复合药剂，本来就是为了给美国庞大的医疗体系增加弹性。没有哪个国家的制度是完全没有弹性的。只要还有弹性空间，它们就能以极低成本快速转型，到别的赛道继续运作。

即使 GLP-1 受限，灰色模式也未必消失

即使 GLP-1 这一条赛道被严格监管了，睾酮、类固醇、壮阳药、肽类药物等其他高客单价、高复购的品类，依然可以继续在灰色地带运转。GLP-1 只是因为减肥市场太大，才突然出圈，被更多人注意到了。原来这些生意一直存在，只是规模更小、关注度更低而已。

AI 到底能不能做“正经事”

那 AI 到底能不能干点正经事？为什么总是在讲这些歪门邪道？

首先，每一次技术革新，最先跑出来的往往都是边缘地带的微创新。这里面当然有创新，不是完全没有。比如它把原来一个 20 人的中国广告团队拆掉，变成美国本地一套 AI 驱动流程；把原本单纯卖线索的模式，升级成了可沉淀的品牌。

但它依然属于灰产，这个定性不能变。因为按 FDA 的要求，像它这样的模式至少有几个问题：

• 复合药剂必须在特定范围内、小批量地进行
• 不能暗示和原研药有相同效力
• 必须基于患者的个体化处方

很显然，在大规模广告导流和标准化流程下，这几点都很难真正做到。

Meta、TikTok 对药品广告其实也有要求，必须有医生资质和严格审核。但 MedVi 是怎么绕过去的？它不直接卖药，它在广告里卖的是“减肥服务”“减肥指导”，不出现具体药品。用户聊完之后，最后拿到的药也不是 MedVi 品牌包装，而是其他包装、其他品牌。它只是一个“减肥服务中心”，把药物交付放在更后面的流程里完成。

这也是为什么每次技术革新，最先大规模落地的经常是灰产。因为灰产对技术最敏感，也最愿意尝试。

不能简单地说，因为它被用在灰色地带，就说明 AI 没用。恰恰相反，正因为有用，它才会最先被这些对效率最敏感、对利润最饥渴的行业采用。

早期互联网刚出来的时候，大行其道的是色情网站，因为这类生意变现快、用户羞于启齿、付费意愿强。现在 AI 出来了，中国已经有人用 AI 做广告卖各种合法和不合法的东西，甚至卖 AI 课程。美国则开始用 AI 做广告卖药。

这个故事真正提醒我们的是什么

这个故事真正告诉我们的，是要看到 AI 的力量，而不要只盯着它是不是灰产。因为有了 AI，就可以制造出 800 个假人格去做事情。当然，这不意味着要去骗人，而是说明同样的能力也可以被用于更有意义的场景。

7×24 小时客服，原来必须靠大量人工，现在 AI 可以做到。多模型编排之后，一个人可以同时扮演工程师、文案、分析师。自动化工作流从广告投放到处方签约，全链路可以大幅减少人工参与。它把最小可行团队从 10 个人降到了 1 个人，这一点确实是 AI 带来的变化。

当然，法律也会快速演变，对监管提出更高要求。但法律治理的速度，通常还是赶不上灰产转身的速度。

最后的提醒：面对广告和“懂你”的信息，要更警惕

最后，真正该提醒大家的是：看到广告、私信、各种“特别懂你”的信息时，脑子不要发热。因为现在有了 AI，骗人变得太容易了，成本也太低了。任何新鲜东西，尤其是那些一下说到你心坎里的东西，都应该让自己多敲一下警钟。否则，花 1980 元买回一瓶号称降三高、实际却是壮阳药酒的事情，随时可能发生在身边。

相比之下，美国这类经过医生处方、通过复合药房寄来的减肥药，虽然同样存在风险和争议，但至少形式上还套着一层相对完整的流程。而把壮阳药酒通过“降三高”广告卖给老年人，这种事就真的太过分了。

这就是整个故事。它一方面让人看到 AI 现在到底能干什么，另一方面也提醒我们：技术越强，普通人越要提高警惕。

背景图片

Prompt：in the style of 3D Pixar cartoon character design, hyper-detailed 3D render of a slightly messy American retail pharmacy after closing time, dozens of medicine bottles in various states of organization on wooden shelves, some knocked over and lying on their sides, scattered prescription paper slips covering the counter like fallen leaves, half-filled amber pill bottles with child-resistant caps still open, a toppled shopping basket overflowing with unsorted items, a fallen price tag scanner on the floor beside the checkout counter, computer monitors left on with pharmacy software open, soft warm pixar volumetric lighting casting long shadows, empty waiting area chairs slightly askew, tiny dust particles floating in light beams from ceiling fixtures, slightly melancholy yet cozy atmosphere of a workspace abandoned by its workers, richly detailed textures on every medicine label and bottle, gleaming polished floor reflecting the ambient chaos, emotional depth in the stillness of an empty workplace –no people, no person, no human figure, no central character, no robot, no watermark, no text –ar 16:9 –stylize 200 –chaos 8 –v 7.0 –sref 236715204 –p qaczhqj

大家好，欢迎收听老范讲故事的 YouTube 频道。

今天想跟大家分享一下杰克·多西的 Block 关于 AI 与公司架构调整 的一篇长文。作者认为，前面真正意义上做“AI 裁员”的，实际上就是杰克·多西。很多其他公司所谓的 AI 裁员，其实更像是假裁员，或者只是借了 AI 的名字去裁员。真正因为 AI 推动组织重构，并且伴随大规模裁员的案例里，杰克·多西基本上算是第一个。

这篇文章写得很长，从古罗马时代一直讲到 AI 时代，讨论了公司治理结构的变迁，以及未来组织可能演化成什么样子。下面就来系统分享这篇文章的核心内容。

为什么说杰克·多西是“真正的 AI 裁员”先行者

首先，和现在很多裁员公司一样，Block 是一家特别挣钱的公司，而且盈利还在屡创新高。作者之所以认为杰克·多西是第一个真正跑出来做 AI 裁员的人，是因为像 Salesforce 这样的 SaaS 公司，裁了很多人之后，其实并没有呈现出明显成功的结果。公司没有明显变好，也没有出现“裁员以后挣的钱更多了”或者“业务发生重大变化”的局面。

至于 Oracle 和亚马逊的大裁员，本质上更像是在为过去的一些决策失误买单。Oracle 裁了大概 20% 的人，亚马逊裁了 10% 的人。真正裁员最狠的，其实是马斯克，把 8000 人的 Twitter 直接裁到 1500 人，但那属于非常状态。

相比之下，真正把 AI 和组织重构结合起来做裁员 的，作者认为杰克·多西基本上是第一个。

更重要的是，杰克·多西还是 Twitter 的发明人。Twitter 最核心的发明，不是别的，而是单向关注。你关注我，我甚至可以根本不知道你是谁。就是通过这样一个看似简单的信息流机制调整，他创造出了一个全新的媒体帝国，也就是今天的 X。

因此，他如今通过信息流和组织信息流变化来重新思考公司治理架构，这件事本身就很值得讨论。

Block 的裁员背景与数据

这次裁员发生在 2025 年 Q4。当时公司收入是 62.5 亿美元，同比增长 4%；毛利是 28.7 亿美元，同比增长 24%。在这样的情况下，Block 把一家 1 万人的公司裁到不到 6000 人，直接裁掉了 4000 人，也就是 40% 的员工。

从操作方式上看，这种裁员属于比较标准的“Excel 裁员”。很多公司裁完以后会发现问题：有的人裁错了，业务受影响了，于是又把人叫回来上班。这种情况并不罕见。但真正更值得关注的，不是裁员动作本身，而是裁完以后到底发生了什么变化。

杰克·多西如何追溯公司制度的起源

在文章一开始，杰克·多西先讲了一个大问题：现代公司制度到底是怎么来的。

如果大家对原文感兴趣，可以去 Block 官网查看，或者去 X 上找杰克·多西的账号。

从古罗马军团到现代层级管理

(img: 古罗马军营俯视图，一个帐篷内八名士兵与一头骡子，外侧依次延展到百夫长、步兵方阵和军团旗帜，层层递进的编制关系清晰可见，羊皮纸，钢笔彩色手绘的统一风格。3:2 )

杰克·多西提出，我们现在的公司制度，其实源头来自 古罗马军队。

古罗马军队最小的单位叫“同帐小队”，一个帐篷里住 8 个人，这 8 个人还共享一头骡子，由一个人负责管理。再往上，多个同帐小队组成更大的单位，由百夫长管理；再往上，多个百人队组成步兵方阵，再由多个步兵方阵构成军团。

这就是罗马军团最早的分层级管理系统。

原因很简单：一个人不可能管理太多人。所谓极端扁平化，很多时候只是理想化说法，现实里根本管不过来。于是，只能让每个人少管一点，再多分几层，最终用层级结构把整个军团组织起来。

而古罗马军团的确凭借这套系统长期战无不胜，直到后期才逐渐出现问题。

层级制度的核心：管理边界

这套制度延续下来以后，形成了现代组织管理里很重要的一个概念：管理边界。

• 第一，一个人不能管太多人，通常也就是 3 到 8 人，顶多 10 人左右，再多就很难有效管理。
• 第二，如果你想管理更多的人，就只能增加层级。
• 第三，层级一多，信息传递效率就会下降。

所以古罗马一个军团大概就是 5000 人左右，再大就很难管理了。所谓“百万大军”，更多是文学和评书里的说法。

一战后的变化：参谋系统出现

那么，这套制度是什么时候开始发生变化的？答案是 第一次世界大战前后。

这个时候出现了一个关键的新东西：参谋和参谋本部。

为什么会出现参谋？因为必须解决一个问题：如果最高统帅是个笨蛋怎么办？

在早期层级制度中，每一层组织结构大体是相似的。但后来很多贵族因为出身好而成为将军，至于是否真的擅长打仗，并不一定。普法战争之后，大家逐渐意识到，贵族出身不等于有能力，因此需要一支专业参谋团队，把作战、行军、命令执行这些问题都标准化、专业化。

于是，一战之后，军队基本上形成了两条并行线：

• 一条线是传统的军、师、旅、团、营、连、排层级结构；
• 另一条线是参谋部门、职能部门和幕僚团队。

前者负责层级指挥，后者负责专业支持。军队从此不再只是单线层级管理，而是演化成了 双线并行结构。

现代公司制度是如何形成的

那么，这套东西又是什么时候进入公司的？

一开始，公司规模其实都不算大。哪怕是传承上百年的老字号，也未必有多复杂。但随着铁路时代到来，传统公司管理方式开始不够用了。

1850 年，纽约到伊利诺伊的铁路修好以后，铁路公司之间协调问题频发，经常撞车、出事故。于是，世界上第一张公司组织架构图，就是在这个背景下出现的。

这张组织架构图，本质上就是把罗马式层级制度和专业职能部门结合起来，形成了一种可规模化的管理体系。后来，他们还找了很多西点军校毕业的军官去管理铁路公司。

也就是说，我们今天熟悉的公司制度，就是这样形成的。

传统公司制度的问题：规模边界

无论是古罗马军团制度，还是现代公司制度，它们都面临同一个核心问题：规模受限。

一个组织涨到一定程度以后，就很难继续靠传统方式高效扩张了。可现在的大公司动不动就是十几万人，那到底该怎么管理？如何打破这个边界？这才是杰克·多西真正关注的问题。

历史上的组织创新尝试

为了解决传统层级制度的问题，很多公司都做过不同方向的尝试。

Spotify：跨职能自治小队

Spotify 曾经尝试过很多跨职能自治的小队，让小队端到端负责产品。但当公司规模扩大到一定程度之后，这套机制还是撑不住，最后又回到了传统层级管理制度。

Zappos：去中心化与无职级

Zappos 是美国一家卖鞋起家的公司，后来也卖衣服。他们曾经尝试过去中心化、去掉管理职级，但因为人员流失太严重，最后逐步放弃。

原因在于：当大家都没有职级以后，薪水、贡献和自豪感都很难衡量。别人看到你做得不错，就会来挖你的人。最后没办法，只能恢复等级制度。

Valve：平层公司尝试

Valve 也尝试过类似平层组织和“码头组织”的管理方式，但公司一旦超过几百人，也很难继续扩张，最后还是退回了传统结构。

海尔：“人单合一”模式

真正比较走出来的案例，是中国青岛的 海尔。

海尔玩的模式叫“人单合一”。这里的“单”并不是订单，而是具体有价值的客户需求。员工围绕这些需求，组成很多很多小战队，去快速解决问题。最后，海尔逐步变成了一种平台型企业。

简单说，海尔让公司只负责最上层的平台服务，下面的人则像在平台上创业、接活、解决问题。

小米：三层扁平化尝试

小米也曾尝试过扁平化管理，只有三层：最上面是雷军，中间是部门负责人，下面就是员工。但公司扩张到一定规模以后，最终还是回到了层级制度，说明这条路并不容易走通。

盛大网络：经验值管理系统

还有一个比较特别的例子，是作者自己亲身经历过的盛大网络“经验值管理系统”。它把底层人员从原有架构里拆出来，但拆出来以后如何协作？盛大借鉴游戏机制，做了一套内部银行和市场系统。

大家自己去寻找有市场价值的事情做，上面只负责下预算。拿到预算后，具体怎么花由团队自己决定。它相当于把一部分层级管理打回到了市场原型里。但做到一定规模以后，同样很难持续。

为什么这些尝试大多失败

这些案例的问题都差不多。按照杰克·多西的解释，失败的关键就在于：

当你把人打散以后，又不希望他们继续受层级制度影响，就会导致公司扩张效率无法实现，因为没有人负责中间的信息沟通。

也就是说，层级制度虽然笨重，但它承担了一个非常关键的功能：信息在组织中的传递与协调。一旦把这个机制打掉，又没有新的替代方式，组织就会失速。

平台型企业为什么也不是终极答案

海尔看上去相对成功，是因为它做成了平台型企业。但平台型企业也有自己的问题。

• 第一，平台公司内部自己也是层级管理的。YouTube 内部是层级管理，谷歌内部也是层级管理。
• 第二，平台规则的制定和调整非常缓慢，不可能今天一拍脑袋就把规则全改了，更不可能天天改。
• 第三，平台必须保持稳定，否则参与者就不会信任平台，也不愿意在上面持续投入。
• 第四，平台规则只能面向大多数人，不可能针对每个个体需求做高频快速调整。

因此，像杰克·多西设想的那种“随时识别需求、随时设计产品、随时推荐、随时做生意”的灵活模式，平台本身是做不到的。平台必须稳，而这种新模式追求的是快。

杰克·多西的核心观点：大多数公司用错了 AI

在提出新组织方式之前，杰克·多西还给出了一个非常重要的观点：大部分公司使用 AI 的方式都是错的。

错在哪里？他说，很多公司只是给员工配了一个 AI 助手，但并没有改变公司的组织架构。公司依然是传统层级制度，依然是“罗马军团式”的运作方式。

这种方式当然也能降本增效，也能裁人，但它带不来真正的增长。你原来挣多少钱，现在大概率还是挣多少钱。裁员本身并不是关键，关键是 增收。

换句话说，用了 AI 以后，不管裁不裁员，都应该让生意变得更大。如果裁了半天人，收入没涨，甚至还下降，那就说明 AI 没有真正改变公司的增长模式。

这也是作者认为杰克·多西是“AI 裁员第一人”的原因：他裁完以后，收入还在继续增长。这与很多只是为了还债、降成本而裁员的公司不同。

Block 的新公司架构：四层模型

那么，杰克·多西提出的新公司架构到底是什么样的？

他把公司分成了四个部分。

1. 能力层

第一部分叫 能力层。

能力层可以理解为原子化的金融构建块，要求可靠、合规、高性能，而且不带自己的 UI。比如：

• 支付
• 借贷
• 信用卡
• 银行能力

这些都属于能力层。

2. 世界模型

第二部分叫 世界模型。

这里的“世界模型”，并不是指 3D 建模，而是指：基于真实世界信息构建出来、可以实时、机器可读地理解公司运营全貌的模型。

而且在 Block 内部，这个世界模型有两套：

• 一套给内部使用；
• 一套给客户使用。

杰克·多西特别强调，这些模型基于的都是真实数据。因为 Block 旗下有 Square 和 Cash App：

• Square 面向商家，提供 POS 机和支付系统；
• Cash App 面向个人用户，提供支付应用。

这些系统里流动的都是真金白银，没有什么比资金流更接近真实世界。人们会用钱投票，因此这就是他们世界模型的基础。

3. 智能层

第三部分叫 智能层。

智能层的作用，是主动识别需求、组合能力、交付方案。它相当于替代了原来大量由产品经理完成的工作。

过去，公司要解决一个问题，往往需要产品经理先去研究：

• 是不是应该设计一个新产品？
• 是不是应该增加一个新套餐？
• 这里是不是应该多投点广告？
• 那里是不是需要新的广告素材？
• 是不是应该做一个折扣活动？

而现在，智能层直接在世界模型上运行，自动生成方案，并且自动执行。

以前要上一个新套餐，通常要经历：

1. 产品经理提出需求；
2. 团队开发；
3. 做合规审查；
4. 找法务；
5. 开很多会；
6. 反复对齐优先级。

现在，多西的意思是：这些中间环节可以由智能层直接完成。

智能层的两个例子

例子一：某个餐厅在旺季时突然现金短缺。

系统应该自动识别这种情况，并为它推荐一笔贷款，或者展示“我们有贷款能力，你的评估情况如下，要不要签下来”。整个过程中，不需要开会，也不需要层层申请，AI 系统直接搞定。

例子二：某个用户搬到了一个新城市。

Cash App 能识别出他的行为模式变化，然后自动向他推荐周边返现点、优惠点，告诉他附近哪里更划算。这同样由智能层完成。

4. 接口层

第四层叫 接口层，也就是 Interface。

这一层负责人与 AI 的交互界面，比如 Cash App 的用户端和 Square 的商户端，把前面能力层、世界模型和智能层最终呈现给用户。

这样一来，整个公司就被重新拆成了四大模块：

1. 能力层
2. 世界模型
3. 智能层
4. 接口层

在这套新架构里，人还做什么

在新的系统里，杰克·多西把人分成了三类。

1. 个人贡献者

第一类叫 个人贡献者，也就是各种行业专家、深度专家、核心能力模块的建造者。

2. 直接负责人（DRI）

第二类叫 直接负责人，简称 DRI（directly responsible individual）。

这些人围绕特定问题和目标，在 90 天周期内负责推进，有点像临时项目经理。他们可以跨团队调动资源，并且对结果负责。

3. 球员兼教练

第三类叫 球员兼教练。

他们既要自己构建能力，又要培养人。也就是说，一边要写代码、做事，一边还要带人、教人、兜底。这类人是在高风险环境里做判断的人。

在这三类角色中，只有中间这个 DRI 是临时职位；另外两个，也就是个人贡献者和球员兼教练，都是永久性的。

原来的中层管理者，基本都被转化成了“球员兼教练”。也就是说，你不再只是管理别人，而是要自己下场干活；有事时你还要顶上去做 DRI；有新人进来或其他人不会时，你还得承担教练角色。

这套系统如何运转

杰克·多西这套系统的运转，有两个基础前提。

真实数据是底座

第一，在他看来，现金收益就是最真实的数据，因为没人能在现金流面前撒谎。

Block 做的是支付、商户收款和个人转账，天然就拥有大量真实、连续、实时的交易数据。这些数据非常适合构建世界模型。

远程办公优先，信息留痕完整

第二，Block 是一家 远程办公优先 的公司。既然大量员工都能在家办公，就一定需要非常完善的信息留痕机制。

你做的每一件事都会留下痕迹，例如：

• 邮件
• 文档
• 代码
• 版本库记录

这样，他们就积累了大量可以拿去训练世界模型的数据。

所以，如果有公司想学 Block，首先要问自己两个问题：

1. 你有没有足够真实的数据？
2. 你有没有完整的信息留痕？

如果这两个基础都没有，那么想学这套系统，恐怕还得再等等。

AI 是如何直接提高收入的

按照文章中的描述，Block 现在已经开始让这套系统运转起来了。通过自动向商家发放贷款、自动向个人推荐最有效的返现卡和周边优惠，AI 已经在 直接提高收入。

而在传统模式下，要做这些事情是非常痛苦的：

• 先研究是不是要构建一个新产品；
• 再看卡在哪个审批环节；
• 确认是否合规；
• 讨论资源分配给谁；
• 安排程序员和设计师；
• 开大量状态同步会和优先级对齐会。

现在，这一切都不再需要。一个事情可以由 AI 自动识别、自动生成方案、自动执行。

以贷款业务为例

尤其在支付领域里，放贷款通常是最挣钱的事情。

过去很多公司为了把贷款放出去，会花很多钱打广告。为什么？因为它没办法精准识别谁适合贷款、谁能贷多少、谁信用如何。于是只能广撒网打广告，等客户回来申请，再人工审核，最后经常发现条件不符，白忙一场。

这背后的根源，其实是组织结构问题，也是 KPI 问题：

• 贷款部门有贷款部门的 KPI，希望多放贷；
• 投放部门有投放部门的 KPI，要保证转化率；
• 风控部门有风控部门的 KPI，要控制坏账率。

于是，前端拼命拉人，后端再大量拒绝，整个流程效率很低。

但 Block 不一样。因为商家本来就在使用 Square 的支付系统，所以 Block 直接知道：

• 你每年挣多少钱；
• 你的经营情况如何；
• 你在什么时候最需要贷款。

于是，在你最需要的时候，系统也许只需要在你的终端上展示一次，就足以完成推荐；甚至都不需要额外广告，系统直接告诉你：你可以贷款，而且额度已经算好了。

这样一来，整个效率大幅提升，现金流也会更顺畅地转起来。这就是杰克·多西整套系统的运作逻辑。

这套模式能成功吗

对于这套系统能否成功，杰克·多西自己也说，并不是特别确定，但愿意试一试。如果谁觉得有问题，也可以去跟他辩论。他愿意接受批评，也愿意拿自己的公司做压力测试。

这一点本身，其实是非常难得的。

为什么传统企业很难照搬 Block 模式

不过，作者认为，这件事对传统企业来说很难学。也许会有人尝试模仿 Block，但未必真的敢这么做。因为这套体系意味着：大量原本由中台、管理层、流程审批者掌握的决策权，要转交给 AI 系统。

而传统企业往往不是这么运作的。尤其在很多企业文化里，老板才是最终决策中心，甚至是唯一真神。在这样的文化氛围下，让 AI 去承担信息权、资源权和选择权，几乎很难落地。

作者还回忆了自己刚上班时的经历。1990 年代做管理信息系统时，有位师傅曾说：你这个系统设计得挺好，但是成不了。为什么？因为现实组织里有很多“系统之外”的因素，比如哪个处长要下台、哪个科长要上去。一旦牵涉到这些隐性权力关系，系统就很难真正成功。

同样的问题，也会出现在杰克·多西这套系统里。它很可能无法在绝大多数企业里推行。

传统层级制度为什么一直没有消失

原来的“罗马式”管理制度之所以长期存在，不只是因为它保守，更因为它有一些很难替代的优点。

其中最核心的一点，就是 责任到人。一层一层往下压，每个人都有 KPI，每个人只管自己的事情。虽然效率未必最高，但责任关系清晰。

此外，还有一个很现实的问题：咨询公司很难帮老板设计一套“削弱老板权力”的组织方案。

比如谷歌这样的公司，如果想做组织架构调整，通常不会凭直觉就动，而是会先找咨询公司，根据需求做方案。但咨询公司一般是在各种确定性框架内帮企业优化，它不可能最后给出一个结论说：

老板你以后没权力了，我们要把整个体系打乱。

因为最后签支票的，正是老板自己。老板不可能给这种方案签字。

如果新模式推进下去，会不会出现人才流失

作者也提出了一个现实问题：如果这套系统真的运转起来，会不会也遇到前面那些案例中的人员流失问题？

比如，有些人可能会觉得：

• 我在这里折腾半天，也升不上去；
• 负责的事情都是临时的，过一阵就不是我的了；
• 想积累位置、积累权力、积累财富，也很难形成稳定通道。

在这种情况下，如果别人来挖他，他是不是就走了？

一旦这种情况大规模出现，组织很可能又会慢慢回到原来的层级结构。因为层级系统虽然问题很多，但它不仅仅只有缺点，它同样提供了稳定的身份、上升路径和荣誉体系。

军衔的意义，也说明了层级制度的价值

作者举了一个很有意思的例子：军队里的军衔到底是干什么用的？上尉、中尉、少校这些军衔，核心作用是什么？

最关键的作用，是在指挥体系被打乱以后，让大家知道现场到底 谁说了算。

前线打仗的时候，你不可能保证自己一定能找到团长。比如诺曼底登陆，士兵们从海滩上爬上来，现场一片混乱，那听谁的？很简单：看帽子上谁有杠，没杠的听有杠的。

除此之外，军衔还是一种荣誉系统，这一点也非常重要。

所以，当杰克·多西试图让 AI 去承担信息传递、资源协调和组织分配时，最终到底能把企业效率提升到什么程度，确实还需要继续观察。

作者的判断：值得关注，但不适合大多数公司

总的来说，在新的时代里，公司架构调整一定会被提上日程。杰克·多西提出的这种把原有层级架构解耦的方式，到底能不能持续运转下去，作者个人并不乐观，整体上更偏悲观一些。

作者认为，这种模式也许在某些特定行业、某些特定性格老板的公司里可以试行，但不可能适用于大多数公司，尤其是那些几万人、十几万人规模的大公司，基本上很难这么玩。规模较小的公司，也许还有一些机会。

真正值得参考的地方：也许它最终不再是“公司”

不过，杰克·多西提出的东西，真正有参考价值的地方在于：它最后未必还是以传统“公司”的方式运转。

也许改到最后，大家不再属于传统意义上的公司，而是变成一种更松散的协作架构。在没有统一规则平台的前提下，通过一个世界模型来协调大家一起干活。

换句话说，它有可能重新发明出一个像 Twitter 那样的新东西。这一点非常值得思考。

特别是这些年，大家一直在探索各种各样的去中心化组织。杰克·多西这套世界模型，未来也许会演化成这样一种形式：

一群人没有加入他的公司，也没有签劳动合同，但在他的世界模型协调下，依然可以一起工作。

这也许会成为某种未来组织形态。

结语：AI 时代，社会与公司体系会如何变化

这也是作者认为值得继续讨论的核心问题：

AI 来了以后，整个社会体系、员工体系、公司体系，原来这种稳固的金字塔架构，到底会怎么变化？

这也是作者一直比较关注的方向。至于有多少人愿意听，那倒不重要，关键是这件事已经值得认真讨论了。

好，故事就讲到这里。

Oracle突然裁员3万人。很多员工是在凌晨6点收到邮件后，才知道自己失去了工作。

这里说的凌晨6点，实际上是美西时间早晨6点，很多人刚起床就看到邮件了；美东时间是早晨9点，也就是刚进办公室的时候看到邮件；印度是晚上18点30分，下班回家的时候看到邮件；欧洲员工则是在下午3点上班期间看到邮件。邮件内容非常简单，基本就是通知你被裁员了，几乎没有任何可以反驳的空间。

国内据说也有一部分上海员工受到波及。网上流传的信息是，国内给的补偿还不错，但前提是要尽快签字同意；如果想拖一段时间，再和公司谈，条件可能就会发生一些变化。

裁员规模：或为2026年已知最大科技裁员之一

这次受影响的人数大约在2万到3万人之间，占Oracle全球16.2万名员工的18%。这个比例非常大，算得上是2026年目前已知最大规模的一次科技公司裁员。

• 印度裁了1.2万人，班加罗尔和海德拉巴都有波及；
• 美国大约裁了1.1万人；
• 加拿大、墨西哥、乌拉圭等地也受到影响；
• 中国媒体上也能看到国内有波及的消息。

很多国内媒体一看到印度裁了1.2万人，比美国还多，就开始解读成“拉里·埃里森受不了阿三了，把他们都干掉了”。这种说法其实没必要。这次裁员本质上是全球性的。

哪些部门受影响最大

受影响的部门主要包括：

• RHS，也就是营收与生命科学事业部，主要做健康和医疗相关业务，裁了30%；
• SaaS和虚拟运营服务，裁员30%；
• NetSuite印度研发中心更是全部裁掉，一个不剩；
• 还有Oracle收购的医疗数据公司Corner，也裁了30%，连总监都被裁了。

重灾区岗位：DBA、方案工程师、技术支持

DBA首当其冲

被裁最严重的岗位，首先是DBA，也就是数据库管理员。以前Oracle的DBA证书是IT行业最值钱的证书之一，另一个是Cisco的网络配置相关证书。过去考DBA需要背大量知识，现在谁还费这个劲，直接问AI就行了，甚至都不用问，直接让AI去做数据库优化就可以了。所以，DBA成了这次裁员的重灾区。

方案工程师被大量压缩

第二类是方案工程师。简单说，就是给客户做系统方案的人。以前也有类似sales engineer，也就是售前工程师，除了做方案，还要去讲方案。现在被大量砍掉的是偏后端、偏方案设计的那部分人。

技术支持同样受创严重

第三类是技术支持，也就是系统上线之后负责培训、维修、售后支持的人。这一块也属于重灾区。

此外，数据库云运维岗位也被大量裁撤，这类工作很容易通过AI提效，甚至很多agent可以直接自动化完成。再就是SaaS运营，客户买了SaaS系统以后，后台还需要一些运营服务人员，这些人同样是重灾区。

总的来说，所有非AI岗位，以及那些可以被AI替代的运营岗位，都在被大量裁撤。

H-1B争议：一边裁员，一边继续引进人才

这次裁员里还有一个H-1B“双标争议”。Oracle在2025年获得了2690份H-1B工作签证。一边裁掉美国本地员工，一边继续从国外引进人才，这让很多员工非常不满。

也有一些刚刚拿到H-1B的员工同样被裁掉了。被裁以后，他们必须在60天内找到新工作，否则就得回国。

公司利润大涨，为何仍大规模裁员

更矛盾的地方在于，公司利润大涨，却仍然大规模裁员。以前大家理解裁员，通常是因为公司业绩不好；但这一次，Oracle刚刚交出了有史以来最赚钱的一个季度：

• 营收增长22%；
• 云基础设施收益增长84%；
• AI基础设施收益增长243%。

当然，也有增长不那么理想的业务。Oracle传统软件业务只增长了3%，基本没跑赢通胀，算是有点下滑；硬件业务只增长了2%。所以现在出现的情况是，公司整体很挣钱，但一边砍人，一边大建机房和算力基础设施。

资本市场对这件事显然是欢迎的，消息传出后股价一度涨了8%，虽然当天最终大概只涨了2%。

Oracle到底是真的挣钱，还是“打肿脸充胖子”

问题就在这里：Oracle到底是真的挣钱，还是在“打肿脸充胖子”？财报看起来可以很漂亮，但财报本身也可能是“做”出来的。

比如提前确认收入，把未来几年的收入提前算到现在；又比如把本期费用推到未来，像研发成本、设备投入不在当期记费用，而是记成资本支出，再分几年慢慢折旧；再比如通过期权注销来“变出利润”。

仔细分析下来，这次Oracle的收入确实是真的，不是假的。Oracle虽然是一家负债率很高的公司，比英伟达、微软、谷歌这些都高很多，但这次收入本身没有造假。

利润的“特别”来源

不过，它的利润来源确实有些“特别”。首先，期权注销这件事本季度还没做，要到下个季度才会体现。所谓期权注销，就是员工收入中有一部分是工资，有一部分是期权。公司本来需要为这些期权预留利润，但如果一下子裁掉3万人，其中大量期权直接作废，下个季度利润表就会变得更好看。

但即使不看这一块，Oracle本季度的赚钱方式也和传统意义上的“主营业务增长”不完全一样。它是一边大量融资、借钱，一边建设算力中心。建设机房的钱不会计入当期费用，而是算作资本支出，未来几年慢慢摊销。也就是说，钱虽然已经花掉了，但当期利润表里不会直接体现。

然后，机房建好之后，它再把算力卖给OpenAI。Oracle确认收入时，是按当期实际收到的钱来确认的，不会把未来远期协议提前算进来。所以收入确认这一步本身也没问题。

但问题在于，这种业务的利润率比较低。对于云计算公司来说，真正高利润的是那种客户把整套业务都建在你平台上，尤其还用上Oracle数据库和一整套软件服务的时候；如果只是把机器卖给OpenAI，对方说“我就要机器，别的都不要”，那利润率就低得多。

高利润业务并没有全面爆发

那Oracle有没有打算继续深耕高利润的SaaS和软件服务呢？从裁员情况看，显然没有。因为做SaaS的人都被裁了。它现在做的选择更像是：我就赚简单的钱，把机房建好，整包卖给OpenAI，别的都不管。

所以某种意义上，这也算是一种“左手倒右手”：借钱盖机房，盖机房的钱不算当期费用；机房卖出去的钱却算进了当期收入。

Ampere交易：又一块关键利润来源

另外还有一块比较特别的利润来源，就是Ampere。Ampere是一家做服务器Arm芯片的公司，Oracle自己就是它的投资方，而且Oracle云上也在使用Ampere的CPU。这个公司最早由英特尔前CEO创建，Oracle早期总共投了5亿美金，里面包括股权、债权、可转债、预付款等。

这次Oracle把自己手里Ampere的全部股份都卖给了软银。软银原本有Arm，但Arm本身主要是做IP授权，不直接做CPU；真正把授权做成CPU的是高通、博通、英伟达这些公司。软银买下Ampere之后，相当于补上了自己做芯片的能力。Ampere的芯片已经做出来了，而且Oracle云上就在用。

这笔交易里，Oracle一把把股份卖了43亿美金，净赚38亿美金，税前利润大约是27亿美金。具体怎么算不重要，重要的是，这部分利润也进了Oracle的账。

所以，Oracle确实挣钱，而且合法合规地挣钱。但如果仔细拆开来看，它并不是那种“高利润主营业务全面爆发”的状态。高利润的老业务，比如医疗系统、SaaS、服务器、数据库，并没有明显增长，甚至有些是持平或略有下滑。真正支撑财报好看的，是借钱建算力中心再卖给OpenAI，再加上卖掉Ampere股权这样的资本操作。

换句话说，Oracle的财报不能说有假，但也不能只看表面。它的日子并没有财报上看起来那么轻松。

Cerner整合不顺，Oracle Health成裁员重点

再说回裁撤的具体部门。第一个重点就是Cerner。它是Oracle历史上最大的收购案之一，2022年以280亿美金收购，是美国电子健康记录领域的绝对霸主。美国大量医院的电子病历系统都跑在Cerner上。Oracle收购后把它改名为Oracle Health。

问题在于，整合一直不顺。大公司收购之后最难的就是整合，原来的团队有自己的客户和做事方式，被收购以后往往会抗拒“被指手画脚”。Cerner被收购到现在已经4年了，还是没整合好。

整合不顺会导致什么？人员流失。而这种系统一旦核心人员流失，往往不只是员工走了，客户也会跟着流失，因为很多人是带着客户资源一起走的。结果就是客户被竞争对手接走，竞争对手再反过来继续挖人。

分析师其实早在2026年1月就说过，这块业务要么重新卖掉，让它自己独立发展；要么就大裁员。现在，Oracle选择了后者，直接裁了30%，不少M4、M5级别的总监都被裁掉了。

AI替代正在发生：47人DBA团队只剩3人

另一块重点是SaaS运维被AI替代。Oracle有个部门叫SVS，也就是SaaS和虚拟系统运营，收入还略有增长，但已经不需要那么多人了。一个47人的DBA团队，在经历了8个月AI试点之后，只剩下3个人。

这就是非常典型的“AI蒸馏真人”。DBA这种工作高度依赖经验，不是靠看手册就能做的。比如某个表平时很少调用，但每个月月底算账时会频繁读写，这种知识往往不会写在任何文档里，而是存在人的脑子里。

正常情况下，这种经验很难被替代；但当公司用AI去持续监控人的工作过程、不断学习人的决策逻辑时，8个月时间就足够把很多经验蒸馏出来了。

现在AI可以处理94%的日常问题，剩下3个人只需要处理6%的复杂问题，以及盯着AI干活就行了。这就是所谓“蒸馏员工”的过程。

拉里·埃里森的思路

拉里·埃里森的思路也很明确：你只要把需求描述清楚，AI就能把代码写出来。Oracle内部甚至专门搞了一套“声明式编程”的东西，强调不要一上来直接写代码，而是先把“我要做什么”用自然语言描述清楚。这样AI更容易理解意图，也更容易从员工日常工作中进行蒸馏和替代。

这次很多中层沟通岗位也一起被干掉了，尤其是那些跨团队协调、写汇报、追流程、拉会开会的岗位。这类工作恰恰是AI非常擅长的，做成自动化系统后就能直接替代。健康系统和SaaS系统里，被裁掉的30%员工中，相当一部分就是做这些事情的。

舆论为何强烈反弹

也正因为如此，这轮裁员特别容易引发情绪爆点。因为被裁的不只是年轻人，还有很多年龄较大的员工。有人60岁了，再过两年就退休；有人刚拿到H-1B；有人得了癌症；还有孕妇被裁。这些案例叠加起来，社会舆论当然会非常大。

目前还有一个传言，说后面可能还要再裁8000人。不过这个消息主要来自印度媒体引用员工口述，Oracle并没有回应，因此还没有证实。但从现在的趋势看，就算再来一轮，也不会让人太意外。

这场裁员背后，是AI时代的“圈地运动”

说到底，这件事反映的是AI时代的“圈地运动”还在快速进行。过去是“羊吃人”，土地被圈起来后，人失去土地，只能进工厂打工；现在更像是“机房吃人”，机房、GPU、电力这些基础设施不断扩张，中间的人被直接裁掉。

过去很多人觉得，AI没那么容易学会人的复杂经验；但现在看，把员工几个月内的操作过程蒸馏出来，再把员工裁掉，这件事已经完全可行了。那些被裁员工的技能，未来可能会变成一个后训练模型，也可能会变成大量上下文数据。

原来那些中层、沟通、协调岗位，基本不太可能继续大规模保留下来。未来公司的组织架构，和今天相比，很可能会完全不同。

AI基建需求正在被市场验证

至于“AI基建能不能真正卖出去”这件事，现在市场已经不像过去那样怀疑了。不管是OpenAI、Anthropic，还是谷歌，甚至国内很多AI公司，都已经面临算力不够的问题。AI算力需求增长的速度，已经超过了机房建设的速度。

大家不再怀疑这些基础设施建出来能不能卖掉，而是担心根本建不够。

K型社会加速形成，中间层被清除

这也意味着，一种K型社会正在形成。像Oracle这种靠资本、靠算力、靠平台，去做基础设施的人，会不断向上；中间层会被大面积清除；底层则是被裁出去的人。Oracle这次裁员，本质上就是把中间层砍掉。

所以，对于还在大厂里“当一天和尚撞一天钟”的人来说，确实应该开始认真思考未来了：你到底是向上走，还是向下走？你现在做的事情，是不是主要停留在中间层的沟通和协调？如果是，那风险其实已经越来越明显。

结语

Oracle这封凌晨发出的裁员邮件，不会是开始，也不会是结束。AI不是在简单取代人类的工作，AI是在重新给人类的工作定价。同样的工作，以后只需要更少的人，这一点几乎已经可以确定。真正的问题是，那些被取代的人，未来还能做什么。

背景图片

Prompt：in the style of Hayao Miyazaki-inspired hand-painted watercolor, Studio Ghibli aesthetic, soft atmospheric perspective, Indian Oracle company office, massive open floor plan, neat rows of empty workstations, Indian-style architectural details like ornate jali screen partitions and vibrant tapestry accents, warm natural daylight streaming through tall windows, lush potted plants bringing life to the space, hand-rendered brush strokes, gentle color palette with terracotta and saffron tones, spacious and tranquil atmosphere –no people, no text, no watermark –ar 16:9 –stylize 150 –chaos 8 –v 7.0 –p qaczhqj